서론
범용 모델 추론 가격은 지속적으로 하락하고 있다.
모델 제공업체들은 입력 토큰 가격, 출력 토큰 가격, 캐싱, 배치 처리, 그리고 점점 더 효율적인 아키텍처를 두고 경쟁하고 있다. 표면적으로 볼 때 이는 기업용 AI가 해마다 저렴해져야 함을 의미한다.
그러나 많은 조직은 다른 비용 곡선을 발견하고 있다.
기초 모델은 저렴할 수 있지만, 프로덕션급 AI에는 여전히 다음이 필요하다:
- 깨끗한 프라이빗 데이터.
- 신뢰할 수 있는 실시간 데이터 소스.
- 업계 특화 규칙.
- 구조화된 컨텍스트.
- 접근 제어.
- 감사 추적.
- 평가.
- 인간 피드백.
- 운영 시스템과의 통합.
- 지속적인 모니터링.
저비용 모델은 접근할 수 없거나 이해할 수 없거나 신뢰할 수 없는 데이터를 기반으로 신뢰할 수 있는 결정을 내릴 수 없다.
저렴한 범용 추론과 고비용 기업 구현 사이의 이러한 격차는 선전 순책테크놀로지(Shenzhen Xunce Technology) (홍콩 상장, 종목코드 3317)의 성장 스토리의 핵심이다.
순책은 범용 기초 모델을 개발하지 않는다. 핵심 사업은 자산운용, 그리고 점점 더 많은 다른 산업을 위한 실시간 데이터 인프라 및 데이터 분석 서비스 제공이다.
2026년 7월 31일, 회사는 긍정적 실적 예고를 발표하며 상반기 매출이 약 9.6702억 위안에 이를 것으로 예상하고, 전년 동기 대비 388.76% 성장할 것이라고 밝혔다.
또한 회사는 설립 이후 최초로 흑자를 기록할 상반기 실적을 달성할 것으로 예상하고 있다.
현재 전략의 핵심에는 TokenONE이 있다. 회사는 이를 기업 데이터와 도메인 지식을 측정 가능하고 호출 가능한 '시나리오 토큰'으로 전환하는 TokenOS 운영체제라고 설명한다.
이 표현은 언어 모델 API에서 사용하는 토큰과 유사하게 들리지만, 두 개념은 완전히 동일하지 않다.
이 차이를 이해하는 것은 순책의 새로운 비즈니스 모델의 기회와 불확실성을 모두 이해하는 데 중요하다.
저렴한 범용 토큰이 기업 AI 비용을 없애주지는 않는다
표준 언어 모델 토큰은 텍스트가 토크나이저를 통해 분할된 후 생성되는 단위다.
모델 제공업체는 일반적으로 다음 수량을 기준으로 과금한다:
입력 토큰
출력 토큰
캐시 입력 토큰
추론 토큰
이러한 단위는 모델 계산량과 API 사용량을 측정하는 데 도움이 된다.
순책의 토큰 용어 사용은 더 광범위하다.
'시나리오 토큰'은 AI 애플리케이션이 호출하고 비즈니스 의사결정에 연결할 수 있는 패키지된 기업 데이터 또는 도메인 지식 단위로 정의된다.
포함될 수 있는 예시는 다음과 같다:
- 금융 리스크 관리 신호.
- 제조 장비 상태.
- 실시간 에너지 스케줄링 입력.
- 의학 관련 구조화 특성.
- 표준화된 산업 규칙.
- AI 에이전트를 위한 검증된 데이터 출력.
이는 회사가 공시한 '백만 토큰당' 가격이 반드시 기초 모델 API의 입력 토큰 가격과 일대일로 비교될 수 있음을 의미하지는 않는다.
이 제품들은 서로 다른 문제를 해결한다.
| 범용 모델 토큰 | 순책 '시나리오 토큰' |
|---|---|
| 일반적으로 토크나이저로 정의된 텍스트 또는 멀티모달 단위 | 회사가 정의한 가공된 기업 데이터 또는 지식 단위 |
| 모델 입력 또는 출력 소비량 측정 | 호출 가능한 비즈니스 데이터 역량을 나타내도록 설계 |
| 일반적으로 광범위하게 학습된 모델 지능 기반 | 프라이빗 데이터, 규칙, 실시간 데이터 소스 및 산업 워크플로우 기반 |
| 일반적으로 모델 제공업체가 가격 책정 | 순책 기업 제품 및 서비스 모델의 일부로 가격 책정 |
| 표준 기술적 의미는 토크나이저에 따라 다름 | 제품 의미는 TokenONE 구현 및 계약 조건에 따라 다름 |
핵심 비즈니스 아이디어는 특정 토큰이 본질적으로 다른 토큰보다 더 가치 있다는 것이 아니다.
핵심은 기업이 검증되고, 시의적절하며, 도메인 특화된 컨텍스트에 대해 원시 범용 모델 계산보다 더 높은 비용을 지불할 용의가 있을 수 있다는 점이다.
방향을 바꾸는 수익 곡선
순책의 감사 및 공시된 연간 수익은 빠르게 성장했지만, 그 궤적은 순탄치만은 않았다.
회사의 2025년 연례 보고서에 따르면:
| 연도 | 매출 | 전년 대비 성장 |
|---|---|---|
| 2022 | 2.879억 위안 | — |
| 2023 | 5.3046억 위안 | 84.25% |
| 2024 | 6.3198억 위안 | 19.14% |
| 2025 | 12.85억 위안 | 103.28% |
2024년 성장 둔화는 두 개의 강세 연도 사이에서 특히 두드러진다.
한 가지 가능한 설명은 기업용 AI 시장이 여전히 모델 학습, 인프라 구매, 실험 및 개념 증명 작업에 집중되어 있다는 것이다.
조직이 AI를 실시간 운영 데이터에 연결하고 프로덕션 워크플로우에 배포하기 시작할 때, 순책의 제품이 더 직접적으로 혜택을 받을 수 있다.
이 설명은 그럴듯하지만 유일한 설명으로 간주되어서는 안 된다.
회사 실적은 다음 요인의 영향을 받을 수도 있다:
- 계약 체결 시점.
- 고객 집중도.
- 프로젝트 검수.
- 산업 예산.
- 수익 인식.
- 솔루션 내 하드웨어 구매.
- 제품 포트폴리오.
- 영업 실행.
연례 보고서는 순책이 2025년 수익 성장이 가속화되는 동시에 솔루션 제공 비용도 크게 증가했음을 확인한다.
수익은 103.28% 성장한 반면, 매출원가는 234.29% 증가했으며, 이는 일부 프로젝트에 하드웨어 구매 및 배포 서비스가 포함되었기 때문이다.
매출총이익률은 2024년 76.68%에서 2025년 61.66%로 하락했지만, 일반적인 소프트웨어 및 서비스 기준으로는 여전히 높은 수준이다.
2026년 상반기 매출 388.76% 성장 전망
순책의 7월 31일 긍정적 실적 예고 추정치:
| 지표 | 2025년 상반기 | 2026년 상반기 추정 | 변동 |
|---|---|---|---|
| 매출 | 1.9785억 위안 | 9.6702억 위안 | +388.76% |
| 귀속주주 순이익/(손실) | -8943만 위안 | +7251만 위안 | 흑자 전환 |
| 조정 순이익/(손실) | -1.0498억 위안 | +6700만 위안 | 흑자 전환 |
이 공식은 기존 엔터프라이즈 소프트웨어 모델에 사용량 변수를 추가합니다.
프로젝트는 납품 시 일회성 결제를 발생시킬 수 있습니다.
반면 사용량 기반 시스템은 고객의 AI 애플리케이션이 서비스를 호출할 때마다 지속적으로 수익을 창출할 수 있습니다.
이는 다른 종량제 인프라 비즈니스와 유사합니다:
- 클라우드 컴퓨팅은 소비량 기준으로 과금됩니다.
- API 플랫폼은 요청 횟수 기준으로 과금됩니다.
- 데이터베이스는 쿼리량 또는 컴퓨팅량 기준으로 과금됩니다.
- 결제 플랫폼은 거래 건수 기준으로 과금됩니다.
- 통신 플랫폼은 메시지 수 또는 통화 시간 기준으로 과금됩니다.
장점은 고객 활동과의 정렬에 있습니다.
리스크는 수익이 계약상의 “유휴 소프트웨어”가 아닌 실제 소비에 의존한다는 점입니다.
고객의 AI 애플리케이션이 사용되지 않으면 사용량 기반 수익은 성장하지 못할 수 있습니다.
TokenONE이 주장하는 “Token 공장”
TokenONE은 원시 기업 데이터를 AI가 직접 사용할 수 있는 출력물로 변환하는 표준화된 생산 시스템으로 포지셔닝됩니다.
출시 자료에는 아홉 가지 처리 단계와 다섯 가지 주요 프로세스가 설명되어 있습니다.
회사 자료마다 구체적인 용어는 약간 다르지만, 전체 프로세스는 다음과 같습니다:
- 데이터 수집
- 데이터 정제
- 데이터 표준화
- 데이터 라벨링
- 데이터 모델링
- 실시간 컴퓨팅
- Token화 패키징
- AI 에이전트 또는 애플리케이션 통합
- 기반 모델 또는 하이브리드 모델 연동
다섯 가지 주요 프로세스는 위 단계들을 연결하며, 데이터 거버넌스, 애플리케이션 통합, AI 에이전트, 수직/소형 모델, 그리고 계량·감사·보안·과금을 포괄합니다.
회사의 핵심 논지는 기업 데이터를 단순히 모델 프롬프트에 복사-붙여넣기할 수 없다는 것입니다.
데이터는 먼저 정확하고, 시의적절하며, 구조화되어 있고, 권한 인식이 가능하며, 추적 가능하고, 비즈니스 프로세스와 관련이 있고, 대상 AI 시스템과 호환되며, 과금 및 평가를 지원하기 위해 계량 가능해야 합니다.
이는 신책테크놀로지의 Token 용어를 사용하지 않더라도 실제 기업의 어려운 문제입니다.
시나리오 Token의 작동 방식 가능성
200종 이상의 장비를 보유한 제조 공장을 예로 들어보겠습니다.
원시 입력에는 센서 데이터 스트림, 유지보수 기록, 알람 로그, 품질 검사 결과, 기계 설정, 생산 계획 및 기술자 메모가 포함될 수 있습니다.
일반 언어 모델은 이러한 비정형 원시 데이터 더미에서 장비 상태를 안전하게 직접 추론할 수 없습니다.
생산 라인 프로세스는 다음과 같이 변경될 수 있습니다:
- 관련 장비 및 운영 시간대 식별
- 센서 타임스탬프 동기화
- 손상된 판독값 제거
- 필드 이름 및 단위 통일
- 장비별 임계값 적용
- 현재 동작과 과거 패턴 비교
- 알려진 유지보수 및 고장 정보 보완
- 구조화된 진단 컨텍스트 생성
- 결과를 에이전트 또는 의사결정 시스템에 전송
- 호출, 출력 및 최종 비즈니스 결과 기록
신책테크놀로지는 이렇게 생성된 호출 가능한 데이터 역량을 시나리오 Token으로 설명합니다.
가치 있는 것은 “Token”이라는 단어 자체가 아닙니다.
원시 운영 데이터에서 신뢰할 수 있는 의사결정 입력으로의 전환 과정입니다.
회사가 공시한 Token 상업화 지표
신책테크놀로지는 다음과 같은 초기 상업 지표를 공시했습니다:
- 5월 출시 시점 보도에 따르면, Token 호출의 연간 반복 매출은 4월에 약 300% 증가했습니다.
- 4월, Token 관련 유료 매출은 매출의 약 5%를 차지했습니다.
회사가 공시한 7월 사업 업데이트에 따르면 Token 관련 매출이 매출액의 10%를 초과했습니다.
- 동일한 회사 업데이트에 따르면 6월 Token 연간 반복 매출은 전월 대비 410% 증가했습니다.
- 경영진은 연말까지 Token 관련 매출 비중 20%~30% 달성을 목표로 하고 있습니다.
이러한 수치는 고무적이지만 여전히 신중하게 바라볼 필요가 있습니다.
설명.
ARR은 확정된 매출이 아님
연간 반복 매출(ARR)은 런레이트(run-rate) 지표입니다.
현재 수준이 지속될 경우 1년 동안 반복 매출이 도달할 수 있는 규모를 추정한 값입니다.
이는 현금 회수, 감사 완료된 매출, 계약 잔고, 순이익 또는 잉여현금흐름과 동일하지 않습니다.
기저 효과로 인한 매우 높은 성장률 가능
시작 값이 작을 때 300% 또는 410%의 증가율이 나타날 수 있습니다.
Token 관련 절대 매출 및 총이익 기여도는 증가율만큼이나 중요합니다.
제품이 막 출시됨
반기보고서 공시일 기준 TokenONE의 공개 출시 기간은 아직 짧습니다.
향후 고객 전환, 사용 유지율, 고객당 평균 매출, 총마진, 서비스 호출 비용, 고객 집중도, 이탈률, 계약 기간 및 현금 회수 여부를 평가하려면 더 많은 보고가 필요합니다.
시나리오 Token의 가격이 범용 모델 Token보다 높을 수 있는 이유
회사에 따르면 시나리오 Token의 가격 범위는 Token 100만 개당 10달러~100달러입니다.
회사가 공시한 이 가격대는 많은 범용 모델의 입력 가격보다 훨씬 높습니다.
이 비교는 기본 단위가 다르기 때문에 직접적으로 동등하게 비교할 수 없습니다.
고객이 지불하는 것은 민간 기업 데이터, 데이터 정제, 실시간 처리, 업계 규칙, 모델 라우팅, 보안 통제, 감사, 서비스 수준 요구사항, 구현 지원 및 업무 특정 출력을 포함한 일괄 서비스일 수 있습니다.
가장 유사한 비교는 "LLM Token 하나 대 시나리오 Token 하나"가 아닐 수 있습니다.
더 적절한 비교는 다음과 같습니다:
범용 모델 추론
대비
관리되고 검증된 업종 특화 데이터 서비스
출력이 측정 가능한 가치를 창출하거나 중대한 위험을 방지할 때만 높은 가격 책정이 지속 가능합니다.
예를 들면 오류 거래 방지, 생산 결함 발견, 기계 가동 중단 시간 감소, 에너지 스케줄링 최적화, 규제 프로세스 가속화 또는 수동 검토 비용 절감이 포함될 수 있습니다.
출력이 비즈니스 성과를 개선하지 못한다면 프리미엄 가격은 유지되기 어렵습니다.
순책(XunCe)이 자체적으로 경쟁 우위가 있다고 보는 이유
토큰화는 설명하기 쉽습니다.
신뢰할 수 있는 산업 시스템을 구축하는 것은 훨씬 더 어렵습니다.
순책이 주장하는 주요 강점은 실시간 데이터 인프라 분야에서 10년 이상 축적된 경험입니다.
몇 분 만에 쇼케이스 사이트를 만들고 리드를 늘리세요
아이디어를 한 문장으로 입력하면 We0 AI가 쇼케이스 사이트, 페이지, CMS를 생성하고 출시 후 고객과 트래픽 확보를 돕습니다.
무료 등록을 위한 하나의 완전한 프로젝트 생성
하나의 완전한 생성 흐름을 시도하고 첫 번째 프로젝트 초안을 빠르게 보는 데 가장 적합합니다.
연례보고서는 세 가지 핵심 제품 속성을 제시합니다.
- 속도: 실시간 데이터 수집, 처리 및 출력.
- 정확성: 일관되고 추적 가능한 자동화된 데이터 출력.
- 확장성: 다양한 고객에 맞춰 조합할 수 있는 모듈식 접근법.
회사가 시작한 자산운용 시장은 까다로운 훈련장이었습니다.
금융 워크플로우는 밀리초 단위의 응답, 정밀한 데이터 대사, 완전한 감사 추적, 엄격한 권한 관리, 규제 보고 및 위험 컴플라이언스 점검이 필요할 수 있습니다.
회사는 동일한 기반 역량을 제조업, 에너지, 의료, 로봇, 항공 및 기타 산업으로 복제할 수 있다고 봅니다.
2025년 비(非)자산운용 사업 매출 비중이 79.63%에 달한다는 사실은 사업이 금융 영역을 넘어 확장되었음을 증명합니다.
그러나 이것이 모든 신규 수직 산업에서 동일한 마진율, 유지율 또는
방어력을 달성할 수 있다는 것을 증명하지는 않습니다.
업계 지식은 빠르게 복제되기 어려움
엔터프라이즈 AI의 성능은 종종 공개 훈련 데이터에 존재하지 않는 정보에 의존합니다.
여기에는 공장의 장비 파라미터, 병원의 내부 워크플로우, 금융 기관의 위험 규칙, 전력망의 실시간 운영 상태, 기업의 과거 고장 패턴, 특정 제품의 품질 임계값 및 업계 고유의 라벨링 표준이 포함됩니다.
기반 모델은 광범위한 추론 능력을 제공할 수 있습니다.
민간 데이터와 운영 피드백이 그러한 능력이 특정 조직 내에서 작동할 수 있는지 결정합니다.
따라서 기업 데이터 제공업체의 방어력은 장기 고객 관계, 통합 깊이, 과거 데이터 매핑, 업종 특화 모듈, 운영 피드백, 보안 인증, 전환 비용 및 안정적인 실시간 성능에서 비롯될 수 있습니다.
이러한 강점은 구축하는 데 수년이 걸릴 수 있습니다.
그러나 고객이 내부 플랫폼을 직접 구축하거나, 기반 모델 제공업체가 기업 데이터 영역으로 진출하거나, 오픈소스 데이터 도구가 구현 비용을 낮추면 이러한 강점이 약화될 수도 있습니다.
다음 단계: Token 공장
순책의 첫 번째 전략 단계가 시작되었습니다.
이 회사는 업계 파트너와 함께 금융, 헬스케어, 하이엔드 제조, 에너지·전력, 스마트 자동차, 로봇 및 기타 데이터 집약적 분야에서 수직 Token 공장을 건설할 계획입니다.
Token 공장의 개념은 재사용 가능성에 기반합니다.
순책은 모든 데이터 파이프라인을 처음부터 재구축하는 것이 아니라 표준 모듈, 업계 템플릿, 데이터 처리 규칙, 보안 통제, 과금 로직 및 모델 통합을 재사용하는 것을 목표로 합니다.
이것은 많은 엔터프라이즈 소프트웨어 회사에서 흔히 볼 수 있는 "플랫폼 대 프로젝트"의 대결입니다.
신규 고객이 기존 구성 요소로 서비스를 받을 수 있을 때 플랫폼은 더 수익성이 높아집니다.
배포할 때마다 대규모 맞춤 작업이 필요하다면 여전히 서비스 사업에 머무르게 됩니다.
향후 총마진 및 비용 데이터는 순책이 진정한 플랫폼 경제학의 길을 얼마나 걸어왔는지 보여줄 것입니다.
계획된 2단계: TokenRouters
순책은 2026년 하반기에 TokenRouters 출시를 계획하고 있다고 밝혔습니다.
이 제품은 기업 간, 산업 간, 시나리오 간 규정을 준수하는 Token 교환 플랫폼으로 설명됩니다.
예상되는 작동 방식은 다음과 같습니다:
- 기업이 자체 민간 데이터에서 시나리오 Token을 생성합니다.
- 승인된 Token이 설정된 권한 아래에서 사용 가능해집니다.
- 다른 비경쟁 조직이 이러한 Token을 호출하거나 구매합니다.
- 사용량이 계량됩니다.
- 양측이 합의된 가격으로 정산합니다.
- 보안, 감사 및 컴플라이언스 통제가 교환 전 과정에 적용됩니다.
이것은 매출 로직을 단일 고객의 내부 호출에서 더 넓은 네트워크의 활동으로 확장합니다.
잠재적 플랫폼 효과는 분명합니다.
구현 과제도 마찬가지로 큽니다:
- 데이터 소유권.
- 승인 및 동의.
- 기밀성.
- 경쟁법.
- 사이버 보안.
- 국경 간 전송.
- 모델 유출.
- 재식별 위험.
- 품질 보증.
- 오류 출력에 대한 책임.
- 표준화된 가격 책정.
- 상호운용성.
TokenRouters는 구축된 국가급 거래소가 아닌 계획 중인 제품입니다.
상업적
채택 여부는 출시 이후 평가되어야 합니다.
장기 목표: 기업 전용 소형 모델
순책 로드맵의 3단계는 기업 전용 소형 모델입니다.
이유는 간단합니다.
일부 조직은 모든 요청이 자체 환경을 벗어나는 것을 원하지 않으며 대형 범용 모델을 사용하기를 꺼립니다.
이들은 더 작은 시스템을 선호할 수 있습니다 — 실행 비용이 낮고, 튜닝이 쉽고, 속도가 빠르며, 예측 가능하고, 더 프라이빗하며, 온프레미스로 배포할 수 있고, 단일 작업 또는 업종에 집중할 수 있는 시스템을 말입니다.
시나리오 Token 레이어는 이러한 모델에 큐레이션되고 지속적으로 업데이트되는 엔터프라이즈 컨텍스트를 제공할 수 있습니다.
이 조합은 다음과 같을 수 있습니다:
기업 데이터
→ 관리되는 시나리오 Token
→ 프라이빗 소형 모델
→ 비즈니스 애플리케이션
→ 결과 피드백
→ 업데이트된 Token 파이프라인
이러한 아키텍처는 금융, 의료, 항공우주, 정부 및 기타 민감 환경에서 매력적일 수 있습니다.
이는 또한 순책이 클라우드 서비스 제공업체, 데이터베이스 회사, 데이터 통합 공급업체, 모델 제공업체, AI 에이전트 플랫폼, 기업 내부 엔지니어링 팀 및 업계 소프트웨어 회사와 경쟁하게 됨을 의미합니다.
성장 스토리가 매력적인 이유
여러 요인이 순책의 전략을 상업적으로 매력적으로 만듭니다.
엔터프라이즈 AI가 실험에서 워크플로우로 이동
조직이 AI를 실제 운영과 연결함에 따라 더 많은 데이터 엔지니어링, 거버넌스 및 모니터링이 필요해집니다.
민간 데이터는 상품화하기 더 어려움
공용 모델의 지능은 빠르게 저렴해질 수 있습니다.
고객 특정 데이터 매핑과 피드백 루프는 이전하기 훨씬 어렵습니다.
사용량 기반 가격 책정은 채택 확대에 따라 성장 가능
고객 호출량이 증가하면 사용량과 연동된 매출은 모든 성장 단위마다 신규 고객을 확보하지 않고도 성장할 수 있습니다.
모듈식 제품은 운영 레버리지 개선 가능
재사용 가능한 구성 요소는 배포 규모가 확대될 때 전달 비용을 낮출 수 있습니다.
업종 다각화가 이미 실현됨
2025년 매출의 약 80%가 원래 자산운용 부문 외부에서 발생했습니다.
수익성이 나타나기 시작함
초기 상반기 예비 실적은 뚜렷한 턴어라운드를 보여주었습니다.
이러한 요인들이 외부의 낙관론을 설명합니다.
그러나 위험을 제거하지는 않습니다.
Token 스토리 이면의 주요 위험
- 초기 결과는 변경될 수 있음
7월 공시는 감사되지 않은 관리 회계 수치에 기반합니다.
상세한 중간 보고서에는 조정 사항이나 추가 맥락이 포함될 수 있습니다.
- 매출 성장이 현금 창출과 같지 않음
기업 프로젝트는 대규모 매출 채권을 발생시킬 수 있습니다.
순책의 2025년 연례보고서는 무역 채권의 기대 신용 손실을 핵심 감사 사항으로 명시했습니다.
2025년 말 기준:
- 무역 채권 순액은 약 6.7188억 위안.
- 인식된 기대 신용 손실은 약 1.9401억 위안.
따라서 현금 회수는 수익과 함께 검토해야 한다.
- 토큰 수익은 여전히 초기 단계에 있다
회사가 보고한 토큰 기여도는 최근에서야 10%를 조금 넘었다.
수익의 대부분은 여전히 더 광범위한 기존 사업에서 발생한다.
- 시나리오 토큰의 정의는 공급업체별로 상이하다
현재 하나의 신책 시나리오 토큰을 다른 공급업체의 토큰과 직접 비교할 수 있게 하는
일반적인 회계 또는 기술 표준이 없다.
고객은 용어가 아닌 비즈니스 성과로 제품을 평가할 것이다.
- 플랫폼 경제성은 아직 충분히 검증되지 않았다
배포에 여전히 대규모 하드웨어와 맞춤화 작업이 필요하다면, 수익성은 순수 소프트웨어 플랫폼보다 솔루션 사업에 더 가까울 수 있다.
- 경쟁은 더욱 심화될 것이다
주요 클라우드 업체, 모델 기업, 데이터 기업, 엔터프라이즈 소프트웨어 기업 모두 민간 데이터 통합과 에이전트 인프라 방향으로 나아가고 있다.
- 기업 간 토큰 교환은 매우 복잡하다
TokenRouter가 네트워크 효과를 발전시키려면 먼저 법적, 기술적, 신뢰 문제를 해결해야 한다.
- 높은 성장은 실행 압박을 초래할 수 있다
많은 산업과 국가에서 빠르게 확장하는 것은 영업, 지원, 보안, 납품, 품질 관리 체계에 압박을 줄 수 있다.
보다 정확한 수익 공식
원문 기사는 Token 수익을 4가지 요인 모델로 표현했다:
고객 수 × 모듈 수 × Token 가격 × 호출 횟수
이는 유용한 비즈니스 프레임워크이지만, 완전한 비즈니스 모델은 비용을 차감하고 고객 행동을 고려해야 한다.
보다 실용적인 모델은 다음과 같다:
Token 매출총이익
= 활성 고객 수
× 활성 모듈 수
× 순 단가
× 성공적으로 청구된 호출 횟수
− 데이터 처리 비용
− 모델 및 컴퓨팅 비용
− 납품 비용
− 지원 비용
− 파트너 수수료
− 대손 및 추심 비용
활성, 성공, 순이라는 단어가 매우 중요하다.
고객이 계약을 체결했더라도 서비스를 대규모로 사용하지 않을 수 있다.
한 번의 호출이 실패하거나 가치를 창출하지 못할 수 있다.
할인 후 실제 거래 가격은 표시 가격과 다를 수 있다.
사업의 장기적 품질은 이러한 운영 세부 사항에 달려 있다.
8월 중간 보고서에서 주목해야 할 핵심 사항
상세한 중간 보고서는 몇 가지 중요한 질문에 답하는 데 도움이 되어야 한다.
수익 품질
- Token 관련 제품에서 얼마나 발생했는가?
- 하드웨어 또는 배포에서 얼마나 발생했는가?
- 반복 수익 또는 사용량 기반 과금은 얼마나 되는가?
- 최대 고객 집중도는 어떠한가?
수익성
- 매출총이익률은 얼마인가?
- 어떤 사업 라인이 이익을 창출했는가?
- 투자 수익에서 발생한 이익은 얼마나 되는가?
- 비용 비율은 지속 가능한 개선을 달성했는가?
현금 및 매출채권
- 영업 현금흐름은 개선되었는가?
- 매출채권 회수 속도는 어떠한가?
- 기대 신용 손실은 증가했는가?
Token 경제성
- 얼마나 많은 고객이 Token 과금을 사용했는가?
- 평균 사용량은 얼마인가?
- 유지율은 얼마인가?
- 서비스 비용은 얼마인가?
- Token 수익이 공개된 10% 기준을 초과했는가?
플랫폼 진행 상황
- 얼마나 많은 모듈이 재사용되었는가?
- 여전히 얼마나 많은 맞춤화 작업이 필요한가?
- TokenRouter는 계획대로 출시되었는가?
- 어떤 Token 공장이 생산 단계에 진입했는가?
이러한 세부 사항은 전체 성장률보다 더 중요하다.
실적 데이터가 드러내는 기업 AI 트렌드
앞서 언급한 필요한 유보 의견에도 불구하고, 신책의 실적 데이터는 여전히 중요한 시장 트렌드를 시사한다.
기업 AI 지출은 기초 모델과 가속기를 넘어 더 넓은 영역으로 확장되고 있다.
다양한 조직은 AI와 비즈니스 현실을 연결하는 계층에 지출을 점점 더 집중하고 있다:
- 데이터 파이프라인.
- 실시간 컨텍스트.
- 권한 관리.
도메인 로직.
- 평가.
- 모니터링.
- 애플리케이션 통합.
- 감사.
범용 모델 추론 비용이 낮아짐에 따라, 이러한 주변 시스템이 총 가치에서 더 큰 비중을 차지할 수 있다.
이는 범용 토큰이 무의미해진다는 것을 의미하지 않는다.
이는 가장 저렴한 구성 요소가 항상 가장 가치 있는 구성 요소는 아니라는 것을 의미한다.
한 번의 모델 호출 비용은 매우 낮을 수 있다.
하지만 답변을 기반으로 행동을 취하는 데 필요한 신뢰할 수 있는 데이터, 워크플로우 통합, 책임 메커니즘은 훨씬 더 높은 비용이 들 수 있다.
자주 묻는 질문
신책테크놀로지는 어떤 일을 하는 회사인가?
신책은 실시간 데이터 인프라와 데이터 분석 서비스를 제공하며, 자산운용 및 점점 더 많은 다른 산업을 대상으로 한다. 해당 제품은 기업 데이터 수집, 정제, 표준화, 실시간 컴퓨팅, 분석, AI 에이전트 및 모델 통합을 연결한다.
신책의 상반기 매출이 389% 증가한 이유는?
회사의 잠정 이익 예고는 성장을 기업 AI 데이터 수요 증가, 더 많은 산업으로의 확장, Token 비즈니스 모델 도입, 국제화 및 생태계 발전에 기인한다고 설명한다. 해당 데이터는 감사되지 않았으며 상세 중간 실적에서 확인되어야 한다.
TokenONE이란 무엇인가?
TokenONE은 신책의 제품으로, 이기종 기업 데이터와 도메인 지식을 측정 가능하고 감사 가능하며 호출 가능한 시나리오 Token으로 전환한다. 회사는 이를 TokenOS 및 표준화된 Token 공장 시스템으로 설명한다.
신책 시나리오 Token과 LLM Token은 동일한가?
다르다. LLM Token은 일반적으로 토크나이저가 정의한 모델 입력 또는 출력 단위이다. 신책은 처리된 기업 데이터 또는 지식 역량의 제품 용어로 "시나리오 Token"을 사용하므로, 그 가격은 일반 모델 Token 가격과 직접 비교할 수 없다.
신책은 수익을 내고 있는가?
신책은 2025년 연간 순손실을 보고했다. 2026년 7월 이익 예고는 상반기 귀속 모회사 소유주 이익이 약 7,251만 위안, 조정 순이익이 약 6,700만 위안일 것으로 추정하며, 최종 중간 실적에 따라 달라진다.
TokenRouters란 무엇인가?
TokenRouters는 신책이 계획한 플랫폼으로, 기업 간 및 산업 간 시나리오 Token의 규정 준수 교환 및 사용을 위한 것이다. 회사는 2026년 하반기 플랫폼 출시를 예상한다고 밝혔으므로, 이는 확립된 거래소가 아닌 로드맵 상의 제품으로 간주해야 한다.
특정 산업 AI 데이터가 범용 모델 Token보다 더 비쌀 수 있는 이유는?
산업 데이터에는 비공개 기록, 실시간 데이터 스트림, 검증된 규칙, 보안 통제, 감사 가능성, 운영 보장이 포함될 수 있다. 이 조합이 고가치 의사결정을 향상시킬 때 고객은 프리미엄을 지불할 의사가 있을 수 있지만, 측정 가능한 비즈니스 가치를 창출할 때만 그 가격이 지속 가능하다.
신책 Token 사업의 가장 큰 위험은 무엇인가?
주요 위험으로는 잠정 재무 데이터, 현금 회수, Token 채택의 초기 단계, Token 정의의 비표준화, 맞춤화 비용, 경쟁, 규제 복잡성, TokenRouters 플랫폼의 불확실성이 있다.
관련 도구
- Apache Kafka: 시스템 간 실시간 기업 데이터 전송에 일반적으로 사용되는 오픈소스 이벤트 스트리밍 플랫폼.
- Apache Flink: 상태 저장 스트림 처리 및 실시간 데이터 컴퓨팅을 위한 분산 엔진.
- dbt: 문서화되고 테스트 가능한 분석 모델을 구축하기 위한 데이터 변환 프레임워크.
- Great Expectations: 데이터 세트가 분석 또는 AI 워크플로우에 들어가기 전에 검증하는 데이터 품질 플랫폼.
- MLflow: 머신러닝 실험, 모델, 평가, 배포를 관리하기 위한 오픈소스 플랫폼.
- DeepSeek API: 범용 모델 제공업체의 공식 API 문서로, 기초 모델 접속과 기업 데이터 인프라를 비교하는 데 유용하다.
관련 링크
- 신책테크놀로지 공식 웹사이트: 회사 공식 정보 및 실시간 데이터 인프라 사업 소개.
- 신책 2026년 상반기 이익 예고: 홍콩거래소에 제출된 공식 잠정 비감사 수익 및 이익 공고.
- 신책 2025년 연차 보고서: 감사된 재무 이력, 산업별 수익 구조, 과금 모델, 위험, 매출채권 및 회사 공시 정보.
- TokenONE 출시 공고: 회사가 발표한
TokenONE, 해당 시나리오 토큰 개념 및 제품 포지셔닝에 대한 소개.
- 과학기술일보: TokenOS 출시: TokenONE의 9대 단계, 5대 프로세스 및 4월 초 사용 지표에 대한 독립 뉴스 보도.
- 신책 7월 31일 사업 업데이트: 회사가 발표한 Token ARR, 매출 기여도, 가격 책정, 파트너십 및 로드맵 관련 업데이트.
- 홍콩거래소 뉴스: 상장사 공시 및 재무 보고서 공식 발표 플랫폼.
요약
신책테크놀로지는 2026년 상반기 영업수익이 9억 6,702만 위안으로 잠정 집계되어 전년 동기 대비 388.76% 성장했으며, 최초로 흑자를 달성한 상반기를 기록할 것으로 전망했다. 공식 공시는 이러한 변화를 기업 AI 데이터 수요, 업종 확장, 토큰 상업화, 해외 사업, 영업 레버리지 및 투자 수익에 기인한다고 설명했다.
TokenONE은 회사의 기존 실시간 데이터 인프라 사업 위에 사용량 기반 과금 모델을 추가한 것이다. 해당 시나리오 토큰은 일반적인 기반 모델 토큰과 혼동해서는 안 된다. 이는 회사가 정의한 패키지 상품으로, 가공된 기업 데이터, 도메인 지식, 그리고 호출 가능한 비즈니스 역량을 포함한다.
기회는 분명하다. 범용 모델의 추론 비용이 낮아짐에 따라 신뢰할 수 있는 사설 데이터와 프로덕션 통합이 더 큰 가치를 차지할 가능성이 있다. 불확실성도 마찬가지로 중요하다. 토큰 수익은 여전히 초기 단계이며, 재무 데이터는 잠정 결과이고, 매출채권에 대한 관리가 필요하며, 계획된 TokenRouters 거래소는 아직 경제적 타당성을 입증하지 못했다.
**핵심 시사점은 이것이 아니다.
비싼 토큰이 자연스럽게 저렴한 토큰을 이긴다 — 기업 AI는 단순한 모델 연산이 아닌 신뢰할 수 있는 의사결정에 비용을 지불한다.
