DeepSeek V4 trained a 1-trillion-parameter model for just $5.6M, challenging GPT-5 and signaling a major shift in AI compute economics.

$5.6M으로 1조 파라미터, DeepSeek V4가 엔비디아 없이 AI를 바꾼다

작성자:
💡 Key Takeaways

  • DeepSeek V4는 약 1조 파라미터 MoE 모델로, 토큰당 37B만 활성화하면서 $5.6M에 훈련을 완료했습니다.
  • 화웨이 어센드 910C + 캠브리콘 칩에 최적화해 엔비디아 의존을 완전히 끊고, 알리바바·바이트댄스·텐센트가 수십만 개 대량 주문에 나섰습니다.
  • Apache 2.0 오픈소스 라이선스로 풀리면서 미국 중심 AI 스택과 중국 중심 AI 스택의 분열이 본격화됩니다.

$5.6M. GPT-4 한 번 훈련하는 데 $100M 이상이 드는 시대에, 중국 스타트업 DeepSeek가 1조 파라미터 프런티어 모델을 이 금액에 완성했다고 주장합니다. 여기서 핵심은 단순히 싼 모델이 아니라는 점입니다.

DeepSeek V4는 화웨이 어센드 칩에 최적화되어 엔비디아 GPU 없이도 작동하도록 설계된, 미·중 AI 경쟁의 새로운 변곡점입니다. 이 조합이 현실화되면 글로벌 AI 산업의 공급망 구조 자체가 흔들립니다. CSIS의 지미 굿리치(Jimmy Goodrich) 선임연구원은 “DeepSeek 팀 역량은 이미 알려져 있었고, 더 많은 연산력이 있었다면 어떤 수준이 됐을지 모른다”고 평가했습니다.

DeepSeek V4 AI 모델의 미·중 기술 경쟁을 상징하는 신경망 아키텍처 일러스트
1조 파라미터 MoE 아키텍처가 미·중 AI 공급망을 두 갈래로 나누고 있다 — Generated by OpenAI DALL-E 3

DeepSeek V4의 핵심 스펙 — 1조 파라미터의 정체

DeepSeek V4는 약 1조 개의 파라미터를 갖춘 MoE(Mixture-of-Experts, 전문가 혼합 모델) 아키텍처입니다. 한마디로 1조 개의 뉴런 중 토큰 하나를 처리할 때 약 37B(370억 개)만 선택적으로 활성화하는 구조입니다. 전체 파라미터가 방대하지만 실제 연산에 동원되는 파라미터를 37B로 억제해 추론 효율을 극대화한 구조입니다.

컨텍스트 윈도는 100만 토큰에 달합니다. 기존 프런티어 모델들의 컨텍스트 윈도를 크게 상회하는 규모입니다. 텍스트·이미지·영상·오디오를 동시에 처리하는 네이티브 멀티모달도 핵심 차별점인데, 기존 모델들이 시각 기능을 사후에 덧붙인 것과 달리 처음부터 동시 훈련으로 구현했습니다.

가격 측면에서도 파격적입니다. 예상 API 비용은 $0.10~0.30/MTok(100만 토큰당)으로, GPT-5.2의 $1.75/MTok, Claude Opus의 $5.00/MTok과 비교하면 10~50배 저렴합니다. Apache 2.0 라이선스로 MAU(월간 활성 사용자) 제한이나 사용 제한 없이 완전한 상업적 자유가 보장됩니다.

핵심: 1조 파라미터 중 37B만 활성화하는 MoE 구조로, 100만 토큰 컨텍스트와 네이티브 멀티모달을 갖추면서도 API 가격은 미국 프런티어 모델 대비 10~50배 저렴합니다.

$5.6M 훈련비의 비밀 — MoE 아키텍처와 3대 혁신

CSIS 보고서와 SemiAnalysis 분석에 따르면, DeepSeek V4의 훈련 비용은 GPU 시간당 $2 기준 약 278만 GPU-시간, 총 $5.6M입니다. 미국 프런티어 모델의 $100M 이상과 비교하면 파격적 차이입니다. 이 효율의 핵심에는 세 가지 아키텍처 혁신이 있습니다.

첫째, 매니폴드 제약 하이퍼커넥션(mHC)입니다. 1조 파라미터 규모에서 훈련이 발산하지 않도록 신호 증폭을 제한하는 안정화 기술로, DeepSeek가 관련 논문을 공개하면서 주목받았습니다.

둘째, 엔그램 조건부 메모리(Engram Conditional Memory)로, 해시 기반 O(1)(상수 시간) 검색을 통해 100만 토큰에서도 97%의 니들인어헤이스택 정확도를 달성합니다. 기존 표준 어텐션 방식보다 크게 향상된 수치입니다. 셋째, 다이나믹 스파스 어텐션과 ‘라이트닝 인덱서’로 연산 오버헤드를 50% 절감했습니다.

쉽게 말하면: 1조 개의 뉴런이 동시에 일하면 전기세가 감당이 안 됩니다. DeepSeek는 필요한 37B만 골라서 켜는 ‘선택적 활성화’ 방식과, 100만 토큰 속에서 원하는 정보를 사전처럼 즉시 찾아가는 해시 검색 기술을 결합해 비용을 1/20 이하로 줄였습니다.

엔비디아 없는 AI — 화웨이 어센드 칩 전략

DeepSeek V4의 가장 파격적인 결정은 화웨이 어센드 910C와 캠브리콘 칩에 최적화하면서 엔비디아·AMD에 얼리액세스를 거부한 것입니다. 업계 관행을 정면으로 깨뜨린 이 선택은 중국 AI 산업이 미국 반도체 공급망에서 의도적으로 이탈하고 있음을 보여줍니다. 알리바바, 바이트댄스, 텐센트는 이미 화웨이 AI 칩 수십만 개를 대량 주문한 상태입니다.

어센드 910C의 추론 성능은 엔비디아 H100의 약 60% 수준입니다. 절대 성능으로는 격차가 있지만, 화웨이의 클라우드매트릭스 384 아키텍처가 이를 보완합니다. 프리필(입력 처리) 기준 NPU당 6,688 tok/s, 디코드(출력 생성) 1,943 tok/s의 처리량은 H100과 경쟁 가능한 추론 경제성을 확보했다는 평가입니다.

법학자 앙겔라 장(Angela Zhang)은 “수출 규제가 역설적으로 중국의 효율 혁신을 가속시킨다”고 분석했습니다. 왜 이게 중요하냐면, 미국의 대중국 칩 수출통제가 의도와 달리 중국 자체 반도체 생태계를 강화하는 촉매가 되고 있다는 뜻이기 때문입니다.

DeepSeek V4 AI 추론에 활용되는 데이터센터 서버 랙
화웨이 어센드 칩으로 구축된 AI 추론 인프라가 엔비디아 독점 구도에 도전하고 있다 — Photo by Elimende Inagella on Unsplash

벤치마크로 본 성능 — GPT-5, Claude와의 비교

[공식 출시 후 정정] DeepSeek 공식 발표(2026-04) 기준 V4-Pro는 총 1.6조 파라미터, 토큰당 49B 활성입니다. 아래의 사전 유출 기반 수치(약 1조/37B, HumanEval 90% 등)는 공식 스펙·자료에서 확인되지 않은 출시 전 정보입니다.

유출된 내부 벤치마크에 따르면, DeepSeek V4는 HumanEval 90%, SWE-bench Verified 80% 이상을 기록한 것으로 알려졌습니다. SWE-bench 기준으로 Claude Opus 4.5의 80.9%와 대등한 수준입니다. 다만 이 수치는 독립적으로 검증되지 않았다는 점을 반드시 짚어야 합니다.

가격 대비 성능에서는 압도적입니다. $0.10~0.30/MTok은 GPT-5.2($1.75)의 약 6~17배, Claude Opus($5.00)의 약 17~50배 저렴합니다. 이 가격 격차가 실제 벤치마크와 일치하는 성능으로 뒷받침된다면, 스타트업과 중소기업의 AI 접근성이 근본적으로 달라집니다.

포인트는 검증 시점입니다. V4 Lite(약 200B 파라미터)가 2026년 3월 9일 선공개되었고, 풀 모델의 공식 출시가 임박한 상태입니다. 공개 후 독립 벤치마크 결과가 내부 수치를 얼마나 재현하는지가 시장 신뢰의 분기점이 될 것입니다.

💡 함께 읽으면 좋은 글
$20억 NVLink Fusion, 엔비디아가 실리콘 포토닉스 시대를 열었다

증류(Distillation) 논란 — 미국 AI 기업들의 반격

DeepSeek V4의 성능 뒤에는 증류(distillation) 논란이 그림자처럼 따라붙습니다. 앤트로픽은 2026년 2월, DeepSeek를 포함한 3개 중국 AI 기업(DeepSeek·Moonshot·MiniMax)이 24,000개 위장 계정을 통해 1,600만 건 이상의 증류 공격을 감행했다고 발표했습니다. 공격 대상은 Claude의 핵심 역량인 에이전틱 추론, 도구 사용, 코딩이었습니다.

OpenAI도 미 의회에 공개서한을 보내 “DeepSeek가 새로운 난독화 기법을 포함한 지속적 증류 시도를 진행하고 있다”고 경고했습니다. 양사의 주장은 결국 지적재산권과 국가안보 프레임으로 수렴하고 있습니다. 앤트로픽은 “권위주의 정부가 프런티어 AI를 공격적 사이버 작전과 대규모 감시에 활용할 수 있다”는 우려도 표명했습니다.

다만 업계 전문가들은 “합법적 사용과 적대적 착취의 경계가 모호하다”고 지적합니다. AI 안전센터 소장 댄 헨드릭스(Dan Hendrycks)는 “연구 실패 경로를 알면 복제는 훨씬 쉬워진다”고 분석했는데, 이는 비공식 채널을 통한 알고리즘 인사이트 유출이 하드웨어 통제만큼이나 중요한 문제임을 시사합니다.

💡 함께 읽으면 좋은 글
78개 법안 27개 주, AI 챗봇 상담사 만들면 최대 60년형

오픈소스 Apache 2.0의 의미 — 개발자 생태계 지각변동

1조 파라미터 규모의 모델이 Apache 2.0 라이선스로 공개되는 것은 전례가 없는 시도입니다. MAU 상한, 사용 제한, 상업적 제약이 전혀 없으며 수정과 재배포가 자유롭습니다. 정리하면, 자원이 제한된 스타트업이나 연구기관도 1조 파라미터 모델을 자체 인프라에서 직접 구동할 수 있는 시대가 열리는 것입니다.

실제 구동 장벽도 예상보다 낮습니다. INT8 양자화 시 RTX 4090 2장(48GB VRAM), INT4 양자화 시 RTX 5090 1장(32GB)으로 로컬 추론이 가능한 것으로 알려졌습니다. 물론 풀 프리시전(전정밀도) 추론은 멀티노드 GPU 클러스터가 필요하지만, 양자화 모델만으로도 대부분의 기업 용도에 충분합니다.

이는 개발자 생태계의 구도를 바꿀 수 있습니다. GPT-5와 Claude가 API 구독 모델로 운영되는 반면, DeepSeek V4는 온프레미스(자체 서버) 배포가 가능합니다. 데이터 주권이 중요한 기업이나 정부 기관에게 이 차이는 결정적입니다.

반도체 회로 기판 클로즈업
미·중 AI 공급망 분열의 핵심에는 반도체 자급 전략이 있다 — Photo by Anne Nygård on Unsplash

글로벌 AI 공급망 분열 — 미·중 기술 냉전의 새 국면

DeepSeek V4가 상징하는 것은 단일 모델의 성능이 아니라 글로벌 AI 공급망의 구조적 분열입니다. 미국 중심의 Nvidia/CUDA 스택과 중국 중심의 화웨이 어센드/CANN 스택이라는 두 개의 평행 기술 생태계가 형성되고 있습니다. DeepSeek가 엔비디아·AMD에 얼리액세스를 거부한 것은 이 분열의 의도적 가속입니다.

미국의 수출통제 집행력에도 구조적 한계가 드러나고 있습니다. CSIS 보고서에 따르면, TSMC는 쉘 컴퍼니(위장 법인)를 통해 화웨이용 어센드 910B 다이를 200만 개 이상 생산한 것으로 파악됩니다. 수출통제를 우회하는 경로가 다양하게 존재한다는 점에서 기존 규제 체계의 실효성에 의문이 제기됩니다.

이 집행의 한계는 자원 부족에서 비롯됩니다. 미 산업안보국(BIS)은 직원 600명 미만, 예산 약 $200M으로 이중용도 기술 전체를 감독해야 합니다.

다시 말해, 반도체만이 아니라 모든 이중용도 첨단기술의 수출을 이 규모로 통제해야 하는 것입니다. DeepSeek V4의 화웨이칩 최적화가 성공적으로 작동한다면, 수출통제의 효용 자체에 대한 근본적 재평가가 불가피합니다.

핵심: TSMC 쉘 컴퍼니 경유 200만+ 다이 생산과 BIS 직원 600명 미만이라는 숫자가 수출통제의 구조적 집행 한계를 보여줍니다.

DeepSeek V4의 독립 벤치마크 검증 결과와 화웨이 어센드 기반 추론 성능의 실전 데이터가 두 가지 핵심 관전 포인트입니다. V4가 공개 테스트에서 내부 벤치마크를 재현하면 미국 프런티어 모델의 가격 프리미엄 정당성이 흔들리고, 화웨이칩 성능이 상용 워크로드에서 입증되면 엔비디아의 AI 칩 독점 구도에 최초의 구조적 균열이 생깁니다. 글로벌 AI 산업은 “최고 성능의 단일 공급망” 시대에서 “경쟁하는 이중 공급망” 시대로 전환하는 문턱에 서 있습니다.

참고 자료

트렌드를 먼저 읽는 사람들

AI, 테크, 경제의 핵심 인사이트를 한국어와 영어로 동시에 제공합니다.

더 많은 글 보기