아시다시피 DeepSeek 사태로 인해 나스닥이 폭락을 하였습니다.
시장이 하락한 이유는 이미 많은 유튜버분들이 다뤘기 때문에 굳이 세세하게 설명할 필요는 없을 듯 합니다. DeepSeek가 기존 빅테크에 비해 훨씬 적은 수준의 GPU로 OpenAI에 비등하거나 더 나은 수준의 LLM을 선보였기 때문에, AI Capex 과잉 투자 논란과 NVDA 폭락으로 이어졌습니다.
재미있는 것은 이미 AI연구자 사이에서나 저희 회사처럼 LLM을 활용하는 업계에서 DeepSeek가 회자된지는 꽤 되었는데 이제서야 시장에 반영되었다는 점이죠. 이 흐름을 보면서, 아무리 정보 전파가 빨라졌다하지만 여전히 DeepSeek > AI Capex > NVDA 폭락까지 연역적으로 추론할 수 있는 사람이 가지는 엣지와 행동할 수 있는 여유와 비효율성은 시장에 많이 남아 있다는 생각을 합니다.
저는 근본적으로는 이미 AI 발전의 패러다임이 Scale에서 Algorithm 및 Data로 이동하는 수순에 있다고 생각합니다.
먼저 배경 설명을 위해 제가 이전에 썼던 칼럼 두 개를 참조하시면 좋은데요.
DeepSeek 사태의 본질을 알기 위해서는 위 칼럼에서 언급한 AI의 4가지 요소: 알고리즘, 연산(반도체), 데이터, 그리고 전력을 위주로 어느 곳이 병목인가 하는 관점에서 풀어가야 하지 않을까 합니다.
지금까지 AI 발전의 역사를 보면 이 4가지가 번갈아가며 병목이 되는 현상이 반복되었습니다. 딥러닝 알고리즘의 시초격인 1950년대 Perceptron 알고리즘부터 사실상 2010년대까지는, 알고리즘은 발전했지만 연산과 데이터가 따라오지 못한 시기였습니다. 그러다 2010년대부터 GPU의 병렬 연산과 인터넷의 빅 데이터가 결합하며 폭발적인 AI 발전을 이끌었습니다. 그리고 그렇게 2020년대까지는 1) 알고리즘의 발전, 2) 더 많은 데이터, 3) 더 많은 GPU, 즉 Scale, 규모를 키우는 것이 AI 발전의 핵심 트렌드였습니다.
오죽하면 이런 티셔츠까지 등장하였죠.
지금까지는 알고리즘, 데이터, 전력은 계속 Scale이 가능하다는 가정 하에, 오로지 연산(GPU)의 부족이 AI 발전의 병목으로 여겨졌습니다. 그러다 보니 연산의 병목을 잡고 높은 이익 마진을 남기고 있는 NVDA의 주가는 고공행진을 거듭했습니다.
그런데 중국은 바이든의 반도체 제재로 인해 이 GPU의 병목이 더욱 심한 상황이었습니다. GPU가 없으면 당연히 Scale이 불가능합니다. 그렇기에 DeepSeek의 퀀트들은 이런 제약에 일치감치 노출되어 있었고, 그 제약 속에서 할 수 있는 알고리즘적인 혁신을 통해 저비용 고사양 AI를 만들었습니다. 그에 빅테크와 미국은 충격을 받았고, 나스닥과 엔비디아는 폭락을 했습니다.
지금 세간에는 DeepSeek로 인해 NVDA 주가가 폭락하는 것이 맞는가, 틀린가 갑론을박이 이어지고 있는데요.
DeepSeek의 혁신 그 자체는 앞으로...