Executive Summary

먼저 발표 자체를 정확히 짚자. 2026년 3월 24일 중국발전고위층포럼(China Development Forum)에서 국가데이터국 국장 류례훙은 중국의 일일 토큰 소비량이 140조 개에 이른다고 밝혔다. 2025년 말 100조 대비 40% 늘어난 수치이고, 2024년 초 1,000억과 비교하면 1,000배가 넘는다. 같은 자리에서 그는 토큰을 뜻하는 중국어 용어 '词元(cíyuán)'을 공식화하며, 토큰을 "기술 공급과 상업 수요를 잇는 정산 단위"로 명명했다.

숫자가 얼마나 가파르게 올랐는지는 시계열로 놓을 때 분명해진다. 아래 표는 국가데이터국이 제시한 네 시점의 일평균 소비량이다.

표의 배수만으로는 이 성장의 성격이 잘 잡히지 않는다. 같은 네 시점을 로그 축에 올리면 그림이 달라진다. 세로축 한 칸이 10배인 로그 스케일에서조차 선이 거의 직선으로 우상향한다는 것은, 이 증가가 한두 해의 반짝 급등이 아니라 자릿수를 규칙적으로 갈아치우는 지수 곡선에 가깝다는 뜻이다.

1.1슬로건이 된 '1,000배'

여기서 작은 틈 하나가 눈에 띈다. 140조를 1,000억으로 나누면 정확히는 1,400배지만, 발표와 보도는 한결같이 "1,000배 이상"이라는 문구를 썼다. 보수적 반올림이라고 볼 수도 있으나, 정밀 계산과 슬로건 사이의 이 간극 자체가 지표가 어떻게 커뮤니케이션되는가를 보여주는 첫 단서다. 사람들은 1,400배를 기억하지 않는다. 기억에 남는 것은 "1,000배"라는 둥근 상징이다.

정책 배경도 함께 발표됐다. 국가데이터국은 2025년 말 기준으로 10만 개가 넘는 고품질 데이터셋과 890페타바이트 규모의 데이터 자원을 구축했다고 밝히고, 2026년을 "데이터 요소 가치 방출의 해"로 선언하며 6대 정책 이니셔티브를 내놓았다. 토큰 140조는 이 큰 그림 안에서 지능경제의 성장을 한 숫자로 요약하는 헤드라인 지표로 배치됐다.

국가가 새 지표를 만들 때는 대개 그 지표로 잴 대상이 정책적으로 중요해졌기 때문이다. 전력 소비량이 산업화의 대리 지표였듯, 중국은 토큰을 지능경제의 대리 지표로 세우려 한다. 토큰은 편리한 후보다. 측정할 수 있고, 가격을 매길 수 있고, 거래할 수 있는 최소 단위이기 때문이다. 국가데이터국이 토큰을 '정산 단위'라고 부른 것은 은유가 아니라 정책 설계의 선언에 가깝다.

이 정산 단위가 실제로 어디서 소비되는지 들여다보면, 그림은 생각보다 한쪽으로 쏠려 있다. 바이트댄스의 Doubao(豆包)는 2026년 4월 기준 하루 120조 토큰을 처리한다고 공개했다. 국가 총량 140조의 약 86%를 단일 기업이 차지하는 셈이다. 아래 도식이 그 쏠림을 보여준다.

더 눈여겨볼 것은 이 쏠림의 성장 동력이다. Doubao의 토큰 소비를 끌어올린 것은 텍스트 대화가 아니라 AI 영상 생성이었다. 바이트댄스의 영상 모델 Seedance는 1080p 영상 1초를 만드는 데 약 4만 토큰을 쓴다고 업계는 추정한다. 영상 몇 분이 방대한 텍스트 대화를 압도하는 구조다. Doubao의 소비량은 이후 2026년 6월 볼케이노 엔진 콘퍼런스에서 180조로 다시 뛰었고, 볼케이노 엔진은 중국 퍼블릭 클라우드 MaaS 시장에서 토큰 기준 49.5%를 점유한다고 밝혔다. 중국 기업이 쓰는 토큰 둘 중 하나가 이 한 플랫폼을 지난다는 뜻이다.

토큰이 정산 단위가 되자 자본시장도 반응했다. 140조 발표 직후 캠브리콘과 하이곤 등 중국 AI 반도체 기업들의 합산 시가총액은 2조 5,000억 위안을 넘어섰다. 8개 부처는 제조·물류·공공서비스 전반에 산업용 AI 에이전트 1,000개를 배치하겠다는 지침을 냈고, 15차 5개년 계획은 AI 관련 산업 규모가 10조 위안을 넘어설 것으로 전망했다. 토큰이라는 단위가 정책·투자·산업 전략을 한 줄에 꿰는 축이 된 것이다.

140조를 향한 첫 번째 회의론은 소비의 성격을 겨눈다. 로이터 브레이킹뷰스는 2026년 4월 "중국의 토큰 집착이 잘못된 것일 수 있다"는 제목의 칼럼을 실었다. 원문은 유료 구독 뒤에 있어 직접 인용은 어렵지만, 여러 2차 매체가 교차 인용한 논지는 명확하다. 총량의 상당 부분이 봇이 콘텐츠팜에 글을 찍어내거나 자동화 시스템끼리 주고받는 소비로 채워진다면, 숫자는 부풀지만 상응하는 경제적 효익은 비어 있을 수 있다는 것이다.

이 회의론에는 방향을 가리키는 데이터가 있다. 앞 장에서 본 대로 쏠림의 주 동력은 사람과의 대화가 아니라 AI 영상 생성이었다. 또한 LLM 토큰 사용에서 코딩과 프로그래밍이 차지하는 비중이 2024년 초 11%에서 2026년 50% 이상으로 뛰었고, 에이전트 주도 워크플로우가 출력 토큰의 절반 이상을 차지한다는 집계도 있다. 에이전트 워크로드는 대화형 챗봇보다 10배에서 100배 많은 토큰을 쓴다고 업계는 추정한다. 이 배수 자체는 원 연구가 추적되지 않아 단정할 수 없는 값이지만, 방향은 일관된다. 자동화가 커질수록 사람의 효익과 무관하게 소비되는 토큰이 늘어난다.

정부의 행보 자체가 오히려 이 회의론에 힘을 싣는다. 국가데이터국이 굳이 2026년을 "데이터 가치 방출의 해"로 선언하고 6대 이니셔티브를 내놓은 것은, 양을 늘리는 국면과 값을 뽑아내는 국면이 다르다는 것을 정책 당국도 인식하고 있다는 방증으로 읽힌다. 총량은 이미 충분히 컸고, 이제 과제는 그 총량을 가치로 바꾸는 일이라는 신호다.

3.1반대편의 목소리도 듣는다

그렇다고 회의론이 전부는 아니다. 균형을 위해 반대편도 들어야 한다. 중국유럽국제경영대학원(CEIBS)의 한 칼럼은 다른 각도를 제시한다. 토큰 소비가 이렇게까지 주목받는다는 사실 자체가, 토큰이 조직의 AI 전환과 생산성을 재는 핵심 지표로 부상했다는 증거라는 것이다. 기업 내부에 배포된 AI는 공개 순위에 잡히지 않지만 전략적 가치는 더 클 수 있고, 젠슨 황이 GTC 2026에서 "엔지니어 1인당 연간 토큰 예산이 연봉의 절반에 이른다"고 말한 것도 같은 맥락이다. 이 관점에서 토큰 총량은 허수가 아니라 실질적 경제 활동의 대리 신호다.

두 관점은 모순처럼 보이지만 사실 같은 사실의 양면이다. 토큰 소비 중 일부는 진짜 가치를 만들고, 일부는 낭비이며, 현재의 총량 지표는 그 둘을 구분하지 못한다. 회의론자는 구분되지 않은 총량을 믿지 말라 하고, 낙관론자는 그 총량 안에 실재하는 가치가 있다고 한다. 둘 다 옳다. 그렇기 때문에 진짜 질문은 "140조가 크냐 작냐"가 아니라 "그 안에서 무엇이 유효하고 무엇이 낭비인지 우리는 가를 수 있는가"로 옮겨간다.

이제 이 보고서의 무게중심이다. 토큰을 경제 지표로 쓰려면 무엇을 어떻게 재야 하는가. 세 가지 균열부터 짚는다. 정의의 불확실성, 총량의 자릿수 불일치, 그리고 단가와 총량의 엇갈림이다.

4.1140조가 무엇을 센 것인지 아무도 정의하지 않았다

가장 근본적인 균열은 정의에 있다. 국가데이터국의 어떤 1차 자료도 140조가 무엇을 포함하고 무엇을 제외했는지 밝히지 않는다. 모델을 학습시킬 때 소비하는 사전학습 토큰인가, 사용자 요청에 응답하는 추론 토큰인가, 에이전트끼리 주고받는 통신 토큰인가. 셋을 어떻게 더하고 뺐는지에 따라 같은 활동이 두 배가 되기도, 절반이 되기도 한다. 정의가 없으면 검증도 없고, 검증이 없으면 비교도 없다. 지표의 첫 번째 조건은 큰 숫자가 아니라 무엇을 세는지에 대한 합의다.

4.2같은 대상을 다르게 세면 자릿수가 어긋난다

정의가 왜 중요한지는 실제 숫자 두 개를 나란히 놓으면 드러난다. 국가데이터국의 중국 전체 집계는 하루 140조다. 반면 서드파티 라우팅 플랫폼 OpenRouter를 경유하는 중국계 모델의 소비량은 주간 약 13조, 하루로 환산하면 약 1.85조다. 같은 '중국의 토큰'인데 자릿수가 10배 넘게 벌어진다. 이것은 오류가 아니다. 국가 집계는 전체를 잡으려 하고, 플랫폼 통계는 특정 채널만 포착하기 때문이다. 무엇을 세느냐가 곧 숫자를 만든다는 것을 이보다 선명하게 보여주는 예는 드물다.

4.3양은 늘고 값은 떨어졌다

세 번째 균열은 가장 반직관적이다. 토큰 소비량이 2년 만에 1,000배 이상 늘어난 바로 그 기간에, 토큰 단가는 최대 1,000배 떨어졌다. GPT-3 세대의 백만 토큰당 60달러 수준이 2026년에는 그 1,000분의 1 이하로 내려왔고, 동시대 모델 안에서도 격차가 크다. DeepSeek V3.2는 출력 백만 토큰당 0.42달러, Claude Opus는 75달러로 약 170배 차이가 난다. 소비량이 1,000배 늘어도 단가가 1,000배 떨어졌다면, 실질 지출은 생각만큼 늘지 않았을 수 있다. 아래 도식이 이 대칭을 보여준다.

4.4그러면 무엇을 재야 하는가

세 균열은 하나의 처방을 가리킨다. 총량을 가치로 나눠 재야 한다는 것이다. 토큰 소비량은 과제에 기여하는 유효 토큰과, 재시도 루프·봇-봇 대화·중복 생성 같은 낭비 토큰이 뒤섞인 미분류 총량이다. 유효한 것과 낭비를 가르지 못하면, 국가 통계든 기업 대시보드든 같은 착시에 빠진다. 아래 표는 두 측정 방식의 대비다.

이 문제는 오래된 얼굴을 하고 있다. GDP가 생산량은 재도 후생과 분배는 못 잰다는 비판, 사회 지표가 의사결정에 쓰이면 부패한다는 캠벨의 법칙은 모두 같은 구조를 지적한다. 총량 대리 지표는 편리하지만 '무엇을 위한 활동인가'를 놓친다. 토큰 지표는 지능경제판 GDP가 될 수 있고, 그렇다면 GDP가 반세기 동안 받아 온 비판도 함께 물려받는다. 대안은 지표를 버리는 것이 아니라, 총량 옆에 값의 지표를 나란히 세우는 것이다.

국가 스케일의 이야기는 사실 모든 조직의 이야기다. 사내에 AI를 도입한 기업이 성과를 보고할 때 가장 손쉽게 집는 숫자가 토큰 소비량이다. 지난달 대비 토큰을 두 배 썼다는 대시보드는 언뜻 AI 활용이 두 배로 늘었다는 뜻처럼 보인다. 그러나 이 등식이야말로 중국의 140조가 마주한 함정의 축소판이다. 많이 쓰는 것과 잘 쓰는 것은 같지 않다.

굿하트의 법칙은 조직 안에서 더 빠르게 작동한다. '토큰 소비량 = 활용도'가 팀의 KPI가 되면, 팀은 토큰을 많이 쓰는 것을 목표로 삼는다. 프롬프트를 불필요하게 길게 만들고, 재시도 루프를 방치하고, 에이전트가 서로 장황하게 대화하도록 둔다. 비용은 오르고 성과는 정체되지만, 대시보드의 숫자만은 건강하게 자란다. 이는 가상의 위험이 아니라, 에이전트 기반 워크플로우가 확산되면서 이미 관측되는 FinOps의 현실이다.

처방은 국가에 권한 것과 같다. 총량 옆에 값의 지표를 세우는 것이다. 구체적으로는 세 가지를 함께 잰다. 첫째, 과제 완수율이다. 토큰을 얼마나 썼든 사용자의 요청이 실제로 해결됐는가를 본다. 둘째, 단위 토큰당 성과다. 같은 결과를 더 적은 토큰으로 냈다면 그것이 개선이다. 셋째, 유효 토큰 대비 낭비 토큰 비율이다. 재시도·중복·봇-봇 대화가 총량에서 차지하는 몫을 분리해 추적한다. 이 셋이 갖춰지면 토큰 소비량 자체는 비용 관리용 보조 지표로 제자리를 찾는다.

여기서 데이터 품질이 결정적으로 개입한다. 유효 토큰과 낭비 토큰을 가르는 일은 결국 무엇이 과제에 기여했는가를 데이터로 판별하는 일이기 때문이다. 잘 큐레이션된 평가셋, 과제 성공에 연결된 로그, 데이터 계보 추적이 있어야 비로소 총량을 값으로 나눠 잴 수 있다. 컴퓨팅을 무한정 늘리는 대신 데이터를 다듬어 검증 효율을 높이는 방향은, 국가든 기업이든 자원이 유한한 모든 주체에게 열려 있는 현실적 길이다.

1차 발표·보도

• 1.中國國家數據局(National Data Administration) 브리핑. 中國發展高層論壇(China Development Forum), 2026-03-24. 국장 刘烈宏(Liu Liehong) — 일일 토큰 140조·词元 정산 단위 명명. (1차 발표)
• 2.Yicai Global (2026). China's Daily Token Usage Jumps 40% in Three Months. yicaiglobal.com.
• 3.CEIBS — Yang Wei 컬럼 (2026). 토큰 경제와 조직 AI 전환 KPI 논의. ceibs.edu. (회의론 대 반론 프레이밍)
• 4.hellochinatech (2026). China token economy 140 trillion. hellochinatech.com. (Goodhart 프레이밍·OpenRouter 데이터)
• 5.Reuters Breakingviews (2026-04-15). China's AI token obsession may be misguided. Big View 섹션. (⚠️ 원문 페이월 — 논지는 교차 확인된 2차 인용 기반, 직접 인용 없음)
• 6.Fortune (2026-04-12). China token economy AI boom. fortune.com. (알리바바·Z.ai 비공개 전환 소재)

개념·이론 (고전·통설)

• 7.Goodhart, C. (1975); Strathern, M. (1997) 정식화. "When a measure becomes a target, it ceases to be a good measure."
• 8.Campbell, D. (1979). Assessing the impact of planned social change — 캠벨의 법칙(사회지표가 의사결정에 쓰이면 부패한다).
• 9.Kuznets, S. (원 경고); Stiglitz, J., Sen, A., & Fitoussi, JP. (2009). Report by the Commission on the Measurement of Economic Performance and Social Progress — GDP 후생 비판.

페블러스 인접

• 10.Pebblous Blog. 데이터 큐레이션 병목과 파운데이션 모델 — 38B 토큰이 350B 토큰을 이겼다.
• 11.Pebblous Blog. AI 에이전트 토큰 비용과 재시도 루프 — FinOps 관점.

주: 140조(2026-03)와 바이트댄스 Doubao 120조(2026-04)는 발표 시점이 한 달 차이가 있어 '약 86%'는 근사치다. "1,000배 이상"은 보도 문구이며 정밀 계산 시 약 1,400배다. 에이전트 워크로드 토큰 배수(10~100배), Seedance 영상 토큰 환산치, JPMorgan 370배 전망은 원 연구·원문이 완전히 추적되지 않은 업계 추정치로, 본문에서 '추정'으로 명시했다. OpenRouter 경유량은 서드파티 라우팅 채널 일부만 포착한다.