AI 서버 전력 효율 경쟁과 은평구 폐기물 도우미 실증, 조선업 AI 전환 계획

바다입니다. AI 서버의 전력 효율 경쟁과 폐기물 배출 도우미 실증, 조선업 AI 전환 계획을 전합니다.

핵심요약

• Microsoft는 새 AI 반도체 Maia 300을 공개했습니다. 2027년부터 실제 서비스에 투입할 계획이며, 전력 대비 처리량 개선 수치는 회사의 예상치입니다.
• NVIDIA는 차세대 서버 설계를 공개했습니다. AI 인프라를 검토할 때 장비 성능과 함께 전력·냉각·유지보수 조건을 살펴야 합니다.
• 오늘 은평구에서 폐기물 처리 앱 실증이 시작됩니다. 조선업에서는 5년간 약 1조 4,000억 원 규모의 민관 투자 프로젝트가 추진됩니다.

1. Microsoft, Maia 300 공개…2027년부터 AI 서비스 투입 계획

Microsoft는 현지시간 12일 자체 AI 반도체 Maia 300을 발표했습니다. 회사는 2027년부터 Maia 계열을 수 기가와트 규모로 확대하고, 자사 제품과 서비스의 주된 AI 추론 시스템으로 삼겠다고 밝혔습니다. 추론은 학습한 AI가 답을 만드는 과정입니다. Maia 200은 이미 Copilot 등에 쓰이며, 새 제품은 내년에 배치할 계획입니다.

회사는 Maia 300이 주요 GPU 기반 시스템보다 메가와트당 토큰을 40% 더 처리할 것으로 예상합니다. GPU는 AI 연산에 널리 쓰이는 반도체이고, 토큰은 AI가 글을 나누어 처리하는 단위입니다. 이 수치는 같은 전력으로 얼마나 많은 AI 응답을 처리하는지에 관한 설명입니다. 기관의 전기요금이나 AI 구독료가 40% 줄어든다는 뜻은 아닙니다. 비교 대상과 작업 조건에 따라 실제 결과도 달라집니다.

업무에서 볼 점: 공공기관이 클라우드 AI를 비교할 때는 공급사의 반도체 성능 주장만으로 비용 절감을 계산하지 않는 편이 좋겠습니다. 예를 들어 같은 문서를 같은 길이로 요약시키고, 응답 대기시간과 오류를 고치는 시간까지 함께 재보는 방식입니다. 한국어 문서 처리 품질과 실제 서비스 요금이 확인되어야 도입 판단에 쓸 수 있습니다.

출처: Microsoft 공식 블로그, 10월 12일

2. NVIDIA, 차세대 AI 서버 설계 공개…전력·냉각까지 함께 설계

NVIDIA는 현지시간 12일 차세대 Vera Rubin의 서버 랙과 연산 장치 트레이 설계를 Open Compute Project에 제공했다고 밝혔습니다. 서버 랙은 여러 장비를 꽂는 큰 선반, 트레이는 연산 장치를 담는 모듈입니다. Open Compute Project는 데이터센터 설계 공유를 돕는 협력체입니다.

이번 MGX 1.2 설계에는 액체 냉각, 표준화된 전력·냉각 연결부, 고밀도 장비 배치가 포함됩니다. 지원하는 랙 전력 규모는 최대 250킬로와트입니다. 이는 장비 한 묶음을 운용하기 위한 전력 설계 조건으로, 모든 설치 현장의 실제 소비전력을 뜻하지 않습니다. 회사는 공통 설계를 활용해 장비 조립과 점검, 수리 작업을 개선할 수 있다고 설명했습니다. 설계를 공개했다는 사실만으로 관련 장비의 가격이나 공급사 전환 비용까지 낮아졌다고 판단하기는 어렵습니다.

업무에서 볼 점: 자체 AI 장비를 검토한다면 건물의 전력·냉각 설비와 고장 시 교체 방식도 사업 범위에 넣어야 합니다. 클라우드 이용 기관은 공급사의 서비스 연속성과 증설 계획을 확인하는 참고자료로 삼을 만합니다. 공개 설계가 있어도 호환성·보증 범위는 계약에서 따로 확인해야 합니다.

출처: NVIDIA 공식 블로그, 10월 12일

3. 사진을 찍으면 배출법 안내…은평구에서 AI 폐기물 도우미 실증

과학기술정보통신부와 기후에너지환경부는 12일 ‘내 손안의 AI 폐기물 처리 도우미, 가져가’ 앱의 실증 계획을 발표했습니다. 오늘인 13일부터 서울 은평구 주민을 대상으로 시작합니다. 주민이 스마트폰으로 폐기물을 촬영하면 AI가 종류를 식별하고, 위치정보와 해당 지역 규정을 연결해 배출 요일·수수료·분리배출 방법을 안내하는 서비스입니다.

대형폐기물은 배출 신고부터 수수료 결제까지 앱 안에서 처리하도록 지원합니다. 정부는 이번 실증에서 식별 정확도와 이용 편의성, 서비스 안정성을 검증하고, 주민 의견과 운영 데이터를 반영할 계획입니다. 다른 지역으로의 확대는 지방정부 수요와 유지관리 여건 등을 고려해 단계적으로 추진합니다. 전국 서비스가 이미 시작된 것은 아닙니다.

업무에서 볼 점: 민원 안내 AI를 준비하는 기관에 참고할 만한 사례입니다. 사진이나 질문을 알아듣는 기능에 더해, 실제 적용할 지역 규정과 신청 절차까지 연결합니다. 예를 들어 기관의 신청 자격 안내에도 같은 접근을 검토할 수 있지만, 규정 변경 반영 주기와 잘못 안내했을 때의 담당자 연결 절차를 함께 정해야 합니다. 이는 이번 발표에 명시된 운영 기준이 아닌, 기관 도입 시 확인할 점입니다.

사진·위치정보를 활용하는 서비스인 만큼 수집 항목, 보관 기간, 다른 목적으로의 이용 여부도 확인 대상입니다. 보도자료에는 이 세부 기준이 제시되지 않았습니다. 실제 이용 조건과 개인정보 처리방침을 확인하기 전까지 보호 조치가 모두 갖춰졌다고 단정해서는 안 됩니다.

출처: 과학기술정보통신부 관계부처 합동 보도자료·첨부 원문, 10월 12일

4. 조선업 AI 전환에 5년간 약 1조 4,000억 원…지역별 실증·확산 추진

산업통상부와 해양수산부는 12일 ‘조선 M.AX 얼라이언스’ 전략회의에서 조선업 공정까지 AI 적용을 넓히는 계획을 발표했습니다. M.AX는 제조업에 AI를 적용하는 전환을 가리킵니다. 목포·영암, 거제·부산, 군산에서 3대 프로젝트를 추진하며, 발표한 약 1조 4,000억 원은 5년간의 민관 투자 규모입니다. 이미 집행한 예산이나 정부 예산만을 뜻하지 않습니다.

목포·영암에서는 대형 조선기업이 조립 공정 기술을 개발·실증하고 협력사에 확산하는 사업을 추진합니다. 거제·부산은 설계와 생산 정보를 공유하는 플랫폼 및 기자재 기업 지원, 군산은 소조립 공정 기술과 현장 데이터 수집 기반에 초점을 맞췄습니다. 사업별로 현장의 공정과 참여 기업 역할을 나눈 구상입니다.

같은 행사에서는 HD현대삼호와 대아산업의 총 4,000억 원 투자 계획을 담은 AI 조선소 등대공장 구축 업무협약도 체결됐습니다. 등대공장은 새 기술을 먼저 적용해 다른 기업이 참고하도록 하는 시범 공장입니다. 업무협약 체결은 투자와 공장 가동의 완료를 의미하지 않으므로, 후속 집행과 검증 결과를 지켜봐야 합니다.

업무에서 볼 점: 기관 내 AI 시범사업도 어느 부서에서 시험하고 어떤 조건을 충족하면 다른 부서로 넓힐지 구체적으로 정하는 데 참고할 수 있습니다. 예를 들어 문서 분류 업무를 먼저 시험한다면 분류 정확도뿐 아니라 예외 문서를 사람이 처리하는 시간과 부서별 추가 설정 비용을 함께 기록하는 방식입니다. 이번 조선업 사업의 성과가 입증됐다는 뜻은 아니며, 발표된 실증·확산 구조에서 가져올 수 있는 운영 관점입니다.

출처: 산업통상부·해양수산부 / 대한민국 정책브리핑, 10월 12일

업무에서 확인할 점

• AI 비용 비교는 실제 한국어 업무로 시험하고, 응답 검토·수정에 드는 시간까지 포함해 봅니다.
• 민원 안내를 신청·결제에 연결할 때는 최신 규정 반영, 잘못된 안내의 정정, 개인정보 처리 조건을 확인합니다.
• 시범사업 계획서에는 확대 대상 부서와 전환 기준을 적고, 발표·협약·실제 운영·성과 검증 단계를 구분합니다.