중국 컴퓨팅 파워 네트워크 추진, 가동률이라는 কঠ한 시험대에 오르다

중국은 9월 11일 컴퓨팅 파워 네트워크를 국가 의제의 더 높은 우선순위로 올렸지만, 데이터센터를 더 많이 짓는 것만으로는 AI 인프라 문제를 해결할 수 없다. 이제 중국의 컴퓨팅 파워 네트워크는 분산되고 이기종인 하드웨어를 고객이 경제적으로 활용할 수 있는 역량으로 전환해야 하는 더 어려운 시험에 직면해 있다.

리창 총리가 주재한 국무원 회의는 이 네트워크를 인공지능의 기반으로 규정했다. 또한 통합적 계획 수립, 효율적 활용, 시장 주도형 발전, 친환경·저탄소 운영을 요구했다. 이는 설치 용량을 진전의 핵심 지표로 보는 대신, 활용률을 건설과 동등한 위치에 둔 표현이다.

시점도 이례적으로 많은 것을 보여줬다. 회의는 베이징 인근의 주요 데이터센터 허브인 랑팡에서 열린 중국 컴퓨팅 파워 콘퍼런스와 겹쳤다. 현지 공급업체들은 국내 인프라, 스토리지 연계, 냉각, 가속기 성능을 높이는 소프트웨어에 대한 강한 관심을 보고했다.

이들 보고는 시장의 전환을 시사한다. 특히 기술 수출 제한 아래에서 하드웨어 공급은 여전히 전략적으로 중요하다. 그러나 상업적 병목은 소프트웨어 호환성, 워크로드 스케줄링, 스토리지 처리량, 네트워킹, 에너지 효율 쪽으로 이동하고 있다.

중국은 이미 ‘동수서산’ 프로그램을 통해 상당한 컴퓨팅 역량을 구축했다. 다음 단계는 또 다른 시설에 또 다른 서버를 배치하는 일이 아니다. 멀리 떨어져 있고 호환되지 않는 자원을 하나의 신뢰할 수 있는 서비스처럼 작동하게 만드는 일이다.

중국 컴퓨팅 파워 네트워크 정책, 용량에서 조정으로 전환

국무원의 결정은 데이터센터 건설 후 추가하는 선택 기능이 아니라, 통합적 활용을 국가 목표로 만들었다.

리창 총리는 2026년 9월 11일 베이징에서 회의를 주재했다. 공식 국무원 회의 요약에 따르면 국무원은 컴퓨팅 파워 네트워크 구축 관련 업무를 검토했다.

공식 발표는 컴퓨팅 파워 네트워크를 AI 발전을 위한 기초 지원 체계로 설명했다. 수요에 기반한 조정 강화, 합리적 배치, 질서 있는 건설을 주문했다. 또한 효율적 활용, 시장 메커니즘, 녹색 발전, 보안을 강조했다.

이 조합은 중요하다. 국가 인프라 프로그램은 건물과 장비가 눈에 보이는 진전 지표를 제공하기 때문에 종종 물리적 용량부터 시작한다. AI 워크로드는 이런 접근의 한계를 드러낸다.

가속기 클러스터는 자산대장에는 존재할 수 있지만 실제 사용은 어려울 수 있다. 하드웨어에 성숙한 소프트웨어 라이브러리, 고속 스토리지, 안정적인 네트워킹, 호환 가능한 스케줄링 도구가 부족할 수 있다. 고객은 원격 클러스터로 데이터를 옮기는 데 드는 시간이 컴퓨팅으로 절감되는 시간보다 더 크다는 점을 발견할 수도 있다.

중국 컴퓨팅 파워 네트워크는 이러한 격차를 해소하기 위한 것이다. 서로 다른 공급업체가 소유하고, 서로 다른 지역에 있으며, 서로 다른 프로세서 아키텍처로 구축된 컴퓨팅 자원을 연결하는 것을 목표로 한다. 궁극적으로 사용자는 표준화된 서비스를 통해 용량을 발견하고, 요청하고, 소비할 수 있어야 한다.

중국 공업정보화부는 상호연결 행동계획에서 이 모델을 설명했다. 이 계획은 공공 컴퓨팅 자원을 위한 공유 식별자, 표준, 규칙, 서비스 플랫폼을 목표로 한다.

2026년 목표에는 컴퓨팅 노드 간 연결 강화와 주요 공급업체 자원에 대한 통합 접근이 포함된다. 또한 컴퓨팅, 스토리지, 네트워킹 서비스 전반의 조정을 요구한다.

2028년까지 공업정보화부는 표준화된 시스템을 통해 공공 컴퓨팅 용량이 폭넓게 상호연결되기를 기대하고 있다. 구상된 네트워크는 가용 자원을 식별하고 사용자가 필요할 때 제공하게 된다.

중국은 또한 “1+M+N”으로 알려진 국가 노드 구조를 구축하기 시작했다. 이 모델에서 하나의 국가 플랫폼은 복수의 지역 및 산업 노드를 연결한다. 이 메커니즘은 위치, 소유자, 아키텍처를 아우르는 자원을 표준화하도록 설계됐다.

이 체계는 9월 11일 회의가 데이터센터 투자에 관한 또 하나의 발표 이상이었던 이유를 설명한다. 정부는 설치 장비만큼 실제 활용 가능한 산출물이 중요한 운영 모델로 업계를 밀어가고 있다.

공식 발표는 새로운 예산, 건설 일정, 조달 목록을 공개하지 않았다. 개별 공급업체도 언급하지 않았다. 따라서 즉각적인 영향은 계약적이라기보다 방향성에 가깝다.

그럼에도 이 표현은 부처, 지방정부, 국유기업, 인프라 운영업체의 우선순위를 설정한다. 이들의 실행 결정은 신규 지출이 건물에 향할지, 기존 자산의 생산성을 높이는 시스템에 향할지를 결정할 것이다.

AI 인프라 주문, 효율성 문제를 따라 움직이다

업계 인터뷰는 모든 용량 부족이 새 하드웨어를 필요로 해서가 아니라, 국내 컴퓨팅을 운영하기 어렵기 때문에 고객이 지출하고 있음을 시사한다.

가장 강한 상업적 신호는 9월 11일부터 9월 13일까지 랑팡 콘퍼런스에 참석한 공급업체들로부터 나왔다. 이들의 발언은 국무원 회의 이후 보도됐으며, 정책 방향과 전시장 현장의 활동을 연결했다.

Yanrong Technology의 한 관계자는 정부, 기업, 국유 고객이 국내 AI 인프라에 대해 더 강한 수요를 보이고 있다고 기자들에게 말했다. 이 관계자는 구매 기준이 장비 브랜드와 개별 성능 사양을 넘어 확대됐다고 밝혔다.

회사에 따르면 고객들은 이제 아키텍처 호환성, 대규모 환경에서의 성능, 공급망 보안, 생애주기 운영비를 살핀다. 초당 생성 토큰 수, 첫 토큰까지 걸리는 시간, 토큰당 비용도 검토한다.

이는 추론 경제성 지표다. 토큰은 언어 모델이 처리하는 작은 단위이며, 첫 토큰까지 걸리는 시간은 시스템이 응답을 시작하는 속도를 측정한다. 이 지표들은 고가 인프라가 수용 가능한 비용으로 유용한 작업을 제공하는지 보여준다.

이 변화는 중요하다. 최고 하드웨어 사양은 생산 환경 성능을 제대로 설명하지 못하는 경우가 많다. 클러스터는 벤치마크에서는 경쟁력 있어 보여도 다수의 가속기에서 실제 모델을 운영할 때 어려움을 겪을 수 있다. 네트워크 혼잡, 스토리지 지연, 메모리 한계, 소프트웨어 오버헤드는 실질 산출량을 줄일 수 있다.

Qingcheng Jizhi 공동창업자 스톈후이는 CLS에 컴퓨팅 최적화에 대한 지불 의사가 높다고 말했다. 그는 이러한 수요가 국내 컴퓨팅 하드웨어를 효율적으로 사용하는 어려움에서 비롯된다고 분석했다.

이 보도의 업계 인터뷰는 최적화를 실제 주문의 원천으로 묘사한다. 다만 감사된 주문 금액, 고객 수, 계약 기간, 인식 매출은 제공하지 않는다.

이 구분은 시장을 해석할 때 중요하다. 공급업체 인터뷰는 고객이 논의하는 문제를 확인할 수 있다. 하지만 국가 산업 전반의 수요 규모나 지속성을 입증할 수는 없다.

그럼에도 구매 논리는 타당하다. 중국의 국내 가속기 시장에는 여러 아키텍처, 소프트웨어 환경, 호환성 계층이 존재한다. 한 시스템에서 잘 실행되는 모델도 다른 시스템에서 효율적으로 작동하려면 엔지니어링 작업이 필요할 수 있다.

최적화 공급업체들은 소프트웨어와 시스템 통합을 통해 이 격차를 해소한다. 이들의 작업에는 모델 연산자 적응, 메모리 할당 개선, 스토리지 조정, 작업 균형 조정, 프로세서 간 통신 지연 감소 등이 포함될 수 있다.

대규모 클러스터에서 스토리지도 성능 제약이 된다. 학습 및 추론 시스템은 모델 파라미터, 데이터셋, 중간 결과, 캐시된 정보를 반복적으로 옮긴다. 스토리지가 데이터를 충분히 빠르게 공급하지 못하면 가속기는 유휴 상태에 놓일 수 있다.

Yanrong Technology는 CLS에 자사 소프트웨어 아키텍처가 관련 배포 환경에서 토큰 효율을 120% 이상 높였다고 말했다. 이 수치는 회사 주장으로, 보도에는 독립적 벤치마크나 테스트 방법론이 제시되지 않았다.

그럼에도 이 주장은 고객이 무엇을 구매하려 하는지 보여준다. 고객들은 가급적 모든 소프트웨어 문제를 또 다른 하드웨어 구매로 해결하지 않고도, 설치된 시스템에서 더 많은 모델 산출물을 얻고자 한다.

냉각 장비 공급업체들은 같은 계산을 다른 관점에서 설명했다. 고밀도 프로세서는 열을 집중적으로 발생시키며, 이로 인해 칩의 작동 속도가 낮아질 수 있다. 냉각 시스템 역시 토큰을 직접 생성하지 않는 전력을 소비한다.

Huifeng Diamond의 한 관계자는 프로세서에서 열을 빼내도록 설계된 다이아몬드-구리 열전도 소재를 소개했다. 회사는 이 소재가 공랭, 콜드플레이트 액체 냉각, 침지 냉각 시스템을 지원할 수 있다고 말했다.

이러한 성능 주장 역시 독립적 검증이 필요하다. 그러나 이는 현재의 시장 기회가 칩과 서버를 넘어 스토리지, 오케스트레이션, 네트워킹, 열 관리로 확장되고 있음을 보여준다.

구매자에게 질문은 더 이상 단순히 용량이 존재하는가가 아니다. 해당 용량이 선택한 모델을 예측 가능하게, 대규모로, 방어 가능한 생애주기 비용으로 운영할 수 있는가다.

국내 하드웨어 공급, 활용 가능한 AI 산출물과 경쟁하다

핵심 경쟁은 설치된 국내 용량과 소프트웨어, 네트워크, 운영을 통해 그로부터 추출할 수 있는 활용 가능한 모델 산출물 사이에서 벌어지고 있다.

중국의 인프라 전략에는 국내 하드웨어를 지원할 강한 이유가 있다. 수출 제한으로 일부 첨단 해외 가속기에 대한 접근이 제한됐다. 이에 따라 공급망 회복력은 정부 연계 및 기업 구매자의 조달 결정에 포함됐다.

그러나 국내 대체는 두 번째 과제를 만든다. 서로 다른 공급업체의 하드웨어는 서로 다른 소프트웨어 툴체인, 모델 적응, 최적화 작업을 요구할 수 있다. 이러한 파편화는 용량을 공통 서비스로 통합하기 어렵게 만든다.

이 문제는 AI 활동이 학습에서 운영 추론으로 이동할수록 더 뚜렷해진다. 학습은 정해진 프로젝트 기간 동안 대규모 용량 블록을 소비한다. 추론은 실시간 요청을 처리하므로 고객은 모든 순간의 지연시간, 신뢰성, 비용을 중요하게 본다.

추론은 기술적 비효율을 곧바로 상업적 불이익으로 전환한다. 같은 장비에서 더 적은 토큰을 생산하는 공급업체는 더 적은 매출을 올리거나 더 높은 가격을 청구해야 한다. 첫 응답이 느리면 성능이 뛰어난 모델도 대화형 애플리케이션에는 부적합해질 수 있다.

이러한 압박은 컴퓨팅 최적화에 대한 지불 의지가 보도된 이유를 설명한다. 추가적인 효율성 향상은 또 다른 건물, 전력 연결, 완전한 클러스터 없이도 매출을 개선할 수 있다.

전국적 네트워크는 이런 이득을 더 쉽게 확보하게 할 수 있다. 표준화된 마켓플레이스는 적합한 워크로드를 다른 곳의 유휴 용량으로 보낼 수 있다. 스케줄링 소프트웨어는 지연시간, 아키텍처, 에너지, 데이터 위치 요건을 매칭할 수 있다.

그러나 용량은 가전제품에서 전기가 상호 대체 가능해 보이는 방식으로 상호 대체될 수 없다. 가속기는 서로 다른 수치 형식, 소프트웨어 라이브러리, 메모리 구성, 통신 시스템을 지원한다. 모델은 이식하기 어려운 맞춤형 연산에 의존할 수도 있다.

데이터는 또 다른 제약을 만든다. 대규모 데이터셋을 지역 간에 이동하면 전송 비용, 보안 요건, 지연이 발생할 수 있다. 일부 워크로드는 사용자, 공장 또는 규제 대상 정보 가까이에 머물러야 한다.

중국의 기존 동수서산 전략은 동부의 수요를 서부의 토지 및 에너지 자원과 연결하려는 시도였다. 이 전략은 그러한 지리적 분업의 거점으로 8개 국가 컴퓨팅 허브와 10개 데이터센터 클러스터를 조성했다.

이 배치는 거리 허용도가 높은 워크로드에서 가장 효과적이다. 모델 학습, 오프라인 처리, 백업 및 일부 배치 추론은 서부로 이전할 수 있다. 반면 대화형 추론과 산업 제어는 동부 사용자 인근의 더 낮은 지연시간을 필요로 하는 경우가 많다.

따라서 국가 네트워크는 단순한 장거리 연결이 아니라 라우팅 시스템이 되어야 한다. 워크로드 요구사항과 각 컴퓨팅 자원의 실제 상태에 관한 정보가 필요하다.

정부의 장기 계획도 이 문제를 인식하고 있다. 2023년 국가 네트워크 프레임워크는 컴퓨팅, 데이터, 알고리즘, 녹색 전력 및 보안의 통합 조정을 요구했다.

또한 유연한 구성과 사용량 기반 과금을 갖춘 온디맨드 서비스를 장려했다. 이 프레임워크에서 언급된 기술에는 고속 광 네트워크, 고도화된 라우팅, 스토리지, 자원 풀링 및 이기종 아키텍처 간 배포가 포함됐다.

경쟁 압력은 국내 하드웨어 공급업체를 넘어선다. 통신 사업자, 클라우드 제공업체, 데이터센터 기업, 전문 소프트웨어 기업 모두 고객이 용량을 요청하는 계층을 장악하려 한다.

China Mobile, China Telecom, China Unicom은 이미 전국망과 대규모 클라우드 인프라를 운영하고 있다. 클라우드 기업은 스케줄링 소프트웨어와 개발자 관계를 보유한다. 독립 인프라 공급업체는 더 분산된 하드웨어 기반 전반에 걸쳐 최적화를 제공한다.

워크로드 오케스트레이션을 통제하는 기업은 어느 시설에 수요가 배정될지를 좌우할 수 있다. 이 위치는 가격, 가동률, 모델 성능 및 고객 선호도에 관한 가치 있는 정보도 제공한다.

이 때문에 중국의 컴퓨팅 파워 네트워크는 건설 사업만으로 이해할 수 없다. 이는 AI 인프라를 위한 상업적·기술적 제어 평면을 정의하려는 시도이기도 하다.

컴퓨팅 파워 최적화가 실질적인 시장이 됐다

새롭게 부상하는 상품은 단순한 가속기 사용 시간이 아니라, 복잡한 인프라 스택 전반에서 제공되는 신뢰할 수 있는 AI 출력의 측정 단위다.

유용한 컴퓨팅 서비스는 자원 탐색에서 시작한다. 구매자는 어떤 프로세서가 उपलब्ध한지, 어디에 위치하는지, 어떤 소프트웨어 환경을 지원하는지 알아야 한다.

다음 계층은 워크로드 매칭이다. 스케줄링 플랫폼은 작업에 낮은 지연시간, 높은 메모리, 저렴한 에너지 또는 특정 가속기 아키텍처가 필요한지를 판단해야 한다.

그다음은 실행이다. 플랫폼은 데이터를 안전하게 이동하고, 환경을 구성하며, 워크로드를 분할하고, 장애를 모니터링해야 한다. 또한 한 고객의 작업이 다른 고객의 작업을 방해하지 않도록 해야 한다.

마지막으로 서비스에는 신뢰할 수 있는 측정 및 정산이 필요하다. 고객은 소비한 자원과 제공받은 결과에 대한 명확한 기록을 요구한다. 제공업체는 유용한 작업에 대해 과금하고 인프라 소유자에게 보상할 수 있는 방법이 필요하다.

중국의 상호연결 계획은 이러한 여러 계층을 다룬다. 이 계획은 통일된 자원 식별자, 상호운용 가능한 인터페이스, 다계층 플랫폼 및 신규 스케줄링 서비스 시범 운영을 요구한다.

이 계획은 이기종 워크로드에 대해서도 높은 목표를 제시한다. 1만 개의 가속기를 포함한 클러스터 전반에서 작업을 스케줄링하는 방안을 구상한다. 또한 매우 큰 파라미터 수를 가진 모델의 혼합 학습도 논의한다.

이러한 목표는 컴퓨팅 최적화를 인프라 소프트웨어로 전환한다. 성능 엔지니어들은 더 이상 하나의 고립된 애플리케이션만 조정하지 않는다. 이들은 행정 경계를 넘어 프로세서, 스토리지, 네트워크 및 데이터를 조율하려 한다.

실제 추론 작업은 왜 이것이 중요한지를 보여준다. 직원을 위한 문서 보조 도구를 배포하는 기업을 생각해 보자. 이 시스템은 관련 정보를 검색하고, 모델에 컨텍스트를 전달하며, 신속하게 답변을 반환해야 한다.

모델 제공업체는 여러 시설에 용량을 보유할 수 있다. 한 사이트는 적합한 가속기를 제공하지만 스토리지 혼잡을 겪는다. 다른 사이트는 저비용 전력을 보유하지만 사용자와 너무 멀리 떨어져 있다. 세 번째 사이트는 가용 용량이 있지만 호환되는 소프트웨어 라이브러리가 없다.

기능하는 네트워크라면 작업을 배정하기 전에 이러한 차이를 평가해야 한다. 이후 응답 시간, 토큰 출력, 장애율 및 비용을 측정해야 한다.

지식 집약형 AI 애플리케이션에서는 이러한 조정이 특히 중요하다. 검색 가능한 지식 베이스는 모델 추론과 관련 소스 자료에 대한 빠른 접근 모두에 의존한다.

오케스트레이션이 부실하면 모델 자체가 효율적으로 실행되더라도 검색 속도가 느려질 수 있다. 시스템이 유용한 중간 결과를 보존하지 못하면 반복 연산도 늘어날 수 있다.

업계가 토큰 출력에 주목하는 것은 이러한 실용적 현실을 반영한다. 토큰은 가속기 수보다 AI 서비스 출력에 더 가까운 근사치를 제공한다. 다만 완벽한 보편적 척도는 아니다.

모델마다 토큰당 필요한 연산량이 다르다. 입력 토큰과 출력 토큰에도 서로 다른 비용이 발생한다. 추론 모델의 짧은 응답이 더 작은 시스템의 긴 응답보다 더 많은 자원을 소비할 수 있다.

품질은 비교를 더욱 복잡하게 만든다. 시스템은 부정확하거나 도움이 되지 않는 결과를 생성하면서도 토큰을 빠르게 생산할 수 있다. 고객에게는 여전히 작업 성공률, 신뢰성, 응답 품질을 포함한 애플리케이션 수준의 측정 지표가 필요하다.

따라서 가장 신뢰할 수 있는 최적화 제공업체는 인프라 지표를 비즈니스 성과와 연결할 것이다. 정확도를 저하시키지 않으면서 변경 사항이 비용이나 지연시간을 줄인다는 점을 보여야 한다.

이 요건은 독립적인 테스트와 표준화된 벤치마크의 여지를 만든다. 구매자는 모델, 정밀도, 배치 크기, 입력 길이, 출력 길이 및 클러스터 구성을 명시하는 비교 자료가 필요하다.

이러한 세부 정보가 없으면 백분율 개선 수치는 드러내는 것보다 더 많은 것을 감출 수 있다. Yanrong Technology가 보고한 토큰 효율 120% 향상은 한 사례다. 가치 있는 엔지니어링을 반영할 수 있지만, 독자는 공개 보고서만으로 이를 평가할 수 없다.

더 광범위한 수요 신호는 여전히 의미가 있다. 고객은 하나의 핵심 사양으로 하드웨어를 판매하기보다, 여러 해에 걸친 총비용을 입증하라고 공급업체에 요구하고 있다.

이러한 행동은 여러 계층을 통합할 수 있는 기업에 유리하다. 또한 단일 제품 공급업체에는 자사 구성 요소가 완전한 생산 시스템 내에서 출력을 개선한다는 점을 입증해야 한다는 압박을 가한다.

더 많은 용량도 낮은 수익으로 이어질 수 있다

네트워크의 가장 큰 위험은 정책 주도의 건설이 실질 수요를 앞질러, 고가의 시설이 충분히 활용되지 않거나 워크로드와 제대로 맞지 않게 되는 것이다.

국무원이 합리적 배치와 질서 있는 발전을 요구한 것은 이러한 위험을 인정한 것이다. 지방정부는 프로젝트가 투자, 인프라 및 가시적인 산업 활동을 가져오기 때문에 데이터센터 유치에 인센티브를 가진다.

그러나 수요가 도착하지 않으면 시설은 좌초 자산이 될 수 있다. 프로세서, 네트워크 또는 에너지 특성이 고객 요구사항과 맞지 않으면 성과가 저조할 수도 있다.

중국의 컴퓨팅 지리는 복잡성을 더한다. 서부 지역은 토지, 재생에너지 및 냉각 측면에서 장점을 제공하는 경우가 많다. 대부분의 AI 기업과 엔터프라이즈 사용자는 여전히 동부 시장에 집중돼 있다.

국가 네트워크는 이 거리의 일부를 연결할 수 있다. 하지만 지연시간이나 대규모 데이터셋 이동 비용을 없앨 수는 없다. 또한 모든 워크로드를 모든 프로세서 아키텍처에서 이식 가능하게 만들 수도 없다.

공식 수치는 공급 기반이 얼마나 빠르게 성장했는지 보여준다. 2026년 7월 정책 검토 보고서는 지능형 컴퓨팅 용량이 188만2,000페타플롭스에 이르렀으며, 이는 1년 전 수준의 약 2.5배라고 밝혔다.

같은 검토 보고서는 8개 국가 허브가 중국 전체 지능형 컴퓨팅 용량의 80% 이상을 보유한다고 밝혔다. 또한 지난 2년 동안 70개 이상의 주요 컴퓨팅 전송 경로가 구축됐다고 보고했다.

이러한 용량 지표는 규모를 보여주지만 평균 가동률은 드러내지 않는다. 또한 경쟁력 있는 성능으로 운영 워크로드를 지원할 수 있는 용량이 얼마나 되는지도 보여주지 않는다.

Langfang은 집약된 사례를 제공한다. 지방정부 보고에 따르면 이 도시는 데이터센터 36곳과 20만 페타플롭스 이상의 지능형 컴퓨팅 용량을 보유하고 있다.

이 도시는 컴퓨팅 바우처와 토큰, 데이터, 모델을 포괄하는 더 광범위한 지원 패키지도 논의했다. 이러한 프로그램은 지역 사용자의 초기 비용을 낮추고, 가용 인프라로 기업을 유치할 수 있다.

보조금은 도입을 가속할 수 있지만 수요 분석을 복잡하게 한다. 보조금을 받은 워크로드가 고객이 이후 전체 운영비를 지불할 것이라는 사실을 자동으로 입증하지는 않는다.

컨퍼런스에서 나온 공급업체 발언도 비슷한 불확실성을 담고 있다. 강한 주문 의향은 실제 프로젝트를 시사할 수 있지만, 의향은 체결된 계약이 아니다. 체결된 계약도 반드시 완료된 배포를 의미하지 않으며, 배포가 수익성 있는 가동률을 보장하지도 않는다.

에너지는 또 다른 제약이다. 컴퓨팅 시설은 전력 사용량이 크고, 고밀도 AI 클러스터는 상당한 냉각 부하를 더한다. 전력망 용량과 저탄소 전력 접근성은 클러스터가 경제적으로 운영될 수 있는 위치를 결정할 것이다.

9월에 발표된 국가 녹색 전환 계획은 액체 냉각, 폐열 회수, 저전력 칩 및 지능형 에너지 관리를 요구한다. 또한 캐비닛 전력 밀도가 100킬로와트를 넘는 시설도 장려한다.

녹색 컴퓨팅 계획은 시설 수명 주기 전반의 실시간 모니터링과 동적 조정을 목표로 한다. 이러한 요건은 건설 효율성에서 운영 효율성으로의 전환을 반영한다.

보안은 다른 상충관계를 제시한다. 지역 간 스케줄링을 위해서는 플랫폼이 자원 정보, 워크로드 세부 사항 및 잠재적으로 민감한 데이터를 교환해야 한다. 연결성이 확대되면 취약한 접근 제어의 결과도 더 커질 수 있다.

국가 계획에는 네트워크 및 데이터 보안 과제가 포함돼 있지만, 구현은 많은 사업자에 걸쳐 이뤄질 것이다. 일관된 신원 관리, 감사, 격리 및 사고 대응이 필수적이다.

시장 구조도 우려 사항이 될 수 있다. 통합 네트워크는 더 쉬운 접근을 약속하지만, 지배적인 플랫폼이 탐색, 라우팅 및 정산을 통제할 수 있다. 소규모 제공업체는 대형 통신사나 클라우드 사업자가 정한 규칙에 의존하게 될 수 있다.

가격 투명성이 중요할 것이다. 구매자는 호환되지 않는 성능 단위에 오도되지 않고 지역과 아키텍처 전반의 서비스를 비교할 수 있어야 한다. 제공업체는 낭비적인 중복을 조장하지 않으면서 용량을 유지할 수 있는 충분한 수익을 확보해야 한다.

국무원은 효율성과 시장 메커니즘을 강조함으로써 올바른 시험 기준을 제시했다. 더 어려운 과제는 이 시스템이 보조금을 단순히 재분배하는 것이 아니라 가동률을 개선한다는 증거를 만드는 일이다.

중국의 컴퓨팅 추진이 다음으로 입증해야 할 것

세 가지 신호는 이 정책이 효율적인 국가 서비스로 이어질지, 아니면 분절된 인프라 지출의 또 다른 순환이 될지를 보여줄 것이다.

첫 번째 신호는 “1+M+N” 노드 시스템의 구현이다. 부처와 참여 사업자는 어떤 자원이 연결됐는지, 어떤 표준을 사용하는지, 어떤 워크로드가 그 사이를 이동할 수 있는지를 공개해야 한다.

명목상 용량의 목록만으로는 충분하지 않다. 시스템은 실제 제공업체 전반에서 탐색, 스케줄링, 실행, 모니터링 및 정산을 지원해야 한다. 성공적인 이기종 아키텍처 간 작업은 정부의 조정 논지를 강화할 것이다.

반복되는 호환성 실패는 이를 약화시킬 것이다. 이는 국가 차원의 상호연결 표준이 고객이 문제를 겪는 소프트웨어 계층보다 여전히 상위에 머물러 있음을 시사할 것이다.

두 번째 신호는 독립적으로 비교 가능한 활용률 및 성능 데이터다. 설치 용량은 실제 사용량, 가용성, 토큰 처리량, 지연 시간, 장애율, 에너지 소비량과 함께 보고돼야 한다.

정확한 지표는 워크로드에 따라 달라질 것이다. 그러나 공개 파일럿은 여전히 벤치마크 구성과 결과를 공개할 수 있다. 이러한 정보는 구매자가 진정한 최적화와 선별적인 공급업체 주장 사이를 구분하는 데 도움이 될 것이다.

독립적인 근거는 컴퓨팅 최적화 수요가 보고된 내용을 더 명확히 해줄 것이다. 매출 성장, 갱신, 반복 도입은 컨퍼런스 인터뷰나 주문 의향보다 더 큰 비중을 가질 것이다.

세 번째 신호는 지출이 운영 병목 지점으로 이동하는지 여부다. 조달은 프로세서뿐 아니라 소프트웨어 적응, 스토리지, 네트워킹, 냉각, 에너지 관리를 점점 더 지원해야 한다.

이러한 변화는 구매자들이 AI 인프라를 통합 시스템으로 관리하고 있음을 확인해줄 것이다. 원시 가속기 총량에 대한 지속적인 강조는 기존의 건설 인센티브가 여전히 지배적임을 시사할 것이다.

개발자는 어떤 환경이 국내 가속기 간 이식성을 확보하는지 주시해야 한다. 이식성은 애플리케이션이 프로덕션에 도달하기 전에 얼마나 많은 엔지니어링 작업이 필요한지를 결정한다.

기업 구매자는 공급업체에 워크로드별 측정치를 요구해야 한다. 유용한 질문에는 응답 지연 시간, 지속 토큰 출력, 장애 복구, 모델 호환성, 총에너지 소비량 등이 포함된다.

인프라 운영자는 예약된 용량이 아니라 매출을 창출하는 활용률을 추적해야 한다. 예약 일정이 가득 차 있어도 안정적인 프로덕션에 도달하지 못하는 워크로드가 숨겨질 수 있다.

지식 노동자와 AI 사용자 역시 그 결과에 이해관계를 갖고 있다. 더 나은 활용률은 추론 비용을 낮추고, 응답 시간을 단축하며, 더 많은 애플리케이션에서 고급 모델을 이용할 수 있게 한다.

중국의 컴퓨팅 파워 네트워크는 중국이 대규모 AI 시설을 구축할 수 있는지에 관한 논쟁을 넘어섰다. 중국은 이미 용량을 빠르게 배치할 수 있음을 입증했다.

결정적인 질문은 서로 분리된 다수의 자산이 하나의 신뢰할 수 있는 시장으로 기능할 수 있는지다. 이를 위해서는 표준, 소프트웨어, 신뢰할 수 있는 측정, 그리고 신규 시설의 입지에 대한 규율이 필요하다.

향후 3개월 동안 국가 노드 구축, 독립적으로 보고되는 운영 지표, 최적화를 목표로 한 조달을 주시해야 한다. 이 신호들은 중국이 실제로 활용 가능한 AI 산출물을 구축하고 있는지, 아니면 단지 또 하나의 용량 계층을 추가하고 있는지를 보여줄 것이다.