WWDC 2026에서 드러난 Siri AI와 온디바이스 모델 전략

Apple은 2026년 6월 8일 WWDC 2026 기조연설에서 Siri를 새로운 기반 위에 다시 구축한 ‘Siri AI’를 공개했다. Google Gemini를 기반 레이어에 연결하고 Siri를 독립 앱으로 배포하는 한편, 실시간 화면 인식과 앱 간 컨텍스트 연계를 전면에 내세웠다. 함께 발표된 Apple Foundation Models(AFM) 3세대 5종과 계층형 요청 처리 구조를 보면, 이번 변화는 단순한 음성 비서 업데이트보다 모바일 AI 실행 환경의 재설계에 가깝다.

Siri를 다시 만든 WWDC 2026 발표

Tim Cook의 마지막 WWDC 기조연설로 알려진 행사에서 Apple은 기존 Siri의 반복된 한계를 인정하고 AI 전략을 근본적으로 재편했다. 발표 범위에는 Google Gemini 기반의 차세대 어시스턴트인 Siri AI, 온디바이스와 클라우드를 아우르는 AFM 3세대 모델 패밀리, iOS 27과 macOS 27(Golden Gate), 스마트홈용 운영체제 homeOS가 포함됐다.

운영체제에는 AI 기능이 깊게 통합됐다. Siri AI는 OS 구성요소에 머물지 않고 독립 앱으로 제공되며, 사용자 요청은 개인정보와 작업 복잡도에 따라 온디바이스, Private Cloud Compute, Google Cloud 가운데 하나로 전달된다.

이번 발표에서 특히 눈에 띄는 대목은 Apple이 Google과의 AI 협력 관계와 구체적인 파트너십을 공개했다는 점이다. 연간 약 10억 달러 규모로 알려진 Gemini 라이선싱 계약을 통해 1.2조 파라미터 규모의 커스텀 Gemini 모델을 Siri AI 백엔드에 활용한다.

요청의 복잡도와 데이터 성격에 따라 처리 위치가 달라진다

Siri AI는 모든 질의를 같은 모델이나 같은 서버로 보내지 않는다. 먼저 요청의 복잡도를 분류한 뒤 온디바이스 처리, Apple의 Private Cloud Compute, Google Cloud 순으로 구성된 계층에서 실행 위치를 고른다.

⤢✕

달력 일정 추가, 알람 설정, 간단한 질의처럼 비교적 단순한 요청은 AFM 3 Core 또는 Core Advanced가 기기 안에서 처리한다. 연락처·사진·메시지 등 개인정보가 포함된 작업도 이 계층에 배치돼 데이터가 기기 밖으로 나가지 않는다.

중간 복잡도의 작업은 M5 칩을 탑재한 Apple 전용 서버의 Private Cloud Compute(PCC)로 넘어간다. 데이터는 처리 중에만 암호화된 메모리에 존재하고 완료 직후 삭제된다. 로그를 보관하지 않는 상태 비저장 방식으로 운영된다.

복잡한 다단계 추론, 창의적 작성, 코드 생성은 Google Cloud의 NVIDIA Blackwell B200 GPU에서 실행되는 AFM 3 Cloud Pro가 맡는다. 이 계층은 Google Gemini 프론티어 모델의 출력을 활용해 정제된 결과를 반환한다.

화면을 읽는 Siri와 앱 경계를 넘는 작업

Screen Awareness는 사용자가 보고 있는 화면을 Siri가 실시간으로 해석하는 기능이다. 화면 내용을 복사해 별도로 전달하지 않아도 현재 맥락을 요청에 포함할 수 있다.

항공편 예약 확인 메일을 열어 둔 상태에서 “이 항공편 캘린더에 추가해줘”라고 말하면 Siri가 날짜·시간·항공사 정보를 화면에서 찾아 처리한다. 메시지 앱에서 친구가 보낸 사진을 보며 “이 레스토랑 어디야?”라고 물으면 사진 속 간판과 주변 정보를 바탕으로 위치를 확인한다.

이 파이프라인의 기반은 AFM v11의 온스크린 컨텍스트 이해 능력이다. 스프레드시트의 데이터 추출, 메일 내용을 이용한 일정 조율, 웹페이지 요약 같은 다단계 작업도 하나의 음성 요청으로 연결한다.

크로스앱 컨텍스트 인식은 이 흐름을 앱 밖으로 확장한다. “다음 주 서울 출장 준비해줘”라는 요청을 받으면 Mail에서 관련 메일을 검색하고, Calendar에 일정 블록을 만들며, Maps에 숙소와 행사장 위치를 저장하고, Reminders에는 준비물 목록을 생성한다.

iOS 27에서는 Safari 탭 관리와 Siri AI 검색이 연결되고, 비밀번호 앱을 통한 원탭 업데이트가 지원된다. Photos·Contacts·Maps의 데이터를 조합한 응답과 이전 대화 이력을 이어받는 연속 작업도 크로스앱 연동 범위에 포함된다.

AFM 3세대가 맡는 로컬과 클라우드의 역할

AFM 3세대는 온디바이스 계열과 클라우드 계열을 합친 5종의 모델로 구성된다.

⤢✕

AFM 3 Core는 3B 파라미터의 Dense 모델로 경량 범용 추론을 담당한다. Core Advanced는 멀티모달 처리가 필요한 더 무거운 온디바이스 작업에 배치된다. 클라우드에서는 AFM 3 Cloud가 PCC의 범용 요청을, Cloud Pro가 고난도 추론과 코딩을 맡는다. ADM 3 Cloud는 이미지 생성과 편집에 특화된 모델이다.

NAND에 저장하고 필요한 전문가만 DRAM으로 부른다

AFM 3 Core Advanced의 핵심은 Sparse Mixture-of-Experts(MoE) 구조다. 전체 20B 파라미터는 NAND 플래시 스토리지에 두고, 추론할 때 쿼리 성격에 맞는 1~4B 파라미터만 DRAM에 선택적으로 로드한다.

20B 전체를 항상 메모리에 올리면 iPhone의 DRAM 용량을 초과한다. 필요한 일부만 활성화하는 방식은 일반 iPhone에서도 대형 모델 수준의 추론 능력을 실시간으로 활용하기 위한 해법이다.

Core Advanced는 기본적으로 멀티모달을 지원한다. 표현력을 높인 음성 합성인 Expressive Voices와 고정확도 Dictation도 이 모델을 기반으로 동작한다.

Gemini의 출력을 학습하되 가중치는 Apple이 소유한다

AFM 3 Cloud Pro는 Google Cloud의 NVIDIA Blackwell B200 GPU에서 실행되는 클라우드 계열 최상위 모델이다. Google Gemini 프론티어 모델의 출력을 이용한 지식 증류(Knowledge Distillation) 방식으로 파인튜닝해 Gemini의 추론 능력을 Apple의 프라이버시 아키텍처 안으로 가져온다.

Apple Insider가 지적한 내용에 따르면 AFM 3 Cloud Pro에는 Gemini의 학습 결과가 반영되지만, 실제 모델 가중치는 Apple이 완전히 소유하며 Gemini 가중치를 직접 포함하지 않는다. 따라서 이 협력은 모델 가중치나 아키텍처를 그대로 공유하는 관계가 아니라 학습 데이터와 지식 증류 방식을 중심으로 이해해야 한다.

개발자는 Swift 네이티브 API인 Foundation Models Framework를 통해 AFM 3 Core Advanced에 접근할 수 있다. 이미지 입력도 지원하므로 멀티모달 앱을 만들 수 있으며, App Intents API와 결합하면 서드파티 앱을 Siri AI의 크로스앱 자동화 파이프라인에 연결할 수 있다.

자체 모델과 외부 LLM을 함께 배치한 이유

Apple이 선택한 구조는 하나의 모델에 모든 요청을 맡기는 방식이 아니다. 자체 AFM은 온디바이스 처리와 일반 클라우드 요청을 담당하고, Google Gemini는 최상위 추론 레이어를 지원한다. 개발자는 ChatGPT를 비롯한 서드파티 모델을 Siri 확장으로 통합할 수 있다.

이 멀티 LLM 오케스트레이션은 데이터 처리의 핵심 통제권과 외부 모델의 능력을 분리한다. 개인정보가 걸린 작업은 자체 모델과 Apple의 인프라에 남기면서 고난도 요청에서는 외부 모델의 추론 능력을 활용하는 구조다.

Foundation Models Framework는 개발자에게 Apple Silicon에 최적화된 추론 환경을 제공하지만, 이를 기반으로 앱을 설계할수록 Apple 플랫폼에 대한 종속성도 커진다. 동시에 Apple은 EU AI법과 디지털 시장법(DMA)에 대응해 서드파티 LLM 통합 경로를 열어 두고, 핵심 데이터 처리는 자체 아키텍처 안에 유지하는 방향을 택했다.

독립 앱이 바꾸는 업데이트와 대화 관리

Siri AI를 독립 앱으로 제공하면 OS 업데이트와 별개로 어시스턴트를 개선할 수 있다. 대화 이력은 앱 안에 로컬로 저장되고 검색할 수 있으며, iCloud를 통해 Apple 기기 사이에서 프라이버시를 보호하며 동기화된다.

앱을 닫은 뒤에도 이전 대화 맥락을 이어받을 수 있어 연속적인 상호작용이 가능하다. 입력 방식도 음성에 한정되지 않는다. 텍스트·음성·이미지를 한 대화에서 함께 사용할 수 있다.

Private Cloud Compute가 세운 데이터 처리 경계

Apple이 모바일 AI 경쟁에서 내세우는 차별점은 모델 자체만이 아니라 데이터를 처리하는 방식이다. 업그레이드된 Private Cloud Compute에서는 데이터가 처리 중에만 암호화 메모리에 존재하며, 작업이 끝나면 즉시 삭제된다. 로그는 남기지 않는다.

한 사용자의 데이터를 다른 사용자를 위한 서비스 개선에 이용할 수 없고, Apple 내부 직원도 처리 중인 데이터에 접근할 수 없다. 이는 Google Assistant나 Samsung의 Gemini 기반 AI가 클라우드에서 쿼리를 처리하고 서비스 개선을 위해 데이터를 분석하는 방식과 구분되는 접근이다.

Android 진영과 비교한 Siri AI의 위치

⤢✕

Google Assistant와 Gemini Live는 자연어 이해의 속도와 정확도에서 여전히 업계 기준점으로 평가된다. Gmail·Calendar·Maps·Photos의 깊은 연동은 Android 사용자에게 강력한 생산성 기능을 제공한다. Gemini Live의 실시간 카메라 분석은 Google I/O 2025에서 먼저 공개돼 시장에서 검증됐다.

Siri AI는 같은 Gemini 계열을 활용하면서 온디바이스 처리와 데이터 최소화를 차별점으로 삼는다. 자연어 처리 정확도에서는 Google이 여전히 앞서지만, AFM 3 Core Advanced 이후 Apple의 온디바이스 추론 능력이 격차를 상당히 좁혔다는 평가다. WWDC 2026 이후의 경쟁 구도는 “같은 엔진, 다른 가치관”으로 압축된다.

Samsung Galaxy S26은 Google Gemini, Perplexity, Bixby를 병렬로 운용한다. Gemini는 에이전트 작업을, Perplexity는 웹 검색 질의를, 업그레이드된 Bixby는 온디바이스 어시스턴트 역할을 맡는다.

이 방식은 여러 파트너십을 바탕으로 기능을 빠르게 확장할 수 있지만, 사용자 경험의 일관성에는 불리할 수 있다. CNBC는 S26 출시 시점에 “삼성 S26이 Gemini 기반 Apple Siri가 할 수 있는 일을 미리 보여주고 있다”고 평가했으며, WWDC 2026 발표를 통해 이 예측이 현실화됐다.

Galaxy AI의 Live Translate, 실시간 통역, Note Assist는 이미 시장에서 긍정적인 평가를 받아왔다. Siri AI도 iOS 27에서 비슷한 기능을 선보이면서 두 생태계의 경쟁은 더 치열해질 전망이다.

모바일 어시스턴트가 향하는 구조

2026년 모바일 AI 어시스턴트는 질문에 답하는 기능에서 여러 앱의 작업을 자율적으로 이어서 수행하는 에이전트로 이동하고 있다. Apple의 크로스앱 자동화, Google의 Agentic Gemini Live, Samsung의 Galaxy Agent가 같은 방향을 가리킨다.

하드웨어에서는 온디바이스 추론 능력이 주요 차별화 축이 됐다. AFM 3 Core Advanced의 20B Sparse 구조뿐 아니라 Qualcomm Snapdragon AI Elite와 Samsung Exynos AI Core도 이 경쟁에 포함된다.

클라우드를 사용하더라도 개인정보를 보호하는 신뢰 아키텍처 역시 중요해졌다. Apple의 Private Cloud Compute, Samsung의 Knox Vault AI 확장, Google의 Confidential Computing은 처리 위치가 기기 밖으로 이동할 때 적용할 보호 경계를 두고 경쟁한다.

Apple의 선택은 외부 모델 도입과 자체 실행 환경을 대립시키지 않는 데 있다. Gemini를 고난도 추론에 활용하면서 AFM 3세대, 온디바이스 처리, Private Cloud Compute로 데이터 경계와 플랫폼 통제권을 유지한다.

Screen Awareness와 크로스앱 컨텍스트 인식은 Siri를 단순 명령 처리기에서 개인 AI 에이전트로 옮기는 기능이다. 독립 앱 배포는 OS 업데이트 주기와 분리된 개선 경로를 제공한다. 20B Sparse 파라미터 모델을 온디바이스에서 실행하는 구조는 모바일 AI가 편의 기능을 넘어 개인 데이터 처리 인프라로 자리 잡고 있음을 보여준다.