• 기업가치 44조 원의 미국 인공지능(AI) 코딩 스타트업 ‘커서(Cursor)’는 최근 새 모델을 출시하며 곤욕을 치렀음

• 막대한 자본력에도 중국 오픈소스 AI 모델 ‘키미(Kimi)’를 몰래 가져다 핵심 연산 엔진으로 쓴 사실이 들통난 것

• 수십만 줄의 코드를 읽고 스스로 버그를 고치는 코딩 에이전트(비서) 특성상 토큰(AI모델이 처리·생산하는 데이터의 단위) 소비가 막대해 값비싼 미국 모델만으로는 원가를 감당할 수 없었던 탓임

• 글로벌 숙박 공유 플랫폼 에어비앤비의 브라이언 체스키 최고경영자(CEO)도 최근 자사 앱에 알리바바의 AI ‘큐웬(Qwen)’을 연동했다며 “오픈AI (챗GPT)보다 빠르고 저렴하다”고 털어놨음

• AI가 사람 대신 복잡한 업무를 처리하는 ‘에이전트’ 시대가 열리면서 중국산 저가 모델이 급부상하고 있음

• AI 에이전트의 천문학적인 ‘토큰(Token)’ 사용량에 기업들도 ‘가성비’를 따지게 된 셈

• AI 모델이 처리·생산하는 데이터 연산 단위인 토큰은 쉽게 말해 AI 모델(LLM)을 돌리는 연료(기름)라 할 수 있음'

• 비싼 미국 최상위 AI모델이 고급 휘발유를 넣는 고성능 차라면, 중국산 모델은 싼 경유로도 달리는 실용 차인 셈임

• 에이전트는 이 차에 목적지만 알려주면 스스로 경로를 짜고 운전대를 조작하는 ‘자율주행 기사’ 격으로, 질문에 답하는 챗봇과 달리 외부 도구를 여러 차례 호출·검증하며 토큰을 순식간에 태움

• 토큰 사용량은 AI 모델의 이용 및 생산량 측정을 위한 지표로도 쓰이는데 1일 AI 모델 추적 플랫폼 ‘오픈라우터’의 주간 토큰 사용량을 보면 중국산 AI의 약진이 한눈에 드러남

• 지난달 23일 기준 상위 4개 모델을 중국산이 휩쓸었음. 샤오미의 ‘미모 V2 프로(3조9600억 개)’가 1위, 스텝펀의 ‘스텝 3.5 플래시(1조4900억 개)’, 미니맥스의 ‘M2.7(1조2900억 개)’, 딥시크의 ‘V3.2(1조2400억 개)’가 뒤를 이었음

• 미국 앤스로픽의 ‘클로드 소네트 4.6(1조400억 개)’은 5위로 밀렸음. 주간 전체 사용량 22조7000억 개 가운데 중국 모델 점유율은 43.3%로, 미국(13.2%)의 세 배를 넘었음

• 지난해 4월만 해도 풍경은 딴판이었음. 클로드 소네트 3.7(3090억 개) 등 미국 빅테크 모델이 1∼5위를 독차지했고, 전체 1조8000억 개 토큰 사용량 중 과반(53.8%)이 미국 몫이었음

• 그러나 올해 초 스스로 코드를 짜고 실행하는 ‘오픈클로’ 같은 자율형 에이전트가 잇따라 등장하면서 판도가 뒤집혔음. 이런 에이전트를 돌릴수록 토큰 소모가 급증하자, 비용 부담을 느낀 기업들이 초저가 중국 모델로 대거 갈아타고 있는 것

• 한국에서도 중국 모델이 현장을 파고들고 있음

• 보안이 중요한 서비스엔 미국 모델을, 데이터 전처리나 대량 후처리엔 중국산 모델을 쓰는 ‘투트랙’으로 운용이 흔함

• 본보가 지난해 9월 여론조사 플랫폼 리멤버에 의뢰해 국내 정보기술(IT) 담당자 306명을 조사한 결과에서도 알리바바 큐웬(10.0%) 활용률이 오픈AI 챗GPT(52.6%), 메타 라마(14.0%)에 이어 3위를 차지했음

• 국내 정보기술(IT) 업계 관계자는 “바이브 코딩(일반 언어로 대화하듯 코딩하는 것)으로 개인 AI 업무 툴(도구)을 만들 때 중국산 모델을 쓰는 경우도 많다”고 말했음

• 중국 가성비 AI모델의 침투에 미국에서도 엔비디아의 차세대 칩 ‘루빈(Rubin)’ 등 하드웨어 혁신으로 추론 단가(답변을 생성하는데 발생하는 비용, 일명 토큰 당 비용)를 낮추는 맞불을 놨음

• 다만 글로벌 IT 연구기관 가트너는 2030년까지 거대언어모델 추론 단가가 90% 하락하더라도, 에이전트 확산으로 사용량이 최대 30배 늘어 전체 비용 부담은 지속될 것이라고 내다봤음

• 윌 소머 가트너 시니어 디렉터 애널리스트는 “고급 추론을 뒷받침하는 컴퓨팅 자원과 시스템은 여전히 희소하다”고 말했음

• 가트너는 작업의 경중에 따라 저비용 ‘경유’ 모델과 고성능 ‘고급 정제유’ 모델을 선택적으로 결합하는 ‘멀티 모델 오케스트레이션(조율)’ 역량이 다가올 기업과 국가의 AI 패권을 좌우할 것으로 전망했음

​

• 2026년 현재, 전 세계 경제 체제는 데이터의 단순한 축적을 넘어 지능이 생성되고 거래되는 '토큰 경제(Token Economy)'의 정점으로 진입

• 인류가 19세기 말 전기를 발견하여 산업 혁명을 가속화했듯, 현대의 인공지능(AI) 혁명에서 토큰은 지능을 구동하는 핵심 연료이자 가치 척도로 자리 잡았음

• 과거 스마트폰 시대가 데이터의 '저장'과 '유통'에 집중했다면, AI 시대의 토큰 경제는 실시간 '생성'과 '소비'에 기반을 둠

• 이는 데이터 센터가 단순한 저장고에서 토큰을 찍어내는 '토큰 공장(Token Factory)'으로 진화했음을 의미하며, 토큰을 더 빠르고 저렴하게 생산하는 기업이 시장의 패권을 쥐는 구조가 형성되었음

• 토큰이란 AI 모델이 언어나 이미지를 처리할 때 사용하는 최소 연산 단위로, 일반적으로 영어 단어 한 개 내외의 정보를 담고 있음

• 기업들은 이 토큰 사용량을 기준으로 비용을 지불하며, 이는 곧 AI 서비스의 원가와 직결됨

• 최근 'AI 에이전트'라 불리는 자율형 인공지능이 확산되면서 토큰 소비량은 과거 챗봇 중심의 시대와 비교할 수 없을 정도로 폭증

• AI 에이전트는 사용자의 질문에 답하는 수준을 넘어 스스로 계획을 세우고 외부 도구를 호출하며 검증 과정을 거치는데, 이 과정에서 발생하는 '토큰 번(Token Burn)' 현상은 기업들에게 막대한 비용적 압박으로 작용하고 있음

• 이러한 배경 속에서 가성비를 무기로 한 중국 AI 모델들의 약진은 단순한 시장 침투를 넘어 글로벌 AI 생태계의 지각변동을 일으키고 있음

[ 중국 AI 모델의 기술적 혁신과 가격 파괴 전략 ]

• 중국의 AI 산업은 '가성비'라는 명확한 전략적 지향점을 가지고 미국 주도의 성능 경쟁에 도전장을 내밀었다. 딥시크(DeepSeek)와 알리바바(Alibaba) 등 중국의 선도 기업들은 모델 아키텍처의 효율화를 통해 추론 비용을 획기적으로 낮췄음

• 딥시크가 2026년 초 출시한 V4 모델은 6,710억 개의 거대한 파라미터를 보유하고 있음에도 불구하고, 'Mixture of Experts(MoE)' 아키텍처를 고도화하여 연산 시 실제 활성화되는 파라미터 수를 370억 개 수준으로 억제함으로써 에너지 효율과 비용 경쟁력을 동시에 확보했음

• 위 표에서 알 수 있듯, 딥시크 V4의 입력 비용은 오픈AI의 플래그십 모델인 GPT-5.4 대비 약 8배, 출력 비용은 20배 이상 저렴

• 특히 프롬프트 캐싱 기술을 적용할 경우 입력 비용이 100만 토큰당 0.03달러까지 떨어지는데, 이는 대규모 에이전트 워크플로우를 운영하는 기업들에게 거부하기 힘든 경제적 유인

• 이러한 가격 경쟁력은 단순한 저가 수주가 아니라, 중국 내 저렴한 재생에너지를 컴퓨팅 파워로 변환하고 이를 고품질 토큰으로 환산하여 최대 22배의 부가가치를 창출하는 국가적 차원의 '에너지-토큰' 선순환 구조에서 기인함

​

[ '츠위안(Ciyuan)': 토큰의 화폐화와 국가적 통제력 강화 ]

• 중국 정부는 토큰 경제를 국가 전략의 핵심으로 격상시켰음

• 2026년 3월, 중국 국가데이터관리국은 토큰의 공식 명칭을 '츠위안(ciyuan)'으로 확정하며 이를 AI 시대의 새로운 가치 척도이자 통화 단위로 규정

• '츠(ci)'는 단어를, '위안(yuan)'은 중국의 화폐를 의미하며, 이는 디지털 위안화와 연계된 토큰 기반 경제 시스템을 구축하겠다는 강력한 의지의 표현

• 중국의 일일 토큰 호출량은 2026년 초 기준 140조 개를 넘어섰으며, 이는 불과 2년 만에 1,000배 이상 성장한 수치

• 이러한 폭발적 성장은 정부 주도의 인프라 투자와 데이터 공급 정책이 뒷받침되었기에 가능

• 중국은 서부 지역의 풍부한 재생에너지를 동부의 데이터 센터로 전송하는 '동수서산' 프로젝트를 토큰 생산에 최적화했으며, 2025년 말까지 890페타바이트 규모의 고품질 데이터셋을 확보하여 토큰 공장의 원재료 공급망을 완성했음

• 또한 알리바바는 '알리바바 토큰 허브'를 설립하여 토큰의 생산, 유통, 활용을 일원화하는 비즈니스 모델을 본격화하고 있음

​

[ K-LLM의 약진과 업스테이지의 솔라 프로젝트 ]

• 한국은 미국과 중국에 이어 자체 거대언어모델(LLM)을 개발하고 운영하는 세계 3위권의 기술 강국으로 평가받음

• 특히 업스테이지와 네이버는 한국어 특화 성능을 바탕으로 소버린 AI(Sovereign AI) 전략을 추진하며 독자적인 입지를 다져왔음

• 업스테이지가 2026년 3월 공개한 '솔라 프로 3(Solar Pro 3)'는 1,020억 개의 매개변수를 갖춘 MoE 모델로, 기존 모델 대비 성능을 2배 이상 끌어올리면서도 처리 비용과 속도를 전작 수준으로 유지하는 데 성공

• 솔라 프로 3는 특히 에이전트 업무 수행 능력을 측정하는 타우2-올(Tau2-all) 및 코딩 벤치마크에서 전작 대비 괄목할 만한 성장을 거뒀으며, 한국어 사용자 선호도 지표인 '코-아레나-하드-v2'에서 최상위권을 기록

• 이는 한국 AI가 글로벌 범용 모델과의 전면전보다는 특정 언어 권역과 실무 에이전트 시장에서 강력한 효율성을 발휘하는 '강소 모델' 전략을 통해 생존하고 있음을 보여줌

​

[ 네이버의 전략 변화와 소버린 AI의 실체 ]​

• 네이버는 자사의 하이퍼클로바X를 중심으로 한국의 산업 생태계에 최적화된 AI 인프라를 구축해 왔음

• 그러나 2026년 4월, 네이버는 소비자 대상 실험실 서비스인 '클로바X'를 종료하고 B2B 산업 현장으로의 전면적인 전환을 선언

• 이는 개인용 챗봇 시장의 수익성 한계를 극복하고, 금융, 제조, 공공 등 보안과 신뢰가 필수적인 전문 영역에서 '소버린 AI'의 가치를 증명하겠다는 전략적 판단으로 해석

• 한국형 소버린 AI는 단순히 국산 모델을 쓰는 것을 넘어, 데이터 주권 확보와 국가 안보 측면에서 핵심적인 역할을 함

• 한국은 반도체, 데이터 센터, K-LLM, 제조 역량을 결합한 '인프라-플랫폼형 소버린 AI 중견국 모델'을 지향하고 있음

• 특히 삼성전자의 DX 부문은 '상생협력 DAY'를 통해 협력사들과 AI 기반의 혁신 성과를 공유하며 제조 현장의 지능화를 추진하고 있는데, 이는 한국이 가진 제조 강국으로서의 데이터를 AI와 결합하여 중국의 물량 공세에 대응하는 중요한 방어선이 되고 있음

​

<시사점>

중국 인공지능(AI) 모델이 ‘가성비’를 앞세워 글로벌 시장을 잠식하고 있다는 오늘 동아일보 보도는 단순한 기술 경쟁의 문제가 아니라, ‘토큰 경제’라는 새로운 산업 질서의 주도권 경쟁이 본격화됐음을 보여줍니다. 이제 인공지능의 경쟁력은 더 이상 모델의 성능만으로 평가되지 않습니다. 얼마나 저렴하게, 얼마나 많은 ‘토큰’을 생산하고 소비할 수 있느냐가 곧 산업의 승패를 가르는 기준으로 자리 잡고 있습니다.

토큰은 AI가 사고하고 판단하는 최소 단위이자 비용의 척도입니다. AI 에이전트가 확산되면서 토큰 사용량은 기하급수적으로 증가했고, 이는 곧 기업의 비용 구조를 근본적으로 바꾸고 있습니다. 이러한 환경에서 중국은 딥시크와 알리바바 등을 앞세워 가격 파괴 전략을 구사하며 시장의 규칙 자체를 바꾸고 있습니다. 특히 MoE(혼합 전문가) 구조를 통해 성능을 유지하면서도 연산 비용을 획기적으로 낮춘 점은 주목할 만합니다. 여기에 저렴한 재생에너지를 기반으로 한 ‘에너지-토큰’ 전환 구조까지 결합되면서, 중국은 사실상 토큰을 대량 생산하는 ‘지능 공장’을 국가 차원에서 구축하고 있습니다.

더 나아가 중국 정부는 토큰을 ‘츠위안’이라는 개념으로 공식화하며 이를 디지털 경제의 새로운 화폐 단위로 규정했습니다. 이는 단순한 기술 정책이 아니라, AI 시대의 통화 질서를 선점하려는 시도입니다. 토큰의 생산과 유통, 소비를 국가 전략으로 끌어올린 중국과 달리, 한국은 여전히 개별 기업 중심의 대응에 머물러 있다는 점에서 위기의식이 필요합니다.

물론 한국도 뒤처진 것민은 아닙니다. 업스테이지의 ‘솔라’ 모델이나 네이버의 하이퍼클로바X 등은 특정 영역에서 높은 경쟁력을 입증하고 있으며, 특히 한국어 기반 서비스와 산업 특화 AI에서는 강점을 보이고 있습니다. 그러나 문제는 가격입니다. 글로벌 시장이 ‘성능’에서 ‘비용’ 중심으로 이동하는 상황에서, 한국형 AI 모델이 지속적으로 선택받기 위해서는 토큰 단가 경쟁력을 확보하지 못하면 생존 자체가 어려워질 수 있습니다.

이미 산업 현장에서는 ‘투트랙 전략’이 일반화되고 있다고 합니다. 핵심 업무에는 미국산 고성능 모델을, 대량 처리 작업에는 중국산 저가 모델을 사용하는 방식입니다. 이는 합리적인 선택이지만, 장기적으로는 국내 AI 생태계를 잠식하는 결과를 초래할 수 있습니다. 데이터와 사용 경험이 해외 모델로 축적될 경우, 한국 AI는 학습 기반 자체를 잃을 위험에 직면하게 됩니다.

이러한 도전에 대응하기 위해 한국이 선택해야 할 길은 명확합니다. 첫째, ‘성능 지상주의’에서 벗어나 ‘비용 효율적 지능’으로 전략을 전환해야 합니다. 토큰 경제에서는 싸게 만드는 능력이 곧 경쟁력입니다. 둘째, 인프라 혁신이 필수적입니다. 데이터센터, 전력, 반도체를 결합해 토큰 생산 단가를 낮추는 구조적 개혁 없이는 중국과의 경쟁이 불가능합니다. 셋째, ‘소버린 AI’를 실질화해야 합니다. 이는 단순한 국산 모델 사용이 아니라, 데이터 주권과 보안 경쟁력을 기반으로 한 신뢰의 문제입니다.

특히 한국은 세계 최고 수준의 메모리 반도체와 제조 데이터를 보유한 국가입니다. 이를 활용해 범용 모델 경쟁이 아닌 산업 특화 AI, 즉 ‘고부가가치 토큰’ 생산에 집중해야 합니다. 제조, 금융, 의료 등에서 한국만이 제공할 수 있는 데이터와 결합된 AI는 중국의 저가 공세로 대체하기 어렵습니다.

정부의 역할도 중요합니다. 9.9조 원 규모의 AI 투자 계획은 방향성 면에서는 적절하지만, 보다 정교한 실행이 필요합니다. 단순한 인프라 확충을 넘어 민간이 토큰을 자유롭게 생산·유통할 수 있는 생태계를 조성해야 하며, 동시에 보안과 표준을 통해 시장의 신뢰를 확보해야 합니다.

결국 토큰 경제는 ‘디지털 통화 경쟁’과 다르지 않습니다. 누가 더 많은 토큰을, 더 싸게, 더 신뢰성 있게 공급하느냐가 미래 경제의 패권을 좌우합니다. 중국의 가성비 공세는 이러한 현실을 가장 먼저 체화한 사례입니다. 한국이 이 경쟁에서 밀린다면, 단순히 AI 산업 하나를 잃는 것이 아니라 미래 산업 전반의 주도권을 내주는 결과로 이어질 수 있습니다.

<관련 기사>

https://n.news.naver.com/article/newspaper/020/0003709016?date=20260402