중국 AI 연구소, 엔비디아를 포기하지 못하는 이유: CUDA 락인 현상, 295조 원으로도 깨지 않는다

이와 대조적으로, 화웨이의 CANN(Compute Architecture for Neural Networks) 툴킷은 2025년 8월 오픈소스화된 이후에도 연산자(operator) 범위, 최적화, 커뮤니티 도구 측면에서 여전히 크게 뒤쳐져 있다 . 개발자들은 많은 CUDA 최적화 커널에 직접적인 CANN 대응이 없어 수동 재작성이 필요하다고 보고한다 .

이러한 자기 강화적 순환(self-reinforcing cycle)은 깨기 어렵다. 엔비디아의 개발자 커뮤니티가 크고 사전 최적화된 코드 라이브러리가 풍부할수록, 대안이 주목받기 어려워진다 .

전환 비용: 최소 50% 더 많은 시간과 비용

상하이 소재 연구소의 한 AI 연구원은 엔비디아 CUDA에서 화웨이 어센드로 훈련 방식을 전환하면 시간과 비용 모두 최소 50% 증가할 것으로 추정한다 . 업계 소식통들은 이 수치를 현실적인 최소치로 확인한다 .

여기에는 다음이 포함된다:

• 초기 포팅(porting) 작업: CUDA용으로 작성된 훈련 코드는 아키텍처별 커널 호출, 메모리 관리 패턴, 병렬화 전략을 사용하는데, 이는 어센드의 다른 NPU 아키텍처로 직접 변환되지 않는다 .
• 지속적인 디버깅 및 튜닝: 포팅 후에는 CANN의 더 작은 연산자 라이브러리에서 성능 동등성을 위해 모델을 재최적화해야 한다 .
• 생산성 손실: 개발자는 새로운 툴체인을 배워야 하며, CANN 커뮤니티가 작아 일반적인 문제에 대한 공유 솔루션이 적다.

딥시크의 포기된 R2 계획: 구체적인 사례 연구

소프트웨어 격차에 대한 가장 명확한 예는 중국의 가장 두드러진 AI 연구소 중 하나인 딥시크에서 나온다. 딥시크는 R2 모델을 화웨이 어센드 NPU에서 훈련하려는 계획을 해결되지 않은 성능 및 툴체인 문제를 이유로 포기한 것으로 알려졌다 . 이는 최상위 연구소가 국내 대안이 가장 까다로운 작업에 아직 준비되지 않았다고 결론 내린 구체적인 사례이다.

성능 격차는 여전하다

화웨이의 어센드 910C NPU는 크게 개선되었지만, 개발자들은 대규모 분산 훈련 작업에서 여전히 엔비디아의 호퍼(Hopper) 세대 GPU에 비해 성능이 떨어진다고 보고한다 . SMIC의 개선된 7nm 공정으로 제작된 어센드 910C는 엔비디아 B200의 BF16 처리량의 약 1/3을 제공한다 . 화웨이의 차세대 어센드 950은 이 격차를 더 좁힐 것으로 예상되며, 모건 스탠리(Morgan Stanley) 데이터에 따르면 중국 칩과 엔비디아의 수출 규정 준수 하드웨어 간 성능 격차는 크게 줄어들었다 .

공급 역설: 비축된 엔비디아 칩이 관성을 만든다

역설적이게도, 미국의 수출 규제는 중국으로의 엔비디아 공급을 완전히 차단하지 못했다. 미국은 H200의 중국 판매를 승인했고, 베이징은 이후 승인을 차단했지만 — 중국 연구소는 이미 막대한 양의 엔비디아 칩을 비축하고 있다 . 바이트댄스(ByteDance), 알리바바, 텐센트(Tencent)는 금지를 예상하여 약 **160억 달러(약 21조 원)**를 들여 약 130만~160만 개의 H20 유닛을 비축했다 .

이렇게 설치된 기반은 강력한 관성을 만든다. 기존 엔비디아 하드웨어가 계속 작동하는 한, 높은 전환 비용이 국내 대안으로의 이동을 지연시킨다 .

295조 원의 대응: 중국의 국산 칩 추진

중국은 가만히 있지 않다. 이러한 장벽에 대응하여:

• 중국 칩 제조사들은 2026년 국내 AI 칩 생산량을 3배로 늘리는 것을 목표로 한다
• 베이징은 2028년까지 모든 주요 중국 데이터 센터를 단일 AI 컴퓨팅 그리드로 연결하는 약 295조 원(2조 위안) 규모의 계획을 추진 중이며, 기반 칩의 최소 80%가 국산이어야 한다
• 화웨이는 2025년 8월 CANN을 오픈소스화하여 연산자, 도메인 라이브러리, 그래프 엔진 기술 등 핵심 구성 요소를 공개했다
• 바이트댄스는 2025년 12월 화웨이와 어센드 AI 칩에 대해 56억 달러(약 7.5조 원) 규모의 계약을 체결했으며, 2026년 1분기부터 납품이 시작된다

진전은 실질적이다: 국산 칩 훈련 점유율은 2025년 초 8%에서 2026년 4월 42%로 증가한 것으로 보고된다 . 그러나 이러한 채택의 상당 부분은 최첨단 모델 훈련보다는 덜 중요한 작업 및 추론(inference) 작업에 집중되어 있는 것으로 보인다 .

전망: 수년에 걸친 전환

화웨이의 CANN 오픈소스화는 CUDA가 누리는 개발자 생태계를 구축하기 위한 의미 있는 조치이다 . 그러나 대부분의 분석가들은 원시 하드웨어 사양이 아닌 소프트웨어 생태계 격차를 해소하는 데 수년이 걸릴 것이라고 동의한다 . 단기적으로 중국 최고의 AI 연구소는 엔비디아 칩으로 계속 훈련하면서 덜 중요한 작업에 하이브리드 국내 배포를 실험할 것이며, 베이징의 295조 원 AI 그리드 계획은 전환을 가속화하는 것을 목표로 한다 .