**'도구 군단'**은 각각 좁은 영역에 최적화된 특화 AI 에이전트들로 구성된다. 어떤 에이전트는 활주로나 비행 중인 항공기 탐지를 담당하고, 다른 에이전트들은 이미지 분할, 시계열 영상 간 변화 탐지, 이동 표적의 궤적 예측, 다중 소스 데이터 융합 등을 수행한다. 중앙 두뇌는 이 도구들에 작업을 지시하고, 구조화된 결과를 받아 하나의 완전한 정보 그림으로 조합한다 .

여기서 핵심은 모든 작업이 인간의 개입 없이 이루어진다는 점이다. 연구진은 이 시스템이 위성 이미지를 수집하고, 항공 표적을 식별·분류하며, 움직임을 추적하고, 정보 보고서를 생성하는 전 과정을 "자율적으로 장애물을 극복하며" 수행한다고 밝혔다. 수동 분석 방식에 비해 분석 시간이 극적으로 단축된다는 설명이다 .

미국의 수출 통제 바깥에서 작동하다

이 시스템은 화웨이의 어센드(Ascend) 칩에서 구동되며, 이는 하드웨어 공급망 전체를 미국의 반도체 수출 규제 범위 밖에 위치시킨다 . 이는 단순한 우연이 아니다. 중국이 이제 제재 대상인 엔비디아(Nvidia)나 AMD의 실리콘 칩 없이도 최첨단 군사용 AI 추론을 대규모로 배포할 수 있음을 보여주는 증거다. 국방 분석가들은 이러한 어센드 최적화 배포가 미국의 칩 제재가 중국의 가장 민감한 군사 AI 분야 발전을 막는 데 실패했음을 입증한다고 분석한다 .

디지털 참모총장에서 떼 지능까지: 더 넓어진 중국 인민해방군의 AI 전략

공중 표적 에이전트 시스템은 고립된 프로젝트가 아니다. 군사 작전의 모든 영역에 LLM 기반 추론을 주입하려는 인민해방군(PLA)의 전면적인 추진 흐름과 정확히 맞닿아 있다.

조지타운대학교 안보·신흥기술센터(CSET)의 PLA 조달 문서 분석 결과에 따르면, 중국군은 표적 식별을 위한 AI 기반 의사 결정 지원 시스템(AI-DSS), 센서 기능 강화, 데이터 융합, 컴퓨터 비전 기술을 "모든 작전 영역에서" 추구하고 있다 . 조달 기록에서는 특히 위성, 드론, 지상 기반 이미지를 융합해 표적을 식별하고 추적하는 시스템에 대한 구체적인 요청이 확인됐다 .

2026년 4월, PLA는 대대급 전장에서 '초고도의 경계 태세를 갖춘 참모총장' 역할을 수행하는 전장 AI 요원을 배치한 것으로 알려졌다. 국방과기대학(NUDT) 연구진이 개발한 이 시스템은 90% 이상의 높은 재현율로 수 초 만에 전술적 결정을 내려, 인간 지휘관은 물론 기존 소프트웨어조차 능가하는 성능을 보였다 . 상륙 작전 시뮬레이션에서 NUDT 모델은 전자 방해 환경에서도 높은 정확도를 유지하며 인간 지휘관보다 43% 더 빠르게 결정을 내렸다 .

두 시스템은 동일한 구조적 유전자를 공유한다. 바로 인간의 반응 역치 아래로 관찰-판단-결심-행동(OODA) 루프를 압축하기 위해 설계된 다중 에이전트 LLM 협업이다.

2025년 펜타곤 보고서가 드러낸 것

2025년 12월 23일, 펜타곤이 의회에 제출한 중국 군사력 연례 보고서는 미국 관리들이 "군이 공개적으로 알리는 수준을 훨씬 뛰어넘는" 움직임이라고 표현할 정도로 가속화된 중국의 군사 발전상을 담아냈다 .

주요 내용은 다음과 같다:

• 중국은 생성형 AI 역량에서 미국을 빠르게 추격하고 있다. 보고서는 "2024년 중국의 상업 및 학계 AI 부문은 LLM과 LLM 기반 추론 모델에서 진전을 이루어, 현재 선두를 달리는 미국 모델과의 성능 격차를 좁혔다"고 명시했다 .
• PLA는 국방력 투사 능력을 구축하기 위해 AI와 신기술에 대한 의존도를 높이고 있다 .
• LLM과 LLM 기반 추론 모델이 "다양한 군사적 응용 분야에 유용하다"고 명시적으로 경고했는데, 이는 공중 표적 에이전트 시스템으로 현실화된 발견이다 .
• 보고서는 미국 본토가 중국의 군사 현대화로 인해 "점점 더 취약해지고 있다"고 평가했다 .

AI의 코딩 및 사이버 작전 유용성에 대한 펜타곤의 경고는 이제 선견지명처럼 느껴진다. 공중 표적 에이전트 시스템은 그 유용성을 표적 처리 사슬로 직접 확장한다.

2026년 중국의 국가 에이전트 AI 프레임워크와의 정합성

공중 표적 에이전트 시스템이 공개되기 불과 몇 주 전인 2026년 5월 8일, 중국의 3대 최상위 규제 기관이 '지능형 에이전트의 규범화된 응용 및 혁신적 발전에 관한 실행 의견'을 공동 발표했다 . 이는 세계 최초의 포괄적인 에이전트 AI에 대한 국가 법정 프레임워크다 .

이 프레임워크가 중요한 이유는 다음과 같다:

• 국가 안보와 군사를 포함한 고위험 영역을 명시적으로 다루며 응용 시나리오와 위험 수준에 기반한 등급별 거버넌스 모델을 도입했다 .
• 2027년까지 스마트 단말기에서 AI 에이전트 도입률 70%를 달성하겠다는 목표 아래, 베이징은 보안 표준, 기술 표준, 산업 도입 규칙을 의무화했다 .
• AI 에이전트를 기본 LLM이나 일반 생성형 AI와는 구분되는 별도의 규제 범주로 취급하여, 추론, 도구 사용, 행동을 연쇄적으로 연결하는 자율 시스템에 자체적인 거버넌스가 필요함을 인정했다 .

이 시점은 결코 우연이 아니다. 공중 표적 에이전트 시스템은 바로 이 프레임워크가 통치하도록 설계된 고위험 자율 응용 사례의 정수다. 이는 치명적 자율 무기 체계에 관한 국제 군축 협상이 교착 상태에 빠진 상황에서, 군사용 에이전틱 AI를 위한 규제 경로를 국내법으로 선제적으로 만든 셈이다.

아무도 답하지 않는 군축에 관한 질문들

위성 신호로부터 표적을 자율 분석, 분류, 추적하는 이 시스템의 핵심 능력은 '정보 지원'과 '자동화된 표적 처리'라는 모호한 경계 사이에 위치한다. 이 모호함 자체가 문제다.

압축된 시간 속 확전 위험: 만약 이 시스템의 결과 값이 사격 통제 루프에 직접 입력된다면, 의사 결정 시간은 몇 분에서 몇 초로 붕괴될 수 있다. 위기 상황에서 인간의 개입 없이 기계 속도로 이루어지는 표적 처리는 의도치 않은 확전을 촉발할 수 있다 .

인간 통제의 경계: 이 시스템은 분석 단계에서 "인간 개입 없이" 작동한다 . 미 국방부 지침 3000.09와 같은 기존 규범은 치명적 무력 사용에 대한 의미 있는 인간 통제를 요구한다. 자율 분석이 끝나고 자율 표적 처리가 시작되는 지점은 이제 더 이론적인 질문이 아니라 현실적이고 작전적인 문제다.

살상 파이프라인 속 LLM의 실패 모드: LLM은 환각, 적대적 입력, 추론 오류에 취약하다. 결정론적 컴퓨터 비전 시스템에는 없던 완전히 새로운 실패 모드가 LLM을 표적 파이프라인의 중앙 추론 노드로 도입하면서 생겨난 것이다 .

재현의 선례: '두뇌 + 도구 군단' 아키텍처는 특정 작전 영역에 국한되지 않는다. 해군 표적 처리, 지상군 표적 처리, 사이버 작전 등으로 쉽게 복제될 수 있어, 향후 책임 소재 추적과 군축 검증을 훨씬 더 어렵게 만든다.

조약보다 앞선 프레임워크: 중국의 2026년 5월 에이전틱 AI 정책은 자율 시스템에 대한 국내적 거버넌스를 창출했지만 , 특정 재래식 무기 금지 협약(CCW) 산하 치명적 자율 무기 체계(LAWS)에 대한 국제적 법적 프레임워크는 여전히 교착 상태다. 공중 표적 에이전트 시스템은 제네바에서 진행 중인 협상의 작전 속도로는 감당하기 어려운 기정사실을 만들어내고 있다.

2024년 미중 간 핵무기 배치의 인간 통제에 관한 구체적인 양자 합의에 대한 공개적으로 검증 가능한 증거는 존재하지 않는다. 가장 최근의 전략적 안정성 대화는 2023년 11월 서니랜즈 정상회담 이후 트랙 1.5 및 트랙 2 채널을 통해 이루어졌으며, 2024년까지도 제한적인 양자 회담이 지속되었으나 이 특정 사안에 대한 공식 합의를 입증하는 공개 기록은 확인되지 않는다.

마찬가지로, 2026년 초 상업적 선례로서 AI 주석이 달린 위성 이미지를 생산한 'MizarVision'이라는 기업의 존재를 확인할 수 있는 공개 기록도 없다. 이는 비공개 프로젝트, 오역, 또는 아직 공개 정보 색인에 잡히지 않은 개발 중인 이야기일 수 있다.

**'도구 군단'**은 각각 좁은 영역에 최적화된 특화 AI 에이전트들로 구성된다. 어떤 에이전트는 활주로나 비행 중인 항공기 탐지를 담당하고, 다른 에이전트들은 이미지 분할, 시계열 영상 간 변화 탐지, 이동 표적의 궤적 예측, 다중 소스 데이터 융합 등을 수행한다. 중앙 두뇌는 이 도구들에 작업을 지시하고, 구조화된 결과를 받아 하나의 완전한 정보 그림으로 조합한다 .

여기서 핵심은 모든 작업이 인간의 개입 없이 이루어진다는 점이다. 연구진은 이 시스템이 위성 이미지를 수집하고, 항공 표적을 식별·분류하며, 움직임을 추적하고, 정보 보고서를 생성하는 전 과정을 "자율적으로 장애물을 극복하며" 수행한다고 밝혔다. 수동 분석 방식에 비해 분석 시간이 극적으로 단축된다는 설명이다 .

미국의 수출 통제 바깥에서 작동하다

이 시스템은 화웨이의 어센드(Ascend) 칩에서 구동되며, 이는 하드웨어 공급망 전체를 미국의 반도체 수출 규제 범위 밖에 위치시킨다 . 이는 단순한 우연이 아니다. 중국이 이제 제재 대상인 엔비디아(Nvidia)나 AMD의 실리콘 칩 없이도 최첨단 군사용 AI 추론을 대규모로 배포할 수 있음을 보여주는 증거다. 국방 분석가들은 이러한 어센드 최적화 배포가 미국의 칩 제재가 중국의 가장 민감한 군사 AI 분야 발전을 막는 데 실패했음을 입증한다고 분석한다 .

디지털 참모총장에서 떼 지능까지: 더 넓어진 중국 인민해방군의 AI 전략

공중 표적 에이전트 시스템은 고립된 프로젝트가 아니다. 군사 작전의 모든 영역에 LLM 기반 추론을 주입하려는 인민해방군(PLA)의 전면적인 추진 흐름과 정확히 맞닿아 있다.

조지타운대학교 안보·신흥기술센터(CSET)의 PLA 조달 문서 분석 결과에 따르면, 중국군은 표적 식별을 위한 AI 기반 의사 결정 지원 시스템(AI-DSS), 센서 기능 강화, 데이터 융합, 컴퓨터 비전 기술을 "모든 작전 영역에서" 추구하고 있다 . 조달 기록에서는 특히 위성, 드론, 지상 기반 이미지를 융합해 표적을 식별하고 추적하는 시스템에 대한 구체적인 요청이 확인됐다 .

2026년 4월, PLA는 대대급 전장에서 '초고도의 경계 태세를 갖춘 참모총장' 역할을 수행하는 전장 AI 요원을 배치한 것으로 알려졌다. 국방과기대학(NUDT) 연구진이 개발한 이 시스템은 90% 이상의 높은 재현율로 수 초 만에 전술적 결정을 내려, 인간 지휘관은 물론 기존 소프트웨어조차 능가하는 성능을 보였다 . 상륙 작전 시뮬레이션에서 NUDT 모델은 전자 방해 환경에서도 높은 정확도를 유지하며 인간 지휘관보다 43% 더 빠르게 결정을 내렸다 .

두 시스템은 동일한 구조적 유전자를 공유한다. 바로 인간의 반응 역치 아래로 관찰-판단-결심-행동(OODA) 루프를 압축하기 위해 설계된 다중 에이전트 LLM 협업이다.

2025년 펜타곤 보고서가 드러낸 것

2025년 12월 23일, 펜타곤이 의회에 제출한 중국 군사력 연례 보고서는 미국 관리들이 "군이 공개적으로 알리는 수준을 훨씬 뛰어넘는" 움직임이라고 표현할 정도로 가속화된 중국의 군사 발전상을 담아냈다 .

주요 내용은 다음과 같다:

• 중국은 생성형 AI 역량에서 미국을 빠르게 추격하고 있다. 보고서는 "2024년 중국의 상업 및 학계 AI 부문은 LLM과 LLM 기반 추론 모델에서 진전을 이루어, 현재 선두를 달리는 미국 모델과의 성능 격차를 좁혔다"고 명시했다 .
• PLA는 국방력 투사 능력을 구축하기 위해 AI와 신기술에 대한 의존도를 높이고 있다 .
• LLM과 LLM 기반 추론 모델이 "다양한 군사적 응용 분야에 유용하다"고 명시적으로 경고했는데, 이는 공중 표적 에이전트 시스템으로 현실화된 발견이다 .
• 보고서는 미국 본토가 중국의 군사 현대화로 인해 "점점 더 취약해지고 있다"고 평가했다 .

AI의 코딩 및 사이버 작전 유용성에 대한 펜타곤의 경고는 이제 선견지명처럼 느껴진다. 공중 표적 에이전트 시스템은 그 유용성을 표적 처리 사슬로 직접 확장한다.

2026년 중국의 국가 에이전트 AI 프레임워크와의 정합성

공중 표적 에이전트 시스템이 공개되기 불과 몇 주 전인 2026년 5월 8일, 중국의 3대 최상위 규제 기관이 '지능형 에이전트의 규범화된 응용 및 혁신적 발전에 관한 실행 의견'을 공동 발표했다 . 이는 세계 최초의 포괄적인 에이전트 AI에 대한 국가 법정 프레임워크다 .

이 프레임워크가 중요한 이유는 다음과 같다:

• 국가 안보와 군사를 포함한 고위험 영역을 명시적으로 다루며 응용 시나리오와 위험 수준에 기반한 등급별 거버넌스 모델을 도입했다 .
• 2027년까지 스마트 단말기에서 AI 에이전트 도입률 70%를 달성하겠다는 목표 아래, 베이징은 보안 표준, 기술 표준, 산업 도입 규칙을 의무화했다 .
• AI 에이전트를 기본 LLM이나 일반 생성형 AI와는 구분되는 별도의 규제 범주로 취급하여, 추론, 도구 사용, 행동을 연쇄적으로 연결하는 자율 시스템에 자체적인 거버넌스가 필요함을 인정했다 .

이 시점은 결코 우연이 아니다. 공중 표적 에이전트 시스템은 바로 이 프레임워크가 통치하도록 설계된 고위험 자율 응용 사례의 정수다. 이는 치명적 자율 무기 체계에 관한 국제 군축 협상이 교착 상태에 빠진 상황에서, 군사용 에이전틱 AI를 위한 규제 경로를 국내법으로 선제적으로 만든 셈이다.

아무도 답하지 않는 군축에 관한 질문들

위성 신호로부터 표적을 자율 분석, 분류, 추적하는 이 시스템의 핵심 능력은 '정보 지원'과 '자동화된 표적 처리'라는 모호한 경계 사이에 위치한다. 이 모호함 자체가 문제다.

압축된 시간 속 확전 위험: 만약 이 시스템의 결과 값이 사격 통제 루프에 직접 입력된다면, 의사 결정 시간은 몇 분에서 몇 초로 붕괴될 수 있다. 위기 상황에서 인간의 개입 없이 기계 속도로 이루어지는 표적 처리는 의도치 않은 확전을 촉발할 수 있다 .

인간 통제의 경계: 이 시스템은 분석 단계에서 "인간 개입 없이" 작동한다 . 미 국방부 지침 3000.09와 같은 기존 규범은 치명적 무력 사용에 대한 의미 있는 인간 통제를 요구한다. 자율 분석이 끝나고 자율 표적 처리가 시작되는 지점은 이제 더 이론적인 질문이 아니라 현실적이고 작전적인 문제다.

살상 파이프라인 속 LLM의 실패 모드: LLM은 환각, 적대적 입력, 추론 오류에 취약하다. 결정론적 컴퓨터 비전 시스템에는 없던 완전히 새로운 실패 모드가 LLM을 표적 파이프라인의 중앙 추론 노드로 도입하면서 생겨난 것이다 .

재현의 선례: '두뇌 + 도구 군단' 아키텍처는 특정 작전 영역에 국한되지 않는다. 해군 표적 처리, 지상군 표적 처리, 사이버 작전 등으로 쉽게 복제될 수 있어, 향후 책임 소재 추적과 군축 검증을 훨씬 더 어렵게 만든다.

조약보다 앞선 프레임워크: 중국의 2026년 5월 에이전틱 AI 정책은 자율 시스템에 대한 국내적 거버넌스를 창출했지만 , 특정 재래식 무기 금지 협약(CCW) 산하 치명적 자율 무기 체계(LAWS)에 대한 국제적 법적 프레임워크는 여전히 교착 상태다. 공중 표적 에이전트 시스템은 제네바에서 진행 중인 협상의 작전 속도로는 감당하기 어려운 기정사실을 만들어내고 있다.

2024년 미중 간 핵무기 배치의 인간 통제에 관한 구체적인 양자 합의에 대한 공개적으로 검증 가능한 증거는 존재하지 않는다. 가장 최근의 전략적 안정성 대화는 2023년 11월 서니랜즈 정상회담 이후 트랙 1.5 및 트랙 2 채널을 통해 이루어졌으며, 2024년까지도 제한적인 양자 회담이 지속되었으나 이 특정 사안에 대한 공식 합의를 입증하는 공개 기록은 확인되지 않는다.

마찬가지로, 2026년 초 상업적 선례로서 AI 주석이 달린 위성 이미지를 생산한 'MizarVision'이라는 기업의 존재를 확인할 수 있는 공개 기록도 없다. 이는 비공개 프로젝트, 오역, 또는 아직 공개 정보 색인에 잡히지 않은 개발 중인 이야기일 수 있다.