🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

허깅페이스의 오픈소스 인공지능 생태계는 사용자·모델·데이터셋과 파생 창작물이 급증한 가운데, 중국과 독립 개발자의 영향력 확대, 소형 모델 중심의 실용적 채택, 국가 주권과 지역 생태계의 부상을 동시에 보여준다.

📌 핵심 요약

• 2025년 허깅페이스는 사용자 1,300만 명, 공개 모델 200만 개 이상, 공개 데이터셋 50만 개 이상으로 성장했으며, 이용자들은 완성된 모델을 소비하는 데서 나아가 미세조정 모델·어댑터·벤치마크·응용 프로그램을 적극적으로 만들고 있다.
• 생태계의 규모는 커졌지만 이용은 상위 모델에 집중되어 있다. 전체 모델의 약 절반은 누적 다운로드가 200회 미만인 반면, 다운로드 상위 200개 모델이 전체 다운로드의 49.6%를 차지한다.
• 중국은 월간 및 전체 모델 다운로드에서 미국을 넘어섰고, 최근 1년간 중국 모델이 다운로드의 41%를 차지했다. 동시에 산업계의 비중은 줄고 독립 개발자와 소규모 집단의 양자화·변형·재배포 활동이 크게 확대됐다.
• 2025년 중국의 인공지능 생태계는 딥시크 R1 공개 이후 개방형 모델 출시에 집중했다. 바이두·바이트댄스·텐센트·미니맥스 등의 공개 저장소가 빠르게 늘었고, 신규 인기 모델의 다수도 중국에서 개발됐거나 중국 모델을 기반으로 만들어졌다.
• 실제 채택에서는 거대 모델보다 비용·지연 시간·하드웨어 제약에 대응하기 쉬운 소형 모델이 강세를 보인다. 모델 관심은 공개 직후 정점에 도달한 뒤 평균 약 6주 동안 이어지므로 지속적인 개선과 잦은 업데이트가 중요해졌다.

🧩 주요 포인트

1. 2025년 허깅페이스는 사용자 1,300만 명, 공개 모델 200만 개 이상, 공개 데이터셋 50만 개 이상으로 성장했으며, 이용자들은 완성된 모델을 소비하는 데서 나아가 미세조정 모델·어댑터·벤치마크·응용 프로그램을 적극적으로 만들고 있다.
2. 생태계의 규모는 커졌지만 이용은 상위 모델에 집중되어 있다. 전체 모델의 약 절반은 누적 다운로드가 200회 미만인 반면, 다운로드 상위 200개 모델이 전체 다운로드의 49.6%를 차지한다.
3. 중국은 월간 및 전체 모델 다운로드에서 미국을 넘어섰고, 최근 1년간 중국 모델이 다운로드의 41%를 차지했다. 동시에 산업계의 비중은 줄고 독립 개발자와 소규모 집단의 양자화·변형·재배포 활동이 크게 확대됐다.
4. 2025년 중국의 인공지능 생태계는 딥시크 R1 공개 이후 개방형 모델 출시에 집중했다. 바이두·바이트댄스·텐센트·미니맥스 등의 공개 저장소가 빠르게 늘었고, 신규 인기 모델의 다수도 중국에서 개발됐거나 중국 모델을 기반으로 만들어졌다.
5. 실제 채택에서는 거대 모델보다 비용·지연 시간·하드웨어 제약에 대응하기 쉬운 소형 모델이 강세를 보인다. 모델 관심은 공개 직후 정점에 도달한 뒤 평균 약 6주 동안 이어지므로 지속적인 개선과 잦은 업데이트가 중요해졌다.

🧠 상세 정리

1. 급성장한 생태계와 참여 방식의 변화

허깅페이스가 제시한 2025년 지표에 따르면 플랫폼은 사용자 1,300만 명, 공개 모델 200만 개 이상, 공개 데이터셋 50만 개 이상으로 성장했으며, 사용자·모델·데이터셋 저장소 수는 모두 두 배에 가까워졌다. 이러한 확대는 단순히 오픈소스 인공지능에 대한 관심이나 다운로드가 늘었다는 뜻에 그치지 않는다. 이용자들은 사전 학습된 모델을 그대로 사용하는 대신 미세조정 모델, 어댑터, 벤치마크, 응용 프로그램과 같은 파생 결과물을 직접 제작하고 공유하는 방향으로 이동했다. 글은 이런 능동적 참여가 오늘날 생태계의 핵심 변화라고 설명하며, 허깅페이스 내부 활동뿐 아니라 여러 외부 연구와 공동체의 분석도 함께 참고해야 한다고 밝힌다. 즉, 생태계의 현재 상태는 단일 지표가 아니라 생성·재사용·변형·배포를 아우르는 여러 활동을 종합해 살펴봐야 한다.

2. 성장 속에서도 지속되는 집중과 하위 생태계

공개 모델의 수가 폭발적으로 늘었지만 다운로드와 관심은 모든 모델에 고르게 분산되지 않았다. 허깅페이스 모델의 약 절반은 누적 다운로드가 200회 미만이며, 가장 많이 다운로드된 상위 200개 모델은 전체 모델의 약 0.01%에 불과하지만 전체 다운로드의 49.6%를 차지한다. 다만 다운로드 수가 작다고 해서 해당 모델이나 공동체의 가치가 낮은 것은 아니다. 특정 분야, 언어 또는 문제를 중심으로 형성된 전문 공동체는 전체 규모가 작더라도 지속적인 참여와 반복적인 재사용을 보여준다. 따라서 글은 오픈소스 인공지능을 하나의 균일한 시장으로 보기보다, 목적과 참여자와 활용 방식이 서로 다른 여러 하위 생태계가 겹쳐 있는 구조로 이해해야 한다고 강조한다.

3. 기업 경쟁과 개방형 모델의 산업적 확산

대기업과 신생기업 모두 개방형 모델을 제품과 개발 과정에 적극적으로 도입하고 있으며, 포천 500대 기업의 30% 이상이 허깅페이스에서 인증된 계정을 운영한다. 신생기업은 개방형 모델을 기본 구성 요소로 선택하는 경우가 많고, 팅킹 머신스는 팅커의 모델 선택지를 전부 공개 가중치 모델로 구성했으며 비주얼 스튜디오 코드와 커서 같은 개발 도구는 개방형 모델과 폐쇄형 모델을 함께 지원한다. 에어비앤비 같은 미국 기업의 참여가 증가했고, 2025년에는 기존 기업들의 조직 구독 확대도 관찰됐다. 주요 기술 기업들의 허깅페이스 저장소 생성도 꾸준히 늘었으며, 그중 엔비디아가 가장 강한 기여자로 부상했다. 글은 공개된 결과물이 수천 개의 후속 응용에서 재사용·변형·전문화되기 때문에 생산 비용을 넘어서는 하류 가치를 만들며, 폐쇄형 시스템에만 의존하는 조직은 비용 증가와 배포·맞춤화 유연성의 감소를 겪을 수 있다고 설명한다.

4. 지리적 중심의 이동과 독립 개발자의 부상

지난 4년간의 누적 다운로드에서는 미국과 중국이 주요 기여 지역이었고 영국, 독일, 프랑스가 그 뒤를 이었지만, 명확한 지역 기반이 없는 개인과 분산 조직의 모델도 전체 플랫폼 다운로드의 약 절반을 차지했다. 최근에는 중국이 월간 다운로드와 전체 다운로드 모두에서 미국을 넘어섰으며, 지난 1년 동안 중국 모델이 다운로드의 41%를 차지해 가장 큰 비중을 기록했다. 조직 유형에서도 변화가 나타나 산업계의 전체 개발 비중은 2022년 이전 약 70%에서 2025년 약 37%로 낮아졌다. 반대로 독립 또는 비소속 개발자의 다운로드 비중은 같은 기간 17%에서 39%로 늘었고, 일부 시점에는 전체 이용량의 절반을 넘었다. 특히 개인과 소규모 집단이 기반 모델을 양자화하고 변형해 다시 배포하면서, 일반 사용자가 실제로 실행할 수 있는 모델의 형태와 혁신이 퍼지는 경로에 상당한 영향을 미치고 있다.

5. 미국과 중국의 경쟁 및 중국의 공개 전략 전환

2025년에 새로 만들어진 인기 모델의 다수는 중국에서 개발됐거나 중국 모델을 기반으로 한 파생 모델이었으며, 가장 인기 있는 모델들은 주로 미국과 중국의 대형 조직에서 나왔다. 중국에서는 1월 딥시크 R1이 큰 관심을 얻은 뒤 경쟁력 있는 조직의 모델 공개와 허깅페이스 저장소 생성이 급증했다. 바이두는 2024년 허브 공개가 없었던 상태에서 2025년 100개가 넘는 저장소를 공개했고, 바이트댄스와 텐센트의 공개 건수도 각각 여덟 배에서 아홉 배가량 증가했다. 과거 폐쇄적인 접근을 선호했던 바이두와 미니맥스도 공개 배포 쪽으로 뚜렷하게 방향을 바꿨다. 미국에서는 메타와 옛 페이스북 연구 조직이 오랫동안 많은 공개 결과물을 축적했고 구글도 기여해 왔지만, 인기 중국 조직들의 저장소 수가 가파르게 상승한 점이 양국 생태계의 중요한 전략적 차이로 제시된다.

6. 국가 주권과 지역 중심의 개방형 인공지능

글은 오픈소스 인공지능이 국가의 기술 주권과 점점 더 밀접하게 연결된다고 설명한다. 공개 가중치 모델은 정부와 공공기관이 자국 법률 체계 안에서 지역 데이터로 시스템을 미세조정할 수 있게 하고, 국내 하드웨어에 배포할 수 있는 모델은 외국이 통제하는 기반 시설에 대한 의존을 줄여준다. 모델 구조와 학습 과정 및 평가에 관한 투명성도 규제 검토와 공공 책임성을 지원하는 요소로 제시된다. 한국은 2025년 중반 국가 주권형 인공지능 사업을 시작해 엘지 인공지능 연구원, 에스케이텔레콤, 네이버클라우드, 엔씨 인공지능, 업스테이지를 국내 대표 사업자로 선정했고, 2026년 2월에는 한국 모델 세 개가 허깅페이스에서 동시에 인기 목록에 올랐다. 스위스의 스위스 인공지능 사업, 유럽연합 지원 사업, 영국의 공적 자금으로 만든 코드는 공개해야 한다는 원칙도 비슷한 흐름이며, 모델과 데이터셋은 일반적으로 개발된 지역에서 가장 많이 사용된다는 자료가 지역 생태계 투자의 의미를 뒷받침한다.

7. 모델 인기, 과학 기여와 파생 생태계

허깅페이스의 좋아요 수는 실제 사용량과 완전히 일치하지는 않지만, 공동체가 다시 찾아보거나 참조하려는 관심이 시간에 따라 어떻게 축적되는지를 보여준다. 1년 전에는 메타의 라마 계열을 비롯한 미국 개발 모델이 좋아요 상위권을 주도했지만, 최근에는 중국의 딥시크 R1이 선두에 오르는 등 인기 구성이 국제적으로 다양해졌다. 논문 추천에서도 가장 많은 추천을 받은 연구는 주로 미국과 중국의 대형 인공지능 조직에서 나왔고, 상위 조직에는 중국 대형 기술 기업이 다수 포함됐으며 바이트댄스는 영향력 높은 논문을 많이 발표했다. 반면 모델과 데이터셋 생성에 연결된 데일리 페이퍼에서는 의료 연구의 영향력이 두드러지고 대형 기술 기업의 비중은 상대적으로 작아, 과학적 관심과 공개 결과물 채택이 반드시 같은 구성을 보이지는 않았다. 파생 모델 측면에서는 알리바바가 구글과 메타를 합친 것보다 많은 파생 모델을 보유하며, 큐원 계열은 11만 3,000개 이상의 파생 모델을 만들었고 큐원 태그가 붙은 전체 모델은 20만 개를 넘는다.

8. 소형 모델의 실용적 우위와 짧은 관심 주기

모델 개발에서는 규모뿐 아니라 실제 접근성과 배포 가능성이 점점 더 중요한 기준이 되고 있다. 소형 모델은 초대형 모델보다 훨씬 높은 빈도로 다운로드되고 배포되는데, 이는 비용, 응답 지연, 사용 가능한 하드웨어 같은 현실적인 제약을 반영한다. 소형 모델 자체가 더 많이 공개된다는 점과 자동화 시스템 및 지속적 통합 절차가 다운로드 수를 높일 수 있다는 점을 감안해야 하지만, 상대 채택 지표에서도 10억∼90억 매개변수 구간의 상위 모델 다운로드 중앙값은 1,000억 매개변수 초과 모델보다 약 네 배 높은 것으로 나타났다. 따라서 작고 실행하기 쉬운 모델을 향한 흐름은 단순한 집계상의 착시만으로 설명되지 않는다. 또한 공개 모델에 대한 참여는 출시 직후 거의 즉시 정점에 도달한 뒤 둔화하고 평균 참여 기간은 약 6주이므로, 지속적인 개선과 빈번한 업데이트가 모델의 관련성과 관심을 유지하는 데 중요해졌다.

🧾 핵심 주장 / 시사점

• 오픈소스 인공지능의 성장은 저장소 수 자체보다 파생 모델·어댑터·벤치마크·응용 프로그램을 만드는 재사용 구조에서 더 분명하게 나타난다.
• 상위 모델에 다운로드가 집중되는 현상과 전문 공동체의 지속적인 활용은 함께 존재하므로, 전체 순위만으로 언어별·분야별 하위 생태계의 가치를 평가하기 어렵다.
• 중국과 독립 개발자의 영향력 확대, 공개 가중치를 활용한 국가 주권 사업, 소형 모델의 높은 채택률은 실제 실행 가능성과 지역 적합성이 생태계의 중요한 경쟁 기준이 되었음을 보여준다.

✅ 액션 아이템

• 허깅페이스의 사용자 1,300만명, 공개 모델 200만 개, 공개 데이터셋 50만 개 수치를 기반으로 성장 지표를 월 단위로 정리한다.
• 전체 모델의 반 이상이 누적 다운로드 200회 미만인 편중 구도에서 상위 200개 모델(49.6%) 비중과 파생 창작물 확대의 균형을 점검한다.
• 중국 모델이 월간·연간 다운로드를 선도하는 흐름에서 바이두·바이트댄스·텐센트·미니맥스 공개 저장소 확장을 추적해 지역별 채택 변화와 비용·지연 제약 대응을 비교한다.

❓ 열린 질문

• 상위 200개 모델이 전체 다운로드의 49.6%를 차지할 때 하위 모델군의 장기 실험·재활용 생태계는 어디에서 병목될 수 있는가?
• 독립 개발자와 소규모 집단의 양자화·변형·재배포 활동이 확대될 때 품질 변동과 신뢰성은 어떤 기준으로 점검할 것인가?
• 소형 모델이 비용·지연 제약에서 유리한 반면 공개 직후 6주 내 관심이 집중되는 구조에서 최적 업데이트 주기는 어떻게 판단할 것인가?