[본 서의 서평]
2022년 11월 OpenAI의 ChatGPT출시 이후 엄청난 속도로 생성형 AI산업이 전방위적으로 확장되고 있으며, 생성형 AI의 기능, 한계, 그에 대한 대책 등 다양한 분석이 이어지고 있다. 생성형 AI도입이 초기 단계인 만큼, 사례가 제한적인 점, 그리고 적용사례의 성공여부가 아직 판명되지 않은 점 등 제약적인 상황이지만 기업들이 어떻게 대응하고 있는지를 소개함으로써 지평을 넓혀가고자 한다. 챗GPT 출시 이후 생성형 AI 서비스가 쏟아지는 가운데 인공지능이 챗봇을 넘어 기차표를 예매하고 레스토랑을 예약해 주는 ‘AI 에이전트(AI Agent)’시대가 도래하고 있다.
생성형 AI 기술을 활용해 답변을 생성하는 데서 발전된 AI 에이전트는 필요할 때 직접 여러 개 응용프로그래밍 인터페이스(API)를 호출, 도구로 활용하여 복잡한 작업을 수행한다. 또한 대규모 언어 모델과 같은 고성능 판단 기능을 활용하여 도구의 통합 및 활용, 개별 도구와의 상호작용을 최적화하여 스스로 판단하여 빠르게 정확한 결정을 진행한다. 이 외에도 과업을 완수하기 위해, 필요한 도구와의 연속적인 상호작용을 반복하며 다양한 사용자 요구를 충족시키고 복잡한 문제를 해결한다. 시장조사기관 Grand View Research에 따르면, 글로벌 자율 AI 및 에이전트 시장은 2023년 58억 2,000만 달러에서 연평균 성장률(CAGR) 42.8%를 기록하며 2030년 705억 3,000만 달러를 넘어설 전망이다.
이에 맞서, AI 업계에서 절대로 무시하지 말아야 할 국가는 단연 중국이다. 중국은 AI를 개발할 때 필요한 요소인, "전력과 반도체, 그리고 대규모 병렬 엔지니어링"에 있어서 세계 최강국 중 하나다.(참고로 중국은 말레이시아를 거쳐 싱가포르, 대만, 홍콩, 본토의 루트로 H100과 같은 최첨단 GPU를 우회수입하며 제재를 회피해옴) 반면, 그들이 미국 등 서방 국가에 뒤떨어져 있는 것이 바로 "알고리즘"인데 이런 비밀 소스가 중국에게 알려지지 않게 보안을 철저히 하자는 것이 레오폴드 아센브레너의 말이었다. 그러나 우려하던 일이 발생했다. 그것도 예상보다 훨씬 빨리 발생했다. 중국에서 OpenAI의 o1 모델에 대항한 정말 대단한 경쟁자가 등장한 것이다. DeepSeek AI라는 회사에서 내놓은 "DeepSeek R1-Light preview"라는 모델이다. OpenAI의 방식을 어떻게 모방한 것인지는 알려지지 않았으나 적어도, 많은 숫자의 GPU가 활용된 것으로 파악된다. SemiAnalysis의 편집장 Dylan Patel은 이 업체가 엔비디아 Hopper GPU를 5만 개 넘게 보유하고 있다고 단정 지으면서, 중국 업체들이 적은 숫자의 GPU로만 모델을 개발하고 있다고 생각하지 말라고 당부했다.
이러한, 중국 기업들의 약진으로 미중 AI 기술 격차는 1년 이내로 축소된 것으로 추정, 트럼프 정부 출범 후 G2 기술 경쟁은 더욱 가속화될 전망이다. 현재, 구글･메타･MS･오픈AI･아마존 등 글로벌 빅테크 기업은 AI 에이전트 기술 개발 및 활용을 가속화 하고 있다. 한편 첨단 AI 산업이 제약적인 상황이지만, 기업들과 국가간 어떻게 대응하고 있는지를 소개함으로써 AI의 도입을 검토하고 있는 후발주자들에게 방향성을 제공하고자 한다.
이에 따라 본원 IPResearch센터에서는 AI산업에 대한 글로벌 국가들의 전략과 주요 빅테크 동향에 관한 관련 국책민간 분석 보고서 자료와 정책 자료를 토대로 분석정리하여 『AI Agent와 DeepSeek 미·중 충돌 글로벌 주요 이슈와 빅테크 기업의 주요 동향과 주요국 R&D 전략』을 발간하게 되었다.
본서 1장에는 생성형 AI 생태계 구조와 연관 산업 현황을 서두에 놓았고, 2장엔 그에 따른 국내외 AI 에이전트(AI Agent) 동향과 현황 및 사례를, 3장은 이에 맞서는 딥시크(DeepSeek)의 등장과 관련 주요 이슈를 중점적으로 다루었고, 마지막 4장에서는 글로벌 빅테크 기업의 AI 투자 동향과 주요국 R&D 전략 및 AI 규제 동향으로 마침표를 찍었다. 마지막으로 이와 관련된 기업과 개인 회원 여러분들에게 다소나마 유용한 정보자료로 활용되기를 바라는 바입니다.
"AI Agent와 DeepSeek 미·중 충돌 글로벌 주요 이슈와 빅테크 기업의 주요 동향과 주요국 R&D 전략"
페이지 538p / ISBN 979-11-89250-21-8 (93500) / 판형 A4, 210*297mm
발간일 2025년 4월 16일
* 4월 16(수)일부터 배송가능
[목차]
제Ⅰ장 생성형 AI 생태계 구조와 연관 산업 현황
1. 국내·외 생성형 AI의 시장 구조 및 현황
1) AI와 생성형 AI
(1) AI의 개념
(2) AI의 발전 단계
(3) 생성형 AI의 개념과 의의
(4) 생성형 AI의 유형
2) 생성형 AI의 구축과 실행
(1) 구축·실행 제반 과정
(2) 생성형 AI의 가치사슬 현황
가. AI 반도체
나. 클라우드 컴퓨팅
다. 데이터
라. 전문인력
마. 기반모델
바. AI 서비스
3) 국내 생성형 AI의 시장구조 및 현황
(1) 가치사슬 관련 시장 구조
(2) 시장 경쟁상황 분석
가. AI 반도체
ⅰ. 시장 상황
ⅱ. 경쟁상황 평가
나. 클라우드 컴퓨팅
ⅰ. 시장 상황
ⅱ. 경쟁상황 평가
다. 기반모델
ⅰ. 시장 상황
ⅱ. 경쟁상황 평가
라. AI 서비스
ⅰ. 시장상황
ⅱ. 경쟁상황 평가
4) 생성형 AI의 비즈니스 모델 동향
(1) 동향 개요
(2) 생성형 AI의 기술 스택
(3) 소비자와 기업의 생성형 AI 활용사례
(4) 생성형 AI의 상업성과 시장경쟁 구도
(5) 생성형 AI 도입 및 상업화 전략
2. 생성형 AI 생태계 시장 전망과 AI 활용 현황
1) 생성형 AI 생태계 구조(공급자 측면)
(1) 생성형 AI 산업의 이해
(2) 생성형 AI 생태계 구조(비즈니스 모델 구조)
(3) 생성형 AI 산업의 공급자 구성
(4) 생성형 AI 공급 기업에 대한 투자 현황
(5) Open AI(AI모델)의 비즈니스 모델 사례
2) 생성형 AI 시장 전망 및 도입 현황(수요자 측면)
(1) 생성형 AI 활용 시장 전망
(2) 생성형 AI의 비즈니스 도입 현황
3) 산업별 비즈니스 AI 활용 현황
(1) 금융
가. 금융 AI의 발전 전략
ⅰ. 생성형 AI
ⅱ. 생성형 AI를 통한 AICC의 진화
ⅲ. AI를 통한 데이터 기반 강화
ⅳ. AI 인프라
ⅴ. 생성형 AI 연계를 통한 혁신적 ERP 구축
ⅵ. 경영관리 디지털라이제이션: AI 기반 PDS 고도화
ⅶ. 안전하고 신뢰할 수 있는 지속 가능한 AI 구축
나. 금융 비즈니스 AI 활용 현황
다. 금융 해외 기업 AI 적용 사례
라. 금융 선도기업(JP Morgan) 비즈니스 모델
마. 국내 기업 AI 적용 사례
바. 국내 금융업 AI 기술 기업/스타트업
(2) 헬스케어
가. 비즈니스 AI 활용 현황
나. 해외 기업 AI 적용 사례(제약사)
다. 선도기업(Roche Holding) 비즈니스 모델
라. 해외 헬스케어 AI 기술 기업/스타트업
마. 국내 기업 AI 적용 사례
바. 국내 헬스케어 AI 기술 기업/스타트업
(3) 제조
가. 비즈니스 AI 활용 현황
나. 제조(자동차) 비즈니스 AI 활용 현황
다. 제조(자동차) 해외 기업 AI 적용 사례
라. 제조(자동차) 국내 기업 AI 적용 사례
마. 제조(화학) 비즈니스 AI 활용 현황
바. 제조(화학) 해외 기업 AI 적용 사례
사. 제조(화학) 선도기업(BASF) 비즈니스 모델
아. 제조(화학) 국내 기업 AI 적용 사례
자. 해외 제조업 AI 기술 기업/스타트업
차. 국내 제조업 AI 기술 기업/스타트업
(4) 농업
가. 비즈니스 AI 활용 현황
나. 국내 농업 분야 AI·빅데이터 활용 사례
다. 해외 농업 AI 기술 기업/스타트업
라. 국내 농업 AI 기술 기업/스타트업
(5) 물류
가. 비즈니스 AI 활용 현황
나. 해외 기업 AI 적용 사례
다. 선도기업(DHL) 비즈니스 모델
라. 해외 물류 AI 기술 기업/스타트업
마. 국내 기업 AI 적용 사례
바. 국내 물류 AI 기술 기업/스타트업
(6) 관광
가. 비즈니스 AI 활용 현황
나. 해외 기업 AI 적용 사례
다. 해외 관광 AI 기술 기업/스타트업
라. 국내 기업 AI 적용 사례
마. 국내 관광 AI 기술 기업/스타트업
바. 정부기관(농촌진흥청, 농림축산식품부) 주도 비즈니스 사례
(7) 화장품
가. 비즈니스 AI 활용 현황 및 국내외 사례
(8) 미디어
가. 비즈니스 AI 활용 현황 및 국내외 사례
(9) 법률
가. 비즈니스 AI 활용 현황 및 국내외 사례
3. 생성형 AI 산업에서의 경쟁·소비자 쟁점 및 과제
1) 시장경쟁에 영향을 미치는 구조적 요인
(1) 자본·기술 집약적 산업에 따른 진입장벽
(2) 규모의 경제, 범위의 경제 등에 따른 대규모 사업자의 우위
(3) 시장 선점 효과에 따른 선도적 사업자의 우위
2) 경쟁 저해 및 소비자이익 저해 우려
(1) 단독행위
가. 필수 요소에 대한 접근 제한
나. 결합 판매
다. 고객 유인 및 고객의 이탈 방지
라. 기술 부당 이용
마. 인력의 유인·채용
(2) 기업결합
(3) 소비자 이익 저해
3) 시사점
제Ⅱ장 국내·외 AI 에이전트(AI Agent) 동향과 현황 및 사례
1. AI 에이전트(AI Agent) 정의 및 현황
1) AI 에이전트의 정의
2) AI 에이전트의 부상 배경
3) AI 에이전트의 주요 특징
4) 2025년 핵심 기술트렌드: AI 에이전트
5) AI 활용 패러다임 변화: 기존 AI와의 차별성
6) AI 에이전트 기술 발전과 주요 트렌드
7) AI 에이전트 개발 동향과 시장 전망
(1) AI 에이전트 개념 및 개발 동향
(2) AI 에이전트 시장 전망
2. 온디바이스 AI 기술 동향 및 발전 방향
1) 온디바이스 AI 개념
(1) 개념 정의
(2) 온디바이스 AI 발전 과정
가. 배경
나. AI 기술 트렌드 변화
다. AI 서비스 종류
ⅰ. 클라우드(Cloud) 기반 AI
ⅱ. 엣지(Edge) AI
ⅲ. 온디바이스(On-device) AI
(3) 등장 배경
(4) 주요 특징
가. 디바이스 내 자체 AI 연산 가능
ⅰ. 네트워크 환경에 독립적인 고신뢰성 실시간 서비스 제공
ⅱ. 개인정보 유출 위험 최소화를 통한 사용자 만족도 및 서비스 비용 절감
ⅲ. 서버 의존성 탈피로 인한 경제적인 AI 서비스 제공
나. 고수준의 하드웨어 및 소프트웨어 기술
ⅰ. NPU 기반 하드웨어 구성 및 활용을 위한 다양한 애로사항 존재
ⅱ. AI 모델 경량화를 통해 정확도와 효율성 간 최적화 필요
2) 온디바이스 AI 산업 현황
(1) 해외
가. 퀄컴(Qualcomm)
ⅰ. 퀄컴 AIMET(AI Model Efficiency Toolkit)
ⅱ. 퀄컴 AI 허브(AI Hub)
나. 애플(Apple)
ⅰ. Apple Core ML
ⅱ. Apple OpenELM(Open-source Efficient Language Models)
ⅲ. Apple Ferret
다. 구글(Google)
ⅰ. Google sLM ‘젬마(Gemma)’
ⅱ. 구글 텐서 G3(Google Tensor G3)
(2) 국내
가. 삼성전자
ⅰ. 모바일(AI폰, Galaxy AI)
ⅱ. TV
나. 하이퍼커넥트
다. 인텔리콘 연구소
라. 노타
마. 업스테이지
3) 온디바이스 AI 시장 동향
(1) 글로벌 시장 동향
가. 온디바이스 AI 시장 규모
나. 언어 모델 시장 규모
다. 스마트폰과 웨어러블 기기 글로벌 AI 시장 규모
라. 자동차용 인공지능 시장 규모
마. AI 반도체 산업
(2) 국가별 정책 동향
4) 온디바이스 AI 관련 기술 동향
(1) 기술 개요
가. 하드웨어 분야
나. 소프트웨어 분야
ⅰ. 소형 AI 모델
ⅱ. 온디바이스 AI 소프트웨어 기술 분류
ⅲ. 대형 AI 모델과 소형 AI 모델 비교
ⅳ. 주요 소형 언어 모델(Small Language Models)
(2) 하드웨어 기술
가. 해외
나. 국내
(3) 소프트웨어 기술
가. 해외
나. 국내
(4) 생성형 AI 기술
가. 해외
나. 국내
(5) 활용 서비스 사례
5) 온디바이스 AI 활용 분야
(1) 실시간 통·번역서비스
가. 삼성 갤럭시 S24
나. 삼성 갤럭시 버즈
다. 코난테크놀로지
(2) CCTV
가. 소니드로보틱스 ‘클라우드 프리 온디바이스 비전 AI’
(3) 자율비행 드론
가. 니어스랩
(4) IPTV·셋톱박스
가. LG 유플러스
나. SK브로드밴드
다. KT
(5) 모빌리티
가. 폭스바겐
나. 벤츠
다. BMW
라. 인텔
6) 온디바이스 AI 정책 동향과 향후 전망
(1) 정책 동향과 시사점
가. 정책 동향
나. 정책 시사점
ⅰ. 온디바이스 AI 시장 생태계 확장 필요성
ⅱ. 중소기업의 온디바이스 AI 시장 진입을 위한 맞춤형 정책 지원 필요성
(2) 향후 전망
가. 시장
나. 업계
ⅰ. 미래 산업으로의 전환을 위해 전 산업에서의 AI분야 M&A
ⅱ. AI 관련 핵심 인재 확보를 위한 빅테크 기업 간 경쟁 심화
다. 기술·서비스
ⅰ. 킬러 서비스 확보 경쟁 심화 예상
ⅱ. AI 모델의 점진적 업데이트 필요성
3. 국내·외 AI 에이전트 주요 동향과 사례
1) 글로벌 기업 AI 에이전트 현황과 주요 사례
(1) Anthropic
(2) 팔란티어(Palantir)
가. 팔란티어의 핵심 기술
ⅰ. 고담(Gotham)
ⅱ. 파운드리(Foundry)
ⅲ. 아폴로(Apollo)
나. 팔란티어의 시장 평가
다. 전문가들의 우려와 전망
라. 팔란티어의 미래 전망
(3) Salesforce
가. Agentforce 소개
나. 세일즈포스 플랫폼 혁신
ⅰ. 데이터
ⅱ. AI
ⅲ. 자동화
다. 바로 활용 가능한 에이전트
ⅰ. 서비스 에이전트
ⅱ. 영업 개발 담당자(SDR)
ⅲ. 세일즈 코치
ⅳ. 판매자
ⅴ. 바이어
ⅵ. 퍼스널 쇼퍼
ⅶ. 캠페인 최적화 도구
ⅷ. 에이전트포스(아인슈타인 코파일럿)
라. 에이전트를 신속하게 맞춤화하고 배포하기
ⅰ. 에이전트 빌더
ⅱ. 모델 빌더
ⅲ. 프롬프터 빌더
마. 기능/기술
바. 수익 모델
사. 최신 동향
아. 에이전트포스 파트너 네트워크
(4) Microsoft
가. 개요
나. 기능/기술
다. 수익 모델
라. 최신 동향
(5) Google
가. 개요
나. 기능/기술
ⅰ. Google Assistant
ⅱ. Dialogflow
ⅲ. Google Duplex
다. 수익 모델
라. 최신 동향
ⅰ. 구글의 3D 생성 AI모델 Genie2
ⅱ. 구글 Veo 2 공개
ⅲ. Gemini 2.0 API 공개
ⅳ. 구글, 단일 GPU에서 구동 가능한 오픈소스 모델 Gemma 3 출시
(6) Apple
가. 개요
나. 기능/기술
다. 수익 모델
라. 최신 동향
(7) Meta
가. 개요
나. 기능/기술
다. 수익 모델
라. 최신 동향
ⅰ. 라마 2(Llama 2) 출시
ⅱ. Llama 3 출시: AI 전쟁의 서막(메타 라마 시리즈, 2024 LLMs)
ⅲ. 라마 3와 함께 주목할 LLMs
(8) AWS(Amazon Web Services)
가. 개요
나. 기능/기술
다. 수익 모델
라. 최신 동향
ⅰ. Amazon Q Developer가 개발자 경험을 간소화하기 위해 인라인 채팅 지원 기능 발표
ⅱ. 아마존의 AI 쇼핑 어시스턴트
ⅲ. 업계 최고 가성비 파운데이션 모델 Amazon Nova 공개
2) AI 에이전트 관련 주요 기업 동향
(1) OpenAI社
가. 개요
나. AI 에이전트 관련 최신 동향
ⅰ. 비디오 생성 AI모델 Sora
ⅱ. 일론 머스크 vs 샘 알트만, AI를 둘러싼 대립
ⅲ. openAI의 GPT-4o-mini 공개
ⅳ. openAI의 GPT-4o 파인튜닝 기능 출시
ⅴ. 오픈AI, 고난이도 추론을 위한 새로운 모델 o1 발표
ⅵ. 오픈AI 공정성 실험
ⅶ. 꼬리질문 가능한 챗GPT 검색 공식 출시
ⅷ. AI가 여는 컴퓨터 제어의 새 시대, OpenAI Operator
ⅸ. 구독료별 차등 제공하는 ‘GPT-5’ 로드맵 발표
ⅹ. 웹 탐색하는 ‘딥 리서치’ 수준의 오픈소스 AI 등장
ⅺ. OpenAI, 환각현상 줄인 GPT-4.5 공개
(2) NVIDIA
가. 개요
나. AI 에이전트 관련 최신 동향
ⅰ. CES 2025, 엔비디아 젠슨 황의 미래 기술 Insight
ⅱ. 엔비디아 GTC 2025로 본 엔비디아의 미래
3) 국내 기업 AI 에이전트 현황
(1) LG전자
(2) 카카오
(3) SK텔레콤
(4) 퓨리오사AI(Furiosa AI)
가. 퓨리오사AI의 핵심 목표
나. AI 반도체 글로벌 경쟁 심화
다. 퓨리오사AI 주요 제품
ⅰ. 1세대 AI 반도체: Warboy
ⅱ. 2세대 AI 반도체: Renegade
라. 퓨리오사AI의 생존 전략
마. 글로벌 AI 반도체 시장에서의 위치
바. 퓨리오사AI의 미래
사. 퓨리오사AI의 전망과 의의
4) AI Agent Shift 2025
(1) AI Agent 정의와 서막
가. Autonomous AI: 스스로 의사 결정하는 AI
나. Large Action Model: 직접 행동하는 AI
(2) AI Agent vs. Agentic AI 비교 및 활용 동향
가. AI Agent
나. Agentic AI
다. AI Agent VS Agentic AI
라. AI Agent와 Agentic AI의 현재와 미래
(3) AI Agent 구현 주요 프레임워크와 라이브러리
가. CrewAI
나. LangGraph
ⅰ. 개요
ⅱ. LangGraph(랭그래프)의 핵심 활용 분야
ⅲ. LangGraph(랭그래프) 혁신적 특징
ⅳ. LangGraph Studio(랭그래프 스튜디오): 직관적인 개발 환경
ⅴ. LangFlow와의 시너지
다. Swarm
라. SmolAgents
(4) AI 에이전트와 암호화자산 크립토 활용
가. The Propagation of Agents Across Sectors
나. 메타버스 속 에이전트
다. DeFAI의 성장
ⅰ. DeFAI의 궤적: DeFi의 진화로부터 얻은 교훈
ⅱ. 생태계 구축: 경로, 도구, 혁신
라. AI 에이전트와 게임
마. 온체인 및 오픈 소스: 잠재적 리스크
바. 분산형 물리적 인공 지능 네트워크(DePAIN)
(5) 2025년 AI 중국의 굴기
5) AI 에이전트 관련 이슈 및 전망
(1) 주요 이슈
가. 기술적 문제-데이터 편향과 정확성 문제
나. 사회적 영향-일자리 대체와 경제적 불평등
다. 윤리적 이슈-개인정보 침해와 데이터 보안 문제
라. 법적 이슈-법적 규제와 책임 소재 문제
(2) 정책적 제언
가. 글로벌 국가 경쟁력 확보를 위한 AI 에이전트 기술 생태계 지원 방안 마련
나. AI 에이전트 개발을 위한 정책·제도적 기반 구축을 강화하여 AI 주권 확립
(3) 향후 전망
제Ⅲ장 딥시크(DeepSeek)의 등장과 관련 주요 이슈
1. 중국의 인공지능(AI) 산업 발전/정책 전략 현황과 변화 방향
1) 中 인공지능(AI) 산업 발전 현황
(1) 중국 AI 산업 정책 변화
(2) 중국 AI 시장 현황
(3) 중국 AI 분야별 발전 현황
가. 자율주행기술
나. 보안기술
다. 생성형 AI
2) 中 인공지능(AI) 정책 전략 현황과 변화 방향
(1) 중국의 인공지능(AI) 경쟁력 강화 정책
가. 정부의 전폭적 지원과 성장
ⅰ. 국가 전략으로 AI 본격 추진, ‘AI·로봇 개발’ 집중
ⅱ. 중국 선전시와 화웨이의 ‘신체화 AI(Embodied AI)’ 추진
나. 새로운 정책 방향 제시
ⅰ. 혁신을 근본으로 하는 '새로운 질의 생산력' 천명
ⅱ. ‘현대적 산업시스템 구축과 새로운 질의 생산력 발전 가속화’를 위한 구체화 방안
(2) 중국의 인공지능(AI) 정책 기조와 주요 변화
가. AI 응용 확대
나. 중국 AI의 경쟁력
ⅰ. 3가지 특징
ⅱ. 4가지 강점
ⅲ. 7가지 발전 요인
다. 중국 「생성AI 서비스 이용 잠정 법안」 주요 내용
(3) 중국의 인공지능(AI) 발전 가능성과 한계
가. AI와 비즈니스 변화
나. 중국 AI 발전·성장의 딜레마
2. 미국의 인공지능(AI) 정책 전략 현황과 변화 방향
1) 미국의 인공지능(AI) 정책 기조와 주요 변화
(1) 미 행정부의 변화
(2) 미 연방의회의 초당적 노력
(3) 미 연방거래위원회(FTC) 의지
(4) 미 AI 빅테크 기업의 협력
(5) 미 정부의 AI 전망
2) 그동안의 AI 정책 추진 노력과 주요 내용
(1) 대통령의 강력한 의지와 주도하에 AI 정책 추진 가속화
가. 오바마 행정부
나. 트럼프 1기 행정부
(2) AI 이용에서 안전·안심·신뢰·책임을 강조한 바이든 행정부
3) 바이든 행정부 ‘AI 행정명령’의 주요 의미와 대책
(1) 행정부 주도 AI 이용을 위한 포괄적 룰 제시
(2) 바이든 대통령의 AI 행정명령 이후 추진한 주요 대책 발표
(3) AI 행정명령 이후 180일간의 주요 성과
가. 안전성과 보안에 대한 위험 관리
나. 노동자·소비자·시민의 평등권을 위한 노력
다. AI를 공공의 선을 위해 활용
라. 정부의 AI 인재 채용
4) 트럼프 정부의 글로벌 AI 패러다임 변화와 대응 전략
(1) 개요
(2) 기술 및 산업동향
(3) 정책 동향
(4) 트럼프 정부의 시사점
가. 트럼프 행정부의 혁신 가속 중심의 AI 정책과 대중 견제 강화에 대한 대응방안 마련 필요.350
나. 딥시크의 부상과 오픈소스 AI 모델 확산에 따른 새로운 AI 생태계 대응 전략 수립 필요
3. 딥시크(DeepSeek) 출시로 인한 새로운 AI 경쟁 비교 현황
1) 딥시크(DeepSeek)의 등장과 영향
(1) DeepSeek의 설립
(2) 딥시크의 등장 배경
(3) DeepSeek의 혁신과 성장(DeepSeek-R1 출시)
가. 혁신을 통한 급성장
나. 젊은 인재의 확보
다. 돌파형 기술 혁신
ⅰ. MLA(Multi-head Latent Attention) 혁신
ⅱ. 전문가 혼합(MoE, Mixture of Experts) 혁신
ⅲ. 강화학습 기반의 혁신
(4) DeepSeek의 미래 전략
2) 딥시크 모델의 기술적 특징
(1) V3 모델–R1 모델 개발을 위한 기초 모델(base model)
(2) DeepSeek-R1–추론(Reasoning)
가. R1-Zero 모델 개발
나. R1 모델로의 발전
다. R1 모델 연구의 중요한 발견
ⅰ. 강화학습 과정에서 R1-Zero 모델이 ‘aha 모멘트(아하 순간)’를 통해 문제 해결 방법을 탐색
ⅱ. 강화학습 과정에서 언어 일관성을 높이면 모델 성능이 감소
(3) 지식 증류(Distillation)
(4) 콜드스타트(Cold Start) 및 다단계 학습(multi-stage training)을 활용한 강화학습
가. 연구 문제
나. 해결 방안
다. 콜드스타트 방법
라. 콜드스타트 활용의 장점
3) 기존 AI 모델과의 비교 현황
(1) 오픈AI GPT-4 등 타사 모델과의 비교
(2) 기술적 강점과 한계
가. 강점
나. 한계
(3) 딥시크 R1 모델 공개와 글로벌 시장 충격
가. 중국 딥시크 R1 공개와 충격
ⅰ. DeepSeek Shock
ⅱ. DeepSeek R1 공개, 경쟁 AI 시대 개막
ⅲ. DeepSeek의 경제성
ⅳ. DeepSeek의 성공요인
ⅴ. 중국 정부의 지원 가능성
ⅵ. 앤트로픽 CEO의 Bitter Lesson
ⅶ. DeepSeek의 혁신을 빠르게 흡수하는 미국 기업들
ⅷ. 지정학적 DeepSeek 쇼크의 의미
나. 미국의 기술·시장 선점
ⅰ. 미국 기술 기업의 우위
ⅱ. 사전학습 스케일링의 시대로부터 새로운 패러다임의 태동
ⅲ. OpenAI의 성장성
ⅳ. Deep Research
다. DeepSeek와 GPU
ⅰ. 저비용 고효율 AI가 가져올 GPU 수요 증가(제본스의 역설)
ⅱ. 사례로 생각해보는 제본스 역설
ⅲ. R1의 숨겨진 진실-GPU 수요와 중국의 전략적 침묵
ⅳ. AI 추론 시대의 가속화될 GPU 수요
ⅴ. 중국에서 촉발된 AI 패권 경쟁
ⅵ. 미국의 새로운 AI 칩 규제: GPU 밀수와 우회 수입 차단을 위한 3등급 전략
ⅶ. 엔비디아의 미래: CUDA 생태계 우위와 전략적 피벗
라. Beyond GPU
ⅰ. AGI를 향한 레이스
ⅱ. Stargate 프로젝트와 AI 패권 경쟁
ⅲ. AI 효율화의 수혜자
ⅳ. 하이퍼스케일러들의 2025년 자본지출 청사진
마. Tencent AI의 추론 모델 조명
4. 딥시크(Deepseek) 이전과 이후 AI 부문별 산업 동향과 주요 이슈 및 글로벌 영향과 전망
1) AI 부문별 산업 동향
(1) 정책/법제 동향
가. 미국 상무부, AI 칩과 모델의 수출 통제를 전 세계로 확대하는 규정 발표
나. 미국 트럼프 대통령, AI 인프라 프로젝트 및 AI 행정명령 발표
ⅰ. 오픈AI·소프트뱅크·오라클이 합작사 ‘스타게이트’ 설립해 AI 인프라 투자 진행
ⅱ. 트럼프 대통령, 바이든 전 대통령의 AI 행정명령 철회하고 새로운 AI 행정명령 발표
다. 미국 AI안전연구소, 기반모델 오용 위험관리 지침 2차 초안 발간
ⅰ. AI안전연구소, 이중용도 기반모델 오용 위험관리 지침 2차 초안 발간 및 의견수렴 진행
ⅱ. 2차 초안, 각계의 피드백을 반영해 모델 평가 모범 사례 상세화 등 내용 업데이트
라. 영국 과학혁신기술부, AI 경쟁력 강화를 위한 AI 기회 행동계획 발표
ⅰ. AI 활성화 기반 마련
ⅱ. 공공 부문의 AI 도입 확대
ⅲ. 영국의 AI 주권 확보
(2) 기업/산업 동향
가. MIT 테크놀로지 리뷰, 2025년 AI 트렌드 전망
ⅰ. 생성 AI 기반의 가상 세계
ⅱ. 추론형 AI 모델
ⅲ. 과학 분야의 AI 열풍
ⅳ. AI 기업들의 국가안보 참여 확대
ⅴ. 엔비디아의 지배력 약화
나. 엔비디아, CEO 2025에서 피지컬 AI 시대 예고하며 AI 신제품 대거 공개
다. 오픈AI
ⅰ. 트럼프 행정부에 AI 산업에 대한 정책 지원과 규제 개선 및 인프라 투자를 요구
ⅱ. 생명공학 스타트업과 협력해 수명 연장 목표 연구를 위한 GPT-4b micro AI 모델 개발
라. 딥시크
ⅰ. 딥시크 R1 시리즈, 오픈AI o1과 동일한 성능에 오픈소스로 공개
ⅱ. 딥시크 R1 출시로 인한 AI 시장의 충격과 함께 보안 우려도 대두
마. 지상파 방송 3사, 네이버에 뉴스데이터 저작권 침해 소송 제기
(3) 기술/연구 동향
가. 니케이 분석 결과, 세계 3대 AI 학회 채택 논문 저자 수에서 중국과 미국의 격차 감소
ⅰ. 세계 3대 AI 학회 채택 논문 수 상위 10개 기관 중 미국이 6개, 중국이 4개로 확인
ⅱ. 중국 정부의 정책적 지원으로 미국과 중국의 AI 연구 격차 감소
나. AMD와 존스 홉킨스⼤연구진, 과학 연구를 자율 수행하는 에이전트 개발
ⅰ. 자율 에이전트 프레임워크 ‘Agent Laboratory’를 공개
ⅱ. Agent Laboratory 작동 방식과 연구 결과
다. 사카나 AI, 자체 적응형 머신러닝 프레임워크 ‘트랜스포머2’ 개발
라. 구글 연구진, 효율적 메모리 사용을 위한 ‘타이탄’ 아키텍처 개발
(4) 인력/교육 동향
가. 세계경제포럼, 2030년까지 AI의 영향으로 노동시장 급변 예상
나. IBM 설문조사 결과, IT 의사결정권자의 85%가 AI 전략에서 성과 달성
다. 민주주의기술센터 조사 결과, 미국 교육 현장에서 생성 AI 활용 급증
라. 딜로이트, 아시아 태평양 지역 AI 거버넌스 조사 결과 발표
2) 딥시크 관련 주요 이슈와 딥시크의 영향
(1) 딥시크 관련 주요 이슈
가. 딥시크 자체 AI 모델(Deepseek-R1, 이하 R1) 공개 충격으로 인한 국제금융시장 관심 고조
나. 딥시크의 타 모델 보다 학습 비용의 경제성 이슈
다. 딥시크의 개인정보 처리 방식에 대한 의문 이슈
라. 딥시크의 보안 취약점 이슈
마. 주요국의 딥시크 규제 및 제한 현황
ⅰ. 주요국의 딥시크 규제 및 제한 현황
ⅱ. 한국의 대응
ⅲ. 글로벌 차단 이유
(2) 딥시크의 영향
가. 글로벌 영향
ⅰ. 시장 확대
ⅱ. 글로벌경제 효율성 저하
나. 기술적 측면
ⅰ. 대규모 AI 모델 학습 방법의 전환 가능성
ⅱ. 새로운 최적화 기법의 확산
다. 산업적 측면
ⅰ. AI 산업계의 혁신 촉발
ⅱ. AI 비즈니스 모델 변화 폐쇄형 모델 vs. 개방형 모델
라. 지정학적 측면
ⅰ. 미국과 중국 간 AI 개발 경쟁의 가속화
ⅱ. 중국 AI 기업의 글로벌 시장 확장 가능성
3) 딥시크 출시 이후 미·중 대립 글로벌 전망과 시사점
(1) 글로벌 전망
가. 美 기술규제 강화
나. 中 첨단굴기 가속화
다. G2 장벽 강화
(2) 정책적 시사점
가. AI 기술 혁신 및 생태계 조성
나. 글로벌 AI 협력 및 시장 진출 전략 다각화
다. AI 신뢰·안전 거버넌스 구축
라. 국내적 상황
제Ⅳ장 글로벌 빅테크 기업의 AI 투자 동향과 주요국 R&D 전략 및 AI 규제 동향
1. 글로벌 빅테크 기업의 AI 투자 동향
1) 글로벌 빅테크 기업의 AI 투자 고찰
(1) 개요
가. AI시대
ⅰ. 증가하는 AI 투자에 대한 관심
ⅱ. 증가하는 AI 투자금
ⅲ. 증가세로 전환된 VC 투자
ⅳ. AI 기술 분야의 전반적인 성장
나. AI 리스크
ⅰ. 투자 대비 회수 불확실성
ⅱ. 수익률·마진 감소 우려
ⅲ. 모호한 AI 도입 효과
ⅳ. 혁신 기술 출시에 따른 투자 리스크 사례(닷컴버블)
(2) 글로벌 빅테크 기업이 제시한 AI투자 위험 요인
가. 글로벌 빅테크 기업들의 AI에 대한 위험요인
ⅰ. 연례재무보고서(FORM 10-K)* 내 기재되는 AI
ⅱ. 美 주요 빅테크 기업(Adobe, Amazon, AMD, Google, Meta, Microsoft, NVIDIA)
ⅲ. 공통 위험요인
ⅳ. 특화 위험요인
ⅴ. 이 외 다른 기업들의 연례재무보고서에 기재된 AI 관련 위험요인 주요내용
(3) AI 투자 위험요인에 대한 전문기관 및 전문가 의견
가. 美 신용평가사 무디스
나. 대런 아세모글루, MIT 경제학과 석좌교수
다. 짐 코벨로, 골드만삭스 애널리스트
(4) AI에 대한 기타 우려 요인
가. 부족한 AI 인프라
나. 지속적으로 증가하는 전력 수요
ⅰ. 국제에너지기구, IEA
ⅱ. 골드만삭스
2) 글로벌 빅테크 기업 AI 투자 동향
(1) Top 6 빅테크 전체 AI 투자 현황
가. Top 6 빅테크 R&D 분석
나. AI Top100 기업에 대한 Top 6 빅테크의* 투자
다. Top 6 빅테크 AI 투자규모*
라. Top 6 빅테크 AI 투자 비중
마. Top 6 빅테크별 AI 투자건수 점유율 현황
(2) Top 6 빅테크 기업별 AI 투자 동향
가. Micorosoft
ⅰ. AI 투자 현황
ⅱ. AI 투자조직
ⅲ. 주요 지분투자 및 M&A 사례
나. Apple
ⅰ. AI 투자 현황
ⅱ. 주요 지분투자 및 M&A 사례
다. NVIDIA
ⅰ. AI 투자 현황
ⅱ. AI 투자 조직
ⅲ. 주요 지분투자 및 M&A 사례
라. Google
ⅰ. AI 투자 현황
ⅱ. AI 투자조직
ⅲ. 주요 지분투자 및 M&A 사례
마. Amazon
ⅰ. AI 투자 현황
ⅱ. AI 투자조직
ⅲ. 주요 지분투자 및 M&A 사례
바. Meta
ⅰ. AI 투자 현황
ⅱ. 주요 지분투자 및 M&A 사례
(3) Top 6 빅테크 AI 주요 투자 방향
3) 주요 기업의 AI 안전 대응 동향 및 시사점
(1) 개요
(2) 주요 AI 기업의 AI 안전 연구 동향
(3) 해외 기업의 AI 안전 및 책임 있는 AI 동향
가. 오픈AI(OpenAI)
나. 구글(Google)
다. 앤트로픽(Anthropic)
라. 메타(Meta)
(4) 국내 기업의 AI 안전 및 책임 있는 AI 동향
가. 네이버
나. LG AI 연구원
다. 카카오
라. SK텔레콤
마. KT
(5) 시사점
2. 주요국 인공지능(AI) R&D 전략과 추진 현황
1) AI 4차 붐 도래와 AI R&D 확대의 중요성
2) 주요 각국의 AI R&D 추진 현황
(1) 미국
가. 정부의 AI R&D 지원과 글로벌 AI R&D 선도
나. NIST의 AI 고도화 연구 추진
다. NAIRRT 파일럿 추진
(2) 영국
가. 대학 중심 AI R&D 추진
나. AI가 사회에 미치는 영향에 관한 연구와 논의
(3) 유럽연합(EU)
(4) 독일
(5) 프랑스
(6) 이탈리아
(7) 캐나다
(8) 중국
(9) 싱가포르
3) AI 관련 글로벌 연계와 협력
(1) 경제개발협력기구(OECD)
(2) AI에 관한 국제 협력 이니셔티브(GPAI)
(3) G7 ‘히로시마 AI 프로세스’
(4) 국제연합(UN)
3. 인공지능 기술의 위험 관련 주요 쟁점과 규범 현황
1) 인공지능 기술 관련 위험과 위협의 주요 쟁점
(1) 기술의 안전성과 기술표준의 문제
(2) 사이버 공격과 기계학습 데이터 오염의 위협
(3) 국가의 정보역량과 사회에 대한 감시체제 간의 긴장
(4) 데이터 윤리와 정보조작 문제
2) 인공지능 기반 딥페이크에 대한 해외 법제 동향
(1) 인공지능 기반 딥페이크 범죄 대응의 필요성
(2) 딥페이크 관련 국내 주요 법제
가. 딥페이크 선거범죄
나. 딥페이크 성범죄
다. 딥페이크 일반범죄
(3) 딥페이크 관련 해외 주요 법제
가. 미국
나. 유럽연합(EU)
다. 영국
라. 호주
마. 중국
(4) 입법적 시사점
3) 인공지능 관련 국제사회의 규범 논의 현황 및 시사점
(1) 국제기구에서의 인공지능 관련 국제규범 논의 동향
가. UN
나. OECD
다. G7
(2) 주요국의 인공지능 관련 규범 수립 동향
가. EU의 AI 관련 규제 동향
나. 미국의 AI 관련 규제 동향
다. 영국의 AI 관련 규제 동향
라. 중국의 AI 관련 규제 동향
ⅰ. 알고리즘 훈련 관련 의무
ⅱ. 콘텐츠 관리 의무
ⅲ. 사용자에 대한 의무
마. 일본의 AI 관련 규제 동향
바. 한국의 AI 관련 규제 동향
(3) AI 규제와 기업 리스크 관리 전략
가. AI 거버넌스의 중요성
나. AI 거버넌스 구축 기대효과
ⅰ. 법적 리스크 감소 및 컴플라이언스 확보
ⅱ. 신뢰성과 브랜드 가치 제고
ⅲ. AI 모델 성능 향상 및 혁신 기회 증대
ⅳ. 글로벌 시장에서의 경쟁력 강화
다. 기업의 AI 거버넌스 구축 프로세스
4) 결론 및 정책적 함의
(1) 국제규범 수립 노력의 한계 및 과제
(2) 선택적 집중과 진영 내 우호국과의 기술협력
(3) 혁신과 안전성을 동시에 추구하는 균형적인 규제 정책
