골드만삭스가 본 중국 AI 모델 경쟁: 저가 공세 다음은 지능·수익화 싸움

중국 AI 모델, 이제 ‘싸다’만으로 설명하기 어려워짐

• 골드만삭스는 중국 대형 모델이 역사적 변곡점에 있다고 봄

  • 중국 오픈소스 및 오픈가중치 모델의 지능 성능이 글로벌 최고 수준의 독점 모델에 근접했다는 평가임
  • 국내 기업과 글로벌 중소기업 도입이 늘면서 데이터 플라이휠도 만들어질 수 있다고 분석함
  • 보고서는 흐름을 ‘작년 딥시크의 비용 효율성 모멘텀에서 올해 즈푸 GLM의 모델 지능 모멘텀으로’ 요약함

• 이 보고서가 던진 질문은 네 가지임

  • 중국 AI 모델이 어떻게 낮은 비용으로 높은 성능을 내는가
  • 왜 오픈소스 경로를 선택하고, 어떻게 돈을 벌 것인가
  • 핵심 타깃 시장은 어디인가
  • 장기적으로 누가 이길 가능성이 높은가

• 골드만삭스의 초기 결론은 분야별로 갈림

  • 기초 텍스트 모델에서는 즈푸와 딥시크의 포지셔닝이 가장 강하다고 봄
  • 멀티모달 분야에서는 바이트댄스가 선두라고 판단함
  • 미니맥스와 콰이쇼우에 대해서는 매수 등급을 유지함

작은 모델로 큰 모델을 때리는 방식

• 중국 모델의 비용 경쟁력은 단순히 인건비 문제가 아니라 아키텍처 문제임

  • 보고서는 중국 오픈소스 모델의 파라미터 규모가 보통 2000억~1조6000억 개라고 설명함
  • 이는 글로벌 최고 수준 모델의 2~10%에 불과하다고 봄
  • 고급 컴퓨팅 자원 확보가 제한된 상황에서 더 효율적인 구조를 택했다는 해석임

• MoE와 희소 어텐션이 핵심 카드로 언급됨

  • 실제 활성화되는 파라미터 비율은 전체의 3~5% 수준으로 제시됨
  • 전체 모델 크기는 크게 가져가되, 매번 모든 파라미터를 쓰지 않아 훈련과 추론 비용을 낮추는 구조임
  • DeepSeek V4 Pro는 1조6000억, 즈푸 GLM5.2는 7000억, MiniMax M3는 4000억 파라미터로 소개됨

• 추론 속도 개선도 꽤 구체적으로 나옴

  • DeepSeek은 6월 27일 추론 디코딩 프레임워크 DSpark를 공개함
  • V4-Flash와 V4 Pro 온라인 서비스에 이미 배포됐고, 모델 가중치나 출력 품질을 바꾸지 않으면서 사용자당 생성 속도를 끌어올렸다고 함
  • V4-Flash는 6085%, V4 Pro는 5778% 향상으로 제시됨

시장은 고급 모델과 초저가 모델로 갈라지는 중

• 골드만삭스는 중국 AI 모델 시장을 ‘2층 구조’로 설명함

  • 고급 시장은 더 높은 가격과 성능을 노림
  • 저가 시장은 에이전트 작업과 가격 민감한 중소기업, 개인 사용자를 겨냥함
  • 결국 모든 모델이 같은 고객을 두고 싸우는 게 아니라, 용도별 가격대가 갈라지는 모습임

• 고급 중국 모델도 미국 최상위 모델보다 훨씬 싸게 포지셔닝됨

  • 즈푸 GLM5.2와 알리바바 Qwen3.7 Max 같은 최상위 모델은 100만 토큰당 약 1달러로 소개됨
  • 저가 모델의 5배지만, 미국 최상위 모델의 48달러와 비교하면 1025% 수준임
  • 골드만삭스는 중국 고급 모델이 낮은 파라미터 활성화 비율 덕분에 10~20% 추론 매출총이익률을 유지할 수 있다고 추정함

• 저가 시장은 더 공격적임

  • 에이전트 작업용 모델 가격은 100만 토큰당 0.06~0.2달러까지 내려감
  • 미니맥스는 매출의 60~70%가 해외에서 발생한다고 언급됨
  • 딥시크는 7월 중순부터 V4 시리즈에 피크 시간대 차등 과금제를 도입할 예정이며, 피크 요금은 비피크의 2배로 제시됨

• 시장 성장 전망도 세게 잡힘

  • 중국 AI 모델의 API 및 구독 수익은 2026년 350억 위안에서 2030년 8790억 위안으로 증가할 것으로 예상됨
  • 일일 토큰 소비량은 350조에서 4600조로 약 25배 늘어난다는 계산임
  • 이 정도면 단순 모델 경쟁이 아니라 클라우드, 앱, 에이전트 플랫폼까지 묶인 큰 시장임

오픈소스는 확산에는 좋지만, 돈 벌기는 별도 문제

• 중국 모델 기업들은 대체로 오픈소스 또는 오픈가중치 전략을 택함

  • 알리바바 Qwen, DeepSeek, 즈푸 GLM, MiniMax M3가 대표 사례로 언급됨
  • 바이트댄스 Seed 모델은 완전 폐쇄형 독점 경로를 취하는 예외로 소개됨
  • 오픈소스 모델은 중국 안팎에서 유연하게 배포되고, 커뮤니티 피드백으로 개선 속도를 높일 수 있음

• 문제는 배포 규모와 매출이 일치하지 않는다는 점임

  • 즈푸의 2026년 말 ARR 목표는 10억 달러로 언급됨
  • 하지만 GLM5.2의 실제 글로벌 배포량은 즈푸 자체 API 채널을 통한 토큰량과 수익을 훨씬 웃돌 수 있다고 봄
  • 예를 들어 알리바바 클라우드 바이리앤 MaaS 플랫폼은 GLM5.2 오픈소스 모델을 직접 호스팅할 수 있지만, 즈푸에 비용을 지불하지 않는 구조로 설명됨

• 그래서 골드만삭스는 라이선스 모델 변화 가능성을 봄

  • 순수 오픈소스에서 ‘오픈가중치+커뮤니티 라이선스’ 모델로 이동할 가능성이 제시됨
  • 상업적 사용 시 모델 회사와 수익 공유 계약을 맺는 방식임
  • MiniMax M 시리즈가 이미 이 모델을 선도적으로 도입했다고 언급됨
  • 모델 회사가 AWS Bedrock, 알리바바 클라우드 바이리앤 같은 플랫폼과 수익을 나누면 추론 컴퓨팅 비용을 직접 부담하지 않아도 되는 장점이 있음

토큰 많이 쓰는 회사가 이기는 게 아니라, 결과를 내는 회사가 이김

• 골드만삭스는 글로벌 AI 사용 패러다임이 바뀌고 있다고 봄

  • 예전에는 높은 토큰 소비를 조직 생산성과 동일시하는 ‘토큰 극대화’ 분위기가 있었다고 설명함
  • 이제는 명확한 작업 경계, 일일 활성 에이전트 수, 백엔드 프로세스 자동화, 실제 산출물을 더 본다는 것
  • 젤리피시 AI 엔지니어링 트렌드 연구에서는 기업 내 AI 헤비 유저가 10배 토큰을 소비했지만 산출물은 2배 증가에 그쳤다고 함

• 중국 모델은 글로벌 채널에도 이미 들어가고 있음

  • 알파벳 Gemini Enterprise Agent Platform과 아마존 AWS Bedrock은 DeepSeek, MiniMax, Moonshot, GLM, Qwen 등 중국 AI 모델 호스팅을 제공함
  • 월스트리트저널 보도에 따르면 마이크로소프트도 DeepSeek 버전을 Copilot에서 선택 가능한 저비용 모델로 호스팅하는 방안을 고려 중이라고 함
  • 이 경우 고객 데이터가 Azure 안에 머물도록 하겠다는 점이 강조됨

• 장기 승자 평가 기준은 성능 순위표 하나가 아님

  • 골드만삭스는 ARR 규모, 매출총이익률 우위, 재무 실력을 조합한 프레임워크를 제시함
  • 가격 결정력은 출시 속도, LMArena 점수, 100만 토큰당 혼합 가격으로 봄
  • 비용 우위는 처리량, 캐시 히트율, 파라미터 활성화 비율, 추론 매출총이익률로 평가함
  • 재무 실력은 보유 현금, 순현금 비율, 밸류에이션 배수를 본다고 설명됨

• 분야별 승자 후보도 꽤 명확하게 제시됨

  • 기초 텍스트 모델에서는 즈푸와 딥시크가 가장 강한 포지션으로 평가됨
  • 독립 AI 모델 기업들의 전체 암묵적 밸류에이션 합계는 2000억 달러를 넘는다고 언급됨
  • 멀티모달과 비디오 생성에서는 Seedance를 앞세운 바이트댄스가 선두로 평가됨
  • Seedance의 매출총이익률은 70%, ARR 실행률은 이미 20억 달러를 넘었다는 보도도 인용됨

• 미니맥스는 가격대와 토큰량 관점에서 매력적인 위치로 평가됨

  • 골드만삭스는 미니맥스에 매수 등급과 목표주가 860홍콩달러를 유지함
  • M3 모델이 높은 토큰량과 매력적인 가격대의 ARR 극대화 구간에 있다고 봄
  • 현재 밸류에이션이 2026년 말 ARR의 13배에 불과해 중국 및 글로벌 동종 기업 대비 할인돼 있다고 평가함

---

기술 맥락

• 이 보고서에서 중요한 선택은 ‘모델 성능을 키우기 위해 무조건 더 크게 만들 것인가, 아니면 적은 활성 파라미터로 비슷한 체감 성능을 낼 것인가’예요. 중국 모델들은 고급 칩 접근이 제한된 상황이라, MoE와 희소 어텐션 같은 효율화가 선택이 아니라 생존 전략에 가까워요.

• MoE가 자주 나오는 이유는 전체 파라미터 수를 크게 가져가면서도 매 요청마다 일부 전문가만 켜기 때문이에요. 사용자는 큰 모델의 지식을 기대하지만, 운영자는 매번 전체 모델 비용을 내지 않아도 되는 구조라서 추론 단가를 낮추는 데 유리해요.

• 오픈소스와 오픈가중치의 차이도 수익화 때문에 중요해요. 완전 무료 배포는 채택을 빠르게 만들지만, 클라우드 사업자가 모델을 가져가 호스팅해도 원 개발사가 돈을 못 받을 수 있거든요. 그래서 상업적 사용에 수익 공유를 붙이는 라이선스가 현실적인 타협으로 떠오르는 거예요.

• 기업 입장에서는 이제 ‘어느 모델이 제일 똑똑한가’보다 ‘이 업무에서 충분히 똑똑하면서도 토큰 단가와 데이터 통제 조건이 맞는가’를 봐야 해요. 보고서가 말하는 ROI 우선 전환은 결국 모델 라우팅, 비용 관측성, 에이전트 성과 측정까지 포함한 운영 문제예요.

• 한국 팀도 이 흐름에서 자유롭지 않아요. 미국 빅테크 API만 기본값으로 두면 빠르게 시작할 수는 있지만, 대규모 운영 단계에서는 중국 오픈소스 모델, 자체 호스팅, 클라우드 마켓플레이스 모델을 같이 비교해야 비용과 리스크를 줄일 수 있어요.