AI 노트북 추천 기준, 코딩·영상·학과 용도별로 고르는 법
이 포스팅은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
목차
AI 노트북 추천은 제품 이름보다 용도를 먼저 정해야 합니다. 로컬에서 모델을 돌리거나 영상·이미지를 생성한다면 메모리와 GPU 메모리(VRAM), 윈도우 AI 기능이 목적이면 40TOPS 이상 NPU, 학과 실습이라면 학교 공지가 기준입니다. 용도별로 확인할 항목을 공식 문서 수치와 함께 정리했습니다.
AI 노트북 추천 전에 용도를 어떻게 나눠야 하나요?
연산이 어디서 일어나는지로 나눕니다. 클라우드 AI 서비스나 Colab처럼 클라우드에서 계산하는 작업은 노트북이 화면과 입력을 주로 맡아 상대적으로 사양 요구가 낮고, 내 노트북에서 직접 모델을 돌리는 작업은 메모리와 GPU가 곧바로 한계가 됩니다. 구글 Colab 공식 FAQ는 노트북 코드가 구글이 제공하는 가상 머신에서 실행되고, 무료 버전의 GPU 자원은 보장되지 않으며 노트북 실행은 최대 12시간이라고 안내합니다. 클라우드를 쓸 수 있는 수업이라면 로컬 GPU의 중요도가 내려갑니다.
용도는 네 가지로 나누면 확인 항목이 겹치지 않습니다. 개념과 용어가 낯설다면 먼저 AI 노트북이란 무엇이고 일반 노트북과 무엇이 다른가를 보고 오세요.
| 용도 | 연산 위치 | 먼저 볼 항목 | 공식 근거 |
|---|---|---|---|
| AI 코딩·개발 | 클라우드 API 또는 로컬 | 메모리, VRAM, 개발 도구 권장 사양 | Visual Studio 권장 16GB, Docker 8GB |
| 영상·이미지 생성 | 대부분 로컬 GPU | 쓰는 소프트웨어의 권장 VRAM, GPU 전력 | Blender 권장 VRAM 8GB |
| 대학 AI 학과·학습 | 수업마다 다름 | 학과 공지, 클라우드 제공 여부 | 학과·학교 공지 |
| 일반 AI 기능 | 윈도우 내장 기능 | NPU 40TOPS 이상, 메모리 16GB, 저장 256GB | Copilot+ PC 요구 사항 |
기준일 2026-10-02 · 출처: Microsoft Learn(Visual Studio 2022), Docker Docs, Blender Requirements, Microsoft Windows 11 사양. 수치는 각 공식 문서가 밝힌 권장 기준이며 ‘이 사양이면 충분’을 뜻하지 않습니다.
쿠다(NVIDIA GPU)와 NPU는 무엇이 다른가요?
쿠다는 NVIDIA GPU용 소프트웨어 플랫폼이고, NPU는 AI 연산을 적은 전력으로 처리하는 전용 칩입니다. NVIDIA 공식 설치 안내는 CUDA를 NVIDIA가 개발한 병렬 컴퓨팅 플랫폼이자 프로그래밍 모델로 설명하며, 사용하려면 CUDA를 지원하는 GPU가 필요하다고 안내합니다. 내 노트북의 GPU가 해당되는지는 윈도우 장치 관리자의 디스플레이 어댑터에서 이름을 보고 NVIDIA의 CUDA GPU 목록과 대조합니다.
PyTorch 공식 문서는 윈도우에서 CUDA 성능을 온전히 쓰려면 NVIDIA GPU를 권장하지만 필수는 아니라고 안내하며, 윈도우용 PyTorch가 지원하는 파이썬 버전은 3.10~3.14입니다. 즉 쿠다가 없어도 CPU로 실행할 수는 있지만, 속도와 처리할 수 있는 모델 크기에서 차이가 납니다.
NPU는 쓰는 방식이 다릅니다. 마이크로소프트는 NPU를 딥러닝 연산을 실행하도록 설계된 칩으로, AI 작업에서 CPU나 GPU보다 에너지를 효율적으로 써 배터리 시간에 유리하다고 설명합니다. 같은 문서에서 NPU는 소프트웨어가 NPU를 쓰도록 만들어져 있어야 이점을 얻는다고 밝히고, NPU가 들어간 프로세서로 Intel Core Ultra, AMD Ryzen AI 300 시리즈, Qualcomm Snapdragon X Elite 계열을 안내합니다. Windows ML 문서는 세 칩의 역할을 이렇게 나눕니다.
이 포스팅은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
AI 코딩·개발용은 메모리와 VRAM을 어떻게 계산하나요?
모델 가중치가 차지하는 크기에 여유분을 더해 계산합니다. Hugging Face의 모델 메모리 추정 문서는 모델을 불러오는 데 드는 메모리와, 추론할 때 최대 20%가 더 필요할 수 있다는 점을 안내합니다. 또 훈련은 가중치만 올릴 때보다 훨씬 많은 메모리를 쓰며, 이 문서의 예시 모델(bert-base-cased, 32비트)은 불러오기 418MB에 비해 Adam 훈련이 1.61GB로 약 3.85배입니다. 아래 표는 이 원리를 매개변수 수 × 저장 비트 수로 단순 계산한 예시이며, 실제 파일 크기는 모델과 양자화 방식마다 다릅니다.
| 모델 크기 | 16비트 | 8비트 | 4비트 | 4비트 + 여유 20% |
|---|---|---|---|---|
| 70억(7B) | 약 14GB | 약 7GB | 약 3.5GB | 약 4.2GB |
| 130억(13B) | 약 26GB | 약 13GB | 약 6.5GB | 약 7.8GB |
기준일 2026-10-02 · 출처: Hugging Face Accelerate 모델 메모리 추정 문서의 원리(가중치 크기, 추론 시 최대 20% 추가)를 바탕으로 한 단순 계산 예시. 문맥 길이와 실행 도구에 따라 실제 사용량은 더 늘 수 있습니다.
이 메모리가 어디에 올라가는지도 중요합니다. Ollama FAQ는 모델이 GPU 메모리에 전부 올라가면 100% GPU, 시스템 메모리에 올라가면 100% CPU, 둘에 나뉘면 CPU/GPU 비율로 표시된다고 설명하고, 한 GPU에 모델이 모두 들어갈 때 데이터 이동이 줄어 대체로 성능이 좋다고 밝힙니다. 병렬 요청이 늘면 문맥 크기가 그만큼 커져 메모리가 추가로 필요하다는 안내도 있습니다. 노트북 GPU는 같은 이름이라도 VRAM이 다른 구성이 있습니다. NVIDIA 비교표 기준 RTX 50 시리즈 노트북 GPU의 VRAM은 8GB에서 24GB까지이고, RTX 5070 노트북은 12GB와 8GB 두 가지 구성이 있습니다.
기준선으로 삼을 수 있는 공식 수치도 있습니다. LM Studio는 윈도우에서 16GB 이상의 RAM과 4GB 이상의 전용 VRAM을 권장하고, x64 CPU는 AVX2가 필요하다고 안내합니다. 맥 쪽은 Apple 실리콘에 16GB 이상 RAM을 권장하며 작은 모델은 8GB로도 가능하다고 밝힙니다. 애플 MLX 문서는 배열이 CPU와 GPU가 공유하는 메모리에 있어 장치 사이 복사가 필요 없다고 설명하는데, 이런 통합 메모리 구조의 선택지는 맥북과 맥미니, 용도별로 고르는 기준에서 따로 다뤘습니다.
개발 환경 자체의 요구 사양도 더합니다. Visual Studio 2022는 최소 4GB, 권장 16GB RAM과 SSD 설치, 1920×1080 이상 해상도를 안내하고, 윈도우용 Docker Desktop은 8GB 시스템 RAM과 BIOS의 가상화 활성화를 요구합니다. 로컬 모델, 편집기, 컨테이너를 함께 켜면 이 값들이 합쳐지므로, 모델 크기 계산에 개발 도구 몫을 더해 보세요. 클라우드 API 위주의 코딩이라면 이 계산의 비중은 훨씬 줄어듭니다.
영상·이미지 생성용은 무엇을 확인하나요?
쓰는 소프트웨어의 공식 권장 VRAM과 GPU 지원 목록을 먼저 확인합니다. Blender는 윈도우 최소 사양으로 RAM 8GB, VRAM 2GB, 4코어 CPU를, 권장 사양으로 RAM 32GB, VRAM 8GB, 8코어 CPU를 안내합니다. 최소와 권장의 차이가 크므로 작업 규모가 커질수록 권장 쪽을 기준으로 봐야 합니다. 이미지 생성 도구 ComfyUI의 시스템 요구 사항 페이지는 NVIDIA(CUDA), AMD, Intel Arc, Apple 실리콘(Metal) 등 지원하는 GPU 종류를 안내하지만 VRAM 최소치는 제시하지 않았습니다(확인 시점 기준). 어도비 편집 프로그램처럼 이 글에서 수치를 확인하지 못한 소프트웨어는 해당 회사의 기술 요구 사항 페이지에서 권장 VRAM을 직접 확인하세요.
같은 GPU 이름이라도 노트북마다 성능이 달라질 수 있습니다. NVIDIA 비교표에서 RTX 5060 노트북 GPU의 전력 범위는 45~100W, RTX 5090은 95~150W로 제시됩니다. 전력 한도는 제조사가 노트북 설계에 맞춰 정하므로, 같은 GPU 이름이라도 전력 한도가 낮은 구성은 성능이 다를 수 있습니다. 사양표에서 GPU 전력(TGP)을 공개하는지 확인하세요.
대학 AI 학과·학습용 노트북은 어떤 기준으로 고르나요?
학과 공지와 수업에서 쓰는 환경이 기준입니다. 학과마다 요구가 달라 모든 대학에 통하는 공식 사양은 확인하지 못했고, 그래서 이 글은 특정 사양을 정해 주지 않습니다. 이화여대 인공지능대학은 학부 재학생에게 노트북이나 맥북을 기본 30일 대여하고 최대 3회 연장해 총 4개월까지 쓸 수 있게 안내합니다. 이처럼 대여나 실습 서버를 제공하는 곳이 있으므로 구매 전에 학과에 물어보는 것이 가장 정확합니다.
수업이 클라우드 실습 중심이라면 노트북은 브라우저와 개발 도구를 안정적으로 돌리는 수준으로도 시작할 수 있습니다. 다만 Colab 무료 버전은 GPU 종류가 시기에 따라 달라지고 자원이 보장되지 않으므로, 과제 마감처럼 시간이 중요할 때는 변수가 됩니다. 로컬에서 직접 학습하는 수업이라면 앞의 표처럼 쓰려는 모델 크기를 계산하고, PyTorch가 지원하는 쿠다 GPU 여부를 확인합니다. 전공 소프트웨어가 정해져 있으면 그 프로그램의 공식 요구 사양이 우선입니다.
발열·무게·배터리와 일반 AI 기능은 어떻게 확인하나요?
일반 AI 기능이 목적이라면 윈도우가 정한 조건을 사양표와 대조하면 됩니다. 마이크로소프트 Windows 11 사양 페이지는 Copilot+ PC에 40TOPS 이상 성능의 NPU, 16GB DDR5 또는 LPDDR5 메모리, 256GB SSD 또는 UFS 저장 장치를 요구하고, 일반 Windows 11의 최소 요구는 RAM 4GB와 저장 장치 64GB 이상입니다. Windows 11 24H2 이상도 조건이며, 모든 Windows 11 PC가 Copilot+ PC는 아닙니다. 윈도우의 Recall, 라이브 캡션 번역 같은 기능이 이 조건에서 동작하는 것으로 소개되므로, 쓰려는 기능이 어느 조건을 요구하는지 확인합니다. 메모리가 올라간 시기에 용량을 정하는 요령은 노트북값 크게 올랐는데 지금 사도 될까에서 이어집니다.
발열과 무게, 배터리는 사양표 세 곳에서 확인합니다.
- 발열과 소음: GPU 전력(W) 범위와 냉각 구성을 봅니다. NVIDIA는 Max-Q 기술이 CPU·GPU·시스템 온도에 맞춰 팬 속도를 조절하고 GPU와 CPU 사이 전력을 배분한다고 설명하지만, 실제 소음과 발열은 노트북 설계마다 다릅니다.
- 무게: 본체 무게에 충전기와 어댑터 무게를 더해 매일 들고 다닐 무게로 계산합니다.
- 배터리: 제조사가 밝히는 사용 시간은 측정 조건이 다르므로 용량(Wh)과 AI 작업 중 충전기를 꽂고 쓰는 시간이 얼마일지 함께 봅니다. 마이크로소프트는 NPU가 AI 작업에서 CPU나 GPU보다 에너지를 효율적으로 쓴다고 설명하므로, AI 작업 중 배터리 시간은 그 작업이 어느 칩에서 실행되는지에 따라 달라질 수 있습니다.
사양을 정할 때는 쓰려는 도구의 권장 사양, 내 모델 크기 계산, 학교 공지를 먼저 모으고 그다음에 노트북 사양표와 맞춰 보는 순서가 실패를 줄입니다.
자주 묻는 질문
NPU TOPS 숫자가 높으면 로컬 AI 모델도 잘 돌아가나요?
쿠다(NVIDIA GPU)가 없는 노트북으로는 AI 코딩이나 학습을 못 하나요?
AI 학과 노트북 사양이 정해져 있나요?
메모리 16GB면 로컬 LLM을 돌리기에 충분한가요?
영상·이미지 생성용 노트북은 VRAM이 몇 GB 있어야 하나요?
관련 숏츠
함께 읽으면 좋은 가이드
