발화점 — 세상을 바꾸는 기술의 조건

기술 발화 및 수용 프레임워크: AI와 양자컴퓨팅이 만나는 곳

1945년 말, 미국 펜실베이니아 대학교 무어 전기공학대학원의 지하실에서 거대한 기계가 처음으로 실제 계산을 수행했다. 이듬해 1946년 2월, 이 기계는 세상에 공식 공개됐다. ENIAC. 무게 27톤, 길이 24미터, 약 18,000개의 진공관. 150킬로와트의 전력. 프로그래밍을 바꾸려면 며칠이 걸렸다.

이것이 현대 문명을 만든 기술의 출발점이었다.

그런데 이 기술이 세상으로 나오는 데 36년이 걸렸다.

ENIAC부터 1981년까지, 컴퓨터는 연구소와 대형 기관의 전유물이었다. 진공관이 트랜지스터로, 트랜지스터가 집적회로로 바뀌었다. IBM의 메인프레임이 대기업과 정부 기관에 보급되기 시작했다. 하지만 본질은 달라지지 않았다. 컴퓨터는 여전히 전용 엔지니어가 필요했고, 수백만 달러였다. 대학 전산실, 정부 기관, 대기업 서버룸 — 그 좁은 세계 안에 갇혀 있었다.

1981년 8월 12일, IBM은 IBM PC(모델 5150)를 발표했다. 가격 1,565달러. 표준화된 아키텍처. 마이크로소프트의 DOS. 훈련된 사무직이라면 전용 엔지니어 없이도 다룰 수 있었다. 그리고 16년 후, 미국 가정 세 집 중 하나에 컴퓨터가 들어왔다.

나는 이 36년이라는 숫자를 오래 생각해왔다. 무엇이 그 기간을 결정했는가. 무엇이 지하실의 기계를 세상으로 꺼냈는가. 그리고 왜 인터넷은 24년이 걸렸고, 스마트폰은 4~5년이었으며, ChatGPT는 2개월이었는가.

이 질문에 대한 나의 답이 이 글이다.

1부. 프레임워크: 기술은 어떻게 세상으로 나오는가

네 단계, 하나의 패턴

경제의 근간을 바꾼 모든 범용 기술은 예외 없이 네 단계를 거쳐 세상에 안착한다. 나는 이것을 기술 발화 및 수용 프레임워크라고 부른다.

첫 번째, 배양기(Incubation). 기술은 실험실과 학계의 것이다. 연구자들이 가능성을 탐구하고, 소수의 모험 자본이 조심스럽게 투입된다. 대중에게 보이지 않는다. ENIAC부터 IBM PC 이전까지 36년이 컴퓨터의 배양기였다. 힌튼의 역전파 알고리즘은 1986년 발표됐지만 AI의 겨울 속에 수십 년간 묻혔다. ARPANET은 1969년 시작됐지만 대부분의 사람들은 그 존재조차 몰랐다.

두 번째, 발화점(Ignition Point). 임계점이 찾아온다. 접근성의 장벽이 무너지는 순간이다. 발화점은 기술이 "처음 등장한 시점"이 아니다. ENIAC은 1945년에 등장했지만 발화점이 아니었다. 발화점은 가격, 인터페이스, 배포 방식, 생태계 — 이 네 가지 장벽이 한꺼번에 낮아지는 순간이다. 이 임계점을 넘으면 확산 속도는 전혀 다른 차원으로 이동한다.

세 번째, 인프라 폭발기(Infrastructure Boom). 수요가 폭발하면 공급이 따라온다. 데이터센터가 지어지고, 네트워크가 깔리고, 표준이 만들어진다. 1990년대 닷컴 붐이 전형이다. 거대한 자본이 투입되고, 일부는 버블의 형태를 띤다. 이 고통스러운 단계를 거치지 않으면 안착은 없다.

네 번째, 대중화 및 안착기(Mainstream Integration). 기술이 산업의 백엔드와 일상에 자연스럽게 스며드는 단계다. 더 이상 "신기술"이 아니다. 인터넷 없는 사무실을 상상하기 어려운 것처럼, 기술이 없는 것이 오히려 이상한 일이 된다.

Igniter 가설: 왜 주기가 짧아지는가

이 네 단계의 패턴은 관찰 가능하다. 그런데 내가 정작 알고 싶었던 것은 그 다음이었다. 왜 어떤 기술은 배양기에서 안착기까지 15년이 걸리고, 어떤 기술은 5년이면 충분한가. 이 주기의 길이를 결정하는 것은 무엇인가.

나는 이것을 igniter의 수와 강도로 설명한다.

PC는 하나의 igniter로 세상에 나왔다. 하드웨어 표준화. 소프트웨어 생태계는 뒤에 천천히 따라왔고, 통신 인프라는 더 늦게 왔다. 하나의 igniter. 15년.

인터넷은 두 개였다. GUI 브라우저라는 접근성 혁명, 그리고 통신사의 광대역 투자. 그런데 이 두 igniter가 완전히 정렬되는 데 10년이 걸렸다. 14년.

스마트폰은 네 개가 동시에 작동했다. 이미 구축된 이동통신망, PC와 인터넷이 만들어놓은 디지털 문해력, 앱스토어라는 새로운 소프트웨어 배포 생태계, 그리고 터치스크린 인터페이스 혁명. 네 개가 동시에 켜지면서 주기가 4~5년으로 압축됐다.

ChatGPT는? 이미 수십억 명의 손에 들려 있는 스마트폰, 전 세계를 연결하는 클라우드, 이미 깔려 있는 브로드밴드 — 지난 40년간 쌓인 모든 인프라가 동시에 igniter로 작동했다. 별도의 하드웨어 보급이 필요 없었다. 소프트웨어 하나로 기존 인프라 전체를 탔다. 2개월 만에 1억 명.

핵심 가설은 이것이다.

새로운 기술이 올라탈 수 있는 기구축 인프라의 층위가 두꺼울수록, 그리고 동시에 작동하는 igniter가 많을수록, 발화에서 안착까지의 주기는 기하급수적으로 짧아진다.

기존 프레임워크와의 차이

솔직하게 말하겠다. 이 프레임워크는 완전히 새롭지 않다.

에버렛 로저스의 혁신 확산 모델(1962)은 기술이 퍼지는 현상을 S커브로 정밀하게 설명한다.

가트너의 하이프 사이클은 기술에 대한 시장의 심리적 기대감 곡선을 그린다.

경제사학자 카를로타 페레스는 범용 기술이 도입기에서 전개기로 넘어갈 때 금융 버블과 인프라 폭발이 반복된다는 것을 역사적으로 증명했다.

나는 이 프레임워크들을 처음 접했을 때 무언가 아쉬웠다.

기술이 퍼지는 현상은 잘 설명하는데, 내가 정작 알고 싶었던 것 — 왜 주기가 짧아지는가, 그 주기를 결정하는 힘은 무엇인가 — 에 대한 답이 없었다. 그래서 내 방식대로 다시 정리해보았다.

기존 프레임워크들은 수용자의 행동을 중심으로 설명한다.

누가 먼저 받아들이고, 어떻게 퍼지며, 어느 구간에서 속도가 붙는가. 이것은 이미 확산이 시작된 기술을 관찰하는 사후적 렌즈다.

내가 집중하는 질문은 다르다.

왜 어떤 기술은 발화에서 안착까지 15년이 걸리고, 어떤 기술은 5년이면 충분한가.

나는 그 답을 igniter의 수와 강도, 그리고 기구축 인프라의 층위에서 찾는다.

여기에 기존 프레임워크가 다루지 않는 두 가지를 더한다.

하나는 AI와 양자컴퓨팅이라는 전혀 다른 성격의 두 기술을 같은 렌즈로 동시에 분석하는 것이다.

다른 하나는 지정학적 경쟁을 igniter로 명시적으로 포함하는 것이다. 미중 기술 패권 경쟁이 기술 주기를 인위적으로 압축하는 힘으로 작동한다는 것을, 로저스도 가트너도 페레스도 분석 틀 안에 넣지 않았다.

2부. AI: 첫 번째 발화점은 이미 지났다

2022년 11월 30일

2022년 11월 30일 수요일 오후, OpenAI는 별다른 예고 없이 웹사이트 하나를 열었다. 화려한 발표 행사도 없었고, 마케팅도 없었다. 그냥 링크 하나가 공개됐다.

5일 후, 100만 명이 사용하고 있었다. 2개월 후, 1억 명이었다.

인스타그램이 1억 명에 도달하는 데 2년 반이 걸렸다.

틱톡은 9개월 걸렸는데 ChatGPT는 불과 2개월이었다.

2025년 7월 기준, OpenAI 내부 연구 데이터에 따르면 주간 활성 이용자는 7억 명, 주당 180억 개의 메시지가 오간다. 전 세계 성인 인구의 약 10%가 매주 이 서비스를 쓴다.

많은 사람들이 이것을 AI의 "안착"이라고 불렀다.

나는 그렇게 보지 않는다. 이것은 시작이었다. 그것도 첫 번째 발화점에 불과했다.

딥러닝의 현대적 출발점은 2012년 알렉스넷이고, 알파고가 이세돌을 꺾은 것은 2016년이며, GPT-3는 2020년에 이미 있었다.

그런데 왜 발화점은 2022년인가.

GPT-3는 강력했지만 API를 다룰 줄 아는 개발자가 아니면 쓸 방법이 없었다. 알파고는 바둑판 밖으로 나오지 못했다.

ChatGPT는 달랐다. 브라우저를 열고 문장을 입력하면 됐다. 가격 장벽, 기술 장벽, 학습 장벽이 동시에 무너졌다. 이것이 발화점이다.

역사상 유례없는 인프라 폭발기

발화 이후 인프라 폭발기가 시작됐다. 그 규모와 성격이 역사의 어떤 인프라 투자와도 다르다.

비교 기준으로 1990년대 닷컴 버블을 보자. 당시 글로벌 통신사들은 광케이블 네트워크 구축에 수년에 걸쳐 약 1,120억 달러를 투입했다. 수요가 따라오지 못했고, 버블이 터졌다.

지금은 구조가 다르다.

Microsoft, Alphabet, Amazon, Meta, Oracle — 미국의 5대 하이퍼스케일러의 2026년 단일 연도 AI 인프라 자본 지출은 6,600억~7,000억 달러로 전망된다. 닷컴 시절 수년간의 총투자를 단 1년에 6배 이상 집행하는 것이다.

더 중요한 것은 이 자본의 성격이다.

닷컴의 투자는 수요가 올 것이라는 기대에 기반한 선제적 투자였다.

지금은 이미 폭발한 수요를 공급이 따라가지 못하는 상황에서의 추격 투자다.

Microsoft는 전력 인프라 부족으로 이미 창고에 쌓여 있는 GPU를 설치하지 못해 800억 달러의 미충족 Azure 주문을 안고 있다. 닷컴과 정반대의 상황이다.

McKinsey는 2030년까지 AI 관련 자본지출 총액을 5조 2천억 달러로 추산한다.

인프라 폭발기는 현재 진행형이다.

스케일링 패러다임의 전환

인프라 폭발기의 이면에서 더 조용하지만 더 결정적인 변화가 일어나고 있다.

AI가 똑똑해지는 방식 자체가 바뀌고 있다.

2024년 이전까지의 AI는 단순한 원리로 발전했다.

더 많은 데이터, 더 많은 컴퓨팅, 더 큰 모델 — 사전 학습 스케일링의 시대였다. 그런데 2024년을 전후해 이 방식의 한계가 드러났다. 더 큰 모델을 만들어도 추론 능력이 비례해서 늘지 않았다. 방대한 텍스트를 학습해 유창하게 말하는 것과, 복잡한 문제를 단계적으로 논리적으로 풀어내는 것은 본질적으로 다른 능력이었다.

여기서 AI 산업은 테스트 타임 스케일링(Test-time Scaling)으로 전환했다.

모델이 답을 내놓기 전에 더 오래, 더 깊이 생각하게 하는 방식이다. 여러 추론 경로를 탐색하고, 자가 검증하고, 가장 일관된 답을 선택한다. OpenAI의 o1과 DeepSeek R1이 이 패러다임의 산물이다.

이 전환의 구조적 함의는 성능 개선 이상이다.

AI가 챗봇에서 에이전트로 진화하는 — 목표를 설정하고 다단계 행동을 자율적으로 실행하는 — 기술적 토대가 여기서 만들어지고 있다. 지능이 대화에서 행동으로 옮겨가고 있다.

3부. AI의 발화점은 하나가 아니다

2028~2030은 종착점이 아니다

여기서 나는 기존의 많은 AI 예측과 결정적으로 다른 관점을 가지고 있다.

가트너는 2028년까지 엔터프라이즈 소프트웨어의 33%가 agentic AI를 포함하고, 일상 업무 의사결정의 최소 15%가 자율적으로 이루어질 것으로 전망한다. IDC는 2030년까지 AI 솔루션이 전 세계 경제에 최대 22.3조 달러의 파급 효과를 가져올 것으로 분석했다. 이 수치들은 인상적이다. 그러나 이것을 AI의 "안착"으로 보는 것은 지나치게 좁은 시각이다.

Agentic AI의 안착은 디지털 세계 안에서의 이야기다.

소프트웨어 워크플로우, 백오피스 자동화, 고객 상호작용. 이것은 스크린 안의 AI다.

그런데 세상의 대부분은 스크린 밖에 있다. 공장, 병원, 도로, 가정 — 물리 세계다.

AI가 진정한 의미의 범용 기술로 안착하려면 물리 세계로 나와야 한다. 이를 위해 두 가지가 선행돼야 한다.

Spatial Intelligence의 성숙. AI가 3D 공간을 이해하고, 물체의 위치와 관계를 파악하고, 실시간으로 물리적 판단을 내리는 능력이다. 지금의 LLM은 텍스트와 이미지를 다루지만 공간을 다루지 못한다. 자율주행이 왜 아직도 어려운지, 로봇이 왜 아직 인간의 손동작을 따라오지 못하는지 — 그 이유가 여기 있다.

Physical AI의 등장.

Spatial Intelligence를 갖춘 AI가 실제 몸을 갖고 물리 세계에서 행동하는 단계다.

NVIDIA가 로보틱스를 차세대 핵심 전략으로 선언한 것, Tesla가 Optimus 로봇에 막대한 투자를 집행하는 것 — 이것들은 단순한 미래 비전이 아니라 Physical AI 시대를 향한 구체적인 포석이다.

이 관점에서 보면 2028~2030년의 Agentic AI 안착은 종착점이 아니다. 그것은 Physical AI 시대를 향한 다음 발화점이다.

AI의 발화점 지도

나는 AI의 여정을 네 개의 연속된 발화점으로 본다.

1차 발화점 (2022): ChatGPT의 등장. AI가 대중의 손에 닿는 접근성 혁명. 디지털 세계로의 진입.

2차 발화점 (2028~2030): Agentic AI의 안착. AI가 디지털 세계에서 스스로 생각하고 행동하기 시작. 경제적 AGI의 초입. 동시에 Physical AI 시대의 배양기가 시작되는 시점.

3차 발화점 (2030년대 중반): Spatial Intelligence의 성숙과 Physical AI의 등장. AI가 물리 세계로 나오는 순간. 인지적 AGI에 가장 가까운 단계.

4차 발화점 (2040년대): 양자컴퓨팅과 AI의 결합. AI의 연산 병목이 근본적으로 해소되면서 인간 지능의 한계를 넘어서는 단계. 이것이 다음 장에서 다룰 이야기다.

불확실성에 대하여

나는 솔직하게 말해야 한다. 내가 말하는 이 지도는 예언이 아니라 나침반이다.

낙관론의 근거는 실재한다.

Igniter의 수가 역사상 유례없이 많다.

하이퍼스케일러의 투자는 외부 자본 시장과 무관하게 자기 지속적이다. 테스트 타임 스케일링이 새로운 능력 개발의 프런티어를 열었다. 지정학적 압력은 구조적이다.

그러나 회의론의 근거도 실재한다.

가트너는 2027년 말까지 Agentic AI 프로젝트의 40% 이상이 취소될 것이라고 경고한다. 기업들이 AI 도입 과정에서 데이터 품질 문제, 조직 관성, 규제 불확실성과 충돌하는 것은 예측 가능한 마찰이다.

2030년까지 AI 데이터센터를 위해 약 156GW의 새로운 전력 용량이 필요한데, 송전 인프라 투자의 리드타임은 수년이다. 물리적 병목이 완전한 대중화를 2~3년 지연시킬 수 있다.

나는 타임라인을 느슨하게 잡는다.

2차 발화점이 2028년에 올지 2032년에 올지 나는 모른다. 하지만 방향은 분명하다.

프레임워크는 나침반이지 GPS가 아니다.

4부. 양자컴퓨팅: 다른 시계로 움직이고 있다

"아직 멀었잖아요"

"양자컴퓨팅? 그거 아직 한참 멀었잖아요."

나는 이 말을 자주 듣는다. 그리고 매번 같은 생각을 한다.

1970년대, 컴퓨터를 연구하던 사람들도 똑같은 말을 들었을 것이다. "저 거대한 기계가 언제 우리 손에 들어오겠어요?" 그리고 10년 후, IBM PC가 나왔다.

양자컴퓨팅은 느리지 않다. 단지 AI와는 다른 시계로 움직이고 있을 뿐이다.

현재의 양자 컴퓨터는 NISQ(Noisy Intermediate-Scale Quantum) 기기다.

외부의 미세한 온도 변화, 전자기 간섭, 우주 방사선에도 큐비트의 양자 중첩 상태가 붕괴된다. 연산 중 발생하는 오류를 스스로 통제하지 못한다. 절대영도 부근의 극저온 냉각 시스템과 고도로 훈련된 물리학자 없이는 존재할 수 없다. 1970년대 컴퓨터가 전용 엔지니어 없이는 작동할 수 없었던 것과 정확히 같은 상황이다.

양자컴퓨팅은 지금 배양기의 끝자락에 있다. 그리고 2~3년 사이에 결정적인 변화가 일어나고 있다.

논리적 큐비트: 배양기 탈출의 조건

배양기를 벗어나 발화점에 도달하려면 무엇이 필요한가. 컴퓨터는 하드웨어 표준화와 운영체제였다. 인터넷은 GUI 브라우저였다. 양자컴퓨팅은 논리적 큐비트(Logical Qubit)의 구현이다.

현재의 양자 컴퓨터는 물리적 큐비트로 작동한다. 환경 노이즈에 취약하고 오류가 빈번하다.

논리적 큐비트는 수십~수백 개의 물리적 큐비트를 수학적으로 묶어 오류를 스스로 탐지하고 수정하는 단위다. 이것이 가능해지면 양자 컴퓨터는 처음으로 신뢰할 수 있는 연산을 수행할 수 있게 된다.

필요한 논리적 큐비트의 수는 문제의 종류와 오류 모델에 따라 크게 달라진다. 다만 복잡한 화학 시뮬레이션이나 금융 최적화 같은 실용 문제에서 고전 슈퍼컴퓨터를 압도하는 양자 우위를 달성하려면 수백에서 수천 개 이상의 안정적인 논리적 큐비트가 필요할 수 있다는 것이 대체적인 방향이다.

이것이 양자컴퓨팅의 발화점이 되는 조건이다.

다섯 기업, 하나의 구간

글로벌 선도 기업들의 하드웨어 로드맵은 이 발화점을 2028~2032년으로 일제히 수렴하고 있다.

IBM의 로드맵이 가장 구체적이다.

2026년 양자 우위 및 실시간 오류 정정 디코더 시연을 계획하고 있으며, 2029년 'IBM Quantum Starling' — 200개의 논리적 큐비트로 1억 개의 양자 게이트 연산을 수행하는 fault-tolerant 시스템 — 출시를 공언했다. 2033년에는 'Blue Jay'를 통해 2,000개 큐비트, 10억 게이트 연산으로 확장할 계획이다.

Google의 Willow 칩은 2024년 12월 결정적인 신호를 보냈다.

105큐비트 초전도 프로세서에서 표면 코드의 크기를 3×3에서 5×5, 7×7로 키울수록 논리 오류율이 지수적으로 낮아졌다. QEC가 이론에서 실험으로 넘어와, 규모가 커질수록 오히려 더 정확해지는 임계점을 돌파했다는 신호다. Google은 Willow 이후 2020년대 말 상업적으로 의미 있는 양자컴퓨터 실현 가능성에 점점 더 자신감을 보이고 있다. 그리고 Google이 자사의 모든 보안 인프라를 2029년까지 양자 내성 암호(PQC)로 전면 교체하겠다고 선언했다는 사실은 — 이것이 양자 위협이 2030년대 초중반보다 앞당겨질 수 있다는 보안 리스크 판단을 반영한 것으로 보인다.

IonQ는 이온트랩 방식 특유의 고피델리티 접근법으로 2025년 99.99% 2큐비트 게이트 피델리티 세계 신기록을 달성했다. 공식 로드맵에는 2027년 물리적 큐비트 1만 개와 논리적 큐비트 800개, 2028년 2칩 연결로 물리적 큐비트 2만 개와 1,600개의 논리적 큐비트 구현이 명시돼 있다. 이 규모는 기존 RSA 암호 체계를 무력화할 수 있는 수준(CRQC)에 근접하는 것으로 평가된다. 2030년 목표는 물리적 큐비트 200만 개, 논리적 큐비트 4만~8만 개다.

Quantinuum은 Microsoft와 협력해 물리 큐비트 대비 800배 낮은 오류율을 입증했으며, 2030년까지 완전한 내결함성 범용 양자 컴퓨터 'Apollo' 달성 로드맵을 확정했다.

QuEra는 Harvard, MIT와의 협력 실험에서 280개의 물리적 큐비트로 48개의 논리적 큐비트를 구현하고 복잡한 알고리즘을 실행하는 데 성공했다고 2023년 12월 Nature지에 발표했다. 이는 중성원자 방식이 초전도 방식 대비 훨씬 적은 물리적 큐비트로 논리적 큐비트를 구현할 수 있다는 것을 입증한 성과다. QuEra는 2026년까지 물리적 큐비트 1만 개, 논리적 큐비트 100개 상용화를 목표로 한다.

방식도 다르고, 로드맵의 공격성도 다르다. 그러나 초전도·이온트랩·중성원자 세 진영의 다섯 기업이 모두 2028~2032년이라는 같은 구간을 가리키고 있다는 사실이 중요하다.

양자컴퓨팅의 두 igniters

양자컴퓨팅은 기구축 인프라가 없고 물리학이 병목인 기술임에도, 나는 과거 기초과학 기술보다 훨씬 빠른 10~15년 주기를 예측한다. 이유는 두 개의 강력한 igniters 때문이다.

첫 번째, AI cross-acceleration

AI는 양자컴퓨팅의 가장 강력한 가속 도구가 되고 있다. 양자 오류 정정 알고리즘을 설계하고 최적화하는 작업은 극도로 복잡한 수학적 탐색이다. AI는 인간 연구자가 수십 년에 걸쳐 탐색해야 할 이 공간을 압도적으로 빠르게 좁힌다. 현재 AI를 위해 건설되고 있는 초거대 컴퓨팅 인프라가 양자 화학 시뮬레이션과 오류 정정 알고리즘 탐색에 동시에 활용되고 있다.

두 번째, 지정학적 경쟁

BCG 분석에 따르면 전 세계 공공 부문의 양자 기술 지원이 향후 3~5년간 100억 달러를 넘어설 것으로 전망된다. 미국은 국가 양자 이니셔티브법을 통해 연방 차원의 투자를 집행하고 있고, 중국은 국가 주도로 더 공격적인 양자 투자를 진행하고 있다. 유럽도 Quantum Flagship 프로그램으로 수십억 유로를 투입하고 있다. 이것은 기업의 ROI 계산이 아니다. 국가 안보와 경제 주도권이 걸린 전략적 투입이다.

이 두 igniters가 없었다면 양자컴퓨팅은 2040~2050년대의 이야기였을 것이다.

5부. 교차 가속: 두 기술이 서로를 당긴다

이 글에서 내가 가장 강조하고 싶은 인사이트가 여기 있다.

AI와 양자컴퓨팅은 독립적으로 진화하지 않는다. 서로가 서로의 엔진이 된다.

앞서 말했듯, AI 인프라 확장이 양자컴퓨팅의 배양기 탈출을 가속하고 있다. 그런데 방향은 반대로도 작동한다.

AI의 3차 발화점(Physical AI)과 4차 발화점(AGI/ASI)에는 공통된 병목이 있다. 연산 규모다.

Spatial Intelligence를 갖춘 Physical AI가 실시간으로 물리 세계를 인식하고 판단하려면, 지금의 실리콘 반도체 기반 컴퓨팅으로는 감당하기 어려운 연산 부하가 발생한다. 자율형 에이전트가 수천 번의 자가 검증을 반복하며 추론하는 과정도 마찬가지다. 현재의 데이터센터 전력 소비가 폭발하는 이유가 바로 이것이다.

양자컴퓨팅은 이 연산 병목을 근본적으로 다른 방식으로 해결할 수 있다.

중첩(Superposition)과 얽힘(Entanglement)을 활용하면 고전 컴퓨터가 수년이 걸리는 최적화 문제를 단시간에 처리할 수 있다. 분자 시뮬레이션, 단백질 구조 예측, 금융 포트폴리오 최적화 — 이것들은 양자컴퓨팅이 고전 컴퓨팅을 압도할 수 있는 영역들이다.

교차 가속의 메커니즘

AI가 양자를 가속하는 방향은 이미 작동하고 있다.

양자 오류 정정 코드 설계, 큐비트 배열 최적화, 노이즈 패턴 분석 — 이것들은 AI가 인간보다 압도적으로 빠르게 탐색할 수 있는 문제들이다.

Google은 AI가 설계한 양자 회로가 인간이 설계한 것을 특정 작업에서 앞선다는 연구를 발표했다. Microsoft는 머신러닝 모델을 큐비트 캘리브레이션 최적화에 활용하고 있다.

반대 방향 — 양자가 AI를 가속하는 방향 — 은 아직 초기지만 메커니즘은 명확하다.

2030년대 중반 이후 QaaS(Quantum as a Service) 형태로 상용화될 양자컴퓨팅은 AI의 가장 근본적인 한계인 전력 소비와 연산 병목을 해소하는 도구가 될 것이다. AI 시스템들이 특정 연산 서브루틴을 위해 양자 컴퓨팅 리소스를 API 호출하는 방식으로 — 마치 지금 특수 목적 하드웨어 가속기를 사용하는 것처럼 — 활용하게 될 것이다.

양자가 AI의 물리적 한계를 붕괴시키는 순간, AI는 단순한 추론과 행동을 넘어 새로운 과학적 지식을 독자적으로 발명하는 단계로 진입할 수 있게 된다. OpenAI가 말하는 Level 4 Innovators — 스스로 새로운 지식을 발견하는 AI 연구자 수준 — 이 이 단계다.

이것이 교차 가속(Cross-acceleration)이다.

AI가 양자의 배양기 탈출을 앞당기고, 양자가 AI의 ASI 진입을 가능하게 한다. 두 기술은 독립된 이야기가 아니라 하나의 연속된 물결이다.

6부. 지금 우리는 어디에 서 있는가

우리는 두 개의 거대한 기술 전환이 겹치는 교차점에 서 있다. 그리고 이 두 전환은 독립적이지 않다.

AI의 여정은 이미 시작됐다.

1차 발화점(2022)을 지나 인프라 폭발기의 한가운데에 있다. 2차 발화점(2028~2030, Agentic AI)이 다가오고, 그 너머에 3차(Physical AI, 2030년대 중반)와 4차(양자와의 결합, 2040년대) 발화점이 기다리고 있다.

양자컴퓨팅의 발화점(2028~2032)은 AI의 2차 발화점과 거의 같은 시기에 찾아온다.

우연이 아니다. AI가 양자의 배양기 탈출을 앞당기고 있기 때문이다. 그리고 양자가 안착하는 2040년대는, AI가 인간 지능의 한계를 넘어서는 마지막 발화점의 조건이 갖춰지는 시기다.

기업에게 의미하는 것

많은 기업들이 AI 전환을 이야기하면서 양자를 "나중에 생각할 문제"로 미룬다.

역사는 이런 태도를 가진 기업들에게 관대하지 않았다.

인터넷이 등장했을 때 그것을 "IT 부서의 문제"로 본 기업들의 이야기를 우리는 알고 있다.

1차 발화점(2022)과 2차 발화점(2028~2030) 사이의 준비 구간은 생각보다 짧다.

Agentic AI가 기업 워크플로우에 안착하는 순간, 준비된 기업과 그렇지 않은 기업의 격차는 급격히 벌어진다. 데이터 인프라, 프로세스 재설계, 조직 역량 — 이것들은 하룻밤에 만들어지지 않는다.

양자컴퓨팅에 대한 준비는 다른 종류의 선행 작업을 요구한다.

하드웨어 투자가 아니라 — QaaS 모델은 기업이 양자 컴퓨터를 소유할 필요를 없애준다 — 자사의 핵심 가치 사슬에서 양자 우위가 가장 강하게 작동할 영역을 지금부터 파악하는 작업이다.

공급망 최적화, 신약 개발, 금융 리스크 모델링, 소재 시뮬레이션 — 지금 이 식별 작업을 시작한 기업이 2030년대 중반 QaaS가 상용화되는 시점에 경쟁 우위를 선점할 것이다.

AI 에이전트가 업무의 방식을 바꾸는 동안, 양자컴퓨팅은 그 업무가 가능한 연산의 한계를 다시 그린다.

디지털 전환을 넘어, 에이전트 전환에서 양자 전환으로 이어지는 시대가 오고 있다. 그 시계는 이미 돌아가고 있다.

어디에 서 있는지를 알아야, 어디로 가야 하는지가 보인다.

참고문헌

프레임워크 및 역사적 맥락

- Rogers, E.M. (1962). 혁신의 확산(Diffusion of Innovations). Free Press.

- Perez, C. (2002). 기술 혁명과 금융 자본(Technological Revolutions and Financial Capital). Edward Elgar Publishing.

- Gartner. "Hype Cycle for Artificial Intelligence, 2025." https://www.gartner.com/en/articles/hype-cycle-for-artificial-intelligence

- IBM. "IBM Personal Computer." IBM History. https://www.ibm.com/history/personal-computer

- U.S. Census Bureau. "Computer Use in the United States." Current Population Reports, P23-171 (1991) & P20-522 (1997). https://www2.census.gov/library/publications/1991/demographics/p23-171.pdf

- NTIA. "Falling Through the Net: Defining the Digital Divide." 1999. https://www.ntia.gov/sites/default/files/data/fttn00/falling.htm

- Pew Research Center. "Demographics of Mobile Device Ownership and Adoption in the United States." https://www.pewresearch.org/internet/fact-sheet/mobile/

AI 수용 및 확산

- Reuters. "ChatGPT sets record for fastest-growing user base." February 2023. https://www.reuters.com/technology/chatgpt-sets-record-fastest-growing-user-base-analyst-note-2023-02-01/

- OpenAI. "Economic Research: ChatGPT Usage and Impact." September 2025. https://cdn.openai.com/pdf/a253471f-8260-40c6-a2cc-aa93fe9f142e/economic-research-chatgpt-usage-paper.pdf

- Harvard Gazette. "Generative AI embraced faster than internet, PCs." October 2024. https://news.harvard.edu/gazette/story/2024/10/generative-ai-embraced-faster-than-internet-pcs/

- McKinsey & Company. "The State of AI in 2024." QuantumBlack. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-2024

- Gartner. "Gartner Predicts Over 40 Percent of Agentic AI Projects Will Be Canceled by End of 2027." June 2025. https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027

- IDC. "IDC Predicts AI Solutions & Services will Generate Global Impact of $22.3 Trillion by 2030." https://my.idc.com/getdoc.jsp?containerId=prUS53290725

- Tom's Guide. "OpenAI outlines plan for AGI — 5 steps to reach superintelligence." https://www.tomsguide.com/ai/chatgpt/openai-has-5-steps-to-agi-and-were-only-a-third-of-the-way-there

AI 인프라 투자

- The Futurum Group. "AI Capex 2026: The $690B Infrastructure Sprint." https://futurumgroup.com/insights/ai-capex-2026-the-690b-infrastructure-sprint/

- IEEE ComSoc Technology Blog. "Big tech spending on AI data centers and infrastructure vs the fiber optic buildout during the dot-com boom." September 2025. https://techblog.comsoc.org/2025/09/27/big-tech-spending-on-ai-data-centers-and-infrastructure-vs-the-fiber-optic-buildout-during-the-dot-com-boom-bust/

- Tom's Hardware. "Half of planned US data center builds have been delayed or canceled." https://www.tomshardware.com/tech-industry/artificial-intelligence/half-of-planned-us-data-center-builds-have-been-delayed-or-canceled-growth-limited-by-shortages-of-power-infrastructure-and-parts-from-china-the-ai-build-out-flips-the-breakers

- McKinsey & Company. "The cost of compute: A $7 trillion race to scale data centers." https://www.mckinsey.com/industries/technology-media-and-telecommunications/our-insights/the-cost-of-compute-a-7-trillion-dollar-race-to-scale-data-centers

- McKinsey & Company. "AI power: Expanding data center capacity to meet growing demand." https://www.mckinsey.com/industries/technology-media-and-telecommunications/our-insights/ai-power-expanding-data-center-capacity-to-meet-growing-demand

- Reuters. "Nvidia sales opportunity from Blackwell, Rubin chips more than $1 trillion by 2027." March 2026. https://www.reuters.com/business/nvidia-sales-opportunity-blackwell-rubin-chips-more-than-1-trillion-by-2027-2026-03-17/

AI 스케일링 패러다임

- HEC Paris. "AI Beyond the Scaling Laws." https://www.hec.edu/en/dare/tech-ai/ai-beyond-scaling-laws

- NVIDIA Blog. "How Scaling Laws Drive Smarter, More Powerful AI." https://blogs.nvidia.com/blog/ai-scaling-laws/

양자컴퓨팅 — 개요 및 오류 정정

- PECB Insights. "Challenges and Opportunities in Quantum Error Correction." https://insights.pecb.com/challenges-opportunities-quantum-error-correction-ensuring-reliable-quantum-computation/

- IntroToQuantum. "The timelines: when can we expect useful quantum computers?" https://introtoquantum.org/essentials/timelines/

- National Academies of Sciences. "Quantum Computing: Progress and Prospects." 2019. https://nap.nationalacademies.org/read/25196/chapter/2

양자컴퓨팅 — 기업 로드맵

- IBM. "IBM lays out clear path to fault-tolerant quantum computing." IBM Quantum Blog. https://www.ibm.com/quantum/blog/large-scale-ftqc

- IBM. "The hardware and software for the era of quantum utility is here." IBM Quantum Blog. https://www.ibm.com/quantum/blog/quantum-roadmap-2033

- Google Research. "Making Quantum Error Correction Work." December 2024. https://research.google/blog/making-quantum-error-correction-work/

- Google Blog. "Cryptography migration timeline." https://blog.google/innovation-and-ai/technology/safety-security/cryptography-migration-timeline/

- IonQ. "IonQ's Accelerated Roadmap: Turning Quantum Ambition into Reality." June 2025. https://www.ionq.com/blog/ionqs-accelerated-roadmap-turning-quantum-ambition-into-reality

- IonQ. "Roadmap." https://www.ionq.com/roadmap

- PostQuantum. "IonQ's 2025 Roadmap: Toward a Cryptographically Relevant Quantum Computer by 2028." October 2025. https://postquantum.com/industry-news/ionqroadmap-crqc/

- Microsoft Blog. "Advancing science: Microsoft and Quantinuum demonstrate the most reliable logical qubits on record." April 2024. https://blogs.microsoft.com/blog/2024/04/03/advancing-science-microsoft-and-quantinuum-demonstrate-the-most-reliable-logical-qubits-on-record-with-an-error-rate-800x-better-than-physical-qubits/

- QuEra. "Our Quantum Roadmap." https://www.quera.com/our-quantum-roadmap

- Bluvstein et al. "Logical quantum processor based on reconfigurable atom arrays." Nature, December 2023. https://www.nature.com/articles/s41586-023-06927-3

- Infleqtion. "Infleqtion Unveils New Architecture to Accelerate Its Quantum Computing Roadmap To Achieve 1000 Logical Qubits by 2030." https://infleqtion.com/infleqtion-unveils-new-architecture-to-accelerate-its-quantum-computing-roadmap-to-achieve-1000-logical-qubits-by-2030/

- Trending Topics. "Google Sets 2029 for Q-Day: How Banks, Ethereum and Bitcoin Are Affected." https://www.trendingtopics.eu/google-sets-2029-for-q-day-how-banks-ethereum-and-bitcoin-are-affected/

양자컴퓨팅 — 시장 전망

- BCG. "Quantum Computing On Track to Create Up to $850 Billion of Economic Value By 2040." July 2024. https://www.bcg.com/press/18july2024-quantum-computing-create-up-to-850-billion-of-economic-value-2040

- BCG. "The Long-Term Forecast for Quantum Computing Still Looks Bright." 2024. https://www.bcg.com/publications/2024/long-term-forecast-for-quantum-computing-still-looks-bright