저자: 리난, 황샤오이, 요키, 쑨루이, 실리콘 스타
편집 | 왕자오양
2026년 중순, 스타 AI 영상 생성 애플리케이션 스타트업 OiiOii의 장부상 현금은 9자리 수(억 단위)의 위안화였지만, 그럼에도 새로운 펀딩 라운드를 시작했다.
앞서 이 회사는 바이트댄스 산하 클라우드 서비스 플랫폼 화산엔진과 연간 프레임워크 계약을 체결했다: OiiOii는 2026년 말까지 화산엔진에 5,000만 위안을 지급해야 한다.
이로 인해 OiiOii의 장부상 현금은 다소 빠듯해졌다. 5,000만 위안은 바이트댄스 산하에서 가장 성공한 AI 제품인 멀티모달 영상 생성 모델 Seedance 2.0의 '순혈 버전' API를 구매하는 데 사용될 예정이다.
소위 '순혈 버전'이란, 바이트댄스 산하 화산엔진의 공식 채널이 제공하는 완전한 권한을 가진 Seedance API 공급을 의미한다.
Seedance 2.0이 AI 산업과 영상 제작 업계 전체를 놀라게 한 후, 시중에는 출처가 복잡한 Seedance API가 넘쳐났고, 일부 출처 불명의 중계 서비스 제공업체들은 비교적 저렴한 가격에 Seedance 2.0과 그 하위 버전인 Seedance 2.0 mini, Seedance 2.0 fast를 섞어 팔았다. 사용자가 영화 같은 느낌의 대작을 생성하려 해도 결국 받는 것은 쓸모없는 쓰레기뿐이었다.
'순혈 버전' Seedance 2.0 API는 AI 영상 생성 애플리케이션의 생명선이다. 대형 언어 모델이 최상위 컴퓨팅 파워, 즉 엔비디아의 고급 GPU에 의존하듯, 최고 수준 모델의 API 및 API 호출로 생성되는 토큰 역시 AI 애플리케이션(일반적으로 AI 에이전트라고 불리는)의 기본 능력을 근본적으로 결정한다.
따라서 최고 수준 모델의 토큰은 희소하고 비싼 기축 통화가 되었다. 그리고 Seedance 2.0은 의심할 여지 없이 현시점 지구상 가장 강력한 영상 모델이다.
공식 정보에 따르면, Seedance 2.0은 영상 입력 없이 720p 영상을 생성할 때, 백만 토큰당 가격이 46위안이며, 1초 영상 비용은 약 0.99위안이다. 동일한 720p 규격 영상 생성 비용으로 비교하면, Kling 3.0은 0.6위안, Vidu Q3-pro는 약 0.68위안으로, Seedance 2.0이 훨씬 더 비싸다.
만화극, 숏폼 드라마 생성을 강점으로 하는 OiiOii에게는 강력한 Seedance 2.0이 필요하지만, 회사 현금흐름의 40%에 가까운 자금으로 그 토큰을 구매하는 것은 다소 미친 짓으로 들린다.
하지만 오늘날의 AI 애플리케이션 스타트업들에게 이는 이미 일상적인 일이다. 대형 언어 모델 스타트업(OpenAI와 Anthropic 포함)이 통상적으로 펀딩 금액의 70%에서 80%를 GPU 구매 또는 임대 및 클라우드 컴퓨팅 파워 비용으로 직접 지출하는 것에 비하면, 이 정도는 아무것도 아니다.
OiiOii와 같은 회사들이 구매한 것은 실제 비즈니스 수요에 기반한 토큰 소모량이 아니라, Seedance 2.0 API의 최초 판매권이다.
눈여겨볼 사람은 거의 없었다: OiiOii가 클로즈 베타를 끝내고 정식 출시된 2026년 4월 2일, 바로 그날이 Seedance 2.0이 기업에 공개 베타를 개방한 날이었다. 이는 마치 화산엔진이 OiiOii를 Seedance 2.0의 첫 유통사로 발표한 듯 보였지, OiiOii가 당일 자사의 영상 에이전트를 출시한 것처럼 보이지 않았다.
그건 중요하지 않다. '순혈 버전' Seedance 2.0을 먼저 제공하는 것이 더 중요하다.
'순혈 버전' Seedance 2.0이 패키지로 판매하는 것은 얼굴 라이브러리 권한, 최대 동시 접속 수 등 일련의 권리 시스템이다. 이는 스타트업의 제품이 원활하게 실행될 수 있는지를 직접 결정한다.
만약 어떤 AI 영상 생성 애플리케이션이 C 소비자 대상으로, 사용자가 실시간 생성을 필요로 한다면, 충분히 높은 동시 접속 횟수를 반드시 확보해야 한다. 모델 출시 초기에는 컴퓨팅 파워가 부족하기 때문에, 화산엔진의 동시 접속 지원을 받지 못하면 에이전트 사용자는 줄을 서거나, 시간 초과가 되거나, 심지어 영상을 생성하지 못하게 된다.
한 AI 영상 애플리케이션 종사자가 우리에게 귀띔해준 바에 따르면: 1,000만 위안 규모의 Seedance2.0 연간 프레임워크 계약은 약 400회 동시 접속에 해당하고, 500만 위안 연간 프레임워크 계약은 약 200회 동시 접속에 해당한다. 가격 차이가 나는 곳에, 사용자 경험 차이가 존재한다.
출처: 화산방주
사용자가 호출할 수 있는 인물 사진 라이브러리 속 더 많은 얼굴 자원 또한, 갈수록 섬뜩해지는 그 몇 장의 'AI 얼굴'을 돌려쓰지 않도록 해주는 것 역시, Seedance의 연간 프레임워크 계약 가격을 따른다. 구매 여부의 차이는 곧 제품의 생사 차이이며, 선택의 여지가 없는 듯 보인다.
"마오 손실률"
최고 수준 모델의 능력이 AI 애플리케이션의 능력 상한을 결정짓고, 높은 가격으로 AI 애플리케이션의 '목을 조른' 후에는, 토큰 가격을 기준점 삼아 사용자에게 구독료를 부과하는 것은 필연적으로 '전대(轉貸) 집주인' 장사로 전락하게 된다. 영원히 풀리지 않는 산수 문제이자, 모델 가격표 상의 변수 함수일 뿐이다.
그럼에도 불구하고, OiiOii가 획득한 Seedance 2.0 최초 판매권은 독점이 아니었다. LibTV, Flova 등 여러 OiiOii의 경쟁사들 역시 Seedance 2.0의 '최초 판매' 자격을 획득했고, 거의 동시에 자사 제품이 Seedance 2.0에 접속했다고 대대적으로 발표했으며, 가격 역시 만만치 않았다.
화산엔진은 이렇게 자비롭다. 어떤 회사에게도 Seedance 2.0 단독 최초 판매라는 특혜를 주지 않으며, 최대 연간 프레임워크 계약을 맺어도 마찬가지다. 게다가 화산엔진의 가격 하한선은 매우 단호하다: 거의 할인이 없으며, 천만 위안급 계약의 토큰 소모량은 많이 쓴 만큼 돌려받는 방식으로, 상한선은 10%, 즉 최대 계약 금액의 10%에 해당하는 컴퓨팅 파워 바우처를 제공한다.
다른 한편, 화산엔진은 전매행위를 엄격히 금지하여, 저가 토큰이 회색 시장으로 흘러 들어가는 것을 막는다.
이 메커니즘 아래서, 한 가지 냉혹한 사실이 드러난다: AI 영상 도구가 풀 블러드(full-blood) Seedance 2.0 토큰에서 돈을 벌 가능성은 거의 없다.
이론적으로, Seedance 2.0의 토큰 원래 가격 그대로 고객에게 판매한다면, 리베이트를 제외하고 최대 총마진율은 10%이다. 그러나 현실은, 어떤 AI 영상 생성 도구도 더 높은 가격에 — 원래 가격조차도 — Seedance 2.0 토큰을 판매하지 않는다는 것이다. 애초에 이론상으로는 누구나 직접 화산엔진과 거래할 수 있기 때문이다. 중간 유통업자가 마진을 붙이는데, 왜 직접 거래하지 않겠는가?
'스마트 서지(Smart Emergence)'의 보도에 따르면: 만화극과 영상 제작사들도 대부분 '풀 블러드급' Seedance 2.0 API를 직접 구매하며, 그중에는 업계 선두 기업도 적지 않고, 최대 한 번의 충전 금액도 5,000만 위안이다. 이는 시장이 Seedance 2.0에 얼마나 목말라하는지 충분히 보여주며, Seedance 2.0의 최고 권한을 획득한 AI 애플리케이션 스타트업이 외부에 제공하는 토큰 가격이 경쟁력이 없다면 아무도 사용하지 않을 것임을 의미한다.
"도구 속성의 제품에는 충성도가 존재하지 않습니다." 한 VC 관계자가 우리에게 이렇게 말했다.
그리하여 '막가파 방식'이 등장했다: 선두 AI 애플리케이션 기업들이 먼저 가격을 낮춰 고객을 유치하기 시작했고, 심지어 직접 토큰을 되팔기 시작했다.
LibLib의 모회사 옌위 테크놀로지(Evoken)는 중국에서 토큰 구매량이 가장 많은 AI 애플리케이션 기업이다. 이 회사는 오픈소스 모델 커뮤니티에서 출발하여 이내 멀티모달 창작 플랫폼으로 전환했다. 동시에 여러 차례의 펀딩 라운드를 공격적으로 진행했으며, 최근 3억 달러 규모의 시리즈 B 펀딩을 완료하여, 포스트 머니 밸류에이션 20억 달러를 넘어섰고, 자본과 제품 매트릭스의 복합적 해자를 형성했다 — LibLib AI는 창작 커뮤니티와 이미지 생성 플랫폼, Lovart와 StarFlow는 각각 해외 및 중국 디자인 시장을 겨냥, LibTV는 전문 영상 제작 시장에 진출…
하지만, 옌위 테크놀로지는 자체적으로 어떤 모델도 개발하지 않았으며, 후학습(post-training) 모델조차 없다. 이로 인해 외부에서는 이 회사가 단지 주요 모델의 중계소일 뿐 아무런 기술적 해자가 없는 것인지 자주 논쟁이 벌어진다. 하지만 의심의 여지 없이, 옌위 테크놀로지는 최고 수준 모델 토큰의 큰 손 고객이다.
영상 도구 측면에서, LibTV는 Seedance 2.0의 최고 등급 풀 블러드 고객으로, 연간 프레임워크 계약 5,000만 위안의 큰 거래를 체결하여, LibTV 에이전트를 위한 탄약으로 사용했다. 디자인 도구에서는, 작년 Nano Banana가 폭발적인 인기를 끌면서, LibLib 산하의 Lovart도 구글 클라우드와 총액 천만 달러 수준의 패키지 계약을 체결했다.
하지만 Similarweb 등 서드파티 플랫폼의 추산에 따르면: 2026년 6월, Lovart 웹사이트 월 방문자 수는 약 310만 회, LibTV 웹사이트 월 방문자 수는 약 220만 회였다. 이러한 트래픽 규모는 이미 적지 않지만, 방문과 창작을 동일시할 수는 없다. 공개된 정보에 따르면: LibTV의 유료 사용자는 수십만 명에 달하며, 이는 대부분의 경쟁사를 넘어서는 수치지만, 회사가 거액을 들여 구매한 Seedance 2.0 토큰 전량을 소진할 수는 거의 확실히 불가능하다.
화산엔진은 토큰 '반품'을 허용하지 않기에, 이는 AI 애플리케이션 기업의 부업을 촉발시켰다.
옌위 테크놀로지의 창업자 겸 CEO 천몐은 '완디안 레이트포스트'와의 인터뷰에서, LibTV가 Seedance 2.0의 API 키를 되팔아 차익을 남긴다는 외부 소문을 스스로 언급하며 명확히 부인했다.
그리고 저희가 파악한 바로는, LibTV가 재판매한 Seedance 2.0 API Key는 확실히 ‘차익’을 남기지 않았습니다. 손해를 보고 팔았기 때문입니다.
有 LibTV 的 경쟁사 및 AI 영상 생성 스타트업들이 우리에게 전한 바에 따르면, LibLib은 Seedance 2.0 API를 그들에게 판매하려 여러 차례 시도했으며, 가격은 화산엔진(火山引擎)에서 직접 구매하는 것보다 저렴했다고 한다. 화산엔진에서 직접 구매 시 1000만 위안 이상 계약은 10%의 컴퓨팅 파워 쿠폰 환급을 받을 수 있지만, LibLib은 여기에 더해 추가로 10%를 되돌려줄 수 있었다.
여기에는 당연히 마진도, 이익도 없지만 매출은 발생한다. 이는 LibTV의 ARR(연간 반복 매출)을 부풀려, 추가 자금 조달을 위한 내러티브에 숫자로 뒷받침해줄 수 있다.
이러한 ARR의 본질은 ‘마이너스 마진’ 매출이다. 계약가의 10% 할인, 즉 10% 혜택으로 토큰을 확보한 뒤, 더 낮은 토큰 가격이 필요한 경쟁사에 다시 10% 할인 판매하는 구조 자체가 적자 거래다.
이것이 만들어내는 것은 매출총이익률이 아니라 ‘매출총손실률’이다.
다른 한편, LibTV와 Lovart의 유료 이용자 대상 가격 전략 역시 AI 애플리케이션 기업으로서의 매출총이익률을 신기루처럼 만든다.
먼저 간단히 계산해보자.
LibTV 스탠더드 연속 연간 멤버십의 월 평균 가격은 47.4위안이다. 공식 홈페이지 추산으로는 Seedance 2.0 720P 영상을 56초 생성할 수 있어, 초당 멤버십 매출은 약 0.85위안이 된다. 이용자가 모든 한도를 영상 입력 없이 Seedance 2.0에만 사용하고, 화산엔진 정가 약 0.99위안/초로 추정해 모델 호출 비용만 계산하면 한계 매출총이익률은 약 -17%다. 10%의 컴퓨팅 파워 쿠폰이 전액兑现된다고 해도 해당 한계 매출총이익률은 약 -5%에 불과하다. 여기에 야간 할인, 카드 발급 증정 한도, 기간 한정 무료까지 커버해야 한다.
Lovart의 상황도 유사하다. 만약 모든 크레딧을 GPT Image 2로 medium 품질의 1K 이미지를 생성하는 데 사용한다고 가정하고, ‘가장 인기 있는’ Pro 플랜 연간 카드 권익, 현재 ‘월말 광란’ 39달러 할인 가격, 그리고 OpenAI 공식 API 표준 가격을 기준으로, 이용자가 한도를 최대로 사용할 때의 한계 매출총이익률은 약 -87%다(불과 며칠 전까지만 해도 이 플랜의 할인 후 월 평균 가격은 45달러였으며, 이때 한계 매출총이익률은 약 -60%였다).
다만 이들은 모두 ‘스트레스 테스트’에 해당한다. 실제로는 이용자가 한도를 모두 사용하지 않을 수도 있고, 크레딧을 더 저렴한 모델과 생성 방식에 사용할 수도 있으며, 플랫폼이 여러 모델의 API를 구매할 때 각기 다른 수준의 할인을 받아 실제 손실은 줄어들 수 있다.
연어테크(演语科技)의 천몐(陈冕) CEO는 ‘晚点 Latepost’ 인터뷰에서 이 점에 대해 이렇게 답했다. 이용자가 플랜 한도의 모든 토큰을 소진하면 LibTV는 반드시 손실을 본다. 하지만 이용자가 100만 크레딧을 구매하고 실제로 20만만 사용한다면, 남은 80만 크레딧이 곧 이익이 된다. 또한, 블랙해커들이 LibTV를 리버스 엔지니어링하여 연회원 계정을 API로 만들어버리면 손실이 발생하기에 대응이 필요하다고 말했다.
이른바 ‘리버스 엔지니어링’에 대해 명확히 지목된 사례가 있다. 2026년 2월, Web 3와 AI 분야에서 영향력 있는 위챗 공식계정 ‘Web 3 天空之城’의 운영자 ‘城主’가 연어테크 산하 시각 디자인 앱 Lovart를 공개 성토하며, 자신은 Lovart Pro 멤버십 자격에 540달러를 지불했으나 10일 만에 계정이 차단되었고 환불도 받지 못했다고 밝혔다. ‘城主’는 이메일 항의와 Lovart 팀원과의 소통 시도에도 아무 답변도 받지 못했다.
우리가 알기로, ‘城主’의 멤버십 계정은 Lovart 내부 리스크 관리 시스템에 의해 ‘리버스 엔지니어링’을 실행한 것으로 판정되었으며, 회사도 더욱 엄격한 대응 수단을 업그레이드했다. 그리고 ‘城主’와의 추가 소통 및 환불을 거부한 결정은 천몐 본인이 직접 내린 것이다.
이 사건은 한때 적지 않은 파문을 일으켜 AI 앱의 선불 결제 메커니즘, 계정 차단 기준 투명성, 소비자 권리 보호에 관한 논의를 촉발했다. 또한 이용자가 결제만 하고 토큰 한도를 소진하지 않는 데 기대는 비즈니스 모델이 얼마나 취약한지, 그리고 토큰 가격에 극도로 민감한 환경에서 역차익 거래가 가능한 허점이 얼마나 많은지를 여실히 보여준다.
그런데 사실, 남는 멤버십 토큰을 API로 포장해 판매하는 진짜 ‘리버스 엔지니어링’을 하는 쪽은 바로 Lovart나 LibTV 자신이다.
이용자가 소진하지 못한 토큰은 실제 이익으로 전환될 수 없기 때문이다. AI 앱 회사는 이미 그 한도에 대한 비용을 모델 제공사에 지불한 상태다.
그것들은 연간 프레임워크 안에 포함되어 있다. 힘이 센 모델 제공사의 논리는 이것이다. 다 쓰면 더 사면 되고, 못 써도 절대 환불하지 않는다. 이른바 100만 크레딧 중 20만을 쓰고 남은 80만이 이익이 된다는 것은 존재하지 않는다. 즉, ‘남는’ 토큰 한도는 실제로 AI 앱 회사의 ‘재고’가 되는 셈이다.
재고라면 재고 정리를 해야 하고, 그렇지 않으면 더 큰 손실을 본다. 이것이 다른 AI 영상 생성 팀들이 LibTV로부터 할인된 토큰 판매 제안을 받은 이유를 설명해준다. 회사가 사용자의 ‘리버스 엔지니어링’ 토큰 재판매를 단속하는 것은 사실 사용자와 토큰 재판매 자격을 놓고 다투는 것이다.
토큰 ‘재고’를 할인 판매에 따른 손실보다, 이용자가 권리를 최대치로 사용할 때의 손실이 더 크다. 만약 ‘소진되지 않은 토큰이 곧 이익’이라는 명제가 성립하더라도, 그것은 수익 모델의 상한을 제한한다. 모든 사용자가 충전만 하고 단 하나의 토큰도 소모하지 않을 때, 이론상 그 수익은 최대화될 수 있다.
사용자가 토큰 하나를 더 소모할 때마다 회사는 적자에 한 걸음 더 다가간다. 이는 위험한 역선택을 초래한다. 가격이 낮아질수록 비싼 모델을 집중적으로 소비하는 헤비 유저를 끌어들이기 쉬워지고, 이들 사용자의 크레딧 사용률은 더 높아 플랫폼에 남는 잔존 수익은 오히려 더 적어진다.
이런 순환 속에서 AI 앱 회사의 손실은 더욱 커질 수 있으며, 유일한 이점은 단기적으로 더 보기 좋은 ARR을 얻게 된다는 점뿐이다.
AI 앱 회사들은 이 속사정을 잘 알지만, VC에게 제시할 때는 여전히 이런 ‘함정’을 감출 수 있다. 한 VC 관계자는 우리에게 이렇게 전했다. LibLib은 투자자와 자본시장에 보여주는 매출총이익률이 아마도 양수일 것이다.
이는 상당한 ‘재무 기법’이 요구되는 일이다. 증정 한도, 기간 한정 무료, 야간 할인… 등 매출총이익을 실제로 갉아먹는 고정 비용들은 모두 판매 비율로 계상하고, 초기의 높은 판매 비율은 ‘성장을 위한 투자’라는 미명으로 포장할 수 있다. 총매출(사용자의 멤버십 크레딧 구매와 토큰 재판매 매출 포함)을 모두 원가로 계상하면, 여러 회계 기준에 따라 ‘양의 매출총이익률’을 만들어내는 것이 불가능하지 않다.
우리가 여러 투자자 및 창업자와 나눈 대화에서 한 가지 공통된 인식은 이렇다. 아무리 널찍한 기준으로 계산해도, 토큰 소비와 판매를 핵심 비즈니스 모델로 삼는 AI 애플리케이션의 매출총이익 구간은 보편적으로 10%~25%에 불과해 각종 비용을 거의 커버할 수 없다는 점이다.
대부분의 중국 AI 앱 창업팀은 첫날부터 해외 시장을 개척하지만, 한 지식인은 계산 후 이렇게 밝혔다. 해외에서 유료 이용자 한 명을 유치하는 비용은 약 200달러인데, 이용자 평균 결제액은 50달러에 그쳐, 토큰 매출총이익으로는 사용자 증가조차 커버하지 못하며 연구개발·운영·관리 비용은 더 말할 것도 없다.
지난 몇 년간 자본 시장과 창업 생태계는 SaaS 프레임워크로 AI 애플리케이션을 이해하는 것을 선호했다. 하지만 이제 투자자들은 분명히 깨달았다. “SaaS는 사용자가 많을수록 저렴해지지만, AI 앱은 반대로 사용자가 많아질수록 더 큰 손실을 본다.”
이는 AI 앱과 전통적 소프트웨어의 가장 본질적인 차이를 짚어낸다. 전통적 SaaS의 한계비용은 규모에 따라 분산·감소하지만, AI 앱의 한계비용은 사용량에 따라 다시 살아난다. 사용자가 사용할수록 토큰이 늘고, 토큰이 늘수록 비용이 무거워진다.
근본적으로 AI 앱 회사가 운영하는 것은 ‘계속해서 적자를 내는 토큰 유통 사슬’이며, 이것이 바로 ‘매출총손실률’이다.
‘토큰 컨트롤러’
AI 앱 창업회사라고 해서 토큰이 불구덩이인 줄 알면서도 뛰어드는 것은 아니다. 그들 자신도 혼돈 속에 있다.
모델 제공사로부터 토큰을 구매할 때 표면적인 비용은 명확히 드러나지만, 제품 가격 책정, 사용자 보조금, 매출총이익률 추산 모두 모델사의 후정산 시스템에 휘둘린다. 처음에는 쥐어짜면 나올 것 같던 이익이, 청구서가 나온 뒤에는 매출총손실률로 바뀌어 버린다.
Seedance 2.0을 예로 들자. 영상 한 번 생성 시 실제 비용은 입력 영상 길이, 출력 영상 길이, 출력 해상도, 프레임 레이트, 모델 버전, 최소 과금 시간 및 시간 구간 등을 동시에 참조하여 산출된다. 영상 모델의 API는 1초에서 4초까지를 일률적으로 4초로 과금할 수 있고, 구간별로도 선형적으로 증가하지 않는 경우가 많다. AI 앱 회사는 계약 후 일별로 비용이 발생하지만, 보통 T+N일이 지나서야 청구서에서 건별 요금을 확인할 수 있다.
이것이 바로 ‘토큰 안에 갇히다’라는 전형적 상태를 구성한다. 회사는 토큰의 명목상 원가는 알지만, 실제 비용이 어떤 방식으로, 언제, 어느 정도로 증폭될지는 알지 못한다.
그러나 AI 앱 창업팀들은 이런 의존에서 벗어나지 못하고 오히려 더 깊이 빠져든다. 어쨌든 그들에게 최상위 모델이 가져다주는 ‘이점’을 포기할 수 없기 때문이다.
AI 앱의 비용 원천을 공식으로 표현하자면 다음과 같다. “실제 생성 비용 = 1회 생성 가격 × 평균 재추첨(소위 ‘가챠’) 횟수”. 영상, 이미지, PPT 디자인 모두 마찬가지다.
최상위 모델은 생성 성공률이 높아 재추첨 횟수가 줄어들고, 때로는 오히려 기저 컴퓨팅 비용을 더 낮춰 주기도 한다.
도입 초기 비용은 높지만 결과물이 좋고 재추첨 횟수가 적어 총비용이 반드시 최고는 아닌 최상위 모델과, 초기 문턱이 낮고 호출 비용이 저렴하지만 재추첨 횟수가 많아 총비용이 증가하며 전환율과 유지율을 희생시킬 가능성이 있는 차선 모델 사이에서, AI 앱 팀은 어떻게 선택해야 할까?
업계 관계자에 따르면, 수주를 늘리기 위해 클링 1.0 고객들은 장기간에 걸쳐 최저 65% 할인을 받을 수 있었다. 이 같은 할인 폭은 클링의 추론 비용 대비 이미 적자였고, 이후 클링 모델이 업그레이드되면서 추론 연산 비용이 상승해 이 가격은 적자 위에 적자를 더하는 셈이었다. 유일한 목적은 고객을 빼앗는 것이었다.
객관적인 결과는 이렇습니다. 애플리케이션 기업에 더 많은 토큰을 판매하기 위해 가격을 낮추려는 모델 제공업체들은 여전히 2순위로 밀려납니다. 이를 방증하는 사례로, Seedance 2.0의 OpenRouter 일일 요청량은 3,000건 이상으로 안정적인 반면, Kling 3.0은 300~400건에 불과합니다.
따라서 구조적인 '마이너스 매출총이익률'을 해결하는 가장 직접적인 방법은 두 가지입니다. 제품 가격을 인상하거나, 토큰 원가를 낮추는 것입니다. 현재 상황을 보면, 대다수 AI 애플리케이션 스타트업은 후자를 선택했습니다.
표면적으로는 모두가 제품을 적극적으로 개선하고, 기능을 업데이트하며, 차별화를 꾀하고 있지만, 실제로는 상당 부분의 노력을 값싼 토큰을 찾는 데 쏟고 있습니다. 그리고 값싼 토큰의 출처는 매우 다양합니다.
우선, '업스트림' AI 에이전트 기업의 저가 공세가 중요한 채널입니다.
앞서 언급했듯이, LibLib은 규모가 작거나 자금 조달 및 장부상 금액으로 완전판 Seedance 2.0을 구매할 여력이 없는 AI 애플리케이션 팀에 19% 할인된 토큰을 판매합니다. 일부 스타트업은 이러한 '할인'을 환영하지만, 다른 곳들은 Volcano Engine의 판매 정책을 위반할까 봐 인수하지 못하는 상황입니다.
둘째, 비즈니스를 전환하는 동종 업체들도 저렴한 토큰을 제공할 수 있습니다.
앞서 이야기했듯이, 주요 모델 제공업체의 연간 계약 정책은 최소 보장 금액이 있고 '기한이 지나면 소멸'되는 등 조건이 매우 까다롭습니다. 1년 안에 소진하지 못하면 남은 토큰 잔액은 사라집니다. 이 때문에 토큰 전매 행위가 모델 제공업체의 단속에도 불구하고 끊이지 않는 것입니다. 손실을 줄이거나, 본전을 회수하거나, 매출총이익을 '만들어내는' 행위까지, 모두 AI 애플리케이션 팀이 그렇게 할 수밖에 없는 이유입니다.
특히 일부 회사들이 스토리를 만들기 위해 돈을 태우는 데 실패하여 더 이상 버티지 못하거나 폐업 직전에 이르면, 그들이 남긴 '거액'의 토큰 잔액이 극도로 낮은 가격에 헐값으로 팔려나갈 수 있습니다.
흥미로운 디테일 하나는, 어떤 회사들은 토큰 구매에 천만 위안 이상을 지출하지만, 주된 목적이 애초에 비즈니스용이 아니라 스토리를 만들기 위한 것이었다는 점입니다. 즉, 자본 시장에 자신들이 일류 모델 공장의 주요 고객이 되었음을 알리고, 자신의 실력을 과시하며, 빠르게 한 차례 더 투자를 유치하려는 것이었습니다. VC 업계 관계자는 일부 스타트업 팀에게 토큰 구매가 완전히 '탈실질, 허구 추구'로 변질되었다고 전했습니다.
이 밖에도, 정부 보조금을 찾는 것은 더 저렴한 토큰을 확보하는 흔하면서도 비교적 믿을 만한 경로입니다.
시나 구 단위의 지방 정부는 관할 구역 내에서 인정받은 AI 기업에 컴퓨팅 파워나 모델 보조금을 제공하기도 합니다. 이를 통해 애플리케이션 회사들은 토큰 원가를 정가의 25%에서 10%까지 할인받을 기회를 얻습니다. 그러나 이런 자원은 흔하지 않기 때문에, 저렴한 토큰을 확보하기 위해 각자 '자신의 재주를 총동원'해야 합니다.
요컨대 모두가 더 저렴한 토큰을 확보하기 위해 노력하고 있습니다. 그리고 이처럼 값싼 토큰에 대한 추구가 극대화되면, 필연적으로 '중계소'의 범람을 초래합니다.
일종의 지하 AI 산업인 '중계소'의 본질은 토큰 도매 및 소매입니다. 이들은 크게 세 가지 유형으로 나눌 수 있습니다.
첫 번째 유형은 '합법적' 재판매로, 해외 모델의 토큰을 대규모로 구매하여 할인을 받은 후 국내로 되파는 것입니다. 이는 비교적 '정상적인' 딜러 논리에 속합니다.
두 번째 유형은 완전한 블랙 마켓으로, 대부분 개인이 운영하며 '토큰 백만 개에 3위안' 같은 식으로 팔다가 언제든지 잠적하거나 차단됩니다.
세 번째 유형은 '풀링(pooling)' 리소스입니다. 이런 중계소는 각종 산발적인 경로의 토큰 물량을 긁어모아 통합된 스케줄링 계층의 라우터(router)를 구축하는 방식으로 운영됩니다.
중계소는 AI 애플리케이션 시장에서 가장 주요한 저가 토큰 채널 중 하나입니다. 하지만 이 자원들의 가격은 들쭉날쭉하고 품질도 안정적이지 않습니다. 영상 생성 분야에서는 '품질 희석(掺水)' 현상이 흔히 나타납니다.
한 AI 스타트업에 토큰을 '공급'하는 중계소 관계자는 이렇게 말했습니다. "예를 들어 Kling API를 호출할 때, 10번 중 8번은 Kling이고, 2번은 이 회사 자체 모델입니다. 중계소가 더 많은 이익을 얻고 싶다면, 이 비율을 조정합니다."
AI 애플리케이션 회사들은 이를 잘 알고 있지만, 일부는 여전히 품질이 희석된 토큰을 자사 제품에 '용인'하여 최종 사용자에게 제공되는 서비스 품질을 더욱 떨어뜨립니다. 어차피 '뽑기 실패'는 일상이니, 사용자가 자신이 사용한 제품이 광고와 다르다고 의심하더라도 얼마든지 설명을 만들어낼 수 있습니다.
이와 같은 다양한 채널이 있음에도 불구하고, AI 애플리케이션 회사들은 여전히 원가를 더 낮출 방법을 강구하고 있습니다.
재무제표에 매출총이익 공간을 조금이라도 만들기 위해, 진정으로 '합법적으로' 토큰 원가를 낮추고자 일부 스타트업은 또 다른 길을 고안해냈습니다. 바로 자사 제품을 정밀한 토큰 컨트롤러로 설계하는 것입니다. 길이 제한, 요금제 차등화, 모델 다운그레이드, 파라미터 은닉 등의 방식을 통해 토큰이 매출총이익에 미치는 영향을 줄이는 것입니다.
구체적으로 보면, 일부 애플리케이션은 사용자가 생성하는 영상 길이를 직접 제한합니다. 예를 들어 일괄적으로 4초 영상을 생성하도록 하여, 3초 영상이 만들어져도 4초 단위로 과금되는 낭비를 피하는 식입니다.
'요금제 함정'은 더욱 교묘한 방법입니다. 일부 애플리케이션은 중간 등급 요금제에 최고 성능의 모델을 제공하지 않고, 소모량이 많은 작업에서도 최적의 모델을 열어주지 않습니다. 또한 사용자가 '다 쓰지 못하는' 요금제를 설계하여, 사용자가 비활성 상태이거나 적게 사용하기를 기대하며 차익 공간을 얻으려 합니다.
그들은 "199위안 등급 사용자 수 × 20억 토큰 예약량"과 같은 공식을 이용해 모델 제공업체와 도매 가격을 협상하며, 실제 소모 필요량보다 훨씬 낮은 구매 단가를 확보합니다. 소진되지 못한 부분은 다시 '중계소'로 팔아넘깁니다.
한 VC는 이렇게 불평했습니다. 실사 과정에서 어떤 회사의 이런 '과장된 부분'을 발견하고 해당 회사의 사용자들이 실제로 이렇게 많은 토큰을 소모할 수 있는지 물었습니다. 그러자 창업자는 이 요금제를 구매한 사용자 수만 강조할 뿐, 실제 소모량에 대해서는 답변을 회피하더라는 것입니다.
투자자들은 이를 달가워하지 않습니다. 사용자 활성도와 매출총이익률이 반비례하는 비즈니스는 좋은 비즈니스가 아니기 때문입니다.
AI 애플리케이션이 '토큰을 향해 태어난' 이러한 현실은 회사의 근간을 흔드는 문제를 파생시켰습니다. 제품 설계가 더 이상 사용자 경험을 중심으로 이루어지지 않고, 점점 더 '어떻게 하면 사용자가 토큰을 적게 소모하게 할까'를 중심으로 이루어진다는 점입니다.
물론 사용자 경험까지 고려한 엔지니어링 기반의 원가 절감 수단도 있습니다. 예를 들어, 먼저 비교적 저렴한 영상 모델을 호출하여 저해상도 버전을 생성한 다음, 초해상도 기술을 통해 선명도를 높이는 방식입니다. 또 다른 AI 도구들은 프롬프트, 워크플로우, 파라미터 제어, 후처리, 캐싱, 모델 라우팅 등을 통해 재시도 횟수를 줄여 토큰을 절약하기도 합니다.
그중 OiiOii는 '토큰 컨트롤러'를 비교적 정교하게 설계한 회사 중 하나입니다.
OiiOii는 사용자가 구매하는 크레딧을 '도시락'이라고 부릅니다. 한때 가장 공격적으로 30~40% 수준의 가격으로 고객을 뺏어오던 LibTV와 달리, OiiOii의 주요 모델(이미지 참조 다수, 10초에 140 도시락)의 환산 가격은 0.96위안/초이며, 고화질 내보내기를 포함하면 총 가격은 약 0.99위안/초입니다. 기본적으로 Seedance 2.0의 토큰을 원가에 가깝게 판매하는 셈이며, 매출총이익 공간을 겨우 짜내는 정도로, 여전히 매우 미미합니다.
이것이 가능한 것은 몇 가지 교묘한 설계 덕분입니다.
인터페이스에는 영상 규격이나 크레딧 차감 내역이 표시되지 않습니다. 대신 사용자를 시나리오-캐릭터-장면-콘티-영상의 창작 플로우로 바로 밀어 넣습니다. 사용자에게 매번 '비용 체감'할 기회를 주지 않으며, 초기 창작 과정 중에 Seedance를 호출하는지, Kling이나 Sora 2를 호출하는지, 아니면 더 저렴한 다른 모델을 호출하는지 알리지 않습니다. 콘티 단계에 이르러서야 비로소 사용자가 직접 모델을 선택하게 합니다. 사용자는 소모량을 최적화할 수도 없고, 다른 업체의 단가와 비교할 수도 없어, 가격을 잠시 잊을 수밖에 없습니다. 이러한 '불투명함'이 바로 이 회사의 매출총이익 보호 메커니즘입니다.
그러나 OiiOii가 감히 이런 가격 정책을 펴고 이토록 정교한 토큰 장치를 설계할 수 있었던 것은, 만화극(漫剧) 등 특정 전문 영상 콘텐츠 제작 집단 내에서 확실히 좋은 입소문과 인지도를 갖고 있기 때문입니다. '토큰과 살가죽을 벗기는' 사투를 벌이는 생존 경쟁 외에, 어느 정도의 독창성을 구축한 것입니다.
단편극 및 만화극 고객을 많이 접하는 한 클라우드 서비스 제공업체의 BD 직원은 짧은 만화극 업계에서 OiiOii가 어느 정도 인지도를 갖고 있으며, 최근에는 LibTV도 바짝 따라잡고 있다고 전했습니다. 이러한 고객들은 LibTV의 워크플로우가 손에 익고, 캔버스가 사용하기 좋다고 언급합니다.
앞서 LibTV가 주목받았던 핵심 이유는 논란의 여지가 컸던 '가성비'와 '마이너스 매출총이익률'이었습니다. 그러나 제품의 완성도와 혁신이 더해지면서, 그동안 토큰 가격 인하를 상징적인 행보로 삼아왔던 LibTV에게도 어느 정도 가격을 올릴 명분이 생겼습니다.
6월, LibTV 에이전트가 출시되었습니다. AI 영상을 단일 숏 생성에서 완전한 완성편 인도로 발전시켜, 전문 스킬을 통해 기획, 콘티, 생성, 편집을 자동 완료합니다. 동시에 스토리보드와 노드 기반 워크플로우를 유지하여 수동 수정도 가능하게 했습니다. 3D 디렉터 데스크, 캐릭터 라이브러리, 장기 기억 기능은 캐릭터와 숏의 일관성을 더욱 높여줍니다.
이어서 LibTV는 드물게도 과감하게 가격을 인상했습니다.
이전에 LibTV 프리미엄 등급 두 가지의 연간 연속 결제 가격은 첫해 각각 8,499위안과 10,999위안이었는데, 이제는 모두 1,000위안씩 인상되었습니다. 이전에 해당 등급의 Seedance 2.0 호출 가격은 최저 초당 0.37위안까지 가능했지만, 현재 최저가는 초당 0.41위안입니다.
이에 일부 가격 민감도가 높은 헤비 유저들의 불만이 제기되고 있지만, 제품 경험의 개선에 따라 이것은 반드시 거쳐야 할 조치이기도 합니다.
가격 인상보다 더 직접적인 방법도 있습니다. 바로 해외 시장을 직접 공략하여 더 높은 가격을 책정하는 것입니다. 매출총이익률을 높이기 위해, 거의 모든 중국 AI 애플리케이션은 글로벌 시장, 특히 유럽, 미국, 일본, 한국처럼 사용자 지불 의사가 높은 지역을 우선적으로 공략합니다. YanYu Tech 산하의 Lovart 역시 적극적인 실험자입니다.
Elsewhere의 이전 보도에 따르면, Lovart는 Manus로부터 큰 영감을 받았습니다. Manus가 모델 능력이 임계점을 넘어섰을 때 신속하게 경험 좋은 제품으로 패키징했다면, Lovart는 GPT-image-1이 3주 안에 출시된다는 정보를 입수하자 전사에서 최고 인력을 뽑아 상하이에서 밀폐 개발에 돌입했습니다. Manus는 실리콘밸리 테크 인플루언서에게 직접 연락해 콜드 스타트를 완료했고, Lovart는 해외 테크 블로거를 통해 확산되었습니다. 사용자가 생성한 테슬라 사이버트럭 포스터 한 장이 머스크의 '좋아요'를 받기도 했습니다.
하지만 Lovart의 해외 확장이 순조롭지만은 않았다. 이미 2025년 5월 출시 초기부터 Lovart는 실리콘밸리에 현지 팀을 꾸려 제품의 사용자 성장과 마케팅 운영을 맡겼지만, 이 팀은 내내 큰 혼란을 겪었다. 2025년 말이 되자 Lovart 공동 창업자 겸 COO 량신루이(Elena Leung)와 Lovart 공동 창업자 에이미 양(Aimee Yang) 등 미국 팀 멤버 전원이 퇴사했고, 현재 팀원들은 모두 2026년 상반기에 합류한 새로운 인력이다.
在 글로벌 시장을 확장해 더 높은 ‘순자산’ 사용자를 확보하는 것, 제품 엔지니어링과 디자인을 개선해 가격을 인상하는 것, 그리고 AI 애플리케이션의 ‘토큰 컨트롤러’를 정교하게 설정하는 것, 이 세 가지 사이에서 점점 더 많은 AI 애플리케이션 창업팀이 어려운 선택을 하고 있다. 그리고 토큰 컨트롤러를 정교하게 설계하는 것은 실제로 결과에 있어 가장 상대적으로 통제 가능한 옵션이다.
그러나 만약 모든 AI 애플리케이션 스타트업이 스스로를 먼저 토큰 컨트롤러로 설계해야 한다면, 그들은 진정한 사용자 경험을 제공할 수 없으며 제품력을 진정으로 향상시킬 수 없을 것이다. 더 큰 시장 경쟁에서 이는 스스로를 더욱 수동적으로 만들 수 있다.
가장 명백한 위협은 거대 기업으로부터 온다.
제품 역량이 강력한 인터넷 거대 기업이 자체 모델의 진보와 서드파티 모델의 능력을 활용하여, 자금력과 토큰 소모를 두려워하지 않는 방식으로 신속하게 자사 AI 애플리케이션 제품 매트릭스를 구축하면, 스타트업의 전망은 위축된다. 텐센트 WorkBuddy의 부상과 그 이면의 제품력 넘침은 AI 애플리케이션 창업자들이 가장 주목하고 경계해야 할 사례다.
2026년 3월 공개 베타 이후, 텐센트는 위챗 정보 피드, 공식 계정, 지하철 및 오피스 빌딩 광고로 노출을 확대하고, 가입 선물, 출석 체크 보상, 모델 무료 이용, 더블 크레딧 등 사용자 체험 비용을 낮추는 조치를 통해 WorkBuddy로 대규모 사용자를 유치했다. 동시에 진행된 높은 빈도의 반복(迭代)은 WorkBuddy가 AI 생산성 대세 속에서 입지를 더욱 공고히 했다.
2026년 6월 한 달만 해도 이 제품은 최소 17회의 버전 배포를 완료했으며, 때로는 하루에 두 번 업데이트되기도 했다. 버그를 신속히 수정한 것 외에도, WorkBuddy는 텐센트 문서, 기업 위챗 등 텐센트 생태계 애플리케이션에 빠르게 연동되었고, 멀티 에이전트 협업, 클라우드 작업, 기업 프로젝트 관리 등의 기능을 완성하여, 마침내 텐센트 내부에서 위안바오를 뛰어넘는 AI 신성(新星)으로 떠올랐다.
5월 1분기 실적 발표 당시, 텐센트는 일일 활성 사용자 수 기준으로 WorkBuddy가 중국에서 가장 인기 있는 생산성 AI 에이전트 서비스가 되었다고 거침없이 밝혔다. 아날리시스 인터내셔널(Analysys) 데이터에 따르면, 3월부터 6월까지 WorkBuddy의 PC 월간 방문량은 885만에서 2097만으로 증가해 두 배 이상 늘었다.
이는 어떤 AI 애플리케이션 회사라도 탐내면서도 얻을 수 없는 성과다. WorkBuddy는 텐센트 전체의 트래픽 자원을 활용할 수 있으며, 더 중요한 것은 스타트업처럼 정교하게 토큰 컨트롤러의 스위치를 관리하고 설계할 필요가 없다는 점이다.
탈출구
점점 더 많은 AI 애플리케이션 창업자들이 토큰 이외의 돌파구를 모색하기 시작했다.
스타 창업자 장웨광(张月光)이 지난 6월 샤오홍수(Xiaohongshu)에 게시한 글: “AI 애플리케이션이 성립하는지를 평가하는 진정한 상위 3대 지표는 유료 사용자의 총이익률, 갱신율, CAC(고객 획득 비용)이다. 그리고 앞의 두 가지가 건강하려면, 토큰을 파는 비즈니스 모델을 다른 비즈니스 모델로 바꾸거나, 토큰 단가에 민감하지 않은 사용자에게 토큰을 팔아야 한다.” “토큰에 민감한 사용자를 기반으로 토큰을 파는 모든 제품은 결국 모델 공급업체의 장사일 뿐이다.”
장웨광 자신의 창업 제품은 그가 찾은 두 가지 다른 해법에 해당한다.
하나는 싱몐(星眠)으로, 게임 및 IP 수익으로 토큰 비용을 충당하려는 시도이고; 다른 하나는 Dokie이며, 사용자가 모델 호출 단가를 비교하는 대신 사용 가능한 성과물에 대해 비용을 지불하도록 시도한다. 또한 그의 공개 동향에 따르면, Dokie는 140여 개 국가에서 무료 체험 한도를 완전히 없앴는데, 실제로 유료 전환에는 거의 영향을 미치지 않았다.
오랫동안 ‘토큰 맥싱(token Maxxing)’이 한때 금과옥조처럼 여겨졌으며, 업계는 토큰 소비량을 광적으로 추구하며 이를 제품이 강력하고 시장이 좋아지는 상징으로 보았다. 하지만 모두가 깨달은 것은, 토큰 소비량을 추구하는 것은 길을 잘못 든 것이며, 매출 총이익 구조야말로 방향을 가리키는 표지라는 점이다. 다시 말해, 진정으로 토큰을 향해 태어난 회사는 더 많은 토큰을 소모하는 회사가 아니라, 토큰을 다른 방식으로 파는 회사다.
가장 전형적인 사례는 ‘하드웨어+애플리케이션’ 분야이며, 그 대표 주자가 바로 Plaud다.
우리가 파악한 바에 따르면, Plaud의 비하드웨어 AI 서비스 순이익은 이미 연간 수천만 달러 규모에 도달했다. 2026년 총 매출 목표는 5억 달러이며, 설치 사용자 200만 명 이상을 목표로 한다.
이면에는 결제 구조의 차이가 있다.
우선 하드웨어 자체다. 소비자 전자제품 업계에서, 소매 가격은 일반적으로 BOM 비용, 즉 재료비의 약 3배에 달해야 기업이 지속 가능한 경영 공간을 확보할 수 있다. Plaud Note Pro의 판매 가격은 약 179~189달러, BOM 비용은 약 60달러로, 하드웨어 총이익률은 약 67%에 달해 이 법칙에 부합한다.
더 중요한 것은 AI 구독 수익이다. AI 구독은 두 단계로 나뉜다: Pro 연간 결제 시 월 약 8.33달러, Unlimited 연간 결제 시 월 약 20달러. 이 가격은 비싸지도 싸지도 않다. 핵심은 AI 시나리오가 매우 가볍다는 점이다. 주로 필사(transcription)와 요약이며, 비디오 생성이나 에이전트의 무거운 추론이 아니다. 한 Plaud 공급업체의 추정에 따르면, 구독 수익 1인당 월 820달러 기준으로 Plaud의 AI 처리 비용은 월 1인당 약 12달러이며, 소프트웨어 총이익률은 약 75%~90%에 달할 수 있다.
대체로 하드웨어는 소프트웨어보다 상황이 다소 나으며, 모델 회사나 모델 제품과의 직접적인 경쟁이 없고 프리미엄을 붙일 여지도 있다.
한 AI 하드웨어 창업자가 시장의 제품을 몇 가지 범주로 나누었다.
첫째, 하드웨어 자체 수익형. 국내 3배, 해외 5배의 가격으로 하드웨어가 손실을 보지 않도록 하고, 구독으로 약간의 수익을 더한다.
둘째, 하드웨어 저마진 + 구독 보완형. Plaud가 여기에 속한다.
셋째, 투자금 성장형. 많은 초기 AI 하드웨어 스타트업이 여기에 해당한다. 마지막으로 저가 하드웨어 + 구독 없음 유형. 예를 들어 국내 대부분의 AI 동반자/AI 장난감 제품이 이에 해당하며, 주로 하드웨어에서 약간의 수익을 내 토큰 비용을 보조한다.
하지만 이 창업자의 체감에 따르면, 현재 하드웨어도 경쟁이 심해지고 있어 BOM 비용의 3배 이상 가격을 유지하기 어려워지고 있다. “총이익이 너무 낮으면 유통, 애프터서비스, 반품 및 교환 비용이 잠식해 버린다. 하드웨어 총이익만 추구하면 초기 구매 가격이 너무 높아져 출하 규모와 향후 구독 전환율에 영향을 미칠 수 있다.” 만약 정말 그렇다면, AI 하드웨어 역시 다른 활로를 찾아야 한다.
하드웨어 회사에 속하는 이러한 해결책 외에도, 보다 보편적인 아이디어가 떠오르고 있다.
최근 트렌드는 AI 하드웨어 회사를 포함한 점점 더 많은 AI 애플리케이션들이 자체 모델을 ‘포스트 트레이닝(후학습)’하기 시작했다는 것이다.
얼마 전 화제가 된 스타 하드웨어 제품 ‘AI 버섯’ Swoii의 창업자 ‘허수(赫叔)’가 우리에게 밝힌 바에 따르면, 그들은 자체 개발 모델을 이용해 저비용 개인화를 실현하고, 사용자 UGC 시나리오 요구를 충족시켜 사용자 만족도와 결제 의향을 높이고 있다고 한다.
마카롱(Macaron)으로 주목받은 AI 애플리케이션 회사 Mindverse는 모델 연구 회사로 전환 중이며, 산하 Mind Lab은 방금 Macaron-V1 모델 가중치를 공개 및 개방하여, 자사 제품에 서비스할 뿐만 아니라 더 많은 B2B 애플리케이션에 모델 및 포스트 트레이닝 역량을 제공하기 시작했다.
또한 우리가 파악한 바에 따르면, 유명 연쇄 창업가이자 Teambition 창업자, 페이수(飞书) 제품 부사장 및 더우바오(豆包) PC 제품 책임자를 역임한 치쥔위안(齐俊元)이 다시 창업에 나섰으며, 그의 팀이 연구 개발 및 내부 테스트 중인 AI 에이전트 제품 역시 자체 개발한 온디바이스(단말기) 모델에 상당 부분 기반하여 모델 제공업체의 API와 토큰 의존도를 가능한 한 줄이고 있다.
이러한 제품들의 시나리오는 다르지만, 그 차이 이면에는 중요한 공통된 논리가 있다. 즉, AI 제품을 잘 만들고자 하는 점점 더 많은 창업자들이, 직접 포스트 트레이닝한 모델을 앱에 통합하는 것이 단순히 모델 제공업체로부터 토큰을 구매하는 것보다 훨씬 경제적이라는 점을 깨닫고 있다는 것이다.
특히 명확한 시나리오, 풍부한 데이터, 안정적인 호출 규모를 갖춘 AI 애플리케이션 회사는 포스트 트레이닝을 통해 수직 특화 모델을 구축함으로써, 고가의 범용 SOTA(state-of-the-art) 모델 API를 전용 모델로 대체할 기회를 얻는다. 호출 규모가 확대됨에 따라 일회성 모델 훈련 비용이 장기적으로 분산되어 단위 토큰 비용을 현저히 낮출 수 있다.
만약 이 길이 통한다면, AI 애플리케이션은 더욱 인기를 얻을 것이다. 현재로서는 순수 소프트웨어 AI 프로젝트에 대한 자본시장의 관심은 이미 식고 있다.
한 투자 관계자에 따르면, 올해 상반기 일부 일선 펀드의 중심이 체화된 지능(Embodied AI)과 하드웨어로 이동했다. 소프트웨어에 전혀 투자하지 않는 것은 아니다. 사람들은 여전히 B2B 방향을 주시하며, 특히 ‘돈 많은 작은 사장님’을 대상으로 하는 특정 시나리오 애플리케이션이 선호받고 있다. a16z는 6월에 치과, 의료 운영, 가사 서비스에 관련된 여러 AI 프로젝트에 연이어 투자했다. 치지촹탄(MiraclePlus)의 봄철 프로그램에서도 공장, 브랜드사, 해외 진출 기업을 대상으로 하는 유사한 회사들이 다수 등장했다.
이러한 변화는 이해하기 어렵지 않다. 비록 ‘돈 많은 작은 사장님’들이 가격을 신경 쓰겠지만, 그들은 도구가 자신이 더 많이 생산하고 더 많은 거래를 성사시키는 데 도움이 될지에 더 신경을 쓴다. AI가 창출하는 수익이 사용 비용보다 확실히 높다면, 수만 위안 또는 그 이상의 연회비도 지불할 가치가 있다. 그들을 위한 AI 비즈니스는 ‘작을’ 수 있지만, 상업적으로는 실질적인 수익을 낼 수 있다.
또한, FDE가 지속적으로 주목받고 있는 것도 업계가 AI 애플리케이션의 토큰 딜레마를 반성하고 돌파구를 찾는 흐름이다. FDE는 제품의 가치 기준을 ‘얼마나 많은 토큰을 호출했는가’에서 ‘고객을 위해 무엇을 완성했는가’로 전환하여, 스타트업이 실제 결과물에 따라 요금을 부과할 기회를 제공한다. 토큰 자체가 더 이상 제품 가치의 상한선을 결정하지 않게 되면, AI 애플리케이션은 더 많은 수익을 확보할 기회를 갖게 된다.
근본적으로 토큰으로 살 수 있는 것은 입장권일 뿐, 해자(護城河, 경쟁 우위)가 아니다. 만약 토큰의 굴레에서 벗어나지 못한다면, 토큰에 잠식당할 뿐이다.
