애플이 새 Mac mini와 Mac Studio를 단순한 데스크톱 성능 개선 제품으로 내세우는 것은 아니다. 더 큰 메시지는 분명하다. 기업과 개발자가 토큰 단위 API나 GPU 시간 단위 클라우드 서비스를 계속 빌리는 대신, 로컬 AI 추론 용량을 하드웨어 구매로 확보할 수 있다는 것이다.

제품 역할도 나뉜다. M6 Mac mini는 비교적 작은 로컬 모델과 상시 가동 AI 에이전트용이고, M5 Max·M5 Ultra Mac Studio는 더 큰 모델과 민감한 사내 데이터를 다루는 고메모리 급이다. 추론을 꾸준히 돌리고, 데이터 외부 전송을 줄여야 하며, 지연시간이 중요한 팀에는 설득력 있는 선택지다. 반대로 최첨단 모델 학습이나 막대한 동시 요청 처리를 위한 전문 GPU 클러스터의 대체재는 아니다.

제품군이 말하는 것: ‘에이전트 상시 구동기’부터 AI 워크스테이션까지

새 데스크톱은 30개 국가 및 지역에 출시됐고, 대상 표준 구성은 여러 Apple Store에서 당일 수령도 가능하다. 미국 기준 시작 가격은 M6 Mac mini 899달러, M5 Pro Mac mini 1,699달러, M5 Max Mac Studio 2,499달러, M5 Ultra Mac Studio 5,499달러다. 맞춤 구성은 대체로 배송 주문만 가능하며, 고사양 구성은 2만 달러에 가까워질 수 있다. 19222729

따라서 ‘비용 효율’이라는 표현은 조건부로 봐야 한다. Mac을 산다고 자동으로 클라우드 AI보다 저렴해지는 것은 아니다. 모델이나 에이전트를 충분히 자주, 오랜 기간 가동해 초기 하드웨어 비용을 분산할 수 있을 때 경제성이 커진다. 최고 순간 처리량보다 반복적인 추론 비용 절감이 더 중요한 경우에 특히 그렇다.

애플의 AI 논리에서 통합 메모리가 핵심인 이유

로컬 언어 모델에서는 가속기의 표면적인 연산 성능보다 사용 가능한 메모리 용량이 더 결정적일 때가 많다. 모델 가중치뿐 아니라 컨텍스트 윈도, 실행 상태까지 모두 메모리에 들어가야 하기 때문이다.

애플 실리콘의 특징은 CPU·GPU 등 여러 처리 블록이 고대역폭 메모리 풀 하나를 함께 쓰는 통합 메모리 구조다. 작업이 별도 그래픽카드의 전용 VRAM 안에만 반드시 들어가야 하는 구조와는 다르다. M5 Ultra Mac Studio는 최대 512GB 통합 메모리와 초당 1.2TB의 메모리 대역폭으로 구성할 수 있다. 3244

이 용량은 적절히 양자화한 수천억 파라미터급 오픈 웨이트 모델을 로컬에서 호스팅하는 선택지를 현실적으로 만든다. 프롬프트, 검색증강생성(RAG) 데이터, 에이전트 상태도 외부 추론 서비스로 보낼 필요 없이 장비 안에 둘 수 있다. 애플 역시 M5 Ultra가 매우 큰 LLM을 기기에서 실행할 수 있다고 강조한다. 2144

중요한 결론은 모든 AI 작업이 Mac으로 가야 한다는 뜻이 아니다. 모델 크기가 속도보다 더 큰 제약인 경우, 작은 워크스테이션 크기에서 접근 가능한 대용량 메모리를 제공한다는 것이 애플의 강점이다.

M6의 ‘최대 4.8배’ 주장은 어디까지 의미가 있나

애플은 특정 비교에서 M6 Mac mini가 M4 Mac mini보다 LM Studio 성능이 최대 4.8배 높다고 제시했다. 이는 특정 작업을 기준으로 한 제조사 벤치마크이지, 모든 AI가 일률적으로 4배 이상 빨라진다는 뜻은 아니다. 2

실제로 로컬에서 구동되는 작은 모델이나 에이전트 루프에서는 빠른 추론이 응답성을 높이고, 긴 컨텍스트 작업에서 기다리는 시간을 줄일 수 있다. 하지만 M6 Mac mini의 명확한 한계는 메모리다. 최대 통합 메모리는 32GB다. 3133

즉 M6는 들어갈 수 있는 모델을 더 빠르게 실행하게 해줄 수는 있어도, 32GB를 크게 넘는 메모리가 필요한 모델을 기본 Mac mini에 억지로 올려주지는 못한다. 더 무거운 로컬 모델 작업에는 최대 64GB까지 확장되는 M5 Pro Mac mini가 더 관련 있는 선택지다. 3339

512GB Mac Studio로 1조 파라미터 모델을 돌릴 수 있나

짧게 말하면 범용적인 단일 장비 배포 용도로는 여유롭지 않다.

1조 파라미터 모델의 가중치를 4비트 정밀도로 저장한다고 단순 계산하면 약 500GB가 필요하다. 하지만 이는 가중치만의 계산이다. 실행 메모리, 컨텍스트와 KV 캐시, 소프트웨어 오버헤드, macOS가 사용할 공간은 포함되지 않는다. 따라서 512GB Mac Studio는 아주 큰 압축 모델에 의미 있는 공간을 제공하지만, 1조 파라미터 모델의 실용적인 만능 단일 호스트로 해석해서는 안 된다.

더 방어 가능한 주장은 일반적인 데스크톱 구성으로는 접근하기 어려운 초대형 로컬 모델을 실행할 수 있다는 것이다. M5 Ultra의 512GB 상한은 바로 이 고메모리 작업군을 겨냥한다. 3236

Thunderbolt 5와 RDMA 클러스터링이 추가하는 것

애플은 Thunderbolt 5와 RDMA(Remote Direct Memory Access·원격 직접 메모리 접근)를 이용해 여러 Mac Studio를 클러스터로 묶을 수 있도록 지원한다. RDMA는 통상적인 네트워크 처리 오버헤드를 줄여 시스템 간 메모리 접근을 가능하게 하려는 기술이다. 애플은 이렇게 연결한 Studio들이 AI 연산을 공유할 수 있고, 4대 클러스터는 단일 시스템보다 AI 추론 성능이 최대 3배에 이를 수 있다고 설명한다. 2144

이는 한 대 메모리에 담기 어려운 모델을 여러 노드에 나눠 실행하는 가능성을 높인다. 그러나 여러 Mac이 자동으로 하나의 거대한 단일 메모리 컴퓨터가 되는 것은 아니다. 각 장비는 자체 메모리를 보유하며, 분산 추론은 시스템 사이의 통신을 필요로 한다.

이 차이는 성능과 확장성에서 중요하다. 클러스터는 로컬 환경에서 용량 중심 추론, 실험, 낮거나 중간 정도 처리량의 에이전트 작업에 유용할 수 있다. 하지만 대규모 데이터센터 AI 배포에 쓰이는 고대역폭 전용 네트워킹과는 다른 제안이다.

OpenClaw 같은 상시 실행 에이전트가 수요를 키운 이유

로컬 에이전트 소프트웨어는 작은 데스크톱의 가치를 바꾼다. 가끔 쓰는 업무용 컴퓨터가 아니라, 파일·도구·사내 로컬 서비스와 상호작용하는 개인용 또는 팀용 AI 비서를 계속 실행하는 전용 장비가 될 수 있기 때문이다.

보도에 따르면 OpenClaw를 포함한 로컬 AI 에이전트를 돌리려는 개발자와 애호가 사이에서 Mac mini와 Mac Studio 수요가 늘었다. AI 에이전트 및 강화학습 작업과 연결된 대량 구매 또는 임대 사례도 보도됐지만, 일부는 간접 증언에 의존하므로 신중히 볼 필요가 있다. 18

핵심 매력은 분명하다. 로컬 배포는 데이터를 직접 통제할 수 있고, 클라우드 모델에 요청을 보낼 때마다 비용이 붙는 구조를 피할 수 있다. 다만 이런 장점은 반복적이고 예측 가능한 작업일수록 크며, 가끔만 쓰거나 결국 외부 모델 API에 의존하는 작업이라면 약해진다.

애플·마이크로소프트·엔비디아: 로컬 AI의 세 가지 접근

애플: 통합형 로컬 추론 장비

애플은 고정된 하드웨어, 애플 실리콘, 통합 메모리, 긴밀하게 결합된 기기 플랫폼을 묶는다. Mac mini는 작은 에이전트를 위한 공간 효율적 엔드포인트이고, Mac Studio는 더 큰 모델을 위한 고메모리 워크스테이션이다. 로컬 처리와 운영 단순성을 중시하고 애플 생태계 안에서 일할 수 있는 팀에 가장 강한 논리를 제공한다.

한계는 규모다. 애플 데스크톱은 최첨단 모델 학습이나 대규모 동시 추론 서비스를 위한 대형 GPU 클러스터의 대체재가 아니다.

마이크로소프트: 폭넓은 PC 생태계의 ‘무제한 지능’

마이크로소프트도 ‘무제한 지능(unmetered intelligence)’이라는 표현으로 비슷한 방향을 제시한다. 과금되는 클라우드 요청 대신 사용자의 PC에서 일상적인 AI 작업을 더 많이 실행하겠다는 구상이다. Windows는 AI API를 확대하고 로컬 모델 및 에이전트 기능을 도입하고 있으며, 마이크로소프트는 엔비디아 RTX Spark 기반 Windows 시스템도 부각하고 있다. 5248

전략적 차이는 하드웨어 폭이다. Windows는 훨씬 넓은 PC 및 기업 환경을 겨냥할 수 있지만, 개발자는 다양한 프로세서·GPU·메모리 구성에 대응해야 한다.

엔비디아: 로컬 AI PC와 데이터센터 스택을 함께

엔비디아는 시장의 양쪽을 모두 공략한다. 마이크로소프트와 함께 개인용 에이전트를 위한 RTX Spark Windows PC를 추진하며, 엔비디아가 소개한 플랫폼은 최대 128GB 통합 메모리를 지원한다. 56 동시에 엔비디아의 더 넓은 플랫폼은 대규모 학습과 서비스 제공이 핵심인 데이터센터까지 이어진다.

이 때문에 엔비디아의 범위는 애플의 데스크톱 제안보다 넓다. 로컬 실험과 에이전트 배포부터 데이터센터급 성능이 필요한 조직까지 지원할 수 있다. 애플의 반대편 논리는 최대 규모가 아니라, 작은 Mac에 담은 고메모리·저관리형 로컬 컴퓨팅이다.

‘Mac·iPhone·iPad 전반으로 확장’의 실제 의미

애플의 기기 간 확장 메시지는 동일한 대형 모델이 모든 기기에서 수정 없이 작동한다는 뜻이 아니라, 배포 전략으로 읽는 편이 맞다.

개발자는 애플의 하드웨어·소프트웨어 스택을 기반으로 모델을 만들고, 기기 등급에 따라 모델을 조정·압축·양자화할 수 있다. Mac은 큰 로컬 추론을 담당하는 고메모리 계층이고, iPhone과 iPad는 메모리와 전력 제약이 훨씬 크다. Mac에서 호스팅한 모델이 iPhone이나 iPad의 메모리와 투명하게 합쳐져 더 큰 하나의 추론 시스템이 되는 것은 아니다.

결론: 데이터센터를 없애려는 것이 아니라, 덜 필요하게 만들려는 전략

새 Mac mini와 Mac Studio에서 애플이 제시하는 것은 로컬 AI 용량의 구매 모델이다. 선불로 장비를 마련하고, 선택한 작업은 데이터 가까이에서 처리하며, 토큰당 추론 과금 없이 반복 사용하라는 제안이다. M6 Mac mini는 작고 상시 실행되는 로컬 에이전트에, 최대 512GB 통합 메모리를 제공하는 M5 Ultra Mac Studio는 훨씬 큰 양자화 모델에 초점이 맞춰져 있다. 1932

기업의 선택 기준은 결국 작업 형태다. 추론이 지속적으로 발생하고, 개인정보·기밀성·지연시간이 중요하며, 모델이 한 대의 장비 또는 관리 가능한 클러스터에 들어갈 때 로컬 Mac의 장점이 커진다. 반대로 학습, 최첨단 규모 모델, 높은 처리량의 서비스는 클라우드와 엔비디아식 데이터센터 인프라가 여전히 더 적합하다. 애플은 AI 데이터센터를 대체하려는 것이 아니라, AI 작업의 의미 있는 일부가 더 이상 데이터센터를 반드시 거치지 않아도 되게 하려는 것이다.

애플이 새 Mac mini와 Mac Studio를 단순한 데스크톱 성능 개선 제품으로 내세우는 것은 아니다. 더 큰 메시지는 분명하다. 기업과 개발자가 토큰 단위 API나 GPU 시간 단위 클라우드 서비스를 계속 빌리는 대신, 로컬 AI 추론 용량을 하드웨어 구매로 확보할 수 있다는 것이다.

제품 역할도 나뉜다. M6 Mac mini는 비교적 작은 로컬 모델과 상시 가동 AI 에이전트용이고, M5 Max·M5 Ultra Mac Studio는 더 큰 모델과 민감한 사내 데이터를 다루는 고메모리 급이다. 추론을 꾸준히 돌리고, 데이터 외부 전송을 줄여야 하며, 지연시간이 중요한 팀에는 설득력 있는 선택지다. 반대로 최첨단 모델 학습이나 막대한 동시 요청 처리를 위한 전문 GPU 클러스터의 대체재는 아니다.

제품군이 말하는 것: ‘에이전트 상시 구동기’부터 AI 워크스테이션까지

새 데스크톱은 30개 국가 및 지역에 출시됐고, 대상 표준 구성은 여러 Apple Store에서 당일 수령도 가능하다. 미국 기준 시작 가격은 M6 Mac mini 899달러, M5 Pro Mac mini 1,699달러, M5 Max Mac Studio 2,499달러, M5 Ultra Mac Studio 5,499달러다. 맞춤 구성은 대체로 배송 주문만 가능하며, 고사양 구성은 2만 달러에 가까워질 수 있다. 19222729

따라서 ‘비용 효율’이라는 표현은 조건부로 봐야 한다. Mac을 산다고 자동으로 클라우드 AI보다 저렴해지는 것은 아니다. 모델이나 에이전트를 충분히 자주, 오랜 기간 가동해 초기 하드웨어 비용을 분산할 수 있을 때 경제성이 커진다. 최고 순간 처리량보다 반복적인 추론 비용 절감이 더 중요한 경우에 특히 그렇다.

애플의 AI 논리에서 통합 메모리가 핵심인 이유

로컬 언어 모델에서는 가속기의 표면적인 연산 성능보다 사용 가능한 메모리 용량이 더 결정적일 때가 많다. 모델 가중치뿐 아니라 컨텍스트 윈도, 실행 상태까지 모두 메모리에 들어가야 하기 때문이다.

애플 실리콘의 특징은 CPU·GPU 등 여러 처리 블록이 고대역폭 메모리 풀 하나를 함께 쓰는 통합 메모리 구조다. 작업이 별도 그래픽카드의 전용 VRAM 안에만 반드시 들어가야 하는 구조와는 다르다. M5 Ultra Mac Studio는 최대 512GB 통합 메모리와 초당 1.2TB의 메모리 대역폭으로 구성할 수 있다. 3244

이 용량은 적절히 양자화한 수천억 파라미터급 오픈 웨이트 모델을 로컬에서 호스팅하는 선택지를 현실적으로 만든다. 프롬프트, 검색증강생성(RAG) 데이터, 에이전트 상태도 외부 추론 서비스로 보낼 필요 없이 장비 안에 둘 수 있다. 애플 역시 M5 Ultra가 매우 큰 LLM을 기기에서 실행할 수 있다고 강조한다. 2144

중요한 결론은 모든 AI 작업이 Mac으로 가야 한다는 뜻이 아니다. 모델 크기가 속도보다 더 큰 제약인 경우, 작은 워크스테이션 크기에서 접근 가능한 대용량 메모리를 제공한다는 것이 애플의 강점이다.

M6의 ‘최대 4.8배’ 주장은 어디까지 의미가 있나

애플은 특정 비교에서 M6 Mac mini가 M4 Mac mini보다 LM Studio 성능이 최대 4.8배 높다고 제시했다. 이는 특정 작업을 기준으로 한 제조사 벤치마크이지, 모든 AI가 일률적으로 4배 이상 빨라진다는 뜻은 아니다. 2

실제로 로컬에서 구동되는 작은 모델이나 에이전트 루프에서는 빠른 추론이 응답성을 높이고, 긴 컨텍스트 작업에서 기다리는 시간을 줄일 수 있다. 하지만 M6 Mac mini의 명확한 한계는 메모리다. 최대 통합 메모리는 32GB다. 3133

즉 M6는 들어갈 수 있는 모델을 더 빠르게 실행하게 해줄 수는 있어도, 32GB를 크게 넘는 메모리가 필요한 모델을 기본 Mac mini에 억지로 올려주지는 못한다. 더 무거운 로컬 모델 작업에는 최대 64GB까지 확장되는 M5 Pro Mac mini가 더 관련 있는 선택지다. 3339

512GB Mac Studio로 1조 파라미터 모델을 돌릴 수 있나

짧게 말하면 범용적인 단일 장비 배포 용도로는 여유롭지 않다.

1조 파라미터 모델의 가중치를 4비트 정밀도로 저장한다고 단순 계산하면 약 500GB가 필요하다. 하지만 이는 가중치만의 계산이다. 실행 메모리, 컨텍스트와 KV 캐시, 소프트웨어 오버헤드, macOS가 사용할 공간은 포함되지 않는다. 따라서 512GB Mac Studio는 아주 큰 압축 모델에 의미 있는 공간을 제공하지만, 1조 파라미터 모델의 실용적인 만능 단일 호스트로 해석해서는 안 된다.

더 방어 가능한 주장은 일반적인 데스크톱 구성으로는 접근하기 어려운 초대형 로컬 모델을 실행할 수 있다는 것이다. M5 Ultra의 512GB 상한은 바로 이 고메모리 작업군을 겨냥한다. 3236

Thunderbolt 5와 RDMA 클러스터링이 추가하는 것

애플은 Thunderbolt 5와 RDMA(Remote Direct Memory Access·원격 직접 메모리 접근)를 이용해 여러 Mac Studio를 클러스터로 묶을 수 있도록 지원한다. RDMA는 통상적인 네트워크 처리 오버헤드를 줄여 시스템 간 메모리 접근을 가능하게 하려는 기술이다. 애플은 이렇게 연결한 Studio들이 AI 연산을 공유할 수 있고, 4대 클러스터는 단일 시스템보다 AI 추론 성능이 최대 3배에 이를 수 있다고 설명한다. 2144

이는 한 대 메모리에 담기 어려운 모델을 여러 노드에 나눠 실행하는 가능성을 높인다. 그러나 여러 Mac이 자동으로 하나의 거대한 단일 메모리 컴퓨터가 되는 것은 아니다. 각 장비는 자체 메모리를 보유하며, 분산 추론은 시스템 사이의 통신을 필요로 한다.

이 차이는 성능과 확장성에서 중요하다. 클러스터는 로컬 환경에서 용량 중심 추론, 실험, 낮거나 중간 정도 처리량의 에이전트 작업에 유용할 수 있다. 하지만 대규모 데이터센터 AI 배포에 쓰이는 고대역폭 전용 네트워킹과는 다른 제안이다.

OpenClaw 같은 상시 실행 에이전트가 수요를 키운 이유

로컬 에이전트 소프트웨어는 작은 데스크톱의 가치를 바꾼다. 가끔 쓰는 업무용 컴퓨터가 아니라, 파일·도구·사내 로컬 서비스와 상호작용하는 개인용 또는 팀용 AI 비서를 계속 실행하는 전용 장비가 될 수 있기 때문이다.

보도에 따르면 OpenClaw를 포함한 로컬 AI 에이전트를 돌리려는 개발자와 애호가 사이에서 Mac mini와 Mac Studio 수요가 늘었다. AI 에이전트 및 강화학습 작업과 연결된 대량 구매 또는 임대 사례도 보도됐지만, 일부는 간접 증언에 의존하므로 신중히 볼 필요가 있다. 18

핵심 매력은 분명하다. 로컬 배포는 데이터를 직접 통제할 수 있고, 클라우드 모델에 요청을 보낼 때마다 비용이 붙는 구조를 피할 수 있다. 다만 이런 장점은 반복적이고 예측 가능한 작업일수록 크며, 가끔만 쓰거나 결국 외부 모델 API에 의존하는 작업이라면 약해진다.

애플·마이크로소프트·엔비디아: 로컬 AI의 세 가지 접근

애플: 통합형 로컬 추론 장비

애플은 고정된 하드웨어, 애플 실리콘, 통합 메모리, 긴밀하게 결합된 기기 플랫폼을 묶는다. Mac mini는 작은 에이전트를 위한 공간 효율적 엔드포인트이고, Mac Studio는 더 큰 모델을 위한 고메모리 워크스테이션이다. 로컬 처리와 운영 단순성을 중시하고 애플 생태계 안에서 일할 수 있는 팀에 가장 강한 논리를 제공한다.

한계는 규모다. 애플 데스크톱은 최첨단 모델 학습이나 대규모 동시 추론 서비스를 위한 대형 GPU 클러스터의 대체재가 아니다.

마이크로소프트: 폭넓은 PC 생태계의 ‘무제한 지능’

마이크로소프트도 ‘무제한 지능(unmetered intelligence)’이라는 표현으로 비슷한 방향을 제시한다. 과금되는 클라우드 요청 대신 사용자의 PC에서 일상적인 AI 작업을 더 많이 실행하겠다는 구상이다. Windows는 AI API를 확대하고 로컬 모델 및 에이전트 기능을 도입하고 있으며, 마이크로소프트는 엔비디아 RTX Spark 기반 Windows 시스템도 부각하고 있다. 5248

전략적 차이는 하드웨어 폭이다. Windows는 훨씬 넓은 PC 및 기업 환경을 겨냥할 수 있지만, 개발자는 다양한 프로세서·GPU·메모리 구성에 대응해야 한다.

엔비디아: 로컬 AI PC와 데이터센터 스택을 함께

엔비디아는 시장의 양쪽을 모두 공략한다. 마이크로소프트와 함께 개인용 에이전트를 위한 RTX Spark Windows PC를 추진하며, 엔비디아가 소개한 플랫폼은 최대 128GB 통합 메모리를 지원한다. 56 동시에 엔비디아의 더 넓은 플랫폼은 대규모 학습과 서비스 제공이 핵심인 데이터센터까지 이어진다.

이 때문에 엔비디아의 범위는 애플의 데스크톱 제안보다 넓다. 로컬 실험과 에이전트 배포부터 데이터센터급 성능이 필요한 조직까지 지원할 수 있다. 애플의 반대편 논리는 최대 규모가 아니라, 작은 Mac에 담은 고메모리·저관리형 로컬 컴퓨팅이다.

‘Mac·iPhone·iPad 전반으로 확장’의 실제 의미

애플의 기기 간 확장 메시지는 동일한 대형 모델이 모든 기기에서 수정 없이 작동한다는 뜻이 아니라, 배포 전략으로 읽는 편이 맞다.

개발자는 애플의 하드웨어·소프트웨어 스택을 기반으로 모델을 만들고, 기기 등급에 따라 모델을 조정·압축·양자화할 수 있다. Mac은 큰 로컬 추론을 담당하는 고메모리 계층이고, iPhone과 iPad는 메모리와 전력 제약이 훨씬 크다. Mac에서 호스팅한 모델이 iPhone이나 iPad의 메모리와 투명하게 합쳐져 더 큰 하나의 추론 시스템이 되는 것은 아니다.

결론: 데이터센터를 없애려는 것이 아니라, 덜 필요하게 만들려는 전략

새 Mac mini와 Mac Studio에서 애플이 제시하는 것은 로컬 AI 용량의 구매 모델이다. 선불로 장비를 마련하고, 선택한 작업은 데이터 가까이에서 처리하며, 토큰당 추론 과금 없이 반복 사용하라는 제안이다. M6 Mac mini는 작고 상시 실행되는 로컬 에이전트에, 최대 512GB 통합 메모리를 제공하는 M5 Ultra Mac Studio는 훨씬 큰 양자화 모델에 초점이 맞춰져 있다. 1932

기업의 선택 기준은 결국 작업 형태다. 추론이 지속적으로 발생하고, 개인정보·기밀성·지연시간이 중요하며, 모델이 한 대의 장비 또는 관리 가능한 클러스터에 들어갈 때 로컬 Mac의 장점이 커진다. 반대로 학습, 최첨단 규모 모델, 높은 처리량의 서비스는 클라우드와 엔비디아식 데이터센터 인프라가 여전히 더 적합하다. 애플은 AI 데이터센터를 대체하려는 것이 아니라, AI 작업의 의미 있는 일부가 더 이상 데이터센터를 반드시 거치지 않아도 되게 하려는 것이다.