미국, 중국계 해외 법인 통한 AI 칩 우회 조달 차단…보스턴 기술직이 볼 신호

미국 상무부가 중국 기업의 해외 자회사나 해외 법인을 통한 첨단 AI 칩 확보 가능성을 차단하는 새 지침을 내놨다. 엔비디아와 AMD의 고성능 AI 프로세서가 중국 본사가 아닌 제3국 법인을 거쳐 이동할 수 있다는 우려에 대응한 조치다. 보스턴권 독자에게는 AI 경쟁이 모델 성능만의 문제가 아니라 반도체 공급, 클라우드 비용, 데이터센터 운영, 규제 준수 역량까지 포함하는 산업 경쟁으로 넓어지고 있다는 신호로 볼 수 있다.

로이터 보도에 따르면 미국 상무부는 2026년 5월 31일 중국에 본사를 둔 기업이 해외에 세운 법인이나 자회사를 통해 첨단 AI 칩을 받는 경우에도 라이선스 요건을 적용하겠다는 지침을 게시했다. 보도에서 언급된 대상에는 엔비디아의 Rubin·Blackwell 계열 고성능 프로세서와 AMD의 MI350x 같은 최신 AI 칩이 포함됐다. 상무부 지침은 중국 기업이 말레이시아 등 제3국 소재 법인을 통해 미국산 고성능 반도체에 접근했을 가능성을 겨냥한 것으로 설명됐다.

확인된 수치에는 한계가 있다. 로이터는 실제로 얼마나 많은 칩이 이전됐는지는 불분명하다고 전하면서도, 공급망을 잘 아는 한 업계 소식통이 그 규모를 수십만 개로 추정했다고 보도했다. 다만 이번 지침이 이미 설치된 데이터센터의 칩 사용 중단이나 서버 유지보수 중단을 요구하는 것은 아니라고 전했다. 즉각적인 서비스 차단 조치라기보다, 앞으로의 판매·재수출·이전 과정에서 최종 소유 구조와 사용 목적을 더 엄격히 보겠다는 성격에 가깝다.

이번 조치의 배경에는 2025년 5월 상무부 산하 산업안보국이 바이든 행정부 말기에 나온 ‘AI 확산 규칙’을 집행하지 않겠다고 밝힌 뒤 생긴 정책 공백 논란이 있다. 당시 상무부는 해당 규칙을 폐지하는 절차와 별도 대체 규칙을 예고하면서도, 중국계 고성능 컴퓨팅 칩 사용과 AI 모델 훈련용 칩 우회 조달을 막기 위한 산업 지침을 함께 내놓았다. 이후 미국의 AI 반도체 통제는 단순히 ‘어느 나라로 수출되는가’에서 ‘누가 최종적으로 소유하고, 어떤 AI 훈련이나 데이터센터 운영에 쓰이는가’로 초점이 이동하고 있다.

보스턴 지역의 직접적인 반도체 제조 비중은 캘리포니아나 애리조나보다 작다. 그러나 영향은 간접적으로 작지 않다. 케임브리지와 보스턴의 AI 스타트업, 바이오테크 AI 팀, 대학 연구실, 금융·헬스케어 데이터 조직은 대부분 클라우드 GPU와 데이터센터 인프라에 의존한다. 고성능 칩 접근이 지정학적 규제와 더 강하게 연결되면, 기업은 모델 성능뿐 아니라 컴퓨팅 비용, 공급 안정성, 데이터 위치, 클라우드 벤더의 규정 준수 체계를 함께 따지게 된다.

취업시장에서는 이 변화가 ‘AI를 쓸 줄 아는 사람’의 의미를 넓힌다. 머신러닝 연구자와 소프트웨어 엔지니어 수요는 여전히 중요하지만, 기업이 실제로 필요로 하는 역할은 AI 인프라 운영, MLOps, 클라우드 비용 관리, 데이터 거버넌스, 보안, 수출통제와 조달 리스크를 이해하는 제품·엔지니어링 인력으로 확장되고 있다. MLOps는 AI 모델을 실험 단계에서 실제 서비스로 배포하고 모니터링하는 업무를 뜻하고, FinOps는 클라우드 사용 비용을 관리하는 실무 영역이다. 보스턴권 기업들이 의료, 금융, 생명과학처럼 규제가 강한 산업과 맞닿아 있다는 점을 감안하면 이런 역량의 중요성은 더 커질 수 있다.

유학생과 취업비자를 고려하는 독자는 이번 사안을 곧바로 비자 문제로 단정할 필요는 없다. 다만 반도체, 방산, 로보틱스, 고성능 컴퓨팅, 일부 국가안보 관련 AI 프로젝트에서는 고용 과정에서 수출통제 준수나 특정 업무 접근 권한을 별도로 검토하는 경우가 있다. OPT, STEM OPT, H-1B를 준비하는 지원자라면 회사가 비자 스폰서십을 제공하는지와 함께, 해당 직무가 EAR, ITAR, 데이터 보안, 정부 계약 요건과 연결되는지를 초기 인터뷰 단계에서 확인하는 것이 현실적이다. 이는 개인별 이민 판단이 아니라 채용 절차와 직무 범위를 이해하기 위한 정보에 가깝다.

이직 준비자에게는 직무 설명서의 키워드를 더 세밀하게 읽을 필요가 있다. ‘AI infrastructure’, ‘GPU orchestration’, ‘model governance’, ‘data residency’, ‘security review’, ‘export controls’, ‘vendor risk’, ‘cloud cost optimization’ 같은 표현은 단순 부가 조건이 아니라 팀의 실제 고민을 보여준다. 포트폴리오도 모델 성능 지표만 보여주는 것보다, 제한된 컴퓨팅 환경에서 모델을 배포하고 비용을 줄이며 로그·감사·보안 기준을 갖춘 경험을 설명하는 쪽이 실무 설득력을 가질 수 있다.

창업을 보는 독자에게도 메시지는 분명하다. 거대 모델을 직접 학습시키는 전략은 자본뿐 아니라 칩 조달, 클라우드 계약, 규제 리스크까지 함께 감당해야 한다. 반대로 특정 산업 데이터를 활용해 기존 모델을 안전하게 적용하는 응용형 AI, 내부 업무 자동화, 규정 준수형 데이터 제품, 바이오·의료·금융 특화 AI 도구에는 여전히 시장이 남아 있다. 다만 투자자와 고객은 기술 데모뿐 아니라 비용 구조, 공급망 안정성, 법적 리스크 관리 능력을 더 자주 물을 가능성이 있다.

이번 상무부 지침은 당장 보스턴의 채용 공고를 크게 바꾸는 단일 사건은 아니다. 그러나 AI 산업의 중심축이 연구실 성능 경쟁에서 인프라, 공급망, 규제 준수, 비용 효율성까지 포함하는 운영 경쟁으로 옮겨가고 있음을 보여준다. 앞으로 볼 변수는 미국이 새 AI 칩 수출 규칙을 얼마나 넓게 적용할지, 클라우드 사업자들이 고성능 GPU 접근을 어떻게 관리할지, 그리고 기업들이 AI 인력을 뽑을 때 기술 역량과 규제 이해를 어느 정도 함께 요구할지다.