AI의 킬러 앱: AI 에이전트가 모든 것을 바꿀 수 있는 방법

AI의 블록버스터 앱을 찾아서

ChatGPT가 출시된 이후 대중의 관심이 AI 기술에 쏠리면서 일반 대중, IT 전문가, 투자자들의 관심을 사로잡았습니다.

이는 특히 생성 AI의 용량이 기하급수적으로 증가함에 따라 더욱 그렇습니다. 또한 새로운 경쟁의 물결이 이 분야의 진전을 가속화했습니다. DeepSeek와 같은 중국 AI 미국산 AI의 비용 구조와 가격 책정에 문제가 있습니다.

하지만 AI 산업은 여전히 ​​다소 불안정한 상태입니다. 수천억 달러에 달하는 AI 인프라가 투자를 정당화할 만큼 필요한 수준의 수익을 아직 창출하지 못했기 때문입니다.

이전의 기술 혁명은 사무 작업(Windows 및 Office), 엔터테인먼트(비디오 게임 및 스트리밍), 광고(Google), 커뮤니케이션(스마트폰), 무역(온라인 지불 및 전자 상거래)과 같이 기술을 "실제" 경제에 수익성 있게 적용하는 것을 기반으로 구축되었습니다.

지금까지 AI는 대부분의 사람들이 일하거나 일상생활을 하는 방식에 혁명을 일으키지 못했습니다. 하지만 폭발적으로 증가하는 성능과 능력을 가진 전문 AI, 즉 AI 에이전트의 등장으로 이러한 상황은 바뀔 가능성이 큽니다.

AI 에이전트란 ​​무엇입니까?

AI 에이전트의 핵심 아이디어는 주어진 환경에서 독립적으로 작동할 수 있는 AI를 만드는 것입니다. 이는 LLM(대규모 언어 모델)이나 이미지 생성기와 같은 생성 AI와는 매우 다른 실질적인 역할을 부여하는데, 이는 대부분 인간이 만든 프롬프트에 반응합니다.

이러한 맥락에서 "환경"은 도로 위의 자동차와 자율 주행 기능을 위한 AI와 같은 실제 세계의 특정 상황을 의미할 수도 있고, 특정 소프트웨어나 디지털 인터페이스와 같은 완전히 가상의 장소를 의미할 수도 있습니다.

AI 에이전트는 주어진 역할에서 자율적으로 행동하기 때문에 인간의 지속적인 개입을 요구하지 않습니다. 따라서 확인이나 감독 없이도 스스로 행동을 취할 수 있습니다.

실제로 대부분의 AI 에이전트는 인간 감독자에게 피드백을 요청하는 데 필요한 조건과 규칙을 내장하고 있습니다.

Google에 따르면 AI 에이전트의 주요 기능은 다음과 같습니다.

• 추리: 그들은 데이터를 분석하고, 패턴을 식별하고, 증거와 맥락을 기반으로 정보에 입각한 결정을 내릴 수 있습니다.
• 연기: 행동을 취하거나 업무를 수행하는 능력. 여기에는 물리적 행동이나 디지털 행동이 포함될 수 있습니다.
• 관찰: 주변 환경이나 상황에 대한 정보를 수집하여 맥락을 파악하고 정보에 입각한 결정을 내립니다.
• 계획: 필요한 단계, 잠재적인 행동, 그리고 가장 좋은 행동 과정을 식별하여 목표를 달성하기 위한 계획을 개발합니다.
• 공동 작업: 인간이든 다른 AI 에이전트이든 다른 사람들과 효과적으로 협력합니다.
• 자기정제: AI 에이전트는 경험으로부터 학습하고, 피드백을 기반으로 자신의 행동을 조정하며, 시간이 지남에 따라 지속적으로 성능과 기능을 향상시킬 수 있습니다.

출처: 데브레브AI

정말 새로운 건가요?

이러한 기능 세트는 AI 에이전트를 이전의 AI 도구(AI 어시스턴트 및 봇 등)보다 한 단계 더 앞선 제품으로 만들어 더욱 적극적인 기능, 자율성, 그리고 더 복잡한 작업을 처리할 수 있는 능력을 제공합니다.

출처: 구글

물리적 "신체"를 갖춘 AI 에이전트는 실제 세계와 직접 상호 작용할 수 있는 반면, 디지털 AI 에이전트는 특정 가상 작업 환경을 전문으로 할 가능성이 높습니다.

두 경우 모두, AI에게 유용할 만큼 충분한 권한과 가능한 조치를 부여하는 것이 중요하지만, 오류로 인한 예상치 못한 피해를 피할 수 있을 만큼 많은 권한을 부여해서는 안 됩니다.

전반적으로 AI 결정의 질과 이에 대한 친숙도가 증가함에 따라 사람들과 당국이 AI 결정에 더 많은 자유를 줄 가능성이 높습니다. 그러나 이는 AI 행동의 책임에 대한 흥미로운 법적, 윤리적 문제를 제기합니다(아래 해당 주제에 대한 토론 참조).

AI 에이전트의 잠재력

AI 에이전트가 독립적으로 작업할 수 있는 능력은 AI 킬러 앱이 될 수 있는 것입니다. 현대 생활은 복잡하지 않은 반복적인 작업으로 가득 차 있지만, 동시에 더 간단한 형태의 자동화에 맡기기에는 너무 복잡합니다.

예를 들어, 이것이 그 이유입니다. 테슬라는 2018년 조립 라인의 자동화 및 로봇화에서 한 발 물러서야 했습니다.로봇은 훌륭한 일을 할 수 있지만, 사소한 방해나 예상치 못한 요구 사항의 변화만으로도 전체 조립 라인이 중단될 수 있습니다.

"우리는 이 미친 복잡한 컨베이어 벨트 네트워크를 가지고 있었습니다... 그리고 그것은 작동하지 않았기 때문에 우리는 그 모든 것을 없앴습니다. 네, 테슬라의 과도한 자동화는 실수였습니다. 정확히 말해서, 제 실수였습니다. 인간은 과소평가됩니다."

엘론 머스크

그러나 현대 AI는 모든 것을 미리 예상하려는 매우 정교한 엄격한 규칙의 집합이 아닙니다. 대신, 훈련 중에 충분한 관련 데이터가 제공되면 어느 정도 새로운 조건에 적응하고 진화할 수 있습니다.

따라서 AI는 고객에게 문제 해결 알고리즘을 안내하는 것부터 고속도로에서 트럭을 운전하는 것까지, 매우 반복적인 작업에 특히 적합할 수 있습니다.

인간과 달리 이러한 AI는 하루 24시간, 주 7일 일할 수 있으며 급여, 건강 보험 등이 필요하지 않습니다.

AI 능력에서 우리가 도달한 수준을 분류하는 방법은 여러 가지가 있습니다. 전반적으로 그들은 AI의 능력을 일반 인간 인구와 비교하는 경향이 있으며, 최신 AI 에이전트는 특정 좁은 도메인 작업에서 인구의 50-90%가 가진 기술에 곧 도달할 것으로 보이며, 일반적으로 AI 진행의 중간 지점으로 간주되고 AGI의 시작에 불과합니다.

출처: 코버스 그레이링

AI 에이전트는 어떻게 작동하나요?

AI 에이전트는 서로 상호 작용하는 몇 가지 핵심 "구성 요소"로 구성됩니다.

• 센서: 물리적 AI 에이전트의 경우 이는 카메라, 마이크, LIDAR, 무선 안테나 등을 포함할 수 있습니다. 디지털 AI 에이전트의 경우 이는 검색 기능, 파일을 읽는 도구, 특정 소프트웨어나 데이터베이스에서 데이터를 추출하는 도구 등이 될 수 있습니다.
• 액추에이터: 이것이 AI가 작업을 수행하는 방식입니다. 물리적인 경우 바퀴나 로봇 팔이 될 수 있습니다. 디지털인 경우 파일을 만들거나 수정하고, 보고서를 작성하고, 데이터 분석을 수행하는 등의 기능이 될 수 있습니다.
• 두뇌: 신경망을 기반으로 구축된 점점 더 복잡해지는 AI 도구로 구성되었으며, 이는 AI 에이전트의 결정 센터입니다.
• 데이터베이스: 사실, 훈련 데이터, 그리고 인간의 수정 사항을 갖춘 지식 센터로, "뇌"가 올바른 결정을 내릴 수 있도록 해줍니다.

출처: 토마스 래터너

이러한 구성요소를 결합하면 AI 에이전트는 전문화된 LLM을 기반으로 메모리와 페르소나를 구축할 수 있습니다.

메모리는 여기 AI의 매우 중요한 부분이며 이전 봇에 비해 급진적으로 개선되었습니다. 이는 메모리 부족이 챗봇 및 기타 유사한 시스템에 대한 대부분의 불만의 원천이기 때문입니다. 이것이 대부분의 봇이 추론 루프에 갇히고 이미 제공된 이전 정보를 기억하지 못하는 이유입니다.

AI 에이전트의 종류

물리적 격차와 디지털 격차 외에도 AI 에이전트를 분류하는 다른 방법이 있습니다.

• 한 가지 방법은 에이전트가 인간과 상호 작용하는지, 아니면 백그라운드에서 작업하는지 고려하는 것입니다.
• 또 다른 방법은 주어진 작업에 단일 에이전트를 사용하거나 여러 에이전트가 서로 대화하여 더 정교한 작업을 수행하도록 하는 것입니다. 각 에이전트는 자체 모델을 가지고 다른 에이전트와 데이터를 공유하거나 공유하지 않습니다.
  • 여러 에이전트를 사용하는 경우 계층 구조를 설정할 수 있으며, 한 명 이상의 에이전트가 하위 에이전트를 조정하고 "주변으로 정렬"하는 역할을 맡을 수 있습니다.
• AI 에이전트 분류에 대한 또 다른 가능성은 최종 목표와 복잡성을 고려하는 것입니다.
  • 목표 기반 AI 에이전트는 최종 결과에 초점을 맞추고, 해당 목표가 ​​달성될 때까지 자신의 행동이나 행동을 조정합니다. 예를 들어, 창고 AI는 목적지에 도착할 때까지 패키지를 이동하는 방법에 대한 지침을 제공합니다.
  • 유틸리티 기반 에이전트 또한 목표에 집중하지만, 목표에 도달하는 가장 좋은 방법에도 집중합니다. 예를 들어, 자율주행차는 A지점에서 B지점으로 이동하지만, 안전성과 결국 연료 효율성, 이동 시간, 도로 유형 등도 고려합니다.

출처: 앰프컴

왜 일반 AI 대신 AI 에이전트를 사용해야 할까요?

AI 산업이 범용 모델 대신 AI 에이전트를 선호하는 데에는 여러 가지 이유가 있습니다.

첫 번째는 기술적 복잡성과 실현 가능성의 문제입니다. 우리가 아는 한 완전한 인간형 일반 지능(AGI)은 아직 도달할 수 없습니다.

그러나 예를 들어, 다른 문제에 대한 추론 능력이 전혀 없으면서도 인간처럼 자동차를 운전할 수 있는 전담 AI 에이전트를 만드는 것이 훨씬 더 현실적인 것으로 보입니다.

또 다른 문제는 효율성입니다. 자동차를 운전하는 데 사용되는 모델은 말하고, 걷고, 웹 검색하고, 계산하는 데 매우 능숙할 필요가 없습니다. 각 작업에 대한 개별 AI 에이전트가 너무 많으면 공상 과학 소설에서 자주 보여지는 것처럼 모든 용도의 AI/로봇 시스템을 배포하려고 하는 것보다 훨씬 더 합리적입니다.

마지막으로, 비용은 모든 AI 프로젝트에 심각한 문제입니다. 이는 훈련 비용과 필요한 수천 또는 수백만 개의 GPU에 해당합니다. 하지만 이는 컴퓨팅 하드웨어에서 AI를 운영하는 비용과 소비되는 에너지에도 해당합니다. 따라서 더 전문화되고 더 단순하며 작업에서 더 나은 성과를 내는 AI 에이전트가 선호됩니다.

전문화된 AI 에이전트에서 일반적인 AI 에이전트로?

좁고 반복적인 작업의 경우, 매우 좁은 AI 에이전트가 아마도 가장 좋을 것입니다. 그러나 AI 혁명의 이점을 완전히 파악하려면 약간 더 유능한 시스템이 필요할 것입니다. 예를 들어, AI는 유지 관리가 필요한 장비 목록을 자동으로 생성할 수 있을 뿐만 아니라 해당 유지 관리를 수행하도록 기술자를 일정에 넣고 관련 근무 시간표, 급여 등을 관리할 수 있습니다.

일부 응용 프로그램에서는 작업과 분석을 서로 완전히 분리할 수 없기 때문에 인간 근로자에게 진정한 도움을 주기 위해 이러한 단계가 필요할 수 있습니다.

예를 들어, 진단을 수행하는 AI는 의료 이미지를 분석하고, 증상을 설명하는 텍스트나 음성을 이해하고, 의료 검사 결과와 환자 병력을 통합하고, 관련 과학 문헌과 의료 프로토콜을 찾는 등의 능력이 필요합니다.

출처: 자연

이러한 일반주의적이지만 특정 용도에 맞는 AI는 각 하위 요소가 하나의 작업에서 탁월하고, 감독자 AI가 개별 에이전트의 출력을 응집력 있는 전체로 통합하는 다중 에이전트 구조를 통해 구축될 가능성이 높습니다.

애플리케이션별 사용 사례가 유일한 가능성은 아닙니다. 예를 들어, 매우 다른 분야의 에이전트를 사용하는 다중 에이전트 AI는 다양한 데이터 세트를 모아 새로운 과학적 발견을 하는 데 유용할 수 있습니다.

AI 에이전트 애플리케이션

1995년에 아무도 현대 인터넷을 시각화하지 못했던 방식으로 많은 응용 프로그램이 아직 이해되지 않았을 가능성이 있지만, 몇 가지 활동은 이미 AI 에이전트 응용 프로그램을 위해 준비되었습니다.

• 고객 서비스: 온라인 채팅부터 식당 주문 접수까지, 대부분의 고객 요청은 비교적 간단한 프로세스로 자동화하기가 더 쉽습니다. 지금까지 챗봇만으로는 부족했지만, 더 스마트한 AI 에이전트가 이러한 작업의 상당 부분을 대체할 가능성이 높고, 가장 복잡한 요청은 소수의 사람이 처리하게 될 것입니다.
• 과학적 연구: 여기에는 매우 복잡하고 방대한 데이터 세트를 분석하고 비영어권 언어를 포함하여 수천 개의 과학 출판물을 탐색하는 것이 포함됩니다. 또한 단백질 접힘, 물질 원자 구성 등을 예측하는 것과 같이 매우 기술적인 작업을 전문으로 하는 AI도 포함됩니다.
• 웹사이트 & 마케팅: 오늘날의 많은 온라인 마케팅과 광고는 이미 부분적으로 템플릿과 자동화된 최적화로 처리되고 있습니다. 점점 더 많은 맞춤형 경험이 고객에게 인식됨에 따라, 유연한 AI 에이전트는 곧 이 분야에서 많은 인간만큼 잘 수행할 가능성이 높습니다.
• 번역 및 법률: 많은 인간 작업은 분석하기 어려운 주제보다 알아야 할 것이 많은 매우 구체적인 주제에 대한 고유한 지식 집합에 의존합니다. AI가 방대한 양의 데이터를 훑어볼 수 있는 능력이 도움이 될 수 있습니다.
  • 그러나 "환각"의 위험은 매우 높습니다. 특히 고객이 실수를 알아차릴 가능성이 낮기 때문에 매우 신뢰할 수 있는 에이전트만이 이러한 작업을 수행할 수 있습니다.
  • 특히 관광과 같은 비중요한 상황에서는 실시간 번역 및 음성 대 음성 기능이 스마트폰에 대한 표준 기대 사항이 될 가능성이 높습니다.
• 예술: 아마도 AI의 가장 논란이 많은 기능 중 하나는 수천 명의 음악가, 화가, 그래픽 디자이너 등을 일자리에서 몰아내는 아이디어일 것입니다. 이는 많은 사람들에게 잘 받아들여지지 않습니다. 그러나 훨씬 더 작은 팀 또는 심지어 개인이 영화, 비디오 게임, 책 등을 만드는 데 있어 훨씬 더 큰 회사와 경쟁할 수 있도록 힘을 실어 줄 수도 있습니다.
• 의료: 이미 지금, 일론 머스크는 추종자들에게 X의 AI인 Grok을 2차 의료 의견에 사용할 것을 권고하고 있습니다. 장기적으로는 전담 의료 AI가 의사에게 의료 데이터를 분석하고 치료법을 제안하는 데 도움이 될 가능성이 큽니다.
  • 로봇 수술이 보편화됨에 따라 AI 외과의사가 인간의 도움 없이 일부 수술을 수행하는 미래도 상상할 수 있습니다.
• 보안: 이는 지역 보안에서 경찰, 심지어 군대까지 확장됩니다. AI는 위협 탐지, 심지어 대상 식별 역할에서 탁월할 수 있습니다. 그러나 현재로서는 이 분야에서, 특히 치명적인 결정에 있어서 그들에게 너무 많은 자율권을 주는 것은 거의 금기시됩니다.
• 물류 및 운송: 이미 창고에서 많이 사용되고 있는 로봇과 드론은 점점 더 스마트해지고 현실 세계의 장애물을 처리할 수 있게 되면서 패키지의 배달 및 물류와 전체 공급망의 업무를 대체할 가능성이 커지고 있습니다.
  • 물론 자율 주행 자동차와 트럭은 훨씬 더 큰 혁명이 될 수 있으며, 이동성을 처리하는 방식을 완전히 바꾸고 심지어 개인용 자동차를 소유하는 것을 이상한 일로 만들 수도 있습니다.
• 핀테크: "알고리즘"은 이미 오늘날 금융 시장에서 중요한 부분을 차지하고 있으므로, 더욱 스마트한 AI가 더욱 적극적으로 개입할 것으로 예상됩니다. 맞춤형 AI 에이전트는 보험 상품 평가, 대출 신청 등에도 활용될 수 있습니다.
• 제조업: 3D 프린팅, CNC 기계, 그리고 유연한 생산을 위한 다른 새로운 도구의 추세는 현대 공장을 오래된 조립 라인보다 훨씬 더 다재다능하게 만들었습니다. 산업 및 휴머노이드 로봇에 구현된 AI 에이전트는 이 추세를 더욱 촉진할 수 있습니다.

합법성, 규정 및 윤리

책임

AI에 대한 논의에서 기술의 책임감 있는 처리 문제는 격론의 대상이 됩니다.

한편으로는, 규제가 너무 많으면 진전이 방해받을 것이고, 가장 진보된 AI를 더 유연한 관할권에 넘겨줄 가능성이 큽니다. 미국과 중국 간의 AI 기술 경쟁의 맥락에서, 이는 어느 쪽에도 바람직한 결과가 아니라는 것이 분명합니다.

반면에, 아무런 책임도 없는 통제 불능의 AI는 누구도 원하지 않습니다.

따라서 명확한 법적 틀을 결정해야 합니다. 예를 들어, 자율주행차가 추락하면 AI 에이전트 제공자가 책임을 져야 합니까? 그리고 AI 에이전트에게 더 많은 자율권이 주어질수록 그들의 결정은 실제 사람들에게 더 큰 영향을 미치고 비용이 많이 들 수 있습니다.

여기에는 신원 도용, 사기 행위 등 AI의 오용 문제도 포함됩니다.

많은 경우, 어떤 기관이나 당국이 AI를 규제해야 할지조차 명확하지 않습니다. 전담 전문 기관이어야 할까요? 아니면 금융 분야의 AI는 SEC, 공중 드론, FAA 등이 규제해야 할까요?

이는 입법 및 규제와 관련된 문제이지만, 기술 발전보다 수년 뒤처지는 경우가 많기 때문에 AI 에이전트의 규제 프레임워크와 관련된 가장 시급한 문제 중 일부에 대한 답변이 조만간 나올 것이 시급할 것으로 보입니다.

일자리와 불평등

AI 개발로 인해 종종 두려운 영향은 대량 실업이 증가한다는 것입니다. AI가 사람들이 재교육을 받거나 새로운 일자리가 창출되는 것보다 훨씬 빠른 속도로 점점 더 많은 일자리를 대체하기 때문입니다.

이론적으로, 이는 유토피아적, 희소성 없는 문명으로 가는 길의 한 걸음이어야 합니다. 실제로, 이는 그 지점에 도달하기 전에 수백만 명의 사람들을 빈곤으로 몰아넣을 수 있습니다. 그리고 이전의 자동화 물결과는 달리, AI는 매우 자격을 갖춘 지식 노동자를 대체할 수 있습니다.

출처: 인텔리포인트

독점의 위험이나 부의 불평등 심화도 심각한 문제입니다. 역사적으로 이런 위험은 사회 전체에 위험하고 불안정을 초래하는 것으로 증명되었습니다.

윤리학

AI가 관리할 수 있는 것과 없는 것은 무엇인가. 창고에서 팔레트를 옮기거나 이메일에 자동 응답하는 것 이상의 모든 작업에 대해 점점 더 시급한 질문입니다.

군용 드론의 표적 시스템에 AI를 사용하려는 유혹이 있을 때 이 문제는 더욱 시급해집니다. 우크라이나를 포함하여 "우크라이나 전장에서 AI 지원 드론을 위한 서두름".

로이터는 AI 기반 드론 경쟁이 "전투원들이 전투에서 기술적 우위를 차지하기 위해 경쟁하면서 전쟁을 미지의 영역으로 끌고 가고 있다"고 보도했습니다. 우크라이나에서 AI 드론 개발은 세 가지 핵심 분야에 집중합니다. 타겟 식별, 항해를 위한 지형 매핑, 상호 연결된 드론 "군집" 생성입니다.

스워머(Swarmer)라는 회사는 드론을 네트워크로 연결하는 소프트웨어를 개발하고 있으며, 이를 통해 최소한의 인간 개입으로 무리 전체에서 즉시 결정을 실행할 수 있습니다.

우리는 정말 AI에 이런 종류의 용량을 주고 싶은가? 하지만 우리는 정말 "적"에게만 그것을 주고 싶은가?

이러한 문제는 국제적으로 논의되고 결정되어야 할 문제일 가능성이 높습니다. 또한 AI 산업이 피해서는 안 될 주제이기도 합니다.

AI 에이전트가 이미 서비스 중입니다

OpenAI 에이전트

AI 분야의 오랜 리더로서 OpenAI가 여러 개의 견고한 GPT 기반 에이전트를 보유하고 있다는 것은 놀라운 일이 아닙니다. 이 회사는 다음을 제공하고 있습니다. AI 에이전트를 개발하기 위한 전용 도구를 갖춘 개발자,를 포함하여 멀티 에이전트 Open AI SDK (표준 개발 키트).

OpenAI 모델은 주로 GPT 및 기타 LLM의 더 나은 버전을 만든 다음 이를 별도의 에이전트 개발에 사용하는 기반으로 사용하는 데 중점을 두고 있는 것으로 보이며, GPT를 사용하는 에이전트에 대한 수요를 창출하기 위해 선도적인 위치를 활용하고 있습니다.

구글

구글 (GOOGL ) DeepMind 모델을 통해 오랫동안 AI에 존재해 왔습니다. 그러나 제미니 2.0은 "에이전트 시대"를 수용했습니다..

Google 역시 LLM AI가 기존 검색에 미칠 수 있는 잠재적 위협을 예의주시하고 있습니다. 기존 검색은 오늘날까지도 회사 수익의 90%를 차지합니다.

그래서 Gemini 2.0을 사용해 AI 개요를 만들었고, 이는 수학 및 코딩을 포함하여 보다 복잡한 주제와 여러 단계로 구성된 질문을 처리할 수 있는 추가 검색 결과입니다.

또한, 코딩 보조 AI 에이전트인 Jules와 플레이 가능한 2D 세계를 만드는 AI 모델인 Genie 3도 개발했습니다.

Google은 또한 하드웨어 연구를 통해 최첨단을 유지하려고 합니다. 트릴리움 TPUs(텐서 처리 장치).

마누스

중국 스타트업인 Butterfly Effect는 2025년 XNUMX월에 Manus를 출시하면서 자율적으로 행동할 수 있는 최초의 일반 AI 에이전트라고 주장했습니다.

어떤 사람들은 이것을 “두 번째 DeepSeek 순간”중국이 주도하고 있는 AI 에이전트의 경우, DeepSeek의 놀라울 정도로 컴퓨팅(및 재정적) 효율성이 높은 접근 방식보다 상황이 덜 명확합니다.

마누스는 보인다 약간 느리고 충돌 가능성이 더 높지만 ChatGPT보다 더 자세한 응답을 제공합니다.그럼에도 불구하고, 모든 상황에 이상적이지는 않더라도 일반 AI 에이전트가 예상보다 빨리 가능할 것으로 보입니다.

알리바바

Temu나 TikTok과 같은 경쟁 플랫폼의 압박을 받는 전자상거래 선두주자인 알리바바는 AI의 진전을 통해 기술 선두주자로서의 입지를 되찾고 있습니다.

특히, 회사는 32년 2025월 초에 QwQ-1B 모델을 오픈 소스로 공개하면서 DeepSeek-RXNUMX의 매개변수의 XNUMX/XNUMX로 효율성을 높이도록 설계되었다고 주장했습니다.

또한, 2025년 200월 알리바바는 AI Qwen이라는 회사가 구동하는 AI 어시스턴트/에이전트인 Quark의 새로운 버전을 출시했습니다. 이 AI 개편 이전에 Quark는 검색 엔진이었을 때 이미 XNUMX억 명의 사용자를 보유하고 있었습니다.

AI 에이전트 회사

알리바바

서구에서는 전자상거래 플랫폼과 저렴한 자재, 부품, 소비재 공급업체로 더 잘 알려져 있지만, 알리바바는 중국에서도 대규모 기술 기업으로 AI와 클라우드 컴퓨팅 분야를 선도하고 있습니다.

특히 알리바바는 중국 클라우드 시장의 36%를 장악하고 있으며, 이는 모든 경쟁사보다 훨씬 앞서 나간 수치입니다.

출처: 제프 타운슨

아마도 더 중요한 것은 이미 6개의 새로운 기능을 제공하고 있다는 것입니다. DeepSeek AI 모델세계를 뒤흔든 오픈소스 AI 개발 및 사용 측면에서 비용의 극히 일부만으로 대부분의 미국 AI 모델보다 갑자기 성능이 향상되었습니다..

알리바바는 또한 자체 AI 모델인 Qwen을 보유하고 있습니다. Qwen 2.5가 Deep Seek V3보다 더 뛰어나다고 주장합니다..

“Qwen 2.5-Max는 GPT-4o, DeepSeek-V3 및 Llama-3.1-405B를 거의 전반적으로 능가합니다.”

알리바바의 클라우드 부문

전반적으로 클라우드와 AI의 성장 외에도 알리바바는 중국 전자상거래의 거인으로 남아 있으며, 타오바오와 티몰은 29년 글로벌 온라인 판매 점유율 2019%에서 약간 하락했습니다.

출처: 포브스

최근 AI 기술의 발전은 알리바바에 대한 인식을 변화시켰습니다. 기존 전자상거래 시장에서 경쟁사와의 경쟁에서 밀려나 클라우드 매출의 독점적 지위를 유지하던 알리바바는 이제 중국 기술 혁신을 선도하는 기업으로 다시 돌아왔습니다.

Quark는 Alibaba가 중국 AI 보조 시장을 장악하기 위해 배치하는 추가 무기입니다. Quark는 먼저 AI 검색 엔진으로 배치하여 200억 명의 사용자를 모아 그 지형을 구축했습니다.

따라서 중국의 수년간의 기술 규제와 해당 국가에 대한 투자 우려로 인해 주가가 비교적 낮았음에도 불구하고, 알리바바는 중국이 AI 경쟁에서 선두를 차지할 것으로 베팅하려는 투자자에게 기회가 될 수 있습니다.

(또한 읽을 수 있습니다 자세한 내용은 Alibaba에 초점을 맞춘 전담 보고서를 참조하세요.).

Alibaba의 최신 소식