[보이는 논평] 딥시크가 불러온 AI전쟁 2.0시대 우리의 대응 전략

YouTube 링크 : https://www.youtube.com/watch?v=XEw7Yypb9uY

영상 스크립트

반갑습니다. 네이버클라우드 성우입니다. 딥시크 기술적인 내용과 함께 인공지능이 이미 우리 시대의 중요한 아젠다가 되었다고 생각합니다. 작년부터 그런 관점에서 급격하게 변화하는 양상이 보여 이 부분들을 말씀드리려고 합니다. 서울대 김상배 교수님 등과 계속 많은 말씀을 나눴습니다. 국제 관계에 인공지능이 어떤 영향을 미치고 있는지에 대해 의견을 나누면서 생각했던 것들을 함께 말씀드리려고 합니다. 본격적으로 들어가기에 앞서, 인공지능 기술의 큰 패러다임 변화가 일어나고 있는 것을 짚고 넘어가야 할 것 같습니다. 아마 계신 교수님들과 전문가분들도 GPT와 같은 생성형 AI를 쓰고 계실 거라고 생각합니다. 특히 GPT-4나 앤트로픽 클로드 3.5 소넷, 클로드 2.0 정도 되는 모델들은 암기식 교육을 열심히 합니다. 어떤 인공지능 모델의 파라미터 수, 즉 모델 크기를 엄청나게

키우고, 10조 개 이상의 토큰, 즉 단어 정도로 생각하시면 되는데, 엄청나게 많은 인터넷상의 데이터들을 외우는 형태로, 단어를 가리고 단어를 맞추는 형태로 학습을 엄청나게 많이 합니다. 이를 사전 훈련이라고 얘기하고, 그리고 나서 전문가들이 만든 데이터로 코스 트레이닝을 하고 나면 여기 계신 분들이 사용하는 GPT와 같은 것들이 됩니다. 지식을 기반으로 하고, 언어를 매우 잘 이해하며, 맥락도 잘 이해하고, 기본적인 추론 능력도 가지고 있죠. 이를 1세대 지식형 AI라고 정의했습니다.

2세대 사고형 AI의 등장

한국에서는 네이버의 하이퍼클로바 X, LG AI 연구원에서 공개한 엑사원 시리즈들이 있습니다. 하지만 작년 9월 엑사원이 나오면서 새로운 단계, 새로운 시대로 진입하는데, 저는 이를 2세대라고 말합니다. 지식형 AI가 아니라 사고형 AI라고 표현하는데, '사고형'이라고 이름 붙인 이유는 글을 잘 쓰고 지식이 많은 수준을 넘어서서, 스스로 논리적인 사고를 할 수 있는 AI이기 때문입니다. 스스로 논리를 풀어

나가다가 '잠깐, 이렇게 한번 해볼까?' 하는 것이 가능한 모델입니다. 그렇게 되면서 그게 가능했던 것은, 질문이 있고 정답이 있을 때 그 풀이 과정이 있을 겁니다. 그 풀이 과정을 매우 촘촘하게 적어 놓은 데이터들을 매우 많이 만들었습니다. 그렇게 만든 데이터들을 주입식으로 외우게 하는 것이 아니라, 계속해서 고민하게 하는 식으로 학습시키는 강화 학습이라는 기법을 사용해서 공부시킵니다. 어떤 모델에 1세대 모델을 가지고 만듭니다. 1세대 모델이 없는 상태에서는 저것이 만들어지지 않고요.

1세대 모델에 적혀 있는 '체인 오브 세트(Chain of Thought)'라고 하는 긴 논리의 흐름 데이터와 강화 학습을 통해서, GPU도 많이 필요합니다. 이렇게 학습시키면 사고력이 뛰어난 '사고형 AI'가 만들어집니다. 첫 번째 사고형 AI는 오픈 AI의 GPT-4이며, 최근에 GPT-4o도 공개되었습니다. 딥시크는 V3를 가지고 동일한 방법으로 R1을 만들어 공개합니다. 그래서 지금 2세대 인공지능 기술을 보유한 국가는 미국, 중국밖에 없다고 현시점에서 보시면 될 것 같습니다. 중국도 이제 막 접어들었다고 보시면 돼요. 딥시크라는 회사에 대해 소개를 좀 드리면, 하이플라이어라고 하는 중국 헤지펀드, 퀀트 회사입니다. 돈을 많이 벌었겠죠. 돈이 많고요.

중국의 AI 기술 발전과 딥시크

GPU를 엄청 많이 가지고 있습니다. 2020년경에 이미 A100 만 장 이상을 보유하고 있었고, 여러 증언에 따르면 H100, H800, A100, H20 등을 다 합하면 5만 장에서 6만 장 정도의 GPU를 보유하고 있다고 알려져 있습니다. 이 때문에 미국 정부에서 엔비디아에 대한 조사를 들어갔고, '이거 제대로 수출 규제되고 있는 거 맞아?'라고 질문하는 거죠. 딥시크가 갑자기 나타난 것이 아닙니다. 작년 1월에 V1이 처음 나왔고, 그 이후 5월에 V2, 12월에 V3가 나왔는데, 점점 기술이 괄목할 만한 수준으로 빠르게 발전합니다. 딥시크 V3와 같은 강력한 지식형 AI를 가지고, 말씀드린 것처럼 강화 학습과 긴 논리 흐름 데이터(COT 데이터)를 가지고 딥시크 R1을 발표했습니다.

그러면서 챗봇 서비스, 챗GPT와 같은 안드로이드, iOS 앱을 전 세계에 뿌리면서 미국 앱스토어 시장에서도 1위를 차지하는 기록을 보이는 거죠. 어떤 분들은 엔지니어링의 승리라고 말씀하시는데, 사실 매우 많은 GPU와 똑똑한 100명에서 200명 되는 최고 수준의 인공지능 엔지니어들이 다양한 새로운 기법들을 함께 제시하기도 했습니다. 지난 1년간 그들이 새롭게 제시한, 물론 하늘에서 뚝 떨어진 새로움은 아니지만, 거인의 어깨 위에서 기존의 방법들을 좀 더 개선할 수 있는 알고리즘들을 실제로 많이 만들어 내기도 했습니다. 그런 알고리즘들이 전반적인 비용 감소를 가져올 수 있는 기법들로 구성되어 있습니다. V1을 보자면, 한마디로 V1이 나왔을 때 이런 느낌이었습니다. 저도 전문을 읽었는데, 중국의 오픈소스 AI 기업 하나가 더 생겼네, 그 이상도 그 이하도 아니었습니다. 그때 당시 알리바바 클라우드의 Qwen 모델에 비해 나을 게 하나도 없었거든요. 그런데 V2 모델에서부터 좀 혁신적인

것들이 보이기 시작합니다. 딥시크 V3에서 핵심적으로 사용되는 기법이라고 할 수 있는 '멀티헤드 아키텍처' 같은 것들이 있고, 저런 기법들을 쓰면 기존의 트랜스포머와 달리 쉽게, 간단하게 설명을 하면 모델 전체를 한 입력이 들어가면 모델 전체를 쓰는 게 아니라, 이 질문을 보고 특정 분야의 전문가 부분, 일부만 가지고 계산을 합니다. 그래서 V2 같은 경우는 전체 매개변수의 개수가 260억 개인데, 질문이 딱 들어오면 만약 이게 법률에 관련된 질문이다 싶으면 법률에 관련된 매개변수 일부, 210억 개만 가지고 계산을 해요. 이런 식으로 학습시키면 동일한 260억 개 매개변수를 가진 단일 모델에 비해서 학습 비용이 매우 많이 줄어듭니다. 그런데 운영 비용은 또 비싸져요. 왜냐하면 실제적으로 매번 입력이 들어올 때마다 210억 개만 가지고 계산을 하는데, 저 210억 개만 쓰는 모델들과 비교하면 운영비가 여섯 배 이상 비싸질 수밖에 없습니다. 왜냐하면 모델이 어쨌든 저 큰 모델이 하드웨어 위에

딥시크 V3와 MoE 아키텍처

메모리 위에 떠 있어야 하거든요. 그래서 저 운영비를 해소하기 위해 온갖 최적의 엔지니어링 기법들이 총동원됩니다. V3 기본 구조는 크게 다르지 않고, 모델 크기를 한 세 배 정도 더 키웁니다. 동일하게 '믹스처 오브 엑스퍼트(Mixture of Experts)' 전문가들이 엮여 있는 모델들을 활용합니다. 그 외에 학습할 때 조금 더 새로운 기법들이 들어가고, 학습한 데이터의 양도 15조 토큰까지 매우 많이 늘어납니다. 그런데 전 세계가 이 딥시크 V3에 충격을 받은 건 바로 저 테이블 1입니다. 저기에서 나온 겁니다.

80억 원이면 만들어낼 수 있다. 근데 저게 완전히 의도한 것 같긴 한데, 약간 호도하는 거거든요. 자, 테이블을 보시겠습니다. '트레이닝 코스트'라고 되어 있긴 한데, '프리트레이닝', '컨텍스트 익스텐션', '포스트 트레이닝'이라고 되어 있습니다. 그냥 학습하는 부분들이라고 생각하시면 돼요. 저기 각각에 H800 GPU 몇 시간 쓰느냐가 적혀 있습니다. 다 합하면 278만 8천 시간 정도 GPU를 썼다는 얘기가 나옵니다. 그리고 저 GPU 248개의 H800이 하나의 강력한 네트워크로 묶여 있는 슈퍼컴퓨터를 썼다고 생각하시면 됩니다. 그렇게 했을 때 278만 8천 시간이 들어가는데, 저 H800이 클라우드에서 한 장 빌리는 데 한 시간에 2달러입니다. 성공적으로 학습시키는 데 들어간 GPU 비용을 GPU 시간으로 비용을 환산한 것이지, 저게 개발 비용이 아니라는 뜻이에요.

저거 한 번에 성공했을 리도 없고, 저 성공 레시피를 찾기 위해 시행했던 수많은 시행착오들, 인건비, 데이터 구축비 하나도 포함되지 않았습니다. 심지어 논문에 그게 적혀 있기도 하고요. 그래서 보여주고 있는 GPU 등등을 다 고려해 보면 아마도 수천억 원에서 1~2조 원 정도의 투자 비용이 들어갔다고 예측해 볼 수 있습니다. 그리고 저 V3를 가지고 추론적 사고를 정말 잘하는 R1이라고 하는 모델을 만들어냈는데요. 이 V3 모델을 만들 때도 그렇고, R1 모델을 만들 때도 그렇고, 아무리 봐도 오픈 AI 모델로부터 데이터를 뽑아내서 그 지식을 가지고 학습시킨 것 같습니다. 본인들은 아니라고 얘기를 하지만, 몇 가지 증거들이 좀 나오고 있거든요. 제가 뒤에 장표에 넣어놨는지 안 넣어놨는지 모르겠는데, 보겠습니다.

기술 공개와 비용 절감 효과

어떤 식이냐면, 아마 제가 생략해야 할 것 같습니다. 한마디로, 입력했는데 쭉 입력해서 좀 이상한 걸 시켰더니 '귀하께서 시키신 정책은 오픈 AI 개인정보 보호 정책에 위배되기 때문에' 이런 식으로 답을 해요. 뭐, 그 얘기는 당연히 데이터를 만들어서 가져왔다는 뜻이겠죠. 자, 어쨌든 이 기술이 충격을 준 것은, 만들어냈다. 미국, 중국이 아닌 중국에서 만들어냈다는 게 하나가 있고요. 그리고 많은 AI 기업들, 저희도 마찬가지지만, 오픈 AI GPT-4와 같은 추론 사고를 되게 잘하는 인공지능을 어떻게 만들었을까 하는 궁금증이 있었죠. 어느 정도 추정은 하고 있었는데, 그걸 정확하게 만들어낼 수 있는 방법을 실험 없이 할 수는 없으니까. 그런데 매번 새로운 시도를 할 때마다 비용이 매우 많이 들어가다 보니까 부담스러웠던 것을, 저기 나와 있는 것처럼 'SFT-GPT', 'SFT-GPT' 이런 것만 하면 되고, 다른 건 다 필요 없고 뭐 등등등 저런 디테일을 기술 보고서에 공개를 한 겁니다. 전체 디테일 중에 80% 정도는 공개를 해줬어요. 저걸

보고 글로벌에 있는 수많은 기업들이, 미국, 중국 말고 프랑스도 있고 한국도 있고 일본도 있고 많이 있겠죠. 다 따라서 할 수 있게 되었다라는 겁니다. 그것이 매우 큰 효과를 가져온 거고, 또 비용을 많이 줄일 수 있었던 건 오픈 AI GPT-4를 만들 때는 그 긴 COT 데이터라는 것을 어쩔 수 없이 사람 전문가들을 데리고 만들었어야 했습니다. 시간도 오래 걸리고 비용도 엄청 많이 들었을 거거든요. 그런데 중국 애들은 R1을 써서 데이터를 만들어 버리면 되니까 그 비용이 매우 줄일 수가 있었던 거예요. 그런 것들을 포함했을 때 상대적으로 적은 비용으로, 그 천문학적인 수준의 투자가 아닌, 미국처럼 우리도 감내할 수 있을 만한 투자 수준으로 최고 성능의 추론적 사고를 할 수 있는 AI가 만들어졌다는 거죠. 그런데 딥시크만 있는 게 아니라는 것도 마찬가지 맥락입니다.

AI 경쟁 심화와 중국의 전략

비슷한 능력치를 가진 미니맥스, 문샤인, 데라, 알리바바 클라우드, 그 외 많은 기업들이 거의 비슷한 수준의 인공지능을 뽑아내기 시작했어요. 중국뿐만 아니라 미국에서도 비싸게 나오기 시작합니다. 오픈 AI GPT-4가 더 이상 전유물이 아니게 되었다라는 겁니다. 이제 타임 어택으로 들어가기 시작했다는 얘기입니다. 2세대 모델들. 그래서 정리되어 있는 것들은 정말 이러한가, 사실 많은 것들을 고려했을 때 개발 비용 80억 원은 잘못된 이해고, 그럼 아무나 80억 원만 있으면 할 수 있나? 그렇지 않다.

1세대 지식형 AI 능력치가 충분한 기업들, 국가들만 할 수 있다. 그런 국가들이 한 10개 가까이 됩니다. 그러면 그 국가들이 다 뛰어들겠다. 정말 저렴한 가성비로 한번 올려 보실까요? 사실 이게 저렇게 싼 가격이 아니다라는 겁니다. 왜냐하면 동일한 모델을 가지고 미국에서 제공하는 가격을 보면 한 배 가까이 비싸거든요. 싸게 하는 이유가 있다. 물론 본인들이 가지고 있는 최적화 기법이 있다고 하더라도, 아마도 다른 목적으로 원가 이하로 제공하고 있을 거라고 예상해 볼 수 있겠죠. 그 목적은 오픈소스 AI를 전 세계에 뿌림으로써 갖는 오픈소스 AI 생태계의 헤게모니 장악, 그리고 인공 글 쓰는 인공지능이 갖는, 특히 추론적인 사고를 매우 잘하는 인공지능이라는 것이 그 인공지능이 가지고 있는 가치관을 그대로 기반으로 해서 콘텐츠를 뱉어내게 될 텐데, 세상 체제 선전에 이만큼 좋은 방법이 없거든요.

자연스럽게 사람들이 질문하고 대답하면서 자연스럽게 수출되겠죠. 이런 것들을 오픈 소스로 풀어 가지고 전 세계에 영향력을 끼치고 생태계의 기틀을 잡겠다라는 판단을 당연히 할 거고, 그러면서 사람들이 사용을 하니까 데이터가 계속 축적이 되겠죠. 딥시크 안으로. 그리고 딥시크에 저장된 데이터는 중국 정부가 사용할 수 있습니다. 이런 것들까지 고려했다고 보이고요. GPU 메모리는 훨씬 더 성장할 것 같다라고 예상을 할 수 있습니다. 앞으로 더 많은 나라들이 저 2세대 AI를 만들기 위해서 고가 장비를 사려고 할 거고, 저렇게 추론적 사고가 뛰어난 인공지능의 지식을 좀 더 작은 모델로 전이시켜서, 그 AI 에이전트, 소위 말하는 사람들의 업무를 도와주는 AI 에이전트 형태로 형상화될 게 자명합니다.

AI 기술 패권 경쟁과 국가별 입장

뭔가 자동차나 로봇이나 스마트폰이나 글래스나 가전에 다 파고들겠죠. 그래서 메모리, 그리고 AI 반도체 수요가 매우 많이 나질 거고 시장도 매우 커질 수 있을 거다. 이런 측면은 우리나라에도 도움이 틀림없이 같습니다. 최근에 바이든 대통령, 바이든 부통령이 그 얘기를 했죠. AI 반도체는 미국에서만 만들어야 된다. 저 시장, 그리고 저 공급망 관점에서의 헤게모니를 고려했다고 보이고요. 뭐 개인정보는 너무나 잘 알려져 있고, 현황 당연히 되어 있습니다. AI 특징을 결정하는 건 어떤 데이터를 가지고 학습했느냐입니다. 미국에서 만든 AI는 글로벌에서 쓸 수 있지만 미국의 입장을 대변하는 AI입니다. 왜냐하면 미국에서 만들어진 문서 가지고 했으니까요. 중국이 만든 AI는 전 세계가 쓸 수 있지만 중국의 입장을 대변하는 AI입니다. 글로벌 경쟁이 치열해질 것 같고요. 안정성이 상대적으로 조금 부실합니다. 메타의 라마나, 그리고 폐쇄형 AI인 오픈 AI, 챗GPT나 앤트로픽의 클로드에 비해서도 상당히 여러 가지로 취약한 부분들이 많이 있다라고

보시면 될 것 같고요. 여러 가지 보고서에서도 나오는 거죠. 이건 시스코에서 최근에 외부에서 공격했을 때 성공률을 기준으로 했는데, 이런 취약성이 있는 부분에 대해서 거 신경을 쓰지 않은 것 같다 이렇게 보고 있습니다. 실제 GPT 공개되기 전에, 딥시크 R1이 공개되기 전에 바이든 행정부가 트럼프 행정부 넘어가기 전에 발표했던 게 이거죠. AI GPU, 특히 GPU 중심으로 한 AI 반도체 수출 규제 티어를 나눠 가지고 하겠다라고 얘기를 했고, 한국, 동아시아에서는 한국, 일본, 대만, 그리고 유럽 일부 국가들 정도, 그리고 5G 국가들만 GPU 수출 통제 없고, 노란색은 쿼터제를 도입하겠다, 빨간색은 수출 금지 이렇게 나눠 놨죠. 재밌는 건 저 조치와 AI 모델 사용도 마찬가지입니다. 즉, 노란색 국가들은 GPT-4 혹은 GPT-4o 같은 모델들도 마음껏 사용하지 못하게 하겠다. 왜 데이터를 빼갈 수가 있으니까요. 그런 조치를 내려놨는데, 정부가 바뀌었죠. 그리고 이 조치 취소하고 더 엄격한 조치를 180일 내에 만들어내라라고 행정 지시가

AI 규제와 국가별 투자 경쟁

있는 상태입니다. 그러면서 공화당 의원이 낸 법안 하나가 기가 막힌 게 있죠. '적국의 인공지능 모델을 다운로드 받아서 공공 분야에서 사용할 때는 징역 20년'. 어군이 없는 법안을 올려놨는데, 약간 철학이나 방향성을 볼 수 있는 거 같습니다. 이제는 보호무역주의를 넘어서서 냉전 수준으로 가고 있는 거 같습니다. 인공지능 기술 경쟁력 때문에. 그러면서 미국이 이번 2월 10일에 파리에서 열렸던 파리 AI 정상회의, 사실 안전성을 논하기 위한 정상인데, 거기 가서 '당신들 규제 때문에 발전 못 하잖아' 하면서 되게 세게 비판을 합니다. 그러면서 미국과 영국은 보통 이 정상회의 끝나고 나면 선언문을 만드는데, 거기 서명도 안 하고 빠져버렸거든요. 미국이야 트럼프 들어오면 그럴 거라고 생각을 했는데, 영국은 사실 AI 세이프티 질서를 가장 앞서서 이끌어가던 나라였는데, '우리 안 해'라고 빠져버린 겁니다. 이제 '우리도 살길 찾아야 되겠다'라고 생각을 한 거 같고요. 노동으로 바뀌었죠. AI 관련해서 보면 우리 인공지능 역량 강화하기 위해서 달리했고, 인프라 투자할

거고, 심지어 '소버린 AI' 전담 조직까지 만들게 만들어냅니다. 이부터. 그러면서 EU도 300조 원 투자하겠다. 그러면서 컴퓨팅 인프라, 그리고 공동 AI 연구 개발에 30조 원 투자하겠다 선언을 해버립니다. 미국이야 천조국이니까 그렇다고 쳐도, 우리랑 비슷한 레벨에 있는 중국, 프랑스, 일본, 대만, 캐나다 마찬가지입니다. 다들 레이스 달리기 시작합니다. 규제, 안전 일단 나중에 좀 생각을 하자. 이 판에서 밀리면 끝난다. 그리고 왜 그렇게 생각했냐면, 예전처럼 미국 혼자 달리고 나머지가 따라가는 거면 뭐 언제나 안 그랬냐 느낌이었지만, 중국이 미국만큼 해버리니까 '우리도 할 수 있겠네, 더 해야겠네' 바뀌게 된 거죠. 그러면서 EU도 AI 라이브러리, 그리고 데이터 프라이버시 규제 등을 해버렸어요. 자기들의 발목을 잡을 것 같은 규제가 있는 겁니다.

한국의 AI 경쟁력 강화와 동맹 전략

우리 입장에서 보면 당연히 인프라 투자를 많이 하고, 충분한 인프라 투자를 통해 경쟁력 있는 국가대표 AI 기업들을 육성해야 합니다. 최근 권한대행께서도 그렇게 하겠다는 프로젝트를 선언하셨습니다. 국가AI위원회에서는 이러한 인공지능이 산업별로 잘 녹아들 수 있도록 하는 여러 정책이 필요하다고 보고 있습니다. 미중이 경쟁하는 상황에서 나머지 중동, 동남아, 남미 국가들도 인공지능 경쟁력을 키우고 싶어 합니다. 하지만 기술적으로 부족한 부분, 해당 국가 언어 데이터 부족 등에 대한 걱정이 많을 것입니다. 우리나라는 데이터 축적 및 확보 경험이 많고, 한국어 중심의 인공지능 개발 경험도 있습니다. 또한 관련 AI 반도체, 데이터 센터 구축 및 산업 육성 경험도 있습니다. 따라서 동맹을 구축하여 기술적 리더십을 확보한다면, 비록 국력은 약할지라도 힘을 합쳐 미중과 경쟁해 볼 만하다고 생각합니다.

이러한 국가들이 미중과 협력하지 않는 이유는 종속될 수 있기 때문입니다. 하지만 우리는 종속이 아닌 파트너십 형태로 충분히 얼라이언스를 구축할 수 있다고 봅니다.