키미 K3 출시 48시간 만에 서버가 한계에 달했습니다. 신규 구독이 전면 중단됐다는 공지를 처음 봤을 때, 솔직히 저도 로그인 화면 앞에서 한참 멍하니 있었습니다. 이틀 전까지만 해도 "이거 써볼 만한데"라고 생각했던 서비스가 갑자기 문을 걸어 잠근 셈이었으니까요. 이 사건은 단순한 서버 장애가 아닙니다. 중국 AI의 기술 수준, 반도체 수요의 방향, 그리고 '싸고 좋으면 다 된다'는 믿음이 과연 맞는지를 동시에 묻고 있습니다.
서버 과부하, 제가 직접 겪은 3일간의 기록
저희 팀에서 키미 K3 얘기가 처음 나온 건 막내 사원이 "토큰당 비용이 기존 서비스 대비 훨씬 낮고 성능도 밀리지 않는다"면서 회사 보고서 초안 작업에 써보자고 제안하면서였습니다. 여기서 토큰(token)이란 AI가 텍스트를 처리하는 최소 단위로, 쉽게 말해 AI 사용 요금의 기준이 되는 단어 조각 같은 것입니다. 토큰당 비용이 낮다는 건 같은 작업을 더 저렴하게 돌릴 수 있다는 의미입니다.
처음 이틀은 제가 예상했던 것보다 훨씬 반응이 빨랐고, 결과물 품질도 꽤 그럴듯했습니다. 아티피셜 애널리시스(Artificial Analysis)의 벤치마크 분석을 보면 키미 K3는 클로드(Claude)나 챗GPT(ChatGPT)와 어깨를 나란히 하는 성능 수치를 보여줬는데(출처: Artificial Analysis), 제가 직접 써봤을 때도 그 평가가 빈말이 아니라는 느낌이었습니다.
그런데 사흘째 되던 날, 로그인 화면에 뜬 공지가 모든 걸 바꿨습니다. 문샷 AI(Moonshot AI)는 "지난 48시간 동안 사용자 요청량이 예상치를 크게 초과해 클러스터 수용 한계에 임박했다"라고 밝히며 일반 신규 구독을 잠정 중단한다고 공지했습니다. 여기서 클러스터(cluster)란 AI 연산을 처리하는 서버 집합체를 뜻하는데, 쉽게 말해 요리사는 많은데 주방 공간이 모자란 상태가 된 겁니다.
저는 20년 넘게 금융권에서 일해왔는데, 이런 상황을 볼 때마다 느끼는 게 있습니다. 저렴하고 좋아 보이는 것일수록 그 뒤에 숨겨진 인프라 여력을 반드시 따져봐야 한다는 겁니다. 이번에도 딱 그 케이스였습니다.
제본스의 역설, AI 시장에서 다시 증명되다
이번 사태를 두고 저는 곧장 제본스의 역설(Jevons Paradox)이 떠올랐습니다. 제본스의 역설이란 19세기 경제학자 윌리엄 스탠리 제본스가 제시한 개념으로, 에너지 효율이 높아지면 오히려 에너지 소비 총량이 늘어난다는 이론입니다. 쉽게 말해 연비 좋은 차가 나오면 사람들이 더 멀리, 더 자주 운전하게 되는 현상입니다.
키미 K3는 초대형 언어 모델(LLM)임에도 토큰당 처리 비용을 파격적으로 낮추는 데 성공했습니다. 여기서 LLM(Large Language Model)이란 방대한 텍스트 데이터를 학습해 사람처럼 언어를 생성·이해하는 AI 모델을 뜻합니다. 비용이 내려가자 전 세계 잠재 수요가 댐이 무너지듯 한꺼번에 몰렸고, 결국 서버가 버티지 못했습니다.
이걸 보고 일각에서는 "효율적인 모델이 나오면 엔비디아(NVIDIA) GPU나 HBM 수요가 줄지 않겠느냐"는 시각도 있는데, 저는 이번 사태가 그 논리를 정면으로 반박하는 사례라고 봅니다. HBM(High Bandwidth Memory)이란 AI 연산 시 대용량 데이터를 초고속으로 처리하기 위한 고대역폭 메모리로, AI 가속기의 핵심 부품입니다. 서비스가 저렴해질수록 사용자는 더 무겁고 복잡한 작업을 대규모로 돌리고 싶어 하고, 그 결과 필요한 반도체 인프라 총량은 오히려 늘어나게 됩니다.
키미 K3는 오픈 소스 기반 모델입니다. 전 세계 기업과 개발자들이 이 모델을 자사 클라우드에 직접 올리기 시작하면, 그 자체가 또 다른 AI 인프라 확장 수요를 만들어냅니다. 제본스의 역설이 AI 섹터에서 다시 한번 입증된 장면이었습니다.
- AI 모델 비용 하락 → 글로벌 사용자 수요 폭발
- 수요 폭발 → 클러스터(서버 인프라) 한계 도달
- 한계 도달 → GPU·HBM 등 반도체 증설 필요
- 결론: 효율화가 오히려 인프라 총수요를 키움
반도체 수요, 이 사건 하나로 판단하면 안 되는 이유
제본스의 역설 논리 자체는 저도 상당히 설득력 있다고 봅니다. 그런데 이 사건 하나를 두고 "중국 AI가 미국을 따라잡았으니 반도체 수요는 걱정 없다"라고 단정 짓는 시각이 있는데, 그건 조금 성급해 보입니다.
서버 과부하는 초기 흥행 열기에 따른 일시적 현상일 수 있습니다. 문샷 AI가 얼마나 빠르게, 어떤 방식으로 컴퓨팅 자원을 증설할지는 아직 확인된 게 없습니다. 제 경험상 이런 이벤트는 매수 신호가 아니라, 구체적인 증설 계획과 관련 기업의 수주 소식을 확인해 가며 판단해야 할 참고 자료 정도로 받아들이는 게 맞습니다.
한편으로는 지정학적 변수도 빠뜨릴 수 없습니다. 세계 인공지능 대회(WAIC)에서 중국 측이 오픈 소스 AI를 개발도상국에 적극 보급하고 관련 국제 표준도 주도하겠다는 의지를 밝혔는데(출처: WAIC 공식 사이트), 이 전략이 실현되려면 중국도 결국 훨씬 많은 반도체가 필요합니다. 미국 역시 이에 대응하기 위한 국가 차원의 AI 인프라 투자를 멈출 수 없는 상황입니다. 양측 모두 수요를 끌어올리는 방향으로 움직이고 있다는 점은 분명합니다.
다만 딥시크(DeepSeek) 때를 돌이켜보면, 당시에도 '중국발 AI 반란'이라는 말이 나왔지만 시간이 지나면서 챗GPT나 제미나이(Gemini)를 실질적으로 대체하지는 못했습니다. 키미 K3가 이번엔 다르다는 평가를 받는 건 사실이지만, 서비스 중단이라는 첫 번째 난관을 어떻게 돌파하는지 지켜본 뒤 판단해도 늦지 않습니다. 제가 금융권에서 오래 일하면서 배운 것 중 하나가, 소문에 사고 뉴스에 파는 건 늘 조심해야 한다는 겁니다.
자주 묻는 질문
Q. 키미 K3가 챗GPT보다 정말 성능이 좋은가요?
A. 아티피셜 애널리시스의 벤치마크 기준으로는 챗GPT, 클로드와 비슷하거나 일부 항목에서 앞선다는 수치가 나왔습니다. 제가 직접 이틀 정도 써본 결과도 실망스럽지는 않았습니다. 다만 벤치마크와 실제 업무 사용 경험이 항상 일치하지는 않으니, 직접 테스트해보고 판단하는 게 좋다고 봅니다.
Q. 키미 K3 서버 중단이 반도체 주가에 바로 영향을 주나요?
A. 주가에는 수많은 변수가 동시에 영향을 주기 때문에 이 사건 하나로 즉각적인 반등을 기대하는 건 무리입니다. 제본스의 역설 논리처럼 장기적으로 인프라 수요를 키울 수 있다는 시각은 타당하지만, 그 흐름이 언제, 어떤 기업의 실적으로 연결될지는 별도로 확인해야 합니다.
Q. 제본스의 역설이 AI 시장에도 적용된다는 근거가 있나요?
A. 이번 키미 K3 사태가 하나의 실증 사례로 거론되고 있습니다. AI 모델 비용이 내려갈수록 사용자가 더 많고 복잡한 작업을 돌리게 되고, 그 결과 전체 인프라 수요가 줄기는커녕 늘어나는 패턴이 반복되고 있기 때문입니다. 딥시크 이후에도 비슷한 논의가 있었고, 키미 K3로 다시 그 논의가 부각된 상황입니다.
Q. 중국 AI를 업무에 써도 보안상 문제가 없나요?
A. 저도 팀 내에서 테스트할 때 이 부분을 먼저 따졌습니다. 회사 내부 문서나 민감한 정보를 직접 입력하는 건 어느 AI 서비스든 신중해야 하지만, 중국 기업 서비스라는 특성상 데이터 처리 정책과 소재지를 추가로 확인하는 게 좋습니다. 공개된 정보나 외부용 초안 작업에 활용하는 수준에서 시작하는 게 현실적이라고 생각합니다.
결론
키미 K3 서버 중단 사태를 정리하면, 이건 단순한 스타트업의 운영 미숙이 아닙니다. 저렴하고 성능 좋은 AI가 등장하면 수요가 폭발하고, 그 수요를 감당하려면 결국 더 많은 반도체와 인프라가 필요하다는 구조가 다시 한번 확인된 사건입니다. 저는 이번 일을 보면서 딥시크 때와 달리 '기술 수준'에서는 중국 AI가 분명히 한 단계 올라섰다는 걸 인정하게 됐습니다.
다만 기술 수준이 올라갔다고 해서 그게 곧 투자 신호가 되는 건 아닙니다. 문샷 AI가 컴퓨팅 자원 증설을 얼마나 빠르게 실행하는지, 그 과정에서 어떤 반도체 기업과 어떤 규모의 계약이 나오는지를 확인하면서 판단하는 게 맞다고 봅니다. 지금 당장은 이번 사건을 하나의 참고 데이터로 삼아 두고, 다음 수주 소식이나 증설 계획 발표를 지켜보는 것을 권합니다.