국가대표 AI, LG·SKT·업스테이지 3파전

독자 AI 파운데이션 모델 프로젝트는 AI를 국가 전략 자산으로 인식하고, 그 근간이 되는 모델을 자체적으로 만들려는 국가 사업이다. 2025년 8월 5개 팀으로 시작했으며, 내년 초 최종 2팀을 선발할 예정이다. 이 프로젝트는 반도체, 클라우드, 서비스를 아우르는 풀스택 역량을 확보하여 AI 주권을 강화하는 것을 목표로 한다.

이는 글로벌 빅테크 기업에 대한 종속을 탈피하고 AI 주권을 강화하는 데 기여한다. 나아가 미국과 중국에 이은 글로벌 AI 3강으로 도약하는 발판을 마련할 것으로 기대된다.

2차 평가에서는 SK텔레콤이 70.6점으로 1위, 업스테이지가 69.9점, LG AI연구원이 69점으로 뒤를 이어 최종 3개 팀이 통과했다. 평가는 벤치마크(40점), 전문가 평가(35점), 사용자 평가(25점)를 합산하여 진행됐다. LG AI연구원은 파라미터 7,500억 개 규모로 모델을 확대했고, SK텔레콤은 국제 수학 올림피아드 금메달 기준 점수를 달성했다. 업스테이지는 100만 토큰 컨텍스트 윈도우를 확보하며 기술력을 입증했다.

현재 평가는 벤치마크 40점, 전문가 평가 35점, 사용자 평가 25점으로 구성되며, 상위 3개 팀 간 기술 격차는 1점 이내로 매우 미세하다. 이는 모델 하나뿐 아니라 에이전트와 주변 도구를 활용하여 어떤 퍼포먼스를 낼 수 있는지가 중요해졌음을 의미한다.

2차 평가에서 벤치마크 1위였던 모티프가 탈락한 주요 원인은 사용자 평가 점수가 낮았기 때문이다. 아무리 좋은 모델이라도 사용자가 제대로 활용할 수 없으면 의미가 없다는 점이 확인됐다. 이제는 비개발자도 모델의 정확성을 판단할 수 있는 바이브 코딩 시대가 도래했다. 최종 라운드에서는 업스테이지의 문맥 파악 강점(100만 컨텍스트 윈도우)과 LG AI연구원의 산업 생태계 결합을 통한 환각 현상 감소 능력이 중요한 승부처가 될 것으로 보인다.

MIT 보고서에 따르면 작년 AI 프로젝트의 95%가 실패한 것으로 나타났다. 올해부터는 에이전트 중심의 시장 변화가 본격화되고 있으며, 이에 따라 단순 모델 성능보다는 도구 활용 능력이 더욱 중요해졌다. 최종 평가는 모델 자체의 성능뿐만 아니라 에이전트가 주변 도구를 잘 활용하여 몇 시간짜리 긴 과제를 혼자 해결할 수 있는지 등 종합적인 능력을 평가한다. 모델 오케스트레이션 및 외부 협업 모델 또한 중요하게 고려된다.

토큰 가성비는 동일한 퍼포먼스를 완수하는 데 필요한 토큰의 효율성을 의미하며, 에이전트 메모리는 AI가 이전 작업을 기억하고 추론을 유지하는 능력을 말한다. GPT-6 아스트라의 추론 유지력이 강조되는 만큼, 사용자 체감 가성비와 보안성 또한 중요하게 작용할 것으로 예상된다.

당초 팀당 2,000장 지원을 검토했으나, 현재 재검토 중이다. 내년 GPU 확충 예산은 2배 증액될 예정이며, 정부는 GPU 지원을 분산할지, 특정 팀에 집중할지에 대해 고민하고 있다.

독자 AI 모델, 즉 소버린 AI는 공공 및 민감 정보 보호를 위한 핵심 역할을 수행한다. 결과적으로 공공 AX, 산업 AX, 국가 AX의 기반 모델이 될 것으로 기대된다. 또한, AI 생태계를 활성화하고 국산 AI 반도체 활용을 증대하는 생태계 앵커로서 중요한 역할을 할 전망이다.

정부는 올해 하반기 세계 최고 수준의 오픈 모델에 도전하고, 내년에는 최상위급 AI 모델 개발에 나설 계획이다. 이와 동시에 국민 누구나 이용할 수 있는 AI 서비스와 1인 에이전트, 보안, 공공 분야까지 AI 활용 범위를 넓히겠다는 방침이다. 또한, 피지컬 AI를 본격화하여 AI 기술의 적용 범위를 확장할 예정이다.

정부는 SK텔레콤, 카카오, KT가 참여하는 '모두의 AI' 사업을 통해 국산 AI 모델을 국민 누구나 무료로 사용할 수 있도록 보급할 계획이다. 이를 통해 다양한 서비스 경험을 축적하는 것이 중요하다고 강조한다.

최신 AI 모델 훈련에는 10만에서 40만 장에 달하는 대규모 GPU 자원이 필요하다. GPU가 100장, 1천 장, 만 장 있을 때 각각의 효율성을 고려하여 중복과 분산 사이의 파레토 최적점을 찾아야 한다. GPU 자원을 분산하면 성과가 저조할 수 있고, 중복에 집중하면 AI 생태계 구축에 한계가 발생할 수 있어 효율적인 배분이 중요하다.

올해 초 50점대였던 미국 최상위 모델들은 불과 8개월 만에 60점대로 올라섰다. 중국의 윈샤 AI나 알리바바 모델 등도 빠르게 약진하며 맹추격하는 상황이다.

AI 모델의 기술 전파와 실질적인 사용성 격차가 중요하게 부각되고 있다. 증류 기술을 통해 후속 모델들의 성능이 상향 평준화되는 만큼, 모델 자체의 똑똑함보다는 서비스 사용성 경험이 경쟁력을 좌우한다. 독파모델을 활용하여 실제 데이터를 축적하고 서비스 경험을 확보하는 것이 격차를 줄이는 데 필수적이다.

정부가 앞장서서 양질의 데이터를 무료로 공개하면 국내 전반의 AI 서비스 기업들이 이를 활용하여 경쟁력을 강화할 수 있다. 이러한 데이터 개방은 AI 생태계 활성화에 필수적인 역할을 한다.

한국의 국가대표 AI는 세계 최고를 지향하되, 무리한 인프라 투자보다는 '패스트 팔로워' 전략을 통해 특화된 경쟁력을 확보해야 한다. 한국은 반도체라는 레버리지를 가지고 있으므로, 이를 잘 활용하여 산업 특화 역량에 집중하는 것이 바람직하다. 제조, 자동차, 디스플레이, 로봇 등 국내 DX(디지털 전환) 성숙도를 활용하여 미국과 중국을 초월할 수 있는 특정 분야에 특화된 과제를 수행해야 한다.

엔트로픽이나 오픈AI 등 선발 주자들이 AI 규제를 설정할 경우, 한국과 같은 후발 주자들의 성장이 저해될 수 있다는 우려가 있다. Y2K 사례처럼 경각심을 통한 준비성 확보는 긍정적 측면이 있지만, 단순히 공포 마케팅에만 매몰되어서는 안 된다. 사회적 합의를 바탕으로 안전한 AI 환경을 구축하는 것이 중요하다.

지속 가능한 AI 생태계 조성을 위해서는 실패 데이터를 포함한 모든 기록을 재활용하는 파이프라인 구축이 필요하다. 또한, 대기업에 편중된 데이터가 전체 생태계로 유입될 수 있는 방안을 모색해야 한다. AI 자체에 대한 지식뿐만 아니라 경제, 사회, 문화, 예술 등 다양한 분야의 도메인 지식이 조화롭게 결합되어야 한다. 이를 위해 초중등부터 고등 교육까지 우리말과 글의 활용 능력, 수학, 한자 등 기초 역량을 충분히 길러주는 인재 양성이 중요하다.