KB증권은 최근 개발 중인 1800개 AI 모델을 분석한 후 크게 두 가지 트렌드를 보이고 있음을 확인했다. 이러한 AI 모델 개발 방향성 이유에 주목할 필요가 있다.
즉 기업이나 개인으로 구성된 AI 소비자들은 자신이 영위하는 사업 경쟁에서 우위를 얻기 위해 AI를 접목한다. 데이터 보유 규모(비용)가 크고 AI가 내놓는 결과물의 편익이 상대적으로 큰 경우 범용인공지능(AGI) 형태의 AI 모델을 채택하는 반면 데이터 보유 규모가 작고 AI가 내놓는 결과물의 편익이 상대적으로 작은 경우 특화된 인공지능(Narrow AI) 도입을 채택하게 되는 형태이기 때문이다.
기업의 투자 의사 결정권자들은 사업 전반에서 AI를 의사결정과 전략적 옵션을 탐색하는 도구로 보기 시작했다.
2022년 기준 약 900억 달러 규모의 투자를 집행하는 등 선도 기업들을 중심으로 AI에 대한 투자 규모는 2년 전부터 이미 확대 중이다. 향후 5년간 기업들의 AI에 대한 투자 규모는 연평균 17% 속도로 증가하며 2025년에는 1500억 달러 이상의 시장이 형성될 것으로 예상한다.
AI 도입 목적이 생산성 경쟁의 승리에 있다고 가정하면 AI 모델 수는 폭발적으로 많아질 것이고, 이를 다루는 규모가 커지는 동시에 학습 빈도가 매우 높아질 것이 유력하다. 일반적으로 대기업의 의사결정 구조 및 보안에 대한 인식 수준을 감안하면 기업의 데이터들은 외부로 반출하기는 어려울 것이며, 기업들이 보유한 데이터에 기반해 별도의 학습을 시킨 AI가 만들어지는 형태(또는 오픈소스의 기본 모델을 미세 조정하는 형태)가 될 것으로 예상한다.
현재 대기업들이 보유하고 있는 데이터 크기는 32PB(페타바이트)인 것으로 추정되며 이는 오픈AI의 챗GPT가 학습한 데이터 규모 대비 3000배 이상 수준이다. 2025년까지 대기업들이 보유할 데이터 크기는 65PB 수준으로 급격하게 늘어날 전망으로, 기업들의 AI 모델들은 학습 주기가 빠를 수밖에 없다.
하지만 추론 과정에서는 신경망처리장치(NPU), 주문형반도체(ASIC)를 사용해도 유사한 성과를 낼 수 있다. 데이터처리 프로세서인 그래픽처리장치(GPU)에 있어 NPU, ASIC을 대체재로 보는 시각이 존재한다. GPU와 NPU, ASIC에 대한 시각에 따라 HBM, DRAM에 대한 시장 전망을 달리 보기도 한다. 그러나 AI 모델 도입이 시급한 기업 입장에서는 요구하는 성능의 AI 모델을 구현하는 데 비용 증가뿐 아니라 충분한 전산 자원을 도입하는 시점도 중요하다. 이에 따라 최근에는 고비용과 저비용 중간 단계인 중비용의 하이브리드 AI 가속기를 요구하는 기업들도 증가하는 동향을 보이고 있다. 향후 수년간 메모리와 파운드리 산업의 동시 성장이 기대되는 이유다.
한편 수요자 입장에서는 자신들의 사업에 적합한 AI 서비스를 채택하고 맞춤화할 수 있는 토털 솔루션 제공자가 필요하고 천문학적 연산 비용을 막아줄 아웃소싱 대상이 요구되기도 한다.
김동원 KB증권 리서치본부장
2023 하반기 반도체·디스플레이 부문 베스트 애널리스트
© 매거진한경, 무단전재 및 재배포 금지