아티클 목록으로
컴퓨팅·칩

수출 금지된 엔비디아 칩이 중국 최첨단 AI 모델을 훈련했나

약 4분 소요

서론

미국이 고성능 AI 가속기의 수출을 제한하는 이유는 중국이 최첨단 모델을 훈련하는 데 필요한 연산 능력을 확보하는 속도를 늦추기 위해서입니다. 그러나 칩이 중국 본토로 직접 배송되지 않는다면 규제 목적을 달성할 수 있는지라는 더 어려운 문제가 제기되고 있습니다. 중국 기업이 해외 데이터센터를 임대하거나 복잡한 공급망을 활용하면 칩의 설치 장소와 실제 사용자가 달라질 수 있기 때문입니다.

TechCrunch AI는 중국 기업들이 공개한 일부 주요 모델이 중국 수출 제한 대상인 엔비디아 블랙웰 GPU로 훈련됐을 가능성을 보여준다는 연구를 소개했습니다. 근거는 모델 가중치에서 추정한 하드웨어 관련 특징이며, 전체 조달 기록이나 데이터센터 로그, 완전한 훈련 기록은 아닙니다. 따라서 이는 법 위반이 확정됐다는 의미가 아니라 추가 검증이 필요한 연구 결과로 봐야 합니다.

핵심 내용

  • 전 OpenAI 연구원이자 비영리 연구그룹 Unemployment Labs를 이끄는 윌 드퓨가 딥시크, 문샷AI, 미니맥스, 앤트그룹의 모델 가중치를 분석했습니다.
  • 문샷의 Kimi K3 출시 모델과 딥시크 V4 등에서 블랙웰 기반 훈련과 관련된 특징이 나타났다고 연구는 주장합니다.
  • 해당 모델이 모두 규제 대상 엔비디아 칩으로 훈련됐다는 뜻은 아니며, GPU가 해외 데이터센터에 설치됐을 가능성도 있습니다.
  • Epoch AI는 2024년과 2025년에 최종 목적지를 숨기는 방식으로 약 200만 개의 첨단 칩이 중국 관련 공급망에 들어갔다고 추산합니다. 그러나 이 추산만으로 불법 행위가 증명되지는 않습니다.
  • 현재 규제는 칩의 소유자와 설치 위치에 초점을 두지만, 실제로 누가 연산 능력을 사용했는지 확인하는 일은 훨씬 어렵습니다.

해외 데이터센터라는 회색지대

자료에 따르면 2024년과 2025년에 말레이시아로 수입된 엔비디아 AI 가속기는 약 27만 5,000개로 추정됩니다. 해외 데이터센터는 중국 기업이 제한된 연산 능력에 접근할 수 있는 잠재적 통로가 됩니다. 장비가 중국 밖에 있다는 이유만으로 그 연산 능력의 사용을 허용해도 되는지가 정책 논쟁의 핵심입니다.

기사에는 Megaspeed와 자회사 Speedmatrix가 미국과 싱가포르 당국의 조사를 받아왔다는 내용도 담겼습니다. 또한 블룸버그의 별도 보도로, 관련 인맥이 있는 회사가 수출 제한 엔비디아 칩을 상하이의 데이터센터로 옮기는 데 관여했을 가능성도 언급됩니다. 다만 제공된 자료에서 이 내용은 보도와 의혹의 수준이며, 법원이나 규제기관이 최종 확정한 사실과는 구분해야 합니다.

의미와 영향

하드웨어 지문 분석이 독립적으로 재현된다면 수출통제는 물리적 배송을 제한하는 방식에서 실제 연산 능력의 사용까지 관리하는 방향으로 바뀔 수 있습니다. 클라우드 사업자의 고객확인, 가속기의 원격 사용 감사, 데이터센터 실소유자 공개, 국경 간 연산 거래 기록 등이 주요 정책 수단으로 거론될 수 있습니다. 엔비디아에도 판매 자체뿐 아니라 유통망 관리, 고객 실사, 내부 컴플라이언스가 더 중요해집니다.

하지만 규제가 강화되면 글로벌 데이터센터 운영사와 칩 제조사의 심사 비용이 늘고, 합법적인 고객도 추가 절차를 부담할 수 있습니다. 무엇보다 모델의 기술적 특징만으로는 칩의 출처, 실제 사용자, 설치 위치, 법 위반 여부를 확정할 수 없습니다. 모델 분석 결과가 무역 기록 및 당국 조사와 함께 확인돼야 수출통제가 실제로 실패했는지, 어떤 지점에서 보완해야 하는지 판단할 수 있습니다.

출처: TechCrunch AI

댓글

로그인 상태 확인 중…

댓글 불러오는 중…

관련 게시물

CCTest · Blog
FLAMIA, Blackwell에서 인과적으로 안전한 저정밀 Attention 가속
컴퓨팅·칩
cctest.ai
컴퓨팅·칩

FLAMIA, Blackwell에서 인과적으로 안전한 저정밀 Attention 가속

Yandex Research가 NVIDIA Blackwell GPU를 위한 Attention 커널 제품군 FLAMIA를 공개했습니다. 양자화 표현 재사용, 인과 정보 누출 방지, 순전파와 역전파의 수치 일관성을 결합해 저정밀 하드웨어의 실제 학습 성능을 높입니다.

더 보기