중국 문샷AI가 Kimi K3를 공개한 이후 가장 먼저 제기되는 질문은 중국이 미국을 따라잡았느냐는 것이다. ‘키미가 딥시크 2.0이다’라는 말까지 도는 가운데, 이 무렵 미국의 AI·반도체 관련 주가도 크게 출렁였다. 키미 때문인지 다른 요인이 겹친 것인지 단정하기는 어렵지만, 시장이 이 공개를 가볍게 넘기지 않았다는 신호다. 그러나 ‘따라잡았느냐’는 질문 자체는 사안의 본질을 비켜간다. 중요한 것은 특정 모델의 성능 우위가 아니라, 중국이 프론티어급 모델을 오픈웨이트(학습을 마친 모델의 가중치를 공개해 누구나 내려받아 수정·재사용할 수 있는 방식) 형태로 공개함으로써 AI 산업의 경쟁 구조 자체를 어떻게 변화시키려 하는지, 그리고 미국이 이에 어떻게 대응하는지다. 이 움직임은 단순한 기술 추격을 넘어 지능의 희소성과 통제권이 어디에 머무를지를 둘러싼 구조적 변화의 신호로 읽어야 한다.
공짜 점심은 없다
‘공개했다’는 사실은 분명하다. 그러나 무엇이, 어떤 조건으로 열렸는지를 뜯어보면 이야기가 달라진다. Kimi K3가 GPT나 Claude보다 뛰어난지보다, 중국이 무엇을 열고 무엇은 끝내 열지 않았는지가 이 발표의 성격을 결정한다.
Kimi K3는 2조 8,000억 개 파라미터 규모의 혼합전문가 모델(Mixture-of-Experts, MoE)이다. MoE는 모델 전체를 매번 다 돌리지 않고 입력마다 필요한 일부 ‘전문가’ 신경망만 골라 활성화하는 구조로, 덩치를 키우면서도 실제 연산 비용은 낮춘다. Kimi K3도 896개 전문가 중 토큰당 16개만 활성화한다. 여기에 네이티브 비전(이미지·화면을 별도 모듈 없이 모델 자체가 곧바로 이해하는 능력)과 100만 토큰 컨텍스트를 갖췄다. 100만 토큰은 책 여러 권 분량을 한 번에 물고 작업할 수 있는 크기로, GPT·Claude 등 미국 최상위 모델의 장문 컨텍스트와 비슷한 수준이다. 문샷은 장기 코딩과 지식 작업에서 프론티어급 성능을 주장한다. 다만 종합적인 사용자 경험과 일부 성능에서는 미국 최상위 폐쇄형 모델에 뒤처진다고 인정한다. 전체 가중치는 발표 당일이 아니라 2026년 7월 27일까지 배포할 예정이다. 따라서 현재 시점에서 이 모델은 완전히 검증된 오픈소스라기보다 프론티어급 오픈웨이트 모델의 공개 선언에 가깝다.
이번 발표가 주목받는 이유는 모델 간 우열이 아니라 AI 산업 경쟁 방식의 변화 때문이다. 대형 AI에서 말하는 개방은 전통적인 오픈소스와 다르다. 소스코드, 학습 데이터, 학습 방법까지 모두 공개되는 것이 아니라, 학습이 끝난 모델의 가중치를 내려받고 수정할 수 있는 수준이 일반적이다. 어떤 데이터와 비용으로 학습했는지를 완전히 재현하기는 어렵다.
이 간극은 Kimi K3에서 특히 두드러진다. 가중치가 공개되더라도 문샷은 효율적인 운영을 위해 64개 이상의 가속기가 연결된 슈퍼노드 구성을 권장한다. 가정용 PC 한 대로는 어림도 없고, 고성능 AI 가속기 수십 장을 전용 고속망으로 묶은 서버 여러 대에 전력·냉각 설비까지 갖춰야 하는, 사실상 데이터센터 한 구획 규모다. 항간에서도 이 모델을 직접 운영하려면 막대한 장비 투자가 필요해 자체 호스팅이 가능한 주체는 제한적일 것이라는 지적이 나온다. 따라서 Kimi K3를 내려받으면 누구나 중국의 최상위 AI를 노트북에서 바로 실행할 수 있다는 이해는 실제와 거리가 있다.
Kimi가 개방하는 것은 지능을 생산하는 전체 수단이 아니다. 이미 만들어진 지능을 복제하고 변형할 수 있는 권한이다.
공장 전체를 공개하는 것이 아니라, 공장에서 생산된 핵심 설계도를 배포하는 것에 가깝다.
API로만 제공되는 모델은 공급자가 가격을 올리거나 접근을 제한하면 사용할 수 없다. 가중치를 확보하면 조직은 독자적으로 미세조정하고 양자화하며 증류(distillation)할 수 있고, 특정 산업이나 언어에 맞게 재가공할 수 있다.
증류(distillation)는 크고 강력한 모델(교사)이 내놓는 답과 판단을 정답처럼 삼아 더 작은 모델(학생)을 학습시키는 기법이다. 학생 모델은 교사의 능력을 상당 부분 물려받으면서도 크기와 운영 비용을 크게 줄일 수 있어, 오픈웨이트가 실제로 확산되는 핵심 통로가 된다.
원본 모델을 직접 운영하는 곳은 적더라도, 그로부터 파생된 모델과 도구는 더 넓게 퍼질 수 있다.
오픈웨이트의 영향력은 자체 호스팅 사용자 수로 측정되지 않는다. 얼마나 많은 파생 모델과 도구, 학습 데이터, 개발 관행이 만들어지는지로 평가해야 한다.
성능 1위보다는 값싼 상품 전략
미국 프론티어 랩의 기본 사업 모델은 비교적 분명하다. 막대한 자본을 들여 가장 강력한 모델을 만들고, 이를 API와 구독 형태로 제공한다. 모델 가중치는 공개하지 않고, 고객이 지능에 접근할 때마다 요금을 받는다. 성능 격차가 유지되는 동안 모델 자체는 희소한 자산이 되고, 높은 마진의 근거가 된다.
중국이 이 구조를 정면으로만 추격한다면 미국이 정한 경기장에서 경쟁을 이어가게 된다. 첨단 칩과 자본에서 우위를 가진 쪽이 유리한 구조다.
오픈웨이트는 이러한 게임의 규칙을 바꾸는 접근이다. 중국 모델이 미국 최고 모델보다 다소 뒤처지더라도, 충분한 성능을 낮은 비용과 높은 통제력으로 공급하면 미국 모델이 받을 수 있는 가격의 상한선을 낮출 수 있다. 모든 고객을 빼앗을 필요는 없다.
기업 업무의 상당 부분은 매번 세계에서 가장 강력한 모델을 요구하지 않는다. 최고 수준의 과학적 추론이나 복잡한 연구에는 최상위 모델이 필요할 수 있다. 그러나 문서 분류, 검색, 요약, 고객 응대, 코드 변환, 사내 지식 검색과 같은 대량 업무에서는 정확도와 함께 비용, 지연 시간, 데이터 통제력이 더 중요한 기준이 된다.
이 영역에 강력한 오픈모델이 널리 퍼지면 프론티어 모델은 모든 업무의 기본이 아니라 어려운 문제에만 호출되는 프리미엄 모델로 자리하게 된다. 중국이 성능 경쟁에서 완전히 앞서지 않아도 미국 프론티어 랩의 경제성을 흔들 수 있는 구조다. 미국이 지능을 희소한 서비스로 판매한다면, 중국은 지능의 기반층을 상품화해 그 희소성을 약화시키려 한다.
중국이 오픈모델을 글로벌 사우스(Global South, 인도·인도네시아·브라질·나이지리아 등 비서구 신흥·개발도상국)에 대한 기술 협력과 AI 접근성으로 포장하는 것도 같은 전략에 속한다. 중국은 2026년 세계인공지능대회에서 오픈소스 AI를 국제적 공공재(公共財)로 제시하고, 개발도상국의 AI 역량 구축과 표준 형성에 참여하겠다는 계획을 밝혔다. 이는 단순한 모델 수출이 아니라 중국 모델과 기술 표준, 인력 양성, 협력 기구를 함께 확산하려는 움직임이다.
중국이 확산하려는 것은 모델 파일 하나가 아니다. 중국 기술을 기본값으로 사용하는 세계 개발 생태계다.
그런데 이 상품화 전략이 얼마나 자생적인 기술력에 근거하는지는 별개의 질문이다. 오픈 모델 생태계를 관찰하는 쪽에서는 최근 공개되는 파인튜닝의 상당수가 중국 오픈웨이트 계열에 몰려 있으며, 그 확산의 상당 부분이 서구 프론티어 모델을 교사로 삼은 증류(distillation)에 기대고 있다고 본다. Thinking Machines Lab(씽킹머신스랩)이 2026년 7월 15일 공개한 자체 프리트레이닝 모델 Inkling(잉클링)을 문샷의 Kimi K2.5가 생성한 합성 데이터로 포스트트레이닝한 사례가 그 정황을 뒷받침한다.
여기서 역설적인 순환 구조의 딜레마가 형성된다. 서구 프론티어 모델의 출력을 무단으로 추출해 중국 오픈웨이트를 학습시켰다는 의혹은 계속 제기되지만, 일단 중국 오픈웨이트가 공개되고 나면 서구 기업이 그것을 교사로 삼아 자사 모델을 훈련하는 것은 합법이다. 미국 프론티어 모델에서 곧바로 서구 포스트트레이닝으로 이어지는 직접 경로는 막혀 있는 반면, 중국 오픈웨이트를 경유하는 우회로만 열려 있는 셈이다.
회의적인 시각은 여기서 한발 더 나아가 중국 모델의 학습 효율성 자체를 의심한다. 중국은 최신 GPU와 고급 ASIC(특정 용도에 맞춰 설계한 맞춤형 반도체) 제조에 필요한 리소그래피(반도체 회로를 웨이퍼에 새기는 초정밀 노광 공정·장비) 장비에 접근하지 못하면서도 미국 연구소를 바짝 뒤쫓는데, 이를 순수한 학습 효율성으로 설명하려면 추론 단계에서도 같은 우위가 나타나야 한다는 것이다. 그러나 중국 모델은 추론 단계에서 상응하는 효율성을 보이지 않는다. 학습 효율성과 추론 효율성은 함께 따라오는 것이 정상이므로, 학습 단계의 겉보기 효율성은 상당 부분 미국 모델로부터의 증류로 설명하는 편이 더 개연성 있다는 논리다. 화웨이 어센드(Huawei Ascend) 같은 자국산 가속기가 선전하고 있다는 주장도, 중국 내부에서 자국 오픈모델의 성능이 컴퓨트 부족으로 제한되고 개발자들이 VPN으로 우회해 미국 모델을 쓰는 현실과는 맞지 않는다.
두 관점을 합치면 중국의 오픈웨이트 상품화 전략은 자립적이라기보다 미국 프론티어의 지속적인 산출에 기대는 구조에 가깝다. 미국이 프론티어를 계속 전진시킬 때마다 중국 연구소에는 새로운 교사가 주어지고, 서구 구축자들은 그 교사가 걸러진 형태로 되돌아오기를 기다려야 한다. 이는 미국 프론티어 랩의 가격 상한이 낮아지더라도 최상위 지능을 만드는 능력 자체의 필요성은 사라지지 않는다는 점을 다른 각도에서 보여준다.
결국 돌고 돈다. 미국 프론티어 랩의 결과물이 중국 오픈웨이트의 교사가 되고, 그렇게 걸러진 중국 모델이 다시 미국으로 흘러 들어온다. 접근이 막힌 미국 프론티어를, 중국을 한 바퀴 우회해 되받는 셈이다. 미국 프론티어의 산출물은 두 번 소비된다. 한 번은 폐쇄형 서비스로, 다시 한 번은 중국을 거쳐 우회한 서구 자신의 오픈모델 학습 재료로.
미국의 딜레마
미국이 오픈모델을 완전히 포기한 것은 아니다. OpenAI는 이미 2025년에 gpt-oss-120b와 gpt-oss-20b를 Apache 2.0 라이선스로 공개한 바 있다. Thinking Machines Lab도 2026년 7월 15일 전체 가중치를 제공하는 9,750억 파라미터 규모의 Inkling을 내놓았다. Inkling은 100만 토큰 컨텍스트와 멀티모달 기능을 갖추고 있지만, 회사 측은 현존하는 최강 모델이 아니라고 밝히며 커스터마이징 가능한 기반 모델로서의 가치를 강조했다.
미국 정부 역시 오픈웨이트 모델의 전략적 가치를 인정한다. America’s AI Action Plan(미국 AI 행동계획)은 오픈모델이 스타트업과 학술 연구, 민감한 데이터를 다루는 기업과 정부에 중요하며, 향후 세계 산업 및 연구 표준이 될 수 있다는 점에서 지정학적 가치가 있다고 명시했다. 미국적 가치에 기반한 선도적 오픈모델이 필요하다는 내용도 포함되어 있다.
그러나 미국은 단일한 의지로 움직이지 않는다. 서로 다른 이해가 한데 얽혀 있다.
- 프론티어 랩은 막대한 연구개발 비용을 회수하고 사용을 통제하기 위해 최상위 모델을 닫아두려는 유인이 있다.
- 정부는 미국산 모델과 표준이 세계에 널리 확산되기를 바라면서도, 고성능 모델이 적대국이나 범죄 집단으로 퍼지는 것을 우려한다.
- 클라우드·기업 고객은 어떤 모델이든 자사 인프라에서 실행되기를 원하며, 동시에 낮은 비용과 자체 통제, 공급자 안정성을 추구한다.
미국의 상태를 단순히 ‘폐쇄형’, 중국의 상태를 ‘개방형’으로 나누어 설명하기는 어렵다. 미국은 최상위 능력은 닫아두면서 생태계 방어에 필요한 수준은 개방하는 이중 구조로 움직일 가능성이 크다. 중국 역시 영원히 한 방향으로만 움직이지는 않을 것이다. 중국 정부는 오픈소스 AI를 세계에 확산시키려는 동시에, 일부 선도 모델에 대한 해외 접근 제한을 검토하고 있다. 기술 추격 단계에서는 개방이 유리하지만, 전략적 우위가 생기면 모든 것을 무제한으로 공개할 유인은 줄어든다.
결국 미국과 중국은 서로 다른 출발점에서 시작했지만, 선별적으로 열고 핵심은 통제하는 형태로 수렴할 가능성이 높다.
격전지는 모델이 아니다
미국과 중국은 같은 층에서만 경쟁하지 않는다. 미국은 첨단 반도체, 초대형 클라우드, 최상위 폐쇄형 모델, 기업용 소프트웨어, 글로벌 유통망에서 우위를 가지고 있다. 중국은 저비용 모델, 오픈웨이트 생태계, 자체 배치와 현지화, 비서구권 시장과 산업 공급망을 중심으로 다른 경로를 만들고 있다.
미국식 모델은 대체로 더 강력하지만, 파일을 직접 내려받아 돌릴 수 없고 오픈AI·앤스로픽 같은 공급사의 서버(API)에 접속해야만 쓸 수 있다. 중국식 오픈웨이트 모델은 최고 성능에서는 다소 뒤처질 수 있지만, 다운로드하고 수정하며 지역이나 산업에 맞게 재구성할 수 있다. 많은 국가와 기업에게는 마지막 몇 퍼센트의 성능보다 다음과 같은 문제가 더 중요하다.
- 데이터를 외부 사업자에게 보내야 하는가
- 가격과 사용 조건을 공급자가 일방적으로 바꿀 수 있는가
- 지정학적 갈등이 생겨도 계속 쓸 수 있는가
- 자국 언어·제도·산업에 맞게 바꿀 수 있는가
- 모델의 행동을 독자적으로 검증할 수 있는가
그러나 오픈웨이트가 곧 주권을 보장하는 것은 아니다. 거대한 모델을 운영하려면 가속기, 전력, 고속 네트워크, 추론 소프트웨어, 보안 인력, 지속적인 업데이트가 필요하다. 모델을 다운로드할 수 있어도 실행 능력이 없으면 다른 클라우드와 기술 사업자에게 의존할 수밖에 없다. 모델이 개방될수록 모델 자체의 가치는 사라지지 않고, 오히려 추론 인프라와 운영 능력 쪽으로 이동한다.
결국 중요한 것은 누가 모델을 만들었는지가 아니다. 사용자 입장에서는 누가 모델을 실행하는지, 누가 어떤 모델을 선택하는지, 누가 데이터와 권한을 연결하는지, 문제가 생겼을 때 누가 책임을 지는지에 더 무게를 둘 수밖에 없다.
미래의 가능한 시나리오
미래를 특정 시점으로 잘라 예측하기보다, 쉽게 바뀌지 않을 몇 가지 조건을 먼저 살펴볼 필요가 있다. 최상위 모델을 처음부터 만드는 일은 계속 자본집약적일 것이다. 공개된 가중치는 사실상 회수하기 어렵다. 모든 업무가 최상위 성능을 요구하지는 않는다. 미국 프론티어 랩은 최고 모델을 닫아둘 경제적 유인이 있다. 그러나 미국은 오픈 생태계 전체를 중국에 넘길 수도 없다.
이 조건들이 유지된다고 할 때 가능한 경로는 제한적이다.
시나리오 A. 미국 폐쇄형 모델의 성능 우위가 유지된다
미국의 최고 모델은 계속 중국 오픈모델보다 뛰어나고, 중요한 연구와 고난도 업무에서 프리미엄을 유지할 가능성이 크다. 그렇더라도 시장 전체가 미국 모델로 통일되지는 않는다. 최고 성능이 필요하지 않은 대량 업무는 더 저렴한 오픈모델로 이동한다. 기업은 문제의 난도와 비용에 따라 모델을 구분해 사용하게 된다.
이 경우 Kimi가 하는 역할은 미국 모델을 제거하는 것이 아니다. 최상위 지능의 가격을 제한하고 호출 빈도를 줄이는 것이다. 미국 프론티어 랩은 토큰 판매만으로 높은 수익성을 유지하기 어려워지므로 장기 메모리, 데이터 연결, 보안, 도구 사용, 사용자 권한, 업무 애플리케이션을 결합하게 된다.
모델 회사는 지능 공급자에서 업무 플랫폼 사업자로 이동한다. 오픈모델이 폐쇄형 모델을 이기지 못하더라도, 폐쇄형 기업의 사업모델을 바꾸는 데에는 성공할 수 있다.
시나리오 B. 오픈모델이 폐쇄형 모델과 사실상 동급이 된다
성능 차이가 대부분의 사용자가 체감하기 어려운 수준까지 좁혀진다면 모델 자체는 빠르게 상품화(commoditization, 제품 간 차별성이 사라져 값싼 범용품이 되는 것)된다. 그러나 이 경우에도 프론티어 랩이 바로 사라지지는 않을 가능성이 높다. 오히려 모델 위쪽을 더 강하게 잠그려 할 수 있다. 모델이 교체 가능한 부품이 될수록 고객을 붙잡는 힘은 다음 층으로 이동하기 때문이다. 큰 방향에서 이는 시나리오 A와 비슷하다. 다만 A가 폐쇄형이 성능 우위를 유지하는 경우라면, B는 오픈모델이 성능에서 사실상 대등해진 경우라는 점이 다르다.
사용자의 장기 기억, 조직의 문서와 업무 문맥, 애플리케이션과 도구 연결, 결제와 거래 권한, 접근통제와 신원, 실행 기록과 피드백 데이터가 핵심이 된다. 결국 이것은 요즘 말하는 하네스(harness, 모델을 실제 업무에 물려 돌리는 실행·연결 계층) 영역이다.
최근 프론티어 랩을 중심으로는 오히려 ‘하네스 무용론’이 거론되기도 한다. 기업이 저마다 하네스를 만들 필요 없이 결국 프론티어 모델이 그 실행·연결 계층까지 통째로 제공하게 된다는 주장이다. 방향을 뒤집어 말하지만, 폐쇄의 무게중심이 모델에서 실행환경으로 옮겨간다는 이 시나리오와 결국 같은 지점을 가리킨다.
생각하는 엔진은 바꿀 수 있어도 회사의 기억과 업무 권한, 수년간 축적된 실행 데이터를 가진 시스템은 쉽게 교체하기 어렵다. 따라서 오픈모델이 강해질수록 미국 기업은 더 폐쇄적인 에이전트 운영체제를 구축하려 할 가능성이 크다. 모델이 개방되면 시장 전체가 개방되는 것이 아니라, 폐쇄의 위치가 모델에서 실행환경으로 옮겨간다.
시나리오 C. 미·중이 모델과 기술의 국외 이전을 제한한다
AI의 안보적 가치가 커지면 미국은 중국 모델의 사용과 첨단 추론 인프라 접근을 제한하고, 중국도 자국의 최상위 기술이 무제한으로 해외에 퍼지는 것을 막으려 할 수 있다. 그러나 이미 공개된 모델 파일을 완전히 회수하기는 어렵다. 따라서 통제의 초점은 가중치 자체보다 주변 요소로 이동한다. 어떤 데이터센터에서 실행되는지, 어떤 칩을 사용하는지, 누가 모델을 업데이트하는지, 파생 모델의 계보가 추적되는지, 정부와 주요 산업이 사용할 수 있는 인증을 받았는지가 중요해진다.
세계는 단순히 미국 모델과 중국 모델로 나뉘기보다 신뢰 가능한 실행권역으로 분할될 가능성이 높다. 같은 Kimi 계열 모델이라도 중국 클라우드에서 운영되는 모델, 한국 사업자가 재학습해 국내 데이터센터에서 제공하는 모델, 정부 전용망에서 검증된 모델은 서로 다른 상품으로 취급될 수 있다. 이 경로의 종착점은 완전한 폐쇄도, 무조건적인 개방도 아니다. 허가된 모델, 인증된 인프라, 추적 가능한 파생 모델로 구성된 관리형 개방이 될 가능성이 크다. 관리형 개방이란, 파일 자체는 열려 있어도 허가·인증·계보 추적이라는 관문을 통과한 것만 실제 현장에서 쓰이게 하는 방식이다. 자동차를 누구나 살 수 있어도 등록·정기검사·운전면허를 갖춰야 도로에서 몰 수 있는 것과 비슷하다. 의약품이 성분은 공개돼 있어도 허가받은 것만 처방되는 구조에 가깝다.
시나리오 D. 초대형 오픈모델이 빠르게 증류되고 소형화된다
Kimi K3 자체를 운영하는 기업은 적을 수 있다. 그러나 Kimi K3를 교사 모델로 활용해 특정 산업에 필요한 능력만 추출한 작은 모델은 훨씬 넓게 퍼질 수 있다. 이 경우 초대형 오픈모델은 완제품이라기보다 도매(wholesale) 지능이 된다.
각국의 클라우드와 기업은 이를 이용해 자국 언어, 법률, 의료, 제조, 금융에 특화된 소매 지능을 만들게 된다. 모델을 처음부터 학습하는 능력보다 강력한 기반 모델을 증류하고, 특정 데이터로 조정하며, 저비용으로 운영하는 능력이 중요해진다. 국가 모델 경쟁이 사라지는 것이 아니라 성격이 달라진다. 모든 국가가 세계 최고 수준의 범용 모델을 처음부터 만들기보다, 공개된 거대 모델을 자국 산업에 맞게 가공하고 검증하는 지능 가공산업을 구축하려 할 것이다.
사실 이는 먼 미래의 이야기가 아니라 이미 지금도 벌어지고 있는 일이다. 다만 보안에 대한 우려와 학습 인프라에 대한 국가별 제약이 병목으로 작용해 본격화가 망설여지는 단계일 뿐이다. 그렇게 보면 초대형 오픈웨이트 모델을 둘러싼 경쟁은, 미국과 중국을 중심으로 한 생태계 전쟁 속에서 어떤 나라가 증류된 ‘도매 지능’을 자국의 ‘소매(retail) 지능’으로 바꿔내느냐의 문제로 압축될 수도 있다. 다소 상상을 보태자면, 이는 결국 공급망(supply chain) 문제와 닮았다. 반도체나 원자재의 공급망이 미·중과 여러 나라를 거치며 형성되듯, 오픈웨이트 모델도 지능이라는 밸류체인 위의 한 공급망을 이루고, 그 공급망은 지정학적 상황에 따라 언제든 병목과 단절이라는 이슈를 낳을 수 있다.
예측해볼 수 있는 자명한 경로
어떤 시나리오가 현실이 되더라도 논리적으로 자명하게 도출되는 사실들이 있다.
첫째, 시장은 오픈과 폐쇄 중 하나로 통일되지 않는다. 최상단에는 가장 강력하고 비싼 폐쇄형 모델이 남고, 그 아래에는 충분히 강력하면서 값싼 오픈모델이 넓게 깔린다. 이른바 바벨 구조(barbell structure)다. 역기(바벨)의 무게판이 양쪽 끝에만 달리고 가운데 봉은 비어 있듯, 시장이 최상단 프리미엄과 최하단 저가로 쏠리고 중간이 텅 비는 형태를 가리킨다. 최고 성능도 아니고 충분히 싸지도 않으며 자유롭게 수정할 수도 없는 중간 모델은 설 자리가 급격히 좁아진다.
둘째, 모델 가격이 내려가도 AI 총지출은 줄지 않는다. 지능의 단가가 하락하면 기업은 기존 사용량을 유지하면서 비용만 절감하지 않는다. 경제성이 없어서 자동화하지 못했던 수많은 작은 업무에도 AI를 투입하게 된다. 토큰 가격은 내려가지만 토큰 사용량, 에이전트 실행 횟수, 저장되는 문맥과 생성되는 데이터는 오히려 더 빠르게 증가한다. 무엇보다 에이전트는 한 사람이 하나씩 쓰는 물건이 아니다. 한 사람이 여러 에이전트를 동시에 부리고 그 에이전트가 다시 다른 에이전트를 불러내면서, 실행되는 에이전트의 수는 늘어날 수밖에 없다. 지출은 모델 API에서 가속기, 전력, 추론 클라우드, 에이전트 실행, 보안, 관찰과 검증으로 이동한다. 모델 상품화는 AI 산업의 축소가 아니라 지능 소비량의 증가를 일으킬 가능성이 크다.
셋째, 가장 강한 권력은 모델 제작자가 아니라 모델 선택자 쪽으로 기울 수 있다. 여러 모델이 교체 가능한 부품이 되면 사용자가 매번 모델을 고르지 않는다. 상위 시스템이 업무의 난도, 가격, 보안등급, 지연시간, 국가와 데이터 위치를 보고 적절한 모델을 자동으로 배정한다. 이때 핵심 사업자는 모델 회사가 아니라 모델 라우터, 클라우드, 운영체제, 기업 소프트웨어, 에이전트 플랫폼이 된다. 검색 시장에서 기본 검색엔진의 자리가 중요했던 것처럼, AI 시장에서는 기본 모델을 결정하는 자리가 중요해진다. 모델이 고객을 직접 만나는 것이 아니라 라우터의 선택을 받아야 하는 공급자가 되면 모델 회사의 교섭력은 약해질 수 있다. 반대로 기업의 문맥과 정책을 파악해 모델을 알아서 배분해 주는 플랫폼, 말하자면 신뢰받는 중간 관리자 같은 존재가 다시 유통 권력을 쥐게 될 수도 있다.
넷째, 미국과 중국 모두 ‘선별적 개방’으로 수렴한다. 중국의 개방은 영원한 철학이라기보다 추격과 확산에 유리한 전략적 수단일 수 있다. 중국 모델이 충분한 생태계와 시장지배력을 확보하면 라이선스, 클라우드, 업데이트 경로를 통해 통제를 강화할 가능성이 있다. 미국은 반대 방향에서 움직인다. 최상위 지능의 우위가 유지될 때는 폐쇄를 선호하지만, 개발자 생태계와 국제 표준이 중국으로 이동하면 이를 방어하기 위해 경쟁력 있는 모델 일부를 열어야 한다. 결국 양국은 서로 다른 출발점에서 비슷한 형태에 도달한다. 일부 모델과 기술은 널리 배포하면서 가장 전략적인 능력과 실행환경은 통제하는 구조다.
한국이 마주할 더 불편한 질문
이 흐름에서 한국이 국산 초거대 모델을 하나 더 만들 것인가는 물론 중요한 질문이다. 다만 그 질문에만 머문다면, 정작 전선이 어디로 옮겨가고 있는지는 함께 살피기 어렵다. 범용 기반 모델이 빠르게 상품화된다면, 뒤늦게 비슷한 모델을 만드는 것만으로는 지속적인 통제력을 확보하기 어렵다. 외국 오픈모델을 다운로드해 국내 서버에서 실행한다고 해서 곧바로 AI 주권이 생기는 것도 아니다.
모델을 하나 더 만드는 것 외에도 해야 할 일은 많다. 어떤 모델이 좋은지 판정하는 평가 기준, 국내 산업과 공공부문의 데이터, 조직의 업무 문맥, 에이전트에 부여하는 권한, 안전하게 실행할 수 있는 추론 인프라, 결과의 책임을 판단하는 인증체계 같은 것들이 함께 준비되어야 한다.
한국에는 특히 이중 종속의 가능성이 있다. 중국의 오픈모델을 저렴한 지능 엔진으로 쓰면서, 정작 그 업무는 미국의 클라우드와 에이전트 플랫폼 위에서 실행하는 구조다. 모델 선택권이 있다는 이유로 자율적이라고 생각하기 쉽지만, 업무 문맥과 권한, 실행 기록과 피드백 데이터는 결국 미국 플랫폼에 쌓인다. 최악의 경우, 중국의 지능과 미국의 실행체계 사이에 낀 한국이 부가가치가 낮은 통합 역할만 떠안는 구도가 굳어질 수 있다.
여기에 더해, 오픈웨이트라고 해서 그 속을 훤히 열어 보고 검증할 수 있다고 오해해서도 안 된다. 가중치가 공개돼 있다는 것과, 그 모델이 무엇을 학습했고 어떻게 길들여졌는지를 확인할 수 있다는 것은 전혀 다른 얘기다. 가중치는 학습의 압축된 결과물일 뿐, 어떤 데이터가 걸러졌는지 학습 중 어떤 개입이 있었는지는 드러내지 않는다. 특정 조건에서만 작동하는 이상 행동은 지도학습이나 강화학습을 거쳐도 살아남을 수 있다는 연구도 있다. 소비자용 서비스라면 감수할 수 있는 공급망 리스크지만 국방과 공공 인프라, 금융 핵심망에 그대로 들여오기는 어렵다. 게다가 그 오픈웨이트 자체가 미국 프론티어 모델을 증류해 만들어진 것이라면, 한국은 중국을 거쳐 한 번 더 우회한 미국 지능을 검증되지 않은 상태로 들여오는 셈이 된다. 이중 종속이 아니라 원산지를 특정할 수 없는 삼중 종속에 가까워진다.
그러므로 한국이 물어야 할 질문은 “우리 모델이 있는가”에 머물지 않는다. 모델이 바뀌어도 남는 것은 무엇인가. 누가 한국 기업의 문맥을 보유하는가. 누가 모델을 평가하고 배분하는가. 누가 산업 시스템에 명령을 내릴 권한을 갖는가. 문제가 생겼을 때 누가 중단하고 책임질 수 있는가. 이 다섯 질문에 답할 수 있어야 모델의 국적과 무관하게 실질적인 통제력을 가질 수 있다.
모델 이후의 경쟁
Kimi K3의 의미는 중국이 미국을 완전히 따라잡았다는 데 있지 않다. 중국이 프론티어에 가까운 지능을 공개함으로써 미국 기업이 모델 자체에서 확보하려던 희소성과 독점적 지대를 약화시키려 한다는 데 있다. 이에 대한 미국의 대응은 오픈모델 몇 개를 내놓는 것으로 끝나지 않을 것이다. 모델이 상품화될수록 미국 기업들은 사용자의 기억, 기업 데이터, 업무 도구, 실행 권한을 결합해 더 강력한 에이전트 플랫폼을 구축하려 할 가능성이 크다.
따라서 경쟁의 전선은 모델 성능 경쟁에서 지능의 가격 경쟁으로, 다시 에이전트 실행권 경쟁으로, 최종적으로는 기업과 국가의 업무 운영체제 경쟁으로 이동하고 있다. Kimi가 상품화하려는 것은 AI 모델이다. 미국이 지키려는 것은 모델 그 자체가 아니라, 세계의 업무가 실제로 실행되는 길목이다.
한국이 지켜야 할 것은 특정 모델의 소유권만이 아니다. 어느 나라의 모델이 들어오더라도, 산업 현장의 데이터와 업무 프로세스, 오랜 시간 쌓인 산업 노하우와 암묵지, 그리고 그것을 다루는 권한과 실행 기록이 우리 쪽에 남도록 만드는 능력이다. AI 시대의 주권은 우리 모델이 있느냐만으로 결정되지 않는다. 누구의 모델을 사용하든 그 모델이 우리 조직과 산업을 더 강하게 만들고, 그 과정에서 생성되는 지능이 다시 우리에게 축적되는지가 핵심이다.
미국과 중국이 모델과 그 실행 길목을 두고 겨루는 동안, 우리에게 남는 물음은 조금 다른 자리에 있다. 반도체와 조선, 자동차와 바이오, 철강과 금융이 수십 년간 현장에서 익혀 온 일하는 방식은, 어느 나라의 모델이 들어오든 우리 땅 위에서 돌아가고 우리 곁에 남을 수 있을까. 모델은 돈을 주면 사올 수 있어도, 한 산업이 몸으로 쌓아 온 그 축적까지 사올 수는 없다. 그렇다면 그 축적을 담아낼 산업 정책은, 그리고 부처와 기업과 현장을 한자리에 모을 민관의 그림은 어떤 모습이어야 할까. 그것이 지금 우리에게 주어진 숙제다.