GPU를 많이 확보했다는 뉴스만으로 국가의 AI 역량을 말할 수 있을까. 서버가 빽빽한 건물은 거대한 창고처럼 보이지만, AI 팩토리라는 이름은 저장된 장비가 아니라 끊임없이 움직이는 생산 흐름을 요구한다. 데이터가 정제되어 모델로 들어가고, 학습과 미세조정을 거쳐 서비스로 배포되며, 오류와 이용자의 피드백이 다시 개선 과정으로 돌아와야 한다. 이 책은 그 순환이 실제로 닫힐 때 비로소 데이터센터가 지능 생산 체계가 된다고 말한다.

AI 팩토리를 GPU 대수와 토큰 생산량으로만 설명하지 않는 것이 이 책의 중심 원칙이다. 토큰을 많이 만든다고 정확하고 유용한 지능이 저절로 생산되는 것은 아니다. 데이터의 권리와 품질, 모델의 정확성과 안전성, 고속 네트워크와 저장장치, 전력과 냉각, 보안과 운영 인력, 반복해서 비용을 지불하는 고객 수요가 함께 움직여야 한다. 장비 처리량과 실제 사회적 가치 사이에 놓인 긴 다리를 한 칸씩 건너게 한다.

소버린 AI에 대한 해석도 현실적이다. 외국산 칩을 배제하거나 한국어 모델 하나를 보유하는 것이 주권의 완성이 아니다. 중요한 것은 데이터를 어떤 법과 절차로 사용할지, 모델을 국내에서 평가하고 고칠 수 있는지, 외부 사업자의 정책 변화와 장애에도 핵심 서비스를 이어 갈 수 있는지, 공급자를 바꿀 선택권과 숙련된 인력을 남기는가이다. 개방과 자율을 동시에 설계하는 운영 능력이 핵심이라는 설명은 국가 인프라 논의를 구호에서 끌어내린다.

열두 장은 서버 창고라는 오해를 풀고, 컴퓨팅·데이터·모델·전력·냉각·서비스 수요라는 여섯 렌즈로 AI 팩토리를 해부한다. 학습과 추론이 랙과 네트워크를 어떻게 바꾸는지, 데이터 생애주기와 모델 배포가 왜 하나의 생산선인지, 네이버·SK텔레콤·정부 사업이 각각 어느 단계에 있는지 구분한다. 발표, 착공, 장비 반입, 시험 가동, 상용 서비스, 반복 운영의 문턱을 따로 제시해 계획을 성과로 앞당기는 오류를 막는다.

국가 AI 인프라는 거대한 숫자로 기억되기 쉽지만, 진짜 경쟁력은 얼마나 많은 장비를 샀는가보다 전력 한 단위로 얼마나 유용한 작업을 안정적으로 처리했는가에서 드러난다. 연구자와 스타트업이 실제로 접근할 수 있는지, 장애 뒤에 얼마나 빨리 복구하는지, 모델 품질과 고객 수요가 축적되는지를 확인해야 한다. AI 팩토리라는 말의 힘과 그림자를 함께 읽고 싶은 독자라면, 이 책이 건물 외관 너머의 생산 체계를 선명하게 보여 줄 것이다.