검색 - IT세상을 바꾸는 힘 지디넷코리아

ZDNet 검색 페이지

'AI 모델'통합검색 결과 입니다. (631건)

태그
기간
- 3개월
- 1년
- 1년 이전

재검색

정부, 독자 AI에 5조6천억원 쏟는다…GPU 1만장 확충해 '프론티어' 도전

정부가 독자 인공지능(AI) 모델과 차세대 AI 기술 확보에 내년 약 5조 6000억원에 달하는 예산을 투입한다. 지난해부터 속도를 높여온 그래픽처리장치(GPU) 확충과 독자 AI 파운데이션 모델 개발을 발판으로 내년에는 첨단 GPU 1만 장과 대규모 학습 데이터를 추가 투입해 글로벌 최상위급 프론티어 AI 모델 개발에 도전한다는 목표다. 과학기술정보통신부는 2027년도 예산안 중 '최상위 AI모델·기술 확보' 분야에 5조 5937억원을 편성했다고 1일 발표했다. 올해 2조 6146억원보다 2조 9791억원 늘어난 규모로 1년 만에 두 배 이상으로 확대됐다. 가장 큰 비중을 차지하는 부문은 AI 컴퓨팅 인프라 확충이다. 정부는 독자 AI 모델 개발 등에 활용할 대규모 GPU 1만 장을 추가 확보하기 위해 'AI 컴퓨팅자원 활용기반 강화' 사업 내 GPU 확충 예산을 올해 2조 841억원에서 내년 3조 8500억원으로 늘릴 예정이다. 모델 성능을 좌우하는 데이터 투자도 크게 확대한다. 프론티어급 AI 개발을 위한 데이터 경쟁력 강화 지원 예산은 올해 300억원에서 내년 8000억원으로 약 27배 늘어난다. 글로벌 수준의 생성형 AI 연구를 이끌 인재를 확보하기 위한 '생성AI 프론티어 인재' 사업에도 신규로 250억원을 투입한다. GPU·데이터·인재를 묶어 독자 AI 모델 경쟁력을 끌어올리는 전략으로 풀이된다. 정부는 지난해부터 대규모 AI 컴퓨팅 인프라 확충 속도를 높여왔다. 지난해 약 1조 4600억원을 투입한 GPU 확보 사업을 통해 네이버클라우드와 NHN클라우드, 카카오가 총 1만 3136장의 고성능 GPU를 구축했다. 사업자 자체 활용분과 정부 활용분 GPU를 통해 국가 AI 프로젝트와 산학연을 지원하고 있다. 특히 올해 사업에선 2조 805억원을 투입해 엔비디아 차세대 AI 플랫폼 '베라루빈'을 포함한 최신 GPU 9704장 확보에 나섰다. 수행 사업자로는 네이버클라우드·삼성SDS·엘리스그룹을 선정했고 B300 서비스를 우선 개시한 후 내년 상반기부터 베라루빈 기반 컴퓨팅 자원을 공급할 예정이다. 확충한 GPU는 독자 AI 모델 개발에 투입되고 있다. 정부가 추진 중인 '독자 AI 파운데이션 모델(독파모)' 프로젝트에선 최근 2차 단계 평가를 거쳐 업스테이지·SK텔레콤·LG AI연구원 등 3개 팀이 다음 단계에 진출했다. 정부는 이들 팀에 엔비디아 B200 GPU를 각각 1000장씩 총 3000장을 지원해 모델 고도화를 뒷받침할 계획이다. 독파모 사업은 해외 AI 모델 의존도를 낮추고 국내에서 독자적으로 개발·고도화할 수 있는 AI 모델을 확보하기 위해 지난해 시작됐다. 정부는 국내 모델 성능이 아직 중국의 주요 개방형 AI 모델에 다소 못 미치는 것으로 보고 올 하반기 추가 학습과 고도화를 통해 격차를 좁힌 뒤 내년에는 글로벌 최상위 프론티어 모델 개발 단계로 올라선다는 목표다. 내년 예산은 모델 개발뿐 아니라 현재 AI 기술의 한계를 넘어설 차세대 기술에도 투입된다. 경량·저전력 AI 기술 개발 예산을 90억원에서 120억원으로 늘리고 자율행동체 온디바이스 핵심기술 개발에는 100억원을 투입한다. 시계열 파운데이션 모델 개발 사업도 신규 추진하며 AI 안전 기술 개발에는 올해 79억원보다 약 두 배 많은 152억원을 배정했다. AI를 활용한 사이버보안 기술 투자도 확대한다. 사이버보안 AI 학습 기반 구축에 500억원을 신규 투입하고 AI가 해킹을 탐지·방어하는 'AI 사이버 쉴드 돔' 기술 개발에 550억원, 중소기업 AI 위협 대응 서비스 지원에 새롭게 700억원을 편성했다. 최상위 AI 모델 확보와 함께 이를 안전하게 활용할 수 있는 기술 기반까지 구축한다는 구상이다. 업계 관계자는 "글로벌 AI 경쟁에선 GPU와 고품질 데이터에 얼마나 지속 투자할 수 있느냐가 중요한 만큼 정부가 관련 예산을 대폭 확대한 것은 긍정적"이라며 "확보한 컴퓨팅 자원을 실제 AI 모델 성능 향상으로 연결할 수 있도록 장기적인 지원과 효율적인 자원 배분이 함께 이뤄지길 기대한다"고 말했다. 정부는 내년 대규모 GPU와 데이터, 인재 투자를 바탕으로 독자 AI 모델의 글로벌 경쟁력을 끌어올린다는 방침이다. 그간 기업들이 독파모 프로젝트를 통해 축적한 모델 개발 경험에 정부의 컴퓨팅 인프라 지원을 더해 글로벌 최상위급 프론티어 모델 개발에 도전한다는 목표다. 배경훈 부총리 겸 과기정통부 장관은 지난달 25일 이재명 대통령 주재 국무회의에서 "현재는 중국의 개방형 AI 모델에 다소 못 미치는 상황이지만 올 하반기에는 이를 추격해 달성할 것"이라며 "내년에도 보다 많은 GPU와 데이터를 투입해 최상위급 프론티어 모델 개발에 도전하겠다"고 강조했다.

2026.09.01 12:20한정호 기자

중국 AI 공세에 기업용 SW 경쟁축도 바뀐다…'모델'보다 '활용'

중국발 저가 인공지능(AI) 모델 확산으로 글로벌 기업용 AI·소프트웨어(SW) 시장의 가격 구조가 재편될 것이란 전망이 나왔다. 중국 AI가 서구 시장에서 기존 모델을 직접 대체하기보다 낮은 가격을 앞세워 AI 모델 전반의 비용 하락을 촉진하면서, 기업용 SW 경쟁 기준도 모델 자체에서 업무 성과와 관리·통제 역량으로 이동할 것이란 예상이다. 31일 가트너가 발표한 보고서에 따르면 저비용·오픈웨이트·아시아계 AI 모델이 기업용 AI와 SW 시장의 비용 하한선을 낮추는 것으로 조사됐다. 가트너는 이에 따라 AI 모델 자체의 가치가 범용화되고 SW 기업들이 업무 흐름과 거버넌스, AI 안전 등을 중심으로 경쟁력을 재정립해야 한다고 분석했다. 특히 중국을 비롯한 아시아계 AI 모델이 서구 기업 시장에 직접 진출하기보다는 하이퍼스케일러 마켓플레이스와 독립소프트웨어기업(ISV), 개발자 도구, 비즈니스프로세스아웃소싱(BPO) 플랫폼, 엣지 기기 등을 통해 간접적으로 확산될 것으로 내다봤다. 보안과 규제 부담 때문에 서구 기업이 중국 본토에서 호스팅되는 AI 모델을 직접 이용하지 않더라도 다양한 경로를 통해 저가 모델의 영향을 받게 된다는 설명이다. 생성형 AI 시장에서 단일 고성능 모델에 모든 작업을 맡기는 방식도 변화할 전망이다. 코드 생성과 번역, 정보 추출, 분류, 요약 등 상대적으로 위험도가 낮은 업무에는 저렴한 소형언어모델(SLM)이나 오픈웨이트·아시아계 모델을 활용하고 복잡하거나 민감한 업무에는 고성능 프런티어 모델을 투입하는 방식이다. 가트너는 내년 기업용 AI 구매자들이 실제 생성형 AI 업무에 데이터 민감도와 비용 등을 고려한 '멀티모델 라우팅' 기능을 요구할 것으로 전망했다. AI 모델 가격 하락은 기존 SW 기업의 수익 모델에도 압박을 줄 것으로 예상된다. 가트너는 기업들이 번역과 정보 추출, 분류, 고객지원 문서 작성 등 비교적 정형화된 업무에 고가의 프런티어 모델 비용을 계속 지불할 가능성이 낮다고 분석했다. 앞으로는 모델 브랜드나 벤치마크 성능보다 위험을 감안한 실제 비즈니스 성과 대비 비용이 모델 선택의 주요 기준으로 자리 잡을 가능성이 크다는 것이다. 이같은 변화는 특히 AI 모델 개발사와 모델을 재판매하는 사업자의 수익성에 영향을 줄 전망이다. 반면 하이퍼스케일러는 컴퓨팅 인프라와 AI 관리·통제 계층에서 수익을 확보할 수 있고 서비스형소프트웨어(SaaS) 기업은 저렴해진 AI 모델을 업무 프로세스에 효과적으로 결합할 경우 비용 하락을 새로운 사업 기회로 활용할 수 있다고 가트너는 내다봤다. 2030년에는 기업용 AI 시장이 업무 특성에 따라 사실상 이원화될 것으로 전망했다. 위험도가 높거나 판단이 모호한 업무에는 고성능 프런티어 모델을 사용하고 대규모 반복 업무에는 저렴한 범용 모델이나 SLM을 활용하는 구조다. 기업용 AI 아키텍처 역시 모델 등급과 배포 환경, 거버넌스 요건을 분리해 설계하는 방향으로 변화할 것으로 예상했다. 다만 가트너는 저가 AI 모델 확산이 기업의 보안·규제 부담까지 낮추는 것은 아니라고 밝혔다. 기업들은 모델 출처와 데이터 저장 지역, 규제 준수, 감사 가능성, 보안, AI 에이전트의 신뢰성 등을 함께 고려해야 한다는 설명이다. 특히 중국계 또는 외부 호스팅 모델을 사용할 경우 개인정보 보호와 지식재산권(IP), 프롬프트·출력 데이터 유출 방지 등을 서비스 설계 단계부터 반영해야 한다는 지적이다. 이에 기업용 AI 시장의 부가가치도 모델 자체보다 여러 모델을 적절하게 선택·운영하는 SW 계층으로 이동할 것으로 관측된다. 오케스트레이션과 신원 관리, 정책 설정, 평가, 로그, 거버넌스, 메모리 제어, 업무 시스템 통합 등을 통해 저가 모델을 실제 기업 환경에서 안전하게 사용할 수 있도록 만드는 역량이 중요해진다는 것이다. 가트너는 "중국 AI의 서구 진출은 직접적인 모델 대체가 아니라 AI 공급망에 영향을 미치는 비용 곡선의 수출"이라며 "중국과 아시아계 모델이 글로벌 가격 하한선을 낮추고 서구와 지역 사업자들이 이를 기업에서 사용할 수 있도록 만들면서, 핵심 가치는 모델 위에서 업무를 관리하고 라우팅해 수익화하는 사업자에게 이동할 것"이라고 밝혔다.

2026.08.31 18:23한정호 기자

이의 제기에 공개된 독파모 점수…참여 업체들 "이젠 모티프가 답할 차례"

정부 독자 AI 파운데이션 모델(독파모) 2차 평가에서 탈락한 모티프테크놀로지스가 거듭 이의를 제기하자 참여 업체들이 비판에 나섰다. 정작 자사 모델을 둘러싼 의혹엔 답하지 않으면서 정부 평가만 문제 삼는다는 지적이다. 27일 AI 업계에 따르면 독파모 사업에 참여한 업체들 사이에서는 모티프테크놀로지스의 잇단 문제 제기에 "결과에 아쉬움은 이해하지만 방식에는 동의하기 어렵다"는 반응이 많은 것으로 나타났다. 앞서 모티프테크놀로지스는 자사 모델 '모티프 3'가 글로벌 AI 평가지표 아티피셜 애널리시스 인텔리전스 인덱스(AAII)에서 참여 모델 중 1위를 기록하고도 종합 최하위로 탈락하자 이의를 제기했다. 정부가 이례적으로 전체 세부 점수를 공개하자 이번에는 전문가 평가 채점 기준과 평가위원 구성을 다시 문제 삼았다. 공개된 세부 점수를 보면 모티프 3는 AAII에서만 11.9점으로 1위였고 나머지는 모두 최하위였다. 한국어와 안전성을 반영한 NIA 벤치마크가 12.7점, 전문가 평가 27.1점, 사용자 평가 14.1점으로 모두 꼴찌였다. 종합 점수는 65.8점으로 ▲SK텔레콤(70.6점) ▲업스테이지(69.9점) ▲LG AI연구원(69.0점)에 뒤처졌다. AI 업계가 대표적으로 지적한 대목은 문제 제기의 초점이 계속 바뀐다는 점이다. A사 관계자는 "세부 점수를 공개하라고 해서 정부가 전체 점수를 공개했더니 이번에는 전문가 평가와 평가위원을 문제 삼는다"고 말했다. C사 관계자도 "붙었으면 아무 말 없었을 텐데 떨어지니 따질 대상을 계속 바꾼다"며 "판정에 불만이 있다고 심판 자질부터 문제 삼는 격"이라고 꼬집었다. 정작 모티프테크놀로지스 스스로는 검증에 침묵한다는 비판도 나왔다. 이 회사는 최근 이른바 '벤치맥싱' 논란에 휩싸였다. 미국 AI 데이터 기업 애프터쿼리가 링크드인을 통해 모티프 3의 '유일한 데이터 파트너'로 참여했다는 소식을 알리면서다. 벤치맥싱은 특정 벤치마크에서 높은 점수가 나오도록 데이터와 사후학습을 설계하는 작업을 뜻한다. 애프터쿼리는 모델의 취약 영역을 파악해 이를 개선할 데이터와 학습법을 제공하는 사업을 하고 있다. C사 관계자는 "특정 벤치마크만 겨냥해 점수를 끌어올리는 것은 얼마든지 가능하다"며 "AAII 1위가 곧 최강이라는 뜻은 아니다"라고 선을 그었다. 이어 "떳떳하다면 애프터쿼리와 협업하기 전과 후로 점수가 어떻게 달라졌는지 공개하면 될 일"이라고 강조했다. A사 관계자도 "정부에는 투명성을 요구하면서 자사 의혹은 공격으로만 규정한다"며 "같은 잣대를 스스로에게도 적용해야 한다"고 지적했다. 이에 대해 모티프테크놀로지스 측은 "에이전트 성능을 높이기 위한 협업이며 벤치마크 점수만을 겨냥한 것은 아니다"라고 반박했다. 모티프테크놀로지스가 요구한 평가위원 공개는 비현실적이라는 반론도 있다. C사 관계자는 "심사위원을 공개하면 그 사람은 다음부터 평가에 참여할 수 없다"며 "국내 전문가 풀이 좁아 해외 교수까지 거론됐던 상황"이라고 전했다. 평가 기준도 4개 팀이 함께 모여 여러 번 논의 끝에 정한 만큼 모티프테크놀로지스가 몰랐을 리 없다는 설명이다. 다만 전문가 평가 방식은 손볼 여지가 있다는 데 일부가 공감했다. B사 관계자는 세부 점수 공개는 긍정적으로 보면서도 "전문가 평가는 종합 점수로만 나왔을 뿐 평가위원을 어떻게 뽑고 무엇을 기준으로 채점했는지 알 수 없다"고 말했다. 이 관계자는 벤치마크 비중을 줄이자는 일각의 주장에는 신중한 입장을 보였다. 그는 "다른 평가 방식을 찾는 것은 가능하지만 단순히 벤치마크 비중만 줄이면 전문가나 사용자 평가 비중이 그만큼 높아진다"며 "지금도 불명확한 전문가 평가를 보완 없이 키우면 문제가 더 커질 수 있다"고 말했다. 모티프테크놀로지스가 이번 일로 얻을 실익이 없다는 반응도 이어졌다. A사 관계자는 "이미 3차에 참여하지 않겠다고 한 상황에서 정부와 충돌해 얻을 것이 무엇인지 모르겠다"고 토로했다. C사 관계자는 "정부에 답을 요구하기 전에 자사 모델을 둘러싼 의혹부터 스스로 풀어야 할 때"라고 강조했다.

2026.08.27 22:29장유미 기자

베일 벗은 독파모 AI 평가 점수...전문가·국민 평가가 승패 갈랐다

정부가 '독자 인공지능(AI) 파운데이션 모델' 프로젝트 2차 평가의 상세 점수를 발표하면서, 모티프테크놀로지스가 최종 선정되지 못한 이유가 명확해졌다. 과학기술정보통신부는 27일 2차 단계평가 종합점수를 공개했다. SK텔레콤이 70.6점으로 1위를 차지했으며, 업스테이지 69.9점, LG AI연구원 69.0점으로 뒤를 이었다. 모티프테크놀로지스는 65.8점으로 4위를 기록했다. 모티프는 글로벌 벤치마크 평가에서는 가장 높은 점수를 받았지만 전문가와 사용자 평가에서 상대적으로 낮은 점수를 기록한 것으로 나타났다. 모티프의 벤치마크 평가는 24.6점으로 4개 팀 중 가장 높았지만 전문가 평가는 27.1점과 사용자 평가는 14.1점으로 모두 최하위였다. 특히 글로벌 AI 성능을 측정하는 '아티피셜 애널리시스 인텔리전스 인덱스(AAII)' 평가에서 모티프는 11.9점으로 1위를 기록했다. 업스테이지가 9.4점으로 뒤를 이었으며 SK텔레콤은 8.8점과 LG AI연구원은 7.8점을 받았다. 한국어와 안전성 등 국내 활용 환경을 반영한 한국지능정보사회진흥원(NIA) 벤치마크에서는 SK텔레콤이 13.4점으로 가장 높은 점수를 받았다. 업스테이지는 13.3점과 LG AI연구원은 12.8점이었으며 모티프는 12.7점을 기록했다. 전문가 평가에서는 LG AI연구원이 29.5점으로 1위에 올랐다. SK텔레콤은 29.3점과 업스테이지는 29.1점을 기록했으며 모티프는 27.1점으로 가장 낮았다. 평가는 개발 전략과 기술 10점, 개발 성과와 계획 10점, 파급효과와 기여계획 15점으로 구성됐다. 실제 이용자 평가에서는 SK텔레콤과 LG AI연구원이 강점을 보였다. AI 전문 사용자 평가에서는 SK텔레콤이 11.6점으로 1위였으며 LG AI연구원 11.3점과 업스테이지 10.8점, 모티프 8.4점 순이었다. 일반 국민 평가에서는 LG AI연구원이 7.6점으로 가장 높은 점수를 받았다. SK텔레콤은 7.5점과 업스테이지는 7.3점을 기록했으며 모티프는 5.7점에 그쳤다. 일반 국민 평가는 성별과 연령별 비율을 반영해 무작위로 선정된 200명 가운데 실제 참여한 185명을 대상으로 진행됐다. 정부는 이번 추가 공개가 모티프 요청에서 시작됐다고 설명했다. 이날 모티프는 입장문을 통해 세부 평가 결과 공개를 요청했으며, 다른 정예팀들도 이에 동의했다. 정부는 그동안 기업의 직·간접적 피해 가능성과 평가 과정 공정성·투명성을 함께 고려해 공개 범위를 신중하게 결정해왔다. 과기정통부는 "이번 결과 공개 이후에도 우리 기업들이 단순한 점수나 순위로 평가받기 보다 보유한 저력과 역량을 바탕으로 국내외 AI생태계에 폭넓게 기여해야 한다"며 "우리 AI생태계가 새롭고 경쟁력 있는 AI기업들이 끊임없이 도전하는 역동적인 생태계로 발전해 나가기를 기대한다"고 밝혔다. 임정환 모티프 대표는 AAII 평가에서는 1위를 기록했지만 국지능정보사회진흥원(NIA) 벤치마크에서 최하위로 낮은 점수를 받은 데 대해서는 회사 모델 개발 전략에 따른 결과라고 선을 그었다. 모티프는 글로벌 AI 시장에서 경쟁력을 우선 확보하는 방향으로 개발하면서 한국어 데이터 확보와 성능 개선에는 상대적으로 역량을 덜 투입했다고 밝혔다. 그는 "우리가 한국어 성능까지 잡을 여력은 없었다"며 "한국어 데이터가 타사에 비해 많이 부족한 것도 사실"이라고 밝혔다. 이어 "궁극적으로 AI는 글로벌 경쟁을 해야 한다고 판단하고 있어서 한국어 성능을 완벽하게 잡고 갈 수는 없겠다는 내부 판단을 하고 진행한 것이고 거기에 맞는 숫자가 나온 것"이라고 말했다. 임 대표는 NIA 평가 결과 자체에 대해서도 별도 문제를 제기할 계획은 없다는 입장이다. 그는 "이건 시험 보듯 그냥 채점한 것이라 검수할 필요조차 없는 부분이고 특별히 다른 할 말은 없다"고 밝혔다.

2026.08.27 20:06김동원 기자

네이버클라우드-LG CNS 컨소, 사이버보안 특화 AI 모델 개발 출사표

네이버클라우드가 LG CNS와 손잡고 국내 보안 환경에 특화된 소버린 인공지능(AI) 모델 개발에 나선다. 네이버클라우드는 LG CNS와 공동 컨소시엄을 구성해 과학기술정보통신부와 정보통신산업진흥원(NIPA)이 추진하는 '특화 인공지능 파운데이션 모델 개발(사이버 보안 분야)' 사업에 참여한다고 27일 밝혔다. 컨소시엄은 '국가 사이버 안보 역량 내재화를 위한 AI 파운데이션 모델 개발'을 주제로 AI 모델부터 인프라, 보안, 데이터까지 아우르는 풀스택 자체 기술력을 기반으로 국내 보안 환경에 최적화된 모델을 개발할 계획이다. 양사는 독자 파운데이션 모델을 개발·상용화하며 쌓아온 기술력을 바탕으로 이번 사업을 통해 보안 도메인에 특화된 모델 개발 및 내재화에 집중할 방침이다. 특히 네이버클라우드는 원자력과 금융 등 보안 규제 수준이 가장 높은 영역에서 파운데이션 모델을 폐쇄망·온프레미스 환경에 직접 특화시켜 상용 배포·운영해온 노하우를 강점으로 내세웠다. 외부망과 격리된 엄격한 제약 환경에서 거대언어모델(LLM)을 구동해 본 경험은 폐쇄망 배포와 데이터 주권 확보가 필수적인 이번 과제 요구사항에 부합한다는 게 회사 측 설명이다. 여기에 고도화되는 사이버 위협 속에서도 대국민 네이버 서비스를 안정적으로 지켜낸 실전 관제·방어 경험과 공공 클라우드 보안인증(CSAP) 기반 데이터 암호화 및 격리 노하우를 더해 실제 현장에 즉시 투입 가능한 실전형 모델을 구현하겠다는 목표다. LG CNS는 레드팀·블루팀·AI보안팀 등 사이버 보안 전 영역의 전문 조직과 다양한 산업군의 AI 전환(AX) 사업 경험을 갖추고 있다. 여기에 LG유플러스 등 그룹사 통신 네트워크 특화 데이터를 활용해 모델 학습을 고도화하고 복잡한 보안 환경에서 실증을 거쳐 기능과 성능을 완성해 나갈 계획이다. 더불어 이번 컨소시엄에는 ▲공격·탐지 기술을 보유한 보안 전문기업 ▲취약점 및 AI 안전성을 연구하는 주요 대학 ▲국가급 위협 데이터와 제3자 검증을 담당하는 연구·공공기관 등 총 33개 산·학·연 기관이 유기적으로 참여했다. 회사 측은 이를 통해 사이버 보안 특화 모델 개발에 필요한 전 주기를 외부 의존 없이 자체 완결할 수 있는 체계를 갖췄다고 밝혔다. 김유원 네이버클라우드 대표는 "사이버 위협이 AI를 활용해 한층 고도화되는 만큼, 방어 체계 역시 독자적인 AI 기술로 내재화하는 것이 국가 안보의 핵심"이라며 "실전 보안 역량을 바탕으로 국내 사이버 위협 환경을 가장 잘 이해하는 소버린 보안 AI를 개발해 국가 안보 역량을 한 단계 격상시킬 것"이라고 강조했다.

2026.08.27 14:57한정호 기자

알리바바 '큐원4' 예고편 나왔다…훈련비용 9분의 1 절감

중국 알리바바가 차세대 인공지능(AI) 모델 '큐원4' 핵심 설계를 앞당겨 발표했다. 26일 알리바바 큐원팀은 자사 블로그를 통해 새 모델 '큐원3.8-플래시-넥스트'를 공개했다. 기존보다 훈련 비용을 9분의 1로 줄이면서도 코딩·사무 업무 성능은 끌어올린 저비용 개방형 모델이다. 이 모델은 전체 규모가 1250억개(125B) 파라미터에 이르지만 문장을 처리할 때마다 그중 60억개(6B)만 골라 쓴다. 모델 전체를 매번 돌리는 대신 필요한 부분만 켜서 사용한다. 큐원팀은 "이 방식으로 직전 모델인 '큐원3.7-플러스'보다 훈련 비용을 약 9분의 1 수준까지 낮췄다"며 "사용료도 입력 100만 토큰당 0.16달러, 출력 100만 토큰당 0.47달러 수준"이라고 밝혔다. 큐원3.8-플래시-넥스트는 내년 출시할 큐원4에 어떤 기술이 들어갈지 핵심만 미리 보여준 예고편 모델이다. 알리바바는 과거에도 새로운 큐원 모델을 내놓기 전, 그 안에 쓸 설계를 먼저 공개해 왔다. 이번에는 모델 '가중치'도 함께 공개했다. 가중치는 AI가 학습을 통해 얻은 결과물로 모델 두뇌에 해당한다. 이를 공개하면 누구나 모델을 내려받아 직접 뜯어보거나 자신의 서비스에 활용할 수 있다. 큐원팀은 "개발자들이 큐원4 설계를 미리 검증할 수 있도록 개방했다"고 밝혔다. 새로운 기술 가운데 하나는 '큐원 스파스 어텐션(QSA)'이다. AI는 긴 글을 이해할 때 앞 내용을 모두 다시 훑어보기 때문에 문맥이 길어질수록 비용이 늘어난다. QSA는 글을 작은 덩어리로 묶은 뒤 중요한 부분만 골라 보는 방식으로 이 비용을 줄인다. QSA는 '어디가 중요한지 찾는' 탐색 비용까지 아꼈다. 기존 기술은 글이 길어질수록 이 탐색 작업에서도 비용이 늘어나는 한계가 있었다. 큐원팀은 QSA를 적용해 100만 토큰 분량의 긴 문맥에서 처리 속도가 최대 7.6배 빨라졌다고 밝혔다. 'N-그램 임베딩'이라는 기술도 새로 적용했다. 보통 AI는 단어 하나를 기준으로 정보를 찾지만 이 기술은 앞뒤 몇 개 단어를 함께 묶어 문맥으로 정보를 찾는다. 이를 통해 연산량은 거의 늘리지 않으면서 모델 용량만 510억개(51B) 파라미터만큼 키웠다. 해당 부분은 그래픽처리장치(GPU)가 아닌 일반 메모리에 저장해 두고 필요할 때만 불러오도록 설계해 GPU 부담도 줄였다. 정보가 모델 내부를 더 잘 흐르도록 하는 '게이티드 레지듀얼(GR)' 기술도 담았다. AI는 여러 층을 거치며 정보를 처리하는데 층이 깊어질수록 초반 정보가 흐려지기 쉽다. GR은 정보가 지나가는 통로를 하나에서 네 갈래로 넓혀 초기 정보가 뒤쪽 층까지 전달되도록 했다. 큐원팀은 이를 통해 학습 안정성도 높였다고 설명했다. 큐원팀은 자체 성능 평가에서 이 모델이 앤트로픽 '클로드 오퍼스 4.6', 딥시크 'V4' 등 경쟁 모델과 비교해 코딩과 도구 활용 등 일부 업무에서 앞섰다고 발표했다. 다만 이번에 공개된 성능·속도 수치는 모두 큐원팀이 자체적으로 측정한 값이다. 외부 기관 검증은 아직 이뤄지지 않았다. 큐원3.8-플래시-넥스트는 현재 허깅페이스 모델스코프에서 내려받을 수 있다 알리바바 클라우드를 통해 API로도 제공된다. 클로드 코드, 코덱스 등 주요 코딩 도구와도 연동된다.

2026.08.27 13:31김동원 기자

과기정통부, 독파모 평가 '공정성·기업 보호' 최우선…"투명한 절차로 이의신청 심의"

과학기술정보통신부(이하 과기정통부)가 모티프테크놀로지스(이하 모티프)의 '독자 AI 파운데이션 모델(독파모') 2차 평가 이의제기에 공식 입장을 내놨다. 과기정통부는 국가대표 AI 육성을 위한 독파모 2차 평가와 관련해, 절차적 투명성을 엄격히 준수하는 동시에 참여 기업을 적극 보호하겠다는 의지를 표명했다. 이의신청을 15일 이내에 처리하되 업체별 상세 점수의 전면 공개는 기업에 미칠 파장을 고려해 신중히 검토하겠다는 입장이다. 아울러 독파모 탈락이 해당 기업 AI 역량 전반이나 다른 정부 사업 참여에 불이익으로 이어져서는 안 된다고 선을 그었다. 더불어 경쟁력 있는 기업과 탈락 이후에도 기술 개발과 사업화를 이어갈 수 있도록 협력을 이어갈 것이란 의지도 내비쳤다. 김경만 과기정통부 AI정책실장은 27일 서울 프레지던트호텔에서 열린 '제2차 과학기술·인공지능 미래전략회의' 현장에서 독파모 이의신청 처리 절차와 벤치마크 배점 산정 배경, 활용성 평가 도입 취지 등을 설명했다. 김 실장은 "이의신청은 저희가 이틀 전에 받았다"며 "절차와 형식에 따라 접수 여부를 검토하고 있고 내용 판단은 전문가 평가위원들의 몫"이라고 말했다. 이어 이의신청은 15일 이내 결론을 내릴 예정이며 관련 심의는 별도 위원회가 주관할 것이라고 설명했다. 점수 공개 범위를 두고는 1차 발표 때보다 공개 정보가 적었다는 지적이 제기된 데 따라, 2차 평가에서도 1차와 유사한 수준의 정보를 공개했다는 입장이다. 김 실장은 "제도의 공정성과 객관성에 최대한 가치를 두고 있다"면서도, 세부 점수를 전면 공개할 경우 하위 평가를 받은 기업에 불필요한 낙인 효과가 생길 수 있다는 우려를 나타냈다. 그는 "얼마만큼 공개할 수 있을지는 오후에 결정해서 별도 자료로 다시 안내하겠다"고 말했다. 이번 논란의 핵심인 사용성·활용성 평가에 대해서는 오해가 있다고 선을 그었다. 김 실장은 "1차 평가 이후 독자성 기준을 명확히 하자는 지적과 모델을 만드는 것보다 활용이 더 중요하다는 지적이 있었다"며 "2차 평가부터 독자성 합치 여부를 확인했고, 활용 관련 배점은 전문가 평가 내에서 10점에서 15점으로 높였다"고 설명했다. 이어 "사업계획서상 목적에는 성능 목표뿐 아니라 서비스 목표도 포함돼 있다"며 "활용성 평가가 UI·UX를 보겠다는 뜻은 아니다"라고 말했다. 오히려 UI·UX를 인위적으로 꾸민 결과물이 평가에 영향을 미치지 않도록, 평가자들에게 프로토타입과 모델 자체를 중심으로 판단해 달라고 요청했다는 설명이다. 앞서 모티프는 자사 모델 '모티프 3'가 글로벌 AI 평가기관 아티피셜 애널리시스의 AI 인덱스(AAII)에서 참여 모델 가운데 가장 높은 47점을 받았지만, 독파모 2차 종합평가에서는 최하위로 탈락했다며 이의신청을 냈다. 김 실장은 모티프의 글로벌 벤치마크 성과는 인정했다. 그는 "모티프의 AAII 점수가 다른 팀보다 높고 성능이 좋다는 점을 정부 발표에서도 계속 강조했다"며 "글로벌 평가에서 좋은 성과를 낸 것은 사실"이라고 말했다. 다만 AAII 결과가 독파모 평가의 전부는 아니라고 밝혔다. 김 실장은 "AAII의 공신력은 인정한다"면서도 "한국어 특성과 안전성, 신뢰성 등을 반영한 별도 성능평가도 있었다"고 설명했다. 공개 벤치마크 점수만으로 최종 순위를 판단하기는 어렵다는 취지다. 독파모 2차 평가는 벤치마크 40점, 전문가 평가 35점, 사용자 평가 25점으로 구성됐다. 정부는 사용자 평가에 일반 국민뿐 아니라 실제 AI를 활용하는 현업 종사자 평가도 포함됐다고 밝혔다. 김 실장은 "모델을 잘 만드는 능력과 이를 실제로 활용하는 능력은 다를 수 있다"고 말했다. 독파모가 국가대표급 AI 모델 개발에 더해 개인과 기업 현장으로 AI를 확산하는 것을 목표로 하는 만큼, 활용성 역시 주요 평가 요소라는 설명이다. 평가 기준이 계속 바뀐다는 지적에는 정부가 일방적으로 기준을 정한 것이 아니라고 설명했다. 김 실장은 "기준은 참여 업체와의 합의를 통해 만들어졌으며 정부가 일방적으로 정한 것이 아니다"라며 "이 기준은 6월 17일자로 이미 공지됐다"고 강조했다. 그는 독파모가 기획 단계부터 고정된 목표가 아니라 기술 흐름에 맞춰 목표와 평가 요소를 조정할 수 있는 '무빙 타깃(moving target)' 개념을 전제로 했다고 설명했다. 에이전트형 AI, 추론, 코딩 능력 등이 핵심 경쟁 요소로 급부상하는 등 AI 트렌드가 빠르게 바뀌는 환경에서 최신 버전의 AAII를 적용하면서 일부 기업의 점수 변화가 있었다는 것이다. 김 실장은 이번 탈락 결과가 모티프의 기술력 전반에 대한 부정적 평가나 낙인으로 번져서는 안 된다고도 강조했다. 경쟁형 평가 특성상 순위와 탈락 기업이 나올 수밖에 있지만, 하위 평가를 받은 기업이 마치 역량이 부족한 기업처럼 받아들여지는 부작용은 경계해야 한다는 것이다. 김 실장은 "정부가 생각하는 공정성과 객관성의 가치는 변함없다"며 "기업들의 더 좋은 부분을 부각시키려 노력한다는 점을 이해해 달라"고 말했다. 모티프가 KT 컨소시엄으로 참여 중인 '모두의 AI' 사업 등 다른 정부 사업에서 이번 탈락이 불이익으로 이어질 수 있다는 우려에도 선을 그었다. 김경만 실장은 "정부가 가진 진심이 그렇게 호도되는 것은 걱정스럽다"며 "경쟁력 있는 기업들이 나오고 그런 기업이 제공하는 서비스가 실제 현장에서 쓰이기를 더 바란다"고 말했다.

2026.08.27 13:20남혁우 기자

[현장] AGI 시대 성큼…전문가들 "데이터·제도·사회 전환 함께 준비해야"

다가오는 범용인공지능(AGI) 시대에 대비해 한국이 글로벌 인공지능(AI) 경쟁력을 확보하려면 데이터 선순환 구조와 사후학습 기술에 대한 투자를 강화하고 노동·의료·교육 등 사회 전반의 제도 변화까지 준비해야 한다는 제언이 나왔다. 과학기술정보통신부는 27일 서울 중구 프레지던트호텔에서 'AGI 시대의 서막'을 주제로 '제2차 과학기술·인공지능 미래전략회의'를 개최했다. 이번 회의에선 AGI 시대를 대비해 기술·인프라 확보에서 경제·산업 전환을 거쳐 사회적 연착륙으로 이어지는 세 가지 주제의 발제가 진행됐다. 첫 발제자로 나선 신진우 KAIST 김재철AI대학원 교수는 '최상위급 AI 모델 확보 방안'을 주제로 한국이 글로벌 프론티어 AI 모델 경쟁에서 추격을 넘어 선두권으로 올라서기 위해 데이터와 사후학습에 대한 투자를 확대해야 한다고 강조했다. 그는 최근 국내 AI 모델의 성능이 발전 중이지만 여전히 미국·중국 최상위 모델과의 격차도 벌어지고 있다고 진단했다. 신 교수는 "최상위급 모델에는 데이터·모델·컴퓨팅 세 가지 요소가 필요한데 이는 더하기가 아니라 곱하기"라며 "하나라도 0이 되면 나머지가 아무리 많아도 쓸모가 없다"고 말했다. 이어 "현재 국내 AI 투자에서 컴퓨팅이나 모델 기술에 비해 상대적으로 데이터에 대한 투자가 부족하다"고 지적했다. 특히 해외 AI 기업들은 서비스를 통해 확보한 사용자 데이터를 다시 모델 학습에 활용하면서 성능을 높이는 '데이터 플라이휠'을 구축한 반면, 국내에는 이같은 선순환 구조가 부족하다고 평가했다. 국산 AI 모델 사용이 늘어나야 서비스 과정에서 새로운 데이터가 생성되고 이를 다시 모델 고도화에 활용할 수 있다는 설명이다. 신 교수는 "데이터를 공급하고 모델을 만든 뒤 사용자가 쓰게 하고 거기서 나온 데이터를 가지고 다시 모델을 개선해야 하는데 국산 모델을 쓰지 않기 때문에 이런 선순환 구조가 끊겨 있는 것이 가장 큰 문제"라고 말했다. 그러면서 에이전틱 AI 시대에는 온라인 환경과 상호작용하며 강화학습하는 '포스트트레이닝' 기술과 데이터 순환 구조에 집중적으로 투자해야 한다고 제언했다. 공공부문부터 국산 모델 활용을 확대해 실제 사용 과정에서 생성되는 데이터를 다시 학습에 활용하는 방안도 제시했다. 다음으로 최경진 가천대 법학과 교수는 '토큰 경제 시대의 법과 제도의 설계'를 주제로 AI 대전환 과정에서 발생할 비용과 책임, 편익을 어떻게 분배할 것인지에 대한 법·제도적 논의가 필요하다고 밝혔다. 특히 AI 활용에 필요한 토큰 비용이 높아지면서 자체 인프라나 협상력을 갖춘 대기업과 달리 중소기업·개인·연구자에게 부담이 집중될 가능성을 짚었다. 그는 "중소기업이나 개인, 연구자 같은 경우 토큰 비용의 증가를 고민하지 않을 수 없다"며 "중소기업과 연구개발자를 위한 적극적인 컴퓨팅 자원을 제공하는 형태의 법적인 기반이 필요하다"고 설명했다. 정부가 국가 AI 컴퓨팅 인프라를 확충하는 동시에 이를 다양한 주체가 실제 활용할 수 있도록 제도적 근거를 갖춰야 한다고도 주장했다. 또 AI 규제를 무조건 앞당기기보다는 기술 발전을 촉진하면서 실제 발생하는 분쟁을 해결할 수 있는 제도적 기반을 마련하는 것이 중요하다는 점도 강조했다. 최 교수는 "법 제도가 너무 빠른 속도로 나가서도 안 되고 너무 늦은 속도로 나가서도 안 된다"며 "AI 기본법을 비롯한 관련 규제가 합리적인 수준에서 운영되도록 지속적으로 모니터링하고 발전시켜야 한다"고 제언했다. 마지막으로 김현철 연세대 의과대학 교수는 'AGI와 사회: AI가 바꾸는 세 개의 시장'을 주제로 노동시장과 보건의료, 교육 분야에서 나타날 변화를 진단했다. 노동시장 전체에서 AI로 인한 급격한 고용 충격이 아직 뚜렷하게 나타나지는 않았지만 미국에선 AI 노출도가 높은 직군을 중심으로 젊은 세대의 고용이 감소하는 현상이 관찰되고 있다고 설명했다. 반면 국내에는 AI가 고용에 미치는 영향을 파악할 모니터링 체계조차 충분히 구축되지 않았다고 지적했다. 이에 AI 도입에 따른 청년 고용 변화를 지속적으로 추적하고 실업률 변화 등에 대비해 사회보장체계의 재정 영향까지 함께 분석해야 한다고 제안했다. 보건의료 분야에선 AI가 의료진의 생산성을 높이고 의료 접근성을 개선할 가능성에 주목했다. 김 교수는 특히 의료취약지역 문제를 단순히 의사 수 확대로 해결하기보다 AI와 데이터, 기술을 활용하는 접근이 필요하다고 주장했다. 이를 위해 병원마다 분산된 의료 데이터를 표준화하고 연계해 의료 AI 개발에 활용할 수 있는 기반을 갖춰야 한다고 밝혔다. 교육 역시 AI 시대에 맞춰 인지능력 중심 체계에서 변화해야 한다고 강조했다. AI가 지식 습득과 문제 해결 등 인지 기능을 빠르게 대체하는 만큼, 다른 사람과 협력하고 공감하며 스스로 판단하는 비인지 역량의 중요성이 커질 것이라는 전망이다. 배경훈 부총리 겸 과기정통부 장관은 "AGI는 개별 기술·산업의 혁신을 넘어 국가 체계 전반을 재편하고 우리 삶의 모습까지 근본적으로 바꿔놓을 엄청난 파급력을 가질 것으로 전망되는 만큼, 경제·산업의 변화는 물론 노동·복지·교육 등 사회 전반의 패러다임 전환에도 함께 대비해야 한다"며 "이번 자리에서 나온 고견을 바탕으로 AGI 시대를 선제적으로 준비해 나가도록 하겠다"고 덧붙였다.

2026.08.27 10:58한정호 기자

다가오는 AGI 시대…정부·산학연 머리 맞댄다

과학기술과 인공지능(AI)이 발전하면서 범용인공지능(AGI) 시대가 다가오는 가운데, 정부와 산학연 전문가들이 정책 방향성을 모색하기 위해 머리를 맞댔다. 과학기술정보통신부는 27일 서울 프레지던트호텔에서 '제2차 과학기술·인공지능 미래전략회의'를 개최했다. 이번 2차 회의는 'AGI 시대의 서막'을 주제로 마련됐다. AGI에 대해 아직 전 세계적으로 합의된 정의는 없으나 일반적으로 특정 분야·목적에만 뛰어난 성능을 보여 활용이 국한되는 현재의 AI와 달리, 다양한 분야에서 인간 수준 이상의 범용적 지능을 갖는 AI로 통용되고 있다. 주요 전문가들은 2030년대 초중반을 AGI 도래 시점으로 내다보고 있다. 이날 회의에선 AGI 시대를 대비하기 위한 ▲기술·인프라 확보 ▲경제·산업 전환 ▲사회 연착륙 순서로 3건의 발제가 진행됐다. 먼저 신진우 KAIST 김재철AI대학원 교수는 '최상위급 AI 모델 확보 방안'을 주제로 컴퓨팅 인프라 확충과 함께 데이터 확보 및 사후학습에 대한 투자를 확대해 나가야 한다고 강조했다. 또 공공부문부터 국산 모델 활용을 늘려 사용 데이터가 다시 학습으로 이어지는 선순환 구조를 갖출 필요가 있다고 제안했다. 다음으로 최경진 가천대 법학과 교수는 '토큰 경제 시대의 법과 제도의 설계'를 주제로 발표했다. AI 대전환에 따른 비용·책임·편익의 분배 기준을 미리 설계해야 한다고 짚으며 법과 제도를 통해 노동·기업·데이터 기여자·국가가 함께 참여할 필요가 있다고 제안했다. 마지막으로 김현철 연세대 의과대학 교수는 'AGI와 사회: AI가 바꾸는 세 개의 시장'을 주제로 노동시장·보건의료·교육을 관통하는 변화의 흐름을 진단했다. 또 이에 대응하기 위해 청년 고용 보호와 의료·교육 제도 정비가 필요하다고 강조했다. 이어진 자유토론에선 발제에서 제기된 최상위급 AI 모델 확보, 토큰 경제 설계, 노동·보건의료·교육 시장 재편과 정부의 대응 방향에 대해 논의하고 산업·연구개발·국방·방송 등 AGI가 각 분야에 미치는 영향에 대해 의견을 공유했다. 배경훈 부총리 겸 과기정통부 장관은 "최상위급 AI 모델 확보 경쟁이 치열해지고 AI 발전 속도도 기하급수적으로 빨라지고 있다"며 "AGI 시대의 도래는 시간의 문제일 뿐 예정된 미래인 만큼, 우리도 이에 필요한 기술·인프라·제도 등을 어떻게 준비해 나가야 할지 지금부터 고민해야 할 시점"이라고 강조했다. 이어 "AGI는 개별 기술·산업의 혁신을 넘어 국가 체계 전반을 재편하고 우리 삶의 모습까지 근본적으로 바꿔놓을 엄청난 파급력을 가질 것으로 전망되는 만큼, 경제·산업의 변화는 물론 노동·복지·교육 등 사회 전반의 패러다임 전환에도 함께 대비해야 한다"며 "이번 자리에서 나온 고견을 바탕으로 AGI 시대를 선제적으로 준비해 나가도록 하겠다"고 덧붙였다.

2026.08.27 09:31한정호 기자

SKT·업스테이지, 보안 AI 공동개발…독자 AI 정예팀 2곳 뭉쳤다

과학기술정보통신부 독자 AI 파운데이션 모델 프로젝트에서 3강에 오른 SK텔레콤과 업스테이지가 사이버 보안 분야에서 손을 잡았다. 국내에서 대규모 AI 모델을 직접 개발해온 두 정예팀의 기술력에 주요 보안기업의 실전 데이터를 결합해 한국 보안 환경에 최적화된 AI 모델을 만든다는 구상이다. SK텔레콤은 업스테이지를 비롯해 SK쉴더스 안랩 등 보안기업 9개사, 고려대 숭실대, 한국정보보호산업협회(KISIA)와 컨소시엄을 구성하고 과기정통부의 사이버 보안 특화 AI 파운데이션 모델 개발 사업에 참여 신청서를 제출했다고 27일 밝혔다. 컨소시엄은 AI 모델 개발과 실제 보안 현장의 학습·검증을 하나의 체계로 연결한다. SK텔레콤과 업스테이지가 모델 개발을 맡고 보안기업들은 실제 운영 과정에서 축적한 데이터를 학습에 제공한다. 이후 개발된 모델을 상용 제품과 보안관제 환경에서 검증하고 그 결과를 다시 모델 개선에 반영한다. 최근 글로벌 보안업계에서는 보안 특화 소형 AI 모델에 AI 에이전트를 결합해 위협 탐지뿐 아니라 차단과 후속 조치까지 자동화하는 방식이 확산하고 있다. 반면 국내에서는 한국어 보안 데이터를 학습하면서 국내 규제 체계까지 이해하는 전용 AI 모델이 아직 부족한 상황이다. 보안관제센터(SOC)의 인력 부담도 AI 도입 필요성을 키우고 있다. 국내 주요 관제센터는 하루 최대 1만 건에 달하는 위협 경보를 처리하고 있지만 이를 분석할 전문 인력이 부족하다. SK텔레콤은 국내 사이버 위협 환경에 맞춘 AI 보안 서비스를 개발해 관제 업무의 자동화 수준을 높인다는 계획이다. 독자 AI 3강 중 2곳 한팀으로 SK텔레콤은 컨소시엄 주관기업으로 사업 전반을 총괄하고 업스테이지와 모델 개발을 담당한다. 두 회사는 최근 과기정통부가 주관하는 독자 AI 파운데이션 모델 사업 2차 단계평가를 나란히 통과했다. 특히 2차 평가를 통과한 3개 정예팀 가운데 2개 팀이 이번 사업에서 한 컨소시엄을 구성했다는 점이 눈에 띈다. 독자 AI 파운데이션 모델 개발 과정에서 확보한 양사의 기술력을 사이버 보안이라는 특정 분야에 집중하는 방식이다. SK텔레콤과 업스테이지는 각각 에이닷엑스 케이(A.X K)와 솔라 오픈(Solar Open) 계열을 기반으로 보안 특화 모델을 개발한다. 여기에 AI 에이전트를 결합해 위협 탐지와 분석에서 실제 차단·대응 조치까지 자동으로 처리하는 것을 목표로 한다. SK텔레콤이 통신망 운영 과정에서 쌓은 보안 경험도 활용한다. SK텔레콤은 국가 기간통신사업자로 통신 인프라를 24시간 관제하고 있다. 보안 조직은 CEO 직속 정보보호최고책임자(CISO) 체계로 운영된다. CISO 산하 통합보안센터에는 129명의 전담 인력이 근무하며 24시간 탐지·대응 체계를 가동하고 있다. 개인정보보호책임자(CPO) 조직까지 포함하면 관련 인력은 149명 규모다. 또 CISO 산하에는 공격자 관점에서 취약점을 점검하는 화이트 해커 조직 레드팀을 별도로 두고 있다. SK텔레콤은 이 같은 내부 대응·복구 경험을 보안 AI 개발과 검증에 활용할 계획이다. 보안기업 9개사, 현장 데이터로 모델 검증 컨소시엄에는 SK쉴더스, 시큐아이, 안랩, 이글루코퍼레이션, 라온시큐어, 스마트엠투엠, 에임인텔리전스, 지니언스, 파이오링크 등 국내 주요 보안기업 9개사가 참여한다. SK쉴더스와 이글루코퍼레이션은 보안관제·위협 분석, 안랩과 지니언스는 단말 보안·악성코드 분석 분야를 담당한다. 시큐아이와 지니언스는 네트워크·접근 통제를 맡고 라온시큐어·스마트엠투엠·파이오링크는 모의침투와 취약점 점검에 참여한다. 에임인텔리전스는 AI 모델 자체의 안전성을 평가한다. 이들 기업은 실제 보안 운영 현장에서 축적한 데이터를 모델 학습에 활용하고 개발된 모델을 각사의 상용 제품과 관제 환경에서 검증한다. SK쉴더스는 약 1만 개 고객사의 보안관제를 수행하고 있으며 안랩은 자체 위협정보(TI) 인프라를 갖추고 있다. 라온시큐어는 국가 모바일 신분증 구현에 참여했으며 글로벌 인증 표준화 기구 FIDO 얼라이언스 임원사로 활동하고 있다. 국제 해킹방어대회 수상 경력을 가진 화이트 해커 조직도 보유하고 있다. 고려대학교와 숭실대학교 산학협력단은 모델 개발 주체와 분리된 형태로 성능과 안전성을 검증하고 보안·AI 융합 전문인력을 양성한다. 약 350개 회원사를 둔 KISIA는 개발 성과의 산업계 확산과 재직자 교육 연계를 담당한다. 조동연 SK텔레콤 AI컨버전스 담당은 “국내 보안 현장의 데이터와 노하우를 국산 AI 모델에 담아 실전형 보안 AI 체계를 만들겠다”며 “국내 산학연이 함께 만든 역량으로 글로벌 시장에서도 경쟁할 수 있도록 보안 AI 생태계를 넓혀가겠다”고 말했다.

2026.08.27 09:18박수형 기자

[K-미토스③] '국산 보안 AI' 업계 시각은…"오픈소스 공격 탐지·추적 갖춰야"

정부가 추진하는 보안 특화 인공지능(AI) 파운데이션 모델 사업이 성과 내려면 모델 개발에 그치지 않고 실제 사이버 공격을 탐지·대응할 수 있는 환경을 함께 구축해야 한다는 목소리가 나왔다. 특히 오픈소스 AI를 악용한 공격이 새로운 위협으로 떠오르는 만큼 탐지·추적 기술과 실전 검증 환경을 확보하고 지속적으로 모델을 고도화할 수 있는 지원 체계가 필요하다는 주장이다. 26일 IT 업계에 따르면 정부가 모델 실전 활용 능력을 높이는 방향으로 지원 정책을 설계해야 한다는 의견이 이같이 나오고 있다. 과학기술정보통신부와 정보통신산업진흥원(NIPA)은 이날 '특화 인공지능 파운데이션 모델 개발(사이버보안 분야)' 사업 공모를 마감했다. 이번 사업은 AI를 악용한 사이버 공격에 대응하고 국내 보안 산업의 AI 전환을 촉진하기 위해 보안에 특화된 자체 AI 모델을 개발하는 사업이다. 정부는 제출서류의 적합성 검토와 외부 전문가 평가를 거쳐 9월 중 최종 1개 컨소시엄을 선정해 엔비디아 B200 그래픽처리장치(GPU) 256장을 10개월간 지원할 예정이다. 현재 SK텔레콤과 네이버클라우드가 각각 보안 기업들과 컨소시엄을 구성했다. 업계에선 정부가 보안 특화 모델을 구축하면서 오픈소스 AI를 악용한 사이버 공격을 탐지·추적하는 기술도 확보해야 한다는 제언이 나오고 있다. 오픈AI나 앤트로픽처럼 서비스를 직접 운영하는 기업은 이용 기록을 토대로 악성 이용 사례를 분석할 수 있지만, 오픈소스 모델은 공격자가 직접 내려받아 로컬 환경에서 구동할 수 있다는 이유에서다. 이에 공격 주체를 추적하기 어렵다. 특히 중국계 오픈소스 모델이 빠르게 고도화하면서 이에 대한 대응 필요성도 커지고 있다. 최신 GPU를 대규모로 확보하지 못한 공격 주체도 이미 학습된 모델을 내려받아 추론에 활용할 수 있어 북한 등 외부 공격 주체가 이를 사이버 공격에 활용할 가능성을 고려해야 한다는 설명이다. 익명을 요청한 AI 업계 관계자는 "오픈소스 모델은 일정 수준 컴퓨팅 파워만 있으면 활용할 수 있고 계속 새로운 버전이 나오면서 더 똑똑해지고 있다"며 "이런 모델을 활용한 공격을 어떻게 탐지하고 대응할 것인지에 대한 정책적 고민이 필요하다"고 강조했다. 정부가 모델 개발 자체보다 실제 공격을 검증할 수 있는 환경을 제공하는 데 역할을 집중해야 한다는 의견도 나온다. 민간이 확보하기 어려운 실제 보안 데이터를 공급하고 공격 환경을 재현할 수 있는 테스트베드를 구축한 뒤 공공·국방 분야를 초기 수요처로 활용해 모델을 반복적으로 검증하는 방식이다. 한 국내 AI 스타트업 대표는 "실제 보안 데이터를 확보·공급하고 실제 공격 환경에서 검증 가능한 테스트베드가 필요하다"며 "보안은 벤치마크보다 실전이 우선"이라고 강조했다. 이어 "정부는 공공·국방 초기 수요를 지원해 민간에 확산될 수 있도록 도와야 한다"고 덧붙였다. 사업 종료 후 지속적인 모델 고도화 체계를 마련하는 것도 과제로 꼽힌다. 모델을 지속적으로 최신화해야 사이버 공격에 대응할 수 있다는 설명이다. 또 다른 관계자는 "보안 특화 파운데이션 모델은 계속 똑똑해져야 한다"며 "정부는 파운데이션 모델을 자산으로만 볼 것이 아니라 계속 운영·최신화·배포하는 존재로 관점을 바꿔야 한다"고 말했다.

2026.08.26 16:51김미정 기자

"피지컬 AI 주도권 잡는다"…韓, 기술 자립 승부수

정부와 산업계가 '피지컬 AI'를 제조업을 넘어 유통·물류·서비스·의료 등 전 산업의 경쟁력을 좌우할 핵심 범용 기술로 보고 기술 자립과 산업 확산에 힘을 모은다. 정부는 데이터 확보와 범용 피지컬 AI 모델 개발을 지원하며, 산업계는 월드 모델부터 반도체, 로봇으로 이어지는 독자 생태계 구축에 나선다. 송창종 과학기술정보통신부 디바이스AX혁신팀장은 25일 국회서 열린 토론회에서 피지컬 AI를 과거 산업혁명 시대의 기계나 디지털 시대의 컴퓨터에 버금가는 범용기술로 평가하며 국가 차원의 장기적인 육성이 필요하다고 강조했다. 송 팀장은 "제조가 가장 중요한 부분인 것은 맞지만 피지컬 AI는 제조뿐 아니라 유통, 물류, 서비스, 의료 등 거의 모든 분야와 관련된 범용기술"이라며 "파급력이 굉장히 높은 만큼 국가적으로 반드시 육성해야 하는 분야"라고 말했다. 기존 산업용 로봇과 피지컬 AI의 가장 큰 차이는 활용 범위와 지능이다. 기존 로봇은 통제된 환경에서 반복적인 노동을 자동화하는 데 집중됐다. 한국은 이 같은 로봇 활용에서 세계 최고 수준의 보급률을 기록했지만 핵심기술 국산화에서는 한계를 보였다. 송 팀장은 "우리나라는 로봇을 굉장히 잘 활용했지만 잘 만들어내지는 못했다"며 "피지컬 AI 시대에는 낮은 국산화율을 그대로 방치해서는 미래를 양보할 수 있다"고 진단했다. 그러면서 피지컬 AI 시대에는 하드웨어 자체보다 이를 움직이는 AI 소프트웨어가 경쟁력을 좌우할 것으로 내다봤다. 송 팀장은 "피지컬 AI 시대에는 하드웨어가 굉장히 다양하겠지만 이를 운용하는 두뇌는 공통"이라며 "AI 소프트웨어 내재화가 반드시 필요하다"고 강조했다. 정부, 데이터부터 범용모델까지…8월 전북·경남서 실증 피지컬 AI는 아직 기술적으로 초기 단계다. 거대언어모델(LLM)은 매개변수와 데이터, GPU 투입을 늘려 성능을 높이는 방향성이 어느 정도 확립된 반면 피지컬 AI는 최적의 모델 구조가 정립되지 않았고 학습에 필요한 데이터도 부족하다. 송 팀장은 "LLM도 어렵지만 피지컬 AI는 훨씬 더 어렵다"며 "빅테크도 자본력을 바탕으로 다양한 시도를 하면서 실패 경험을 축적하고 있는 단계"라고 설명했다. 정부는 이에 범부처 협업을 기반으로 피지컬 AI 데이터 획득·관리 체계를 구축한다. 각 부처가 산업 분야별 데이터를 확보하고 과기정통부는 범용 데이터를 축적하는 방식이다. 실제 환경에서 확보하기 어려운 실패와 복구 과정 등의 데이터는 월드모델을 활용한 합성데이터로 대량 생산한다. 확보한 데이터를 기업과 연구기관 등이 활용할 수 있도록 데이터 라이브러리도 구축할 예정이다. 세계 최고 수준의 범용 피지컬 AI 모델 개발도 추진한다. 개별 기업이 다양한 기술적 시도와 실패에 따른 비용을 모두 감당하기 어려운 만큼 정부가 생태계 차원에서 위험을 분산하고 내년부터 대규모 연구개발(R&D)을 지원할 계획이다. 올해 8월부터는 전북과 경남에서 제조 분야 선도 실증에 착수한다. 개발 중인 모델을 현장에 적용하고 여기서 얻은 데이터를 다시 모델 고도화에 활용하는 '데이터 플라이휠'을 가동한다. 이후 산업통상자원부, 중소벤처기업부 등과 협력해 성과를 다른 산업으로 확산한다. 송 팀장은 "피지컬 AI는 단기적인 시각으로 볼 게 아니라 정부에서도 끈질기게 지원해 육성해야 하는 영역"이라며 "단기적으로 불타올랐다가 사그라드는 영역은 아니다"고 말했다. 산업계 "월드모델→K반도체→로봇으로 기술 자립" 산업계에서는 피지컬 AI 기술 자립을 위해 데이터부터 월드모델, AI 반도체, 산업용 로봇으로 이어지는 독자적인 가치사슬을 구축해야 한다는 제언이 나왔다. 유태준 한국피지컬AI협회장은 "불과 1년 전만 해도 피지컬 AI가 무엇인지 개념부터 설명해야 했지만 지금은 국가 차원의 핵심 프로젝트로 빠르게 성장했다"며 "단지 새로운 기술 하나가 등장했다는 의미가 아니라 국가 경쟁력을 결정하는 중요한 축이 피지컬 AI가 될 것이라는 의미"라고 말했다. 협회는 올해 ▲피지컬 AI 기술 자립 ▲산업 확산 ▲글로벌 표준 정립 등 3개 분야에 집중한다. 우선 산업 현장에서 생산되는 피지컬 AI 데이터를 확보하고 로봇의 두뇌 역할을 하는 월드모델을 자체 기술로 개발한다. 이를 국산 AI 반도체에 탑재해 온디바이스 AI로 구현한 뒤 제조 물류 건설 국방 의료 농업 등 다양한 분야의 로봇과 기계로 확산하는 'K-피지컬 AI 기술 자립 파이프라인'을 구축한다는 구상이다. 이날 토론회에 참가한 기업들도 기술자립의 자신감을 보였다. 마음AI의 최홍섭 기술총괄대표는 "미국이 월드모델을 주도하는데 빅테크가 만든 것을 보면 부족함이 보인다"며 "미국도 제조데이터와 같은 산업 데이터를 확보하는 데 한계를 보여 충분히 이겨낼 수 있다"고 했다. 퓨리오사AI의 정영범 상무는 "월드모델을 잘 만들 수 있다는 점을 서버 단에서 증명하겠다"며 "나아가 로봇 등에 필요한 NPU를 적기에 양산해 공급할 수 있도록 하겠다"고 밝혔다. 유 협회장은 특히 AI 모델 기업과 반도체 기업, 로봇 기업, 제조 기업이 힘을 합쳐 피지컬 AI 분야의 독자 파운데이션 모델을 확보해야 한다고 강조했다. 온디바이스 AI 반도체 경쟁력 확보도 주요 과제로 꼽았다. 생성형 AI 모델을 구동하면서도 로봇에 탑재할 수 있도록 발열과 전력 소비를 낮추고 양산 단가와 안정적인 수급 등의 조건까지 충족해야 한다는 설명이다. 중소 제조업은 피지컬 AI가 빠르게 확산될 수 있는 대표적인 분야로 꼽았다. 인력 부족이라는 현실적인 문제를 피지컬 AI로 해결하면서 생산성을 높이고, 국내 제조 현장을 대규모 실증 기반으로 활용할 수 있다는 이유다. 유 협회장은 "정부가 길을 열어주고 국회가 제도를 만들어주며 산업계는 과감하게 도전하고 대학과 연구기관은 미래 기술과 인재를 만들어내야 한다"며 "이 네 축이 같은 목표를 향해 움직일 때 대한민국은 충분히 피지컬 AI 최강국이 될 수 있다"고 강조했다.

2026.08.25 17:44박수형 기자

에이아이매틱스, 월드모델 기반 3대 산업 AI 실증 성과 공개

AI 영상인식 전문기업 에이아이매틱스(대표 이훈)가 8월 19일부터 21일까지 서울 코엑스에서 열린 'AI 서밋 서울 앤 엑스포 2026'에 참가해 '월드모델' 기반 기술의 3대 산업 현장 적용 성과를 발표했다. 텍스트에 의존하지 않고 영상과 센서 신호 자체로 물리적 환경을 파악하는 월드모델 표현학습을 바탕으로, 서로 다른 세 가지 산업 분야에서 거둔 구체적 실증 결과는 다음과 같다. 모빌리티(AI 블랙박스): 라벨링이 없는 주행 영상 데이터를 월드모델로 사전학습시켜 최소한의 정답 정보만으로 사고나 신호위반 등 이상 상황을 감지한다. 15종의 차량 이벤트 평가에서 자체 모델 'aimNet-WM'은 F1 스코어 0.7923을 기록하며 서버 기반 대형 모델의 성능을 상회했다. 이 기술은 자사 AI 블랙박스 '로드스코프' 시리즈에 탑재된다. 헬스케어(생체 신호 분석): 전용 센서가 필요해 데이터 수집이 까다로운 심전도 등 생체 신호에 대해 정제되지 않은 원시(Raw) 센서 데이터 기반 사전학습을 적용했다. 이를 통해 정보가 부족한 조건에서도 기존 방식보다 높은 이상 징후 인식 정확도를 확보했다. 스마트 제조(머신비전 검사): AI 결함 탐지 도입 후 새롭게 나타난 '검사 장비 재제작' 병목을 모듈형 장비 'AIM-T1'으로 해결했다. 정상 제품 데이터만으로 신규 제품 라인에 즉시 대응이 가능하며, 국내 대기업의 전자부품 조립 공정에서 약 170만 개를 연속 검사한 결과 미검률 0.001~0.002% 수준을 달성했다. 전시 현장 부스에서는 AIM-T1 및 자율이동 제조 로봇(AMMR)을 중심으로 실제 생산 라인 적용 가능성과 도입 방식을 확인하려는 제조·산업계 관계자들의 문의가 이어졌다. 에이아이매틱스는 모빌리티와 제조 공정에서 확보한 현장 데이터와 월드모델 기술을 결합해, AI가 현실 세계를 스스로 이해하고 판단해 동작하는 '피지컬 AI'로 사업 영역을 확장할 계획이다. 이번 행사 중 발표를 진행한 채정훈 AI미래기술개발그룹장은 AI 전환기 기업의 핵심 전략으로 '자동화 이후 드러나는 새로운 병목의 선제적 해결'을 강조했다. 단순 업무 자동화가 전체 생산성 향상으로 직결되지 않으며, 반도체(설계 자동화 후 검증·제조·수율 과제)나 신약 개발(후보물질 발굴 촉진 후 임상·허가 과제)처럼 병목은 다음 단계로 이동한다는 분석이다. 에이아이매틱스는 정형 데이터 중심의 범용 AI 시장 대신, 데이터 수집이 어렵고 실시간 제약이 큰 국내 제조·모빌리티 현장의 고난도 과제를 우선 공략해 기술적 진입장벽을 구축하고 있다.

2026.08.25 16:59백봉삼 기자

배경훈 "AI 모델은 국가 안보"…독자 AI 글로벌 톱티어 도전

정부가 올해 하반기 독자 AI 모델을 세계 최고 수준의 개방형 모델로 고도화하고, 내년에는 최상위급 프론티어 AI 모델 개발에 도전한다. 9월에는 독자 AI를 활용한 대국민 서비스 '모두의 AI' 베타 서비스를 시작한다. 배경훈 부총리 겸 과학기술정보통신부 장관은 25일 이재명 대통령 주재로 열린 국무회의에서 독자 AI 파운데이션 모델 개발의 의미와 성과, 향후 추진 방향을 보고했다. 배 부총리는 최근 미국과 중국이 자국 최상위급 AI 모델의 해외 접근을 차단했거나 이를 논의하고 있다는 점을 언급하며 독자 AI 모델 확보를 국가 안보와 직결된 과제로 강조했다. 그는 “AI 모델은 이제 국가 안보 그 자체”라며 “독자 모델을 만드는 것은 기술을 다룰 수 있는 인재와 그 인재들이 성장할 생태계를 이 땅에 갖는 일”이라고 말했다. 현재 독자 AI 파운데이션 모델 프로젝트에는 79개 기업 대학과 1000명이 넘는 AI 인재가 참여하고 있다. 배 부총리는 설립 6년이 채 되지 않은 AI 스타트업 앤트로픽이 기존 제조업 기업을 능가하는 수준의 높은 기업가치를 인정받고 있다는 점을 언급하며 “AI를 가진 자가 세계 경제의 판을 다시 짜고 있다”고 평가했다. 이어 “독자 AI 모델 개발 역량 확보는 단순한 기술 문제가 아니라 국가가 스스로 설 수 있느냐 없느냐의 문제”라고 강조했다. 독자 AI 글로벌 평가 두각...산업 현장 적용 확대 정부는 독자 AI 모델 개발에 대한 투자가 글로벌 경쟁력 확대로 이어지고 있다고 평가했다. 미국 비영리 AI 연구기관 에포크AI가 선정한 '주목할 만한 AI 모델'에는 한국 모델 5개가 이름을 올렸다. 미국 29개, 중국 19개에 이어 세 번째로 많은 수준이다. 글로벌 AI 모델 평가기관 아티피셜 애널리시스(AA)의 국가별 최고점에서도 한국 모델은 47점을 기록해 싱가포르 40점, 프랑스 30점, 캐나다 23점 등을 앞섰다. AA 평가에 이름을 올린 국내 AI 모델 개발 기업도 7곳으로 집계됐다. 독자 AI 프로젝트 2차 평가를 통과한 4개 컨소시엄도 성과를 내고 있다. SK텔레콤은 제조·국방 분야 등에 적용할 수 있는 AI 모델을 개발하고 있다. LG AI연구원은 국내 최대 규모인 7500억개 매개변수 모델을 개발하면서 안전성과 신뢰성 분야에서도 높은 평가를 받았다. 업스테이지 모델은 글로벌 AI 모델 이용 플랫폼 '오픈라우터'에서 하루 사용량 기준 세계 9위에 올랐다. 모티프테크놀로지스는 글로벌 AI 모델 성능 종합점수에서 국내 최고점을 기록하고 세계 개방형 모델 가운데 6위에 올랐다. 산업 현장의 활용 성과도 나타났다. SK텔레콤은 법률 AI를 통해 소송 재판 준비 시간을 45.7% 줄였다. LG AI연구원은 신물질 발굴 AI를 활용해 기존 22개월이 걸리던 화장품 신소재 발굴 기간을 하루로 단축했다. 업스테이지 '솔라 오픈2'는 연구개발(R&D) 예산 심의 AI에 활용돼 사용자 검토 시간을 78% 줄였고, 모티프테크놀로지스는 철강 제조 특화 AI를 적용해 제조설비 오류 대응 시간을 30% 단축했다. 배 부총리는 “독자 AI 모델 개발은 단지 하나의 기술을 만드는 것이 아니라 국민 서비스에서 산업 경쟁력, 공공서비스까지 AX 전체 판을 통째로 바꾸는 것”이라고 말했다. 하반기 中 추격…9월 '모두의 AI' 베타서비스 과기정통부는 독자 AI 파운데이션 모델 프로젝트를 3차 단계로 이어가면서 모델 성능을 세계 최고 수준까지 끌어올린다는 목표다. 현재 국내 독자 AI 모델은 중국의 주요 개방형 AI 모델에 다소 못 미치지만 올해 하반기 추가 고도화를 통해 이를 추격한다. 내년에는 GPU와 데이터 투입을 확대해 최상위급 프론티어 모델 개발에 도전한다. 독자 AI의 실제 활용도 본격화한다. 대국민 AI 서비스 '모두의 AI'는 9월 베타 서비스를 시작해 12월 정식 서비스를 제공한다. 이후 2027년에는 국민 개개인이 AI 에이전트를 활용하는 '1인 1에이전트' 구현을 추진한다. 보안 분야에서는 올해 하반기 보안 특화 AI 1차 개발을 통해 취약점 탐지 등에 활용하고, 내년 추가 개발과 데이터 투자를 거쳐 AI 기반 보안체계로 고도화한다. 범정부 행정망에도 독자 AI 모델을 기본 모델로 활용해 정부 업무 효율화와 대국민 공공서비스의 질적 향상을 추진한다. 배 부총리는 “세계적 수준의 독자 AI를 확보하는 것이 전 국민의 AI 역량을 키우고 산업을 성장시키며 공공서비스의 품질을 높이는 최선의 길”이라며 “우리나라가 명실공히 AI 강국으로 도약할 수 있도록 AI 모델을 지속적으로 발전시켜 나가겠다”고 말했다.

2026.08.25 14:24박수형 기자

[현장] 델 "AI 에이전트 수천개 쓰는 시대…일하는 방식부터 바꿔야"

델 테크놀로지스가 인공지능(AI)을 단순한 업무 생산성 도구에서 기업 비즈니스와 산업 현장을 움직이는 핵심 인프라로 확장하는 청사진을 제시했다. AI 에이전트 확산에 맞춰 데이터센터와 데이터, 보안, 업무 환경을 아우르는 인프라를 현대화하고 'AI 팩토리'를 중심으로 기업 AI 투자를 실질적인 비즈니스 성과로 연결한다는 목표다. 유상모 한국 델 테크놀로지스 사장은 25일 서울 코엑스에서 개최한 '델 테크놀로지스 포럼 2026'에서 "많은 기업이 AI를 새로운 성장 기회로 받아들이고 있지만 실제 비즈니스에 적용하는 과정에서 보안과 규제, 데이터 거버넌스, 인프라 준비 등 다양한 어려움에 직면하고 있다"며 "엔드투엔드 포트폴리오와 개방형 생태계를 바탕으로 기업의 장기적인 기술 로드맵을 제시하고 AI를 비즈니스 성과로 연결하는 전략적 파트너 역할을 강화할 것"이라고 밝혔다. 이날 행사는 김경진 한국 델 테크놀로지스 회장이 무대에 등장해 로봇과 악수하며 시작됐다. 그는 3년 전 생성형 AI 시대가 도래한 당시 포럼에서도 AI를 주요 화두로 제시했던 점을 언급하며 이제는 생활과 업무에서 AI를 빼놓기 어려운 시대가 됐다고 진단했다. 또 기업의 관심 역시 AI 도입 자체에서 비용과 전력 소비를 낮추면서 실제 업무에 얼마나 효과적으로 활용할 수 있느냐로 옮겨가고 있다고 설명했다. 유 사장도 지난 1년간 AI 산업의 변화 속도가 예상보다 빨랐다고 평가했다. 그러면서 AI 모델 비용은 낮아지고 있지만 사용량과 토큰 소비는 빠르게 증가하고 있고 AI가 산업 현장으로 확산되면서 사이버 복원력과 리스크 관리, 거버넌스의 중요성도 함께 커졌다고 강조했다. 실제 델이 최근 진행한 '2026년 모던 엔터프라이즈 레디니스 조사'에 따르면 응답 기업의 87%는 급변하는 환경에 대응하는 데 어려움을 겪고 있는 것으로 나타났다. 이에 대해 유 사장은 "기업들은 AI와 업무·산업 현장, 데이터센터를 별개의 과제로 추진해선 안 되며 AI·데이터·보안을 아우르는 실행 가능한 로드맵을 마련해야 한다"며 "특히 보안과 사이버 복원력은 AI 구축 이후 추가하는 기능이 아니라 초기 설계부터 포함해야 할 필수 요소"라고 말했다. "AI, 전기만큼 근본적인 인프라…데이터가 기업 경쟁력 좌우" 마이클 델 회장도 이날 포럼 영상 메시지를 통해 AI가 기업과 사회의 기반 인프라로 자리 잡고 있다고 강조했다. 그는 "AI 지능은 전기만큼이나 근본적인 인프라가 돼 병원·공장·연구소·도시로 스며들고 있다"며 "이런 상황 속 기업의 차별점은 각자가 보유한 고유한 데이터이며 모든 조직은 이를 얼마나 빠르게 영향력으로 전환할 수 있느냐는 과제에 직면했다"고 짚었다. 델은 이를 지원하기 위해 기업 데이터가 존재하는 곳에서 AI를 구동할 수 있는 하이브리드 AI 인프라 전략을 강화하고 있다. 현재 5000곳 이상 기업 고객이 '델 AI 팩토리'에서 워크로드를 운영 중이며 신약 개발과 산업 자동화, 금융 서비스 등으로 활용 분야를 확대하고 있다. 이와 관련해 맷 던피 델 테크놀로지스 수석부사장은 AI를 실제 사업 성과로 연결하기 위해선 기존 업무 방식 자체를 재설계해야 한다고 제언했다. 단순히 기존 프로세스에 AI를 추가하는 방식으로는 투자 효과를 충분히 거둘 수 없다고도 지적했다. 시장에서 큰 경쟁력을 지닌 업무부터 AI를 적용하고 이후 투자 효과를 실현할 수 있도록 운영 모델까지 변화시켜야 한다는 설명이다. 또 기업용 에이전트를 구축하는 과정에선 데이터 준비와 업무 흐름에 대한 이해, 온톨로지 구축, 기존 시스템과의 통합 등을 거쳐야 한다고 짚었다. 던피 수석부사장은 "기업용 에이전트 구축은 혼자 할 수 있는 영역이 아닌 다양한 플레이어가 필요한 분야"라며 "기업 내 마케팅, 사업부서, 데이터 사이언스, 보안, 법무·개인정보보호 조직 등이 모두 함께 움직여야 실제 투자수익률(ROI)을 확보할 수 있다"고 강조했다. 데이터센터 현대화부터 '토크노믹스'까지…AI 비용 구조 바뀐다 델은 AI 확산에 대응하기 위한 출발점으로 데이터센터 현대화를 꼽았다. 델이 실시한 조사에서 국내 응답자의 72%는 현재 IT 인프라가 AI를 지원할 준비가 충분하지 않다고 답했다. 이에 던피 수석부사장은 데이터 구조를 정비하는 동시에, AI에 최적화된 빠르고 유연한 인프라를 구축해야 한다고 설명했다. AI 에이전트 확산에 따른 '토크노믹스(Tokenomics)'도 새로운 핵심 과제로 제시됐다. AI 모델의 토큰 단가는 하락하고 있지만 에이전트와 AI 서비스 사용량이 더 빠르게 늘어나면서 기업이 부담해야 하는 전체 비용은 오히려 커질 수 있어서다. 워크로드와 모델, 이를 구동할 시스템·인프라 위치까지 함께 고려한 비용 구조를 설계해야 하는 상황이다. 이에 따라 IT 조직의 역할도 달라질 것으로 전망했다. 던피 수석부사장은 "기존 시스템·애플리케이션 관리자들은 AI 워크로드와 지식 계층, 컨텍스트 엔진을 이해하고 적절한 모델과 데이터 배치 방식을 설계하는 'AI 아키텍트'가 될 것"이라며 "다양한 AI 모델 가운데 워크로드 특성에 따라 온프레미스와 PC, 퍼블릭 클라우드 등을 선택해 비용 효율적인 아키텍처를 구성하는 역량이 요구된다"고 말했다. 젠슨 황·마이클 델 "에이전트 시대 온다" 이날 행사에선 지난 5월 미국 라스베이거스에서 열린 '델 테크놀로지스 월드'에서 젠슨 황 엔비디아 최고경영자(CEO)와 마이클 델 회장이 나눈 대담 영상도 공개됐다. 황 CEO는 생성형 AI가 에이전틱 시스템으로 진화하면서 처음으로 실질적으로 유용한 AI가 등장했고 이에 맞춰 AI 컴퓨팅 수요가 가파르게 증가하고 있다고 진단했다. 엔비디아와 델은 AI 에이전트를 구동하기 위한 새로운 컴퓨팅 시스템 개발에 나서고 있다. 기업이 자체 데이터와 특화 모델을 로컬 환경에서 구동하는 동시에, 대규모언어모델(LLM)은 클라우드에서 활용하는 하이브리드 AI 구조다. 양사는 31년간 이어온 협력 관계를 바탕으로 AI 인프라 협력을 확대한다는 방침이다. 파트너십의 핵심 솔루션은 델 AI 팩토리다. 델이 보유한 제품과 프레임워크를 넘어 기업이 다양한 에이전트를 운영할 수 있도록 돕는 통합 포트폴리오다. 델 AI 서버, 스토리지, 플랫폼에 더해 고객별로 구축한 AI 솔루션도 표준화해 빠른 AI 도입과 배포를 지원한다는 목표다. 던피 수석부사장은 "기업은 AI의 경제성을 이해하고 직접 실험하며 새로운 업무 방식을 만들어가야 한다"며 "우리는 고객이 AI의 잠재력을 실제 비즈니스 가치로 전환할 수 있도록 함께 혁신하는 전략적 파트너가 될 것"이라고 강조했다.

2026.08.25 13:03한정호 기자

[이성엽의 IT프리즘] 국가대표 AI, 모두의 AI 그리고 프런티어 AI의 구분

인공지능(AI)이 국가 경쟁력을 좌우하는 핵심 기술로 부상하면서 정부의 AI 정책도 빠르게 변화하고 있다. 최근에는 '국가대표 AI', '모두의 AI', '프런티어 AI'라는 용어가 동시에 등장하면서 혼란스러운데, 여기에 최근 정부가 사이버보안 분야의 '특화 AI 파운데이션 모델' 개발까지 추진하면서 AI 지원정책의 구조는 더욱 복잡해지고 있다. 각각의 특징이 무엇인지 그리고 이들을 하나의 국가 AI 전략 안에서 어떻게 연결할 것인지 살펴볼 필요가 있다. 먼저 국가대표 AI는 과학기술정보통신부가 추진하는 '독자 AI 파운데이션 모델 프로젝트', 이른바 '독파모'를 가리킨다. 쉽게 말하면 한국이 자체적인 'AI 두뇌'를 만드는 사업이다. 국내 AI 서비스가 모두 챗GPT나 Claude, Gemini 같은 해외 모델에 의존한다면 핵심 기술과 데이터의 대외 의존 문제가 발생할 수 있다. 이에 한국 기업이 직접 설계하고 학습한 범용 AI 모델을 확보하자는 것이다. 핵심 요건은 '독자성'과 '글로벌 경쟁력'이다. 모델 설계, 데이터 구축, 사전학습 등 핵심 개발 과정에서 실질적인 자체 역량을 갖춰야 한다. 동시에 수학·지식·추론·에이전트 능력 등에서 최상위 모델 대비 약 95% 수준의 모델을 개발하는 것이 목표이다. 현재 경쟁은 상당히 압축됐다. 2026년 8월 2차 단계평가 결과 LG AI연구원, SK텔레콤, 업스테이지 등 3개 팀이 다음 단계에 진출했다. 정부는 하반기 3차 평가를 거쳐 2027년 초 최종 2개 팀을 선정할 계획이다. 현재 3개 팀당 B200 GPU 약 1000장과 함께, 저작물 공동구매 100억원, 데이터 구축·가공 연 30억~50억 원, 해외 우수인재 유치 연 20억 원 규모 등을 패키지로 지원할 계획이다. 한편 사이버보안 특화 AI 파운데이션 모델은 범용적으로 사용되는 국가대표 AI와 달리 악성코드 분석, 취약점 탐지, 위협정보 분석과 침해사고 대응 등에 전문성을 갖춘 보안 전문 두뇌를 만드는 것이다. 사이버 공격에 AI가 활용되면서 공격과 방어의 자동화가 동시에 진행되고 있다는 점에서 국가안보와 보안산업 경쟁력 측면의 정책적 필요성이 있다. 모두의 AI는 성격이 다르다. 국가대표 AI가 AI의 두뇌를 만드는 것이라면 모두의 AI는 그 두뇌를 이용해 국민이 실제 사용할 수 있는 서비스를 만드는 것이다. 정부 발표에 따르면 현재 국내 생성형 AI 이용자는 약 2300만 명에 달하지만, 여전히 국민 3명 중 1명 정도는 AI를 이용하지 못하고 있다. 이에 정부는 AI 접근 격차를 줄이는 동시에 국산 AI의 이용 기반을 확대하기 위해 모두의 AI를 추진하고 있다. 정부는 범용 AI 챗봇에서 출발해 공공서비스와 연결되는 AI 에이전트로 발전시킨다는 구상이다. 예컨대 국민이 “내가 받을 수 있는 정부 지원금을 찾아줘”라고 물으면 답변만 제공하는 것이 아니라 필요한 서류를 찾아주고 장기적으로는 신청까지 지원하는 AI 에이전트를 도입한다는 계획이다. 모두의 AI 참여기업은 독자 AI 파운데이션 모델 기준에 부합하는 국산 AI 모델을 50% 이상 활용해야 하며, 자체 모델을 보유한 기업도 자사가 아닌 다른 국내 기업의 국산 AI 모델을 30% 이상 활용해야 한다. 현재 모두의 AI에는 SK텔레콤, KT, 카카오 등 6개 컨소시엄이 참여하고 있다. 정부는 이 가운데 2~3개 사업자를 선정해 B200 GPU 512장을 지원하고 2027년부터 전 국민 서비스를 제공하는 데 필요한 비용을 국가 예산으로 지원할 계획이다. 정부는 올해 하반기 사업자를 선정해 개발·베타서비스를 거쳐 연내 모두의 AI 서비스를 개시할 계획이다. 독파모가 누가 가장 경쟁력 있는 AI 두뇌를 만드는가를 겨룬다면, 모두의 AI는 여러 AI를 어떻게 조합해 국민에게 좋은 서비스를 제공하는가를 겨루는 셈이다. 프런티어 AI는 또 다른 개념이다. 이는 특정한 대국민 서비스가 아니라 당대 세계 최고 수준의 성능과 범용성을 갖춘 최첨단 AI를 의미한다. 다만 정부는 아직 이를 공식화하지 않고 검토 단계에 있다. 국내 독파모의 성능이 빠르게 향상되고 있지만, 글로벌 프런티어 모델의 성능은 더 빠른 속도로 높아지면서 여전히 상당한 격차가 존재한다. 따라서 독자 AI 확보를 넘어 세계 최고 수준의 프런티어 AI 개발을 목표로 하고, 이를 위해 대규모 GPU·인재·자본을 집중하는 국가 차원의 전략이 필요하다는 것이 검토배경이다. 이렇게 보면 AI 개념의 관계는 비교적 명료하다. 국가대표 AI는 독자성, 프런티어 AI는 세계 최고 수준의 경쟁력, 모두의 AI는 보편적 활용이 핵심이다. 쉽게 말하면 우리 AI를 만들고 세계 최고 수준으로 키우고 그 혜택을 국민에게 확산하는 것'이다. 다만 앞으로의 정책 설계에서는 몇 가지를 유의할 필요가 있다. 첫째, 국가대표 AI와 프런티어 AI의 관계부터 재정립할 필요가 있다. 독파모의 목적 역시 글로벌 수준의 독자 모델을 만드는 것인데 별도의 프런티어 AI를 병렬적으로 추진하면 목표와 지원체계가 중복될 수 있다. 독파모를 프런티어 AI로 발전시키는 하나의 연속된 프로젝트로 재설계하는 방안을 우선 검토할 필요가 있다. 이 과정에서 현재 남은 3개 팀 가운데 다시 2개를 선정하는 기존의 서바이벌 방식이 최선인지도 검토할 시점이다. AI 프런티어 경쟁은 갈수록 막대한 GPU, 데이터, 연구인력과 자본을 요구한다. 제한된 국가 자원을 여러 모델에 계속 나누는 것이 경쟁을 촉진하는 장점이 있는 반면, 미국과 중국의 초대형 모델과 경쟁하기에는 규모의 한계가 있을 수 있다. 보안특화 모델의 경우에는 어디까지 범용 독자모델을 공동 기반으로 활용하고, 어느 부분부터 별도의 특화학습과 폐쇄형 모델이 필요한지를 구분하는 것이 중요하다. 둘째, 모두의 AI에서는 공공성과 시장의 역할을 적절히 구분해야 한다. 국민에게 기본적인 AI 접근 기회를 제공하고 행정·복지 등 공공서비스를 AI와 연결하는 것은 AI 격차 해소라는 점에서 의미가 크다. 그러나 정부 지원 무료 범용 AI 서비스가 지나치게 확대되면 국내 민간 AI 서비스와 경쟁할 가능성이 있다. 기본적인 AI 접근과 공공서비스는 정부가 뒷받침하되 고도화된 서비스는 민간의 혁신과 경쟁을 통해 발전하도록 하는 역할 분담이 필요하다. 마지막으로 정책의 목표를 국가대표 기업을 만드는 것보다 국가 AI 역량을 제고하는데 두어야 한다. AI 컴퓨팅 인프라, 독자 파운데이션 모델, 프런티어 AI, 산업별 특화모델과 AI 에이전트, 모두의 AI가 각각 독립된 정부사업으로 분절시키는 것이 아니라 하나의 생태계로 연결해야 한다. 경쟁이 필요한 단계에서는 경쟁시키고, 막대한 자원의 결집이 필요한 단계에서는 과감하게 협력하도록 정책 방식을 유연하게 선택해야 한다.

2026.08.25 11:31이성엽 컬럼니스트

KAIST·DGIST·서울대, AI로 과학 난제 해결 나선다

과학 난제를 해결할 AI+S&T 사업단 4개가 선정돼, 본격적인 연구 개발에 착수했다. 과학기술정보통신부는 24일 '차세대 인공지능(AI)+과학기술(S&T) 기반기술 개발사업' 착수보고회를 개최하고, 신규 선정된 KAIST 2곳과 DGIST, 서울대 각 1개팀이 기술 개발에 착수했다고 밝혔다. 선정 사업단은 ▲물리·수학 기반 AI 해석·예측 모델 분야 2개 기관 ▲차세대 AI 구조 연구 분야 2개 기관 등 총 4개 기관이다. 사업기간은 올해 7월부터 노는 2031년 6월까지 5년이다. 예산은 사업단별 평균 50억원씩 총 200억원이 지원된다. 물리·수학 기반 AI 해석·예측 모델 분야에서는 조건이 달라져도 안정적으로 작동하는 AI 모델 개발이 목표다. 하우석 KAIST 교수팀이 조건과 환경이 달라져도 데이터에 내재된 인과 구조와 지배방정식을 추론하는 수학·물리 기반 인과 AI 모델을 개발한다. 또 유재석 DGIST 교수팀은 다양한 현상에서 어떤 물리 법칙이 지배적으로 작용하는지 가시화를 기반으로 AI가 스스로 판단하고 해석 전략을 선택하는 AI 역학자를 개발한다. 형상·조건이 바뀔 때마다 반복해야 했던 시뮬레이션 비용을 줄이고, 배터리·열교환기 등 다양한 분야의 설계·개발 속도가 향상될 것으로 예상했다. 차세대 AI 구조 연구 분야에서는 오민환 서울대학교 교수팀은 문맥이 길어질수록 연산량이 급격히 늘어나는 구조적 한계를 수학적으로 규명하고, 이를 극복해 긴 문맥에도 효율적으로 처리할 수 있는 새로운 AI 구조와 학습법을 개발하는 것이 목표다. 긴 문맥을 처리하는 계산·메모리늬 효율·학습 안정성 향상이 기대됐다. 윤철희 KAIST 교수팀은 생성형 AI 모델이 학습하며 성능을 높여가는 원리를 수학적으로 규명하고 구조 설계부터 학습, 신뢰성 검증까지 전 과정에 적용할 차세대 AI 개발 방법론을 확보할 계획이다. 시행착오에 의존했던 기존 AI 모델 개발 방식에서 벗어나, 원리에 기반한 예측 가능하고 신뢰할 수 있는 AI 설계·개발 기반을 마련한다. 윤경숙 과기정통부 기초원천연구정책관은 “물리와 수학 법칙에 기반한 AI 모델을 확보하면 과학 연구의 엄밀성과 정확성이 높아져 연구 현장은 물론 반도체·배터리 등 산업 분야에도 실질적인 도움이 될 것”이라고 말했다.

2026.08.24 15:03박희범 기자

독파모, 3차 심사부터 일반 기업도 사용한다

독자 인공지능(AI) 파운데이션 모델(독파모) 프로젝트에서 개발 중인 AI 모델이 3차 심사부터는 일반 사용자와 기업도 체감할 수 있는 방향으로 확대될 전망이다. 그간 촉박한 개발 일정과 인프라 부담 등으로 외부 공개가 제한돼 왔지만, 3차부터는 사용성과 현장 적용성이 본격적으로 평가되면서 실제 서비스 형태의 공개·연동 가능성도 커지고 있기 때문이다. 24일 업계에 따르면 독파모 2차 평가를 통과한 LG AI연구원, SK텔레콤, 업스테이지는 3차 심사를 준비하고 있다. 마지막 심사를 앞두고 모델 성능뿐 아니라 일반 사용자와 산업 현장에서 실제로 써볼 수 있는 환경을 얼마나 마련하느냐도 주요 평가 요소인 만큼 각 참가사도 사용성 확대에 집중하는 모양새다. LG AI연구원은 아직 구체적인 공개 방식은 확정하지 않았지만, 사용성 강화 방향에 맞춘 후속 계획을 논의 중이라는 입장이다. LG AI연구원 측은 "아직 구체적인 3차 공개 방식은 확정되지 않았지만 사용성 강화 방향에 맞춰 내부적으로 후속 계획을 논의하고 있다"며 "다만 대규모 모델은 상용 서비스 형태까지 연결하려면 리소스와 인력 부담이 큰 만큼 준비에 시간이 필요하다"고 밝혔다. 업스테이지 측은 "사용자 활용이 중요해지고 있다고 보고 있다"며 "업스테이지는 계속 모델 공급을 맡고, 법률·교육·의료 등 산업별 특화 서비스는 컨소시엄 파트너사가 만드는 구조가 될 것"이라고 설명했다. SK텔레콤 관계자는 "독파모는 AI 모델을 만드는 프로젝트로 서빙 인프라까지 갖춘 프로젝트는 아니었던 만큼 그동안 개발에만 집중해왔다"며 "현재 국방부 등 정부부처를 대상으로 서비스를 제공하고 있어 3차에서는 이를 더 고도화해 제공할 수 있을 것"이라고 밝혔다. 독파모는 과학기술정보통신부와 정보통신산업진흥원(NIPA)이 추진하는 프로젝트로 해외 모델에 의존하지 않는 국산 소버린 AI를 육성하고 글로벌 프런티어 모델과 경쟁할 수 있는 국가대표 AI를 선발하기 위한 사업이다. 평가 방식도 단계별로 이뤄지고 있다. 참여 기업들은 일정 기간 동안 모델 개발과 고도화를 진행한 뒤 성능 평가와 전문가 심사, 국민 체감 평가 등을 거쳐 다음 단계 진출 여부를 가려왔다. 초기 단계에서는 한국어 성능과 추론·지식 능력 등 모델 자체 경쟁력 검증에 초점이 맞춰졌다면 후반으로 갈수록 실제 활용성과 서비스 연계 가능성까지 함께 따져보는 구조로 옮겨가고 있다. 이 과정에서 아쉬움도 있었다. 참가 기업별로 모델 공개 방식이 달라 일반 개발자나 기업이 직접 체감하기 쉽지 않았다. 일부는 오픈 웨이트나 라이선스 형태로만 공개됐고 일부는 특정 사업이나 협력 구조 안에서만 제한적으로 접근할 수 있었다. 특히 대형 AI 모델은 가중치를 내려받더라도 실제로 구동하려면 추가 인프라와 운영 인력이 요구됐다. 이로 인해 일반 사용자나 수요 기업 입장에서는 국민 체험 평가 외에 각 모델을 지속적으로 비교·검증해볼 기회가 제한적이었다는 반응도 나왔다. 업계에서는 1·2차 심사 기간 자체가 짧았다는 점을 주요 제약으로 꼽는다. 짧은 개발 기간 안에 모델 학습과 튜닝, 평가 대응까지 병행해야 하는 만큼 외부 공개용 서비스나 API 환경을 별도로 구축할 여력이 크지 않았다는 설명이다. 한 AI 기업 대표는 "1단계와 2단계가 각각 6개월 단위로 진행돼 기업들이 모델 완성도와 평가 대응에 우선 집중할 수밖에 없었을 것"이라며 "대형 모델을 일반 테스트용이나 서비스형 환경으로 별도 구성하려면 추가 작업이 필요한데 초기 단계에선 그런 여유가 부족했을 수 있다"고 말했다. 이어 "다만 3차에서도 이런 체감 환경이 충분히 갖춰지지 않으면 평가의 설득력이 떨어질 수 있다"며 "마지막 심사에서 일반 사용자와 기업이 직접 써볼 수 있는 서비스가 늘어나면 독파모 사업도 기술 검증을 넘어 시장 확산 단계로 넘어가게 될 것"이라고 덧붙였다.

2026.08.24 15:01남혁우 기자

독파모 최종전 '실행력' 본다…평가기준·투명성 과제로

정부 주도의 국가대표 인공지능(AI) 선발전인 '독자 AI 파운데이션 모델(독파모)' 프로젝트가 내년 초 최종 2개 팀을 가린다. 마지막 단계평가를 앞두고 정부가 벤치마크 자체 평가 항목 중 도구·에이전트와 코딩 분야를 구축하기로 하면서 결과에 어떤 영향을 미칠지 주목된다. 24일 업계에 따르면 한국지능정보사회진흥원(NIA)은 지난 12일 'AI 모델 벤치마크 데이터셋 구축 사업(2차)' 공모를 냈다. 도구·에이전트와 코딩 2개 분야에서 한국어 기반 벤치마크 데이터셋을 구축하는 사업으로, 다음 달 11일까지 참가 신청을 받는다. 총사업비는 12억원이며 분야당 6억원이 지원된다. 벤치마크 자체 평가에 에이전트·코딩 분야 신규 편입 이 사업은 독파모 평가에 쓰이는 벤치마크를 만드는 과제다. 실제 공모안내서에는 이 사업이 독파모 프로젝트와 함께 과기정통부의 월드 베스트 거대언어모델(LLM) 데이터 활용 지원 사업' 산하에서 추진된다고 명시됐다. 이렇게 구축된 데이터셋은 AI 모델 성능 검증을 2회 지원하게 된다. NIA는 지난해 7월 1차로 공고했던 'LLM 성능 평가 데이터셋 구축 사업'에서 수학·지식·장문이해 3개 분야 벤치마크를 구축했다. 반면 이번 공모에서는 도구·에이전트와 코딩 분야를 신규로 구축한다. 텍스트 기반의 지식·추론 능력을 재던 1차와 달리, 2차 사업에서는 도구를 활용해 실제 과업을 완수하는 실행 능력을 새 평가 축으로 삼은 셈이다. 이 같은 변화는 독파모 2차수가 사실상 텍스트 기반 평가에 머물렀다는 지적을 반영한 것으로 풀이된다. 2차 평가에 오른 LG AI연구원, 업스테이지, SK텔레콤, 모티프테크놀로지스 4개 팀 모델은 모두 미국 비영리 연구기관 에포크AI의 '주목할 만한 AI 모델'에 이름을 올렸지만 도메인은 언어에만 한정됐다. 모델 사용성을 보는 정성 평가도 텍스트에 한정됐다. 2차수 당시 전문가 평가와 일반 국민 평가 모두 LLM의 텍스트 응답 성능을 대상으로 이뤄졌고 파일 첨부나 이미지·영상 생성 같은 텍스트 외 기능은 평가 대상에서 빠졌다. 글로벌 프론티어 모델 경쟁이 이미지·음성·영상을 함께 처리하는 멀티모달로 이동한 것과는 대비되는 지점이다. 최종 평가 어떻게 진행되나…기준 설정에 쏠린 눈 독파모 최종전인 3차 평가 방식은 2차 결과에 대한 이의제기 절차가 끝난 뒤 참가 팀들과의 합의를 거쳐 확정된다. 앞선 두 차례 평가 전후로 업계 안팎에서 여러 논란이 이어진 만큼 3차 평가 기준이 어떻게 짜일지에 업계 이목이 쏠린다. 독파모는 기술 독자성(프롬 스크래치) 논란에 이어 2차에서 특정 벤치마크를 겨냥한 데이터와 사후학습으로 점수를 집중적으로 끌어올리는 '벤치맥싱' 의혹에 휩싸였다. 세부 점수 공개를 둘러싼 투명성 문제도 제기됐다. 안광섭 세종대학교 겸임교수(인레벨나인 대표)는 "사업 목표와 쓰임새를 분명히 정하고 가야 평가 논란이나 실효성에 대한 의문이 반복되지 않는다"며 "모델을 하나의 기준으로 줄 세우기보다 크기별·용도별로 나눠 평가하는 체계도 고려해야 한다"고 말했다. 벤치마크 다양화부터 투명성 개념 재정립까지 2차 평가에서 AAII 점수를 둘러싼 벤치맥싱 논란이 불거지면서 단일 지표에 대한 의존도를 낮춰야 한다는 목소리도 커졌다. 단순 배점만 조정해서는 벤치맥싱 같은 논란을 근본적으로 막기 어렵다는 이유에서다. 업계에서는 아티피셜 애널리시스의 AI 모델 종합평가인 'AAII' 외에도 글로벌 지표를 추가로 검토해야 한다는 의견이 나온다. AI에 가상의 사업 운영을 맡기고 최종 잔고로 채점하는 '벤딩벤치', 실사용 세션 수백만 건으로 작업 완수를 재는 '에이전트 아레나' 등이 AAII를 보완할 주요 지표로 거론된다. 안 교수는 "문제를 미리 알려주고 보는 시험은 없다"면서 "2차 평가 요소에 AAII를 추가했듯 3차에 새 지표를 넣더라도 어떤 시험지를 쓸지는 각 팀에 알려주지 않는 블라인드 방식으로 가야 한다"고 강조했다. 독파모 평가 지표 및 평가 결과 산출 기준에 대한 투명성의 본질이 점수 공개 여부에 있지 않다는 의견도 있다. 점수를 낱낱이 공개하기보다 평가가 어떤 절차와 기준으로 이뤄졌는지를 사전에 밝히는 게 우선이라는 것이다. 과학기술정보통신부는 2차 평가 발표 브리핑에서 1위 기업에 대한 인식 제고와 나머지 기업에 대한 낙인 효과를 우려해 세부 순위를 밝히지 않았다. 그러나 결과 공개 이후 구체적인 점수 산출 근거에 대한 요구가 커지자 이틀 만에 보도설명자료를 내고 1차 평가와 같이 항목별 1위 기업과 점수를 공개했다. 안 교수는 "대학수학능력시험(수능) 출제위원도 외부와 차단된 환경에서 비공개로 문제를 만들지만 아무도 이를 불투명하다고 하지 않는다"며 "점수 하나하나를 공개하는 것보다 전문가 평가위원을 어떤 기준으로 선정했는지 등을 구체적으로 알리는 것이 투명성 확보에 더 가깝다"고 제언했다.

2026.08.24 14:56이나연 기자

익명 'Ox 알파', 하루 100조 토큰 무료 제공...개발사 정체 놓고 추측 '무성'

정체를 알 수 없는 AI 랩이 스텔스 모델 'Ox 알파(Ox Alpha)'를 무료로 공개하며 AI 업계가 술렁이고 있다. 개발 주체를 밝히지 않은 채 하루 100조 토큰 규모의 처리 용량을 무료로 내걸면서 프론티어급 모델 개발사를 둘러싼 추측이 무성하게 이어지고 있다. 23일 테크밈 등 외신에 따르면 Ox 알파는 AI 모델 라우팅 서비스 오픈라우터(OpenRouter)와 코딩 에이전트 오픈코드(OpenCode)에 정체가 공개되지 않은 채 업로드됐다. 오픈라우터는 공식 계정을 통해 Ox 알파를 효율적인 코딩과 지속적인 에이전틱 작업, 실제 프로덕션 환경에 최적화된 프론티어 모델이라고 소개했다. 텍스트·이미지·비디오를 함께 처리하는 멀티모달 모델로 100만 토큰 규모의 컨텍스트 창과 최대 13만1072 토큰의 출력 용량을 갖춘 것으로 소개됐다. 공개 글에는 일주일간 완전 무료로 서비스를 제공하며 하루 100조 토큰을 처리할 수 있는 용량을 갖췄다는 내용이 포함됐다. 이 같은 조건이 알려지자 시장의 관심은 곧바로 모델의 정체로 쏠렸다. 하루 100조 토큰이라는 수치는 통상적인 체험용 공개 수준을 넘어서는 규모로 이를 실제로 감당할 수 있는 AI 랩이 많지 않기 때문이다. 업계에서는 단순히 새로운 모델이 등장했다는 사실보다 이 정도 인프라와 자본력을 동원할 수 있는 주체가 누구인지를 더 주목하는 분위기다. 가장 유력한 후보로는 중국 AI 기업 지푸 AI(Z.ai)가 거론된다. 지푸 AI는 과거 자사의 GLM-5 모델을 '포니 알파(Pony Alpha)'라는 이름으로 익명 필드 테스트한 전례가 있어 이번에도 유사한 방식으로 신형 모델을 시험하고 있다는 해석이 나온다. 일부 분석가들은 Ox 알파의 비디오 인코딩 파이프라인과 토크나이저 연산 방식, 응답 패턴이 지푸 AI의 기존 모델 구조와 상당히 유사하다고 보고 있다. 서드파티 리더보드 킹벤치에서는 Ox 알파가 87.5%를 기록해, GLM-5.3의 91.25%에 근소하게 못 미치는 점수를 받기도 했다. 다만 현재 공개된 GLM-5.3은 이미지·비디오 입력을 지원하지 않는 텍스트 전용 모델인 반면 Ox 알파는 멀티모달 입력을 지원한다는 점에서 차이가 있다. 이 때문에 지푸 AI가 실제 배후라면, 아직 공개되지 않은 상위 멀티모달 버전일 가능성이 제기된다. 업계 일각에서는 지푸 AI가 최근 대규모 GPU 클러스터와 1기가와트(GW)급 데이터센터를 가동한 것으로 알려진 만큼, 하루 100조 토큰 수준의 대규모 무료 제공을 감당할 컴퓨팅 여력이 있을 수 있다는 분석도 내놓고 있다. 일각에서는 딥시크(DeepSeek) 가능성도 제기됐다. 공격적인 무료 배포 전략이 딥시크의 기존 행보와 닮아 있다는 이유에서다. 실제로 딥시크의 V4 모델도 지난 3월 11일 '헌터 알파(Hunter Alpha)'라는 이름으로 익명 테스트를 거친 바 있다. 그러나 최근 V4-플래시 모델 가격 인상 흐름을 고려하면 Ox 알파가 내세운 수준의 처리량을 감당할 컴퓨팅 여력이 충분하지 않을 수 있다는 반론이 나온다. 여기에 딥시크 V4 플래시가 104만8576 토큰이라는 특정 컨텍스트 창 구조에 최적화돼 있지 않고, 토큰화 방식도 Ox 알파와 다르다는 점이 근거로 제시됐다. 일론 머스크 진영의 AI 모델일 가능성도 언급됐다. 다만 Ox 알파가 중국의 민감한 정치적 주제에 대해 비교적 세밀한 답변 정책을 보인다는 점에서 중국 본토 데이터셋 기반으로 학습된 모델일 가능성이 더 높다는 반론이 뒤따랐다. 이 때문에 현재로서는 단순한 자본력이나 연산 능력만으로 배후를 특정하기는 어렵다는 평가가 나온다. 최근에는 마이크로소프트의 차세대 프론티어 모델 'MAI' 계열의 미공개 버전일 수 있다는 분석도 새롭게 부상했다. 이 주장은 Ox 알파가 오픈AI가 개발한 바이트페어 인코딩(BPE) 방식의 토크나이저를 사용하는 것으로 보인다는 점에 근거한다. 중국계 모델이 오픈AI 계열 토크나이저를 사용할 가능성은 상대적으로 낮다는 시각에서 오픈AI·구글·앤트로픽·xAI와 중국계 프론티어 모델 대부분을 배제하면 마이크로소프트의 파이(Phi) 계열이 유력하다는 논리다. IBM의 그래나이트(Granite) 계열도 후보군으로 언급되지만 가능성은 크지 않다는 평가가 우세하다. 정체 논쟁과 별개로 Ox 알파의 성능도 화제를 모으고 있다. 개발자 벤 데이비스가 장기 소프트웨어 엔지니어링 벤치마크 '딥SWE(DeepSWE)'의 10개 문항으로 테스트한 결과 Ox 알파는 약 80%의 정답률을 기록해 앤트로픽 페이블 5의 65%, 오픈AI GPT-5.6 솔의 52%를 앞섰다는 평가가 나왔다. 코딩과 장기 에이전트 작업에 최적화됐다는 공개 측 설명과 맞물리며 성능 측면에서도 관심이 커지는 모습이다. 다만 이 결과만으로 성능을 단정하기는 이르다는 지적도 만만치 않다. 해당 테스트는 전체 113개 문항 가운데 10개만을 표본으로 삼은 결과여서 편차가 클 수 있고 딥SWE 벤치마크 하네스가 bash 명령어만 지원해 실제 개발 환경을 온전히 반영하지 못한다는 비판도 제기된다. 일부 사용자는 단순 실무 작업에서는 오히려 소형 모델보다 낮은 성능을 보였다며, 벤치마크에 특화해 점수를 끌어올리는 이른바 '벤치맥싱' 가능성을 언급하기도 했다. 결국 Ox 알파의 실질적 경쟁력은 보다 다양한 환경에서의 검증이 필요하다는 의미다. 그럼에도 업계가 이번 사례를 주목하는 이유는 분명하다. 실제 개발사가 어디인지를 떠나 익명의 주체가 하루 100조 토큰 규모의 연산 자원을 무료로 방출하겠다고 나선 것 자체가 AI 모델 시장의 경쟁이 얼마나 격화하고 있는지를 보여주는 상징적 장면이기 때문이다. 기업과 개발자 입장에서는 기대와 우려가 교차한다. 장문 처리와 코드 생성, 멀티모달 분석 같은 기능을 무료에 가깝게 시험할 수 있다는 점은 매력적이다. 반면 개발 주체와 운영 정책이 불분명한 상태에서 서비스를 업무에 곧바로 적용하기에는 부담도 적지 않다. 데이터 처리 방식과 보안, 무료 정책의 지속 가능성, 향후 가격 전환 여부 등을 확인하기 전까지는 신중하게 접근해야 한다는 목소리도 나온다. 정체 논쟁과 별개로 일부 업계 관계자 초기 반응도 나오고 있다. 온라인 결제 기업 스트라이프(Stripe)의 공동창업자 겸 최고경영자(CEO) 패트릭 콜리슨은 자신의 소셜미디어에 Ox 알파를 직접 테스트한 뒤 "매우 인상적"이라고 평가했다.

2026.08.24 11:01남혁우 기자

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