칩 대기업을 뒤흔드는 AI 파괴를 분석하는 딥시크가 NVIDIA에 나쁜 이유

딥시크의 부상은 AI 하드웨어에서 엔비디아의 지배력에 도전하고 있습니다. 2025년 1월 딥시크 R1 출시 이후 엔비디아는 수십억 달러의 시장 가치가 사라지는 등 주식 시장 변동성에 직면해 있습니다.

딥시크가 NVIDIA에 나쁜 이유는 무엇인가요? 그 해답은 비용 효율적인 AI 모델 훈련, 소프트웨어 기반 최적화, 지정학적 이점에 있습니다. 이 글에서는 딥시크가 NVIDIA의 비즈니스 모델을 혁신하고 AI 하드웨어 산업을 재편하는 주요 이유를 살펴봅니다.

파트 1: 딥시크의 비용 효율성이 엔비디아의 비즈니스 모델에 미치는 영향

NVIDIA의 비즈니스는 모델 학습에 막대한 계산 능력이 필요한 AI 회사에 고성능 GPU를 판매하는 데 성공하고 있습니다. DeepSeek은 AI 학습 비용과 AI 추론 비용을 대폭 줄임으로써 이 모델에 도전합니다.

AI 교육 비용 절감

DeepSeek은 560만~600만 달러의 비용으로 2,048개의 NVIDIA H800 GPU만을 사용하여 R1을 훈련시켰는데, 이는 GPT-4에 지출된 1억 달러의 OpenAI나 LLaMA 3에 사용된 6천만 달러의 메타보다 훨씬 적은 비용입니다. 이 효율성은 희소 활성화와 FP8 혼합 정밀도 훈련에서 비롯되어 계산 비용을 절감합니다.

추론 비용 절감

딥시크는 입력 토큰당 0.55달러의 API 가격 모델을 제공하며, 이는 OpenAI의 입력 토큰당 1,500달러에 비해 AI 추론 비용을 크게 줄여줍니다. 이를 통해 비용 효율적인 AI 배포를 원하는 기업에게 더욱 매력적으로 다가가고 하이엔드 NVIDIA GPU에 대한 수요를 줄일 수 있습니다.

2024년 610억 달러의 매출이 하이퍼스케일러에 대한 GPU 판매에 의존했던 NVIDIA의 경우, 보다 효율적인 AI 학습 방법으로의 전환은 고가의 하드웨어에 대한 수요 감소 가능성을 시사합니다.

파트 2: 딥시크의 소프트웨어 최적화로 GPU 의존도 감소

딥시크의 성공은 AI의 혁신이 더 이상 단순한 GPU 컴퓨팅을 필요로 하지 않는다는 것을 증명합니다. 대신 스마트 소프트웨어 최적화를 통해 하드웨어 한계를 보완할 수 있습니다.

GPU 요구를 낮추는 소프트웨어 혁신

• DeepSeek V3는 추론 중에 370억 개의 매개변수만 활성화하면서 총 6,710억 개의 매개변수를 가진 전문가 혼합(MoE) 모델을 사용하여 GPU 전력 소비를 줄입니다.
• 듀얼파이프 최적화는 GPU 간 통신을 향상시켜 A100 및 H800과 같은 구형 또는 다운그레이드된 NVIDIA GPU에서 모델을 효율적으로 학습할 수 있게 합니다.

미국의 수출 제한 조치로 인해 H100과 같은 최첨단 NVIDIA GPU에 대한 액세스가 제한되었지만, 딥시크는 최신 칩에 의존하지 않고도 AI 성능을 유지할 수 있는 해결책을 개발했습니다.

파트 3: 지정학적 긴장과 AI 시장의 분열

딥시크가 NVIDIA에 나쁜 이유는 무엇인가요? 미중 기술 경쟁은 중국에서 소프트웨어 기반 AI 혁신을 가속화하여 고급 NVIDIA 하드웨어에 대한 의존도를 낮췄습니다.

미국 칩 수출 제한 조치의 역효과

• 딥시크는 중국용 AI 칩인 NVIDIA의 H800에 의존하고 있으며, 이는 AI 기업들이 칩 제한에 어떻게 허점을 발견하고 있는지 보여줍니다.
• 중국의 AI 자급자족 추진은 NVIDIA의 대안에 대한 더 많은 국내 자금과 인센티브를 의미합니다.

신흥 시장 채택

미국에 본사를 둔 기업들은 데이터 개인정보 보호 문제로 인해 딥시크 도입을 주저할 수 있지만, 오픈 소스 AI 모델은 신흥 시장에서 주목을 받고 있습니다. 이는 AI 개발의 단편화로 이어져 NVIDIA의 글로벌 영향력을 약화시킬 수 있습니다.

파트 4: 엔비디아의 장기 성장에 대한 투자자들의 우려

딥시크의 부상은 엔비디아의 장기 수익 모델에 대한 의구심을 불러일으켰습니다.

AI 기업의 GPU 수요 감소

• 구글, 아마존, 메타와 같은 거대 기술 기업들은 NVIDIA에 대한 의존도를 낮추기 위해 맞춤형 AI 칩을 개발하고 있습니다.
• AI 모델의 효율성이 높아짐에 따라 기업들은 비싼 GPU 투자의 필요성에 의문을 제기하고 있습니다.

시장 과대평가 위험

• 엔비디아의 주식 가치는 지속적인 AI 성장을 전제로 하지만, 딥시크의 AI 효율성 향상은 이러한 전망에 도전할 수 있습니다.
• AI 컴퓨팅의 비용 효율성이 높아지면 시간이 지남에 따라 클라우드 스토리지 비용이 하락하는 것과 마찬가지로 GPU 판매당 수익이 감소할 수 있습니다.

파트 5: 보안 위험 및 규제 우려 사항

딥시크가 NVIDIA에 나쁜 또 다른 이유는 AI 보안 및 윤리적 우려에 대한 조사가 강화되고 있기 때문입니다.

딥시크의 보안 취약점

• 사이버 보안 회사 KELA는 딥시크 R1이 랜섬웨어와 허위 정보를 생성하는 데 취약하다는 사실을 발견했습니다.
• 개인정보 보호 문제-딥시크 모델은 중국 서버에 데이터를 저장하여 EU 및 미국 시장에서 규정 준수 문제를 야기합니다.

NVIDIA의 경우, 보안이 덜한 AI 모델과의 연관성은 AI 보안 및 규정 준수를 우선시하는 기업 및 정부 계약에 영향을 미칠 수 있습니다.

파트 6: 엔비디아의 대응과 미래 과제

딥시크의 혼란에 대응하기 위해 NVIDIA는 딥시크 R1을 NIM 마이크로서비스 플랫폼에 통합하여 AI 인프라에 대한 영향력을 유지하기 위해 노력하고 있습니다.

NVIDIA의 AI 지배력에 대한 도전 과제

• 빅 테크 기업들은 NVIDIA GPU에 대한 의존도를 낮추기 위해 자체 AI 하드웨어를 개발하고 있습니다.
• MLX와 트리톤과 같은 오픈 소스 AI 프레임워크는 CUDA의 지배력을 약화시키고 있으며, 다양한 하드웨어 플랫폼에서 AI 모델을 더욱 유연하게 만들고 있습니다.

변화하는 AI 환경에 적응하지 못하면 NVIDIA가 선도적인 AI 하드웨어 제공업체로서의 위치가 위험에 처할 수 있습니다.