Who is leading in AI? An analysis of industry AI research

🖼️ 인포그래픽

Who is leading in AI? An analysis of industry AI research 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Epoch AI는 출판·인용, 훈련 연산량, 알고리즘 혁신 채택을 함께 비교해 구글·오픈AI·메타가 산업 AI 연구를 주도하며 신생 연구소도 빠르게 선두권에 진입할 수 있다고 분석한다.

📌 핵심 요약

민간 기업은 대규모 자원 투자, 높은 연구 인용 영향력, 연산 집약적 훈련 주도권을 바탕으로 AI 연구개발의 핵심 세력으로 부상했다.
지난 13년간 총논문과 총인용에서는 구글과 마이크로소프트가 앞섰지만, 논문당 인용에서는 오픈AI·메타·딥마인드가 더 높은 성과를 보였다.
구글의 훈련 연산량은 11년 동안 약 1천만 배, 오픈AI와 메타는 각각 6년 동안 약 100만 배 증가해 전체 머신러닝 시스템의 일반적인 증가 속도를 크게 웃돌았다.
연산 집약적 모델 경쟁에서는 구글이 초기 우위를 보였으나 오픈AI가 빠르게 추격했고, 앤트로픽도 Claude 2를 통해 구글 PaLM 2에 가까운 연산 규모에 도달했다.
최근 대규모 언어 모델에 채택된 혁신에서는 Transformer와 LayerNorm을 제시한 구글의 영향력이 가장 컸으며, 정책 당국은 기존 선두 기업뿐 아니라 빠르게 성장하는 신생 연구소도 추적해야 한다.

🧩 주요 포인트

민간 기업은 대규모 자원 투자, 높은 연구 인용 영향력, 연산 집약적 훈련 주도권을 바탕으로 AI 연구개발의 핵심 세력으로 부상했다.
지난 13년간 총논문과 총인용에서는 구글과 마이크로소프트가 앞섰지만, 논문당 인용에서는 오픈AI·메타·딥마인드가 더 높은 성과를 보였다.
구글의 훈련 연산량은 11년 동안 약 1천만 배, 오픈AI와 메타는 각각 6년 동안 약 100만 배 증가해 전체 머신러닝 시스템의 일반적인 증가 속도를 크게 웃돌았다.
연산 집약적 모델 경쟁에서는 구글이 초기 우위를 보였으나 오픈AI가 빠르게 추격했고, 앤트로픽도 Claude 2를 통해 구글 PaLM 2에 가까운 연산 규모에 도달했다.
최근 대규모 언어 모델에 채택된 혁신에서는 Transformer와 LayerNorm을 제시한 구글의 영향력이 가장 컸으며, 정책 당국은 기존 선두 기업뿐 아니라 빠르게 성장하는 신생 연구소도 추적해야 한다.

🧠 상세 정리

1. 민간 부문의 부상과 분석 방법

이 글은 민간 부문이 막대한 자원을 투입하고, 산업계가 참여한 연구가 높은 인용률을 기록하며, 연산 집약적 훈련을 주도한다는 점에서 AI 연구개발의 중심 세력으로 자리 잡았다고 설명한다. 연구진은 단일 순위가 아니라 서로 다른 영향력의 측면을 함께 보기 위해 OpenAlex의 AI 출판 데이터, PCD 데이터베이스의 AI 훈련 연산량 자료, 대규모 언어 모델의 핵심 알고리즘 혁신을 정리한 신규 데이터셋을 활용했다. 이를 바탕으로 주요 기업을 논문 수, 인용 수, 고유 저자 수, 대규모 훈련 실행, 알고리즘 혁신의 채택 정도라는 여러 지표로 비교했다. 이러한 다면적 접근은 기업의 규모나 특정 성과 하나만으로 리더십을 판단하지 않고, 연구 생산성과 실제 모델 개발 역량 및 후속 기술에 미친 영향을 구분해 파악하려는 시도다.

2. 논문 생산량과 연구 영향력의 차이

지난 13년의 서지 지표를 보면 구글과 마이크로소프트가 총논문 수와 총인용 수에서 선두를 차지했으며, 연구진은 이를 두 기업의 규모와 오랜 업력에서 비롯된 우위로 해석한다. 그러나 논문 한 편당 인용률에서는 오픈AI, 메타, 딥마인드가 다른 산업계 연구 주체보다 높은 성과를 보여, 연구량과 개별 연구의 평균 영향력이 반드시 같은 순서를 따르지는 않았다. 중국 기업인 텐센트, 바이두, 화웨이는 저자당 인용 영향력에서 미국의 주요 기업보다 낮게 나타났다. 다만 센스타임은 예외적으로 마이크로소프트보다 높은 저자당 인용 성과를 보였지만, 딥마인드에는 미치지 못했다. 이 결과는 기업의 연구 리더십을 평가할 때 총량 지표와 연구자 또는 논문 단위의 영향력 지표를 분리해서 봐야 함을 보여준다.

3. 훈련 연산량의 급격한 확대

미국의 주요 기업들은 최첨단 모델을 훈련하는 데 투입하는 연산량을 일반적인 머신러닝 시스템의 추세보다 훨씬 빠르게 확대했다. 구글의 훈련 연산량은 11년 동안 약 1천만 배 증가했고, 오픈AI와 메타는 각각 6년 사이 약 100만 배 확대했다. 같은 기간 머신러닝 시스템 전반에서 관찰된 증가 폭은 약 4천 배였으므로, 이들 선두 기업의 확장 속도는 산업 전체의 보편적인 흐름을 크게 넘어섰다. 연구진은 이런 차이를 통해 최전선 AI 개발에서 막대한 연산 자원을 확보하고 빠르게 증설하는 능력이 중요한 경쟁 요소가 되었음을 보여준다. 따라서 논문과 인용만으로는 기업들이 실제로 수행하는 대규모 모델 개발의 격차를 충분히 포착하기 어렵다.

4. 연산 집약적 모델 경쟁의 주도권 변화

2012년부터 2023년까지 연산 집약적 AI 훈련은 처음에는 2010년대 구글의 AI 연구소들이 주도했지만, 2015년에 설립된 오픈AI가 빠르게 추격하면서 경쟁 구도가 달라졌다. 오픈AI는 특히 훈련 연산량이 약 2e25 FLOP으로 추정되는 GPT-4를 통해 구글 딥마인드의 연산 수준에 도달하거나 이를 넘어선 것으로 분석됐다. 이러한 빠른 진전에는 2019년에 체결된 마이크로소프트와의 협력이 도움을 준 것으로 제시된다. 더 새로운 연구소인 앤트로픽도 Claude 2를 통해 구글의 PaLM 2에 가까운 연산 규모를 보여주며 단기간에 존재감을 확보했다. 반면 메타는 선두권보다 뒤처졌고, 격차가 가장 작았던 2022년 5월에도 최전선 수준보다 약 6배 낮았다.

5. 기초 모델에 채택된 알고리즘 혁신

연구진은 PaLM과 LLaMA를 포함해 훈련 연산량이 가장 크고 공개 문서가 존재하는 언어 모델 10개를 대상으로 핵심 알고리즘 혁신이 얼마나 채택됐는지 조사했다. 특정 혁신이 후속 대형 모델에서 반복적으로 사용되는 빈도를 살펴보면, 논문 인용과는 다른 방식으로 실제 머신러닝 연구와 모델 설계에 미친 영향을 확인할 수 있다. 분석 결과 구글이 개발한 Transformer와 LayerNorm이 최근의 기초 모델에서 가장 널리 채택된 혁신으로 나타났다. 오픈AI가 기여한 문맥 내 학습과 명령어 튜닝 등의 혁신은 구글 혁신의 약 3분의 1 빈도로 채택됐으며, 그 뒤를 메타와 딥마인드가 이었다. 이 지표에서도 구글의 영향력이 두드러졌지만, 기업별 강점은 출판량·인용률·연산량 지표와 완전히 동일하지 않았다.

6. 정책적 함의와 국가 간 비교의 한계

구글, 오픈AI, 메타가 여러 지표에서 선두권을 형성한다는 결과는 AI 정책을 설계할 때 이들 기업을 핵심 대상으로 고려해야 한다는 근거를 제공한다. 동시에 오픈AI와 특히 앤트로픽의 사례는 새로운 연구소도 비교적 빠르게 기존 선두를 따라잡을 수 있음을 보여주므로, 정책 당국은 현재의 강자뿐 아니라 성장 중인 연구소의 진전도 지속적으로 추적해야 한다. 연구에서 사용한 모든 지표에서 중국 산업 연구소는 미국 기업보다 뒤처졌지만, 중국 연구소가 학술 출판 자체에 낮은 우선순위를 둘 가능성처럼 지표에 포착되지 않는 차원도 존재한다. 그럼에도 연구진은 범용 기초 모델 개발과 학술 AI 연구에 대한 영향력에서 중국 연구소가 미국 연구소를 뒤따르고 있을 가능성이 매우 높다고 판단한다. 정부의 AI 기업 감독이 강화되는 상황에서 이 분석은 어느 기업이 기술 발전의 방향을 주도하는지 식별하기 위한 경험적 근거를 제시한다.

🧾 핵심 주장 / 시사점

AI 리더십은 논문 총량, 논문당 인용, 훈련 연산량, 알고리즘 채택이 서로 다른 순위를 만들기 때문에 하나의 지표로 단정하기 어렵다.
오픈AI와 앤트로픽의 사례는 막대한 연산 자원과 협력 기반을 확보한 신생 연구소가 기존 기업의 오랜 연구 우위를 빠르게 좁힐 수 있음을 보여준다.
국가별 비교에서 학술 출판 중심 지표는 연구 공개 전략의 차이를 놓칠 수 있으므로, 결과를 해석할 때 측정 범위의 한계를 함께 고려해야 한다.