Sora 완전 종료 — 영상 생성 AI의 추론 비용 구조와 로보틱스로의 방향 전환

6개월 만에 문 닫은 화제작

OpenAI가 2026년 3월 24일 Sora 서비스 종료를 발표하고 4월 26일 앱·웹 경험을 완전 종료했다. 출시 6개월 만의 일이었다. 수많은 생성 AI 서비스 중 가장 화제를 모았던 영상 생성 모델이 이토록 빠르게 사라진 이면에는 AI 산업이 아직 해결하지 못한 근본적인 경제 구조 문제가 있다. 이 사례는 단순한 제품 실패가 아니라 생성 AI 비즈니스의 지속 가능성을 가늠하는 중요한 리트머스 시험지로 기록될 것이다.

Sora는 2024년 12월 출시 직후 화려한 관심을 받았지만 수익 지표는 냉혹했다. 피크 기준 약 100만 명의 활성 사용자가 서비스 종료 발표 시점에는 50만 명 이하로 감소했고, 앱 내 구매 수익은 서비스 전체 수명 동안 약 210만 달러에 그쳤다. 반면 추론 비용은 하루 약 100만~1,500만 달러(추정치 편차 존재) 수준으로, 수익 대비 비용이 수십 배에 달하는 극단적 불균형 상태가 지속됐다. OpenAI CEO 샘 알트만이 직접 Sora를 종료하고 컴퓨팅 자원을 코딩 도구와 엔터프라이즈 제품으로 재배분하는 결정을 내렸다. API는 2026년 9월 24일까지 유지되지만, 사실상의 생명은 4월 26일에 끝났다.

⤢✕

영상 한 편의 GPU 비용이 텍스트와 다른 이유

텍스트 생성 모델과 달리 영상 생성 모델은 추론 시 극도로 높은 VRAM 사용량을 요구한다. Sora와 같은 Diffusion Transformer(DiT) 기반 모델은 수십억 개의 파라미터를 고해상도 프레임 시퀀스 전체에 걸쳐 처리하기 때문에, 단일 요청 처리에 A100 또는 H100 GPU 다수가 필요하다.

배치 처리 효율도 텍스트 모델에 비해 현저히 낮다. 텍스트 생성은 수백 개의 요청을 동시에 배치로 처리할 수 있지만, 고해상도 영상 생성은 요청 1건이 하나의 GPU 클러스터를 수분 이상 독점한다. 이로 인해 단위 GPU당 처리 가능한 요청 수가 극단적으로 적어지고, 사용자 대기 시간 단축을 위해 GPU를 과다 배치하면 유휴 자원 비율이 높아지는 딜레마가 발생한다.

생성 유형	단위 추론 비용	GPU 점유 시간	배치 병렬성
텍스트(ChatGPT)	~$0.001	수초	수백 요청/GPU
이미지(DALL-E 3)	~$0.04	10-30초	수십 요청/GPU
영상(Sora)	~$0.5-5.0/분	수분	1-2 요청/GPU

영상 생성 AI의 클라우드 스케일링에는 두 가지 상충하는 목표가 있다. 사용자 경험을 위한 지연 시간 최소화는 GPU 과잉 프로비저닝을 요구하고, 비용 절감을 위한 GPU 가동률 최대화는 대기 큐 확장을 수반해 사용자 경험을 저해한다. Sora는 프리미엄 서비스를 표방했기 때문에 전자를 선택할 수밖에 없었고, 이는 유휴 GPU 비용 증가로 직결됐다. 스팟 인스턴스 활용, 지역 간 부하 분산, 추론 캐싱 같은 최적화 기법이 존재하지만, 고해상도 장편 영상의 특성상 캐싱 히트율이 낮고 스팟 인터럽션이 긴 생성 작업을 중단시키는 문제가 있어 효과가 제한적이다.

숫자로 본 지속 불가능성

생성 AI 서비스의 지속 가능성은 단위 경제(unit economics)로 판단된다. 컴퓨팅 비용 커버리지(CCC)는 구독료로 컴퓨팅 비용을 얼마나 상쇄하는가를 보는 지표인데, Sora는 ChatGPT Plus($20/월) 구독에 묶인 서비스였으므로 영상 생성에 할당 가능한 수익이 극히 제한됐다 — 구독자당 영상 생성 컴퓨팅 비용이 월 수십 달러에 달할 때 이 비율은 음수가 된다. LTV/CAC 비율은 고객 생애가치 대비 획득 비용을 보는데, Sora의 사용자 이탈이 빠를수록 이 비율이 악화되고 영상 생성에 집중된 파워 유저는 비용을 극단적으로 올린다. 규모 경제 실현 가능성 측면에서는, 텍스트 모델이 규모가 커질수록 단위 비용이 하락하는 것과 달리 영상 생성은 물리적 렌더링 시간의 하한선이 존재해 GPU 비용이 규모가 커져도 추론 비용의 본질적 구조를 바꾸지 못한다.

Sora의 실패는 영상 생성 AI의 비즈니스 모델이 B2C보다 B2B에 적합함을 시사한다. B2B 시나리오에서는 기업이 명확한 비용-가치 계산을 수행하고 용도별 프리미엄 과금을 수용할 수 있다. 광고 제작, 영화 VFX 프리비즈, 게임 컷씬 프로토타이핑 등은 분당 수십 달러의 생성 비용을 정당화할 수 있다 — Pika, Runway, Kling 등 B2B 중심 플랫폼이 틈새 시장에서 생존하는 이유가 여기에 있다.

⤢✕

Sora가 진짜 배운 것은 영상이 아니라 물리 법칙이었다

Sora 모델이 진정으로 학습한 것은 '세계가 어떻게 움직이는가'였다. OpenAI 공식 기술 문서는 Sora를 "비디오 생성 모델을 세계 시뮬레이터로"라고 정의했다. 물체가 공간을 이동하는 방식, 빛이 굴절되는 패턴, 중력과 관성의 상호작용 — 이 모든 물리 법칙이 대규모 영상 데이터로부터 암묵적으로 학습됐다. 영상 출력은 사실 이 세계 모델의 부산물이었다. Sora 2에서는 물리 시뮬레이션 정확도가 대폭 향상됐다 — 농구공이 백보드를 맞고 튕기는 물리 반응, 유체의 흐름, 충돌 후 변형 등이 실제 물리 법칙에 더 가깝게 구현됐고, 컴퓨팅 규모 확장과 함께 물리 시뮬레이션 능력이 창발적으로 향상되는 현상도 관찰됐다.

2026년 OpenAI는 Sora의 핵심 세계 모델 기술을 로보틱스와 자율 시스템 프로젝트에 통합했다. 로봇이 물리 세계에서 효과적으로 행동하려면 물체의 재질·형태·중력 반응을 예측하는 시각적 사전 지식, 특정 동작이 환경에 가져올 변화를 시뮬레이션하는 행동 결과 예측, "이 방향으로 밀면 어떻게 될까"를 사전에 시뮬레이션하는 반사실적 추론이 필요한데 Sora가 학습한 세계 표현은 이 세 요소를 모두 내포한다. 로봇 제어 정책 학습 시 실제 물리 환경 대신 세계 모델 내 시뮬레이션을 활용하면 데이터 수집 비용과 안전 위험을 동시에 줄일 수 있다.

영상 생성 모델에서 물리 법칙 학습의 핵심 과제는 시간적 일관성이다 — 프레임 간 물체의 정체성, 운동 궤적, 재질 특성이 일관되게 유지되어야 하며, 이는 단순한 이미지 생성과 근본적으로 다른 문제다. Sora 아키텍처는 영상을 3D 패치(공간 2D + 시간 1D)로 분할해 Transformer에 입력하는 시공간 패치 임베딩으로 프레임 간 의존성을 직접 모델링하고, 광학 흐름(optical flow) 정보를 조건으로 주어 물체의 운동 궤적을 유도하는 플로우 컨디셔닝을 쓰며, 단기(인접 프레임)와 장기(전체 클립) 일관성에 각기 다른 가중치를 부여하는 계층적 일관성 손실을 적용해 이를 해결한다.

⤢✕

데모가 아니라 수익 모델이 생존을 결정한다

Sora 종료는 생성 AI 산업 전체에 대한 경고 신호이기도 하다. 화려한 데모와 언론 관심이 비즈니스 지속 가능성을 보장하지 않는다는 사실이 명백해졌다. 고비용 추론 모델의 B2C 서비스는 수익 모델이 선명하지 않으면 수명이 짧을 수밖에 없다. 반면 Sora 모델 자체의 기술적 가치는 소멸되지 않았다 — 물리 AI 세계 모델로서의 잠재력은 로보틱스, 자율주행, 디지털 트윈 등 B2B 고부가가치 영역에서 더욱 빛날 수 있다. OpenAI의 전략 전환은 생성 AI 기술의 최종 가치 창출 지점이 소비자 앱이 아닌 산업 인프라에 있음을 시사한다.

OpenAI Sora의 종료는 영상 생성 AI의 기술적 한계가 아닌 경제적 구조 문제의 결과다. 하루 수백만 달러의 추론 비용을 감당할 수익 모델을 B2C에서 찾지 못했고, 결국 컴퓨팅 자원은 더 확실한 수익이 보이는 영역으로 재배분됐다. 그러나 Sora가 학습한 물리 세계 표현은 로보틱스와 자율 시스템에서 새로운 형태로 진화하고 있으며, 이는 AI 기술 투자의 진정한 ROI가 어디서 발생하는지를 보여주는 사례가 될 것이다.