독파모와 프런티어 AI를 계속 가져가야 하는 다섯 가지 이유
"그냥 미국 것이나 중국 것을 쓰면 되지, 왜 굳이 우리 것을 만드나." 독자 AI 파운데이션 모델, 독파모를 둘러싼 비판의 핵심은 이 한 문장으로 요약할 수 있다. 지난 4월 기준 국내 챗GPT 월간 이용자는 2345만 명이고, 성능은 미국이 앞서며 값은 중국 오픈웨이트가 싸다. 2000억 원 넘게 들어간 독파모가 이번 주에는 폐지 수순이라는 기사까지 나왔다. 이런 논란이 지속되자, 배경훈 부총리는 9월 29일 독파모는 계속되며 프런티어 AI에도 도전하겠다고 밝혔다. 옳은 방향이라고 본다. 하지만, '왜 필요한가'와 '역할을 어떻게 나눌 것인가'는 아직 충분히 대중들에게 설명되지 않았다. 그래서 미력하나마 그동안 필자가 주장해왔던 내용을 정리해보고자 한다. 단순히 AI를 산업 기술로만 본다면 비판도 합리적이라고 볼 수 있다. 값싸고 성능 좋은 것을 사 쓰는 것이 경제학의 기본이다. 그러나 AI는 산업 기술이기만 한 것이 아니다. 핵무기는 소수 국가의 금고에 봉인된 채 힘의 순위를 갈랐고, 인터넷은 누구나 쓰는 범용기술로 수십 년에 걸쳐 가치의 셈법을 바꿨다. 그런데, 이 AI라는 것은 이 둘을 같은 시간선 위에서 같은 강도로 결합한 첫 기술이다. 그래서 그 자체가 전략자산이면서 전기처럼 모든 곳에 스며들고, 지금 미·중 패권 경쟁의 한복판에 있다. 그래서 우리가 가져야 하는 질문은 결국 주권의 문제가 될 수 밖에 없다. 만들 수 있는가(기술), 부가 안에 남는가(경제), 멈추지 않고 지킬 수 있는가(안보), 스스로 생각하는가(인지), 규칙을 우리가 정하는가(제도). 기술주권이 토대이고 나머지 넷은 그 위에서 지켜야 할 영역이다. 반도체로 벌고, 토큰으로 내준다 올해 상반기 한국은 반도체 수출 1924억 달러, 경상수지 흑자 1910억 달러로 두 기록을 함께 세웠는데, 지식서비스 무역수지는 64억 4000만 달러 적자로 2010년 하반기 이후 가장 컸고, AI 사용료가 들어가는 소프트웨어 저작권 적자는 역대 최대였다. 하나는 AI를 만드는 재료를 팔아 번 돈이고, 다른 하나는 AI 를 쓰느라 낸 돈이 상당부분을 차지하는 돈이다. 이 두 장부가 갈리는 이유는 돈이 떨어지는 자리에 있다. AI 경제의 최종 상품은 바로 토큰이다. 토큰인 AI시대 생산과 소비의 단위이자 무역과 거래의 단위이다. 그런데, 토큰 10이 생산되면 7은 모델의 몫이고, 나머지 3을 반도체와 전력, 데이터센터가 나눈다. 한국이 세계 최고인 메모리는 이 3 가운데 한 조각이다. 잘 생각해보자. 단순히 메모리 값이 올라가 값을 얼마나 잘 받느냐보다 종국에는 우리가 어느 칸에 서 있느냐가 몫을 정할 수 있다는 말이다. 시간이 갈수록 격차는 벌어진다. 메모리는 빅테크가 데이터센터를 지을 때 한 번 팔리는 스톡 수익이라 설비투자 사이클을 따라 오르내린다. 반도체 슈퍼사이클이 언제 끝나냐 이런 우려들이 나올때마다 주가는 휘청휘청거린다. 반면에, 이 토큰은 쓸 때마다 과금되는 플로우 수익이라 사용량을 따라 매달 쌓인다. 게다가 사용량의 주체가 바뀌고 있다. 오픈라우터 집계로 올해 2월 에이전트의 토큰 사용량이 처음 사람을 앞질렀고, 이후 약 14배로 불어나는 동안 사람의 사용량은 2.8배 늘었다. 사람의 시간에 묶여 있던 소비가 풀린 것이다. 골드만삭스는 2030년까지 토큰 사용량이 70배까지 늘 것이라고 전망하고 있다. 산수를 해보자. 지금보다 토큰 사용량이 70배가 늘면, 우리 지식서비스 적자는 어떻게 될까? 과연 그때도 경상수지는 지금처럼 호황일까? 요금 체계도 이를 따라가고 있다. 오픈AI는 이달 GPT-6 아스트라 수요를 감당하지 못해 월 200달러 프로 요금제의 신규 가입을 3주 가까이 막았다가, 사용량을 API 요금 기준으로 다시 계산해 종전의 절반으로 줄인 채 다시 열었다. 월 500달러 요금제도 함께 내놨다. 정액제라는 껍데기 안에 종량제 계량기가 들어온 것이다. 이미 앤트로픽은 클로드 코드로 종량제 효과를 톡톡히 보고있다. 앤트로픽이 2026년 2분기 사상 첫 영업흑자(조정 영업이익 약 5억 달러)를 달성한 것은 사용량이 늘수록 역마진 위험이 커지는 단순 정액 구독제 대신, 엔터프라이즈 코딩과 에이전트 워크플로우에 최적화된 B2B 토큰 종량제(Pay-as-you-go) 모델을 전면에 내세운 전략덕분이다. 대규모 기업 고객이 일상 업무에서 천문학적인 토큰을 소비하는 만큼 매출이 실시간으로 직결되었고, 인프라 최적화를 통해 낮춘 토큰당 원가보다 종량제 매출이 더 빠르게 상회하는 임계점을 돌파하면서 막대한 컴퓨팅 비용을 뚫고 실질적인 손익분기점(BEP)을 넘어설 수 있었다. 이처럼 에이전트가 쓰는 만큼을 정액으로는 감당할 수 없으니 요금은 사용량을 따라갈 수밖에 없고, 그만큼 이용자의 청구서도 소비량과 함께 열리게 되는 구조다. 이러한 흐름이 국내 경제로 들어오는 통로는 AI 전환이다. 기업과 정부가 AX를 할수록 인건비의 일부가 토큰비로 바뀐다. 인건비는 가계 소득으로 남아 소비와 세금으로 순환하지만, 해외 모델에 내는 토큰비는 그 자리에서 수입이 된다. 데이터센터를 국내에 유치해도 마찬가지다. 토큰이 국내에서 생산되니 GDP는 늘지만, 모델 몫 7은 사용료와 배당으로 빠져나가 국민소득에는 남지 않는다. AI 전환은 소득의 국적을 바꿀수 있다. 문제는 이 변화가 지금은 제대로 보이지 않는다는 점이다. 한국은행은 올해 흑자의 최대 변수로 반도체 경기를 꼽았다. 흑자는 사이클을 타는 스톡이고 토큰 청구서는 사이클을 덜 타는 플로우라, 사이클이 꺾이는 순간 가려져 있던 적자가 드러난다. 환율도 방패가 되기 어렵다. 대체재 없는 필수 투입재는 비싸져도 끊지 못하므로 원화 약세는 같은 토큰의 원화 비용만 키운다. 게다가 한국은 토큰을 얼마나 수입하는지 재는 통계조차 없다. 중국이 하루 140조 개라는 토큰 소비량을 국가 통계로 발표하는 동안, 우리 국제수지표에서 AI 사용료는 소프트웨어 저작권이라는 넓은 항목에 섞여 있다. 측정할 수 없으면 관리할 수 없다. 물론 그렇다고 해서 당장 경상수지가 적자로 돌아선다는 뜻은 아니다. 한은도 AI 관련 금액은 아직 크지 않다고 했다. 다만 속도가 어마어마하다는 것이 한은의 표현이다. 경제주권의 질문은 흑자의 크기보다 그 돈이 결국 어디로 흘러가느냐에 있다고 본다. 토큰을 사는 자리에서 만드는 자리로 옮기는 길은 하나뿐이다. 우리 모델이 국내 토큰의 일부라도 생산하는 것이다. 스위치는 우리 손에 없다 안보주권의 위험은 올해 이미 우리가 경험해봤다. 6월 9일 공개된 앤트로픽의 최상위 모델 페이블 5와 미토스 5는 사흘 만에 전 세계에서 멈췄다. 미국 상무부가 국가안보를 근거로 미국 안팎의 모든 외국인 접근을 막으라는 수출통제 지시를 내렸기 때문이다. 접근이 복구되기까지 19일이 걸렸다. 만약에 우리 기간산업과 행정망이 그 모델 위에서 돌고 있었다면 남의 나라 정부 결정 하나로 3주 동안 멈췄을 것이다. 이제 이런 껐다 켰다 하는 스위치는 점점 정교해지고 있는데, 그러니까 같은 모델이라도 능력을 제대로 쓰는 버전은 선별된 기관에만 열린다. 지난 9월 미 국가안보국(NSA)·사이버안보,인프라보안청(CISA),연방수사국(FBI)은 합동권고로 중국 AI 기업 6곳의 산업적 규모 증류를 적시하며, 의심 계정에는 성능을 낮춘 모델로 응답하되 이를 알리지 말라고 권고했다. 사용자는 모르는 사이 한 단계 낮은 AI를 받아 쓸 수 있다는 뜻이다. 껐다 켜는 스위치에 더해, 조용히 조도를 낮추는 스위치가 생긴 셈이다. 반대편의 중국 오픈웨이트는 스위치 문제를 피하는 대신 다른 문제를 고민해 봐야 한다. 누구나 로컬에 내려받아 안전장치를 제거할 수 있고, 가중치에 무엇이 들어가있는지 검증하기 어렵다. 미 국립표준기술연구소(NIST) 산하 CAISI의 2025년 평가에 따르면, 딥시크는 에이전트 탈취 공격의 악성 지시를 따를 확률이 미국 모델보다 평균 12배 높았다. 자 정리해보면 이렇다. 미국의 폐쇄형은 끊길 수 있고 중국의 개방형은 오염될 수 있다. 그래서 안보주권의 목표는 끊겨도 멈추지 않는 구조다. 행정망과 금융,국방,주요산업 같은 핵심 시스템은 해외 모델이 끊겨도 국산 모델로 어느정도 기능을 유지하도록 이중화하고, 공공 조달에는 언제든 다른 모델로 옮겨 탈 수 있는 전환 가능성을 조건으로 걸며, 외산 모델을 들이기 전에 스스로 시험할 평가 역량을 갖추는 것이다. 상당부분의 업무들은 무조건 최고로 좋고, 비싼 모델을 쓸 필요와 이유가 사실 별로 없다. 모델들은 이미 상향평준화되고 있기 때문이다. 그래서 모델 오케스트레이션, 적절한 업무와 프롬프트에 적절한 모델을 분배해서 쓰는 것이 요즘 대세인 이유다. 그러니까 스위치가 남의 손에 있다 해도 불이 꺼지지 않게 하는 구조를 만들어야 한다. 그 구조의 바닥에는 반드시 우리 모델이 있어야 한다. 빌려 쓰는 모델은 스위치가 될 수는 있어도 비상등이 될 수는 없다. 모델은 영어로 생각한다 모델이 무엇을 옳다고 여기고 무엇을 당연하게 받아들이는지는 무엇을 읽고 자랐는지, 그리고 누가 키웠는지에 달려 있다. 현재는 둘 다 우리 손 밖에 있다. 미국은 2025년 7월 행정명령으로 연방정부가 조달하는 AI에 '이념적 중립'을 요구하며, DEI(다양성·형평성·포용)를 가장 만연하고 파괴적인 이념의 하나로 지목했다. 세계 최대 수요처의 기준은 프런티어 모델의 가치 설정을 움직인다. 어느 쪽이 옳든, 모델의 가치관이 한 나라의 정치 지형에 따라 조정된다는 사실이 핵심이다. 하버드 연구진이 65개국 가치관 조사와 GPT의 응답을 비교하자, 미국과 문화적 거리가 먼 나라일수록 닮은 정도가 뚜렷이 떨어졌다. 이른바 WEIRD, 서구적이고 교육받은 산업화된 부유한 민주주의 사회의 심리가 모델의 기본값이다. 셋 중 둘을 묶는 인지 과제에서도 GPT는 범주로 묶는 서구식 분석적 사고를 보였다. 다국어 모델의 내부를 추적한 연구는 한 걸음 더 나간다. 영어가 아닌 언어로 물어도 중간 층위의 '개념 공간'은 영어식 사고에 더 가깝다. 요즘 AI가 쓴 한국어 문장에 'A가 아니라 B다'라는 대조 구문이 유난히 잦은 것은 그 흔적이다. 인지주권이 지켜야 할 것은 개별 답변 이전에 사고의 틀이다. 무엇을 질문으로 인식하고, 어떤 논리 전개를 자연스럽게 느끼며, 무엇을 예외로 처리하는가. 아이들이 매일 대화하는 AI가 이 틀을 쥐고 있다면 교과서보다 강력한 교육이다. 대응의 출발점은 어디에 있을까? 한국어 데이터다. 대표적인 웹 학습데이터인 커먼크롤조차 자신들의 데이터가 늘 영어에 치우쳐 있었다고 인정한다. 교과서와 판례, 공공기록처럼 한국 사회가 쌓아 온 데이터를 사람이 읽는 파일 형태를 넘어 AI가 이해하는 지식 형태로 여는 일, 곧 AI 센트릭 데이터로의 전환이 그 시작이라고 생각한다. 그 데이터로 기른 우리 모델이 있어야 사고의 틀도 우리 것이 된다. 남의 모델에 한국어 데이터를 얹는 것만으로는 교과서의 저자가 바뀌지 않는다. 규칙은 누가 정하는가 어떻게 보면 가장 중요하다고 볼 수 있는 것은 제도주권이다. AI 시대에는 기계가 판단한다. 자율주행차는 피할 수 없는 사고 앞에서 누구를 구할지, 에이전트는 어디까지 대신 결정할지 정해야 한다. 그런데 판단의 기준은 문화권마다 다르다. MIT 미디어랩의 '모럴 머신' 실험은 233개 국가·지역에서 약 4천만 건의 선택을 모았고, 결과는 서구,동양,남방의 세 문화권으로 갈렸다. 예를 들어, 동양 문화권은 노인보다 젊은이를 구해야 한다는 선호가 다른 권역보다 약했다. 프랑스 권은 지위가 높은 사람에 대한 선호가 높았다. 하나의 보편 윤리를 하나의 코드로 박아 넣을 수 없다는 뜻이다. 로런스 레식은 사이버공간에서 '코드가 곧 법'이라고 했다. 사회를 규율하는 힘은 법과 사회규범, 시장, 아키텍처에서 나오는데, 디지털 세계에서는 아키텍처가 가장 강력한 규제자가 된다. AI 시대의 아키텍처는 모델이고, 모델에 어떤 원칙이 생기고, 어떤 것을 거절하며 어떤 가치를 앞세우는지가 곧 규칙이 되는데, 그 규칙은 지금 프런티어랩이 만든다. 각 회사가 '모델 스펙'이나 '헌법'이라는 보기 좋은 이름으로 모델의 행동 원칙을 정하고, 그 원칙은 수십억 명의 일상에 그대로 적용된다. 원래 규범이라는 것은 이중 구조였다. 국제사회에는 보편 규칙이 있고, 각 나라에는 역사와 문화에 맞는 로컬 규칙이 있다. 그런데, 이러한 이중 구조가 없어지고, 소수의 프런티어랩이 모델 안에서 한꺼번에 정하면 어떻게 될까. 몇몇 회사의 로컬룰이 세계의 보편룰이 된다. 사실을 적시해도 명예훼손이 될 수 있는 한국과 표현의 자유를 앞세우는 미국의 기준은 다르지만, 모델이 어느 쪽 잣대로 글을 쓰고 거를지는 몇몇 AI 회사가 먼저 정한다면 과연 세상은 어떻게 되어갈까? AI 종말론이 화제였다. 그런데, 그 종말은 터미네이터식 종말이 아니라, 이렇게 문화와 각자의 특성에 맞는 규범이 몇몇 회사의 아키텍쳐로 획일화되어가는 과정에서 생기는 혼란에서 야기된 종말이 올 수도 있다고 생각한다. 우리나라는 올해 AI 기본법을 시행했지만 법보다 먼저 작동하는 것은 모델에 들어간 원칙이다. 민주적 정당성을 거치지 않은 규칙이 사실상의 법이 되고, 시민에게는 이의를 제기할 창구조차 제대로 없다. 에이전트 시대에는 표현대리 문제도 여러 문제를 야기시킬 수 있다. 내 에이전트가 사고를 치고 실수를 했어도 그 책임을 어디에 물 수 있을까? 우리가 쓰는 AI 서비스의 약관에는 면책조항들이 모두 들어있다. 그들은 책임을 지지 않는다는 것이다. 그들의 룰이 그런거이다. 해법의 실마리는 역설적으로 미국이 보여줬다. 앞서 본 행정명령은 연방 AI 조달 계약에 원칙 준수를 조건으로 걸고, 시스템 프롬프트나 명세 공개로 이를 입증하게 했다. 조달이 모델에 규칙을 심는 통로라는 것이다. 한국도 모두의 AI와 공공 AX 조달에서 모델이 한국의 법과 관습을 지키는지 평가하고 행동 원칙의 공개를 요구할 수 있다. 보편룰은 국제 논의에 참여해 함께 만들고, 로컬룰은 조달이라는 문으로 모델에 심는 것이다. 다만 조달로는 남의 모델에 규칙을 요구할 수 있을 뿐이다. 법전 자체를 우리가 쓰려면 우리 모델이 있어야 하고, 프런티어급 역량이 있어야 국제 논의에서 우리 요구가 조건으로 통한다. 우리 좋은 모델을 가지고 남의 모델을 함께 쓰는 것과 없이 남의 모델만 쓰는 것은 전략자체가 다르다. 독파모는 현장, 프런티어는 상한 그렇다고 모든 것을 국산으로 채우자는 결론으로 가면 당연히 곤란하고 필자도 동의하지 않는다. 일본과 사우디, UAE도 자국 모델과 최첨단 해외 모델을 함께 쓴다. 우리가 먼저 고민해 봐야하는 것은 AI로 무엇을 하려는가, 곧 목적이고 세팅은 목적을 따른다. 미래를 위한 연구나 대비처럼 우리 기술로 당장 안 되는 영역은 SOTA 모델을 같이 쓰면 된다. 반면 행정,법률,재정,국방,교육처럼 계량기와 스위치와 교과서와 법전이 한꺼번에 걸리는 영역, 같은 입력에 같은 결과가 나오고 근거를 설명할 수 있어야 하는 영역은 우리가 직접 설계해야 한다. 결정론적 기호주의와 룰베이스, 뉴로심볼릭이 필요한 곳이 바로 여기다. 문장 대신 확률이 붙은 정형 판단만 내놓는 Jev 같은 모델이 주목받는 것도 같은 흐름이다. 이 기준으로 보면 독파모와 프런티어 AI는 서로 다른 층의 일이다. 독파모는 현장의 모델이다. 제조,금융,의료,공공의 AX에는 비용과 속도, 보안, 전문성에 맞춘 모델이 필요하고, 그 승부는 벤치마크 점수보다 한국어 토큰 효율과 서빙 최적화, 실운용 데이터의 축적에서 갈린다. 12월 출시될 모두의 AI가 독파모 기준 국산 모델을 50% 이상 쓰도록 한 것은 이 현장을 만들어 주는 장치다. 그리고, 프런티어 AI는 상한의 모델이다. 프런티어를 가진 나라와 못 가진 나라의 격차는 더 벌어질 것이고, 그 격차는 성능의 격차이기 전에 협상력의 격차다. 문턱을 넘은 모델이 있어야 상호인정과 오픈웨이트 접근 같은 조건을 요구할 수 있고, 프런티어 연구가 있어야 인재가 남는다. 독파모가 뿌리이고 프런티어가 꼭대기다. 뿌리 없는 꼭대기도, 꼭대기 없는 뿌리도 오래가지 못한다. 역량은 닿을 수 있는 거리에 있다. 미국의 합동권고는 증류가 중국 기업들 개발 전략의 핵심이라고 지목했다. 중국이 증류만으로 여기까지 온 것은 아니지만, 인력과 자본, 역량만 갖추면 프런티어급에 근접할 수 있다는 증거이기도 하다. 지식 증류 자체는 미 당국도 인정하는 정상적인 학습 기법이다. 우리가 프론티어급 AI를 확보할 수 있는지 어느정도 답이 되었을까. 약관을 어기고 남의 모델을 베끼는 일은 논외지만, 허용된 범위의 증류는 기반을 닦는 데 충분히 쓸모가 있다. 세계 최고를 지향하되 세계 최고가 될 필요는 없다. 중국식 빠른 추격에 반도체 레버리지를 더해 SOTA에 준하는 능력을 유지하고, 그 위에서 서빙 레이어의 최적화와 실제 운영,사용자 데이터의 순환을 완성하면 프런티어급 AI로 가는 승산은 충분하다고 본다. 무엇을 할 것인가 해야 할 일은 네 가지이고, 순서가 있다. 첫째, 인프라다. 해외 프런티어와 같은 규모일 필요는 없다. 경쟁의 커트라인을 넘을 역량이면 되고, 최근 기사를 보면 정부는 프론티어 AI를 위해 최신 GPU 1만 장 확보에 3조 8,500억 원을 배정한 것으로 보인다. 이를 몇 배로 키워도 5천조 원 규모로 거론되는 메가 프로젝트에 비하면 턱없이 작은 돈이다. 관건은 재원과 조건이다. 재원은 반도체 초과이윤에서 상당부분 나와야 한다. 노르웨이가 오일머니를 국부펀드로 묶어 다음 세대의 자산으로 바꾸었듯, 스톡 수익이 걷히는 동안 그 일부를 플로우 층인 모델,서빙,에이전트로 옮기는 것이다. 조건도 붙어야 한다. 데이터센터 인허가와 전력 배정에 국내 모델과 에이전트의 워크로드가 일정 부분 채운다는 조건을 걸어, 토큰이 해외로 나가 우리 경제구조자체가 흔들리는 구조는 막아야 한다. 둘째, 운영 데이터와 서빙 레이어다. 모두의 AI가 독파모 기준 국산 모델을 50% 이상 쓰도록 한 조건은 사실상의 토큰 수입대체 조항이다. 정부 구상대로 국민 한 사람마다 에이전트를 두는 시대에 예를 들어 5천만 명이 해외 모델에 월 20달러씩만 내도 연 120억 달러, 지난해 지식서비스 적자 전체(102억 5천만 달러)를 넘는다. 정액제가 종량제로 넘어가는 지금, 이 숫자는 바닥이다. 이 수요를 어느정도라도 국산 모델로 돌리는 것 자체가 경제주권이다. 그 위에서 우리가 측정해야할 지표는 성능을 토큰으로 나눈 연비다. 한글 1만 자를 출력하는 데 한국어 최적화 모델은 1만 토큰이면 되지만 미국 모델은 2만, 중국 모델은 4만 토큰을 쓴다. 토큰당 단가가 싸 보여도 과업당 청구서는 싸지 않다. 한국어 토큰 효율과 서빙 최적화는 국산 모델의 존재 이유이고, 여기서 쌓이는 운영 데이터가 다음 모델을 만든다. 에이전트 시대는 축적의 시대다. 셋째, 모델 역량이다. 독파모 3차 평가는 계획대로 마무리하되, 배경훈 부총리가 언급한것처럼 탈락시키는 경쟁에서 가능성을 키우는 지원으로 바꾼다. 그 위에 프런티어 AI를 국가전략자산으로 별도 추진하되, 독파모 팀들이 쌓은 자금과 인력, 기술이 프런티어의 토대가 되도록 두 사업을 잇는다. 간판만 바꾸는 일이 되지 않으려면 역할 분담을 먼저 밝혀야 한다. 독파모는 현장, 프런티어는 상한이다. 우리가 정해야 하는 영역에서는 결정론적이고 검증 가능한 판단 체계를 직접 만들고, 모델은 규칙의 그릇이므로 평가,환류,제어 계층은 국산으로 갖춘다. 조달에는 전환 가능성과 한국 법규 준수 평가를 조건으로 걸어, 외산 모델을 쓰더라도 스위치와 법전의 열쇠는 우리가 반드시 쥐어야 한다. 넷째, 그리고 가장 중요한 것은 인식의 전환이다. 앞의 세 가지는 예산과 제도로 풀리지만, 그 예산과 제도는 인식이 바뀌어야 나온다. 지금 소버린 AI는 모델 하나 만드는 사업으로 다뤄진다. 그러나 앞에서 설명한 것처럼 모델에는 계량기와 스위치와 교과서와 법전이 겹쳐 있다. 경상수지와 안보와 교육과 법의 문제이며, 산업정책을 넘어 국가전략의 문제다. 인식이 바뀌면 계기판부터 바뀐다. 토큰을 얼마나 수입하는지, 국산 토큰의 비중이 얼마인지, 과업당 연비가 어떤지를 재는 지표가 국가 통계에 올라야 관리를 할 수 있다. 지금 소버린AI 가 어떤 국가적 문제, 국가전략자산 관점에서 중요한지 충분히 설명되고, 대중의 인식이 바뀌어야 오해가 없을 것이다. AI는 단순한 기술이 아니다. 핵무기의 세력전이와 인터넷의 범용성을 함께 지닌 기술이 공기처럼 어디에나 스며드는 유비쿼터스가 되고 있다. 공기가 된 기술의 규칙을 남이 정하게 둘 것인가. 소버린 AI는 문명사적 전환의 한가운데서 우리가 무엇을 지키고 무엇을 스스로 정할지를 묻는 주권의 문제다. 그 주권을 지키는 최소 조건이 우리 AI다. 독파모도, 프런티어 AI도 계속 가져가야 한다.
