AI G3 전략, 미국 방식 vs. 중국 방식
Medium 기고자 중 한 사람인 Ignacio de Gregorio의 글을 소개합니다. 'The New Chinese Humiliation'이라는 제목인데 '중국이 던져 준 새로운 굴욕'이라는 의미겠죠. 원문 링크
요점은 DeepSeek는 최신 모델인 DeepSeek Sparse Attention(DSA)이라는 새로운 어텐션 알고리즘을 적용함으로써 종래의 어텐션 알고리즘을 적용한 미국의 최고 모델들에 비해 성능은 크게 떨어지지 않으면서 토큰 가격은 최대 1/20 정도로 낮췄다는 겁니다.
<그림 1>은 DeepSeek v3.2 Thinking과 DeepSeek v3.2 Speciale의 최신 버전이 Gemini 3 Pro 같은 모델들보다 높은 성능을 보였다는 겁니다.
<그림 2>는 SWE-bench verified 테스트에서도 60%라는 높은 점수를 받았다는 것을 보여 줍니다. 참고로 이 벤치마크에서 Claude 4.5 Opus가 최고 점수인 74%를 받았지만, 작업 당 비용이 24배나 더 비싸기에 가격 대비 성능 면에서는 비효율적이라는 거구요.
<그림 3>은 딥시크 v3.2와 다른 프론티어 모델의 100만 토큰당 입력, 출력 비용을 비교한 것입니다. 딥시크 v3.2는 입력 비용이 $0.28임에 반해 가성비 최저급인 클로드 오퍼스 4.5는 $5.0 (약 18배), 미국 제품 중에 가장 우수한 GPT 5.1은 $1.25(약 4.5배)이네요. 중국 제품 Kimi는 딥시크보다도 더 낮은 $0.15인 것이 흥미롭네요.
<그림 4>는 저자가 딥시크의 DSA를 4단계로 나누어 설명한 건데 '루카 돈치치가 OOO 게임을 한다'라는 것만 프롬프트로 준 경우, DSA는 기존 어텐션 알고리즘과 달리 다른 사전학습 결과를 활용해서 이 문장의 'OOO'이 '농구'를 의미한다는 것을 이해하고 추론 작업을 진행한다는 겁니다. 이후, 여러 개의 트랜스포머 블록들이 이를 테면 '문맥 지식'에 '어텐션'을 결합한 방식으로 최종 결과물을 만든다는 거구요.
<그림 5>는 기존 트랜스포머-어텐션 방식과 딥시크의 어텐션 방식을 저자가 한 장의 그림으로 비교한 겁니다.
연결주의(connectionism)에 입각한 딥러닝 방식은 단순한 그래프 모델이나 온톨로지를 결합한 팔란티어 방식같은 기호주의(symbolism)가 결합되어야 한다는 방향성을 재확인할 수 있습니다. 통계학, 컴퓨터 과학 같은 기초학문에 충실한 인재들이 진짜 혁신을 만들어 간다는 것을 이해한다면, 양을 늘리는 게 중요한 게 아니라 질을 높여야 한다는 것도 확인할 수 있구요.
자원에 대한 제약 없이 에너지와 컴퓨팅 자원을 무한정 늘려가는 미국 기업들의 AI 접근방식이 얼마나 비효율적인지 다시 한 번 생각해 봐야 하지 않을까요? 국가든 기업이든 많은 자원을 투입한다고 반드시 훌륭한 혁신이 만들어지는 것은 절대 아닙니다. 오히려, 결핍을 느낄 때, 부족한 곳에서 혁신이 일어날 가능성이 더 큽니다. 돈도, 시간도, 기술 인재도, 또 뭐가 진정한 혁신인지를 알고 이를 추구하는 리더도 부족한 우리나라는 어떤 전략으로 AI 전쟁에 대응해야 할지 또 한 번 생각하게 만드는 글이었습니다.
저는 이재명 정부가 출범하기 전인 지난 5월, 교수신문에 '국가 AI G3 전략'의 문제점과 개선방향을 제안하는 3개의 시리즈 글을 게재한 바 있습니다. 새 정부에서 새로운 전략으로 잘 추진 중이겠죠? 과연 그런지 아닌지 계속 지켜 보겠습니다.
#1. ‘국가 AI 전략’의 의미와 주요국 정부/기업 전략 검토
#2. ‘국가 AI G3 전략’의 타당성 검토와 재정립 방향 제안
#3. ‘국가 AI 전략’에 대한 심층 논의와 운영 개선 제안
#딥시크 #트랜스포머 #멍청한_어텐션 #똘똘한_어텐션 #AI_G3전략 #중국LLM #미국LLM #연결주의 #기호주의 #팔란티어 #온톨로지 #인재는_양보다_질_우선 #기초과학의_중요성 #자원결핍과_혁신
