반도체·산업
디스틸레이션(Distillation)
더 강력한 AI 모델의 출력값을 학습 데이터로 활용해 작고 저렴한 모델을 만드는 훈련 기법입니다.
디스틸레이션이란?
디스틸레이션(Distillation, 지식 증류)은 이미 학습이 끝난 크고 성능 좋은 AI 모델(교사 모델)의 출력값을 학습 데이터로 삼아, 이보다 작고 계산 비용이 적은 모델(학생 모델)을 훈련시키는 기법입니다. 학생 모델은 교사 모델의 답변 패턴을 모방하며 상당한 성능을 비교적 적은 비용으로 확보할 수 있습니다.
왜 논란이 되나
2026년 7월 앤트로픽은 미국 상원 은행위원회에 보낸 서한에서 중국 알리바바가 자사 모델을 상대로 "역대 최대 규모의 디스틸레이션 공격"을 감행했다고 주장했습니다. 스콧 베센트 미 재무장관도 "미국 대형언어모델의 워터마크가 다수의 중국 모델에서 발견되고 있다"며 이를 용납할 수 없는 절도 행위로 규정하고, 필요시 제재 가능성까지 언급했습니다.
투자자가 보는 포인트
디스틸레이션이 광범위하게 이뤄지면 미국 프론티어 AI 기업들이 막대한 비용을 들여 개발한 모델의 경쟁 우위가 빠르게 희석될 수 있습니다. 반대로 이를 막기 위한 수출통제·제재가 현실화되면 중국 AI 기업 및 이들과 협력하는 반도체·클라우드 업체들의 사업 불확실성이 커질 수 있어, 미중 AI 패권 경쟁의 핵심 쟁점 중 하나로 떠오르고 있습니다.
💡 매일 아침 해외주식 뉴스를 한 장으로 — 아침한장 뉴스레터 보러가기 →