▲ 중국의 2026년 ‘모델·데이터 공진’ 행동 주요 내용

미·중 경쟁이 관세와 반도체 등 핵심기술을 둘러싼 경쟁을 넘어 피지컬 AI와 제조 생태계의 주도권을 둘러싼 경쟁으로 확대되면서, 우리나라도 제조 현장의 데이터를 기반으로 한 ‘K-제조 아키텍처’를 구축해야 한다는 제언이 나왔다.

산업연구원(KIET)은 최근 발표한 ‘미·중 경쟁 2.0, 중국의 AI·공급망 전략 변화와 우리의 대응: K-제조 대체불가성의 전략적 육성과 활용’을 통해 중국이 미국의 기술통제에 대응해 기술 자립과 제조 생태계 내재화를 가속하는 동시에 AI를 전통 제조업에 접목하고 피지컬 AI 분야의 작업표준 선점에 나서고 있다고 분석했다.

미·중 경쟁은 1라운드인 관세·핵심기술 통제를 넘어 첨단기술 표준과 피지컬 AI 기반 글로벌 생산질서의 통제력을 겨루는 ‘미·중 경쟁 2.0’으로 진입하고 있다. 이에 따라 한국도 특정 품목의 공급망 경쟁력 유지에 머무르지 않고 제조업의 대체불가성을 전략적으로 확대해야 한다는 지적이다.

중국은 미국의 대중 반도체 수출통제를 계기로 자국 중심의 반도체·AI 생태계 구축을 더욱 가속하고 있다. 미국의 공급 차단이 중국의 반도체 국산화를 촉진하면서 소재·부품·장비와 메모리의 국산화를 확대하고, 국산 칩·소프트웨어·AI 모델을 결합한 독자 생태계 내재화에 나서고 있다.

‘국산 AI 모델-국산 소프트웨어(CANN)-국산 칩’ 간 선순환 구조도 형성되고 있다. 딥시크를 비롯해 KIMI3 등 중국산 프론티어급 오픈소스 AI 모델이 잇따라 등장했으며, 12인치 웨이퍼의 중국산 점유율은 2020년 3%에서 2026년 32%까지 확대될 전망이다. 창신메모리(CXMT)는 DRAM 세계 4위 업체로 부상했다.

특히 중국은 세계 최대 반도체 수요시장을 공급망 전략의 지렛대로 활용하고 있다. 미국이 2025년 12월 엔비디아 H200의 대중 판매를 허용했음에도 중국 정부가 자국산 AI 칩 우선 구매를 유도하며 도입을 통제한 것이 대표적이다. 이에 따라 기존 미국의 수출통제 중심이던 공급망 경쟁이 중국의 수입·수요 통제까지 결합하는 양상으로 확대되고 있다.

중국의 경쟁력은 반도체와 AI 등 첨단산업에만 국한되지 않는다. UN 산업분류상 공업 전 부문을 보유한 세계 유일의 국가인 중국은 세계 제조업 부가가치의 약 30%를 차지한다. 중국은 이 같은 제조 기반에 AI를 접목해 철강·석유화학·기계·섬유 등 전통 제조업의 고도화를 추진하고 있다.

2026~2030년 제15차 5개년 규획에서도 전통산업의 AI 적용과 고도화를 강조하며, 기존 제조 기반을 공급망 안정과 산업안보를 지탱하는 전략자산으로 활용한다는 방향을 제시했다. 전 공업 부문을 갖춘 완결형 산업체계에 AI가 결합되면서 중국의 공급망 영향력은 소재·부품·중간재까지 확대될 가능성이 높다. 이에 따라 미·중 생산질서 경쟁 역시 반도체 등 첨단기술을 넘어 소재·부품·중간재를 포함한 실물 제조 기반의 통제력 경쟁으로 빠르게 전환되고 있다.

▲ 미·중 피지컬 AI 전략 비교

피지컬 AI 분야에서도 중국의 제조 현장 중심 전략이 두드러진다. 중국은 2024년 산업용 로봇 신규 설치 대수가 세계 절반을 넘어섰으며, 2025년 글로벌 휴머노이드 로봇 출하량에서도 중국 기업이 88% 이상을 차지했다. 미국이 민간 기업 주도로 로봇을 AI 지능 구현을 위한 ‘제품·플랫폼’으로 접근하는 반면, 중국은 국가 주도형 혁신체제 아래 로봇을 산업 현장의 효율성을 높이는 ‘인프라적 운영기술(OT)’로 활용하고 있다.

특허에서도 미국은 학습 알고리즘과 모델 아키텍처에, 중국은 지능형 제어·시스템 통합·효율성 개선 등 산업 현장 적용에 집중하는 차이가 나타났다. 중국은 피지컬 AI를 제조·물류 현장에 대규모로 투입해 작업 방식을 표준화하고, 검증된 패키지 시스템을 글로벌 사우스 시장으로 확산한다는 전략이다. 이에 따라 중국에서 검증된 제조 공정과 작업 방식이 글로벌 산업 현장의 ‘사실상의 표준(De facto standard)’으로 자리 잡을 가능성도 제기된다.

이에 대응해 한국이 확보해야 할 핵심 경쟁력으로는 ‘고난도 제조 현장의 판단 데이터’가 꼽혔다. 초정밀 반도체 공정, 세계 최고 수준의 제철 조업, 조선 건조 등 국내 주력산업에서 수십 년간 축적된 공정 경험과 암묵지는 웹크롤링이나 합성 데이터만으로 확보하기 어려운 차별화된 자산이다.

이러한 데이터를 학습해 공정 자율운전을 구현하는 ‘한국형 제조 LLM’을 구축하고 HBM 등 기존 핵심 제조자산과 수직 결합해 단순 부품·소재 공급자를 넘어 기술·생산능력·표준·현장 데이터를 하나의 체계로 연결하는 ‘K-제조 아키텍처’를 구축해야 한다는 것이다.

또한 정부가 공공·산업 현장을 제조 LLM의 실증 무대로 개방하고, 소프트웨어·하드웨어 기업이 참여하는 혁신 컨소시엄을 구성해 제조 LLM과 초크포인트 자산의 결합 가능성을 검증해야 한다는 제안도 나왔다.

아울러 철강·석유화학·섬유 등 전통 주력산업 역시 단순 구조조정 대상이 아닌 피지컬 AI 시대의 핵심 기반으로 재평가할 필요가 있다고 설명했다. 세계적 수준의 제조 공정에서 발생하는 데이터를 확보·자산화하고 AI와 결합하는 동시에 휴머노이드 로봇, AI 데이터센터, 글로벌 전력망 확대에 따른 초고부가 소재·부품 수요를 선점해야 한다는 것이다. 이는 기존 제조업의 AI 전환과 함께 새로운 AI·전력·로봇 산업에서 요구되는 소재·부품의 고도화를 동시에 추진하는 전략이다.

나아가 이렇게 확보한 제조 경쟁력을 글로벌 시장에서 지속 가능한 경쟁우위로 활용하기 위해서는 통상전략과의 연계도 필요하다. 기술 우위 품목을 단순 교역재로 보는 데서 벗어나 한국이 부품 공급자를 넘어 글로벌 AI 기술 생태계의 공동 설계자로 참여해야 한다는 의미다. 이를 위해 △제조 LLM과 초크포인트 자산의 수직 결합 △전통 주력산업 AI화 △기술·생산능력·표준·현장 데이터의 아키텍처 자산화 △공급망 협력 및 시장진출 △글로벌 표준 선점 등을 연계해야 한다.

조은교 산업연구원 중국산업분석팀장·연구위원은 “지금은 기존 단품 중심의 시장 수혜에 안주할 때가 아니라 K-제조의 대체불가성을 확대해야 하는 골든타임”이라며 “고난도 공정의 판단 데이터를 학습한 한국형 제조 LLM과 초크포인트 자산을 수직 결합한 K-제조 아키텍처가 한국의 제3의 경로가 될 수 있다”고 말했다. 이어 “K-제조 아키텍처를 기반으로 글로벌 AI 생태계와의 파트너십을 고도화하고, 공급망 협력·시장진출·표준 전략을 연계하는 다차원적 통상전략을 마련해야 한다”고 강조했다.