아침에 뉴스를 보고 제목을 두 번 읽었습니다. AI 반도체 시장의 중심에 있는 NVIDIA가 이번에는 Hugging Face를 품는다는 소식이었습니다. 발표 금액은 무려 129억3,030만 달러입니다. Hugging Face를 모델을 내려받는 사이트 정도로 생각했다면 “저장소 하나가 왜 이렇게 비싸지?”라는 질문이 먼저 나올 만합니다.
하지만 NVIDIA가 사려는 것은 단순한 파일 창고가 아닙니다. AI 개발자가 모델을 찾고, 비교하고, 시험하고, 고치고, 배포하는 과정이 모이는 개발자 생태계의 관문입니다. GPU를 파는 회사가 AI가 만들어지고 유통되는 광장까지 확보하려는 거래라고 보면 이번 뉴스의 크기가 보입니다.
다만 첫 문장부터 정확히 짚어야 할 부분이 있습니다. 2026년 9월 4일 현재 NVIDIA와 Hugging Face는 인수를 위한 최종계약을 맺었지만, 거래가 법적으로 완전히 끝난 것은 아닙니다. 규제 승인 등 조건을 거쳐 2027년 상반기 종결 예정입니다. 그러니 제목의 “인수했다고?”에 대한 가장 정확한 대답은 “인수 계약을 체결했고, 이제 승인을 기다린다”입니다.
먼저, 무엇이 확정됐나
NVIDIA가 미국 증권거래위원회에 제출한 8-K 공시에 따르면 양사는 2026년 9월 2일 최종계약을 체결했습니다. 거래에는 Hugging Face 주주에게 지급할 약 119억 달러와 NVIDIA에 합류하는 직원을 위한 주식 기반 유지 프로그램 최대 약 10억 달러가 포함됩니다. 두 금액을 합친 발표 규모가 129억3,030만 달러입니다.
이 구분은 꽤 중요합니다. 인수 가격 전체가 기존 주주의 현금화에만 쓰이는 것이 아니라, 플랫폼과 커뮤니티를 실제로 운영해 온 핵심 인력을 붙잡는 데도 큰 금액을 배정했다는 뜻이기 때문입니다. NVIDIA가 코드와 도메인 이름뿐 아니라 사람과 운영 경험까지 거래의 핵심 자산으로 본다는 신호입니다.
NVIDIA는 Hugging Face를 계속 개방형 플랫폼으로 운영하겠다고 약속했습니다. 개발자가 원하는 모델, 프레임워크, 클라우드, 추론 서비스와 컴퓨팅 플랫폼을 선택할 수 있고, Hugging Face를 쓰기 위해 NVIDIA 하드웨어가 필수가 되지 않을 것이라고 밝혔습니다. 다른 반도체 업체를 계속 지원한다는 약속도 SEC 공시에 들어갔습니다.
여기까지가 공식 문서로 확인되는 사실입니다. 이제부터 중요한 질문은 “왜 NVIDIA가 이 가격을 지불하는가”와 “그 약속이 제품의 기본값과 실제 운영에서도 지켜지는가”입니다.
Hugging Face는 왜 AI 업계의 관문인가
Hugging Face를 GitHub와 앱스토어, 실험실을 합친 공간에 비유하면 이해가 쉽습니다. 개발자는 이곳에서 공개 모델과 데이터셋을 찾고, 모델 설명서와 라이선스를 확인하고, 다른 사람이 만든 데모를 실행하고, 자기 프로젝트에 필요한 형태로 모델을 조정합니다. 기업은 비공개 저장소와 협업 기능, 배포 도구를 사용합니다.
NVIDIA 발표 기준으로 플랫폼에는 개발자·연구자·창작자 1,800만 명 이상, 모델 300만 개 이상, 데이터셋 50만 개, 애플리케이션 100만 개가 모여 있습니다. 20만 개가 넘는 기업도 모델을 발견하고 평가하고 맞춤화하고 배포하는 데 이 플랫폼을 사용합니다. 이 숫자는 Hugging Face의 가치가 특정 모델 하나의 성능이 아니라 반복해서 찾아오는 사람과 누적된 작업 흐름에 있다는 것을 보여 줍니다.
새로운 모델이 공개되면 개발자는 Hugging Face의 모델 카드, 다운로드 수, 커뮤니티 반응, 데모와 평가 결과를 살핍니다. 어느 라이브러리로 불러오고 어떤 하드웨어에서 실행할지 정하는 순간도 이 과정에 들어 있습니다. 플랫폼이 특정 선택을 강제로 막지 않더라도 검색 순서, 추천 표시, 기본 실행 환경, 예제 코드와 배포 버튼이 개발자의 행동을 바꿀 수 있습니다.
바로 그 점 때문에 Hugging Face는 단순한 콘텐츠 사이트보다 훨씬 전략적입니다. 플랫폼을 소유하면 “지금 어떤 모델과 도구가 뜨고 있는가”, “개발자가 어디에서 막히는가”, “어떤 배포 방식으로 이동하는가”를 가장 가까운 곳에서 볼 수 있습니다. 물론 이용자 데이터의 활용은 개인정보와 계약, 플랫폼 정책을 따라야 하지만, 시장의 흐름을 읽는 위치 자체가 강력한 자산입니다.
NVIDIA가 진짜로 산 것은 GPU 수요의 입구다
NVIDIA의 가장 큰 힘은 AI 연산에 쓰이는 GPU와 이를 둘러싼 CUDA 생태계입니다. 그런데 대형 고객인 클라우드 회사와 AI 연구소는 비용과 공급 위험을 줄이기 위해 자체 칩을 개발하고 있습니다. 한두 개 초대형 고객에 대한 의존이 커질수록 NVIDIA에는 장기적인 협상력과 수요 변동의 위험이 생깁니다.
공개 모델 생태계는 이 위험을 분산할 수 있습니다. 스타트업, 대학, 공공기관, 중견기업이 공개 모델을 내려받아 미세조정하고 서비스에 올리면 훈련뿐 아니라 평가와 추론에서도 컴퓨팅 수요가 넓게 생깁니다. 하나의 거대 모델 회사가 주문하는 GPU만 보는 것이 아니라 수백만 개발자의 작은 실험과 수십만 기업의 운영 수요를 묶는 셈입니다.
Reuters는 이번 거래를 NVIDIA의 대형 고객들이 자체 칩으로 의존도를 낮추는 가운데, 공개 AI 모델 수요를 키워 미래 수요를 방어하려는 베팅으로 해석했습니다. 이 관점에서 Hugging Face는 NVIDIA 제품을 파는 쇼핑몰이라기보다, AI 프로젝트가 컴퓨팅을 필요로 하게 되는 출발점에 가깝습니다.
NVIDIA는 이미 Hugging Face에 500개가 넘는 모델과 250개 이상의 공개 데이터셋을 올렸다고 밝혔습니다. 인수 뒤에는 모델 평가, 최적화, 추론과 배포 도구를 자사 소프트웨어 스택과 더 촘촘히 연결할 수 있습니다. 모델을 발견한 다음 “이 하드웨어에서 더 빠르게 실행하는 방법”까지 한 흐름으로 제공하면 칩 판매를 직접 강요하지 않고도 NVIDIA 생태계의 편의성이 커집니다.
칩 회사가 소프트웨어 플랫폼까지 올라오는 순간
지금까지 NVIDIA는 칩만 잘 만든 회사가 아니었습니다. 개발 도구, 라이브러리, 네트워킹, 서버 시스템과 클라우드 서비스를 함께 제공하며 AI 공장의 전체 층을 넓혀 왔습니다. Hugging Face 인수는 그 움직임이 개발자 커뮤니티와 모델 유통층까지 올라왔음을 보여 줍니다.
AI 가치사슬을 단순하게 그리면 아래에서부터 반도체, 서버와 네트워크, 클라우드, 개발 도구, 모델, 애플리케이션이 놓입니다. NVIDIA는 이미 아래층 대부분에서 강합니다. Hugging Face를 품으면 어떤 모델이 선택되고 어떤 앱으로 이어지는지 관찰할 수 있는 위층의 접점도 얻습니다.
이 전략의 장점은 경기의 승자를 미리 하나로 고를 필요가 없다는 데 있습니다. 폐쇄형 모델이 이기든 공개 모델이 커지든, 어느 산업의 특화 모델이 등장하든 연산과 배포가 필요하면 NVIDIA가 참여할 자리가 생깁니다. AP가 인용한 분석처럼 공개 AI가 어떻게 진화하더라도 생태계 전체의 성장을 지지하는 일종의 전략적 헤지로 볼 수 있습니다.
반대로 시장은 NVIDIA를 단순한 공급자가 아니라 심판과 경기장을 함께 가진 사업자로 보기 시작할 수 있습니다. 자사 칩, 자사 모델, 자사 배포 도구를 가진 회사가 모델 허브의 추천과 평가 기준에도 영향력을 갖게 되기 때문입니다. 이번 거래의 가장 큰 기회와 가장 큰 우려가 같은 지점에서 나옵니다.
“계속 개방한다”는 약속은 어디까지 믿을 수 있을까
NVIDIA의 공식 발표는 꽤 구체적입니다. NVIDIA 컴퓨팅을 요구하지 않고, 다른 모델 제작자와 클라우드, 추론 사업자, 가속기를 지원하며, 오픈소스와 오픈웨이트 모델을 계속 받아들이겠다고 했습니다. 이 약속은 모호한 홍보 문구보다 강합니다. SEC 공시에도 다른 실리콘 업체 지원이 들어갔기 때문에 거래 후 행동을 평가할 기준이 생겼습니다.
그렇다고 걱정이 자동으로 사라지는 것은 아닙니다. 개방성은 “AMD 모델 파일 업로드를 금지하지 않는다”는 수준만으로 충분하지 않습니다. 검색과 추천에서 동등하게 보이는지, 평가 도구가 다양한 하드웨어를 공정하게 지원하는지, 배포 버튼이 특정 클라우드와 칩을 지나치게 우대하지 않는지, API와 다운로드 정책이 경쟁사에도 같은 조건인지가 더 중요합니다.
플랫폼 권력은 금지보다 기본값에서 작동하는 경우가 많습니다. 사용자가 아무 설정도 바꾸지 않았을 때 어느 런타임이 선택되는지, 문서 첫 예제가 어느 가속기를 기준으로 하는지, 성능 비교 표에 어떤 환경이 포함되는지가 선택을 천천히 기울입니다. 따라서 “열려 있다”는 선언과 “중립적으로 운영된다”는 결과는 구분해서 봐야 합니다.
진짜 시험대는 인수 종결 뒤에 옵니다. 다른 칩 회사와 클라우드의 통합이 같은 속도로 개선되는지, 공개 API와 모델 다운로드 조건이 안정적으로 유지되는지, 추천과 평가 기준이 투명한지 확인해야 합니다. NVIDIA가 약속을 지키는 가장 설득력 있는 방법은 좋은 의도를 반복하는 것이 아니라 외부가 검증할 수 있는 지표와 거버넌스를 내놓는 것입니다.
개발자에게는 무엇이 좋아질 수 있나
가장 기대할 수 있는 변화는 인프라입니다. 모델 수와 사용자가 빠르게 늘면 저장, 검색, 보안 검사, 데모 실행, 평가, 대규모 추론에 막대한 비용이 듭니다. NVIDIA의 자본과 엔지니어링 역량이 들어가면 다운로드 안정성, 모델 평가 속도, 추론 최적화와 기업 지원이 좋아질 가능성이 있습니다.
공개 모델을 실제 서비스로 옮기는 길도 짧아질 수 있습니다. 지금은 모델을 찾은 뒤 하드웨어 요구량을 계산하고, 양자화 방식을 고르고, 추론 서버를 구성하고, 성능과 비용을 따로 측정해야 합니다. Hugging Face의 모델 정보와 NVIDIA의 최적화·배포 도구가 자연스럽게 연결되면 작은 팀도 더 빨리 실험할 수 있습니다.
하지만 편리함에는 잠금 효과가 따라옵니다. 처음에는 클릭 한 번으로 배포되어 좋았지만, 나중에 다른 GPU나 클라우드로 옮기려니 설정과 평가 결과를 다시 만들어야 한다면 선택권은 문서상으로만 남습니다. 개발자는 “지원된다”보다 같은 모델과 도구가 다른 환경에서도 비슷한 노력으로 작동하는가를 확인해야 합니다.
[RAG에 사용할 LLM 라우터를 설계하는 방법](https://blog.one-tact.com/2026/06/23/rag-llm/)에서 여러 모델을 조건에 따라 선택하는 구조를 설명했듯, 기업의 AI 시스템은 한 모델이나 한 실행 환경에 모든 운명을 걸지 않는 편이 안전합니다. Hugging Face가 그 선택을 쉽게 해 주는 중립 허브로 남는다면 개발자에게 큰 이익입니다. 반대로 특정 스택으로 들어가는 가장 편한 문이 된다면 장기 비용을 따져야 합니다.
기업은 “모델 공급망”을 다시 봐야 한다
많은 기업이 공개 모델을 가져올 때 모델 이름과 성능만 확인합니다. 그러나 실제 운영에서는 모델 파일, 데이터셋, 라이브러리, 실행 코드, 라이선스, 평가 결과와 다운로드 경로가 하나의 공급망을 이룹니다. 중심 플랫폼의 소유자가 바뀌면 서비스가 당장 멈추지 않더라도 이 공급망의 위험 구조가 달라집니다.
첫째, 중요한 모델과 데이터셋은 버전과 해시 값을 고정해야 합니다. 같은 이름으로 파일이 바뀌었을 때 운영 결과가 달라지는 일을 막기 위해서입니다. 둘째, 사업에 꼭 필요한 아티팩트는 허용되는 범위에서 사내 저장소에 복제하고 복구 절차를 시험해야 합니다. 셋째, NVIDIA가 아닌 가속기나 다른 클라우드에서도 핵심 모델을 정기적으로 실행해 이식성을 확인할 필요가 있습니다.
넷째, 모델 카드와 라이선스만 믿지 말고 출처, 학습 데이터 설명, 알려진 한계, 악성 코드 가능성을 별도로 검사해야 합니다. Hugging Face처럼 수많은 사용자가 파일과 코드를 올리는 플랫폼은 개방성이 강점인 동시에 공급망 공격의 표면이기도 합니다. [OpenAI 700-Agent와 Hugging Face 사고를 다룬 글](https://blog.one-tact.com/2026/08/27/openai-700-agent-hugging-face-incident/)에서 살펴봤듯, AI 에이전트와 자동화가 연결될수록 토큰·권한·실행 경계를 엄격히 나눠야 합니다.
이 준비는 Hugging Face를 떠나기 위한 계획이 아닙니다. 좋은 플랫폼을 계속 쓰되, 어느 한 사업자의 장애나 정책 변화가 곧 우리 서비스의 중단으로 이어지지 않게 만드는 보험입니다.
오픈소스와 오픈웨이트를 같은 말로 보면 안 된다
이번 발표에서는 오픈소스와 오픈웨이트가 함께 언급됩니다. 두 용어는 비슷해 보이지만 완전히 같지는 않습니다. 오픈웨이트 모델은 학습된 가중치를 내려받아 실행하거나 조정할 수 있다는 뜻에 가깝습니다. 학습 코드, 데이터, 전체 제작 과정과 이용 권한까지 모두 공개됐다는 뜻은 아닙니다.
기업은 “오픈”이라는 한 단어보다 실제 라이선스를 읽어야 합니다. 상업 이용이 가능한지, 파생 모델 배포에 조건이 있는지, 사용 규모에 따른 제한이 있는지, 학습 데이터와 개인정보 위험을 얼마나 설명하는지 확인해야 합니다. Hugging Face가 더 커질수록 서로 다른 공개 수준과 라이선스를 사용자가 쉽게 비교하도록 돕는 역할도 중요해집니다.
NVIDIA 입장에서는 완전히 공개된 연구 모델부터 제한이 붙은 오픈웨이트 모델까지 넓은 생태계가 모두 컴퓨팅 수요를 만듭니다. 그래서 “공개 AI를 지지한다”는 전략은 철학만이 아니라 분명한 사업 논리와 연결됩니다. 사업적 이해가 있다는 사실 자체가 약속을 거짓으로 만들지는 않습니다. 오히려 공개 생태계의 성장이 NVIDIA의 이익과 같은 방향이라면 약속을 오래 지킬 동기가 됩니다. 다만 두 이해가 충돌할 때 어떤 선택을 하는지가 진짜 평가 기준입니다.
규제기관은 무엇을 볼까
거래가 아직 종결되지 않은 이유 중 하나는 필요한 규제 승인을 받아야 하기 때문입니다. 규제기관은 반도체 시장 점유율만이 아니라 NVIDIA가 모델 유통과 개발자 선택에 미칠 영향, 경쟁 칩과 클라우드가 공정하게 접근할 수 있는지, 데이터와 플랫폼 권력이 결합되는지를 살필 수 있습니다.
SEC 공시는 또 다른 위험을 직접 적었습니다. 세계적으로 인기 있는 공개 모델 가운데 중국에서 시작된 모델이 많고, 정부가 특정 지역에서 유래한 모델이나 데이터의 배포·접근·사용을 제한하면 Hugging Face 플랫폼과 NVIDIA 사업에 중대한 영향을 줄 수 있다는 내용입니다. 이는 공개 모델 허브가 기술 플랫폼인 동시에 국제 규제와 수출통제의 경계에 놓였다는 뜻입니다.
따라서 인수 이후의 Hugging Face는 단순히 더 많은 서버를 마련하는 문제만 풀면 되지 않습니다. 어느 나라의 어떤 모델을 누구에게 보여 줄지, 제재와 안전 규칙을 어떻게 적용할지, 연구의 개방성과 법적 의무를 어떻게 조정할지 결정해야 합니다. 국가마다 규칙이 달라질수록 하나의 글로벌 허브를 유지하는 비용과 책임이 커집니다.
[AI RMF를 소개한 글](https://blog.one-tact.com/2026/06/22/ai-rmf/)에서 강조했듯 위험 관리는 한 번의 승인 도장이 아니라 사용 맥락을 파악하고 측정하며 운영 중 계속 조정하는 과정입니다. Hugging Face에도 모델 평가, 출처 추적, 접근 통제, 사고 대응과 투명성 보고가 함께 필요합니다.
경쟁사에는 불편하지만 새로운 기회도 있다
AMD, Intel과 여러 AI 가속기 회사에는 복잡한 뉴스입니다. 개발자가 모이는 핵심 허브가 최대 경쟁사의 소유가 되기 때문입니다. NVIDIA가 다른 하드웨어 지원을 유지하더라도 경쟁사는 제품 노출, 최적화 우선순위, 벤치마크 조건이 공정한지 더 민감하게 볼 수밖에 없습니다.
동시에 대안 생태계에는 기회가 생깁니다. 완전히 독립적인 모델 저장소, 분산형 배포, 기업 내부 모델 레지스트리, 여러 가속기를 공정하게 비교하는 평가 서비스의 필요성이 커질 수 있습니다. 한 플랫폼에 집중된 위험을 줄이려는 기업이 늘면 미러링, 출처 검증, 멀티클라우드 배포 도구도 주목받을 것입니다.
클라우드 사업자 역시 Hugging Face와 협력을 끊기보다 자기 서비스의 장점을 더 분명히 만들어야 합니다. 사용자가 모델을 어느 곳에서 발견하든 배포 단계에서는 비용, 데이터 위치, 보안, 지연시간과 지원 품질을 비교합니다. NVIDIA가 플랫폼을 가졌다고 해서 모든 워크로드가 자동으로 NVIDIA 클라우드로 이동하는 것은 아닙니다.
결국 경쟁의 중심은 “모델을 올릴 수 있느냐”에서 “어떤 조건에서도 쉽게 옮기고 검증하며 운영할 수 있느냐”로 이동할 가능성이 큽니다. 이는 개발자에게 더 좋은 이식성 도구와 투명한 비교 자료가 나오는 계기가 될 수도 있습니다.
129억 달러는 비싼가, 싼가
Hugging Face는 2023년 투자 라운드에서 45억 달러 가치로 평가됐습니다. 단순 비교하면 이번 거래 금액은 약 3배에 가깝습니다. 숫자만 보면 비싸 보이지만, NVIDIA가 평가한 대상은 당시 매출 배수만이 아니라 이후 커진 사용자 기반과 AI 개발 흐름에서의 위치입니다.
플랫폼 거래에서는 현재 수익만으로 가격을 설명하기 어렵습니다. 수많은 모델과 데이터셋, 개발자 관계, 기업 고객, 브랜드 신뢰, 검색과 평가 데이터, 생태계 표준을 만드는 영향력이 함께 들어갑니다. 특히 AI 시장이 폐쇄형 초대형 모델 몇 개가 아니라 산업별 공개 모델과 로컬 추론으로 넓어질수록 이 관문의 가치는 커질 수 있습니다.
반대로 NVIDIA가 지불한 프리미엄을 회수하려고 플랫폼을 지나치게 상업화하면 핵심 자산인 커뮤니티 신뢰가 빠르게 약해질 수 있습니다. 모델 파일은 다른 곳으로 복사할 수 있고 오픈소스 도구는 포크할 수 있습니다. Hugging Face의 방어력은 데이터를 가둬 두는 데만 있지 않고 사람들이 “여기가 가장 편하고 믿을 만하다”고 느껴 자발적으로 모이는 데 있습니다.
따라서 이 거래의 성공은 단기 매출보다 세 가지로 판단해야 합니다. 커뮤니티가 남는지, 경쟁 하드웨어와 클라우드가 계속 참여하는지, 기업용 서비스가 신뢰를 훼손하지 않고 성장하는지입니다. 셋 중 하나라도 무너지면 129억 달러가 비싼 거래가 될 수 있습니다.
앞으로 확인해야 할 다섯 가지 신호
첫 번째는 규제 승인과 조건입니다. 거래가 예정대로 2027년 상반기에 종결되는지, 플랫폼 중립성과 데이터 사용에 별도 조건이 붙는지 봐야 합니다.
두 번째는 기본값의 변화입니다. 검색, 추천, 문서, 배포 버튼과 평가 화면에서 NVIDIA 서비스가 얼마나 앞에 배치되는지 관찰해야 합니다. 경쟁 서비스를 쓸 수 있다는 문장보다 실제 클릭 수와 필요한 설정이 더 정확한 지표입니다.
세 번째는 다중 하드웨어 지원 속도입니다. AMD, Intel, 자체 가속기와 여러 클라우드 통합이 인수 전과 같은 속도로 개선되는지 확인해야 합니다. 지원 목록에 이름만 남아 있고 최적화가 멈춘다면 실질적인 개방성은 줄어든 것입니다.
네 번째는 커뮤니티 거버넌스와 투명성입니다. 추천 기준, 모델 삭제와 접근 제한, 안전 검사, 사고 대응, 데이터 사용 정책을 공개하고 외부 의견을 받는 구조가 있는지 봐야 합니다.
다섯 번째는 개발자의 이동 비용입니다. 모델과 메타데이터를 내보내고 다른 저장소나 하드웨어에서 재현하는 일이 쉬운지 확인해야 합니다. 나갈 수 있는 문이 넓을수록 사용자는 오히려 안심하고 플랫폼에 오래 머뭅니다.
이 다섯 가지는 NVIDIA를 미리 의심하거나 무조건 믿기 위한 항목이 아닙니다. 회사가 밝힌 약속을 실제 제품 변화로 검증하기 위한 관찰 기준입니다.
결론: NVIDIA는 모델보다 모델이 모이는 장소를 샀다
이번 거래를 “GPU 회사가 AI 사이트 하나를 샀다”라고 요약하면 핵심을 놓칩니다. NVIDIA는 공개 모델의 승자를 하나 고른 것이 아니라, 수많은 모델과 개발자가 만나고 실제 컴퓨팅 수요로 이어지는 장소에 투자했습니다. 대형 고객의 자체 칩 개발에 대비하면서 AI 가치사슬의 더 높은 층으로 올라가는 전략입니다.
Hugging Face에는 더 안정적인 인프라와 큰 투자, 기업용 기능 확대의 기회가 생깁니다. 개발자에게는 모델 발견부터 평가와 배포까지의 길이 짧아질 수 있습니다. 동시에 한 회사가 칩, 소프트웨어, 모델과 플랫폼 접점을 함께 갖는 데서 오는 중립성·잠금·공급망 위험도 커집니다.
그래서 지금의 답은 낙관도 비관도 아닙니다. NVIDIA가 공개 플랫폼을 유지하겠다는 약속은 구체적이고 사업적 동기도 있습니다. 그러나 개방성은 선언이 아니라 검색 결과, 기본 설정, 경쟁 하드웨어 지원, 데이터 정책과 이동 가능성으로 증명해야 합니다.
“아니, NVIDIA가 Hugging Face를 인수한다고?”라는 놀라움 뒤에 남겨야 할 질문은 이것입니다. AI 모델이 누구의 소유인가만큼, 우리가 그 모델을 어디에서 발견하고 어떤 기본값을 따라 실행하게 되는가가 중요해진 것은 아닐까? 이번 거래는 AI 경쟁이 가장 좋은 모델 하나를 만드는 싸움에서 생태계의 길목을 설계하는 싸움으로 이동하고 있음을 보여 줍니다.