중국이 AI와 제조 공급망을 묶는 중, 한국은 ‘K-제조’로 버텨야 한다

• 산업연구원이 보는 미·중 경쟁의 판이 바뀌었음

  • 예전엔 관세 전쟁, 수출 통제 같은 무역 규칙 싸움이 중심이었다면, 이제는 AI 표준과 제조 공급망을 누가 잡느냐의 싸움으로 넘어갔다는 분석임
  • 쉽게 말하면 “칩을 못 팔게 하자” 수준이 아니라, “AI가 돌아가는 공장과 생산 방식의 기본값을 누가 정하냐”로 전선이 넓어진 셈임

• 미국의 대중 반도체 수출 통제가 중국을 멈추게 한 게 아니라, 오히려 자립 속도를 올리는 압박으로 작동했다는 게 보고서의 핵심 포인트임

  • 중국은 화웨이의 독자 아키텍처, 소재·부품·장비 국산화, 메모리 국산화, 국산 칩·소프트웨어·AI 모델을 묶어서 자체 생태계를 만들고 있음
  • 딥시크뿐 아니라 중국 오픈소스 AI 모델이 계속 나오고 있다는 점도 이 흐름의 일부로 봄
  • 12인치 웨이퍼에서 중국산 점유율은 2020년 3%에서 2026년 32%까지 커질 전망이라고 함. 이 정도면 “추격 중”이 아니라 특정 영역에선 판을 다시 짜는 중에 가까움
  • 창신메모리(CXMT)는 세계 4위 D램 업체로 올라섰음. 메모리 쪽에서도 중국을 그냥 저가 생산지로만 보면 안 되는 단계라는 얘기임

• 중국의 강점은 AI 모델만이 아니라, AI를 꽂아 넣을 제조 기반이 이미 엄청나게 넓다는 데 있음

  • 보고서는 중국이 유엔 산업 분류상 공업 전 부문을 보유하고 있다고 짚음
  • 이 말은 AI를 특정 서비스에 붙이는 수준이 아니라, 철강·기계·전자·물류 같은 전통 제조업 전체를 AI로 고도화할 수 있는 테스트베드가 있다는 뜻임
  • 제조 현장에서 쌓이는 데이터, 장비 운용 노하우, 품질 관리 프로세스가 AI와 결합하면 그냥 생산성 개선이 아니라 산업 표준 경쟁으로 넘어갈 수 있음

• 피지컬 AI 쪽에서는 중국이 이미 숫자로 압도 중임

  • 보고서에 따르면 중국은 지난해 글로벌 휴머노이드 로봇 출하량의 88% 이상을 차지했음
  • 휴머노이드 로봇이 당장 모든 공장에 들어간다는 얘기는 아니지만, 제조·물류 현장에서 움직이는 AI를 대규모로 배치할 수 있는 기반을 중국이 빠르게 확보하고 있다는 뜻임
  • 여기서 중요한 건 로봇 자체보다 작업표준임. 어느 나라 방식으로 로봇이 일하고, 어떤 데이터 포맷과 운영 규칙이 사실상의 표준이 되느냐가 뒤따라옴

• 그래서 보고서는 한국이 “제조 잘하는 나라”에서 멈추면 위험하다고 봄

  • 한국이 가진 반도체·제철·조선 분야의 암묵지, 즉 현장 경험과 반복 학습으로 쌓인 지식을 데이터화해야 한다는 제안임
  • 이 데이터를 기반으로 한국형 제조 대규모 언어 모델(LLM)을 만들고, 기존 제조 강점과 결합해 ‘K-제조 아키텍처’를 완성해야 한다고 강조함
  • 말은 거창하지만 방향은 꽤 현실적임. 공장 안에 묻혀 있는 고급 노하우를 AI가 읽고 활용할 수 있는 자산으로 바꾸자는 얘기임

• 소재·부품 쪽도 같은 논리로 접근해야 한다는 제안이 나옴

  • 철강·석유화학·섬유 같은 전통 소재산업의 제조 데이터를 그냥 운영 기록으로 두지 말고 자산화해야 한다는 것임
  • 초고부가 소재·부품의 새 수요 체인을 먼저 잡아야 ‘K-소재·부품 산업의 고도화’로 이어질 수 있다고 봄
  • 결국 한국이 잘하던 제조를 AI 시대의 설계권과 표준 경쟁으로 끌어올려야 한다는 메시지임

• 보고서의 결론은 한국이 단순 부품 공급자로 남으면 안 된다는 쪽에 가까움

  • 조은교 산업연구원 연구위원은 한국이 대체 불가 자산을 공급망 협력, 시장 진출 전략, 통상 전략과 연결해야 한다고 봄
  • 더 나아가 글로벌 AI 기술 생태계에서 부품 공급자가 아니라 공동 설계자로 참여해야 한다는 제안임
  • 개발자 입장에서 보면 이건 정책 뉴스처럼 보여도 꽤 직접적인 얘기임. 제조 데이터, 산업 특화 LLM, 로봇 운영 표준, 공급망 소프트웨어가 앞으로 한국 산업 AI의 핵심 일감이 될 가능성이 높기 때문임

---

기술 맥락

• 여기서 말하는 선택은 범용 AI 모델 경쟁만 따라가는 게 아니라, 한국 제조 현장에 쌓인 데이터를 제조 특화 대규모 언어 모델(LLM)과 아키텍처로 바꾸자는 거예요. 왜냐면 반도체·제철·조선 같은 분야의 경쟁력은 문서화된 매뉴얼보다 현장 경험과 공정 데이터에 많이 들어 있거든요.

• 중국이 무서운 지점은 AI 모델을 공개하는 데서 끝나지 않고, 제조·물류 현장에 피지컬 AI를 넣어 작업 방식 자체를 표준화하려 한다는 거예요. 지난해 글로벌 휴머노이드 로봇 출하량의 88% 이상을 차지했다는 숫자는 단순한 로봇 판매량이 아니라, 현실 세계 데이터를 누가 더 많이 모으고 반복 학습하느냐의 문제로 이어져요.

• 한국이 대응하려면 제조 데이터를 그냥 공장 내부 운영 자료로만 두면 안 돼요. 품질 관리, 장비 운용, 소재 배합, 공정 조건 같은 데이터를 AI가 활용할 수 있는 형태로 정리해야 하고, 그래야 공급망 협상이나 글로벌 파트너십에서도 “우리가 없으면 안 돌아가는” 위치를 만들 수 있어요.

• 이 전략의 트레이드오프도 분명해요. 제조 데이터는 기업의 핵심 기밀이라 공유와 표준화가 쉽지 않고, 산업별로 데이터 형식도 제각각이에요. 그래도 이걸 못 풀면 한국은 좋은 부품을 잘 만드는 역할에 머물 수 있고, AI 시대의 설계권과 운영 표준은 다른 쪽으로 넘어갈 수 있어요.