TL;DR
· Kimi K3 출시 후, AI 관련 주식이 지난주 금요일 하락하며 시장이 DeepSeek R1에 대한 연산 비용 우려를 재현했습니다.
· 미국 클라우드 대기업들의 올해 약 7000억 달러 규모 AI 인프라 계획은 오픈 웨이트 모델이 기업 가치에 충격을 주는 핵심 수치입니다.
· 오픈 모델은 폐쇄형 모델의 가격을 낮출 수 있지만, AI 사용량을 확대할 수도 있으며, 이는 연산 수요가 정점에 도달했다는 의미는 아닙니다.

도이치뱅크는 일반 투자자를 대상으로 한 보고서에서 Moonshot AI의 Kimi K3 출시 이후 AI 주식이 지난주 금요일 'DeepSeek 순간'을 재현했다고 밝혔습니다. 시장은 중국의 오픈 웨이트 모델이 더 낮은 비용으로 최첨단 폐쇄형 모델에 근접할 수 있다면, 미국 기술 대기업들이 수천억 달러를 AI 인프라에 투자하는 것이 여전히 합리적인지 다시 묻기 시작했습니다.

이는 순수한 기술 논쟁이 아닙니다. 보고서에 따르면 지난주 금요일 '빅7' 기술주는 약 1.8% 하락했고, 필라델피아 반도체 지수는 약 1.6% 하락하여 주간 누적 하락폭이 10%를 넘었습니다. Alphabet 산하 Google, Microsoft, Amazon AWS, Meta 및 Oracle은 올해 AI 역량 구축에 약 7000억 달러를 투자할 것으로 예상되며, 이는 전년 대비 약 70% 증가한 수치입니다.

투자자들이 긴장하는 이유는 간단합니다. AI 강세장은 지난 몇 년간 더 강력한 모델이 더 많은 칩, 더 많은 데이터 센터, 더 많은 전력 및 더 높은 자본 지출을 필요로 한다는 가정 위에 구축되었습니다. 그러나 DeepSeek R1 이후 Kimi K3는 저렴하고 가벼우며 다운로드 및 개조 가능한 모델이 폐쇄형 대기업을 추격하고 있음을 시장에 다시 상기시켰습니다.

모델 하나 출시로 엔비디아와 클라우드 업체가 타격을 입는 이유는?

DeepSeek R1이 2025년 1월에 촉발한 충격은 여전히 시장의 기억 속에 남아 있습니다. 보고서는 당시 시장이 중국 팀이 구형 칩과 낮은 훈련 비용으로 '충분히 좋은' 모델을 만들었다는 우려로 인해 엔비디아 시가총액이 하루 만에 약 6000억 달러 증발했다고 회상했습니다.

Kimi K3가 제기하는 문제도 비슷합니다. 오픈 웨이트 모델이 많은 애플리케이션 시나리오에서 사용 가능한 수준에 도달한다면, 기업이 계속해서 가장 비싼 폐쇄형 모델에 비용을 지불해야 할까요? 클라우드 업체가 현재 속도로 데이터 센터를 계속 구축해야 할까요? 칩 수요가 '많을수록 좋다'에서 '더 저렴하고, 더 효율적이며, 더 분산된' 방향으로 바뀔까요?

여기서 핵심은 Kimi K3가 이미 OpenAI나 Anthropic을 완전히 능가했는지 여부가 아니라, AI 비즈니스 모델의 일부 기본 가정을 흔들기에 충분하다는 점입니다. '충분히 좋은' 모델이 점점 더 저렴해지면, 폐쇄형 모델 업체의 가격 결정력이 압축되고, 클라우드 업체와 칩 회사의 성장 스토리도 더 많은 검증을 받아야 합니다.

이것이 바로 한 번의 모델 발표가 주식 시장으로 전이되는 이유이기도 합니다. 기술 7대 기업 중 다수는 AI 모델 및 애플리케이션 제공자이자 세계 최대 데이터센터 구매자이기도 합니다. 반도체 지수는 GPU, 네트워크 장비, AI 서버 수요에 대한 시장의 기대 변화를 직접적으로 반영합니다.

평가에 진정한 충격을 주는 것은 '오픈소스'라는 단어가 아니다

시장에서 '오픈소스'라고 불리는 많은 AI 모델은 사실 더 정확히 말하면 '오픈 웨이트(Open Weight)'입니다.

폐쇄형 모델은 '플러그 앤 플레이' 서비스에 가장 가깝습니다. OpenAI의 GPT, Anthropic의 Claude 등 플래그십 모델은 일반적으로 개발자가 모델 가중치, 훈련 방법, 가격, 업데이트 및 보안 제한을 통제하며, 사용자는 애플리케이션, API 또는 클라우드 서비스를 통해 호출합니다. 장점은 편리하고 안정적이며 통합성이 높다는 점입니다. 단점은 사용자가 하위 수준의 통제권을 확보하기 어렵고 서비스 제공업체의 가격과 규칙을 수용해야 한다는 점입니다.

오픈 웨이트 모델은 훈련된 파라미터를 공개하여 사용자가 다운로드, 배포, 미세 조정, 심지어 기술적으로 일부 보안 설정을 수정할 수 있도록 합니다. DeepSeek R1, Meta의 Llama, Mistral의 여러 모델이 이 범주에 더 가깝습니다. 이들은 완전한 훈련 데이터, 훈련 코드 및 재현 세부 사항을 반드시 공개하지는 않으므로 엄격한 의미의 오픈소스 시스템과 동일하지 않습니다.

이러한 차이는 기업 고객에게 중요합니다. 오픈 웨이트 모델은 더 강력한 통제력을 의미합니다. 기업은 자체 서버에서 모델을 실행하여 외부 API에 대한 의존도를 줄일 수 있습니다. 또한 업종, 언어 또는 작업에 맞게 맞춤 설정할 수 있습니다. 금융, 의료, 정부 등 데이터를 로컬 환경 밖으로 자유롭게 반출할 수 없는 기관의 경우 로컬 배포가 더 매력적입니다.

하지만 '다운로드 가능'이 '무료'를 의미하는 것은 아닙니다. 기업은 여전히 컴퓨팅 파워, 전력, 엔지니어링, 모니터링, 유지보수 및 보안 비용을 지불해야 합니다. 오픈 모델이 반드시 폐쇄형 플래그십 모델과 동등한 범용 성능, 제품 경험 및 서비스 약속을 갖추고 있는 것도 아닙니다. 즉, 그 충격은 하룻밤 사이에 폐쇄형 모델을 대체하는 것이 아니라 고객에게 또 다른 선택지를 제공하는 데 있습니다.

AI 평가가 도전받는 네 가지 지점

Kimi K3와 같은 모델이 가장 먼저 충격을 주는 것은 '희소성'입니다.

강력한 모델이 더 많은 개발자에 의해 복제, 수정 및 호스팅될 수 있다면, AI 모델 자체는 소수 기업만이 독점하는 고마진 제품이 아닌 기본 소프트웨어 인프라처럼 점점 더 보편화될 수 있습니다. 폐쇄형 모델 제공업체는 여전히 제품, 데이터, 보안 및 생태계를 통해 수익을 창출할 수 있지만, '모델 성능 우위'만으로 높은 가격을 받는 것은 더욱 어려워질 것입니다.

두 번째로 충격을 받는 것은 가격 결정권입니다. AI 에이전트와 기업 직원이 더 많은 토큰을 사용함에 따라 모델 호출 비용은 파일럿 단계의 소액 청구서에서 기업 예산의 큰 항목으로 변화하고 있습니다. AI 보조금이 줄어들고 선도 모델 제공업체가 토큰당 요금을 더 명확하게 부과하기 시작하면, 비용에 민감한 고객은 오픈 모델을 더 기꺼이 시도하게 될 것입니다.

세 번째는 자본 지출입니다. 현재 미국 기술 대기업들의 AI 투자 규모는 이미 매우 큽니다. 구글, 마이크로소프트, AWS, 메타, 오라클이 올해 약 7000억 달러 규모의 AI 역량 구축 계획을 세운 것은 시장이 가장 주목하는 숫자 중 하나입니다. 기업이 더 작고, 저렴하며, 특화된 모델로 대부분의 작업을 해결할 수 있다면, 투자자들은 당연히 묻게 됩니다: 칩, 네트워크, 전력, 데이터센터에 대한 지출 증가가 너무 빠른 것은 아닌가?

네 번째는 미국의 기술적 해자(Moat)입니다. 중국의 오픈 웨이트(Open Weight) 모델이 지속적으로 출시되면서, 미국의 AI 선도적 지위가 '흔들리지 않는다'는 시장의 인식이 약화되고 있습니다. 보고서에 따르면, 올해 OpenRouter 개발자 플랫폼에서 중국 모델이 처리한 토큰 수가 이미 미국 모델을 추월했습니다. 이는 미국의 AI 우위가 사라졌다는 의미는 아니지만, 개발자 사용량과 생태계 확산이 더 분산되고 있음을 의미합니다.

이러한 충격들은 공통된 결과를 가리킵니다: 폐쇄형 모델은 여전히 최첨단 성능의 기준이지만, '폐쇄형 모델이 모든 것을 독점한다'는 서사는 약해지고 있습니다.

오픈 모델은 AI에 악재만이 아니라, 수요를 확대할 수도 있다

시장은 이러한 사건을 '저렴한 모델이 칩 수요를 타격한다'는 식으로 이해하기 쉽습니다. 하지만 보고서는 더 균형 잡힌 판단을 내립니다: 강력한 오픈 모델은 확실히 폐쇄형 모델의 비즈니스 모델과 반도체 수요 전망에 도전장을 내밀지만, AI 도입, 애플리케이션 개발, 기업 맞춤화에는 오히려 긍정적일 수 있습니다.

그 이유는 가격 하락이 일반적으로 사용량을 증가시키기 때문입니다. 더 저렴하고 효율적인 모델은 더 많은 기업이 AI를 고객 서비스, 사무, 연구개발, 광고, 코드, 데이터 분석, 내부 프로세스에 도입하도록 만들 것입니다. 과거에는 API 비용이 너무 높거나, 데이터를 외부로 보낼 수 없거나, 모델을 통제할 수 없다고 생각했던 기업들도 오픈 웨이트 모델 덕분에 AI 배포를 시작할 수 있습니다.

이는 '제본스의 역설(Jevons Paradox)'의 논리에 가깝습니다: 기술 효율성이 향상되면 단위 비용이 하락하고, 결과적으로 최종 소비량은 오히려 증가합니다. 증기 기관의 효율성 향상은 석탄 수요를 줄이지 않고, 오히려 증기 동력의 사용을 확대했습니다. AI도 비슷한 상황이 발생할 수 있습니다——단일 추론은 더 저렴해지지만, 호출 횟수, 애플리케이션 시나리오, 단말기 수는 크게 증가합니다.

따라서 연산력 수요가 반드시 정점에 도달한 것은 아니며, 단지 수요 구조가 변화할 수 있습니다. 소수의 최첨단 폐쇄형 모델은 계속해서 가장 강력한 훈련 및 추론 클러스터를 필요로 하고, 다수의 오픈 모델은 클라우드, 로컬 서버, 스마트폰, 자동차 및 기타 엣지 디바이스에 배포될 가능성이 높습니다. 칩 수요도 가장 강력한 GPU 하나만 쫓는 데서 벗어나, 추론 효율성, 네트워크, 전력, 저장 장치, 엣지 컴퓨팅 성능을 더 중시하는 방향으로 바뀔 수 있습니다.

애플리케이션 기업 입장에서는 오픈 모델이 오히려 입력 비용을 낮출 수 있습니다. 기업은 더 저렴한 모델로 수직적 시나리오를 처리할 수 있고, 소프트웨어 기업은 모델 위에서 더 구체적인 제품을 개발할 수 있으며, 클라우드 제공업체는 오픈 모델을 호스팅하고 추론 서비스와 기업 지원을 제공함으로써 계속 수익을 창출할 수 있습니다.

폐쇄형과 개방형은 공존하겠지만, 규제 책임은 아직 명확하지 않다

더 가능성 있는 시나리오는 오픈소스가 폐쇄형을 이기거나, 폐쇄형이 다시 독점하는 것이 아니라, 둘이 장기적으로 공존하는 것이다.

폐쇄형 모델은 최첨단 성능, 산업 수준의 품질, 안전 평가 및 심층 제품 통합 역할을 계속 수행할 것이다. 개방형 가중치 모델은 폐쇄형 업체로 하여금 가격을 통제하고 유연성을 높이며, 경쟁을 '누구의 모델 가중치가 더 강한가'에서 데이터, 제품 설계, 메모리 능력, 안전, 효율성 및 생태계 서비스로 전환하도록 강제할 것이다.

모델 회사가 가중치를 개방하는 것이 반드시 자선 활동은 아니다. 개발자는 호스팅 API, 프리미엄 구독, 더 빠른 추론, 엔터프라이즈 지원, 미세 조정, 보안 서비스 및 서비스 수준 계약을 통해 수익을 창출할 수 있다. 클라우드 서비스 제공업체는 개방형 모델을 실행하는 데 필요한 컴퓨팅 파워를 판매할 수 있다. 소비자 플랫폼은 모델 기능을 추천, 광고 및 사용자 경험에 통합할 수 있다. 애플리케이션 회사는 더 낮은 비용으로 기능을 구축할 수 있다.

진정으로 해결되지 않은 것은 책임의 경계다. 개방형 가중치 모델은 사용자에게 더 많은 통제권을 주지만, 동시에 더 많은 테스트, 보안 보호, 사이버 보안, 업데이트 및 신뢰성 책임을 사용자에게 부과한다. 모델이 한 번 다운로드, 수정 및 로컬 배포되면, 오용, 장애 또는 안전 사고에 대한 책임 소재는 폐쇄형 API 모델보다 훨씬 더 복잡해진다.

규제 역시 경쟁 구도를 바꿀 수 있다. Anthropic과 같은 폐쇄형 모델 업체는 최첨단 AI 개발자에게 재앙적 위험 테스트, 외부 평가 및 지속적인 공개 요구를 주장한다. 반면 비판론자들은 과도한 규제가 자금력이 풍부한 대기업에 유리하게 작용하여 개방형 생태계와 소규모 팀의 혁신을 오히려 억압할 것이라고 우려한다.

따라서 Kimi K3가 가져온 '두 번째 DeepSeek 순간'은 단순한 AI 악재가 아니다. 이는 일종의 스트레스 테스트에 가깝다. 7000억 달러의 AI 지출, 폐쇄형 모델의 유료화, 미국의 기술 우위 및 칩 수요 모두가 동일한 질문에 다시 답해야 한다. '충분히 좋은' 지능이 더 저렴해질 때, AI 산업의 돈은 도대체 어디서 벌어올 것인가.

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