[테크 차이나] 中 산업용 AI 시장 2030년 3000억위안 돌파 전망…'공정 원리+데이터'가 성장 견인

중국 산업용 인공지능(AI) 시장이 제조업의 고도화·지능화 전환과 맞물려 빠르게 성장하고 있다. 대규모 언어모델과 AI 에이전트의 산업 현장 도입이 확대되면서 생산 품질 개선과 비용 절감, 효율 향상, 안전관리 고도화를 위한 수요가 증가하고 있다. 다만 고품질 데이터 확보와 모델 신뢰성, 초기 투자 부담, 전문인력 부족 등은 산업용 AI의 대규모 확산을 위해 해결해야 할 과제로 꼽힌다.

중국 기술·산업 전문 매체 36Kr 산하 36Kr연구원이 16일 발표한 '2026년 중국 산업용 AI 산업 발전 연구보고서'에 따르면, 중국 산업기업의 대규모 언어모델 및 AI 에이전트 활용 비율은 2024년 9.6%에서 2025년 47.5%로 상승했다. 1년 만에 활용 비율이 큰 폭으로 높아지면서 산업 현장의 AI 도입이 본격적인 확산 국면에 진입하고 있다고 분석한다.

시장 규모도 확대될 전망이다. 36Kr연구원은 중국 산업용 AI의 실현 가능 시장 규모가 2026년 1163억위안에 이르고, 2030년에는 3000억위안을 넘어설 것으로 내다봤다. 연평균 복합성장률은 25%를 웃돌 것으로 예상했다. 제조업의 디지털 전환과 생산성 향상 수요가 산업용 AI 시장의 성장을 뒷받침할 것이라는 전망이다.

보고서는 산업용 AI의 대규모 도입을 가로막는 핵심 요인으로 데이터, 기술, 비용, 인식 등 네 가지 병목을 지목했다. 산업 현장은 공정별 특성이 복잡하고 설비 간 상호작용이 긴밀한 데다 작은 오류도 제품 품질이나 안전에 영향을 미칠 수 있어 일반적인 AI 적용 방식만으로는 한계가 있다는 설명이다.

데이터 측면에서는 고품질 이상 사례가 부족하고 시스템 간 데이터가 분산돼 있어 AI 학습에 필요한 정보를 충분히 확보하기 어렵다. 산업별 데이터 표준이 통일되지 않은 점도 모델의 안정적인 학습과 활용을 제약한다. 기술적으로는 AI 모델의 판단 근거를 명확히 설명하기 어렵다는 점이 높은 안전성을 요구하는 생산 현장에서 부담으로 작용한다. 가상 환경에서 학습한 모델을 실제 생산공정에 적용할 때 성능이 달라질 수 있고, 여러 유형의 데이터를 통합적으로 분석하는 능력도 개선해야 할 과제로 꼽힌다.

비용과 인력 문제도 만만치 않다. 하드웨어와 연산 자원, 시스템 구축에 필요한 초기 투자 부담이 크면 중소기업은 투자 회수 기간이 길어져 도입을 결정하기 어렵다. 현장 작업자의 기술 수용성이 낮거나 경영진과 실무진 사이에 AI 도입 목적에 대한 인식 차이가 존재하는 경우에도 사업 추진에 어려움이 발생한다. 산업 공정과 AI 기술을 함께 이해하는 융합형 인재의 부족 역시 확산을 제약하는 요인이다.

이에 보고서는 산업용 AI의 대규모 확산을 위해 다섯 가지 요소가 유기적으로 결합해야 한다고 강조했다. 우선 데이터 수집·관리·활용 전 과정을 체계화해 고품질 데이터 자산을 확보해야 한다. 산업 공정의 원리를 AI 기술과 결합해 모델의 설명 가능성과 현장 적합성을 높이고, 기술 최적화와 사업 모델 혁신을 통해 구축 비용과 투자 회수 기간을 줄여야 한다.

인력과 조직의 역량을 함께 높이는 작업도 필요하다. 현장 인력의 AI 이해도를 높이고 산업과 기술을 모두 이해하는 전문인력을 육성해야 한다. 또한 시범사업을 통해 실제 생산 환경에서 효과와 안정성을 검증한 뒤 적용 범위를 확대하는 단계적 접근이 요구된다. 데이터 기반 분석부터 현장 검증과 운영 개선까지 연결하는 체계를 구축해야 기술 도입이 실질적인 성과로 이어질 수 있다는 의미다.

보고서는 특히 연속 생산과 높은 안전성이 요구되는 공정산업을 산업용 AI의 핵심 적용 분야로 제시했다. 공정산업은 생산 과정의 여러 요소가 긴밀하게 연결돼 있고, 품질 개선과 원가 절감 효과를 측정하기 비교적 용이하다. 반면 모델의 신뢰성과 안정적인 제어 능력에 대한 요구 수준이 높아 AI 도입의 진입 장벽도 크다. 데이터만으로 학습한 모델을 핵심 생산공정에 적용하는 데 한계가 있는 이유다.

이에 대한 해법으로 제시된 것이 '공정 원리+데이터'의 이중 구동 방식이다. 산업 공정의 물리적·화학적 원리와 운전 규칙을 계산할 수 있는 형태로 반영하는 동시에, 데이터 분석을 통해 생산 최적화 가능성을 발굴하는 접근법이다. 데이터 기반 AI의 분석 능력에 공정 원리에 따른 제약 조건을 결합해 모델의 신뢰성과 안전성을 높이는 것이 핵심이다.

대표 사례로는 중국 산업 자동화·제어 솔루션 기업 중컨트롤기술(Supcon Technology·中控技术)이 소개됐다. 이 회사는 수십 년간 축적한 산업 공정 지식을 바탕으로 자체 개발한 시계열 대규모 모델 TPT와 범용 제어 시스템 UCS를 핵심 축으로 자율운영공장 시스템 AOP를 구축했다. 데이터 기반 분석으로 생산 최적화 기회를 찾는 한편 공정 원리를 반영해 모델 안전성과 신뢰성을 확보하는 구조다.

보고서는 이 같은 접근 방식이 염소·알칼리 산업과 석유화학 산업 등에서 적용 사례를 형성하고 있으며, 비용 절감과 생산 효율 향상, 인력 운영 최적화, 안전관리 측면에서 성과를 검증하고 있다고 설명했다. 공정 원리와 데이터의 융합을 통해 산업 현장의 요구에 대응하는 모델을 구축하면 공정산업뿐만 아니라 다른 산업 분야에서도 활용할 수 있는 실용적인 AI 적용 모델을 마련할 수 있다는 것이다.

향후 산업용 AI 시장 경쟁은 개별 AI 모델 성능을 넘어 산업 지식과 데이터, 제어 시스템, 현장 구현 역량을 얼마나 유기적으로 통합하느냐에 따라 좌우될 것으로 전망된다. AI를 기존 생산 시스템에 단순히 추가하는 방식에서 벗어나 생산공정의 분석과 최적화, 제어, 운영 개선 전반에 통합하는 역량이 중요해지고 있다.

산업용 AI의 지속적인 성장을 위해서는 기술 개발과 함께 데이터 표준화, 모델 신뢰성 검증, 비용 효율적인 구축 방식, 전문인력 양성이 병행돼야 한다. 시범사업에서 확인한 성과를 반복 가능한 운영 모델로 전환하고 산업별 특성에 맞춰 확산하는 체계도 필요하다.

중국 산업용 AI 시장은 빠른 도입 확산과 시장 규모 확대가 예상되는 가운데, 실제 생산 현장에서 안정적으로 작동하고 경제적 효과를 입증하는 능력이 다음 성장 단계의 핵심 경쟁력이 될 것으로 보인다. 공정 원리와 데이터의 융합이 기술 실험을 넘어 제조 현장의 실질적인 생산성 혁신으로 이어질 수 있을지가 산업용 AI 확산의 관건이다.

※전자신문과 36케이알이 공동 기획한 기사입니다.

김현민 기자 minkim@etnews.com