구글의 Gemini가 이제 AI 경쟁에서 선두를 달리고 있나요?

AI 기술의 발전은 마치 경쟁이라고 불릴 만큼 타당하며, OpenAI와 Anthropic 같은 민간 스타트업이 Microsoft (MSFT )와 Google (GOOGL ) 같은 기술 대기업과 정면으로 경쟁하고 있습니다. 이 경쟁은 소프트웨어 개발뿐만 아니라 최신 모델을 학습시키기 위해 점점 더 크고 전력을 많이 소모하는 AI 데이터 센터를 구축하는 대규모 자본 지출까지 포함해 수천억 달러의 투자가 동력이 되고 있습니다.

한편, 중국 모델들도 빠르게 발전하고 있어 서구 기업들의 노력에 긴박감과 지정학적 경쟁을 더하고 있습니다.

최근 구글의 Gemini가 경쟁자를 앞서 나가고 있는 듯 보이며, 특히 언어뿐 아니라 물리적 세계에 대한 현실적인 이해에 초점을 맞춘 Gemini 3 Deep Think 모델이 출시되었습니다. 또한 구글은 Apple (AAPL )에 의해 회사 기기의 AI를 구동하는 파트너로 선정되었으며, AI 칩 제조 사업에서도 진전을 보이고 있습니다.

Gemini 3 Deep Think: 무엇이 달라졌나요?

Deep Think 출시

2026년 2월 12일 Gemini 3 Deep Think가 출시되면서, 구글은 주로 검색 및 언어(LLM)에 초점을 맞춘 AI에서 물리적 세계를 이해할 수 있는 보다 일반적인 AI로 나아가는 확고한 발걸음을 내디뎠습니다.

이는 중요한 발전으로, “Physical AI”가 업계가 나아가고 있는 방향이며, 우리는 “Physical AI: 2026 휴머노이드 로봇 붐에 투자”에서 이 추세를 더 자세히 살펴보았습니다.

현재 새로운 Deep Think는 Google AI Ultra 구독자를 위한 Gemini 앱에서 이용 가능하며, 처음으로 선택된 연구자, 엔지니어 및 기업에게 Gemini API를 통해 제공되어 이 AI가 테스트 모델이 아니라 이미 상업적으로 이용 가능하게 되었습니다.

수학 및 과학 우선

Deep Think를 이전 Gemini 버전 및 다른 AI와 구별하는 점은 수학적 이해에 중점을 두었다는 것입니다.

LLM은 간단한 수학 과제에서 성능이 저조한 것으로 악명 높으며, 때로는 간단한 덧셈이나 순차적 계산조차 실패합니다. Deep Think는 이러한 문제가 없으며, 특화된 에이전트를 통해 연구 수준의 수학 탐구를 가능하게 했습니다. 이 모델은 수학 및 과학 테스트에서 다른 모델들을 크게 앞서며, 코딩 작업에서도 매우 뛰어난 성능을 보이고 있습니다.

출처: Google

Gemini Pro Preview와의 차이는 국제 수학 올림피아드나 국제 화학 올림피아드와 같은 과학 주제 테스트에서 더욱 뚜렷하게 나타나며, 이 모델은 약 82%의 점수를 기록한 반면 이전 Google LLM 모델의 수학 테스트 점수는 14%에 불과했습니다.

출처: Google

이러한 결과는 데이터가 부족할 때 환각 현상이 발생하는 “고전 AI”와는 근본적으로 다른 아키텍처 덕분에 가능했으며, 최신 과학적 발견에서는 데이터가 항상 부족할 것이기 때문에 이는 필연적입니다.

예를 들어 순수 수학 분야에서 Gemini Deep Think가 구동하는 수학 연구 에이전트(내부 코드명 Aletheia)는 후보 솔루션의 결함을 식별하는 자연어 검증기를 갖추고 있습니다. 이는 솔루션을 생성하고 수정하는 반복 과정을 가능하게 하며, 중요한 점은 이 에이전트가 문제 해결에 실패했음을 인정할 수 있다는 것으로, 이는 연구자들의 효율성을 크게 향상시켰습니다.

출처: Google

이 접근 방식은 올바른 결과를 제공하는 데 더 강력할 뿐만 아니라, Aletheia가 보여주듯 낮은 추론 시간 컴퓨팅으로도 높은 추론 품질을 달성할 수 있어 효율적입니다.

이 접근 방식은 수학에서 다른 물리학 분야로 확장될 수 있습니다. 예를 들어 Gemini Deep Think는 “Gegenbauer 다항식을 이용한 새로운 해결책”을 사용해 우주 끈으로부터 발생하는 중력 복사를 계산하는 방법을 찾아냈습니다.

실제 과학 응용

이 성능은 이미 연구자들에 의해 실제 과학적 활용으로 이어지고 있습니다.

예를 들어, Rutgers University의 수학자 Lisa Carbone은 Deep Think를 사용해 인간 리뷰어가 놓친, 아인슈타인의 중력 이론과 양자 역학에 관한 고도로 기술적인 수학 논문에서 논리적 결함을 발견했습니다.

Deep Think는 또한 Duke University의 Wang Lab에서 100마이크로미터보다 큰 반도체 얇은 필름을 성장시키는 레시피를 설계하는 데 사용되었으며, 이는 이전에 달성하기 어려운 목표였습니다.

배포, 하드웨어 및 전략적 모멘텀

Deep Think의 성과는 구글 AI 팀에 대한 다른 좋은 소식 위에 더해졌습니다.

가장 중요한 것은 AI 경쟁에 거의 참여하지 않았던 유일한 기술 대기업인 Apple이 Gemini를 Apple 기기의 기본 AI로 채택하기로 한 결정이었습니다. 이러한 맥락에서 OpenAI가 2025년 12월에 구글의 진전 및 기타 AI 기업에 대해 “코드 레드”를 선언한 것은 의미가 있습니다.

“Gemini의 사용자 기반은 8월에 이미지 생성기 Nano Banana가 출시된 이후 꾸준히 증가했으며, 구글에 따르면 월간 활성 사용자는 7월의 4억 5천만 명에서 10월에는 6억 5천만 명으로 성장했습니다.

OpenAI는 또한 비즈니스 고객 사이에서 인기를 얻고 있는 Anthropic으로부터 압박을 받고 있습니다.”

구글의 최근 성공 중 또 하나는 AI 칩의 성공입니다. 처음에 Anthropic이 구글의 AI 칩인 TPU(텐서 처리 장치)를 사용하기 시작한다고 발표했습니다, 이는 최대 100만 개의 프로세서를 사용해 AI 소프트웨어에 전력을 공급하는 것을 포함합니다. 이제 경쟁 AI 기업인 Meta도 구글의 TPU를 사용하기 시작했으며, 구글이 Nvidia (NVDA )와 마찬가지로 OpenAI에 대한 경쟁자가 되고 있는지 의문이 제기됩니다.

(TPU 및 XPU, FPGA 등 AI 중심 하드웨어에 대해 더 읽고 싶다면 “AI 하드웨어 투자: CPU에서 XPU까지”를 참고하세요.)

Alphabet의 AI 전략: 규모의 수직 통합

스크롤하려면 스와이프 →

TPU에 대한 집중은 구글 전략의 좋은 지표입니다. Gemini와 같은 견고한 LLM 및 Deep Think와 같은 실제 응용 분야에서의 뛰어난 성능은 물론 매우 중요합니다.

하지만 구글이 견고한 위치를 차지하고 있는 것은 AI 배포 제어와 비용 구조 및 자본 접근성 측면입니다.

Android를 통한 모바일 시장에서 구글의 존재감은 이미 강력하지만, Apple과의 계약으로 인해 특정 AI 앱으로 라우팅되지 않은 대부분의 AI 요청이 직접적이든 간접적이든 Gemini로 향하게 될 가능성이 거의 보장됩니다.

또 다른 요소는 TPU에 대한 의존도가 증가하고 있다는 점입니다. 일부 보고에 따르면 TPU는 Nvidia GPU보다 약 30% 저렴하며, 동일한 작업량에서 달러당 2~4배 더 나은 성능을 제공합니다. 동일한 컴퓨팅에 대한 에너지 소비 감소는 단순히 재정적인 문제를 넘어, 에너지 공급 제약이 커지는 상황에서도 AI 데이터 센터를 확장하는 데 도움이 됩니다.

마지막으로, TPU에서 시작해 자체 데이터 센터, 엔터프라이즈 클라우드 플랫폼, 그리고 소비자 배포 채널에 이르는 수직 통합 수준은 업계에서 독보적이며, 엔터프라이즈 분야에서 다소 근접한 기업은 마이크로소프트뿐입니다.

마지막으로, AI 인프라 구축에는 엄청난 비용이 소요되었습니다. 수천억 달러에 달하는 칩과 데이터 센터에 대한 비용은 이제 매년 대차대조표에 막대한 감가상각 비용을 발생시키며, 검색, YouTube, Android 및 기타 제품에서 나오는 Alphabet의 현금 흐름 규모는 이러한 초기 비용과 향후 유지 관리 비용을 감당할 수 있게 합니다.

Gemini가 실제로 앞서 나가고 있나요?

AI 경쟁에서 특정 “승자”를 지정하는 것은 확실히 시기상조입니다. 예를 들어, 현재 패러다임 전체가 이제 합병된 xAI/Space가 제공하는 궤도 데이터 센터가 강력한 경쟁 우위가 된다면 뒤바뀔 수 있습니다.

하지만 몇 가지 추세가 나타나 구글에 유리하게 작용하고 있는 것으로 보입니다.

첫 번째는 특화된 AI 하드웨어에 대한 필요성으로, 많은 기술 대기업이 뒤처져 있어 칩 제조업체와 구글에 이점을 제공합니다.

다른 하나는 일반 대중을 위한 배포 제어의 중요성으로, 사람들이 어떤 AI를 사용할 수 있는지 혹은 사용해야 하는지 잘 모를 수 있습니다. 이 점에서 전체 Apple 생태계에 대한 직접 접근은 구글이 iPhone의 기본 검색 엔진이 되도록 한 이전 전략을 반영합니다 (이는 2025년 말 미국 반독점 판결을 초래했으며 “너무 유리했다”는 이유였습니다).

Deep Think의 수학 및 과학 분야에서의 뛰어난 역량과 함께, 구글은 AI 분야에서 2026년을 훌륭히 시작하고 있습니다. 이 선두 위치가 OpenAI, Microsoft, Meta, Anthropic 및 Alibaba (BABA )나 ByteDance와 같은 중국 기술 대기업들의 다양한 중국 모델들의 반발에도 오래 지속될지는 아직 미지수입니다.