구글 딥마인드, 경량 멀티모달 모델 공개…기기 내 AI 경쟁이 빨라짐

Google DeepMind의 Gemma 4 12B가 16GB RAM 노트북에서도 돌아가며, 고성능 AI의 무게중심이 클라우드에서 단말로 이동하고 있다.

• The Decoder는 Google DeepMind의 Gemma 4 12B가 16 GB RAM의 노트북에 올라간다고 전했다. Google DeepMind, Gemma 4 12B, 16 GB RAM이라는 사실은 대형 멀티모달 모델이 더 이상 데이터센터 전용이 아니라, 개인용 장비와 업무용 PC에서도 실행 가능한 수준으로 작아졌음을 보여준다.
• 기술적 의미는 텍스트와 이미지를 함께 처리하는 멀티모달 모델이 로컬 환경으로 내려오면서, 데이터 전송 없이도 문서 요약, 이미지 분석, 간단한 자동화가 가능해진다는 점이다. 이는 프라이버시와 응답속도 측면의 이점을 주지만, 동시에 단말 내 AI가 내부 정보와 결합될 때 새로운 유출 경로가 생긴다.
• 정량 데이터는 12B 파라미터와 16 GB RAM이다. 이 수치는 AI가 특수 장비가 아니라 일반 노트북에서도 구동될 수 있음을 의미하며, 공공기관과 기업의 업무 자동화 범위를 빠르게 넓힐 수 있다. 그러나 로컬 실행이 쉬워질수록 악성 사용자의 은폐형 자동화도 함께 쉬워진다.
• 정책적으로 한국은 온디바이스 AI 보안 기준을 마련해야 한다. 단말에 올라가는 AI가 문서, 메일, 민원 데이터를 읽을 수 있는 만큼, 접근통제, 로그보관, 출력 필터링이 필요하며, 공공 도입 시에는 모델 검증과 데이터 경계 설정이 필수다.
• 산업적으로는 국내 반도체, 단말, 보안 소프트웨어 기업에 기회가 있다. 로컬 AI는 클라우드 비용을 줄이고 민감정보 외부반출을 줄일 수 있어, 한국이 주권형 AI와 보안형 단말 시장을 키울 계기가 된다.

한국 정부는 온디바이스 AI를 도입할 때 성능보다 데이터 경계와 로그 통제를 먼저 정의해야 한다. 기기 안에서 돌아가는 AI일수록 내부 정보 유출의 책임소재를 선명히 해야 한다.

주요 용어: 멀티모달 AI(텍스트·이미지 등 여러 형식을 함께 처리하는 모델), 온디바이스 AI(기기 내부에서 직접 실행되는 AI), 파라미터(모델의 학습된 가중치 규모)

출처: The Decoder