[기획브리핑] 중국 AI 생태계의 오픈소스 전환과 산업화 전략

Open UP

□ 중국 AI 생태계는 DeepSeek 이후 오픈소스 모델 공개를 넘어 시스템·하드웨어·산업 적용을 결합한 생태계 경쟁단계로 전환

○ 2025년 DeepSeek R1 공개 이후 중국 AI 생태계는 폐쇄형 모델 중심에서 오픈소스 기반의 산업 생태계 확장 방향으로 빠르게 재편되고 있음
 - DeepSeek R1(이하 R1)은 고급 추론 능력을 공개 모델 형태로 제공하면서, 기업과 개발자가 이를 재사용·경량화·파인튜닝·도메인 특화 방식으로 활용할 수 있는 기반을 제공
 - 중국 AI 기업들의 경쟁축은 모델 성능 비교를 넘어 배포 가능성, 비용 효율성, 산업 적용성, 생태계 확장성 중심으로 이동하고 있음
 - 이에 따라 중국 AI 생태계는 ‘개별 모델 경쟁’에서 ‘모델·인프라·하드웨어·애플리케이션을 결합한 시스템 경쟁’으로 전환되고 있음

○ 이러한 변화는 단순한 개별 기업의 모델 공개 경쟁이 아니라, 중국이 추진해 온 기술 자립·산업화·오픈소스 생태계 전략이 AI 분야에서 구체화되는 흐름으로 해석 가능
 - 중국은 2023년 이후 오픈소스를 기술 주권, 핵심 인프라 보호, 산업지원, 글로벌 영향력 확대를 위한 전략적 수단으로 활용해 왔음
 - DeepSeek 이후 정책·산업 기반이 AI 모델, 프레임워크, 중국산 AI 칩, 배포 인프라, 응용 서비스로 연계하며 오픈소스 기반 AI 생태계를 산업 실행 단계로 확장하고 있음

▶ DeepSeek R1은 중국 오픈소스 AI 생태계 전환의 촉매로 작용 

○ R1의 핵심 의미는 단순한 고성능 모델 공개가 아니라, 고급 추론 능력을 재사용 가능한 엔지니어링 자산으로 전환했다는 점에 있음
 - R1은 추론 경로와 학습 후 방법론을 공개함으로써, 기존에 폐쇄형 API에 의존하던 고급 추론 기능을 다운로드·재사용·파인튜닝 가능한 형태로 제공
 - 많은 기업과 개발자는 대규모 모델을 처음부터 학습하지 않고도 강한 추론 능력을 활용할 수 있는 경로를 확보
 - 추론 기능은 재사용 가능한 모듈처럼 다양한 시스템에 반복적으로 적용 가능해졌으며, 이는 업계가 모델 성능과 컴퓨팅 비용 간의 관계를 재검토하는 계기로 작용
 ※ 특히 중국처럼 컴퓨팅 자원이 제한적인 환경에서는 더욱 의미 있는 전환으로 평가됨

○ R1 공개는 기술적 장벽뿐 아니라 기업의 도입 장벽과 심리적 장벽도 낮추며 오픈소스 모델의 실제 생산 환경 적용을 촉진
 - R1은 MIT 라이선스로 공개되어 사용·수정·재배포의 제약을 낮추고, 기업의 도입 부담을 완화

 ※ 허깅페이스의 중국 오픈소스 히트맵에 표시된 모든 조직의 릴리스를 기반

 - 이후 중국 커뮤니티의 오픈 모델에서는 Apache 2.0 등 허용적 라이선스 채택이 확대되며, 모델의 사용·수정·배포·생산 환경 적용 과정에서 법적·운영적 마찰을 낮추는 요인으로 작용
 - 기업 현장에서는 모델을 그대로 쓰는 것뿐 아니라, 소형 모델로 경량화하거나 도메인별로 조정하는 작업이 일반적인 엔지니어링 과정으로 자리 잡음
 - 커뮤니티 논의도 모델별 벤치마크 성능 비교에서 배포 방식, 비용 절감, 실제 시스템 통합으로 이동

○ R1 공개 이후 중국 AI 생태계는 가능성 검증 단계에서 실행·확장 단계로 전환
 - R1 공개 이전에는 오픈 모델이 연구 커뮤니티나 일부 특수 용도에 머물렀으나, 이후 기업 생산 환경, 클라우드 플랫폼, 툴체인, 도메인 특화 모델 개발로 확산
 - 중국 AI 커뮤니티는 추격자 이미지에서 벗어나 글로벌 오픈소스 AI 생태계의 주요 기여자이자 설계자로 부상
 - 중국 AI 전략에서 오픈소스가 더 이상 단기적인 전략이 아니라 장기적인 경쟁 전략의 일부가 되고 있음을 보여줌

○ R1 이후의 변화는 갑작스러운 기업 이벤트라기보다, 중국이 추진해온 오픈소스 기반 기술 자립 전략이 AI 분야에서 본격적으로 작동한 사례로 볼 수 있음
 - 중국은 그동안 OpenAtom Foundation을 중심으로 국가급 오픈소스 거버넌스 기반을 구축하고, OpenHarmony·OpenEuler 등 핵심 인프라의 오픈소스화를 통해 외국 기술 의존도 완화와 자립형 생태계 조성을 추진
 ※ 또한 AI+ 전략을 통해 AI 모델의 기본 역량 강화, 데이터 공급 혁신, 지능형 컴퓨팅 파워 향상과 함께 오픈소스 생태계 발전과 인재 양성 체계 구축을 강화하겠다는 방향 제시 

▶ 오픈소스가 AI 생태계 전략의 중심으로 이동

○ DeepSeek 이후 중국 AI 기업들은 오픈소스를 단순 홍보나 연구 공개 수단이 아니라 장기 경쟁 전략으로 활용하기 시작
 - 대형 기술기업이 먼저 움직이고, 스타트업이 빠르게 뒤따랐으며, 다양한 산업 기업들도 AI 분야에 진출하며 오픈 모델 공개에 참여
 - 바이두, 바이트댄스, 텐센트 등 기존 대기업의 오픈소스 모델 공개 건수가 크게 증가했으며, 문샷의 Kimi K2와 같은 신규 공개 모델도 높은 주목을 받음
 ※ 바이두는 2024년 허깅페이스 공개 모델이 0건이었으나 2025년 100건 이상으로 증가했으며, 바이트댄스와 텐센트의 공개 모델 수도 8~9배 증가
 ※ 문샷의 Kimi K2 모델은 ‘또 다른 딥시크 순간(another DeepSeek moment)’으로 평가받고 있음

 - 중국 신규 모델은 허깅페이스에서 관심도와 다운로드 측면에서 높은 존재감을 보이며 오픈소스 생태계 내 영향력을 확대  

○ 중국 오픈소스 AI 생태계는 국내 기업 간 공개 활동을 넘어 글로벌 오픈소스 커뮤니티에서 존재감을 확대하고 있음
 - 기존 오픈소스 경험을 보유한 기업, 새롭게 부상한 AI 기업, 새로운 공개 전략을 채택한 기업들이 함께 참여하면서 중국 내 유기적인 오픈소스 AI 생태계가 형성되고 있음
 - 허깅페이스에서 가장 많은 팔로워를 보유한 조직은 딥시크이며, 알리바바(Qwen)도 네 번째로 팔로워가 많은 조직임

 - 모델뿐 아니라 논문과 기술 공유 측면에서도 바이트댄스, 딥시크, 텐센트, Qwen 등 중국 기업의 기여가 두드러지며, 이는 중국의 오픈소스 AI 활동이 전체 글로벌 커뮤니티로 확장되고 있음을 보여줌 

○ 오픈소스 AI 경쟁의 중심은 개별 모델 성능 비교에서 생태계·애플리케이션·인프라로 이동하고 있음
 - 지푸 AI의 GLM, 알리바바의 Qwen 등은 단순 모델 가중치 공개를 넘어 엔지니어링 시스템과 생태계 인터페이스를 확장
 - 모델 자체의 성능 비교만으로는 충분하지 않게 되면서, 경쟁의 중심이 생태계, 응용 시나리오, 인프라로 이동 

○ 중국 기업들의 움직임은 공식적 협력이라기보다 공통된 기술적, 경제적, 규제적 압력 하에서의 유사한 기술·배포 방향으로 수렴하는 양상에 가까움
 - 컴퓨팅 자원 제약, 비용 압박, 규제 환경, 산업 적용 요구가 유사하게 작용하면서 기업들이 비슷한 기술 선택과 공개 전략을 취하고 있음
 - 즉, 중국 오픈소스 AI 생태계는 개별 프로젝트의 집합을 넘어, 모델·도구·배포 인프라가 함께 확산되는 구조로 발전하고 있음 

○ 중국은 오픈아톰 재단, Gitee 기반 호스팅, 오픈소스 커뮤니티 육성, 지식재산권·라이선스 관리, 글로벌 오픈소스 거버넌스 참여 확대를 정책적으로 추진해 왔음
 ※ 오픈아톰 재단은 2020년 산업정보화부(MIIT)의 지원을 받아 알리바바, 바이두, 화웨이 등 주요 기업과 설립한 중국 최초의 오픈소스 재단으로, 오픈소스 프로젝트를 인큐베이팅하고 생태계를 조성하는 중심 역할을 수행
 ※ 2024년 중국 국가정보보안표준화기술위원회(NISSTC)는 ‘생성형 AI 서비스에 대한 기본 보안 요구 사항’ 초안을 공개하며, 오픈소스 기반 AI 모델의 데이터·모델·보안 전 과정을 관리하는 표준을 제시

 - 이 전략은 실질적 성과로 이어졌으며, 새로 개발된 모델(1년 미만) 중 중국 모델의 다운로드 수는 미국을 포함한 다른 모든 국가를 넘어섰음

▶ MoE와 소형 모델을 결합한 효율화 전략이 부상

○ 중국 오픈소스 AI 모델은 2025년 이후 MoE 구조를 중심으로 고성능과 비용 효율성을 동시에 추구하는 방향으로 진화
 - Kimi K2, MiniMax M2, Qwen3 등 주요 중국 모델이 MoE 아키텍처를 채택
 - MoE는 작업 난이도와 배포 환경에 따라 일부 전문가 모델을 활성화하는 방식으로, 모든 추론에 전체 자원을 투입하지 않아도 성능과 비용의 균형을 맞출 수 있는 구조임
 - 컴퓨팅 자원이 제한된 환경에서 높은 성능을 유지하면서 비용을 통제하고, 학습·배포·확산이 가능한 구조를 마련하는 데 적합한 선택지로 부상 

○ 중국 모델 개발의 방향은 최고 성능만이 아니라 지속 운영 가능성, 유연한 배포, 지속적 진화, 비용 대비 성능 최적화에 있음
 - 대규모 단일 모델만 추구하기보다 MoE, 소형 모델, 양자화, 추론 최적화 등을 결합해 다양한 환경에서 운용 가능한 구조를 지향
 - 대형 MoE 모델은 100B~700B 규모에서 성능 상한선 또는 기준 모델 역할을 하고, 소형 모델은 실제 배포와 운영을 담당하는 구조가 형성됨
 - 실제 활용 단계에서는 0.5B~30B 규모의 소형 모델이 로컬 실행, 파인튜닝, 기업 시스템 통합, 에이전트 워크플로 적용에 유리한 모델군으로 부상
 ※ Qwen 계열에서는 Qwen 1.5-0.5B가 가장 많은 파생 모델을 보유 

○ MoE·소형 모델·양자화·추론 최적화 등 효율화 전략은 제한된 컴퓨팅 자원 환경에서 AI를 대규모로 확산하기 위한 기술 선택으로 부상
 - RISC-V 등 오픈소스 하드웨어 활용도 반도체 기술 주권 확보와 연결되어 논의되고 있으며, 효율적 AI 모델은 저성능 칩 환경에서도 활용 가능성을 높이는 요인으로 제시
 - 이는 단순한 모델 구조 변화가 아니라, 제한된 자원 환경에서 성능·비용·배포 가능성을 동시에 확보하려는 흐름과 연결됨

▶ 멀티모달·에이전트·워크플로 중심으로 생태계 확대 

○ DeepSeek 이후 중국의 오픈소스 AI 활동은 텍스트 LLM 중심에서 멀티모달과 에이전트 기반 시스템으로 빠르게 확장
 - 오픈소스 활동은 텍스트 모델 중심에서 벗어나 Any-to-Any 모델, 텍스트-이미지, 이미지-비디오, 텍스트-비디오, TTS(텍스트 음성 변환), 3D, 에이전트 등 멀티모달·에이전트 방향으로 빠르게 확장 

○ 텍스트 이외의 멀티모달에서도 중국 기업의 공개 활동이 확대
 - 스텝펀은 음성·영상·이미지 생성·처리·편집 영역에서 고성능 멀티모달 모델을 공개 
 - 텐센트는 DeepSeek를 핵심 소비자 제품에 통합해 내부 검증을 진행한 뒤, Hunyuan Video, Hunyuan 3D 등 비디오·3D분야에서 공개 모델을 확대하며 비텍스트 영역 경쟁에 참여

○ 에이전트와 워크플로 중심의 공개는 AI 모델을 독립된 산출물이 아니라 실제 업무 시스템에 결합되는 구성요소로 전환
 - 공개 대상도 모델 가중치에 한정되지 않고, 추론 배포, 데이터셋, 평가, 툴체인, 워크플로, 엣지-클라우드 연계 등으로 확대

▶ 중국산 하드웨어와 배포 인프라 결합이 핵심 변수로 부상

○ 중국 오픈소스 AI 생태계는 모델 가중치 공개를 넘어, 자국 내 하드웨어에서 실제로 작동 가능한 배포 구조를 함께 제공하는 방향으로 전환
 - 모델 공개와 함께 추론 프레임워크, 양자화 포맷, 서빙 엔진, 엣지 런타임, 자국 내 AI 칩 지원이 함께 연계되는 방향으로 변화
 - DeepSeek-V3.2-Exp에서는 Huawei Ascend와 Cambricon 칩에 대한 day-zero 지원이 제공된 사례가 제시되었으며, 이는 단순한 클라우드 데모가 아니라 모델 가중치와 함께 공개된 재현 가능한 추론 파이프라인으로 설명됨
 - 이는 모델 공개가 다운로드 가능한 가중치 제공을 넘어, 목표 하드웨어에서 안정적이고 재현 가능하게 실행할 수 있도록 하는 방향으로 배포 구조가 확장되고 있음을 의미 

○ 학습 단계에서도 중국산 AI 칩 활용 사례가 나타나며, 중국의 AI 자립 전략이 추론을 넘어 학습 파이프라인으로 확장
 - 앤트그룹의 Ling 모델은 중국산 AI 칩을 활용한 최적화된 학습을 통해 NVIDIA H800에 근접한 성능을 달성, 1조 개의 토큰 학습 비용을 약 20% 절감
 - 바이두의 Qianfan-VL 모델은 5,000개 이상의 바이두 쿤룬 P800 가속기 클러스터에서 학습되었으며, 병렬화와 효율성 세부 내용도 문서화
 - 지푸의 GLM-Image, 차이나텔레콤의 TeleChat3 등도 전적으로 중국산 칩에서 학습된 모델로 발표
 - 다만 중국산 AI 칩 활용은 학습 파이프라인으로 확대되고 있으나, 컴퓨팅 제약과 미국 하드웨어 수출통제 대응은 여전히 주요 변수로 남아 있음 

○ 서빙·인프라 영역에서도 대규모 운영 경험과 엔지니어링 역량이 체계적으로 오픈소스화되고 있음
 - 문샷 AI의 Mooncake는 서빙 시스템을 공개하고 prefill/decoding 분리 기능 등을 지원
 - 바이두 FastDeploy 2.0은 제한된 컴퓨팅 예산 내에서 추론 비용을 줄이기 위해 극단적 양자화 및 클러스터 수준 최적화를 강조
 - 알리바바 Qwen 생태계는 모델, 추론 프레임워크, 양자화 전략, 클라우드 배포 워크플로를 긴밀하게 통합함으로써 개발에서 운영까지의 마찰을 최소화
 - 이러한 실제 운영 경험의 공개는 커뮤니티 전반의 배포·운영 기준을 높이고, 대규모 모델을 안정적으로 실행하는 데 필요한 기반을 확산시키는 역할을 함
 ※ 중국은 OpenHarmony, OpenEuler, RISC-V, Gitee, OpenAtom Foundation 등을 통해 핵심 소프트웨어·하드웨어 기반의 자립형 오픈소스 생태계를 구축해 왔음

▶ 참여 방식은 생태계 기반 자산화와 산업 적용 중심으로 변화 

○ 오픈소스 AI 모델은 단순 공개 산출물이 아니라, 다양한 개발자·기업이 재사용하고 확장할 수 있는 생태계 기반 자산으로 기능하고 있음
 - AI 모델은 단일 버전의 성능 경쟁을 넘어, 여러 크기·작업·모달리티로 확장되고 다양한 응용 시나리오에서 반복적으로 활용되는 구조로 진화  

 ※ Qwen은 단일 모델이 아니라 여러 크기·작업·모달리티를 포괄하는 모델 패밀리로 확장되었으며, 2025년 중반 기준 허깅페이스에서 11만 3천 개 이상의 모델이 Qwen을 기반으로 사용되고 20만 개 이상의 저장소가 Qwen을 태그하고 있음
 ※ 이는 Meta Llama의 2만 7천 개, DeepSeek의 6천 개를 크게 상회하는 규모임

○ 주요 기업들은 오픈소스 모델을 클라우드, 프레임워크, 칩, 플랫폼, 애플리케이션과 결합해 하나의 엔지니어링 스택으로 확장하고 있음
 - 모델 공개가 독립적인 연구 성과가 아니라, 개발·배포·운영·산업 적용을 연결하는 시스템 전략으로 전환되고 있음
 ※ Alibaba는 모델 개발을 클라우드·하드웨어 인프라와 연결해 모델, 칩, 플랫폼, 애플리케이션을 하나의 엔지니어링 스택으로 통합
 ※ 바이두도 Ernie 4.5 계열 공개와 함께, PaddlePaddle 프레임워크, Kunlunxin 칩을 연결하는 개방형 시스템으로 전략 조정하여 비용 절감, 개발자 확보, 표준 영향력 확대를 추구

○ 애플리케이션 기반 기업들은 대규모 사용자 접점과 제품 경쟁력을 유지, 생태계에 필요한 고가치 구성요소를 선택적으로 공개하는 방식으로 참여
 - 이는 오픈소스를 전면 전략으로 내세우기보다, 핵심 애플리케이션 경쟁력은 유지하면서 모델·데이터셋·평가·도구 등 특정 구성요소를 공개하는 방식임
 ※ 바이트댄스는 UI-TARS-1.5, Seed-Coder, SuperGPQA 등 멀티모달 UI 이해, 코드 모델링, 추론 평가 관련 공개 자산을 제공하면서도 Doubao 등 대규모 AI 애플리케이션을 기반으로 제품 접점과 사용 규모를 경쟁력으로 유지  

○ 스타트업과 애플리케이션 기업, 연구기관까지 참여하면서 중국 오픈소스 AI 생태계의 참여층이 넓어지고 있음
 - 스타트업 문샷, Z.ai, 미니맥스는 R1 공개 이후 빠르게 오픈소스 커뮤니티에 참여했으며, Kimi K2, GLM-4.5, MiniMax M2는 AI-World의 오픈소스 모델 마일스톤 순위에 포함
 - 샤오홍슈, 빌리빌리, 샤오미, 메이투안 등 애플리케이션 중심 기업도 자체 모델을 학습·공개하기 시작
 - BAAI와 상하이 AI 연구소 같은 기관들은 FlagOpen, OpenDataLab, OpenCompass와 같은 프로젝트를 중심으로 툴체인, 평가 시스템, 데이터 플랫폼, 배포 인프라 구축을 추진

▶ 중국 오픈소스 AI 생태계는 인프라 기반 위에서 산업 실행 단계로 이동

○ 중국 오픈소스 AI 생태계의 핵심은 모델 수 증가가 아니라, 모델·배포·소프트웨어·하드웨어·거버넌스와 연결된 실행 가능한 시스템 구조가 형성되고 있다는 점에 있음
 - 모델은 오픈소스로 공개되어 확장될 수 있고, 배포는 재사용·확장 가능하며, 소프트웨어와 하드웨어는 연동·교체 가능한 구조로 발전
 - 거버넌스 기능도 시스템 내부에 내장되고 감사 가능해지면서, 단편적인 혁신이 아닌 실제 환경에서 작동 가능한 시스템으로 전환 

○ 이러한 생태계는 2017년 이후 축적된 컴퓨팅·데이터센터 인프라 투자 위에 형성
 - 중국의 오픈소스 정책은 기술 자립뿐 아니라 핵심 인프라의 안정적 운영과 통제 가능성을 중시해 왔음
 - 중국은 OpenAtom Foundation, OpenHarmony, OpenEuler 등을 통해 핵심 소프트웨어·운영체제 기반의 자립형 오픈소스 생태계를 구축해 왔으며, 일부 프로젝트는 공공 보안·전력망·에너지 시스템 등 핵심 인프라에 적용
 - 중국은 데이터센터와 컴퓨팅센터에 지속적으로 투자해 왔으며, ‘동부 데이터, 서부 컴퓨팅’ 전략을 중심으로 전국 통합 컴퓨팅 체계를 구축
 - 국가 계획은 8개의 주요 컴퓨팅 허브와 10개의 데이터 센터 클러스터를 설립하여 동부의 컴퓨팅 수요를 중서부 지역으로 유도
 - 2025년까지 중국의 총 컴퓨팅 용량은 약 1,590 EFLOPS에 달할 것으로 전망되며, AI 학습·배포에 특화된 지능형 컴퓨팅 용량은 매년 약 43% 성장할 것으로 제시
 - 데이터 센터의 평균 전력 사용 효율(PUE)은 약 1.46으로 낮아져 효율성이 향상되었으며, 대규모 AI 구현을 위한 견고한 하드웨어 기반을 제공

○ 중국은 AI+ 전략을 통해 AI 추진 방향을 대규모 배포와 산업·사회 전반의 통합으로 이동시키고 있음
 - 2017년 「차세대 AI 발전계획」이 방향 설정과 기반 구축에 초점을 두었다면, 2025년 8월 「AI+ 행동계획」은 대규모 배포와 심층 통합으로 초점을 전환
 ※ 중국은 AI+ 전략을 통해 6대 핵심 산업에 AI를 심층 통합하고, 차세대 지능형 단말기와 AI 에이전트 보급 확대를 제시

 - 멀티모달·에이전트·워크플로 확산은 산업 공정, 서비스 운영, 도메인별 업무흐름 등 산업 적용 방향과 연결됨

○ R1 공개 이후 중국 AI 개발은 산업 통합과 자율·통제 가능한 시스템 구축이라는 두 방향으로 가속
 - 첫째, AI가 산업 공정에 더 깊게 통합되며 챗봇 중심 활용을 넘어 에이전트와 워크플로로 이동

 - 둘째, 자율적이고 제어 가능한 AI 시스템이 더 강조되며, 유연한 학습 경로와 점점 더 지역화된 배포 전략에 반영됨

 - 이는 중국의 AI 발전 경로가 최고 성능 추구보다 오픈소스, 엔지니어링 효율성, 확장 가능한 배포를 중심으로 조직되고 있음을 보여줌 

○ DeepSeek 이후 중국 AI 생태계는 단편적인 모델 혁신이 아니라, 오픈소스와 인프라, 산업 적용이 결합된 실용적 경로로 이동
 - 자원 제약은 중국 AI 발전을 단순히 제한한 것이 아니라, 비용 효율성·국산 하드웨어·소형 모델·배포 최적화 중심의 경로를 강화하는 요인으로 작용
 - 중국 오픈소스 AI 생태계는 국내적으로는 오픈아톰 재단 등과 AI+ 실행계획의 산업 적용 전략에 의해 확장되고,대외적으로는 글로벌 AI 거버넌스 행동계획을 통해 국제 오픈소스 협력과 규범 형성 방향으로 연결되고 있음

□ 시사점  

○ 중국 오픈소스 AI 생태계는 오픈소스 정책 기반 위에서 정부 주도의 거버넌스, 대기업의 플랫폼·인프라 전략, 스타트업의 공개 모델 경쟁, 애플리케이션 기업의 도메인 활용, 연구기관의 도구·평가 인프라 구축이 결합되는 방향으로 전개되고 있음

○ 향후 오픈소스 AI의 경쟁력은 모델 자체의 성능뿐 아니라 해당 모델을 둘러싼 개발자 생태계와 산업 채택 속도에서 형성될 가능성이 큼

○ 실제 AI 활용에서 모델의 최대 성능뿐 아니라 경량화, 로컬 실행, 도메인 조정, 운영 지속성이 중요한 요소로 부상하고 있음

○ AI 분야의 자립형 오픈소스 전략은 모델·칩·프레임워크·클라우드·배포 인프라의 결합을 통해 구체화되고 있음