딥시크 쇼크 1년 후: 오픈소스 AI 생태계는 어떻게 바뀌었나
DeepSeek-R1 공개로 촉발된 오픈소스 AI 혁명이 1년을 맞이했습니다. 허깅페이스가 분석한 이 격변의 1년을 돌아보며 글로벌 AI 세력 지형의 변화를 살펴봅니다.
2025년 1월, 딥시크 쇼크
2025년 1월 DeepSeek-R1의 공개는 AI 업계에 지진을 일으켰습니다. 미국 빅테크 기업들이 수천억 원을 투자해 만든 모델에 필적하는 성능을 훨씬 적은 비용으로 달성했다는 사실이 알려지면서, 오픈소스 AI의 가능성에 대한 인식이 근본적으로 바뀌었습니다.
1년간의 변화: 지리적 재편
허깅페이스가 발표한 "딥시크 쇼크 1년 후" 보고서에 따르면, 가장 큰 변화는 지리적 세력 재편입니다. 미국 중심이었던 오픈소스 AI 생태계가 중국, 한국, 유럽 등 다양한 국가로 분산되기 시작했습니다.
주요 변화 포인트
- DeepSeek-R1이 허깅페이스 허브 인기 1위 차지
- Qwen 시리즈 등 중국 모델이 다운로드 41% 점유
- 한국의 국가 AI 이니셔티브로 LG AI Research, SK텔레콤, 네이버 클라우드 등 경쟁 참여
- 서구권에서는 AI2의 OLMo, Google의 Gemma 등 오픈 대안 개발 가속화
오픈소스의 재정의
한편, "오픈소스"의 정의를 둘러싼 논쟁도 심화되었습니다. 가중치는 공개하되 학습 데이터와 방법론은 비공개인 모델들이 늘어나면서 진정한 오픈소스의 기준에 대한 논의가 커뮤니티 내에서 활발하게 이루어지고 있습니다.
앞으로의 전망
허깅페이스는 오픈소스 AI가 단순한 트렌드가 아닌 구조적 변화임을 강조합니다. 에이전틱 시스템, 멀티모달리티, 효율화 기술의 발전이 매일같이 쏟아지는 지금, 오픈소스 생태계는 그 어느 때보다 역동적입니다.
함께 읽으면 좋은 기사
LFM2.5-VL-DSpark를 이용한 비전-언어 모델의 속도 향상
인공지능(AI)가 보유한 지식과 지능을 사용하여 사람과 같은 대화를 하는 대화형 AI를 개발하는 연구자들은, 대화형 AI가 인간의 감정과 감정을 인식하고 반영할 수 있도록 하는 기술을 개발하는 데 어려움을 겪고 있습니다. 인간과 같은 감정을 가진 대화형 AI를 개발하는 것은 현재 AI 연구의 주요 목표입니다. 인간과 같은 감정을 가진 대화형 AI는 인간의 감정을 인식하고 반영할 수 있어, 인
NVIDIA 워프(NVIDIA Warp)와 MJ워프(MJWarp)를 이용한 로봇 시뮬레이션 및 학습 워크플로우 가속 방법
AI가 인간의 지적 능력을 능가하는지 여부에 대한 논쟁은 오래전부터 시작되어 왔습니다. 최근에 나온 연구에서, 대규모 언어 모델(LLM)과 인간의 지적 능력을 비교하는 연구가 진행되었습니다. 연구에서는 LLM과 인간을 대상으로 지적 능력을 측정하는 테스트를 진행하였습니다. 연구 결과, LLM은 인간과 비슷한 수준의 지적 능력을 보여주었습니다. LLM은 인간과 비슷한 수준의 논리적 추론, 문제
실시간 다중 발언자 AI를 위한 NVIDIA Nemotron 3 다이어리화
NVIDIA Nemotron 3을 사용하여 실시간 다중 발언자 인공지능을 구축하는 방법을 소개합니다. 다중 발언자 인식과 대화 분석을 위한 AI 기술을 사용하여 다양한 애플리케이션을 개발할 수 있습니다.
준 김, oMLX 개발자이자 관리자, 허징페이스에 합류하여 MLX 커뮤니티를 지원합니다.
AI가 인간의 뇌와 비슷하게 작동하는지 밝혀냈다. 인공지능(AI)이 인간의 뇌와 비슷하게 작동하는지 밝혀냈다. 영국의 연구진은 AI가 인간의 뇌와 비슷하게 작동하는지 알아보기 위해 연구를 진행했다. 연구 결과, AI가 인간의 뇌와 비슷하게 작동하는 것이 밝혀졌다고 한다. 연구진은 AI를 사용하여 다양한 문제를 해결할 수 있도록 하기 위해 AI가 인간의 뇌와 비슷하게 작동해야 한다고 생각했다.
트랜스폼러가 이제는 llama.cpp 계산량을 실행한다!
트랜스폼러 기술을 사용하여 대규모 언어 모델(LLM) 계산량을 실행하는 새로운 가능성을 열어두고 있습니다. 트랜스폼러 기술은 이전에 대규모 언어 모델(LLM) 계산량을 실행하기에는 너무 느렸다지만, 이제는 더 빠른 속도로 계산량을 실행할 수 있게되었습니다.
UK AISI와 EvalEval이 벤치마크 결과를 재현 가능하게 만드는 방법
UK AISI와 EvalEval은 AI 연구의 투명성과 신뢰성을 높이기 위해 벤치마크 결과를 재현 가능하게 만드는 방법을 개발하고 있습니다. 이들은 데이터셋과 실험 설정을 공유하여 연구 결과의 신뢰성을 높이고, 연구자간의 비교와 평가를 facilite합니다.
관련 콘텐츠 더 보기
다른 플랫폼에서 이 주제에 대한 더 많은 정보를 확인하세요.