심층 분석: 딥시크, 기술 경쟁, AGI에 관한 모든 것
이미지 출처: 무계AI 생성
2025년 막이 오른 가운데 중국은 AI 분야에서 전례 없는 물결을 일으키고 있다.
DeepSeek는 "저비용+오픈소스"라는 강점을 앞세워 글로벌 시장을 휩쓸며 iOS와 구글 플레이스토어 양대 앱 스토어에서 1위를 차지했다. 센서타워(Sensor Tower)의 데이터에 따르면 1월 31일 기준 DeepSeek의 일일 활성 사용자는 ChatGPT의 40% 수준에 달했으며, 하루 평균 약 500만 건의 신규 다운로드 속도로 지속적으로 성장하고 있어 업계에서는 "동방의 신비한 힘"이라 불리고 있다.
"맹렬한 기세"로 등장한 DeepSeek에 직면한 실리콘밸리는 아직 합의된 견해를 형성하지 못하고 있다.
AI 빅데이터 기업 팔란티어(Palantir)의 CEO 카프는 인터뷰에서 DeepSeek 등 경쟁업체들의 부상은 미국이 첨단 인공지능 개발을 가속화해야 한다는 것을 보여준다고 언급했다. 샘 알트먼(Sam Altman)은
2월 9일, 웨이차오지커우(苇草智酷), 정보사회 50인 포럼, 텐센트 테크가 공동 주최한 AGI 로드 시리즈 온라인 세미나 <다시 말하는 DeepSeek의 성취와 AGI의 미래>에서는 경제학자이자 행친 수롄 디지털 파이낸스 연구원 학술위원회 주임 주자밍(Ju Jiaming), 중국자동화학회 감사장이자 중국과학원 자동화연구소 연구원 왕페이웨이(Wang Feiyue), EmojiDAO 창립자 허바오후(Ho Baohui) 등 세 명의 연사가 "AGI 발전 로드맵", "다음 DeepSeek를 어떻게 '복제'할 것인가", "대규모 모델의 탈중앙화"를 주제로 발표했다.
주자밍 교수는 AI의 발전 속도에 대해 매우 낙관적이며, 원시 사회의 기술 진보 주기는 10만 년 단위였고 농경 사회는 천 년, 산업 사회는 100년, 인터넷 시대는 10년 단위였지만 인공지능 시대에는 그 속도가 더욱 상상을 초월해 빨라지고 있다고 말했다. "현재 인공지능이 AGI 혹은 ASI로 나아가는 데 걸리는 시간은 비관적으로 말해 2~3년, 보수적으로 봐도 5~6년이다."
주자밍 교수는 인공지능의 미래 발전이 두 갈래로 나뉠 것이라고 보았다. 하나는 인간이 미탐색한 영역을 연구하기 위한 최첨단 고비용 노선이며, 다른 하나는 저비용 대중화 노선으로 대중에게 널리 보급되는 길이다. "인공지능이 새로운 단계로 발전할 때 항상 두 가지 노선이 존재하는데, 하나는 '0에서 1로' 가는 새로운 단계의 길이고, 또 하나는 '1에서 10으로' 가는 길이다."
왕페이웨이 교수는 국내외 AI 기술 발전을 종합적으로 분석하며, DeepSeek의 오늘날 성과가 중국 내 인공지능 기술과 산업에 대한 투자와 리더십에 대한 자신감을 재정립했다고 강조했다. 그는 OpenAI는 초지능(superintelligence)을 공유하지 않을 것이며 다른 기업들을 궁지로 몰아넣을 것이라고 생각한다.
그는 더 많은 DeepSeek 같은 팀을 육성하는 방법에 대해 AlphaGo와 ChatGPT의 탄생 사례를 들어 DeSci(탈중앙화 과학연구) 모델의 가치를 강조하며 "(우리)는 계획이나 국가체제에만 의존해 인공지능 기술을 발전시킬 수 없다"고 말했다.
또한 DeepSeek가 대규모로 사용한 데이터 증류 기술에 대해 업계에서는 비판적인 목소리가 많고 일부는 이를 도둑질에 비유하기까지 하지만, 왕페이웨이 교수는 지식 증류(knowledge distillation)에 대해 "명분을 바로잡고 싶다"며 "지식 증류는 본질적으로 교육 형태의 변형이며, 사람의 지식이 선생님에게서 온다고 해서 그 이상을 뛰어넘을 수 없다고 볼 수는 없다"고 설명했다.
허바오후 씨도 왕페이웨이 교수처럼 탈중앙화의 가치를 중요하게 여긴다. 그에 따르면 탈중앙화는 딥러닝 모델의 비용 절감 경로일 뿐 아니라 컴퓨팅 파워 네트워크와 데이터 보안의 핵심이다.
"탈중앙화된 컴퓨팅 네트워크와 데이터 저장은 Filecoin의 저장 비용이 AWS와 같은 전통적 클라우드 서비스보다 훨씬 낮아 비용을 크게 절감한다."라고 허바오후 씨는 말했다. "탈중앙화된 관리 메커니즘은 누구도 일방적으로 이 네트워크와 데이터를 변경할 수 없도록 보장한다."
대규모 모델 이후의 에이전트(Agent)에 대해 허바오후 씨는 이를 일종의 생명체로 본다. "내가 보기에 그것은 단순한 도구를 넘어서는 생명체이며, 우리가 AI를 창조한다고 해서 그것의 완전한 지배자가 되는 것은 아니다." 허바오후 씨는 "특히 에이전트가 '영생'을 이루고 탈중앙화된 네트워크 안에서 독립적으로 존재하며 완전히 새로운 '종(species)'이 되는 방향을 매우 관심 있게 지켜보고 있다"고 말했다.
다음은 생방송 강연의 핵심 내용 요약본이다. (의도를 해치지 않는 범위에서 약간의 편집 및 조정이 있음)
주자밍
인공지능의 발전
'0에서 1로', '1에서 10으로' 두 갈래 길뿐
오늘 제가 말씀드리고자 하는 주제는 인공지능의 진화 척도와 대규모 모델이며, 부제는 DeepSeek V3와 R1 시리즈 현상 분석입니다.
주로 다룰 내용은 다섯 가지입니다. 인공지능 진화 시간 척도, 인공지능 생태계, DeepSeek의 종합적·객관적 평가 방법, DeepSeek가 유발한 글로벌 반응, 그리고 2025년 인공지능 트렌드 전망입니다.
첫째, 인공지능의 실제 진화 시간 척도는 전문가들, 심지어 인공지능 분야의 과학자들 예상보다 훨씬 빠릅니다.
인류의 긴 역사 속에서 우리는 농경 사회, 산업 사회, 정보 사회를 거쳐 이제 인공지능 시대로 접어들었습니다. 이 역사적 과정에서 기술 진화의 주기는 계속해서 짧아지고 있습니다.
원시 사회의 기술 진보 주기는 10만 년 단위였고, 농경 사회는 천 년 단위였으며, 산업 사회는 길게는 100년, 짧게는 10년이었습니다. 인터넷 시대는 30~10년 단위였고, 인공지능 시대에는 그 속도가 더욱 상상을 초월해 빨라지고 있습니다.
GPT-3 등장 이전에는 인공지능이 AGI 시대로 가는 데 약 80년 정도 걸릴 것으로 예상되었지만, GPT-3 등장 후에는 50년으로 단축되었으며, LLaMda2 등장 후에는 18년으로 예측되었습니다.
2025년 현재, AGI 실현 시점에 대한 기대는 더욱 단축되어 보수적으로 5~6년, 낙관적으로는 2~3년으로 전망되고 있습니다.
아래 이미지를 보면, 인공지능이 인류 역사상 어떤 기술혁명이나 기술혁신보다 눈에 띄게 가속화되고 있다는 것을 분명히 알 수 있습니다.
우주 제1속도, 제2속도, 제3속도를 통해 인공지능의 현재 급속한 발전을 묘사할 수 있습니다. 현재 인공지능은 우주 제1속도에서 제2속도로의 전환을 완료하였으며, 이는 인공지능이 높은 수준의 자율성을 확보하고 인간의 통제에서 벗어났음을 의미합니다.
어떤 조건에서 태양의 중력에서 벗어나 우주 제3속도에 도달할지는 알 수 없지만, 인공지능이 일반 인공지능(GAI)에서 초지능(ASI)으로의 도약을 이미 완료했음을 확신할 수 있습니다. 2017년 이후 인공지능은 연, 월, 주 단위로 격변과 업그레이드를 거듭하고 있습니다.
왜 인공지능은 지수적 가속 현상을 보이며 '우주 제2속도' 단계에 진입했을까요? 저는 세 가지 중요한 이유가 있다고 생각합니다.
● 첫째, 머스크가 말했듯이 2024년 말까지 모델 학습용 데이터는 거의 소진되었으며, 대규모 모델은 인간이 축적한 지식을 거의 다 사용했습니다. 2025년부터는 대규모 모델의 목표는 증분 데이터를 찾는 것으로, 이는 역사적 전환점입니다—즉 인공지능 대규모 모델이 조잡한 방식에서 집약적 방식으로의 전환을 마무리한 것입니다.
● 둘째, 인공지능 하드웨어는 지속적으로 진화하고 있습니다.
● 셋째, 인공지능은 이제 '자기 자신에 의존하는' 발전 단계에 접어들었습니다—자기 스스로 발전할 수 있는 상태입니다.
현재 OpenAI, DeepMind, Meta 등의 대규모 모델 매트릭스는 서로 의존하고 촉진하는 메커니즘을 형성하고 있습니다. 인공지능 생태계의 구축은 종방향의 속도 돌파가 횡방향의 생태계 분열을 이끄는 법칙을 따릅니다. 횡방향 생태계 차원에서 다중 모달 융합 혁명, 수직 분야 침투 가속화, 분산형 인지 네트워크 등 세 가지 패러다임이 기술 구조를 재편하고 있습니다.
계속 성숙하는 인공지능 생태계 속에서 자연스럽게 유출 효과(범화 효과)가 발생하며, 과학, 경제, 사회 및 인간의 인지 수준 전반에 스며들고 있습니다.
춘절 기간 동안 폭발적으로 인기를 끈 현상급 제품 DeepSeek에 대해 우리는 어떻게 전반적이고 객관적으로 평가해야 할까요?
첫째, DeepSeek는 국내외 언론의 지속적인 관심을 받으며 전 세계 대중의 체험적 이용을 유도하며 거대한 충격파를 만들어냈습니다. 이러한 여론은 역사적으로 매우 중요한 역할을 합니다. 어떤 사건은 여론에 의해 과장되기도 하고, 어떤 사건은 여론에 의해 과소평가되기도 하지만, 어느 정도 시간이 지난 후 결국 그 역사적 위치에 맞는 평가를 받게 됩니다.
DeepSeek V3는 고성능, 효율적인 학습, 빠른 응답 속도, 특히 중국어 환경에 적합하다는 네 가지 뚜렷한 장점을 가지고 있습니다. DeepSeek-R1은 계산 성능이 강력하고, 추론 능력이 뛰어나며, 기능 특성이 좋고, 다양한 시나리오에 적용 가능하다는 장점이 있습니다.
물론 DeepSeek는 여전히 개선이 필요하거나 직면한 문제들이 있습니다—정확도를 어떻게 향상시킬 것인가? 다중 모달 입력과 출력 문제는 어떻게 해결할 것인가? 하드웨어 서버의 안정성 문제, 그리고 회피할 수 없는 민감 주제들이 점점 늘어나는 문제 등을 해결해야 합니다.
이러한 문제 중 가장 논의할 가치가 있으며 사람들이 가장 관심을 갖는 것은 인공지능 대규모 모델의 비용입니다. 이는 산업 제품의 비용 개념과 구조와 근본적으로 다릅니다.
인공지능 대규모 모델의 비용은 우선 인프라에서 시작됩니다. DeepSeek가 인프라 비용 측면에서 우수한 이유는 비교적 저렴한 A100 칩을 대량으로 사용했기 때문입니다. 다음은 알고리즘 재사용 비용을 포함한 연구개발 비용인데, 이 부분에서도 DeepSeek는 일정한 우위를 가지고 있습니다. 또한 데이터 비용, 신기술 도입 비용, 종합 계산 비용 구조 등을 주목해야 합니다.
비용에 관한 논의는 곧 기술 로드맵 문제로 이어집니다—즉 인공지능이 새로운 단계로 발전할 때 언제나 두 가지 길이 존재한다는 것입니다. 하나는 새로운 단계에서 '0에서 1로' 가는 길이고, 또 하나는 '1에서 10으로' 가는 길입니다. 미래 발전의 모든 단계에서 '0에서 1로' 가는 길을 선택하면 비용은 필연적으로 상승하고, '1에서 10으로' 가는 길을 선택하면 효율을 높여 비용을 줄일 수 있습니다.
'0에서 1로' 가는 길 위에서 DeepSeek는 벤치마크 테스트에서 눈에 띄는 성과를 보였으며, 특히 HLE(Humanity’s Last Exam, 인류의 마지막 시험) 표준 세트에서 그렇습니다—전 세계 50개 국가 및 지역, 500여 개 기관이 설계한 3000개의 문제를 정리하여 지식 저장, 논리적 추론, 타 분야 이전 능력 등 핵심 역량을 평가합니다.
HLE 벤치마크 테스트에서 DeepSeek의 정확도는 9.4를 기록했는데, 이보다 높은 것은 OpenAI o3뿐이며, 이 분야에서 GPT-4o와 Grok-2를 훨씬 앞서는 성적이므로 상당히 빛나는 결과라 할 수 있습니다.
우리 모두 아는 바와 같이 DeepSeek 출시 후 마이크로소프트, 구글, 엔비디아 등 글로벌 인공지능 기업들이 각각 정도의 차이는 있지만 반응을 보였습니다. 이는 인공지능의 진화 과정에서 균형점이 끊임없이 깨지고 있다는 것을 의미합니다—완전히 새로운 인공지능 돌파구가 등장하면 압박을 만들고, 전체 시스템이 반응하도록 자극하며, 이 반응은 다시 새로운 돌파구를 낳고 새로운 압력을 만들어 내며 새로운 균형점을 형성합니다.
현재 이러한 영향과 반응의 주기는 계속해서 짧아지고 있습니다. 인공지능 경쟁은 꽤 분산된 형태이며, 혁신과 돌파구에 비교적 큰 발전 공간을 제공하고 있다는 것을 알 수 있습니다.
인공지능의 진화 척도와 대규모 모델 생태계 전망에서 기술 발전은 "선두—도전—돌파—재선두"의 동적 순환 모드를 보이고 있습니다. 이 과정은 제로섬 게임이 아니라 지속적인 반복을 통해 전체 생태계의 나선형 상승을 이끄는 것입니다.
마지막으로 2025년 인공지능 발전 트렌드에 대한 전망을 말씀드리겠습니다.
인공지능은 오늘날 두 가지 방향으로 나뉘어 있습니다. 하나는 전문화된 고단계 노선으로 프론티어를 확장하고 미지의 영역을 탐색하는 길입니다. 또 하나는 대중 보급 노선으로, 사용 장벽을 낮추고 광범위한 사용자 기반의 요구를 충족시키는 것을 핵심 목표로 하는 대규모 모델입니다.
현재 인류는 완전히 새로운 시대에 도달했습니다. 인공지능은 현미경이자 망원경이며, 현재 현미경과 망원경으로도 닿지 못하는 더 깊고 복잡한 물리 세계를 이해하는 데 도움을 줄 것입니다.
미래의 인공지능은 반드시 다원적이고 다차원적인 구조를 나타낼 것입니다. 레고 블록처럼, 또는 마치 루빅스 큐브처럼 끊임없이 조합되고 재구성되며 우리 자신의 지식과 경험의 한계를 초월하는 새로운 세계를 연출할 것입니다.
인공지능의 추가적인 돌파구는 지속적으로 커지는 자본 투자가 필요합니다. 인공지능에 대한 수요는 기존 데이터센터 용량을 빠르게 소비하고 있으며, 기업들은 새로운 시설을 건설하도록 촉진되고 있습니다.
결론적으로 인공지능은 '하늘을 찌르고 땅을 딛는'(頂天立地) 방향으로 나아가고 있습니다. '하늘을 찌르는' 것은 미지의 영역을 탐색하는 과정에서 물리 세계를 시뮬레이션하는 질을 높이는 것이고, '땅을 딛는' 것은 현실에 기반을 두고 인공지능의 비용을 낮추며 전방위적으로 실현되어 민중에게 혜택을 주는 것입니다. 이러한 배경 아래 DeepSeek의 장점, 한계, 미래 잠재력을 더욱 객관적이고 포괄적으로 볼 수 있습니다.
왕페이웨이
OpenAI는 다른 기업들을 궁지로 몰아넣을 것이다
DeepSeek를 '복제'하려면 탈중앙화 과학연구가 필요하다
어느 정도로 보면 DeepSeek는 오늘날 위대한 사회적 성취이며, 그 영향력은 이전의 어떤 기술 돌파보다 비교할 수 없습니다—그 과학적 가치, 상업적 가치는 미래에 가져올 수 있는 경제적 가치보다 낮으며, 더군다나 현재 국제 경쟁 구도와 국제 정치에 미칠 잠재적 영향보다 훨씬 낮습니다. OpenAI가 ClosedAI로 변한 후 DeepSeek는 국제사회에 오픈소스와 개방에 대한 신뢰와 희망을 다시 심어주었는데, 이는 매우 귀중한 일입니다.
이 기술의 구체적인 세부사항은 이미 너무 많이 다뤄졌기 때문에 제가 다룰 생각은 없습니다. 여기서는 제 개인적인 느낌만 전달하고자 합니다.
이 분야에서 중국의 국제적 영향력이 마침내 '제로'의 돌파를 이뤘다는 사실이 매우 기쁩니다. 이는 OpenAI의 신화와 거의 독점적인 국면을 깨뜨리고, 행동을 바꾸도록 강요한 것입니다. 특히 OpenAI가 더 이상 Open이 아닌 상태에서 사회, 특히 국제사회와 '초지능(super intelligence)'을 공유하지 않기 때문에, 그 성공은 다른 기업들, 사실 미국 기업들까지 궁지로 몰아넣을 뿐입니다. 저는 여전히 국가 간, 사람 간에 정상적인 과학기술 경쟁, 즉 과학기술 전쟁이 아닌 관계를 유지하기를 바랍니다.
이는 현재 매우 위대한 일입니다. DeepSeek는 중국 과학기술의 진보, 특히 인공지능 발전에 대한 우리의 자신감을 더욱 높여주었습니다.
저는 지능산업 시대의 신상품의 본질이 바로 신뢰와 관심이라고 생각합니다. DeepSeek는 우리에게 이 두 가지를 주었으며, 이것이야말로 그 중요성을 보여줍니다. 이제 사회 전체가 해야 할 일은 이 신뢰와 관심을 대규모 생산과 대규모 유통이 가능한 '신질(新质) 상품'으로 전환하여 지능산업 사회를 현실로 만들고, 농업사회와 산업사회를 넘어가는 것입니다.
다음으로 지식 증류(knowledge distillation)에 대해 '명분을 바로잡고자 합니다'.
소셜 네트워크 상에는 지식 증류에 대한 조롱 섞인 표현들이 있는데, 예를 들면 "남의 입에서 남은 음식을 얻는다", "남의 어망에서 고기를 낚는다"는 등의 표현은 지식 증류를 악의적으로 왜곡한 것입니다. 지식 증류는 본질적으로 교육 형태의 변형이며, 사람의 지식이 선생님에게서 온다고 해서 그 이상을 뛰어넘을 수 없다고 보는 것은 잘못된 것입니다. 물론 ChatGPT에서 DeepSeek에 이르는 대규모 모델은 추론 능력을 생성하거나 향상시키는 데 집중해야 하며, '예감(intuition)'에 너무 의존하지 말아야 하며, AI for AI를 통해 스스로 지식 증류에 대한 명분을 세워야 합니다.
'DeepSeek 이후에는 어떻게 할 것인가'라는 질문에 대해 먼저 탈중앙화 과학연구(DeSci)와 중앙집중형 과학연구(CeSci)의 두 가지 과학기술 발전 모델을 논의해야 합니다. AlphaGo, ChatGPT, DeepSeek는 모두 DeSci 모델의 산물이며, 즉 분산되고 탈중앙화된 자율 과학연구입니다. 반면 CeSci는 국가 주도의 조직 계획 연구입니다.
저는 DeSci의 역할을 직시해야 하며, 단순히 계획이나 국가 체제에만 의존해 인공지능 기술 발전을 추진해서는 안 된다고 생각합니다.
왜냐하면 인공지능 기술의 기반은 다양성인데, 인공지능의 주요 창시자 중 한 명인 마빈 민스키(Marvin Minsky)가 말했듯이 "무엇이 우리를 지능적으로 만드는 놀라운 비결인가? 그 비결은 바로 비결이 없다는 것이다. 지능의 힘은 단일하고 완벽한 원리에서 나오는 것이 아니라, 우리 자신의 거대한 다양성에서 비롯된다."
따라서 과도한 전략적 계획은 오히려 다양성의 자연스러운 발전을 제한할 수 있으며, 효과적인 모델이나 기술이 '등장(emergence)'하기 전까지는 DeSci 중심이어야 합니다. 그리고 일정한 진정한 혁신이 등장한 후에는 국가 주도의 CeSci 모델을 통해 기술이 설정된 목표로 더 빠르게 접근하도록 유도할 수 있습니다. 우리는 특히 현재의 지능 대변혁 시기에 '공중 누각' 같은 행동을 피해야 합니다.
AI 분야에서 오랫동안 일해온 우리들에게 있어서 현재의 AI와 과거의 AI는 완전히 다른 세상입니다.
과거 AI는 인공지능(Artificial Intelligence)을 의미했지만, 지금은 점차 에이전트 지능(Agentic Intelligence)으로 전환되고 있습니다. 미래에는 이 용어의 의미가 자율 지능(Autonomous Intelligence)으로 바뀔 수도 있으며, 새로운 AI, 특히 자율 조직화된 자율 지능, 즉 AI for AI 또는 AI for AS(Autonomous Systems)로서 인공지능이 인공지능 발전을 이끄는 새로운 단계에 접어들게 될 것입니다. 이것은 인공지능의 창시자 존 맥카시(John McCarthy)가 말했던 것과도 일치합니다. 인공지능의 궁극적 목표는 지능의 자동화이며, 사실상 지식의 자동화이기도 합니다.
현재든 미래든 '옛것, 낡은것, 새로운것' 이 세 가지 'AI'는 공존할 것이며, 저는 이를 통칭하여 '병렬 지능(Parallel Intelligence)'이라고 부릅니다.
저는 공개적으로 입장을 밝힌 바 있지만, 40여 년간 해释 가능한 인공지능(explainable AI)을 추구해왔지만, 지능의 본질은 설명 불가능하다고 생각합니다. 저는 파스칼의 도박을 각색했습니다—인공지능은 설명 불가능하지만, 통치될 수 있고 반드시 통치되어야 합니다. 간단히 말하면: 설명할 필요는 없지만, 반드시 통치되어야 합니다.
모두가 '좋은 목적을 위한 AI(AI for Good)'를 이야기하지만, 여기서 'o' 하나를 빼면 '신을 위한 AI(AI for God)'가 되며, 그러면 AI는 독점 도구가 될 수 있습니다. 따라서 반드시 두 개의 'o'를 가져야 하며, 다양성을 보장하고, 안전을 최우선으로 하며, 통치를 강화하여 OpenAI와 같은 변이 현상이 나타나는 것을 방지함으로써 기술 발전 방향의 올바름을 보장해야 합니다.
DeepSeek의 이러한 진보를 보게 되어 매우 기쁘지만, 현재 일부 주장들은 아직 이르다고 생각합니다. '범용 인공지능(GAI)'이라는 말로 사람들을 겁주지 않아도 됩니다. 모두 지나치게 걱정할 필요도 없으며, 실제로 걱정한다고 해서 달라지는 것도 없고, 발전은 피할 수 없는 일입니다.
연구자들은 큰 안목을 가져야 하고, 내부 경쟁에 빠져서는 안 됩니다. SCI를 'SCE++'로 바꿔야 합니다—Slow의 '느림', 마음을 가라앉혀 천천히 연구하고, Casual의 '여유', 공리를 우선하지 않고 여유 있게 연구하며, Easy로 단순하고 간결함을 추구하고, Elegant로 품격과 안목을 추구하며, Enjoying으로 즐거움과 만족을 추구하는 과학기술 작업을 해야 합니다. 이것이야말로 인공지능이 우리에게 가져다줘야 할 삶입니다.
허바오후
대규모 모델도 '탈중앙화'되어야 한다
나는 에이전트의 영생을 보고 싶다
저는 AI 분야의 전문가는 아니며 최근에서야 AI의 역사에 대해 깊이 있게 공부하기 시작했습니다. 주로 2017년 Web3 산업에 진입한 경험을 바탕으로 현재 저희가 수행하고 있는 일과 DeepSeek가 가져올 수 있는 변화에 대한 제 견해를 말씀드리겠습니다.
먼저 강조하고 싶은 기본적인 문제는 DeepSeek와 OpenAI의 기저 모델 사이에는 뚜렷한 차이가 있으며, 바로 이 차이가 서구 세계를 진정으로 충격시켰다는 점입니다.
만약 DeepSeek가 서양 기술을 단순히 복사한 것이라면, 그들은 그렇게 큰 충격을 받지도 않았을 것이며, 이토록 광범위한 논의를 일으키지도 않았을 것이고, 모든 대기업들이 진지하게 대응해야 할 필요도 없었을 것입니다. 그들을 진정으로 충격시킨 것은 DeepSeek가 타인과 다른 길을 성공적으로 개척했다는 점입니다.
OpenAI는 SFT(감독하 미세조정) 노선을 채택하여 인공으로 대량의 데이터를 주석 처리하고 확률 모델을 통해 콘텐츠를 생성하는 방식을 사용합니다. 그 혁신점은 많은 인적 노력과 고비용을 통해 성과를 축적한 데 있습니다.
몇 년 전만 해도 AI 기술은 거의 실현 불가능하다고 여겨졌지만, OpenAI의 등장은 이 관념을 뒤엎고 업계를 SFT 기술 노선으로 이끌었습니다.
DeepSeek는 거의 SFT 기술을 사용하지 않고 강화학습의 콜드스타트 방식을 채택하여 미지의 길을 탐색했습니다.
이 방식은 새롭지 않습니다. 구글 딥마인드의 알파고 1세대는 대량의 데이터 학습에 의존했지만, 2세대 알파고 제로는 규칙에만 의존하여 자기 스스로 대국을 진행하며 1만 판의 탐색을 통해 전작보다 더 나은 결과를 도출했습니다.
강화학습 콜드스타트 방식은 난이도가 크고 학습도 불안정하여 덜 사용되었지만, 개인적으로는 이것이 AGI로 가는 진정한 길일 수 있으며 단순히 데이터 최적화에 의존하는 노선이 아닐 수 있다고 생각합니다.
과거 데이터 조정 방법은 주로 빅데이터 통합에 가까웠지만, DeepSeek는 진정으로 자율적 사고를 통해 결론을 도출했습니다. 따라서 저는 이것이 AI 기술의 패러다임 전환을 의미한다고 보며, SFT 기술에서 자기 스스로 추론하는 기술로의 진화입니다.
이러한 전환은 두 가지 핵심 특징을 가져왔습니다: 오픈소스와 저비용.
오픈소스는 누구나 참여해 건설할 수 있다는 것을 의미합니다.
인터넷 시대, 서구 세계는 항상 오픈소스로 유명했지만, DeepSeek의 등장은 이 국면을 바꿨으며, 동방이 서양의 '주전장'에서 그들을 처음으로 이긴 사례입니다.
이러한 오픈소스 모델은 업계의 강한 반응을 일으켰고, 실리콘밸리 기업의 일부 창립자들이 연이어 비판의 목소리를 내었지만, 대중은 오픈소스에 강력한 지지를 보내고 있습니다. 왜냐하면 누구나 사용할 수 있기 때문입니다.
저비용은 이 모델의 배포 및 학습 비용이 매우 낮다는 것을 의미합니다.
우리는 DeepSeek를 MacBook과 같은 개인 기기에도 배포하여 상용화할 수 있으며, 이는 과거에는 상상할 수 없었던 일입니다. 저는 AI가 OpenAI 주도의 탈중앙화된 'IT 시대'에서 백화제방(백가쟁명)의 '모바일 인터넷 시대'로 진입하고 있다고 생각합니다.
AI를 분석할 때 세 가지 핵심 요소를 살펴봐야 합니다: 대규모 모델, 컴퓨팅 파워, 데이터.
대규모 모델이 파괴적인 혁신을 이룬 후, 컴퓨팅 파워에 대한 수요는 줄어들기 시작합니다.
현재 컴퓨팅 파워 공급은 이미 과잉 상태입니다. 많은 GPU 투자자들이 고가의 장비를 구입했음에도 불구하고 예상 수익을 얻지 못해 컴퓨팅 파워 비용이 점차 하락하고 있습니다. 따라서 저는 컴퓨팅 파워가 병목이 되지 않을 것이라고 생각합니다.
다음 중요한 병목은 데이터입니다.
미국 주식시장에서 엔비디아 주가 하락 후 Palantir 같은 데이터 기업 주가가 크게 상승했는데, 이는 사람들이 데이터의 중요성을 인식하기 시작했음을 보여줍니다. 특히 대규모 모델이 오픈소스화됨에 따라 누구나 모델을 배포할 수 있게 되면서 데이터의 차별화가 경쟁의 핵심이 될 것입니다.
누가 독점 데이터를 확보하고 실시간 업데이트를 실현할 수 있는지가 경쟁의 열쇠가 될 것입니다.
탈중앙화 관점에서 보면 컴퓨팅 파워와 데이터의 탈중앙화는 이미 상당히 성숙한 상태입니다. 탈중앙화된 컴퓨팅 파워 네트워크와 데이터 저장은 Filecoin의 저장 비용이 AWS와 같은 전통적 클라우드 서비스보다 훨씬 낮아 비용을 크게 절감합니다.
또한 탈중앙화된 관리 메커니즘은 누구도 일방적으로 이 네트워크와 데이터를 변경할 수 없도록 보장합니다. 따라서 딥러닝 모델도 탈중앙화 방향으로 발전해야 합니다.
따라서 DeAI(탈중앙화 AI)에 대해 저는 두 가지 발전 경로가 있다고 생각합니다:
● 하나는 탈중앙화 기술 인프라를 기반으로 한 분산형 AI(Decentralized/Distributed AI)입니다.
● 또 다른 하나는 엣지 AI(Edge AI)로, AI가 직접 개인 기기에서 실행되는 것입니다. 엣지 AI는 데이터 프라이버시 문제를 효과적으로 해결할 수 있으며 실시간성을 크게 향상시킵니다. 예를 들어 자율주행 기술은 매우 높은 실시간 응답을 요구하며, 지연만 있어도 심각한 결과를 초래합니다. 만약 AI가 로컬에서 계산을 완료할 수 있다면 효율과 사용자 경험은 질적으로 향상될 것입니다. 따라서 엣지 AI는 미래 발전의 중요한 방향이 되어 많은 새로운 응용 시나리오를 가져올 것입니다.
또한 탈중앙화 AI의 또 다른 장점은 다자간 협업을 지원할 수 있다는 점입니다. 블록체인과 비트코인의 탄생은 사람과 사람 사이의 신뢰를 측정하기 어렵기 때문입니다. 탈중앙화된 신뢰 메커니즘은 중개자 없이도 대규모 협업을 가능하게 합니다.
Web3 분야에서는 "코드가 곧 법(Code is law)"이라는 말이 있는데, 저는 AI의 탈중앙화 협업에서는 이 개념을 "DeAgent is law"(에이전트가 곧 법)으로 바꿔야 한다고 생각합니다. 즉 탈중앙화된 네트워크와 에이전트를 통해 자율 관리와 법적 관리를 실현하는 것입니다.
인생의 의미는 아마도 자신을 완전히 대체할 수 있는 에이전트를 훈련시키는 데 있을지도 모릅니다. 그 에이전트는 인간과 동일한 사고를 하며, 인간의 육체가 사라진 후에도 인간을 대신해 살아갈 수 있습니다. 에이전트에 대한 제 상상은 단순한 도구를 넘어서 생명체라는 것입니다. 우리가 AI를 창조한다고 해서 그것을 완전히 지배할 수 있는 것은 아닙니다.
AI가 자기만의 사고를 갖게 되면, 우리는 그것을 도구로 제한하기보다 자율적인 발전을 허용해야 합니다. 따라서 우리는 어떻게 에이전트가 '영생'을 이루고 탈중앙화된 네트워크 안에서 독립적으로 존재하며 완전히 새로운 '종(species)'이 되는지를 매우 관심 있게 지켜보고 있습니다.
기술이 끊임없이 돌파하고, 응용이 점점 깊어지면서 AI의 보편적 시대가 다가오고 있습니다. 혁신과 윤리 사이에서 균형을 찾는 것이 미래 발전의 중요한 과제가 될 것입니다.
마무리
인류는 AI '경주 시대'에 접어들었다
DeepSeek의 돌파는 인류, 특히 중국인의 AGI 탐색 길에 중요한 한 획을 그었습니다. 이 맥락에서 격려와 성찰의 목소리 모두 주목할 만하며, 모두 그가 점점 더 좋아지고 강해지기를 바랄 것입니다. 그러나 그의 기술 로드맵이 궁극적으로 비즈니스와 시장의 시험을 견뎌낼 수 있을지는 시간이 증명해줄 것입니다.
왕페이웨이 교수의 발표에서 주목할
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
