AI: 오픈 웨이트 모델은 AI 확산을 이끌 것이며, 세 가지 시나리오별 수혜자는 상이
Morgan Stanley는 오픈 웨이트 모델이 비용을 낮추고 맞춤화 및 배포 통제를 개선하며 제번스의 역설을 통해 AI 도입을 확대할 수 있다고 보지만, 기업들이 궁극적으로 클로즈드, 하이브리드 또는 오픈 모델을 선호할지는 아직 지켜봐야 한다고 판단한다.
요약
Morgan Stanley는 오픈 웨이트 모델이 비용을 낮추고 맞춤화 및 배포 통제를 개선하며 제번스의 역설을 통해 AI 도입을 확대할 수 있다고 보지만, 기업들이 궁극적으로 클로즈드, 하이브리드 또는 오픈 모델을 선호할지는 아직 지켜봐야 한다고 판단한다.
- 조사 대상 기업의 63%는 이미 기술 스택에서 오픈 웨이트 모델을 사용하고 있으며, 일반적으로 클로즈드 모델과 함께 사용한다.
- 오픈 웨이트 모델의 주요 장점은 토큰당 과금이 없고, 맞춤화가 가능하며, 배포 위치를 통제할 수 있다는 점이다. 주요 단점으로는 파인튜닝 비용, 보안 위험, 불명확한 책임 소재 및 지정학적 위험이 있다.
- 보고서는 클로즈드 모델 승리, 하이브리드 아키텍처 승리, 오픈 웨이트 모델 승리라는 세 가지 세계 시나리오를 제시하고, 각각을 클라우드, 모델, 보안, 반도체, 네트워킹, 전력, 엣지 및 온프레미스 인프라 수혜 영역에 매핑한다.
- NVDA와 전력 관련 수요는 여러 시나리오에서 비교적 견조하며, 하이퍼스케일러의 수혜 정도는 클로즈드 모델의 역량, 인프라 역할 및 오픈 모델 침투율에 좌우된다.
보고서 해설
개요
이 보고서는 오픈 웨이트 모델과 클로즈드 웨이트 모델 간 경쟁에 초점을 맞추며, Kimi K3 출시, 중국 모델에 대한 미국의 잠재적 규제, 그리고 관련 정책 서한이 촉발한 시장 논의를 다룬다. Morgan Stanley는 투자자들이 더 작고 효율적인 오픈 모델이 컴퓨팅 및 AI 인프라 수요를 약화시킬 수 있다고 우려한다고 보지만, 보고서의 핵심 견해는 오픈 웨이트 모델이 경쟁과 비용 절감을 통해 AI 확산을 가속하고 기업 AI 도입을 폭넓게 확대할 수 있다는 것이다.
핵심 견해
보고서는 기업들이 현재 오픈 모델과 클로즈드 모델을 모두 사용하고 있으며, 오픈 웨이트 모델은 주로 코딩 및 문서 파싱과 같이 속도, 보안, 빈번한 호출 또는 도메인 특화 적응이 필요한 소규모 활용 사례에 사용된다고 본다. 장기적으로 오픈 모델이 프런티어 모델을 계속 따라잡는다면 모델 API 가격을 낮추고 수요를 확대할 것이며, 클로즈드 모델이 우위를 유지한다면 소수의 자본력이 풍부한 프런티어 연구소, 클라우드 제공업체 및 학습 인프라 제공업체가 계속 수혜를 볼 것이다. 하이브리드 아키텍처가 주류가 된다면 모델 라우팅, 오케스트레이션, 관측성, 보안 및 거버넌스의 중요성이 커질 것이다.
분석 프레임워크
보고서는 향후 기업 AI 모델 도입을 클로즈드 모델 승리, 하이브리드 아키텍처 승리, 오픈 웨이트 모델 승리라는 세 가지 시나리오로 나누고, 각 시나리오별 산업 밸류체인 수혜자를 도출하는 시나리오 분석 프레임워크를 사용한다. 분석은 기업 도입률, 비용 구조, 성능 격차, 배포 위치, 데이터 주권, 규제 제한, 소프트웨어 스택 복잡성 및 컴퓨팅·전력 수요에 초점을 둔다.
방법론 메모
오픈 모델과 클로즈드 모델 간 경쟁을 중심으로 산업별 수혜 밸류체인을 전망
보고서는 단일 경로를 예측하는 대신 미래를 클로즈드 모델 승리, 하이브리드 모델 승리, 오픈 모델 승리의 세 시나리오로 나누고, 각 시나리오에서 클라우드, 모델, 보안, 반도체, 네트워킹, 온프레미스 인프라 및 엣지 디바이스 전반의 상대적 수혜자를 비교한다.
효율성 개선은 총수요를 확대할 수 있음
보고서는 모델 비용 하락과 효율성 개선이 AI 인프라 수요를 줄이지 않을 수 있으며, 오히려 더 많은 기업과 활용 사례가 AI를 도입하면서 총사용량이 확대될 수 있다고 본다.
멀티모델 환경에서 소프트웨어 계층의 가치 증가
기업이 오픈 모델과 클로즈드 모델을 함께 운영할 경우, 비용, 역량, 지연시간 및 규정 준수에 따라 모델을 동적으로 선택해야 하므로 게이트웨이, 라우팅, 오케스트레이션, 평가, 거버넌스, 보안 및 관측성 계층이 더 중요해진다.
자산 매핑 및 비교
투자 논리에서 명시된 자산으로의 구조화 매핑(강점, 약점, 비교 대상, 위험).
- GOOGL, AMZN, MSFT클라우드 서비스 제공업체
- 강점
- 클로즈드 또는 하이브리드 시나리오에서 AI 워크로드를 흡수할 수 있다. Gemini가 프런티어로 복귀한다면 GOOGL은 모델 API의 경제성에서도 수혜를 볼 수 있다.
- 약점
- 오픈 모델 가격 하락은 클로즈드 모델의 초과 수익을 제한할 수 있다. 클라우드 제공업체별 수혜 정도는 모델 역량과 고객의 배포 선호도에 따라 달라진다.
- 비교
- 클로즈드 모델 승리 시 GOOGL과 AMZN이 두드러진다. 하이브리드 시나리오에서는 AMZN, GOOGL, MSFT 모두 수혜를 보며, 보고서는 오픈 모델 승리 시나리오에서 MSFT를 강조한다.
- 위험
- 경쟁 모델 환경 변화, 가격 하락 및 기업의 온프레미스 또는 엣지 배포 전환.
- NVDA, AVGO반도체 및 AI 컴퓨팅
- 강점
- 보고서는 NVDA가 여러 시나리오에서 수혜를 본다고 판단한다. 클로즈드 모델이 승리할 경우 학습 클러스터와 고집약 컴퓨팅 수요가 견조하게 유지되어 AVGO도 수혜를 본다.
- 약점
- 더 작은 오픈 모델이 효율성을 크게 개선할 경우 업무당 컴퓨팅 수요가 감소할 수 있다.
- 비교
- 클로즈드 모델 시나리오에는 NVDA와 AVGO가 포함되고, 하이브리드 시나리오에는 NVDA가 포함된다.
- 위험
- 모델 효율성 개선, 추론 가격 하락, 그리고 컴퓨팅 수요의 학습에서 추론 또는 엣지로의 이동.
- PANW, CRWD, ZS, NTSK, OKTA, FTNT, SAIL, VRNS보안 소프트웨어
- 강점
- 분산형, 온프레미스 및 멀티모델 배포는 보안, 거버넌스, 신원 및 접근 통제 수요를 높인다.
- 약점
- 클로즈드 모델이 승리할 경우 일부 보안 부담은 프런티어 모델 연구소가 부담할 수 있다.
- 비교
- 보안 소프트웨어는 세 시나리오 모두에서 중요한 수혜 분야이며, 분산 워크로드는 오픈 및 하이브리드 시나리오에서 그 중요성을 높인다.
- 위험
- 기업 AI 배포가 예상보다 느리게 진행되거나, 모델 수 증가에 맞춰 보안 예산이 증가하지 않는 경우.
- DDOG, PLTR, APPN인프라 소프트웨어, 오케스트레이션 및 관측성
- 강점
- 멀티모델 환경은 라우팅, 오케스트레이션, 모니터링, 평가 및 비용·품질 추적을 필요로 한다.
- 약점
- 기업이 단일 클로즈드 모델 API를 계속 채택할 경우 소프트웨어 스택 복잡성 증가는 제한적일 수 있다.
- 비교
- 하이브리드 시나리오에는 DDOG, PLTR, APPN이 포함되며, 오픈 모델 승리 시나리오에는 PLTR이 포함된다.
- 위험
- 플랫폼 통합, 클라우드 제공업체 네이티브 도구로의 대체 및 기업 자체 구축 역량.
- DELL, HPE, NTAP, P, HPQ, AAPL온프레미스 인프라 및 엣지 디바이스
- 강점
- 오픈 모델이 승리할 경우 더 많은 워크로드가 온프레미스, 프라이빗 클라우드, 소버린 클라우드 및 엣지 디바이스로 이동한다.
- 약점
- 클로즈드 모델이 우위를 유지하면 기업들은 클라우드와 API를 통해 계속 모델을 소비해 로컬 하드웨어 수요가 줄어들 수 있다.
- 비교
- 이들 자산은 주로 오픈 웨이트 모델이 승리할 때 수혜를 본다.
- 위험
- 대규모 모델의 높은 로컬 배포 비용, 기업 엔지니어링 인력 부족 및 불확실한 투자회수 기간.
- BE, INIO, SEI, WMB, LBRT현장 전력 및 에너지 인프라
- 강점
- 클로즈드 모델이 승리할 경우 학습 슈퍼클러스터가 안정적 전력에 대한 기가와트급 수요를 견인한다.
- 약점
- 모델 효율성이 크게 개선되고 워크로드가 더 분산될 경우 중앙집중식 하이퍼스케일 학습 클러스터에서의 추가 수요는 약화될 수 있다.
- 비교
- 보고서는 클로즈드 모델 승리 시나리오에서 현장 전력 공급업체를 특별히 강조한다.
- 위험
- 데이터센터 건설 둔화, 전력망 연계 제약 및 규제·자본지출 사이클.
핵심 데이터
- 기업 오픈 모델 사용률63%41개국의 기술 리더 700명을 대상으로 한 McKinsey 설문조사에 따르면 응답자의 63%가 일반적으로 클로즈드 모델과 함께 오픈 모델을 사용한다.
- 미국 기업 OpenRouter 토큰 중 중국 오픈 모델로 라우팅된 비중30%+보고서는 2026년 2월부터 7월까지 미국 기업이 매주 사용한 OpenRouter 토큰의 30% 이상이 중국 오픈 모델로 라우팅되었으나, 해당 데이터가 대기업보다 스타트업을 더 잘 대표할 수 있다고 언급한다.
- 평균 AI 업무 편익 및 비용$55 benefit vs. $2-5 cost보고서는 기업 AI 도입에 여전히 상당한 성장 여력이 있음을 보여주기 위해 이전 추정치를 인용한다.
- 오픈 모델로 인한 잠재적 가격 절감approximately 70%보고서는 클로즈드 모델에서 오픈 모델로 전환하면 평균 가격을 70% 낮추고 소비자에게 연간 약 $25B를 절감할 수 있다는 MIT 연구를 인용하며, 연구 기간, 모델 차이 및 총소유비용과 관련한 한계도 지적한다.
- 오픈 배포 투자회수 기간up to 3 months to up to 6 yearsCarnegie Mellon 연구에 따르면 소규모 배포의 투자회수 기간은 3개월까지 짧을 수 있는 반면, 200B-1T 파라미터의 대규모 배포는 최대 6년이 걸릴 수 있다.
- GOOGL 모델 API ROIC 시나리오approximately 45% or approximately 30%Gemini가 프런티어로 복귀할 경우, 보고서는 GOOGL이 자체 인프라에서 모델 API를 운영해 얻는 ROIC를 약 45%로 추정한다. 인프라 제공업체로서는 약 30%로 추정된다.
영향과 시사점
투자 시사점은 오픈 모델이 반드시 AI 투자 논리를 약화시키지는 않는다는 것이다. 오히려 비용 하락과 활용 사례 확대가 더 폭넓은 기업 AI 지출을 창출할 수 있다. 클로즈드 모델의 승리는 프런티어 모델 연구소, 클라우드, 학습 컴퓨팅, 네트워킹 및 전력에 유리하고, 하이브리드 승리는 클라우드, 인프라 소프트웨어, 보안 소프트웨어 및 모델 오케스트레이션에 유리하며, 오픈 모델의 승리는 온프레미스 인프라, 엣지 디바이스, 보안, 관측성, 라우팅 및 애플리케이션 계층 배포에 유리하다.
위험
- 중국 오픈 웨이트 모델에 대한 미국의 잠재적 규제는 사업 연속성 위험을 초래할 수 있다.
- 오픈 모델을 사용하는 기업은 파인튜닝, 호스팅, 인력 및 컴퓨팅 비용을 부담해야 한다. 총소유비용 측면에서 오픈은 무료를 의미하지 않는다.
- 오픈 웨이트 모델은 안전성 정렬 제거, 악의적 수정 및 불명확한 책임 소재 등의 위험에 직면한다.
- 외국 모델에 대한 기업의 신뢰, 브랜드, 보안 및 규정 준수 우려가 도입을 제한할 수 있다.
- 클로즈드 프런티어 모델이 큰 격차로 선두를 유지할 경우 핵심 기업 워크로드에서 오픈 모델의 침투율은 기대에 못 미칠 수 있다.
주시할 점
- Kimi K3, Qwen, DeepSeek, Llama, Gemma 등 오픈 웨이트 모델과 클로즈드 프런티어 모델 간 성능 격차의 변화.
- 중국 오픈 모델에 대한 미국의 규제와 해외 프런티어 모델에 대한 중국의 규제.
- 기업 AI 지출에서 오픈, 클로즈드 및 하이브리드 아키텍처의 실제 비중 변화.
- 모델 API 가격, 토큰당 비용, 추론 효율성 및 기업 활용 사례 확대 속도.
- 기업이 AI 워크로드를 온프레미스, 프라이빗 클라우드, 소버린 클라우드 및 엣지에 배포하는 속도.
- 모델 오케스트레이션, 라우팅, 관측성, 보안 및 거버넌스 소프트웨어 예산의 증가.