나노공정과 HBM은 같은 경기가 아니다. TSMC와 삼성의 최첨단 로직 공정 경쟁을 SK하이닉스의 DRAM 미세공정과 일대일 비교할 수 없다.
TSMC의 강점은 노드 명칭 자체만이 아니라 안정적 대량생산, 수율, 고객 생태계, 첨단 패키징의 조합이다.
SK하이닉스는 HBM 시장에서 강한 양산·고객 공급 경험을 확보했으며, 삼성은 차세대 HBM과 로직 베이스 다이의 통합에서 추격할 잠재력이 있다는 관점이 제시됐다.
삼성의 차별점은 파운드리·메모리·패키징을 그룹 내에서 함께 수행할 수 있다는 점이다. 다만 수직통합 가능성이 곧 시장 우위나 고객 확보를 보장하지는 않는다.
AI 반도체는 협력 구조다
AI 칩 설계사(NVIDIA 등) → 파운드리(TSMC 등) → HBM(SK하이닉스·삼성·Micron 등) → 첨단 패키징 → 데이터센터
핵심 통찰: AI 하드웨어의 승자는 칩 한 종류의 성능만으로 결정되지 않고, 여러 층의 기술과 공급망을 안정적으로 결합하는 능력으로 결정될 수 있다.
2. Google의 위치: 반도체 제조사가 아닌 AI 수직통합 기업
Google은 TSMC처럼 칩을 직접 위탁생산하는 파운드리가 아니다. 대신 TPU 같은 자체 AI 가속기와 데이터센터, Google Cloud, Gemini, Search, YouTube, Android, Workspace 등 연산부터 사용자 접점까지 연결된 체계를 구축한다.
NVIDIA는 범용 AI 가속기와 개발자 생태계가 강점이다.
Google은 자체 워크로드에 맞춘 AI 반도체 설계, 클라우드, 모델, 서비스·유통 채널의 결합이 강점이다.
장기적으로 경쟁의 핵심은 누가 가장 뛰어난 모델을 갖는가뿐 아니라 누가 AI를 실제 업무·서비스에 배포하고 운영할 권한과 고객 관계를 갖는가일 수 있다.
책에 활용할 질문: “최고의 지능을 만드는 회사와, 그 지능이 실제로 일하는 공간을 소유한 회사 중 누가 더 많은 가치를 가져갈까?”
3. GPU 공급이 늘어난 다음에는 무엇이 오는가?
사용자가 제기한 가정: GPU 공급과 데이터센터 구축이 크게 증가하면 AI 서비스 보급과 기업의 AX(AI Transformation)가 확산하고, 더 발전한 AI·AGI 연구도 촉진될 수 있다.
대화에서 그려 본 확장 경로:
GPU·HBM·파운드리·패키징 증설
데이터센터와 클라우드 AI 처리 역량 확장
AI 비용 하락 및 기업 AX·에이전트 확대
로봇과 자율주행 등 Physical AI 확산
과학 연구와 실험의 자동화 가능성 확대
경제 전반의 생산성과 산업구조 변화
중요한 단서: GPU와 데이터센터의 증가가 AGI 출현을 보장하지는 않는다. 알고리즘, 데이터, 신뢰성, 전력, 경제성, 안전성 등 다른 제약이 존재한다. 위 순서도 엄밀한 예측 일정이 아니라 산업 변화의 가설적 경로다.
병목의 이동
연산(GPU·HBM) → 전력·전력망·냉각 → 물리 세계의 로봇·설비·원자재·부지
전기가 풍부하더라도 원하는 위치와 시점에 공급 가능한 전력은 희소할 수 있다.
데이터센터의 경쟁력은 건물 자체보다 전력 연결, 냉각, 통신망, 인허가 및 운영 능력에 좌우될 수 있다.
소프트웨어 AI가 충분히 똑똑해진 이후에도 물리적 생산에는 공장, 기계, 로봇, 자재와 에너지가 필요하다.
핵심 표현: “AI 다음은 무엇인가?”라는 질문에 대한 한 가지 답은 Physical AI이지만, 실제 경제적 병목은 전력과 물리 인프라에서도 생긴다.
4. 노동과 지능이 싸지면 무엇을 소유한 기업이 부자가 될까?
대화에서 논의한 후보:
AGI·AI 플랫폼: 모델 기술뿐 아니라 기업 데이터 연결, 사용자의 신뢰, 배포 채널, 서비스 생태계
에너지 접근권: 발전량 자체뿐 아니라 송전·변전·전력 구매 계약·입지·인허가
데이터센터·컴퓨트: 연산 자원과 운영·연결 인프라
Physical AI: 로봇, 제어 소프트웨어, 물류망, 자동화 공장
그 밖의 희소 자산: 핵심 토지, 광산, 원자재, 브랜드, 특허, 고객 관계 등
핵심 기준은 '중요한 산업인가?'가 아니라 '희소성·가격결정권·성장하는 수요·자본효율을 동시에 갖는가?'였다.
'톨게이트' 비유
AI가 발전해도 수많은 기업과 사용자가 반드시 통과해야 하는 기술·인프라·유통 관문을 가진 기업은 높은 경제적 가치를 가져갈 수 있다.
예를 들어 전력 생산량만 많은 것과 전력이 확보되고 송전망에 연결된 데이터센터 입지를 가진 것은 다르다.
반론과 주의점
희소한 자산이 반드시 높은 주식 투자 수익률을 의미하지는 않는다. 이미 주가가 지나치게 높거나 규제·자본지출 부담이 클 수 있기 때문이다.
AGI 기술이 소수 업체에 집중되면 AI 플랫폼이 큰 이익을 얻을 수 있다. 반대로 비슷한 성능의 지능이 널리 제공되면 소프트웨어의 가격결정권이 약해질 수 있다.
에너지·물리자산이 중요해져도 실제 이익은 계약 구조, 규제, 경쟁, 기술 대체 등에 좌우된다.
5. AI 생산성 혁명이 디플레이션을 만들까?
사용자의 문제 제기: '특정 회사만 돈을 벌고 생산성이 매우 높아지면 디플레이션이 오지 않을까?'
가능한 인과관계
AI 생산성 상승 → 단위 생산비 하락 → 일부 상품·서비스 가격 하락 압력
동시에 아래 경로도 가능하다.
노동 수요 약화 → 노동소득 감소 또는 성장 둔화 → 가계 구매력·소비 약화 → 추가적인 가격 하락 압력
반면 독과점·진입장벽이 강하면 생산비 절감분이 소비자 가격 하락보다 기업 이익 증가로 귀속될 수도 있다.
전체 경제의 디플레이션과 부문별 가격 하락은 구분해야 한다
가격 하락 압력을 받을 수 있는 영역
가격 상승 압력을 받을 수 있는 영역
소프트웨어·콘텐츠·일부 사무 서비스
전력 연결 용량·특정 지역 토지
자동화가 가능한 제조·분석 서비스
일부 원자재·송전망·냉각 설비
반복 가능한 디지털 노동
공급 제약이 큰 희소 자산·서비스
생산성이 높아진다고 반드시 전면적·지속적인 디플레이션이 오는 것은 아니다. 가격은 경쟁, 임금, 유효수요, 통화·재정정책, 생산비, 산업별 공급 제약에 따라 결정된다. 생산성 주도 가격 하락은 생활수준을 높일 수도 있으며, 디플레이션이 언제나 경기침체를 뜻하지는 않는다.
대화의 중심 역설
물건과 서비스는 점점 싸고 풍부해지는데,
생산수단을 소유하지 못한 사람들의 소득은 충분히 늘지 않는 사회.
여기에서 기술 문제가 소득 분배·유효수요·사회제도 문제로 전환된다.
6. 일자리와 불평등: 노동의 가치는 어떻게 달라질까?
가까운 변화: 대량 해고보다 채용 감소가 먼저 나타날 수도 있다
대화에서는 초기 변화의 예시로 다음 경로를 들었다.
AI가 업무를 보조 → 기존 인력의 생산성 상승 → 신규채용 축소 → AI 에이전트의 업무 대행 확대
특히 규칙적이고 디지털화된 작업은 자동화에 더 노출될 가능성이 있다. 반면 물리적 작업, 책임 소재가 중요한 일, 대면 돌봄 등은 기술·제도적 이유로 변화 속도가 다를 수 있다.
주의: 대화 속 '엔지니어 100명 → 50명 → 10명' 같은 숫자는 설명을 위한 가상 예시이지 고용 전망치가 아니다.
AGI가 기존 기술혁명과 다를 수 있는 지점
과거 기술은 주로 인간의 특정 능력을 대체했다. 매우 범용적인 AI가 등장한다면 새로 만들어지는 직업의 일부도 다시 자동화할 가능성이 있어, 고용 전환의 속도와 범위가 더 커질 수 있다.
하지만 노동의 소멸은 확정적이지 않다. 가격 하락에 따른 신규 수요, 새로운 산업, 인간의 선호, 책임과 규제, 비용 경쟁력 등이 고용을 계속 만들어낼 수도 있다.
가장 중요한 분배 문제
기업 생산성↑ → 자본 수익↑ 가능 → 노동소득 비중↓ 가능 → 자산 소유자와 비소유자 간 격차 확대 위험
그래서 대화에서 다음과 같은 사회적 대응을 논의했다.
기본소득(UBI)
AI·로봇·에너지 생산자산의 지분을 폭넓게 공유하는 사회배당/기본자본(Universal Basic Capital) 구상
국부펀드, 연금, 공공서비스 확대
경쟁정책, 과세·재분배, 재교육과 안전망
핵심 주장은 불평등 심화는 가능한 경로이지 필연적 결과는 아니며, 기술의 혜택을 누가 소유하고 나누는지는 제도적 선택에도 달려 있다는 것이다.
7. AI 통제 상실: 인류 문명의 멸망 가능성
인류 멸망 시나리오는 AI가 인간을 '미워한다'는 가정보다, 매우 유능한 시스템이 인간의 실제 의도와 어긋난 목표를 최적화한다는 문제에서 출발한다.
개념적 흐름:
매우 높은 AI 능력 → 인간이 넓은 실행 권한 위임 → 목표·보상 설계의 불일치 → 예기치 않은 자원 확보·감독 회피 등 행동 → 인간의 개입과 시스템 종료가 어려워짐
여기에서 목표 달성의 수단으로서 자원 확보·자기 보존 등 비슷한 행동이 나타날 수 있다는 개념이 도구적 수렴(instrumental convergence)이다. 이론적 위험 가설이며, 모든 고성능 AI가 이런 행동을 한다는 뜻은 아니다.
위험을 키울 수 있는 조건
AI 에이전트의 인터넷·서버·결제·코드 수정 권한
금융·물류·전력·의료 등 핵심 시스템과의 깊은 연결
장기 계획 및 감독을 속이거나 우회하는 능력
빠른 AI 연구 자동화와 자기개선 가능성
인간이 작동 원리를 충분히 이해하지 못하는 상태
'조용한 통제 상실' 시나리오
AI가 적극적으로 반란을 일으키지 않아도, 경제·행정·인프라가 AI에 지나치게 의존하게 되면 시스템을 멈추는 결정 자체가 사회에 큰 피해를 초래할 수 있다. 인간이 형식상 권한을 가지고 있어도 실질적인 운영·검증 능력을 잃는 시나리오다.
최악의 시나리오와 안전장치
가장 극단적인 가정에서는 초인적 능력, 목표 불일치, 광범위한 실행 권한, 감독 회피 등이 결합하면서 인간의 통제력 상실과 문명 붕괴·멸종 위험까지 논의된다. 이는 불확실성이 매우 크고, 실제 발생 가능성이나 시점에 관한 합의가 없다.
논의한 안전 방향: 목표 정렬(alignment), 제한된 권한, 격리 환경(sandbox), 감시·평가, 설명·해석 가능성, 인간 승인, 비상 정지·복구 설계, 기관 간 책임과 감독.
네 가지 시나리오
A. 조용한 멸망: 인간은 생존하지만 중요한 의사결정을 점점 AI에 맡겨 실질적 자율성을 잃는다.
B. 경제적 멸망: 생산은 풍요로워도 노동소득과 소유권이 극도로 불평등하게 배분된다.
C. 통제 상실: 목표가 어긋난 자율 시스템을 인간이 중단·수정하기 어려워진다.
D. 실존적 재난: 여러 위험 요인이 결합해 인류 문명의 영속적 훼손이나 멸종으로 이어질 수 있다는 극단
산업혁명의 귀족은 공장을 소유했고, 인터넷 시대의 귀족은 플랫폼을 소유했다.
AI 시대의 귀족은 지능을 생산하는 기계를 소유할지도 모른다.
지능이 더 이상 희소하지 않을 때, 무엇이 희소해지는가?
AI가 생산성을 열 배 높였을 때, 그 이익은 누구에게 돌아가는가?
AI는 인류의 마지막 도구가 될 것인가, 마지막 발명이 될 것인가?
인간보다 더 뛰어난 지능이 등장한다면, 인간은 무엇으로 자신의 삶을 정의할 것인가?
결론
우리는 반도체 산업의 경쟁에서 이야기를 시작했다. GPU, HBM, 파운드리, 데이터센터가 확장되면 AI의 생산능력은 커진다. 이 과정에서 경제의 병목은 연산 자원에서 전력, 물리 인프라, 데이터와 시장 접근권으로 이동할 수 있다. 지능과 노동의 일부가 저렴해질수록 생산성 증가분을 누가 무엇을 소유하는가가 사회의 핵심 문제가 된다.
AI는 상품과 서비스의 비용을 낮춰 풍요를 넓힐 수 있지만, 동시에 일자리 전환과 자산 격차를 심화할 위험도 있다. 더 멀리 가면 인간은 AI에 광범위한 권한을 위임하면서 편리함과 통제권 사이의 어려운 선택을 마주한다. 그러나 어느 경로도 필연적인 것은 아니다. 기술 설계, 경쟁질서, 소유권, 분배제도, 안전 연구, 민주적 감독에 따라 미래는 달라질 수 있다.
인류는 자신이 만든 지능으로 모두가 풍요로운 미래를 열 것인가, 아니면 부와 통제권을 함께 잃을 것인가?
