중국 AI 산업의 새로운 복병...반도체 넘어 '중국어 학습 데이터 기근' 심화

AI 요약

중국은 미국의 반도체 수출 규제에 대응해 AI 경쟁력을 끌어올리고 있지만 고품질 중국어 학습데이터 부족이라는 병목에 직면해 있습니다; W3Techs에 따르면 전 세계 웹 콘텐츠에서 중국어 비중은 약 1.3%에 불과하고 위챗·더우인 등 대형 플랫폼이 외부와 데이터 공유를 넓게 하지 않아 개발사들이 공개 데이터에 의존하거나 제한된 자원을 두고 경쟁하고 있습니다. 이로 인해 중국 AI 기업들의 데이터 비용이 서구권보다 훨씬 높게 나타나면서 국가데이터관리국은 2028년을 목표로 제조업·에너지·의료·금융·농업·자율주행 등 주요 산업을 포괄하는 국가 단위의 검증된 AI 학습 데이터셋 구축 계획을 발표했습니다. 한편 데이터 확보 과정에서 저작권·지식재산권 갈등이 커지고 있어 화샤출판사는 새 번역서에 AI 학습용 콘텐츠 사용 금지 경고를 추가했고, 해외에서는 앤트로픽이 수백만 권의 실물 서적을 확보해 스캔한 뒤 폐기하는 방식으로 데이터를 수집하고 있습니다.