이 문서는 AI 동향 섹션의 일부입니다.
참고 이 문서의 범위: Meta의 AI 모델(Llama 4), 오픈소스 전략, 제품 통합, AR/VR, 인프라 투자를 종합 분석합니다. 기준 시점은 2026년 4월이며, Llama 4 발표(2025년 4월 5일)를 중심으로 다룹니다.
1. 개요
Meta는 2025-2026년 AI 전략의 핵심을 “오픈소스 모델로 생태계를 장악하고, 자사 플랫폼(30억+ 사용자)에 AI를 깊이 통합한다” 는 두 축으로 전개하고 있습니다. Llama 4 출시, 대규모 인프라 투자, 소셜 미디어 전반의 AI 어시스턴트 배포, AR/VR 디바이스와의 결합까지 — Meta는 “AI 시대의 플랫폼 기업”으로의 전환을 가속하고 있습니다.2. Llama 4 모델 패밀리
2.1 왜 Llama 4인가?
Llama 3까지 Meta는 Dense(밀집형) Transformer 아키텍처를 사용했습니다. Dense 모델은 입력 토큰마다 모든 파라미터를 활성화하기 때문에, 모델 크기가 커질수록 추론 비용이 선형적으로 증가하는 근본적 한계가 있었습니다. Llama 4는 이를 해결하기 위해 Mixture of Experts (MoE) 아키텍처를 전면 도입했습니다.2.2 모델 라인업
Scout와 Maverick 모두 활성 파라미터가 17B에 불과 합니다. Maverick은 400B 규모의 지식을 가지고 있지만, 추론 시에는 17B Dense 모델과 비슷한 연산 비용만 소모합니다.
2.3 MoE 아키텍처 심층 분석
MoE의 핵심은 Transformer 블록 내의 FFN을 여러 “전문가”로 분할 하는 것입니다. 각 토큰 입력 시 라우터 가 최적의 전문가를 선택합니다. Dense vs MoE 비교:Llama 4의 MoE 구현 특징
- 교차 모달 전문가 라우팅: 텍스트와 이미지 토큰이 동일한 MoE 레이어를 통과, 라우터가 동적으로 전문가 선택
- iRoPE (interleaved RoPE): 일부 Attention 레이어는 RoPE 사용, 나머지는 NoPE로 교차 배치하여 10M+ 컨텍스트 구현
- MetaP: 모델 크기에 따라 최적 하이퍼파라미터를 자동 결정하는 기법
2.4 Scout — 10M 컨텍스트의 의미
Scout의 10M 토큰 컨텍스트 는 GPT-4o(128K), Claude 3.5(200K)의 50~80배입니다.
활성 파라미터가 17B여서 단일 GPU 노드(H100 8장)에서도 실행 가능합니다.
2.5 Maverick — 오픈소스 최강
128개 전문가를 보유한 대규모 MoE 모델로, GPT-4o와 동등하거나 우수한 벤치마크를 기록했습니다. LMArena에서 한때 1위를 차지했으며, 다국어 이해, 코딩, 수학적 추론 에서 강점을 보입니다.2.6 Behemoth — Teacher 모델
2T+ 파라미터의 초대형 모델로, 주된 역할은 Scout와 Maverick의 Knowledge Distillation 소스 입니다. STEM 벤치마크에서 GPT-4.5, Gemini 2.0 Ultra를 넘는 것을 목표로 합니다.2.7 네이티브 멀티모달
3. 오픈소스 전략과 생태계
3.1 왜 오픈소스인가
Mark Zuckerberg가 명시적으로 밝혔듯이, 이는 “개발자 생태계를 장악하여 플랫폼이 되겠다” 는 전략적 판단입니다.- 생태계 장악: Android가 모바일을 장악한 것과 유사한 전략
- 인재 확보: 오픈소스 프로젝트 기여자 → Meta 합류
- 비용 분산: 커뮤니티의 파인튜닝, 버그 발견, 응용 개발
- 표준화: Llama가 표준이 되면 폐쇄형 모델이 “비표준”
3.2 Llama 라이선스
3.3 Llama Stack
모델 가중치뿐 아니라 Agent 구축 전체 소프트웨어 스택을 표준화하여 제공합니다.3.4 클라우드 파트너
4. 제품 통합: 30억 사용자에 AI 배포
4.1 Meta AI 어시스턴트
Meta AI의 MAU는 2025년 초 기준 10억 명 이상 으로, 세계에서 가장 많은 사용자에게 도달하는 AI 어시스턴트입니다.
5. AR/VR과 AI의 융합
5.1 Ray-Ban Meta 스마트 글래스
카메라, 마이크, 스피커 내장 안경에 Llama 기반 멀티모달 AI가 탑재됩니다.- 실시간 시각 AI: 카메라로 본 것을 분석하여 답변
- 실시간 번역: Seamless Communication 기술 기반
- 스마트 글래스 시장 출하량 기준 1위
5.2 Meta Quest & Orion
- Quest 3/3S: 공간 인식 AI, AI NPC
- Orion AR 글래스: 차세대 AR, 2027-2028년 양산 예상
6. 인프라 투자
- H100 약 60만 개 이상 보유, B200(Blackwell) 대규모 발주
- MTIA(자체 칩): 추론 워크로드에 점진적 활용
- 원자력 에너지 공급 계약 체결
7. 연구 & 기술 혁신
8. 향후 전망
9. 종합 정리
Meta의 AI 전략은 “인프라에서 디바이스까지 수직 통합된 오픈소스 AI 플랫폼” 으로 요약됩니다.참고 Databricks 시사점: Databricks는 Foundation Model APIs와 Model Serving을 통해 Llama 4를 지원합니다. Llama의 오픈 웨이트 특성 덕분에 기업 데이터가 외부로 유출되지 않는 프라이빗 AI 배포가 가능합니다. Scout의 10M 컨텍스트는 대규모 코드베이스/문서 분석에, Maverick은 범용 에이전트 기반 모델로 적합합니다.
주의 Llama 4 경량 모델 부재: Llama 3에는 8B, 70B 경량 모델이 있었지만, Llama 4는 최소 109B(Scout)입니다. 모바일/엣지 시나리오에서는 Llama 3.x 8B가 여전히 필요합니다.
참고 자료: