핵심 요약: 중국 AI 모델이 인류학의 기업용 성능을 4분의 1 비용으로 따라잡아, 상장을 앞둔 서방 AI 개발사들의 가격 결정력을 위협하고 있다.
핵심 요약: 중국 AI 모델이 인류학의 기업용 성능을 4분의 1 비용으로 따라잡아, 상장을 앞둔 서방 AI 개발사들의 가격 결정력을 위협하고 있다.

중국 AI 모델이 인류학의 기업용 성능을 4분의 1 비용으로 따라잡아, 상장을 앞둔 서방 AI 개발사들의 가격 결정력을 위협하고 있다.
제프리스 전략가 크리스토퍼 우드는 Z.ai의 GLM-5.2 모델이 토큰당 비용을 75% 낮추면서 인류학의 클로드(Claude)에 육박하는 기업용 AI 성능을 제공한다고 밝히며, 이를 '딥시크 모멘트(DeepSeek moment)'라고 표현했다. 이는 서방 AI 선두 기업들의 가격 결정력에 위협이 될 것이라고 덧붙였다.
제프리스의 널리 읽히는 '탐욕과 공포(Greed & Fear)' 노트의 저자이기도 한 우드는 "홍콩 상장사 Z.ai의 GLM-5.2 모델은 토큰당 비용이 4분의 1 수준에 불과하면서 기업 시장에서 인류학과 거의 대등한 성능을 보인다"고 말했다.
인류학의 연간 환산 매출은 2025년 말 90억 달러에서 5월 470억 달러로 급증했다. 그러나 우드는 기업들이 과도한 토큰 소비에 반발하면서 이러한 성장세가 둔화될 것으로 예상했다. OpenRouter 집계 플랫폼에서 중국 AI 시스템은 4월 말 4조 3700억 개에서 6월 21일 기준 주당 21조 3700억 개의 토큰을 처리한 반면, 선두 미국 모델은 5조 7600억 개를 처리했다. 중국 상위 시스템은 이제 플랫폼 전체 토큰 볼륨의 약 80%를 차지하며, 두 달 전 약 43%에서 크게 상승했다.
이러한 도전은 인류학이 증시 상장을 준비하고 있고, 라이벌인 오픈AI도 기업공개(IPO)를 검토하고 있는 시점에 제기됐다. 우드는 더 저렴한 중국 모델이 이미 시장 점유율을 확대하고 있으며, 이는 대규모 언어 모델(LLM)이 상품화될 것이라는 전망을 강화하고 기업들이 데이터 보호를 위해 소형 모델을 자체 서버로 이전하도록 유인한다고 말했다.
모델 개발사에 대한 경쟁 압력에도 불구하고, 우드는 AI 관련 주식 상승을 주도해온 '곡괭이와 삽(picks and shovels)' 공급업체에 대해 긍정적인 입장을 유지했다. 그는 저렴한 토큰이 컴퓨팅 파워와 메모리 칩에 대한 전반적인 수요를 오히려 촉진한다는 제본스 역설(Jevons paradox)을 언급했다. 메모리 제조사들이 주요 수혜자라며, SK하이닉스, 삼성전자, 마이크론 테크놀로지가 이제 장부가가 아닌 수익 기준으로 평가돼야 하며, 그 기준으로도 여전히 저평가되어 있다고 주장했다. AI 훈련 클러스터에 사용되는 고대역폭 메모리(HBM) 칩은 핵심 병목 현상으로 자리 잡았으며, SK하이닉스가 시장의 약 50%를 점유하고 있다.
우드는 Greed & Fear 포트폴리오 전반에서 기술 하드웨어 비중을 늘리고 있다며, 글로벌 롱온리 포트폴리오에 SK하이닉스와 키옥시아(Kioxia)를 추가하고 알파벳과 알리바바를 제외했다고 밝혔다. 광범위한 트레이드의 주요 리스크는 투자자들이 하이퍼스케일러와 선도 AI 개발사들이 지출에서 적절한 수익을 올리지 못하고 있다는 사실을 갑자기 깨닫는 것이라고 말했다. 엔비디아가 오픈AI의 칩 구매 자금을 조달하는 등 순환적 자금 조달 방식이 이러한 우려를 부추기고 있다. 하지만 현재로서는 이러한 우려는 이론적일 뿐이며 AI 자본 지출 경쟁이 둔화될 조짐은 아직 보이지 않는다고 덧붙였다. 마이크로소프트, 아마존, 구글 등 하이퍼스케일러들은 올해 AI 인프라에 합계 2500억 달러 이상을 지출할 것으로 예상된다.
비용 경쟁력을 갖춘 중국 대안의 부상은 서방 AI 개발사들이 IPO를 앞두고 누려온 밸류에이션 프리미엄을 압박하고 있다. 인류학의 470억 달러 매출 환산 수치는 인상적이지만, 토큰 가격 하락으로 수익성 압박에 직면해 있다. 반면 SK하이닉스와 마이크론을 포함한 메모리 제조사들은 단위당 가격이 하락하더라도 물량 수요 증가로 혜택을 볼 수 있으며, 이러한 역학이 현재의 수익 기반 밸류에이션을 유지할 수 있게 한다. 오라클과 메타 플랫폼스는 주요 AI 인프라 투자자로서, 저렴한 모델이 자체 AI 개발의 필요성을 줄일 경우 자본 배분 전략이 시험대에 오를 수 있다.
본 기사는 정보 제공 목적으로만 작성되었으며 투자 조언을 구성하지 않습니다.