2026년 07/19 ~ 07/25
투자 권유가 아닙니다. 스스로 공부하고 판단하는 데 쓰는 자료입니다.
전략가의 시각
AI에서 이제 돈이 나오는 자리는 '누가 제일 똑똑한 모델을 갖느냐'가 아니라 '누가 추론 1건을 가장 싸게 돌리느냐'입니다.
이번 주 뉴스를 따로 보면 중국산 Kimi의 부상, 구글의 클라우드 흑자와 자체 칩, 엔비디아의 차세대 추론 가속기, 오픈 웨이트를 둘러싼 백악관 논쟁이 제각각의 사건처럼 보입니다. 그러나 하나로 꿰면 전부 같은 이야기입니다 — 모델 성능은 빠르게 상향 평준화되면서 '모델을 가진 것'만으로 버는 프리미엄이 얇아지고, 이익은 추론을 값싸고 안정적으로 돌리는 인프라·운영 능력 쪽으로 흐르고 있습니다. AI가 전통 소프트웨어와 결정적으로 다른 점은 매출이 늘수록 추론 원가가 함께 늘어난다는 것이라, 규모가 커질수록 원가 효율이 곧 생존이 됩니다.
그래서 리더가 던져야 할 질문이 바뀝니다. '우리 모델이 벤치마크에서 몇 등이냐'가 아니라 '우리가 팔 때마다 추론에 얼마가 나가고, 그 원가를 매출보다 빠르게 떨어뜨릴 지렛대를 쥐고 있느냐'입니다. 구글은 자체 칩으로 상위 원가를 유틸리티로 눌러 내려 이 답을 만들고 있고, 오픈 웨이트 모델을 채택하는 쪽은 라이선스 비용을 통째로 없애 같은 답을 다른 경로로 찾고 있습니다.
실무 결론은 세 가지입니다. 첫째, 워크로드를 정확도 요구별로 나눠 폐쇄형과 오픈 모델로 이원화하십시오. 둘째, 외부 GPU·API에 묶인 원가 항목은 멀티벤더로 협상력을 회복하고, 진짜 차별화가 남는 데이터와 업종 워크플로우에만 자체 자원을 집중하십시오. 셋째, 모델은 언제든 갈아탈 수 있는 부품으로 취급하고 그 위에 얹는 유통·신뢰·규제 대응에서 해자를 파십시오. 모델을 못 바꾸는 조직이 앞으로 가장 비싸게 값을 치릅니다.
프레임워크로 본 사례 3
Who’s Afraid of Chinese Models?
오픈 웨이트 모델과 중국 플레이어들의 성능 급부상으로 AI 시장의 핵심 비용 구조가 재정의되고 있습니다. 특히 전통 소프트웨어와 달리 AI는 추론 단계에서 매출 규모에 비례해 원가가 계속 발생하는 구조라, 모델을 잘 만드는 능력만으로는 이익이 지켜지지 않는다는 점이 드러났습니다.
가치 이동은 고객 요구나 기술이 바뀌어 이익의 소재가 옮겨갈 때 성립하는데, 오픈 웨이트 모델이 무료로 성능을 따라잡으면서 '모델 자체'에서 벌던 돈이 빠져나가고 이익이 추론을 값싸게 돌리는 운영 능력과 인프라 쪽으로 흐르기 시작한 것이 이 기사의 핵심 사실입니다.
흔히 이 뉴스는 '중국 모델이 미국 모델을 위협한다'는 성능 순위 다툼으로 읽힙니다. 하지만 가치 이동의 렌즈로 보면 진짜 사건은 순위가 아니라 '모델 층에서 이익이 증발하고 있다'는 것이라, 매출이 멀쩡해 보이는 폐쇄형 LLM 기업도 이미 공동화가 시작됐다고 읽는 것이 정확합니다.
의사결정 제안 — 폐쇄형 모델 라이선스 수익에만 기대는 사업이라면 지금 매출이 좋더라도 추론 원가를 매출에 비례해 낮추는 서빙 최적화·전용 칩·캐싱에 투자 우선순위를 옮기고, 모델 자체가 아니라 그 위에 얹는 워크플로우·데이터·유통에서 마진을 회수하는 구조로 요금제를 재설계하십시오.
프레임워크 설명
산업의 이익은 한자리에 머물지 않고 고객이 진짜 원하는 것을 더 잘 채워주는 사업 모델로 흘러가는데, 기술이나 고객 요구가 바뀌면 예전에 돈을 벌던 자리가 텅 비고 전혀 다른 자리로 가치가 옮겨가기 때문이다. 그래서 매출이 아직 멀쩡해 보여도 가치가 이미 빠져나가기 시작한 기업은 서서히 공동화되며, 승부는 지금 어디서 버느냐가 아니라 이익이 어디로 흐르고 있느냐를 읽는 데 있다.
Stratechery
Google justifies its massive AI spending with a booming cloud business
구글이 막대한 AI 투자 비용을 클라우드 사업의 기록적 실적으로 회수하고 있음을 보여줬습니다. 동시에 구글은 Gemini 연산 효율을 높이기 위한 전용 AI 칩 개발에도 착수해, 모델부터 칩·데이터센터까지 가치사슬을 자체적으로 눌러 내리고 있습니다.
워들리 매핑은 가치사슬 구성요소의 성숙 단계를 보고 무엇을 자체 개발하고 무엇을 범용으로 넘길지 판단할 때 쓰는데, 구글이 칩(GPU 구매)에서 자체 칩으로, 모델 서빙을 클라우드 유틸리티로 밀어 내리는 움직임은 '곧 범용화될 층은 직접 눌러 내리고 그 위에서 마진을 잡는' 지형 판단 그 자체입니다.
흔히 이 뉴스는 '구글 클라우드가 잘 나가서 AI 투자가 정당화됐다'는 실적 해설로 읽힙니다. 하지만 워들리 매핑으로 보면 핵심은 실적이 아니라, 구글이 엔비디아 의존이라는 상위 비용을 자체 칩으로 유틸리티화해 경쟁사가 지불하는 원가 구조 자체를 무너뜨리려 한다는 지형 이동입니다.
의사결정 제안 — AI 스택에서 어느 층이 향후 12~18개월 안에 범용화(값이 떨어지는 유틸리티)될지 지도를 그려, 외부 GPU·API에 묶인 상위 원가 항목은 멀티벤더·자체 최적화로 협상력을 되찾고, 진짜 차별화가 남는 데이터·업종 워크플로우 층에만 자체 개발 자원을 집중하십시오.
프레임워크 설명
전략을 세우려면 먼저 지형을 봐야 하는데, 워들리 매핑은 고객 가치를 꼭대기에 두고 그 아래 필요한 구성요소들을 사슬로 잇되 각 요소가 얼마나 성숙했는지(신생 → 맞춤 → 상품 → 유틸리티)를 가로축에 놓아 위치시킵니다. 이렇게 하면 무엇이 곧 범용화되어 값이 떨어질지, 어디에 자체 투자하고 어디를 외부에 맡길지가 지도 위에서 눈에 보이기 때문에, 감이 아니라 지형에 근거해 움직일 수 있다.
TechCrunch
OpenAI is scared of open-weight models. Should the US be?
폐쇄형 LLM 강자들이 오픈 웨이트 모델의 급증과 확산을 우려하고 있으며, 국가 안보 차원에서 특정 지역 출신 모델을 제한하자는 논의까지 나오고 있습니다. 오픈 모델은 최고 성능은 아니어도 무료·개방·자체 배포라는 다른 축에서 빠르게 주류로 올라오고 있습니다.
파괴적 혁신은 신규 기술이 기존 성능 지표에서는 열등하되 가격·접근성 같은 다른 축에서 우월하고, 강자가 고마진 고객에 최적화돼 저가 구석을 방어하기 어려울 때 성립하는데, 오픈 웨이트 모델이 '성능은 조금 뒤지지만 공짜에 내 서버에서 돌린다'는 축으로 저가·자체호스팅 틈새에서 올라오는 지금 상황이 정확히 그 조건입니다.
흔히 이 뉴스는 'OpenAI가 규제로 경쟁을 막으려 한다'는 정치·안보 프레임으로 읽힙니다. 하지만 파괴적 혁신의 렌즈로 보면 규제 요청 자체가 '저가에서 위로 올라오는 열등 기술'에 대한 강자의 전형적 방어 반응이라, 규제가 성사되든 아니든 개선 속도가 빠른 오픈 모델의 상향 잠식은 구조적으로 계속된다고 읽어야 합니다.
의사결정 제안 — 폐쇄형 최고 성능만 표준으로 삼지 말고, 정확도가 조금 낮아도 되는 대량·저가 워크로드는 오픈 웨이트 모델로 이원화해 벤더 종속과 추론 원가를 동시에 낮추고, 규제 시나리오(특정 지역 모델 금지)에 대비해 모델 교체가 가능하도록 추상화 계층을 미리 깔아 두십시오.
프레임워크 설명
강자를 무너뜨리는 것은 대개 더 좋은 기술이 아니라 더 나쁜 기술인데, 값싸고 단순하며 성능이 떨어지는 제품이 주류 고객은 거들떠보지 않는 저가·틈새에서 시작해 성능을 올리며 위로 올라오기 때문이다. 크리스텐슨의 역설은 기존 강자가 무능해서 지는 것이 아니라 돈이 되는 고객의 요구를 충실히 들어주는 합리적 경영을 했기 때문에 저가 구석을 버렸고 그래서 늦는다는 데 있다.
TechCrunch
지켜볼 것
- AMD Helios 랙 시스템과 엔비디아 Vera Rubin의 추론 TCO·전력효율 실측 비교 — GPU 원가 구조가 실제로 다변화되는지
- AI Kill Switch Act 입법 진행과 오픈 웨이트 모델 제한 논의 — 모델 교체 가능성을 강제로 흔들 규제 리스크
- 구글 자체 AI 칩의 실제 배치와 다른 하이퍼스케일러의 자체 실리콘 대응 — 추론 원가를 유틸리티로 내리는 경쟁의 속도
근거 84 개 항목 · 6일