AI는 인플레이션을 이길 수 있을까 — 답은 “추론 단가”에 있다
추론 단가가 떨어질 때, 흔들리는 건 매출이 아니라 마진이다 — 인플레이션 시리즈 4편
지난 글 끝에 질문 하나를 남겼다. AI는 정말 인플레이션을 이기고 있는가. 워시 연준 의장이 첫 FOMC에서 금리보다 AI 생산성을 먼저 꺼냈을 때, 그가 본 건 노동 생산성이었다. 같은 사람이 같은 시간에 더 많이 만들어내면 물가 압력이 낮아진다는 이야기. 그런데 막상 그 흔적을 데이터에서 찾으려니 잘 잡히지 않았다. 생산성은 측정도 느리고 경제 전체로 번지는 속도도 느리다. 대신 훨씬 빠르고 눈에 잘 보이는 다른 숫자가 움직이고 있었다. 바로 토큰당 가격이다.
이 글에서 다루려는 건 미중 AI 패권 다툼이 아니다. 누가 더 똑똑한 모델을 만드느냐는 질문은 잠시 옆에 두겠다. 대신 한 가지만 본다. 같은 일을 처리하는 추론 단가가 정말 떨어지고 있는가, 그리고 그 하락이 어디서 가장 빠르게 일어나고 있는가. 워시가 본 게 노동 생산성이었다면, 요즘 더 또렷하게 움직이는 건 이 추론 단가 쪽이다.
1AI가 물가를 낮추는 길은 하나가 아니다
AI가 인플레이션을 누른다는 이야기에는 사실 갈래가 둘 있다. 하나는 워시가 말한 노동 생산성이다. AI가 사람의 일을 거들어 같은 비용으로 더 많은 산출을 만들면, 단위 비용이 내려가고 물가 압력이 약해진다. 교과서적인 경로다. 다른 하나는 사람들 사이에서 덜 이야기되지만 좀 더 직접적이다. 추론 단가가 떨어지는 것. 같은 수준의 추론을 더 적은 비용으로 살 수 있게 되면, AI를 쓰는 모든 작업의 원가가 같이 내려간다.
이 둘은 비슷해 보여도 작동 경로가 다르다. 생산성 경로는 사람과 조직을 통과해야 효과가 나온다. 그래서 느리다. 어떤 직무에서는 확실히 작동하는데, 경제 전체로 번지는 데는 시간이 걸린다. 앞선 1편 「시장은 왜 AI에 이렇게 집착할까?」에서 짚었듯, AI 생산성 효과가 기대보다 작거나 측정하기 어렵다는 연구도 적지 않다. 반면 추론 단가 경로는 사람이나 조직을 거칠 필요가 없다. 토큰당 비용이 바뀌면 그날부터 원가가 바뀐다.
여기서 흔한 착각 하나를 짚고 가야 한다. 마이크론 실적이 좋았다는 뉴스가 곧 AI가 물가를 낮춘다는 증거처럼 읽히는 경우가 있다. 그건 다른 이야기다. 메모리가 잘 팔린다는 건 AI 수요가 강하다는 신호지, AI가 비용을 떨어뜨리고 있다는 신호가 아니다. 오히려 단기적으로는 메모리, 전력, 데이터센터, 냉각 같은 곳에서 투자가 몰리면서 비용을 밀어 올리는 쪽으로 작동한다. AI가 디스인플레이션 요인이 되려면, 오늘의 데이터센터 투자가 내일의 더 싼 추론으로 돌아와야 한다. 그게 돌아오고 있는지를 보려면 칩 실적이 아니라 토큰 가격을 봐야 한다.
2OpenRouter에서 먼저 움직인 비용 민감 수요
토큰 가격을 보려면 어디를 봐야 할까. 가장 빠르게 관측되는 신호 중 하나가 OpenRouter다. 개발자가 한 API로 수백 개 모델을 골라 쓰는 중개 플랫폼인데, 여기서 어떤 모델로 트래픽이 흐르는지는 적어도 비용에 민감한 사용자들이 실제로 무엇을 선택하는지를 보여준다. 그리고 그 흐름이 지난 1년 사이 빠르게 뒤집혔다.
2025년 내내 OpenRouter의 토큰 사용량은 미국 모델이 끌고 갔다. 상위 모델의 70% 가까이가 미국 몫이었다. 그런데 2026년 2월 9일에서 15일 사이, 처음으로 중국 모델이 미국 모델을 넘어섰다. 그 주에 중국 모델이 4.12조 토큰, 미국 모델이 2.94조 토큰을 처리했다. 일시적 역전이 아니었다. 6월 기준으로 격차는 오히려 벌어져서, Financial Times가 OpenRouter 데이터로 집계한 상위 9개 모델 표본 기준 주간 사용량이 중국 약 18조 토큰, 미국 약 5.5조 토큰까지 갔다. 3 대 1을 넘는 비율이다.
왜 이렇게 됐을까. 중국 모델이 갑자기 미국 모델을 성능으로 압도해서가 아니다. 비용에 민감한 작업의 비중이 커졌고, 그 작업들이 더 싼 모델로 라우팅되기 시작했다. 플랫폼에서 코딩과 에이전트 워크로드가 차지하는 비중이 2025년 초 11%에서 2026년 중반 절반 이상으로 올라왔다. 에이전트는 계획하고, 코드를 쓰고, 실행하고, 고치는 루프를 수십에서 수백 번 반복한다. 토큰 경제를 다룬 글 「Claude 요금제 분리 — 에이전트 토큰 폭발이 그리는 투자 지도」에서 봤던 그 구조다. 이런 작업에서는 토큰 단가가 더 이상 비용 항목 하나가 아니라 예산 전체가 된다. 같은 일을 훨씬 낮은 단가로 처리할 수 있다면, 많은 개발자는 미세한 성능 차이보다 비용 차이를 먼저 본다.
주의할 점도 분명히 해두자. 흔히 인용되는 “중국 모델 사용량 61%” 같은 수치는, 특정 한 주에 OpenRouter에서 가장 많이 쓰인 상위 10개 모델의 토큰 사용량 중 중국 모델이 차지한 비중이다. 플랫폼 전체 400여 개 모델을 다 본 숫자도, 매출 점유율도 아니다. 그래도 방향만큼은 또렷하다. 비용에 민감한 추론 시장에서, 저비용 추론 쪽으로 수요가 빠르게 옮겨가고 있다.
한 가지 짚어두면, 이 글에서 말하는 오픈 모델은 엄밀한 의미의 오픈소스만 가리키지 않는다. 공개된 가중치를 자체 인프라에 올리거나 저비용으로 라우팅할 수 있는 오픈웨이트 계열까지 함께 묶은 표현이다.
3성능 격차가 좁혀지면 가격이 결정한다
여기까지 들으면 반론이 떠오른다. 싼 거야 알겠는데 품질이 떨어지면 결국 못 쓰는 거 아니냐. 작년까지는 맞는 말이었다. 그런데 요즘은 사정이 달라졌다. Stanford HAI 2026 AI Index는 주요 벤치마크 기준으로 미국과 중국 최상위 모델의 성능 격차가 2026년 3월 2.7% 수준까지 좁혀졌다고 설명한다. 2023년만 해도 주요 벤치마크에서 17.5에서 31.6%포인트씩 벌어져 있던 격차다. 최고 성능은 여전히 미국 프론티어 모델의 영역에 가깝다. 하지만 대량 반복 작업에서 요구되는 충분히 좋은 품질은 더 이상 미국만의 해자가 아니다.
품질이 비슷해지고 가격이 한참 싸지면, 비용을 신경 쓰는 쪽이 먼저 움직인다. 이미 그렇게 되고 있다. 6월 29일 Reuters 보도를 보면, 마이크로소프트의 나델라, 팔로알토의 아로라, 코인베이스의 암스트롱 같은 경영자들이 더 작고 싼 모델로도 기업 수요의 상당 부분을 처리할 수 있다고 말하기 시작했다. 한동안은 토큰을 많이 쓰는 게 생산성의 증거처럼 여겨졌는데, 이제 그 청구서가 부담이 되니 셈법이 바뀌는 중이다. Citi 노트 기준으로 OpenRouter에서 오픈 모델 계열의 토큰 비중이 1월 34%에서 6월 65%까지 올라왔다.
흥미로운 건 비용 구조 안의 모순이다. 토큰 한 개당 단가는 계속 떨어지는데, 정작 한 작업을 끝내는 데 드는 비용은 오르고 있다. 에이전트가 한 번 일하는 데 거치는 단계가 늘고, 다루는 데이터와 입력이 길어지기 때문이다. 앞서 다룬 우버 사례가 그렇다. 직원들이 AI 코딩 도구로 몰려들면서 2026년 AI 예산을 넉 달 만에 소진했다. 그러니 단가가 싸진다고 안심할 게 아니라, 같은 일을 더 싼 단가로 처리하는 모델로 갈아타려는 압력이 커지는 것이다. 이게 지금 추론 시장에서 벌어지는 디스인플레이션의 실제 모습이다.
4미국 프론티어 모델의 문제는 매출이 아니라 마진이다
그럼 미국 AI 기업은 무너지는 걸까. 그렇게 보면 과장이다. 정확히 말하면 매출이 꺾이는 게 아니라, 추론 마진과 가격 결정력이 눌리는 쪽에 가깝다. 미국 프론티어 모델은 여전히 최고 성능과 엔터프라이즈 신뢰, 보안, 클라우드 통합에서 앞선다. 토큰당 매출도 중국 모델보다 높다. 문제는 그 프리미엄을 정당화하기가 점점 어려워진다는 데 있다.
일을 두 종류로 나눠 보면 이해가 쉽다. 최고 성능이 꼭 필요한 작업이 있고, 그렇지 않은 작업이 있다. 초안 작성, 데이터 정리, 코딩 보조처럼 대량으로 반복되는 일은 후자에 가깝다. 이런 일의 상당 부분이 더 싼 오픈웨이트 모델로 흘러가면, 프론티어 모델은 비싼 값을 받을 수 있는 영역이 좁아진다. 가격을 그대로 두면 물량을 잃고, 물량을 지키려면 가격을 내려야 한다. 어느 쪽이든 마진에 닿는다.
실제로 그 조짐이 보인다. Reuters 보도에 따르면 OpenAI는 토큰 사용료를 포함한 가격 인하를 검토 중이다. Anthropic 역시 같은 가격 경쟁 압력에서 자유롭지 않다. 두 회사 모두 높은 성장성과 수익성 서사를 동시에 증명해야 하는 입장이라, 가격 전쟁은 매출 성장률과 마진 스토리 양쪽에 부담이 된다. 팔로알토의 아로라는 X에 이렇게 적었다. “If you want to win enterprise, you should be forward pricing tokens.” 지금 비싸게 받지 말고, 몇 년 뒤 떨어질 가격을 미리 적용하라는 뜻이다. 기업을 잡으려면 가격을 먼저 내려야 한다는 말이, 업계 안에서 공개적으로 나오기 시작한 셈이다.
5다만 이 그림은 과장하기 쉽다
여기까지는 흐름이 강한 쪽만 본 셈이다. 그런데 이 데이터는 부풀려 읽기 쉽다. 그래서 함께 짚어야 할 단서가 세 가지 있다.
첫째, OpenRouter는 전체 AI 시장이 아니다. OpenAI, Anthropic, Azure, AWS를 직접 쓰는 기업 트래픽이나 정부·금융·보안 영역의 사용량은 여기 잡히지 않는다. 플랫폼 성격상 개인 개발자와 비용 민감 사용자 쪽으로 기울어 있다. 그래서 “중국 모델이 전체 AI 시장을 장악했다”고 쓰면 사실과 다르다. 맞는 표현은 비용 민감 추론 시장에서 침투가 빠르게 관측된다는 것이다.
둘째, 토큰 사용량은 매출이 아니다. 중국 모델이 더 많은 토큰을 처리해도 단가가 낮으면 매출은 미국 모델보다 작을 수 있다. 그래서 투자 관점에서도 “미국 AI 기업 매출이 곧 무너진다”가 아니라 “마진과 가격 결정력이 압박받는다”가 맞다. 사용량 차트 하나로 매출 구도를 단정하면 길을 잘못 든다.
셋째, 싸다고 다 쓸 수 있는 건 아니다. Reuters도 짚었듯 중국 오픈웨이트 모델은 스타트업에선 널리 쓰여도, 보안 우려 때문에 대기업 진입에서는 막히는 경우가 많다. 다만 여기서도 구분이 필요하다. 중국 제공사의 API를 직접 호출하는 경우에는 데이터 처리 위치, 약관, 관할권, 보안 심사 이슈를 따로 확인해야 한다. 반면 공개된 가중치를 자체 인프라에 올려 쓰는 경우에는 리스크 구조가 달라진다. 가격이 싼 추론과 규정을 지키는 추론은 같은 문제가 아니다. 이 그늘이 남아 있는 한, 단가 경쟁만으로 시장 전체가 한쪽으로 쏠린다고 보기는 어렵다.
6자주 묻는 질문
| 질문 | 답변 |
|---|---|
| 업무에 중국 모델을 써도 괜찮을까요? | 용도를 나눠 봐야 한다. 공개돼도 무방한 개인 작업이나 비민감 코딩에는 비용 이점이 크다. 다만 리스크는 호출 방식에 따라 다르다. 중국 제공사 API를 직접 호출하는 경우에는 데이터 처리 위치, 약관, 관할권, 보안 심사를 별도로 확인해야 한다. 공개된 가중치를 자체 인프라에 올려 쓰는 경우에는 그 구조가 달라진다. 싼 추론과 규정을 지키는 추론은 같은 문제가 아니다. |
| 미국 AI 기업 주식을 지금 팔아야 하나요? | 이 글은 투자 권유가 아니다. 다만 이번 흐름의 핵심은 매출 붕괴가 아니라 마진과 가격 결정력 압박이라는 점이다. 프론티어 성능이 꼭 필요한 영역의 비중이 큰 기업과, 대량 반복 작업 의존도가 높은 기업을 구분해서 보는 편이 낫다. 회사 전체가 아니라 수익 구조를 분해해서 점검하는 게 먼저다. |
| 추론 단가가 떨어지면 엔비디아 같은 인프라 수요도 줄지 않나요? | 지금까지는 반대로 움직였다. 토큰 단가가 내려가는 2년 동안 소비량은 오히려 폭발했다. 가격이 싸질수록 더 많이 쓰는 구조다. 토큰 경제를 다룬 이전 글에서 본 제번스 역설의 AI 버전이다. 단가 하락이 곧 인프라 수요 감소로 이어진다고 보기는 어렵다. |
| 한국 투자자 입장에서는 어떤 의미가 있나요? | AI 사용 원가가 내려가면 AI를 도구로 쓰는 기업의 비용 부담이 줄어든다는 점이 우선이다. 동시에 글로벌 추론 시장의 가격 경쟁은 국내 AI 서비스의 가격 책정에도 영향을 준다. 어느 쪽이든 “더 똑똑한 모델”보다 “더 싼 추론을 누가 잘 활용하느냐”가 기준이 되어 가는 흐름으로 읽힌다. |
| AI가 정말 물가를 이기는지 언제 확인할 수 있나요? | 한 번에 확인되는 종류의 일은 아니다. 예측보다는 몇 가지 지표를 꾸준히 관찰하는 게 맞다. 오픈 모델의 토큰 비중, 미·중 모델의 단가 격차, 기업들이 실제로 더 싼 모델로 라우팅을 바꾸는 속도. 이 셋이 같은 방향으로 움직인다면, AI가 비용을 떨어뜨리는 힘이 커지고 있다는 신호로 볼 수 있다. |
결론 — AI 디스인플레이션은 토큰 단가에서 먼저 보인다
워시가 FOMC에서 AI를 꺼냈을 때, 그는 노동 생산성을 염두에 뒀다. 사람이 더 효율적으로 일하면 물가가 내려간다는 길이다. 맞는 이야기지만, 그 효과가 물가에 반영되기까지는 오래 걸리고 데이터로 확인하기도 아직 어렵다. 그사이 더 빠르게 움직이고 있는 건 추론 단가였다. 같은 품질의 추론을 더 싼 토큰으로 공급하는 경쟁이, 실제 수요가 흐르는 방향을 바꾸고 있다.
그래서 이 시리즈가 던진 질문 — AI는 정말 인플레이션을 이기고 있는가 — 에 답하려면, 관점을 바꿔야 한다. 미국 프론티어 모델이 얼마나 똑똑한지가 아니라, 중국과 오픈웨이트 모델이 얼마나 빠르게 토큰당 가격을 끌어내리는지. AI가 비용을 낮추는 기술이 되는 조건은 의외로 단순하다. 같은 일을 더 싸게 처리하는 모델이 늘어나고, 기업이 실제로 그 모델로 라우팅을 바꾸면 된다.
아직 단정할 단계는 아니다. OpenRouter 한 곳의 데이터이고, 사용량이 곧 매출도 아니며, 보안이라는 벽도 남아 있다. 다만 관찰할 지표는 분명해졌다. 오픈 모델의 토큰 비중이 계속 오르는지, 미·중 단가 격차가 어떻게 벌어지거나 좁혀지는지, 기업들이 정말 더 싼 쪽으로 라우팅을 옮기는지. 예측 대신 이 세 가지를 꾸준히 보고 있으면, AI가 물가를 이기고 있는지에 대한 답의 윤곽이 드러난다.
이 글의 모든 수치와 분석은 투자 권유가 아닌 정보 제공 목적입니다. OpenRouter 데이터는 비용 민감 추론 시장의 일부를 반영하며 전체 AI 시장을 대표하지 않습니다. 인용된 수치는 보도·보고서 공개 기준이며, 추정·해석이 포함된 항목은 추가 변동이 있을 수 있습니다. 언급된 기업과 종목에 대한 투자 판단 및 책임은 본인에게 있으며, 중요한 결정 전 전문 금융 어드바이저 상담을 권고합니다.
📌 이 분석, 도움이 됐나요?
다음 편에서는 “AI 생산성은 정말 물가를 낮추고 있나 — 인플레이션 시리즈 5편”을 다룰 예정입니다. 이번에 옆에 두었던 또 하나의 경로, 노동 생산성의 흔적을 데이터에서 찾아봅니다.
거시경제와 AI의 교차점을 계속 추적합니다. 알림을 받으시면 놓치지 않을 수 있습니다.
