배달앱이 만든 AI가 엔비디아 없이 프런티어를 건드렸다는 이야기

2026년 6월 30일, 좀 이상한 회사가 좀 이상한 걸 발표했어. 발표한 회사는 메이투안(Meituan). 우리가 아는 그 배달앱 맞아. 중국에서 하루 수천만 건씩 음식·식료품 주문을 처리하는 그 회사가, 뜬금없이 1.6조(1.6 trillion) 파라미터짜리 대규모 언어모델 LongCat-2.0을 오픈소스로 풀어버렸어. 코드도, 가중치도, 누구나 가져가서 쓰라는 식으로.

숫자만 보면 "요즘 중국 회사들 다 이런 거 하나씩 내잖아" 싶을 수 있어. 그런데 이 발표가 유독 세게 꽂힌 이유는 파라미터 규모가 아니야. 훈련을 어떤 칩으로 했느냐야. 메이투안은 이 모델을 사전학습(pretraining)부터 추론(inference)까지 전 과정을 엔비디아 GPU 한 장 없이, 순수 중국산 AI ASIC 5만 장짜리 클러스터에서 돌렸다고 주장했어. 업계 최초로 "조 단위 파라미터 모델을 국산 연산 클러스터에서 풀 프로세스로 완성했다"는 거지.

이게 왜 큰일이냐면, 지난 3년간 워싱턴이 중국을 막으려고 그렇게 공들여 쌓아온 반도체 수출 통제의 논리 전체를 정면으로 반박하는 사례이기 때문이야. 미국의 가정은 단순했어. "최첨단 엔비디아 칩을 못 주면 중국은 프런티어급 AI를 못 만든다." 그런데 배달앱 회사 하나가 국산 칩만으로 GPT-5.5, 클로드 오푸스, 제미나이와 코딩 벤치마크에서 어깨를 나란히 하는 모델을 뽑아냈다면, 그 가정은 지금 꽤 흔들리고 있는 거야.

그리고 이걸 만든 게 순수 AI 연구소가 아니라 배달 플랫폼이라는 사실이 상징성을 한 번 더 키워. 알리바바(Qwen), 딥시크, 문샷(Kimi) 같은 이름은 예상됐던 선수야. 그런데 메이투안? 이건 마치 배달의민족이 갑자기 자체 초거대 모델을 오픈소스로 던진 격이야. 중국 테크 생태계 전체가 얼마나 넓고 깊게 AI에 올인하고 있는지를 보여주는 그림이지.

등장인물 — 배달앱, 국산 칩, 그리고 수출 통제

먼저 메이투안부터. 베이징에 본사를 둔 이 회사는 흔히 "중국판 배달·로컬서비스 슈퍼앱"으로 불려. 음식 배달, 식료품, 호텔 예약, 리뷰까지 다 하는 곳이야. AI랑 무슨 상관이냐 싶지만, 사실 메이투안은 물류 최적화·수요 예측·라우팅 때문에 오래전부터 대규모 머신러닝을 굴려온 회사야. 2023년엔 광녠즈와이(Light Year Beyond)라는 AI 스타트업을 약 2억 8100만 달러에 인수하면서 대놓고 초거대 모델 쪽으로 발을 넓혔지. LongCat은 그 흐름의 결과물이야. 1.0이 있었고, 이번이 2.0.

두 번째 등장인물은 **국산 AI ASIC "슈퍼팟(superpod)"**이야. 여기가 이 이야기의 진짜 주인공인데, 정작 메이투안은 칩 벤더 이름을 공식적으로 밝히지 않았어. 다만 "5만 장 규모의 국산 컴퓨팅 클러스터", "ASIC 슈퍼팟"이라는 표현을 썼지. 업계에서는 이 '슈퍼팟'이라는 단어와 규모를 근거로 화웨이의 어센드(Ascend) 계열 가속기와 클라우드매트릭스급 아키텍처를 강하게 의심하고 있어. 단정하긴 이르지만, 이 정도 규모의 국산 대안은 현실적으로 손에 꼽거든.

세 번째 등장인물은 눈에 안 보이지만 이 이야기 전체를 만든 장본인, 미국의 대중 반도체 수출 통제야. 2022년부터 워싱턴은 엔비디아의 최상위 AI 칩(A100·H100, 이후 특별 규제판까지)이 중국으로 넘어가는 걸 계속 조여왔어. 목표는 명확했지 — 중국이 군사·감시·프런티어 AI로 갈 연산력을 물리적으로 차단하는 것. LongCat-2.0은 그 통제선을 "우리는 이제 당신들 칩 없이도 된다"고 응수하는 첫 대형 물증인 셈이야.

여기에 조연으로 **딥시크(DeepSeek)**를 꼭 넣어야 해. 2026년 4월에 나온 딥시크 V4-pro는 이번 LongCat과 비교 기준으로 계속 언급돼. 중요한 차이가 있거든. 딥시크 V4-pro는 계산량이 폭발하는 사전학습 단계에선 여전히 해외(엔비디아) 칩에 기댔고, 국산 칩은 상대적으로 가벼운 추론 단계에만 썼다는 게 정설이야. 반면 메이투안은 "사전학습까지 국산으로 했다"고 주장해. 이 한 줄 차이가 상징적으로는 엄청 커.

핵심 내용 — 숫자로 보는 LongCat-2.0

모델 자체의 설계도 짚고 가자. LongCat-2.0은 1.6조 파라미터라는 어마어마한 총량을 가졌지만, 토큰 하나를 처리할 때 그 전부를 켜지는 않아. 희소 MoE(Mixture-of-Experts) 구조라, 내부 라우터가 토큰마다 필요한 '전문가(expert)' 묶음만 골라서 활성화해. 그래서 실제로 한 번에 도는 파라미터는 330억~560억(33B–56B) 수준이야. 1.6조를 다 켜는 밀집(dense) 모델이었으면 추론 비용이 감당이 안 됐을 텐데, 이 구조 덕분에 훨씬 싸게 돌릴 수 있는 거지. 여기에 100만(1M) 토큰 컨텍스트 창을 얹었어. 레포지토리 전체를 통째로 물고 코드를 이해·수정하는 '에이전틱 코딩'을 노린 설계야.

항목 LongCat-2.0 스펙
총 파라미터 1.6조 (1.6T)
토큰당 활성 파라미터 330억~560억 (33B–56B)
아키텍처 희소 MoE + 토큰별 라우팅
컨텍스트 창 100만 토큰
훈련 하드웨어 국산 AI ASIC 슈퍼팟, 5만 장 클러스터
엔비디아 사용 없음 (사전학습·추론 전 과정 국산)
공개일 2026년 6월 30일
라이선스 오픈소스(가중치·코드 공개)
강점 영역 에이전틱 코딩, 레포지토리 단위 편집, 자동 태스크 실행

성능 쪽 주장도 공격적이야. 메이투안은 LongCat-2.0이 구글 제미나이, OpenAI GPT-5.5, 앤스로픽 클로드 오푸스 같은 최상위 폐쇄형 모델과 "보조를 맞췄다(paced with)"고 표현했어. 특히 개발자들이 실제로 모델을 골라 쓰는 마켓플레이스인 OpenRouter의 코딩 부문 상위권에 올랐다는 게 큰 포인트야. 벤치마크 점수는 발표자가 자기 유리한 걸 고르기 마련이니까 액면 그대로 믿을 필요는 없지만, OpenRouter 사용량 랭킹은 '실제 개발자들이 돈 내고 얼마나 쓰냐'를 반영하니까 훨씬 정직한 신호에 가까워.

정리하면, LongCat-2.0의 세일즈 포인트는 세 겹이야. ① 프런티어에 근접한 성능, ② 그걸 국산 칩만으로 훈련했다는 사실, ③ 그걸 통째로 오픈소스로 풀었다는 결정. 이 세 개가 겹쳐야 이번 발표가 왜 파괴력이 있는지가 보여. 하나만 빠져도 그냥 "또 하나의 중국 모델"로 끝났을 거야.

한 가지 더 짚을 게, '5만 장'이라는 숫자의 무게야. 엔비디아 최신 칩 대비 국산 ASIC은 개당 성능·전력효율에서 아직 격차가 있다는 게 중론인데, 그 격차를 메우는 방법이 결국 '더 많이, 더 촘촘히 병렬로 묶는 것'이야. 즉 이건 단순히 좋은 칩 몇 장을 쓴 게 아니라, 수만 장을 안정적으로 동기화해 몇 주~몇 달짜리 학습을 중단 없이 끝까지 밀어붙이는 '오케스트레이션' 문제를 풀었다는 뜻이지. 대규모 분산학습에서 진짜 어려운 건 칩 자체보다 이 부분이라, 여기가 이번 발표에서 가장 저평가되기 쉬운 알맹이야.

각 진영이 얻는 것

메이투안이 얻는 것부터. 표면적으론 손해 보는 장사 같아. 조 단위 모델을 만드는 데 든 돈을 오픈소스로 그냥 풀어버렸으니까. 하지만 메이투안은 API 장사보다 훨씬 큰 걸 노려. 자기 배달·물류 제국 전체를 자동화할 '에이전트 두뇌'를 자기 손으로 쥐는 거지. 남의 폐쇄형 모델에 매달 로열티를 바치는 대신, 자기 데이터로 튜닝한 자기 모델을 인프라 원가로 굴릴 수 있게 돼. 여기에 오픈소스로 개발자 생태계의 명성과 인재 자석 효과까지 덤으로 얻어.

중국이라는 국가가 얻는 것은 더 커. 이건 정확히 베이징이 몇 년째 밀어온 '기술 자립(자주가능·自主可控)' 서사에 완벽하게 들어맞는 물증이야. "미국이 칩을 막아도 우리는 프런티어 AI를 만든다"를 배달앱이 증명해준 셈이니, 정책 입안자 입장에선 이보다 좋은 홍보가 없어. 국산 칩 생태계(설계·제조·소프트웨어 스택) 전체에 "된다"는 신호를 준 거고, 이건 다음 투자와 주문으로 이어져.

전 세계 개발자가 얻는 것도 무시 못 해. 프런티어급 코딩 모델 하나가 가중치까지 공짜로 풀렸다는 건, 스타트업·연구자·개인 개발자한테는 그냥 선물이야. 폐쇄형 모델에 매달 수백~수천 달러 쓰던 팀이 자기 서버에 이걸 올려서 데이터 밖으로 안 내보내고 쓸 수 있게 됐어. 특히 100만 토큰 컨텍스트에 에이전틱 코딩 특화라, "레포 통째로 물려서 리팩터링 시키기"에 딱이야.

반대로 엔비디아와 미국 정책 진영이 잃는 것이 이 이야기의 그림자야. 엔비디아는 중국 시장에서 이미 점유율 압박을 받고 있어 — AI 칩 시장 40%가량을 쥐고 있지만 2026년엔 8%가량 빠질 거란 전망이 나와. 화웨이가 그 자리를 먹고 있고. 수출 통제를 설계한 워싱턴은 더 곤란해. 통제의 전제 자체("칩을 막으면 능력을 막는다")가 흔들리면, 통제를 계속 조일 명분도, 완화할 명분도 둘 다 애매해지거든.

비슷했던 과거 — 통했던 우회와 실패한 봉쇄

이런 '봉쇄 vs 우회' 구도는 처음이 아니야. 가장 선명한 선례가 **딥시크(DeepSeek)**야. 2025년 초 딥시크가 R1을 내놨을 때, 훨씬 적은 비용과 제약된 칩으로 OpenAI o1급 추론 성능을 뽑아내면서 미국 증시가 하루 만에 출렁였지. 그때 교훈이 뭐였냐면, "제약이 오히려 효율 혁신을 강제한다"는 거였어. 최고급 칩이 넘쳐나면 사람들은 무식하게 연산을 태워. 반대로 칩이 부족하면 알고리즘·구조·데이터로 짜내는 법을 배우게 돼. LongCat-2.0의 희소 MoE·활성 파라미터 최소화 설계도 정확히 그 '제약이 낳은 효율'의 연장선이야.

화웨이의 반도체 서사도 빼놓을 수 없어. 2019년 미국이 화웨이를 엔티티 리스트에 올렸을 때, 많은 사람들이 "화웨이 스마트폰 사업은 끝났다"고 봤어. 실제로 몇 년간 크게 휘청였지. 그런데 2023년 화웨이가 자국 SMIC 7나노 공정으로 만든 기린 칩을 탑재한 메이트 60을 내놓으면서 "완전 봉쇄는 불가능하다"는 걸 보여줬어. LongCat의 국산 ASIC 클러스터는 하드웨어 층에서 그 서사의 AI 버전인 셈이야. 다만 여기엔 반대 교훈도 같이 있어 — 화웨이 칩은 여전히 수율·전력효율에서 최첨단과 격차가 있고, 그 격차를 '규모(더 많은 칩을 병렬로)'로 메우는 방식엔 비용과 에너지라는 대가가 붙어.

실패한 쪽 선례도 정직하게 봐야 공평해. 국산 대체 시도가 다 성공한 건 아니야. 중국의 여러 GPU 스타트업(비런·무어스레드 등)은 발표 스펙은 화려했지만 실제 소프트웨어 생태계(엔비디아 CUDA에 대응하는 툴체인) 부족으로 대규모 학습에 안착시키는 데 오래 애를 먹었어. '칩을 만든다'와 '그 칩으로 조 단위 모델을 안정적으로 끝까지 훈련한다'는 완전히 다른 난이도거든. 그래서 이번 메이투안 주장에서 진짜 뉴스는 파라미터 숫자가 아니라 "5만 장 클러스터에서 사전학습을 끝까지 돌렸다"는 운영 성숙도 쪽이야.

마지막 선례는 오픈소스 전략 그 자체야. 메타가 라마(Llama)를 풀면서 폐쇄형 진영에 균열을 낸 것처럼, 중국 랩들은 Qwen·딥시크·Kimi로 "성능 좋은 걸 공짜로 풀어 생태계를 장악한다"는 플레이북을 반복해왔어. 결과적으로 오늘날 오픈소스 상위권 상당수가 중국발이야. LongCat-2.0은 거기에 "게다가 국산 칩으로 만들었다"는 한 겹을 더 얹어서, 소프트웨어 개방성과 하드웨어 자립을 하나의 서사로 묶어버린 거지.

그리고 이 오픈소스 전략엔 지정학적 계산도 깔려 있어. 미국이 폐쇄형 프런티어 모델로 API 시장을 장악하려는 상황에서, 중국이 '공짜 + 준프런티어'를 계속 던지면 전 세계 개발자·기업의 기본값이 서서히 중국 오픈소스로 이동해. 표준을 쥐는 쪽이 장기적으로 이기는 게임이라, 당장의 매출을 포기하더라도 생태계 점유율을 사두는 건 꽤 영리한 수야. 메이투안의 이번 결정도 순수 이타심이라기보단 이 큰 판의 한 수로 읽는 게 맞아.

경쟁자들의 맞대응

그럼 다른 선수들은 어떻게 나올까. 먼저 엔비디아. 엔비디아 입장에선 이게 실존적 위협까진 아니어도 아주 불편한 신호야. 젠슨 황은 그동안 "중국을 미국 스택에서 밀어내면 오히려 자립을 앞당긴다"고 워싱턴에 경고해왔는데, LongCat-2.0이 정확히 그 경고를 현실로 만든 사례가 됐어. 엔비디아의 대응은 두 갈래일 거야 — 규제 허용 범위 안에서 중국용 특별판 칩으로 점유율을 방어하거나, 아예 중국 밖 시장(미국·중동·유럽)에서의 우위를 더 굳혀 손실을 상쇄하는 것.

**미국 프런티어 랩들(OpenAI·앤스로픽·구글)**의 맞대응은 결이 달라. 이들은 성능 우위 자체는 아직 지킬 수 있어. LongCat이 "보조를 맞췄다"고 주장해도, 최상위 폐쇄형 모델과의 미세한 격차·신뢰성·안전성에선 여전히 차이가 있다고 반박할 여지가 있거든. 하지만 이들의 진짜 고민은 '가격 압박'이야. 프런티어에 근접한 모델이 오픈소스로 공짜로 풀리면, 폐쇄형 API의 프리미엄을 정당화하기가 점점 어려워져. 그래서 이들은 '단순 성능'이 아니라 '에이전트 신뢰성·기업용 보안·툴 생태계' 같은 방어선으로 계속 이동할 거야.

**같은 중국 랩들(알리바바·딥시크·문샷)**은 또 다르게 반응해. 이들에게 메이투안의 등장은 협력이자 경쟁이야. 국산 칩으로 프런티어가 가능하다는 게 증명되면 생태계 전체 파이가 커지니 반갑지만, 동시에 "누가 중국 오픈소스의 대표 얼굴이냐"를 두고 경쟁이 붙어. 다음 수는 뻔해 — 딥시크는 다음 버전에서 사전학습까지 완전 국산화를 더 공격적으로 밀 거고, Qwen은 규모와 멀티모달·툴 생태계로, Kimi는 특정 강점(초장문·에이전트)으로 각자 차별화를 시도할 거야.

마지막으로 화웨이 같은 국산 칩 진영은 이번 발표의 최대 수혜자로서 가장 공격적으로 나올 거야. "우리 칩으로 조 단위 모델이 실제로 훈련됐다"는 레퍼런스는 세일즈에서 돈 주고도 못 사는 자료거든. 이걸 근거로 다른 중국 대기업·국유기업에 "너희도 국산으로 갈아탈 수 있다"고 밀어붙일 명분이 생겼어. 결국 이 발표는 소프트웨어 한 건이 아니라, 중국 국산 AI 하드웨어 밸류체인 전체에 주는 판촉 신호에 가까워.

그래서 뭐가 실제로 바뀌나 — 입장별로

개발자한테는 선택지가 하나 더, 그것도 꽤 매력적인 게 늘었어. 100만 토큰 컨텍스트에 에이전틱 코딩 특화 오픈소스 모델을, 자기 인프라에 올려서 데이터 유출 걱정 없이 굴릴 수 있게 됐거든. 다만 현실적으로는 1.6조 파라미터를 서빙할 하드웨어가 만만치 않고, 라이선스 세부 조건과 실제 벤치마크 재현성은 직접 확인해봐야 해. "OpenRouter 상위권"이라는 소문만 믿지 말고, 네가 실제로 쓰는 워크플로우에서 A/B로 돌려보는 게 정답이야.

AI 업계 전체로는 '프런티어 = 미국 + 엔비디아'라는 등식이 더 흐려졌어. 이제 최소한 코딩·에이전트 영역에선 "국산 칩 + 오픈소스 + 중국 랩" 조합이 실제 대안이 될 수 있다는 게 증명 단계로 넘어갔지. 이건 향후 모든 모델 조달 협상의 배경 조건을 바꿔. 폐쇄형 벤더들은 "우리 말고 대안 없잖아"라는 카드를 예전만큼 세게 못 쓰게 됐어.

투자자한테는 신호가 양방향이야. 국산 AI 반도체·중국 오픈소스 생태계 관련 밸류체인엔 순풍이지만, 엔비디아의 중국 매출 의존도와 프런티어 랩들의 프리미엄 가격 방어력엔 물음표가 붙어. 다만 조심할 건, 이런 '상징적 발표'는 주가에 과잉 반응을 부르기 쉽다는 거야. 실제로 이 모델이 대규모 프로덕션에서 안정적으로 돌아가고 채택되는지, 그 후속 데이터가 나오기 전엔 단정하긴 일러.

일반 독자한테는 이 뉴스가 한 문장으로 요약돼. "칩 하나 막는다고 기술을 막을 수 있는 시대는 지나가고 있다." 미국의 봉쇄가 중국의 자립을 앞당기는 아이러니가 눈앞에서 벌어지고 있고, 그 결과 우리가 쓸 AI 도구의 절반쯤은 앞으로도 계속 중국발 오픈소스에서 나올 가능성이 커졌어. 좋든 싫든, AI의 지정학은 이제 배달앱 회사 하나가 판을 흔들 만큼 넓어졌다는 뜻이야.

🥄 남은 궁금증 세 가지

— 진짜로 엔비디아 칩 한 장도 안 썼을까? 메이투안은 "전 과정 국산"이라고 주장했지만, 벤더 이름도 정확한 칩 모델도 공식적으로 밝히진 않았어. '슈퍼팟' 표현과 규모로 봐서 화웨이 어센드 계열이 유력하게 거론되지만 확인된 건 아니야. 데이터 준비·초기 실험 같은 주변부에서 해외 칩이 섞였을 가능성까지 완전히 배제하긴 일러 — 독립 검증 전까진 '주장'으로 받아두는 게 맞아.

— 벤치마크에서 GPT-5.5·클로드랑 어깨를 나란히 했다는 게 사실이야? "보조를 맞췄다"는 건 메이투안 측 표현이고, 발표자는 자기한테 유리한 벤치를 고르기 마련이야. 그래도 OpenRouter 코딩 사용량 상위권은 '실제 개발자가 돈 내고 쓴다'를 반영하니 순수 마케팅보단 신뢰도가 높아. 다만 '전 영역에서 대등'은 아니고 '코딩·에이전트에서 근접'으로 읽는 게 안전해.

— 그래서 나 같은 사람한테 무슨 상관이야? 당장 배달 앱 쓰는 게 달라지진 않아. 하지만 네가 쓰는 AI 도구의 가격과 종류는 바뀔 수 있어. 프런티어급 모델이 공짜로 풀릴수록 폐쇄형 서비스도 가격·기능으로 경쟁해야 하니까, 길게 보면 소비자한테 이득이 될 여지가 커. 물론 그게 얼마나 빨리 체감될지는 단정하긴 일러.

참고 자료

수치는 발표 시점 기준이라 바뀔 수 있어.