TL;DR
· SemiAnalysis는 메타가 향후 6개월 내에 구글을 제치고 OpenAI와 Anthropic 다음으로 가장 강력한 추격자가 될 수 있다고 예측한다.
· 이 판단은 143억 달러 규모의 Scale AI 거래, RL 데이터 생산, 그리고 멀티 GW 규모의 컴퓨팅 파워 확장이라는 세 가지 축에 기반한다.
· Muse Spark 1.1은 아직 최첨단 모델을 따라잡지 못했으며, 메타가 구글을 추월할 수 있을지는 차세대 모델의 성과에 달려 있다.

SemiAnalysis는 최신 보고서에서 과감한 판단을 내놓았다: 메타의 슈퍼 인텔리전스 연구소는 아직 최첨단 모델의 승자는 아니지만, 인재, 강화 학습 데이터, 그리고 컴퓨팅 파워 확장이 동시에 실현된다면 향후 6개월 내에 구글을 제치고 OpenAI와 Anthropic 다음으로 가장 경쟁력 있는 추격자가 될 가능성이 있다는 것이다.

이는 메타가 이미 따라잡았다는 의미는 아니다. 메타는 4월에 Muse Spark를 출시했으며, 7월 9일 Axios 보도에 따르면 Muse Spark 1.1이 개발자에게 API를 공개했고, 가격은 입력 토큰 100만 개당 1.25달러, 출력 토큰 4.25달러다. Axios는 이것이 메타가 기대했던 '대약진' 모델이 아니며, 코드명 Watermelon인 더 큰 모델이 여전히 훈련 중이라고 전했다.

SemiAnalysis가 주목하는 것은 다른 측면이다: Llama 4가 좌절된 후, 저커버그는 더 과감한 방식으로 AI 조직을 재편하고 있으며, 자금, 인재, 내부 엔지니어링 리소스, 데이터 센터 용량을 슈퍼 인텔리전스 연구소에 집중하고 있다. 보고서의 핵심 논쟁은 구글이 여전히 AI 3위 자리를 굳건히 지킬 수 있을지 여부다.

현재 모델은 아직 강력하지 않으며, 보고서는 6개월 추격 속도에 베팅한다

메타 슈퍼 인텔리전스 연구소는 Muse Spark 공개 이후 Llama 3, Llama 3.1 시절의 오픈소스 선도감을 재현하지 못했다. SemiAnalysis의 테스트와 판단에 따르면, Muse Spark 및 그 후속 버전은 대부분의 벤치마크 테스트와 범용 에이전트 시나리오에서 여전히 최첨단이라고 보기 어렵다.

이것이 이 보고서에 가장 큰 제한을 두어야 하는 부분이다. Muse Spark 1.1은 대략 Opus 4.6 또는 GLM 5.2에 해당하며, 내부 토큰 사용량이 아직 마이그레이션되지 않은 등의 세부 사항은 저자의 테스트와 모델 판단에 기반한 것이지 메타의 공식 입장이 아니다. 적어도 공개된 정보로 볼 때, 메타는 아직 OpenAI와 Anthropic에 직접 도전할 수 있는 모델을 내놓지 못했다.

하지만 SemiAnalysis은 기울기에 주목하고 있습니다. Llama 4 실패 이후, Meta의 슈퍼 인텔리전스 팀은 대규모 조정을 완료했으며, 단기적인 조직 혼란은 점차 해소되고 있습니다. 보고서는 다음 모델 훈련과 강화 학습 데이터 생산이 제품에 반영되기 시작하면, Meta의 위치가 현재 순위표에 표시된 것보다 더 앞설 수 있다고 판단합니다.

143억 달러 Scale AI 거래, 최첨단 모델에 가장 부족한 인재를 보충하다

Meta의 가장 눈에 띄는 조치는 Scale AI에 대한 143억 달러 투자입니다. Fortune, Forbes, Reuters 등 여러 매체는 이전에 Meta가 이 거래를 통해 Scale AI 창립자 Alexandr Wang을 영입하고, 그를 슈퍼 인텔리전스 관련 팀에 합류시키거나 이끌도록 했다고 보도했습니다.

최첨단 모델 경쟁에서 이 거래는 단순히 데이터 라벨링 회사를 인수하는 것 이상으로, 고강도 인재 스카우트에 가깝습니다. Scale의 보안, 평가 및 정렬 팀인 SEAL은 SemiAnalysis에 의해 Meta가 평가, 정렬 및 후속 훈련 능력을 보강하는 중요한 원천으로 간주됩니다.

Reuters는 또한 Meta가 일부 AI 엔지니어에게 수억 달러 규모의 보상 패키지를 제공했다고 언급했습니다. 이 숫자는 Meta가 슈퍼 인텔리전스를 일반 AI 제품 반복이 아닌 회사 차원의 최우선 과제로 삼았음을 보여줍니다. 대형 기술 기업에게 진정으로 어려운 것은 예산을 확보하는 것이 아니라, 연구, 제품, 인프라 및 경영진이 모두 동일한 목표를 위해 움직이도록 하는 것입니다.

SemiAnalysis는 Alexandr Wang이 최근 팟캐스트에서 한 발언을 인용하며, 진정한 최첨단 연구소는 종종 먼저 슈퍼 인텔리전스가 가까워졌다고 믿고, 이후 비즈니스 결정이 이 판단에 따르게 된다고 말했습니다. 보고서는 Meta의 최근 움직임을 OpenAI, Anthropic 스타일의 AGI 우선순위로의 전환으로 해석합니다.

3000명의 엔지니어가 RL로 전환, Meta는 내부 작업을 훈련 데이터로 만들고자 한다

인재 외에도 강화 학습 작업과 실제 업무 데이터가 두 번째 라인입니다.

오늘날 모델 성능 향상은 더 이상 사전 훈련 코퍼스에만 의존하지 않습니다. 더 중요한 것은 모델이 실제 업무 환경에 가까운 상황에서 작업을 수행할 수 있는지 여부입니다: 맥락 이해, 도구 호출, 테스트 실행, 오류 수정, 그리고 결과에 따른 반복. 코드베이스 수리, 제품 분석, 내부 도구 호출은 일반 시험 문제보다 화이트칼라 업무의 실제 난이도에 더 가깝습니다.

SemiAnalysis에 따르면, 메타(Meta)는 약 3000명의 엔지니어를 풀타임 RL(강화학습) 작업 생성자로 재배치했습니다. 이 수치는 보고서 기준에 따라 해석이 필요하지만, 제대로 실행된다면 메타의 강점이 명확해집니다. 단순히 인공 데이터를 외부에 위탁 구매하는 것이 아니라, 자체 엔지니어링 조직을 훈련 작업 생산 라인으로 전환하는 것입니다.

이러한 데이터는 특히 에이전트(Agent)에게 중요합니다. 많은 강화학습 작업은 겉보기엔 어려워 보이지만, 실제로는 프롬프트가 지나치게 세분화되어 있어 실제 업무 습관과 일치하지 않습니다. 화면 녹화, 일상 업무 흐름, 도구 호출 기록 및 내부 평가 시스템은 화이트칼라 업무를 자동화할 수 있는 모델을 훈련하는 데 더 적합할 수 있습니다.

이것이 보고서가 메타의 구글 추격 가능성을 낙관하는 이유 중 하나입니다. 구글은 DeepMind, Gemini, TPU 및 클라우드 사업을 보유하고 있지만, 메타는 내부 조직, 데이터 및 엔지니어링 역량을 단일 모델 목표에 집중하고 있습니다.

멀티 GW 규모의 연산력 확장, 메타를 최전선으로 이끌다

연산력은 세 번째 축입니다. SemiAnalysis는 7월 2일 기사에서 메타가 올해 상반기에 5GW 이상의 용량을 계약했으며, 2024년 이후 누적 거래량이 약 10GW에 근접했다고 밝혔습니다. 또한 증분 용량의 대부분은 여전히 메타의 슈퍼 인텔리전스 연구소로 흘러갈 것으로 판단했습니다.

일반 투자자에게 중요한 것은 특정 데이터 센터 설계가 아니라 자본 지출의 방향입니다. 메타가 연산력을 확장하는 것은 일반 클라우드 서비스를 위한 것이 아니라, 내부 모델 훈련, 후처리 및 에이전트 루프를 위한 대규모 클러스터를 준비하기 위함입니다. 훈련과 강화학습이 무거워질수록 연산력 배치 속도가 모델 반복 속도에 더 큰 영향을 미칩니다.

보고서는 또한 지역 간 연결, 신속한 데이터 센터 배치 등 인프라 구상에 대해 언급했습니다. 이러한 세부 사항은 여전히 SemiAnalysis 모델 추론에 속하지만, 방향은 명확합니다. 메타는 인프라를 통해 시간을 확보하고 있는 것입니다.

구글의 논란은 연산력의 유무가 아니라, 연산력이 어떻게 배분되는지에 있습니다. SemiAnalysis는 구글의 신규 데이터 센터 용량 중 상당 부분이 IaaS 및 타사 API 사업에 사용될 것으로 예상하며, DeepMind가 최첨단 훈련에 사용할 수 있는 리소스 집중도는 외부의 예상보다 낮을 수 있다고 봅니다. 구글이 외부 자금 조달이나 자본 시장을 통해 더 많은 AI 인프라를 확장하더라도, 신규 용량 중 일부는 클라우드 고객에게 소비될 가능성이 있습니다.

따라서 보고서는 더 논쟁적인 결론을 내립니다. AI 3위 경쟁은 더 이상 구글이 확고한 자리를 지키는 것이 아니라, 메타, 구글 및 기타 고연산력 플레이어 간의 재편성으로 이어질 수 있다는 것입니다.

가장 큰 문제는 여전히 메타가 최첨단 모델을 내놓지 못했다는 점

이 보고서에서 가장 충격적인 부분이자 가장 큰 리스크는 바로 미래 6개월을 예측한다는 점이지, 이미 발생한 결과에 기반한 것이 아니라는 거야.

메타는 이미 143억 달러 규모의 Scale AI 거래, Alexandr Wang 합류, 수억 달러 규모의 보상 패키지, 수 GW 규모의 컴퓨팅 파워 확장, 그리고 내부 엔지니어링 자원을 RL 작업에 집중하는 움직임을 보여줬어. 하지만 이는 여전히 추격을 위한 조건일 뿐, 모델 자체의 승리를 의미하는 건 아니야.

Muse Spark 1.1은 아직 메타가 OpenAI와 Anthropic이 있는 위치에 도달했다는 걸 증명하지 못해. Watermelon 같은 더 큰 모델은 여전히 훈련 중이고, 실제 성능, 비용, 가용성, 개발자 피드백은 아직 시장의 검증을 받지 못했어.

Google도 게임에서 물러난 게 아니야. DeepMind, TPU, Gemini, 클라우드 사업은 여전히 강력한 강점이야. 진짜 차이는 Google의 자원이 검색, 클라우드, API 고객, 내부 모델에 동시에 투입되어야 하는 반면, 메타는 더 많은 자원을 슈퍼 인텔리전스 연구소에 집중하고 있다는 점이지.

만약 메타의 차세대 모델이 뚜렷한 발전을 보여주지 못한다면, 143억 달러를 들여 인력을 스카우트하고 대규모 컴퓨팅 파워에 투자한 것이 더 큰 자본 지출 부담으로 작용할 거야. 하지만 새로운 모델과 에이전트 제품이 성과를 입증한다면, AI 3위 자리는 비로소 흔들리기 시작할 거야.

BlockBeats 공식 커뮤니티에 참여하세요:

Telegram 구독 그룹：https://t.me/theblockbeats

Telegram 토론 그룹：https://t.me/BlockBeats_App

Twitter 공식 계정：https://twitter.com/BlockBeatsAsia