구글의 제미니가 이제 인공지능 경쟁을 선도하고 있는 것일까?

인공지능 기술의 발전은 그야말로 경쟁이라고 불리는데, 오픈AI나 앤스로픽 같은 민간 스타트업들이 마이크로소프트 같은 거대 기술 기업들과 치열한 경쟁을 벌이고 있기 때문입니다. (MSFT ) Google (GOOGL )이 경쟁은 소프트웨어 개발뿐만 아니라 최신 모델을 훈련시키기 위해 점점 더 크고 전력 소모가 많은 AI 데이터 센터를 구축하는 데 필요한 막대한 자본 지출을 포함하여 수천억 달러의 투자에 의해 추진되어 왔습니다.

한편, 중국 모델 역시 빠르게 발전하고 있어 서구 기업들의 노력에 시급성과 지정학적 경쟁 구도를 더하고 있다.

최근 들어 구글의 제미니가 경쟁사들을 앞서나가고 있는 듯하며, 특히 언어뿐 아니라 물리적 세계까지 현실적으로 이해하는 데 초점을 맞춘 제미니 3 딥씽크(Gemini 3 Deep Think) 출시가 그 예입니다. 게다가 애플 역시 구글의 인공지능 칩을 채택하고 있습니다. (AAPL ) 이 회사는 자사 기기의 AI를 구동하기 위해 AI 칩 제조 사업을 진행하고 있습니다.

제미니 3 심층 분석: 무엇이 바뀌었을까?

딥씽크 릴리스

2월 12일 출시 예정^th2026년 제미니 3 딥씽크 위성을 통해 구글은 검색 및 언어(LLM)에 주로 초점을 맞춘 인공지능에서 물리적 세계를 이해할 수 있는 보다 일반적인 인공지능으로 나아가는 데 결정적인 진전을 이루었습니다.

이는 중요한 발전입니다. 왜냐하면 "물리적 AI"는 업계가 나아가야 할 방향이며, 우리는 이 트렌드를 "에서 더 자세히 살펴보았기 때문입니다."물리적 AI: 2026년 휴머노이드 로봇 붐에 투자하기. "

현재 새로운 Deep Think는 Google AI Ultra 구독자를 위한 Gemini 앱에서 사용할 수 있으며, 처음으로 일부 연구원, 엔지니어 및 기업을 대상으로 Gemini API를 통해 제공되어 이 AI가 단순한 테스트 모델이 아닌 상용화된 모델이 되었습니다.

수학 및 과학 우선

딥씽크가 이전 제미니 버전, 그리고 어느 정도는 다른 AI들과 구별되는 점은 수학적 이해에 중점을 둔다는 것입니다.

LLM(학습 모델)은 간단한 수학 문제에서 성능이 저조한 것으로 악명이 높으며, 때로는 간단한 덧셈이나 순서대로 세는 것조차 실패하기도 합니다. 하지만 Deep Think는 다릅니다. Deep Think를 통해 특화된 에이전트는 연구 수준의 수학 탐구를 수행할 수 있게 되었습니다. 이 모델은 수학 및 과학 시험에서 다른 모델들을 압도적으로 능가하며, 코딩 작업에서도 매우 뛰어난 성능을 보여줍니다.

출처: 구글

Gemini Pro Preview와의 차이는 국제 수학 올림피아드나 국제 화학 올림피아드와 같은 과학 분야 시험에서 더욱 두드러지게 나타납니다. 이전 Google LLM 모델의 수학 시험 점수가 14%에 불과했던 반면, Gemini Pro Preview는 약 82%의 점수를 기록했습니다.

출처: 구글

이러한 결과는 데이터가 부족할 때 오류에 빠지는 "고전적인 AI"와는 근본적으로 다른 아키텍처 덕분에 가능했는데, 최신 과학적 발견의 경우 데이터 부족은 필연적으로 항상 발생할 수밖에 없습니다.

예를 들어 순수 수학 분야에서는 제미니 딥싱크(Gemini Deep Think) 기반의 수학 연구 에이전트(내부 코드명: 알레테이아)가 자연어 검증 기능을 통해 후보 해법의 오류를 식별합니다. 이를 통해 해법을 생성하고 수정하는 반복적인 과정을 수행할 수 있습니다. 특히, 이 에이전트는 문제 해결에 실패했음을 인정할 수 있는데, 이는 연구 효율성을 크게 향상시키는 핵심 기능입니다.

출처: 구글

이 접근 방식은 올바른 결과를 제공하는 데 있어 더욱 강력할 뿐만 아니라 효율성도 더 높습니다. Aletheia는 더 낮은 추론 시간 계산으로 더 높은 추론 품질을 달성할 수 있음을 입증했습니다.

이 접근 방식은 수학에서 다른 물리 과학 분야로 확장될 수 있습니다. 예를 들어, 제미니 딥싱크는 "게겐바우어 다항식을 이용한 새로운 해법"을 사용하여 우주 끈에서 나오는 중력파를 계산하는 방법을 발견했습니다.

실제 과학 응용 사례

이러한 성능은 이미 연구자들에 의해 실제 과학적 용도로 활용되고 있습니다.

예를 들어, 럿거스 대학교의 수학자 리사 카본은 딥싱크를 사용하여 아인슈타인의 중력 이론과 양자 역학에 관한 매우 전문적인 수학 논문에서 인간 검토자들이 놓쳤던 논리적 오류를 찾아냈습니다.

딥싱크는 듀크 대학교의 왕 연구실에서도 100마이크로미터보다 큰 반도체 박막을 성장시키는 방법을 개발하는 데 사용되었는데, 이는 이전에는 달성하기 어려웠던 목표였습니다.

유통, 하드웨어 및 전략적 추진력

딥씽크의 이번 성과는 구글 AI 팀에게 있어 다른 좋은 소식들에 더해진 것입니다.

가장 중요한 것은 인공지능 경쟁에서 대부분 한 발짝 물러나 있던 유일한 기술 대기업인 애플이 제미니를 애플 기기의 기본 AI로 채택하기로 결정한 것이었습니다. 이러한 맥락에서, 오픈AI가 2025년 12월에 구글을 비롯한 다른 AI 기업들의 발전 상황에 대해 "적색 경보"를 발령한 것은 당연한 일이다..

"지미니의 사용자 기반은 지난 8월 이미지 생성기인 나노 바나나가 출시된 이후 꾸준히 증가해 왔으며, 구글은 월간 활성 사용자 수가 7월 4억 5천만 명에서 10월 6억 5천만 명으로 늘었다고 밝혔습니다."

OpenAI는 기업 고객들 사이에서 인기를 얻고 있는 Anthropic의 압력에도 직면하고 있습니다.

구글의 최근 성공 사례 중 하나는 AI 칩의 성공입니다. 우선, 구글의 TPU라고 불리는 AI 칩을 사용하기 시작할 것이라고 발표한 회사는 앤트로픽(Anthropic)이었다. (텐서 처리 장치)를 포함하여 최대 1만 개의 프로세서를 사용하여 AI 소프트웨어를 구동합니다. 이제, 경쟁 AI 기업인 메타(Meta) 또한 구글의 TPU를 사용하기 시작했습니다.이는 구글이 엔비디아의 경쟁자로 부상하고 있는지에 대한 의문을 제기한다. (NVDA ) OpenAI만큼이나.

(TPU 및 XPU, FPGA 등과 같은 기타 AI 중심 하드웨어에 대한 자세한 내용은 "에서 확인할 수 있습니다.)AI 하드웨어에 투자: CPU에서 XPU까지")

알파벳의 AI 전략: 대규모 수직적 통합

스크롤하려면 스와이프하세요 →

TPU에 집중하는 것은 구글의 전략을 잘 보여주는 지표입니다. 제미니와 같은 견고한 LLM과 딥싱크처럼 실제 응용 분야에서 뛰어난 성능을 보여주는 것은 물론 매우 중요합니다.

하지만 구글이 확고한 입지를 다지고 있는 부분은 인공지능 유통 통제와 비용 구조 및 자본 접근성입니다.

안드로이드를 통해 모바일 시장에서 구글의 입지는 이미 강력하지만, 애플과의 계약으로 인해 특정 AI 앱으로 직접 연결되지 않은 대부분의 AI 요청은 직간접적으로 제미니로 전달될 것이 거의 확실해졌습니다.

또 다른 중요한 요소는 TPU에 대한 의존도 증가입니다. 일부 보고서에 따르면 TPU는 엔비디아 GPU보다 약 30% 저렴하면서도 유사한 작업 부하에서 가격 대비 2~4배 더 나은 성능을 제공합니다. 동일한 연산 능력에 비해 에너지 소비량이 적다는 것은 단순히 경제적인 이점뿐만 아니라, 에너지 공급 제약이 심화되는 상황에서도 AI 데이터 센터의 확장을 가능하게 해줍니다.

마지막으로, TPU에서 시작하여 자체 소유 데이터 센터, 엔터프라이즈 클라우드 플랫폼, 그리고 소비자 유통 채널에 이르기까지 수직적 통합 수준은 업계에서 비할 데가 없으며, 엔터프라이즈 부문에서 마이크로소프트만이 어느 정도 근접한 수준을 보이고 있습니다.

마지막으로, AI 인프라 구축에는 엄청난 비용이 소요되었습니다. 수천억 달러에 달하는 칩과 데이터 센터에 대한 비용을 지불해야 하며, 이는 향후 매년 재무제표에 막대한 감가상각비를 발생시킬 것입니다. 알파벳은 검색, 유튜브, 안드로이드 및 기타 제품에서 발생하는 막대한 현금 흐름 덕분에 이러한 인프라의 초기 비용과 미래 유지 보수 비용을 모두 감당할 수 있습니다.

쌍둥이자리가 정말로 앞서나가고 있는 걸까요?

인공지능 경쟁에서 누가 "승자"가 될지 단정짓는 것은 확실히 시기상조입니다. 예를 들어, 현재의 패러다임 전체가 뒤집힐 수도 있습니다. 합병된 xAI/Space가 구축한 궤도 데이터 센터는 강력한 경쟁 우위 요소로 입증되었습니다.

하지만 구글에 유리하게 작용하는 몇 가지 추세가 나타나고 있는 것 같습니다.

첫째는 특수 AI 하드웨어에 대한 필요성인데, 이는 많은 기술 대기업들이 뒤처져 있는 분야로, 칩 제조업체와 구글에게 유리한 상황을 만들어줍니다.

또 다른 하나는 일반 대중에게 배포 제어의 중요성입니다. 일반 대중은 자신이 어떤 AI를 사용할 수 있고 사용해야 하는지 잘 모를 수 있기 때문입니다. 그런 점에서 애플 생태계 전체에 대한 직접적인 접근은 아이폰에서 구글을 기본 검색 엔진으로 설정했던 이전 전략과 유사합니다.심지어 2025년 말 미국에서 반독점법 위반 판결이 내려지기도 했는데, 그 이유는 해당 기업이 "지나치게 유리했기" 때문이었다.).

딥싱크의 수학 및 과학 분야에서의 탁월한 역량과 결합하여 구글은 AI 분야에서 2026년을 순조롭게 시작하고 있습니다. 하지만 오픈AI, 마이크로소프트, 메타, 앤트로픽, 그리고 알리바바와 같은 중국 기술 대기업을 포함한 수많은 중국 기업들의 반격에 맞서 이러한 선두 자리를 얼마나 오래 유지할 수 있을지는 미지수입니다. (BABA ) 바이트댄스일지, 아니면 다른 쪽일지는 아직 두고 봐야 할 일이다.