DeepSeek-R1은 중국 기업 딥시크(DeepSeek)가 개발한 대규모 언어 모델로, 2025년 1월 20일에 출시되었다. 이 모델은 획기적인 성공을 거두며 2025년 1월 27일까지 미국 iOS 앱 스토어에서 가장 많이 다운로드된 무료 앱으로서 ChatGPT를 제치고 1위에 올랐다. 모델의 효율성과 오픈소스 접근 방식은 상당한 시장 반응을 촉발했으며, 투자자들이 값비싼 AI 하드웨어에 대한 수요를 재평가하면서 같은 날 엔비디아(Nvidia)의 주가가 18% 하락하는 결과를 낳았다.
이 사건은 Artificial intelligence 환경에서 더 작고 효율적인 모델이 더 큰 경쟁 모델과 맞설 수 있는 변화를 부각시켰다. DeepSeek-R1의 성공은 업계 관찰자들에 따르면 "AI를 뒤엎는" 일이자 "글로벌 AI 우주 경쟁"을 시작하는 일로 묘사되었다. 모델의 오픈 가중치와 인프라 코드는 오픈소스 인공지능에 기여한 점으로 찬사를 받았지만, 중국 정부의 검열 정책에 대한 준수는 프라이버시와 정보 통제에 대한 우려를 불러일으켰다.
배경 및 개발
딥시크는 2023년 11월 DeepSeek-LLM 시리즈를 시작으로 일련의 대규모 언어 모델로 출발했다. 중국에 본사를 둔 이 회사는 OpenAI 및 Google (AI)과 같은 기존 업체와 경쟁할 수 있는 효율적인 아키텍처 개발에 집중했다. 초기 모델은 Llama와 유사한 밀집 디코더 전용 트랜스포머를 사용했지만, 이후 버전에서는 Mixture of experts 및 다중 헤드 잠재 주의와 같은 혁신을 도입했다.
2025년 1월 10일, 딥시크는 iOS와 Android용 DeepSeek-R1 모델 기반 Chatbot을 출시했다. 이 앱은 빠르게 인기를 얻었으며, 1월 27일까지 미국 iOS 앱 스토어에서 ChatGPT를 제치고 가장 많이 다운로드된 무료 앱이 되었다. 이러한 빠른 채택은 모델의 무료 접근성과 추론 작업에서의 강력한 성능에 의해 주도되었다.
DeepSeek-R1의 출시는 딥시크가 오픈 가중치 모델을 제공하려는 더 넓은 전략의 일환이었다. 많은 경쟁사가 모델을 독점적으로 유지한 것과 달리, 딥시크는 인프라 코드와 모델 가중치를 공개적으로 제공하여 연구자와 개발자가 이를 사용하고 수정할 수 있게 했다. 이러한 접근 방식은 오픈소스 인공지능의 원칙과 일치하며 인기 상승에 기여했다.
엔비디아에 대한 시장 영향
2025년 1월 27일의 시장 충격은 DeepSeek-R1의 효율성이 엔비디아 사업의 핵심인 대규모 Compute 자원의 필요성을 줄일 수 있다는 인식에 의해 촉발되었다. 엔비디아는 AI 훈련 및 Inference (AI)용 GPU의 지배적인 공급업체가 되었으며, 2024년 시가총액은 3조 달러에 도달했다. 회사의 성장은 기술 대기업과 스타트업 모두의 수요에 의해 촉진되었다.
그러나 DeepSeek-R1은 Mixture of experts 및 효율적인 주의 메커니즘과 같은 기술을 사용하여 더 적은 자원으로 고성능 모델을 훈련할 수 있음을 입증했다. 이는 AI 하드웨어 붐의 지속 가능성에 대한 의문을 제기했다. 1월 27일, 엔비디아의 주가는 18% 하락하여 수천억 달러의 시장 가치가 증발했다. 이 하락은 회사 역사상 가장 큰 단일 일일 하락 중 하나였다.
영향은 엔비디아를 넘어 다른 AI 관련 주식에도 미쳤으며, 분석가들이 AI 지배를 위한 RACE를 재평가하도록 촉구했다. 일부 전문가들은 효율적인 모델이 전반적인 AI 채택을 증가시켜 장기적으로 하드웨어 수요를 촉진할 수 있다고 지적하며 시장 반응이 과장되었다고 주장했다. 다른 이들은 이를 "무슨 수를 써서라도 규모를 키우는" 시대의 종말을 알리는 신호로 보았다.
기술 혁신
DeepSeek-R1은 이전 DeepSeek 모델에서 도입된 여러 아키텍처 발전을 기반으로 구축되었다. 대부분의 현대 대규모 언어 모델의 기반이 되는 Transformer (architecture) 아키텍처는 다중 헤드 잠재 주의(MLA)와 Mixture of experts(MoE) 레이어로 정제되었다. 이러한 혁신은 성능을 유지하면서 메모리 사용량과 계산 비용을 줄였다.
DeepSeek-V2에서 도입된 다중 헤드 잠재 주의는 키-값 캐시를 압축하여 메모리 요구 사항을 낮췄다. 이는 Llama과 같은 모델에서 사용되는 표준 Multi-Head Attention 메커니즘에서 벗어난 것이었다. Token (language model)당 전문가 하위 집합만 활성화하는 MoE 아키텍처는 모델이 비례적인 계산 비용을 발생시키지 않으면서 많은 수의 매개변수를 가질 수 있게 했다.
DeepSeek-R1은 또한 강화 학습 및 자기 원칙 비평 튜닝과 같은 추론 개선 기술을 통합했다. 이러한 방법은 수학적 추론 및 코드 생성을 포함한 복잡한 문제를 해결하는 모델의 능력을 향상시켰다. 벤치마크에서 모델의 성능은 해당 기업들이 사용한 테스트에 따르면 미국 AI 기업의 주요 모델과 비교할 수준이었다.
사용 및 접근성
DeepSeek-R1은 공식 DeepSeek 웹사이트와 모바일 앱을 통해 무료로 제공되었으며, 쿼리 수에 제한이 없었다. 사용자는 Gmail이나 Yahoo와 같은 글로벌 이메일 서비스를 사용하여 가입할 수 있었다. 웹 버전은 스팸 방지를 위해 시간당 500개의 메시지 상한이 있었다.
개발자와 기업을 위해 딥시크는 사용량 기반 가격 모델로 R1 및 V3 모델에 대한 API 액세스를 제공했다. 2025년 2월 기준 API 가격은 입력 Token (language model) 100만 개당 약 0.28달러, 출력 토큰 100만 개당 0.42달러로 일부 경쟁 서비스보다 저렴했다. 이러한 저렴한 비용은 모델 채택의 핵심 요인이었다.
모델의 오픈 가중치는 로컬 배포를 가능하게 했으며, 이는 데이터 프라이버시에 우려가 있는 조직에 매력적이었다. 그러나 딥시크의 데이터 수집 관행과 중국 정부 검열 정책에 대한 준수는 여러 국가의 규제 기관의 조사를 받았다. 일부 정부는 보안 우려를 이유로 공식 기기에서 앱을 금지했다.
더 넓은 의미
DeepSeek-R1 시장 충격은 AI 산업에 중요한 의미를 가졌다. 이는 고급 AI 기능을 얻기 위해 막대한 Compute 투자만이 필요하다는 가정에 도전했다. 이는 Pretraining의 효율성과 소규모 플레이어가 경쟁할 가능성에 대한 논의를 촉발했다.
엔비디아의 주가 하락은 투자자에게 경종을 울렸지만, 회사는 계속 혁신을 이어갔다. 엔비디아는 멜라녹스 및 Arm 인수(후자는 실패했지만)를 포함한 인수 역사를 가지고 있었으며, GPU는 AI 워크로드에 필수적이었다. 회사의 AI 수익은 계속 성장했고, 시가총액은 결국 회복되었다.
이 사건은 또한 AI 개발의 지정학적 차원을 부각시켰다. 딥시크의 성공은 고급 칩에 대한 수출 통제에도 불구하고 빠르게 발전해 온 중국 AI의 이정표로 여겨졌다. 이후 모델에서 딥시크와 Tsinghua University의 협력은 AI 연구에서 학술 기관의 역할을 강조했다.
후속 개발
초기 충격 이후, 딥시크는 계속해서 새로운 모델을 출시했다. 2025년 4월 3일, 딥시크는 칭화대학교 연구자들과 협력하여 생성적 보상 모델링과 자기 원칙 비평 튜닝을 결합하여 추론 시간 확장을 개선한 DeepSeek-GRM을 공개하는 논문을 발표했다. 회사는 이러한 모델이 오픈소스로 제공될 것이라고 밝혔다.
2025년 4월 30일, 딥시크는 형식적 정리 증명 및 수학적 추론을 위한 수학 중심 모델인 DeepSeek-Prover-V2-671B를 출시했다. 2026년 4월 24일, 딥시크는 DeepSeek V4 및 V4-Pro를 출시했으며, 2026년 9월에는 DeepSeek-V4.1-Flash를 출시했다. 이러한 출시는 효율적이고 오픈 가중치 모델의 추세를 이어갔다.
DeepSeek-R1의 시장 영향은 Generative AI 시대의 결정적인 순간이었다. 이는 혁신이 예상치 못한 곳에서 올 수 있으며 AI의 경제학이 고정되어 있지 않다는 것을 입증했다. 이 사건은 투자 전략에 영향을 미쳤으며, 일부 기업은 AMD 및 AWS Trainium을 포함한 엔비디아 외의 하드웨어 공급업체로 다각화했다.
결론
DeepSeek-R1의 출시와 이후 엔비디아 주가 하락은 AI 산업의 전환점을 표시했다. 모델의 효율성과 오픈소스 특성은 규모와 비용에 대한 기존 가정에 도전했다. 시장 반응은 극적이었지만, AI 개발의 미래, 하드웨어의 역할, 접근성의 중요성에 대한 논의를 촉발했다.
이 사건은 Machine learning의 빠른 혁신 속도와 기술과 금융의 상호 연결성을 강조했다. AI가 계속 진화함에 따라 DeepSeek-R1에서 얻은 교훈 - 효율성과 개방성이 원시적인 힘만큼 가치 있을 수 있다는 점 - 은 앞으로 수년간 산업을 형성할 가능성이 높다.