[투자정보] 공개형 AI의 부상은 모델의 몰락보다 가치사슬의 중심이 라이선스에서 인프라로 이동하는 변화임

📋 핵심 내용 요약

1. 보고서는 Kimi K3를 GPT-3.5, DeepSeek R1, OpenClaw에 이은 AI 산업의 네 번째 변곡점으로 보며, 이번 변화의 본질을 공개형 모델이 폐쇄형 최상위 모델의 성능을 빠르게 따라잡는 사건으로 해석했음. [팩트, p01]
   [그림 1, p1]

2. 공개형 모델은 모델의 가중치와 구조를 공개해 사용자가 직접 내려받아 실행·수정할 수 있는 반면, 폐쇄형 모델은 가중치를 공개하지 않고 API(Application Programming Interface, 외부 프로그램이 기능을 호출하는 접점)나 구독 서비스 형태로만 제공됨. [팩트, p02]
   [표 1, p2]

3. 공개형 모델의 성능이 높아질수록 고객은 특정 AI 기업의 비싼 API를 반드시 구매할 필요가 줄어들며, AI 프론티어 기업의 라이선스 매출과 높은 매출총이익률에는 압박이 생기게 됨. [해석]

4. 다만 공개형 모델이 무료에 가깝게 배포돼도 실제 사용에는 GPU(Graphics Processing Unit, 인공지능 연산용 반도체), 서버, 전력, 네트워크, 저장장치가 필요하므로 지출이 사라지는 것이 아니라 소프트웨어 사용료에서 연산 인프라 비용으로 이동함. [해석]

5. 공개형 모델 확산은 AI 투자 축소보다 투자 주체의 확산을 만들 가능성이 높으며, 하이퍼스케일러뿐 아니라 기업·정부·전문 추론 서비스 사업자도 직접 인프라를 구축하게 됨. [해석]

6. 따라서 보고서의 투자 결론은 AI 모델 기업 전체가 수혜를 받는다는 주장이 아니라, 공개형 모델이 확산될수록 처리 속도·안정성·토큰당 비용을 좌우하는 AI 인프라의 전략적 가치가 더 커진다는 주장임. [해석]

🚀 네 번째 변곡점의 핵심은 무엇인가?

7. 이번 보고서의 핵심 논리는 공개형 모델의 성능 향상 → 폐쇄형 모델의 독점 가치 약화 → API 가격 경쟁 심화 → 연산 원가의 중요성 상승 → 인프라 경쟁력의 가치 확대로 이어지는 구조임. [해석]

8. 7월 중순 이후 Kimi K3, Qwen 3.8 Max, DeepSeek V4-Flash 같은 중국 공개형 모델이 연이어 공개됐으며, 보고서는 일부 모델이 미국 폐쇄형 프론티어 모델과 비슷한 성능을 보이면서도 작업 비용은 크게 낮췄다고 설명했음. [팩트, p02]
   [표 2·그림 2·그림 3, p2]

🌐 산업 구조는 어떻게 바뀌는가?

9. 폐쇄형 모델 사업자는 독점적인 모델 접근권을 바탕으로 토큰 판매·구독료·기업용 라이선스에서 높은 마진을 얻지만, 충분히 좋은 공개형 모델이 보급되면 가격 기준이 독점 가치에서 실제 추론 원가로 내려가게 됨. [팩트, p04]

10. 같은 공개형 모델을 제공하더라도 추론 서비스 사업자별 처리 속도와 가격이 다른 이유는 GPU 구성, 네트워크, 서빙 소프트웨어, 운영 효율이 다르기 때문이며, 이는 모델보다 인프라가 차별화 요소가 되는 구조를 보여줌. [팩트, p04]
    [그림 7·그림 8, p4]

🛡️ 공개형 모델은 왜 미국에서도 확산되는가?

11. 보고서는 공개형 모델을 단순한 저가 대체재가 아니라 기업과 정부가 직접 통제·감사·수정할 수 있는 보안 자산으로 보며, NVIDIA를 중심으로 반도체·인프라·사이버보안·기업 소프트웨어 업체가 참여한 Open Secure AI Alliance가 결성됐다고 설명했음. [팩트, p03]
    [그림 4·표 3, p3]

💰 누가 수혜를 받을 가능성이 큰가?

12. 보고서 논리대로라면 직접 수혜는 GPU, HBM(High Bandwidth Memory, 고대역폭 메모리), 네트워크, 전력·냉각, 서버, 스토리지, AI 서빙 소프트웨어를 공급하는 기업이며, 반대로 특정 폐쇄형 모델의 독점성과 높은 API 마진에 의존하는 기업은 경쟁 압력을 받을 가능성이 높음. [해석]

📌 가치사슬 관계도

공개형 모델 성능 향상 → 모델 사용료 하락 → 자체 구축·전문 추론 서비스 확대 → GPU·HBM·네트워크·전력 수요 증가 → 인프라 사업자의 협상력 상승으로 이어지는 구조임.

폐쇄형 모델 기업 → 독점 API 판매 → 고마진 유지 구조는 약화될 수 있으며, 공개형 모델 → 자체 서버 또는 추론 서비스 사업자 → 기업·정부 고객 구조는 확대될 수 있음.

📊 공개형 모델과 폐쇄형 모델의 차이

구분	폐쇄형 모델	공개형 모델
제공 방식	개발사 API와 구독 서비스로 제공됨	가중치를 내려받아 직접 실행·수정함
주요 수익원	토큰 판매, 구독료, 기업용 라이선스임	클라우드 추론, 기술지원, 인프라 서비스임
고객 비용	사용량에 따라 API 비용을 지급함	라이선스가 무료여도 서버·전력·운영비가 발생함
주요 강점	최상위 성능과 편리한 운영 환경임	비용 절감, 자체 최적화, 데이터 통제임
핵심 위험	공개형 모델과의 가격 경쟁이 심해짐	구축·운영 역량과 보안 책임이 필요함

[표 1, p2]

📈 리스크 & 기회

시계열	구분	핵심 내용	확률	영향도	확인법
단기 1~3개월	기회	공개형 모델 출시 경쟁으로 추론 수요와 GPU 사용량이 늘어남	70%	높음	OpenRouter 사용량, GPU 클라우드 가동률, 토큰 가격을 확인함
단기 1~3개월	리스크	중국 공개형 모델의 성능 우위가 일시적이거나 실제 기업 도입으로 이어지지 않을 수 있음	40%	보통	기업 고객 수, 반복 사용량, 유료 전환율을 확인함
중기 6~12개월	기회	기업과 정부의 온프레미스(On-premise, 자체 전산환경) 구축이 늘며 인프라 투자 주체가 확대됨	65%	높음	서버 주문, 네트워크 장비 매출, 데이터센터 전력 수요를 확인함
중기 6~12개월	리스크	공개형 모델의 가격 경쟁이 추론 서비스 사업자의 마진까지 낮출 수 있음	55%	높음	토큰당 가격, GPU 감가상각비, 추론 서비스 영업이익률을 확인함

⚖️ 최종 투자 판단

이 보고서는 공개형 모델 확산이 AI 인프라 수요를 줄이는 것이 아니라 오히려 넓힌다는 논리를 일관되게 제시했으며, 동일한 모델에서도 사업자별 속도와 가격 차이가 나타난다는 자료가 이를 뒷받침함.

다만 6쪽짜리 전략 자료만으로는 개별 기업의 현재 밸류에이션, 공급 증가 속도, 장비 감가상각 부담, 실제 투자 회수율을 충분히 검증하기 어려움.

따라서 나라면 AI 인프라 섹터에 대한 방향성은 긍정적으로 보지만, 완벽한 확신이 없어 확정적인 매수 의견은 제시하지 않음. 특히 모델 개발사보다 GPU·HBM·네트워크·전력·서빙 인프라 가운데 실제 매출과 현금흐름이 확인되는 기업을 선별적으로 관찰하는 전략이 더 합리적임.

🧵 한 줄 코멘트

공개형 AI의 확산은 레시피가 무료로 풀리는 변화와 같아서, 결국 돈은 레시피보다 더 빠르고 안정적으로 요리할 수 있는 주방 설비로 이동함.

https://finance.naver.com/research/invest_read.naver?nid=39796