기획 | 기후위기 시대, 딥시크(DeepSeek)가 쏘아 올린 작은 공
- planetdami
- 2월 7일
- 4분 분량
중국의 딥시크가 제시한 새로운 패러다임은 단순한 AI 혁신이 아니다. AI 개발의 고비용·고탄소 구조를 깨뜨린 최초 사례이며 기술이 환경과 공존할 수 있는가에 대한 가능성을 열었다. 기후위기의 시대, 딥시크가 쏘아올린 작은 공이 AI 산업과 환경 문제에 어떤 파장을 일으킬지 주목된다.
2025-02-06 이담인 기자
2025년, 중국 AI 스타트업 딥시크(DeepSeek)가 AI 업계를 뒤흔들고 있다. 기존 AI 모델의 고비용·고전력 소비 구조를 깨고, 혁신적인 비용 절감과 에너지 효율성을 내세운 AI 모델을 선보이며 글로벌 AI 시장에 파장을 일으켰다.
중국의 샘 올트먼, 40세 중국 수학 천재의 등장
딥시크는 량원펑(梁文峰, 40)이 창립한 중국의 AI 스타트업이다. 량원펑은 광둥성 잔장시 우천시(湛江市 吴川市) 출신의 수학 천재로, 17세에 저장대학교(浙江大学)에 입학해 전기공학을 전공하고 2006년 박사 학위를 취득했다. 2015년 대학 친구 리창펑(李昌鹏), 왕하이둥(王海东)과 함께 ‘하이-플라이어 퀀트(High-Flyer Quant)’라는 헤지펀드를 설립했다. 이 펀드는 2016년 10억위안(약 1984억원)에서 2019년 100억위안(약 1조9840억원), 2021년 1000억위안(약 19조8400억원) 규모로 성장하며 중국 4대 퀀트 헤지펀드로 자리 잡았다. 2023년 5월, 량원펑은 항저우에서 독립적인 AI 스타트업 ‘딥시크’를 창업하며 본격적으로 AI 시장에 뛰어들었다. CNN은 량원펑을 "중국의 샘 올트먼"으로 평가하며, AI 기술 전도사로서의 입지를 조명했다.
딥시크, 미국보다 1/10 비용으로 최첨단 AI 개발
딥시크는 2024년 12월 ‘딥시크 V3’, 2025년 1월 ‘딥시크 R1’을 발표하며 AI 업계를 뒤흔들었다. 기존 AI 모델은 방대한 연산량을 필요로 하며, 이는 막대한 에너지 소비와 탄소 배출 증가로 이어진다. GPT-4 개발 비용은 약 10억달러(약1조4천억원), 구글 제미나이(Gemini)도 최소 5억달러(약 7200억원)가 투입된 것으로 알려져 있다. 그러나 딥시크 R1은 단 600만달러(약 86억 원) 이하의 비용으로 대형언어모델(LLM) 훈련을 마쳤다. 이는 오픈AI, 구글, 메타가 수억달러를 투입하는 것과 비교해 1/10 수준이며, 메타가 오픈소스 모델 라마3를 학습하는 데 사용한 비용(약 7000만달러)의 1/10 수준에 불과하다. 기존 AI 모델 대비 현저히 낮은 비용으로 유사한 성능을 구현하며, AI 개발의 경제성과 지속 가능성을 동시에 제시한 것이다.
미국 엔비디아·오픈AI·구글 등 미국 빅테크 기업을 뒤흔들다
딥시크는 AI 모델을 개발하면서도 오픈소스 정책을 택했다. 기존 AI 기업들은 독점적인 모델 운영 방식을 고수하지만, 딥시크는 2025년 1월 20일 ‘딥시크 R1’을 발표하며 소스 코드와 모델 아키텍처를 전면 공개했다. 이는 AI 개발의 민주화와 지속가능성을 함께 고민하는 접근법으로 평가받는다. 딥시크가 발표한 R1 모델은 챗GPT를 앞서는 성능을 보이며 미국 빅테크 기업들을 긴장하게 만들었다. 엔비디아(NVIDIA)는 딥시크 충격으로 주가가 16.86% 급락, 뉴욕 증시 시가총액 1위에서 3위로 밀려났다. 오픈AI의 최대 주주 마이크로소프트(MS)는 3.2%, 알파벳(구글)은 1.5%, 메타는 2.1% 하락했다.
기존 AI 모델의 높은 탄소 배출 문제 해결
기존 대형 AI 모델은 훈련 과정에서 엄청난 전력과 컴퓨팅 자원을 필요로 하며, 이는 막대한 탄소 배출로 이어진다. 예를 들어, GPT-3의 훈련에는 1287MWh의 전력이 사용됐으며, 약 552톤의 이산화탄소가 배출됐다. 이는 가솔린 차량 123대가 1년 동안 주행할 때 배출하는 탄소량과 맞먹는 수준이다. 2019년 매사추세츠대학교 연구에 따르면, 대형 AI 모델의 학습 과정에서 62만6천파운드(약 284톤)의 이산화탄소가 배출되며, 이는 한 사람이 1년 동안 배출하는 탄소의 약 57배에 달한다. 그러나 딥시크는 전문가 혼합 기법(MoE, Mixture-of-Experts)을 적용하여 AI 훈련 비용과 전력 소비를 획기적으로 줄였다. 딥시크의 전문가 혼합 기법은 AI가 복잡한 작업을 처리할 때 모델의 용량과 효율성을 향상시키기 위해 고안된 고급 머신 러닝 기능을 일컫는다. 쉽게 말해 여러 개의 질문이 들어오면 여러 명의 전문가가 본인 분야에 해당하는 질문에 돌아가며 답변하는 방식이다. 본인 전문 분야에만 답변하면 되므로 연산이 비교적 단순해진다. 한 명의 전문가가 여러 개의 질문에 대답하여 막대한 규모의 연산을 필요로 했던 기존 AI 모델과 달리 연산에 필요한 비용과 시간을 현저히 감소시켰다. 이는 AI 산업에 필수인 데이터센터 운영에서의 유의미한 에너지 절감을 이끌어낼 수 있다.
오픈소스를 통한 AI 에너지 절감 효과
기존 폐쇄형 AI 모델들은 각 기업이 개별적으로 대규모 훈련을 진행해야 하므로, 동일한 목적의 AI를 개발할 때마다 막대한 에너지를 소비하는 악순환이 발생한다. 반면, 딥시크는 오픈소스를 통해 연구자와 기업들이 기존 모델을 재사용할 수 있도록 하면서, 중복 훈련을 줄여 환경 부담을 최소화했다. 이는 AI 개발 과정에서 가장 많은 에너지를 소모하는 단계를 효율적으로 줄이는 효과를 가져온다.
딥시크는 R1 공개 시 AI 개발에 필요한 소스 코드와 설계도도 무료로 공개했다. AI 산업의 주류를 이루는 기존 빅테크 기업들의 폐쇄형 모델은 기업마다 비슷한 AI를 개별적으로 개발하는 방식이다. 비슷한 목적의 대규모 언어 모델(LLM) 하나를 훈련시키는 데 수천톤의 탄소가 배출되기 때문에 폐쇄형 모델이 많을수록 이런 훈련이 중복되어 환경 부담도 증가하는 악순환이 반복된다. 반면 오픈소스 모델은 다른 연구자와 기업들이 기존 모델을 재사용하거나 커뮤니티 협업을 통해 성능을 개선할 수 있다. 동일한 성능의 AI를 만들기 위해 중복적인 학습이 필요하지 않기 때문에 AI 개발 과정에서 가장 많은 에너지를 소모하는 단계를 효율적으로 줄임으로써 환경 부담도 함께 줄이는 효과를 불러온다. 또한 챗지피티나 제미나이처럼 거대한 규모의 AI가 아닌 다양한 분야에서의 전문적인 경량 AI 모델 개발이 확산될 수 있기에, AI 개발과 운영에 활용되는 데이터센터의 전력 소비량을 낮추는 결과를 기대할 수 있다.
저사양 하드웨어로도 AI 개발 가능, 기술과 환경, 상생의 길을 찾다
딥시크는 엔비디아의 저사양 칩 ‘H800’ GPU를 사용하여 AI 모델을 개발했다. 이는 미국이 첨단 반도체 규제를 시행한 이후 중국에서 AI 개발이 어려울 것이라는 예측을 완전히 뒤집은 사례로 평가된다. AI 개발이 꼭 초고가의 GPU와 대규모 데이터센터를 필요로 하지 않으며, 저비용으로도 충분한 성능을 낼 수 있음을 증명한 것이다.
기후위기의 시대, 딥시크가 쏘아올린 작은 공이 AI 산업과 환경 문제에 어떤 파장을 일으킬지 전 세계의 이목이 집중되고 있다. AI는 기후위기의 원인 중 하나로 지목되기도 하지만, 동시에 해결책이 될 가능성도 존재한다. 딥시크의 저비용·고효율 모델이 입증되면서, AI 기술을 활용해 기후 변화 예측, 재생 에너지 최적화, 탄소 배출 저감 등의 문제를 해결하는 데 기여할 수 있다는 기대가 커지고 있다. AI 모델들이 기후 데이터 분석에 활용되려면 막대한 비용과 전력 소모가 발생했지만, 딥시크가 개척한 새로운 방식은 더 적은 자원으로 더 나은 기후 솔루션을 개발할 수 있다는 가능성을 제시한 것이다.
Comentários