TL;DR

만약 당신에게 텍사스 홀덤 판에서 누가 이길지 바깥에서 베팅하라고 한다면, 절대 판 초반에 섣불리 베팅하지 마라.

1. 프리플랍, 현재 미국이 우위다. 최첨단 모델, 고성능 칩, 달러 자본, 클라우드 플랫폼, 글로벌 소프트웨어 진입로가 미국의 가장 정돈된 패를 구성한다. 만약 오늘 당장 카드를 까본다면, 미국의 승률이 더 높다.
2. 패가 너무 빨리 바뀌어, 우위가 곧 승리가 아니다. 대형 모델의 선두 유지 기간이 안정적인 세대 격차에서 끊임없이 열렸다 닫히는 시차로 단축되고 있다. Kimi K3가 일부 장기 코드 평가에서 부분적으로 역전한 것은, 중국이 카드를 읽고, 분석하고, 재조합하는 속도가 이미 크게 빨라졌음을 보여준다.
3. 컴퓨팅 파워가 칩 깊이를 결정하고, 알고리즘이 칩 액면가를 다시 매긴다. 미국은 고성능 칩, HBM, 인터커넥트, CUDA, 초대형 클러스터를 장악해 동시에 여러 베팅을 하고 반복해서 시행착오를 겪을 기회가 더 많다. 중국은 똑같이 높은 액면가의 칩을 확보할 수 없기에, 칩 하나하나의 구매력을 높이는 방법을 찾는다.
4. 미국은 히든 카드를 움켜쥐고, 중국은 게임 테이블을 넓힌다. OpenAI와 Anthropic은 능력 우위를 반복적으로 요금을 부과할 수 있는 ‘모델 임대료’로 바꾸려 한다. 중국 기업들은 저가, 공개 가중치, 온프레미스 배포를 통해 유통 권한을 확보하고, 클라우드 서비스, 산업 배포, 개발 표준이 형성하는 ‘생태계 임대료’를 두고 경쟁한다.
5. 토큰 가격은 베팅 금액일 뿐이며, 단위 작업 비용이 바로 팟에 대응한다. 가격이 싸다고 해서 결정타와는 거리가 멀다. 진정한 승부는 동일한 작업을 완료하는 데 결국 돈이 얼마나 드는가에 달려 있다. 미국은 실패 비용이 가장 큰 핵심 임무를 지키고, 중국은 훨씬 더 많은 일반 업무도 팟에 참여할 자격을 갖추도록 만들려 한다.
6. 자본은 시행착오할 권리를 사는 동시에 수익 회수 타이머를 작동시킨다. 미국의 민간 AI 투자 규모가 눈에 띄게 앞서 있어, 더 많은 경로에 동시에 베팅할 수 있다. 중국의 자본은 더 분산되어 있으며, 대기업, 산업 자본, 정책 역량에 더 의존한다. 양측이 태우는 것은 단순한 돈만이 아니라, 미래에서 빌려온 시간이기도 하다.
7. 시나리오가 많다고 해서 이미 승리 패가 된 것은 아니다. 중국은 실제 승부가 걸려 있는 다양한 비즈니스 패턴을 손에 쥐고 있다. 하지만 거래, 이행, 품질 검사, 장비 가동의 결과가 다시 학습으로 환류될 수 있어야만, 산업 규모가 모델 우위로 전환될 수 있다.
8. 마지막으로 누가 손실을 통제하고, 게임을 뒤엎을 변수를 피할 수 있는지가 관건이다. 고용 충격, 사기, 개인정보 유출 사고, 에이전트 통제 불능, 자본 거품, 봉쇄 심화, 심지어 AGI의 조기 도래까지도 오늘날 가장 값진 칩의 가치를 다시 매길 수 있다.

서장: 플레이어 착석, 텍사스 홀덤 개시

천장에서 낮게 드리운 빛, 녹색 펠트 테이블이 사방의 냉기를 빨아들이고, 남은 것은 칩과 카드, 그리고 쉽게 눈을 깜빡이지 않는 두 쌍의 눈동자뿐이다. 공기에는 커피, 식은 담배 연기, 서버 발열, 새로 인쇄된 지폐의 환각적인 냄새가 섞여 있다. 그것은 누군가가 미래를 담보로 잡히려는 듯한 기운이다.

딜러가 고개를 숙여 카드를 섞는다. 손가락은 깔끔하고, 동작은 부드럽다. 시간은 언제나 그렇다. 시간은 당신을 대신해 카드를 나눠줄 뿐, 책임까지 져주지는 않는다.

AI 테이블에는 원래 적지 않은 사람들이 앉아 있었다. 유럽은 규제 서류를 들고 왔다 갔고, 한·일은 칩 공급망의 자리를 끈질기게 물고 늘어졌으며, 중동은 에너지와 오일 머니 자본을 한 무더기씩 테이블 위에 올려놓았다. 하지만 블라인드가 오르면서, 첨단 모델, 초대형 클러스터, 글로벌 진입로를 한 라운드씩 끝까지 따라붙을 수 있는 플레이어는 주로 미국과 중국만 남게 되었다.

미국 앞에 쌓인 칩 더미는 맨해튼의 스카이라인을 닮았다. OpenAI, Anthropic, Google, Meta가 공개된 곳에서 독보적인 기세를 뽐내고, NVIDIA, 클라우드 플랫폼, 달러 자본, 글로벌 소프트웨어 진입로가 그 아래에서 단단히 받쳐주고 있다. 중국의 칩은 그만큼 정돈되어 있지 않지만, 빠르게 두꺼워지고 있다. DeepSeek, Qwen, Kimi, Zhipu AI, MiniMax, Stepfun과 그 이면의 인터넷 플랫폼, 오픈소스 커뮤니티, 국산 칩, 방대한 애플리케이션 시장은 이미 상대가 예전 배당률로 느긋하게 베팅할 수 없을 만큼 두터워졌다.

딜러는 말없이 카드를 뒤집어 펼친다. 그 위에는 수성 광택 잉크로 크게 쓰여 있다: 대형 모델.

ChatGPT가 등장했을 때는 확실히 충격적이었지만, 처음 사용자 생활에 들어왔을 때는 아마도 조금 더 똑똑해진 Siri에 불과했을지 모른다. 사람들은 그것에게 시를 쓰게 하고, 이야기를 만들게 하고, 양자역학을 설명시키면서, 진지한 말투로 횡설수설하는 답변을 캡처해 여기저기 퍼뜨리기도 했다. 불과 몇 년이 지난 지금, 그 채팅창은 어느덧 검색, 프로그래밍, 사무, 고객 서비스, 연구 프로세스 속으로 스며들었다.

이는 진정으로 일, 즉 생산성을 접수하기 시작했다.

1. 첨단 모델 능력: 먼저 패를 보고, 그다음 들어맞을 수 있을지를 본다

텍사스 홀덤이든 다른 카드 게임이든, 아주 단순한 이치가 있다. 큰 패를 뽑았다고 해서 이기는 것은 아니다. 큰 패라도 들어맞기까지는 아직 산 넘고 물 건너기 때문이다.

A와 K를 손에 쥐면 기세는 당당하지만, 플롭이 전혀 상관없는 카드라면 그것들도 잠시 A 하이에 불과하다. 반대로, 보잘것없어 보이는 두 장의 작은 카드도 커뮤니티 카드와 연결되면 오히려 몰래 스트레이트를 완성할 수 있다.

대형 모델이 바로 이 프리플랍 패인 셈이다.

1. 먼저 패 보기: 미국은 패가 크고, 중국은 이미 앞줄에 앉았다

벤치마크마다 측정하는 능력이 달라 단순히 총점으로 합칠 수는 없다. 하지만 2026년 7월 17일까지의 몇몇 핵심 리더보드를 펼쳐 놓고 보면, 현재 게임 테이블의 대략적인 구도가 보인다.

큰 패가 점점 많아지고 있지만, 아직 어떤 패 하나가 모든 판을 쓸어 담지는 못한다.

최강 모델만 놓고 보면, 미국은 여전히 더 큰 프리플랍 패를 쥐고 있다. Anthropic, OpenAI, Google, xAI, Meta가 첨단 모델의 요새를 형성하며, 범용 추론, 코딩, 멀티모달, 에이전트 분야에서 교대로 선두를 달리고 있다. 미국의 우위는 어느 한 기업이 우연히 정상에 오른 것이 아니라, 첨단 모델 공급의 전체적인 두께에 있다.

하지만 오늘 발표된 Kimi K3는 중국과 가장 큰 패 사이의 거리를 상당히 좁혔다. 제3자 평가 기관 Artificial Analysis는 K3에 57점을 부여하며 종합 지능 순위 4위에 올렸다. 이는 Claude Fable 5의 약 60점, GPT-5.6 Sol의 약 59점과 불과 2~3점 차이다. 이로써 중국 모델은 세계적인 종합 능력 상한선에 근접하기 시작했다.

코딩은 K3가 가장 멋지게 플레이한 카드다. 공개된 동일 그룹 테스트에서 K3의 Program Bench 점수는 77.8점으로 GPT-5.6 Sol의 77.6점을 근소하게 앞섰으며, SWE Marathon은 42.0점으로 Sol의 39.0점을 넘어섰고, Terminal-Bench 2.1은 88.3점으로 Sol의 88.8점에 바짝 따라붙었다. 사용자가 작품을 블라인드 선택하는 Frontend Code Arena에서는 K3가 1679점으로 1위를 차지했으며, 7개의 프론트엔드 세부 분야 중 6곳에서 1위를 기록했다.

이에 따라 국면이 변했다. 미국은 여전히 종합 능력, 범용 사용자 경험, 시스템화된 에이전트 능력의 상한선을 장악하고 있지만, 중국은 이미 코딩이라는 가치 높은 공용 카드에서 몇 수를 가져갈 수 있게 되었다.

중미 첨단 모델의 경쟁은 전방위 추격에서 부분적 우열로 전환되고 있다.

2. 경기 리듬: 세대 격차가 시차로 변하고 있다

벤치마크는 여전히 중요하지만, 점점 그 중요성이 옅어지고 있다.

핵심은, 그것이 이 순간의 게임 테이블 정지 화면만을 보여줄 뿐, 몇 주 후에 누가 여전히 정상에서 웃고 있을지 말해주기는 점점 더 어려워진다는 점이다.

모델 반복이 느릴 때는 한 번 선두를 잡으면 반년 이상의 세대 격차를 의미하곤 했다. 당시 리더보드의 높은 점수는 단순한 성적표가 아니라, 충분히 넓은 기술 해자를 의미했다. 26년 3월, 스탠퍼드 《2026 AI Index》에 따르면, 미국 최고 모델들은 이미 25점 미만의 Arena Elo 점수 차이라는 좁은 구간에 밀집해 있었으며, Qwen과 DeepSeek도 첨단 영역에 진입했다. 2025년 이후 중미 모델은 여러 차례 순위가 뒤바뀌었고, 2026년 3월 양측 최고 모델의 공개된 성능 차이는 약 2.7%다.

따라서 벤치마크가 상실하고 있는 것은 측정 능력이 아니라, 최종 승부를 예측하는 능력이다.

“중미 대형 모델 격차는 3개월에 불과하다”는 말은 바로 이러한 배경에서 나온 주장이다. 이는 실제로 중국이 모든 방향에서 미국에 3개월 뒤처져 있다는 의미가 아니라, 양측의 경쟁이 상대적으로 안정된 ‘세대 격차’에서 끊임없이 열리고 닫히는 ‘시차’로 바뀌고 있다는 뜻이다. Moonshot AI는 6월 12일 코드 특화 모델 K2.7 Code를 발표하고, 7월 17일 플래그십 K3를 출시하기까지 불과 35일밖에 걸리지 않았다. 코드, 수학, 멀티모달, 에이전트, 실제 제품 경험은 각자 다른 시계로 움직이며, 어떤 것은 몇 달 차이지만, 어떤 것은 불과 몇 주 차이로 좁혀졌다.

추격 속도를 한층 더 높인 것은 디스틸레이션(증류)이다. 학생 모델은 교사 모델의 파라미터를 볼 필요 없이, 그 답변, 코드 솔루션, 도구 사용 방식을 대량 학습함으로써 상대가 이미 뚫어놓은 길을 따라 더 빨리 일부 판단 경로를 습득할 수 있다. 증류 자체는 흔한 기술이다. 논란의 핵심은, 경쟁자가 허가 없이 다른 상업 모델을 대규모로 호출했는지 여부에 있다.

2026년 6월, Anthropic은 미국 상원의원에게 서한을 보내, 알리바바 및 Qwen 팀과 관련된 운영자가 약 2만 5천 개의 가짜 계정을 통해 Claude와 약 2,880만 회의 상호작용을 수행하며, 에이전트 추론, 소프트웨어 엔지니어링 및 장기 작업 능력을 추출하려 했다고 주장했다. 관련 주장은 Anthropic에서 나온 것이므로, 독립적인 조사 결론과 구분할 필요는 있다. 그러나 이는 적어도 한 가지 사실을 폭로한다. 미국의 첨단 모델 기업들은 더 이상 파라미터, 칩, 학습 코드만을 전략 자산으로 간주하지 않으며, 모델이 생성한 답변조차도 능력이 유출될 수 있는 출구로 바라보기 시작했다는 것이다.

미국은 여전히 더 빈번하게 새 카드를 꺼내고 있지만, 중국이 카드를 읽고, 해체하고, 재조합하는 속도는 과거보다 훨씬 빨라졌다. 정상 자리는 단기적인 행동권으로 변했을 뿐, 더 이상 자연스레 장기적 승세를 의미하지 않게 되었다.

2. 승률 재계산: 컴퓨팅 파워, 알고리즘, 데이터, 인재가 어떻게 판을 바꾸는가

나무는 고요하려 하지만 바람이 그치지 않고, 카드는 고요하려 하지만 마음은 그치지 않는다.

한 플레이어가 분명히 더 좋은 패를 쥐고도, 칩이 너무 얕거나, 정보가 부족하거나, 아예 상대의 핸드 레인지를 읽지 못해 패배할 수 있다. 또 다른 플레이어는 시작 패가 다소 약해도, 더 적은 비용으로 라운드를 더 오래 볼 수만 있다면 승률을 조금씩 뒤집을 수 있다.

컴퓨팅 파워, 알고리즘, 데이터, 인재가 합쳐져 결정하는 것은 바로 이 아직 실현되지 않은 승률이다. 그것들은 AI 기업이 얼마나 많은 경로를 시도할 수 있는지, 한 번의 시행착오 비용이 얼마나 비싼지, 경험이 축적될 수 있는지, 그리고 다음 모델 업데이트 이후에도 과연 게임 테이블에 다시 앉을 자격이 있는지를 결정한다.

1. 컴퓨팅 파워: 미국이 최고 액면가를 장악했고, 중국은 경제적 실용성을 다툰다

기본 모델이라는 핸드에 비하면, 컴퓨팅 파워야말로 미국이 쥔 진짜 황금 칩이다. 카드가 좋지 않으면 다음 커뮤니티 카드를 기다리면 되지만, 칩이 떨어지면 테이블에 계속 앉아 있기 어렵다.

미국은 고급 AI 컴퓨팅 파워의 주조권을 틀어쥐고 있다. 엔비디아는 가속기, 인터커넥트, 소프트웨어 스택을 정의하고, TSMC가 첨단 제조를 맡으며, 한·일 기업들이 HBM을 공급하고, 클라우드 사업자들은 수만 개의 칩을 훈련 클러스터로 조직한다. 칩, 네트워크, 스토리지, 전력, 그리고 CUDA가 서로 맞물려 있다. 최전선의 경쟁은 이제 단일 카드의 벤치마크 점수가 아니라, 수만 개의 칩을 하나의 통합체로 묶어낼 수 있는 ‘AI 공장’을 보유했느냐의 싸움이다.

중국은 이미 ‘국산 AI 칩이 있느냐 없느냐’의 문턱은 넘었다. 화웨이 CloudMatrix는 Ascend, Kunpeng, 네트워크, 소프트웨어를 하나의 통합 시스템으로 엮어 DeepSeek 모델의 훈련과 추론에 활용했다. 이제 정말 넘어야 할 산은 ‘실행 가능’에서 ‘경제적 실용성’으로 가는 길이다. 칩은 충분히 공급되어야 하고, 안정적으로 연결되어야 하며, 유연하게 스케줄링되어야 한다. 모델을 이식할 때 감당할 수 없는 엔지니어링 비용이 발생해서도 안 된다. 수만 장의 카드로 구성된 클러스터를 한 달 내내 돌리면서도, 대부분의 시간을 통신 지연, 장애, 호환성 문제로 허비해서는 안 된다.

유효 컴퓨팅 파워는 칩 개수보다 훨씬 정직하다. 이론적 컴퓨팅 파워는 메모리 대역폭, 노드 통신, 소프트웨어 연산자, 장애와 가동률이라는 단계별 손실을 거쳐야 한다. 만 장의 카드는 서류상으로는 압도적이지만, 실제로 끊임없이 훈련에 투입할 수 있는 능력은 단순 곱셈의 결과보다 훨씬 낮을 수 있다. 미국의 강점은 칩, HBM, 인터커넥트, 소프트웨어가 이미 동일한 훈련 수요를 중심으로 함께 최적화되어 있다는 점이다. 반면 중국이 겪는 어려움은, 한 고리를 메울 때마다 병목이 곧바로 다음 고리로 옮겨간다는 사실이다.

중국이 ‘경제적 실용성’이라는 문턱을 넘지 못하면, 미국은 칩의 우위를 모델의 승률로 계속 치환할 것이다. 그러나 일단 그 문턱을 넘기만 하면, 수출 규제가 비용을 끌어올릴 수는 있어도 중국을 테이블에서 떠나게 만들기는 훨씬 어려워진다.

2. 알고리즘과 엔지니어링: DeepSeek이 칩 액면가를 다시 매기다

텍사스 홀덤에서 칩이 많으면 당연히 유리하다. 하지만 만약 상대방이 당신의 10,000 액면가짜리 칩에서 0을 두 개 지워버릴 수 있다면, 테이블의 구매력은 다시 계산될 수밖에 없다.

중국은 바로 그렇게 기술 업계를 경악하게 만든 한 장의 카드를 꺼내 들었다. 바로 DeepSeek이다.

DeepSeek-V3 기술 보고서는 보기 드문 상세한 내역을 공개했다. 최종 한 차례의 완전한 훈련에 약 278.8만 H800 GPU 시간이 사용되었다. 이 숫자에는 사전 탐색, 실패한 실험, 하드웨어 조달, 인프라 구축 등이 포함되어 있지 않다. 따라서 “약 600만 달러만으로 최첨단 모델을 훈련했다”는 말은 계산서의 절반 이상을 생략한 셈이다. 그럼에도 업계가 충격을 받은 이유는, 많은 사람이 상식처럼 믿고 있던 낡은 배당률, 즉 모델 성능과 컴퓨팅 파워 투입이 불변의 환율로 연결되어 있지 않다는 사실을 이 사례가 찢어발겼기 때문이다.

V3는 MoE 아키텍처를 채택해 토큰마다 일부 파라미터만 활성화한다. Multi-head Latent Attention으로 캐시를 압축했고, FP8 훈련으로 연산과 통신 비용을 낮췄으며, 로드 밸런싱으로 전문가 유휴 상태를 줄였다. R1은 이 효율성을 다시 사후 훈련 단계로 밀고 들어갔다. 수학, 코딩처럼 결과를 검증할 수 있는 작업에서 모델은 강화 학습을 통한 반복 시행착오를 거치며, 비용이 비싼 인간의 추론 시범 일부를 자동 판정 가능한 보상 신호로 대체했다. 즉, DeepSeek은 허공에서 더 많은 칩을 얻은 것이 아니다. 칩을 더 효율적으로 일하게 만드는 방식을 다시 고안한 것이다.

미국은 여전히 새로운 경로를 탐색하는 데 더 능숙하다. Transformer, Scaling Law, RLHF 및 여러 에이전트 프레임워크 대부분은 미국 연구 기관과 기업이 먼저 개척했다. 더 깊은 자본 풀 또한 실험실이 아직 검증되지 않은 여러 방향에 동시에 베팅할 수 있게 해준다. 반면 중국이 과거에 더 강점을 보인 분야는 복원, 압축 및 엔지니어링 최적화였다. DeepSeek 이후 이 경계가 흔들리기 시작했다. 중국 팀들은 더 이상 남의 경로를 더 저렴하게 만드는 데 그치지 않고, 업계의 비용 예측 자체를 다시 쓸 수 있는 방법론을 제시하기 시작했다.

그러나 알고리즘 배당이 하드웨어를 영구히 대체하지는 못한다. 논문은 확산되고, 선도 모델들도 동일한 기법을 흡수할 것이다. 효율성이 향상되면 더 많은 호출을 불러일으켜, 절약한 컴퓨팅 파워를 새로운 수요가 금세 집어삼킨다. 플레이어는 더 정밀하게 베팅을 조절하는 법을 배웠지만, 블라인드 금액도 계속 오르고 있다.

따라서 엔지니어링 효율이 중국에 주는 전략적 가치는, 제한된 컴퓨팅 파워로 실험 횟수를 늘리고 검증 주기를 단축하며, 국산 하드웨어가 성숙할 시간을 벌어준다는 데 더 가깝다.

3. 데이터: 결과를 수반한 데이터의 가치가 오르고 있으며, 현재 미국이 우위다

프로 포커 플레이어가 복기를 할 때, 자신이 에이스(A)를 받았는지 킹(K)을 받았는지만 기록하지는 않는다. 그는 완전한 액션을 저장한다. 누가 먼저 베팅했는지, 턴에서 어떻게 레이즈했는지, 커뮤니티 카드가 어떻게 바뀌었는지, 마지막에 상대가 무엇을 공개했는지, 그리고 자신의 판단이 어디에서 틀렸는지까지 말이다.

데이터가 모델에 대해 지니는 의미도 이와 정확히 같다.

초기 대규모 언어 모델들은 주로 공개된 인터넷에서 언어, 지식, 코드를 학습했다. 미국은 영문 웹페이지, GitHub, 논문 출판, 글로벌 디지털 플랫폼에 기대어 선발 주자의 이점을 얻었다. 고품질의 공개 말뭉치가 반복적으로 사용되면서, 진정으로 희소해진 것은 모델이 읽지 않은 텍스트 그 자체가 아니라, 명확한 결과를 동반하며 과제의 성패를 판단할 수 있는 데이터다.

고객 상담 대화의 가치는 상담원이 무슨 말을 했는가가 아니라, 문제가 해결되었는가에 달려 있다. 프로그램 코드 한 줄의 가치는 그것이 그럴듯해 보이는지가 아니라, 수정 후 테스트를 통과하는지에 달려 있다. 결과를 지시할 수 없는 데이터는 대개 소음에 불과하다.

2026년 초, 알리바바(阿里)는 프로그래밍 에이전트 Qoder를 위해 커스터마이즈된 Qwen-Coder를 훈련시키며, 실제 소프트웨어 작업과 제품 환경, 그리고 엔지니어링 보상을 훈련에 도입했다. 알리바바가 공개한 바에 따르면, 반복 학습 후 코드의 온라인 유지율은 3.85% 향상되었고, 도구 이상 발생률은 61.5% 감소했으며, 토큰 소비량은 14.5% 줄었다. 이 수치는 기업이 제공한 것으로 외부 검증이 필요하지만, 전문 데이터에서 가장 비싼 부분이 무엇인지 정확히 지적한다. 그것은 바로 텍스트 자체가 아니라, 그 텍스트 이면에 존재하는 검증 가능한 결과다.

미국은 더 폭넓은 피드백 진입로를 보유하고 있다. ChatGPT, Claude, Gemini, GitHub, 그리고 오피스 제품군들은 전 세계 소비자, 개발자, 기업을 연결한다. 모델 회사는 사용자가 어디에서 답변을 수정하는지, 프로그래머가 어떤 코드를 유지하는지, 에이전트가 어느 단계에서 실패하는지를 관찰할 수 있다.

중국에게 기회가 되는 것은 더 밀도 높은 비즈니스 프로세스다. 바이트댄스(字节)의 숏폼 영상과 광고, 메이투안(美团)의 배달과 물류, 알리바바의 이커머스와 이행, 신에너지차의 스마트 드라이빙, 공장의 품질 검사와 설비 가동 등 모든 연결 고리에는 진짜 승패가 담겨 있다.

중국에 정말 부족한 것은 고품질의 완전한 게임 로그다. 방대한 산업 데이터는 여전히 다양한 기업, 부서, 지방 시스템에 파편화되어 있다. 과제가 표준화될 수 있고, 결과를 검증할 수 있으며, 데이터가 규제 준수 하에 유통될 수 있어야만 비즈니스 흔적이 비로소 모델 자산으로 바뀐다. 장면이 많다는 것은 원재료가 많다는 뜻일 뿐이다. ‘모델 실행, 현장 피드백, 결과 환류’라는 짧은 고리를 형성할 수 있느냐가 다음 훈련에서 진짜 영양분을 공급받을지, 아니면 집계조차 불가능한 오래된 카드 창고에 머물지를 결정한다.

4. 인재: 중국은 인재의 상류이고, 미국은 인재 증폭기다

앞선 몇 판의 게임에서, 중·미 간의 경쟁은 언제나 개별 기술 기업들이 대리전을 치르는 모습처럼 보였다. 미국 측에서는 OpenAI, Anthropic, Google, Meta가 등장했고, 중국 측에서는 DeepSeek, 즈푸AI(智谱), 문샷AI(月之暗面), 알리바바, 바이트댄스가 출전했다.

기술 기업들은 모델을 출시하고, 컴퓨팅 파워를 축적하며, 사용자를 확보하면서 각자의 국가를 대표해 테이블에서 계속 ‘출전’한다. 그러나 기업은 결코 대국 경쟁이 비즈니스 세계에 투영된 매개체일 뿐이다. 한 회사가 어떤 카드를 읽어낼 수 있고, 어느 경로에 기꺼이 베팅하며, 한 번의 우위를 지속시킬 수 있는지를 결정하는 것은 언제나 조직 뒤에 있는 인재다.

인재는 새로운 아키텍처를 제안하는 연구자일 수도 있고, 훈련 시스템을 구축하는 엔지니어일 수도 있으며, 모델을 시장에 내놓는 프로덕트 팀일 수도 있다. 범위를 조금만 넓히면, 전체 대형 모델 시스템을 위해 지속적으로 신인을 양성하고 공급하는 대학, 연구실, 경연 대회 체계까지도 포함될 수 있다.

대형 모델의 성공은 흔히 특정 과학자의 한 줄기 번뜩임으로 이야기되지만, 이는 영웅 숭배에 가까운 오류다. 마치 프로 텍사스 홀덤에서 한 사람이 테이블에 앉아 플레이하지만, 정상급 선수 뒤에는 코치, 솔버(Solver), 핸드 데이터베이스, 피지컬 관리, 그리고 장기적인 자금 관리 시스템이 존재하는 것과 같다. 진정으로 꾸준한 우위, 승세란 한 번의 신의 한 수에서 나오는 것이 아니라, 지속적으로 복기하고 교정하는 시스템 전체에서 비롯된다.

AI 기업도 다르지 않다. 최고 연구자는 특정 경로에 베팅할 가치가 있는지 결정할 수 있지만, 그 뒤에 있는 수백 명의 시스템 엔지니어들은 컴퓨팅 손실을 줄이고, 장애를 처리하며, 한 번의 우연한 성공을 반복적이고 재현 가능한 훈련과 제품으로 바꾸는 작업에 전념한다.

대국 간 인재 경쟁의 본질은, 결국 누가 더 앉을 만한 가치가 있는 테이블을 제공할 수 있느냐의 싸움이다. 최고 연구자는 더 많은 급여, 더 깊은 컴퓨팅 파워, 더 뛰어난 동료, 더 중요한 문제, 그리고 실패를 더 관대하게 용인해주는 곳을 선택한다. 미국이 오랫동안 전 세계의 고수들을 끌어들일 수 있었던 것은 바로 이러한 ‘테이블 선택권’에 기인한다.

이 표에서 가장 역설적인 지점은 바로 이것이다. 중국에 인재가 없는 것이 아니다. 오히려 정반대로, 중국은 이미 세계 최고 수준의 AI 인재를 배출하는 가장 중요한 상류 중 하나다. 문제는, 많은 인재가 초기 트레이닝을 마친 후 최종적으로 접속하는 곳이 미국이라는 증폭기라는 사실이다.

미국의 대형 모델 우위는 폐쇄된 시스템이 자급자족한 결과물이 아니다. 그것은 거대한 글로벌 인재 원심분리기와 더 닮아 있다. 중국, 인도, 유럽과 세계 각지에서 가장 똑똑한 젊은이들을 미국의 박사 과정 체계로 빨아들인 뒤, Stanford, MIT, Berkeley, CMU 같은 최상위 연구실로 보내고, 최종적으로 OpenAI, Anthropic, Google DeepMind, Meta, Microsoft, NVIDIA 같은 기업으로 공급한다.

대학은 여전히 방법론, 논문, 인재를 제공하지만, 방법을 수만 장의 카드 규모의 클러스터와 글로벌 제품, 그리고 상업 매출로 증폭시키는 주체는 점점 더 기업으로 집중되고 있다. Stanford AI Index의 통계 역시 주요 최첨단 모델의 발표 주체가 고도로 산업화되었음을 보여준다. 대학은 새로운 플레이를 고안하는 역할을 하고, 기업은 진짜 판돈이 걸린 테이블을 장악한 것이다.

중국이 쥔 카드는 완전히 똑같지 않다. 중국의 강점은 소수의 스타 플레이어가 반드시 더 많아야 한다는 데 있지 않다. 더 거대한 엔지니어 인력 풀, 더 짧은 책임 사슬, 그리고 산업 현장에 더 밀착된 과제 밀도에 있다.

이 같은 엔지니어링 팀의 가치는 대규모 모델이 복잡한 시스템에 들어간 후에야 진정으로 드러난다. 프런티어 모델을 개발하려면 소수의 최고 수준 과학자가 필요하지만, 모델을 현장에 적용하려면 수백에서 수천 명의 시스템 엔지니어, 데이터 엔지니어, 추론 최적화 엔지니어, 칩 적응 엔지니어와 제품팀이 필요하다. 미국은 소수의 최고 인재를 능력의 한계까지 밀어붙이는 데 능숙한 반면, 중국은 대규모 엔지니어를 산업 현장에 투입하는 데 더 능숙하다. 전자는 범용 능력의 상한선을 돌파하는 데 적합하고, 후자는 신속한 개조, 배포 및 제공에 적합하다.

이것이 DeepSeek, 月之暗面 등 기업이 중국 대형 모델 서사에 가져온 변화다. 이들 기업은 중국 회사가 더 컴팩트한 팀, 더 짧은 피드백 루프, 더 강력한 엔지니어링 압축 능력, 그리고 젊은 인재가 더 빠르게 핵심 업무에 투입될 수 있는 공간으로, 다른 조직 방식을 통해 판에 참여할 수 있음을 증명한다.

아마도, 미·중 대형 모델 게임의 진정한 승부는 지금이 아니라, 다음 세대의 우수한 인재들이 베이징, 상하이, 광저우 등지에서 출발할 때 어디를 자신의 홈그라운드로 삼을지에 달려 있다. 실리콘밸리로 날아가 미국의 슈퍼 앰프에 접속할 것인가, 아니면 중국에 남아 확장 중인 새 테이블에서 자국 모델, 칩, 시스템, 산업 현장을 하나의 폐쇄 루프로 연결할 것인가.

3. 패턴과 전략: 미국은 고지를 점령하고, 중국은 농촌이 도시를 포위한다

모델 리드가 세대 차이에서 시차로 압축되면, 문제는 더 이상 단순히 ‘누가 먼저 빅 카드를 내는가’가 아니라, 그 카드를 장기적인 우위로 전환할 수 있느냐가 된다.

1. 미국이 자국의 카드를 꽉 쥐는 것은 가격 결정력을 증명하기 위해서다

OpenAI, Anthropic, Google은 가장 강력한 모델을 구독 상품, API, 클라우드 플랫폼에 남겨둔다. 개발자는 호출할 수 있지만, 전체 가중치를 다운로드하거나 자유롭게 수정하거나 플랫폼을 우회하여 배포할 수 없다.

폐쇄형 소스는 무엇보다 가격 전략이다.

OpenAI와 Anthropic은 언제 공개 시장에 진입하든 실리콘밸리와 월가의 가격 논리에 직면해야 한다. 자본 시장은 한 번의 벤치마크 1위에 오래 지불하지 않으며, 매출, 유지율, 마진, 협상력에 더 관심을 기울인다. 가장 앞선 모델에 대한 접근을 통제해야만 호출 건별, 구독자별, 기업 계약별로 요금을 부과할 수 있고, 일시적인 우위를 반복 판매 가능한 자산으로 바꿀 수 있다.

이 두 회사는 칩, 데이터센터, 에너지라는 중자산 비용을 부담하면서도 소프트웨어 플랫폼의 밸류에이션을 바란다. 만약 가중치가 완전히 개방되면, 클라우드 업체와 애플리케이션 회사들이 신속하게 호스팅하고 패키징하여 가격을 낮출 수 있고, 기초 모델은 동질화된 원자재로 전락할 수 있다. 훈련자가 가장 무거운 리스크를 지지만 이익은 컴퓨팅 파워와 접점으로 흘러간다.

따라서, 미국이 지키는 것은 기술 비밀뿐 아니라 모델 임대료다. API, 에이전트 프레임워크, 기업 권한, 데이터 연결, 보안 감사 등이 모델 외곽에 락인(lock-in) 층을 더한다. 고객이 깊이 연동될수록 이전 비용이 커지고, 일시적 선두가 다음 차트 재편을 버티고 통과할 가능성이 높아진다.

2. 중국이 일부 패를 공개하는 것은 유통 권한을 얻기 위해서다

오늘, 시진핑 주석은 WAIC(세계인공지능대회)에서 개방과 상생을 고수하고, 오픈소스 개방과 협력적 공유를 장려하며, 글로벌 사우스(Global South) 국가들의 역량 구축을 돕고 디지털·지능 격차 해소를 글로벌 AI 거버넌스의 중요한 방향으로 제시했다. 같은 날 발표된 대회 의장 성명은 기업의 자율적 선택과 지식재산권 보호를 존중하는 전제하에, 책임 있는 방식으로 오픈소스 생태계를 함께 구축하고 AI 기술과 서비스의 접근성을 높여야 한다고 덧붙였다.

대다수 중국 모델 기업은 ChatGPT, Google, Workspace와 같은 글로벌 진입로가 없다. 따라서 대형 모델을 자사 플랫폼에 가둬도 실리콘밸리 방식처럼 높은 이윤을 얻지 못할 수 있다.

따라서, 가중치 공개는 우선 유통 수단이다.

DeepSeek, Qwen, GLM은 다운로드 가능한 가중치, 저가 API, 인터페이스 호환성, 로컬 배포를 통해 개발자를 확보한다. 오늘 출시된 Kimi K3는 이 노선을 ‘관대함’의 극한으로 밀어붙였다: 총 파라미터 2.8조, 비전 네이티브 지원, 최대 컨텍스트 100만 토큰. 月之暗面은 이것이 최초로 공개된 3T급 모델이라고 밝히며, 7월 27일까지 전체 가중치를 공개하겠다고 약속했다.

중국은 자신의 패를 남이 가져가도록 허용하고, 직접 살펴보고 탐색하게 함으로써 더 많은 국가가 미국 API에 전적으로 의존하지 않아도 되는 또 다른 기술 옵션을 갖추도록 한다. 이것이 바로 ‘농촌이 도시를 포위하는’ 논리다: 가장 비싸고 가장 폐쇄적인 중심 시장을 먼저 노리지 않고, 오픈 가중치, 저가 API, 하드웨어 적응을 통해 더 많고 예산이 빠듯하며 데이터가 역외로 나가기를 꺼리는 현장에 진입한다.

많은 개발도상국에게 가장 중요한 것은 모델이 순위표에서 몇 점 더 이기는 것이 아니다. 그들은 모델이 현지 언어를 지원하는지, 데이터가 반드시 국외로 나가야 하는지, 가격이 감당 가능한지, 자국 서버에 배포할 수 있는지, 그리고 공급자가 지정학적 변화로 서비스를 갑자기 중단할지 여부를 더 신경 쓴다.

시진핑 주석은 연설에서 향후 5년간 중국이 개발도상국에 5,000명의 인공지능 특별 연수 기회를 제공하고, ASEAN, 아랍연맹, 아프리카연합, 라틴아메리카·카리브 국가공동체, 상하이협력기구, 브릭스(BRICS) 국가를 대상으로 국제 AI 응용 협력 센터를 설립하며, 기상 지능 조기경보 솔루션을 30개국에 도입하겠다고 발표했다. 세계인공지능협력기구도 상하이에서 공식 출범했다.

이로써 중국은 상호 보완적인 3계층 유통 체계를 구축해 가고 있다. 첫 번째 층은 모델이다: 오픈 가중치와 저가 API로 진입 장벽을 낮춘다. 두 번째 층은 인프라다: 클라우드 컴퓨팅, 국산 칩, 로컬 배포, 산업별 솔루션으로 실제 수요를 받아낸다. 세 번째 층은 제도적 네트워크다: 교육, 협력 센터, 국제 기구를 통해 일회성 모델 다운로드를 더 장기적인 기술 관계로 전환한다.

물론, 개방은 글로벌 주목과 도입률을 가져올 수 있지만, 막대한 클라우드 사업이 자동으로 비용을 회수해 주길 기대할 수는 없다. 이들 기업은 공식 API, 기업 서비스, 프라이빗 배포, 상위 제품에서 다시 현금 흐름을 찾아야 한다.

중국은 예측 가능한 시간 안에 오픈 가중치를 개발 표준으로, 개발 표준을 클라우드·애플리케이션 매출로, 그리고 국제적 도입을 장기 생태계로 전환해야 한다. 그렇지 않으면 이른바 유통 권한은 일시적인 다운로드 수에 그칠 뿐, 차세대 모델에 재투자되는 상업적 폐쇄 루프가 될 수 없다.

3. 미국은 모델 임대료를, 중국은 생태계 임대료를 노린다

미국이 거둬들이려는 것은 모델 임대료다: 최고 수준의 능력과 플랫폼 락인을 통해 호출, 구독, 기업 계약이 자신의 과금 관문을 계속 통과하게 한다. 중국은 생태계 임대료를 노리는 쪽에 더 가깝다: 모델 자체의 가격을 낮추고, 개방으로 개발자, 클라우드 워크로드, 기업 배포, 기술 표준을 확보한 뒤, 그중 한 계층에서 가치를 회수한다.

두 노선 모두 자신만의 함정에 빠질 수 있다. 폐쇄형 플랫폼은 능력 격차가 좁혀지는 것을 가장 두려워한다. 높은 벽이 현저히 나은 능력으로 뒷받침되지 않으면 해자(moat)가 유료 관문(tollgate)으로 전락한다. 개방 노선은 박수는 얻되 현금을 잃기 쉬워, 해외 클라우드·애플리케이션 회사들이 수익을 가져가고 원천 기업이 가장 비싼 훈련 비용을 떠안는다.

중국 노선은 반드시 한 번의 전환을 완수해야 한다: 오픈 가중치를 개발 표준으로, 개발 표준을 클라우드·배포 매출로, 그리고 매출과 실제 작업에서 차세대 모델이 필요로 하는 컴퓨팅과 데이터를 확보하는 것이다. 미국 역시 자국의 우위가 사용자 워크플로우 깊숙이 침투하여 쉽게 대체할 수 없는 지능 계층이 될 수 있음을 증명해야 한다.

미국은 이렇게 증명하고 있다: 내 패는 충분히 희소하므로, 한 번 볼 때마다 비용을 지불해야 한다. 중국은 베팅하고 있다: 충분히 많은 사람이 같은 패를 사용하면, 확산 자체가 협상력을 만들어낼 것이라고.

4. 팟 오즈(Pot odds) 판단하기: 저렴함은 은혜가 아니라 규모화의 전제다

팟 오즈가 답하는 것은 냉정한 질문이다: 테이블 위의 칩을 차지하기 위해 앞으로 얼마의 대가를 더 치러야 하는가? 아무리 좋은 패라도, 매번 콜(call) 할 때마다 비용이 터무니없이 비싸면 장기적으로 원금을 모두 태워버릴 것이다.

1. API 요금표는 첫 번째 청구서일 뿐이다

2026년 7월 17일 기준, 몇 가지 대표 모델의 공개 API 가격은 다음과 같으며, 단위는 백만 토큰당이다. (가격은 수시로 조정되며, 기업 장기 계약 가격을 대표하지 않는다. Kimi K3의 입력 가격은 캐시 미스(cache miss) 기준으로 계산되었다.)

이 표는 여전히 국산 모델의 가격 우위를 보여주지만, 이제는 ‘국산 모델이 무조건 수십 배 저렴하다’고 단정할 수 없다. DeepSeek은 계속해서 저가를 극도로 밀어붙이는 반면, Kimi K3는 최첨단 코드 능력과 100만 토큰 컨텍스트를 무기로 가격을 높이려 한다. 중국 모델의 플레이 스타일은 단순한 가격 전쟁에서 저가 물량 공세와 고급 프리미엄이라는 두 가지 노선으로 분화하고 있다.

일이 그렇게 간단하지 않으며, 토큰도 그렇게 후하지 않다.

기업의 완전한 청구서에는 최소한 토큰, 툴 호출, 실패 재시도, 수동 검사, 그리고 지연 시간과 안정성을 위해 예비된 리던던시가 포함된다. 요금표에는 첫 번째 항목만 기재되어 있을 뿐이며, 일단 오류가 발생하면 기업은 이후의 모든 수정 과정을 비용으로 지불해야 한다.

진정으로 공정한 비교는 ‘백만 토큰에 얼마인가’가 아니라, 동일한 작업을 완료한 후 계좌에서 실제로 빠져나간 총금액이다.

하지만 그럼에도 불구하고, 저가는 여전히 매우 강력한 카드다. 고객 서비스, 요약, 문서 처리, 대량 코드 리뷰는 하루에 수백만 번 호출될 수 있으며, 한 번당 차액은 규모에 의해 빠르게 증폭된다. 저렴함은 스타트업 팀이 실험을 두려워하지 않고, 중소기업이 시장에 진입할 수 있으며, 에이전트가 데모 스테이지를 넘어 일상 업무에 투입될 기회를 의미한다. 중국은 이제 더 많은 평범한 작업이 풀에 참여할 자격을 얻게 하려는 것이다.

2. 자본의 양날의 검: 자금 조달 규모는 시행착오의 권리를 사지만, 수익률 카운트다운도 시작된다

네 개의 프런티어 연구소를 함께 놓고 보면 자본 구조의 차이가 한눈에 더 뚜렷해진다.

자금 조달 규모의 차이는 미국 최상위 연구소가 향후 수년간의 칩, 데이터센터, 인재 예산을 단번에 현재로 끌어올 수 있음을 충분히 말해준다.

자본이 실제로 지탱하는 것은 대형 모델 회사의 시행착오 권리다. 자금이 충분히 깊으면, 열 가지 연구 경로를 동시에 돌릴 수 있고, 아홉 개가 실패해도 열 번째는 계속 생존하게 할 수 있으며, 매출이 발생하기 전에 데이터센터와 전력 계약을 미리 확보할 수도 있다.

그러나 운명의 모든 선물은 어둠 속에 가격표가 붙어 있다. 돈이 많을수록 수익 시계는 더 크게 째깍거린다. 막대한 밸류에이션, 신용, 인프라 약속은 모두 미래 현금 흐름에 빚 독촉을 하고 있다. OpenAI와 Anthropic은 능력 우위를 구독, API, 기업 계약으로 바꿔, 스스로 중공업 비용을 감당하면서도 소프트웨어 플랫폼의 이익 구조를 가졌음을 증명해야 한다. 자본은 그들에게 더 깊은 칩을 쥐여 주었지만, 수익 실현 날짜도 조용히 테이블 밑에 적어놓았다.

중국의 자본 구조는 상대적으로 더 분산되어 있다. 인터넷 대기업들은 클라우드와 소비 사업을 기반으로 삼고, 스타트업들은 산업 자본과 지방 및 중앙 정책적 지원을 받으며, 공공 컴퓨팅 인프라가 기초 투자의 일부를 분담한다. 이 덕분에 핵심 기술 경로가 단기 수익 부족으로 곧바로 중단되지 않을 수 있지만, 중복 건설이나 낮은 활용률의 클러스터, 그리고 보조금에만 책임지는 프로젝트를 초래할 수도 있다.

미국의 리스크는 핫머니가 너무 많아 검증되지 않은 수요를 쉽게 조기 자본화한다는 점이고, 중국의 리스크는 핫머니가 충분히 집중되지 않아 최전선 연구가 장기적 투자가 가장 필요할 때 단기 납품으로 전환될 수밖에 없다는 점이다. 전자는 고가 모델이 막대한 투자를 감당할 수 있음을 증명해야 하고, 후자는 저가와 개방이 영구적 보조금이 아니라 클라우드 수익, 기업 도입, 산업 효율로 전환될 수 있음을 증명해야 한다.

이번 판에서 양측이 소모한 것은 단순한 돈을 넘어, 가장 소중한 것, 즉 미래로부터 빌려온 시간이다.

3. 전력 제약이 전략 공간을 가른다: 인프라 깊이를 갖춘 중국

훈련은 집중적으로 폭발하는 부하이고, 검색·오피스·에이전트 추론은 밤낮없이 이어지는 부하다. 모델이 수십억 회 호출되면 전기료, 계통 연계, 냉각, 칩 활용률이 모든 작업의 비용에 포함된다.

중국 에너지 인프라의 장점은 첫째로 규모다.

'인프라 건설 마니아'로 불리는 중국은 더 큰 전력 시스템을 보유하고 있으며, 풍력·태양광·에너지저장·원자력·지역간 송전망을 지속적으로 건설하고 있다. 대규모 언어 모델에 필요한 데이터센터 건설이 새로운 대규모 부하를 가져올 때, 중국은 분명히 더 큰 공급 여력과 더 강한 엔지니어링 확장 능력을 보유하고 있다.

미국의 문제는 자본과 칩이 이미 문 앞에 와 있지만, 전력망은 한 번의 소프트웨어 업데이트로 증설될 수 없다는 점이다. 미국 에너지부 연구에 따르면, 고압 송전 프로젝트는 개발·인허가·건설까지 평균 약 10년이 소요되며, 일반적 구간은 5년에서 17년이다. 발전 프로젝트가 계통 접속을 신청한 후 운전 개시까지 평균 소요 기간도 2008년 약 2년에서 2023년 약 5년으로 늘어났다.

바로 2026년 6월, 미국 연방에너지규제위원회는 6개 지역 전력망 운영사에 대규모 부하 계통 접속 규정을 설명하거나 개혁할 것을 추가로 요구했다. 연방제의 분권적 특성상 지역 송전선로 승인은 더디고, 변압기 등 기기 납기가 길며, 서로 다른 주와 발전사·전력망 운영사·데이터센터 간에 비용 부담 주체를 두고 반복적으로 협상해야 한다.

이에 비해 2026년 전면 가동된 차이나모바일 닝샤 중웨이 데이터센터 단지는 누적 가동 IT 전력이 332메가와트, 인텔리전트 컴퓨팅 규모가 100 EFLOPS 이상, 친환경 전력 비중이 80% 이상으로 안정화되었으며, 종합 전기요금은 약 kWh당 0.36위안이다. 이 프로젝트의 의미는 전기료가 저렴하다는 점뿐 아니라, 전원·전력망·에너지저장·데이터센터를 동시에 건설하여 에너지 자원을 직접 컴퓨팅 공급으로 전환할 수 있다는 데 있다.

따라서 에너지 인프라 층위에서 중국의 장점은 오히려 벤치마크에서의 장점보다 더 분명하다. 국제에너지기구는 전 세계 데이터센터 전력 소비가 2025년 약 485TWh에서 2030년 약 950TWh로 증가할 것으로 전망하며, 미국과 중국이 그 증가분의 약 80%를 차지할 것으로 본다. 경쟁이 모델 훈련에서 수십억 회의 지속적 추론으로 이동함에 따라, 중국의 에너지 인프라 장점은 더욱 중요해질 것이다. 훈련은 클러스터 일정을 기다릴 수 있지만, 추론 서비스는 연중무휴로 안정적이고 저렴한 전력을 확보해야 한다.

다만 에너지 장점도 궁극적으로 칩 효율, 소프트웨어 최적화, 클러스터 가동률로 환산되어야 한다. 저렴한 전력이라도 저효율 칩과 유휴 서버실에서 소비된다면 자동으로 저비용 인텔리전스가 될 수 없다. 진정으로 비교해야 할 것은 실제 작업 100만 회를 완료하는 데 필요한 전력, 칩 감가상각, 인력 유지보수 비용이다.

누가 더 낮은 단위 작업 비용을 먼저 실현하느냐에 따라, 이 경쟁을 장기 소모전으로 끌고 갈 능력이 결정된다. 이 점에서 중국의 국가 총동원 체제가 더 우위를 점할 가능성이 있다.

4. 중국이 도약해야 할 것은 비용 선순환 고리다

API, 자본, 에너지를 함께 놓고 보면, 승패는 쉽게 '누가 돈이 더 많은가'로 치부될 수 있다. 미국은 고투자로 모델 성능 상한을 돌파한 뒤 글로벌 구독, 클라우드, 엔터프라이즈 소프트웨어로 비용을 회수할 수 있다. 중국은 엔지니어링 최적화, 저가 모델, 인프라로 호출 문턱을 낮춘 다음 대규모 사용 속에서 수익과 데이터를 찾으려 한다.

중국 경로의 리스크는 모든 고리가 가격을 낮추는 데 치중한 나머지 충분한 이윤을 남길 곳이 없다는 점이다. 저가 API가 호출량만 가져오고, 오픈 가중치가 다운로드 수만 늘리며, 지방 데이터센터가 건설 규모만 키운다면, 셋을 합쳐도 여전히 막대한 손실일 수 있다. 미국 경로의 리스크는 정반대다. 모든 고리에서 높은 가격을 받을 수 있지만, 비용이 너무 커서 현저한 성능 격차를 지속적으로 유지해야만 한다.

현재 팟 오즈(pot odds)는 여전히 미국에 기운다. 기술 우위를 전 세계에서 가장 비싼 고객에게 팔 수 있기 때문이다. 그러나 모델 성능이 점차 접근하게 되면 단위 작업 비용의 비중이 빠르게 커질 것이고, 중국의 저가·전력·엔지니어링 효율도 날카로움을 드러낼 것이다.

전제는 이러한 장점들이 결국 같은 현금흐름으로 합류해야 한다는 점이다. 각자 보기에는 좋지만 동떨어진 세 개의 장부로 남아서는 안 된다.

다섯, 팟 수거: 누가 모델을 실제 업무에 심을 수 있는가

패가 앞선다고 해서 칩이 저절로 내 앞에 쌓이지 않는다. 사용자가 지속적으로 사용하고, 기업이 기꺼이 비용을 지불하며, 작업이 검증 가능한 결과를 남겨야 기술 우위가 현금화된다. LLM 경쟁의 진정한 팟은 오직 네 가지다: 수익, 진입점, 피드백 데이터, 그리고 모델에 의해 재구성된 워크플로우다.

1. 미국이 먼저 진입점을 점유하고, 중국은 거래에 더 가깝다

ChatGPT는 먼저 사람들이 답을 찾는 습관을 바꾸었고, 이어서 작문·연구·코드·엔터프라이즈 작업 공간으로 진입했다. Google은 Gemini를 검색·Workspace·클라우드에 심었다. Anthropic은 Claude와 Claude Code로 지식 작업과 소프트웨어 개발에 진입했다. 미국 모델 기업들은 애초에 브라우저, 오피스 제품군, 코드 리포지토리, 글로벌 클라우드 플랫폼을 등에 업고 있다.

진입점은 벤치마크보다 추격하기 훨씬 어려운 우위다. 기업이 한 번 신원 인증, 권한, 데이터, 조달을 연결하면, 모델을 바꾸는 일은 단순히 이름을 바꾸는 것이 아니라 워크플로우의 일부를 다시 해체하는 일이 된다. OpenAI가 발표한 Signals 데이터에 따르면, 사용자 가입 후 반년이 지나면 일평균 메시지 수가 약 50% 증가하고, 시도하는 작업 종류는 두 배로 늘며, 영어 외 언어를 주로 사용하는 사용자가 이미 활성 사용자의 절반을 넘었다.

중국 플랫폼은 글로벌 오피스 진입점에서는 더 멀리 있지만, 구체적인 거래에는 더 가까이 있다. 알리바바는 Qwen을 타오바오와 Tmall의 수십억 개 상품 카탈로그에 연결했다. 사용자는 대화 속에서 비교하고, 주문하고, 물류를 조회하고, 애프터서비스를 처리할 수 있다. 모델이 연결하는 것은 웹페이지를 넘어 상인, 주문, 주문 이행 시스템이다. 사용자가 구매했는지, 추천이 수락되었는지, 물류와 애프터서비스가 완료되었는지, 모든 단계에 결과가 남는다.

미국 범용 모델은 사용자 진입점을 먼저 점유한 후 외부 서비스로 연결하고, 중국 슈퍼 플랫폼은 첫날부터 모델을 거래의 폐쇄 루프 안에 들여놓을 수 있다. 전자는 더 강력한 글로벌 배포력을 가졌고, 후자는 더 밀도 높은 행동 피드백에 붙어 있다.

2. 코딩은 첫 번째 고가치 실험장이다

코딩이 가장 먼저 안정적 유료 결제를 형성한 이유는 결과 검증이 쉽기 때문이다. 자동 완성이 수락되었는지, 프로젝트가 컴파일되는지, 테스트를 통과하는지, 버그가 수정되었는지, 어떤 대규모 언어 모델이 잘 작동하는지 한눈에 알 수 있다.

코딩 측면에서 미국은 원래 가장 정돈된 패를 쥐고 있었다. GitHub, Microsoft, OpenAI, Anthropic과 수많은 개발 도구가 글로벌 코드 진입점을 통제하고, 상위권 모델들도 복잡한 리포지토리 작업에서 오랫동안 앞서 있었다. Kimi K3는 모델 성능 항목에 새로운 균열을 만들었다. Moonshot AI가 공개한 평가에 따르면, Program Bench와 SWE Marathon에서 GPT-5.6 Sol과 Claude Fable 5를 넘어섰고, Terminal-Bench 2.1에서는 GPT-5.6 Sol에 0.5점 뒤졌을 뿐이며, 일부 GPU 커널 최적화·컴파일러 개발·칩 설계 작업에서 장거리 실행 능력을 보여주었다. 하지만 모델이 몇몇 평가에서 이겼다고 해서 개발 환경을 이미 가져갔다고는 할 수 없다. Kimi Code와 오픈 가중치가 배포를 보완하고 있지만, 중국은 여전히 GitHub, Codex, Claude Code가 쌓아온 사용자, 도구 체인, 피드백 폐쇄 루프를 추격해야 한다.

코드는 이미 미래 시장의 형태를 드러내고 있다. 가장 강력한 모델이 복잡한 작업을 담당하고, 저렴한 모델이 자동 완성·테스트·대량 검토를 책임지며, 기업은 난이도와 민감도에 따라 클라우드 폐쇄형 모델과 로컬 모델을 전환해 사용한다. 최종적으로 가치를 가져가는 것은 특정 모델 하나가 아니라, 언제 어떤 모델을 써야 하는지 아는 시스템일 수 있다.

개발 환경을 장악하는 쪽이 모델을 더 빨리 수정할 수 있다. 코드가 보존되는지 취소되는지, 테스트가 어느 단계에서 실패하는지, 개발자가 무엇을 변경하는지가 모두 다음 훈련의 패가 될 것이다.

3. To C 에이전트: 사용자 마음을 쟁취하는 숨겨진 에이스

최전선 모델 비교가 패면을 겨루는 것이라면, To C 에이전트 쟁탈전은 누가 모델 능력을 수많은 사용자의 무의식적 행동으로 바꿀 수 있는가를 겨루는 것이다.

누군가가 자료 검색, 파일 정리, 프레젠테이션 제작, 여행 계획, 업무 문제 해결을 원할 때, 그가 맨 먼저 여는 것은 누구인가?

현재 미국에서 가장 대표적인 것은 OpenAI와 Anthropic 두 장의 카드다.

ChatGPT는 이미 가장 강력한 AI 네이티브 브랜드 마음 점유율을 형성했다. OpenAI는 이 카드를 다시 두 갈래로 나누었다. ChatGPT Work(CodeX)는 연구, 문서, 스프레드시트, 프레젠테이션 및 기타 완전한 납품을 담당한다. 사용자는 ChatGPT를 떠나지 않고도 질문에서 시작해 최종 결과물을 받아볼 수 있다.

Anthropic이 차지한 마음 점유율은 상대적으로 좁지만 더 깊고, 더 높은 가치를 지니며, 공개된 연간 환산 매출에서는 한때 OpenAI를 추월하기도 했다. Claude Code는 이미 많은 프로그래머가 복잡한 프로젝트를 처리할 때 우선적으로 선택하는 도구가 되었다. Claude Cowork는 동일한 작업 방식을 연구원, 분석가 및 기타 지식 근로자에게 확장하여, Claude가 로컬 파일, 데스크톱 애플리케이션, 다단계 작업을 직접 처리하게 한다.

미국은 매우 또렷한 제품 인식을 만들어가고 있다. 복잡한 작업을 마주했을 때, 먼저 어떤 소프트웨어를 열지 생각할 필요 없이, 그냥 에이전트에게 맡기라는 것이다.

사실 중국이 원래 걸었던 길은 이와 달랐다.

처음에 중국 기업들이 시도했던 것은 에이전트를 기업이 원래 잘하는 장면 속에 밀어 넣는 것이었다.

알리바바는 Qwen을 타오바오와 Tmall의 40억 개 상품에 연결했다. 사용자는 대화 속에서 검색, 비교, 주문, 물류 조회, 애프터서비스 처리를 할 수 있다. Qwen이 등에 업은 것은 알리바바가 원래 20년 이상 가동해온 상품·상인·결제·물류·애프터서비스라는 거래 사슬 전체다.

바이트댄스는 콘텐츠 제작에 베팅을 걸었다. Seedance 2.0은 일반 사용자가 텍스트, 이미지, 오디오, 비디오를 활용해 완전한 시청각 창작을 제어할 수 있게 하며, 더우바오, 더우인, 지안잉 및 크리에이터 생태계가 구성하는 콘텐츠 배급 네트워크에 전면적으로 연동된다.

美团은 LongCat을 업그레이드한 ‘샤오퇀(小团)’을 통해 외식·오락·여가, 이동, 진료 등 생활 장면에 깊숙이 개입하고 있다. 2026년 노동절 연휴 기간 메이퇀은 샤오퇀이 1억 명 이상에게 서비스를 제공했다고 밝혔다. 범용 에이전트와 비교할 때 메이퇀이 확보한 것은 단순한 답변이 아니라 업체·평점·위치·재고·이행·거래 결과까지 포함된다.

이에 따라 미·중 To C 에이전트는 두 가지 확장 방식으로 갈라진다. 미국은 AI 네이티브 진입점에서 바깥으로 뻗어나가고, 중국은 기존 장면에서 안쪽으로 포위해 들어간다.

중국 경로의 위험은 사용자 인식의 분열에 있다. 쇼핑할 때는 Qianwen을 열고, 창작할 때는 Doubao를 열고, 업무할 때는 WorkBuddy를 사용하는 것 자체가 혼란이다. 장면은 깊지만 진입점은 여전히 분산되어 있다. 중국은 괜찮은 자리를 차린 테이블을 여럿 보유했지만, 아직 ChatGPT처럼 모든 사용자의 인식을 하나의 이름 아래로 모을 수 있는 슈퍼 진입점은 등장하지 않았다.

그리고 지금 중국 대형 IT 기업들은 이 점을 속속 인식하고, 미국에서 이미 검증된 범용 에이전트 형태를 따라잡기 위해 채팅 창을 워크벤치로 재편하기 시작했다.

텐센트 WorkBuddy는 이미 하나의 명령에서 출발해 자료 정리, 데이터 분석, 문서 제작, 콘텐츠 창작을 완료한다. Kimi의 범용 에이전트, Kimi Claw, 그리고 샤오미 MiMo Claw 역시 파일, 도구, 장기 태스크를 장악하려 시도 중이다. 이들이 하는 일은 ChatGPT Work, Claude Cowork와 점점 더 닮아간다. 사용자는 목표만 제시하고, 에이전트는 단계를 분해하고 도구를 호출하며, 최종 결과물을 전달하는 구조다.

좋은 패는 한 판을 이기게 할 수 있지만, 사용자의 기본 진입점을 선점하는 것은 일종의 ‘반칙’처럼 이후의 모든 응용 장면을 훈련 경험으로 바꾸고, 그 ‘반칙’으로 상대의 모든 패를 들여다보는 결과로 이어진다.

6. 손실 통제: 제도와 사회의 스트레스 감내 능력

텍사스 홀덤은 결코 이기기만 하는 게임이 아니다. 아무리 강한 플레이어도 나쁜 패를 받을 수 있고, 옳은 판단을 했더라도 낮은 확률에 역전당하며, 거대한 팟이 상대에게 넘어가는 것을 지켜보는 순간이 있다.

진정한 프로와 일반인을 가르는 것은 프로는 결코 손실을 보지 않는다는 점이 아니라, 손실을 통제하고 감정적 붕괴를 피해 이전 판의 손실이 다음 판의 판단을 망가뜨리지 않도록 한다는 점이다.

AI 경쟁도 마찬가지다. 모델은 생산성을 높이지만 고용을 압박할 수 있다. 콘텐츠 비용을 낮추지만 사기와 딥페이크를 확대할 수 있다. 기업 시스템에 진입하면 효율을 끌어올리는 동시에 한 번의 오류를 결제, 코드, 핵심 데이터로 확산시킬 수 있다.

1. 규제가 게임 참여 범위를 결정한다

미국은 상대적으로 넓은 레인지를 플레이하는 스타일에 가깝다. 기업이 먼저 제품을 출시하고, 시장·법원·주(州) 입법·규제 기관이 뒤따라 경계선을 긋는다. 이는 기업에 더 많은 실험 기회를 주지만, 일부 저작권·프라이버시·제품 피해가 사회가 먼저 감당한 뒤 사후에 바로잡히는 방식이기도 하다.

중국은 선제적으로 경계를 긋는 편이다. 등록·콘텐츠 거버넌스·플랫폼 책임·업계 시범 사업은 명백한 리스크를 줄이고 통일된 기준을 마련하기에 용이하다. 그러나 경계가 모호할 경우 기업과 지방이 책임을 회피하려고 가중 규제를 더하면서 ‘손실 통제’가 ‘너무 이른 폴드’로 변질될 수 있다.

미국은 더 높은 변동성을 감수하면서 실험을 늘리고, 중국은 통제 불능 확률을 낮추면서 안정적으로 추진한다. 진정으로 뛰어난 제도란 언제나 느슨하거나 언제나 빡빡한 것이 아니라, 언제 범위를 넓히고 언제 칩을 거둬들일지 아는 것이다.

2. 고용 충격은 사회가 감내할 수 있는 손실 폭을 결정한다

LLM이 가장 먼저 영향을 미치는 것은 언어와 정보 처리 비중이 높은 직무다. 고객 상담·번역·행정·콘텐츠·기초 프로그래밍·법률 조사·일부 분석 등이 해당된다. 국제노동기구(ILO)는 전 세계 일자리의 약 4분의 1이 어느 정도 생성형 AI 노출을 경험하겠지만, 최고 노출 등급에 속하는 고용은 약 3.3%로 추정한다. 이는 직업 전체가 깔끔하게 사라지기보다 과업이 재구성되는 상황에 가깝다.

위험은 특정 직무가 사라지는 것 자체가 아니라, 변화 속도가 사회가 직무·소득·보호 장치를 재정비하는 속도를 넘어서는 데 있다. 기업은 몇 달 만에 AI를 도입할 수 있지만, 노동자는 새로운 기술을 익히는 데 몇 년이 필요할 수 있다. 경제 전체는 장기적으로 성장해도 일부 사람들은 이미 파산 직전에 몰릴 수 있다.

미국 노동시장은 더 유연해 기업이 과감히 일자리를 재구성하지만, 비용은 더 많이 개인과 가정에 전가된다. 중국은 직업 교육·산업 정책·대형 조직을 통한 훈련 조정이 가능하지만, 더 많은 고용 인구와 더 높은 안정성 요구에 직면한다.

훌륭한 리스크 관리란 결코 손실이 발생하지 않도록 보장하는 것이 아니라, 한 번의 손실로 인해 사람이 게임에 다시 참여할 능력을 잃지 않도록 하는 것이다.

3. 가장 위험한 것은 패배가 아니라 틸트(Tilt)다

틸트란, 플레이어가 연속된 불운 뒤에 이성을 잃고 손실을 만회하려 베팅을 늘리며, 원래 유효했던 전략을 버리는 상태를 말한다. 사회 역시 기술 과열과 규제 공포 사이에서 반복적으로 틸트에 빠질 수 있다.

AI가 계속해서 사기, 가짜 콘텐츠, 고용 불안, 프라이버시 사고를 일으키면, 대중은 호기심에서 불신으로 돌아선다. 기업은 차세대 모델이 모든 문제를 해결할 것이라고 여전히 믿을 수 있지만, 사회는 몇 차례의 심각한 사고를 계기로 전면적인 제한을 요구할 수 있다. 전자는 거품을 만들기 쉽고, 후자는 단기적 손실 때문에 장기적 이익을 포기할 수 있다.

성숙한 사회적 수용이란 모든 사람이 낙관할 것을 요구하는 것이 아니라, 대중이 기술의 경계를 알고, 알 권리·탈퇴 권리·이의 제기 권리를 갖도록 하는 것이다. 위험 거버넌스도 ‘모델이 무엇을 말했는가’만 바라볼 게 아니라 ‘무엇을 할 권한이 있는가’를 추궁해야 한다. 에이전트가 이체를 실행하고, 코드를 수정하며, 핵심 시스템을 호출할 때는 최소 권한, 재확인, 로그 감사, 사고 책임이 반드시 프로세스에 포함되어야 한다.

진정한 감내 능력이란, 실패가 발생한 뒤에도 판단력을 유지하고, 손실을 통제하며 전략을 수정해, 일부의 손실이 기술 진보 전체를 누구도 감당하고 싶지 않은 불량 채권으로 만들지 않게 하는 것이다.

7. 판을 뒤엎는 변수: 게임을 무효화시킬 수 있는 외부 충격

지금까지의 모든 비교는 게임이 현재의 규칙대로 계속된다는 전제를 깔고 있다. 모델은 점진적으로 향상되고, 컴퓨팅 파워는 희소하며, 자본은 지속적으로 투입되고, 공급망은 정상 작동하며, 사회도 그 진동을 감내할 의사가 있다는 것이다.

현실은 반드시 그렇지 않다.

기술 혁명의 전환점은 종종 테이블 위의 레이즈, 콜, 폴드가 아니라, 어떤 변수가 갑자기 칩의 가치를 바꾸고 규칙을 다시 쓰거나 테이블 자체를 뒤엎을 때 찾아온다.

1. AGI가 예상보다 먼저 도래할 것인가. 만약 어떤 시스템이 장기적 연구, 프로그래밍, 공학 설계를 안정적으로 완수하고 차세대 모델 연구에 실질적으로 참여할 수 있다면, 몇 달의 우위가 따라잡기 어려운 단층으로 굴러갈 수 있다. 단기적으로 이는 최전선 연구소, 최고급 칩, 클라우드 플랫폼을 보유한 미국에 더 유리하다. 그러나 능력의 유출, 복제, 증류 여부가 그 우위를 독점할 수 있을지를 결정할 것이다.
2. 컴퓨팅 병목이 돌파될 것인가. 만약 새로운 아키텍처, 저정밀 연산, 특화 칩이 동등한 능력에 필요한 연산량을 한 자릿수 낮춘다면, 미국의 대규모 클러스터가 가진 일부 이점은 재평가될 것이다. 반대로 장쇄(長鏈) 추론과 에이전트가 더 많은 토큰을 계속 소비한다면, 칩·에너지·클라우드·자본은 더욱 집중될 것이다.
3. 봉쇄가 강화되거나 공급망이 단절될 것인가. 미국이 제한을 클라우드 컴퓨팅, HBM, 장비 유지보수, 모델 접근, 인재 협력으로까지 확대한다면 중국의 단기 비용은 눈에 띄게 상승할 것이다. 그러나 봉쇄가 오래 지속될수록 중국은 미국산 공급을 신뢰할 수 있는 기반으로 보지 않을 것이다. 더 극단적인 지정학적 충돌은 미국 주도의 설계 동맹과 중국의 제조 시장을 동시에 타격하며, 경쟁은 ‘누가 더 빨리 혁신하는가’에서 ‘누가 더 많은 재고와 대체 생산 능력을 갖췄는가’로 회귀할 수 있다.
4. AI 거품이 붕괴할 것인가. 에이전트가 절약하는 비용이 모델 청구서를 감당하지 못한다면, 자본 시장은 현금흐름과 이익을 기준으로 재평가할 것이다. 거품 붕괴가 LLM을 사라지게 하지는 않겠지만, 밸류에이션·보조금·저가동률 설비에 의존해 살아남은 참여자들을 테이블에서 쫓아낼 것이다.
5. AI 실업이 사회적 반발을 촉발할 것인가. 대규모 실업이 실제로 현실화될 때까지 기다릴 필요는 없다. 초급 일자리가 줄고 진입 경로가 좁아지며 생산성 향상으로 얻은 이익이 주로 플랫폼과 자본에 흘러들면, 자동화 심사·고용 보호·새로운 분배 정책이 예상보다 일찍 등장할 수 있다.
6. 개방형 모델이 권력 구조를 바꿀 것인가. 오픈 웨이트(open weight)가 격차를 ‘대부분의 작업에 충분한’ 수준으로 지속적으로 압축한다면, 권력은 소수 연구소에서 클라우드 플랫폼, 애플리케이션 회사, 그리고 자체 데이터를 보유한 국가로 이동할 것이다. 그러나 개방이 저절로 중국에 유리한 것은 아니다. 진짜 관건은 누가 다운로드를 도구 체인, 표준, 매출, 그리고 다음 세대 훈련 자원으로 전환할 수 있느냐다.
7. 중대 안전 사고가 규제 급브레이크를 초래할 것인가. 고권한 에이전트가 금융·의료·네트워크·인프라에서 심각한 사고를 일으키면, 모델 라이선스, 책임 보험, 배포 승인이 급격히 강화될 수 있다. 안전은 산업 도구로 작동하며 외국 모델·데이터·컴퓨팅이 진입할 수 있는 시장 경계를 재획정할 수도 있다.

이 변수들은 줄 서서 오지 않는다. 봉쇄는 국산 칩을 앞당길 수 있고, 개방형 모델은 비용을 낮추는 동시에 악용을 확대할 수 있으며, 거품 붕괴는 AGI를 지연시키거나 자원을 더 적은 회사로 몰아갈 수 있다. 고용 충격과 안전 사고는 어느 날 밤 동시에 양국 규제 당국을 깨울 수도 있다.

역사가 진짜로 방향을 틀 때의 움직임은 흔히 진행 중인 판의 바깥에서 들려온다.

그것은 가장 비싼 칩을 갑자기 가치 없게 만들 수도 있고, 원래 뒤처져 있던 쪽에 누구도 계산해 본 적 없는 길을 열어줄 수도 있다.

맺음말

시선을 처음의 녹색 테이블로 돌리면, 서버실 천장의 등은 여전히 차갑게 빛나고 있다.

미국은 여전히 더 좋은 프리플랍 패를 쥐고 있다. 최전선 모델, 고급 칩, 자본, 글로벌 접점을 장악하고 있기에, 오늘 당장 패를 공개한다면 승률은 여전히 더 높다. 중국은 콜하는 방식을 바꾸고 있다. 알고리즘으로 칩의 액면가를 재조정하고, 개방으로 테이블을 넓히고, 산업 장면에서 진짜 승부가 달린 핸드 기록을 찾아내며, 비용 우위를 자기 강화 순환 고리로 바꾸려 시도한다.

이 경쟁은 어느 한 쪽이 능력·매출·데이터·컴퓨팅 사이의 폐루프를 진정으로 구축하거나, 양측이 이 대결에서 이기는 대가가 승리라고 부르기엔 너무 커져버렸다는 사실을 발견할 때까지, 전력·자본·인재·사회적 인내를 계속 소모할 것이다.

딜러는 재촉하지 않고, 그저 덱 위에 손을 얹었을 뿐이다. 문밖으로 어쩌다 스쳐 지나가는 바람 소리가 아주 가볍고, 아주 가볍다. 마치 아직 실적 보고서에 쓰이지도 않은 나쁜 소식처럼.

테이블에 앉은 사람들 누구도 자리에서 일어나지 않았다.