Qwen 기반 한국 AI 모델 46.8%, 실제로 쓰는 비율일까
록브리지네트워크코리아 보고서에 따르면 2026년 1~8월 한국 계정이 허깅페이스에 낸 신규 언어모델 1,845건 중 46.8%가 Qwen 기반이다. 중국 기반 전체는 49.3%로 2023년 1.2%에서 크게 늘었다. 다만 이 숫자는 공개된 파생 모델의 개수이고, 기업 102곳에 직접 물으면 중국 AI를 쓴다는 곳은 0곳이었다.
이 글의 목차
숫자는 보고서를 옮긴 지디넷코리아·아주경제·재경일보·뉴스1 기사와 GeekNews 요약에서 두 곳 이상 일치한 값이다. 한 곳에만 실린 값은 본문에 그렇게 적었다.
록브리지 보고서는 한국 AI 모델을 어떻게 셌나?
록브리지네트워크코리아는 2026년 10월 16일 최성진 한양대 경영대학 교수가 쓴 보고서 「중국 인공지능은 한국에서 어떻게 쓰이고 있는가」를 공개했다. 지디넷코리아와 재경일보 보도에 따르면 보고서는 한국어 태그와 검색어로 찾은 한국 계정 1,993개가 허깅페이스(Hugging Face)에 올린 생성형 언어모델 산출물 7,939건을 모았고, 그중 2026년 1~8월에 새로 나온 1,845건의 기반 모델을 따졌다.
허깅페이스는 AI 모델과 데이터를 올리고 내려받는 공개 저장소다. 파생 모델은 공개된 기반 모델을 내려받아 추가 학습(파인튜닝)·병합·경량화를 거쳐 다시 올린 모델이다. 그래서 이 보고서의 49.3%는 "한국 개발자가 무엇을 바탕으로 새 모델을 만들어 공개했나"를 센 값이다.
보고서는 허깅페이스 외에 세 가지 자료를 함께 봤다. 숫자가 서로 다른 방향을 가리키는 이유가 여기에 있다.
중국 AI 모델 49.3%, 그중 Qwen이 46.8%를 차지한다
2026년 1~8월 한국 계정의 신규 언어모델 1,845건 가운데 중국 기반은 49.3%이고, 알리바바의 Qwen(큐원) 기반이 864건(46.8%)으로 거의 전부를 차지한다. 지디넷코리아·재경일보 보도로는 구글 Gemma 271건(14.7%), 메타 Llama 254건(13.8%), LG AI연구원 EXAONE(엑사원) 171건(9.3%), 카카오 Kanana(카나나) 49건(2.7%), DeepSeek(딥시크) 19건(1.0%)이 뒤를 잇는다.
EXAONE은 국산 기반 모델 가운데 가장 많이 쓰였다. 다만 171건을 23개 계정이 올려 계정당 7.4건으로, 167개 계정에 흩어진 Qwen(계정당 5.2건)보다 쓰는 곳이 좁다.
| 기반 모델 | 신규 모델 | 계정 | 계정당 | 비중 |
|---|---|---|---|---|
| Qwen | 864 | 167 | 5.2 | 46.8% |
| Gemma | 271 | 81 | 3.3 | 14.7% |
| Llama | 254 | 70 | 3.6 | 13.8% |
| EXAONE | 171 | 23 | 7.4 | 9.3% |
| Mistral | 70 | 21 | 3.3 | 3.8% |
| Kanana | 49 | 19 | 2.6 | 2.7% |
| DeepSeek | 19 | 9 | 2.1 | 1.0% |
중국 기반 모델은 2023년 1.2%에서 2026년 49.3%로 어떻게 늘었나?
보고서에 따르면 한국 신규 언어모델 중 중국 기반 비중은 2023년 1.2% → 2024년 7.2% → 2025년 22.0% → 2026년 1~8월 49.3%로 해마다 두세 배씩 커졌다. 뉴스1과 GeekNews 요약에 따르면 월별로는 2026년 2월 중국 기반 산출물이 처음 미국 기반을 앞질렀다.
미국 기반 비중은 같은 기간 79.5%에서 35.9%로 줄었다. GeekNews 요약은 미국 기반 산출물의 60%가 2024년 이전에 만들어졌다고 전한다. Llama가 이끌던 2023~2024년의 공개 모델 생태계가 2025년부터 Qwen 쪽으로 옮겨 갔다는 뜻이다.
한국 개발자가 Llama 대신 Qwen을 고르는 세 가지 이유
보고서가 꼽은 Qwen의 강점은 다양한 모델 크기, 119개 언어 학습, 풍부한 파생 모델과 도구다. 뉴스1에 따르면 보고서는 "단순히 싸기 때문만은 아니다"라고 짚었다. 소수의 계정이 몰아 올린 결과도 아니다. Qwen 기반 모델을 올린 계정은 167개로 두 번째인 Gemma(81개)의 두 배다.
작은 것부터 큰 것까지
왜 중요한가
119개 언어
파생 모델과 사례
상업 이용
가격
기업은 왜 중국 AI 모델을 꺼리나: 데이터 유출 우려 80.2%
보고서의 중소·중견기업 102곳 설문에서 중국 AI 모델을 쓰지 않는 이유로 데이터 유출 우려(80.2%)와 개인정보 처리 불투명성(67.7%)이 가장 많이 꼽혔고, 성능·품질 우려는 31.3%에 그쳤다. 개발자들이 성능을 보고 Qwen을 고르는 것과 달리 기업은 보안을 먼저 본다.
인지도에도 차이가 컸다. GeekNews 요약에 따르면 응답 기업의 84.3%가 DeepSeek를 안다고 했지만 Qwen은 45.1%가 처음 들어 본다고 답했다. 한국 공개 모델의 절반 가까이가 Qwen 기반인데, 정작 기업 절반은 이름을 모르는 셈이다. 같은 요약은 응답 기업의 90.2%가 생성형 AI를 쓰고, 46.1%는 직원 개인 선택에 맡기며, 20.6%는 자체 설치나 자사 데이터 추가 학습까지 한다고 전한다.
Qwen 46.8%는 실제 서비스 사용량이 아니다
Qwen 46.8%는 공개된 파생 모델의 개수이고, 기업 도입률이나 서비스 트래픽이 아니다. 보고서가 함께 본 다른 지표는 중국 모델의 존재감이 훨씬 작게 나온다.
| 지표 | 중국 계열 | 출처 |
|---|---|---|
| 허깅페이스 신규 파생 모델(2026년 1~8월) | 49.3% | 지디넷코리아 외 |
| 국내 AI 챗봇 앱 이용자 상위 10개(7월) | 0개 | 아주경제 외 |
| 기업 102곳 직접 질문 | 0곳 | 재경일보·뉴스1 |
| 국내 주요 기업 36곳 깃허브 약 1,900건 | 언급 0건 | 지디넷코리아·재경일보 |
| 한국 개인 개발자 깃허브 57건 | 14건(24.6%) | 재경일보 |
세 가지 이유로 숫자가 갈린다. 첫째, 파생 모델은 실험·연습용이 많고 한 계정이 여러 판을 올린다. 둘째, 앱 이용 통계는 모델을 내려받아 자체 서버에서 돌리거나 다른 서비스에 넣는 활동을 잡지 못한다. 셋째, 기업 설문은 직원이 개인적으로 쓰는 도구까지 다 보여 주지 않는다. GeekNews 요약도 "어느 한 지표만으로 전체 이용 실태를 판단하기 어렵다"고 정리했다.
보고서는 일률적인 금지보다 실제로 쓰는 모델을 파악하는 것을 출발점으로 제안했다. 재경일보에 따르면 모델 정보를 투명하게 공개하고, 보안·운용 지침을 마련하고, 특정 국가·계열 의존도를 낮춰야 한다는 것이 정책 제언이다. 지디넷코리아는 의존도가 높아지면 라이선스 조건 변경이나 후속 모델 공개 중단에 개발 환경이 흔들릴 수 있다는 지적을 전했다.
Qwen 파생 모델과 EXAONE 점유율, 자주 묻는 네 가지
1 한국 AI 모델 절반이 Qwen으로 만들어졌다는 말은 맞나? +
반만 맞다. 2026년 1~8월 한국 계정이 허깅페이스에 새로 올린 언어모델 1,845건 중 Qwen 기반은 46.8%(864건)이고, 중국 기반 전체가 49.3%다. 국내 서비스나 기업이 쓰는 AI의 절반이라는 뜻은 아니다.
"공개 파생 모델 기준"이라는 조건을 붙여 읽는다.2 큐원(Qwen) 파생 모델은 무엇인가? +
알리바바가 공개한 Qwen 모델을 내려받아 한국어 데이터로 추가 학습하거나, 다른 모델과 병합하거나, 가볍게 줄여 다시 올린 모델이다. 허깅페이스에서는 모델 설명에 기반 모델이 Qwen으로 적힌다.
기반 모델 정보는 올린 사람이 적는 값이라 빠지거나 틀릴 수도 있다.3 Qwen 파생 모델을 회사 서비스에 써도 되나? +
라이선스와 보안을 따로 확인해야 한다. Qwen3 공개 가중치는 Apache 2.0이라 상업 이용이 가능하지만, 파생 모델은 올린 사람이 붙인 라이선스와 학습 데이터 조건을 따른다. 자체 서버에서 돌리면 데이터가 중국으로 넘어가지 않지만, 기업 설문의 80.2%가 꼽은 유출 우려는 주로 중국 서비스(API·앱) 이용에 해당한다.
내려받아 돌리는 모델과 중국 서버의 서비스는 위험이 다르다.4 EXAONE 점유율은 얼마인가? +
9.3%(171건)로 국산 기반 모델 중 1위, 전체 4위다. Kanana 2.7%까지 더한 국산 기반은 14.9%다. 엑사원 3.5·4.0 공개 가중치는 비상업(연구용) 라이선스로 배포돼 상업 파생에는 제약이 있었다.
국산 모델이 선택받으려면 성능보다 라이선스·크기·도구가 먼저라는 것이 보고서의 제언이다.