어제 밤부터 위챗 공식 계정들은 DeepSeek 량원펑의 녹음 파일을 정신없이 퍼 나르며, AI로 요약하고 글을 쓰고 있습니다.
원본 녹취록 PDF 다운로드
📎
https://xiangyangqiaomu.feishu.cn/wiki/Ojsuw8gE6ieBZJkYOMtcOcaenwq
DeepSeek 에는 DDCP 라는 모델이 있습니다. 가격이 원래의 4분의 1로 인하된 날, 회사 단체 채팅방은 환호성으로 가득 찼습니다.
일반적인 회사의 재무 회의에서 가격 인하는 매출 감소를 의미하고, 질타를 받는 나쁜 소식입니다.
DeepSeek 은 그 순간을 축하할 가치가 있는 순간으로 여겼습니다.
이 3시간 44분 분량의 교류 회의에서 량원펑은 한 가지를 반복해서 말했습니다. 그들은 돈도, 카드도, 명성도, 최고의 인재도 없고, 심지어 그 자신도 최고의 학교를 졸업하지 않았다는 것입니다.
어떻게 평범한 사람들이 2년 만에 전 세계를 긴장하게 만드는 무언가를 만들 수 있었을까요?
량원펑의 반직관적인 판단: AI 문제에서 가장 많이 가져가려는 자가 먼저 패배한다.
더 많이 가져갈수록 더 빨리 죽는다
량원펑은 계산을 해봤습니다. AI가 결국 글로벌 GDP의 10%를 소비할 수 있다고 가정하고, OpenAI가 그중 5%를 가져가려 한다면, 이 계산은 이론적으로는 타당합니다.
하지만 1%만 가져가겠다는 경쟁자가 나타나면, 더 낮은 가격으로 전자를 무너뜨릴 수 있습니다.
그러면 또 다른 누군가가 나타나 0.1%만 원할 것이고, 역시 이전 경쟁자를 무너뜨릴 것입니다.
이 연쇄는 균형점에 도달할 때까지 계속 아래로 굴러갈 것입니다. 너무 적게 가져가면 비즈니스 모델이 유지되지 않아 자연히 도태되고, 너무 많이 가져가면 더 적게 가져가는 자들에 의해 층층이 밀려나게 됩니다.
량원펑은 단호히 말했습니다. 그는 AGI가 막대한 상업적 가치를 창출할 것이라고 의심하지 않지만, 더 큰 몫을 차지하는 방법보다는 그것을 실현할 확률을 높이는 방법에 더 관심을 둡니다.
그리고 그 확률을 높이는 방법은 바로 자신이 가져가려는 몫을 적극적으로 줄이는 것입니다.
이 논리를 가격에 적용하면, DeepSeek 의 API 는 10개월 안에 손익분기점에 도달하도록 설계되었으며, 이는 대략 6배의 이익에 해당합니다.
이는 이윤 극대화가 아닙니다. 정말 이윤을 극대화하려면 가격을 더 높게 설정해야 합니다. 현재 범위의 사용자 수요는 비탄력적이기 때문에 가격 인상이 소비를 크게 줄이지 않을 것이기 때문입니다.
하지만 6배의 이익은 매우 실용적인 이유로 적극적으로 이 상한선에 고정되어 있습니다. 이윤 폭을 충분히 낮게 유지함으로써, 제3자가 오픈 소스 모델을 직접 배포하여 사업을 빼앗는 것이 수익성이 없어지기 때문입니다.
오픈 소스와 낮은 이윤은 동전의 양면과 같습니다.
폐쇄 소스로 이윤을 고정하는 대신, 그들은 이윤을 다른 사람들이 복제할 수 없을 정도로 압축하여 시장 자체를 보존하는 데 의존합니다.
량원펑은 계산했습니다. 만약 그들이 정말로 100배의 이익을 얻으려 한다면, 오픈 소스는 허점이 될 것이며, 제3자 배포 비용은 그들의 20분의 1에 불과할 수 있습니다.
하지만 DeepSeek 은 처음부터 그 길을 택할 의도가 없었습니다.
그는 오픈 소스에 대해 걱정하지 않습니다. 왜냐하면 그는 수직적 독점을 통해 100배의 이익을 얻는 것에 대해 결코 생각하지 않았기 때문입니다.
이 '일부러 덜 버는' 논리는 이 회사가 내리는 거의 모든 비수익적 결정을 설명합니다.
앞에는 참깨, 뒤에는 수박
지난 설날, DeepSeek 의 소비자용(C-end) 사용자 기반이 갑자기 폭발적으로 늘어났습니다.
이는 계획에 없던 일이었습니다. 팀은 그 사용자들을 유지하지 않는 것까지 고려했지만, 사용자들은 "떠나지 않았고" 결국 남았습니다.
량원펑이 이 현상에 대해 내놓은 설명은 직설적입니다. 눈앞에서 바로 잡을 수 있는 것들을 최우선으로 여기면 더 큰 기회를 잃게 됩니다.
그는 이것을 "참깨 줍기"라고 부릅니다. 작년의 C-end 트래픽과 올해의 비즈니스용(B-end) 수익은 그의 관점에서 그저 참깨에 불과합니다. 지나가면서 줍는 것으로 충분할 뿐, 멈출 가치가 없습니다.
진짜 수박은 AGI 이며, AGI 의 기회는 항상 충분히 크기 때문에 지금 당장 얼마나 많은 점유율을 차지할 수 있는지 정밀하게 계산할 필요가 없습니다.
이는 흥미로운 결과를 낳습니다. DeepSeek 은 거의 우연히 제품을 만듭니다.
량원펑은 회사의 훈련과 API 의 출발점은 결코 사용자에게 좋은 서비스를 제공하기 위한 것이 아니라, AGI 로 가는 길에 반드시 거쳐야 하는 단계이기 때문이라고 말했습니다. 사용자와 수익은 그 과정에서 발생하는 부산물일 뿐입니다.
이 전략은 그의 눈에 차원을 낮추는 공격의 한 형태입니다. AGI 를 목표로 하는 조직은 제품 자체를 목표로 하는 회사보다 C-end 및 B-end 제품에 훨씬 적은 신경을 쓰지만, 결과가 반드시 나쁜 것은 아닙니다.
그의 설명은 더 큰 비전이 최고의 인재를 더 잘 결집시킬 수 있고, 그로 인한 인재 우위는 자연스럽게 제품 수준으로 넘쳐 흘러 차원을 낮추는 공격이 된다는 것입니다.
반대로, "좋은 제품 만들기"를 최종 목표로 삼는 회사는 제품 경험, 트래픽, 사용자 서비스에서 장점을 가지겠지만, 업스트림 기술 역량에 있어서는 기술 자체를 최종 목표로 삼는 회사를 따라잡지 못할 수도 있습니다.
동일한 절제는 DeepSeek 이 선택하지 않는 것들도 결정합니다.
칩 제작 안 함, 전체 산업 체인 안 함
한 투자자가 량원펑에게 업스트림으로 칩을 만들거나 금융, 헬스케어 같은 다운스트림 수직 애플리케이션으로 진출할 의향이 있는지 물었습니다.
그의 대답은 '아니오'였습니다.
이유는 발전소 비유입니다. 발전소를 운영하는 사람이 직접 발전기를 만들 필요는 없습니다. 합리적인 가격에 살 수 있다면 왜 직접 만들겠습니까?
이는 '절제'의 동일한 논리의 연장선입니다.
량원펑은 AI 파이가 충분히 커서 미래에 수많은 조 단위 기업들이 등장할 것이라고 말했습니다. DeepSeek 은 그중 하나가 되기만 하면 되며, 자신이 가장 잘하는 부분만 먹고, 전체 산업 체인을 삼킬 필요는 없습니다.
너무 많이 먹으면 오히려 일찍 퇴장하게 됩니다.
경쟁자에 대한 태도도 마찬가지입니다.
량원펑은 DeepSeek 이 알리바바, 지푸, Moonshot AI 가 오픈 소스 모델을 더 잘 재현할 수 있도록 기꺼이 도울 의향이 있다고 말했습니다. 이는 그들의 이익에 해를 끼치지 않기 때문입니다.
정중하게 들리지만, 기본적인 알고리즘은 일관됩니다. 시장이 충분히 크다면, 다른 사람들이 잘하는 것은 위협이 아닙니다. 다른 사람들이 잘못하여 전체 생태계의 신뢰를 망치는 것이 진정한 손실입니다.
절제는 DeepSeek 이 하지 않는 일을 설명합니다.
그것이 무엇을 할 것인지에 대한 대답은 오래전부터 숙고된 기술적 사다리입니다.
야근 없이 오를 수 있는 사다리
량원펑은 AI 기술의 진화를 층층이 사다리를 오르는 것에 비유하며, 모든 단계가 이전 단계 위에 세워지고 어떤 단계도 낭비되지 않는다고 설명합니다.
작년의 단계는 사고의 사슬(Chain of Thought, CoT)이었습니다. 모델이 스스로 생각하는 법을 배우게 하여 지능의 상한선을 한 단계 더 끌어올렸고, 이미 코딩과 수학 올림피아드 문제에서 최고의 인간을 능가했습니다.
올해의 단계는 에이전트(Agents)입니다. 다단계 작업 실행을 통해 능력의 경계를 더욱 확장합니다.
하지만 에이전트 경로도 결국 끝에 도달할 것입니다.
끝에 도달한 후에도 모델은 여전히 실제 직원을 대체할 수 없습니다.
량원펑은 매우 적절한 예를 들었습니다. 새 직원이 입사하면 환경에 익숙해지는 데 두 달을 보냅니다. 그 후에 "샤오왕 불러와"라고 말하면 이해합니다.
AI 에는 이 두 달간의 축적이 부족합니다. AI 가 실행하려면 샤오왕이 누구인지, 어디에 있는지, 직위가 무엇인지 설명해야 합니다.
"전체 맥락을 반드시 제공해야 한다"는 이 한계는 현재 AI 와 진정한 지능 사이의 보이지 않는 벽입니다.
다음으로 넘어야 할 단계는 지속적인 학습입니다. 모델이 새 직원처럼 환경과의 지속적인 접촉을 통해 스스로 경험을 축적할 수 있을까요? 매번 인간이 맥락을 입에 넣어주는 방식이 아니라요?
지속적인 학습이 해결되면, 량원펑이 "특이점(singularity)"이라고 부르는 단계가 나타납니다. 모델의 능력은 다음 버전의 모델 자체를 반복하고, 자체 연구를 수행하며, 더 발전된 차세대를 개발할 수 있을 만큼 강력해질 것입니다.
그는 이 특이점이 갑작스러운 돌연변이가 아니라 점진적이고 지속적인 과정이지만, 관례상 특이점이라고 부른다고 특히 강조했습니다.
그 후에야 임베디드 지능(embodied intelligence)이 등장하여 로봇이 실제로 물리적 세계에 들어와 집안일과 노인 돌봄을 수행합니다.
왜 이 순서를 따르는지에 대해 량원펑은 말했습니다. 이것이 가장 노동력을 절약하는 경로이기 때문입니다.
지속적인 학습을 먼저 해결함으로써 AI 는 이후의 모든 연구 개발 단계를 가속화하는 데 도움을 줄 수 있으며, 인간이 모든 것을 직접 짊어질 필요가 없습니다.
반대로, 먼저 임베디드 지능을 한다면 그것은 인간의 노동 위에 세워진 고달프고 힘든 길이 될 것이며, DeepSeek 은 이를 선택하고 싶지 않습니다.
여기서 잠시 생각해볼 만한 세부 사항이 있습니다. DeepSeek 이 다음 버전의 모델을 훈련하는 주요 목표는 외부 사용자가 잘 사용하는 것이 아니라, 자체 팀이 더 빠르게 개발하는 것입니다.
모델은 먼저 내부 R&D 효율성에 기여하고, 그 다음에 부수적으로 외부 사용자에게 혜택을 줍니다.
이 우선 순위는 어느 정도 이 회사의 거의 모든 자원 할당 순서를 결정합니다.
2만 장의 카드와 녹아내리는 해자
중국과 미국 간의 격차에 대해 이야기할 때, 량원펑의 판단은 매우 단호했습니다. 인재가 병목이 아니라, 컴퓨팅 파워가 병목입니다.
중국은 AI 인재가 부족하지 않습니다. 기반이 충분히 넓고, 똑똑한 사람들의 분포는 무작위적입니다. "가장 똑똑한 사람들이 모두 미국으로 갔다"는 것은 없습니다.
진정한 병목은 자원입니다.
수치는 매우 직접적입니다. DeepSeek 은 현재 약 2만 대의 H-시리즈 등급 컴퓨팅 카드를 보유하고 있으며, 대부분은 지난 한두 달 사이에 도착했습니다.
현재 가장 큰 모델(약 800B 활성화 파라미터)과 동급의 모델을 훈련하려면 5만 개의 GB300 카드 또는 20만 개의 최신 화웨이 카드가 필요합니다. 이는 훈련 자체만을 위한 것이며, 연구 단계에서의 막대한 실험 비용은 포함되지 않습니다.
DeepSeek 의 현재 자원으로는 수백억 규모의 활성화 파라미터 실험을 지원할 수 있으며, 이는 여전히 800B 에서 한 자릿수 차이가 납니다.
국내 칩에 관해 량원펑의 판단은 예상외로 낙관적이었습니다.
그는 CUDA 의 생태계 해자가 세 가지 힘에 의해 동시에 해체되고 있다고 믿습니다. AI 자체가 코드 작성을 도와 생태계 구축의 문턱을 크게 낮출 수 있습니다. TileLang 과 같은 고급 언어는 CUDA 의 전체 연산자 시스템을 빠르게 재작성할 수 있습니다. 게임용 카드와 컴퓨팅 카드는 원래 아키텍처를 공유했습니다. AI 컴퓨팅 시장이 게임 시장보다 작았기 때문입니다. 하지만 이제 컴퓨팅 시장이 더 커졌고, 둘은 더 이상 묶일 필요가 없습니다. 전용 칩이 주류가 되고 있습니다.
그는 구체적인 시간적 판단을 내렸습니다. 내년 안에 국내 칩 생태계가 괜찮다는 사실이 실제로 입증될 것입니다.
남은 유일한 장애물은 생산 능력입니다.
구체적인 비용 대비 성능 비교도 매우 직접적입니다. 화웨이의 950 슈퍼 노드는 NVIDIA 의 GB200 및 GB300 을 성능과 가격 면에서 대체할 수 있으며, 4개의 카드로 1개를 따라잡는 대가로 2년 뒤쳐져 있습니다. 50%에서 200%까지 비싸더라도 상관없습니다. 살 수만 있다면요.
DeepSeek 은 현재 화웨이로부터 약 1만 6천 장의 카드 용량을 확보하고 있습니다. 이 양은 NVIDIA 카드 4천 장에 불과하며, 차세대 모델을 훈련하기에도 충분하지 않지만, 화웨이가 먼저 생태계를 가동하는 데는 충분합니다.
량원펑은 이것을 "화웨이가 먼저 이 일을 잘하도록 돕는 것"이라고 부릅니다. 그는 이 카드들에 의존하여 더 큰 모델을 훈련할 것으로 기대하지 않습니다. 그는 미래를 위한 길을 닦고 있는 것입니다.
더욱 흥미로운 것은 그가 제시하는 따라잡기 서사입니다. 과거 중국 AI 는 다른 사람들의 컴퓨팅 파워의 20분의 1로 비슷한 것을 만들어내면서 1~2년 뒤쳐져 있었습니다.
미래에는 이 "지연 시간"을 1~2년에서 3~6개월로 압축해야 하며, 컴퓨팅 파워 격차는 여전히 클 것입니다.
더 많은 자원에 의존하는 것이 아니라, 더 똑똑한 방법에 의존합니다.
이 "약점을 지혜로 메우는" 접근 방식은 회사가 스스로를 관리하는 방식에도 반영됩니다.
핵심 연구원의 절반이 데이터에 레이블을 붙이고 있다
누군가 량원펑에게 대규모 언어 모델의 환각(hallucination) 문제가 사용자 경험에 영향을 미칠지 물었습니다. 그의 대답은 매우 솔직했습니다. 환각은 해결할 수 없는 문제가 아닙니다. 더 나은 사후 훈련(post-training)으로 개선할 수 있습니다. 아직 아무도 많은 노력을 기울이지 않았을 뿐입니다.
DeepSeek 내부에서는 이것이 제품 문제로 분류됩니다. 해결되겠지만, 초점은 아닙니다.
환각 문제보다 더 기억할 만한 세부 사항은 다음과 같습니다. DeepSeek 핵심 연구원의 절반이 데이터에 레이블을 붙이고 있습니다.
이것은 중국에서 데이터 레이블링이 저렴하기 때문이 아닙니다. 반대로, 량원펑은 중국의 고품질 데이터 레이블링 비용은 미국과 다르지 않으며, 특히 고급 데이터의 경우 비용 이점이 전혀 없다고 말했습니다.
따라서 현재 전략은 두 가지 접근 방식입니다. 저렴한 것부터 먼저 레이블을 붙이고, 고가의 것은 당분간 보류합니다.
그는 이것이 자본의 문제가 아니라 시간의 문제라고 판단합니다.
OpenAI 와 Anthropic 은 더 일찍 시작했고 오랫동안 운영해 왔습니다. 중국은 약 6개월 전부터 진지하게 투자하기 시작했지만, 1년 안에 대부분의 격차를 해소할 수 있을 것으로 예상됩니다.
조직 없는 회사: 사람들을 하나로 묶는 것은 무엇인가?
량원펑은 DeepSeek 에 "조직이 없으며" 비전에 의해 움직인다고 말했습니다.
구체적인 운영 방식: 회사 관리는 두 가지 라인으로 나뉩니다. 하나는 집단 프로젝트를 위한 하향식입니다. 예를 들어 V4를 출시하려면 전 직원의 협업과 분업이 필요합니다. 이 부분을 "공식적인"이라고 부릅니다. 다른 하나는 상향식으로, 각자 원하는 대로 연구합니다. 아무도 관리하지 않으며, KPI 도 없습니다.
량원펑이 자신에게 설정한 기준은 다음과 같습니다. 공식적인 업무가 직원 시간의 절반을 넘어서는 안 됩니다.
이면에는 두 가지 고려 사항이 있습니다.
첫째, 연구에는 여유로운 환경이 필요합니다. 너무 강하게 밀어붙이면 새로운 것을 탐구할 수 없습니다. 목표가 자발적인 관심을 자극하는 것이라면, "자유로운 사고"를 위한 공간을 남겨두어야 합니다.
둘째, DeepSeek 은 충분히 집중되어 있어서 할 일이 거의 없습니다. 회사의 제품은 일반적으로 불완전하며, 이를 수정하는 데 노력을 기울이지 않았습니다. 이것은 그 자체로 능동적인 선택입니다.
이러한 조직 스타일은 따라할 수 있는 템플릿이 없습니다.
량원펑은 DeepSeek 이 어떤 회사도 모방하지 않았다고 말했습니다. 자주 비교 대상이 되는 Bell Labs 도 마찬가지입니다. Bell Labs 는 자체 손익에 책임을 질 필요가 없었기 때문입니다. 반면 DeepSeek 은 궁극적으로 어떻게 생존할지 고민해야 하는 회사입니다. 정부는 한 푼도 지원하지 않을 것입니다.
모든 선택은 눈앞의 실제 상황에 따라 계산된 결과이며, 복사된 답이 아닙니다.
그 환호성으로 돌아가서
이제 DDCP 가격 인하 당일의 환호성을 되돌아보면, 그것은 고립된 이야기가 아니라 이 회사 전체 생존 알고리즘의 축소판이었습니다.
최대 점유율을 추구하지 않는 절제는 충분히 큰 시장에서 욕심 많은 자가 먼저 밀려나기 때문입니다.
참깨를 줍지만 머무르지 않는 것은 당장의 이익에 시선을 빼앗기면 뒤에 있는 더 큰 수박을 보지 못하기 때문입니다.
칩이나 수직 애플리케이션을 만들지 않는 것은 너무 많이 먹으면 일찍 퇴장하기 때문입니다.
기술 경로에 가장 노동력을 절약하는 순서를 선택하는 것은 절약된 에너지를 진정한 병목이 있는 곳에 사용할 수 있기 때문입니다.
연구원의 절반이 데이터에 레이블을 붙이는 것은 컴퓨팅 파워로 채울 수 없는 격차를 더 견고한 기반으로만 메울 수 있기 때문입니다.
이러한 결정들은 표면적으로는 관련이 없어 보이지만, 실제로는 같은 문장을 다른 방식으로 쓰고 있는 것입니다. 충분히 큰 트랙에서 지금 당장 얼마나 얻을 수 있는지 정밀하게 계산하지 않는 것이 더 많이 얻기 위한 전제 조건입니다.
이것은 경쟁이 치열한 산업에 있는 누구나 직접 사용할 수 있는 판단 방법입니다.
다음에 "지금 얼마나 얻을 수 있는가"와 "미래에 얼마나 얻을 수 있는가" 사이에서 선택해야 할 때, 당장의 계산을 서두르지 마십시오.
더 근본적인 질문을 던져보십시오. 이 일이, 당신이 지금 너무 많이 가져가려고 하기 때문에, 더 적게 가져가려는 경쟁자를 조기에 불러들이게 될까요?
대답이 '그렇다'면, 아무리 단기적인 이익이 유혹적이라도, 생존 확률을 그것과 맞바꿀 가치는 없습니다.
