구글 검색·광고에 스며드는 AI
실질적인 ‘수익 모델’ 진화
구글의 중첩학습을 목표로 한 AI 투자 뒤에는 ‘선점 의지’뿐 아니라 또 다른 이유가 있다. 검색과 광고 등 핵심 수익 모델을 한 단계 끌어올리기 위함이다.
물론 검색 부문은 일찌감치 개인화·맞춤형 추천을 고도화해왔다. 다만 한 가지 한계가 있다. 최근 행동에만 민감하다는 점이다. 방금 검색한 상품과 최근 클릭한 영상, 직전 구매 이력이 추천과 광고에 즉각 반영된다. 일회성 관심이 과도하게 반영되거나, 단기 행동이 사용자의 본래 성향을 가리는 경우가 상당수다. 개인화는 돼 있지만, 깊이는 얕 게임릴사이트 다는 지적이 나오는 이유다.
중첩학습은 이 지점을 파고든다. AI가 모든 행동을 같은 비중으로 기억하는 대신 ① 어떤 행동이 일시적인지 ② 어떤 패턴이 반복적인지 ③ 어떤 성향이 장기적인지를 구분해 축적한다. 기존 개인화가 최근 행동을 따라가는 추천이었다면, 중첩학습 기반 개인화는 사용자의 소비 이력과 의사결정 방식을 이해하는 추천에 가깝 야마토게임연타 다. 장기 기억을 단순히 저장하는 데 그치지 않고, 이를 전환율·광고 단가·광고 자동화에 바로 연결할 수 있다는 의미다. 이른바 ‘검색 초고도화’다.
검색 초고도화가 중요해진 건 달라진 쇼핑 트렌드와 관련 있다. 박연주 미래에셋증권 애널리스트는 “2025년 키워드가 AI 검색이었다면, 2026년은 AI 쇼핑이 화두”라며 “점점 더 많은 사 황금성사이트 람들이 쇼핑을 할 때 AI에 묻고 추천대로 구매하고 있다”고 설명했다. 미래에셋증권에 따르면 2025년 10월 기준 미국 소비자 중 챗GPT 등 AI 서비스에 쇼핑 추천을 받아 구매한 비율은 16%로 1년 전(7%) 대비 9%포인트 상승했다. 박연주 애널리스트는 “구글 입장에선 쇼핑 트래픽을 확보하는 게 중요해졌다. 사용자가 AI와 대화하며 원하는 제품을 황금성사이트 쉽게 찾을 수 있도록 만들어 구매 의도를 가진 쇼핑 트래픽을 가져오고, 개인화된 추천을 통해 전환율을 높여야 한다”고 덧붙였다.
전환율을 높이면 구글 핵심 사업인 광고 부문 수익성은 개선될 수밖에 없다. 광고 단가를 높일 수 있어서다.
이를 위해 구글은 검색 초고도화뿐 아니라 에이전틱 체크아웃 기능 등도 내놓고 있다. 가 바다이야기고래출현 령, 사용자가 “80달러 밑으로 떨어지면 사줘”와 같은 조건을 걸었다고 가정하자. 에이전틱 체크아웃 기능은 가격과 재고를 추적해 조건 충족 시 자동으로 사용자에게 알리고 승인 시 결제까지 진행하는 방식이다. 구글 렌즈 등도 쇼핑 트래픽 확보에 도움을 줄 전망이다. 박연주 애널리스트는 “원하는 이미지를 입력할 수도 있고 가상 시작 메뉴를 통해 옷을 입었을 때 실제 어떤 모습일지 보여줄 수도 있다”며 “번거로움이 줄어 전환율이 상승할 수 있다”고 평가했다.




‘저장 장치’에서 ‘연산’으로

중첩학습이 바꿀 HBM 역할
중첩학습을 목표로 한 구글의 TPU 전략은 고대역폭메모리(HBM) 시장에도 영향을 줄 수 있다. 한종목 애널리스트는 “중첩학습과 TPU가 시사하는 바는 메모리 반도체가 질적 변환(Qualitative Shift)을 경험할 수 있다는 가능성을 연 것”이라며 “HBM이 기존 역할(연산에 필요한 데이터 공급 등)을 넘어 학습과 추론 과정에 적극 개입하는 단계로 이동할 수 있다”고 내다봤다.
그의 설명은 이렇다. 기존 LLM 아키텍처의 추론은 메모리 반도체 대역폭을 주로 ‘읽기’에 썼다. AI의 답변은 미리 만들어둔 답안지를 꺼내 참고하는 형태였다. 메모리 반도체는 주로 데이터를 불러오는 창고 역할 정도였다. 하지만 중첩학습을 전제로 한 구조에서는 상황이 달라진다. AI가 작동하는 동안에도 새로운 경험과 맥락을 반영해 판단 기준을 조금씩 수정한다. 메모리 반도체는 단순히 읽기만 하는 공간이 아니라 읽고-고치고·다시 저장하는(쓰기) 과정에 반복적으로 관여하게 된다. 메모리 반도체가 학습 과정의 일부로 들어오는 셈이다.
이처럼 쓰기 작업이 늘어나면 메모리 반도체에 요구되는 조건도 달라진다. 기존처럼 읽기 대역폭만 강조해서는 부족하다. 잦은 쓰기에도 지연 없이 대응할 수 있어야 한다. 또 메모리 반도체 내부에서 최소한의 연산을 처리할 수 있도록 베이스 다이(Base Die)의 로직 공정 전환이 필수가 된다.
HBM은 여러 D램이 적층된 구조다. 베이스 다이는 쉽게 말해 1층 관리실 역할이다. AI 칩과 연결돼 HBM을 통제한다. 로직 공정은 신호 전달을 넘어 판단과 제어를 수행할 수 있는 반도체 공정을 의미한다. 기존 관리실을 ‘스마트 관리실’로 업그레이드해야 한다는 의미다. SK하이닉스와 삼성전자 등은 HBM4부터 베이스 다이 로직 공정 전환을 진행 중이다. 한종목 애널리스트는 “최근 메모리 반도체 시장에서 PIM(Process In-Memory) 논의가 다시 부상하는 배경도 달라진 메모리 반도체 조건과 관련 있다고 판단한다”고 덧붙였다.
PIM은 데이터를 칩으로 옮기지 않고, 메모리 반도체 내부에서 간단한 연산을 처리하는 구조를 말한다. 삼성전자는 2021년 세계 최초로 HBM에 PIM 기술을 결합한 ‘HBM-PIM’을 개발한 바 있다. 이후 AI 엔진을 탑재한 모듈형 제품 ‘AXDIMM’, 이를 모바일용으로 확장한 ‘LPDDR-PIM’ 등을 선보여왔다. SK하이닉스도 자체 PIM 제품인 액셀러레이터인메모리(AiM)를 개발해 선보인 바 있다. 최근에는 CES 2026에서 PIM 기반 AI용 가속기 카드(AiMX)를 공개했다.
한종목 애널리스트는 “구글이 자체 TPU에 맞춰 HBM 사양을 커스터마이징하려는 움직임도 같은 맥락으로 읽힌다”며 “TPU는 범용 GPU와 달리, 구글식 AI 아키텍처에 최적화된 칩이다. 중첩학습 구조를 염두해 설계된 TPU가 제 성능을 내려면, 그에 맞는 메모리 특성이 뒷받침돼야 한다. 표준 규격을 넘어 쓰기 대역폭과 지연 시간을 강화한 맞춤형 HBM 수요가 늘어날 가능성이 높다”고 예상했다. 메모리 반도체 수요가 ‘양적 확대’ 국면을 넘어, 설계 자체가 바뀌는 전환점에 들어섰다는 의미다.
[최창원 기자 choi.changwon@mk.co.kr]
[본 기사는 매경이코노미 제2344호 (2026.01.21~01.27일자) 기사입니다]
[Copyright (c) 매경AX. All rights reserved. 무단 전재, 재배포 및 AI학습 이용 금지]