딥시크:퀀트 매니저 한 명이 깬 AI 패권의 공식

AI 오디오북딥시크:퀀트 매니저 한 명이 깬 AI 패권의 공식

0:00

0:00

2025년 1월 27일. 뉴욕증시가 열리자마자 엔비디아 주가가 꼬리를 내렸다. 단 하루 만에 시가총액 5,890억 달러가 증발했다. 미국 기업 역사상 최대 규모의 하루 하락이었다.

원인은 중국 항저우의 이름도 생소한 AI 랩에서 왔다. 딥시크가 공개한 추론 모델 R1이 "수백억 달러를 쏟아야만 만들 수 있다"는 AI 패권의 공식을 한 번에 깨버린 것이다.

"우리는 자금 문제를 겪은 적이 없다."

량원펑, 딥시크 창업자의 이 한마디가 실리콘밸리에 울렸다. 미국 정부는 반사적으로 움직였다. H800 등 중국용 성능 제한 칩의 수출을 사실상 전면 금지했다. 늦었다. 이미 R1은 전 세계 개발자 커뮤니티에 퍼진 뒤였다.

오늘 주인공은 딥시크다. 2026년 7월, 이 회사는 자체 추론 칩 개발을 본격화하며 엔비디아와 화웨이 양쪽에 대한 의존에서 벗어나려 하고 있다.

헤지펀드 사무실에서 시작된 AI 반란

딥시크를 한 줄로 정의하면 '중국의 오픈소스 AI 모델 선두주자'다. 하지만 이 회사의 DNA는 빅테크가 아니라 퀀트 트레이딩에 있다.

량원펑은 2015년 중국 최상위권 퀀트 헤지펀드인 하이플라이어(High-Flyer)를 공동 설립했다. 수학적 모델링과 딥러닝으로 시장의 패턴을 찾아내는 펀드였다. 그가 주목한 것은 알고리즘만큼이나 '연산 자원'이었다. 2021년, 미국의 수출 규제가 강화되기 전 엔비디아 GPU를 대규모로 선제 확보했다. 약 1만 개에 달하는 물량이었다.

퀀트 트레이딩으로 번 돈과 쌓아온 GPU 클러스터. 이 두 가지가 2023년 7월 딥시크 설립의 자본이자 인프라가 됐다. 빅테크의 막대한 자본 없이도 AI 모델을 만들 수 있다는 것을 증명하려 했다.

GPU 1만 개의 선제 확보가 만든 기적

딥시크의 탄생은 '제재 이전의 선수'에서 시작된다.

량원펑은 동남대학교에서 수학을 전공한 뒤 퀀트 트레이딩의 세계에 뛰어들었다. 학계의 박사 코스를 밟지 않았지만, 수학적 모델링과 대규모 연산 인프라를 결합하는 데서 누구보다 앞섰다. 하이플라이어는 중국 퀀트 시장에서 최상위권으로 성장했고, 그 과정에서 쌓은 GPU 클러스터가 훗날 딥시크의 핵심 자산이 됐다.

2021년 말, 미국의 강력한 수출 규제가 시행되기 직전, 량원펑은 엔비디아 GPU 약 1만 개를 선제적으로 확보했다. 당시에는 퀀트 트레이딩용이었지만, 이 물량이 R1의 기반이 됐다.

2025년 1월, 딥시크는 추론 특화 모델 R1을 공개했다. 학습에 사용된 GPU는 H800 2,048대. H800은 미국이 중국 시장용으로 성능을 제한한 모델이었다. 최첨단 H100이 아닌, '제재된 칩'으로 GPT-4급 성능을 끌어낸 것이다.

훈련 비용은 약 557만 달러(약 760억 원). OpenAI가 GPT-4 학습에 수십억 달러를 쓴 것과 비교하면 100분의 1 수준이다. API 가격은 OpenAI의 30분의 1에 불과했다.

R1 발표 직후 엔비디아 주가가 하루 만에 17% 급락했다. 시가총액 5,890억 달러 증발. 이른바 '딥시크 쇼크'다.

미국 정부는 H800의 중국 수출을 사실상 금지했다. 바이트댄스, 알리바바 등 중국 빅테크는 화웨이의 자체 AI 칩인 어센드(Ascend)로 눈을 돌렸다.

2026년 4월 24일, 딥시크는 V4 프리뷰를 오픈소스로 공개했다. 이번에는 화웨이 Ascend 950 칩 기반으로 학습시켰다. 엔비디아 GPU 없이 초거대 AI를 학습시킨 사례다. V4-Pro는 총 1.6조 개 파라미터에 추론 시 490억 개만 활성화하는 MoE 구조를 채택했다.

그리고 2026년 7월. 로이터통신은 딥시크가 약 1년 전부터 자체 추론 전용 ASIC 개발에 착수했다고 보도했다. 칩 설계, 파운드리, 메모리 기업들과 협의를 진행 중이다. 엔비디아 의존에서 한 발 더 나아가 화웨이 의존에서도 벗어나려는 움직임이다.

"우리는 자금 문제를 겪은 적이 없다. 문제는 항상 칩이다."

량원펑이 2024년 중국 언론과의 인터뷰에서 한 말이다. 미국의 반도체 수출 규제를 회사의 가장 큰 과제로 꼽았다. 그 해답이 자체 칩이다. 딥시크는 2026년 기업가치 500~590억 달러를 인정받는 조건으로 약 70억 달러 규모의 첫 외부 투자 유치에 나섰다. 수년간 외부 투자를 거부해 온 기존 전략을 바꾸는 첫 행보.

적은 GPU로 더 똑똑하게 — 딥시크의 기술 방정식

딥시크의 핵심 무기는 '하드웨어-소프트웨어 공동 설계'다. 칩이 부족하면 알고리즘으로 메운다. 이 철학이 모든 기술 선택에 스며 있다.

​​첫째, MoE(Mixture of Experts·전문가 혼합 구조)의 극한 최적화다.​​ MoE는 모델 전체 파라미터를 매번 구동하지 않고, 입력값에 따라 필요한 '전문가' 부분만 활성화하는 구조다. 마치 종합병원에서 환자 증상에 따라 해당 과 의사만 진료에 나서는 것과 같다. V4-Pro는 1.6조 개 파라미터 중 추론 시 490억 개만 켠다. 전체의 3%다. 나머지 97%는 잠들어 있다. 이렇게 하면 490억 규모 모델의 연산 비용으로 1.6조 규모의 지식을 끌어낸다.

​​둘째, MTP(Multi-Token Prediction·다중 토큰 예측)다.​​ 기존 언어모델은 다음 단어 하나를 예측한다. MTP는 여러 토큰을 동시에 예측한다. 추론 속도가 40% 향상된다. 사용자가 답변을 기다리는 시간이 줄어들고, 서버 운영 비용도 낮아진다.

​​셋째, 2026년 6월 27일 공개된 DSpark 추론 가속 프레임워크다.​​ 작은 보조 모델이 먼저 후보 토큰을 생성하고, 타깃 모델이 이를 한꺼번에 검증하는 '투기적 디코딩' 방식이다. 서버 환경에서 60~85%의 속도 향상을 보였다. 량원펑이 직접 논문에 서명했다. 이 기술은 오픈소스로 공개돼 전 세계 개발자가 활용할 수 있다.

​​넷째, 자체 추론 칩이다.​​ 딥시크가 개발 중인 ASIC은 학습용이 아니라 추론에 특화된다. AI 서비스가 확산되면서 학습보다 추론 단계의 연산 비용이 훨씬 커졌기 때문이다. 자사 MoE 모델의 희소 활성화 패턴에 맞춘 데이터 경로를 구축하면, 범용 GPU 대비 전성비를 크게 높일 수 있다. SMIC의 7nm 공정 생산을 목표로 하고 있으며, 칩 설계 엔지니어를 비공개로 대거 채용 중이다.

​​다섯째, 화웨이 생태계와의 결합이다.​​ V4는 화웨이 Ascend 950 칩으로 학습됐다. 화웨이는 Ascend 950 출하량을 올해 약 75만 개로 계획하고 있다. 딥시크 V4 발표 직후 바이트댄스, 알리바바, 텐센트 등 중국 빅테크가 화웨이에 칩 주문을 쏟아냈다. 모델 기업과 칩 기업이 동시에 움직이는 구조가 만들어지고 있다.

한계도 뚜렷하다. SMIC의 7nm 공정은 EUV 장비 없이 DUV 멀티 패터닝으로 구현한 것이라, 웨이퍼당 비용이 TSMC 동일 공정 대비 1.51.8배 높다. 수율도 5560% 선으로 추정된다. HBM 접근도 제약이다. 미국의 수출 규제로 최첨단 HBM 확보가 어렵고, 중국 CXMT의 HBM 기술력은 한국 기업보다 23년 뒤처진 것으로 평가된다. 칩 설계부터 양산까지 통상 1824개월이 소요된다는 점도 넘어야 할 벽이다.

미국 5대장과의 기술 격차는

딥시크의 가성비는 압도적이다. 하지만 '도달 가능한 최고 성능'에서는 여전히 미국 프론티어 모델에 뒤처진다.

OpenRouter 플랫폼 데이터에 따르면, 2026년 2월 이후 미국 기업의 중국 AI 모델 토큰 구매 비율이 매주 30% 이상을 유지했고, 최고 46%까지 기록했다. 이는 이전 12개월 평균 11%에 비해 비약적 상승이다. 비용 민감도가 높은 기업들이 딥시크와 즈푸AI 등 중국 모델로 전환하고 있다.

하지만 브루킹스연구소의 카일 찬 연구원은 "중국 최상위 모델이 미국 제품보다 약 6~9개월 뒤처져 있으나, 많은 주류 시나리오에서 충분한 경쟁력을 갖췄다"고 분석했다. Artificial Analysis 기준 글로벌 LLM 순위에서 중국 모델 8개가 Top 20에 진입했지만, 최상위권은 여전히 미국 모델이 점유 중이다.

딥시크의 전략은 '최고 성능 경쟁'이 아니라 '단위 비용 경쟁'이다. OpenAI의 GPT-5.5가 100만 토큰당 출력 30달러인 반면, 딥시크 V4-Pro는 0.87달러다. 34배 저렴하다. 대규모 에이전트 자동화나 코드 리뷰처럼 수천만 건의 추론을 돌려야 하는 작업에서, 딥시크의 ROI는 압도적이다.

2026년 7월 초, 딥시크는 V4 정식 버전에 '피크-밸리 요금제'를 도입했다. 오전 912시, 오후 26시를 피크 시간대로 지정하고 API 가격을 2배로 책정했다. 골드만삭스는 이를 "수요 약화가 아닌, 중국 내 AI 모델 수요가 지속적으로 왕성하고 컴퓨팅 자원이 타이트해진 상황의 반영"이라고 분석했다. 가격 경쟁에서 효율성 경쟁으로 넘어가는 신호다.

한국 HBM·파운드리가 마주할 새로운 지형

딥시크의 부상이 한국 산업에 던지는 파장은 세 가지다.

​​첫째, 중국 내 자체 AI 반도체 생태계가 속도를 내고 있다.​​ 화웨이(설계)-SMIC(파운드리)-CXMT(메모리)-딥시크(모델)로 이어지는 '중국판 원팀'이 형성 중이다. 2025년 중국 내 국산 AI 가속기 출하량은 165만 대에 달했고, 화웨이 어센드 시리즈만 81만 대를 기록했다. 전체 시장의 약 20%다. 이 생태계가 성숙하면, 중국 AI 기업의 한국산 HBM·파운드리 의존도가 구조적으로 낮아진다.

​​둘째, CXMT의 HBM 추격이 현실화하고 있다.​​ CXMT는 2026년 1분기 DRAM 글로벌 시장 점유율 7.7%로 세계 4위에 올랐다. HBM3 양산을 목표로 하고 있으며, 2027년 HBM3E 진입을 추진 중이다. 하나증권에 따르면 CXMT의 HBM3 8단 적층 전공정 수율은 약 35%, 후공정 수율 약 70%로 전체 수율은 약 25% 수준이다. 아직 낮지만, 화웨이 Ascend 칩에 최적화된 맞춤형 HBM을 개발해 성능 격차를 줄이는 전략을 취하고 있다.

​​셋째, 글로벌 자금의 회전이 시작됐다.​​ 골드만삭스는 2026년 7월 고객들에게 한국 AI 주식에서 '중국 AI 가치사슬'로 자금을 이동할 것을 권고하는 보고서를 발행했다. "글로벌 AI 관련 시가총액 34조 달러 중 중국은 약 4조 달러에 불과하다"며 저평가 구간을 진단했다. 한국 반도체주에서 홍콩 기술 섹터로 자금이 이동하는 조짐이 나타나고 있다.

한국이 지켜야 할 우위 영역은 분명하다. HBM4와 차세대 패키징에서의 기술 격차다. SK하이닉스는 HBM3E 시장에서 약 58% 점유율을 기록 중이며, 삼성전자는 2나노 파운드리 공정 기반으로 앤트로픽 맞춤형 칩 협력을 논의 중이다. 이 격차를 얼마나 오래 유지하느냐가 관건이다.

김진형 한국외대 국제지역연구센터 전략정보실장은 "한국은 반도체와 AI 소프트웨어를 통합하는 생태계를 구축하고, 미국과의 협력을 강화하되 관세와 무역 협상에서 유리한 고지를 차지해야 한다"며 "동시에 한국어와 국내 산업에 특화된 독자 AI 역량을 키워야 한다"고 강조했다.

---

딥시크의 다음 단계는 자체 칩 양산이다. SMIC 7nm 공정의 수율이 70%를 넘는 것이 첫 번째 관문이고, HBM 조달 제약을 어떻게 풀 것인가가 두 번째 관문이다. 둘 다 쉽지 않다.

화웨이는 올해 어센드 950 약 75만 개의 출하를 목표로 하고 있다. 4월부터 대량 생산에 돌입해 2026년 하반기 본격 출하를 예정 중이다. 딥시크 V4가 이 칩 기반으로 구동되는 것이 확인되면서, 중국 빅테크들의 주문이 쏟아지고 있다.

미국의 수출 규제는 강화될수록 중국의 자력 돌파를 자극하는 양면성을 지닌다. 딥시크가 그 증거다. 자체 칩이 양산 단계에 진입하면, 중국 AI 반도체 생태계의 자급률이 한 단계 더 올라간다. 한국 HBM·파운드리가 그 변화의 속도를 두고 봐야 할 일이다.