개방형 AI 토큰 비중 3분의 1, 컴퓨팅 수요 늘리나

개방형 가중치 인공지능(AI) 모델의 비용 경쟁력이 기업의 AI 활용 범위를 넓히고 있다. 저렴해진 AI가 고성능 폐쇄형 모델을 곧바로 대체하기보다 전체 사용량과 컴퓨팅 수요를 늘릴 수 있다는 분석이다.

모건스탠리(Morgan Stanley)는 7월 7일 공개한 ‘Thoughts on the Market’ 대담에서 기업들이 고성능 폐쇄형 모델과 저비용 개방형 모델을 용도별로 나눠 쓰는 흐름을 짚었다. 스티븐 버드(Stephen Byrd) 모건스탠리 글로벌 테마·지속가능성 리서치 총괄은 “프런티어 모델과 오픈소스 모델 모두 역할이 있다”고 말했다. 단순하거나 반복적인 업무에는 저렴한 모델을 쓸 수 있지만, 오류 수정 비용이 큰 코딩과 복잡한 기업 업무에는 고성능 모델이 합리적일 수 있다는 설명이다.

AI 사용 비용이 낮아져도 수요가 줄지 않을 수 있다는 근거로는 ‘제번스 역설’이 제시됐다. 기술 효율이 높아져 단위 비용이 내려가면 전체 소비가 오히려 늘 수 있다는 개념이다. 버드는 모델 성능 개선과 토큰·컴퓨팅 비용 하락이 동시에 진행되면서 AI 컴퓨팅 수요가 공급을 웃돌 가능성이 크다고 봤다.

개방형 가중치 모델 경쟁은 중국을 넘어 글로벌 AI 업계로 확산하고 있다. 문샷AI(Moonshot AI)는 공식 깃허브(GitHub) 저장소에서 키미 K3(Kimi K3)를 개방형 가중치 기반의 멀티모달 에이전트 모델로 소개했다. 키미 K3는 총 2조8000억개 파라미터와 1040억개 활성 파라미터, 100만 토큰 컨텍스트 창을 제시했으며 전체 모델 가중치를 공개한다고 밝혔다. 알리바바의 큐원(Qwen), 메타(Meta)의 라마(Llama), 오픈AI(OpenAI)의 gpt-oss 계열도 경쟁에 참여하고 있다.

오픈라우터(OpenRouter)는 2025년 사용량 분석에서 개방형 가중치 모델이 그해 말 전체 토큰 사용량의 약 3분의 1에 도달했다고 밝혔다. 다만 모건스탠리는 기업 지출액에서는 고급 폐쇄형 모델의 비중이 여전히 크다고 봤다. 모든 업무를 저가 모델로 옮기기보다 난이도와 위험에 따라 모델을 나눠 쓰는 방식이 확대되고 있다는 해석이다.

AI 사용 비용이 내려가도 전체 컴퓨팅과 전력 수요는 늘어날 수 있다. 젠슨 황(Jensen Huang) 엔비디아(Nvidia) 최고경영자는 지난 3월 모건스탠리 대담에서 에이전트형 AI가 일반 생성형 프롬프트보다 훨씬 많은 토큰을 소비할 수 있다고 설명했다. 기업의 AI 호출이 늘어나면 GPU와 메모리, 전력, 데이터센터 수요가 함께 증가할 수 있다는 논리다.

개방형 모델을 둘러싼 평가는 엇갈린다. 마이크로소프트(Microsoft)가 게시한 ‘Open Weights and American AI Leadership’ 공개 서한에는 8월 3일 기준 270곳이 넘는 기업과 기관이 서명했다. 서한은 개방형 가중치 모델이 스타트업과 대학, 공공기관의 접근성을 높이고 경쟁을 촉진한다고 주장했다. 반면 공개된 가중치는 배포 후 회수가 어렵고 변형 모델을 추적하기 힘들다는 안전 위험도 인정했다.

크립토 시장과는 전력 인프라를 매개로 제한적인 접점이 있다. 모건스탠리 대담에서는 데이터센터 인허가와 전력 접근성이 AI 인프라의 병목으로 거론됐다. 버드는 전력망 접근권을 보유한 비트코인(BTC) 채굴 사업자들이 관련 수요를 살피고 있다고 말했다. AI 데이터센터와 채굴 시설이 전력·부지·냉각 자원을 공유할 여지는 있지만, 이를 특정 토큰 가격이나 채굴 기업의 성과로 연결할 근거는 제시되지 않았다.