[국가대표AI] 최후의 승자는 누구? K-AI 5개 컨소시엄, 3년간의 생존 게임 돌입

AI 독립 전쟁, ‘K-AI 프로젝트’ 본격 개막

2025년 8월 4일, 과학기술정보통신부는 ‘독자 AI 파운데이션 모델’ 구축을 위한 정예 컨소시엄 5곳을 공식 선정했다.

▲네이버클라우드 ▲업스테이지 ▲SK텔레콤 ▲NC AI ▲LG AI연구원이 그 주인공이다.

이 프로젝트는 단순한 모델 개발을 넘어, 한국형 소버린 AI(Sovereign AI) 구축, 즉 자립형 국가 AI 생태계 확보를 최종 목표로 한다.

정부는 3년간 GPU·데이터·인재 지원을 아우르는 패키지형 정책을 제공하며, 6개월마다 단계별 평가를 통해 최종 1~2개팀만 생존하는 ‘실전 중심 경쟁 체제’를 적용한다.

전략 키워드: ‘풀스택’ vs ‘특화모델’

■ 네이버클라우드: AI 풀스택 + 옴니 멀티모달 + 에이전트 생태계

전략: 하이퍼클로바X 기반 ‘옴니 파운데이션 모델’ 개발 및 AI 에이전트 마켓플레이스 개설

협력: 트웰브랩스(영상AI), 서울대·KAIST·포항공대 등

차별화: 글로벌 수출형 모델 구축 경험 + 상용 서비스(검색·쇼핑) 기반의 실전성

■ 업스테이지: 한국어 특화 + 경량~대규모 LLM

전략: 1000억~3000억 파라미터급 범용 모델과 경량 모델을 병행 개발

도메인 확산: 제조(마키나락스), 의료(뷰노), 법률(로앤컴퍼니), 공공(오케스트로) 등과 협력

핵심 역량: 스타트업의 빠른 반복 개발 속도 + 한국어 정밀 튜닝 기술력

■ SK텔레콤: 풀스택 AI + 오픈소스 공개 + GPUaaS 클러스터

전략: AI칩·데이터·모델·서비스까지 수직 계열화, A.X 4.0 오픈소스 공개

인프라: ‘해인 클러스터’(B200 기반 GPU 1000장)로 대규모 학습·추론 지원

차별화: 오픈소스·AIaaS로 국내 생태계 파급력 확대 목표

■ NC AI: 3D·애니메이션 중심 멀티모달 + 오픈소스 VLM

전략: 게임 엔진 기반 3D 데이터·디지털트윈 자산으로 멀티모달 모델 고도화

주요 모델: ‘VARCO VISION 2.0’(14B/1.7B) 오픈소스 공개 → 글로벌 VLM 대비 상위 성능 기록

활용 분야: 제조·로봇·공공 미디어 부문 중심 도메인 특화

■ LG AI연구원: EXAONE 진화 + MoE·RLHF 기반 고도화

전략: 엑사원 4.0(32B) 기반 고성능 모델로 글로벌 SOTA 성능 100% 이상 목표

기술 방식: 전문가 혼합(MoE), 강화학습(RLHF), 훈련 알고리즘 최적화

활용 생태계: LG CNS·LG유플러스·한글과컴퓨터·뤼튼 등 계열사 및 AI 기업과의 협업

정부의 3대 지원 카드, GPU, 데이터, 자금

또한, 정부는 프로젝트 성과를 객관적으로 비교·검증하기 위해 표준 평가용 벤치마크 데이터셋 구축을 7월부터 시작했다. 각 팀의 모델은 향후 멀티모달·한국어 이해·도메인 특화 능력 등을 공통 지표로 평가받게 된다.

평가 로드맵, 6개월 단위, 생존 게임

과학기술정보통신부는 5개 컨소시엄을 대상으로 2025년 12월 1차 평가를 실시해, 이 중 4개 팀만을 생존시킬 예정이다. 이후에는 6개월마다 단계 평가를 반복하며, 프로젝트 종료 시점인 2027년까지 최종 1~2곳만을 최종 국가대표 AI 개발팀으로 확정하게 된다.

각 단계의 심사 기준은 단순한 기술 성능뿐 아니라, 실제 산업 적용 가능성과 글로벌 확장 전략까지 포괄하는 종합 실전력 평가에 초점이 맞춰져 있다. 단순히 모델 정확도를 겨루는 경쟁이 아닌, AI 생태계 전체의 자립 역량을 끌어올릴 수 있는 팀을 가려내는 구조다.

관전 포인트 5가지

풀스택 vs. 특화모델 전략 대결

네이버와 SK텔레콤은 데이터센터부터 서비스까지 수직 계열화된 ‘풀스택 AI’ 전략을 앞세우는 반면, 업스테이지·NC AI·LG AI연구원은 각각 한국어 특화, 멀티모달 영상·3D 특화, 강화학습 기반 고성능 모델을 내세우며 차별화를 꾀한다.

오픈소스 개방 전략의 파급력

각 팀은 자사의 핵심 AI 모델을 어느 수준까지 공개할 것인지가 생태계 형성과 신뢰 구축에 핵심 변수로 떠올랐다. 특히 SKT와 NC AI는 모델 코드 및 가중치를 오픈소스로 제공하며 AI 기술의 대중화를 선도하고 있다.

벤치마크 경쟁력: SOTA를 향한 도전

한국어 이해력, 문서·표·OCR 처리, 멀티모달 생성 등 각 팀의 벤치마크 성능이 공개될 평가 시점이 초미의 관심사다. 글로벌 최고 성능(SOTA)을 넘는 모델이 등장할지 여부가 프로젝트의 상징성과 직결된다.

산업 적용과 수익화 속도

단순한 모델 개발을 넘어 제조·공공·금융·게임·콘텐츠 등 산업 적용 사례와 유료 서비스 확산 속도가 초기 평가에서 우위를 가를 변수로 작용할 전망이다.

GPU 인프라의 활용 효율성

국가가 확보한 GPU 1만 장급 자원과 민간 GPUaaS 운영(예: SKT의 ‘해인’ 클러스터)은 각 팀의 모델 훈련과 반복 실험의 주기를 결정짓는다. B200·H100급 GPU의 확보 및 최적 운용 전략이 실전 성능의 차이를 만드는 핵심이다.

속도·개방·비즈니스 역량이 최종 승부 가른다

이번 프로젝트는 단순한 기술 경합이 아닌 ‘AI 산업 전환의 총력전’이다. 누가 더 빠르게 학습·튜닝·배포 사이클을 돌리고, 오픈소스를 통해 생태계를 키우며, 실제 산업과 사용자를 만나는지를 가늠하는 승부다.

최종 1~2곳만 살아남는 이 경합에서 진정한 승자는 기술력, 실전성, 사업화 능력, 산업 임팩트를 모두 갖춘 팀만이 살아남을 것이다. 

신주백 기자  jbshin@kmjournal.net