삼성 갤럭시 S26은 '세계 최초 모바일 에이전틱 AI 폰'을 선언했다. 개발자 관점에서 Android AICore와 온디바이스 제미나이 나노 API 구조, 삼성 EdgeFusion 온디바이스 이미지 생성, 하이브리드 인퍼런스 아키텍처(엣지·클라우드 분리 기준), Galaxy AI SDK 서드파티 개방 정책, 에이전틱 AI가 앱을 자동 조작하게 만드는 App Actions 등록법까지 분석한다. Galaxy AI와 애플 인텔리전스의 개발자 생태계 비교도 포함한다. 모바일 AI 앱 개발의 패러다임이 바뀌고 있다.
삼성전자가 갤럭시 S26을 '세계 최초 모바일 에이전틱 AI 폰'으로 선언했다. 이 선언은 마케팅 문구로 읽히기 쉽지만, 그 이면에는 Android 개발 생태계 전반의 구조 변화가 담겨 있다. AICore를 통한 온디바이스 제미나이 나노 API, Galaxy AI SDK의 서드파티 개방, 하이브리드 인퍼런스 아키텍처가 구체적으로 정의되면서 앱 개발자들이 AI를 통합하는 방식이 달라지고 있다. 이 글은 갤럭시 S26의 에이전틱 AI 구조를 개발자 관점에서 분해한다.
기존 스마트폰의 AI 어시스턴트는 '질문에 텍스트로 답하는 모델'이었다. 사용자가 무언가를 물으면 정보를 제공하거나 요약하는 것이 전부였다. 에이전틱 AI는 여기서 한 단계 나아간다. 사용자가 의도를 말하면 AI가 스스로 앱을 열고, 데이터를 검색하고, 작업을 완료하는 실행 단계까지 담당한다.
갤럭시 S26에서 이를 구현하는 핵심은 구글 제미나이(Gemini)다. 제미나이가 사용자 요청을 이해하고 Android 앱의 인터페이스를 직접 조작해 목표를 달성한다. 예를 들어 '오늘 오후 3시 스타벅스 예약해줘'라고 말하면, 제미나이가 앱을 열고 예약까지 완료하는 방식이다. 이는 별도의 단축키 설정이나 앱별 연동 없이 작동한다는 점에서 이전 어시스턴트와 차별화된다.
Android AICore는 온디바이스 AI 모델을 시스템 레벨에서 관리하는 Android의 핵심 서비스다. 갤럭시 S26에는 제미나이 나노(Gemini Nano)가 AICore를 통해 탑재된다. 이 구조가 개발자에게 중요한 이유는 세 가지다.
개발자는 Android의 AICore API를 통해 제미나이 나노를 앱에서 직접 호출할 수 있다. 텍스트 요약, 감성 분류, 번역 등 경량 NLP 작업에서 특히 효과적이다. 구글 공식 Android 개발자 문서(developer.android.com/ai/gemini-nano)에서 API 레퍼런스와 샘플 코드를 확인할 수 있다.
갤럭시 S26의 AI는 모든 작업을 온디바이스에서 처리하지 않는다. 작업의 복잡도와 프라이버시 요구 수준에 따라 엣지(기기)와 클라우드를 자동으로 나누는 하이브리드 인퍼런스 구조다.
| 작업 유형 | 처리 위치 | 예시 |
|---|---|---|
| 경량 NLP | 온디바이스 (제미나이 나노) | 텍스트 요약, 감성 분석 |
| 이미지 생성 | 온디바이스 (EdgeFusion) | 1초 이내 이미지 생성 |
| 복잡한 추론 | 클라우드 (제미나이 프로/울트라) | 긴 문서 분석, 코드 생성 |
| 에이전틱 작업 | 클라우드 우선 + 기기 실행 | 앱 제어, 예약, 결제 |
개발자가 앱에 AI를 통합할 때 이 구분을 미리 설계하면 비용과 응답 속도를 모두 최적화할 수 있다. 사용자 입력에 즉각 반응해야 하는 UI 수준 작업은 온디바이스로, 정확도가 중요한 복잡한 추론은 클라우드 API로 라우팅하는 것이 권장 패턴이다.
삼성이 Nota와 공동 개발한 EdgeFusion은 갤럭시 S26의 온디바이스 이미지 생성 모델이다. 클라우드 서버 없이 기기 내부에서 1초 이내에 이미지를 생성하는 것이 특징이다. 이 모델은 확산 모델(Diffusion Model)을 모바일 NPU에 최적화한 형태로, 삼성 Exynos·퀄컴 스냅드래곤 시리즈의 AI 프로세서를 활용한다.
개발자 입장에서 EdgeFusion의 의미는 단순히 '빠른 이미지 생성'이 아니다. 온디바이스 이미지 생성 API가 열리면 프라이버시 민감 콘텐츠(예: 사용자 얼굴·의료 이미지·개인 사진)를 서버에 전송하지 않고 처리할 수 있는 앱이 가능해진다. 현재 Galaxy AI SDK에 EdgeFusion 관련 API가 어느 범위까지 서드파티에 개방되는지는 삼성 개발자 포털에서 확인이 필요하다.
삼성은 Galaxy AI 기능을 자사 앱에만 가두지 않고 서드파티 앱에도 개방하는 SDK 정책을 확대하고 있다. Galaxy AI SDK를 통해 서드파티 개발자들이 접근할 수 있는 기능은 크게 세 가지 레이어로 나뉜다.
세 번째 레이어가 특히 주목할 부분이다. 에이전틱 AI가 내 앱을 자동으로 조작할 수 있게 하려면, 앱이 명확한 Actions를 정의하고 제미나이에게 노출해야 한다. Android 공식 App Actions 가이드(developer.android.com/guide/app-actions)가 시작점이 된다.
갤럭시 AI와 애플 인텔리전스는 비슷해 보이지만 개발자 생태계 접근 방식이 다르다.
| 항목 | Galaxy AI (Android) | Apple Intelligence (iOS) |
|---|---|---|
| 온디바이스 LLM | 제미나이 나노 (구글) | Apple 자체 LLM |
| 서드파티 개방 | Galaxy AI SDK + App Actions | App Intents + Writing Tools |
| 클라우드 AI | 구글 제미나이 | Private Cloud Compute |
| 이미지 생성 | EdgeFusion (온디바이스) | Image Playground (클라우드) |
| 외부 AI 모델 | 구글 외 모델 연동 가능 | 챗지피티 파트너십 |
삼성은 개방형 전략(구글 제미나이 기반 + 서드파티 SDK 공개)을 택했고, 애플은 자체 프라이버시 인프라(Private Cloud Compute) 위에서 엄격히 통제된 API를 제공하는 폐쇄형 접근이다. 어느 쪽이 더 넓은 앱 생태계를 형성할지가 향후 모바일 AI 앱 시장의 핵심 변수가 될 전망이다.
아니다. 제미나이 나노는 Android AICore를 통해 제공되며, 지원 기기 조건을 충족하면 다른 기기에서도 사용할 수 있다. 현재 구글 픽셀 6 이상 기기와 일부 삼성 갤럭시 시리즈에서 지원된다. Android 14 이상 OS가 필요하며, 사용 가능 여부는 GeminiNano.isAvailable() API로 런타임에 확인할 수 있다.
일반적으로 두 경로를 모두 구현하고 런타임에 조건에 따라 선택하는 방식을 사용한다. 기기가 AICore를 지원하고 인터넷 연결이 없거나 프라이버시 모드가 활성화된 경우 온디바이스로 라우팅하고, 그 외에는 클라우드 API를 호출하는 구조다. Jetpack ML Kit의 RemoteModel과 LocalModel 패턴이 참고 사례가 된다.
삼성 개발자 포털(developer.samsung.com)에서 Galaxy AI SDK 관련 문서와 라이브러리를 확인할 수 있다. 일부 기능은 별도 파트너십 신청이 필요할 수 있다. 일반 개발자에게 공개된 기능은 Android App Actions 표준을 통해 통합할 수 있으며, 구글 공식 가이드(developer.android.com/guide/app-actions)가 시작점이 된다.
그렇다. 제미나이 같은 에이전틱 AI가 앱을 자동 조작하려면 앱이 Android App Actions 또는 Semantic Intents를 명시적으로 정의하고 등록해야 한다. 이 과정이 없으면 에이전틱 AI가 앱의 기능을 인식하지 못한다. App Actions 정의는 actions.xml 파일로 관리하며, Google Play Console을 통해 심사·배포한다.
일부 기능은 구형 기기에도 소프트웨어 업데이트로 제공된다. 삼성은 갤럭시 S24, S25, Z 폴드·플립 최신 세대 기기에도 Galaxy AI 기능 일부를 원 UI 업데이트를 통해 지원하고 있다. 그러나 온디바이스 AI를 위한 NPU 성능 요구 조건 때문에, EdgeFusion 같은 하드웨어 최적화 기능은 S26 이상 기기에서만 동작할 수 있다.
가장 흔한 실수는 온디바이스 AI의 가용성을 기기 실행 시점에 확인하지 않는 것이다. 제미나이 나노는 모든 Android 기기에서 실행되지 않으므로, 반드시 isAvailable() 체크 후 폴백(클라우드 API 또는 기본 기능)을 구현해야 한다. 두 번째로 흔한 실수는 온디바이스 모델의 응답 품질이 클라우드 대형 모델과 동등하다고 가정하는 것이다. 나노 수준 모델은 경량 작업에 적합하지만, 복잡한 추론에서는 정확도가 떨어질 수 있다.
