중국 AI 연구소 방문기: 미국과 다른 연구 문화와 생태계의 교훈

섹션별 상세

중국 연구자들은 개인의 에고를 낮추고 모델의 다목적 최적화를 위해 비가시적인 세부 작업에 헌신하는 문화적 경향이 강하다. 미국 연구소들이 스타 과학자들의 이해관계 충돌로 조직적 어려움을 겪는 것과 달리, 중국은 전체 모델 성능 향상을 위해 개인의 아이디어가 채택되지 않더라도 이를 수용하는 협력적 태도를 보인다. 이러한 문화적 차이는 복잡한 LLM 스택 전체를 세밀하게 조정해야 하는 현재의 개발 단계에서 큰 강점으로 작용한다.

중국 AI 연구소의 핵심 인력은 현직 학생들로 구성되어 있으며, 이들은 기존 AI 패러다임에 얽매이지 않고 새로운 기술을 빠르게 흡수한다. OpenAI나 Anthropic 같은 미국 상위 연구소들이 인턴십을 거의 운영하지 않는 것과 대조적으로, 중국은 학생들을 동료로 대우하며 LLM 팀에 직접 통합시킨다. 학생들은 MoE 스케일링에서 RL 및 에이전트로 급변하는 기술 트렌드에 대해 편견 없이 접근하며 헌신적으로 연구에 몰입한다.

중국 기업들은 외부 AI 서비스를 구매하기보다 자체 기술 스택을 직접 소유하고 통제하려는 '기술 소유권' 정신이 매우 강하다. Meituan(배달)이나 Xiaomi(가전) 같은 기업들이 범용 LLM을 직접 구축하는 이유는 미래 기술 제품의 핵심인 LLM을 외부에 의존하지 않고 내부적으로 최적화하기 위함이다. 이는 필요한 서비스를 구매해서 사용하는 미국 기업들의 일반적인 행보와는 뚜렷하게 구분되는 지점이다.

중국의 데이터 산업은 미국에 비해 덜 발달되어 있어 연구소들이 RL 학습 환경과 데이터를 직접 구축하는 '자급자족' 방식을 택하고 있다. Anthropic이나 OpenAI가 외부 데이터 업체에 수억 달러를 지출하는 것과 달리, 중국 연구소들은 연구원들이 직접 RL 환경을 만들거나 Bytedance, Alibaba처럼 사내 데이터 라벨링 팀을 운영한다. 이러한 환경은 데이터 품질을 직접 관리하고 내부 역량을 강화하는 결과로 이어진다.

기술

Claude
Kimi
GLM
Huawei chips
Nvidia chips
Doubao

활용 사례

자체 LLM 구축
RL 학습 환경 조성
에이전트 워크플로 구현

언급된 리소스

문서DeepSeek

문서Zhipu AI (GLM)