S전자 반도체 중국 기술주재원 Marvin Jung

중국 할인 표시 '折(zhe)' 완전 정리: 9折은 90% 할인이 아닙니다

marvin-jung — Sat, 16 May 2026 22:03:02 +0900

중국 할인 표시 '折(zhe)' 완전 정리: 9折은 90% 할인이 아닙니다

점심을 먹으러 회사 지하로 내려갔다가 식당 입간판 하나에 발이 멈췄습니다. 보라색 배경에 흰 글씨로 큼지막하게 적힌 네 글자, 低至4.3折. 중국에 살면서 한국 사람을 가장 헷갈리게 하는 표현 중 하나입니다.

회사 지하 식당에서 멈칫한 이유

이탈리아 식당 艾米餐厅(IIMEE) 입간판에는 호주산 앵거스 등심 스테이크, 바이에른식 통닭, 노르웨이 연어 세트가 줄지어 있었습니다. 가장 눈에 띈 것은 위쪽의 큰 글씨 低至4.3折이었습니다.

중국에 살아본 적 없는 한국 사람이라면 이 글자를 보고 단번에 의미를 잡기 어렵습니다. 가격을 따로 보고 나서야 "326위안짜리 스테이크 세트가 138위안이라고? 반값도 안 되네" 하고 머리에서 계산이 끝납니다.

저도 처음 중국에 왔을 때 한참 헷갈렸던 표현이 바로 이 折(zhé, 절)입니다. 한국에서 보던 "○% 할인"과 발상이 정반대라서 잘못 읽으면 지갑이 한 번 더 열립니다.

折(zhe)은 '깎는 비율'이 아니라 '받는 비율'입니다

折은 글자 그대로는 "꺾는다, 접는다"는 뜻이지만, 가격 앞에 붙으면 원가의 10분의 X만 받는다는 의미가 됩니다. 즉 4.3折은 원가의 43%만 받는다는 뜻이고, 한국식으로 옮기면 57% 할인입니다.

여기서 한국 사람이 가장 자주 빠지는 함정이 있습니다. 9折(jiǔ zhé)을 "90% 할인"으로 오해하는 경우입니다. 저도 중국 백화점에서 처음 9折 표시를 봤을 때 똑같이 생각했습니다. "오, 90%나 깎아준다고? 무조건 사야겠는데." 그런데 막상 가격표를 보니 거의 그대로였습니다.

핵심

9折은 "90% 할인"이 아니라 "원가의 90%를 받는다"는 뜻입니다. 즉 10%만 깎아준다는 의미입니다. 한국식 표현과는 완전히 반대 방향에서 접근합니다.

한눈에 보는 折 환산표

중국식 표기	받는 가격 (원가 대비)	한국식 표현
9折	90%	10% 할인
8.5折	85%	15% 할인
8折	80%	20% 할인
7折	70%	30% 할인
6折	60%	40% 할인
5折	50%	반값 (50% 할인)
4.3折	43%	57% 할인
3折	30%	70% 할인
1折	10%	90% 할인

쉽게 외우는 방법은 단순합니다. "折 앞의 숫자를 10에서 빼면 한국식 할인율"입니다. 9折이면 10 빼기 9, 즉 10% 할인. 7折이면 10 빼기 7, 30% 할인. 8.5折은 10 빼기 8.5, 즉 15% 할인입니다.

1折은 거의 못 봅니다, 베이징 외곽 골프장에서 마주친 사례

환산표를 보면 1折이 90% 할인이라고 적혀 있지만, 사실 중국에서 살면서도 1折 표시를 보는 일은 흔치 않습니다. 일상적인 매장 할인은 보통 5折에서 8折 사이에서 움직입니다. 3折만 돼도 "오, 꽤 깎아 주네" 싶고, 1折까지 내려가는 경우는 거의 폐점 정리 수준에서나 나오는 숫자입니다.

오늘 토요일에 회사 동료들과 베이징 외곽 골프장으로 라운딩을 갔습니다. 라운드 끝나고 클럽하우스 안 매장을 지나가는데 빨간 배너가 눈에 확 띄었습니다. 큼지막한 검은 박스 안에 1折. 처음 본 순간 "어? 1折이라고?" 하고 멈춰 섰습니다.

배너 아래쪽에 작은 글씨로 品牌撤货大清仓(pǐnpái chè huò dà qīngcāng)이라고 적혀 있습니다. 풀어 보면 이렇습니다.

品牌撤货大清仓

品牌(브랜드) + 撤货(상품 철수) + 大清仓(대규모 재고 정리). 합치면 "브랜드가 매장에서 빠져 나가면서 남은 재고를 다 털어 낸다"는 의미입니다. 한국식으로는 "폐점 세일", "전 품목 떨이" 정도에 해당합니다.

즉 이 매장은 그냥 시즌 할인이 아니라 브랜드가 골프장에서 철수하는 정리 행사였습니다. 그래서 1折이라는 극단적인 숫자가 가능했던 것입니다. 평소에는 좀처럼 만나기 힘든 숫자라서 카메라부터 꺼냈습니다.

현장 감각

중국 매장에서 3折 아래로 표시가 내려간다면 대부분 폐점, 철수, 시즌 마감, 이월 재고 정리 중 하나입니다. "와, 90% 할인이라니" 하고 들뜨기 전에 매장이 곧 사라지는 것은 아닌지 한 번 확인하시면 됩니다.

입간판 가격, 다시 계산해 보면

입간판 맨 위에 적힌 低至4.3折은 "최저 4.3折까지"라는 뜻입니다. 즉 메뉴 중에서 가장 깊은 할인이 원가의 43% 수준이라는 광고입니다.

가장 깊게 할인하는 스테이크 세트의 비율(약 4.2折)을 끌어와서 低至4.3折이라고 적은 셈입니다. 한국이라면 "최대 57% 할인"이라고 썼을 표현입니다. 같은 정보를 정반대로 표현하는 것이 흥미롭습니다.

折 말고도 자주 보이는 할인 표현

중국 상점에서는 折 외에도 몇 가지 할인 표현이 자주 등장합니다. 알아두면 마트나 식당, 쇼핑몰에서 헷갈릴 일이 줄어듭니다.

满减 mǎn jiǎn

"일정 금액 이상 사면 깎아준다"는 뜻입니다. 보통 满200减30처럼 표기하는데, 200위안 이상 결제하면 30위안을 빼준다는 의미입니다. 가격이 작은 물건 하나만 사면 적용되지 않습니다.

立减 / 直降 lì jiǎn / zhí jiàng

"즉시 깎음", "바로 인하"라는 뜻입니다. 정해진 금액을 그 자리에서 빼주는 방식이라 折과 달리 비율이 아닌 정액 할인입니다.

买一送一 / 买一赠一 mǎi yī sòng yī / mǎi yī zèng yī

"하나 사면 하나 더 준다", 한국의 1+1과 같은 표현입니다. 요즘은 买一赠一도 자주 보입니다. 赠(zèng)은 赠品(증정품)에 쓰이는 그 글자로, "선물로 드린다"는 뉘앙스가 좀 더 강합니다. 백화점 화장품 코너나 격식 있는 매장에서는 送보다 赠 쪽을 선호하는 경향이 있습니다.

半价 bàn jià

말 그대로 반값이며, 折로 환산하면 5折과 같은 의미입니다.

第二件半价 dì èr jiàn bàn jià

"두 번째 물건은 반값". 음료, 옷, 화장품 등에서 자주 보이는 프로모션입니다. 한국 편의점의 "2개 사면 한 개 50% 할인"과 비슷합니다.

맨 아래 작은 글씨, 此活动不与其他优惠活动同享

입간판 맨 아래에 작은 글씨로 此活动不与其他优惠活动同享이라고 적혀 있습니다. 우리말로 옮기면 "본 행사는 다른 우대 행사와 중복 적용되지 않습니다"입니다. 중국 음식점이나 백화점 행사에서 거의 빠지지 않고 따라 붙는 안내입니다.

회원 할인, 신용카드 우대, 쿠폰을 같이 쓸 수 있을 거라고 생각하고 카운터에 갔다가 "이 행사랑은 같이 못 씁니다"라는 답을 듣는 경우가 종종 있습니다. 가격에 혹해서 들어가기 전에 한 번 확인해두면 편합니다.

한 글자 차이로 발상이 뒤집힙니다

회사 지하에서 본 입간판 하나에 이렇게 풀어쓸 이야기가 들어 있었습니다. 처음에는 헷갈렸던 折도 "10 빼기 몇" 계산을 머릿속에서 몇 번 반복하다 보면 어느 순간 자연스럽게 읽힙니다. 그 다음부터는 9折 표시를 보고도 "어차피 10%만 깎아주는 거잖아" 하고 별 감흥 없이 지나가게 됩니다.

이 표기 방식은 단순한 표현 차이가 아니라 중국식 사고방식의 한 단면을 보여 준다고 느낍니다. "얼마나 깎아 주느냐"가 아니라 "얼마를 받느냐"에 초점이 가는 표현입니다. 한 글자 차이로 발상이 통째로 뒤집힙니다. 중국에서 사는 동안 사소하게 보이지만 계속 부딪히는 차이들이 이런 결입니다.

다음에 이어 볼 이야기

중국 쇼핑에서 빠질 수 없는 双十一(솽스이, 11월 11일) 이야기를 한번 풀어 볼 생각입니다. 한국 언론은 '광군절(光棍节)'이라고 부르지만, 정작 중국 현지에서는 거의 다 双十一(솽스이)이라고 합니다. 알리바바가 키워 온 이름이 그대로 굳어진 셈입니다. 满减 쿠폰이 산처럼 쌓이는 그날, 알리바바와 징동이 어떤 식으로 가격 표시를 가지고 사람을 흔드는지 한국 블랙프라이데이와 비교해 보면 꽤 재미있는 차이가 보입니다.

중국 행정구역 정리: 성·직할시와 1선·2선·3선 도시 차이

marvin-jung — Sat, 16 May 2026 21:59:59 +0900

중국 행정구역 미리보기

중국 행정구역 정리: 성·직할시와 1선·2선·3선 도시 차이

중국 도시 등급 분류 기준과 한국 광역시·도와의 차이, 30개 도시 다녀본 시각으로 정리

중국에서 일하다 보니 출장과 여행이 쌓여 어느덧 1박 이상 머문 도시가 30곳을 넘었습니다. 이 이야기를 중국인 동료들에게 하면 다들 깜짝 놀라더군요. 자기들도 그렇게 많이 못 가봤다는 겁니다. 어떤 친구는 평생 자기 성(省)을 벗어난 적이 없다고도 했습니다. 한국인 감각으로는 잘 이해되지 않는 이 차이를, 행정구역 구조에서부터 풀어보려 합니다.

중국인이 "성(省)을 안 벗어나봤다"는 말의 무게

한국에서 "경기도 밖에 안 나가봤어"라고 하면 보통은 농담처럼 들립니다. 그런데 중국에서는 그게 농담이 아닙니다. 광둥성(广东省) 한 곳의 인구가 약 1억 2,700만 명, 한국 전체 인구의 두 배가 훌쩍 넘습니다. 산둥성, 허난성도 인구 1억 안팎입니다. 한 개 성 안에서 평생을 살아도 새 도시, 새 사투리, 새 음식이 끝없이 나옵니다.

出省chūshěng "성을 벗어난다"는 표현. 우리에게는 "도(道)를 벗어난다"는 말이 잘 안 쓰이지만, 중국에서는 일상적입니다.

그래서 중국에서 출장이나 여행으로 다른 성을 다녀왔다고 하면, 우리가 "이번에 일본 다녀왔어요" 정도의 무게로 받아들이는 사람도 적지 않습니다. 도시들 사이 거리도, 음식과 사투리도 거의 외국 수준으로 다르기 때문입니다.

중국 행정구역의 기본 구조: 성급(省级) 행정구역 4종

중국의 가장 큰 행정 단위는 성급(省级) 행정구역이라고 부르는데, 여기에는 4가지가 있습니다.

구분	중국어	개수	대표 예시
성	省 (shěng)	23	광둥, 장쑤, 산둥, 쓰촨 등
자치구	自治区 (zìzhìqū)	5	내몽골, 광시, 닝샤 등
직할시	直辖市 (zhíxiáshì)	4	베이징, 상하이, 톈진, 충칭
특별행정구	特别行政区	2	홍콩, 마카오

직할시(直辖市)는 한국의 광역시와 같지 않습니다

가장 헷갈리기 쉬운 게 직할시입니다. 한국의 광역시는 도(道)와 같은 광역 단체이지만, 면적은 도보다 훨씬 작은 도시 단위입니다. 반면 중국의 직할시는 중앙정부 직속이면서 면적과 인구가 어마어마합니다. 충칭(重庆)의 면적은 약 8.2만 평방킬로미터로 한국 전체보다 약간 작은 정도이고, 인구는 3,200만 명을 넘습니다. 한국의 광역시 감각으로 충칭에 가면 "이게 시(市)라고?" 하게 됩니다. 충칭 시내에서 충칭 시 외곽 산골 마을까지 차로 5시간 넘게 걸리는 경우도 있습니다.

直辖市zhíxiáshì 중앙정부 직속의 광역 행정단위. 베이징, 상하이, 톈진, 충칭 4곳이며 성(省)과 동급으로 취급됩니다.

자치구(自治区)와 특별행정구(特别行政区)

자치구는 소수민족이 다수를 이루는 지역에 두는 행정구역입니다. 정식 명칭에는 보통 그 지역 주요 민족명이 들어갑니다. 예를 들어 광시는 정식으로 광시좡족자치구(广西壮族自治区)이고, 닝샤는 닝샤후이족자치구(宁夏回族自治区)입니다.

특별행정구는 홍콩과 마카오 두 곳입니다. 별도의 법체계와 화폐를 유지하면서 외교와 국방은 중앙이 담당하는 구조이고, 출입할 때 별도의 통관 절차를 거쳐야 한다는 점에서 본토와 명확히 구분됩니다.

1선·2선·3선 도시는 정부가 정하는 게 아닙니다

한국 분들이 가장 많이 헷갈려 하시는 부분이 여기입니다. "1선도시", "2선도시"라는 표현은 사실 중국 정부의 공식 행정 분류가 아닙니다. 第一财经(디이차이징, Yicai)이라는 매체의 신1선 도시 연구소가 매년 발표하는 리포트가 사실상 가장 널리 통용되는 기준입니다.

평가는 다섯 가지 항목으로 이루어집니다.

상업 자원 집중도: 글로벌 기업과 브랜드의 진출 정도
도시 허브성: 교통과 정보 흐름의 결절점인가
도시민 활동도: 소비, 야간 경제, 인구 유입
라이프스타일 다양성: 문화와 여가 인프라
미래 가능성: 인재 유입과 혁신 지수

등급별 대표 도시

1선(一线城市) 4곳: 베이징, 상하이, 광저우, 선전. 줄여서 "北上广深(běi shàng guǎng shēn)"이라고 부릅니다.
신1선(新一线城市) 15곳: 청두, 항저우, 충칭, 쑤저우, 우한, 시안, 난징, 창사, 톈진, 정저우, 둥관, 칭다오, 허페이, 닝보, 포산. 매년 일부 순위 변동이 있습니다.
2선 도시: 약 30곳. 푸저우, 다롄, 지난, 샤먼, 쿤밍 등
3선·4선·5선 도시: 3선만 70곳 안팎이고 그 아래로 4선, 5선까지 길게 이어집니다.

北上广深běi shàng guǎng shēn 베이징·상하이·광저우·선전의 머리글자를 딴 1선 4대 도시 줄임말. 중국에서 가장 흔히 쓰이는 표현입니다.

이 분류가 일상 대화에서 자주 등장하는 이유는 부동산 가격, 임금, 호적(户口) 취득 난이도, 출퇴근 시간이 도시 등급에 따라 확연히 갈리기 때문입니다. "我老家是三线城市的(우리 고향은 3선 도시야)" 한 문장이면 상대의 출신과 생활 환경을 대략 그려볼 수 있을 정도입니다.

户口hùkǒu 호적. 단순한 행정 등록이 아니라 자녀 학교 입학, 부동산 구매 자격, 의료보험까지 좌우하는 시스템입니다. 1선도시 호적은 특히 취득이 까다롭습니다.

한국과 중국 행정구역, 어디가 어떻게 다른가

구분	한국	중국
최상위 광역	17곳 (특별시·광역시·도 등)	34곳 (성·자치구·직할시·특별행정구)
대표 광역도시	광역시 (부산, 인천 등)	직할시 (베이징, 상하이 등)
면적 감각	광역시는 도시 규모	직할시도 한국 면적의 절반 안팎 수준이 있음
도시 등급	공식 분류 없음	1선~5선, 민간 매체 분류이지만 사실상 일상화
특별 자치 형태	특별자치도 (제주·강원·전북)	민족자치구·자치주·자치현

가장 큰 차이는 한 단위 안에서 느껴지는 다양성의 폭입니다. 같은 산둥성 안에서도 칭다오와 지난(济南)의 분위기가 사뭇 다르고, 쓰촨성 안에서도 청두와 작은 현급 도시 사이의 격차는 한국에서 상상하는 도시 간 격차의 몇 배입니다. 한 개 성이 한국 전체 규모이니, 그 안에서 다시 1선부터 5선까지가 다 들어 있는 셈입니다.

같은 "쑤저우"인데 다른 쑤저우

예를 하나 들어보겠습니다. 같은 쑤저우(苏州)라고 해도 쑤저우 시내(市区)와 쑤저우 산하의 현급 도시인 쿤산(昆山), 장자강(张家港) 사이에는 도시 풍경, 부동산 가격, 인구 구성이 거의 다른 도시처럼 차이가 납니다. 한국의 시·군 구분이 보통 행정 단위 정도의 차이라면, 중국의 지급시(地级市) 산하 구·현 구분은 발전 단계 자체가 다른 도시들의 묶음 같은 느낌입니다.

중국의 지방자치는 어떻게 작동하나

한국은 1991년 지방자치제 부활 이후 광역 단체장(시도지사)과 기초 단체장(시장·군수·구청장)을 주민이 직접 뽑습니다. 지방의회 역시 직선제로 구성됩니다.

중국은 구조가 다릅니다. 각 급의 인민대표대회(人民代表大会, 줄여서 '인대')가 행정 수반을 선출하는 형식이고, 그 위에 중앙 차원의 인사 체계가 작동합니다. 또 한 가지 특징은 민족구역자치(民族区域自治) 제도가 별도로 있다는 점입니다. 소수민족이 다수인 지역에는 자치구, 자치주, 자치현을 두어 행정 단위의 명칭과 운영에 자치 요소를 반영합니다. 앞서 본 5개 자치구가 여기에 해당합니다.

한국과 중국 모두 '지방의회 + 행정 수반'의 큰 틀은 갖추고 있지만, 단체장 선출 방식과 중앙·지방 관계의 결이 다르다는 점이 핵심입니다.

현지 생활에서 깨알같이 자주 쓰이는 표현

老家lǎojiā 고향. "你老家是哪里的?(고향이 어디예요?)"는 초면에 거의 100% 듣는 질문입니다.

省会shěnghuì 성의 중심 도시, 성도(省都). "成都是四川的省会(청두는 쓰촨성 성도예요)"같이 씁니다.

老乡lǎoxiāng 동향 사람. 타지에서 같은 고향 사람을 만나면 "原来你是我老乡!(알고 보니 동향이네요!)" 한마디로 분위기가 풀어집니다.

外地人 / 本地人wàidìrén / běndìrén 그 지역 사람이 아닌 사람(외지인) / 그 지역 토박이. 부동산, 학교, 차량 번호판까지 이 구분이 따라다닙니다.

出差chūchāi 출장. 직장인 대화에 정말 자주 등장합니다. "我下周出差去深圳(다음주에 선전 출장 가요)"

30곳을 다녀보고 느낀 것

저는 처음 중국에 와서 일할 때 행정구역 구조가 가장 헷갈렸습니다. "쑤저우는 장쑤성이지"라는 말을 들으면 한국식 감각으로는 "쑤저우 시 = 장쑤성에 속한 도시" 정도로 받아들이는데, 실제로는 쑤저우 시(地级市) 자체가 한국의 작은 도(道)에 가까운 규모입니다. 그 안에 한 시간 거리의 도시들이 줄지어 있죠.

여러 도시를 직접 가봐야 비로소 보이는 것들이 있습니다. 같은 신1선 도시인 청두와 항저우의 결이 전혀 다르고, 같은 2선 도시여도 동북 지방의 다롄과 남방의 샤먼은 음식부터 사람들 말투까지 외국 수준으로 다릅니다. 30곳이 자랑할 일은 아니지만, 덕분에 "중국"이라는 한 단어로 묶이지 않는 다양한 결을 조금은 체감하게 된 것 같습니다.

다음 글 예고

다음에는 호적(户口) 제도 이야기를 정리해보려 합니다. 왜 중국 젊은이들이 "上海户口", "北京户口"를 갖기 위해 그렇게 애를 쓰는지, 그게 단순 행정 등록이 아니라 자녀 교육, 집, 결혼, 노후까지 좌우하는 시스템이라는 점을 풀어볼 예정입니다.

그리고 또 하나, 제가 일하는 반도체 업계 관점에서 신1선 도시 부상과 중국 IT·반도체 기업 본사 분포가 어떻게 맞물려 있는지도 흥미로운 주제입니다. 청두에 왜 그렇게 많은 IT 기업이 모이고, 우한이 어떻게 메모리 반도체 거점이 되었는지 같은 이야기를요.

태그 #중국행정구역 #중국1선도시 #중국직할시 #중국성 #중국도시등급 #신1선도시 #중국지방자치 #중국생활 #중국어공부 #한국중국비교

중국 공휴일 완벽 정리일요일에도 출근하는 '조휴(调休)'와 한중일 비교

marvin-jung — Sat, 16 May 2026 21:51:56 +0900

중국 공휴일 완벽 정리, 일요일에도 출근하는 '조휴(调休)' 시스템과 한중일 비교

CHINA OBSERVATION · 中国观察

중국 공휴일 완벽 정리
일요일에도 출근하는 '조휴(调休)'와 한중일 비교

법정 13일 + 조휴로 만드는 8일 연휴, 그리고 보반(补班)이라는 낯선 제도

처음 중국에 와서 가장 적응이 어려웠던 것은 비즈니스 매너도, 식문화도 아니었습니다. "왜 일요일에 회사가 정상 가동되지?" — 한국에는 없는 중국만의 공휴일 운영 방식, 바로 조휴(调休)와 보반(补班) 때문이었습니다.

일요일인데, 평일이라고요?

중국 근무 초기, 어느 일요일 아침이었습니다. 평소처럼 늦잠을 자려는데 회의 알림이 울렸습니다. 분명히 일요일인데, 중국 동료가 출근 중이라는 메시지를 보내왔습니다. "오늘 일요일 아니에요?"라고 물었더니, "오늘은 보반(补班)이라서 평일이에요"라는 답이 돌아왔습니다.

당황스러웠습니다. 한국에서는 본 적이 없는 시스템이었습니다. 알고 보니 중국에는 평일을 휴일로 묶어 연휴를 만드는 '대휴(大休·조휴)'와, 그 대가로 일요일·토요일을 평일로 바꿔 출근하는 '대근(大勤·보반)'이 같이 돌아가는 제도가 있었습니다.

조휴(调休)와 보반(补班) — 휴일을 다시 짜는 나라

중국어로 조휴(调休, tiáoxiū)는 직역하면 '휴식 일정을 조정한다'라는 뜻입니다. 중국 국무원은 매년 11월쯤 다음 해의 공휴일 배치를 공식 발표하는데, 단순히 "○월 ○일은 휴일"이라고 끝내지 않습니다. 짧은 명절 하나도 앞뒤 주말을 끌어다 붙여 3일에서 8일짜리 연휴로 재편성합니다.

대신 그렇게 빌려온 주말은 어딘가에서 메꿔야 합니다. 그래서 등장하는 것이 보반(补班, bǔbān), 즉 '보충 근무일'입니다. 일요일이 보반으로 지정되면 그날은 그냥 평일입니다. 회사도, 학교도, 관공서도, 은행도 정상 운영됩니다.

한국에서는 '근무'라는 단어를 쓰지만, 중국에서는 '班(반)'을 씁니다. 上班(상반·출근), 下班(하반·퇴근), 加班(가반·잔업)처럼 일상 표현에 모두 반(班)이 들어가는데, 보반(补班)도 같은 맥락의 단어입니다. '메워서 일하는 날'이라는 느낌입니다.

핵심 용어 정리

조휴(调休, tiáoxiū) — 평일을 휴일로, 주말을 평일로 맞바꾸어 긴 연휴를 만드는 제도
보반(补班, bǔbān) — 조휴 때문에 주말이 평일로 바뀐 날. 정상 출근
법정절가일(法定节假日) — 국가가 정한 공식 공휴일 (2025년 기준 총 13일)
황금주(黄金周) — 춘절·국경절 등 7~8일짜리 장기 연휴를 부르는 별칭

왜 이렇게까지 휴일을 몰아주는 걸까

처음에는 단지 낯설게만 느껴졌는데, 중국에서 시간을 보낼수록 차츰 이해가 되기 시작했습니다.

중국 영토는 한반도의 약 44배입니다. 베이징에서 상하이까지 1,200km, 광저우까지는 2,000km가 넘습니다. 명절에 가족을 만나러 가려면 비행기나 고속철로 반나절은 잡아야 합니다. 한국처럼 토요일 하루 쉬는 것으로는 고향에 다녀올 수가 없습니다. 단기 휴일 1~2일은 사실상 실질적 의미가 없는 셈입니다.

그래서 1999년, 중국 정부는 처음으로 황금주(黄金周) 정책을 도입했습니다. 춘절·노동절·국경절에 7일 연휴를 만들어 가족 상봉과 내수 진작을 동시에 노린 제도였습니다. 이후 청명절·단오절·중추절이 공휴일로 추가되었고, 조휴라는 행정 도구가 매년 굳어지면서 지금의 형태가 자리 잡았습니다.

2025년의 변화 — 11일에서 13일로

2024년 11월, 중국 국무원이 '전국연절급기념일방가판법(全国年节及纪念日放假办法)' 개정을 발표하면서, 중국의 법정 공휴일이 11일에서 13일로 늘었습니다. 2025년 1월 1일부터 시행 중입니다.

새로 추가된 이틀은 다음과 같습니다.

섣달그믐(除夕) — 그동안 사실상 쉬었지만 공식 공휴일은 아니었던 것을 정식 편입
5월 2일 — 노동절을 1일에서 2일로 공식 확대

여기에 새로운 원칙도 명문화되었습니다. "법정 공휴일 전후 연속 근무는 원칙적으로 6일을 넘지 않는다." 그동안 조휴 때문에 7~9일 연속 출근하는 일이 잦아 노동자의 불만이 컸는데, 그 부분을 제도적으로 막은 셈입니다. 실제 현지에서 일하는 입장에서는 꽤 환영할 만한 변화였습니다.

2025년 중국 7대 공휴일 한눈에

명절	한자	법정 일수	실제 연휴
원단(신정)	元旦	1일	1일
춘절	春节	4일	8일
청명절	清明节	1일	3일
노동절	劳动节	2일	5일
단오절	端午节	1일	3일
중추절·국경절	中秋节·国庆节	4일	8일
합계	—	13일	약 31일

법정 일수만 보면 13일이지만, 조휴를 통해 연휴로 묶으면 실제로 쉬는 날은 약 31일까지 늘어납니다. 단, 그중 일부는 주말을 미리 당겨 쓰는 형태이고, 일부는 보반으로 메꿔야 한다는 점을 기억해야 합니다.

한·중·일 공휴일 비교

같은 동아시아 3국이지만, 공휴일을 운영하는 철학은 꽤 다릅니다.

항목	한국 (2026)	중국 (2025)	일본 (2025)
법정 공휴일	약 17일	13일	16일
운영 방식	빨간 날 단위 + 대체공휴일	조휴로 연휴 재편성	대체공휴일 + 골든위크
주말 출근 강제	없음	보반으로 발생	없음
최장 연휴	설·추석 (약 5~6일)	춘절·국경절 (8일)	골든위크 (5~10일)
특이사항	2026년 노동절·제헌절 부활	7대 명절 외엔 공휴일 거의 없음	종교 공휴일 없음(크리스마스 평일)

한국은 2026년부터 18년 만에 제헌절이 부활하고 노동절(5월 1일)이 정식 공휴일로 지정되면서 빨간 날이 늘었습니다. 일본은 16일로 가장 많은 편이지만 종교 공휴일이 없어 크리스마스도 평일입니다. 중국은 법정 일수만 보면 가장 적지만, 조휴로 연휴를 길게 묶기 때문에 체감 휴식 기간은 결코 짧지 않습니다.

현지에서 느낀 점

조휴 제도에 익숙해지기까지 시간이 좀 걸렸습니다. 처음에는 "이번 주 일요일이 보반이라 회의가 잡혀 있습니다"라는 메일을 받으면 어색했고, 반대로 평일인 화요일에 갑자기 공휴일이 끼면 일정 짜기가 쉽지 않았습니다. 한국 본사와 일정을 맞출 때도 미묘하게 어긋나는 날이 많아, 중국 달력을 따로 확인하는 습관이 생겼습니다.

또 하나 재미있는 부분은 '사내 캘린더' 이야기입니다. 한국 회사에서는 연말이면 으레 다음 해 다이어리나 탁상 캘린더를 직원들에게 나눠 주는 풍경이 익숙합니다. 그런데 중국에서는 이게 11월 전에는 사실상 불가능합니다. 매년 국무원이 다음 해 공휴일 배치를 공식 발표해야 비로소 정확한 '빨간 날'이 확정되기 때문입니다. 한국이라면 음력 명절과 대체공휴일이 자동으로 계산되어 9월에도 1년치 달력을 인쇄할 수 있지만, 중국은 조휴 일정이 정부 발표 후에야 들어갑니다. 그래서 매년 11월 발표 직후부터 인쇄소들이 본격적으로 가동되고, 위챗에서는 '연말 캘린더 제작 마감 임박' 광고가 줄지어 올라오는 풍경이 펼쳐집니다. 정부의 공지 한 줄이 인쇄·디자인 업계 일정까지 좌우하는 셈입니다.

특히 춘절과 국경절은 정말 다른 차원의 휴일입니다. 춘운(春运·춘절 대이동) 기간 동안 한 해에 약 90억 인구가 이동하는데, 베이징·상하이·광저우 공항은 인산인해가 됩니다. 작년 ODCC(开放数据中心大会)에서 만난 중국 동료 한 분이 "춘절에 표를 못 끊으면 다음 해를 기약해야 합니다"라고 농담 반 진담 반으로 말한 적이 있습니다. 그만큼 황금주는 단순한 휴일이 아니라, 거의 국가적 의례에 가깝다는 인상을 받았습니다.

중국에서 일하다 보면 공휴일조차 시스템적입니다. 휴식마저 정부가 설계하는 나라 — 한국에서 온 직장인으로서 가장 인상 깊었던 차이 중 하나였습니다.

마무리 — 시간을 다루는 세 가지 방식

한국은 빨간 날을 띄엄띄엄 두고 대체공휴일로 보완하는 방식이고, 일본은 분산형이지만 골든위크와 오봉(お盆)이라는 큰 덩어리를 자연스럽게 만들고, 중국은 정부가 직접 휴일을 재편해 황금주로 묶습니다. 어느 쪽이 더 좋다고 단정할 수는 없습니다. 영토 크기, 가족 문화, 산업 구조, 그리고 국가가 시민의 시간을 어디까지 설계하느냐에 대한 서로 다른 답일 뿐입니다.

다만 중국에서 처음 일요일 출근을 마주한 그날, 한국에서는 너무 당연했던 "주말 = 휴일"이라는 등식이 사실은 전 세계의 보편이 아니었다는 것을 깨달았습니다. 같은 동아시아라도, 시간을 다루는 방식은 이렇게 다릅니다.

NEXT POST · 다음 글 예고

중국의 시간, 그 다음 이야기

춘운(春运)의 현장 — 40일간 90억 인구가 움직이는 세계 최대 이동
중국의 996 문화와 노동절의 아이러니 — 노동자의 날, 정말 쉴 수 있을까
국경절 베이징 천안문 광장 — 새벽 4시부터 모이는 사람들

#중국공휴일 #조휴 #调休 #보반 #补班 #중국춘절 #중국국경절 #한중일공휴일비교 #중국주재원 #중국직장문화

Marvin Jung · 郑永宰
S전자 반도체 중국 기술주재원

Sora가 떠나는 자리, 중국의 영상 AI는 폭발한다

marvin-jung — Sat, 16 May 2026 21:47:48 +0900

Sora가 떠나는 자리, 중국의 영상 AI는 폭발한다

시안(西安) 발표장에서의 1인칭 충격, 그리고 2년 뒤 베이징에서 보는 정반대 풍경

중국 AI 영상 생성 AI 베이징 주재원 시점 반도체·스토리지 관점

같은 기술이 어느 토양에 심기느냐에 따라 결과가 이렇게 갈릴 수 있다는 사실을, 요즘 매일 실감하고 있습니다. 미국에서 Sora가 4월 26일 자로 문을 닫는 동안, 중국에서는 영상 생성 AI 모델 네 개가 "누가 먼저 3.0으로 가는가"를 두고 치열한 업그레이드 경쟁을 벌이고 있습니다.

시안 연구소 회의실, 그날의 충격

2024년 봄이었을 겁니다. OpenAI가 Sora를 처음 프리뷰로 공개했을 때, 저는 시연 영상 한 편을 보고 한참을 멍하니 앉아 있었습니다. "이게 정말 AI가 만든 영상이 맞나" 싶었습니다. 그날의 충격이 너무 커서, 평소 같으면 텍스트 자료와 그래프만 들고 가던 시안(西安) 연구소 기술 교류회에 저는 이례적으로 Sora 시연 영상 자료를 직접 들고 가서 발표를 했습니다.

회의실 스크린에 영상이 재생되는 동안 분위기가 조용해졌습니다. 중국 동료들도 이미 Sora의 존재는 알고 있었는데, 다시 봐도 놀라는 눈치였습니다. 그 순간 저는 영상 생성 AI라는 게 단순한 기술 트렌드가 아니라, 콘텐츠 산업 자체를 다시 쓸 무언가가 될 거라고 느꼈습니다.

2년 뒤, 두 번째 충격. Sora가 사라진다

그런데 그 충격으로부터 2년이 채 지나지 않은 2026년 3월 24일, OpenAI는 Sora 서비스 종료를 공식 발표했습니다. 발표 한 달 뒤인 4월 26일에는 앱이 실제로 종료됐고, API는 9월 24일 닫힐 예정입니다. 제 주재원 임기가 끝나기도 전에, 제가 그렇게 충격받아서 들고 다녔던 그 서비스가 사라진다는 겁니다.

이 소식을 듣고 저는 또 한 번 멍해졌습니다. 첫 번째는 기술 충격이었고, 두 번째는 허무함이었습니다. 그리고 왜 이렇게 됐는지 들여다보면서 세 번째 감정이 따라왔는데, 그게 "당연했나 보다"라는 일종의 납득이었습니다.

DAILY COMPUTE

하루 약 $1M

영상 생성에 들어간 일일 컴퓨트 비용 (WSJ 보도)

USER PEAK → DROP

100만 → 50만 미만

앱 출시 후 약 6개월 만에 활성 사용자가 절반 이하로 감소

CUMULATIVE REVENUE

약 $210만

앱 전체 생애 인앱 결제 매출 추정치

요약하면 이렇습니다. 하루 10억 원 가까이 태우는데, 누적 매출이 28억 원 남짓. 이 정도면 단순한 적자가 아니라 사업 모델 자체가 깨진 그림입니다. OpenAI는 결국 컴퓨트를 코딩 도구, 엔터프라이즈 제품, 그리고 로보틱스를 위한 월드 시뮬레이션 연구 쪽으로 재배분하기로 결정했습니다. Disney가 약속했던 $10억 협업도 함께 무산됐습니다.

중요한 건 이게 "AI 영상이 망했다"는 신호가 아니라는 점입니다. "범용 소비자용 AI 영상의 단독 비즈니스 모델이 깨졌다"는 신호에 가깝습니다.

베이징에서 보는 정반대 풍경

재미있는 건, 같은 시기에 제가 베이징에서 매일 보고 있는 풍경은 정반대라는 점입니다. 중국 빅테크 4사의 영상 생성 AI는 단순히 살아 있는 정도가 아니라, 최근 6~12개월 사이에 모델 버전이 2.x에서 3.0으로 한 단계씩 뛰는 업그레이드 경쟁이 펼쳐지고 있습니다.

CN · Kuaishou

Kling (可灵)

2024.6 첫 출시 · 2.6 (2025.12) · 3.0 (2026.1)

중국 영상 AI를 처음으로 글로벌에 알린 모델. 2.6 버전에서 오디오·영상 동시 생성 도입, 3.0 버전은 다중 샷 시퀀스로 진화. 누적 영상 생성 약 1.68억 건.

CN · Tencent

Hunyuan Video (混元)

2024.12 오픈소스 공개

출시 시점 기준 가장 큰 오픈소스 영상 모델(13B 파라미터). 위챗 생태계 결합 가능성과 함께, 자체 인프라 위에서 운영되는 점이 특징.

CN · Alibaba

Wan (万相)

오픈소스 · 2.x 시리즈 지속 업그레이드

VBench(영상 생성 평가) 리더보드에서 오픈소스 최상위. 타오바오 광고·쇼핑 영상과 결합되는 그림. 개발자 진영 친화적.

CN · ByteDance

Seedance (Seed 팀)

Seedance 2.0 (2026.2.12)

CapCut과 Dreamina(중국 即梦)에 통합되어 사실상 가장 많은 일반 사용자가 만지는 모델. 광고·크리에이터 제작 워크플로우와 직결.

리스트만 봐도 알 수 있습니다. 미국 진영에서 대표 서비스가 접히는 사이, 중국에서는 비슷한 카테고리에서 네 개의 메이저 플레이어가 동시에 경쟁하고 있고, 그 경쟁이 시장에서 실제 가치로 평가받고 있습니다.

SIGNAL 영상 AI를 가장 먼저 글로벌에 알린 콰이쇼우(快手)의 주가는 지난 1년간 약 88% 상승했습니다 (Bloomberg 보도, 2026년 초 기준). 같은 카테고리에서 한쪽 회사는 서비스를 접고, 다른 한쪽 회사는 시가총액이 두 배 가까이 오릅니다. 이 격차가 "지금 중국이 영상으로 돈을 어떻게 벌고 있는가"를 가장 잘 보여주는 한 줄입니다.

중국이 영상으로 돈을 잘 버는 이유

왜 중국에서는 영상 AI가 살아남고, 오히려 가속되고 있을까요? 제가 베이징에서 관찰한 답은 의외로 단순합니다.

핵심 통찰

중국에서 영상 AI는 처음부터 "재미로 쓰는 도구"가 아니라 "광고와 커머스의 무기"였습니다. 매출과 직접 연결되는 토양이 이미 깔려 있습니다.

거대 숏폼 생태계. Douyin(抖音), Kuaishou(快手), Xiaohongshu(小红书)가 이미 어마어마한 트래픽을 매일 돌리고 있습니다.

광고가 곧 영상. AI 광고, AI 쇼핑 영상, AI 라이브커머스가 곧장 매출로 연결되는 구조입니다.

제작 자동화의 즉시 수요. 기존 MCN, 광고 제작, 자막, 번역 등 사람이 하던 일이 빠르게 AI로 옮겨가고 있습니다.

AI 크리에이터의 등장. 모델·연기자 없이 영상을 만들어 올리는 계정이 빠르게 늘고 있습니다.

Sora가 "혼자서 영상으로 돈을 벌어야 하는 앱"이었다면, 중국 영상 AI는 "이미 돈을 벌고 있는 플랫폼의 엔진"입니다. 이 구조 차이가 두 진영의 운명을 가른 핵심이라고 저는 봅니다.

진짜 싸움은 모델이 아니라 인프라

중국 빅테크들의 최근 발표와 공개 자료를 따라가다 보면, 화두는 더 이상 "어떤 모델이 성능이 좋은가"가 아닙니다.

"어떻게 하면 더 적은 자원으로 더 많은 영상을 뽑아낼 수 있을까". 경쟁의 무게중심이 이미 인프라 효율 쪽으로 넘어가 있습니다.

모델 자체의 화질·길이·해상도 경쟁은 어느 정도 평준화 단계에 들어섰고, 그다음 단계인 "서비스로 운영했을 때 단위 영상당 비용을 누가 더 낮추는가"가 진짜 승부처가 되고 있습니다. Sora가 "하루 $1M 컴퓨트"에서 무너졌다는 것이 바로 이 본질을 보여주는 사례입니다.

반도체 엔지니어로서 보는 그림

여기서 제 본업 관점을 잠깐 말씀드리고 싶습니다. 영상 생성 AI는 텍스트 AI와는 데이터 부담의 차원이 다릅니다.

수십~수백

영상 1개당
프레임 수

↑↑

Intermediate
Cache 부담

↑↑

Object Storage
사용량

↑↑

CDN·네트워크
트래픽

STORAGE PERSPECTIVE

Video AI 경쟁은 GPU 싸움이 아니라 스토리지·트래픽 싸움입니다

텍스트 AI가 토큰 한 줄을 다룬다면, 영상 AI는 한 번 생성할 때마다 이미지 수십에서 수백 장 분량의 중간 결과물을 다뤄야 합니다. 매 단계마다 캐시에 올렸다 내렸다를 반복하고, 결과물을 저장·배포하는 과정도 단계가 많습니다.

• 학습 단계: 대용량 영상 데이터셋 로딩
• 추론 단계: 프레임 단위 Intermediate Cache
• 서빙 단계: Object Storage + CDN 배포
• 결과: 고성능 SSD와 대용량 AI 스토리지 수요가 함께 따라 올라감

그래서 업계 사람들이 요즘 "Video AI 시대에는 GPU만큼 스토리지·네트워크가 병목이 될 거"라고 자주 말합니다. AI 인프라 시장의 다음 챕터는 분명히 이쪽으로 흘러가고 있다는 게 제 판단입니다. Sora의 종료 이유 1순위가 컴퓨트·운영 비용이었다는 점도 같은 결을 보여줍니다.

마치며. 두 풍경을 동시에 보는 자리에서

다시 시안의 그 발표 장면으로 돌아가 보면, 그때 저는 Sora를 "미래"로 소개했습니다. 그 미래가 2년 만에 한쪽에서는 접히고, 다른 쪽에서는 4사가 동시에 업그레이드 경쟁을 벌이고 있다는 사실은, 저에게 단순한 서비스 하나의 흥망 이상으로 다가옵니다.

같은 기술이 어느 토양에 심기느냐에 따라 결과가 이렇게 갈립니다. AI 영상 시장은 이제 하나의 글로벌 트렌드가 아니라, 서로 다른 비즈니스 모델 위에서 서로 다른 속도로 진화하는 두 개의 풍경이 되어가고 있습니다.

베이징에서 일하는 한국 엔지니어로서, 이 두 풍경을 동시에 보고 있다는 게 한편으로는 운이 좋다고 느껴지고, 한편으로는 마음이 복잡해지기도 합니다. 시안의 그 회의실에서 Sora 영상을 처음 돌렸을 때의 그 술렁임. 다음번 그 술렁임은 어느 진영의 어떤 영상이 만들어낼지, 저도 매일 호기심을 가지고 지켜보고 있습니다.

출처 메모. Sora 관련 수치(일일 컴퓨트 비용·사용자 추이·누적 매출)는 Wall Street Journal·TechCrunch·CNN 보도 인용. 종료 일정은 OpenAI 공식 안내(앱 2026.4.26, API 2026.9.24)에 따름. 콰이쇼우 주가 상승률은 Bloomberg 2026년 1월 보도. 중국 모델 출시 시점은 각 회사의 공식 발표 및 공개 문서 기준입니다.

NEXT TOPICS

다음 글에서 다뤄보면 좋을 연계 주제들

1. CapCut과 Dreamina(即梦), 중국 AI 영상이 사용자에게 닿는 진짜 경로

Seedance 같은 모델이 결국 어떤 앱을 통해 일반 사용자 손에 들어가는지 살펴보면, "중국이 영상으로 돈 버는 구조"가 훨씬 선명해집니다. 모델보다 유통 채널이 무기라는 관점.

2. 영상 생성 AI가 만든 새로운 스토리지 수요. HBM 다음은 SSD인가

텍스트 시대에는 HBM이 주역이었다면, 영상 시대에는 어떤 메모리·스토리지가 병목이 될까. 본업과 가장 가까운 주제이고, 한국 메모리 업계 독자들에게도 잘 닿을 글이 될 것으로 보입니다.

3. 콰이쇼우 주가는 왜 88% 올랐나. AI 영상이 광고 ARPU를 끌어올리는 구조

"AI 모델 발표 = 주가 상승"의 단순 도식이 아니라, 광고 단가·체류 시간·크리에이터 생산성이 어떻게 연결되어 시가총액으로 환산되는지 풀어볼 만한 주제입니다.

4. Sora가 못 한 일을 Dreamina는 어떻게 하나. B2C vs 플랫폼 임베드 전략 비교

독립 앱으로 돈을 벌려 한 Sora와, 거대 플랫폼의 한 기능으로 들어간 중국 영상 AI. 같은 기술이 다른 비즈니스 모델 위에 올라갔을 때 운명이 어떻게 갈리는지를 보여주는 케이스 스터디.

5. AI 영상 시대의 CDN과 Object Storage. 누가 그림자 수혜자인가

GPU 회사들만 주목받고 있지만, 영상 생성이 늘면 진짜로 부담이 가는 곳은 따로 있습니다. 중국 클라우드(Alibaba Cloud·Tencent Cloud) 인프라 측면에서 본 영상 AI 시대의 인프라 지도.

#중국AI #영상생성AI #Sora종료 #Kling #Seedance #Wan #HunyuanVideo #AI스토리지 #AI인프라 #베이징주재원

중국어로 사춘기는 '叛逆期'? 뜻과 인생 시기별 한자 표현 총정리

marvin-jung — Sat, 16 May 2026 21:44:23 +0900

중국어로 사춘기는 '叛逆期'? 뜻과 인생 시기별 한자 표현 총정리

叛逆期·而立之年·不惑·古稀까지, 중국어로 보는 인생 단계 표현 완벽 정리

中国语表现

중국어로 "사춘기"를 叛逆期라고 합니다. 한국어보다 훨씬 직설적인 표현인데, 부모와 권위에 정면으로 반항하는 시기라는 뜻이거든요. 오늘은 이 표현을 시작으로, 중국인이 태어나서 죽을 때까지 인생의 각 시기를 어떻게 부르는지 한자 표현을 모두 정리해 봅니다.

叛逆期의 진짜 뜻

pàn nì qī · 판니치

한국어 "사춘기"가 봄(春)을 생각(思)하는 시기라는 시적인 표현이라면, 중국어 叛逆期는 정말 솔직합니다. 글자 하나하나를 뜯어 보면 이 시기를 어떻게 바라보는지가 보여요.

— 한자 풀이

叛

pàn · 판 · 배반할 반

배반하다, 등을 돌리다, 반란을 일으키다

逆

nì · 니 · 거스를 역

거스르다, 반대로 가다, 맞서다

期

qī · 치 · 기간 기

시기, 기간, 단계

즉 叛逆期는 글자 그대로 "등 돌리고 거스르는 시기"입니다. 逆은 "반대 방향으로 가다"라는 뜻이고요. 한국어로 가장 가까운 번역은 사춘기 + 반항기를 합친 어감입니다. 중국 부모들이 십대 자녀를 보며 한숨 쉬며 자주 쓰는 말이죠.

他正在叛逆期，什么都跟我对着干。

"걔 지금 반항기라서, 뭐든지 나랑 반대로 하려고 해."

— 일상 회화 예문

现代현대 중국어로 보는 인생 단계

"~期(qī)" 패턴으로 끝나는 표현들

현대 중국어에서는 인생의 시기를 대부분 ~期 (qī, 기간) 형태로 부릅니다. 한국어의 "유년기, 청년기"와 똑같은 한자 구조라 익히기 쉬워요.

婴儿期

yīng'ér qī · 잉얼치

영아기

출생 ~ 만 1세

幼儿期

yòu'ér qī · 여우얼치

유아기

만 1 ~ 3세

童年期

tóngnián qī · 통니엔치

아동기

만 4 ~ 11세

少年期

shàonián qī · 샤오니엔치

소년기

만 10 ~ 15세

青春期

qīngchūn qī · 칭춘치

청춘기 (사춘기)

만 11 ~ 18세

叛逆期

pànnì qī · 판니치

반항기

청춘기 안의 한 단계

青年期

qīngnián qī · 칭니엔치

청년기

만 18 ~ 35세

中年期

zhōngnián qī · 중니엔치

중년기

만 35 ~ 60세

更年期

gēngnián qī · 겅니엔치

갱년기

중년 후반

老年期

lǎonián qī · 라오니엔치

노년기

만 60세 이후

참고로 青春期(청춘기)와 叛逆期(반항기)는 시기적으로 거의 겹치지만 의미가 달라요. 청춘기는 생리학적·신체적 변화를 강조하고, 반항기는 심리적·행동적 반항을 강조합니다. 한국어 "사춘기"가 두 의미를 다 품고 있다면, 중국어는 단어를 둘로 쪼개서 씁니다.

古典논어가 정리한 인생의 나이

공자의 三十而立 명문구에서 시작된 표현들

중국에서는 30살, 40살, 50살을 그냥 숫자로 부르지 않고 시적인 한자 표현을 씁니다. 출처는 모두 『论语·为政』에 나오는 공자의 유명한 자술(自述)이에요.

吾十有五而志于学，三十而立，四十而不惑，
五十而知天命，六十而耳顺，七十而从心所欲，不逾矩。

"나는 열다섯에 학문에 뜻을 두었고, 서른에 일어섰으며, 마흔에 미혹되지 않았고, 쉰에 천명을 알았으며, 예순에 귀가 순해졌고, 일흔에 마음 가는 대로 해도 법도를 넘지 않았다."

— 论语 · 为政篇

나이	표현	의미
15세	志学之年	학문에 뜻을 두는 나이 (zhì xué zhī nián)
20세	弱冠	관례를 치르고 성인이 되는 나이 (남자) (ruò guàn)
30세	而立之年	스스로 일어서는 나이 (ér lì zhī nián)
40세	不惑之年	미혹되지 않는 나이 (bù huò zhī nián)
50세	知命之年	천명을 아는 나이 (zhī mìng zhī nián)
60세	耳顺之年 / 花甲	귀가 순해지는 나이 (ěr shùn / huā jiǎ)
70세	古稀之年	예부터 드문 나이 (gǔ xī zhī nián)
77세	喜寿	"喜"의 초서체가 七十七 모양 (xǐ shòu)
80~90세	耄耋之年	아주 늙은 나이 (mào dié zhī nián)
90세	鲐背之年	등에 복어 무늬 같은 검버섯 (tái bèi zhī nián)
99세	白寿	百에서 一을 빼면 白 (bái shòu)
100세	期颐之年	봉양받아야 할 나이 (qī yí zhī nián)

古稀(고희)는 두보의 시 "人生七十古来稀"(인생 칠십은 예부터 드물다)에서 나왔어요. 花甲(화갑)은 60갑자가 한 바퀴 도는 나이라는 뜻이고요. 한국에서도 환갑·고희가 그대로 쓰이죠.

童年어린 시절을 부르는 옛 표현

머리 모양과 강보에서 따온 시적인 이름들

현대에서는 거의 안 쓰지만 사극이나 문학 작품을 보면 자주 등장합니다. 모두 아이의 모습이나 머리 모양에서 유래했어요.

襁褓

qiǎng bǎo · 챵바오

강보 (포대기)

갓난아기

孩提

hái tí · 하이티

안기는 아이

2 ~ 3세

垂髫

chuí tiáo · 추이탸오

늘어뜨린 머리의 아이

3 ~ 8세

总角

zǒng jiǎo · 종쟈오

두 갈래로 묶은 아이

8 ~ 14세

여성의 나이를 부르는 옛 표현

옛 중국에서는 여성의 나이를 꽃과 식물의 이미지로 부르는 표현이 풍부했어요. 시문에 자주 등장합니다.

豆蔻年华

dòu kòu nián huá

두구화 같은 시절

13 ~ 14세 소녀

及笄

jí jī · 지지

비녀 꽂는 나이

15세 (성년식)

桃李年华

táo lǐ nián huá

복숭아·자두 시절

20세 여성

花信年华

huā xìn nián huá

꽃이 만개한 시절

24세 여성

남성의 나이를 부르는 옛 표현

弱冠

ruò guàn · 루어관

관(冠)을 쓰는 나이

20세 남성 (성년식)

而立

ér lì · 얼리

홀로 서는 나이

30세 남성

옛날에는 20세에 머리에 관을 쓰는 의식 冠礼(관례)를 치르고 성인으로 인정받았어요. 그래서 "아직 약한 관(弱冠)"이라고 표현한 겁니다. 여성은 같은 나이에 비녀를 꽂는 笄礼(계례)를 치렀고요.

한 줄 정리

중국어 인생 시기 표현은 크게 ~期 형식의 현대 표현과, 공자의 논어에서 비롯된 ~之年 형식의 고전 표현으로 나뉩니다. 일상 회화에서는 현대 표현, 격식 있는 글이나 축하 자리에서는 고전 표현을 쓰면 어휘가 한층 풍부해져요. 특히 花甲, 古稀는 한국에서도 그대로 쓰이니 익혀 두면 좋습니다.

중국 AI 업계, 무료의 시대 저문다. Doubao 유료화·알리바바 클라우드 34% 인상이 보내는 신호

marvin-jung — Sat, 16 May 2026 21:37:57 +0900

중국 AI 업계, 무료의 시대 저문다. Doubao 유료화·알리바바 클라우드 34% 인상이 보내는 신호

베이징 현지 관찰AI 인프라 분석2026.05

베이징에서 일하면서 가장 최근에 체감한 변화가 있습니다. "중국 AI는 무료 또는 헐값이다"라는 공식이 더 이상 통하지 않습니다. ByteDance의 Doubao는 월 68·200·500위안짜리 유료 구독을 테스트 중이고, 알리바바·바이두·텐센트 등 주요 클라우드 사업자들은 AI 컴퓨팅과 스토리지 가격을 일제히 올리고 있습니다. 단순한 요금 조정이 아니라고 봅니다. 중국 AI 산업의 경쟁축이 '모델 성능 자랑'에서 '추론(Inference) 인프라 효율'로 옮겨가는, 분명한 변곡점입니다.

한눈에 보는 가격 변화

68~500¥

Doubao 유료 플랜
월 구독 테스트 가격대

~34%

알리바바 클라우드
AI 컴퓨팅 인상폭

~30%

알리바바 CPFS
AI 스토리지 인상

5~30%

바이두 클라우드
AI 서비스 인상

ByteDance Doubao, '무료 + 유료 분리형'으로 전환

ByteDance는 자사 생성형 AI 서비스 Doubao에서 PPT 생성, 데이터 분석, 영상 생성 등 고연산 기능을 중심으로 월 68위안(약 1만 3천원), 200위안, 500위안 수준의 구독형 유료 모델을 테스트하고 있는 것으로 알려졌습니다.

핵심 포인트는 단순한 유료화가 아니라는 점입니다. 기존 무료 서비스는 그대로 두되, 비용을 가장 많이 발생시키는 헤비 사용자 전용 기능만 떼어내 프리미엄으로 과금하는 구조입니다. 사용자 베이스는 유지하면서 인프라 부담이 큰 영역만 수익화하는, 전형적인 Freemium 전환 신호로 읽힙니다.

DeepSeek 등장 이후 중국 생성형 AI 사용량은 급증했지만, 그만큼 GPU 클러스터와 데이터센터 운영 비용도 급격히 누적되었습니다. 무료를 계속 유지하려면, 어딘가에서 비용을 회수해야 합니다.

클라우드 빅3, 가격 인상 도미노

알리바바 클라우드 최대 34% 인상

GPU 기반 AI 컴퓨팅 서비스는 기존 대비 5~34% 인상, AI용 병렬 파일 스토리지(CPFS)는 약 30% 수준의 가격 인상이 적용되는 것으로 확인됩니다. 인상폭이 가장 공격적인 곳입니다.

바이두 클라우드 5~30% 인상

AI 연산 관련 서비스 가격을 약 5~30% 수준 인상한다고 발표했습니다. 추론 단가 정상화 흐름에 본격 합류한 모습입니다.

텐센트 클라우드 무료 베타 종료

직접적인 가격 인상보다는 일부 무료 공개 베타 AI 서비스를 종료하는 방식으로 움직이고 있습니다. 무료 정리부터 시작해 점진적으로 유료 전환 수순을 밟는 패턴으로 보입니다.

왜 지금, 가격이 오를 수밖에 없나

그동안 중국 AI 시장은 사용자 확보를 위한 무료·저가 경쟁이 극심했습니다. 그런데 2025년 하반기 들어 DeepSeek과 Doubao 사용량이 단기간에 폭증하면서, 사업자 입장에서 'GPU 클러스터 증설 + 데이터센터 투자' 부담이 한계점에 다다랐습니다.

인프라 비용을 끌어올리는 세 가지 요인

Long Context (장문맥) 기반 AI의 확산. 한 번의 요청에 처리해야 할 토큰이 기하급수적으로 늘어났습니다. 컨텍스트 32K가 일반화되고 100K, 1M까지 확장되면서 KV Cache 부담이 폭증합니다.
AI Agent 시대의 도래. 사용자가 한 번 명령하면 Agent가 내부적으로 수십~수백 번의 모델 호출을 일으킵니다. 토큰 처리량은 사용자가 보는 화면의 몇 배에서 수십 배로 늘어납니다.
멀티모달 처리 부담. 영상·이미지 생성, 음성 합성 등은 GPU·메모리·스토리지 모든 계층에 동시에 부담을 줍니다.

여기에 GPU 가격은 떨어질 기미가 없고, 고성능 SSD·HBM·고속 네트워크 장비 비용도 만만치 않습니다. 한마디로 '무료로 운영하면 적자가 누적되는 구조'가 되어버린 겁니다. 가격 인상은 그 구조가 더 이상 무료로 흡수되지 않는다는, 시장이 보내는 명확한 신호입니다.

경쟁의 축이 바뀌고 있다

그동안 중국 AI 경쟁은 새 모델 공개 속도, 벤치마크 점수, 파라미터 수 같은 'LLM 성능 자체'를 두고 벌어졌습니다. 그러나 최근 흐름은 분명히 다릅니다. 진짜 승부처가 모델에서 인프라로 이동하고 있습니다.

~2024년의 경쟁	2025~26년의 경쟁
벤치마크 점수	실서비스 토큰 처리 효율
모델 공개 속도	GPU 사용률(Utilization)
파라미터 수 자랑	Inference Latency 최적화
무료 사용자 확보	스토리지·메모리 계층 비용 절감

요약하면, 'AI를 만드는 회사'에서 'AI를 효율적으로 굴리는 회사'가 이기는 게임으로 바뀌고 있습니다. 똑같은 모델을 누가 더 싸게, 빠르게, 안정적으로 서빙하느냐가 경쟁력의 본질이 되어가고 있습니다.

현지에서 본 다음 단계, GPU 그 너머

ODCC 2025 현장에서

지난 2025년 9월, 베이징국제회의중심에서 열린 ODCC(开放数据中心大会)에 嘉宾(VIP 게스트)으로 참석한 자리에서 가장 인상 깊었던 점이 있습니다. 발표자들이 GPU 다음으로 가장 자주 언급한 단어가 'Storage', 'Memory', 'Network'였다는 것입니다.

한국에서 흔히 'AI 인프라' 하면 GPU만 떠올리기 쉬운데, 중국 데이터센터 업계는 이미 그 너머를 보고 있습니다. KV Cache를 HBM에 둘지 GDDR에 둘지 SSD에 둘지, Long Context 토큰을 어떻게 압축·저장할지, 그 데이터를 GPU까지 얼마나 빠르게 전달할지. 이런 'GPU 주변의 효율'이 추론 단가를 좌우하는 시대로 진입한 것입니다.

이번 가격 인상 도미노는 결국 같은 메시지를 던지고 있습니다. 중국 AI 업계의 진짜 승부는 모델 발표 무대가 아니라, 데이터센터 한 평방미터당 얼마나 많은 토큰을 처리해내느냐에서 갈릴 것이라고 봅니다. 추론 시대에는 GPU 한 장의 성능보다, 전체 스택의 효율이 압도적으로 중요해집니다.

맺으며, 한국 반도체에는 어떤 신호인가

사실 한국에는 글로벌 LLM 챔피언이라고 부를 만한 모델이 없습니다. 우리가 일상에서 쓰는 ChatGPT, Claude, Gemini, 그리고 이번 글에 등장한 DeepSeek과 Doubao까지 모두 외산입니다. 그래서 중국의 AI 가격 인상 뉴스를 "남의 동네 이야기"로 흘려보내기 쉽습니다.

그런데 시각을 살짝만 돌리면, 이 변화는 한국과 의외로 가깝습니다. 클라우드 사업자들이 AI 서비스 가격을 올린다는 건, 뒤집어 말하면 그만큼 AI 인프라에 더 많이 투자한다는 뜻입니다. GPU 한 장 더 사고, HBM 한 단 더 쌓고, 고성능 SSD를 더 많이 깐다는 의미입니다. 중국이 LLM 경쟁의 무대라면, 한국은 그 무대를 떠받치는 메모리와 스토리지의 공급자 위치에 서 있습니다. 이 흐름이 길어질수록 한국 반도체 산업, 특히 메모리에 가는 신호는 분명히 긍정적이라고 봅니다.

사용자 입장에서도 메시지가 있습니다. ChatGPT Plus나 Claude Pro를 결제하는 한국 사용자가 빠르게 늘고 있는데, OpenAI도 Anthropic도 같은 추론 비용 압력에서 자유롭지 않습니다. "중국이 먼저 올렸다"는 건 어쩌면 "우리가 쓰는 서비스도 곧 비슷한 길을 갈 것이다"의 다른 표현일 수 있습니다. LLM을 만들지 못해도 LLM을 둘러싼 흐름은 결국 한국에도 도달합니다. 그 방향이 어디인지, 중국 시장이 지금 먼저 보여주고 있습니다.

다음 글에서 다뤄보면 좋을 연계 주제

1. CXMT의 HBM3 양산 시도, 중국 메모리는 AI 자립을 이룰 수 있을까

가격 인상의 본질은 결국 GPU와 메모리 비용입니다. 중국이 HBM을 자체 공급할 수 있게 되는 시점이 오면, 이 가격 곡선 자체가 다시 한번 흔들립니다. 현지에서 보는 CXMT·SMIC의 진척도를 정리해보고 싶습니다.

2. KV Cache, HBM에 둘 것인가 SSD에 둘 것인가

추론 비용의 절반 이상이 KV Cache 처리에서 결정된다는 분석이 많습니다. 메모리 계층을 어떻게 설계하느냐가 곧 단가 경쟁력. 이전 KV Cache 글의 후속편 격으로 한 번 더 깊이 들어가볼 만합니다.

3. Doubao Pro 500위안 vs ChatGPT Plus 20달러, 누가 더 비싼가

단순 환산으로는 Doubao가 비싸 보이지만, 중국 평균 임금과 시장 구조를 함께 봐야 진짜 그림이 나옵니다. 한중 AI 구독료 비교는 그 자체로 흥미로운 주제입니다.

4. 추론 폭증 시대, 중국 데이터센터의 진짜 병목은 전력이다

GPU를 사도 전기가 부족하면 못 돌립니다. 중국 서부 지역(西部) 데이터센터 이전과 풍력·수력 연계 인프라가 왜 이렇게 빠르게 깔리고 있는지, 그 배경을 정리해볼 만합니다.

휴머노이드 로봇은 정말 사람의 일자리를 대체할까: 2026년 현장이 보여주는 진짜 답

marvin-jung — Sat, 16 May 2026 21:26:48 +0900

휴머노이드 로봇은 정말 사람의 일자리를 대체할까: 2026년 현장이 보여주는 진짜 답

테슬라 옵티머스, 피규어 03, 애자일리티 디지트, 유니트리 G1까지 — 휴머노이드가 공장에 들어온 지금, 일자리는 어떻게 바뀌고 있을까요. 화제와 사실을 분리해서 살펴봅니다.

AI · 로보틱스

2026년 동향

일자리의 미래

✍️ 들어가기 전에

이 글은 공개된 산업 데이터와 보고서를 바탕으로 했지만, 그 해석과 전망에는 글쓴이의 주관적 의견이 상당 부분 포함되어 있습니다. 일부 수치는 출처에 따라 차이가 있을 수 있고, 결론 역시 하나의 관점일 뿐입니다. 가벼운 마음으로, 다른 각도의 생각거리를 던지는 글로 읽어주시면 좋겠습니다.

질문 자체는 단순해 보이지만, 답은 그렇게 간단하지 않습니다. 2026년 봄 현재, 휴머노이드 로봇은 이미 BMW와 메르세데스벤츠 공장에서 부품을 옮기고 있고, 아마존 물류센터에서 토트박스를 나르고 있습니다. 동시에, 같은 공장에서는 사람을 더 뽑고 있습니다. 이 두 가지 사실이 어떻게 양립할 수 있는지를 이해하는 것이, 일자리의 미래를 가늠하는 출발점이 됩니다.

1. “대체”가 아니라 “보완”이라는 현장의 답

휴머노이드 로봇 도입의 가장 큰 동기는, 의외로 일자리를 줄이기 위해서가 아닙니다. 오히려 그 반대에 가깝습니다. 미국 제조업의 미충원 일자리는 2026년 기준 41만 5천 개를 넘어섰고, 테슬라가 옵티머스 프로젝트를 본격화한 배경 중 하나도 “자기 공장을 돌릴 사람을 충분히 구하지 못해서”였습니다.

피규어 AI(Figure AI)의 휴머노이드는 BMW의 사우스캐롤라이나 스파턴버그 공장에서 11개월 동안 시범 운영을 거쳤고, 그 사이 X3 차량 3만 대 이상을 제조하는 라인에서 부품 9만 개 이상을 1,250시간 동안 처리했습니다. 그 기간 동안 BMW가 인력을 줄였다는 발표는 없었습니다. 메르세데스의 아폴로(Apollo, Apptronik) 도입 사례도 비슷합니다. 가장 위험하고, 반복적이고, 신체에 무리가 가는 작업을 로봇이 맡고, 사람은 그 외의 영역으로 이동하는 구조입니다.

대체(Replace) 시나리오

“로봇이 사람을 밀어낸다”

같은 일자리 하나에 사람과 로봇이 경쟁한다고 본다. 단가 비교가 곧 결론이 된다.

보완(Augment) 시나리오

“로봇이 빈자리를 메운다”

사람이 가지 않으려는 자리, 채워지지 않는 자리에 로봇이 먼저 들어간다. 사람은 다른 일로 옮긴다.

한 줄 요약

2026년 현재 산업 현장의 휴머노이드는 “사람을 자르려고” 도입되는 것이 아니라, “사람이 안 들어오는 자리”를 메우려고 도입되고 있습니다. 적어도 지금까지의 데이터는 그렇습니다.

2. 그래도 결국 비용 계산이 답을 정한다

물론 “지금 그렇다”와 “앞으로도 그렇다”는 다른 이야기입니다. 도입 동기가 노동력 부족이든, 산업재해 감축이든 간에, 결국 기업의 의사결정은 비용 비교로 수렴합니다. 이 부분이 바로 향후 5년간 가장 격렬한 논쟁이 될 지점입니다.

$13,500

유니트리 G1 시작가 (2026년 기준)

$20K~$30K

테슬라 옵티머스 목표 양산가

$50K~$150K

2026년 전 산업용 휴머노이드 평균

−40%

2025→2026 제조원가 하락폭(골드만삭스)

숫자만 단순히 보면 결론은 매정해 보입니다. 한 대에 2만 5천 달러인 휴머노이드가 2교대로 16~20시간 가동되며 2~3년을 버틴다면, 미국 기준 연봉 3만~4만 달러의 단순 노동 일자리는 산술적으로 1년 안에 ROI(투자수익률)가 나옵니다. CFO 입장에서는 무시하기 어려운 숫자입니다.

하지만 여기에서 자주 빠지는 변수가 있습니다. 휴머노이드는 “사기만 하면 끝”이 아닙니다. 시뮬레이션 학습 데이터, 안전 펜스 또는 협동 인증, 유지보수 인력, 충전 인프라, 보험, 그리고 무엇보다 “그 라인에서 안 되는 작업이 30%쯤 남는다”는 현실적 한계가 있습니다. 산업용 휴머노이드 도입은 결국 총소유비용(TCO)의 게임이지, 단가 비교의 게임이 아닙니다.

3. 휴머노이드가 “할 수 있는 일”과 “아직 못 하는 일”

“일자리 대체”라는 질문은 사실 “어떤 일을 얼마나 잘하는가”라는 질문과 같습니다. 2026년 봄 기준, 가장 앞선 플랫폼들의 실제 능력은 다음과 같이 정리할 수 있습니다.

✅ 이미 현장에서 가능한 일

물류센터에서 박스·토트 운반(애자일리티 디지트)

자동차 부품 적재·하역과 단순 조립 보조(피규어 03)

계단·평탄치 않은 바닥 보행(보스턴 다이내믹스 아틀라스)

최대 25kg 내외의 물건 들기, 8시간 연속 가동

고정된 라인의 검사(인스펙션) 루트 순회

❌ 아직 안정적으로 못 하는 일

자동차 라인의 사이클 타임을 따라잡는 정밀 조립

서브 밀리미터 수준의 반복 정밀 작업

10kg을 훨씬 넘는 무거운 페이로드의 안정적 운반

예측 불가능한 환경에서의 종합적 판단(예: 주방, 일반 가정)

차량 운전, 복잡한 요리, 비정형 돌봄

⚠️ 자주 오해되는 지점

유튜브에 올라오는 “옷 개기”, “장난감 정리”, “계란 옮기기” 시연 중 상당수는 원격 조종(텔레오퍼레이션)이거나, 매우 통제된 환경에서의 데모입니다. 24시간 자율적으로 그 일을 해내는 단계와는 큰 거리가 있습니다.

4. 어떤 직업이, 어떤 순서로 영향을 받을까

뱅크오브아메리카(BoA)와 골드만삭스 등 주요 투자은행들의 보고서를 종합하면, 휴머노이드의 일자리 침투는 대체로 다음과 같은 3단계로 진행될 것으로 전망됩니다.

1단계

2026 ~ 2028 · 산업·물류 중심

대형 물류창고의 토트 운반, 자동차 OEM의 단순 조립 보조, 위험·반복 공정. 기존 산업로봇이 못 들어가던 “사람 통로”에 휴머노이드가 들어가는 단계.

2단계

2028 ~ 2034 · 서비스·유통 확장

소매 매장의 재고 정리, 호텔의 객실 비품 배달, 병원의 검체·의약품 운반, 식품·농업의 일부 공정. 사람과 같은 공간에서 일하는 양상.

3단계

2030년대 후반 · 가정용 본격화

청소·세탁·간단한 정리 등 정형화된 가사 작업. 단, 진짜 “집안일 전반”을 맡기는 단계는 그보다 더 늦어질 가능성이 큼.

이 순서가 의미하는 바는 분명합니다. 가장 먼저 영향을 받는 직군은 화이트칼라가 아니라, 단순 반복형 블루칼라 일자리입니다. 동시에, 가장 마지막까지 살아남는 일자리도 “사람의 손과 판단이 동시에 필요한” 영역에 몰려 있습니다.

영향이 빠른 영역

물류센터 피킹·패킹, 단순 조립, 단순 검사, 야간 경비 일부, 정형화된 식품가공, 매장 재고 정리

중간 속도로 영향받는 영역

호텔 객실 보조, 병원 비임상 운반, 외식업 일부 공정, 노인 돌봄 보조 업무

영향이 가장 늦은 영역

교육·상담·창의 작업, 비정형 돌봄, 미용·이용, 응급 의료, 복잡한 협상·영업, 그리고 “고객 앞에서 사람이 직접 서야 가치가 생기는” 모든 직군

5. 그러면 새로운 일자리는 어디서 생길까

역사적으로 자동화는 특정 일자리를 줄이는 동시에 새로운 일자리를 만들어왔습니다. 세계경제포럼(WEF)도 휴머노이드와 관련해 “로봇 유지보수, 프로그래밍, 감독, 데이터 라벨링” 영역에서 사라지는 일자리보다 더 많은 일자리가 생길 것으로 전망합니다. 다만, “더 많이 생긴다”는 것과 “지금 일하는 그 사람이 그 일자리로 옮겨갈 수 있다”는 것은 전혀 다른 문제입니다.

수요가 커지는 직군

로봇 운영·정비 엔지니어 (특히 현장 정비)

로봇 학습용 데이터 수집·라벨링 작업자

시뮬레이션 환경 설계자, 디지털 트윈 운영자

사람–로봇 협업 라인의 안전 관리자, 셀 디자이너

AI 모델 평가자, 안전성·윤리성 감수자

로봇 도입 컨설팅·도입 후 변화관리 전문가

핵심 통찰

“로봇이 일자리를 빼앗는다”와 “로봇이 새 일자리를 만든다”는 동시에 사실일 수 있습니다. 진짜 문제는 두 일자리 사이의 ‘이동 비용’을 누가 부담하는가입니다. 재교육, 사회안전망, 지역별 격차 — 이 셋이 정책의 핵심 변수가 됩니다.

6. 중국 현장에서 느끼는 속도

베이징 현지 관찰 메모

상하이 기반의 AGIBOT(즈위안로보틱스)는 2026년 3월 말 누적 1만 대 출하를 달성했습니다. 5,000대까지 가는 데 걸린 시간 대비, 그 다음 5,000대는 단 3개월이 걸렸습니다. 베이징·항저우 일부 산업 전시회에서는 유니트리 G1, H2 등을 직접 볼 기회가 점점 늘고 있습니다. 가격대가 1만 3천 달러 수준까지 내려오면서, “고가 프리미엄 시연용 기계”라는 인식 자체가 빠르게 옅어지고 있다는 점이 인상적이었습니다.

글로벌 휴머노이드 출하량 자체는 2025년 기준 약 1만 3천여 대로, 아직 자동차 한 모델의 일주일 생산량에도 못 미치는 수준입니다. 하지만 가격 곡선과 출하량 곡선의 기울기는, 이 산업이 “시범 단계”에서 “본격 도입 단계”로 넘어가는 변곡점에 와 있음을 시사합니다.

7. 결국 우리가 던져야 할 진짜 질문

“휴머노이드가 사람의 일자리를 대체할까?”는, 사실 두 개의 질문이 합쳐진 것입니다. 하나는 “어떤 일이 자동화될 수 있는가”라는 기술 질문이고, 다른 하나는 “그 결과로 누가 어떤 위치에 서게 되는가”라는 사회 질문입니다. 첫 번째 질문은 시간이 답해줍니다. 두 번째 질문은 우리가 답해야 합니다.

개인 단위에서 던질 질문도 비슷합니다. 내가 하는 일에서, “반복 가능하고 정형화된 비중”이 얼마나 되는가? 그리고 그중 “사람이 직접 거기 있다는 사실 자체”가 만들어내는 가치는 얼마나 되는가? 이 비율을 솔직하게 가늠해 보는 것이, 향후 10년의 커리어 설계에서 가장 중요한 출발점이 될 것입니다.

이 글의 결론

휴머노이드 로봇은 “모든 일을 빼앗는 존재”도, “순한 보조도구”도 아닙니다. 일부 단순 반복 영역에서는 분명히 사람을 줄이는 방향으로 작용할 것이고, 동시에 새로운 직군을 만들어낼 것이며, 가장 중요하게는 “사람만이 만들어낼 수 있는 가치”의 정의를 다시 쓰게 만들 것입니다. 진짜 답은 “대체된다 / 안 된다”의 이분법이 아니라, “어떤 일은 옮겨가고, 어떤 일은 새로 생기고, 어떤 일은 사람이 더 잘하게 된다”의 재배치(reallocation)에 가깝습니다.

다음 글에서는 한 단계 더 들어가서, “휴머노이드 시대에 살아남는 직업의 5가지 공통점”을 구체적인 데이터와 사례로 정리해 보겠습니다. 끝까지 읽어주셔서 감사합니다.

검색 태그

#휴머노이드로봇

#일자리대체

#테슬라옵티머스

#피규어AI

#보스턴다이내믹스

#유니트리

#AGIBOT

#노동시장변화

#AI로보틱스

#일의미래

평행이론을 검색한다면? HNSW(Hierarchical Navigable Small World) 완전 정복, AI 시대의 핵심 검색 엔진

marvin-jung — Sat, 16 May 2026 21:21:37 +0900

평행이론을 검색한다면? HNSW(Hierarchical Navigable Small World) 완전 정복, AI 시대의 핵심 검색 엔진

벡터 데이터베이스가 1억 개 임베딩에서 0.001초 만에 답을 찾는 비밀

“알리바바가 HNSW를 쓴다는 이야기를 듣고 호기심에 공부를 시작했는데, 어느 순간 머릿속에서 영화 한 편이 펼쳐졌습니다. 한 사람이 여러 차원에 동시에 살고 있는 SF영화처럼, HNSW 그래프 위에서는 같은 데이터가 서로 다른 층에 동시에 존재하면서 검색을 도와주고 있었습니다. 평행이론이 가장 정확하게 구현된 자료구조라고 해도 과언이 아닐 것입니다.

이번 글에서는 HNSW(Hierarchical Navigable Small World)가 도대체 무엇이고, 왜 ChatGPT·Claude 같은 LLM 시대의 사실상 표준 검색 알고리즘이 되었는지를 차근차근 풀어보겠습니다. 탄생 배경부터 그래프 구성 방법, 검색 동작 원리, 그리고 같은 자리에서 경쟁하는 IVF·LSH·Annoy·ScaNN·DiskANN까지 한 번에 비교해 드리겠습니다.

01왜 지금 HNSW인가

2022년 ChatGPT 등장 이후 가장 폭발적으로 성장한 인프라가 무엇인지 묻는다면, 많은 엔지니어들이 벡터 데이터베이스(Vector Database)를 꼽을 것입니다. RAG(Retrieval-Augmented Generation), 시맨틱 검색, 추천 시스템, 이미지·음성 검색이 전부 벡터 검색을 기반으로 동작하기 때문입니다.

그런데 문제가 하나 있습니다. LLM이 만들어내는 임베딩 벡터는 보통 768차원에서 3,072차원에 달합니다. 차원이 이렇게 높으면 우리가 학교에서 배운 모든 검색 알고리즘이 사실상 무력화됩니다. 이른바 차원의 저주(Curse of Dimensionality)라는 현상입니다.

1,536

OpenAI 임베딩
차원 수(예시)

10⁸+

대규모 서비스의
벡터 개수

<10ms

서비스 요구
응답 시간

95%+

필요한 검색
정확도(Recall)

1억 개 벡터를 매번 전부 비교하는 완전 탐색(Brute-force)은 수 초가 걸립니다. 사용자는 그것을 기다려주지 않습니다. 그래서 등장한 것이 ANN(Approximate Nearest Neighbor, 근사 최근접 이웃)이라는 분야이고, 그 안에서 가장 보편적으로 채택된 알고리즘이 바로 HNSW입니다.

한 줄 정의
HNSW는 고차원 벡터 공간에서 “가장 비슷한 이웃”을 빠르게 찾기 위해, 데이터를 여러 층(Hierarchy)으로 쌓아 만든 그래프 자료구조입니다. 위층은 듬성듬성, 아래층은 빽빽하게 채워 두는 방식인데, 마치 고속도로(상위층)와 골목길(하위층)이 함께 있는 도로망처럼 동작합니다.

02핵심 직관: 6단계 분리 이론과 “작은 세상”

HNSW를 이해하려면 먼저 “Small World(작은 세상)” 현상을 알아야 합니다. 1967년 사회심리학자 스탠리 밀그램은 “지구상 임의의 두 사람은 평균 6명의 지인을 거쳐 연결된다”는 실험 결과를 발표했습니다. 이른바 6단계 분리 이론(Six Degrees of Separation)입니다.

여기서 한 가지 흥미로운 통찰이 나옵니다. 친구 관계 그래프를 보면, 대부분의 사람은 가까운 지역의 친구(짧은 링크)와 함께 아주 멀리 떨어진 곳의 친구(긴 링크) 몇 명을 가지고 있습니다. 짧은 링크는 “정밀 탐색”을, 긴 링크는 “먼 거리 점프”를 가능하게 합니다. 이 두 종류의 링크가 섞여 있을 때, 그래프는 놀라울 만큼 빠르게 임의의 노드에 도달할 수 있습니다.

HNSW는 이 원리를 그대로 자료구조로 옮긴 것입니다. 가까운 이웃들끼리 빽빽하게 연결하면서, 동시에 일부 노드는 멀리까지 점프하는 “긴 다리”를 갖도록 그래프를 설계합니다. 여기에 한 가지 묘수가 더 추가되는데, 바로 계층(Hierarchy)입니다.

03탄생의 역사: NSW에서 HNSW로

2011~2014

NSW(Navigable Small World) 알고리즘 제안

러시아 출신 연구자 Yury Malkov 등이 “작은 세상 그래프”를 ANN 검색에 직접 적용한 논문을 발표하였습니다. 노드를 하나씩 추가할 때마다 가까운 이웃 M개와 연결하는 단순한 규칙이지만, 검색 성능이 기존 트리 기반 방식보다 크게 향상되어 학계의 주목을 받았습니다.

2016

HNSW 논문 공개 (Malkov & Yashunin)

arXiv에 “Efficient and robust approximate nearest neighbor search using Hierarchical Navigable Small World graphs” 논문이 공개되었습니다. NSW에 스킵 리스트(Skip List)의 계층 아이디어를 결합한 것이 핵심 혁신이었습니다. 이로써 검색 복잡도가 기대값 기준 로그 시간(O(log N))까지 떨어졌습니다.

2018~2019

FAISS·NMSLIB 등 라이브러리 통합

Meta(당시 Facebook)의 FAISS, 오픈소스 NMSLIB·hnswlib 등이 HNSW를 정식 지원하면서 산업계에 빠르게 확산되었습니다. 같은 시기 Elasticsearch·OpenSearch도 ANN 기능을 도입하기 시작합니다.

2020~현재

벡터 DB 시대의 사실상 표준

Milvus·Weaviate·Qdrant·Pinecone·pgvector·Redis 등 거의 모든 주요 벡터 데이터베이스가 HNSW를 기본 인덱스 옵션으로 채택하였습니다. 알리바바·텐센트 같은 대형 클라우드 사업자들의 검색·추천 인프라 내부에서도 광범위하게 사용되고 있습니다.

스킵 리스트와의 연결고리
스킵 리스트는 정렬된 데이터를 빠르게 검색하기 위해 William Pugh가 1989년에 고안한 자료구조입니다. 위층은 데이터를 듬성듬성, 아래층은 모두 포함하여 위에서 아래로 내려가며 점점 정밀하게 탐색합니다. HNSW는 이 아이디어를 “정렬된 키” 대신 “고차원 거리”에 적용한 변형이라고 볼 수 있습니다.

04HNSW의 구성: 어떻게 그래프를 쌓는가

HNSW의 구조를 한 그림으로 표현하면 다음과 같습니다. 위로 올라갈수록 노드가 적고, 맨 아래(Layer 0)에는 모든 데이터가 들어 있습니다. 같은 노드가 여러 층에 동시에 존재할 수 있다는 점이 “평행이론” 비유에 딱 맞아떨어집니다.

▼ HNSW 계층 구조 시각화

Layer 3

고속도로 · 매우 적음

Layer 2

국도 · 적음

Layer 1

도시 도로 · 보통

Layer 0

골목길 · 전체 데이터

노드를 어느 층까지 쌓을지 결정하는 법

새로운 벡터가 들어올 때, HNSW는 그 노드가 도달할 최상위 레이어 L을 다음 식으로 무작위 결정합니다.

// 새 노드의 최상위 레벨 계산
L = floor(-ln(rand(0,1)) * mL)

// mL은 레벨 분포를 조절하는 정규화 상수
// 보통 mL = 1 / ln(M) 으로 설정

이 공식은 지수 분포(exponential decay)를 따릅니다. 결과적으로 대부분의 노드는 Layer 0에만 머물고, 극히 일부만 위층까지 올라갑니다. 마치 도시 인구 분포처럼 “위로 갈수록 희박해지는” 자연스러운 피라미드가 만들어지는 것입니다.

핵심 파라미터 세 가지

M : 노드당 연결 이웃 수

각 노드가 같은 층에서 연결할 이웃의 최대 개수입니다. 보통 8~64 사이로 설정합니다. 값이 클수록 검색 품질은 올라가지만, 메모리 사용량과 인덱스 빌드 시간이 늘어납니다. 일반적인 권장값은 M=16~32입니다.

ef_construction : 빌드 시 후보군 크기

인덱스를 만들 때, 새 노드의 “이웃 후보”를 얼마나 넓게 탐색할지 결정합니다. 값이 클수록 더 정확한 그래프가 만들어지지만 빌드 시간이 길어집니다. 보통 100~500 정도를 사용합니다.

ef (또는 ef_search) : 검색 시 후보군 크기

실제 검색 단계에서 동시에 추적하는 후보 노드의 개수입니다. 이 값을 키우면 정확도가 올라가고, 줄이면 속도가 올라갑니다. 서비스 운영자가 가장 자주 튜닝하는 파라미터입니다. 보통 50~400 사이에서 결정합니다.

인덱스 빌드 절차 요약

새 노드의 최상위 레벨 L을 위 공식으로 계산합니다.
최상위층(top layer)의 진입점(entry point)에서부터 탐욕적 탐색(Greedy Search)을 시작합니다.
L+1층까지는 한 노드만 추적하며 가장 가까운 이웃까지 내려갑니다.
L층부터는 ef_construction 크기의 후보군을 유지하면서 그래프를 따라 내려가며 가장 가까운 M개를 골라 양방향 연결을 만듭니다.
이 과정을 Layer 0까지 반복하면 노드 삽입이 완료됩니다.

05HNSW의 검색: 위에서 아래로 내려가는 여정

실제 질의 벡터(query vector)가 들어왔을 때 HNSW가 어떻게 동작하는지 단계별로 살펴보겠습니다. 큰 그림은 의외로 단순합니다. “상위층에서 대략적인 방향을 잡고, 하위층에서 정밀하게 좁힌다”가 전부입니다.

최상위층 진입점에서 출발

미리 지정된 entry point에서부터 검색이 시작됩니다. 이 노드는 그래프 빌드 과정에서 가장 높은 레벨에 도달했던 노드입니다.

탐욕적 점프 (Greedy Routing)

현재 노드의 이웃들을 살펴보고, 그중 질의 벡터에 가장 가까운 이웃으로 이동합니다. 더 이상 가까워지는 이웃이 없으면 그 층의 “지역 최소점”에 도달한 것입니다.

한 층 내려가기

바로 아래층의 같은 노드로 이동하여 다시 탐욕적 점프를 시작합니다. 위층에서는 듬성듬성한 “고속도로”를 따라 빠르게 이동했고, 내려갈수록 점점 더 세밀한 도로망을 따라가게 됩니다.

Layer 0에서 정밀 탐색

맨 아래층에 도착하면 ef 크기의 후보군을 유지하면서 폭넓게 이웃을 탐색합니다. 이때부터는 단순 탐욕이 아니라, 우선순위 큐를 사용하여 가장 가까운 ef개의 후보를 항상 추적합니다.

상위 K개 결과 반환

최종 후보군에서 거리 순으로 정렬하여 top-K(예: 10개)를 반환합니다. 이 결과가 RAG 파이프라인이라면 LLM에게 컨텍스트로 전달되고, 추천 시스템이라면 사용자에게 노출됩니다.

왜 빠른가
상위층의 노드는 보통 전체의 1% 미만이기 때문에 “먼 거리 점프”를 단숨에 해낼 수 있습니다. 일단 정답 근처까지 빠르게 도달한 뒤, Layer 0에서 정밀하게 좁혀나가는 2단계 전략이 HNSW의 속도 비결입니다. 이론적으로는 데이터 개수 N에 대해 O(log N)의 기대 복잡도를 가집니다.

06왜 AI/LLM과 잘 어울리는가

HNSW가 AI 시대에 폭발적으로 채택된 이유는 단순히 “빠르기 때문”만이 아닙니다. 임베딩 기반 AI 시스템과 궁합이 잘 맞는 구체적인 이유가 있습니다.

1) 차원 수에 비교적 둔감합니다

고전적인 KD-Tree, R-Tree 같은 공간 분할 자료구조는 차원이 20만 넘어가도 성능이 급격히 무너집니다. 반면 HNSW는 그래프 구조이기 때문에 1,536차원, 3,072차원에서도 안정적으로 동작합니다.

2) 동적 추가에 강합니다

RAG 시스템은 사용자 문서가 계속 추가되는 환경입니다. HNSW는 노드 단위 삽입이 자연스럽게 지원되어, 인덱스를 처음부터 다시 만들 필요가 없습니다. 반면 IVF 계열은 클러스터 학습이 필요하여 대량 추가 후 주기적인 재학습이 필요합니다.

3) 코사인 거리·내적 거리와 잘 맞습니다

대부분의 임베딩 모델은 코사인 유사도(cosine similarity)를 전제로 설계됩니다. HNSW는 거리 함수에 종속적이지 않아서 L2(유클리드), 코사인, 내적, 해밍 거리 등 무엇이든 끼워 넣을 수 있습니다.

4) 양자화(Quantization)와 결합 가능합니다

메모리가 부족할 때는 HNSW + Product Quantization, HNSW + Scalar Quantization을 함께 써서 사용량을 1/4 ~ 1/16까지 줄일 수 있습니다. Faiss·Milvus 등이 이 조합을 적극 지원합니다.

07경쟁 기술 비교: HNSW vs IVF vs LSH vs Annoy vs ScaNN vs DiskANN

HNSW가 만능은 아닙니다. 데이터 규모, 메모리 제약, 갱신 빈도에 따라 더 좋은 선택지가 있을 수 있습니다. 같은 ANN 영역에서 자주 비교되는 주요 알고리즘을 정리해 드리겠습니다.

IVF (Inverted File Index)

Faiss · 클러스터 기반

전체 벡터를 K개의 클러스터(셀)로 미리 나누어 두고, 질의 벡터와 가까운 몇 개의 클러스터 안에서만 검색합니다. 보통 Product Quantization과 결합되어 IVFPQ로 사용되며, 메모리 효율이 매우 뛰어나 수십억 단위 벡터에 강합니다.

대용량 친화 메모리 효율 사전 학습 필요

LSH (Locality-Sensitive Hashing)

고전 학술 알고리즘

비슷한 벡터끼리는 같은 해시 버킷에 들어가도록 설계된 해시 함수를 사용합니다. 이론적 보장이 깔끔하고 분산 환경에 친화적이지만, 실제 고차원 데이터에서는 HNSW보다 정확도-속도 트레이드오프가 떨어지는 경우가 많습니다.

분산 친화 이론적 보장 고차원 약함

Annoy (Approximate Nearest Neighbors Oh Yeah)

Spotify 오픈소스 · 트리 기반

랜덤 프로젝션을 사용한 이진 트리 여러 개로 구성되는 포레스트입니다. 인덱스를 메모리 매핑(mmap) 파일로 저장할 수 있어 읽기 전용 대용량 추천 시스템에 강점이 있습니다. 단점은 인덱스 빌드 후 추가가 어렵다는 점입니다.

mmap 친화 읽기 전용 강함 동적 추가 약함

ScaNN (Scalable Nearest Neighbors)

Google 연구 · 양자화 중심

Anisotropic Vector Quantization이라는 새로운 양자화 기법을 도입하여, 유사도 보존이 우수한 ANN을 구현했습니다. CPU 단일 노드 기준 벤치마크에서 매우 좋은 성능을 보이며, Google 자체 검색·광고 시스템 일부에 활용된 것으로 알려져 있습니다.

고성능 벤치마크 양자화 최적화 생태계 작음

DiskANN

Microsoft 연구 · SSD 기반

HNSW의 그래프 아이디어를 차용하되, SSD 위에 저장된 인덱스를 효율적으로 탐색하도록 설계되었습니다. 단일 노드에서 수십억 벡터를 다룰 수 있어 메모리 비용을 극적으로 줄이는 것이 강점입니다.

SSD 활용 초대용량 구현 복잡

FAISS (라이브러리)

Meta 오픈소스 · 통합 도구

엄밀히 말하면 알고리즘이 아니라 라이브러리입니다. Flat(완전탐색)·IVF·IVFPQ·HNSW·HNSW+PQ 등 거의 모든 ANN 옵션을 한 곳에서 제공합니다. 산업계의 사실상 표준 ANN 툴킷이며, 많은 벡터 DB가 내부적으로 FAISS를 채택하거나 호환됩니다.

옵션 풍부 GPU 지원 생태계 거대

한눈에 보는 비교표

알고리즘	구조	강점	약점	적합한 상황
HNSW	계층 그래프	고차원 정확도/속도 균형, 동적 삽입	메모리 사용량 큼	RAG, 시맨틱 검색 일반
IVF / IVFPQ	클러스터 + 양자화	메모리 효율, 초대용량	사전 학습, 정확도 손실	10억+ 벡터 검색
LSH	해시 버킷	분산·이론 단순	고차원 품질 저하	분산 시스템, 학술
Annoy	랜덤 트리 포레스트	mmap, 읽기 전용 빠름	동적 추가 곤란	음악·콘텐츠 추천
ScaNN	양자화 + 트리	최신 양자화 기법	생태계 작음	CPU 단일 노드 최적화
DiskANN	SSD 기반 그래프	메모리 비용 절감	구현·튜닝 복잡	예산 제약 대규모 시스템

08HNSW의 장점과 한계

▲ 강점

고차원 임베딩에서도 뛰어난 정확도 / 속도 균형
로그 시간 기대 복잡도(O(log N))
실시간 노드 추가가 자연스러움
거리 함수에 독립적(L2·코사인·내적 자유)
양자화·필터링과 결합 용이
거의 모든 주요 벡터 DB가 표준 지원

▼ 한계

그래프 자체가 메모리에 상주해야 하여 RAM 사용량이 큼
인덱스 빌드 시간이 IVF 대비 긴 편
대규모 일괄 삭제 시 그래프 품질 저하 가능
파라미터(M, ef) 튜닝에 경험이 필요함
최악의 경우(quasi-uniform 분포)에는 이론적 보장이 약함

09실제 어디에서 쓰이고 있는가

HNSW는 학술 알고리즘에서 출발하였지만, 지금은 거의 모든 산업계 벡터 검색 인프라의 기본 옵션이 되었습니다.

벡터 DB : Milvus, Weaviate, Qdrant, Vespa, Pinecone(내부 알고리즘 중 하나), pgvector(PostgreSQL 확장), Redis Vector Search
검색 엔진 : Elasticsearch, OpenSearch, Solr 등이 ANN 인덱스 옵션으로 HNSW를 채택
추천 시스템 : 사용자 임베딩과 콘텐츠 임베딩 사이의 ANN 매칭에 폭넓게 사용
RAG / LLM 애플리케이션 : LangChain·LlamaIndex 등 프레임워크가 기본 백엔드로 HNSW 지원 DB를 권장
대형 클라우드 벤더 : 알리바바, 텐센트, AWS, Azure, GCP 등이 자사 매니지드 벡터 검색 서비스에 HNSW 또는 그 변형을 활용

10운영 관점의 실전 팁

파라미터 튜닝 가이드

M = 16에서 시작하여, 정확도가 부족하면 24·32까지 올려보시기 바랍니다.
ef_construction = 200이 일반적인 기본값입니다. 인덱스 빌드 시간이 충분하다면 400~500까지 올리면 품질이 좋아집니다.
ef는 운영 단계에서 트래픽에 따라 동적으로 조절하는 것이 유리합니다. 평소 100, 피크 시간대 50, 정확도 우선 시 300 같은 식입니다.

메모리 산정 공식

대략적으로 HNSW의 그래프 메모리는 다음과 같이 추정할 수 있습니다.

// 매우 단순화한 추정식
graph_memory ≈ N × M × 2 × (4 bytes for int32 ID)
vector_memory ≈ N × dim × (4 bytes for float32)

// 예시: 1,000만 × 768차원, M=32
// 그래프 = 10M × 32 × 2 × 4 = 약 2.4 GB
// 벡터 = 10M × 768 × 4 = 약 28.6 GB
// 합계 = 약 31 GB

벡터 자체가 차지하는 비중이 압도적으로 큽니다. 그래서 대규모 운영에서는 HNSW + Scalar Quantization이나 HNSW + Product Quantization 조합으로 벡터 부분을 1/4 ~ 1/16까지 줄이는 것이 일반적입니다.

언제 HNSW를 쓰지 말아야 하는가

벡터가 100만 개 미만이면서 응답 시간 요구가 느슨한 경우 → 단순 Brute-force가 더 단순하고 정확합니다.
10억 개 이상의 초대용량 + 메모리 예산이 빠듯한 경우 → IVFPQ 또는 DiskANN을 검토해 보시기 바랍니다.
인덱스를 한 번 빌드한 뒤 거의 갱신되지 않는 읽기 전용 대용량 추천 → Annoy도 좋은 선택지입니다.

마치며, 평행이론과 “좋은 자료구조”의 의미

처음 HNSW를 공부하면서 떠올린 평행이론 비유는, 단지 재미있는 상상에 그치지 않는다는 점이 가장 흥미로웠습니다. 같은 데이터가 여러 층에 동시에 “존재”하면서 다른 역할을 수행한다는 발상은, 사실 컴퓨터 과학에서 오랫동안 좋은 성과를 내어 온 패턴이기도 합니다. 스킵 리스트, B-Tree, LSM Tree 같은 구조들이 모두 비슷한 철학을 공유합니다.

AI 시대가 “계산을 누가 더 잘하느냐”의 시대처럼 보이지만, 그 밑단에는 결국 “데이터를 어떻게 잘 정리해 두느냐”라는 고전적인 질문이 있습니다. HNSW가 그 답 중 하나로 자리 잡은 과정은, 좋은 자료구조 한 줄이 어떻게 산업의 인프라가 되는지를 보여주는 좋은 사례라고 생각합니다.

중국에서 일하면서 알리바바·텐센트 같은 회사들이 같은 알고리즘을 활용하고 있다는 사실을 접하다 보면, 좋은 알고리즘은 국경과 무관하게 빠르게 표준이 된다는 점을 다시 한번 실감하게 됩니다. HNSW 한 가지만 깊게 알아도, 그 주변으로 가지를 뻗는 흥미로운 주제가 정말 많습니다.

NEXT POST CANDIDATES

다음 글에서 다뤄볼 만한 이야기들

HNSW 한 가지를 깊게 파다 보면 곁가지로 떠오르는 흥미로운 주제가 의외로 많습니다. 다음 글의 후보로 고민 중인 다섯 가지를 메모처럼 남겨 둡니다.

CANDIDATE 01

Product Quantization (PQ): 1억 개 벡터를 메모리 1/16로 압축하는 양자화의 마법

HNSW의 약점이 메모리라면, PQ는 그 약점을 가장 우아하게 가려주는 짝꿍입니다. 768차원 float32 벡터를 단 8바이트 코드로 줄여도 검색 품질이 유지되는 이유, 그리고 IVFPQ가 어떻게 수십억 단위 벡터를 단일 서버에서 처리하는지를 풀어보고 싶습니다.

반도체 관점에서 보면, 결국 DRAM 비용 절감 이야기로도 연결됩니다.

CANDIDATE 02

벡터 DB 5종 실전 비교: Milvus vs Qdrant vs Weaviate vs Pinecone vs pgvector

다섯 DB 모두 HNSW를 지원하지만 운영 특성은 전혀 다릅니다. 어느 것이 한국 스타트업에게 합리적이고, 어느 것이 대규모 엔터프라이즈에 적합한지, 그리고 PostgreSQL 안에 그냥 얹는 pgvector가 어디까지 버틸 수 있는지를 표로 정리해 보고 싶습니다.

실제 RAG 도입을 고민하는 분들이 가장 자주 묻는 질문이기도 합니다.

CANDIDATE 03

Hybrid Search: BM25 + 벡터 검색, 왜 둘을 섞어야 하는가

시맨틱 검색이 만능처럼 보이지만, 제품명·고유명사·숫자 같은 “정확히 일치해야 하는” 검색에서는 의외로 약합니다. BM25(키워드 검색)와 HNSW(벡터 검색)를 RRF(Reciprocal Rank Fusion) 한 줄 공식으로 합치면 무엇이 달라지는지 실험과 함께 다뤄볼 만합니다.

Elasticsearch·OpenSearch가 최근 가장 힘을 쏟는 영역이기도 합니다.

CANDIDATE 04

중국 임베딩 모델 BGE 시리즈: OpenAI ada보다 작고 빠른 오픈소스 도전자

베이징의 BAAI(智源研究院)가 공개한 BGE 시리즈는 한국·중국·영어 다국어 벤치마크에서 OpenAI text-embedding 모델을 흔드는 중입니다. 같은 HNSW 인덱스 위에서 임베딩 모델만 바꾸어도 RAG 품질이 어떻게 달라지는지, 중국 현지에서 어떤 분위기로 받아들여지는지를 정리하고 싶습니다.

중국 AI 인프라를 가장 잘 보여줄 수 있는 소재 중 하나입니다.

CANDIDATE 05

DiskANN: SSD가 만든 HNSW의 다음 세대

Microsoft가 제시한 DiskANN은 “비싼 DRAM 대신 NVMe SSD에 그래프를 올려도 충분히 빠르게 검색할 수 있다”는 발상의 전환입니다. 반도체·스토리지 시장 입장에서 보면, AI 인프라 비용 구조 자체를 흔드는 시도라는 점에서 의미가 큽니다.

반도체 현장에서 일하는 입장에서 가장 흥미로운 후보이기도 합니다.

▼ TAGS

2026 휴머노이드 로봇 패권전쟁: 중국이 글로벌 90%를 가져간 진짜 이유

marvin-jung — Sat, 16 May 2026 21:15:18 +0900

2026 휴머노이드 로봇 패권전쟁: 중국이 90%를 가져간 진짜 이유

2026 휴머노이드 로봇 패권전쟁: 중국이 글로벌 90%를 가져간 진짜 이유

유니트리·아지봇·UB테크·샤오펑 vs 테슬라 옵티머스·피규어 03·보스턴다이내믹스 아틀라스 — 베이징 현지에서 본 휴머노이드 글로벌 경쟁 구도 완전 분석

AI · 로보틱스 · 산업 분석

2026년은 휴머노이드 로봇이 영상 속 데모를 벗어나 실제 공장 라인으로 들어간 첫 해로 기록될 가능성이 큽니다. CES 2026에서 보스턴다이내믹스는 양산형 아틀라스(Atlas)를 공개했고, 같은 행사장에서 중국 아지봇(AgiBot)의 휴머노이드는 관람객 앞에서 자연스럽게 춤을 추었습니다. 그리고 그 직후 발표된 충격적인 수치 하나가 업계를 흔들었습니다. 지난해 글로벌 휴머노이드 출하량의 90% 이상을 중국 기업들이 가져갔다는 것입니다.

한눈에 보는 시장 현황

90%+ 글로벌 출하량 중
중국 기업 비중

13,317대 2025년 글로벌
총 출하량(Forbes)

150+ 중국 휴머노이드
로봇 기업 수

260만대 2035년 예상
연간 출하 규모

시장조사기관들의 전망치는 회사마다 다르지만, 공통된 결론은 한 가지입니다. 휴머노이드 로봇 시장은 향후 10년간 매년 거의 두 배씩 성장하며, 2030년대 중반에는 수십억 달러에서 수천억 달러 규모로 폭발할 것이라는 점입니다. Roland Berger는 이 시장을 "이번 10년에 등장한 가장 큰 산업 기회 중 하나"로 표현했고, 엔비디아 젠슨 황 CEO는 올해 초 GTC에서 "범용 로보틱스의 시대가 열렸다"고 선언했습니다.

2025년 휴머노이드 출하 점유율

왜 하필 지금, 휴머노이드 로봇인가

휴머노이드 로봇이라는 개념 자체는 새롭지 않습니다. 일본 혼다의 아시모(ASIMO)가 첫선을 보인 게 2000년이고, KAIST의 휴보(HUBO)가 DARPA 로보틱스 챌린지에서 우승한 게 2015년입니다. 그런데 왜 2026년에 갑자기 모든 것이 한꺼번에 폭발하고 있을까요?

세 가지 기술 흐름이 동시에 임계점을 넘었기 때문입니다.

2026년 휴머노이드 폭발의 3대 요인

멀티모달 AI 성숙: Vision-Language-Action(VLA) 모델이 등장하면서 로봇이 자연어 명령으로 복잡한 작업을 수행할 수 있게 됨
전기차 공급망의 전이: 모터·배터리·센서·반도체 등 EV에서 단련된 부품 생태계가 그대로 휴머노이드로 이전
인구 구조 변화: 중국·한국·일본·유럽의 고령화와 제조업 인력 부족이 자동화 압력을 가속

특히 두 번째 요인이 결정적입니다. McKinsey의 Karel Eloot 시니어 파트너는 "중국의 휴머노이드 로보틱스 산업은 인구 구조 압박, 다음 성장 동력 확보, 글로벌 경쟁력 강화라는 세 가지 목표가 결합된 결과"라고 분석했습니다. 즉, 중국이 EV에서 만든 부품 생태계와 제조 역량을 그대로 휴머노이드로 옮겨 붙이는 데 성공한 것입니다.

중국 챔피언 4인방: 출하·가격·생태계 모두 압도

현재 중국에는 150개 이상의 휴머노이드 로봇 기업이 존재합니다. 그중 글로벌 시장에서 의미 있는 영향력을 발휘하고 있는 핵심 4개사를 살펴보겠습니다.

CHINA · 항저우

유니트리(Unitree) G1 / H1 / R1

가성비의 절대강자 · 사실상 유일한 흑자 휴머노이드 기업

대표 모델 G1(키 1.27m, 23~43자유도)

가격 G1 $13,500부터 / H1 $90,000 / R1 $4,900부터

2025 출하 G1 5,500대 이상 (2026년 2만대 목표)

특징 춘절 갤라 무대·쿵푸 시연으로 글로벌 인지도 확보, A주 IPO 추진

CHINA · 상하이

아지봇(AgiBot / 智元)

CATL이 투자한 산업 현장의 다크호스

대표 모델 A2 Ultra · A2-W · X2 시리즈

2025 누적 5,000대 양산 라인 통과 (옵티머스와 동일 목표 달성)

실배치 지커(Zeekr)·니오(NIO) 자동차 공장 조립 라인 투입

특징 룽청(Longcheer)과 협력해 휴머노이드가 주도하는 양산 라인 구축

CHINA · 선전

UB테크(UBTech)

홍콩 상장 산업용 휴머노이드 전문

대표 모델 Walker S1 / S2(산업용)

로드맵 2025년 500대 → 2026년 5,000대 → 2027년 10,000대

실배치 다수 EV 공장 품질 검사 라인에 투입

최근 약 4억 달러 규모 증자 완료, 누적 수주 13억 위안 돌파

CHINA · 광저우

샤오펑(XPeng) IRON

EV 회사가 만드는 가장 인간 같은 로봇

대표 모델 2세대 IRON(키 178cm, 82자유도)

두뇌 자체 설계 튜링 AI 칩 3개 + VLA 2.0 (자율주행 동일 스택)

전원 전고체 배터리 탑재 시도

계획 2026년 1분기 광저우 11만㎡ 전용 공장 착공 → 연내 양산

여기에 최근 MWC 2026에서 자체 휴머노이드를 공개한 아너(HONOR)까지 가세하면서, 스마트폰·EV·로보틱스 분야의 중국 대기업들이 거의 예외 없이 휴머노이드 시장에 뛰어든 양상입니다. 푸리에(Fourier), 노이틱스(Noetix Bumi), 부스터(Booster), 엔진AI(EngineAI) 등 스타트업까지 포함하면 진영의 두께가 압도적입니다.

️ 베이징 현장 노트

중관춘 일대의 테크 쇼룸과 가전 매장을 다녀보면, 유니트리 Go2 같은 4족 로봇은 이제 그다지 신기한 풍경이 아닙니다. 올해 들어 변한 것은 2족 휴머노이드의 등장 빈도입니다. 베이징 모터쇼, 가전 박람회, 심지어 일부 대형 쇼핑몰 이벤트에서도 G1급 휴머노이드가 안내·시연 역할로 등장하기 시작했고, 일반 소비자들이 이를 마주하는 거리감이 빠르게 줄어들고 있다는 점이 인상적이었습니다.

서구 진영의 반격: 기술력은 여전히 강력하다

중국이 출하량에서 압도적이라는 사실이 곧 기술 경쟁의 패배를 의미하지는 않습니다. 미국과 유럽 기업들은 AI 소프트웨어, 정밀 제어, 엔터프라이즈 통합에서 여전히 강력한 우위를 유지하고 있고, 2026년부터 본격적인 양산에 진입하는 모델들이 줄줄이 대기 중입니다.

USA · 캘리포니아

테슬라(Tesla) 옵티머스 Gen 3

머스크가 "테슬라 가치의 핵심"이라 부른 그 로봇

현황 2025년 ~800대 사내 배치 / 2026년 여름 소량 양산 예정

전략 프리몬트 공장의 Model S/X 라인을 옵티머스 라인으로 전환

목표 단가 양산 시 $20,000~30,000 수준

한계 머스크 본인이 "출시는 빨라야 내년"이라 언급, 일정 지속 지연

USA · 캘리포니아

피규어(Figure) 03

전용 공장 BotQ로 연 12,000대 양산 체제 구축

파트너 OpenAI(AI), BMW(공장 배치)

강점 손가락 동작 자연스러움 · 실시간 추론 속도

현황 엔터프라이즈 파일럿 위주, 일반 판매는 미정

특징 "휴머노이드의 아이폰"을 표방한 디자인 완성도

USA · 보스턴

보스턴다이내믹스 아틀라스(Atlas)

2024년 유압식 은퇴 → 2026년 전동식 양산 모델

스펙 56자유도, 50kg 들어 올림, IP67 등급

AI 구글 딥마인드 Gemini Robotics 통합

2026 물량 현대차·구글 딥마인드에 전량 선예약 완판

단가 추정 $140,000~$150,000 (양산 시점)

노르웨이

1X NEO

최초의 가정용 휴머노이드 — 진짜 집으로 들어옵니다

가격 $20,000 또는 월 $499 구독

제원 30kg, 적재 70kg, 부드러운 텐던 드라이브 구동

전략 초기에는 원격 조작 + 점진적 자율화(Human-in-the-loop)

출시 2026년부터 사전 예약자 순차 배송 시작

여기에 아마존 물류센터에 배치된 어질리티 로보틱스(Agility Robotics)의 디지트(Digit), 메르세데스-벤츠 공장에서 시범 운용 중인 앱트로닉(Apptronik)의 아폴로(Apollo), 그리고 새로운 강자로 떠오르는 생추어리 AI(Sanctuary AI)의 피닉스(Phoenix)까지 더하면, 서구 진영의 라인업도 결코 얇지 않습니다.

한국은 어디에 있는가: 보이지 않는 공급망 강자

"한국에는 이렇다 할 휴머노이드 완제품 회사가 없는데?"라는 의문이 들 수 있습니다. 사실입니다. 그러나 휴머노이드 산업은 완제품만으로 굴러가지 않습니다. 액추에이터, 정밀 모터, 감속기, 배터리 셀, 반도체 패키징 같은 핵심 부품에서 한국이 차지하는 위치를 보면 이야기가 달라집니다.

KOREA · 액추에이터

현대모비스 + 보스턴다이내믹스

아틀라스 양산 모델의 액추에이터 공식 공급사

의미 액추에이터는 휴머노이드 BOM의 60% 이상을 차지하는 핵심 부품

규모 현대그룹 미국 투자 260억 달러 중 연 30,000대 로봇 공장 포함

KOREA · 휴머노이드

레인보우로보틱스 (삼성 자회사)

KAIST 휴보(HUBO) 연구진이 창업한 한국 유일의 양산 가능 플랫폼

지분 삼성전자 약 35% 보유 (콜옵션 행사 후 자회사 편입)

전략 삼성의 미래로봇사업팀과 직접 연계

KOREA · 얼라이언스

K-휴머노이드 얼라이언스

2024년 출범 → 2026년 1,300여 기관 합류한 국가 단위 컨소시엄

참여 삼성·현대·LG·SK·포스코·두산로보틱스·KAIST·서울대 등

목표 2030년까지 핵심 부품 국산화율 44% → 80% 끌어올리기

한국의 포지션을 한 줄로 요약하면 이렇습니다. "완제품 브랜드 경쟁에서는 뒤처져 있지만, 휴머노이드라는 거대한 산업 피라미드의 가장 단단한 부품층을 점유하고 있다." 글로벌 시장이 매년 두 배씩 커진다면, 액추에이터·모터·배터리에서 몇 % 점유율만 잡아도 그 자체로 수십억 달러 매출이 됩니다. TSMC가 반도체 위탁생산에서 했던 역할을, 한국이 휴머노이드 부품에서 노리고 있는 셈입니다.

왜 중국이 일단 앞섰는가: 4가지 결정적 차이

규모와 속도에서 중국이 서구를 압도하고 있는 이유는 단순히 인건비가 싸기 때문이 아닙니다. 구조적인 차이가 명확합니다.

1. EV에서 단련된 부품 공급망의 그대로 이전

에릭 슈미트 사무실의 중국·AI 정책 리드 셀리나 슈(Selina Xu)는 TechCrunch와의 인터뷰에서 "중국은 EV 섹터를 통해 구축한 센서·배터리·모터의 거대한 하드웨어 공급망을 그대로 보유하고 있고, 세계 최강의 제조 기반 위에서 서구 경쟁사보다 훨씬 빠르게 반복 개발을 할 수 있다"고 정리했습니다. 실제로 유니트리 한 회사가 작년에 출하한 물량이 미국의 피규어와 테슬라를 합친 것의 약 36배에 달합니다.

2. 정부 차원의 산업 정책 우선순위

중국 공업정보화부는 휴머노이드 로보틱스를 전략적 우선순위 산업으로 지정했고, 2026년 자국 시장 규모를 200억 위안(약 28억 달러)으로 추산하고 있습니다. 미국에서는 상무부가 작년 말부터 로보틱스 기업 CEO들과 만나 가속화 방안을 논의하고 행정명령을 검토 중이지만, 정책 일관성에서는 여전히 격차가 있습니다.

3. "일단 출하하고 나중에 개선한다"는 개발 문화

유니트리 G1도, 아지봇 A2도 처음부터 완벽하지는 않았습니다. 그러나 현장에 일찍 투입된 만큼 실데이터를 가장 많이 축적하고 있고, 그 데이터로 모델을 빠르게 개선하고 있습니다. 반면 미국 진영은 안전·법적 책임·기업 도입 절차 때문에 파일럿 단계에 더 오래 머무는 경향이 있습니다.

4. 특허와 인재의 임계량

최근 5년간 중국이 출원한 휴머노이드 로보틱스 관련 특허는 약 7,705건으로, 미국의 1,561건을 압도합니다. 양적 우위가 곧 질적 우위는 아니지만, 그만큼 많은 인재와 자본이 이 분야에 몰려 있다는 것은 분명한 신호입니다.

미국이 여전히 가진 결정적 카드

그렇다면 미국은 끝난 것일까요? 그렇게 단정하기는 이릅니다. 옴디아(Omdia) 수석 분석가 리안 지에 수(Lian Jye Su)는 "규모만으로는 이 경쟁이 결정되지 않는다"며 다음 세 가지를 미국의 핵심 자산으로 꼽았습니다.

미국의 3대 무기

AI 파운데이션 모델 우위: OpenAI(피규어), 구글 딥마인드(아틀라스), 엔비디아(GR00T) 같은 최상위 AI 인프라가 모두 미국 진영
엔터프라이즈 통합 능력: MES·WMS·ERP 같은 산업용 시스템과 자연스럽게 연동되는 소프트웨어 스택
하드웨어 + AI 수직 통합 모델: 테슬라처럼 자체 칩·자체 데이터·자체 공장·자체 AI를 모두 가진 기업이 글로벌 양산을 시작하면 게임이 다시 흔들릴 수 있음

즉, 현재 구도는 "출하량의 중국 vs 두뇌의 미국"으로 정리할 수 있습니다. 그리고 두뇌가 이기느냐 몸이 이기느냐는, 향후 2~3년 안에 휴머노이드의 핵심 가치가 어디에 있는지에 따라 갈릴 것입니다.

2026~2030 휴머노이드 마일스톤 로드맵

2026년 1분기

샤오펑 광저우 휴머노이드 전용 공장 착공 / 보스턴다이내믹스 아틀라스 양산 모델 CES 공개 / 1X NEO 첫 가정 배송 시작

2026년 하반기

테슬라 옵티머스 Gen 3 소량 양산 시작 / UB테크 5,000대 출하 목표 / 유니트리 G1 누적 2만대 돌파 가능성

2027년

현대-보스턴다이내믹스 미국 로봇 공장 가동(연 30,000대 캐파) / 아틀라스 비-현대 고객사 출하 시작 / UB테크 10,000대 목표

2028~2030년

옵티머스 가격 $20,000~30,000대 진입 시도 / 가정용 휴머노이드 본격 보급기 진입 / 글로벌 누적 출하 100만대 돌파 시나리오

"이번 시장은 누가 이기느냐가 아니라, 누가 얼마나 빨리 이기느냐의 문제입니다. 컨버전스(수렴)는 이미 시작되었습니다." — Roland Berger, 「Humanoid robots 2026: The convergence moment」

마무리: 베이징에서 본 패권전쟁의 진짜 의미

베이징에 머무는 시간이 길어질수록 한 가지 사실이 더 분명해집니다. 이 경쟁은 단순한 로봇 회사들 사이의 다툼이 아니라, 향후 20년 글로벌 제조업의 운영체제를 누가 쓰느냐의 싸움이라는 점입니다.

중국 진영은 이미 자국 EV 공장, 물류 창고, 일부 서비스 현장에 휴머노이드를 투입해 데이터 플라이휠을 돌리고 있습니다. 미국 진영은 가장 강력한 AI 두뇌로 그 격차를 단번에 뒤집겠다는 전략입니다. 한국은 이 모든 진영에 부품을 공급하면서, 동시에 K-휴머노이드 얼라이언스라는 자체 생태계를 구축하고 있습니다.

결국 2026~2028년이 가장 중요한 분기점이 될 것입니다. 이 시기에 누가 의미 있는 양산을 안정적으로 해내느냐, 누가 실제 작업장에서 측정 가능한 ROI를 입증하느냐가 다음 10년을 결정할 것입니다. 다음 글에서는 "휴머노이드는 정말 사람의 일자리를 대체할까"라는 더 본질적인 질문을 다뤄 보겠습니다.

텐센트는 게임 회사만이 아니다: 1,200개 기업을 거느린 거대 투자 지주회사의 또 다른 얼굴

marvin-jung — Sat, 16 May 2026 21:09:25 +0900

텐센트는 게임 회사만이 아니다: 1,200개 기업을 거느린 거대 투자 지주회사의 또 다른 얼굴

위챗과 리그 오브 레전드 너머, 베이징에서 들여다본 텐센트의 또 다른 얼굴

중국에 살다 보면 카카오톡을 쓰지 않게 됩니다. 베이징에서는 카카오톡이 잘 돌아가지 않아서, 자연스럽게 위챗만 사용하게 됩니다. 그러다 보면 또 한 가지가 보입니다. 일상이든 업무든, 결국 텐센트의 영향권 안에 살고 있다는 사실입니다. 라이엇 게임즈, 에픽 게임즈, 슈퍼셀, 스포티파이, 유니버설 뮤직, 스냅, 레딧, 시 리미티드, PDD, 누홀딩스. 일상에서 쉽게 마주치는 글로벌 서비스 절반쯤이 어딘가에서 텐센트의 지분과 연결되어 있습니다. 오늘은 거대 IT·게임 기업이자 동시에 세계 최대급 투자 지주회사로 진화한 텐센트의 또 다른 얼굴을 정리해 보겠습니다.

PART 01실적표가 말해주는 진실

텐센트의 분기 실적 발표를 자세히 들여다보면 흥미로운 항목 하나가 눈에 들어옵니다. 매출 항목 옆에 별도로 잡혀 있는 "투자 손익(Net other gains)"이라는 라인입니다. 일반적인 IT 회사라면 부수적인 숫자에 불과하겠지만, 텐센트의 경우 이 항목이 분기마다 수십억 위안 단위로 움직이며 전체 순이익에 의미 있는 비중을 차지합니다.

본업인 게임·광고·핀테크에서 벌어들이는 영업이익 못지않게, 보유 중인 수많은 외부 회사들의 가치 변동·배당·매각 차익이 회사 손익에 직접 반영되는 구조라는 뜻입니다. 회계상 분류만 IT 회사일 뿐, 손익 계산서 자체는 이미 거대 투자 지주회사에 가깝다고 볼 수 있습니다.

PART 021,200개의 포트폴리오

텐센트는 자체 발표 자료에 자사를 소개할 때 흔히 "기술 기업"이라는 표현을 씁니다. 다만 외부 분석 기관들이 들여다본 실제 포트폴리오 규모는 이 한 단어로 담아내기 어렵습니다.

1,200+

투자·지분 보유 회사 수
(2025년 기준 외부 추정)

120+

포트폴리오 내
유니콘(기업가치 10억 달러 이상)

600+

의미 있는 지분을 보유한
스타트업·상장사

39조원

텐센트 보유 현금성 자산
(2025년 1분기 기준)

"투자 회사"라는 표현이 결코 과장이 아닌 이유는 그 영역의 폭과 깊이에 있습니다. 게임은 물론이고, 음악·동영상·광고 같은 콘텐츠 산업, 이커머스·배달·차량 호출 같은 플랫폼, 디지털 은행·결제 등 핀테크, 전기차·반도체·AI 같은 차세대 산업까지 거의 빠진 곳이 없습니다. 이 정도의 범위를 일관된 전략으로 운영하는 회사는 글로벌 기준으로도 매우 드뭅니다.

FIELD NOTE · 텐센트 본사에서

언젠가 회의차 심천에 있는 텐센트 사무실을 출장으로 방문한 적이 있습니다. 그날 가장 인상 깊었던 것은 회의 내용도, 건물 규모도 아닌, 직원들의 출입 방식이었습니다. 게이트 앞에서 손바닥을 한 번 갖다 대면 그대로 통과합니다. 사원증을 꺼낼 필요도, 잠시 멈춰 설 필요도 없습니다. 저는 아직도 목에 사원증을 걸고 카드를 찍으며 출입하는데, 솔직히 좀 부러웠습니다. "자기 회사 직원들 출입 동선부터 이 정도로 자기들 기술을 깔아 놓는 회사구나" 하는 생각이 들었습니다. 1,200개 포트폴리오라는 거대 자본 분석에 들어가기 전에, 회사 정문 앞에서부터 이미 텐센트의 일상 침투력이 보이기 시작했던 셈입니다.

PART 03게임 제국, 가장 잘 알려진 영토

한국 독자들에게 가장 익숙한 영역은 역시 게임입니다. 무엇보다 텐센트가 본격적인 글로벌 투자 회사로 도약한 첫 발판이 바로 게임이었기 때문입니다.

북미·유럽 핵심 자산

Riot Games · 라이엇 게임즈

지분 100% (전액 출자 자회사)

텐센트는 2008년 처음 지분을 취득한 뒤 2011년 92.78%까지 확보했고, 2015년 12월 잔여 지분까지 모두 인수해 100% 자회사로 편입했습니다. 〈리그 오브 레전드〉, 〈발로란트〉, 〈전략적 팀 전투(TFT)〉, 〈리그 오브 레전드: 와일드 리프트〉를 보유한, 글로벌 e스포츠 산업의 중심에 있는 회사입니다.

Epic Games · 에픽 게임즈

지분 약 40% (외부 최대주주)

2012년 6월 텐센트가 약 40% 지분을 인수하며 외부 최대주주에 올랐습니다. 다만 창업자 팀 스위니 측이 51% 이상의 의결권을 유지하고 있어, 경영권은 본사가 그대로 행사합니다. 〈포트나이트〉, 〈언리얼 엔진〉, 〈로켓 리그〉 등을 보유한 회사로, 사실상 게임 엔진 시장의 한 축을 책임지고 있습니다.

Supercell · 슈퍼셀

지분 84.3%

2016년 6월 텐센트가 주도한 컨소시엄이 일본 소프트뱅크로부터 약 86억 달러에 슈퍼셀 지분을 인수하면서 텐센트가 최대주주가 됐습니다. 〈클래시 오브 클랜〉, 〈클래시 로얄〉, 〈브롤스타즈〉, 〈헤이데이〉, 〈붐 비치〉 등 모바일 게임 글로벌 흥행작 다수를 보유한 핀란드 회사입니다.

Ubisoft · 유비소프트

지분 약 25%

〈어쌔신 크리드〉, 〈파 크라이〉, 〈톰 클랜시〉 시리즈로 유명한 프랑스 게임사입니다. 텐센트는 2018년 첫 투자 이후 지분을 꾸준히 늘려왔으며, 2025년 출범한 유비소프트의 주요 IP 자회사 "Vantage Studios"에도 25% 수준의 전략적 지분을 확보했습니다.

기타: Funcom, Klei, Don't Nod, Bohemia 등

지분 다양 (소수~100%)

Funcom(노르웨이, 〈코난 엑자일〉) 100%, Klei Entertainment(캐나다, 〈Don't Starve〉) 인수, Don't Nod(프랑스, 〈Life is Strange〉) 약 22%, Bohemia Interactive(체코, 〈ARMA〉) 소수 지분 등 인디·중견 스튜디오까지 폭넓게 보유하고 있습니다.

한국 게임사, 익숙한 이름들

텐센트는 한국 게임 시장에서도 매우 두꺼운 지분 포트폴리오를 보유하고 있습니다. 한국 게임사 입장에서는 거대한 중국 시장과 글로벌 퍼블리싱 채널에 접근할 수 있다는 장점이, 동시에 의사결정의 독립성이라는 숙제와 맞물려 있는 미묘한 관계입니다.

크래프톤 (KRAFTON)

지분 약 13.7%

〈배틀그라운드〉를 공동 개발한 파트너로, 모바일 버전의 한·중·일·인도 등 일부 국가를 제외한 글로벌 판권을 텐센트가 보유하고 있습니다. 크래프톤의 글로벌 매출에서 텐센트 협력의 비중이 매우 큽니다.

넷마블

지분 약 17.5%

2014년 약 5억 달러 규모로 지분 23%를 인수했습니다. 2017년 넷마블 IPO를 통해 일부 차익을 실현했고, 현재도 주요 주주 자리에 있습니다.

시프트업

지분 약 34.8% (2대 주주)

자회사 에이스빌을 통해 〈승리의 여신: 니케〉, 〈스텔라 블레이드〉의 개발사 시프트업의 약 35% 지분을 보유한 2대 주주입니다. 〈니케〉의 글로벌 서비스도 텐센트 계열 퍼블리셔가 담당하고 있습니다.

카카오게임즈

지분 약 3.9%

소수 지분이지만 모회사 카카오에 대한 초기 투자(2012년)부터 이어진 오랜 인연을 가진 관계입니다.

PART 04게임 너머의 영토, 진짜 투자 회사의 모습

게임만 보면 그저 "게임 강자"일 뿐입니다. 그러나 게임 영역 밖으로 한 발만 나가 보면 텐센트의 진짜 정체가 더 분명해집니다.

콘텐츠·미디어

Universal Music Group · 유니버설 뮤직

지분 약 20%

2020년 텐센트 뮤직이 이끈 컨소시엄이 비방디로부터 UMG 지분 10%를 약 34억 달러에 인수했고, 이후 같은 조건으로 추가 10%를 매입해 세계 최대 음악 회사의 약 20%를 보유하게 됐습니다.

Spotify · 스포티파이

지분 약 9%

텐센트와 스포티파이가 서로 지분을 교차 보유하며 시작된 관계입니다. 의결권은 CEO 다니엘 에크에게 위임되어 있어 경영 간섭은 사실상 없는 순수 재무 투자 성격에 가깝습니다.

소셜·플랫폼

Snap (스냅챗 모회사)

지분 약 10%

2017년 IPO 직후 약 12% 수준이었던 지분을 일부 정리해 현재는 약 10% 수준입니다.

Reddit · 레딧

지분 약 10%

2019년 1억 5,000만 달러를 투자해 주요 외부 주주가 됐습니다. 2024년 레딧 IPO 이후에도 의미 있는 지분을 유지하고 있습니다.

이커머스·플랫폼

Sea Limited (가레나·쇼피 모회사)

지분 20% 미만 (최대주주)

동남아시아의 게임·이커머스·핀테크를 묶은 슈퍼앱 회사로, 텐센트가 가장 큰 외부 주주입니다. 2022년 일부 매각으로 비중을 낮췄지만, 여전히 최대 단일 주주 자리는 유지하고 있습니다.

PDD Holdings · 핀둬둬·테무 모회사

지분 (의미 있는 수준)

중국 최대 신흥 이커머스이자 글로벌 테무 운영사입니다. 텐센트는 핀둬둬가 작은 스타트업이었던 시절부터 핵심 투자자로 함께 성장해 왔습니다.

핀테크·신산업

WeBank · 웨이뱅크

지분 30%

2014년 텐센트가 주도해 설립한 중국 최초의 디지털 은행으로, 2025년 중반 기준 4억 명이 넘는 개인 고객을 보유한 세계 최대 디지털 은행 가운데 하나입니다.

Nu Holdings · 누홀딩스 (브라질)

지분 약 4%

2018년 1.8억 달러로 처음 투자한 라틴아메리카 디지털 은행입니다. 2025년 중반 기준 보유 지분 가치는 약 20억 달러 수준으로 평가되며, 누홀딩스의 5대 주주 자리에 있습니다.

Nio · 니오

지분 (오랜 핵심 투자자)

2016년부터 함께한 중국 전기차 스타트업입니다. 텐센트는 니오의 IPO 이전부터 가장 중요한 외부 투자자 가운데 하나였습니다.

PART 05가장 위대한 단일 베팅, 내스퍼스 이야기

텐센트가 거대한 투자 회사로 성장하는 동안, 정작 텐센트에 가장 크게 베팅한 측은 따로 있습니다. 바로 남아프리카공화국의 미디어 그룹 내스퍼스(Naspers)입니다. 흥미로운 점은, "투자 회사 텐센트"의 모범 답안이 바로 이 내스퍼스의 텐센트 투자 그 자체라는 사실입니다.

2001

남아프리카공화국 내스퍼스가 약 3,400만 달러로 텐센트 지분 46.5%를 인수합니다. 닷컴 버블 직후, 텐센트는 아직 PC 메신저 QQ 하나로 적자에 허덕이던 시절이었습니다.

2004

텐센트가 홍콩 증시에 상장합니다. 이때부터 내스퍼스의 지분 가치가 빠르게 불어나기 시작합니다.

2018

내스퍼스가 사상 처음으로 텐센트 지분 2%를 매각합니다. 이 한 번의 매각만으로 약 100억 달러를 회수하면서, "역사상 가장 성공적인 단일 벤처 투자 가운데 하나"라는 평가가 굳어집니다.

2019

내스퍼스가 자회사 프로수스(Prosus)를 분사해 암스테르담 증시에 상장합니다. 텐센트 지분은 프로수스로 이관됩니다.

2025

프로수스의 텐센트 지분은 추가 매각을 거쳐 약 25% 수준이 됐습니다. 3,400만 달러가 약 24년 동안 수천억 달러 단위의 자산으로 불어난 것으로, 글로벌 VC 업계가 두고두고 회자하는 사례입니다.

"우리 마구간에 있는, 튼튼하고 날개 달린 말."

내스퍼스의 한 전직 CEO가 텐센트 지분에 대해 한 표현

이 비유는 텐센트가 추구하는 "투자 철학"의 본질을 정확하게 짚어 줍니다. 좋은 회사를 일찍 발견해 충분한 지분을 확보하고, 그 다음에는 회사가 마음껏 달릴 수 있도록 자율성을 부여하는 것입니다. 내스퍼스가 자기에게 했던 일을, 이제는 텐센트가 자신의 1,200개 포트폴리오 회사들을 상대로 똑같이 하고 있는 셈입니다.

PART 06왜 이 전략이 작동하는가

전 세계에 비슷한 야망을 가진 회사들은 많았습니다. 그러나 텐센트만큼 일관되게, 그리고 성공적으로 "투자 지주회사" 모델을 구축한 사례는 흔하지 않습니다. 그 이유는 다음과 같이 정리해 볼 수 있습니다.

1. 소수 지분 + 자율 경영

텐센트는 어지간한 경우 경영권 인수에 집착하지 않습니다. 20~40% 사이의 의미 있는 소수 지분을 확보한 뒤, 그 회사의 창업자가 자기 방식대로 회사를 키울 수 있게 자율을 보장하는 방식을 선호합니다. 라이엇 게임즈처럼 100% 자회사가 된 경우조차도 내부 개발과 운영의 독립성이 상당히 유지된 것으로 잘 알려져 있습니다.

2. 위챗이라는 압도적 유통 채널

텐센트가 보유한 위챗·QQ는 현역 사용자 13억 명 이상의 글로벌 최대 슈퍼앱입니다. 포트폴리오 회사 입장에서는, 단순히 자금만 받는 게 아니라 중국 시장 진출의 강력한 유통 파트너를 얻는 셈입니다. 이 부분이 다른 어떤 글로벌 VC도 대체할 수 없는 텐센트만의 차별점입니다.

3. 인내 자본 (Patient Capital)

텐센트는 사모펀드처럼 정해진 펀드 만기에 쫓겨 매각 시기를 결정해야 할 필요가 없습니다. 모회사가 보유한 사업과 현금 흐름이 워낙 든든하기 때문입니다. 라이엇 게임즈는 첫 투자(2008년)에서 100% 자회사화(2015년)까지 7년이 걸렸고, PDD나 시 리미티드 같은 회사들도 의미 있는 회수까지 10년 이상이 걸렸습니다. 짧은 호흡으로는 도저히 흉내낼 수 없는 시간 지평입니다.

4. 본업 자체가 거대한 캐시카우

2025년 1분기 기준으로 텐센트가 보유한 현금성 자산은 약 39조 원 규모로 알려져 있습니다. 본업인 게임·광고·핀테크에서 분기마다 안정적으로 현금을 만들어 내는 구조 덕분에, 시장이 흔들릴 때 오히려 더 적극적으로 투자를 늘릴 수 있는 자세를 유지할 수 있습니다. 이는 워런 버핏의 버크셔 해서웨이가 보험 사업의 플로트(float)를 활용해 장기 투자를 이어가는 모델과 구조적으로 닮아 있습니다.

PART 07그래서, 텐센트를 어떻게 봐야 할까

여기까지 정리해 보면 한 가지 결론이 자연스럽게 떠오릅니다. 텐센트의 손익 계산서에서 게임·광고·핀테크 매출만 떼어내 본다면, 분명 그 자체로도 세계 최고 수준의 IT 회사입니다. 그러나 자산 규모와 수익 구조를 동시에 놓고 보면, 이미 텐센트의 기업 정체성은 "중국 슈퍼앱을 본업으로 둔, 글로벌 최대급 투자 지주회사"라고 보는 것이 더 정확합니다.

한국 투자자나 게임 업계 종사자 입장에서 이 사실은 두 가지 시사점을 줍니다. 첫째, 텐센트의 분기 실적과 주가를 해석할 때는 본업의 영업 실적뿐 아니라 보유한 글로벌 포트폴리오의 가치 변동도 함께 고려해야 합니다. 둘째, 한국에서 마주치는 수많은 게임·인터넷 기업들이 이미 텐센트의 그물 안에 들어와 있다는 점을, 협업의 기회 측면에서든 의사결정 구조 측면에서든 객관적인 사실로 인지할 필요가 있습니다.

Closing Note · From Beijing

베이징에서 일을 하다 보면, 카카오톡 대신 위챗을 켜는 것이 하루의 시작이 되고, 점심값도 위챗페이로 보내는 것이 자연스러운 일이 됩니다. 어느 순간부터는 "오늘 하루, 텐센트의 어떤 자산과도 닿지 않은 시간이 있었던가" 하는 질문이 떠오릅니다. 텐센트의 진짜 무서움은 게임 매출이나 위챗의 사용자 수가 아니라, 1,200개의 회사가 만들어 낸 일상의 지분 그 자체에 있는지도 모르겠습니다.

COMING SOON

다음에 다뤄볼 연계 주제

텐센트 클라우드(TCE)의 글로벌 야망과 한국 진출 전략

위챗 너머의 B2B 텐센트. AWS·Azure·알리바바 클라우드와의 4파전 경쟁 구도, 그리고 한국 게임사·미디어사를 향한 의외로 활발한 영업 활동까지.

핀둬둬·테무는 왜 위챗 안에서 자랐는가

"텐센트가 키운 알리바바 킬러" 이야기. 한국 독자에게 익숙한 테무를 입구로 PDD의 성장 비밀과 텐센트의 그물 관계를 풀어보기.

프로수스 vs 버크셔 해서웨이

텐센트 한 종목으로 24년 동안 글로벌 미디어 재벌을 일군 남아공 회사. "한 번의 위대한 베팅"이라는 관점에서 워런 버핏 모델과 어떻게 다른가, 그리고 같은가.

알리바바·바이트댄스·텐센트의 AI 클라우드 3파전

반도체 시각과 가장 잘 맞물리는 주제. 칩 전략(H20 vs 자체 칩), KV Cache 인프라(FlexKV·InfiniStore·HiCache), 자체 모델(Hunyuan·Qwen·Doubao)이 어떻게 다른지 비교.

Tags · 검색 키워드

#텐센트 #Tencent #투자지주회사 #라이엇게임즈 #에픽게임즈 #슈퍼셀 #포트폴리오 #내스퍼스 #프로수스 #베이징주재원