몇 달마다 누군가가 AI 산업이 영원히 바뀔 것이라고 선언하는 것을 보셨을 겁니다. 이번 주는 실제로 그런 순간 중 하나처럼 느껴졌습니다. 그리고 평소와 같은 과장된 이유 때문이 아니었습니다. Samsung이 메모리 칩에서 18배의 이익 급증을 기록하고, 중국의 AI 모델들이 서구권의 가격 책정을 거의 우스꽝스럽게 보이게 만들며, Palantir의 CEO가 모두에게 LLM (대규모 언어 모델) 기업에 데이터를 넘기는 것을 중단하라고 말하는 등, 풀어낼 이야기가 아주 많습니다.

중국 AI 가격 책정의 현실 점검

저는 코딩 스니펫, 콘텐츠 초안, 가끔씩 하는 브레인스토밍 세션 등 일상적인 워크플로우의 대부분에 GPT-4o를 사용해 왔습니다. 그러다 2주 동안 중국 AI 모델들을 테스트한 누군가의 Dev.to 게시물을 보게 되었는데, 솔직히 그 수치들을 보고 다시 한번 확인하게 되었습니다.

DeepSeek V4 Flash는 출력 토큰 100만 개당 0.25달러입니다. Qwen3-8B는 말 그대로 1센트입니다. 100만 토큰당 단 1센트입니다. 참고로 이는 대략 75만 단어에 해당합니다. 껌 한 통 값도 안 되는 비용으로 소설 한 권 전체를 처리할 수 있는 셈입니다.

네 가지 모델 제품군인 DeepSeek, Qwen, Kimi, GLM 사이의 비교는 꽤 명확한 그림을 그려줍니다:

• DeepSeek V4 Flash ($0.25/M)는 예산이 한정된 대부분의 사람들에게 일상적인 주력 모델(daily driver)로 적합합니다. 가격이 10배 더 비싼 모델들과 견줄 만한 탄탄한 코드 생성 능력을 갖추고 있습니다. 이번 주에 API 통합 작업을 시켜보았는데, 솔직히 GPT-4o와 차이를 느낄 수 없었습니다. 지갑은 확실히 차이를 느끼겠지만 말입니다.
• Qwen은 100만 토큰당 0.01달러인 터무니없이 저렴한 Qwen3-8B부터 100만 토큰당 2.34달러인 Qwen3.5-397B에 이르기까지 가장 넓은 범위를 제공합니다. 선택지가 필요하다면 이들이 정답입니다.
• Kimi K2.5 ($3.00/M)는 플래그십 가격을 지불해야 하지만, 추론(reasoning) 작업에서 체급 이상의 성능을 보여줍니다.
• GLM은 중국어 작업을 압도하며, 동일한 0.01달러/M의 최저가에서 시작합니다.

공정하게 말하자면, 격차는 존재합니다. DeepSeek의 시각(Vision) 능력은 약합니다. 만약 이미지 분석이 필요하다면 다른 모델을 찾아봐야 합니다. 일부 중국어 네이티브 모델의 영어 뉘앙스는 창의적 글쓰기(Creative writing) 측면에서 여전히 Claude나 GPT-4o와 완전히 일치하지는 않습니다. 하지만 대부분의 개발자가 실제로 수행하는 작업인 코딩(Coding), 요약(Summarization), 구조화된 출력(Structured output)에 대한 순수한 가성비 측면에서는 그 격차가 빠르게 좁혀지고 있습니다.

저는 지난주에 일상적인 코딩 어시스턴트를 DeepSeek V4 Flash로 전환했습니다. API 통합, 디버깅(Debugging), 짧은 스크립트 작성에 있어서는 차이를 느낄 수 없을 정도였습니다. 제 월간 API 비용은 약 80% 감소했습니다.

Samsung의 18배 이익 급증 — 아무도 말하지 않는 에이전틱 AI (Agentic AI) 관점

Samsung은 메모리에 대한 AI 수요에 힘입어 2분기 영업이익이 18배 급증한 86조 원(560억 달러)을 기록할 것으로 예상됩니다. DRAM 가격은 전 분기 대비 44% 급등했습니다. NAND는 53% 상승했습니다. Samsung, SK Hynix, Micron은 모두 올해 시가총액 1조 달러를 돌파했습니다. 오타가 아닙니다.

일반적인 서사는 이를 학습 클러스터를 위한 HBM 때문으로 돌립니다. 하지만 분석가들은 이제 다른 점을 지적하고 있습니다. 바로 **에이전틱 AI (Agentic AI)**입니다. 단순히 텍스트를 생성하는 것을 넘어 항공권 예약, 워크플로(Workflow) 관리, 코드 실행 등 다단계 작업을 실제로 수행하는 시스템은 추론(Inference) 과정에서 훨씬 더 많은 범용 DRAM과 NAND를 필요로 합니다. AI가 단순히 거대 모델을 한 번 학습시키는 것에 그치는 단계는 지났습니다. 진짜 메모리 갈증이 시작되는 지점은 바로 추론 단계입니다.

하지만 어두운 면도 있습니다. JPMorgan은 AI 메모리가 현재 클라우드 제공업체 자본 지출(Capex)의 52%를 차지하고 있으며, 내년에는 70%에 달할 것으로 전망한다고 경고했습니다. 이 정도의 집중도는 강세론자들조차 불안하게 만듭니다. 만약 AI 서비스 매출이 지출을 정당화할 만큼 충분히 빠르게 실현되지 않는다면, 붐은 예상보다 더 빨리 식을 수 있습니다. Samsung의 모바일 사업은 이미 압박을 느끼고 있습니다. 최근의 가격 인상에도 불구하고 상승하는 메모리 가격이 휴대폰 마진을 압박하고 있습니다.

Palantir의 CEO가 던진 폭탄 발언

Alex Karp는 9가지 항목으로 구성된 선언문을 발표했는데, 이는 결국 하나의 단순한 메시지로 요약됩니다: 여러분의 독점 데이터(proprietary data)를 LLM API 기업들에게 넘겨주는 것을 중단하라는 것입니다. 그의 주장은 — 토큰을 판매하는 기업들이 정작 자신들의 제품을 직접 사용(eat their own dog food)하기를 거부하고 있으며, 여기에는 이유가 있다는 것입니다. 직설적이지만 완전히 틀린 말은 아닙니다.

제가 대화해 온 한 스타트업은 API 기반의 LLM을 활용해 구축하는 데 수개월을 보냈지만, 결국 데이터 파이프라인(data pipeline)에 대해 아무런 통제권이 없다는 사실을 깨달았습니다. 그들은 결국 자신들의 특정 사용 사례(use case)에 맞춰 더 작은 오픈 모델(open model)을 미세 조정(fine-tuning)했고, 눈에 띄게 더 나은 결과를 얻었습니다. 제 관점에서는, "오픈 모델 기반으로 구축하고, 탐색 단계에서는 API를 사용하는" 하이브리드 접근 방식이 현재 대부분의 팀이 지향해야 할 방향입니다.

Cloudflare, AI 검색의 혼란 속으로 진입

Cloudflare는 이번 주 AI 검색과 관련된 두 가지 이니셔티브(initiatives)를 발표했습니다. 핵심 문제는 잔인할 정도로 단순합니다: AI 요약이 클릭률(click-through rates)을 파괴한다는 것입니다. Pew의 연구에 따르면, Google이 AI 요약을 제공할 때 사용자가 전통적인 링크를 클릭하는 비율은 단 8%에 불과했습니다. 이는 요약이 없을 때의 약 절반 수준입니다. 수익을 위해 트래픽에 의존하는 크리에이터들에게 이는 생존 문제입니다.

Cloudflare의 전략은 사이트 소유자에게 더 나은 봇 제어권을 제공하는 동시에 경제 모델을 재구축하려는 것입니다. 즉, 네트워크 전반에서 이미 확인되는 신호들을 활용하여 AI 검색을 더 "스마트하게" 만드는 것입니다. 이것이 성공할지는 별개의 문제지만, 적어도 누군가는 크롤러(crawlers)를 상대로 두더지 잡기 게임을 하는 대신 크리에이터의 가시성 문제를 해결하려고 시도하고 있습니다.

터무니없는 AI PC와 보안 현실 점검

TechRadar는 AMD Ryzen AI Max 395, 128GB의 RAM, 126 TOPS의 NPU 성능, 그리고 — 지어낸 이야기가 아니라 — 비건 가죽 손잡이가 달린 미니 PC를 포착했습니다. 황당하지만 왠지 하나 갖고 싶어지는 제품입니다. 중간 규모의 로컬 모델(local models)이라도 실행하는 사람에게는, 저 정도의 메모리 여유 공간(memory headroom)은 진정으로 유용합니다. GPU를 건드리지 않고도 NPU에서 제법 큰 규모의 LLM을 실행할 수 있습니다. 워크스테이션을 대체할 수준은 아니더라도, 컴팩트한 AI 샌드박스(sandbox)로서는? 매력적입니다.

한편, Ars Technica는 AI 기반 브라우저가 가드레일 (guardrails)을 무시하도록 속일 수 있음을 보여주는 연구를 발표했습니다. 새로운 기능이 추가될 때마다 새로운 공격 표면 (attack surface)이 열리며, 우리는 AI 에이전트 (AI agent) 보안이 어떤 모습이어야 하는지를 파악하는 아주 초기 단계에 머물러 있습니다. 에이전트 기반 (agentic) 무언가를 구축하고 있다면 이 점을 항상 염두에 둘 가치가 있습니다.

주요 소식 (Quick Hits)

• 인도의 Mohandas Pai: 인도에 비용이 많이 드는 LLM 경쟁을 쫓지 말고, 대신 실용적인 AI 모델에 집중하라고 조언했습니다.
• Base44: CEO가 "AI 슬롭 디자인 (AI-slop design)"이라고 부르는 현상에 대응하기 위해 자체적인 LLM을 구축했습니다. 이는 출력 품질에 대한 통제권을 원하는 기업들에게 흥미로운 사례입니다.
• 유럽의 데이터 보호: 새로운 연구에 따르면 GDPR 관련 규정들이 유럽 전역의 LLM 도입을 늦추고 있으며, 이로 인해 미국 및 아시아와의 규제 격차가 커지고 있습니다.
• 이커머스 스타트업 Lantern: GEO (생성 엔진 최적화, generative engine optimization) 및 에이전트 기반 마케팅 도구로 피벗 (pivot)했습니다. 이는 SEO에서 GEO로의 전환이 실재한다는 또 다른 신호입니다.

가치가 세 가지 방향으로 동시에 이동하고 있습니다. 중국의 경쟁 덕분에 모델 추론 (inference) 비용은 터무니없이 저렴해지고 있습니다. 에이전트형 AI 수요 덕분에 메모리 (memory)와 인프라 (infrastructure) 비용은 터무니없이 비싸지고 있습니다. 그리고 데이터 소유권 논쟁은 산업의 다음 단계를 형성할 방식으로 뜨거워지고 있습니다.

오늘날 AI로 무언가를 구축하고 있다면, 더 저렴한 모델들로 실험해 보세요. 모델을 전환함으로써 실제로 잃는 것이 얼마나 적은지 보고 놀랄 수도 있습니다. 그리고 메모리 비용을 계속 주시하세요. 칩을 구매하든 클라우드 인스턴스 (cloud instances)를 대여하든 비용은 상승하고 있습니다.

최근 DeepSeek 또는 Qwen을 사용해 보셨다면, 평소 사용하던 스택 (stack)과 비교했을 때 어떠했는지 듣고 싶습니다. 가격 차이는 별개의 문제이며, 실제 경험은 또 다른 문제입니다. 댓글을 남겨 여러분에게 무엇이 효과적인지 알려주세요.

이번 주에 흥미로운 것을 만드셨나요? 빠른 급여 및 보상 계산을 위해 PayCalc를 확인해 보세요.