2026년 7월 20일, 이전에 Zhipu로 알려졌던 중국의 연구소 Z.AI는 Nvidia 실리콘을 설계에 전혀 포함하지 않고, 오직 중국산 AI 칩으로만 채울 계획인 1기가와트 (1GW) 데이터 센터의 부분 운영을 시작했습니다. 이는 중국의 프론티어 연구소(frontier labs)가 자국산 가속기(accelerators)를 통해 최첨단 모델을 학습시키고 서비스할 수 있다는 가장 구체적인 증거이며, 향후 GLM 플랫폼을 호스팅하게 될 시설입니다.

1기가와트(1GW)는 마케팅용 숫자가 아닙니다. 이는 대형 원자력 발전소의 출력과 거의 비슷하며, 약 100만 가구의 전력 수요와 맞먹는 수준입니다. 이를 방지하기 위해 특별히 설계된 수출 통제(export controls)를 받고 있는 국가에서 자국산 실리콘으로 구축한다는 것은 향후 10년 동안 연구될 만한 이정표입니다.

이 글은 Z.AI가 실제로 무엇을 구축했는지, 어떤 칩들이 현실적으로 그곳을 채우고 있는지, 중요한 수치 면에서 자국산 하드웨어가 어떻게 비교되는지, 그리고 거의 모든 사람이 잘못 알고 있는 부분인 — 왜 이것이 칩의 이야기만큼이나 '전력(power)'의 이야기인지에 대해 다룹니다.

핵심 요약 (Key Takeaways)

• Z.AI는 2026년 7월 20일에 중국산 칩만 구동하도록 설계된 1기가와트 (1GW) AI 데이터 센터의 부분 운영을 시작했습니다.
• 중국 AI 칩 시장에서 Nvidia의 점유율은 약 95%에서 약 55%로 하락했으며, 수출 통제는 자국 내 도입을 늦추기보다 오히려 가속화했습니다.
• Huawei는 2026년 3월 20일에 Ascend 950PR을 출시했으며, Nvidia H20 대비 약 2.87배의 FP4 연산 성능(compute)을 갖췄다고 주장했습니다. 전력 소모는 칩당 약 600W로, 칩당 약 200W 더 높습니다.
• Huawei는 2026년에 약 600,000개의 Ascend 910C 칩을, 라인업 전체에 걸쳐 최대 160만 개의 Ascend 다이(dies)를 계획하고 있습니다.
• 2026년에는 5개의 AI 데이터 센터가 1GW 이상의 규모에 도달할 것으로 예상되며, 각 센터는 서로 다른 하이퍼스케일러(hyperscaler)에 의해 운영됩니다. Z.AI의 센터는 완전히 자국산 스택(stack)으로 구축된 첫 번째 사례입니다.

Z.AI는 실제로 무엇을 구축했는가?

Z.AI는 1기가와트 (1GW) 전력 범위를 수용하도록 설계된 데이터 센터 캠퍼스의 건설을 완료했으며, 제한을 받는 Nvidia 부품 대신 중국산 가속기(accelerators)로만 완전히 채우겠다는 명시적인 의도를 가지고 그 일부를 운영하기 시작했습니다. 이 시설은 회사의 GLM 모델 제품군 — Terminal-Bench 2.1에서 81.0점을 기록하여 서구의 프런티어 (frontier) 모델들과 불과 몇 점 차이로 맞붙는 GLM-5.2와 동일한 라인업 — 의 개발 및 배포를 지원하기 위한 것입니다.

두 가지 세부 사항은 놓치기 쉽습니다. 첫째, "완공(completed)"과 "완전 가동(fully operational)"은 서로 다른 상태입니다. Bloomberg의 보고서는 부분적인 운영을 설명하고 있는데, 이는 이 정도 규모의 구축에서는 일반적인 일이며, 또한 용량 주장은 현재의 처리량 (throughput)이 아닌 설계 목표로 해석되어야 함을 의미합니다. 둘째, 1 GW 설계 범위가 오늘날 1 GW 분량의 칩이 설치되었음을 의미하지는 않습니다. 이는 그리드 연결 (grid connection), 냉각 및 전력 분배가 이를 위해 설계되었음을 의미합니다.

이러한 차이점을 유념할 가치가 있는데, 왜냐하면 이는 서구의 기가와트 규모 프로젝트들에 대한 대부분의 보도에서도 똑같이 뭉뚱그려지는 차이점이기 때문입니다.

Rows of server racks inside a large AI data center facility

실제로 어떤 중국산 AI 칩들이 이런 시설을 채우는가?

현실적으로 Huawei의 Ascend 라인이 대부분의 역할을 수행하며, Cambricon, Alibaba의 T-Head, 그리고 Baidu의 Kunlunxin 부품들이 이를 보완합니다. Huawei는 현재 기가와트 규모의 캠퍼스가 요구하는 물량을 공급할 수 있는 유일한 국내 벤더 (vendor)입니다.

주력 제품은 2026년 3월 20일에 출시된 Ascend 950PR로, Atlas 350 가속기 카드 (accelerator card)의 연산 코어 (compute core) 역할을 합니다. 보고된 수치에 따르면, 이 칩의 FP4 연산 능력은 중국이 구매할 수 있도록 허용된 수출 준수 부품 (export-compliant part)인 Nvidia H20의 약 2.87배에 달하지만, 전력 소모는 약 600W로 칩당 약 200W 더 높습니다. 출시 관련 보도는 또한 마이그레이션 비용 (migration cost)을 낮추기 위한 목적으로 설계된 CUDA 호환 소프트웨어 스택 (CUDA-compatible software stack)과 함께, ByteDance가 약 56억 달러를 투입하기로 약속했다는 보고를 언급했습니다.

전력 수치는 이 논쟁을 축약해서 보여주는 핵심입니다. 국산 칩들은 처리량 (throughput) 측면에서는 경쟁력이 있지만 효율성 (efficiency) 면에서는 떨어집니다. 이는 풍부한 전력을 보유하고 있을 때에만 생존 가능한 모델입니다. 중국은 전력이 풍부합니다. 이는 지리적 우연이 아니라, 20년간의 그리드 (grid) 투자가 마침내 예상치 못한 배당금을 지급하고 있는 것입니다.

중국이 AI 칩의 격차를 줄였는가?

효율성 측면에서는 그렇지 않지만, 가용성 (availability) 측면에서는 대체로 그렇습니다. 중국 AI 칩 시장에서 Nvidia의 점유율은 약 95%에서 약 55%로 하락했으며, 그 동력은 수출 통제 (export controls)였습니다. 공급을 제한함으로써 Huawei와 그 동료 기업들이 가격 경쟁에 밀릴 걱정 없이 투자할 수 있는 보장된 내수 시장을 만들어냈습니다.

보고에 따르면 Huawei는 해당 기간 동안 전체 시장의 약 20%에 해당하는 약 812,000개의 Ascend 칩을 출하했으며, 2026년에 약 600,000개의 910C 칩을 계획하고 있어 전체 Ascend 라인을 최대 160만 개의 다이 (dies) 규모로 확장할 예정입니다. 이는 프로토타입 (prototype) 수치가 아닙니다. 대량 생산 (volume-manufacturing) 수치입니다.

통제(controls)가 방어선을 유지할 것이라고 기대했던 누구에게나 이 전략적 해석은 불편할 것입니다. 자본, 엔지니어, 그리고 전력을 보유한 국가에서 특정 부품을 제한한다고 해서 그 부품의 존재 자체를 막을 수는 없습니다. 단지 그것을 만드는 주체가 바뀔 뿐입니다. 우리는 맞춤형 AI 칩 혁명 (custom AI chip revolution)에서 이 역학 관계의 거울 이미지를 보았습니다. 당시 서구의 하이퍼스케일러(hyperscalers)들은 정치적 이유가 아닌 비용 문제로 자체 실리콘(in-house silicon)을 구축했습니다. 동기는 달랐지만 결과는 같았습니다.

Electrical infrastructure and cooling systems powering a data center

왜 1기가와트(gigawatt)가 중요한 수치인가

업계는 조용히 측정 단위를 변경했습니다. 2년 전 AI 용량은 GPU 개수로 논의되었습니다. 2026년에는 기가와트(gigawatts)로 논의되는데, 이는 전력이 어디에서나 제약 조건(binding constraint)이 되었기 때문입니다.

2026년 동안 5개의 AI 데이터 센터가 1GW 또는 그 이상의 규모에 도달할 것으로 예상되며, 각 센터는 서로 다른 하이퍼스케일러(hyperscaler)에 의해 운영됩니다. 그리고 미국 그리드 운영자들은 이로 인해 발생하는 상호 연결 대기열(interconnection queue) 문제로 공개적으로 어려움을 겪고 있습니다. 미국에서 대규모 신규 그리드 연결을 기다리는 시간은 이제 수년 단위로 측정되며, 이는 종종 해당 그리드를 채울 칩을 설계하고 제조하는 데 걸리는 시간보다 더 깁니다.

이 지점에서 Z.AI 시설은 상징적인 수준을 넘어 진정으로 전략적인 가치를 갖게 됩니다. 만약 당신의 칩이 30% 덜 효율적이라 하더라도, 경쟁사가 인허가 및 송전망 업그레이드를 위해 필요한 시간의 아주 일부만으로 1기가와트 규모의 캠퍼스에 전력을 공급할 수 있다면, 효율성 격차는 더 이상 결정적인 요소가 되지 않습니다. 와트당 연산량(compute per watt)이 아니라, 연간 제공되는 연산량(compute delivered per year)이 차세대 모델을 누가 학습시킬지를 결정하는 지표입니다.

모두가 놓친 관점: 전력이 부족할 때만 효율성이 중요하다

중국산 가속기(accelerators)에 대한 서구의 분석은 거의 항상 와트당 성능(performance-per-watt)에서 끝을 맺으며, "여전히 뒤처져 있다"는 결론을 내리고 멈춥니다. 이러한 결론은 전력이 희소한 투입 요소인 시장의 가정을 그대로 가져온 것입니다.

이 가정을 뒤집으면 분석은 반전됩니다. 발전 용량이 과잉되어 있고 인허가 절차가 빠른 시스템에서는, 성능의 90%를 내면서 전력을 50% 더 소모하는 칩이 타협안이 아니라 합리적인 거래가 됩니다. 왜냐하면 제약 조건이 되는 자원은 전기가 아니라 _파운드리 용량(fab capacity)과 인도 시간(delivery time)_이기 때문입니다. Z.AI의 시설은 그러한 거래가 대규모로 구현된 모습입니다. 즉, 낮은 효율성을 수용하는 대신 국내 공급의 확실성을 확보하고, 일정(schedule) 측면에서 승리하는 것입니다.

이것이 바로 Nvidia와 SK하이닉스의 HBM4 계약과 이 데이터 센터가 하나의 이야기의 두 측면인 이유이기도 합니다. 한쪽은 지구상에서 가장 효율적인 메모리에 대한 접근을 보장하기 위해 막대한 비용을 지출하고 있으며, 다른 한쪽은 그 필요성에 맞춰 설계를 진행하고 있습니다. 판의 반대편 이야기를 확인하려면 5,000억 달러 규모의 Nvidia–SK하이닉스 HBM4 계약에 대한 저희의 분석을 읽어보십시오.

개발자들에게 있어 실질적인 결과는 이미 눈에 보이고 있습니다. 중국산 모델은 저렴하고 유능하며, 점점 더 서구에 대한 의존성이 전혀 없는 인프라에서 호스팅되고 있습니다. 이것이 바로 저희가 중국 AI 모델이 현재 기업 API 트래픽의 최대 46%를 차지하고 있음을 기록했던 트래픽 변화의 배후에 있는 공급망이며, Kimi K3와 같은 출시 제품들이 가하는 가격 압박의 배후에 있는 공급망입니다.

이것이 중국 외 팀들에게 가져올 변화

기술적으로는 거의 변하는 것이 없지만, 상업적으로는 상당히 많은 것이 변합니다. 세 가지 구체적인 영향은 다음과 같습니다:

1. 가격 하한선이 계속해서 낮아집니다. 자체적인 기가와트(GW)급 캠퍼스와 가속기(accelerator)를 보유한 연구소는 하이퍼스케일러(hyperscaler)의 마진이나 Nvidia의 마진을 포함하지 않는 비용 구조를 갖게 됩니다. 이러한 구조 덕분에 100만 입력 토큰당 0.20달러 미만의 가격이 프로모션이 아닌 지속 가능한 수준으로 유지될 수 있습니다. 이러한 압박의 현재 벤치마크는 DeepSeek V4 Flash 0731 at $0.14/M을 참조하십시오.
2. 오픈 웨이트 (Open weights)가 계속해서 등장합니다. 국내 인프라는 가중치(weights)를 공개적으로 배포하는 전략적 비용을 낮춰줍니다. 왜냐하면 배포가 더 이상 서구권 클라우드의 호의에 의존하지 않기 때문입니다. 오픈 웨이트의 프런티어(frontier)는 중국 연구소들에 의해 계속해서 설정될 것으로 예상됩니다.
3. 역량(capability)이 아닌 조달(procurement)이 결정적인 질문이 됩니다. 만약 귀하의 조직이 중국에 호스팅된 API로 데이터를 보낼 수 없다면, 성능 점수는 무의미합니다. 이에 대한 해결책은 자체 하드웨어에 오픈 웨이트를 셀프 호스팅(self-hosting)하는 것이며, 이는 논의의 중심을 벤더 선정에서 추론 인프라(inference infrastructure)로 전환시킵니다.

만약 귀하가 세 번째 범주에 해당한다면, 실질적인 경로는 가중치를 직접 실행하는 것입니다. LLM을 로컬에서 실행하는 방법과 vLLM vs Ollama에 대한 당사의 가이드는 서빙(serving) 측면을 다룹니다. 요약하자면, 자체 GPU에서 실행되는 양자화된(quantized) 중간 크기 모델은 이제 대부분의 프로덕션 작업에서 프런티어 API와 진정으로 경쟁할 수 있으며, 데이터 거주성(residency) 문제를 완전히 우회할 수 있습니다.

자주 묻는 질문 (Frequently Asked Questions)

Z.AI의 1GW 데이터 센터란 무엇인가요?
중국에 위치한 AI 데이터 센터 캠퍼스로, 2026년 7월 20일 기준으로 완공되어 부분적으로 운영 중입니다. 1기가와트(GW) 전력 범위를 갖도록 설계되었으며, 오직 중국산 AI 칩으로만 구동되도록 설계되었습니다. 이 센터는 Z.AI의 GLM 모델 제품군(model family)의 개발 및 배포를 지원할 것입니다.

어떤 중국산 AI 칩이 Nvidia GPU를 대체하나요?
Huawei의 Ascend 라인이 주요 대안이며, 2026년 3월에 출시된 Ascend 950PR이 이를 주도하고 있습니다. 이와 함께 Cambricon, Alibaba의 T-Head, Baidu의 Kunlunxin 부품들도 사용됩니다. Huawei는 2026년에 약 600,000개의 Ascend 910C 칩을 계획하고 있으며, 전체적으로는 최대 160만 개의 Ascend 다이(dies)를 계획하고 있습니다.

중국산 AI 칩이 Nvidia만큼 성능이 좋은가요?
순수 처리량(raw throughput) 측면에서는 경쟁력이 있습니다. Ascend 950PR은 수출 제한을 받는 Nvidia의 H20보다 약 2.87배 높은 FP4 연산 성능을 제공하는 것으로 알려져 있습니다. 에너지 효율성 측면에서는 약 600W를 소모하여 약 400W를 소모하는 제품들에 비해 뒤처집니다. 소프트웨어 성숙도(software maturity)는 여전히 더 큰 실질적인 격차로 남아 있습니다.

1기가와트(1GW) 데이터 센터는 전력을 얼마나 사용하나요?
대형 원자력 발전소의 출력 또는 미국 내 약 100만 가구의 전력 수요와 비슷합니다. 2026년 중에 5개의 AI 데이터 센터가 이 정도 규모에 도달할 것으로 예상됩니다.

미국의 수출 통제는 실패했나요?
Nvidia의 판매를 제한하는 데는 성공했지만, 중국 내부의 역량 확보를 막는 데는 실패했습니다. Nvidia의 중국 시장 점유율은 약 95%에서 55%로 하락했지만, 그 빈자리는 비어 있는 대신 Huawei가 채웠으며, 이는 이전에 확실한 고객 기반이 부족했던 중국 내수 산업을 가속화했습니다.

중국산 칩으로 학습된 모델을 사용할 수 있나요?
네, GLM 및 DeepSeek와 같은 모델은 API를 통해 제공되며, 여러 경우 오픈 웨이트(open weights)로도 제공됩니다. 모델이 학습된 하드웨어는 사용성에 영향을 미치지 않습니다. 기업의 도입을 가로막는 것은 실리콘(silicon)이 아니라, 일반적으로 데이터 거주성(data residency) 및 조달 정책입니다.