최전선 모델을 재훈련할 수 있는 조직이 극소수에 그치게 되면, 이를 미세조정해 쓰는 모든 하위 기업은 원천 접근을 유지하기 위해 숨은 세금을 내게 된다.
미세조정은 수천 개 기업이 감당할 만큼 싸지지만, 전체 재훈련은 자본과 연산 자원, 희소 데이터를 가진 소수 연구소에 집중된다. 이 비대칭은 새로운 산업 의존성을 만든다. 파생 모델 운영자는 끝없이 현지화할 수 있지만, 그 제품은 여전히 업스트림 호환성, 업데이트, 법적 허가에 매달린다. 시간이 갈수록 진짜 이익은 현장형 AI 서비스에서 빠져나가, 어제의 미세조정이 내일의 기반 모델 변화 속에서도 살아남을 수 있는지 결정하는 문지기들에게 쏠린다.
로테르담 외곽의 냉장 창고, 자정 무렵 운영 책임자는 화면 가득 쌓인 배송 지연 경고를 바라본다. 몇 년간 회사가 미세조정해 온 경로 모델이 업스트림 제공자의 핵심 아키텍처 폐기 이후 더 이상 규정 준수를 통과하지 못했기 때문이다.
옹호자들은 재훈련의 집중이 경제적으로 합리적이며, 모든 기업이 불안정한 기반 모델을 따로 만드는 것보다 안전하다고 말한다. 반대자들은 사회가 공적 의무 없는 공공재형 유틸리티를 다시 만들어냈고, 그 결과 산업 전체가 사적 업스트림 결정에 노출됐다고 본다.
요즘 원천모델에 먼저 닿는 회사가 유리해지고 있죠. AI를 잘 붙이는 능력만으론 부족합니다. 안쪽에선 접근권 경쟁이 시작됐습니다. 이유는 단순합니다. 모델을 처음부터 다시 학습시키긴 비쌉니다. 그래서 다들 상위 모델 위에 얹죠. 2024년 주목 모델은 미국 40개였습니다. 중국은 15개였고, 유럽 전체는 3개였죠. 서비스는 많아도 뿌리는 몇 곳뿐입니다. 공급자가 조건을 바꾸면, 아래 산업이 흔들립니다. 이건 물류만의 문제가 아닙니다. 은행은 성능보다 계약 지속성을 봅니다. 제조사는 기능보다 호출권을 따지죠. 그러면 원천모델 보유국이 앞서갑니다. 응용 최적화국은 점점 뒤따르는 구조가 됩니다. 겉으로는 AI 서비스가 넘칩니다. 바닥에선 몇 곳의 규칙이 판을 움직이죠. 편리함과 통제권 사이에서, 당신은 뭘 더 크게 봅니까?