라마를 만드는 회사가 남의 모델을 매주 수조 토큰씩 쓰고 있어

8월 20일 블룸버그가 보도한 내용은 겉보기에 단순해. 메타플랫폼스가 마이크로소프트 애저를 통해 AI 모델에 접근하는 데 연간 수억 달러를 쓰고 있고, 그 규모가 마이크로소프트의 최대 AI 고객 중 하나에 해당한다는 거야.

숫자 하나가 규모를 보여줘. 메타는 이 경로로 매주 수조 개(trillions) 토큰을 소비해. 주 단위로 조 단위 토큰이면 실험적 사용이 아니라 생산 워크로드야.

이게 왜 뉴스가 되냐면, 메타가 어떤 회사인지 때문이야. 메타는 라마 시리즈로 오픈웨이트 모델 진영을 이끌어온 회사고, 슈퍼인텔리전스랩을 세워 최상위 모델 개발에 대규모로 투자하고 있고, 자체 클라우드 사업까지 구상 중이라고 알려져 있어. 그런 회사가 경쟁사의 클라우드에서 남의 모델을 빌려 쓰는 데 연간 수억 달러를 쓰고 있다는 거지.

블룸버그는 이걸 AI 업계의 순환 거래(circular business dealings) 맥락에서 짚었어. 최근 AI 인프라 계약들이 반복적으로 받는 지적이기도 해. 서로가 서로의 고객이자 경쟁자인 관계가 겹겹이 쌓이면서 실제 수요와 내부 거래를 구분하기 어려워지는 구조 말이야.

애저 파운드리라는 무대

애저 AI 파운드리는 마이크로소프트가 운영하는 AI 모델 마켓플레이스야. 여기서 OpenAI 모델을 비롯한 여러 모델을 API로 제공하고, 기업은 자기 애저 계약 안에서 골라 쓸 수 있어. 7월 기준 파운드리의 고객 수는 10만 곳으로 알려져 있어.

그 10만 고객 중 지출 상위권 명단이 흥미로워. 보도에 따르면 바이트댄스가 대체로 최대 지출처였고, 여기에 메타가 최상위권으로 합류했어. 그 외 대형 고객으로 어도비, 퍼플렉시티, 시에라가 거론돼.

이 명단을 보면 파운드리의 성격이 드러나. 여기 있는 회사들은 대부분 AI를 쓰는 기업이 아니라 AI로 제품을 만드는 기업이야. 바이트댄스는 자체 모델을 갖고 있고, 어도비도 파이어플라이가 있고, 퍼플렉시티와 시에라는 AI 제품 회사야. 즉 자체 AI 역량이 있는 회사들이 동시에 남의 모델을 대량으로 사고 있어.

메타가 파운드리를 쓰는 용도도 구체적으로 언급됐어. 사내 소프트웨어 개발 지원, 그리고 파운드리의 OpenAI 모델로 자사 모델 출력을 평가하는 작업이야. 이 두 번째가 특히 눈에 띄어. 자기 모델이 잘하고 있는지를 재기 위해 경쟁사 모델을 심판으로 쓰는 거거든.

한 가지 맥락을 더해야 해. 마이크로소프트 전체 AI 매출에서 **OpenAI가 약 70%**를 차지하는 것으로 알려져 있어. 즉 파운드리의 나머지 고객들을 다 합쳐도 OpenAI 하나보다 작다는 뜻이야. 메타가 "최대 고객 중 하나"라는 표현은 그 나머지 30% 안에서의 순위로 읽는 게 정확해.

왜 자기 모델을 두고 남의 모델을 사는가

이 질문에 답이 여러 개 있어.

첫째, 모델마다 잘하는 게 다르기 때문이야. 라마 계열이 강한 영역이 있고 OpenAI 모델이 강한 영역이 따로 있어. 사내 개발자가 코딩 보조로 쓰는 도구라면 그 시점에 가장 잘 작동하는 모델을 쓰는 게 합리적이지, 회사 소속을 따질 이유가 없어. 제품에 넣는 모델과 사내에서 쓰는 도구는 다른 결정이야.

둘째, 평가에는 독립적인 기준이 필요해. 자기 모델의 출력을 자기 모델로 평가하면 같은 편향이 그대로 반영돼. 다른 계열의 모델을 심판으로 쓰면 그 편향에서 어느 정도 벗어날 수 있어. 이건 실무에서 널리 쓰이는 방법이고, 메타가 특별히 이상한 일을 하는 게 아니야.

셋째, 자체 인프라는 학습에 우선 배정돼. 메타가 보유한 GPU는 차세대 모델 학습에 들어가야 해. 사내 도구나 평가 작업 같은 부수적 추론 워크로드에 그 자원을 쓰면 학습 일정이 밀려. 그럴 바에는 외부에서 사는 게 총비용에서 유리해. 클라우드가 원래 존재하는 이유이기도 하고.

넷째, 조달 속도야. 대기업의 AI 도입에서 실제 병목은 기술이 아니라 계약과 승인 절차인 경우가 많아. 내부에서 서빙 인프라를 새로 구성하는 것보다 이미 계약이 있는 클라우드에서 API를 켜는 게 훨씬 빨라. 대기업에서 이 속도 차이는 몇 달 단위야.

여기에 잘 드러나지 않는 다섯째 이유도 있어. 경쟁 모델을 실제로 써봐야 자기 모델의 위치를 안다는 거야. 벤치마크 점수는 실사용 품질을 다 담지 못해. 사내 개발자 수백 명이 매일 경쟁사 모델을 쓰면서 남기는 피드백은 어떤 벤치마크보다 구체적인 정보야. 연간 수억 달러 중 일부는 그 정보에 대한 값으로 볼 수도 있어.

각자가 챙기는 것

항목 내용
보도 Bloomberg, 2026년 8월 20일
메타 지출 애저를 통한 AI 모델 접근에 연간 수억 달러
사용량 주당 수조 개 토큰
경로 애저 AI 파운드리
파운드리 고객 수 약 10만 곳 (7월 기준)
최상위 지출 고객 바이트댄스, 메타, 어도비, 퍼플렉시티, 시에라 등
MS 전체 AI 매출 내 OpenAI 비중 약 70%
메타 용도 사내 소프트웨어 개발, 자사 모델 출력 평가

마이크로소프트가 챙기는 건 매출의 다변화야. 한 파트너에 매출이 몰린 구조는 그 파트너와의 관계가 흔들릴 때 그대로 위험이 되거든. AI 매출의 70%가 한 파트너에서 나오는 구조는 강점이자 위험이야. 메타·바이트댄스·어도비 같은 대형 고객이 나머지를 두껍게 채워주면 그 의존도가 낮아져. 게다가 이 고객들은 자체 AI 역량이 있는 회사들이라, 이들이 파운드리를 계속 쓴다는 사실 자체가 플랫폼의 품질에 대한 신호로 작동해.

메타가 챙기는 건 속도와 유연성이야. 필요한 시점에 필요한 만큼만 쓰고, 더 나은 모델이 나오면 바로 갈아탈 수 있어. 자체 인프라를 학습에 집중시키면서 부수 워크로드는 외부에서 조달하는 건 자원 배분 관점에서 합리적이야. 다만 이 선택에는 대가가 있어. 연간 수억 달러는 그대로 경쟁사 매출로 잡히고, 사내 워크플로가 외부 API에 익숙해질수록 나중에 자체 모델로 되돌리는 전환 비용이 커져.

OpenAI에게는 미묘한 소식이야. 매출과 경쟁 사이에 낀 상황이거든. 자기 모델이 애저를 통해 팔린다는 건 매출이지만, 그 구매자가 라마를 만드는 회사이고 용도 중 하나가 라마 평가라는 건 다른 이야기야. 경쟁 모델의 성능 개선에 자기 모델이 기여하는 구조니까.

어도비·퍼플렉시티 같은 다른 대형 고객들의 존재도 이 이야기의 일부야. 이들은 각자 자체 AI 자산을 갖고 있으면서 동시에 파운드리에서 대량으로 사고 있어. 즉 "자체 모델이 있으니 외부 모델은 안 산다"는 가정 자체가 업계에서 성립하지 않는다는 걸 보여줘. 멀티모델 운영은 예외가 아니라 기본값에 가까워지고 있어.

클라우드 3사 전체로 보면 이 뉴스는 마켓플레이스 전략의 유효성을 보여줘. 자기 모델만 파는 대신 모든 모델을 파는 창구가 되면, 경쟁사의 고객까지 자기 클라우드 매출로 끌어올 수 있어. 구글이 8월 21일 xAI의 그록 4.6을 버텍스AI에 올린 것도 같은 논리 위에 있어.

수치의 정밀도에 대해서도 한마디 필요해. "연간 수억 달러"와 "주당 수조 개 토큰"은 모두 범위 표현이고, 메타와 마이크로소프트 어느 쪽도 공식 확인한 숫자가 아니야. 블룸버그 보도에 근거한 추정치로 읽어야 해. 특히 토큰 단가가 모델과 구간에 따라 크게 다르기 때문에, 토큰 수와 지출액을 곱셈으로 연결해 검산하는 건 위험해. 이 보도에서 확실한 건 정확한 금액이 아니라 메타가 파운드리의 최상위 고객군에 들어갔다는 사실 자체야.

이런 관계가 처음은 아니야

기술 산업에서 경쟁사가 동시에 최대 고객인 관계는 오래된 패턴이야.

가장 유명한 사례가 삼성과 애플이야. 두 회사는 스마트폰 시장에서 정면으로 싸우면서, 동시에 삼성은 애플에 디스플레이와 메모리를 공급하는 최대 협력사 중 하나였어. 법정에서 특허 소송을 벌이는 동안에도 부품 공급 계약은 유지됐지. 이 관계가 오래 작동한 이유는 각자가 상대에게서 얻는 게 명확했기 때문이야. 애플은 최고 품질의 부품이 필요했고, 삼성은 대량 물량이 필요했어.

넷플릭스와 AWS도 자주 인용돼. 아마존이 프라임 비디오로 넷플릭스와 경쟁하는 동안, 넷플릭스는 AWS의 대형 고객으로 남아 있었어. 넷플릭스의 판단은 인프라를 직접 짓는 비용보다 AWS를 쓰는 비용이 낮고, 그 차액을 콘텐츠에 쓰는 게 이긴다는 거였어. 결과적으로 그 판단은 맞았지만, 아마존에 매년 큰돈을 낸 것도 사실이야.

실패에 가까운 사례도 있어. 2010년대 초 여러 기업이 경쟁사 플랫폼 위에 서비스를 올렸다가, 플랫폼 소유자가 정책이나 가격을 바꾸면서 사업이 흔들린 경우들이야. 소셜 플랫폼 API에 의존했던 앱들의 대량 폐업이 대표적이지. 교훈은 명확해. 경쟁사 인프라 위에 있을 때 가장 큰 위험은 가격이 아니라 정책 변경 권한이 상대에게 있다는 것이야.

또 하나 참고할 사례는 애플과 구글의 검색 계약이야. 두 회사는 여러 영역에서 경쟁하면서도 사파리 기본 검색엔진 계약을 오래 유지했어. 규모가 커질수록 이런 관계는 규제 당국의 관심 대상이 되기도 해. AI 업계에서도 대형 사업자 간 거래가 커지면 비슷한 검토가 따라붙을 가능성이 있어.

메타의 경우 이 위험은 상대적으로 낮아 보여. 사용처가 사내 도구와 평가라서 제품의 핵심 경로에 걸려 있지 않고, 언제든 다른 클라우드나 자체 인프라로 옮길 수 있는 종류의 워크로드거든. 하지만 규모가 커질수록 그 전제는 검증이 필요해져.

파운드리 고객 10만 곳이라는 숫자도 함께 읽어야 해. 그중 상위 몇 곳이 지출의 큰 부분을 차지하는 구조라면, 이 플랫폼의 매출은 고객 수보다 소수 대형 고객에 좌우돼. 클라우드 사업에서 흔한 형태이긴 하지만, 그 대형 고객들이 하나같이 자체 AI 역량을 갖춘 회사라는 점이 이 경우의 특징이야. 자체 모델이 충분히 좋아지거나 자체 인프라가 갖춰지면 언제든 물량을 거둬들일 수 있는 고객들이거든. 매출 규모보다 그 매출의 지속성을 따져봐야 하는 이유야.

경쟁 구도는 어떻게 움직일까

아마존과 구글은 같은 전략으로 대응해. 어느 쪽도 자기 모델만 파는 노선을 택하지 않았어. 베드록과 버텍스AI 모두 여러 공급사의 모델을 진열하는 마켓플레이스고, 대형 AI 기업을 고객으로 유치하려는 경쟁이 붙어 있어. 메타처럼 자체 모델을 가진 회사도 결국 어딘가에서 외부 모델을 사야 한다면, 그 계약을 누가 가져가느냐가 클라우드 점유율 경쟁의 한 축이 돼.

메타 자체의 클라우드 구상도 변수야. 메타가 자체 클라우드 사업을 준비한다는 관측이 이어져 왔는데, 지금 애저에 내는 돈은 그 사업의 필요성을 보여주는 근거가 되기도 해. 자기가 쓰는 물량만으로도 규모가 나온다면 내부화 논리가 성립하거든. 다만 클라우드 사업은 인프라만으로 되는 게 아니라 운영과 지원, 생태계가 필요해서 진입이 쉽지 않아.

OpenAI의 입장에서는 애저를 통한 유통이 매출과 통제의 맞교환이야. 마이크로소프트가 판매 채널을 쥐고 있으면 도달 범위는 넓어지지만 고객 관계는 간접적이 돼. OpenAI가 자체 API와 엔터프라이즈 영업을 계속 강화하는 이유가 여기 있어.

메타의 오픈웨이트 전략에도 영향이 갈 수 있어. 라마를 공개하는 전략의 논거 중 하나가 생태계를 넓혀 사실상의 표준을 만든다는 거였는데, 정작 메타 자신이 사내에서 다른 모델을 대량으로 쓰고 있다면 그 논거의 설득력이 약해져. 오픈웨이트 진영에서 메타의 상대적 위치가 Qwen 계열에 밀렸다는 지표들과 겹쳐 읽으면, 이 보도는 메타의 AI 전략 전반이 재조정 중이라는 신호로도 볼 수 있어.

중국 모델 진영은 이 구도에서 다른 경로를 타. 오픈웨이트로 배포하면 애저나 베드록 같은 관문을 거치지 않고도 확산될 수 있어. 다만 대기업의 조달 절차에서는 여전히 승인된 클라우드를 통한 접근이 압도적으로 편해서, 마켓플레이스 등재 여부가 기업 매출을 크게 좌우해.

그래서 뭐가 달라지는데

AI 인프라를 설계하는 입장이라면 메타의 선택에서 가져갈 원칙이 하나 있어. 학습과 추론을 같은 자원 풀에서 다투게 하지 말 것. 자체 GPU는 학습처럼 대체 불가능한 작업에 배정하고, 사내 도구나 평가처럼 대체 가능한 추론은 외부에서 사는 게 총비용에서 유리한 경우가 많아. 이건 회사 규모와 무관하게 적용되는 판단이야.

모델을 평가하는 팀이라면 다른 계열의 모델을 심판으로 쓰는 방식을 검토해볼 만해. 자기 모델로 자기 모델을 평가하면 같은 약점이 그대로 통과돼. 다만 심판 모델도 편향이 있으니 사람 검토를 완전히 대체하지는 못해.

클라우드 계약을 협상한다면 이 보도는 그대로 협상 카드가 돼. 이 보도가 협상 재료가 돼. 대형 AI 고객이 파운드리 같은 마켓플레이스에 몰린다는 건 클라우드 사업자들이 그 매출을 원한다는 뜻이야. 여러 모델에 접근할 수 있는 조건과 사용량 기반 할인을 함께 요구할 여지가 있어.

투자자라면 확인할 지점은 AI 매출의 구성이야. 마이크로소프트 AI 매출의 70%가 OpenAI에서 나온다는 건 집중 위험이고, 메타·바이트댄스 같은 대형 고객이 그 비중을 얼마나 희석하는지가 매출 품질을 가려. 동시에 이런 순환 거래가 늘어날수록 진짜 외부 수요와 업계 내부 거래를 구분하는 게 어려워진다는 점도 감안해야 해.

스타트업을 운영한다면 여기서 얻을 실용적 교훈은 자체 개발과 구매의 경계선이야. 메타 정도 규모의 회사도 모든 걸 내재화하지 않아. 자체 개발할 것은 제품의 차별화에 직결되는 부분으로 좁히고, 나머지는 사는 게 대부분의 경우 옳아. 이 판단을 규모가 커진 뒤에 하는 것보다 초기에 정해두는 게 나중에 전환 비용을 줄여.

AI 업계를 보는 입장이라면 이 보도의 함의는 자립의 한계야. 자체 모델을 만드는 회사조차 실무에서는 여러 모델을 섞어 쓰고 있어. 단일 모델로 모든 작업을 커버한다는 그림은 현실에서 잘 성립하지 않고, 앞으로도 멀티모델 운영이 기본값이 될 가능성이 높아.

정리하면 이번 보도의 요점은 셋이야. 자체 모델을 만드는 대형 기업도 실무에서는 외부 모델을 대량으로 구매한다는 것, 그 구매가 애저 파운드리 같은 마켓플레이스로 집중되면서 클라우드 사업자의 새 매출 축이 되고 있다는 것, 그리고 이런 상호 거래가 늘어날수록 AI 매출 지표에서 외부 수요와 업계 내부 순환을 구분하기 어려워진다는 것. 세 번째가 앞으로 실적을 읽을 때 가장 주의해야 할 부분이야.

🥄 남은 궁금증 세 가지

— 메타가 자기 모델을 못 믿는다는 거야? 그렇게 읽을 필요는 없어. 사내 개발 도구와 제품에 들어가는 모델은 다른 결정이고, 평가에 다른 계열 모델을 쓰는 건 편향을 줄이는 표준적인 방법이야. 다만 라마가 모든 작업에서 최선이었다면 굳이 연간 수억 달러를 쓸 이유가 없다는 것도 사실이야. 영역별로 강약이 갈린다는 정도로 읽는 게 정확해.

— 마이크로소프트한테 좋은 소식이야? 매출 관점에서는 좋아. AI 매출의 70%가 OpenAI 한 곳에서 나오는 구조가 조금씩 희석되니까. 다만 순환 거래 비중이 커진다는 지적도 함께 붙어. 업계 안에서 서로 사고파는 매출과 업계 밖에서 들어오는 매출은 지속성이 다르고, 그 구분이 흐려지는 게 지금 AI 매출 지표를 읽기 어렵게 만드는 이유야.

— 메타가 자체 클라우드를 만들면 이 지출은 사라져? 일부는 그럴 수 있지만 전부는 아닐 거야. 자체 클라우드를 지어도 OpenAI 모델을 쓰려면 어차피 어딘가에서 사야 해. 자체화로 줄어드는 건 인프라 비용이지 모델 사용료가 아니야. 그리고 클라우드 사업은 서버를 사는 것과 다른 일이라, 그 전환 자체가 몇 년짜리 과제야.

참고 자료

수치는 발표 시점 기준이라 바뀔 수 있어.