• (글로벌) 애플, 챗GPT형 ‘답변 엔진’ 개발 전담팀 ‘Answers’ 신설

  애플이 AI 전략 강화를 위해 ‘Answers’ 전담팀을 꾸리고, 웹 기반 질문 응답형 AI 앱 개발에 착수했어요. 검색 알고리즘 경험자를 채용하며, 시리·사파리와 통합 가능한 자체 ‘Answer Engine’ 구축을 추진 중이에요. 구글과의 검색 계약 변화 가능성도 AI 검색 강화 배경으로 작용한 것으로 보입니다.

• (글로벌) MS·메타, ‘AI 수익화’ 본격화…클라우드·광고로 실적 견인

  MS와 메타가 AI를 활용한 실제 수익 모델로 2분기 시장 기대를 웃도는 실적을 발표했어요. MS는 코파일럿 기반 Azure 매출이 전년 대비 34% 성장했고, 메타는 AI 광고 추천 시스템으로 광고 단가와 클릭률 모두 상승했어요. AI 기술이 가능성에서 실질적 매출 자산으로 전환되며, 양사는 인프라 투자도 공격적으로 확대하고 있어요.

• (국내) 카카오, AI 에이전트로 반등 노린다…오픈AI 합작 구독형 서비스도 출격

  카카오가 초개인화 AI 비서앱 ‘카나나’와 오픈AI와의 합작 에이전트를 통해 카톡 기반 UX를 강화할 계획이에요. 대화 맥락을 이해하고 식당 예약, 택시 호출까지 대신 처리하는 ‘대화형 비서’ 경험을 제공할 예정이에요. 베타테스트에서 나온 피드백을 반영해 기능을 고도화 중이며, 올해 정식 출시 후 구독 기반 서비스로 확장해 사용자 편의성과 체류시간을 높인다는 전략이에요.

• (글로벌) 알리익스프레스, 한국 UX·UI 전면 개편…현지화 가속

  알리익스프레스가 한국 소비자 맞춤형 쇼핑 경험을 위해 앱 UX·UI를 새단장해요. 이번 개편은 디자인 차별화와 사용성 개선을 중심으로 7~8월 중 마무리될 예정이에요. 한국 전용 상품관 ‘케이베뉴’, 신규 카테고리·서비스 론칭에 이어 UI까지 로컬라이징하면서 국내 사용자 경험 최적화에 속도를 내는 모습이에요.

• (글로벌) 유튜브, AI 기반 숏폼 추천으로 'TV 1번 채널' 등극

  미국 TV 시청 시간 1위 플랫폼이 된 유튜브가 ‘세컨드 스크린’에서 ‘퍼스트 스크린’으로 자리잡고 있어요. 짧고 강렬한 UGC 콘텐츠를 AI가 맞춤 추천해 TV 시청 환경에서도 중독적 경험을 제공하는 구조예요. 알고리즘 중심의 콘텐츠 공급 방식이 전통 미디어 생태계를 근본부터 뒤흔들고 있어요.

AI 경주에서 다른 코스를 택한 중국

Kimi K2가 보여준 ‘질문의 방식’

님은 언젠가 AI가 인간을 뛰어넘지 않을까. 생각해보신 적 있으신가요?

한 번쯤은 다들 해봤을 거 같아요. 저도 그렇거든요.

요즘엔 하루가 멀다 하고 AI 모델이 업데이트되고, 오픈소스 경쟁도 한창이죠.

최근 중국에서 공개된 Kimi K2도 그중 하나인데요. 성능이 좋기도 하지만, 그보다 더 눈에 띄는 흥미로운 포인트가 있는 모델이었어요.

그래서 오늘 In;D 콘텐츠는 “Kimi K2는 왜, 그리고 어떻게 만들어졌는가”에 대한 이야기를 풀어보려고 합니다.✨

1. Kimi K2는 단지 ‘성능 좋은 모델’이 아니다

OpenAI, Google처럼 Kimi K2도 수십억 개의 파라미터를 훈련시켜 만든 똑똑한 AI예요.

그런데 이 모델이 진짜 흥미로운 이유는 ‘무엇을 잘하는냐’가 다른 AI들과 좀 다르다는 거예요.

• 코딩에 엄청 강하고,
• 계산기나 검색 같은 도구도 능숙하게 쓰고,
• 지식 수준(특히 과학)도 굉장히 높고,
• 감정 이해 테스트(EQ)에서도 최고 점수!

하지만 이건 단순히 지능의 문제가 아니에요. 이 능력들이 나온 방식이 아주 독특합니다.

‘생각을 길게 풀어 쓰는’ 체인오브쏘트(CoT) 훈련 방식이 아니라, ‘실제 세상에서 일하게 해본’ 결과거든요.

"항공권 예약해봐"

"메신저 보내봐"

"검색해서 알려줘"

Moonshot(제작사)은 복잡한 수학 문제 대신, 현실적인 시나리오를 AI에게 던졌어요.

그걸 해결하는 능력을 직접 행동하면서 익히게 한 거죠.

그래서 Kimi K2는 말을 잘하는 AI가 아니라, 행동 중심형 모델, 즉 ‘실제로 일할 수 있는 AI’로 태어났어요.

2. 기술보다 무서운 ‘관점’

대부분의 AI 모델은 비슷한 방식으로 만들어져요.

인터넷에서 엄청난 양의 텍스트 데이터를 모아서, “다음 단어는 뭘까?”를 예측하게 하고, 틀리면 다시 학습시키는 방식이죠.

이 과정을 도와주는 게 바로 AdamW라는 오래된 훈련 알고리즘인데요, 지금까지 거의 모든 주요 모델들이 이걸 써왔어요.

여기서 Moonshot은 “이대로는 의미 있는 진화가 없다” 생각했죠.

그래서 Kimi K2는 이 오랜 공식을 과감히 버리고, 새로운 길을 택합니다.

• Muon이라는 새로운 학습 알고리즘을 도입하고,
• 수학 문제 대신 복잡한 실제 상황에서 능동적으로 행동하는 방식을 훈련했어요
• 핵심은 ‘얼마나 많은 데이터를 썼느냐’보다 ‘얼마나 똑똑하게 배웠느냐’를 고민했다는 점이에요.

“우린 데이터가 부족하니까, 덜 쓰고도 더 잘 배우는 법을 찾아야 했어요.”

이런 관점의 전환이 중요한 이유는, 기술 그 자체보다 그 기술을 만들어낸 생각의 구조가 미래의 방향을 좌우하기 때문이에요.

3. 이걸 오픈소스로 풀었다?

Kimi K2는 성능도 좋고 훈련 방식도 새롭지만, 사실 가장 큰 충격은 따로 있었어요.

바로, 이걸 그냥 ‘공개(open-source)’했다는 사실. 누구나 다운로드하고, 수정하고, 응용할 수 있도록 말이죠.

“와, 대인배다” 싶기도 하지만, 단순히 마음이 넓어서 그렇게 한 건 아닐 거예요.

Moonshot은 AI 기술 자체보다, 그 기술이 ‘어떻게 쓰이느냐’를 더 중요하게 본 것 같아요.

미국이 GPU 수출을 막고, 고성능 칩에 제한을 걸고, 스타트업은 기술을 독점하려 드는 사이

중국은 “그냥 우리 다 같이 써요!”를 선택한 거죠.

이건 개발력의 문제를 넘어서, 태도의 차이라고 볼 수 있어요.

• 미국: 경쟁, 독점, 투자 유치
• 중국: 공유, 확장, 생태계

👉 똑같이 기술을 만들고 있지만 한쪽은 ‘국가 단위의 전략’처럼 움직이고, 다른 쪽은 ‘스타트업 투자판처럼 움직이고’ 있다는 점이 재밌는 포인트에요.

결국 이건 기술 경쟁이 아니라 “기술을 갖는 방식”에 대한 이야기예요. 누가 더 잘하느냐보다, 누가 더 ‘다르게’ 보고 있느냐의 싸움이죠!

Q. ATM은 현금보다 카드를 먼저 배출합니다. 왜 이런 순서를 선택한 걸까요?