<div id="readability-page-1" class="page"><div id="ArticleView"> Medium 기고자 중 한 사람인 Ignacio de Gregorio의 글을 소개합니다. 'The New Chinese Humiliation'이라는 제목인데 '중국이 던져 준 새로운 굴욕'이라는 의미겠죠. <a href="https://medium.com/@ignacio.de.gregorio.noblejas/the-new-chinese-humiliation-a1026ca8ca6e" target="_blank">원문 링크</a> 요점은 DeepSeek는 최신 모델인 DeepSeek Sparse Attention(DSA)이라는 새로운 어텐션 알고리즘을 적용함으로써 종래의 어텐션 알고리즘을 적용한 미국의 최고 모델들에 비해 성능은 크게 떨어지지 않으면서 토큰 가격은 최대 1/20 정도로 낮췄다는 겁니다. &lt;그림 1&gt;은 DeepSeek v3.2 Thinking과 DeepSeek v3.2 Speciale의 최신 버전이 Gemini 3 Pro 같은 모델들보다 높은 성능을 보였다는 겁니다. <div data-app="{&quot;type&quot;:&quot;gridGallery&quot;,&quot;caption&quot;:&quot;&quot;,&quot;displayOption&quot;:&quot;ContentFit&quot;,&quot;images&quot;:[{&quot;url&quot;:&quot;http://t1.daumcdn.net/brunch/service/user/3L0s/image/mhprqRIHxhKNkjdPqgOTI0LHZng.png&quot;,&quot;width&quot;:&quot;1018&quot;,&quot;height&quot;:&quot;567&quot;,&quot;originalName&quot;:&quot;이그나시오(251206), 그림 1- 주요 LLM 성능 비교.png&quot;}]}"><img alt="이그나시오(251206), 그림 1- 주요 LLM 성능 비교.png" src="https://img1.daumcdn.net/thumb/R1280x0.fpng/?fname=http://t1.daumcdn.net/brunch/service/user/3L0s/image/mhprqRIHxhKNkjdPqgOTI0LHZng.png"> </div> &lt;그림 2&gt;는 SWE-bench verified 테스트에서도 60%라는 높은 점수를 받았다는 것을 보여 줍니다. 참고로 이 벤치마크에서 Claude 4.5 Opus가 최고 점수인 74%를 받았지만, 작업 당 비용이 24배나 더 비싸기에 가격 대비 성능 면에서는 비효율적이라는 거구요. <div data-app="{&quot;type&quot;:&quot;gridGallery&quot;,&quot;caption&quot;:&quot;&quot;,&quot;displayOption&quot;:&quot;ContentFit&quot;,&quot;images&quot;:[{&quot;url&quot;:&quot;http://t1.daumcdn.net/brunch/service/user/3L0s/image/p6ee7VDmqbf_Hk7-f8tVd4oFFL0.png&quot;,&quot;width&quot;:&quot;883&quot;,&quot;height&quot;:&quot;612&quot;,&quot;originalName&quot;:&quot;이그나시오(251206), 그림 2- SWE-bench verified 결과.png&quot;}]}"><img alt="이그나시오(251206), 그림 2- SWE-bench verified 결과.png" src="https://img1.daumcdn.net/thumb/R1280x0.fpng/?fname=http://t1.daumcdn.net/brunch/service/user/3L0s/image/p6ee7VDmqbf_Hk7-f8tVd4oFFL0.png"> </div> &lt;그림 3&gt;은 딥시크 v3.2와 다른 프론티어 모델의 100만 토큰당 입력, 출력 비용을 비교한 것입니다. 딥시크 v3.2는 입력 비용이 $0.28임에 반해 가성비 최저급인 클로드 오퍼스 4.5는 $5.0 (약 18배), 미국 제품 중에 가장 우수한 GPT 5.1은 $1.25(약 4.5배)이네요. 중국 제품 Kimi는 딥시크보다도 더 낮은 $0.15인 것이 흥미롭네요. <div data-app="{&quot;type&quot;:&quot;gridGallery&quot;,&quot;caption&quot;:&quot;&quot;,&quot;displayOption&quot;:&quot;ContentFit&quot;,&quot;images&quot;:[{&quot;url&quot;:&quot;http://t1.daumcdn.net/brunch/service/user/3L0s/image/9uWFwmUqFg7QWMKKhHlqHe6WYk0.png&quot;,&quot;width&quot;:&quot;1029&quot;,&quot;height&quot;:&quot;629&quot;,&quot;originalName&quot;:&quot;이그나시오(251206), 그림 3- 주요 LLM 입출력 단가 비교.png&quot;}]}"><img alt="이그나시오(251206), 그림 3- 주요 LLM 입출력 단가 비교.png" src="https://img1.daumcdn.net/thumb/R1280x0.fpng/?fname=http://t1.daumcdn.net/brunch/service/user/3L0s/image/9uWFwmUqFg7QWMKKhHlqHe6WYk0.png"> </div> &lt;그림 4&gt;는 저자가 딥시크의 DSA를 4단계로 나누어 설명한 건데 '루카 돈치치가 OOO 게임을 한다'라는 것만 프롬프트로 준 경우, DSA는 기존 어텐션 알고리즘과 달리 다른 사전학습 결과를 활용해서 이 문장의 'OOO'이 '농구'를 의미한다는 것을 이해하고 추론 작업을 진행한다는 겁니다. 이후, 여러 개의 트랜스포머 블록들이 이를 테면 '문맥 지식'에 '어텐션'을 결합한 방식으로 최종 결과물을 만든다는 거구요. <div data-app="{&quot;type&quot;:&quot;gridGallery&quot;,&quot;caption&quot;:&quot;&quot;,&quot;displayOption&quot;:&quot;ContentFit&quot;,&quot;images&quot;:[{&quot;url&quot;:&quot;http://t1.daumcdn.net/brunch/service/user/3L0s/image/S1hv0uB_Y5NXk7YWSODFCQF01XI.png&quot;,&quot;width&quot;:&quot;1017&quot;,&quot;height&quot;:&quot;601&quot;,&quot;originalName&quot;:&quot;이그나시오(251206), 그림 4- 딥시크 어텐션의 개념적 흐름도.png&quot;}]}"><img alt="이그나시오(251206), 그림 4- 딥시크 어텐션의 개념적 흐름도.png" src="https://img1.daumcdn.net/thumb/R1280x0.fpng/?fname=http://t1.daumcdn.net/brunch/service/user/3L0s/image/S1hv0uB_Y5NXk7YWSODFCQF01XI.png"> </div> &lt;그림 5&gt;는 기존 트랜스포머-어텐션 방식과 딥시크의 어텐션 방식을 저자가 한 장의 그림으로 비교한 겁니다. <div data-app="{&quot;type&quot;:&quot;gridGallery&quot;,&quot;caption&quot;:&quot;&quot;,&quot;displayOption&quot;:&quot;ContentFit&quot;,&quot;images&quot;:[{&quot;url&quot;:&quot;http://t1.daumcdn.net/brunch/service/user/3L0s/image/YuZDZ35PATE_rTF9sRtKlUCDPog.png&quot;,&quot;width&quot;:&quot;1022&quot;,&quot;height&quot;:&quot;558&quot;,&quot;originalName&quot;:&quot;이그나시오(251206), 그림 5- 기존 어텐션과 딥시크 어텐션 비교.png&quot;}]}"><img alt="이그나시오(251206), 그림 5- 기존 어텐션과 딥시크 어텐션 비교.png" src="https://img1.daumcdn.net/thumb/R1280x0.fpng/?fname=http://t1.daumcdn.net/brunch/service/user/3L0s/image/YuZDZ35PATE_rTF9sRtKlUCDPog.png"> </div> 연결주의(connectionism)에 입각한 딥러닝 방식은 단순한 그래프 모델이나 온톨로지를 결합한 팔란티어 방식같은 기호주의(symbolism)가 결합되어야 한다는 방향성을 재확인할 수 있습니다. 통계학, 컴퓨터 과학 같은 기초학문에 충실한 인재들이 진짜 혁신을 만들어 간다는 것을 이해한다면, 양을 늘리는 게 중요한 게 아니라 질을 높여야 한다는 것도 확인할 수 있구요.  자원에 대한 제약 없이 에너지와 컴퓨팅 자원을 무한정 늘려가는 미국 기업들의 AI 접근방식이 얼마나 비효율적인지 다시 한 번 생각해 봐야 하지 않을까요? 국가든 기업이든 많은 자원을 투입한다고 반드시 훌륭한 혁신이 만들어지는 것은 절대 아닙니다. 오히려, 결핍을 느낄 때, 부족한 곳에서 혁신이 일어날 가능성이 더 큽니다. 돈도, 시간도, 기술 인재도, 또 뭐가 진정한 혁신인지를 알고 이를 추구하는 리더도 부족한 우리나라는 어떤 전략으로 AI 전쟁에 대응해야 할지 또 한 번 생각하게 만드는 글이었습니다.  저는 이재명 정부가 출범하기 전인 지난 5월, 교수신문에 '국가 AI G3 전략'의 문제점과 개선방향을 제안하는 3개의 시리즈 글을 게재한 바 있습니다. 새 정부에서 새로운 전략으로 잘 추진 중이겠죠? 과연 그런지 아닌지 계속 지켜 보겠습니다.  #1. <a href="https://www.kyosu.net/news/articleView.html?idxno=134058" target="_blank">‘국가 AI 전략’의 의미와 주요국 정부/기업 전략 검토</a>#2. <a href="https://www.kyosu.net/news/articleView.html?idxno=134287" target="_blank">‘국가 AI G3 전략’의 타당성 검토와 재정립 방향 제안</a> #3. <a href="https://www.kyosu.net/news/articleView.html?idxno=134979" target="_blank">‘국가 AI 전략’에 대한 심층 논의와 운영 개선 제안</a>  #딥시크 #트랜스포머 #멍청한_어텐션 #똘똘한_어텐션 #AI_G3전략 #중국LLM #미국LLM #연결주의 #기호주의 #팔란티어 #온톨로지 #인재는_양보다_질_우선 #기초과학의_중요성 #자원결핍과_혁신 </div></div>

김덕현

Medium 기고자 중 한 사람인 Ignacio de Gregorio의 글을 소개합니다. 'The New Chinese Humiliation'이라는 제목인데 '중국이 던져 준 새로운 굴욕'이라는 의미겠죠. 원문 링크 요점은 DeepSeek는 최신 모델인 DeepSeek Sparse Attention(DSA)이라는 새로운 어텐션 알고리즘을 적용함으로써 종래의

AI G3 전략, 미국 방식 vs. 중국 방식

댓글