미국이 인공지능(AI) 분야에서 폐쇄형 최첨단(frontier) 모델을 선도하고 있지만, 자국 모델의 출력을 합법적으로 학습에 활용하기 어려운 규제 환경 때문에 오픈 모델(open model) 생태계에서는 중국에 대한 의존도가 심화되는 역설적인 상황에 놓였습니다. 이는 미국 내 AI 개발자들이 강력한 기반 모델(foundation model)을 구축하는 데 필요한 '능력 이전(capability transfer)' 경로가 막혀 있기 때문입니다. 결과적으로 많은 서구 기업과 연구소가 중국산 오픈 모델을 제품 개발, 교사 모델(teacher model), 합성 데이터(synthetic data) 생성의 핵심 원천으로 활용하고 있습니다.
실제로 중국 알리바바(Alibaba)의 Qwen 모델은 신규 오픈 모델 미세조정 및 변형 시장에서 2024년 1월 1%에 불과했던 점유율이 2026년 2월에는 69%로 급증할 것으로 예상됩니다. 이는 다수의 미국 AI 스타트업이 기술 스택 어딘가에서 중국산 오픈 가중치(open weights)를 사용하고 있음을 시사합니다. 예를 들어, Thinking Machines는 자체 사전 학습(pre-training) 모델인 Inkling(잉클링)을 개발했지만, 지도 미세조정(supervised fine-tuning)을 위해 중국 문샷(Moonshot)의 Kimi K2.5가 생성한 합성 데이터를 사용했습니다. 이는 서구 프런티어 모델의 능력이 무단 추출되어 중국 오픈 가중치를 거쳐 합법적인 서구 후속 학습(subsequent learning)으로 이어지는 우회 경로가 형성되었음을 보여줍니다.
이러한 현상은 증류(distillation) 기술의 발전과도 무관하지 않습니다. 증류는 강력한 교사 모델의 지식을 더 작고 효율적인 학생 모델로 이전하는 기술로, 비용이 많이 드는 능력 발견 과정을 저렴한 학습 문제로 전환할 수 있게 합니다. 중국 연구소들은 세계적 연구진, 대규모 연산 자원, 강력한 사전 학습 모델, 소프트웨어·하드웨어 공동 설계 역량을 바탕으로 오픈 모델 분야에서 빠르게 성장하고 있으며, 증류는 이러한 우위를 더욱 강화하는 역할을 합니다. 서구 프런티어 모델이 발전할수록 중국 연구소는 새로운 교사 모델을 얻지만, 서구 개발자들은 같은 능력을 독자적으로 재현하거나 중국 모델을 통해 뒤늦게 학습해야 하는 상황입니다.
이러한 중국 모델 의존은 단순한 기술적 문제를 넘어 미국 안보에 심각한 공급망 위험을 초래할 수 있습니다. 오픈 가중치는 특정 버전의 배포 및 수정 권한을 제공하지만, 모델 내부의 신뢰성, 안전성, 그리고 잠재적인 백도어(backdoor) 존재 여부까지 보장하지는 않습니다. 이는 국방, 정보, 핵심 인프라와 같은 민감한 분야에서 중국산 모델을 사용할 경우 예측 불가능한 위험을 야기할 수 있습니다. 미국은 서구 기반 모델 개발을 지속하고 해외 증류를 방해하는 동시에, 검증된 서방 및 동맹 기업이 제한적이고 감사 가능한 조건으로 프런티어 모델을 학습에 활용할 수 있는 '통제된 교사 접근권(controlled teacher access)'을 마련해야 할 필요성에 직면해 있습니다. 이는 서구가 프런티어를 선도하면서도 오픈 계층에서 중국에 종속되는 상황을 막기 위한 필수적인 조치로 평가됩니다.