검색 - IT세상을 바꾸는 힘 지디넷코리아

ZDNet 검색 페이지

'AI 파운데이션'통합검색 결과 입니다. (186건)

태그
기간
- 3개월
- 1년
- 1년 이전

재검색

독파모 2차 결과 발표 임박…AI 업계 '초긴장', 관전 포인트는

독자 인공지능(AI) 파운데이션 모델 프로젝트(독파모) 2차 단계 평가 결과 발표가 임박하면서 국내 AI 업계 관심이 집중되고 있다. 단순한 모델 성능 경쟁을 넘어 결과에 따라 국내 AI 업계 관심 구도도 달라질 것으로 예상되기 때문이다. 14일 업계에 따르면 독파모 2차 단계 평가 결과는 이르면 다음 주 발표될 것으로 알려졌다. 독파모는 이번 2차 평가 결과 발표를 통해 3개 팀으로 압축된 뒤 추가 평가를 거쳐 올해 12월 최종 2개 팀을 선발한다. 최종 생존팀에는 엔비디아(NVIDIA) B200 그래픽처리장치(GPU)와 대규모 데이터 구축·가공비, 'K-AI 기업' 명칭 부여 등 국가 차원의 지원이 이어진다. 독파모에 참가한 LG AI연구원, SK텔레콤(SKT), 업스테이지, 모티프테크놀로지스 4개 팀은 모든 2차 과정을 마치고 결과를 기다리고 있는 중이다. 과기정통부는 기존 3개 팀의 모델 제출 기한인 6월 말과 추가 합류한 모티프테크놀로지스의 7월 말 제출 완료 이후, 8월 초부터 4개 팀을 대상으로 2차 단계 평가를 동시 진행해 왔다. 이번 발표로 한 팀이 탈락해 3파전으로 재편되는 만큼 업계 안팎의 촉각이 날카롭게 세워진 상태다. 이번 2차 평가에서 주목받는 변수는 평가 기준 변화다. 1차 평가가 기본 언어 이해·생성 능력과 모델 완성도에 초점을 맞췄다면, 2차에서는 외부 도구를 호출해 실제 업무를 자율 수행하는 에이전틱 AI 역량과 오케스트레이션 능력 검증 비중이 크게 높아진 것으로 알려졌다. 이에 따라 참여 기업도 수개월 동안 에이전트 성능 고도화에 집중해 왔다. LG AI연구원은 평가 제출 모델인 엑사원(EXAONE)의 에이전트 작업 수행 능력 강화에 주력한 것으로 알려졌다. 단순 질의응답을 넘어 실제 업무를 수행하는 오케스트레이션 역량을 높이는 데 개발 역량을 집중했으며 계열사와 파트너사를 통한 실사용 환경 적용도 병행해 왔다. 특히 1차 단계 평가에서 가장 높은 평가를 받은 만큼 업계에서는 이번 결과에서도 선두를 유지할 수 있을지 주목받고 있다. SK텔레콤은 지난달 신규 모델 'A.X K2'를 공개하며 에이전트 기능을 전면에 내세웠다. 서울대 황승원 교수 연구진의 에이전트 연구 성과를 반영해 다양한 환경에서 활용 가능한 AI 에이전트 역량 확보에 집중하고 있다는 설명이다. 독자 모델과 AI 인프라를 함께 제공할 수 있는 점도 차별화 요소로 꼽힌다. 업스테이지는 최근 공개한 '솔라 2'를 통해 에이전트 성능 향상을 강조하고 있다. 기존 모델 대비 도구 호출과 작업 수행 능력을 강화하며 기업 업무 환경에서 활용 가능한 AI 구현에 초점을 맞췄다. 회사 측은 최근 모델이 실제 에이전트 활용 환경에서도 충분한 경쟁력을 갖췄다고 평가하고 있다. 추가 공모를 통해 합류한 모티프테크놀로지스는 독자 설계 아키텍처를 강점으로 내세우고 있다. 해외 오픈소스 모델을 기반으로 하지 않은 자체 모델 개발 전략을 추진하며 독자성 확보에 집중해 왔다. 최근 관련 벤치마크에서 강한 성능을 내세우며 존재감을 키운 점도 업계가 주목하는 부분이다. 에이전틱 역량과 함께 '독자성' 판단 기준의 적용 강도도 주요 관전 포인트다. 독파모 사업이 목표로 하는 독자 파운데이션 모델은 해외 모델 파인튜닝이나 파생형이 아닌, 모델 설계부터 사전학습까지 전 과정을 자체 수행한 모델이다. 가중치를 초기화한 상태에서 독자적으로 학습·최적화하는 것이 최소 요건이다. 1차 평가에서 네이버클라우드가 독자성 기준 미달 판정을 받아 탈락한 전례가 있어, 이 잣대가 이번에도 결과를 가를 핵심 기준이 될 수 있다는 분석이 나온다. 실제 산업 현장 적용 가능성을 뜻하는 '확산성' 항목도 빼놓을 수 없는 평가 기준이다. LG AI연구원과 한컴의 공공 AI 오피스 협력, SKT의 자동차 부품업체 코넥스 현장 AI 에이전트 투입, 업스테이지의 공공기관 특화 검색증강생성(RAG) 서비스 구축 등 각사가 현장 확산 실적을 쌓아온 만큼, 이 항목이 최종 순위를 좌우하는 변수가 될 수 있다는 관측이 나온다. 독파모 사업의 의미가 산업 육성을 넘어 국가 경쟁력과 안보 영역으로 확대되고 있다는 점도 이번 발표의 무게감을 키우는 배경이다. 글로벌 AI 기반 사이버 위협이 현실화하면서 독자 AI 모델 확보가 국가 전략 자산이라는 인식이 확산되고 있기 때문이다. 국가AI전략위 보안특위를 중심으로 독파모를 안보 역량 강화 수단으로 격상해야 한다는 논의도 본격화한 상황이다. 한 업계 관계자는 "이번 2차 평가는 어느 기업의 모델이 더 뛰어난지를 가리는 차원을 넘어 국내 AI 산업의 방향성과 기술 자립 수준을 확인하는 과정"이라며 "결과 발표가 가까워질수록 업계의 관심도 더욱 높아지고 있다"고 말했다.

2026.08.14 08:14남혁우 기자

LG 컨소시엄, '엑사원' 앞세워 보안 특화 AI 모델 개발 추진

LG CNS와 LG AI연구원, LG유플러스가 LG 컨소시엄을 꾸리고 대규모언어모델(LLM) '엑사원(EXAONE)' 기반 사이버보안 특화 AI 파운데이션 모델 개발에 나선다. 12일 업계에 따르면 LG CNS, LG AI연구원, LG유플러스 등은 과학기술정보통신부의 '특화 인공지능 파운데이션 모델 개발(사이버보안 분야) 사업' 참여를 준비하고 있다. 이번 사업은 국내 산업 현장에서 활용 가능한 특화 AI 모델을 육성하고 관련 생태계 조성 기반을 마련하는 데 초점이 맞춰져 있다. 업계에 따르면 SK텔레콤과 네이버클라우드도 이번 사업 참여를 준비 중인 것으로 알려졌다. 국내 주요 ICT 기업 간 사이버보안 특화 AI 파운데이션 모델 선점 경쟁이 본격화하는 양상이다. LG 컨소시엄은 LG AI연구원의 초거대 AI 모델 '엑사원'을 보안 데이터셋으로 파인튜닝해 사이버보안 특화 AI 모델을 공동 개발할 계획이다. LG AI연구원과 LG CNS가 모델 개발을 주도한다. 이 과정에서 LG CNS는 AI 학습용 보안 데이터의 정제, 라벨링, 표준화, 가공을 맡는다. 동시에 개발 모델의 보안 성능 검증도 수행할 예정이다. LG유플러스는 모델 학습에 필요한 보안 데이터를 제공하고, 개발된 모델의 실증 검증을 담당한다. LG CNS는 그룹 내 사이버보안 역량을 바탕으로 이번 사업 경쟁력을 확보한다는 전략이다. 실제 공격자 관점에서 시스템 취약점을 점검하는 '레드팀', 공격 탐지와 방어를 맡는 '블루팀', AI 모델과 데이터, 서비스 전반의 보안 위협에 대응하는 'AI보안팀' 등 전문 조직을 운영하고 있다. 여기에 공공, 금융, 제조, 물류 등 다양한 산업에서 AX 사업을 수행하며 축적한 현장 경험도 강점으로 꼽힌다. LG CNS는 산업별 디지털 전환과 AI 적용 경험을 기반으로 사이버보안 특화 AI 모델의 실효성을 높인다는 방침이다. LG 컨소시엄은 이번 사업을 통해 확보한 모델을 국내 보안 기업과 기관이 활용할 수 있도록 해 보안 서비스 개발 기반을 넓힌다는 계획이다. 단순한 모델 개발을 넘어 국내 AI 보안 산업 생태계 활성화로 연결하겠다는 의미다. LG CNS 측은 "이번 사업을 통해 사이버보안 특화 AI 파운데이션 모델을 확보하고, 국내 보안 기업과 기관이 이를 활용해 다양한 보안 서비스를 개발할 수 있는 기반을 마련함으로써 국내 AI 보안 산업 생태계 활성화에 기여할 계획"이라고 밝혔다.

2026.08.12 16:15남혁우 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

"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

"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

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

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

슈퍼브에이아이, 코스닥 기술성 평가 통과…상장예심 나선다

슈퍼브에이아이가 코스닥 기술특례상장을 위한 기술성 평가를 통과했다. 슈퍼브에이아이는 이번 기술성 평가 통과를 기점으로 상장예비심사 신청 준비를 본격화한다고 28일 밝혔다. 회사는 주관사 미래에셋증권을 통해 상장 후속 절차를 진행할 예정이다. 슈퍼브에이아이의 핵심 기술은 노코드 인공지능(AI) 구축 플랫폼 '슈퍼브 플랫폼'과 자체 개발 비전 파운데이션 모델 '제로(ZERO)'로 구성된다. 슈퍼브 플랫폼은 코딩이나 머신러닝 지식 없이도 데이터 구축부터 모델 학습·배포·운영까지 지원한다. 제로는 별도 데이터 라벨링 없이도 새로운 객체를 즉시 인식한다. 회사는 이 모델을 통해 컴퓨터 비전 분야 세계 최대 학회 'CVPR 2026' 퓨샷 객체 탐지 챌린지에서 한국 기업 최초로 종합 1위를 차지했다. 슈퍼브에이아이는 이들 기술을 기반으로 로봇과 자율주행에 필요한 학습 데이터를 대량 공급하는 '피지컬 AI 데이터 팩토리'로 사업 영역을 확장하고 있다. 과학기술정보통신부가 주관하는 '독자 AI 파운데이션 모델(독파모) 프로젝트'에서는 LG AI연구원 컨소시엄 내 비 LG 계열사 중 유일하게 피지컬 AI 기반 기술과 데이터 구축 등을 맡았다. 최근 제조·물류를 넘어 국방 등 보안 산업으로도 적용 범위를 넓히고 있다. 김현수 슈퍼브에이아이 대표는 "이번 결과는 AI 개발 자동화 기술과 산업 특화 파운데이션 모델 역량을 공식적으로 인정받은 것"이라며 "로봇·자율주행 등 피지컬 AI 영역으로도 적용을 확장하며 성장하겠다"고 말했다.

2026.07.28 11:33이나연 기자

SKT, 독파모 AI 모델로 스타트업 세곳 혁신 지원

SK텔레콤은 국내 스타트업이 AI 서비스를 보다 쉽게 개발하고 검증하기 위해 자사 AI 모델 기반의 API를 지원한다고 26일 밝혔다. SK텔레콤 중소벤처기업부가 주관하고 하는 '2026년 모두의 챌린지 AX-LLM'에 참여하고 있다. 국내 스타트업이 국산 AI 모델을 도입하고 활용하는 과정에서 필요한 기술 협업을 지원하기 위해 추진되는 사업이다. 이에 따라 독자 AI 파운데이션 모델 프로젝트를 통해 개발한 모델이 스타트업, 개발자 생태계에서도 활용될 수 있도록 지원을 이어가고 있다. 지난해 말 개발을 마친 A.X K1 모델의 활용 범위를 확대하고, 다양한 적용 사례를 축적하기 위한 취지다. 2026년 모두의 챌린지 AX-LLM에는 자체 LLM을 보유한 7개 수요기업이 참여한다. 스타트업이 수요기업 가운데 한 곳을 선택해 사업 계획을 제출하면, 수요기업이 협업 대상을 선정해 지원하는 방식으로 운영된다. SK텔레콤이 협업 대상으로 선정한 팀리미티드는 영수증 플랫폼 기반 개인화 쇼핑 큐레이션 에이전트를 서비스하는 회사다. 퍼셀리는 AI 기반 인플루언서 마케팅 프로모션 자동화 솔루션 기업이고, 데브올컴퍼니는 연체 채권 관리 AI 솔루션을 제공하고 있다. SK텔레콤은 선정된 스타트업을 대상으로 올해 연말까지 A.X K1 API를 제공할 계획이다. 또한 SK텔레콤 스타트업 엑셀러레이팅 프로그램인 '스케치 위드 AI'와 연계해 서비스 고도화 및 사업화 검증을 지원한다. 각 스타트업은 협업 기간 동안 고객 접점에서 활용 가능한 AI 서비스를 검증할 예정이다. '모두의 챌린지 AX-LLM' 기간 동안 자사의 서비스를 A.X K1 모델 기반으로 전환하고, 향후 SKT와의 본격 사업 협력을 위한 개념 검증(PoC)을 준비하고 있다. 엄종환 SK텔레콤 지속가능경영실장은 “스타트업과의 협력을 통해 SK텔레콤 독자 AI 모델의 활용 범위를 확대하고, 국내 AI 생태계 활성화에 기여하겠다”라고 말했다.

2026.07.26 10:18박수형 기자

[AI는 지금] 모티프, 독파모 2차전 앞두고 '반전'…글로벌 경쟁력 입증

국가대표 인공지능(AI) 기업을 가리는 독자 AI 파운데이션 모델 개발 사업의 2차 평가를 앞두고 참여 기업 간 경쟁이 달아오르고 있다. 가장 늦게 합류한 모티프테크놀로지가 프리뷰 모델로 글로벌 오픈소스 최상위권 성능을 기록하면서 예상 선발 구도에 변화가 생길지 주목된다. 모티프는 독파모 사업을 통해 개발 중인 대규모언어모델(LLM) '모티프 3' 프리뷰 버전이 글로벌 AI 평가기관 아티피셜 애널리시스의 종합 성능 지표인 AAII에서 44점을 기록했다고 21일 밝혔다. 회사 측에 따르면 '모티프 3 프리뷰'는 딥시크 최신 모델과 같은 44점을 기록해 미국과 중국을 제외한 국가에서 개발된 모델 가운데 가장 높은 성적을 거뒀다. 글로벌 오픈소스 모델 순위에서도 문샷AI의 키미와 즈푸AI의 GLM에 이어 미니맥스, 딥시크 모델과 함께 3위권에 올랐다. 이번 결과는 모티프가 독파모 2차 평가용 최종 모델을 제출하기 전에 확보한 성적이라는 점에서 주목된다. 모티프는 이달 말 모델을 제출한 뒤 8월 초 성능을 높인 최종 버전을 공개할 예정이다. '모티프 3'는 전체 파라미터 3140억 개 규모의 전문가혼합(MoE) 모델이다. 추론 과정에선 전체의 약 4%인 130억 개 파라미터만 선택적으로 활성화하는 구조를 적용했다. 회사 측은 해외 오픈소스 모델을 개량하지 않고 아키텍처 설계부터 학습까지 자체 개발했다고 설명했다. 개발 규모도 경쟁사보다 작다. 모티프는 직원 약 30명이 정부가 제공한 그래픽처리장치(GPU) 700여 장을 활용해 선정 후 약 5개월 만에 프리뷰 모델을 완성했다. 이처럼 상대적으로 적은 인력과 연산 자원으로 글로벌 상위권 벤치마크 점수를 제시하면서 기술 효율성과 독자성을 드러낸 것으로 평가됐다. 독파모 2차 평가는 기존 4개 정예팀 가운데 1곳을 탈락시키는 방식으로 진행될 예정이다. SK텔레콤과 LG AI연구원, 업스테이지는 지난 6월 말 평가용 모델을 제출했으며 패자부활전을 통해 한 달 늦게 합류한 모티프는 이달 말까지 모델을 제출한다. 과학기술정보통신부는 8월 초부터 심사에 들어갈 계획이다. 이번 평가는 모델 성능뿐 아니라 산업 적용과 서비스 확산 가능성도 주요 평가 요소로 거론된다. 또 글로벌 벤치마크 반영 비중이 높아지는 동시에 실제 사업 적용 사례와 생태계 확장 능력도 함께 살피는 것으로 알려졌다. 업스테이지는 2차 평가에서 기존 1000억 개 규모 모델을 2000억 개 수준으로 확대할 예정이다. 이곳은 AAII에서 44.4점을 기록한 모델 성능과 국산 AI 모델·국산 신경망처리장치(NPU)를 결합한 풀스택 역량을 강점으로 내세우고 있다. 최근에는 검색 플랫폼 다음을 인수하고 AI 요약 서비스에 자체 거대언어모델(LLM) 기술을 적용하며 서비스 확장에도 나섰다. LG AI연구원은 그룹 계열사와 외부 산업 현장에서 축적한 적용 사례를 앞세우고 있다. 최근 코스콤과 협력해 국내 상장기업 약 2500개 종목의 주가 예측과 해설 서비스를 추진하고 있으며 LG유플러스와 함께 정부의 '모두의 AI' 사업 참여도 준비 중이다. SK텔레콤은 컨소시엄에 SK AX와 테크노매트릭스를 추가하며 산업 확산 역량을 강화했다. SK AX는 제조와 금융, 공공 분야의 AI 전환 사례를 발굴하고 테크노매트릭스는 독자 모델의 현장 운영과 고도화를 지원하는 역할을 맡는다. 모티프도 삼일회계법인과 딥서치 등 컨소시엄 참여 기업 및 협력사와 모델 공급을 논의하고 있다. 성능 중심의 개발 전략을 유지하면서 회계와 금융 데이터, 산업 현장 적용 사례를 확대해 상용화 평가에 대응할 계획이다. 업계에선 모티프가 공개한 AAII 성적이 2차 평가를 앞두고 선두권과 후발 주자의 격차가 예상보다 크지 않을 수 있다는 점을 드러냈다고 평가했다. 기존에는 자본력과 인력, 산업 적용 경험을 갖춘 대기업 계열 팀이 유리할 것이라는 관측이 많았지만, 이번에 모티프가 프리뷰 단계에서 성능 경쟁력을 입증하면서 평가 변수로 떠오른 분위기다. 다만 일각에선 기업별 AAII 점수가 모델 공개 시점과 평가 버전, 오픈소스 범위가 달라 단순 비교에는 한계가 있다고 지적했다. 모티프가 제시한 '글로벌 오픈소스 3위권'도 44점을 받은 여러 모델이 함께 포함된 순위인 만큼, 실제 경쟁력은 8월 독파모 평가에서 다른 정예팀과 동일한 기준으로 비교해야 확인할 수 있을 것으로 보인다. 업계 관계자는 "2차 평가부터는 벤치마크 점수만 높다고 통과할 수 있는 구조는 아닐 것"이라며 "독자 기술로 성능을 얼마나 끌어올렸는지와 실제 산업에서 활용할 수 있는지를 함께 증명하는 팀이 유리할 것"이라고 말했다.

2026.07.21 11:08장유미 기자

[유미's 픽] 독파모 고배 뒤 더 잘나간다…산업 AI 공략 속도 내는 두 기업, 어디?

올 초 독자 인공지능(AI) 파운데이션 모델 개발 사업에서 함께 선정이 불발된 네이버클라우드와 NC AI가 산업 현장 공략에 속도를 내고 있다. 범용 모델의 성능과 독자성을 겨루던 정부 사업에서 벗어나 국방·조선·철강 등 실제 수요가 있는 분야로 기술과 사업 역량을 집중하는 분위기다. 21일 업계에 따르면 네이버클라우드는 최근 국방·제조기업의 AI 학습과 운영을 지원하는 인프라·플랫폼 사업 확대에 본격 나섰다. 특히 올해 국방을 핵심 사업으로 정하고 방산기업과의 공동 개발과 국책사업 참여를 확대하고 있다. 제조 분야에서도 조선과 스마트팩토리를 중심으로 AI·클라우드 사업 발굴에 나섰다. 일단 네이버와 네이버클라우드는 한국항공우주산업(KAI)과 방산 특화 AI 파운데이션 모델을 공동 개발하고 있다. 향후 무인기와 AI 파일럿, 유무인복합체계 등 미래전투체계에 적용하는 방안도 추진한다. 네이버클라우드는 국방부가 발주한 '초거대 인공지능 기반 지휘통제체계 기술' 사업에 한화시스템 컨소시엄으로도 참여했다. 한화시스템이 지휘통제체계 적용과 통합을 맡고 네이버클라우드는 AI 모델과 클라우드·데이터 플랫폼 분야에서 역할을 나누는 구도다. 이 사업은 텍스트와 영상, 음성, 센서, 레이더 등 전장 데이터를 통합 처리하는 국방 특화 대규모언어모델(LLM)을 개발해 한국군 지휘통제체계에 적용하는 것이 목표다. 수주에 성공하면 네이버클라우드는 폐쇄망에서 국방 데이터를 학습·운영하는 핵심 레퍼런스를 확보할 수 있다. 제조 분야에선 HD한국조선해양과 조선 산업에 특화된 AI·클라우드 환경을 구축한다. 그래픽처리장치(GPU) 인프라와 프라이빗 클라우드를 기반으로 설계·생산 데이터를 처리하고 차세대 선박 플랫폼과 피지컬 AI까지 협력 범위를 넓힐 계획이다. 이처럼 네이버클라우드의 최근 사업은 자체 거대언어모델(LLM) 공급보다 AI 운영 기반 전체를 제공하는 데 무게가 실려 있다. GPU와 프라이빗 클라우드, 데이터 플랫폼, AI 모델을 묶어 보안과 데이터 통제 요건이 높은 산업을 공략하는 방식이다. 특히 국방과 제조는 올해 네이버클라우드가 가장 적극적으로 사업을 확대하는 분야로 꼽힌다. 지멘스 등과 맺은 협력도 특정 공정에 머물기보다 국내 제조업 전반의 데이터를 AI와 연결하는 데 초점이 맞춰져 있다. 네이버클라우드 관계자는 "올해 국방을 핵심 사업으로 지정한 뒤 관련 사업을 적극적으로 추진하고 있다"며 "제조 분야는 현재 업무협약을 토대로 실제 사업을 만들어가는 단계"라고 말했다. NC AI는 산업용 로봇이 현장을 인식하고 판단·행동하는 데 필요한 피지컬 AI 기술로 방향을 좁히고 있다. 게임과 콘텐츠 개발 과정에서 축적한 비전 AI와 3D 가상세계, 월드모델, 합성 데이터 기술을 제조와 국방 현장에 적용하는 전략이다. 최근에는 한화오션의 자율 용접 AI 개발 과제를 수주해 주목 받았다. 향후 강한 아크광과 용접 분진, 거친 야외 환경에서도 용접선을 인식하고 결함을 탐지하는 비전 모델을 개발해 협동로봇에 적용할 예정이다. 포스코DX와는 로봇 파운데이션 모델 공동 개발에 나섰다. 시각과 언어, 물리적 행동을 통합 처리하는 시각언어행동(VLA) 모델을 고도화하고 디지털 트윈 환경에서 산업용 로봇을 학습시키는 것이 목표다. 현대로템과 구성한 컨소시엄은 국방과학연구소의 '피지컬 AI 기반 통합 시뮬레이터 및 모듈형 로봇 시스템' 과제를 수주했다. NC AI는 국방 지형과 작전 상황을 가상 공간에 구현하고 로봇 학습에 필요한 합성 데이터를 공급하는 월드모델 개발을 맡는다. 이 같은 한화오션·포스코DX·현대로템과의 협력은 비전 인식과 VLA, 월드모델을 제조·국방 로봇에 적용하는 방향으로 이어지고 있다. NC AI는 이를 토대로 산업 현장의 인식부터 학습·판단·행동까지 아우르는 피지컬 AI 사업을 확대한다는 방침이다. 업계 관계자는 "두 기업 모두 독파모 참여를 통해 범용 모델 개발에 필요한 기술과 운영 역량을 점검한 경험이 이후 산업 AI 사업의 기반이 된 것으로 보인다"며 "당시 축적한 역량을 국방·제조처럼 수요가 분명한 분야에 적용하면서 사업화 범위를 넓히고 있다"고 말했다.

2026.07.21 10:36장유미 기자

AI 스타트업 비드래프트, 독자 개발 파운데이션 모델 'Aether-7B-5Attn' 선봬

AI 스타트업 비드래프트(대표 김민식)는 독자 개발한 오픈소스 파운데이션 모델 'Aether-7B-5Attn'을 글로벌 AI 플랫폼 허깅페이스(Hugging Face)에 공개했다고 20일 밝혔다. Aether-7B-5Attn은 Apache-2.0 라이선스로 공개됐으며, 모델 가중치뿐 아니라 학습 데이터 레시피, 전체 학습 코드, 하이퍼파라미터, 학습 로그, 중간 체크포인트, 평가 코드까지 포함한 완전 공개형 모델을 지향한다고 회사 측은 설명했다. 비드래프트는 서울 소재 AI 딥테크 기업으로, Pre-AGI 수준의 AI 기술과 양자컴퓨터 기술 기반 물리·화학·생명·의약 등 연구개발 분야가 다양하다. 이 회사는 Darwin 모델 패밀리, AETHER 아키텍처, PROMETHEUS 월드모델, HEPHAESTUS 임바디드 AI로 이어지는 4계층 통합 AGI 시스템을 제시하고 있으며, 공식 홈페이지에서 'Darwin이 결과를 만들고, AETHER가 미래를 설계한다'는 방향성을 내세우고 있다. 비드래프트는 2026년 Darwin 계열 모델로 K-AI 리더보드 종합 1위, GPQA Diamond 90.9%, Polaris 글로벌 신약개발 리더보드 14관왕, 메타인지 리더보드 1위 등의 성과를 공개해 왔다. 또한 Darwin 모델 패밀리는 허깅페이스 누적 다운로드 100만 건을 돌파한 것으로 소개되고 있으며, 회사는 모델 개발뿐 아니라 추론 가속 엔진 VKAE, 경량 구동 엔진 VKUE 등 AI 인프라 기술도 함께 개발하고 있다. 그동안 AI 업계에서 '오픈소스 LLM'이라고 불린 다수 모델은 실제로는 가중치만 배포하는 '오픈 웨이트' 형태에 가까웠다. 가중치는 내려받아 실행할 수 있지만, 어떤 데이터로 어떻게 학습됐는지, 어떤 설정값과 코드로 만들어졌는지 확인하기 어려운 경우가 많았다. 이 경우 외부 연구자와 기업은 모델을 사용할 수는 있어도 동일한 과정을 재현하거나 독립적으로 검증하기 어렵다. Aether-7B-5Attn은 이러한 한계를 넘어서는 데 초점을 맞췄다. 공개 저장소만으로 학습 데이터 구성과 토큰화 과정, 학습 코드, 설정값, 로그, 평가 절차를 추적할 수 있도록 설계해 모델의 '결과'뿐 아니라 '제조 공정' 자체를 공개했다. 이는 Allen AI의 OLMo처럼 재현 가능성을 중시하는 오픈 파운데이션 모델 흐름과 같은 방향의 시도다. Aether-7B-5Attn은 총 65.9억 파라미터 규모의 전문가 혼합(MoE) 구조를 채택했으며, 토큰당 약 29.8억 파라미터만 활성화해 추론 효율을 높였다. 또한 Full Attention, Differential Attention, Sliding Window, NSA 계열 희소 어텐션, Hybrid 방식 등 5종의 이종 어텐션 메커니즘을 하나의 모델 안에 결합했다. 49개 층은 7×7 라틴 스퀘어 구조로 배치해 특정 어텐션 방식이 특정 깊이에 편중되지 않도록 설계했다. 학습은 엔비디아 B200 GPU 16장을 활용해 약 1442억 토큰 규모로 진행됐다. 데이터 구성은 수학 37.8%, 한국어 21.6%, 영어 21.6% 등을 포함하며, 영어 중심 모델이 아닌 한국어와 영어를 함께 고려한 독자 파운데이션 모델이라는 점도 특징이다. 베이스 모델과 인스트럭트 모델, 라이브 데모는 허깅페이스를 통해 공개됐다. 이번 공개는 '소버린 AI' 논의에서도 의미가 있다. 소버린 AI는 단순히 특정 국가나 기업이 모델 가중치를 보유하는 것을 넘어, 데이터·코드·학습 과정·평가 절차를 이해하고 필요할 경우 독립적으로 재현할 수 있는 능력에서 출발한다. 제조 공정 전체가 공개된 모델은 국가, 기업, 대학, 연구기관이 외부 빅테크에 대한 의존도를 줄이고 자신들의 언어·산업·보안 환경에 맞는 AI를 구축할 수 있는 기반이 된다. 완전 공개형 파운데이션 모델은 그동안 OLMo, Apertus, LLM-jp 등 해외 연구기관 또는 국가 단위 컨소시엄 중심으로 추진돼 왔다. 비드래프트는 단일 스타트업으로서 유사한 수준의 개방성과 재현 가능성을 지향하는 모델을 공개함으로써, 한국 AI 생태계에서도 독자 파운데이션 모델을 만들고 공개적으로 검증받는 흐름이 가능하다는 점을 보여줬다. 김민식 비드래프트 대표는 “남이 만든 가중치를 내려받는 것만으로는 AI 주권이 완성되지 않는다”며 “데이터와 코드, 학습 과정까지 공개해 누구나 다시 만들고 검증할 수 있게 하는 것이 오픈소스의 본질이자 소버린 AI의 출발점”이라고 전했다. 이어 “Aether-7B-5Attn 공개가 국내 AI 생태계에서 투명성, 재현성, 독자 모델 개발 역량에 대한 논의를 한 단계 끌어올리는 계기가 되길 바란다”고 덧붙였다.

2026.07.20 14:45이도원 기자

이재명 대통령 "한국형 AI 동맹 필요…미·중 모델 의존도 낮춰야"

이재명 대통령이 독자 인공지능(AI) 모델 개발 초기부터 각국과 언어·데이터 협력 체계를 구축하라고 주문했다. 미국과 중국 중심 AI 생태계 의존도를 낮추고 한국형 모델을 앞세워 소버린 AI 협력망을 만들기 위해서다. 이재명 대통령은 16일 과학기술정보통신부 업무보고에서 배경훈 부총리 겸 과기정통부 장관에게 독자 AI 모델의 다국어 확장 전략과 해외 협력 방안을 이같이 강조했다. 이 대통령은 한국이 미국과 중국에 이은 AI 3강을 목표로 하더라도 모델 성능 경쟁에만 머물러서는 안 된다고 봤다. AI 종속을 우려하는 국가들과 초기부터 협력하면 새로운 시장과 국가 간 협력 기반을 함께 확보할 수 있다는 판단이다. 그는 "미국과 중국 AI 모델에 대한 의존도가 높아질수록 국가적 위험도 커질 수 있다"며 "최근 미토스 사태처럼 해외 기업이 갑자기 서비스를 중단하거나 이용 정책을 바꾸면 해당 AI를 활용하는 국가가 대응하기 어려울 것"이라고 우려했다. 이 대통령은 각국 정상이 자국의 독자 AI 모델을 갖기를 원하고 있다고 주장했다. 특히 규모가 작은 국가나 고유 언어를 사용하는 국가와 협력하려면 해당 언어와 데이터를 모델 개발 초기부터 반영하는 방안을 마련해야 한다고 주문했다. 그는 AI 모델을 완성한 뒤 수출하는 구조보다 모델 개발 과정부터 협력국 손잡는 체계를 만들어야 한다고 강조했다. 국가별 언어·데이터를 한국형 범용 모델에 결합해야 특정 빅테크에 종속되지 않는 공동 AI 생태계를 만들 수 있다는 구상이다. 이날 배경훈 부총리는 국내 AI 모델 개발사들이 한국어와 영어에서 경쟁력을 확보했으며, 스페인어와 일본어도 일정 수준 지원하고 있다고 설명했다. 특히 베트남과 몽골도 자국 언어로 작동하는 소버린 AI 구축을 희망하고 있어 이를 위한 다국어 확대 전략도 알렸다. 배 부총리는 "우리는 한국어와 영어 성능을 세계 최고 수준으로 높인 뒤 국가별 언어를 추가하는 방식을 검토하고 있다"며 "협력국으로부터 언어 데이터를 받아 모델의 초기 학습 단계부터 이를 반영하거나 범용 거대언어모델(LLM)을 만든 뒤 해당 국가 데이터를 추가 학습하는 방식을 진행할 것"이라고 밝혔다. 배 부총리는 소수 언어를 지원하는 기술적 난도보다 학습에 필요한 데이터를 확보·정비하는 과정이 더 큰 과제라고 봤다. 그는 "각국 언어가 디지털 자료로 충분히 축적됐으면 추가 학습이 비교적 쉽다"며 "만약 데이터가 부족하면 디지털화와 정제 작업부터 진행해야 할 것"이라고 말했다. 이어 "AI 모델을 만드는 기업·기관이 모든 데이터를 수집하기는 어렵다"며 "각국이 데이터만 잘 모아 정비해 놓으면 각국 소버린 AI 협력 체계는 수월할 것"이라고 덧붙였다.

2026.07.16 13:32김미정 기자

[유미's 픽] "해외 정부와 다르다"…AI G3 노린 韓, 전국민 무료 AI 내세운 까닭은

정부가 전국민에게 이용량 제한 없이 국산 인공지능(AI)을 제공하는 '모두의 AI' 사업에 착수하면서 국내 AI 시장의 경쟁 구도가 서비스 중심으로 옮겨가고 있다. 해외 주요국이 행정 안내와 공무원 업무 지원, 컴퓨팅 인프라 확충을 각각 추진하는 것과 달리 우리나라 정부는 전국민 무료 AI 서비스에 승부수를 던진 모습이다. 15일 과학기술정보통신부와 정보통신산업진흥원에 따르면 모두의 AI는 국민의 AI 접근성과 활용 역량 격차를 줄이고 국산 AI 모델의 서비스 경쟁력을 높이기 위해 추진된다. 정부가 연산 자원만 제공하는 데서 벗어나 전국민 이용 수요를 직접 만들어 국산 모델에 대규모 실사용 경험을 공급하는 구조다. 정부는 오는 8월 11일까지 공모를 거쳐 2~3개 기업 또는 컨소시엄을 선정한다. 사업자는 9월 베타서비스를 시작하고 12월부터 무료 범용 AI 챗봇과 공공 AI 에이전트, 특화 서비스를 제공해야 한다. 올해는 엔비디아 B200 그래픽처리장치(GPU) 최대 512장을 기업당 256장 또는 128장씩 배분한다. 자부담금 매칭이 필요하며 2027년 이후 GPU 비용과 운영비 지원 방식·규모는 관계부처와 국회 협의를 거쳐 결정된다.정부가 이번 사업을 추진한 이유는 외산 AI 서비스 의존과 AI 활용 격차에 대한 우려 때문이다. 국내 생성형 AI 이용자는 약 2300만 명에 달하지만 상당수 외산 서비스 무료 버전을 사용하고 있는 것으로 나타났다. 또 현재 국민 약 3분의 1은 여전히 AI를 이용하지 않는 것으로 집계됐다. 배경훈 부총리 겸 과기정통부 장관은 "모두의 AI는 단순한 서비스를 넘어 우리 국민들이 AI와 함께 일하고 배우며 일상을 영위할 수 있도록 지원하는 AI 시대의 계산기·컴퓨터"라고 밝혔다. 행정 효율 넘어 산업 육성까지…한국형 AI 정책 실험 모두의 AI는 행정서비스 개선이나 인프라 공급에 머문 해외 정책보다 한발 더 나아가 전국민 이용 수요와 국산 AI 산업 육성을 동시에 겨냥했다는 점에서 많은 주목을 받고 있다. 현재 해외에선 AI를 특정 행정서비스에 적용하거나 공무원 업무를 지원하고, 민간 기업에 컴퓨팅 인프라를 공급하는 방식이 주로 활용되고 있다. 한국처럼 정부가 전국민용 범용 AI의 개발과 운영까지 직접 지원하는 사례는 드문 편이다. 해외 사례를 살펴보면 국민 대상 행정 안내, 공무원 업무 지원, 민간 AI 인프라 공급으로 정책 방향이 나뉜다. 영국은 '거브닷UK 챗(GOV.UK Chat)'을 통해 정부 공식 정보를 기반으로 복지와 연금, 주택, 직업훈련 등 국민의 행정 관련 질문에 답하는 서비스를 제공 중이다. 정부 웹사이트를 일일이 찾거나, 상담센터에 문의하는 불편을 줄이는 디지털 행정 창구에 초점을 맞췄다. 싱가포르는 공무원의 자료 조사와 문서 작성, 아이디어 생성을 지원하는 내부 AI 도구 '페어(Pair)'를 앞세우고 있다. 정부 업무 생산성과 보안성을 높이는 것이 주된 목적이다. 인도는 '인디아AI 미션'을 통해 1만8000개 이상의 AI 연산 자원을 확보하고 스타트업과 연구기관 등에 최대 40% 낮은 비용으로 공급하고 있다.미국은 연방기관의 AI 도입과 공무원 업무 효율화에, 중국은 정무서비스 적용과 기업의 연산·모델 이용 지원에 무게를 두고 있다. 두 나라 모두 국가 차원의 AI 활용을 확대하고 있지만 정부가 전국민용 범용 AI의 개발과 운영을 직접 지원하는 한국과는 정책 구조가 다르다. 이와 달리 우리나라는 국민이 직접 쓰는 범용 AI를 정책의 중심으로 삼고 있다. 무료 서비스에 국산 모델 활용 조건과 GPU 지원을 더해 AI 이용 격차를 줄이고, 외산 서비스에 몰린 수요와 데이터를 국내 산업으로 끌어오겠다는 구상을 펼치고 있다. 이에 사업자는 독자 파운데이션 모델 기준을 충족하는 국산 모델을 50% 이상 활용하고 자사 외 다른 기업의 국산 모델도 30% 이상 사용해야 한다. 외산 모델은 제한적으로 병용할 수 있지만 해당 사용분은 정부 지원에서 제외된다. 디지털플랫폼정부위원회 인공지능플랫폼혁신국장 출신인 이승현 라이너 AI 에반젤리스트는 "외산 AI와의 병용을 일부 허용한 하이브리드 전략은 영리하고 실리적인 소버린 AI 확보 방안"이라며 "국산 모델이 일정 수준의 성능을 갖췄더라도 글로벌 빅테크보다 대규모 서비스 운영 경험이 부족한 만큼 초기 품질을 보완하면서 상호작용 데이터와 운영 노하우를 국내 인프라에 축적할 수 있다"고 말했다. 'K-AI' 확산 노린 정부, 독자 모델 개발·모두의 AI 투트랙 추진 업계에선 '모두의 AI'가 정부의 독자 AI 파운데이션 모델 사업과 지원 대상이 일부 겹치면서 AI 예산과 GPU가 분산될 수 있다고 우려했다. 반면 일각에선 두 사업이 같은 영역을 중복 지원하기보다 모델 개발과 서비스 구현을 나눠 맡는 구조로 봐야 한다는 의견도 내놨다. 실제 독자 AI 파운데이션 모델 사업은 글로벌 선도 모델과 경쟁할 기반 모델 확보에 초점을 두고 있다. 모두의 AI는 국산 모델을 검색과 데이터, 외부 도구 등과 결합해 국민이 실제로 사용하는 서비스로 구현하고 대규모 운영 경험을 쌓는 데 중점을 두고 있다. 이는 모델 개발과 제품 구현을 각각 맡겨 역량과 자원이 한쪽에 과도하게 분산되는 것을 줄이려는 취지다. 업계 관계자는 "독자 AI 파운데이션 모델 사업은 모델 자체를 개발하는 영역이고 모두의 AI는 여러 모델과 기술을 결합해 제품을 만드는 엔지니어링 영역"이라며 "모델 개발사에 촉박한 일정으로 전국민 서비스 구축까지 동시에 맡기면 인력과 시간, 인프라 측면에서 부담이 커질 수 있다"고 말했다. 다만 두 사업의 성과가 따로 쌓이면 정책 효과가 제한될 수 있다는 점은 다소 우려된다. 모두의 AI에서 확보한 이용자 상호작용과 에이전트 실행 기록, 오류·장애 대응 경험이 독자 모델 고도화에 반영돼야 모델 개발과 서비스 운영이 선순환 구조를 만들 수 있어서다. 이 연결이 약하면 학습과 서비스에 각각 투입한 GPU와 예산의 효율도 떨어질 수 있다. 이 에반젤리스트는 "단순한 모델 스펙 경쟁을 넘어 서빙 단계에서 국산 모델이 얼마나 밀도 높은 트래픽 경험과 실전 데이터를 축적하느냐가 중요하다"며 "에이전트 구동 과정에서 발생하는 핵심 상호작용 데이터와 운영 노하우를 국내 자산으로 쌓아 국산 모델 개선에 활용해야 한다"고 강조했다. 정부 지원 이후 자생력 입증해야 업계는 우리나라가 반도체와 디지털 인프라를 활용해 전국민 단위의 AI 수요를 만든다는 점을 두고 과감한 소버린 AI 정책을 펼치고 있다고 평가했다. 그러나 정부 지원으로 확보한 이용량이 독자적인 서비스 경쟁력과 수익성, 해외 확장으로 이어지는지는 별도로 입증해야 하는 부담도 크다고 봤다. 정부도 이를 의식해 이번 발표 평가에서 서비스 편의성과 이용자 확보·유지 전략을 가장 높은 50점으로 배정했다. 모델 성능보다 국민이 실제로 사용하고 계속 찾는 서비스를 만들 수 있는지를 중점적으로 살피겠다는 의지를 드러낸 것이다. 이 외에 서비스 품질·안정성은 30점, 국내 AI 생태계 기여도는 20점이 만점이다.일각에선 새롭게 구축한 서비스만으로 단기간에 전국민 이용을 끌어내기는 쉽지 않다는 의견도 내놨다. 또 이미 대규모 이용자를 확보한 포털과 앱에 국산 모델과 AI 기술을 접목하는 방식이 이용 확산과 비용 효율 측면에서 현실적일 수 있다고 주장했다. 업계 관계자는 "범용 모델을 통해 국민의 AI 리터러시를 높이겠다는 사업 취지에는 공감한다"며 "다만 새로운 서비스를 만들어 전국민 이용을 끌어내기는 쉽지 않은 만큼 국내 모델과 기술을 이미 국민이 사용하는 포털과 앱 등 다양한 플랫폼에 접목해 AI 활용 범위를 넓히는 것이 효과와 비용 측면에서 더 현실적일 수 있다"고 강조했다. 전국민 무료 서비스가 기존 민간 AI 구독 시장과 경쟁하거나 일부 사업자에 GPU와 데이터가 집중될 가능성이 있다는 점 역시 부담 요소로 지목됐다. 9월 베타서비스와 12월 정식 출시 일정도 촉박해 여러 모델을 연결하고 보안과 개인정보 보호, 장애 대응 체계를 단기간에 갖춰야 한다는 점도 기업들이 해결해야 할 과제로 남았다. 정부 역시 대응책 마련에 적극 나서야 할 것으로 보인다. 공공 AI 에이전트가 효용을 내려면 기존 행정 절차와 시스템 개선을 병행해야 하기 때문이다. 부처별로 파편화된 절차를 그대로 둔 채 AI만 추가할 경우에는 이용자 접점과 책임 체계가 더 복잡해질 수 있다. 또 에이전트의 권한과 실행 이력, 품질과 보안을 관리하는 에이전트옵스 체계도 앞으로 필요하다. 이 에반젤리스트는 "정부 부처 간 복잡한 절차와 파편화된 시스템을 혁신하지 않은 채 AI 에이전트만 얹으면 또 다른 파편화를 낳을 수 있다"며 "국민이 실제 효용을 느끼도록 행정 절차 혁신과 에이전트 운영 체계를 함께 준비해야 한다"고 강조했다.

2026.07.15 10:40장유미 기자

정부, 2028년 '산업 특화 휴머노이드' 상용화…2030년 피지컬 AI 1강 도약

정부가 2028년 상용화를 목표로 10대 산업 특화 휴머노이드를 개발한다. 데이터팩토리를 구축해 실제 산업 현장 데이터를 확보하고, 자체 로봇 파운데이션 모델(RFM)을 개발한다는 계획이다. 데이터팩토리는 로봇이 인간처럼 움직이고 복잡한 작업을 수행하도록 고품질 행동·시각·촉각 데이터(액션 데이터)를 대량으로 수집, 가공, 학습하는 인프라다. 로봇 파운데이션 모델은 한 모델로 여러 작업과 로봇에 두루 쓸 수 있는 범용 인공지능(AI) 두뇌다. 산업통상부는 29일 청와대에서 열린 '대한민국 대도약 3대 메가프로젝트 국민보고회'에서 "2030년까지 피지컬 AI 1강으로 도약하겠다"고 밝혔다. 정부는 실데이터와 합성데이터 확보에 집중한다. 먼저 10대 업종을 선별해 중소기업 현장 데이터 대량 수집체계를 구축한다. 10대 업종은 ▲화학 ▲조선 ▲디스플레이 ▲가전 ▲물류 ▲의료 ▲호텔 ▲자동차 ▲철강 ▲배터리 등이다. 다만 자동차, 철강, 배터리 분야는 확정이 아니다. 정부·민간 데이터를 집적한 범정부 데이터 라이브러리도 세운다. 정부는 데이터 표준화와 가이드라인을 배포하고, 정부사업에서 민간과 협력해 일관된 형태로 데이터를 생산할 방침이다. 실데이터의 절대적 부족을 해결하기 위해 가상환경에서 저렴하게 데이터를 생산하는 합성데이터 인프라도 만든다. 물리법칙에 맞는 대량의 합성데이터를 생성할 수 있는 월드모델을 개발하고, 현실세계를 구현한 디지털트윈을 활용해 합성데이터를 생산한다는 계획이다. 정부는 내년부터 매년 AI 로봇을 1000대씩 사업장에 배치한다. 로봇 형태는 휴머노이드 등 다양하다. 형태에 집착하기보다 산업 환경에 맞는 로봇을 우선 배포한 다음 데이터를 확보해 2028년 휴머노이드를 선보인다는 의도로 풀이된다. 하드웨어 개발에도 힘을 쏟는다. 국내 로봇 3대 취약 부품인 액추에이터, 로봇손, 센서 연구개발(R&D)을 지원하고, 로봇 맞춤형 반도체·배터리를 개발한다. 또 로봇을 자체 생산할 여력이 부족한 스타트업을 지원하기 위해 새만금에 로봇 파운드리를 구축한다. 로봇 파운드리 구축에는 현대자동차그룹이 참여한다. 인력 양성과 금융 지원도 병행한다. 범부처가 협업해 향후 5년 간 로봇 전문인력 1만명을 배출하고, 국민성장펀드 등으로 기업의 신증설 투자자금을 지원할 계획이다. 산업부는 "대규모 투자와 산학연의 모든 역량을 결집해 3년 내에 세계 최고 수준의 독자 피지컬 AI 파운데이션 모델을 개발하겠다"고 말했다.

2026.06.29 16:06진운용 기자

SKT 독자 AI 파운데이션 모델, 국방 이어 제조업에 첫 적용

SK텔레콤이 자체 개발한 독자 AI 파운데이션 모델이 철강, 자동차 부품 공장에 적용된다. SK텔레콤은 철강 제조 기업 KG스틸, 자동차 부품 제조 기업 코넥과 각각 독자 AI 파운데이션 모델 기반 AI 에이전트 현장 실증 추진을 위한 전략적 업무협약을 체결했다고 25일 밝혔다. 국방 분야에 이어 SK텔레콤 독자 AI 파운데이션 모델이 제조업에 적용되는 첫 사례다. SK텔레콤은 지난 4월부터 KG스틸과 코넥이 보유하고 있는 과거 공정 오류와 사고 분석 보고서, 장비 매뉴얼 및 로그 등 양질의 데이터를 확보하고 독자 AI 파운데이션 모델 A.X K1 기반으로 '제조 특화 AI 에이전트' 데모 버전을 개발했다. A.X K1은 5190억 개 매개변수를 갖춘 초거대 언어 모델이다. 복잡한 작업을 처리하는 능력이 뛰어나면서도, 추론할 때는 약 330억 개 매개변수만 활성화된다. 전체 모델은 크지만 필요한 부분만 활성화하는 구조로 산업 현장에서 효율적으로 사용할 수 있다. SK텔레콤과 KG스틸, 코넥은 하반기에 제조 특화 AI 에이전트 데모 버전을 도금 강판을 생산하는 KG스틸의 당진공장 냉간 압연 라인과 코넥의 주조·가공 공정에 각각 적용해 실증을 진행한다. KG스틸과 코넥은 SK텔레콤에 더 많은 양질의 제조 공정 데이터를 실시간으로 공유하고, SK텔레콤은 이 데이터와 실증 과정에서 발생하는 현장 피드백을 기반으로 제조 특화 AI 에이전트 성능과 추론 속도를 개선하고 기능도 확장한다. 또한 실증 과정에서 확보된 제조 현장 데이터를 현재 개발 중인 A.X K2 모델 학습에 활용할 계획이다. 실증 완료 후에 '제조 특화 AI에이전트' 상용화 및 도입을 검토할 예정이며, 필요 시 SK텔레콤 독자 AI 파운데이션 모델 후속 시리즈로 모델을 교체하는 방안도 검토한다. 그간 제조업은 AI 도입이 어려운 분야로 꼽혀 왔다. 제조 현장 데이터의 디지털화가 더디고, 그나마 쌓인 데이터도 공정별, 부서별로 각각 생성, 관리되고 있어 AI 활용이 어렵기 때문이다. 작업자의 숙련도와 경험에 따라 업무 처리 방식이 달라지는 점도 한계로 꼽힌다. 핵심 노하우가 특정 숙련공에게만 머무는 '지식 고립' 현상이 대표적이다. 이처럼 산재된 데이터와 숙련공의 경험 지식을 디지털 자산화하고, 이를 학습한 AI 에이전트를 제조 현장에 도입해 공정 과정에서 발생하는 오류에 빠르게 대응하여 조치 시간을 줄이고 공정 효율성을 높일 전망이다. 정석근 SK텔레콤 AI CIC장은 “보안이 중요한 제조 현장에는 데이터를 외부로 내보내지 않고도 활용할 수 있는 독자 AI 파운데이션 모델이 효과적인 해법”이라며 “KG스틸, 코넥과의 협력을 시작으로 제조업의 AI 전환을 앞당기고 독자 AI 파운데이션 모델의 적용 사례를 확대해 나가겠다”고 밝혔다. 배선우 KG스틸 기술연구소장은 “이번 협력으로 현장 데이터를 기반으로 한 AI 도입의 발판을 마련하게 됐다”며 “제조 경쟁력을 한층 끌어올리겠다”고 강조했다. 이광표 코넥 대표이사는 “현장에서 반복되는 품질 관련 이슈에 대한 빠른 대응은 제조업의 오랜 과제였다”며 “AI를 통해 제조 현장에서의 업무 효율성을 높여 나가겠다”고 말했다.

2026.06.25 09:02박수형 기자

피지컬AI 핵심기술 국산화...독자 로봇 파운데이션 모델 개발 착수

국내 피지컬 AI 생태계가 외산에 의존한 시뮬레이션 플랫폼에서 벗어나기 위해 정부가 독자적인 월드모델 원천기술 확보에 나섰다. 또 국산 시뮬레이터 기술을 검증해 국내 기술로 차세대 피지컬AI 파운데이션 모델을 구현하기 위한 사업에 착수했다. 과학기술정보통신부와 정보통신기획평가원은 9일 서울 마곡 LG사이언스파크에서 피지컬AI 선도기술개발 사업의 착수보고회를 개최했다. 피지컬AI는 정부가 올해 초 발표한 AI 기반 국가 혁신 프로젝트인 'K-문샷'의 핵심미션 중 하나로 국방, 농업, 돌봄, 제조, 서비스 등 전 분야를 혁신할 미래기술이자 데이터 주권, 안보 등과 직결되는 국가 전략기술로 주목받고 있다. 특히 현실에서 동작하는 피지컬AI는 사고 시 인명피해로 직결될 수 있어 가상 환경에서의 충분한 사전 학습과 검증이 필수적이다. 이를 가능하게 하는 핵심 인프라가 바로 세상의 변화를 예측해 AI의 학습과 의사결정을 지원하는 월드모델로, 대량의 합성데이터를 생성해 피지컬AI 고도화를 지원하는 플랫폼이다. 이 사업은 LG전자를 주관기관으로 마음AI, 홀리데이로보틱스, 로보티즈,크라우드웍스, 알체라, KT, 한국과학기술원, 서울대학교, 한국정보통신기술협회 등 10개 산학연이 결집했다. 정부는 올해부터 2년간 총 340억원을 투입해 세계 최고 수준의 성능을 빠른 시간 내 달성하는 것을 목표로 연구개발에 박차를 가할 계획이다. 구체적으로 월드모델의 현실 시뮬레이션 성능과 로봇 파운데이션 모델로의 전이 성능을 극대화해 월드모델을 적용하지 않았을 때보다 실제 로봇의 최종 동작 성공률을 20% 포인트 이상 향상시킬 계획이다. 이는 현재 글로벌 최고 수준(14.5%p, OpenGV랩)을 뛰어넘는 도전적인 목표다. 이를 위해 최단기간 내 월드모델 학습, 로봇 파운데이션 모델 연계. 실증 성능 평가, 사례 분석 재학습으로 이어지는 실증 파이프라인을 구축하고 2년간 총 4회에 걸친 반복 검증을 통해 기술의 완성도를 높일 계획이다. 최종 단계에서는 연구실을 넘어 실제 제조·물류 현장에서 실증을 수행해, 사업화 가능한 성과를 창출할 예정이다. 류제명 차관은 “피지컬 AI는 대한민국의 패러다임을 바꿀 국가적 핵심기술이라며, 피지컬 AI 핵심 인프라를 독자적으로 확보하는 것이 피지컬 AI 강국으로 도약하기 위한 출발점”이라고 말했다. 그러면서, “이번 사업은 국내 최고 역량을 가진 대기업, 스타트업, 대학과 연구소가 한뜻으로 뭉친 만큼, 글로벌 경쟁력을 갖춘 기술을 확보하길 기대한다”라며 “과거 TDX 개발 당시 연구진들이 혈서를 쓰는 각오로 교환기 국산화라는 기적을 이뤄냈던 것처럼 이번 사업도 이러한 각오와 사명감으로 임한다면 대한민국이 세계를 선도하는 피지컬AI 강국으로 도약할 수 있을 것이라 확신한다며, 정부 역시 연구 현장의 도전과 혁신이 빠르게 결실을 맺을 수 있도록 모든 정책적 역량을 총결집해 적극 뒷받침하겠다”라고 강조했다.

2026.06.09 15:06박수형 기자

[유미's 픽] 젠슨 황 만난 LG·SKT·업스테이지…독자 AI 2차전 변수될까

젠슨 황 엔비디아 최고경영자(CEO)의 방한을 계기로 국내 독자 인공지능(AI) 파운데이션 모델 경쟁 구도에도 변화가 감지된다. LG AI연구원과 SK텔레콤이 엔비디아와 기술 협력 접점을 넓히고 업스테이지가 국내 대표 AI 스타트업으로 황 CEO와 만나면서 2차 평가를 앞둔 경쟁에 새 변수가 더해졌다는 분석이 나온다. 9일 업계에 따르면 정부의 독자 AI 파운데이션 모델 프로젝트에는 LG AI연구원, SK텔레콤, 업스테이지, 모티프테크놀로지스 등 4곳이 정예팀으로 참여하고 있다. 이들 기업은 오는 8월 2차 평가를 거쳐 1곳이 탈락하고, 내년 2월 최종 2곳이 선정되는 일정을 앞두고 있다. 1차 평가 이후 독자성 논란이 불거졌던 만큼 2차 평가에서는 모델 성능뿐 아니라 활용성, 기술 자립성, 산업 적용 가능성 등이 더 면밀히 다뤄질 가능성이 거론된다. 이 같은 상황에서 이번 엔비디아 협력은 LG AI연구원과 SK텔레콤에 비교적 직접적인 기회로 작용할 수 있을 것으로 예상된다. 두 회사 모두 엔비디아와의 협력 범위가 단순 회동을 넘어 모델 개발, 학습 인프라, AI 클라우드, 추론 최적화 등으로 연결돼 있어서다. 또 대규모 AI 모델 경쟁이 벤치마크 점수를 넘어 실제 서비스 구현 역량까지 따지는 방향으로 바뀌면서 글로벌 AI 인프라 기업과의 협력 가치도 커지고 있다. LG AI연구원은 자체 모델 엑사원(EXAONE) 고도화에 엔비디아 기술을 활용할 예정이다. LG와 엔비디아는 전날 서울 여의도 LG트윈타워에서 최고경영진 회의를 열고 피지컬 AI, AI 인프라, 모빌리티 등 차세대 AI 산업 협력 방안을 논의했다. 이 자리에서 엑사원 생태계 확장을 위한 기술 협력도 함께 다뤄졌다. LG AI연구원은 엑사원 성능 강화 과정에서 엔비디아의 최신 그래픽처리장치(GPU)인 블랙웰과 AI 개발 플랫폼 네모 프레임워크, 추론 성능 강화 소프트웨어 텐서RT-LLM을 활용할 계획이다. 또 AI 모델 데이터 학습 품질을 높이기 위해 엔비디아의 네모트론 오픈 데이터셋도 활용키로 했다. 이는 엑사원의 학습 효율과 추론 성능을 높이고 실제 산업 현장 적용 기반을 넓히려는 행보로 풀이된다. LG AI연구원은 1차 평가에서 K-엑사원을 앞세워 국내 모델 중 1위(90.2점)를 기록했다. 2차 평가에서는 모델 규모와 성능을 끌어올려 글로벌 최신 오픈웨이트 모델과 경쟁할 수 있는 수준을 목표로 하고 있다. 지식, 추론, 지시어 이행, 롱 컨텍스트뿐 아니라 에이전틱 툴 활용과 코딩 영역에서도 성능 개선을 추진 중이다. SK텔레콤은 엔비디아와의 협력을 모델 개발과 AI 인프라 사업 양쪽으로 연결하고 있다. 이곳은 독자 AI 파운데이션 모델 프로젝트에서 에이닷엑스 케이원(A.X K1)의 후속 모델인 에이닷엑스 케이투(A.X K2)를 개발하고 있다. 엔비디아와는 학습 데이터, 인프라, 프레임워크 전반에서 기술 협력을 이어가고 있다. SK그룹 차원의 협력도 SK텔레콤에 힘을 싣는 구조다. SK텔레콤은 엔비디아 DSX 플랫폼 기반 AI팩토리 구축과 운영을 맡는다. SK하이닉스는 엔비디아와 AI팩토리용 차세대 메모리를 공동 개발한다. SK텔레콤은 이를 기가와트급 인프라로 확장해 아시아 AI 클라우드 사업자로 도약하겠다는 구상을 제시했다. 3개 팀을 선별할 오는 8월 평가에서는 이 같은 인프라 구상이 A.X K2의 모델 경쟁력을 얼마나 보완할 수 있을지도 관심사다. 다만 AI 클라우드 사업 계획보다 모델 자체의 성능과 활용성이 별도로 검증될 가능성이 크다. 업스테이지는 LG AI연구원이나 SK텔레콤처럼 대규모 그룹 인프라를 갖춘 것은 아니지만, 지난 8일 오후 젠슨 황 CEO와 진행된 국내 AI 스타트업 간담회에 주요 기업으로 참석해 시장 주목도를 높였다. 다만 엔비디아와의 구체적인 기술 협력 발표가 나온 것은 아닌 만큼 독자 AI 파운데이션 모델 평가에서는 솔라 계열 모델의 실제 성능과 활용 사례가 더 중요한 판단 기준이 될 가능성이 크다. 모티프테크놀로지스는 이번 엔비디아 방한 흐름에서는 상대적으로 주목도가 낮지만, 독자 아키텍처를 앞세운 차별화 전략을 내세우고 있다. 뒤늦게 정예팀에 합류한 만큼 2차 평가까지 남은 기간 동안 성능 안정화와 기술 독자성을 얼마나 설득력 있게 보여줄지가 과제로 꼽힌다. 업계 관계자는 "엔비디아 협력이 평가 우위를 곧바로 보장하지는 않을 것"이라며 "정부 프로젝트가 지향하는 방향이 해외 AI 생태계와의 친밀도보다 국내 주도의 모델 개발 역량과 산업 활용 생태계 구축에 있기 때문"이라고 봤다. 그러면서 "각 기업이 자체 모델의 성능과 활용 사례, 기술 독자성을 얼마나 설득력 있게 보여주느냐가 더 중요하게 작용할 것"이라고 덧붙였다.

2026.06.09 10:31장유미 기자

[유미's 픽] "독파모 잊었다"…NC AI, 국방·산업·콘텐츠로 특화 AI 승부수

올해 초 독자 AI 파운데이션 모델 개발 사업에서 고배를 마신 NC AI가 산업 특화 인공지능(AI) 시장에서 반격의 발판을 마련하며 영역 확장에 속도를 내고 있다. 범용 초거대 AI 모델 경쟁에서 벗어나 로봇, 디지털 트윈, 3D 생성 AI 등 자사가 강점을 가진 분야로 사업 무게 중심을 빠르게 옮긴 분위기다. NC AI는 현대로템과 컨소시엄을 구성해 국방과학연구소가 발주한 '피지컬 AI 기반 통합 시뮬레이터 및 모듈형 로봇 시스템' 국책 연구개발 과제의 최종 사업자로 선정됐다고 28일 밝혔다. NC AI는 이번 과제에서 로봇 파운데이션 모델(RFM) 구현에 필요한 핵심 기술인 '월드모델' 개발을 총괄한다. 월드모델은 로봇이 현실 세계의 물리 법칙과 환경 변화를 가상 환경에서 학습하도록 돕는 기술이다. 무인 로봇이 실제 전장이나 야지 환경에 투입됐을 때 시뮬레이션과 현실 간 차이를 줄이는 데 활용된다. NC AI는 고정밀 3D 가상 세계 구축 역량과 자체 3D 생성 AI 기술을 결합해 로봇 학습용 합성 데이터 공급 체계를 구축할 계획이다. NC AI는 독자 AI 파운데이션 모델 개발 사업 1차 평가 탈락 이후 범용 모델 경쟁보다 산업 현장 적용에 초점을 맞추고 있다. 이번 국방 과제 선정도 이 같은 전략 변화를 보여주는 사례로, 파운데이션 모델을 기반 기술로 활용하면서도 실제 사업화는 산업별 솔루션과 멀티모달 모듈을 통해 추진하는 방향을 택했다. 올해 초에는 이노비즈협회와 중소기업 AX 혁신을 위한 업무협약을 체결하며 산업 현장형 AI 도입 모델 발굴에도 나섰다. NC AI는 2만3000여 개 이노비즈기업 및 회원사 네트워크를 기반으로 현재 업종, 규모, 디지털 수준에 맞춘 AI 솔루션 적용 방안을 논의하고 있다. 이는 범용 AI를 일괄 적용하기보다 산업별 업무 구조에 맞춘 버티컬 AI 모델을 확산하려는 전략으로 풀이된다. 피지컬 AI 영역에서도 협업 범위를 넓히고 있다. NC AI는 신한금융그룹과 월드모델, 시각언어행동(VLA), 디지털 트윈 기술을 오프라인 영업점 공간 분석과 운영 효율화에 적용하는 실증을 진행 중인 것으로 알려졌다. 또 강원 춘천시 AI 특화 시범도시 사업에도 참여하며 도시 인프라 단위의 공간 AI 적용 가능성을 모색하고 있다. 콘텐츠 분야에선 바르코(VARCO) 생태계를 앞세우고 있다. 영상, 3D, 오디오 등 멀티모달 기술 킷을 창작자와 기업 고객에게 개방하고, 생성형 AI 기반 광고영상 공모전 등을 통해 실무 접점을 늘리고 있다. 패션·라이프스타일 커머스 분야에서도 텍스트 기반 패션 생성, 가상 피팅, 초개인화 비주얼 에이전트 등 버티컬 AI 적용을 추진 중이다. 산업 모델 '배키(VAETKI)'도 국방, 제조, 물류 등 보안과 현장성이 중요한 분야를 겨냥하고 있다. 특정 산업 데이터와 업무 흐름을 반영한 모델을 통해 범용 AI와 다른 비용 효율성과 적용성을 내세우려는 시도다. 업계에선 NC AI가 독파모 탈락 이후 범용 모델 성능 경쟁보다 현장 적용성과 수익화 가능성에 초점을 맞추고 있다고 봤다. 국방 피지컬 AI 과제와 중소기업 AX, 금융·도시·콘텐츠 실증이 개별 프로젝트를 넘어 공통 기술 자산으로 축적될 경우 산업 AI 사업 확장에도 힘이 실릴 수 있다. 업계 관계자는 "범용 파운데이션 모델 경쟁에서는 컴퓨팅 자원과 대규모 자본이 중요하지만 산업 AI는 현장 데이터, 도메인 이해도, 구축 경험이 더 크게 작용한다"며 "NC AI가 월드모델과 3D·멀티모달 기술을 국방, 금융, 도시, 콘텐츠 분야에서 반복 적용 가능한 형태로 만들 수 있다면 독자적인 사업 기회를 확보할 수 있을 것"이라고 말했다.

2026.05.28 08:10장유미 기자

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