작년 초 딥시크 R1이 공개됐을 때 가장 먼저 들었던 생각은 단순했습니다.

이 가격이 정말 가능한가?

당시 세계 최고 수준 모델들과 비교해도 성능은 크게 밀리지 않는다는 평가를 받았는데, API 가격은 믿기 어려울 정도로 저렴했습니다.

투자를 오래 하신 분들은 공감하시겠지만, 시장에서 너무 싼 가격이 나오면 먼저 드는 질문이 있습니다.

누가 그 비용을 내고 있는 걸까?

조금 찾아보니 이유는 크게 두 가지였습니다.

첫 번째는 학습 비용입니다.

중국 기업들은 증류를 적극 활용했습니다. 이미 성능이 좋은 모델이 만든 결과를 학습에 활용하면 처음부터 막대한 비용을 들여 모델을 키우는 부담을 줄일 수 있습니다. 증류 자체는 널리 쓰이는 기술이지만, 어떤 데이터를 어떤 방식으로 확보했는지를 두고는 지금도 논란이 이어지고 있습니다.

두 번째는 하드웨어였습니다.

중국은 엔비디아 대신 화웨이 AI 칩을 적극 활용하기 시작했습니다. 칩 자체의 성능은 다소 낮지만 가격 경쟁력이 있었고, 여기에 정부 지원까지 더해지면서 공격적인 가격 정책이 가능했습니다.

결국 중국 AI가 저렴한 이유는 분명 존재했습니다.

하지만 여기서 또 다른 궁금증이 생겼습니다.

이 가격이 계속 유지될 수 있을까요?

그 질문에 가장 먼저 답을 보여준 회사가 문샷이었습니다.

딥시크 R1 이후 사용자 순위가 밀렸던 문샷은 K2 시절 싸고 괜찮은 모델'전략을 선택했습니다. 최상위 모델과 정면 승부를 하기보다, 훨씬 저렴한 가격으로 시장을 공략했습니다.

그런데 이번에 공개한 K3는 방향이 완전히 달랐습니다.

가격을 크게 올렸습니다.

이제는 자신들도 프론티어 모델이라고 선언한 것입니다.

실제로 성능도 상당히 올라왔습니다. 이전 세대 최상위 모델들과 경쟁할 수준이라는 평가도 받았습니다.

여기서 흥미로운 점이 하나 있었습니다.

가격은 단순한 숫자가 아니라, 회사가 스스로를 어디에 위치시키는지 보여주는 신호이기도 합니다.

K2는 '싸지만 충분히 좋은 모델'을 팔았다면, K3는 '우리도 최고 수준'이라는 가격표를 붙인 셈입니다.

그런데 더 흥미로운 일은 그 직후 벌어졌습니다.

K3 공개 사흘 뒤, 문샷은 신규 가입을 일시 중단했습니다.

이유는 실패가 아니라 성공이었습니다.

회사 측은 최근 48시간 동안 사용량이 컴퓨팅 용량 한계에 가까워졌다고 밝혔습니다. 기존 이용자들에게 안정적인 서비스를 제공하기 위해 신규 가입을 막은 것입니다.

여기서 질문이 다시 바뀌었습니다.

지금까지는 '정상급 모델을 만들 수 있는가'를 이야기했습니다.

그런데 진짜 질문은 이것이었습니다.

정상급 모델을 정상급 규모로 서비스할 수 있는가.

이 둘은 완전히 다른 문제였습니다.

모델을 학습시키는 데 필요한 자원은 어느 정도 계산이 가능합니다.

하지만 수백만 명이 동시에 사용하는 서비스를 운영하는 일은 전혀 다른 이야기입니다.

추론 인프라, GPU, HBM 메모리, 데이터센터, 전력, 네트워크, 운영 경험까지 모두 필요합니다.

모델은 복제할 수 있어도, 서비스를 운영하는 능력은 쉽게 복제되지 않습니다.

결국 처음의 질문으로 다시 돌아오게 됩니다.

왜 중국 AI는 그렇게 쌀 수 있었을까요?

답은 반은 맞고 반은 틀렸습니다.

모델을 만드는 비용은 줄일 수 있습니다.

가격도 전략적으로 낮출 수 있습니다.

하지만 서비스를 운영하는 비용까지 사라지는 것은 아니었습니다.

오히려 사용자가 늘어날수록 가장 먼저 드러나는 것은 추론 인프라의 한계였습니다.

그래서 저는 이번 문샷 사례를 보며 조금 다른 생각을 했습니다.

한동안 시장에서는 AI 모델이 좋아질수록 반도체의 중요성이 줄어드는 것 아니냐는 이야기도 있었습니다.

그런데 이번 사례는 오히려 반대에 가까워 보였습니다.

모델을 만드는 것과 서비스를 운영하는 것은 다른 문제였습니다.

서비스 규모가 커질수록 더 많은 GPU가 필요하고, 더 많은 HBM 메모리가 필요하며, 더 큰 데이터센터와 더 많은 전력이 필요합니다.

AI가 진짜 일상 속 서비스가 될수록 병목은 모델이 아니라 인프라에서 나타날 가능성이 큽니다.

그래서 이번 문샷 사례는 단순히 인기가 많아서 가입을 막았다는 뉴스가 아니라, AI 시대에도 결국 인프라가 가장 중요한 경쟁력이 될 수 있다는 점을 보여준 사건으로 읽혔습니다.

모델은 계속 좋아질 것입니다.

하지만 그 모델을 수억 명이 동시에 사용하는 서비스로 운영하는 일은, 여전히 GPU와 HBM, 데이터센터 같은 물리적인 인프라 위에서만 가능합니다.

AI 경쟁은 모델의 시대를 넘어, 인프라의 시대로 들어가고 있는 것 같습니다.

이번 문샷 사례는 AI 시대에 반도체가 덜 필요해진다는 사건이 아니라, 오히려 더 필요하다는 것을 보여준 사건처럼 보였습니다.