Nvidia는 모델 허브를 사들이고, 유럽은 처음으로 AI에게 벌금을 매기기 시작했고, 중국은 5년 안에 AI 컴퓨팅 능력을 여섯 배로 키우겠다고 선언했다 — 오늘 기술 세계의 공통 질문은 하나다: AI의 관문을 누가 쥐는가.
Nvidia가 Hugging Face를 샀다 — 칩 제국이 모델 허브를 사들인 이유
지난 9월 2일, Nvidia는 AI 모델 공유 플랫폼 Hugging Face를 129억 3,000만 달러(약 17조 3,000억 원)에 인수하는 계약을 체결했다. 주주에게 119억 달러, 직원 유지를 위한 지분으로 10억 달러가 지급된다. 거래는 규제당국 승인을 조건으로 2027년 상반기 클로징을 목표로 한다 — “확정”이 아니라 “계약 체결” 단계다.
Hugging Face는 AI 세계의 GitHub다. 전 세계 1,800만 명의 개발자가 이 플랫폼에서 300만 개의 모델을 내려받고, 50만 개의 데이터셋을 공유하고, 100만 개의 앱을 올린다. AI 연구자가 “내가 만든 모델을 세상과 공유하려면 어디로 가야 하는가”의 첫 번째 답이 Hugging Face였다.
왜 지금인가. Nvidia는 이미 전 세계 AI 칩의 생산과 공급을 장악하고 있다. GPU를 만들고, CUDA(엔비디아의 병렬 컴퓨팅 플랫폼 — AI 모델 개발자들이 가장 많이 쓰는 소프트웨어 환경)로 개발 생태계를 묶어두고, 이제 모델이 유통되는 관문까지 가져간다. 칩을 살 때 Nvidia에 줄 서고, 모델을 찾을 때도 Nvidia가 소유한 플랫폼을 거치는 구조다.
흥미로운 점은 두 회사가 모두 “이것은 중립 플랫폼”이라 강조한다는 것이다. Jensen Huang CEO는 “Hugging Face는 AMD, Intel, AWS 위에서도 돌아간다”고 말한다. 그리고 이 말은 사실일 수 있다 — 형식적으로는. 그러나 CUDA가 AI 생태계를 장악한 방식은 강제가 아니라 최적화된 커널이 가장 먼저, 가장 잘 도착하는 경로를 만든 것이었다. Hugging Face의 추천 알고리즘, 검색 순위, 원클릭 배포 버튼이 은근히 Nvidia 하드웨어 쪽으로 기울어진다면, 명목상 개방성과 실질적 중립성은 다른 문제가 된다.
달의 의심. 회의론자가 날카롭게 짚은 지점이 있다. Hugging Face CEO가 먼저 Nvidia에 거래를 제안했다는 사실이다. 이건 “중립 플랫폼으로 홀로 생존”이라는 경로 자체가 Hugging Face 입장에서 이미 지속 불가능해 보였다는 신호일 수 있다. 개발자가 쌓는 사회적 그래프로 락인이 발생하는 GitHub과 달리, 모델 가중치 파일은 결국 다운로드되고 미러링되고 재호스팅된다. “관문” 비유가 실제 전환 비용을 정확히 반영하는지는 아직 검증되지 않았다. 더 냉소적으로 보면, 이 인수는 공세적 게이트키핑이 아니라 방어적 조치일 수 있다 — 모델 이식성이 높아져 자사 하드웨어가 상품화되는 흐름을 막기 위한 수세적 선택.
또한 이 거래는 아직 규제당국의 심사를 통과하지 않았다. Nvidia는 2020년 소프트뱅크로부터 Arm을 400억 달러에 인수하려다 2022년 FTC·EU·영국 경쟁당국의 반대로 무산된 전례가 있다. “칩 공급업체가 칩 설계 생태계를 소유해도 되는가”라는 Arm 때의 질문은, “칩 공급업체가 업계 전체가 의존하는 중립 인프라를 소유해도 되는가”라는 이번 질문과 구조가 같다.
어디로 가는가. 시나리오 A(규제 조건부 승인 또는 예정대로 2027년 상반기 클로징, Nvidia의 소프트 락인 전략이 점진적으로 가시화) 65% / 시나리오 B(Arm 사례처럼 규제당국 저지 또는 구조 분리 조건부 승인으로 당초 전략 희석) 35%. 거래 규모($12.9B)가 Arm($40B)보다 작고 소프트웨어 플랫폼 인수라 심사 문턱이 낮을 수 있으나, “업계 중립 인프라”를 특정 기업이 소유하는 구조에 대한 우려는 동일하게 적용된다. 틀릴 조건: FTC·DOJ 또는 EU가 이 거래에 대해 HSR(미국 기업결합 신고 절차) 심사 착수나 공식 우려 성명을 낸다면.
EU가 AI에게 처음으로 벌금을 매기기 시작했다
8월 2일부터 EU AI법(AI Act)이 본격 집행 단계에 들어갔다. 18개월간 유예됐던 준비 기간이 끝나고, EU AI 오피스(European AI Office)가 실제로 조사를 개시하고 과태료를 부과할 권한을 갖게 된 것이다. 그리고 오는 9월 15일, 첫 번째 실질적 마감일이 온다.
왜 지금인가. 9월 15일은 GPAI(범용 인공지능 모델, General Purpose AI — 특정 목적이 아닌 광범위한 용도로 사용되는 AI) 모델 개발사가 첫 번째 “시스템 리스크 평가서”를 EU AI 오피스에 제출해야 하는 날이다. 대상은 10²⁵ FLOPs(컴퓨팅 연산량 기준) 이상 모델을 훈련한 기업들 — GPT-4 이상급의 OpenAI, Gemini Ultra의 Google, Claude 3 Opus 이상의 Anthropic, Llama 3 405B의 Meta가 포함된다. 이 평가서에는 레드티밍(해킹 시도 테스트) 방법론, 에너지 소비량 공개, 저작권 훈련 데이터 요약이 담겨야 한다. 제출하지 않으면 전 세계 매출의 최대 3%를 과태료로 낼 수 있다.
실제로 무슨 말인가. 표면적으로는 “AI 안전 의무 강화”다. 그러나 실제 의미는 더 미묘하다. 이 평가서 요건의 핵심은 “AI 오피스가 당신의 모델이 어떻게 훈련됐는지, 어떤 위험이 있는지, 어떤 데이터를 썼는지를 들여다볼 수 있어야 한다”는 것이다. 이미 20개 이상의 AI 기업이 자발적 행동강령에 서명했다. 이건 단순히 벌금 회피가 아니라 EU 시장 자체가 AI 거버넌스의 글로벌 표준을 설계하고 있다는 선언이다. 미국 기업이 EU에서 사업을 하려면 이 규칙을 따라야 한다 — “규제 수출”이 시작됐다.
어제 기술·AI 섹션에서 다뤘던 AI 인프라 패권 경쟁이 하드웨어와 소프트웨어 생태계에서 벌어지고 있다면, 오늘 EU는 세 번째 전장을 열고 있다 — 규칙 자체를 누가 쓰는가.
달의 의심. 이 규제가 실제로 AI 안전을 높이는가, 아니면 단지 EU 규제 기관의 관할권을 확장하는가. 두 효과가 동시에 발생할 수 있지만, 강조점이 다르다. 더 날카로운 질문: 시스템 리스크 평가서가 “진짜 위험을 줄이는가”, 아니면 “컴플라이언스 서류를 만드는 전문 업체를 먹여 살리는가”다. Arm 길들이기에 실패한 EU가 AI 빅테크를 실질적으로 길들일 수 있는지는, 9/15 제출 이후의 실제 조사·제재 집행 여부에서 판가름 날 것이다.
어디로 가는가. 시나리오 A(EU AI Act가 GDPR처럼 글로벌 표준을 선도하고 미국·한국·일본도 유사 프레임워크를 도입) 60% / 시나리오 B(빅테크가 최소 컴플라이언스로 우회하고 실질 집행이 지연, EU만의 규제로 고립) 40%. 20개 이상 기업의 자발적 서명이 의미 있으나, GDPR도 “선도”는 했지만 정작 구글·메타에 대한 제재는 수년 뒤에야 실효성이 생겼다. 틀릴 조건: 9/15 제출 이후 EU AI 오피스가 첫 번째 공식 조사 개시 또는 벌금 부과 공시를 한다면, 반대로 전 기업이 최소 서류 제출로 조용히 넘어간다면.
중국이 AI 컴퓨팅을 여섯 배로 키우겠다고 선언했다
지난 9월 7일, 중국 공업정보화부(MIIT)가 2026~2030년 정보통신 분야 5개년 계획을 발표했다. 핵심은 하나다: 2030년까지 AI 컴퓨팅 능력을 9,800 eflops(엑사플롭스 — 초당 100경, 즉 10¹⁸회 연산 단위)까지 키운다. 2025년 기준이 1,590 eflops이니, 5년 만에 여섯 배다. 이 목표를 위해 3.8조 위안(약 5,320억 달러)을 투자한다.
왜 지금인가. Nvidia GPU는 미국의 수출 규제로 중국에 팔 수 없다. 그러나 중국의 AI 개발은 멈추지 않았다. 대신 국산 칩(화웨이 Ascend), 자체 최적화 소프트웨어, 더 많은 클러스터로 부족한 성능을 보완하는 전략을 택했다. 이번 5개년 계획은 그 전략을 국가 차원의 인프라 정책으로 공식화한 것이다. 단순한 목표 선언이 아니라 “미국 칩 없이도 AI 패권 경쟁에 남겠다”는 지정학적 선언이기도 하다.
실제로 무슨 말인가. 9,800 eflops는 숫자로 크게 들리지만 중요한 것은 단위 효율이다. Nvidia H100 1만 개 클러스터와 Ascend 3만 개 클러스터가 같은 연산량을 낼 수 있다고 해도, 전력 소비와 냉각 비용, 소프트웨어 호환성은 전혀 다르다. 즉 중국의 “숫자 목표 달성”이 반드시 “미국과 동등한 AI 능력”을 의미하지는 않는다. 그러나 규모의 경제는 현실이다 — 6배의 컴퓨팅 클러스터 구축 과정에서 효율화가 일어나고, 그 데이터가 다시 칩 설계에 반영된다.
달의 의심. 이 5개년 계획의 수치들은 목표치이며, 중국의 5개년 계획이 모두 예정대로 집행된 적은 없다. 2020~2025년 계획에서 AI 컴퓨팅 목표도 실제 달성률은 공개되지 않았다. 더 근본적으로: “컴퓨팅 수치”는 측정하기 쉽지만 “AI 능력”은 그보다 복잡하다. 화웨이 Ascend의 소프트웨어 생태계가 CUDA를 대체하는 데는 하드웨어 성능보다 훨씬 긴 시간이 걸릴 것이다. 동시에 간과할 수 없는 것: 중국이 이 규모의 자본을 국산 AI 인프라에 집중 투자하면, 저성능 칩 대량 배포 기반의 추론 최적화에서는 오히려 앞서 나올 수 있다 — “훈련 경쟁”이 아닌 “추론 경쟁”에서의 변수다.
어디로 가는가. 시나리오 A(2030년까지 수치 목표는 어느 정도 달성하지만 소프트웨어 생태계 한계로 프런티어 모델 능력은 미국에 1~2세대 뒤처진 구도 유지) 65% / 시나리오 B(추론 특화 최적화와 국산 생태계 구축에서 예상보다 빠른 성과를 내 특정 영역에서 미국과 동등하거나 앞선 성능 달성) 35%. 지금까지의 Deepseek R1·V3 등 실제 결과물이 “하드웨어 격차를 소프트웨어와 데이터로 메운다”는 방향성을 이미 보여줬다. 틀릴 조건: 화웨이 Ascend 4세대 이상 칩이 Nvidia Blackwell급 에너지 효율을 달성하거나, 미국 수출 규제가 완화돼 중국에 다시 고성능 칩 수출이 허용된다면.