OpenAI Sora 서비스 종료가 드러낸 영상 생성 AI의 비용 구조

2026년 4월 26일, OpenAI는 Sora 웹·앱 서비스를 공식 종료했다. Sora API는 같은 해 9월 24일 종료 예정이다. 텍스트-투-비디오 생성 AI의 상징으로 2024년 초 공개 당시 전 세계의 주목을 받았던 Sora는 결국 서비스 출시 후 채 2년을 넘기지 못하고 역사의 뒤안길로 사라졌다. 공식적인 단일 종료 이유는 발표되지 않았으나, 보고서들이 제시하는 근본 원인은 명확하다. 일일 운영 비용 약 100만 달러(연간 3억 6,500만 달러) 대비 서비스 전체 수명 기간 누적 수익 약 210만 달러라는 극단적인 비용-수익 불균형, 최대 100만 명에서 50만 명 미만으로의 사용자 이탈, 그리고 저작권 관련 법적 리스크가 복합적으로 작용했다. Sora의 종료는 단순한 제품 실패가 아니라 영상 생성 AI의 추론 비용 구조의 지속 불가능성을 적나라하게 드러낸 사례다.

비용이 수익의 170배에 달했던 구조

Sora 종료의 핵심에는 영상 생성 AI의 근본적 경제 문제가 있다. 텍스트 생성과 비교했을 때 영상 생성이 왜 이토록 비싼지를 이해하려면 추론 연산의 특성 차이를 살펴봐야 한다.

GPT-4o가 1,000토큰의 텍스트를 생성할 때 필요한 GPU 연산량은 상대적으로 예측 가능하고 관리 가능하다. 입력 프롬프트를 벡터로 변환하고, 어텐션 레이어를 통과시키고, 출력 토큰을 순차적으로 생성하는 과정이 비교적 효율적으로 병렬화된다. 반면 1024×576 해상도의 5초 영상은 약 150프레임으로 구성된다. 각 프레임은 수십만 픽셀의 공간-시간적 일관성을 유지하면서 생성되어야 한다. 확산 모델(Diffusion Model) 기반의 영상 생성은 수십수백 번의 노이즈 제거(denoising) 스텝을 반복하며, 각 스텝에서 전체 프레임 시퀀스에 대한 어텐션 계산이 수행된다. Sora 수준의 고품질 영상 생성에는 GPT-4o의 텍스트 생성 대비 수백수천 배의 GPU 메모리와 연산이 소요된다.

⤢✕

일일 운영 비용 약 100만 달러는 월 3,000만 달러, 연 3억 6,500만 달러 규모다. Sora 앱 전체 수명(약 2개월)의 인앱 결제 누적 수익은 약 210만 달러였다. 유료 ChatGPT Plus(월 $20) 구독자에게 포함된 형태로 제공됐으므로 독립적인 수익 창출 구조 자체가 취약했다. 단순 수치로도 비용이 수익의 약 170배에 달했다.

텍스트와는 다른 차원의 GPU 최적화

영상 생성 서비스의 비용 최적화는 텍스트 서비스와 다른 차원의 접근이 필요하다.

양자화(Quantization)는 모델 가중치를 FP32에서 FP16 또는 INT8로 줄여 GPU 메모리 사용량을 절반~4분의 1로 감소시킨다. 영상 품질 저하 없이 메모리 효율을 높이는 기술이 빠르게 발전 중이며, FP8 양자화는 최신 연구에서 FP16 대비 2배 메모리 절감을 달성하면서도 시각적 품질을 유지하는 성과를 보였다.

FlashAttention은 표준 어텐션의 O(n²) 메모리 복잡도를 O(n) 수준으로 줄이는 알고리즘이다. 시공간 어텐션 계산이 핵심인 영상 생성 모델에서 특히 효과적이며, GPU 메모리 사용량과 실행 시간을 동시에 줄인다.

배치 처리와 우선순위 큐는 실시간 생성이 필요한 요청과 비실시간(예: 오버나이트 렌더링) 요청을 분리한다. 비실시간 요청은 GPU 유휴 시간대에 배치로 처리해 인프라 가동률을 높이고 단위 비용을 낮춘다. 영상 생성 수요는 시간대에 따라 크게 변동하므로, 오토스케일링으로 피크 시 GPU 인스턴스를 늘리고 유휴 시 즉시 축소하는 스케일링 전략도 필요하다. 단, GPU 인스턴스는 시작 시간이 분 단위로 길기 때문에 예측 기반 사전 스케일링(predictive pre-scaling)이 요구된다.

Sora가 떠난 자리를 채운 모델들

Sora 종료 이후 영상 생성 AI 시장은 4~6개 주요 모델이 경쟁하는 구도로 재편됐다.

⤢✕

Google Veo 3.1은 현재 시장에서 종합 품질 기준 가장 강력한 모델로 평가받는다. 강한 사실감, 자연스러운 모션, 네이티브 오디오 통합으로 다른 모델 대비 완성도 높은 결과물을 일관되게 생성하며, Gemini 생태계와의 통합이 강점이다.

Kling 3.0(Kuaishou)은 네이티브 오디오와 대화 생성에서 가장 앞선다. 5개 언어의 립싱크를 지원하고, 멀티샷 시퀀스 전체에 걸쳐 일관된 오디오 타임라인을 유지한다. 4K 출력을 지원하며, 특히 대화가 포함된 영상 제작에 최적화되어 있다.

Runway Gen-4.5는 창작 전문가 워크플로에 최적화된 모델이다. 정밀한 카메라 무브 제어, 구조적 프롬프팅 지원, 다운스트림 편집 도구와의 통합이 강점이며, 단일 모델 성능보다 실제 제작 파이프라인에서의 제어 가능성과 유연성을 중시하는 전문 창작자들에게 선호된다.

Seedance 2.0(ByteDance)은 2026년 2월 출시된 모델로, 오디오-비디오 통합 생성(사후 처리가 아닌 공동 생성)을 최초로 구현했다. 8개 이상 언어의 음소 수준 립싱크, 단일 프롬프트에서 멀티샷 스토리텔링이 가능하다. 블라인드 테스트에서 높은 평가를 받으며 빠르게 시장 점유율을 확보 중이다.

실패에서 도출되는 지속 가능한 설계 원칙

Sora의 실패에서 도출되는 지속 가능한 영상 생성 AI 서비스 설계 원칙이 있다.

비용 기반 가격 책정에서는 영상 생성 비용이 해상도, 길이, 품질 설정에 따라 달라지므로 단위 렌더링 비용을 정확히 계산하고 이에 기반한 가격을 책정해야 한다. Sora의 실패는 추론 비용을 플랫폼이 전액 부담하는 구독 모델의 위험성을 명확히 보여준다.

사용량 기반 과금(Pay-per-Generation)에서는 정액 구독보다 생성 건당 과금 모델이 영상 생성 서비스에 더 적합하다. Kling, Seedance, Runway는 모두 크레딧 기반 과금으로 비용을 사용자와 분담하며, API 기반 기업 고객에게는 볼륨 할인과 약정 사용량 계약을 제공한다.

전문 시장 집중에서는 범용 소비자 시장보다 특정 전문 수요(광고, 영화 프리비즈, 교육 콘텐츠, 의료 시뮬레이션)에 집중하면 더 높은 지불 의향(willingness to pay)을 가진 고객층을 확보할 수 있다.

멀티모델 라우팅에서는 단일 모델에 모든 것을 걸지 않고, 작업 유형에 따라 최적 모델을 선택하는 라우팅 레이어를 구축한다. 단순 썸네일 생성은 저비용 모델, 고품질 광고 영상은 최고 품질 모델로 라우팅한다.

OpenAI Sora의 종료는 AI 기술의 인상적인 데모와 지속 가능한 서비스 운영 사이의 거대한 간극을 다시 한번 상기시킨다. 일일 100만 달러의 운영 비용 대비 210만 달러의 전체 수명 수익은 제품-시장 적합성(Product-Market Fit) 부재와 비용 구조 설계 실패의 전형적 결과다. 그러나 Sora의 퇴장이 영상 생성 AI 시장의 종말을 의미하지는 않는다. 시장은 단일 최고 모델이 지배하는 구조에서 작업 특성에 따라 모델을 선택하는 멀티모델 라우팅 패러다임으로 성숙하고 있다. 영상 생성 AI의 지속 가능성은 추론 비용 최적화 기술의 발전과 적절한 수익화 모델의 결합에 달려 있다.

비용이 수익의 170배에 달했던 구조

텍스트와는 다른 차원의 GPU 최적화

Sora가 떠난 자리를 채운 모델들

실패에서 도출되는 지속 가능한 설계 원칙

Sources

함께 읽기