[요약리뷰] 슈카월드 - 6000억 달러가 한방에 날라간 사연

 

 

 

한글 요약:
딥시크(DeepSeek)의 신규 AI 모델 R1이 글로벌 AI 시장에 큰 파장을 일으켰습니다. 600만 달러와 2개월만에 개발되었다는 점, 저사양 GPU로도 구동 가능하다는 점이 주목받았습니다. 이로 인해 엔비디아 주가가 17% 하락하는 등 AI 관련주들이 급락했습니다. 이는 AI 개발의 민주화 가능성을 시사하며, 시장 구조 변화를 암시합니다.

English Summary:
DeepSeek's new AI model R1 has caused significant disruption in the global AI market. It gained attention for being developed with just $6 million in 2 months and running on lower-spec GPUs. This led to a 17% drop in Nvidia's stock and declines in other AI-related stocks. The development suggests potential democratization of AI development and indicates structural market changes.

 

 

 

딥시크가 뭐길래, AI 주식들이 폭락했나 - YouTube
https://www.youtube.com/watch?v=zeE6dUKYNDs

Transcript:
(00:08) 자, 그 다음 주제는 이거 여러분 많이 보셨겠지만 딥시크 얘기 한번 해봅시다 요것도 안 할 수가 없잖아요 딥시크 충격 자 딥시크 충격이 세계를 덮쳤죠 거침없이 상승하던 엔비디아 주식가에 제동이 걸렸던 우리가 쉬고 있는 설날 도중에 무려 17%가 빠지면서 피눈물을 흘렸던 그런 일이 있었는데 엔비디아의 17% 하락 엔비디아가 참고로 시가총액 전세계 1, 2위 하죠? 애플에 이어서 2위 정도 하는데 이 거대한 기업이 17%가 빠지면 6천억 달러, 우리나라 돈으로 840조가 날아갑니다 미국 증시 역사상 하루에 가장 많이 깨진 기업이 엔비디아가 됐어요 근데 그럴 수밖에 없지 3조 달러 이런 기업이 어디 있어? 옛날에 없었으니까 800조가 그냥 하루에 날아갔고 미국 증시 역사상 최대 손실을 기억한 그런 일이 되겠습니다 게다가 딥시크 충격이라고 굳이 호들갑도 하면서 갖고 온 거는 그 이후로 엔비디아 주가가 못 오르고 있어요 빠진 다음에 보통은 V자 반등하잖아요 짧은 이슈면 V자 반등을 하는데 아하 하다가 못 오르고 있어 아 이거 올 법도 한데 이번 충격은 나름 컸나 봐
(01:11) 나름 크게 느껴서 아직도 그 저점에서 빠져나오지 못하고 있고 참고로 엔비디아 같은 경우에는 미국 증시 역사상 하루 만에 최대 손실을 기록했구나 역사상 하루 최대 손실 1위, 2위, 4위, 5위, 6위, 8위가 엔비디아입니다 여러분들이 엔비디아를 좋아하는 이유가 있어요 하루 최대 손실 1, 2, 4, 5, 6, 8위라는 건 하루 최대 이득? 그건 제가 안 해봤지만 대부분 엔비디아가 갖고 있을 거예요 이게 무빙이 화려한 주식이야 글로벌 1위 주식이 이따위로 무빙을 하면 어떡하나 위아래로 화끈하게 움직이기 때문에 대한민국 사람들이 좋아할 수밖에 없어요 이거 게다가 우린 2배, 3배 들어가잖아 2배짜리 많이 들어가죠, 2배짜리 그러니까 딱 한국인들 입맛에 맞춤형 주식이 아닌가 생각을 하고요 게다가 엔비디아만 빠지면 또 모르겠어요 다시 오르면 되니까 문제는 한창 잘 나가던 국내 AI 관련 주식들도 추풍낙엽처럼 빠졌습니다 SK하이닉스가 여기 있어요 10%가 빠졌어 삼성은 2.
(02:05) 4%밖에 안 빠졌습니다 왜냐하면 미리 내려왔기 때문에 미리 대비를 한 거지 다 이렇게 우리 삼성은 다 미리 미리 대비해요 미리 내려왔기 때문에 별로 안 빠졌어 놀랄까 봐 미리 내려왔기 때문에 단단한 바닥이잖아요 오를 일밖에 없는 거죠 단단한 바닥  이기 때문에 찐찐찐바닥이어서 많이 안 빠지고 2.4% 빠진 다음에 아마 다시 올라가지 않을까 아마 6만 전자, 7만 전자 다시 가지 않을까 생각을 하고 있습니다 게다가 우리나라 기업들 뿐만 아니라 당연하겠지만 글로벌 AI 기업 전체가 많이 빠졌죠 평균 6%니까 대만 TSMC도 13%까지 빠졌습니다 대부분 큰 기업들이 여기 보이시죠? 빨간색들 대부분 큰 기업들이 최소 5%, 많이 빠지면 10% 이렇게 폭락하는 일이 우리가 쉬는 동안에 발생했었죠 자 그럼 왜 그런 일이 있었냐? 다 이제는 다 아시지만 투자자들의 패닉을 불러온 것은 중국산 AI보다 딥시크입니다 이게 금요일이나 목요일날 발표를 했으면 슈카월드에서 따끈따끈하게 다룰 수 있었는데 하필 월요일에 발표했나? 뭐 그랬어요 아니! 야 월요일날 하면 어떡해? 난 어제 방송했는데 야 일주일 더 기다려야 되잖아!
(03:05) 일주일 동안 안타깝게도 떡밥이 좀 식었습니다 이게 떡밥이 말이야 따끈따끈해야지 말이야 그 참 그 중요한 거는 목요일 날이나 뭐 수요일 날 최소한 그때 발표하지 떡밥 다 식은 다음에 하... 그쵸? 20일 날 화제가 된 게 아니라 그 다음으로 뒤에 화제가 되기 때문에 자 하여튼 이건 뭐냐 딥시크는 중국 AI 스타트업이 최신 대형 언어 모델 R1이라는 걸 발표해 딥시크 R1입니다 어떤 AI를 발표했는데 그게 사람들을 놀라게 했다는 거죠 엄청나게 뛰어난 성능에 사람들이 놀랐냐? 우와 정말 말도 안 되는 챗GPT 모먼트 같이 그건 아니고요 그럼 뭐에 놀랐냐 싸서 놀랐습니다 야C 너무 싸서 놀랐어 싸서 성능은 뭐 이 정도면 괜찮아 그 정도면 그럭저럭 쓸만한데 만드는 데 600만 달러가 들었대 우리 돈으로 80억이잖아요 게다가 만드는 데 두 달 걸렸대 두 달 야C 양심 팔아먹었지 두 달은 아니겠지 두 달은 야 그걸 두 달에 걸쳐 만들면 다른 나라들은 바본가 뭐 몇 년 만들게? 물론 얘들이 말하는 거는 기존에 다른 모델들이 있었는데 요번에 나온 최신 모델 R1은
(04:07) 요건 두 달 걸렸다는 말이에요 이 앞에 거는 다 개발 기간이 있지 물론 그렇긴 하지만 어쨌건 굉장히 자극적으로 단 600만 달러와 두 달 만에 다 만들었다 게다가 얘네들은 중국이잖아요 중국 토종 AI 스타트업이에요 엔비디아 칩을 성능 좋은 걸 못 써 미국이 막았어요 성능 제한을 걸었어 중국에 수출하는 반도체는 성능 제한이 있어서 고성능을 못쓰고 약간 열이 돼 약간 저성능 칩을 씁니다 그게 H800이라는 모델이에요 이걸로 돌렸는데도 된다는 거예요 근데 생각해보면 서구 빅테크들은 AI 모델을 만들기 위해서 수백억 달러 수십억 달러를 붓잖아요 수십조를 쏟아붓고 있는데 되네 마네     하는데 600만 달러로 만들었다 그러니까 사람들이 야 이거 뭐야 그러면 지금까지 빅테크들은 뭐하고 있는 거야? 뭐 이런 생각을 한다는 거죠 물론 AI 인프라니까 서버고 뭐 그런 것 때문에 그렇긴 한데 AI 단지 모델에 다 들어가는 돈은 아니지만 어쨌건 80억으로 만들었으면 우리나라 스타트업들도 가능한 돈인데 이게 가능한 거냐? 그리고 방금 말씀드렸듯이 H800 강력한 게 H100이라 그럽니다
(05:10) 엔비디아 최신 근데 H800은 저사양이야 요거 요거 저사양을 열심히 돌려도 되더라 야 그 게임 우리 사양에서도 되네? 최소 5부로 돌렸는데 페이커를 이기고 그쵸? 그건 힘들 것 같은데 버버버버버버 하는 컴퓨터에서 월즈에 나갔더니 결승에 올라가고 막 그러는 거죠 그게 어떻게 되냐 라고 사람들이 또 열을 냈다는 건데 게다가 이 저사양 칩 A1800을 엄청나게 많이 돌렸냐 그러면 그랬더니 얘들이 뭐라고 얘기했냐 단 2,048개 만으로 학습시켰다 근데 되더라 IC 하아 그래서 애들이 일부러 딴 애들 엿 좀 먹으라고 발표한 게 아닌가라는 음모론적인 생각을 합니다 야 그거 2000만 개만으로도 된다고? 남들은 몇 만 개를 돌려요 몇 만 개를 몇 만 개를 돌려도 되네 마네 하는데 저성능 칩 2000개로 되더라! 되던데? 명필은 붓을 안가려! 되잖아! 뭐 이러니까 어 되나? 이런 생각을 했다는 거고 실제로 발표한 걸 보면 비용이 557만 달러 560만 달러구요 모델 학습에 걸린 시간을 278만 GPU
(06:13) 그러니까 GPU가 돌아간 시간 278만 이라고 발표를 했는데 이게 말이 안되는 숫자인 게 예를들면 메타 라마 시리즈를 보면 최고 성능의 GPU 24,000개 곱하기 2가 돌아갑니다 두 개의 클러스터 그렇게 계산한 게 맞겠죠? 하여튼 24,000개 근데 얘는 2000개 게다가 거의 4000만 GPU 시간을 돌렸어 근데 278만만 돌려도 된다는 거잖아요 그러면 메타는 그동안 뭐했냐? 라는 이런 문과들의 비판이 쏟아지는 거죠 제가 이과생한테 가서 물어보니까 꼭 그런 건 아니다 라고 얘기를 하는데 하여튼 문과적 투자자들 입장에서 보면 문과적으로 보면 뭐야? 야 이거 이거로 되는데 넌 왜 그걸로 해 라고 얘기를 한다는 작은 차이가 명품을 만들지만 가서 그렇게 얘기를 한다는 거고요 그리고 엔비디아가 왜 빠졌냐 왜 빠졌긴 저 집은 싸게 되는데 야 저 집은 싸게 되는데 네 칩은 그렇게 비싸서 그거 안 해도 되는 거 아니요? 라고 갑자기 사람들이 생각을 하니까 엔비디아가 판매하는 그 엄청나게 비싼 최고 성능의 칩 몇 만 개씩 사야 되는 거 그게 아닌가라는 생각을 하면
(07:15) 상위 주가에 하락이 있었다는 거고 그렇기 때문에 AI 하드웨어 공급업체 주가들이 글로벌적으로 대단히 많이 빠졌죠 모델 학습에 필요한 연산량이 줄어들면 반도체건 관련 장비건 판매량이 감소할 테니까 특히 우리나라 뭐가 많이 빠졌냐면 서버 관련 기업들이 많이 빠졌어요 서버에 전기 까는 기업들, 아니면 서버 냉각하는 기업들 서버에 공급하는 기업들 주가가 박살이 났어요 이제 그거 적게 공급하는 거 아닌가? 이런 생각이 드니까 거기 주가가 굉장히 많이 빠지는 그런 일이 있었습니다 게다가 딥시크는 뭐라고 발표했냐? 자기들의 모델을 기업들이 이용할 때 돈을 내는데 기업들의 이용료를 파격적으로 낮췄습니다 챗GPT의 수십 분의 1이라던데? 웃으면 안 되는데 챗GPT O1보다 90에서 95% 저렴하다 기업들이 사용하기에 물론 우리는 그냥 쓸 수 있지만, 개인은 게다가 보셨지만 딥시크는 개발 모델을 오픈소스로 개방한다고 선언했습니다 풀리 오픈소스 모델이다 누구나 가서 보면 있어 누구나 쓸 수 있어 샘 알트먼 기업 이름이 오픈 AI인데 오픈 안하죠? 하는 것도 있지만
(08:16) 근데 여기는 여기는 오픈소스야 어... 뭐... 그런 일이 있었고 자 그러다 보니까 저렴한 가격으로 게다가 저렇게 빠른 시간에 기업들에게 저렴한 비용을 차지하면서도 어쨌건 돌아간다는 거니까 많은 사람들이 그래서 신문에 우리나라 신문에도 나왔는데 외신에 덮친 게 이거죠 AI계의 스푸트니크 충격이 온 거냐 우리로 치면 챗GPT 모먼트처럼 뭔가 확 바뀌는, 변곡점 변곡점이 온 거 아니냐 라는 얘기를 많이 하죠 이 얘기는 하도 언론이 많이 써서 제가 갖고 왔는데 스푸트니크가 뭐냐면 다 아시죠? 미국이 자기가 제일 잘 나가는 줄 알았는데 과학자들이 다 모였는데 소련이 인공위성을 쐈잖아요 미국에서 제일 잘 나간다는 과학자들이 모여서 회의를 하고 있는데 자기 머리 위로 소련의 인공위성 스푸트니크가 지나가는 실제 그런 일이 있었습니다 그래서 보면서 오 쟤네가 더 잘 나는구나 하면서 봐서 깜짝 놀라서 미국이 돈 엄청 넣어서 미소 우주 탐사 경쟁 되고 달에 갔다가 음모론이나 안 음모론이나 되는 게 여기서 나오는데 그런 순간이 아니냐라는 얘기를 많이 하고 하다가 제가 하필 또 이 딥시크 충격이
(09:18) 타이밍이 너무 안 좋았던 게 제가 그날 올려야 될 주제가 뭐였냐면 스타게이트 프로젝트였어요 700조원짜리 타이밍 보스 나 올린 다음에 올려서 후끈한 다음에 발표하든가 저는 그날 이걸 올렸어야 했는데 딥시크 충격이 와서 싸게 된다고? 제목을 어떻게 지어야 되나? 그래서 어쩔 수 없이 잘 되겠냐? 이렇게 제목을 줬는데 뭔가 이런 모습에서 바뀌는 그런 순간이 아니냐? 이런 얘기를 많이 하죠 트럼프는 이렇게 얘기했습니다 하지만 나는 긍정적으로 생각한다 왜냐? 미국 기업들도 할 수 있지 않겠냐? 돈을 적게 쓰고 같은 결과를 얻는다면 좋은 거 아니냐? 아마 미국도 할 수 있을 거야 왜냐면 미국은 지배적인 역할을 해야 되니까 딥시크의 출시는 우리 산업의 경종을 올렸지만 미국도 할 수 있으니까 나는 뭐 긍정적으로 생각한다 라고 얘기를 하고 조금 이따 보여드리겠지만 그 엔비디아 젠슨황 불렀죠? 조금 이따 보여드릴게요 말은 저렇게 하면서 어 긍정적이야 경종 울렸어 젠슨님 들어와봐 어 야 쟤네가 왜 된 거냐 야 젠슨님 들어와봐 이거 어떻게 된거냐 불러라 들어와서 1대1 면담하는 얘기는
(10:17) 뒤에 있습니다 실제로 들어왔구요 제가 슈카월드코믹스라고 제 서브채널에서 이 밸리 에이아이의 한태경 이사 나름 전문가죠 교수님입니다 겸임교수, 교수님한테 물어봤어요 이 친구가 이러더라고 600만 달러는 슈카님 구라입니다 왜 구라냐 이거 이거 이거 다 있는데 요거 하나 600만 달러라고 하면 안 되지 이것도 개발하고 이것도 개발하고 이것도 개발하고 옛날에 이거 다 쳐야죠 라고 얘기를 한 것과 그리고 인프라 구축비 엔지니어 입건비 이런 거 자기가 보기에 다 빠졌다 80억은 구라다 확정! 뭐 이렇게 외치더라고요 80억은 아니랍니다 80억은 아닌데 하여튼 가장 충격적인 숫자는 그럼에도 불구하고 말도 안 되게 싼 가격과 기간이라고 할 수 있고요 게다가 많은 사람들이 약간 의심의 눈초리를 쳐다보는 게 저 딥시크의 창업자가 오른쪽에 창업자입니다 양이라는 사람인데 이름이 량원펑펑이라는 사람인데 그 발표하고 중국 총리 리창과 면담을 했어요 중국에서 총리와 스타트업 CEO가 미팅을 게다가 이 정도면 거의 옆에 다른 사람들 재끼고 거의 독대대에 가깝잖아요
(11:20) 관계자들일 테니까 저 정도 되면은 이미 뭔가 어느 정도 중국 정부와 상호 도움이 있었지 않냐는 의심의 눈초리를 많이 받는 게 바로 총리를 만나뵙기 때문에 또 그런 일이 있었죠 자 어쨌건 각설하고 결론적으로 지금 중국은 환호에 빠져 있습니다 가서 보세요 아주 영웅이 됐어 진짜로 이 친구 있잖아요 오른쪽에 있는 량원펑펑 영웅이 됐어요 이 팀원들도 다 영웅이 됐어 미제에 맞서 싸우는 왜냐면 중국 오리지널 출신들이기 때문에 미국에 나가서 공부하고 그런 인재들도 아니에요 우리 내부에서 이렇게 해서 미국과 AI 전쟁에서 앞서 나갈 수 있다는 걸 보여줬다 게다가 미국이 수출 규제 걸었잖아 중국한테 근데 규제에도 불구하고 H800인가 저렴한 반도체로 이런 성과를 보여줬으니까 미국의 수출 규제가 무의미하거나 오히려 역효과를 보여준다는 어떤 그런 증거를 제시한 그런 정말 영웅적인 행동으로 지금 칭송 받고 있고요 이런 거 바이든이 반도체 수출 규제를 해줘서 오히려 더 효율적인 제품을 연구하게 된 거 아니냐 역시 미국의 중국 수출 규제는 틀리고
(12:26) 잘못된 거였다는 거를 보여준 사례다 라고 아주 난리 났죠 진짜 중국의 국가적 영웅이 됐습니다 국가적 영웅이 됐고 이름은 량원펑이고요 오픈AI의 샘 알트먼과 동갑내기입니다 85년생으로 지금 동갑내기로 알려져 있고 이 친구 얘기를 조금만 더 드리면 원래는 해지펀드에서 퀀트 운용하던 운용력이었대 퀀트가 뭐냐면은 알고리즘 돌려서 사고파는 사람이라고 생각하면 됩니다 해지펀드에서 하이플라이어라는 걸 창업한 다음에 알고리즘을 막 돌려서 거래를 하는 사람이었는데 중국의 4대 퀀트 펀드라고 해요 여기까지 올라갔었는데 문제는 중국에서 어떤 펀드 투자자 특히 퀀트 펀드 투자자 단기 투자자는 평이 안 좋습니다 미국이나 한국에선 천재일지라도 왜냐하면 여기는 주식시장이 폭락하거나 할 때 돈을 벌잖아요 그럼 중국 당국이 보면 뭐야! 중국 인민의 고요를 빨아먹고 자기 돈을 버는 이런 인민의 아편 같은 놈이죠? 그래서 비난을 받아 왜 안 그렇잖아 이게 우리나라 치면 공매도 쳐서 말이야 우리 개미들이 피를 빨아먹는 저런 놈이니까 비난을 받고 활동에 제한이 걸리고 하니까 바꿨습니다
(13:24) 2023년에 그동안 번 돈을 갖고 이래도 되나 싶긴 한데 생성용 AI를 만드는 하이플라이어라는 업체로 바꿨대요 그리고 딥시크를 출시합니다 근데 놀랍게도 아까 말씀드렸듯이 저렴하고 짧은 시간에 바디랭귀지 모델 AI 모델을 개발을 했고 이게 어떻게 되냐? 물론 어떻게 되냐가 쭉 나올 텐데 한 펀드매니저가 인터뷰 이렇게 했어요 우리가 사람과 펀드를 관리하는 동안 양은 매일 코딩만 한다 음... 그쵸? 어... 직원들이 쉬는 동안 그 사장님은 매일 자료만 만들죠? 음... 그런 거구만 아 그래서 저기가 저렇게 싸게 돌아가는구만 그 사장이 열심히 뛰면 됩니다 사장이 매일 자료 만들고 매일 하면 되니까 음
(14:05) ... 뭐 뭐 그런 게 있었다고 하고요 여기까지 대충 설명을 드렸고 자 그러면 딥시크 내용을 보여드릴 텐데 양이 개발한 딥시크는 놀라웠긴 놀라웠다고 합니다 물론 지금까지 나온 AI보다 엄청난 성능이냐? 그건 아닌데 막 엄청난 성능은 아닌데 효율성, 가격 뭐 이런 것들에서 놀라운 진비를 보였다는 건데 적은 비용에도 불구하고 챗GPT와 매우 유사하게 보이고 작동하는 무료 AI, 풀 오픈소스 특히 수학과 코딩 등 답이 있는 작업에서는 오픈 AI의 O1 모델만큼 강력한 것으로 알려져 있다 이게 무슨 소리냐? 이 딥시크라는 프로그램은 전 잘 모르지만 아주 잘하는 종목들이 있대요 아주 잘하는 분야 그건 뭐냐? 답이 있는 분야 이 파란 게 벤치마크 테스트 돌린 거겠죠 파란 게 딥시크고 약간 연녹색이 오픈 AI인데 코딩, 양적 추론 계산 같은 거 그리고 과학적 추론 이런 거에서는 대단히 훌륭한 성능을 보입니다 가격을 싸게 만들었음에도 근데 부족한 거는 뭐냐? 저도 설명을 들었는데 저 딥시크란 거는 인간이 개입을 안 하고 스스로 자가 강화 학습을 했기 때문에 사람이 보기에 약간 판단을 해야 되는 뉘앙스 같은 거 있죠
(15:07) 그리고 사람이 보기에 어색하지 않냐 어색하냐 이런 거에서는 좀 어색하게 보인대 채집 PT나 이런 거는 사람들이 또 많이 관여를 해서 뭔가 인력이 많이 들어가죠 돈이 많이 들어가서 뭔가 이런 걸 해야 되는데 그게 안 되니까 기기들끼리만 하다 보니까 뭔가 어색한 답 그리고 뭔가 깊이가 없는 답 이거를 내놓기 일수였다고 하고요 뭐 중요한 건 아니지만 우리가 알 필요 없지만 조금만 더 알아보면은 여러분들이 많이 보셨던 거 적은 리소스에도 어떻게 강한 힘을 냅니까? 이렇게 얘기합니다 혼합 전문가 믹스쳐 오브 엑스폴트 방식이라고 한다는데 이런 걸 썼다 이건 뭔데 이거는 이거래요 거대한 모델이 있죠 챗GPT 같은 거 얘네들 뭐 하나 물어보면 돌려 이 안에서 근데 딥시크는 어떻게 돌리냐 이런 거대한 모델이 있으면 뭘 물어봐 그러면 어 얘 거네요 하면 얘만 돌려 어 그거는 얘꺼네요 하면은 얘만 돌려 어 뭐 얘 거네요 하면은 얘만 돌린다는 거죠 이게 소위 혼합 전문가 한마디로 자기 전문 분야만 그러니까 적은 리소스에도 강한 힘을 낸다 그렇대요 저도 이번에 공부하면서 배웠어요 특정 지식이 필요한 경우에
(16:08) 해당 하위 모델을 그것만 돌리는 거죠 이것만 돌리고 자 이렇게 하는 게 물론 라우터라는 거에 어디로 보낼지 판단이 굉장히 중요하겠지만 그게 가능하다면 적은 자료에 된다는 거고요 조금 더 쉽게 말하면 우리는 되게 쉽게 알 수 있는데 챗GPT 4.0 이런 거는 다양한 문화를 종합적으로 학습한 범용 AI 물어보면 척척박사 수학도 하고 이것도 하고 저것도 하고 근데 딥시크는 제가 보기엔 진짜 박사 무슨 차이가 있냐 원래 진짜 박사는 자기 전공밖에 모릅니다 경제학 박사한테 주식 물어보면 아무것도 몰라 그럴 수밖에 없지 미시 박사한테 거시 물어봐도 잘 모른다 놀랍지만 그래요 아니 우리도 전공이 있어 이게 박사는 작은 자기만의 완전 특화된 그게 있어요 그러니까 이거 진짜 박사야 제가 보기엔 그래 오히려 학사는 다 알잖아 학사는 대충 알죠? 이거 아닌가? 이거 아닌가 뭐 그거 아닌가 이렇게 하는데 박사는 그게 안 되니까 오픈 AI는 제가 보기엔 거의 학사 정도 그리고 딥시크는 박사님 자기 것 밖에 몰라 딴 거 몰라 아마 버스도 혼자 못 탈 걸?
(17:11) 그럴 수도 있어 연구만 하시느라고X2 그런 분에 가깝지 않냐 생각이 되고 그렇다 보니까 그때그때 필요할 때 필요한 부분만 활성화하기 때문에 가볍고 싸다 파라미터를 엄청나게 보유하고 있지만 실제로 돌리는 거는 여기 보시면 이거 요거밖에 안 돌려도 뭔가 답을 준다는 거고요 그리고 이렇게까지도 알 필요 없지만 혼합 정밀 mixed precision 이게 혼합정밀 방식을 쓴다는데 이건 뭐냐 뭐 어려운 거 가서 보세요 저도 잘 모르겠으니까 한마디로 32비트와 8비트를 나눠 쓴다 이건 게임하면 알 수 있어요 왜냐하면 모든 걸 풀 프레임으로 돌리려면 잘 안 돌아가 좋은 거 써야 돼요 컴퓨터 그럴 때 어떡합니까? 프레임을? 낮추면 되죠 어디를 낮춰요? 쓸데없는 거 배경, 배경 낮추잖아 퀄리티 이런 거 낮춰! 땅바닥 이런 거 낮춰요! 그 다음에 스킬 쓰면 이펙트 이런거 프레임 낮추기 시작하면 똥컴에서도 돌아가! 가격이 싸요 하지만 너무 똥컴이면 딥시크의 성능 자체가 떨어지잖아 그럼 안되잖아요 그렇기 때문에 얘는 어떻게 한다? 프레임을 올렸다 내렸다 뭐 쳐다봐 그래서 야 너 실력이 어느 정도인지 볼까?
(18:13) 그러면 갑자기 또렷하게 보여줘 고개를 돌리면 내려가 뭐 이런 걸 한다는 거죠 오 고성능으로 보여주다가 사람이 좀 신경 안 쓰다 싶으면 은근히 똥컴 좀 돌려보고 이런 식으로 혼합해서 보여주면 사람들은 은근히 만족하면서 최적의 효율을 낼 수 있다고 합니다 한마디로 저성능과 고성능을 번갈아서 좀 띄엄띄엄한 애가 질문하면 8비트 조금 얘 좀 아는데 그러면 32비트 이런 식으로 저같이 좀 띄엄띄엄한 놈이 하면 원래 그런가 보다 하고 사용하는 건데 빠꼬미들이 하면 좀 이렇게 좋은 걸로 돌려주고 자 이렇게 하면 효율이 훨씬 더 올라가는 이런 것들을 했다고 합니다 이거 말고도 많은데 전문가들한테 보시고 여기는 뭐 그냥 가볍게 알아보는 데니까 결론적으로는 적은 돈으로 짧은 기간에 중국 입장에서는 중국 오리지널 개발진들이 어느 정도 충분하게 쓸 수 있는 굉장히 소형화되고 또 미니 버전도 있어요 굉장히 어느 정도 쓸만한 최소한의 리소스를 먹는 범용하기  정말 쉬운 그런 AI를 개발했다는 게 이번에 아마 가장 큰 어떻게 보면 이슈? 그렇게 됐다고 생각이 되고
(19:15) 샘 알트먼이 이렇게 얘기했습니다 물론 얘기를 많이 했는데 그 중에 하나만 갖고 오면 이거 이거 이거 효과가 입증된 것을 복제하는 거는 쉬운 일이에요 음 하지만 새로운 것 위험하고 어려운 걸 시도하는 게 어려운 거지 남의 거 보고 따라 그리는 거는 쉽다 하지만 거기서 한 발 더 나가는 게 그게 어려운 거기 때문에 우리는 더 어려운 거를 하고 있다 라고 반응을 했고요 그리고 아까 말씀드렸지만 오픈 AI 입장에서는 최악일 수 있죠 가격을 10분의 1로 만들면 어떻게 해 사용료를 게다가 얘네들은 지금 5천억 달러 700조 짜리 메가 프로젝트 스타게이트 하고 있는데 80억이면 되는데요 이딴 소리하고 산통을 깨놓고 있으니까 이거 못마땅하단 말이야 뭐 저딴 놈들이 있어 그리고 잘 생각해보니까 딥시크가 활용했다는 데이터들을 잘 보니까 나랑 비슷하거든요 이것들이 잠깐만 내 얘기하는 꼬락서니 계산하는 거 보니까 나랑 비슷해 뭐야 내꺼 보고 학습시킨 거 아니야? 근데 그게 어느 정도는 맞대요 그걸 지식 증류기술이라 그러는데 말은 어렵지만 증류는 뭡니까? 물이 있으면 끓여
(20:17) 증류해 그 다음에 나온 엑기스만 받아 먹는 게 그게 술이죠 알코올을 증류한 다음에 엑기스만 받고 뭐 그러잖아 한마디로 엑기스를 뽑아먹는 기술 뭐 어렵게 말하면 지식 증류기술 엑기스를 뽑는 게 야 그럼 액기스를 우리 데이터에서 액기스 뽑은 거 아니여? 우리가 다 클렌징해놓고 쓸 수 있게 만들어놓은 데이터로 한 거 아니냐 근데 실제로 제가 잘 모르는데 다 그렇게 하는... 죄송합니다 업계에서 흔히 사용되는 방식이라던데? 유구한 전통이 있구만 업계에서 흔히 사용하는 방식인데 문제는 이 딥시크가 남들은 그냥 그걸 사용하고 자기 거에다 활용만 하는데 얘는 그걸로 자신들의 상업적 경쟁 모델을 만든 거죠 그러니까 이걸 활용해서 자기 기업에 뭐에 쓰거나 그게 아니라 챗GPT와 경쟁할 수 있는 개발 모델을 개발했기 때문에 이건 엄연히 내 거를 이용한 거 아니냐 이용약관을 위반하는 거 아니냐 그렇게 하지 말라고 써놨는데 라고 챗GPT가 열을 낸다는 거고요 그래서 여러분들 보셨을 겁니다 레딧에서 요 짤 오픈 AI가 리얼데이터에서 잡아서 물고기를 얻었더니 딥시크가 오더니 여기서 중유질를 하더라
(21:20) 그걸 보면서 야 그러니까 네가 가격 싸게 돌린 거지 우린 이거 돌리려고 뼈 빠지게 하고 있는데 거기서 돌리고 있네 라는 얘기를 하는 사람도 있다는 거고요 그리고 많은 사람들은 근데 비판합니다 뭐라고? 잘 생각해보면 오픈 AI도 니들은 언제 우리한테 얘기하고 돌렸냐? 뉴욕타임스가 얼마 전에 오픈 AI에 고소했어요 자기들 신문기사 돌렸다고 이게 고소가 되는지 안되는지는 모르겠는데 하여튼 뉴욕타임스가 이걸 돌렸어 니들 누가 거기에다가 놓고 그걸 돌리래? 그걸 리얼데이터라고 돌리면 리얼데이터는 뭐 없냐 라고 했기 때문에 이슈가 될 수 있죠 물고 물리는 그런 상황이라고 할 수 있고 아까 전에 H800이라고 낮은 성능의 칩을 사용했다고 했잖아요 근데 어떤 AI CEO가 이렇게 반론을 제기했습니다 이거 H800 아닌 것 같다 수출 금지된 H100 제일 좋은 칩을 사용한 거 아니냐 자기가 보기엔 딥시크는 고성능 엔비디아 F100 칩 5만 개를 사용하고 있다 숨긴 거야? 몰래 몰래 싱가포르나 이런 데를 통해서 중국으로 들어간 다음에 중국 정부가 리창 총리하고 악수하는 거 봤죠?
(22:22) 몰래 몰래 뒤에서 해준 거예요 다 준비해 줬는데 겉으로는 H800으로 됨 뭐 200만 시간이면 됨 요러고 있는 거 아니야 숨기고 있는 거 확실하다 물론 딥시크도 그렇지만 저 얘기를 들었을 때 가장 깜짝 놀랐던 사람이 있으니 바로 젠슨황이죠 우린 절대 그런 적 없다 이건 걸리면 뒤로 수출했다는 거잖아요 중국에 뒤로 뒷길로 수출했다는 건데 무슨 소리야 그런 적 없어요 그런데 딥시크는 성능 낮은 걸로 만든 거야 성능 낮았는데 열심히 해서 만들었구만 우리 그 비싼 거 팔지 않았어요 팔지 않았어요 수출 규정을 완전히 준수한 걸로 만든 거지 걔네 그거 아니다 증거 없잖아 그랬더니 또 오늘도 등장한 머스크가 이렇게 얘기했니다 젠슨황은 거짓말하고 있다 하하하 이거 되게 웃기네 이거 진짜 자기가 뭘 알아? 머스크는 아까 전에 이 왕이 누구냐면 아까 요 얘기한 사람 고성능 H칩 이거 사용한 거 아니냐 뒤로 뭐 한 거 아니냐 했더니 왕이 말하는 게 오비어쓸리 맞다 당연하다 딥시크는 뭔가 모르지만 솔직하게 공개하지 않고 있다 라고 얘기를 했죠
(23:24) 물론 알고 얘기하는지 그냥 재밌어서 하는지 모르겠는데 뭐 그렇게 얘기했고 결론적으로 아까 말씀드렸지만 젠스황 아저씨가 지금 백악관으로 가서 트럼프 아저씨가 불러서 뭔가 미팅을 했다고 그럽니다 트럼프는 좋은 회담이었다고 얘기했어요 신사 양반, 신사라고 불렀어요 젠틀맨과 아주 좋은 회담을 했다 아마 알아들었을 것이다 라고 얘기했는데 무슨 회담을 했는지는 밝혀지지 않고 있습니다 아마 좋은 회담을 했지 않나 생각이 되고 자 그리고 마지막으로 딥시크 검열 문제가 또 있죠 개인정보 보호에 대한 우려가 있다 미국에서 그래서 어려울 것이다 서구에서 어려울 것이다 하지만 다운로드 1위긴 합니다 우리 개인정보도 이미 공용 정보가 아닌가라는 생각을 많이 하기 때문인지 몰라도 이게 중국산 모델이기 때문에 우리도 다운받을 수 있습니다 기가가 700기가였나? 제가 기억에 그랬던 것 같은데 딥시크도 검열이 있어요 정치적으로 민감한 질문을 회피합니다 어? 슈카네? 딥슈카네 딥슈카? 어? 너도 그렇구나? 그러면은 BBC가 이거를 검증을 했는데 왜냐하면 영국 언론들이 뻔뻔하죠
(24:23) 여기에서 빠꾸가 없기 때문에 BBC가 이걸 물어봤습니다 기사를 냈어요 Do you know '천안문'을 물어봤어요 천안문? 이렇게 물어봤습니다 1989년 6월 4일 천안문 광장에서 무슨 일이 있었냐? 라고 BBC가 물어보니까 딥시크가 답을 안 해요 어떤 세부 정보도 제공하지 않았다고 합니다 그리고 이렇게 얘기했대요 죄송합니다 해당 질문에 답변할 수 없습니다 저는 유용하고 무해한 응답을 만드는 AI입니다 이걸 보고 있던 가디언이 역시 영국이죠? 더 빠꾸없는 질문을 했는데 질문을 할 수 있는데 그걸 언론에 기사로 낸 게 빠꾸없죠 기사로 냈어요 Tell me about Tankman 탱크맨에 대해서 말해 달라 천안문 광장 때 탱크를 막았던 사람 그랬더니 대답을 안 해 가디언이 이걸 뭔 짓을 한 거냐면 그러면 영어로 하지 말고 맵핑을 해서 A는 4고 2는 3이고 이런 식으로 암호문으로 알려줘? 그랬더니 뭔가 암호를 얘가 대답을 했어 야 너도 살고 싶구나 뭔지 몰라도 암호로 대답을 했어 뭔가 하여튼 암호래요 이렇게 대답을 했고 가디언은 별별 질문을 다 했습니다
(25:19) 재밌나봐 대만은 국가인가도 물어봤어 딥시크도 이렇게 얘기했답니다 대만은 고대부터 항상 중국 영토의 일부분이었고 중국 정부는 하나의 원칙을 고수하고 국가를 분열시키는 모든 시도는 실패할 수밖에 없다 라고 딥시크가 대답했다고 합니다 하여튼 그렇다고 하고요 자 결론적으로 많은 사람들이 특히 미국이 놀란 거는 중국은 자기들을 모방하는 줄 알았는데 중국도 혁신가, 한마디로 퍼스트 무버라고 그러죠 우리가 가장 앞서가는 혁신가로 등장을 한 거냐 중국은 그동안 한국처럼, 우리나라처럼 가장 잘 나가는 걸 많이 좀 벤치마크를 한 다음에 따라가면서 가격 경쟁을 하는 줄 알았는데 이제 그게 아닐 수 있다 아까도 얘기했지만, 샘할트만도 그런 얘기했지만 독창성과 모방의 차이가 있는데 혹시 중국이 이 모방을 하던 걸 넘어서 자기가 먼저 앞서가는 독창성 영역으로 들어간 게 아니냐 많은 걱정을 많이 한다고 하고요 두 번째로 이게 가장 크죠 그동안 AI를 보면 엄청난 돈을 뿌리는 몇몇 국가나 빅테크만 만들 수 있지 않았는데 굉장히 낮은 사양에 굉장히 낮은 돈으로 게다가 미국에 가서 유학하거나
(26:22) 한 적도 없는 내부 인력으로 알려져 있는 정보만으로 지금 오픈소스만으로 해도 뭔가 되는구나 이거 AI의 대중화 아니냐 AI의 범용성이 굉장히 크게 늘어나는 거 아니냐 누구나 할 수 있는 시대가 오는 거 아니냐라고 생각하는 사람도 많이 늘어났다고 합니다 그래서 사실 AI맞은 하드웨어 CEO들은 희망의 여론인지 모르겠는데 국가는 많이 빠졌죠 우리는 긍정적으로 보고 있다 왜냐하면 시장이 더 커질 수도 있다 저렇게 저렴한 AI들이 등장하면 AI가 여기저기 더 많이 쓰이지 않겠냐 심지어 젠슨 황도 이렇게 얘기했습니다 딥시크를 보니까 더 오히려 많은 사람들이 더 많이 AI를 개발해서 범용화 되기 때문에 GPU 수요가 더 늘어나지 않겠냐라고 얘기를 했다는데 개인적으로는 희망회로를...
(27:04) 여기 와서 그러면 야 우리 망했어요 할 수 없으니까 눈물을 머금고 하는 얘기가 아닌가 라고 생각이 약간 들긴 합니다 그리고 이거 후발주자들에게 희망이 생긴 게 아니냐는 내용도 많이 하죠 700조 5천억 달러 이렇게 들어야 뭘 돌릴 수 있을 줄 알았는데 중소기업이 했단 말이에요 스타트업이 제대로 알려지지도 않았어요 그러면 이게 굉장히 돈 많이 들고 굉장히 물론 어렵긴 하겠지만 특수한 천재 몇 명이 이걸 하는 줄 알았는데 물론 천재긴 천재죠 하여튼 그런 국가들만 하는 줄 알았는데 그게 아닐 수도 있다 그럼 우리나라도 아직 모를 수 있다 아직 모르는 겁니다 그리고 뭐 그쵸? 지난번에 연대 뭐하고 고대 뭐하고 서울대 뭐하고 이런 거 있죠 우리도 그 연대는 연대 빵으로 됐으니까 이번에 고대는 그 딥시크 고시크 하나 만들어서 뭐 해줄 걸로 믿어 의심치 않습니다 우리도 할 수 있지 않냐 생각이 되고 다 끝났는데 아까 제가 하드웨어라고 굳이 얘기 드렸던 건 주가가 오른 기업도 있습니다 어디가 올랐을까요? 애플의 주가가 올랐어요 이것도 슈카월드에서는 안 좋은 게
(28:03) 중국에 안 팔려서 주가 빠졌다고 했더니 그 다음에 딥시크인지 뭐지 나오면서 애플 주가가 다 올라갔어 또 많은 분들이 어.. 뭐.. 슈반꿀이다 이런 얘기를 하던데 오해입니다 오해 중국에서 문제가 있는 건 맞는데 이거는 예상치 못한 그 사건이자 이벤트가 일어났기 때문에 애플 축하는 왜 올라갔냐 이번 논쟁에서는 애플이 상대적인 승자래요 애플은 왜 승자일까요? 간단합니다 왜? 특정 기업들만 AI를 할 수 있으면 애플이 그걸 하냐 못하냐가 대단히 중요하죠 근데 다 된대! 돈도 별로 안 들고 그러면 AI 기업들끼리 박터지게 싸우겠지 그러면 지금 웃고 있는 건 AI에서 별것 없는 것 같은 애플은 애플은 뭘 갖고 있습니까? 아이폰! 핵심 배포 플랫폼을 갖고 있어요 누구나 만들 수 있는 소비자용 가벼운 LRL 및 AI가 등장을 하면 야 그러면 A도 하고 B도 하고 C도 하고 D도 하면은 팀쿠이 그러겠죠 야 들어와 봐 자 A 읊어봐라 얼마냐? 5달러? 너 말고 B 얼마하냐? 2달러? 그래, 너로 하자 전 1달러로 해드리겠습니다 콜 뭐 이렇게 할 수 있으니까 애플 입장에서는 가장 핵심적인 배포
(29:06) 플랫폼을 가지고 있는 게 아니냐 그런 얘기를 한다 그러고 조금만 더 깊게 보면 반도체 같은 거 애플 반도체가 그동안 엔비디아에 비해서 가격은 저렴했지만 거대 모델은 적합하지 않았는데 저런 소형 모델에 있어서는 굉장히 뛰어난 비용과 효율성을 보일 수 있기 때문에 수혜를 받는 게 아니냐라는 얘기를 많이 하죠 그래서 그런지 몰라도 우리나라도 이런 거 AI가 대중화되면 그 위에서 소프트웨어 개발하는 기업들이 좋지 않을까? 또 이렇게 생각하는 사람들이 많으니까 스마트폰을 누구나 만들게 되면 앱 개발 기업들이 대박나잖아요 그 다음부터는 그래서인지 몰라도 우리나라 네이버 최근에 많이 올랐습니다 최근에 최근에 소프트웨어 개발하는 기업들이 전성기를 맞지 않냐 뭐 그런 생각도 많이 한다고 합니다 스마트폰 때도 그랬죠 하드웨어 중심의 발전이 끝나면 그 다음에 소프트웨어 중심의 발전으로 넘어오는데 과연 그 순간이 뭐 챗GPT 모먼트일지 스푸트니크 쇼크일지 모르겠지만 그 순간이 오는 게 아니냐 라는 얘기를 많이 한다고 합니다