본문 바로가기
IT & Tech 정보

대한민국 독자 AI 파운데이션 모델 5개 정예팀 심층 분석 네이버클라우드 skt 업스테이지 등

by 지식과 지혜의 나무 2025. 8. 5.
반응형


1. 5개 정예팀의 기술 전략과 차별성


과학기술정보통신부는 2025년 8월 4일 ‘독자 AI 파운데이션 모델’ 프로젝트 수행을 위한 5개 정예팀을 선정했다 . 이들은 모두 정부로부터 대규모 지원을 받아 글로벌 최고 수준의 AI 파운데이션 모델 개발에 도전하며, 각 팀별로 고유한 기술 전략과 비전을 내세웠다. 특히 멀티모달 혹은 옴니모델 적용 여부, 데이터 및 GPU 활용 계획, 개방형 플랫폼 지향 등에서 서로 차별화된 전략을 보여준다. 아래에서는 네이버클라우드, 업스테이지, SK텔레콤, NC AI, LG AI연구원 각 컨소시엄의 핵심 전략을 살펴본다.

네이버클라우드: 옴니 모델과 AI 에이전트 플랫폼 전략


네이버클라우드 컨소시엄은 범국민 AI 접근성 확대를 기치로 내걸고, 옴니 파운데이션 모델 원천기술 확보를 핵심 목표로 삼았다 . 옴니 모델이란 텍스트, 음성, 이미지, 비디오 등 다양한 종류의 데이터를 동시에 이해하고 생성할 수 있는 전방위 AI 모델로, 네이버클라우드는 이를 통해 실시간 멀티모달 상호작용이 가능한 국가 공통 AI 엔진을 구축하려 한다  . 이미 자체 초거대 모델 하이퍼클로바X를 개발하여 여러 서비스를 상용화한 경험이 인정받았으며 , 이러한 역량을 바탕으로 텍스트·음성·이미지·영상 데이터의 통합 이해·생성을 구현할 계획이다 . 기술적으로는 원천모델을 처음부터 설계/구축(From Scratch)하여 완전한 독자모델을 지향하고, 기존 언어모델을 넘어선 혁신적 구조의 도전도 예고됐다  .

네이버클라우드는 또한 전 국민이 체험할 수 있는 AI 서비스 플랫폼 구축을 내세운다 . 구체적으로는 누구나 AI 에이전트를 개발·배포할 수 있는 AI 에이전트 마켓플레이스를 운영하여 개발자와 사용자를 모으고, 국내 AI 생태계의 허브가 되겠다는 전략이다  . 이처럼 플랫폼 지향 전략을 통해 B2C와 B2B를 아우르는 생태계 장악을 노리며, 정부가 추구하는 “전국민 AI” 비전을 가장 직접적으로 구현하려 하고 있다 . 컨소시엄 구성원으로는 트웰브랩스(비디오 이해 AI), 서울대·KAIST 등 국내 최고 대학 연구진이 참여하여 멀티모달 AI 원천기술 강화에 힘을 싣고 있다 . GPU 인프라 측면에서는 네이버클라우드 자체가 GPU 임대 공급사로 선정될 만큼 클라우드 인프라 역량을 보유하고 있어, 향후 정부 지원 GPU 대상에서 제외되는 대신 자력으로 대규모 연산자원을 투입할 계획이다  . 요약하면 네이버클라우드는 옴니AI 기술력과 플랫폼 비즈니스 모델을 결합해 국민 누구나 이용할 수 있는 개방형 AI 생태계 구축을 노리고 있다는 점에서 차별화된다.

업스테이지: 스타트업의 글로벌 프런티어와 오픈소스 투트랙 전략


업스테이지 컨소시엄은 5개 정예팀 중 유일한 스타트업 주도 팀으로 선정되며 독보적 기술력을 입증했다 . 과제명은 글로벌 프런티어 파운데이션 모델 개발 및 국내 AI 혁신 생태계 조성으로, 세계 최고 수준의 자체 AI 모델 ‘솔라 WBL’ 개발을 선언했다 . 이 팀은 처음부터 새로운 모델을 설계하는 유형으로 선정되어 잠재력을 높이 평가받았으며 , 모델 파라미터 규모를 1,000억~3,000억 개까지 확장하고 지원 언어도 일본어와 동남아 언어 등으로 넓혀 다국어 시장까지 겨냥할 계획이다 . 즉 글로벌 틈새시장 공략과 국내 산업별 버티컬 강화라는 투트랙 전략을 구사하는 것이 특징이다 .

첫 번째 축으로 업스테이지는 성능 대비 효율이 높은 고효율 모델로 제3국에 ‘소버린 AI 솔루션’ 수출을 모색한다 . 이는 미국·중국 중심의 AI 종속을 우려하는 국가들에게 자국형 AI 모델을 제공하는 전략으로, 한국산 AI의 해외 진출이라는 새로운 비즈니스 기회를 노리는 창의적인 발상이다. 두 번째 축으로는 금융, 법률, 제조 등 각 산업을 대표하는 파트너들과 협력하여 산업 특화 AI를 내실 있게 구축하는 것이다 . 실제로 컨소시엄에 유망 스타트업인 노타(경량화), 래블업(MLOps), 플리토(데이터), 국내 유수의 대학들인 카이스트·서강대 연구진뿐 아니라 금융 지급결제망을 보유한 금융결제원(핀테크), 로앤컴퍼니(법률), 마키나락스(제조 AI) 등이 참여하여 광범위한 산업 도메인 지식을 결집했다  . 이를 통해 B2B 서비스 확산 및 B2G 공공서비스까지 제공하며, 3년 내 1,000만 명 이상 사용자를 확보하는 야심찬 목표도 세웠다  .

업스테이지의 또 다른 강점은 과감한 오픈소스 정책이다. 이 팀은 파운데이션 모델 개발에 필요한 다양한 사전학습 데이터 확보와 함께 학습 코드까지 공개하는 개방형 전략을 제시하여 높은 평가를 받았다 . 실제로 자체 개발한 26억 규모 한국어 언어모델을 허깅페이스에 공개하는 등 오픈소스 행보를 보여왔고 , 향후 개발될 솔라 WBL 모델 역시 오픈소스로 공개하여 상업적 활용도 가능하게 할 계획이다 . 이는 정부가 요구한 높은 수준의 오픈소스 정책”에 부합하며 , 국내외 개발자 커뮤니티의 협업을 끌어내 AI 생태계 확산에 기여할 전망이다. GPU 및 인프라 측면에서는 자체 데이터센터가 없으므로 정부로부터 엔비디아 H100 등 최신 GPU를 연내 지원받고, 해외 우수 연구인력 유치에 필요한 인건비도 정부 매칭 지원을 받아 글로벌 인재를 적극 확보할 예정이다  . 종합하면 업스테이지는 민첩한 스타트업의 이점을 살려 오픈소스 협업과 글로벌 지향의 전략으로, 대기업들 사이에서 차별화된 혁신을 추구하고 있다.

SK텔레콤: 풀스택 AI와 하이브리드 B2C/B2B 모델


SK텔레콤(SKT) 컨소시엄은 그룹 차원의 ‘풀스택 AI’ 역량을 앞세우며, 반도체부터 서비스까지 아우르는 수직 통합 전략을 강조했다 . 이들은 과제명으로 언어·멀티모달·행동을 융합한 차세대 트랜스포머 기반 초거대 모델 개발 및 K-AI 서비스 구현을 제시하며, 기존 트랜스포머를 넘어서는 ‘포스트-트랜스포머’ AI 모델을 개발하겠다는 의지를 밝혔다  . 즉 새로운 아키텍처 연구를 통해 차세대 초거대언어모델을 만들고, 이를 바탕으로 대한민국 AI 대전환(AX)을 촉진하는 K-AI 서비스를 구현하는 것이 목표다  . SKT는 이미 자체 GPT-3.5 수준 모델인 ‘A.(에이닷)’, 차세대 모델 ‘A.X(에이닷엑스)’ 개발 경험이 있어 모델 연구 경험과 서비스화 노하우를 함께 인정받았다 . 더불어 통신사 인프라를 기반으로 국민 AI 접근성을 높일 수 있는 점이 높은 평가를 받아, 전국망 인프라와 서비스 경험을 강점으로 부각했다 .

SKT 전략의 큰 특징은 B2C와 B2B를 아우르는 하이브리드 모델이다 . ① 국민 개개인에게 직접 닿는 AI 서비스(B2C) 측면에서는 자사의 이동통신 서비스와 결합한 AI 비서, 스마트폰 서비스 등을 강화하여 전 국민 AI 접근성 강화를 추진한다  . 동시에 ② 산업별 맞춤형 AI 솔루션(B2B) 측면에서도 컨소시엄의 산업 동맹을 활용해 기업용 AI 도입을 확산할 계획이다  . 예를 들어 컨소시엄에 참여한 크래프톤(게임), 포티투닷(자율주행), 리벨리온(AI반도체), 라이너(AI 요약), 셀렉트스타(데이터 레이블링) 등 분야별 파트너들과 손잡고, 각 산업 수요에 특화된 AI 대리인이나 서비스를 발굴·보급한다는 전략이다  . 이러한 폭넓은 산업 동맹을 통해 SKT는 통신 기반 B2C 서비스 + 산업 연합 기반 B2B 솔루션의 투트랙 하이브리드를 구현하며, “전국민 AI” 목표의 해석을 가장 종합적으로 풀어내는 팀 중 하나로 평가된다  .

기술 인프라 측면에서 SK텔레콤은 자체 GPU 인프라 조달 능력을 강점으로 들었다 . 이미 사내 AI 컴퓨팅 자원을 대폭 투자하여, 이번 과제를 위해 대규모 GPU 자원을 자체 마련하고, 나아가 국산 NPU(신경망처리장치) 최적화를 통해 고성능·고효율 AI 구현을 추진하겠다고 밝혔다 . 이는 정부 지원 외에 추가 자력 투입을 약속한 것으로, 퓨리오사AI, 리벨리온 등 국내 AI반도체와 협업하여 엔비디아 의존도를 줄이는 실험도 병행할 것으로 보인다. 또한 SKT는 네이버클라우드와 함께 정부의 GPU 임대사업 공급사로 선정되어, 해당 두 팀은 2026년까지 정부 GPU 지원 없이 자체 인프라로 모델을 개발하게 된다 . 이러한 풀스택 역량(반도체-클라우드-서비스)과 혼합 비즈니스 모델은 글로벌 빅테크의 행보와 유사하면서도, 통신사만의 강점을 살린 차별화 지점이라 할 수 있다.

NC AI(엔씨소프트): 산업 특화 멀티모달과 도메인Ops 전략


게임회사 엔씨소프트의 AI 자회사인 NC AI 컨소시엄은 산업 AI 전환에 초점을 맞춘 전략으로 선정되었다 . 이 팀은 2000억 파라미터 규모의 초거대 언어모델(LLM)과 이를 기반으로 한 멀티모달 생성 모델 패키지 개발을 목표로 제시했다 . 즉 국내 최고 성능의 거대 언어 모델을 자체 개발하고, 여기에 이미지·음성 등 멀티모달 인지/생성 기능을 통합함으로써 다양한 산업 도메인에 적용 가능한 AI 패키지를 만들겠다는 것이다  . 실제 과제명도 “확장 가능한 멀티모달 생성용 파운데이션 모델 개발”로, 텍스트 이외 도메인까지 포함한 생성 AI 기술을 강조했다 . NC소프트가 이미 게임 NPC 대화, 그래픽 생성 등에 AI를 활용해온 바 있고, 사내 모델 ‘VARCO(바르코)’ 개발 경험과 개인정보 보호 등 안전성 강화 기술을 보유한 점이 높이 평가되었다 . 컨소시엄에는 한국전자통신연구원(ETRI)을 필두로 서울대·고려대·연세대·KAIST 등 주요 대학 연구진이 대거 참여했고, 포스코DX(제조), 롯데이노베이트(유통), NHN(IT서비스), MBC(미디어) 등 40여 개 수요 기업이 파트너로 합류해 국내 최대 규모 산학연 협력체계를 구축한 것이 특징이다.

NC AI 팀의 전략적 차별성은 ‘도메인옵스(DomainOps)’ 플랫폼 구상에 있다 . 이는 각 산업별로 맞춤형 AI 모델 개발·배포를 지원하는 플랫폼으로서, 컨소시엄 파트너사의 현업 데이터를 활용해 제조·유통·로봇·콘텐츠·공공 등 분야별 특화 모델을 제공하려는 것이다  . 쉽게 말해 산업계의 AI 전환(AX)을 촉진하는 AI 운영 플랫폼을 마련하여, 약 40개 수요기업의 현장에 직접 AI 도입을 지원하는 B2B2X 전략을 취하고 있다  . 예를 들어 제조업에는 품질검사 비전AI, 유통업에는 수요예측 언어모델, 로봇 산업에는 행동 제어 모델, 미디어에는 영상/음성 합성 모델 등을 각각 제공함으로써 각 분야별 실질적 가치 창출을 꾀한다. 이는 특정 범용 서비스보다는 다양한 버티컬 솔루션에 방점을 찍은 접근으로, LG AI연구원 팀과 함께 ‘산업 특화’ 전략을 대표한다.

또한 NC AI는 개방형 기술 확산 의지도 뚜렷하다. 개발된 파운데이션 모델은 허깅페이스 등 오픈소스 커뮤니티에 공개하고, 다양한 추론 프레임워크와 포맷을 지원하여 활용성·호환성을 극대화할 계획이다 . 이를 통해 외부 개발자들도 손쉽게 모델을 활용·응용할 수 있게 하고, 국내 AI 생태계 전반의 역량 업에 기여하겠다는 것이다. 나아가 NC AI 팀은 멀티모달 인지/생성 기술 기반의 대국민 정부 서비스 연계도 전망하고 있어, 산업 뿐 아니라 공공서비스 혁신에도 참여할 가능성을 언급했다 . GPU 지원의 경우 NC AI도 자체 GPU 인프라는 제한적이므로 정부로부터 엔비디아 H100 GPU 지원을 받아 개발을 가속화한다 . 요약하면 NC AI 컨소시엄은 방대한 산학연 연합으로 멀티모달 LLM을 개발하고, 이를 산업별 맞춤형 DomainOps 플랫폼으로 구현함으로써 AI의 산업계 파급효과를 극대화하는 전략적 차별성을 보여준다.

LG AI연구원: K-Exaone과 글로벌 최고 성능 도전


LG그룹 산하 LG AI연구원 컨소시엄은 글로벌 최고 수준 프론티어 AI 모델 개발이라는 담대한 기치를 내걸고, 이미 세계적 수준을 인정받은 자체 모델 엑사원(Exaone) 4.0’을 한층 발전시킨 ‘K-엑사원’ 구축을 선언했다 . 정부의 성능 목표치가 “최신 글로벌 AI 모델의 95%” 수준인데 반해, LG AI연구원 팀은 100% 이상 달성, 다시 말해 세계 최고 AI와 동등 이상의 성능을 내겠다는 도전적 목표를 제시했다 . 이는 5개 팀 중 가장 공격적인 성능 목표로서, LG의 기술적 자신감과 의지를 보여주는 대목이다. LG AI연구원은 이미 다중 언어·이미지 능력을 갖춘 엑사원 모델로 국제 벤치마크 상위권을 기록한 바 있고 , 그 경험이 높이 평가되어 정예팀에 들었다. 앞으로 전문성과 범용성을 모두 갖춘 고성능 모델을 개발하고, AI 생태계 조성과 각 분야 서비스 선도 사례 창출에 중점을 두고 있다 .

LG 팀의 특징은 그룹 계열사와 스타트업을 망라한 폭넓은 협력체계이다. 컨소시엄에는 LG유플러스(통신), LG CNS(IT서비스) 등 그룹 내 B2C·B2B 채널이 포함되었고, 슈퍼브AI(데이터), 퓨리오사AI(AI반도체), 프렌들리AI(모델경량화), 이스트소프트·이스트에이드(소프트웨어), 한글과컴퓨터(자연어) , 뤼튼테크놀로지스(생성 AI 스타트업) 등 다양한 기술 기업 10개가 참여했다  . 이를 통해 풀스택 AI 생태계를 조성하고 각 산업 현장의 AI 전환을 가속화하겠다는 방침이다  . 예를 들어 LG유플러스의 통신 고객서비스에 초거대 AI를 적용해 B2C 혁신을 꾀하고, LG CNS를 통해 금융·제조 등 B2B 솔루션에 접목하며, 정부 및 공공 분야 B2G 서비스에도 기여하는 등 전 분야를 망라한 활용 사례를 만들어내겠다는 것이다  . 이러한 범용적 활용처 확보 전략은 LG 팀을 산업 특화에 집중하는 NC팀과 대비시켜 보다 광범위한 영향력을 추구하는 팀으로 자리매김하게 한다.

LG AI연구원 컨소시엄 역시 오픈소스 개방을 핵심 원칙으로 삼고 있다. 이미 “K-엑사원 개발 후 오픈소스로 공개” 계획을 공식 발표하여 , 개발 모델을 상업 활용까지 가능한 형태로 공유함으로써 AI 기술의 전반적 확산에 이바지할 것임을 밝혔다. 정부 평가에서도 LG 팀을 포함한 모든 정예팀이 높은 수준의 오픈소스 정책을 제시한 점이 선정 요인으로 강조되었다  . 또한 LG 팀은 기존 언어 모델 한계를 넘는 멀티모달·옴니모델 등 고도화 기술과 혁신적 확장성 목표를 구체화했다는 평가를 받아  , 단순 모델 개발을 넘어 새로운 AI 패러다임 개척에도 의욕을 보이고 있다. 한편 GPU 인프라의 경우 LG AI연구원도 자체 데이터센터는 제한적이라 정부로부터 엔비디아 B100/H100 GPU 지원을 받아 연산자원을 확보하게 된다  . 퓨리오사AI 등 국산 AI칩과의 협업도 예정되어 향후 국산 하드웨어 최적화 모델을 시도할 가능성도 있다. 요컨대 LG AI연구원 팀은 세계 최정상급 성능을 목표로 한 K-Exaone 개발과, 전 산업 분야 적용사례 창출 및 오픈소스 공개를 통한 생태계 주도 의지에서 뚜렷한 전략적 차별성을 지닌다.

2. 탈락한 기업들의 참여 배경과 탈락 이유: KT, 카카오, KAIST 등


이번 경쟁에는 최종 선정된 5개 팀 이외에도 국내 유수의 기업·기관들이 도전장을 내밀었지만 탈락의 고배를 마셨다. 서면 평가를 통과한 10개 팀 중에서 카카오, KT, KAIST, 코난테크놀로지, 모티프테크놀로지스 등이 최종 발표평가 단계에서 선정되지 못한 것으로 알려졌다 . 이들 탈락 팀의 참여 배경과 실패 요인을 살펴보면, 선정된 팀들과의 비교를 통해 몇 가지 시사점을 얻을 수 있다.
• 카카오: 카카오그룹(특히 연구조직 카카오브레인)은 일찍이 GPT-3 수준의 한국어 모델(KoGPT) 개발과 멀티모달 AI 연구(minDALL-E 등)를 진행해온 국내 AI 선도 주자였다. 따라서 정부의 K-AI 프로젝트에 당연히 주요 후보로 참여하였으나, 최종 5개 정예팀에 들지 못하고 탈락했다 . 탈락 이유에 대해 공식 언급은 없지만, 업계에서는 전략 완성도와 개방성 측면에서 경쟁팀 대비 미흡했을 가능성을 제기한다. 예컨대 카카오는 자체 초거대모델을 활용한 서비스 경험이 상대적으로 적고(네이버는 검색·클로바에 이미 적용), 오픈소스 정책에서도 정부가 요구한 “상업 활용 가능한 개방” 수준에 미치지 못했을 수 있다. 또한 컨소시엄 파트너 구성 면에서도 카카오는 주로 계열사 위주로 제안했을 것으로 추측되는데, 네이버나 SKT처럼 다수의 산학연 파트너를 포괄하지 못해 생태계 확장성 평가에서 밀렸을 가능성이 있다. 이번 탈락으로 카카오는 국책 지원 없이 자체적으로 AI 개발을 이어가야 하는 부담을 안게 되었고, 향후 민간 차원에서 별도 한국어 모델 개발을 추진하거나 다른 팀의 공개 모델 활용 등 전략 수정이 불가피할 전망이다. 이는 곧 AI 주도권 경쟁에서 카카오가 한발 뒤처졌음을 의미하며, 플랫폼 경쟁사인 네이버와의 격차를 어떻게 만회할지가 과제로 부상했다.
• KT: 통신사 KT는 SK텔레콤과 함께 국내 양대 통신AI 주자로, AI 음성비서 (기가지니)와 산업 AI 솔루션(AI컨택센터 등)을 적극 전개해왔다. 특히 2020년에는 산학연 연합 ‘AI 원팀’을 결성해 AI 인프라 및 서비스 협력을 이끌기도 했다. 이러한 배경에서 KT도 K-AI 프로젝트에 독자 컨소시엄으로 참여하였으나, SKT 컨소시엄에 밀려 최종 선발되지 못했다 . 탈락 원인으로는 기술력·실적 면에서 SKT 대비 약세인 점이 지목된다. SKT는 자체 GPT모델과 AI 반도체 투자, 글로벌 제휴 등 공격적 행보를 보여온 반면, KT의 초거대 AI 관련 행보는 다소 조용했고 뚜렷한 초거대언어모델 성과를 대외적으로 내놓지 못했다. 또한 컨소시엄 구성에서도 SKT는 게임·자율주행 등 화려한 라인업을 꾸린 반면, KT는 비교적 범용 서비스 위주 전략으로 차별화 포인트가 부족했을 수 있다. 결과적으로 KT는 정부 지원 레이스에서 이탈하여 자체 역량으로 AI 개발을 진행해야 한다. 다만 KT도 AI 인프라(서울대 AI반도체 연구센터와 공동 구축한 HPC 등)와 통신 데이터를 보유하고 있어, 향후 선정팀들과의 협력을 모색하거나 특정 분야 특화 AI로 방향 전환할 가능성이 있다. 이번 결과는 동일 업종 내 경쟁에서도 기술력 우위가 결정적임을 보여주었고, 통신 분야 1위와 2위의 AI 격차가 정책 사업을 계기로 벌어질 수 있음을 시사한다.
• KAIST: 카이스트는 대한민국 최고 공과대학으로서 국가 AI R&D를 선도해온 기관이며, 자체 초대규모 AI 연구(예: 한석구 교수팀의 KorGPT 등) 역량도 보유하고 있다. KAIST는 이번 공모에서 주관기관으로 컨소시엄을 이끌며 도전한 것으로 전해지며 , 산학연 협력을 통해 학술 주도형 독자모델 개발을 제안했을 것이다. 그러나 결과적으로 산업계 주도 팀들에 밀려 탈락하였다. 이는 학술기관 단독주도 모델의 한계를 드러낸 것으로 볼 수 있다. 탈락 이유로는 실용화 및 파급효과 부분의 약점이 꼽힌다. 정부 평가 기준에는 개발 전략의 우수성과 파급효과가 포함되는데 , KAIST 팀의 제안이 혁신성은 높더라도 상용 서비스화 계획이나 산업 파트너십 측면에서 약했을 가능성이 있다. 실제 최종 선정된 5개 팀 모두 “산·학·연이 골고루 참여한 컨소시엄” 체계를 갖추었는데 , KAIST 주도의 팀은 산업 파트너 수나 규모에서 상대적으로 작았을 수 있다. 이번 탈락으로 KAIST는 주관기관 지위는 놓쳤지만, 여전히 다른 다수 팀에 핵심 연구기관으로 참여하고 있어(예: 네이버, 업스테이지, SKT, NC 팀에 KAIST 합류  ), 연구 기여는 지속할 전망이다. 시사점으로는 기술력만으로는 부족하고, 상용화 비전까지 갖춰야 국가 프로젝트를 따낸다”는 점과 함께, 학계와 산업계의 협력이 필수임을 보여준다. 정부로서도 연구역량이 뛰어난 KAIST를 배제한 대신 산업계 손을 들어준 셈인데, 이는 성과 창출의 속도와 확산을 중시한 결정으로 해석된다.
• 코난테크놀로지: 코난테크놀로지는 20년 넘게 자연어 처리와 검색 엔진 분야에서 활약해온 토종 AI 기업으로, 2022년 코스닥 상장 후 초거대 AI 사업에 도전 의지를 밝힌 바 있다. 자사 한국어 챗봇 ‘코난X’를 공개하고 기업용 AI 솔루션을 전개해왔으나, 이번 국가 프로젝트에서는 업스테이지라는 강력한 스타트업 경쟁자에게 밀려 선정되지 못했다 . 참여 배경은 한국어 언어모델 기술의 축적과 공공시장 레퍼런스(과거 정부기관 검색엔진 등 납품) 등이 있었겠지만, 탈락 요인으로는 혁신성 및 규모의 한계가 지적된다. 업스테이지가 보여준 글로벌 진출 포부와 오픈소스 전략 에 비해, 코난은 내수 시장 중심 계획이었을 가능성이 높고 차별화된 기술 임팩트를 어필하지 못했을 수 있다. 또한 자원 동원 능력 측면에서도 스타트업 업스테이지가 대규모 투자 유치와 인재 영입을 통해 급성장한 반면, 코난은 중견기업으로 상대적으로 한정된 자원 내에서 경쟁해야 했다. 이는 AI 분야에서도 기민한 스타트업이 전통 강소기업을 앞지를 수 있음을 보여주는 사례다. 코난테크놀로지는 향후 정부 과제에서 탈락했지만, 자체적으로 언어모델 개발을 지속하거나 특화 도메인(예: 국방 AI, 보안 AI 등 강점분야)으로 틈새시장 공략을 모색할 것으로 보인다. 이는 중견 AI 기업들의 생존 전략에 시사점을 주며, 정부도 향후 이들 기업을 위한 별도 지원 프로그램을 검토할 필요가 있을 것이다.
• 모티프테크놀로지스: 모티프테크놀로지스는 2024년 설립된 신생 스타트업으로, 경량화된 소형언어모델(sLLM) 개발을 표방하며 등장했다. 클라우드 인프라 기업 모레(More)의 자회사로서 AMD GPU 등 엔비디아 대안 하드웨어에 최적화된 모델을 연구하고, 자체 한국어 경량모델 Motif 2.6B를 공개하는 등 혁신적 시도를 해왔다  . 이러한 독자 기술을 내세워 국가 프로젝트에 도전, NVIDIA 독점에 도전하는 다크호스로 주목받았지만, 최종 선발에는 실패했다. 탈락 이유는 아무래도 모델 성능 및 규모에서 다른 경쟁자 대비 큰 격차가 있었기 때문으로 추정된다. 모티프는 “GPU 1대로도 추론 가능한 초경량 AI” 등 효율성을 강점으로 내세웠으나, 정부 과제의 목표가 어디까지나 “글로벌 최고 모델 대비 95% 이상 성능” 인 만큼 절대적인 모델 파라미터 규모와 성능이 중요했다. 26억~수십억 규모의 경량모델 전략은 수천억 규모 거대모델 제안들과 지향점이 달라 심사에서 불리했을 수 있다. 또한 신생 회사로서 대형 컨소시엄 구성에 어려움이 있었고, 실적·검증 측면에서도 약점이 있었을 것이다. 그럼에도 모티프의 도전은 경량화 기술과 대체GPU 활용 등 차별화된 아이디어를 제시했다는 점에서 의미가 있다. 향후 모티프는 독자적으로 소형 LLM 전문기업의 길을 가거나, 선발팀에 기술 협력 파트너로 참여해 경량화 솔루션 제공 등의 방식으로 생태계에 기여할 수 있다. 이는 국가 프로젝트가 아니어도 혁신 스타트업은 자신만의 길을 찾을 수 있음을 보여주며, 정부는 탈락팀들의 기술도 오픈소스 등을 통해 공유되도록 유도해 전체 기술저변 상승을 도모하는 것이 바람직할 것이다.

요약하면, 탈락한 기업들은 각각 높은 잠재력과 나름의 강점을 보유하고 있었으나 선정팀들이 제시한 방향성 대비 설득력이 부족했던 것으로 분석된다. 공통적으로 볼 때, 정부가 강조한 ①소버린 AI로서의 독자 개발 역량, ②오픈소스 개방 의지, ③도전적인 확장 목표 등에 미흡했거나  , 산업 파급효과와 구체적 활용 전략에서 점수가 낮았을 가능성이 있다 . 이번 결과는 곧 국가 AI 사업에 참여하려면 기술·전략·협력·공유 모든 면에서 최고 수준을 준비해야 함을 의미한다. 탈락팀들은 당장의 지원은 놓쳤지만, 공개될 최종 모델을 활용하거나 자체 연구 지속을 통해 생태계의 다른 축으로 기여할 수 있다. 또한 경쟁에서 배제된 빅플레이어(예: 카카오, KT)들이 향후 정부 지원 없이도 독자 노선을 얼마나 이어갈지도 주목된다. 이는 국내 AI 판도의 재편을 예고하며, 정부는 탈락 기업들의 역량도 사장되지 않도록 개방형 협력 구조를 유도할 필요가 있다는 시사점을 남긴다.

3. ‘소버린 AI’와 기술자주권: 개념과 생태계 영향


이번 프로젝트의 키워드 중 하나는 ‘소버린 AI(Sovereign AI)’, 즉 자국 주권을 지닌 AI이다. 소버린 AI란 특정 국가가 외국 기술이나 기업에 의존하지 않고 독자적으로 개발·통제할 수 있는 인공지능을 의미하며, AI 기술 주권 확보와 같은 맥락에서 사용된다. 과기정통부 배경훈 장관은 한국형 파운데이션 모델 개발을 AI를 국가 생존과 직결된 전략자산으로 보고 AI 기술 주권을 확보하겠다는 국가 전략적 선언이라고 평하였다 . 이는 곧 국가 안보와 경쟁력 측면에서 AI 핵심 기술을 자립화하겠다는 강한 의지를 반영한다. 정부가 이번 사업을 추진하며 “진정한 자국 인공지능(소버린 AI)의 본질 실현”을 기대한다고 밝힌 것도, 선정된 팀들이 모두 From Scratch 방식으로 독자 모델을 개발하기 때문이다 . 즉 해외 모델이나 선행학습에 의존하지 않고 알고리즘, 데이터, 모델 구조까지 순수 국내 역량으로 만들겠다는 것 자체가 기술 주권 수호의 상징적 의미를 갖는다.

기술자주권 전략의 의미는 한마디로 AI 패권 경쟁 시대에 뒤처지지 않고 주도권을 확보하겠다는 것이다. 최근 글로벌 AI 시장은 OpenAI, 구글 딥마인드, Meta 등 소수 빅테크가 지배하고 있으며, 대규모 자본과 인프라로 초격차를 벌리고 있다. 이러한 상황에서 국가 인공지능 역량이 전적으로 외부에 의존할 경우, 데이터 주권 침해나 자율성 상실 등의 위험이 발생한다. 예컨대 주요 산업·공공 분야에서 외국 기업의 AI API만 사용하게 되면, 가격·정책 결정권을 타국 기업에 넘겨주는 셈이 되고, 민감한 데이터가 국외로 반출되는 이슈도 생긴다. 따라서 정부는 전략적으로 자국산 AI 모델을 보유함으로써, 안보와 경제 양측에서 독립성을 확보하려 한다 . 이는 유럽연합 등이 추구하는 디지털 주권 개념과도 맥을 같이한다. 실제 EU는 자국 언어에 특화된 대형언어모델 개발을 지원하고 개방형 AI 플랫폼을 구축하는 움직임을 보이고 있는데, 한국도 자국어·자국 환경에 최적화된 모델을 가짐으로써 글로벌 의존도를 낮추겠다는 것이다  .

‘소버린 AI’ 정책이 국내 기술 생태계에 미치는 영향은 크게 세 가지 측면에서 긍정적 효과가 기대된다. 첫째, 국내 AI 연구·산업 전반의 역량 강화이다. 정부가 막대한 재원을 투입해 GPU, 데이터, 인재 등을 지원하면서  국내 플레이어들이 초거대 AI에 도전하게 함으로써, 고급 인력 양성과 기술 축적이 촉진된다. 소버린 AI 확보는 단순히 모델 하나 완성에 그치지 않고, 데이터셋 구축, 반도체 활용, 클라우드 인프라, 응용서비스 개발에 이르는 ‘AI 풀스택’ 역량 자립화를 요구한다 . 이는 연관 분야 스타트업과 부품 산업까지 성장시키는 전방위 파급효과를 낳는다. 예를 들어 이번에 컨소시엄에 포함된 국산 AI 칩 기업(리벨리온, 퓨리오사 등)들은 실제 초대형 모델 구동 경험을 쌓으며 제품 완성도를 높일 것이고, 데이터 가공 기업(셀렉트스타 등)도 다양한 고품질 데이터 확보를 통해 경쟁력을 키울 것이다. 이렇게 생태계의 밸류체인 전체에 경험과 자산이 축적되면, 향후 특정 기업이 아닌 국가 전체의 AI 대응력이 높아진다.

둘째, 개방과 공유를 통한 혁신 가속이다. 정부는 이번에 선정된 정예팀 모두 상업적 활용까지 가능한 높은 수준의 오픈소스화를 약속했다며 크게 강조했다  . 이는 소버린 AI 전략이 단순히 자국 내 울타리를 치는 것이 아니라, 전 세계 개발자와 자산을 공유하면서도 주도권을 놓지 않는 방향임을 보여준다. 글로벌 빅테크들이 자사 모델을 부분 개방하거나 아예 비공개로 두는 것과 달리, 한국은 국산 모델을 과감히 개방함으로써 전 세계 AI 커뮤니티의 참여를 이끌어낼 수 있다. 이렇게 되면 한국 생태계가 개방형 혁신 허브가 되어, 국내 개발자들은 물론 해외 전문가들도 함께 개선·응용하는 선순환 구조가 형성된다. 이는 곧 혁신의 속도를 배가시키고 국내 기술을 빠르게 고도화하는 효과를 낳는다. 또한 상업적 활용도 허용되므로 국내 중소기업·스타트업들이 자유롭게 국산 모델을 활용하여 새로운 서비스를 만들 수 있고, AI 기술 대중화가 촉진된다. 즉 소버린 AI를 공유재로 삼아 전체 경제의 디지털 전환을 가속하는 전략이라 할 수 있다  .

셋째, 해외 의존 위험 감소와 협상력 제고이다. 만약 이번에 한국이 자체 초거대 모델 개발에 성공한다면, 향후 외국 AI 기업과의 협상에서도 유리한 고지를 확보할 수 있다. 현재는 GPT-4 등 최고 성능 모델이 미국에서 나와 한국 기업·정부가 이를 이용하는 형태지만, 가까운 미래에 한국형 GPT가 등장해 성능 격차가 크지 않다면, 해외 솔루션에 대한 대체 옵션이 생긴다. 이는 외국 기업들이 한국 시장에서 과도한 비용을 요구하거나 제한적인 정책(예: 데이터 저장 위치, 사용 제한 등)을 펼칠 때, 국내 대안으로 균형추를 맞추는 견제력이 된다. 예컨대 공공기관 챗봇을 외국 API로 돌리는 대신 국산 모델로 자체 구축하면 민감 정보 유출 우려를 줄일 수 있고, 커스터마이징 자유도도 높아진다. 또한 한국이 주권 AI를 확보하면, 다른 나라(특히 중소언어권 국가)와 AI 협력 네트워크를 구축할 수도 있다. 이미 업스테이지는 한국 모델을 제3국에 공급하는 구상을 밝히기도 했는데 , 이는 한국이 AI 기술 주권 분야에서 리더십을 발휘하여, 글로벌 의존을 우려하는 국가들의 파트너가 될 잠재력도 있음을 시사한다. 종합하면, 소버린 AI 전략은 단순한 기술 개발을 넘어 국가적 자산 형성과 외교적 레버리지 확보까지 내다보는 포석이며, 이는 국내 AI 생태계에 자신감과 명분을 심어주는 긍정적 효과가 있다.

물론 기술자주권 담론에는 냉정한 현실 인식도 필요하다. 진정한 소버린 AI를 위해서는 모델뿐 아니라 데이터 주권, 반도체 주권, 에너지 인프라 등 복합 과제가 수반된다 . 예컨대 초거대 모델을 학습시키려면 대부분 엔비디아 GPU에 의존해야 하는데, 이는 여전히 핵심 기술을 해외에 의존하는 부분이다. 이를 극복하려면 국내 팹리스와 반도체 산업 육성이 병행되어야 한다. 또한 대규모 연산에 필요한 전력 인프라, 클라우드 시설 등도 충분히 갖춰야 한다. 데이터 측면에서도 한국어에 국한되지 않고 다국적 데이터 주권 협의 등을 통해 데이터를 확보/교환하는 전략이 요구될 수 있다. 그럼에도 불구하고, 정부의 기술자주권 선언은 방향성 측면에서 국내 산업계에 확실한 신호를 준 것이다. 기업들은 이제 정부가 끝까지 밀어줄테니, 글로벌 최고에 도전하라는 메시지를 받았고, 이는 민간의 AI 투자를 촉진하는 계기다. 전문가들도 모델 개발 수준에만 머물지 말고 데이터, 반도체, 응용에 이르는 AI 풀스택 자립화 전략으로 나아가야 한다고 조언하고 있어 , 소버린 AI 개념은 전방위 혁신의 깃발로 기능할 것으로 보인다. 결국 기술자주권 전략의 성공 여부는 국가적 지속 투자와 민·관의 협력, 그리고 글로벌 변화에의 유연한 대응에 달려있으며, 이 과정에서 국내 기술생태계는 한층 단련되고 성장할 것으로 기대된다.

4. 단계별 탈락제 도입의 효과, 경쟁 구조의 리스크와 혁신 유도


이번 ‘독자 AI 파운데이션 모델’ 사업의 사업 운영 방식은 여느 R&D 지원사업과 달리, 마치 경연대회(오디션)처럼 단계별 탈락제를 도입한 점이 큰 특징이다 . 즉 처음 5개 정예팀을 선정한 후, 약 6개월마다 성과 평가를 통해 한 팀씩 탈락시키고 최종 2개 팀만 남기는 서바이벌 경쟁 구조를 채택했다  . 이는 우리나라 국가 연구개발 사업에서도 매우 이례적인 형태로, 이러한 단계별 경쟁 시스템이 지닐 제도적 효과와 잠재적 리스크, 그리고 혁신 유발 가능성에 대해 면밀한 분석이 필요하다.

단계별 탈락제의 기대 효과로 먼저 꼽을 수 있는 것은 효율적인 자원 집중과 성과 극대화다. 초거대 AI 모델 개발에는 막대한 비용과 시간이 들기에, 애초부터 한 팀에 올인하기보다 여러 아이디어를 병행 지원한 후 우수 팀에 집중 투자하는 편이 성공 확률을 높일 수 있다. 일정 기간마다 부진한 팀을 탈락시킴으로써 지원 자금을 점진적으로 유망한 팀에 몰아줄 수 있고, 최종적으로 가장 경쟁력 있는 1~2개 모델에 국가 역량을 모을 수 있다  . 이는 자원의 선택과 집중을 투명한 경쟁을 통해 달성한다는 점에서 합리적이다. 또한 상시 평가 체계가 적용되므로 각 팀은 긴장감을 갖고 지속적으로 성과를 내야 하는 동기부여가 된다. 정해진 목표 없이 느슨하게 진행되는 프로젝트보다, 6개월 뒤 탈락을 피해야 한다는 압박이 있을 때 단기간에 집중적인 기술 개발과 문제 해결이 이뤄질 가능성이 높다. 실제 업계 관계자들은 모호한 목표인 “전국민 AI”를 각 팀이 얼마나 설득력 있는 사업모델로 구체화하느냐가 첫 탈락팀을 가를 변수라고 지적하며, 이런 경쟁구도가 팀별 창의적 해석과 노력을 자극하고 있다고 평가한다  . 이처럼 경쟁 구조는 혁신의 견인차가 될 수 있다. 서로 앞서기 위해 차별화된 전략을 세우고 실행하면서, 결과적으로 다양한 시도와 기술 축적이 일어날 것이다. 실제 현재 5개 팀의 전략이 플랫폼, 하이브리드, 산업특화, 글로벌 틈새 등 5색 전략으로 갈라진 것  도 경쟁 구도가 만든 건강한 다양성이라 볼 수 있다.

또한 단계별 탈락제는 성과 책임주의와 견제 장치로서도 기능한다. 전통적으로 대형 국책사업은 중간에 방향이 잘못되어도 계속 끌고 가는 경우가 많았으나, 이번엔 주기적 평가로 객관적 성과 검증을 거쳐 미달 시 과감히 탈락시킨다. 이는 공정성과 책임성을 높여주며, 국민 입장에서도 세금 투입에 대한 신뢰를 가질 수 있다. 2027년까지 4차례 평가를 거쳐 최종 2개 팀을 뽑겠다는 로드맵은  , 마지막까지 최고 수준 팀만 생존하게 함으로써 결과적으로 완성도 높은 모델이 나올 가능성을 극대화한다. 또한 경쟁을 통한 협업 유도라는 효과도 기대해볼 수 있다. 겉보기엔 각 팀이 경쟁하지만, 평가를 의식해 다른 팀 대비 자신들만의 강점을 부각하려면 각자의 니치(niche)를 찾아야 하고, 그러다 보면 팀 간 역할분담도 이루어질 수 있다. 예컨대 어떤 팀은 B2C, 어떤 팀은 B2B 특화로 갈 경우 서로 직접 충돌보다는 상보적 발전이 가능하고, 나중에 생태계 내 협력 관계로 전환되기 용이하다.

반면, 경쟁형 구조가 갖는 리스크도 분명 존재한다. 우선 중복 투자와 자원 낭비의 우려다. 초기 5개 팀에 각각 GPU, 데이터, 자금을 나눠주고 나중에 절반 이상 탈락시킨다면, 탈락 팀이 사용한 자원과 노력이 일부는 사장될 가능성이 있다. 예컨대 1차 탈락한 팀이 개발 중이던 모델은 완성되지 못하고 중단될 것이고, 거기에 투입된 数십억 원 상당의 자원은 최종 산출물로 이어지지 못한다. 물론 탈락 팀도 중간까지 개발한 기술을 공개하거나 민간 활용하겠지만, 국책 프로젝트 관점에선 비효율일 수 있다. 차라리 애초부터 역량을 모아 한두 팀에 집중했다면 더 빨리 목표 달성할 수 있었다는 반론도 제기될 수 있다. 특히 현재 같은 5파전 구조에서는 데이터나 인재를 두고 국내 팀들끼리 경쟁/분산하게 되어, 글로벌 경쟁사와 싸우기 전에 내부적으로 힘이 분산되는 측면이 있다. 일각에서는 “여러 팀이 각자 모델 만들지 말고, 국가역량을 합쳐 한두 개에 몰아주면 안 되냐”는 지적도 있는데, 이번 방식은 그와 정반대로 분산 후 통합을 택한 셈이다. 이때 초기 분산이 가져올 비용을 충분히 회수할 만큼 성과가 나와야 정당화될 것이다.

또 하나의 위험은 과도한 경쟁으로 인한 부작용이다. 탈락의 압박이 크다 보면 팀들은 단기 성과 위주 개발에 치중할 가능성이 있다. 원래 장기적 안목에서 해야 할 기초 연구나 리스크 큰 혁신보다는, 6개월 내 보여줄 수 있는 눈에 띄는 성능 향상이나 데모 제작 등에 집중할 위험이 있다. 이는 중장기적으로 최적 해법을 놓치고 급한 솔루션에 매달리는 결과를 초래할 수 있다. 또한 경쟁 구도가 지나치게 되면 팀 간 정보 공유 단절과 협력 회피 현상이 일어난다. 현재 5개 팀 모두 오픈소스 전략을 표방하지만, 현실적으로 경쟁 중인 상대에게 핵심 정보를 공개하기는 어려울 수 있다. 따라서 동일한 문제를 다섯 번 따로 풀거나, 혹은 비슷한 데이터셋을 개별 수집하는 등 비효율적 중복 작업이 생길 여지가 있다. 만약 컨소시엄들이 데이터 확보 경쟁을 벌이게 된다면, 국내 데이터 공급원(예: 한국어 말뭉치, 신문 등)을 두고 불필요한 출혈 경쟁을 할 수도 있다. 이런 면에서 정부가 데이터 공동 구매 등을 조율하겠다고 하나 , 기본적으로 팀들은 자신들만의 우위 확보를 위해 폐쇄적으로 움직일 유인이 있다.

팀 내의 부작용도 고려해야 한다. 6개월마다 찾아오는 평가 탈락 압박은 구성원들에게 심리적 스트레스가 될 수 있다. 연구개발은 실패와 시행착오가 잦은데, 단기간 결과를 내야 한다는 압박은 창의성 위축과 팀 사기 저하를 부를 수 있다. 특히 1차 탈락이 결정된 팀은 인력 유출이나 프로젝트 동력 상실로 이어질 가능성도 있다. 다만 정부는 탈락팀에 대해서도 일정 부분 후속 지원이나, 다른 사업 연계를 고려할 수 있겠지만 공식적으로 언급된 바는 없다. 따라서 “승자 독식” 구조에서 낙오되는 팀들의 기회비용 문제가 존재한다.

그럼에도 불구하고, 혁신 유도 관점에서 보면 이같은 경쟁형 R&D는 신선한 시도임에 틀림없다. 민간 벤처 생태계에서는 스타트업들이 투자유치 단계마다 성과를 증명하며 성장하듯, 이제 국가 사업에서도 결과 중심, 경쟁 촉진 메커니즘을 도입한 것이다. 이로 인해 각 팀은 정부 심사단과 국민을 상대로 자신들의 AI 비전과 구현력을 증명하는 자리를 주기적으로 갖게 되고, 이는 AI에 대한 대중 관심 제고 및 성과의 투명한 공개라는 장점도 있다. 실제 올 하반기에는 전 국민 참여 AI 콘테스트도 예정되어 있어, 대중의 관심이 경쟁을 통해 더욱 높아질 전망이다  . 이는 단순 기술 경쟁을 넘어 AI 붐업 및 인재 양성 효과도 노릴 수 있는 부분이다.

팀 간 경쟁 구조가 혁신을 얼마나 끌어낼지는 궁극적으로 평가 항목과 심사 공정성에 달려 있다. 업계 전문가들은 이번 12월 1차 평가에서 전국민 AI라는 모호한 개념을 누가 가장 설득력 있는 모델로 구현하느냐”가 관건이 될 것이라고 전망한다 . 이는 곧 정부가 원하는 혁신의 방향을 각 팀이 달리 해석하고 있다는 뜻이고, 심사위원단이 어느 해석을 높게 살펴보느냐에 따라 결과가 좌우될 것이다. 만약 평가가 공정하고 정량·정성 지표가 명확하면, 팀들은 그 방향으로 혁신을 집중할 것이고 이는 곧 정부 정책 목표에 부합하는 기술 성과로 이어질 것이다. 반대로 평가 기준이 불분명하거나 일관성 없으면, 팀들은 불필요한 방향으로 리소스를 낭비하거나 잘못된 신호를 받게 될 수 있다. 따라서 정부는 평가 방안을 팀들과 협의하여 확정한다고 밝힌 만큼 , 투명하고 예측 가능한 기준을 마련해야 한다.

결론적으로, 단계별 탈락제는 고위험-고수익의 양면성을 지닌다. 단기적으로는 긴장감을 통한 성과 압박, 장기적으로는 최고 기술 선별이라는 효과로 혁신 엔진이 될 수 있다. 다만 그 과정에서 발생할 수 있는 비효율과 인적·물적 손실을 최소화하도록, 중간 탈락팀의 성과도 축적·공유시키는 장치를 고민할 필요가 있다. 예를 들어 탈락팀이 개발한 부분 모델이나 데이터셋을 최종 팀이 활용할 수 있게 하거나, 탈락팀을 별도 용도로 재투입하는 등 자원의 재활용을 도모하면 경쟁의 폐해를 줄일 수 있다. 또한 건전한 경쟁 문화를 조성하여 상호 비방이나 과열을 막고, 협력할 부분은 협력하게 유도하는 (예: 범용 언어자원 구축은 공동 추진 등) 메타-관리 전략도 요구된다. 이런 균형 잡힌 운영이 뒷받침된다면, 이번 서바이벌 구조는 국내 R&D 시스템에 새로운 활력과 혁신 DNA를 심는 성공 사례로 자리잡을 수 있을 것이다.

5. 정예팀 개발목표의 산업별 파급효과 및 시장 수요 대응력


5개 정예팀이 각각 내세운 개발목표는 그 지향점과 응용 분야에서 차이가 있으며, 이는 향후 산업계 전반에 다양한 파급효과를 미칠 것으로 기대된다. 이번 프로젝트의 궁극적인 목적 중 하나가 국내 여러 산업의 AI 전환(AX)을 촉진하는 것이므로 , 각 팀의 성과는 B2B(기업용), B2C(소비자용), B2G(공공용) 등 분야별로 시장 수요에 어떻게 부응하는지가 중요하다. 아래에 팀별 목표와 연계된 산업 파급효과를 분석하고, 각 팀이 해당 시장 수요에 대응하는 역량을 평가해본다.
• 네이버클라우드 팀 – “전국민 AI 서비스 플랫폼”: 이 팀은 B2C 측면에서 가장 직접적인 임팩트를 낼 것으로 보인다. 네이버는 국내 최대 포털이자 플랫폼 사업자이므로, 개발된 옴니AI 모델을 검색 고도화, AI 챗봇, 음성비서, 번역기 등 자사 서비스 전반에 빠르게 적용할 수 있다. 이는 곧 수천만 네이버 사용자들에게 AI 혜택을 제공하여 일상생활에서 AI 활용이 증가하는 파급효과를 낳는다. 특히 한국어 질의응답, 컨텐츠 생성 등에서 ChatGPT 대비 현지화된 성능을 보인다면, 국내 소비자들이 외산 대신 국산 서비스를 선택하도록 수요를 흡수할 수 있다. 또한 AI 에이전트 마켓플레이스를 통해 개발자들이 다양한 B2C 애플리케이션을 만들어 유통할 수 있게 함으로써  , 앱스토어처럼 AI 서비스 생태계가 활성화될 전망이다. B2B 측면에서도 네이버클라우드 플랫폼을 통해 기업고객이 해당 모델을 API로 활용하거나 커스터마이징할 수 있게 될 가능성이 크다. 이미 네이버클라우드는 클라우드 AI 서비스로 금융, 제조, 의료 등 산업에 솔루션을 제공 중인데, 자체 초거대 모델 탑재로 국내 기업들이 안심하고 사용할 수 있는 AI 플랫폼을 제공하여 수요에 대응할 수 있다. 특히 데이터 주권을 중시하는 공공기관이나 금융권 등이 해외 클라우드 대신 네이버의 국산 모델 서비스로 이동할 수 있으며, 이는 B2G 수요 충족에도 기여한다. 전반적으로 네이버 팀은 기존 방대한 사용자 풀과 서비스 채널을 보유한 만큼, 완성된 모델의 시장 파급력이 즉각적일 것으로 예상된다. 다만 챗GPT 등과 경쟁에서 우위를 점하려면 모델 품질이 담보되어야 하며, 현재 목표인 “글로벌 AI 95% 성능” 수준을 달성하는지가 관건이다 . 달성 시 한국어 시장에서는 사실상 동등 성능의 대안으로 인정받아, 국내 B2C 수요의 상당 부분을 흡수할 수 있을 것이다.
• 업스테이지 팀 – “산업별 버티컬 & 글로벌 틈새 공략”: 업스테이지는 애초부터 B2B 산업 수요에 밀착한 전략과 해외 틈새시장 공략을 모두 내세웠다 . 이들의 모델 솔라 WBL은 파트너십을 맺은 법률, 금융, 제조, 의료, 국방 등 다양한 분야의 기업들과 함께 도메인 특화 기능을 개발할 예정이다  . 예컨대 금융 분야 파트너(금융결제원)와는 AI를 활용한 금융 데이터 분석 또는 신용평가 모델을, 법률 스타트업(로앤컴퍼니)과는 법률 문서 요약·질의 응답 특화 모델을 공동 개발하는 식이다. 이러한 버티컬 솔루션은 각 산업의 실제 수요에 맞춘 AI이므로 현장에서 즉각 활용될 수 있고, 도입 기업의 업무 효율 향상과 서비스 혁신을 이끈다. 업스테이지는 이미 기업 대상 AI팩 등을 제공해온 경험이 있어, 완성된 모델을 손쉽게 기업들 워크플로우에 통합시켜 B2B 수요를 창출할 역량이 높다. 또한 오픈소스 정책 덕분에 업스테이지의 모델은 스타트업이나 중소기업들도 자유롭게 활용할 수 있고, 이를 기반으로 다양한 솔루션 업체들이 생겨나는 파급효과도 기대된다.
더 흥미로운 부분은 글로벌 시장 수요 대응이다. 업스테이지는 동남아, 일본 등 비영어권을 겨냥해 다국어를 지원하고, AI 주권을 원하는 해외 정부/기업에 커스터마이즈드 국산 모델을 제공하려 한다  . 예컨대 동남아 국가 중 하나가 자국어 AI 챗봇을 원하면, 업스테이지는 한국 모델을 바탕으로 해당 언어에 특화된 모델을 빠르게 만들어줄 수 있다. 이는 현재 글로벌 빅모델들이 커버하지 못하는 언어/시장에 대한 틈새 공급으로, 새로운 수요를 발굴하는 셈이다. 이미 중동이나 유럽 일부에서도 미국산 AI 의존을 경계하는 움직임이 있어, 업스테이지 모델이 오픈소스이면서 성능도 좋다면 “AI 비동맹” 국가들의 선택지가 될 수 있다. 이는 국내 산업 관점에서도 AI 수출 산업의 탄생을 의미하며, K-AI의 브랜드화로 이어질 수 있다. 업스테이지의 대응력은 민간 스타트업 특유의 고객 맞춤형 서비스에서 나오는데, 다만 기업 규모가 작으므로 동시다발적 수요 대응에 자원 제약이 있을 수 있다. 이를 보완하기 위해 정부 지원으로 해외 인재도 충원하고 있어 , 향후 수요 증가에 대비한 스케일업이 관건이다. 종합적으로 업스테이지는 국내외 B2B/B2G 니즈에 날렵하게 대응하며 새로운 시장을 개척할 잠재력이 높고, 이는 산업별로 AI 활용도가 낮았던 영역까지 AI 침투를 확산시키는 효과가 있을 것으로 보인다.
• SK텔레콤 팀 – “B2C+B2B 하이브리드 & AX (AI 대전환)”: SKT는 통신 서비스와 산업 동맹을 결합한 하이브리드 모델로 광범위한 파급효과를 노리고 있다 . B2C 측면에서 SKT는 이미 통신 가입자 대상 AI 서비스(A. 등)를 운용 중이며, 향후 개발될 초거대 모델을 통해 스마트폰 기반 AI 비서, 콜센터 AI, 메타버스 아바타 등 대중 소비자용 서비스를 대폭 향상시킬 수 있다. 예컨대 AI를 활용한 지능형 통화 서비스나 사용자 개인화 비서를 통신망과 결합해 제공하면, 이동통신 2천만 가입자에게 바로 AI 혜택이 돌아갈 수 있다. 5G MEC 인프라와 연계한 실시간 AI 서비스도 가능해져, 자율주행 차량용 경고 서비스나 스마트시티 모니터링처럼 통신 인프라 기반 신규 B2C 서비스 수요도 창출될 수 있다. 이처럼 SKT의 강점인 네트워크와 결합한 AI는 해외 빅테크와 차별화된 분야로, IoT, 스마트홈, UAM(도심항공모빌리티) 등 통신 응용 산업에서 AI 수요를 선도적으로 대응할 수 있다.
B2B 측면에서도 SKT 컨소시엄은 다양한 산업과 연합을 맺고 있어, B2B2C 형태의 간접 파급효과가 기대된다  . 예를 들어 참여사 크래프톤은 글로벌 게임사이므로, SKT 모델이 적용된 게임 AI NPC나 게임 운영 자동화 솔루션이 개발되면 게임산업 혁신으로 이어질 수 있다. 포티투닷(자율주행)과 협력하면 모빌리티 AI 플랫폼으로, 리벨리온(반도체)과는 AI+반도체 결합 상품으로 확장 가능하다. 또한 SK그룹 내부의 에너지, 물류, 보안 계열사들과도 연계하여 그룹 차원 디지털 전환을 가속할 수 있다. SKT가 강조하는 AX(모든 산업의 AI 전환) 촉진 전략은 이러한 그룹 내외 연합으로 다양한 산업군의 경쟁력 제고를 노린 것이며  , 통신망을 타고 산업현장 구석구석까지 AI를 배치하는 파급력을 염두에 둔 것이다. 공공 분야에서도 SKT는 이미 국가재난망, 응급의료 등과 연관이 깊어서, 향후 국방이나 치안분야 AI에도 기여할 여지가 크다. 통신 데이터를 활용한 교통예측 AI, 질병예측 AI 등 공공서비스 수요에도 응답할 역량이 있다.
SKT 팀의 시장 수요 대응력은 기업 규모와 인프라, 서비스 운영 경험에서 나온다. 국내 최대 통신사로서 자본력과 영업 채널이 탄탄해, 개발된 AI 서비스를 전국민 단위로 롤아웃하는 데 유리하다. 또한 B2B 영업망도 확보하고 있어, 기업 고객에 AI 솔루션을 통합 제공하기 쉽다. 다만 위험 요인은 통신사로서 새로운 인터넷 서비스 트렌드에 적응하는 속도다. 빅테크 대비 UX나 소프트웨어 분야에서 보수적이라는 평을 받기도 해, 혁신적인 AI 서비스 기획에 민첩해야 할 필요가 있다. 그럼에도 **“국민 AI 접근성 강화”**를 내건 만큼, 정부 지원과 맞물려 농어촌 등 디지털 소외계층에게 AI 혜택 제공 같은 공공적 역할까지 수행할 경우, SKT의 모델은 사회 전반의 수요를 아우르는 폭넓은 파급효과를 낼 수 있을 것으로 보인다  .
• NC AI 팀 – “산업 특화 DomainOps & B2B SI(시스템통합)”: NC소프트의 NC AI 컨소시엄은 앞서 설명했듯 DomainOps 플랫폼을 통해 제조, 유통, 로봇, 콘텐츠, 공공 등 각 분야별 특화 모델을 개발하려 한다 . 이는 B2B 맞춤 솔루션 제공에 초점을 둔 것으로, 전통 산업들의 AI 도입 장벽을 낮추는 파급효과가 크다. 예를 들어 제조업 파트너인 포스코DX와 함께 제조 공정 최적화 AI를 만든다면, 국내 제조사 전반이 해당 솔루션을 도입해 생산성 향상을 이룰 수 있다. 유통 산업의 롯데이노베이트와는 수요 예측 및 물류 AI, 공공 서비스와는 행정 문서 자동화 AI 등을 개발해 각 부문별 업무 혁신을 일으킬 수 있다 . 특히 NC AI팀은 40여 수요기업의 참여를 통해 현장의 요구를 직접 반영하고 있어, 개발된 모델들이 바로 현장 배치될 가능성이 높다  . 이는 AI 기술이 연구소를 넘어 실제 산업 설비와 프로세스에 스며드는 효과를 가져와, AI 도입률이 낮았던 전통 산업까지 디지털 전환을 촉발할 것이다. 또한 NC소프트 본연의 업종인 게임/콘텐츠 분야에서도, 생성형 AI를 활용한 캐릭터 시나리오 생성, 그래픽 자동 생성 등 새로운 시도를 통해 콘텐츠 산업 혁신을 주도할 수 있다. 이러한 멀티모달 생성 기술은 영화 VFX, 웹툰, 방송 등 다른 콘텐츠 영역에도 수요가 크므로, NC팀의 기술은 K-콘텐츠 경쟁력 강화로도 이어질 수 있다.
시장 수요 대응력 측면에서 NC AI팀은 SI(System Integration)형 모델을 지향하고 있어, 대기업·공공 프로젝트 수요에 특히 강점이 있다. 컨소시엄에 ETRI(국책연)와 주요 대학이 포함된 점은 공공 신뢰성을 높여주며, 이미 파트너로 들어온 기업들은 잠재적 고객이자 공동개발자로서 역할을 할 것이다. NC소프트가 그동안 게임 이외 B2B 사업 경험은 적지만, 이번 컨소시엄의 파트너 구성으로 그 약점을 보완했다. 또한 허깅페이스 허브에 모델 공개 등 오픈소스 전략을 통해 , 중소기업들도 DomainOps 플랫폼에서 자신들 데이터로 파인튜닝해 쓸 수 있게 하면 AI 민주화에 기여할 수 있다. 다만 NC AI의 과제는 워낙 폭넓은 산업을 다루기에 전문화 깊이를 모두 확보해야 한다는 점이다. 제조와 로봇, 미디어까지 각기 다른 도메인에 최적화하려면 상당한 리소스와 노하우가 필요하다. 이를 위해 많은 파트너들과 협력 네트워크를 구축했지만, 프로젝트 관리 복잡성도 증가한다. 그럼에도 불구하고 정부 지원 하에 이런 광범위한 SI형 접근을 취하는 것은 개별 기업들이 하기 어려운 일이라, NC팀의 시도가 성공하면 한국 산업계 전반에 AI 스며들기를 크게 앞당길 것으로 기대된다. 특히 공공 산업 특화 모델을 개발한다고 명시한 만큼, NC팀은 정부 정책과 연계한 B2G 솔루션(예: 행정업무 자동화, 공공데이터 챗봇 등)으로 공공서비스 혁신에도 부응할 전망이다 .
• LG AI연구원 팀 – “범용 고성능 모델의 전 산업 확산”: LG팀은 목표 자체가 **“글로벌 최고 수준 범용 프론티어 모델 개발”**이기에, 파급효과 역시 범용적이다 . 성능 100%급 K-Exaone을 달성한다면, 이 모델은 영어 포함 여러 언어와 텍스트·이미지 등 다방면에서 GPT-4 등에 필적할 것이므로, 활용 범위가 사실상 제한이 없다. B2C로는 LG유플러스의 통신 서비스, LG전자 가전의 스마트 기능, LG헬로비전 등의 미디어 서비스에 적용되어 수천만 소비자를 만날 수 있다. 예컨대 LG 스마트TV에 K-Exaone 기반 음성비서가 탑재되거나, LG전자의 가정용 로봇이 초거대 모델로 구동된다면 소비자 경험이 혁신될 수 있다. 또한 LG생활건강 등 계열사 제품 마케팅에도 AI가 활용되고, LG의 인터넷 플랫폼들(예: U+모바일앱)에 AI 챗봇이 들어가는 등 일상생활 속 AI 접점이 늘어날 것이다. B2B 측면에서 LG CNS는 IT서비스 기업으로 금융·공공 프로젝트를 다수 수행하므로, K-Exaone을 기반으로 기업 맞춤 AI 솔루션을 공급하여 시장 수요에 대응할 수 있다. 가령 스마트팩토리, 물류 최적화, 금융 문서분석 등 LG CNS의 기존 DX사업에 초거대 AI를 접목하면 고도화된 서비스로 경쟁우위를 확보하고 수주를 늘릴 수 있다. LG그룹 내부 제조 계열사들(LG화학, LG엔지니어링 등)에도 자체 특화 AI를 보급해 그룹 차원의 생산성 향상을 이룰 것이다. B2G 분야에서도 LG CNS가 전자정부 사업 등에서 두각을 나타내온 만큼, 국산 모델을 기반으로 공공부문 AI 사업을 확대할 것으로 보인다.
LG팀의 전략은 전문성과 범용성 겸비인 만큼, 전문 분야 특화 모델도 개발하고 동시에 범용 서비스도 제공하겠다는 것이다  . 예를 들어 의료 전문 AI와 일반 대화형 AI를 모두 한 플랫폼에서 서비스하고, 접근 용이한 풀스택 생태계를 만든다는 구상이다  . 이는 AI 모델을 클라우드 형태로 누구나 활용할 수 있게 하고, 필요에 따라 특화 버전도 지원하는 모습으로 예상된다. 결과적으로 시장 모든 섹터의 수요를 하나의 거대모델로 대응하는 그림인데, 여기서 핵심은 모델의 유연성과 성능이다. 목표대로 최고 성능을 달성하면, 국내 수요자들은 “굳이 GPT-4를 쓰지 않고도 된다”는 신뢰를 갖게 되어 수요 흡수력이 커질 것이다. LG팀은 이미 엑사원을 다양한 산업과 공동 연구하여 성능을 입증해왔고 , 컨소시엄 참여사 중 한글과컴퓨터, 뤼튼 등은 생산성 도구 분야로 LG모델 활용 앱을 만들 가능성이 높다. 이를 통해 사무자동화, 교육 등 신규 수요도 창출될 수 있다.
LG팀의 시장 대응력은 대기업의 실행력과 폭넓은 협력망에서 나온다. LG는 그룹 차원 지원이 가능해, 인프라나 마케팅 면에서 타 팀보다 유리하다. 또한 한편으로 AI윤리와 책임성 측면에서 LG AI연구원이 그간 AI 윤리강령 수립 등 노력을 기울여왔기에, 민감 산업(의료 등)에서 신뢰받고 도입될 여지도 크다. 다만 LG모델이 정말 GPT-4급 범용성을 갖출지는 도전과제로, 목표를 못 미달하더라도 정부 기준 95%만 넘기면 국내 시장에는 상당한 영향력을 가질 것이다 . LG팀이 약속한 오픈소스 공개가 이행되면, 스타트업들과 연구자들이 K-Exaone을 응용한 다양한 서비스를 내놓을 것이고, 이는 창의적 시장 수요 발굴로 이어질 것이다. 예컨대 스타트업이 K-Exaone을 활용해 한국어 전용 의료 상담봇을 출시하는 식이다. 그러면 국내 이용자들은 해외 AI 대신 우리말에 최적화된 솔루션을 얻고, 시장 전반의 AI 활용도가 높아지는 파급효과가 발생한다.

종합 평가를 해보면, 각 팀 모두 자신들의 강점을 살린 분야에서 높은 시장 수요 대응력을 갖추고 있다. 네이버는 플랫폼 장악력으로 B2C를, 업스테이지는 민첩성과 개방성으로 B2B/B2G 틈새를, SKT는 인프라와 그룹사 연계로 B2C+B2B 전방위를, NC는 도메인 지식 결집으로 전통산업 B2B를, LG는 최고 성능과 그룹 실행력으로 범용 수요를 공략하는 형국이다. 이는 서로 보완적이기도 하여, 다섯 팀의 성과가 모두 공개되고 활용된다면 한국 AI 생태계는 소비자 서비스부터 산업 솔루션, 공공 행정까지 수요를 아우르는 포괄적 대응력을 갖추게 될 것이다. 중요한 것은 시장 니즈와 괴리가 없도록 각 팀이 실제 현장의 목소리를 반영하는 것이며, 현재 컨소시엄 구성에서 그 노력이 보인다. 또한 해외와의 경쟁에서 살아남는 것도 관건인데, 국내 시장에서 자리잡은 모델들은 향후 해외 진출을 통해 추가 수요를 찾을 수 있다. 특히 아시아 신흥시장에서 한국어와 구조가 유사한 언어들(인니어 등)이나 한류 문화권에서는 한국 모델이 진출하기 용이하여, 글로벌 시장 수요도 노려볼 만하다. 따라서 각 팀이 단지 국내 수요 대응에 머물지 않고 글로벌 트렌드에 맞춰 기술 업그레이드를 지속한다면, 세계 시장에서 통하는 K-AI 솔루션으로 성장해 더 큰 파급효과를 낼 가능성도 존재한다.

6. 글로벌 빅테크(OpenAI, Anthropic, Google DeepMind 등) 대비 경쟁력 분석


한국의 5개 정예팀이 글로벌 AI 빅테크와 직접 경쟁할 날이 오면 어떨까? OpenAI나 구글 딥마인드, Anthropic, Meta 등은 이미 초거대 AI 분야에서 최전선의 플레이어들이다. 이들과 비교하여 한국 팀들이 가진 기술적·조직적 역량의 수준과 특성을 살펴보면, 우리의 경쟁력 위치를 가늠해볼 수 있다. 물론 현재는 시작 단계이므로 직접적인 성능 비교는 시기상조지만, 전략과 잠재력 관점에서 몇 가지 측면을 분석해본다.

(1) 모델 성능 및 규모: 글로벌 빅테크들은 GPT-4, PaLM 2, Claude 2 등 수천억~수조 개 파라미터 규모 모델을 선보이고 있으며, 그 성능은 각종 벤치마크 1위를 다투는 수준이다. 한국 팀들은 정부 목표인 최신 글로벌 모델의 95% 이상을 달성하겠다고 한다 . 이는 곧 GPT-4 대비 95%에 도전한다는 뜻으로, 만만치 않은 목표다. 현재까지 공개된 국내 모델(예: 엑사원 1.0 등)은 GPT-3.5 수준에 머무르는데, 향후 2~3년에 걸쳐 이를 뛰어넘는 개발을 해야 한다. 자연언어 처리, 추론, 창의적 생성능력 등에서 OpenAI 모델과 근접해지는 게 1차 과제다. 기술적 난제는 학습 데이터와 컴퓨팅 파워인데, 빅테크들은 수천Gb의 데이터와 수만 개 GPU를 투입한 반면, 한국 팀들은 정부 지원 합쳐도 수천억 매개변수 모델 한두 개 훈련하는 수준이다. ZDNet은 한정된 시간과 자원 속에서 모델 효율성을 얼마나 끌어올리느냐가 관건이라고 전했다 . 이는 우리가 자원 열세를 모델 최적화 기술로 만회해야 함을 의미한다. Efficient Transformer, Sparsity, LoRA 등 효율화 알고리즘 개발이 글로벌 경쟁의 키가 될 것이며, 다행히 업스테이지 등 일부 팀은 고효율 모델을 전면에 내세우고 있다 . 규모 면의 절대 열세는 인정하되, 한국어 및 특화 영역 성능에서는 오히려 빅테크를 앞서는 니치 우위를 노려야 한다. 실제로 한국어 문장 해석이나 문화 맥락 이해는 GPT-4도 완벽하진 않은데, 한국 모델들은 풍부한 로컬 데이터로 이 부분에서 차별화할 수 있다. Anthropic의 Claude가 안전성에 초점을 맞췄듯, 한국 모델도 예컨대 정확도나 사실 검증, 안전성 면에서 강점을 가져간다면 특정 시장에서 경쟁력을 가질 수 있다.

(2) 인프라와 연구역량: OpenAI와 구글 등의 연구진 규모와 인프라 수준은 압도적이다. 전세계 톱 AI PhD와 엔지니어들이 모여있고, 자체 TPU나 MS의 Azure 슈퍼컴 등 전용 인프라가 동원된다. 반면 한국 컨소시엄들은 KAIST, 서울대 등 국내 최고 전문가들이 참여하지만, 글로벌 석학 풀은 제한적이다. 예를 들어 트랜스포머 논문 저자나 AlphaGo 개발자 같은 세계적 인재는 대부분 해외에 있다. 한국 팀들도 일부 해외 석학(예: SKT 컨소시엄에 위스콘신대 석학 참여 )을 영입했으나, 규모 면에서는 작다. 이를 보완하는 방법은 오픈소스 커뮤니티 힘을 빌리는 것이다. 메타의 Llama2가 전세계 오픈소스 개발자들의 개선으로 GPT-4에 근접한 케이스처럼, 한국 모델들도 공개함으로써 글로벌 두뇌들을 함께 활용할 수 있다. 다행히 모든 팀이 오픈전략이라, 외부 기여로 연구역량 확대를 기대할 수 있다. 또한 정부가 해외 우수연구자 팀의 인건비를 지원해주기로 한 만큼 , 해외 인재 채용을 적극 추진해야 한다. 조직 문화 측면에서 글로벌 빅테크는 실리콘밸리식 수평 문화와 막대한 자금을 바탕으로 빠른 프로토타이핑을 하지만, 국내 대기업들은 상대적으로 관료적일 수 있다는 우려가 있다. 이 부분은 스타트업 업스테이지가 혁신 DNA를 주입하거나, LG AI연구원 등 비교적 자유로운 연구조직이 주도함으로써 완화될 수 있다. 실제 LG AI연구원은 국내외 박사급 수백 명을 영입해 기업 산하 연구소 중 최대급으로 키웠고, SKT도 T브레인 등 연구문화를 개선하려 노력 중이다. 조직 역량에서 OpenAI는 375억 파라미터 GPT-3를 1.5개월 만에 학습시켰던 경험 등이 있는데, 한국팀도 이번 정부 지원으로 큰 모델을 처음부터 끝까지 돌려보는 조직적 경험을 쌓을 것이다. 이 러닝 커브를 얼마나 빨리 극복하느냐가 승부처다.

(3) 데이터 및 언어 장벽: 글로벌 모델들은 영어 인터넷의 방대한 텍스트를 거의 망라하다시피 학습했다. 한국팀도 한국어 및 멀티링ual 데이터를 확보해야 하는데, 다행히 정부가 국가기록원, 특허청, 방송영상 등 고품질 데이터를 공동 구매해주고 팀별 특화 데이터셋 구축도 지원한다  . 이는 한국팀의 강점으로, 예컨대 한국 역사기록, 행정문서, 한의학 서적 등 로컬 데이터는 외국 모델이 충분히 갖지 못한 부분이다. 또한 한국어 형태는 교착어로 영어와 달라서, 한국어 특화 처리가 요구된다. 과거 구글 번역이 한국어에서 약했듯, 언어 장벽은 글로벌 AI의 약점이 될 수 있다. 한국팀들은 한국어에 대해선 원어민 데이터와 전문 지식으로 훈련할 수 있어 언어적 전문성에서 경쟁력을 가질 수 있다. 예를 들어 카카오브레인이 공개한 KoGPT가 같은 사이즈 영어모델보다 한국어에선 성능이 높았던 사례처럼, 자국어 최적화는 충분히 가능하다. 다만 한국 시장만 볼 수는 없기에, 영어나 다국어 성능도 중요하다. 여기서 빅테크는 영어권에서 워낙 강하기 때문에, 한국 모델들이 영어 등에서 95% 성능을 내도록 열심히 해야 한다. LG팀이 아예 글로벌 100% 이상을 목표한 건 이런 의미인데 , 만약 달성하면 언어 불문 세계 최고 반열에 드는 것이고, 현실적으로 80~90% 수준에 머물면 주로 한국어권과 특수 도메인에서만 쓰일 수 있다. Anthropic이나 DeepMind의 전략은 영어 모델의 안전성, 수학능력 등을 개선하는 것이므로, 한국팀도 단순 추종이 아닌 특화 역량(예: 사실검증 잘함, 숫자계산 잘함 등)을 키우면 영어권에서도 선택받을 기회가 생긴다.

(4) 안전성과 윤리, 규제 대응: Anthropic은 AI 안전성을 내세우고, OpenAI도 RLHF로 유해발언을 억제하는 등 윤리 조치에 공들인다. 한국 모델들도 초기 학습 데이터의 편향 제거, 유해 콘텐츠 필터링 등에 주의를 기울여야 글로벌 수준으로 인정받는다. 국내 팀 중 NC AI는 개인정보보호 등 안전성 강조로 좋은 평가를 받았고 , LG AI연구원도 윤리 준수 원칙을 세워놓고 있다. 정부도 아마 AI 윤리 체크리스트를 평가에 반영할 것이다. 이런 측면은 글로벌 경쟁에서 브랜드 신뢰성을 좌우하므로 중요하다. 예컨대 한국 모델이 저작권 문제 없이 공개 데이터로만 학습했다거나, 대화에서 차별적 발언 거의 안 한다는 평판을 얻으면 국제 시장에서도 통용될 수 있다. 조직 역량으로 보면, 빅테크는 자체 정책팀과 법률팀이 AI 윤리 가이드 마련에 투입되지만, 국내는 아직 체계가 약하다. 이를 업계와 정부가 협력해 마련 중이므로, 향후 글로벌 표준 준수에 힘써야 한다. 규제 대응 면에서도, EU AI Act 등 국제 규제가 생겨나고 있어, 한국 모델이 모델 카드 공개, 투명성 보고 등을 잘 해두면 해외 시장 진출시 규제 충족에 유리하다.

(5) 시장 및 산업 연결: 구글과 OpenAI는 이미 거대 생태계를 구축했다. 오픈AI는 MS Azure, Office 등과 결합하여 시장을 장악 중이고, 구글은 자기 서비스(검색, Gmail)에 통합하고 있다. 한국팀들은 상대적으로 시장 장악력은 제한적이다. 그러나 네이버, SKT, LG 등은 국내에서는 영향력이 크므로, 이 점에서 자국 시장에선 경쟁력이 있다. 글로벌로 나가면 인지도와 채널에서 부족하지만, K-컬처 연계 등 새로운 각도로 접근 가능하다. 예를 들어 한국모델이 한류 콘텐츠 지원에 특화되면 일부 팬층이나 기업이 선호할 수 있다. 또한 Upstage처럼 소버린 AI 수출을 내세우는 전략은 OpenAI 등이 커버 못하는 정부 수요를 공략할 수 있다 . 전반적으로 한국팀 대 글로벌 빅테크의 구도는, 마치 한국 전자업체 대 FAANG의 경쟁과 비슷할 수 있다. 한국은 민첩성과 특정 분야 전문성으로 틈새를 공략해 성장해왔는데, AI 분야도 초반에는 국내 5팀이 한국어권과 특화영역에서 입지를 다진 후, 점차 기술력을 끌어올려 글로벌에 도전하는 흐름이 될 것이다.

경쟁력 비교를 요약하면: Compute(연산자원) 면에서 한국은 열세지만 효율화 전략으로 만회해야 하고, Data/Language 면에서 한국어 등은 우위, 영어는 도전. 인재풀은 양적으론 작지만 컨소시엄 협력과 개방으로 확대 가능. 조직 실행력은 대기업 vs 빅테크 모두 강점/약점이 있어, 국내 팀이 정부 지원으로 속도를 높이면 단기간 격차를 좁힐 수 있다. 예컨대 정부가 지원하는 약 2,000억원 규모 GPU·데이터 확보 비용 은 작은 돈은 아니어서, 이를 잘 쓰면 스타트업 업스테이지도 구글 못지않은 인프라로 도전해볼 수 있다. 실제 국내 지원 총액 2136억원은 미약하나마 OpenAI가 GPT-4 개발에 쓴 추정비용(数천억원)의 절반 정도는 된다 . 따라서 한정된 예산으로 얼마나 효율을 극대화하느냐가 성패다.

Anthropic이나 DeepMind와 조직적 비교를 구체적으로 해보면, Anthropic은 OpenAI 출신들이 세운 스타트업으로 100명 남짓 인원이지만, 미국최고 AI연구자들이 모였다는 점이 강점이다. 업스테이지는 인원도 작고 인재밀도에서도 불리하지만, 학습코드 오픈 등으로 커뮤니티를 모아 사람/지식 보완을 노린다. DeepMind(현재 Google DeepMind)는 수년간 AlphaGo 등으로 축적한 연구 자산이 막강하고, 최근 제미니 모델로 GPT-4 능가를 노린다. LG AI연구원 등이 이들과 비슷한 산업연구소 포맷인데, 아직 내공 격차는 있다. 이를 줄이기 위해 LG는 엑사원 개발 경험을 쌓았고, 이제 한 단계 도약을 시도하는 것이다.

OpenAI는 폐쇄적 전략으로 상업화에 성공했고, Meta는 오픈전략(Llama2)으로 파급을 노린다. 한국팀은 Meta식 오픈을 택했는데, 이는 글로벌 개발자들의 마음을 얻는 데 유리하다. 이미 Llama 모델이 공개되어 많은 파생모델이 나왔는데, 한국모델도 공개되면 전세계 연구자들이 비교, 개선에 참여할 수 있다. 예컨대 전세계 한글학습자나 한류팬들이 한국모델에 관심을 가질 수도 있다. 브랜드 경쟁력 측면에서는 아직 K-AI 브랜드는 미약하지만, 정부가 이를 국가대표 사업으로 내세우며 국가대표 AI라는 용어도 쓰고 있어 , 국내외 홍보에 적극 나설 것으로 보인다.

마지막으로, 경쟁력의 궁극적 척도는 사용자의 선택이다. 한국모델이 완성되었을 때, 한국의 기업과 국민들이 이것을 실제로 쓰느냐, 아니면 여전히 GPT나 Claude를 찾느냐가 중요한 지표다. 만약 성능이 조금 떨어져도 데이터주권과 현지화 서비스의 장점으로 국내 수요를 상당 부분 대체한다면, 이는 일단 내수 시장에서 경쟁우위를 확보하는 것이다. 그 다음으로 해외에서 얼마나 쓰이는지가 관건인데, 전세계 AI 연구자들의 평가와 국제벤치마크에서 순위권에 들면 관심이 쏠릴 것이다. 예를 들어 LG팀이 목표하는 글로벌 프런티어 모델 대비 100%+ 성능”을 달성하면 , 국제 학회나 MLPerf 같은 벤치마크에서 한국모델이 언급되며 글로벌 인지도 상승으로 이어진다. 이는 기술 류한평가를 넘어서, 한국AI가 빅테크와 겨룰만하다는 이미지 구축에 중요하다.

결론적으로, 현시점 한국 정예팀들의 경쟁력은 빅테크에 비해 1~2년 이상 뒤처져 있지만, 정부의 전략적 지원과 각 팀의 강점 집중으로 격차를 좁힐 가능성을 갖고 있다. 특화 영역 공략과 오픈소스 협력, 효율적 연구를 통해 “작지만 강한” 경쟁자로 부상한다면, 글로벌 빅테크와 어깨를 견줄 부분적인 경쟁력을 확보할 수 있을 것이다. 특히 한국팀들이 글로벌 기업 대비 상대적으로 기민하게 정책 방향에 맞춘 개발(예: 한국 정부용 특화, 다국어 지원 등)을 할 수 있다는 점도 장점이다. 다만 궁극적으로 연구의 깊이와 혁신성에서 빅테크 수준에 도달하려면 지속적인 투자와 인재양성이 필요하며, 이번 프로젝트는 그 첫 걸음이라고 할 수 있다. 세계 AI 패권 경쟁은 워낙 치열하여 현실적인 격차를 모두 줄이긴 어려워도, 국내 수요는 충분히 자급자족하고 일부 글로벌 틈새시장에서는 경쟁력을 발휘하는 선택과 집중형 경쟁”이 한국팀들의 현실적인 전략이 될 전망이다.

각각의 정예팀이 펼쳐갈 전략은 다르지만, 모두 한국 AI 산업의 도약을 향한 커다란 톱니바퀴들이다. 세계 AI 시장은 초거대 모델을 둘러싼 기술패권 다툼이 치열하고, 한국 정부도 이에 과감한 승부수를 던졌다. 이번 분석에서 살펴본 다양한 측면 – 기술전략, 경쟁구조, 산업적 파급, 글로벌 비교, 금융 협업 – 모두가 유기적으로 맞물려 앞으로의 성공 여부를 결정할 것이다. 창의와 개방, 도전이라는 키워드로 무장한 한국의 5개 정예팀이 기술자주권 확보와 AI 주권 시대 개막이라는 목표를 이뤄낸다면, 이는 한국 디지털경제의 게임체인저가 될 것이다. 무엇보다 중요한 것은, 이러한 노력들이 국민과 산업이 체감하는 실질적 가치로 이어져야 한다는 점이다. 모두의 AI를 기치로 내건 만큼, 국민 누구나 AI 혜택을 누리고, 기업 누구나 AI로 성장동력을 얻는 풍요로운 AI 생태계가 만들어지길 기대한다  . 이번 프로젝트가 단순한 기술 개발 사업을 넘어, 한국 사회 전반의 혁신을 촉발하는 기폭제가 되기를 바라며, 그 과정에서 도출될 경험과 통찰이 세계 AI 정책의 새로운 방향성을 제시하는 사례가 될 수도 있을 것이다. K-AI의 도전은 이제 시작되었고, 그 여정에 국가와 산업, 학계와 금융권 모두가 각자의 방식으로 동참하여 한발 앞선 AI 미래를 함께 열어가는 것이 중요할 것이다.

 

반응형