"지금부터 점심에 낮잠 주무시는 모리모토씨를 깨워보겠습니다." 일어나세요라는 말에 후다닥 일어난 모리모토씨, 일어나자마자 제작진이 준비한 면도 크림에 그대로 얼굴을 파묻게 되는데요. 이 모리모토씨는 현재 75세로 이

"낮잠 자는 분 깨워보겠습니다" 면도 크림을 75세 임원 얼굴에...100만 열풍 '아저씨 틱톡' [일본人사이드]

1. 요즘 일본에서는 ‘오지상 틱톡(아저씨 틱톡) 채널’이 장안의 화제다. 오지상 틱톡 채널에는 효고현 아카시시 산요공업의 이사인 ‘60세 코스기 요시아키 씨’와 고문인 ‘75세 모리모토 켄지 씨’가 출연한다.

2. 이들은 기업의 임원이라는 권위를 깨고 틱톡에 데뷔해 앞구르기 대결, 아이큐 대결 등을 펼치고 있다.

3. 채널을 운영하는 산요공업은 1980년에 설립된 중견 기업이다. 산요공업은 전국 12곳의 자사 공장을 갖고 있는데, 이곳에서는 가와사키 오토바이에 들어가는 부품을 만든다. 현재 2000명 이상의 사원을 거느리고 있는 꽤 덩치가 큰 기업.

4. 산요공업은 “성실하게 일하는 사람이 보상받는 세계를 만든다”를 목표로 사원 수 8만 명 달성을 목표로 하고 있다.

5. (이를 위해) 산요공업은 제조업을 기반으로 성장한 기업임에도 불구하고, 소셜 미디어에 큰 공을 들이고 있다. 유튜브 구독자 수도 1만 4000명, 틱톡 팔로워는 6만 5000명이 넘는다. 조회수 100만을 기록한 영상도 12개가 넘는다.

6. (산요공업이) 틱톡을 시작한 계기는, 이사인 코스기 씨의 제안 덕분이라고. 원래 인스타그램과 X(옛 트위터)로 산요공업은 홍보를 계속하고 있었는데, 어느날 코스기 씨가 홍보실에 갑자기 들어와 "나 틱톡 해보고 싶은데"라고 소리친 것이 시초라고. 젊은 사람들이 더 친숙하다고 느끼도록 회사가 (먼저) 다가가야 한다고 생각했기 때문.

7. 그렇게 두 사람이 출연하는 '오지상 틱톡'이 탄생했다. 이들의 영상은 격의없는 분위기에서 촬영되고, 인재전략부장, 총무과장, 사내 고문 셋이 모여 스마트폰으로 앞구르기 대결을 하거나, 홍보팀에게 깜짝카메라로 난데없이 얼굴에 생크림을 맞기도 한다. 회사에 공룡이 나타난 상황을 가정하고 아저씨들이 대피하는 영상은 무려 조회수 310만 회를 넘기도 했다.

8. 이렇게 화제가 되자 이제는 틱톡 라이브 방송에도 도전해 시청자들과 원격 회식을 개최하기도 하고, 실시간으로 질문을 받고 답을 해주는 방송도 진행하고 있다.

9. 실제로 홍보효과는 엄청나다고. 신규 채용 온라인 설명회 참가자 중 대다수가 틱톡을 이미 보고 있었다고 답했고, 지원자들은 '이런 기업이라면 시대의 흐름에도 얼마든지 대응할 수 있는 유연한 곳이겠구나'라는 인상을 받았다고.

1. 요즘 일본에서는 ‘오지상 틱톡(아저씨 틱톡) 채널’이 장안의 화제다. 오지상 틱톡 채널에는 효고현 아카시시 산요공업의 이사인 ‘60세 코스기 요시아키 씨’와 고문인 ‘75세 모리모토 켄지 씨’가 출연한다. 2. 이들은 기업의 임원이라는 권위를 깨고 틱톡에 데뷔해 앞구르기 대결, 아이큐 대결 등을 펼치고 있다. 3. 채널을 운영하는 산요공업은 1980년에 설립된 중견 기업이다. 산요공업은 전국 12곳의 자사 공장을 갖고 있는데, 이곳에서는 가와사키 오토바이에 들어가는 부품을 만든다. 현재 2000명 이상의 사원을 거느리고 있는 꽤 덩치가 큰 기업. 4. 산요공업은 “성실하게 일하는 사람이 보상받는 세계를 만든다”를 목표로 사원 수 8만 명 달성을 목표로 하고 있다. 5. (이를 위해) 산요공업은 제조업을 기반으로 성장한 기업임에도 불구하고, 소셜 미디어에 큰 공을 들이고 있다. 유튜브 구독자 수도 1만 4000명, 틱톡 팔로워는 6만 5000명이 넘는다. 조회수 100만을 기록한 영상도 12개가 넘는다. 6. (산요공업이) 틱톡을 시작한 계기는, 이사인 코스기 씨의 제안 덕분이라고. 원래 인스타그램과 X(옛 트위터)로 산요공업은 홍보를 계속하고 있었는데, 어느날 코스기 씨가 홍보실에 갑자기 들어와 "나 틱톡 해보고 싶은데"라고 소리친 것이 시초라고. 젊은 사람들이 더 친숙하다고 느끼도록 회사가 (먼저) 다가가야 한다고 생각했기 때문. 7. 그렇게 두 사람이 출연하는 '오지상 틱톡'이 탄생했다. 이들의 영상은 격의없는 분위기에서 촬영되고, 인재전략부장, 총무과장, 사내 고문 셋이 모여 스마트폰으로 앞구르기 대결을 하거나, 홍보팀에게 깜짝카메라로 난데없이 얼굴에 생크림을 맞기도 한다. 회사에 공룡이 나타난 상황을 가정하고 아저씨들이 대피하는 영상은 무려 조회수 310만 회를 넘기도 했다. 8. 이렇게 화제가 되자 이제는 틱톡 라이브 방송에도 도전해 시청자들과 원격 회식을 개최하기도 하고, 실시간으로 질문을 받고 답을 해주는 방송도 진행하고 있다. 9. 실제로 홍보효과는 엄청나다고. 신규 채용 온라인 설명회 참가자 중 대다수가 틱톡을 이미 보고 있었다고 답했고, 지원자들은 '이런 기업이라면 시대의 흐름에도 얼마든지 대응할 수 있는 유연한 곳이겠구나'라는 인상을 받았다고.

n.news.naver.com

숏폼은 시니어들에게 오지가 아니라, 기회의 땅입니다

▶마켓인사이트 2월 2일 오후 2시 46분 미국 증시에 상장된 국내 시스템 반도체 기업 매그나칩반도체가 새 주인 찾기에 나섰다. 2021년 중국에 매각을 시도했다가 미국 정부에 의해 무산된 지 4년여 만이다. 당시 

[단독] 매그나칩반도체 4년 만에 매각 시동…LX·두산·DB 인수 후보

매그나칩은 경북 구미 공장에서 TV, 스마트폰에 쓰이는 디스플레이구동칩(DDI), 차량용 전력반도체를 주력으로 생산하는 반도체 전문기업이다. 매각 측은 두 사업 중 DDI 사업 부문만 우선 매각하는 방안을 추진하고 있다.

뉴욕증권거래소에서 매그나칩 주가는 2022년 매각 당시 주당 30달러에 달했지만 최근 4달러 수준으로 급락했다. 시총 기준으로 2200억원에 불과하다. 경영권 프리미엄을 감안하면 인수 가격은 3000억~4000억원 수준으로 예상된다.

중국 기업으로의 매각이 사실상 막혀 있어 이번 매각에서도 국내 기업과 PEF를 대상으로 원매자 물색에 나설 것으로 예상된다. 가장 유력한 후보로는 LX그룹이 꼽힌다.

https://n.news.naver.com/article/015/0005088434?sid=101

매그나칩은 경북 구미 공장에서 TV, 스마트폰에 쓰이는 디스플레이구동칩(DDI), 차량용 전력반도체를 주력으로 생산하는 반도체 전문기업이다. 매각 측은 두 사업 중 DDI 사업 부문만 우선 매각하는 방안을 추진하고 있다. 뉴욕증권거래소에서 매그나칩 주가는 2022년 매각 당시 주당 30달러에 달했지만 최근 4달러 수준으로 급락했다. 시총 기준으로 2200억원에 불과하다. 경영권 프리미엄을 감안하면 인수 가격은 3000억~4000억원 수준으로 예상된다. 중국 기업으로의 매각이 사실상 막혀 있어 이번 매각에서도 국내 기업과 PEF를 대상으로 원매자 물색에 나설 것으로 예상된다. 가장 유력한 후보로는 LX그룹이 꼽힌다. https://n.news.naver.com/article/015/0005088434?sid=101

Claude가 GPT나 Gemini 등에 비해 코딩에 여전히 더 적합하다는 경험담이 많은데요.

제가 지속적으로 써 보고 느낀바도 역시 그렇습니다. 특히 웹 코딩 쪽에서 좀 더 두각을 나타내는 편으로 보이는데, Claude 서비스에 Web App을 만드는 기능을 만들면서 그쪽으로 데이터를 좀 더 집중한게 아닌게 싶습니다.

그러나, 함정이 있습니다.

Claude가 잘 하는 부분은 복잡해보이는 문제도 실제로는 단순한 부분입니다. 간단하게 말하자면, 빈칸을 채우는 것을 잘하는 것이었습니다.

그런데 조금은 생각을 해야하는, 이를테면 메모리 문제나 동시성 처리같은 부분, 혹은 수학적인 알고리즘의 구현 등은 Claude나 4o 같은 일반 생성 모델 보다는 Reasoning 모델들이 더 잘 하는 것을 확인했습니다.

즉, 말 그대로 생각없이 채워넣기 수준의 코딩은 Claude가 더 잘 하는 편이고, 대개 많은 경우가 새로운 문제나 어려운 문제를 푸는 것이 아니라 단순 구현이 많기 때문에 대부분의 경우 Claude가 더 잘 한다고 느끼는 것 입니다.

이를 확인하고나니 폰 노이만이 프로그래밍, 코딩을 지적 능력이 거의 필요하지 않은 사무적인 일이라고 했던 말이 다시금 떠오르더군요.

사실 지금 회사에서 하는 일도, 많은 부분을 이미 생각은 니가 하렴 노가다는 인간이(내가) 할께..수준으로 일을 하고 있기도 합니다.

아무튼, 당장은 AI를 그 필요에 맞게 선택해서 쓰는데에 이 경험이 유용하겠지만, 앞으로 우리가 해야 할 일이 무엇인지 조금 더 진지하게 생각해 볼 필요가 있지 않을까 싶네요.

Claude가 GPT나 Gemini 등에 비해 코딩에 여전히 더 적합하다는 경험담이 많은데요. 제가 지속적으로 써 보고 느낀바도 역시 그렇습니다. 특히 웹 코딩 쪽에서 좀 더 두각을 나타내는 편으로 보이는데, Claude 서비스에 Web App을 만드는 기능을 만들면서 그쪽으로 데이터를 좀 더 집중한게 아닌게 싶습니다. 그러나, 함정이 있습니다. Claude가 잘 하는 부분은 복잡해보이는 문제도 실제로는 단순한 부분입니다. 간단하게 말하자면, 빈칸을 채우는 것을 잘하는 것이었습니다. 그런데 조금은 생각을 해야하는, 이를테면 메모리 문제나 동시성 처리같은 부분, 혹은 수학적인 알고리즘의 구현 등은 Claude나 4o 같은 일반 생성 모델 보다는 Reasoning 모델들이 더 잘 하는 것을 확인했습니다. 즉, 말 그대로 생각없이 채워넣기 수준의 코딩은 Claude가 더 잘 하는 편이고, 대개 많은 경우가 새로운 문제나 어려운 문제를 푸는 것이 아니라 단순 구현이 많기 때문에 대부분의 경우 Claude가 더 잘 한다고 느끼는 것 입니다. 이를 확인하고나니 폰 노이만이 프로그래밍, 코딩을 지적 능력이 거의 필요하지 않은 사무적인 일이라고 했던 말이 다시금 떠오르더군요. 사실 지금 회사에서 하는 일도, 많은 부분을 이미 생각은 니가 하렴 노가다는 인간이(내가) 할께..수준으로 일을 하고 있기도 합니다. 아무튼, 당장은 AI를 그 필요에 맞게 선택해서 쓰는데에 이 경험이 유용하겠지만, 앞으로 우리가 해야 할 일이 무엇인지 조금 더 진지하게 생각해 볼 필요가 있지 않을까 싶네요.

2022년 기업가치 6000억 높은 몸값 되레 ‘부메랑’ 뱅크샐러드 “실적 개선할 것” 이 기사는 2025년 2월 3일 17시 35분 조선비즈 머니무브(MM) 사이트에 표출됐습니다. 핀테크 업계 기대주로 불렸던 뱅크

비싸게 투자 유치한 게 독... 뱅크샐러드, SKS PE 등 FI 회수 불투명

뱅크샐러드는 최근 미래에셋증권을 상장 주관사로 선정하고, 본격적인 IPO 준비에 돌입했다. 2026년 하반기 코스닥 상장을 목표로 하고 있다. 뱅크샐러드는 올해 실적을 대폭 개선한 뒤 시장의 평가를 받을 계획인 것으로 보인다.

주관사는 선정했지만, 시장에서 6000억원이 넘는 몸값을 받아내야 해 난관이 예상된다. 뱅크샐러드는 지난 2022년 진행한 시리즈D 투자 유치에서 SKS프라이빗에쿼티(PE)와 KT, 기아 등으로부터 1350억원의 투자금을 받았는데, 6000억원의 기업가치를 인정받았다.

https://n.news.naver.com/article/366/0001051044?sid=101

뱅크샐러드는 최근 미래에셋증권을 상장 주관사로 선정하고, 본격적인 IPO 준비에 돌입했다. 2026년 하반기 코스닥 상장을 목표로 하고 있다. 뱅크샐러드는 올해 실적을 대폭 개선한 뒤 시장의 평가를 받을 계획인 것으로 보인다. 주관사는 선정했지만, 시장에서 6000억원이 넘는 몸값을 받아내야 해 난관이 예상된다. 뱅크샐러드는 지난 2022년 진행한 시리즈D 투자 유치에서 SKS프라이빗에쿼티(PE)와 KT, 기아 등으로부터 1350억원의 투자금을 받았는데, 6000억원의 기업가치를 인정받았다. https://n.news.naver.com/article/366/0001051044?sid=101

비대면 면접이 보편화하면서 인공지능(AI) 면접관도 등장했다. 기업의 AI 면접관 활용도가 다양해질 것으로 기대되면서 대규모 투자도 이뤄지고 있다. 4일 IT 전문 매체 테크크런치 등 주요 외신에 따르면 영국 스타트

면접관 된 AI… 스타트업 ‘마키’ 400억원 투자 유치

영국 스타트업 ‘마키’는 최근 2860만 달러(약 417억7888만원) 규모의 시리즈A 투자를 유치했다. 미 경제전문지 포춘이 선정한 500대 기업의 98% 이상이 AI를 채용 절차에 활용 중이다.

2022년 설립된 마키는 성과 영상과 텍스트를 기반으로 구직자의 면접을 진행하는 AI 비서를 개발했다. AI는 후보자 선별, 면접 일정을 자동으로 관리해 채용 절차를 간소화한다. 회사에 따르면 채용 절차의 80%를 자동화하고 채용까지 걸리는 시간을 최대 3배 줄일 수 있다.

https://n.news.naver.com/article/005/0001755370?sid=101

영국 스타트업 ‘마키’는 최근 2860만 달러(약 417억7888만원) 규모의 시리즈A 투자를 유치했다. 미 경제전문지 포춘이 선정한 500대 기업의 98% 이상이 AI를 채용 절차에 활용 중이다. 2022년 설립된 마키는 성과 영상과 텍스트를 기반으로 구직자의 면접을 진행하는 AI 비서를 개발했다. AI는 후보자 선별, 면접 일정을 자동으로 관리해 채용 절차를 간소화한다. 회사에 따르면 채용 절차의 80%를 자동화하고 채용까지 걸리는 시간을 최대 3배 줄일 수 있다. https://n.news.naver.com/article/005/0001755370?sid=101

인공지능(AI) 반도체 기업에 대한 투자업계 러브콜은 신년에도 여전하다. 크릿벤처스(대표 송재준)는 인공지능(AI) 반도체 팹리스 기업 퓨리오사AI(대표 백준호)에 20억원을 투자했다고 3일 밝혔다. 퓨리오사AI는 

크릿벤처스, 퓨리오사AI에 20억 투자

퓨리오사AI는 지난 2021년 첫 번째 AI 반도체 ‘워보이(Warboy)’를 공개했고, 이 칩은 엔비디아 동급 제품보다 뛰어난 성능을 입증했다. 지난해 8월 차세대 AI 반도체 ‘레니게이드(RNGD)’도 공개했다. RNGD는 전력 효율이 이전 제품보다 300% 향상됐고, 대량의 데이터를 단시간에 처리할 수 있어 실시간 추론 성능이 뛰어나다고 알려졌다. 퓨리오사AI는 누적 1630억원 투자를 유치했다.

https://n.news.naver.com/article/009/0005437305?sid=101

퓨리오사AI는 지난 2021년 첫 번째 AI 반도체 ‘워보이(Warboy)’를 공개했고, 이 칩은 엔비디아 동급 제품보다 뛰어난 성능을 입증했다. 지난해 8월 차세대 AI 반도체 ‘레니게이드(RNGD)’도 공개했다. RNGD는 전력 효율이 이전 제품보다 300% 향상됐고, 대량의 데이터를 단시간에 처리할 수 있어 실시간 추론 성능이 뛰어나다고 알려졌다. 퓨리오사AI는 누적 1630억원 투자를 유치했다. https://n.news.naver.com/article/009/0005437305?sid=101

곧 런칭할 앱의 개발을 시작 할 때는 모든 기술을 다 직접 한땀한땀 구현했는데, 프로젝트가 진행되면서 상당수를 오픈소스 혹은 PaaS/IaaS에 외주(?) 줘버렸다.

기술적인 이슈나 욕심이 있는 것도 있었고 이정도는 그냥 직접 하는게 더 빠르고 편하다고 생각한 것도 있었는데, 프로젝트가 진척되면서 보니 역시 관리와 운영 이슈를 혼자 다 핸들링하기는 쉽지 않겠다고 판단했다.

물론 오픈소스나 PaaS/IaaS를 사용하면 공부해야 할 것이 더 많아지기도하고, 내가 제어 할 수 없는 영역이 생기기 때문에 일장일단이 있긴 하다.

아무튼, AI도 그렇지만 다른 기술이나 인프라도 정말 많은 부분을 외주 줄 수 있어서, 꽤 복잡하고 규모있는 앱 서비스도 혼자 개발하고 운영할 수 있는 세상이 되었다.

그렇다면 과연 이런 세상에서 사업과 서비스란, 기술과 개발이란 어떤 의미를 가지게 될까? 그것이 앞으로 내가 가장 주의깊게 생각해봐야 할 문제가 아닐까 싶다.

곧 런칭할 앱의 개발을 시작 할 때는 모든 기술을 다 직접 한땀한땀 구현했는데, 프로젝트가 진행되면서 상당수를 오픈소스 혹은 PaaS/IaaS에 외주(?) 줘버렸다. 기술적인 이슈나 욕심이 있는 것도 있었고 이정도는 그냥 직접 하는게 더 빠르고 편하다고 생각한 것도 있었는데, 프로젝트가 진척되면서 보니 역시 관리와 운영 이슈를 혼자 다 핸들링하기는 쉽지 않겠다고 판단했다. 물론 오픈소스나 PaaS/IaaS를 사용하면 공부해야 할 것이 더 많아지기도하고, 내가 제어 할 수 없는 영역이 생기기 때문에 일장일단이 있긴 하다. 아무튼, AI도 그렇지만 다른 기술이나 인프라도 정말 많은 부분을 외주 줄 수 있어서, 꽤 복잡하고 규모있는 앱 서비스도 혼자 개발하고 운영할 수 있는 세상이 되었다. 그렇다면 과연 이런 세상에서 사업과 서비스란, 기술과 개발이란 어떤 의미를 가지게 될까? 그것이 앞으로 내가 가장 주의깊게 생각해봐야 할 문제가 아닐까 싶다.

국내 사모펀드(PEF) 운용사 서울프라이빗에쿼티(PE)가 무궁화신탁의 벤처캐피탈(VC) 계열사였던 송현인베스트먼트를 인수하며 투자 업계에서 존재감을 키우고 있다. 이번 거래는 송현인베스트먼트가 매물로 나온 지 약 6개월 만에 성사됐다. 서울PE는 이번 인수를 통해 벤...

[단독]송현인베스트먼트, 다시 팔린다...새 주인에 서울PE

송현인베스트먼트는 2012년 설립된 중견 VC로 그동안 파두, 클로버추얼패션, 쏘카, 대성하이텍, 한국토지신탁, 신영 등 다양한 기업에 투자해왔다. 하지만 최근 몇 년간 투자 환경이 악화하면서 신규 투자 확대가 어려워졌고, 무궁화신탁의 자본금 확충 실패가 겹치면서 경영 불확실성이 커진 상황이었다.

어려운 가운데에도 송현인베스트먼트는 작년 7월 200억원 규모 ‘송현-바로 스마트워터 지역혁신 투자조합’ 펀드를 결성하면서 재도약에 성공했다.

https://www.edaily.co.kr/News/Read?newsId=02833926642043296&mediaCodeNo=257&OutLnkChk=Y

송현인베스트먼트는 2012년 설립된 중견 VC로 그동안 파두, 클로버추얼패션, 쏘카, 대성하이텍, 한국토지신탁, 신영 등 다양한 기업에 투자해왔다. 하지만 최근 몇 년간 투자 환경이 악화하면서 신규 투자 확대가 어려워졌고, 무궁화신탁의 자본금 확충 실패가 겹치면서 경영 불확실성이 커진 상황이었다. 어려운 가운데에도 송현인베스트먼트는 작년 7월 200억원 규모 ‘송현-바로 스마트워터 지역혁신 투자조합’ 펀드를 결성하면서 재도약에 성공했다. https://www.edaily.co.kr/News/Read?newsId=02833926642043296&amp;mediaCodeNo=257&amp;OutLnkChk=Y

이데일리

앤트로픽 다리오 아모데이 CEO 가 딥시크에 따른 미국의 GPU 칩 수출 통제 정책에 대해 길게 블로그 포스팅했어요.

이글의 논점은, 일…

Dario Amodei — On DeepSeek and Export… | Snippod

딥시크가 화제 몰이를 할 때, 저도 여러 생각이 떠올랐는데요.
저도 전문가가 아닌 다음에야 떠들기엔 스스로 부족함을 잘 알고 있어 포스팅은 잘 하지 않게 됩니다... (가끔 생각을 정리해서 스닙팟에 올리곤 하지만 😅)

그런데, 또 앤트로픽 다리오 아모데이 CEO가 개인 블로그에 '딥시크와 수출 통제' 에 대한 글이 올라와서 이 분의 글에서 좋은 인사이트를 발견해 요약해 봅니다.

앤트로픽 대표의 딥시크 모델에 대한 의견:
DeepSeek V3 은 사전학습 모델로 한달전에 나왔고 실제로 강력한 혁신을 이뤄냈음. (성능은 Claude 3.5 Sonnet 수준을 따라잡고 학습 효율은 확실히 낮추는데 성공함)
* "Key-Value cache", "mixture of experts" 를 발전시킨 부분 이렇게 2가지가 특히 인상적이었다고.
하지만 최종 학습에 들어간 비용만 보면 Claude 3.5 Sonnet 도 DeepSeek 가 발표한 금액의 166% 수준임. 그렇게까지 차이가 나는게 아님! 비용곡선감소 연간 4배 수준을 고려하면 딥시크가 발표한 금액 자체가 놀라운 것이 전혀 아니며 추세 곡선에 속하는 수준.
딥시크가 보유했다고 알려진 GPU Hopper 칩 50,000여개는 약 10억달러에 해당함. * xAI 의 경우 최근 100,000개 클러스터 구축. 그들의 보유한 GPU 클러스터 운영비용은 미국 탑티어 급 수준이 들어갈 것. 또한 R1 의 경우 DeepSeek 가 v3에서 보여준 수준으로 인상적인 혁신은 아니며 OpenAI가 o1 에서 수행된 정도와 유사한 작업으로 판단됨.

조금 더 자세한 본문 요약:

딥시크가 화제 몰이를 할 때, 저도 여러 생각이 떠올랐는데요. 저도 전문가가 아닌 다음에야 떠들기엔 스스로 부족함을 잘 알고 있어 포스팅은 잘 하지 않게 됩니다... (가끔 생각을 정리해서 스닙팟에 올리곤 하지만 😅) 그런데, 또 앤트로픽 다리오 아모데이 CEO가 개인 블로그에 '딥시크와 수출 통제' 에 대한 글이 올라와서 이 분의 글에서 좋은 인사이트를 발견해 요약해 봅니다. 앤트로픽 대표의 딥시크 모델에 대한 의견: DeepSeek V3 은 사전학습 모델로 한달전에 나왔고 실제로 강력한 혁신을 이뤄냈음. (성능은 Claude 3.5 Sonnet 수준을 따라잡고 학습 효율은 확실히 낮추는데 성공함) * "Key-Value cache", "mixture of experts" 를 발전시킨 부분 이렇게 2가지가 특히 인상적이었다고. 하지만 최종 학습에 들어간 비용만 보면 Claude 3.5 Sonnet 도 DeepSeek 가 발표한 금액의 166% 수준임. 그렇게까지 차이가 나는게 아님! 비용곡선감소 연간 4배 수준을 고려하면 딥시크가 발표한 금액 자체가 놀라운 것이 전혀 아니며 추세 곡선에 속하는 수준. 딥시크가 보유했다고 알려진 GPU Hopper 칩 50,000여개는 약 10억달러에 해당함. * xAI 의 경우 최근 100,000개 클러스터 구축. 그들의 보유한 GPU 클러스터 운영비용은 미국 탑티어 급 수준이 들어갈 것. 또한 R1 의 경우 DeepSeek 가 v3에서 보여준 수준으로 인상적인 혁신은 아니며 OpenAI가 o1 에서 수행된 정도와 유사한 작업으로 판단됨. 조금 더 자세한 본문 요약:

Snippod

딥시크와 수출 통제에 대한 앤트로픽 다리오 아모데이 대표의 의견

어제 올린 [AI 기술 기반 사업화 방법 3가지]에 맞춰 지금 하고 있거나 최근 3개월간 컨설팅이나 멘토링한 AI 기술을 활용한 사업아이템을 분류해보았다. 총 25개사 25개 사업아이템이 대상으로 국내 스타트업과 대기업/중견기업 사내벤처와 신사업기획팀들의 것이다. 사업아이템의 속성상 하단 분류에 중복적용될 수 있다.

1. 이미 사업성과 상업성이 검증된 기존 제품이나 서비스를 대체하거나 그 제품과 서비스 내부에 보유하고 있는 기술을 적용하여 제품과 서비스 제공업체 입장에서 실질적인 이익이 발생할 수 있도록 만들거나, -> 17개

2. 특정 분야나 특정 영역으로 범위를 좁히고 해당 시장과 타겟 고객이 즉각적으로 체감할 수 있는 수준으로 뾰족하게 다듬은 전문화된 제품과 서비스를 제공하거나, -> 11개

3. 기존 업무나 일, 혹은 일상생활을 보다 편리하거나 성과를 높여주되 역시나 사용자가 즉각적으로 체감할 수 있는 수준으로 확실히 지원할 수 있는 제품과 서비스를 제공할 수 있어야만 한다. -> 15개

총 43개 중 1번이 가장 많았고 그 다음이 3번이었다. 아무래도 1번과 3번은 B2B 시장에서 업무생산성 증대와 비용 절감 측면에서 겹치는 부분이 많다보니 벌어진 현상으로 보이며, 2번은 대기업이나 중견기업 보다는 스타트업들이 유독 많았다.

흥미로운 점 하나는,
데이터 사이언스가 유행하고 생성형 AI 유행 초반과 비교해서 확 달라진 점은 AI 기술을 적용한 마케팅이나 영업 등을 통해 매출이나 수익을 늘려 돈 벌게 해주겠다는 사업아이템이 확 줄었다는거다. 상기 25개 사업아이템 중에서 소수 이런 목적을 가진 것들도 있기는 하지만 그것을 전면에 내세우지는 않는다. 이런 돈벌이 목적의 메세지를 가진 사업아이템은 B2C와 소상공인시장으로 내려가 고객을 현혹하며 푼돈을 뜯는데 집중하고 있고, 대부분은 망했거나 사업을 전면 피봇팅했다.

흥미로운 또다른 하나는,
1번과 3번의 경우 ‘와우! 이건 혁신적이다!’ 느끼게 만드는 제품과 서비스는 극히 일부고 이미 다른 형태로 형성되어 있던 산업과 시장에 들어가 최종 고객은 변화를 직접적으로 잘 느끼지 못하는 형태로 소위 젖어들게 한다는거다. 요즘 고객은 ‘와~ 이거 대단해!’가 아니라 ’이거 써보니 좋은데 그 기술이 들어간거네~‘로 반응한다. 혁신적인 제품일수록 고객 수용도가 점점 더 떨어지는 이유 중 하나기도 하다. 혁신적인 건 명예를 줄진 몰라도 아주아주아주 압도적 기술이 아니면 그 기술을 가진 극소수를 제외하고 돈은 혁신성과 별상관 없다. 워크라이프나 일상생활의 라이프스타일에서 익숙한 생활습관을 바꾸는 어마어마한 번거로움을 감수할 정도로 기존 해결책 대비 엄청나게 ‘개선’해주는게 돈을 번다.

어제 올린 [AI 기술 기반 사업화 방법 3가지]에 맞춰 지금 하고 있거나 최근 3개월간 컨설팅이나 멘토링한 AI 기술을 활용한 사업아이템을 분류해보았다. 총 25개사 25개 사업아이템이 대상으로 국내 스타트업과 대기업/중견기업 사내벤처와 신사업기획팀들의 것이다. 사업아이템의 속성상 하단 분류에 중복적용될 수 있다. 1. 이미 사업성과 상업성이 검증된 기존 제품이나 서비스를 대체하거나 그 제품과 서비스 내부에 보유하고 있는 기술을 적용하여 제품과 서비스 제공업체 입장에서 실질적인 이익이 발생할 수 있도록 만들거나, -&gt; 17개 2. 특정 분야나 특정 영역으로 범위를 좁히고 해당 시장과 타겟 고객이 즉각적으로 체감할 수 있는 수준으로 뾰족하게 다듬은 전문화된 제품과 서비스를 제공하거나, -&gt; 11개 3. 기존 업무나 일, 혹은 일상생활을 보다 편리하거나 성과를 높여주되 역시나 사용자가 즉각적으로 체감할 수 있는 수준으로 확실히 지원할 수 있는 제품과 서비스를 제공할 수 있어야만 한다. -&gt; 15개 총 43개 중 1번이 가장 많았고 그 다음이 3번이었다. 아무래도 1번과 3번은 B2B 시장에서 업무생산성 증대와 비용 절감 측면에서 겹치는 부분이 많다보니 벌어진 현상으로 보이며, 2번은 대기업이나 중견기업 보다는 스타트업들이 유독 많았다. 흥미로운 점 하나는,데이터 사이언스가 유행하고 생성형 AI 유행 초반과 비교해서 확 달라진 점은 AI 기술을 적용한 마케팅이나 영업 등을 통해 매출이나 수익을 늘려 돈 벌게 해주겠다는 사업아이템이 확 줄었다는거다. 상기 25개 사업아이템 중에서 소수 이런 목적을 가진 것들도 있기는 하지만 그것을 전면에 내세우지는 않는다. 이런 돈벌이 목적의 메세지를 가진 사업아이템은 B2C와 소상공인시장으로 내려가 고객을 현혹하며 푼돈을 뜯는데 집중하고 있고, 대부분은 망했거나 사업을 전면 피봇팅했다. 흥미로운 또다른 하나는,1번과 3번의 경우 ‘와우! 이건 혁신적이다!’ 느끼게 만드는 제품과 서비스는 극히 일부고 이미 다른 형태로 형성되어 있던 산업과 시장에 들어가 최종 고객은 변화를 직접적으로 잘 느끼지 못하는 형태로 소위 젖어들게 한다는거다. 요즘 고객은 ‘와~ 이거 대단해!’가 아니라 ’이거 써보니 좋은데 그 기술이 들어간거네~‘로 반응한다. 혁신적인 제품일수록 고객 수용도가 점점 더 떨어지는 이유 중 하나기도 하다. 혁신적인 건 명예를 줄진 몰라도 아주아주아주 압도적 기술이 아니면 그 기술을 가진 극소수를 제외하고 돈은 혁신성과 별상관 없다. 워크라이프나 일상생활의 라이프스타일에서 익숙한 생활습관을 바꾸는 어마어마한 번거로움을 감수할 정도로 기존 해결책 대비 엄청나게 ‘개선’해주는게 돈을 번다.

This post celebrates influential papers that shaped technology and communication. Their foundational concepts inspire continued innovation, highlighting the importance of understanding our roots fo…

The 7 Most Influential Papers in Computer Science History

 1. 계산 가능한 수에 관하여, 결정 문제에의 응용 (1936년, 앨런 튜링)
    * 핵심 아이디어: 튜링은 '튜링 머신'이라는 개념을 통해 컴퓨터가 이론적으로 수행할 수 있는 작업의 범위를 정의하였습니다.
    * 현대적 중요성: 모든 프로그래밍 언어와 코드가 튜링의 규칙에 따라 작동하며, 양자 컴퓨팅에서도 그의 이론이 적용됩니다.
 2. 정보의 수학적 이론 (1948년, 클로드 섀넌)
    * 핵심 아이디어: 정보 이론을 통해 데이터 압축과 오류 수정 코드를 가능하게 하였습니다.
    * 현대적 중요성: 텍스트 전송, 비디오 스트리밍, 화상 통화 등에서 섀넌의 이론이 활용됩니다.
 3. 대규모 공유 데이터 뱅크를 위한 관계형 데이터 모델 (1970년, 에드거 F. 코드)
    * 핵심 아이디어: 데이터를 테이블에 저장하고 논리적 연산으로 조작하는 관계형 모델을 제안하였습니다.
    * 현대적 중요성: SQL과 관계형 데이터베이스의 기초가 되었으며, 데이터 조직의 기본 개념을 제공하였습니다.
 4. 정리 증명 절차의 복잡성 (1971년, 스티븐 A. 쿡)
    * 핵심 아이디어: NP-완전성 개념을 도입하여 문제의 난이도를 설명하였습니다.
    * 현대적 중요성: 알고리즘, 암호학, 효율적인 해결책 탐색에 큰 영향을 미쳤습니다.
 5. 패킷 네트워크 상호 연결을 위한 프로토콜 (1974년, 빈튼 G. 서프, 로버트 E. 칸)
    * 핵심 아이디어: 서로 다른 네트워크가 통신할 수 있는 TCP/IP 프로토콜을 개발하였습니다.
    * 현대적 중요성: 인터넷의 기본 프로토콜로, 웹 브라우징, 이메일 전송 등에 사용됩니다.
 6. 정보 관리: 제안 (1989년, 팀 버너스리)
    * 핵심 아이디어: 하이퍼텍스트 시스템을 제안하여 월드 와이드 웹을 탄생시켰습니다.
    * 현대적 중요성: 웹을 통해 지식 공유 방식을 혁신하였습니다.
 7. 대규모 하이퍼텍스추얼 웹 검색 엔진의 해부 (1998년, 세르게이 브린, 래리 페이지)
    * 핵심 아이디어: 링크 분석을 기반으로 한 검색 엔진, 즉 구글을 개발하였습니다.
    * 현대적 중요성: 정보 검색 방식을 재정의하고 데이터 중심 기술의 시대를 열었습니다.

https://terriblesoftware.org/2025/01/22/the-7-most-influential-papers-in-computer-science-history/

<ol ><li>계산 가능한 수에 관하여, 결정 문제에의 응용 (1936년, 앨런 튜링)<ul ><li>핵심 아이디어: 튜링은 '튜링 머신'이라는 개념을 통해 컴퓨터가 이론적으로 수행할 수 있는 작업의 범위를 정의하였습니다.</li><li>현대적 중요성: 모든 프로그래밍 언어와 코드가 튜링의 규칙에 따라 작동하며, 양자 컴퓨팅에서도 그의 이론이 적용됩니다.</li></ul></li><li>정보의 수학적 이론 (1948년, 클로드 섀넌)<ul ><li>핵심 아이디어: 정보 이론을 통해 데이터 압축과 오류 수정 코드를 가능하게 하였습니다.</li><li>현대적 중요성: 텍스트 전송, 비디오 스트리밍, 화상 통화 등에서 섀넌의 이론이 활용됩니다.</li></ul></li><li>대규모 공유 데이터 뱅크를 위한 관계형 데이터 모델 (1970년, 에드거 F. 코드)<ul ><li>핵심 아이디어: 데이터를 테이블에 저장하고 논리적 연산으로 조작하는 관계형 모델을 제안하였습니다.</li><li>현대적 중요성: SQL과 관계형 데이터베이스의 기초가 되었으며, 데이터 조직의 기본 개념을 제공하였습니다.</li></ul></li><li>정리 증명 절차의 복잡성 (1971년, 스티븐 A. 쿡)<ul ><li>핵심 아이디어: NP-완전성 개념을 도입하여 문제의 난이도를 설명하였습니다.</li><li>현대적 중요성: 알고리즘, 암호학, 효율적인 해결책 탐색에 큰 영향을 미쳤습니다.</li></ul></li><li>패킷 네트워크 상호 연결을 위한 프로토콜 (1974년, 빈튼 G. 서프, 로버트 E. 칸)<ul ><li>핵심 아이디어: 서로 다른 네트워크가 통신할 수 있는 TCP/IP 프로토콜을 개발하였습니다.</li><li>현대적 중요성: 인터넷의 기본 프로토콜로, 웹 브라우징, 이메일 전송 등에 사용됩니다.</li></ul></li><li>정보 관리: 제안 (1989년, 팀 버너스리)<ul ><li>핵심 아이디어: 하이퍼텍스트 시스템을 제안하여 월드 와이드 웹을 탄생시켰습니다.</li><li>현대적 중요성: 웹을 통해 지식 공유 방식을 혁신하였습니다.</li></ul></li><li>대규모 하이퍼텍스추얼 웹 검색 엔진의 해부 (1998년, 세르게이 브린, 래리 페이지)<ul ><li>핵심 아이디어: 링크 분석을 기반으로 한 검색 엔진, 즉 구글을 개발하였습니다.</li><li>현대적 중요성: 정보 검색 방식을 재정의하고 데이터 중심 기술의 시대를 열었습니다.</li></ul></li></ol> https://terriblesoftware.org/2025/01/22/the-7-most-influential-papers-in-computer-science-history/

Terrible Software

컴퓨터 과학 역사에서 가장 영향력 있는 7개의 논문

Contribute to deepseek-ai/DeepSeek-R1 development by creating an account on GitHub.

GitHub - deepseek-ai/DeepSeek-R1

최근 AI업계의 가장 핫한 딥시크에 대해서 정리해 본 내용입니다.

💻 딥시크(DeepSeek)
 * 중국의 헤지펀드 매니저 량원평이 하이플라이어 캐피탈을 통해 만든 AI 언어모델
 *  OpenAI의 모델과 비슷한 성능을 가진 오픈소스 대규모 언어 모델
   * 최근 공개 모델: DeepSeek -R1
   * 671B 파라미터, 37B 활성 파라미터
   * MIT 라이선스 하에 상업적 이용 가능
 * 세계 최대 AI 기업인 오픈AI와 클라우드 기업인 아마존 등 주요 기업들이 대형 언어모델 지출 비용의 20분의 1 (or 10분의 1)수준으로 구축했으나, 오픈AI의 o1과 유사한 정확도 및 성능
   * 모델 훈련비용: 560만 달러 추정(vs OpenAI의 GPT-4는 1억 달러, vs Anthropic 1억 ~ 10억 달러)
 * 2025년 1웍25일 주말 사이 애플 북미 무료 앱 다운로드 순위 1위 등극
 * 2025년 1월28일 이미지 생성 멀티모달 모델 ‘야누스 프로(Janus-Pro)’를 공개 - 오픈AI의 이미지 생성 모델 ‘달리 3’, 스태빌리티AI의 ‘스테이블 디퓨전 XL(SDXL)’을 능가하는 성능 기록

💻 주요 기술적 특징
1. 효율적인 모델 아키텍처
 * Mixture of Experts(MoE) 아키텍처를 채택하여 모델의 효율성을 극대화
 * 참고로 MoE는 프랑스의 미스트랄AI가 사용중인 아키텍처
2. 혁신적인 기술 적용
 * Multi-Head Latent Attention(MLA): 효율적인 훈련과 추론을 가능하게 하는 아키텍처
 * 하이브리드 접근: 강화 학습과 일련의 사고 추론을 결합한 방식
3. 자원 최적화
 * 구형 칩 사용: 최신 Nvidia H100 대신 성능이 떨어지는 H800 모델 사용으로 비용 절감
 * 에너지 효율성: 클라우드 의존도를 줄이고 전력 소비를 최적화
 * 메타 '라마'의 10분의 1에 불과한 557만달러 학습 진행
 4. 검색 및 추론 관련
 * 이미지, 문서 업로드 지원
 * 프럼프팅에 대한 추론 과정을 자세히 다 보여줌(vs. Chatgpt는 부분만 보여줌)
 * 추론과 웹서칭을 동시에 사용하여 결과 보여줌(유사. Perplexity)
 * 오픈소스로 공개되어 있기 때문에 자체 AI 검색 서비스 구현 용이
   
💻 MoE(Mixture-of-Experts) 아키텍처 특징
 1. 효율적인 파라미터 활용: DeepSeek-V3는 총 6710억 개의 파라미터. 각 토큰 처리시 단 370억 개의 파라미터만 활성화 >> 이는 계산 비용을 크게 줄이면서도 높은 성능 유지
 2. Multi-head Latent Attention (MLA): 이 구조는 키(Key)와 값(Value)을 효율적으로 압축하여 KV 캐시 사용량을 줄입니다. 이를 통해 메모리 사용량을 크게 절감하면서도 기존 Multi-Head Attention(MHA)과 유사한 성능을 유지합니다.
 3. 혁신적인 부하 균형 전략: DeepSeek-V3는 부가 손실(auxiliary loss) 없이 작업 부하를 균등하게 나누는 새로운 전략을 도입으로 모델의 안정성과 성능을 동시에 향상
 4. 멀티 토큰 예측(Multi-Token Prediction, MTP): 한 번에 여러 토큰을 예측하도록 설계되어 데이터 처리 능력 강화
 5. DeepSeekMoE: 이 구조는 여러 "전문가(Experts)" 모듈로 구성되어 있으며, 각 데이터 토큰을 처리할 때 가장 적합한 전문가들만을 선택하여 작업 분담

💻 성능 및 시장 영향
1. 벤치마크 성능
 * 지식 질문 및 답변, 긴 텍스트 처리, 코드 생성, 수학적 기능 등에서 업계 최고 수준
 * MMLU, GPQA 등의 지식 작업에서 Claude-3.5-Sonnet에 근접한 성능
 * AIME 2024, CNMO 2024 등의 수학 테스트에서 새로운 기록 수립
2. 시장 경쟁력
 * OpenAI의 o1 모델 대비 90% 비용 절감하면서도 우수한 성능 달성
 * 생성 속도 200% 향상으로 사용자 경험 개선
 * 'DeepSeek 학습 비용이 메타 수석 엔지니어 연봉보다 적다'
3. 글로벌 AI 시장 영향
 * Nvidia: 엔비디아 주가 17% 하락으로 846조 증발 - 미국 주식 역사상 가장 큰 하락 기록.(이후 재상승중이기는 하나 엔비디아의 비싸고 공급이 늦어지는 GPU 가치에 대한 재검토 계기)
 * OpenAI & Microsoft : ChatGPT와 직접적인 경쟁 관계 형성. OpenAI의 AI 모델을 DeepSeek모델에서 학습했는지 조사 중 / 가장 최신 추론모델인 O3-Mini 풀버전 공개 전 사전 무료 공개(1.31)
 * Google: 별 다른 반응을 내놓지 않고 있는 구글은 코딩과 수학 작업에서 높은 정확성과 강력한 성능을 제공하는 Gemini 2.0 Pro Experimental) 공개(1.30)
 * Meta: 딥시크 분석을 위한 4개의 태스크포스 팀을 통해 분석. 향후 딥시크의 핵심 기술을 '라마'에 적용 예정
 * Apple: 中딥시크 극찬한 팀쿡. 온디바이스AI 전략을 가진 애플은 딥시크의 AI 모델 오픈소스를 활용해 중국에서 AI기능을 탑재한 아이폰 출시 가능성
 * Perplexity: 이미 https://www.perplexity.ai에 DeepSeek R1 추론 모델 적용 및 서비스 중
   
   
🤔 이슈 및 한계
 * 이슈:
   * https://chat.deepseek.com/를 사용하는 경우, ‘개인정보 보호 정책’을 통해 AI 모델 학습을 위한 이용자의 이름·생년월일·이메일·주소·전화번호 등을 수집
   * 그리고, 이용자들이 입력한 키보드 패턴과 오디오, 파일, 채팅 기록 등 콘텐트를 수집하고 회사 재량에 따라 해당 정보를 법 집행기관이나 공공 기관과 공유할 수 있다고 명시
   * 모든 데이터는 중국에 있는 딥시크 서버에 저장하는 이슈
 * 한계:
   * 중국정부 검열(?): 시진핑이 나오는 결과내용들은 자동으로 순삭(?)되는 결과를 보여주는 한계

🛠️ 참고
 * https://www.deepseek.com/
 * https://github.com/deepseek-ai/DeepSeek-R1
 * https://openrouter.ai/deepseek/deepseek-r1 
 * https://apps.apple.com/kr/app/deepseek-ai-%EC%96%B4%EC%8B%9C%EC%8A%A4%ED%84%B4%ED%8A%B8/id6737597349
 * DeepSeek: all the news about the startup that’s shaking up AI stocks - https://www.theverge.com/24353060/deepseek-ai-china-nvidia-openai

최근 AI업계의 가장 핫한 딥시크에 대해서 정리해 본 내용입니다. 💻 딥시크(DeepSeek)<ul ><li>중국의 헤지펀드 매니저 량원평이 하이플라이어 캐피탈을 통해 만든 AI 언어모델</li><li>&nbsp;OpenAI의 모델과 비슷한 성능을 가진 오픈소스 대규모 언어 모델<ul ><li>최근 공개 모델: DeepSeek -R1</li><li>671B 파라미터, 37B 활성 파라미터</li><li>MIT 라이선스 하에 상업적 이용 가능</li></ul></li><li>세계 최대 AI 기업인 오픈AI와 클라우드 기업인 아마존 등 주요 기업들이 대형 언어모델 지출 비용의 20분의 1 (or 10분의 1)수준으로 구축했으나, 오픈AI의 o1과 유사한 정확도 및 성능<ul ><li>모델 훈련비용: 560만 달러 추정(vs OpenAI의 GPT-4는 1억 달러, vs Anthropic 1억 ~ 10억 달러)</li></ul></li><li>2025년 1웍25일 주말 사이 애플 북미 무료 앱 다운로드 순위 1위 등극</li><li>2025년 1월28일 이미지 생성 멀티모달&nbsp;모델 ‘야누스 프로(Janus-Pro)’를 공개 - 오픈AI의 이미지 생성 모델 ‘달리 3’, 스태빌리티AI의 ‘스테이블 디퓨전 XL(SDXL)’을 능가하는 성능 기록</li></ul> 💻 주요 기술적 특징1. 효율적인 모델 아키텍처<ul ><li>Mixture of Experts(MoE) 아키텍처를 채택하여 모델의 효율성을 극대화</li><li>참고로 MoE는 프랑스의 미스트랄AI가 사용중인 아키텍처</li></ul>2. 혁신적인 기술 적용<ul ><li>Multi-Head Latent Attention(MLA): 효율적인 훈련과 추론을 가능하게 하는 아키텍처</li><li>하이브리드 접근: 강화 학습과 일련의 사고 추론을 결합한 방식</li></ul>3. 자원 최적화<ul ><li>구형 칩 사용: 최신 Nvidia H100 대신 성능이 떨어지는 H800 모델 사용으로 비용 절감</li><li>에너지 효율성: 클라우드 의존도를 줄이고 전력 소비를 최적화</li><li>메타 '라마'의 10분의 1에 불과한 557만달러 학습 진행</li></ul><ol start="4"><li>검색 및 추론 관련</li></ol><ul ><li>이미지, 문서 업로드 지원</li><li>프럼프팅에 대한 추론 과정을 자세히 다 보여줌(vs. Chatgpt는 부분만 보여줌)</li><li>추론과 웹서칭을 동시에 사용하여 결과 보여줌(유사. Perplexity)</li><li>오픈소스로 공개되어 있기 때문에 자체 AI 검색 서비스 구현 용이 </li></ul>💻 MoE(Mixture-of-Experts) 아키텍처 특징<ol ><li>효율적인 파라미터 활용: DeepSeek-V3는 총 6710억 개의 파라미터. 각 토큰 처리시 단 370억 개의 파라미터만 활성화 &gt;&gt; 이는 계산 비용을 크게 줄이면서도 높은 성능 유지</li><li>Multi-head Latent Attention (MLA): 이 구조는 키(Key)와 값(Value)을 효율적으로 압축하여 KV 캐시 사용량을 줄입니다. 이를 통해 메모리 사용량을 크게 절감하면서도 기존 Multi-Head Attention(MHA)과 유사한 성능을 유지합니다.</li><li>혁신적인 부하 균형 전략: DeepSeek-V3는 부가 손실(auxiliary loss) 없이 작업 부하를 균등하게 나누는 새로운 전략을 도입으로 모델의 안정성과 성능을 동시에 향상</li><li>멀티 토큰 예측(Multi-Token Prediction, MTP): 한 번에 여러 토큰을 예측하도록 설계되어 데이터 처리 능력 강화</li><li>DeepSeekMoE: 이 구조는 여러 "전문가(Experts)" 모듈로 구성되어 있으며, 각 데이터 토큰을 처리할 때 가장 적합한 전문가들만을 선택하여 작업 분담</li></ol> 💻 성능 및 시장 영향1. 벤치마크 성능<ul ><li>지식 질문 및 답변, 긴 텍스트 처리, 코드 생성, 수학적 기능 등에서 업계 최고 수준</li><li>MMLU, GPQA 등의 지식 작업에서 Claude-3.5-Sonnet에 근접한 성능</li><li>AIME 2024, CNMO 2024 등의 수학 테스트에서 새로운 기록 수립</li></ul>2. 시장 경쟁력<ul ><li>OpenAI의 o1 모델 대비 90% 비용 절감하면서도 우수한 성능 달성</li><li>생성 속도 200% 향상으로 사용자 경험 개선</li><li>'DeepSeek 학습 비용이 메타 수석 엔지니어 연봉보다 적다'</li></ul>3. 글로벌 AI 시장 영향<ul ><li>Nvidia: 엔비디아 주가 17% 하락으로 846조 증발 - 미국 주식 역사상 가장 큰 하락 기록.(이후 재상승중이기는 하나 엔비디아의 비싸고 공급이 늦어지는 GPU 가치에 대한 재검토 계기)</li><li>OpenAI &amp; Microsoft : ChatGPT와 직접적인 경쟁 관계 형성. OpenAI의 AI 모델을 DeepSeek모델에서 학습했는지 조사 중 / 가장 최신 추론모델인 O3-Mini 풀버전 공개 전 사전 무료 공개(1.31)</li><li>Google: 별 다른 반응을 내놓지 않고 있는 구글은 코딩과&nbsp;수학&nbsp;작업에서 높은 정확성과 강력한 성능을 제공하는 Gemini 2.0 Pro Experimental) 공개(1.30)</li><li>Meta: 딥시크 분석을 위한 4개의 태스크포스 팀을 통해 분석. 향후 딥시크의 핵심 기술을 '라마'에 적용 예정</li><li>Apple: 中딥시크 극찬한 팀쿡. 온디바이스AI 전략을 가진 애플은 딥시크의 AI 모델 오픈소스를 활용해 중국에서 AI기능을 탑재한 아이폰 출시 가능성</li><li>Perplexity: 이미 https://www.perplexity.ai에 DeepSeek R1 추론 모델 적용 및 서비스 중 </li></ul>🤔 이슈 및 한계<ul ><li>이슈:<ul ><li>https://chat.deepseek.com/를 사용하는 경우, ‘개인정보 보호 정책’을 통해 AI 모델 학습을 위한 이용자의 이름·생년월일·이메일·주소·전화번호 등을 수집</li><li>그리고, 이용자들이 입력한 키보드 패턴과 오디오, 파일, 채팅 기록 등 콘텐트를 수집하고 회사 재량에 따라 해당 정보를 법 집행기관이나 공공 기관과 공유할 수 있다고 명시</li><li>모든 데이터는 중국에 있는 딥시크 서버에 저장하는 이슈</li></ul></li><li>한계:<ul ><li>중국정부 검열(?): 시진핑이 나오는 결과내용들은 자동으로 순삭(?)되는 결과를 보여주는 한계</li></ul></li></ul> 🛠️ 참고<ul ><li>https://www.deepseek.com/</li><li>https://github.com/deepseek-ai/DeepSeek-R1</li><li>https://openrouter.ai/deepseek/deepseek-r1&nbsp;</li><li>https://apps.apple.com/kr/app/deepseek-ai-%EC%96%B4%EC%8B%9C%EC%8A%A4%ED%84%B4%ED%8A%B8/id6737597349</li><li>DeepSeek: all the news about the startup that’s shaking up AI stocks - https://www.theverge.com/24353060/deepseek-ai-china-nvidia-openai</li></ul>

GitHub

딥시크(DeepSeek)

❓도메인 지식이란 무엇인가요?

"해당 분야에서 사용하는 특수 용어/단어들을 이해하고
그 분야에서 함께 일하는 사람들의 문제/고민을 파악하는 능력"

그렇다면 데이터 분석 취업을 준비하는 이들이
도메인 지식을 배울 수 있는 효과적인 방법에는 어떤 것들이 있을까요?

[1] 데이터 분석가의 블로그/포스트를 자주 읽기

많은 데이터 분석가들이 자신이 배운 내용이나
생각을 정리하기 위해 블로그/포스트를 자주 작성합니다.

특히 단순 스킬 정리나 코드에 대한 내용보다,
분석가들이 주어진 문제를 어떻게 해결했는지 대해 정리한
블로그/포스트를 읽는 것을 추천드립니다.

데이터 분석가들의 블로그/포스트를 자주 읽다보면
다음과 같은 경험들을 할 수 있어요.

- 특정 도메인에서 발생하는 문제들과 그 해결 과정을 간접적으로 체험해볼 수 있습니다.
- 단순 이론이나 방법론이 아니라, 실제로 현업 데이터 분석이 어떻게 적용되는지를 알 수 있습니다.
- 데이터 분석가들이 평소에 어떤 고민을 하는지, 그리고 어떤 생각을 하는지를 옅볼 수 있습니다.

데이터 분야는 빠른 속도로 바뀌고 있습니다.
이런 변화의 흐름을 파악하는 가장 좋은 방법 중 하나는
실제 현업자들이 어떤 생각을 하고,
어떤 업무를 하는지를 살펴보는 것입니다.

저의 데이터 블로그 추천 리스트 입니다.

1. zzsza.github.io
2. schatz37.tistory.com
3. minwookim.kr/about

❓도메인 지식이란 무엇인가요? "해당 분야에서 사용하는 특수 용어/단어들을 이해하고 그 분야에서 함께 일하는 사람들의 문제/고민을 파악하는 능력" 그렇다면 데이터 분석 취업을 준비하는 이들이 도메인 지식을 배울 수 있는 효과적인 방법에는 어떤 것들이 있을까요? [1] 데이터 분석가의 블로그/포스트를 자주 읽기 많은 데이터 분석가들이 자신이 배운 내용이나 생각을 정리하기 위해 블로그/포스트를 자주 작성합니다. 특히 단순 스킬 정리나 코드에 대한 내용보다, 분석가들이 주어진 문제를 어떻게 해결했는지 대해 정리한 블로그/포스트를 읽는 것을 추천드립니다. 데이터 분석가들의 블로그/포스트를 자주 읽다보면 다음과 같은 경험들을 할 수 있어요. - 특정 도메인에서 발생하는 문제들과 그 해결 과정을 간접적으로 체험해볼 수 있습니다. - 단순 이론이나 방법론이 아니라, 실제로 현업 데이터 분석이 어떻게 적용되는지를 알 수 있습니다. - 데이터 분석가들이 평소에 어떤 고민을 하는지, 그리고 어떤 생각을 하는지를 옅볼 수 있습니다. 데이터 분야는 빠른 속도로 바뀌고 있습니다. 이런 변화의 흐름을 파악하는 가장 좋은 방법 중 하나는 실제 현업자들이 어떤 생각을 하고, 어떤 업무를 하는지를 살펴보는 것입니다. 저의 데이터 블로그 추천 리스트 입니다. 1. zzsza.github.io 2. schatz37.tistory.com 3. minwookim.kr/about&nbsp;

데이터 분석가의 도메인 지식을 넓히는 방법 3가지

1월이 벌써 끝나가고 있는데요, 1월의 IT뉴스를 정리해봅니다.

1. LG전자 : 자율주행로봇 기술을 보유한 베어로보틱스의 지분 30%를 추가 인수하여 경영권을 확보했습니다. 
2. 삼성전자 : 갤럭시 S25 시리즈 스마트폰을 공개하며 AI 기능을 대폭 강화했습니다. 
3. 씨게이트 : 36TB 용량의 데이터센터용 하드디스크 엑소스 M의 샘플링을 시작했습니다. 
4. 엔비디아 : 지포스 RTX 50 시리즈 게이밍 GPU를 공개하며 DLSS 4 기술을 선보였습니다. 
5. AMD : 고성능 데스크톱 프로세서 라이젠 9 9950X3D와 라이젠 AI 맥스 시리즈를 발표했습니다. 
6. 로지텍 코리아 : e스포츠 프로게임단 농심 레드포스와 공식 파트너십을 체결했습니다. 
7. LG전자 : CES 2025에서 시그니처 주방 기기 라인업과 2025년형 그램 노트북 등을 공개했습니다. 
8. 비자(VISA) : 마마 어워즈 2024의 결제 데이터를 공개하며 관람객 소비 패턴을 분석했습니다. 
9. 농심 : 마케팅 생성 AI 기업 아스타와 비밀유지계약을 체결하고 협업을 시작했습니다. 
10. 메타(Meta) : 2025년에 인공지능 인프라 확보를 위해 최대 650억 달러를 투자할 계획을 발표했습니다. 
11. 마이크로소프트 : 인공지능 데이터센터에 800억 달러를 투자하여 AI 기술 경쟁에 박차를 가하고 있습니다. 
12. 딥시크(Deepseek) : 엔비디아의 H800을 활용한 AI 서비스로 주목받으며 미국 빅테크 기업들의 투자 효율성에 의문을 제기했습니다. 
13. 엔비디아 : 개인용 AI 슈퍼컴퓨터 프로젝트 디지츠(Project DIGITS)를 발표하여 소규모 연구 시장을 겨냥했습니다. 
14. AMD : 인공지능 가속기 인스팅트 MI325를 공개하며 엔비디아와의 경쟁을 이어가고 있습니다. 
15. SK하이닉스 : AI 시장 성장과 HBM 기술력을 바탕으로 작년 4분기 및 연간 사상 최대 실적을 기록했습니다.

1월이 벌써 끝나가고 있는데요, 1월의 IT뉴스를 정리해봅니다. 1. LG전자 : 자율주행로봇 기술을 보유한 베어로보틱스의 지분 30%를 추가 인수하여 경영권을 확보했습니다.&nbsp;2. 삼성전자 : 갤럭시 S25 시리즈 스마트폰을 공개하며 AI 기능을 대폭 강화했습니다.&nbsp;3. 씨게이트 : 36TB 용량의 데이터센터용 하드디스크 엑소스 M의 샘플링을 시작했습니다.&nbsp;4. 엔비디아 : 지포스 RTX 50 시리즈 게이밍 GPU를 공개하며 DLSS 4 기술을 선보였습니다.&nbsp;5. AMD : 고성능 데스크톱 프로세서 라이젠 9 9950X3D와 라이젠 AI 맥스 시리즈를 발표했습니다.&nbsp;6. 로지텍 코리아 : e스포츠 프로게임단 농심 레드포스와 공식 파트너십을 체결했습니다.&nbsp;7. LG전자 : CES 2025에서 시그니처 주방 기기 라인업과 2025년형 그램 노트북 등을 공개했습니다.&nbsp;8. 비자(VISA) : 마마 어워즈 2024의 결제 데이터를 공개하며 관람객 소비 패턴을 분석했습니다.&nbsp;9. 농심 : 마케팅 생성 AI 기업 아스타와 비밀유지계약을 체결하고 협업을 시작했습니다.&nbsp;10. 메타(Meta) : 2025년에 인공지능 인프라 확보를 위해 최대 650억 달러를 투자할 계획을 발표했습니다.&nbsp;11. 마이크로소프트 : 인공지능 데이터센터에 800억 달러를 투자하여 AI 기술 경쟁에 박차를 가하고 있습니다.&nbsp;12. 딥시크(Deepseek) : 엔비디아의 H800을 활용한 AI 서비스로 주목받으며 미국 빅테크 기업들의 투자 효율성에 의문을 제기했습니다.&nbsp;13. 엔비디아 : 개인용 AI 슈퍼컴퓨터 프로젝트 디지츠(Project DIGITS)를 발표하여 소규모 연구 시장을 겨냥했습니다.&nbsp;14. AMD : 인공지능 가속기 인스팅트 MI325를 공개하며 엔비디아와의 경쟁을 이어가고 있습니다.&nbsp;15. SK하이닉스 : AI 시장 성장과 HBM 기술력을 바탕으로 작년 4분기 및 연간 사상 최대 실적을 기록했습니다.&nbsp;

2025년 1월, IT 업계에서 무슨 일이 있었나?

DeepSeek R1이 이뤄낸 진보가 대단한 건 맞음. 비용/가격이 아니라 기술로써. 그에 대한 초딩도 알 수 있는 간단한 설명.

기존에는 사람이 문제 풀이와 공부하는 방법을 어느정도 알려주고 훈련(학습)을 했음. 그런데 DeepSeek R1(Zero)는 가이드 없이 답이 맞는지 틀린지만 알려주고, 풀이는 지가 이렇게 저렇게 해 보면서 스스로 발견해 나가는 방법을 사용함.

이는 예전 알파고와 알파고 제로와 같은 관계로, 처음 이세돌과 대국한 알파고는 인간의 기보를 학습한 아이지만, 이후 나온 알파고 제로는 인간의 기보 없이 바닥부터 스스로 대국을 둬가며 바둑의 묘리를 깨우쳤고, 이전의 이세돌을 이긴 알파고를 압도함.

DeepSeek R1도 마찬가지. 이는 AI 훈련에 있어, 인간의 가이드 없이 AI가 스스로 학습하는 것이 성능 향상에 더 유리하다는 증거를 다시 한 번 보여준 것이라고 할 수 있음.

즉, 인간의 결과물에는 인간의 편향과 잘못이 담겨 있기 때문에, 일정 수준 이상의 성능을 넘기 위해서는 인간의 경험을 배제하고 훈련을 해야 한다는 것임.

쉬운 설명을 위해 약간의 왜곡이 들어가긴 했지만, 결론적으로 인간의 지능을 넘는 초지능을 달성하는데는 결국 인간이 한계로 작용 할 수 밖에 없기 때문에 분명히 다른 방법을 써야할 것이며, 온전히 스스로 배우는 단순한 강화학습이 그 돌파구를 열 수 있을 것으로 보인다는 것이 DeepSeek R1의 이루어 낸 성과.

참고로 GPT에 사용하여 유명해진 RLHF는 그 과정에서 인간이 관여하므로 진정한 RL이 아니어서, Alignment나 유려함을 만드는데는 유리하나, 추론 능력등의 성능 향상에는 큰 효과가 없거나 오히려 제약을 만든다고 알려져있음.

DeepSeek R1이 이뤄낸 진보가 대단한 건 맞음. 비용/가격이 아니라 기술로써. 그에 대한 초딩도 알 수 있는 간단한 설명. 기존에는 사람이 문제 풀이와 공부하는 방법을 어느정도 알려주고 훈련(학습)을 했음. 그런데 DeepSeek R1(Zero)는 가이드 없이 답이 맞는지 틀린지만 알려주고, 풀이는 지가 이렇게 저렇게 해 보면서 스스로 발견해 나가는 방법을 사용함. 이는 예전 알파고와 알파고 제로와 같은 관계로, 처음 이세돌과 대국한 알파고는 인간의 기보를 학습한 아이지만, 이후 나온 알파고 제로는 인간의 기보 없이 바닥부터 스스로 대국을 둬가며 바둑의 묘리를 깨우쳤고, 이전의 이세돌을 이긴 알파고를 압도함. DeepSeek R1도 마찬가지. 이는 AI 훈련에 있어, 인간의 가이드 없이 AI가 스스로 학습하는 것이 성능 향상에 더 유리하다는 증거를 다시 한 번 보여준 것이라고 할 수 있음. 즉, 인간의 결과물에는 인간의 편향과 잘못이 담겨 있기 때문에, 일정 수준 이상의 성능을 넘기 위해서는 인간의 경험을 배제하고 훈련을 해야 한다는 것임. 쉬운 설명을 위해 약간의 왜곡이 들어가긴 했지만, 결론적으로 인간의 지능을 넘는 초지능을 달성하는데는 결국 인간이 한계로 작용 할 수 밖에 없기 때문에 분명히 다른 방법을 써야할 것이며, 온전히 스스로 배우는 단순한 강화학습이 그 돌파구를 열 수 있을 것으로 보인다는 것이 DeepSeek R1의 이루어 낸 성과. 참고로 GPT에 사용하여 유명해진 RLHF는 그 과정에서 인간이 관여하므로 진정한 RL이 아니어서, Alignment나 유려함을 만드는데는 유리하나, 추론 능력등의 성능 향상에는 큰 효과가 없거나 오히려 제약을 만든다고 알려져있음.

DeepSeek R1이 이뤄낸 진보가 대단한 건 맞음. 비용/가격

데이터 일을 오래 하면서 여기저기서 강의를 하면서 데이터와 AI/LLM 엔지니어링 관련해서 서적추천을 해달라는 요청을 간혹 받는데 아래 3권의 서적을 추천한다.

 1. AI Engineering: Building Applications with Foundation Models, Chip Huyen
 2. Designing Machine-Learning Systems Production Ready, Chip Huyen
 3. Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems, Martin Kleppmann

이 책들을 읽는 순서는 3번 → 2번 → 1번이라 생각한다. 3번째 책은 데이터쪽의 고전과도 같은 책인데 링크는 1st edition에 걸었지만 현재 2nd edition이 나온 상황(아직은 아마존에서는 안 파는 걸로 보인다)이고 1st edition과 내용이 꽤 다르다. 이 중 가장 최근에 읽은 따끈따끈한 책은 AI Engineering이다. LinkedIn에서 팔로우하고 있는 저자이기도한 Chip Huyen의 책인데 (두 번째 책도 같은 저자이다) 책의 내용을 아주 하이레벨로 요약하면 아래와 같은데 실습 없이 개념만 설명하는 책이란 점도 유념하자.

 * AI 엔지니어링이 무엇인지, 그리고 기존 머신러닝 엔지니어링과 어떻게 다른지 이해하기
 * AI 애플리케이션 개발 프로세스를 배우고, 각 단계에서 발생하는 문제와 이를 해결하기 위한 접근법 이해하기
 * 프롬프트 엔지니어링, RAG, 파인튜닝, 에이전트, 데이터셋 엔지니어링 등 다양한 모델 적응 기술을 탐구하고, 이러한 기술이 작동하는 방식과 이유 이해하기
 * 파운데이션 모델을 서비스할 때 발생하는 지연(latency) 및 비용 문제를 분석하고 이를 극복하는 방법 배우기
 * 필요에 맞는 적절한 모델, 데이터셋, 평가 기준(benchmarks) 및 지표(metrics)를 선택하기

기본적으로 머신러닝 모델을 직접 만들던 세상에서 LLM을 기반으로 일을 하는 세상으로 바뀌어 가고 있다라는 점에서 LLM 활용에 관한 이야기라고 요약할 수 있을 듯 하다.

데이터 일을 오래 하면서 여기저기서 강의를 하면서 데이터와 AI/LLM 엔지니어링 관련해서 서적추천을 해달라는 요청을 간혹 받는데 아래 3권의 서적을 추천한다. <ol ><li>AI Engineering: Building Applications with Foundation Models, Chip Huyen</li><li>Designing Machine-Learning Systems Production Ready, Chip Huyen</li><li>Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems, Martin Kleppmann</li></ol> 이 책들을 읽는 순서는 3번 → 2번 → 1번이라 생각한다. 3번째 책은 데이터쪽의 고전과도 같은 책인데 링크는 1st edition에 걸었지만 현재 2nd edition이 나온 상황(아직은 아마존에서는 안 파는 걸로 보인다)이고 1st edition과 내용이 꽤 다르다. 이 중 가장 최근에 읽은 따끈따끈한 책은 AI Engineering이다. LinkedIn에서 팔로우하고 있는 저자이기도한 Chip Huyen의 책인데 (두 번째 책도 같은 저자이다) 책의 내용을 아주 하이레벨로 요약하면 아래와 같은데 실습 없이 개념만 설명하는 책이란 점도 유념하자. <ul ><li>AI 엔지니어링이 무엇인지, 그리고 기존 머신러닝 엔지니어링과 어떻게 다른지 이해하기</li><li>AI 애플리케이션 개발 프로세스를 배우고, 각 단계에서 발생하는 문제와 이를 해결하기 위한 접근법 이해하기</li><li>프롬프트 엔지니어링, RAG, 파인튜닝, 에이전트, 데이터셋 엔지니어링 등 다양한 모델 적응 기술을 탐구하고, 이러한 기술이 작동하는 방식과 이유 이해하기</li><li>파운데이션 모델을 서비스할 때 발생하는 지연(latency) 및 비용 문제를 분석하고 이를 극복하는 방법 배우기</li><li>필요에 맞는 적절한 모델, 데이터셋, 평가 기준(benchmarks) 및 지표(metrics)를 선택하기</li></ul> 기본적으로 머신러닝 모델을 직접 만들던 세상에서 LLM을 기반으로 일을 하는 세상으로 바뀌어 가고 있다라는 점에서 LLM 활용에 관한 이야기라고 요약할 수 있을 듯 하다.

AI 엔지니어링이란? LLM기반으로 서비스 구현

이 신청서는 누군가를 평가하기 위한 목적이 아닌 무조건적인 선발을 방지하는 데 있습니다. 
불편하시더라도 작성해 주신 정보는 선발 후에 폐기될 예정입니다. 절대 별도 목적으로 사용되지 않습니다. 
죄송하지만 양해 부탁드립니다.

☑️ 장기간 활동할 수 있는 인원들과 함께하기 위해 대학교 재학생이나 휴학생 인원은 선발하지 않고 있습니다.
☑️ 이 글을 꼭 읽어주세요 👉 https://spicy-lace-142.notion.site/24837525a6624d08868a22e0a590f205

간단히 정리한 활동 내용입니다. 

☑️ 현재는 4명+4명+4명 세 조로 이뤄져 있습니다. 한 조가 번역을 하면 다른 한 조는 그 주에 번역 리뷰를 진행하게 됩니다.
☑️ 주 시작은 토요일로 수요일까지 글 작성을 마무리해야 합니다. 리뷰는 글을 올리고 3일 이내에 하는 것이 규칙입니다.
☑️ 총 2명 이상의 리뷰를 받아야 배포 가능합니다. 리뷰 또한 벌금제로 운영합니다. 본인 블로그에 글을 올리고 그 글을 메일로 보내는 형태로 진행하고 있습니다.
☑️ 3달에 한 주씩 방학으로 해서 쉬면서 로테이션을 변경합니다. 분기별로 1주 글 작성 휴가, 1주 리뷰 휴가가 존재합니다.

😛 이번 모집은 5명 + 5명 + 5명 조를 구성하기 위해 3명을 선발합니다.
😛 기존 참여자 분들의 경험상 번역에 생각보다 시간이 많이 필요하다는 점을 미리 알려드립니다. 꼭 참고해주세요!

⚠️ 질문은 전부 단답형으로 작성해주시면 감사하겠습니다! ⚠️

Korean FE Article 신청서

안녕하세요.
먼저 2025년 새해를 맞아 건강과 행복이 가득하시길 기원합니다.

새로운 해를 맞아 Korean FE Article 팀에서 오랜만에 반가운 소식을 전해드립니다. 더 다양하고 많은 글을 번역하기 위해 새로운 팀원 3분을 모시고자 합니다. 장기적으로 함께하실 수 있는 분들을 찾고 있으며, 자세한 내용은 아래 모집 소개 페이지를 참고해 주시면 감사하겠습니다.

▶ 소개 링크: https://bit.ly/40F8ilr
▶ 지원 링크: https://forms.gle/5us3QdhUzwRnFhuq7
▶ 모집 기간: ~ 2월 14일까지 (모집 종료 후 팀원들과 한 뒤 개별적으로 연락드릴 예정입니다.)

번역 활동에 관심이 있으셨던 분들의 많은 지원 부탁드립니다.
남은 연휴 잘 보내시고, 새해 복 많이 받으시기 바랍니다.
감사합니다.

안녕하세요.먼저 2025년 새해를 맞아 건강과 행복이 가득하시길 기원합니다. 새로운 해를 맞아 Korean FE Article 팀에서 오랜만에 반가운 소식을 전해드립니다. 더 다양하고 많은 글을 번역하기 위해 새로운 팀원 3분을 모시고자 합니다. 장기적으로 함께하실 수 있는 분들을 찾고 있으며, 자세한 내용은 아래 모집 소개 페이지를 참고해 주시면 감사하겠습니다. ▶ 소개 링크: https://bit.ly/40F8ilr ▶ 지원 링크: https://forms.gle/5us3QdhUzwRnFhuq7 ▶ 모집 기간: ~ 2월 14일까지 (모집 종료 후 팀원들과 한 뒤 개별적으로 연락드릴 예정입니다.) 번역 활동에 관심이 있으셨던 분들의 많은 지원 부탁드립니다. 남은 연휴 잘 보내시고, 새해 복 많이 받으시기 바랍니다.감사합니다.

Google Docs

2025 Korean FE Article 신규 팀원 모집 안내

DeepSeek-R1-Zero/DeepSeek-R1 개요 
DeepSeek: 중국 항저우 인공지능 회사. DeepSeek-V3 등 MoE 모델들 출시. V3의 경우 타 회사 대비 API 비용이 10배 이상 쌈. 감춰져있던 OpenAI-o1은 어떻게 만들까?에 대한 방법론 제시. (답은 SFT->RL->SFT->RL) 

RL로 대규모 학습을 하면 가능성이 있을거야
->어라? 이 부분이 잘안되네?(반복,가독성,언어섞임 문제)
->SFT+RL+SFT+RL hybrid 
DeepSeek-R1-Zero(MoE)와, DeepSeek-R1(MoE), 그리고 6개의 Llama와 Qwen에 기반한 DeepSeek-R1 distilled dense 모델을 공개.
DeepSeek-R1-Distill-Qwen-32B는 OpenAI-o1-mini 를 다양한 benchmark에 대해 이기고 sota 달성.(사진1 참조)
또한 multimodal 을 지원.
chat 버전은 공짜.(한글은 잘 될까?)
API가 ChatGPT 보다 96% 쌈. 

그럼 어떻게? Post-Training: Large-Scale Reinforcement Learning on the Base Model 
순수 RL로만 대규모 학습을 하면 모든게 해결되지 않을까?
반복,가독성,언어섞임 문제를 해결하는 과정에서 서비스 가능한 수준의 DeepSeek-R1이 나옴. 

DeepSeek-R1-Zero 
(2024)Group Relative Policy Optimization 사용.
(사진2: GRPO 참조)

reward 모델링 
accuracy reward: response 가 맞는지 틀리는지에 대한 reward.
Format reward: <think>/</think>로 형식화되는 thinking process에 대한 reward. 

neural reward 모델은 사용X. 대규모 학습 시 reward hacking 문제나 reward model을 재학습하는데 드는 학습 비용을 고려. 
학습 Template 

(사진3:학습 format)과 같이 먼저 <think>로 추론을 하게 하고, <answer>로 최종 answer내는 식으로 형식화. 

성능 
아쉽다... 
(사진4: R1-Zero Benchmark성능)
연구자들 입장에서는 대규모 강화학습만 해서 끝내고 싶었을 것 같은데, OpenAI-o1 보다 미국 수학 올림피아드 시험 점수(AIME) ,math 등 살짝 앞선 것도 있지만 코드 벤치에서는 o1-mini보다 못하는 등의 문제를 해결하고 싶었을 것 같음.
GPQA=A Graduate-Level Google-Proof Q&A Benchmark

발견들
학습할 수록 thinking time이 늘어난다? 사람처럼 aha moment를 가지고 처음의 판단을 재평가하는 모습도.

다만, 반복, 언어섞임, 가독성 면에서 서비스에 쓸 수 있는 모델 수준이 아니었던 듯

DeepSeek-R1 

Cold Start 
작은 양의 long CoT 데이터를 모델을 fine-tune하여 RL의 actor로 사용. 
데이터 수집: 모델들에 반성과 검증을 통해 상세한 답변을 작성하게 하거나 DeepSeek-R1-Zero에서 가독성있는 format으로 모아서,사람 annotator들에게 후처리. 이를 통해 가독성을 보완하고 시작. 

추론 기반 RL 
cold start 모델->대규모 강화학습( DeepSeek-R1-Zero like) 명확하고 잘 정의된 코딩이나, 수학,과학, 논리 추론 능력을 강화하는데 집중. 언어가 섞이는 문제를 해결하기 위해, CoT 상에서 목표 언어의 비율로 계산되는 언어의 consistency reward를 도입. accuracy reward+ language consistency reward를 단순 더하여 활용. 

Rejection Sampling과 SFT 
RL 이 수렴하면, 결과 모델을 다음 과정인 SFT를 위한 데이터를 모으는데 사용합니다.추론에 집중했던 것과 달리 이번 스테이지에서는 기존과 다른 글쓰기, role-playing 그리고 general purpose task들을 수행하도록 했습니다. 

추론 데이터 
RL 모델 결과에 rejection sampling을 진행. 추론 prompt와 추론 과정을 생성하는 것을 검수. DeepSeek-V3를 judgment로 사용해서 모델 예측이 주어진 정답과 비슷하도록 reward를 부여. 언어 섞임, 긴 문단, 그리고 code block을 필터링. 하나의 prompt에 여러 결과를 붙이고 그 중 맞는 것 하나만 남김. 이를 통해 600k개의 추론 관련 학습 sample 을 모음. 

비추론 데이터 
글쓰기나, factual QA나, 자기 인식, 그리고 번역과 같은 비추론 데이터는, DeekSeek-V3의 SFT데이터를 차용. 특정 비추론 task는 DeepSeek-V3로 질문에 답하기 전에 chain-of-thought를 생성하도록 함. 이를 통해 200k 개의 비추론 데이터를 모음. 

또 다시 RL(human preference) 
두번째 rl stage. 모델의 helpfulness와 harmlessness를 향상 및 추론 능력 향상. reward signal들의 조합과 다양한 prompt분포로 모델을 학습. 일반 데이터는 복잡하고 늬앙스가 포함된 시나리오에 대해 human preference를 잡아내도록 학습 (기존 deepseek v3의 파이프라인을 재활용) helpfulness는 최종 요약부분에 집중. 유저 요청에 부합하고 유용하면서도 추론 과정이 최대한 방해하지 않도록. harmless 가능한 위험 위해되는 content를 추론과정과 요약 모두 평가하도록. 

오픈 소스 모델 distillation 
sft만 적용. rl로 성능 부스트가 더 기대되긴하지만 적용하지 않음. 

최종 성능표 
(사진6) 여러 모델과 benchmark 비교
(사진7) ditilled model benchmark. 대규모 RL을 넣으면 더 향상될 수 있었을지?

Unsuccessful Attempts 
성공한 사례만 있는게 아님. Process Reward Model (PRM), Monte Carlo Tree Search (MCTS) 등 실패한 사례들도 기재.
관심있는 분들은 한번 살펴보면 좋을듯. 

(사진8) Reddit에 올라온 전체 pipeline overview

References:
https://github.com/deepseek-ai/DeepSeek-R1
https://github.com/deepseek-ai/DeepSeek-R1/blob/main/DeepSeek_R1.pdf
https://www.reddit.com/r/LocalLLaMA/comments/1i66j4f/deepseekr1_training_pipeline_visualized/?rdt=44947

DeepSeek-R1-Zero/DeepSeek-R1 개요&nbsp;DeepSeek: 중국 항저우 인공지능 회사. DeepSeek-V3 등 MoE 모델들 출시. V3의 경우 타 회사 대비 API 비용이 10배 이상 쌈. 감춰져있던 OpenAI-o1은 어떻게 만들까?에 대한 방법론 제시. (답은 SFT-&gt;RL-&gt;SFT-&gt;RL)&nbsp; RL로 대규모 학습을 하면 가능성이 있을거야-&gt;어라? 이 부분이 잘안되네?(반복,가독성,언어섞임 문제)-&gt;SFT+RL+SFT+RL hybrid&nbsp;DeepSeek-R1-Zero(MoE)와, DeepSeek-R1(MoE), 그리고 6개의 Llama와 Qwen에 기반한 DeepSeek-R1 distilled dense 모델을 공개.DeepSeek-R1-Distill-Qwen-32B는 OpenAI-o1-mini 를 다양한 benchmark에 대해 이기고 sota 달성.(사진1 참조)또한 multimodal 을 지원.chat 버전은 공짜.(한글은 잘 될까?)API가 ChatGPT 보다 96% 쌈.&nbsp; 그럼 어떻게? Post-Training: Large-Scale Reinforcement Learning on the Base Model&nbsp;순수 RL로만 대규모 학습을 하면 모든게 해결되지 않을까?반복,가독성,언어섞임 문제를 해결하는 과정에서 서비스 가능한 수준의 DeepSeek-R1이 나옴.&nbsp; DeepSeek-R1-Zero&nbsp;(2024)Group Relative Policy Optimization 사용.(사진2: GRPO 참조) reward 모델링&nbsp;accuracy reward: response 가 맞는지 틀리는지에 대한 reward.Format reward: &lt;think&gt;/&lt;/think&gt;로 형식화되는 thinking process에 대한 reward.&nbsp; neural reward 모델은 사용X. 대규모 학습 시 reward hacking 문제나 reward model을 재학습하는데 드는 학습 비용을 고려.&nbsp;학습 Template&nbsp; (사진3:학습 format)과 같이 먼저 &lt;think&gt;로 추론을 하게 하고, &lt;answer&gt;로 최종 answer내는 식으로 형식화.&nbsp; 성능&nbsp;아쉽다...&nbsp;(사진4: R1-Zero Benchmark성능)연구자들 입장에서는 대규모 강화학습만 해서 끝내고 싶었을 것 같은데, OpenAI-o1 보다 미국 수학 올림피아드 시험 점수(AIME) ,math 등 살짝 앞선 것도 있지만 코드 벤치에서는 o1-mini보다 못하는 등의 문제를 해결하고 싶었을 것 같음.GPQA=A Graduate-Level Google-Proof Q&amp;A Benchmark 발견들학습할 수록 thinking time이 늘어난다? 사람처럼 aha moment를 가지고 처음의 판단을 재평가하는 모습도. 다만, 반복, 언어섞임, 가독성 면에서 서비스에 쓸 수 있는 모델 수준이 아니었던 듯 DeepSeek-R1&nbsp; Cold Start&nbsp;작은 양의 long CoT 데이터를 모델을 fine-tune하여 RL의 actor로 사용.&nbsp;데이터 수집: 모델들에 반성과 검증을 통해 상세한 답변을 작성하게 하거나 DeepSeek-R1-Zero에서 가독성있는 format으로 모아서,사람 annotator들에게 후처리. 이를 통해 가독성을 보완하고 시작.&nbsp; 추론 기반 RL&nbsp;cold start 모델-&gt;대규모 강화학습( DeepSeek-R1-Zero like) 명확하고 잘 정의된 코딩이나, 수학,과학, 논리 추론 능력을 강화하는데 집중. 언어가 섞이는 문제를 해결하기 위해, CoT 상에서 목표 언어의 비율로 계산되는 언어의 consistency reward를 도입. accuracy reward+ language consistency reward를 단순 더하여 활용.&nbsp; Rejection Sampling과 SFT&nbsp;RL 이 수렴하면, 결과 모델을 다음 과정인 SFT를 위한 데이터를 모으는데 사용합니다.추론에 집중했던 것과 달리 이번 스테이지에서는 기존과 다른 글쓰기, role-playing 그리고 general purpose task들을 수행하도록 했습니다.&nbsp; 추론 데이터&nbsp;RL 모델 결과에 rejection sampling을 진행. 추론 prompt와 추론 과정을 생성하는 것을 검수. DeepSeek-V3를 judgment로 사용해서 모델 예측이 주어진 정답과 비슷하도록 reward를 부여. 언어 섞임, 긴 문단, 그리고 code block을 필터링. 하나의 prompt에 여러 결과를 붙이고 그 중 맞는 것 하나만 남김. 이를 통해 600k개의 추론 관련 학습 sample 을 모음.&nbsp; 비추론 데이터&nbsp;글쓰기나, factual QA나, 자기 인식, 그리고 번역과 같은 비추론 데이터는, DeekSeek-V3의 SFT데이터를 차용. 특정 비추론 task는 DeepSeek-V3로 질문에 답하기 전에 chain-of-thought를 생성하도록 함. 이를 통해 200k 개의 비추론 데이터를 모음.&nbsp; 또 다시 RL(human preference)&nbsp;두번째 rl stage. 모델의 helpfulness와 harmlessness를 향상 및 추론 능력 향상. reward signal들의 조합과 다양한 prompt분포로 모델을 학습. 일반 데이터는 복잡하고 늬앙스가 포함된 시나리오에 대해 human preference를 잡아내도록 학습 (기존 deepseek v3의 파이프라인을 재활용) helpfulness는 최종 요약부분에 집중. 유저 요청에 부합하고 유용하면서도 추론 과정이 최대한 방해하지 않도록. harmless 가능한 위험 위해되는 content를 추론과정과 요약 모두 평가하도록.&nbsp; 오픈 소스 모델 distillation&nbsp;sft만 적용. rl로 성능 부스트가 더 기대되긴하지만 적용하지 않음.&nbsp; 최종 성능표&nbsp;(사진6) 여러 모델과 benchmark 비교(사진7) ditilled model benchmark. 대규모 RL을 넣으면 더 향상될 수 있었을지? Unsuccessful Attempts&nbsp;성공한 사례만 있는게 아님. Process Reward Model (PRM), Monte Carlo Tree Search (MCTS) 등 실패한 사례들도 기재.관심있는 분들은 한번 살펴보면 좋을듯.&nbsp; (사진8) Reddit에 올라온 전체 pipeline overview References:https://github.com/deepseek-ai/DeepSeek-R1https://github.com/deepseek-ai/DeepSeek-R1/blob/main/DeepSeek_R1.pdfhttps://www.reddit.com/r/LocalLLaMA/comments/1i66j4f/deepseekr1_training_pipeline_visualized/?rdt=44947

DeepSeek-R1-Zero/DeepSeek-R1 논문 요약

1
명심했던 경영 십계명 중 하나가 ‘이를 악물고 듣는다’였어요.

2
조직의 리더가 되면 말이 많아집니다.

3
그런데, 리더가 입을 열면 아무도 입을 열지 않아요. 조직의 장이 말하면 모든 게 무너져요.

4
제 머릿속에 있는 빅데이터를 보면, 대부분 첫 마디를 튼 사람이 계속 이야기를 이끌어갑니다.

5
먼저 말을 시작하게 주도권을 주는 것이 가장 중요해요.

6
1초는 부족합니다. 1분은 참아야죠. 침묵을 내가 깨지 않도록 이 악물고 참아야 해요.

#최재천의공부

1 명심했던 경영 십계명 중 하나가 ‘이를 악물고 듣는다’였어요. ​ ​2 조직의 리더가 되면 말이 많아집니다. ​ ​3 그런데, 리더가 입을 열면 아무도 입을 열지 않아요. 조직의 장이 말하면 모든 게 무너져요. ​ ​4 제 머릿속에 있는 빅데이터를 보면, 대부분 첫 마디를 튼 사람이 계속 이야기를 이끌어갑니다. ​ ​5 먼저 말을 시작하게 주도권을 주는 것이 가장 중요해요. ​ ​6 1초는 부족합니다. 1분은 참아야죠. 침묵을 내가 깨지 않도록 이 악물고 참아야 해요. #최재천의공부 ​

< 당신이 리더라면 입 열기 전에 1분만 참으라 >

안녕하세요. 그린입니다 🍏이번 포스팅에서는 Git Config로 완벽하게 다중 계정 환경을 설정하는 방법에 대해 정리해보겠습니다 🙋🏻 예전에 제 포스팅중에 다중 깃헙 계정 연동하기라는걸 작성한적이 있어요!  [Github] 다중 깃헙 계정 연동하기안녕하세요. 그린입니다🍏 이번 포스팅에서는 다중 깃헙 계정을 한 PC에서 연동하는 방법에 대해 포스팅해보겠습니다🙌 개인 깃헙 계정과 회사에서 사용하는 깃헙 계정이 다를 경우 각각 프로green1229.tistory.com 여기서도 config를 이용하여 변경해주는데 핵심은 개인 깃헙 계정과 회사 깃헙 계정이 공존할때 한 PC에서 이 둘에 대해 SSH key를 이용해 각자 환경과 상황에 맞게 적절한 계정으로 작업되도록 설정하는것을 알아봤습니다. 그래서, ..

Git Config로 다중 계정 설정하기

회사와 개인 깃헙 계정이 분리되어 있을때 각자 환경에 맞는 계정으로 알잘딱으로 작업되는 환경 설정을 하면 아주 편리하고 유용합니다 🙋🏻

즉, 다중으로 Github 계정을 가지고 있고 한 PC에서 연동되게 하는 방법에 대해 누구나 쉽게 가이드를 따라할 수 있게 기록해봅니다!

회사와 개인 깃헙 계정이 분리되어 있을때 각자 환경에 맞는 계정으로 알잘딱으로 작업되는 환경 설정을 하면 아주 편리하고 유용합니다 🙋🏻 즉, 다중으로 Github 계정을 가지고 있고 한 PC에서 연동되게 하는 방법에 대해 누구나 쉽게 가이드를 따라할 수 있게 기록해봅니다!

iOYES

Git Config로 다중 깃헙 계정 설정하기

(서울=연합뉴스) 김경윤 기자 = "더그림엔터테인먼트(박태준만화회사)하면 학원·액션물을 많이 떠올리는데, 생각보다 학원물 비중이 작습니다. 앞으로는 판타지와 사극 등 다양한 장르의 작품도 선보일 계획입니다." 웹툰 작가이자 콘텐츠 유통사(CP사) 더그림엔터테인먼트를 이끄는 박태준 대표는 지난 19일 서울 강남구 본사에서 연합뉴스와 한 인터뷰에서 이같이 밝혔다. 박 대표는 글로벌 누적 조회 수 91억 뷰의 인기 웹툰 '외모지상주의' 작가로 유명하다.

박태준 "1인만화가 한계넘으려 회사 세워...판타지·사극도 준비" | 연합뉴스

더그림엔터테인먼트의 웹툰 IP들은 대부분 네이버웹툰에서 손꼽히는 인기작이다. '퀘스트지상주의'는 월요웹툰 1위, '김부장'은 화요웹툰 1위, '싸움독학'은 일요웹툰 1위다. 이들 작품당 기대 매출은 타사의 2∼3배 수준이다. 요일별 1위 작품을 포함해 총 20여 개의 IP를 확보했고, 연 매출도 2021년 60억 원에서 지난해 150억 원으로 껑충 뛰었다.

박 대표는 인기 IP를 다수 확보한 만큼 다른 CP사들처럼 웹소설을 웹툰화하는 '노블코믹스' 전략보다는 웹툰 IP 개발에 집중할 계획이라고 밝혔다.

박 대표는 "오리지널 원작 IP를 많이 가지고 있는 것이 콘텐츠 회사의 힘"이라며 "저희는 다른 회사보다 원천 IP를 잘 만들 수 있고, 이를 바탕으로 웹툰 생태계에서 독보적인 1등일 될 수 있다고 본다"고 강조했다.

연합뉴스

드림메이커엔터테인먼트리미티드 대리

원정아

박태준 "1인만화가 한계넘으려 회사 세워...판타지·사극도 준비"

플랫폼

콘텐츠

방송 / 엔터테인먼트

논리적 사고

데이터 분석

문제 정의하기

커뮤니케이션

콘텐츠 기획

- 웹소설 MD의 경험을 바탕으로 웹소설을 웹툰화하는 노블코믹스 업무를 담당
- 원작 검토, 기획개발, 파트너사 관리, 서비스 관리 진행
- 웹툰의 2차 IP 사업 관련 프로세스 정비 및 커뮤니케이션 진행 (비주얼 노벨, 단행본, 이모티콘 등)


웹툰 IP 매니저

이커머스

콘텐츠 마케팅

퍼포먼스 마케팅

- 로맨스/로판 웹소설(e-book) 카테고리 MD
- 담당 카테고리 매출 관리, 성과 보고
- 고객 데이터를 기반으로 프로모션 기획 및 운영
- 메인 노출 콘텐츠 큐레이팅 및 카피라이팅
- 플랫폼 운영 및 전반적인 MD업무 수행

로맨스 웹소설 MD

박단비

고객에게 즐거움을 전달하고 싶어 콘텐츠 플랫폼에서 MD로 커리어를 시작했습니다. 
고객관점에서 데이터를 보고 일에 적용하는 것을 좋아합니다. 
일을 통해 성장하기를 꿈꾸며 더 나은 사람이 되는 과정을 즐기며 일하고 싶습니다.
최근에는 IP 비즈니스에 관심이 많습니다.


박태준 "1인만화가 한계넘으려 회사 세워...판타지·사극도 준비"

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필