기술 · 산업 분석
차이나 스피드의 해부
중국 기술 굴기를 움직이는 다섯 개의 엔진
휴머노이드 로봇이 1년 만에 사람보다 빨리 달리고, 도시의 하늘에 사람을 태운 무인 비행체가 뜨며, 사막에 깔린 거울 1만 2천 장이 수천 킬로미터 떨어진 데이터센터를 먹여 살린다. 최근 몇 년간 중국 첨단산업을 설명하는 가장 흔한 단어는 “빠르다(fast)”였다. 그러나 속도는 현상이지 원인이 아니다. 무엇이 그 속도를 만들어 내는가, 그리고 그 속도가 어디까지 지속될 수 있는가가 더 본질적인 질문이다.
이 글은 휴머노이드 로봇, 데이터, 전력, 저공(低空) 산업, 그리고 인재라는 다섯 개의 축을 통해 ‘차이나 스피드’라는 표현 뒤에 놓인 작동 원리를 분해한다. 다섯 축은 서로 떨어진 개별 성취가 아니다. 인재가 기술을 낳고, 기술이 데이터와 표준을 만들며, 표준이 시장을 여는 하나의 맞물린 기계처럼 움직인다. 그리고 모든 기계가 그렇듯, 이 기계에도 작동 원리와 함께 마모와 대가가 존재한다.
서론속도는 결과지 원인이 아니다
한 나라가 빠르게 움직인다는 인상은 보통 눈에 띄는 장면에서 온다. 1년 만에 두 배로 빨라진 로봇, 갑자기 도시 상공을 가로지르는 비행체, 며칠 만에 시제품을 찍어 내는 공장. 그러나 이런 장면들은 따로 떨어진 사건이 아니라 하나의 구조가 만들어 낸 출력값에 가깝다.
그 구조를 거칠게 요약하면 이렇다. 인재가 기술을 만들고, 기술의 대량 배치가 데이터를 낳고, 데이터와 규모가 표준을 쥐게 하며, 표준이 다시 세계 시장을 연다. 그렇게 번 돈과 규모는 다음 세대 인재와 설비로 재투자된다. 이 순환을 떠받치는 토대가 국가 자본, 완결형 제조 공급망, 그리고 24시간 끊기지 않는 전력이다. 아래 다섯 개의 절은 이 순환의 각 부품을 하나씩 뜯어본다.
“빠르다”는 칭찬이 아니라 진단이어야 한다. 무엇이 빠른가가 아니라, 무엇이 그것을 빠르게 만드는가가 핵심이다.
엔진 1 · 휴머노이드1년 만에 사람을 추월한 두 발
2026년 봄, 한 대도시 외곽에서 두 번째로 열린 휴머노이드 로봇 하프마라톤에는 100개가 넘는 팀이 참가했다. 선두에 선 자율주행 로봇은 21.1km 코스를 약 50분에 완주했다. 이는 사람의 하프마라톤 세계기록(57분 안팎)보다 빠른 기록이다. 로봇은 사람과 별도로 마련된 코스를 달렸으니 직접 경쟁은 아니지만, 핵심은 ‘얼마나 빠른가’가 아니라 ‘얼마나 빨리 좋아졌는가’다. 불과 한 해 전 첫 대회에서는 출발과 동시에 넘어지기 바빴고 완주에 성공한 로봇이 손에 꼽혔다.
왜 빨리 달리는 것이 어려운가
의외로 로봇이 빨리 달리지 못하는 이유는 힘이 약해서가 아니다. 로봇의 모터 토크는 이미 사람의 근육보다 강하다. 진짜 병목은 ‘체계 통합’에 있다. 구조의 강성, 제어 루프의 반응 속도, 부품 간 통신 지연, 배터리의 에너지 밀도가 모두 동시에 일정 수준을 넘겨야만 비로소 빠른 속도가 나온다. 어느 하나라도 처지면 전체 성능이 거기서 멈춘다. 그래서 ‘빠른 두 발’은 그 자체가 목표라기보다, 공학 스택 전체가 얼마나 성숙했는지를 보여 주는 대리 지표에 가깝다.
빠른 로봇은 잘 맞춰진 오케스트라와 같다. 현악·관악·타악이 한 박자로 움직여야 음악이 성립한다. 바이올린 한 파트만 반 박자 느려도 전체가 무너진다. ‘빠르다’는 것은 지휘자가 모든 파트를 동시에 한계까지 끌어올렸다는 뜻이다.
그래서 마라톤 기록 단축은 단순한 다리 힘 경쟁이 아니라, 보이지 않는 모든 파트를 한꺼번에 조율해 냈다는 신호다.
제조 공급망이라는 가속 페달
속도를 더하는 또 다른 비결은 부품을 빠르게 만들고 빠르게 고치는 생태계다. 개발자가 부품을 설계하면 인근 외주 공장이 며칠 만에 시제품을 찍어 돌려준다. 부수고 다시 만드는 한 번의 반복 주기가 짧아질수록, 같은 기간에 시도할 수 있는 실험의 수가 기하급수적으로 늘어난다. 여기에 자동차 양산 기술을 휴머노이드 조립에 그대로 옮겨 와 대량 생산 체제까지 갖췄다.
시장 규모도 빠르게 한쪽으로 기울었다. 한 시장조사기관 집계 기준, 2025년 전 세계에 새로 배치된 휴머노이드 로봇 약 1만 3천~1만 6천 대 가운데 10대 중 8대 이상이 중국에 배치됐다. 매출 기준으로도 상위 3개 제조사가 모두 중국 기업이며, 이들이 전 세계 매출의 절반 이상을 차지했다. 정부는 2024년 초 휴머노이드를 국가 전략산업으로 지정했고, 그 결과 ‘몸을 가진 인공지능(피지컬 AI)’ 분야에서 중국은 세계 선두권으로 평가된다.
엔진 2 · 데이터‘신시대의 원유’를 국가가 정제하다
로봇은 반복으로 배운다. 사람이 손을 잡고 움직임을 가르치면, 그 동작은 방향·속도·미세한 압력까지 데이터로 쌓인다. 같은 동작을 수천 번 반복하며 오차를 줄이는 일이 곧 학습이다. 이를 위해 전국 곳곳에 ‘로봇 훈련소’라 부를 만한 시설이 들어섰고, 문을 연 지 1년 된 한 시설에 쌓인 학습 데이터만 1만 6천 시간을 넘겼다.
구조적으로 더 중요한 사실은 이 데이터의 관리 주체다. 장비는 정부가 조달하고, 운영 회사의 지배 지분은 국유 자본이 쥐며, 데이터의 수집·정제·판매가 국가 조율 아래 이뤄진다. 데이터를 한 기업의 자산이 아니라 국가 인프라로 다루는 것이다. AI의 성능은 결국 거기에 투입되는 데이터의 양과 질이 결정한다. 그래서 가장 크고, 가장 깨끗하며, 가장 표준화된 데이터 풀을 쥔 쪽이 구조적으로 앞선다.
데이터는 비행기록장치(블랙박스)와 같다. 비행이 많이 기록될수록 자동조종 장치는 더 똑똑해진다. 항공사 한 곳이 모은 기록도 방대하지만, 한 나라의 모든 비행 기록을 한데 모아 학습시키면 어느 단일 항공사보다 나은 조종사를 길러 낼 수 있다.
‘누가 더 좋은 알고리즘을 가졌는가’ 이전에 ‘누가 더 많은 블랙박스를 모았는가’가 승부를 가르는 셈이다.
표준화는 여기서 두 번째 위력을 발휘한다. 표준화된 데이터와 제품은 어디에나 범용으로 팔 수 있다. 더 나아가 표준을 정한다는 것은 그 자체로 권력이다. 한번 표준이 정해지면 그 분야의 모든 참여자가 그 규칙을 따라야 하기 때문이다. 실제로 중국이 제안해 국제적으로 채택되는 표준의 수는 빠르게 늘고 있다.
엔진 3 · 전력AI 시대의 진짜 병목
인공지능 시대의 숨은 제약은 반도체만이 아니다. 더 근본적인 병목은 전력이다. 전통적인 데이터센터가 10~25메가와트(MW)를 쓴다면, 초대형 AI 데이터센터는 100MW를 넘긴다. 게다가 모델 학습은 수 주 동안 한순간도 쉬지 않고 24시간 고부하로 돌아간다. 즉 ‘많이’가 아니라 ‘끊김 없이’ 공급할 수 있느냐가 관건이다.
이 지점에서 중국의 위치는 독특하다. 중국의 발전량은 이미 10여 년 전 미국을 넘어섰고, 지금은 미국의 두 배를 웃돈다. 2024년 한 해 전 세계 전력 부문 투자에서 중국이 차지한 비중은 약 39%에 달했다.
아무리 빠른 슈퍼카라도 연료 탱크가 골무만 하면 무용지물이다. 반도체가 엔진이라면 전력은 연료다. 가장 빠른 엔진도 연료가 마르면 그 자리에 선다.
중국은 엔진 경쟁에 앞서 ‘연료 인프라’부터 깔아 두었다. 이것이 AI 시대 전력 전쟁에서 자주 간과되는 핵심이다.
지리의 문제, 그리고 해법
중국의 가장 좋은 재생에너지 자원(강한 햇빛과 바람)은 인구가 희박한 서부에 있고, 전력 수요는 2,000km 넘게 떨어진 동부 산업지대에 있다. 그래서 서부에서 만든 전기를 초고압 송전망으로 동부로 보내는 정책이 자리 잡았다. 송전 용량은 2025년 말 약 340기가와트(GW)에 이르렀고, 2030년까지 420GW 이상으로 늘릴 계획이다. 고압직류송전(HVDC)은 약 400km를 넘는 장거리에서 경제성이 생기므로, 이 광활한 거리에 딱 들어맞는다. 거울처럼 짝을 이루는 또 다른 정책은 전력이 풍부한 서부에 데이터센터를 옮겨 송전 부담 자체를 더는 방식이다.
사막의 거울 1만 2천 장
구체적인 사례 하나가 이 전략을 압축해 보여 준다. 고비사막에 들어선 100MW급 집광형 태양열 발전소는 약 1만 2천 장의 거울이 해를 따라 움직이며 햇빛을 260m 높이의 탑으로 모은다. 그 열로 녹인 소금(용융염)에 열을 저장해, 해가 진 뒤에도 24시간 전기를 만든다. 반사 면적은 약 140만 제곱미터로 축구장 1,100개에 달하고, 연간 발전량은 약 3.9억 킬로와트시(kWh)다. 핵심은 ‘기저부하처럼 행동하는 재생에너지’라는 점이다. 늘 켜져 있어야 하는 AI 인프라가 정확히 필요로 하는 성질이다.
엔진 4 · 저공경제규제보다 실험, 도시의 하늘을 실험실로
새로운 산업의 무대로 떠오른 공간이 지상 1km 이하의 하늘이다. 중국은 이 영역에 ‘저공경제(低空經濟)’라는 이름을 붙이고 전략적 신흥산업으로 격상했으며, 제15차 5개년 계획(2026~2030)에 처음으로 명시했다. 드론과 전기 수직이착륙기(eVTOL)가 물류·교통·보안·관광을 가로지르는, 사실상 백지 상태의 시장이다.
여기서 결정적인 것은 규제 철학이다. 많은 나라가 ‘규칙을 완성한 뒤에 날린다’는 순서를 따른다면, 중국은 허가 절차 중에도 비행을 허용해 도시의 하늘을 살아 있는 시험장으로 내준다. 기술이 완벽하지 않아도 실제 환경에서 시도하고 보완하기를 반복하며 상용화 속도를 끌어올린다. 그 결과 세계 최초의 사람 탑승용 eVTOL 형식증명(TC)이 중국에서 나왔고(2023년 말), 몇 달 뒤 양산을 위한 제작증명까지 이어졌다. 드론 배송은 ‘반경 3km, 15분 도착’을 내걸고 수십 개 도시에서 운영되며, 등록된 드론은 100만 대를 훌쩍 넘는다.
수영을 배우는 두 방법이 있다. 하나는 교본을 완벽히 익힐 때까지 물 밖에 서 있는 것이고, 다른 하나는 얕은 물에 들어가 허우적대며 몸으로 익히는 것이다. 후자는 물을 좀 먹더라도 훨씬 빨리 헤엄친다.
중국은 하늘이라는 물에 먼저 발을 담갔다. 그리고 그 과정에서 쌓인 비행 데이터는 다시 정부의 자산이 되어, 기업과 국가가 ‘더 많이 날리는’ 공동의 이해관계를 갖게 만든다.
엔진 5 · 인재와 거버넌스가장 깊은 뿌리
앞의 네 엔진을 거슬러 올라가면 결국 사람과 통치 방식에 닿는다. 교육은 바닥부터 바뀌고 있다. 초등학교 과정에 인공지능 교육이 의무화됐고, 얼굴 인식 출석, 장문 원고의 자동 채점, 정규 수업에 들어온 로봇이 어린 시절부터 기술을 자연스러운 일상으로 만든다. 이른바 ‘AI 원주민’ 세대를 길러 내는 것이다.
상위권은 더 빠르게 단련된다. 명문대는 상위 1% 안팎을 선발해 인공지능과 알고리즘에 집중하는 엘리트 트랙을 운영한다. 일부 프로그램은 순서를 뒤집기까지 한다. 이론을 먼저 배우고 실습하는 대신, 학생을 먼저 연구 현장의 미해결 문제 앞에 세운 뒤 교실로 돌려보내 답을 찾게 한다. 실천이 이론에 앞선다.
대학이 키운 인재는 자연스레 기업으로 흘러간다. 세계 전기차 시장을 이끄는 한 기업은 약 90만 명을 고용하고, 그중 9만~10만 명가량이 연구개발 인력이다. 단일 완성차 업체로는 세계 최대 규모의 공학 인력이다. 높은 보수와 지원이 따르니, 최고 인재가 굳이 해외로 나가지 않아도 최전선의 일자리를 찾는다. 인재가 빠져나가지 않고 안에 고이는 구조다.
‘건설하는 정부’라는 변수
거버넌스 자체를 분석 도구로 삼는 시각도 있다. 일부 학자는 ‘법률가형 사회’와 ‘공학자형 사회’를 대비시킨다. 전자는 권리를 보호하고 다양한 목소리를 조정하며 분쟁을 판단하는 데 능하고, 후자는 무언가를 빠르게 ‘짓는’ 데 능하다. 현대 중국의 핵심 의사결정층에 공학적 배경을 가진 인사가 두텁다는 점이 이런 분석의 출발점이다. 공학자는 사회를 또 하나의 풀어야 할 공학 문제처럼 다루는 경향이 있어, 도로·발전소·통신망 같은 물리적 인프라를 짓는 데서 강한 추진력을 낸다.
다만 이는 어디까지나 하나의 렌즈이며, 빠른 건설력에는 분명한 반대급부가 따른다. 무엇을 지을지에 대한 사회적 토론은 압축되거나 생략되기 쉽다. ‘얼마나 빨리 짓는가’와 ‘무엇을 지어야 하는가’는 전혀 다른 질문이다. 과학기술계의 최고 인재에게 높은 자문 지위를 부여하는 원사(院士) 제도, 최고 지도부가 기술 사안을 꾸준히 학습하고 토론하는 문화는 ‘무엇을 지을지’를 기술적 이해 위에서 결정하게 만든다. 속도의 비결인 동시에, 그 속도가 어디로 향하는지를 소수가 정한다는 뜻이기도 하다.
엔지니어가 이끄는 스타트업은 제품을 빠르게 찍어 낸다. 변호사가 이끄는 회사는 빈틈없는 계약서를 쓴다. 둘은 서로 다른 산출물에 최적화돼 있을 뿐, 어느 한쪽이 절대적으로 우월한 것은 아니다.
중요한 것은 각 모델이 무엇을 잘하고 무엇을 놓치는지를 분별하는 일이다. 빠른 건설은 강점이지만, 방향을 점검하는 제동 장치까지 빠른 것은 아니다.
결론맞물린 기계, 그리고 그 대가
다섯 개의 엔진을 따로 보면 각각 인상적인 성취다. 그러나 이들을 한자리에 모으면 개별 성취의 합 이상이 보인다. 다섯은 서로의 입력이자 출력이 되어 하나의 순환으로 맞물린다.
순서는 이렇다. 바닥부터 다시 설계된 교육과 인재 정책이 공학 인력을 길러 내고, 이 인력이 로봇·드론·전력망 같은 기술을 만든다. 기술이 공장과 도시에 대량으로 배치되면 막대한 실증 데이터가 쌓이고, 데이터와 규모는 그 분야의 표준을 쥐는 힘이 된다. 표준은 다시 국내외 시장을 열고, 시장에서 번 자본과 규모의 경제는 다음 세대의 인재와 설비로 재투자된다. 이 회전을 멈추지 않게 돌리는 윤활유가 국가 자본, 부품부터 완제품까지 한 나라 안에서 끝나는 완결형 제조 공급망, 그리고 사막에서 끌어와 끊기지 않는 전력이다.
이 순환의 종착점은 단순한 생산량 1위가 아니다. ‘세계의 공장’에서 ‘세계의 규칙을 쓰는 나라’로 올라서는 것이다. 한 나라가 10여 년 전 국가 과제로 내건 ‘표준 2035’의 목표가 정확히 이 지점에 있다. 산업혁명 이래 기술 표준을 써 온 것은 전통적인 선진국이었지만, 한 나라가 제안해 국제적으로 받아들여진 표준의 수가 빠르게 늘고 있다. 표준이 한번 정해지면 그 분야의 모든 참가자가 그것을 따라야 한다. 속도 경쟁의 진짜 상품은 ‘누가 먼저 만드느냐’가 아니라 ‘누구의 설계가 규칙이 되느냐’다.
속도 경쟁의 진짜 상품은 누가 먼저 만드느냐가 아니라, 누구의 설계가 표준이 되느냐다.
그러나 빠른 기계일수록 마모도 빠르다
이 구조에는 분명한 반대급부가 있고, 그것을 함께 보지 않으면 그림의 절반만 보는 셈이다.
첫째는 과잉이다. 시장을 빠르게 열어 주는 정책은 동시에 너무 많은 참가자를 같은 트랙으로 밀어 넣는다. 로봇과 연관된 기업이 100만 개 가까이 등록돼 있다는 추산이 나올 만큼 진입이 폭발적이고, 사람을 닮은 휴머노이드를 만드는 회사만도 150곳을 훌쩍 넘는다. 이 가운데 다수는 같은 부품, 같은 설계, 같은 시장을 두고 경쟁한다. 빠른 진입은 중복 투자와 출혈 경쟁, 그리고 결국 상당수의 도태를 예고한다. 당국 일각에서도 특정 분야의 과열과 쏠림을 우려하는 목소리가 나온다. 속도의 이면에는 ‘너무 많은 같은 것’이라는 비용이 깔려 있다.
둘째는 방향을 점검하는 제동의 부재다. ‘얼마나 빨리 짓는가’에 최적화된 시스템은 ‘무엇을 지어야 하는가’를 두고 벌이는 사회적 토론을 압축하거나 생략하기 쉽다. 도로와 발전소와 통신망을 빠르게 까는 능력과, 그것을 어디에 깔지 충분히 따져 보는 능력은 다른 종류의 역량이다. 빠른 건설이 강점인 만큼, 잘못된 방향으로도 똑같이 빠르게 갈 수 있다는 점은 같은 구조가 가진 위험이다.
셋째는 사람의 자리다. 기술이 일상의 동작을 빠르게 학습해 대체하기 시작하면, 정형화된 노동일수록 먼저 흔들린다. 어느 분야에서든 표준적인 방식으로 일하는 사람일수록 대체되기 쉽다는 불안은 추상적인 우려가 아니라 이미 공장과 물류 현장에서 시작된 변화다. 속도를 만들어 낸 인재 정책이, 동시에 그 인재가 들어설 자리를 줄이는 기술을 키운다는 긴장은 이 구조가 안고 가야 할 숙제다.
고출력 엔진은 가속이 빠르지만, 그만큼 연료를 많이 태우고 부품도 빨리 마모된다. 빠른 가속 능력과 안전하게 오래 달리는 능력은 같은 것이 아니다.
속도는 분명한 강점이지만, 가속 페달의 성능을 보고 그 차가 목적지에 잘 도착할지까지 단정할 수는 없다. 엔진의 출력과 함께 브레이크와 방향 감각을 함께 보아야 한다.
그래서 우리는 무엇을 보아야 하는가
중요한 것은 단순한 감탄도, 막연한 위협론도 아니다. 빠른 출력값 하나하나에 반응하기보다, 그 출력을 만들어 내는 구조 전체를 읽는 일이다. 다섯 엔진이 어떻게 맞물려 도는지, 그 회전을 무엇이 떠받치는지, 그리고 그 빠른 회전이 어디서 마모되는지를 함께 보아야 한다.
속도가 곧 영속적인 우위를 보장하지는 않는다. 과잉과 도태의 진통을 어떻게 넘기는지, 방향을 점검하는 제동 장치를 갖추는지, 사람의 자리를 어떻게 다시 설계하는지에 따라 다음 10년의 그림은 달라질 것이다. 분명한 것은 하나다. ‘차이나 스피드’는 운이나 한두 번의 도약이 아니라, 인재에서 시장까지 의도적으로 맞물려 돌도록 설계된 하나의 기계라는 점이다. 그 기계를 정확히 이해하는 일이, 감탄이나 불안보다 먼저 필요한 작업이다.