마이크로소프트, 자체 개발 모델 'MAI-Voice-1' 및 'MAI-1-preview' 공개

마이크로소프트의 코파일럿은 뛰어난 서비스를 자랑해 왔지만, 그 이면의 두뇌는 사실상 오픈AI의 기술에 전적으로 의존해 왔습니다.

하지만 이런 흐름에 분명한 전환점이 찾아왔습니다. 마이크로소프트 AI(MAI) 부문은 8월 28일, 자체 개발한 첫 엔드투엔드 파운데이션 모델인 MAI-1-preview와 초고속 음성 생성 모델 MAI-Voice-1을 공개했습니다.

1초 만에 1분 음성 생성, 1만 5천 대 H100으로 빚은 자체 모델

MAI-Voice-1은 단일 및 다중 화자 환경 모두에서 풍부한 표현력을 제공하는 음성 모델입니다. 가장 눈에 띄는 대목은 압도적인 효율성입니다.

마이크로소프트에 따르면 단 한 대의 GPU에서 1분 분량의 고품질 오디오를 1초도 안 되는 시간에 생성할 수 있습니다. 이미 코파일럿 데일리와 팟캐스트 기능에 적용되었으며, 코파일럿 랩스(Copilot Labs)에서 대화형 스토리나 수면 명상 유도 음성 데모를 바로 체험해 볼 수 있습니다.

함께 공개된 MAI-1-preview는 마이크로소프트 AI 팀이 처음부터 끝까지 자체적으로 학습시킨 MoE(전문가 혼합) 구조의 대형 모델입니다. 사전 학습과 사후 학습에 무려 약 1만 5000대의 엔비디아 H100 GPU가 투입되었습니다.

이 모델은 현재 LMArena에서 공개 블라인드 테스트를 진행 중이며, 신뢰할 수 있는 테스터를 대상으로 API 접근 신청을 받고 있습니다. 앞으로 몇 주 안에 코파일럿의 일부 텍스트 작업에도 순차적으로 투입될 예정입니다.

마이크로소프트는 차세대 엔비디아 GB200 클러스터 역시 이미 가동에 들어갔다고 덧붙였습니다.

왜 중요한가

이번 발표는 마이크로소프트가 오픈AI 의존도를 낮추고 자체 AI 역량의 주도권을 쥐겠다는 의지를 본격적으로 드러낸 장면입니다.

마이크로소프트는 공식적으로 오픈소스와 파트너 모델을 함께 쓰겠다는 입장을 유지하고 있지만, 1만 5000대의 H100을 투입해 대규모 기반 모델을 직접 구축했다는 점은 시사하는 바가 큽니다. 코파일럿의 방대한 사용자 규모를 감당하려면 외부 모델 호출에 따르는 막대한 추론 비용을 반드시 줄여야 하기 때문입니다.

특히 MAI-Voice-1이 보여준 단일 GPU 기반의 빠른 생성 속도는 실시간 음성 에이전트 서비스의 단가를 획기적으로 낮출 수 있는 실질적인 무기입니다. 코파일럿 랩스 데모를 통해 지금 바로 그 자연스러움을 체감해 볼 가치가 충분합니다.

강력한 유통망과 자체 인프라를 모두 쥔 마이크로소프트가 독자 모델 생태계까지 본격적으로 굴리기 시작하면서, 생성형 AI 시장의 주도권 경쟁은 한층 더 복잡하고 치열해질 것으로 보입니다.