Anthropic은 컴퓨팅 비용으로 인건비의 2.3배를 지출한다

최근 AI 업계에서는 모델의 파라미터를 늘리고 학습 데이터를 확장하기 위해 수조 원 단위의 투자가 이뤄지고 있다. Anthropic은 2026년 컴퓨팅 비용으로 인건비의 2.3배를 지출하는 인프라 중심의 비용 구조를 가진다.

2026년 기준 Anthropic은 약 5,000명의 직원과 함께 추론 및 학습 비용으로 총 100억 달러를 지출할 계획이다. 이를 직원 1인당 수치로 환산하면 연간 약 200만 달러의 컴퓨팅 비용을 사용하는 셈이다. 직원 급여 총액보다 컴퓨팅 자원 확보와 운영 비용이 두 배 이상 많은 구조다.

OpenAI의 GPT-4 클래스 입력 가격은 2023년 3월 출시 당시 100만 토큰당 30달러였으나, 2026년까지 3달러 미만으로 하락하며 매년 약 10배씩 가격이 낮아지고 있다. 인프라 지출 규모는 커지지만, 모델 사용 단위 비용은 빠르게 낮아지는 흐름이 동시에 진행된다.

일반 기업과 프런티어 AI 기업의 지출 격차

상위 1% 기업은 엔지니어 1인당 연간 89,000달러를 AI에 지출하며 투자하고 있다. 반면 중앙값(median)에 해당하는 일반 기업의 지출액은 연간 137달러에 불과하다. 프런티어 기업의 지출 규모와 상위 1% 기업의 0.4배 수준인 지출을 비교하면, 일반 기업의 AI 지출은 매우 낮은 수준으로 격차가 크다.

이러한 비용 장벽을 낮추는 핵심 변수는 오픈 웨이트(Open-weight) 모델의 등장이다. DeepSeek-V3와 같은 최신 오픈 웨이트 모델들은 선도적인 독점 모델 API 비용의 1/10에서 1/30 수준으로 비용을 낮추며 시장에 진입했다. 성능은 프런티어급 벤치마크를 구현해 독점 모델과 유사한 성능을 제공한다. 저비용으로 최상위 AI 성능을 활용할 수 있는 경로가 확보되면서 기업들의 AI 인프라 비용 산정 기준이 바뀌고 있다.

비용 효율화와 함께 AI 모델의 수익 창출 능력 또한 구체화되고 있다.

인당 매출 성장과 에이전트 기반의 토큰 소비 증가

Anthropic은 직원 1인당 약 1,400만 달러의 매출을 생성하고 있으며, OpenAI는 약 650만 달러를 기록하고 있다. 두 기업은 Forbes Global 2000 기업 리스트 내에서 직원 1인당 매출이 가장 높은 기업으로 집계됐다. 이는 거대 모델을 개발하고 운영하는 소수 정예 인력이 기존 글로벌 대기업보다 인당 매출 효율이 높음을 보여준다.

2030년까지 토큰 소비량은 현재보다 24배 증가할 전망이다. Goldman Sachs는 AI가 스스로 목표를 설정하고 실행하는 에이전트 기반 워크플로우가 확산되면서, 채팅 중심의 사용 패턴보다 더 많은 토큰이 소비될 것이라고 예측했다. 에이전트 방식은 과업 완수를 위해 내부적으로 수많은 추론과 반복 과정을 거치기 때문이다.

이러한 토큰 소비 증가는 기업의 AI 운영 비용 구조를 바꾼다. 에이전트 기반 업무 자동화를 도입하려는 기업은 기존 채팅 인터페이스 기준의 비용 산정 방식을 적용할 수 없다. Goldman Sachs가 제시한 24배의 소비 증가 전망치는 미래 AI 인프라 비용 모델링의 기준이 된다. 에이전트 워크플로우 확산 속도에 맞춘 인프라 비용 최적화 전략이 필수적이다.

앤스로픽은 2026년 컴퓨팅 비용으로 인건비의 2.3배를 지출하며 직원 1인당 연간 약 200만 달러를 투입한다. 이는 상위 1% 기업의 8만 9천 달러, 일반 기업의 137달러와 극명한 대조를 이루는 수치다.

에이전트 워크플로우 도입 시 토큰 소비량이 24배까지 급증할 수 있다는 점을 미래 인프라 비용 모델링의 기준으로 삼아야 한다. 단순한 도구 구독을 넘어 인프라 비용의 기하급수적 증가를 감당할 수 있는 설계 능력이 AI 경쟁력을 결정한다.