GPU만 보던 시장이 갑자기 CPU를 보기 시작했다

AI 투자자들이 오랫동안 바라보던 화면은 거의 비슷했습니다.

엔비디아, HBM, 데이터센터, 전력, 냉각.

AI가 커질수록 GPU가 필요하고, GPU가 늘어나면 HBM이 필요하고, 결국 데이터센터와 전력 인프라까지 따라온다는 논리였습니다.

그런데 9월 21일 미국 시장에서 조금 재미있는 장면이 나왔습니다.

AMD가 약 8.8% 상승했고, Intel은 약 12%, Arm은 약 15% 상승했습니다. AMD는 장중 시가총액 1조 달러를 넘어섰습니다.

 

그런데 이날 특별한 CPU 신제품이 발표된 것도 아닙니다.

시장이 주목한 것은 의외로 Meta의 새로운 AI 에이전트, ‘Muse’였습니다.

AI가 질문에 답하는 시대에서 일을 하는 시대로

Muse는 일반적인 챗봇과 조금 다릅니다.

Meta가 공개한 설명에 따르면 Muse는 전용 가상머신인 ‘Muse Secure VM’에서 작동합니다. 이 안에는 에이전트와 사용자의 데이터가 함께 들어가고, 자체 브라우저를 이용해 웹사이트를 열고 양식을 작성하거나 이메일을 보내고 여행 예약 같은 실제 작업을 수행할 수 있습니다.

더 중요한 것은 작업이 끝날 때까지 사람이 계속 지켜보고 있을 필요가 없다는 점입니다.

앱을 닫아도 장시간 작업을 계속할 수 있습니다.

여기서 AI의 컴퓨팅 구조가 조금 달라집니다.

지금까지 우리가 생각했던 AI는 대략 이랬습니다.

 

GPU
↓
거대한 AI 모델
↓
질문에 대한 답변

하지만 AI 에이전트는 다릅니다.

GPU
↓
AI 모델 추론
↓
CPU
↓
웹 브라우저 실행
↓
파일 처리
↓
데이터 이동
↓
프로그램 실행
↓
다시 AI 추론
↓
다음 행동

AI가 한 번 답하고 끝나는 것이 아니라 계속해서 컴퓨터를 움직이기 때문입니다.

 

그래서 CPU가 다시 보이기 시작했다

AI 에이전트가 많아질수록 필요한 것은 GPU만이 아닙니다.

AI가 실제로 일을 하려면 CPU가 명령을 처리하고, 데이터를 옮기고, 프로그램과 브라우저를 실행하고, 여러 작업을 조율해야 합니다.

결국 AI 에이전트의 확산은

‘GPU가 얼마나 필요한가?’

라는 질문을

‘AI 한 명이 실제로 컴퓨터를 얼마나 많이 사용하는가?’

라는 질문으로 바꿀 수 있습니다.

이 차이가 상당히 큽니다.

챗봇 수억 명과 AI 에이전트 수억 명은 같은 사용자가 아닙니다.

챗봇은 질문하고 답을 받으면 끝날 수 있지만,

에이전트는 검색하고,

비교하고,

로그인하고,

파일을 읽고,

프로그램을 실행하고,

결과를 확인하고,

다시 행동합니다.

즉 한 명의 AI가 컴퓨터를 사용하는 시간이 훨씬 길어질 수 있습니다.

 

시장은 이 가능성에 먼저 반응했다

그래서 이번 움직임을 단순히

‘Meta의 Muse가 잘돼서 반도체주가 올랐다’

라고 보는 것보다는,

‘AI 에이전트가 실제 대중화되면 CPU 수요도 다시 크게 증가할 수 있다’

는 기대가 반도체 시장에 반영된 것으로 보는 편이 더 정확합니다.

실제로 이날 보도에서도 Intel·AMD·Arm의 상승 배경으로 AI 에이전트 확산에 따른 CPU 수요 기대가 언급됐습니다.

특히 Arm은 에이전트형 AI 인프라에서 CPU 요구량이 크게 증가할 수 있다는 기대와 함께 주목받았고, Intel과 AMD 역시 서버 CPU 수요 확대의 수혜 가능성이 부각됐습니다.

물론 이것을 곧바로 ‘AI 에이전트가 Intel·AMD·Arm의 실적을 폭발시킨다’고 해석하면 과합니다.

이번 주가 움직임에는 반도체 전반의 강세와 다른 거시적 요인도 함께 있었습니다.

그리고 특히 중요한 점이 하나 있습니다.

 

Muse가 Arm의 새로운 AGI CPU에서 작동한다고 확인된 것은 아닙니다.

이번 뉴스의 핵심은 특정 칩에 대한 확정적인 주문이 아니라, AI 에이전트가 만들어낼 수 있는 새로운 컴퓨팅 수요에 대한 시장의 기대입니다.

AI 인프라의 지도가 조금씩 바뀌고 있다

그래서 AI 인프라를 볼 때 이제 GPU만 보면 안 될 것 같습니다.

기존의 AI 인프라가

GPU
→ HBM
→ 데이터센터
→ 전력
→ 냉각

이었다면,

에이전트 시대에는 여기에

CPU
→ 메모리
→ 네트워크
→ 스토리지
→ 브라우저와 실행환경

까지 더욱 중요해질 수 있습니다.

그리고 재미있는 것은 Meta가 아예 로컬 에이전트용 모델도 공개하고 있다는 점입니다.

 

Meta의 ‘Muse Glimmer’는 300억 파라미터 규모의 오픈 웨이트 모델로, 소비자용 GPU 한 장이 있는 PC에서도 실행할 수 있도록 최적화됐습니다. Ollama, LM Studio, llama.cpp, MLX 같은 로컬 실행 환경도 지원하도록 개발되고 있습니다.

즉 Meta가 바라보는 방향은 단순히

‘더 큰 AI 모델’

만은 아닙니다.

AI가 실제 컴퓨터를 사용하고, 클라우드와 로컬에서 계속 일을 수행하는 시대를 준비하고 있는 것입니다.

GPU 다음에는 무엇을 보게 될까

지금까지 AI 투자에서 가장 쉬운 질문은

‘누가 GPU를 만드는가?’

였습니다.

 

앞으로는 질문이 조금 달라질 수 있습니다.

‘AI가 실제로 컴퓨터를 얼마나 많이 사용하는가?’

이 질문에 답하기 시작하면 CPU, 메모리, 네트워크, 스토리지, 데이터센터, 전력까지 연결됩니다.

AI가 사람의 질문에 답하는 도구에서

사람 대신 컴퓨터를 사용하는 주체

로 바뀌는 순간,

AI 인프라의 병목도 함께 바뀔 수 있기 때문입니다.

오늘 시장에서 AMD·Intel·Arm이 동시에 주목받은 이유를 단순한 반도체 랠리로만 보기 어려운 이유입니다.

어쩌면 시장은 지금 처음으로

‘GPU를 얼마나 더 만들 수 있는가’가 아니라
‘AI에게 컴퓨터를 몇 대나 줘야 하는가’

를 생각하기 시작했는지도 모릅니다.