채널명 : 할 거 없음😴

딥시크 량원펑 투자자 미팅 주요 내용 (1)

■ DeepSeek의 핵심 전략

: DeepSeek의 장기 목표는 AGI이며, 소비자 서비스와 기업용 API는 AGI 개발 과정에서 발생하는 중간 산출물로 인식

: 범용 모델과 지능을 고도화하면 소비자용, 기업용 제품은 상대적으로 적은 자원만 투입해도 경쟁력을 확보할 수 있다는 입장

: 3D, 영상생성, 월드모델은 현 단계에서 지능의 상한을 높이는 핵심 기술 경로가 아니기 때문에 우선순위를 두지 않음

: 멀티모달은 소비자 제품에 중요하지만 검색과 같은 구성요소일 뿐, 지능 자체나 AGI의 주력 기술은 아니라고 평가

: AI 시대에는 여러 개의 조단위 기업이 등장할 수 있기 때문에 모든 시장을 장악할 필요 없이, DeepSeek가 가장 잘하는 AGI 모델 영역에 집중해도 충분하다고 판단

■ AGI 기술 로드맵

: AI 발전을 언어모델 → CoT → Agent → 지속학습 → 자기개선 → 구현지능의 단계로 인식

: 지난해의 핵심 기술 단계는 CoT였으며, 올해의 핵심 단계는 Agent라고 평가

: Agent는 AI가 수행할 수 있는 업무 범위를 넓히지만, 기업과 개인에게 장기간 축적된 맥락을 스스로 학습하지 못해 인간 직원을 완전히 대체하기는 어렵다고 판단

: 인간은 입사 후 몇 달간 조직과 업무환경을 익힐 수 있지만, 현재 AI에는 관련 맥락을 매번 직접 제공해야 한다는 한계 존재

: 진정한 차세대 모델은 단순히 성능, 속도, 비용이 개선된 모델이 아니라 지속학습 능력을 갖춘 모델이어야 한다고 강조

: 지속학습이 가능해지면 AI가 인간이 수행하는 대부분의 일을 처리하고, 자신의 다음 버전과 더 발전된 AI 모델을 직접 연구하는 자기개선 단계로 진입할 수 있다고 전망

: 자기개선 이후 AI가 로봇과 구현지능을 직접 개발하는 순서가 가장 효율적인 AGI 경로라고 판단

: 이른바 특이점도 갑작스러운 단절보다 AI가 점진적으로 자기개선 능력을 확보하는 연속적인 과정일 가능성이 높다고 평가

■ Coding Agent와 차세대 모델

: 현 단계에서 가장 중요한 Agent 분야는 Coding Agent라고 평가

: 코딩은 과업과 결과를 비교적 명확하게 평가할 수 있고, 향후 다른 지식노동 자동화로 확장할 수 있어 범용 Agent의 출발점으로 적합하다는 판단

: 금융, 의료, 법률 등 산업별 Agent보다 범용 Agent와 Coding Agent의 능력을 높이는 것이 우선이라는 입장

: 차세대 모델의 첫 번째 사용자는 외부 고객보다 DeepSeek 자신이 돼야 하며, 모델이 자체 연구와 개발을 지원하는 것이 AGI에 가장 빠르게 접근하는 방법이라고 판단

■ 상업화와 제품 전략

: DeepSeek는 상업화를 하지 않는 회사가 아니라, 상업화를 최종 목표로 삼지 않는 회사라고 설명

: 소비자 서비스와 기업용 API 사업을 운영하지만, 슈퍼앱이나 차세대 바이트댄스, 텐센트를 만들겠다는 목표는 없음

: 지난해 소비자 트래픽 급증은 사전에 계획한 결과가 아니었으며, 사용자 확보 경쟁이나 대규모 마케팅에도 적극적으로 나서지 않음

: 지난해 업계가 챗봇과 소비자 트래픽을 경쟁했고 올해는 기업용 AI 매출을 경쟁하고 있지만, DeepSeek의 핵심 관심사는 여전히 AGI 기술 로드맵과 다음 기술 돌파구

: 현재의 소비자용, 기업용 시장은 향후 AGI가 창출할 기회에 비하면 상대적으로 작은 기회라고 평가

: 본격적으로 제품과 상업화 중심 기업으로 전환하는 시점은 아직 상당히 멀다고 판단

■ API 가격 정책

: API 가격은 매출이나 이익 극대화가 아니라 합리적인 수준의 이익 확보를 기준으로 책정

: 서버와 GPU 장비 구매비를 약 10개월 안에 회수할 수 있는 수준을 합리적인 가격으로 판단

: 현재 가격을 더 높여도 토큰 수요가 크게 감소하지 않을 수 있지만, 수요의 가격 비탄력성을 활용해 가격을 올리는 방식은 선택하지 않음

: 특정 모델 가격을 초기 가격의 약 4분의 1로 낮췄을 때 직원들이 환호했을 정도로, 저렴하고 성능 좋은 AI를 널리 제공하는 것을 연구개발의 목적이자 성취로 인식

: 추가 최적화를 통해 가격을 더 낮출 여지는 있지만, 현재 가격은 이미 대부분의 사용자가 부담할 수 있는 수준이라 추가 인하에 따른 수요 증가 효과는 제한적이라고 판단

: 낮은 비용은 판매 전략뿐 아니라 동일한 컴퓨팅 자원으로 더 큰 모델을 학습하기 위한 핵심 기술 전략

■ 오픈소스 전략

: 오픈소스는 마케팅 수단이 아니라 회사의 비전과 장기 전략에 해당

: DeepSeek가 직접 서비스하는 모델과 공개하는 오픈소스 모델의 성능을 다르게 운영하지 않고 동일한 모델을 제공한다는 입장

: AI 시장은 장기적으로 GDP의 상당 부분을 차지할 만큼 크기 때문에 한 기업이 독점하기 어렵다고 판단

: 과도한 이익을 추구하는 기업은 더 적은 이익에 만족하는 경쟁자에게 결국 밀릴 수 있으며, AI 시장을 독점하려는 전략은 역사적 흐름과 맞지 않는다고 평가

: 제3자가 오픈소스 모델을 배포하더라도 DeepSeek 수준의 추론비용과 운영 효율을 쉽게 달성하기 어렵기 때문에 오픈소스가 API 사업을 훼손하지 않는다고 판단

: 회사 규모가 너무 작으면 모델 운영과 최적화를 수행할 자원이 부족하고, 대기업은 조직적으로 효율적인 실행이 어려워 현재 DeepSeek의 규모가 오픈소스와 상업화를 병행하기에 적절한 구간이라고 평가

: 오픈소스는 합리적인 이익만 추구한다는 전제 아래 상업모델과 충돌하지 않지만, 100배 수준의 초과이익을 추구한다면 제3자 배포가 위협이 될 수 있다고 설명

: 알리바바, 즈푸AI, 문샷AI 등 경쟁사에도 기술적으로 도움을 제공할 수 있으며, AI 생태계 전체의 발전을 지원하는 것이 자사 이익과 충돌하지 않는다는 입장

■ 절제는 AGI 성공 확률을 높이는 전략

: 량원펑은 절제를 윤리적 구호가 아니라 AGI를 실제로 구현할 가능성을 높이는 전략으로 규정

: AI 시장의 잠재적 이익이 충분히 크기 때문에 전체 시장을 독점하려 하지 않고 일부만 확보해도 막대한 사업가치를 창출할 수 있다고 판단

: 단기 수익과 시장점유율 일부를 포기하는 대신 조직 결속력과 생태계의 지지를 확보해 AGI 성공 확률을 높이는 전략

: 더 많은 이익을 가져가겠다는 비전을 가진 기업은 처음부터 더 많은 저항과 경쟁에 직면하며, 적은 이익에 만족하는 경쟁자에게 밀릴 수 있다고 주장

■ API 매출과 수익성 전망

: 기업용 AI 수요가 계속 확대되고 GPU를 충분히 확보할 수 있다면 API ARR 수억달러 달성이 가능하다고 전망

: AI 사업 매출이 약 10억달러에 도달하면 연구개발비와 회사 전체 비용을 충당하고 현금흐름이 흑자로 전환될 수 있다고 언급

: API 매출 확대는 중요한 사업이지만 회사의 최우선 목표는 아님

: API는 별도의 대규모 영업조직과 고객지원 조직 없이도 운영할 수 있으며, 모델 경쟁력이 충분하면 사용자들이 자연스럽게 유입될 수 있다는 입장

: 현재 기술 수준에서 기업용 AI 시장의 상한은 컴퓨팅 공급보다 실제 수요에 의해 결정될 가능성이 높다고 평가

: 향후 모델 기술이 발전하면 기업용 AI 수요도 지속적으로 확대될 것으로 전망

■ 스케일링과 모델 규모

: 모델 규모, 데이터, 학습량을 늘릴수록 성능이 향상된다는 스케일링 법칙을 여전히 신뢰

: 현재 모델 규모는 충분하다고 판단해 결정한 것이 아니라, 보유한 컴퓨팅 자원으로 감당할 수 있는 범위에서 정해진 결과

: 중국 AI 기업은 스케일링의 한계에 도달한 것이 아니라, 충분한 GPU가 없어 스케일링의 상한을 탐색하지 못한 상태라고 평가

: 더 많은 컴퓨팅 자원을 확보하면 더 큰 모델과 더 많은 연구실험을 수행할 계획

: 모델의 연산효율을 높이는 것은 추론비용을 낮추는 목적뿐 아니라 동일한 GPU로 더 큰 모델을 학습하기 위한 수단

: 대기업은 컴퓨팅 자원을 추가 투입해 비효율을 보완할 수 있지만, DeepSeek는 자원이 제한된 만큼 비용효율과 연산효율을 우선시

https://t.me/Samsung_Global_AI_SW

[삼성 이영진] 글로벌 AI/SW

삼성증권 글로벌 AI/SW 담당 이영진

97 views07:42