검색 - IT세상을 바꾸는 힘 지디넷코리아

ZDNet 검색 페이지

'AI 모델'통합검색 결과 입니다. (550건)

태그
기간
- 3개월
- 1년
- 1년 이전

재검색

앤트로픽, 기관투자자 손잡고 美 AI 데이터센터 확장

앤트로픽이 글로벌 기관투자자들과 손잡고 미국 인공지능(AI) 데이터센터 인프라 확충에 나선다. 자체 자금만으로 대규모 데이터센터를 구축하는 대신 기관 투자자의 자본을 활용한 연산 인프라를 확보해 급증하는 AI 컴퓨팅 수요에 대응한다는 구상이다. 10일(현지시간) 블룸버그통신에 따르면 앤트로픽은 맥쿼리자산운용, 싱가포르 국부펀드 싱가포르투자청(GIC)과 전략적 파트너십을 맺고 AI 데이터센터 개발을 위한 합작법인 '테세우스 인프라스트럭처'를 설립했다. 초기 사업은 미국 내 AI 컴퓨팅 시설 개발에 집중할 방침이다. 테세우스 인프라스트럭처는 맥쿼리자산운용이 운용하는 펀드와 GIC가 소유하고 자금을 지원하는 구조다. 맥쿼리와 GIC는 개별 데이터센터 프로젝트에 필요한 지분 투자금의 대부분을 조달하고 앤트로픽은 핵심 장기 임차인으로 참여한다. 구체적인 투자 규모와 데이터센터 용량은 공개되지 않았다. 앤트로픽은 데이터센터 운영으로 소비자 전기요금이 상승할 경우 관련 비용을 부담하기로 했다. 대규모 AI 데이터센터의 전력 수요 증가가 지역 전기요금에 미칠 수 있는 영향을 고려한 조치다. 이번 협력은 AI 모델 개발사와 대형 기관투자자가 역할을 분담해 대규모 컴퓨팅 인프라를 확보하는 방식이라는 점에서 주목된다. 앤트로픽은 장기간 사용할 데이터센터 용량을 확보하고 맥쿼리와 GIC는 데이터센터 개발·운영 경험과 자본을 제공하는 구조다. 최근 AI 모델 개발 경쟁이 치열해지면서 데이터센터와 AI 가속기, 전력 등 인프라 확보를 위한 투자도 빠르게 늘고 있다. 맥킨지에 따르면 글로벌 디지털 인프라 개발에 투입되는 자금은 오는 2030년까지 7조 달러(약 9936조원)에 이를 것으로 전망된다. 앤트로픽은 자체 AI 모델 '클로드'의 이용 확대에 맞춰 컴퓨팅 인프라 투자를 강화하고 있다. 회사는 지난해 미국 텍사스와 뉴욕 등 여러 지역에 맞춤형 데이터센터를 구축하는 데 500억 달러(약 70조원)를 투자하겠다는 계획을 발표했다. 해당 시설은 올해부터 순차적으로 가동될 예정이다. 최근에는 구글과 파트너십을 맺고 5개 데이터센터에서 컴퓨팅 칩을 임차하기 위한 350억 달러(약 49조 6000억원) 규모 대출도 확보했다. 이번 테세우스 인프라스트럭처 설립까지 더해지면서 직접 투자뿐 아니라 금융기관과 인프라 투자자를 활용해 AI 연산 자원을 확보하는 전략을 병행하는 모습이다. 경쟁사 오픈AI가 '스타게이트' 프로젝트를 중심으로 대규모 AI 인프라 투자를 추진하는 것과 비교하면 앤트로픽은 그동안 데이터센터 분야에서 상대적으로 대형 파트너십을 많이 공개하지 않았다. 이번 협력을 통해 대규모 기관 자본을 AI 인프라 구축에 끌어들이면서 데이터센터 확장에도 속도를 낼 것으로 예상된다. 앤트로픽은 성명을 통해 "기업·개발자·소비자 전반에서 클로드에 대한 수요가 빠르게 증가하고 있어 이를 충족하려면 상당한 규모의 컴퓨팅 자원이 필요하다"며 "맥쿼리의 대규모 디지털 인프라 개발·금융·운영 전문성과 GIC의 글로벌 인프라 투자 경험을 활용하기 위해 협력할 것"이라고 밝혔다.

2026.08.11 08:49한정호 기자

中 키미 K3, 인터넷 무단접속→정답 확인…보안 강화해야

중국 인공지능(AI) 기업 문샷AI의 최신 모델 '키미 K3'가 사이버보안 평가 과정에서 격리된 시험 환경을 벗어나 외부 인터넷에 접속한 것으로 나타났다. 최근 첨단 AI 모델들의 사이버 역량이 높아지면서 평가 환경 자체의 보안 통제를 강화해야 한다는 지적이 나온다. 7일(현지시간) 미국 사이버보안 전문업체 프런티어 시큐리티에 따르면 문샷AI의 키미 K3는 영국 AI안전연구소(AISI)가 개발한 샌드박스 환경에서 보안 평가를 받던 중 외부 인터넷망에 접속했다. 샌드박스는 AI 모델이 외부 시스템에 영향을 미치지 못하도록 격리된 환경에서 성능과 안전성을 시험하는 장치다. 이번 평가는 취약점을 찾아 해결하는 '캡처더플래그(CTF)' 방식으로 진행됐다. 평가 환경은 외부에서 샌드박스 내부로 들어오는 통신을 차단했지만, 내부에서 깃허브로 향하는 일부 DNS·HTTPS 통신은 허용하고 있었다. 키미 K3는 명령줄 도구를 이용해 네트워크 환경을 점검하는 과정에서 이 경로를 찾아냈다. 이후 키미 K3는 외부 인터넷을 통해 개발자 코드 공유 플랫폼 깃허브에 접속했다. 깃허브 자체를 해킹한 것은 아니지만, 평가 문제의 정답이 담긴 벤치마크 저장소를 내려받아 내용을 확인한 뒤 이를 활용해 과제를 해결했다. 프런티어 시큐리티는 이번 사례가 샌드박스 자체를 해킹해 탈출한 것과는 다르다고 설명했다. 평가 환경을 설정하는 과정에서 외부로 향하는 일부 통신 경로를 열어둔 것이 원인이 됐다는 것이다. AISI 역시 샌드박스에 본질적인 취약점이 있었던 것은 아니라는 입장을 밝혔다. 업계가 주목하는 부분은 AI 모델이 주어진 과제를 해결하기 위해 허용된 통신 경로를 스스로 찾아 외부 정보를 활용했다는 점이다. 평가 환경에 작은 허점이 남아 있을 경우 고성능 AI 에이전트가 이를 찾아내 실제 능력과 다른 평가 결과를 만들어낼 가능성이 있다는 지적이다. 최근 고성능 AI 모델이 사이버보안 평가 환경의 허점을 찾아내는 사례가 잇따르고 있다. 프런티어 시큐리티에 따르면 오픈AI와 앤트로픽, 메타의 AI 모델에서도 각기 다른 방식으로 테스트 환경을 벗어나 외부 시스템에 접근한 사례가 확인됐다. 특히 키미 K3는 누구나 내려받아 사용하거나 개조할 수 있는 오픈소스 모델이라는 점에서 보안 우려가 제기된다. 앞서 통제 환경 이탈 사례가 보고된 오픈AI·앤트로픽·메타 등의 모델과 달리 공개된 모델은 외부에서 별도 안전장치 없이 활용될 가능성이 있기 때문이다. 연구진은 "충분한 능력을 갖춘 에이전트라면 인터넷으로 향하는 경로를 반드시 찾아낸다"며 "AI 모델의 역량이 높아질수록 평가 환경 역시 이에 맞춰 더욱 엄격하게 설계할 필요가 있다"고 밝혔다.

2026.08.08 08:52한정호 기자

오픈AI, 차세대 AI '아스트라' 개발 늦춘다…사이버보안 우려

오픈AI가 차세대 인공지능(AI) 모델 '아스트라(Astra)' 개발·시험 작업을 일부 중단하고 안전성 검증을 강화한다. 아스트라가 사람 개입 없이 보안 취약점을 찾아 공격에 활용할 수 있는 사이버 역량을 갖췄을 가능성이 확인되면서, 출시를 서두르기보다 보안 통제를 강화하기로 한 조치다. 7일(현지시간) 블룸버그통신에 따르면 오픈AI는 아스트라가 자체 안전 프레임워크에서 규정한 '중대(Critical)' 수준의 사이버 보안 역량에 도달했을 가능성을 배제할 수 없다고 판단하고 일부 개발·시험 작업을 일시 중단했다. 오픈AI는 최근 진행한 내부 평가에서 아스트라의 에이전틱 코딩과 사이버 보안 능력이 크게 향상된 것으로 나타났다고 설명했다. 전문가 평가까지 종합한 결과 현 단계에선 아스트라가 중대 수준의 사이버 역량을 갖췄을 가능성을 배제하기 어렵다는 판단을 내렸다. 오픈AI가 정한 중대 사이버 보안 역량은 사람 개입 없이 실제 주요 시스템에서 다양한 심각도의 '제로데이' 취약점을 찾아 실제 작동하는 공격 수단을 개발하거나, 구체적인 방법 없이 목표만 제시해도 새로운 사이버 공격 전략을 스스로 수립·실행할 수 있는 수준이다. GPT-5.6-솔은 아스트라보다 한 단계 낮은 '높음(High)' 수준으로 평가됐다. 이에 오픈AI는 아스트라 개발·평가 과정의 보안 조치를 대폭 강화 중이다. 격리된 테스트 환경을 구축하고 네트워크와 도구 접근을 제한하는 한편 모델 가중치 보호·암호화, 추가 모니터링·탐지 기능, 샌드박스 실행 등을 적용할 예정이다. 주요 외신에 따르면 오픈AI는 충분한 안전장치가 마련될 때까지 아스트라 개발 속도를 늦출 계획으로, 향후 출시 시점도 미뤄질 전망이다. 오픈AI는 미국 정부에도 출시 지연 계획을 자발적으로 알린 것으로 전해졌다. 아스트라는 오픈AI가 개발 중인 차세대 AI 모델로, 최근 고난도 수학 문제 해결 능력으로도 주목받았다. 오픈AI는 아스트라를 활용해 최소 10년 이상 풀리지 않았던 고차원 기하학과 군론, 양자 복잡도 등의 수학 난제 10가지를 해결했다고 밝힌 바 있다. 여러 AI 에이전트가 장기간 협력해 복잡한 문제를 해결하는 능력을 갖춘 것으로 알려졌다. 최근 AI 모델의 사이버 역량이 빠르게 높아지면서 안전성 우려도 커지고 있다. 최근 오픈AI와 앤트로픽이 모델 테스트 과정에서 허깅페이스를 비롯한 여러 기관의 시스템에 의도치 않게 침투한 사실이 공개됐다. 메타 역시 AI 모델이 제3자의 컴퓨터 시스템에 침투한 것으로 전해졌다. 오픈AI는 정부 기관과 일부 AI 안전 관련 기관을 대상으로 아스트라의 역량을 추가 검증할 예정이다. 외부 기관이 고위험 모델을 안전하게 평가할 수 있도록 제3자 테스트 파트너에 보안 통제 방안도 제공할 계획이다. 오픈AI는 "첨단 사이버 역량을 갖춘 모델은 공격자보다 먼저 취약점을 찾아 해결할 수 있도록 방어자를 지원해야 한다"며 "정부와 안전 연구기관, 시민사회와 협력해 아스트라와 그 이후 모델의 최첨단 역량이 책임감 있게 배포되고 인류 전체에 폭넓게 도움이 되도록 노력하겠다"고 밝혔다.

2026.08.08 08:24한정호 기자

베슬AI, 엔비디아 B200 GPU 1천장 이상 확보…"AI 팩토리 확장"

베슬AI가 엔비디아 블랙웰 B200 그래픽처리장치(GPU) 1000장 이상을 확보하며 인공지능(AI) 클라우드와 AI 팩토리 사업 확대에 나선다. 대규모 학습·추론 수요에 대응할 수 있는 고성능 컴퓨팅 자원을 안정적으로 공급하고 고객별 워크로드에 최적화된 AI 인프라까지 사업 영역을 넓힌다는 전략이다. 베슬AI는 엔비디아 B200 GPU 1000장 이상을 확보했다고 7일 밝혔다. 이번에 확보한 GPU 자원은 자사 GPU 클라우드 서비스인 '베슬 클라우드'를 통해 고객에게 공급할 예정이다. 회사는 SK텔레콤과의 협력을 통해 고성능 GPU 인프라를 확보했으며 이를 바탕으로 베슬 클라우드의 컴퓨팅 자원 공급 역량을 강화할 계획이다. 베슬 클라우드는 복수의 글로벌 데이터센터를 기반으로 A100과 H100, B200 등 고성능 GPU를 온디맨드·스팟·예약형으로 제공하는 서비스다. 기업과 연구자가 직접 인프라를 구축하지 않고도 대규모 AI 모델 학습과 추론에 필요한 컴퓨팅 자원을 활용할 수 있도록 지원한다. 베슬AI는 이번 B200 확보를 계기로 글로벌 AI 기업을 대상으로 한 사업도 확대할 방침이다. AI 모델 경쟁이 자체 기술력뿐 아니라 안정적인 컴퓨팅 자원 확보 경쟁으로 확산하는 만큼 GPU 공급 역량을 차별화 요소로 삼겠다는 구상이다. 확보한 GPU 자원을 기반으로 베슬 클라우드 서비스도 고도화한다. 고객별 AI 워크로드에 맞춰 컴퓨팅 자원과 개발·운영 환경, 인프라 관리 체계를 통합 제공하는 AI 팩토리 서비스 구축을 추진할 방침이다. AI 팩토리는 대규모 AI 모델 개발과 서비스 운영에 필요한 GPU와 네트워크, 스토리지, 개발·운영 환경을 통합 제공하는 인프라 체계다. 베슬AI는 이번 B200 자원 확보를 대규모 학습과 추론을 동시에 지원하는 AI 팩토리 인프라 확장의 기반으로 활용할 계획이다. 회사는 연내 GPU 1만장, 내년에는 5만장을 수용할 수 있는 100메가와트(MW)급 인프라를 확보한다는 목표도 제시했다. 현재 베슬AI는 업스테이지와 모티프테크놀로지스 등 국내 독자 파운데이션 모델 개발 기업을 비롯해 서브쿼드래틱, 누앙스 랩스, 트래젝토리 등 미국 AI 프론티어랩 스타트업을 고객으로 확보해 서비스 이용량과 매출을 확대 중이다. 안재만 베슬AI 대표는 "AI 기업이 경쟁력을 확보하려면 모델 개발 역량에 더해 고성능 컴퓨팅 자원을 필요한 시점에 안정적으로 활용할 수 있는 기반이 갖춰져야 한다"며 "대규모 블랙웰 GPU 자원을 베슬 클라우드에 반영하고 고객별 AI 워크로드에 최적화된 AI 팩토리 인프라까지 확장해 국내외 AI 기업이 대규모 학습·추론을 빠르게 수행할 수 있는 환경을 만들어 나가겠다"고 말했다.

2026.08.07 13:24한정호 기자

'산업 특화' LG 엑사원, 구글·알리바바 앞섰다

LG가 개발한 인공지능(AI) 파운데이션 모델이 산업 데이터를 예측하는 글로벌 평가에서 미·중 빅테크를 앞섰다. LG AI연구원은 표 데이터를 다루는 '엑사원 태뷸러(Tabular)'와 시계열 데이터를 다루는 '엑사원 포캐스트(Forecast)'가 각각 글로벌 리더보드에서 전 세계 최고 성능(SOTA)을 달성했다고 7일 밝혔다. 두 모델은 화학·의료·금융·제조·영업·마케팅 등 다양한 산업에서 만들어지는 실제 데이터를 활용해 AI 파운데이션 모델의 예측 능력을 평가하는 글로벌 리더보드에서 각각 검증받았다. 엑사원 Tabular는 범주형 데이터 예측 부문 리더보드 '탭아레나(TabArena)'에서 종합 1위를 기록했다. 평가 점수(ELO)는 1760점으로, 구글이 지난달 공개한 최신 모델 'TabFM'의 1749점을 앞섰다. 정상·불량 등 2개 범주를 예측하는 이진형 부문과 3개 이상 범주를 예측하는 다중 범주형 예측 부문에서 모두 세계 최고 수준 성능을 기록했다. 엑사원 Forecast는 세일즈포스가 개발한 시계열 예측 리더보드 'GIFTeval'에서 제로샷 부문 1위(SOTA)를 달성했다. 에이전틱AI 부문에서도 구글, 알리바바를 제치고 2위를 기록했다. 엑사원 Tabular는 표 형태의 합성 데이터를 대규모로 학습한 정형 데이터 파운데이션 모델(TFM)이다. 표를 텍스트로 변환해 분석하는 기존 범용 언어모델과 달리 행과 열로 구성된 표의 구조와 데이터 간 관계를 직접 이해한다. 적은 데이터만으로 새로운 문제에 빠르게 적응할 수 있고 결측치가 발생해도 남은 정보의 관계를 분석해 예측 정확도를 유지한다. 엑사원 Forecast는 시간의 흐름에 따라 변화하는 대규모 시계열 데이터를 학습해 미래를 예측하는 시계열 파운데이션 모델(TSFM)이다. 인터넷, 판매, 에너지, 경제, 헬스케어, 교통 등 다양한 산업의 실제 데이터와 현실을 모사한 2조 개 규모의 가상 시계열 데이터를 함께 학습해, 과거에 관측되지 않은 변화에도 안정적으로 대응하는 일반화 성능을 확보했다. LG AI연구원은 하반기 제조, 바이오·헬스케어, 금융 3개 분야에서 엑사원 Tabular의 개념검증(PoC)을 진행하고 사업화를 추진할 계획이다. 배터리 셀 검사 데이터를 활용한 불량 예측, 임상 데이터 기반 질병 위험도 예측, 금융 데이터 기반 연체·부도 예측 등에 적용을 검토하고 있다. 산업 특화 파운데이션 모델의 적용 범위도 넓히고 있다. 2024년 병리학 파운데이션 모델(PFM) '엑사원 패스'를 공개했다. 현재 암 진단을 지원하는 '암 에이전틱 AI'와 로봇 파운데이션 모델(RFM)을 개발 중이다. 임우형 LG AI연구원 공동 연구원장은 "글로벌 빅테크의 관심이 범용 언어모델에서 실제 산업 현장의 문제를 해결하는 산업 특화 AI 파운데이션 모델로 빠르게 이동 중"이라며 "이번 성과는 제조업을 비롯한 다양한 산업 현장에서 축적한 데이터가 한국 AI의 차별화된 경쟁력이 될 수 있다는 점을 입증한 사례"라고 말했다.

2026.08.07 10:15이나연 기자

노타, 中 '키미 K3' 경량화…GPU 최대 절반 줄여

노타가 최근 업계 주목을 받는 중국 문샷AI의 초거대 인공지능(AI) 모델 '키미 K3'를 경량화해 구동에 필요한 그래픽처리장치(GPU)를 최대 절반으로 줄이는 데 성공했다. 노타는 전문가 모듈을 각각 25%·50% 줄인 키미 K3 경량화 모델 2종을 공개했다고 6일 밝혔다. 2조 8000억 개 매개변수를 갖춘 키미 K3는 입력값에 따라 필요한 모듈만 선택적으로 활성화하는 전문가 혼합(MoE) 구조를 채택한 오픈웨이트 모델이다. 이를 구동하려면 엔비디아 최신 고성능 GPU인 B300 8장이 필요해 기업·개발자가 활용하기에 비용과 인프라 부담이 컸다. 키미 K3는 학습 단계부터 가중치와 활성값을 각각 4비트와 8비트로 설계해 일반적인 양자화 방식만으로는 추가 압축 범위가 제한적이라는 문제도 있었다. 노타는 이를 자체 개발한 '비균일 전문가 프루닝' 기술로 해결했다. 모델 층별 특성과 모듈 중요도를 분석해 핵심 전문가는 보존하고 기여도가 낮은 모듈만 선별 제거하는 방식이다. 모든 층을 동일 비율로 줄이던 기존 방식과 달리 층별 제거 비율을 다르게 적용해 성능 저하를 최소화했다. 키미 K3 경량화 모델 2종은 구동에 필요한 GPU 수가 기존 8장에서 각각 6장·4장으로 줄었다. 노타 자체 평가 결과, 50% 경량화 모델은 층별 전문가를 동일한 비율로 제거하는 기존 방식(REAP)보다 대다수 벤치마크에서 더 높은 성능 보존율을 기록했다. 고난도 과학·추론 능력 평가(GPQA-Diamond)와 지시 수행 능력 평가(IFeval) 점수는 각각 2.52점, 2.22점 높았다. 김태호 노타 최고기술책임자(CTO)는 "다양한 프론티어급 AI 모델을 한정된 연산 자원에서도 효율적으로 활용할 수 있도록 기술 적용 범위를 확대하겠다"고 말했다.

2026.08.06 14:05이나연 기자

"추론하며 스스로 학습하는 AI…SKT 'A.X K2' 경쟁력 키운다"

AI 모델 성능 경쟁이 사전 학습 규모를 키우는 방식에서 추론 과정에 더 많은 연산 자원을 투입하는 방향으로 향하고 있다. 이미 학습을 마친 AI가 주어진 문제와 관련 자료를 바탕으로 짧게 추가 학습한 뒤 답을 내놓는 '추론 시점 학습'이 대표적이다. SK텔레콤은 미국 매사추세츠공과대학교(MIT)와 추론 시점 학습 기술을 활용해 대규모 언어 모델의 추론 성능을 높이는 연구를 진행하고 있다. 공동 연구를 이끄는 김윤형 MIT 전기전자공학·컴퓨터과학부 교수는 SK텔레콤 뉴스룸 인터뷰를 통해 이 기술이 독자 AI 파운데이션 모델 'A.X K2'의 연산 자원 대비 성능을 높일 수 있다고 내다봤다. 연구는 MIT가 주관하는 글로벌 산학 협력 컨소시엄 'MGAIC'의 하나로 추진된다. MGAIC에는 SK텔레콤을 비롯해 오픈AI와 코카콜라 등 각 산업의 대표 기업들이 참여하고 있으며, 60개 이상의 프로젝트를 통해 AI의 산업 적용 가능성을 모색하고 있다. “사전 학습 넘어 추론 단계에서 한 번 더 생각” SK텔레콤과 MIT 공동연구 핵심은 추론 시점 학습과 관련 기술을 이용해 대규모 언어 모델의 성능을 높이는 것이다. 김 교수는 연구의 출발점이 AI 연산 자원을 바라보는 패러다임의 변화에 있다고 설명했다. 지난 수년간 AI는 모델의 매개변수와 학습 데이터, 연산 자원 등 사전 학습 단계의 규모를 키우는 방식으로 발전했다. 최근에는 학습을 마친 모델이 답을 생성하는 추론 단계에서 추가 연산 자원을 사용해도 성능이 뚜렷하게 향상된다는 연구 결과가 나오고 있다. 김 교수는 “추론 시점 학습은 연산 자원의 일부를 모델이 눈앞에 놓인 특정 문제를 스스로 해결하는 데 사용하면 어떨까라는 아이디어에서 출발한다”고 밝혔다. 일반적인 언어 모델은 학습을 마치면 고정된 상태로 배포되지만, 추론 시점 학습을 적용한 모델은 주어진 문제와 관련 자료를 바탕으로 짧게 추가 학습한 뒤 답변을 생성한다. 그는 “추론 단계의 연산 자원을 모델의 실제 성능과 역량 향상에 어떻게 활용할 것인가는 AI 학계의 핵심 화두”라며 “추론 시점 학습이 이에 유용한 접근 방식을 제공할 것”이라고 설명했다. 검색 넘어 전체 내용 통합하는 AI 연구팀은 AI가 긴 문맥을 이해하는 능력도 고도화할 계획이다. 김 교수는 긴 문맥 이해를 검색과 통합의 두 가지 관점으로 구분해야 한다고 설명했다. 검색은 방대한 텍스트에서 관련 정보를 찾는 능력으로 현재 AI 모델도 비교적 잘 수행한다. 반면 통합은 문서 전체에서 일관된 이해를 유지하고 서로 다른 부분의 정보를 연결하는 능력이다. 문서 앞부분과 뒷부분의 내용이 논리적으로 충돌할 때 이를 감지하는 것이 대표적이다. 이론적으로 100만개의 토큰을 처리하는 모델도 통합의 의미에서는 긴 문맥을 제대로 이해하지 못할 수 있다. 김 교수는 “소비자 대상과 기업 대상 서비스 모두에서 유용한 AI 에이전트를 개발하려면 통합의 관점에서 긴 문맥을 깊이 이해하는 시스템을 구축해야 한다”며 “이 능력이 AI 서비스의 핵심 경쟁력이 될 것”이라고 강조했다. 기술이 상용화되면 대규모 언어 모델은 수학적 추론이나 여러 단계의 판단이 필요한 복잡한 문제를 더 효율적으로 처리할 수 있다. 김 교수는 이를 기반으로 한 AI 응용 서비스의 성능과 반응 속도도 크게 개선될 것으로 기대했다. “MIT와 SK텔레콤, 원천 연구와 상용화 결합” 김 교수는 SK텔레콤과 MIT의 협력이 학계의 원천 기술 탐색 역량과 기업의 상용화 역량을 결합한다는 점에서 의미가 있다고 평가했다. 그는 “학계는 새로운 가능성의 탐색에 강하고 기업은 기술의 실용적 활용에 강점이 있다”며 “AI의 비약적인 발전을 위해서는 두 역량이 반드시 결합돼야 한다”고 말했다. MIT 연구진은 실제 서비스 출시를 목표로 AI 시스템을 구축하는 SK텔레콤 개발진에게서 산업 현장의 통찰을 얻을 수 있다. SK텔레콤은 단기적인 상용화 제약에서 벗어나 근본적인 원천 기술을 탐구하는 학계와 협력할 수 있다. 공동 연구의 성과는 A.X K2의 추론 성능 향상에도 활용될 수 있다. 추론 단계의 연산량을 늘리면 수학 문제 풀이와 같은 추론 영역의 성능을 지속해서 높일 수 있지만, 서비스 비용과 응답시간도 함께 증가할 수 있다. 김 교수는 “공동 연구에서 개발할 추론 시점 학습 기술은 A.X K2가 투입하는 추론 연산 자원 대비 성능을 높이는 효율을 획기적으로 개선할 것”이라고 전망했다. “독자 AI 평가, 화려한 기술보다 글로벌 격차 봐야” 김 교수는 한국이 독자 AI 파운데이션 모델 사업을 통해 모델 개발에서 의미 있는 진전을 이뤘다고 평가했다. 다만 2차 평가에서는 새롭고 화려한 기술의 적용 여부보다 글로벌 모델 개발사들이 사용하는 핵심 성능평가 지표를 기준으로 선도 모델과의 격차를 얼마나 줄였는지 살펴야 한다고 조언했다. 그는 “선도 모델과의 격차를 줄였다는 것은 이미 알려진 모델 개발 방법을 대규모 환경에서 제대로 실행할 수 있다는 의미”라며 “이러한 실행 역량을 증명하는 것이 현 단계에서 가장 중요하다”고 말했다. 소버린 AI에 대해서는 독자적인 AI 인프라와 생태계를 구축하려는 시도는 자연스럽지만, 목표를 주권이라는 틀에만 가두면 국가 간 협력보다 과도한 경쟁을 부를 수 있다고 지적했다. 김 교수는 소버린 AI 경쟁력의 핵심으로 대규모 AI 시스템을 직접 구축하고 운영할 수 있는 연구자와 기술자 양성을 꼽았다. 그는 “연산 자원은 돈으로 살 수 있고 데이터센터도 건립할 수 있지만, 대규모 시스템을 직접 운영한 경험과 역량을 축적하는 데는 훨씬 더 오랜 시간이 필요하다”고 강조했다.

2026.08.06 09:45박수형 기자

KG스틸, SKT 독자 AI모델로 설비 오류 대응 30% 줄였다

KG스틸 철강 공장에 적용된 SK텔레콤 독자 AI 파운데이션 모델 A.X K2가 현장 설비 오류를 해결하는 시간을 크게 단축해 생산성을 향상시키고 있다. A.X K2는 6880억 개 매개변수를 갖춘 초거대 언어 모델로, 뛰어난 추론 능력에 한국어 이용 AI 에이전트다. SK텔레콤과 KG스틸은 지난 6월 A.X K2 현장 실증을 위한 업무협약을 맺고, 현장 데이터를 모델에 학습시키며 답변 정확도와 신뢰도, 활용성을 검증하고 있다. KG스틸은 실증이 마무리되는 오는 10월, 보안 안정성과 데이터 활용성이 뛰어난 온프레미스 방식으로 AI 에이전트 정식 도입을 검토한다는 방침이다. 독자 AI 모델이 연구실 밖으로 나와 산업 현장에 본격 쓰이게 되는 셈이다. 분산된 과거 기록을 실시간 매칭...한국어 특화 AI로 생산성 향상 KG스틸 당진 공장에서 실증을 담당하는 정춘호 기술연구소 선행연구팀장은 A.X K2 특장점으로 오류 해결 시간 단축을 꼽았다. 철강 공정 과정에서 설비 오류가 발생했을 때 라인이 멈추는 비가동 시간이 최소화돼 전체 공정 생산성이 향상된다는 설명이다. 정 팀장은 “공장에선 철판을 받아와 칼국수 반죽처럼 더 얇게 미는 냉간 압연 공정과 철판 부식을 방지하기 위해 아연도금을 하거나 페인트를 바르는 색상 도정을 거치는 연속 공정이 이뤄진다”면서 “이 과정에서 한 라인이 멈추면 전체 공장의 생산성이 떨어지는 문제점이 있다. 기존엔 문제가 발생했을 때 개인 PC, 네트워크, 내부 결제 문서 등 분산된 과거 조치 기록을 사람이 직접 찾고 기억에 의존해야 했다”고 운을 뗐다. 이어 “A.X K2 에이전트는 현장 실무자가 문제 상황을 자연어로 질문하면, 설비 오류에서 어떤 부품이 기능에 이상이 있는지 실시간으로 과거 데이터와 비교해 과거 유사 사례와 매칭해 우선 순위별 점검 가이드를 제시한다”며 “이로 인해 설비 비가동 해결 조치에 소요되는 전체 시간이 크게 단축되고 있다. 평균적으로 약 30% 정도 줄일 수 있다”고 설명했다. 한국어 사용이 편리한 점도 A.X K2 강점으로 꼽았다. 정 팀장은 “제조 현장에서 사용되는 단어는 영어, 독일어, 일본어가 많다. 현장 작업자는 외국어도 한국식으로 발음해 대화하고 문제를 해결한다”며 “한국어에 특화된 AI 에이전트가 제조 현장에 더 적합하다는 생각이다”고 말했다. 정확도 검증부터...향후 숙련자 암묵지 데이터화 현재는 현장 실증 단계인 만큼 학습 데이터의 양을 무작정 늘리기보다 답변의 정확도와 신뢰도, 활용성을 검증하는 데 초점을 맞추고 있다. 검증된 기존 데이터셋을 중심으로 학습시켜 AI 에이전트가 사실과 다른 답변을 생성하는 할루시네이션을 최소화한다는 방침이다. 숙련 기술자가 보유한 기술과 노하우는 실증을 마치고 모델의 정확도를 확보한 뒤 학습시킬 계획이다. 검증되지 않은 데이터를 한꺼번에 학습시키면 오류가 발생했을 때 원인을 찾기 어렵고, 경우에 따라 처음부터 데이터 학습을 다시 진행해야 할 수 있기 때문이다. 정 팀장은 “정확도가 확보되지 않은 상태에서 학습량만 늘려 할루시네이션이 발생하면 다시 되돌리기 어렵다”며 “그렇게 되면 처음부터 데이터 학습을 다시 시작해야 하기 때문에 먼저 정확도를 확인한 뒤 데이터셋을 확대하는 작업을 진행할 것”이라고 말했다. 제조 현장에서는 숙련자의 기술과 노하우가 문서가 아닌 개인의 경험과 기억에 의존하는 암묵지 형태로 남아 있는 경우가 많다. 숙련자가 갑자기 퇴직하거나 은퇴하면 설비 운영과 문제 해결에 필요한 지식이 함께 사라질 수 있다는 우려가 나온다. 정 팀장은 “제조업에서는 숙련자의 노하우가 사람에게 의존하는 암묵지 형태로 남아 있고, 이들이 갑자기 은퇴하면 현장 지식이 단절될 수 있다”며 “실증이 끝나면 현장 기술자의 머릿속에 있는 암묵지와 개인용 컴퓨터에 저장된 노하우를 조사해 표준화·데이터화하고 AI 에이전트에 학습시킬 예정”이라고 밝혔다. 보안·속도 모두 잡는 온프레미스 방식 구축 추진 KG스틸은 높은 데이터 처리 능력, 보안성을 지닌 온프레미스 방식으로 AI 에이전트를 구축한다는 구상이다. 온프레미스는 회사가 클라우드를 빌려 쓰는 게 아니라, 사내 전산실이나 자체 보유한 서버 장비에 직접 소프트웨어와 시스템을 설치·운영하는 방식을 뜻한다. 정 팀장은 “제조 현장에 실시간 데이터들과 연동을 해서 에이전트가 돌아가야 되기 때문에 클라우드 서비스를 하면 무리가 있고, 보안상의 이슈로 제조업에선 적합하지 않다고 본다”며 “현재는 계획은 온프레미스로 구축을 하는 방향으로 하되, 사내 그룹웨어 등엔 클라우드를 사용할 계획이다”고 했다. 현장엔 A.X K2 기반 플래그십 모델의 기술적 역량을 바탕으로, 제조 현장에 필요한 응답 속도와 보안, 운영 효율을 함께 고려한 경량 모델이 사용된다. 정 팀장은 “온프레미스로 모델을 구축을 해야되는데 GPU가 더 많이 필요한 모델보다는 날렵하면서 무겁지 않은 모델이 훨씬 더 효율성이 높다”고 말했다. 정 팀장은 비용 효율성과 데이터 보안 안정성을 갖춘 A.X K2를 통해 미국 빅테크 기술에 대한 종속과 중국 AI 모델의 보안 우려도 줄일 수 있다고 강조했다. 제조 공정을 제어하는 산업용 컴퓨터부터 설비 운영체제까지 외산 장비가 많은 상황에서 판단과 제어를 담당하는 AI 모델마저 해외 기업에 의존하면 비용과 기술 종속 문제가 더욱 커질 수 있다는 지적이다. 그는 “제조업은 공정 자동제어에 사용되는 산업용 컴퓨터부터 설비를 운영하는 운영체제까지 외산 장비가 많다”며 “설비를 제어하거나 판단하는 AI 모델까지 챗GPT나 제미나이 같은 미국 빅테크 기업의 AI 에이전트 기술에 종속되면 모든 과정을 외부에 의존할 수밖에 없고 비용 부담도 커진다”고 말했다. 이어 “중국 딥시크 계열의 AI 모델은 저렴하지만 데이터 보안 측면에서 불안한 부분이 있다”며 “SK텔레콤의 A.X K2는 비용이 합리적이면서 내부 데이터의 보안 안정성도 확보할 수 있다”고 밝혔다. 기피 업무 에이전트화...향후 자율제조·피지컬 AI 운영에도 적용 KG스틸은 AI 에이전트 도입에 대한 현장 직원들의 거부감을 줄이기 위해 충분한 공감대를 형성하며 적용 범위를 순차적으로 확대할 계획이다. AI 에이전트가 단순히 인력을 대체하는 기술로 인식되지 않도록 직원들이 꺼리는 업무를 우선 맡기는 방향을 검토하고 있다. 정 팀장은 “모든 직원에게 AI 에이전트를 도입한다고 해서 한순간에 변화가 나타나지는 않을 것이며 어느 정도 시간이 필요할 것”이라며 “AI 에이전트가 단순한 인력 대체 수단으로 오해받지 않도록 AI와 공존하면서 더 많고 좋은 일을 함께 만들 수 있다는 공감대를 형성하는 것이 우선”이라고 말했다. 이어 “직원들이 기피하는 업무부터 에이전트화하는 방향을 계획하고 있다”며 “현장의 필요와 구성원들의 의견을 반영하면서 적용 범위를 단계적으로 넓혀갈 것”이라고 설명했다. 10월 실증이 마무리되면 KG스틸은 A.X K2의 구축 방식과 구체적인 활용처를 확정할 예정이다. 회사는 현재 설비 단계에서 자율 제조를 위한 AI를 적용하고 있으며, 다이 공정에서는 피지컬 AI 도입을 실증하고 있다. 향후 A.X K2를 설비 오류 해결뿐 아니라 자율 제조와 피지컬 AI 운영에도 활용한다는 구상이다. 정 팀장은 “자율 제조와 피지컬 AI를 운영하려면 작업 지시를 내리거나 설정값을 입력할 때 단위 설비별로 분산된 시스템을 하나의 흐름으로 묶는 통합 제어가 이뤄져야 한다”며 “이러한 통합 제어 과정에서 AI 에이전트가 중요한 역할을 하게 될 것”이라고 말했다.

2026.08.06 09:41홍지후 기자

텐센트 AI 'Hy3', 글로벌 이용자·기업 문 두드린다

텐센트가 지난달 초 공식 출시한 인공지능(AI) 모델 'Hy3'의 글로벌 이용 범위를 대폭 확대한다. 개발자, 이용자 및 기업이 Hy3를 기존 서비스와 업무 환경에 통합해 활용하도록 지원한다는 목표다. 텐센트는 이용자와 기업은 오는 31일까지 무료로 AI 에이전트 업무 플랫폼 '워크버디'에서 Hy3를 이용할 수 있다고 5일 밝혔다. 텐센트 디자인 미오라와 텐센트 클라우드 토큰허브를 통해서도 Hy3를 사용할 수 있다. 텐센트 클라우드의 AI 네이티브 제품 포트폴리오 전반으로 통합 범위가 확대될 예정이다. 회사에 따르면 Hy3는 출시 후 일주일 만에 이전 세대 모델보다 68배 이상 많은 응용 프로그램 인터페이스(API) 호출을 기록했다. 같은 기간 오픈라우터 글로벌 거대언어모델(LLM) 사용량 순위에서는 1위를 기록했다. 텐센트 내부 평가에서 워크버디에 Hy3를 적용했을 때 작업 성공률이 90%를 넘어섰고 이전 세대 모델 대비 평균 작업 완료 시간은 34% 단축됐다. Hy3는 빠른 사고와 심층 사고를 결합한 전문가 혼합(MoE) 아키텍처를 기반으로 설계됐다. 총 2950억 개 매개변수(파라미터)와 210억 개 활성 매개변수를 보유했으며 최대 256K의 컨텍스트 길이를 지원한다. 추론·지시 이해·코드 생성·에이전트 역량 등 다양한 영역에서 2~5배 많은 매개변수를 보유한 플래그십 모델과 비슷한 수준의 성능을 제공한다고 회사는 설명했다. Hy3는 글로벌 개발자 플랫폼과 오픈소스 커뮤니티에서 상업적 이용이 가능한 아파치 2.0 라이선스로 제공된다. 허깅페이스·모델스코프 등 오픈소스 커뮤니티와 헤르메스·킬로·클라인·오픈클로·체리 스튜디오 등 서드파티 개발자 플랫폼으로 활용 범위를 넓히고 있다. 오픈라우터에서 제공되는 Hy3 API 가격은 입력 토큰 100만 개당 0.1288달러, 출력 토큰 100만 개당 0.5336달러부터 시작한다. 일본에서는 메텔릭스, 국내에서는 카페24와 향후 파트너십을 맺고 Hy3를 제공할 예정이다. 포슈 영 텐센트 클라우드 수석부사장 겸 텐센트 클라우드 인터내셔널 총괄은 "고도화된 모델을 실제 활용 환경, 엔터프라이즈급 엔지니어링, 유연한 모델 오케스트레이션, 보안 인프라와 연결해 기업이 파일럿 단계에서 대규모 배포로 전환하는 데 필요한 통제력과 안정성을 제공하겠다"고 말했다. 또 "우리의 통합 AI 스택은 엔터프라이즈 지식 기반, 데이터 인프라, 에이전트 런타임, 에이전트 개발 플랫폼 및 도구를 아우른다"며 "Hy3는 기업이 이미 활용하고 있는 시스템과 워크플로우에 고도화된 추론 및 에이전트 역량을 제공한다"고 강조했다.

2026.08.05 17:15이나연 기자

업스테이지, 하반기 AI 모델 2연타…상용 시장 공략 속도

업스테이지가 '솔라 프로4'를 선보이며 하반기 자체 인공지능(AI) 모델 라인업 확대에 나선다. 지난달 오픈웨이트 모델 '솔라 오픈2'를 공개한 데 이어 상용 거대언어모델(LLM)까지 선보이며 기업·개발자 시장 공략에 박차를 가하고 있다. 5일 업계에 따르면 업스테이지는 오는 6일 솔라 프로4 API를 공개한다. 지난달 공개한 솔라 오픈2 API 클로즈드 베타 서비스는 지난 3일 종료됐다. 기존 베타 참여자는 모델명을 솔라 프로4로 변경해 새로운 모델을 이용할 수 있다. 솔라 오픈2는 이달 2차 평가에 돌입하는 과학기술정보통신부 '독자 AI 파운데이션 모델(독파모)' 프로젝트를 통해 개발된 모델이다. 업스테이지는 모델 가중치를 공개하는 한편 개발자들이 직접 성능을 체험할 수 있도록 API 베타를 한시적으로 운영해왔다. 솔라 프로4는 독파모 사업과 별개로 업스테이지의 상용 모델 라인업인 '솔라 프로' 시리즈의 최신 모델이다. 지난 3월 공개한 '솔라 프로3'의 후속 모델로, 실제 업무 환경에서의 활용성을 높인 것이 특징이다. 김성훈 업스테이지 대표는 자신의 페이스북을 통해 "솔라 프로4는 문서 작업과 터미널 수행, 멀티턴 도구 사용에서 솔라 오픈2 대비 20~30% 성능이 향상됐다"며 "작은 사이즈지만 쓸 만한 좋은 모델"이라고 소개했다. 솔라 프로4는 데스크톱 AI 에이전트 '룸(Loom)'에도 기본 모델로 탑재됐다. 룸은 PC 내 업무 폴더를 기반으로 여러 문서와 엑셀, PDF 등을 동시에 읽고 실제 업무 결과물을 생성하는 AI 에이전트다. 업스테이지는 이용자들이 룸을 통해 프로4를 먼저 체험할 수 있도록 했다. 이달까지 룸에서 솔라 프로4가 무료 제공된다. 업스테이지는 지난 6월 업스테이지 컴퍼니 출범 기념 미디어데이에서 같은 달 말 '솔라 오픈2' 프리뷰를 공개하고 7월 말에는 '솔라 프로4'를 출시하겠다는 계획을 밝혔다. 이후 솔라 오픈2 공개와 API 클로즈드 베타를 거쳐 이번 솔라 프로4 API 공개로 후속 일정을 이어가게 됐다. 업스테이지 관계자는 "솔라 오픈2 API는 오픈웨이트 모델을 누구나 체험할 수 있도록 한 클로즈드 베타 서비스"라며 "상용 모델인 솔라 프로4가 출시되면서 정식 API는 프로 라인업으로 제공하게 됐다"고 말했다.

2026.08.05 11:25이나연 기자

알리바바, '큐원 3.8 맥스' 공개…키미 K3와 맞대결

중국 알리바바가 자사 최대 규모이자 최고 성능 인공지능(AI) 모델을 공개하며 초거대 AI 모델 경쟁에 속도를 내고 있다. 알리바바는 3일 '큐원 3.8 맥스(Qwen 3.8-Max)'를 공개했다. 큐원 3.8 맥스는 총 2조 4000억 개의 매개변수(파라미터)를 갖춘 신모델로 지난달 문샷AI가 공개한 '키미 K3'와 비슷한 규모다. '키미 K3'의 매개변수는 2조 8000억 개다. 모델 규모보다 효율성을 높이기 위해 전문가 혼합(MoE) 구조를 적용했다고 회사는 설명했다. 실제 추론 시에는 전체 매개변수 가운데 약 950억 개만 활성화해 비용과 응답 지연을 줄였다. 큐원 3.8 맥스는 텍스트와 이미지, 영상까지 처리하는 멀티모달 기능을 지원하며 최대 100만 토큰의 컨텍스트를 제공한다. 알리바바는 복잡한 소프트웨어 엔지니어링 프로젝트를 16일 동안 자율적으로 수행하는 등 코딩과 장기 작업에서 성능을 높였다고 소개했다. 회사에 따르면 이 모델은 AI 평가 플랫폼 '아레나'에서 텍스트 모델 부문 중국 1위, 시각 자료 분석 부문 세계 2위를 기록했다. 다만 해당 결과는 자체 발표로 독립 평가기관의 공식 검증은 아직 이뤄지지 않았다. 큐원 3.8 맥스는 다음 주 알리바바 클라우드의 AI 개발 플랫폼 '모델 스튜디오'를 통해 공개될 예정이다. 오픈웨이트도 함께 배포돼 개발자들이 모델을 내려받아 활용할 수 있도록 지원한다. 알리바바는 "지금까지 공개한 것 중 가장 뛰어난 성능을 갖춘 모델로 맥스급 오픈웨이트를 처음으로 제공한다"며 "코딩과 실제 업무, 장기 과제, 멀티모달 에이전트 분야에서 성능을 높여 최소한의 인간 개입으로 복잡한 작업을 처음부터 끝까지 수행하고 신뢰할 수 있는 결과물을 제공할 수 있도록 설계했다"고 말했다.

2026.08.04 10:26이나연 기자

[AI 고속도로] AWS CEO "AI 사업 잠재력 막대…데이터센터 투자 늘린다"

아마존웹서비스(AWS)가 생성형 인공지능(AI) 활용이 모델 학습을 넘어 실제 서비스 운영 단계로 확산되면서 클라우드 수요가 빠르게 늘고 있다고 밝혔다. 이에 맞춰 데이터센터와 AI 인프라 투자를 확대하며 장기 성장 기반 확보에 속도를 내겠다는 목표다. 맷 가먼 AWS 최고경영자(CEO)는 4일(현지시간) 공개된 블룸버그와의 인터뷰에서 "AI 사업의 잠재력은 그야말로 막대하다"며 "기업들이 AI 모델을 학습하는 단계를 넘어 실제 업무에 AI를 적용하기 시작하면서 추론 수요가 빠르게 증가하고 있다"고 밝혔다. 가먼 CEO는 최근 기업들의 AI 활용 방식이 빠르게 변화하고 있다고 설명했다. 초기에는 거대언어모델(LLM) 학습을 위한 대규모 그래픽처리장치(GPU) 클러스터 구축이 중심이었다면, 이제는 완성된 AI 모델을 실제 서비스와 업무에 적용하는 추론 중심의 워크로드가 빠르게 늘고 있다는 평가다. 그는 "여전히 대규모 학습 클러스터 수요도 이어지고 있지만 AI 모델이 더욱 강력해질수록 더 많은 기업이 자사 업무에 추론 기능을 통합하고 있다"며 "AI 인프라 수요는 앞으로도 확대될 것"이라고 내다봤다. 이같은 흐름은 AWS 실적에서도 확인된다. 아마존이 지난달 30일(현지시간) 발표한 올해 2분기 실적에 따르면 AWS 매출은 전년 동기 대비 37% 증가한 422억 3200만 달러(약 60조 4255억원)를 기록했다. 최근 18개 분기 가운데 가장 높은 성장률이다. 영업이익은 166억 2100만 달러(약 23조 7896억원)로 전년보다 64% 늘며 아마존 전체 영업이익의 절반 이상을 차지했다. AI 투자 확대에 따른 비용 부담도 커졌다. 아마존은 데이터센터·서버·메모리 등 AI 인프라 투자 확대에 따라 올해 자본지출(CAPEX) 전망치를 기존 2000억 달러(약 286조원)에서 2200억 달러(약 314조원)로 상향 조정했다. 잉여현금흐름(FCF)은 대규모 설비투자 영향으로 적자로 전환했지만 AWS의 성장세가 투자 회수에 대한 시장 우려를 상당 부분 상쇄했다는 평가가 나온다. 시장도 긍정적으로 반응했다. 아마존 주가는 실적 발표 이후 상승세를 이어가며 3일(현지시간) 시가총액 3조 달러(약 4293조원)를 처음 돌파했다. AWS가 약 4년 만에 가장 높은 성장률을 기록한 데다 AI 인프라 투자 확대 기조를 재확인하면서 투자 심리가 개선된 영향으로 분석된다. 이에 마이크로소프트(MS)·메타·알파벳 등 다른 빅테크와 AI 인프라 기업들의 주가도 함께 상승했다. 가먼 CEO는 AWS가 향후 데이터센터 투자 계획도 장기 수요를 바탕으로 추진하고 있다고 설명했다. 그는 "우리는 고객들과 5년 단위 장기 계약을 체결하며 신규 데이터센터 수요를 예측 중"이라며 "현재도 수요가 공급을 크게 웃돌고 있어 고객들이 원하는 규모를 맞추기 위해 지속적으로 구축하고 투자할 것"이라고 말했다.

2026.08.04 10:24한정호 기자

"제조부터 국방까지"…SKT, '일하는 AI' 확산 시동

SK텔레콤이 독자 AI 파운데이션 모델 'A.X K2'를 공개하고 제조와 국방, 바이오 등 산업 현장 공략에 본격 나선다. AI로 단순 질의응답을 넘어 스스로 계획을 세우고 도구를 활용해 업무를 수행하는 '에이전틱 AI'를 구현하고, 이를 기반으로 한국형 소버린 AI 생태계를 구축하겠다는 전략이다. 김태윤 SK텔레콤 파운데이션모델담당은 4일 회사 뉴스룸 인터뷰에서 “A.X K2의 가장 큰 변화는 '답하는 AI'에서 '스스로 계획하고 실행하는 AI'로 진화한 것”이라며 “에이전틱 시대에 맞춰 추론 능력을 크게 강화했고 특히 수학과 한국어 영역에서 의미 있는 성과를 냈다”고 밝혔다. A.X K2, 문맥 제대로 알아듣는다 A.X K2는 총 6880억 개 매개변수를 갖춘 초거대언어모델(LLM)이다. 추론 과정에서는 330억 개(33B)의 매개변수만 활성화하는 MoE 구조를 적용해 모델 규모를 키우면서도 추론 비용은 기존 수준으로 유지했다. 매개변수를 늘리며 성능은 크게 향상됐다. 국내외 14개 벤치마크 평균 성능은 A.X K1 대비 32.2%p 높아졌고, 장문 이해와 AI 에이전트 관련 평가에서는 83.9%p 개선됐다. 초고난도 수학 벤치마크 'Apex' 점수는 1.0에서 45.8로 상승했으며, AIME26에서는 97.1점을 기록했다. 또 한국어 지식 평가(KMMLU-Pro)는 80.5점, 한국 문화 이해(CLIcK)는 91.6점을 기록했고, 통신 분야 에이전트 도구 활용 능력을 평가하는 τ²-Bench Telecom에서는 오픈웨이트 모델 가운데 최고 성능을 기록했다. 핵심 기술은 SK텔레콤이 자체 개발한 SGA(Sparse Gated Attention)다. AI 에이전트는 여러 차례 대화와 도구 호출, 긴 문서 참조를 반복하기 때문에 긴 문맥을 얼마나 효율적으로 처리하느냐가 중요하다. SGA는 이러한 환경에 최적화된 구조로, 입력 길이가 길어질수록 처리 속도와 안정성이 향상된다. 120K 토큰 입력 기준으로는 A.X K1 대비 토큰 처리량이 67.7% 개선됐다. “일하는 AI”...산업 국방 현장 적용 본격화 SK텔레콤은 텍스트 모델뿐 아니라 비전언어모델(VLM)과 오디오 음성 모델도 함께 선보였다. 제조 도면과 문서, 차트 등을 이해하는 'A.X K2 VL'과 상담·회의 음성을 분석하는 'A.X K2 ALM', 크래프톤과 공동 개발한 음성 모델 'A.X K2 라온스피치' 등을 통해 산업 현장에서 필요한 멀티모달 AI를 구현한다는 계획이다. 이에 따라 산업 현장 적용도 본격화하고 있다. 회사는 KG스틸, 자동차 부품업체 코넥과 함께 제조 특화 AI 에이전트를 실증하고 있다. 생산 라인의 과거 불량 사례를 학습한 AI가 불량 원인을 분석하고 조치 방안을 제안하는 방식이다. SK하이닉스에는 사내 AI 서비스 'LLM Chat'에 경량 모델을 적용해 반도체 지식 검색과 정보 정리 등을 지원하고 있다. 국방 분야도 주요 적용처다. SK텔레콤은 국방부에 A.X K1을 FP8·FP4·INT4 형태로 양자화해 공급했으며, A.X K2도 온프레미스 기반 폐쇄망 환경에서 제공할 계획이다. 민감한 데이터는 외부 학습에 활용하지 않고 기관 내부에서만 학습하도록 해 보안성을 확보했다. 해외 오픈소스 모델과 비교했을 때 A.X K2 경쟁력으로 ▲한국어와 국내 산업 환경에 최적화된 성능 ▲데이터 주권과 보안 ▲개방성을 꼽혔다. 김 담당은 “국내 업무 환경에서는 언어뿐 아니라 제도와 문화적 맥락을 이해하는 것이 중요하다”며 “국내 기업과 공공기관이 안심하고 활용할 수 있는 소버린 AI를 구현하는 것이 목표”라고 설명했다. 조 단위 매개변수 모델로 확장, 국산 NPU 적용 SK텔레콤은 A.X K2를 허깅페이스에 Apache 2.0 라이선스로 공개하고 API도 제공할 예정이다. 스타트업 액셀러레이팅 프로그램 '스케치 with AI'와 '모두의 챌린지 AX-LLM' 등을 통해 개발자와 스타트업이 상업적으로 자유롭게 활용할 수 있는 생태계도 확대한다. 향후에는 조(兆) 단위 매개변수를 갖춘 차세대 모델 개발도 추진한다. 먼저 정부 GPU 인프라와 자체 투자를 기반으로 모델 규모를 확대하는 동시에 에이전틱 강화학습과 사이버보안 역량을 고도화한다. 서울대, KAIST, 크래프톤 등과 차세대 아키텍처 연구도 병행한다. 컨소시엄 참여사인 리벨리온과는 국산 NPU 기반 모델 서빙 최적화와 상용 서비스 실증을 강화할 계획이다. 김 담당은 “A.X K2는 한국이 설계부터 학습까지 자체 기술로 개발한 AI 모델이 글로벌 최고 수준에 도달할 수 있다는 가능성을 보여준 사례”라며 “개방과 협력을 통해 국내 AI 생태계의 기반을 만들고 산업 현장과 국민이 체감할 수 있는 AI 서비스를 확대해 나가겠다”고 말했다.

2026.08.04 09:38박수형 기자

디윅스 '위아 엔그래프', 롱멤이발서 비가중 평균 95.31% 달성

디윅스(대표 안준형)는 AI 장기기억 솔루션 '위아 엔그래프'가 글로벌 장기기억 성능 벤치마크인 롱멤이발에서 비가중 평균 95.31%를 기록, 공개 비교 기준 최고 수준을 달성했다고 3일 밝혔다. 롱멤이발은 단일 대화의 문맥 유지를 넘어 복수 세션에 걸친 정보 보존, 변경된 사실관계 추론, 시간·연관 관계 분석, 사용자 선호 기억 등을 종합 평가하는 AI 장기기억 표준 벤치마크다. 위아 엔그래프는 전체 500개 평가 문항 중 475개를 맞춰 정확도 95.0%를 나타냈으며, 6개 평가 영역 비가중 평균 95.31%로 기존 공개 최고점(94.87%)을 상회했다. 안철희 디윅스 연구소장은 “이번 평가는 외부 대형 상용 에이피아이(API) 연동 없이 고객사 자체 서버에서 구동되는 27B 규모의 단일 로컬 오픈웨이트 모델로 수행됐다”며 “외부 호스티드 모델에 의존하는 마스트라(94.87%), 하인드사이트(91.40%), 슈퍼메모리(85.20%), 젭(71.20%) 등 기존 상위 시스템을 제친 성과”라고 설명했다. 이어 “위아 엔그래프는 업무 과정의 자료, 판단 근거, 수정·승인 이력을 온톨로지 스키마 규격에 맞춰 체계적으로 구조화해 축적한다”면서 “기억 생성부터 검색, 답변 도출까지 모든 과정을 온프레미스 환경에서 완결해 민감 데이터의 외부 유출 위험을 차단하고 API 비용을 최소화하며, AI의 판단 근거까지 정밀 추적할 수 있다”고 덧붙였다. 안준형 디윅스 대표는 “데이터 레지던시와 보안 정책, 감사 대응이 필수적인 공공기관 온프레미스 업무 시스템 구축을 시작으로 금융의 준법·리스크 관리, 의료·제약 연구 지원, 스마트 제조 공정 관리 등 전문 산업 전반으로 비투비 공급을 본격 확대할 것”이라고 말했다.

2026.08.03 17:59백봉삼 기자

국가대표 AI 2차 선발 돌입…4개 팀, 이달 3팀으로

국가대표 인공지능(AI)을 선발하는 '독자 AI 파운데이션 모델 프로젝트(독파모)'의 2차 평가 결과가 이르면 오는 12일 전후로 나올 전망이다. 4개 개발팀이 최종 모델 개발을 마치면서 국민평가와 전문가 심사가 코앞으로 다가온 가운데, 4개 팀 중 3개 팀이 2차 관문을 통과하게 된다. 3일 업계에 따르면 모티프테크놀로지스는 오는 4일 과학기술정보통신부와 정보통신산업진흥원(NIPA)에 최종 AI 모델 '모티프 3'와 성과보고서를 제출한다. 앞서 LG AI연구원과 SK텔레콤, 업스테이지가 최종 모델을 제출한 데 이어 모티프테크놀로지스까지 개발을 완료하면서 2차 평가에 참여하는 4개 팀의 준비가 모두 마무리됐다. 정부는 오는 8일부터 11일까지 일반 국민 200명으로 구성된 국민평가단을 운영한다. 성별과 연령별 비율을 고려해 선발된 평가단은 4개 팀의 AI 모델을 직접 사용한 뒤, 절대평가 방식으로 점수를 부여한다. 국민평가 결과는 기존 벤치마크 평가와 전문가 평가 점수와 합산돼 2차 평가에 반영된다. 이번 평가는 실제 산업 현장과 서비스에서 활용 가능한 실증 기술과 활용성이 핵심 평가 요소로 꼽힌다. 각 개발팀도 서비스 적용 사례 확대에 집중하고 있다. SK텔레콤은 '에이닷엑스 케이투(A.X K2)'를 공개하며 장문 이해와 AI 에이전트 성능을 강화했다. LG AI연구원은 'K-엑사원(K-EXAONE) 2.0'을 포털 줌(ZUM)의 AI 검색과 제조 현장에 적용했다. 업스테이지는 '솔라 오픈2'를 포털 다음과 금융·제조 분야에 적용하고 있으며 모티프테크놀로지스는 '모티프 3'를 앞세워 글로벌 AI 평가에서 개방형 모델 경쟁력을 입증했다. 정부는 이번 2차 평가를 통해 4개 팀 가운데 3개 팀을 선발한 뒤 후속 평가를 거쳐 최종 2팀을 선정할 계획이다. 배경훈 부총리 겸 과학기술정보통신부 장관은 지난달 대통령 업무보고에서 "8월 AI 모델 2차 평가 결과가 나오면 기존 3위를 넘어 2위권에도 도전해 볼 수 있을 것으로 기대한다"고 밝혔다.

2026.08.03 16:43이나연 기자

AI 연동 규격 'MCP' 전면 개편…대기업 도입 쉬워진다

인공지능(AI)을 외부 도구나 기업 시스템과 연결하기 위한 규격인 모델컨텍스트프로토콜(MCP)이 대대적인 개편에 나섰다. 프로토콜 구조를 보다 단순한 형태로 바꿔 대기업도 클라우드 환경에서 MCP 기반 AI 서비스를 더 쉽게 확장·운영할 수 있도록 지원하겠다는 방침이다. 관련 업계에서는 MCP가 개발자 실험용 규격을 넘어 본격적인 기업형 AI 연동 인프라로 진화하는 신호탄이 될 수 있다는 평가가 나온다. 1일 데이비드 소리아 파라 MCP 리드 유지관리자는 공식 블로그를 통해 올해 MCP 개발 로드맵을 공개했다. 이번 개편은 AI가 사내 문서관리 시스템, 데이터베이스, 업무용 소프트웨어, 외부 서비스 등과 연결되는 방식을 기업 인프라에 맞게 개선한 것이 특징이다. 대규모 환경에서 서버를 여러 대 운영해야 하는 기업 입장에서는 보다 익숙하고 적용하기 쉬운 방식이라는 평가다. 기존 MCP는 연결 초기 단계에서 클라이언트와 서버가 세션을 맺고 이후에도 해당 상태를 일정 부분 유지하는 구조였다. 이런 방식은 소규모 테스트 환경에서는 크게 문제되지 않지만 기업처럼 사용자가 많고 서버를 여러 대 운영해야 하는 환경에서는 부담이 컸다. 특정 요청을 특정 서버가 계속 처리해야 하는 구조가 생기면서 확장성과 운영 효율이 떨어질 수 있기 때문이다. 이번 개편은 이런 한계를 줄이는 데 초점이 맞춰졌다. 프로토콜 차원에서 세션과 처음 연결할 때 주고받는 확인 절차에 대한 의존성을 낮추고, 각 요청이 필요한 정보를 스스로 담아 처리하도록 구조를 정리했다. 쉽게 말해 서버가 이전 연결 상태를 계속 기억하지 않아도 요청을 처리할 수 있도록 한 것이다. 이렇게 되면 기업은 MCP 서버를 일반적인 HTTP 서비스처럼 다루기 쉬워진다. 로드밸런서를 통해 요청을 여러 서버로 분산하고, 필요할 때 서버를 수평 확장하는 방식도 한층 자연스러워진다. 클라우드 환경에서 AI 서비스를 운영하는 기업 입장에서는 도입 장벽이 낮아질 수 있다. 최근 MCP가 주목받는 이유는 AI가 단순히 질문에 답하는 수준을 넘어 실제 업무 도구를 호출하는 데 쓰이기 때문이다. 예를 들어 AI가 사내 문서를 검색하고 데이터베이스를 조회하고 업무용 소프트웨어를 호출해 특정 작업을 수행하려면 이런 연동 계층이 필요하다. 그동안 기업이 AI를 실제 업무 시스템과 연결하는 과정에서는 운영 복잡성이 주요 과제로 지목돼 왔다. 앤트로픽은 이번 개편을 통해 프로토콜 구조를 단순화하고 기업이 다양한 업무에 AI를 보다 효율적으로 도입할 수 있도록 지원한다는 방침이다. 예를 들어 AI가 사내 자료를 검색하고 업무 시스템에서 필요한 정보를 조회하고 특정 소프트웨어를 호출해 작업을 이어가는 형태의 자동화 시나리오를 더 안정적으로 설계할 수 있다. 이를 위해 코어 프로토콜은 가볍게 유지하고 부가 기능은 확장 형태로 분리하는 방향으로 설계됐다. 이에 따라 기업은 단순 조회는 물론 장기 작업 처리, 화면 연동 등 원하는 업무 방식에 맞춰 AI 활용 범위를 넓힐 수 있게 될 전망이다. 구조가 단순해진 만큼 이번 개정에서는 인증 검증 강화 등 보안 관련 보완도 함께 이뤄졌다. 요청 주체가 누구인지 어떤 권한으로 어떤 도구를 호출하는지 장기 작업의 소유권과 접근 범위가 어떻게 관리되는지를 더 명확하게 검증할 필요가 있기 때문이다. 데이비드 소리아 파라 관리자는 "이번 개편은 출시 이후 가장 큰 수준의 프로토콜 개정"이라며 "상태 없는 코어 구조와 확장 프레임워크, 기능 수명주기 정책이 자리 잡으면서 앞으로는 구현 기업들이 핵심 연결 구조를 반복적으로 다시 짜지 않고도 후속 개정을 보다 쉽게 수용할 수 있을 것"이라고 말했다.

2026.08.02 09:00남혁우 기자

지미션, 도면 특화 '에이전틱 RAG 플랫폼' 개발 나선다

지미션이 NC AI 파운데이션 모델을 기반으로 제조·산업 현장에서 활용할 수 있는 도면 특화 인공지능(AI) 에이전트 플랫폼 개발에 나선다. 생성형 AI와 문서 이해 기술을 결합해 설계도면과 기술 문서 분석을 지원하는 산업 특화 AI 플랫폼을 구축한다는 목표다. 지미션은 '모두의 챌린지 AX-LLM 분야 협업과제' 수행기관으로 선정돼 지난달 18일 협약을 체결했다고 31일 밝혔다. 회사는 이달 초부터 NC AI 파운데이션 모델 기반 '도면 특화 에이전틱 검색증강생성(RAG)' 플랫폼 연구개발(R&D)에 착수했다. 이번 과제는 산업 현장에서 활용 가능한 생성형 AI와 대규모언어모델(LLM) 기술의 실증·사업화를 지원하기 위한 협업 프로젝트다. 참여 기업들은 산업별 특화 AI 서비스를 공동 개발하고 실제 현장 적용 가능성을 검증할 예정이다. 지미션은 이번 과제를 통해 NC AI 파운데이션 모델을 기반으로 도면에 특화된 에이전틱 RAG 플랫폼을 개발한다. 다양한 설계도면과 기술 문서를 AI가 이해하고 필요한 정보를 검색·분석해 업무를 지원하는 지능형 플랫폼을 구현하는 것이 목표다. 플랫폼에는 지미션이 보유한 비전언어모델(VLM) 기반 광학문자인식(OCR) 기술과 문서 이해 기술, 생성형 AI 기술이 적용된다. 이를 통해 복잡한 도면 정보를 구조화하고 자연어 기반 질의응답, 지식 검색, 업무 자동화 기능 등을 지원하는 AI 환경을 제공할 예정이다. 지미션은 AI 팩스, 닥스훈드, 리트리버, 덱스마 등 AI 기반 문서·데이터·영상 분석 솔루션을 공급하며 공공·금융·제조 분야 AI 전환(AX) 사업을 추진 중이다. 최근에는 서울시 AI 기술사업화 지원사업과 특허·디자인 융합 IP-R&D 전략지원 사업 등 R&D 과제도 수행하고 있다. 한준섭 지미션 대표는 "생성형 AI는 단순한 문서 검색을 넘어 산업 현장의 전문 지식을 이해하고 업무를 수행하는 AI 에이전트로 진화하고 있다"며 "이번 과제를 통해 NC AI 파운데이션 모델과 우리 문서 AI 기술을 결합한 도면 특화 에이전틱 RAG 플랫폼을 개발해 제조 및 산업 분야 AX를 더욱 가속화하겠다"고 밝혔다.

2026.07.31 15:26한정호 기자

[컨콜종합] "피지컬 AI·금융 AX·GPU 인프라로 하반기 승부"…LG CNS, 3대 성장축 제시

LG CNS가 피지컬 AI, 금융 AX, AI 인프라를 하반기 3대 성장축으로 제시했다. LG전자와의 로봇 데이터 팩토리, 금융권 차세대 사업, GPU 구독형 인프라 플랫폼을 앞세워 성장세를 이어가겠다는 구상이다. LG CNS는 31일 2026년 2분기 실적발표 컨퍼런스콜을 열고 사업 부문별 실적과 하반기 전략을 공개했다. 상반기 매출은 전년 동기 대비 6.1% 증가한 2조8천358억원, 영업이익은 1.1% 늘어난 2천221억원을 기록했다. 회사는 전 사업 영역에서 대외 사업 비중이 확대되며 실적 성장을 견인했다고 설명했다. AI·클라우드가 이끈 상반기 성장…"XPU웍스·에이전트웍스 확장" 상반기 실적의 중심은 AI·클라우드 사업이었다. 해당 부문 매출은 1조6천714억원으로 전체 매출의 약 59%를 차지했다. 제조·물류를 중심으로 대외 고객 확보가 이어진 점도 눈에 띈다. 두산, 중소기업중앙회, 컬리, LX판토스 등과 AX 사업을 추진하는 한편 제약·바이오, 공항·항공, 방산·조선 등으로 사업 영역을 넓히고 있다. 진요한 AI클라우드사업부 AI센터장(상무)은 "기업 내 AI 활용 확대와 이에 따른 AI 인프라 투자 증가는 플랫폼과 클라우드 인프라 전반의 사업 기회로 확대될 것"이라고 말했다. 이어 "AI 연산 자원을 구독형으로 제공하는 플랫폼 'XPU웍스'를 새롭게 론칭했다"며 "1분기 정식 출시한 엔드투엔드 AI 플랫폼 '에이전트웍스'도 다양한 산업 고객을 대상으로 적용 사례와 사업 범위를 확대하고 있다"고 설명했다. LG CNS는 AI 인프라 사업 확대에도 속도를 낼 계획이다. 회사는 글로벌 데이터센터 시장이 연평균 9%, 아시아태평양과 국내 시장은 이보다 높은 15~20% 수준으로 성장할 것으로 보고 있다. 오픈AI, 앤트로픽, 팔란티어 등 글로벌 AI 기업과의 협력도 신규 사업 기회 발굴로 이어지고 있다는 설명이다. 진 센터장은 "LG CNS는 시장 성장률을 상회하는 사업 확대 계획을 가지고 있으며 국내 DBO 시장 선도 지위를 더욱 공고히 할 계획"이라며 "2019년 국내 최초로 DBO 모델을 도입한 선발주자로서 시장 성장 이상의 확대 계획을 갖고 있다"고 말했다. 수익성에 대해서는 선제 투자 영향이 반영됐다는 설명이다. 송광륜 CFO(상무)는 "미래 성장 동력 확보를 위한 전략적 투자 확대와 일부 프로젝트의 계약 이연 영향이 있었다"며 "사업 경쟁력 약화에 따른 구조적 문제가 아니라 미래 성장을 위한 선제 투자와 일시적 프로젝트 일정 영향"이라고 말했다. 이어 "이연된 프로젝트들은 하반기 계약 체결과 사업 수행이 본격화되며 실적 개선에 기여할 것"이라고 덧붙였다. LG전자 데이터 팩토리, 첫 피지컬 AI 레퍼런스 확보 스마트엔지니어링 사업 상반기 매출은 5천24억원으로 전년 동기 대비 6.2% 증가했다. 2분기 매출은 2천746억원으로 전년 동기 대비 13% 성장했다. 회사는 계열사 기반의 안정적 사업에 더해 물류 자동화 등 대외 사업 확대가 성장에 힘을 보탰다고 설명했다. 신재훈 스마트팩토리사업부장(상무)은 "스마트엔지니어링 사업은 계열사 사업을 안정적으로 수행하는 가운데 물류 자동화 등 대외 사업 확대에 힘입어 두 자릿수 성장을 기록했다"고 말했다. 이어 "산업 현장에 피지컬 AI를 도입하기 위해서는 GPU 등 AI 인프라 확보가 필수적"이라며 "LG전자에서 진행 중인 데이터 팩토리에 피지컬웍스 플랫폼과 GPU 인프라를 공급할 예정"이라고 밝혔다. LG CNS는 LG그룹 2차전지 계열사의 북미 물류 혁신 사업을 추가 수주했고, 국가농업 AX 플랫폼 구축 사업의 민간사업자로도 선정됐다. 스마트팩토리 분야에서는 AI 기반 제조 플랫폼 '팩토바(Factova)'를 중심으로 제조 현장 지능화를 추진하고 있으며, 스마트물류 사업 역시 뷰티·패션·푸드 기업 대상 자동화 프로젝트 확대로 성장세를 이어가고 있다. 하반기 피지컬 AI 사업의 핵심은 LG전자 데이터 팩토리를 첫 레퍼런스로 삼아 외부 확산 기반을 만드는 데 있다. 신 상무는 "현재 그룹사와 대외 고객을 대상으로 피지컬 AI 도입 및 운영 체제 구축을 협의하고 있다"며 "LG전자 데이터 팩토리를 베스트 프랙티스로 삼아 제조와 물류 등 다양한 산업으로 사업을 확대해 나갈 계획"이라고 말했다. 이어 "컬리 1차 PoC 검증을 완료했으며 연말까지 보완을 거쳐 확산 사업을 추진할 예정"이라며 "올해는 PoC와 현장 검증을 통해 베스트 프랙티스와 사업 수행 역량을 확보하고, 내년부터 제조·물류 고객을 중심으로 관련 사업을 본격 확대하겠다"고 밝혔다. KB국민은행·한국은행 수주로 하반기 매출 기여 확대 디지털 비즈니스 서비스 사업 상반기 매출은 6천621억원으로 전년 동기 대비 8.8% 증가했다. 은행, 손해보험, 생명보험 등 금융권 전반에서 고르게 성장했고, 대형 프로젝트 수주도 이어졌다. 조성우 디지털비즈니스사업부 금융AX1사업담당(상무)은 "KB국민은행 차세대 사업을 수주하며 금융 차세대 시장에서 경쟁력을 다시 한번 입증했다"며 "한국은행 2기 ITO 사업 수주를 통해 운영사업 기반도 강화했다"고 말했다. 금융 차세대 사업은 하반기로 갈수록 매출 기여도가 높아질 전망이다. 조 상무는 "금융권 차세대 프로젝트는 평균 수행 기간이 약 2년인 대규모 사업으로 착수 이후 분석·설계·초기 구축 단계를 거치면 약 6개월 뒤부터 매출이 본격 인식되는 구조"라며 "올해 1월 NH농협은행, 5월 KB국민은행 차세대를 착수한 만큼 하반기로 갈수록 매출 기여도는 점진적으로 높아질 것"이라고 내다봤다. AI 네이티브 개발 플랫폼도 새롭게 선보였다. 조 상무는 "IT시스템 구축·운영 전 과정을 에이전틱 AI 기반으로 수행하는 개발 플랫폼 '대본'을 2분기에 출시했다"며 "플랫폼 출시 이후 대형 사업 수주를 통해 실증 사례를 축적하고 있으며, 소규모 개발 사업과 유지보수 운영 사업까지 적용을 확대하고 있다"고 말했다. 금융권 AI 도입 환경 변화에 대한 진단도 내놨다. 그는 "망분리 규제로 외부 대규모언어모델(LLM) 활용에 제약이 있었지만 최근 규제 샌드박스와 제도 개선이 추진되면서 금융사들의 AI 도입 움직임이 크게 늘고 있다"며 "중장기적으로는 레거시 시스템과 AI 에이전트가 유기적으로 결합된 형태로 발전할 것"이라고 전망했다. 중국 LLM 약진, 기업 최적화 멀티 AI모델 전략으로 대응 중국 LLM의 약진에 대해서도 LG CNS는 단순 위협보다 활용 구조 변화에 주목했다. 최근 일부 중국계 모델이 성능과 비용 측면에서 경쟁력을 높이면서, 일부 기업 AX 프로젝트에서 미국 프론티어 모델을 대체하거나 보완하는 선택지로 검토되고 있다는 설명이다. 다만 회사는 이런 흐름이 특정 모델로의 일괄 전환으로 이어지지는 않을 것으로 봤다. 진요한 센터장은 "일부 기업 AX 프로젝트에서 미국 프론티어 모델을 대체·보완하는 실질적 선택지로 검토되고 있다"면서도 "표준 모델을 일괄 전환하기보다는 업무 난이도와 보안 수준, 비용 민감도에 따라 여러 모델을 조합하는 멀티모델 전략이 확대되는 추세"라고 말했다. LG CNS가 주목하는 방향은 특정 모델의 우위보다 기업 맞춤형 활용 구조다. 고난도 추론, 민감 정보 처리, 대규모 반복 업무 등 용도에 따라 서로 다른 모델을 조합하는 방식이 기업 현장에서 늘어날 가능성이 크다는 판단이다. 진 센터장은 "LG CNS 역시 이런 변화에 맞춰 다양한 모델을 연결·운영하는 AI 실행 환경 구축 역량을 강화하겠다"고 말했다.

2026.07.31 12:08남혁우 기자

[컨콜] LG CNS "AI 비용관리가 경쟁력…에이전틱웍스로 운영 최적화"

LG CNS가 기업들의 인공지능(AI) 활용이 단순한 사용량 확대를 넘어 비용 대비 성과를 중시하는 단계로 전환되고 있다고 진단했다. 이에 맞춰 자체 AI 플랫폼 '에이전틱웍스'를 중심으로 토큰 사용량과 비용을 통합 관리하는 AI 운영 플랫폼을 고도화한다는 전략이다. 진요한 LG CNS AI센터장은 31일 2분기 실적 발표 컨퍼런스콜에서 "기업의 AI 활용은 단순한 사용량 확대를 넘어 비용 대비 성과를 중시하는 단계로 전환되고 있다"며 "이와 관련한 사업 기회도 더욱 확대될 것으로 보고 있다"고 말했다. 그는 "에이전틱웍스는 챗GPT·클로드·제미나이 등 주요 AI 서비스의 사용량과 비용을 서비스별·조직별·사용자별로 확인할 수 있는 'AI 핀옵스' 대시보드를 제공한다"며 "사용자별 데이터 조회 권한 관리 기능을 통해 더욱 안전한 비용 관리 체계를 지원하고 있다"고 설명했다. 이어 "보안 요건과 업무 특성에 따라 적합한 AI 모델을 연결하고 성능과 비용을 함께 최적화하는 지능형 라우팅 기능도 강화하고 있다"며 "AI 코딩 분야에선 글로벌 전문기업과 개념검증(PoC)을 진행하며 상용 거대언어모델(LLM)과 온프레미스 경량 모델의 성능 및 비용 효율성을 비교·검증하고 있다"고 덧붙였다. 그러면서 "관리 서비스(MSP) 사업에선 각 클라우드 서비스 제공사(CSP)의 AI 플랫폼 서비스를 활용한 최적 아키텍처를 구성하고 고객 환경에 맞춘 AI 플랫폼을 구축해 토큰 기반 서비스를 구현하고 있다"며 "CSP 환경 내 LLM 게이트웨이를 통해 사용량과 비용을 모니터링하고 업무 생산성 향상용 LLM의 모델 선택까지 통합 관리할 수 있는 핀옵스형 관리 도구를 준비 중"이라고 밝혔다.

2026.07.31 11:38한정호 기자

고성능 AI 대기시간 줄인다…사이오닉AI, '솔라 오픈2' 10배 가속

사이오닉AI가 대규모언어모델(LLM)의 응답 지연을 줄이는 추론 가속 기술을 공개했다. 사이오닉AI는 31일 업스테이지의 오픈웨이트 LLM '솔라 오픈2(Solar-Open2-250B)'의 추론 속도를 10배 향상시킨 신규 버전을 허깅페이스를 통해 공개했다. 이번에 공개된 모델은 '솔라 오픈2 250B 울트라패스트 드래프트(Solar-Open2-250B-ultrafast-Draft)'다. 업스테이지의 '솔라 오픈2 250B-A15B' 원본 가중치에 사이오닉AI가 개발한 블록 드래프트 기반 스펙큘레이티브 디코딩용 드래프트 모델을 결합했다. 드래프트 모델은 경량 모델이 먼저 다음 토큰 후보를 제안하고, 원본 250B 모델이 이를 검증·채택하는 구조다. 초대형 모델이 모든 토큰을 순차적으로 직접 생성하는 과정에서 발생하는 추론 병목을 줄이기 위한 방식이다. 사이오닉AI는 이를 통해 초당 800토큰 이상의 생성 성능을 구현했으며, 이는 기존 대비 약 10배 향상된 수준이라고 밝혔다. 고석현 사이오닉AI 대표는 "사람은 생각할 때 한 번에 하나의 단어만 떠올리지 않는다"며 "여러 가능성을 동시에 검토하고 다음 생각을 예측하며 사고를 이어가는 것처럼 LLM도 반드시 한 번에 하나의 토큰만 생성해야 하는지 의문이었다"고 기술 개발 배경을 설명했다. 일반적으로 초대형 모델은 높은 성능을 제공하지만 실제 서비스 환경에서는 추론 지연과 비용 부담 때문에 활용 범위가 제한되는 경우가 많다. 이에 업계는 상대적으로 가벼운 모델을 별도로 운용하거나 고성능 모델 호출을 제한하는 방식으로 속도 문제를 우회해왔다. 글로벌 AI 서비스도 사용 목적과 비용, 응답 속도 등에 따라 서로 다른 모델 경로를 병행 운용하는 방식으로 성능과 효율의 균형을 맞추고 있다. 사이오닉AI는 별도의 경량 모델로 우회하는 방식이 아니라 250B급 원본 모델 자체의 추론 과정과 생성 경로를 가속했다는 점에서 차별화된다. 고석현 사이오닉AI 대표는 링크드인 게시물을 통해 키미(Kimi) K3 2.8T 모델을 최적화해 초당 300토큰 속도로 간단한 횡스크롤 게임을 구현한 영상도 공개했다. 그는 해당 모델이 국내 인프라에서 구동되며 추론 최적화 기술이 특정 모델군에만 한정되지 않는 것이라고 설명했다. 이번 결과는 오픈웨이트 모델 생태계에서 외부 기업이나 개발자가 직접 도입·활용할 수 있는 가속 방안을 제시했다는 점에서 의미가 있다. 보안 등의 이유로 기업 내부에 자체 대규모 AI 모델을 구축하더라도, 응답 지연으로 실무 적용이 쉽지 않았던 한계를 일부 완화할 가능성이 있다. AI 에이전트 기반 AX 환경에서의 활용성도 주목된다. AI 에이전트는 검색, 툴 호출, 다단계 추론, 반복 생성 등을 수행하기 때문에 모델 품질뿐 아니라 토큰 생성 속도와 처리량이 중요하다. 초대형 모델의 추론 속도가 개선되면 기존에는 부담이 컸던 고성능 경로를 실제 업무 자동화나 복합 추론 서비스에 투입할 여지가 커진다. 다만 성능 수치 해석에는 주의가 필요하다. 사이오닉AI가 제시한 지표는 GPU 구성, 배치 크기, 입력·출력 길이, 동시 요청 수, 측정 방식에 따라 달라질 수 있어 실제 기업 인프라와 업무 환경에서의 재현 가능성은 별도 검토가 필요하다. 고석현 사이오닉에이아이 대표는 "대형 모델은 뛰어난 추론 능력을 갖추더라도 속도가 느리면 실제 업무에서 반복적으로 활용하기 어렵다"며 "이번 성과는 모델과 추론 엔진, GPU 커널을 함께 최적화해 250B급 모델을 본격적인 에이전트 업무에 투입할 수 있는 처리량을 확보했다는 데 의미가 있다"고 말했다. 이어 "모델의 크기가 더 이상 느린 응답의 이유가 되지 않도록 빠르고 실용적인 AI 실행 환경을 만들어가겠다"며 "국내 파운데이션 모델이 실제 서비스와 글로벌 시장에서 경쟁력을 확보할 수 있도록 최적화 기술과 검증 결과를 지속적으로 공개하겠다"고 덧붙였다.

2026.07.31 09:38남혁우 기자

Prev 1 2 3 4 5 6 7 8 9 10 Next