딥시크가 2026년 7월 자체 AI 추론(inference) 칩 개발에 착수했다. 미국의 GPU 수출 규제가 역설적으로 중국 AI 반도체 자립을 가속화하는 구조를 분석한다. 추론 칩이 학습 칩과 어떻게 다른지, 즈푸·바이두·알리바바도 뛰어든 자체 칩 경쟁 현황, 오픈AI·구글·앤트로픽의 자체 실리콘 전략과 비교, 그리고 딥시크 API를 프로덕션에서 쓰는 개발자를 위한 멀티 프로바이더 전략과 로컬 추론 옵션까지 정리한다. AI API 가격 구조와 지정학적 리스크 모두를 이해해야 하는 시대다.
딥시크가 자체 AI 추론 칩 개발에 착수했다. 2026년 7월 초 보도된 이 소식은 단순한 하드웨어 뉴스가 아니다. 저가 AI 모델로 실리콘밸리를 흔들었던 중국 AI 스타트업이 이번에는 칩까지 직접 만들겠다고 나선 것이기 때문이다. 미국의 GPU 수출 규제가 오히려 중국의 반도체 자립을 가속화하는 역설적 상황이 현실화되고 있으며, 이 흐름은 개발자가 매일 호출하는 AI API의 가격 구조에도 영향을 줄 수 있다.
딥시크는 현재 엔비디아 H800과 화웨이 어센드(Ascend) 칩으로 서비스를 운영 중이다. H800은 원래 중국 시장용으로 설계된 엔비디아 칩이었지만, 미국 정부가 2023년 말 이 칩의 수출도 금지하면서 딥시크는 사실상 최신 엔비디아 GPU를 구매할 수 없게 됐다. 추론 모델 R1 역시 H800으로 학습됐지만, 앞으로의 모델 개발과 서비스 확장에는 더 강력한 칩이 필요하다.
화웨이 어센드 시리즈는 현재 중국 내 대안으로 사용되고 있지만, 최신 엔비디아 칩 대비 소프트웨어 생태계와 성능 최적화에서 격차가 있다는 것이 업계 평가다. 딥시크는 이 두 의존성을 동시에 줄이기 위해 추론 전용 자체 칩 개발을 선택했다. 중국 정부도 기술 기업들에게 국산 반도체 개발을 독려하고 있어 이 흐름은 정책적 지원도 받는 상황이다.
AI 반도체는 크게 두 종류로 나뉜다. 학습(training) 칩은 AI 모델의 파라미터를 처음 만드는 과정에 쓰이며, 수천~수만 개의 GPU가 병렬로 작동해야 하기 때문에 통신 대역폭과 메모리가 매우 중요하다. 엔비디아 H100, H200, B200 같은 고가 데이터센터 칩이 여기에 해당한다.
딥시크가 개발 중인 추론(inference) 칩은 이미 학습된 모델이 사용자 질문에 응답을 생성하는 단계에 특화된다. 서비스 운영 비용의 대부분을 차지하는 것이 이 추론 단계이기 때문에, 추론 칩의 가성비가 높아지면 API 운영 비용이 직접 줄어든다. 딥시크 V3, R1 같은 모델이 초저가 API 가격을 제공할 수 있었던 것도 부분적으로는 추론 효율화에서 비롯됐다. 자체 추론 칩이 완성되면 이 비용 절감이 더 심화될 수 있다.
현재 딥시크의 자체 칩 프로젝트는 이른 단계에 있다. 약 1년 전부터 내부적으로 프로젝트가 진행됐으며, 외부 반도체 설계 업체들과 협력 체계를 구축하고 칩 설계 엔지니어 채용을 확대하고 있다는 것이 여러 소식통을 통해 알려진 내용이다. 딥시크 측은 공식 확인을 하지 않았지만, TechNode·TechPortal·한국일보 등 여러 매체가 비슷한 내용을 보도했다.
칩 설계는 팹리스(fabless, 제조를 외부에 맡기는 방식) 형태로 진행될 가능성이 높다. 제조는 SMIC(중국 최대 파운드리) 또는 TSMC 제한 범위 내 협력사를 활용할 것으로 전망된다. 다만 고급 공정(3nm, 5nm)에 대한 접근이 수출 규제로 제한되어 있어 성능 격차는 당분간 존재할 것으로 보인다.
딥시크만의 움직임이 아니다. 화웨이는 최근 딥시크, 즈푸(智谱AI), 미니맥스(MiniMax) 등 중국 대표 AI 기업 20여 곳을 소집해 자사 어센드 칩 생태계 확대를 논의했다. 이는 화웨이가 단순 칩 판매를 넘어 AI 인프라 플랫폼으로 도약하려는 전략의 일환이다.
즈푸 AI도 자체 추론 칩 연구를 진행 중이라는 보도가 있으며, 바이두는 이미 자체 AI 칩 '쿤룬(Kunlun)'을 여러 세대 개발해왔다. 알리바바 또한 클라우드 서비스용 자체 칩 '한광(Hanguang)'을 운영 중이다. 엔비디아 의존도를 줄이려는 흐름이 중국 AI 업계 전반으로 확산되고 있는 것이다.
사실 자체 AI 칩 개발은 딥시크만의 특이한 행보가 아니다. 빅테크들은 이미 수년 전부터 자체 실리콘에 대규모 투자를 해왔다.
딥시크의 자체 칩 개발은 이러한 흐름에서 보면 자연스러운 귀결이다. AI 규모가 커질수록 범용 GPU에 의존하는 것보다 자체 최적화된 칩이 비용 효율이 높아지기 때문이다.
딥시크의 자체 추론 칩 개발이 성공한다면 개발자 입장에서 가장 직접적인 영향은 API 가격의 추가 하락이다. 딥시크 V3는 이미 입력 100만 토큰당 $0.27이라는 파격적인 가격을 제공 중인데, 하드웨어 비용까지 자체 해결하면 이 마진은 더욱 개선될 수 있다.
반대로 경쟁 AI 업체들 — 오픈AI, 앤트로픽, 구글 — 입장에서는 이미 진행 중인 가격 인하 압박이 더 심해질 수 있다. 이는 소규모 서비스를 AI API 위에 구축하는 개발자들에게 호재지만, AI 래퍼 스타트업의 마진은 더 얇아질 수도 있다는 뜻이기도 하다.
단기적으로 딥시크 자체 칩의 실제 성능이 검증되기까지는 시간이 걸린다. 공정 제한과 소프트웨어 생태계 미성숙 문제가 있기 때문이다. 하지만 중장기적으로 AI 인퍼런스 비용은 지속적으로 낮아지는 추세이며, 딥시크의 행보는 그 속도를 더 높일 것으로 보인다.
이번 사태에서 주목할 역설이 있다. 미국이 중국 AI 기업들의 최신 GPU 접근을 막은 것이 오히려 중국의 반도체 자립을 자극하고 있다는 점이다. 딥시크는 GPU를 제대로 확보하지 못하는 제약 속에서도 알고리즘 효율화로 세계 수준의 AI 모델을 만들어냈고, 이제 하드웨어까지 직접 손에 넣으려 한다.
수출 규제가 단기적으로는 중국 AI 발전을 늦출 수 있지만, 장기적으로는 의존성 자체를 제거하게 만드는 역효과가 현실화되고 있는 것이다. 이 과정에서 AI 인프라의 지정학적 분화가 심화되고, 개발자들이 선택하는 AI API와 클라우드 인프라가 지역별로 달라질 가능성도 높아지고 있다.
가능성은 높다. 현재 딥시크가 서비스 운영에 드는 인퍼런스 비용의 상당 부분이 엔비디아·화웨이 칩 임대·구매 비용이다. 자체 칩이 성공적으로 양산되고 성능이 검증되면, 하드웨어 비용 절감이 API 가격 인하로 이어질 수 있다. 단, 칩 개발·검증·양산까지 수년의 시간이 필요하기 때문에 단기적인 가격 변동보다는 중장기 트렌드로 봐야 한다.
단기적으로는 어렵다. 딥시크가 개발 중인 칩은 학습(training)용이 아니라 추론(inference) 전용이다. 엔비디아 H100은 학습과 추론 모두에 범용으로 사용되는 반면, 딥시크 칩은 자사 모델의 추론에 최적화될 것으로 보인다. 또한 제조 공정 접근 제한으로 인해 최신 엔비디아 칩의 전반적인 성능 수준에 도달하기까지 상당한 시간이 필요하다.
지정학적 리스크는 분명히 존재한다. 딥시크는 중국 기업이기 때문에 미중 기술 분쟁이 심화될 경우 서비스 정책이 변경되거나 접근 제한이 생길 수 있다. 자체 칩 개발 자체보다는 이러한 지정학적 요인이 더 큰 리스크다. 오픈AI, 앤트로픽 등 다른 공급사로 전환 가능한 추상화 레이어를 미리 만들어 두는 것을 권장한다.
그렇다. 딥시크 R1 7B, 14B, 32B 등은 오픈 가중치 모델로 공개돼 있어 Ollama나 LM Studio를 통해 로컬에서 완전히 독립적으로 실행할 수 있다. API 의존성과 지정학적 리스크를 동시에 제거할 수 있는 방법이다. 다만 모델 크기에 따라 충분한 VRAM이 필요하며, 클라우드 API 대비 속도가 느릴 수 있다.
가장 큰 이유는 소프트웨어 생태계 차이다. 엔비디아 GPU는 CUDA라는 성숙한 프로그래밍 플랫폼과 방대한 라이브러리 생태계를 갖추고 있다. 화웨이 어센드는 자체 소프트웨어 스택(MindSpore, CANN)을 사용하는데, PyTorch·JAX 등 주류 프레임워크와의 호환성 작업이 아직 완전하지 않다. 실제 성능도 최신 엔비디아 칩 대비 격차가 있다는 것이 업계의 일반적인 평가다.
그렇다. 구글(TPU), 아마존(Inferentia·Trainium), 메타(MTIA), 오픈AI(할라페뇨 프로젝트) 등 주요 AI 기업들이 이미 자체 AI 칩 개발에 투자하고 있다. 대규모 AI 서비스를 운영할수록 범용 GPU 의존에서 탈피해 자체 최적화 칩을 쓰는 것이 장기적으로 비용 효율이 높다는 판단에서 비롯된 공통적인 전략이다. 딥시크의 움직임은 이 흐름에서 보면 자연스러운 귀결이다.
