머스크도 거절한 26세 창업자, 싱가포르발 괴물AI가 빅테크를 흔든 이유

3월 02, 2026

시작하며

요즘 AI 뉴스는 하루만 지나도 구식이 된다. 그런데 가끔은 단순 업데이트가 아니라 방향 자체를 다시 보게 만드는 사례가 나온다. 최근 등장한 HRM 구조가 그렇다. 거액 제안을 거절한 20대 연구자가 내놓은 모델이 기존 빅테크 모델과 정면 비교되고 있다.

나는 기술 자체보다 “왜 이런 인재가 그 환경에서 나왔는가”를 먼저 본다. 부동산을 보던 시절에도 건물보다 상권의 밀도를 먼저 봤다. AI도 비슷하다. 모델 구조 뒤에는 항상 생태계가 있다.

1. 2,700만 파라미터로 판을 흔든 시도

이번 이슈의 핵심은 거대한 모델이 아니라, 오히려 작은 모델이다.

기존 대형 언어모델은 방대한 데이터와 수천억개 이상의 파라미터를 기반으로 다음 단어를 확률적으로 예측한다. 여기에 단계별 사고를 유도하는 방식이 더해지면서 복잡한 추론 문제를 풀어왔다. 하지만 계산 비용이 크고, 중간 추론이 어긋나면 결과가 무너지는 한계가 있다.

HRM은 접근을 달리했다. 인간의 뇌처럼 ‘큰 그림을 그리는 느린 처리’와 ‘세부 계산을 담당하는 빠른 처리’를 분리하는 계층 구조를 택했다.

(1) 왜 업계가 놀랐는가

① 적은 자원으로 낸 결과

약 2,700만개 파라미터 규모
대규모 사전 학습 없이 제한된 샘플 사용
복잡한 추론 과제에서 기존 대형 모델과 유사하거나 더 높은 점수 기록

② 효율성에서 드러난 가능성

연산 자원 부담이 상대적으로 낮다
중간 오류 전파가 줄어드는 구조
단순 확률 예측이 아니라 구조적 추론을 시도

일부 벤치마크에서 기존 대형 모델이 20%대 정확도를 보일 때 40% 수준을 기록했다는 발표가 나왔다. 물론 AI 분야는 속도가 빠르다. 몇 달 만에 기존 모델이 따라잡는 경우도 많다.

그래서 이 모델이 당장 모든 걸 대체한다고 보기는 어렵다. 다만 ‘자본 규모’가 아니라 ‘구조 혁신’으로 성능을 끌어올렸다는 점은 의미가 크다.

2. 왜 이런 인재는 특정 환경에서 계속 나올까

나는 기술 기사보다 인재 이동 경로가 더 흥미롭다. 최근 몇 년 사이 중국계 90년대생 창업자들이 AI, 로보틱스, 대규모 모델 분야에서 연이어 등장하고 있다.

여기서 중요한 건 최상위 0.1%가 아니다. 그 아래 두꺼운 중간층이다.

(1) 중간 성공 사례가 두껍다

① 시장 규모가 만드는 실험 속도

14억 인구 기반의 내수 시장
제품-시장 적합성(PMF) 검증 속도가 빠르다
초기 실패 이후 재도전 기회가 비교적 많다

② 엑시트 규모의 층이 넓다

수백억~수천억원대 매각 사례가 꾸준하다
상위권 인재에게 창업이 현실적 선택지로 보인다
리스크 대비 기대 보상이 분명하다

2025년 세계지식재산기구(WIPO)가 발표한 국제 특허 출원 통계에서도 중국은 세계 최상위권을 유지했다. 특허 건수 자체가 모든 걸 말해주진 않지만, 연구 인력과 기업의 실험 밀도가 높다는 신호다.

스타트업의 다수가 PMF를 찾지 못해 사라진다는 점을 감안하면, 시장 규모와 실험 속도 차이는 곧 생존 확률 차이다.

3. 한국 상위권은 왜 안정으로 기울까

나는 몇 해 전 상위권 대학에서 강연을 한 적이 있다. 질문 수준이 높았고, 창업 사례도 적지 않았다. 그런데 졸업 후 선택은 여전히 대기업, 전문직, 공공기관으로 쏠린다.

이건 의욕 부족이 아니다. 계산의 문제다.

(1) 실패 비용이 크게 느껴진다

① 재도전 환경의 부담

한 번 실패하면 경력 공백이 길게 남는다
초기 투자 시장 규모가 제한적이다
내수 중심 구조라 확장 속도가 더디다

② 이미 충분히 매력적인 대안

안정적인 연봉
사회적 인식
비교적 낮은 리스크

솔직히 말하면 상위권 학생들은 합리적인 선택을 하고 있는 셈이다. 창업으로 크게 성공해야만 특정 자산 수준에 도달하는 구조라면, 모험을 택할 유인이 줄어든다.

4. 인재는 결국 어디로 흐르는가

내가 사업을 판단할 때 가장 먼저 보는 건 “실패해도 다시 일어설 수 있는가”다.

AI 인재도 같다.

(1) 인재가 모이는 환경의 공통점

① 실패가 데이터로 남는 구조

실패가 낙인이 아니라 경험으로 인정된다
재도전 자금과 네트워크가 존재한다

② 노력에 대한 보상이 분명하다

성과와 보상의 연결이 명확하다
규제보다 실험이 앞선다

일부 기술 창업자들이 규제가 강한 지역을 떠나 실험 환경이 더 열린 곳으로 이동하는 사례에서도 같은 패턴이 보인다. 기술은 국경을 넘고, 인재도 따라 움직인다.

5. 우리는 무엇을 고민해야 하나

이 글을 읽는 사람이 당장 AI 회사를 세울 필요는 없다. 다만 질문은 던질 수 있다.

(1) 내가 선택을 좁히고 있지는 않은가

① 작은 실험을 해본 적이 있는가

아이디어를 빠르게 검증해본 경험
비용이 적게 드는 테스트 방식 시도
실패 데이터를 정리해본 적

② 리스크를 과대평가하고 있지는 않은가

감당 가능한 손실 범위 계산
재도전 가능성 검토
장기 보상 구조 비교

AI 패권은 거대한 구호로 결정되지 않는다. 작은 실험이 반복되고, 중간 규모 성공 사례가 쌓이면서 차이가 벌어진다.

나는 HRM 같은 시도가 계속 나와야 한다고 본다. 설령 지금 당장 판을 완전히 바꾸지 못하더라도, 이런 시도들이 다음 단계를 만든다. 기술 격차는 어느 날 갑자기 벌어지는 게 아니라 실험의 밀도가 누적되면서 벌어진다.

마치며

결국 이번 사례가 던지는 질문은 단순하다. 우리는 실패를 얼마나 허용하고 있는가. 그리고 노력에 대한 보상이 명확한가.

인재는 이상을 좇지 않는다. 계산 가능한 가능성을 좇는다. 그 계산식이 더 매력적인 곳으로 이동할 뿐이다.

개인도 마찬가지다. 안정이 틀렸다는 말은 아니다. 다만 한 번쯤은 내가 감당 가능한 범위 안에서 새로운 시도를 해볼 필요가 있다. 작은 검증 하나가 생각보다 큰 방향 전환이 되기도 한다.

기술 격차를 걱정하기 전에, 오늘 내가 할 수 있는 작은 실험 하나부터 시작해보는 것이 현실적인 선택일 수 있다.

이 블로그 검색