이 문서는 딥시크 창업자 겸 CEO 량원펑과 투자자들의 대화가 담긴 약 3시간 44분 분량의 회의록을 바탕으로, 딥시크의 비전과 오픈소스 철학, AGI 로드맵, 조직문화, 중국과 미국의 격차, 하드웨어 전략을 정리한 내용이다. 량원펑은 딥시크가 이익 극대화나 시장 독점보다 AGI 달성 자체를 우선시하는 연구 중심 기업이라고 설명했다.

그가 반복해서 강조한 핵심은 "절제"였다. 모든 시장과 수익을 차지하려 하기보다 합리적인 이익만 취하고, 남은 기회와 생태계는 다른 기업 및 사회와 공유해야 장기적으로 AGI에 도달할 가능성이 높아진다는 주장이다. 다만 이 회의록은 AI 음성 인식과 번역을 거친 자료이므로 일부 고유명사와 수치에는 오류가 있을 수 있다.

1. 돈보다 인류를 위한 비전에서 시작한 회사

량원펑은 딥시크가 처음부터 상장, 자본시장 진출, 기업가치 극대화를 목표로 만들어진 회사가 아니었다고 밝혔다. 창업 초기 수십 명의 구성원 역시 돈을 많이 벌기 위해 모인 것이 아니라, AI가 인류에 유용한 무언가가 될 수 있다는 믿음으로 합류했다는 설명이다.

물론 회사가 성장하고 AI 산업의 규모가 커지면서 상업적 유혹과 새로운 가능성이 생겼지만, 그것은 출발점과는 다른 문제라고 선을 그었다. 딥시크의 근본적인 목표는 지금도 상업적 이익의 극대화가 아니라 인류에 유용한 기술을 만드는 것이라는 뜻이다.

"우리가 이 회사를 처음 시작했을 때의 출발점은 얼마나 돈을 벌 것인지, 자본시장에 진출할 것인지, 상장할 것인지가 아니었습니다. 우리는 이것이 인류에게 유용한 일이라고 믿었고, 돈을 넘어서는 무언가라고 생각했습니다."

량원펑은 기업 경영에서 가장 중요한 자산으로 비전과 사명을 꼽았다. 그는 과거 GE의 CEO였던 잭 웰치의 여러 경영론 중 상당수는 시대가 지나면서 유효성이 떨어졌을 수 있지만, "기업의 가장 중요한 자산은 비전"이라는 생각만큼은 여전히 옳다고 평가했다.

그가 말하는 비전은 회사 벽에 적힌 구호나 공식 문서가 아니다. 실제로 어떤 결정을 내리고, 세상을 어떤 태도로 대하며, 구성원들이 어떻게 행동하는지에 비전이 드러난다는 것이다.

"비전은 벽에 붙은 구호가 아닙니다. 비전은 여러분이 실제로 하는 일이며, 실제로 운영하는 방식입니다."

2. KPI와 조직도가 아닌 비전으로 움직이는 조직

딥시크는 전통적인 의미의 조직 구조를 갖추고 있지 않다고 설명했다. 명확한 부서 체계와 KPI, 평가표를 중심으로 구성원을 관리하기보다, 공유된 비전이 사람들을 하나로 묶는 방식에 가깝다는 것이다.

량원펑은 딥시크의 비전이 문서로 정리되어 있지 않으며, 구성원마다 조금씩 다르게 이해할 수 있다고 말했다. 그러나 인류에 기여하고 AI 발전에 이바지하려는 큰 방향에서는 구성원들이 대체로 합의하고 있다고 설명했다.

"우리는 조직 구조가 없습니다. 비전에 의해 움직이고, 비전을 중심으로 조직됩니다."

이 방식은 장점과 단점을 모두 갖고 있다. 공식적인 관리 체계가 약하기 때문에 비효율이나 혼란이 생길 수 있지만, 반대로 구성원들이 자율적으로 문제를 발견하고 연구할 수 있는 자유가 커진다. 량원펑은 앞으로 조직이 커지면 일부 영역에는 위계와 부서가 필요해질 수 있지만, 딥시크의 본질적인 자율성은 유지하려 한다고 말했다.

딥시크의 조직 운영은 두 가지 흐름으로 나뉜다.

1. 하향식 업무 V4 출시나 대규모 학습처럼 전사적인 협업과 역할 분담이 필요한 공식 업무다. 다만 전체 시간의 절반을 넘기지 않는 것이 원칙이다.

2. 상향식 탐구 구성원들이 각자 중요하다고 생각하는 문제를 자유롭게 연구하고 실험하는 시간이다. 별도의 KPI나 사전 허가 없이 진행할 수 있다.

량원펑은 연구에는 긴장과 압박보다 여유와 집중이 더 중요하다고 강조했다. 딥시크는 일반적으로 야근을 많이 하지 않으며, 일을 많이 벌이지 않기 때문에 업무 자체도 상대적으로 적다고 설명했다.

"연구에는 편안한 환경이 필요합니다. 너무 강하게 밀어붙이면 연구가 오히려 방해받습니다."

3. 오픈소스는 타협이 아니라 핵심 신념

딥시크의 오픈소스 전략은 경쟁 상황에 밀려 어쩔 수 없이 선택한 것이 아니라, 회사가 처음부터 품고 있던 비전에서 비롯됐다고 량원펑은 말했다.

그는 다른 중국 AI 기업들의 오픈소스가 시장 상황에 따른 선택처럼 보일 수 있지만, 딥시크에게 오픈소스는 애초의 목적과 일치하는 행동이라고 구분했다. AI가 인류 전체의 생산성과 지식에 영향을 미칠 만큼 거대한 기술이라면, 한 기업이 모든 가치를 독점하는 것은 현실적으로도 불가능하고 바람직하지도 않다는 주장이다.

AI가 장기적으로 세계 GDP의 상당한 비중을 차지할 수 있는 산업이라면, 그 시장을 한 기업이 독점하려 할수록 오히려 사회와 시장으로부터 배척될 가능성이 커진다고 설명했다.

"AI는 너무 큰 분야입니다. 혼자 독점할 수 없습니다. 다른 사람들과 공유해야 합니다."

과거의 오픈소스 소프트웨어 시장은 규모가 상대적으로 작았기 때문에, 소스코드를 공개하면 기업이 얻을 수 있는 수익이 크게 줄어들 수 있었다. 하지만 AI는 시장의 크기와 영향력이 훨씬 크기 때문에, 합리적인 수준의 수익만 취하더라도 충분히 큰 사업을 만들 수 있다는 논리다.

량원펑은 딥시크가 오픈소스를 통해 일부 이익을 포기하는 것이 오히려 장기적으로 AGI에 도달할 가능성을 높인다고 봤다.

"절제가 필요합니다. '인류 GDP의 몇 퍼센트가 내 몫인가'라고 생각할수록 성공 가능성은 낮아집니다."

딥시크는 공개 모델과 내부에서 사용하는 모델을 다르게 운영하지 않는다고도 밝혔다. 즉, 외부에는 성능이 낮은 모델을 공개하고 내부에는 더 강력한 모델을 숨겨두는 방식이 아니라, 실제로 자사가 배포하는 모델과 오픈소스 모델이 동일하다는 설명이다.

"우리는 약한 모델을 공개하고 더 좋은 모델을 우리만 쓰지 않습니다. 같은 모델입니다."

또한 다른 기업들이 딥시크의 모델을 배포해 경쟁자가 되는 것에도 크게 걱정하지 않는다고 말했다. AI 시장 전체가 충분히 크고, 오히려 다른 기업들이 모델을 성공적으로 배포해 생태계를 확대하는 것이 딥시크에도 도움이 된다는 입장이다.

4. 합리적인 이익과 낮은 가격을 중시하는 사업 모델

딥시크는 가격 책정에서도 이익 극대화보다 접근성을 우선한다고 설명했다. API 가격은 장비 비용을 약 10개월 안에 회수할 수 있는 수준을 기준으로 정하며, 그 이상으로 수익을 끌어올리는 것을 목표로 삼지 않는다고 밝혔다.

회계상 서버를 3~5년에 걸쳐 감가상각할 수 있지만, 실제 사업 운영에서는 10개월 안에 장비 투자비를 회수하면 충분히 합리적인 수익이라고 본다는 설명이다.

"우리에게 합리적인 기준은 장비를 구입한 뒤 약 10개월 안에 비용을 회수하는 것입니다. 이익을 극대화하려는 것이 아닙니다."

량원펑은 한 모델의 가격을 기존의 4분의 1 수준으로 낮췄을 때 팀원들이 기뻐했다는 일화를 소개했다. 일반적인 기업이라면 매출과 ARR 감소를 걱정하겠지만, 딥시크 내부에서는 더 많은 사람이 저렴하게 모델을 사용할 수 있게 됐다는 점을 긍정적으로 받아들였다는 것이다.

"가격을 4분의 1로 낮췄더니 팀 전체가 기뻐했습니다. 이것이 우리의 진짜 생각을 보여준다고 봅니다."

다만 무조건 가격을 계속 낮추는 것은 아니라고 설명했다. 이미 현재 가격이면 대부분의 사용자가 충분히 접근할 수 있고, 가격을 더 낮춰도 사용량이나 사회적 효용이 크게 늘지 않는다면 추가 인하의 의미가 제한적이기 때문이다.

딥시크가 낮은 가격을 유지할 수 있는 핵심 이유는 모델 효율성이다. 낮은 비용은 단순한 마케팅 구호가 아니라, 제한된 컴퓨팅 자원으로도 더 큰 모델을 학습하기 위한 기술적 기반이다.

• 비용을 낮추면 더 많은 사용자가 모델을 이용할 수 있다.
• 같은 자원으로 더 큰 모델을 학습할 수 있다.
• 중국처럼 GPU가 부족한 환경에서 경쟁력을 확보할 수 있다.
• 장기적으로 가격 경쟁에서 우위를 차지할 수 있다.

량원펑은 경쟁사들이 비용을 낮출 유인이 상대적으로 적다고 봤다. 상업 기업 입장에서는 비용이 낮아지면 가격과 매출도 낮아질 수 있기 때문이다. 반면 딥시크에서는 구성원들이 사용자의 비용 부담에 공감하고, 저렴한 AI를 만드는 일을 회사의 사명과 연결한다는 것이다.

5. 절제는 포기가 아니라 장기 전략

량원펑이 말하는 절제는 단순히 욕심을 버리는 태도가 아니다. 더 중요한 목표를 위해 당장의 일부 이익과 기회를 포기하는 전략적 선택이다.

딥시크는 지난해 춘절 무렵 서비스가 갑자기 세계적으로 확산됐을 때도, 사용자를 붙잡기 위해 막대한 비용을 투입하거나 슈퍼 앱을 만들려고 하지 않았다. 바이트댄스나 텐센트처럼 거대한 인터넷 플랫폼이 되는 것을 목표로 삼지 않았고, 확보한 트래픽을 최대한 현금화하려 하지도 않았다는 설명이다.

"우리는 다음 바이트댄스나 다음 텐센트가 되려는 생각을 하지 않았습니다."

량원펑은 눈앞의 작은 기회를 모두 차지하려 하기보다, AGI라는 더 큰 기회를 위해 현재의 기회를 적당히 활용하는 것이 낫다고 비유했다.

"앞에 있는 참깨를 모두 주워야 할 필요는 없습니다. 앞으로 더 큰 수박이 있을 수 있습니다."

C사이드 사용자와 B사이드 매출은 딥시크가 무시하는 것이 아니라, AGI 연구 과정에서 자연스럽게 생겨난 부산물로 본다. 사용자와 API 매출은 유지하고 성장시키겠지만, 그것 자체를 회사의 최우선 목표로 삼지는 않겠다는 뜻이다.

딥시크가 오픈소스와 절제를 선택하는 이유도 여기에 있다. 일부 매출과 독점권을 포기하면 내부 구성원의 자부심과 결속력이 높아지고, 사회와 생태계의 지지도 얻을 수 있으며, 결과적으로 AGI 연구의 성공 확률이 높아진다고 판단한다.

6. AGI가 최우선이며 상용화는 부산물

딥시크의 장기 목표는 AGI, 즉 일반인공지능이다. 량원펑은 현재의 C사이드 제품, B사이드 서비스, API 사업이 모두 AGI로 가는 과정에서 파생된 결과라고 설명했다.

다른 기업들이 모델을 만들어 사용자 확보나 기업 고객 서비스에 활용하는 것과 달리, 딥시크는 AGI 연구를 진행하고 그 과정에서 만들어진 기술을 API나 제품 형태로 제공한다는 것이다.

"우리는 C사이드나 B사이드를 위해 AGI를 하는 것이 아닙니다. AGI를 하다 보니 이런 결과물이 상용화될 수 있었던 것입니다."

딥시크는 이미 상용화를 진행하고 있지만, 아직 상용화 중심으로 완전히 전환할 시점은 아니다라고 판단한다. 현재는 제품 라인을 늘리거나 광고, 전자상거래, 생활 서비스 등 다양한 수익 모델을 설계하는 것보다 지능의 한계를 높이는 것이 더 높은 수익률을 가져온다고 본다.

량원펑은 AI 산업의 변화 속도가 너무 빠르기 때문에, 몇 개월 전의 상용화 전략이 현재에는 무의미해질 수 있다고 지적했다. 제품과 사업 모델에 지나치게 많은 시간을 투자하면 짧은 수명 주기의 사업에 매몰될 수 있다는 것이다.

다만 API 사업은 최소한의 운영으로도 상당한 현금흐름을 만들 수 있는 안전장치라고 평가했다. API 유지에는 소수의 인력만 필요하고, 별도의 대규모 영업조직이나 고객지원 체계가 없어도 사용자가 자연스럽게 유입될 수 있다고 설명했다.

7. AGI 로드맵: CoT에서 구현 지능까지

량원펑은 AI 발전이 무작위로 진행되는 것이 아니라, 일정한 단계와 병목을 따라 발전한다고 봤다. 그가 제시한 대략적인 로드맵은 다음과 같다.

1. CoT, 사고 과정 확장
2. Agent, 자율적으로 작업을 수행하는 에이전트
3. 지속적 학습
4. 스스로 개선하는 특이점
5. 구현 지능

CoT와 Agent

지난해의 중요한 진전은 CoT, 즉 사고의 연쇄였다고 설명했다. AI가 문제를 단계적으로 생각하고 스스로 검토하게 만들면서, 수학·프로그래밍과 같은 영역에서 인간을 넘어서는 성능을 보일 수 있었다는 것이다.

올해의 다음 단계는 Agent다. 에이전트는 단순히 질문에 답하는 것을 넘어, 여러 단계의 작업을 계획하고 실행한다. 이를 통해 AI가 처리할 수 있는 문제의 범위와 지능의 상한이 높아진다.

그러나 CoT와 Agent 모두 결국 한계에 도달한다. AI가 문제를 해결하는 능력은 높아지지만, 인간 직원처럼 장기간 조직과 업무를 익히고 지속적으로 성장하지는 못하기 때문이다.

지속적 학습

량원펑이 차세대 모델의 핵심 조건으로 꼽은 것은 지속적 학습이다. 현재의 AI는 새로운 정보를 학습하려면 긴 학습 과정이나 상세한 문맥을 제공해야 한다. 반면 인간은 회사에 입사한 뒤 몇 달 동안 환경과 사람, 업무 방식을 익히면 이후에는 짧은 지시만으로도 일을 수행한다.

"AI는 아직 지속적으로 학습하지 못합니다. 이것이 다음에 해결해야 할 가장 큰 돌파구입니다."

예를 들어 인간 직원에게 "샤오 왕을 데려오라"고 말하면 그 사람이 누구인지, 어떤 역할을 하는지, 어디에 있는지 이미 알고 있다. 그러나 현재의 AI에게는 이 모든 정보를 일일이 설명해야 한다.

지속적 학습이 가능해지면 AI는 장기간 경험을 축적하고, 사용자와 조직의 맥락을 이해하며, 새로운 업무를 점점 더 잘 수행할 수 있다. 량원펑은 지속적 학습이 가능한 모델만 진정한 차세대 모델이라고 부를 수 있다고 말했다.

자기개선과 점진적 특이점

지속적 학습 이후에는 AI가 자신의 다음 버전을 개발하고 연구를 수행하는 단계로 나아갈 수 있다. 이를 흔히 특이점이라고 부르지만, 량원펑은 특이점이 어느 날 갑자기 발생하는 단일 사건은 아니라고 강조했다.

"특이점은 하나의 점이 아니라 점진적인 과정입니다. 갑작스러운 도약이 아니라 길고 연속적인 변화입니다."

AI가 AI 연구를 가속하면 발전 속도는 선형적이지 않고 점점 빨라질 수 있다. 따라서 특이점은 갑작스럽게 나타나기보다, AI가 연구를 돕고 그 결과 더 나은 AI가 만들어지는 과정이 누적되면서 서서히 도달할 가능성이 높다는 설명이다.

구현 지능

AGI의 최종 단계로는 구현 지능을 제시했다. 인간의 필요는 디지털 공간에만 있지 않고, 청소·돌봄·노동 등 물리적 세계에 존재하기 때문이다.

"사람들의 필요는 컴퓨터가 아니라 물리적 세계에 있습니다. 결국 구현 지능은 피할 수 없습니다."

구현 지능이 실현되면 AI는 로봇을 통해 물리적 작업을 수행하고, 나아가 다음 세대의 로봇을 스스로 개선하는 역할까지 할 수 있다.

8. 딥시크가 가장 먼저 만들고 싶은 모델

량원펑은 다음 모델의 첫 번째 목표가 일반 사용자나 기업 고객이 아니라 딥시크 내부의 연구개발을 돕는 것이라고 밝혔다.

"우리 모델의 첫 번째 목표는 우리에게 유용한 모델이 되는 것입니다."

딥시크의 모델이 내부 연구자들의 실험과 개발을 더 빠르게 만들 수 있다면, 그 모델은 다른 사용자에게도 유용할 가능성이 높다는 논리다. 특히 지속적 학습이 해결되면 AI가 딥시크의 연구 과정에 참여하고, 다음 버전 모델 개발을 가속할 수 있다.

현재 에이전트는 지속적으로 학습하지 못하기 때문에 활용 범위에 한계가 있다. 그러나 지속적 학습이 가능해지면 AI가 딥시크의 연구개발 효율성을 크게 높이고, AGI 달성 자체도 쉬워질 것이라고 전망했다.

9. 집중할 분야와 하지 않을 분야

딥시크는 모든 AI 영역에 진출하려 하지 않는다. 지능의 상한을 높이는 데 직접적으로 연결되는 주요 기술 경로에 집중한다는 방침이다.

우선순위가 높은 분야

• 대규모 언어 모델
• CoT
• Agent
• Coding Agent
• 지속적 학습
• 모델 학습 효율성
• 모델 규모 확장

현재는 특히 코딩 에이전트를 우선순위로 두고 있다. 금융·의료와 같은 수직형 에이전트는 코딩 에이전트 이후에 검토할 계획이라고 밝혔다.

우선순위가 낮은 분야

• 3D
• 영상 생성
• 일부 월드 모델
• 지능의 본질과 직접 관련되지 않은 제품 영역

영상 생성은 상업적으로 좋은 사업이 될 수 있지만, AI의 지능 상한을 높이는 핵심 경로와는 거리가 있다고 평가했다. 소라(Sora) 출시 이후 많은 기업이 영상 생성에 뛰어든 것은 시장 분위기에 따른 추격에 가깝다고 지적했다.

멀티모달은 필요하지만 지능 그 자체는 아니라고 봤다. 텍스트·이미지·음성·영상 등 다양한 입력을 처리하는 능력은 제품 기능의 중요한 구성 요소이지만, 모델의 핵심 지능을 높이는 주된 경로와는 구분해야 한다는 설명이다. 딥시크는 향후 버전에서 네이티브 멀티모달을 지원할 예정이지만, 이를 지능의 본질로 보지는 않는다.

환각 현상 역시 개선할 수 있는 문제지만, 량원펑은 이를 제품 품질의 문제로 분류했다. 연구의 최우선 과제는 지속적 학습과 지능의 상한을 높이는 것이며, 환각 개선은 그다음 문제라는 입장이다.

10. 중국과 미국의 격차는 인재보다 컴퓨팅 자원

량원펑은 중국과 미국 AI 산업의 가장 큰 차이가 인재가 아니라 컴퓨팅 자원이라고 주장했다. 양국 모두 상당한 수준의 중국계 AI 인재 풀을 공유하고 있으며, 뛰어난 인재가 모두 해외로 빠져나가는 것도 아니라고 설명했다.

"미국과의 격차는 주로 자원에 있습니다. 인재 격차는 크지 않습니다."

중국에 인재가 부족해 보이는 이유도 실제 능력의 차이라기보다 GPU 부족으로 실험할 수 있는 횟수가 적기 때문이라고 봤다. 컴퓨팅 자원이 부족하면 모델을 충분히 학습하고 다양한 실험을 진행할 수 없고, 그 결과 인재의 성장 속도도 늦어진다는 것이다.

딥시크는 당시 약 2만 개의 H100급 연산 자원을 보유하고 있으며, 이후에도 가능한 한 많은 GPU를 구매할 계획이라고 밝혔다. 확보한 자금을 은행에 보관하기보다 합리적인 가격의 NVIDIA GPU로 바꾸는 것이 훨씬 낫다고 평가했다.

"돈을 모두 GPU로 바꿀 수 있다면 주저하지 않고 그렇게 할 것입니다."

다만 미국 최상위 기업들이 학습하는 수천억 개 활성 파라미터 규모의 모델과 곧바로 경쟁하기는 어렵다고 인정했다. 미국 기업이 약 800B 활성 파라미터 모델을 학습할 수 있는 반면, 중국 기업들은 아직 수십억 개 규모에서 실험하는 단계라는 설명이다.

딥시크의 현실적인 전략은 제한된 자원 안에서 수백억 개 활성 파라미터 규모의 모델을 최대한 효율적으로 학습하고, 자원이 늘어나면 150B, 250B 등 더 큰 규모로 확장하는 것이다.

11. 중국산 AI 칩과 NVIDIA 생태계의 변화

량원펑은 중국산 AI 칩이 당장 NVIDIA를 완전히 따라잡았다는 뜻은 아니지만, 역사적인 전환점에 있다고 평가했다.

NVIDIA의 강점은 CUDA 생태계였지만, AI가 코드를 작성할 수 있게 되면서 생태계를 구축하는 비용과 시간이 크게 줄어들고 있다고 설명했다. 또한 딥시크가 개발하는 고수준 언어인 TileLang을 이용하면 CUDA 연산자를 더 빠르게 재작성하고, NVIDIA 생태계에 대한 의존도를 낮출 수 있다는 것이다.

량원펑은 다음 세 가지 이유로 CUDA의 진입장벽이 빠르게 낮아질 수 있다고 봤다.

1. AI를 활용해 소프트웨어 생태계를 빠르게 구축할 수 있다.
2. TileLang 같은 고수준 언어를 통해 CUDA 연산을 재구현할 수 있다.
3. AI 연산 시장이 게임용 GPU 시장보다 커지면서, 전용 AI 칩이 별도의 생태계를 만들 가능성이 커졌다.

딥시크는 Huawei와 협력해 중국산 칩에 모델을 적용하고 있으며, 당시 약 1만 6천 개의 Huawei 950 계열 카드를 제공받을 예정이라고 밝혔다. 이는 인터넷 대기업이 확보하는 수십만 개 수준보다는 적지만, 중국산 칩 생태계의 발전을 돕는 데 중요한 역할을 할 수 있다고 설명했다.

량원펑은 Huawei 950이 NVIDIA의 최신 제품보다 대략 2년 뒤처지고, 동일한 작업을 수행하려면 여러 장이 필요할 수 있지만, 성능과 가격 측면에서 실질적인 대체가 가능하다고 평가했다. 현재 가장 큰 문제는 기술이나 생태계가 아니라 생산 능력과 공급량이라고 봤다.

12. 모델 경쟁의 최종 기준은 비용·속도·사용자 경험

량원펑은 장기적으로 모델 간 성능 차이가 크게 벌어지지 않을 것이라고 전망했다. 결국 경쟁은 다음 세 가지 요소에서 결정될 가능성이 높다고 설명했다.

1. 비용 같은 품질의 서비스를 얼마나 낮은 가격에 제공하는가가 가장 중요하다.

2. 시간 누가 먼저 출시하고, 누가 더 빠르게 새로운 기능과 모델을 제공하는가가 경쟁력을 좌우한다.

3. 사용자 경험 제품의 편의성과 사용성, 서비스에 대한 이용자 충성도가 차이를 만들 수 있다.

그중에서도 가장 중요한 것은 비용과 시간이라고 봤다. 사용자 경험은 일정한 차별화가 가능하지만, 근본적으로는 같은 수준의 모델을 더 저렴하고 빠르게 제공하는 기업이 유리하다는 것이다.

"기본적인 차이는 비용과 시간입니다. 누가 먼저 하고, 누가 더 빠르게 하는지가 중요합니다."

량원펑은 Anthropic이 OpenAI보다 앞선 현재의 상황도 영구적인 우위가 아니라 일시적인 국면이라고 평가했다. OpenAI와 Google이 앞으로도 선두를 주고받을 수 있으며, Anthropic의 코드 에이전트 우위도 압도적인 수준은 아니라고 말했다.

딥시크의 차별화는 가장 높은 성능이 아니라 낮은 비용과 낮은 소모율에 있다고 강조했다.

13. 중국의 기초 모델 기업은 결국 줄어들 것

량원펑은 중국에 기초 모델 기업이 지나치게 많다고 진단했다. 미국은 주요 기업 세 곳을 중심으로 자원이 집중되어 있지만, 중국은 많은 기업이 비슷한 모델을 개발하면서 자원이 분산되고 있다는 설명이다.

그러나 AI 모델 사업의 이익률이 장기적으로 매우 높게 유지되기는 어렵다고 봤다. 각 기업이 막대한 이익을 차지하려 하면, 더 낮은 수익을 감수하는 경쟁자가 등장해 가격을 낮추고 시장을 빼앗을 수 있기 때문이다.

"더 많이 가져가려는 사람은 더 적게 가져가려는 사람에게 패배하게 됩니다."

따라서 중국의 기초 모델 시장은 시간이 지나면서 통합되고, 최종적으로는 서너 개 정도의 주요 기업과 일부 소형 기업만 남을 가능성이 있다고 전망했다. 모델 간 성능 차이가 압도적으로 크지 않다면, 결국 비용과 출시 속도 경쟁으로 수익률이 낮아지고 기업 수가 줄어든다는 분석이다.

14. 딥시크의 유일한 핵심 이익은 팀의 안정성

량원펑은 딥시크의 핵심 이익이 매출이나 시장점유율, 기업 규모가 아니라 팀의 안정성이라고 밝혔다.

"우리에게는 단 하나의 핵심 이익이 있습니다. 팀의 안정성을 유지하는 것입니다."

구성원들이 남아 있고 연구를 계속할 수 있다면, AGI 달성은 결국 시간과 시행착오의 문제라고 봤다. 돈과 자원은 외부에서 조달할 수 있지만, 핵심 연구자들이 떠나면 조직의 지식과 협업 구조가 무너질 수 있기 때문에 팀 안정성만큼은 타협할 수 없다는 것이다.

최근 투자와 보상 확대는 이 목표를 지원하기 위한 조치라고 설명했다. 핵심 인력에게 충분한 스톡옵션과 보상을 제공하면 이들이 조직에 남을 가능성이 높아지고, 핵심 인력이 안정되면 다른 구성원들도 쉽게 이탈하지 않을 것이라고 봤다.

딥시크가 오픈소스, 낮은 가격, 경쟁자 지원을 선택하는 것도 결국 팀의 결속과 비전에 도움이 되기 때문이다. 구성원들이 자신의 일이 사회적으로 의미 있다고 느끼고, AGI라는 목표에 기여하고 있다고 생각할 때 조직의 몰입도가 높아진다는 설명이다.

15. 모두를 이기려 하지 않는 사업 범위

딥시크는 AI 산업의 모든 영역을 수직 통합하려 하지 않는다. 애플리케이션, 하드웨어, 칩, 고객 서비스까지 모두 직접 장악하기보다, 자신들이 가장 잘하는 핵심 영역에 집중하고 나머지는 파트너와 다른 기업이 맡기를 원한다고 밝혔다.

"AI는 충분히 큰 분야입니다. 우리가 모든 것을 할 필요는 없습니다."

대규모 데이터센터와 클러스터는 직접 구축하지만, 자체 칩 개발에는 신중하다. 시장에서 합리적인 가격으로 칩을 구매할 수 있다면 굳이 직접 생산할 필요가 없다는 판단이다. 마치 발전소를 운영한다고 해서 발전기까지 직접 만들 필요는 없는 것과 같다는 비유를 들었다.

딥시크가 AI 시대에 수조 달러 규모의 기업 여러 곳 중 하나가 되는 것만으로도 충분하며, 산업 전체를 지배하거나 모든 사업을 독점하려는 야망은 없다고 밝혔다.

"AI 시대에 1조 달러 기업이 여러 개 생긴다면, 그중 하나가 되는 것만으로도 충분합니다."

16. 데이터와 고품질 라벨링의 병목

량원펑은 데이터가 모델 성능의 중요한 절반가량을 차지한다고 평가했다. 공개 데이터는 여러 기업이 사용할 수 있기 때문에 장기적인 차별화 요소가 되기 어렵지만, 고품질 데이터와 라벨링은 여전히 중요한 병목이라고 설명했다.

미국 기업들은 막대한 자본을 바탕으로 고비용 데이터 라벨링에 투자할 수 있지만, 중국 기업은 동일한 방식으로 비용 경쟁력을 갖기 어렵다. 딥시크는 이에 따라 상대적으로 저렴한 데이터부터 라벨링하고, 연구 인력의 상당 부분을 데이터 관련 업무에 투입하고 있다고 밝혔다.

고품질 데이터 구축은 자금만으로 빠르게 해결할 수 있는 문제가 아니라 시간이 필요한 문제라고 봤다. 중국 기업들이 AI 개발에 본격적으로 뛰어든 시점이 미국 기업보다 늦었기 때문에, 1년 정도의 시간이 지나면 고품질 데이터 문제도 점차 개선될 수 있다고 전망했다.

합성 데이터와 실제 데이터 중 어느 쪽이 더 중요한지에 대해서는, 합성 데이터도 충분히 인간의 지식을 넘어설 수 있다고 평가했다. 알파고가 인간이 한 번도 시도하지 않은 수를 발견한 것처럼, AI는 기존 지식을 기반으로 새로운 가능성을 만들어낼 수 있다는 설명이다.

17. 상용화와 연구기관 사이의 균형

딥시크가 자본시장에 진입하면서 순수 연구기관과 상업 기업 사이의 균형을 어떻게 유지할 것인지에 대한 질문도 나왔다.

량원펑은 딥시크가 이미 C사이드 사용자와 B사이드 매출을 확보하고 있으며, API 사업만으로도 최악의 경우 회사를 유지할 수 있다고 답했다. B사이드 매출이 수억 달러 규모에 도달하고 수요가 계속 증가하면, 연구개발 비용과 운영비를 자체적으로 감당할 수 있을 것이라는 설명이다.

따라서 기술 발전이 일시적으로 정체되더라도 API 서비스만으로 생존할 수 있는 현실적인 안전장치가 있다고 봤다. 하지만 그것이 딥시크의 최종 목표는 아니며, 생존을 확보한 상태에서 AGI 연구를 계속하는 것이 이상적인 방향이라고 설명했다.

딥시크의 의사결정은 창업자 한 명의 독단으로 이루어지지 않는다. 량원펑은 주요 기술·사업·전략 결정에서 구성원들의 합의를 중요하게 생각하며, 자신의 영향력 역시 합의를 기반으로 한다고 밝혔다.

18. 조직은 모방이 아니라 시대의 산물

딥시크의 조직 모델이 벨연구소나 다른 유명 연구기관을 모방한 것이냐는 질문에 대해, 량원펑은 특별히 참고한 모델이 없다고 답했다.

"우리는 누구를 모방한 것이 아닙니다. 시대와 현실의 산물입니다."

벨연구소처럼 상업적 생존을 걱정하지 않아도 되는 연구기관과 달리, 딥시크는 스스로 수익을 만들고 생존해야 하는 기업이다. 따라서 거대한 사명을 추구하더라도 B사이드 매출과 API 사업 같은 현실적인 수익원이 필요하다는 점을 인정했다.

딥시크의 조직 구조는 현재 매우 평평하지만, 인원이 늘어나면 일부 영역에는 위계와 부서가 필요할 수 있다. 이미 조직이 커지면서 이런 변화를 시작하고 있으며, 모든 영역을 영원히 무구조 상태로 유지할 수는 없다고 설명했다.

19. 향후 모델과 출시 계획

량원펑은 딥시크의 모델 출시 주기로 2~3개월마다 한 번이 편안하다고 말했다. 각 버전은 이전 버전보다 개선되어야 하며, V4와 이후 모델은 멀티모달 기능을 지원할 계획이라고 밝혔다.

현재 수십억 개 활성 파라미터 규모의 모델은 오픈소스 경쟁 모델과 추론 속도와 성능에서 큰 차이를 만들기 어렵지만, 더 큰 비공개 모델과 비교하면 여전히 격차가 있다고 설명했다. 다음 단계로 150B 규모의 모델 학습을 연말 또는 그 이후에 시작하는 방안을 언급했다.

다만 진정한 차세대 모델은 단순히 더 빠르거나 저렴한 모델이 아니라, 지속적 학습 능력을 갖춘 모델이어야 한다고 재차 강조했다.

20. 남은 질문과 량원펑의 최종 관점

회의 후반부에는 지속적 학습의 기술적 난제, AGI 시점, 중국산 하드웨어의 발전 속도, 구현 지능, 코딩 에이전트, 환각 문제, 수직형 애플리케이션 등에 대한 질문이 이어졌다.

량원펑은 지속적 학습이 하나의 단일 기술이 아니라 여러 알고리즘과 시스템, 엔지니어링 요소가 결합된 연구 문제라고 설명했다. 아직 누구도 충분히 효과적인 방법을 찾지 못했지만, 딥시크 내부에도 유망해 보이는 아이디어들이 있다고 말했다.

AGI 도달 시점에 대해서는 구체적인 연도를 제시하지 않았다. 중국이 현재의 모델 패러다임 안에서는 미국과 1~2년 내 격차를 좁힐 수 있지만, 지속적 학습이 해결되지 않는 한 그것을 AGI라고 부르기는 어렵다고 봤다.

중국산 하드웨어는 생태계에 대한 신뢰를 회복하고 생산능력을 늘리는 데 몇 년이 걸릴 수 있지만, 장기적으로는 낙관적이라고 밝혔다. 중국이 전체적으로 미국과 같은 수준에 도달하기는 어렵더라도, 특정 분야에서는 더 적은 연산 자원으로 앞설 수 있다는 전망도 내놓았다.

결국 량원펑이 그리는 딥시크의 방향은 다음과 같이 정리할 수 있다.

• AGI 연구를 최우선으로 한다.
• 오픈소스를 통해 기술을 널리 공유한다.
• 합리적인 이익만 취하고 가격을 낮춘다.
• 비용 효율성을 핵심 경쟁력으로 삼는다.
• 팀의 안정성을 가장 중요한 자산으로 본다.
• 모든 시장과 사업을 독점하려 하지 않는다.
• 지속적 학습을 차세대 AI의 핵심 돌파구로 삼는다.
• 궁극적으로 AI를 물리적 세계로 확장한다.

결론

이번 투자자 회의록에서 드러난 딥시크의 가장 큰 특징은 극단적인 집중과 절제다. 딥시크는 사용자 트래픽, API 매출, 제품 확장, 시장 독점 같은 눈앞의 목표보다 AGI라는 장기 목표를 앞세우며, 오픈소스와 낮은 가격을 통해 생태계 전체의 성장을 유도하려 한다.

량원펑은 딥시크가 특별히 더 부유하거나 더 뛰어난 인재만 모인 회사가 아니라고 강조했다. 오히려 제한된 자원 속에서 비전, 조직 방식, 비용 효율성, 팀의 결속력을 활용해 경쟁한다고 설명했다.

"더 많이 가지려는 비전을 갖는 순간, 이미 패배한 것입니다. 세상은 더 적게 가지려는 사람에게 보상합니다."

딥시크가 실제로 이 전략을 끝까지 유지할 수 있을지는 앞으로의 경쟁과 시장 변화에 달려 있다. 그러나 적어도 이 회의록에서 량원펑은 딥시크를 또 하나의 AI 제품 회사가 아니라, AGI를 향한 장기 연구 조직이자 오픈소스 생태계의 중심으로 바라보고 있음을 분명히 보여주었다.