Sora 종료가 보여준 숫자: 하루 1,500만 달러 비용, 누적 매출 210만 달러

2026년 3월 24일 OpenAI는 Sora 서비스의 공식 종료를 발표했다. 2025년 2월 정식 출시 이후 13개월 만의 종료다. 하루 컴퓨팅 비용 1,500만 달러 대비 서비스 전체 생애 누적 매출 210만 달러라는 극단적인 비용-수익 불균형이 주된 원인으로 지목됐다. Sora의 실패는 단순한 제품 실패가 아니라, AI 영상 생성 서비스라는 카테고리 자체가 현재의 추론 비용 구조 하에서 어떻게 지속 가능성 문제를 내포하는지를 보여준 사례다.

텍스트보다 650배 비싼 이유

텍스트 생성과 이미지 생성에 비해 영상 생성이 구조적으로 훨씬 높은 추론 비용을 갖는 이유는 시간 축의 추가에서 비롯된다. 이미지 생성 모델은 2D 공간(너비×높이)의 픽셀을 처리하지만, 영상 생성 모델은 여기에 시간 차원이 더해진 3D 텐서(너비×높이×프레임)를 처리해야 한다. 10초짜리 24fps 영상을 생성한다면 240개 프레임을 일관성 있게 처리해야 하며, 각 프레임 간 시간적 일관성(temporal consistency)을 유지하기 위한 어텐션 연산이 필요하다. 이 시간 축 어텐션의 연산량은 시퀀스 길이의 제곱에 비례하므로, 영상 길이가 늘어날수록 비용이 기하급수적으로 증가한다.

⤢✕

Sora의 경우 10초 영상 한 편 생성에 NVIDIA H100 GPU 4개가 약 40분 동안 병렬 가동되는 것으로 추산됐다. 당시 H100 렌털 비용 기준 클립 하나당 생성 원가가 약 1.30달러였고, 이것이 누적되어 피크 시점 기준 하루 1,500만 달러의 컴퓨팅 비용이 발생했다.

배치를 늘릴 수 없는 구조

이미지 생성 모델과 달리 영상 생성 모델은 배치 처리 효율이 크게 떨어진다. 이미지 생성에서는 동일한 GPU 메모리 내에서 여러 이미지를 동시에 처리하는 배치 추론이 효율적이지만, 영상 생성에서는 단일 영상 자체가 이미 GPU VRAM을 대부분 점유하기 때문에 배치 크기를 늘리기 어렵다. H100 GPU의 VRAM 용량은 80GB인데, 고화질 영상 생성 모델의 중간 활성화(intermediate activations) 크기는 VRAM 전체를 채우고도 모자랄 수 있어 다수의 GPU에 모델과 중간 상태를 분산 배치하는 텐서 병렬 처리가 불가피하다. 이는 GPU 간 통신 오버헤드를 발생시켜 단일 GPU 대비 선형적 효율 향상을 기대하기 어렵게 만든다. 클라우드 비용 스케일링 관점에서도 문제가 명확하다 — 사용자 수가 늘어날수록 필요한 GPU 클러스터 규모가 선형 이상으로 증가하는 반면, 수익은 고정 구독료에 묶여 있어 규모 경제가 작동하지 않는다.

추론 비용 외에도 Sora는 학습 데이터 저작권 문제라는 구조적 법적 리스크를 안고 있었다. 영상 생성 모델은 대규모 저작권 보호 영상 데이터로 학습되며, 생성된 결과물이 원본 저작물과 유사할 경우 저작권 침해 소송에 노출될 수 있다. Disney와의 협업이 무산된 것도 이 리스크와 관련이 있는 것으로 알려졌다.

많이 쓸수록 손실이 커지는 구독

Sora는 ChatGPT Plus/Pro 구독에 포함된 형태로 제공됐다. 월 20달러의 Plus 구독 또는 월 200달러의 Pro 구독으로 접근할 수 있었지만, 구독 요금은 텍스트 생성 서비스 중심으로 책정된 가격이었다. 영상 생성의 실제 원가를 반영하면 Pro 구독자가 하루에 몇 편의 영상을 생성하는 것만으로 OpenAI는 손실이 발생하는 구조다.

⤢✕

이 구조에서는 Sora를 많이 사용하는 고객일수록 OpenAI에 더 많은 손실을 유발하는 역설이 발생한다. 가격 인상을 통한 수익 개선을 시도하면 사용자 이탈이 가속화되고, 낮은 가격을 유지하면 사용자가 늘수록 손실이 커지는 딜레마였다.

구독 모델의 대안인 사용량 기반 과금(per-use pricing)으로 영상 생성 원가를 정직하게 반영한 가격을 API로 제공하면 이론적으로는 수익성을 확보할 수 있지만, Sora 수준의 원가($1.30/클립)를 반영한 가격은 잠재 고객의 대다수를 배제할 만큼 높다. 경쟁사 Kling AI는 초당 0.07달러, 즉 10초 영상 기준 0.70달러 수준으로 서비스를 제공하며 Sora 종료 후 주간 활성 사용자가 4% 증가해 260만 명에 달했는데, 이 가격은 원가 절감 기술이 있거나 낮은 품질의 모델을 사용하거나 서버 비용이 상대적으로 저렴한 지역에서 운영하는 경우에만 가능하다.

Sora가 시도하지 않은 수익화 경로 중 하나는 엔터테인먼트·광고·미디어 산업을 대상으로 한 B2B 고가치 계약이다. 영화 제작사나 대형 광고 대행사에게 맞춤형 영상 생성 API와 전용 컴퓨팅 자원을 제공하고 그에 상응하는 가격을 청구하는 방식인데, Disney와의 10억 달러 규모 협업 논의가 이 방향의 시도였으나 저작권 우려와 결과물 품질 안정성 문제로 성사되지 못했다. B2B 모델이 성공하려면 기업 고객의 워크플로우에 맞는 API 맞춤화, SLA 보장, 저작권 인증 데이터 학습이 전제되어야 했는데, Sora는 이 기반을 갖추지 못한 채 소비자 서비스를 먼저 출시했다.

요청 하나가 남기는 손익

AI 서비스의 지속 가능성을 판단하는 핵심 지표는 단위 경제성이다. 요청 한 건당 실현 수익(Revenue per Request)이 요청 한 건당 실제 비용(Cost per Request)을 초과해야 서비스가 지속 가능하다. ChatGPT의 경우 요청당 원가는 수 밀리센트 수준이고 구독 수익으로 충분히 커버되지만, Sora의 경우 요청당 원가 1.30달러를 구독 수익으로 커버하려면 Pro 구독자가 한 달에 최대 2~3편의 영상만 생성해야 수익이 맞는데 실제 활성 사용자는 그 이상을 생성했다.

⤢✕

AI 영상 생성 서비스가 지속 가능해지기 위한 기술적 임계점은 어디인가. 업계 전문가들은 10초 영상 생성 원가가 0.10달러 이하로 낮아져야 소비자 서비스로서 현실적인 수익화가 가능하다고 분석한다. 현재 Sora 수준의 원가에서 이 목표까지는 13배 이상의 효율 개선이 필요하다. 가능한 기술적 경로는 증류(distillation)·양자화(quantization)·희소 어텐션(sparse attention) 기법으로 모델 크기와 연산량을 줄이는 모델 경량화, 매 2~3년 주기로 크게 도약하며 단위 연산당 비용이 낮아지는 하드웨어 발전, 현재의 Diffusion Transformer 기반 영상 생성을 더 효율적인 새 아키텍처로 대체하는 비디오 특화 아키텍처 혁신 세 가지다.

종료 이후의 시장

Sora 종료 이후 AI 영상 생성 시장은 더 건강한 경쟁 구도로 재편되고 있다. Kling AI(쾌슈 테크놀로지), Runway Gen-4, Google Veo 3, Vidu 2.0이 각각의 차별화 포인트를 앞세워 경쟁한다. 특히 Google Veo 3는 2026년 초 네이티브 오디오 생성 기능을 도입해 영상과 음향 효과·대화까지 단일 프롬프트로 생성하는 기능을 선보였고, 자체 TPU 인프라와 방대한 유튜브 영상 학습 데이터라는 구조적 이점으로 원가 경쟁력을 확보하기 유리한 위치에 있다. Runway는 전문 프로덕션 워크플로우를 겨냥해 시간적 일관성과 캐릭터 지속성(character persistence) 기능에 집중하며 B2B 고가치 시장을 공략하는 전략을 취하는데, 이는 Sora가 시도하지 못한 수익화 경로다. OpenAI는 Sora 팀의 역량을 로보틱스 연구로 전환하고, 영상 생성보다 낮은 추론 비용으로 높은 가치를 창출할 수 있는 영역에 집중한다는 방향을 밝혔다.

Sora의 실패는 기술적 인상을 남긴 제품이 비즈니스 모델 불일치로 무너지는 사례다. 하루 1,500만 달러의 추론 비용 대비 13개월 누적 매출 210만 달러라는 수치는 AI 영상 생성 서비스의 단위 경제성 문제가 현재 기술 수준에서 얼마나 심각한지를 보여준다. AI 서비스의 지속 가능성은 기술 데모의 인상적인 품질이 아니라, 추론 원가를 현실적인 수익 구조로 커버할 수 있는가에 달려 있다.