 |
 |
2022년 10월 챗GPT의 등장은 전 세계에 큰 충격을 줬습니다. 중국 테크 기업들도 예외가 아니었습니다. 알리바바, 바이두, 텐센트 같은 중국 빅테크 기업들은 거대언어모델(LLM) 개발에 본격적으로 뛰어들었고, 제2의 오픈AI를 꿈꾸는 스타트업들도 잇따라 등장했습니다. 2025년 1월 이른바 ‘딥시크 쇼크’는 중국이 AI 개발에 얼마나 진심인지를 보여준 사건이었습니다.
오늘은 미중 AI 개발 경쟁의 현재 상황을 살펴보고, 특히 인프라 측면에서 이 경쟁을 어떻게 봐야 하는지 이야기해보려 합니다.
 |
레터 읽는 법 (1) 볼딕 단어에는 종종 URL이 포함돼 있습니다. 클릭하면 세부 내용으로 연결. (2) 글씨가 잘 안보이시나요? 여기를 눌러 웹에서 보세요 (3) 기자에게 요청하고 싶은 주제가 있다면 편지 끝에 피드백 버튼이 있습니다. |
오늘의 요약 |
|
 |
 |
오픈라우터에서 가장 많이 사용되는 LLM 인공지능 모델도 결국 중국산 쓰나 7월 8일 수요일 아침, 로이터통신을 통해 흥미로운 뉴스가 하나 나왔습니다. 중국 상무부가 최근 알리바바, 바이트댄스, 즈푸AI(z.ai)처럼 프런티어 AI 모델을 개발하는 회사들을 소집해 해외 사용자의 접근을 제한하는 방안을 검토했다는 내용입니다. 이 소식은 한 달 전인 6월 12일 미국 상무부가 앤트로픽의 최신 모델인 클로드 페이블의 외국 사용을 막은 것과 정확히 대비됩니다. 마침 중국 즈푸AI가 개발한 AI 모델 GLM 5.2가 높은 성능과 낮은 가격으로 미국에서도 큰 인기를 얻고 있다는 뉴스가 나왔고, 미국 LLM들의 이용료가 너무 비싸 토큰 비용을 줄이는 것이 업계의 주요 화두가 됐다는 소식도 이어졌습니다. 그래서 이 뉴스는 미중 AI 개발 경쟁에서 미국이 뒤지고 있는건 아닌가하는 생각을 하게 만들었습니다. 우리가 저렴한 중국산 공산품에 의존해 살아가고 있는 것처럼, 앞으로는 LLM에서도 저렴한 중국산 지능에 의존하게 되는 것은 아닌가 하는 생각이 들 수밖에 없습니다. LLM 토큰사용량을 측정하는 오픈라우터의 데이터를 보면 클로드나 챗GPT보다 중국 모델의 사용량이 훨씬 많은 것을 알 수 있습니다. 중국의 AI 모델은 미국 모델보다 많게는 가격이 5분의 1 밖에 되지 않는다고 합니다. 그렇다면 어떤 기준으로 저렴하다, 비싸다를 말하는 걸까요. 바로 입출력 토큰 가격입니다. 개인용 챗GPT가 월 2만9000원의 요금을 낸다면, 기업용 LLM은 기본적으로 API 형태로 비용을 청구합니다. 사용자가 AI 모델에 무언가를 입력할 때 내는 돈이 있고, 그 결과로 답변이 생성될 때 내는 돈이 있습니다. 종량제 요금처럼 토큰 사용량에 비례해 비용이 부과되는 구조입니다. 예를 들어 이미지 하나를 입력할 때 드는 비용과 동영상 하나를 입력할 때 드는 비용을 비교하면 당연히 동영상이 훨씬 비쌉니다. 동영상을 집어넣고 이걸 요약해줘라고 하면 토큰 사용량이 훨씬 많습니다. 답을 받을때도 마찬가지인데요. 단답형 답변을 받을 때보다, 복잡한 코딩 작업을 AI에게 맡길 때 토큰 사용량도 훨씬 많아집니다. 바이브 코딩과 같은 에이전틱AI가 수익성이 높은 이유는 토큰 사용량이 많기때문입니다. |
 |
학습과 추론의 비용 구조가 다릅니다.<챗GPT로 생성> 토큰값=학습비용+추론비용 이 토큰 비용은 어떻게 책정될까요. 첫 번째는 LLM을 학습시키는 데 들어가는 비용이 반영됩니다. LLM을 학습(Training)시키려면 값비싼 엔비디아 GPU가 대량으로 필요합니다. 학습 데이터를 확보하는 비용도 들고, 막대한 전기료도 들어갑니다. 무엇보다 LLM을 잘 학습시키는 방법을 아는 초고연봉 AI 인재들이 필요합니다. 다만 LLM의 학습이 한 번 끝나면, 다음 버전의 모델을 개발하기 전까지는 같은 수준의 학습비용이 계속 들어가지는 않습니다. 게임 ‘리니지’를 한 번 개발하면 후속작을 개발하기 전까지는 개발비가 크게 늘지 않는 것과 비슷합니다. 하지만 학습이 끝난 LLM을 사람들에게 서비스하는 데에도 또 다른 비용이 들어갑니다. 이를 추론(Inference)이라고 합니다. 배포비용 또는 유통비용이라고 말할 수 있는데요. 리니지를 많은 이용자들에게 서비스하려면 운영인력도 필요하고, 서버 이용료도 내야죠. 이용자가 늘어날수록 추론비용도 늘어납니다. 추론은 학습과 비용 구조가 다릅니다. 추론 과정에서도 GPU가 필요합니다. 다만 반드시 엔비디아의 최고 성능 GPU가 필요한 것은 아닙니다. 데이터 확보 비용은 학습 단계보다 덜 들 수 있지만, 전기료는 오히려 더 많이 들어갈 수도 있습니다. 추론은 사용자 수가 훨씬 많고, 가동 시간도 길기 때문입니다. 고비용 AI 인재도 학습 단계만큼 많이 필요하지는 않을 가능성이 큽니다. 결국 중국 AI 모델의 ‘가성비’는 두 가지로 나눠 생각해볼 수 있습니다. 첫째, 중국은 AI 학습 비용이 상대적으로 적게 든다. 둘째, AI 추론을 위한 인프라를 사용하는 비용도 상대적으로 낮다. 이 두 가지가 합쳐져 중국 모델의 낮은 토큰 가격이 가능해진다고 볼 수 있습니다. |
 |
버스 토큰이 뭔지 알고 계신 분? <수집매니아> 토큰은 와트(W)가 아니다 여기서 잠깐 토큰 비용에 대한 한가지 오해를 바로 잡아야할 것 같습니다. 앞서 입력/출력 당 종량제로 부과되는 요금으로 토큰의 비용을 계산한다고 말씀드렸는데요. LLM을 만드는 모델 회사들이 토큰당 비용을 책정해서 부과합니다. 그런데 이 토큰이 모든 LLM들이 동일한 기준으로 만드는 것이 아니라는 점이 함정입니다. 토큰이라는 것은 AI모델이 텍스트, 이미지, 음성등을 처리하는 단위인데요. 이 토큰의 단위와 기준은 AI 모델을 만드는 회사마다 다 다르다고 합니다. 챗GPT에서의 1토큰과 클로드의 1토큰을 1:1 비교하기는 어렵다는 것입니다. 중국 같은 경우는 그래서 토큰 표준화에 나서기도 하고 있습니다. 특히 언어에서 이런 토큰의 특성이 드러나는데요. 한국어로 정보를 입력하면 똑같은 정보를 영어로 입력할때보다 처리해야하는 토큰의 양이 많다고 합니다. 영미권에서 만들어진 AI모델이 기본적으로 영어로 학습을 하기 때문이라고 하는데요. 한국어로 입력을 해도 AI가 영어로 생각한후에 다시 한국어로 답을 해주는 것 같은 느낌을 받을때가 있는데, 그것이 한 이유가 아닐까 생각해봅니다. 또한, 토큰은 단순히 입력값/출력값이 아니라 AI가 스스로 생각(Reasoning)하고 답을 찾는 과정에서도 소비된다고 합니다. 그래서 AI가 스스로 생각해서 답을 찾고, 행동을 하는 에이전틱AI나 코딩에 쓰이는 AI가 많은 토큰을 사용하고, 때로는 토큰 폭탄을 맞기도 하는 이유입니다. 그런 점에서 토큰은 어떻게 쓰느냐에 따라 크게 아낄수있기도 하고, 생각없이 사용하다가 폭탄을 맞을 수 있습니다. 싼게 비지떡이라고, 가격표의 토큰당 가격이 저렴하다고 해도, 이 모델이 비효율적으로 토큰을 사용한다면, 실제 부과되는 요금은 훨씬 커질 수 있다는 것입니다. |
 |
 |
미국 기업들은 중국이 증류를 통해서 자신들의 AI 기술을 빼간다고 주장하고 있습니다. <챗GPT로 생성> 중국이 결국 승리하는 이유 지난달 25일에도 흥미로운 뉴스가 나왔습니다. 앤트로픽이 미국 의회에 중국 알리바바가 앤트로픽의 기술을 훔쳤다는 취지의 서한을 보냈다는 내용입니다. 이 서한에 따르면 알리바바는 2만5000개의 허위 계정을 동원해 클로드와 2880만 건 이상의 대화를 생성했습니다. 이른바 ‘증류(Distillation)’라는 방법을 통해 알리바바의 LLM인 Qwen이 클로드의 능력을 가져갔다는 주장입니다. 증류란 매개변수가 큰 모델을 이용해 매개변수가 작은 모델을 학습시키는 방법입니다. 많은 AI 개발사들이 소형 모델을 만들 때 이 방식을 사용하고 있습니다. 하지만 반대로 경쟁사의 모델을 활용해 자사 모델을 학습시키는 데에도 사용할 수 있습니다. 이런 비판 때문이었을까요. 알리바바는 최근 내부적으로 앤트로픽의 클로드 사용을 금지시켰습니다. 중국 LLM 개발사들이 미국 모델을 증류해 사용했다는 주장은 지난해 딥시크가 부상했을 때 샘 올트먼 오픈AI CEO에게서도 나온 바 있습니다. 물론 증류를 중국 기업들만 사용하는 것은 아닙니다. 일론 머스크가 만든 xAI도 오픈AI 모델을 증류해 자사 모델인 그록을 학습시켰다는 설명이 있습니다. 즉, 증류는 LLM 개발 후발주자에게 매우 유용한 방법입니다. 이를 활용하면 LLM 학습비용도 상당히 줄일 수 있다고 볼 수 있습니다. |
 |
뤄 푸리 샤오미 거대모델 개발 헤드. <본인 X> AI 연구자의 절반이 중국인(계) 지난해 본격적으로 LLM 개발에 뛰어든 샤오미도 여러 가성비 중국 LLM으로 주목받고 있습니다. 샤오미는 미모(Mimo)라는 모델을 오픈소스로 공개하며 시장을 놀라게 했는데요. 단기간에 샤오미가 앞선 성능의 모델을 내놓을 수 있었던 데에는 뤄 푸리라는 개발 리더의 역할이 컸습니다. 그는 딥시크에서 천재 여성 AI 개발자로 화제가 됐던 인물입니다. 1995년생 서른둘에 불과한 나이죠. 역시 가성비로 알려진 알리바바의 Qwen는 최근 큰 변화를 겪었는데요. 내부에서 대규모 인력 변동이 있었고, 유명 AI 개발자인 린 준양이라는 인물이 퇴사했습니다. 1993년생인 그는 퇴사후 직접 AI 연구소를 설립했는데요. 20억 달러의 기업가치로 투자를 받고 있다고 합니다. 실리콘밸리에서나 벌어지는 것 같은 현상이 중국 AI 업계에서 나타나고 있는 것입니다. 요즘 가장 뜨거운 중국 LLM 개발사인 즈푸AI는 회사는 칭화대 컴퓨터공학과 교수 두 사람이 설립했습니다. 올해 1월 홍콩에 상장한 즈푸 AI는 이후 주가가 1000% 폭등하면서 창업자들은 벼락부자가 됐습니다. 앞서 말씀드린 GLM-5.2의 돌풍때문입니다. 흥미로운 점은 이런 중국의 LLM을 개발한 인물들 가운데 해외 유학 경험이 없거나, 해외 빅테크에서 근무한 적이 없는 ‘토종파’가 많다는 것입니다. 다시 말해 중국은 미국의 AI 개발자 생태계에 의존하지 않고도 자체 생태계만으로 독자적인 AI 개발이 가능하다는 점을 보여주고 있습니다. 지금의 AI 연구 생태계가 ‘중국인’ 또는 ‘중국계 미국인’에 의해 사실상 움직인다는 젠슨 황 엔비디아 CEO의 말이 결코 허황된 이야기가 아닌 셈입니다. 실리콘밸리에서는 천문학적인 몸값의 AI 연구자들에게 막대한 보상을 주고 있습니다. 반면 중국은 AI 인력에게 상대적으로 낮은 몸값을 지불하고 있는 것으로 추정됩니다. 하지만 이들은 스타트업을 창업하고, 회사를 상장시키며, 향후 큰 보상을 받을 기회를 얻습니다. 딥시크가 그랬던 것처럼 국가적 영웅으로 떠받들어질 수도 있습니다. |
 |
 |
전세계에 위치한 화웨이의 클라우드 인프라 <화웨이> AI 반도체와 인프라도 국산화 나서는 중국 지난 6월 딥시크는 처음으로 외부 투자를 받으면서 중국에서 가장 높은 기업가치의 비상장 기업이 됐습니다. 딥시크는 원래 헤지펀드 하이플라이어의 창업자 량원펑의 개인 프로젝트에 가까운 회사였습니다. 중국 AI의 발전을 위해 개인 재산을 투입한 회사인데요. 엔비디아 GPU 수출 규제라는 장벽을 열정적인 엔지니어들의 노력으로 뚫어내고 세상을 놀라게 했죠. 그래서 다른 AI 스타트업과 달리 외부 투자를 받지 않았습니다. 그런 기존 방침을 바꿔 딥시크가 투자를 받은 첫 번째 이유는 인재 유출을 막기 위해서라고 합니다. 딥시크 쇼크 이후 샤오미로 떠난 뤄푸리 외에도 핵심 연구자들이 바이트댄스와 텐센트로 이동했다고 합니다. 새로운 인재들에게 보상을 주기 위해서라도 투자를 받을 수밖에 없었고, 앞으로는 상장까지 준비할 가능성도 있어 보입니다. 그런데 딥시크의 투자자를 보면 흥미로운 부분이 나오는데요. 먼저 창업자 본인이 가장 많은 4조원의 돈을 투자했습니다. 다음으로 중국 최대 빅테크 기업인 텐센트가 2조원, 중국 1위 배터리 기업인 CATL이 1조원, 정부 AI 펀드가 2000억원을 투자했습니다. 이렇게 외부 투자를 많이 받았는데 의결권은 량원펑이 100% 유지한다고 합니다. 즉, 텐센트나 CATL의 투자는 수익을 거두기 위한 목적보다는 딥시크라는 중국의 간판 AI 기업을 두 기업이 지원한다는 성격이 강해 보입니다. 이는 지난 1년간 딥시크가 해온 일을 보면 더 잘 이해됩니다. 딥시크는 기존에는 엔비디아 CUDA 생태계에서 엔비디아 GPU를 활용해 모델을 학습해왔습니다. 그런데 지난 4월 공개한 V4에서는 화웨이의 어센드 가속기로 학습을 했습니다. 중국은 미국이 엔비디아 GPU 수출을 금지시킨 후 화웨이를 중심으로 자체 AI 반도체 개발에 박차를 가해왔습니다. 중국의 소버린 AI를 상징하는 딥시크와 중국 AI 인프라의 상징인 화웨이가 협력을 통해 미국에 전혀 의존하지 않고 프론티어 AI 모델 학습에 성공한 것입니다. 향후 더 많은 중국 AI 기업들이 엔비디아 GPU를 버리고 화웨이나 캠브리콘 같은 토종 AI 가속기를 사용하는 것이 더 많아질 것입니다. |
 |
AI 강호에는 육대문파가 있다고 합니다. <챗GPT로 생성> 치열한 내부 경쟁이 낮추는 비용 중국 테크 기업들에게 최대 경쟁자는 누구일까요. 알리바바의 최대 경쟁자는 구글일까요, 아마존일까요. 화웨이의 최대 경쟁자는 애플일까요. 우리의 생각과 달리 중국 기업들의 최대 경쟁자는 같은 중국 기업인 경우가 많다고 합니다. 중국은 거대한 내수시장을 갖고 있습니다. 중국 내에서 1등을 하는 것이 해외시장에서 1등하는 것보다 더 큰 시장을 확보하는 경우가 있습니다. 중국은 정부에 의한 인위적인 구조조정이 빈번합니다. 여기서 살아남으려면 다른 기업들을 꺾고 1등이나 2등을 해야지 인위적인 구조조정의 대상이 안됩니다. 워낙 국내시장의 경쟁이 치열하다보니 국내시장에서 1위를 하면 자연스럽게 글로벌 경쟁력까지 갖추게 됩니다. 텐센트, 알리바바, 샤오미는 모두 중국 테크 업계의 대표적인 경쟁자입니다. 특히, 텐센트와 알리바바는 구글과 마이크로소프트처럼 퍼블릭 클라우드 시장을 두고 치열하게 경쟁하고 있습니다. 이 회사들은 자사 클라우드 사업을 키우기 위해서라도 뛰어난 성능의 AI모델을 직접 개발해야합니다. 토큰 비용도 공격적으로 책정해서 더 많은 사용자를 자신들에게 끌어들일 유인이 큽니다. 반면 스타트업인 즈푸AI나 딥시크도 빅테크와 경쟁하기 위해 토큰 비용을 낮춰야 합니다. 구글 제미나이와 경쟁하는 챗GPT의 입장이기 때문입니다. 토큰 가격을 낮추면서 발생하는 손실보다, 시장을 선점하면서 얻는 주가 상승이나, 정부 지원의 효과가 더 크다고 판단할 수 있습니다. 반면 미국의 오픈AI와 앤트로픽은 입장이 다릅니다. 이미 기업가치가 너무 높아진 두 회사는 조만간 상장을 준비하고 있고, 높아지는 AI 회의론을 넘기 위해서라도 수익성을 신경 쓸 수 밖에 없습니다. AI 모델을 개발하는 것이 돈이 된다는 것을 보여줘야합니다. 이 두 회사를 고객으로 두고 있는 아마존이나 마이크로소프트같은 회사는 어떨까요? AI 추론에 대한 수요는 높고, AI 데이터센터가 부족한 지금과 같은 상황에서 하이퍼스케일러들은 막대한 투자에 더 집중하고 있습니다. AI인프라가 대규모로 구축되면 자신들의 원가구조가 좋아질 것이기 때문입니다. |
 |
 |
AI데이터센터는 전세계에서 전력의 수요를 폭발적으로 증가시킬 에정입니다. <가트너> 결국 미중 AI 경쟁은 건설비용과 전기료 싸움 앞서 얘기로 돌아가 보겠습니다. AI를 고객들에게 저렴하게 제공하려면 학습 비용을 아끼거나, 추론을 위한 인프라 구축 비용을 낮춰야 합니다. 중국은 학습 과정에서 증류를 활용해 비용을 줄일 수 있고, 뛰어난 인재들도 보유하고 있습니다. 반면 인프라 비용을 줄이는데는 한가지 병목지점이 있습니다. 바로 반도체입니다. 중국은 가장 고성능의 엔비디아 GPU를 사용할 수 없고, HBM도 자유롭게 사용할 수 없습니다. 자체 GPU를 만들려고 해도 TSMC의 최선단 공정을 사용할 수 없기 때문에 이를 사용해서 만드는 다른 AI 가속기에 비해 성능이 떨어질 수 밖에 없습니다. 물론 중국 밖의 AI 데이터센터를 활용해 서비스를 제공할 수도 있습니다. 하지만 중국 정부는 이 기회에 자국 AI 반도체와 데이터센터를 키우겠다고 마음먹은 것으로 보입니다. 그렇다면 미국은 AI 인프라 구축에 유리할까요. 어떻게 보면 반도체를 제외한 모든 부분에서 미국이 불리합니다. 미국에서는 인건비를 포함해 AI데이터센터 건설비용이 비쌉니다. 전반적인 전기료도 중국에 비해 높습니다. 심지어 데이터센터 건설에 대한 사회적 반발도 큽니다. 단순히 건설비용이 많이 드는 것이 문제가 아니라, 데이터센터를 짓는 데 중국보다 훨씬 많은 시간이 걸릴 수도 있습니다. AI 모델 개발 경쟁은 이제 점차 끝이 보이고 있습니다. 일반인이 체감하는 LLM 성능은 모델 간 큰 차이를 보이지 않고 있고, 이미지나 동영상 생성 능력, 코딩 성능도 일정 수준 이상에 도달했습니다. 소수의 강력한 모델들이 이미 강력한 해자를 구축한 것 같습니다. 그래서 AI 개발 경쟁은 이제 휴머노이드 로봇이나 스마트공장 같은 피지컬 AI, 또는 AI를 활용해 과학과 R&D 개발 속도를 끌어올리는 것과 같은 어플리케이션의 영역으로 넘어가고 있습니다. 이 경쟁에서 이기려면 결국 ‘토큰’을 얼마나 싸게 제공할 수 있느냐가 중요해집니다. 지능이 저렴해져야 혁신이 나올 가능성도 높아지기 때문입니다. 학습에서 차별화가 어려워지고 있다면, 추론 비용을 낮추기 위한 AI 인프라 투자가 중요해지는 것입니다. |
 |
애플이 메모리 부족으로 CXMT의 제품을 쓰는 것을 검토하고 있다고 합니다. <챗GPT로 생성> GPU와 메모리 비용을 아끼자 AI 인프라 비용 구조는 단순하지 않습니다. 내가 모델을 개발하는 회사인가, 아니면 하이퍼스케일러인가, 아니면 단순한 AI데이터센터 운영회사인가에 따라 입장이 다를 수 있습니다. 오픈AI와 앤트로픽처럼 모델을 개발하는 회사라면 모델 학습에 투입한 비용을 절감하고, AI 데이터센터를 싸게 빌리는 것이 중요할 것입니다. 이를 위해서 엔비디아 GPU가 아닌 다른 AI가속기를 써보기도 하고, 자체 AI칩을 개발하기도 합니다. 화웨이를 사용하고 있음에도 딥시크가 자체 AI칩을 개발한다는 뉴스가 나오는 이유입니다. 반면 전세계에서 데이터센터를 운영하는 하이퍼스케일러의 계산은 좀더 복잡합니다. 하이퍼스케일러는 전 세계에 위치한 데이터센터마다 비용 구조가 다릅니다. 직접 지은 데이터센터도 있고, 임대한 데이터센터도 있습니다. 어떤 데이터센터에서는 챗GPT를 많이 사용하기도하고, 어떤 곳은 클로드가 인기일 수도 있습니다. 심지어 딥시크나 즈푸AI의 모델이 작동할 수도 있습니다. 하이퍼스케일러 입장에서는 고객들이 많이 찾고 돈을 많이 내는 모델이 가장 좋은 모델이 됩니다. 하이퍼스케일러가 아닌 독립 AI 데이터센터 사업자라면 어떨까요. 이 경우에는 좋은 하이퍼스케일러와 손을 잡아야 합니다. AI 서비스 자체는 대개 하이퍼스케일러의 클라우드 위에서 돌아가기 때문입니다. 아니면 스스로가 '네오클라우드'라고 하는 AI 특화 클라우드 사업자가 되는 것도 방법입니다. 이 세 부류의 회사에 공통적으로 중요한 변수는 인프라 투자비용과 전기료입니다. 인프라 투자비용을 아낀다는 것은 가장 비싼 GPU 비용을 줄인다는 뜻이고, 두 번째로 비싼 메모리 반도체 비용을 줄인다는 뜻이기도 합니다. 이 회사들이 자체 AI 반도체를 개발하고, 메모리 사용을 줄이는 소프트웨어적 해법을 찾는 이유가 바로 여기에 있습니다. |
 |
한국의 곳곳에 세워지는 데이터센터가 의미있는 투자였으면 좋겠습니다. <챗GPT 생성> 한국이 토큰 수출국이 된다고? 최근 국내에서는 한국이 이른바 ‘토큰 수출국’이 되어야 한다는 말이 나오는 배경입니다. 우리의 인터넷이 전 세계와 연결되어 있는 것처럼, 한국의 AI 데이터센터에서 생산되는 지능도 다른 나라에서 사용할 수 있습니다. 해저 광케이블을 통해 한국은 이미 다른 나라와 연결되어 있기 때문입니다. 다른 나라로 수출하기 어려운 ‘전기’와 달리, ‘지능’은 수출될 수 있다는 의미입니다. 만약 한국이 AI 데이터센터를 국내에 싸고 빠르게 건설할 수 있다면, 전 세계적으로 넘쳐나는 AI 수요를 한국으로 가져올 수도 있습니다. 한국에는 AI 데이터센터의 핵심 중 하나인 메모리 반도체도 직접 만들고 전력설비나 냉각장치도 직접 만들 수 있기 때문입니다. 데이터센터에 전력을 공급하기 위한 LNG발전소나 원자력 발전소를 지을 수 있는 기반도 갖추고 있습니다. 만약 한국이 데이터센터를 많이 짓는다면 그 과정에서 관련 산업 전반을 키울수도 있습니다. 미국이나 중국에 비해서 취약한 토종 AI 반도체 회사나 AI 서버제조사를 이 과정에서 육성할 수도 있습니다. 제가 아는 몇분들께 과연 한국이 토큰을 수출하는 국가가 될 수 있을지 물어본적이있습니다. 공통적으로 말씀하시는 것은 한국의 '차별화'가 없다면 그건 어렵다고 합니다. 한국만이 제공할 수 있는 자체 AI 반도체, 한국만이 제공할 수 있는 차별화된 AI모델이 있어야한다고 합니다. 지금의 호황이 우리 산업이 성장할 수 있는 기회가 되면 좋을 것 같습니다. |
 |
 |
※ 제목을 누르면 원문으로 연결됩니다. |
오픈AI가 GPT-라이브라고 하는 라이브 대화에 특화된 AI 모델을 공개. GPT-Live-1과 GPT-Live-1 Mini의 두가지 버전으로 나왔어요. 지금까지의 어느 음성 대화 AI 모델보다 뛰어나다고 자부. 한국어도 된다고 하니 써보고 싶네요! 우주 인공지능 회사(?) 스페이스XAI가 자체 개발 LLM인 그록 4.5를 공개했어요. 그록 4.5는 스페이스XAI가 인수한 코딩회사 커서와 협력해서 만들어진 것이 특징. 클로드 오퍼스 급 성능에 토큰 사용 비용은 훨씬 낮다고 회사측은 설명했어요. 경쟁사들을 따라잡기 위해 절치부심하고 있는 메타. 뮤즈 스파크의 최신모델인 뮤즈 스파크 1.1을 공개했어요. 메타에 따르면 뮤즈 스파크 1.1은 코딩과 에이전틱 AI에 강한 모델. 그리고 공격적으로 토큰 가격을 책정할 것이라고 하네요. |
 |
미중 AI 경쟁이라는 구도는 단순하지 않습니다. 표면적으로는 AI 모델의 경쟁이 있습니다. 미국기업이 만든 AI 모델과 중국 기업이 만든 AI 모델 중 어느 것이 더 많이쓰이고, 더 많은 생태계를 만들어낼까가 표면적인 경쟁입니다.
하지만 그 뒷편에서는 어느 하이퍼스케일러의 플랫폼에 모델이 올라갈지가 관건이 됩니다. 알리바바나 텐센트의 클라우드를 기반으로 중국산 AI모델이 유럽이나 동남아시아에서 미국 기업들을 꺾는 것도 충분히 상상해볼만한 모습입니다.
또, 그 AI가 어느 국가의 영토에 있는 AI데이터센터에서 작동이 될까도 중요한 변수입니다.
저렴한 전기료가 해당국가의 제조업이 성공을 거두는데 결정적인 영향을 끼치는 것처럼 해당국가에서 지능(토큰)의 가격이 AI에서 파생되는 산업적 효과와 혁신을 가속화시킬 수 있을지도 모릅니다.
오늘 레터가 도움이 되셨나요? 그렇다면 평가와 함께 주변에 미라클레터를 추천 부탁드립니다.
PS. 지난 번에 제가 썼던 낭만과 서사에 대한 레터에 대해서 많은 미라클러님들이 피드백을 남겨주셔서 너무 감사했어요. 특히 취업을 준비하고 계신 한 분께서 남겨주신 말이 마음에 와닿았습니다. 미래에 대한 불안감에 떨고 계신 미라클러 님이 계시다면 이런 말씀을 드리고 싶습니다.
"언젠가 돌이켜 보면 그 당시의 힘든 시간이 별 것 아니었다고 생각되는 시간이 틀림없이 올겁니다. 그건 힘든 시간이 별 것이 아니었다는 뜻이 아니라, 당신이 성장했다는 의미입니다"