🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

중국의 AI 전략은 미국식 초대형 프런티어 모델 경쟁을 그대로 따라잡는 것이 아니라, 비용 효율·오픈소스·응용 확산을 통해 별도의 생태계를 구축하는 데 초점이 있다.

📌 핵심 요약

• 2025년 초 항저우에서 등장한 DeepSeek는 실리콘밸리 기준으로는 제한된 자원과 낮은 비용에도 고급 추론형 대규모 언어모델을 내놓으며, 미국 LLM 기업들이 고성능 모델을 독점할 것이라는 가정을 흔들었다.
• 글은 중국 기업들이 미국을 같은 방식으로 추격하고 있는지가 핵심 질문이 아니라고 본다. AI 스택은 에너지, 인프라, 칩, 기초 연구, 응용 배포까지 넓고, 미국과 중국은 서로 다른 자원 조건과 시장 구조 속에서 병렬적인 경쟁을 하고 있다는 것이다.
• 미국은 대규모 데이터센터, 높은 인재 비용, 막대한 자본을 바탕으로 AGI와 고도화된 에이전트 시스템 같은 프런티어 과학에 집중하는 반면, 중국은 제한된 자본과 고성능 컴퓨팅 접근 제약, 작은 국내 수익 풀 속에서 오픈소스·비용 절감·응용 혁신·해외 시장 진출을 강화한다.
• 중국의 AI 기업들은 낮은 인건비, 풍부한 AI 인재, 전력·토지·지방정부 보조금의 이점을 활용하지만, 외국인 직접투자 감소, GPU 제약, 낮은 B2B 지불 의향, 자동화에 보수적인 대기업 문화라는 제약도 동시에 안고 있다.
• 이러한 조건은 중국 AI 기업들을 ‘마른 운동선수’처럼 빠르고 효율적인 조직으로 만들고 있으며, DeepSeek, Qwen, MiniMax 같은 오픈소스 모델의 확산은 전 세계 스타트업·대학·중견기업이 저렴하고 투명한 AI 도구를 채택하게 만드는 새로운 기술적 영향력으로 이어지고 있다.

🧩 주요 포인트

1. 2025년 초 항저우에서 등장한 DeepSeek는 실리콘밸리 기준으로는 제한된 자원과 낮은 비용에도 고급 추론형 대규모 언어모델을 내놓으며, 미국 LLM 기업들이 고성능 모델을 독점할 것이라는 가정을 흔들었다.
2. 글은 중국 기업들이 미국을 같은 방식으로 추격하고 있는지가 핵심 질문이 아니라고 본다. AI 스택은 에너지, 인프라, 칩, 기초 연구, 응용 배포까지 넓고, 미국과 중국은 서로 다른 자원 조건과 시장 구조 속에서 병렬적인 경쟁을 하고 있다는 것이다.
3. 미국은 대규모 데이터센터, 높은 인재 비용, 막대한 자본을 바탕으로 AGI와 고도화된 에이전트 시스템 같은 프런티어 과학에 집중하는 반면, 중국은 제한된 자본과 고성능 컴퓨팅 접근 제약, 작은 국내 수익 풀 속에서 오픈소스·비용 절감·응용 혁신·해외 시장 진출을 강화한다.
4. 중국의 AI 기업들은 낮은 인건비, 풍부한 AI 인재, 전력·토지·지방정부 보조금의 이점을 활용하지만, 외국인 직접투자 감소, GPU 제약, 낮은 B2B 지불 의향, 자동화에 보수적인 대기업 문화라는 제약도 동시에 안고 있다.
5. 이러한 조건은 중국 AI 기업들을 ‘마른 운동선수’처럼 빠르고 효율적인 조직으로 만들고 있으며, DeepSeek, Qwen, MiniMax 같은 오픈소스 모델의 확산은 전 세계 스타트업·대학·중견기업이 저렴하고 투명한 AI 도구를 채택하게 만드는 새로운 기술적 영향력으로 이어지고 있다.

🧠 상세 정리

1. 항저우에서 시작된 DeepSeek의 충격

원문은 2025년 초 항저우에서 나온 DeepSeek 사례로 논의를 시작한다. 항저우는 역사적·문화적 이미지가 강한 도시지만, 이곳에서 실리콘밸리 기준으로는 자원이 부족한 중국 기업이 추론 중심의 대규모 언어모델을 공개했다는 점이 중요하게 제시된다. DeepSeek는 당시 ChatGPT 4급 모델보다 몇 걸음 뒤처진 수준으로 묘사되지만, 모회사 측이 학습 비용을 600만 달러에 불과하다고 주장했다는 점이 업계의 주목을 끌었다. 이는 OpenAI나 Google이 투입하는 비용과 비교하면 매우 작은 규모였고, 고급 AI 모델 개발에는 반드시 막대한 자본과 컴퓨팅이 필요하다는 통념을 흔들었다.

2. 미국 LLM 독점 가정의 붕괴

글은 DeepSeek가 등장하기 전 세계 AI 업계가 미국 대규모 언어모델의 우위를 거의 당연하게 여겼다고 설명한다. 미국 기업들은 방대한 컴퓨팅 자원, 뛰어난 인재, 대규모 자본 유입, 국가 경제 규모에 비견되는 기업가치를 바탕으로 고성능 LLM을 구축해 왔다. 그러나 DeepSeek는 중국 AI 산업이 칩 규제와 둔화된 경제 상황에 놓여 있었음에도 기존 가정과 다른 결과를 보여주었다. 특히 미국 AI 분야의 민간 투자가 중국의 12배, 영국의 24배에 달한다는 배경 속에서, High-Flyer가 단순히 돈을 많이 써서 경쟁한 것이 아니라 특정 영역 집중, 가벼운 학습, 에너지 효율을 통해 성과를 냈다는 점이 강조된다.

3. ‘따라잡기’가 아니라 다른 경기라는 문제 설정

DeepSeek 이후 제기된 질문은 중국 기업들이 AI에서 미국을 따라잡고 있는가였지만, 원문은 이 질문 자체가 핵심을 놓친다고 본다. AI 스택은 단순히 모델 성능만으로 구성되지 않고, 에너지, 인프라, 칩, 기초 연구, 애플리케이션 배포까지 포괄하는 넓은 구조다. 이 전체 지형에서 미국과 중국은 서로 다른 강점을 갖고 있으며, 같은 결승선을 향해 달리는 단일 경주로 보기 어렵다는 것이 글의 중심 주장이다. 두 시장은 경제적 제약, 비용 구조, 수요 조건이 다르기 때문에 각자 다른 방식으로 AI 생태계를 형성하고 있고, 그 차이가 향후 10년간 세계 AI의 방향을 결정할 것이라고 설명한다.

4. 미국식 자본집약 경로와 중국식 효율 경로

원문은 미국과 중국의 AI 발전 방식을 태극의 음양처럼 서로 다른 강점을 가진 균형으로 비유한다. 미국에서는 거대한 데이터센터, 급등한 인재 비용, 수십억 달러 규모의 프런티어 과학 투자가 AI 개발의 중심이다. 자금이 풍부한 미국 기업들은 AGI와 더 정교한 에이전트 시스템을 향해 계속 나아갈 것으로 제시된다. 반면 중국 기업들은 상대적으로 부족한 자본, 제한된 고성능 컴퓨팅 접근성, 더 작은 국내 수익 시장이라는 현실에 놓여 있다. 그 결과 중국 기업들은 오픈소스, 비용 효율, 빠른 응용 계층 혁신, 해외 시장을 통한 수익화에 더 강하게 의존하게 된다.

5. 중국 AI의 핵심은 프런티어 경쟁보다 산업화

글은 중국의 AI 이야기를 프런티어 모델 경쟁에서 이기거나 따라잡는 문제로 보지 않는다. 오히려 중국 기업들은 AI의 사용을 산업화하고, 경제 전반에 AI를 연결하는 대안적 생태계를 만들고 있다고 설명한다. 이 생태계는 필요에 의해 더 가볍고, 설계상 더 개방적이며, 실제 기업 운영과 응용 분야에 깊이 들어가려는 방향을 띤다. 미국의 주요 기업들이 가장 강력한 모델을 폐쇄형으로 유지하는 경향이 있는 반면, 중국 모델은 접근성과 실용성을 통해 스타트업, 대학, 중견기업에 확산된다. 원문은 이 확산이 글로벌 AI 관행을 조용히 바꾸며 새로운 기술적 형태의 소프트파워를 만들고 있다고 본다.

6. 낮은 비용과 제약이 만든 효율 기계

중국의 AI 투자 규모는 미국보다 작지만, 원문은 중국에서 1달러가 더 멀리 간다는 점을 강조한다. AI 엔지니어의 연봉은 약 40만2000위안, 달러로 약 5만7000달러 수준으로 소개되며, 미국의 인건비와 큰 차이를 보인다. 중국은 미국보다 1.5배에서 2배가량 많은 AI 관련 박사를 배출하고, 해외에서 훈련받은 연구자들도 귀국하면서 크고 비교적 저렴한 인재 파이프라인을 형성한다. 데이터센터 역시 저렴한 전력, 할인된 토지, 지방정부 보조금의 혜택을 받으며, 대규모 컴퓨팅을 전략 인프라로 보는 정책 기조의 지원을 받는다. 일부 지역에서는 칩을 사용하는 시설에 전기요금을 절반으로 낮춰주는 사례도 언급된다.

7. 작은 국내 수익 풀과 수요 제약

효율의 배경에는 이점뿐 아니라 강한 제약도 있다. 중국에 대한 외국인 직접투자는 2019년 이후 3분의 2 이상 감소했고, 서방 시장 접근은 더 어려워졌으며, 고급 국내 GPU는 수입 제품보다 뒤처져 있다고 원문은 설명한다. 지역 전력망은 데이터센터 부하로 압박을 받고 있고, 중국 B2B 시장은 서비스에 대한 지불 의향이 낮아 기업들이 소프트웨어 도구를 구매하기보다 내부에서 직접 만드는 경우가 많다. 그 결과 중국의 국내 소프트웨어 시장은 미국의 2,370억 달러 규모 산업의 약 4분의 1 수준으로 제시되며, AI 스타트업이 규모를 키우거나 프리미엄 가격을 받기 어렵다. 대기업, 특히 국유기업의 문화도 인력 규모와 점진적 변화를 중시해 자동화의 충격을 약화시키는 요인으로 제시된다.

8. ‘마른 운동선수’가 된 중국 AI 기업과 해외 확장

원문은 중국 AI 기업들이 높은 효율, 낮은 마진, 작은 국내 수익 풀 속에서 ‘마른 운동선수’처럼 변하고 있다고 표현한다. 이들은 가볍고 빠르며 비용 효율을 극단적으로 추구하는 방식으로 경쟁한다. 국내 시장만으로 충분한 수익을 내기 어렵기 때문에 많은 기업이 처음부터 해외 전략을 세우며, 특히 동남아시아가 우선순위로 언급된다. 생성형 AI의 발전은 언어, 현지화, 고객 지원 장벽을 낮춰 중국 AI 기업의 해외 진출을 더 쉽게 만든다. Alibaba Hong Kong Entrepreneurs Fund의 Cindy Chow는 중국의 AI 스타트업들이 처음부터 국제 전략을 갖고 있으며, 동남아시아 기업과 금융기관들도 중국의 AI 발전에 접근하는 것이 경쟁력 유지에 중요하다고 본다고 설명한다.

9. 01.AI 사례와 성과 책임형 기업 AI

중국 AI 유니콘 01.AI는 원문에서 글로벌 확장의 구체적 사례로 제시된다. Google China 출신이자 Sinovation Ventures를 이끄는 Kai-Fu Lee가 설립한 이 회사는 2023년 순수 LLM 개발사로 시작했지만, 곧 보험 중개, 조달, 물류 최적화 같은 기능을 담당하는 기업용 AI 에이전트, 즉 ‘슈퍼 직원’으로 방향을 전환했다. 01.AI의 Ning Ning은 수익화의 어려움이 오히려 AI를 더 빠르게 진화하게 만들며, 기업 AI의 미래는 기술을 판매하는 것이 아니라 비즈니스 성과에 책임지는 것이라고 말한다. 호주 퍼스의 광산 회사 배치 사례에서는 철도와 항만 흐름을 최적화하는 물류 스케줄러, 공급업체 이메일을 읽고 구매 주문서를 생성하는 조달 에이전트, 트럭과 작업 인력을 조율하는 운영 플래너가 직원 옆의 팀원처럼 배치됐다고 설명된다.

10. 오픈소스 확산과 새로운 기술적 영향력

마지막 부분은 중국의 오픈소스 문화가 AI 확산의 가속 장치가 되고 있다는 점을 다룬다. 수백 개 팀이 모델 구조와 학습된 가중치를 공개하면서 누구나 검토하고, 구축하고, 개선할 수 있는 공유 인프라가 만들어지고 있다. 텍스트-이미지 및 비디오 분야의 창업자 Chloe Fang은 중국 AI 기업들이 실용적이며, 오픈소스를 글로벌 사용자를 끌어들이는 고리로 활용한다고 설명한다. 중국 모델은 여러 생성 미디어 범주에서 상위권에 올랐고, Qwen, MiniMax, DeepSeek가 이끄는 중국 오픈소스 LLM은 2024년 말 거의 없던 상태에서 전 세계 LLM 사용량의 3분의 1을 차지하는 수준으로 성장했다고 원문은 제시한다. Kai-Fu Lee는 미국 기관, 학생, 연구자들이 중국 모델을 쓰는 이유가 국적 때문이 아니라 개방성 때문이라고 말하며, Alibaba Cloud 창업자 Jian Wang은 이를 1990년대 후반 Netscape의 오픈소스 전환이 상업 인터넷을 촉발한 순간과 비교한다.

🧾 핵심 주장 / 시사점

• 이 글의 핵심은 AI 경쟁을 ‘누가 더 강한 모델을 만들었는가’로만 보면 중국의 전략을 오독하게 된다는 점이다. 중국은 제약을 약점으로만 받아들이기보다 비용 효율, 오픈소스, 응용 배포 속도로 전환하고 있다.
• 중국 AI 기업의 해외 확장은 단순한 시장 확대가 아니라 국내 수요와 수익화 한계에 대한 구조적 대응이다. 낮은 지불 의향과 작은 소프트웨어 시장이 오히려 초기부터 글로벌 고객과 성과 기반 기업 AI를 겨냥하게 만들고 있다.
• 오픈소스 모델의 확산은 중국 AI의 영향력을 성능 순위 밖에서 키우는 통로다. 더 저렴하고 수정 가능한 모델이 세계의 개발자와 기업 운영에 스며들수록, 중국은 폐쇄형 프런티어 모델과 다른 방식으로 글로벌 AI 표준과 사용 습관에 영향을 줄 수 있다.

✅ 액션 아이템

• 미국은 AGI·에이전트 중심, 중국은 오픈소스·비용효율 중심이라는 경쟁축을 기준으로 시장별 영향지표를 추가로 정비한다.
• DeepSeek, Qwen, MiniMax 오픈소스 모델이 스타트업·대학·중견기업의 채택을 얼마나 빠르게 확산시키는지 채택 장벽별로 분석한다.
• 중국 AI의 제약요인(저가 인건비, FDI 하락, GPU 제한, 낮은 B2B 지불의향, 자동화 보수성)을 함께 반영해 실현 가능성 판단 기준을 정한다.

❓ 열린 질문

• 중국식 오픈소스·비용절감 전략이 프런티어 독점형 모델 경쟁과의 격차를 시간축에서 좁힐 수 있는 조건은 무엇인가?
• 미국형 모델과 달리 중국형 병렬 경쟁이 에너지·인프라·칩·기초연구 단계의 어느 구간에서 가장 크게 차별화되는가?
• 해외 시장에서 낮은 B2B 지불의향이 완화될 때 오픈소스 AI 확산 속도는 어느 수준까지 가속될 수 있는가?