티스토리 뷰
목차
나스닥이 하루 만에 1.5% 이상 빠지던 날, 원인을 찾아보니 300명짜리 중국 스타트업 이름이 나왔습니다. 문샷 AI(Moonshot AI)가 공개한 Kimi K3였습니다. 솔직히 저도 처음엔 "또 과장 아냐?"라고 생각했는데, 파고들수록 이야기가 단순하지 않더라고요. 기술 경쟁이 어느 순간 투자 판도를 바꿔버리는 장면을 또 한 번 목격한 셈입니다.
중국 AI, 시장을 흔든 배경
주변에서 "오늘 왜 반도체 다 빠졌어?"라는 질문을 받으면 설명이 길어집니다. 단순히 금리 이슈가 아니라 기술 패권 불안감이 시장 전체에 퍼진 날이었거든요.
문샷 AI는 90년생 창업자가 이끄는 직원 300명 규모의 중국 스타트업입니다. 창업자는 칭화대 학부 후 카네기멜론대학교(CMU)에서 박사를 마친 인물입니다. 이 회사가 공개한 Kimi K3가 LLM 아레나(LLM Arena)에서 프론트 엔드 코딩 부문 상위권에 오르면서 시장이 반응했습니다. 여기서 LLM 아레나란 두 언어 모델이 동일한 질문에 답변을 내놓고 실제 사람이 어느 쪽이 더 낫는지 투표하는 방식으로 순위를 매기는 사이트입니다. 조작이 구조적으로 어렵기 때문에 업계에서는 신뢰도 높은 벤치마크로 통합니다(출처: LM Arena).
일반적으로 서구권 프론티어 모델, 그러니까 Anthropic의 Claude나 Google의 Gemini 같은 모델은 수조 원 규모의 자본이 투입된 결과물로 알려져 있습니다. 그런데 CAPEX(자본적 지출, 설비·인프라 등에 실제로 투자되는 비용)가 미국 빅테크의 10분의 1 수준에 불과한 중국 스타트업이 그와 어깨를 나란히 하는 모델을 내놨다는 게 시장에는 '딥시크 쇼크 2.0'처럼 받아들여졌습니다. 제가 직접 시장 반응을 지켜보면서도 이 부분이 가장 강하게 와닿았습니다. 기술력 자체보다 "이게 얼마짜리 회사에서 나왔느냐"는 사실이 더 큰 충격이었던 거죠.
Kimi K3 실제 성능, 어디까지 믿어야 할까
저는 사실 Kimi의 이전 버전을 실제로 써본 적이 있습니다. Claude API를 쓰다가 한 달에 수십만 원이 날아가는 경험을 하고 나서, 가성비 좋은 대안을 찾다가 Kimi를 메인으로 쓰기 시작했거든요. 그때도 성능이 나쁘지는 않았습니다. 그래서 이번 Kimi K3 발표를 남들보다 조금 더 관심 있게 들여다봤습니다.
결론부터 말하면, 프론티어 모델 수준에 근접한 건 사실이지만 "압도적 1위"라는 프레임은 주의가 필요합니다. LLM 아레나의 순위는 Elo 시스템을 기반으로 산출됩니다. Elo란 체스나 바둑에서 오래 써온 상대 전적 기반 점수 산출 방식으로, 매칭 수가 쌓여야 점수가 안정됩니다. 초반에 Kimi K3가 코딩 부문 1위로 언급됐을 때 실제 투표수는 798개 수준이었습니다. 맛집 리뷰로 비유하면 평점 5.0인데 리뷰가 열 개인 식당과 비슷한 상황입니다. 신뢰하기 이르죠.
더 중요한 건 비용 구조입니다. 시장에서 처음에 투매가 나왔다가 어느 정도 말아 올린 이유 중 하나가 바로 이 가격 문제였다고 저는 보고 있습니다. Kimi K3의 API 가격은 Claude Sonnet 급이라고 알려져 있는데, 실제로는 그보다 더 비쌀 수 있습니다. 이유는 추론 과정에서의 비효율 때문입니다. 동적 추론 조절(Dynamic Thinking) 기능이 없어서 간단한 질문에도 항상 깊게 생각하는 방식으로 응답합니다. 여기서 동적 추론 조절이란 질문의 난이도에 따라 모델이 사고의 깊이를 자동으로 조절하는 기능을 뜻합니다. 이게 없으면 단순 작업에도 과도한 연산이 발생해 실제 작업당 비용이 겉으로 드러난 토큰 가격보다 훨씬 높아집니다.
기술적으로도 한 가지 의심스러운 지점이 있습니다. 학습 효율성은 뛰어난 반면 추론 효율성이 떨어지는 구조는 디스틸레이션(Distillation) 전략을 활용했을 가능성을 시사합니다. 디스틸레이션이란 이미 잘 훈련된 대형 모델의 출력값을 활용해 새 모델을 학습시키는 방식으로, 쉽게 말해 선생 모델의 답안지를 참고해서 학생 모델을 훈련하는 것입니다. 서구권 모델의 출력을 참고했다는 의혹도 이 맥락에서 나옵니다.
- LLM 아레나 Elo 점수는 투표 수가 쌓여야 안정 — 초반 순위는 참고용으로만 볼 것
- 동적 추론 조절 미지원으로 실제 작업당 비용은 GPT-4o 최상위 모델급
- 학습 효율 대비 추론 효율 격차 → 디스틸레이션 활용 가능성 높음
- 파라미터 2.8조 규모 — 7월 27일 전체 가중치 공개 예정이나 GB200 NVL 72급 장비 필요
투자전략, 그래서 어떻게 봐야 하나
개인적으로 이번 Kimi K3 이슈를 보면서 가장 먼저 든 생각은 "중국 AI를 무시하던 시대는 끝났다"는 것이었습니다. 딥시크가 한 번 증명했고, 이번에 300명짜리 스타트업이 또 한 번 증명했습니다. 여기에 시진핑 주석이 상하이 세계 AI 컨퍼런스에 처음으로 직접 참석해 "AI 기술의 전례 없는 혁신 시기"라고 발언한 것도 중요한 신호입니다(출처: South China Morning Post). 국가 정상이 AI 컨퍼런스에 직접 나타났다는 건, 중국이 AI를 국가 안보 수준의 전략 산업으로 보고 있다는 뜻입니다.
그렇다고 중국 AI에 자산을 몰아넣는 건 제 전략이 아닙니다. 지정학적 리스크, 규제 리스크, 회계 투명성 문제 같은 변수는 미국 시장과 비교가 안 될 만큼 큽니다. 제가 생각하는 현실적인 접근은 전체 포트폴리오의 10~20% 수준에서 중국 AI·테크 섹터를 담고, 나머지는 미국 AI 인프라 기업들로 채우는 방식입니다.
오히려 저는 이번 이슈를 보면서 메모리 반도체 수요가 꺾이지 않겠다는 확신이 더 강해졌습니다. Kimi K3는 추론 과정에서 KV 캐시(Key-Value Cache)를 대량으로 사용합니다. KV 캐시란 모델이 긴 문맥을 처리할 때 앞서 계산한 값을 메모리에 임시 저장해 재사용하는 방식인데, 이 구조상 HBM(고대역폭 메모리) 소비가 극단적으로 많을 수밖에 없습니다. 중국 AI가 아무리 효율적으로 훈련해도 추론 단계에서는 결국 메모리를 대량으로 소비한다는 뜻입니다. 이 포인트가 니케이 낙폭 대비 하이닉스 ADR이나 마이크론이 상대적으로 덜 빠진 이유를 어느 정도 설명해 준다고 봅니다.
일반적으로 "중국 AI가 잘 나오면 미국 AI 인프라 수요가 줄 것"이라는 시각이 많은데, 제 경험상 이건 좀 다릅니다. AI 경쟁이 치열해질수록 양측 모두 더 많은 연산과 메모리를 쓸 수밖에 없고, 결국 그 수혜는 반도체와 데이터센터 기업으로 흘러갑니다. 오늘 애플이 엔비디아를 제치고 시가총액 1위를 탈환한 것도 같은 맥락입니다. CAPEX를 아끼고 플랫폼 관문을 장악한 스탠더드 오일 전략이 통했다는 시장의 판단이기도 합니다.
자주 묻는 질문
Q. Kimi K3가 ChatGPT나 Claude보다 실제로 더 뛰어난 건가요?
A. "더 뛰어나다"고 단정하기는 이릅니다. LLM 아레나 초반 순위는 투표 수가 적어 안정적이지 않으며, 전반적인 코딩 기준으로는 10위권 수준입니다. 프론티어 모델과 경쟁할 수 있는 수준에 도달한 건 사실이지만, 압도적 1위라는 표현은 과장입니다. 실제 사용 비용도 생각보다 높아 범용 도구로 쓰기엔 제약이 있습니다.
Q. 문샷 AI(Moonshot AI)에 직접 투자할 수 있나요?
A. 현재 문샷 AI는 비상장 기업입니다. 일반 개인 투자자가 직접 투자하는 방법은 없습니다. 대신 중국 AI 성장의 간접 수혜가 기대되는 알리바바, 텐센트 같은 상장 기업이나, 글로벌 AI 인프라 수혜주인 반도체·데이터센터 기업을 통한 접근이 현실적입니다.
Q. 중국 AI 발전이 엔비디아 같은 반도체 주식에는 악재인가요?
A. 단기적으로 CAPEX 감소 우려로 하락 압력이 생긴 건 맞습니다. 그러나 Kimi K3처럼 추론 과정에서 HBM을 대량으로 쓰는 구조를 보면, AI 경쟁이 심해질수록 메모리 수요는 오히려 늘어날 가능성이 있습니다. "중국 AI가 잘 나오면 반도체가 망한다"는 단순 공식은 저도 동의하기 어렵습니다.
Q. 디스틸레이션 의혹이 사실이면 Kimi K3 기술력을 낮게 봐야 하나요?
A. 디스틸레이션을 활용했다는 의혹이 있더라도, 300명 규모의 스타트업이 그 결과물을 만들어냈다는 사실 자체는 부정하기 어렵습니다. 중요한 건 출발점이 아니라 그 결과로 무엇을 만들었느냐입니다. 다만 순수 자체 기술력과 동일선상에 놓기엔 유보적인 시선도 충분히 타당합니다.
결론
Kimi K3 이슈 하나로 나스닥이 흔들린 날을 보면서, 저는 이걸 공포 신호보다 구조 변화의 신호로 읽고 싶었습니다. 중국 AI는 이미 무시할 수 없는 경쟁자가 됐고, 그 속도는 시장의 예상보다 빠릅니다. 다만 좋은 모델과 좋은 투자 대상은 다른 이야기입니다. 기술 발표 직후의 순위와 헤드라인만 보고 움직이면 늘 뒤늦게 따라가는 사람이 됩니다.
저의 전략은 단순합니다. 미국 AI 인프라와 중국 AI 섹터를 함께 보유해 어느 쪽이 이기든 수혜를 받는 구조를 만드는 것입니다. 그리고 AI 경쟁이 치열해질수록 정작 돈을 버는 곳이 어딘지, 즉 실제 수익 구조를 계속 점검하는 방식으로 투자 논리를 다듬어 나갈 생각입니다. 다음 딥시크, 다음 Kimi는 반드시 또 나올 테니까요.