3줄 브리핑
- 20여 년 전 런던의 낙후 지역이던 킹스크로스가 알파벳 딥마인드를 중심으로 글로벌 AI 허브로 재편됐다.
- 핵심은 건물이 아니라 인재 밀도다. 구글, 메타, 웨이브, 프랜시스 크릭 연구소가 한 생활권에 붙었다.
- 투자 관점에서는 AI 모델 경쟁이 데이터센터만의 싸움이 아니라 연구자, 대학, 교통, 도시 재개발의 결합으로 이동했다는 신호다.
무엇이 달라지나
AI는 GPU를 많이 사는 회사가 이기는 게임처럼 보이지만, 실제 병목은 두 겹이다. 하나는 연산 자본이고, 다른 하나는 문제를 정의하는 연구자다. 킹스크로스의 변화는 두 번째 병목을 보여준다. 알파벳 딥마인드가 런던의 한 구역을 AI 연구의 기준점으로 만들자, 주변에 빅테크 사무소와 자율주행 AI 기업, 생명과학 연구기관이 따라붙었다.
이 구조가 중요한 이유는 기술 이전 속도다. 딥마인드의 강점은 단일 챗봇이 아니라 강화학습, 단백질 구조 예측, 생성형 모델로 이어지는 연구 포트폴리오다. 근처에 프랜시스 크릭 연구소 같은 생명과학 인프라가 있으면 AI와 바이오의 접점이 넓어진다. 알파폴드류의 성과는 논문에서 끝나지 않고 신약 탐색, 실험 자동화, 클라우드 수요로 내려간다.
도시는 이때 생산설비가 된다. 과거 킹스크로스의 재개발은 부동산 이벤트였지만, 지금은 알파벳의 AI 공급망 일부다. 반도체로 치면 소재와 장비만 보는 것이 아니라 수율을 끌어올리는 공정 엔지니어의 밀도를 보는 것과 같다. AI에서도 연구자 네트워크가 모델 개선 속도를 좌우한다.
숫자와 맥락으로 보기
원문이 제시한 숫자는 방향을 분명히 한다. 구글은 지난해 킹스크로스 인력에게 기본급과 주식 보상을 합쳐 평균 26만6000파운드 수준의 보상을 지급한 것으로 전해졌다. 고급 AI 연구자 확보전이 임금 비용을 끌어올리지만, 이는 동시에 경쟁자가 쉽게 복제하기 어려운 진입장벽이다.
주변 생태계도 작지 않다. 메타의 영국 거점에는 약 7000명의 엔지니어가 있고, 프랜시스 크릭 연구소에는 박사급 연구자 1500명 이상이 모여 있다. 여기에 테슬라식 자율주행 접근과 다른 길을 가는 웨이브까지 붙으면, 킹스크로스는 사무실 집합이 아니라 AI 응용 분야의 압축된 실험장에 가깝다.
수혜·피해 종목
- 알파벳 딥마인드의 본거지 효과가 크다. 제미나이, 알파폴드 같은 연구 자산을 클라우드와 검색, 생산성 소프트웨어에 연결할수록 연구비는 비용이 아니라 제품 차별화 재료가 된다.
- 메타 런던 엔지니어 풀 접근성이 높다. 오픈소스 AI 모델과 광고 추천 시스템을 개선하는 인력 경쟁에서 유럽 거점은 미국 본사 의존도를 낮춘다.
- 클라우드 인프라 AI 연구기관 밀집은 학습보다 추론과 실험 수요를 늘린다. 직접 종목보다 데이터센터, 네트워크, 클라우드 사용량으로 읽어야 한다.
- 중소 AI 스타트업 인재 유입은 기회지만 임금 인플레이션은 부담이다. 빅테크가 보상 상단을 끌어올리면 초기 기업의 현금 소진 속도가 빨라진다.
