저렴한 중국산 AI 모델, Anthropic과 OpenAI의 수익 모델에 새로운 압박

생성형 AI에 대한 수조 달러 규모의 투자 논리는 보다 즉각적인 상업적 시험대에 올라 있다. 즉, 프리미엄 모델 제공업체들이 더 낮은 비용의 중국산 AI 모델이 점점 더 저렴한 가격에 제공할 수 있는 기능에 대해 계속 요금을 받을 수 있느냐는 문제다.

Tekedia의 한 보고서는 이를 고급 기반 모델과 관련 서비스를 판매하는 가장 잘 알려진 기업들 중 두 곳인 Anthropic과 OpenAI의 수익에 대한 위협으로 제시했다. 그러나 उपलब्ध한 원문 자료는 특정 모델 출시를 지목하지도, 검증된 가격 비교를 공개하지도, 두 회사 중 어느 쪽의 매출 감소를 확인해 보고하지도 않는다. 다만 핵심적인 시장 우려를 보여준다. 더 저렴한 경쟁자들이 모델 제공업체들로 하여금 희소한 지능에 대한 접근성보다는 비용, 신뢰성, 통합, 유통 측면에서 경쟁하게 만들 수 있다는 점이다.

왜 낮은 가격이 지금 중요한가

이 압박이 큰 이유는 AI 제품의 경제성이 추론 비용(inference cost)과 밀접하게 연결되어 있기 때문이다. 추론 비용이란 사용자가나 애플리케이션이 요청을 보낼 때마다 모델을 실행하는 데 드는 비용을 뜻한다. AI 에이전트, 코딩 도구, 고객 서비스 시스템, 내부 기업용 애플리케이션을 만드는 개발자들에게는 모델의 품질도 중요하지만, 지연 시간, 사용 한도, 수백만 건의 요청을 처리하는 비용도 중요하다.

더 저렴한 모델이 특정 워크플로에서 충분히 잘 작동한다면, 구매자들은 가장 비싼 시스템을 사용할 이유가 줄어들 수 있다. 그렇다고 해서 저비용 모델이 모든 벤치마크에서 Anthropic이나 OpenAI를 능가해야 한다는 뜻은 아니다. 요약, 분류, 추출, 기본 코딩, 일상적인 고객 지원 같은 목표 작업에서 충분히 괜찮기만 하면 된다.

이로 인해 기존 제공업체들은 어려운 가격 책정 문제에 직면한다. 가격을 낮추면 사용량이 늘어날 수 있지만, 요청당 수익은 줄어들 수 있다. 높은 가격을 유지하면 마진은 보호되지만 고객이 대안을 시험하게 만들 수 있다. 특히 파일럿 단계에서 운영 단계로 넘어가는 스타트업과 기업에서는 모델 비용이 상당한 운영비용이 될 수 있어 이 긴장이 더 크다.

이용 가능한 증거가 보여주는 것과 보여주지 않는 것

이 기사에 대한 증거는 Google News 검색 쿼리를 통해 배포된 Tekedia의 한 항목에 한정된다. 제목과 요약은 저렴한 중국산 모델을 Anthropic과 OpenAI의 수익에 대한 도전으로 지목하지만, 전체 기사 본문은 उपलब्ध하지 않다. 따라서 여기서는 특정 벤치마크 점수, 고객 전환, 매출 손실, 도입 수치 등을 이 보고서에 귀속시킬 근거가 없다.

이 구분은 중요하다. 모델 효율성, 성능, 상업적 확산에 대한 주장은 종종 시장 기대를 형성하려는 벤더, 투자자, 기업에서 나온다. 또한 낮은 가격이 곧 더 낮은 총비용을 의미하는 것도 아니다. 구매자는 호스팅, 엔지니어링 작업, 모니터링, 데이터 통제, 지원, 그리고 신뢰할 수 없는 출력을 수정하는 비용을 고려해야 한다.

따라서 이용 가능한 증거는 확인된 재무 사건이라기보다 시장 위험 평가를 뒷받침한다. 중국산 AI 모델이 가격과 모델 접근을 둘러싼 경쟁 구도에 포함되어 있음을 보여준다. 그러나 Anthropic이나 OpenAI가 이미 측정 가능한 매출 감소를 겪었거나, 어느 한 경쟁자가 대규모로 이들을 대체했다는 것을 입증하지는 않는다.

Anthropic과 OpenAI에 대한 경쟁 압박

Anthropic과 OpenAI는 개발자 API, 소비자 제품, 기업 고객 관계를 통해 고성능 모델에 대한 접근을 중심으로 사업을 구축해 왔다. 이들의 상업적 우위는 단순한 원시 성능에만 국한되지 않는다. 제품 사용성, 안전 제어, 문서화, 가동 시간, 생태계 통합, 고객 지원도 포함될 수 있다.

이러한 강점은 규제가 엄격하거나 복잡한 배포 환경에서 이들을 보호할 수 있다. 법률 검토, 소프트웨어 개발, 민감한 내부 데이터용 AI 시스템을 선택하는 기업은 가장 낮은 토큰 가격보다 예측 가능한 동작과 관리 통제를 더 중시할 수 있다. 모델을 바꾸는 데는 프롬프트 수정, 평가 작업, 보안 검토, 직원 재교육이 필요할 수도 있다.

하지만 가격은 여전히 전략적으로 중요하다. 중국산 AI 모델이 더 낮은 비용으로 적절한 성능을 제공한다면, 개발자들은 실험과 생산 계획 단계에서 신뢰할 수 있는 대안을 갖게 된다. 그러면 고객이 가장 까다로운 워크로드에는 계속 프리미엄 제공업체를 사용하더라도 그들의 가격 결정력은 약해질 수 있다.

OpenAI와 Anthropic의 대응은 더 공격적인 가격 정책, 더 작은 특화 모델, 모델 간 라우팅 개선, 또는 모델 접근 자체보다 완전한 제품에 더 큰 비중을 두는 방향일 수 있다. 다만 원문은 어느 회사의 구체적인 대응도 보도하지 않았으므로, 이는 발표된 전략이 아니라 가능한 경쟁 경로로 보아야 한다.

빌더와 기업 구매자에게 의미하는 것

AI 빌더들은 모델 선택을 일회성 선택이 아니라 포트폴리오 결정으로 다뤄야 한다. 고급 모델은 복잡한 추론이나 어려운 코딩 작업에 여전히 적합할 수 있고, 더 저렴한 모델은 반복적인 요청을 처리할 수 있다. 여러 모델에 작업을 분산하면 비용을 줄일 수 있지만, 평가와 운영의 복잡성이 늘어난다.

팀은 실제 수행하는 작업 기준으로 모델을 비교해야 하며, 실패율, 응답 일관성, 지연 시간, 도구 사용, 거부 행동 등을 포함해야 한다. 공개 벤치마크 결과는 초기 선별에 도움이 되지만, 기업의 자체 프롬프트와 데이터로 진행하는 테스트를 대체할 수는 없다. 비용 추정에는 재시도, 인간 검토, 저장, 관찰 가능성, 백업 시스템이 포함되어야 한다.

기업 구매자들은 모델의 호스팅 위치, 어떤 데이터 보호 조치가 제공되는지, 업데이트는 어떻게 관리되는지, 그리고 제공업체가 의미 있는 계약상 약속을 제공하는지도 살펴봐야 한다. 배포 시 추가적인 규정 준수나 보안 의무가 생긴다면 낮은 API 가격의 매력은 줄어들 수 있다.

더 넓은 시장적 함의는 모델 제공업체들이 점점 운영 경제성을 두고 경쟁하게 될 수 있다는 점이다. 추론 비용을 낮추면서 신뢰성을 유지할 수 있는 기업은 점유율을 얻을 수 있고, 브랜드 인지도나 헤드라인급 성능에 주로 의존하는 기업은 더 넓은 공급자 집단의 압박을 받을 수 있다.

앞으로 주목할 점

가장 분명한 후속 신호는 명시된 중국 모델 제공업체들의 검증된 가격 및 성능 데이터일 것이다. 이상적으로는 벤더 자료만이 아니라 독립 개발자들이 테스트한 것이어야 한다. 또한 관심이나 다운로드에 대한 일반적 주장보다, 인지도가 있는 기업의 실제 생산 사용 증거가 더 의미 있다.

투자자와 업계 관찰자들은 Anthropic과 OpenAI의 가격 변경, 더 작거나 효율적인 모델 출시, API 사용량이나 고객 계획의 변화에 주목해야 한다. 기업 조달 데이터, 모델 라우팅 도구, 독립적인 비용 벤치마크는 구매자들이 실제로 프리미엄 제공업체에서 워크로드를 옮기고 있는지 보여줄 수 있다.

또한 오픈 모델이나 자체 호스팅 모델에서의 경쟁과 관리형 클라우드 서비스에서의 경쟁을 구분하는 것도 중요하다. 두 시장은 비용, 지원 요구사항, 보안상의 절충점이 다르다.

Creati.ai 관점

이 이야기에서 가장 중요한 점은 더 저렴한 모델이 단일 벤치마크에서 이기는지 여부가 아니다. 중요한 것은 수용 가능한 AI 성능이 충분히 풍부해져 고객이 프리미엄 접근을 어떻게 평가하는지가 바뀌는가이다. 구매자들이 여러 제공업체에서 신뢰할 수 있는 결과를 얻을 수 있다면, 가격 결정력은 더 큰 모델이 아니라 더 나은 워크플로, 거버넌스, 통합, 서비스를 제공하는 제품 쪽으로 이동할 것이다.

현재로서는 증거가 Anthropic이나 OpenAI의 수익이 이미 감소하고 있다고 단정하기보다 신중함을 뒷받침한다. 그러나 경쟁 문제는 실제다. 모델 비용이 내려갈수록 AI 기업들은 프리미엄 가격이 생산 환경에서 측정 가능한 가치를 반영한다는 점을 입증해야 할 것이다.