엔비디아보다 먼저 위험하다…Kimi K3가 흔드는 AI 기업들
요즘 중국산 AI 이야기가 나올 때마다 반도체주부터 흔들립니다. 저도 처음에는 “중국이 적은 반도체로 더 좋은 AI를 만든 건가?”라는 생각부터 들었는데요. 자세히 살펴보니 진짜 위협받는 곳은 반도체 회사보다 따로 있었습니다.
Kimi K3는 반도체를 없애는 AI가 아니라, 비싼 AI 모델의 가격표를 흔드는 경쟁자입니다.
Kimi K3, 쉽게 말하면 어떤 AI일까?
Kimi K3는 중국 문샷AI가 공개한 초대형 AI입니다. 전체 매개변수는 무려 2조8천억 개지만, 매번 모두 움직이는 것은 아닙니다.
큰 병원에 전문의가 896명 있다고 생각해보세요. 환자가 올 때마다 896명이 전부 달려드는 것이 아니라, 증상에 맞는 전문의 16명만 골라 진료하는 방식입니다. 이것이 바로 MoE, 즉 혼합전문가 구조입니다.
긴 문서와 이미지, 영상도 함께 이해할 수 있고 최대 100만 토큰을 처리합니다. 다만 문샷AI도 종합적인 사용 경험에서는 미국의 최상위 폐쇄형 모델과 아직 차이가 있다고 밝혔습니다. 중국이 완전히 추월했다기보다, 예상보다 훨씬 빠르게 따라왔다는 표현이 더 정확합니다.
정말 1달러도 안 되는 초저가 AI일까?
이 부분은 오해하기 쉽습니다. 공식 API 가격은 100만 토큰당 캐시 입력 0.30달러, 일반 입력 3달러, 출력 15달러입니다.
방송에서 언급된 0.94달러는 모든 이용료가 아니라 특정 업무를 끝내는 데 들어간 총비용에 가깝습니다. 편의점 커피처럼 무조건 싼 AI라기보다, 복잡한 일을 맡겼을 때 비용 대비 결과가 좋을 수 있는 AI인 셈입니다.
가장 직접적으로 긴장할 기업
ChatGPT와 Claude의 구독료, 기업용 API 이용료가 중요한 회사들입니다. 비슷한 성능의 모델이 늘어나면 고객은 “꼭 가장 비싼 모델을 써야 하나?”라고 묻게 됩니다. 당장 무너진다는 뜻은 아니지만, 가격을 높게 유지하기는 점점 어려워질 수 있습니다.
이 회사들도 자체 모델을 API나 기업용 서비스로 판매합니다. 가격 경쟁이 심해지면 막대한 연구개발비와 데이터센터 비용을 회수하기 어려워질 수 있습니다. 다만 공개형 모델 전략을 쓰는 Mistral AI는 시장 확대의 수혜를 함께 볼 가능성도 있습니다.
마이크로소프트는 Copilot과 Azure AI, 알파벳은 Gemini와 Google Cloud를 운영합니다. AI 이용료 하락은 부담이지만, 두 회사는 클라우드와 업무용 소프트웨어, 광고라는 든든한 사업을 함께 갖고 있습니다. 저렴한 모델을 가져와 비용을 낮출 수도 있어 위기 기업보다는 수익 구조를 조정할 기업에 가깝습니다.
그렇다면 엔비디아와 HBM은 끝날까?
그렇게 보기는 어렵습니다. 문샷AI는 Kimi K3를 효율적으로 운영하려면 64개 이상의 AI 가속기가 연결된 구성을 권장합니다. 이름은 효율적인 AI지만, 작은 컴퓨터 한 대로 가볍게 돌리는 모델은 아닙니다.
AI 가격이 내려가면 더 많은 기업과 사람이 AI를 사용하게 됩니다. 사용량이 늘면 GPU, HBM, 데이터센터 수요가 함께 늘어날 가능성도 있습니다. 결국 Kimi K3가 먼저 흔드는 것은 반도체 수요가 아니라, 비싼 모델을 팔아 높은 이익을 남기던 사업 구조입니다.
AI 산업이 끝나는 것이 아니라 경쟁의 중심이 바뀌고 있습니다. 앞으로는 누가 가장 똑똑한 모델을 만드느냐뿐 아니라, 누가 더 싸고 편하게 기업 현장에 AI를 연결하느냐가 중요해질 가능성이 큽니다.
도움이 되셨다면 공감 하트 꾹 눌러주세요. 여러분은 Kimi K3가 ChatGPT의 위기라고 보시나요, 아니면 AI 시장을 더 키우는 계기라고 보시나요? 댓글로 편하게 의견을 남겨주세요.
#KimiK3 #문샷AI #중국AI #중국산AI #OpenAI #Anthropic #ChatGPT #Claude #xAI #MistralAI #Cohere #마이크로소프트 #알파벳 #엔비디아 #AI반도체 #미국증시
본문은 공개된 자료를 바탕으로 작성한 산업 분석이며 특정 종목의 매수·매도 권유가 아닙니다.
참고 자료: Kimi K3 공식 기술 블로그 · Kimi API 플랫폼 · OpenAI 요금 안내 · Anthropic API 요금 안내


댓글
댓글 쓰기