6개월 만에 승부가 갈릴까? SemiAnalysis: 메타가 구글을 제치고 AI '제3극'으로 등극할 수도
- 핵심 의견: SemiAnalysis 보고서는 메타의 슈퍼 인텔리전스 연구소가 향후 6개월 내에 구글을 추월하여 OpenAI와 Anthropic 다음으로 가장 강력한 추격자가 될 것이라고 과감히 예측한다. 그 판단의 근거는 대규모 인재 및 데이터 거래, 강화 학습 데이터 생산, 컴퓨팅 파워 확장의 세 가지 측면에 있다.
- 핵심 요소:
- 대규모 거래 및 인재 영입: 메타는 Scale AI에 143억 달러를 투자했으며, 공동창업자를 영입하고 SEAL 팀(안전, 평가, 정렬)을 통합하여 평가, 정렬 및 후속 훈련 능력을 보완하고, 수억 달러 규모의 보상 패키지를 통해 인재를 유치하고 있다.
- 강화 학습 데이터 생산: 메타는 약 3000명의 엔지니어를 전업 RL 작업 생성자로 재배치하여, 내부 실제 워크플로(예: 코드 수정, 도구 호출)를 활용해 긴 꼬리(long-tail) 훈련 데이터를 생성함으로써 에이전트 시나리오에서 모델의 실제 능력을 향상시킨다.
- 컴퓨팅 파워 인프라 확장: 메타는 올해 상반기에 5GW 이상의 데이터센터 용량 계약을 체결했으며, 추가 용량의 대부분은 슈퍼 인텔리전스 연구소에 할당될 예정이다. 대규모 컴퓨팅 파워 배치를 통해 모델 훈련, 후속 훈련 및 에이전트 루프를 가속화하며, 인프라 투자를 통해 반복 속도를 높인다는 전략이다.
- 현재 모델은 아직 선두가 아님: Muse Spark 1.1 모델은 대부분의 벤치마크 테스트에서 여전히 최첨단 수준에 진입하지 못했으며, 코드명 Watermelon인 더 큰 모델은 여전히 훈련 중이다. 보고서는 현재의 성과보다 향후 6개월간의 추격 속도에 주로 베팅하고 있다.
- 구글의 자원 배분 논란: SemiAnalysis는 구글의 컴퓨팅 파워 상당 부분이 클라우드 사업과 타사 API 서비스에 사용되어, 최첨단 모델 훈련에 투입되는 자원 집중도가 외부의 기대보다 낮다고 분석한다. 이는 메타의 집중 투자가 구글을 추월할 기회를 만들어낸다는 것이다.
TL;DR
- SemiAnalysis는 메타가 향후 6개월 내에 구글을 추월하여 OpenAI와 Anthropic에 이어 가장 강력한 추격자가 될 수 있다고 베팅하고 있습니다.
- 이 판단은 143억 달러 규모의 Scale AI 거래, RL 데이터 생산, 그리고 멀티 GW 규모의 연산 능력 확장이라는 세 가지 축에 기반을 두고 있습니다.
- Muse Spark 1.1은 아직 최첨단 모델을 따라잡지 못했으며, 메타가 구글을 추월할 수 있을지 여부는 차세대 모델의 성능에 달려 있습니다.
SemiAnalysis는 최신 보고서에서 과감한 예측을 내놓았습니다. 메타의 슈퍼 인텔리전스 연구소는 현재 최첨단 모델의 승자는 아니지만, 인재, 강화 학습 데이터, 그리고 연산 능력 확장이 동시에 실현된다면 향후 6개월 내에 구글을 제치고 OpenAI, Anthropic 다음으로 가장 경쟁력 있는 추격자가 될 기회가 있다는 것입니다.
이는 메타가 이미 따라잡았다는 뜻이 아닙니다. 메타는 4월에 Muse Spark를 출시했고, 7월 9일 Axios 보도에 따르면 Muse Spark 1.1이 개발자에게 API를 공개했으며 가격은 입력 토큰 100만 개당 1.25달러, 출력 토큰 100만 개당 4.25달러입니다. Axios는 이것이 메타가 기대했던 '대약진' 모델이 아니며, 코드명 Watermelon인 더 큰 모델이 아직 훈련 중이라고 전했습니다.
SemiAnalysis가 주목하는 것은 다른 부분입니다. Llama 4의 실패 이후, 저커버그는 더욱 공격적인 방식으로 AI 조직을 재편하고 있으며, 자금, 인재, 내부 엔지니어링 리소스, 데이터 센터 용량을 슈퍼 인텔리전스 연구소에 집중하고 있습니다. 보고서의 핵심 쟁점은 구글이 여전히 AI 3위 자리를 굳건히 지킬 수 있느냐는 것입니다.
현재 모델은 아직 강력하지 않으며, 보고서는 6개월간의 추격 속도에 베팅
메타 슈퍼 인텔리전스 연구소는 Muse Spark 공개 이후 Llama 3, Llama 3.1 시절의 오픈소스 리더십을 재현하지 못했습니다. SemiAnalysis의 테스트와 판단에 따르면, Muse Spark와 그 후속 버전은 대부분의 벤치마크 테스트와 범용 에이전트 시나리오에서 여전히 최첨단이라고 보기 어렵습니다.
이것이 바로 이 보고서에 가장 큰 제한이 필요한 부분입니다. Muse Spark 1.1이 대략 Opus 4.6 또는 GLM 5.2에 해당하며 내부 토큰 사용량이 아직 이전되지 않는다는 등의 세부 내용은 저자의 테스트와 모델 판단에 기반한 것이지 메타의 공식 입장이 아닙니다. 적어도 공개된 정보로 볼 때, 메타는 아직 OpenAI나 Anthropic에 직접 도전할 수 있는 모델을 내놓지 않았습니다.
하지만 SemiAnalysis가 주목하는 것은 '기울기'입니다. Llama 4 실패 이후 메타 슈퍼 인텔리전스 팀은 대대적인 재편을 완료했으며, 단기적인 조직 혼란은 해소되어 가고 있습니다. 보고서는 차기 모델 훈련과 강화 학습 데이터 생산이 제품에 반영되기 시작한다면, 메타의 위치는 현재 순위표에 표시된 것보다 더 앞서 있을 수 있다고 판단합니다.
143억 달러 규모의 Scale AI 거래, 최첨단 모델에 가장 부족한 인재를 보충하다
메타의 가장 눈에 띄는 행보는 Scale AI에 대한 143억 달러 규모의 투자입니다. Fortune, Forbes, Reuters 등 여러 매체는 이 거래를 통해 메타가 Scale AI의 창립자 Alexandr Wang을 영입하여 슈퍼 인텔리전스 관련 팀에 합류시키거나 이끌도록 했다고 보도했습니다.
최첨단 모델 경쟁에서 이 거래는 단순히 데이터 라벨링 회사를 사는 것 이상으로, 강력한 인재 스카우트와 같습니다. Scale旗下的 보안, 평가 및 정렬 팀인 SEAL은 SemiAnalysis에 의해 메타가 평가, 정렬 및 후속 훈련 능력을 보강하는 중요한 원천으로 간주됩니다.
Reuters는 또한 메타가 일부 AI 엔지니어에게 수억 달러 규모의 보상 패키지를 제공한다고 보도했습니다. 이 숫자는 메타가 슈퍼 인텔리전스를 일반 AI 제품 개발이 아닌 회사 차원의 최우선 과제로 삼았음을 의미합니다. 대형 기술 기업에게 진정으로 어려운 것은 예산을 확보하는 것이 아니라 연구, 제품, 인프라, 경영진 모두를 동일한 목표를 위해 움직이게 하는 것입니다.
SemiAnalysis는 Alexandr Wang이 최근 팟캐스트에서 한 발언을 인용하며, 진정한 최첨단 연구소는 종종 먼저 슈퍼 인텔리전스가 가까워졌다고 믿고, 그 후 비즈니스 결정을 이 판단에 따르게 한다고 말했습니다. 보고서는 메타의 최근 움직임을 OpenAI, Anthropic 스타일의 AGI 우선 순위로의 전환으로 해석합니다.
3000명의 엔지니어가 RL로 전환, 메타는 내부 작업을 훈련 데이터로 활용하려 한다
인재 외에도 강화 학습 과제와 실제 작업 데이터가 두 번째 축입니다.
오늘날 모델 성능 향상은 사전 훈련 코퍼스에만 의존하지 않습니다. 더 중요한 것은 모델이 실제 작업 환경에 가까운 상황에서 작업을 수행할 수 있는지 여부입니다: 맥락 이해, 도구 호출, 테스트 실행, 오류 수정, 결과에 따른 반복 등입니다. 코드베이스 수정, 제품 분석, 내부 도구 호출은 일반적인 시험 문제보다 화이트칼라 작업의 실제 난이도에 더 가깝습니다.
SemiAnalysis에 따르면, 메타는 약 3000명의 엔지니어를 전임 RL 작업 생성자로 재배치했습니다. 이 숫자는 보고서의 기준에 따라 이해해야 하지만, 만약 제대로 실행된다면 메타의 강점은 분명해집니다. 단순히 인공 데이터를 아웃소싱하여 구매하는 것이 아니라 자체 엔지니어링 조직을 훈련 작업 생산 라인으로 전환하는 것입니다.
이러한 유형의 데이터는 에이전트에게 특히 중요합니다. 많은 강화 학습 작업은 어려워 보이지만, 실제 프롬프트는 이미 단계를 지나치게 상세하게 작성하여 실제 작업 습관과 일치하지 않습니다. 화면 녹화, 일상 업무 흐름, 도구 호출 기록 및 내부 평가 시스템은 화이트칼라 작업을 자동화할 수 있는 모델을 훈련하는 데 더 적합할 수 있습니다.
이것이 보고서가 메타의 구글 추격 가능성을 긍정적으로 보는 이유 중 하나이기도 합니다. 구글은 DeepMind, Gemini, TPU 및 클라우드 사업을 보유하고 있지만, 메타는 내부 조직, 데이터 및 엔지니어링 역량을 단일 모델 목표에 집중하고 있습니다.
멀티 GW 규모의 연산 능력 확장, 메타를 최첨단 테이블로 이끌다
연산 능력은 세 번째 축입니다. SemiAnalysis는 7월 2일 기사에서 메타가 올해 상반기에 5GW 이상의 용량을 계약했으며, 2024년 이후 누적 거래량이 10GW에 가깝다고 밝히고, 추가 용량의 대부분이 여전히 메타 슈퍼 인텔리전스 연구소로 흘러갈 것이라고 판단했습니다.
일반 투자자에게 중요한 것은 특정 데이터 센터 설계가 아니라 자본 지출의 방향입니다. 메타가 연산 능력을 확장하는 것은 일반 클라우드 서비스를 위해서가 아니라 내부 모델 훈련, 후속 훈련 및 에이전트 루프를 위한 더 큰 규모의 클러스터를 준비하기 위해서입니다. 훈련과 강화 학습이 더 무거워질수록 연산 능력 배치 속도는 모델 개발 속도에 더 큰 영향을 미칩니다.
보고서는 또한 지역 간 연결, 신속한 데이터 센터 배치와 같은 인프라 개념을 언급합니다. 이러한 세부 사항은 여전히 SemiAnalysis의 모델 추론에 속하지만, 방향은 매우 분명합니다. 메타는 인프라를 통해 시간을 벌고 있는 것입니다.
구글의 논란은 연산 능력의 유무가 아니라 연산 능력의 할당 방식에 있습니다. SemiAnalysis는 구글의 새로운 데이터 센터 용량 중 상당 부분이 IaaS 및 타사 API 사업에 사용될 것이며, DeepMind가 최첨단 훈련에 사용할 수 있는 리소스 집중도는 외부의 예상보다 낮을 수 있다고 예측합니다. 구글이 외부 자금 조달이나 자본 시장을 통해 더 많은 AI 인프라를 확장하더라도, 새로운 용량의 일부는 클라우드 고객에게 소비될 수 있습니다.
따라서 보고서는 더 논쟁적인 예측을 내놓습니다. AI 3위 싸움은 더 이상 구글이 자리를 굳건히 지키는 것이 아니라, 메타, 구글 및 기타 높은 연산 능력을 가진 플레이어들 사이의 재편성으로 변할 수 있다는 것입니다.
가장 큰 문제는 여전히 메타가 아직 최첨단 모델을 내놓지 못했다는 점
이 보고서의 가장 충격적인 부분이자 동시에 가장 위험한 부분은 바로 이것입니다. 이미 발생한 결과가 아니라 향후 6개월에 베팅하고 있다는 점입니다.
메타는 이미 143억 달러 규모의 Scale AI 거래, Alexandr Wang의 합류, 수억 달러 규모의 보상 패키지, 멀티 GW 규모의 연산 능력 확장, 그리고 내부 엔지니어링 리소스의 RL 작업 집중을 확보했습니다. 하지만 이는 여전히 따라잡기 위한 조건일 뿐, 모델의 승리 자체는 아닙니다.
Muse Spark 1.1은 아직 메타가 OpenAI와 Anthropic의 위치에 진입했음을 증명하지 못합니다. Watermelon과 같은 더 큰 모델은 아직 훈련 중이며, 실제 성능, 비용, 가용성 및 개발자 피드백은 아직 시장의 검증을 받지 못했습니다.
구글도 테이블에서 물러나지 않았습니다. DeepMind, TPU, Gemini 및 클라우드 사업은 여전히 확실한 강점입니다. 진정한 차이는 구글의 리소스가 검색, 클라우드, API 고객 및 내부 모델에 동시에 서비스를 제공해야 하는 반면, 메타는 더 많은 리소스를 슈퍼 인텔리전스 연구소에 집중하고 있다는 점에 있습니다.
메타의 차세대 모델이 눈에 띄는 발전을 보여주지 못한다면, 143억 달러 규모의 인재 스카우트와 대규모 연산 능력 투자는 더 무거운 자본 지출 압박으로 작용할 것입니다. 반면, 새로운 모델과 에이전트 제품이 성과를 입증한다면, AI 3위 자리는 비로소 흔들릴 것입니다.
