오픈클로 열풍에 품절 사태… 왜 맥 미니였나 [권용만의 긱랩]

맥 미니, 기본은 부족하고 업그레이드는 부담
로컬 모델 활용 여부에 시스템 구성 고려해야

최근 인공지능(AI) 업계에서 오픈클로(OpenClaw)가 '직접 써볼 수 있는 AI 에이전트 도구'로 부상하며 화제를 모으고 있다. 여러 AI 모델을 엮어 실제 업무를 수행하는 자동화 흐름을 구성할 수 있다는 점이 관심을 끌었다.

이 영향으로 개인 사용자들 사이에서 구축 수요가 늘었고, 특히 맥 미니가 적합한 장비로 거론되며 국내 일부 모델이 매진되는 현상까지 나타났다. 다만 오픈클로 활용을 위한 선택지가 맥 미니로 한정되는 것은 아니며, 사용 목적과 모델 구성에 따라 더 적합한 대안도 충분히 존재한다.

애플 공식 홈페이지에서의 맥 미니 주문 모습 / 애플 홈페이지 갈무리

'내장 그래픽'과 '공유 메모리' 구성, 올인원 시스템에 딱

오픈클로 환경을 구성할 때 가장 먼저 고민해야 할 요소는 연결할 'AI 모델'이다. 오픈클로와 연결할 모델이 클라우드 서비스인지, 로컬 시스템에서 직접 모델을 구동할지에 따라 시스템 요구 사양은 크게 달라진다.

오픈클로를 외부 클라우드 서비스와의 연동하는 경우라면 시스템 사양 부담은 크지 않다. 기존 PC나 홈 서버, 네트워크 연결장치(NAS) 안의 가상화 구동으로 충분할 수 있다. 오픈클로의 최소사양은 2코어 중앙처리장치(CPU)에 메모리 2기가바이트(GB)로도 충분하고, 외부 모델 연결 구성이라면 권장 사양도 2코어 CPU에 메모리 4GB 정도가 제시된다.

오픈클로와 기본 모델을 로컬 시스템에서 직접 구동하려면 상황이 달라진다. 이때 핵심은 '메모리'다. 특히 실용적인 성능을 위해서는 GPU 메모리를 얼마나 확보할 수 있는지가 중요하다. GPU 메모리의 용량은 사용할 수 있는 모델의 크기를 결정하고, 모델의 크기는 사용자가 체감하는 지능, 즉 '인텔리전스' 수준을 결정한다. 예를 들어 80억 파라미터(8B) 모델을 4비트 양자화로 구동하려면 6~8GB의 그래픽 메모리가 필요하다. 문제는 외장 GPU 구성 시 비용, 크기, 전력 소비 부담이 함께 커진다는 점이다. 

프로세서에 GPU가 내장된 '내장 그래픽' 모델들은 이러한 고민에서 좀 더 자유롭다. 상대적으로 저렴한 일반 메모리를 CPU와 GPU가 함께 활용하기 때문에 대용량 메모리를 장착하면 GPU에 할당 가능한 용량도 데이터센터급 규모의 모델까지 접근할 수 있기 때문이다. 32GB 메모리만 장착해도 16~24GB 수준을 그래픽 메모리로 활용할 수 있다는 점은 매력적이다. 최근 '맥 미니'가 오픈클로를 위한 시스템으로 추천받은 이유 중 하나도 이런 '공유 메모리 구조'를 갖췄기 때문이다.

'맥 미니'는 이러한 조건에 기본적으로는 잘 부합하지만 세부적으로는 아쉬움이 있다. 맥 미니의 기본 메모리는 16GB로 거대언어모델(LLM) 활용에 다소 부족하다. 16GB를 추가해서 32GB를 구성하면 기본 가격에서 60만원이 오른 149만원으로 가격이 크게 상승한다. 스토리지도 기본 256GB에서 1테라바이트(TB)를 선택하면 60만원이 추가돼 최종적으로는 209만원이 된다. 시작 가격 구성으로는 사양에서 매력이 없고, 사양을 높이면 가격 경쟁력이 떨어진다. 가격에 비해 맥 미니의 M4 칩이 경쟁 칩들 대비 AI에 매력적인 선택지도 아니다.

인텔 코어 울트라 시리즈 3 탑재 미니 PC들 / 권용만 기자

AMD 라이젠 AI 맥스 시리즈를 탑재한 HP ZBook 울트라 G1a(좌), HP Z2 미니 G1a(우) / 권용만 기자

인텔과 AMD는 물론 엔비디아 '슈퍼칩'도 공유 메모리 구조

'맥 미니'가 오픈클로를 위한 시스템으로 추천받은 이유 중 하나는 공유 메모리 기반 시스템 구조 때문이지만, 이런 이유라면 꼭 맥 미니를 고집할 필요는 없다. 이미 인텔이나 AMD의 프로세서를 쓴 미니 PC나 노트북 PC, 엔비디아 GB10 슈퍼칩 기반의 'DGX 스파크' 등 다양한 선택지가 있기 때문이다. 

인텔의 경우 '코어 울트라 시리즈 2'나 '코어 울트라 시리즈 3' 기반 미니 PC나 노트북 PC를 주목할 만 하다. 코어 울트라 시리즈 2의 H-시리즈나 V-시리즈 칩에 탑재된 아크 GPU는 XMX(Xe Matrix Extensions)를 지원해 AI 성능을 크게 끌어올렸다. 특히 H-시리즈 칩이 탑재된 노트북이나 미니 PC에 메모리를 64GB 수준으로 구성하면 그래픽 메모리로 56GB 정도까지도 할당할 수 있어 대형 모델 운용도 가능하다. 코어 울트라 시리즈 3의 X-시리즈를 사용한 PC는 이보다 한층 성능이 더 높은 만큼, 앞으로 본격적으로 등장할 신제품을 주목할 만하다.

AMD의 경우 이러한 용도로 라이젠 AI 300 시리즈 중 고성능 GPU를 장착한 'HX 시리즈'가 적당하다. 다만 라이젠 AI 300 시리즈의 RDNA 3.5 기반 GPU는 AI를 위한 행렬 연산에는 상대적으로 성능이 약한 점이 아쉽다. 또한 '라이젠 AI 맥스' 시리즈는 데스크톱급 크기의 GPU와 고속 메모리 시스템을 갖춰 대용량 모델을 다루는 데 좋은 조건을 제공한다. HP 등에서는 워크스테이션급 제품으로 나와 있어 가격이 만만치 않지만, 올인원 홈랩 시스템으로 사용하기에는 좋은 조건이다. 하지만 대형 GPU에도 60TOPS(1초당 60조회 연산)급 성능에 그치는, 행렬 연산에 약한 아키텍처적 특성이 아쉽다. 

예산이 허락한다면 엔비디아의 'DGX 스파크'나 델, HP, 레노버의 엔비디아 GB10 그레이스 블랙웰 슈퍼칩 기반 시스템이 최고의 선택이다. 128GB 메모리를 기본 탑재하고 CPU와 GPU가 공유하며, 엔비디아의 소프트웨어 스택을 그대로 사용할 수 있기 때문이다. 스펙상 성능도 가장 높다. 하지만 개인이 사용하기에는 진입장벽이 높다. 가격대가 높고, 사용 난이도가 높은 리눅스 기반의 전용 운용체제를 사용한다는 점은 고려해야 할 부분이다. 

엔비디아 'GB10 그레이스 블랙웰 슈퍼칩'을 탑재한 '델 프로 맥스 위드 GB10' / 권용만 기자

올인원 고집할 필요 없다면 가상머신이나 스마트폰에서도 가능

오픈클로를 위해 '맥 미니'가 큰 주목을 받았지만, 다른 한편으로는 다양한 흥미로운 시도들도 눈길을 끈다.

오픈클로와 AI 모델을 한 시스템에서 구동하지 않는다면 오픈클로는 비교적 가볍기 때문에 설치할 시스템의 사양에 크게 구애받을 필요가 없다. 이에 제법 많은 사용자들이 이 오픈클로를 집에서 잘 쓰지 않던 오래된 노트북 PC에 설치하거나, 기존 홈랩 서버나 NAS에 가상 머신으로 설치하는 사례를 공유하고 있다. 심지어는 오래된 스마트폰에 코드를 돌릴 수 있는 샌드박스 환경을 설치하고 오픈클로 환경을 구성한 사례도 등장했다.

오픈클로가 사용할 AI 모델은 외부 로컬 서버나 클라우드 서비스와 연동할 수 있다. 하지만 클라우드 기반의 서비스를 오픈클로와 연결하는 경우 상황에 따라서는 오동작으로 인한 과도한 토큰 사용 비용이나 계정 제한 사례가 있는만큼, 서비스의 사용 약관도 사전에 검토할 필요가 있다.

오픈클로 환경 구축에 사용할 PC의 운영체제는 '리눅스'가 사실상 표준 환경이다. 엔비디아의 경우 오픈클로를 위한 공식 추천환경으로 리눅스 혹은 윈도의 WSL(Windows Subsystem for Linux)을 꼽는다. 이를 응용하면 가상머신을 적극적으로 활용하는 시나리오도 충분히 가능하다. 보안과 안정성을 고려하면, 기존 시스템과 분리된 환경에서 구축하는 것이 바람직하다. 또한 자동화 시스템 특성상, 실제 의도대로 동작하는지 지속적인 모니터링과 검증이 필수적이다. 

권용만 기자

yongman.kwon@chosunbiz.com