Intel이 하루 만에 6% 빠졌어요. AMD도 5%. 주식 시장은 냄새를 먼저 맡거든요.
젠슨 황이 발표한 건 고성능 데이터센터 GPU가 아니었어요. 노트북 칩이었어요. 그것도 클라우드 없이 120B 파라미터 AI 모델을 로컬에서 돌리는 노트북 칩. "40년 만에 PC를 다시 발명하고 있다"는 그의 말이 이번엔 비유가 아닐 수도 있어요.
스펙 말고, 진짜로 뭘 할 수 있어요?
RTX Spark는 Grace CPU(20코어 Arm)와 Blackwell RTX GPU(6,144개 CUDA 코어)를 NVLink-C2C로 연결한 슈퍼칩이에요. 두께 14mm, 무게 1.4kg의 노트북에 128GB 통합 메모리와 1페타플롭 FP4 AI 성능이 들어가요.
근데 이 숫자보다 중요한 게 있어요. 120B 파라미터 LLM을 100만 토큰 컨텍스트로 인터랙티브 속도로 로컬 실행이 돼요. GPT-4급 모델이 인터넷 연결 없이 노트북에서 초당 1,000+ 토큰으로 돌아간다는 얘기예요.
- 크로스앱 워크플로우 자동화
"다음 주 클라이언트 보고서 초안 잡아줘" 한 마디로 Excel 분석 → Word 초안 → 이메일 발송까지 처리해요. Windows 내 여러 앱을 넘나들며 추론하는 게 로컬에서 가능해져요. - 로컬 파일 시맨틱 검색
"작년 3분기 예산 회의에서 나온 클라이언트 A 언급 찾아줘" — 이런 자연어 검색이 인터넷 없이 내 파일 전체에서 작동해요. - 이미지·영상·코드 생성 로컬화
ComfyUI, Blender, Adobe Premiere Pro가 RTX Spark 위에서 네이티브로 돌아가요. 클라우드 렌더링 구독비 절감이 시작돼요. - 에이전트 보안 격리
NVIDIA OpenShell이 에이전트 실행 환경을 로컬에 격리해요. 기업 내부 문서를 외부로 보내지 않고 AI 처리가 가능해져요.
Satya Nadella: "모든 책상에 무제한 지능"
마이크로소프트가 처음부터 공동 개발 파트너로 참여했어요. 클라우드 AI 구독료 대신 PC 구매로 AI를 쓰는 패러다임을 공식화하는 셈이에요.
클라우드 청구서 끊기 — 4개월 손익분기점 계산법
이게 사업가·개발자 입장에서 가장 중요한 숫자예요. 클라우드 AI API를 매달 얼마나 쓰는지 vs RTX Spark 기기를 사면 언제 본전인지 봐볼게요.
MindStudio 분석에 따르면, 개발자 팀이 하루 8시간씩 꾸준히 AI 추론 워크로드를 돌리면 75~88 근무일(약 4개월) 안에 클라우드 비용 대비 손익분기점이 나와요. 3년 상각 기준으로 연간 $1,000 수준의 하드웨어 비용이에요.
레이턴시도 달라져요. 로컬 추론은 클라우드 API 왕복 대비 10~50배 빠르다는 실측 데이터가 있어요. 에이전트가 여러 단계를 추론할 때마다 클라우드로 왕복하는 시간이 쌓이면 생각보다 느려지는데, 로컬이면 이게 사라져요.
| 클라우드 AI API | RTX Spark 로컬 | |
|---|---|---|
| 비용 구조 | 토큰당 과금 (무한 누적) | 기기 1회 구매 |
| 응답 속도 | 네트워크 왕복 포함 | 10~50배 빠름 |
| 데이터 프라이버시 | 외부 서버 전송 | 완전 로컬 처리 |
| 오프라인 사용 | 인터넷 필수 | 오프라인 OK |
| 최신 모델 | 프론티어 최신 모델 | 120B급 (GPT-4 수준) |
| 버스티 워크로드 | 클라우드가 유리 | 고정 부하 작업에 강함 |
물론 모든 워크로드를 로컬로 옮기라는 게 아니에요. 최신 프론티어 모델이 필요하거나 일시적으로 터지는 작업은 여전히 클라우드가 맞아요. 상시 가동·프라이버시 민감·고정 부하 작업은 RTX Spark가 압도적으로 유리해요.
Intel이 6% 빠진 이유 — CPU 전쟁이 아닌 스택 전쟁
시장이 Intel -6%, AMD -5%로 반응한 건 "엔비디아가 CPU 하나 더 만들었네"가 아니에요. 훨씬 더 큰 의미예요.
"40년 동안 앱을 클릭했어요. 클릭, 타이핑. RTX Spark와 Windows로는 이제 말만 하면 PC가 일합니다."
— 젠슨 황, NVIDIA CEO (GTC 타이베이 2026)
엔비디아는 이미 데이터센터에서 H100, B200으로 AI 인프라를 장악하고 Vera CPU로 $200억어치를 팔았어요. 이제 RTX Spark로 소비자 PC까지 장악하면, AI 연산이 데이터센터 → 책상 → 노트북 전 계층에서 엔비디아 위에서 돌아가는 구조가 완성돼요.
리스크도 있어요. 엔비디아의 첫 ARM Windows 도전은 2013년에 마이크로소프트의 $9억 손실로 끝났어요. 이번엔 처음부터 마이크로소프트가 공동 개발했고, AI 에이전트가 실제로 돌아갈 하드웨어가 필요한 시장이 생겼어요. 30종 이상의 노트북, 10종 이상의 데스크톱, 100개 이상의 소프트웨어 파트너가 이미 확정됐어요.
올가을 AI PC 준비 체크리스트
RTX Spark 노트북은 2026년 가을부터 ASUS, Dell, HP, Lenovo, Microsoft Surface, MSI에서 출시 예정이에요. 구매 전에 아래 5가지를 점검해보세요.
- 클라우드 AI 청구서 점검
지난 3개월 OpenAI, Anthropic, Google AI 청구서를 꺼내보세요. 월 $100 이상이라면 RTX Spark 출시 후 ROI 계산이 즉시 유리해져요. - 워크로드 유형 분류
문서 분석·코드 생성·내부 데이터 처리는 로컬이 강해요. 최신 프론티어 모델이 반드시 필요하거나 가끔 터지는 작업은 계속 클라우드를 쓰는 게 효율적이에요. - 프라이버시 요구사항 확인
의료·법무·금융 데이터를 다루는 조직이라면 NVIDIA OpenShell 로컬 격리가 컴플라이언스 리스크를 원천 차단해줘요. - 소프트웨어 호환성 사전 확인
RTX Spark는 Arm 아키텍처예요. 내가 매일 쓰는 업무용 소프트웨어가 Windows on Arm 네이티브 지원인지 먼저 확인하세요. - 지금 Ollama로 예습하기
출시 전 현재 GPU로 Ollama + Llama 3.1 70B를 돌려보세요. 로컬 AI 에이전트 워크플로우에 익숙해지면 RTX Spark 전환 시 즉시 실전 투입 가능해요.
ARM 호환성 주의사항
RTX Spark는 x86이 아닌 Arm 아키텍처예요. 주요 앱 대부분은 호환되지만 특수 업무용·레거시 소프트웨어는 에뮬레이션이 필요할 수 있어요. 구매 전 자신의 핵심 도구 목록을 NVIDIA 파트너 호환 목록과 대조해보세요.
