기술 트렌드
애플, 존 터너스 시대 개막… AI 격전지서 엔비디아의 '풀스택' 야심에 맞서나
글 · 정우석
애플의 CEO 팀 쿡이 물러나고 전 하드웨어 총괄 존 터너스가 새로운 수장으로 취임했습니다. '터너스 시대'의 개막은 곧바로 다음 주 예정된 대규모 제품 출시라는 중대 과제와 맞닥뜨리며, 애플의 미래 전략, 특히 인공지능 분야에서의 방향성에 대한 관심이 집중되고 있습니다. 팀 쿡은 총괄 회장으로 자리를 옮겨 정책 관련 역할에 집중할 예정이지만, 실질적인 경영은 터너스에게 넘어간 상황입니다. 이 변화는 AI 기술 경쟁이 심화되는 현재, 애플이 엔비디아와 같은 AI 풀스택 강자들과 어떻게 맞설 것인가에 대한 중요한 질문을 던집니다.
애플은 오랫동안 기기 내(on-device) AI 처리, 사용자 프라이버시 보호, 그리고 A-시리즈 및 M-시리즈 칩과 같은 자체 실리콘 개발을 통한 수직적 통합 전략을 고수해 왔습니다. 터너스 신임 CEO는 애플의 핵심 제품군 하드웨어 개발을 이끌었던 인물인 만큼, 이러한 접근 방식은 더욱 강화될 것으로 예상됩니다. 실제로 애플은 아이폰과 맥에 탑재된 뉴럴 엔진을 통해 디바이스 내 AI 추론 성능을 향상시키고 있으며, 이는 사용자 경험과 보안에 강점으로 작용합니다. 그러나 최근 급부상한 생성형 AI 분야에서는 오픈AI, 구글, 메타 등 경쟁사 대비 뒤처졌다는 평가를 받고 있습니다.
반면 엔비디아는 GPU 하드웨어 판매를 넘어 AI 산업의 '풀스택'을 장악하려는 야심찬 전략을 펼치고 있습니다. 그들은 최첨단 GPU (예: Hopper, Blackwell 아키텍처)는 물론, 고대역폭 메모리(HBM)와 같은 핵심 부품, 그리고 CUDA 및 cuDNN과 같은 소프트웨어 스택, NIM(NVIDIA Inference Microservices) 같은 플랫폼 및 클라우드 서비스를 제공하며 AI 개발과 배포의 모든 단계에 깊이 관여합니다. 이러한 엔비디아의 전략은 사실상 모든 AI 워크로드의 기반을 제공함으로써, AI 시대의 '새로운 OS' 역할을 자처하고 있습니다. 이는 애플이 아무리 강력한 자체 칩을 개발해도, 결국 엔비디아 생태계가 제공하는 광범위한 도구와 인프라에 간접적으로 의존할 수밖에 없게 만들 수 있습니다.
이러한 상황에서 터너스 시대의 애플은 몇 가지 전략적 딜레마에 직면합니다.
- 수직적 통합의 한계: 애플의 강력한 수직적 통합은 통제력과 효율성 면에서 장점이지만, 범용적이고 방대한 AI 모델 개발 및 운영에는 막대한 컴퓨팅 자원과 유연성이 필요합니다.
- 생성형 AI 경쟁: 온디바이스 AI만으로는 빅테크 기업들이 주도하는 대규모 생성형 AI 경쟁에서 우위를 점하기 어렵습니다. 클라우드 기반 AI와의 시너지가 필수적입니다.
- 간접적인 엔비디아 의존도: 애플은 AI 학습에 엔비디아 GPU를 직접 사용하지 않을 수 있지만, 자사 AI 서비스의 클라우드 인프라가 결국 엔비디아 기반일 가능성을 배제할 수 없습니다.
인사이트
애플의 존 터너스 시대 개막은 자체 하드웨어 기반 온디바이스 AI 전략을 고수할지, 혹은 엔비디아의 풀스택 지배력 속에서 클라우드 AI와의 접점을 확장할지에 대한 중대한 기로를 제시합니다. 이는 AI 시대 기술 기업의 생존과 성장을 위한 핵심적인 전략 방향을 보여줍니다.
자주 묻는 질문
- 애플은 왜 생성형 AI 분야에서 뒤처졌다는 평가를 받는 건가요?
- 애플은 주로 기기 내 AI 처리에 집중하여 프라이버시를 강조했습니다. 그러나 대규모 데이터를 학습하고 방대한 추론이 필요한 생성형 AI 모델 개발에는 막대한 클라우드 컴퓨팅 자원과 유연한 인프라가 필요해 상대적으로 속도가 느리다는 평가를 받습니다.
- 엔비디아가 말하는 'AI 풀스택' 전략은 구체적으로 무엇인가요?
- 엔비디아의 풀스택 전략은 AI 칩(GPU), 핵심 소프트웨어(CUDA), 개발 플랫폼, 그리고 클라우드 서비스까지 AI 개발과 배포에 필요한 모든 요소를 직접 제공하는 것입니다. 이를 통해 AI 산업 전체의 기반을 장악하려 합니다.
- 애플이 자체적으로 AI 칩을 만드는데, 왜 엔비디아에 의존할 수도 있다고 말하는 거죠?
- 애플은 기기 내 AI 추론용 칩을 만들지만, 대규모 AI 모델 학습이나 방대한 클라우드 기반 AI 서비스 운영에는 여전히 엔비디아 GPU를 사용하는 외부 클라우드 인프라를 활용할 가능성이 큽니다. 자체 개발만으로는 모든 AI 수요를 충족하기 어렵기 때문입니다.
이 기사 어땠어요?
피드백을 남겨주시면 더 나은 맞춤 추천을 만듭니다.