AWS·애저·구글 클라우드의 AI 전쟁, 승부는 ‘모델 밖’에서 갈린다 전력·자체 칩·요금·보안으로 읽는 2026년 클라우드 3사의 전략

AI를 한 번 써 보는 것과 회사에서 매일 안정적으로 돌리는 것은 다른 문제다. 답변이 훌륭해도 청구서가 감당이 안 되면 곤란하다. 일을 척척 해내도 보여서는 안 될 문서를 보여 준다면 더 큰일이다.

그래서 이번에는 AWS, 마이크로소프트 애저, 구글 클라우드를 ‘AI가 살아가는 도시’에 빗대어 본다. 모델이 도시의 얼굴이라면, 그 도시를 하루하루 굴러가게 하는 건 전력과 연산 인프라, 요금 체계, 출입 통제다.

01. 가장 큰 클라우드와 가장 빨리 크는 클라우드

클라우드 시장으로 돈이 몰리고 있다. 시장조사업체 시너지 리서치 그룹에 따르면 2026년 2분기 전 세계 기업이 클라우드 인프라 서비스에 쓴 돈은 1,430억 달러로, 1년 전보다 43% 늘었다. 8년 만에 가장 빠른 증가세다. 생성형 AI 전용 클라우드 서비스는 165%나 늘었다.^[4] 클라우드 요금이 일제히 올랐다는 뜻은 아니다. 기업들이 클라우드에 쓰는 돈 자체가 커졌다는 뜻이다.

덩치는 어떨까. 같은 조사에서 2026년 2분기 클라우드 인프라 시장 점유율은 AWS 28%, 마이크로소프트 20%, 구글 15%였다. 공용 클라우드(IaaS·PaaS)만 떼어 보면 세 회사가 67%를 차지한다.^[4] 1분기에는 28%, 21%, 14%였으니,^[5] 한 분기 만에 구글은 1%포인트 오르고 마이크로소프트는 1%포인트 내려갔다.

점유율은 여전히 AWS가 1위지만, 크는 속도는 순서가 정반대다. 같은 분기 AWS 매출은 37% 늘어 18분기 만에 가장 빨랐고,^[1] 마이크로소프트의 ‘애저 및 기타 클라우드 서비스’ 매출은 43%,^[2] 구글 클라우드 매출은 82% 늘었다.^[3] 덩치가 클수록 천천히, 작을수록 빠르게 크고 있다. 물론 AWS의 덩치를 생각하면 37%도 엄청난 속도다.

가장 큰 회사와 가장 빨리 크는 회사가 같지 않다. 그렇다면 우리에게 더 중요한 건 덩치일까, 속도일까?

세 회사가 같은 분기 실적 발표에서 내세운 생태계 규모도 하나씩 보자.

02. 전력: 세 회사가 원자력을 찾는 이유

도시에 전기가 없으면 아무것도 돌아가지 않는다. 국제에너지기구(IEA)에 따르면 일반 데이터센터는 10~25메가와트(MW) 규모지만, AI에 맞춘 초대형 데이터센터는 100MW 이상이다.^[7] IEA는 2026년 전망에서 전 세계 데이터센터의 전력 소비가 2025년 약 485테라와트시(TWh)에서 2030년 약 950TWh로 거의 두 배가 된다고 내다봤다. 2030년 세계 전력 수요의 약 3%에 해당하는 양이다.^[8]

전기를 확보하는 방식은 회사마다 다르다.

전기는 어떤 길로 들어올까

AWS와 탈렌의 계약은 눈여겨볼 만하다. 전기가 들어오는 길이 바뀌고 있어서다. 처음에는 원전과 같은 부지에 있는 데이터센터가 계량기 뒤(behind-the-meter)에서 전기를 받았다. 전력망을 거치지 않고 발전소에서 바로 끌어다 쓰는 구조다. 그런데 미국 연방에너지규제위원회(FERC)는 2024년 11월, 이렇게 직접 받는 전력량을 300MW에서 480MW로 늘리는 계약 변경안을 거부했다.^[20][12]

2025년 새 계약에서는 이를 계량기 앞(front-of-the-meter) 방식으로 바꾸기로 했다. 전력망을 거쳐 전기를 받는 방식이다. 원전에서 나온 전기는 PJM 전력망으로 들어가고, 탈렌은 소매 공급자를, 지역 전력회사 PPL은 송전과 배달을 맡는다.^[13] 탈렌은 2025년 연차보고서에서, 송전 설비 공사가 2026년 봄쯤 끝날 것으로 보고 그 뒤 전환을 시작해 2027년 봄에 마칠 것으로 내다봤다. 어디까지나 공시 속 예상이고, 실제로 끝났는지는 따로 확인해야 한다.^[16] 버튼을 눌러 두 구조를 비교해 보자.

정리하면 마이크로소프트는 ‘검증된 옛 원전 되살리기’, AWS는 ‘지금 도는 원전과 장기 계약에 새 SMR 더하기’, 구글은 ‘새 기술에 먼저 투자하기’다. 공통점도 있다. 결과는 대부분 2027년 이후에야 나온다. 2026년 현재, 이 원자력 계획들은 대부분 아직 준비 단계다.

최근 아마존과 구글은 지름길을 하나 더 찾았다. 이미 돌고 있는 원자로의 터빈과 제어 설비를 바꿔 출력을 키우는 ‘업레이트’다. 아마존은 9월 30일 원전 회사 컨스텔레이션과 메릴랜드주 캘버트 클리프스 원전의 전기 690MW를 20년간 사기로 했다. 이 가운데 190MW는 2030~2032년 업레이트로 새로 늘어날 몫이다. 구글은 10월 6일 같은 회사와 20년 계약을 맺고, 원자로 11기를 손봐 2032년 말까지 890MW를 PJM 전력망에 더하기로 했다. 구글은 새 대형 원자로를 처음부터 짓는 것보다 몇 년 빠른 길이라고 설명한다. 그래도 첫 증설분이 들어오는 건 2028년이 목표다.

03. 자체 AI 칩: 같은 일을 더 적은 비용으로

세 회사는 엔비디아 같은 외부 업체의 가속기를 사다 쓰는 데 그치지 않는다. 자기 서비스에 맞춘 AI 칩을 직접 설계한다. 다만 설계를 직접 한다고 공장까지 돌리지는 않는다. 마이크로소프트 Maia 200도 자체 설계 칩이지만 생산은 TSMC의 3나노 공정이 맡는다.^[21] Maia 200과 아마존 Trainium3의 기본 사양은 AI 시장 분석 글의 칩 전쟁 편에서 다뤘으니, 여기서는 2026년의 가장 큰 변화, 구글 TPU가 두 갈래로 나뉜 이야기에 집중한다.

구글은 2026년 4월 클라우드 넥스트에서 8세대 TPU를 발표하면서, 칩 하나에 모든 일을 맡기지 않고 작업에 따라 두 갈래로 나눴다. 사전학습은 모델이 방대한 데이터를 읽으며 기본기를 쌓는 단계이고, 추론은 다 만든 모델이 실제 질문에 답하는 단계다. TPU 8t는 대규모 사전학습에, TPU 8i는 추론과 강화학습 같은 후속 학습에 초점을 맞춘다. 학습용과 추론용을 칼같이 갈랐다기보다, 하는 일의 성격에 맞춰 설계를 달리했다고 보면 된다.^[22] 두 칩 모두 구글 Axion CPU가 호스트를 맡고, 구글은 올해 안에 정식 출시하겠다고 밝혔다.^[23]

🔧 칩 사양과 네트워크 구조 자세히 보기

TPU 8t사전학습 최적화

🏗️ 대규모 사전학습

한 묶음

슈퍼팟 하나에 칩 9,600개^[22]

계산량

슈퍼팟당 121엑사플롭스(FP4)^[23]

가성비

이전 세대(아이언우드)보다 같은 돈으로 최대 2.7배 성능 · 구글 발표^[22]

비밀 무기

임베딩 조회를 맡는 SparseCore, 4비트(FP4) 연산

TPU 8i추론·후속 학습 최적화

⚡ 추론·강화학습

칩 속 창고

온칩 SRAM 384MB(이전 세대의 3배) + HBM 288GB^[23]

배달 거리

칩 사이 최대 16홉 → 7홉^[22]

가성비

아이언우드보다 같은 돈으로 최대 80% 더 많은 성능 · 구글 발표^[22]

출시

두 칩 모두 올해 안 정식 출시 예정. 구글 Axion CPU가 호스트를 맡는다^[23]

8i에서 눈여겨볼 숫자는 ‘홉(hop)’이다. 홉은 데이터가 목적지 칩에 닿기까지 거치는 정거장 수라고 보면 된다. 요즘 큰 모델은 대부분 전문가 혼합(MoE) 구조라서, 토큰 하나를 처리할 때도 여러 칩에 흩어진 ‘전문가’와 데이터를 주고받아야 한다. 기존 3D 토러스 구조에서는 칩 1,024개 기준으로 최대 16번을 갈아타야 했다. 새 보드플라이(Boardfly) 구조는 이를 7번으로 줄였다. 구글은 네트워크 지름이 56% 짧아졌다고 설명한다.^[22]

칩 사이 배달 경주 · 최대 홉 수 비교

기존 3D 토러스칩 1,024개 기준0

TPU 8i 보드플라이같은 규모0

📦 배달 출발버튼을 누르면 두 구조가 동시에 출발한다.

홉 수가 줄었다는 건 통신 경로가 짧아졌다는 뜻이다. 실제 모델의 응답 시간이 같은 비율로 줄어든다는 뜻은 아니다.

다른 두 회사도 바쁘다. 마이크로소프트 Maia 200은 고객에게 빌려주는 칩이 아니라 자기 서비스를 싸게 돌리려고 만든 추론 칩이다. 마이크로소프트는 이 칩으로 OpenAI의 GPT-5.2를 포함한 여러 모델을 Microsoft Foundry와 Microsoft 365 Copilot에서 돌리고, 개발자에게는 Maia SDK 미리보기를 연다.^[21] 아마존 Trainium3는 칩마다 HBM3e 메모리 144GB를 달고, 초당 4.9테라바이트씩 데이터를 주고받는다. 울트라클러스터 3.0으로 최대 100만 개까지 묶을 수 있다.^[24] 아마존은 2분기 실적에서 앤트로픽과 OpenAI가 여러 해, 여러 기가와트 규모로 Trainium을 쓰기로 했다고 밝혔다.^[1]

구글은 한 걸음 더 나갔다. 알파벳 실적 자료를 보면, 구글 클라우드의 제품 매출은 주로 TPU 시스템 판매에서 나온다.^[3] 직접 설계한 칩을 자기 서비스에만 쓰는 게 아니라, 시스템째 팔기까지 한다는 얘기다. 아예 하늘로 올라간 칩도 있다. 구글은 10월 1일 TPU를 실은 ‘프로젝트 선캐처’ 시제품 위성을 궤도에 올리고 교신을 확인했다. 칩이 우주의 방사선과 극한 온도를 견디는지 보는 장기 연구의 첫걸음이다. 자세한 이야기는 선캐처 글에 정리했다.

사용자는 칩 이름보다 응답 속도와 청구서를 먼저 만난다. 자체 칩의 가치는 결국 그 두 곳에서 드러나야 한다.

04. 모델: 자체 모델과 입점 모델

인프라 위에서 실제로 일하는 건 AI 모델이다. 클라우드마다 직접 만든 자체 모델과, 다른 회사가 만든 입점 모델이 함께 산다. 2026년 목록을 펼쳐 보면 재미있는 점이 보인다. 앤트로픽의 Claude가 세 도시 모두에 입주해 있다.

올해 가장 큰 변화는 OpenAI 쪽에서 나왔다. 마이크로소프트와 OpenAI는 2026년 4월 27일 계약을 고쳤다. 마이크로소프트는 2032년까지 OpenAI 기술을 쓸 권리는 지켰지만 독점권은 잃었다. 이제 OpenAI는 다른 클라우드에서도 자기 제품을 내놓을 수 있다. 그래도 마이크로소프트는 여전히 주요 클라우드 파트너다. OpenAI는 제품을 애저에 먼저 내놓는다는 원칙을 지킨다. 예외는 마이크로소프트가 필요한 기능을 지원할 수 없어 지원하지 않기로 할 때뿐이다.^[28] 바로 다음 날 AWS는 Amazon Bedrock에 OpenAI 모델과 Codex, 관리형 에이전트(한정 프리뷰)를 들였다.^[29] 9월 말에는 GPT-6.1 Sol을 Bedrock에 정식 출시했고, 관리형 에이전트도 공개 프리뷰로 넓혔다.

이사를 갔다기보다, 다른 동네에 거점을 하나 더 마련한 셈이다. 돈의 흐름도 바뀌었다. 마이크로소프트는 OpenAI에 주던 매출 배분을 멈췄고, OpenAI가 마이크로소프트에 주는 매출 배분은 2030년까지 같은 비율로 이어지지만, 이제 총액에 상한이 붙었다.^[28]

아마존은 오히려 자체 모델 가짓수를 줄이고 있다. 2025년 12월 Nova 2 제품군을 내놓았지만, 7월 말 로이터는 비즈니스 인사이더를 인용해 아마존이 Premier·Omni 같은 상위 Nova 모델을 정리하고 새 최상위 모델 개발에 힘을 모은다고 보도했다. 10월 6일 현재 AWS 설명서의 Nova 2 목록에는 100만 토큰 문맥을 지원하는 Nova 2 Lite, 음성 대화용 Nova 2 Sonic, 멀티모달 임베딩 모델만 올라 있다. 10월 5일에는 음성 모델 후속작 Nova 2.5 Sonic이 정식 출시됐다. 기업이 자기 데이터로 Nova 기반 모델을 직접 만드는 Nova Forge는 연 10만 달러라고 보도됐다.^[30] 브라우저 작업을 대신하는 Nova Act는 초기 고객이 만든 작업에서 90% 신뢰도를 냈다고 AWS가 밝혔다.^[25]

마이크로소프트의 대표 자체 모델은 작은 모델 Phi다. 2024년 12월 나온 140억 파라미터 Phi-4는 수학 경시 문제에서 훨씬 큰 Gemini Pro 1.5를 앞섰고,^[31] 2026년 3월에는 이미지를 보며 추론하는 Phi-4 Reasoning Vision 15B가 나왔다.^[32] 마이크로소프트는 Foundry에서 Phi 다운로드가 6천만 회를 넘었다고 밝힌다.^[26] 참고로 ‘Azure AI Foundry’는 이제 ‘Microsoft Foundry’로 부른다.

구글은 자체 칩, 모델, 클라우드 플랫폼을 한 지붕 아래 두고 운영한다. 앞서 본 제미나이의 대규모 API 처리량은 그 생태계의 규모를 보여 준다.^[3] 최근 나온 최상위 모델 이야기는 제미나이 4 아르곤 글에 따로 정리했다.

05. 요금표: 같은 Claude, 다른 청구서

모델을 쓰면 사용료가 나온다. 같은 모델이라도 어디서 어떻게 처리하느냐에 따라 청구서가 달라진다. Amazon Bedrock의 Claude 요금표가 좋은 예다.

기본 규칙은 이렇다. 여러 리전(클라우드 데이터센터가 모인 지역)에 요청을 나눠 처리하는 ‘글로벌 교차 리전’으로 Claude를 쓰면 앤트로픽 자체 API와 같은 값이다. 예를 들어 Claude Haiku 4.5는 100만 토큰당 입력 1달러, 출력 5달러다. 미국·유럽 같은 지리적 범위 안에서만 처리하는 지역 제한 방식은 10% 비싼 1.10달러, 5.50달러다.^[33][34] 단, 지역 제한이 데이터센터 리전 한 곳에 묶어 둔다는 뜻은 아니다. 고른 범위 안의 여러 리전으로 요청이 나뉠 수 있다. 꼭 한 리전에서만 처리해야 한다면 지원 모델과 엔드포인트를 따로 확인해야 한다. Haiku 4.5라면 AWS 문서는 단일 리전 처리에 별도의 bedrock-mantle 엔드포인트를 쓰라고 안내한다.^[35]

급하지 않은 일을 모아 한꺼번에 처리하는 배치 추론은, 지원 모델이라면 요청 즉시 처리하는 온디맨드보다 50% 싸다. Haiku 4.5 배치는 단일 리전이 아니라 교차 리전 추론 프로파일로 쓸 수 있다.^[36][37] 큰 고객은 처리량을 미리 예약하는 프로비저닝 처리량(Provisioned Throughput)도 쓸 수 있다.

직접 계산해 보자. 한 달 토큰 사용량과 처리 방식만 바꿔도 영수증이 달라진다.

요금표만 보면 꽤 단순한 메뉴판이다. 데이터를 특정 권역 안에서 처리하려면 10%를 더 내고, 기다릴 수 있으면 절반을 아낀다. 어느 메뉴를 고를지는 회사 규정과 일이 얼마나 급한지에 달렸다.

06. 권한 관리: AI를 켜기 전에 공유 폴더부터

마이크로소프트 업무 도구에 들어간 대표 AI는 Microsoft 365 Copilot이다. 애저 클라우드 상품이 아니라 Word, Excel, Teams 같은 업무 앱 안에서 일하는 AI 비서다. 유료 좌석이 3천만 개를 넘었고,^[2] 기업용 가격은 연간 약정 기준 사용자당 월 30달러다.^[38]

Copilot을 도입할 때 흔히 나오는 걱정은 보안이다. 일단 Copilot이 사용자에게 없는 권한으로 문서를 열어 주지는 않는다. 마이크로소프트 문서에 따르면 Copilot은 사용자가 최소한 볼 권한을 가진 조직 데이터만 보여 주고, 기존 권한과 공유 설정, 정책을 그대로 따른다.^[39][40] 문제는 그 권한이 필요 이상으로 넓게 남아 있을 때다. 전 직원에게 잘못 공개한 급여 자료나, 프로젝트가 끝난 뒤에도 접근 권한을 회수하지 않은 문서는 AI가 찾아 주고 요약해 주면서 더 쉽게 드러날 수 있다. AI가 새 열쇠를 깎아 준 게 아니다. 문제는 오래전에 너무 많이 나눠 준 열쇠다.

헷갈리기 쉬운 점도 하나 있다. 조직 내부용(‘조직의 사용자’) 공유 링크를 만들었다고 해서, 모든 직원이 그 문서에 접근하거나 Copilot 결과에서 보게 되지는 않는다. 링크를 받아 실제로 열어 본 사람만 접근할 수 있게 된다.^[41] 그래서 아래 실험은 공유 링크가 아니라, 실제로 부여된 접근 권한을 기준으로 꾸몄다.

답이 바뀐 건 Copilot이 달라져서가 아니다. 직원에게 남아 있던 과한 권한을 거둬들였기 때문이다. 그래서 마이크로소프트는 Copilot을 켜기 전에 권한부터 점검하라고 조언한다. SharePoint 고급 관리(SharePoint Advanced Management)의 콘텐츠 관리 평가로 과하게 공유됐을 수 있는 자료를 찾고, 데이터 액세스 거버넌스 보고서로 ‘회사 전체’나 ‘모든 사람’에게 열린 사이트를 점검한다. 꼭 열어 둬야 하지만 검색에 걸리면 곤란한 사이트라면, 제한된 콘텐츠 검색(Restricted Content Discovery)으로 Copilot과 전사 검색에 덜 드러나게 할 수 있다.^[40] 다만 이 기능을 써도 기존 접근 권한은 그대로 남는다. 권한 정리를 대신해 주지는 못한다.^[42]

AI 도입 준비는 새 도구를 고르는 일로 끝나지 않는다. 묵은 공유 권한부터 정리하는 게 먼저일 수도 있다.

07. AI 직원이 늘어나면 관리자도 필요하다

회사 안에 사람 대신 일하는 AI 에이전트가 늘고 있다. 에이전트는 도구를 쓰고, 결제하고, 다른 에이전트와 대화한다. 그러니 어떤 에이전트가 있는지 명단에 올리고, 출입을 통제하고, 기록을 남길 관리 체계가 필요하다. 세 회사 모두 이런 관리 플랫폼을 내놓았다. 탭을 눌러 비교해 보자.

세 회사의 에이전트 관리 플랫폼

구글 클라우드AWS마이크로소프트

제미나이 엔터프라이즈 에이전트 플랫폼 (이전 이름 Vertex AI)

구글은 2026년 4월 22일 Vertex AI를 이 이름으로 바꾸고, 앞으로 모든 Vertex AI 서비스와 기능을 이 플랫폼으로만 제공한다고 밝혔다. 네 기둥은 구축, 확장, 거버넌스, 최적화다.^[43]

구축 Build확장 Scale거버넌스 Govern최적화 Optimize

🧠 메모리 뱅크대화가 끝나도 사용자와 나눈 이야기를 장기 기억으로 만들어 둔다.^[44]

🚧 에이전트 게이트웨이에이전트가 주고받는 트래픽은 모두 이 관문을 지나며 접근 정책 검사를 받는다.^[45]

🛒 UCP2026년 1월 발표한 쇼핑용 공개 규약. 구글 검색 AI 모드와 제미나이 안에서 바로 결제하는 것부터 시작한다.^[46]

Amazon Bedrock AgentCore

2025년 10월 13일 정식 출시됐다. 어떤 프레임워크, 모델, 규약으로 만든 에이전트든 안전하게 배포하고 운영하는 플랫폼이다.^[47]

💳 결제2026년 2분기에 추가됐다. 에이전트가 스스로 거래를 실행한다.^[1]

🔎 웹 검색AWS를 벗어나지 않고 에이전트의 지식을 최신 정보로 보강한다.^[1]

🔌 MCP 서버 배포AgentCore 런타임에서 MCP 서버를 바로 띄울 수 있다.^[48]

Microsoft Agent 365와 Microsoft Foundry

Agent 365는 2026년 5월 1일 정식 출시됐다. 회사 안에 늘어나는 에이전트를 관찰하고, 관리하고, 보호하는 관제탑이다.^[49]

🗂️ 에이전트 등록부AWS Bedrock과 구글 에이전트 플랫폼의 에이전트 목록까지 동기화한다(공개 미리보기).^[49]

🏗️ Foundry Agent Service에이전트를 만들고 돌리는 작업장. MCP 도구 연결을 지원한다.^[50]

🧩 Copilot Studio현업 담당자가 코드 없이 에이전트를 만드는 도구로, 역시 MCP를 지원한다.^[50]

재미있는 건 마이크로소프트의 Agent 365가 경쟁 클라우드의 에이전트까지 목록에 올린다는 점이다. 기업이 클라우드 한 곳만 쓰는 시대가 아니라는 걸 관리 도구부터 인정한 셈이다.

08. MCP: 연결 방식은 통일돼도, 이사까지 공짜는 아니다

MCP(Model Context Protocol)는 AI 앱이 외부 도구·데이터와 연결되는 방식을 하나로 맞추는 표준 규약이다. 앤트로픽이 2024년 11월 25일 공개했다.^[51][52] MCP를 쓰면 AI 앱마다 비슷한 연동 코드를 되풀이해 만들 필요가 줄어든다. 다만 연결할 때 서로 어떤 기능을 지원하는지 확인하는 절차가 있다. 아무 AI에나 아무 도구가 그대로 꽂히는 건 아니다.^[53]

2025년 12월에는 MCP가 리눅스 재단 아래 새로 생긴 에이전틱 AI 재단(AAIF)으로 넘어갔다. 이 재단은 앤트로픽, 블록, OpenAI가 함께 세웠고 구글, 마이크로소프트, AWS, 클라우드플레어, 블룸버그가 지원한다.^[54][55] 클라우드 3사가 한자리에 앉아 같은 표준을 논의하는 셈이다.

실제 제품에도 벌써 들어왔다. AWS는 AgentCore 런타임에서 MCP 서버를 띄울 수 있고,^[48] 마이크로소프트는 Foundry Agent Service와 Copilot Studio에서 MCP를 지원하며,^[50] 구글은 2025년 12월 지도, 빅쿼리 같은 자사 서비스용 관리형 MCP 서버를 내놓았다.^[56]

그렇다고 MCP가 데이터를 옮기고, 권한을 다시 설정하고, 다른 클라우드에서 서비스를 운영하는 일까지 대신해 주지는 않는다. 모델 API 교체나 기존 계약도 따로 따져야 한다. 도로 표지판을 통일했다고 다른 도시로 이사하는 비용까지 사라지지는 않는다.

그런데 클라우드 회사들은 왜 이 표준을 함께 지원할까? 모델 실력 차이가 좁혀질수록, 데이터와 도구를 얼마나 쉽게 잇느냐가 경쟁력이 되기 때문으로 보인다. 연결이 쉬워지면 떠나기도 쉽지만, 들어오기도 쉽다. 다만 연결이 늘면 사고 가능성도 커진다. 연결된 에이전트가 지시를 어기거나 속아 넘어간 사례는 AI 에이전트 금지선 글에 모아 두었다.

09. 우리 회사는 어느 클라우드를 먼저 검토해야 할까?

세 곳 모두 선택지가 될 수 있다. 정답은 회사가 지금 어떤 도구와 데이터를 쓰고 있는지, 무엇이 가장 급한지에 달렸다. 세 가지만 골라 보자.

점수는 재미로 보는 가중치일 뿐이다. 실제 선택에서는 데이터가 저장될 지역, 이미 맺은 계약, 팀이 다룰 줄 아는 기술이 더 중요하다. MCP 같은 표준 덕분에 도구 연결은 옮기기 쉬워지고 있지만, 데이터와 권한, 계약까지 옮기는 일은 따로 계획해야 한다.

가장 큰 도시가 모든 회사에 가장 살기 좋은 도시는 아니다. 회사마다 이미 쓰는 업무 도구와 데이터의 위치, 필요한 보안 수준, 감당할 수 있는 비용이 다르기 때문이다.

그래서 클라우드를 비교할 때 마지막에 던질 질문도 달라져야 한다. “어느 회사의 AI가 가장 똑똑한가?”에서 멈추지 말고, “우리 데이터를 맡기고, 필요한 성능을 얻고, 예산 안에서 계속 운영할 수 있는가?”까지 물어야 한다.

모델은 시연에서 박수를 받는다. 하지만 클라우드는 매달 날아오는 청구서와 하루하루의 운영으로 평가받는다. AI 도시를 고를 때는 스카이라인만 보지 말고, 관리비와 출입문도 함께 보자.

마무리 퀴즈

다 읽었다면 다섯 문제로 정리해 보자. 정답과 해설이 바로 나온다.

자주 묻는 질문

클라우드 점유율 1위는 어디인가요?

시너지 리서치의 2026년 2분기 집계로는 AWS가 28%로 1위이고, 마이크로소프트 20%, 구글 15% 순입니다. 성장률은 같은 분기 구글 클라우드가 82%로 가장 높았습니다.

OpenAI 모델은 이제 애저에서만 쓸 수 있나요?

아닙니다. 2026년 4월 계약 변경으로 마이크로소프트의 독점권이 사라져, OpenAI는 다른 클라우드에서도 제품을 내놓을 수 있습니다. 바로 다음 날 Amazon Bedrock에 OpenAI 모델과 Codex가 들어왔습니다. 애저는 여전히 주요 클라우드 파트너이고, 마이크로소프트가 필요한 기능을 지원하지 않기로 하는 경우를 빼면 OpenAI 제품이 애저에 먼저 나옵니다.

Bedrock에서 Claude를 쓰면 더 비싼가요?

글로벌 교차 리전 방식이면 앤트로픽 자체 API와 같은 값입니다. 미국·유럽 같은 권역 안에서만 처리하는 지역 제한 방식은 10% 비싸고, 배치 추론은 지원 모델에서 50% 저렴합니다. 지역 제한이라고 해서 리전 한 곳에 고정되는 것은 아닙니다.

Copilot을 켜면 권한 없는 파일까지 보이나요?

아닙니다. Copilot은 사용자가 최소한 볼 권한을 가진 자료만 찾습니다. 다만 전 직원에게 잘못 열린 자료나 회수되지 않은 권한이 남아 있으면 그동안 아무도 몰랐던 파일이 쉽게 드러납니다. 그러니 도입 전에 권한부터 정리하는 게 좋습니다.

TPU 8t와 8i는 어떻게 다른가요?

TPU 8t는 대규모 사전학습에, TPU 8i는 추론과 강화학습 같은 후속 학습에 최적화했습니다. 구글은 2026년 4월 발표 때 두 칩 모두 올해 안에 정식 출시할 예정이라고 밝혔고, 10월 6일 현재 TPU 제품 페이지에는 둘 다 ‘제공 예정’으로 나옵니다. 정확한 시점과 리전은 출시 공지로 확인하세요.

함께 읽으면 좋은 글