AI가 똑똑해질수록 칩은 더 팔리는 이유

AI 오디오북AI가 똑똑해질수록 칩은 더 팔리는 이유

0:00

0:00

최근 한국 관세청이 발표한 7월 수출 데이터를 보면 흥미로운 숫자가 눈에 들어와요. 7월 1일부터 20일까지 반도체 수출이 전년 동기 대비 무려 180.6% 폭증했거든요. 같은 기간 전체 수출 증가율이 52.3%인 것과 비교하면, 반도체가 얼마나 압도적인 견인 역할을 했는지 알 수 있죠.

그런데 이상하지 않나요? AI 모델은 그 어느 때보다 '효율적'으로 변하고 있어요. 중국 문샷 AI(Moonshot AI)가 7월에 발표한 Kimi K3는 이전 세대 대비 확장 효율을 2.5배 끌어올렸어요. 추론 비용도 미국 최상위 모델의 절반 수준이죠. 효율이 좋아지면 자원 소비가 줄어야 하는 거 아닌가요? 왜 반도체 수요는 오히려 폭발하고 있을까요?

효율이 높아지면 소비가 늘어나는 역설

이 모순을 처음 발견한 사람은 1865년 영국의 경제학자 윌리엄 스탠리 제번스(William Stanley Jevons)였어요. 제번스는 석탄을 연구하다 이상한 현상을 발견했죠. 증기 기관의 효율이 좋아져서 석탄을 적게 쓰게 되었는데, 영국 전체의 석탄 소비량은 오히려 늘어난 거예요. 왜 그랬을까요? 기계를 돌리는 비용이 싸지니까, 이전에는 기계를 쓰지 못하던 공장들까지 앞다투어 증기 기관을 도입했기 때문이에요. 이게 바로 ​​제번스의 역설(Jevons Paradox)​​입니다. 자원이 효율적으로 사용될수록 오히려 총 소비량이 늘어나는 현상이죠.

우리 일상에서도 비슷한 경험을 해요. 동네 식당에서 밥값이 싸지면 더 자주 외식을 하잖아요. 한 끼에 쓰는 돈은 줄었는데, 한 달 식비 전체는 오히려 늘어나는 거죠. 제번스의 역설이 바로 이 원리예요. 단위당 비용이 낮아지면 → 새로운 사용처가 생기고 → 전체 소비량은 늘어납니다.

AI 시장에서 이 역설이 지금 그대로 재현되고 있어요. 벤처캐피털 앤드리슨 호로위츠(a16z)가 정리한 데이터를 보면, 2023년부터 2026년까지 AI 토큰당 비용은 약 280배 감소했어요. 그런데 같은 기간 기업의 AI 지출은 약 320% 증가했죠. 토큰은 싸졌는데 청구서는 올라간 겁니다. 비용이 싸지니까 AI를 사용하는 방식 자체가 바뀌었기 때문이에요. 예전에는 질문 하나 던지고 답 하나 받는 단순한 방식이었죠. 그런데 비용이 낮아지니까 AI가 스스로 계획을 세우고, 도구를 사용하고, 결과를 검토하고, 다시 수정하는 '에이전트(Agent)' 방식이 가능해졌어요. 하나의 작업을 끝내는 데 AI 모델을 12~20번 호출하게 되는 거죠. → 토큰당 비용은 떨어졌지만, 작업당 토큰 사용량은 30배 이상 늘어난 겁니다.

AI 시대의 제번스 역설, 어디서 작동하고 있나

시티그룹(Citi)의 반도체 분석가 피터 리(Peter Lee)는 Kimi K3를 분석하면서 이를 AI 산업의 제번스 역설 사례로 봤어요. Kimi K3는 2.8조 개의 파라미터를 가진 대규모 모델인데, 이전 세대 대비 연산 효율을 2.5배 향상시켰어요. 효율이 좋아졌으니 하드웨어 수요가 줄어들 것이라는 게 시장의 첫 반응이었죠. 실제로 Kimi K3 발표 직후 엔비디아(Nvidia)를 비롯한 반도체 주가가 일제히 하락했어요.

그런데 결과는 정반대였어요. Kimi K3 출시 후 48시간 만에 사용자 요청이 폭증하면서 문샷 AI는 신규 구독을 중단해야 했어요. 연산 자원이 부족해진 거죠. 효율이 좋아지니까 더 많은 개발자와 기업이 모델을 호출하게 되었고, 더 긴 작업 체인을 실행하게 되었어요. → 결국 GPU, HBM(고대역폭메모리), 서버용 DDR5, 기업용 SSD 수요가 동시에 치솟은 겁니다. 시티그룹이 가장 직접적인 수혜로 본 것은 범용 메모리예요. 긴 컨텍스트와 에이전트 작업이 KV 캐시(KV Cache)* 점유율을 높이고, 이게 서버 DDR5와 eSSD 수요로 직결되기 때문이에요.

• KV 캐시: AI 모델이 추론할 때 이전에 처리한 정보를 임시로 저장해두는 메모리 공간. 컨텍스트가 길어지고 에이전트가 연속 작업을 수행할수록 캐시 점유율이 급증한다.

특히 중요한 변화는 AI 컴퓨팅의 중심이 학습(Training)에서 추론(Inference)으로 넘어왔다는 점이에요. 2026년 기준 추론이 전체 AI 컴퓨팅의 약 66~85%를 차지하고 있어요. 학습은 한 번 모델을 만들면 끝이지만, 추론은 24시간 내내 사용자 요청에 응답해야 하죠. 추론이 늘면 → 메모리 접근, 데이터 이동, 네트워크 대역폭 요구가 지속적으로 누적되고 → 하드웨어 소모가 가속화됩니다.

이 흐름은 가격에도 나타나고 있어요. TSMC(Taiwan Semiconductor Manufacturing Company)는 2027년부터 선단 공정과 성숙 공정 모두의 파운드리 가격을 최대 10% 올리겠다고 발표했어요. AI 고성능 컴퓨팅 칩의 경우 추가 주문에 대해 기본 인상분 외에 10~15%의 프리미엄까지 부과할 계획이에요. 수요가 공급을 압도하는 상황에서 제조사가 가격 결정력을 쥐게 된 거죠. 뱅크오브아메리카(BofA) 증권은 중국 오픈소스 모델이 추격하면 미국 선도 기업들이 오히려 더 많은 연산 자원 투입을 늘릴 것으로 분석했어요. 성능 격차가 좁혀지면 → 차별성을 유지하기 위해 더 큰 훈련 규모, 더 강한 추론, 더 빠른 제품 반복이 필요하고 → 이건 결국 더 많은 GPU, 더 많은 HBM, 더 많은 전력을 끌어당기는 구조예요.

한국 반도체, 역설의 파도 위에서

한국은 이 역설의 최전선에 서 있어요. 7월 1~20일 반도체 수출이 221억 달러에 달하면서 역대 최고치를 기록했어요. 전체 수출에서 반도체가 차지하는 비중이 40.3%로, 1년 전 21.9%에서 거의 두 배 가까이 뛰었죠. 대중국 수출이 94.1% 증가한 것이 특히 눈에 띄어요. 중국 내 AI 관련 칩 조달 수요가 매우 강력하다는 뜻이에요.

SK그룹 최태원 회장은 2027년 글로벌 AI 반도체 수요가 올해 대비 60100% 성장하고, 전체 메모리 수요도 5060% 증가할 것으로 전망했어요. 그런데 내년 신규 생산 능력 확장 계획은 거의 없다고 해요. 수요는 폭발하는데 공급은 따라가지 못하는 상황, 그게 바로 제번스 역설이 만들어내는 시장 구조예요. 최 회장이 현재 메모리 가격을 '비정상적인 수준'이라고 평가한 이유이기도 해요.

다만 리스크도 분명히 있어요. 데이터센터 전력 수요가 가장 큰 걸림돌이에요. BloombergNEF는 2035년까지 미국 데이터센터가 전국 전력의 약 20%를 소비할 것으로 예측했어요. 현재 5.9%에서 3배 이상 뛰는 수치죠. 전력망 확장 속도가 수요 증가를 따라가지 못하고 있어요. 메모리 가격이 너무 높게 유지되면 전방 산업이 저항하기 시작하고, 새로운 경쟁자가 진입하거나 정부가 개입할 위험도 남아 있어요.

그럼에도 제번스 역설이 가리키는 방향은 명확해 보여요. AI가 더 효율적일수록, 더 많은 곳에서 더 자주 쓰일수록, 그 뒤에서 물리적 자원의 소비는 줄어드는 게 아니라 늘어납니다. 한국 메모리 반도체 기업들이 이 파도의 한복판에 있다는 점은 부정하기 어렵고, 그 파도가 얼마나 오래 밀려올지는 전력 인프라와 공급 확장 속도가 함께 결정할 것으로 보입니다.