상하이, 컴퓨팅·칩·애플리케이션을 아우르는 풀스택 AI 전략 구축

상하이는 하나의 Google News 헤드라인을, 강화되는 칩 제약 속에서 중국이 AI 스택을 구축할 수 있는지를 가늠하는 훨씬 더 큰 시험대로 바꿨다. 이 도시는 주목받는 단일 제품에 베팅하는 대신 컴퓨팅 역량, 국산 프로세서, 모델, 산업 애플리케이션을 연결하고 있다.

이 전략은 7월 17일부터 7월 20일까지 상하이에서 열린 2026 World Artificial Intelligence Conference에서 중심 무대에 올랐다. 1,100곳이 넘는 기업이 3,000점 이상의 전시물을 선보였고, 행사의 초점은 모델 시연에서 인프라와 도입으로 옮겨갔다.

긴장은 명확하다. 상하이는 제조업, 과학, 교통, 공공 서비스, 로보틱스 전반에서 AI를 유용하게 만들고자 한다. 그러나 이 도시는 미국 하이퍼스케일러가 이용할 수 있는 모든 첨단 프로세서, 제조 공정, 소프트웨어 도구에 안정적으로 접근하지 못하는 상황에서 이러한 워크로드를 뒷받침해야 한다.

이 때문에 이 이야기는 또 하나의 지역 기술 이니셔티브보다 더 큰 의미를 갖는다. 상하이는 조율된 수요, 공공 컴퓨팅 플랫폼, 대안적 칩 아키텍처, 애플리케이션 보조금이 반도체 최전선에서의 불리함을 상쇄할 수 있음을 입증하려 한다.

Google News 헤드라인 뒤에 숨은 풀스택 AI 전략

상하이는 컴퓨팅 파워, 칩, 모델, 애플리케이션을 하나로 연결된 산업 시스템으로 다루고 있다.

당면한 사건은 단일 제품 출시가 아니다. 이는 도시의 AI 부문을 중심으로 여러 프로젝트, 정책 조치, 상업적 약속이 집중된 현상이다.

WAIC 2026에서 Shanghai Unicom은 UniAI 프로그램을 발표하고 지능형 컴퓨팅 인프라에 250억 위안 이상을 투자할 계획이라고 밝혔다. 이 프로그램은 산업 고도화, 공공 서비스, 도시 거버넌스 및 기타 디지털 애플리케이션을 포괄한다.

이 컨퍼런스는 기술 공급업체와 잠재 고객도 연결했다. WAIC Connect 프로그램은 행사 개막 전 172개 바이어 대표단을 조직하고 63개 애플리케이션 시나리오를 제시했다.

이 수치들은 상하이가 수요를 창출하려는 방식을 보여주기 때문에 중요하다. 도시는 기업들이 수익성 있는 활용 사례를 독자적으로 발견하기를 기다리지 않는다. 구매자를 발굴하고, 실험을 보조하며, 활용이 예상되는 조직 가까이에 인프라를 배치하고 있다.

전시도 같은 방향성을 반영했다. 주최 측은 제조, 소비자 서비스, 엔터테인먼트와 관련된 작업을 수행하는 300대 이상의 로봇이 행사에 포함됐다고 밝혔다. 컴퓨팅 전시는 개별 가속기를 넘어 슈퍼노드와 대규모 클러스터로 확대됐다.

슈퍼노드는 고속 연결을 통해 다수의 프로세서를 결합해 하나의 시스템으로 대규모 AI 워크로드를 처리하도록 한다. 하나의 국산 가속기가 최첨단 해외 칩의 성능에 미치지 못할 때 이 접근법은 특히 중요해진다.

도시의 기존 기반은 이 전략에 더 큰 무게를 더한다. 상하이의 AI 산업은 시의 AI industry profile에 따르면 2024년 4,500억 위안을 넘어섰다. 이 부문에는 380개 이상의 규모 있는 AI 기업과 60 EFLOPS 이상의 공공 지능형 컴퓨팅 역량이 포함됐다.

EFLOPS는 초당 100경 회의 부동소수점 연산을 의미한다. 이 지표는 이론적 역량을 대략적으로 보여주지만, 활용률, 네트워킹 효율, 메모리 성능, 유용한 답변을 제공하는 비용은 드러내지 않는다.

상하이의 AI 부문은 2025년 5,500억 위안을 넘어 전년 대비 30% 이상 성장한 것으로 전해졌다. 현지 당국은 이러한 확장이 컴퓨팅, 모델, 학습 데이터 비용을 낮춘 정책에 일부 기인한다고 설명했다.

이것이 Google News 검색 결과 뒤에 있는 중요한 변화다. 상하이는 AI 기업을 고립된 성공 사례로 제시하는 단계를 넘어섰다. 연구에서 컴퓨팅 접근, 모델 개발, 고객 테스트, 상용 배포까지 프로젝트를 이동시킬 수 있는 시스템을 구축하고 있다.

이 시스템은 상하이 도심을 넘어 확장된다. 컴퓨팅 워크로드는 에너지가 풍부한 서부 지역에서 실행할 수 있으며, 개발자, 칩 기업, 연구소, 산업 구매자는 해안 지역에 밀집해 남아 있다.

중국의 국가 컴퓨팅 네트워크는 이러한 요소들을 연결하기 위한 것이다. 데이터센터, 슈퍼컴퓨팅 시설, 엣지 인프라를 연결해 지연 시간, 에너지, 용량 요건에 따라 워크로드를 이동시킬 수 있도록 한다.

이 구조는 독립적인 데이터센터를 단순히 모아 놓은 형태보다는 전력망에 가깝다. 이 비유가 완벽하지는 않지만 목표는 분명하다. 처리 역량을 더 쉽게 요청하고, 측정하고, 라우팅하고, 구매할 수 있게 만드는 것이다.

상하이의 강점은 조율에 있다. 과제는 이 조율된 시스템이 인상적인 용량 발표가 아니라 신뢰할 수 있는 서비스를 만들어낸다는 점을 증명하는 것이다.

상하이가 토큰으로 수요를 측정하는 이유

도시의 인프라 정책은 이론적 컴퓨팅 성능에서 고객이 실제로 소비하는 AI 작업량으로 이동하고 있다.

상하이는 2026년 1월 27일 열린 Intelligent Computing Shanghai Summit에서 이러한 변화를 부각했다. 참석자들은 인프라를 주로 부동소수점 연산으로 측정하던 방식에서 토큰 사용량을 추적하는 방식으로의 전환을 설명했다.

토큰은 언어 모델이 처리하는 작은 텍스트 또는 데이터 단위다. 고객은 일반적으로 프롬프트를 보내고, 정보를 검색하고, 에이전트를 실행하거나, 답변을 생성할 때 토큰을 소비한다.

토큰 소비량은 경제적 가치를 완전하게 측정하는 지표는 아니다. 모델이 많은 토큰을 처리하면서도 유용한 작업을 거의 만들어내지 못할 수 있다. 그럼에도 이 지표는 프로세서의 최대 벤치마크 점수보다 인프라를 애플리케이션 수요와 더 직접적으로 연결한다.

China Academy of Information and Communications Technology는 3대 주요 통신 사업자 및 현지 컴퓨팅 공급업체와 함께 도시 전역의 협업 시스템을 출범시켰다. 이 이니셔티브는 컴퓨팅 공급업체를 모델 개발자 및 애플리케이션 기업과 연계하는 것을 목표로 한다.

이는 AI 경제의 더 넓은 변화를 반영한다. 파운데이션 모델 학습은 여전히 비용이 많이 들지만, 반복적인 추론이 이제 AI 제품이 매일 수백만 건의 상호작용을 지원할 수 있는지를 결정한다.

추론은 학습된 모델을 실행해 출력을 생성하는 과정이다. 짧은 질문에 답하는 일부터 수백 단계의 중간 과정을 거쳐 소프트웨어 에이전트를 운영하는 일까지 모든 것을 포함한다.

National Data Bureau에 따르면 중국의 일일 AI 토큰 소비량은 2024년 초 1,000억 건에서 2026년 3월 140조 건으로 증가한 것으로 전해졌다. ByteDance의 Doubao만 해도 2024년 5월 일일 약 1,000억 토큰에서 2026년 3월 120조 건 이상으로 늘어난 것으로 알려졌다.

이 수치들은 독립적으로 감사된 사용량이 아니라 보고된 측정치로 다뤄야 한다. 그러나 그 추세는 상하이가 인프라, 네트워크 용량, 운영비를 강조하는 이유를 설명한다.

에이전트는 작업을 계획하고, 중간 결과를 검토하며, 도구를 호출하고, 오류를 수정하기 때문에 단순한 채팅 인터페이스보다 더 많은 토큰을 소비한다. 사용자에게는 단순해 보이는 제품도 광범위한 백그라운드 연산을 생성할 수 있다.

이는 데이터센터와 칩 공급업체에 압박을 가한다. 학습 수요는 대규모로 계획된 급증 형태로 발생하는 반면, 추론 수요는 하루 종일 변동하며 수천 명의 고객에게 분산될 수 있다.

상하이의 공공 플랫폼은 소규모 개발자가 자체 클러스터를 구축하지 않아도 되도록 도울 수 있다. 현지 컴퓨팅 보조금도 기업이 안정적인 매출을 확보하기 전 초기 실험 비용을 낮춘다.

Pudong과 Xuhui는 적격 스타트업에 컴퓨팅, 모델, 코퍼스 쿠폰을 제공해 왔다. 상하이 당국이 1월에 공개한 정보에 따르면 각 범주는 최대 100만 위안까지 지원받을 수 있다.

코퍼스는 AI 시스템을 학습, 조정 또는 평가하는 데 사용되는 텍스트나 기타 데이터의 체계적인 모음이다. 특화된 산업 애플리케이션에서는 유용한 코퍼스에 대한 접근성이 순수 처리 역량만큼 중요할 수 있다.

쿠폰 모델은 비용을 낮추는 데 그치지 않는다. 스타트업을 현지 인프라 공급업체로 유도하고, 지원되는 칩, 모델 서비스, 데이터셋을 중심으로 구축하도록 장려할 수 있다.

이는 전략적 피드백 루프를 만든다. 보조금을 받은 애플리케이션은 국산 컴퓨팅에 대한 수요를 창출한다. 높아진 수요는 칩 및 플랫폼 기업에 호환성, 성능, 개발자 지원을 개선할 더 많은 기회를 제공한다.

위험은 보조금이 취약한 경제성을 가릴 수도 있다는 점이다. 크레딧이 추론 비용을 부담하는 동안에는 프로젝트가 실행 가능해 보일 수 있지만, 전체 운영비를 지불해야 할 때 어려움을 겪을 수 있다.

토큰 기반 측정은 이 문제를 더 쉽게 드러낸다. 당국과 투자자는 설치된 용량을 실제 소비량, 고객 유지율, 응답 품질, 수익을 창출하는 작업과 비교할 수 있다.

기업 구매자에게 이는 또 하나의 헤드라인 벤치마크보다 더 유용하다. 핵심 질문은 클러스터에 얼마나 많은 프로세서가 들어 있는지가 아니다. 시스템이 수용 가능한 비용으로 작업을 얼마나 안정적으로 완료하는가다.

이것이 상하이의 AI 컴퓨팅 정책이 이제 데이터센터를 넘어서는 이유다. 인프라 지출을 산업용 에이전트, 특화 모델, 로보틱스, 공장 내부에서 사용되는 소프트웨어와 연결한다.

국산 칩은 시스템 차원에서 보완해야 한다

상하이의 가장 어려운 과제는 다양한 국산 프로세서를 개발자가 지속적인 재설계 없이 사용할 수 있는 신뢰할 만한 컴퓨팅 시스템으로 전환하는 것이다.

미국의 수출 통제는 중국의 일부 첨단 AI 가속기 및 반도체 기술 접근을 제한했다. 이러한 제한은 중국 기업들이 프로세서, 패키징 방식, 네트워킹 시스템, 소프트웨어 대안을 개발해야 한다는 압박을 키웠다.

Nvidia와의 비교는 피할 수 없다. Nvidia의 강점은 순수 칩 성능에만 국한되지 않는다. CUDA 소프트웨어 환경, 라이브러리, 개발자 커뮤니티, 검증된 서버 설계는 대규모 모델을 배포하는 데 필요한 작업량을 줄인다.

상하이는 하나의 가속기 발표만으로 그 환경을 대체할 수 없다. 칩 기업, 시스템 구축업체, 클라우드 제공업체, 모델 개발자, 고객이 함께 개선되는 집단이 필요하다.

이 도시는 이미 여러 관련 기업을 보유하고 있다. Biren Technology와 MetaX는 AI 워크로드용 범용 그래픽 프로세서를 개발하고 있으며, Iluvatar CoreX는 데이터센터용 국산 GPU 설계를 추진해 왔다.

다른 상하이 팀들은 가장 첨단의 기존 GPU를 놓고 직접 경쟁하는 방식을 피하는 아키텍처를 탐색하고 있다. Lightelligence는 특정 데이터 처리 및 통신 작업에 빛을 사용하는 광학 컴퓨팅 시스템을 개발한다.

이 회사는 상하이에서 10,000-GPU 슈퍼노드 클러스터를 공동 배포하고 있다. 창업자 Shen Yichen은 시스템 통합과 광자-전자 패키징이 계속되는 병목 요인이라고 설명해 왔다.

이 단서는 중요하다. 광학 부품은 연구실에서 우수한 성능을 보일 수 있지만, 상용 서버 안에서 패키징, 냉각, 제조, 프로그래밍, 연결을 구현하는 일은 여전히 어려울 수 있다.

Dongfang Suanxin은 WAIC 2026에서 공개된 근접 메모리 3D AI 칩 DF1000으로 다른 경로를 택했다. 근접 메모리 컴퓨팅은 데이터 이동에 드는 시간과 에너지를 줄이기 위해 처리 요소를 메모리 가까이에 배치한다.

전통적인 프로세서는 종종 분리된 메모리와 컴퓨팅 구성 요소 사이에서 정보를 전송한다. 이러한 이동은 특히 데이터 집약적 AI 추론 과정에서 메모리 월로 알려진 병목을 만든다.

DF1000은 구성 요소를 3차원 구조로 적층한다. 회사는 이 설계가 데이터 이동을 개선하고 최첨단 제조 공정에 대한 의존도를 줄일 수 있다고 말한다.

이 주장은 아직 폭넓은 독립 벤치마킹을 통해 검증되지 않았다. 구매자는 애플리케이션 성능, 소프트웨어 호환성, 생산 수율, 신뢰성, 총 시스템 비용을 아우르는 근거를 여전히 필요로 한다.

Tongji University는 자율주행차, 로봇, 드론을 위한 특수 Moving Horizon Unit도 선보였다. 이 칩은 상황을 반복적으로 관찰하고, 대응 방안을 계산하며, 기계의 동작을 업데이트하도록 설계됐다.

이러한 특수 프로세서는 상하이의 더 폭넓은 접근 방식을 보여준다. 모든 워크로드를 하나의 범용 가속기에 억지로 처리하게 하기보다, 개발자는 특정 아키텍처를 엣지 AI, 로보틱스, 과학 컴퓨팅 또는 산업 제어에 맞춰 선택할 수 있다.

엣지 AI는 모든 입력을 멀리 떨어진 클라우드로 보내는 대신, 데이터를 생성하는 장치 가까이에서 모델을 실행한다. 지연 시간과 네트워크 사용량을 줄일 수 있지만, 소형 장치는 일반적으로 메모리와 전력에 엄격한 제약을 둔다.

상하이는 애플리케이션이 칩 설계자와 가까이 있다는 이점을 누린다. 로보틱스 기업은 지연 시간 문제를 보고할 수 있고, 공장은 신뢰성 공백을 찾아낼 수 있으며, 차량 개발사는 전력 또는 열 제약을 드러낼 수 있다.

이러한 피드백은 고립된 벤치마크 경쟁보다 제품을 더 빠르게 개선할 수 있다. 또한 지역 공급업체가 이용 가능한 제조 기술을 중심으로 완전한 시스템을 최적화할 수 있게 한다.

하지만 칩을 더 많이 결합한다고 해서 성능 격차가 자동으로 사라지는 것은 아니다. 대규모 클러스터에는 빠른 인터커넥트, 효율적인 스케줄링, 신뢰할 수 있는 메모리, 냉각 시스템, 그리고 용량 낭비 없이 작업을 분산하는 소프트웨어가 필요하다.

효율이 낮은 프로세서로 구축된 클러스터는 더 많은 전력과 물리적 공간을 요구할 수 있다. 또한 장애 지점을 늘리고 유지보수 비용을 높일 수 있다.

최근 보도에서 인용된 업계 추정에 따르면, Huawei는 중국의 2025년 AI 칩 시장에서 Nvidia와 비슷한 수준으로, 각각 약 40%를 차지한다. 분석가들은 공급 제한으로 Nvidia의 입지가 약화되면서 Huawei의 점유율이 확대될 것으로 예상했다.

이러한 추정치는 국내 대체로의 진전을 보여주지만, 완전한 독립을 입증하지는 않는다. 반도체 생산은 여러 국가에 분산된 장비, 소재, 패키징, 지식재산, 제조 공정에 의존한다.

따라서 상하이의 칩 추진은 시스템 수준의 베팅이다. 상하이는 모든 국내 부품이 각각 글로벌 시장을 선도할 필요는 없다. 실제 애플리케이션을 뒷받침할 비용과 신뢰성 수준에서 함께 작동할 수 있는 충분한 부품이 필요하다.

애플리케이션이 시험대이며, 전시회가 아니다

상하이는 보조금을 받은 인프라가 공장, 연구실, 차량, 공공 서비스에서 반복 가능한 작업을 만들어낼 때에만 AI 입지를 강화할 수 있다.

상하이시의 7월 제조업 정책 패키지는 산업용 모델, AI 코딩 시스템, 피지컬 AI, 에이전트, 산업용 소프트웨어, 특화 데이터세트에 대한 지원을 제공한다.

요건을 충족하는 핵심 기술 프로젝트는 최대 2,000만 위안의 지원을 받을 수 있다. 산업용 모델 및 에이전트를 위한 보안 프로젝트는 최대 1,000만 위안, 일부 데이터세트 플랫폼은 최대 2,000만 위안의 지원을 받을 수 있다.

이 조치는 산업용 컴퓨팅 플랫폼이 로우코드 에이전트 도구, 토큰 크레딧, 컴퓨팅 지원을 체험 형태로 제공하도록 장려한다.

이 프로그램들은 실질적인 도입 문제를 겨냥한다. 제조업체는 가치 있는 운영 데이터를 보유한 경우가 많지만, 그 정보는 기계, 엔지니어링 문서, 유지보수 기록, 내부 시스템에 흩어져 있다.

산업용 모델에는 공개 인터넷 텍스트 이상이 필요하다. 도메인 용어, 장비 상태, 안전 한계, 접근 제어, 직원들이 사용하는 구체적인 워크플로와 함께 작동해야 한다.

유용한 공장 에이전트는 센서 경보를 유지보수 이력, 기술 매뉴얼, 최근 생산 변경 사항과 비교할 수 있다. 이후 근거를 제시하고 권고안을 권한을 가진 엔지니어에게 전달해야 한다.

이 워크플로는 데이터 품질, 검색, 지연 시간, 책임성에 대한 요구를 제기한다. 오류가 생산을 멈추게 하거나 장비를 손상시킬 수 있는 상황에서는 유창한 답변만으로 충분하지 않다.

이러한 시스템을 검토하는 조직은 먼저 검색 가능한 정보 계층이 필요하다. 잘 관리된 엔지니어링 지식 기반은 팀이 자동화된 의사결정을 추가하기 전에 기술 문서를 정리하는 데 도움을 줄 수 있다.

상하이에는 자동차 제조, 반도체, 제약, 금융, 해운, 첨단 장비를 포함해 이러한 접근 방식을 시험할 수 있는 여러 산업이 있다.

로보틱스는 또 다른 눈에 띄는 활용 사례를 제공한다. WAIC에서는 300대가 넘는 로봇이 제조와 일상 서비스 전반의 활동을 수행했지만, 전시 성능은 장기 운영과는 다르다.

공장 로봇은 변화하는 조명, 물체 배치, 장비 마모, 사람의 활동 속에서도 작업을 반복해야 한다. 또한 예측 가능한 유지보수와 안전한 실패를 위한 명확한 절차가 필요하다.

과학 분야 애플리케이션은 다른 요구 사항을 부과한다. 연구자들은 데이터 접근성, 재현성, 특화 수치 기법, 중간 결과를 점검할 수 있는 능력을 우선시할 수 있다.

공공 서비스는 개인정보 보호와 거버넌스 문제를 불러온다. 도시 전역의 AI 시스템은 해당 기술을 선택하지 않았고 오류 발생 후 공급자를 쉽게 바꿀 수 없는 주민들에게 영향을 미칠 수 있다.

이러한 차이는 하나의 범용 모델이 상하이의 애플리케이션 과제를 해결하지 못하는 이유를 설명한다. 각 분야에는 자체 위험과 원하는 결과에 연결된 평가 방법이 필요하다.

가장 신뢰할 만한 지표는 지속적인 사용에서 나올 것이다. 구매자는 장비 가동 중단 시간 감소, 설계 주기 단축, 에너지 소비 절감, 검사 정확도 개선 또는 연구 워크플로 단축을 찾아야 한다.

공개된 애플리케이션 수는 신중하게 봐야 한다. 등록된 모델, 지원금을 받은 파일럿, 또는 컨퍼런스 시연이 반드시 활발한 상업 배포를 의미하지는 않는다.

같은 우려는 컴퓨팅 활용률에도 적용된다. 도시는 상당한 용량을 발표할 수 있지만, 워크로드는 소수의 대기업에 집중돼 있을 수 있다.

상하이가 보고한 60 EFLOPS의 공공 지능형 컴퓨팅 파워는 인프라의 가용성을 보여준다. 그러나 용량이 얼마나 고르게 사용되는지, 고객이 얼마를 지불하는지, 개발자가 호환성 문제를 얼마나 자주 겪는지는 공개하지 않는다.

에너지는 또 다른 제약 요인이다. International Energy Agency는 데이터센터 전망에서 전 세계 데이터센터 전력 소비가 2025년 약 485테라와트시에서 2030년 약 945테라와트시로 늘어날 것으로 예상했다.

중국은 일부 컴퓨팅 센터를 서부 지역의 재생에너지 자원 근처에 배치하고 있다. 이후 고속 네트워크 연결이 이들 시설을 연안의 기술 허브와 연결한다.

이는 상하이 지역 전력망의 부담을 낮출 수 있지만, 거리는 지연 시간과 운영 복잡성에 영향을 미친다. 대규모 학습 작업은 즉각적인 응답이 필요한 로봇보다 원격 처리를 더 쉽게 감당할 수 있다.

개발자는 어떤 작업을 서부 클러스터, 상하이 데이터센터 또는 엣지 장치에 배치할지 결정해야 한다. 답은 데이터 민감도, 응답 시간, 에너지 비용, 네트워크 신뢰성, 모델 크기에 따라 달라진다.

상하이의 풀스택 전략은 이러한 선택을 지원하도록 설계됐다. 성공 여부는 보조금과 컨퍼런스의 관심이 사라진 뒤에도 계층 간 연결이 계속 유용하게 유지되는지에 달려 있다.

상하이의 베팅이 성공하는지 보여줄 세 가지 신호

다음 근거는 활용률, 상업용 칩 배포, 측정 가능한 산업 성과에서 나와야 한다.

첫 번째 신호는 상하이의 공공 및 상업용 컴퓨팅 플랫폼에서 지속적으로 발생하는 토큰 소비다. 사용량 증가는 모델과 에이전트가 고립된 시연을 넘어가고 있음을 보여줄 것이다.

이 신호의 가장 강력한 형태에는 고객 유지율, 워크로드 다양성, 완료된 작업당 비용 개선이 포함될 것이다. 원시 토큰 성장만으로는 비효율적인 모델이나 보조금을 받은 실험을 반영할 수 있다.

새 용량에도 불구하고 활용률이 낮게 유지된다면, 도시는 애플리케이션이 흡수할 수 있는 속도보다 더 빠르게 인프라를 구축했을 수 있다. 이는 조정된 투자가 자체 수요를 창출한다는 주장을 약화시킬 것이다.

두 번째 신호는 국내 칩 배포에 대한 독립적 근거다. 상하이 AI 칩에는 실제 모델, 에너지 사용량, 클러스터 확장성, 장애율, 소프트웨어 마이그레이션을 다루는 공개 벤치마크가 필요하다.

광학 프로세서, 니어메모리 설계, 국내 GPU에 관한 발표는 여전히 의미 있는 연구 지표다. 상업 계약과 반복 주문은 더 강력한 증거를 제공할 것이다.

Lightelligence와 연계된 10,000-GPU 광학 슈퍼노드 프로젝트를 주시해야 한다. 안정적인 배포는 대안 아키텍처가 대규모 컴퓨팅 시스템을 개선할 수 있다는 상하이의 주장을 뒷받침할 것이다.

DF1000도 주시해야 한다. 고객 테스트는 니어메모리 설계가 통제된 시연 밖에서도 실질적인 이점을 제공하는지 드러낼 수 있다.

세 번째 신호는 산업 애플리케이션에서 나오는 측정 가능한 가치다. 상하이의 제조업 정책은 에이전트, 데이터세트, 로보틱스, 산업용 소프트웨어, 피지컬 AI를 포함하는 파일럿을 만들어내야 한다.

도시는 구매자가 평가할 수 있는 결과를 공개해야 한다. 유용한 지표에는 생산 가동 시간, 검사 성능, 추론 비용, 에너지 소비, 직원 도입률, 절감된 시간이 포함된다.

지원받은 프로젝트의 긴 목록만으로는 이 문제를 해결할 수 없다. 더 강력한 결과는 여러 조직이 자체 예산으로 배포를 갱신하는 것이다.

경쟁은 세 가지 신호 모두를 좌우할 것이다. Huawei, Alibaba, Baidu 등 대형 중국 기술 기업은 상하이의 지역 프로그램 밖에서도 모델, 클라우드, 칩, 개발자 플랫폼을 제공할 수 있다.

최신 하드웨어가 제한되는 상황에서도 미국 기업은 여전히 중요하다. 이들의 소프트웨어 관행, 모델 출시, 인프라 경제성은 계속해서 글로벌 구매자들의 기준을 설정한다.

따라서 상하이는 정치적 지원이나 설치 용량 이상으로 경쟁해야 한다. 예측 가능한 도구, 신뢰할 수 있는 보안, 접근 가능한 데이터, 합리적인 추론 비용, 엔지니어가 유지할 수 있는 시스템이 필요하다.

상하이는 의미 있는 장점을 갖고 이 경쟁에 뛰어든다. 대규모 산업 경제, 연구 기관, 칩 설계자, 모델 기업, 투자자, 정부 구매자가 가까운 곳에 있다.

동시에 현실적인 약점도 마주하고 있다. 국내 프로세서 공급은 여전히 고르지 않고, 대안 아키텍처는 상업적 검증이 필요하며, 보조금을 받은 파일럿은 고객의 지불 의향을 가릴 수 있다.

이러한 조합은 상하이의 실험을 주목할 가치가 있게 한다. 상하이는 지역 산업 클러스터가 전체 AI 스택 전반의 조정을 통해 최첨단 하드웨어 접근 제약을 보완할 수 있는지 시험하고 있다.

다음 Google News 헤드라인은 또 다른 칩, 로봇, 클러스터 또는 자금 조달 프로그램을 부각할 가능성이 크다. 독자는 개별 발표를 넘어 세 가지 질문을 던져야 한다.

체험 크레딧이 만료된 뒤에도 새 용량은 사용되고 있는가? 국내 프로세서는 허용 가능한 신뢰성과 에너지 사용량으로 실제 워크로드를 완료하고 있는가? 산업 고객은 자체 자금으로 배포를 확대하고 있는가?

이 답은 상하이가 지속 가능한 AI 우위를 구축했는지, 아니면 야심 찬 인프라 프로젝트의 집합을 구축했는지를 결정할 것이다. 배포 현황을 추적하고, 운영 데이터를 비교하며, 모든 쇼케이스 주장을 결론이 아닌 검증의 시작으로 받아들여야 한다.