※ 이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
노트북을 하나 사려고 했다.
처음에는 기준이 꽤 단순했다.
화면이 크고, 가벼우면 좋겠다.
예전에 성능이 괜찮은 게이밍 노트북을 가지고 있었는데 잘 들고 다니지 않았다.
무거웠다.
결국 집에서는 데스크톱을 쓰고, 노트북은 책상 한쪽에 놓여 있는 시간이 길어졌다.
그래서 이번에는 생각을 바꿨다.
성능표에서 숫자가 가장 높은 노트북보다 실제로 내가 들고 다닐 노트북을 사기로 했다.
그렇게 찾아보다 가장 먼저 눈에 들어온 게 LG 그램 17이었다.
17인치라 화면은 크고, 그램답게 가벼웠다.
내가 원하던 조건과 거의 맞았다.
그런데 한 가지 문제가 생겼다.
요즘 내가 AI를 건드리고 있었다.
ChatGPT를 쓰는 것과 AI를 직접 돌리는 건 달랐다
처음에는 이 차이를 크게 생각하지 않았다.
ChatGPT나 Claude를 사용하는 건 노트북 성능이 그렇게 중요하지 않다.
AI 연산 자체는 내 노트북이 아니라 서비스 회사의 서버에서 하기 때문이다.
개발할 때 OpenAI나 Gemini 같은 API를 사용하는 것도 비슷하다.
그런데 최근 보안렌즈 프로젝트를 만들면서 Ollama를 설치했고, Gemma 같은 모델을 내 컴퓨터에서 직접 실행해봤다.
여기서 이야기가 달라졌다.
로컬 LLM은 내 컴퓨터가 직접 계산해야 한다.
그때부터 노트북 사양표에서 예전에는 크게 보지 않던 단어들이 보이기 시작했다.
GPU.
VRAM.
NPU.
CUDA.
노트북을 사려고 했는데 어느 순간 AI 공부를 하고 있었다.
AI 노트북이면 로컬 AI도 잘 돌아가는 줄 알았다
요즘 노트북에는 'AI PC', 'AI 노트북'이라는 말이 정말 많이 붙어 있다.
처음에는 NPU가 있으면 Ollama 같은 로컬 AI도 잘 돌아가는 건가 싶었다.
그런데 알아볼수록 조금 달랐다.
NPU는 저전력으로 AI 기능을 처리하는 데 유용하지만, 내가 Ollama로 모델을 직접 돌리고 CUDA 기반 AI 개발까지 해보고 싶다면 NVIDIA GPU가 훨씬 중요한 선택지였다.
여기서 내가 처음 생각했던 일반 그램과 고민이 생겼다.
일반 그램은 개발용으로는 충분했다.
IntelliJ를 띄우고 Spring Boot를 실행하고, Docker나 DB를 사용하고, ChatGPT와 Claude를 열어놓는 것까지는 크게 문제가 없어 보였다.
그런데 로컬 LLM까지 생각하면 아쉬웠다.
내 데스크톱이 좋았다면 그냥 일반 그램을 샀을 것 같다
사실 집에 좋은 AI용 데스크톱이 있었다면 고민이 거의 끝났을 것 같다.
노트북은 가벼운 일반 그램을 사고,
집에서는 데스크톱 GPU로 Ollama를 돌리면 된다.
그런데 내 현재 데스크톱은
RAM 16GB + GTX 1050 Ti
다.
아직 개발하고 일반적으로 사용하는 데 큰 문제는 없지만, 지금 기준으로 로컬 AI를 제대로 실험하기 좋은 머신이라고 하기는 어렵다.
그러면 일반 그램을 사는 순간 이런 상황이 된다.
데스크톱도 로컬 AI에는 아쉽고
새 노트북도 로컬 AI에는 아쉽다.
컴퓨터는 두 대인데 내가 앞으로 공부하고 싶은 환경은 어느 쪽에도 제대로 없는 셈이다.
그래서 그램을 다시 찾아봤다.
그러다 발견한 게 RTX 5050이 들어간 그램 Pro 17이었다.
그램인데 RTX 5050이 들어가 있었다
내가 최종적으로 보고 있는 모델은
LG gram Pro 17 17Z90TR-ED7HK다.
사양은 이렇다.
| 화면 | 17인치급(43.1cm) WQXGA 2560×1600 |
| CPU | Intel Core Ultra 7 255H |
| RAM | 32GB LPDDR5x |
| GPU | NVIDIA GeForce RTX 5050 |
| 그래픽 메모리 | GDDR7 8GB |
| SSD | 1TB NVMe + 추가 SSD 슬롯 |
| 무게 | 약 1.479kg |
LG 공식 사양에서도 Ultra 7 255H, RAM 32GB, RTX 5050 8GB, 1TB SSD와 추가 SSD 슬롯, 약 1.479kg으로 확인된다.
이 사양을 보고 다시 고민하기 시작했다.
17인치에 외장 GPU까지 들어갔는데 무게가 약 1.48kg이었다.
내가 원했던
큰 화면 + 휴대성
을 크게 포기하지 않으면서,
AI 개발용 GPU
까지 가져갈 수 있었다.
물론 가격도 올라갔다.
Ultra 5와 Ultra 7도 고민했다
RTX 5050 모델에도 Ultra 5와 Ultra 7이 있었다.
처음에는 Ultra 5면 충분하지 않을까 싶었다.
사실 내 작업만 놓고 보면 틀린 생각은 아니다.
Ultra 5 225H도 14코어이고 최대 4.9GHz까지 동작한다. Ultra 7 255H는 16코어, 최대 5.1GHz이고 캐시도 18MB에서 24MB로 늘어난다. 반면 두 CPU의 NPU 성능은 모두 13 TOPS다.
쉽게 말하면 이런 느낌이었다.
Ultra 5
이미 충분히 빠른 CPU.
Ultra 7
여러 개발 작업을 동시에 돌릴 때 조금 더 여유가 있는 CPU.
Ollama 성능만 생각한다면 둘의 차이보다 RTX 5050과 8GB VRAM이 훨씬 중요하다고 봤다.
그래서 처음에는 Ultra 5 쪽으로 마음이 갔다.
그런데 1TB로 조건을 맞추니 가격 차이가 생각보다 작았다
여기서 생각이 한 번 더 바뀌었다.
Ultra 5 모델은 기본 512GB 구성이 많았고 Ultra 7 모델은 1TB였다.
개발만 하면 512GB도 쓸 수 있다.
그런데 앞으로 Docker 이미지, WSL, 프로젝트, SDK에 Ollama 모델까지 쌓일 걸 생각하니 이번에는 1TB로 시작하고 싶었다.
그래서 두 모델을 1TB 조건으로 맞춰서 가격을 찾아봤다.
2026년 9월 22일 확인 기준 유통가로는
- Ultra 5 / 1TB 구성: 약 358만 원
- Ultra 7 / 1TB 구성: 약 372만 원
정도로 차이가 약 14만 원이었다.
판매처와 할인에 따라 가격은 계속 달라지지만, 이 정도 차이라면 몇 년 사용할 노트북에서 Ultra 5를 선택해 아낄 이유가 크지 않다고 판단했다.
그래서 현재 내 선택은 Ultra 7 / 32GB / 1TB / RTX 5050 쪽이다.
RTX 5050이면 로컬 LLM을 마음껏 돌릴 수 있을까?
그건 아니다.
여기서 기대치를 잘 잡을 필요가 있었다.
RTX 5050에는 전용 그래픽 메모리 8GB가 들어간다.
일반 내장그래픽 노트북보다 Ollama와 CUDA 기반 AI 실험에는 훨씬 유리하지만, 이걸 대형 LLM을 마음껏 돌리는 AI 워크스테이션이라고 생각하면 안 된다.
내 목적은 조금 다르다.
나는 이 노트북 한 대에서 거대한 AI 모델을 운영하려는 게 아니다.
내가 원하는 건
- Ollama를 직접 돌려보고
- 작은 로컬 모델을 테스트하고
- Python AI 라이브러리를 사용해보고
- RAG나 임베딩 같은 것을 실험하고
- Spring Boot 서비스와 AI를 연결해보는 것
이다.
더 큰 모델을 본격적으로 다루게 된다면 그때는 노트북을 다시 사는 게 아니라 데스크톱 GPU나 클라우드 GPU를 사용하는 게 맞다고 생각한다.
결국 내가 찾던 건 가장 빠른 노트북이 아니었다
노트북을 알아보기 전에는 그냥 좋은 걸 사면 되는 줄 알았다.
그런데 이번에는 기준이 계속 바뀌었다.
처음에는 성능.
그다음에는 무게.
그리고 화면 크기.
마지막에는 AI까지 들어왔다.
결국 내가 찾던 건
가장 빠른 노트북
이 아니라
내가 실제로 들고 다니면서 앞으로 해보고 싶은 개발까지 할 수 있는 노트북
이었다.
그래서 현재는
LG gram Pro 17
Ultra 7 255H
RAM 32GB
SSD 1TB
RTX 5050 8GB
몇 년 전이라면 노트북을 고르면서 GPU를 게임 성능 정도로만 생각했을 것 같다.
이번에는 달랐다.
AI를 직접 사용하기 시작하니 개발자의 노트북을 고르는 기준도 달라졌다.
아마 앞으로는 이런 고민을 하는 개발자가 더 많아지지 않을까 싶다.
그래서 현재는 이 모델을 가장 유력하게 보고 있다.
아직 실사용 후기는 아니다. 실제 구매를 위해 비교하면서 내린 현재의 선택이다.
이 글을 처음 쓸 때까지만 해도 RTX 5050이 들어간 그램 Pro 17을 가장 유력한 후보로 보고 있었다.
그리고 여러 모델과 가격을 더 비교한 끝에 결국 LG 그램 Pro 17 Ultra 7 구독으로 결정했다.
처음에는 단순히 가볍고 화면이 큰 노트북을 찾았는데, Ollama를 직접 돌려보면서 GPU와 VRAM까지 보게 됐고 결국 노트북 하나를 고르는 데 생각보다 많은 걸 공부하게 됐다.
아직 실사용 후기는 아니다. 노트북을 실제로 받으면 IntelliJ, Spring Boot, Docker 같은 내 개발환경을 그대로 옮겨보고, Ollama도 직접 실행해볼 생각이다.
그때는 스펙표가 아니라 실제로 개발하면서 어느 정도까지 가능한지 다시 정리해보려고 한다.
RAM 32GB와 SSD 1TB를 어디까지 가져갈지도 따로 고민했다.
LG gram Pro 17 RTX 5050 구성 가격 확인하기 →
이전 글
-> 2026 개발자 노트북 추천 — 입문용·실무용·휴대용으로 나눠봤다
'개발 노트' 카테고리의 다른 글
| Spring Boot 8080 포트 충돌 해결 — Port 8080 was already in use 오류 (0) | 2026.09.24 |
|---|---|
| 개발자 노트북 RAM 32GB·SSD 1TB면 충분할까? 그램 17 고르며 고민한 기준 (0) | 2026.09.23 |
| 2026 개발자 노트북 추천 — 입문용·실무용·휴대용으로 나눠봤다 (0) | 2026.09.22 |
| Spring Boot Docker 배포 방법 — Windows/WSL부터 Railway까지 직접 해보며 막힌 것들 (0) | 2026.09.20 |
| Git status에서 모든 파일이 modified로 뜰 때 — WSL에서 만난 CRLF/LF 문제 (0) | 2026.09.20 |