Hyeong · 데이터·마케팅·개발 제너럴리스트

2026년 6월 30일 AI·LLM·IT 이슈 정리 — 사상 최대로 돈을 붓는 쪽과, 그 비용을 반토막 내는 쪽

31 min read

어제 글에서 한국이 2000조원을 걸고 반도체·AI에 뛰어든 이야기를 정리했다. 그런데 오늘 흐름을 긁어 보니, 화제는 정확히 그 다음 장면으로 넘어가 있었다. 돈을 사상 최대로 붓는 쪽과 그 비용을 어떻게든 깎는 쪽이 같은 날 뉴스 양쪽 끝을 잡고 있었다.

확인 기준은 2026년 6월 30일 KST다. 어제(6/29) 저녁부터 오늘까지 새로 확인한 이슈를 묶었다. 평소처럼 “들리는 말”을 그대로 옮기지 않고, 8개 각도로 긁어 모은 뒤 1차 출처로 교차검증해 정정한 버전으로 적는다(자주 틀리게 옮겨지는 부분은 ⚠️로 표시했다).

오늘 한 줄 요약

flowchart LR
    subgraph SPEND["💸 사상 최대로 붓는 쪽"]
        A["하이퍼스케일러 capex<br/>약 7,250억 달러"]
        B["AI 회사채 = 美 투자등급<br/>발행의 약 15%"]
        K["한국: 반도체 2000조<br/>+ AIDC 550조"]
    end
    subgraph CUT["✂️ 비용을 깎는 쪽"]
        C["코인베이스: 중국 오픈웨이트<br/>기본값+캐싱 → 지출 거의 절반"]
        D["딥시크: 추론 가속<br/>DSpark·DeepSpec 오픈소스"]
    end
    SPEND --> R["실무자: 모델 이름보다<br/>비용·전력·접근권·보안 '구조'를 본다"]
    CUT --> R
    E["Claude on GB300<br/>(Microsoft Foundry 정식 출시)"] --> R
    F["Djinn 스틸러<br/>(AI 코딩 도구·MCP 표적)"] --> R
    classDef hot fill:#fff3bf,stroke:#e67700,color:#8a5a00;
    classDef cool fill:#e6fcf5,stroke:#0ca678,color:#0b6b50;
    class A,B,K hot;
    class C,D cool;

내가 본 핵심은 이거다.

AI 경쟁의 무게중심이 “더 똑똑한 모델”에서 “AI를 짓고 굴리는 경제학”으로 완전히 넘어갔다. 한쪽에선 capex·부채·메모리가 사상 최대로 부풀고, 다른 쪽에선 같은 일을 더 싸게 하려는 역(逆)움직임이 거세진다. 그 사이에 전력·보안 같은 물리적 제약이 끼어든다.

어제가 “베팅”의 날이었다면, 오늘은 그 청구서와 그림자가 한꺼번에 보인 날이었다.

2000조에 환호하던 시장이 왜 하루 만에 삼성을 떨궜나?

어제 청와대에서 2000조 메가프로젝트가 발표됐는데, 정작 발표 당일 증시 반응은 정반대였다. 삼성전자가 약 4.86% 하락(종가 32만 3,000원), SK하이닉스가 종가 기준 약 1.68% 하락했다. 코스피는 장중 한때 3.4%까지 빠졌다가 종가 -0.2%로 겨우 추슬렀다.

대신 돈은 다른 데로 흘렀다. 코스닥은 +8.13% 급등(상승 826종목 vs 하락 88종목)으로, 삼성전자·SK하이닉스에서 소부장(소재·부품·장비)·AI 인프라·전력·2차전지 쪽으로 자금이 도는 로테이션이 또렷했다.

flowchart TD
    GOV["6/29 2000조 메가프로젝트 발표<br/>삼성·SK 각 호남권 팹 2개씩<br/>DRAM 생산능력 5년 내 2배"] --> REACT{"시장의 즉각 평결"}
    REACT -->|"증설 = 미래 공급과잉 우려"| DOWN["삼성전자 -4.86%<br/>SK하이닉스 종가 -1.68%<br/>(장중 한때 -6%)"]
    REACT -->|"수혜 기대 이전"| UP["코스닥 +8.13%<br/>소부장·AI인프라·전력·2차전지"]
    DOWN --> ROT["삼전닉스 → 공급망·전력주<br/>로테이션"]
    UP --> ROT
    classDef d fill:#ffe3e3,stroke:#e03131,color:#a01818;
    classDef u fill:#e6fcf5,stroke:#0ca678,color:#0b6b50;
    class DOWN d;
    class UP u;

데이터로 메모리 슈퍼사이클을 따라가는 입장에서 이건 흥미로운 신호다. 국가가 capex를 크게 약속하면 보통 호재로 읽히는데, “각 2개 팹”이라는 대규모 증설 약속이 오히려 미래 공급과잉 우려로 해석되면서 정작 당사자 주가는 빠지고, 수혜는 공급망·전력주로 먼저 갔다.

⚠️ 여기서 자주 뭉뚱그려지는 걸 바로잡는다. (1) ‘2000조’는 향후 10년 합산 상단치(천장값)다. 외신은 보통 더 보수적으로 반도체 생태계 800조원(약 5,180억 달러)이나 약 1.3조 달러를 헤드라인으로 썼고, 삼성 단독은 약 1,000조원(약 6,460억 달러)으로 보도됐다. ‘2000조 단일 프로젝트’로 단정하면 과장이다. (2) 삼성전자 -4.86%를 ‘메가프로젝트 공급과잉’ 하나로 돌리면 부정확하다. 1차 보도(파이낸셜뉴스·중앙이코노미)는 2분기 성과급 충당금 확대에 따른 실적 하향 우려라는 기업 고유 악재를 큰 동인으로 명시했다. 공급과잉 해석은 부수 요인이다. (3) SK하이닉스 ‘-1.68%‘는 종가 기준으로, 장중엔 한때 약 -6%까지 빠졌다 낙폭을 줄였다. 종가만 보면 장중 약세를 과소평가하게 된다. (4) ‘애널리스트들이 공급과잉을 경고했다’는 건 디제스트의 해석에 가깝고, 인용한 1차 소스에서 그날 명시적 ‘공급과잉 경고’ 인용은 확인되지 않았다. 다만 코스닥 +8%·소부장 로테이션이라는 시장 행동 자체는 사실이다.

그 많은 데이터센터를 돌릴 전기는 있나?

같은 6/29, 정부는 AI 데이터센터(AIDC) 청사진도 폈다. 배경훈 과기정통부 장관이 2029년까지 약 550조원, 2035년까지 누적 1,000조원 이상 투자를 제시했고, 1단계로 8.4GW(SK 5GW, GS 2.4GW, 네이버 1GW), 2035년까지 총 18.4GW 규모를 그렸다.

그런데 칩 다음에 늘 따라붙는 질문이 있다. 그 전기는 어디서 끌어오나. 최신 수치를 보면 이게 한국 소버린 AI의 진짜 병목이다.

항목수치(2026-05 기준)출처
1차 기술검토 신청736건머니투데이
수도권 집중도71%(522건)머니투데이
수도권 중 ‘공급 불가’ 판정279건(53.4%)머니투데이
수도권 적기공급 성공률약 1.9%머니투데이
수도권 신청 전력량33,591MW(APR1400 약 24기분)머니투데이

수도권에 데이터센터를 짓겠다고 신청해도, 한전이 제때 전력을 댈 수 있는 비율이 2%가 안 된다. 하이퍼스케일 AI 단지는 부지당 100MW급 전력을 요구하는데, 송전선·변전소 확충은 지역 갈등으로 줄줄이 막혀 있다. 칩이 아니라 전력망이 벽이다.

⚠️ 이 항목은 ‘출처 검증’ 교과서 사례라 특히 조심해서 적는다. (1) 흔히 같이 인용되는 ‘신청 약 550개 부지·86% 수도권·적기공급 40곳’은 한전의 2022~2023년 과거 자료 수치다. 위 표의 ‘736건·71%·1.9%‘가 2026년 5월 최신치이니, 옛 수치를 2026년 현황처럼 제시하면 오해를 부른다. (2) 일부 정리본이 이 전력망 통계를 ‘데이터센터 네트워크 전략’을 다룬 별개 기사에 붙여 한 분석인 것처럼 합성하던데, 두 건은 출처가 다른 별개 기사다. (3) ‘부지당 100MW+‘는 업계 통설이고, 삼성SDS 구미(60MW)처럼 100MW 미만 사례도 있다. 인프라·에너지 뉴스를 자동 수집(스크래핑/RSS)할 때 헤드라인 프레임과 본문 수치의 출처·기준 시점이 일치하는지 점검하는 단계가 없으면, 이런 오귀속이 그대로 블로그·대시보드로 전파된다.

AI에 이렇게 많은 돈이 들어가는데, 거품 아닌가?

이 질문에 정서가 아니라 신용시장 실데이터로 답하는 기사가 어제 로이터에서 나왔다. 핵심만 추리면 이렇다.

지표수치출처(은행)
AI 관련 회사채 / 美 투자등급(IG) 발행 비중약 15%에 근접바클레이스
2026년 하이퍼스케일러 capex(추정)약 7,250억 달러(2025년 중반 대비 거의 2배)BNP파리바
2026년 IG 발행 전망사상 첫 2조 달러 돌파 가능성모건스탠리

여기서 투자등급(IG, Investment Grade) 은 신용등급이 높은 우량 기업이 발행하는 회사채를 말한다. 그 우량 채권 시장의 6~7건 중 1건이 AI 관련 차입이라는 얘기다. 미국 달러 시장이 포화되니 은행들은 유로·파운드·엔화 발행과 데이터센터 임대를 담보로 잡은 채권으로 조달처를 넓히고 있다.

⚠️ 각 수치의 출처와 뉘앙스를 살려야 과장 보도와 구분된다. (1) ‘15%‘는 로이터 자체 추정이 아니라 바클레이스 데이터이고, 정확히는 ‘15%에 근접(approaches)‘이다. (2) 약 7,250억 달러는 하이퍼스케일러 총 capex(BNP파리바)이지 ‘AI 전용 capex’가 아니며, 비교 기준은 ‘2025년 중반 대비 거의 2배’가 정확하다. (3) ‘2조 달러 돌파’는 모건스탠리의 조건부 가능성(could) 전망이지 확정이 아니다 — ‘돌파 전망’은 맞되 ‘돌파했다’로 단정하면 안 된다. (4) 데이터센터 임대 담보 채권으로 언급된 사례(스팅레이 컴퓨트, 약 8억 1,000만 달러·9배 청약초과·아마존 임대 담보)는 구체적 단일 사례이지 시장 전체 규모가 아니다.

‘AI 거품’ 논쟁을 수치로 논증하고 싶을 때, 이 세 줄은 출처와 함께 그대로 인용할 수 있는 드문 1차 근거다.

그럼 비용은 어떻게 줄이나? — 코인베이스와 딥시크

돈이 사상 최대로 들어가니, 반대편에서 비용을 깎는 실전 사례가 같이 터졌다. 두 건 다 한국 실무자가 바로 베껴 쓸 수 있다.

코인베이스: 중국 오픈웨이트를 ‘기본값’으로 실험

브라이언 암스트롱 코인베이스 CEO가 X에, 토큰 사용량이 기하급수로 느는데도 AI 지출을 거의 절반으로 줄였다고 밝혔다. 비결은 사용 한도를 조이는 마찰이 아니라 더 나은 기본값 + 라우팅 + 캐싱이었다.

flowchart TD
    P["문제: 토큰 사용량 폭증<br/>(엔지니어 91%는 한도 도달조차 안 함)"] --> L1["① 게이트웨이 기본값을<br/>오픈웨이트 GLM 5.2·Kimi 2.7로"]
    P --> L2["② 작업 난이도·가격 기반<br/>자동 라우팅"]
    P --> L3["③ 프롬프트·응답 적극 캐싱<br/>적중률 5% → 60% (약 12배)"]
    P --> L4["④ 세션 컨텍스트 슬림화"]
    P --> L5["⑤ 엔지니어별 토큰 지출 가시화"]
    L1 --> R["AI 지출 거의 절반 절감"]
    L2 --> R
    L3 --> R
    L4 --> R
    L5 --> R
    classDef k fill:#e7f5ff,stroke:#1c7ed6,color:#10548f;
    class L1,L2,L3 k;

특히 캐시 적중률을 5%에서 60%로 끌어올린 부분은, LLM 게이트웨이를 운영하는 입장에서 곧장 따라 할 수 있는 패턴이다. 가격 비교도 거칠게 나왔다 — GLM 5.2가 100만 토큰당 약 1.40달러(입력)·4.40달러(출력)인 반면 상위 프런티어 모델은 그 몇 배다.

⚠️ 자극적으로 옮겨지는 걸 바로잡는다. (1) 암스트롱 원문은 “We’re experimenting with defaulting…” 으로, 전사 기본값을 확정 ‘전환’한 게 아니라 그 모델을 기본값으로 두는 걸 실험 중이라고 했다. 엔지니어는 여전히 작업에 맞는 모델을 자유롭게 고른다. (2) 모델명은 ‘Kimi 2.7’(문샷)이다 — 일부에서 붙이는 ‘K2.7 Code’의 ‘Code’ 접미사는 원문에 없다. GLM 쪽은 Z.ai의 ‘GLM 5.2’가 맞다. (3) 발표(암스트롱 게시물)는 6/27(미 태평양시 6/26 저녁)이고, 6/28은 언론 보도일이다. (4) 절감폭은 정확히 ‘50%‘가 아니라 ‘거의 절반(nearly half)’, 그리고 캐시 한 가지가 아니라 5개 레버의 합산 효과다.

딥시크: 추론을 빠르게 하는 인프라를 통째로 오픈소스

딥시크는 6/27, 추측 디코딩(speculative decoding) 서빙 코드베이스 DeepSpec을 MIT 라이선스로 공개했다. 여기서 추측 디코딩은 작고 빠른 ‘초안(draft) 모델’이 여러 토큰을 미리 던지고, 본 모델이 한 번에 검증해 통과시키는 가속 기법이다. 출력 분포는 그대로라 품질 손실이 없다고 주장한다.

flowchart LR
    subgraph DEEPSPEC["DeepSpec (MIT 라이선스 코드베이스)"]
        ALG1["DSpark"]
        ALG2["DFlash"]
        ALG3["Eagle3"]
        TRAIN["드래프트 모델<br/>학습·평가 파이프라인"]
    end
    DEEPSPEC --> USE["내 서빙에 적용 →<br/>V4-Flash 생성 60~85% 가속<br/>(MTP-1 베이스라인 대비)"]
    DEEPSPEC --> THIRD["Qwen3·Gemma도 지원<br/>(소형 모델 16~31% 개선)"]
    classDef a fill:#fff3bf,stroke:#e67700,color:#8a5a00;
    class ALG1 a;

모델이 아니라 추론 가속 인프라를 통째로 연 게 핵심이다. 칩 수출통제를 소프트웨어 최적화로 우회하는 미·중 역학이기도 하고, 자체 호스팅 비용을 직접 깎으려는 한국 개발자에게는 드롭인 최적화 도구다.

⚠️ 가속 수치엔 항상 단서를 붙여야 한다. (1) ‘최대 85%‘는 맨바닥(autoregressive) 대비가 아니라 V4 기존 MTP-1 추측디코딩 대비, 동일 처리량 기준이다. 이미 빨라진 베이스라인 위에서의 추가 이득이다. (2) MIT로 열린 프레임워크 이름은 DeepSpec이고, DSpark는 그 안의 드래프트 모델 알고리즘이다(DSpark ⊂ DeepSpec). 둘을 별개 프레임워크처럼 적으면 부정확하다. (3) ‘재학습 없이’는 본 모델 얘기다 — 드래프트 헤드는 학습이 필요하고, 그 학습용 코드가 곧 DeepSpec이다. (4) Qwen3·Gemma 지원은 사실이나 그쪽은 소형 모델에서 16~31% 수준 개선이지 85%가 아니다.

최상위 모델은 결국 어디서 돌리나? — Claude on GB300

비용을 깎는 흐름의 반대편엔, 최상위 모델을 기업 거버넌스 안에서 쓰려는 수요가 있다. 6/29 앤트로픽·마이크로소프트·엔비디아가 Claude의 Microsoft Foundry 정식 출시(GA)를 알렸다.

항목내용
모델Claude Opus 4.8 · Haiku 4.5 (Messages API)
기능프롬프트 캐싱 · 확장 사고(extended thinking)
호스팅 선택Azure 호스팅(Azure 신원·과금·거버넌스, 미국 데이터 존) ↔ Anthropic 호스팅(전체 기능셋)
하드웨어NVIDIA GB300 블랙웰 울트라(NVL72) + Quantum-X800 인피니밴드

규제·기업 환경에서 자동화를 짜는 입장에선 이게 꽤 실용적이다. 최상위 코딩·에이전트 모델인 Opus 4.8을 별도 앤트로픽 계약·과금 없이 Azure 신원·과금·거버넌스 체계 안에서 정당화해 쓸 수 있게 됐다. 동시에 GB300은 HBM이 늘어난 칩이라, 이런 대규모 GA 배포 자체가 메모리 슈퍼사이클의 실제 수요 신호이기도 하다.

⚠️ 보도에서 자주 어긋나는 네 가지를 바로잡는다. (1) 제품명은 ‘Microsoft Foundry’다(과거 ‘Azure AI Foundry’에서 리브랜딩). ‘Azure Foundry’는 부정확하다. (2) ‘GB300이 GB200 대비 HBM 약 2배’는 사실 오류다 — GPU당 288GB vs 192GB로 약 1.5배(50% 증가)다. (3) 1차 출처(앤트로픽·MS·엔비디아) 어디에도 ‘Azure 최초로 GB300에서 서빙’이라는 ‘first’ 표현은 없다 — 모두 ‘정식 출시(GA)‘라고만 했다. (4) ‘미국 데이터 레지던시’는 ‘Azure 호스팅’ 옵션에 한정이라, 한국·EU 데이터 레지던시를 보장하지 않는다. 사내 데이터에 한국 레지던시가 필요하면 호스팅 옵션 트레이드오프를 따져야 한다.

이 모든 자동화의 그림자 — 내 AI 에이전트는 안전한가?

오늘 가장 등골 서늘했던 건 보안이었다. 공격자들이 원격관리(RMM) 솔루션 SimpleHelp의 인증 우회 취약점(CVE-2026-48558, CVSS v3.1 10.0 / v4.0 9.5) 을 악용해, AI 코딩 도구의 자격증명을 콕 집어 노리는 신종 인포스틸러 ‘Djinn’ 과 로더 ‘TaskWeaver’를 퍼뜨리고 있다.

flowchart LR
    A["인터넷 노출 SimpleHelp 서버<br/>(공개 시점 약 1,000대 취약)"] --> B["CVE-2026-48558<br/>OIDC 서명 미검증 → 인증 우회"]
    B --> C["미인증 공격자가<br/>기술자 계정 생성·로그인"]
    C --> D["TaskWeaver 로더 투하<br/>(난독화 jquery.js)"]
    D --> E["Djinn 인포스틸러 설치<br/>(Win·macOS·Linux)"]
    E --> F["Claude·Gemini·Codex·Cline·<br/>OpenCode·Kilo 설정/토큰 +<br/>MCP 구성(~/.claude/mcp.json)"]
    E --> G["Git·SSH·Docker·Vault·<br/>Terraform·암호화폐 지갑"]
    classDef r fill:#ffe3e3,stroke:#e03131,color:#a01818;
    class B,E,F,G r;

이건 남의 일이 아니다. 내가 매일 쓰는 바로 그 툴체인 — Claude Code, Codex, MCP — 이 표적이다. 특히 MCP 설정 하나가 에이전트에 부여한 레포·클라우드·DB 접근권을 그대로 공격자에게 넘긴다. 유출된 구성 하나의 ‘폭발 반경’이 곧 개발자 본인의 권한 범위다.

실무 조치왜
MCP 토큰 최소권한·정기 로테이션, 평문 저장 점검토큰 하나 = 에이전트 접근권 전체
~/.claude 등 설정·시크릿 파일 권한 분리인포스틸러가 콕 집어 노리는 경로
SimpleHelp 등 RMM 즉시 패치(v5.5.16/v6.0 RC2+)·OIDC 점검진입점 자체를 막음
Git·SSH·Docker·Vault 자격증명 노출 감사Djinn은 AI 외 인프라 비밀도 싹쓸이

⚠️ 정확히 적자. (1) ‘AI 도구를 노린 최초 캠페인’은 과장이다. 원 보도는 Djinn·TaskWeaver가 ‘이전에 문서화된 적 없는 신종 멀웨어’라고 했을 뿐이고, 올 3월 이후 가짜 Claude Code 사칭·SEO 포이즌 등 AI 코딩 도구 표적 선행 사례가 이미 여럿 있었다. ‘최초’는 빼고 ‘신종이 MCP 구성까지 표적화’로 쓰는 게 맞다. (2) 6/29는 ‘Djinn 악용’ 보도일이지 CVE 공개·패치일이 아니다 — 패치는 5월 말, IOC 공개는 6/12였다. (3) CVE 분석·IOC를 다룬 페이지와 ‘Djinn·AI 도구 표적’을 다룬 기사는 커버리지가 다른 별개 출처다.

폰에서 코딩 에이전트를? — Cursor iOS 베타

가벼운 소식 하나. Cursor가 첫 아이폰/아이패드 앱을 공개 베타로 6/29 내놨다(모든 유료 플랜). 폰에서 클라우드 에이전트를 실행하고, 데스크톱 에이전트를 원격 제어하고, diff·스크린샷을 리뷰하고, PR을 머지하고, 음성으로 지시할 수 있다. 7월 5일까지 앱 내 Composer 2.5 실행 75% 할인도 건다.

‘폰에서 에이전트를 띄운다’는 모바일 우선 워크플로는 데이터·자동화 블로거 입장에서 바로 테스트해볼 가치가 있다. Codex Remote 같은 ‘폰 기반 코딩 에이전트’ 트렌드와도 맞물린다.

⚠️ 소개할 때 흔히 틀리는 부분. (1) ‘스페이스X 소유 Cursor’는 시점상 과장이다. 600억 달러(전액 주식) 인수는 6/16 발표·합의일 뿐, 2026년 3분기 클로징 예정(규제 승인 대기)으로 아직 완료되지 않았다. Cursor 공식 블로그 푸터도 여전히 ‘Anysphere, Inc.‘다 → ‘스페이스X가 인수하기로 합의한’이 정확하다. (2) 앱은 받아도 무료 플랜엔 미제공, 유료 한정이다. (3) 데스크톱 원격 제어는 Teams/Enterprise에선 관리자가 별도로 켜야 동작한다. (4) 앱은 6/29(어제) 출시라 오늘 기준 ‘하루 전’이다 — ‘오늘 출시’로 단정하지 말 것.

오늘 이슈를 묶으면

flowchart TD
    SPEND["💸 AI 구축 비용 폭증<br/>capex 7,250억 달러·AI채권 15%"] --> KR["한국 베팅: 반도체 2000조·AIDC 550조"]
    KR --> M1["시장 평결: 삼성 -4.86%<br/>(공급과잉+성과급 충당금 복합)"]
    KR --> M2["물리적 벽: 수도권 적기공급 1.9%<br/>전력망 병목"]
    SPEND --> BUBBLE["'거품인가' 논쟁의 실데이터"]
    CUT["✂️ 비용 절감 역운동"] --> C1["코인베이스: 중국 오픈웨이트<br/>기본값+캐싱(5→60%)"]
    CUT --> C2["딥시크: 추론 가속<br/>오픈소스(DeepSpec)"]
    ACCESS["Claude on GB300<br/>(Microsoft Foundry GA)"] --> BRIDGE["접근성 ↑ + HBM 수요 ↑"]
    SEC["Djinn 스틸러<br/>(AI 코딩 도구·MCP 표적)"] --> SHADOW["자동화 붐의 보안 그림자"]
    M1 --> END["실무자: 모델 이름보다<br/>비용·전력·접근권·보안 '구조'를 본다"]
    M2 --> END
    BUBBLE --> END
    C1 --> END
    C2 --> END
    BRIDGE --> END
    SHADOW --> END
    classDef h fill:#fff3bf,stroke:#e67700,color:#8a5a00;
    classDef c fill:#e6fcf5,stroke:#0ca678,color:#0b6b50;
    classDef e fill:#d3f9d8,stroke:#2f9e44,color:#1d6b2c;
    class SPEND,KR h;
    class CUT,C1,C2 c;
    class END e;

어제까지는 “국가가 2000조를 건다”는 흥분이었다. 오늘은 그 흥분의 이면이 한꺼번에 드러났다.

  • 돈은 사상 최대로 들어간다 — capex 약 7,250억 달러, AI 채권이 우량 회사채의 15%.
  • 그런데 물리적 벽이 있다 — 수도권 데이터센터 적기 전력공급 성공률 1.9%.
  • 그래서 다들 비용을 깎는다 — 코인베이스는 중국 오픈웨이트 기본값으로, 딥시크는 추론 가속 오픈소스로.
  • 최상위 모델은 기업 거버넌스 안으로 — Claude가 Microsoft Foundry GA, GB300 위에서.
  • 그 모든 자동화엔 그림자가 따른다 — Djinn이 내 MCP 설정을 노린다.

내 워크플로에 적용한다면

작업오늘 이슈에서 얻은 적용점
LLM 모델 선택·비용프런티어 한 곳에 묶지 말고, 오픈웨이트 기본값 + 작업기반 라우팅 + 캐싱을 설계한다(코인베이스 패턴)
자체 호스팅추론 가속(DeepSpec식 추측 디코딩)으로 토큰당 비용을 직접 깎되, 수치는 베이스라인 단서와 함께 본다
기업·규제 환경Claude를 쓸 때 호스팅 옵션(거버넌스 vs 데이터 레지던시) 트레이드오프를 먼저 따진다
에이전트 환경 보안MCP 토큰 최소권한·로테이션, ~/.claude 권한 분리, RMM 패치 — 유출 = 내 권한 전부
뉴스·데이터 수집 자동화헤드라인 프레임과 본문 수치의 출처·기준 시점 일치를 자동 점검(전력망 오귀속 사례)
시장 데이터 추적’capex 베팅’과 ‘시장 평결’을 분리 기록, 수치는 종가/장중·합산기간·출처 은행명까지 라벨링

결국 오래 가는 AI 워크플로는 멋진 데모가 아니라, 비용이 보이고, 모델이 막혀도 갈아끼울 수 있고, 전력·보안 같은 물리적 제약을 계산에 넣고, 수치의 출처를 추적할 수 있는 구조에서 나온다. 어제는 베팅이었고, 오늘은 그 구조를 묻는 날이었다.

참고자료

그래프 뷰