경제·금융 용어사전

딥시크(DeepSeek)는 오픈 소스 대규모 언어 모델(LLM)을 개발하는 중국의 인공지능 연구 기업이자 해당 기업이 개발한 AI 모델의 명칭이다. 딥시크는 인공지능 기반 자연어 처리(NLP) 기술을 연구하며, 고성능 AI 모델을 통해 글로벌 AI 생태계에서 경쟁력을 확보하는 것을 목표로 하고 있다.

2023년 5월 중국 헤지펀드인 하이플라이어의 대표 량원펑이 설립한 딥시크는 2024년 12월, GPT-4와 경쟁할 수 있는 대규모 언어 모델 DeepSeek-V3를, 2025년 1월 20일에는 고성능 추론 모델인 DeepSeek-R1을 공개했다.

DeepSeek-V3 모델
DeepSeek-V3는 6,710억 개의 매개변수를 보유한 초대형 언어 모델로, 메타(Meta)의 Llama 3.1보다 약 1.5배 더 큰 규모를 자랑하며, 오픈소스로 제공된다. 벤치마크 테스트에서는 메타의 Llama 3.1, 오픈AI의 GPT-4, 앤트로픽의 Claude 3.5, 구글의 Gemini 모델과 대등하거나 이를 능가하는 성능을 기록했다. 특히, 국제 프로그래밍 테스트 코드포스(Codeforces)에서 뛰어난 코딩 능력을 보였으며, MMLU 벤치마크에서 88.5점을 기록하여 GPT-4와 근소한 차이를 보였다.

딥시크는 상대적으로 낮은 비용과 최적화된 연산 기술을 통해 고성능 AI 모델을 개발하는 전략을 채택하고 있다. V3 모델의 개발 비용은 약 557만 달러(한화 약 82억 원)로, 메타의 Llama 3 모델 개발비(약 6억 4,000만 달러)의 1% 수준에 불과하다. 또한, 엔비디아의 최신 AI 칩인 H100 대신 H800을 사용하여 컴퓨팅 자원을 최적화함으로써 비용 효율성을 극대화했다.

그러나 딥시크의 V3 모델은 정치적으로 민감한 이슈에 대한 답변을 기피하는 경향이 있으며, 환각(hallucination) 문제 등의 한계를 지적받고 있다. 이러한 문제를 해결하는 것이 향후 딥시크 AI의 과제가 될 것으로 보인다.

DeepSeek-R1 모델
DeepSeek-R1은 딥시크가 2025년 1월 20일 공개한 고성능 추론 모델(Inference Model)로, 효율적인 연산과 실시간 응답 성능을 극대화하도록 설계되었다. V3 모델이 주로 대규모 AI 학습과 생성 모델의 성능을 극대화하는 데 집중한 반면, R1 모델은 보다 실용적인 환경에서 빠르고 정확한 답변을 제공하는 데 초점을 맞추고 있다.

특히, R1은 엔비디아의 H800 칩을 활용한 저비용 고성능 AI 모델로 개발되어 기업용 애플리케이션, 실시간 챗봇, 검색 엔진 강화 등에 활용될 것으로 기대된다. 기존의 고성능 AI 모델들이 높은 연산 비용과 GPU 의존성이 컸던 반면, R1 모델은 최적화된 아키텍처를 통해 더 적은 자원으로도 안정적인 성능을 유지할 수 있다.

현재 R1 모델은 중국 내 기업 및 기관들의 다양한 AI 서비스에 채택되고 있으며, 의료, 금융, 교육 분야에서 활용 가능성이 높다고 평가받고 있다. 그러나 데이터 편향성과 일부 특정 분야에서의 한계가 지적되고 있으며, 이러한 점을 개선하기 위한 지속적인 업데이트가 필요할 것으로 보인다.

페깅(Pegging)은 특정 자산의 가치를 다른 자산에 고정하는 금융·경제적 메커니즘으로, 통화정책과 디지털 금융 분야에서 폭넓게 활용된다.

외환시장에서는 한 국가의 통화를 특정 외국 통화나 금에 연동해 환율을 일정 수준으로 유지하는 방식이 대표적이다.
홍콩의 홍콩달러(HKD)는 미국 달러(USD)에 고정돼 있으며, 중국 위안화(CNY) 역시 일정 범위 내에서 달러에 연동되는 방식으로 관리된다.

디지털 자산 시장에서도 페깅 개념이 적용된다.

스테이블코인은 법정화폐(예: 미국 달러)나 특정 자산과 가치를 연동해 가격 변동성을 최소화한 암호화폐다. 테더(USDT), USD코인(USDC) 등은 1달러와 동일한 가치를 유지하도록 설계됐으며, 이를 위해 준비금 기반 또는 알고리즘 기반 메커니즘이 활용된다.

이외에도 현실 세계의 자산을 디지털화하는 증권형 토큰(Security Token)에도 페깅 개념이 적용된다.

주식, 채권, 부동산 등의 가치를 블록체인 기반 토큰과 연동해 거래 효율성을 높이는 방식이다.

휴머노믹스(Humanomics)는 경제 활동의 중심을 인간의 가치, 감정, 경험, 행복에 두는 경제학적 접근 방식으로, 인간(Human)과 경제학(Economics)의 합성어다. 기존 경제학이 수치, 생산성, 자본 중심이었다면, 휴머노믹스는 인간의 심리, 행동, 경험, 그리고 사회적 가치를 경제 성장의 주요 동력으로 본다.

소비자들은 효율과 가격보다 감정적 만족과 경험을 중시하며, 이는 맞춤형 서비스와 ESG 경영으로 이어진다. 행동 경제학과 경험 경제의 영향을 받아 인간의 심리와 행동이 경제 성장의 핵심 요소로 부각되며, 지속 가능한 성장과 인간 중심의 가치 창출을 궁극적 목표로 한다.

라떼 파파는 육아에 적극적으로 참여하며 성평등한 가족문화를 실천하는 아빠를 뜻하는 용어로, 스웨덴에서 유래했다.

이 표현은 한 손에 커피(라떼)를 들고 다른 손으로 유모차를 미는 모습에서 비롯된 상징적 이미지다.

스웨덴은 1974년 세계 최초로 부모휴가제를 도입하며 남성의 육아 참여를 장려해왔고, 라떼 파파는 이러한 문화의 산물이다.

한국에서도 남성 육아휴직 사용 증가와 함께 라떼 파파가 늘어나고 있으며, 이는 성평등한 가족문화 확산의 긍정적인 신호로 평가된다. 정부는 육아휴직 급여 상향과 같은 정책을 통해 남성의 육아 참여를 더욱 독려하고 있다.

한국무위험지표금리(Korea Overnight Financing Repo Rate, KOFR)는 국채와 통안증권을 담보로 한 익일물 환매조건부채권(RP) 거래의 가중평균 금리를 기준으로 산출되는 우리나라의 무위험지표금리(Risk-Free Reference Rate, RFR)이다.

RFR은 특정 기간 동안 신용 리스크 없이 얻을 수 있는 이론적 이자율로, 2012년 LIBOR 금리 조작 사건 이후 기존 지표금리의 신뢰도 하락에 따라 세계 각국에서 도입이 추진됐다.

한국은 2021년 2월 RFR로 RP 거래 금리를 최종 선정했으며, 한국예탁결제원(KSD)이 KOFR의 산출 기관으로 지정됐다. 예탁결제원은 2021년 11월 26일부터 「금융거래지표의 관리에 관한 법률」에 따라 KOFR의 정식 산출과 공시 업무를 수행하고 있다.

KOFR는 실거래 데이터를 기반으로 RP 거래량의 상하위 5% 극단값을 제거하고 남은 거래 금리를 가중평균 방식으로 산출된다. 공시일 전영업일(RP거래일)에 선별된 적격 데이터를 바탕으로 공시일 오전 KOFR가 공시된다.

KOFR는 국채·통안증권을 담보로 한 하루짜리 초단기 거래를 기준으로 하기 때문에 신용 리스크가 거의 없으며, 조작 가능성이 낮아 신뢰성을 인정받고 있다.

또한, 미국(SOFR), 영국(SONIA), 일본(TONA) 등 주요국의 무위험지표금리와 유사한 구조로 설계되어 글로벌 금융시장과의 정합성도 갖췄다. 이를 통해 KOFR는 국내외 금융상품의 기준금리로 널리 활용될 전망이다.

KOFR 관련 세부 내용은 KOFR 공식 홈페이지(www.kofr.kr)에서 확인할 수 있다.

엑스알피는 2009년 간편 송금을 목적으로 개발된 결제 프로토콜로, 2012년 오픈코인(OpenCoin) 설립과 함께 가상자산으로 발행되었다.

이후 오픈코인은 사명을 리플(Ripple)로 변경하였으며, 현재 리플사는 블록체인 기반 결제 솔루션과 금융 인프라를 제공하는 기업으로 활동하고 있다. 화폐 단위는 XRP이며, 비트코인이나 이더리움과 달리 채굴이 불가능하다.

엑스알피는 리플사가 운영하는 블록체인 네트워크인 리플넷(RippleNet) 내에서 송금 수수료로 사용되며, 송금 처리 시간은 3~4초로 비트코인보다 월등히 빠른 속도를 제공한다.

속도와 비용 측면에서 강점을 지니고 있어 국제 금융 거래에 적합한 자산으로 평가되며, 이러한 특성을 기반으로 전 세계 100개 이상의 금융기관이 리플과 송금 협약을 체결하였다.

엑스알피는 RTXP(리플 트랜잭션 프로토콜)을 활용해 송금 시스템을 구축하며, XRP 레저 합의 프로토콜을 통해 거래 완결 시간과 비용을 최소화한다. 이를 통해 국경 간 송금을 신속하고 효율적으로 처리할 수 있는 기반을 제공한다.

엑스알피는 2017년 5월 한국 가상자산 거래소 빗썸에 상장되었으며, 알트코인(비트코인 이외의 가상자산)으로 분류된다.

강화학습(Reinforcement Learning)은 컴퓨터(에이전트)가 문제(환경)를 해결하기 위해 스스로 경험하며 학습하는 머신러닝 기법이다. 시행착오를 통해 행동의 결과로 얻는 보상을 최대화하는 방향으로 학습이 진행되며, 명시적인 정답이 주어지지 않고 에이전트가 경험을 바탕으로 최적의 전략(정책)을 스스로 찾아낸다.

게임에서 승리하기 위해 여러 번 도전하고 전략을 개선하듯, 컴퓨터도 잘한 행동에는 보상을 받고, 잘못된 행동에는 페널티를 받으며 점점 더 효율적인 의사결정을 하게 된다.

지도학습과 달리 라벨링된 데이터가 필요하지 않으며, 환경과의 지속적인 상호작용을 통해 최적의 정책을 학습한다. 이 과정에서 이용과 탐험(exploitation vs. exploration)의 균형을 유지하는 것이 중요하다.

강화학습은 게임 AI, 로봇 제어, 자율주행, 추천 시스템, 금융 모델링 등 다양한 분야에서 자율적인 의사결정을 위한 핵심 기술로 자리 잡고 있다.

중국 인공지능 스타트업 딥시크(DeepSeek)가 2025년 1월 20일에 출시한 고성능 추론 인공지능 모델(Inference Model)이다. 이 모델은 효율적인 연산과 실시간 응답 성능 극대화를 목표로 설계되었으며, 기존 대규모 생성형 AI 모델 대비 빠르고 정확한 답변 제공에 초점을 맞추고 있다.

딥시크는 R1 개발에 약 557만 6천 달러(약 80억 원)를 투입했으며, 이는 메타(Meta)가 AI 모델 개발에 투자한 비용의 약 10% 수준이다. 또한, 엔비디아의 H800 GPU 약 2,048개를 활용하여 개발되었으며, 이는 비교적 저렴한 비용으로도 고성능 AI 모델을 구현할 수 있음을 보여준 사례로 평가된다.

출시 직후 R1 기반 챗봇 애플리케이션은 미국 애플 앱스토어 다운로드 순위 1위를 기록하며 화제가 되었다. 또한, 아마존 웹 서비스(AWS)의 아마존 베드록(Amazon Bedrock) 및 아마존 세이지메이커(Amazon SageMaker)를 통해 제공되어 기업들이 R1을 다양한 산업에서 활용할 수 있도록 지원하고 있다.

현재 R1은 기업용 애플리케이션, 실시간 챗봇, 검색 엔진 강화 등의 용도로 사용되며, 의료, 금융, 교육 등 다양한 분야에서의 활용 가능성이 높게 평가된다. 그러나 데이터 편향성과 일부 특정 분야에서의 한계가 지적되고 있어 지속적인 개선이 필요할 것으로 보인다.

딥시크(DeepSeek)-R1은 개인정보 유출 우려로 인해 여러 국가에서 사용이 제한되고 있다.

2025년 2월, 한국의 산업통상자원부, 외교부, 국방부 등 주요 정부 부처는 딥시크에 대한 접속을 일시적으로 차단했다. 또한, 한국수력원자력과 한전KPS 등 공공기관과 카카오, 라인야후 등 IT 기업들도 사내에서 딥시크 사용을 금지했다.

초과사망은 특정 기간 동안 발생한 사망자 수가 과거 동일 기간의 평균 사망자 수보다 많이 발생한 경우를 말한다. 전염병 유행, 자연재해, 사회적 변화 등 예상치 못한 외부 요인이 주요 원인으로 꼽힌다.

초과사망은 단순히 사망자 수 증가를 넘어 사회 전체의 건강 상태와 시스템 취약성을 드러내는 지표가 된다. 코로나19 팬데믹 기간 동안 많은 국가에서 초과사망이 급증했는데, 이는 의료 시스템 부담 증가, 기저 질환 악화, 사회경제적 어려움과 관련이 있다.

초과사망률은 특정 기간 동안의 초과사망자 수를 해당 기간의 총인구 수로 나눈 값이다. 인구 규모를 고려하여 초과사망 정도를 비교하는 데 유용하다.

로봇이 작동하는 데 필요한 3가지 핵심 요소.

센서(Sensor), 이펙터(Effector 혹은 Actuator), 컨트롤러(Controller)로 구성된다.

센서는 외부 환경을 감지하는 장치로, 사람의 눈, 귀, 코처럼 시각·청각·촉각 정보를 수집한다. 카메라, 적외선 센서, 거리 측정기, 압력 센서 등이 포함되며, 로봇이 주변 사물을 인식하고 반응할 수 있도록 한다.

이펙터는 로봇이 실제로 동작을 수행하는 부분으로, 인간의 근육과 관절, 심장과 같은 역할을 한다. 지능형·서비스 로봇에는 액추에이터(Actuator)가, 산업용 로봇에는 매니퓰레이터(Manipulator)가 이펙터로 탑재된다. 액추에이터는 전기·유압·공압을 이용해 로봇의 팔, 다리, 손가락을 움직이며, 매니퓰레이터는 공장에서 물체를 조작하거나 조립하는 기능을 수행한다.

컨트롤러(Controller)는 로봇의 두뇌 역할을 하며, 센서에서 수집한 데이터를 분석하고 이펙터를 제어하는 중앙 처리 장치다. 인공지능(AI) 기술, 고속 무선통신, 마이크로프로세서 등이 포함되며, 로봇이 자율적으로 판단하고 동작할 수 있도록 돕는다.

이 세 가지 요소가 유기적으로 결합돼야 로봇이 자연스럽게 움직이며 인간과 효과적으로 상호작용할 수 있다.