가트너 생성형 AI 추론 비용 시나리오 전망(2026.03) /그래프=가트너 제공
향후 5년 내 거대언어모델(LLM) 추론 비용이 절반 가까이 낮아질 것이라는 전망이 나왔다. 고도화된 AI 기능으로 더 많은 토큰을 사용하게 되면서 전체적인 비용은 증가할 것이라는 분석도 나온다.
글로벌 시장조사업체 가트너는 2030년까지 1조개(1000B) 파라미터를 가진 LLM의 추론 비용이 2025년 대비 90% 이상 감소할 것이라고 30일 전망했다. AI 토큰은 생성형 AI 모델이 처리하는 기본 데이터 단위다. 이번 분석에서는 1토큰을 약 4글자(약 3.5바이트)로 보고 계산했다.
비용 절감 배경으로는 ▲반도체 및 인프라 효율성 개선 ▲모델 설계 혁신 ▲칩 활용도 증가 ▲추론 특화 반도체 확대 ▲특정 활용 사례에서의 엣지 디바이스 적용 확대 등을 꼽았다. 이런 흐름 속에 2030년 LLM의 비용 효율성이 2022년 초기와 비교해 동일 규모 모델 대비 최대 100배까지 개선될 것으로 내다봤다.
가트너는 이번 전망에서 최첨단 반도체 기반 모델 처리 방식의 프런티어 시나리오와 다양한 기존 반도체를 혼합 활용하는 레거시 혼합 시나리오를 기반으로 비용을 분석했다. 그 결과 혼합 시나리오는 연산 성능이 상대적으로 낮아 프런티어 시나리오 대비 비용이 상당히 높은 것으로 나타났다.
다만 가트너는 토큰 단가 하락이 기업의 AI 비용 절감으로 직결되지는 않을 것이라고 분석했다. 토큰 사용량 증가 속도가 더 빨라 전체 추론 비용은 오히려 증가할 것이라는 설명이다. 이는 고도화된 AI 기능이 더 많은 토큰을 요구하는 구조적 특성에 기반한 추론이다. 예컨대 AI에이전트는 기존 챗봇 대비 작업당 5배에서 최대 30배 더 많은 토큰을 필요로 한다.
윌 소머 가트너 시니어 디렉터 애널리스트는 "기본적인 AI 기능은 사실상 제로 비용에 가까워지고 있지만 고급 추론을 뒷받침하는 컴퓨팅 자원과 시스템은 여전히 희소하다"고 전했다. 그러면서 "현재 저렴한 토큰 비용으로 아키텍처 비효율을 가리는 기업은 향후 에이전트 기반 AI 확장 단계에서 한계에 직면하게 될 것"이라고 분석했다.
가트너는 향후 다양한 모델 포트폴리오 전반에서 워크로드를 효율적으로 오케스트레이션할 수 있는 플랫폼에 가치가 집중될 것으로 전망했다. 반복적이고 빈도가 높은 업무는 보다 효율적인 소형 모델이나 도메인 특화 언어 모델로 처리해야 하고, 이러한 모델은 특정 워크플로에 맞게 활용될 경우 범용 모델 대비 훨씬 낮은 비용으로 더 나은 성능을 제공할 수 있다고 부연했다.
반면 비용이 높은 프런티어급 모델의 추론은 엄격히 제한해 고부가가치의 복잡한 추론 작업에만 선택적으로 활용해야 한다고 제언했다.
임경호 기자 lim@techm.kr
댓글
0