이 글에서는 대한민국 AI의 기초 두뇌가 될 ‘K-독자 파운데이션 모델(Foundation Model; 이하 K-독파모)’ 프로젝트의 실체와 운영 방식, 그리고 최근 진행 상황을 알려드립니다.

‍

왜 한국은 K-독파모에 5,300억을 투자하나

대한민국이 K-독파모에 대규모 자원을 투입하는 이유는 단순히 “국산 LLM 하나를 만들기 위해서”가 아닙니다. 핵심은 특정 해외 사업자나 라이선스 구조에 종속되지 않는 소버린 AI(Sovereign AI) 역량, 즉 국가 차원의 AI 독립성과 통제력을 확보하는 데 있습니다. 다시 말해, 이번 사업은 단순한 모델 성능 경쟁이 아닙니다. 인프라부터 데이터, 모델, 서빙, 산업 적용까지 이어지는 전체 AI 스택(Stack)을 국내 기술과 생태계 안에서 구축하려는 시도입니다.

‍

젠슨 황이 말한 ‘AI 5단 레이어 케이크’, K-독파모는 무엇을 겨냥하나

이 지점을 이해하려면, 먼저 AI를 하나의 모델이 아니라 여러 층위가 맞물린 구조로 볼 필요가 있습니다. 지난 1월 스위스 다보스에서 열린 세계경제포럼(The World Economic Forum; WEF)에서 젠슨 황 CEO는 AI의 구조를 다섯 계층으로 정의했습니다.

1. 에너지(Energy): 모든 인프라의 근간
2. 칩과 컴퓨팅 인프라(Chip & Computing Infrastructure): GPU 등 핵심 하드웨어
3. 클라우드 데이터센터(Cloud Data Center): 모델이 구동되는 환경
4. AI 모델(AI Model): 파운데이션 모델 그 자체
5. 애플리케이션(Application): 최종 사용자 서비스
   ‍

이 관점에서 보면, K-독파모가 겨냥하는 범위는 단순히 “모델 하나”에 머물지 않습니다. K-독파모는 이 중 에너지를 제외한 나머지 4개 계층을 모두 확보하는 것을 목표로 합니다. 이는 단순히 똑똑한 모델을 만드는 것을 넘어, 전체 AI 스택을 대한민국 자체 기술로 통제하겠다는 국가적 결단입니다.

‍

K-독파모는 어떻게 선발되나: 15개 연합체에서 4개 정예팀까지

이처럼 사업의 목표가 AI 풀스택 전반에 걸쳐 있다 보니, 정부 역시 단순히 특정 기업을 지정해 지원하는 방식을 택하지 않았습니다. 이번 사업은 처음부터 특정 기업을 정해 밀어주는 방식이 아니라, 단계별 압축 절차를 거치는 서바이벌 방식을 채택했습니다. 핵심은 기술력과 데이터 독자성을 모두 검증하는 데 있습니다.
‍

2025년 공모: 15개 연합체가 제안서 제출

이러한 기조 아래, 2025년 6월부터 7월까지 총 15개 연합체가 제안서를 제출했습니다. 참여 주체는 다음과 같았습니다.

• 네이버클라우드
• 루닛
• 모티프테크놀로지스
• 바이오넥서스
• 사이오닉에이아이
• 업스테이지
• SK텔레콤
• NC AI
• LG AI연구원
• 정션메드
• 카카오
• KT
• 코난테크놀로지
• 파이온코퍼레이션
• KAIST
  ‍

각 연합체는 단일 기업이 아니라, 복수 기관이 협력하는 컨소시엄 형태를 전제로 했습니다.
‍

2025년 8월: 5개 정예팀 선정과 개발 착수

서면 및 발표 평가를 거쳐 2025년 8월 네이버클라우드, 업스테이지, SK텔레콤, NC AI, LG AI연구원이 최종 선정됐고, 9월 9일 착수식을 통해 개발이 시작되었습니다.
‍

2026년 1차 평가: 3개 팀 진출과 추가 공모의 배경

이후 경쟁은 다시 한 번 압축됐습니다. 2026년 1월 1차 단계평가 결과, LG AI연구원, SK텔레콤, 업스테이지 3개 팀이 2차 단계에 진출했습니다. 
‍

2026년 2월: 모티프테크놀로지스 합류로 4개 정예팀 체제 완성

이후 정부는 경쟁 구도를 보완하기 위해 추가 공모를 실시했고, 2026년 2월 20일 모티프테크놀로지스를 추가 선정해 현재는 4개 정예팀 병렬 체제로 운영하고 있습니다.

여기서 중요한 점은, 이 평가가 단순히 순위를 매기는 절차가 아니었다는 사실입니다. 각 팀은 글로벌 타깃 모델과 직접 성능을 비교해야 했고, 무작위 재현성 검증(Reproducibility Verification)까지 통과해야 했습니다. 즉, “그럴듯한 발표”가 아니라 실제로 반복 검증 가능한 성능을 입증해야 하는 구조였습니다.

‍

K-독파모 평가는 무엇을 보나: 100점 만점 선정 기준의 핵심

그렇다면 정부는 어떤 기준으로 이 팀들을 가려냈을까요. 정부는 사업 지향점에 가장 부합하는 정예팀을 선발하기 위해 100점 만점 구조의 정교한 평가 체계를 설계했습니다. 이는 단순한 모델 성능 경쟁이 아니라, 국가적 파급효과와 실현 가능성을 함께 보는 구조였습니다.

• 기술적 우수성 및 실현 가능성(Technical Excellence & Feasibility): 모델 아키텍처의 혁신성과 실제 구현 가능성
• 개발 전략(Development Strategy): 바닥부터 모델을 쌓아 올리기 위한 로드맵과 인프라 활용 계획
• 파급효과 및 국내 기여 계획(Impact & Contribution): 국내 AI 생태계에 미칠 영향과 기술 독립성
• 국민 접근성 및 AI 전환(Public Accessibility & AI Transformation): 국민의 인공지능 접근성 증진과 공공·경제·사회 전반의 AI 전환 기여도
  ‍

정부는 이 종합평가를 통해 단순한 기술 개발 주체가 아니라, 대한민국 사회 전반의 인텔리전스를 끌어올릴 수 있는 파트너를 선정하고자 했습니다. 그리고 이 평가 결과는 단지 선발에만 쓰이는 것이 아닙니다. 이후 어떤 자원이 얼마나 투입될지를 결정하는 기준으로도 이어집니다.

‍

K-독파모는 어떻게 지원되나: 성과 연동형 GPU·데이터·인재 전략

K-독파모 사업은 일반적인 보조금 사업과 구별됩니다. 이 사업은 자원을 일괄 배분하는 구조가 아니라, 단계평가 결과와 연동해 자원을 조정하는 성과 기반 지원 구조를 갖고 있습니다. 이는 기업이 실제 프로덕션 환경에서 모델을 운영할 때 마주할 리소스를 사전에 확보해 주는 역할을 합니다.
‍

GPU 인프라 지원: 팀당 500~1,000장에서 수천 장까지

가장 먼저 눈에 띄는 것은 GPU 인프라 지원입니다. 2026년 상반기까지는 민간 보유 물량을 임차해 지원하고, 이후에는 정부 구매 물량을 활용합니다.

• 초기 팀당 500~1,000장 규모의 최신 GPU 지원
• 평가 결과에 따라 1,000장 이상으로 확대 가능
• 지원 단위는 256 / 512 / 1,024장 단위로 조정
  ‍

마지막까지 살아남은 단 2개 팀에는 수천 장의 GPU를 집중 지원해, 글로벌 수준의 컴퓨팅 파워를 보장합니다.
‍

데이터, 인대 지원: 팀별 데이터 구축 및 해외 우수 연구자 유치

지원은 인프라에만 그치지 않습니다. 데이터와 인재 확보도 함께 병행됩니다.

• 데이터 인텔리전스: 연간 100억 원 규모의 공동구매 지원
• 팀별 데이터 구축·가공에 연간 최대 50억 원 투입
• 글로벌 인재 유치: 해외 우수 연구자 영입 시 인건비, 연구비, 체재비 등을 포함해 연간 최대 20억 원 범위에서 매칭 지원

‍

최종 결과물은 어떻게 공개되나: 오픈 웨이트 전략의 의미

최종 결과물은 오픈 웨이트(Open Weight; 가중치 공개) 형태로 공개될 예정입니다. 이는 특정 기업의 독점을 막고, 귀사를 포함한 누구나 국내 환경에 최적화된 모델을 바탕으로 서비스를 구축할 수 있도록 하기 위한 설계입니다.

‍

왜 K-독파모는 ‘From Scratch’를 요구하나: 독자성 기준의 핵심

그런데 이 사업이 단순한 성능 경쟁이 아니라는 점은, 1차 평가 결과가 공개된 뒤 더 선명하게 드러났습니다. 특히 정부는 이번 프로젝트에서 ‘독자성(Originality)’을 매우 엄격한 기준으로 적용했습니다. 정부는 당초 1개 팀만 탈락시킬 계획이었으나, 네이버클라우드가 알리바바(Alibaba) AI 모델의 비전 인코더(Vision Encoder) 가중치(Weight)를 활용한 점을 문제 삼았습니다.
‍

글로벌 AI 생태계에서 오픈소스 활용은 일반적인 추세이나, 가중치를 초기화한 상태에서 스스로 학습·개발하는 것이 독자성의 최소 조건입니다.
– 류제명 과기정통부 제2차관

‍

이번 프로젝트의 핵심은 해외 AI 모델에 종속되지 않는 자주형 AI 확보에 있습니다. 외부 모델의 가중치를 그대로 사용하면 향후 기술 통제나 라이선스 리스크에서 자유로울 수 없기 때문에, 정부는 설계부터 학습까지 전 과정을 자체 수행(From Scratch)하는 원칙을 엄격하게 적용했습니다. 반면 SK텔레콤과 업스테이지는 외부 기술 활용이 독자성을 훼손할 수준은 아니라고 판단돼 생존에 성공했고, 이로써 정부의 프롬 스크래치 기준은 더 분명해졌습니다.

‍

가중치를 초기화한 상태에서 스스로 학습·개발하는 것이 독자성의 최소 조건입니다. 외부 모델의 가중치를 그대로 활용하거나 이를 토대로 반복 학습하는 것은 독자성 확보로 보기 어렵습니다.
– 류제명 과기정통부 제2차관

‍

정부는 특히 국방·의료 등 민감 분야에서 활용될 모델의 특성상, 향후 발생할 수 있는 라이선싱(Licensing) 이슈나 외부 기업의 통제에서 완전히 자유로워야 한다는 점을 강조했습니다.

‍

네이버와 NC AI는 왜 탈락했나: 1차 평가가 보여준 독자성의 기준

이 독자성 기준은 실제 탈락 결과에서 결정적으로 작동했습니다. 앞서 설명했듯, 과학기술정보통신부가 발표한 1차 단계평가는 LG AI연구원, 네이버클라우드, SK텔레콤, 업스테이지, NC AI 등 5개 정예팀을 대상으로 진행됐습니다. 평가는 벤치마크(Benchmark), 전문가 평가, 사용자 평가를 종합해 이뤄졌습니다.
‍

NC AI 탈락: 벤치마크와 전문가·사용자 평가에서 최하위권

먼저 엔씨소프트의 NC AI는 벤치마크, 전문가, 사용자 평가 전반에서 상대적으로 낮은 점수를 기록했고, 종합 평가 최하위로 우선 탈락했습니다.
‍

네이버 탈락: 비전 인코더 가중치 논란이 결정적이었던 이유

더 큰 이변은 네이버클라우드의 탈락이었습니다. 네이버의 ‘하이퍼클로바X 시드 32B 싱크’ 모델에서 문제가 된 것은 옴니모달(Omni-modal) 구현을 위한 핵심 요소인 인코더와 가중치였습니다. 이로써 네이버는 기술력 자체와는 별개로, 독자성(Originality) 기준을 충족하지 못했다는 이유로 추가 탈락자로 분류됐습니다. 전문가 평가위원들은 네이버의 모델이 해외 모델을 차용한 파생형 모델에 가깝다고 판단했습니다.
‍

인코더와 가중치는 왜 중요한가: 멀티모달 AI 독자성의 기준선

이 판단은 정성적 인상에 그치지 않았습니다. 업계 전문가의 검증에 따르면, 네이버 모델의 비전 인코더 가중치는 중국 알리바바의 큐웬(Qwen) 2.5와 다음과 같은 상관관계를 보였습니다.
‍

비전 인코더(Vision Encoder) 가중치 비교:

• 코사인 유사도(Cosine Similarity): 99.51%
• 피어슨 상관계수(Pearson Correlation): 98.98% 이상
  ‍

오디오 인코더(Audio Encoder) 가중치 비교:

• 피어슨 상관계수(Pearson Correlation): 100%
  ‍

이 수치는 네이버가 큐웬 2.5의 비전 인코더를 미세조정(Fine-tuning)했고, 오디오 인코더는 사실상 그대로 가져다 썼음을 의미합니다.
‍

인코더와 가중치의 중요성

여기서 인코더와 가중치가 왜 중요한지도 짚고 넘어갈 필요가 있습니다. 인코더는 텍스트·이미지·오디오 같은 입력을 AI가 이해할 수 있는 내부 표현으로 바꿔주는 해석 장치, 즉 변환 모듈입니다. 반면 가중치는 이러한 변환 과정에서 입력을 어떻게 처리할지를 결정하는 학습된 숫자값, 즉 파라미터입니다. 그리고 이 파라미터는 학습 과정에서 최적화됩니다. 만약 외부 모델의 가중치를 그대로 사용하는 경우, 해당 모델이 어느 데이터로 학습한 결과물을 있는 통째로 가져온다는 의미가 됩니다.

이 모든 과정은 뉴럴넷(neural network, 신경망) 구조를 바탕으로 작동합니다. 뉴럴넷은 사람의 뇌 신경세포 연결 방식에서 착안한 AI 계산 구조로, 입력된 데이터를 여러 단계에 걸쳐 처리하며 패턴을 학습하는 모델입니다. 입력층, 은닉층, 출력층으로 구성되며, 각 층은 가중치를 통해 입력 데이터를 어떤 방식으로 처리할지를 학습합니다. 이미지 인식, 음성 인식, 번역, LLM 같은 생성형 AI의 핵심 기술도 모두 이러한 뉴럴넷 구조를 기반으로 작동합니다.

특히 멀티모달 AI에서 비전 인코더는 시각 입력의 표현 품질을 좌우하는 핵심 모듈입니다. 그런데 이 영역의 가중치를 외부 모델에 의존하면, 모델이 어떤 데이터로 학습됐는지 완전히 통제하기 어렵고, 향후 라이선스나 기술 통제 이슈가 생길 경우 모델 전체의 운용에도 제약이 생길 수 있기 때문에 정부가 이를 독자성 결격 사유로 결정했습니다.

‍

‘효율성’인가 ‘종속’인가: 네이버 해명과 업계 반응

네이버클라우드는 인코더 차용 사실을 인정하면서도, 이것이 멀티모달 AI 개발의 글로벌 관행이라는 입장을 밝혔습니다.
‍

네이버의 입장:

독자 기술(VUClip 등)은 보유하고 있으나, 최신 트렌드와의 호환성과 시스템 최적화를 위해 검증된 모듈을 전략적으로 채택한 것일 뿐이다. 인코더는 ‘시신경’ 역할일 뿐 핵심 경쟁력과는 거리가 멀다.

‍

이에 대해 업계와 전문가들은 다른 해석을 내놓았습니다.
‍

업계 및 전문가의 비판:

소버린 AI의 원조를 자처해 온 태도와 상반된다. 국책 과제에서 효율을 이유로 중국 모델을 차용한 것은 본질적인 기술력 부족을 시인한 것 아니냐.

‍

이 논란은 앞서 제기됐다가 개발 이력 공개로 해소된 업스테이지의 표절 논란과는 결이 다릅니다. 업스테이지는 가중치 재사용이 통계적 착시임을 입증했지만, 네이버는 핵심 모듈의 차용 자체가 사실로 드러났기 때문입니다.

‍

패자부활전은 왜 무산됐나: 재도전 불참과 4개 정예팀 재편

1차 평가 이후 정부는 탈락팀을 대상으로 정예팀 1곳을 추가 선발하는 이른바 패자부활전 계획도 밝혔지만, 주요 기업들은 잇따라 불참을 선언했습니다.
‍

네이버클라우드:

‍정부의 판단을 존중하며, 패자부활전 참여는 검토하고 있지 않다. 향후 자체적인 AI 기술 경쟁력을 높이는 데 집중하겠다.

NC AI:

재도전에 나서지 않고, 산업 특화 AI와 피지컬 AI(Physical AI) 등 강점을 살린 기술 개발에 집중하겠다.

‍

이에 따라 정부는 GPU 자원이 유휴 상태로 남지 않도록, 추가 참여가 없을 경우 기존 팀에 자원을 더 공급하는 방안을 검토하고 있다고 밝혔습니다. 그 결과 현재 사업은 LG AI연구원, SK텔레콤, 업스테이지, 모티프테크놀로지스의 4개 정예팀 체제로 운영되고 있으며, 약 6개월 뒤 진행될 2차 평가를 거쳐 오는 12월까지 최종 K-AI 정예팀 2곳을 확정할 계획입니다.

‍

K-독파모의 현재 성과는 어디까지 왔나: 글로벌 Top 20과 세계 10위권 목표

이 사업은 아직 진행 중이지만, 성과는 이미 일부 수치로 드러나고 있습니다. 대한민국은 전 세계에서 몇 안 되는 AI 풀스택 도전 자격을 갖춘 국가입니다.

프로젝트 시작 4개월 만에 전 세계 Top 20에 한국 모델들이 이름을 올렸고, 발표와 동시에 5개 모델이 모두 글로벌 ‘주목할 만한 모델’에 포함됐습니다. 현재 4개 정예팀(LG AI연구원, SK텔레콤, 업스테이지, 모티프테크놀로지스)은 병렬로 모델 고도화를 진행 중입니다.

정부와 청와대는 2026년 6월 2차 평가 시점까지 세계 10위권 진입을 목표로 삼고 있으며, 결과물을 허깅페이스(Hugging Face)에 공개해 국제적인 평가지표로 검증받겠다는 방침입니다.

‍

앞으로 무엇이 남았나: 2026년 8월 최종 평가와 K-AI 정예팀 2곳 선정

이제 남은 관전 포인트는 최종 평가입니다. 현재 기존 2차 진출 팀인 LG, SKT, 업스테이지는 6월 말까지, 추가 선정된 모티프테크놀로지스는 7월 말까지 개발을 수행합니다. 핵심 포인트는 2026년 8월 초 모든 팀을 대상으로 한 최종 단계평가가 진행된다는 점입니다.

이 결과는 대한민국 독자 모델이 글로벌 수준에 도달했는지를 가늠하는 중요한 기준점이 될 것입니다. 동시에 정부는 이후 최종 K-AI 정예팀 2곳을 확정해 연말까지 국가대표 체제를 마무리할 계획입니다.

‍

소버린 AI 시대, 귀사는 어떤 GenAI 전략을 준비해야 하나

국가 차원의 독자 AI 역량 확보가 본격화되는 지금, 기업에도 더 이상 “모델을 쓸 것인가”가 아니라 어떤 데이터 아키텍처와 운영 전략 위에서 GenAI를 실행할 것인가가 중요해지고 있습니다.

Articul8은 귀사의 산업과 환경에 맞춰, 도입 가능한 GenAI 활용 시나리오와 아키텍처 방향성을 1:1로 함께 검토해드립니다.

‍