🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

딥시크 R1은 기술·도입·심리적 장벽을 낮춰 중국의 개방형 인공지능 생태계를 확장하고, 세계 경쟁의 중심을 개별 모델 성능에서 시스템·응용·생태계 역량으로 이동시킨 전환점이었다.

📌 핵심 요약

• 2025년 1월 공개된 딥시크 R1은 제한된 연산 자원에서도 개방과 빠른 반복을 통해 고급 추론 능력을 구현할 수 있다는 경로를 제시하며 중국 인공지능 산업의 변화를 촉진했다.
• R1은 추론 과정과 사후학습 방법을 공유하고 MIT 라이선스를 채택함으로써 기술적 장벽과 도입 장벽을 낮췄으며, 기업들이 증류·추가 학습·분야별 적응을 일상적인 엔지니어링 작업으로 수행할 수 있게 했다.
• 중국 기업들은 개방형 모델을 단기적인 홍보 수단이 아니라 장기 경쟁 전략으로 받아들였고, 바이두·바이트댄스·텐센트·문샷·즈푸·알리바바 등이 모델과 저장소 공개를 크게 늘렸다.
• 경쟁의 기준은 원시 모델 성능 비교에서 생태계, 실제 적용 시나리오, 도구 체계, 기반 구조를 포함한 시스템 수준의 역량으로 확대됐으며, 중국의 신규 모델 다운로드 수는 다른 국가를 넘어섰다.
• 딥시크 계열 모델은 동남아시아와 아프리카를 포함한 세계 시장에서 채택됐고, 미국과 유럽에서도 개방형 모델 개발이 활발해지는 한편 일부 서구 모델은 중국 모델을 기반으로 구축됐다.

🧩 주요 포인트

1. 2025년 1월 공개된 딥시크 R1은 제한된 연산 자원에서도 개방과 빠른 반복을 통해 고급 추론 능력을 구현할 수 있다는 경로를 제시하며 중국 인공지능 산업의 변화를 촉진했다.
2. R1은 추론 과정과 사후학습 방법을 공유하고 MIT 라이선스를 채택함으로써 기술적 장벽과 도입 장벽을 낮췄으며, 기업들이 증류·추가 학습·분야별 적응을 일상적인 엔지니어링 작업으로 수행할 수 있게 했다.
3. 중국 기업들은 개방형 모델을 단기적인 홍보 수단이 아니라 장기 경쟁 전략으로 받아들였고, 바이두·바이트댄스·텐센트·문샷·즈푸·알리바바 등이 모델과 저장소 공개를 크게 늘렸다.
4. 경쟁의 기준은 원시 모델 성능 비교에서 생태계, 실제 적용 시나리오, 도구 체계, 기반 구조를 포함한 시스템 수준의 역량으로 확대됐으며, 중국의 신규 모델 다운로드 수는 다른 국가를 넘어섰다.
5. 딥시크 계열 모델은 동남아시아와 아프리카를 포함한 세계 시장에서 채택됐고, 미국과 유럽에서도 개방형 모델 개발이 활발해지는 한편 일부 서구 모델은 중국 모델을 기반으로 구축됐다.

🧠 상세 정리

1. 딥시크 모먼트와 글의 문제의식

이 글은 2025년 1월 항저우의 인공지능 기업 딥시크가 R1을 공개한 사건을 지난 1년간 중국 개방형 생태계가 성장한 출발점으로 본다. 시리즈의 첫 글로서 중국 기업들의 전략 변화, 새로운 개방형 모델의 폭발적인 증가, 신규 참여자의 등장을 집중적으로 다루며, 후속 글에서는 구조와 하드웨어 선택 및 주요 조직의 향후 경로를 분석한다고 밝힌다. 저자들은 지난 1년의 성장이 개방형 모델과 관련 산출물을 개발하고 공개하기에 매우 유리한 환경이 조성됐음을 보여준다고 평가한다. 또한 2025년 내내 중국에서 개발된 모델들이 여러 지표에서 두각을 나타내고 새로운 기업들이 빠르게 앞서 나가면서, 상업적으로 배포할 수 있는 대안을 찾는 서구 인공지능 공동체의 움직임도 강해졌다고 설명한다.

2. R1 이전 중국 개방형 생태계의 조건

R1 공개 전까지 중국 인공지능 산업의 중심은 대체로 폐쇄형 모델이었으며, 개방형 모델은 연구 공동체나 개인정보 보호가 중요한 일부 제한된 용도에서 주로 사용됐다. 많은 기업에 개방형 모델은 기본 선택지가 아니었고, 연산 자원 부족 속에서 모델을 개방할지 폐쇄할지를 둘러싼 논쟁도 이어지고 있었다. R1은 고급 인공지능 능력에 접근하는 문턱을 낮추고 다른 조직들이 따라갈 수 있는 명확한 개발 방식을 제시했으며, 제한된 자원에서도 개방과 빠른 반복으로 발전할 수 있음을 보여줬다. 저자들은 이 방식이 인공지능을 산업에 조기에 결합하면서 장기적으로 연산 역량을 축적하려는 중국의 2017년 인공지능 플러스 전략과도 자연스럽게 맞물렸다고 설명한다. 그 결과 1년 뒤 나타난 변화는 단순한 신규 모델 집합을 넘어, 스스로 성장할 수 있는 유기적인 개방형 인공지능 생태계의 형성으로 해석된다.

3. 세계적 기준점이 된 R1과 기술 장벽의 하락

R1은 중국의 개방형 모델로서는 처음으로 세계의 주요 순위에 진입했고, 이후 발표된 신규 모델을 평가할 때 반복적으로 언급되는 기준점이 됐다. 허깅페이스에서 역대 가장 많은 좋아요를 받은 모델이 됐으며, 좋아요 상위권 모델도 더 이상 미국에서 개발된 모델이 다수를 차지하지 않게 됐다. 그러나 글은 R1의 핵심 의미가 당시 가장 강력한 모델이었는지에 있지 않고, 기술·도입·심리라는 세 가지 장벽을 낮춘 데 있다고 강조한다. 특히 추론 과정과 사후학습 방법을 공개함으로써 폐쇄형 인터페이스 안에 있던 고급 추론을 내려받고 증류하며 미세조정할 수 있는 엔지니어링 자산으로 바꿨다. 이에 따라 많은 팀이 강력한 추론 능력을 얻기 위해 거대한 모델을 처음부터 학습할 필요가 줄었고, 추론 기능은 여러 시스템에 반복 적용할 수 있는 재사용 가능한 구성 요소처럼 다뤄지기 시작했다.

4. 상용 도입과 심리적 전환

R1은 MIT 라이선스로 공개돼 사용·수정·재배포가 단순해졌고, 폐쇄형 모델에 의존하던 기업들도 이를 실제 운영 환경에 직접 도입하기 시작했다. 모델 증류, 추가 학습, 특정 산업이나 업무에 맞춘 조정은 특별한 연구 과제가 아니라 반복 가능한 일상적 엔지니어링 작업으로 자리 잡았다. 배포상의 제약이 줄면서 R1은 클라우드 플랫폼과 도구 체계로 빠르게 확산됐고, 공동체의 관심도 어떤 모델의 점수가 높은가에서 실제 시스템에 어떻게 통합하고 비용을 줄일 것인가로 이동했다. 동시에 할 수 있는가라는 질문이 어떻게 잘할 것인가로 바뀌면서 기업들의 의사결정 방식에도 심리적인 변화가 일어났다. 오랫동안 추격자로 인식돼 온 중국 인공지능 공동체가 지속적인 세계의 주목을 받은 경험까지 더해지면서, 생태계는 기존 방식을 복제하고 확산할 수 있는 기반을 갖추게 됐다.

5. 개방을 장기 전략으로 채택한 중국 기업들

개방형 모델이 주류로 진입한 뒤 중국 기업들의 경쟁은 모델 하나와 다른 모델 하나를 비교하는 방식에서 시스템 전체의 역량을 겨루는 방향으로 바뀌었다. 대형 기술 기업이 앞장서고 신생 기업이 빠르게 뒤따랐으며, 특정 산업에 기반을 둔 기업들도 인공지능 개발과 공개에 참여하기 시작했다. 기업마다 세부 경로는 달랐지만 선도 기업들을 중심으로 개방이 더 이상 단기 전술이 아니라 장기 경쟁 전략이라는 공통 인식이 형성됐다. 허깅페이스 자료에서 바이두는 2024년 공개 실적이 없었던 상태에서 2025년 100개가 넘는 저장소를 공개했고, 바이트댄스와 텐센트의 공개량도 각각 약 여덟 배에서 아홉 배 증가했다. 새롭게 개방에 참여한 문샷의 키미 K2도 높은 성능으로 주목받았으며, 경쟁력 있는 모델이 매주 발표될 정도로 공개 빈도와 수준이 함께 높아졌다.

6. 모델 성능에서 생태계 경쟁으로

허깅페이스의 활동 자료에 따르면 2025년 2월부터 7월 사이 중국 기업들의 개방형 공개가 뚜렷하게 활발해졌고, 바이두와 문샷은 주로 폐쇄적이던 방식에서 개방 공개로 이동했다. 즈푸의 GLM과 알리바바의 큐원은 모델 가중치를 배포하는 수준을 넘어 엔지니어링 시스템과 생태계 접점을 구축하는 방향으로 확장됐다. 이 단계에서는 모델 자체의 원시 성능만 비교해서는 경쟁 우위를 확보하기 어려워졌고, 생태계와 실제 적용 장면 및 기반 구조가 핵심 경쟁 요소가 됐다. 글에 제시된 허깅페이스 자료에서는 생성된 지 1년 미만인 모델 가운데 중국 모델의 다운로드 수가 미국을 포함한 다른 어떤 국가의 모델보다 많았다. 이는 개방형 공개가 단순한 연구 성과 발표에 머무르지 않고, 파생 모델과 도구 및 응용이 이어지는 유통 기반으로 작동했음을 보여주는 결과로 제시된다.

7. 공식 협력보다 공통 제약이 만든 정렬

글은 중국 인공지능 기업들의 유사한 행보를 사전에 합의한 협력의 결과로 해석하지 않고, 공통된 제약 아래에서 형성된 전략적 정렬로 설명한다. 기업들은 공식적인 협력 동맹을 구성한 것이 아니라 연산 자원, 비용, 규제 준수라는 비슷한 기술적·경제적·제도적 압력에 대응하면서 유사한 기술 기반과 엔지니어링 경로를 선택했다. 비교 가능한 시스템 구조 위에서 경쟁이 벌어지자 모델과 도구 및 응용 방식이 더 쉽게 확산되고, 생태계가 외부의 중앙 조정 없이도 스스로 성장하는 특성을 보이기 시작했다. 즈푸, 문샷, 알리바바 큐원, 텐센트의 기술 책임자들이 공통된 문제를 중심으로 논의를 이어가는 모습도 다른 국가에서는 드문 현상으로 소개된다. 따라서 글에서 말하는 생태계의 유기성은 기업 간 경쟁이 사라졌다는 뜻이 아니라, 유사한 제약에 대응하는 경쟁 과정에서 공통 기반이 넓어졌다는 의미다.

8. 세계적 채택과 서구권의 대응

개방형 모델의 개발과 도입에 대한 긍정적 인식은 세계적으로 높아졌으며, 특히 미국에서는 개방형 분야의 주도권이 국제 경쟁력에 중요하다는 인식이 확대됐다. 딥시크는 동남아시아와 아프리카에서 많이 채택됐고, 다국어 지원과 공개 가중치 및 비용 조건이 기업 사용을 뒷받침한 요인으로 제시된다. 한편 서구 기업들은 상업 배포를 위해 중국산이 아닌 대안을 찾기도 했으며, 미국에서는 오픈AI의 지피티 오픈소스 모델, AI2의 올모, 메타의 라마 4가 공동체의 관심을 받았고 프랑스 미스트랄도 개방형 모델 계열을 이어 갔다. 그러나 서구권의 주요 공개 모델이 중국 모델을 기반으로 만들어지는 사례도 나타났으며, 2025년 11월 발표된 딥 코지토의 코지토 v2.1은 딥시크 V3를 미세조정한 모델이었다. 세계의 신생 기업과 연구자들이 중국에서 개발된 공개 가중치 모델을 기본 선택지로 삼거나 이에 의존하는 가운데, 미국의 ATOM 프로젝트도 딥시크와 중국 모델의 성장세를 개방형 모델 개발을 강화해야 할 동기로 제시했다.

9. 2026년으로 이어지는 개방형 모델 경쟁

저자들은 세계가 딥시크 이후의 변화에 아직 대응하는 과정에 있으며, 개방형 모델을 향한 새로운 열기가 이어지고 있다고 정리한다. 2026년에는 특히 중국과 미국에서 주요 모델 공개가 예상되며, 후속 글에서는 이러한 경쟁을 구성하는 모델 구조의 흐름, 하드웨어 선택, 조직별 전략 방향을 다룰 예정이라고 밝힌다. 이 글의 수치와 활동 자료는 모두 허깅페이스에서 가져왔으며, 중국 기업의 저장소 증가와 신규 모델의 인기 및 다운로드 추이를 통해 2025년의 변화를 설명한다. 또한 데이터 프로비넌스 이니셔티브와 허깅페이스의 개방 지능 경제 보고서, 에이아이월드의 2025년 개방형 인공지능 회고, 인터커넥츠의 분석 자료를 관련 참고 문헌으로 제시한다. 결론적으로 지난 1년의 핵심 변화는 한 모델의 순위 상승에 그치지 않고, 개방과 재사용 및 빠른 반복을 중심으로 세계 모델 생태계의 참여 방식과 경쟁 기준이 재편된 데 있다.

🧾 핵심 주장 / 시사점

• R1의 영향력은 단순한 성능 우위보다 고급 추론을 다운로드·증류·미세조정할 수 있는 자산으로 전환하고, 기업의 실제 도입과 심리적 자신감까지 함께 촉진했다는 점에서 설명된다.
• 중국 기업들의 공개 확대는 개별 모델의 점수 경쟁을 넘어 파생 모델, 도구, 실제 응용, 생태계 접점을 포함하는 시스템 수준의 경쟁으로 전환됐음을 보여준다.
• 중국 기업들의 유사한 전략은 공식적인 협력보다 연산 자원·비용·규제 준수라는 공통 제약에서 비롯됐으며, 이 정렬이 생태계의 자생적인 확산을 가능하게 했다.

✅ 액션 아이템

• 딥시크 R1처럼 제한된 연산 환경에서도 공개·반복 개선이 가능한 오픈 모델 전략을 확정하고, 증류·추가학습·분야별 적응 운영 방식을 정규화한다.
• 바이두·바이트댄스·텐센트·문샷·즈푸·알리바바 공개 활동을 지표화해 생태계 기여도가 높은 기업군을 식별하고 협력·공개 범위 우선순위를 정한다.
• 경쟁 기준을 모델 단일 성능 비교에서 벗어나 생태계, 실제 적용 시나리오, 도구 체계, 기반 구조를 묶은 시스템 역량으로 재정렬한다.

❓ 열린 질문

• 경쟁 판단을 위해 '모델 성능+생태계+시나리오+인프라'를 결합할 때 어떤 가중 구조가 적절한가?
• 중국의 신규 모델 다운로드 선도가 동남아·아프리카에서 실제 사업 성과로 이어지는지 어떻게 시점별로 추적할 것인가?
• 딥시크 계열 기반의 서구 모델 전개가 심화될 경우, MIT 라이선스 공개의 기술적 이득이 지역별 규범 차이에서 제한될 가능성이 있는가?