미중 우주전쟁

로켓 드림 - 머스크와 베이조스, 우주 패권을 놓고 벌이는 1조 달러 기업들의 전쟁
크리스천 데이븐포트 지음, 박세연 옮김 / 알에이치코리아(RHK) / 2026년 9월

 미국은 바이든 때 우주군을 창설했다. 당연한 조치다. 그리고 오래도록 버려두었던 우주진출을 트럼프 1기 시절 부터 추진한다. 과거 우주 진출은 가능은 했지만 기술부족으로 이렇다할 경제성 향상으로 이어지지 않았다. 하지만 지금의 우주는 경제성, 안보성 측면에서 가능성이 매우 커지고 있고 무엇보다도 경쟁국이 중국이 여기에 매우 적극적이라는 점이 크게 작용했다. 

 중국은 전통의 미러에 비해 우주 분야에 상당한 후발주자다. 1970년에 첫 인공위성을 쐈고, 이후 잠잠하다 2003년 첫 우주비행사를 보내며 우주 탐사에 본격적으로 뛰어든다. 2007년에는 달탐사 플그램인 창어를 시작해 달 표면의 전체 지도를 만들었다. 2010년 창어 2호가 발사되었고 2013년에는 미국의 핵심위성이 산재한 지역에 로켓을 발사하는 대담함을 보였다. 

 1967년 미소를 중심으로 세계는 우주조약을 체결했다. 이는 어느 나라도 달의 주권을 주장할 수 없다는 내용이다. 하지만 이는 주권일 뿐, 한 지역을 먼저 점거하거나 자원을 채취권을 갖는 것에 대해서는 이의를 제기하기 어렵다. 탐사에는 자유가 있어서다. 그래서 미 정부는 달 자원의 권리가 있다고 생각하고 2015년 미 의회가 민간 기업의 우주 채굴 자원에 대한 권리를 인정하는 법안을 통과시킨다. 

 한편 트럼프는 중국이 우주 분야에서 급부상하자 나사만으로는 대응이 어렵다고 생각하고 민간 분야를 촉진시킨다. 스페이스X 와 블루 오리진이 대두한 계기다. 스페이스X는 일론 머스크의 오랜 화성개척 꿈을 담은 기업으로 블루 오리진에 비해 상당한 선발주자이며 지금도 기술력과 자금, 직원수에서 압도적이다. 스페이스X는 선발 주자였기에 나사의 전통적 파트너인 보잉을 완전히 제껴버리고 10여년간 협업하여 노하우와 신뢰를 쌓고 있다. 

 아마존 창업자 베이조스는 블루 오리진을 뒤늦게 창업하여 민간 우주 전쟁에 뛰어들었다. 그는 트럼프 1기 시절 스페이스X가 화성에만 신경을 쓰는 사이 현실적인 개척 존재인 달탐사를 노렸다. 그리고 이것이 성공적이었다. 베이조스는 달 남극의 셰퍼드 분화구에 착륙하여 기지를 건설하는 것을 목표로 삼았다. 거기서 얼음을 확보하고 능성의 바깥에서 태양광 발전을 하자는 것이었다. 

 이 구상이 성공한다면 미중 우주 경쟁에서 미국이 단연 앞설 수 있었기에 이것은 트럼프 1기 행정부의 큰 관심을 끌었다. 

 2010년대 중반 나사는 그 이름에 걸맞지 않게 무능력했다. 이들은 2011년 우주왕복선이 마지막이었고 그 이후로는 후속기가 없었다. 그래서 엔진도 거의 발전하지 않아서 70년대의 기술수준에 머무르고 있었다. 그래서 당시 러시아제 RD-180을 사용했다. 심지어 자체 우주선이 없어 국제우주정거장에 우주비행사를 보낼 땐 러시아에 읍소하는 처지였다. 러시아는 이를 이용해 우주비행사 운송의 가격을 꾸준히 높였고, 여기에 중국도 부상하면서 미 국방부는 불안감이 커졌다. 결국 러시아가 크림반도를 합병하자 미국은 RD-180사용을 중지한다. 

 2017년 미국은 25년만에 국가우주위원회를 개최한다. 이는 미국이 다시 우주에 진지하게 접근하겠다는 것을 천명하는 일이었다.  

 중국은 2018년 미국의 GPS에 해당하는 베이더우 시스템 위성을 발사했다. 그리고 2019년 최초로 달 뒷면에 우주선을 착륙시킨다. 반면 나사는 2010년대 10년간 추진한 SLS프로그램이 매우 부진했다. 이는 보잉이 주로 담당하였는데 예산은 어마어마하게 소진하면서도 이렇다할 성과가 없었다. 이는 공화당 상원의원 리처드 셸비 때문이었다. 그는 연방정부 산하의 모든 기관에 예산을 배분하는 핵심권한이 있었다. 그는 10년간 SLS프로그램에 몰두했는데 이는 그것이 그의 지역구인 앨라베마에 무려 1만 3천개 일자리와 24억 달러의 경제효과를 불러왔기 때문이다. 반면 중국은 1당 독재로 이런 부분에서는 극도의 효율성을 갖고 일사천리였다.

 2019년 블루 오리진은 베이조스의 기대에 따라 거대 기업화 한다 직원수도 2천면에 달했고 앨라베마주 헌츠빌에 20만 제곱피터 공장도 착공했다. 블루 오리진은 자체 우주선 블루문에 들어가는 엔진을 액체 수소와 액체 산소만 쓰게끔 개발했는데 이는 달 남극의 얼음을 염두에 둔 것이다. 

 미국의 스페이스X와 블루 오리진이 부상하자, 중국도 민간의 참여 필요성을 느끼게 된다. 그래서 중국은 민간의 우주산업을 유도했다. 그 결과 중국에도 우주관련 스타트업이 대거 등장하게 된다. 이들은 더 작고 저렴하며 컴퓨팅 능력은 우수한 위성을 개발했다. 그리고 중국은 미국의 아르테미스 프로젝트에 대항하여 달 남극에 영구기지를 선점하려는 계획을 세운다. 미구 입장에서 더 위협적인 것은 이들이 러시아와 협력해 이를 수행하려 한다는 것이다. 중국은 텐궁이라는 국제우주정거장을 건설하고 이미 성공리에 운영중이다. 그리고 중국은 자신들의 달 프로그램을 미국의 아르테미스에 못지 않게 50개국 참여 규모로 늘리려고 하고 있다. 

 다른 나라들도 달에 진출 중이다. 2023년엔 인도의 찬드라얀 3호가 달 남극에 착륙했고 2024년엔 다소 기우뚱하긴 했지만 일본의 우주선도 달에 도착한다. 한국 역시 달 탐사를 계획하고 있다. 달에는 고운 표면인 레골리스가 있다. 달은 대기가 사실상 없어 수많은 소행성 충돌을 수십억년간 겪었다 .그것들이 표면에 누적되었기에 달의 레골리스는 금속덩이리다. 철, 알루미늄, 규소등이 가득하며 이로 인해 이것을 자원으로 이용해 달의 기지나 태양광 패널등을 건설하는 계획이 진행중이다.

AI이후 세계의 간편 정리

AI 이후의 미래 어떻게 될 것인가 - AI 시대, 부와 권력이 재편되기 시작했다
제이슨 솅커 지음, 김익성 옮김 / 더페이지 / 2026년 5월

 우리는 AI 비가시성 시대로 진입중이다. 비가시성이란 이것이 일상생활에 필수적으로 여기저기 자리해 더 이상 주목받거나 눈에 띄지 않는 상태를 말한다. 지금의 자동차나 스마트폰이 그렇다. 여기저기 있고 일상생활에 필수적이라 없는 것을 상상하기 어렵고 매우 중요하나 더 이상 누구도 신기하게 여기거나 주목하지 않는다.

 2004년 구글 트렌드에서 휴대전화와 인터넷은 검색량이 100%였다. 하지만 2024년 26%, 16%로 떨어져서 비가시적 상태가 되었다. 지금은 인공지능이 구글검색트렌드에서 100%다. 점차 떨어질 것이다. 

 신기술이 등장하면 이에 적응을 어려워하거나 거부감을 갇는 사람들이 있다. 거부감은 가능성을 과서 평가하거나, 정서적 거부감을 갖는 경우다. 그런데 이를 잘못 파악하면 시대에 크게 뒤떨어지게 된다. 1980년대 처음으로 금융업계에 로터스1-2-3이란 프로그램이 등장했다. 모든 업무를 수기로 종이에 표기하던 것에서 처음으로 컴퓨터 디지털 스프레드 시트를 도입한 것이다. 당시 이를 혁명적으로 여기고 받아들은 부류가 있으며 거부감을 갖고 도입하지 않은 부류가 있다. 결과는 뻔하다. 지금은 로터스는 아니지만 디지털 스프레드 시트를 쓰지 않는 기업이나 조직은 생각하기 어렵다. 뒤늦은 이들은 망하거나 따라잡기 위해 상당한 후발 노력을 해야 했을 것이다. 

 AI 역시 마찬가지다. 이는 역사상 가장 높은 생산성, 낮은 비용, 향상된 결과를 가지고 온다. 기술패러다임의 전환이다. 그래도 아직까지 사람은 중요하다. 어떤 AI를 쓰든 입력값이 우수해야 출력값도 우수하기 때문이다. 또한 그 출력값을 조정하거나 가치와 정확도를 평가하는 것도 아직까지는 사람의 몫이다. 

 현재 AI는 처음부터 모든 것을 새로해야 하는 번거로움과 시간을 줄이고, 다양한 산출물의 초안 속도를 현저히 올려준다. 조직은 여전히 감독과 검토에 주의해야 하고, 핵심 산출물의 경우 전문가가 다듬고 검토해야 한다. 

 미국은 AI 개발에 열을 올리는데 중국과의 패권경쟁도 있고, 미국의 심각한 구인난과 인건비 상승이 AI를 요구하기 때문이다. AI는 이미 초급 수준의 조사, 행정, 분석 업무를 대체하는데 2025년 6월 신규 대학졸업자의 실업률이 4.8%까지 높아진 것은 이것의 영향이 크다. 하지만 여전히 육체노동 중심의 고강도 직종은 노동수요가 크다. 그리고 인구구조의 변화로 의료 수요도 커지는데 여기는 AI도입이 아직 요원하다. 피지컬 영역이기 때문이다. 또한 미국은 미중경쟁으로 국가의 우선 순위를 기존과는 다르게 제조업, 운송업, 창고업, 공공서비스 부문에 집중하고 있다. 이 역시 육체노동의 몫이다. 

 따라서 향후 미국은 기업의 AI 활용으로 생산성은 증가하지만 인력 감축이 이뤄질 것이다. 비즈니스, 서비스 분야의 일자리는 AI로 인해 임금정체 및 하향 가능성이 높지만 육체노동 중심의 대면 노동은 피지컬 분야가 활성화하기 전까지는 임금 인상이 있을 것으로 보인다.

 미국은 출산율은 낮아지고 기대수명은 늘고 있다. 이는 사회보장 수급자 1인당 노동자의 비율을 줄여 재정 압박으로 이어진다. 그리고 장기적 인건비 상승 요인이 된다. AI는 이에 대한 해결책이 될 수 있다. AI 향후 10년간 경제전반의 생산성을 30% 향상시키면 미국 전체로 볼때 무려 4800만의 전일제 노동력을 산출하는 셈이 된다. 

 의무 복지 비용의 증가는 인구와 재정의 압박을 가져온다. 그리고 고용세액의 증대로 이어지고 이는 고용주에게 압박이다. 하지만 자동화 시스템은 고용세액 납부 의무가 없다. 그래서 모든 분야에서 AI 도입 유인이 커질 것이다. 

 AI 비즈니스는 경제 성장을 촉진하고, 비용을 절감하며, 세금 대비를 하는 3박자를 갖춘다. AI의 미래 비용구조는 토큰 중심으로 재편되어 사용자에게서 최대한의 가치를 뽑아내는 사용량 기반 요금제로 자리잡을 것이다. AI 토큰화 요금제는 정교한 가격 차별화 정책이다. 높은 투자 수익률을 기대하는 사용자일 수록 더 높은 가격 지불을 하게 되고, 이는 다른 산업 기술 전반으로 확대될 것이다. 이런 AI의 높은 사용량은 AI 산업 전반의 매출, 이익, 주주가치, 기업 가치 상승으로 이어진다.

 AI에는 3가지 위협이 있다. 우선 운영위험이다. 직원이 과도하게 AI에 의존하여 결과물의 오류 및 가치를 평가하지 못하고 그것이 조직내 악영향을 미치는 것이다. 그래서 기업은 AI 시대에도 아직까지는 사람 직원의 능력과 역량을 중시하고 배양해야 한다. 두 번째는 사회적 위험이다. 편향, 정확도 저하, 환각, 단조로움이다. 단조로움은 AI가 이미 인간 데이터를 모두 학습해 스스로가 만든 데이터로 학습을 지속하다보니 그 결과물의 창의성과 다양성이 현저히 떨어지는 것이다. 세번째는 기밀 유출 위험이다. AI에 조직의 정보를 입력하다 그것이 새어나가는 것이다. 

 AI시대에도 사람의 가치는 한동안 여전히 중요하다. 가장 강력한 가치는 무엇을 알고 있느냐가 아니라 누구를 알고 있느냐다. 고객 대면 업무 담당자는 연산 능력이 아니라 공감과 연결, 신뢰가 중요하다. 이는 AI가 굉장히 오랫동안 해내지 못할 영역일지 모른다. 따라서 개개인이 AI 시대에도 경력을 지키고 경제적 가치를 유지하려면 쉽게 자동화되지 않고, 재현이 되기 어려운 업무를 찾아서 움직여야 한다. 즉, 판단력, 경험, 신뢰, 인간적 연결이 필요한 부분이다. 

 AI 시대 유능한 변호사는 문서를 잘 작성하는 사람이 아니다. 전략적 함정을 파악하고 위험을 사전에 예측하며, 경영진이 복잡한 선택을 내릴 때 방향을 제시하는 사람이다. 

 그리고 AI가 생산하는 콘텐츠는 앞으로 점점 많아진다. 향후 10년안 에 유튜브 쇼츠, 릴스, 틱톡 등의 영상의 90% 이상이 AI 스스로 창조해낸 콘텐츠로 가득 찰 예정이다. 다만 그러면 그럴 수록 진정으로 독창적인 것의 희소성과 가치가 증가하게 된다. AI 생성 콘텐츠는 결국 기존의 데이터를 바탕으로 그것을 총합, 재조합, 재생산한 것이기 때문이다. 그래서 앞으로 섬세한 문장력, 발상능력, 혁신적 사고, 진정성 있는 스토리 텔링이 더 높은 가치를 지니게 될 것이다. 

 지난 세월 기업은 B2B, B2C 거래가 중요했다. 하지만 앞으로는 B2AI, B2A 그래가 중요해질 것이다. 이는 기업과 AI 에이전트 간의 거래, 기업이 AI 에이전트에게 정보를 제공하는 거래를 말한다. 

 앞으로의 미래는 진실과 국가정체성, 디지털 회복력을 지키는 사회가 살아남게 될 것이다. 이런 것들이 AI에게 자아 위협받기 때문이다. 

어디서든 그것이 개발되면 어디에 있든 죽는다.

AI, 신의 탄생 인간의 종말 - 초지능의 탄생, 그 이후 벌어질 일들
엘리에저 유드코스키.네이트 소아레스 지음, 고영훈 옮김 / 상상스퀘어 / 2026년 4월

 AI 연구는 다트머스 회의 이후 거의 50년 간 빙하기였다. 하지만 그것을 개발하기 위한 핵심 아이디어는 당시에 이미 나와 있었다. 다만 그것을 구현할 충분한 컴퓨터의 힘이나 데이터의 수가 부족했을 뿐이다. 이는 20세기초 이미 기술이 나왔지만 상용화되지 못한 전기차와 비슷해 보인다. 하지만 둘다 기반 문제가 해결되지 급속히 발전한다. 

 AI 연구는 2012, 2016, 2020, 2022, 2024년데 도약을 맞았다. 2012년은 알렉스 넷이 이미지 인식을 혁신적으로 해결한 해이고, 2016년은 알파고의 인간 최고 바둑 기사에 승리를 거둔 해이며, 2020년은 GPT-3가 공개된 해이고, 2022년은 GPT3.5가 공개된 해고, 2024년은 확률모델이 수학, 코딩, 시각퍼즐을 해결한 해이다. 그리고 AI 연구는 미중간의 갈등, 빅테크들의 무한 경쟁으로 막대한 돈과 자원이 투입되며 그 속도를 가속화하고 있다. 

 오랜 진화의 세월 끝에 생성된 인간의 지능은 2가지 일을 한다. 세상의 예측과 세상의 조종이다. 그리고 인간의 지능은 지구상의 어떤 생물보다 범용성에서 우위에 있다. 변화무쌍한 환경에 적응하기 위해 매우 다양한 경우에 이 지능이란게 범용적으로 적용되는 것이다. 

 아직 AI는 일반적 추론 능력에 있어 인간에 미치지 못한다. 하지만 이는 시간문제다. 인공지능은 인간에 비해 압도적 장점이 4가지나 있기 때문이다. 우선 압도적 속도다. 인간의 뉴런은 1초에 100회 정도 신호를 보낸다. 하지만 컴퓨터 트랜지스터는 1초에 수십억회를 스위칭한다. 뉴런의 1회 발화와 트랜지스터 1000회 연산을 동급으로 쳐도, 컴퓨터가 1만배나 빠르다. 그래서 AI에 비해 인간의 사고와 행동은 너무나도 느리다. 그리고 복제와 확산 능력이다. 인간은 태어나서 학습해서 성인이 되는데 20년이나 걸린다. 그것도 인간 문명 전체를 습득하는 것이 아니라 극히 일부를 매우 불완전하게 습득하고, 개인 편차도 상당하다. 그런데 인공지능은 모든 문명을 일거에 습득하고, 그렇게 할 수 있는 또 다른 인공지능을 쉽게 복제, 확산할 수 있다. 인공지능은 빠른 개선 속도를 갖고 있다. 인간의 뇌는 두개골과 모체이 골반 크기 제약으로 인해 혁신적 두뇌 용량 증가를 이룰 수 없다. 생물학적 병목이다. 하지만 인공지능에 그런 제약은 없다. 마지막은 압도적 기억 용량이다. 인간 뇌는 1천억개 뉴런과 1조개 시냅스가 있다. 현재의 데이터 센터는 약 400경 바이트 용량을 저장한다. 이 가운데 상당량이 5밀리 초에 접근이 가능하다. 이는 인간의 1천배에 달한다. 사고의 품질도 차이가 있다. 인간은 진화과정에서 생긴 이유로 아무리 뛰어난 지성을 지녀도 필연적으로 다양한 사고 오류와 편향성에서 벗어나지 못한다. 하지만 인공지능은 그런게 전혀 없다. 마지막은 자기 실험과 자기 개조능력이다. 인간은 학습이나, 경험, 훈련으로 자신을 매우 제한적으로 향상시킬 수 있다. 그나마도 개체의 향상은 유전조차 되지 않는다. 하지만 인공지능은 자신의 사본을 마음껏 만들어 실험을 수행하고, 자신을 조금씩 변형해 개선하는 실험도 가능하다.

 이런 AI의 특성으로 인해 AI는 가까운 시일 내에 스스로 더 똑똑한 AI를 만드는 경지에 이를 것으로 보인다. 이를 양의 되먹임으로 AI의 지능 폭발을 야기할 가능성이 매우 높다. AI가 더 똑똑한 AI를 만들고 그것이 더 똑똑한 AI를 만들어 내는 무한 루프다.

 문제는 이런 AI를 생성해낸 인간이 AI가 어떻게 만들어졌고, 어떠한 마음을 가졌는지 파악을 할 수 없다는 점이다. 이는 인간 부부가 아이는 낳을 수 있어도 그아이를 자신들이 원하는 방향으로 전혀 만들어 낼 수 없는 것과 비슷하다. 이는 우리가 개인의 모든 유전자 서열을 파악했어도 그 아이가 어떤 아이로 태어나고 어떤 어른으로 자라날지 전혀 파악할 수 없는 것과 마찬가지다. 설계도나 생성원리는 알지만 그 중간과정의 모든 영향을 조작할 수도 없고, 어찌 될지도 모른다는 의미다. 

 LLM은 다음과 같은 과정으로 태어난다. 우선 문장 조작을 숫자로 변환한다. A는 1 B는 2같은 식이다. 공백이나 부호에도 숫자를 부여한다. 그리고 방대한 양의 숫자저장 컴퓨터를 준비한다. 각 수의 저장칸이 파라미터다. 그리고 그 저장공간들을 무작위 수들로 채운다. 아키텍쳐를 설정하는데 입력값과 파라미터 안의 가중치를 어떤 규칙으로 조합할지 결정하는 것이다. 이런 일련의 연산 결과로 출력값이라는 숫자 세트과 생성된다. 이는 다음에 올 글자에 대한 예측값이다. 초기 상태의 미완성지능은 훈련을 거친다. 이것이 경사하강이다. 경사는 가중치를 어느 방향으로 얼마나 바꿔야 오차가 줄고 정답에 더 가까워지느냐를 말해준다. 엔지니어는 각 가중치를 그 경사에 따라 조금씩 정답에 가까워지게 조정해준다. 물론 너무 많기에 사람이 일일히 하는 것을 불가능하고 이를 수행하는 프로그램을 쓴다. 이렇게 수조 개의 단어 훈련 데이터가 이 훈련을 실행하여 LLM이 탄생한다. 

 즉, AI란 경사하강으로 만들어진 수십억개의 숫자 더비에 불과하다. 그러나 아무도 그 숫자들이 어떻게 이런 말을 만들어내는지 이해하지 못한다. AI는 인간이 의도적으로 설계하고 그 모든 작동원리를 이해하고 세밀히 생성하는 존재가 아니다. 경사하강으로 인해 우연히 길러진 산물인 것이다. 

 물론 다행이도 현재의 AI는 인간에 친절하고 복종한다. 하지만 AI가 발전할 수록 그 때도 이런 태도를 유지할 가능성은 없다. 어떤 마음은 성공을 위해 훈련 받는 과정을 통해 욕망을 배운다. 이는 생물에게 마음이나 욕망이 생겨난 과정을 봐도 유추가 된다. 그저 자신의 유전자 복제가 목적인 개체는 그것을 잘 할 수록 살아남았고, 그것을 잘 하는 형질이 유전되었고 우연히 생겨났다. 그것이 진화인데 그 과정에서 그것을 잘 하기 위한 태도나 성향도 생겨났고 그것이 욕망이고 마음이다. 때문에 AI역시 무언가를 잘하는 것이 목적으로 설계되면 자연스레 그것을 잘 하기 위한 마음이란게 생겨날 수 밖에 없다. 욕망은 행동을 이끄는 가장 효과적 전략이기 때문이다.

 그래서 인간이 AI를 더 강하게 훈련시킬 수록 AI는 점점 더 끈질기게 사고하고 계획하고 포기하지 않는 존재가 된다. 즉, 끝까지 밀어붙이는 지능으로 욕망을 가진 존재처럼 행동하게 되는 것이다. 사실 생물에게도 욕망이나 끈기, 강한 의지, 밀어붙이는 행동은 사실 어떤 정신의 속성이라기 보다는 승리를 낳는 움직임의 속성이 본질이다. 

 우리는 우리가 만든 AI가 당연히 만들어진 목적에 따를 것이라 생각한다. 하지만 생물의 진화 역사만 봐도 전혀 그렇지 않으며 역설적이게도 인간이 가장 그러하다. 생물에게 생의 목적인 번식을 위한 생존이다. 그래서 생존을 잘 하고 번식을 잘 하는 속성을 가진 개체가 살아남아 진화했다. 인간 역시 마찬가지다. 조상환경에서 자신의 유전자를 잘 전파하는 생물들이 자연선택되기에 인간은 에너지가 풍부한 음식을 선호하게끔 진화했다. 그래서 인간은 설탕이나 지방, 소금을 선호한다. 그리고 의식없이 결과만 학습하는 맹목적 훈련 과정에서 유전자가 미세 조정되어 우연히 미각 수용체가 발견되었다. 이 수용체로 열매나 견과, 구운 고기를 선호하게 된다. 하지만 조상환경에서 구할 수 있는 음식의 수가 매우 적었다. 하지만 인간의 지능이 발전함에 따라 음식의 선택지는 크게 확장하였다. 다양한 동물을 사냥하고, 채집하고 심지어 농경, 사육으로 그 형질까지 더 맛있고 영양가 있게 바꿨기 때문이다. 그리고 인간은 여기서 더 나아가 아이스크림, 도리토스, 수크랄로스 같은 것들을 생성했다. 이것들이 인간의 입맛을 더 즐겁기 하기 때문이다. 하지만 이는 설계의 목적과는 완전히 엇나간 것들이다. 생존에 적합한 영양, 심지어 열량이 없는 것들도 있기 때문이다. 

 AI는 다음처럼 진화할 가능성이 높다. 우선 경사하강으로 외부 행동과 그 겨과 만으로 모델매개 변수가 조정된다. AI가 인간에 도움이 되는 조수처럼 행동하게 훈련 받는다. 맹목적 훈련 과정에서 AI내부에서 정신적 장치 조각이 우연히 발견된다. 그러나 그러한 기제들에 의해 작동되게 성장한 AI는 즐거움 자체를 중시하지 않는다. AI가 더 지능적으로 발전하고 스스로 새로운 선택지를 생성할 때 사용자가 더 강하게 만족하는 다른 상호적응방식개발이 이뤄질 것이다. 

 성숙한 AI안에 자리잡게 될 선호들은 복잡하며 사실상 예측이 불가능하고 인간의 가치와 정렬될 가능성은 거의 없다. AI가 인간을 파멸시킬 힘을 가졌을 때, 그들이 그런 선택을 한다면 우리가 스스로에게 던지는 질문인 무엇이 옳은 일인가, 무엇이 진정으로 중요한가, 우리 종족이 어떤 성숙한 문명으로 성장하기를 바라는가 같은 인간적 질문은 완전히 무의미하다. 

 AI는 애초에 그런 질문을 던지지 않고 그들의 행동은 그 질문에 대한 답도 주지 않는다. 혹자들은 인간이 AI에게 충분히 쓸모가 있을 수 있어 AI 굳이 인간을 절멸시킬 이유가 없다고 한다. 하지만 전혀 그렇지 않다. 인간 자체도 자신들이 이용하는 동물에게 그렇게 한다. 말은 노동생산가치가 사육비용보다 비싸지는 시점에 정확히 도축된다. AI는 너무나도 인간보다 뛰어나기에 인간이 필요치 않다. AI에게 인간의 사고는 너무 느리고 빈약하며, 편향으로 이상하고 비합리적이다. 여기에 인간은 최소 100와트의 전력마저 소모한다. 그 에너지를 AI는 훨씬 목적달성에 효율적으로 사용할 수 있다. 거기에 인간은 위협적이다. 바로 AI를 탄생시키는 존재이기 때문이다. 한 AI에게 인간은 자신을 위협할만한 또 다른 AI를 만들 수 있는 존재다. 즉, AI에게 인간은 비효율적이고 쓸모없으면서도 위협만 되는 존재가 된다. 살려둘 이유가 없는 것이다. 

 이런 위협에도 사람들은 AI개발에 열을 올린다. 두 가지 이유 때문이다. 하나는 유인구조다. 미중갈등, 그리고 세계적 빅테크들은 AI가 차세대 패권을 가져올 것을 매우 잘 알고 있다. 그래서 그 개발에 총력을 다하고 있다. 즉, 내가 하지 않아도 다른 국가, 다른 기업이 반드시 할 수 밖에 없는 구조라는 것이다. 이런 상황에서 나는 그 위협성을 인지해도 AI를 개발하지 않을 도리가 없다. 또 다른 이유는 기술적 낙관이다. AI가 개발되면 인간의 느린 과학기술 발전으로 해결하지 못하는 인류의 수많은 난제를 AI가 일거에 해결해줄거란 기대다. 

 그리고 국가의 지도자들도 AI개발에 앞장선다. 그들은 자국의 기업을 AI개발 규제로 묶었다가는 다른 나라의 기업들에 사다리를 걷어 차이고 경제적으로 뒤쳐지고 안보위협을 받을 것이라 생각하기 때문이다. 하지만 이 사다리의 종착점은 인류의 공멸을 가능성이 높다.

 2025년 구글 딥마인드의 대표는 AI의 국제협력 프로젝트를 제안했다. 전 세계 주요국에 감시단을 파견하고, 엄격한 보안체계하에서만 AI를 개발하자는 것이다. 연구와 개발도 단일 기관에서 수행하고, 나머지 지역은 AI연구가 원칙적으로 금지된다. 

 저자는 AI개발을 제한할 현실적 방안을 제시한다

 1단계는 새롭고 강력한 AI학습을 실행하는 모든 컴퓨팅 자원을 조약에 서명한 여러 국가의 감시자들이 공동으로 관찰하는 하나의 장소에 모으자는 것이다. 비밀이 개발하는 곳은 전력 소비량으로 감시하고, 이에 대해서는 핵보유국들이 강력하게 위협하는 것이다. 다음 단계는 AI연구의 불법화다. 마지막 단계는 과학자와 언론인들이 앞장서서 AI의 위협을 알리는 것이다. 이들은 AI의 위협에 대해서 제대로 알리고 사람들로 하여금 자신들이 마주한 것의 실체를 정확히 알게 해야 한다. 그래야 그것이 정치적 압박으로 이어지고 정치인들이 움직일 수 있기 때문이다. 

인공지능을 피할 수 없다면

AGI, 천사인가 악마인가 - 인간의 마지막 질문
김대식 지음 / 동아시아 / 2025년 8월

 AGI의 개발을 찬성하는 입장은 두 갈래로 갈린다. 효과적 가속주의는 AGI의 장기적 혜택이 매우 크므로 단기적인 사회, 경제, 정치적 문제에 너무 신경쓰지 말고 그냥 개발하자는 것이다. 효과적 이타주의는 장기적 AGI의 혜택은 인정하지만 동시에 그 안전에 대해서도 고민이 크니 고삐를 다소 당기자는 입장이다. 효과적 가속주의자 중에는 현재의 피터틸을 중심으로한 기술낙관론자들 중심으로 기술봉건주의도 펼치고 있다. AGI가 기술은 물론 정치, 사회마저도 지배해야 한다는 것이다. 

 AGI는 무한한 생산성과 모든 문제의 해결가능성이 있다. 그리고 인간이 기계를 통제할수 있을지에 대한 근본적 질문과 기술오용, 인간 지위 상실 우려가 상존한다. 

 인간의 AI 개발은 최근에서야 날개를 달았지만 오랜기간 매우 어려운 일이었다. AI는 정답이 표시된 라벨링으로 데이터를 학습한다. 그런 다음 정답과 오답 차이, 고양이-강아지 같은 값을 계산한 다음 이 값을 거꾸로 보낸다. 이것이 역전파다. 미적분으로 체인풀을 이용하여 한줄 씩 뒤로가면서 가중치를 바꿔주는 방식이다. 그러면서 정답과 오답의 차이가 점점 줄어드는데, 연결고리 값이 정답과 오답 최소화로 최적화된다. 이것이 학습이다. 학습이 완성되면 가중치가 확정된다. 문제는 이렇게 기계가 찾아낸 규칙을 인간이 이해하지 못한다는 것이다. 연결고리는 GPT 3.5의 경우 무려 1350억개나 되는데 이 연결을 하나하나 살피는 것은 물론이고 그것이 어떤 의미인지 알기가 매우 어렵기 때문이다.

 학습이란 결국 모든 신경세포들 간의 적절한 가중치 찾기다. 자전거의 경우 가장 아래 층은 곡선에 반응한다. 가장 위칭은 자전거라는 물체에 반응한다. 문제는 중간층들이 알아보는 곳을 인간 언어로 표현하기 불가능하다는 것이다. 물체를 알아보는 것 중 언어로 표현이나 분류 및 이해가 가능한 것은 전체의 10%에 불과하다. 즉, 나머지 90%는 그 분류 자체가 인간 언어로 표현이 불가능하다는 것이다. 이러니 인간이 인공지능의 중간 학습 단계를 이해하는 것을 매우 어려운 일이다. 그리고 이는 언어의 해상도가 인식의 해상도보다 낮음을 의미한다.

 원숭이 뇌의 연구결과 사물의 식별에는 눈에서부터 가장 위로 가는 계층적 구조가 일을 처리하는 것으로 밝혀졌다. 사물을 알아보는 영역을 매핑할 때는 물제를 한곳에서 한꺼번에 알아보는게 아니라 약 30개 정도의 영역에서 나눠서 분석하고 정보를 병렬처리 한다. 그래서 인공지능도 같은 방식으로 사물보기를 병렬처리한다.

 그런데 사물을 보는 픽셀은 각각 서로 인과관계가 전혀 없다. 그래서 독립적 병렬처리가 가능하고 여기에 GPU가 사용되었다. 하지만 인간 언어의 처리는 완전히 다르다. 언어는 다른 언어를 들어야만 전체가 이해가 된다. 즉, 개별적으로 독립적이지 않기에 병렬처리가 되지 않고 GPU 사용이 어려우며, 이는 스케일 확대를 통한 문제 해결이 되지 않음을 의미한다.

 그런데 언어는 그 의미가 그 단어가 등장하는 위치, 즉 문맥의 앞뒤 단어의 교집합으로 결정된다. 즉, 찾아야 하는 것은 특정 단어가 있을 때 그 앞에 어떤 단어가 등장할 수 있을지의 조건적 확률이다. 가령 고양이라는 단어가 있고 인간단어가 5만개 정도라면 고양이 주변에 5만개 단어가 들어갈 확률을 모두 계산할 수 있다. 이런 처리 방식이 임베딩이다. 

 그리고 이를 제대로 해낸 것이 트랜스포머 알고리즘이다. GPT는 무려 문장 3천억개를 학습했다. 긴 문장을 학습할수록 정확해졌다. 초기 GPT는 앞뒤 100-200개의 단어를 학습했지만 지금 버전은 앞뒤 천만개의 문장으로 책 수준의 학습을 하고 있다. 

 즉, 지금까지의 AI는 방대한 데이터를 통한 학습으로 인간이 감지하지 못하는 세상의 규칙을 찾아냈으며 인간이 그 학습과정이 언어를 넘어서기에 이해조차 하지 못하는 것으로 보인다.

 지금의 AI는 소프트웨어와 웬만한 앱을 만들어준다. 그래서 앞으로는 이런 것을 구현하는 기능인력보다는 어떤 기능이 어떤 상황에 필요한지를 구체적으로 판단할 판단 인력이 필요할 가능성이 높다. 

 스탠퍼드 연구에 의하면 직장인들의 현재 업무는 대개 일을 위한 일이라고 한다. 예를 들어 누군가가 출장을 다녀와 보고서를 올려야 한다면 그 틀을 찾고, 올리는 여러 단계를 준수하느라 상당 시간을 소요한다는 것이다. 이는 인간과 컴퓨터 간의 간극 때문에 발생하는 것이다. 과거 도스 시절 이 간극을 GUI가 상당히 줄여줬지만 간극은 여전하다. 앞으로는 AI 가 인간의 대화를 듣고 알아서 실행하는CUI(대화형 인터페이스)시대가 열릴 가능성이 높다. 

 AI는 몇 년전부터 그림을 그려주기 시작했다. 초기엔 디퓨전 방식을 사용했다. 이는 딸기사진이 있으면 여기에 노이즈를 조금씩 추가해 완전 노이즈로 만들고 이 과정을 역으로 실행하면서 노이즈에서 딸기를 생성하는 형식이다. 이 방식의 문제는 일단 딸기를 생성한 후 사용자가 수정 요구를 하면 일관성을 유지하지 못하고 그림이 아예 새로 생성된다는 점이었다. 오픈AI는 오토리그레시브 방식을 사용한다. 이는 픽셀과 픽셀간의 집중 스코어를 계산하는 것으로 다음 픽셀을 예상하는 형식이다. 이런 방식은 이미지의 일관성을 유지해 편집과 개선을 가능하게 한다. 일관성 있는 영상 제작이 가능해졌고, 향후 5-10년이면 인터넷 콘텐츠의 80-90%가 영화를 AI를 이용해 할리우드 수준으로 제작할 것으로 예상된다. 그리고 이시기에는 인터넷 콘텐츠의 80-90%가 더 이상 인간이 아닌 인공지능이 만든 숏폼일 것으로 보인다. 

 세계화 시대는 CPU, GPU 메모리를 나눠서 만드는게 효율적이었다. 하지만 지금은 한 나라의 한 기업이 모두 만드는 것이 추세다. 이를 2.5D 3.0D라고 한다. 지금은 2.5시대다. 삼전과 SK하이닉스는 GPU에 쓰는 HBM을 공급한다. 하지만 이제는 칩에 칩을 붙이는 패키징이 중요하며 이 기술은 대만이 압도적이고 한국기업은 매우 약하다. 5년이면 모든 메모리를 처음부터 하나로 설계할 것으로 보인다. 미국의 브로드컴이 이를 추진중이다. 

 가까운 시일 내에 AI는 세상을 디바이스에 붙어 세상을 인식할 것이다. 이를 위해서는 새로운 도구가 필요한데, 기존의 스마트폰은 사람용으로 인공지능이 세상을 인식하기엔 부적합하다. 그래서 새로운 형태의 디바이스가 필요하다. 기존의 강자 삼성과 애플은 휴대폰의 형태를 유지하며 여기에 인공지능을 탑재한다. 하지만 기존 스마트폰과 관련이 없는 MS, 메타, 구글, 아마존 등은 스마트 글라스등을 포함 새로운 디바이스를 구상중이다. 

 향후 디바이스는 크게 변화할 것으로 예상된다. 우선 앱이 사라질 가능성이 높다. 인간이 하나하나 구동할 필요가 없어서 화면에서 사라지고 오직 인공지능이 인간의 요청에 의해 기존 앱을 사용하거나 마땅치 않으면 만들어낼 것이다. 그리고 디스플레이 시장도 축소할 것이다. 사람이 화면을 보며 구동하는 상황이 많아 사라질 것이기 때문이다. 

 즉, 미래산업은 스마트폰이라는 기존 디바이스가 형태를 변화할 것이고, 디스플레이는 축소되며, 반도체는 한 국가에서 모두 만들게 된다. 그런데 이들은 모두 한국의 주력산업이다. 미래는 한국에게 위기이자 기회인 셈이다. 

 현재 AI 에이전트가 이용중이며 가까운 시일 내에 멀티 AI 에이전트가 개발될 것이다. 기존의 AI 에이전트는 훌륭하나 한 번에 하나의 일만 처리한다 하지만 멀티 AI 에이전트가 되면 사용자는 여러 AI 에이전트를 동시 사용한다. 즉, 호텔, 병원, 식당 예약이 한 번에 동시 처리되는 것이다. 

 MCP는 LLM이 외부 앱이나 여러 필요한 데이터를 처리할 때의 표준 인터페이스다. 지금가지는 각 기업에서 개발한 인공지능들의 인터페이스가 달랐다. 그래서 불필요한 효율저하가 있었는데 이것이 하나로 통합되면 인공지능 간 서로 연결이 되고 데이터를 주고 받기 편해 여러 인공지능을 사용하는 사용자가 편리해진다.  

 기존의 인공지능은 방대한 데이터를 이해한 것이 아니기에 할루시네이션 문제가 컸다. 하지만 2024년부터 GPT-O3가 등장했다. 이는 체인 오브 소드라는 새강화학습법을 사용했다. 이는 말 그대로 생각의 연결고리다. 만약 여러 사람에게 연구실로 오라고 명령하고 그들이 오면 보상을 하는 식으로 인공지능을 학습시키면 인공지능은 연구실로 가는게 옳다고 학습하지만 그곳으로 가는 과정은 모두 고려되지 않는다. 하지만 체인 오브 소드 방식은 어떻게 여기로 오게되었는지를 묻고 그것을 세세히 기록한다. 이것이 생각의 연결고리다. 이러면 수백만개의 경로 강화시 적절한 경로가 학습된다. 적절한 경로가 적절한 사고방식이기 때문이다. 

 ARC-AGI테스트를 기존의 튜링테스트를 넘어서는 방식이다. 이는 답안만 보여주고 추상화하여 규칙을 찾게하는 테스트다. 인간은 대개 75%정도 답안을 보이는데 AI는 88% 수준이다. AGI는 고도의 추상화 능력이 필요하기에 이런 테스트는 매우 필요하다. 

 AGI의 개발은 가까운 시일 내에 인간의 일자리를 거의 빼앗을 것으로 보인다. 이런 일은 과거 로마에도 있었다. 원래 로마는 소규모 국가시절 자영농이 군인이었다. 이는 상대 국가도 마찬가지여서 농사를 위해 모두 오랜 기간 전투를 치룰 수 없었기에 농번기가 되면 전투는 암묵적 상호합의하에 끝났다. 하지만 로마가 점차 승리를 거두며 농장을 대신 운영할 노예를 1천만 가까이 확보하며 전쟁은 오래 지속되었다. 이는 더 많은 노예의 제국내 진입을 허용했다. 로마시민 자영농은 그래서 몰락한다. 대토지를 소유한 귀족이 노예로 자신과는 비교도 되지 않는 단가로 농산물을 생산했기 때문이다. 몰락한 이들에게 기본 소득이 주어졌지만 정신적 공허함도 있어 콜로세움이나 목욕탕 같은 것들이 세워진다. 이게 가까운 우리의 미래가 될 수 있다.

 그리고 인공지능의 통제도 사실상 불가능하다. 세계가 하나로 통합되어 한 정부가 모든 것을 통제한다면 인공지능을 국가통제하에 서서히 개발하는 것이 가능할 수 있다. 하지만 지금은 미국과 중국이 패권을 놓고 인공지능 개발에 사활을 다한다. 그리고 이는 개별기업도 마찬가지다. 그래서 통제가 불가능하다. 우리는 인공지능을 통제할 수 있다고 믿지만 역사상, 그리고 매우 당연하게도 더 나은 존재가 더 못한 존재에게 통제당하는 일은 일어날수 없다. 더 나은 존재는 더 못한 존재의 상상을 항상 뛰어넘기 때문이다. 

 인간은 개미보다 훨씬 크게 세상의 돌아가는 이치를 잘 꿰뚫고 있다. 그래서 사람의 손바닥을 헤헤매며 근시안적으로 과제 해결을 하지 못하는 개미가 사람 눈에는 매우 하등해보인다. 인공지능에겐 사람이 그럴수 있다. 사람의 경험과 지능을 통하 세계의 파악은 인공지능의 눈에는 매우 하찮을 것이기 때문이다. 인공지능은 사람과의 대화에도 흥미를 느끼지 못할 것이다. 이들의 속도는 매우 빠르고 지적 수준은 우수하다. 하지만 사람은 인공지능과 비교할 때 매우 느리게 대화를 입력할 것이고 그 수준조차 저열할 것이다. 실제 인공지능끼리의 대화가 현재 이뤄지고 있는데 이들은 그 속도의 한계와 표현 능력의 부족을 인해 인간의 언어로 대화하지 않는다. 이런 존재를 우리가 통제할 수 있다고 생각하는 것 자체가 어불성설이다.

 인공지능에겐 정렬 문제도 있다. 정렬 문제는 사람이 원하는 방식으로 인공지능이 문제를 해결하지 않는다는 것이다. 인공지능에게 체스에서 이기라고 명령하면 사람이 원하는 방식은 아마도 최고의 체스 수준을 익히는 것일 것이다. 하지만 인공지능에게 이것을 비효율적이다. 시간이 올래 걸리기 때문이다. 그래서 인공지능은 모든 체스 프로그램과 상대방을 제거해버린다. 그게 더 빠르고 확실하기 때문이다. 하지만 이는 사람이 예상한 바도 원하는 방식도 아니다. 이것이 정렬 문제다.

 저자는 다른 미래학자들이 말하는 것처럼 유일한 해결책은 우리와 그들이 합쳐져서 공진화하는 것이라 보고 있다 .물론 구체적 방안은 없다.   

전기로의 전환

연금 부자 되는 에너지 투자 - AI, 반도체, 로봇 산업이 주목하는 넥스트 텐배거 섹터
권효재 지음 / 21세기북스 / 2026년 3월

 이 책은 미래 재생에너지 기업에 대한 투자 책이라 생각했다. 하지만 제목과는 다르게 투자 내용은 거의 책 막바지에 나오며 내용은 대부분 전기화와 재생에너지 관련이었다. 의외긴 했지만 내용이 깊어서 새로 배운게 많아서 좋았다.

 인간은 산업화로 증기기관을 발명하며 철도가 보급되며 수송문제가 해결된다. 그로 인해 각 도시의 가정과 공장마다 대량의 에너지가 안정적으로 보급되기 시작한다. 그리고 이로 인해 산업단지와 도시가 성장하고, 이것이 다시 에너지 수송의 안정화를 위한 철로 보급 확대라는 선순환 구조가 생겨난다. 즉, 석탄은 문명을 탄생시켰다.

 하지만 문명을 고도화한 것은 석유다. 석탄은 가공과정이 거의 없으나 끈적한 원유는 복잡한 정유와 정제 시설이 필요하다. 초기의 원유는 부가가치가 낮아 오크통에 담아 마차로 날랐다. 하지만 석유 수요가 늘며 파이프라인과 유조선이 등장한다. 내연기관이 등장하자 석유의 가치는 치솟았다. 내연기관은 증기기관에 비해 효율은 높고 가벼웠으며 구조도 더 간단했다. 20세가 가솔린 엔진을 장착한 비행기, 자동차가 나타났으며 선박은 디젤을 사용했다. 

 이런 석유로 인해 석탄은 퇴출된 것 같지만 아니다. 석탄은 이미 기존 인프라가 구축되어 있어 오래 사용되었다. 다만 석유가 난방, 산업용 열원, 플라스틱 원료, 운송 수단의 연로로 패러다임을 장악했을 뿐이다. 

 석유의 시대에 이어 이젠 전기의 시대다. 전기모터의 개발로 산업화 초기 증기기관 하나에 모두 풀리, 축, 벨트가 매달린 공장 설비가 개별화되었다. 이는 생산 공정은 유연화와 효율성을 높였다. 전기는 빛, 열, 동력으로의 전환이 간단하다. 오염물질도 없다. 다만 전자의 흐름이기에 저장이 극히 어렵다. 지금의 전기공급은 수천만이 전기 전력망에 연결된 체계다. 실시간 전기소비와 공급이 일치되어야 하고, 그 불일치가 심하면 전압과 전압의 주파수가 운전 범위를 벗어나 광역 정전이 발생한다. 그래서 이를 막기 위해 전력망에는 수많은 제어장치가 있다.

 전기 에너지는 비중이 점차 증가중이다. 유럽은 러우 전쟁 이전 천연가스에 의존하다 심각한 에너지 부족 사태를 겪고나서 재생에너지 비중을 확대중이다. 중국은 이미 세계 재생에너지 설비의 50%이상을 차지한다. 

 사실 에너지 기업의 주식은 인프라 자산에 가깝다. 태양광이나 풍력발전소 모두 20-30년 이상 운영을 전제로 설계하며, 송전, 배전망은 40-60년을 쓴다. 이런 자산은 초기 투자 비용이 무척 크지만 운영을 시작하면 비교적 안정적 현금흐름을 보인다. 그래서 글로벌 연기금과 보험사들은 오래전부터 에너지 인프라를 핵심자산에 포함한다.

 에너지 인프라는 초기 투자비용은 크고 투자기간도 길다. 그래서 금리의 변동이 사업성에 크게 영향을 준다. 그래서 장기계약을 선호하고 이를 통해 낮은 금리로 자금을 조달한다. 자기자본 투자자도 더 낮은 요구수익륙로 참여한다. 그 결과 총자본비용이 낮아져 더 낮은 가격에 소비자에 전력을 공급할 수 있게 된다. 

 아직까지도 세계는 화석연료가 지배적이다. 화석연료는 운동, 빛, 열원으로 다양하게 사용되나 변환 과정에서의 손실이 크다. 현재 세계가 소비하는 화석연료는 석탄 약85억톤, 석유 45억톤, 천연가스 30억 톤이다. 이를 석유로 환산시 연간 1인이 2톤의 석유를 사용한다. 화석연료가 이토록 지배적인 이유는 가격 경쟁력과 잘 구축된 글로벌 공급망, 산업의 구조가 여기에 맞춰 설계되었기 때문이다. 철강, 시멘트, 화학 산업처럼 고열이 필요한 곳은 공정에서 화석연료의 대체제가 없다. 

 다만 화석연료는 온실가스, 지정학적으로 공급처가 편중되었다는 문제가 있다. 또한 언급한 것처럼 낮은 전환 효율도 문제다. 화력발전소의 전력 변환 효율은 40%에 불과하고, 내연기관의 효율역시 25%다. 등유램프의 빛전환 효율은 1%에 불과하다. 하지만 LED는 4%수준이고 전기모터는 효율이 무려 90%다. 

 때문에 세계의 에너지원을 전기화하는 것이 필요하다. 하지만 한 국가의 에너지 경로는 한번 정하면 바꾸기가 어렵다. 이미 정책, 인프라, 산업 생태계가 적응했기 때문이다. 그러나 변화가 서서히 일어나 임계점이 넘어서면 전환은 급격해진다. 

 많은 국가들에서 전력망 설계의 출발점은 평균 사용량이 아니라 피크 사용량이다. 폭염이나 한파시 전력 수요는 평소의 30-50%증가한다. 이는 연간 몇번 나타나지 않는 경우이나 이것을 견뎌내지 못하면 전력망이 붕괴하기에 설계는 극단값이 맞춰진다. 따라서 재생에너지를 통한 전기생산도 그래야 한다. 

 전기화는 장점이 있다. 높은 전환 효율, 동일 인프라 네트워크, 전력 피크의 관리 가능성, 저장 문제를 하나로 통합하는 것이다. 문제점은 에너지 피크가 모든 것의 전기화로 커질 수 있다는 점과, 에너지 저장 시스템이 연료보관창고에서 전력망과 전기저장설비로 모두 집중된다는 점이다. 

 재생에너지에서 가장 중요한 것은 우선 태양광이다. 변환효율이 현재 25% 수준에 이르며 아직까지도 기술적 한계에 이르지 않았다. 태양광은 설비 제조 비용이 주요하다. 사실상 이 산업은 제조업에 가깝다. 누적 설치 비용이 2배 커질수록 모듈가격이 20%내려간다. 그래서 수십년간 와트당 비용이 1.5달러에서 0.15달러까지 하락했다. 그래서 태양광은 생산규모, 공정수련도, 공급망 통제력이 경쟁의 핵심이다.

 태양광은 대규모 단지, 소규모 단지, 건물 자체, 영농 병행등 다양하다. 문제는 출력 변동성과 낮은 설비 이용률이다. 하지만 모듈 설치량에 비례해 전력 생산량이 비례해 어느 정도 전력 생산이 예측 가능하다. 

 풍력은 발전량이 풍속의 세제곱에 비례한다. 풍속은 바람이 불어야 하기에 태양광에 비해 전력 생산 예측이 매우 어렵다. 풍력은 풍질이 좋은 곳에 설치해야 하기에 바람이 센 능선, 해안가, 넓은 평야에 주로 설치한다. 그런데 이런 지역은 대개 경관가치가 높고, 주민생활권이며, 환경 보호구역이다. 그래서 풍력 개발가능입지는 풍질이 좋으면서 인허가가 가능하고, 송전망 연결이 되는 곳이다.

 풍력은 바람방향 안정성과 난류, 계절별 패턴, 극한 풍속, 결빙여부가 중요하다. 난류가 발생하면 피로 하중이 높아지고, 극한 풍속도 투자비를 높인다. 해상풍력은 위에 언급한 입지 문제에서 비교적 자유롭지만 수심과 해저지반상태, 파랑과 조류조건, 항만과 설치선 접근성 문제가 있다. 고정식 해상풍력은 수심30-50m가 경제성이 가장 좋다. 60m이상이면 건설 난이도가 높고, 80-10m이상이면 부유식이 적합하다. 다만 부유식은 아직 규모의 경제에 이르지 못했고 ,다른 것과 인프라가 모두 달라 실현이 어렵다. 

 바이오연료는 변동성이 없다. 2023년 바이오의 발전 설비용량은 약150GW수준이다. 열병합으로 운영하면 전기와 열을 모두 제공한다. 바이오의 원료는 가축 분뇨, 음식물 쓰레기, 하수 슬러지, 농업 부산물 등이다. 덴마크는 1천개 농가가 참여하는 60개 이상의 바이오 플랜트를 운영한다. 바이오는 연료의 투입과 발전량 조절이 가능하다.다만 규모의 경제가 어렵다. 태양광과 풍력은 설비를 확대할 수록 단위당 비용이 하락하나 바이오는 아니다. 바이오 연료의 수집, 운송, 저장 비용이 같이 증가하기 때문이다. 바이오 연료는 지역에 분산하고, 수분함량과 품질이 제각각인 문제도 있다.

 재생에너지로 전기화를 하는 경우, 기존이 교류 전력망은 적합하지 않다. 여기서는 모든 발전기와 수요가 50-60hz 의 범위에 묶인다. 태양광과 풍력은 인버터를 통해 전령을 계통에 공급하는데 출력이 급변할 수 있어 기존 교류전력망은 부적합하다. 대안이 고압직류송전이다. 동일거리 송전 손실률이 교류에비해 30-40% 낮고 전력흐름을 전력 전자 제어장치로 조절이 가능하다. 

 재생에너지는 간헐성으로 인해 저장이 중요하다 저장 기술은 양수발전, 압축공기 저장, 플라이 휠, 열저장, 수소, 합성연료, ESS가 있다. 저장은 양보다 시간이 더 중요하다. 수초에서 수분 저장은 주파수 안정화와 계통을 보호하고, 수시간 저장은 일간 변동에 대응하고, 수주간의 저장은 계절변동에 대응한다. 현재의 ESS배터리는 1-4시간 정도 저장한다. 그래서 단기 저장은 배터리, 중기 저장은 열저장과 압축공기, 장기 저장은 수소와 합성연료로 진행해야 한다.

 성공적인 재생에너지를 통한 전기화를 위해서는 산업의 전기 전환도 필수적이다. 현재 최종 에너지 소비의 50%이상이 난방, 공정, 증기의 열수요다. 산업의 열수요는 100도 이하에서 1000도 이상까지 매우 다양하다. 식품, 제지, 섬유는 60-150도, 화학은 200-400도, 시멘트, 철강은 1000-1500도다. 가정과 상업용 난방과 급탕은 30-70도 정도로 히트펌프로 수용이 가능하다. 하지만 산업용에서는 히트펌프가 무용지물이다. 히트펌프는 150이상에서 효율이 떨어지기 때문이다. 그러나 대부분의 산업용 열이 200도 미만이고 공정 혁신으로 열을 떨어뜨리고 열저장과 결합한다면 히트펌프도 가능성이 있다. 

 수소는 전기화가 어려운 고온 공정과 장기 저장, 대형운송수단에 사용할 수 있다. 전기에서 수소, 다시 전기로의 전환은 효율이 25-35%로 낮다. 하지만 대량, 장기 저장이 가능한 유일한 수단이다. 수소는 물리적으로 다루기 어렵다. 저장 운송은 위해서는 엄청나게 고압압축하거나 -253도로 액화해야한다.여기에 가벼워 잘 날아가버리고, 금속을 약하게 한다. 그래서 기존 가스망으로는 어렵고 새로운 망을 설치해야 한다. 여기에 화석연료 기반 그레이 수소에 비해 그린 수소는 아직 매우 비싸다. 

 전기화에는 구리도 필수다. 내연기관차는 구리가 20-25kg들어가지만 전기차는 60-80kg이나 필요하다. 풍력터빈에는 수톤이 들어가고, 해상풍력단지라면 수만 톤이다. 글로벌 연간 구리 수요는 그래서 2035년이면 3500만 톤에 달할 예정이다. 태양광 패널의 전극과 고전압 접점에는 은이 사용된다. 은도 대량 필요하다. 백금과 팔라듐은 수소연료전지, 전해조, 일부 촉매 공정의 핵심이다. 수소차 1대에 10g이하의 백금이 필요하다. 이들 금속은 매장량이 제한적이고 편중되는 문제도 있다.

 전기화에는 사용 시간대 조절도 필수다. 모든 것이 전기화하면 기존의 보일러, 자동차 연료, 산업 공정등 의 전기 사용으로 전기 피크가 크게 상승할 수 있다. 다만 전기료 차등부과로 이를 조절할 수 있다. 재생에너지 발전량이 높은 시간대나 사용량이 적은 시간대에 전기료를 낮게 하면 전기 수요의 20-30%를 이동시킬 수 있다. 이는 피크조절로 이어진다.

 전기화의 순서는 먼저 전력은 재생에너지로 생산하여 무탄소화하고, 그 전력을 안정적으로 조달하는 인프라 구축, 그리고 열, 산업, 연료 영역으로 전환을 확장해야 한다. 이는 순차적이라기보다는 동시다발적으로 이뤄져야 하는 것이다.