투자자 앞에서 네 시간 동안 "안 합니다", 딥시크 량원펑의 회의록이 유출됐습니다

네 시간 동안 이어진 "안 합니다"

녹취록을 관통하는 말은 절제입니다. 량원펑은 자신들을 천재로 보지 않는다고 했고, 불합리한 이윤은 챙기지 않으며, 모델을 닫아 두지 않고, 슈퍼앱도 자체 칩도 만들지 않겠다고 했습니다. 덜 가질수록 범용인공지능(AGI)을 만들 확률이 오르고 끝까지 살아남는다는 논리가 이 목록을 하나로 묶습니다. 지금 전문 주소를 열면 민원이 접수돼 규정 위반으로 볼 수 없다는 안내만 남아 있습니다.

제품에 대한 태도도 같았습니다. 량원펑은 지금을 제품으로 수익을 극대화할 시기로 보지 않았습니다. AGI로 가는 길에 제품 단계를 지나가기는 하지만 소비자용이든 기업용이든 거기에 많은 힘을 쓰지 않는다는 겁니다. 높은 기술을 가진 쪽이 한 단계 낮은 기술로 제품을 만들면 위에서 찍어 누르는 것과 같아서, 제품은 그 길에서 저절로 떨어지는 부산물이라는 설명입니다. API 사업조차 몇 사람만 두면 되고 영업도 고객 지원도 없이 사용자가 알아서 온다며 공들일 사업으로 보지 않았습니다.

같은 시기 오픈AI는 코딩 도구 코덱스와 슈퍼앱, 기업공개를 함께 밀고 있었습니다. 투자를 막 받은 두 회사의 창업자가 정반대 방향을 가리켰습니다. 량원펑의 "안 합니다" 목록은 겸손한 말투로 들리지만, 항목마다 인력과 연산이 붙어 있다는 점에서 자원 배분 계획에 가깝습니다. 하지 않는 일에 들 사람과 GPU를 모두 한곳으로 몰겠다는 선언입니다.

합리적 이윤은 장비 원가를 열 달에 회수하는 가격입니다

량원펑은 절제를 숫자로도 적었습니다. 그가 말하는 합리적 이윤은 장비를 사서 열 달이면 원가를 회수하는 가격, 대략 6배 이윤입니다. 이윤을 극대화하려면 값을 더 올릴 수 있고, 이 구간에서는 값을 올려도 토큰 소비가 별로 줄지 않을 만큼 수요가 둔하다는 점도 인정했습니다. 그런데도 6배 이윤을 앞으로 4배, 3배까지 낮추겠다고 했습니다.

열 달과 6배를 잇는 계산은 장비 수명에서 나옵니다. GPU 서버를 5년, 곧 60개월 쓴다고 보면 열 달 만에 원가를 뽑는 가격은 수명 동안 원가의 6배를 버는 가격이 됩니다. 같은 방식으로 따지면 4배는 15개월, 3배는 20개월 회수입니다. 이 환산은 량원펑의 두 숫자를 이어 본 해석이고, 그가 수명을 몇 년으로 잡았는지는 녹취록에 없습니다.

가격을 크게 내린 경험담도 나왔습니다. 한 모델을 처음 비싸게 냈다가 4분의 1로 내렸더니 사내 채팅방이 환호했다는 일화입니다. 알리바바나 텐센트는 같은 서비스를 원가의 몇 배로 판다고 봤습니다. 가격을 늘 고정하지는 않아서, 딥시크는 7월 V4를 내면서 업무시간에 요금을 2배로 받는 피크 요금제를 도입했습니다.

이 가격 정책은 모델 공개와 이어집니다. 량원펑은 열 달 회수 가격이면 다른 회사가 딥시크 모델을 받아 대신 배포해도 남는 이문이 적으니, 그들을 경쟁자로 보지 않고 오히려 돕고 싶다고 했습니다. 이윤을 얇게 잡으면 가중치를 공개해도 잃을 것이 적고, 공개한 모델이 널리 퍼질수록 딥시크의 설계가 업계 표준에 가까워집니다.

미국의 20분의 1 컴퓨트로 6개월에서 18개월 뒤를 따라갑니다

인프라로 내려가면 계산이 가장 구체적입니다. 딥시크는 지금 H급 칩 약 2만 장 분량의 연산을 쓴다고 했습니다. 화웨이에게 받은 950 칩은 1만 6천 장인데, 엔비디아 B 계열로 치면 4천 장 정도라는 설명입니다. 화웨이 칩 4장을 모아야 엔비디아 칩 1장의 연산이 나오고, 세대로는 2년쯤 뒤처져 있다는 계산입니다.

미국 수출통제 뒤 중국 AI 가속기 시장에서 엔비디아의 점유율은 약 95%에서 사실상 0%로 떨어졌습니다. 그 사이 중국 기업들은 가중치를 공개한 모델로 바깥 시장을 넓혀, 5월 오픈라우터(여러 회사 모델을 한 API로 골라 쓰는 서비스)에서 소비된 토큰의 약 61%를 중국 오픈 모델이 처리했습니다(중국 오픈 모델의 확산을 다룬 글). 량원펑의 숫자는 칩이 막힌 쪽이 연산 대신 효율과 공개로 버티는 방식을 안에서 설명합니다.

그래도 량원펑은 엔비디아가 스스로 무덤을 판다고 봤습니다. 개발자를 엔비디아에 묶어 두는 소프트웨어 생태계 CUDA도 이제 AI로 다시 짤 수 있고, TileLang 같은 고급 언어로 대체할 수 있다는 이유입니다. 칩을 직접 만들 생각은 없다고 했습니다. 발전소를 돌리는 사람이 발전기까지 만들 필요는 없다는 비유입니다.

중국과 미국의 격차는 인재보다 자원에 있다고 잘라 말했습니다. 인재는 거의 같은 사람들이고 인재난은 늘 일시적이라는 입장입니다. 미국에서 연구하던 중국계 저자들이 돌아오는 흐름은 후버 연구소 보고서를 다룬 글에 정리돼 있습니다. 목표로는 지금 6~18개월인 격차를 6개월과 3개월로 좁히겠다고 했습니다.

량원펑은 스케일도 믿는다고 했습니다. 지금 크기의 모델을 훈련하는 이유는 가진 자원이 그것뿐이기 때문이고, 그 크기로 충분하다고 본 적은 없으며 아직 스케일의 한계에는 닿지도 않았다는 겁니다. 저비용은 목표였던 적이 없고 결과로 얻었다는 설명도 붙였습니다. 컴퓨트가 부족하면 계산 효율이 높아야 더 큰 모델을 훈련할 수 있습니다. 2024년 말 공개된 딥시크 V3의 학습에 엔비디아 H800 2,048장, 557만 달러가 들었다는 숫자가 그 효율을 보여 준 첫 기록이었습니다.

연구 인력의 절반이 데이터를 붙이고 있습니다

로드맵은 거창해도 딥시크가 지금 매달리는 일은 데이터입니다. 량원펑은 현 단계에서 AI를 푸는 일이 곧 데이터 라벨링이라며, 회사 인력의 절반, 그것도 가장 중요한 연구 인력의 절반이 데이터 작업을 하고 있다고 했습니다. 고품질 데이터 라벨링은 중국이라고 싸지 않아 미국과 원가 차이가 거의 없다는 설명입니다. 그래서 값싼 데이터부터 붙이고, 비싼 고품질 데이터는 시간을 두고 쌓는 두 갈래로 갑니다.

그는 지금의 지능이 알고리즘보다 데이터를 어떻게 먹이느냐에 더 달려 있다고 봤습니다. 20분의 1 컴퓨트라는 제약 아래에서 사람을 가장 많이 붙이는 곳이 데이터라는 사실은, 딥시크가 연산으로 메우지 못하는 차이를 어디서 메우려 하는지 보여 줍니다.

사고사슬과 에이전트 다음은 지속학습이라고 봤습니다

량원펑은 AGI로 가는 길을 계단에 빗댔습니다. 작년 계단은 답을 단계별로 풀어 쓰는 사고사슬, 올해 계단은 스스로 도구를 쓰며 여러 단계를 실행하는 에이전트이고, 그다음이 한 번 익힌 것을 계속 쌓는 지속학습입니다. 지속학습이 되면 모델이 스스로 더 앞선 모델을 개발하는 점진적 특이점에 닿고, 그 뒤에야 몸을 가진 지능인 로봇에 도착한다고 봤습니다. 3D와 영상 생성, 눈앞 상황의 다음을 예측하는 세계 모델은 지능의 상한과 관계가 적은 곁가지로, 환각은 후처리 학습으로 고칠 제품 문제로 분류했습니다.

AI가 아직 직원을 대체하지 못하는 이유도 지속학습에서 찾았습니다. 사람은 두 달이면 회사에 적응하지만, AI에 같은 일을 시키려면 맥락을 전부 떠먹여야 하고 그것은 거의 불가능하다는 겁니다. 지속학습은 기술 하나로 풀리지 않고 여러 요소가 얽힌 문제라 전 세계 누구도 아직 방법을 찾지 못했다고 했습니다. 그래서 딥시크는 남들이 잘 쓰는 모델보다 자기들이 잘 쓰는 모델을 먼저 만든다고 했습니다.

같은 병목을 미국 쪽 연구자도 짚었습니다. 오픈AI 안전 연구를 이끌다 씽킹머신즈랩을 공동창업한 릴리안 웽은 7월 초 하네스 엔지니어링 글에서, 사람이 평생 기억을 유지하듯 컨텍스트 관리도 소프트웨어 기법에 머물지 않고 지능 자체의 한 부분이 될 거라고 적었습니다. 두 사람 모두 다음 단계를 모델이 스스로 맥락을 쌓는 능력에서 찾고 있습니다.

지금 가장 중요한 일로는 여전히 코딩 에이전트를 꼽았습니다. 중국 상황에서는 범용 에이전트에 전력을 쏟는 것이 가장 합리적이고, 금융이나 의료 같은 특화 에이전트는 우선순위가 낮다는 판단입니다. 범용에서 밀린 회사가 특화로 버티려 해도 그 영역마저 범용 에이전트에 흡수된다는 이유입니다.

가장 강한 모델도 공개하겠다고 했습니다

량원펑은 예전 소프트웨어라면 공개가 시장을 잃는 일이었지만, AI는 인류 GDP의 10%를 차지할 만큼 커서 독점하려 들면 역사에서 밀려난다고 했습니다. 닫아 두는 쪽의 이점을 찾지 못하겠다며 가장 강한 모델도 아마 공개할 거라고 했고, 공개하는 모델과 자기들이 배포해 쓰는 모델이 같아 더 좋은 모델을 따로 숨겨 쓰지 않는다고 했습니다.

공개의 효과는 이미 바깥에서 확인되고 있었습니다. 미라 무라티가 세운 씽킹머신즈는 7월 15일 첫 오픈웨이트 모델 Inkling을 내면서 전문가 혼합(MoE) 구조의 설계 출처로 딥시크 V3를 직접 밝혔습니다(Inkling 공개를 다룬 글). 가중치와 설계를 공개한 모델이 미국 연구소의 출발점이 된 겁니다.

앤트로픽의 우위는 일시적이라고 봤습니다

미국 경쟁 구도에 대한 판단도 나왔습니다. 량원펑은 앤트로픽이 오픈AI를 앞선 것도 일시적이라고 봤습니다. 코딩에서 앤트로픽의 우위가 그리 크지 않고, 딥시크 내부에서도 절반은 오픈AI가 더 낫다고 본다는 겁니다. 세 회사 가운데 돈을 가장 적게 태우는 쪽이 이기고, 앞으로는 오픈AI와 구글이 번갈아 앞서리라고 예상했습니다. 미국에는 프런티어 연구소가 셋뿐인데 중국은 너무 많아 서너 곳으로 좁혀질 거라고도 했습니다. 녹취록이 돌기 직전에도 중국 쪽 경쟁은 이어졌습니다. 문샷AI는 7월 17일 2.8조 파라미터의 Kimi K3를 공개하며 가중치를 공개한 모델 가운데 가장 큰 모델을 내놨습니다. 순위가 자주 뒤집힌다는 판단에는 앤트로픽이 Opus 모델을 낸 지 20분 만에 오픈AI가 새 코딩 모델로 1위를 되찾은 일 같은 사례가 있습니다.

슈퍼앱 대신 팀을 지키는 조건을 걸었습니다

다음 바이트댄스나 다음 텐센트가 될 생각은 전혀 없다고 했습니다. 량원펑은 이유를 참외와 깨에 빗댔습니다. 뒤에 참외가 있는데 앞의 것들은 깨알일 수 있고, 그 깨가 조금 크더라도 그리 크지는 않다는 설명입니다. 작년 춘절에 이용자가 폭발한 것도 각본에 없던 일이라 붙잡거나 돈으로 바꾸려 애쓰지 않았고, 떠날 줄 알았던 이용자도 낮은 비용으로 그냥 두었다고 했습니다.

장사를 놓은 것은 아닙니다. 올해 기업 대상 매출이 10억 달러에 닿으면 회사 현금흐름이 흑자로 돌 수 있다고 봤습니다. 물러설 수 없는 단 하나로는 팀의 안정성을 꼽았습니다. 돈도 자원도 다 구할 수 있고 유일한 위험은 사람이 흩어지는 것이라며, 투자자들에게 세 가지 조건을 걸었습니다. 직원을 빼 가지 말 것, 투자한 다른 회사가 인력을 데려가지 못하게 할 것, 팀원의 경쟁 창업을 부추기지 말 것입니다. 이번 투자로 직원들이 쥔 지분이 커지면서 그 위험이 크게 줄었다고 했고, 야근을 거의 시키지 않고 업무 시간의 절반을 각자 원하는 연구에 쓰게 하는 것도 사람을 붙잡아 두는 방법으로 들었습니다.

5%를 노리면 1%를 노리는 상대에게 밀린다고 했습니다

량원펑이 절제를 고집하는 이유는 파이를 나누는 계산으로 정리됩니다. AI가 만들 거대한 파이에서 5%를 노리면 1%만 노리는 상대에게 밀리고, 그 상대는 다시 0.1%를 노리는 상대에게 밀린다는 겁니다. 크게 가지려는 비전은 그 자체로 이미 진 것이고, 그래서 오픈AI가 세계를 독점할 것처럼 보여도 더 적게 가져도 되는 중국의 도전자에게 흔들릴 수밖에 없다고 봤습니다. 다만 너무 적게 가지면 회사가 버티지 못하니, 살아남을 수 있는 한도 안에서 가장 적게 가지는 지점을 찾는 것이 그의 균형입니다.

이 논리에는 따져 볼 대목도 있습니다. 녹취록은 딥시크가 공식 확인한 문서가 아니고, 500억 위안을 받기 직전 투자자 앞에서 한 말입니다. 중국 규제 환경에서 슈퍼앱을 만들지 않겠다는 말은 선택이기에 앞서 피할 수밖에 없는 길일 가능성도 있습니다. 량원펑은 2년 전 창업할 때 돈도 GPU도 인지도도 없는 평범한 사람들이었다고 했고, 20년 전 경영에서 가장 우러른 인물로 회사에 중요한 것은 벽에 붙은 구호보다 실제로 어떻게 하느냐라고 말한 잭 웰치를 꼽았습니다.

한국에서 읽는 량원펑의 목표

국내의 추격 목표는 다른 단위로 적혀 있습니다. 정부는 독자 파운데이션 모델의 목표 성능을 6개월 안에 나온 최신 글로벌 모델 대비 95%로 정했습니다(소버린 모델 목표를 다룬 글). 량원펑은 같은 추격을 몇 개월 뒤처졌느냐로 셌습니다. 성능 비율로 세는 목표는 프런티어가 앞으로 나아가면 기준점이 함께 움직이고, 시간 격차로 세는 목표는 상대가 다음 모델을 낸 날부터 따라잡는 데 걸리는 기간을 잽니다. 두 목표 모두 앞선 쪽을 기준으로 삼지만, 딥시크는 그 기준을 따라잡는 속도를 목표로 걸었습니다.

량원펑의 절제가 전략으로 맞았는지는 지속학습이 되는 다음 세대 모델이 나올 때 드러납니다. 그 모델이 미국보다 몇 개월 늦게 나오는지를 보면, 그가 목표로 건 6개월과 3개월에 얼마나 다가갔는지 알 수 있습니다.

읽어 주셔서 고맙습니다.

초이 드림