OpenAI, 오픈소스 대비 비용 절감을 내세우며 칩 설계용 모델 홍보

OpenAI는 높은 초기 비용이 더 적은 시도로 작업을 수행함으로써 수익을 낼 수 있다는 주장을 펼치며, 고급 모델을 칩 설계, 생명 과학 및 금융 분야로 확장하고 있습니다.

로이터는 9월 9일, CFO Sarah Friar이 9월 7일 샌프란시스코에서 열린 골드만 삭스의 Communacopia + Technology 컨퍼런스에서 이 주장을 펼쳤다고 보도했습니다.

고급 모델과 저가 모델 사이에서 결정을 내리려는 기업들에게 이는 논의를 바꿉니다. OpenAI는 어떤 모델이 가장 낮은 토큰 가격을 가지는지 묻는 대신, 고객이 어떤 모델이 가장 저렴한 완료된 작업을 제공하는지 고려하기를 원합니다.

EDA 대체가 아닌 틈새 시장으로서의 칩 설계

OpenAI는 엔지니어들이 현재 칩 개발에 사용하고 있는 전자 설계 자동화(EDA) 시스템을 대체하려고 시도하지 않습니다. 오히려 그 솔루션은 엔지니어들이 문제를 분석하고, 접근 방식을 평가하며, 특정 작업을 가속화하는 데 도움을 주어 이러한 프로세스를 향상시키는 데 기여합니다.

Friar에 따르면 특정 작업용으로 개발된 AI에 대한 수요가 증가하고 있습니다. 로이터의 보도에 따르면, OpenAI는 소비량이 아닌 주어진 회사에 대한 AI의 효과성에 따라 가격이 결정되는 비즈니스 모델을 테스트하고 있습니다.

이는 7월 17일 Friar이 토큰 가격보다 '달러당 유용한 지능(Useful Intelligence per Dollar)'의 중요성을 시사한 게시물과 일치합니다. 저렴한 모델은 여러 번의 재시도 및 검토, 그리고 인간의 개입이 필요할 수 있는 반면, 비싼 모델은 더 빠른 결과 도출로 인해 더 비용 효율적인 옵션이 될 수 있습니다.

Jalapeño: 내부 검증 사례

OpenAI의 독창성을 가장 명확하게 보여주는 것은 Jalapeño입니다. 이는 그들의 첫 번째 맞춤형 추론 칩입니다. 회사는 8월 25일 게시물을 통해 AI 기술이 Jalapeño의 개념 단계에서 테이프아웃까지 단 9개월 만에 전환되도록 지원했다고 밝혔습니다.

AI 덕분에 설계, 측정 및 검증 주기가 단축되었습니다. AI는 또한 산술 회로의 성능을 개선하고 완성된 칩을 프로그래밍하는 데에도 사용되었습니다.

OpenAI는 Jalapeño 칩의 성능이 GPT-OSS 120B, DeepSeek R1 및 Kimi K2.5의 계산을 수행하는 데 사용되는 Nvidia의 GB200 및 GB300 동급 장치와 비교할 때 와트당 AI 작업 측면에서 1.5~1.9배 더 높았다고 주장했습니다.

Cryptopolitan이 8월 25일 제공한 정보에 따르면, Broadcom가 설계한 칩은 OpenAI의 목적을 위해 엄격히 설계되었으며 시장에서 판매하기 위한 것이 아닙니다. 따라서 이러한 통계는 오직 OpenAI의 수치입니다. SemiAnalysis는 InferenceX 실행을 관찰했지만 전체 테스트 스위트는 독립적으로 재현하지 않았습니다.

외부 데이터로 검증된 작업당 비용 주장

Friar은 OpenAI가 하위 등급 제품인 Luna의 비용을 대폭 삭감한 것이 사용량의 거의 10배 성장을 가져왔으며, Reuters에 따르면 Codex의 사용자 수도 2,500만 명으로 증가했다고 밝혔습니다.

독립적인 테스트는 가격 선언에 대한 일부 증거를 제공합니다. Artificial Analysis은 GPT-5.6 Luna와 Z.ai의 GLM-5.3의 가격을 비교하며, 표준 작업에 대해 Luna의 가격이 약 $0.18인 반면 GLM-5.3은 $2.01임을 확인합니다.

하지만 이는 정확히 한쪽 편향된 비교는 아닙니다. GLM-5.3은 Artificial Analysis의 지능 지수에서 45점을 받았으며, 이는 Luna에게 38점의 점수를 부여합니다. 따라서 OpenAI는 표준 작업당 가격 측면에서 우위를 점하고 있지만, 반드시 최고 성능의 AI는 아닙니다.

OpenAI가 늦게 진입한 분야

AI 보조 칩 설계는 이미 잘 확립되어 있습니다. Synopsys는 생성형 AI 코파일럿이 정보 검색 시간을 40% 단축하고 솔루션 도달 시간을 10~20배 줄일 수 있다고 말합니다.

Cadence는 6월 1일 자율형 ChipStack AI 엔지니어가 일부 RTL 검증 주기를 5주에서 하루 미만으로 줄일 수 있다고 발표했습니다. Google의 AlphaChip도 Alphabet의 고급 칩 전반에 사용되었습니다.

따라서 OpenAI의 진정한 차별화 요소는 AI가 칩 설계를 돕는다는 주장이 아닙니다. 그것은 자체 소유 모델이 성공적인 결과당 더 낮은 비용으로 이를 수행할 수 있다는 주장입니다.

위험이 계속 높아지는 이유

The market behind that argument is enormous. PwC said on September 2 that global AI-infrastructure capital expenditure could reach $31.6 trillion through 2050, with annual spending rising from about $800 billion in 2026 to $1.8 trillion in 2050. Recurring chip and server upgrades are expected to drive much of that spending.

OECD의 7월 10일 AI 시장 보고서는 반론을 제시합니다: 2024년 1월부터 2026년 4월까지 품질 조정된 AI 모델 가격은 거의 80% 하락했으며, 컴퓨팅, 칩 및 기타 핵심 입력 요소는 여전히 매우 집중되어 있었습니다.

OpenAI는 모델, 소프트웨어 및 실리콘 전반의 tighter 통합이 이러한 집중을 효율성 우위로 전환할 것이라고 확신합니다. 만약 성공한다면, 완료된 작업당 비용이 토큰 가격보다 더 중요해질 수 있으며, AI를 풀스택 플레이어로 밀어붙이는 또 다른 힘이 될 수 있습니다.