당신이 Claude에게 지불한 구독료 중에서 광모듈 회사가 얼마나 가져갈 수 있을까?

TL;DR

· Claude 20달러 구독 비용 분할 차트: AI 월 구독료를 모델 회사, 클라우드 컴퓨팅, GPU, 전력 및 공급망으로 나누어 보여줍니다.

· AI 구독에는 지속적인 추론 비용이 발생하므로, 기존 SaaS의 높은 마진 가정을 그대로 적용할 수 없습니다.

· 관련 종목: OpenAI, Anthropic, 마이크로소프트, 아마존, 구글, 엔비디아(NVDA), TSMC, SK하이닉스, 삼성, 마이크론, 데이터센터 및 전력 체인.

미국 기준 Claude Pro 월 구독료 약 20달러를 모델 회사, 클라우드 컴퓨팅, GPU 감가상각, 전력 및 공급망으로 분할한 추정 차트가 투자자들 사이에서 AI 애플리케이션 수익을 어떻게 평가해야 할지에 대한 논의를 다시 불러일으키고 있습니다.

이 차트는 Anthropic, 아마존 웹 서비스 또는 엔비디아의 공식 수익 분배 데이터가 아니며, 어떤 회사의 실제 장부로 간주될 수도 없습니다. 그 가치는 더 근본적인 질문을 제기하는 데 있습니다: 사용자가 AI 애플리케이션에 지불하는 구독료 중 얼마나 많은 부분이 기존 SaaS처럼 소프트웨어 마진으로 축적될 수 있을까요?

기존 SaaS의 가치 평가 상상력은 명확합니다. 소프트웨어가 개발된 후 추가 계정을 판매할 때 추가 비용은 일반적으로 높지 않으며, 성숙한 순수 소프트웨어 회사의 총 마진은 종종 70% 또는 80% 이상입니다. 투자자들이 높은 배수를 기꺼이 부여하는 이유는 수익 규모가 확대됨에 따라 이익률이 더욱 상승할 가능성이 있기 때문입니다.

AI 애플리케이션의 문제는 사용자가 질문을 하거나, 코드를 작성하거나, 파일을 분석하거나, 에이전트를 호출할 때마다 그 뒤에서 GPU 시간, 전력, 메모리 대역폭 및 클라우드 리소스를 소비한다는 점입니다. 표면적으로는 고정된 월 요금이지만, 그 이면에는 사용량에 따라 변동하는 비용 체인이 존재합니다. 가벼운 사용자의 경우 높은 마진을 기록할 수 있지만, 헤비 유저가 가용 한도 또는 관련 도구 패키지 내에서 연속적으로 작업을 실행하면 비용이 급격히 상승할 수 있습니다.

따라서 20달러 분할 차트가 도전하는 것은 특정 회사가 정확히 몇 달러를 가져가는지가 아니라, "AI 애플리케이션 수익이 본질적으로 SaaS 수익과 동일한가"라는 점입니다. AI 회사가 높은 배수를 정당화하려면 사용자가 기꺼이 비용을 지불한다는 것만 증명해서는 안 되며, 사용량 가중 평균 마진이 지속적으로 개선될 수 있음을 증명해야 합니다.

구독료 뒤에는 추론 비용 체인이 있다

AI 구독과 일반 소프트웨어 구독의 가장 큰 차이점은 "한 번 사용"의 한계 비용이 더 이상 0에 가깝지 않다는 점입니다.

기존 SaaS에서 팀이 추가 계정을 개설하면 서비스 제공업체에도 서버, 고객 지원 및 대역폭 비용이 발생하지만, 이러한 비용은 일반적으로 매 클릭마다 선형적으로 증가하지 않습니다. 진정으로 비용이 많이 드는 것은 초기 연구개발, 영업 및 고객 확보입니다. 제품이 규모화된 후에는 추가 수익의 상당 부분이 유지될 수 있습니다.

대규모 모델 제품은 다양합니다. 사용자가 질문을 입력하면 모델이 답변을 생성하는데, 이 과정을 추론이라고 하며, 이는 모델이 사용자에게 호출될 때 실제로 수행되는 계산을 의미합니다. 토큰은 모델이 텍스트를 읽고 쓰는 기본 측정 단위입니다. 사용자가 더 많이 질문하고, 컨텍스트가 길어지며, 생성되는 콘텐츠가 복잡해질수록 더 많은 토큰과 연산 능력이 소모됩니다.

이로 인해 고정 구독과 변동 비용 간의 모순이 발생합니다. Claude Pro의 미국 월간 구독료는 약 20달러이며, 가격은 지역, 세금 및 Anthropic의 조정에 영향을 받을 수 있습니다. 사용자는 고정된 가격을 보지만, 모델 회사는 매우 다양한 사용 행태에 직면합니다. 어떤 사람은 단순히 이메일을 작성하거나 정보를 검색하는 반면, 다른 사람은 긴 문서를 처리하거나 코드 작업을 실행하거나 더 복잡한 자동화 프로세스를 호출합니다.

시장에 유포되는 분할 다이어그램은 이를 구체화하려고 시도합니다: 20달러 중 일부는 모델 회사에, 일부는 클라우드 및 연산 능력 제공업체에 지급됩니다. 연산 능력 비용에는 전력, 운영 유지보수, GPU 감가상각이 포함됩니다. GPU 조달은 다시 엔비디아, TSMC, HBM(고대역폭 메모리) 공급업체, 광 모듈, ODM 및 전력 관련 기업으로 흘러갑니다.

여기서 'GPU 감가상각'은 고가의 GPU가 한 번에 비용을 완전히 처리하는 것이 아니라, 사용 기간, 사용 강도 또는 회계 기준에 따라 AI 서비스에 점진적으로 분산된다는 의미로 이해할 수 있습니다. 실제 배분은 요금제 한도, 경·중 사용자 비율, 클라우드 업체 내부 정산 가격, 예약 연산 능력 할인, GPU 활용률 및 감가상각 기간의 영향을 받습니다. 평균 비용은 한계 비용과 같지 않습니다.

투자자가 진정으로 주목해야 할 것은 방향입니다: AI 애플리케이션 회사는 단순히 매출 성장만 공개해서는 안 되며, 매출 성장 뒤에 연산 능력 비용이 동시에 증가하는지도 답해야 합니다. 사용량 증가가 모델 효율성 향상보다 빠르다면, 구독 수익이 높을수록 마진 압박이 더 뚜렷해질 수 있습니다. 효율성 개선이 충분히 빠를 때만 모델 회사가 소프트웨어 회사의 이익 구조에 다시 접근할 기회를 가질 수 있습니다.

인프라가 먼저 더 확실한 수익을 확보

현재 단계에서 AI 사용량 증가는 애플리케이션 계층에 모두 축적되지 않고, 더 직접적으로 인프라로 흘러갑니다.

사용자가 Claude, ChatGPT, Gemini 또는 기업 내부 에이전트에서 모델을 사용하든, 추론은 결국 연산 능력, 전력, 메모리 및 네트워크에 의존합니다. 애플리케이션 계층에서는 제품 교체가 발생할 수 있지만, 하위 리소스 소비는 더 경직적입니다. AI 사용량이 계속 증가하는 한, 클라우드 자본 지출, GPU 조달, HBM 수요 및 데이터 센터 전력 소비가 촉진될 것입니다.

이것이 엔비디아, TSMC, SK하이닉스 등 인프라 체인이 시장에서 지속적으로 재평가되는 이유입니다. 엔비디아의 최근 전체 총이익률은 높은 수준을 유지하고 있으며, FY2026 회계연도 GAAP 및 비GAAP 총이익률은 각각 약 71.1% 및 71.3%이며, 이후 분기 가이던스도 높은 수준을 유지하고 있습니다. 특정 분기는 특정 비용의 변동에 영향을 받을 수 있으며, 공개 재무제표가 항상 AI 데이터 센터의 실제 총이익 구조를 직접 분리해낼 수는 없지만, 희소한 인프라가 가격 결정력을 가지고 있다는 점은 이미 실적에 반영되어 있습니다.

HBM은 이 체인에서 가장 전형적인 요소입니다. 이는 일반 메모리가 아니라 AI 가속기에서 높은 처리량의 연산을 지원하는 핵심 부품입니다. 모델 규모, 컨텍스트 길이, 동시 추론 수요가 증가하면서 AI 칩의 고대역폭 메모리 의존도가 더욱 강해졌습니다. 공급망 추정에 따르면, HBM이 차세대 AI 칩 비용에서 차지하는 비중이 증가했으며, 이는 SK하이닉스, 삼성, 마이크론이 AI 사이클에서 재평가되는 중요한 이유입니다.

전력과 데이터센터도 배경 비용에서 투자 메인 라인으로 전환되었습니다. 단일 일반 텍스트 쿼리의 에너지 소비는 과장되지 않을 수 있지만, 복잡한 에이전트, 긴 컨텍스트, 코드 생성, 다중 작업은 연산량을 증폭시킵니다. 클라우드 제공업체와 데이터센터 운영자에게 중요한 것은 특정 쿼리의 전력 소비가 아니라, 대량의 추론 요청이 지속적으로 발생할 때 클러스터 활용률, 전기 요금, 냉각, 서버실 용량, 전력망 접근 능력이 모두 비용과 병목 현상으로 작용한다는 점입니다.

인프라 측면의 장점은 실적 검증이 더 빠르다는 점입니다. 클라우드 제공업체의 AI 자본 지출은 이미 발생했으며, 엔비디아의 수익과 이익률은 재무제표에 반영되고, HBM 제조업체의 주문과 가격도 빠르게 손익계산서에 포함됩니다. 모델 애플리케이션 계층에서 거래되는 것은 더 미래의 기대치입니다: 구독 전환율, 기업 침투율, API 수익, 미래 비용 곡선 하락에 따른 이익 실현입니다.

효율성 개선은 여전히 강세론의 핵심 근거

소프트웨어 투자자와 AI 강세론자도 반박이 없는 것은 아닙니다. 효율성 주의자들의 핵심 주장은 오늘날의 추론 비용이 높은 것은 초기 단계 현상에 불과하며, 모델 최적화, 캐싱, 소형 모델, 자체 개발 칩, 더 높은 클러스터 활용률이 지속적으로 단위 비용을 낮출 것이라는 점입니다. 비용 하락이 충분히 빠르다면, AI 애플리케이션은 여전히 높은 마진의 소프트웨어 논리로 돌아갈 수 있습니다.

이 반박에는 현실적 근거가 있습니다. 일부 주요 모델은 동등하거나 더 높은 성능에서 단위 가격이 이미 크게 하락했습니다. OpenAI는 GPT-4o mini가 초기 text-davinci-003 대비 토큰당 비용이 99% 감소했다고 공개한 바 있습니다. 각 회사의 속도는 완전히 일치하지 않으며, Anthropic은 최근 동일 가격 업그레이드와 모델 계층화를 더 많이 보여주지만, 업계 방향은 여전히 더 낮은 비용으로 더 강력한 성능을 제공하는 것입니다.

모델 회사는 단위 경제성을 개선하기 위한 여러 방법을 가지고 있습니다. 간단한 작업은 소형 모델에 맡기고, 일반적인 요청은 캐시 재사용을 통해 처리하며, 긴 컨텍스트와 복잡한 작업은 더 강력한 모델에 할당합니다. 클라우드 제공업체는 자체 개발 칩과 클러스터 스케줄링을 통해 단위 연산 비용을 낮춥니다. Google은 TPU를, Microsoft는 추론용 Maia를 출시했으며, Amazon도 Trainium과 Inferentia를 추진 중입니다.

기술 발전만 놓고 보면 AI 애플리케이션의 수익성에는 분명 개선 여지가 있다. 더 저렴한 추론, 더 나은 모델 라우팅, 더 강력한 압축 능력 덕분에 동일한 20달러 구독료로 더 많은 사용량을 제공할 수 있다. 가벼운 사용자, 고가의 기업용 요금제, API 계층별 가격 책정, 더 엄격한 사용량 제한도 전체적인 단위 경제성을 개선할 수 있다.

문제는 비용 절감이 유일한 변수가 아니라는 점이다. AI 애플리케이션은 단순한 채팅에서 더 무거운 워크로드로 이동하고 있다. 과거 사용자는 단순히 질문과 답변, 텍스트 교정 정도를 요구했지만, 이제는 코드 에이전트, 긴 문서 처리, 비디오 및 멀티모달 생성, 기업 자동화 프로세스 등에 대한 수요가 점점 더 많아지고 있다. 이러한 시나리오는 가치가 더 높지만, 소비량도 더 크다. 모델이 더 유용할수록 사용자는 더 복잡하고 시간이 오래 걸리는 작업을 모델에 맡길 가능성이 높아진다.

이로 인해 논쟁은 더 구체화된다: 추론 비용의 하락 속도가 사용량과 작업 복잡성의 증가를 앞지를 수 있을까? 단위 비용이 빠르게 하락하더라도 사용자 평균 소비량이 더 빠르게 증가하면, 모델 회사의 가중 평균 마진율은 여전히 압박을 받을 것이다. 반대로, 모델 라우팅, 캐싱, 자체 개발 칩, 가격 계층화가 충분히 효과적이라면, AI 구독은 오늘날의 높은 비용 구조에서 점차 벗어날 수 있을 것이다.

구독자 수는 마진율이 아니다

20달러 분할 도표는 최종 단계로 이해되어서는 안 된다. 이는 현재 단계의 가치 평가에 대한 경고와 같다: 시장이 모델 회사의 마진율 데이터를 충분히 투명하게 볼 수 없을 때, 투자자는 'AI 애플리케이션은 자연스럽게 SaaS와 같다'는 가정에 할인율을 적용해야 한다.

OpenAI, Anthropic과 같은 비상장 모델 회사의 경우, 외부 투자자가 완전한 회계 장부를 보기 어렵다. 자금 조달 자료, 파트너사 공개 정보, 클라우드 비용 구조, 기업용 요금제 가격, API 수익 비중, 사용량 제한 등이 판단의 단서가 될 것이다. 진정으로 가치 있는 데이터는 유료 사용자 수가 아니라, 가벼운 사용자와 헤비 유저의 비율, 기업 고객이 높은 사용 강도에 더 높은 가격을 지불할 의향이 있는지, 클라우드 결제 비용이 하락하는지, 단위 추론 비용 하락이 회사의 마진율에 반영되는지 등이다.

상장 기업 체인에서의 검증은 실적 보고서에서 더 빠르게 나타날 것이다. 엔비디아의 전체 마진율과 데이터센터 수익 성장률, TSMC의 첨단 공정 및 패키징 수요, HBM 업체의 가격과 수익성, 클라우드 업체의 자본 지출 강도는 AI 사용량이 여전히 인프라 측면으로 전달되고 있는지를 계속 반영할 것이다. 이러한 지표가 강세를 유지하는 반면, 모델 애플리케이션 계층에서 마진율 개선 증거가 부족하다면, 시장은 인프라에 더 확실한 가치 평가 프리미엄을 계속 부여할 것이다.

결국, 모델 회사가 더 높은 가치 평가 기준을 되찾기 위해서는 사용자가 20달러를 기꺼이 지불한다는 것뿐만 아니라, 이러한 구독료가 헤비 사용 후에도 충분한 마진을 남길 수 있다는 것을 증명해야 한다. 다음 가격 책정 논쟁은 ARR의 헤드라인 숫자가 아니라, 추론 비용, 요금제 제한, 기업 지불 가격이 동시에 성공할 수 있는지에 있을 가능성이 높다.

BlockBeats 공식 커뮤니티에 참여하세요:

Telegram 구독 그룹：https://t.me/theblockbeats

Telegram 토론 그룹：https://t.me/BlockBeats_App

Twitter 공식 계정：https://twitter.com/BlockBeatsAsia