구글, GPT-4o 맞불 놓는 멀티모달 AI 티저 공개: 카메라로 주변 실시간 인식

OpenAI가 음성과 시각을 실시간 처리하는 GPT-4o를 공개하며 기선을 잡자마자, Google이 즉각 반격에 나섰습니다.

연례 개발자 행사 Google I/O 2024 개막을 하루 앞두고, Google은 공식 X 계정을 통해 개발 중인 새로운 멀티모달 AI 인터페이스 티저 영상을 공개했습니다.

카메라로 비추자 무대 설치를 바로 알아챘다

영상 속 AI는 Pixel 카메라 앱과 유사한 인터페이스를 갖춘 Android 스마트폰에서 실행되고 있습니다.

시연자가 카메라로 주변 환경을 비추자, AI는 그곳이 행사 무대 설치 현장임을 곧바로 파악합니다.

이어 무대 주변에 적힌 Google I/O 로고를 인식한 뒤, 해당 개발자 행사가 어떤 행사인지 상세하게 음성으로 설명해 줍니다.

기존 Gemini도 음성 대화나 사진, 스크린샷 입력은 지원했습니다. 하지만 이번 데모의 핵심은 카메라 뷰파인더를 통한 실시간 시각 정보 파악입니다.

Humane AI Pin이나 Rabbit R1 같은 전용 기기들이 구현하려 했던 비전을, 스마트폰 기본 카메라 안으로 자연스럽게 끌고 들어온 셈입니다.

다만 사전 녹화된 데모 영상인 만큼 실제 반응 속도나 인식률은 검증이 필요합니다. 이 기능이 Gemini 앱에 통합될지, 아니면 별도 기능으로 제공될지도 아직 공개되지 않았습니다.

왜 중요한가

OpenAI의 발표 직후 나온 이번 티저는 스마트폰용 비서의 다음 표준이 실시간 시각과 음성의 결합임을 명확히 보여줍니다.

사용자 관점에서는 AI와의 상호작용 방식이 근본적으로 바뀝니다. 사진을 찍어 업로드하고 프롬프트를 적는 대신, 스마트폰을 비추고 말만 걸면 됩니다. 이 기능이 Android 생태계에 안착한다면 별도의 AI 전용 하드웨어를 구매할 필요성은 크게 줄어듭니다.

업계 측면에서는 모바일 AI 경쟁이 텍스트 중심에서 센서 기반의 실시간 인식으로 확장되었습니다. 모델의 인상적인 반응성은 OpenAI가 앞섰을지 몰라도, 전 세계 수십억 대의 모바일 기기와 카메라를 쥐고 있는 쪽은 여전히 Google입니다.

다만 지금 공개된 것은 양사 모두 연출된 데모에 가깝습니다. 실시간 고화질 영상 분석과 음성 처리를 스마트폰 배터리 소모와 발열 문제 없이 안정적으로 처리할 수 있을지가 상용화의 핵심 관건이 될 것으로 보입니다.