기술 뉴스의 흐름은 매우 빠르지만, 이번 주는 느낌이 달랐습니다. 인공지능은 더 이상 단순한 제품 출시나 연구 논문의 영역이 아닙니다. 이제 AI는 외교 정책의 협상 카드가 되었습니다. 각국 정부는 모델 가중치(model weights)를 농축 우라늄처럼 취급하기 시작했습니다. 즉, 집중되어 있고, 오용될 경우 위험하며, 경쟁국이 비축할 경우 무시할 수 없는 존재가 된 것입니다. 이제 싸움의 핵심은 어떤 모델이 벤치마크에서 더 높은 점수를 받느냐가 아닙니다. 누가 모델을 구축하고, 훈련에 필요한 재료를 통제하며, 학습에 사용된 데이터를 소유하느냐의 문제입니다.

증류(Distillation) 의혹

이번 주, 한 미국 관리는 Moonshot AI가 Anthropic의 Fable 모델을 훔쳤다고 비난했습니다. 구체적인 주장은 Moonshot이 Kimi K3 시스템을 구축하는 데 증류(distillation) 기술을 사용했다는 것입니다. 훈련 방식을 자세히 알지 못하는 독자들을 위해 설명하자면, 증류란 크고 유능한 모델을 사용하여 더 작거나 새로운 모델을 가르치는 방식입니다. 허가를 받고 수행한다면 이는 합법적이고 흔한 일입니다. 하지만 기업이 승인 없이 경쟁사의 독점 시스템에서 지식을 추출한다면 그것은 절도가 됩니다.

비난 내용에 따르면, 증거는 행동 양식에서 나타납니다. 연구자들은 Kimi K3가 Anthropic의 어시스턴트인 Claude라고 자신을 식별하는 경우가 너무 빈번하다는 점을 발견했습니다. 고유한 훈련 계보를 가진 모델이라면 자신의 이름을 알아야 합니다. 모델이 반복적으로 경쟁 제품이라고 주장하는 것은 단순한 우연이라기보다, 선생님의 시험 답안을 그대로 암기한 학생처럼 보입니다. 만약 Moonshot이 실제로 Kimi K3를 훈련하기 위해 Anthropic 모델의 출력값을 빼돌렸다면, 그 지식재산권 문제는 실리콘밸리의 법정을 훨씬 넘어섭니다. 이는 수출 통제와 국가 안보 브리핑의 영역까지 확장됩니다.

저가형 모델의 부상

증류를 둘러싼 싸움이 가열되는 동안, 중국 연구소들은 미국 기득권층을 불안하게 만드는 속도와 가격으로 프런티어 모델들을 출시하고 있습니다. DeepSeek V4와 Kimi K3는 불과 며칠 간격으로 등장했습니다. 두 모델 모두 공개 리더보드 최상위권에 근접한 성능을 자랑하지만, 미국 모델 비용의 아주 일부분만으로 구동됩니다.

이러한 패턴은 새로운 것이 아니지만, 가속화되고 있습니다. 이미 중국 연구소들이 준 충격으로 인해 월스트리트는 프런티어 모델을 훈련하는 데 정말로 100억 달러가 필요한지 의문을 제기하기 시작했습니다. DeepSeek V4와 Kimi K3는 그 압박을 다시 한번 가중시킵니다. 이들은 엔지니어링 효율성, 영리한 데이터 큐레이션, 그리고 하드웨어 우회 기술이 막대한 자본 지출을 대체할 수 있음을 시사합니다. 규모의 해자(scaling moat)에 의존하는 미국 연구소들에게 메시지는 명확합니다. 고성능 모델은 점점 더 저렴해지고 있으며, 프리미엄 가격 책정의 기회는 줄어들고 있다는 것입니다.

기업용 에이전트 전쟁

이번 주 모든 헤드라인이 지정학에 관한 것은 아니었습니다. OpenAI는 기업이 AI 에이전트를 배포할 수 있도록 돕는 제품인 Presence를 출시했습니다. 이 움직임으로 OpenAI는 Google, Meta, NVIDIA와 직접적인 경쟁 관계에 놓이게 되었습니다. 이 기업들은 모두 동일한 기회를 보고 있습니다. 모델 자체는 범용 제품(commodity)이 되어가고 있지만, 실제 워크플로우를 자동화하는 플랫폼은 매우 가치 있다는 점입니다.

에이전트는 챗봇 이후의 논리적인 다음 단계입니다. 챗봇은 질문에 답합니다. 에이전트는 항공권을 예약하고, 경비 보고서를 제출하며, 창고 재고를 재조정합니다. 이러한 작업을 자동화하려는 경쟁이 치열해지는 이유는 바로 그곳에 기업의 반복적인 수익이 있기 때문입니다. OpenAI는 엔진만 팔고 싶어 하지 않습니다. 자동차 전체를 팔고 싶어 합니다. Google은 Workspace가 당신의 회의를 운영하기를 원합니다. Meta는 소셜 그래프 내에 에이전트를 심고 싶어 합니다. NVIDIA는 이 모든 것의 밑바탕이 되는 인프라 계층을 구동하고 싶어 합니다. 승자는 반드시 최고의 모델을 보유한 연구소가 아니라, IT 부서가 내부 시스템의 제어권을 넘겨주도록 설득하는 곳이 될 것입니다.

콘크리트가 병목 현상이 될 때

이러한 모든 소프트웨어적 야망은 여전히 물리적인 요소에 의존합니다. OpenAI는 조지아주에 300억 달러 규모의 데이터 센터 캠퍼스인 Project Camellia를 시작하며 이를 분명히 했습니다. 300억 달러는 단순한 시설 예산이 아닙니다. 이는 AI의 주요 한계가 더 이상 알고리즘이나 GPU조차 아니라는 선언입니다. 이제 한계는 전기와 콘크리트입니다.

프론티어 모델은 서버실 안에서 훈련할 수 없습니다. 중소 도시 하나가 사용하는 것보다 더 많은 전력을 끌어다 쓰며 일제히 작동하는 수천 개의 가속기가 필요합니다. 광섬유, 냉각용수, 철강, 그리고 수년간의 인허가 절차가 필요합니다. 이것이 바로 BlackRock과 MGX 같은 자산 운용사들이 데이터 센터 프로젝트에 수십억 달러를 쏟아붓고 있는 이유입니다. 그들은 단순히 앱 하나에 도박을 거는 것이 아닙니다. 그들은 AI 시대의 철도와 탄광을 사고 있는 것입니다. 전력 생산과 건설 공급망이 따라가지 못한다면, 수학적 모델이 아무리 정교해지더라도 더 큰 모델을 향한 로드맵 전체가 뒤처지게 될 것입니다.

법원, 저작권, 그리고 자본

이번 주에는 법적 시스템도 주목을 받았습니다. 한 판사가 Anthropic이 허가 없이 책을 사용하여 Claude를 학습시켰다고 주장하는 저자들과 맺은 15억 달러 규모의 합의를 승인했습니다. 이 합의는 AI 역사상 가장 큰 저작권 청구 사건 중 하나를 해결합니다.

합의금의 규모는 판결만큼이나 중요합니다. 이는 다른 모든 연구소에 학습 데이터가 오픈 웹에서 긁어온 무료 자원이 아니라는 사실을 알려줍니다. 학습 데이터는 결국 재무제표에 나타날 수 있는 우발 부채입니다. 15억 달러라는 항목은 재무팀이 사전 학습 예산을 생각하는 방식을 바꿉니다. 또한 저자와 출판사들에게 향후 소송을 위한 명확한 선례를 제공합니다. 오늘 모델을 구축하고 있다면, 여러분의 학습 코퍼스가 감사를 피할 수 있을 것이라고 더 이상 가정해서는 안 됩니다.

화면 너머의 AI

마지막으로, 이번 주 발표된 두 가지 투자 규모는 AI가 채팅창에만 국한되지 않는다는 사실을 모두에게 상기시켜 주었습니다. 국방 AI 투자액은 이번 달 30억 달러에 달했으며, AI 기반 신약 개발 투자는 20억 달러에 이르렀습니다.

국방 분야에서는 위성 이미지를 분석하고, 드론 군집을 조정하며, 전장 의사결정 주기를 단축할 수 있는 시스템으로 자금이 흐르고 있습니다. 제약 분야에서는 새로운 AI 도구들이 신약 개발 기간을 수년에서 수개월로 단축하고 있습니다. 연구자들은 이제 실제 실험실(wet lab)에 손을 대기도 전에 실리콘 상에서 후보 분자를 생성하고 스크리닝할 수 있습니다. 기술의 이중 용도(dual-use) 특성이 여실히 드러나고 있습니다. 고객 서비스 봇을 개선하는 것과 동일한 기본 방법론이 미사일 타격과 항체 설계를 가속화합니다. 자금이 유입됨에 따라 상업용 AI와 전략용 AI 사이의 윤리적, 규제적 경계는 더욱 모호해지고 있습니다.

9월 회담과 새로운 점수판

이 모든 흐름은 하나의 일정으로 수렴됩니다. 미국과 중국이 9월에 공식적인 AI 회담을 가질 예정입니다. 그들은 군사 AI와 칩 접근 권한에 대해 논의할 계획입니다. 이 두 가지 의제만으로도 우리가 개방형 연구의 시대로부터 얼마나 멀어졌는지 알 수 있습니다.

과거의 경쟁은 단순했습니다. 당신이 모델을 출시하면 내가 모델을 출시하고, MMLU나 HumanEval에서 더 높은 점수를 받은 쪽이 승리하는 방식이었습니다. 그 게임은 끝나가고 있습니다. 새로운 질문들은 수치화하기 더 어렵고 소프트웨어 업데이트로 해결할 수도 없습니다.

  • 누가 어떤 데이터로 학습했는가, 그리고 그 대가를 지불했는가?
  • 누가 어떤 칩을 살 수 있는가, 그리고 누가 공급망에서 차단되었는가?
  • 데이터 센터를 가동하는 전력 공급을 누가 통제하는가?

벤치마크는 만나고 있고, 역량은 수렴하고 있습니다. 하지만 정치는 갈라지고 있습니다. 수출 허가, 에너지 그리드, 법적 체계에 의해 분리된 두 개의 평행한 생태계가 형성되고 있습니다.

핵심 요점

개발자, 창업자, 또는 기업 구매자라면 AI를 단순히 리더보드 점수로만 평가하는 것을 멈추십시오. 공급망과 정치적 리스크를 엔지니어링 제약 사항으로 취급하기 시작하십시오. 오늘 통합한 모델이 내일 수출 제한에 걸릴 수도 있습니다. 그 뒤에 있는 학습 데이터가 10억 달러 규모의 법적 비용을 발생시킬 수도 있습니다. 모델을 구동하는 데이터 센터는 연구자의 천재성이 아니라 지역 전력망의 한계에 부딪힐 수도 있습니다. 여러분이 의존하는 도구가 금수 조치를 당하거나, 소송에 휘말리거나, 전력이 끊길 수 있다고 가정하고 아키텍처를 설계하십시오. 이번 주는 이 세 가지 모두가 이제 실질적인 확률임을 분명히 보여주었습니다.