발표에서 확인된 핵심 사실

로컬 호스팅 AI 모델을 제품에 직접 적용해 외부 서버 의존도를 낮추는 방식으로 기술 구조를 바꾼다. 우크라이나의 앱 개발사 MacPaw(맥포)가 Liquid AI(리퀴드 AI)와 파트너십을 맺고 이 시스템을 도입한다. MacPaw는 자사 제품에 로컬 호스팅 AI 모델을 우선 적용한 뒤, 향후 이 기술 스택을 외부 개발자들이 활용할 수 있도록 제공할 계획이다. 온디바이스 추론 환경을 자사 제품이라는 개별 사례에서 개발자 생태계라는 플랫폼 단위로 확장하려는 시도다.

15만 명 이상의 유료 사용자를 확보한 SetApp(셋앱, 구독 기반 앱 스토어)은 앞으로 AI 앱의 비중을 높이는 데 집중한다. MacPaw는 이미 이 앱 스토어 내에서 AI 앱을 위한 크레딧 기반 요금제를 실험하고 있다. 기존의 구독 모델에 AI 작업량에 따른 과금 방식을 추가해 서비스 운영 방식을 조정하는 단계다.

과금의 기준은 사용자가 보유한 크레딧의 양과 수행하려는 AI 작업의 복잡도에 따라 결정된다. 작업의 난이도에 따라 소모되는 크레딧을 다르게 설정해 AI 연산 비용을 효율적으로 관리하려는 목적이다. AI 모델 구동에 드는 비용을 작업 단위로 세분화해 수익 구조를 구체화하고 있다.

기술이 실제로 작동하는 방식

지난해 처음 공개된 AI 어시스턴트의 기능이 외부 서버 연결 없이 기기 내부에서 작동하는 로컬 버전으로 확장된다. MacPaw는 이를 구현하기 위해 Liquid AI의 Elix(온디바이스 추론 시스템)와 로컬 메모리 시스템을 도입했다. Elix는 클라우드를 거치지 않고 기기 자체에서 AI 계산을 수행하는 체계다. 여기에 로컬 메모리 시스템을 결합해 기기 내부에서 데이터를 처리하고 기억하는 독립적인 지능형 환경을 구축한다.

Apple이 이미 개발자들에게 자체 로컬 모델을 제공하고 있지만, Liquid AI는 개별 기능의 성능 최적화에서 차별화를 꾀한다. 단순히 모델을 제공하는 것을 넘어, 다양한 기능별로 최적의 성능을 낼 수 있는 구조에 집중한다. 이는 범용적인 로컬 모델보다 특정 작업에서 더 높은 효율을 내기 위한 전략이다.

동시에 사용자 입력에 따라 모델이 데이터를 학습하고 시간이 흐를수록 지능이 높아지는 커스터마이징 스택(사용자 입력 데이터를 통해 모델이 스스로 개선되는 맞춤형 기술 체계)을 구축하고 있다. 사용자가 입력한 데이터가 모델의 개선으로 이어지며, 결과적으로 기기를 오래 사용할수록 개별 사용자에게 최적화된 맞춤형 AI로 진화한다.

확인해야 할 핵심 지점

모델 학습 전 단계에서 하드웨어에 최적화된 아키텍처를 미리 선택하는 설계 방식이 온디바이스 AI의 실행 효율을 결정한다. Liquid AI(리퀴드 AI, 하드웨어 최적화 AI 모델 개발사)는 이 구조를 통해 기기 내에서 직접 작동하는 지능을 구현하며 보안과 개인정보 보호 이점을 확보했다. 하드웨어 맞춤형 아키텍처를 통해 모델이 기기 자원을 가장 효율적으로 사용하게 함으로써 온디바이스 환경의 물리적 제약을 해결한다.

로컬 처리 아키텍처가 확정되는 시점에 맞춰 SetApp(셋앱, 맥용 앱 구독 서비스) 개발자들에게 온디바이스 추론 기술이 개방된다. MacPaw(맥포, 소프트웨어 개발사)는 여기에 Google(구글) 같은 기업의 클라우드 모델 접근 권한까지 통합해 제공하는 원스톱 숍(One-stop shop) 체계를 구축할 계획이다. 개발자는 개별적인 API 연동 과정 없이 단일 플랫폼에서 로컬 추론과 클라우드 모델을 동시에 활용해 앱의 기능을 확장할 수 있다.

이러한 통합 환경은 개발자가 온디바이스의 보안성과 클라우드의 고성능 추론을 선택적으로 결합하는 구조를 만든다. 로컬 아키텍처의 확정은 단순한 기술 도입을 넘어 개발자가 사용할 수 있는 AI 도구의 접근 경로를 단일화하는 결과를 가져온다.

온디바이스 AI의 실질적인 구현 기준은 모델 학습 전 단계에서 하드웨어 최적화 아키텍처를 확보했는지에 따라 결정된다.