3편에서 딥시크 창업자 량원펑이 저장대 출신이라는 얘기를 짧게 짚고 지나갔다.
그런데 이 시리즈를 끝까지 따라오다 보니, 그 한 줄이 사실은 훨씬 큰 이야기의 일부였다는 걸 알게 됐다.
중국은 AI 인재 하나를 우연히 얻은 게 아니라, 그런 인재가 나올 수밖에 없는 파이프라인을 수십 년에 걸쳐 국가 차원에서 설계해왔다.
이번 편에서는 그 설계도를 처음부터 끝까지 자세히 따라가 보려 한다.
정책과 공장, AI 모델과 금융까지 살펴본 지금, 이 모든 걸 만들어내는 사람이 어떻게 길러지는지가 마지막으로 남은 궁금증이었다.
15세에 대학, 20대에 박사, 중국과기대 소년반
중국의 천재 육성 시스템을 상징하는 게 **‘소년반’**이다.
15세 안팎의 영재들이 진학하는 학부 과정인데, 베이징 2곳과 저장·장쑤·산시·안후이의 명문대 6곳이 운영한다.
한국 기준으로 보면 중학생이나 고1 학생이 대학 강의실에 앉는 셈이니, 상상하기 쉽지 않은 시스템이다.
‘중국판 카이스트’로도 불리는 안후이성 중국과학기술대(USTC)가 운영하는 소년반이 단연 가장 유명한데, 노벨상 수상자 리정다오 박사의 제안으로 1978년 중국 최초로 개설됐다. 1기 평균 연령은 14세, 최연소는 겨우 11세였다고 한다.
USTC 자체도 그저 평범한 대학이 아니다.
1958년 과학기술 인재 양성을 목표로 베이징에 처음 설립됐다가 1970년 문화대혁명의 여파로 안후이성 허페이시로 다시 옮겨졌는데, 소수 정예를 지향해 매년 1860명 정도만 뽑는데도 학사 졸업생 1000명당 원사 1명, 석·박사 700여 명을 배출할 만큼 밀도가 높다.
4편에서 살펴본 양자컴퓨터 ‘쭈충즈’ 연구를 이끌었던 판젠웨이 교수도 바로 이 학교 소속이다. 캠퍼스가 6개나 여러 곳으로 나뉘어 있는데, 소년반은 본캠퍼스에서 이학·인문학·의대와 함께 수업을 듣는다고 한다. 4편의 양자 보안, 이번 편의 인재 양성이 같은 대학 하나에서 동시에 뿌리내리고 있었다.
입학생은 2년가량 전공을 정하지 않고 수학·물리 같은 기초학문 실력을 다지며 ‘연구 체력’을 쌓는다.
이후 세부 관심 분야를 정해 3~4년 안에 박사 학위를 받는 경우도 흔하다. 학업을 마치는 나이가 겨우 20대 초반이니, 한국 영재들이 고교 입시에 매달리는 동안 이들은 이미 학문 연구에 몰입해 또래가 대학 새내기가 될 무렵 박사 학위를 손에 쥐고 테크 기업 창업이나 국가 전략 연구에 뛰어드는 셈이다.
소년반 정원을 8배로 늘린 이유
눈여겨볼 대목은 소년반 선발 규모가 최근 10여 년 동안 8배로 확대됐다는 점이다.
1978년 출범 이후 2009년까지 정원은 40~50명 수준에 머물렀는데, 2010년을 기점으로 200명 안팎으로 급증했고 2024년에는 역대 최다인 380명을 기록했다. 지난해 정원도 375명에 달했는데, 정부 차원의 관심이 계속되고 있다는 뜻으로 읽힌다.
이 확대 시점이 우연은 아니라고 본다.
중국이 AI·반도체 인재 양성에 속도를 내면서 소년반이 국가 차원의 전략 자원으로 다시 재조명받았기 때문이라는 분석이 나온다.
2010년대 초반은 중국이 ‘중국제조 2025’ 같은 산업 고도화 전략을 준비하던 시기와 겹치고, 최근의 재확대는 미국의 반도체·AI 수출 통제가 본격화된 시점과도 맞물린다.
자국 안에서 최상위 인재를 스스로 길러내야 한다는 절박함이 조기 선발 규모 확대로 이어졌다고 보는 게 자연스럽다. 외부에서 인재를 데려오기 어려워질수록, 내부에서 더 어린 나이부터 더 많이 길러내는 쪽으로 무게중심이 옮겨간 셈이다.
다만 소년반을 운영하는 대학이 6곳에서 최근 3곳으로 줄고 선발 규모도 다시 제한되면서, 대규모 인재 양성 수단이라기보다는 최상위 조기 인재를 선발·관리하는 정예 트랙으로 기능이 좁혀지고 있다는 평가도 있다.
양적 확대와 질적 관리 사이에서 계속 균형점을 조정해온 모습이다.
강기계획, 전국 단위로 확대된 조기 선발
소년반이 극소수를 위한 트랙이라면, 훨씬 넓은 저변에서 상위권 학생을 걸러 올리는 장치가** ‘강기계획(强基计划)’**이다. 원래는 ‘자율모집’이라는 이름으로 대학이 자체적으로 우수 학생을 뽑던 제도였는데, 형평성 논란이 커지면서 2020년 더 엄격한 강기계획으로 대체됐다.
베이징대·칭화대 같은 일류 대학이 AI·컴퓨터·전자정보 같은 기초과학 및 인문학 계열 최상위 인재를 조기 선발하는 제도다.
규모도 작지 않다. 2023년 기준 칭화대 신입생의 26퍼센트, 베이징대 신입생의 무려 29퍼센트가 강기계획 출신이었다고 한다. 신입생 서너 명 중 한 명이 일반적인 가오카오 점수만이 아니라 기초학문 역량을 별도로 평가받아 들어온다는 뜻이니, 적지 않은 비중이다.
강기계획으로 입학한 학생은 기초과학 및 인문학 계열로 진학이 제한되고 전과도 쉽지 않다는 점도 특징인데, 조기에 진로를 좁혀 그 분야에 집중시키겠다는 설계 의도가 읽힌다.
여기에 새 가오카오(중국의 대입 수능, 3+1+2 방식)로 이공계 진입 자체를 구조화하고, 소년반 트랙까지 더해지면서 일부 학생은 고교 후반부터 사실상 대학 연구실 수준의 프로젝트를 경험한다는 분석도 있다.
한 연구기관은 이 체계를 두고 대학이 학부 정원 총량은 중앙정부 교육부가 관리하되, 전공 운영과 세부 프로그램 설계는 산업 수요에 맞춰 대학이 자율적으로 구성할 수 있도록 제도적 자율성을 확대해왔다고 분석했다. 중앙이 큰 틀을 정하고 대학이 세부 실행을 맡는 이런 구조는, 1편에서 살펴본 15차 5개년계획의 자원 배분 방식과도 닮은 구석이 있다.
야오반과 투링반, AI 전용 엘리트 트랙
대학에 들어간 이후에는 더 좁은 특별반이 기다린다. 칭화대의 ‘야오반(姚班)’이 대표적이다.
컴퓨터 공학의 노벨상으로 불리는 튜링상을 2004년 수상한 야오치즈 교수가 칭화대에 합류하면서 만든 반인데, 세계에서 가장 우수한 학부생들이 모인 곳으로 알려져 있다. 베이징대에는 이에 대응하는** ‘투링반(图灵班, 튜링반)’**이 있다. 한 취재에서 만난 투링반 교수는 “우리는 단순한 사람들이다. 그저 인공지능을 정말 잘하고 싶고, 학생들도 그렇게 되도록 잘 가르치고 싶을 뿐이다"라고 담담하게 말했다고 한다. 다른 학과와의 형평성에 구애받지 않고, 최고의 인재에게 최고의 교육을 몰아주는 방식이다.
투링반이 자리 잡은 뒤에는 그 성과를 다른 곳으로 더 넓게 퍼뜨리는 작업도 함께 진행되고 있다. 투링반의 자체 교육 시스템이 성공을 거두자, 베이징대는 이를 컴퓨터 관련 학과뿐 아니라 인문사회 계열까지 확장해 대학 전체의 AI 교육 효과를 끌어올리는 데 활용하고 있다고 한다. 소수 정예 트랙에서 검증된 방식을 대학 전체로 퍼뜨리는, 일종의 실험실 겸 표준 모델 역할을 한다. 이런 확산 방식은 앞서 살펴본 강기계획의 논리와도 닮았다. 극소수를 위한 실험을 먼저 하고, 성과가 검증되면 그 방식을 조금씩 넓혀가는 패턴이 교육 시스템 전반에 걸쳐 반복되고 있다는 인상을 받았다.
성과도 숫자로 드러난다.
AI 분야 최상위 국제 학회(ICML, NeurIPS, ICLR)에서 발표된 논문 저자 수를 기관별로 보면, 중국 기관이 상위 100개 중 31개를 차지해 미국(37개)에 이어 2위를 기록했다. 그중에서도 칭화대가 2위, 베이징대와 저장대가 공동 6위였다. 중국 AI 생태계의 중심에 대학이 자리하고 있다는 뜻이다.
칭화대는 중국 정부가 2018년 AI를 국가 핵심 미래기술로 지정하기도 전부터 이미 이 기반을 다져놓고 있었다. 최근에는 칭화대가 AI를 교육에 어떻게 활용할지에 대한 대학 차원의 첫 종합 지침까지 발표했다는 소식도 있는데, 인재를 키우는 방식 자체를 AI로 다시 설계하려는 시도로 읽힌다.
두뇌 공급망, 생애주기 전체를 설계하다
이 모든 트랙을 하나로 묶는 개념이** ‘두뇌 공급망’**이다.
알고리즘 설계부터 데이터 전처리, 모델 훈련, 산업 적용까지 AI 가치사슬 전 과정에 특화된 인재를 국가가 직접 설계한다는 뜻인데, 한 연구기관은 이를** ‘생애주기×가치사슬’ 모델**이라고 정리했다.
초·중등 단계의 조기 선발부터 대학의 특별반, 이후 빅테크 기업과의 협업까지 한 사람의 성장 과정 전체가 하나의 공급망처럼 짜여 있다는 얘기다.
이 개념을 부품 공급망에 빗대 보면 이해가 쉽다.
2편에서 살펴본 다크팩토리가 부품을 조달해 완성품을 조립하듯,
이 두뇌 공급망은 초등·중등 교육에서 원석 같은 인재를 찾아내고,
강기계획과 소년반에서 다듬고,
야오반·투링반에서 완성품에 가깝게 가공한 다음,
마지막으로 빅테크 기업이라는 최종 수요처로 연결한다.
사람 하나를 키우는 과정을 마치 산업 공급망처럼 단계별로, 촘촘하게 설계해둔 셈이다.
공급망이라는 단어를 사람에게 쓰는 게 다소 냉정하게 들릴 수도 있지만, 실제로 각 단계가 다음 단계를 위한 원료를 공급하듯 이어져 있다는 점에서는 정확한 비유로 보인다.
이 전략의 결과는 특허와 논문 통계에서도 뚜렷하게 드러난다.
전 세계 AI 논문의 23퍼센트 이상, AI 특허의 70퍼센트 안팎을 중국이 차지하고 있다는 분석이 나오는데, 이런 전 주기 인재 전략이 그 배경에 자리 잡고 있다는 평가다.
텐센트 같은 빅테크 기업과 대학이 협업해 AI 가치사슬 전 과정에 특화된 인재를 키우는 구조까지 갖춰져 있으니, 학교를 졸업한 이후의 경로까지 이미 설계돼 있는 셈이다.
알고리즘 설계 인재는 연구소로, 데이터 전처리에 강한 인재는 산업 현장으로, 모델 훈련에 특화된 인재는 빅테크 연구팀으로 나뉘어 배치되는 식으로, 재능의 결에 따라 진로까지 어느 정도 갈래를 잡아준다는 인상을 준다.
량원펑이라는 증거
이 시스템이 실제로 작동한다는 걸 눈으로 확인시켜주는 가장 구체적인 사례가 딥시크 창업자 량원펑이다.
3편에서 살펴봤듯, 그는 항저우의 저장대에서 전자공학 학사와 정보통신공학 석사 과정을 밟았다.
량원펑은 소년반이나 강기계획 같은 최상위 엘리트 트랙을 거치지는 않았지만, 저장대 자체가 이런 국가 차원의 이공계 육성 흐름 속에서 성장한 대학이라는 점은 눈여겨볼 만하다. 대학원 시절부터 퀀트 투자에 AI를 접목하는 실험을 이어가다가 딥시크를 창업했다는 이력을 보면, 학교에서 배운 기초 역량을 산업 현장에서 스스로 응용해나간 경로로 읽힌다.
업계에서는 량원펑의 등장을 단순히 한 명의 괴짜 천재가 우연히 탄생한 사건이 아니라, 정부의 AI 인재 전략과 맞물린 결과로 본다. 전국 각지의 수재를 모아 정예부대처럼 키우는 특별반 시스템과, 전국 580여 개 대학에 AI 학과를 설립해 저변을 넓히는 전략이 동시에 돌아간 결과라는 뜻이다.
이 ‘정예부대’와 ‘저변 확대’라는 두 갈래 전략이 함께 작동한다는 점이 핵심이다.
소년반이나 야오반, 투링반 같은 트랙이 최상위 1퍼센트를 극도로 정교하게 키워낸다면, 580여 개 대학의 일반 AI 학과는 그 아래에서 훨씬 넓은 인력 풀을 만들어낸다.
량원펑처럼 최상위 엘리트 트랙을 거치지 않고도 두각을 나타내는 인재가 나올 수 있는 것도, 이 저변이 그만큼 충분히 두꺼운 덕분이라고 볼 수 있다.
2편에서 살펴본 그 유니트리 창업자 왕싱싱, 3편에서 살펴본 량원펑 모두 이런 국가 차원의 교육 설계 위에서 나온 인물들이었던 셈이다.
소년반과 강기계획, 이 시스템의 그늘
다만 이 시스템에 그늘이 전혀 없는 건 아니다.
5편에서 다룬 청년실업과 정확히 대비되는 지점이 여기 있다. 한쪽에서는 15세에 대학에 들어가 20대 초반에 박사가 되는 소수의 엘리트가 국가의 전폭적인 지원을 받는 동안, 다른 한쪽에서는 청년 일곱 명 중 한 명이 일자리를 구하지 못해 자조 섞인 신조어를 만들어내고 있다.
강기계획 이전의 자율모집 제도가 형평성 논란 끝에 폐지된 것도, 이런 조기 선발 시스템이 필연적으로 안고 가는 공정성 문제를 보여준다.
최상위권에게 자원을 몰아주는 전략이 국가 경쟁력에는 도움이 될지 몰라도, 그 바깥에 있는 다수에게는 또 다른 형태의 격차로 다가올 수 있다는 뜻이다.
한 전문가는 이런 엘리트 교육에 대해 매우 흥미로운 지적을 내놓기도 했다.
인재가 부족하면 대학원을 더 만들어 더 빨리 졸업시키거나, 더 어린 나이부터 AI 선행학습을 시키는 것은 답이 아니라는 것이다. 어떤 현상을 꿰뚫어 볼 수 있는 기초학습 역량과, 남들이 하지 못한 새로운 변화를 만들어낼 수 있는 도전정신을 함양하는 게 핵심이라는 지적인데, 중국의 소년반이 전공을 정하지 않고 2년가량 기초학문에 집중하게 하는 것도 이런 문제의식과 맞닿아 있어 보인다. 속도보다 기초 체력을 우선하는 설계인 셈이다.
이는 한국의 인재 정책을 향한 제언이기도 한데, 인공지능·바이오·양자 같은 첨단 전략기술 경쟁이 결국은 인재 경쟁이라는 진단과 함께, 낡은 관습에서 벗어나야 한다는 메시지로 읽힌다.
이 조기 선발 시스템이 만들어내는 또 다른 부작용은 입시 경쟁의 저연령화다.
최상위권 학생과 학부모 입장에서는 중학교 시절부터 소년반이나 강기계획을 겨냥한 준비를 시작해야 한다는 압박이 생길 수밖에 없다. 한국의 특목고·영재학교 입시 경쟁이 이미 저연령화된 것처럼, 중국에서도 이런 조기 선발 트랙이 확대될수록 그 이전 단계의 경쟁이 함께 치열해지는 부작용이 나타날 가능성이 크다. 소년반 정원이 8배로 늘었다는 건 그만큼 이 트랙을 겨냥해 준비하는 학생과 학부모의 수도 늘었다는 뜻일 텐데, 정작 그 경쟁에서 밀려난 나머지 학생들이 감당해야 할 부담은 통계에 잘 잡히지 않는다는 점도 짚어둘 만하다.
1편부터 6편까지 이 시리즈는 정책, 공장, AI 모델, 양자 보안, 경제의 그늘, 돈의 흐름까지 중국의 대전환을 조각조각 따라왔다.
7편에서 살펴본 건 그 모든 조각을 만들어내는 사람, 두뇌 그 자체를 어떻게 길러내는지에 대한 이야기였다.
정책이 방향을 정하고, 공장과 AI 모델과 금융 인프라가 그 방향을 실체화하지만, 이 모든 걸 설계하고 운영하는 것도 결국은 사람이다.
소년반에서 선발된 15세 아이가 20년 뒤 신질생산력 정책의 다음 버전을 설계하는 관료가 되거나, 다크팩토리를 운영하는 엔지니어가 되거나, 다음 딥시크를 만드는 창업자가 될 수 있다고 생각하면, 이 인재 파이프라인이 왜 이렇게 정교하게 설계됐는지 조금은 이해가 간다.
한국의 상황과 비교해보면 여러 생각이 든다.
한국도 과학영재학교나 카이스트 조기입학 같은 제도가 이미 자리 잡고 있지만, 규모나 국가적 자원 투입 수준에서 중국의 소년반·강기계획·야오반·투링반을 잇는 파이프라인과는 차이가 크다.
한국의 영재학교나 카이스트 조기입학은 개별 학교 차원의 프로그램에 가깝고, 그 이후의 진로까지 국가가 촘촘히 설계해주는 구조는 아니다.
반면 중국은 초·중등 선발부터 대학 특별반, 졸업 이후 산업 배치까지 한 사람의 성장 경로 전체를 국가 전략 산업과 연결해둔다는 점이 다르다. 무엇보다 중국은 이 파이프라인의 끝에 국가 전략 산업(반도체, AI, 로봇)이라는 명확한 수요처를 마련해뒀다는 점이 다르다.
인재를 키우는 일과 그 인재를 써먹을 산업을 키우는 일이 같은 정책 설계 안에서 동시에 진행되고 있는 셈이다.
다음 편에서는 이 모든 흐름을 마주한 한국이 택할 수 있는 전략, 그러니까 경첩론과 공급망 조기경보시스템 같은 대응 방안을 살펴보며 이 시리즈를 마무리할 참이다.
지금까지 살펴본 정책, 공장, AI, 양자, 경제, 금융, 그리고 이번 편의 인재까지, 이 모든 조각을 마주한 한국은 과연 어떤 자리에 설 수 있을지가 마지막 질문이 될 것 같다.
여기까지 오는 동안 확인한 건, 이 모든 조각 중 어느 하나도 우연이 아니라는 사실이었다.