한 줄 요약

빅테크는 인프라와 에이전트로 더 깊이 들어가고 있다—Google은 추론 칩, Adobe는 마케팅 에이전트, Siemens는 공장 자동화를 내세우며 하드웨어 선택이 실제 업무 흐름과 맞물린다.

Big Tech

Google: 추론 속도 높이는 새 AI 칩 추진, Nvidia에 도전

검색, 안드로이드, Gemini로 알려진 Google이 학습 이후 사용자 요청을 처리하는 추론에 최적화된 새 칩을 준비하며, 빠른 응답과 낮은 비용을 노리고 Nvidia와의 경쟁을 본격화한다. Bloomberg는 Meta·Anthropic와의 계약 이후 Google AI 칩 수요가 높아졌고, 주요 AI 개발사들이 해당 칩을 확보 중이라고 전했다. ¹

추론은 이제 AI 앱 비용의 핵심이어서, 전용 칩은 소비자·기업의 응답 속도와 건당 비용을 좌우한다. Bloomberg Law는 Google이 추론 전용 실리콘 도입을 밀어붙이며, AI 소프트웨어 채택이 가속되는 가운데 Nvidia의 지배력에 도전하는 구도를 짚었다. 팀 관점에서는 챗봇·검색·콘텐츠 기능의 클라우드 백엔드 선택지와 가격·성능 옵션이 넓어질 가능성을 시사한다. ²

Bloomberg는 동종·경쟁사가 Google 칩을 찾는 흐름을 전하며, GPU 공급 제약 속 멀티 벤더 아키텍처 확산과 리드타임 단축 가능성을 거론한다. 이는 2026년 조달에서 계약 구조, SLA, 지역별 용량 계획에 영향을 줄 수 있다. 2차 보도는 경쟁 구도를 보강하지만, 구체 모델과 일정은 제한적이다. ^{1 3 4}

한편 Google Photos는 피부 결 매끄럽게, 잡티 제거, 눈 밝게, 치아 하양게 등 터치업 도구를 전 세계에 단계적으로 배포한다(안드로이드 4GB RAM, Android 9.0 이상). 일상 앱에서 추론이 체감되는 사례로, 대규모 추론 인프라가 지연시간·스케일에 미치는 중요성을 보여준다. ⁵

Adobe: 기업용 AI 수트 공개, 경쟁 심화 속 ‘CX Enterprise’로 대응

Photoshop·Acrobat과 엔터프라이즈 마케팅 소프트웨어로 알려진 Adobe가 CX Enterprise를 공개했다. 이는 고객 참여, 판매, 로열티 등 디지털 마케팅을 자동화·개인화하는 에이전트 기반 제품으로, AI 네이티브 도구의 압박 속에서 고객·투자자 신뢰를 노린다. Reuters에 따르면 올해 주가가 약 30% 하락한 가운데, Amazon·Microsoft·Anthropic·OpenAI·Nvidia 등과의 협업으로 크로스 플랫폼 지원을 내세운다. ⁶

WSJ는 CX Enterprise가 규제가 까다로운 대기업 환경에서 에이전트형 AI 활용을 지원하는 점을 강조하며, 여러 에이전트를 조율하고 데이터를 모아 마케팅 계획을 수립·실행하는 CX Enterprise Coworker를 소개했다. Adobe는 거버넌스와 통제를 갖춘 엔터프라이즈급 대안을 제시하며 AI 퍼스트 앱과의 경쟁을 의식한다. ⁷

마케팅·CX 팀에는 크리에이티브 자산과 자동 오케스트레이션의 밀착이 의미한다. 초기 검토에서는 데이터 접근·감사 추적, 파트너별 모델 선택, 에이전트 행동이 전환율·CAC 등 KPI에 어떻게 연결되는지 확인이 핵심이다. ⁶

Industry & Biz

Thinking Machines: Nvidia로부터 대규모 칩 공급·투자 확보

전 OpenAI CTO 미라 무라티가 창업한 Thinking Machines가 Nvidia와 수년간의 파트너십을 체결해, 중대한 투자와 최소 1GW 규모의 차세대 프로세서(베라 루빈 시스템) 공급을 확보했다. 주 용도는 AI 모델 학습이며, 앞서 a16z가 주도한 약 20억 달러 시드로 기업가치 120억 달러를 인정받았다. ⁸

Reuters는 1GW 컴퓨트가 약 500억 달러 규모로 거론된다고 전하며, 자본과 공급망 접근이 AI 경쟁의 성패를 가른다고 짚는다. Nvidia가 OpenAI·Anthropic 등에 투자·공급을 병행해 자금과 컴퓨트가 얽힌 ‘플라이휠’을 만들고 있다는 점도 부각된다. ⁸

분석들은 유럽·미국에서 Nvidia 대항마와 추론 특화 칩 투자가 급증하는 가운데, Nvidia가 R&D와 인수로 우위를 유지하고 있다고 정리한다. 도입 기업 입장에서는 칩 다양성이 예고되지만, 단기적 가용성과 툴링은 기존 강자의 손을 들어줄 가능성이 있다. ⁹

New Tools

Siemens Eigen Engineering Agent: PLC 코딩·산업 워크플로 자동화

Siemens가 Eigen Engineering Agent를 출시했다. 이 AI는 다단계 추론과 자기 수정으로 실제 엔지니어링 시스템 내부에서 PLC 코딩, HMI 시각화, 디바이스 설정을 자율 수행하며, TIA Portal과 직접 연결된다. Siemens는 워크플로 2~5배 속도, 최대 80% 품질 향상, 50% 효율 개선을 파일럿에서 확인했다고 밝혔다. ¹⁰

프로젝트의 데이터 구조·블록·파라미터·구성요소 관계를 참조해 레거시·문서화 미흡 시스템에도 맞춤 결과를 내고, 제출 전 출력 검증을 거친다. 신규 인력 온보딩을 수주에서 수일로 줄였다는 사례와 함께, ‘제안형’이 아닌 ‘작업 완수형’ AI로의 전환을 강조한다. ¹⁰

하노버 메세에서는 Rockwell의 디지털 트윈·LLM 코파일럿·클라우드 컨트롤러 설계를 묶은 AI 오케스트레이션 시연, Treon의 유지보수 오케스트레이션 레이어 공개 등 산업 전반의 에이전트화 흐름이 나타났다. 결과적으로 설계-배포 주기가 단축되고, 희소한 자동화 엔지니어 의존이 줄어드는 방향을 시사한다. ^{11 12}

나에게 주는 의미

AI 사용이 늘수록 비용과 체감 성능은 ‘추론’에서 결정된다. Google의 추론 칩 강화는 지연시간과 건당 비용을 낮출 선택지를 늘릴 신호이며, 실시간 편집·고객 지원·검색 같은 기능 확대의 장벽을 낮출 수 있다. 지금 쓰는 클라우드·모델이 새로운 실리콘에서 어떤 가격·성능 변화를 보일지 공급사에 확인하라.

엔터프라이즈 소프트웨어는 메뉴 클릭에서 ‘에이전트가 계획·실행’하는 흐름으로 변하고 있다. Adobe의 CX Enterprise는 거버넌스를 갖춘 마케팅 오케스트레이션을 표방한다. 캠페인·CRM 담당자는 데이터 권한·감사 추적과 에이전트 행동이 전환율·CAC 같은 지표로 어떻게 귀결되는지부터 점검해야 한다.

현장 운영에서는 Siemens 사례처럼 AI가 ‘일을 끝내는’ 단계로 올라선다. 제품·운영 리더에겐 통합 프로젝트 단축, 신규 인력 램프업 가속, 재무 설득용 ROI 스토리 강화로 이어질 수 있다.

자본과 컴퓨트 접근성은 여전히 판도를 가른다. Thinking Machines–Nvidia 사례는 자금·하드웨어 공급의 결합을 보여준다. 벤더를 평가할 때 6~12개월 용량 계획과 파트너십을 물어, 도입 중 병목을 피하라.

지금 할 일

1. 추론 비용 지도 그리기: 월간 쿼리와 지연 목표가 큰 AI 기능을 나열하고, 공급사에 추론 최적화 칩 전환 시 가격·응답 변화 시뮬레이션을 요청하세요.
2. Adobe CX Enterprise 데모 요청: 캠페인 운영자라면 거버넌스, 데이터 계보, 에이전트 행동의 KPI 연결을 중심으로 시연을 받아보세요.
3. Siemens 에이전트 파일럿 브리프: 자동화 파트너와 한 가지 PLC/HMI 작업을 선정해 현 워크플로 대비 시간·품질 비교 요청서를 전달하세요.
4. 공급 역량 스트레스 테스트: AI 벤더에 향후 6~12개월 용량 로드맵과 칩 공급 파트너, 피크 수요 시 SLA 계획을 문서로 받아두세요.