# 파이어웍스 창업자가 보는 오픈 모델의 경제학: 비용 10분의 1, 사용량 100배 전망

> 2026-07-20 · 20VC · 큐레이션 김태우
> https://challengekim.com/insights/파이어웍스-창업자가-보는-오픈-모델의-경제학-비용-10분의-1-사용량-100배-전망
> 원문: https://www.youtube.com/watch?v=PCAiqKCfRSk

## 핵심 요약

- 파이어웍스 창업자는 기업의 비공개 데이터와 업무 방식에 맞춘 **특화 모델**이 범용 모델과 다른 가치를 만든다고 주장했다.
- 오픈 모델은 가중치를 확보해 기업이 직접 조정할 수 있다. 다만 모델을 무료로 확보하더라도 운영과 최적화에는 비용이 든다.
- 그는 향후 3년간 AI 사용 비용이 10분의 1로 낮아지고 사용량은 100배 늘 수 있다고 전망했다. 이는 실적이 아니라 예측이다.
- 비용은 토큰 한 개의 가격뿐 아니라 작업을 끝내는 데 필요한 토큰 수로 평가해야 한다고 강조했다.

## 기업 데이터가 특화 모델의 출발점이다

파이어웍스 창업자는 범용 모델의 학습에 쓰이는 공개 인터넷 자료와 달리, 기업의 많은 데이터가 애플리케이션과 내부 시스템에 남아 있다고 설명했다. 기업 고유의 지식, 제품 설계, 이용자와의 상호작용은 외부 모델 제공사가 그대로 학습할 수 없다는 것이 그의 주장이다. 그는 기업이 이 데이터를 활용해 특정 업무에 맞는 AI를 만드는 데 기회가 있다고 봤다.

그는 범용 모델을 전력 공급망에 비유했다. 여러 제품의 기반이 되지만, 각각의 제품이 하는 일까지 대신하지는 않는다는 뜻이다. 기업마다 판단 기준과 고객이 다르므로 하나의 모델이 모든 업무에 가장 적합할 것이라는 관점에도 동의하지 않았다. 다만 이는 미래 AI 시장에 대한 창업자의 견해다.

## 오픈 모델은 기업에 조정 권한을 준다

파이어웍스는 창업 초기 자체 모델을 만들지, 공개된 모델을 토대로 사업을 구축할지 논의한 끝에 후자를 택했다. 창업자는 오픈 모델이 공개되면 이용자가 모델의 가중치를 확보해 용도에 맞게 바꿀 수 있다는 점을 핵심 이유로 들었다. 그는 최근 2년간 오픈 모델과 비공개 모델 모두 품질이 높아졌고, 소량의 기업 고유 데이터로 모델을 조정하기도 쉬워졌다고 평가했다.

파이어웍스는 채용 후보 탐색과 피드백 수집, 일부 재무 업무, 코드 디버깅에 오픈 모델을 사용한다고 밝혔다. 창업자에 따르면 현재 파이어웍스가 하루 처리하는 토큰은 40조 개를 넘으며, 그중 다수는 범용 모델을 그대로 제공하는 방식이 아니라 고객에 맞게 조정한 모델에서 나온다. 파이어웍스는 모델을 조정한 뒤에도 고객 업무의 품질, 속도, 비용에 맞춰 배포 방식을 최적화한다고 설명했다.

## 가격보다 작업당 비용을 봐야 한다

창업자는 AI 제품에 고객 수요가 있어도 사용량이 늘수록 추론 비용이 커져 사업을 확장하기 어려울 수 있다고 지적했다. 기존 서비스가 넓은 고객층에 AI 기능을 적용할 때도 비용 부담이 문제가 된다는 설명이다. 그는 오픈 모델의 통제권이 이런 비용을 조정할 수 있는 수단이라고 봤다. 다만 오픈 모델을 확보하는 데 드는 비용과 이를 실제로 운영하는 비용은 구분해야 한다.

모델 A의 토큰 가격이 모델 B보다 절반이어도 같은 작업에 토큰을 두 배 쓴다면 작업당 비용은 같다는 것이 그의 예시다. 그는 업무에 맞춘 모델 조정으로 필요한 토큰 수를 줄이고, 추론 시스템과 하부 인프라를 개선해 토큰 처리 비용도 낮출 수 있다고 설명했다. GPU와 메모리 등의 공급 제약은 당장 1년에서 1년 반 사이에 크게 바뀌기 어렵지만, 2\~3년의 더 긴 기간에는 완화될 것으로 예상했다. **3년 내 비용 10분의 1과 사용량 100배**라는 수치는 이 변화들을 합친 그의 전망이다.

## 모델을 고르는 방식도 기업마다 달라진다

창업자는 복잡한 판단에는 비용이 높은 고성능 모델을, 작은 하위 작업에는 더 작은 오픈 모델을 쓰는 방식을 설명했다. 어떤 작업을 어느 모델로 보낼지 결정하는 ‘라우팅’ 자체가 기업의 경쟁력이 될 수 있다는 견해다. 그는 모델 조정과 라우팅이 자동화될 가능성도 제시했지만, 현재는 기업이 그런 체계를 직접 만들거나 외부 서비스를 이용하는 단계라고 말했다.

코딩 도구 기업 커서와의 협업은 특화된 시스템이 필요한 사례로 제시됐다. 창업자에 따르면 파이어웍스와 커서는 강화학습 과정에서 모델 가중치를 바꾸는 학습 부분과 새 모델을 실행해 평가 결과를 얻는 부분을 분리했다. 여러 데이터센터 지역에 흩어진 GPU를 활용하면서도 최신 가중치를 빠르게 전달해야 평가 결과가 지나치게 낡지 않기 때문이다. 그는 이를 비싼 단일 GPU 집합에만 의존하지 않고 대규모 작업을 수행하기 위한 설계라고 설명했다.

## 인프라를 직접 소유할 시점은 따로 있다

창업자는 파이어웍스가 애플리케이션 사업에는 진출하지 않겠다고 밝혔다. 데이터센터 구축은 가능성을 열어뒀지만 시점의 문제로 봤고, 자체 칩 개발에는 더 신중한 입장을 보였다. 특정 업무에 맞춘 칩은 사용량이 충분하고 업무 형태가 안정돼야 경제성이 생긴다는 판단이다. 칩 설계를 확정한 뒤에는 바꾸는 데 큰 비용이 들지만, 현재 AI 애플리케이션과 모델 조정 방식은 계속 변하고 있다고 설명했다.

수익성에서도 그는 성장과 매출총이익률을 함께 고려해야 한다고 말했다. 새로운 지역과 용도에 제품을 확장하는 동안 이익률만 높이려 하면 성장 속도가 느려질 수 있다는 것이다. 반대로 제품과 시스템이 충분히 자리 잡고 대규모로 쓰일 때는 최적화의 경제적 효과가 커진다고 봤다.

창업자의 주장은 모든 기업이 처음부터 자체 모델이나 데이터센터를 만들어야 한다는 뜻은 아니다. 기업이 AI를 실제 서비스에 적용하고 사용량을 늘릴수록, 고유 데이터와 업무에 맞게 모델을 조정하고 비용을 통제할 필요가 커진다는 설명이다.

---

원문을 바탕으로 AI 가 한국어로 요약·재구성한 글입니다. 인용·수치는 원문 링크에서 확인해 주세요. [원문 링크](https://www.youtube.com/watch?v=PCAiqKCfRSk)