한눈에 읽는 미중 8대 최고 AI 기업과 모델 뒤에 선 창업자들

AI 창업에는 유일한 정답이 없습니다. 논문형 과학자, 학술 산업화 팀, 퀀트 엔지니어링 파, 교차 산업 기업가, 그리고 운영형 조직자 모두 이 경쟁에서 각자의 자리를 찾을 수 있습니다.

지난 10년 동안 인공지능은 연구실 속 최첨단 연구에서 테크 산업의 판도를 좌우하는 핵심 동력으로 변모했습니다. 오늘날 전 세계에서 가장 주목받는 AI 기업으로는 OpenAI, Google DeepMind, Anthropic, xAI는 물론, DeepSeek, Moonshot AI(月之暗面), Zhipu AI(智谱 AI), MiniMax까지 포함됩니다.

이들은 표면적으로는 모두 대형 모델을 개발하고 있지만, 그 이면에는 완전히 다른 창업 경로가 숨어 있습니다. 어떤 이는 최고 수준의 논문과 학술 연구에서 출발하고, 어떤 이는 대학의 연구 성과를 산업으로 이끌며, 어떤 이는 퀀트 금융에서 먼저 컴퓨팅 파워와 자본을 축적한 뒤 뛰어들고, 어떤 이는 자금 조달·제품·운영·조직에 뛰어나 기술 팀을 세계적인 기업으로 묶어냅니다.

🇨🇳중국: 연구 논문, 학술 연구실에서 퀀트 엔지니어링까지

Moonshot AI(月之暗面): 업계를 바꾼 한 편의 논문을 누구나 쓰는 제품으로

Moonshot AI는 2023년에 설립되었으며, 그 제품 Kimi는 중국 대형 모델 응용 가운데 가장 개성 뚜렷한 제품 중 하나입니다. 대표 모델 Kimi K3는 멀티모달, 긴 컨텍스트, 코딩 및 심층 추론에 집중합니다.

창립자 양즈린(杨植麟)은 1992년 광둥 산터우에서 태어나 칭화대 학부를 졸업하고 카네기멜런대에서 컴퓨터과학 박사 학위를 받았습니다. 자연어처리 분야의 연구자들을 사사했으며, 박사 과정 중 Transformer-XL, XLNet 등 후에 널리 인용된 연구에 참여했습니다. 이후 Google Brain과 Meta에서 AI 연구를 수행하기도 했습니다.

중국의 이번 창업자들 사이에서 양즈린이 걸어온 길은 가장 전형적인 유형입니다. 먼저 학계에서 자신의 판단력을 증명한 뒤, 그 판단력을 일반인이 곧바로 열어 쓸 수 있는 제품으로 바꾸는 식입니다. Zhipu AI처럼 기업 서비스에 더 무게를 둔 노선과 비교하면, Moonshot AI는 처음부터 C端(소비자 시장)을 겨냥했습니다.

Zhipu AI(智谱 AI): 칭화대 연구실에서 나온 산업화 표본

Zhipu AI는 2019년 설립되었으며, 칭화대 지식공학 연구실 체계에서 비롯됐습니다. 대표 기술 노선은 GLM 시리즈이고, 기초 모델, 기업 서비스, 모델 플랫폼을 장기적으로 배치해 왔습니다.

공동 창립자이자 CEO인 장펑(张鹏)은 학·석·박사 모두 칭화대에서 마쳤으며, 2005년부터 2020년까지 지식공학 연구실 및 AMiner 학술 플랫폼 구축에만 깊이 관여했습니다. 전통적인 인터넷 대기업 이력은 없습니다.

Zhipu AI의 독특한 점은 출발점에 있습니다. 이 회사는 하나의 히트 제품으로 처음부터 시작한 게 아니라, 대학 연구실이 10여 년 동안 쌓아온 지식 그래프와 학술 네트워크를 곧바로 외부에 서비스할 수 있는 기초 모델 플랫폼으로 전환시켰습니다. 이것이 Moonshot AI와의 가장 큰 분기점이기도 합니다. 하나는 플랫폼을 먼저 만들었고, 다른 하나는 제품을 먼저 만들었습니다.

DeepSeek: 퀀트 트레이딩으로 번 돈을 대형 모델에 쏟아붓다

DeepSeek는 2023년 설립되어 기초 모델, 학습 효율, 개방형 가중치에 집중하고 있으며, 대표 모델로는 DeepSeek-V3, R1 및 후속 V4 시리즈가 있습니다.

창립자 량원펑(梁文锋)은 1985년 광둥 잔장 우촨에서 태어나 저장대에서 전자정보공학 학사, 정보통신공학 석사 학위를 받았으며, 연구 방향은 머신 비전에 걸쳐 있었습니다. 그는 화웨이, 텐센트, 바이두 같은 대기업 이력 없이, 석사 과정 중 머신러닝 퀀트 트레이딩에 뛰어든 뒤 이어서 Huanfang Quant(幻方量化)를 공동 창업했습니다.

량원펑의 행보는 이들 기업 중에서 가장 특별합니다. 그는 연구자로 먼저 자리 잡은 뒤 자금을 찾은 게 아니라, 퀀트 투자로 먼저 자본과 컴퓨팅 파워를 축적한 뒤 그 자원을 다시 대형 모델 R&D에 투입했습니다. DeepSeek는 어떤 의미에서 “금융으로 번 컴퓨팅 파워를 AI에게 먹인” 산물입니다.

MiniMax: 대기업 기술 임원에서 멀티모달 창업자로

MiniMax는 2022년 설립된 멀티모달 기초 모델 기업으로, 텍스트·음성·이미지·영상을 아우르며, 하일루AI(海螺 AI)와 싱예(星野) 등의 제품을 보유하고 있습니다.

창립자 옌쥔제(闫俊杰)는 둥난대 수학 학사, 중국과학원 자동화연구소 인공지능 박사, 칭화대 박사후 연구원을 지냈습니다. 창업 전에는 SenseTime에서 6년 이상 근무하며 부사장 겸 연구원 부원장을 역임했습니다.

옌쥔제는 탄탄한 학술 훈련과 SenseTime 같은 대규모 AI 팀에서 제품과 조직을 관리한 실전 경험이라는 두 가지 이력을 함께 갖추고 있습니다. MiniMax가 더 어려운 멀티모달이라는 길을 택한 것 역시, 어떤 의미에서는 이 두 경험이 겹쳐진 자연스러운 선택입니다.

🇺🇸미국: 기초 연구, 안전 거버넌스에서 교차 산업 자원 통합까지

Anthropic: 한 쌍의 남매, 절반은 물리학자, 절반은 거버넌스 전문가

Anthropic은 2021년 OpenAI를 떠난 연구자들에 의해 설립되었습니다. 핵심 이념은 “AI 안전은 능력 개발과 동시에 추진되어야 한다”는 것이며, 대표 제품은 Claude 시리즈입니다.

공동 창립자이자 CEO인 다리오 아모데이(Dario Amodei)는 스탠퍼드대에서 물리학을 전공하고, 박사 과정은 프린스턴대에서 생물물리학으로 전환했습니다. 이러한 교차 학문적 배경은 이후 그의 연구 경로로 이어집니다. 그는 먼저 Google Brain의 선임 연구 과학자로 합류한 후, OpenAI로 옮겨 연구 부사장을 맡으며 GPT-2, GPT-3 학습에 참여했고, 초기 RLHF(인간 피드백 기반 강화 학습) 연구의 핵심 참여자이기도 합니다. 2021년, 그는 여동생 다니엘라(Daniela)를 비롯한 여러 OpenAI 동료들과 함께 회사를 나와 Anthropic을 세웠습니다.

다니엘라의 길은 완전히 달랐습니다. 그녀는 학부에서 영문학을 전공했고, 졸업 후 곧바로 기술 업계에 발을 들이지 않고 Stripe과 OpenAI에서 운영 관련 업무를 수행했습니다. Anthropic에서 그녀의 역할은 모델을 학습시키는 것이 아니라, 회사가 안전하고 안정적으로 돌아가는 저변 시스템을 구축하는 일이었습니다. 채용, 기업 거버넌스, 안전 정책의 현장 집행까지 포함됩니다.

이 남매 조합은 어떤 의미에서 Anthropic이라는 회사의 축소판과도 같습니다. 기술 노선을 판단하고 모델 능력의 한계를 읽어내는 다리오 같은 연구자가 회사를 지키는 한편, 조직과 프로세스, 리스크 관리를 이해하는 다니엘라 같은 사람도 필요하기 때문입니다.

OpenAI: 이야기꾼과 기술 전문가

OpenAI는 2015년에 설립되어 ChatGPT, GPT, Sora 등 상징적인 제품을 선보이며 생성형 AI를 대중의 시야로 이끈 핵심 기업입니다.

샘 올트먼(Sam Altman)은 스탠퍼드에서 컴퓨터과학을 2년 수료한 뒤 중퇴하고 위치 기반 소셜 기업 Loopt을 창업했으며, 이후 Y Combinator 대표를 역임했습니다. 그의 강점은 최고 수준의 논문을 발표하는 것이 아니라, 자금 조달, 제품 판단, 조직 동원, 그리고 기술 서사를 매력적으로 그려내는 능력에 있습니다.

일리야 수츠케버는 또 다른 유형입니다. 그는 토론토 대학교에서 수학 및 컴퓨터 과학 박사 학위를 받았으며, 딥러닝의 선구자인 제프리 힌턴에게 사사했고, 구글 브레인에서 AlexNet, Seq2Seq 등 주요 성과에 참여했으며, OpenAI 초기의 대규모 훈련 노선을 주도했습니다.

일리야가 OpenAI가 어떤 모델을 만들 수 있을지를 결정했다면, 샘은 이 회사가 살아남고 자금을 조달하며 기술을 판매할 수 있을지를 결정했습니다. 두 사람의 조합은 실리콘밸리에서 ‘과학자+조직자’라는 노선이 가장 성공적으로 실현된 사례에 가깝습니다.

xAI: 머스크가 자동차와 로켓을 만들던 그 능력을 AI에 접목하다

xAI는 2023년에 설립되었으며, 대표 제품은 Grok입니다. 실시간 정보, 추론, 생성형 미디어를 강조하며 X 플랫폼과 깊이 연동되어 있습니다.

설립자 Elon Musk는 남아프리카공화국 프리토리아에서 태어나 대학에서 물리학과 경제학을 공부했으며, 스탠퍼드대학교 대학원 과정에 잠시 몸담았다가 자퇴했습니다. 다른 AI 창업자들과 달리 그는 전통적인 대기업 이력을 가지고 있지 않으며, Zip2, PayPal, SpaceX, Neuralink 등 여러 회사를 공동 창업했고 오랫동안 Tesla를 이끌어 왔습니다.

머스크가 AI에 진입한 방식은 논문이나 연구실에서 출발하지 않고, 결제·전기차·우주항공·위성통신·소셜 플랫폼 등 여러 산업을 넘나들며 쌓은 자원을 통합해 대규모 모델 훈련에 필요한 컴퓨팅 파워와 데이터에 곧바로 쏟아붓는 식이었습니다.

Google DeepMind: 천재 바둑 기사가 게임에서 단백질로 가는 길을 걷다

Google DeepMind는 2010년 설립되어 2014년 Google에 인수되었으며, 현재 Google의 핵심 AI 연구개발 기관입니다. AlphaGo, AlphaFold, Gemini를 잇따라 내놓았습니다.

공동 창업자 겸 CEO Demis Hassabis는 영국 런던에서 태어나 케임브리지대학교에서 컴퓨터과학 1등 학위를, 유니버시티 칼리지 런던에서 인지신경과학 박사 학위를 받았습니다. 어린 시절 체스 고수였으며, 17세에 게임 《Theme Park》 개발에 참여했고, 이후 게임 회사 Elixir Studios를 직접 창업했습니다.

게임은 그에게 복잡계와 의사 결정에 대한 직관을 키워주었고, 신경과학은 ‘지능’ 그 자체를 바라보는 생물학적 시각을, 컴퓨터과학은 이러한 아이디어를 실제로 구현하는 공학적 능력을 제공했습니다. AlphaGo와 AlphaFold의 성공은 거의 이 세 가지 경험이 겹쳐진 결과물이며, 후자는 그가 2024년 노벨 화학상을 받는 데까지 이어졌습니다.

네 가지 창업자 경로: AI 창업에는 단일한 템플릿이 없다

이 여덟 개 회사를 되돌아보면 창업자 배경을 크게 네 가지 부류로 나눌 수 있습니다.

첫째 유형: 순수 기술 논문형 창업자.
양즈린(Yang Zhilin), 얜쥔제(Yan Junjie), Dario Amodei, Ilya Sutskever, Demis Hassabis는 모두 체계적인 연구 훈련을 받았으며, 기술 로드맵을 판단하고 연구팀을 이끌며 모델 성능이나 훈련 방법에서 진정한 해자를 구축할 수 있다는 공통점이 있습니다. 이 중 양즈린과 Ilya는 “업계를 바꾼 논문을 먼저 쓰고, 그다음 창업에 나서는” 경로에 더 가깝습니다. Hassabis는 컴퓨터·게임·신경과학이 교차하는 지점의 산물입니다.

둘째 유형: 대학 연구 성과의 산업화.
즈푸AI(Zhipu AI)가 가장 전형적인 사례로, 핵심 역량은 칭화대학교 지식공학연구소의 오랜 축적에서 직접 나왔습니다. ‘달의 뒷면(Moonshot AI)’ 역시 강한 칭화 및 해외 연구 유전자를 지니고 있지만, 경로는 더 시장 지향적입니다. 학술 성과를 기업 서비스로 패키징하는 데 머무르지 않고 곧바로 일반 대중을 위한 제품을 만들었습니다.

셋째 유형: 수학·공학·자본의 결합.
량원펑(Liang Wenfeng)과 머스크가 이 부류에 속하지만, 자원의 출처는 전혀 다릅니다. 량원펑은 퀀트 투자로 자본과 컴퓨팅 자원을 축적했고, 머스크는 결제·자동차·우주·소셜 플랫폼 등 다양한 산업군의 비즈니스를 통해 자원을 동원했습니다. 공통점은, AI에 진입하는 방식이 결코 알고리즘 자체에만 의존하지 않았다는 점입니다.

넷째 유형: 비기술형 조직가와 기술 창업자의 파트너십.
Sam Altman과 Daniela Amodei가 이 노선을 대표합니다. 이들이 반드시 최고 수준의 모델 연구자는 아닐 수 있지만, 회사가 인재를 모으고, 자금을 조달하고, 제품을 완성하며, 규제 압박을 견디고, 빠른 확장 속에서도 무너지지 않도록 하는 일은 이들의 손에 달려 있습니다.

최전선 AI 경쟁은 애초에 ‘누가 컴퓨터공학 박사 학위를 가졌는가’만의 문제도, ‘누가 더 큰 모델을 훈련할 수 있는가’만의 문제도 아닙니다.

한 회사가 계속 선두를 유지할 수 있을지를 진정으로 결정하는 것은 연구개발, 엔지니어링, 제품, 자본, 조직 역량이 폐쇄 루프를 이룰 수 있느냐 하는 점입니다. 과학자는 기술의 상한을 결정하고, 엔지니어링 팀은 모델이 실제로 구현될 수 있는지를 좌우하며, 제품 팀은 사용자가 기꺼이 사용할 것인지를 결정하고, 자본은 컴퓨팅 파워와 인재 투입을 좌우하며, 조직과 거버넌스는 회사가 장기간 굴러갈 수 있도록 만듭니다.

이런 관점에서 보면 AI 창업에는 유일한 정답이 없습니다.

논문형 과학자, 학술 성과 산업화 팀, 퀀트 엔지니어링 계열, 여러 산업을 넘나드는 기업가, 그리고 운영형 조직가 모두 이 경쟁에서 저마다의 자리를 찾을 수 있습니다.

서로 다른 역량을 하나의 체계로 통합할 수 있는 사람이야말로 인공지능의 다음 단계 물결에서 장기적인 승자가 될 가능성이 더 큽니다.