Microsoft Project Zenith, 설치는 줄여도 메모리 계산은 남는다

새 개발 PC를 켜면 첫날은 개발보다 설치를 더 많이 하게 된다. 편집기를 깔고, 런타임 버전을 맞추고, 숨겨진 파일을 보이게 바꾼다. AI 모델까지 로컬에서 돌리려면 그다음에는 메모리 계산이 시작된다.

Microsoft가 9월 4일 발표한 Project Zenith는 이 두 문제를 한 제품 경험으로 묶는다. 개발에 맞춰 설정한 Windows와 도구를 제공하고, 64 GB 이상 통합 메모리·250 GB/s 이상 메모리 대역폭을 갖춘 개발자용 장치를 대상으로 한다. 첫 제공 장치는 AMD Ryzen AI Halo로 예고했다. 일반 Windows 11의 최소 사양이 갑자기 바뀌었다는 발표는 아니다.

VLSI Korea view: 설치가 끝난 컴퓨터와, 우리 작업이 검증된 컴퓨터 사이에는 아직 할 일이 남는다.

기본 설정은 출발점이고, 팀의 환경은 별도 자산이다

Zenith에는 개발 도구와 작업에 맞춘 Windows 설정이 포함된다. 이 소식의 실용성은 새 기능의 수보다, 새 장치를 받을 때마다 반복하던 일을 얼마나 줄이느냐에 있다. 다만 공장 출하 상태를 팀의 표준 개발 환경과 같은 것으로 취급하면 곤란하다. 프로젝트가 요구하는 컴파일러, 의존성, 드라이버 조합은 팀마다 다르기 때문이다.

예를 들어 두 엔지니어가 같은 편집기로 같은 저장소를 열어도 결과가 다를 수 있다. 한쪽은 새 런타임을 사용하고, 다른 쪽은 프로젝트가 검증한 버전을 사용한다. 차이를 기록하지 않으면 문제를 재현하는 데 시간이 들어간다. 미리 설치된 도구의 존재보다 어떤 버전과 설정으로 결과를 만들었는지가 중요하다. 이것은 Zenith의 결함을 확인했다는 뜻이 아니라, 사전 구성 PC를 도입할 때 남는 일반적인 검증 과제다.

WinGet Configuration은 이 차이를 관리할 수 있는 기존 도구다. 필요한 패키지와 설정을 YAML 파일에 선언하고, Windows Package Manager와 PowerShell DSC가 원하는 상태를 적용한다. Zenith가 팀별 설정 파일을 자동으로 작성한다는 발표는 없다. 기본 환경 위에 팀이 관리하는 구성을 올리는 방법으로 구분해서 보면 된다.

설정 자동화도 성공과 실패를 하나의 체크 표시로 묶을 수는 없다. Microsoft 문서에 따르면 일부 조건이나 의존성이 실패해도 다른 구성 작업은 계속될 수 있다. 따라서 설치 명령이 끝났다는 사실만으로 환경 전체가 완성됐다고 판단하지 말고, 실패 항목과 실제 빌드 결과를 확인해야 한다. 팀이 먼저 정할 것은 도구 목록과 버전, 정상 결과, 복구할 이전 구성이다.

위 표는 VLSI Korea의 도입 검증 제안이다. 특정 장치에서 시험을 완료했다는 기록이 아니다.

30B 모델의 크기를 계산하면, 64 GB의 의미도 달라진다

Microsoft는 이 장치군에서 30B 이상 파라미터 모델의 로컬 실행을 이야기한다. 파라미터는 모델이 학습한 값을 담는 숫자다. 하지만 파라미터 개수만으로 필요한 전체 메모리가 결정되지는 않는다. 숫자 하나를 몇 비트로 저장하는지, 실행 중 어떤 추가 데이터를 유지하는지가 함께 들어간다.

아래는 특정 모델 파일의 실측이 아니라 정확히 30B개의 값을 저장한다고 가정한 계산이다. 값 하나가 16비트면 가중치만 60 GB, 8비트면 30 GB, 4비트면 15 GB다. 여기서는 1 GB를 1,000,000,000바이트로 계산했다. 양자화는 값을 더 적은 비트로 표현하는 방식이며, 실제 포맷에는 스케일 같은 부가 정보가 들어갈 수 있다.

따라서 64 GB와 60 GB를 보고 남은 4 GB면 충분하다고 결론 내리면 안 된다. 운영체제, 편집기, 다른 프로그램, 실행 버퍼, 대화 기록을 처리하는 캐시가 같은 장치의 자원을 사용한다. 모델 파일 크기와 실행 중 최대 메모리 사용량도 같지 않다. 이 단순 계산은 장비 구매 결론이 아니라, 누락한 비용을 찾는 출발점이다.

Hugging Face의 캐시 문서는 또 다른 변수를 설명한다. KV 캐시는 앞선 토큰의 attention 계산에 쓰이는 정보를 보관해 재계산을 줄인다. 일반적인 동적 캐시는 문맥이 길어지면서 커지며, sliding-window나 chunked attention을 사용하는 모델은 일부 계층에서 증가 범위가 제한될 수 있다. 모델 구조를 확인하지 않고 문맥 길이와 메모리를 한 공식으로 단정해서는 안 되는 이유다.

짧은 질문 하나가 잘 실행됐어도 긴 코드 파일과 여러 대화를 동시에 넣으면 결과가 달라질 수 있다. 캐시를 양자화하거나 다른 메모리 영역으로 옮기는 선택지는 용량 부담을 줄일 수 있지만, 지연 시간과 구현 지원을 따로 확인해야 한다. 용량을 아끼는 설정이 언제나 더 빠른 설정은 아니다. 구매 전 시험에는 실제로 다룰 문맥 길이와 동시 작업 수를 포함하는 편이 낫다.

250 GB/s는 저장 공간이 아니라 데이터가 지나가는 속도다

용량은 담을 수 있는 양이고, 대역폭은 단위 시간에 옮길 수 있는 양이다. 두 조건이 따로 적힌 이유가 있다. 큰 모델을 메모리에 올리는 데 성공해도, 실행할 때 필요한 데이터를 충분히 빨리 읽지 못하면 기다림은 남는다. 프로그램을 설치할 공간이 있다는 사실이 실행 속도를 보장하지 않는 것과 비슷하다.

단위를 확인하는 작은 계산을 해 보자. 앞의 4비트 가정에서 얻은 15 GB를 250 GB/s로 한 번 옮긴다면, 나눗셈 결과는 0.06초, 즉 60 ms다. 단, 이는 대역폭을 완전히 활용하고 다른 비용이 없다고 가정한 한 번의 전송 시간이다. 토큰 생성 속도를 측정한 값도, Zenith 장치의 응답 시간을 예측한 값도 아니다.

실제 추론은 단순한 파일 복사가 아니다. 모델 구조, 배치 크기, 메모리 접근, 연산량, 커널 구현, 캐시와 다른 작업의 경쟁이 결과에 영향을 준다. 특정 모델의 매 토큰마다 정확히 15 GB를 읽는다고 전제할 근거도 없다. 그래서 이 나눗셈을 뒤집어 초당 토큰 수로 광고하면 기술적인 의미가 바뀐다.

AMD의 Ryzen AI Halo 사용자 가이드에는 128 GB 메모리와 256 GB/s 대역폭을 가진 구성이 기재돼 있다. 이 문서의 장치 사양과 Microsoft의 Zenith 장치군 조건은 범위가 다르다. 또한 가이드가 Windows와 Linux 경로를 제공한다고 해서, 판매되는 모든 구성에 Zenith가 이미 설치됐다고 읽어서는 안 된다. 실제 주문 구성과 제공 시점은 구매 단계에서 다시 확인해야 한다.

평가에서는 첫 응답이 나오는 시간과 이후 생성 속도를 분리해서 기록하는 것이 유용하다. 동일한 모델 파일, 양자화 방식, 입력 길이, 출력 길이, 동시 요청 수를 고정한 뒤 실제 작업을 반복한다. 평균만 보지 말고 긴 지연과 메모리 부족 여부도 남겨야, 혼자 쓰는 개발 PC와 여러 사람이 공유할 장비를 구별할 수 있다. 이 글에서는 해당 장치를 직접 시험하지 않았다.

WSL이 있어도 파일 경로와 실행 경로는 골라야 한다

반도체 엔지니어에게 Windows에서 Linux 도구를 쓰는 환경은 낯설지 않다. 문제는 터미널 창의 모양보다, 코드와 데이터가 어느 파일 시스템에 있고 실제 연산이 어느 경로에서 실행되는지다. 프로젝트가 커질수록 이 경계는 개발 편의와 성능, 문제 재현에 영향을 줄 수 있다.

Microsoft의 WSL 비교 문서는 WSL 2가 관리형 가상 머신 안에서 실제 Linux 커널을 실행한다고 설명한다. Windows와 Linux 파일 시스템 사이의 성능 차이도 별도로 다룬다. Linux 도구로 작업한다면 파일을 같은 Linux 파일 시스템에 두는 방향을 검토할 수 있다. 모든 작업이 무조건 빨라진다는 뜻은 아니며, 사용 중인 도구와 파일 접근 패턴에 맞춰 판단해야 한다.

가령 많은 작은 소스 파일을 읽는 빌드와, 큰 모델 파일을 한 번 읽고 추론하는 작업은 확인할 지점이 다르다. 전자는 파일 메타데이터 접근과 빌드 재현성을, 후자는 모델 적재와 실제 연산 경로를 우선 볼 수 있다. 어느 쪽도 새 PC의 메모리 숫자 하나로 결론 내릴 수 없다. 경로를 바꿔 비교할 때는 입력 파일과 도구 버전을 고정해야 원인을 좁힐 수 있다.

표의 항목은 비교 방법 제안이며 측정 결과가 아니다. 상용 EDA 도구는 공급사의 지원 운영체제와 라이선스 조건도 따로 확인해야 한다. WSL이 실행된다는 사실만으로 해당 EDA 조합이 공식 지원된다고 간주할 수 없다. 개인 실험용 환경을 팀의 signoff 환경으로 바꾸는 순간에는 필요한 증거의 수준도 달라진다.

로컬 AI의 권한은 모델이 아니라 실행 환경이 제한해야 한다

에이전트가 코드를 읽기만 하는 것과, 파일을 고치고 명령을 실행하는 것은 다른 일이다. 로컬에서 모델을 돌려도 이 차이는 사라지지 않는다. 외부 토큰 사용량을 줄이는 결정과 작업 디렉터리, 자격 증명, 네트워크 접근 범위를 정하는 결정은 함께 검토할 필요가 있다.

Microsoft가 Build 2026에서 설명한 에이전트 보안 방향은 운영체제가 관리하는 신원, Microsoft Execution Containers를 통한 격리, 기업 관리 기능을 결합한다. 이것을 모든 에이전트가 자동으로 안전해진다는 보증으로 확대해서는 안 된다. 실제 애플리케이션이 어떤 경계를 사용하고 무엇에 접근할 수 있는지 확인해야 한다.

VLSI Korea view: 모델이 내 책상 위에 있다고, 그 모델이 실행하는 프로그램의 권한까지 작아지는 것은 아니다.

팀은 먼저 읽기 전용 저장소에서 작업 결과를 확인하고, 쓰기 권한을 줄 때는 변경 내역과 복구 방법을 함께 남길 수 있다. 개인 계정의 모든 권한을 그대로 물려주는 환경과 작업별로 권한을 제한한 환경을 같은 조건으로 비교하면 안 된다. 보안 설정이 없는 상태의 편리함을 생산성으로 계산해 놓고, 실제 배포 때 필요한 제약을 뒤늦게 추가하면 평가가 달라진다. 이는 특정 제품의 취약점을 확인했다는 주장이 아니라 도입 범위를 정하는 제안이다.

새 장비를 고를 사람과, 기존 환경부터 정리할 사람

로컬 모델의 용량이 부족한 개발자라면 Zenith 장치의 하드웨어 구성을 검토할 이유가 있다. 반면 현재 장비에서 작업은 잘 돌아가는데 새 프로젝트를 시작할 때마다 설정이 어긋나는 팀이라면, 먼저 구성 파일과 검증 절차를 정리하는 편이 문제에 더 직접적으로 닿을 수 있다. 예상 사용자는 이런 작업 조건에 따른 분석이며 실제 고객 채택 명단이 아니다.

Product economics & specifications

Share-price context

주가 그래프: 검증 가능한 시계열을 확보하지 못했다. Nasdaq returned no historical observations. The issuer-linked lookup ended at 2026-09-02; a current series with confirmed reuse terms was not obtained.

Microsoft의 시장 정보는 공식 주가 조회 페이지에서도 확인할 수 있다.

구매 판단에서 빠뜨리기 쉬운 숫자는 절감한 토큰 비용 뒤에 있다. 로컬 실행에는 장비 구입과 유지, 전력, 업데이트, 장애 대응이라는 비용이 남는다. 반대로 이미 보유한 장비를 충분히 활용하는 팀과 새 장비를 구매하는 팀의 출발점도 다르다. 이번 발표만으로 손익분기점을 계산할 수는 없다. 정확한 판매 구성과 가격, 실제 작업량, 비교할 서비스 요금이 확인돼야 한다.

한국의 개발팀이라면 납기와 현지 지원, 회사의 Windows 이미지 정책, 기존 Linux 작업과의 연결부터 확인하는 것이 현실적이다. 모두가 같은 PC로 바꿔야 환경이 통일되는 것은 아니다. 우선 한 장치에서 대표 프로젝트와 긴 문맥의 모델 작업을 검증하고, 설치 시간과 실행 시간, 결과의 정확성을 따로 기록하면 된다. 이후 추가 OEM 장치의 실제 제공 여부와 소프트웨어 지원 조합이 다음 확인 지점이다.

Zenith가 줄이려는 첫날의 설치 수고는 반갑다. 그다음에 필요한 것은 우리 팀의 둘째 날을 재현할 수 있는 기록이다. 그 기록이 있으면 새 장비를 살 이유도, 당분간 기존 장비를 쓸 이유도 훨씬 구체적으로 설명할 수 있다.

Read the English edition

2026년 9월 6일 공개 원출처를 확인했다. AI가 조사·작성을 보조했으며 별도의 독립 검토를 거쳤다. 원본 설명 그림과 계산은 VLSI Korea가 작성했다. 실제 장비 성능 시험은 수행하지 않았다.

Disclosure

본 글은 정보 제공만을 목적으로 하며, 특정 증권의 매수 또는 매도를 권유하는 것이 아닙니다. 본 글에 포함된 수치와 사실은 기업 공시, 언론 보도, 시장 조사 등 공개적으로 이용 가능한 자료를 바탕으로 작성되었으며, 해당 자료 또는 작성 과정에서 오류가 발생할 수 있습니다. 필자는 언급된 기업의 주식을 보유하고 있을 수 있습니다. 모든 투자 결정 및 그에 따른 결과는 독자의 책임입니다.