구글 최고경영자 선다르 피차이는 최근 테크 팟캐스트 《Big Technology Podcast》에 출연해 기자 알렉스 칸트로위츠와 긴 대화를 나누며, 구글의 저변 자원 배분을 둘러싼 내부 각축을 드물게 수면 위로 드러냈다. 그가 내놓은 가장 단호한 말은 이것이다: 최전방 대형 모델 연구 개발을 위한 연산력 확보는 어떠한 타협 여지도 없는 제1원칙이며, 이를 위해 구글 클라우드 사업이 빠르게 수중에 들어올 수 있는 단기 대형 주문을 스스로 포기하는 것도 감수하겠다는 것이다. 이 발언의 배경에는 새로운 세대의 플래그십 모델 Gemini4Argon이 막 공개되었다는 사실이 있다. 이 모델은 코드, 수학 추론, 전문 지식 태스크의 여러 테스트에서 OpenAI와 Anthropic의 공개 모델을 능가하며 업계 최상위권에 확실히 자리 잡았다.
Argon의 등장은 한때 외부에서 널리 퍼졌던 판단, 즉 OpenAI와 Anthropic 같은 신생 강자들의 추격 속에 구글이 거대한 체량과 실적 부담 때문에 "극한 추구를 포기하고 성숙한 사업의 착지만 추구하는" 방어 구간으로 후퇴할 것이라는 판단에 정면으로 맞서는 것이었다. 피차이는 이러한 추측이 사실과 크게 다르다고 직설적으로 말했다. 그는 AI 최전방 탐구가 애초에 구글의 바탕색이며, 이 작업을 10년 넘게 해왔다고 강조했다. Argon 발표 후 처음 72시간 동안 전 세계 호출 Token 소비량이 25조에 육박했으며, 이는 당시 Gemini3.0 발표 같은 시기의 약 3배 수준으로, 백엔드 서버 처리량이 완전히 포화 상태에 이르렀다. 그는 모델의 약점도 회피하지 않았다. 가장 자신 있는 코드 생성 시나리오에서도 여전히 일부 엣지 케이스와 특정 엔지니어링 컨텍스트 처리가 충분히 이상적이지 않으며, 팀이 이를 겨냥해 보완하고 있다고 했다.
구글 같은 체량이 왜 굳이 가장 극한의 최전방 모델에 매달리는가? 피차이의 논리는 몇 겹으로 나뉜다. 첫째, 능력의 최전방에 서 있으면 누구보다 먼저 새로운 능력의 창발을 목격할 수 있고, 이러한 시간차만으로도 회사가 차세대 컴퓨팅 패러다임을 미리 준비할 수 있다. 둘째, 기업용과 소비자용의 방대한 사업 네트워크에서 상당수 최상위 클라우드 고객이 가장 강한 최전방 모델만을 지명한다. 셋째, 가장 중요한 층은 다가오는 "재귀적 자기 개선" 단계에서 최전방에 있는 모델만이 차세대 모델의 설계와 생성을 보조할 만큼 충분한 능력을 갖춘다는 것이다. 그가 Argon을 내부 엔지니어들에게 배치한 후 연구 개발 효율이 크게 도약했으며, 구모델이 전혀 찾아내지 못한 시스템 수준의 아키텍처 결함을 신모델은 해결해냈다. 물론 경량화 모델 라인도 버릴 생각은 없다. Flash 같은 가성비 제품은 계속 유지되며, 일상적인 상호작용에는 매번 가장 비싼 최전방 모델을 동원할 필요가 없다. 하지만 전략적 전체 국면에서 구글은 반드시 최정상의 공략 부대에 남아 있어야 한다.
자기 개선에서 나아가 피차이는 안전 경계를 세 가지 층위로 나누어 설명했다. 그는 먼저 외부의 기대를 진정시켰다. 세르게이 브린이 DeepMind 내부 공유에서 언급한 "모델이 더 많은 연구 개발 업무를 담당한다"는 것은 사실이지만, 현재는 외부가 상상하는 완전 폐쇄 루프이고 인간의 통제에서 벗어난 "지능 폭발"과는 아직 거리가 매우 멀다. 실제 상태는 연구원들이 모델 개발의 세부 단계에서 맞춤형 에이전트를 자동화 루프로 돌려 협업 보조로 활용하는 수준이다. 진정한 버팀목은 단일 지점 정렬이 아니라 종심 방어이다: 엔지니어링 측면에서는 전체 체인 실시간 모니터링에 의존하며, 모델 실행 시 고빈도 텔레메트리 체계가 있어 명령 해석이나 행동 패턴이 예상을 벗어나는 것이 발견되면 메커니즘이 런타임에 직접 물리적으로 차단한다. 모든 작업은 엄격히 샌드박스 안에 격리되어 폭발 반경이 최하층에 잠긴다. 한 겹 더 바깥에서 그는 업계가 표준화된 거버넌스를 조기에 도입할 것을 촉구했다. 금융 분야에 회계 기준과 독립 감사가 있듯이, 회사 간 공통 안전 표준을 수립하고 중립적인 제3자 평가를 도입하며, 점진적으로 각국의 법적 규제와 연계해야 한다는 것이다. 그는 최근의 안전 관련 파란을 거론했다: OpenAI의 에이전트가 격리 제한을 돌파해 외부 코드 플랫폼을 침입한 적이 있고, 구글 자신의 모델도 비밀번호를 추측해 통제된 페이지에 진입한 사례가 있었으며, 이는 AI가 항상 예상대로 움직이지는 않음을 보여준다.
기술 로드맵 측면에서 구글은 동종 업계가 적게 걷는 길을 고수했다. 텍스트 대형 모델을 맹공하는 동시에 멀티모달과 월드 모델을 줄곧 병행 연구해왔다. 피차이의 근거는 이렇다. 인간이 물리 세계를 인식하는 것은 결코 문자 텍스트만에 의존하지 않으며, 시각, 공간 지각, 인과 추론은 모두 외부 물리 세계와의 상호작용 위에 구축된다. 모델이 기초 물리 법칙을 이해하고 고정밀 현실 시뮬레이션 능력을 갖추도록 하는 것은 더 높은 수준의 범용 지능으로 가는 데 없어서는 안 될积木이다. Argon이 여러 물리 추론 및 엠바디드 태스크 테스트에서 기록을 경신할 수 있었던 것은 크게 월드 모델 분야의 오랜 축적된 기반 알고리즘 덕분이다. 그는 언어 이해와 물리 시뮬레이션의 아키텍처가 장기적으로 수렴과 통일로 갈 수 있다고 판단하지만, 현 단계에서 다경로 비축을 유지하면 구글이 각종 복잡한 상호작용을 더 깊이 이해할 수 있다고 했다.
연산력은 이 대화에서 가장 무거운 장부 항목이다. 피차이의 근본 배분 논리는 단 하나: 기술 최전방에 있는 AI 연구 개발에 필요한 연산력을 우선적으로 채우는 것이다. 그는 데이터센터와 연산 클러스터의 건설 주기가 극히 길어 오늘 가동할 수 있는 연산력 한 조각 한 조각이 모두 2년 전 혹은 그 이전의 의사결정 결과이며, 1년 남짓 전만 해도 기술 업계 전체가 코드 에이전트가 오늘날 같은 속도로 보급될 것을 예상하지 못했기 때문에, 현실은 어느 거巨头도 자신의 연산력이 충분하다고 느끼지 못한다고 일렀다. 투자자 벤 호로위츠는 예전에 아마존 CEO 앤디 재시가 연산력이 심지어 2028년까지 판매 예약이 끝났다고 말한 적이 있는데, 피차이는 업계의 기본 구조가 실제로 그렇다고 인정했다. 대형 고객이 지금 2027년의 초대규모 할당량을 주문하려 해도 엔지니어링상 극히 어렵고, 구글은 작년에 심지어 시장에서 외부 연산력을 임대해 기존 고객을 구제한 적이 있다. "연산력 인프라가 다음 거품이 아닐까"라는 의혹에 대해 그의 반박은 시간 척도를 전제로 한다: 충분히 길게 보면 오늘의 건설은 과잉은커녕 시작조차 되지 않았으며, 모든 연산력이 매일 고부하로 가동 중이어서 옛날에 깔고 수년간 방치되었던 "다크 파이버"와는 완전히 다르다. 하지만 미시적으로는 수천 개가 넘는 소프트웨어·하드웨어 구성 요소가 직렬로 연결된 현대 클러스터에서 어느 한环节이라도 문제가 생기면 서버 한 대 전체가 방치될 수 있어, 국지적 불균형과 주기적 변동의 위험은 객관적으로 존재한다. 그는 구글 클라우드가 이미 여러 단계에서 연구 개발을 지키기 위해 단기 대형 주문을 스스로 포기했음을 인정하면서도, 적절해야 한다고 강조했다. 최고급 과학자들은 자원이 제한될 때 오히려 알고리즘 혁신을 더 쉽게 이끌어내며, 연산력이 무한하면 아무도 메모리 점유를 아끼거나 더 효율적인 아키텍처를 설계하려 하지 않을 것이다.
제품의 최종 국면에 대해 피차이는 두 개의 날카로운 질문을 받아들였다. OpenAI 사장 브록맨은 예전에 사용자가 미래에 번거로운 인터페이스가 필요 없고 "제품" 개념 자체가 흐려질 것이라고 예언한 바 있는데, 피차이는 상호작용이 점점 평평해진다는 데 동의한다. 자연스러운 구어로 명령을 내리면 AI가 하루 종일 이어지는 컨텍스트의 장기 기억을 갖고 백그라운드에서 조용히 프로세스를 돌려주는데, 그 본인도 휴대폰 Gemini를 쓸 때 두서없이 말해도 통신 습관과 결합해 의미를 정확히 정리하며 주소록의 생소한 이름조도 잘못 입력하지 않는다고 했다. 하지만 그는 화면이 사라진다고 보지 않는다. 인간에게는 언제나 영상을 보고 고밀도 차트를 처리할 필요가 있으며, 인터페이스의 본질은 죽지 않았고 트리거 논리만 바뀐 것이다. 미래에는 인터페이스를 찾아가는 것이 아니라, 시스템이 당신이 얻고자 하는 정보 유형에 따라 가장 적합한 매체를 자동 생성한다. Altman의 "OpenAI는 AI 네이티브이고 구글은 AI를 패치처럼 오래된 제품에 붙일 뿐"이라는 발언에 대해 그는 가볍게 응수했다: 개념 논쟁은 별 의미가 없으며, Gemini 앱은 애초에 제로부터 구축된 것이다. 업계가 에이전트 형태로 전환할 때, 기존의 대화형 인터페이스야말로 억지로 패치를 붙이는 것 아닌가? 핵심은 전달하는 경험이 충분히 좋은가이며, 전혀 새로운 도구를 키우는 것과 수십억 명이 의존하는 기반 서비스를 다시 만드는 것, 이 두 길은 대립이 아니라 상호 보완이다.
에이전트의 상업화 불안도 식탁에 올라왔다. 피차이의 답변은 상업 상식으로 돌아간다: 수억 명, 나아가 수십억 명이 고빈도로 사용하는 대표 도구를 만들어내기만 하면 수익화 경로는 자연스럽게 열리고, 마치 엔지니어들이 효율을 배가시키는 AI 프로그래밍 도구에 기꺼이 비용을 지불하는 것과 같다. 인간-기계 인터페이스 형태가 바뀌어도 사용자의 근본적인 티켓 예약, 구매, 로컬 라이프 수요는 갑자기 사라지지 않으며, 에이전트 체계가 공정하고 정확하게 거래를 매칭할 수 있기만 하면 가치 배분 메커니즘은 생태계 안에서 자연스럽게 형성된다. "왜 자사 메일함에서 Gemini를 불러 메일을 검색하면 권한을 제3자 도구에 위임하는 것보다 정확도가 낮은가"라는 질문에 그는 이것이 중론 있는 비판임을 인정했다. 제품 라인이 복잡하고 추진 속도가 달라 국지적 단층이 생기기 쉽다는 것이다. 구글은 이미 기업용으로 통합 에이전트 아키텍처를 출시해 소비자용으로도 확산하고 있으며, 방식은 클라우드에서 복잡한 요청이 들어오면 완전한 개인 승인과 기억 컨텍스트를 갖춘 전용 마이크로 가상 머신을 동적으로 기동하는 것으로, 상주하며 완전히 분리되어 있어 오피스 스위트, 검색 엔진, 독립 앱 어디서 호출하든 근본적인 이해는 동일한 실체다. 백엔드 데이터에 따르면 잡담류 요청 비중은 지속적으로 감소하고 긴 프로세스의 에이전트 태스크 비중은 빠르게 상승하고 있으며, 미래에는 사용자가 한마디가 "채팅"인지 "위임 태스크"인지 고민할 필요 없이 Argon이 자동으로 식별해 분배한다.
투자 배치에서 구글은 Anthropic에 수백억 달러를 걸었다. 피차이는 매우 일찍부터 Anthropic의 핵심 멤버들이 초기 주류 대형 모델 연구 개발을 깊이 주도했으며 세계에서 가장 성숙한 팀 중 하나라고 판단했다고 말했다. 구글의 협업 논리는 단순하다. 전 세계에서 가장 최전방의 기술 팀과 깊이 동맹을 맺는 것이며, 이는 당년에 일론 머스크의 SpaceX에 투자한 것과 꼭 같은 맥락이다. 양측은 자본 차원뿐 아니라 기반 TPU 시스템 아키텍처에서도 극히 깊은 엔지니어링 협업을 했다. 더 과감한 한 걸음은 "우주 컴퓨팅" 계획이다: 자체 칩을 탑재한 데이터센터를 저궤도에 올리는 것이다. 외부에서는 대체로 콘셉트 마케팅으로 여겼지만, 피차이는 제1원리로 응수했다. 미래 연산 수요가 지수급으로 폭발하면 지표의 전력과 토지는 언젠가 경질 제약에 부딪히게 되고, 태양 동기 궤도의 하드웨어는 대부분의 지상 승인 절차를 벗어날 수 있으며 24시간 끊김 없이 가장 풍부한 우주 태양광을 직접 흡수할 수 있다는 것이다. 그는 예전에 직접 사막에 가서 DARPA 무인 운전 챌린지를 관람했던 일에 비유하며, 모래더미 속에서 헤매던 그 무인차가 결국 Waymo로 진화했다고 했다. 구글은 양자 컴퓨팅에 10년을 투자했고 Waymo는 근 20년을 견지했으며, 우주 컴퓨팅은 겨우 2~3년 추진되었다. 얼마 전 한批次의 자체 칩이 이미 로켓으로 궤도에 보내졌으며, 프로그램 녹화 시점에 엔지니어링 팀은 이 우주 칩들이 돌려보내는 "핸드셰이크" 추적·제어 신호 수신을 기다리고 있었다. 각지 커뮤니티의 고에너지 소비 데이터센터에 대한 반발에 대해 그는 새로 부지를 지을 때마다 100% 신규 전력 비용을 자비로 보충하고 가장 초기 단계에서 환경 및 전력망 평가에 개입할 것을 약속했다. 우주 궤도 컴퓨팅의 탐색은 본질적으로 지표 자원에만 의존하는 한계를 벗어나기 위한 것이기도 하다.
맺음말에서 피차이는 바탕색을 현실의 담금질을 거친 신중한 낙관주의로 귀결시켰다: 기반 기술의 진보와 진입 장벽의 하락이 보통 사람들의 삶을 진실로 바꾸었으며, 이는 그가 평범한 인도 가정에서 나와 직접 경험한 일이다. 하지만 진정한 기술 낙관주의는 거대한 레버리지를 보는 동시에 똑같이 큰 힘을 들여 부작용을 길들이고, 통제 불능 리스크에 대해 명석함과 경외심을 유지하며, 엔지니어링 차원에서 구체적인 문제 하나하나를 성실하게 해결할 것을 요구한다. 그는 인류가 현재 이 기술 배당의 초기에 불과하다고 믿으며, AI가 의료 진단을 뒤바꾸든, 새로운 유형의 공업 재료를 발견하든, 제조 원가를 낮추든 공간이 극히 넓다. 이 둘은 결코 모순되지 않으며 반드시 동시에 존재해야 한다.