딥시크는 왜 같은 전선에서 싸우지 않는가

“가격을 4분의 1로 낮추자 회사 단체방에서 많은 사람들이 환호했다.”

가격을 낮춰 매출을 포기한 회사에서 직원이 환호했다. 이 장면을 오픈소스 미담으로만 읽으면 딥시크의 선택들을 설명할 수 없다. 가격, 공개, 연구 자율성은 매출 극대화보다 AGI 연구의 속도와 지속성을 우선한다는 가설로 함께 읽힌다. 이 글은 그 가설이 가격, 제품, 오픈소스, 팀 운영에서 어디까지 맞는지 확인한다.

이 장면은 2026년 7월 중국 언론이 입수했다고 보도한 약 네 시간짜리 투자자 미팅 정리본에 나온다. 딥시크는 기사 발행 당시 기록의 진위를 공식 확인하지 않았다. 따라서 아래 내용은 확정된 회사 방침이 아니라 량원펑의 자기 설명과 실제 선택이 얼마나 맞아떨어지는지를 보는 해석이다.

보통 회사에서 가격 인하는 매출과 마진을 걱정하게 만든다. 딥시크에서는 반대 반응이 나왔다.

이 글의 중심 프레임은 하나다. 딥시크의 가격, 공개, 조직 운영은 매출 극대화보다 AGI 연구의 속도와 지속성을 우선하는 선택으로 읽을 수 있다.

싸게 파는 게 아니라, 더 멀리 간다

가격 기준도 일반적인 소프트웨어 회사와 달랐다. 서버를 산 뒤 열 달 안에 장비값을 회수할 수 있으면 충분하다고 봤다. 가격 때문에 쓰기를 포기하는 사람이 거의 없다면 더 내릴 이유도 크지 않다고 했다.

가격은 받을 수 있는 최대치가 아니었다. 더 많은 사람이 마음껏 쓰면서도 다음 연구를 이어갈 수 있는 선이었다.

그는 이 결정을 자선으로 설명하지 않았다. 지금 가져갈 수 있는 이익의 일부를 내주면 연구자의 성취감과 팀의 결속, 외부 개발자의 지지를 얻고 더 많은 사람이 모델을 쓰게 된다. 그런 선택이 AGI에 먼저 닿을 가능성을 높인다는 계산이다.

딥시크는 이미 소비자 서비스를 운영하고 API를 판다. 량원펑은 기업용 API 수요가 충분히 커지면 그 수입으로 연구개발 비용 전체를 감당할 수 있다고 봤다. 돈을 벌지 않겠다는 말이 아니다. 돈이 다음 연구 과제까지 정하게 두지는 않겠다는 말이다.

가격 인하를 마진 감소로 볼지 사용 확대로 볼지는 회사가 무엇을 우선하는지에 달려 있다. 딥시크의 단체 채팅방은 사용 확대를 반겼다.

같은 전선에서 싸우지 않는다

일반적인 모델 회사의 선순환은 익숙하다. 좋은 모델로 제품을 만들고, 사용자와 기업 고객을 모아 매출과 데이터를 얻고, 그 자원으로 더 좋은 모델을 만든다. 많은 기술 회사가 실제로 이렇게 자랐다.

하지만 제품은 매출과 함께 약속도 만든다.

기업 고객이 늘면 안정적인 서비스와 지원이 필요해진다. 사용자는 불편한 기능을 고쳐달라고 하고, 영업조직은 계약에 필요한 기능을 로드맵에 넣으려 한다. 사용자가 많아질수록 보안과 법무, 고객지원과 운영 인력도 함께 커진다.

공식적인 결정권은 회사에 남아 있어도, 큰 고객과 매출 지표는 연구의 실제 순서를 조금씩 바꾼다. 제품이 잘될수록 회사는 그 제품을 계속 굴리겠다는 약속에서 자유롭기 어렵다.

량원펑이 경계하는 것은 제품 자체가 아니다. 제품의 성공이 연구 순서를 다시 쓰는 순간이다.

딥시크는 챗봇 사용자가 급증했을 때도 그들을 붙잡을 슈퍼앱에 자원을 몰아넣지 않았다. 소비자 트래픽과 기업 매출을 포기한 것은 아니지만, AGI 연구와 같은 줄에 세우지도 않았다. 량원펑은 소비자 서비스와 API를 AGI로 가는 길에서 나온 중간 산출물이라고 설명했다.

제품의 빈틈도 자원 배분의 흔적일 수 있다. 불편을 고치지 않는 일이 언제나 좋은 전략인 것은 아니다. 미완성은 그냥 미완성일 수도 있다. 량원펑의 설명을 따르면 그 선택 뒤에는 이런 계산이 있다.

이 기능을 완성하는 데 연구자의 시간을 쓸 것인가, 다음 모델을 만드는 데 쓸 것인가.

첫 고객은 시장이 아니라 다음 모델이다

량원펑이 그린 기술 로드맵은 언어 모델에서 추론 모델로, 다시 여러 단계를 실행하는 에이전트와 지속 학습으로 이어진다. 지속 학습이 가능해지면 AI가 한 조직과 환경 안에서 계속 배우고, 그다음에는 AI가 AI 연구를 도우며 자신의 다음 버전을 만드는 데까지 참여할 수 있다고 본다. 체화 지능으로 가는 길은 그 뒤에 더 쉬워진다는 설명이다. 널리 합의된 AGI 경로가 아니라 딥시크가 고른 가설이다.

편집된 질의응답에는 이 로드맵을 더 분명하게 보여주는 대목이 있다. 딥시크 모델의 우선 사용자는 외부 고객이 아니라 내부 연구팀이라는 설명이다. 다음 세대를 만드는 속도를 먼저 올리고 그 결과를 외부에 내주는 편이 AGI에 빨리 닿는 길이라고 했다. 가장 먼저 밀고 있는 응용도 범용 코딩 에이전트였다. 금융이나 의료처럼 산업별로 특화된 에이전트는 뒤로 미뤘다.

모델의 첫 고객이 다음 모델을 만드는 사람이면 평가 기준도 달라진다.

하루에 몇 명이 접속하는지, 구독료를 얼마나 받을 수 있는지도 중요하다. 먼저 확인할 것은 따로 있다. 이 모델이 연구자의 시간을 얼마나 줄였는가. 다음 실험을 얼마나 빨리 시작하게 했는가. 실제로 다음 세대를 만드는 데 쓸 수 있는가.

좋은 모델이 다음 모델을 만드는 도구가 되면 연구는 한 번 끝나는 프로젝트가 아니다. 앞선 성과가 다음 시도를 밀어주는 구조가 된다. 량원펑이 먼저 만들려는 것도 이 구조다.

오픈소스는 양보가 아니라 전선 이동이다

오픈소스는 보통 경쟁 우위를 내어주는 선택으로 읽힌다. 힘들게 만든 모델을 공개하면 경쟁사가 그대로 가져갈 수 있고, 다른 회사가 그 위에서 더 나은 제품을 만들어 고객과 매출을 차지할 수도 있다.

량원펑은 그 가능성을 부정하지 않는다. 대신 경쟁력이 쌓이는 위치를 다르게 본다.

그는 가장 강한 모델도 계속 공개할 가능성이 높다고 말했다. 파일을 열어줘도 경쟁사가 딥시크와 같은 비용으로 배포하고 운영할 수 있는 것은 아니며, 원리를 안다고 해서 같은 속도로 다음 모델까지 만들 수 있는 것도 아니라는 주장이다.

같은 관점이 2024년 인터뷰에도 이미 있었다. 당시 그는 폐쇄형 기술이 만드는 우위는 오래가지 않을 수 있다고 말했다. 딥시크가 가치를 쌓으려는 곳은 모델 파일이 아니라 그 모델을 만드는 과정에서 쌓인 팀의 경험과 노하우, 다시 혁신할 수 있는 조직과 문화라고 했다.

가중치는 내려받을 수 있다. 그 모델을 만들며 버린 가설과 실패의 기록, 여러 세대를 함께 통과한 팀은 내려받을 수 없다.

낮은 비용도 같은 자리에 놓인다. 량원펑은 저비용을 마케팅 목표가 아니라 모델 구조와 계산 효율을 개선한 결과로 설명한다. 계산 효율이 오르면 같은 GPU로 더 큰 모델을 훈련할 수 있고, 같은 자원으로 더 많은 실험을 돌릴 수 있다. 실패한 실험을 버리고 다음 가설로 넘어가는 값도 싸진다.

계산 비용이 내려가면 원가만 줄어드는 것이 아니다. 한 번 틀렸을 때 치르는 대가가 작아진다. 틀릴 수 있는 횟수가 늘어난다.

딥시크의 낮은 API 가격은 내부에서 올린 계산 효율이 가격표까지 내려온 결과다. 같은 자원으로 더 멀리 갈 수 있게 되자 가격도 함께 내려갔다.

가격만 보면 값싼 모델을 파는 회사다. 계산 효율을 기준으로 보면 같은 GPU와 같은 시간으로 더 멀리 가려는 연구 조직이다.

모델은 공개해도, 팀은 공개하지 않는다

량원펑이 절대 양보할 수 없다고 말한 것은 기술도 시장 점유율도 아니었다. 팀의 안정성이었다.

핵심 인력이 계속 함께한다면 돈과 계산 자원의 부족은 AGI에 닿는 시점을 늦출 뿐이라고 그는 설명했다. 반대로 팀이 흔들리면 다음 모델을 만드는 능력 자체가 사라진다. 외부 자금 조달로 구성원들이 지분 보상을 받게 된 일도 그 위험을 낮췄다고 봤다.

창업자의 주장이다. 앞선 선택들과 나란히 놓으면 서로 어긋나지 않는다.

현재 모델은 공개할 수 있다. API에서 가능한 최대 이익을 남기지 않아도 되고, 모든 응용 시장에 직접 들어가지 않아도 된다. 경쟁사를 굳이 적으로 만들 필요도 없다. 그러나 연구팀이 흩어지면 다음 모델을 만드는 속도만 사라지는 게 아니다. 어떤 실험을 버리고 무엇을 더 파야 하는지 아는 감각이 함께 사라진다.

모델 파일보다 조직이 중요하다면, 인재 유출은 인사 문제가 아니라 기술 손실이다.

가격 인하와 공개 모델은 팀을 지키는 방식이기도 하다. 연구자들이 자기가 만든 기술을 비싸게 지키는 것보다 더 많은 사람이 쓰는 데서 성취감을 느낀다면, 낮은 가격과 공개 모델은 시장 정책을 넘어 채용 조건에 가까워진다. 어떤 연구자가 이 회사에 남고 싶어 할지를 정하는 문화다.

시간을 남겨야 다음 모델이 나온다

딥시크의 조직은 겉으로 보면 통제가 느슨하다.

량원펑의 설명에 따르면 모델 출시처럼 모두가 함께해야 하는 공식 과제는 위에서 아래로 배분한다. 연구자가 중요하다고 판단한 문제는 아래에서 위로 올라온다. 그는 공식 과제가 구성원 시간의 절반을 넘지 않게 한다고 말했다. 나머지 절반에는 연구자가 스스로 고른 문제를 판다. 전사 KPI가 없고, 연구에는 느슨한 환경이 필요하다는 이유로 야근도 많지 않다고 했다.

방향까지 느슨한 것은 아니다. AGI라는 목표는 단단히 박혀 있고, 자유로운 것은 거기에 닿는 경로와 문제 선택이다. 회사는 목표를 좁히고, 연구자는 그 안에서 길을 고른다.

남겨둔 절반은 복지 시간이 아니다. 회사가 미리 용도를 정하지 않은 시간이고, 다음 문제가 발견될 여지다. 기능 하나를 덜 만들고 제품 라인 하나를 늘리지 않을 때마다 그 절반이 지켜진다.

절제는 덜 일하는 태도가 아니라, 무엇에 시간을 쓰지 않을지 미리 정해두는 운영 규칙이다.

시장 영향력을 줄인다고 연구자의 권한이 자동으로 커지지는 않는다. 시장의 요구가 빠진 자리를 창업자의 확신이 전부 차지할 수도 있다. “AGI에 도움이 되는가”라는 질문이 모든 반대를 닫는 구호가 되면, 연구 방향을 정하는 권한은 연구팀이 아니라 한 사람에게 쏠린다.

목표를 충분히 나눠 가졌을 때 자율은 탐색이 된다. 합의가 흔들리면 각자 다른 곳을 파는 조직이 된다. 규모가 커진 뒤에도 이 균형이 남는지가 딥시크의 다음 문제다.

AGI가 늦어지면 이 전략은 무너진다

설명이 매끄럽다고 전략이 맞는 것은 아니다. 량원펑은 딥시크의 여러 선택을 같은 방향으로 설명하지만, 그 전제가 맞는지는 별개의 문제다.

먼저 AGI가 열 기회가 지금 보이는 제품 시장보다 실제로 훨씬 커야 하고, 그 시점도 충분히 가까워야 한다. AGI의 도착이 늦어지거나 전혀 다른 모양으로 나타난다면, 딥시크가 작은 기회로 본 소비자 서비스와 기업 시장이 오히려 회사를 오래 먹여 살릴 본업이 된다.

제품을 돈 버는 수단으로만 봐도 되는지도 확실하지 않다. 제품은 실제 사용자의 실패와 요구가 쌓이는 연구 환경이기도 하다. 지속 학습과 에이전트가 현실의 긴 작업을 배우려면 기업 환경의 데이터와 피드백이 필요할 수 있다.

그렇다면 제품 조직을 작게 유지하는 선택은 연구자의 시간을 지키는 동시에 현실에서 나오는 신호를 놓치게 만든다. 딥시크가 작은 기회로 여긴 제품이 사실은 필요한 실험실이었을 가능성이 남는다.

오픈소스도 한 방향으로만 작동하지 않는다. 생태계가 커지면 딥시크의 기술은 더 널리 쓰이지만, 클라우드 회사와 애플리케이션 회사가 고객 관계와 이익 대부분을 가져갈 수도 있다. 경쟁력이 다음 세대를 먼저 내놓는 능력이라면 한 번 앞서는 것으로는 부족하다. 공개한 뒤에도 다음 세대에서 다시 먼저 도착해야 한다.

외부 자본은 이 긴장을 키운다. 첫 외부 자금으로 계산 자원을 늘리고 연구자에게 보상하며 팀을 안정시킬 수 있다. 동시에 외부 자본에는 성장과 회수에 대한 기대가 붙는다.

투자 자체보다 봐야 할 곳은 투자자가 어떤 결정에 영향력을 갖게 됐는지다. 자금이 계산 자원과 팀 안정성으로 흘러가는 동안에는 량원펑의 전략과 부딪히지 않는다. 매출 목표와 상장 일정이 연구의 순서를 건드리기 시작하면 회사가 아침에 가장 먼저 보는 숫자가 달라진다.

무엇보다 지금까지 읽은 것은 창업자의 설명이다. 조직이 실제로 같은 기준으로 움직이는지는 발언만으로 확인할 수 없다.

딥시크가 지키는 건 모델이 아니라 다음 모델이다

나는 처음에 딥시크를 적은 비용으로 좋은 모델을 만들고 낮은 가격과 오픈소스로 시장을 흔든 중국 회사로 봤다.

량원펑의 발언을 읽고 나니 순서가 달라졌다. 오픈소스와 저가 API는 출발점이 아니라 운영 원리에서 나온 결과였다.

딥시크는 더 많은 사람이 모델을 쓰게 하고, 제품에서 매출을 얻고, 외부 자본도 받는다. 동시에 현재 사용자와 제품의 약속, 투자자의 일정이 다음 연구 과제를 대신 정하지 못하게 하려 한다. 오늘의 모델은 열어두되 내일의 모델을 반복해서 만드는 팀과 속도는 지키려 한다.

그가 말하는 절제는 욕망이 작다는 뜻이 아니다. 더 큰 것을 붙잡기 위해, 그보다 작은 성공이 조직의 방향을 틀어버리는 순간을 경계하는 태도다.

시장이 충분히 크다면, 더 많이 가지려는 욕심이 오히려 가장 작은 전략이 된다.

이 원칙이 실제 운영으로 이어지는지는 앞으로의 선택에서 확인될 것이다.

앞으로 딥시크를 볼 때는 무엇을 새로 내놓았는지만 볼 일이 아니다. 더 많은 자본과 사용자를 얻은 뒤에도 무엇을 만들지 않았는지, 어떤 고객 요구를 거절했는지, 가장 강한 모델을 계속 공개했는지, 연구자의 빈 시간을 남겨두는지를 확인해야 한다.

앞으로 무엇을 계속 거절하는지가 그 기준이 남아 있는지를 보여줄 것이다.

---

출처와 확인 범위

제일재경·증권시보, 2026년 7월 23일

딥시크의 첫 외부 자금 조달, 약 네 시간 분량과 3만4000자 이상의 투자자 미팅 기록, 가격 인하 장면과 열 달 회수 기준, AGI 우선순위, 팀 안정성과 조직 운영에 관한 보도를 확인했다. 기사 발행 당시 딥시크는 이 기록에 대한 공식 확인을 내놓지 않았다. 원문 보기

蓝鲸TMT·投资界, 2026년 7월 23일

투자자 미팅의 편집, 축약된 발언록과 질의응답을 참고했다. 지속 학습 로드맵, 내부 연구팀 우선, 코딩 에이전트의 우선순위, 연구 시간 배분, 최상위 모델 공개 의사는 이 편집본에 근거하므로 확정된 실행 계획이 아니라 량원펑이 제시한 방향으로 다뤘다. 원문 보기

36Kr·暗涌 Waves, 2024년 7월

저비용이 모델 구조 연구의 결과라는 설명, AGI를 목적지로 두는 이유, 현재 모델보다 팀의 경험과 혁신 문화를 경쟁력으로 본다는 관점이 이번 투자자 미팅 이전부터 반복됐는지 교차 확인했다. 원문 보기

Reuters, 2026년 7월 23일

AGI와 수익 극대화 사이의 우선순위, 최상위 모델의 공개 가능성, 첫 외부 자금 조달이라는 현재 맥락을 확인했다. 원문 보기

DeepSeek 공식 채널

딥시크가 공식 소개에서 AGI 실현과 장기주의를 조직의 방향으로 제시하고 있으며, DeepGEMM, DeepEP, 3FS, FlashMLA 등 학습, 추론 인프라 저장소를 실제로 공개하고 있음을 확인했다. 공식 Hugging Face

본문의 량원펑 발언은 한국어 문장에 맞게 맥락을 보존해 의역했다. 직접 인용으로 확인되지 않은 표현에는 인용부호를 사용하지 않았다.