#위클리 AI
AI 2막이 열렸다: Kimi K3와 WAIC가 다시 쓴 성장 방정식
내용 요약중...
중국 문샷 AI의 Kimi K3가 미국 최상위 모델 대비 40% 저렴한 비용으로 대등한 성능을 입증하며 필라델피아 반도체 지수를 기술적 약세장으로 밀어넣었습니다. 같은 주 상하이 WAIC에서는 시진핑 주석이 29개국과 세계인공지능협력기구를 출범시키며 AI 거버넌스의 새 판을 짰습니다. AI 산업의 경쟁 축이 파라미터 규모에서 토큰당 비용과 실행력으로 이동하는 전환점을 짚습니다.
위클리 AI
2026년 7월 20일 오후 2:29
지난 한 주, AI 산업은 조용하지만 분명한 전환점을 지났습니다. 중국의 AI 스타트업 문샷 AI(Moonshot AI)가 공개한 Kimi K3 모델이 글로벌 기술주 시장을 뒤흔들었고, 상하이에서는 시진핑 국가주석이 29개국과 함께 새로운 AI 국제기구를 출범시켰죠. 두 사건은 겉보기엔 별개지만, 하나의 메시지를 던집니다. AI 경쟁의 룰이 바뀌고 있다는 겁니다.
Kimi K3는 2.8조 개의 파라미터를 가진 오픈소스 모델로, 코딩 벤치마크에서 오픈AI의 GPT-5.6 Sol과 앤트로픽의 Claude Fable 5를 제치고 1위에 올랐습니다. 더 놀라운 건 비용입니다. 미국 최상위 모델 대비 약 40% 저렴한 가격으로 비슷한 성능을 구현한 거죠. 이 소식에 필라델피아 반도체 지수는 고점 대비 20% 넘게 빠지며 기술적 약세장에 진입했고, 엔비디아와 TSMC가 사상 최대 실적을 발표했는데도 주가는 오히려 밀렸습니다. 시장이 보내는 신호는 단순하지 않습니다. '더 많은 GPU'가 답이던 시대가 저물고, '더 똑똑한 알고리즘'이 새로운 답으로 떠오르고 있다는 뜻이니까요.
이번 글에서는 이 전환을 두 축으로 나눠 들여다보겠습니다. 하나는 Kimi K3가 촉발한 '효율성 혁명'이 AI 인프라 밸류체인에 어떤 균열을 내고 있는지, 다른 하나는 WAIC에서 드러난 중국의 AI 거버넌스 전략과 체화된 AI(Embodied AI)의 부상이 앞으로의 산업 지형을 어떻게 바꿀지입니다.
Kimi K3가 증명한 것, 그리고 시장이 놓친 것
1. '제2의 딥시크'가 아니라 '새로운 공식'입니다
Kimi K3의 등장을 두고 월가에서는 곧바로 '딥시크 모멘트 2.0'이라는 말이 나왔습니다. 2025년 초 딥시크 R1이 저비용으로 GPT-4 수준의 성능을 구현하며 엔비디아 시총 5,890억 달러를 증발시켰던 충격이 재연됐다는 분석이죠. 하지만 이번은 다릅니다. 딥시크가 '적은 GPU로도 된다'는 가능성을 보여줬다면, Kimi K3는 '적은 GPU로도 더 잘할 수 있다'는 증거를 제시한 겁니다.
K3의 핵심은 세 가지 기술 혁신에 있습니다. 첫째, Kimi Delta Attention(KDA)이라는 선형 어텐션 메커니즘으로 100만 토큰 컨텍스트 윈도우의 비용을 획기적으로 낮췄습니다. 둘째, Attention Residuals로 모델 깊이 간 정보 전달 효율을 높였고, 셋째, Stable LatentMoE로 896개 전문가 중 16개만 활성화하는 극단적 희소성을 구현했죠. 결과적으로 K2 대비 확장 효율이 2.5배 향상됐습니다. 단순히 GPU를 많이 쌓는 게 아니라, 아키텍처를 재설계해 같은 자원으로 더 높은 지능을 뽑아낸 겁니다.
그런데 여기서 재미있는 반전이 있습니다. K3의 효율성이 GPU 수요를 줄일 거라는 시장의 첫 반응과 달리, 실제로는 더 많은 GPU가 필요할 가능성이 크다는 분석이 곧바로 제기됐죠. 반도체 리서치 기관 세미애널리시스(SemiAnalysis)는 K3의 방대한 파라미터 규모와 WideEP 추론 아키텍처 때문에 오히려 엔비디아 GB200/GB300 NVL72 같은 랙 단위 시스템 수요가 강화될 거라고 봤습니다. 효율성이 높아지면 사용량이 폭증해 총자원 소모가 늘어난다는 '제번스의 역설'이 AI 버전으로 나타나고 있는 셈입니다.
2. TSMC와 ASML의 실적이 말해주는 것
Kimi K3 쇼크로 반도체주가 급락한 바로 그 주, 정작 반도체 업계의 '풍향계'들은 사상 최대 실적을 발표했습니다. TSMC는 2분기 순이익이 전년 대비 77.4% 급증한 7,066억 대만달러를 기록했고, 연간 매출 성장률 전망치를 40% 이상으로 상향 조정했습니다. 자본 지출도 기존 520억560억 달러에서 600억640억 달러로 대폭 늘렸죠. ASML 역시 연간 순매출 전망치를 430억~450억 유로로 올려 잡으며, 2027년과 2028년에 걸쳐 EUV 장비 생산 능력을 30%씩 추가 확대하겠다고 밝혔습니다.
이 간극을 어떻게 이해해야 할까요? 시장은 'AI 모델이 효율적으로 변하면 GPU 수요가 줄어들 것'이라는 1차원적 논리에 반응했지만, 현실은 더 복잡합니다. TSMC의 웨이쩌쩌 CEO는 실적 발표에서 "AI 수요가 여전히 매우 강력하며, 2030년까지 이어질 것"이라고 못 박았죠. 특히 3nm 이하 선단 공정의 수요가 공급 능력을 크게 상회하는 '심각한 부족 상태'라고 표현했습니다. 효율적인 모델이 등장하면 더 많은 기업이 AI를 도입하고, 더 긴 작업을 수행하며, 결과적으로 더 많은 토큰을 소비하게 된다는 겁니다. AI 인프라 투자의 성격이 '학습용 GPU 사재기'에서 '추론용 GPU 상시 가동'으로 바뀌고 있을 뿐, 총수요가 줄어드는 게 아니라는 얘기죠.
3. 알리바바 Qwen 3.8 Max, 그리고 치열해지는 '오픈소스 대전'
Kimi K3가 시장을 놀라게 한 지 사흘 만에, 알리바바가 2.4조 파라미터의 Qwen 3.8 Max 프리뷰 버전을 공개했습니다. 알리바바는 이 모델의 종합 능력이 앤트로픽의 Fable 5 다음가는 수준이라고 주장했죠. 흥미로운 건 알리바바가 문샷 AI의 주요 투자자라는 점입니다. 자신이 투자한 스타트업이 '세계 최대 오픈소스 모델' 타이틀을 가져가자, 곧바로 맞불을 놓은 셈이죠.
이런 경쟁 구도는 중국 AI 생태계의 독특한 역학을 보여줍니다. 미국에서는 오픈AI와 앤트로픽이 폐쇄형 모델로 승부를 보는 반면, 중국에서는 딥시크, 즈푸, 미니맥스, 문샷, 알리바바까지 앞다퉈 오픈소스 전략을 택하고 있죠. 모델 가중치를 무료로 공개해 개발자 생태계를 확보하고, API 가격 경쟁으로 시장 점유율을 키우는 전략입니다. 모건스탠리는 Kimi K3의 API 가격이 중국 모델 중 최고가를 기록했다는 점에 주목하며, 중국 AI 기업들이 '가격 파괴'에서 '가격 결정권 확보' 단계로 진입했다고 분석했습니다. 단순히 싼 모델이 아니라, 비싸도 살 만한 가치가 있는 모델을 만들기 시작했다는 거죠.
4. WAIC 2026, '실행하는 AI'의 시대를 선언하다
같은 주 상하이에서는 2026 세계인공지능대회(WAIC)가 열렸습니다. 시진핑 주석이 2018년 대회 창설 이래 처음으로 개막식에 참석해 기조연설을 했고, 29개국이 참여하는 세계인공지능협력기구(WAICO)가 공식 출범했죠. 시 주석은 "AI 발전은 특정 국가의 독주가 아니라 전 세계가 협력하는 교향곡이 돼야 한다"며 미국 주도의 AI 질서에 정면으로 도전했습니다.
하지만 이번 WAIC의 진짜 주인공은 따로 있었습니다. 바로 '체화된 AI(Embodied AI)'입니다. 전시장에는 더 이상 파라미터 경쟁을 과시하는 언어 모델이 아니라, 실제 공장에서 박스를 옮기고 부품을 조립하는 휴머노이드 로봇들이 가득했죠. 200개 이상의 기업이 300대 이상의 휴머노이드 로봇을 출품했고, 화웨이는 1,024장의 자체 개발 AI 칩을 하나로 묶은 '어센드 950 슈퍼노드'를 공개했습니다. 미국의 반도체 제재 속에서도 단일 칩 성능의 한계를 시스템 통합으로 돌파하겠다는 전략이죠.
WAIC가 보여준 방향은 분명합니다. AI는 이제 화면 속 대화 상대가 아니라, 물리적 세계에서 실제로 일하는 '실행자'로 진화하고 있다는 겁니다. 이는 AI 산업의 무게 중심이 소프트웨어에서 하드웨어로, 클라우드에서 엣지로, 언어에서 행동으로 이동하고 있음을 뜻합니다.
5. 반도체 약세장, 그리고 한국이 서 있는 자리
Kimi K3 쇼크와 WAIC의 여파는 한국 시장에도 고스란히 전해졌습니다. 필라델피아 반도체 지수가 기술적 약세장에 진입한 가운데, 삼성전자와 SK하이닉스의 주가도 급등락을 반복했죠. 한국은행은 7월 16일 기준금리를 2.50%에서 2.75%로 인상하며 물가 안정을 최우선 과제로 삼았고, 이는 반도체 수출 호황으로 인한 경기 과열을 식히려는 의도로 풀이됩니다.
흥미로운 건 실적과 주가의 괴리입니다. 삼성전자는 2분기 매출 171조 원, 영업이익 89.4조 원이라는 사상 최대 실적을 냈지만, 주가는 연초 대비 상승분을 상당 부분 반납했습니다. SK하이닉스 역시 영업이익률 74.6%라는 경이적인 수치를 기록했음에도 시장의 기대치에는 못 미쳤죠. HBM4로의 세대 전환을 앞두고 장기공급계약(LTA)의 가격 구조가 단기 실적에 제약으로 작용한 탓입니다.
하지만 더 큰 그림을 보면, 한국 반도체 업계의 펀더멘털은 여전히 견고합니다. AI 모델이 효율적으로 변할수록 더 많은 기업이 AI를 도입하고, 더 많은 추론 작업이 발생하며, 결과적으로 더 많은 메모리를 필요로 하게 될 테니까요. 문제는 이 '제번스의 역설'이 실제 수요 증가로 이어지는 속도가 시장의 기대를 충족시킬 수 있느냐는 점입니다.
효율성의 역설: 더 싼 AI가 더 많은 GPU를 먹는 이유
Kimi K3의 기술적 도약이 던진 질문
Kimi K3가 구현한 세 가지 핵심 기술, 즉 KDA(선형 어텐션), Attention Residuals, Stable LatentMoE는 단순한 성능 개선을 넘어 AI 모델 설계의 패러다임을 바꾸고 있습니다. 기존 트랜스포머 모델의 어텐션 메커니즘은 입력 길이가 길어질수록 연산량이 기하급수적으로 늘어나는 구조였죠. KDA는 이 문제를 정면으로 돌파해, 100만 토큰 컨텍스트 윈도우를 실용적인 비용으로 처리할 수 있게 만들었습니다.
그런데 이 효율성 향상이 오히려 더 많은 하드웨어를 요구한다는 점이 역설입니다. K3는 896개의 전문가 모듈을 여러 GPU에 분산 배치하는 WideEP 전략을 사용하는데, 이 과정에서 전문가 간 데이터 교환이 빈번해지고 결과적으로 더 강력한 네트워크 상호 연결 능력이 필요해집니다. KDA가 절감한 KV 캐시 통신 비용을, WideEP로 인한 가중치 교환 비용이 상쇄하는 셈이죠. 결국 K3를 제대로 돌리려면 최소 64개 이상의 GPU로 구성된 슈퍼노드가 필요하고, 이는 엔비디아의 GB200/GB300 NVL72 같은 고가의 랙 단위 시스템 수요로 직결됩니다.
'제번스의 역설'이 AI에서 작동하는 방식
19세기 영국의 경제학자 윌리엄 스탠리 제번스는 증기기관의 효율이 높아질수록 석탄 소비가 오히려 늘어난다는 역설을 발견했습니다. 효율 향상이 비용을 낮추고, 낮아진 비용이 수요를 폭발시켜 결과적으로 총자원 소모가 증가한다는 논리죠. AI 업계에서도 똑같은 현상이 관찰됩니다. 토큰당 추론 비용이 하락하면 더 많은 기업이 AI를 도입하고, 더 긴 작업을 수행하며, 더 복잡한 에이전트를 배포하게 됩니다.
실제로 Kimi K3 발표 이후, 문샷 AI의 API 호출량이 예상을 훨씬 뛰어넘어 클러스터가 한계에 도달했고, 신규 사용자 구독을 일시 중단해야 했습니다. 오픈AI의 코드엑스(Codex)도 GPT-5.6 출시 이후 주간 활성 사용자가 800만 명을 돌파하며 인프라 부하가 급증했죠. 효율성이 높아지면 AI 사용량이 늘어나고, 사용량이 늘어나면 더 많은 GPU와 HBM, 네트워크 장비가 필요해지는 구조입니다.
시장이 진짜 두려워하는 것
그렇다면 왜 시장은 Kimi K3에 이렇게 민감하게 반응했을까요? 진짜 이유는 'AI 모델의 효율화' 자체가 아니라, 그 효율화가 '미국 빅테크의 AI 투자 독점 구조'를 흔들고 있기 때문입니다. 중국 AI 기업들이 미국의 반도체 제재라는 핸디캡을 안고도 최상위권 성능을 구현해내자, 'GPU를 가장 많이 가진 자가 승리한다'는 기존의 공식에 금이 가기 시작한 거죠.
골드만삭스의 리치 프리보로츠키는 이를 "무분별한 연산력 확장 시대의 종료 가능성"이라고 표현했습니다. 더 이상 GPU 구매량과 모델 성능이 1:1로 비례하지 않는다면, 빅테크들이 매년 수천억 달러씩 쏟아붓는 AI 인프라 투자의 정당성이 약해질 수밖에 없습니다. 실제로 알파벳, 아마존, 메타, 마이크로소프트 4개사의 2026년 합산 자본 지출은 약 7,250억 달러에 달하는데, 이 돈이 과연 적절한 수익으로 돌아올지에 대한 의구심이 커지고 있는 거죠.
사유
Kimi K3가 불러온 충격은 단순한 기술 뉴스가 아닙니다. AI 산업의 성장 논리가 '하드웨어 확장'에서 '소프트웨어 혁신'으로 이동하고 있다는 신호탄이기 때문이죠. 그런데 이 전환이 반드시 하드웨어 수요 감소로 이어지지는 않는다는 점이 이 이야기를 복잡하게 만듭니다. 효율성이 높아질수록 AI는 더 많은 곳에 스며들고, 더 많은 일을 하게 될 테니까요.
결국 우리가 지금 목격하고 있는 건 'AI 인프라 거품의 붕괴'가 아니라, 'AI 인프라 투자 논리의 재편'에 가깝습니다. 더 이상 '무조건 많이 사는 것'이 답이 아니라, '어디에, 어떻게 투자할 것인가'가 중요해지는 국면으로 접어든 거죠. 이 재편 과정에서 승자가 누가 될지는 아직 아무도 모릅니다. 다만 한 가지 분명한 건, AI 산업의 2막은 1막보다 훨씬 더 복잡하고, 훨씬 더 흥미로울 거라는 점입니다.
이번 주 AI 업계는 '효율성'이라는 단어로 수렴됩니다. Kimi K3는 더 적은 비용으로 더 높은 성능을 내는 게 가능하다는 걸 증명했고, WAIC는 AI가 언어를 넘어 물리적 세계로 진출하는 효율적인 실행 경로를 제시했죠. 두 흐름 모두 '더 많은 자본'이 아닌 '더 똑똑한 방법'을 향해 가고 있습니다.
다만 이 효율성 혁명이 반도체 수요를 정말로 줄일지는 미지수입니다. 제번스의 역설이 말해주듯, 더 싸고 더 똑똑한 AI는 더 많은 곳에서 더 많이 쓰이게 마련이니까요. 7월 말부터 시작되는 미국 빅테크들의 2분기 실적 발표가 이 질문에 대한 첫 번째 힌트를 줄 겁니다. 그들의 자본 지출 계획이 유지될지, 아니면 조정될지. AI 2막의 승자는 그 답에 달려 있을지도 모르겠습니다.