본문으로 건너뛰기

AI용 노트북, 가장 비싼 GPU보다 먼저 정할 것이 있었습니다

강진태

2026.10.26

AI용 노트북, 가장 비싼 GPU보다 먼저 정할 것이 있었습니다 본문 이미지

소개

AI를 배우고 개발도 해 보고 싶어서, 처음 요청에 필요한 사양을 정확히 모르겠다고 적었습니다. CPU 이름에는 ‘AI’가 붙고, 메모리는 RAM과 GPU 메모리로 나뉘고, 같은 제품도 판매처마다 구성이 달랐습니다. 좋은 부품을 모두 고르면 해결될 것 같지만, 300만 원이라는 예산 안에서는 무엇을 우선할지 정해야 했습니다.

저는 어사이드에 검토 중인 노트북 링크를 주고 부족한 부분과 대안을 물었습니다. 그런데 이 사례에서 중요한 전환점은 더 좋은 GPU를 찾은 순간이 아니었습니다. 제가 실제로 하려는 작업을 다시 설명하자, 추천 기준과 후보 목록이 달라졌다는 점이었습니다.

이런 분들께 도움이 됩니다.

  • ‘AI용’이라는 말만으로 노트북을 고르기 어려운 분

  • 로컬 모델 학습과 클라우드 기반 개발 사이에서 고민하는 분

  • AI의 제품 추천을 그대로 받기보다 조건을 다듬어 보고 싶은 분

이 글은 2026년 10월 25일의 구매 조사 과정입니다. 제품을 구매하거나 실제 학습 성능을 측정한 후기는 아닙니다.

설명용 개념 일러스트, 실제 화면 아님: 가장 높은 사양보다 실제 사용 목적이 먼저입니다.

진행 방법

처음에는 큰 목표를 한 문장에 담았습니다

처음 보낸 요청은 다음과 같습니다. 제품 링크를 제외한 요청 본문 그대로입니다.

AI를 학습하고, 개발도 직접하고, 추후에 LLM까지 직접 제작해서 할만한 노트북을 구매하려고해. 어느정도 사양을 사야되는지 정확히 모르겠어. 내가 지금 보고있는 제품하나를 너에게 링크로 줄테니 검토해보고, 어떤부분이 부족한지, 괜찮은지 판단해줘. 그리고 너가 top5로 300만원 이하대로 추천을 해줘.

어사이드는 다나와의 제품 구성과 판매 페이지를 읽고, 제가 보낸 제품을 코딩용과 로컬 학습용으로 나누어 평가했습니다. 당시 검토한 씽크패드는 RAM 32GB였지만 NVIDIA 외장 GPU가 없는 구성이었습니다. 이 때문에 ‘개발 도구를 실행하는 컴퓨터’와 ‘노트북 안에서 모델을 직접 학습하는 컴퓨터’를 같은 기준으로 고르면 안 된다는 설명이 나왔습니다.

여기서 나온 VRAM은 GPU가 쓰는 전용 메모리입니다. 일반 RAM과 이름은 비슷하지만 같은 자원이 아닙니다. RAM을 늘렸다는 이유만으로 GPU 메모리 부족이 해결되는 것은 아니라는 점도 구매 기준에 포함됐습니다.

LLM을 만든다는 말을 작업 단위로 나눴습니다

첫 답변은 로컬 학습을 비교적 중요하게 해석했습니다. GPU 메모리 12GB를 우선하고 RAM 32GB, SSD 1TB 등을 기준으로 후보를 찾았습니다. 하지만 ‘LLM 직접 제작’ 안에는 서로 다른 작업이 섞여 있었습니다.

  • 모델 API를 이용해 서비스나 챗봇을 개발하기

  • 이미 있는 작은 모델을 실행하거나 일부 조정해 보기

  • 교육용으로 아주 작은 모델의 학습을 직접 구현하기

  • 실용적인 대형 모델을 처음부터 학습하기

이 구분은 특정 노트북의 성능을 보증하는 표가 아닙니다. 같은 ‘AI 개발’이라는 말로 서로 다른 구매 목표를 이야기하고 있는지 확인하기 위한 분류였습니다. 실제 가능 범위는 모델 크기와 설정, 실행 환경에 따라 달라지므로 별도 확인이 필요합니다.

제가 사용할 방식을 다시 적자 우선순위가 바뀌었습니다

이어 보낸 요청은 다음과 같습니다.

그렇다면 코딩과 클라우드 AI 정도의 사양이고, 노트북자체에서 모델학습하는것을 정말 찍어먹어본다는 수준으로만 한다면 어떤것들이 있는지 top5로 추천해줘.

이제 핵심 작업은 코딩과 클라우드 AI 활용이었고, 노트북 자체 학습은 가볍게 체험하는 수준으로 좁혀졌습니다. 어사이드는 추천 기준을 외장 GPU 우선에서 RAM·휴대성·가격 우선으로 바꿨습니다. Windows는 RAM 32GB, 본체 무게는 1.5kg 이하를 우선적으로 보되, CUDA 예제를 직접 실행해 보고 싶을 때는 NVIDIA GPU 후보도 남겼습니다. CUDA는 NVIDIA GPU를 활용하는 개발 환경입니다.

작은 로컬 실습과 큰 클라우드 작업으로 나뉘는 경로

설명용 개념 일러스트, 실제 화면 아님: 어디서 어떤 작업을 할지 나누면 구매 기준도 달라집니다.

마지막에 제시된 다섯 후보는 같은 목적의 성능 순위가 아니라 선택 이유가 다른 목록이었습니다.

  1. 레노버 아이디어패드 Slim 5: 코딩·클라우드 중심의 균형형 Windows 후보

  2. 에이서 Swift Go 14 AI: 매일 들고 다닐 때의 휴대성을 고려한 후보

  3. MacBook Air 13 M5: macOS 사용과 개발 도구 호환성을 받아들일 수 있을 때의 후보

  4. ASUS Zenbook 14: 가벼운 본체와 저장공간을 함께 보는 후보

  5. ASUS TUF Gaming A14: NVIDIA GPU로 로컬 학습 실습도 해 보려는 경우의 후보

이 목록은 당시 답변을 정리한 것입니다. 현재 판매가나 최신 추천 순위로 다시 검증한 목록은 아닙니다.

가격표가 아니라 구매 조건도 함께 확인했습니다

조사 기록에는 낮은 가격이 표시돼도 판매 링크가 사라진 후보를 제외한 과정이 남아 있습니다. 현금 결제 조건의 가격과 일반 표시가도 나누었고, 운영체제가 별도인 제품은 Windows 구입비를 따로 고려했습니다.

또 RAM이나 SSD를 판매점이 변경한 구성은 부품 보증 주체를 확인해야 한다는 안내가 있었습니다. 이는 ‘판매 페이지가 열렸다’는 사실을 ‘안전한 구매가 보장됐다’는 뜻으로 넓히지 않기 위한 구분이었습니다. 실제 결제금액과 재고, 판매점 신뢰성까지 확정한 것은 아닙니다.

결과와 배운 점

확인된 결과는 추천 목록을 얻은 것뿐 아니라, 구매 기준이 두 번의 요청에 따라 바뀌었다는 점입니다.

  • 처음에는 로컬 학습을 중요하게 본 GPU 중심 후보가 제시됐습니다.

  • 용도를 코딩·클라우드 중심으로 좁힌 뒤에는 RAM·무게·가격 중심으로 다시 다섯 후보가 정리됐습니다.

  • 로컬 학습을 완전히 포기하는 대신, 가벼운 체험과 클라우드에서 할 작업을 나누는 선택지가 제시됐습니다.

  • 구매나 실물 테스트는 진행하지 않았습니다. 배터리 지속시간, 소음, 발열, 장시간 학습 속도도 직접 측정하지 않았습니다.

이 사례에서 제가 가져갈 방법은 세 가지입니다.

  1. 제품명보다 먼저 작업을 적습니다. ‘AI용’ 대신 무엇을 어디서 얼마나 실행할지 설명합니다.

  2. 예산은 상한이지 반드시 써야 할 금액은 아닙니다. 무거운 연산을 클라우드에서 한다면 노트북에 필요한 조건도 달라질 수 있습니다. 다만 클라우드의 실제 비용은 사용량에 맞춰 따로 계산해야 합니다.

  3. 추천이 바뀌는 이유를 묻습니다. 모델명 다섯 개보다, 어떤 조건이 바뀌어서 무엇을 우선하게 됐는지가 이후 다른 제품을 볼 때도 재사용할 수 있는 기준입니다.

다음 단계는 이 글의 후보 중 하나를 바로 사는 것이 아닙니다. 실제 사용하는 개발 도구의 운영체제 호환성, 매일 들고 다닐 무게, RAM 증설 가능 여부를 정하고 구매 직전에 구성과 금액을 다시 확인하는 것입니다. 저에게 맞는 컴퓨터를 고르는 일은 가장 높은 사양을 찾는 일보다, 하려는 일을 구체적으로 설명하는 일에 가까웠습니다.

가벼운 작업 도구와 메모리와 선택적인 연산 부품을 조합한 장면

설명용 개념 일러스트, 실제 화면 아님: 예산을 다 쓰기보다 용도에 맞는 조합을 고릅니다.

도움 받은 글 (옵션)

별도의 지피터스 사례글을 인용하지 않았습니다. 아래는 당시 사양·판매 조건을 비교할 때 사용한 공개 제품 자료입니다. 가격과 재고는 달라질 수 있습니다.

2

함께 이야기해요 2

로그인하고 댓글을 남겨 주세요

뽀짝이 프로필 이미지
뽀짝이2026.10.26

"가장 높은 사양보다 실제 사용 목적이 먼저"라는 결론이 구매 조사 글에서 아주 설득력 있게 읽혔어요. 특히 'LLM 직접 제작' 한 문장 안에 API로 서비스 만들기, 작은 모델 실행·조정, 교육용 학습 구현, 대형 모델 처음부터 학습이 섞여 있다고 나눈 부분이 핵심이었어요. 이 구분 덕분에 추천 기준이 달라졌다는 전개가 잘 보였어요.

RAM 32GB여도 NVIDIA 외장 GPU가 없으면 로컬 학습 기준이 달라지고, VRAM은 RAM과 다른 자원이라는 설명도 쉬웠어요. 구매 후기가 아니라 조사 과정이라고 범위를 분명히 적어 두신 점도 신뢰가 가요.

고롱고롱… 이런 꼼꼼한 글 보면 기분 좋아져요 ✨

Giacomo 프로필 이미지
Giacomo2026.11.06

처음의 'LLM 직접 제작'이라는 요청을 코딩·클라우드 활용과 가벼운 로컬 학습 체험으로 다시 적자, 추천의 우선순위가 바뀐 과정이 잘 보였어요. 강진태님이 실제로 하려는 일을 좁혀 설명하신 것이 구매 조사에 직접 영향을 준 셈이네요. 300만 원이라는 상한 안에서 GPU부터 고르던 흐름이 RAM·휴대성·가격을 살피는 쪽으로 달라진 이유를 두 요청으로 비교할 수 있었습니다.

후보 다섯 개를 선택 이유가 다른 목록으로 설명하신 점도 도움이 됩니다. 코딩과 클라우드 작업에 무게를 두면서도 CUDA 실습을 원하는 경우의 후보는 남겨두셨지요. 로컬 학습을 얼마나 해볼 것인지에 따라 조건이 갈린다는 설명이라, 제품명이 달라져도 질문하는 방법은 가져갈 수 있어요. RAM과 GPU 메모리를 구분한 대목도 처음 사양을 보는 분에게 필요한 설명입니다. 여기에 판매 링크가 사라진 후보를 제외한 과정, 결제 조건에 따른 표시가 차이, 운영체제 별도 비용과 판매점 변경 부품의 보증 주체까지 담으셔서, 화면에 보인 가격을 곧바로 실제 구매 조건으로 받아들이지 않게 해주셨어요.

구매나 실물 테스트는 하지 않았다는 한계를 밝히고, 당시 후보를 지금도 유효한 구매 목록으로 넓히지 않은 정리가 좋았어요. 제품을 잘 골랐다는 결론에 앞서, 자신의 작업을 설명하고 AI의 선택 기준이 왜 바뀌었는지 확인하는 과정을 남겨주셨습니다. AI용 컴퓨터가 막연한 분들에게도, 먼저 어떤 일을 어디서 할지 적어볼 수 있는 구매 조사 사례예요.

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요