“중국의 인공지능 기술 자립 전략: 칩부터 대형언어모델까지”

“China’s drive toward self-reliance in artificial intelligence: from chips to large language models” 

독일 메르카토르 중국연구소(ERICS)가 7월 22일 발표한 보고서 「China’s Drive Toward Self-Reliance in Artificial Intelligence: From Chips to Large Language Models」는 중국이 인공지능(AI) 분야에서 기술 자립을 본격적으로 추진하고 있는 흐름을 AI 기술 스택 구조에 따라 분석하고 있다.

보고서는 AI 기술을 크게 세 가지 계층 ― 반도체 칩(하드웨어), 머신러닝 프레임워크(소프트웨어 인프라), 대형언어모델과 응용(응용 소프트웨어) ― 으로 나누고, 각 계층에서 중국의 기술 역량, 민간 기업의 경쟁력, 그리고 국가 주도의 전략 방향을 종합적으로 검토한다.

중국 정부는 미국의 반도체 수출 규제와 오픈소스 플랫폼에 대한 접근 제한 움직임에 대응해, AI 생태계의 “자주적이고 통제 가능한(自主可控)” 체계를 구축하려는 노력을 강화하고 있다. 이러한 전략은 단기적으로는 기술 안보 확보, 중장기적으로는 세계 AI 패권 경쟁에서 자립 기반을 갖추려는 목적을 내포한다.

AI 스택의 가장 하위 계층인 반도체 칩 부문은 기술 자립이 가장 절실한 영역이다. 중국은 화웨이를 중심으로 고성능 AI 칩 개발을 가속화하고 있으며, 7nm급 칩 양산을 시도하고 있다. 그러나 설계 도구(EDA), 고대역폭 메모리(HBM), 고급 패키징 기술은 여전히 미국과 그 동맹국에 의존하고 있다. 화웨이의 Ascend 칩은 이론상 성능은 높지만, 미국의 CUDA 생태계에 비해 호환성과 안정성이 떨어져 실제로는 제한적으로 사용되고 있다.

중간 계층인 머신러닝 프레임워크 부문에서는 바이두의 PaddlePaddle, 화웨이의 MindSpore 등 중국산 플랫폼이 존재하지만, 여전히 PyTorch와 TensorFlow 등 미국산 오픈소스 프레임워크가 압도적으로 사용된다. 중국은 Gitee 같은 자국산 오픈소스 플랫폼을 육성하며 GitHub 의존도를 줄이려 하지만, 글로벌 개발자 커뮤니티와의 연계 부족으로 한계가 뚜렷하다.

반면, 기술 스택의 최상단에 해당하는 대형언어모델(LLM)과 응용 분야에서는 중국이 빠르게 성장하고 있다. 특히 2024년 말 DeepSeek-R1의 출현은 중국이 LLM 경쟁에 본격 진입했음을 보여준다. DeepSeek은 비용 효율성과 연산 효율에서 주목받았고, 같은 시기 알리바바(Qwen), 화웨이(PanGu), 칭화대(GLM) 등도 경쟁력 있는 모델을 내놓았다. 정부는 LLM 자체 개발보다는 민간 주도의 생태계 조성에 초점을 맞추고 있으며, 예컨대 클라우드 컴퓨팅 비용에 대한 보조금 지원 등으로 간접적 지원을 강화하고 있다. 중국의 기업들은 모델 경쟁에서 응용 경쟁으로 무게중심을 옮기고 있으며, 의료, 교육, 산업용 로봇 등 분야별 특화 응용이 빠르게 확산되고 있다.

AI 기술 자립을 제약하는 요소로는 자금, 인재, 데이터, 인프라 등의 외생변수가 있다. 미국 자본의 철수 이후, 중국은 약 600억 위안 규모의 AI 국가 펀드를 조성해 대응하고 있으며, 인재 확보 차원에서도 귀국 장려 정책과 함께 일부 성과를 보이고 있다. 그러나 고급 알고리즘 전문가나 소프트웨어 엔지니어의 부족은 여전히 문제로 남는다. 데이터 측면에서도 고품질, 통합 데이터 부족은 LLM의 학습 기반을 약화시키는 요인으로 작용하고 있으며, 국가데이터국을 중심으로 통합 체계를 구축하려는 시도가 진행되고 있다. 물리적 인프라 측면에서는 에너지 효율을 강조하며 내륙 지역의 데이터센터 구축과 엣지 컴퓨팅 환경 조성이 함께 추진되고 있다.

MERICS는 보고서 말미에서 유럽이 중국의 AI 전략으로부터 얻을 수 있는 교훈을 제시한다. 유럽은 중국산 AI 기술을 수용할지에 대해 기술적 기준뿐 아니라 정치적 기준을 명확히 해야 하며, 범용 AI 경쟁보다는 산업특화 응용 분야에 집중하는 전략이 보다 현실적이라고 본다. 아울러 공공 데이터 인프라 구축과 AI 인재 육성을 국가적 우선과제로 삼아야 하며, DeepSeek이 제시한 ‘경량화·고효율’ 전략은 유럽형 LLM 개발의 벤치마크가 될 수 있다고 평가한다.

결론적으로 중국은 AI 응용 계층에서는 빠르게 성과를 축적하고 있지만, 칩과 핵심 소프트웨어 계층에서는 여전히 글로벌 공급망과 기술 생태계에 대한 의존이 크다. 이러한 구조적 한계는 미중 기술 경쟁의 향방, 오픈소스 생태계의 접근 가능성, 그리고 당국의 정책 유연성에 따라 향후 강화 또는 완화될 수 있으며, 기술 자립은 단순한 기술 문제가 아니라 구조적이고 정치적인 과제임을 보여준다.