DruckFin

메타, 3,000명 직원을 RL 데이터 공장으로 전환… OpenAI·Anthropic 추격 가속

2026년 7월 9일 발행, Meta Superintelligence Labs(MSL) 1년 성과 보고서 (SemiAnalysis)

Llama 4의 참담한 성적 이후 마크 저커버그가 메타의 AI 조직 전체를 해체하고 재건한 지 1년이 지났다. 세미애널리시스(SemiAnalysis)는 메타 슈퍼인텔리전스 랩(MSL)에 대한 상세 보고서를 통해, 투자자들이 최첨단 AI 경쟁에서 메타의 위치를 어떻게 재평가해야 하는지 분석했다. 맥스 칸, 줄리앙 마르탱-프랭, 제레미 엘리아후 온티베로스, 딜런 파텔이 공동 작성한 이 보고서는 메타가 최첨단 AI 구축에 필요한 데이터, 인재, 컴퓨팅이라는 세 가지 핵심 요소 모두에서 세계적 수준의 스택을 조용히 구축하고 있다고 평가했다. 가장 눈에 띄는 발견은 벤치마크 점수가 아닌 기업 정책이다. 메타는 직원들의 화면, 키보드, 마우스 움직임을 추적하기 시작했으며, 사실상 전체 인력을 독자적인 강화학습(RL) 데이터 운영 자원으로 활용하고 있다.

메타의 직원 감시 프로그램, 숨겨진 RL의 '금광' 되다

세미애널리시스는 내부 추적 이니셔티브를 두고, 도입 당시 상당한 직원 반발과 부정적인 언론 보도를 낳았지만 올해 메타가 단행한 가장 가치 있고 저평가된 조치 중 하나라고 평가했다. 이 논리는 현대 AI 연구소들이 실제로 강화학습 환경을 구축하는 방식에 기반한다. 최첨단 연구소들은 이제 단순히 다음 토큰을 예측하는 수준을 넘어, 모델이 전체 작업을 완수하도록 훈련시키며 이를 위해서는 현실적인 환경, 도구, 검증기가 필요하다. 보고서는 실제 화이트칼라 업무의 화면 기록이 이 과정에서 매우 가치 있는 입력 데이터라고 주장한다. 이는 OpenAI의 GDPval과 같이 벤치마크에 등장하는 '부자연스럽게 과도하게 명시된' 시나리오가 아니라, 실제 경제 활동을 그대로 반영하기 때문이다. 저자들은 인간이 실무에서 "절대 작성하지 않을" 프롬프트가 포함된 기존 벤치마크의 문제점을 직접 비판했다.

보고서에 따르면, 메타의 진정한 구조적 우위는 '규모'에서 나온다. Mercor, Surge, Handshake와 같은 외부 데이터 업체들은 전문 계약자를 고용해 이러한 환경을 구축하며 각각 연간 반복 매출(ARR) 10억 달러를 돌파했다. Mercor는 2026년 2분기에만 251만 7,000시간의 전문가 업무 시간을 기록했는데, 이는 약 4,800명의 풀타임 인력과 맞먹는 수준이다. 보고서는 메타가 자사 직원들을 활용해 "이미 같은 수준의 경쟁력을 갖췄으며" 품질 면에서는 오히려 더 우위에 있을 가능성이 높다고 분석했다. 또한, 이 접근 방식이 입증될 경우 약 7만 명의 추가 인력을 동원할 수 있다. 5월 말, 메타는 이를 '응용 AI 엔지니어링 조직'으로 공식화하고 신입 사원의 70%를 포함한 약 3,000명의 엔지니어를 RL 작업 및 환경 구축에 전면 배치했다. 세미애널리시스는 이에 대해 "MSL에 있어 매우 저평가된 전략적 우위"라고 단언했다.

컴퓨팅 확장: 5개의 기가와트급 거대 시설 동시 구축

데이터 외에도 보고서는 업계 역사상 가장 공격적인 데이터센터 구축 현황을 상세히 다뤘다. 메타는 오하이오주의 프로메테우스(Prometheus), 루이지애나주의 하이페리온(Hyperion), 그리고 엘패소, 아이오와, 인디애나에 위치한 미공개 캠퍼스 등 1기가와트 이상의 클러스터 5개를 동시에 건설 중이다. 세미애널리시스는 과거 어떤 기업도 한 번에 1기가와트 규모의 캠퍼스를 하나 이상 건설한 적이 없으며, 가장 근접한 사례가 AWS의 인디애나주 800메가와트급 '프로젝트 레이니어(Project Rainier)'라고 지적했다. 현재 메타는 두 곳의 기가와트급 현장을 동시에 건설 중이다. 하이페리온 캠퍼스에는 각각 400메가와트 규모의 세계 최대 단일 건물을 짓고 있으며, 현재 총 1.5기가와트 규모의 공사가 진행 중이다. 아이오와 현장의 경우, 보고서가 인용한 위성 사진에 따르면 불과 1년 만에 빈 부지에서 1기가와트 규모의 건설 현장으로 변모했다.

세미애널리시스의 토큰경제학 모델에 따르면, 메타는 2026년 말까지 OpenAI와 Anthropic을 합친 것보다 더 많은 총 AI 컴퓨팅 자원을 확보할 것으로 전망된다. 다만, 이 용량의 상당 부분은 최첨단 모델 훈련이 아닌 추천 시스템 및 생성형 광고 서비스에 사용될 것이라고 경고했다. 하지만 MSL을 위한 특정 고성능 데이터센터 부지만을 분리해 보수적으로 가정하더라도, 메타의 훈련 컴퓨팅 자원은 2027년까지 OpenAI 및 Anthropic과 대등한 수준이다. 구글과의 재무적 대비는 명확하다. 메타는 동일한 GPU를 두고 경쟁해야 하는 클라우드 임대 사업이 없으며, 저커버그의 잉여현금흐름(FCF) 적자 감수 의지는 마이크로소프트나 구글이 내부 모델 훈련을 위해 행사하지 못하는 유연성을 메타에 제공한다.

스케일 어크로스(Scale-across) 해결: AI-Backbone과 2,000km 네트워크

보고서는 메타가 이러한 캠퍼스들을 연결하는 기술, 즉 업계에서 '스케일 어크로스'라고 부르는 문제를 어떻게 해결하고 있는지에 대한 드문 기술적 세부 정보를 제공한다. 프로메테우스는 단일 현장이 아니라 6개 캠퍼스에 걸친 27개 데이터센터의 집합체로, 5개는 6km 이내에 밀집해 있고 나머지 하나는 약 75~80km 떨어져 있다. 메타의 해법은 기존 10X 백본 네트워크를 진화시킨 'AI-Backbone'이라는 새로운 아키텍처다. 이는 계층화된 슈퍼스파인(superspine)과 집계 허브를 사용하여 전체 프로메테우스 클러스터 전반에 걸쳐 초당 약 22페타비트의 양방향 대역폭을 제공한다. 캠퍼스 간 연결은 광섬유 거리에 따라 장거리 광학 장비와 고밀도 파장 분할 다중화(DWDM) 시스템을 혼합하여 사용한다.

이 아키텍처에도 트레이드오프는 존재한다. 세미애널리시스는 단일 스케일 아웃 영역 내의 지연 시간은 1~10마이크로초 수준이지만, 100km 떨어진 현장은 빛의 물리적 전파 한계로 인해 약 500마이크로초 이하로 줄일 수 없다고 지적했다. 이로 인해 메타는 사전 훈련은 단일 영역 내에서 동기식으로 수행하되, 강화학습 워크로드는 전 세계적으로 비동기식으로 분산 처리해야 한다. 보고서는 향후 거대 현장들이 이 설계를 더욱 확장하여 최대 2,000km 떨어진 캠퍼스까지 연결할 것이라고 전망했다.

슈퍼팀의 구성, 그리고 때때로 발생하는 이탈

인재 영입 측면에서 보고서는 작년 143억 달러 규모의 Scale AI 계약으로 알렉산드르 왕을 영입한 데 이어, Thinking Machines의 공동 창업자 앤드류 털록과 창업 팀, 전 OpenAI 연구원 제이슨 웨이, 형원 정, 지칭 쑨 등을 영입한 성과를 추적했다. 또한 디나 파웰 맥코믹을 사장 겸 부회장으로 영입해 컴퓨팅 인프라 확장을 돕게 했으며, 4월에는 OpenAI의 3인조 컴퓨팅 리더십 팀을 영입했다. 그러나 보고서는 이들 중 한 명이 메타 인프라 조직 내부의 문화적 문제를 이유로 이미 퇴사했다는 점을 언급하며, 서류상 슈퍼팀을 구성하는 것이 실질적인 조직력까지 보장하지는 않는다는 점을 상기시켰다.

세미애널리시스는 낙관론을 경계했다. 저자들은 "RSI(슈퍼인텔리전스) 구축에 진정으로 도전하기 위해 자원과 배짱을 결집한 점은 높이 평가하지만, 이제 실제 성과를 보여줘야 할 때"라고 강조했다. 또한, 회수 조항 없는 장기 컴퓨팅 판매 계약을 맺거나 최고 수준의 연구원들을 떠나보내는 등 결의가 약화되는 징후가 보인다면 이는 "MSL에 사형 선고나 다름없을 것"이라고 덧붙였다.

Muse Spark 1.1: 추격 중이나, 아직 도달하지는 못해

제품 자체에 대해 분석가들은 공식 출시 전 Muse Spark 1.1을 미리 체험한 결과, 일반적인 에이전트 활용 사례에서 Anthropic의 Opus 4.6이나 Zhipu의 GLM 5.2와 대등한 수준이라고 평가했다. 이는 4월 출시 당시 DeepSeek v4 Pro나 Kimi K2.6 등 오픈소스 경쟁작에 뒤처졌던 초기 Muse Spark에 비해 눈에 띄는 개선이다. 세미애널리시스는 메타가 모델 가격을 GLM 5.2보다 약간 낮게 책정한 것은 의도적인 포지셔닝 전략이라고 분석했다. 그럼에도 보고서는 코드 경고를 수정하지 않고 무시하는 경향이나 편집 도구의 부적절한 사용 등 기능적 결함을 지적하며, 세미애널리시스 내부의 토큰 처리 물량을 Muse Spark 1.1로 전환할 계획은 없다고 밝혔다. 낙관적인 시나리오에서도 메타가 2026년 말 이전에 Anthropic이나 OpenAI와 동등한 수준에 도달할 것으로 보지는 않았다.

구글의 '패배주의'와 3위 자리를 향한 다툼

보고서에서 가장 날카로운 언어로 비판받은 대상은 구글이다. Gemini 3 Pro와 Nano Banana가 구글을 잠시 최첨단 AI 경쟁의 중심에 올려놓았음에도 불구하고, 세미애널리시스는 구글 딥마인드가 경쟁에 필요한 컴퓨팅 자원을 구조적으로 박탈당하고 있다고 주장했다. 향후 2년간 구글의 데이터센터 용량 증가분 대부분은 내부 모델 훈련이 아닌 인프라 서비스(IaaS) 및 외부 API 사업을 위해 사용될 것으로 전망되기 때문이다. 보고서는 구글이 최근 AI 인프라 확충을 위해 850억 달러 규모의 지분을 발행했지만, 이 새로운 용량의 대부분은 결국 Anthropic을 포함한 고객들에게 임대될 것이라고 분석했다. 저자들은 "이는 구글의 패배주의"라며, 딥마인드가 향후 OpenAI, Anthropic, MSL보다 적은 훈련 컴퓨팅 자원을 갖게 될 것이며, 강화학습 노력의 분산으로 인해 핵심 연구원들을 Anthropic에 계속 빼앗기고 있다고 지적했다.

알렉산드르 왕의 최근 팟캐스트 발언을 인용하며, 진정한 최첨단 연구소는 '슈퍼인텔리전스가 임박했다'는 확신과 그 믿음에서 나오는 모든 비즈니스 결정에 기반해야 한다고 강조했다. 보고서는 OpenAI나 Anthropic의 창업자 주도적 긴박함과 달리, 구글 경영진은 그러한 확신을 진정으로 가지고 있지 않다고 비판했다. 세미애널리시스는 구글, 마이크로소프트 AI, 아마존 AGI를 향해 경쟁사의 훈련 비용을 보조하는 것을 멈추고, 즉시 컴퓨팅 자원을 내부 모델 개발로 전환하며 엔지니어들을 RL 작업 생성에 투입할 것을 조언했다. 보고서는 경쟁 구도를 다시 정리하며, 최첨단 AI 분야의 3위 다툼은 이제 구글이 아닌 메타와 스페이스X의 xAI 간의 경쟁이라고 결론지었다.