DeepSeek, 다국어(multilingual) 및 멀티모달(multimodal) AI 검색 엔진 계획으로 Google에 직접 도전 선언

글로벌 인공지능 분야에 중요한 변화가 진행되고 있다. 항저우 기반 AI 스타트업 DeepSeek가 검색 엔진 시장으로 적극적으로 방향을 전환하고 있다. 최근 채용 공고와 전략적 움직임은 이 회사가 텍스트, 이미지, 오디오를 처리하도록 설계된 다국어(multilingual) 및 멀티모달(multimodal) AI 검색 엔진을 개발 중임을 보여준다. 이 개발은 Google과 OpenAI 같은 기존 업계 거대 기업들에 대한 직접적인 경쟁 격화를 의미한다.

이 이니셔티브는 고효율 모델 훈련과 오픈소스 기여로 빠르게 성장한 DeepSeek의 평판을 활용한다. 스크린샷이나 음성 명령과 같은 복잡한 입력을 처리할 수 있는 "폰 우선(phone-first)" 검색 경험을 목표로 하여, DeepSeek는 전통적인 키워드 기반 검색 패러다임을 뒤흔들 준비를 하고 있다.

전략적 대규모 채용으로 드러난 야망

1월에 DeepSeek는 제품 로드맵을 엿볼 수 있는 일련의 채용 공고를 공개했다. 이전의 일반적인 large language model (LLM) 연구 중심 채용과 달리, 이 새로운 역할들은 검색 인프라와 자율 에이전트 개발에 맞춰져 있다.

회사는 "Search Algorithm Engineers"와 "persistent agents"에 전문성을 가진 풀스택 개발자를 찾고 있다. 공고는 최소한의 인간 감독으로 운영할 수 있는 시스템을 설명하며, 단순 챗봇을 넘어 완전 자율형 어시스턴트로의 이동을 시사한다. 채용 자료에 명시된 주요 책임은 다음과 같다:

• 다국어 지원: 수십 개 언어로 쿼리를 본래 언어로 이해하고 처리할 수 있는 엔진 구축.
• 멀티모달 통합: 비텍스트 입력을 처리하는 파이프라인 개발, 특히 사용자가 스크린샷이나 음성 클립으로 검색할 수 있는 모바일 시나리오에 최적화.
• 에이전트형(agentic) 인프라: 웹에서 정보를 수집해 복잡한 질문에 답하는 것과 같은 장기 작업을 수행할 수 있는 "지속형 에이전트(persistent agents)"를 호스팅하는 플랫폼 창조.

이번 채용은 회사가 코딩 어시스턴트와 채팅 인터페이스를 넘어 수익성이 높은 정보 검색 분야로 유틸리티를 확장하려는 광범위한 전략과 일치하며, 이 분야는 현재 Alphabet Inc.의 Google이 지배하고 있다.

기술적 중추: Janus-Pro와 DeepSeek-R1

DeepSeek가 실리콘밸리의 거인들에 도전할 자신감을 가지게 한 것은 최근 모델 아키텍처에서의 돌파구 때문이다. 이 새로운 검색 엔진의 기반을 형성하는 두 가지 핵심 기술은 추론 지향의 DeepSeek-R1과 멀티모달 **Janus-Pro**이다.

DeepSeek-R1은 미국의 상위권 모델들과 대등한 성능을 훨씬 적은 훈련 비용으로 달성해 화제를 모았고, Janus-Pro는 시각 및 오디오 검색 기능을 구동할 가능성이 높은 엔진이다. 최근 공개된 Janus-Pro는 시각 인코딩을 생성과 분리한 통합 멀티모달 모델이다. 이 아키텍처 혁신은 모델이 이미지를 높은 정밀도로 "보고" 이해하는 동시에 텍스트나 이미지를 생성할 수 있는 능력을 유지하게 한다.

주요 DeepSeek 아키텍처 비교

벤치마크 테스트에서 Janus-Pro는 특정 생성 및 이해 지표에서 DALL-E 3 같은 경쟁자를 능가한 것으로 전해진다. 이 기능을 검색 엔진에 통합하면 사용자는 고장 난 가전의 사진을 업로드하고 "이걸 어떻게 고치나요?"라고 물을 수 있다—AI가 모델을 식별하고 매뉴얼을 찾아 수리 절차를 요약해 한 번의 유기적 상호작용으로 제공할 수 있다.

키워드를 넘어: 자율 에이전트의 부상

채용 공고에 "지속형 에이전트(persistent agents)"가 포함된 것은 DeepSeek가 현재 세대의 AI 검색을 뛰어넘으려 한다는 신호다. 현재의 AI 검색 도구는 종종 최상위 결과를 읽고 답을 종합하는 요약자 역할을 한다. DeepSeek의 비전은 웹을 탐색하고 작업을 수행하며 장기간 맥락을 유지할 수 있는 에이전트를 포함하는 것으로 보인다.

에이전트형(agentic) 검색 엔진은 단순히 링크를 검색하는 것을 넘어서 작업을 완료한다. 예를 들어 "항공권 가격"을 검색하는 대신, 지속형 에이전트에게 "다음 한 달 동안 도쿄행 항공권을 모니터링하다가 가격이 $800 미만으로 떨어지면 예약해"라고 지시할 수 있다. 이 능력은 "환각(hallucinations)"을 방지하고 신뢰할 수 있는 실행을 보장하기 위한 강력한 인프라를 요구하며, DeepSeek는 평가 프레임워크와 학습 데이터 신뢰성 전문가를 채용함으로써 이 문제를 해결하고 있다.

비용 효율성으로 시장 교란

DeepSeek의 가장 강력한 장점 중 하나는 비용 구조다. 회사는 V3 모델을 약 600만 달러로 훈련했다고 공개해 업계를 놀라게 했는데, 이는 OpenAI의 GPT-4에 필요한 것으로 추정되는 약 1억 달러와 극명한 대조를 이룬다.

이러한 효율성은 DeepSeek가 훨씬 낮은 API 비용으로 서비스를 제공할 수 있게 해 경쟁자를 공격적으로 가격 경쟁에서 압도할 가능성을 준다. 이 저비용 모델이 검색에 적용된다면 AI API 시장에서 가격 전쟁을 촉발해 보다 넓은 범위의 개발자와 기업이 고급 검색 기능을 이용할 수 있게 만들 수 있다.

"폰 우선(phone-first)" 전략은 또한 Google의 방어에 잠재적 약점을 공략한다. Google이 웹 검색을 장악하고 있지만, 모바일 기기에서 AI-네이티브(multimodal) 상호작용으로의 전환은 아직 초기 단계다. 스크린샷 쿼리와 음성—모바일 사용자의 자연스러운 행동—에 최적화함으로써 DeepSeek는 차세대 검색 행동을 포착하려 시도하고 있다.

결론

DeepSeek의 AI 검색 진출은 단순한 실험이 아니다. 이는 전문 채용과 Janus-Pro 같은 검증된 모델 아키텍처로 뒷받침되는 계산된 확장이다. 고효율 추론 모델과 진보된 멀티모달 이해를 결합함으로써 회사는 Google과 OpenAI의 핵심 비즈니스 모델과 직접 경쟁하는 플랫폼을 구축하고 있다. 이러한 기술이 성숙해짐에 따라 "검색"의 정의는 파란색 링크 목록에서 지능형 에이전트와의 동적 멀티모달 대화로 진화할 것이다.