AI 토큰 가격은 왜 1달러 아래로 떨어졌는데, AI 지출은 계속 늘어날까

Silicon Data의 LLM 토큰 지출 지수(LLM Token Expenditure Index)가 100만 토큰당 1달러 아래로 떨어진 것은 시장의 사용이 더 저렴한 모델로 이동한 데다, 주요 사업자들이 API 가격을 잇달아 낮췄기 때문이다. 광범위한 시장을 반영하는 지수는 2026년 8월 31일 97센트를 기록했다. 지수가 만들어진 이후 최저치이며, 초여름 고점의 절반에도 못 미치는 수준이다. 4

다만 이 수치를 전체 AI 지출이나 토큰 사용량의 감소로 읽어서는 안 된다. 이 지수는 시장이 추론 토큰 100만 개에 실제로 지불하는 금액을 사용량 기준으로 가중해 보여주는 지표다. 따라서 단위당 지능 처리 비용이 낮아졌다는 뜻이지, AI에 쓰이는 총액이나 토큰 소비량이 줄었다는 뜻은 아니다. 278

사상 최저치를 만든 세 가지 압력

가격을 끌어내린 요인은 한 가지가 아니었다.

• 저가 중국 모델의 점유율 확대: 공개형·저가 모델이 고가의 독점형 모델을 대체할 선택지로 부상하면서 시장의 평균 실효 가격을 낮췄다. 3839
• API 가격 경쟁 심화: 모델 업체들은 가격 인하를 고객 확보와 서비스 배포 확대, 시장점유율 방어를 위한 수단으로 활용했다. 모델 간 성능 차이가 좁혀질수록 가격은 더욱 직접적인 경쟁 무기가 된다. 39
• 추론 비용 구조의 개선: 모델을 실제로 운영하고 응답을 생성하는 비용이 낮아지면서 사업자들은 더 많은 출력을 낮은 가격에 제공할 여지가 커졌다. 다만 모든 사업자의 비용 구조가 같았다는 의미는 아니다.
• 글로벌 사업자의 대응: 가격 인하는 중국 시장에만 머물지 않았다. 주요 글로벌 사업자들도 저가 요금제를 내놓거나 가격을 낮추며 경쟁 압력을 확대했다. 3637

지수의 흐름은 대체로 하락세였다. 6월 초 100만 토큰당 2달러를 웃돌던 가격은 8월 초 약 1.16~1.18달러까지 낮아졌고, 이후 1달러 선을 밑돌았다. 다만 공개된 시점별 자료와 중간 보도에는 차이가 있다. 예를 들어 7월 27일 공개 지수로 1.43달러가 제시된 사례도 있어, 세부적인 일별 경로보다 큰 폭의 하락 추세를 더 확실한 사실로 보는 편이 타당하다. 1384

DeepSeek와 샤오미가 촉발한 중국발 가격 전쟁

가장 눈에 띄는 계기는 DeepSeek였다. 회사는 5월 주력 모델 V4-Pro의 API 가격을 75% 낮추고, 이 인하를 영구 적용하겠다고 밝혔다. 사용 유형에 따라 가격은 달라지지만, 새 요금은 기존 가격의 4분의 1 수준이었다. 33

다른 중국 업체들도 뒤따랐다. 샤오미는 MiMo-V2.5 모델의 API 가격을 최대 99% 낮췄고, ByteDance·Tencent·MiniMax·Alibaba 등 주요 중국 AI 기업들도 비슷한 시기에 가격을 인하한 것으로 보도됐다. 3946

이 경쟁은 구매 기준 자체를 바꿔놓았다. 기업 고객은 이제 단순히 ‘어떤 모델이 가장 똑똑한가’만 비교하지 않는다. 1달러당 성능, 응답 지연시간, 긴 문맥 처리 능력, 안정성, 배포 유연성까지 함께 따진다. 일상적인 고객 응대나 문서 요약, 코드 작성처럼 여러 모델이 충분히 비슷한 성능을 내는 작업에서는 가격 차이가 사용처를 빠르게 바꿀 수 있다.

그러나 최저가 경쟁이 영원히 지속될 수 있는 것은 아니다. DeepSeek는 8월 최신 주력 모델의 가격을 다시 올리고, 피크 시간대와 비수기 요금제를 도입했다. 비수기 가격은 피크 요금의 절반으로 책정됐다. 이는 GPU 가동률을 관리하고 인프라 비용을 회수하려면 무제한 수요를 항상 최저가로 받는 방식이 지속 가능하지 않다는 점을 시사한다. 35

토큰 가격이 내려가도 AI 지출이 늘어나는 산식

겉으로는 모순처럼 보이지만 계산식은 단순하다.

총지출 = 토큰당 가격 × 사용한 토큰 수

가격이 90% 하락하더라도 사용량이 90%보다 더 크게 늘면 총지출은 증가할 수 있다. 가격이 내려가면 과거에는 비용 때문에 시도하기 어려웠던 작업도 경제성을 갖게 된다. 자동화된 고객 서비스, 코드 생성, 문서 처리, 긴 문맥을 활용하는 애플리케이션, 여러 단계의 업무를 수행하는 AI 에이전트 등이 대표적이다.

일부 분석은 2023년 이후 토큰 가격이 90% 넘게 하락한 반면 전체 AI 지출은 대략 두 배로 늘었다고 본다. 이는 가격 인하가 수요를 없앤 것이 아니라, 경제성이 맞는 AI 활용처를 더 많이 만들어냈다는 해석과 일치한다. 1922

중국의 토큰 경제도 수요 확대를 보여주는 신호다. 중국 국가데이터국은 3월 일일 토큰 소비량이 140조 개를 넘어섰다고 밝혔다. 전년 말의 100조 개보다 40% 이상 많은 수치다. 2632

중국의 주요 통신사들도 AI 컴퓨팅 역량에 투자하고 있다. China Telecom은 상반기 지능형 컴퓨팅 매출이 95% 증가했다고 발표했고, China Unicom의 컴퓨팅 인프라 자본지출은 전년 대비 80% 넘게 늘었다. 1718

이 수치들이 모든 모델 업체의 수익성을 증명하는 것은 아니다. 다만 토큰 1개당 가격이 낮아져도 사용량이 훨씬 커지면 데이터센터, 클라우드, 반도체, 네트워크, 전력에 대한 투자와 수요가 함께 확대될 수 있음을 보여준다.

AI 투자와 매출 사이의 46% 격차

낙관론자들은 추론 가격 하락을 AI 대중화의 출발점으로 본다. 더 저렴해진 AI가 충분한 토큰 사용량을 만들어내면 클라우드 용량과 데이터센터, 칩, 네트워크, 전력에 대한 지출도 계속 뒷받침될 수 있다는 논리다.

반대로 회의론자들은 투자금이 언제 수익으로 돌아올지에 주목한다. Allianz Research를 인용한 보고서에 따르면 AI 자본지출과 매출 성장 사이의 격차는 약 46%로, 2001년 통신업 과잉 투자 당시의 약 32%보다 넓다. 202223

이는 AI가 통신 버블을 그대로 반복한다는 증거는 아니다. 하지만 다음 세 가지 위험을 분명히 보여주는 경고음이다.

1. 가격 디플레이션 위험: 더 성능이 좋은 모델도 계속 더 낮은 가격에 판매될 수 있다.
2. 가동률 위험: 높은 고정 인프라 비용을 감당하려면 일시적인 사용량 급증이 아니라 지속적인 수요가 필요하다.
3. 수익화 위험: 대규모 설비투자에서 수익을 내려면 토큰 사용량이 실현 가격 하락을 상쇄할 만큼 빠르게 늘어야 한다.

이 지수를 읽는 올바른 방법

Silicon Data 지수의 신저가는 AI 수요를 측정하는 단독 지표라기보다 가격 결정력과 시장의 지불 의사를 보여주는 신호로 보는 것이 적절하다. 시장이 추론 1단위에 지불하는 금액이 낮아졌다는 뜻이며, 여기에는 저가 모델로의 사용량 이동과 사업자 간 공격적인 가격 경쟁이 함께 반영돼 있다. 7814

앞으로의 핵심 질문은 가격 하락이 새로운 업무를 충분히 끌어내 전체 매출을 키울 것인지, 아니면 가격 전쟁이 사용량 증가보다 앞서가 비싼 인프라와 낮은 투자수익만 남길 것인지다. 현재 자료는 전자를 수요 확대 시나리오로, 후자를 중요한 재무 위험으로 뒷받침하지만 최종 결과까지 확정해주지는 않는다.