딥시크 효과…중국 스타트업이 AI 개발 미래 바꾸나

딥시크의 부상은 AI 혁신을 주도하는 기술 대기업들의 안락한 위치를 뒤흔들었습니다. 이 중국 스타트업은 적은 비용과 자원으로 모델 효율성을 달성할 수 있음을 보여주었습니다.

BeInCrypto는 기술 부문이 암호화폐 시장에 미친 파급 효과와 딥시크의 부상이 AI 개발의 미래를 영구적으로 재정의한 이유에 대해 10명의 업계 리더와 이야기를 나누었습니다.

미국 기술 대기업에 찬물 한 바가지

딥시크의 부상과 암호화폐 시장에 미친 깊은 영향은 서구 기술 부문에 AI 개발에서 더 이상 광범위한 우위를 점하지 못한다는 경각심을 주었습니다.

불과 2주 전, 이 중국 스타트업은 R1과 V3라는 두 개의 AI 모델을 출시했습니다. 이 시스템들은 오픈AI와 구글 같은 기술 대기업이 개발한 것만큼 효율적이며, 일부 지표에서는 더 높은 순위를 기록했습니다. 또한 비용의 일부만으로도 생산되었습니다.

메타의 라마 3.1 같은 언어 학습 모델(LLM)은 제작에 6000만 달러 이상이 들지만, 딥시크는 최첨단 모델 훈련 비용을 600만 달러로 줄여 주목을 받았습니다.

딥시크의 출시 몇 시간 후, 이 소식은 미국 주요 기술 기업의 시장 자본화를 1조 달러 감소시켰습니다. AI 칩의 세계적인 공급자인 엔비디아는 6000억 달러의 가치 하락을 겪었습니다.

미국 주식 시장은 사상 최악의 하루 손실을 겪었고, 암호화폐도 영향을 받았습니다. 딥시크의 등장은 마라톤과 라이엇 같은 채굴 주식의 큰 하락을 초래했습니다. 이들은 엔비디아 하드웨어에 크게 의존하고 있습니다.

이 소식은 또한 10억 달러의 암호화폐 매도를 촉발했습니다. 비트코인은 5% 하락했고, 알트코인은 8-10%의 더 가파른 하락을 보였습니다. 한편, AI 기반 암호화폐는 24시간 동안 시가총액이 10% 하락했습니다. 상위 5개 AI 코인 중 4개가 큰 손실을 입었습니다.

딥시크의 등장은 과신하던 기술 대기업들을 겸손하게 만들었습니다. 이는 그들의 수십억 달러 투자와 미래 수익 성장에 대한 과도한 의존에 대한 비판을 불러일으켰습니다.

또한 혁신 경쟁에서의 미래 혼란이 암호화폐 시장에 파급 효과를 미칠 것임을 보여주었습니다.

중국, 역경 속 딥시크 개발

딥시크는 중국이 가장 효율적인 AI 모델을 향한 경쟁에서 미국에 크게 뒤처지지 않았음을 보여주며 시장을 뒤흔들었습니다. 1월 27일 이 소식이 전해지기 전까지, 마이크로소프트, 구글, 오픈AI 같은 주요 기업의 기술 주식은 긍정적인 분위기를 보였습니다.

이러한 감정은 주로 이 기술 대기업들이 확립된 자금력을 갖추고 있다는 사실에 기반을 두고 있습니다. 그들은 이미 AI 혁신을 주도하는 데 필요한 가장 정교한 하드웨어와 소프트웨어에 접근할 수 있는 견고한 시장 위치를 가지고 있습니다.

“이들 기업은 기술적 우위뿐만 아니라 인프라, 방대한 데이터 세트, 재정적 자원을 보유하고 있어 그들의 지배력을 유지할 수 있습니다,”라고 파벨 마트베예프, 와이렉스 공동 창립자가 말했습니다.

한편, 조 바이든 대통령 재임 중 엔비디아는 중국에 GPU 프로세서를 판매하는 것이 금지되었습니다. 이러한 수출 제한은 중국이 그 시점까지 구축한 비축량에 의존하도록 강요했습니다.

이러한 도전에도 불구하고, 중국은 딥시크를 창조했습니다.

“미국의 수출 제한으로 인해 중국은 미국 기업들이 가진 하드웨어에 접근할 수 없었습니다. 하지만 이는 경제학 101입니다: 자원의 희소성은 혁신을 이끌고, ‘필요는 발명의 어머니’라는 말처럼, 중국은 매우 깊은 수준의 엔지니어링을 통해 진정한 혁신을 이루어야 했습니다. 이는 정말로 승리의 이야기입니다,”라고 임파서블 클라우드 네트워크의 매니징 디렉터인 세바스찬 파이퍼가 말했습니다.

QStarLabs의 CEO인 양 탕에게는 이러한 일이 일어날 수밖에 없었습니다.

“이것은 기술 개발의 자연스러운 진화입니다: 더 나은 프로세스를 사용하여 더 나은 결과를 달성한 경쟁자가 나타났습니다. 주목할 점은 딥시크가 한 모든 것이 이전에 학계 및/또는 산업 연구에서 발표되었다는 것입니다. 이는 확립된 AI 연구소들이 다르게 생각하도록 강요할 것입니다. 많은 연구소들이 지나치게 연구 중심적이었습니다,”라고 그는 말했습니다.

이는 또한 서구 세계에 귀중한 교훈을 주었습니다.

가끔은 적을수록 더 좋다

1년 전, 오픈AI CEO 샘 알트먼은 AI 산업이 특수 칩 개발을 위해 수조 달러의 투자가 필요할 것이라고 예측했습니다. 이러한 칩은 산업의 점점 복잡해지는 AI 모델을 지원하는 에너지 집약적인 데이터 센터에 필수적입니다.

다른 주요 기술 회사들도 최근 비슷한 계획을 발표했습니다. 메타는 올해 AI 인프라를 확장하기 위해 최대 650억 달러를 지출할 계획이라고 발표했습니다. 이 회사는 연말까지 130만 개 이상의 그래픽 프로세서를 보유하는 것을 목표로 하고 있습니다.

마이크로소프트는 2025 회계연도에 약 800억 달러를 데이터 센터 개발에 투자할 계획을 발표했습니다. 한편, 아마존은 2025년 유사한 인프라에 대한 지출이 2024년 예상 투자액인 750억 달러를 초과할 것으로 예상하고 있습니다.

이들 회사 중 다수는 GPU와 관련 AI 하드웨어를 비축하고 있습니다. 예를 들어, 메타 CEO 마크 저커버그는 2024년 말까지 GPU 공급을 60만 대로 늘리는 것을 목표로 하고 있다고 밝혔습니다.

한편, 딥시크는 2,000개 이상의 엔비디아 GPU와 600만 달러를 사용하여 R1 모델을 구동했습니다.

“딥시크의 개발 비용 절감 및 최소한의 계산 자원으로 AI 모델 최적화에 대한 돌파구는 경쟁적인 AI 환경에서의 지각 변동을 의미합니다. 엔비디아, 오픈AI, 구글과 같은 전통적인 거대 기업들은 막대한 계산 능력과 고가의 인프라(고급 GPU 및 광범위한 클라우드 서비스)에 의존하고 있으며, 자원 집약적인 AI 개발에서의 전통적인 이점이 줄어들 수 있습니다.” – 트레버 코버코, Sapien.io 공동 창립자

중국이 그리 멀지 않다는 것을 서구 기업들이 깨달으면서 전통 금융 시장과 암호화폐 시장의 투자자들이 놀랐습니다.

딥시크, 암호화폐 시장 영향

전반적인 시장 하락은 특히 전통 시장에서 기술 평가에 대한 기대치의 재조정으로 나타났습니다.

“시장은 AI 기술에 대한 공격적인 성장 가정을 가격에 반영했으며, 특히 엔비디아와 주요 클라우드 제공업체와 같은 회사에 유리한 계산 수요에 중점을 두었습니다. 딥시크의 적은 계산 능력으로 유사한 결과를 달성한 돌파구는 투자자들이 이러한 가정을 재평가하도록 강요했습니다.” – 카란 시르데사이, Mira Network CEO 및 공동 창립자

암호화폐 부문은 딥시크와 직접적인 관련은 없지만, AI 개발자들과 같은 분야에 속해 있습니다. 따라서 R1 출시 소식에 암호화폐도 영향을 받았습니다.

시르데사이에 따르면, 암호화폐와 AI 시장 간의 관계는 단순한 상관관계보다 더 복잡합니다. 두 분야 모두 기술 범주에 속하지만, 근본적으로 다른 원칙에 따라 운영됩니다.

“비트코인과 암호화폐의 가치는 화폐 역학, 네트워크 채택, 규제 환경에 뿌리를 두고 있으며, AI 개발은 기술적 역량과 상업적 응용에 중점을 둡니다.” – 카란 시르데사이

그럼에도 불구하고, 암호화폐와 AI는 모두 기술 부문에서 큰 존재감을 가지고 있습니다.

“두 분야 모두 특히 GPU에 대한 계산 자원을 놓고 경쟁하며, 공급망 연결을 만듭니다. 또한, 많은 투자자들이 두 분야 모두에서 활동하고 있어, 감정이 전이될 수 있습니다. 주요 기술 회사들이 AI 개발로 인한 변동성을 경험할 때, 이러한 공유된 투자자 기반을 통해 암호화폐 시장에 파급 효과가 있을 수 있습니다.” – 카란 시르데사이

딥시크의 R1 모델 출시 이후 최근 시장 움직임은 기술 부문의 전반적인 감정에 암호화폐 시장이 얼마나 민감한지를 보여줍니다.

“이 상호작용은 AI와 암호화폐 간의 문화적, 기술적 시너지를 반영하며, 한 분야의 발전이 다른 분야에 상당한 영향을 미칠 수 있음을 시사합니다.” – 포레스트 바이, Foresight Ventures 공동 창립자

따라서 미국 기술 대기업들이 딥시크의 최신 혁신에 어떻게 반응하는지를 면밀히 관찰하는 것이 향후 유사한 사건이 암호화폐 시장에 미칠 영향을 이해하는 데 중요합니다.

미국 기술 기업 조정기

투자자 신뢰의 하락은 AI 시장의 미래에 대한 불확실성을 드러냅니다. 이러한 의문은 계산 규모가 경쟁의 핵심으로 남을 것인지, 효율성 혁신이 부문을 어떻게 재편할 것인지에 중점을 둡니다.

“AI 경쟁은 더 이상 가장 많은 GPU를 보유한 사람이 아니라 가장 스마트하고 효율적인 모델을 훈련할 수 있는 사람에 관한 것입니다. 딥시크의 돌파구는 훈련 혁신이 AI 독점을 방해할 수 있음을 증명합니다.” – 일란 라흐마노프, ChainGPT 창립자

라흐마노프는 딥시크가 GPU 접근 장벽을 우회하기 위해 구현한 주요 기술 혁신을 강조했습니다.

“DeepSeek의 R1 모델은 최적화된 아키텍처, 대체 훈련 방법, 특수 하드웨어, 에너지 효율적인 컴퓨팅 전략의 조합을 통해 효율성을 달성하는 것으로 보입니다. 트랜스포머 효율성을 개선하고 모델 희소성을 활용하며 검색 보강 생성 방식을 통합하여 성능을 저하시키지 않고 계산 요구를 줄입니다. 자가 지도 학습, 합성 데이터 증강, 강화 학습에 의존하여 대규모 데이터셋에 대한 의존성을 최소화하며, 맞춤형 AI 가속기나 비GPU 대안을 통해 계산 비용을 낮춥니다.”라고 설명했습니다.

이에 대해 iExec의 연구 책임자인 앤서니 시모넷은 덧붙였습니다:

“이 모델은 Mixture-of-Experts 아키텍처, 저정밀 훈련, 지식 증류와 같은 기술을 사용하여 적은 자원으로 효율성을 극대화합니다. 이를 통해 AI가 표준 하드웨어에서 원활하게 실행되며 접근성을 높입니다.”라고 말했습니다.

기술 전문가들은 DeepSeek이 모델의 연구를 대중에게 공개했다는 점을 빠르게 주목했습니다.

탈중앙화 AI 필요성

미국 기업인 OpenAI와 같은 전통적인 비밀주의와 달리, DeepSeek은 R1 모델을 완전히 오픈소스로 공개했습니다. 많은 업계 리더들은 이 움직임을 환영하며, AI의 미래가 대중의 손에 남아있기 위해서는 전반적인 접근이 분산화되어야 한다고 지적했습니다.

“DeepSeek은 AI 산업에 혁신을 가져왔으며, OpenAI와 같은 기업들이 필요로 하는 경각심을 불러일으켰다고 믿습니다. OpenAI는 원래 모든 사람에게 고급 AI를 제공하기 위해 설립되었지만, 시간이 지남에 따라 폐쇄적이고 제한된 모델로 전환되었습니다. AI 분야는 진화하고 있으며, DeepSeek은 우리 모두에게 중요한 점을 상기시켰습니다. 훌륭한 기술은 소수의 사람들만을 위한 것이 아니라 모두를 위해 만들어져야 합니다.”라고 라흐마노프가 말했습니다.

자원이 적은 소규모 개발자들은 이 소식을 환영했습니다. DeepSeek의 설계와 연구 논문에 대한 접근은 그들이 연구 예산을 소진하지 않고도 모델을 개선할 수 있게 해줍니다.

“DeepSeek의 저렴한 모델은 AI 모델 훈련에 필요한 GPU를 줄여 계산 비용을 낮춥니다. 이러한 효율성은 AI가 더 저렴하게 확장될 수 있게 하여, 자원이 제한된 기업과 연구자들에게 접근성을 제공합니다.”라고 Theoriq의 공동 창립자인 론 보드킨이 말했습니다.

스타트업의 모델이 이제 오픈소스로 공개됨에 따라, 개발자들은 이를 철저히 분석하여 AI 혁신을 더욱 촉진할 것입니다.

“DeepSeek이 오픈소스이기 때문에 AI 경쟁의 흐름은 돌이킬 수 없이 오픈소스 영역으로 더 많이 이동할 것입니다. 폐쇄형 모델 서사는 파괴될 것입니다. 오픈소스는 AI 기업, 혁신가, 소비자 모두에게 이익이 됩니다. 폐쇄형 모델에 집착하는 사람들만이 패배자가 될 것이며, 이는 가까운 미래에 급격한 붕괴를 겪을 것입니다.”라고 타락사의 공동 창립자인 스티븐 푸가 BeInCrypto에 말했습니다.

AI가 저렴해지고 접근성이 높아짐에 따라, AI는 점점 더 상품화될 것입니다.

AI 기술 상품화

DeepSeek의 출시일에, 마이크로소프트 CEO 사티아 나델라는 SNS에 제번스의 역설에 대해 게시했습니다.

“제번스의 역설이 다시 한번 나타났습니다! AI가 더 효율적이고 접근 가능해짐에 따라, 우리는 그 사용이 급증하는 것을 보게 될 것입니다. 이는 우리가 충분히 얻을 수 없는 상품이 될 것입니다.”라고 나델라가 X에 말했습니다.

반발 효과로도 알려진 제번스의 역설은 영국 경제학자 윌리엄 스탠리 제번스가 만든 경제 원칙입니다. 자원 사용의 효율성이 증가하면 그 자원의 소비가 증가할 수 있습니다.

AI에 적용하면, 이러한 시스템이 더 효율적이 될수록 그 작업에 대한 수요가 증가할 수 있습니다. 이는 AI 연구의 접근성이 증가함에 따라 더욱 증폭될 수 있는 현상입니다.

“훈련 및 추론 단계에서 비용을 낮추는 것은 좋습니다. 기술에서는 비용을 낮추는 것이 항상 더 넓은 채택과 더 높은 전반적인 소비로 이어졌습니다. 자동차가 저렴해지자 더 많은 사람들이 자동차를 소유하게 되었습니다. 메인프레임이 저렴한 개인용 컴퓨터로 축소되었을 때 디지털 혁명을 이끌었습니다. 마찬가지로 AI가 더 저렴해지면서 더 많은 혁신가와 스타트업이 AI를 실험하게 될 것이며, 이는 AI의 더 많은 활용과 GPU 하드웨어와 같은 AI 관련 인프라에 대한 더 높은 수요로 이어질 것입니다.” – 푸, BeInCrypto에 말했습니다.

파이퍼에게 AI 인프라의 상품화는 이제 기술 회사들이 추구할 혁신의 성격을 변화시킬 것입니다. 개발자들은 한때 가장 정교한 LLM 모델을 만드는 데 집중했습니다. 이제 이 기술을 다양한 산업에 통합하는 데 노력을 기울일 것입니다.

“딥시크는 오픈AI를 기반으로 훈련을 받아 다른 사람들의 진전을 상당히 구축할 수 있었습니다. LLM 환경은 상품화되고, 아마도 완전히 오픈 소스화될 것입니다. 그러나 이것이 대부분의 혁신이 일어날 곳은 아닙니다. 실제로 AI의 성장과 진화는 개발 측면에서 덜 보일 것이며, AI의 통합과 사용을 통해 나타날 것입니다. 산업에 대한 수직적이고 깊은 통합과 그들의 데이터에 대한 접근이 정교한 LLM보다 훨씬 더 중요할 것입니다. 왜냐하면 그것들은 상품화되고 그들의 혁신 진행이 느려질 것이기 때문입니다.” – 그가 말했습니다.

이 역설은 또한 미국의 기술 대기업들에게 컴퓨팅 자원에 대한 접근이 제한된 국가들에 비해 이점을 줄 수 있습니다.

미국의 우위

딥시크의 최신 모델은 확립된 미국 기업들과의 경쟁 격차를 눈에 띄게 좁혔지만, 회사는 도전에 면역이 아닙니다.

제본스의 역설에 따르면, AI 제품에 대한 수요 증가가 그들을 개발하는 데 필요한 자원에 대한 수요 증가로도 이어질 것입니다. 다른 대안들이 여전히 탐구되고 있지만, GPU는 AI 기술의 미래 개발에 계속해서 중요할 것입니다.

“딥시크는 또한 그들의 제공을 확장하는 능력을 제한하는 용량에 도달한 것으로 보입니다. 그들은 중국 거주자들에게만 앱 가입을 제한하고 있으며, 그들의 API는 출시 당시보다 훨씬 느립니다. 그들이 추가적인 GPU를 확보하지 못해 그들의 제공을 확장할 수 없다고 믿습니다.” – 보드킨이 말했습니다.

딥시크의 돌파구는 또한 AI 인프라 개발에 대한 미국의 수십 년간의 헌신을 해소하지 않습니다.

“딥시크의 최적화 돌파구에도 불구하고, AI 경쟁은 여전히 대규모 데이터셋, 컴퓨팅 파워, 그리고 엔드 투 엔드 생태계 통제에 대한 접근에 의해 크게 좌우됩니다. 오픈AI와 구글 같은 회사들은 단순한 확장에만 의존하지 않습니다. 그들은 또한 독점적인 데이터, 클라우드 인프라, 그리고 광범위한 배포 파이프라인을 가지고 있습니다. 대안적인 방법론들이 유망하지만, 그것들이 다양한 사용 사례에서 전통적인 접근 방식을 일관되게 능가할 수 있을 때만 현상 유지를 방해할 것입니다. 지금은 딥시크가 산업의 변화를 나타내는지 아니면 이미 경쟁이 치열한 환경 내에서 단순한 점진적 개선을 나타내는지 말하기에는 너무 이릅니다.” – 마트베예프, BeInCrypto에 말했습니다.

이러한 현실을 감안할 때, 시르데사이는 딥시크에 대한 시장 반응이 다소 과장되었다고 믿습니다.

“시장 반응은 AI 기술 상업화의 복잡성을 간과하는 것 같습니다. 딥시크의 더 효율적인 아키텍처는 중요하지만, 성공적인 AI 배포는 견고한 인프라, 강력한 보안 조치, 그리고 생산 환경에서의 입증된 신뢰성을 필요로 합니다. 서구의 기술 회사들은 이러한 역량을 구축하는 데 수년을 보냈습니다.” – 그가 말했습니다.

딥시크의 부상은 혁신이 예상치 못한 곳에서 나타나고 확립된 거대 기업들을 도전할 수 있음을 보여주며 AI 경쟁을 확실히 재편했습니다.

산업이 계속 진화함에 따라, 오픈 소스 모델, 자원 접근성, 경쟁 역학 간의 상호작용을 모니터링하는 것이 AI 개발의 미래와 세계에 미치는 영향을 형성할 것입니다.