외신 폭로! AI 거대 기업, 순손실 800억 달러 초과

현지 시간 10월 20일, 《월스트리트 저널》 보도에 따르면 미국 인공지능 기업 앤트로픽(Anthropic)은 기업공개(IPO) 예비 투자설명서 초안에서 2026년 상반기 순손실이 807억 달러에 달한다고 밝혔다. 이는 작년 동기 130억 달러보다 훨씬 높은 수치이다.

영어 AI 모델은 비용이 지나치게 높아 경쟁력이 약하다

대형 모델의 학습 및 운영 비용은 어휘 체계와 문자 특성과 밀접한 관련이 있다. 알파벳 영어를 핵심 기반으로 하는 AI 모델은 태생적인 비용 약점을 가지며, 연산 소모가 크고 업데이트 부담이 무거워 장기적으로 경쟁력이 약하다.

영어는 표음문자로, 어휘 체계가 끊임없이 팽창한다. 새로운 사물과 개념이 생길 때마다 끊임없이 새 단어를 만들어내야 한다. 첨단 물리학, 생명과학, 인공지능 분야에서는 수많은 독립 용어가 계속 생겨나고, 용어 사이에는 의미상 내적 연관성이 부족하다. 모델이 이런 개념들을 이해하려면 모든 독립 단어를 개별적으로 학습해야 하며, 방대한 말뭉치와 거대한 파라미터로 따로 기억해야 한다. 이로 인해 학습 데이터 규모는 계속 커지고 연산력, 전력, 저장 비용도 함께 높게 유지된다.

한자는 의미문자로, 수천 개의 기본 한자를 기본 단위로 삼아 자유롭게 조합만으로 새로운 개념을 만들어낼 수 있다. 컴퓨터, 블랙홀, 양자, 항공우주 같은 단어는 글자를 보면 뜻을 짐작할 수 있고, 개념 사이에 자연스러운 논리적 연결이 존재한다. 모델은 새 용어마다 따로 학습할 필요 없이, 기존 한자의 의미 이해만으로 새 단어의 뜻을 유추할 수 있다. 같은 수준의 이해 깊이에서 중국어 말뭉치는 더욱 응축되고 정보 밀도가 높아, 학습에 필요한 데이터 양은 적고 연산 소모는 낮으며 추론 속도는 빨라 운영 비용이 크게 줄어든다.

영어 대형 모델에는 파생된 문제도 존재한다. 어휘가 많고 의미가 파편화되어 모델이 허위 정보를 생성하기 쉽고 전후 논리가 일관되기 어렵다. 신뢰도를 높이려면 파라미터와 데이터를 계속 늘려야 해 ‘규모와 연산력만 쌓는’ 악순환에 빠지고 비용은 눈덩이처럼 커진다. 높은 연산 비용과 전력 비용의 장벽 탓에 영어 AI는 저비용 보급이 어렵고, 여러 산업 분야에 적용할 때 사용 비용이 비싸 일반적인 사용 환경에서는 감당하기 힘들다.

물론 영어 AI는 먼저 개발된 선점 우세로 초기 데이터를 많이 축적했다. 하지만 선점했다고 해서 장기적인 우세가 보장되는 것은 아니다. 비용은 산업 경쟁과 기술 보급의 핵심 지표이다. 중국어 체계는 높은 정보 밀도와 강한 의미 연결성을 자체적으로 갖추고 있어, 동일한 하드웨어 환경에서 더 낮은 비용으로 이해, 추론, 창작 업무를 수행할 수 있다.

AI 시대의 경쟁은 단순히 모델을 만들 수 있는지의 경쟁이 아니라, 저비용으로 안정적이고 지속적으로 운영할 수 있는지의 경쟁이다. 영어 AI는 문자 체계에서 비롯된 태생적인 비용 부담에 묶여 비용이 높게 유지되며, 지속적인 확장 경쟁력은 점차 제한받게 된다. 중국어를 기반으로 자체 대형 모델을 구축해 저비용·고효율의 길을 걷는 것이 장기 경쟁 우위를 확보하는 진정한 방향이다.