AI 에이전트가 연산력의 ‘승수 효과’를 폭발시키다: ‘자원 판매’에서 ‘지능 생산’으로의 산업 패러다임 혁명

지난 한 주, 연산력(컴퓨팅 파워) 분야의 열기는 식지 않았지만 초점은 조용히 이동했다. 그동안 시장의 핵심 관심이 칩이 ‘완판’되었는지, 연산 센터가 ‘만원’인지였다면, 최근 한 주 가장 주목받은 화제는 더 깊은 변수에서 나왔다. 바로 AI 에이전트가 ‘승수 효과’로 연산력 산업의 근본 논리를 재편하고 있다는 점이다. IDC와 인스퍼(浪潮信息)가 공동 발표한 《2026년 중국 인공지능 컴퓨팅 파워 발전 평가 보고서》부터 2026 압사라 콘퍼런스(云栖大会)에서 나온 “기계의 사고 총량이 인류의 1000배에 달할 것”이라는 진단, 그리고 레노버, 인스퍼, AMD 등 주요 업체들이 AI 에이전트 시대를 겨냥한 신제품과 신전략을 잇달아 발표한 것까지, 하나의 명확한 신호가 떠오르고 있다. 연산력 산업의 평가 기준이 ‘얼마나 많은 연산력이 있는가’에서 ‘얼마나 많은 지능을 생산할 수 있는가’로 이동하고 있다.

이는 평범한 기술 반복이 아니라 수요 구조, 하드웨어 가치 배분, 비즈니스 모델, 나아가 국가 전략적 위상까지 포함하는 시스템적 재구축이다. 이 변혁을 이해하려면 AI 에이전트가 왜 ‘승수 효과’를 갖는지부터 시작해야 한다.

1. AI 에이전트가 연산력 방정식을 바꾼다: 토큰 소비 증가율은 에이전트 수 증가율의 37배

이번 연산력 수요 폭발을 이해하는 열쇠는 이전에 충분히 논의되지 않았던 변수, 즉 AI 에이전트의 ‘승수 효과’에 있다. 지난 2년간 대규모 모델 업계의 핵심 의제는 파라미터 규모, 학습 데이터 양, 모델 리더보드 순위였다. 그 이면에는 AI가 ‘엔진을 만드는’ 경쟁이라는 전제가 깔려 있었다. 더 크고 강한 엔진을 만든 자가 주도권을 쥔다. AI 에이전트가 바꾸는 것은 바로 이 방정식이다.

AI 에이전트란 자율적으로 계획을 세우고, 도구를 호출하며, 다단계로 과업을 수행하고, 피드백에 따라 스스로 수정할 수 있는 AI 시스템을 말한다. 전통적 대화형 AI와의 근본적 차이는 이렇다. 대화형 AI는 ‘일문일답’이며 한 번의 상호작용이 끝나면 종료된다. 반면 AI 에이전트는 디지털 직원처럼 과업을 받으면 스스로 단계를 분해하고, 검색 엔진이나 데이터베이스를 호출하고, 코드를 작성해 실행하고, 결과를 확인하고, 오류를 발견하면 다시 시도하며 과업이 완료될 때까지 계속한다. 이 과정에는 몇 차례에서 수십 차례의 추론 라운드가 포함될 수 있고, 각 라운드마다 토큰을 소비한다.

IDC는 《2026년 중국 인공지능 컴퓨팅 파워 발전 평가 보고서》에서 매우 충격적인 두 가지 데이터를 제시했다. 전 세계 활성 AI 에이전트 수는 2026년 7940만 개에서 2030년 22억 1600만 개로 늘어나 연평균 성장률 129.8%에 달한다. 같은 기간 전 세계 토큰 소비량의 연평균 성장률은 4822.6%로, 에이전트 수 증가율의 약 37배다. 이는 단일 에이전트가 단순히 한 번 호출되고 끝나는 것이 아니라, 다중 추론, 도구 호출, 시스템 간 협업을 통해 과업이 전개될 때마다 지수적 토큰 소비를 촉발한다는 뜻이다.

이 숫자의 산업적 의미는 깊이 뜯어볼 가치가 있다. 한 에이전트가 “어떤 기업의 지난 5년 재무 데이터를 분석하고 투자 조언을 생성하라”는 과업을 받았다고 하자. 그것은 순차적으로 데이터베이스를 호출해 재무제표 데이터를 가져오고, Python 스크립트를 작성해 재무 비율을 계산하고, 업계 비교 기업 데이터를 검색하고, 차트를 생성하고, 분석 보고서를 작성하고, 데이터 일관성을 스스로 점검하고, 계산 오류를 수정해야 할 수 있다. 전체 과정에서 수십 번의 모델 추론 호출이 발생하며, 사용자가 직접 “이 회사는 투자할 가치가 있나”라고 묻는 경우보다 수십 배에서 수백 배 많은 토큰을 소비한다. 수억 개의 에이전트가 금융, 제조, 의료, 행정 등 현장에서 동시에 작동하면 토큰 소비 규모는 기하급수적으로 팽창한다.

레노버 중국 인프라 사업군 전략기술총감 황산(黄山)이 지적한 것처럼, “과거에는 사용자가 질문하고 모델이 답하며 토큰 소비가 선형 궤적을 그렸다. 이제 AI를 디지털 직원처럼 다단계 실행·자기 검증하게 하려면 토큰 소비는 단순한 배수 관계가 아니라 수배 또는 지수적 폭발 성장을 보인다.” 그는 이 변화를 생생한 비유로 설명했다. “과거 연산력 수요를 측정하는 것은 식당이 하루에 몇 명의 손님을 받는지 계산하는 것과 같았다. 이제 에이전트 시대에는 각 ‘손님’이 풀코스 식사를 주문하고 계속 추가 주문한다. 식당의 회전율은 전혀 다른 차원이다.”

이 구조적 변화는 중국 지능형 연산력 성장 곡선의 기울기를 직접 끌어올렸다. 보고서는 2026년 중국 지능형 연산력 규모가 2576.5 EFLOPS에 달해 전년 대비 87.9% 증가하고, 2030년에는 10524.3 EFLOPS에 이를 것으로 전망한다. 2025~2030년 연평균 성장률은 이전 예측의 46.2%에서 50.3%로 상향됐다. 4.1%포인트 상향은 크지 않아 보일 수 있지만, 그 본질은 더 낙관적인 가정이 아니라 수요 곡선의 형태를 수정한 것이다. 에이전트가 가져오는 것은 선형 외삽이 아니라 완전히 새로운 수요 패러다임이다. 선형 외삽은 “과거에 얼마나 성장했는지, 미래에도 대략 그만큼 성장한다”는 뜻이다. 패러다임 전환은 “성장 곡선 자체의 형태가 바뀌었다”는 뜻이며, 완만한 지수 곡선에서 급경사 지수 곡선으로 변한다. 이 차이는 5년, 10년 차원에서 수배에서 수십 배의 규모 차이를 낳는다.

글로벌 관점에서도 이 추세는 마찬가지로 뚜렷하다. 가트너는 2028년까지 일상 업무 의사결정의 최소 15%가 에이전트에 의해 자율적으로 이루어지고, 그때 전 세계 연간 AI 토큰 소비량은 현재의 수백 배에 달할 것으로 예측한다. 중국정보통신연구원 데이터에 따르면 2026년 상반기 중국의 일평균 AI 토큰 호출량은 500조를 돌파해 2025년 동기보다 6배 이상 증가했으며, 기존 업계의 일반적 예상을 크게 웃돌았다.

2. 추론 측이 주전장으로: 학습과 추론의 토큰 소비 비율은 이미 6 대 4를 넘어

AI 에이전트가 이끄는 또 하나의 깊은 변화는 연산력 수요 구조가 학습 주도에서 추론 주도로 이동하는 것이다. 이 이동의 의미는 과거 인터넷이 ‘전화 접속’에서 ‘상시 연결 브로드밴드’로 전환한 것에 못지않다. 연산력은 더 이상 일회성 자본 지출이 아니라 지속적 운영 비용이 되었다.

황산은 압사라 콘퍼런스 기간에 현재 추론과 학습 사이의 토큰 소비 비율이 이미 6 대 4를 넘었고 추론 측 연산력 수요가 빠르게 성장하고 있다고 밝혔다. AMD 대중화권 마케팅 담당 부사장 지자오후이(纪朝晖)가 제공한 데이터는 이 추세를 더욱 뒷받침한다. 2025년 AI 추론과 학습의 워크로드 비율은 5 대 5였지만 2026년에는 추론이 60%로 올랐고 2030년에는 80%를 넘을 것으로 예상된다. 즉 미래 연산력 인프라 투자의 중심은 ‘대형 클러스터를 지어 대규모 모델을 학습시키는 것’에서 ‘넓게 깔아 대량 추론을 하는 것’으로 옮겨간다.

가트너 데이터는 에이전트와 전통적 대화형 봇의 소비량 차이가 얼마나 큰지 보여준다. 에이전트 애플리케이션의 토큰 소비는 대화형 봇보다 5~30배 증가하며, IDC는 2027년까지 전 세계 2000대 기업의 AI 토큰 소비량이 현재보다 1000배 늘어날 것으로 예측한다. 1000배란 무엇인가. 현재 한 대기업의 AI 월평균 토큰 소비가 10억이라면 2027년에는 1조 수준으로 팽창하고, 이에 대응하는 연산력 비용은 수십만 위안에서 수억 위안으로 뛴다.

이 변화는 연산력 인프라에 전혀 다른 요구를 제기한다. 전통적 학습 클러스터는 극한의 단일 카드 성능과 저지연 상호 연결을 추구하며, 그 설계 철학은 ‘1만 장의 카드를 한 장의 카드로 연결한다’는 것이고 고대역, 저지연, 강한 일관성을 강조한다. 전형적 예가 NVIDIA의 NVLink와 InfiniBand 네트워크다. 반면 에이전트 추론 시나리오는 ‘요청 파편화, 트래픽 변동이 큼, 세밀한 자원 분할 능력 중시’라는 부하 특성에 대응해야 한다. 요청은 서로 다른 지역, 애플리케이션, 우선순위에서 올 수 있고, 트래픽은 하루 안에 수십 배 변동하며, 각 요청의 지연 민감도도 다르다. 이는 연산력 인프라가 더 강력한 탄력적 스케줄링 능력과 더 세밀한 자원 분할 입도를 가져야 함을 뜻한다. 예컨대 단일 GPU를 여러 가상 인스턴스로 나누어 서로 다른 에이전트 과업에 온디맨드로 할당하는 것이다.

인스퍼 수석 AI 전략 책임자 류쥔(刘军)은 2026 인공지능 컴퓨팅 콘퍼런스에서 이 분화를 두 가지 명확한 발전 차원으로 요약했다. 지능 최전선을 향한 ‘능력형 지능 연산’은 지능 상한 돌파를 지원하며 “지능은 궁극적으로 얼마나 강해질 수 있는가”에 답한다. 지능 보편화를 향한 ‘용량형 지능 연산’은 지능의 충분한 공급을 실현하며 “얼마나 낮은 비용으로 얼마나 많은 지능을 얻을 수 있는가”에 답한다. 둘은 서로 분리된 것이 아니라 ‘최전선 돌파—보편화와 실전—새로운 수요 발생—추가 돌파 추진’이라는 선순환을 형성한다.

류쥔은さらに 설명한다. 능력형 지능 연산의 핵심 지표는 ‘단일 클러스터 최대 연산 규모’와 ‘학습 효율’이며, 사용자는 주로 대형 대규모 모델 기업과 국가급 연구기관이다. 용량형 지능 연산의 핵심 지표는 ‘단위 토큰 비용’과 ‘추론 처리량’이며, 사용자는 모든 업종의 중소기업과 개발자에 이른다. 두 유형의 지능 연산 센터는 하드웨어 선정, 네트워크 아키텍처, 냉각 방식, 나아가 입지 선정에서도 크게 다르다. 능력형은 에너지가 풍부하고 기후가 서늘한 서부 허브에 배치되고, 용량형은 네트워크 지연을 낮추기 위해 사용자가 밀집한 동부 지역에 더 가깝다.

이 분화는 최근 연산력 임대 시장이 유난히 활발한 이유도 설명한다. 대부분 기업에 자체 용량형 지능 연산 센터를 건설하는 것은 가성비가 높지 않다. 하드웨어 반복이 너무 빠르고, 운영·유지보수가 너무 복잡하며, 수요 변동이 너무 크다. 연산력을 빌리고 토큰 단위로 지불하는 것이 더 합리적인 선택이 된다. 이것이 바로 ‘토큰 판매’ 모델이 떠오른 산업적 배경이다.

3. CPU가 연산력 핵심으로 복귀: 기가와트당 데이터센터 CPU 코어 수요 4배 급증

AI 에이전트가 가져오는 패러다임 전환은 AI 하드웨어 산업 체인 전체의 가치 배분 구도를 재편하고 있다. 지난 2년간 시장의 관심은 거의 전적으로 GPU에 집중됐고, NVIDIA의 시가총액 신화는 ‘GPU=AI’라는 일반적 인식을 만들었다. 그러나 AI가 ‘학습 주도’에서 ‘추론·에이전트 구동’으로 이동하면서 CPU는 GPU의 보조 역할에서 AI 시스템의 핵심 허브로 도약하고 있다. 이 변화는 반도체 업계의 권력 지도를 다시 쓰고 있다.

AMD CEO 리사 수는 2026년 1분기 실적 발표 콜에서 AI 인프라에서 CPU와 GPU 비율이 전통적 1 대 4~1 대 8에서 점차 1 대 1로 수렴하고, 에이전트 집중 배치 시나리오에서는 CPU 수가 GPU를 역전할 수도 있다고 명확히 지적했다. 그 배경 논리는 AI 에이전트의 복잡한 워크플로에서 GPU와 가속기 외에도 과업 스케줄링, 도구 실행, 오케스트레이션을 담당할 대량의 CPU가 필요하며, 오케스트레이션 단계만으로도 전체 시스템 지연의 50~90%를 차지할 수 있다는 것이다. 다시 말해 GPU는 ‘계산’을 맡고 CPU는 ‘관리’를 맡는다. ‘관리’ 작업량이 에이전트 복잡도와 함께 지수적으로 늘어나면 CPU의 전략적 가치는 자연히 높아진다.

ARM의 추산에 따르면 기가와트당 데이터센터에 필요한 CPU 코어 수는 약 3000만 개에서 1억 2000만 개로 급증해 증가율이 4배에 달한다. 모건 스탠리는 2030년까지 Agentic AI가 325억~600억 달러의 CPU 증분 시장을 가져오고, 이에 대응하는 전체 서버 CPU 시장 규모가 1000억 달러를 넘을 수 있다고 예측한다. 이 예측이 실현되면 서버 CPU 시장은 5년 안에 두 배로 커지고, 증분의 거의 전부가 AI 에이전트 관련 수요에서 나온다.

수급 불균형의 직접적 결과는 가격과 납기의 전면적 긴장이다. 인텔과 AMD의 서버 CPU 납기는 통상 1~2주에서 8~12주로 늘어났고, 인텔 일부 제품은 최장 6개월에 달한다. 인텔 CFO는 2026년 서버 CPU가 확실히 공급 부족에 빠지고 공급 압력이 2028년까지 이어질 수 있다고 예상한다. 서버 산업은 ‘수요가 성장을 결정한다’에서 ‘공급이 얼마나 납품할 수 있는지를 결정한다’로 이동하고 있으며, CPU는 GPU와 HBM에 이어 AI 연산력 확장의 새로운 병목이 되었다.

이 병목의 출현은 새로운 산업 기회도 낳는다. 한편으로 ARM 아키텍처 서버 CPU가 데이터센터 시장 침투를 가속하고 있으며, 높은 에너지 효율은 추론 시나리오에서 특히 두드러진다. 아마존 Graviton, 구글 Axion, 알리바바 이톈 710 등 자체 개발 ARM 칩 출하량이 계속 늘고 있다. 다른 한편으로 RISC-V 아키텍처도 AI 가속기와 엣지 추론 시나리오에서 두각을 나타내기 시작했고, 국산 칩에 x86과 ARM 라이선스 제한을 우회할 새로운 길을 제공한다. CPU 아키텍처의 다원화 경쟁은 AI 연산력 산업 체인에서 가장 활력 있는 변수 중 하나가 되고 있다.

4. ‘자원 판매’에서 ‘지능 생산’으로: 연산력 서비스 비즈니스 모델의 근본적 재구축

AI 에이전트가 가져오는 가장 깊은 변혁은 아마도 연산력 서비스의 비즈니스 모델이 근본적으로 재구축되고 있다는 점일 것이다. 과거 연산력 서비스의 핵심 논리는 ‘자원 판매’였다. GPU 카드 시간, 스토리지 용량, 네트워크 대역으로 과금하고 고객은 ‘날것의 연산력’을 사서 모델 배치, 성능 튜닝, 장애 대응 등을 스스로 해결해야 했다. 에이전트 시대에는 고객이 ‘바로 사용할 수 있는 지능’을 원하고, 토큰 단위로 지불하며 성과로 정산하는 ‘Intelligence as a Service’를 원한다.

판구 싱크탱크(盘古智库) 선임연구원 위펑후이(余丰慧)는 현재 연산력 서비스 업계에서 가장 두드러진 변화는 제공 모델이 ‘자원 판매’에서 ‘토큰 판매’로 이동하고, 경쟁 차원이 규모에서 효율로 이동하며, 업계 경쟁 지표가 ‘카드가 몇 장인가’에서 ‘와트당 토큰 생산 효율’로 바뀌었다고 지적한다. 소프트·하드 일체 최적화, 추론 엔진 튜닝, 피크 셰이빙과 밸리 필링의 지능형 스케줄링이 핵심 역량이 된다. 그는さらに 이 전환이 연산력 서비스 제공자의 역량 구조에 완전히 새로운 요구를 제기한다고 분석한다. 과거에는 자본력과 조달력이 비교됐다. 더 많은 GPU 카드를 확보하고 더 싼 전력 가격을 얻은 자가 우위에 섰다. 이제는 기술력과 운영력이 비교된다. 같은 하드웨어로 더 많은 유효 토큰을 생산하고, 추론 비용을 더 낮게 억제하며, 서비스 안정성을 보장할 수 있는 자가 고객을 얻는다.

황산의 이 전환에 대한 요약은 더 직접적이다. “AI 연산력을 측정하는 기준은 ‘토큰이 얼마인가’에서 ‘토큰이 얼마나 많은 가치를 창출했는가’로 점차 이동하고 있다.” 그는さらに 토큰의 비용 구조를 분해한다. 기초 건설이 약 4분의 1을 차지하고, 그중 전기료가 약 10%이며, 소프트·하드 협동이 토큰 비용의 50% 이상에 영향을 준다. 이는 토큰 생산 효율을 좌우하는 것이 칩 하드웨어만이 아니라 계산, 통신, 메모리 접근, 스토리지, 추론 최적화, 그리고 시스템 전체의 스케줄링 능력이라는 뜻이며, AI 연산력 경쟁이 단일 하드웨어 능력에서 시스템 능력으로 이동하고 있음을 의미한다. 그는 추론 엔진 최적화를 예로 든다. “같은 모델, 같은 하드웨어라도 깊이 최적화된 추론 엔진은 처리량을 3~5배 높여 토큰 비용을 60~80% 줄이는 것에 해당한다. 이는 더 비싼 카드를 사서 달성할 수 있는 것이 아니라 소프트웨어와 알고리즘의 힘으로 되는 것이다.”

수요 측의 지속적 방출은 이미 수주에 직접 반영되고 있다. 최근 상장사들이 대형 연산력 서비스 계약을 잇달아 체결했다. 병행과기(并行科技)의 완전 자회사가 고객과 체결한 GPU 연산력 서비스 계약의 세금 포함 총액은 19억 1300만 위안을 넘지 않는다. 캉후이제약(康惠制药)의 완전 자회사가 체결한 연산력 서비스 계약 총액은 약 17억 2000만 위안이며 계약 기간은 5년이다. 이 계약들의 공통 특징은 기간이 길고 금액이 크며 토큰 또는 연산력 서비스량을 가격 단위로 삼는다는 점이다. 이는 연산력 서비스가 ‘프로젝트제’에서 ‘구독제’로, ‘일회성 거래’에서 ‘장기 운영’으로 이동하고 있음을 보여준다.

동시에 온디바이스 AI가 토큰 비용을 낮추는 중요한 경로가 되고 있다. 지자오후이는 AI PC, 에이전트 호스트 등 로컬 신형 컴퓨팅 기기에 에이전트를 배치하고 중량급 과업만 클라우드 대규모 모델에 맡기면 기업의 토큰 소비를 80% 이상 줄일 수 있다는 생생한 비유를 제시했다. “이는 대부분의 시간에 식재료를 사서 집에서 요리하고 중요한 자리에서만 외식하는 것과 같다.” 관련 연구에 따르면 최신 로컬 배치 가능한 Qwen3.8 모델(파라미터 27B)의 능력은 최전선 클라우드 대규모 모델의 80~90%에 달해 온디바이스 AI의 실현 가능성이 현저히 높아지고 있다. 이는 미래 연산력 아키텍처가 ‘클라우드·엣지·디바이스 협업’의 계층 구조를 띨 것임을 의미한다. 디바이스 측은 고빈도·경량·프라이버시 민감 추론 과업을 처리하고, 클라우드는 저빈도·중량·대규모 병렬이 필요한 학습과 복잡 추론 과업을 처리하며, 엣지 노드는 중간의 스케줄링과 캐시 기능을 담당한다.

이 추세는 칩 산업에도 깊은 영향을 준다. 온디바이스 AI의 부상은 NPU, 저전력 CPU, 고대역 메모리 등의 수요 증가를 촉진하고, 클라우드 추론의 확대는 고효율 GPU, 맞춤형 ASIC, 고속 상호 연결 칩에 혜택을 준다. 연산력 칩 시장은 ‘GPU 독주’에서 ‘다양한 이기종 공존’ 구도로 이동할 것이다.

5. 연산력이 국가 전략 인프라로 도약, 도시 경쟁 논리가 근본적으로 변화

AI 에이전트의 대규모 작동이 가져오는 지속적이고 강성적인 연산력 수요는 연산력을 산업 개념에서 수리, 전력망, 철도와 같은 수준의 국가 전략 인프라로 끌어올리고 있다. ‘15차 5개년 계획’ 기간 연산망 건설에 대한 신규 직접 투자는 4조 위안에 달하며, 투자 규모는 수리 6조 위안, 전력망 5조 위안, 철도 4조 위안 등 전통적 중대 인프라에 필적하는 수준이다. 이 전략적 위상 정립은 연산력이 더 이상 기술 업계의 ‘내부 사안’이 아니라 국가 경쟁력, 산업 안전, 경제 명맥과 관련된 전방위적 의제임을 의미한다.

이 전략적 위상 변화는 도시 경쟁의 평가 체계에도 깊은 영향을 미쳤다. 2026년 중국 인공지능 컴퓨팅 파워 도시 순위에서 베이징, 항저우, 선전이 톱3에 올랐다. 주목할 점은 보고서가 처음으로 에이전트 응용 실전, 체화 지능(具身智能) 산업 배치, 대규모 모델 개발, 추론 연산력 인프라를 도시 AI 연산력 발전의 핵심 평가 지표로 포함했다는 것이다. 과거에는 도시의 AI 실력을 볼 때 ‘연산 센터를 얼마나 지었는가’를 봤다. 이제는 ‘연산력으로 무엇을 했는가’를 본다. 이 평가 체계의 전환은 본질적으로 ‘연산력의 유효성’에 대한 질문이다. 연산 센터를 지어도 아무도 쓰지 않는 경우와, 지어서 산업 고도화를 견인한 경우는 가치에 천지 차이가 있다.

세 선도 도시의 구도 차이는 정확히 세 가지 다른 발전 경로에 대응한다. 베이징은 ‘전 체인형’으로 공급 측과 수요 측 모두 완전한 산업 체인을 갖췄다. 한무기(寒武纪), 무어 스레즈(摩尔线程) 같은 칩 기업, 바이두, 바이트댄스 같은 대규모 모델·애플리케이션 대기업, 중국과학원, 칭화대 같은 최고 연구기관이 있어 기초 연구부터 산업 응용까지 완전한 폐루프를 형성한다. 항저우는 ‘시나리오 구동형’으로 AI 혁신 기업 클러스터와 인터넷 산업 기반에 체화 지능 등 최전선 분야 투자가 겹친다. 알리바바 클라우드, 즈장랩, 위수테크 등이 클라우드 컴퓨팅부터 로봇 제조까지 다양한 생태계를 구성하며, 응용 시나리오의 풍부함이 핵심 경쟁력이다. 선전은 ‘제조 기반형’으로 AI 서버와 연산력 칩 제조 기지라는 정체성이 에이전트 폭발의 창구 시기에 직접적 우위로 전환되고 있다. 화웨이 승텅, 텐센트, 비야디 등 기업이 칩, 클라우드 서비스, 지능형 단말等领域에서 시너지를 형성하고, 하드웨어 제조 능력과 공급망 효율이 독특한 자산이다. 세 경로에 우열은 없지만 공통적으로 하나의 추세를 드러낸다. 단일 지점의 우위만으로는 더 이상 충분하지 않으며, 진정한 경쟁은 ‘공급—시나리오—산업’의 폐루프 효율에서 일어난다.

더 거시적 관점에서 보면 연산력 인프라의 전략화는 새로운 거버넌스 과제도 가져온다. 중복 건설을 어떻게 피할 것인가, 지역 간 스케줄링을 어떻게 촉진할 것인가, 에너지 공급을 어떻게 보장할 것인가, 데이터 보안과 유통 효율을 어떻게 균형 잡을 것인가. 이는 시급히 해결해야 할 과제다. 전국 일체형 연산망 모니터링·스케줄링 시험 검증 플랫폼의 가동은 바로 이 일련의 과제에 대한 제도적 대응이다. 미래에 연산력은 전력처럼 ‘통합 스케줄링, 구역별 가격 설정, 지역 간 거래’의 운영 모델을 채택할 가능성이 높고, 이 모델의 제도 설계는 중국 디지털 경제의 공간 구도에 깊은 영향을 미칠 것이다.

결어

‘연산력을 제공한다’에서 ‘지능을 생산한다’로. 이 일곱 글자의 전환은 AI 에이전트 시대 연산력 산업의 가장 핵심적인 패러다임 혁명을 응축한다. 류쥔이 말한 것처럼 Agent 시대의 AI 컴퓨팅 경쟁은 단일 하드웨어 성능 비교에서 풀스택 시스템 능력과 산업 생태계의 경쟁으로 이동했다. “과거 고객이 연산력을 살 때는 모델 배치와 성능 튜닝을 스스로 해결해야 했다. 이제 고객이 원하는 것은 바로 사용할 수 있는 지능이며, 지속적이고 안정적인 토큰 공급이다.”

이 변혁의 깊은 의미는 연산력 산업의 가치 사슬을 재정의한다는 데 있다. 칩은 더 이상 종점이 아니라 출발점이고, 연산 센터는 더 이상 목적이 아니라 수단이며, 진정한 가치는 연산력을 지능으로 바꾸고 다시 지능을 생산력으로 바꾸는 데 있다. AI 에이전트가 대화 도구에서 생산 실천으로 이동하고, 연산력이 물과 전기처럼 규모 생산 가능한 생산 요소가 될 때, 이 변혁의 의의는 연산력 산업 자체를 훨씬 넘어 모든 업종의 운영 방식과 경쟁 구도를 깊이 재구축할 것이다. 기업에게 문제는 더 이상 ‘AI를 쓸 것인가’가 아니라 ‘어떻게 최저 비용으로 최고 품질의 지능을 얻을 것인가’이다. 도시에게 문제는 더 이상 ‘연산 센터를 지을 것인가’가 아니라 ‘어떻게 연산력을 진정으로 산업 고도화에 활용할 것인가’이다. 국가에게 문제는 더 이상 ‘연산력을 발전시킬 것인가’가 아니라 ‘세계 연산력 경쟁에서 지속 가능한 자주적 우위를 어떻게 구축할 것인가’이다. 이 질문들에 대한 답이 향후 10년 디지털 경제의 지도를 결정할 것이다.