중국 AI 연산 능력 반격전

글 | Sleepy.txt

8년 전, ZTE의 심장이 멎었었습니다.

2018년 4월 16일, 미국 상무부 산업 안보국의 한 통고로, 8만 명의 직원을 두고 매출이 천억 달러를 넘기며 세계 4위의 통신장비 제조업체였던 ZTE는 하룻밤 사이에 멈췄습니다. 통고 내용은 매우 단순했습니다. 앞으로 7년 동안, 어떤 미국 기업도 ZTE에 부품, 상품, 소프트웨어, 기술을 판매할 수 없습니다.

퀄컴의 칩이 없어진 나머지 기지국 생산이 중단되었습니다. 구글의 안드로이드 라이선스가 없어진 나머지 휴대폰에는 시스템이 없습니다. 23일 뒤, ZTE는 공지를 발표하여 본사 주요 사업활동을 더 이상 수행할 수 없다고 밝혔습니다.

하지만 ZTE는 결국 살아남았지만, 대가는 14억 달러였습니다.

10억 달러 벌금, 일시불로 납부; 4억 달러 보증금, 미국 은행에 예치된 입금 계좌에 보관되었습니다. 게다가 모든 경영진이 교체되었으며 미국 측의 준법 감시팀이 파견되었습니다. 2018년 전체 기간에 ZTE는 순손실로 70억 위안을 기록했으며 매출은 전년 동기 대비 21.4% 급락했습니다.

당시 ZTE 이사장였던 인이민은 내부 편지에서 다음과 같이 썼습니다: "우리는 복잡하고, 전 세계적인 공급망에 높은 의존성을 가지는 산업에 위치하고 있습니다." 이 문구는 당시에는 반성이며 절망이었습니다.

8년 후, 2026년 2월 26일, 중국 AI 유니콘 DeepSeek는 곧 출시될 V4 다중모드 대형 모델을 국내 칩 제조업체와 우선적으로 깊은 협력을 통해, 첫 번째로 사전 학습부터 미세 조정까지의 전 과정 비엔비아드 솔루션을 실현한다고 발표했습니다.

간단히 번역하면: 우리는 더 이상 엔비디아를 사용하지 않습니다.

이 소식이 나온 후 시장의 첫 번째 반응은 의심이었습니다. 엔비디아는 글로벌 AI 학습 칩 시장에서 90% 이상의 점유율을 차지하고 있으며 이를 포기한다는 것은 비즈니스적으로 합리적인가요?

그러나 DeepSeek의 선택 뒤에는 비즈니스 논리보다 큰 문제가 숨겨져 있습니다: 중국 AI는 과연 어떤 종류의 컴퓨팅 파워 독립이 필요한가요?

목구멍이 올바르게 막힌 것은 무엇인가

많은 사람들이 칩 제제가 중단된 것이 하드웨어인 줄 알고 있습니다. 그러나 중국 AI 기업들이 진정으로 숨차간 것은 한 가지인 CUDA입니다.

CUDA, 전체명칭은 Compute Unified Device Architecture로, 엔비디아가 2006년에 출시한 병렬 컴퓨팅 플랫폼 및 프로그래밍 모델입니다. 이를 통해 개발자는 엔비디아 GPU의 컴퓨팅 파워를 직접 호출하여 다양한 복잡한 계산 작업을 가속화할 수 있습니다.

AI 시대가 도래하기 전에, 이것은 소수의 게이머들만이 사용하는 도구였습니다. 그러나 심층 학습의 파도가 밀려오면서, CUDA는 전체 AI 산업의 기초가 되었습니다.

AI 대규모 모델의 훈련은 본질적으로 대규모 행렬 연산입니다. 이것이 바로 GPU가 가장 뛰어난 작업인 것입니다.

NVIDIA는 10년 가까이의 사전 계획을 토대로, CUDA를 통해 전 세계 AI 개발자를 위한 하드웨어부터 응용프로그램까지의 완전한 도구 체인을 구축했습니다. 오늘날, 구글의 TensorFlow부터 메타의 PyTorch까지 모든 세계 주요 AI 프레임워크는 CUDA와 깊은 결합을 가지고 있습니다.

한 명의 AI 전문가 박사과정 학생은 입학 첫 날부터 CUDA 환경 안에서 학습하고 프로그래밍하며 실험을 합니다. 그가 작성하는 모든 코드는 NVIDIA의 요새를 강화하는 데 기여합니다.

2025년까지, CUDA 생태계는 이미 450만 명이 넘는 개발자들과 3000개 이상의 GPU 가속 애플리케이션을 보유하고 있으며, 전 세계에서 4만 개 이상의 기업이 CUDA를 사용하고 있습니다. 이 숫자는 전 세계 AI 개발자 중 90% 이상이 NVIDIA의 생태계에 묶여 있다는 것을 의미합니다.

CUDA의 무서운 점은 그것이 회전목마였다는 것입니다. 더 많은 개발자가 사용하면, 더 많은 도구, 라이브러리 및 코드가 생성되어 생태계가 번영하며, 생태계가 번영하면 더 많은 개발자가 합류하게 됩니다. 이 회전목마가 돌기 시작하면 거의 무너질 수 없습니다.

결과적으로, NVIDIA는 여러분에게 가장 비싼 삽을 팔지만, 유일한 채굴 방법도 정의합니다. 다른 삽을 사용하고 싶습니까? 가능합니다. 그러나 지난 10년간, 전 세계 수십만 가지 똑똑한 두뇌가 쌓은 모든 경험, 도구 및 코드를 이 새로운 방법으로 모두 다시 작성해야 합니다.

이 비용은 누가 부담합니까?

따라서, 2022년 10월 7일, BIS의 처음으로 시행된 제어로 인해, NVIDIA A100 및 H100의 중국 수출이 제한되었을 때, 중국의 AI 기업들은 처음으로 중국 통신 장비 회사의 질식감을 느꼈습니다. 이후 NVIDIA는 "중국 특별 버전" A800 및 H800을 출시했으며, 칩 간 연결 대역폭을 낮추어 공급을 간신히 유지했습니다.

그러나 딱 한 해 뒤, 2023년 10월 17일, 두 번째 제어가 다시 강화되며, A800 및 H800도 금지되고, 13 개의 중국 기업이 Entity List에 포함되었습니다. NVIDIA는 더 이상 자르기 위한 H20를 발표해야 했습니다. 2024년 12월까지, 바이든 행정부의 임기 내 마지막 제어가 시행되어, 심지어 H20의 수출까지 엄격하게 제한되었습니다.

삼중 통제, 겹겹으로 강화.

하지만, 이번에는 이야기의 전개가, 그리고 녹색 중국의 그때와는 완전히 다르다.

비대칭적 돌파

금지 조치 하에서, 모든 사람들은 중국 AI의 대형 모델의 꿈이 여기서 끝날 것으로 생각했다.

그들 모두가 틀렸다. 차단에 직면하자, 중국 기업들은 정면 돌파를 선택하지 않았고, 돌파를 시작했다. 이 돌파의 첫 전투는 칩이 아닌 알고리즘에서 벌어졌다.

2024년 말부터 2025년까지, 중국의 AI 기업들은 모두 한 기술 방향으로 향했다: 혼합 전문가 모델.

간단히 말해, 거대한 모델을 많은 작은 전문가로 분해하여 작업시에 관련이 있는 몇 가지만 활성화시키고 전체 모델을 동원하지 않는 것이다.

DeepSeek의 V3가 이러한 방법론의 전형적인 대표이다. 이 모델은 6710억 개의 매개변수를 보유하고 있지만, 각 추론은 단 370억 개만 활성화되어 전체의 5.5%를 차지한다. 훈련 비용 측면에서, 이는 2048개의 NVIDIA H800 GPU 블록을 사용하여 58일 동안 훈련을 하고 총 비용은 557.6만 달러이다. 비교하자면, GPT-4의 훈련 비용에 대한 외부 추정은 대략 7800만 달러이다. 1차이의 차이가 난다.

알고리즘 상의 극한 최적화는 가격에 직접 반영된다. DeepSeek의 API 가격은, 입력당 백만 토큰 당 0.028~0.28달러, 출력은 0.42달러이다. 반면 GPT-4의 입력 가격은 5달러, 출력은 15달러이다. Claude Opus는 더 비싸다. 입력은 15달러, 출력은 75달러이다. 환산하면, DeepSeek는 Claude보다 25~75배 싸다.

이 가격 차이는 세계적인 개발자 시장에서 큰 반향을 일으켰다. 2026년 2월, 세계 최대의 AI 모델 API 집계 플랫폼인 OpenRouter에서, 중국 AI 모델의 주간 호출량이 3주 동안 127% 급증하여 처음으로 미국을 넘어섰다. 1년 전까지, 중국 모델은 OpenRouter에서의 점유율이 2% 미만이었다. 1년 후, 421% 증가하여 거의 60%에 근접했다.

이 데이터 집합 뒤에는 무시하기 쉬운 구조적 변화가 있다. 2025년 하반기부터, AI 응용 프로그램의 주요 시나리오가 채팅에서 에이전트로 이동했다. 에이전트 시나리오에서는 한 번의 작업에서의 토큰 소비량이 간단한 채팅의 10배에서 100배 더 많다. 토큰 소비량이 지수적으로 증가할 때, 가격이 결정적인 요소가 된다. 중국 모델의 극한 가격 대비성은 이 창에 딱 들어맞았다.

그러나 핵심 문제는 추론 비용의 감소가 훈련의 근본적인 문제를 해결해주지 않는다는 점입니다. 최신 데이터 상에서 대형 모델이 계속 훈련하고 반복하지 못하면 해당 모델의 성능이 빠르게 저하될 수밖에 없습니다. 여전히 훈련은 계산 리소스의 블랙홀로 남아 있습니다.

그렇다면, 훈련의 '삽'은 어디서 올까요?

백업의 본업화

중국의 실리콘 밸리인 산쑤성 흥화시, 작은 중소도시로 유명해진 이 지역은 이전까지 인공지능과는 아무런 관련이 없었습니다. 그러나 2025년에는 148미터 길이의 국산 계산 리소스 서버 생산 라인이 이곳에서 건설되어 생산에 투입되었는데, 계약부터 생산까지 단 180일 만에 완료되었습니다.

이 생산 라인의 핵심은 두 개의 완전 국산 칩셋인 드래곤芯 3C6000 프로세서와 태초원기 T100 인공지능 가속 카드입니다. 드래곤芯 3C6000은 명령어 세트부터 마이크로 아키텍처까지 자체 개발되었습니다. 태초원기는 국가 초대형 계산 중심과 청화대학 팀에서 파생되었으며 이질적인 다중 코어 아키텍처를 채택했습니다.

이 생산 라인이 최대 생산 시에 5분마다 서버 한 대를 생산하며, 이 생산 라인의 총 투자액은 110억 위안이며 연간 10만 대 생산을 예상하고 있습니다.

보다 중요한 것은 이러한 국산 칩셋으로 구성된 만 카드 클러스터가 이미 실제 대형 모델 훈련 작업을 맡기 시작했다는 것입니다.

2026년 1월, 지저 AI는 화웨이와 협력하여 GLM-Image을 출시했으며, 이것은 국산 칩셋을 완전히 의존한 SOTA 이미지 생성 모델의 전체 훈련이 구현 된 첫 번째 사례입니다. 2월, 중국 텔레콤의 천억급 '성천' 대형 모델은 상하이린강의 국산 만 카드 계산 리소스 풀에서 전 과정 훈련을 완료했습니다.

이러한 사례들의 의미는 한 가지 사실을 입증했습니다. 국산 칩은 이제 '추론에 사용 가능'에서 '훈련에 사용 가능'으로 전환되었습니다. 이것은 혁명적인 변화입니다. 추론은 이미 훈련된 모델을 실행하는 것만으로 해당 칩에 대한 요구 사항이 비교적 낮습니다. 그러나 훈련은 대량의 데이터 처리, 복잡한 기울기 계산, 매개 변수 업데이트 등을 필요로 하며, 칩의 계산 능력, 상호 연결 대역폭 및 소프트웨어 생태에 대한 요구 사항은 한 수준 더 높습니다.

이러한 작업을 수행하는 핵심 역량은 화웨이의 양성 시리즈 칩입니다. 2025년 말까지 양성 생태계의 개발자 수는 400만 명을 돌파하였으며, 협력사는 3000여 개가 되었으며, 43개의 주요 산업 대형 모델이 양성을 통해 사전 훈련을 완료했고, 200개 이상의 오픈 소스 모델이 적응을 마쳤습니다. 2026년 3월 2일에 열린 MWC 컨퍼런스에서 화웨이는 해외 시장을 위해 새로운 세대의 계산 리소스 베이스 SuperPoD를 최초로 선보였습니다.

승천 910B의 FP16 성능은 이미 엔비디아 A100과 동등해졌습니다. 차이는 여전히 존재하지만, 사용 불가능에서 사용 가능한 상태로 변화했으며, 사용 가능에서 좋은 사용 가능성으로 나아가고 있습니다. 생태계 구축은 칩이 완벽해질 때까지 기다리지 말고, 충분히 사용 가능한 단계에서 현실적인 비즈니스 요구를 통해 칩과 소프트웨어를 반복하도록 압박해야 합니다. 바이트 댄스, 텐센트, 바이두는 국산 계산 성능 서버의 도입 목표를 세우고 있으며, 2026년에는 작년 대비 대폭 증가할 예정입니다. 중국 공업부의 데이터에 따르면, 중국의 지능형 계산 규모는 이미 1590 EFLOPS에 달했습니다. 2026년, 국산 계산 성능 규모 배포의 첫 해로 자리 잡고 있습니다.

미국의 전기 부족과 중국의 해외 이동

2026년 초, 세계의 다수 데이터 센터 트래픽을 감당하던 버지니아주는 새 데이터 센터 건설 프로젝트의 승인을 일시 중단했습니다. 조지아주가 뒤를 따라 2027년까지 승인을 중단했습니다. 일리노이주, 미시건주도 제한 조치를 시행했습니다.

국제 에너지 기구의 데이터에 따르면, 2024년 미국의 데이터 센터 전력 사용량은 이미 183 테라와트-시간에 이르렀으며, 전국 총 전력 사용량의 약 4%를 차지합니다. 2030년까지 이 수치가 426TWh로 2배로 증가할 것으로 예상되며, 비율은 12%를 넘을 것으로 예상됩니다. Arm의 CEO는 2030년까지 인공지능 데이터 센터가 미국의 전체 전력의 20%에서 25%를 소비할 것으로 예측했습니다.

미국의 전력망은 이제 버티기 힘든 상태입니다. 미국 동부 13개 주를 커버하는 PJM 전력망은 6GW의 전력 부족에 직면하고 있습니다. 2033년까지 미국은 전체적으로 175GW의 전력 수요 부족에 직면할 전망이며, 이는 약 1.3억 가정의 전력 사용량에 해당합니다. 데이터 센터 집중 지역의 도매 전력 비용은 5년 전보다 267% 상승했습니다.

계산 성능의 최종 지점은 에너지입니다. 에너지 측면에서 중미간의 격차는 칩보다 더 크며, 방향만 다릅니다.

중국의 연간 발전량은 10.4조 킬로와트-시, 미국은 4.2조 킬로와트-시이며, 중국은 미국의 2.5배입니다. 더 중요한 것은, 중국의 주거용 전력 소비가 전체 전력의 15%를 차지하는 반면, 미국은 36%입니다. 이는 중국이 더 큰 산업 전력 여유량을 계산 성능 구축에 투입할 수 있다는 것을 의미합니다.

전기 요금 측면에서, 미국의 인공지능 기업 집중 지역의 전기 요금은 0.12달러에서 0.15달러 사이이며, 중국 서부의 산업용 전기 요금은 약 0.03달러로, 미국의 1/4에서 1/5 수준입니다.

중국의 발전량 증가는 이미 미국의 7배에 이릅니다.

미국이 전력난에 시달리는 와중, 중국의 AI가 조용히 해외로 떠났습니다. 그러나 이번 해외진출은 제품이나 공장이 아닌 토큰(Token)을 대상으로 합니다.

토큰은 정보 처리 AI 모델의 최소 단위로, 새로운 디지털 상품이 되어가고 있습니다. 이는 중국의 컴퓨팅 공장에서 생성된 후 해저 광케이블을 통해 전 세계로 전송됩니다.

DeepSeek의 사용자 분포 데이터는 상황을 잘 보여줍니다: 중국 내지역이 30.7%, 인도가 13.6%, 인도네시아가 6.9%, 미국이 4.3%, 프랑스가 3.2%입니다. 이는 37개 언어를 지원하며 브라질 등 신흥 시장에서 매우 인기가 있습니다. 전 세계에서는 2.6만개 기업이 계정을 개설했고, 3200여 개 기관이 기업판을 배포했습니다.

2025년, 신규 AI 스타트업의 58%가 DeepSeek를 기술 스택에 편입했습니다. 중국에서는 DeepSeek가 시장 점유율의 89%를 차지했으며, 제재를 받는 다른 국가들에서는 시장 점유율이 40%에서 60% 사이입니다.

이 광경은 40년 전 산업 자주성에 관한 다른 한 전쟁을 생각나게 합니다.

1986년 도쿄에서, 미국의 강력한 압력 아래 일본 정부는 '미일 반도체 협정'에 서명했습니다. 협정의 핵심 조항은 세 가지였습니다: 일본이 반도체 시장을 개방하도록 요구하고, 미국 칩의 일본 시장 점유율이 20% 이상이 되어야 했으며; 일본 반도체가 원가보다 낮은 가격에 수출하는 것을 엄격히 금지했으며; 3억 달러의 반도체 수출에 100%의 매연 관세를 부과했습니다. 동시에 미국은 후지쯔가 엔틱스 반도체 흡수인수를 거부했습니다.

그 해, 일본의 반도체 산업은 정상기에 있었습니다. 1988년, 일본은 전 세계 반도체 시장의 51% 점유율을 확보했으며 미국은 36.8%에 그쳤습니다. 전 세계 상위 10대 반도체 기업 중 6곳은 일본: NEC는 2위, 도시바는 3위, 히타치는 5위, 후지쯔는 7위, 미쓰비시는 8위, 파나소닉은 9위를 차지했습니다. 1985년, 인텔은 미일 반도체 전쟁에서 1.73억 달러의 적자를 기록하며 파산 직전까지 이르렀습니다.

그러나 협정 체결 이후, 모든 것이 달라졌습니다.

미국은 301 조사 등의 수단을 활용하여 일본의 반도체 기업에 대한 종합적인 압박을 가했습니다. 동시에 한국의 삼성, 하이닉스를 지원하여 더 낮은 가격으로 일본 시장을 공략했습니다. 일본의 DRAM 점유율은 80%에서 10%로 떨어졌습니다. 2017년까지, 일본의 IC 시장 점유율은 7%로 줄어들었습니다. 옛날의 거물들은 분할되었거나 인수되었거나 끊임없는 적자 속에서 침체했습니다.

일본 반도체의 비극은, 단일 외부 힘에 의해 지배되는 글로벌 분업 체계에서 최고의 생산자가 되는 데 만족해왔지만, 직접 건설하는 생태계에 대해 고려해 본 적이 없다는 데 있습니다. 조류가 물러가자, 그것은 자신이 생산 이외에는 아무 것도 가지고 있지 않다는 것을 깨달았습니다.

오늘의 중국 AI 산업은, 비슷하지만 완전히 다른 길모퉁이에 서 있습니다.

유사한 점은, 우리 또한 외부로부터 거대한 압력을 받고 있다는 것입니다. 세 번의 칩 제어, 계속되는 더 많은 규제, 여전히 높은 CUDA 생태계의 장벽.

다른 점은, 이번에는 더 어려운 길을 선택했다는 것입니다. 알고리즘 수준의 극한 최적화부터 국산 칩이 推理에서 훈련으로 뛰어넘기, 다시는 삼성 생태계 4 백만 개발자의 축적, 그리고 Token Outbound가 세계 시장으로의 침투 등. 이 길 위의 매 단계마다, 일본이 가지지 못했던 독립적인 산업 생태를 구축 중입니다.

맺음말

2026년 2월 27일, 국내 AI 칩 제조 회사 세 곳의 실적 보고서가 동시에 발표되었습니다.

현무이, 매출이 453% 급증하여 연간 처음으로 흑자를 달성했습니다. 모얼스레드, 매출이 243% 증가했지만 순 손실은 10 억 달러입니다. 무시, 매출이 121% 증가하였지만 순 손실은 거의 8 억 달러에 가깝습니다.

반은 불, 반은 물.

불은 시장이 극도로 갈망하는 것입니다. 황인훈이 양보한 95%의 공백은 이러한 국내 기업들의 매출 숫자가 채워지고 있습니다. 성능이 어떻든, 생태가 어떤 모양이든, 시장은 두 번째 선택지인 NVIDIA 이외의 것을 필요로 합니다. 이는 지리정치적으로 열어진, 천재 난이도의 구조적 기회입니다.

물은 생태 생성의 엄청난 비용입니다. 각각의 손실은 CUDA 생태계를 따라잡기 위해 지불된 진짜 돈입니다. 연구 개발의 투자, 소프트웨어 보조금, 고객 현장에 파견되어 컴파일 문제 하나 하나를 해결하는 엔지니어의 인력 비용입니다. 이러한 손실은 운영 미숙 때문이 아니라 독립적인 생태계를 구축하는 데 필수적인 전쟁 세금입니다.

이 세 개의 재무 보고서는 어떤 산업 보고서보다도 이 계산 능력 전쟁의 진실을 더 정직하게 기록합니다. 이는 노래 부르며 전렬하는 승리가 아니라, 격렬하게 피를 흘리면서 돌진하는 전선 전투입니다.

그러나 전쟁의 형태는 확실히 변했습니다. 여덟 년 전, 우리가 물었던 것은 "살아남을 수 있을까" 였습니다. 오늘날, 우리가 논의하는 것은 "살아남으려면 얼마나 비용을 치러야 하는가"입니다.

비용 자체가 진보입니다.

BlockBeats 공식 커뮤니티에 참여하세요:

Telegram 구독 그룹：https://t.me/theblockbeats

Telegram 토론 그룹：https://t.me/BlockBeats_App

Twitter 공식 계정：https://twitter.com/BlockBeatsAsia