UBS 추정치가 하나의 숫자를 찍었다. 중국 주요 AI 모델의 훈련 비용은 해외 동급 시스템의 약 10분의 1. API 가격은 해외 대안의 10~20% 수준이다.
이 격차가 일시적 할인 전략이 아니라면, 기업 고객이 AI를 고르는 기준 자체가 달라진다. 토큰당 성능보다 토큰당 수익을 따지기 시작하면, 비용 우위가 곧 상업적 우위가 된다.
마진은 지키면서 가격은 낮춘다
낮은 가격이 출혈 경쟁처럼 보이지만, 실상은 다르다. UBS에 따르면 중국 모델 공급사들은 이 가격 수준에서도 API 부문 추정 매출총이익률 20~40%를 유지한다.
비결은 스택 전반에 걸친 비용 설계다. 단발성 가격 인하가 아니라, 모델 구조부터 서빙 효율까지 비용 자체를 낮춰 놓았다.
모델 단에서는 더 작은 파라미터 규모, 혼합전문가(MoE) 아키텍처, 다양한 알고리즘 기법으로 훈련·추론 요건을 줄인다. 일부 MoE 모델은 과제당 전체 파라미터의 한 자릿수에서 약 10%만 활성화한다. 미국 일부 모델의 추정치인 15~30%보다 낮다.
서빙 효율도 차이를 만든다. 업계 GPU 활용률이 40~50%로 추정되는 반면, 중국 선도 공급사들은 스케줄링과 엔지니어링 개선으로 70% 이상에 도달한다. 여기에 낮은 전력·데이터센터 비용, 자국산 AI 칩의 잠재적 추론 비용 절감까지 더해진다.
오픈소스 생태계가 개선을 퍼뜨린다
DeepSeek, Zhipu AI, Moonshot AI 등 중국 모델 개발사들은 연구 결과와 오픈웨이트 모델을 공개해 왔다. 다른 팀들이 이 아키텍처와 엔지니어링 성과 위에 쌓을 수 있게 된다. 비용 혁신이 한 회사에 머물지 않고 생태계 전반으로 번지는 구조다.
기업 수요가 두 층으로 갈린다
비용 격차는 기업 AI 수요 구조도 바꾼다. 복잡한 과제에는 고가 모델, 반복적이고 대용량인 워크플로에는 저가 모델을 쓰는 방식으로 수요가 나뉘기 시작했다. 이 흐름이 굳어지면 글로벌 기업 모델 조달에서 가격 대비 성능이 훨씬 중요한 변수가 된다.
AI 코딩 도구가 단순 코드 생성을 넘어 화이트칼라·지식노동자의 더 넓은 워크플로로 확장되고 있다는 점도 새로운 수익화 기회를 열고 있다. 멀티모달·영상 생성 모델에서는 텍스트 기반 프런티어 모델보다 중국 기업들이 더 강한 위치를 점할 수 있다는 분석도 나온다.
한계: 수요를 받아낼 추론 용량
가격이 낮아지면 수요는 늘어난다. 그런데 그 수요를 매출로 전환하려면 추론 용량이 충분해야 한다. 컴퓨팅 인프라가 지금 구조에서 가장 큰 제약이다.
한국 기업에 무슨 의미인가
국내 스타트업과 중소기업 입장에서 이 변화는 실질적이다. AI API 비용이 도입 결정의 핵심 변수였던 곳에서, 해외 대비 10~20% 수준의 가격대가 선택지로 자리 잡는다면 도입 장벽이 낮아진다. 어떤 모델을 어떤 워크플로에 쓸지 비용 기준으로 설계하는 'AI 조달 전략'이 이제 대기업만의 얘기가 아니게 된다.
