딥시크, AI 시장을 뒤흔든 4주의 나비효과

$500Bn vs. $0.005Bn

주말 사이 딥시크(DeepSeek)가 테크 커뮤니티를 넘어 금융 시장을 강타하였습니다. 사실 딥시크의 V3 모델이 공개된 것은 지난 12월 30일입니다. AI 전문 커뮤니티에서는 딥시크가 공개된 직후 파라미터 규모, MoE(Mixture-of-Experts, 전문가 혼합) 기법을 활용해 효율적인 구조를 설계한 점이 주목되며 많은 관심을 받았습니다.

이미 시장에 알려졌던 뉴스가 나비효과를 일으켜 전세계 금융 시장을 강타하기까지 걸린 시간은 단 4주에 불과했습니다. 불씨는 딥시크 공개 이후 메타가 패닉에 빠졌다는 내부 메모와 관련한 내용이 바이럴되며 시작되었습니다. 오픈소스 모델 라마(Llama)를 개발한 메타였지만, AI 모델 훈련과 고도화에 수 조 원을 투자하고도 고작 556만 달러를 들인 딥시크의 모델이 성능 테스트에서 우위를 보이자 내부는 비상 상태에 빠졌다는 내용이었습니다.

이 뉴스는 며칠 전 발표된 트럼프 정부의 프로젝트 스타게이트(Stargate)와 맞물리며 더욱 주목받기 시작했습니다. 미국 정부가 AI 패권 경쟁에서 우위를 점하기 위해 5,000억 달러 규모의 투자를 발표한 상황에서, 중국의 이름 모를 연구소가 미미한 비용으로, 게다가 GPU 수출 제한까지 뚫고 이러한 성과를 달성했다는 극명한 대비가 시장 참여자들의 불안감을 증폭시켰습니다. 여기에 “역시 마사요시 손이 베팅하는 시점이 꼭지"라는 우스갯소리까지 돌며 자조적인 평가도 더해진 모습입니다.

달이냐 손가락이냐

과도한 공포심과 부정확한 정보에 대한 반발로 딥시크가 언급한 투자 규모를 믿을 수 없다는 분석도 나왔습니다. 데이터센터 및 GPU 데이터를 추적하는 SemiAnalysis의 딜런 파텔은 이미 지난 11월 딥시크가 자신들이 이야기한 것보다 훨씬 많은 규모의 GPU를 보유하고 있다고 언급한 바 있습니다.

물론 핵심은 정확히 몇 대의 GPU를 보유하고 있느냐는 아닙니다. 딥시크가 자체 발표 대비 10배 이상 비용을 썼다고 해도 메시지가 달라지는 것은 아니기 때문입니다. 딥시크 효과는 일각에서 ‘스푸트니크 모멘트’라고 언급할 정도의 패러다임 전환이라는 점에 방점을 두고 있습니다. 특히 엔비디아의 수석 연구원 짐 팬 박사는 딥시크가 적은 비용으로 기존의 모델들을 뛰어넘을 수 있었던 방법론은 주목해야 한다고 말합니다.

딥시크의 또 다른 혁신은 자체 개발한 GRPO 방식에 있었습니다. 기존의 PPO는 AI 강화학습에서 가장 널리 사용되는 알고리즘으로, 모델이 새로운 정책을 학습할 때 성능이 갑자기 떨어지는 것을 방지하기 위해 ‘비평가 네트워크’(critic network)를 사용합니다. 그러나 딥시크는 이 비평가 네트워크를 제거하고 대신 여러 샘플의 평균 보상값을 사용하는 GRPO 방식을 도입했습니다.

이는 단순해 보이는 변화였지만, 메모리 사용량을 크게 줄이면서도 효과적인 학습을 가능하게 했습니다. 특히 주목할 만한 점은 GRPO가 2024년 2월에 딥시크에 의해 개발되었다는 것입니다. 이는 그들이 짧은 시간 내에 혁신적인 알고리즘을 개발하고 이를 실제 모델에 성공적으로 적용했음을 보여줍니다.

Jim Pan

시장이 크게 반응하는 이유 또한 크게 다르지 않습니다. 중국 기업에 대한 반감과 우려로 딥시크가 오픈AI처럼 전세계적인 서비스가 될 것인지에 대해서는 아직 의견이 분분합니다. 그럼에도 불구하고 오픈AI, 엔비디아, 마이크로소프트, xAI, 메타 등이 주도해 온 AI 수백조 원 규모의 AI 빌드업이 유일한 대안이 아님을 보여주었다는 점에서 딥시크 사태의 의미는 곱씹어 볼 필요가 있습니다.

다시 아키텍처와 어플리케이션으로

단 몇 주 만에 벌어진 딥시크 쇼크 중 가장 인상적인 기업은 퍼플렉시티(Perplexity)입니다. 거의 매일 새로운 제품과 성능을 발표 중인 퍼플렉시티는 1월 28일 자사 서비스에 딥시크 모델이 적용되었음을 발표합니다.

특히 여러 차례 언급되고 있는 중국 서버로의 정보 유출에 대해 ’딥시크는 오픈소스 모델이며, 미국-유럽 등 데이터센터에 고객 정보가 저장될 것’이라는 단순 명쾌한 설명으로 불식시켰습니다.

오픈소스 모델의 특성상 딥시크의 코드와 가중치는 이미 공개되어 있어, 실제 서비스 운영은 각 기업이 자체적으로 수행할 수 있다는 점을 강조한 것입니다.

딥시크가 던진 돌은 AI 개발의 패러다임 전환을 예고하고 있습니다. ‘더 많은 컴퓨팅 파워가 곧 더 뛰어난 AI’라는 기존의 공식이 흔들리며, 도메인 전문성과 효율적인 학습 방식의 결합이 막대한 컴퓨팅 파워보다 더 중요할 수 있다는 가능성이 입증되고 있습니다. 이는 수학, 금융 모델링, 의료 진단, 법률 분석 등 명확한 성공 지표가 있는 분야에서 특히 유의미한 변화를 가져올 것으로 예상됩니다.

이러한 변화는 AI 개발의 민주화로 이어질 수 있습니다. 기존에는 오픈AI, 구글과 같은 대형 기업들만이 가능했던 고성능 AI 모델 개발이, 이제는 특정 도메인에 대한 깊은 이해와 효율적인 학습 방법론을 가진 팀들에 의해서도 가능해질 수 있기 때문입니다. 퍼플렉시티의 사례에서 보듯, 이미 일부 기업들은 이러한 변화의 흐름을 빠르게 포착하고 있습니다.

마지막으로, 딥시크의 등장은 미국과 중국의 기술 패권 경쟁이라는 첨예한 대립 속에서도 변치 않는 하나의 원칙을 다시금 확인시켜 주었습니다. 바로 ‘필요는 발명의 어머니’라는 오래된 격언입니다.

미국의 반도체 수출 통제가 실질적으로 얼마나 효과적일지는 차치하더라도, 이러한 제재가 중국에 대한 미국의 근본적인 우려와 경계심을 해소하지는 못할 것이라는 점이 이번 사태를 통해 분명히 드러났습니다. 오히려 이러한 제약이 중국 기업들의 혁신을 자극하는 촉매제가 될 수 있다는 점에서, 앞으로 미국이 어떤 방향으로 대중 전략을 수정해 나갈지 주목됩니다.