중국 AI 모델 ARR, 연말까지 130억 달러 도달 가능성… 그러나 이제 막 시작된 수익성 시험대

Goldman Sachs가 주목할 만한 전망으로 Google News에 등장했다. 중국 AI 모델의 매출 런레이트가 연말까지 130억 달러에 이를 수 있다는 것이다. 이 추정치는 중국 공급업체들이 벤치마크 성과와 무료 챗봇 보급을 넘어섰음을 시사한다. 하지만 이 헤드라인은 더 어려운 질문도 던진다. 토큰 가격이 계속 하락하는 상황에서 빠르게 늘어나는 사용량을 지속 가능한 매출로 전환할 수 있을까?

이 수치는 개발자, 기업, 해외 사용자 사이에서 중국 모델에 대한 수요가 커지는 가운데 나왔다. DeepSeek는 2025년 초 효율성에 대한 인식을 바꿨다. 이후 Alibaba, Moonshot AI, Z.ai 등 여러 공급업체는 갈수록 혼잡해지는 시장에 새로운 모델, 애플리케이션, 클라우드 서비스를 내놓았다.

이제 핵심 경쟁은 단순히 중국과 미국의 대결이 아니다. 매출 성장과 공격적인 가격 하락 압력의 싸움이다. 중국 공급업체들은 도입을 확대하려면 비용을 낮춰야 하지만, 같은 경제 구조가 요청당 발생하는 매출을 약화시킬 수 있다.

130억 달러 Google News 헤드라인이 실제로 말해주는 것

이 전망이 중요한 이유는 중국 AI를 미국 연구소들에 대한 기술적 도전만이 아니라 상업 시장으로 규정하기 때문이다.

Google News 헤드라인은 130억 달러의 연말 추정치를 Goldman Sachs에 귀속한다. 그러나 접근 가능한 신디케이션 기사에는 기초 모델, 기업별 분석, 계산 기간이 공개되지 않았다. 따라서 이 수치는 감사된 업계 매출이 아니라 보도된 전망으로 봐야 한다.

연간 반복 매출(ARR)은 현재의 반복 판매를 기준으로 한 런레이트 지표다. 구독과 계약 서비스의 규모를 추정하는 데 유용하다. 이미 끝난 회계연도에 인식된 매출과는 다르다.

시장이 빠르게 성장할 때 이 차이는 중요해진다. 공급업체는 하반기 확장 이후 12월에 높은 연환산 런레이트로 한 해를 마칠 수 있다. 반면 연간 전체에 걸쳐 실제로 거둔 매출은 훨씬 낮을 수 있다.

이 전망은 소비자 챗봇 구독보다 더 넓은 시장을 포괄하는 것으로 보인다. Goldman Sachs는 이전에 모델 학습, 사후 학습, 추론, AI 애플리케이션을 수익화 채널로 지목했다. 사후 학습은 모델을 고객 요구에 맞게 조정하는 것이며, 추론은 사용자가 새 요청을 제출할 때 수행되는 연산이다.

Goldman Sachs의 이전 AI 매출 분석은 중국 하이퍼스케일러들이 빠르게 성장하는 AI 매출을 창출하기 시작했다고 밝혔다. 영상 생성, 사진 편집, 객체 식별을 주요 상업적 애플리케이션으로 꼽았다.

이 분석은 어려운 소비자 시장도 설명했다. Goldman은 당시 중국의 주요 챗봇들이 무료였고 유료 사용자 수는 미미했다고 밝혔다. 그 결과 기업용 컴퓨팅과 특화 애플리케이션이 수익화 부담의 더 큰 부분을 맡게 됐다.

130억 달러 수치는 이 스택의 여러 계층에서 나오는 매출을 포함할 수 있다. 클라우드 공급업체는 애플리케이션 프로그래밍 인터페이스(API)를 통해 모델 접근 권한을 판매한다. 개발자는 API를 이용해 자체 소프트웨어에 모델 기능을 내장한다. 공급업체는 전용 배포, 모델 맞춤화, 구독, 애플리케이션 서비스도 판매할 수 있다.

공개된 방법론이 없다면 이러한 범주를 합산할 때 잠재적 모호성이 생긴다. 모델 개발업체는 클라우드 파트너를 통해 API 매출을 올릴 수 있다. 파트너는 같은 활동을 AI 클라우드 매출로 보고할 수 있다. 둘 다 집계하면 최종 고객을 위해 창출된 경제적 가치를 과대평가하게 된다.

환율 변환도 또 다른 변수다. 공급업체들은 국내 매출 대부분을 위안화로 올리지만, 헤드라인은 달러 기준 추정치를 제시한다. 기초 사업이 변하지 않아도 환율 변화는 보고된 총액을 바꿀 수 있다.

그럼에도 이 전망은 방향성 지표로서 유용하다. Goldman이 시장 전체의 런레이트 추정치를 낼 만큼 수익화가 빠르게 진전되고 있다고 본다는 의미다. 다만 독자들은 하나의 헤드라인 수치를 수익, 현금 창출, 또는 완료된 연간 매출의 명확한 측정치로 해석해서는 안 된다.

이 단서는 핵심 시험대로 이어진다. 중국 공급업체들은 저렴한 모델을 중심으로 도입 전략을 구축했다. 이제 막대한 사용량이 토큰당 매출 하락을 극복할 수 있음을 입증해야 한다.

하락한 추론 비용이 기회를 만들었다

중국 AI의 매출 기회는 더 낮은 추론 비용이 더 많은 제품과 조직에서 실험을 감당할 수 있게 만들었기 때문에 존재한다.

Goldman Sachs는 2025년 1월 중국의 추론 비용이 전년 대비 95% 이상 하락했다고 추정했다. 비용 분석은 더 저렴한 모델 실행이 더 많은 생성형 AI 애플리케이션을 촉진할 것이라고 주장했다.

추론은 모델 학습 이후에 이뤄진다. 프롬프트에 답하고, 이미지를 생성하고, 코드를 작성하거나, 다른 실시간 작업을 완료하는 데 사용되는 연산을 포괄한다. 추가 요청마다 컴퓨팅 용량이 소모되므로 추론의 경제성은 고객 가격과 공급업체 마진 모두를 좌우한다.

낮은 비용은 개발자가 큰 약정 없이 더 많은 활용 사례를 시험할 수 있게 한다. 소매업체는 고객 지원 대화를 요약할 수 있다. 소프트웨어 기업은 코드 지원 기능을 추가할 수 있다. 미디어 팀은 시각적 초안을 생성하고 제조업체는 검사 이미지를 처리할 수 있다.

AI 에이전트는 이 효과를 증폭한다. 에이전트는 반복적인 모델 호출, 결과 확인, 후속 행동 선택을 통해 여러 단계의 작업을 완료한다. 따라서 하나의 사용자 요청이 일반적인 챗봇 답변보다 몇 배 많은 토큰 소비를 일으킬 수 있다.

이 메커니즘은 낮은 비용으로 충분한 성능을 제공하는 공급업체에 유리하다. 특정 워크플로 안에서 안정적으로 작동한다면 모델이 모든 벤치마크에서 선두일 필요는 없다. 개발자들은 지연 시간, 일관성, 통합 노력, 총운영비를 더 중요하게 여기는 경우가 많다.

중국 연구소들은 이 포지션에 집중해 왔다. DeepSeek는 효율성 중심 설계로 유능한 추론 모델을 선보이며 세계적 관심을 끌었다. Alibaba의 Qwen 계열은 다운로드 가능한 모델과 클라우드 접근성을 통해 개발자들 사이에서 폭넓은 인지도를 얻었다. Moonshot AI와 Z.ai도 잦은 출시와 저비용 제공을 통해 경쟁해 왔다.

최근의 도입 증거는 기본적인 방향을 뒷받침한다. Associated Press는 최근 한 달 동안 OpenRouter에서 가장 많이 사용된 모델 5개가 중국 모델이었다고 보도했다. OpenRouter는 여러 모델에 대한 접근을 집계하므로 그 활동은 유용한 개발자 신호가 되지만, 시장 전체를 대표하지는 않는다.

같은 도입 보고서는 중국 모델들이 저렴해지고 성능이 향상되면서 미국 사용자들을 끌어들이고 있다고 전했다. 기업들이 코딩, 연구, 잠재 고객 발굴 등 실용적 작업을 위해 이들 모델을 평가하고 있다고 인용했다.

이 수요는 중국을 넘어선다. Goldman은 이전에 중국 하이퍼스케일러 매출의 90%에서 95%가 국내에서 발생한다고 추정했다. 그럼에도 아시아, 중동, 라틴아메리카를 신규 데이터센터와 서비스의 확장 시장으로 지목했다.

시각 생성은 이미 이러한 해외 기회의 증거를 제공한다. Goldman은 일부 영상 및 사진 편집 애플리케이션에서 해외 시장이 중국보다 더 많은 매출을 기여한다고 밝혔다. 이들 제품은 모든 상호작용에 광범위한 현지 비즈니스 맥락이 필요하지 않아 글로벌 고객을 지원할 수 있다.

오픈 모델도 도입 마찰을 줄인다. 개발자들은 공개된 코드를 검토하고, 선택한 환경에 모델을 배포하며, 시스템을 맞춤화할 수 있다. 이 유연성은 단일 폐쇄형 API에 대한 의존을 우려하는 기업에 매력적이다.

그러나 다운로드와 토큰 거래량이 자동으로 반복 매출이 되는 것은 아니다. 개발자는 원래 연구소에 비용을 내지 않고도 다운로드 가능한 모델 가중치를 사용할 수 있다. 클라우드 공급업체는 고객이 호스팅 인프라를 이용하거나 관련 서비스를 구매할 때에만 매출을 얻는다.

이로 인해 전환 과제가 생긴다. 중국 공급업체들은 기술적 배포를 유료 추론, 관리형 배포, 기업 지원 또는 독점 애플리케이션으로 전환해야 한다. 130억 달러 전망은 이 연결고리가 다수의 고객에게 상업적으로 의미 있는 수준에 도달하는 데 달려 있다.

이 서비스를 평가하는 조직들은 정보 문제에도 직면한다. 모델 발표, 벤치마크, 보안 검토, 내부 테스트 결과가 서로 다른 곳에서 나온다. 검색 가능한 AI 지식 베이스는 팀이 하나의 공급업체에 워크플로를 맡기기 전에 그 근거를 보존하는 데 도움이 될 수 있다.

따라서 도입 이야기는 실제이지만 완전하지는 않다. 낮은 추론 비용은 경제적으로 실행 가능한 작업의 수를 늘린다. 남은 질문은 각 작업을 저렴하게 만든 뒤에도 공급업체들이 충분한 가치를 유지할 수 있는지다.

Alibaba, DeepSeek, 그리고 중국 AI 공급업체들이 마주한 매출 역설

시장의 가장 강력한 도입 무기인 공격적 효율성은 동시에 매출 전망에 직접적인 압박을 가한다.

중국 모델 공급업체들은 더 낮은 사용 비용, 공개 모델 출시, 빠른 반복 개선을 통해 개발자 확보 경쟁을 벌이고 있다. 이러한 전술은 전체 수요를 확대할 수 있다. 동시에 어느 공급업체든 가격 결정력을 유지하기 어렵게 만들 수 있다.

기본 방정식은 세 부분으로 이뤄진다. 요청량, 요청당 매출, 각 요청을 처리하는 비용이다. 가격 하락은 사용량이 단위당 수익 감소보다 더 빠르게 증가할 때에만 매출에 도움이 된다. 수익을 내려면 처리 비용도 마진을 유지할 만큼 충분히 빠르게 하락해야 한다.

AI 에이전트는 이 방정식의 거래량 측면을 개선한다. 문서를 검색하고, 코드를 작성하고, 소프트웨어 도구를 조율하면서 모델을 반복적으로 호출할 수 있다. Goldman Sachs는 에이전트형 시스템이 확산됨에 따라 전 세계 모델 쿼리가 크게 증가할 것으로 전망했다.

그러나 가격 경쟁은 그 성장을 흡수할 수 있다. 한 공급업체가 요금을 낮추면 경쟁사들은 이를 따라갈지 결정해야 한다. 고객은 여러 모델에 작업을 분배해 단순 작업을 가장 저렴하면서도 충분히 적합한 선택지로 보낼 수도 있다.

오픈 모델은 압박을 강화한다. 클라우드 기업은 모든 호출에 대해 개발업체에 비용을 지불하는 대신 제3자 모델을 호스팅할 수 있다. 대형 고객은 다운로드한 가중치를 자체 인프라에서 운영할 수 있다. 연구소는 영향력을 얻을 수 있지만 직접 매출 확보는 제한적일 수 있다.

Alibaba는 이 경쟁에서 구조적 이점을 갖고 있다. 대형 클라우드 플랫폼을 운영하고, Qwen 모델을 개발하며, 비즈니스 애플리케이션을 제공한다. 이러한 통합 구조는 같은 수요 물결을 수익화할 여러 기회를 제공한다.

회사는 5년간 AI와 클라우드 합산 매출 1,000억 달러를 넘는다는 목표를 세웠다. 2026년 3월 실적 보도에 따르면, 회사의 클라우드 매출은 10월부터 12월까지 분기에 36% 증가했다. 그러나 전반적인 비용 증가로 Alibaba의 전체 분기 이익은 67% 감소했다.

이 결과는 시장의 핵심 충돌을 보여준다. 클라우드와 AI 수요는 증가할 수 있지만, 투자와 경쟁은 단기 수익을 낮출 수 있다. 매출 성장만으로는 공급업체들이 인프라에 대해 충분한 수익률을 얻고 있는지 보여주지 않는다.

Alibaba는 또한 향후 3년간 클라우드 및 AI 인프라에 최소 3,800억 위안을 투자하겠다고 약속했다. 용량 확대는 더 많은 모델 사용을 뒷받침하지만, 그만큼 지출을 정당화하는 데 필요한 매출도 늘어난다. 회사는 가용성, 서비스 품질, 자본 규율 사이의 균형을 맞춰야 한다.

DeepSeek는 다른 경로를 따른다. 이 회사의 모델은 효율성을 경쟁 우선순위로 자리 잡게 하는 데 기여했다. 다른 플랫폼들이 자사의 출시물을 배포하거나 이를 기반으로 구축할 수 있기 때문에, 그 영향력은 회사에 직접 귀속되는 매출을 넘어선다.

이 때문에 DeepSeek는 130억 달러 전망에서 중요하지만, 그에 따른 매출의 명백한 수혜자는 아니다. 이 회사의 모델은 제3자 제공업체 전반의 클라우드 사용을 촉진할 수 있다. 경제적 이익은 인프라 운영자, 애플리케이션 개발사, 기업 통합업체에 돌아갈 수 있다.

Z.ai는 이러한 상충 관계의 또 다른 측면을 보여준다. AP 통신에 따르면, 이 회사는 직전 연도 매출이 132% 증가해 7억 2,400만 위안에 달했다고 보고했다. 순손실은 60% 늘어난 47억 위안을 기록했다.

이 수치는 ARR에 맥락이 필요한 이유를 보여준다. 연구, 컴퓨팅, 고객 확보 비용이 여전히 높을 때는 반복 매출이 빠르게 성장하면서도 손실이 훨씬 더 커질 수 있다. 제공업체의 매출 실행률만으로는 사업이 지속적인 모델 개발 비용을 감당할 수 있는지 판단할 수 없다.

Moonshot AI의 최근 수요 급증도 용량에 관한 비슷한 교훈을 준다. AP 통신은 Kimi 모델에 대한 관심이 가용 자원에 부담을 주자 이 회사가 신규 구독을 일시 중단했다고 보도했다. 높은 수요는 제품에 대한 관심을 입증하지만, 공급 제한은 즉각적인 수익화도 제한한다.

미국 제공업체들도 이 문제의 자체 버전에 직면해 있다. OpenAI, Anthropic, Google은 최첨단 역량, 개발자 플랫폼, 비즈니스 통합을 통해 경쟁한다. 이들은 첨단 칩과 성숙한 클라우드 인프라에 더 쉽게 접근할 수 있지만, 학습 및 추론 관련 투입도 상당하다.

경쟁의 경계는 지리적 구분에서도 점차 벗어나고 있다. 미국 개발자는 글로벌 호스팅 서비스를 통해 중국 오픈 모델을 사용할 수 있다. 중국 기업은 국내 모델을 내부 데이터 및 전문 소프트웨어와 결합할 수 있다. 고객들은 점점 국가별 모델 포트폴리오보다 워크로드를 비교한다.

이는 단순한 중국 대 미국 구도를 약화시킨다. 중국 제공업체들은 비용 측면에서 미국 연구소들을 압박하지만, 서로에게는 그보다 더 큰 압박을 가한다. 새로운 저비용 모델이 출시될 때마다 국내 시장 전반의 고객 기대치는 재설정될 수 있다.

Goldman의 추정치는 제공업체들이 확대되는 보조금에 의존하지 않고 성장을 지속한다면 더 신뢰를 얻게 될 것이다. 시장 점유율 확보를 위해 토큰 수요 증가를 웃도는 반복적인 가격 인하가 필요하다면 약화될 것이다. 결정적인 증거는 벤치마크 순위가 아니라 매출의 질에서 나올 것이다.

ARR 추정치가 보여주지 않는 것

가장 큰 불확실성은 측정 방식이다. 중국 AI 시장에는 모델 ARR에 대한 일관되고 공개된 정의가 없기 때문이다.

ARR은 안정적인 구독 계약에 가장 잘 맞는다. 모델 서비스는 흔히 구독, 사용량 기반 API 이용, 클라우드 계약, 구현 작업, 프로모션 크레딧을 결합한다. 이러한 수익원을 연간화하면, 변동하는 가정에 기반하면서도 정밀해 보이는 수치가 나올 수 있다.

특히 사용량 기반 매출은 변동성이 크다. 개발자는 제품 출시 기간에 대량 트래픽을 보내고 다음 달에는 이를 줄일 수 있다. 강한 한 달의 실적에 12를 곱하면 지속 가능한 수요를 과대평가할 수 있다.

기업 계약은 반대의 문제를 만들 수 있다. 장기 계약에는 예약 컴퓨팅 용량, 지원, 모델 맞춤화, 스토리지가 포함될 수 있다. 계약 전체를 모델 ARR로 분류하면 어떤 제품이 매출을 창출했는지가 흐려질 수 있다.

애플리케이션 매출도 경계 설정 문제를 낳는다. AI 동영상 서비스는 모델에 의존하지만, 고객은 애플리케이션 경험에 비용을 지불한다. 전체 구독 매출을 포함하면 모델 및 컴퓨팅 구성 요소만 집계할 때보다 시장이 더 크게 보인다.

보도된 130억 달러 전망은 타당한 내부 프레임워크를 사용했을 수 있다. 다만 공개된 헤드라인만으로는 이를 평가할 충분한 세부 정보가 제공되지 않는다. 확인 가능한 기업 목록, 범주 정의, 환율 가정, 보고된 재무제표와의 조정 내역이 없다.

이러한 한계가 전망 자체를 무효화하는 것은 아니다. 주식 리서치는 흔히 기업 가이던스, 채널 점검, 컴퓨팅 수요, 애널리스트 추정을 결합한다. 다만 독자들은 이 수치를 독립적으로 감사된 시장 총액으로 취급하지 말아야 한다.

수익성은 두 번째로 빠진 요소다. 제공업체들은 칩, 전력, 네트워킹, 데이터센터 용량, 엔지니어링, 고객 지원 비용을 부담해야 한다. 해외 확장은 규정 준수, 현지화, 영업, 인프라 비용을 추가한다.

Goldman은 앞서 중국 주요 인터넷 기업들이 2026년 동안 데이터센터 및 관련 AI 용량에 700억 달러 이상을 투자할 것으로 전망했다. 해당 인프라 전망은 이 부문이 선투자 단계에 있다고 설명했다.

이 지출은 에이전틱 애플리케이션에 충분한 용량을 제공할 수 있다. 그러나 기업 도입이 예상보다 더디게 진행된다면 수익화를 앞지를 수도 있다. 데이터센터는 장기 전력, 토지, 장비 약정이 이뤄진 뒤에는 쉽게 축소할 수 없다.

하드웨어 접근성도 또 다른 제약으로 남는다. 미국의 수출 통제는 중국의 일부 첨단 AI 칩 접근을 제한한다. 중국 제공업체들은 국내 가속기 사용을 늘리고 있지만, 소프트웨어 호환성과 생산 능력은 여전히 배포 결정에 영향을 미친다.

Goldman은 중국 기업들이 전통적으로 자본지출의 50%에서 75%를 해외 칩에 지출했으며, 그 비중이 국내 공급업체로 이동하고 있다고 밝혔다. 이 전환은 공급 회복력을 높일 수 있다. 동시에 모델과 애플리케이션을 여러 하드웨어 시스템에 맞추기 위한 엔지니어링 작업이 필요할 수도 있다.

지정학적 위험은 해외 성장을 복잡하게 만든다. 정부는 보안 심사, 조달 제한 또는 새로운 수출 통제를 적용할 수 있다. 기업들도 프롬프트, 출력물, 운영 데이터가 어디에서 처리되는지 확인할 수 없다면 해당 모델을 거부할 수 있다.

모델 품질은 별도의 문제를 제기한다. 중국 시스템은 코딩, 리서치, 일반적인 어시스턴트 작업 전반에서 경쟁력을 갖추게 됐다. 그러나 독립 평가자들은 전문 역량, 언어, 도구 사용, 어려운 추론 워크로드에서 여전히 고르지 못한 성능을 확인하고 있다.

한 워크플로에 충분히 좋은 모델이 다른 워크플로에는 부적합할 수 있다. 기업들은 자체 문서와 실패 조건을 바탕으로 신뢰성을 검증해야 한다. 공개 벤치마크는 민간 비즈니스 프로세스를 완전히 대변할 수 없다.

보안과 거버넌스는 벤치마크 성능만큼 중요하다. 저렴한 모델도 기밀 데이터를 노출하거나, 신뢰할 수 없는 행동을 생성하거나, 광범위한 사람의 검토를 요구한다면 비용이 커질 수 있다. 구매자들은 토큰 요금뿐 아니라 전체 운영 시스템을 평가할 것이다.

중국 내 규제 요건도 모델의 행동과 배포를 좌우한다. 제공업체들은 공개 생성형 AI 서비스에 적용되는 국내 규정을 준수해야 한다. 해외 고객은 개인정보 보호, 저작권, 투명성, 자동화된 의사결정에 대해 다른 기준을 적용할 수 있다.

이러한 불확실성은 까다로운 입증 기준을 만든다. 강력한 ARR 수치는 인식 매출, 고객 유지율, 매출총이익률, 반복 가능한 유료 워크로드를 통해 확인돼야 한다. 다운로드 수와 일시적인 트래픽 급증만으로는 그러한 증거를 제공할 수 없다.

따라서 이 전망은 검증 중인 가설로 읽어야 한다. 이는 중국의 저비용 모델 시장이 상업적 규모에 접근하고 있음을 말한다. 각 제공업체가 지속 가능한 사업 모델을 찾았다는 점까지 입증하지는 않는다.

Google News 전망을 검증할 세 가지 신호

향후 세 가지 신호는 중국의 AI 도입 물결이 지속 가능한 매출을 창출하는지, 아니면 낮아진 가격에서 더 큰 물량만 만들어내는지를 보여줄 것이다.

첫 번째 신호는 주요 클라우드 제공업체가 인식하는 AI 매출이다. Alibaba, Baidu, Tencent는 실적 공시를 통해 시장에 더 명확한 증거를 제시할 수 있다. 투자자들은 AI 모델 서비스를 일반 클라우드 컴퓨팅 및 관련 없는 애플리케이션과 구분하는 일관된 수치를 필요로 한다.

성장이 여러 보고 기간에 걸쳐 이어진다면 전망은 더 강해질 것이다. 단일 분기를 연간화한 수치는 설득력이 떨어진다. 가장 좋은 증거는 AI 매출 증가와 고객 사용량 확대, 클라우드 마진 개선이 함께 나타나는 것이다.

Alibaba는 Qwen 개발과 클라우드 유통을 결합한다는 점에서 특히 주목할 만하다. 이 회사의 폭넓은 플랫폼은 학습, 추론, 스토리지, 애플리케이션 수요를 포착할 수 있다. 동시에 이러한 서비스가 함께 보고될 경우 모델 계층은 가려질 수도 있다.

Baidu는 모델 및 클라우드 운영을 통해 또 다른 유용한 시험대를 제공한다. Tencent는 AI 소비가 커뮤니케이션, 게임, 광고, 기업 서비스 전반으로 확산되는지를 보여줄 수 있다. 세 회사 모두에서 유사한 모멘텀이 나타난다면 한 기업의 회계 선택이 아니라 시장 전반의 변화를 시사할 것이다.

두 번째 신호는 토큰 물량과 단가의 관계다. 제공업체들은 사용량 증가가 가격 하락을 앞지르는지를 보여줄 만큼의 운영 정보를 공개해야 한다. 안정적이거나 개선되는 매출총이익률은 130억 달러 실행률에 더 큰 경제적 의미를 부여할 것이다.

에이전틱 도입은 그러한 결과를 만들 수 있다. 기업용 에이전트는 한 번의 업무 수행 중 수십 차례 모델 호출을 할 수 있다. 이런 워크플로가 정규 운영에 들어간다면 전체 소비량은 헤드라인 API 요금이 하락하는 속도보다 더 빠르게 늘어날 수 있다.

일시적 프로모션은 반대 방향을 가리킨다. 무료 크레딧과 보조금이 붙은 접근은 지속적 매출을 만들지 못한 채 측정된 활동을 부풀릴 수 있다. 최저 요금에만 이끌린 고객은 경쟁사가 대응하면 다시 이동할 수 있다.

용량 부족 역시 신중한 해석이 필요하다. 이는 특정 시점에 수요가 가용 서비스를 초과했다는 것을 보여준다. 추가 용량이 확보되고 초기 관심이 가라앉은 뒤 사용자가 얼마를 지불할지는 알려주지 않는다.

세 번째 신호는 보안 및 규정 준수 심사 이후의 해외 고객 유지율이다. 중국 제공업체들은 이미 자국 밖의 개발자들을 끌어들이고 있다. 지속적인 국제 계약은 이들의 매출 기반을 넓히고 치열한 국내 경쟁에 대한 의존도를 줄일 것이다.

초기 체험보다 유지율이 더 중요하다. 개발자들은 운영 구성을 선택하기 전 여러 모델을 일상적으로 평가한다. 테스트가 끝난 뒤에도 애플리케이션이 유료 트래픽을 계속 보낼 때 제공업체는 상업적으로 승리한다.

기업 도입에는 데이터 처리, 모델 업데이트, 서비스 가용성, 법적 책임에 관한 더 명확한 보장이 필요할 것이다. 이러한 요건을 충족하는 제공업체는 저비용 실험을 더 긴 계약으로 전환할 수 있다. 그렇지 못한 업체는 대형 계정을 확보하지 못한 채 개인 프로젝트에서만 인기를 유지할 수 있다.

정책 변화는 이 신호를 빠르게 강화하거나 약화시킬 수 있다. 추가 제한은 일부 국가에서 조달 경로를 닫을 수 있다. 미국 서비스에 대한 제한은 다른 지역에서 중국 대안에 기회를 만들 수도 있다.

오픈소스 배포는 여기에 뉘앙스를 더한다. 광범위한 자체 호스팅은 직접 API 매출을 창출하지 않고도 중국 모델을 기술 표준으로 자리 잡게 할 수 있다. 이러한 영향력은 기업 서비스, 파트너십, 클라우드 배포를 뒷받침할 수 있기 때문에 여전히 중요하다.

Google News를 통해 이 이야기를 지켜보는 독자들은 이를 연말 수치 하나로 축소해서는 안 된다. 의미 있는 질문은 인식 매출, 단위 경제성, 고객 유지율이 함께 움직이는지 여부다.

클라우드 공시가 개선되고, 마진이 유지되며, 해외 고객이 체험 이후에도 남는다면 Goldman의 보도된 전망은 점점 더 그럴듯해 보일 것이다. 가격이 계속 붕괴하는 동시에 손실과 보조금이 확대된다면, 이 헤드라인은 가치보다 활동을 더 정확히 측정한 셈이 될 것이다.

개발자와 기업 구매자는 그 판정이 나오기 전에 행동할 수 있다. 정의된 워크로드에서 모델을 비교하고, 오류율을 문서화하며, 총운영비를 측정하고, 대안을 유지해야 한다. 유용한 평가는 토큰 사용량뿐 아니라 보안 및 사람의 검토에 드는 비용도 함께 포함한다.

AI 애플리케이션을 선택하는 지식 근로자에게도 같은 원칙이 적용된다. 낮아진 모델 비용은 더 나은 검색, 초안 작성, 분석 도구를 뒷받침할 수 있다. 하지만 신뢰할 수 있는 워크플로우에는 추적 가능한 출처, 통제된 접근 권한, 민감한 정보의 명확한 처리 방식이 필요하다.

중국의 공급업체들은 이미 유능한 AI를 더 저렴하고 더 널리 이용할 수 있게 하며 시장을 바꿔 놓았다. 다음 과제는 더 어렵다. 경제성이 끝없이 더 저렴한 지능을 향한 경쟁이 아니라 반복적인 사업을 만들어낸다는 점을 입증해야 한다.

130억 달러 규모의 Google News 전망치는 이 시험에 눈에 보이는 목표를 제시한다. 기업들이 무엇을 매출로 인식하는지, 제공 비용을 제하고 얼마나 남기는지, 그리고 최신 모델이 등장했을 때에도 고객이 계속 비용을 지불하는지를 지켜봐야 한다.