1. AI의 경쟁력은 기초 모델로 이동하고 있음. 추론만 잘하는 모델은 세상과 연결되지 않은 어항 속 뇌에 가깝고, 최종 목표는 AI가 AI를 직접 만드는 것
2. 하지만 성능만큼 중요한 것이 비용 대비 작업 완수율임. Kimi K3는 비공개 사이버보안 평가에서 최상위권 성능을 훨씬 낮은 비용에 제공했고, GPT-5.6은 더 뛰어났지만 가격이 7배
3. 중국 기업은 이 지점을 노리고 있음. Alibaba는 Qwen3.8을 오픈웨이트로 공개하고, T-Head는 CUDA에 대응하는 AI 소프트웨어 스택까지 오픈소스화하려 함. 모델부터 개발도구까지 AI 전체 스택을 범용재로 만들겠다는 전략
4. 이는 폐쇄형 AI 기업의 높은 가격과 마진에 직접 위협임. 과거 Sun Microsystems가 Linux와 범용 하드웨어에 무너졌듯, 모델 성능 차이가 좁혀지면 사용자는 결국 더 저렴하고 개방적인 생태계로 이동
5. 따라서 장기적으로 배포망, 독점 데이터, 업무 워크플로우, 추론 인프라의 가치가 더 커질 수 있음. 모델이 평준화될수록 고객과 데이터가 있는 플랫폼, 네트워크, 전력, 데이터센터가 강한 해자를 가짐
6. 다만 AI 인프라 투자도 무조건 승자는 아님. Oracle 데이터센터의 비용 급증, 지역 주민 반대, 인허가 지연, 국가안보 규제처럼 대규모 CAPEX가 실제 현금흐름으로 전환되기까지 상당한 마찰이 발생
7. 결국 AI 투자에서 봐야 할 것은 단순 벤치마크가 아님. 성능을 얼마나 싸게 제공하는가, 실제 업무를 얼마나 안정적으로 끝내는가, 비용 하락 이후에도 무엇으로 돈을 벌 수 있는가가 핵심