AI 2막, 승부는 모델 밖에서 벌어진다
중국의 Broadcom 조사, Claude Opus 5.5의 비용 절감, 끊어지지 않는 미중 자본 흐름은 서로 다른 뉴스처럼 보인다. 그러나 세 사건은 같은 방향을 가리킨다. AI 산업의 경쟁 단위가 ‘가장 똑똑한 모델’에서 네트워크, 비용, 자본까지 포함한 전체 시스템으로 커지고 있다.
20초 핵심
세 뉴스가 사실 하나인 이유
AI의 첫 번째 경쟁은 모델이었다. 누가 더 큰 모델을 만들고, 누가 benchmark에서 앞서는지가 뉴스의 중심이었다. 하지만 AI가 실험실을 나와 기업의 실제 업무와 대규모 데이터센터에 들어가면서 질문이 달라졌다.
좋은 모델을 만드는 것만으로는 산업을 지배할 수 없다. 수십만개의 가속기를 연결해야 하고, 같은 업무를 더 싸게 끝내야 하며, 수천억달러의 설비와 연구개발을 계속 조달할 자본도 필요하다.
GPU·AI accelerator
HBM·고대역폭 메모리
Switch·interconnect·optics
작업당 AI 비용
CapEx·IPO·VC 자금
이번 세 뉴스는 이 다섯 층 가운데 네트워크, 지능의 가격, 자본을 동시에 보여준다. 그래서 따로 읽을 때보다 함께 읽을 때 AI 산업의 현재 위치가 더 잘 보인다.
1. 중국의 다음 숙제는 ‘Nvidia 없는 AI 공장’이다
Reuters가 Financial Times를 인용해 보도한 내용에 따르면 중국 국유기업을 감독하는 SASAC는 최근 국영 데이터센터에서 Broadcom 스위치가 얼마나 사용되는지 조사했다. FT가 전한 예비조사에서는 최대 90%라는 수치가 나왔다. 다만 Reuters는 이 수치를 독립적으로 확인하지 못했다.
중요한 것은 90%라는 숫자 자체보다 조사 대상이 GPU가 아니라 네트워크라는 점이다. 수만개, 수십만개의 AI accelerator는 서로 데이터를 주고받아야 한다. 네트워크 대역폭이 부족하거나 지연시간이 길어지면 비싼 GPU가 계산하지 못하고 기다린다.
중국이 Nvidia를 제한한 뒤 Broadcom까지 줄이려 한다면 자립의 범위는 ‘국산 GPU’에서 ‘국산 AI 데이터센터’로 확대된다. Compute, Memory, Packaging, Networking, Software를 모두 연결해야 한다. 칩 하나의 성능이 낮다면 더 많은 칩을 묶어 보완할 수 있지만, 그 전략일수록 오히려 네트워크가 더 중요해진다.
미국 투자자에게도 의미가 있다. AI 인프라의 가치가 GPU에만 집중되지 않고 Broadcom, Arista, optical networking, advanced packaging 같은 주변 병목으로 분산될 수 있다는 뜻이다. 동시에 중국 매출에 노출된 공급자는 국산화 정책의 새로운 리스크를 안게 된다.
2. 모델 경쟁의 새로운 단위는 ‘성공한 일 하나의 가격’이다
Anthropic은 Claude Opus 5.5의 입력 가격을 100만 토큰당 4달러, 출력 가격을 20달러로 책정했다. Opus 5보다 토큰 가격은 20% 낮다. 더 중요한 주장은 일반적인 작업을 수행하는 전체 운영비용이 약 40% 낮아졌다는 것이다. 출력 속도도 30% 이상 빨라졌다고 밝혔다.
여기서 투자자가 볼 것은 benchmark 1위가 아니다. Agent가 실제 일을 할수록 비용 구조는 Cost per Token보다 Cost per Successful Task가 중요해진다. 몇 번의 tool call이 필요한지, 실패 후 재시도가 얼마나 발생하는지, 사람이 얼마나 개입해야 하는지까지 합쳐야 진짜 경제성이 나온다.
입력 / 출력 100만 토큰당 가격. 이전 Opus 5보다 20% 낮다.
Anthropic이 주장하는 일반 작업 기준 운영비용 감소폭이다.
Anthropic 공식 설명 기준 이전 모델 대비 출력 속도 개선폭이다.
이 흐름은 모델 회사에는 가격 압박이지만, AI 애플리케이션에는 원가 하락이다. 그리고 지능 가격이 내려갈수록 사용량이 더 크게 늘어날 수 있다. AI Agent를 하루 10번 돌리던 기업이 비용이 절반으로 떨어졌다고 사용량도 절반으로 줄이는 것은 아니다. 오히려 100번 돌릴 이유가 생긴다.
따라서 모델 단가 하락을 Nvidia나 클라우드의 악재로 곧바로 해석하는 것은 단순하다. 투자자가 확인해야 할 것은 단위 가격 하락보다 전체 inference volume이 얼마나 더 빠르게 증가하는가다.
3. 기술은 갈라지지만 돈은 아직 국경을 넘는다
Reuters가 인용한 LSEG 자료에 따르면 미국 은행들은 2026년 들어 중국 첨단기술 기업의 19개 자본시장 거래에서 172억달러 규모의 bookrunner를 맡았다. 전체 발행의 약 30%다. 반대로 S&P Global Market Intelligence 집계에서는 중국·홍콩 투자자가 참여한 미국 AI 기업 투자 라운드 규모가 2023년 약 4억3,600만달러에서 2026년 9월 중순까지 약 89억달러로 증가했다.
이것은 미중 기술 갈등이 약해졌다는 뜻이 아니다. 오히려 기술 디커플링과 금융 커플링이 서로 다른 속도로 움직인다는 뜻에 가깝다. 정부는 국가안보, 기술주권, 공급망 회복력을 우선하지만 민간 자본은 성장률, 수익률, 밸류에이션과 유동성을 본다.
그래서 AI 산업은 한동안 두 개의 상반된 힘을 동시에 받을 가능성이 있다. 공급망은 미국과 중국 중심으로 중복 투자되고, 자본은 수익기회를 따라 양쪽 생태계에 노출된다. 완전한 분리가 현실화될 경우 이 연결이 오히려 시장 변동성을 키울 수도 있다.
투자자에게 중요한 것은 ‘AI 기업’이 아니라 AI 시스템의 경제성이다
| 변화 | 수혜 가능 영역 | 동시에 생기는 리스크 |
|---|---|---|
| AI 클러스터 대형화 | 네트워킹, 광통신, HBM, 패키징 | 국산화 정책과 고객 집중도 |
| 작업당 AI 비용 하락 | AI 애플리케이션, 클라우드 사용량, inference 인프라 | 모델 업체의 가격 경쟁과 마진 압박 |
| 미중 스택 분리 | 각 지역의 로컬 공급망과 대체 공급자 | 중복 CapEx, 규제, 시장 접근 제한 |
| 금융 연결 지속 | 자본조달과 글로벌 투자기회 | 정책 변화 시 급격한 자금 회수 가능성 |
세 뉴스를 한 문장으로 묶으면 이렇다. AI 2막의 승부는 ‘누가 가장 똑똑한 모델을 갖고 있는가’보다 ‘누가 가장 효율적인 시스템을 운영하는가’로 이동하고 있다.
여기서 시스템은 데이터센터 하드웨어만 뜻하지 않는다. 칩을 얼마나 잘 연결하는지, 지능을 얼마나 싸게 공급하는지, 그 투자를 얼마나 오래 조달할 수 있는지까지 포함한다.
이 프레임으로 보면 Nvidia의 moat도 GPU 성능 하나로 설명할 수 없고, Broadcom의 AI 가치도 단순 스위치 매출로만 볼 수 없다. Anthropic의 경쟁력도 benchmark 한 줄보다 기업 고객이 실제 업무 한 건을 얼마에 끝낼 수 있는지가 중요하다.
반대 시나리오도 있다. 중국의 국산 네트워크가 대규모 클러스터에서 충분한 안정성과 성능을 확보하지 못할 수 있고, 모델 가격 인하가 사용량 증가보다 빠르면 AI 공급자의 수익성이 악화될 수 있다. 미중 자본 흐름 역시 규제가 강화되면 빠르게 위축될 수 있다. 그래서 지금은 ‘AI 전체가 좋다’보다 각 병목의 가격과 수익성이 실제로 개선되는지 를 확인하는 편이 더 중요하다.
- 아직 그렇게 단정하기 어렵다. 현재 확인된 것은 사용 현황 조사와 비공식 축소 지침 가능성이다. 실제 매출 영향은 발주 제한 범위, 중국 국영 데이터센터 매출 비중, 대체 제품의 공급능력을 확인해야 한다.
- 반드시 그렇지는 않다. 단위 inference 비용이 내려가면 AI 사용량이 더 크게 늘어날 수 있다. 핵심은 가격 하락률과 전체 compute 소비 증가율 가운데 어느 쪽이 더 빠른가다.
- 반도체와 정부 조달은 빠르게 분리될 수 있지만 자본, 상장시장, 일부 소프트웨어와 인재 흐름은 다른 속도로 움직인다. 완전한 분리보다 레이어별로 다른 수준의 분리가 진행될 가능성을 염두에 둘 필요가 있다.
- AI 비중을 단순히 늘리거나 줄이기보다 포트폴리오 안에서 어떤 병목에 노출돼 있는지 확인하는 편이 유용하다. GPU 하나에 집중돼 있는지, 메모리·네트워크·클라우드·애플리케이션으로 수익원이 분산돼 있는지, 그리고 각 기업의 중국 노출과 현금흐름을 함께 봐야 한다.
체크 포인트
인사이트 타임스 편집부
