[신 AI·Tech 혁명] 고성능 오픈소스 AI 확대, 韓에는 좋지만…향후 시장 주도는 '글쎄'

'딥시크' 등 고성능 오픈소스 AI 출시, 韓 AI 스타트업 선택지 넓혀

활용 가능한 오픈소스 모델 다변화로 다양한 가능성 모색할 수 있어

다만 딥시크처럼 '저비용 고성능' 모델 구축 관점에서는 가능성 미지수

뛰어난 기술 역량, 막대한 GPU 인프라 뒷받침돼야…"전방위적 지원 필요"

[사진=로이터 연합뉴스]

딥시크가 촉발한 오픈소스 인공지능(AI) 확대가 국내 AI 생태계에 미치는 영향은 긍정적일 것으로 전망된다. 오픈소스 AI 모델을 활용한 특화 모델이나 응용 애플리케이션 등을 주력으로 하는 상당수 국내 AI 기업의 선택지가 넓어졌다는 점에서다. 다만 딥시크가 매우 높은 수준의 AI 기술력을 보유한 것으로 나타났고, 국내 기업 대비 그래픽처리장치(GPU) 보유 규모 등도 압도적이라는 점에서 딥시크 수준의 '저비용·고성능' 모델 구축을 국내 업체들이 전개하기는 쉽지 않을 전망이다. 실제 오픈소스 AI 시장을 국내 기업들이 주도할 수 있느냐는 다른 얘기라는 것이다.

2일 업계에 따르면 다수 국내 AI 기업들이 최근 출시된 딥시크 모델에 대한 내부 테스트를 진행 중이다. 딥시크가 각 산업에서 AI를 실제 활용할 때 성능이 어떤지를 살피기 위해서다. 딥시크를 최근에 테스트한 한 AI 스타트업 관계자는 "벤치마크(성능평가) 점수도 잘 나왔지만 모델 자체만 놓고 보면 실제 이를 활용할 때 품질도 상당히 괜찮은 것으로 보인다"고 말했다.

국내 AI 기업 중에서는 오픈소스 모델을 활용해 특정 산업 영역에 특화된 '버티컬 AI'를 구축하는 곳들이 많다. 이들로서는 딥시크의 등장이 호재다. 딥시크가 메타의 최신 오픈소스 모델인 '라마3.1'를 넘어설 정도로 성능이 좋은 데다 입출력 토큰 비용 등 사용 비용도 저렴한 편이라 AI 모델 활용 폭이 넓어졌다는 점에서다.

성능 좋은 오픈소스 모델의 잇단 출시는 국내 AI 기업들의 연구개발(R&D) 역량 강화에도 기여할 수 있다. 딥시크가 V3와 R1을 통해 초거대언어모델(LLM)과 추론 모델에서 모두 두각을 드러냈는데 최근 오픈AI '오퍼레이터'처럼 LLM과 추론 모델을 결합한 기술이 나오는 상황에서 국내 기업들도 이를 참고할 수 있다는 점에서다. 최병호 고려대 인공지능연구소장은 "오픈소스 모델이 많아질수록 국내 기업에는 유리하다. 테스트를 하면서 어떻게 모델을 만들었는지 살필 수 있기 때문"이라고 말했다.

다만 적은 학습 비용만으로 최신 AI 모델을 넘어서는 성능을 구현한 딥시크의 방향을 국내 기업들이 따라가기는 쉽지 않다는 관측이다. 딥시크는 AI 개발비용을 줄이기 위해 학습 과정에서 전체 매개변수(파라미터) 중 일부만 활성화하는 '전문가 혼합(MoE)', AI가 스스로 데이터를 찾아 학습하는 '강화학습(RLHF)' 방식을 활용했다. 그러나 꼭 이를 적용한다고 해서 딥시크만큼 결과물이 나오는 것은 아니다. 김동환 포티투마루 대표는 "MoE나 강화학습은 일반적으로 활용하는 방식"이라며 "딥시크가 모델을 고도화하고 조정하는 부분에서 내부 R&D 역량이 매우 뛰어난 것으로 보인다"고 말했다. 이를 국내 기업이 제대로 구현할 수 있을지는 아직 지켜봐야 할 것으로 보인다.

국내 GPU 인프라가 여전히 부족하다는 점도 문제다. 딥시크는 모기업인 하이플라이어와 함께 5만개 넘는 GPU 클러스터를 보유한 것으로 알려졌다. 이에 이를 토대로 자사 모델을 테스트할 수 있었지만 한국에는 그만한 대규모 GPU를 보유한 곳은 없다. 최병호 소장은 "딥시크와 같은 저비용·고성능 모델을 구현하려면 기본 언어모델이 고품질이어야 하고, 고성능 GPU 자원이 충분해야 하며 양질의 학습 데이터도 필요하다"며 "그런데 한국은 GPU 인프라가 부족해 오픈소스 모델이 있어도 대규모 테스트할 자원이 부족하다. 더욱 파격적인 국가적 지원이 필요하다"고 강조했다.