엔비디아 로고가 한 개도 없는 학습 로그

7월 31일, 화웨이가 조용히 저장소 하나를 열었어. GitCode의 Ascend Tribe 커뮤니티, openPangu-2.0-Pro라는 이름의 리포지토리. 안에는 가중치 파일이 통째로 들어 있었고, 추론 코드가 같이 있었고, 그 옆에 PDF 기술보고서가 하나 붙어 있었어. 보통 중국 회사가 대형 모델을 "오픈소스"라고 하면 데모 링크 하나 던져놓고 끝나는 경우가 많은데, 이번엔 진짜로 무게추가 다 나왔어. 총 파라미터 5,050억 개. 토큰 하나 처리할 때 켜지는 건 그중 180억 개. 컨텍스트는 51만 2천 토큰. 학습에 쓴 데이터는 약 34조 토큰.

여기까지는 2026년 여름 기준으로 놀랄 만한 숫자가 아니야. 500B급 MoE는 이제 흔해졌거든. 진짜 문제는 다른 줄에 적혀 있었어. 이 모델은 사전학습 전 구간을 화웨이 자체 Ascend NPU에서만 돌렸다는 거야. A100도 H100도, 그 흔한 H20 한 장도 학습 클러스터에 없었다는 주장. 보도 기준으로 학습에 투입된 건 Ascend 910B 계열이고, 화웨이 공식 발표문 자체는 "昇腾 NPU(Ascend NPU)"라고만 적어놨어. 세대 표기까지 못 박은 건 화웨이가 아니라 이후 보도들이야. 이 구분은 뒤에서 중요해지니까 기억해 둬.

왜 이게 뉴스가 되냐면, 그동안 프론티어급 오픈웨이트 모델 중에 "엔비디아를 한 번도 안 거쳤다"고 말할 수 있는 모델이 사실상 없었기 때문이야. DeepSeek 계열도, GLM 계열도, Qwen 계열도 결국 어딘가에서 엔비디아 클러스터를 밟고 지나갔어. 중국 AI 업계는 2022년부터 3년 넘게 "우리는 국산 칩으로도 된다"고 말해왔지만, 500B급 사전학습을 처음부터 끝까지 국산 가속기로 완주했다는 사례는 공개된 적이 없었지. openPangu-2.0-Pro는 그 공백을 정면으로 겨냥한 릴리스야.

그런데 공개 24시간도 안 돼서 반론이 붙었어. TechTimes가 "공급망은 다른 이야기를 한다"는 제목으로 기사를 냈거든. 요약하면 이래. 학습에 쓴 Ascend 910B라는 칩 자체가, TSMC가 만든 연산 다이와 해외에서 조달한 삼성 HBM으로 구성돼 있다는 거야. 즉 "엔비디아 없이"는 맞을 수 있어도 "미국·대만·한국 공급망 없이"는 아니라는 얘기. 소프트웨어 스택이 프론티어 학습을 견딜 수 있다는 건 증명됐지만, 완전 국산 하드웨어 스택이 같은 일을 할 수 있다는 증명은 아직 아니라는 게 요점이야.

이 판에 서 있는 사람들

먼저 화웨이. 2019년 엔티티 리스트에 오른 뒤로 이 회사가 해온 일은 사실상 "미국이 끊은 것들을 하나씩 자체 대체품으로 채워 넣기"였어. 안드로이드가 끊기니까 HarmonyOS를 만들었고, 스마트폰 AP가 끊기니까 기린을 되살렸고, 엔비디아가 끊기니까 Ascend를 밀었어. Ascend는 원래 2019년에 나온 910으로 시작했는데, 그때만 해도 "TPU 흉내"라는 평가가 많았어. 지금의 910B/910C는 중국 내 AI 데이터센터에서 실제로 물량이 굴러가는 유일한 국산 대안이야. 문제는 성능이 아니라 물량, 그리고 HBM이야.

두 번째로 위청둥(余承东). 화웨이 EVP이자 소비자 부문 얼굴인 이 사람은 6월 HDC 2026 무대에서 openPangu 2.0을 예고하면서 꽤 솔직한 말을 했어. "AI 컴퓨팅은 매우 비싸다. 대부분의 자원이 다른 중국 기업들을 지원하는 데 쓰이고 있어서 우리에게 남는 여력은 제한적"이라고. 그러니까 파라미터 규모 경쟁을 하기보다 지연시간과 처리량 최적화에 집중하겠다는 논리였어. 이 발언은 화웨이 내부 사정을 드러내는 동시에, 왜 이 모델이 1T가 아니라 505B인지에 대한 답이기도 해. 화웨이는 Ascend를 팔아야 하는 회사고, 자기가 쓸 칩보다 남에게 팔 칩이 더 급한 상황이야.

세 번째는 Ascend Tribe라는 커뮤니티야. GitCode(AtomGit) 위에 올라간 화웨이 주도 오픈소스 조직인데, 여기가 이번 릴리스의 배포 채널이야. Hugging Face가 아니라 GitCode라는 점이 미묘해. 92B짜리 동생 모델인 openPangu-2.0-Flash는 Hugging Face에도 올라와 있는데, 505B Pro는 1차 배포가 중국 플랫폼 중심이야. 이건 접근성 문제이기도 하고, 미러링을 누가 하느냐의 문제이기도 해. 실제로 커뮤니티에서는 표준 포맷으로 변환해 엔비디아 GPU에서 돌려보려는 시도가 이미 진행 중이라는 보도가 있어.

마지막은 우연히 같은 날 무대에 오른 LG AI연구원이야. 7월 31일, 그러니까 화웨이가 Pro를 푼 바로 그날, LG는 K-EXAONE 2.0을 Hugging Face에 공개했어. 총 7,500억 파라미터, 토큰당 활성 370억, 전문가 256개 중 8개 선택, 컨텍스트 262,144 토큰. 그리고 결정적으로 라이선스가 아파치 2.0이야. 대한민국 과학기술정보통신부의 독자 AI 파운데이션 모델 프로젝트 두 번째 결과물이고, 임우형 공동원장은 "한국 연구진이 전 과정을 독자적으로 완수했다"고 말했어. 같은 주에 500B급과 700B급 오픈웨이트가 이틀 간격으로 두 개 나온 거야.

뜯어보면 이런 모델이야

아키텍처부터 보자. openPangu-2.0-Pro는 MoE인데, 어텐션은 MLA를 유지하면서 DSA(희소 글로벌)와 SWA(슬라이딩 윈도우)를 1:2 비율로 섞어 쌓았어. SWA 층은 로컬 윈도우를, DSA 층은 희소 글로벌 컨텍스트를 담당해. 512K 컨텍스트를 돌리면서도 KV 캐시 메모리와 메모리 접근 비용을 깎기 위한 설계야. 여기에 4-stream mHC 잔차 연결, 3-head MTP 자기추측(self-speculative) 모듈이 붙어. MTP는 디코딩 단계에서 여러 토큰을 미리 뱉어보고 검증하는 방식이라 추론 속도에 직접 기여해. 학습 옵티마이저로는 Muon을 썼다고 기술보고서에 적혀 있어. 요약하면 "긴 컨텍스트에서 카드당 토큰 처리량을 최대한 뽑는다"는 목표에 아키텍처 전체가 정렬돼 있어.

포스트트레이닝도 꽤 촘촘해. 빠른 사고와 느린 사고를 통합하는 SFT를 먼저 돌리고, 여러 개의 특화 강화학습을 얹은 다음, 온라인 증류(OPD)로 능력을 융합했다는 게 화웨이 설명이야. 결과물은 Thinking 모드와 Non-Thinking 모드로 나뉘어. 모델 카드에 실린 Thinking 계열 벤치마크는 AIME 2026 95.4(avg@16), GPQA-Diamond 87.9(avg@4), LiveCodeBench V6 85.7(avg@3), IMO-AnswerBench 84.3(정확도) 같은 숫자들이야. 다만 이건 전부 화웨이가 자체 측정해서 올린 값이고, 독립 재현은 아직 없어. 500B 모델을 남이 검증하려면 Ascend 클러스터나 상당한 GPU 자원이 필요하니까 시간이 좀 걸릴 거야.

성능 주장 중 제일 정치적인 건 "Ascend 환경에서 카드당 처리량이 업계 주류 오픈소스 모델의 2배"라는 문장이야. 이 문구는 6월 HDC 발표 때부터 반복돼 왔어. 중요한 건 비교 조건이야. 이건 "openPangu가 다른 모델보다 2배 빠르다"가 아니라 "Ascend 하드웨어 위에서, Ascend에 맞춰 설계된 이 모델이, 같은 Ascend 위에 올린 범용 오픈소스 모델보다 카드당 2배 뽑는다"에 가까워. 엔비디아 H100/B200과의 직접 비교가 아니라는 뜻이야. 화웨이가 팔고 싶은 건 모델이 아니라 Ascend 생태계니까, 이 벤치마크의 프레이밍은 마케팅 목적에 정확히 부합해.

배포 쪽도 짚고 갈 게 있어. 추론은 omni-infer 프레임워크로 하고, 배포 가이드는 별도 저장소인 openPangu-2.0-Infer에 있어. 그런데 이 추론 저장소 설명은 "Ascend 910C 기반 대모델 추론 배포 프로젝트"라고 돼 있어. 학습은 910B, 최적 추론은 910C — 세대가 갈리는 구조야. INT8/W8A8 양자화 문서도 별도로 제공돼. 라이선스는 아파치가 아니라 화웨이 자체 라이선스인 "OPENPANGU MODEL LICENSE AGREEMENT VERSION 2.0"이야. Flash 모델 카드에도 동일한 라이선스가 붙어 있어. 상업적 재배포나 파생 모델 조건이 아파치와 어떻게 다른지는 각자 LICENSE 파일을 직접 읽어봐야 해. 이 차이가 K-EXAONE과의 결정적 갈림길이야.

항목 openPangu-2.0-Pro openPangu-2.0-Flash K-EXAONE 2.0 (LG)
공개일 2026-07-31 2026-06-30 (선공개) 2026-07-31
총 파라미터 505B 92B 750B
토큰당 활성 18B 6B 37B
전문가 구성 MoE (비공개) MoE (비공개) 256개 중 8개 선택
컨텍스트 512K 512K 262,144
학습 토큰 약 34T 약 34T 미공개
학습 하드웨어 Ascend NPU (보도 기준 910B) Ascend NPU 미공개
라이선스 OPENPANGU MODEL LICENSE 2.0 OPENPANGU MODEL LICENSE 2.0 Apache 2.0
1차 배포처 GitCode Ascend Tribe / 화웨이 클라우드 MaaS GitCode + Hugging Face Hugging Face
공개 범위 가중치 + 추론코드 + 기술보고서 가중치 + 추론코드 + 학습 연산자 가중치

그리고 반드시 짚고 갈 오보가 하나 있어. 영어권 일부 매체가 이 모델을 "50.5 Billion 파라미터"라고 보도했어. 원인은 중국어 표기야. 505B는 중국어로 5050亿(5050억)인데, 일부 중국 기사가 이걸 505亿(505억, 즉 50.5B)으로 잘못 쓰면서 그대로 번역돼 퍼졌어. 실제로 중관춘온라인 기사는 "Pro版总参数量为505亿，实际激活参数量18亿"이라고 적었는데, 이건 활성 파라미터까지 1.8B로 만들어버리는 열 배 축소야. 정답은 총 505B / 활성 18B야. 화웨이 공식 발표문과 GitCode 모델 카드 둘 다 이 값으로 일치해. 숫자 하나 잘못 옮기면 "중형 모델 하나 나왔네" 수준의 뉴스가 되는데, 실제로는 프론티어급 사건이야.

각자가 챙기는 이득

화웨이가 가져가는 건 명확해. 칩 카탈로그가 아니라 레퍼런스야. Ascend를 사려는 중국 기업이 지금까지 가장 두려워한 건 "우리 팀이 CUDA 없이 대형 모델을 학습시킬 수 있을까"였어. 추론은 어떻게든 되는데 학습은 다르거든. 옵티마이저 수치 안정성, 통신 라이브러리, 커널 성숙도, 장애 복구 — 수천 장 규모 클러스터를 몇 주씩 돌릴 때 터지는 문제들은 벤치마크 슬라이드에 안 나와. 화웨이는 이번에 "505B, 34조 토큰, 완주"라는 문장 하나로 그 두려움에 답한 거야. 가중치와 기술보고서를 같이 푼 것도 그래서야. 증거를 남겨야 영업이 되니까.

중국 AI 스타트업들도 이득이야. 지금 중국에서 프론티어 모델을 만들려면 컴퓨팅 확보가 최대 병목인데, 엔비디아 조달은 규제로 막혀 있고 Ascend는 물량이 빠듯해. 이 상황에서 "Ascend에 최적화된 505B 오픈웨이트"가 나오면, 처음부터 학습할 필요 없이 파인튜닝과 도메인 적응으로 갈 수 있어. 특히 512K 컨텍스트는 법률·의료·코드베이스 같은 긴 문서 도메인에서 바로 값어치가 나와. 다만 라이선스가 아파치가 아니라는 게 여기서 걸림돌이 될 수 있어.

HarmonyOS 생태계도 수혜자야. 화웨이는 openPangu 2.0이 HarmonyOS와 깊게 통합돼 있고 에이전트 작업에서 더 빠르고 정확하며 자원을 덜 쓴다고 주장하고 있어. 화웨이 입장에서 이건 단순한 모델 릴리스가 아니라 "칩 → OS → 모델 → 에이전트"로 이어지는 수직 통합의 마지막 조각이야. 애플이 실리콘·OS·모델을 한 손에 쥐려는 것과 구조가 같은데, 화웨이는 그걸 오픈웨이트로 푼다는 점이 달라. 폐쇄된 생태계를 오픈소스로 확장하는 전략이지.

그럼 손해 보는 쪽은? 단기적으로는 엔비디아의 서사야. 엔비디아는 미국 정책 논쟁에서 "우리가 중국에 안 팔면 화웨이가 그 자리를 채운다"는 논리를 계속 써왔어. openPangu-2.0-Pro는 그 논리의 양면을 동시에 강화해. 화웨이가 실제로 프론티어 학습을 해냈다는 점에서 엔비디아 주장이 맞아 보이기도 하고, 동시에 "수출통제가 결국 자립을 앞당겼다"는 반대편 주장의 근거도 되거든. 어느 쪽이 정책에 반영될지는 아직 몰라. 다만 CFR 보고서처럼 "화웨이는 여전히 엔비디아를 못 따라잡는다"는 분석도 같은 시기에 나와 있어서, 워싱턴의 결론이 한쪽으로 기울었다고 보긴 일러.

과거에 비슷한 일이 있었어 — 성공과 실패

성공 쪽 사례로는 2025년 초 DeepSeek이 있어. 당시 DeepSeek은 제한된 하드웨어 조건에서 프론티어급 성능을 뽑아내면서 "제약이 오히려 효율 혁신을 낳는다"는 서사를 만들었어. 학습 비용 추정치를 놓고 논쟁이 붙었지만, 결과적으로 중국 오픈웨이트 진영 전체의 신뢰도를 끌어올렸지. openPangu-2.0-Pro는 그 서사의 하드웨어 버전이야. DeepSeek이 "적은 돈으로도 된다"였다면, 화웨이는 "미국 칩 없이도 된다"를 주장하는 거야.

실패 쪽도 있어. 화웨이 판구는 2025년에 오픈소스 모델 하나가 다른 오픈모델과 파라미터 분포가 유사하다는 의혹으로 홍역을 치른 전력이 있어. 그때 커뮤니티가 요구한 건 정확히 지금 화웨이가 내놓은 것들이야. 가중치, 기술보고서, 재현 가능한 세부사항. 이번 릴리스가 유난히 "다 보여주겠다"는 태도인 건 그 학습의 결과로 보이기도 해. 신뢰는 한 번 깨지면 문서로 갚아야 하거든.

또 하나의 참고 사례는 국산 가속기 학습을 표방했던 여러 프로젝트들의 결말이야. 중국뿐 아니라 여러 나라에서 "우리 칩으로 대형 모델을 학습했다"는 발표가 나왔지만, 대부분 규모가 작았거나(수십억 파라미터), 파인튜닝 단계만 국산 칩을 썼거나, 혼합 클러스터였어. 발표 문구를 자세히 읽으면 "사전학습 전 구간"이 아니라 "학습의 일부"인 경우가 많았지. openPangu-2.0-Pro가 다르다고 평가받는 이유는 규모와 완주 여부 둘 다를 주장했기 때문인데, 이 주장은 아직 외부 감사를 받지 않았어. 기술보고서가 공개됐으니 학계가 뜯어보는 데는 몇 주면 충분할 거야.

그리고 공급망 이슈는 이미 여러 번 반복된 패턴이야. Ascend 910C 분해 분석에서 2020년산 TSMC 다이가 나왔다는 보고가 있었고, SemiAnalysis는 화웨이가 확보한 TSMC 다이 뱅크와 HBM 병목을 오래전부터 지적해왔어. 이번에도 같은 지적이 돌아온 거야. "학습에 엔비디아를 안 썼다"와 "학습에 쓴 칩이 완전 국산이다"는 완전히 다른 문장인데, 헤드라인에서는 자주 뭉개져. TechTimes의 지적은 그 구분을 정확히 겨냥했고, 이건 화웨이가 반박하기 어려운 부분이야.

경쟁자들의 카운터 플레이

가장 직접적인 카운터는 LG의 K-EXAONE 2.0이야. 같은 날, 더 큰 파라미터(750B), 더 관대한 라이선스(아파치 2.0), 더 접근성 높은 플랫폼(Hugging Face). LG는 24개 벤치마크 평균 70.1점(1세대 63.3점)을 제시했고, OpenAI-MRCR 장문 검색에서 94.4를 기록해 Qwen 3.5의 93.0과 DeepSeek V4 Pro Max의 92.9를 앞섰다고 밝혔어. 다만 LG는 GPT·Claude·Gemini 같은 상용 최상위 모델과의 직접 비교는 내놓지 않았어. 이 부분은 매체도 명시적으로 지적한 지점이야. 그리고 LG는 학습 하드웨어를 공개하지 않았어. 화웨이가 "무엇으로 학습했는가"를 세일즈 포인트로 삼은 반면, LG는 "누가 만들었는가"(한국 연구진 독자 수행)와 "어떻게 쓸 수 있는가"(아파치 2.0)를 앞세운 셈이야.

중국 내 경쟁자들의 셈법은 좀 달라. DeepSeek, 알리바바 Qwen, 지푸 GLM 같은 진영은 여전히 엔비디아 기반 클러스터의 성숙한 툴체인을 쓰는 게 실무적으로 유리해. 화웨이가 "Ascend 네이티브"를 브랜드로 밀수록, 이들은 "우리 모델은 어디서든 돌아간다"는 이식성을 강조할 유인이 생겨. 실제로 오픈웨이트 시장에서 채택을 좌우하는 건 벤치마크 점수보다 vLLM/SGLang 같은 표준 추론 스택 지원 여부인 경우가 많아. omni-infer 전용이라는 건 초기 채택에 마찰이 될 수 있어.

엔비디아 쪽 대응은 정책 레벨에서 나올 가능성이 커. 엔비디아는 이미 워싱턴을 상대로 "중국 시장에서 우리가 빠지면 화웨이가 표준이 된다"는 논리를 펴왔어. openPangu-2.0-Pro는 그 논증의 실물 증거로 쓰이기 딱 좋아. 반대로 통제 강화를 주장하는 쪽은 "결국 TSMC 다이와 삼성 HBM 없이는 못 했다"는 TechTimes식 반론을 들고 나올 거고. 같은 사건이 정반대 정책 결론의 근거로 동시에 인용되는 상황이야.

미국 오픈웨이트 진영도 변수야. 메타, 미스트랄, 그리고 OpenAI의 오픈 모델 라인이 어떤 라이선스와 어떤 규모로 대응하느냐에 따라 "오픈웨이트 = 중국·한국"이라는 최근 구도가 흔들릴 수 있어. 다만 2026년 여름 현재, 500B 이상 오픈웨이트 릴리스의 빈도는 아시아 쪽이 확실히 높아. 이건 취향 문제가 아니라 전략 문제야. 폐쇄 모델로 API 수익을 지키는 쪽과, 오픈웨이트로 생태계 표준을 먹는 쪽의 노선 차이거든.

마지막 카운터는 검증 커뮤니티야. 가중치가 공개된 이상 누구든 재현을 시도할 수 있어. 벤치마크 오염 검사, 다른 모델과의 가중치 유사도 분석, 실제 512K 컨텍스트 유효성 측정 같은 작업이 몇 주 안에 나올 거야. 화웨이 입장에서 이건 위험이자 기회야. 검증을 통과하면 이번 릴리스는 중국 AI 자립의 상징이 되고, 못 통과하면 2025년의 논란이 재연돼.

그래서 뭐가 달라지는데

개발자 입장에선 당장 바뀌는 건 크지 않아. Ascend 카드를 갖고 있지 않다면 505B 가중치는 그냥 큰 파일이야. FP16 기준으로 1TB 언저리 저장 공간이 필요하고, 추론에 필요한 메모리도 만만치 않아. 커뮤니티가 표준 포맷 변환과 GPU 백엔드 지원을 붙이면 상황이 달라지겠지만, 그때까지는 92B짜리 Flash 모델이 현실적인 진입점이야. Flash는 Hugging Face에도 올라와 있고 6B만 활성화되니까 부담이 훨씬 적어. 512K 컨텍스트가 필요한 문서 처리 파이프라인을 짜고 있다면 실험해볼 값어치가 있어.

투자자 관점에서는 두 갈래를 봐야 해. 하나는 엔비디아의 중국 서사가 어떻게 정리되는지야. 이번 릴리스는 "중국이 자립 중"이라는 근거와 "여전히 대만·한국 공급망에 의존한다"는 근거를 동시에 제공했고, 그 해석 차이가 향후 수출통제 조정에 영향을 줄 수 있어. 다른 하나는 HBM이야. 여러 분석이 일관되게 지목하는 화웨이의 진짜 병목은 로직 다이가 아니라 고대역폭 메모리거든. 삼성·SK하이닉스·마이크론 쪽 정책 변수는 Ascend 램프 속도에 직결돼. 다만 이건 어디까지나 구조적 관찰이고, 특정 종목 판단으로 옮기기엔 변수가 너무 많아.

기업 사용자, 특히 한국 기업이라면 라이선스를 먼저 봐야 해. K-EXAONE 2.0은 아파치 2.0이라 상업적 사용·수정·재배포에 사실상 제약이 없어. openPangu는 화웨이 자체 라이선스라 조건을 직접 읽어야 하고, 여기에 지정학적 리스크가 얹혀. 미국 시장에 제품을 파는 회사라면 화웨이 라이선스 모델을 프로덕션에 넣는 결정은 법무 검토 없이 하기 어려울 거야. 반대로 중국 내수 시장을 노린다면 Ascend + openPangu + HarmonyOS 조합은 규제 리스크가 가장 낮은 선택지가 될 수 있어.

일반 사용자한테는 아직 체감이 없어. 이 모델이 당장 네가 쓰는 앱에 들어가지는 않아. 다만 중기적으로는 의미가 있어. 오픈웨이트 프론티어 모델이 늘어날수록 API 가격 경쟁이 심해지고, 온디바이스나 온프레미스 배포 선택지가 늘어나거든. 특히 한국 사용자 입장에선 같은 날 나온 K-EXAONE 2.0이 훨씬 직접적인 영향을 줄 가능성이 커. 한국어 장문 이해 벤치마크(Ko-LongBench 89.6)를 내세운 아파치 라이선스 모델이 국내 서비스에 들어가는 건 시간 문제니까.

연구자 입장에서 제일 값어치 있는 건 사실 가중치가 아니라 기술보고서야. 비-엔비디아 하드웨어에서 505B MoE를 34조 토큰으로 학습시킬 때 어떤 문제가 생기고 어떻게 해결했는지 — 통신 패턴, 옵티마이저 선택(Muon), 안정화 기법, 장애 대응 — 이런 내용은 다른 국산 가속기 프로젝트에도 그대로 이식돼. 인도, 유럽, 중동에서 자체 AI 하드웨어를 준비하는 팀들에게 이 문서는 실전 매뉴얼에 가까워. 화웨이가 이걸 공개했다는 건, 칩을 파는 게 모델로 버는 것보다 크다고 계산했다는 뜻이야.

🥄 남은 궁금증 세 가지

— 그래서 나랑 무슨 상관이야? 당장은 별 상관 없어. 505B 모델은 개인이 돌릴 물건이 아니거든. 다만 오픈웨이트 프론티어 모델이 계속 늘어나면 AI API 가격이 내려가고, 회사 서버 안에 모델을 두는 선택지가 넓어져. 한국에 있다면 같은 날 나온 K-EXAONE 2.0 쪽 파급이 더 빠를 거야.

— "엔비디아 없이 학습"이 진짜야? 학습 클러스터에 엔비디아 칩이 없었다는 주장 자체는 화웨이와 복수 보도가 일치해. 문제는 그 Ascend 칩이 TSMC 다이와 삼성 HBM으로 만들어졌다는 지적이야. "엔비디아 없이"는 맞아도 "미국·대만·한국 공급망 없이"는 아니라는 거지. 완전 국산 스택으로 같은 일이 되는지는 아직 증명 안 됐어.

— 화웨이 라이선스면 그냥 써도 돼? 아파치 2.0이 아니라 화웨이 자체 라이선스(OPENPANGU MODEL LICENSE AGREEMENT VERSION 2.0)라서, 상업 이용 조건을 직접 확인해야 해. 재배포·파생 모델·용도 제한 조항이 어떻게 걸려 있는지는 LICENSE 파일을 읽는 수밖에 없어. 여기에 지정학 리스크까지 얹히면, 프로덕션 투입은 법무 검토 없이 결정하기 어려워.

참고 자료

숫자와 기준은 발표 시점 기준이라 바뀔 수 있어. 투자 판단은 각자의 몫!