비용은 10분의 1, 성능은 정점… 딥시크가 불러온 AI 시장의 지각변동

책상 위 노트북을 켜고 질문을 던지는 순간, AI가 복잡한 수학 문제를 단 몇 초 만에 해결한다. 최근 인공지능 업계에서는 중국 스타트업 딥시크(DeepSeek)가 내놓은 결과물이 화제다. 딥시크는 LLM(거대언어모델, 방대한 데이터를 학습해 인간처럼 사고하는 AI) 분야에서 기존 강자들의 고정관념을 깨뜨렸다.

딥시크는 최근 공개한 모델을 통해 오픈AI(OpenAI)의 GPT-4와 유사한 성능을 보이면서도 개발 비용을 대폭 낮췄다. 외신 보도와 관련 업계 데이터에 따르면, 딥시크의 모델 훈련 비용은 약 600만 달러(약 83억 원) 수준이다. 이는 수억 달러가 투입되는 글로벌 빅테크 기업들의 학습 비용과 비교할 때 10분의 1에도 미치지 않는 액수다. 이는 곧 AI 서비스의 대중화를 앞당기는 경제적 토대가 된다.

이런 결과가 가능한 비결은 효율적인 알고리즘 설계에 있다. 이들은 MoE(전문가 혼합 모델, 모든 지식을 다 쓰는 대신 질문에 적합한 부분만 활성화하는 똑똑한 분업 방식) 기술을 최적화해 불필요한 연산 자원을 줄였다. 딥시크가 발표한 기술 논문에서는 기존 하드웨어 설계를 최대한 활용하면서도 데이터 처리 효율을 극대화하는 방식이 핵심으로 꼽힌다.

시장의 반응은 즉각적이다. 딥시크가 제공하는 API(응용 프로그램 인터페이스, 다른 소프트웨어와 쉽게 소통할 수 있도록 돕는 통로) 호출 비용이 기존 대형 모델보다 훨씬 저렴하게 책정되면서, 중소 규모의 소프트웨어 개발사들이 이탈하고 있다. 그동안 고가의 사용료를 지불하던 기업들은 이제 더 적은 비용으로 고성능 AI 서비스를 구축할 기회를 잡았다.

물론 딥시크가 직면한 과제도 적지 않다. 미국 정부의 대중국 반도체 규제로 인해 고성능 GPU(그래픽처리장치, 그래픽은 물론 복잡한 AI 연산을 담당하는 핵심 두뇌) 확보가 어려워진 상황이다. 그럼에도 불구하고 딥시크는 소프트웨어 최적화 기술로 하드웨어적 제약을 극복하는 모습을 보여준다.

이번 사례는 AI 기술이 단순히 자본의 논리로만 흘러가지 않는다는 점을 증명한다. 오히려 효율성을 극대화한 기술적 설계가 대형 자본을 압도할 수 있음을 보여준다. 딥시크가 던진 파장은 단순히 모델 하나를 넘어, 전 세계 AI 개발자들에게 더 적은 자원으로 더 큰 성과를 낼 수 있다는 희망을 심어주었다.

향후 AI 시장은 누가 더 거대한 모델을 만드느냐의 경쟁에서, 누가 더 효율적으로 모델을 운용하느냐의 싸움으로 변모할 전망이다. 딥시크의 행보가 이어지면서 실리콘밸리의 기술 독점 체제는 또 다른 국면을 맞이하게 되었다. 소비자는 더 저렴하고 똑똑한 AI를 일상에서 더 자주 만날 수 있게 될 것이다.