DeepSeek 자체 칩이 사실인가?
양원펑 산력 전략 × 알리바바 T-Head 8년 칩 개발 × 글로벌 추론 칩 전쟁 (2026)

DeepSeek 칩 개발 소문 검증: 로이터는 무엇을 보도했는가? 증거 사슬과 신뢰도

2026년 7월 7–8일, 양자위·36Kr 등 다수 매체가 로이터 독점 보도를 추적했으며 핵심 정보는 일치합니다.

1. 01

   대상은 추론, 훈련이 아님: DeepSeek은 자체 AI 칩을 개발 중이며 추론(inference) 워크로드 전용입니다.

2. 02

   초기 단계: 프로젝트는 약 2025년 중반에 시작(보도 표현은 「1년 전」)했으며 현재도 초기 R&D 단계입니다.

3. 03

   공급망 접촉: 칩 설계사, 웨이퍼 파운드리(foundry), 메모리 공급업체와 접촉 중입니다.

4. 04

   저조한 채용: 최근 몇 달 칩 설계 엔지니어 채용을 강화했으나 공개 채용 플랫폼에는 올리지 않고 비공개로 인재를 확보합니다.

5. 05

   이중 의존 돌파: 성공하면 Nvidia와 Huawei Ascend에 대한 이중 의존을 낮출 수 있습니다——DeepSeek은 이미 Huawei 칩에 깊이 적합했습니다.

6. 06

   서술 경계: 「로이터 등 다수 매체에 따르면 DeepSeek이 자체 추론 칩 프로젝트를 시작했다」고 쓸 수 있습니다. 「양원펑이 공식적으로 칩 제작을 발표했다」고 쓰면 안 됩니다. 관계자/초기 단계/미공식 확인 표기가 필요합니다.

신뢰도 평가와 간접 증거

DeepSeek 칩 개발 타임라인

2023–2024  양원펑 암용 인터뷰: 수출 금지가 최대 과제; 산력 갈증
2025-01    DeepSeek R1 발표, Nvidia H800으로 훈련(해당 칩은 2023년 말 수출 금지)
2025 중반   자체 칩 프로젝트 시작 보도
2026-04    DeepSeek V4 Huawei Ascend 적합; V4-Flash 일부 Ascend로 훈련
2026-06    첫 외부 조달 ~74억 달러, 용도에 자체 칩 포함
2026-07-07 로이터: DeepSeek 자체 추론 칩 개발 중(독점)
2026-07    The Information: 지푸도 자체 맞춤 칩 검토

알리바바 T-Head: 마윈 2018 전략 출발점 → 진무 810E 양산 (2026)

「마윈도 비슷한 말을 했나?」라는 질문에는 명확화가 필요합니다: 알리 칩 개발은 다년간 실행된 전략이며 최근 소문이 아닙니다. 「마윈이 최근 칩을 만든다고 말했다」고 쓰면 안 됩니다. 정확한 표현: 마윈이 2018년 T-Head 전략을 확립했고, 차이충신이 2024년 수출 통제가 자체 개발을 촉진한다고 설명했으며, 우용밍이 2026년 양산 성과를 공개했습니다.

마윈 시대 (2018): 전략 출발점

• 2018년 9월 윈치대회에서 알리바바는 중천미와 다모원 칩 팀을 통합해 平頭哥반도체유한공사(T-Head)를 설립했습니다.
• 회사명은 마윈이 직접 결정했습니다. 「平頭哥」는 꿀오소리를 뜻하며 「두려움 없음」을 상징——칩에 대한 장기 투자 의지를 전달합니다.
• 장건봉(행치)은 칩이 알리바바 그룹의 전략급 사항이며 일반 사업 부서가 아니라고 밝혔습니다.
• 초기 방향: AI 칩(한광 시리즈 포함), 임베디드 칩, 클라우드 일체형. 이후 서버 CPU(倚天), RISC-V IP(玄铁) 등으로 확장했습니다.

마윈 vs 차이충신 vs 우용밍

진무(Zhenwu) 시리즈 로드맵

상업화 데이터 (2026)

• 누적 출하 56만 장+ (2026년 상반기 데이터; 실적 기준 누적 납품 47만 장+)
• 연간 매출 백억 위안 규모
• 고객: 알리 클라우드 내부, 중국연통 등; 400+ 기업 고객이 진무 클러스터 사용 보도
• 자본 조치: T-Head 등록자본 10억 위안으로 증자 (2026년 6월)
• 투자: 알리는 향후 3년 3800억 위안을 클라우드·AI 인프라(칩, 산력, 액냉 등)에 투입한다고 발표

Nvidia와의 관계: WSJ 보도에 따르면 알리 신규 칩은 Nvidia CUDA 생태계와 호환되어 엔지니어 이전 비용을 낮춥니다(Huawei 루트와 다름). 제조 측면에서는 초기 TSMC에서 국내 파운드리로(업계에서는 SMIC 7nm 등 성숙 방안을 지목) 전환하며 미국이 TSMC의 대륙 선진 AI 칩 수주를 제한하는 규칙에 대응합니다.

대기업은 왜 칩을 만드는가? 5대 동인과 안보 vs 비용

한 줄 답: 「칩을 위한 칩」이 아니라 AI 경쟁이 「최고의 모델」에서 「가장 저렴하고 통제 가능한 산력」으로 확장했기 때문입니다.

5대 동인 (중요도 순)

1. 01

   경제학: 추론 비용은 AI의 「월세」——훈련 = 주택 계약금(일회성); 추론 = 매월 월세(사용자 수에 비례 증가). ChatGPT 일간 활성 사용자가 수억 규모가 되면 추론 지출이 훈련을 초과합니다. Morgan Stanley은 24,000기 Blackwell GPU 클러스터 하드웨어 비용을 약 8.52억 달러로 추정; 동일 규모 Google TPU 클러스터는 약 0.99억 달러. SemiAnalysis·Bernstein 추정: 맞춤 ASIC은 범용 GPU 대비 40–65% TCO 우위; hyperscaler 시나리오에서 토큰당 비용 30–40% 절감 가능. Nvidia 데이터센터 GPU 총이익률 70% 초과——자체 칩은 본질적으로 영구적인 「GPU 세금」을 일회성 R&D 투자로 전환합니다.

2. 02

   공급망 안보와 지정학: 미국의 대중 고급 AI 칩 수출 통제(H100/H800/H20 등 순차 제한); 중국 규제는 국산 산력 조달 장려. 안보는 공급망 예측 가능성: 단일 공급업체·단일 국가 정책에 묶이지 않는 것입니다.

3. 03

   HW/SW 협동 설계(Co-design): DeepSeek UE8M0 FP8, MLA 아키텍처 → 특정 하드웨어 최적화; OpenAI Jalapeño → ChatGPT serving 모드 중심 설계; Google TPU → TensorFlow/JAX와 깊은 결합. 범용 GPU는 유연성을 위해 효율을 희생하고, 맞춤 칩은 알려진 워크로드를 위해 유연성을 희생해 효율을 얻습니다.

4. 04

   경쟁 장벽과 협상력: Nvidia를 전면 대체하지 않아도 자체 칩은 조달 협상 카드가 되고, 클라우드 고객에 차별화 산력을 보여주며 「모델 + 클라우드 + 칩」 풀스택 스토리(알리 「금삼각」)를 구축할 수 있습니다.

5. 05

   에너지와 지속가능성: 추론 칩은 performance-per-watt(와트당 성능)을 강조합니다. 메가와트급·기가와트급 데이터센터 시대에 전력과 냉각 비용은 칩 조달 비용만큼 중요합니다.

추론 vs 훈련: 왜 대부분 추론 칩을 먼저 만드는가?

결론: 훈련은 여전히 Nvidia의 주전장; 추론은 맞춤 ASIC의 주전장입니다. 안보 vs 비용 절감: 둘 다이지만 경제학이 첫 번째 동인입니다. 지정학은 기존 경제적 동기를 가속했습니다. 좋은 기사는 두 선을 모두 써야 합니다.

리스크와 불확실성

• 초기 프로젝트는 실패할 수 있음: Meta MTIA는 한 차례 재설계; 맞춤 ASIC은 LLM 아키텍처가 근본적으로 바뀌면 적합 비용이 높습니다.
• 「확인됨」이라고 쓰지 말 것: DeepSeek 칩 개발은 공식 확인 전 「보도에 따르면/관계자에 따르면」으로 써야 합니다.
• 훈련과 추론을 혼동하지 말 것: 위 표에서 명확히 구분했습니다.
• 정기 업데이트: 이 주제는 2–4주마다 새 진전이 있을 수 있으니 문말 업데이트 날짜에 주목하세요.