중국이 반도체 수출 규제에는 자체 개발과 우회 조달로 대응하고 있지만, 고품질 중국어 학습 데이터 부족이라는 새로운 병목에 직면했다고 사우스차이나모닝포스트가 보도했다. 전 세계 웹 콘텐츠에서 중국어 비중은 약 1.3%에 불과해 영어(약 50%)는 물론 스페인어(약 6%), 일본어(약 5%)에도 크게 못 미친다. 위챗·더우인 등 중국 대형 플랫폼의 폐쇄적 데이터 운영도 문제를 심화시키며, 중국 AI 기업의 데이터 학습 비용은 서구권보다 훨씬 높은 것으로 알려졌다. 중국 정부는 2028년까지 제조·에너지·의료 등 주요 산업을 아우르는 국가 단위 검증 데이터셋 구축 계획을 내놓았다.

• •전 세계 웹 콘텐츠 중 중국어 비중 약 1.3%(영어 약 50%, 스페인어 약 6%, 일본어 약 5%)
• •위챗·더우인 등 중국 플랫폼의 폐쇄적 데이터 운영이 데이터 부족 심화 요인
• •중국 AI 기업 데이터 학습 비용, 서구권 기업보다 훨씬 높음
• •중국 국가데이터관리국, 2028년 목표 국가 단위 검증 AI 학습 데이터셋 구축 계획 발표
• •화샤출판사 등 AI 학습용 콘텐츠 사용 금지 경고, 저작권 갈등 본격화