Nvidia가 ‘무료에 가까운 AI 모델’을 키우는 진짜 이유

모델을 싸게 풀어도, 계산은 공짜가 아니다

Axios에 따르면 Reflection은 강력한 open-weight 모델을 준비하고 있다. 초기 성능은 미국 최상위 폐쇄형 모델보다 뒤처질 수 있지만, 중국의 선두 open-weight 계열과 경쟁할 수준을 목표로 한다. 기업이 모델 가중치를 가져와 자기 데이터와 인프라에서 운영할 수 있다는 점이 핵심이다.

여기서 Nvidia의 이해관계는 모델 회사와 조금 다르다. OpenAI나 Anthropic은 지능을 API와 구독으로 판매한다. Nvidia는 그 지능을 학습하고 실행하는 계산 인프라를 판다. 어느 모델이 1등이냐보다 얼마나 많은 모델과 agent가 얼마나 자주 계산을 수행하느냐가 더 중요하다.

Nvidia가 원하는 것은 ‘최고의 모델 하나’보다 ‘계산해야 할 AI의 총량’이 커지는 시장에 가깝다.

Reflection 자체가 이미 이 구조를 보여준다

Reflection은 아이러니하게도 ‘저렴하게 쓸 수 있는 open-weight AI’를 만들기 위해 막대한 컴퓨트를 사고 있다. Reuters에 따르면 회사는 SpaceX와 계약해 Nvidia GB300 기반 컴퓨팅 용량을 사용하고 있으며, 2026년 7월부터 월 1억5,000만달러를 지급하는 구조다. 단순 연환산하면 약 18억달러 규모다.

오픈 모델의 가격이 낮다고 해서 모델을 만드는 비용과 대규모로 돌리는 비용까지 사라지는 것은 아니다. 오히려 모델을 직접 소유하려는 기업과 국가가 늘면 API 사업자에게 숨어 있던 GPU 수요가 기업용 AI Factory, sovereign AI, neocloud 등 더 많은 구매 주체로 분산될 가능성이 생긴다.

무료 모델은 Nvidia의 ‘수요 생성 장치’가 될 수 있다

Nvidia의 Nemotron 전략이 좋은 단서다. Nvidia는 모델 가중치뿐 아니라 일부 학습 데이터와 레시피까지 공개하고, 상업적 배포도 허용한다. 반면 실제 기업 환경에서 안전하고 대규모로 운영하려면 NIM microservice, AI Enterprise, GPU 시스템과 네트워킹 같은 유료 계층을 붙일 수 있다.

이는 면도기를 싸게 주고 면도날에서 돈을 버는 모델과도 조금 다르다. Nvidia는 모델을 무료에 가깝게 풀어 ‘계산할 이유’를 늘리고, 계산이 발생하는 순간 하드웨어와 시스템 소프트웨어에서 경제적 가치를 포착하려 한다.

경제학의 Jevons Paradox와 닮은 지점이 있다. 계산 한 단위의 효율이 높아지고 토큰 가격이 내려가도 사용량이 그보다 더 빠르게 증가하면 총 자원 소비는 오히려 늘 수 있다. Nvidia는 2026 회계연도 Rubin을 공개하면서 Blackwell 대비 추론 토큰 비용을 최대 10분의 1로 낮추는 것을 목표로 제시했다. 자신의 칩이 토큰을 더 싸게 만들도록 설계하면서 동시에 더 많은 토큰 생산을 기대하는 셈이다.

하지만 ‘AI가 싸질수록 Nvidia가 무조건 이긴다’는 공식은 아니다

첫째, open-weight 모델의 효율이 너무 빠르게 개선돼 같은 업무에 필요한 GPU 시간이 크게 줄 수 있다. 둘째, 기업이 직접 구축하기보다 AWS, Azure, Google Cloud 같은 클라우드에 계속 집중하면 수요 주체는 늘어도 Nvidia의 고객 집중도 문제는 남는다. Nvidia는 FY2026에 두 직접 고객이 각각 전체 매출의 22%, 14%를 차지했다고 공시했다.

셋째, 가격 하락으로 늘어나는 AI 사용량이 효율 개선 속도를 넘지 못하면 Jevons 효과는 약해진다. 넷째, Google TPU, Amazon Trainium, AMD 등 대체 가속기의 점유율이 커지면 ‘AI 사용 증가 = Nvidia 사용 증가’라는 등식도 깨질 수 있다.

따라서 투자자가 봐야 할 것은 모델 가격 그 자체가 아니다. 토큰 단가가 떨어지는 속도와 전체 토큰 생성량이 늘어나는 속도, 그리고 그 계산 가운데 Nvidia 플랫폼이 가져가는 비중의 곱이다.