> ## Documentation Index
> Fetch the complete documentation index at: https://docs.sifi.life/llms.txt
> Use this file to discover all available pages before exploring further.

# Google / DeepMind

> 이 문서는 **[AI 동향](/ai-trends/overview)** 섹션의 일부입니다.

> **참고**
> **이 문서의 범위**: Google과 DeepMind의 AI 전략, 모델 라인업, Agent 생태계, 연구 성과, 인프라 전략을 종합 분석합니다. A2A 프로토콜 기술 상세는 [A2A (Agent-to-Agent)](../guides/genai-concepts/a2a-protocol/README), Agent 전략 상세는 [Google AI Agent 전략](../guides/genai-concepts/agent-landscape/google)을 참고하세요.

***

## 1. 개요 — Google AI의 현재 위치

Google은 2024\~2025년 사이 AI 전략의 근본적인 전환을 이루었습니다. **"AI-first**"에서 "**Agent-first"** 로의 패러다임 전환이 핵심입니다. Sundar Pichai는 "우리는 이제 AI를 만드는 것이 아니라, AI가 일하는 세상을 만들고 있다"고 선언했습니다.

### Google AI 전략의 5대 축

| 축        | 핵심                      | 대표 제품/기술                          |
| -------- | ----------------------- | --------------------------------- |
| **모델**   | 최고 성능의 Foundation Model | Gemini 2.5 Pro/Flash, Gemma       |
| **프로토콜** | Agent 간 통신 표준           | A2A (Agent-to-Agent)              |
| **플랫폼**  | 개발자 + 엔터프라이즈 도구         | Vertex AI, ADK, Agent Builder     |
| **연구**   | 과학적 돌파구                 | AlphaFold 3, AlphaProteo, GenCast |
| **제품**   | 소비자 + 엔터프라이즈 Agent      | Gemini App, Jules, Mariner, Astra |

### 왜 Google이 Agent에 올인하는가

Google의 핵심 수익원인 **검색 광고 모델** 이 AI Agent 시대에 근본적으로 위협받고 있습니다. 사용자가 "Google에서 검색"하는 대신 "Agent에게 질문"하는 패턴으로 전환되면, 기존 비즈니스 모델이 무의미해집니다.

***

## 2. Gemini 모델 라인업

### 2.1 모델 진화 타임라인

| 시기      | 모델                          | 핵심 변화                                 |
| ------- | --------------------------- | ------------------------------------- |
| 2023.12 | Gemini 1.0 (Ultra/Pro/Nano) | Google의 멀티모달 LLM 첫 공개                 |
| 2024.02 | Gemini 1.5 Pro              | **100만 토큰 컨텍스트 최초 도입**                |
| 2024.05 | Gemini 1.5 Flash            | 경량화 모델, 비용 효율 극대화                     |
| 2024.09 | Gemini 1.5 Pro 업데이트         | 200만 토큰 컨텍스트                          |
| 2024.12 | Gemini 2.0 Flash            | Agent 네이티브 설계, 멀티모달 출력                |
| 2025.03 | **Gemini 2.5 Pro**          | **Thinking Model**, Deep Think, 최고 성능 |
| 2025.05 | Gemini 2.5 Flash            | Thinking 지원 + 비용 효율                   |

### 2.2 Gemini 2.5 Pro — "생각하는 모델"

Gemini 2.5 Pro는 Google의 현재 **플래그십 모델** 로, 가장 중요한 혁신은 **Thinking Model** 개념의 도입입니다.

| 특성                | 상세                                      |
| ----------------- | --------------------------------------- |
| **Thinking**      | 답변 전 내부 추론 수행, 복잡한 수학/코딩/논리에서 정확도 대폭 향상 |
| **Deep Think**    | 특히 어려운 문제에 더 오래, 더 깊이 추론하는 모드           |
| **컨텍스트**          | 100만 토큰 이상                              |
| **멀티모달**          | 텍스트, 이미지, 오디오, 비디오 동시 처리                |
| **네이티브 Tool Use** | Function Calling이 학습 과정에 내장             |

**벤치마크 성능 (2025년 3월 기준):**

| 벤치마크               | Gemini 2.5 Pro | GPT-4o | Claude 3.5 Sonnet | 설명        |
| ------------------ | -------------- | ------ | ----------------- | --------- |
| MMLU-Pro           | 82.1%          | 74.0%  | 78.0%             | 전문 지식     |
| GPQA Diamond       | 68.9%          | 53.6%  | 65.0%             | 대학원 수준 과학 |
| MATH               | 92.0%          | 76.6%  | 78.3%             | 수학 추론     |
| SWE-bench Verified | 63.8%          | 38.4%  | 53.1%             | 실제 코딩     |

> **참고**
> **핵심 시사점**: Gemini 2.5 Pro는 발표 시점 기준 대부분의 벤치마크에서 최고 성능을 기록했습니다. 다만 Claude 4 Sonnet/Opus, GPT-4.1 등 후속 모델들이 빠르게 격차를 줄이고 있으며, 벤치마크 리더십은 수주 단위로 바뀌고 있습니다.

### 2.3 Gemini 2.5 Flash — 실용주의의 승리

| 특성        | Gemini 2.5 Pro     | Gemini 2.5 Flash  |
| --------- | ------------------ | ----------------- |
| **성능**    | 최고 (Deep Think 포함) | Pro 대비 \~80-85%   |
| **속도**    | 보통                 | 매우 빠름 (2\~3배)     |
| **가격**    | \~\$10/1M 입력 토큰    | \~\$1/1M 입력 토큰    |
| **최적 용도** | 복잡한 추론, 연구, 코드 생성  | 대량 처리, 실시간 응답, 분류 |

> **주의**
> **실전 가이드**: 프로덕션 환경에서는 **먼저 Flash로 시작** 하고, 품질이 부족한 특정 태스크에만 Pro를 적용하는 것이 비용 대비 최적의 전략입니다.

***

## 3. Agent 생태계 — A2A, ADK, Agentspace

### 3.1 A2A (Agent-to-Agent) 프로토콜

AI Agent가 멀티에이전트 시스템으로 진화하면서, 이기종 Agent 간 통신 표준이 필요해졌습니다.

| 항목     | 내용                                                          |
| ------ | ----------------------------------------------------------- |
| **공개** | 2025년 4월 (v0.1) → v0.2 → v0.3 (gRPC 지원)                     |
| **주도** | Google → 2025년 11월 Linux Foundation에 기부                     |
| **참여** | 150+ 조직 (Salesforce, SAP, Atlassian, MongoDB, Databricks 등) |

#### 핵심 개념

1. **Agent Card** — `/.well-known/agent.json`에 능력/인증을 기술한 자기 소개서
2. **Task** — 상태 머신: `submitted → working → input-required → completed/failed/canceled`
3. **Message & Part** — 멀티모달 통신 단위
4. **Artifact** — Task 실행 결과물
5. **Streaming** — SSE + gRPC 기반 실시간 통신

#### A2A vs MCP 비교

| 비교 항목     | A2A                    | MCP (Anthropic)      |
| --------- | ---------------------- | -------------------- |
| **목적**    | Agent ↔ Agent 대화 (수평적) | Agent → 도구 사용 (수직적)  |
| **관계**    | 대등한 피어(peer-to-peer)   | 클라이언트-서버             |
| **추상화**   | 고수준 (Task, 대화, 협업)     | 저수준 (함수 호출, 데이터 조회)  |
| **상태 관리** | Task 상태 머신 내장          | Stateless            |
| **표준화**   | Linux Foundation       | 오픈 소스 (Anthropic 주도) |

A2A와 MCP는 **경쟁이 아닌 보완** 관계입니다. 더 자세한 내용은 [A2A 프로토콜 가이드](../guides/genai-concepts/a2a-protocol/README)를 참고하세요.

### 3.2 ADK (Agent Development Kit)

| 항목       | 내용                                     |
| -------- | -------------------------------------- |
| **출시**   | 2025년 4월                               |
| **라이선스** | Apache 2.0                             |
| **언어**   | Python, TypeScript, Java               |
| **모델**   | 비종속 — Gemini, GPT, Claude, Llama 모두 지원 |

**4가지 멀티에이전트 패턴:**

| 패턴                   | 설명                    | 최적 유스케이스           |
| -------------------- | --------------------- | ------------------ |
| **Sequential**       | A → B → C 순차 실행       | 데이터 ETL, 보고서 파이프라인 |
| **Dispatcher**       | Router가 전문 Agent로 라우팅 | 고객 서비스, 멀티도메인      |
| **Generator-Critic** | 생성 + 평가 반복            | 코드 생성, 콘텐츠 품질 개선   |
| **Parallel**         | 동시 실행 후 결과 병합         | 시장 조사, 경쟁 분석       |

### 3.3 Vertex AI Agent Builder

2025년 3월 GA된 **엔터프라이즈 Agent 구축 플랫폼** 입니다.

| 구성 요소               | 역할                         |
| ------------------- | -------------------------- |
| **Agent Engine**    | 런타임 + 세션 + 메모리 + 로깅        |
| **Agent Designer**  | 노코드 Agent 빌더               |
| **Tool Governance** | Agent별 Tool 접근 제어 (IAM 연동) |
| **Agent Identity**  | OAuth/OIDC 인증, 감사 추적       |

### 3.4 Agentspace → Gemini Enterprise

2025년 10월 Agentspace를 **Gemini Enterprise** 로 리브랜딩. Agent Gallery, Enterprise Search(100+ 커넥터), 데이터 커넥터(SAP, Salesforce 등)를 통합한 엔터프라이즈 플랫폼입니다.

***

## 4. 소비자 Agent 제품군

| 제품                  | 핵심                                | 가격                 |
| ------------------- | --------------------------------- | ------------------ |
| **Jules**           | GitHub 이슈 자동 해결, PR 생성 (코딩 Agent) | Free \~ \$249.99/월 |
| **Project Mariner** | 브라우저 자율 조작 Agent                  | AI Ultra 구독        |
| **Project Astra**   | 실시간 멀티모달 비서 (카메라+마이크+음성)          | 데모/제한 공개           |
| **NotebookLM**      | 문서 기반 연구 도우미, Audio Overview      | 무료                 |
| **Deep Research**   | 자동 다단계 웹 리서치 + 보고서 생성             | Gemini App 내장      |

***

## 5. DeepMind 연구 성과

### 주요 성과

| 프로젝트            | 발표      | 핵심                       | 의의                 |
| --------------- | ------- | ------------------------ | ------------------ |
| **AlphaFold 3** | 2024.05 | 단백질+DNA+RNA 복합체 3D 구조 예측 | **2024 노벨 화학상 수상** |
| **AlphaProteo** | 2024.09 | 타겟 단백질에 결합하는 새 단백질 AI 설계 | 3\~300배 강한 결합력     |
| **GenCast**     | 2024.12 | 확률적 기상 예측 AI             | 15일 예측 97.2% 우수    |
| **Veo 2**       | 2024.12 | 4K 영상 생성, 물리 법칙/영화 기법 이해 | 영상 생성 품질 최고 수준     |
| **Willow**      | 2024.12 | 105-큐비트 양자 칩, 에러율 임계값 돌파 | 양자 컴퓨팅 이정표         |

***

## 6. 오픈소스 — Gemma 패밀리

### Gemma 진화

| 모델            | 출시      | 크기               | 특징                           |
| ------------- | ------- | ---------------- | ---------------------------- |
| **Gemma 1.0** | 2024.02 | 2B, 7B           | 최초 오픈 모델                     |
| **Gemma 2**   | 2024.06 | 2B, 9B, 27B      | 지식 증류로 대폭 성능 향상              |
| **Gemma 3**   | 2025.03 | 1B, 4B, 12B, 27B | **멀티모달**, 128K 컨텍스트, 100+ 언어 |
| **Gemma 3n**  | 2025    | 2B, 4B 효과        | 온디바이스 최적화, 음성/영상             |

Gemma 3 27B는 **Llama 3.3 70B와 동등 성능** 이면서 단일 GPU(RTX 4090)에서 실행 가능합니다.

***

## 7. 인프라 — TPU v6 (Trillium)

| 항목      | 내용                                    |
| ------- | ------------------------------------- |
| **성능**  | TPU v5e 대비 학습 처리량 4.7배, 에너지 효율 67% 향상 |
| **메모리** | HBM3, 대역폭 대폭 확대                       |
| **스케일** | 최대 256칩 Pod                           |
| **용도**  | Gemini 2.5 시리즈 학습에 사용                 |

### 클라우드 경쟁 비교

| 항목            | Google Cloud        | AWS            | Azure               | Databricks   |
| ------------- | ------------------- | -------------- | ------------------- | ------------ |
| **자체 모델**     | Gemini (최고 수준)      | 없음             | GPT-4o (OpenAI)     | DBRX         |
| **자체 칩**      | TPU v6 (강력)         | Trainium2      | Maia (초기)           | 없음           |
| **Agent 플랫폼** | Agent Builder + ADK | Bedrock Agents | AI Studio + Copilot | Agent Bricks |
| **차별점**       | 검색+모델+칩 수직통합        | 클라우드 1위 인프라    | Office 통합           | 데이터 레이크하우스   |

***

## 8. Google Search AI (AI Overviews)

| 항목     | 내용                                 |
| ------ | ---------------------------------- |
| **기반** | Gemini (맞춤 최적화)                    |
| **적용** | 미국 검색의 \~30%, 전 세계 200+ 국가, 40+ 언어 |
| **영향** | SEO 전략 재편, 원본 사이트 클릭률 감소 우려        |

***

## 9. 경쟁 구도

| 항목             | Google/DeepMind | OpenAI       | Anthropic     |
| -------------- | --------------- | ------------ | ------------- |
| **최강 모델**      | Gemini 2.5 Pro  | o3 / GPT-4.1 | Claude 4 Opus |
| **Agent 프로토콜** | A2A             | 없음           | MCP           |
| **오픈소스**       | Gemma 3 (적극적)   | 없음           | 없음            |
| **자체 칩**       | TPU v6          | Azure 의존     | AWS/GCP 의존    |
| **연구 깊이**      | **최고 (노벨상)**    | 높음           | 높음 (안전성)      |
| **강점**         | 수직 통합           | 브랜드/사용자      | 코딩/Agent 품질   |
| **약점**         | 제품 파편화          | 인프라 의존       | 엔터프라이즈 규모     |

***

## 10. 향후 전망

| 영역               | 전망                                   |
| ---------------- | ------------------------------------ |
| **Gemini 3.0**   | 2026년 중 예상, 더 강력한 추론 + 네이티브 Agent 능력 |
| **A2A v1.0**     | Linux Foundation 하에서 표준화, 프로덕션 도입 시작 |
| **Astra**        | 스마트 글래스/웨어러블 결합 소비자 제품 출시 예상         |
| **TPU v7**       | NVIDIA B200과 성능 경쟁 본격화               |
| **AlphaFold 후속** | 소분자 약물 설계까지 확장, 제약 산업 혁명 가속          |

> **참고**
> **Databricks 시사점**: Gemini 모델은 Databricks Foundation Model API 또는 External Model Serving에서 사용 가능합니다. Gemma 3는 오픈소스이므로 Model Serving에 직접 배포하여 프라이빗 AI를 구축할 수 있습니다. A2A 프로토콜은 Databricks Agent Bricks와 향후 통합될 가능성이 있어 모니터링이 필요합니다.

***

**참고 자료:**

* [Google AI 블로그](https://blog.google/technology/ai/)
* [Gemini 2.5 발표](https://blog.google/technology/google-deepmind/gemini-model-thinking-updates-march-2025/)
* [A2A 프로토콜 사양](https://google.github.io/A2A/)
* [ADK 문서](https://google.github.io/adk-docs/)
* [DeepMind 연구](https://deepmind.google/research/)
* [AI Agent 업계 동향 — Google](../guides/genai-concepts/agent-landscape/google)
* [A2A 프로토콜 가이드](../guides/genai-concepts/a2a-protocol/README)