2026년 7월 LiteRT.js 발표, 브라우저 안에서 AI를 돌린다는 뜻

2026년 7월 LiteRT.js 발표, 브라우저 안에서 AI를 돌린다는 뜻

Google이 2026년 7월 9일 LiteRT.js를 발표했다. 핵심은 간단하다. AI 모델을 꼭 서버로 보내 실행하지 않고, 웹브라우저 안에서 로컬로 실행하는 선택지가 넓어진 것이다.

이 변화는 개발자만의 뉴스가 아니다. 웹사이트, 쇼핑몰, SaaS, 내부 도구에 AI 기능을 넣을 때 속도, 개인정보, 서버 비용을 나눠 판단하는 기준이 달라질 수 있다.

무엇이 바뀌었나

LiteRT.js는 Google의 LiteRT를 웹에서 쓸 수 있게 한 JavaScript 런타임이다. 공식 발표 기준으로. tflite 모델을 브라우저 안에서 실행할 수 있고, CPU는 WebAssembly와 XNNPACK, GPU는 WebGPU, 향후 전용 가속기는 WebNN을 활용하는 방향이다.

쉽게 말하면 사용자가 웹페이지를 열었을 때 일부 AI 계산을 서버가 아니라 사용자의 기기에서 처리하게 만드는 기술이다. 이미지 인식, 오디오 처리, 객체 감지처럼 실시간성이 중요한 기능에서 먼저 의미가 크다.

왜 중요한가

서버 AI는 강력하지만 비용, 지연시간, 데이터 이동 문제가 따라온다. 사용자가 이미지를 올리면 서버로 전송하고, 서버가 모델을 돌린 뒤 결과를 돌려주는 구조가 일반적이다.

브라우저 로컬 AI는 반대 방향의 선택지를 준다. 잘 맞는 기능이라면 서버 호출을 줄이고, 민감한 데이터를 외부로 보내지 않는 설계를 할 수 있다. 다만 모든 AI 기능을 브라우저로 옮기라는 뜻은 아니다. 모델 크기, 첫 로딩 시간, 브라우저 지원, 기기 성능 차이가 그대로 사용자 경험에 영향을 준다.

 

 

누구에게 유용한가

가장 먼저 볼 사람은 웹 개발자다. 이미 웹앱 안에 카메라, 마이크, 이미지 편집, 검색 기능을 넣고 있다면 LiteRT.js는 성능과 비용을 다시 계산하게 만드는 도구가 된다.

프로덕트 담당자도 봐야 한다. AI 기능을 기획할 때 서버 실행만 전제로 잡으면 개인정보 동의, 저장 정책, 비용 구조가 무거워질 수 있다. 반대로 로컬 실행이 가능한 기능은 MVP 단계에서 더 가볍게 실험할 수 있다.

실제로 무엇을 확인할까

확인할 기능	검토 이유	먼저 볼 점
이미지 분류	서버 전송 없이 빠른 판별 가능	모델 용량, 모바일 성능
객체 감지	카메라 기반 실시간 기능에 적합	WebGPU 지원 여부
오디오 처리	지연시간이 짧을수록 체감이 큼	권한, 배터리, 발열
검색 데모	브라우저 안 검색 경험 실험 가능	데이터 크기와 초기 로딩

• 서버로 보내는 데이터 중 로컬 처리해도 되는 항목을 분리한다.
• .tflite로 변환 가능한 작은 모델부터 찾는다.
• Chrome, Edge, Safari 등 실제 사용 브라우저에서 속도를 재본다.
• 저사양 기기에서 실패했을 때 서버 처리로 넘기는 대안을 둔다.
• 어떤 데이터가 기기 안에서 처리되는지 안내 문구에 명확히 쓴다.

한계와 주의점

성능 수치는 조심해서 읽어야 한다. Google은 특정 환경에서 빠른 결과를 제시했지만 실제 성능은 기기 GPU, 브라우저 드라이버, 발열, 모델 구조에 따라 달라질 수 있다.

WebGPU는 주요 브라우저에서 확산 중이지만 WebNN은 아직 실험적 성격이 강하다. 모델 파일이 사용자에게 내려간다는 점도 확인해야 한다. 모델 자체가 민감한 자산이라면 배포 방식, 라이선스, 서버 대체 경로를 함께 검토해야 한다.

핵심 요약

LiteRT.js는 웹에서 AI를 실행하는 방식을 서버 중심에서 기기 중심으로 일부 옮길 수 있게 해 준다. 개인정보, 지연시간, 서버 비용을 줄일 가능성이 있지만 모델 변환, 브라우저 호환성, 기기별 성능 차이를 반드시 검증해야 한다.

FAQ

LiteRT.js는 TensorFlow.js를 대체하나?

바로 대체라기보다 선택지가 하나 늘어난 것이다. Google 문서에서는 TensorFlow.js 파이프라인과 LiteRT.js를 함께 쓰는 방법도 안내한다.

모든 생성형 AI 모델을 브라우저에서 돌릴 수 있나?

아니다. 모델 크기와 기기 성능이 중요하다. 작은 모델, 실시간 처리, 온디바이스 추론에 맞는 기능부터 보는 것이 현실적이다.

개인정보에는 어떤 장점이 있나?

입력 데이터를 서버로 보내지 않고 기기 안에서 처리할 수 있는 기능이라면 개인정보 전송 부담을 줄일 수 있다. 다만 어떤 데이터가 로컬 처리되고 어떤 데이터가 서버로 가는지는 별도로 안내해야 한다.

지금 바로 서비스에 적용해도 되나?

실험은 가능하지만 전면 적용 전에는 브라우저 호환성, 모바일 성능, 로딩 시간, 실패 시 대체 경로를 확인해야 한다.

공식 출처

• Google Developers Blog, LiteRT.js 공식 발표, 2026-07-09
• Google AI Edge 문서, LiteRT for Web with LiteRT.js
• Google AI Edge 문서, LiteRT 개요