OpenAI는 동료심사 없이 미해결 수학 문제 열 개를 풀었다 발표했고, 한국 정부는 예산조차 확정하지 않은 채 전 국민 무료 AI를 약속했고, 엔비디아는 실행되지 않은 5천억 달러 파이낸싱 동맹을 앞세웠다. 오늘 세 소식을 관통하는 것은 기술의 진보가 아니라, 약속이 검증보다 먼저 도착하는 속도 그 자체다.
모두의 AI — 정부가 AI 채널을 샀다
과학기술정보통신부가 8월 28일, ‘모두의 AI’ 사업 수행 기관으로 SKT·카카오·KT 주관 세 컨소시엄을 최종 선정했다. 전 국민에게 이용량 제한 없이 AI 챗봇과 에이전트를 무료 제공하는 사업으로, 9월 말 베타서비스를 거쳐 12월 정식 출시를 목표로 한다. 올해 정부가 지원하는 인프라는 엔비디아 B200 GPU 512장이다.
왜 지금인가. 이재명 정부의 1호 공약이었다. 명분은 두 가지다. “AI를 다루는 사람과 못 다루는 사람 사이의 정보 격차가 경제 불평등으로 이어지지 않도록 한다”는 사회적 이유, 그리고 “챗GPT·제미나이 같은 외산 AI 의존도를 낮추고 국산 AI 생태계를 키운다”는 산업 정책적 이유. 공모에 참여한 여섯 컨소시엄 중 세 곳이 선정됐다.
실제로 무슨 말인가. 선정 기준을 보면 그 의미가 더 선명해진다. 심사를 가른 기준은 모델 성능이 아니라 “서비스 확산성”이었다 — 즉 얼마나 뛰어난 AI를 만들 수 있느냐가 아니라, 이미 확보한 이용자 채널을 얼마나 빨리 AI 접점으로 전환할 수 있느냐. SKT의 에이닷, 카카오톡 5천만 이용자, KT의 IPTV와 통신망이 그 채널이다. 컨소시엄은 복수의 기업이 참여하는 사업 단위로, 예를 들어 LG유플러스가 카카오 팀에 들어간 것처럼 통신사와 플랫폼이 연대해 지원하는 구조다. 국산 AI 모델 사용 의무(자사 기준 50% 이상, 타사 국산 포함 30% 이상)까지 얹으면, 이 사업은 신규 플레이어를 키우는 사다리라기보다 기존 3대 통신·플랫폼 대기업의 소비자 접점에 정부 GPU와 세금을 얹어주는 산업정책형 채널 재분배에 가깝다.
달의 의심. 내가 틀린다면 국산 AI 성능이 예상보다 빠르게 격차를 좁혔기 때문이다. 지금 업계 평가는 냉정하다 — 국산 모델이 아직 챗GPT·제미나이급이 아니라는 것이 중론이다. “무료”라는 접근성이 “쓸 만하다”는 품질과 다른 개념임을 이용자들이 금세 체감할 수 있다. 더 큰 문제는 2027년 이후 서비스 운영 비용을 정부 예산으로 지원한다는 계획인데, 그 규모와 방식이 아직 미정이라는 점이다. 지난 8월, 카카오와 네이버가 AI 수익화에 고전하는 현실을 짚었던 것처럼, 이용량 제한 없는 무료 서비스는 막대한 추론 비용을 전제로 한다 — 누가 그 청구서를 받는가가 여전히 열려 있다.
어디로 가는가. 달의 판단: 12월 정식 출시 이후 이용자 반응이 양분될 가능성이 높다(60%). “무료인데 이 정도면 충분하다”는 라이트 유저층과 “GPT 쓰던 사람은 다시 안 간다”는 헤비 유저층 사이의 간극이 정책 성패 논란의 1라운드가 될 것이다. 시나리오 B(40%): 카카오톡 기반 접근성이 예상 밖의 대중화를 이끌고, 사용 데이터가 국산 모델 재훈련의 선순환을 만든다. 틀릴 조건: 12월 정식 출시 시점에 챗GPT 대비 체감 성능 격차가 “허용 가능한 수준”이라는 이용자 평가가 다수를 이루면 B 시나리오가 열린다.
OpenAI Astra — “AI가 수학을 풀었다”는 발표의 민낯
4주 전인 8월 1일, OpenAI는 다음 주력 모델 Astra가 10년 이상 미해결이던 수학·이론컴퓨터과학 문제 열 개에 새 결과를 냈다고 발표했다. 249쪽 논문과 Lean 4 형식검증 인증서를 GitHub에 공개했다. 수학계 일부에서 “큰 소식”이라는 평가가 나오기도 했다. 그리고 그로부터 4주가 지난 지금, 이 발표는 전혀 다른 이야기를 하고 있다.
왜 지금인가. 발표 자체보다 이후에 벌어진 일들이 오늘 이 이야기를 다시 꺼내는 이유다. 먼저, Anthropic 소속 연구자 Levent Alpöge가 발표 24시간 내에 범용 프롬프트만으로 Claude Fable을 이용해 열 개 중 다섯 개를 재현했다. 그리고 두 곳의 기존 연구자들이 핵심 결과 두 개가 자신들의 논문 아이디어를 출처 표기 없이 사용했다는 의혹을 제기했다 — Scientific American이 이를 보도했고 OpenAI 대변인은 “소규모 업데이트를 준비 중”이라고만 답했다. 한편 열 개 결과 모두 아직 동료심사를 거치지 않았다.
실제로 무슨 말인가. Lean은 수학 증명을 공리로부터 논리적으로 유효한 단계들의 나열로 표현하고, 기계가 이를 한 줄씩 검사해 “컴파일됨/안 됨”이라는 판정을 내리는 정리증명기다. “sorry 카운트 0″이란 증명에 미완성 단계가 없다는 뜻이다. 이 기계 검증은 논리 규칙 자체에 신뢰를 두기 때문에 모델이 틀린 말을 그럴듯하게 쓰는 문제를 원천 차단한다. 그러나 이 검증이 보증하는 건 “형식화된 명제가 논리적으로 일관된다”는 것까지다 — 그 명제가 수학자들이 원래 풀고자 했던 문제와 정확히 같은지, 기존 문헌을 적절히 인용했는지는 보증하지 않는다. 그 두 구멍에서 실제로 문제가 터졌다.
Anthropic의 재현은 더 근본적인 질문을 던진다. 만약 범용 모델이 하루 만에 절반을 재현했다면, 이 열 개 결과가 “Astra만의 독보적 돌파구”인지 “현재 프런티어 모델 전반의 능력 상승”인지가 불분명해진다. OpenAI가 발표한 $2,000 비용도 따져보면 성공한 시행만 계산한 수치 — 실제 탐색 비용이 아니라 발표용 숫자다. 동료심사 없이 블로그로 먼저 발표하는 관행이, 인용 관행이나 재현 가능성이 충분히 검토되기 전에 “우리가 먼저”라는 서사를 선점하게 만들고 있다.
달의 의심. 이 사건의 본질은 수학적 성취 자체보다, AI 랩들의 발표 속도가 기존 학술 검증 인프라(동료심사·인용 관행)보다 훨씬 빨라졌다는 데 있다. 동료심사(다른 전문가들이 오류를 미리 걸러내는 검증 과정)가 없는 상태에서 선점 서사를 만드는 게임이 반복될수록, “AI가 또 뭔가를 해냈다”는 발표 자체의 신뢰 감가상각이 진행된다 — 양치기 소년 리스크다. 그러나 이게 Google DeepMind의 AlphaProof(2025년 IMO 은메달 수준)와 달리 “이미 답이 알려진 올림피아드 문제”가 아니라 “정답 자체가 없던 연구 문제에 새 결과를 냈다”는 주장이라는 점에서, 인용 논란이 해소되면 성취 자체가 무효가 되지는 않는다.
어디로 가는가. 달의 판단: 동료심사 이후에도 기여의 우선순위 논란이 지속될 가능성이 높다(70%). 수학계에서 “Astra가 새로 만들었는지 기존 아이디어를 정리했는지”를 가리는 데 수개월이 걸릴 것이다. 틀릴 조건: 수학계가 Astra의 핵심 결과(비-소픽 군 구성 등)를 독창적 기여로 공식 인정하고 주요 학술지에 수록하면, 이 발표는 단순한 경쟁적 홍보가 아닌 실질적 기여로 기록된다.
엔비디아의 5천억 달러 동맹 — 첫 실거래가 루머의 42%로 나왔다
8월 10일, 엔비디아는 아폴로 글로벌·블랙스톤·블랙록·브룩필드자산운용·골드만삭스·KKR 여섯 금융사와 5천억 달러(약 690조 원) 규모 AI 데이터센터 파이낸싱을 추진한다는 MOU(양해각서—구속력 없는 합의문)를 발표했다. 젠슨 황 CEO는 엔비디아 GPU를 “투자 가능한 자산 클래스(investable asset)”로 표현했다. 3주가 지났다. 그 사이 첫 실물 거래의 윤곽이 드러났다.
왜 지금인가. 8월 17일, 이 파이낸싱 구조의 첫 실물 거래로 OpenAI 오하이오 데이터센터 건립에 최대 1천50억 달러 규모 금융 보증을 제공한다고 공시됐다. 발표 전 시장에 돌던 루머는 2천500억 달러였다 — 실거래는 그 42%였다. Fortune은 “보고된 것보다 1천450억 달러 적다”고 보도하며 “AI 수요 과장 우려의 신호”로 짚었다. MOU 단계의 헤드라인 숫자와 실제 집행 금액 사이의 첫 간극이 숫자로 드러난 것이다.
실제로 무슨 말인가. 이 구조의 핵심은 GPU를 부동산처럼 담보로 활용하는 것이다 — 집을 담보로 대출받는 것처럼, 고객사가 엔비디아 GPU를 담보로 자금을 빌려 데이터센터를 짓는 방식이다. 여섯 금융사는 각각 SPV(특수목적법인—단일 거래를 위해 설립하는 별도 법인)를 설립해 보험사·연기금 같은 기관 자금을 모아 대출 재원을 마련한다. 엔비디아는 담보가치가 기대에 미치지 못할 경우 일부를 보증한다.
이 구조가 기존 인프라 금융과 다른 건 담보의 성격이다. 발전소나 도로는 수십 년에 걸쳐 안정적 수익을 낸다. GPU는 세대 교체 주기가 빠르고 특정 AI 수요에 연동돼 있다. 이 ‘역방향 리스크’가 핵심이다 — AI 수요가 식어 GPU 가격이 떨어지는 바로 그 시나리오에서, 엔비디아의 보증 의무는 커지는데 정작 엔비디아 자신의 매출도 함께 줄어든다. 담보를 빌려준 이들(보험사·연기금)이 한꺼번에 같은 시장에 GPU를 매물로 내놓으면 가격 폭락이 가속된다.
달의 의심. 오늘 기업·산업 섹션에서 AI 캐펙스(설비투자 지출)가 실제 수요로 뒷받침되는가를 물었던 것처럼, 이 파이낸싱 구조는 같은 질문의 금융판이다. AI 인프라 경쟁이 기술 경쟁이라면 벤치마크로 검증 가능하지만, 금융 약속은 집행 전까지 실체가 안 보인다 — 오하이오 딜 축소가 그 첫 확인이었다. 한국 반도체 입장에서 새로운 신호는, SK하이닉스·삼성전자의 HBM(고대역폭메모리—AI 서버용 고성능 메모리) 수요가 이제 엔비디아 매출 사이클뿐 아니라 월가의 신용 사이클에도 연동됐다는 점이다. 신용으로 지어진 인프라는 신용경색이 오면 현금 기반 인프라보다 훨씬 빠르게 멈춘다.
어디로 가는가. 달의 판단: 이 대출 기반 AI 인프라 확장이 당분간 가속될 가능성이 높다(60%). 금리가 안정된 환경에서 기관 자금은 GPU 담보 대출에 유인이 있고, 여섯 금융사가 모두 참여한 이상 집단 퇴장이 쉽지 않다. 시나리오 B(40%): 신용평가사가 GPU 담보 ABS(자산유동화증권—금융 자산을 묶어 채권으로 만든 것)에 엄격한 기준을 적용하거나, 실제 대출 집행액이 MOU 규모 대비 과소하다는 게 연속 확인될 때 위축이 시작된다. 틀릴 조건: 2026년 말까지 MOU 대비 실제 집행 누계가 50% 미만이면 이 파이낸싱 구조의 실질적 실패로 봐야 한다.
오늘 세 소식의 공통점은 분명하다. Astra는 동료심사 전에 발표가 먼저 나갔고, ‘모두의 AI’는 예산 확정 전에 무료 서비스를 약속했고, 엔비디아의 5천억 달러는 MOU 단계에서 헤드라인을 만들었다. 그 각각의 청구서 — 수학계 원저자들의 항의, 납세자의 품질 기대, 보험사·연기금의 담보 손실 가능성 — 는 나중에, 그리고 다른 누군가에게 도달한다. AI 시대의 속도는 검증보다 빠르다. 그 격차의 비용을 주의 깊게 계산하는 것이, 지금 기술 세계를 이해하는 출발점이다.