본문으로 건너뛰기

© 2026 Molayo

Tom's Hardware헤드라인2026. 06. 10. 19:11

중국, 80% 자국산 칩을 사용하는 국가 AI 데이터 센터 그리드 구축을 위해 2,950억 달러 규모의 계획 초안 작성 — 2028년 목표

요약

중국이 2028년까지 자국산 칩 비중을 80% 이상으로 높인 AI 데이터 센터 그리드 구축을 위해 2,950억 달러 규모의 계획을 수립 중입니다. 하지만 SMIC의 생산 능력 한계와 HBM 공급 부족 등 공급망 병목 현상이 주요 과제로 지적됩니다.

핵심 포인트

  • 2,950억 달러 규모의 국가적 AI 컴퓨팅 그리드 구축 계획
  • Huawei 등 자국산 AI 칩 조달 비중 80% 목표
  • SMIC의 생산 능력 및 HBM 공급 부족이 핵심 병목
  • 외국산 가속기(Nvidia, AMD 등) 사용에 대한 강력한 규제

China flag on a chip

중국이 5년 동안 전국적인 AI 데이터 센터 네트워크 구축을 위해 약 2조 위안(2,950억 달러)을 투입하는 계획을 초안 작성 중입니다. 논의 내용을 잘 아는 관계자들을 인용한 Bloomberg 보고서에 따르면, 목표는 AI 칩을 포함한 기반 기술의 최소 80%를 Huawei와 같은 국내 공급업체로부터 조달하는 것입니다.

국가발전개혁위원회(National Development and Reform Commission)가 이 네트워크의 청사진을 담당하며, 국영 통신사인 China Mobile과 China Telecom이 대부분의 시설을 운영하고 2028년까지 이를 단일 컴퓨팅 그리드로 연결할 예정입니다. 이 그리드 구축은 주권 채무(sovereign debt)와 초장기 특수 정부 채권에 크게 의존합니다. 해당 소식통들은 Bloomberg에 전력망 업그레이드 비용을 포함할 경우 총 자본 요구액이 5조 위안을 넘어설 수 있다고 밝혔습니다.

구축 자금을 마련하는 것은 쉽지만, 그 시설들을 국내 가속기(accelerators)로 채우는 것은 별개의 문제입니다. 80% 국내 조달 요건은 Nvidia와 AMD 가속기를 사실상 배제하므로, 중국은 SMIC가 물리적으로 생산할 수 있는 칩의 양에 의해 제한될 것입니다. 이 파운드리(foundry)의 가장 진보된 안정적 노드는 약 7nm에 해당하는 N+2 공정이며, 현재 가동률이 93% 이상을 기록하고 있어 정부 인증을 받은 모든 중국 칩 제조사가 동일한 웨이퍼 슬롯을 두고 경쟁함에 따라 여유 공간이 거의 없는 상태입니다.

또 다른 주요 병목 지점은 고대역폭 메모리(HBM)입니다. 매우 제한적인 국내 HBM 공급은 Huawei가 Ascend급 가속기를 얼마나 조립할 수 있는지를 제약합니다. Huawei는 작년에 약 812,000개의 칩을 출하했으며 2026년에는 프로세서 매출이 약 120억 달러에 달할 것으로 예상하고 있으나, 이러한 속도는 자체 공급망이 유지하기에 어려움을 겪고 있는 수준입니다. 중국의 국내 공급업체들이 2030년까지 중국 AI 칩 전체 수요의 약 76%만을 충당할 수 있을 것으로 추정되며, 그 사이 시장 규모는 670억 달러를 향해 성장할 전망입니다.

중국 정부는 일련의 새로운 통제 조치를 통해 외국산 실리콘(Silicon)에 대한 규제를 대폭 강화했습니다. 지난 8월, 중국 정부는 데이터 센터가 칩의 최소 50%를 현지에서 조달해야 한다는 요건을 도입했으며, 11월까지 국가 자금이 투입되는 프로젝트는 외국산 가속기(Accelerator) 사용이 전면 금지되었습니다. 보도에 따르면, 구축 공정률이 30% 미만인 프로젝트는 Nvidia, AMD, Intel 부품을 제거하라는 지시를 받았습니다.

중국 자체 산업계에서는 국내 하드웨어가 속도를 맞출 수 있을지에 대해 의문을 제기하고 있습니다. SMIC의 공동 CEO인 Zhao Haijun은 생산 능력을 급격히 늘리려는 시도가 데이터 센터를 유휴 상태로 만들 위험이 있다고 경고하며, 이를 교통량보다 앞서 고속도로를 건설하는 것에 비유했습니다. 중국의 칩 경영진들은 별도로 중국이 AI 데이터 센터용 실리콘의 최첨단 기술력에서 5년에서 10년 정도 뒤처져 있다는 점을 인정했습니다. DeepSeek이 모델 학습을 위해 Huawei 하드웨어로 방향을 틀었을 때 결국 Nvidia 하드웨어로 복귀한 사례는, 국내 부품이 추론(Inference)에는 충분할지 몰라도 가장 무거운 학습(Training) 워크로드에서는 여전히 어려움을 겪고 있다는 생각에 힘을 실어줍니다.

최신 뉴스, 분석 및 리뷰를 피드에서 받아보시려면 Google 뉴스에서 Tom's Hardware를 팔로우하거나, 저희를 선호 소스로 추가하세요.

Tom's Hardware의 최고의 뉴스 및 심층 리뷰를 이메일로 직접 받아보세요.

Google Preferred Source

Luke James는 프리랜서 작가이자 기자입니다. 법률 분야의 배경을 가지고 있지만, 기술 전반, 특히 하드웨어와 미세 전자공학(Microelectronics), 그리고 모든 규제 관련 사항에 개인적인 관심을 가지고 있습니다.

AI 자동 생성 콘텐츠

본 콘텐츠는 Tom's Hardware의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.

원문 바로가기
0

댓글

0