【요요장】중국 AI가 미국을 따라잡았다? Kimi K3 뒤의 컴퓨팅 파워 청구서, 젠슨 황은 어느 편인가?

본 영상은 중국 AI 모델 Kimi K3의 부상과 미·중 AI 경쟁에서의 의미를 심층 분석합니다. 영상은 Kimi K3가 일부 테스트에서 뛰어난 성능을 보였으나, 그 성공이 곧 중국 AI가 미국을 완전히 추월했음을 의미하지는 않는다고 지적합니다. 영상은 Kimi K3의 혼합 전문가(MoE) 아키텍처, 긴 텍스트 처리 능력, 에이전트 성능을 분석하고, 순위표의 한계, 오픈 소스 모델의 진정한 의미, 대규모 모델 운영에 필요한 막대한 컴퓨팅 비용을 탐구합니다. 동시에 영상은 문즈안몐(Moonshot AI), 베이징, 미국 언론, 워싱턴의 정책 입안자들, 그리고 엔비디아 CEO 젠슨 황 등 각 이해관계자가 Kimi K3 사건에서 가지는 이익 추구와 서사 전략을 분석하며, 컴퓨팅 파워, 첨단 칩 제조 능력, 지속적인 탐구 능력이 여전히 미·중 AI 격차의 핵심임을 강조합니다.

영상 링크:

전체 텍스트:

안녕하세요 여러분, 야오야오장(妖妖酱)입니다. 지난 2주 동안 베이징에서 온 AI 모델 Kimi K3가 갑자기 실리콘밸리를 뒤흔들었습니다. 미국 언론은 중국이 미국의 AI 우위를 지워버렸다고 선언했고, 백악관 과학기술 고문은 미국이 AI 경쟁에서 패배할 수 있다고 경고했습니다. 젠슨 황은 중국의 오픈 모델이 매우 우수하며 미국 기업들이 대담하게 사용해야 한다고 말했습니다. 동시에 중국 언론은 Kimi와 Deepseek를 연결해 하나의 이야기를 만들어냈습니다. 칩 봉쇄는 실패했고, 중국 AI가 곧 미국을 완전히 추월할 것이라는 내용입니다. 듣기에는 워싱턴, 실리콘밸리, 베이징이 모두 같은 결론에 도달한 것 같지만, 그들은 정말 같은 현상을 묘사하고 있는 걸까요? 아니면 서로 다른 이익 집단이 각자의 목적을 위해 같은 종류의 불안감을 증폭시키고 있는 것일까요? 오늘 우리는 외국 언론의 구호나 반대 선전에 의존하지 않고, Kimi K3의 순위표, 이른바 오픈 소스 저가 신화, 하드웨어 청구서와 훈련 컴퓨팅 파워를 심층 분석하여 각 주장 뒤에 숨겨진 이익을 추적하고 다음 세 가지 질문에 답해 보겠습니다. Kimi는 정확히 어디가 강한가? 중국이 진정으로 제약받는 것은 무엇인가? 하나의 모델이 미국을 따라잡았다는 것이 곧 중국 AI가 미국을 완전히 추월할 것임을 의미하는가?

이번 미·중 양측의 불안을 촉발한 주인공은 Kimi K3이며, 개발사는 베이징의 문즈안몐(Moonshot AI)입니다. 7월 16일, Kimi K3가 공식 출시되었고 문즈안몐이 발표한 수치는 상당히 놀라웠습니다. 모델 총 규모는 2.8조 파라미터에 달하며, 질문에 답할 때마다 그중 약 1,040억 개의 파라미터가 활성화됩니다. 이 모델은 텍스트와 이미지를 동시에 처리할 수 있으며, 최대 100만 토큰을 수용할 수 있어 매우 긴 문서와 대규모 코드 라이브러리를 한 번에 읽을 수 있습니다. 회사는 이후 모델 가중치와 기술 보고서를 공개하여 외부 개발자들이 다운로드하고 배포할 수 있게 했습니다. 여론을 진정으로 불태운 것은 순위표였습니다. Arena의 프론트엔드 프로그래밍 테스트에서 Kimi K3가 1위에 올랐기 때문입니다. 여러 에이전트, 소프트웨어 엔지니어링 및 종합 능력 테스트에서도 세계 1위 그룹에 진입했습니다. API 가격 또한 미국에서 가장 강력한 상업용 모델보다 저렴합니다. 소식이 전해지자 미국 기술 매체들은 즉시 매우 충격적인 제목을 사용했습니다: 중국이 미국의 AI 우위를 지워버렸다. 백악관 과학기술 고문 데이비드 색스는 미국이 인프라, 에너지, 기술 수출을 계속 확대하지 못하면 AI 경쟁에서 패배할 수 있다고 경고했습니다.

엔비디아의 CEO 젠슨 황은 월스트리트가 딥시크(DeepSeek)가 등장했을 때 한 번 오판했으며, 이제 키미(Kimi)를 마주하고 또다시 오판했다고 말했다. 그는 중국의 오픈 모델이 매우 우수하며 미국 기업들도 당연히 사용해야 한다고 생각한다. 중국 매체들은 이 기회를 놓칠 리가 없었고, 딥시크의 이야기가 막 가라앉자마자 키미가 그 자리를 이어받았다. 미국이 첨단 칩을 봉쇄했음에도 중국은 더 적은 자원으로 세계 수준의 모델을 만들어냈다. 미국의 모델은 비싸고 폐쇄적인 반면, 중국의 모델은 저렴하고 개방적이어서 이러한 속도로 발전한다면 전면적인 추월은 시간문제인 것처럼 보인다. 여기에는 반드시 먼저 짚고 넘어가야 할 사실이 있다. 키미 K3는 사기도 아니며 선전으로 부풀려진 종이호랑이도 아니다. 2조 8,000억 파라미터 규모의 혼합 전문가(MoE) 모델이 훈련 통신, 긴 텍스트, 에이전트 작업에서 정상적으로 작동하려면 상당한 수준의 알고리즘 능력과 시스템 엔지니어링 능력이 필요하다. 키미가 일부 테스트에서 선두를 차지한 것은 중국 AI 팀이 이미 세계 일류 그룹에서 경쟁할 수 있게 되었음을 보여준다. 그러나 키미가 강하다는 것을 인정하는 것과 중국이 곧 미국을 전면적으로 추월할 것임을 받아들이는 것은 별개의 문제이다. 중국인 선수가 몇 차례 경기에서 미국 선수를 이겼다고 해서 이 선수가 세계 수준에 도달했다는 것은 증명할 수 있지만, 중국이 체육, 과학 연구, 훈련 체계, 경기장, 상업 리그 및 모든 종목에서 이미 미국을 전면적으로 앞섰다는 것을 자동으로 증명하지는 못한다.

모델 순위표는 특정 버전의 모델이 일련의 규정된 작업에서 거둔 성과를 측정하는 것이지, 첨단 칩 제조 능력을 측정하지 않으며, 전국이 얼마나 많은 연산 능력을 보유하고 있는지 측정하지도 않고, 누가 다음 라운드의 수천 번에 달하는 실험을 감당할 능력이 있는지도 측정하지 않는다. 키미가 몇 차례 테스트에서 승리한 것에서 중국이 우위를 점했다는 점프로 비약하는 그 사이에는 바로 우리가 오늘 조사해야 할 부분이 빠져 있다. 그렇다면 이 비약이 어떻게 발생했는지 명확히 보려면, 먼저 이 이야기가 누구에게 필요한지 물어야 한다. 이 뉴스는 몇 사람이 밀실에서 공모한 결과가 아니며, 더 흔하고 강력한 경우는 여러 세력이 각자의 이해관계에서 출발하여 마침내 기괴한 열대성 폭풍처럼 합류하는 것이다. 첫 번째 세력은 문샷 AI(Moonshot AI)와 베이징에서 온다. 문샷 AI는 자본, 인재, 고객, 개발자가 필요한 상업 회사이며, 키미 K3 같은 모델을 훈련하려면 막대한 자금을 투입해야 하므로, 회사는 자신이 딥시크에 이은 또 다른 추종자가 아니라 글로벌 기술 생태계를 구축할 수 있는 선두 주자임을 증명해야 한다. 순위가 높을수록, 미디어가 놀랄수록, 국제 개발자들이 더 많이 다운로드할수록, 자금 조달과 시장 경쟁에서 더 큰 경쟁력을 갖추게 된다.

중국공산당 입장에서 발버둥 치는 것은 또 다른 층위의 가치가 있다. 미국이 2022년부터 첨단 AI 칩, 반도체 장비, 고대역폭 메모리가 중국으로 흘러들어가는 것을 끊임없이 제한함에 따라, 베이징이 가장 증명해야 하는 것은 중국 기업이 좋은 제품을 만들었다는 점뿐만 아니라 미국의 봉쇄가 실패했다는 것이다. 단 하나의 중국 모델이라도 미국의 프런티어에 접근하기만 하면, 베이징은 기업의 기술 성과를 제도적 승리로 각색할 수 있다. 서방이 포위할수록 중국의 혁신은 더욱 강해지고, 미국의 모델은 폐쇄적이고 비싸며, 중국은 기술을 세계에 무료로 나누어 준다는 식이다. 따라서 문샷 AI는 상업적 성공의 이야기가 필요하고, 베이징은 국가 부흥의 이야기가 필요하다. 양자는 완전히 같지 않지만, 키미 K3의 의미를 확대하는 데 있어서는 고도로 일치한다. 두 번째 세력은 미국 언론에서 온다. 키미 K3가 일부 공개 테스트에서 선두 수준에 도달했으나 테스트마다 방법론의 차이가 존재한다. 이것이 정확한 제목이지만, 이를 비틀어 보도하는 경우는 드물다. 중국이 미국의 AI 우위를 지워버렸다, 과연 이런 제목이어야 역사적 전환점처럼 보이지 않겠는가? 언론은 복잡한 기술 경쟁을 경마로 번역하는 것을 좋아한다. 누가 1등이고 누가 2등이며, 몇 시 차이로 언제 순위표를 역전할 것인가?

그리고 마침내 객관적으로 보이는 데이터를 제공한다. 그러나 숫자가 일단 테스트 조건을 떠나면 남용되기 매우 쉽다. 모델 회사는 가장 유리한 항목을 선택할 수 있고, 테스트 프레임워크는 성적에 영향을 미치며, 추론 시간을 얼마나 허용하느냐도 결과를 바꾼다. 더 중요한 것은 순위표가 비교하는 것은 이미 공개된 제품이지 두 국가의 모든 능력이 아니라는 점이다. 검증을 위해 말하자면, 이것은 우리의 편견이 아니다. 필자는 지난 1년간 <뉴욕 타임스>, <이코노미스트>, , <블룸버그>를 대상으로 동일한 기준으로 표본 조사를 실시하여, 중국 경제 및 과학 기술 보도를 월별로 검색하고, 각 언론사당 매월 최대 10개의 무작위 추출을 통해 총 374개의 제목을 코딩했다. 오직 제목만을 판단하여 중국을 능력 상승, 악화되는 문제, 중립, 혹은 긍정적 면과 부정적 면이 결합된 것으로 묘사했는지 분류했다. 결과적으로 서방 언론이 모두 띄워주기만 한 것은 실제로 아니었다. 중국에 관한 213개의 경제 관련 제목 중 부정적인 것은 88개였고, 긍정적인 것은 28개였으며, 비판적 보도는 긍정적 보도의 3배가 넘었다. 진정으로 이상했던 것은 AI와 첨단 기술 분야의 보도였는데, 127개의 제목 중 긍정적인 능력 서사는 40개였고, 부정적인 것은 25개에 불과했다.

차이점은 또한 블룸버그의 미·중 AI 및 첨단 기술에 대한 긍정적 보도와 부정적 보도의 비율이 18 대 9라는 점에 높게 집중되어 있습니다. 이코노미스트는 어떨까요? 12 대 4이고, BBC는 7 대 8, 뉴욕 타임스는 3 대 4입니다. 다시 말해, 중국의 기술이 미국을 곧 추월할 것이라는 이러한 바람은 네 언론사가 일사불란하게 만들어낸 것이 아니라 상업 및 경제 매체와 이코노미스트가 더 크게 부풀린 것입니다. 소셜 미디어에서 물음표와 전제가 잘려나간 채 전 네트워크의 불안감으로 변모했습니다. 세 번째 세력은 워싱턴에서 비롯됩니다. 미국의 정책 진영 간 논쟁은 매우 치열하지만, 중국이 다가오고 있다는 이 논조는 거의 모든 진영에 유용합니다. 규제 완화를 주장하는 사람들은 번거로운 규정으로 더 이상 미국 기업을 묶어둘 수 없다고 말할 수 있고, 에너지 및 데이터 센터 확충을 주장하는 사람은 중국이 미국의 승인 절차를 기다려주지 않을 것이라고 말할 수 있습니다. 산업 보조금을 주장하는 사람은 정부에 더 많은 자금 투입을 요구할 수 있으며, 통제 강화를 주장하는 사람은 칩과 모델에 대한 추가 봉쇄를 요구할 수 있습니다. 그들이 제시하는 정책이 반드시 틀린 것은 아니며 중국의 위협은 실제로 존재하지만, 그 안의 동기 부여를 보아야 합니다. 즉, 중국의 위협을 더 절박하고 긴급하게 말할수록 이러한 정책 주장은 예산과 지지를 얻기가 더 쉬워집니다.

그리하여 중국에는 아주 강력한 모델이 있다는 이러한 주장은 자연스럽게 미국이 미래를 잃을지도 모른다는 것으로 격상됩니다. 네 번째 세력은 젠슨 황과 그의 엔비디아에서 나옵니다. 젠슨 황은 한편으로는 중국 엔지니어가 우수하며 중국은 미국에 비해 아주 짧은 시간만 뒤처져 있다고 끊임없이 강조하면서도, 다른 한편으로는 중국을 미국의 기술 생태계에서 배제하는 것에 반대합니다. 그의 이유는 만약 미국이 세계에 칩과 플랫폼을 제공하지 않는다면 중국이 자체적인 대체 체계를 구축하여 결국 CUDA와 미국의 기술이 글로벌 영향력을 잃게 만들 것이라는 점입니다. 이 판단은 전략적 타당성이 있지만, 엔비디아의 상업적 이해관계와도 완전히 일치합니다. 엔비디아가 파는 것은 챗봇이 아니라 챗봇을 구동하는 컴퓨터입니다. 세상이 AI 경쟁이 치열하다고 믿을수록, 각국이 데이터 센터를 건설하려 할수록, 오픈 모델이 유행할수록, 더 많은 기업이 자사의 GPU를 구매하게 됩니다. 중국이 미국에 가까워 보일수록 대중국 칩 제재 해제는 더욱 시급해 보입니다. 그러므로 눈앞의 이 파도는 단순한 중국의 선전이 미국을 속인 것이 아니라 사실은 더 흥미롭습니다. 베이징은 봉쇄를 뚫는 승리가 필요하고, 문샷 AI(Moonshot AI)는 글로벌 상승이 필요하며, 미국 언론은 극적 요소를 원하고, 워싱턴은 위기 동원이 필요하며, 엔비디아는 끊임없이 증가하는 연산 수요가 필요합니다.

다른 사람들이 비슷한 말을 하면서도 전혀 다른 목표를 추구하고 있습니다. 이를 이해해야만 비로소 기술 자체로 돌아갈 수 있습니다. 그렇다면 이 Kimi는 도대체 무엇에서 승리했을까요? 그리고 무엇에서 승리하지 못했을까요? 먼저 Kimi가 진정으로 주목할 만한 부분을 살펴보겠습니다. 전통적인 대형 모델은 하나의 회사와 같습니다. 문제를 처리할 때마다 거의 모든 직원이 동시에 회의를 해야 합니다. 모델이 클수록 이러한 방식은 비용이 많이 듭니다. Kimi K3는 혼합 전문가(MoE) 아키텍처를 채택했는데, 이를 많은 전문 부서를 가진 회사로 상상할 수 있습니다. 법률 문제는 법률팀에 맡기고, 프로그래밍 문제는 엔지니어링팀에 맡기며, 이미지 문제는 또 다른 전문가 팀이 담당합니다. 따라서 전체 모델의 파라미터는 2조 8,000억 개에 달하지만 매번 활성화되는 것은 약 1,040억 개에 불과합니다. 이는 나머지 파라미터가 전혀 쓸모없다는 것을 의미하지 않으며, 오히려 정반대로 방대한 전문가 풀이 용량을 제공하고 선택적 활성화가 매번 연산의 부담을 줄여줍니다. 이렇게 많은 전문가를 서로 다른 칩에 분배하고 그들이 신속하게 정보를 교환하도록 만드는 것은 어려운 시스템 엔지니어링 작업입니다. Kimi의 두 번째 하이라이트는 컨텍스트입니다. 100만 토큰은 책 한 권을 채팅창에 억지로 집어넣는 것이 아니라, 모델이 여러 자료에서 관련 정보를 찾아내고 작업 목표를 유지하며 외부 도구와 협력하도록 요구하는 것입니다.

이는 코드베이스, 법률 문서 및 연구 자료를 분석하는 데 매우 매력적입니다. 세 번째 하이라이트는 에이전트의 능력입니다. 오늘날 가장 주목받는 AI는 단순히 질문에 답하는 것에 그치지 않고, 목표를 받아 스스로 문서를 읽고, 도구를 호출하고, 코드를 작성하고, 결과를 테스트한 뒤 오류에 따라 계속해서 수정합니다. Kimi는 프런트엔드 프로그래밍과 일부 에이전트 테스트에서 좋은 성적을 거두었으며, 이는 일을 완수해 내는 트랙에서 진정한 경쟁력을 가지고 있음을 보여줍니다. 그러나 순위표의 한계도 여기에서 시작됩니다. 첫째, 순위표가 측정하는 것은 선택된 작업의 이상입니다. 프런트엔드 프로그래밍 테스트는 모델이 요구사항에 따라 웹페이지를 만들 수 있는지 여부를 알려줄 수는 있지만, 과학적 추론, 사이버 보안, 생물학 연구, 로봇 제어 및 군사 기획에서도 마찬가지로 선두를 달리고 있는지 여부는 알려주지 않습니다. 마치 자동차가 도심 도로에서는 연비가 가장 좋을지 몰라도 트랙, 눈길 또는 중량 화물 운송에서도 가장 좋은 성능을 발휘한다는 것을 증명하지는 못하는 것과 같습니다. 둘째, 순위표의 성적은 모델에서만 나오는 것이 아닙니다. Kimi K3 테스트에 장착된 것은 Kimi Code이고, OpenAI에 장착된 것은 Codex이며, 앤트로픽(Anthropic) 모델에 장착된 것은 Claude Code입니다.

이러한 도구들은 모델이 어떤 파일을 읽을 수 있는지, 어떻게 검색할지, 언제 실행할지, 그리고 코드가 실패한 후 어떻게 대응할지를 결정합니다. 최종 점수는 기반 모델, 소프트웨어 프레임워크, 프롬프트, 연산, 예산, 그리고 보안 규칙이 함께 만들어낸 결과물입니다. 미국 모델들은 때때로 네트워크 보안이나 위험한 작업 때문에 답변을 거부하기도 하는데, 이러한 거부는 특정 능력 테스트에서 점수를 잃게 만들 수 있지만, 그것이 곧 모델이 해당 능력을 갖추지 못했다는 것을 의미하지는 않습니다. 반대로, 거의 거부하지 않는 모델은 점수가 더 높을 수 있지만, 더 큰 위험을 초래할 수도 있습니다. 서로 다른 테스트에서 이러한 조건들을 통일하지 않는다면, 순위를 순수한 지능 차이로 해석하기는 어렵습니다. 셋째, 모델 기업들이 발표하는 테스트는 본질적으로 선택적입니다. 이는 중국 기업들만의 문제가 아니며, 미국 기업들도 새 모델을 발표할 때 똑같이 가장 성과가 좋은 지표를 골라냅니다. 진정으로 신뢰할 수 있는 판단은 발표회의 표 하나만 볼 것이 아니라, 여러 독립적인 테스트, 실제 사용자 경험, 그리고 일정 기간 후의 안정적인 성능을 관찰해야 합니다. 넷째, 공개된 제품이 국가의 모든 기술 비축량을 의미하지는 않습니다. 우리는 OpenAI, Google, 문지암면(Moonshot AI) 연구소 내부에 아직 발표되지 않은 모델이 어느 정도 수준에 도달했는지 알 수 없으므로, 상상에 의존해 미국이 반드시 더 강력한 무언가를 숨기고 있다고 단정할 수 없습니다. 그러나 마찬가지로 공개된 순위표를 근거로 중국이 미국의 모든 우위를 없앴다고 선언할 수도 없습니다. 우리가 비교할 수 있는 것은 어느 날 진열대에 놓인 상품뿐입니다. 따라서 Kimi의 성적은 세 가지 결론을 뒷받침할 수 있습니다. 중국은 세계적인 수준의 AI 인재를 보유하고 있고, 중국 팀은 초대형 혼합 전문가 모델(MoE)을 훈련할 능력을 갖추었으며, 중국 모델은 이미 여러 중요한 작업에서 미국의 공개 제품과 정면으로 경쟁할 수 있다는 것입니다. 하지만 다음 세 가지 결론은 뒷받침할 수 없습니다. 중국이 이미 세계 최강의 첨단 칩을 장악했다는 것, 중국이 미국과 대등한 총 연산 능력을 보유했다는 것, 중국이 차세대 AAA 연구의 전면적인 주도권을 확보했다는 것입니다. 이것이 바로 이번 여론 조작의 가장 핵심적인 논점 바꿔치기입니다. 제품 층위에서의 접근을 전체 체계의 추월로 포장하는 것입니다. 이러한 논점 바꿔치기가 쉽게 성공하는 이유는 '오픈 소스'라는 매우 매력적인 단어 때문이기도 합니다. Kimi와 Deepseek는 종종 오픈 소스 모델로 불리며 이러한 명칭이 깊이 뿌리박혔지만, 뉴스 제목은 정확하지 않습니다. 일반 소프트웨어의 소스 코드는 완전한 요리법과 같아서, 모든 단계를 볼 수 있고 어떤 재료가 들어갔는지, 어떻게 가공했는지 알 수 있으며, 자신의 필요에 따라 수정하여 다시 만들 수도 있습니다. AI 모델은 다릅니다. 훈련이 시작될 때 시스템에는 수천억, 심지어 수조 개의 아직 능력을 갖추지 못한 매개변수가 존재합니다. 모델은 방대한 데이터를 읽고, 수없이 많은 계산을 통해 이 매개변수들을 조정하며, 마지막에 얻은 숫자 집합이 바로 모델 가중치입니다. 가중치는 이미 만들어진 케이크와 더 비슷합니다. 케이크를 집으로 가져와 잘라서 장식하거나, 심지어 그 기반 위에 새로운 제품을 만들 수도 있습니다. 하지만 케이크를 받았다고 해서 밀가루가 어디서 왔는지, 주방에서 어떤 장비를 썼는지, 몇 번이나 실패했는지 알 수 있는 것은 아니며, 똑같은 생산 라인을 재구축할 수 있다는 뜻도 아닙니다. Kimi K3는 확실히 매우 가치 있는 것들, 즉 모델 가중치, 기술 보고서, 아키텍처 설명 및 일부 실행 도구를 공개했습니다. 개발자는 가중치를 다운로드하여 허가 범위 내에서 수정, 양자화 및 배포할 수 있습니다. 이는 회사의 API를 통해서만 호출할 수 있는 폐쇄형 모델보다 훨씬 개방적인 것이 분명합니다. 하지만 문지암면은 Kimi를 완전히 재구축할 수 있는 훈련 데이터, 전체 데이터 처리 프로세스, 그리고 모든 실험 기록과 완전한 훈련 파이프라인을 공개하지 않았습니다. 외부에서는 그들이 만든 모델을 연구할 수는 있지만, 문지암면이 어떻게 이 모델을 만들었는지 처음부터 복제할 수는 없습니다. Deepseek도 비슷한 상황입니다. 그들은 가중치 논문과 일부 추론 코드를 공개하여 엔지니어링 투명성 측면에서 긍정적이지만, 모든 훈련 데이터와 완전한 생산 과정을 세상에 내놓지는 않았습니다. 따라서 더 정확한 명칭은 사실 '오픈 가중치 모델'입니다. 이는 말장난이 아닙니다. 오픈 가중치는 세 가지 진정으로 중요한 자유를 가져옵니다. 첫째, 데이터가 로컬에 머물 수 있어 병원, 은행, 정부 및 기업이 민감한 자료를 외국 기업의 서버로 보낼 필요가 없습니다. 둘째, 개발자가 모델을 조정할 수 있어 법률 보조, 프로그래밍 도구 또는 로컬 언어 모델로 미세 조정할 수 있으며, 콘텐츠 제한을 변경할 수도 있습니다. 셋째, 한 국가가 영원히 특정 미국 기업의 API에 의존할 필요가 없습니다. 상업적 관계나 국제 정치가 변하더라도 가중치를 확보했다면 이론적으로는 여전히 계속 운영할 수 있습니다. 하지만 오픈 가중치는 다른 세 가지를 제공하지 않습니다. 외부에서 모든 훈련 재료를 알 수 없게 하므로, 모델이 저작권 보호 콘텐츠를 사용했는지, 혹은 다른 모델의 출력을 대량으로 흡수했는지, 즉 모두가 매일 말하는 '모델 증류'를 했는지 철저히 감사하기 어렵습니다.

그것은 전체 훈련 과정을 공개하지 않았기 때문에, 제3자는 어떤 기술이 독창적인 것인지, 어떤 것이 반복적인 시행착오에서 나온 것인지 판단할 수 없습니다. 가장 중요한 점은, 동급 모델을 훈련하는 데 필요한 칩, 데이터 센터, 자금을 다운로더에게 함께 제공하지 않았다는 것입니다. 가중치를 공개함으로써 중국은 모델의 사용권을 전 세계로 신속하게 확산시킬 수 있지만, 다른 국가들이 자동으로 중국의 연구 개발 능력을 획득하게 하지는 않습니다. 이것이 바로 베이징이 이러한 전략을 선호하는 이유입니다. 이는 중국 모델에 의존하는 개발자 생태계를 구축하고 기술적 영향력을 확대하는 동시에, 가장 가치 있는 훈련 비밀을 유지할 수 있게 합니다. 하지만 이 전략에는 종종 간과되는 수혜자가 있습니다. 모델 파일은 무료로 다운로드할 수 있지만, 그것을 실제로 작동하게 만드는 기계는 결코 저렴하지 않기 때문입니다.

Kimi를 실제로 작동하게 만드는 기계는 도대체 얼마나 비쌀까요? 계산을 한번 해봅시다. Kimi K3는 2.8조 개의 파라미터를 가지고 있는데, 파라미터는 모델 훈련 후 남은 경험 기록으로 이해할 수 있습니다. 고도로 압축하더라도 각 기록이 0.5바이트를 차지한다고 가정하면, 전체 모델은 약 1.4TB의 공간이 필요하며 이는 거의 300편의 고화질 영화에 해당합니다. 하지만 파일이 하드디스크에 저장될 수 있다고 해서 모델이 정상적으로 작동하는 것은 아닙니다. 하드디스크는 지하 창고와 같아서 용량은 크고 가격은 저렴하지만, 물건을 옮기는 속도는 느립니다. 그래픽 카드의 고속 메모리는 요리사 옆의 작업대와 같아서 공간은 비싸지만, 모델이 즉시 사용해야 할 재료는 반드시 그곳에 있어야 합니다. 만약 모델의 대부분이 하드디스크에 남아 있다면, 글자를 생성할 때마다 멈추고 데이터를 옮겨야 하므로, 시작은 할 수 있을지 몰라도 실용적인 가치를 잃을 정도로 느려질 것입니다. 게다가 모델은 진행 중인 대화도 기억해야 합니다. 업로드하는 파일이 길어질수록, 동시에 맡기는 작업이 많아질수록 필요한 고속 메모리는 더 커집니다. Kimi는 100만 토큰을 처리할 수 있다고 주장합니다. 그러나 이러한 능력을 실제로 발휘하려면 하드웨어에 가해지는 압박은 계속해서 커질 것입니다.

누군가는 질문할 것입니다. 매번 질문에 답할 때 약 1,041개의 파라미터만 활성화하면서 왜 2.8조 개의 파라미터 전체를 담아야 하느냐고 말이죠. 이를 수백 개의 전문 부서를 가진 회사로 상상해 볼 수 있습니다. 문제를 해결할 때 실제로 일하는 부서는 십여 개에 불과할 수 있습니다. 하지만 문제가 발생하기 전에는 시스템이 이번에 프로그래밍이 필요한지, 이미지가 필요한지, 아니면 수학이 필요한지 알 수 없습니다. 따라서 모든 부서의 자료는 즉시 꺼내 쓸 수 있는 위치에 있어야 합니다. 이것이 바로 모델을 성공적으로 시작하는 것과 GPT처럼 원활하게 사용하는 것이 별개의 문제인 이유입니다. 인터넷상에서 일반 컴퓨터로 DPC나 심지어 TIME을 실행한 사례가 있습니다. 기술적으로는 가능할지 모르지만, 방법은 보통 모델을 추가로 압축하거나 일부 내용을 하드디스크에 두고 천천히 옮기는 방식입니다. 결국 모델이 말을 하기는 하지만 속도가 느리고, 처리할 수 있는 자료의 양도 적으며, 상업용 웹사이트의 사용 경험과 비교할 수 없습니다. 게다가 개인용 컴퓨터에서 실행되는 많은 모델은 뉴스에 나오는 완전한 6711 파라미터의 플래그십 모델이 아니라, 대형 모델에서 추출한 작은 버전입니다. 이는 자동차 회사가 레이싱 기술 몇 가지를 일반 승용차에 적용한 것과 같습니다. 일반 승용차가 레이싱 성능을 일부 얻을 수는 있지만, 승용차 가격으로 전문 레이싱카를 산 것은 아니지 않습니까?

완전한 모델을 정상적으로 실행하려면 하드웨어 비용은 완전히 달라집니다. 전시된 완전한 DPC와 고성능 솔루션은 약 200개의 고급 그래픽 카드가 장착된 서버 8대이기 때문입니다. DPC가 초기에 공개한 또 다른 솔루션은 총 16개의 고급 그래픽 카드가 장착된 기계 2대를 사용했습니다. 그래픽 카드와 서버 비용만 해도 수백만 위안이 들 수 있습니다. 여기에 고속 네트워크 스토리지, 전원 공급 및 냉각 장치를 더하면 300만 위안은 결코 과장된 금액이 아닙니다. Kimi K3의 전체 규모는 DPC의 플래그십 버전보다 큽니다. 매번 일부 파라미터만 호출하여 계산을 절약한다고는 하지만, 로컬에서 GPT 수준의 응답 속도를 내려면 실제 투입 비용은 훨씬 더 높을 가능성이 큽니다. 따라서 300만 위안을 매우 보수적인 시작점으로 잡겠습니다. 이제 이 금액을 일반인에게 익숙한 구독료로 환산해 봅시다. ChatGPT Plus와 Claude Pro는 현재 월 20달러의 구독료를 받습니다. 1달러당 6.76위안으로 계산하면 월 약 135위안입니다. 300만 위안이면 한 사람이 몇 년 동안 구독할 수 있을까요? 1,800년이 넘습니다. 300만 위안은 기계를 사는 시작 가격일 뿐인데, 그 이후는 어떻게 할까요?

전기세와 유지보수 비용도 계속 지불해야 합니다. 따라서 일반인에게는 GPT나 즐거운 일상적 경험을 얻기 위해 300만을 들여 완전한 Timmy를 집으로 옮기는 것은 손해 보는 장사입니다. 물론 누구나 그 300만을 꺼낼 수 있는 것도 아닙니다. 이는 마치 누군가 대형 여객기의 설계도를 공짜로 주는 것과 같습니다. 돈은 들지 않지만, 설계도 위에 앉아서 비행할 수는 없지 않습니까. 엔진도 구매해야 하고, 동체도 제작해야 하며, 격납고를 임대하고 유지보수도 책임져야 합니다. GPT나 CLUB을 구독하는 것은 비행기 표를 구매하는 것과 같습니다. 비행기를 소유할 필요 없이 단 한 장의 비행기 표 값만 지불하면 항공사가 이미 구축한 전체 시스템을 이용할 수 있습니다. 소위 오픈소스 개방형 가중치가 제공하는 것은 스스로 비행기를 만들 권리이지, 즉시 이륙할 수 있는 비행기를 공짜로 주는 것이 아닙니다. 따라서 중국이 세계적 수준의 A3를 모든 사람에게 공짜로 준다는 것은 절반만 맞는 말입니다. 공짜인 것은 모델 파일이지, 모델을 구동하는 연산 능력이 아닙니다. 다운로드할 수 있는 것은 훈련 성과이지, 그래픽 카드, 전산실, 전력이 아닙니다. 하지만 정부, 은행, 대형 기관들이 데이터 보안을 위해 모델을 자신들의 전산실로 가져오기로 결정하는 한, 그들은 더 많은 그래픽 카드와 서버를 구매해야 합니다.

그리하여 모순되어 보이는 결과가 나타났습니다. 중국 기업들은 모델을 무료로 개방했지만, 전 세계가 구매해야 할 연산 장비는 오히려 더 많아질 수 있습니다. 어둠의 면으로 도약하며 무료로 배포한 것은 모델 가중치이고, 엔비디아가 판매하는 것은 이 가중치가 실제로 작동하게 만드는 기계입니다. 이제 우리는 화교들이 왜 이토록 열광하는지 되돌아보면 이해하기가 비교적 쉽습니다. 사력을 다해 출시한 후, 일부 투자자들은 엔비디아가 타격을 받을까 우려했습니다. 만약 중국 기업들이 적은 자원으로 저렴한 모델을 만든다면, 미래에는 더 이상 그렇게 비싼 지배력이 필요하지 않게 된다는 의미일까요? Deepak이 등장했을 때 시장은 이미 똑같은 공포를 겪은 적이 있습니다. 그러나 그 형님의 대답은 이렇습니다: 여러분들이 인과관계를 거꾸로 알고 있습니다. 어떤 상품의 사용 비용이 하락하면 전체 수요는 줄어들지 않고 오히려 증가하는 경우가 있습니다. 조명이 그 전형적인 예입니다. 전구는 점점 더 에너지 절약형이 되지만 사람들이 조명 사용을 줄이게 하지는 않습니다. 사용 비용이 하락한 후 도시 도로, 상점, 가정은 오히려 더 많은 조명을 설치하기 때문입니다. AP 역시 그럴 수 있으며, 한 번의 추론이 열 배 저렴해지면 기업들은 원래의 청구서만큼 절감하는 것에 만족하지 않고, API를 고객 서비스, 프로그래밍, 디자인, 의료, 자동차, 로봇 등 더 많은 서비스에 탑재할 것입니다.

최종적으로 사용되는 총 연산 에너지는 더 클 수 있습니다. OpenAIPack과 즈아이몐(挚爱面)에게 모델은 보통 제품입니다. 엔비디아에게 모델은 무엇보다 우뚝 솟은 수요입니다. 폐쇄형 API가 연산을 소수의 클라우드 거물들에게 집중시킨다면, 개방형 가중치는 배포의 충동을 자신의 데이터를 통제하고자 하는 모든 조직으로 확산시킵니다. 정부는 주권을 원하고, 아이아이(?)는? 은행은 로컬 서버를 원하며, 병원은 환자의 병력을 업로드하기를 꺼리고, 군부는 더욱더 문서를 외국 회사에 넘기지 않습니다. 이러한 모든 결정은 일련의 GPU, 네트워크 장비, 기업용 소프트웨어 주문으로 전환될 수 있습니다. 사력을 다하는 것은 특히 엔비디아의 이익에 부합합니다. 그는 2조 8,000억 개의 매개변수와 100만 개의 컨텍스트 엿보기 기능을 가지고 프로그래밍과 에이전트 서비스를 강조합니다. 모델 가중치는 비록 무료이지만, 그것이 인기를 얻을수록 그를 구동하는 데 사용되는 전 세계의 하이엔드 하드웨어는 더 많아질 수 있습니다. 엔비디아의 2026 회계연도 데이터 센터 매출이 전년 동기 대비 68% 증가함에 따라, 회사 이익의 핵심은 더 이상 게이밍 그래픽 카드가 아니라 연산 플랫폼이 되었기 때문입니다. 그는 GPU뿐만 아니라 고속 상호 연결 서버 시스템과 소프트웨어 생태계도 판매합니다. 화교들이 모델 개방을 주장하는 것은 물론 기술적 이념도 있지만, 더 많은 모델, 더 많은 데이터 센터, 더 많은 우뚝 솟은 소비로 이루어진 세계를 주장하는 것과 같습니다.

그가 중국에 대한 미국 칩 판매를 계속해야 한다고 주장하는 것도 이와 동일한 이중 논리를 가지고 있습니다. 전략적으로 그는 중국 개발자들이 크라이와 엔비디아 플랫폼을 계속 사용한다면 미국 기술이 글로벌 표준을 유지할 수 있다고 생각합니다. 만약 미국이 완전히 철수한다면 중국은 화웨이 등의 대체재를 육성할 수밖에 없을 것입니다. 상업적으로 중국은 원래 수백억 달러 가치가 될 수 있는 시장이었습니다. 제한을 해제하는 기술은 미국의 생태계를 유지함과 동시에 엔비디아의 매출을 회복시킬 수도 있습니다. 따라서 사람들이 중국이 조금 뒤처졌을 뿐이고 중국 모델이 매우 우수하다고 강조하는 것은 중립적인 기술 상인으로서 내린 최종 심판으로 간주될 수 없습니다. 그의 관찰이 대다수 사람들보다 확실히 깊지만, 그에게도 명확한 이해관계의 방향이 있습니다. 이것이 그가 하는 말이 모두 거짓이라는 의미는 아닙니다. 가중치 개방은 실제로 소프트웨어 독점을 낮추고, 로컬 데이터를 보호하며, 연구와 경쟁을 촉진할 수 있습니다. 중국 엔지니어들도 확실히 우수합니다. 문제는 화교 학자가 거짓말을 했다는 점에 있는 것이 아니라, 그가 반복해서 강조하는 그 일부분의 진실이 공교롭게도 엔비디아가 가장 바라는 미래로 이어진다는 점입니다. OpenAI는 전 세계가 계속해서 그의 지능을 구매하기를 원하고, 엔비디아는 지능을 소유하고 싶어 하는 모든 이가 연산 공장을 하나씩 구매하기를 원합니다.

우리가 이 점을 명확히 볼 때, 다시(达西)도 중국이 곧 추월할 것이라고 인정한다는 사실은 더 이상 결정적인 증거가 되지 않는다. 그것은 단지 중국 모델이 전 세계적인 연산 수요를 창출할 만큼 이미 강력하다는 것을 보여줄 뿐이며, 바로 다(达)의 사업 때문에 그러한 것이다. 그러나 중국 추월론을 지지하는 이들에게는 더 강력한 패가 하나 더 있다. Time의 API 가격이 미국의 선도 모델보다 낮다는 점이다. DPC는 일찍이 저가격으로 시장을 뒤흔든 적이 있으며, 이것이 바로 중국 API의 진정한 경쟁 우위이다. 그러나 '가격 인하'라는 이 단어 속에는 적어도 네 가지 서로 다른 회계 장부가 숨어 있다. 첫 번째는 사용자가 눈으로 보는 API 가격, 즉 일정량의 텍스트를 생성하는 데 지불해야 하는 비용이다. 두 번째는 모델이 한 번 구동될 때의 직접 비용으로, GPU, 전력 및 서버 감가상각이 포함된다. 세 번째는 하나의 모델을 훈련하는 데 드는 비용이다. 네 번째는 올바른 기술 노선을 찾아내는 것이다. 이전의 모든 실패한 실험, 인재, 데이터, 그리고 인프라의 총비용이다. 발표회에서 가장 선전하기 쉬운 것은 첫 번째이며, 가끔은 세 번째가 공개되기도 한다. 그러나 진정으로 연구소가 지속적으로 혁신할 수 있는지를 결정하는 것은 대개 네 번째이다. 새로운 식당이 손님을 끌기 위해 100위안짜리 요리를 일시적으로 60위안에 팔 수도 있고, 투자자가 보조금을 줄 수도 있으며, 가장 경쟁력 있는 메뉴에만 저렴한 가격을 적용할 수도 있다.

가격은 진실이고 손님들도 실제로 더 적은 돈을 쓰지만, 그렇다고 주방이 실제로 60위안만 썼다는 것을 증명할 수는 없다. 중국의 애국 기업들이 저가 전략을 채택하는 데는 여러 가지 가능성이 동시에 존재할 수 있다. 혼합 전문가(MoE) 아키텍처가 연산량 당 비용을 줄여주고, 양자화가 메모리 압박을 줄여주며, 엔지니어링 최적화가 효율성을 높여준다. 중국 시장은 경쟁이 치열하여 기업들이 더 낮은 이윤을 감수할 용의가 있고, 투자자가 가격을 보조할 수 있으며, 기업이 저가로 개발자를 유치한 뒤 생태계를 구축하고 나서 수익을 모색할 수도 있다. 그러므로 필사적으로 저렴하다는 것은 제품 경쟁력이 있음을 증명할 수 있을지언정, 그 모든 비용이 미국보다 낮다는 것을 단독으로 증명할 수는 없다. 네 번째 항목인 저비용 스토리 역시 유사한 오해를 겪은 적이 있다. 어떤 기업이 V3 정식 훈련 단계에서 약 200만 시간 또는 800만 시간의 GPU 시간을 사용했다고 공표한 적이 있다. 언론은 이 단계를 수백만 달러로 환산한 뒤, DPC가 단 수백만 달러만 들여서 OpenAI를 복제했다고 썼다. 그러나 이 숫자는 한 기업의 전체 투자를 대변하지 않는다. 여기에는 초기 연구, 실패한 실험, 데이터 준비, 기존 서버 조달, 인력 비용이 포함되지 않으며, 영(0)에서 시작해 프론티어 연구소를 구축하는 데 필요한 대가를 대표할 수도 없다.

이것이 진정으로 증명하는 바는 DPC가 매우 높은 엔지니어링 효율성으로 중요한 훈련을 완수했다는 것이지, 프론티어 API가 대규모의 연산 자원 없이 독립적으로 존재할 수 있다는 뜻은 아니다. Time 역시 마찬가지다. 2조 8000억 개의 매개변수, 긴 컨텍스트, 그리고 대규모 강화 학습은 무에서 유로 창출될 수 없다. 기술 진보로 지출되는 자원당 산출량을 높일 수는 있어도, 훈련 머신을 사라지게 만들 수는 없다. 여기에는 더욱 민감한 문제인 '증류(Distillation)'가 남아 있다. 소위 증류란 하나의 모델이 다른 강력한 모델의 출력을 학습하게 만드는 것이다. 이를 학생이 명사의 문제 풀이 시범을 반복해서 읽으며 자신만의 문제 풀이 습관을 훈련하는 것으로 상상하면 된다. 업계에서 증류는 널리 사용되며, 그것 자체로는 사악한 기술이 아니다. 논쟁의 핵심은 학생이 서비스 약관을 위반하여 대규모로 정답을 입수했는지, 보호받는 성과물을 복제했는지, 그리고 출시할 때 출처를 은폐했는지 여부에 있다. 미국 정부는 이미 베트남 암묵적 라인이 가용 모델 출력을 활용해 Time을 훈련시켰을 가능성이 있다고 고발했으며, 이 과정에 규정 위반이 개입되었는지 조사하고 있다. 현재로서는 공개된 자료만으로 이 고발을 확정적인 결론으로 쓰기에는 부족하지만, 이는 추격자의 한 가지 우위를 드러낸다. 길을 개척한 자가 미지의 영역을 탐사하는 대가를 지불했다면, 뒤따라오는 자는 논문, 모델 출력, 그리고 공개된 도구를 따라 훨씬 더 빠르게 진군할 수 있다.

물론 이러한 능력 역시 존중받을 가치가 있으나, 모든 기술적 프론티어를 독립적으로 개척하는 것과는 동일한 개념이 아니다. 학생이 교수가 10년에 걸쳐 구축한 지식 체계를 더 적은 시간을 들여 마스터할 수 있다는 사실은 그 학생이 똑똑하다는 것을 증명하며, 지식 전파의 효율성을 보여주기도 한다. 그러나 그렇다고 해서 교수의 초기 10년 탐사가 더 이상 필요 없어졌다는 것을 증명할 수는 없다. 따라서 알고리즘 효율성과 연산력은 양자택일의 문제가 아니다. 더 나은 알고리즘은 각각의 실험을 더욱 가치 있게 만들고, 더 많은 연산력은 연구소가 동시에 더 많은 방향을 시도할 수 있게 해준다. 중국은 더 적은 자원으로 추격하는 데 능숙하고, 미국은 여전히 더 많은 탐사 실패 비용을 지불할 능력이 있다. 이 격차가 실제로 존재하는지 판단하기 위해 가장 귀 기울여 들어야 할 것은 공개 무대에서의 승리 선언이 아니라, 중국의 프론티어 연구소 스스로가 이 상황을 어떻게 묘사하는가이다. 2026년 5월, DPC의 창업자 원펑(闻风)이 잠재적 투자자들과 거의 4시간에 걸쳐 비공개 대화를 나누었다고 한다. 회의록은 나중에 유출되었으나, DPC는 그 진위에 대해 공식적으로 확인해 주지 않았다. 그러나 그 안에서 이루어진 기술과 경영 디테일에 대한 토론은 상당히 구체적이었다. 공개된 여론 속에서 DPC는 종종 연산력이 더 이상 중요하지 않다는 것을 증명하는 데 인용되곤 하지만, 이 기록이 전달하는 내용은 그와 정반대의 정보를 담고 있다.

기록에 따르면 DPC는 미국 최첨단 수준과 약 2년 정도 차이가 나며, 이 격차를 6개월에서 1년으로 줄이기를 희망하고 있다. 회사의 컴퓨팅 파워 규모는 미국 선두 연구소의 약 20분의 1에 불과하다. 진정한 병목 현상은 중국에 우수한 인재가 없어서가 아니라, 연구원들이 자신의 아이디어를 검증할 충분한 컴퓨팅 자원이 부족하다는 점이다. 그렇다면 왜 컴퓨팅 파워가 혁신을 제한하는 것일까? 최첨단 모델을 훈련하는 것은 완성된 설계도를 보고 생산하는 것이 아니기 때문이다. 연구원들은 10가지의 새로운 아키텍처, 20가지의 데이터 솔루션, 수십 세트의 훈련 파라미터를 가질 수 있다. 대부분의 시도는 성공하지 못한다. 충분한 컴퓨팅 파워를 가진 연구소는 동시에 실험을 진행하여 실패한 경로를 신속하게 제거하고, 가장 유망한 방향에 자원을 투입할 수 있다. 반면 자원이 부족한 팀은 더 신중하게 선택해야 하며, 한 번의 실패조차 감당할 수 없어 고위험 솔루션을 포기하기도 한다. 이는 마치 신약 개발과 같다. 과학자의 지능도 물론 중요하지만, 한 기업은 10번의 실험만 할 수 있고 다른 기업은 200번의 실험을 할 수 있다면, 후자가 효과적인 약물을 발견할 확률이 훨씬 높을 것이다. 량원펑(Liang Wenfeng)은 투자자 앞에서 자금과 컴퓨팅 파워의 필요성을 강조할 이유가 있지만, 투자자가 최종적으로 돈을 지불할지 결정해야 하기 때문에 그는 중국이 이미 전면적으로 앞서고 있다는 선전만 반복할 수는 없다. 투자자들은 다음 단계에 무엇이 부족한지, 왜 기업이 그렇게 많은 돈이 필요한지에 관심이 있다. 이 기록에서 가장 가치 있는 부분은 2년이라는 숫자가 아니다. AI 발전은 너무 빠르기 때문에 어떤 고정된 시간 차이도 모델 발표 한 번으로 바뀔 수 있다. 진정으로 중요한 것은 원펑이 구조적 엔지니어링 효율성이 컴퓨팅 파워 부족을 완화할 수는 있지만, 컴퓨팅 파워 자체를 대체할 수는 없음을 인정한 점이다. 국산 칩이 일부 작업을 수행할 수는 있지만, 최첨단 훈련에서 엔비디아(NVIDIA)의 위치를 완전히 대체하지는 못했다. 이는 왜 Time 3의 성공이 미국의 칩 통제가 실패했음을 증명하지 못하는지를 설명해 준다. 통제는 중국이 모델 훈련을 갑자기 중단하게 만들 수 없다. 중국은 제한이 시행되기 전 이미 다량의 엔비디아 칩을 확보했으며, 제3국 클라우드와 회색 경로를 통해 일부 장비를 얻을 수 있다. 중국 팀은 또한 소프트웨어 최적화를 통해 구형 칩의 효율성을 높일 것이다. 통제가 진정으로 하려는 것은 중국이 차세대 칩을 얻기 더 어렵게 만들고, 초대형 클러스터 구축을 더 비싸게 만들며, 동시에 진행할 수 있는 최첨단 실험의 수를 줄이는 것이다. 중국이 여전히 성과를 내는 것은 통제가 빈틈없는 벽이 아님을 보여주지만, 그렇다고 벽이 완전히 존재하지 않는다는 뜻은 아니다. 만약 IPSec 창립자의 내부 판단조차 컴퓨팅 파워를 주요 제약으로 보고 있다면, 모델 발표 한 번을 중국이 이미 칩 격차를 우회했다는 것으로 해석하는 것은 기술적 판단이 아니라 정치적 선전이다. 다음으로 지켜봐야 할 것은 이 제약이 실제로 얼마나 큰가 하는 점이다. Apple II의 공개 클러스터 통계에 따르면, 2025년 5월 기준 미국은 전 세계 GPU 클러스터 컴퓨팅 파워의 약 4분의 3을 차지하고 있으며, 중국은 약 15%를 차지한다. 많은 기업과 군사 시설이 공개되지 않기 때문에 이것이 완전한 지도는 아니지만, 양국 데이터 센터와 칩 공급 상황과 일치하는 규모의 격차를 보여준다. 미국의 강점은 단지 한 회사나 한 종류의 칩에 있는 것이 아니다. 미국은 OpenAI, Google, Meta, Anthropic 등 서로 경쟁하는 여러 최첨단 연구소를 보유하고 있고, 마이크로소프트(Microsoft), 아마존(Amazon), 구글(Google)의 대형 클라우드 플랫폼을 가지고 있으며, 엔비디아와 AMD의 칩 설계 능력, 그리고 거대하고 빠른 상호 연결 생태계를 갖추고 있다. 물론 중국도 나름의 강점이 있다. 엔지니어 수가 방대하고, 국내 경쟁이 치열하며, 제조 현장이 풍부하고, 정부가 집중적으로 투입할 수 있으며, 기업들이 낮은 가격으로 시장을 다툰다. 화웨이(Huawei) 칩과 국산 소프트웨어 생태계도 발전하고 있다. 그러나 국산 대체는 구호가 아니라 선진 제조, 수율, 고대역폭 메모리 패키징, 칩 간 통신 소프트웨어 호환성 및 대규모 클러스터 안정성을 동시에 해결해야 하는 문제다. 특정 칩이 서류상 컴퓨팅 파워에서 비슷하다고 해서 수만 개의 칩을 연결했을 때 같은 효율을 낼 수 있는 것은 아니다. 최첨단 AI는 점점 국가급 산업 엔지니어링처럼 변하고 있다. 칩은 엔진일 뿐이고 데이터 센터는 자동차이며, 전력, 냉각, 네트워크 소프트웨어, 그리고 시스템을 장기적으로 유지할 수 있는 사람이 필요하다. 이것이 바로 공개된 모델 능력 격차는 작을 수 있어도 국가적 특허 격차는 여전히 큰 이유다. 추격자는 자원을 집중해 스타 모델 하나를 훈련시켜 공개 테스트에서 선두 주자와 나란히 달릴 수 있다. 반면 선두 주자는 언어, 비디오, 로봇, 과학, 생물, 국방 모델을 동시에 훈련하고 여러 회사가 다양한 경로를 탐색하게 할 수 있다. 전자는 중요한 경기에서 승리할 수 있지만, 후자는 여러 경기를 개최할 능력을 갖추고 있다. 물론 미국도 안심할 상황은 아니다. 중국은 이미 공개 연구를 신속하게 흡수하고, 제한된 하드웨어를 더 효율적으로 사용하며, 오픈 웨이트(Open Weights)를 통해 전 세계 개발자를 끌어들일 수 있음을 증명했다.

만약 미국이 내부 규제 혼란, 에너지 건설 지연, 동맹국에 대한 기술 봉쇄로 인해 앞서나가는 기회를 낭비한다면 구조적 우위는 당연히 줄어들 수 있습니다. 하지만 '앞서나가는 위치를 잃을 가능성'과 '곧 전면적으로 추월당할 것'은 같은 말이 아닙니다. 오늘날까지 Kimi는 중국이 최첨단 제품 역량을 갖췄음을 증명했고, Deepak은 중국이 뛰어난 알고리즘 및 시스템 최적화 능력을 갖췄음을 증명했으며, 수천만 개의 모델들은 중국의 오픈 웨이트(Open Weights) 생태계가 이미 규모를 갖췄음을 증명했습니다. 이들은 심각한 도전을 구성하지만, 중국이 미국과 대등한 최첨단 연산 능력, 첨단 칩 공급망, 그리고 다각적인 탐색 능력을 갖췄음을 증명하지는 못했습니다. 이제 우리는 최종 판결을 내릴 수 있습니다. 중국의 AI는 도대체 미국보다 얼마나 뒤처져 있을까요? 만약 답을 반드시 하나의 숫자로 압축해야 한다면, 이 프로그램은 오히려 스스로 비판하고 있는 오류를 반복하게 될 것입니다. 공개 언어 모델과 프로그래밍 능력 면에서 중국은 몇 년씩 뒤처진 것이 아닙니다. Timmy와 수천만 개의 모델들은 이미 세계 1티어에 진입했으며, 일부 작업에서는 대등하게 달리고 있고, 심지어 짧게나마 앞서기도 합니다. 전체적인 제품 격차는 아마도 '개월' 단위로 계산될 것입니다. 가격, 엔지니어링 효율성, 오픈 웨이트 전파 측면에서 중국은 단순한 추격자가 아니며, 일부 분야에서는 이미 주도권을 잡았습니다.

미국 기업들이 계속해서 비싼 폐쇄형 모델만 제공한다면, 실제로 수많은 글로벌 개발자들을 중국에 빼앗길 가능성이 있습니다. 하지만 총 연산 능력, 첨단 GPU, 대규모 클러스터, 반도체 제조 장비, 그리고 여러 최첨단 경로를 동시에 탐색하는 능력 면에서 미국은 여전히 명확한 구조적 우위를 점하고 있습니다. 이는 순위표 하나로 지울 수 있는 격차가 아니며, 모델 파일을 인터넷에 업로드한다고 해서 메울 수 있는 격차도 아닙니다. 따라서 필사적인 '쾌삼(快三)'은 중국이 이미 미국을 전면적으로 추월했다는 것을 증명하는 것이 아니라, 중국이 이미 제한된 연산 능력으로 오픈 웨이트와 치열한 경쟁을 통해 특정 AI 제품을 세계 1티어로 밀어 올릴 수 있음을 증명한 것입니다. 이는 미국이 경계해야 할 일이지, 공황에 빠질 일은 아닙니다. 순위표 하나는 오늘 공개된 한 번의 경기를 측정할 뿐이며, 국가의 실력이 결정하는 것은 누가 계속해서 다음 경기를 개최하고, 더 많은 실패를 감당하며, 더 첨단인 칩을 제조하고, 아직 존재하지 않는 기술 경로를 탐색할 능력이 있느냐 하는 것입니다. 중국은 이미 적은 칩으로 좋은 패를 내는 법을 배웠지만, 미국은 여전히 더 많은 칩과 더 큰 테이블을 가지고 있으며, 대부분의 고급 칩을 제조하는 기계도 여전히 통제하고 있습니다. 중국이 여전히 강하다는 것도 사실이고, 미국이 자만해서는 안 된다는 것도 사실입니다.

하지만 이 두 문장에서 '중국이 곧 미국을 전면적으로 추월할 것'이라는 결론으로 뛰어넘는 것은 기술적 분석이 아니라, 베이징의 선전, 실리콘밸리의 이익, 그리고 미디어의 불안을 포장하여 존재하지 않는 필연적인 결말로 만드는 것입니다. 우리의 입장은 명확합니다. 중국공산당을 반대한다고 해서 중국의 엔지니어를 과소평가해서는 안 되며, Timmy가 몇 번의 경기에서 이겼다고 해서 중국공산당을 대신해 아직 일어나지 않은 전면적인 승리를 선언해서도 안 됩니다. 진정으로 불안을 해소할 수 있는 것은 또 다른 자기 위안식 선전이 아니라 현실을 직시하는 것입니다. 미국의 우위는 도전을 받고 있지만, 결코 지워지지 않았습니다. 중국은 제품의 최전선까지 추격했지만, 차세대 AI를 결정짓는 전체 산업 기반을 통제하고 있지는 못합니다. 모델은 다운로드할 수 있지만, 연산 능력은 다운로드할 수 없습니다. 순위표는 따라잡을 수 있지만, 순위표 뒤에 있는 그 기계를 만드는 능력은 여전히 따라잡지 못했습니다. 이것이 바로 Kimi 쾌삼 파도 뒤에 숨겨진 진실입니다. 자, 오늘은 여기까지 이야기하겠습니다. 이 프로그램이 여러분께 가치가 있다면 좋아요를 눌러주시고, 알림 설정을 켜주시고, 공유해 주시기 바랍니다. 본 채널 구독도 환영합니다. 여력이 되시는 분들은 멤버십에 가입하여 저희 작은 채널의 발전을 지원해 주시면 감사하겠습니다. 저는 '카오중로지(考中邏輯)'의 요정(妖精)이었으며, 다음 시간에 뵙겠습니다!