딥시크가 미국 AI 시장에 미치는 영향

 

서론

2025년 1월, 중국의 AI 스타트업인 딥시크 AI가 혁신적인 인공지능 모델을 발표하면서 글로벌 기술 시장에 큰 파장을 일으켰습니다. 특히 딥시크 AI의 AI 비서가 1월 27일 미국 애플 앱스토어에서 ChatGPT를 제치고 다운로드 수 1위를 기록한 사실은 미국 사용자들의 높은 관심을 반영합니다. 본 보고서는 딥시크 AI의 기술적 특징과 경쟁력을 분석하고, 이러한 혁신이 미국 AI 시장, 특히 주요 기업인 엔비디아에 미치는 영향을 심층적으로 조사합니다. 또한, 딥시크 AI의 등장이 미국 AI 시장의 경쟁 구도와 기술 개발 방향에 어떤 변화를 가져올지 예측하고, 관련 보안 및 개인 정보 보호 고려 사항을 논의하며, 마지막으로 미국 기업, 정책 입안자 및 투자자에게 전략적 시사점을 제시합니다.

 

딥시크 AI 개요 딥시크 AI는 2023년 7월에 중국 항저우에서 설립된 인공지능 회사로, 중국 헤지펀드인 High-Flyer의 공동 창업자이자 CEO인 Liang Wenfeng이 설립했습니다. 딥시크 AI는 비용 효율적이고 고성능의 언어 모델 개발에 주력하며, 2025년 1월에 자체 개발한 딥시크-R1 모델과 함께 동명의 챗봇을 출시했습니다. 딥시크 AI는 즉각적인 상업화보다는 기초 AI 연구, 특히 추론 능력과 범용 인공지능(AGI) 추구에 중점을 두고 있습니다.

 

딥시크 AI: 기술 혁신 및 경쟁 우위

• 핵심 기술:
• 딥시크 AI는 추론 과정에서 파라미터의 작은 부분만 선택적으로 활성화하는 MoE(Mixture of Experts) 아키텍처를 따릅니다. 전체적으로 6,710억 개의 파라미터를 가지고 있지만, 특정 작업에는 370억 개(6% 미만)만 사용합니다. MoE 아키텍처는 AI의 각 부분이 특정 작업에만 "깨어나" 응답하도록 하여 효율성을 높이고 컴퓨팅 비용을 절감합니다. 이러한 모듈식 설계는 성능 저하 없이 다양한 애플리케이션에 효율적으로 확장할 수 있도록 합니다.
• 딥시크-V3 아키텍처는 총 6,710억 개의 파라미터와 토큰당 370억 개의 활성화된 파라미터를 특징으로 합니다. 또한 효율적인 추론 및 훈련을 위해 딥시크-V2에서 검증된 MLA(Multi-head Latent Attention) 및 DeepSeekMoE 아키텍처를 채택했습니다. 딥시크-V3는 부하 분산을 위한 보조 손실 없는 전략과 더 강력한 성능을 위한 다중 토큰 예측 훈련 목표를 개척했습니다.
• 경쟁 우위:
• 딥시크 AI는 훈련 비용과 효율성 면에서 상당한 이점을 주장합니다. 딥시크는 자체 모델(V3)이 2,000개의 H800 엔비디아 칩만 사용하여 560만 달러의 비용으로 훈련되었다고 밝혔습니다. 이는 OpenAI의 GPT-4와 같은 주요 미국 모델의 훨씬 높은 훈련 비용과 대조됩니다. 메타의 최신 Llama 모델의 최종 훈련 실행 비용은 딥시크의 10배에 달하는 것으로 알려졌습니다. 이처럼 현저히 낮은 훈련 비용은 고급 AI 모델 개발에 대한 접근성을 높여 시장 경쟁력을 강화할 수 있습니다. 하지만 딥시크가 실제로 사용한 컴퓨팅 자원에 대한 추측과 논쟁이 있으며, 수출 제한된 H100을 사용했을 가능성도 제기되고 있습니다.
• 딥시크 AI는 연구 및 오픈 소스 모델 개발에 중점을 둡니다. 딥시크는 자체 모델을 오픈 소스 라이선스 하에 무료로 액세스하고 수정할 수 있도록 했습니다. MIT 라이선스 하에 모델 체크포인트를 공개하여 자유로운 증류 및 상업화를 허용합니다. 딥시크 AI 모델의 오픈 소스 특성은 더 넓은 채택, 커뮤니티 기반 개선을 촉진하고 미국 회사의 독점 모델에 잠재적인 도전을 제시할 수 있습니다. 이는 중국 정부의 오픈 소스 AI 생태계 지원과도 일치합니다.

 

미국 AI 시장 및 엔비디아에 대한 영향

• 즉각적인 시장 반응:
• 딥시크 AI 발표 직후 기술 중심의 나스닥 지수가 3% 하락하는 등 주식 시장에 즉각적인 충격이 발생했습니다. 특히 2025년 1월 말에는 엔비디아의 시가총액이 약 6,000억 달러 감소하는 사상 최대의 일일 손실을 기록했습니다. 이는 딥시크 AI의 효율성 주장이 AI 칩 시장의 지배적 기업인 엔비디아의 입지에 잠재적인 위협이 될 수 있다는 투자자들의 우려를 반영합니다. 엔비디아의 높은 주가 평가는 AI 훈련용 GPU에 대한 수요에 크게 좌우되어 왔기 때문입니다. 딥시크 AI가 더 적은 수의, 잠재적으로 성능이 낮은 칩으로 유사한 성능을 달성할 수 있다는 주장은 엔비디아의 고급 제품 수요 감소에 대한 우려를 불러일으켰고, 이는 주가 하락으로 이어졌습니다. 이 외에도 브로드컴, 오라클, 시스코 등 다른 미국 기술 주식들도 하락세를 보였습니다.
• 엔비디아에 대한 장기적 영향:
• 딥시크 AI의 효율성 주장이 검증될 경우 GPU 수요에 변화가 발생할 수 있습니다. 모델이 더 적거나 성능이 낮은 칩으로 훈련될 수 있다면 AI 훈련에 필요한 엔비디아의 고급 GPU 수요가 감소할 수 있습니다. 하지만 딥시크-R1은 엔비디아의 H800 칩을 사용하여 훈련되었으며, 이는 여전히 강력한 하드웨어입니다. 그럼에도 불구하고 딥시크의 성과는 AI 훈련 분야에서 엔비디아의 거의 절대적인 지배력이 정상화되는 시기를 앞당길 수 있으며, 다른 칩 설계 회사들이 특히 추론 분야에서 발판을 마련할 수 있음을 시사합니다.
• AI 수명 주기에서 훈련에서 추론으로의 지속적인 전환과 이 분야에서 엔비디아의 입지를 고려해야 합니다. 엔비디아는 소프트웨어 생태계와 차세대 제품을 통해 AI 추론 분야에서 여전히 상당한 이점을 가지고 있습니다. 훈련 수요가 정상화될 수 있지만, 장기적으로 추론의 전체 시장 규모가 훨씬 더 클 것으로 예상되므로 엔비디아에게 지속적인 기회가 될 것입니다. 엔비디아의 강력한 소프트웨어 플랫폼(CUDA)과 추론에 최적화된 하드웨어의 지속적인 혁신은 이 성장하는 부문에서 선두 위치를 유지하는 데 도움이 될 수 있습니다.
• 엔비디아는 딥시크 AI의 발전에 적극적으로 대응하고 있으며, 자체 하드웨어 및 소프트웨어 플랫폼과 통합하는 것을 목표로 합니다. 엔비디아는 새로운 오픈 소스 소프트웨어인 Nvidia Dynamo를 사용하여 딥시크 AI의 AI를 30배 더 빠르게 만들 계획입니다. Dynamo 소프트웨어는 최대 1,000개의 Nvidia GPU 칩에 추론 작업을 분산합니다. 6,710억 개의 파라미터를 가진 DeepSeek-R1 모델은 현재 build.nvidia.com에서 NVIDIA NIM 마이크로서비스로 제공됩니다. GeForce RTX 50 시리즈 GPU는 딥시크 모델을 가속화할 수 있습니다. 이러한 협력을 통해 엔비디아는 잠재적인 경쟁 위협을 기회로 전환할 수 있습니다.
• 미국 AI 시장의 광범위한 역학:
• 딥시크 AI의 오픈 소스 모델과 비용 효율성은 경쟁 환경에 영향을 미칠 수 있습니다. 이는 미국에서 새로운 AI 개발자와 스타트업의 진입 장벽을 낮추고, LLM 시장의 경쟁을 심화시켜 기본 모델의 상품화를 초래할 수 있습니다. 또한 기존 미국 AI 회사의 가격 전략에도 영향을 미칠 수 있습니다. 딥시크 AI의 접근 방식은 AI 시장을 최첨단 연구에 중점을 둔 프리미엄 부문과 모델이 수렴하고 상품화되는 저비용 부문으로 양분할 수 있습니다.
• 효율적인 모델에 대한 쉬운 접근성으로 인해 혁신 증가와 전문 AI 애플리케이션 개발 가능성이 높아질 수 있습니다. 기업들은 순수한 LLM 기술 자체보다는 애플리케이션 계층에서 차별화할 수 있습니다. 낮은 훈련 비용과 더 효율적인 모델은 훈련에서 추론으로의 전환을 가속화하여 AI 애플리케이션 및 서비스에 중점을 둔 회사에 이익을 줄 수 있습니다.

 

글로벌 경쟁 환경 속의 딥시크 AI

• 중국 AI 생태계:
• 딥시크 AI는 중국 AI 시장에서 챔피언으로 여겨지며 정부 지원을 받고 있지만, Jepu AI 및 Moonshot과 같은 다른 자금 지원을 받는 국내 AI 회사들과 치열한 경쟁에 직면해 있습니다. Jepu AI의 GLM4는 벤치마크에서 GPT4를 능가하는 것으로 알려져 있으며, AutoGM rumination이라는 무료 AI 에이전트를 제공합니다. 딥시크의 CEO는 AutoGM rumination이 자체 모델에서 실행되어 성능면에서 딥시크의 Star 모델 R1과 일치하지만 8배 빠르고 컴퓨팅 리소스가 훨씬 적게 필요하다고 밝혔습니다. Moonshot AI는 딥시크의 비용 절감 접근 방식을 복제하기 위해 모델 훈련으로 다시 전환하고 있습니다.
• 미국과 중국 간의 AI 경쟁이라는 광범위한 지정학적 맥락을 고려해야 합니다. 딥시크의 혁신은 일부에서 미국 AI 정책의 "스푸트니크 순간"으로 여겨집니다. 이는 AI 개발에서 미국의 우위라는 인식에 대한 도전입니다. 딥시크 AI의 발전은 AI 기술에서 미국과 중국 간의 격차가 좁혀지고 있음을 강조하며, 미국이 리더십 유지를 위한 전략을 재고해야 할 필요성을 시사합니다.

 

 

1. 주요 AI 모델의 보고된 훈련 비용 및 파라미터

 

AI 모델	보고된 훈련 비용 (백만 달러)	총 파라미터 수	활성화된 파라미터 수 (MoE)	엔비디아 GPU 수 (보고된)
DeepSeek V3	5.6	6,710억	370억	2,000 (H800)
DeepSeek R1	5.6 (V3 기반)	6,710억	370억	2,000 (H800) (추정)
OpenAI GPT-4	100 이상	-	-	-
Meta Llama 3	56 이상 (추정)	700억	-	-