a16z의 투자자 Martin Casado가 _The Economist_에서 인용한 추정치에 따르면, 생성형 인공지능 (Generative AI)을 사용하는 스타트업의 80%가 이미 기술 스택의 어느 시점에서 최소 하나 이상의 중국 모델을 실행하고 있습니다. 이 수치는 왜 **중국산 오픈 모델 (Open Chinese Models)**에 대한 논쟁이 단순한 지정학적 호기심을 넘어, 오늘날 모든 엔지니어링 팀이 인지하지 못하더라도 내리고 있는 아키텍처 결정이 되었는지를 설명해 줍니다.

Moonshot AI와 Alibaba는 자체 벤치마크에 따르면 OpenAI 및 Anthropic의 모델과 대등하면서도 훈련 컴퓨팅 자원은 훨씬 적게 사용하는 모델들을 선보였습니다. 이는 워싱턴이 GPU 수출 통제를 중국의 인공지능 발전을 막는 주요 제동 장치로 계속 활용하고 있는 가운데 발생한 일입니다. The Verge의 분석가 Robert Hart에 따르면, 그 결과 AI 최전선에서 미국의 우위는 점점 더 좁아지고 있습니다.

요약 (TL;DR)

• Martin Casado (a16z)는 _The Economist_에서 스타트업의 80%가 프로덕션 환경에서 최소 하나 이상의 중국 AI 모델을 사용한다고 밝혔습니다.
• Moonshot AI와 Alibaba는 OpenAI 및 Anthropic과 대등하다고 주장하면서도 훈련 컴퓨팅 비용은 훨씬 적게 드는 모델들을 출시했습니다.
• 미국의 GPU 수출 통제는 중국의 훈련을 막지는 못했지만, 글로벌 규모의 중앙 집중식 배포는 제한했습니다.
• 중국은 모델을 오픈 웨이트 (Open Weights)로 공개합니다. 즉, 폐쇄형 API에 의존하지 않고도 다운로드, 자체 호스팅 및 수정이 가능합니다.
• werd.io의 분석에 따르면, LLM (대규모 언어 모델)의 진정한 해자 (Moat)는 모델 자체에 있는 것이 아니라 계약, 기업 통합 및 지원에 있습니다.
• LLM 공급업체를 변경하는 데 드는 코드 비용은 적습니다. 대부분의 상용 API는 OpenAI 형식과 호환됩니다.
• 오픈 웨이트 (Open Weights)는 오픈 소스 (Open Source)와 동일하지 않습니다. 이들은 이식성이 높고 허용적인 사용이 가능하지만, 항상 데이터셋이나 훈련 파이프라인을 포함하는 것은 아닙니다.

발생한 상황: 중국의 오픈 모델이 가속화하는 이유

작가 Ben Werdmuller는 werd.io에 게시된 에세이에서 이 현상을 다음과 같이 요약했습니다. 미국 연구소들은 자신들의 프런티어 모델 (Frontier models)을 폐쇄형 API 뒤에 가두어 두는 반면, 중국 연구소들은 이를 오픈 웨이트 (Open weights)로 공개하고 있다는 점입니다. 순수한 기술적 능력의 차이가 아니라, 바로 이러한 전략의 차이가 판도를 바꾸고 있습니다.

출시 순서는 매우 빨랐습니다. Moonshot AI는 Kimi 제품군을 업데이트했고, Alibaba는 Qwen을 확장했습니다. 이들의 내부 벤치마크 (Benchmarks)에 따르면, 이 모델들은 서구의 프런티어 모델들이 소비하는 컴퓨팅 자원의 아주 일부만을 사용하여 훈련되었음에도 불구하고 OpenAI 및 Anthropic의 폐쇄형 제품들과 대등하게 경쟁합니다. Robert Hart는 _The Verge_에서 이를 '이중 타격'이라고 묘사했습니다. 즉, 성능은 프런티어 수준에 근접하면서도 비용은 그 수준에서 멀리 떨어져 있다는 것입니다.

전환의 배경과 역사

수년 전부터 미국 정부는 중국에 대한 차세대 GPU 수출을 제한하고 있으며, 중국 서버와 공유할 수 있는 데이터도 제한하고 있습니다. 이로 인한 실질적인 결과는 중국 내 대규모 모델 훈련을 저지한 것이 아니라(훈련은 여전히 계속되고 있습니다), 중국 기업들이 오늘날 OpenAI나 Anthropic이 자체 클라우드를 통해 제공하는 것과 동일한 유형의 중앙 집중식 글로벌 서비스를 제공하는 것을 어렵게 만들었다는 점입니다.

바로 여기에 전략이 있습니다. 전 세계적인 규모로 중앙 집중식 액세스(centralized access)를 판매하여 경쟁할 수 없다면, 모델의 가중치(weights)를 무료로 제공함으로써 경쟁할 수 있습니다. 오픈 모델(open model)은 사용자가 원하는 곳 어디든, 즉 자체 서버, 다른 클라우드 제공업체, 심지어 영구적인 인터넷 연결이 없는 환경에서도 호스팅할 수 있습니다. 이는 컴퓨팅(computing)의 열세를 배포(distribution)의 우위로 전환하는 것이며, 바로 이 기사의 시초가 된 werd.io 에세이의 핵심 논거이기도 합니다.

GPU 수출 통제는 모델의 학습(training)을 막지는 못했지만, 중앙 집중식 배포(centralized deployment)는 막았습니다.

역사적 평행 이론은 인터넷 인프라에서 찾아볼 수 있습니다. HTTP, TCP/IP, Linux와 같은 오픈 기술들은 누구나 허가 없이 사용할 수 있었기에 채택될 수 있었습니다. 반면, 폐쇄형 모델(closed model)은 고객이 장기적으로 단일 제공업체를 신뢰해야 한다는 점에 의존하는데, 실제로 LLM(대규모 언어 모델)에 대해 그렇게 행동하는 사람은 거의 없습니다. 사람들은 사용 가능한 최선의 모델을 선택하며, 더 나은 모델이 나타나면 제공업체를 변경합니다.

기술적 세부 사항 및 성능

근본적인 기술적 이유는 언어 모델(Language Model) 그 자체가 하나의 제품으로서, 브랜드 충성도와 공급업체 변경에 따른 표면적인 비용 외에는 해자(Moat)가 거의 없기 때문입니다. 오늘날 거의 모든 상용 LLM API는 OpenAI가 대중화시킨 요청 및 응답 형식을 복제하고 있습니다. 이는 모델을 전환할 때 애플리케이션 로직을 다시 작성할 필요 없이, 단순히 베이스 URL(Base URL)과 API 키를 변경하는 문제인 경우가 많음을 의미합니다.

가장 흔히 간과되는 점은 오픈 웨이트(Open Weights)가 오픈 소스(Open Source)와 동일하지 않다는 것입니다. 오픈 웨이트 모델은 다운로드하여 실행할 수 있지만, 일반적으로 전체 학습 데이터셋(Training Dataset)이나 모델을 생성하는 데 사용된 정확한 파이프라인을 포함하지는 않습니다. 이는 이식성이 높고 허용적인 사용이 가능하지만, 반드시 처음부터 끝까지 감사(Auditable) 가능한 것은 아닙니다.

실제로 개발 팀 입장에서 그 차이는 애플리케이션 아키텍처가 아닌 코드에서 나타납니다:

import openai

client = openai.OpenAI(
...

단 두 줄만 바꾸면, 동일한 클라이언트가 오픈 웨이트 기반의 중국산 모델을 제공하는 공급업체를 가리키게 됩니다:

import openai

client = openai.OpenAI(
...

나머지 코드, 프롬프트 (prompt), 에러 처리 (error handling), 응답 파싱 (parsing)은 변경되지 않습니다. 이것이 바로 Casado가 주장하는 핵심입니다. 만약 공급업체를 전환하는 데 단 두 줄의 코드만 필요하다면, 폐쇄형 모델 (closed model)의 해자 (moat)는 상업적 담론에서 보이는 것보다 훨씬 더 취약하다는 것입니다.

오늘 바로 테스트하는 방법

자체 인프라를 구축하지 않고 폐쇄형 모델과 오픈 웨이트 모델 (open weights model)을 비교하는 가장 빠른 방법은 OpenRouter와 같은 API 애그리게이터 (aggregator)를 사용하는 것입니다. OpenRouter는 중국 및 서구권 모델들을 동일한 요청 형식으로 노출합니다.

Windows (PowerShell):

python -m venv venv
.\venv\Scripts\Activate.ps1
pip install openai
...

macOS:

python3 -m venv venv
source venv/bin/activate
pip install openai
...

Linux:

python3 -m venv venv
source venv/bin/activate
pip install openai
...

API를 통해 소비하는 대신 모델을 직접 호스팅 (self-host)하고 싶다면, 일반적인 경로는 Hugging Face에서 huggingface_hub 라이브러리를 사용하여 가중치 (weights)를 다운로드하고 로컬 추론 런타임 (inference runtime)으로 서빙하는 것입니다. 호출이 조용히 폴백 (fallback)되지 않고 실제로 예상한 모델을 사용하고 있는지 확인하려면, JSON 응답의 model 필드를 확인하십시오. 이 필드는 요청한 식별자와 정확히 일치해야 합니다 (예: moonshotai/kimi-k2).

💡 팁: 프로덕션 워크플로우를 마이그레이션하기 전에, 동일한 프롬프트를 폐쇄형 모델과 오픈 모델에 모두 실행하여 타사의 벤치마크 (benchmark)가 아닌 여러분의 실제 데이터를 바탕으로 지연 시간 (latency)과 품질을 비교해 보세요.

영향 및 분석

werd.io 에세이의 근저에 깔린 추론은 기술적인 것이 아니라 경제적인 것입니다. 오픈 모델 (open models)을 공개하는 것은 미국 기업들이 돈을 버는 계층을 범용화 (comoditize)하지만, 그 대가로 더 많은 사람들이 그 기반 위에서 무언가를 구축하는 훨씬 더 큰 글로벌 생태계를 만듭니다. 중국의 경우, 이는 외국 공급업체와 계약을 협상할 필요 없이 오픈 모델을 자국의 인프라에 연결할 수 있는 제조, 과학 연구 및 기타 모든 분야에서 이득을 의미합니다.
모델의 범용화 (comoditization)는 AI 비즈니스를 없애는 것이 아니라, 다른 계층으로 이동시키는 것입니다.

flowchart TD
    A["GPU 수출 통제"] --> B["중국은 더 적은 수의 최첨단 GPU로 학습"]
    B --> C["오픈 웨이트 (open weights) 공개: Kimi, Qwen, GLM"]
...

이 논리에는 정직한 한계가 있습니다. 오픈 모델은 여전히 그것을 학습시키는 사람의 비전을 반영한다는 점입니다. 중국 모델들은 중국 정부에 민감한 특정 주제들을 체계적으로 회피하며, 이는 해당 모델을 최종 사용자용 제품에 채택하려는 모든 팀이 통합한 후가 아니라 통합하기 전에 반드시 평가해야 할 사항입니다.

⚠️ 주의: 오픈 웨이트 (open weights)가 편집적 중립성을 의미하지는 않습니다. 이러한 유형의 모델을 사용자에게 선보이기 전에, 해당 모델의 원산지 국가에서 정치적으로 민감한 주제에 어떻게 반응하는지 테스트해 보세요.

werd.io 분석이 지적하는 또 다른 점은 최근 미국의 경제 성장 상당 부분이 빅테크 기업들의 AI 지출과 결부되어 있다는 것입니다. 만약 오픈 모델이라는 대안이 동일하게 우수하면서 훨씬 더 저렴하기 때문에 폐쇄형 모델 (closed models) 비즈니스의 마진이 줄어든다면, 그 영향은 스타트업에만 머물지 않습니다. 이는 현재 업계 자본 지출의 상당 부분을 지탱하고 있는 연구소들의 기업 가치 (valuation)에까지 미치게 됩니다.

향후 전망

원문 에세이의 저자 본인은 해결책을 제시합니다. 수출 통제(export controls)를 유일한 전략으로 삼는 대신, 공공 AI 인프라, 연합 서비스(federated services), 그리고 개방형 연구(open research)에 투자하는 것입니다. 현재 이러한 이니셔티브 중 어느 것도 폐쇄형 연구소(closed labs) 수준의 자금력이나 규모를 갖추고 있지는 않지만, 이는 가중치(weights)를 무료로 배포하는 중국의 전략에 대한 직접적인 대응책입니다.

LATAM(라틴 아메리카)의 개발 팀에게 있어 실질적인 함의는 더욱 즉각적입니다. 프런티어 폐쇄형 모델(closed frontier model)과 경쟁력 있는 개방형 모델 사이의 가격 격차는 이미 충분히 작기 때문에, 새로운 제품을 만들 때 단일 공급업체에 전념하기 전에 최소한 두 가지를 모두 테스트해 볼 가치가 있습니다.

📖 Telegram 요약: 요약 보기

직접 시도해 보세요: 이 기사의 두 번째 코드 블록을 귀하의 실제 프로덕션 프롬프트(production prompt)에 적용하여 현재 사용 중인 공급업체의 결과와 한 줄씩 비교해 보십시오.

자주 묻는 질문 (FAQ)

개방형 가중치 모델(open weights model)과 오픈 소스(open source)의 차이점은 무엇인가요?

개방형 가중치 모델은 자유롭게 다운로드하여 실행할 수 있지만, 일반적으로 전체 학습 데이터셋(training dataset)이나 정확한 파이프라인(pipeline)을 포함하지는 않습니다. 엄격한 의미에서의 오픈 소스는 모든 프로세스가 재현 가능(reproducible)하고 감사 가능(auditable)함을 의미합니다.

중국 외 지역의 기업에서 중국산 AI 모델을 사용하는 것이 합법인가요?

대부분의 국가에서 가능합니다. 각 모델이 발표한 사용 라이선스를 준수하고, 모델의 출처와 관계없이 동일하게 적용되는 현지의 데이터 보호 규정을 준수하는 한 합법입니다.

중국산 개방형 모델이 GPT나 Claude보다 토큰당 비용이 더 저렴한가요?

네, 일관되게 그렇습니다. 이는 단일 API를 통해 제공되는 폐쇄형 모델과 달리, 가격 경쟁을 벌이는 여러 공급업체를 통해 서비스되기 때문입니다.

폐쇄형 모델에서 개방형 모델로 마이그레이션하면 애플리케이션이 망가지나요?

만약 귀하의 통합(integration)이 OpenAI와 호환되는 API 형식을 사용한다면, 변경 사항은 대개 베이스 URL(base URL), 키(key), 그리고 모델 이름(model name)을 수정하는 것에 국한되며 나머지 코드는 건드릴 필요가 없습니다.

중국에서 훈련된 모델에 의존하는 데 따르는 실제 위험은 무엇인가요?

주된 위험은 성능에 관한 기술적 위험이 아니라, 중국 정부에 민감한 주제에 대한 편향(bias)과 데이터 처리(data handling)에 관한 규제 불확실성입니다.

미국이 자체적인 프런티어 모델(frontier models)을 공개함으로써 대응할 수 있을까요?

기술적으로는 가능하지만, werd.io의 분석에 따르면 현재의 상업적 인센티브는 미국 연구소들이 직접적인 수익을 보호하기 위해 모델을 폐쇄형(closed)으로 유지하도록 유도하고 있습니다.

참고 문헌