DeepSeek on Korea Invest Insights

중국 AI API 가격은 지속 가능한가: 공시로 검증한 원가 구조와 승자독식 시나리오

Sat, 18 Jul 2026 11:00:00 +0900

연결 맥락 이 글은 중국 오픈모델의 성능 수렴이 바꾸는 것의 후속편이다. 앞글이 성능 수렴의 가치사슬 함의를 다뤘다면, 이번 글은 그 저가 API가 원가 구조상 지속 가능한지를 홍콩 공시로 검증한다. Kimi K3가 바꾼 AI 가격표, 반도체 강세론과 약세론의 진짜 쟁점과 함께 읽으면 좋다. 관련 허브는 AI HBM 허브와 Exclusive Analysis 허브다.

TL;DR

현재 중국 AI API 가격은 구조적으로 낮아진 원가와 전략적 출혈 경쟁이 섞인 가격이다. 모든 초저가가 유지되기도, 미국 프런티어 수준으로 복귀하기도 어렵다.
홍콩 공시가 답을 나눈다. 지푸의 API 매출총이익률은 18.9%(전년 3.3%)로 개선돼 한계 추론원가는 넘기 시작했다. 그러나 총 매출총이익은 R&D의 9.3%에 불과해 완전원가는 미회수다.
중국의 원가 우위는 실재하지만 화웨이 칩이나 싼 전기가 아니다. 순서는 모델 구조·활성 파라미터 축소 > 배치·캐싱·양자화 > 클라우드 GPU 이용률 > 낮은 목표 마진 > 전력·국내 NPU다.
전력 효과를 크게 잡아도 컴퓨트 가격의 약 2%에 그친다. Qwen 3.5 Flash가 베이징·프랑크푸르트·버지니아에서 같은 가격이라는 사실이 이를 뒷받침한다.
전기차와 달리 AI 모델은 전환비용이 낮다. 승자독식이 나온다면 모델이 아니라 클라우드·유통 계층이다. 가장 유력한 경로는 저가 과점(60%)이다. [분석 목적]

핵심 문장

중국 API 가격이 낮은 것은 이미 자립 가능한 정상가격이라서가 아니라, 추론 효율 개선과 막대한 자본조달이 함께 받치기 때문이다. 이는 서구 모델 사업자의 API 마진에는 부담이지만, 조달금이 다시 학습과 컴퓨팅 인프라로 들어가므로 반도체 총수요 감소를 뜻하지는 않는다.

1. 얼마나 싼가

2026년 7월 기준 100만 토큰당 가격이다. [Fact: 각사 공식 가격표]

모델	입력	출력
DeepSeek V4 Flash	0.14달러	0.28달러
DeepSeek V4 Pro	0.435달러	0.87달러
Gemini 3.5 Flash	1.50달러	9달러
GPT-5.6 Sol	5달러	30달러

DeepSeek V4-Pro는 GPT-5.6 Sol보다 입력이 약 11배, 출력이 약 34배 싸다. 물론 성능, 지연시간, SLA, 보안과 도구 수준까지 동일하다는 뜻은 아니다.

중국 안에서도 가격 차이가 크다

Qwen 3.7 Max: 입력 12위안, 출력 36위안, 현재 50% 할인
Doubao Seed 2.1 Pro: 입력 6위안, 출력 30위안
DeepSeek V4-Pro: 중국 경쟁사보다도 훨씬 공격적

따라서 DeepSeek 가격을 중국 전체의 정상가격으로 보면 안 된다. [Inference: 가격 분산 해석]

2. 지속 가능한 부분: 한계원가

DeepSeek V4-Pro는 총 1.6조 파라미터 중 490억개만 활성화하는 MoE 구조다. 높은 가동률과 배치 처리, 캐싱을 결합하면 실제 토큰당 연산비용을 크게 낮출 수 있다. 반복 입력의 캐시 히트 가격은 100만 토큰당 불과 0.003625달러다. [Fact: DeepSeek 공식 자료]

그래서 다음 트래픽은 현재 가격도 한계비용 기준으로 지속 가능할 수 있다.

배치 처리
캐시 히트
지연시간을 보장하지 않는 트래픽
높은 가동률을 유지할 수 있는 대량 사용

3. 지속하기 어려운 부분: 완전원가

현재 공개가격만으로는 모델 훈련비, R&D, 실패한 실험, 유휴 캐파, 보안·영업·기업용 SLA까지 회수하기 어렵다.

가격 정상화도 이미 시작됐다. [Fact: 각사 조치 및 보도]

DeepSeek는 V4 가격을 75% 낮춘 후 피크 시간대 가격을 두 배로 인상
알리바바도 일부 AI 서비스 가격을 최대 34% 인상
기업용 전용 처리량과 저지연 서비스는 공개 API보다 높은 가격 적용

초저가가 모든 시간대와 고객군에서 유지되지는 못한다는 증거다.

서비스	지속 가능성
캐시·배치·비우선 트래픽	높음
피크 시간·저지연·고동시성	낮음
기업용 보안·SLA	별도 고가 요금 정착
독립 API 사업의 완전원가 회수	현재 가격으로는 어려움

4. 공시로 검증한다: 지푸와 미니맥스

여기부터가 이 글의 핵심이다. 추측 대신 홍콩 상장사의 공시로 확인할 수 있다.

2025년	지푸(02513)	미니맥스(00100)
매출	RMB 7.24억	7,904만달러
API·플랫폼 매출 비중	26.3%	32.8%
API 또는 전사 매출총이익률	API 18.9%	전사 25.4%
전년 매출총이익률	API 3.3%	전사 12.2%
R&D / 매출	439%	320%
조정순손실 / 매출	439%	317%
매출총이익 / R&D	9.3%	7.9%

[Fact: 지푸 2025 실적, 미니맥스 2025 연차보고서]

지푸: 한계원가 회수는 확인됐다

API·오픈플랫폼 매출은 RMB 4,848만에서 1.904억으로 293% 증가했고, 매출총이익률도 3.3%에서 18.9%로 상승했다. 회사는 추론 효율, 규모의 경제, 가격 인상을 원인으로 들었다.

더 중요한 사실이 있다. 2026년 3월 기준 API 가격을 전년 말보다 83% 올렸는데도 수요가 공급을 웃돌았다. 현재 GLM-5 공식 가격은 입력 RMB 4, 출력 RMB 18/백만 토큰이다. 상위 API는 직접 추론원가 이하의 덤핑 구조에서는 벗어난 것으로 보인다. [Inference: 가격 인상과 수요 초과의 함의]

미니맥스: 개연성은 높지만 미확정

API만의 매출총이익률은 공개하지 않았다. 전사 매출총이익률은 12.2%에서 25.4%로 개선됐고, 회사는 모델·시스템 효율과 인프라 배분 최적화를 원인으로 제시했다.

현재 M2.5 가격은 입력 0.30달러, 출력 1.20달러/백만 토큰이고 고속형은 0.60달러/2.40달러다. 다만 M2.5는 2026년 출시됐고 공시 손익은 2025년까지이므로, 현재 가격의 API 단독 원가율은 아직 검증되지 않았다. [Blocked]

완전원가는 두 회사 모두 미회수

지푸의 총 매출총이익 RMB 2.97억은 R&D RMB 31.80억의 9.3%에 불과하다. 미니맥스도 매출총이익 2,008만달러로 R&D 2.53억달러의 7.9%만 충당했고, 영업현금 유출은 2.80억달러였다.

미니맥스가 2025년 알리바바그룹에서 구매한 서비스는 7,588만달러로 매출의 96%였다. 학습용과 서비스용 클라우드가 섞인 금액이어서 API 원가로 그대로 볼 수는 없지만, 외부 컴퓨팅 인프라 의존도가 높다는 증거다. 알리바바는 미니맥스 지분 17.06%를 보유한다.

중요한 점은 공시가 관련자 거래를 일반 고객에게 제공되는 공개 가격·조건에 따라 진행했다고 밝힌다는 것이다. 전략적 관계로 인한 용량 확보와 통합 편의는 인정할 수 있지만, 숨은 가격 보조가 있었다고 단정할 근거는 없다. [Inference: 공시 문언 해석]

상장 후에도 지푸는 HK$313.75억, 미니맥스는 신주와 전환사채로 합계 HK$159.57억을 순조달했다. 조달 자금 대부분이 R&D와 컴퓨팅 인프라로 들어간다. 자금조달 자체가 API 적자의 증거는 아니지만, 프런티어 모델 경쟁이 내부 현금만으로 유지되는 단계는 아니다. [Fact: 공시]

판정

유료 상위 API의 한계원가 지속성: 지푸는 확인, 미니맥스는 개연성이 높지만 미확정
학습비까지 포함한 완전원가 지속성: 두 회사 모두 미충족
가격전쟁 지속 가능성: 높음. 자본시장 조달로 적자 가격도 오래 유지 가능
시장 구조: 승자독식보다 지푸의 중국 기업·온프레미스, 미니맥스의 해외·소비자·멀티모달처럼 영역별 과점 가능성

5. 원가 우위 분해: 무엇이 진짜 이유인가

중국의 API 서빙 원가 우위는 실재한다. 다만 핵심은 저렴한 전기나 화웨이 칩 하나가 아니라 다음 조합이다.

작은 활성 파라미터·양자화
+ 높은 배치 처리율·캐시 활용
+ 알리바바 같은 대규모 클라우드의 GPU 이용률
+ 낮은 목표 마진
+ 중국 서부의 저렴한 전력

요인	원가 우위	판단
모델 구조·양자화·캐싱	매우 큼	중국 API 가격 경쟁력의 핵심
클라우드 규모·가동률	큼	알리바바의 가장 확실한 해자
낮은 목표 마진	큼	가격이 싼 이유지만 장기 수익성에는 약점
화웨이 Ascend	중간, 조건부	최적화된 워크로드에서는 유리, 범용성은 낮음
중국 서부 전력	중간	배치형 추론에 유효, 글로벌 실시간 API에는 제한
정부 보조·정책금융	존재	산업 육성에는 유리하지만 서비스별 금액은 불투명

6. 전력은 정말 결정적인가

중국 전력이 싼 것은 사실이다. 닝샤 중웨이 데이터센터의 도착 전력가격은 2026년 기준 0.36위안/kWh로 중국 동부의 약 45% 수준이다. 미국의 2025년 산업용 평균은 8.62센트/kWh로, 환율 7.2위안/달러 가정 시 약 0.62위안/kWh다. 중웨이가 약 42% 저렴하다. [Fact: 중국 지방정부 자료, 미국 EIA]

그러나 전력만으로 API 가격이 5배, 10배 싸지지는 않는다. 전력효과를 크게 잡아 카드당 IT 부하 1kW, PUE 1.1로 가정하면 이렇다.

중웨이: 1kW × 1.1 × 0.36위안 = 0.40위안/시간
미국 평균: 1kW × 1.1 × 0.62위안 = 0.68위안/시간
차이: 약 0.29위안/시간

알리바바가 제시하는 L20 온디맨드 가격이 14.4위안/시간이므로, 이 상한 가정에서도 전력 차이는 컴퓨트 가격의 약 2%다. [Inference: 자체 계산]

전력이 중요하지만 API 가격 격차의 주범은 아니라는 뜻이다.

결정적 반증

서부 전력 우위는 배치 추론·학습에는 잘 맞지만, 저지연 API는 사용자와 가까운 동부·해외 리전에 배치해야 한다. 그리고 알리바바의 Qwen 3.5 Flash 가격은 베이징뿐 아니라 프랑크푸르트와 버지니아에서도 입력 0.029달러, 출력 0.287달러/백만 토큰으로 동일하다. [Fact: Alibaba Model Studio 가격표]

저가 API가 중국 전력만의 결과가 아님을 보여주는 가장 직접적인 증거다. [Inference: 리전 동일가격의 함의]

7. 알리바바의 진짜 해자는 이용률

알리바바 클라우드는 전력보다 GPU를 쉬지 않게 만드는 능력에서 강하다. [Fact: Alibaba 공식 문서]

배치 추론: 정가 대비 50% 할인
L20 스팟 인스턴스: 온디맨드 14.4위안에서 통상 2.88위안 부근, 약 80% 절감
유휴 GPU: 활성 단가 0.000018달러/CU 대비 유휴 단가 0.000007달러/CU
온디맨드, 스팟, 오토스케일링을 혼합해 피크 트래픽 대응

다만 스팟은 회수 위험이 있어 SLA가 엄격한 실시간 API 전체를 스팟으로 돌릴 수 없다. 기본 수요는 온디맨드나 전용 자원에 두고, 탄력 수요만 스팟으로 처리하는 구조다. [Inference: 운영 제약]

8. 화웨이 Ascend는 무조건 싼가

엄밀히 말하면 Ascend는 GPU가 아니라 NPU다.

화웨이는 CloudMatrix 384에서 다음을 주장한다. [Fact: 화웨이 공식자료]

단일 카드 환산 추론 처리량 2,300 tokens/s
기존 비슈퍼노드 대비 약 4배
MFU 50% 이상 개선
H20 대비 카드당 평균 추론성능 3-4배

자원 풀링과 MoE 전문가 병렬화로 저사양 개별 칩의 약점을 시스템 설계로 보완하는 방식이다.

그러나 곧바로 낮은 원가로 읽으면 안 된다

화웨이는 동일 모델·동일 지연시간·동일 전력 기준의 외부 검증 TCO를 공개하지 않았다. [Blocked]
CloudMatrix는 많은 NPU와 네트워크를 묶어 처리량을 높이는 구조이므로 카드당 처리량과 클러스터 전체 비용은 다르다.
2026년 Ascend 910 현장 연구에서는 안정적 추론을 위해 소스 패치 12개, 일부 고처리량 기능 비활성화, 반복 장애 대응 장치가 필요했다. 하드웨어 가격이 싸더라도 엔지니어링과 운영비가 올라갈 수 있다. [Fact: Ascend 현장 연구]

조건부 판정

조건	판정
Qwen·DeepSeek·GLM처럼 Ascend에 깊게 최적화된 모델	원가 경쟁력 가능
CUDA 기반 모델을 그대로 이전	원가 우위 불확실
대규모 중국 내 배치 추론	유리
글로벌 엔터프라이즈 실시간 서비스	소프트웨어·SLA 비용까지 보면 미확인

9. 전기차와 무엇이 다른가

비슷한 점은 전략산업, 대규모 투자, 대기업 보조, 가격 인하를 통한 점유율 확보다.

차이는 AI 모델의 전환비용이 훨씬 낮다는 점이다. API 규격이 비슷하고, 고객은 여러 모델을 동시에 라우팅하거나 오픈소스 모델을 자체 운영할 수 있다. 한 사업자가 가격을 올리면 경쟁 모델과 자체 호스팅이 가격 상한을 만든다.

반면 클라우드, 데이터, 보안, 결제, 광고, 업무도구까지 결합된 플랫폼은 전환비용이 높다. 승자독식이 나타난다면 모델보다 유통과 클라우드 계층이다. [Inference: 전환비용 구조]

가장 가능성 높은 구조는 이렇다.

알리바바: 클라우드·전자상거래·기업 고객
바이트댄스: 소비자 트래픽·광고·콘텐츠
텐센트: WeChat·기업 서비스
화웨이·바이두: 국산 인프라와 공공·기업 고객
DeepSeek 등 독립 모델사 1-2곳: 기술 기준가격 제공

10. 예상 경로

시나리오	판단 확률	결과
저가 과점	60%	3-5개로 압축, 기본 API 저가 유지, 피크·SLA 가격 인상
완전 범용재화	25%	오픈소스·MoE·자체칩이 추가 가격 하락 주도
큰 폭 정상화	15%	칩·전력·자금조달 부담으로 가격 2-5배 상승

[Inference: 시나리오 추정]

가격이 5배 올라가도 DeepSeek V4-Pro 출력 가격은 약 4.35달러다. 여전히 미국 프런티어 모델보다 낮다. 현재 가격이 바닥은 아닐 수 있지만 저가화 방향은 되돌리기 어렵다.

11. 반도체 시사점

저렴한 API는 추론 사용량을 늘려 서버 DRAM, NAND, 네트워크와 전력 수요에 유리하다. 반면 토큰당 연산량과 HBM 탑재 강도를 낮춰 프리미엄 GPU와 HBM의 단위당 경제성에는 압박을 준다.

대상	판단
삼성전자	범용 DRAM·NAND 비중이 높아 상대적으로 완충
SK하이닉스	HBM 희소성 프리미엄에 장기 경고
엔비디아	프리미엄 GPU 단가에는 부담, 총 추론량 증가는 방어 요인
알리바바·텐센트	API 마진보다 클라우드·유통 생태계 확장의 수혜

핵심은 API 가격 하락률보다 전체 토큰 사용량 증가율이다. 사용량이 가격 하락보다 빠르게 늘면 제본스 효과가 이기고, 그렇지 않으면 프리미엄 GPU와 HBM부터 멀티플이 낮아진다. [Inference: 방향 판단]

12. 결정적 검증은 2026년 상반기 공시다

지푸의 API 매출총이익률이 83% 가격 인상 후 25-30% 이상으로 올라가는가
미니맥스가 API 원가율을 공개하는가
매출 증가율이 컴퓨팅비 증가율을 계속 웃도는가
피크·SLA 요금과 공개 API 요금의 격차가 굳어지는가
화웨이가 동일 조건 외부 검증 TCO를 공개하는가

이 다섯 가지가 “지속 가능한 원가"와 “자본으로 버티는 가격"을 가른다.

마무리

중국 API 가격이 낮은 것은 이미 자립 가능한 정상가격이라서가 아니다. 추론 효율 개선과 막대한 자본조달이 함께 받치기 때문이다.

중국은 국내·배치형·최적화된 모델 서빙에서 구조적 원가 우위가 있다. 그러나 현재 관찰되는 극단적으로 낮은 API 가격을 화웨이 칩과 싼 전력만으로 설명할 수는 없다. 가장 큰 원가 우위는 모델 크기와 활성 파라미터 축소, 배치·캐싱·양자화, 클라우드 GPU 이용률, 낮은 목표 마진 순이며 전력과 국내 NPU는 그 다음이다.

투자 관점에서 중국 저가 API가 곧바로 “중국 AI가 압도적인 비용 해자를 확보했다"는 뜻은 아니다. 더 정확한 해석은 추론 서비스가 빠르게 커머디티화되면서 모델 회사의 마진은 낮아지고, 클라우드·전력·반도체 인프라 쪽으로 가치가 이동할 가능성이 커진다는 것이다.

이는 서구 모델 사업자의 API 마진에는 부담이지만, 조달금이 다시 학습과 컴퓨팅 인프라에 투입되므로 반도체 총수요 감소를 뜻하지는 않는다.

본 포스팅은 홍콩 상장 공시(지푸 02513 2025 실적·신주배치, 미니맥스 00100 2025 연차보고서·자금조달), 각사 공식 가격표(DeepSeek, OpenAI, Google, Alibaba Model Studio, Volcano Engine, 지푸 BigModel, 미니맥스 Platform), 화웨이 공식자료와 CloudMatrix 관련 연구, 중국 지방정부 전력 자료, 미국 EIA 통계를 종합한 분석 자료입니다. 미니맥스의 API 단독 원가율과 화웨이의 동일 조건 외부 검증 TCO는 미공개이며, 시나리오 확률과 전력 계산은 작성 시점의 가정에 따른 추정입니다. 언급된 종목은 원가 구조를 설명하기 위한 예시이며 특정 종목의 매수·매도 권유가 아닙니다. 가격과 공시 수치는 발표 시점 기준으로 이후 달라질 수 있습니다. 투자 판단과 책임은 투자자 본인에게 있습니다.

중국 오픈모델의 성능 수렴이 바꾸는 것: 수요 붕괴가 아니라 가치사슬 재배분

Fri, 17 Jul 2026 22:00:00 +0900

연결 맥락 이 글은 Kimi K3가 바꾼 AI 가격표의 후속편이다. 앞글이 한 모델의 가격·구조를 검증했다면, 이번 글은 중국 오픈모델 생태계 전체가 반도체·빅테크 가치사슬을 어떻게 재배분하는지, 그리고 미국 정책과 미중 갈등이 그 해석을 어떻게 바꾸는지로 확장한다. 반도체 강세론과 약세론의 진짜 쟁점, 반도체 적정 주가, 창신메모리 IPO와 메모리 가격 리스크와 함께 읽으면 좋다. 관련 허브는 AI HBM 허브와 Exclusive Analysis 허브다.

TL;DR

중국 오픈모델의 성능 수렴은 AI 수요 붕괴보다 가치사슬 재배분에 가깝다. 모델 API와 최첨단 GPU의 독점가치는 내려가고, 저렴해진 추론이 사용량을 늘려 메모리·스토리지·네트워크·전력·클라우드 유통의 가치는 오를 수 있다.
상대선호는 이렇게 갈린다. 한국 메모리는 삼성전자 > SK하이닉스, 미국 반도체는 마이크론·샌디스크 > 엔비디아, 빅테크는 메타·아마존 > 구글·마이크로소프트 > 순수 모델 사업자다. [Inference: 상대 판단]
중국 오픈모델은 지능 1단위당 연산·메모리 비용 하락을 입증했다. 총 실리콘 지출 감소는 입증하지 못했다. TSMC는 오히려 2026년 CAPEX를 520억-560억달러에서 600억-640억달러로 올렸다.
CXMT는 HBM에서 선두 3사와 제품 기준 1.5-2세대, 상업화 기준 2-3년 차이가 난다. 따라서 2028년 위협은 현재의 공급 충격이 아니라 조건부 옵션이다.
중국 모델의 기술 확산과 중국 API 사업자의 매출 확산은 별개다. 가장 현실적인 경로는 중국 모델을 AWS·Azure나 기업 VPC에 재호스팅해 서구의 보안·계약 체계로 파는 것이다. [분석 목적]

핵심 문장

중국 모델은 미국 모델의 가격을 흔들 수 있지만 AWS·Azure·미국 칩·한국 메모리 수요를 곧바로 무너뜨리지는 않는다. 직접 피해는 폐쇄형 모델 API의 마진이고, 오래 살아남는 것은 클라우드 유통·보안 계층과 메모리·네트워크·전력 같은 사용량 기반 인프라다.

1. 먼저 사실부터 확인한다

생태계 방향은 맞지만 모든 신규 모델의 학습 하드웨어가 공개된 것은 아니다. 이 구분이 중요하다.

DeepSeek-V3는 2,048개의 엔비디아 H800과 278.8만 GPU시간으로 학습됐다. [Fact: DeepSeek V3 기술보고서] H800은 수출 제한형이지만 저가 소비자 GPU는 아니다. 반면 Kimi K3는 2.8조 파라미터, 100만 토큰 컨텍스트와 K2 대비 2.5배 높은 확장 효율을 공개했지만, 전체 기술보고서와 학습 하드웨어는 7월 27일 공개 예정이다. [Fact: Kimi 공식 발표]

따라서 “Kimi K3도 저가 엔비디아 GPU로 학습했다"는 아직 확정할 수 없다. [Blocked]

효율 개선은 실재한다

DeepSeek V4-Pro는 1.6조 파라미터 중 490억개만 활성화한다. 100만 토큰 구간에서 V3.2 대비 토큰당 연산량은 27%, KV 캐시는 10% 수준이다. [Fact: DeepSeek V4 모델카드] 성능을 유지하면서 토큰당 GPU·HBM 사용량을 크게 줄일 수 있다는 직접 증거다.

그러나 반대편도 실재한다

화웨이 CloudMatrix384는 384개 Ascend 910C를 묶어 DeepSeek-R1을 서빙한다. JPMAM 집계상 CloudMatrix는 HBM 49TB와 전력 599kW를 쓰는 반면, 비교 대상인 GB300 NVL72는 각각 21TB와 145kW다. [Fact: CloudMatrix 논문, JPMAM 비교자료]

완전히 같은 성능 비교는 아니지만 중국이 약한 단일 칩을 더 많은 칩·메모리·전력으로 보완하는 방향은 분명하다. 저렴한 개별 칩이 반드시 적은 실리콘·네트워크·전력을 뜻하지 않는다. [Inference: 구조 해석]

2. 핵심 방정식: 무엇을 봐야 하나

이 논쟁의 답은 벤치마크 점수가 아니라 두 개의 식에 있다.

총 연산 수요 = 전체 토큰 수 × 토큰당 연산량

총 메모리 수요 = 전체 토큰 수 × 토큰당 메모리 사용량
 + 모델·KV·검색 데이터 저장량

오픈모델이 토큰 가격을 70% 낮추고 사용량을 5배 늘리면 효율 개선에도 총수요는 증가한다. 반대로 사용량이 2배 늘어나는 동안 토큰당 HBM이 70% 감소하면 HBM 수요는 줄어든다.

그래서 앞으로 봐야 할 지표는 하나로 압축된다. 토큰 증가율이 토큰당 메모리 감소율을 얼마나 웃도는가.

현재까지의 판정

총지출은 다음 식으로 결정된다.

총 실리콘 지출 = 학습 횟수 × 회당 비용
 + 추론 토큰 수 × 토큰당 비용

TSMC는 2Q26 콜에서 2026년 CAPEX를 520억-560억달러에서 600억-640억달러로 올렸다. 마이크로소프트도 추론 처리량을 40% 높였지만 대형 고객 토큰 사용은 전분기 대비 30% 증가했고, 2026년 CAPEX 약 1,900억달러를 유지했다. [Fact: TSMC 2Q26 콜, MSFT FY26 3Q 콜]

현재까지는 사용량 증가가 효율 향상을 이기고 있다. [Inference: 데이터 종합]

3. 반도체 영향: 종목별로 갈린다

종목·그룹	주가 영향	핵심 해석
삼성전자	긍정	HBM뿐 아니라 서버 DRAM, NAND·eSSD, 범용 메모리까지 받아 가장 넓은 수혜
SK하이닉스	혼합에서 긍정	토큰 증가는 좋지만 MoE·KV 압축은 HBM/토큰 감소. 희소성 멀티플에는 부담
마이크론	긍정	미국 공급망의 DRAM·HBM·NAND 종합 노출. 삼성과 비슷한 broad-memory 수혜
샌디스크	긍정	로컬 배포, 모델 가중치, RAG·캐시 증가가 eSSD·NAND 수요로 연결
엔비디아	단기 부정, 장기 혼합	중국 점유율과 최고가 GPU 독점가치 하락. 총 토큰 증가와 H200 출하가 물량을 보완
AMD	상대 긍정	오픈모델은 이기종 하드웨어 이전을 쉽게 함. ROCm과 실제 서빙 점유율이 관건
브로드컴·마벨·아리스타	중기 긍정	서구권 custom ASIC, Ethernet, 광통신·SerDes 수요 확대
TSMC	중립에서 긍정	엔비디아·AMD·ASIC 훈련칩 수요는 유지되지만 중국 추론은 Ascend·SMIC로 이동

왜 삼성이 하이닉스보다 상대 우위인가

같은 메모리 3사인데 삼성전자와 SK하이닉스의 방향이 갈린다. 저가 추론과 오픈모델 확산은 HBM만 늘리는 것이 아니라 서버 DRAM·NAND·범용 메모리 총량을 늘린다. 노출이 넓은 삼성전자가 이 확산을 더 많이 받는다.

반대로 MoE와 KV 압축은 토큰당 HBM을 줄인다. HBM 순수 노출이 강한 하이닉스는 토큰 증가의 수혜와 토큰당 HBM 감소의 부담을 동시에 받는다. 절대 수요보다 희소성 멀티플이 먼저 압박받는 구조다. [Inference: 노출 구조 분석]

다만 삼성전자에는 반대편 위험도 있다. CXMT의 범용 DRAM 증산에 가장 먼저 노출된다.

엔비디아와 H200

최근 미국이 중국에 H200을 제한적으로 출하하기 시작했지만 물량은 아직 작다. 단기 엔비디아 매출에는 긍정적이지만, 화웨이 중심의 국산 인프라 전환을 되돌릴 정도는 아니다. [Fact: 2026년 7월 로이터 보도] [Inference: 영향 판단]

4. 빅테크 영향

기업	판단	이유
메타	가장 긍정	오픈 생태계 전략이 검증되고 AI 수익을 API보다 광고·추천에서 회수
아마존	긍정	어떤 모델이 이기든 AWS의 추론·스토리지·네트워크를 판매
구글	혼합에서 긍정	TPU·클라우드는 수혜지만 Gemini API 가격 프리미엄은 압박
마이크로소프트	혼합	Azure 사용량은 늘지만 OpenAI 모델 임대료와 CAPEX 회수율은 압박
애플	긍정	저렴한 소형·오픈모델이 온디바이스와 Private Cloud 비용을 낮춤
OpenAI·앤스로픽	부정	성능 격차와 API 가격 프리미엄 축소, 높은 기업가치와 자금조달에 부담

메타는 흔한 오해와 달리 최대 피해자가 아니다. 모델 판매보다 광고·추천으로 돈을 벌고 오픈모델을 비용 절감에 활용하므로 상대 수혜 가능성이 있다. 부담은 CAPEX와 감가상각 쪽이다. [Inference: 사업모델 분석]

2025년 DeepSeek 충격의 교훈

2025년 DeepSeek 충격 당시 엔비디아는 하루 17%, 약 5,930억달러의 시가총액을 잃었다. 최초 반응은 GPU·전력·데이터센터 인프라 전체 매도였지만 곧 일부 반등했다. [Fact: 2025년 시장 보도]

이번에도 단기 주가는 효율성 공포, 중기 실적은 사용량 증가에 반응할 가능성이 크다. [Inference: 과거 패턴]

5. 중국 오픈모델 논지 판정

강세·약세 양쪽에서 나오는 주장들을 하나씩 판정하면 이렇다.

주장	판정
프런티어 성능에 최고급 GPU가 필수	약화됐지만 반증되지는 않음
AI 지능은 희소재	원시 모델·토큰 가격에서는 상당 부분 붕괴
자본 규모가 해자	사전학습 해자는 약화, 배포·데이터·전력·유통으로 이동
오픈소스 한계비용은 0	가중치 가격만 0에 근접, 추론비용은 계속 발생
10억달러 학습이 1,000억달러 투자를 추월	서로 다른 비용 범위를 비교한 부정확한 주장

마지막 항목이 특히 자주 오용된다. 학습 비용과 인프라 총투자는 비교 대상이 아니다.

6. CXMT의 HBM은 지금 어디까지 왔나

중국 위협을 논할 때 가장 자주 과장되는 부분이다. 관문별로 나눠 보면 실체가 드러난다.

관문	현재 판정	판단 근거
DRAM 셀 공정	상용화, 빠른 개선	DDR5·LPDDR5X 판매, 애플도 중국 제품용 DRAM 시험 중
TSV 적층	HBM2 소량, HBM3 초기	HBM2 생산 보도는 있으나 물량·수율 미공개
패키징·base die	구축 중	중국 내 생태계는 형성 중이나 양산 수율·열·신뢰성 데이터 부재
고객 인증	HBM 미확인	텐센트 계약과 애플 시험은 일반 DRAM 역량의 증거
선두와의 거리	1.5-2세대	선두 3사는 HBM4 램프, CXMT는 HBM3 양산도 검증 전

CXMT 공식 공개 제품군에는 2026년 7월 17일 현재 DDR5·LPDDR5/5X·DDR4·LPDDR4X만 있고 HBM은 없다. TrendForce도 CXMT의 HBM3를 초기 검증 단계로 분류하며, 기술 장벽과 국산 장비 사용 조건이 양산을 지연시킨다고 평가한다. [Fact: CXMT 공식 자료, TrendForce]

캐파 추정도 엇갈린다. 월 24만장 부근 정체와 연말 35만장 전망이 충돌하는데, 35만장은 회사 가이던스가 아닌 민간 모델이므로 확정값으로 쓰기 어렵다. [Blocked]

레거시 DRAM 가설을 이렇게 고쳐야 한다

2026-2027년: CXMT의 HBM 투자는 중국산 레거시 DRAM의 공급 완화를 늦춘다.
2028년: HBM3/3E가 중국 가속기 고객 인증과 의미 있는 물량을 확보하면 중국 내 구형 HBM 시장부터 대체할 수 있다.
2029년 이후: HBM4, base die, 패키징 수율까지 따라와야 글로벌 선두시장과 하이닉스의 이익률을 직접 압박한다.

즉 “CXMT 때문에 당장 레거시가 더 부족해진다"보다 “CXMT가 예상만큼 레거시 공급을 풀어주지 못한다”가 더 타당하다. [Inference: 단계별 판단]

7. 미국 정책은 이 해석을 어떻게 바꾸나

미국은 AI를 상업 기술보다 동맹권의 핵심 인프라로 다루고 있다. 이것이 순수 기술 분석만으로는 답이 안 나오는 이유다.

미국의 AI Action Plan과 행정명령 14320은 하드웨어·클라우드·네트워크·모델·애플리케이션을 묶은 미국산 AI 스택을 동맹국에 수출하고 적대국 기술 의존도를 낮추겠다고 명시했다. 중국 모델이 성능과 가격에서 우수해도 동맹국의 정부조달·핵심산업에서는 미국 스택이 정책적 우위를 갖는다. [Fact: White House AI Action Plan, EO 14320]

다만 완전한 디커플링은 아니다

미국 BIS는 2026년 1월 H200·MI325X의 대중 수출을 승인 고객과 보안 요건 아래 건별 심사하도록 했다. 중국을 미국 칩 생태계에 일부 남겨두면서 통제권을 유지하려는 절충이다. [Fact: BIS 2026-01-13]

미국 민간기업의 중국 모델 사용이 전면 금지된 것도 아니다. No DeepSeek on Government Devices Act는 아직 발의 단계다. 그러나 호주 정부는 정부 시스템에서 DeepSeek 제거를 지시했고, 이탈리아 개인정보 당국은 이용자 데이터 처리를 제한했다. [Fact: 각국 공식 조치]

법률보다 조달·보안 부서의 사실상 금지가 먼저 작동할 가능성이 크다. [Inference: 정책 작동 순서]

8. 중국 모델 API를 서구 엔터프라이즈가 쓸 수 있나

경로별로 확산 가능성이 완전히 다르다. 이 표가 질문의 답이다.

도입 방식	확산 가능성	판단
중국 본토 호스팅 API 직접 호출	낮음	데이터·관할권·조달 위험
Qwen의 미국·EU·일본·싱가포르 API	중간	데이터 현지화는 가능하나 중국 사업자 위험 잔존
AWS·Azure가 재호스팅한 중국 모델	중상에서 높음	계약·보안·데이터 통제 주체가 서구 클라우드
기업 VPC·온프레미스 오픈웨이트	높음	중국 서버에 데이터를 보낼 필요가 없음
정부·방산·핵심 인프라	매우 낮음	모델 계보까지 조달 제한 가능

가장 현실적인 경로는 이렇다.

중국 모델 개발
→ AWS·Azure 또는 기업 VPC에 재호스팅
→ 서구의 보안·계약·감사 체계로 판매

즉 중국 모델의 기술 확산과 중국 API 사업자의 매출 확산은 별개다. [Inference: 경로 분석]

직접 API의 한계

DeepSeek의 개인정보처리방침은 입력 데이터를 포함한 개인정보를 중국에서 직접 수집·처리·저장하고, 서비스와 모델 개선에 사용할 수 있다고 밝힌다. [Fact: DeepSeek Privacy Policy] 소스코드, 고객정보, 의료·금융 데이터, 수출통제 기술을 다루는 기업에는 치명적인 조건이다.

Qwen은 조금 다르다. Alibaba Cloud Model Studio는 미국·독일·일본·싱가포르 리전을 제공하고, 데이터와 추론을 특정 지역에 제한할 수 있으며 고객 데이터를 모델 학습에 사용하지 않는다고 명시한다. [Fact: Alibaba Cloud 지역·보안 정책] 따라서 비규제 산업과 동남아·중동·중남미에서는 직접 API 채택이 늘 수 있다.

다만 데이터 현지화와 SOC 2가 미중 갈등에 따른 서비스 중단·제재·조달 위험까지 없애주지는 않는다. [Inference: 잔존 위험]

9. 테시스 수정: 무엇이 바뀌고 무엇이 남나

첫째, 미국 하이퍼스케일러 붕괴 논리는 약해진다. AWS와 Azure가 DeepSeek를 직접 호스팅하면서 데이터 격리, SLA, 보안 평가를 제공한다. 중국 모델의 비용 혁신을 미국 클라우드가 흡수해 매출화할 수 있다. [Fact: AWS·Azure 공식 발표]

둘째, 가격 압박은 폐쇄형 모델 API에 먼저 온다. OpenAI·앤스로픽·구글의 토큰 가격과 마진에는 부담이지만, 추론량과 AWS·Azure 사용량은 늘 수 있다. 메타의 오픈모델 전략에는 상대적으로 유리하다.

셋째, 미중 분리는 총 인프라 투자를 지지한다. 양 진영이 가속기·메모리·네트워크·전력망을 중복 구축한다. 효율 개선이 글로벌 실리콘 지출 감소로 직결될 가능성이 낮아진다.

넷째, SK하이닉스 HBM 프리미엄은 동맹권에서 더 오래 유지될 수 있다. CXMT HBM은 중국 가속기와 중국 데이터센터부터 침투할 가능성이 높다. 서구 CSP 채택에는 기술 인증 외에 정책·공급망 인증이 추가된다. 다만 수출통제는 중국의 자립투자를 가속하므로 2028년 이후 중국 내 점유율에는 위험이다.

다섯째, 삼성전자는 상대적 헤지다. 저가 추론과 오픈모델 확산은 HBM뿐 아니라 서버 DRAM·NAND·범용 메모리 총량을 늘릴 수 있다. 반대편에는 CXMT의 범용 DRAM 증산에 가장 먼저 노출되는 위험이 있다.

10. 피해와 수혜의 순서

최대 피해: 폐쇄형 모델 API의 초과이익, 레버리지가 큰 GPU 임대사업자
중간 위험: 오라클 등 대규모 선투자·고객 집중 사업자
메타: 최대 피해자가 아니다. 오픈모델을 비용 절감에 활용하므로 상대 수혜 가능성. 부담은 CAPEX와 감가상각
엔비디아: 단기 EPS보다 멀티플과 제품 믹스가 먼저 압박받는다. 중국 내 대체는 위험하지만 CUDA·네트워크·전력효율·개발기간 해자는 남는다
메모리: HBM 절대수요 감소보다 HBM 희소성 프리미엄 축소 + DDR/CXL/eSSD로 계층 확장이 기본 시나리오

11. 시나리오 업데이트

반도체 적정 주가에서 쓴 확률을 잠정 조정하는 것이 타당하다.

시나리오	기존	변경
초과수요 지속	30%	30%
자산 재집중	40%	40%
공급·효율 정상화	20%	25%
시스템 수요 단락	10%	5%

중국 모델의 성능은 AI 수요 자체가 사라질 가능성을 낮춘다(단락 10%에서 5%로). 대신 효율 개선과 중국산 하드웨어는 엔비디아·HBM의 희소성 프리미엄을 낮춘다(정상화 20%에서 25%로).

시간축 시나리오도 유지 가능하다. 2027년까지 사용량이 효율을 이김 70%, 2028년 이후 믹스·가격 정상화 25%, 총 CAPEX 수축 5%다. 다만 70% 시나리오의 동력이 단일 글로벌 생태계가 아니라 미국권과 중국권의 이중 투자로 바뀐다. [Inference: 시나리오 재조정]

12. 무엇을 확인하면 판단을 바꾸나

Kimi K3 기술보고서(7월 27일): 학습 하드웨어가 공개되면 “저가 GPU로 프런티어 학습” 명제의 진위가 갈린다
토큰 증가율 대 토큰당 메모리 감소율: 두 값의 차이가 이 논쟁의 실제 답
CXMT HBM3E 양산 인증과 실제 패키징 물량: 확인되면 하이닉스 2028 EPS와 멀티플을 함께 낮춰야 한다
HBM 가격·탑재량 둔화: 희소성 프리미엄 축소의 첫 신호
서구 CSP의 중국 모델 재호스팅 확대: 클라우드 유통 가치 상승의 증거
미국 조달·보안 규제의 실제 집행: 법률보다 먼저 작동하는 사실상 금지의 범위

지금은 터미널 리스크와 당기 실적을 섞을 단계가 아니다. CXMT의 HBM3E 양산 인증이 확인될 때 하이닉스의 2028년 이후를 조정하면 된다. [Inference: 판단 순서]

마무리

질문으로 돌아가면 답은 이렇다.

중국 오픈모델이 미국 프런티어에 수렴하는 것은 사실이고, 지능 1단위당 비용이 급락한 것도 사실이다. 그러나 그것이 총 실리콘 지출 감소를 뜻하지는 않는다. TSMC의 CAPEX 상향과 마이크로소프트의 토큰 30% 증가가 현재까지의 답이다.

미국 정책은 이 해석을 크게 바꾼다. 미중 분리는 양 진영의 중복 투자를 낳아 총 인프라 수요를 지지하고, 동맹권에서는 미국 스택과 한국 메모리의 자리를 정책적으로 보호한다.

중국 모델 API의 서구 엔터프라이즈 도입은 모델과 사업자를 분리해서 봐야 한다. 기술은 오픈웨이트로 확산되지만, 그것을 파는 주체는 중국 API 사업자가 아니라 AWS·Azure와 기업 VPC일 가능성이 높다.

그래서 결론은 재배분이다. 무너지는 것은 폐쇄형 모델 API의 초과이익이고, 남는 것은 사용량 기반 인프라다.

본 포스팅은 공개 논문(DeepSeek V3/V4, Huawei CloudMatrix384), 기업 공식 발표(Kimi, TSMC 2Q26 콜, Microsoft FY26 3Q 콜, CXMT, Alibaba Cloud, DeepSeek Privacy Policy), 미국 정부 자료(AI Action Plan, EO 14320, BIS), 각국 규제 조치, 시장 조사(TrendForce, JPMAM)를 종합한 분석 자료입니다. Kimi K3의 학습 하드웨어는 7월 27일 기술보고서 공개 전까지 미확인이며, CXMT의 캐파 추정치와 시나리오 확률은 작성 시점의 추정으로 회사 가이던스가 아닙니다. 언급된 종목은 가치사슬 구조를 설명하기 위한 예시이며 특정 종목의 매수·매도 권유가 아닙니다. 투자 판단과 책임은 투자자 본인에게 있습니다.

DeepSeek on Korea Invest Insights

중국 AI API 가격은 지속 가능한가: 공시로 검증한 원가 구조와 승자독식 시나리오

TL;DR

1. 얼마나 싼가

중국 안에서도 가격 차이가 크다

2. 지속 가능한 부분: 한계원가

3. 지속하기 어려운 부분: 완전원가

4. 공시로 검증한다: 지푸와 미니맥스

지푸: 한계원가 회수는 확인됐다

미니맥스: 개연성은 높지만 미확정

완전원가는 두 회사 모두 미회수

판정

5. 원가 우위 분해: 무엇이 진짜 이유인가

6. 전력은 정말 결정적인가

결정적 반증

7. 알리바바의 진짜 해자는 이용률

8. 화웨이 Ascend는 무조건 싼가

그러나 곧바로 낮은 원가로 읽으면 안 된다

조건부 판정

9. 전기차와 무엇이 다른가

10. 예상 경로

11. 반도체 시사점

12. 결정적 검증은 2026년 상반기 공시다

마무리

관련 포스팅

중국 오픈모델의 성능 수렴이 바꾸는 것: 수요 붕괴가 아니라 가치사슬 재배분

TL;DR

1. 먼저 사실부터 확인한다

효율 개선은 실재한다

그러나 반대편도 실재한다

2. 핵심 방정식: 무엇을 봐야 하나

현재까지의 판정

3. 반도체 영향: 종목별로 갈린다

왜 삼성이 하이닉스보다 상대 우위인가

엔비디아와 H200

4. 빅테크 영향

2025년 DeepSeek 충격의 교훈

5. 중국 오픈모델 논지 판정

6. CXMT의 HBM은 지금 어디까지 왔나

레거시 DRAM 가설을 이렇게 고쳐야 한다

7. 미국 정책은 이 해석을 어떻게 바꾸나

다만 완전한 디커플링은 아니다

8. 중국 모델 API를 서구 엔터프라이즈가 쓸 수 있나

직접 API의 한계

9. 테시스 수정: 무엇이 바뀌고 무엇이 남나

10. 피해와 수혜의 순서

11. 시나리오 업데이트

12. 무엇을 확인하면 판단을 바꾸나

마무리

관련 포스팅