훈련비 80억 원. OpenAI의 10분의 1. 모델은 무료 오픈소스. 그런데 이론적 수익률은 545%다. 딥시크(DeepSeek)의 수익 구조가 왜 반직관적인지, 어떻게 작동하는지를 해부한다.
2025년 1월 R1 모델 출시 하나로 엔비디아 시총 850조 원을 증발시키고, ChatGPT를 제치고 미국 앱스토어 1위에 오른 이 회사의 비즈니스 모델은 "AI는 막대한 자본이 필요하다"는 상식을 정면으로 부정한다. 무엇이 가능하게 했는가.
📊 1. 핵심 숫자
$560만
V3 사전학습 훈련비
약 80억원 · GPT-4의 약 1/10
545%
이론적 비용 대비 수익률
일간 매출 약 8.1억원 (자체 추정)
30~50배
GPT-4o 대비 API 가격 차이
DeepSeek-V3 기준
기업 개요
설립: 2023년 5월 · 항저우 · 하이플라이어 헤지펀드 분사
창업자: 량원펑(梁文锋) — 하이플라이어 창업자와 동일인
임직원: 약 150명 (데이터 연구팀 31명 포함)
외부 투자: 없음 — 하이플라이어 자체 자금 운영
주요 모델: DeepSeek-V3, R1 (MIT 라이선스 오픈소스)
💰 2. 수익 모델: 오픈소스 역설을 어떻게 푸는가
딥시크의 비즈니스 모델은 "무료 오픈소스 공개 + API 유료 과금"이라는 얼핏 모순적인 구조다. 어떻게 공짜로 풀면서 돈을 버는가.
핵심 이유 1. R1 풀사이즈 모델을 로컬 실행하려면 H100 8장 이상이 필요하다. 대부분의 기업·개발자에게 직접 실행보다 API 호출이 훨씬 경제적이다.
핵심 이유 2. API 단가가 GPT-4o 대비 30~50배 저렴해 대량 이용을 유도한다. "싸니까 더 많이 쓴다"는 수요 창출 전략이다. 기존에 비용 때문에 AI를 못 쓰던 스타트업·개발자가 진입한다.
핵심 이유 3. 오픈소스 공개 자체가 마케팅이다. 전 세계 개발자들이 딥시크 기반 파인튜닝 모델을 만들고 공유하면서 생태계가 확장되고, 유료 API 수요가 따라온다. Red Hat · MySQL의 성공 공식과 동일하다.
API 가격 구조 (2025년 기준)
DeepSeek-V3 — 입력 $0.27/M토큰 · 출력 $1.10/M토큰 (캐시 히트 시 $0.07/M)
DeepSeek-R1 — 입력 $0.14/M토큰 · 출력 $2.19/M토큰 (추론 전용)
배치 API — 50% 할인 (비실시간 대량 처리)
GPT-4o 비교 — 입력 $2.50/M · 출력 $10.00/M → 딥시크가 10~20배 저렴
수익원 구성은 API 과금(추론 서비스)이 약 80%, 기업용 API(엔터프라이즈)가 약 15%, AWS·Azure 등 클라우드 파트너 수익쉐어가 약 5%로 추정된다. 헤지펀드 모회사 하이플라이어가 자체 자금을 대는 구조는 단기 수익화 압박을 없애고, OpenAI·Anthropic이 투자자 압박으로 수익화를 서두르는 것과 근본적으로 다른 전략을 가능하게 한다.
🔧 3. 훈련비 1/10의 비결: 제약이 만든 혁신
미국의 대중국 반도체 수출 규제로 딥시크는 엔비디아 A100·H100 대신 성능이 제한된 H800만 쓸 수 있었다. 이 제약이 오히려 기술 혁신을 강제했다.
MoE (Mixture of Experts) 아키텍처
→ 전체 파라미터 중 필요한 부분만 활성화한다. 연산량을 줄이면서 성능을 유지한다.
FP8 저정밀도 연산 전략화
→ 메모리와 연산 효율을 극대화한다. H800의 제한된 메모리 대역폭을 우회한다.
강화학습 집중 (GRPO)
→ 추론 성능을 적은 자원으로 높인다. R1의 CoT(사고 연쇄) 성능이 이 전략의 결과다.
결과: H800 GPU 2,000개로 2개월 만에 V3 사전학습 완료. 같은 성능을 내기 위한 기존 방식 대비 GPU 시간 기준 약 1/3~1/10 수준이다. 2025년 1월 R1 공개 48시간 만에 GitHub 스타 10만 이상을 달성하고, AWS·Azure·GCP가 모두 딥시크 관리형 서비스를 출시했다. 추가 비용 없이 배포 채널이 자동으로 확장된 것이다.
⚖️ 4. 경쟁사 비교: 딥시크의 포지셔닝
OpenAI & Anthropic
폐쇄형 · API $2.50~15/M토큰
훈련비 $1억+ · 연 수조원 적자
외부 투자 의존 → 수익화 압박
딥시크
오픈소스 MIT · API $0.14~2.19/M토큰
훈련비 $560만 · 이론적 흑자
자체 자금 → 수익화 압박 없음
딥시크의 전략은 "최고 성능"이 아닌 "최고 가성비"다. OpenAI·Anthropic이 10억 달러+를 투자해 만든 모델과 비슷한 성능을 훨씬 낮은 비용으로 제공한다. Meta Llama와 비교하면 추론 성능에서 앞서며, 특히 R1의 CoT 오픈소스 공개는 추론 모델 생태계에서 딥시크를 사실상 표준으로 만들고 있다. 보안·규제 리스크(이탈리아·대만·호주·한국 정부기관 사용 금지)는 실질적인 성장 제약이지만, 오픈소스 로컬 실행이 이를 우회하는 핵심 전략이다.
🇰🇷 5. 한국 창업자를 위한 적용
딥시크가 한국 AI 창업자에게 주는 교훈은 여러 겹이다. 첫째, 제약이 혁신을 만든다. H800만 쓸 수 있었던 딥시크가 세계 최고 효율 모델을 만들었다. 최신 GPU가 없어도, 막대한 자본이 없어도, 알고리즘 최적화와 아키텍처 혁신으로 경쟁할 수 있다는 것이 증명됐다. 업스테이지·트웰브랩스 등 한국 AI 기업들이 대형 모델 경쟁 대신 특화 분야와 효율로 승부하는 전략의 근거가 여기에 있다.
둘째, 딥시크의 보안 공백이 한국의 기회다. 중국 서버 보안 문제로 한국 정부기관·대기업은 딥시크를 쓸 수 없다. 동등한 성능을 국내 서버에서 안전하게 제공하는 "딥시크 대안" 포지셔닝이 B2G·B2B 시장에서 유효한 전략이 될 수 있다. 이 공백은 실재한다.
셋째, 오픈소스 전략의 재평가다. 한국 AI 기업들은 대부분 폐쇄형 유료 API 모델을 지향한다. 딥시크는 오픈소스가 "돈을 못 버는 전략"이 아님을 보여줬다. 오픈소스로 생태계를 먼저 만들고, 그 생태계에서 API 과금으로 수익을 올리는 구조는 한국 B2B AI 기업에 적용 가능한 모델이다.
딥시크 BM에서 내 사업에 대입할 3가지
1. 제약이 있는가?
→ 자본·인프라·규제 제약이 오히려 경쟁사가 흉내 내기 어려운 기술 차별화를 만들 수 있는가.
2. 오픈소스 생태계 전략이 가능한가?
→ 공개로 생태계를 만들고 API로 수익을 올리는 구조가 우리 제품에 적용 가능한가.
3. 가격 파괴가 새 시장을 만드는가?
→ 단가를 낮추면 기존에 못 들어오던 고객이 진입하는가. 시장이 커지는가, 파이만 나눠 먹는가.
🔎 원문에서 더 확인하세요
BMC 9블록 캔버스, 경쟁사 전체 비교표, 투자 포인트 분석까지 원문에서 확인하세요.
👉 전문 보기: demoday.co.kr/bm-analysis/163
📊 데모데이 | 창업 정보 플랫폼
창업·사업정보, BM분석, 펀딩인사이트, 채용공고, 15,000개+ 스타트업 정보까지
창업자와 예비창업자를 위한 모든 정보가 한 곳에.