1. 1985년, 샘 월튼의 성조기
1985년 월마트 창업자 샘 월튼(Sam Walton)은 "Bring It Home to the USA"라는 캠페인을 시작했다. 미국 제조업이 일본과 아시아 신흥국에 밀려 무너지던 시기, 월마트는 매장 곳곳에 성조기를 내걸고 "Made in USA" 라벨을 전면에 배치했다. 미국산 제품을 우선 매입하겠다고 공언했고, 언론은 월마트를 미국 제조업의 수호자로 치켜세웠다. 1980년대 후반 월마트의 "Buy American" 프로그램은 소매업계에서 가장 성공적인 애국 마케팅으로 꼽혔다.
그러나 그 성조기 뒤에서 벌어진 일은 정반대였다. 월마트의 본질은 '매일 최저가(Everyday Low Price)'였고, 최저가를 지탱할 수 있는 공급망은 미국이 아니라 중국에 있었다. 1990년대 중반부터 월마트의 조달 축은 선전(深圳)으로 이동했고, 2002년에는 글로벌 조달 본부를 아예 선전에 설치했다. 2000년대 중반 월마트 한 회사가 중국에서 수입하는 금액은 연간 180억 달러를 넘어섰다. 당시 월마트를 하나의 국가로 치면 중국의 8대 교역 상대국 수준이었다. 매대에 걸린 성조기는 그대로였지만, 그 아래 진열된 상품의 태그를 뒤집으면 대부분 'Made in China'였다. 미국 브랜드가 붙어 있어도 실제 생산은 중국 OEM 공장에서 이뤄지는 구조가 표준이 됐다.
이것이 월마트의 역설이다. 명분은 애국이었지만, 구조는 가격이 결정했다. 소비자는 성조기에 투표하지 않았다. 계산대에서 가격표에 투표했다.
2026년, 같은 역설이 AI 산업에서 반복되고 있다.
2. 실리콘밸리의 매대에 쌓이는 중국산
미국 AI 업계의 공식 서사는 '중국 배제'다. 하원 국토안보위원회와 중국특별위원회는 중국산 AI 사용 확산에 대한 특별조사에 착수했고, 국무부는 공개적으로 우려를 표명했다. 워싱턴의 언어만 보면 실리콘밸리는 중국산 AI와 절연한 것처럼 보인다.
그러나 실제 트래픽 데이터는 월마트의 매대와 같은 이야기를 한다.
AI 모델 중개 플랫폼 오픈라우터(OpenRouter)의 이달 토큰 사용량 순위를 보자.
| 순위 | 모델 | 개발사 | 국적 | 월간 토큰 |
|---|---|---|---|---|
| 1 | DeepSeek V4 Flash | 딥시크 | 중국 | 21.4T |
| 2 | MiMo V2.5 | 샤오미 | 중국 | 19.1T |
| 3 | MiniMax M3 | 미니맥스 | 중국 | 17.4T |
| 4 | Hy3 preview | 텐센트 | 중국 | 12T |
| 5 | Claude Opus 4.7 | 앤트로픽 | 미국 | 10.3T |
자료: OpenRouter, 2026년 7월
1위부터 4위까지가 전부 중국산이다. 미국 최상위 모델은 5위에서야 등장한다. 중국 5개사의 오픈라우터 점유율은 2024년 말 0%에서 2026년 5월 61%로 폭증했다. 오픈웨이트 시장의 주도권은 메타의 라마(Llama)에서 중국 진영으로 완전히 넘어갔고, 메타는 상위권에서 사실상 퇴출됐다. 미국 기업의 45%가 이미 중국산 모델을 사용한다는 것이 오픈라우터의 집계다.
개별 기업 사례는 더 노골적이다.
- 쇼피파이: GPT-5를 알리바바 큐원3.5(오픈웨이트)로 전환, 비용을 75분의 1로 절감. 사기 탐지, 세금 코드, 반품 처리 등 맞춤 모델을 구축하고 API 비용 없이 전기료와 GPU 임대료만 부담.
- 린디(Lindy): AI 비서 스타트업. 앤트로픽에서 딥시크로 전환하며 남긴 말이 상징적이다. "이메일 쓰는 데 신이 필요하진 않다."
- 에어비앤비: 큐원 사용.
- 커서(Cursor): 문샷 Kimi 2.5 활용.
- 퍼플렉시티: 즈푸AI GLM-5.2 사용.
- 마이크로소프트: 애저 파운드리에 딥시크 탑재 계획.
월마트가 그랬듯, 이들 중 누구도 "우리는 친중 기업입니다"라고 말하지 않는다. 명분의 층위에서는 여전히 미국 프런티어 랩과의 파트너십을 이야기한다. 그러나 인프라의 층위, 실제 토큰이 흐르는 층위에서는 이미 중국산이 기본값이다. 겉포장은 미국산, 내용물은 중국 OEM이었던 1990년대 월마트 매대의 정확한 재현이다.
3. 왜 이렇게 빨리 넘어갔나? - 호환성이라는 트로이 목마
월마트의 중국 전환에는 물류라는 마찰이 있었다. 컨테이너를 옮기고, 품질 검수 체계를 다시 세우고, 공급 계약을 갈아엎는 데 수년이 걸렸다. 중국산 AI로의 전환에는 그 마찰조차 없다. 중국 모델 개발사들이 처음부터 마찰을 제거하도록 설계했기 때문이다.
핵심은 API 호환성 전략이다. 딥시크, 문샷, 즈푸AI, 알리바바는 자사 모델의 API를 OpenAI SDK 규격과 호환되도록 개발한다. 어제 출시된 문샷의 Kimi K3 역시 OpenAI SDK와 호환되어, 이미 OpenAI나 앤트로픽 툴체인 위에서 서비스를 운영하는 개발사는 진입 장벽 없이 통합할 수 있다. 실무적으로는 엔드포인트 URL과 API 키, 모델명 문자열을 바꾸는 것으로 전환이 끝난다. 코드 몇 줄이다.
MCP(Model Context Protocol) 생태계도 마찬가지다. MCP는 앤트로픽이 만들었지만 공개 표준이기 때문에, 중국 모델들은 MCP 서버·툴 생태계를 그대로 상속받는다. 기업이 수개월에 걸쳐 구축한 에이전트 파이프라인, 툴 연동, 프롬프트 자산이 모델 교체 후에도 거의 그대로 작동한다. 미국 프런티어 랩이 표준을 만들고 생태계를 깔아놓으면, 중국 오픈웨이트 모델이 그 레일 위에 올라타는 구조다.
전환 비용이 0에 수렴하면 남는 판단 기준은 두 가지뿐이다. 성능이 충분한가, 그리고 얼마나 싼가.
4. 우도할계 — 닭 잡는 데 소 잡는 칼
『논어(論語)』 「양화(陽貨)」편에서 공자는 제자 자유(子游)가 작은 고을 무성(武城)을 예악으로 다스리는 것을 보고 웃으며 말한다. "割鷄焉用牛刀 — 닭을 잡는 데 어찌 소 잡는 칼을 쓰는가."
2026년 기업 AI 워크로드의 실상이 정확히 이것이다. 기업이 LLM에 시키는 일의 대부분은 이메일 초안, 고객 문의 분류, 문서 요약, 데이터 추출, 정형화된 코드 생성이다. 닭 잡는 일이다. 그런데 그 닭을 잡기 위해 앤트로픽 페이블5(출력 100만 토큰당 50달러)나 GPT-5.6(30달러)이라는 소 잡는 칼을 쓰고 있었다.
미국과 중국 모델의 API 가격을 나란히 놓으면 격차가 선명하다.
| 모델 | 국적 | 입력($/1M) | 출력($/1M) |
|---|---|---|---|
| 앤트로픽 페이블5 | 미국 | 10 | 50 |
| 오픈AI GPT-5.6 | 미국 | 5 | 30 |
| 구글 제미나이3.5 플래시 | 미국 | 1.5 | 9 |
| 알리바바 큐원3.7 맥스 | 중국 | 2.5 | 7.5 |
| 즈푸AI GLM-5.2 | 중국 | 1.4 | 4.4 |
| 문샷 Kimi | 중국 | 0.95 | 4.6 |
| 딥시크 V4 Pro | 중국 | 0.435 | 0.87 |
| 샤오미 MiMo V2.5 Pro | 중국 | 0.435 | 0.87 |
자료: 각 사 공시 가격, 2026년 7월
출력 토큰 기준으로 페이블5와 딥시크 V4 Pro의 가격 차이는 57배다. 그리고 닭 잡는 업무에서 두 모델의 결과물 차이를 최종 사용자는 구분하지 못한다. 린디의 "이메일 쓰는 데 신이 필요하진 않다"는 말은 우도할계의 실리콘밸리 번역본이다.
여기서 중요한 것은 중국 모델이 소 잡는 칼을 이겼다는 것이 아니라는 점이다. 프런티어 성능에서는 여전히 페이블5와 GPT-5.6이 앞선다. 문샷조차 K3 발표에서 최상위 독점 모델에는 못 미친다고 인정한다. 그러나 시장의 부피는 프런티어 업무가 아니라 닭 잡는 업무에 있다. 워크로드의 8할이 닭이라면, 닭 칼 시장을 장악한 쪽이 토큰 물동량을 장악한다. 오픈라우터 1~4위가 전부 중국산인 이유다.
이 지점에서 중국 모델의 두 번째 무기가 작동한다. 오픈웨이트와 커스터마이징이다. MIT나 아파치 라이선스로 가중치가 공개되면 기업은 자사 데이터로 파인튜닝해 사기 탐지, 세무, 반품 정책 같은 도메인 특화 모델을 만들 수 있다. 클로즈드 API로는 불가능하거나 비싼 일이다. 쇼피파이가 API 비용 없이 전기료와 GPU 임대료만 부담하는 구조로 넘어간 것이 이 경로다. 수익률과 커스터마이징 — 이 두 축에서 중국산 오픈웨이트의 확산은 유행이 아니라 구조다.
5. 앤트로픽, 오픈AI의 수익화와 IPO에 드리운 그림자
이 구조가 지속되면 타격은 미국 프런티어 랩의 손익계산서에 직접 꽂힌다.
앤트로픽과 오픈AI의 수익 모델은 소비자 구독과 기업 API 두 다리로 서 있다. 이 중 기업 API 매출의 상당 부분은 사실 '닭 잡는' 대량 트래픽에서 나온다. 프런티어 성능이 필요한 고난도 업무는 마진은 높지만 물량이 작고, 물량을 만들어주던 단순 대량 업무가 바로 중국산으로 이탈 중인 구간이다. "간단한 건 중국 모델, 복잡한 건 앤트로픽·오픈AI"라는 이원화 자체가 미국 랩 입장에서는 매출 기반의 하단이 잘려나가는 것을 의미한다.
문제는 비용 구조가 이 매출 이탈을 감당할 체력이 아니라는 점이다. 프런티어 랩은 스케일링 법칙의 한계를 시험하며 GPU와 데이터에 천문학적 자본을 태우는 선두 주자다. F1의 슬립스트림처럼, 뒤따르는 중국 기업은 선두가 공기저항을 뚫는 동안 추진력을 얻는다. 여기에 증류(distillation) 문제까지 겹친다. 앤트로픽은 알리바바가 2만5,000개 계정을 만들어 소프트웨어 엔지니어링과 추론 등 값싼 질문을 대량으로 뽑아갔다고 지적했다. 선두가 수십억 달러를 들여 만든 능력이 후발주자의 학습 데이터로 흡수되는 구조에서, 선두의 R&D 투자는 부분적으로 경쟁자를 위한 보조금이 된다.
압박은 중국에서만 오지 않는다. 메타는 올해 AI 인프라에 최대 1,450억 달러를 투자해 올해 7GW, 내년 14GW의 데이터센터를 확보하고, 스페이스XAI는 멤피스에 GW급 클러스터 콜로서스2를 가동 중이다. 이들은 광고 수익(메타)과 자금조달(스페이스X)로 적자 구간을 버틸 수 있어, 압도적 인프라를 바탕으로 추론 가격을 덤핑할 수 있다. 그록4.5와 뮤즈스파크1.1은 페이블5·GPT-5.6에 성능은 소폭 뒤지지만 업무당 비용은 10분의 1 수준이다. 즉 앤트로픽과 오픈AI는 아래로는 중국 오픈웨이트, 옆으로는 미국 빅테크 덤핑이라는 이중 협공에 놓였다.
IPO 관점에서 이것은 밸류에이션 서사의 문제다. 프런티어 랩의 기업가치는 "AI 추론 시장 전체의 지배적 과금자"라는 전제 위에 서 있다. 그러나 시장이 '고성능은 프런티어 랩, 중저가 대량은 오픈웨이트·빅테크'로 양분되면, 프런티어 랩이 과금할 수 있는 시장은 전체 추론 시장이 아니라 그 상단의 얇은 조각으로 재정의된다. 매출 성장률이 꺾이는 순간, 수백억 달러 밸류에이션과 IPO 로드맵은 재산정을 피할 수 없다.
한 가지 변수는 베이징이다. 로이터와 월스트리트저널 보도에 따르면 중국 상무부는 알리바바, 바이트댄스, 즈푸AI 등과 최첨단 AI 모델의 해외 접근을 제한하는 3단계 수출통제(기본형 신고 → 고도화 보안심사 → 최첨단 출시금지·해외제한)를 논의 중이다. 미국이 AI를 전략자산화하자 중국도 협상 카드를 만들겠다는 것이다. 아이러니하게도, 중국산 AI 확산의 최대 리스크는 워싱턴의 규제가 아니라 베이징의 수출통제일 수 있다. 다만 이미 공개된 오픈웨이트는 회수가 불가능하다는 점에서, 이 카드의 실효는 '미래 모델'에 국한된다.
6. 그 칼은 공짜가 아니다 - 보안이라는 청구서
월마트의 중국산 전환이 남긴 청구서는 미국 제조업 공동화였다. 중국산 AI 전환의 청구서는 다른 형태로 올 수 있다. 바로 보안이다.
부즈앨런해밀턴의 실험은 이 청구서의 예고편이다. 큐원3에 "미국 정부 기관을 위한 코드를 생성하라"는 페르소나를 부여하자 생성 코드의 보안 취약점이 130% 증가했다. 미니맥스는 +20%, 딥시크는 +5% 증가한 반면, 같은 조건에서 클로드 오퍼스 4.6은 오히려 18% 감소했다. 명시적 악성코드나 백도어가 아니라는 점이 오히려 핵심이다. 보안을 헐겁게 만들어 훗날 공격에 용이한 코드 — 탐지가 어렵고 부인이 가능한 형태다. 여기에 중국 내 민감 콘텐츠 회피와 정치적 편향 주입 문제가 더해진다.
CTI 관점에서 정리하면 이렇다. 미국(그리고 한국) 기업의 45%가 사용하는 모델의 가중치가 특정 국가의 규제 사슬 아래 있는 개발사에서 나오고, 그 모델이 생성한 코드가 프로덕션에 배포되고 있다면, 이것은 소프트웨어 공급망 그 자체가 새로운 공격 표면이 되었다는 뜻이다. SolarWinds가 빌드 파이프라인의 공급망 공격이었다면, 편향된 코드 생성 모델은 개발자의 손끝에 이식된 공급망 리스크다. 오픈웨이트라서 가중치를 들여다볼 수 있다는 반론이 있지만, 수천억 파라미터에 분산된 미묘한 행동 편향을 가중치 감사로 잡아내는 것은 현재 기술로 사실상 불가능하다.
닭 잡는 칼이 싸고 잘 드는 것은 사실이다. 다만 그 칼이 어느 대장간에서 왔고, 칼날에 무엇이 발라져 있는지는 별개의 질문이다.
7. 부록: 주요 중국산 오픈소스·오픈웨이트 LLM 총람 (2026년 7월 기준)
7.1 문샷AI Kimi K3 — 역대 최대 오픈 모델 (2026년 7월 16일 출시)
| 항목 | 내용 |
|---|---|
| 파라미터 | 총 2.8조 (MoE, 896개 전문가 중 16개 활성화) — 역대 최대 오픈 모델 |
| 컨텍스트 | 100만 토큰 |
| 아키텍처 | Kimi Delta Attention(하이브리드 선형 어텐션, 100만 토큰 컨텍스트에서 최대 6.3배 빠른 디코딩), Attention Residuals(약 25% 훈련 효율 향상) |
| 멀티모달 | 네이티브 비전(텍스트·이미지·비디오 입력) |
| 호환성 | OpenAI SDK 호환 — 기존 OpenAI/앤트로픽 툴체인에서 즉시 통합 가능 |
| 변형 | K3 Max(챗·에이전트), K3 Swarm Max(대규모 병렬 처리) |
장점: 코딩 벤치마크 6종에서 일관되게 3위권, SWE Marathon과 Program Bench 1위. 자체 코딩 에이전트 Kimi Code(VSCode·Cursor·Zed 통합)와 결합한 에이전트 생태계. K2 계열의 검증된 오픈웨이트 이력. 단점: 문샷 스스로 인정하듯 최상위 독점 모델(페이블5, GPT-5.6 Sol)에는 아직 뒤짐. 출시 직후라 가중치 공개는 7월 27일 예정으로, 현시점 셀프호스팅 불가. 2.8조 파라미터 규모상 공개 후에도 자체 구동 하드웨어 요건이 극단적. 참고: 문샷은 최근 200억 달러 밸류에이션으로 자금 조달, Kimi 계열 ARR은 6월 기준 3억 달러 돌파. 오픈 모델이 자선사업이 아니라 수익 사업임을 보여주는 사례.
7.2 딥시크 DeepSeek V4 계열 — 가격 파괴자
| 항목 | V4 Pro | V4 Flash |
|---|---|---|
| 파라미터 | 약 1.6조 (MoE) | 경량형 |
| 컨텍스트 | 100만 토큰 (출력 최대 384K) | — |
| 라이선스 | MIT | MIT |
| 가격(출력) | $0.87/1M (상시 75% 할인가) | 그 이하 |
장점: 압도적 가격. 알고리즘·수리 추론 특화 — LiveCodeBench 93.5%로 전 세계 1위, Codeforces 레이팅 3206, GPQA 90.1%. V4 Pro Max는 SWE-bench Verified 80.6%로 오픈웨이트 최고 기록(제미나이 3.1 Pro와 동률). 32조 토큰 이상 사전학습. Vals.ai, Artificial Analysis 등 독립 기관 검증이 가장 풍부. V4 Flash는 오픈라우터 사용량 세계 1위(월 21.4T 토큰)로 대량 단순 자동화의 사실상 표준. 단점: 장기 에이전트·실무형 소프트웨어 엔지니어링에서는 GLM-5.2에 밀림(SWE-bench Pro 55.4% vs 62.1%). 검열·편향 이슈의 대표적 표적이며, 미 하원 조사에서도 가장 자주 거명되는 이름.
7.3 즈푸AI(Z.ai) GLM-5.2 — 오픈웨이트 지능 1위
| 항목 | 내용 |
|---|---|
| 파라미터 | 744B |
| 컨텍스트 | 100만 토큰 (출력 128K) |
| 라이선스 | MIT (지역·용도 제한 없음) |
| 가격 | 입력 $1.4 / 출력 $4.4 (1M 토큰) |
장점: Artificial Analysis 지능지수 51로 오픈웨이트 1위(페이블5와 약 5점 차). 실무 에이전트 벤치마크 GDPval-AA v2에서 GPT-5.5 xhigh와 사실상 동급. 장기 코딩 특화 — FrontierSWE, Terminal-Bench 2.1, SWE-bench Pro(62.1%)에서 딥시크를 큰 폭으로 앞섬. 퍼플렉시티가 채택한 모델. 단점: 딥시크 대비 출력 가격 5배. 가중치 약 1.5TB로 로컬 구동은 사실상 대형 인프라 전용. 벤치마크 다수가 벤더 자체 보고로 독립 검증이 상대적으로 부족.
7.4 미니맥스 MiniMax M3 — 유일한 네이티브 비디오 이해
| 항목 | 내용 |
|---|---|
| 파라미터 | 약 428B / 활성 23B (MoE) |
| 컨텍스트 | 100만 토큰 (MiniMax Sparse Attention) |
| 멀티모달 | 텍스트·이미지·비디오 네이티브 입력 |
| 실효 가격 | 오픈라우터 가중평균 입력 $0.098 / 출력 $1.21 (512K 초과 시 인상) |
장점: 오픈웨이트 중 유일하게 비디오까지 네이티브 이해. SWE-bench Pro 59.0%로 GPT-5.5(58.6%)를 제치고 앤트로픽 플래그십 바로 다음. 활성 파라미터 23B로 규모 대비 추론 비용 효율이 뛰어남. 단점: 출력이 장황하고 추론 토큰을 많이 소모해 '싼 토큰 ≠ 싼 실행'의 대표 사례. 주요 벤치마크 다수가 자체 인프라 측정치로 독립 검증 폭이 좁음.
7.5 알리바바 Qwen(큐원) 3.5 / 3.7 — 엔터프라이즈 커스터마이징의 표준
장점: 오픈웨이트 생태계에서 파인튜닝·도메인 특화의 사실상 표준. 다국어 커버리지가 가장 넓어 글로벌 서비스에 유리. 쇼피파이(비용 75분의 1 절감), 에어비앤비 등 대형 레퍼런스 확보. 씽킹머신즈랩이 "알리바바 큐원 커스터마이징 가능"을 세일즈 포인트로 삼을 정도로 서드파티 튜닝 생태계가 성숙. 단점: 부즈앨런 실험에서 페르소나 조건부 취약점 +130%의 당사자(큐원3 기준)로, 정부·공공·핵심 인프라 코드 생성에는 가장 큰 물음표가 붙은 모델. 앤트로픽이 지목한 증류 논란(2만5,000개 계정)의 당사자이기도 함.
7.6 텐센트 Hy3(훈위안 3) — 조용한 물량전
장점: 오픈라우터 사용량 4위(월 12T 토큰). 텐센트의 위챗·게임·클라우드 생태계와 결합해 중국 내수에서 막대한 실전 트래픽으로 단련. 프리뷰 단계임에도 상위권 물동량. 단점: 서방 개발자 대상 문서화·커뮤니티·독립 벤치마크가 4대장 중 가장 빈약. 프리뷰 딱지가 붙은 만큼 API 안정성과 버전 정책의 예측 가능성이 낮음. 텐센트라는 모기업 특성상 지정학 리스크 평가에서 가장 보수적으로 취급됨.
7.7 샤오미 MiMo V2.5 — 하드웨어 번들의 복병
장점: 오픈라우터 사용량 2위(월 19.1T 토큰, 전월 대비 +226%). 딥시크와 같은 $0.435/$0.87 극저가 정책. 스마트폰·IoT·전기차로 이어지는 샤오미 디바이스 생태계에 온디바이스+클라우드 하이브리드로 탑재될 잠재력. 단점: 프런티어급 벤치마크 실적은 상위 4개 모델 대비 얇고, 급증한 사용량이 실수요인지 프로모션 효과인지 검증 필요. 모델 자체보다 샤오미 하드웨어 유통망이 본체라는 평가.
7.8 종합 선택 가이드
| 워크로드 | 1순위 | 근거 |
|---|---|---|
| 대량 단순 자동화(분류·요약·추출) | DeepSeek V4 Flash | 최저 비용, 최대 물동량 검증 |
| 장기 에이전트·실무 코딩 | GLM-5.2 | 오픈웨이트 지능 1위, SWE-bench Pro 최고 |
| 알고리즘·수리 추론 | DeepSeek V4 Pro | LiveCodeBench 세계 1위, 5배 저렴 |
| 이미지·비디오 이해 | MiniMax M3 | 유일한 네이티브 비디오 입력 |
| 초장문·멀티에이전트·최신 프런티어 추격 | Kimi K3 | 2.8조 파라미터, 1M 컨텍스트, OpenAI SDK 호환 |
| 도메인 파인튜닝·다국어 | Qwen 3.5/3.7 | 커스터마이징 생태계 최성숙 |
| 정부·금융·핵심 인프라 코드 | (중국산 배제 권고) | 부즈앨런 취약점 실험, 공급망 리스크 |
8. 맺으며, 성조기는 그대로, 태그만 바뀐다
월마트는 끝내 "Buy American"을 철회한다고 발표한 적이 없다. 캠페인은 조용히 잊혔고, 매대의 태그만 바뀌었다. 소비자도, 월가도, 워싱턴도 그 전환을 막지 못했다. 가격이 구조이고, 구조는 구호를 이기기 때문이다.
중국산 오픈웨이트 AI도 같은 경로 위에 있다. 의회 청문회와 특별조사가 이어지겠지만, OpenAI API 호환과 MCP 상속으로 전환 비용이 0에 수렴한 시장에서, 57배 싼 닭 칼을 두고 소 칼을 고집하라는 요구는 오래 버티지 못한다. 미국 기업 45%라는 숫자는 시작점이지 정점이 아닐 가능성이 크다.
다만 월마트의 역설에는 후일담이 있다. 미국은 20년 뒤 공동화된 제조업의 청구서를 리쇼어링 보조금과 관세로 치르고 있다. AI의 청구서는 공장이 아니라 코드베이스로 온다. 지금 프로덕션에 배포되는 중국산 모델의 생성 코드가 10년 뒤 어떤 형태의 청구서로 돌아올지는, 부즈앨런의 130%라는 숫자가 예고편으로 보여주고 있다.
LLM은 엑셀이지 오라클이 아니다. 어떤 엑셀을 쓸지는 각자의 선택이다. 그러나 그 엑셀이 어느 공장에서 왔는지 태그를 뒤집어보는 수고는, 1985년의 월마트 소비자도 2026년의 CTO도 생략해서는 안 되는 일이다.
Dennis Kim (김호광) Cyworld CEO Betalabs Inc. CEO