지적 대화를 위한 모임
우주 데이터센터의 허상부터 한국의 AI 풀스택 미래까지
2026 · 05 · 16
목차 — 10 Topics · 5 Groups
SECTION 01 — 기술 비판
우주 데이터센터 구상은 실리콘밸리와 미국 벤처·스타트업 금융자본이 주목하는 미래 산업 담론의 일부다. 지상의 전력 문제, 부지 문제, 전기요금 상승 문제 등을 우회하기 위해 데이터센터를 우주에 띄우자는 주장이다.
그러나 이 구상은 기술적·물리적·경제적 측면에서 너무 많은 난점을 안고 있으며, 현시점에서는 매우 허황된 주장에 가깝다는 비판이 제기된다.
우주에서는 대류·전도가 불가능. 복사(Radiation)만으로 열 방출 → 거대한 라디에이터 필요.
기상, 전파 혼잡, 지상국 배치, 궤도 위치 등 다양한 요소에 의한 구조적 불안정성.
Bit Flip 현상으로 메모리·연산 결과가 변경. 고성능 반도체일수록 더욱 취약.
작은 파편도 고속 충돌 시 치명적 손상. 대형 인프라일수록 충돌 위험 증대.
일반적으로 우주는 매우 차갑다고 알려져 있어 냉각이 쉬울 것처럼 보인다. 하지만 이것은 우주 환경에 대한 근본적 오해다.
우주에는 열을 전달할 매질이 거의 없다. 지상에서는 공기나 물로 열을 전달·냉각할 수 있지만, 우주에서는 대류와 전도 방식의 열교환이 사실상 불가능하다.
"우주는 차가우니 냉각이 쉽다"는 주장은 우주공간의 물리적 조건을 오해한 주장이다. 열을 내보낼 수 있는 거의 유일한 방법은 복사(Radiation)뿐이며, 이를 위해 매우 거대한 라디에이터가 필요하다.
방사선이 인체에 해로운 이유는 고에너지 입자가 DNA 구조를 손상시키기 때문이다. 반도체에서도 유사한 일이 일어난다.
고에너지 방사선이 반도체 회로를 통과하면, 특정 위치의 전자 상태가 순간적으로 바뀐다. 이 현상을 Bit Flip이라 한다. 메모리와 연산 결과를 바꾸고 소프트웨어 오류를 유발한다.
지상에서도 우주 방사선에 의한 bit flip 사례가 존재한다. 예컨대 게임에서 재현 불가능한 버그가 발생했는데, 조사 결과 우주 방사선이 메모리 값을 바꾸어 캐릭터 위치가 순간적으로 변한 사례가 언급된다.
현대 반도체는 집적률이 높을수록 방사선에 더 취약하다. 이 때문에 우주선 전자장비는 최신 고성능 칩 대신 방사선에 강한 검증된 장비를 사용하는 경우가 많다.
우주 데이터센터는 냉각·통신·방사선·우주쓰레기·비용이라는 다중 난제를 안고 있다. "에너지 문제 해결"이라는 명분을 내세우지만, 실제로는 더 큰 기술적·환경적 비용을 만들 가능성이 크다. 결국 일론 머스크식의 과장된 미래 담론에 가깝다는 평가가 내려진다.
SECTION 02 — AI 역사
ChatGPT 등장 이후 대규모 언어모델이 본격 대중화. 소프트웨어 개발을 포함한 여러 지식노동 영역에서 충격 발생.
AI가 텍스트뿐 아니라 이미지, 음성, 영상 등 다양한 형태의 데이터를 이해·처리하기 시작. 단순 언어 생성기를 넘어 진화.
LLM이 단순 텍스트 생성을 넘어 도구를 사용하기 시작. 실제 업무 수행 능력 급격 상승. 가장 중요한 전환점.
에이전트는 LLM이라는 추론 엔진에 도구 사용 능력을 결합한 것이다. LLM은 기본적으로 텍스트를 읽고 생성하는 모델이지만, 여기에 검색, 코드 실행, 파일 조작, 데이터 분석, API 호출 능력 등을 붙이면 실제 업무를 수행할 수 있는 에이전트가 된다.
LLM이 학습만으로는 하지 못한다고 여겨졌던 많은 작업들이 사실은 "지능의 한계"가 아니라 "도구 부재의 한계"였다는 점이 에이전트 시대에 드러났다.
건축가에게 컴퓨터, 펜, 종이, 도면, 참고자료 등 모든 도구를 빼앗고 나뭇가지와 잎사귀만 준다면 제대로 된 건축 디자인을 할 수 없다.
지능이 부족해서가 아니라, 지능을 일로 전환할 도구가 없기 때문이다.
LLM의 등장은 엔진의 발명에 비유된다. 엔진만 있다고 자동차가 되지 않듯, LLM에 어떤 도구를 붙이느냐에 따라 코딩 에이전트, 보안 에이전트, 금융 분석 에이전트, 군사 전략 에이전트 등으로 변한다.
엔진 발명이 기계공학의 발달로 이어졌듯, LLM의 발명은 AI 에이전트와 지능공학의 발달로 이어지고 있다.
SECTION 03 — 분야별 잠식
사이버 보안은 본질적으로 공격과 방어의 싸움이다. 에이전트 시대에는 공격 방식이 근본적으로 바뀐다.
따라서 방어 측도 인간 보안 전문가만으로는 대응이 불가능해진다. 실시간 취약점 탐색, 공격 시나리오 예측, 방어 로직 생성, 실시간 패치, 침입 시도 분석까지 보안 에이전트가 필수다.
Claude Mythos & 프로젝트 글래스윙: Anthropic이 클로드 Mythos 모델을 발표했지만 일반 공개를 보류했다. 사이버 보안 영역에서 너무 강력한 능력을 보였기 때문. 이에 따라 프로젝트 글래스윙을 출범, 약 21~22개 빅테크 기업과 협력해 자사 보안 취약점 사전 점검을 지원.
미국 GDP에서 큰 비중을 차지하는 15개 업무 벤치마크 기준, 금융 분야 AI 성능 변화:
단기간에 성능이 거의 두 배 가까이 상승한 핵심 요인은 도구 개발과 에이전트화다. 시니어가 방향을 잡고, 에이전트가 대량의 데이터 처리와 분석을 수행하면 기존에 주니어가 담당하던 업무 상당 부분이 대체될 수 있다.
AI 에이전트는 코딩, 테스트, 디버깅, 리팩터링, 문서화, 아키텍처 보조 등 여러 개발 업무에 빠르게 침투하고 있다. 기업들의 반응은 두 가지로 갈린다.
AI 덕분에 한 사람이 열 명분의 일을 할 수 있으니, 기존 인력을 유지한 채 더 많은 일을 하자는 접근.
개발자를 줄이고 소수만 남기자는 접근. 이미 소프트웨어 엔지니어링 분야에서 해고·구조조정이 현실화.
기존에는 시니어가 설계를 잡고 주니어가 구현하는 구조였으나, 이제 시니어가 AI 에이전트를 활용하면 주니어 역할을 대체할 수 있다. 주니어에게는 더 좁은 진입문이, 신입에게도 시니어급 역량을 요구하는 비정상적 흐름이 나타나고 있다.
전쟁에서 중요한 것은 상대보다 빠르게 예측하고, 정확하게 판단하며, 필요한 곳에 병력을 배치하는 능력이다. AI는 이 모든 역할에서 핵심 변수가 된다.
질 낮은 AI를 가진 군대는 있어야 할 곳에 없고, 있지 말아야 할 곳에 있게 될 가능성이 있다.
따라서 AI는 앞으로 군사 분야에서 전략무기 또는 전략자산처럼 기능할 수 있다. 한국군이 이 흐름을 얼마나 빠르게 따라갈 수 있을지는 회의적으로 언급된다.
SECTION 04 — 특이점
Anthropic은 더 이상 모델을 사람이 직접 설계하는 방식만 고수하지 않고, 모델이 모델을 설계하는 방향으로 가고 있다. OpenAI 역시 AI를 만드는 AI 관련 기업을 인수·투자하는 흐름이다.
이것은 기술적 특이점, 즉 Singularity의 사전적 정의에 가까운 흐름으로 해석된다.
익명의 전문가들은 AI가 AI를 설계하고 구축하는 자가발전 단계가 2028년 전후에 도달할 수 있다고 전망한다. 이 시점이 오면 단순히 일부 직업이 바뀌는 수준을 넘어, 지식노동 전반의 구조가 흔들릴 수 있다.
LLM이라는 추론 엔진은 거의 성숙 단계에 도달했다. 각 산업에 필요한 도구만 붙이면 해당 산업을 잠식할 수 있다. 그 도구 자체도 AI가 만들 수 있다. 경쟁에서 이기기 위해 각 산업은 AI 전환을 추진할 수밖에 없다.
SECTION 05 — 한국의 기회
한국은 AI 시대에 필요한 하드웨어, 반도체, 제조 인프라, 소프트웨어 기반을 모두 갖춘 드문 나라다. 이를 AI 풀스택 국가라고 표현한다.
풀스택이란 어떤 분야에 필요한 모든 기술 계층을 갖추었다는 뜻이다. 소프트웨어에서 백엔드·프론트엔드·디자인을 모두 다루는 풀스택 개발자처럼, 한국은 AI 시대에 필요한 모든 레이어를 갖춘 나라라는 것이다.
AI 이전의 반도체 시장은 짧은 호황과 긴 불황이 반복되는 사이클 산업 성격이 강했다. 그러나 AI가 등장하면서 반도체의 위상이 달라졌다.
AI 시대의 반도체는 사회 전체에 공급되는 지능의 총량을 결정하는 전략자산이다. 석유가 산업사회에서 에너지의 핵심 원료였다면, 반도체는 AI 시대 지능 생산의 핵심 원료가 된다.
삼성전자 영업이익 → 일본 상장사 상위 100개 합계 초과. SK하이닉스도 유사 수준 전망. 두 회사 합산 시 일본 상장사 전체 초과 가능.
반도체·전력 부족으로 소화 못한 주문량이 4,600억 달러 규모. 공급만 확보되면 즉시 막대한 추가 매출 전환 가능.
AI 반도체와 전력 인프라는 전 세계적으로 병목 상태에 있다. 이 경우 반도체 기업은 팔 수 있는 만큼 팔 수 있고, 이는 구조화된 초과이윤으로 이어진다.
SECTION 06 — 사회계약
앞으로 들어올 막대한 돈을 무엇에 쓸 것인가?
AI 시대에 한국 기업, 특히 반도체와 인프라 기업들이 막대한 이익을 거두면 국가로 유입되는 세수도 크게 늘어날 수 있다. 이미 9조 초과세수와 추경 사례가 언급되며, 삼성전자·SK하이닉스의 영업이익이 증가하면 초과세수는 더 커질 수 있다.
AI로 인해 생기는 부가 국민 전체에게 고르게 분배될지는 별개의 문제다. 오히려 K자형 성장처럼 부의 양극화가 심화될 가능성도 크다.
특히 현대 자본주의, 신자유주의 이후의 경제 구조는 부의 양극화를 충분히 억제하지 못하고 있다. 기업의 이익은 커지지만, 중산층 강화나 소비시장 활황으로 이어지지 않을 수 있다.
기본소득의 가장 큰 한계는 돈이 없으면 할 수 없다는 점이다. 그런데 AI 시대에 한국은 초과세수가 발생할 가능성이 높기 때문에, 이전보다 더 현실적인 정책 수단이 될 수 있다.
여기서 핵심은 기업의 돈을 강제로 빼앗자는 것이 아니다. 세수가 증가한다면, 그 초과세수를 어떻게 국민에게 되돌릴 것인지 논의하자는 것이다.
김용범 정책실장의 취지는 기업의 초과이윤을 강제로 빼앗자는 것이 아니었다. 핵심은 AI 시대에 큰 초과이윤과 초과세수가 예상되므로, 그 초과세수를 어떻게 활용할지 사회적으로 논의해보자는 것이었다.
일부 언론은 이를 "기업의 초과이윤을 빼앗아 배급하려 한다"는 식으로 보도했다. 이는 글의 취지를 제대로 읽지 않은 왜곡 보도이며, 공론 형성의 실패라고 비판된다.
SECTION 07 — 언론 비판
사실을 있는 그대로 전달하는 것.
사실을 취합해 사회적 공론을 만드는 것.
그러나 김용범 정책실장 글을 둘러싼 보도는 이 두 기능을 모두 수행하지 못했다. 원문 취지를 정확히 전달하지 않았고, 초과세수 논의를 기업 이익 몰수론처럼 왜곡했으며, 사회적 논의를 이념 공격으로 전환했다.
이런 행태는 언론이라기보다 황색언론에 가까우며, 레거시 미디어가 왜 "재래식 언론"이라고 불리는지 보여준다.
반지성주의라는 말조차 이들에게는 지나치게 고급스러운 표현일 수 있다. 반담론주의는 아예 논의 자체를 회피하거나 싫어하는 태도다.
이런 세력이 집권하면 국가의 잠재력이 실현되지 못하고, 사회는 문제를 해결하지 못한 채 정체된다.
이재명 정부 출범 이후 여러 지표와 흐름에서 급격한 전환이 나타난 이유는 매우 단순하게 정리된다:
생각하는 정치세력이 집권했기 때문이다.
한국이 AI 풀스택 국가로서 큰 잠재력을 가져도, 정치세력이 무능하거나 반담론적이면 그 잠재력은 실현되지 못한다.
SECTION 08 — 세대와 정치
여론조사에서 젊은 남성층, 특히 이대남이 심지어 70대보다 더 보수적인 양상을 보인다는 문제의식이 제기된다. 그 원인으로 세 가지가 지적된다.
젊은 세대가 학교에서 정치와 사회를 깊이 배우지 못한 사이, 인터넷 커뮤니티가 정치적 태도와 언어 감각을 형성했다.
커뮤니티 문화는 종종 조롱, 혐오, 냉소, 밈 중심으로 작동한다. 복잡한 사회문제를 깊이 이해하게 하기보다, 특정 집단을 비하하거나 특정 정치세력을 조롱하는 방식으로 정치 감각을 형성한다.
진보 진영은 자라나는 세대에게 진보적 가치를 설득하는 데 실패했다. 문제는 단순히 "올바른 정론"을 가르치면 된다고 생각한 데 있다.
진보적 가치가 왜 중요한지, 역사적으로 어떤 맥락을 갖는지, 사회문제를 어떻게 바라봐야 하는지에 대한 사고의 씨앗을 심어주지 못했다. 그 결과 젊은 세대 일부는 진보 진영의 역사성은 배우지 못하고, 인터넷 커뮤니티의 냉소와 혐오만 접하며 성장했다.
진보 진영은 단순한 도덕적 훈계나 원론적 주장에 머물러서는 안 된다. 자라나는 세대가 진보적 가치의 필요성을 스스로 납득할 수 있도록 교육과 담론을 설계해야 한다.
SECTION 09 — 교육 개혁
담론은 단순한 말싸움이 아니다. 담론은 합의된 사실로부터 논증을 도출하는 과정이다.
사실과 주장을 구분하지 못하면 합의된 사실이 사라지고, 담론장은 곧바로 패싸움의 장이 된다.
현재 학교 토론 수업은 찬성과 반대를 임의로 나누고, 학생의 실제 생각과 무관하게 입장을 배정하며, 목소리 크기나 말싸움에 가까운 방식으로 진행된다.
이런 토론은 담론을 가르치는 것이 아니라, 편을 갈라 싸우는 법을 가르치는 것에 가깝다.
사회적으로 논의할 가치가 있는 주제를 정한다.
주제와 관련된 자료, 사례, 통계, 제도, 역사적 맥락을 살핀다.
관찰을 통해 확인 가능한 사실을 정리한다.
그 사실들이 검증 가능한지 확인한다.
토론 참여자들이 함께 인정할 수 있는 사실의 집합을 만든다.
합의된 사실을 바탕으로 어떤 결론이나 방향이 가능한지 논의한다.
각 주장이 사실에 얼마나 부합하는지 검토. 어떤 주장은 수용하고, 어떤 주장은 반박한다.
김용범 정책실장의 글에 대한 왜곡 보도는 이런 담론 교육 부재의 결과로 해석된다. 글의 취지를 읽고, 사실을 확인하고, 가능한 정책 방향을 논의하는 것이 아니라, 곧바로 이념 공격으로 전환했기 때문이다.
SECTION 10 — 최종 결론
AI 시대에 한국은 엄청난 기회를 맞고 있지만, 그 기회를 지속 가능한 사회적 성공으로 바꾸려면 반담론주의로부터 사회를 지켜야 한다.
Closing Remark
당장은 잘될 가능성이 높지만, 앞으로도 계속 잘되려면 다음 세대를 반담론주의와 혐오적 커뮤니티 문화로부터 보호하고, 제대로 된 사고와 담론의 훈련을 제공해야 한다.