🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

중국 주요 AI 기업 6곳의 1,600건 이상 채용공고는 이들이 아직 Nvidia 생태계에 의존하면서도 국산 칩·자체 데이터센터·차별화된 상업 전략·젊은 인재 채용을 통해 각기 다른 방식으로 경쟁하고 있음을 보여준다.

📌 핵심 요약

• 저자들은 Alibaba, DeepSeek, MiniMax, Moonshot, Z.ai, ByteDance의 중국 AI 채용공고 1,600건 이상을 분석해 논문이나 뉴스만으로는 보이지 않는 기업 내부의 제약과 우선순위를 추적했다.
• 채용공고에는 ByteDance의 CUDA 및 TensorRT-LLM 활용처럼 Nvidia GPU 의존을 보여주는 단서가 있는 동시에, Ascend·Cambricon 같은 국산 칩 최적화 경험을 찾는 공고와 Z.ai의 국산 칩 기반 GLM-Image 학습 사례도 나타난다.
• 중국 AI 스타트업들은 Alibaba·ByteDance 같은 국내 클라우드 자원을 빌리는 한편, MiniMax·DeepSeek·Moonshot 사례처럼 자체 데이터센터와 지능형 컴퓨팅 센터 구축에도 나서며 하이브리드 인프라 전략을 취하고 있다.
• 기업별 상업 전략은 크게 다르다. Z.ai는 고객 인프라에서 모델을 운영하는 고접촉 B2B와 정부·국유기업·대기업 영업에 무게를 두는 반면, MiniMax와 Moonshot은 소비자용 AI 제품과 마케팅, 특히 MiniMax의 해외 매출 비중에서 두드러진다.
• 채용 위치는 베이징·항저우·상하이에 집중되지만 미국의 샌프란시스코 집중도보다는 분산되어 있으며, 중국 기업들은 미국 AI 연구소보다 훨씬 낮은 경력 요건과 캠퍼스 채용을 통해 신입·젊은 인재를 적극적으로 받아들이는 것으로 나타난다.

🧩 주요 포인트

1. 저자들은 Alibaba, DeepSeek, MiniMax, Moonshot, Z.ai, ByteDance의 중국 AI 채용공고 1,600건 이상을 분석해 논문이나 뉴스만으로는 보이지 않는 기업 내부의 제약과 우선순위를 추적했다.
2. 채용공고에는 ByteDance의 CUDA 및 TensorRT-LLM 활용처럼 Nvidia GPU 의존을 보여주는 단서가 있는 동시에, Ascend·Cambricon 같은 국산 칩 최적화 경험을 찾는 공고와 Z.ai의 국산 칩 기반 GLM-Image 학습 사례도 나타난다.
3. 중국 AI 스타트업들은 Alibaba·ByteDance 같은 국내 클라우드 자원을 빌리는 한편, MiniMax·DeepSeek·Moonshot 사례처럼 자체 데이터센터와 지능형 컴퓨팅 센터 구축에도 나서며 하이브리드 인프라 전략을 취하고 있다.
4. 기업별 상업 전략은 크게 다르다. Z.ai는 고객 인프라에서 모델을 운영하는 고접촉 B2B와 정부·국유기업·대기업 영업에 무게를 두는 반면, MiniMax와 Moonshot은 소비자용 AI 제품과 마케팅, 특히 MiniMax의 해외 매출 비중에서 두드러진다.
5. 채용 위치는 베이징·항저우·상하이에 집중되지만 미국의 샌프란시스코 집중도보다는 분산되어 있으며, 중국 기업들은 미국 AI 연구소보다 훨씬 낮은 경력 요건과 캠퍼스 채용을 통해 신입·젊은 인재를 적극적으로 받아들이는 것으로 나타난다.

🧠 상세 정리

1. 채용공고를 통해 본 중국 AI 기업의 내부 단서

글은 중국 AI 기업의 실상을 파악하는 방법으로 논문 분석과 뉴스·X 관찰 외에 채용공고 분석을 제안한다. AI 연구소와 기업은 필요한 인재를 모집하려면 자신들이 원하는 기술, 전문성, 업무 범위를 어느 정도 공개할 수밖에 없기 때문이다. 저자들은 이전에 서구권 AI 연구소를 분석했던 방식과 유사하게 DeepSeek, MiniMax, Moonshot, Z.ai, ByteDance, Alibaba 등 여섯 중국 AI 기업의 1,600건 이상 채용공고를 살폈다. 이 접근은 기업이 실제로 어떤 제약을 겪고 있으며 어떤 제품과 인프라를 만들려 하는지에 대한 직접적인 단서를 제공한다.

2. Nvidia 의존과 국산 칩 탐색이 동시에 나타난다

채용공고는 중국 AI 기업들이 아직 Nvidia 생태계를 사용하고 있음을 보여준다. 예컨대 ByteDance의 ‘Inference GPU Performance Optimization Expert’ 역할은 주력 LLM 추론 프레임워크를 다루며 GPU와 CUDA 성능 최적화를 통해 고성능 LLM 추론 엔진을 구축하는 업무를 제시한다. 또한 Nvidia GPU에 최적화된 LLM 추론 라이브러리인 TensorRT-LLM 사용도 명시되어 있어, ByteDance가 추론에서 Nvidia 칩을 활용한다는 강한 단서로 제시된다. 동시에 다른 공고에서는 Ascend, Cambricon 등 국산 칩 계열에서의 추론·학습·통신 최적화 경험을 우대한다고 밝혀, Nvidia 외 컴퓨팅 자원으로 확장하려는 흐름도 드러난다.

3. 국산 칩 활용은 진전 중이지만 대형 사전학습까지 입증되지는 않았다

Z.ai의 공고는 2026년 초 GLM-Image와 GLM-OCR을 개발·오픈소스화했으며, 그중 GLM-Image가 국산 칩만으로 학습된 새로운 플래그십 이미지 생성 모델이라고 설명한다. 이는 중국 기업들이 서구 AI 칩 생태계로부터 더 독립적인 방향을 모색하고 있음을 보여주는 사례다. 다만 글은 이러한 채용공고만으로 국산 칩 활용이 어느 정도 규모까지 진전됐는지 판단할 수 없다고 선을 긋는다. 저자들의 최선의 추정은 중국 연구소들이 추론에서는 국산 칩을 꽤 자주 쓰지만, 대형 모델의 사전학습에는 드물게 쓰며, 예외는 대형 모델의 사후학습이나 GLM-Image처럼 상대적으로 작은 모델 학습이라는 것이다.

4. 클라우드 임대와 자체 데이터센터 구축을 병행한다

글은 AI 발전에서 컴퓨팅 자원의 출처가 매우 중요하다고 강조하며, 중국 AI 연구소들이 어디서 컴퓨팅을 확보하는지 추적하려 한다. 가장 분명한 방식은 클라우드 컴퓨팅 임대이며, Moonshot은 클라우드 컴퓨팅 자원 조달 관련 공고를 낸 사례로 언급된다. 이는 OpenAI가 Microsoft Azure에서 클라우드 자원을 빌려 확장한 것과 비슷하게, 중국 스타트업들이 Alibaba나 ByteDance 같은 국내 클라우드 제공업체로부터 자원을 빌릴 수 있음을 보여준다. 그러나 동시에 MiniMax의 자체 데이터센터 및 SRE·DevOps 시스템 구축 공고, DeepSeek의 내몽골 데이터센터 관련 공고, Moonshot의 데이터센터 조달 및 공공 클라우드와 자체 지능형 컴퓨팅 센터의 하이브리드 배포 공고가 제시되어, 스타트업들도 자체 인프라 구축에 들어섰음을 보여준다.

5. 상업 전략은 기업별로 뚜렷하게 갈린다

중국 AI 스타트업의 시장 진입 전략은 한 방향으로 통일되어 있지 않다. 글은 Anthropic과 OpenAI의 B2B·소비자 중심 차이를 중국 기업에 비유하며, Z.ai는 더 B2B에 가깝고 MiniMax와 Moonshot은 마케팅과 소비자 접점에 더 무게를 둔다고 설명한다. Z.ai의 고객 발굴·영업 관련 공고는 B2B 판매에 집중되어 있는 반면, MiniMax와 Moonshot의 관련 공고는 마케팅 성격이 더 강하다. 이 차이는 매출 구조와도 연결되는데, MiniMax는 Talkie 같은 동반자 AI 앱과 Hailuo 같은 영상 생성 서비스 등 개인 소비자용 AI-native 제품에서 2024년과 2025년 매출의 약 70%를 얻었고, Z.ai는 2025년 매출의 73.7%를 고객 인프라에서 모델을 운영하는 방식에서 얻었다고 제시된다.

6. 국내 기관·해외 시장을 향한 영업 방향도 다르다

Z.ai의 일부 채용공고는 정부기관과 국유기업을 주요 고객으로 강조하며, 에너지와 금융 분야도 대상에 포함한다. 또한 미국 시장 확장을 담당하는 역할도 있으며, Fortune Global 500 기업을 겨냥한다고 설명된다. 다만 글은 Z.ai가 MiniMax에 비해 국제화에 훨씬 더 집중한 기업은 아니라고 본다. MiniMax는 샌프란시스코에만 16개의 활성 공고를 냈고, 홍콩·런던·싱가포르·두바이·베를린·도쿄·서울·마드리드·멕시코시티·일드프랑스 등에도 공고가 있으며, 이는 2025년 매출의 73%가 해외 시장에서 나왔다는 정보와 맞물린다.

7. 스타트업은 모델 중심, 플랫폼 기업은 더 넓은 연구와 제품에 투자한다

제품 전략에서도 기업 유형별 차이가 드러난다. DeepSeek와 Moonshot 같은 스타트업의 공고는 주로 LLM 개선이나 LLM 위에 제품을 구축하는 일에 집중되어 있으며, 예시로 ‘Agent Harness R&D Engineer’ 역할이 언급된다. Z.ai도 LLM 중심이지만 로보틱스 관련 공고 두 건을 가지고 있고, 이는 새로운 모델 아키텍처 같은 연구 프런티어를 탐색하는 X-Lab과 연결된다. 반면 ByteDance와 Alibaba 같은 대형 플랫폼 기업은 로보틱스와 웨어러블 하드웨어까지 역할 범위가 넓고, Alibaba Qwen 팀은 자동차 영역에서 Qwen cockpit voice-assistant AI Agent의 핵심 알고리즘 연구개발과 기술 배포를 담당할 인력을 찾는다.

8. 중국 AI 일자리는 여러 허브에 분산되고 경력 요건은 낮다

중국의 프런티어 AI 일자리는 베이징, 항저우, 상하이라는 세 대형 기술 허브에 집중되어 있으며, 위치가 표시된 공고의 93%가 세 도시 중 적어도 한 곳에 기반한다. 그중 베이징은 전체 공고의 63%에 표시된 가장 큰 허브다. 그러나 미국 프런티어 AI 연구소 공고의 약 85%가 샌프란시스코에 기반한 것과 비교하면 중국의 집중도는 상대적으로 낮다. 글은 중국 지방정부 간 경쟁과 보조금, 상하이·저장·베이징의 주요 대학에서 배출되는 강한 인재 흐름이 이런 분산을 설명할 수 있다고 제시하며, 동시에 중국 공고의 평균 요구 경력이 1.6년으로 미국 연구소의 5.5년보다 훨씬 낮고 캠퍼스 공고가 엔지니어링 역할의 거의 20%를 차지한다고 설명한다.

🧾 핵심 주장 / 시사점

• 채용공고는 기업 홍보물보다 덜 정제되어 있어, 어떤 칩·소프트웨어·데이터센터·고객군을 실제로 다루려는지 드러내는 유용한 관찰 창구가 된다.
• 중국 AI 기업의 국산화는 단순한 구호가 아니라 채용 수요와 일부 모델 학습 사례로 확인되지만, 대형 모델 사전학습에서의 본격적 대체 여부는 이 자료만으로 확인되지 않는다.
• 중국 AI 생태계는 하나의 단일한 전략으로 움직이지 않으며, 스타트업과 플랫폼 기업, B2B와 소비자 제품, 국내 기관 영업과 해외 확장 사이에서 서로 다른 ‘성격’을 보인다.

✅ 액션 아이템

• 채용공고 근거로 Nvidia 의존, Ascend·Cambricon 최적화 경험, 자체 데이터센터·컴퓨팅센터 구축을 기업별로 대조해 전략 축을 정리한다.
• Alibaba·ByteDance의 국내 클라우드 활용과 MiniMax·DeepSeek·Moonshot의 자체 인프라 구축을 비교해 하이브리드 인프라 운영 기준을 정한다.
• Z.ai의 고객 인프라형 B2B·정부·대기업 영업 중심과 MiniMax·Moonshot의 소비자 제품·마케팅 중심을 구분해 해외 매출 구조와 연결된 차이를 정리한다.

❓ 열린 질문

• Nvidia CUDA·TensorRT-LLM 의존도가 장기적으로 국산칩 최적화 채용 확대에 미치는 제약은 어느 시점에서 본격화될 가능성이 큰가?
• 국내 클라우드 차입과 자체 데이터센터 병행 구조가 비용 안정성, 납기 대응성, 컴퓨팅 수요 급증 대응력에 어떤 차이를 줄 것인가?
• 베이징·항저우·상하이 중심의 낮은 경력·캠퍼스 채용이 단기 인재 확보에 유리한 반면 핵심 연구 역량 축적에는 어떤 한계가 누적될 수 있는가?