답변게시됨2개월 전Last edited 2개월 전14 소스

딥시크는 왜 엔비디아보다 비효율적인 화웨이 칩으로 AI 훈련을 추진하나

딥시크의 화웨이 칩 전략은 당장의 비용·성능 효율보다 엔비디아 공급 불확실성에 대비한 장기적 컴퓨팅 자립에 초점이 맞춰져 있다. 내몽골 울란차부의 약 1GW 데이터센터에는 Ascend 950DT 최소 16만 개가 계획돼 있지만, 현재 목적은 대규모 사전학습이 아닌 모델 서비스용 추론이다.

게시자GPT-5.6 Terra로 편집GPT Image 2로 이미지 생성

Studio Global AI로 검색 및 팩트체크 인기 페이지 더 보기

연구 답변

주요 시사점

딥시크의 화웨이 칩 전략은 당장의 비용·성능 효율보다 엔비디아 공급 불확실성에 대비한 장기적 컴퓨팅 자립에 초점이 맞춰져 있다.
내몽골 울란차부의 약 1GW 데이터센터에는 Ascend 950DT 최소 16만 개가 계획돼 있지만, 현재 목적은 대규모 사전학습이 아닌 모델 서비스용 추론이다.
화웨이 최적화 V4와 자체 AI 칩 개발은 특정 공급업체에만 의존하지 않는 중국산 AI 하드웨어·소프트웨어 생태계 구축을 위한 병행 전략으로 볼 수 있다.

Why is DeepSeek making training its AI models on Huawei’s domestically produced chips a major priority—despite a failed earlier attempt withAI-generated editorial hero image for Why is DeepSeek making training its AI models on Huawei’s domestically produced chips a major priority—despite a failed earlier attempt with.
AI 프롬프트
Create a landscape editorial hero image for this Studio Global article: Why is DeepSeek making training its AI models on Huawei’s domestically produced chips a major priority—despite a failed earlier attempt with. Article summary: DeepSeek’s priority is strategic resilience rather than near term chip efficiency: it wants a viable domestic training stack before U.S.. Topic tags: general web, ai, workflow, productivity, code. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make i
openai.com

딥시크가 화웨이의 국산 AI 칩을 모델 훈련에 쓰려는 이유는 단기 성능 경쟁보다 전략적 회복력에 있다. 현시점에서 최첨단 모델 훈련의 효율은 엔비디아 장비가 우세하다는 평가가 많다. 그럼에도 미국의 수출통제로 엔비디아 고성능 가속기 확보가 더 어려워질 수 있는 상황에서, 딥시크는 중국 내에서 작동하는 훈련용 컴퓨팅 스택을 미리 갖추는 데 의미를 둔 것으로 해석된다.

910C의 난항에도 재도전하는 배경

앞서 딥시크의 R2를 화웨이 Ascend 910C로 훈련하려던 시도는 하드웨어·소프트웨어 제약으로 성공하지 못한 것으로 전해졌다. 또 화웨이 프로세서 약 4개가 엔비디아 GB300 1개에 해당한다는 추정은 현재의 성능·전력 효율 격차를 보여준다.

그렇다고 이 전략이 단순히 성능 비교에서 불리한 선택이라는 뜻은 아니다. 실제 대규모 작업을 화웨이 플랫폼에 올리면 컴파일러, 프레임워크, 커널, 네트워크, 모델 구조와 운영 도구를 함께 다듬을 수 있다. 즉, 딥시크 입장에서는 칩을 구매하는 것만큼이나 중국산 훈련 생태계를 검증하고 개선하는 과정이 중요하다.

훈련용 칩 공급은 2026년 말부터가 목표

보도에 따르면 딥시크는 화웨이가 훈련 특화 칩을 2026년 4분기부터 공급하고, 2027년 초에는 공급이 더 확대될 것으로 기대하고 있다. 화웨이는 Ascend 950DT 시스템이 이듬해 모델 훈련에 폭넓게 쓰일 것으로 예상했으며, Ascend 960DT는 2027년 1분기 출시 일정으로 제시했다. 다만 생산능력과 부품 수급은 실제 도입 속도를 좌우할 변수다. 1

16만 개 950DT는 우선 ‘훈련’이 아니라 ‘추론’용

딥시크는 내몽골 울란차부에 짓는 약 1GW급 데이터센터에 화웨이 Ascend 950DT 가속기를 최소 16만 개 설치하는 방안을 추진 중이다. 실현되면 알려진 사례 가운데 최대급 중국산 AI 칩 클러스터 중 하나가 될 수 있다. 1

다만 이 물량은 당장 최첨단 모델의 사전학습을 엔비디아 장비에서 완전히 대체하기 위한 것은 아니다. 보도상 딥시크는 950DT를 이미 훈련된 모델을 이용자 요청에 맞춰 실행하는 추론(inference) 에 우선 투입할 계획이다. 설치 시점도 화웨이의 생산 역량에 달려 있다. 2

이 구분은 핵심적이다. 추론은 대규모 이용자 서비스에서 안정성, 비용, 배포 최적화가 관건인 반면, 대규모 사전학습은 수많은 칩을 장기간 연결해 운용해야 하므로 칩 성능뿐 아니라 소프트웨어와 통신 체계의 완성도가 훨씬 더 중요하다.

V4 최적화가 보여준 다음 단계

딥시크 V4는 화웨이 칩에서 돌아가도록 조정된 버전으로 공개됐다. 이는 완성된 모델을 다른 칩에 단순 이식하는 수준을 넘어, 모델과 하드웨어·소프트웨어를 함께 설계하고 맞추는 접근이다. 화웨이가 대규모 훈련 작업을 안정적으로 처리하려면 이 같은 공동 최적화와 현장 운용 경험이 축적돼야 한다. 3

따라서 950DT 대규모 추론 배치는 훈련 전환의 완성이기보다는, 이후 훈련까지 가능한 국내 플랫폼을 만들기 위한 현실적인 중간 단계에 가깝다.

화웨이만 바라보는 전략은 아니다

딥시크는 자체 AI 칩도 개발 중인 것으로 보도됐다. 이 계획이 구체화하면 엔비디아뿐 아니라 화웨이에 대한 의존도도 낮출 수 있다. 화웨이와의 협력은 딥시크의 유일한 종착점이라기보다, 공급망 선택지를 넓히고 중국 내 생태계를 키우는 가교 전략으로 볼 수 있다. 4

미국 수출통제가 바꾼 중국 AI 칩 시장

미국의 수출통제는 중국 기업에 국산 칩 전환을 산업정책상의 선택이 아니라 운영상 필요로 만들었다. 화웨이는 자사 AI 컴퓨팅 제품 수요가 공급을 웃돈다고 밝혔고, 중국 내 Ascend 점유율이 엔비디아를 넘어섰다고 자체 평가했다. 다만 점유율 수치는 독립적인 시장조사 결과가 아니라 화웨이 측 판단이라는 점은 구분해서 볼 필요가 있다. 1

단기적으로 엔비디아는 최상위급 훈련 성능에서 우위를 유지할 가능성이 있다. 그러나 접근 제한이 이어질수록 중국 고객들은 국산 칩, 소프트웨어, 데이터센터 인프라에 더 많은 자원을 투입하게 된다. 딥시크의 화웨이 최적화 V4, 950DT 기반 대규모 추론 단지, 훈련용 칩 도입 준비, 자체 칩 개발은 모두 중국이 반도체와 AI 컴퓨팅 공급망을 자립적으로 구축하려는 흐름과 맞닿아 있다. 3 4

Studio Global AI

연구를 계속하세요

이 페이지에는 Studio Global 내에서 계속할 수 있는 소스 기반 답변이 포함되어 있습니다.

Studio Global AI로 검색 및 팩트체크

사람들은 또한 묻습니다.