DeepSeek의 등장은 Crypto AI에 대한 축복인가, 아니면 저주인가?

저자: BUBBLE, BlockBeats

2025년 1월 DeepSeek R1 출시는 AI 세계에 큰 반향을 일으켰고, Crypto AI 생태계도 근본적으로 변화시켰습니다. 지난 사이클에서 Crypto AI는 주로 AI Agent를 중심으로 진행되었지만 DeepSeek R1과 오픈 소스 전략은 게임의 규칙을 완전히 바꾸었습니다. 매우 낮은 교육 비용과 획기적인 적응형 교육 방법을 통해 AI 산업을 분산화한다는 비전은 더 이상 헛소리가 아니라 손이 닿을 수 있는 현실이 되었습니다. 이 변화는 광범위한 영향을 미칩니다. Crypto AI 시장의 총 시장 가치는 상당히 줄어들었고 많은 AI 토큰이 70%의 수정을 경험했지만 이것이 정말 위기일까요? 아니면 Crypto AI가 완전히 개편된다는 뜻일까요? DeepSeek은 Crypto AI 이야기를 산산이 부수는 "터미네이터"인가, 아니면 실용적 응용 시대로의 진입을 앞당기는 "게임 체인저"인가?

DeepSeek의 야생 성장

DeepSeek의 개발은 2021년으로 거슬러 올라갑니다. 당시 양적 거래를 중시하는 헤지펀드인 환팡은 대규모로 AI 인재를 모집하기 시작했습니다. 양적 기업이 AI로 전환하는 것은 드문 일이었고, 대부분의 채용자는 대형 모델(LLM)과 문학적 그래프 모델을 포함한 최첨단 방향을 탐구하는 AI 연구자였습니다. 환팡이 회사의 유휴 GPU 리소스를 더 잘 활용하기 위해 전환을 했다는 소문이 있었지만, 대부분의 이유는 대형 모델과 같은 최첨단 AI 기술의 지배적인 높이를 차지하기 위해 결정이 내려졌기 때문일 것입니다.

2022년 말까지 환팡은 주로 청화대와 베이징대 출신의 학생들을 중심으로 점점 더 많은 AI 인재를 유치했습니다. ChatGPT에서 영감을 받은 Huanfang CEO인 Liang Wenfeng은 일반 인공지능 분야에 진출하기로 결정하고 2023년 초에 DeepSeek을 설립했습니다. 하지만 지푸(Zhipu), 다크사이드 오브 더 문(Dark Side of the Moon), 바이촨 인텔리전스(Baichuan Intelligence) 등 AI 기업의 급속한 부상으로, 스타 창업자가 없는 순수 연구 기관인 딥식(DeepSeek)은 독립적인 자금 조달에 큰 어려움에 직면하게 되었습니다. 따라서 Huanfang은 DeepSeek를 분사하고 개발에 전액 자금을 지원하기로 결정했습니다. 이 결정은 매우 위험하지만 DeepSeek는 자금 제공자의 이익 약속이나 가치 평가 압력에 시달릴 필요가 없습니다. 동시에, 비교적 충분한 GPU 리소스 비축량을 보유하고 있어 팀이 기술적 혁신에 집중할 수 있습니다. 혁신 정신이 넘치는 젊은이 그룹은 낙원에서 만연할 수 있습니다. 현재 DeepSeek은 회사라기보다는 연구소에 가깝습니다.

OpenAI의 초창기와 마찬가지로, 루빅 큐브를 하는 로봇 손을 연구하던 회사가 결국 ChatGPT를 개발할 것이라고는 아무도 생각하지 못했을 것입니다. 양적 회사인 Magic Cube가 DeepSeek을 사용하여 현재의 AI 버블을 돌파할 것이라고는 아무도 상상하지 못했을 것입니다. 전자는 7년이 걸렸지만, 후자는 단 2년 밖에 걸리지 않았습니다. 2023년 11월, DeepSeek LLM이 670억 개의 매개변수와 GPT-4에 가까운 성능으로 출시되었습니다. 2024년 5월, DeepSeek-V2가 출시되었습니다. 같은 해 12월, DeepSeek-V3가 출시되었고, 벤치마크 테스트에서 그 성능은 GPT-4o와 Claude 3.5 Sonnet과 동등했습니다. DeepSeek의 급속한 기술적 도약은 회사의 재정 자원이나 높은 교육 때문이 아니라 기술적 특이점의 결과입니다. "ChatGPT는 세계 AI 산업에 영향을 미칩니다." 모든 규모의 특이점은 다음 핵심 특이점이 나타날 때까지 상상력을 만족시킬 수 있는 모든 토양에서 가속화됩니다.

마침내 2025년 1월, DeepSeek은 특이점을 통과하는 속도를 높이고 ChatGPT-O1보다 학습 비용이 훨씬 낮은 추론 기능과 뛰어난 성능을 갖춘 대형 모델 DeepSeek-R1의 첫 세대로 그 문을 열었습니다.

오픈소스로 스타게이트의 열쇠를 전 세계에 배포

DeepSeek R1이 출시되고 오픈소스 모델이 발표된 지 불과 하루 만에, 트럼프 미국 대통령은 백악관 기자회견에서 5000억 달러 규모의 "스타게이트" 계획의 시작을 공식 발표했습니다. OpenAI, SoftBank, Oracle과 투자 회사 MGX는 Stargate라는 합작 회사를 설립하여 미국에 OpenAI를 위한 새로운 인공지능 인프라를 구축했습니다.

이 정도의 투자는 '맨해튼 프로젝트'와도 비교될 만하며, 온 나라가 알고리즘 스태킹을 활용해 폐쇄형 소스 AI를 극한으로 끌어올리고 AI 시장을 독점해 미국 국내 AI 산업의 선도적 지위를 확보하려는 것으로 보인다. 하지만 그 계획이 공개되었을 때, 며칠 후에 바다 건너편에 있는 이 오픈소스 모델이 더 이상 문을 열지 않고, 문의 벽을 깨기 위해 망치를 가져올 뿐만 아니라 다른 사람들에게도 망치를 줄 것이라고는 아무도 생각하지 못했을 것입니다.

최고의 폐쇄형 소스 모델과 경쟁할 수 있는 오픈소스 모델로서, DeepSeek의 완전히 새로운 훈련 아키텍처는 연쇄 반응을 일으켜 폐쇄형 소스 AI가 발전하기 어렵게 만들었습니다. DeepSeek R1보다 성능이 뛰어나지 못하는 폐쇄형 소스 모델은 자본 시장에서 바로 제거될 것입니다. A16z(OpenAI의 투자자)의 설립자인 마크 앤드레슨조차도 폐쇄형 소스 AI보다는 오픈소스 AI에 더 많은 관심을 기울여야 한다고 공개적으로 밝혔습니다. 업계에서는 AGI의 잠재적 출현을 지지하느냐, 아니면 SaaS 산업의 업그레이드 버전으로 AI를 지지하느냐가 갈린다. 모든 사람은 폐쇄 소스의 해악이 오픈 소스의 해악보다 훨씬 크다고 믿는다. 블랙박스, 산업 독점, 정보 보안, 자본의 주의 조작이든, 그 중 어느 것이든 매우 위험한 개발 방향이다.

일부 업계 관계자들은 V3의 혼합 전문가 기술인 'MoE'가 방대한 데이터 세트를 필요로 하며, 증류에 OpenAI의 모델을 사용했다는 의심을 제기하고 있다. R1의 강화학습 'RL'의 경우, 강화학습 기반 방법은 많은 하드웨어 자원을 필요로 하며, 사용된 학습 칩의 개수가 조작되었을 가능성이 있습니다. 하지만 이는 산업구조 개혁에 영향을 미치지 않는다.

DeepSeek R1의 오픈소스는 OpenAI의 폐쇄형 소스 대형 모델 비즈니스 로직을 훈련 아키텍처 측면에서 깨고, 모델이 스스로 진화하도록 하는 로직을 사용하여 기존 패러다임의 컴퓨팅 파워와 데이터 라벨링에 대한 대규모 투자를 피합니다. 훈련 모델은 여전히 블라인드 박스이지만 블라인드 박스의 비용은 훨씬 낮습니다.

AI 하드웨어 수준에서 DeepSeek의 V3 오픈 소스는 NVIDIA의 시장 지배력에 직접적으로 도전합니다. NVIDIA의 GPU 참호는 기본적으로 기본 병렬 컴퓨팅 플랫폼과 프로그래밍 모델 CUDA에 기반을 두고 있습니다. 광범위한 생태계와 충분한 개발자로 인해 비 NVIDIA 칩을 사용하여 학습하는 데 드는 학습 비용이 너무 높습니다. 높은 임계값 구매 조건과 정치적 제한으로 인해 글로벌 AI 개발이 분열되었습니다.

단기적으로 미국 AI 주식 시장은 상당히 위축되었고, Crypto AI의 전체 시장 가치는 거의 산산이 조각났으며 시장은 하락장에 접어들었습니다. 그러나 장기적으로 볼 때 가장 인정받는 AI 산업은 오픈 소스, 투명성, 분산화된 개발 경로를 향해 움직이고 있습니다. 어떤 관점에서 보더라도 Crypto와 AI의 결합은 더 암묵적일 것입니다.

Crypto AI의 구원, 계속됩니다! 계속하세요! 필요한 모든 수단을 동원하여 전진하다

이번 Crypto AI 버블 붕괴 라운드 동안 많은 AI 컨셉 토큰이 70% 콜백을 받았고 Crypto AI 시장은 상당히 위축되었습니다. 어떤 사람들은 "550만 달러면 대형 모델을 훈련할 수 있다. 이 AI의 시장 가치는 5,000억 달러를 넘는데, 왜 Crypto AI를 사야 하나?"라고 농담을 했습니다. 실제로 암호화폐는 제품보다는 자본이 주도하는 시장이며, AI 토큰의 90%는 실질적인 의미가 없습니다.

하지만 사실 암호화폐 시장의 규제 체계가 개선되면서 암호화폐 시장은 여전히 중소 규모 AI 기업이 사업을 시작하기에 가장 적합한 환경입니다. DeepSeek의 대형 모델 비용은 ChatGPT O1의 1/100에 불과하며, 모델 학습 방법도 현재 시장과 비교했을 때 10,000배 이상의 생태적 성장을 가져올 것입니다.

솔직히 말해서, DeepSeek이 암호화폐에 가져오는 것은 분산형 훈련 모델입니다. 이를 통해 Depin 유형 프로젝트가 더 합리적으로 되고, 훈련 프로세스와 정보 제공이 더 투명해지고, 데이터 세트 기여자에 대한 가치 보상 메커니즘이 더 합리적이 되어 모델 훈련의 수요와 공급 측면에서 모두 계정 정산이 더 쉬워집니다. AI 산업의 주변 생태계가 1만 배 이상 커지면서 Crypto AI 하류의 산업적 풍부함이 더욱 향상되었습니다. 시장에 충분히 경쟁력 있고 창의적인 제품 내러티브가 등장하고 그중 하나가 진정으로 그 고리를 끊는 한, 외부 자금은 자연스럽게 Crypto로 다시 흘러들 것입니다. PVP 시장은 오랫동안 어려움을 겪었습니다. TrumpCoin 이후 일련의 유명인 코인 수확은 AI 시장의 원래 풍부한 유동성과 긍정적 피드백 균형을 깨뜨렸습니다. 따라서 DeepSeek의 버블 붕괴는 실제로 더 큰 긍정적입니다.

현재 DeepSeek를 빠르게 통합하거나 아키텍처를 업데이트한 Crypto AI로는 ElizaOS, Argo, Myshell, Build, Hyperbolic, Nillion Network, infraX 등이 많이 있습니다. 이러한 프로젝트 중 일부는 DeepSeek를 통해 제품 측면에서 직접 최적화되었습니다.

마이쉘

V3, R1, 심지어 이미지 생성 모델인 Janus-Pro도 챗봇과 애플리케이션 플러그인의 생산 흐름에 추가되었습니다. Myshell의 기술자들은 거의 반나절 만에 모델 통합을 완료했습니다. 블록체인에서 제품을 다듬는 데 항상 고집했고 Web2AI 제품에서 이름을 알렸지만 코인을 발행하는 데 주저했던 몇 안 되는 프로젝트 중 하나인 DeepSeek의 오픈 소스는 비용 측면에서 Myshell 사용자에게 좋은 소식을 가져다 줄 것입니다. 비용이 낮아지면 제품이 이미 완벽한 Myshell에 더 많은 Agent 개발자가 유입될 것입니다.

아르고

Argo의 개발자 Sam Gao는 제품 설계의 초기 단계에서 Argo의 중요한 기능을 DeepSeeked했습니다. 워크플로 시스템으로서 Argo는 LLM을 표준 DeepSeek R1에 빌드하고 원래 워크플로 생성 작업을 DeepSeek R1에 넘겼습니다. 또한 WorkFlow 덕분에 토큰 소비와 컨텍스트 정보도 엄청나게 많아질 것입니다(평균 10,000개 이상의 토큰). 또한 Argo는 CoT(Chain-of-Thought)를 WorkFlow 사고 과정에 통합합니다. DeepSeek의 오픈 소스는 워크플로 제품 비용을 낮출 뿐만 아니라 Argo에서 LLM의 로컬 배포를 가능하게 하며 사용자의 개인 정보 보호 및 보안을 보장할 수 있습니다.

DeepSeek R1이 출시되기 전에 Argo는 이미 자체 모델 초기 학습 로직인 Chain-of-Thought "CoT"를 Argo의 Agent Workflow 프로덕션 프로세스에 통합했습니다. 특히, 밈 거래 및 시장 동향 분석과 같은 업무의 경우 Argo는 노드가 "LLM 생각"을 나타내고 에지가 이러한 생각 간의 종속성을 나타내는 그래프로 추론을 구조화하는 새로운 접근 방식인 GoT(Graph-of-Thought)를 사용하여 워크플로를 사용자 정의했습니다.

Argo는 현재 이 모델을 사용하는 유일한 Crypto AI Workflow인 GoT를 선택하여 보다 안정적이고 투명한 프로세스를 달성했습니다. 이 혁신적인 접근 방식은 Argo 플랫폼에서 거래의 보안과 신뢰에 직접적인 영향을 미칩니다. Mind Map(GoT)을 Web3 AI 에이전트에 통합하면 Argo가 AI 암호화폐 거래의 최전선에 서게 됩니다. CoT의 구조화된 추론은 금융 거래의 보안을 강화할 뿐만 아니라 분산형 금융(DeFi)에서 중요한 투명하고 신뢰할 수 있는 의사 결정을 보장합니다.

Argo 핵심 개발자 Sam과 Shaw가 "EraseAnything: Enabling Concept Erasure in Rectified Flow Transformers"라는 제목의 논문을 공동 집필하여 모델의 전반적인 생성 성능을 손상시키지 않고 대규모 텍스트-이미지 확산 모델에서 바람직하지 않은 개념을 제거하는 방법을 설명했습니다. 그들은 DeepSeek 연구원 Xingchao Liu의 도움을 받았습니다.

쌍곡선

Hyperbolic Labs는 또한 자사 GPU 플랫폼에서 DeepSeek-R1 모델을 호스팅한다고 발표하는 데 앞장섰습니다. 사용자는 Hyperblic GPU 리소스를 임대하여 DeepSeek의 서버로 민감한 데이터를 전송하지 않고도 로컬 또는 지정된 데이터 센터에서 DeepSeek-R1 모델을 실행할 수 있습니다. 이 접근 방식은 데이터 프라이버시를 보장할 뿐만 아니라 DeepSeek 모델의 뛰어난 추론 성능을 활용합니다. 동시에 Hyperbolic의 분산 컴퓨팅 네트워크를 통해 사용자는 DeepSeek 모델의 효율적인 추론 기능을 더 낮은 비용으로 얻을 수 있습니다. 이는 신생 기업, 초개인 기업가 또는 간단한 AI 효율적 사용자에게 매우 경쟁력 있는 솔루션이 될 것입니다.

이번 버블 붕괴는 실제로 Crypto AI 시장에 큰 타격을 입혔으며 많은 AI 토큰이 과대평가된 가치를 잃었습니다. 하지만 본질적으로 DeepSeek은 Crypto AI를 파괴하는 것이 아니라 시장이 더 빨리 진화하도록 강요하는 것입니다. DeepSeek R1 이후, Crypto AI의 미래는 더 이상 단순히 추측에만 의존하지 않고, 분산형 AI 컴퓨팅, 모델 학습을 위한 경제적 인센티브 메커니즘, AI 리소스의 공정한 분배, 실용적인 제품을 중심으로 재구성될 것입니다. 진짜 과제는 Crypto가 DeepSeek이 가져온 기술 혁명을 이용해 단지 개념과 과대선전에 그치지 않고 진정으로 가치 있는 AI 생태계를 구축할 수 있을지 여부입니다.

이것은 끝이 아니라 진화입니다. Crypto AI는 더 빠르고 공격적으로 움직여야 합니다. / 가속도