[뉴스콤 장태민 기자] * DeepSeek-R1 모델 공개. OpenAI o1 과 성능 유사하나 API 가격 3% 수준

* 강화 학습에 집중해 훈련 비용을 낮춤. Chain of Thought 과정 강화

* 반도체 추세 상승 위해서는 성능 개선 위한 CAPEX 지속된다는 확인 필요

DeepSeek-R1 모델 공개. OpenAI o1과 성능 유사하나 API 가격 3% 수준

중국의 AI 기업 딥시크(DeepSeek)가 1월 20일 DeepSeek-R1 모델을 공개. DeepSeek -R1 모델은 1) OpenAI 최신 모델인 o1과 유사한 성능을 보이고, 2) 모델 사용료를 의미하는 API가 OpenAI의 3%~5% 수준에 불과하다는 점에서 큰 주목을 받음. 중국 기업들의 AI 기술력은 미국 대비 2년 가량 뒤처져 있는 것으로 평가받고 있었기 때문에, 이번 발표는 미국 AI 관련 종사자들에게 큰 반향을 일으킴. 특히, 미국 정부가 AI 반도체 수출 규제를 지속적으로 강화하고 있었기에 중국이 이렇게 빠른 속도로 따라잡을 수 있을 것이라고 예상하지 못함

딥시크는 DeepSeek-R1 모델 발표 이전 24년 12월 DeepSeek-V3 모델을 공개. DeepSeek-V3 모델 성능은 OpenAI-o1 직전 버전인 4o와 유사. 당시 성능보다 눈길을 끈 것은 적은 훈련 비용. 딥시크는 기술 보고서를 통해 DeepSeek-V3 모델 훈련에 557.6만 달러의 비용이 소요됐다고 밝힘. 이는 인건비 등의 제반 비용을 제외한 GPU 사용 금액만 산출한 수치. OpenAI가 신규 AI 모델을 훈련하는데 5~10억 달러 가량을 지출하는 것으로 알려진 점을 고려하면 크게 적은 비용. DeepSeek-V3 모델의 경우 성능이 GPT-4o 수준으로 반응이 지금처럼 크지 않았으나 이번에는 OpenAI-o1을 따라잡으면서 이슈로 부각

강화 학습에 집중해 훈련 비용을 낮춤. Chain of Thought 과정 강화

적은 비용으로 성능이 유사한 모델을 만들 수 있었던 이유는 1) 지도 학습(Supervised Fine-Tuning)을 줄이고, 2) 강화 학습 (Reinforcement Learning)에 집중하고, 3) OpenAI API를 활용한 결과로 추정. 지도 학습은 AI 모델을 특정 작업에 맞춰 추가 학습시키는 것을 의미. AI 모델을 훈련하는 기업들이 지도 학습에 얼마나 많은 컴퓨팅 파워를 투입하는지 밝혀진 바는 없으나, 딥시크는 해당 과정을 줄여 효율을 높인 것으로 알려짐. 또한, AI 모델이 스스로 답을 찾기 위해 추론하는 과정인 ‘Chain of Thought (COT)’를 강화. AI 모델이 추론을 통해 생성한 답이 맞는 경우에 해당 CoT에 가점을 부여하는 정확도 보상(Accuracy Rewards)를 통해 성능을 높임. 기술 보고서에 따르면, 추론의 시간이 늘어날수록 답변의 길이가 길어지는 것을 확인할 수 있음. 한편, OpenAI는 딥시크가 자사 API 이용 규정을 위반해 본인들의 AI 모델을 훈련하는데 사용했다고 주장

반도체 추세 상승 위해서는 성능 개선 위한 CAPEX 지속된다는 확인 필요

딥시크 발표 이후 엔비디아를 비롯한 반도체 & 전력 관련 기업 주가 하락. 적은 비용으로 AI 모델이 훈련이 가능할 경우 기업들이 막대한 CAPEX 를 통해 AI 가속기를 구입하지 않아도 된다는 우려가 반영된 영향. 캐파가 과잉 투자됐을 가능성에 주가는 변동성 높은 모습 보임. 다만, 이번 발표가 개선된 모델을 만들기 위해 더 많은 컴퓨팅 파워가 필요하다는 사실을 바꾸는 것은 아님. 또한, 엔비디아 12 개월 선행 P/E 29 배 수준으로 과거 5 년 밴드 하단 수준에 위치해 있음. 밸류에이션 매력에 반등 가능한 구간으로 판단. 향후 추세 상승을 위해서는 기업들이 AI 모델을 발전시킬 효율적인 방법이 나왔음에도, 더 강력한 AI 모델을 만들기 위해 CAPEX 를 유지한다는 부분이 확인될 필요

(서영재 대신증권 연구원)



장태민 기자 chang@newskom.co.kr