Deepseek가 공개한 DSpark는 AI 속도 경쟁의 초점이 어디로 이동하고 있는지를 잘 보여준다. 이번 발표의 숫자는 크다. 회사 설명에 따르면 DSpark는 사용자별 응답 속도를 60~85% 높인다. 하지만 더 중요한 건 이 개선이 새 초대형 모델 하나의 성능 자랑에서 나온 것이 아니라, 대형 모델을 실제 서비스에서 어떻게 돌리느냐의 문제를 건드렸다는 점이다.
대부분의 LLM은 답변을 한 토큰씩 순서대로 생성한다. 이 방식은 구조적으로 긴 응답에서 대기 시간을 키우고, GPU 활용률도 낮출 수 있다. DSpark는 작은 drafter 모델이 먼저 토큰 후보를 제안하고, 큰 모델이 이를 배치로 검증하는 speculative decoding 계열 접근을 사용한다. 여기에 단일 토큰 대신 작은 단어 묶음을 만들고, confidence 기반으로 검증 깊이를 조절해 불필요한 연산을 줄인다.
Deepseek는 DSpark를 DeepSeek-V4-Flash와 DeepSeek-V4-Pro뿐 아니라 Gemma, Qwen 같은 공개 모델에서도 테스트했다고 밝혔다. 프레임워크와 DeepSeek-V4-Pro는 GitHub와 Hugging Face에 MIT 라이선스로 공개됐고, 기술 세부 내용은 논문으로도 제공된다. 즉 이번 발표는 폐쇄된 내부 최적화 발표에 머물지 않고, 다른 팀들이 자기 모델과 트래픽 조건에서 재현 가능성을 따져볼 수 있는 형태에 가깝다.
전략적 의미도 작지 않다. 미국의 고성능 AI 칩 수출 통제가 강화되는 상황에서, 같은 하드웨어로 더 빠른 응답과 더 높은 처리량을 얻는 기술은 중국에 중요한 완충 장치가 된다. 데이터센터와 첨단 칩 확보에서 미국을 따라가기 어려운 EU에도 비슷한 함의가 있다. 칩을 더 많이 사지 못한다면, 이미 가진 칩에서 더 많은 성능을 끌어내는 쪽이 경쟁력이 된다.
다만 효율 개선을 단순히 칩 수요 감소로 읽으면 반쪽짜리 해석이 된다. 추론이 빨라지고 싸지면 기업은 더 많은 요청, 더 긴 컨텍스트, 더 복잡한 AI 기능을 바로 붙이려 할 가능성이 크다. 절약된 컴퓨트가 새 수요로 흡수되는 Jevons paradox는 AI 인프라에서도 충분히 현실적이다.
그래서 DSpark의 의미는 ‘칩이 덜 필요해진다’보다 ‘같은 제약 안에서 서비스 가능한 수준이 올라간다’에 있다. 앞으로 AI 제품의 체감 속도와 비용은 모델 크기뿐 아니라 drafter, verifier, batching, 부하 기반 검증 조절 같은 서빙 파이프라인 설계에 크게 좌우될 것이다. 이번 발표가 눈에 띄는 이유는 바로 그 운영 층의 경쟁이 AI 지정학의 일부가 되고 있기 때문이다.