딥시크, 자체 AI 칩 개발 추진… ‘탈엔비디아’ 이어 ‘탈화웨이’ 시험대

(platum.kr)

중국 AI 기업 딥시크가 엔비디아와 화웨이에 대한 하드웨어 의존도를 낮추고 서비스 원가 경쟁력을 확보하기 위해 추론 특화 자체 AI 반도체 개발에 착수하며 AI 산업의 수직 통합 가속화를 예고하고 있습니다.

이 글의 핵심 포인트

1딥시크가 서비스 추론(inference)에 특화된 자체 AI 반도체 개발을 추진 중임
2미국의 수출 통제로 인한 엔비디아 칩 접근 차단과 화웨이 생태계 종속 문제를 해결하려는 목적임
3훈련용보다 공정 난도가 낮고 비용 효율성이 높은 추론 단계의 워크로드에 집중함
4오픈AI, 구글 등 글로벌 빅테크들의 AI 칩 자체 개발(수직 통합) 흐름과 맥을 같이 함
5자체 칩 개발 성공 여부는 파운드리 및 HBM 등 핵심 제조 공정 확보와 직결됨

이 글에 대한 공공지능 분석

왜 중요한가?

미국의 대중 반도체 규제가 단순한 공급 차단을 넘어, 중국 AI 기업들이 자체 칩 개발이라는 수직 통합 전략을 강제하며 글로벌 AI 하드웨어 지형을 재편하고 있기 때문입니다. 특히 모델 성능만큼이나 운영 비용(Inference Cost)이 중요해진 시점에서 칩 설계 능력은 서비스의 지속 가능성을 결정짓는 핵심 요소가 됩니다.

어떤 배경과 맥락이 있나?

그동안 딥시크는 엔비디아 H800을 통해 모델을 훈련해왔으나, 미국의 규제로 인해 화웨이 어센드 칩에 의적하게 되면서 공급망의 불확실성과 비용 통제권 상실이라는 리스크를 안게 되었습니다. 이에 따라 훈련용보다는 공정 난도가 낮고 경제적 이득이 큰 추론용 칩을 우선 개발하여 자립도를 높이려는 움직임입니다.

업계에 어떤 영향을 주나?

오픈AI, 구글 등 글로벌 빅테크들이 이미 자체 칩(ASIC) 개발을 통해 비용 절감과 성능 최적화를 꾀하는 흐름에 중국 기업들이 가세하며 '모델 회사이자 칩 설계사'라는 새로운 경쟁 구도가 형성될 것입니다. 이는 범용 GPU 시장의 점유율 변화와 더불어 AI 서비스의 원가 구조를 근본적으로 바꾸는 계기가 될 수 있습니다.

한국 시장에 어떤 시사점이 있나?

하드웨어 의존도가 높은 한국 AI 스타트업들에게도 '소프트웨어 최적화'를 넘어선 '하드웨어 인지적(Hardware-aware) 설계'의 중요성을 시사합니다. 글로벌 공급망 리스크에 대비해 특정 칩에 종속되지 않는 모델 경량화 및 효율적인 추론 아키텍처 확보가 생존 전략으로 부상할 것입니다.

이 글에 대한 큐레이터 의견

딥시크의 이번 행보는 AI 산업이 '모델 경쟁'에서 '인프라 최적화 경쟁'으로 전환되고 있음을 보여주는 상징적인 사건입니다. 특히 훈련이 아닌 추론용 칩을 첫 타겟으로 삼은 것은 자본 효율성과 실질적인 서비스 원가 절감을 동시에 노린 매우 영리한 전략입니다. 이는 AI 모델의 성능만큼이나 이를 얼마나 저렴하고 안정적으로 배포할 수 있는지가 비즈니스의 성패를 가르는 핵심 지표(KPI)가 되었음을 의미합니다.

하지만 칩 개발 성공 여부는 단순히 로직 설계를 넘어, 미국의 강력한 파운드리 및 HBM 규제를 어떻게 우회하거나 극복하느냐에 달려 있습니다. 아무리 뛰어난 설계를 하더라도 첨단 공정 접근이 차단된다면 '실리콘 없는 설계도'에 그칠 위험이 큽니다. 따라서 창업자들은 자체 칩 개발이라는 거대한 자본 집약적 도전보다는, 현재 가용한 다양한 하드웨어 환경(NVIDIA, Huawei, TPU 등)에서 모델의 효율을 극대화할 수 있는 소프트웨어적 최적화 역량을 먼저 내재화하는 것이 훨씬 현실적인 기회라고 판단됩니다.

원문 보기 →