2026년 9월 23일, The Information 보도를 인용한 여러 매체에 따르면 DeepSeek 창업자 량원펑(梁文鋒)이 비공개 투자자 회의에서 모델 훈련의 중심을 국산 칩으로 옮기고 화웨이 Ascend 시리즈를 대규모로 훈련에 도입할 계획이라고 밝혔다. 동시에 DeepSeek은 2조 파라미터 모델을 훈련 중이며 8조 파라미터 버전도 계획하고 있다고 한다. 량원펑은 '국산 칩으로 AI 모델을 훈련하는 것'을 회사 최대의 전략적 조치 중 하나로 꼽으며 '반드시 성공해야 한다'고 말했다.
먼저 밝혀둘 점은, 이것이 DeepSeek의 공식 발표가 아니라 비공개 회의 내용의 전해 들은 이야기라는 것이다. 핵심 정보는 The Information 보도에서 나왔고 여러 테크 매체가 따랐지만, DeepSeek도 화웨이도 공식 입장을 내놓지 않았다. '확인되지 않은 소문' 정도의 무게로 읽어야 한다.
비공개 회의에서 나온 이야기
여러 보도를 교차 확인하면 핵심은 네 가지다.
첫째, 훈련이 국산 칩으로 이동한다. 그동안 DeepSeek의 훈련은 주로 NVIDIA 고성능 GPU에 의존했고, 국산 칩은 추론 쪽에서 주로 쓰였다. 이번 이야기에 따르면 화웨이 Ascend가 가장 연산 자원을 많이 먹는 '훈련' 단계에 들어가며, 첫 신형 칩은 이르면 2026년 4분기에 인도된다.
둘째, 모델 규모는 계속 커진다. 훈련 중인 2조 파라미터 모델은 차기 플래그십 V4.1 Pro로 추정된다. 8조 파라미터 버전은 더 먼 계획. 참고로 알리바바 Qwen 3.8 Max는 2.4조 파라미터, 문샷(Moonshot)의 Kimi K3는 2.8조 파라미터다. 8조는 기존 최대 오픈 모델의 약 3배 수준이다.
셋째, 컴퓨트에 돈을 쏟아붓는다. DeepSeek은 국산 AI 컴퓨트 확대에 약 300억 위안을 투자할 계획으로 알려졌고, 내몽골 1GW 데이터센터용으로 화웨이 Ascend 950DT 16만 장을 주문했다는 보도도 나왔다.
넷째, 량원펑의 판단: 화웨이 칩이 수년 내 성능에서 NVIDIA를 따라잡을 것. 이것이 이번 움직임 전체의 자신감의 원천이자 가장 큰 불확실성이다.
컴퓨트 셈법: 4대 1의 대가
국산 칩으로의 전환이 공짜는 아니다. 보도에 나온 환산에 따르면 OpenAI급 최대 모델을 훈련하는 데 NVIDIA GB300 약 5만 장, 또는 화웨이 Ascend 950 최소 20만 장이 필요—대략 4대 1의 비율이다. 다른 수치로는 2조 파라미터 모델 훈련에 Ascend 약 6만 장, NVIDIA H100/H200 약 3만 장이 든다고 한다.
즉 같은 훈련 작업을 국산 루트로 하면 수 배의 물리적 규모, 전력, 운영 복잡도를 치러야 한다. DeepSeek이 거는 것은 두 가지다. 수출 통제로 NVIDIA 최상위 카드 확보가 점점 어려워진다는 것, 그리고 화웨이 칩의 개선 속도가 그 격차를 따라잡을 수 있다는 것.
왜 하필 지금인가
타이밍이 우연은 아니다. 한편으로는 미국의 대중국 칩 수출 통제가 계속 강화되고 NVIDIA의 중국 판매가 번번이 차질을 빚으면서, 카드 비축의 창이 좁아지고 있다. 다른 한편으로 화웨이는 4월에 자사 칩이 이미 DeepSeek 경량 모델 V4-Flash 훈련에 일부 사용됐다고 공개했다. '추론에서의 시험'에서 '훈련의 주력'으로—이번 움직임은 그 시도를 전략으로 격상시킨 것이다.
공교롭게도 바로 하루 전, 알리바바는 자체 개발 AI 칩 '전악(鎮岳) V900'을 발표했다(알리바바, 전악 V900 발표: 성능 3배, 10조 파라미터급 모델 겨냥 (/article/2050-alibaba-launches-zhenwu-v900-triple-the-performance-aiming-at-10-trillion-parame)). 역시 조 단위 파라미터 모델의 훈련과 추론을 겨냥한 것이다. 국산 AI 칩은 '예비안'에서 '본선'으로 이동하고 있고, DeepSeek의 이번 한 수는 그중 가장 무거운 베팅일 뿐이다.
어떻게 볼 것인가
기술적 세부보다 상징적 의미가 크다. 중국 최고 수준의 모델 기업이 처음으로 국산 칩에 '훈련'을 맡긴다고 공개적으로 선언한 셈이기 때문이다. DeepSeek이 정말로 Ascend 위에서 2조 파라미터 모델을 훈련해낸다면 국산 컴퓨트 체인 전체의 실현 가능성을 검증한 것이 된다. 칩, 인터커넥트, 훈련 프레임워크, 운영—모든 고리가 버텨내야 한다.
다만 리스크도 현실적이다. 4대 1의 컴퓨트 비용은 실재하고, 화웨이의 공급은 첨단 메모리와 부품 부족에 제약받으며, 량원펑 본인의 '반드시 성공해야 한다'는 말 자체가 이것이 퇴로 없는 승부임을 보여준다. NVIDIA에게 DeepSeek 같은 간판 고객을 잃는 것은 중국 AI 칩 점유율이 흔들리는 또 하나의 신호다.
일반 개발자에게 단기적으로 API 가격은 변하지 않는다. 하지만 중장기적으로 국산 컴퓨트가 정말로 훈련 비용을 낮출 수 있다면 오픈 모델의 반복 속도와 개방성이 모두 좋아질 수 있다. 우선 2026년 4분기, 화웨이의 첫 납품이 예정대로 도착하는지를 보자. 그것이 이 승부를 검증하는 첫 번째 체크포인트다.
