오픈웨이트 AI 대형화·효율화로 AI 인프라 수요 확대

오픈웨이트(Open Weight) AI 모델 경쟁이 규모와 효율성을 동시에 끌어올리는 국면으로 접어들었다. 2024년 6,710억 파라미터 규모였던 DeepSeek V3를 기점으로, 2026년에는 2.8조 파라미터의 Kimi K3, 2.4조 파라미터의 Qwen3.8 Max가 등장하며 모델 대형화 속도가 가파르게 진행되고 있다. 주목할 점은 전체 파라미터가 급증하는 와중에도 실제 추론 연산에 투입되는 활성 파라미터(Active Params)는 130억~500억 개 수준으로 억제되고 있다는 것이다. 이는 방대한 지식을 담으면서도 실질 연산 부담은 낮추는 방향의 아키텍처 진화를 보여준다. 연산 효율성 지표 역시 DeepSeek V3·R1의 18배에서 Kimi K3의 56배까지 상승하며, 동일 규모 대비 연산 비용이 지속적으로 낮아지고 있다. 성능 측면에서도 경쟁이 격화되고 있다. AI Intelligence Index 기준 Kimi K3가 57로 가장 높은 점수를 기록하며 오픈웨이트 진영 내 성능 우위 다툼이 치열해지는 양상이다. 이처럼 AI 모델이 더 큰 규모와 더 높은 효율성을 동시에 추구하는 흐름은 하드웨어 수요로 직결된다. 대용량 파라미터를 처리하기 위한 고대역폭 메모리(HBM), 이를 뒷받침하는 AI 서버, 그리고 고집적 칩 구현을 위한 첨단 패키징의 전략적 중요성이 함께 확대되고 있다. AI 인프라 밸류체인 전반에 걸친 수요 모멘텀이 이어질 것으로 전망된다.