현재 인공지능(AI) 그래픽처리장치(GPU) 시장 대부분은 엔비디아가 장악한 가운데, AMD가 도전장을 내밀고 있는 상황입니다. 하지만 도전자는 여기에 그치지 않습니다. 구글은 자체 AI 가속기인 ‘TPU’를 사용하고 있고, 제재로 인해 미국에서 AI 칩 수입이 금지된 중국에서는 화웨이의 ‘어센드’ 시리즈나 알리바바의 ‘젠우 V900’ 같은 자체 AI 가속기들이 등장하고 있습니다. 그런데 몇 년 전부터 AI 가속기 시장을 노려온 인텔은 아직 큰 성과를 내지 못하는 상황입니다. 하지만 포기하지 않고 엔비디아·AMD의 최고 성능 카드와 정면 승부를 하기보다, ‘용량과 효율’이라는 틈새를 공략하는 전략으로 시장에 새롭게 도전하고 있습니다. 인텔은 지난 12일 OCP 글로벌 서밋에서 ‘크레센트 아일랜드’(Crescent Island)를 공개하고 이를 이용한 첫 번째 PCIe AI 가속기인 ‘D270’을 공개했습니다. 이 칩은 Xe3P 아키텍처 기반의 추론 전용 데이터센터 GPU로, 학습용 가속기가 아닌 배포된 AI 모델 서비스에 특화되어 있습니다. D270의 특징은 성능보다 낮은 전력 소모와 비용에 초점을 맞췄다는 데 있습니다. D270은 총 32개의 Xe3P 코어를 지니고 있는데, 이는 노트북용 CPU인 팬서 레이크에 탑재된 Xe 코어의 AI 강화 버전입니다. Xe 코어는 8개의 벡터 엔진과 8개의 XMX 엔진을 탑재했는데 내장 그래픽 버전에 따라 4코어와 12코어 제품으로 나뉩니다. D270의 Xe3P 역시 코어당 8개의 XMX 매트릭스 엔진을 탑재해 총 256개의 XMX 엔진을 지니고 있습니다. 숫자로 보면 노트북용 그래픽 엔진의 최대 3배를 넘지 못하는 수준으로 연산 성능 역시 FP8 기준 1.3 PFLOPS 수준에 불과합니다. 여기에 메모리 역시 LPDDR5x를 사용해 대역폭이 1.5TB/s 수준으로 엔비디아의 베라 루빈 같은 최신 칩(최대 22TB/s)에 미치지 못합니다. 따라서 D270은 모델을 훈련시키거나 토큰을 빠르게 생성하는 작업에는 불리합니다. 절대적인 연산 능력도 낮고, 토큰 생성(디코드)에 가장 중요한 메모리 대역폭도 RTX 5090 같은 고성능 소비자용 그래픽 카드보다 낮기 때문입니다. 그러나 요즘 강조되는 에이전틱 AI에서는 상황이 다릅니다. 에이전틱 AI는 한 번의 질문-답변으로 끝나는 것이 아니라, 여러 단계에 걸쳐 도구를 호출하고, 중간 결과를 기억하며, 긴 컨텍스트를 유지해야 합니다. 이 과정에서 KV 캐시(이전 토큰의 키-값 정보를 저장하는 메모리)가 급격히 커집니다. 수십만~수백만 토큰의 컨텍스트를 유지하거나 여러 에이전트를 동시에 운영하면, 메모리 용량이 대역폭보다 더 큰 병목이 됩니다. D270은 160GB에서 최대 480GB까지 LPDDR5X를 탑재해, 단일 카드에 큰 모델과 긴 컨텍스트, 다중 세션의 KV 캐시를 한꺼번에 올릴 수 있습니다. 이는 HBM 기반 고성능 GPU에서 자주 발생하는 캐시 오프로드나 재계산을 크게 줄여 줍니다. 또한 350W의 낮은 전력과 공랭 설계 덕분에 24시간 365일 서비스를 운영할 때 전력·냉각 비용 측면에서도 유리합니다. 인텔이 직접 “에이전틱 AI가 준비됐다”고 강조하며 ‘고용량 메모리와 지속 가능한 연산 성능’을 핵심으로 내세운 이유도 여기에 있습니다. 그리고 비싼 HBM4 메모리나 이보다 저렴해도 상대적으로 비싼 GDDR7 대신 LPDDR5x처럼 대중적인 메모리를 이용했기 때문에 가격이 저렴할 것으로 예상됩니다. 여기에 PCIe 규격의 공랭식 카드라는 장점을 감안하면 D270은 큰 AI 모델을 워크스테이션에서 돌리는 개인 전문가나 적은 비용으로 자체 시스템을 구축하고 싶은 소규모 기업에서 유리한 제품으로 생각됩니다. 인텔은 현재 D270의 고객사 샘플링이 진행 중이라고 밝혔기 때문에 정식 출시는 내년으로 예상됩니다. 인텔의 주장처럼 에이전틱 AI에서 강한 경쟁력을 지닌 제품인지는 정식 출시 후 분명하게 드러날 것으로 보입니다.

페르소나에이아이(페르소나AI, 대표 유승재)가 10월 6일 국가AI대상을 수상했다고 밝혔다. 회사는 포용성·신뢰성·안전성·보안성의 네 가지 통제 체계를 하나의 플랫폼에서 통합 제공하는 자사 플랫폼 ‘GEN STATION’이 높이 평가된 결과라고 설명하며, 이를 움직이는 네 가지 핵심 엔진의 기술 성과를 공개했다. 최근 몇 년 사이 국내 AI 시장의 화두는 ‘에이전트’로 옮겨갔다. 그러나 대부분의 논의는 어떤 거대언어모델(LLM)을 쓰느냐에 머문다. 페르소나AI의 기술 체계는 다른 전제에서 출발한다. 에이전트의 성능은 모델이 아니라, 기업 안에 흩어진 정보가 얼마나 정확하게 ‘지식’으로 바뀌어 있는지에서 갈린다는 것이다. 네 가지 엔진은 이 전제에 따라 배치됐다. 출발점은 음성지식이다. 상담과 회의, 현장의 말은 기업에서 가장 많이 발생하지만 가장 적게 축적되는 데이터다. 페르소나AI의 ‘음성 지식화 엔진’은 한국어 인식 정확도 95.23%(TTA V＆V 공인시험 실측)를 확보했다. 학습에는 한국어 음성 7만4,887시간과 경상·강원·전라·제주·충청 5대 권역 사투리 5만시간이 투입됐다. 회사는 사투리 학습으로 기존 기술 대비 인식 성능이 약 42% 향상됐다고 밝혔다. 이 수치에서 실무적으로 더 중요한 것은 두 가지다. 화자분리 지연이 1초 이내라는 점, 그리고 한 채널에서 최대 20명까지 화자를 분리·프로파일링한다는 점이다. 국내 화자분리 기술이 통상 8명 수준에 머문다는 점을 고려하면 앞선 성능이다. 대부분의 음성 기술이 녹음이 끝난 뒤 일괄 처리(배치) 방식으로 화자를 나누는 것과 달리, 실시간 스트리밍 상태에서 화자를 가른다는 점도 차별점이다. 지식축적이 실시간으로 이뤄져 AI가 과거 데이터가 아닌 현재 데이터를 바로 처리할 수 있다는 취지다. 회사가 이 지표를 강조하는 이유는 명확하다. 화자가 분리되고 문장이 정제돼야 대화가 끝나는 즉시 내용 검색, 자동 요약, 액션아이템 추출, 감성 분석이 가능한 구조화 데이터로 남기 때문이다. 음성인식을 서비스의 출력이 아니라 지식자산의 입력으로 쓰는 설계다. 경쟁 구도 역시 이 지점에서 갈린다. 글로벌 SaaS 음성 API는 대부분 폐쇄망 반입이 어려워 금융·공공의 데이터 주권 요건을 충족하지 못한다는 설명이다. 음성과 문서에서 뽑아낸 정보는 ‘신뢰성 온톨로지-RAG 엔진’으로 넘어간다. 멀티 에이전트가 업무 규칙과 제약조건을 반영해 스키마를 설계하고, 클래스·속성·트리플을 생성한 뒤, 문법·논리 일관성·질의 응답 가능성·원문 근거 일치·중복·모델링 규칙의 6개 기준을 통과한 것만 지식원으로 승격시킨다. 정량 결과는 세 가지다. 온톨로지 자동 구축 정확도는 전문가 검수 기준 85%, TTA에서 측정한 V＆V 테스트 결과 92%를 나타냈다. 전체 구축 공수의 절반 이상을 차지하는 지식 획득·개념화·형식 모델링·1차 검증 구간은 80%가 자동화됐다. 동일 테스트셋 기준 RAG 응답 오류율은 6.9%에서 4.3%로 38% 줄었고, 정확도로 환산하면 93.1%에서 95.7%로 개선됐다. 이 영역의 성능은 외부 기준으로도 확인됐다. 회사는 2024년 NeurIPS에 발표된 온톨로지 자동 학습 연구(OLLM)가 공개한 평가셋과 지표를 그대로 사용한 공인시험에서, Wikipedia·arXiv 두 도메인의 4개 지표 총 8개 항목 모두 논문 보고치를 상회했다고 밝혔다. 그래프 구조 유사도를 보는 Motif Distance는 arXiv 도메인에서 59.5% 개선됐다. 이 엔진이 해결하는 것은 최근 기술의 한계로 꼽히는 ‘자동이지만 검증이 없는’ 그래프 RAG 계열과 ‘엄밀하지만 수작업’인 전통 온톨로지 도구 사이의 공백이다. 이 기술은 규제가 엄격한 산업군의 대기업에서 상용 검증을 마쳤다. 앞선 두 엔진이 만든 지식자산 위에서 실제 업무를 수행하는 것이 ‘검증된 워크플로 중심 에이전트 빌더’다. 구조는 세 단계다. 가용 도구와 데이터 자산을 먼저 확인해 실행 불가능한 계획을 계획 단계에서 차단하고(Gap-aware Planner), 자연어 요구사항을 선언적 워크플로로 구성한 뒤(N2F, NL-to-Flow), 의미(LLM)·타입(JSON 스키마)·그래프 구조(DAG)의 3계층 검증을 통과한 워크플로만 배포한다. 이에 대한 효율 차이는 숫자로 드러난다. 동일한 온프레미스 모델과 동일 요구사항 기준으로 워크플로 하나를 생성하는 데 LLM 호출은 3회, 소요 시간은 6.3초였다. 같은 조건에서 대표적인 자동화 도구는 호출 35회를 기록했다. 회사는 생성 시간 44배 단축, 토큰 42.6배와 추론 비용 38.6배 절감으로 측정했다고 밝혔다. GPU 자원이 제한된 폐쇄망에서는 이 차이가 곧 처리량으로 이어진다. 에이전트의 도구 호출 정확도 역시 외부 기준과 대조됐다. 함수 호출 성능의 국제 벤치마크인 Berkeley Function Calling Leaderboard v4의 다중턴 카테고리 200건 전수 시험에서 70.5%를 기록해, 2025년 ICLR 논문(ToolACE)이 보고한 50.00%보다 20.5%포인트 높았다. 형식이 맞는지가 아니라 호출을 실제 실행한 뒤 최종 시스템 상태가 정답과 일치하는지를 판정한 결과다. 마지막 ‘지식축적형 자가진화 엔진’은 운영 이후를 담당한다. 이 엔진은 관측·진단을 맡는 에이전트와 처방·생성을 맡는 에이전트, 이 두 개의 30B급 모델로 구성된다. 핵심은 모델 가중치를 바꾸지 않는다는 점이다. 개선은 프롬프트·검색 전략·워크플로의 설정 계층에서 완결된다. 이 설계가 겨냥하는 것은 규제 산업의 구조적 딜레마다. 재학습으로 모델을 개선하면 이미 승인받은 모델의 검증 결과가 무효화돼 개선할수록 재검증 비용이 늘어난다. 폐쇄망에는 학습 인프라 자체가 없는 경우도 많다. 가중치를 건드리지 않으면 이 부담이 사라진다. 진단 방식도 다르다. 실패한 실행 기록을 저장된 상태에서 다시 돌리되 한 계층씩 이상적인 값으로 바꿔 넣어, 어느 계층을 고쳤을 때 성공으로 뒤집히는지를 관측한다. 추측이 아니라 개입으로 원인을 확정하는 방식이다. 여기에 샤플리(Shapley) 기반으로 계층별 기여도를 수치로 나눈다. 회사가 제시한 사례에서는 지식 0.62, 검색 0.28, 프롬프트 0.10으로 배분돼 수정 우선순위가 저절로 정해진다. 운영 장애의 근본원인을 찾는 성능은 공개 벤치마크로도 측정됐다. RCAEval 520개 케이스 시험에서 1순위 정답률 86.54%, 3순위 이내 정답률 96.54%를 기록했다. 관측·시각화까지만 제공하는 기존 도구들과 달리, 탐지에서 개선 실행까지를 자동으로 잇는다는 것이 회사의 설명이다. 네 가지 기술은 개별 제품이 아니라 하나의 순환 구조로 연결된다. ‘음성 지식화 엔진’이 현장의 말을 지식으로 바꾸고, ‘신뢰성 온톨로지-RAG 엔진’이 검증을 통과한 것만 적재하며, ‘검증된 워크플로 중심 에이전트 빌더’가 그 지식 위에서 업무를 실행하고, ‘지식축적형 자가진화 엔진’이 실행 결과의 실패 원인을 계층별로 진단해 다시 온톨로지로 되돌린다. 운영할수록 지식이 늘고, 늘어난 지식이 다음 실행의 정확도를 높이는 구조다. 이 구조는 회사의 플랫폼 ‘GEN STATION’ 위에서 데이터 자산화 → 모델·에이전트 개발 → 안전 배포 → 운영·모니터링 → 평가·피드백 → 자가진화의 6단계 흐름으로 구현된다. 별도의 ‘초경량 온디바이스 추론 엔진’도 AI 로봇과 키오스크 등 다양한 디바이스 탑재를 위해 함께 개발됐다. 기술은 현장 숫자로도 이어진다. 회사는 금융·보험·공공·보안 등 고신뢰 산업을 중심으로 90개 이상 기관·기업에 제품을 공급했으며, 2026년 기준 누적 수주 146건, 누적 사업화 매출 341.86억원, 누적 투자유치 413억원을 기록했다. 매출은 2023년 67억원, 2024년 85억원, 2025년 118억원으로 3년 연속 증가했다. 대외 검증도 누적됐다. CES 혁신상을 2년 연속 수상해 총 3관왕을 기록했고, 미국에서 열린 생성형 AI 솔루션 경진대회에서 1위를 차지했다. 과학기술정보통신부 피지컬 AI 기획위원으로 참여하고 있으며, 경남·전북 피지컬 AI 실증 사업에서는 산업별 특화 모델 영역을 맡고 있다. 페르소나AI 관계자는 “한국형 팔란티어와 같은 기술로써 좀 더 한국 정서에 맞는 기술로 에이전트가 단순 S/W가 아니라 H/W까지 연결되며 제어할 수 있는 단계로 확장되고 있다”고 밝혔다.

“하객룩을 골라줘.” 7일 서울 코엑스 ‘AI 페스타 2026’ KT 전시장. 이용자가 20만원 이내 하객룩을 요청하자 인공지능(AI)이 옷과 신발을 골라 13만 8210원짜리 조합을 내놨다. 할인 가격까지 반영하자 구매 화면이 이어졌다. KT가 오는 12월 선보일 ‘모두의 AI’는 이처럼 검색과 추천을 넘어 실제 행동까지 연결하는 데 초점을 맞췄다. 향후 예약·구매·신청·일정 등록은 물론 정부 행정·민원 서비스까지 연계할 계획이다. ‘모두의 AI’는 과학기술정보통신부가 추진하는 대국민 AI 서비스 사업이다. KT는 다음·업스테이지·모티프·NC AI·솔트룩스·리벨리온 등과 컨소시엄을 꾸렸다. 하나의 거대언어모델(LLM)에 모든 일을 맡기는 대신 여러 국산 모델 중 질문과 작업에 맞는 모델을 골라 쓰는 방식이다. 복잡한 추론은 고성능 모델에, 일상적인 질문은 가벼운 모델에 맡긴다. 이를 조율하는 역할은 KT의 ‘토큰 팩토리’가 맡는다. 질문의 난도와 성격을 분석해 적합한 모델을 연결하고 불필요한 연산을 줄인다. KT는 이를 통해 토큰 사용량을 16~20% 절감할 수 있다고 설명했다. AI 인프라에는 리벨리온의 국산 신경망처리장치(NPU)를 적용한 클러스터를 활용한다. 새로운 AI 모델이 나오면 추가로 탑재할 수 있는 개방형 구조도 택했다. 이용자가 ‘모두의 AI’를 접하는 통로도 다양해진다. KT는 ‘이음 인사이드(Inside)’를 통해 별도 앱뿐 아니라 다음·다나와·무신사·콴다·딥서치·직방 등 기존 서비스 안에서도 AI를 쓸 수 있도록 할 계획이다. 이날 전시장에서는 하객룩 추천 외에 수학 풀이, 금융 리서치, 부동산 검색 등도 체험 가능했다. NC AI 기술로 만든 캐릭터를 3D 프린터로 출력해 가져가는 공간도 마련했다. KT는 이달 제한된 이용자를 대상으로 클로즈 베타를 시작한다. 베타 기간에는 날씨·주식·생활정보 등 다양한 질문의 의도를 정확히 파악하고 답하는 기능을 우선 검증한다. 다음달에 이용자를 늘린 뒤 오는 12월에 전 국민 대상으로 정식 서비스를 선보일 예정이다.

오픈AI가 경쟁사인 중국 인공지능(AI) 기업 문샷AI를 향해 자사 최첨단 AI 모델의 추론 정보를 대규모로 빼내려 했다고 공개 비난했다. 앤트로픽에 이어 경쟁사의 AI로 자사 모델의 성능을 끌어올리는 ‘증류’에 대한 논란이 재점화하는 모습이다. 오픈AI는 30일(현지시간) 블로그를 통해 문샷AI 관련 이용자들이 챗GPT 모델의 보호된 추론 정보를 추출하려 한 정황을 포착해 차단했다고 밝혔다. 오픈AI에 따르면 지난 7월 초부터 문샷AI의 증류 시도가 시작됐고, 7월 24~25일에는 4000명 이상의 이용자가 추론 정보 추출 패턴과 일치하는 요청 약 1만 6000건을 보냈다. 오픈AI는 지난 7월 28일까지 관련 활동을 차단했다고 밝혔다. 이번 논란의 핵심인 증류는 성능이 뛰어난 외부 AI 모델의 답변을 자사 AI의 학습 자료로 활용해 성능을 높이는 기술이다. 자체적으로 대규모 데이터를 확보해 처음부터 AI를 학습시키는 것보다 적은 비용으로 빠르게 성능을 개선할 수 있지만, 타사의 지식재산권 침해로 이어질 수 있다. 이번 문샷AI의 증류는 암호화된 추론 정보를 복사한 뒤 다른 대화에 붙여넣고, 자사 모델에 이를 복원해 설명하도록 요청하는 방식으로 이뤄졌다. 오픈AI는 암호화 자체가 해독되거나 내부 데이터베이스가 침해된 것은 아니며 AI 모델과 대화해 보호 정보를 출력하도록 유도한 것이라고 설명했다. 오픈AI는 관련 계정을 정지하고 가입 및 인프라 통제를 강화하는 한편, 앤트로픽·구글 등과 조사 결과를 공유하며 대응에 나선 상태다. 이에 오픈AI의 참전으로 증류가 적법한 AI 훈련 방식인지에 대한 논란이 확대될 것으로 보인다. 앞서 앤트로픽 역시 문샷AI가 자사 클로드에 대규모 요청을 보내고 답변을 키미 학습에 활용했다고 비판한 바 있다. 지난 7월 스콧 베선트 미국 재무장관은 증류를 ‘도둑질’이라며 제재 방침을 밝혔다.

美대학들 학과 줄이고 등록금 인상오픈AI 등 기업에는 수백억원 투자‘대학의 존재 이유’ 논쟁으로 확산대졸 신규 일자리 감소 ‘K자 양극화’비어가던 지식인 자리… AI가 대체전문가들의 지식을 불신하는 대중대중의 판단 평가절하하는 엘리트지식인과 시민 공유 언어 ‘상식’ 필요‘철학’ AI의 판단 기준 만드는 역할지식인은 현실서 검증·수정 나서야 미국의 국제정치학자 톰 니컬스는 2017년 ‘전문가와 강적들’(The Death of Expertise)에서 인터넷이 전문가와 비전문가의 경계를 무너뜨리고 있다고 경고했다. 누구나 같은 검색창에서 정보를 얻고 같은 플랫폼에서 발언하면서 전문가와 아마추어의 주장이 같은 화면에서 경쟁하기 시작했다. 그가 우려한 것은 전문성에 대한 신뢰의 붕괴였다. ●지성 없는 시대 인공지능(AI)은 그 경고를 완성 단계로 밀어붙였다. 실리콘밸리는 이미 상거래에서 인간을 지운 ‘휴먼 프리 커머스’를 완성해 가고 있다. 같은 논리가 지식 생산에 적용된다면 다음 차례는 ‘휴먼 프리 날리지’다. 질문을 입력하면 전문가의 평생 연구와 아마추어의 짐작이 같은 문장 구조와 확신에 찬 어조로 되돌아온다. 문제는 AI가 얼마나 똑똑해지는가만이 아니다. 지식을 생산하고 해석하고 사회에 전달해 온 사람들의 역할이 어떻게 달라지는가가 더 중요하다. AI 시대에도 지식인은 필요한가. 필요하다면 어떤 지식인이어야 하는가. ●불안한 징후들 AI가 촉발한 균열은 대학에서 가장 먼저 나타난다. 캘리포니아주립대는 23억 달러 규모의 재정 적자 속에서 종신교수를 해고하고 학과를 폐지하며 등록금을 올렸다. 그러면서도 오픈AI와의 계약은 1300만 달러 규모로 연장했고 졸업생에게는 학위 취득 후 1년간 챗GPT 사용을 지원하기로 했다. 한 학생은 “학교는 돈이 없다면서 AI 기업에는 수백억 원을 지급하고, 학생과 교수는 정책 결정에서 배제됐다”고 비판했다. 뉴욕타임스는 이를 대학의 존재 이유를 둘러싼 논쟁으로 진단했다. 교수의 자리도 흔들린다. 보스턴칼리지 연구원 제프리 산젠바커의 분석에 따르면 챗GPT 출시 이후 55세 이상 대학교원이 1년 안에 일자리를 떠나는 비율이 11%에서 16%로 뛰었다. 피츠버그주립대 영문학 교수 마이클 호버먼은 25년 재직 끝에 AI 부정행위와 씨름할 힘이 없다며 조기 은퇴를 택했다. AI는 교수의 일자리를 대체하기 전에 교수와 학생 사이의 지식 관계부터 흔들고 있다. 2026년 하버드 졸업생은 대학 4년 내내 생성형 AI와 함께 자란 첫 세대다. 이들이 마주한 취업 시장은 AI 붐 속에서 대졸자 일자리가 줄어드는 K자 양극화였다. 하버드대 총장 앨런 가버는 졸업식에서 20세기 초 열기구가 노력 없이 산 정상의 전망을 제공한다는 비판을 소개하며 AI 시대에도 노력이 중요하다고 강조했다. 같은 시기 스탠퍼드 졸업식에서는 구글 최고경영자(CEO) 순다르 피차이의 축사 도중 수십 명의 학생이 항의 팻말을 들고 퇴장했다. 대학은 지식을 가르치는 곳이라는 전통적 역할만으로 존재 이유를 설명하기 어려워지고 있다. 대학은 이 위기의 한 단면일 뿐이다. 더 큰 변화는 사회가 누구를 전문가로 인정하는가에서 나타난다. 미국 트럼프 2기 행정부는 연방 과학기관에 조언하던 100개 이상의 독립 자문위원회를 폐지했다. 반면 2026년 새로 구성된 대통령과학기술자문위원회에는 마크 저커버그, 세르게이 브린, 마이클 델, 래리 엘리슨, 젠슨 황 등 기업가와 기술산업 인사가 참여했다. 백악관은 브리핑룸에도 ‘뉴미디어’ 좌석을 만들고 팟캐스터와 블로거, 인플루언서, 콘텐츠 크리에이터에게 문을 열었다. 한국에서도 정부와 대학 사회를 연결하는 제도적 통로는 불안정하다. 1995년 설립된 정책기획위원회는 학계의 지식과 연구 성과를 국가 정책에 반영하는 대표적인 제도였지만 정권이 바뀔 때마다 폐지와 재설치를 반복했다. 이 변화들을 하나로 묶으면 중요한 것은 어느 정권이 지식인을 더 중시하는가도, AI가 교수를 대체할 것인가도 아니다. 누가 전문가인가에 대한 사회적 정의 자체가 바뀌고 있다. 학위와 논문, 대학과 연구기관이 전문성을 보증하던 시대에서 직접 만들고 실행하고 대중과 소통하는 능력이 새로운 전문성의 근거로 부상하고 있다. 지식인의 위기는 지식 자체보다 사회적 자리의 위기다. ●반지성의 두 얼굴 앞의 현상만 보면 지식인의 위기는 AI와 정치가 만들어 낸 것처럼 보인다. 그러나 이것들은 원인이라기보다 이미 진행되던 변화가 드러난 징후에 가깝다. AI는 지식인의 자리를 갑자기 빼앗은 것이 아니라 이미 비어 가던 자리에 들어왔다. 그렇다면 왜 그 자리가 비어 갔을까. 표면에는 팬덤정치와 포퓰리즘이 있다. 뉴욕타임스 팟캐스트 ‘에즈라 클라인 쇼’에서 2016년과 2020년 투표를 거부했던 마틴 구리는 2024년 트럼프에게 투표한 이유가 특정 정치 성향이 아니라 엘리트 집단에 대한 구조적 불신 때문이었다고 밝혔다. 두 사람은 공공선에 헌신하면서도 대중과 직접 연결되는 새로운 리더십의 필요성을 제기했다. 이 불신은 한국의 팬덤정치에서도 작동한다. 지지자들은 전문가의 판단보다 진영의 신호를 신뢰하고, 정치인은 대중 동원의 언어로 지식인의 언어를 대체한다. 그러나 반지성주의를 대중의 문제로만 돌리면 절반만 보게 된다. 더 깊은 원인은 지식인 사회 내부에 있다. 논문 실적으로 교수를 평가하는 제도는 학자들을 국제 학술지 게재 경쟁으로 몰아넣고 사회와 동떨어진 연구를 양산한다. 현장 개입이나 대중 소통은 승진과 연구비 평가에서 인정받지 못하니 유능한 학자일수록 사회 참여에서 멀어진다. 참여하더라도 진영 논리에 편입되는 순간 학문적 신뢰를 잃는다. 이렇게 형성된 엘리트주의는 대중의 불신을 키우고, 그 불신은 다시 지식인을 상아탑으로 밀어넣는다. 반지성에는 두 얼굴이 있다. 하나는 전문가의 지식을 불신하는 대중의 반지성이고, 다른 하나는 대중의 경험과 판단을 낮게 평가하는 엘리트의 반지성이다. 두 태도는 서로를 강화한다. 그런데 한국 지식인 사회의 처방은 한결같다. 더 많은 교육, 더 강한 미디어 리터러시, 지식인 권위의 회복. 대중을 계몽의 대상으로, 지식인을 계몽의 주체로 놓는 전형적인 엘리트주의다. 이 처방이 즐겨 인용하는 근거가 리처드 호프스태터의 ‘미국의 반지성주의’(1963)다. 하지만 호프스태터는 반지성주의를 단순한 대중의 무지로 설명하지 않았다. 미국의 평등주의와 종교, 비즈니스 문화, 실용주의와 교육이 결합해 만들어 낸 역사적 현상으로 분석했다. 그렇다면 답도 과거의 지식인 권위를 복원하는 데서 끝날 수 없다. 지식인이 시민과 다시 공유할 언어를 찾아야 한다. 나는 그것을 상식이라고 부르고 싶다. 상식은 엘리트와 대중을 갈라놓지 않고 둘 사이를 잇는다. 토머스 페인은 1776년 ‘상식’을 통해 독립이라는 급진적 선택을 대중의 언어로 설득했다. 오늘날에도 기술, 무역, 환경, 부동산 같은 정책에서 엘리트의 논리가 중산층의 삶과 괴리될 때 대중의 불신과 저항이 뒤따른다. 한국 지식인 사회가 반지성주의를 진단하면서 정작 자신의 반지성, 대중이 왜 등을 돌렸는지 성찰하지 않는 오만을 놓치는 이유가 여기에 있다. 지식인이 다시 신뢰를 얻으려면 대중의 삶 속으로 들어가야 한다. ●철학을 가진 현장 지식인 그렇다면 지식인은 무엇을 가지고 현장으로 돌아가야 하는가. 답은 철학이다. 흥미롭게도 AI 시대에 철학의 중요성이 다시 커지고 있다. 최근 주요 AI 기업들은 철학자를 채용해 모델의 추론 능력을 높이고, 무엇을 해도 되고 해서는 안 되는지를 정하는 원칙을 설계하고 있다. 코딩과 정보처리를 AI가 대신하기 시작하자 오랫동안 실용성이 낮다고 여겨졌던 철학이 AI의 판단 기준을 만드는 지식으로 다시 등장한 것이다. 지식인에게도 결국 필요한 것은 판단의 기준이다. 조지훈은 ‘지조론’에서 시류와 권력 앞에서도 신념을 지키는 지조를, 김광섭은 ‘일관성에 관하여’에서 삶과 세계관을 관통하는 일관성을 강조했다. 지조가 외부의 압력에도 신념을 지키는 힘이라면, 일관성은 변화하는 현실을 판단하는 세계관의 중심이다. AI가 지식을 빠르게 생산하는 시대일수록 지식인은 자신이 무엇을 믿고 어떤 기준으로 판단하는지를 분명히 해야 한다. 그러나 철학만으로는 충분하지 않다. 현실과 만나지 않는 철학은 쉽게 독선이 된다. 20세기 초 사회비평가 루이스 멈퍼드가 주목한 패트릭 게디스의 ‘지역 조사’는 전문가의 지식을 현장과 연결하려는 시도였다. 지역을 직접 조사하고 사람들의 삶을 관찰하면서 이론을 현실 속에서 검증한다. 지식인의 철학도 이런 과정을 거쳐야 한다. 그래서 AI 시대에 필요한 사람은 철학을 가진 현장 지식인이다. 자신의 세계관을 가지되 현실과 끊임없이 대화하고, 현장에서 자신의 판단을 검증하고 수정하는 사람이다. 이를 위해서는 일방적으로 가르치기보다 대화하는 현장 소통, 이론보다 현실의 지혜를 존중하는 현장 상식, 현장에서 축적된 경험을 받아들이는 현장 지식, 개인과 정파의 이해를 넘어 공공선을 생각하는 현장 공동체 정신이 필요하다. 한국에도 이런 지식인의 전통이 있었다. 소탈하고 수평적인 조직문화를 받아들인 경제기획원과 한국개발연구원(KDI)의 관료들, 보직보다 학문을 중시한 안동선비 계열의 교수들, 정론직필의 언론인들이 그 사례다. 서로 다른 분야에서 활동했지만 자신의 원칙을 지키면서 현실에 개입했다는 공통점이 있다. AI가 더 많은 지식을 생산할수록 인간 지식인의 역할은 오히려 선명해진다. 정보를 더 많이 아는 것으로 AI와 경쟁할 필요는 없다. 필요한 것은 어떤 기준으로 판단할 것인지 철학을 세우고, 그 판단을 현실에서 검증하는 일이다. AI 시대가 요구하는 지식인은 더 많은 지식을 가진 사람이 아니라 철학을 가지고 현장에 서는 사람이다. 모종린 연세대 국제학대학원 명예교수

인공지능(AI) 경쟁에서 오픈AI와 구글에 밀렸다는 평가를 받던 메타가 개인 AI 에이전트 ‘뮤즈(Muse)’로 분위기를 바꾸고 있다. 출시 이후 메타 주가가 20% 넘게 뛰었고 AMD와 인텔 등 반도체주까지 강세를 보이면서 월가에서는 뮤즈가 AI 산업의 새로운 수요를 만들어낼 수 있을지 주목하고 있다. 최근에는 전자상거래 업체 쇼피파이가 뮤즈와 손잡고 AI가 이용자를 대신해 쇼핑을 마칠 수 있도록 하겠다고 나서는 등 실제 서비스 확장 움직임도 나타나고 있다. 시장의 관심을 끌어올린 출발점은 빠른 이용자 증가세다. 시장조사업체 앱토피아에 따르면 뮤즈는 출시 12일 만에 280만회 다운로드됐다. 미국·캐나다에서 같은 조건으로 비교하면 180만회로 챗GPT 출시 초기 12일간 130만회를 웃돌았다. JP모건은 뮤즈가 “챗GPT 이후 가장 널리 사용되는 소비자 AI 애플리케이션이 될 잠재력이 있다”고 평가했다. 뮤즈가 기존 챗봇과 다른 점은 답변을 내놓는 것을 넘어 이용자가 맡긴 일을 직접 처리한다는 것이다. 여행 준비를 부탁하면 항공편과 숙소를 검색하고 여러 웹사이트를 오가며 예약 절차까지 밟는다. 이메일을 보내거나 물건을 사고 자동차 판매를 맡기는 것도 가능하다. 이용자마다 클라우드에 별도의 가상 컴퓨터를 두고 뮤즈가 브라우저를 직접 움직이는 방식으로, 사람이 하던 검색과 클릭, 정보 입력을 AI가 대신한다. 메타를 바라보는 시장의 시선이 달라진 것도 이 때문이다. 메타는 그동안 AI에 막대한 자금을 쏟아부었지만 이를 어떻게 수익으로 연결할지는 뚜렷하게 보여주지 못했다. 오픈소스 모델 ‘라마(Llama)’는 지난해 라마4의 성능과 벤치마크 논란을 겪었고, 메타는 이후 외부 인재를 대거 영입하고 AI 조직을 ‘메타 슈퍼인텔리전스랩스(MSL)’ 중심으로 재편했다. 이런 상황에서 뮤즈가 빠르게 이용자를 확보하면서 대규모 AI 투자를 실제 소비자 서비스와 매출로 연결할 가능성이 처음 구체적으로 드러났다는 평가가 나온다. 수익모델도 이미 마련했다. 일정 사용량까지는 무료지만 이후 월 20달러와 100달러 요금제를 이용해야 한다. 미 투자은행 제프리스는 2027년 말 이용자가 10억명에 이르고 이 가운데 3%가 유료로 전환한다고 가정할 경우 연간 108억 달러의 매출을 올릴 수 있다고 추산했다. 뮤즈를 향한 기대는 반도체 시장으로도 번졌다. 최근 AMD와 인텔 주가가 크게 오른 것도 AI 에이전트 확산이 중앙처리장치(CPU)의 새로운 수요처가 될 수 있다는 기대가 반영된 결과다. 존스트레이딩의 마이클 오루크 수석 시장전략가는 “시장은 뮤즈를 이미 공급이 빠듯한 CPU 시장에 호재로 받아들였다”고 말했다. AI 모델 학습에는 그래픽처리장치(GPU)가 집중적으로 쓰이는 반면 뮤즈 같은 에이전트는 추론과 함께 웹페이지를 열고 여러 프로그램을 실행하는 작업을 반복한다. 이용자가 늘어날수록 이를 처리할 데이터센터의 범용 연산 능력도 더 필요해질 수 있다. 로이터는 뮤즈의 빠른 확산으로 데이터센터용 CPU 수요가 늘어날 것이라는 기대가 반도체주 상승에 힘을 보탰다고 전했다. 서비스 영역이 넓어지면서 기존 플랫폼과의 관계도 새로운 변수로 떠올랐다. 아마존은 뮤즈가 이용자를 대신해 자사 쇼핑몰에서 물건을 구매하는 것을 차단한 반면 쇼피파이는 뮤즈를 통한 쇼핑을 지원하기로 했다. AI 에이전트가 웹사이트의 단순 방문자가 아니라 소비자를 대신해 거래하는 주체로 등장하면서 유통·플랫폼 업체들도 서로 다른 대응에 나선 것이다. 개인정보 문제도 남아 있다. 미 정보기술(IT) 매체 더버지는 뮤즈에 이메일과 여러 계정을 연결한 뒤 이용자 자신도 미처 의식하지 못했던 개인정보까지 찾아냈다며 “작동한다. 그리고 섬뜩하다”고 평가했다. 한국 이용자들이 뮤즈를 직접 써볼 시점은 아직 정해지지 않았다. 현재 서비스 지역은 미국과 캐나다이며 메타는 한국을 포함한 추가 출시 국가와 일정을 공개하지 않았다.

최근 세간을 놀라게 만든 중국의 인공지능(AI) 서비스 ‘키미 K3’나 딥시크 ‘V4.1 플래시’, 알리바바 ‘Qwen 3.8’ 등은 모두 한 가지 공통된 특징이 있습니다. 모델 크기와 관계없이 극도로 효율성을 높여 제한된 하드웨어에서 최대한 많은 토큰을 생성할 수 있다는 것입니다. 여기에 모델을 공개하기 때문에 실제로 전 세계 많은 사용자가 개인 컴퓨터나 클라우드, 그리고 내부 컴퓨터에서 이 모델들을 사용하고 있습니다. 성능에 비해 하드웨어 자원을 매우 효율적으로 사용해 비용을 절감할 수 있는 것이 높은 인기의 비결입니다. 중국 모델의 효율이 높은 이유 중 하나는 아이러니하게도 미국의 금수 조치로 인해 연산 인프라를 확충하기 어렵다는 점에 있습니다. 엔비디아 칩 수급이 힘들다 보니 어쩔 수 없이 연산 효율성을 높여야만 하는 것입니다. 물론 최근 화웨이 같은 중국 내 정보기술(IT) 기업들이 자체 AI 가속기인 ‘어센드’(Ascend) 시리즈를 공급하고 있긴 하나, 아직은 성능 면에서 엔비디아 칩과 상당한 격차가 있어 당분간 연산 효율화에 집중하는 구조가 이어질 것으로 보입니다. 물론 화웨이도 가만히 있지 않고 어센드 신경망처리장치(NPU)와 이를 모아 구성한 클러스터인 아틀라스 슈퍼포드(Atlas SuperPod)를 꾸준히 업그레이드하고 있습니다. 최근 개최된 화웨이 커넥트 2026 행사에서는 앞으로 2029년까지 어센드 960DT/PR, 어센드 970, 어센드 980 칩에 대한 로드맵을 공개했습니다. 흥미롭게도 중국 딥시크의 최고경영자(CEO)인 량원펑(Liang Wenfeng)은 이전 컨퍼런스 콜에서 중국의 컴퓨팅 자원이 부족하지만, 화웨이의 ‘아틀라스 950 슈퍼포드’가 엔비디아의 ‘GB300 NVL72 랙’을 상당 부분 대체할 수 있다고 주장한 바 있습니다. 다만 4개의 어센드 칩이 있어야 GB300 한 개를 대체할 수 있는 수준이라는 점은 인정했습니다. 그런데 공개된 수치를 보면 화웨이 어센드 칩이 GB300을 따라잡기 위해서는 여전히 상당한 시간이 필요한 것으로 보입니다. 우선 내년 1분기에 화웨이는 차세대 제품인 ‘어센드 960DT’를 선보일 예정입니다. 이 칩은 새로운 SIMD/SIMT 아키텍처를 채택해 FP32, HF32, FP16, BF16, FP8, MXFP8, HiF8, MXFP4 등 다양한 데이터 포맷을 지원합니다. 이 칩은 최대 2 PFLOPS(페타플롭스)의 FP8 연산 능력과 4 PFLOPS의 FP4 연산 능력을 지니고 있으며, 288GB HBM 메모리와 9.6TB/s의 대역폭을 확보했습니다. 참고로 GB300의 dense FP4 연산 능력이 약 15 PFLOPS라는 점을 생각하면, 내년 출시할 어센드 960DT의 성능은 엔비디아 칩을 대체하기엔 아직 부족한 수준입니다. 따라서 화웨이는 수많은 어센드 NPU를 연결한 거대한 클러스터인 아틀라스 슈퍼포드를 개발했습니다. 엔비디아의 NVL72 랙 시스템이 72개의 GPU와 36개의 CPU를 사용하는 것과 달리, 아틀라스 960E 슈퍼포드는 무려 4096개의 NPU를 고속 인터페이스로 연결해 최대 16 EFLOPS의 연산 성능을 목표로 하고 있습니다. 화웨이 커넥트 2026에서 화웨이는 이렇게 많은 칩을 고속으로 연결해 하나의 거대한 연산 기계로 활용할 수 있는 신기술도 같이 공개했습니다. 예를 들어 고속 광학 인터페이스인 Hi-ONE 5500개를 적용해 기존 대비 전력을 550㎾나 절감했다고 합니다. 다만 그럼에도 전력 소모량은 상당히 많을 것으로 예상됩니다. 전기를 많이 먹는 HBM 메모리를 288GB나 장착한 데다, TSMC가 아닌 중국 파운드리인 SMIC의 공정을 사용할 수밖에 없어 성능 대비 전력 소모가 클 수밖에 없기 때문입니다. 따라서 어센드 칩을 사용한 아틀라스 슈퍼포드는 엔비디아의 NVL72 랙 시스템에 비해 전력 소모가 크고 유지비가 많이 들 것으로 예상됩니다. 이런 단점에도 불구하고 미국의 제재로 인해 엔비디아 칩 수급이 어려운 중국 내 AI 회사들은 선택의 여지가 제한된 상황에서 화웨이 칩을 사용할 수밖에 없고, 화웨이도 그 점을 잘 알고 있기 때문에 계속해서 어센드 시리즈를 개발할 예정입니다. 화웨이는 2027년 1분기에 어센드 960DT를 출시한 후 3분기에는 추론 특화 버전인 960PR을 출시하고, 2028년에는 어센드 970을 출시할 계획입니다. 어센드 970은 3.6 PFLOPS FP8/14 PFLOPS FP4의 연산 능력을 목표로 하고 있습니다. 2029년 출시 목표인 어센드 980에서는 다시 스펙을 두 배로 늘려 7.2 PFLOPS FP8/28 PFLOPS FP4까지 성능을 높인다는 계획입니다. 계획대로 된다면 GB300은 따라잡을 수 있지만, 2029년까지도 베라 루빈의 50 PFLOPS FP4 성능에는 미치지 못하는 수준입니다. 따라서 중국 AI 회사들은 다소 불리한 위치에 있지만, 앞서 이야기했듯이 놀라운 연산 효율화를 통해 미국 프런티어 AI 모델에 강력한 위협이 되고 있습니다. 여기에 화웨이 역시 느리지만 꾸준한 성장세를 보이고 있어, 미래에는 미국의 제재가 큰 힘을 발휘하지 못할 가능성이 높아지고 있습니다. AI 패권을 놓고 벌이는 싸움에서 쉽게 승자를 예측하기 어려운 이유입니다.

인공지능(AI) 발전과 확산이 빨라지면서 빅테크 기업을 중심으로 속도 조절론까지 나오고 있다. AI는 다양한 분야에서 활용되고 있는데 과학기술 분야도 예외가 아니다. AI가 연구 전 과정에 도입되면서 연구 생산성이 획기적으로 향상되고 있지만 부정확한 정보 생성의 위험, 보안·개인 정보 유출, 출처 미상 자료의 부적절한 인용 등 다양한 연구 윤리 위험을 내포하고 있다. 이에 정부가 국가 차원에서 AI를 활용할 때 연구 윤리 가이드라인을 마련했다. 과학기술정보통신부는 연구자가 국가연구개발 수행 모든 단계에서 AI를 책임감 있고 윤리적으로 활용할 수 있도록 지원하기 위해 국가과학기술자문회의 운영위원회 심의·의결을 거쳐 ‘국가연구개발 AI 연구윤리 가이드’를 확정했다고 20일 밝혔다. 이번에 확정된 가이드라인에 따르면 “국가연구개발에서 AI의 역할은 도구로 제한되며, 최종 결과물에 대한 책임과 권리는 AI를 활용한 연구자에게 귀속된다”는 기본원칙 아래 연구자가 지켜야 할 7대 권고사항을 제시했다. 7대 권고사항은 △사실관계 검증 △주체적 판단 △투명성 확보 △결과 신뢰성 관리 △정책·규정 준수 △보안 확보 △개인정보 보호다. 구체적으로 AI 생성물의 오류, 핵심 자료의 누락, 출처의 존재 및 진위 등을 검증해야 하며 AI가 생성한 자료를 활용할 때는 논리적 타당성과 전문 지식에 따라 검토하고 자신의 관점을 반영하여 재구성해야 할 뿐만 아니라 연구개발 성과의 구현 과정을 논리적으로 설명할 수 있어야 한다고 규정하고 있다. 또 연구 과정 전반에 AI를 활용한 경우 모델·버전을 공개하고 정보 수집, 데이터를 통한 추론, 연구데이터 정리, 문법이나 오타 점검, 번역 등 사용 목적과 범위도 투명하게 공개할 것을 제언하고 있다. 그 밖에도 AI 활용 시 연구개발기관의 관련 규정이나 지침, 가이드 등을 확인하고 준수해야 하고 연구개발기관은 제도적·기술적 보안 환경을 마련해야 하며 연구자는 연구개발기관이 허가한 보안 환경 내의 도구를 사용하고 개인정보가 포함된 자료는 AI 서비스에 입력하지 않도록 주의할 것을 조언하고 있다. 동시에 국가R＆D 과제 평가나 논문을 심사할 때 평가자는 해당 자료를 외부 AI에 입력하지 않고 전문성에 기반한 주체적 평가를 수행해야 하고 피평가자는 은닉 프롬프트처럼 AI를 활용해 정당한 심사 기준을 회피하거나 평가를 왜곡하려는 시도를 해서는 안 된다고 명시했다. 정부는 연구 현장에서 활용할 수 있도록 돕기 위해 연구자 스스로 점검할 수 있는 ‘연구자 자가진단표’와 연구개발과제 보고서 등 제출 시 활용할 수 있는 ‘AI 활용 여부 공개 서식’도 함께 제공할 계획이다. 이번 정부의 가이드라인에 대해서 AI를 연구 보조 도구로 활용하되 판단과 책임은 연구자에게 있다는 원칙을 명확히 제시했다는 점에서 의미가 있다고 평가하고 있지만 현장의 상황을 충분히 반영하지 못하는 부분도 있다는 지적이 나오고 있다. 이민욱 한국과학기술연구원(KIST) 책임연구원은 “연구 현장에서 AI 활용 가이드라인의 기본 원칙에는 공감하지만 현장 연구자 입장에서는 실효성에 대한 우려가 있다”며 “도구적 활용과 주체적 판단의 경계가 실무적으로 모호하고 보안 사유로 상용 프론티어 모델 사용을 제한하는 것도 모델 간 성능 격차를 본다면 연구 품질의 실질적 저하가 우려된다”고 지적했다. 국가과학기술자문회의 부의장을 역임한 염한웅 기초과학연구원(IBS) 원자제어저차원전자계연구단장(포스텍 물리학과 교수)도 “현 시점에서 AI 연구윤리 가이드는 매우 시급해 보이지만 주어진 가이드라인은 중요한 연구 현장의 현실을 반영하지 못하며 매우 빠르게 변화하는 향후의 발전에도 대응할 수 없다”고 밝혔다. 염 단장은 “AI는 단순 데이터 정리를 넘어서 데이터 분석, 이론적인 모델 추출 등 훨씬 광범위하게 쓰이고 있음에도 데이터 정리, 번역, 오타 정리 등 연구 보조 도구로 활용하라는 것은 현실을 무시한 것”이라고 꼬집었다.

KT가 공공·교육·금융·쇼핑 등 국민 생활과 밀접한 서비스를 하나의 인공지능(AI)으로 잇겠다는 ‘모두의 AI’ 구상안을 공개했다. 다음·무신사·직방·EBS 등 기존 서비스에 AI를 탑재해 이용자가 일상에서 자연스럽게 AI를 접하도록 할 예정이다. KT는 11일 과학기술정보통신부가 추진하는 ‘모두의 AI’ 사업과 관련해 국내 AI·서비스 기업들과 함께 ‘이음인사이드’ 기반의 개방형 AI 생태계를 구축한다고 밝혔다. 이진형 KT AX사업본부장은 이날 기자간담회에서 “생활과 밀접한 정보를 정확하게 검색하고 실행까지 연결해 명확한 ‘답을 주는 AI’는 아직 미비하다”며 “KT 컨소시엄은 ‘AI라는 세상을 모두에게’라는 슬로건 아래 국민에게 실제 필요한 쇼핑·공교육·부동산 등 다양한 서비스를 연결하는 ‘이음 에이전트’를 준비하고 있다”고 밝혔다. KT 컨소시엄에는 업스테이지·솔트룩스·다음·무신사·직방·EBS·매스프레소·BC카드 등 16개사가 참여한다. 핵심은 이음인사이드다. 이용자가 평소 사용하던 앱이나 웹사이트에 AI 기능을 내재화하고, 이를 별도의 이음 에이전트와 연결하는 방식이다. 예를 들어 직방에서 아파트를 검색하다 이음인사이드 버튼을 누르면 이음 에이전트가 해당 매물의 실거래가와 시세, 최근 등록 매물 등을 종합해 알려준다. 이음인사이드는 단순한 검색 기능을 넘어 개인화된 정보를 제공하는 데 초점을 맞춘다. 이용자의 기존 검색·문의 내용 등을 기억해 필요한 정보를 먼저 제안하고, 공공 분야에서는 연령이나 거주지역 등 개인 정보를 바탕으로 받을 수 있는 혜택을 선제안한다. 행정 절차 안내와 신청·발급까지 대화형으로 이뤄져 디지털 소외계층도 쉽게 이용할 수 있다. KT는 ‘모두의 AI’ 자체 앱도 별도로 선보일 계획이다. 다음 등 기존 서비스에 이음인사이드를 적용해 이용자들이 별도의 앱을 찾지 않고도 자연스럽게 KT 모두의 AI로 유입되도록 한다는 전략이다. 이 과정에서 다음이 보유한 약 4800만개 계정도 적극 활용한다. 기술적으로는 여러 국산 AI 모델을 한데 묶어 서비스 특성에 따라 최적의 모델을 선택하는 ‘멀티모델’ 전략을 내세웠다. 업스테이지의 ‘솔라’는 추론과 에이전트 도구 호출, 모티프테크놀로지스의 ‘모티프’는 긴 문맥 처리, NC AI의 ‘바르코’는 3D·사운드, KT의 ‘믿음’은 멀티모달 등 각 모델마다 강점을 살릴 예정이다. 고객에 필요한 서비스에 적합한 모델을 자동으로 연결해줄 땐 KT의 AI 운영 플랫폼 ‘토큰팩토리’가 활용된다. 토큰팩토리를 통하면 토큰 처리량을 약 32%, 프롬프트 압축 기술까지 활용하면 입력 토큰을 최대 80% 줄일 수 있다는 게 KT의 설명이다. 자체 그래픽처리장치(GPU)를 활용하는 ‘폴백’ 체계도 토큰팩토리에 적용했다. 이 본부장은 “모두의 AI가 지속 가능한 서비스가 되려면 정부 사업 기간 이후에도 기업들이 비용을 낮추고 수익을 창출할 수 있는 구조가 필요하다”며 “국산 AI 모델과 반도체, 인프라 기술을 결합해 국내 AI 생태계가 함께 성장할 수 있는 구조를 만들겠다”고 말했다.

AI·클라우드 소프트웨어 대표 기업 오케스트로 그룹(의장 김민준)은 ‘2026 월드 스마트시티 엑스포(WSCE 2026)’에서 총사업비 약 6109억원 규모로 추진되는 천안·아산 AI 특화 시범도시의 청사진을 공개한다고 9일 밝혔다. 월드 스마트시티 엑스포(WSCE)는 올해 10주년을 맞은 국내 대표 스마트시티 전문 전시회로, 국토교통부·과학기술정보통신부·부산광역시가 공동으로 주최한다. AI 솔루션을 비롯해 교통·모빌리티, 인프라·건설, 해양기술 등 스마트시티 관련 최신 기술과 산업 동향을 한자리에서 확인할 수 있으며, 올해 행사는 9일부터 11일까지 부산 벡스코에서 개최된다. 오케스트로는 국토교통부 ‘AI 특화 시범도시 사업’의 천안·아산 컨소시엄 대표 기업으로 이번 WSCE에 참가한다. 천안·아산 사업은 2026년부터 2030년까지 5년간 추진되며, 두 도시의 공동 생활권을 기반으로 도시 데이터와 AI 인프라를 연계해 재난·교통·행정·에너지 등 도시 운영 전반을 지능화하는 초광역 AI 도시를 구현한다. 천안·아산 AI 특화 시범도시는 기존 스마트시티의 단순한 도시 모니터링을 넘어 인공지능이 도시에서 발생하는 다양한 상황을 실시간으로 분석하고 판단해 선제적으로 대응하는 도시 운영체계 구축을 추진한다. 이를 위해 도시 데이터를 통합·표준화하고 AI 에이전트와 피지컬 AI를 연계해 교통, 재난, 민원 등 시민 생활과 밀접한 분야의 서비스를 단계적으로 실증할 예정이다. 이번 WSCE에서는 컨소시엄에 참여하는 11개 기관이 ‘천안·아산 AI 특화 시범도시관’을 마련해 향후 지역에 적용될 AI 기반 도시서비스와 핵심 기술을 공개한다. 전시에서는 교통사고·침수·응급상황 등에 대응할 수 있는 피지컬 AI 로봇을 비롯해 자율주행 시뮬레이터, AI를 활용한 건강상태 분석 기술 등 시민들이 직접 체감할 수 있는 다양한 서비스를 선보일 예정이다. 오케스트로는 이러한 AI 서비스의 핵심 기반이 되는 미래형 AI 데이터센터(AIDC)를 구축하고 AI·클라우드 인프라 통합운영을 총괄한다. 대규모 AI 학습·연산을 위한 고성능 GPU와 AI 추론·가속에 최적화된 국산 NPU를 비롯해 CPU, 대용량 스토리지를 결합한 AI 컴퓨팅 환경을 조성한다. 소버린 AI 클라우드 기반 풀스택 기술을 적용해 AI 컴퓨팅 자원을 통합 관리·최적화하고, AI 기반 자율운영·자가복구 기술을 결합해 오케스트로만의 차별화된 새로운 운영 모델을 구현한다. 이를 기반으로 AI 도시 인프라를 안정적으로 운영하고, AI 모델 학습과 추론부터 서비스 배포, 도시 인프라 제어까지 전 주기를 지원할 계획이다. 오케스트로는 이번 WSCE를 글로벌 스마트시티 사업 확대를 위한 교류의 장으로 활용한다. 국내외 공공기관과 기업, 해외 바이어와의 네트워크를 확대하고 천안·아산에서 구현하는 AI 도시 모델을 기반으로 해외 스마트시티 및 AI 인프라 사업 기회를 발굴할 계획이다. 김민준 오케스트로 그룹 의장은 “AI 도시의 핵심은 다양한 도시 데이터와 AI 서비스를 안정적으로 연결하고 운영할 수 있는 인프라”라며 “오케스트로는 AI 데이터센터와 소버린 AI 클라우드 기술을 바탕으로 천안·아산의 AI 도시의 핵심 인프라를 구현하고, 국내외로 확산 가능한 AI 도시 모델을 구축하겠다”고 말했다.

인공지능(AI)의 실제 모습이 각인되기 시작한 것은 2016년 3월 이세돌 9단과 바둑 AI ‘알파고 리’와의 대국이다. 인공지능이 개발되면 체스, 바둑, 장기 등 보드게임으로 능력을 측정하곤 한다. 인간의 사고와 의사결정 능력의 집약체라고 보기 때문이다. 그런데 보드게임을 마주했을 때 사람과 AI의 경향성 자체가 완전히 다르다는 사실이 새로 밝혀졌다. 서울대 물리·천문학부, 이탈리아 파르마대 수학·물리·컴퓨터과학과, 오스트리아 복잡계 과학 허브 공동 연구팀은 사람끼리 둔 대국과 AI끼리 둔 대국 총 2400판의 체스 게임을 한 수씩 분석한 결과 인간은 판이 복잡하게 얽히면 상황을 정리하려고 하지만 AI는 얽힌 상태를 훨씬 오래 그대로 끌고 가려고 한다는 사실을 확인했다고 8일 밝혔다. 이 연구 결과는 미국 물리학회에서 발행하는 ‘APS 오픈 사이언스’에 실렸다. 연구팀은 최정상 그랜드마스터 대국 1200판과 세계 최강 AI 엔진끼리 겨루는 공식 대회인 TCEC에서 스톡피시와 릴라 체스 제로가 맞붙은 2019~2024년 대국 1200판을 분석했다. 사람과 AI의 대국이 아니라 각각의 대국에서 나타나는 패턴을 비교하기 위한 것이다. 연구팀은 이번 연구에서 ‘전략적 긴장’이라는 새로운 기준을 제시했다. 체스에서 긴장은 서로 잡을 수도, 잡힐 수도 있는 기물이 맞물려 있는데도 교환을 실행하지 않은 상태를 말한다. 기물은 킹, 퀸, 룩, 비숍, 나이트, 폰 등 체스 게임에서 사용되는 말을 통칭하는 단어다. 긴장 상태에서 교환을 실행하면 판은 단순해지지만 버티면 양쪽 모두 ‘지금 잡게 되면 다음 수는 어떻게 될까’를 계속 계산하고 고민해야 하는 부담이 생긴다. 연구팀은 잠재된 복잡함을 숫자로 바꾸기 위해 선수들이 한 번 둘 때(반수)마다 체스판을 관계망으로 변환했다. 기물과 서로 노리고 있는 빈 칸을 점으로 놓고 곧바로 잡을 수 있는 관계(공격), 잡히면 되잡을 수 있는 관계(수비), 상대가 들어오면 잡을 수 있는 빈 칸(통제) 등 세 종류로 구분했다. 이렇게 만든 그물망이 얼마나 촘촘한지를 ‘최대 고유값’으로 요약했다. 체스판은 8×8, 64칸이기 때문에 관계망의 점은 최대 64개다. 값이 클수록 앞으로 벌어질 수 있는 일의 가짓수가 많고 동시에 작은 실수 하나가 판 전체로 번질 위험도 크다. 긴장 곡선의 모양은 양쪽이 비슷했다. 시작할 때는 기물이 멀리 떨어져 있어 낮다가 서로 다가서며 치솟고 30~60반수 구간에서 정점을 찍은 뒤 내려왔다. 정점 자체는 오히려 사람이 더 높았다. 그랜드마스터들이 40반수 무렵까지 따라가는 오프닝 정석이 원래 기물 충돌이 빽빽한 국면이기 때문이다. 차이는 정석 구간이 끝난 뒤부터 나타났다. 정석이 끝나고 스스로 계산해야 하는 구간에 들어서면 사람은 기물을 교환하며 판을 빠르게 정리했지만 AI는 얽혀 있는 국면을 훨씬 오래 유지했다. AI 대국은 판에 남은 기물 수도 더 많았고 관계망의 연결선과 고리도 더 촘촘한 것으로 확인됐다. 긴장을 견디는 힘은 실력과 계산 자원에 비례한 것으로 나타났다. 사람의 경우 플레이어의 능력을 수치로 계산한 엘로 점수가 높을수록 누적 긴장이 거의 직선으로 늘었고 같은 실력이라도 생각할 시간이 긴 클래식 대국이 속기나 초속기 대국보다 높게 나왔다. AI도 몇 수 앞까지 내다보는 탐색 깊이가 늘어날수록 긴장이 커졌다. 사람의 대국은 공격 관계가 수비 관계보다 많은 쪽으로 치우쳤고 기물마다 짊어진 부담의 편차도 컸다. 반면 AI는 공격과 수비가 고르게 분포했고 기물별 역할도 비교적 균등한 것으로 나타났다. 그러나 기물 하나당 긴장은 사람 쪽이 내내 높았다. 즉 사람은 기물을 자주 교환해 숫자를 줄이는 대신 남은 기물에 더 무거운 짐을 지우는 방식으로 두고 있었다는 말이다. 연구팀에 따르면 승부가 갈리는 시점은 대체로 30반수 전후로 긴장이 정점에 이르기 전으로 나타났다. 인간 게이머가 판을 단순화하는 행위는 승리의 원인이 아니라 결과라는 뜻이다. 이미 유리해진 쪽이 상대의 반격 여지를 줄이려 기물을 맞바꾸는 것이지 맞바꿈으로써 이기는 것이 아니다. 실제로 40반수 시점에서 폰 1개 이상 앞서 있을 때 최종 승리 확률은 사람 대국이 약 71%, AI 대국은 약 59%였다. 사람이 체스판에서 단순화하려는 성향은 적응적 태도라고 연구팀은 설명했다. 복잡한 판을 계속 정확히 계산하려면 막대한 인지 자원이 드는데 작업기억과 주의력에 한계가 있는 사람은 감당 가능한 수준으로 판을 줄여 정확도를 지키는 쪽을 택한다는 것이다. 체스 한 판을 지는 단기 손해보다 에너지를 아끼고 범용적 지능을 유지하는 장기 이득이 크다는 진화적 맞교환이라는 뜻이다. 연구를 이끈 에드워드 리 서울대 교수는 “체스는 지능 시스템이 눈앞의 기회와 장기적 결과를 저울질하는 방식을 통제된 환경에서 파악할 수 있게 해주는 좋은 연구 수단”이라며 “AI가 복잡성을 증폭시킨다면 협상이나 경제 경쟁, 갈등 같은 다른 전략적 상황에서는 어떨지 추론해볼 수 있다”고 말했다. 연구팀에 따르면 계산 능력이 커진 AI가 긴장을 오래 유지하는 쪽으로 움직인다면 더 복잡한 대치가 가능해지지만 오판의 대가도 커질 수 있다. 현실의 협상과 분쟁은 체스와 달리 정보가 불완전하고 규칙도 고정돼 있지 않아 직접 비교에는 신중해야 한다고 연구팀은 지적했다.

부산대학교는 과학기술정보통신부와 정보통신기획평가원(IITP) 주관 ‘AI최고급신진연구자지원(AI스타펠로우십) 사업’에 선정됐다고 8일 밝혔다. AI스타펠로우십은 글로벌 인공지능(AI) 기술혁신을 선도할 최고급 신진연구자(박사 후 연구자 또는 임용 7년 이내 교원)를 육성하고, 세계적 수준 AI 연구 성과 창출을 지원하는 국가 공모 사업이다. 부산대는 2031년까지 국비 110억원, 시비 5억5000만원, 대학 5억5000만원 등 121억원을 투입해 AI 바이오·의료 융합 분야 연구개발을 추진한다. 부산대 연구진은 이번 사업을 통해 초음파 영상과 생체신호, 유전체, 진단 데이터 등을 통합하는 멀티모달(텍스트, 이미지, 음성, 영상 등 서로 다른 형태의 정보를 동시에 처리하고 연결해 이해하는 기술) AI 기반 정밀 의료 플랫폼 구축을 목표로 AI 바이오·의료 융합 분야 연구개발을 수행한다. 주요 연구과제는 Embodied AI(로봇·모바일 플랫폼 등 물리적 몸체를 통해 센서로 환경을 인지하고, AI가 판단·계획을 거쳐 실제 행동까지 수행하는 지능형 시스템) 기반 초음파 3D 영상 기술, 범용 의료 AGI(인간처럼 다양한 분야 지식을 이해하고 스스로 학습·추론·창의적으로 문제를 해결할 수 있는 범용 인공지능) 기반 자동 진단 생성 시스템, 질병 연관 나노센서 및 AI 예측 모델 개발 등이다. 삼성메디슨, 포티투마루, 씨젠의료재단 등과도 협력해 산업 현장의 수요를 연구개발에 반영하고, 연구 결과가 의료 현장과 산업계에 신속하게 적용될 수 있도록 협력 체계를 강화한다.

과학자들은 이미 6000개가 넘는 외계 행성을 발견했고 이 숫자는 지금도 빠르게 늘어나고 있다. 특히 지난달 30일(현지시간) 발사에 성공한 ‘낸시 그레이스 로만 우주 망원경’이 내년 초부터 본격 관측을 시작하면 이 숫자는 더 빠르게 늘어날 예정이다. 로만 우주 망원경은 대선배인 허블 우주 망원경과 비슷한 2.4m 지름의 주경을 지닌 우주 망원경이다. 하지만 3억 화소의 가시광, 근적외선 카메라인 광시야 관측 장비(WFI)를 지녀 한 번에 100배나 많은 시야를 제공한다. 덕분에 수많은 별의 밝기 변화를 정확하게 관측할 수 있다. 이를 통해 기대할 수 있는 외계 행성 포착 방법은 ‘미세 중력 렌즈 효과’다. 이는 행성급의 작은 천체가 별빛을 휘게 하는 효과를 측정해 숨은 외계 행성을 찾아내는 것으로 기존의 방식과 달리 멀리 떨어진 외계 행성이나 떠돌이 외계 행성을 찾아낼 수 있다. 미세 중력 렌즈 효과는 물론 다른 망원경도 관측할 수 있다. 하지만 로만 우주 망원경의 압도적인 광시야 관측 능력을 이용해 은하 중심의 수많은 별을 지속적으로 관측하면 수많은 미세 중력 렌즈를 발견할 수 있다. 덕분에 화성보다 작은 행성이나 별에서 멀리 떨어진 행성, 그리고 별 주변을 돌지 않고 우주를 방랑하는 떠돌이 행성까지 포함해 수천 개의 새로운 행성을 발견할 것으로 예상된다. 하지만 로만 우주 망원경의 진가는 이렇게 찾아낸 외계 행성을 직접 관측한다는 점에 있다. 독일 막스 플랑크 천문학 연구소가 개발한 ‘코로나그래프 장치’(CGI)는 이제까지 만들어진 가장 정교한 광학 장비로 목성급 외계 행성의 빛을 직접 포착해 지금까지 베일에 가려져 있던 외계 행성의 비밀을 직접 풀어낼 로만 우주 망원경의 비밀 무기다. 코로나그래프는 기본적으로 태양 같은 밝은 별을 가려서 주변의 코로나 같은 구조를 보는 장치다. 현재 지상 망원경에도 코로나그래프 장치가 설치되어 별 주변에 있는 어두운 동반성을 확인하는 데 사용된다. 그런데 외계 행성의 경우 별보다 너무 어두워 코로나그래프를 사용해도 직접 관측이 쉽지 않다. 예를 들어 목성의 경우 태양보다 10억 배 어둡다. 로만 우주 망원경의 코로나그래프는 이렇게 극도로 어두운 행성을 아주 먼 거리에서 관측하기 위해 개발됐다. 이를 위해서는 정확히 중앙의 별만 가리고 행성은 가리지 않는 정확도가 필요하다. 막스 플랑크 연구팀이 개발한 정밀 정렬 시스템(PAM)은 독일 하이델베르크에서 미국 로스앤젤레스에 있는 사람을 보는 각도와 비슷한 수준의 정밀도를 지니고 있다. 그리고 적응 광학(Adaptive Optics) 및 실시간 자가 보정 시스템을 이용해 망원경 내에서 발생하는 극도로 미세한 왜곡도 보정해 희미한 행성의 빛을 정확히 포착한다. 앞서 발사된 제임스 웹 우주 망원경도 외계 행성을 직접 포착하기는 어려워서 별빛이 대기를 통과할 때를 이용해 대기 성분을 간접 측정했다. 반면 로만 망원경은 차갑고 성숙한 목성형 행성의 반사광을 직접 포착할 수 있다. 따라서 제임스 웹의 관측을 보완하고, 가스 행성의 실제 모습을 더 생생하게 보여줄 것으로 기대된다. 다만 로만 우주 망원경의 강력한 코로나그래프로도 지구 크기의 외계 행성의 빛을 직접 포착할 순 없다. 이를 위해서 나사는 차세대 우주 망원경인 거주 가능 세계 관측소(HWO)를 구상하고 있다. HWO는 제임스 웹 우주 망원경과 비슷한 6m 지름의 주경을 지닌 우주 망원경으로 코로나그래프를 이용해서 지구 크기의 외계 행성을 직접 탐사한다. 로만 우주 망원경은 HWO의 중요한 기술적 토대가 될 것이다. 지금까지 과학자들은 외계 행성을 찾아냈어도 그 특징에 대해서는 주로 간접적인 정보에 의존해서 추론할 수밖에 없었다. 이런 점에서 로만 우주 망원경은 외계 행성 연구를 다음 단계로 끌어올릴 차세대 망원경으로 주목받고 있다. 앞으로 그 활약이 기대된다.

2024년 9월 출시한 오픈AI o1 추론 모델은 인공지능(AI) 발전 역사에서 중요한 이정표다. 인간의 평균 지능을 능가하는 IQ 120 수준 기계의 등장은 과학기술 연구에도 인간과 AI의 협업과 공생이라는 새로운 질문을 던진다. 지난 2월 싱가포르의 한 스타트업은 완전 자동 연구시스템을 공개했다. 417시간 동안 기계학습 논문 166편, 2시간 30분에 한 편꼴이었고 편당 비용은 1100달러 수준이었다. 3월에는 가설 설정부터 실험 설계, 코딩을 통한 실험 수행 및 결과 분석, 최종 논문 작성까지 전 과정을 수행하는 AI의 연구 성과가 네이처에 실렸다. 구글의 AI 코사이언티스트는 막대한 양의 연구 가설을 생성하고 실험실에서는 로봇이 실험을 대신 해 준다. 몇 해 전만 해도 논문 요약과 코드 작성을 돕던 도구가 이제 연구 설계자의 자리를 넘보고 있다. 속도가 바뀌면 판이 바뀐다. 미국은 지난해 11월 맨해튼 프로젝트에 버금가는 제네시스 미션을 선언하고 17개 국립연구소의 슈퍼컴퓨터와 시설, 데이터를 하나의 플랫폼으로 묶었다. 올해 7월에는 15개 이상 부처가 참여하는 50억 달러 규모 범부처 프로젝트로 확대했다. 10년 안에 과학 생산성을 두 배로 만들겠다는 목표다. 미국과학재단은 연구자에게 데이터와 컴퓨팅을 직접 제공하고, 영국은 연구비 대신 자체 슈퍼컴퓨터 이용 시간을 지원한다. 경쟁의 축이 “더 많은 연구비”에서 “더 좋은 연구자원”으로 옮겨 간 것이다. 우리에겐 위협이자 기회다. 위협은 분명하다. AI 도입으로 논문 수와 인용 건수로 줄을 세우던 논문 평가 체계가 무력해진다. 개인 연구자에게 소액 과제를 넓게 뿌리는 방식만으로는 첨단 컴퓨팅과 실험 시설이 결합된 대형 연구자원 경쟁을 감당하기도 어렵다. 기회도 분명하다. 한국은 반도체와 이차전지, 바이오처럼 실물 데이터가 매일 쌓이는 제조·연구 현장을 가진 몇 안 되는 나라다. AI에 필요한 양질의 실험 데이터는 현장에서 나온다. 남보다 빨리 실험·검증하는 나라가 앞서는 경쟁이라면 한국에 결코 불리하지 않다. 정부의 역할도 재설계해야 한다. 첫째, 지원 단위를 개인에서 시스템으로 넓혀야 한다. 우수 연구자를 골라내는 일 못지않게 질문이 계속 창출되는 시스템에 투자하는 것도 중요하다. 데이터와 연구 장비·시설·전문 인력이 하나로 묶여야 성과가 난다. 지금 대학에 가장 부족한 부분이다. 대학 연구 기반 블록펀딩이 그 출발점이다. 둘째, 연구비를 넘어 자원을 제공해야 한다. 과학기술 AI 파운데이션 모델과 국가바이오데이터스테이션, 8496개의 GPU를 갖춘 국가 슈퍼컴 6호기 ‘한강’은 개별 연구자나 대학이 결코 살 수 없는 자산이다. 함께 쓰게 하는 편이 훨씬 효율적이다. 올해 출범한 대학의 과학기술AI연구센터와 출연연의 국가과학AI연구센터도 같은 취지다. 셋째, 평가 방식을 바꿔야 한다. AI가 문장을 대신 써 주는 시대라면 이제는 질문과 증거를 살펴봐야 한다. 무엇을 물었고, 어디까지를 AI에 맡겼으며, 어떻게 검증했는지가 측정 가능한 기록으로 남아야 한다. 책임이 사람에서 기계로 넘어가는 지점을 연구자 스스로 밝히는 문화도 만들어야 한다. AI는 논문을 읽고 계산을 대신할 수 있다. 그러나 어떤 창의적인 질문을 내고 문제를 풀 것인지, 주어진 결과를 어떻게 검증하고 결정할 것인지, 틀렸을 때 누가 책임질 것인지는 인간 연구자의 몫이다. AI 시대 R＆D 정책의 목표는 AI를 잘 쓰는 연구자를 늘리는 데 그치지 않는다. AI가 아무리 빠르고 똑똑해져도 흔들리지 않는 질문의 힘, 그 힘이 자라는 과학기술 생태계를 만든다. 김성수 과학기술정보통신부 연구개발정책실장

LG AI연구원이 국내 최대 규모인 7500억개 파라미터를 갖춘 초거대 인공지능(AI) 모델 ‘K-엑사원 2.0’을 공개했다. 모델 규모를 기존보다 3배 이상 키운 데 이어 장문 이해와 코딩, AI 에이전트의 도구 활용 능력을 높여 글로벌 프런티어 모델과의 경쟁에 나선다. LG AI연구원은 31일 과학기술정보통신부의 ‘독자 AI 파운데이션 모델 프로젝트’ 2차 모델인 K-엑사원 2.0을 오픈소스 플랫폼 허깅페이스에 공개했다고 밝혔다. 파라미터 수는 1차 모델의 2360억개에서 7500억개로 확대됐다. 모델 라이선스에는 누구나 상업적으로 활용할 수 있는 ‘아파치 2.0’을 적용했다. LG AI연구원이 9개 영역의 24개 벤치마크에서 자체 평가한 결과 K-엑사원 2.0은 평균 70.1점을 기록했다. 1차 모델의 63.3점보다 10% 이상 향상된 수준이다. 특히 코딩과 스스로 계획을 세우고 작업을 수행하는 에이전틱 코딩 관련 3개 지표의 평균 성능은 30% 높아졌다. 긴 문서의 맥락을 파악하는 능력도 강화됐다. 글로벌 장문 이해 평가인 ‘오픈AI-MRCR’에서 94.4점, 한국어 장문 평가인 ‘Ko-LongBench’에서 89.6점을 기록했다. 중국 지푸AI의 GLM-5.1이 각각 받은 71.5점과 83.6점을 웃돌았다. 장문 이해 관련 주요 지표 3개의 평균 점수도 GLM-5.1보다 10% 이상 높았다고 연구원은 설명했다. AI가 외부 도구를 적절히 선택해 사용하는 능력을 평가하는 ‘Tau3-Bench Banking’에서는 14.2점을 얻어 GLM-5.1의 11.5점과 알리바바 큐원3.5의 13.4점을 앞섰다. 사용자의 지시를 얼마나 정확하게 이행하는지를 측정하는 평가에서도 GLM-5.1과 딥시크 V4 프로 맥스, 큐원3.5 등과 대등한 성능을 나타냈다. 지원 언어는 기존 한국어·영어·스페인어·독일어·일본어·베트남어에 프랑스어·이탈리아어·포르투갈어·폴란드어를 더한 10개로 확대됐다. 국내 AI 파운데이션 모델 가운데 가장 많은 언어를 지원해 한국형 소버린 AI의 해외 확장 기반도 넓혔다는 설명이다. 한국의 사회·문화적 특수성과 글로벌 윤리 기준 준수 여부를 평가하는 안전성 시험에서도 평균 94.6점을 기록했다. GLM-5.1의 71.3점과 딥시크 V4 프로 맥스의 65.2점, 큐원3.5의 89점을 웃도는 수치다. 임우형 LG AI연구원 공동 연구원장은 “국내 연구진이 7500억개 파라미터급 모델의 설계부터 데이터·분산 학습, 추론 환경 구축까지 전 과정을 독자적으로 완수했다”며 “글로벌 프런티어 모델과 같은 체급에서 경쟁할 수 있는 역량을 확보했다”고 말했다. LG AI연구원은 다음 주 산업 특화 AI 파운데이션 모델을 추가로 공개해 ‘전문가 AI’ 포트폴리오를 확대한다. 일반 이용자가 K-엑사원 2.0의 실제 사용성을 평가할 수 있는 대국민 평가 사이트와 체험 서비스도 준비하고 있다.

중국 인공지능(AI) 스타트업 문샷AI가 최신 모델 ‘키미 K3’의 인기에 힘입어 35억 달러(약 5조원)의 투자금을 끌어모았다. 당초 목표액을 크게 웃돈 데다 중국 정부가 조성한 AI 투자기금도 참여한 것으로 알려지면서, 미국의 첨단 반도체 수출 규제 속에서도 중국 AI 기업에 대규모 자금이 몰리고 있다. 블룸버그통신은 29일(현지시간) 문샷AI가 최근 투자 라운드에서 35억 달러를 유치해 기업가치 350억 달러를 인정받았다고 보도했다. 이는 2024년 2월 당시 기업가치(25억 달러)와 비교하면 약 2년 5개월 만에 14배로 늘어난 규모다. 투자 유치액도 애초 목표로 잡았던 10억~20억 달러보다 훨씬 많은 금액이 모였다. 중국의 ‘국가 AI 산업 투자기금’도 주요 투자자로 참여한 것으로 전해졌다. 이 기금은 앞서 딥시크에도 투자했다. 문샷AI는 중국 알리바바 출신 양즈린이 2023년 설립한 회사로, 대화형 AI 서비스 ‘키미’를 운영하고 있다. 이달 공개한 키미 K3는 문서 작성과 코딩, 복잡한 추론 등에서 오픈AI와 앤트로픽의 최신 모델에 견줄 만한 성능을 보였다는 평가를 받으며 주목받았다. 고성능 AI 반도체 확보가 어려운 상황에서도 중국 기업이 기술 격차를 좁히고 있다는 점에서 시장에서는 또 다른 ‘딥시크 모멘트’라는 평가도 나온다. 문샷AI는 추가 투자와 상장 준비에도 속도를 내고 있다. 차기 투자에서는 기업가치 500억 달러를 목표로 잠재 투자자들과 접촉하고 있으며, 이르면 연내 홍콩 증시 상장을 추진할 계획이다. 상장에 앞서 기관투자가 등으로부터 자금을 받는 프리IPO 투자도 검토하고 있다. 중국 정부도 첨단기술 지원 대상을 넓히고 있다. 중국 공업정보화부가 최근 홈페이지에 공개한 통지문에 따르면, 공업정보화부 등 7개 부처는 AI와 휴머노이드, 피지컬 AI, 연산력 등을 포함한 6개 분야 24개 혁신 과제를 공개 경쟁 방식으로 선정하기로 했다. 기업 규모나 특허 수보다 실제 기술력과 사업화 가능성을 우선 평가한다는 방침이다. 국가 자금과 경쟁형 지원이 함께 확대되면서 중국 AI 기업의 기술 개발과 상용화에도 속도가 붙을 것으로 보인다.

미군이 중동에 배치된 일부 장병의 휴대전화를 압수해 조사하는 방안을 검토 중인 것으로 알려졌다. 29일(현지시간) 로이터 통신에 따르면 브래드 쿠퍼 미 중부사령관은 전날 중동 주둔 장병들에게 보낸 서한에서 휴대전화로 촬영한 영상과 사진을 온라인에 게시하지 말라고 경고했다. 쿠퍼 사령관은 “이란이 뉴스 보도와 온라인 게시물을 검색해 미군 장병들의 반응과 사진, 영상을 확인하면서 공격의 성공 여부를 거의 실시간으로 파악하고 있다”며 “이 같은 공개 정보가 초래하는 직접적이고 피할 수 없는 대가는 공격 대상이 된 걸프 국가의 미군 장병과 중동 지역 민간인의 희생으로 이어질 수 있다”고 지적했다. 미군이 특히 문제 삼은 것은 지난 17일 이란이 요르단 무와파크 살티 공군기지를 공격했을 당시 촬영된 영상이다. 한 미군 장병은 카메라가 내장된 메타 스마트 안경으로 장병들이 방공호로 뛰어가는 모습을 촬영해 SNS에 공개했다. 쿠퍼 사령관의 지적은 지적만으로 끝나지 않을 것으로 보인다. 현재 미군은 실제 휴대전화 압수를 검토 중이다. 그는 “요르단 공군기지 피격 당시 메타 스마트 안경으로 촬영된 영상에서 장병이 어디로 이동하고 어떤 방식으로 방공호에 대피했는지가 고스란히 노출됐다”며 “미군의 전자전 교란 등으로 이란이 자체 공격의 정확한 결과를 파악하기 어려운 상황에서 장병과 언론이 공개한 정보가 이를 보완해 주고 있다”고 경고했다. 이어 “상세한 정보가 공개되면 이란군이 훨씬 더 파괴적인 2차 공격에 나서도록 사실상 즉각적인 청신호를 줄 수 있다”고 덧붙였다. 미군 소식통 2명은 로이터에 “이란의 공격을 여러 차례 받은 요르단에서 일부 미군 장병이 며칠 안에 휴대전화를 압수당할 수 있다는 통보를 받았다”고 말했다. 장병 휴대전화 압수 검토는 이례적 조치미군은 과거에도 작전 보안을 이유로 휴대전화 사용을 제한한 사례가 있다. 특히 특수부대나 일부 해외 파병 부대에서는 스마트폰 반입을 아예 금지하거나 위치 정보(GPS)를 비활성화하도록 지시해 왔지만, 일반 장병의 개인 휴대전화를 압수하는 방안까지 검토되는 것은 매우 이례적이라는 평가가 나온다. 더불어 이번 조치는 단순한 군 기강 문제가 아니라, 도널드 트럼프 미 행정부가 중동에서 이란과의 군사적 긴장이 고조되는 상황에서 정보 유출을 국가 안보 위협으로 판단하고 있음을 보여주는 사례로도 해석된다. 실제로 로이터 통신이 입수한 미 중부사령부(CENTCOM) 서한에 따르면 미군은 상업적으로 거래되는 스마트폰의 위치 정보가 적대 세력에 의해 이용돼 중동 지역 미군을 추적하거나 감시하는 사례를 여러 차례 확인했다. 이에 지난 5월 미 의회는 “위치 정보만으로도 병력 집결지와 생활 패턴을 분석해 미사일·드론 공격에 활용할 수 있다”고 분석했다. 앞서 미국 정부감사원(GAO)은 2025년 의회 보고서에서 스마트폰, SNS, 위치 정보, 웨어러블 기기 등이 생성하는 ‘디지털 발자국’(digital footprints)이 군사 작전과 국가 안보를 위협할 수 있다고 지적하기도 했다. GAO는 보고서를 통해 “적대 세력이 SNS 게시물, 위치 정보(geotag), 웹사이트 정보 등을 종합하면 부대 이동과 작전 정보를 충분히 추론할 수 있다”며 국방부가 관련 보안 정책을 더욱 강화해야 한다고 강조했다. 유사한 사례는 러시아에서도 찾을 수 있다. 2023년 1월 당시 러시아 국방부는 도네츠크주 마키이우카의 임시 병영이 공격을 받아 병사 수십 명이 사망한 사건과 관련해, 병사들이 개인 휴대전화를 불법으로 사용하면서 발생한 전파 신호가 우크라이나군에 노출된 것이 주요 원인이라고 공식 발표했다. 이후 러시아군은 전선에서 개인 휴대전화 사용을 더욱 엄격히 제한했다. 미 중부사령부 “2주 공습안 준비 중”이란이 미군 기지를 선제공격하고 미국이 이란 본토를 다시 타격하는 등 무력 충돌이 이어지는 가운데, 미군은 현재 이란에 대한 강력한 공습 작전을 위한 방안을 트럼프 대통령에게 제시하는 등 대응을 준비 중인 것으로 알려졌다. 월스트리트저널(WSJ)이 29일 해당 사안에 정통한 관계자들을 인용한 보도에 따르면 쿠퍼 사령관은 “단순한 맞대응으로는 교착 상태를 깰 수 없다”며 이란의 미사일 능력을 실질적으로 무력화하는 ‘대규모 공습’ 전략을 강조했다. 쿠퍼 사령관과 가까운 소식통들은 WSJ에 “그가 제시한 최강의 옵션은 기존처럼 호르무즈 해협에서 선박을 위협하고 인근 미군 기지에 미사일을 발사하는 이란에 대한 보복 공습 차원을 넘어 전쟁을 급격히 확대하는 것을 목표로 한다”고 말했다. 미군 관계자들은 쿠퍼 제독이 2주 집중 공습 작전의 여러 방안을 제시하는 과정에서 피트 헤그세스 장군의 지지를 얻었다고도 전했다. 반면 댄 케인 미 합참의장은 “요격 미사일 재고가 줄어드는 상황에서 전 세계 미군 기지와 동맹 방어에 위험이 커질 수 있다”며 신중론을 편 것으로 전해졌다. 다만 전문가와 군사 전문 기관 등은 현재 미국의 미사일 재고가 40%대로 떨어진 상황에서 이란에 대한 전면전이 어려울 수 있다는 회의적인 관점을 내놓고 있다.

SK텔레콤이 29일 수학·과학 추론 능력 등을 강화한 독자 인공지능(AI) 파운데이션 모델 ‘에이닷엑스 케이투(A.X K2)’를 공개했다. A.X K2는 정부의 독자 AI 파운데이션 모델 사업을 통해 공개하는 두 번째 초거대 모델이다. 직전 모델(A.X K1)에 비해 매개변수(파라미터)가 5190억개(519B) 규모에서 6880억개(688B)로 확대했다. A.X K2는 자체 개발한 ‘SGA’ 구조를 적용해 긴 문맥에서도 필요한 정보만 선별해 처리하도록 설계됐다. 국내외 14개 벤치마크 평균 성능은 K1보다 32.2%포인트 향상됐고, 장문 이해와 에이전트 관련 평가는 83.9%포인트 개선됐다. SK텔레콤은 최근 출시된 큐원, 딥시크, 키미 등 해외 오픈소스 모델과 동급 수준의 성능을 확보했다고 설명했다. SKT는 A.X K2의 활용 범위를 제조·국방·바이오 등 산업 현장으로 넓힌다는 구상이다. 제조 영역에서는 철강 제조 기업 KG스틸, 자동차 부품 제조 기업 코넥과 제조 특화 AI 에이전트에 A.X K2를 적용한다. 또 국방부와 협업해 A.X K1 기반의 양자화 모델 3가지를 개발했다. 바이오 분야로 진출도 검토 중이다. SK바이오팜과 난치성 암 표적 치료제 개발에 AI를 활용하고 있다. 일상생활 영역에서는 A.X K2 경량 모델을 SKT의 에이닷 서비스에 적용하고 있다. SKT는 A.X K2의 후속 모델을 조(兆) 단위 매개변수 규모로 확장한다는 구상이다. 김태윤 SK텔레콤 파운데이션 모델 담당은 “다양한 산업 분야에 A.X K2를 적용·발전시켜 국가 경쟁력 강화에 기여하겠다”고 밝혔다.

- AI 모델·GPU 확보 넘어 인프라 운영 역량이 AI 경쟁력 좌우- ‘SCORE’로 운영 데이터 연결… ‘OKESTRO GenDev’로 SDLC 생산성 10.6배 향상- AI 인프라 소프트웨어 전반을 AX 기반으로 재편… 변화 대응 속도·기술 주권 강화 AI 인프라 소프트웨어 기업 오케스트로 그룹(의장 김민준)이 28일 서울 삼성동 코엑스 오디토리움에서 열린 ‘OPUS 2026’ 기자간담회에서 ‘OKESTRO 4.0’을 공식 발표했다. 오케스트로 그룹은 생성형 AI 도입 확대로 AI 경쟁력의 기준이 모델 성능이나 GPU 확보를 넘어 실제 서비스를 안정적으로 운영하고, 비즈니스 환경 변화에 맞춰 신속하게 확장·전환하는 인프라 소프트웨어 역량으로 이동하고 있다고 분석했다. 기업이 AI를 비즈니스 성과로 연결하려면 컴퓨팅 자원, 클라우드, 데이터, 개발·운영 체계를 유기적으로 연결하고 인프라 운영 주도권을 확보해야 한다는 설명이다. 오케스트로 그룹은 이러한 변화에 대응하기 위해 ‘OKESTRO 4.0’을 제시했다. ‘OKESTRO 4.0’은 ‘OKESTRO 3.0’을 통해 구축한 AI 인프라 풀 스택 소프트웨어에 고객 현장에서 축적한 운영 데이터를 결합해 솔루션의 기획·개발·검증부터 서비스 제공과 기술 지원까지 전 과정을 AX 기반으로 재편하는 전략이다. 고객 환경의 변화를 데이터로 이해하고, 필요한 기술과 대응 체계를 빠르게 설계·검증하는 것이 핵심이다. 이를 통해 고객은 기술 적용 시점과 인프라 운영 방향을 주도적으로 결정할 수 있게 된다. 오케스트로 그룹은 장애 및 환경 변화에도 안정적인 서비스를 유지해 연관 업무의 연속성을 높이고, 데이터 기반 의사결정을 지원하는 체계를 핵심 경쟁력으로 제시했다. 오케스트로 그룹은 AI 인프라 전 영역을 아우르는 소프트웨어 기술과 구축·운영 현장에서 축적한 경험을 바탕으로 서로 다른 기술과 운영 데이터를 하나의 체계로 연결할 수 있다는 점을 ‘OKESTRO 4.0’의 차별점으로 제시했다. 이 같은 역량을 뒷받침하는 오케스트로 그룹의 AI 인프라 풀 스택 소프트웨어는 서버 가상화 솔루션 ‘콘트라베이스(CONTRABASS)’, 클라우드 네이티브 운영 관리 플랫폼 ‘비올라(VIOLA)’, 멀티·하이브리드 클라우드 통합 관리 플랫폼 ‘오케스트로 CMP(OKESTRO CMP)’, 데브옵스 솔루션 ‘트럼본(TROMBONE)’, AI 추론 운영 플랫폼 ‘콘체르토 AI(CONCERTO A.I.)’, 생성형 AI 솔루션 ‘클라리넷(CLARINET)’, 재해 복구 전문 솔루션 ‘콘트라베이스 레가토 DR(CONTRABASS Legato DR)’ 등으로 구성된다. 이를 구현하는 핵심 체계는 온톨로지 기반 지식 그래프 ‘SCORE’와 AI 기반 기술 생성 체계 ‘OKESTRO GenDev’다. SCORE는 고객 환경의 자원과 서비스, 장애와 변경 이력, 정책과 비용 등 분산된 운영 데이터를 관계와 맥락에 따라 연결한다. 데이터의 출처와 계보까지 추적해 AI가 실제 운영 환경과 검증 가능한 근거를 바탕으로 상황을 이해하고 판단하도록 지원한다. OKESTRO GenDev는 SCORE에 축적된 고객 환경 정보와 운영 데이터를 기반으로 필요한 기술과 대응 방안을 생성·검증하는 체계다. 소프트웨어의 기획, 분석, 설계, 개발, 테스트, 배포, 유지 관리 전 과정에 AI를 적용해 각 단계의 업무 효율을 높인다. OKESTRO GenDev 적용 시 기존 소프트웨어 개발 생애 주기(SDLC) 대비 전체 생산성이 약 10.6배 향상된다는 설명이다. 오케스트로 그룹은 SCORE와 OKESTRO GenDev를 AI 인프라 소프트웨어 전반에 적용해 전 제품군을 4.0 체계로 재편할 방침이다. 이를 통해 인프라 운영을 사후 복구 중심에서 이상 징후를 예측하고 선제적으로 대응하는 방식으로 전환하고, 기술 개발과 인프라 운영 전반의 의사결정을 일관된 데이터와 정책에 기반해 지원할 계획이다. 오케스트로 그룹 김민준 의장은 “AI 시대의 승자는 가장 큰 모델을 보유한 기업이 아니라 자신의 데이터를 이해하고 인프라를 통제해 비즈니스 성과를 가장 빠르게 만들어내는 기업이 될 것”이라며 “‘OKESTRO 4.0’을 통해 솔루션 개발부터 서비스 제공과 기술 지원까지 전 과정을 AX 기반으로 전환하고, 서비스의 연속성과 의사결정의 완전성을 강화해 AI 시대에 필요한 속도와 기술 주권을 제공하겠다”고 말했다.

정부가 세계적인 반도체 기업 AMD의 중앙처리장치(CPU)·그래픽처리장치(GPU)와 국산 AI 반도체(NPU)를 결합한 ‘이기종 인공지능(AI) 컴퓨팅’ 인프라 구축에 나선다. 이기종 AI 컴퓨팅은 기능이 다른 반도체를 연결해 각각 잘하는 연산을 나눠 맡겨 성능과 전력 효율을 높이는 방식이다. 배경훈 부총리 겸 과학기술정보통신부 장관은 지난 23일(현지시간) 미국 샌프란시스코에서 열린 ‘AMD 어드밴싱 AI 2026’에서 리사 수 AMD 회장 겸 최고경영자(CEO)와 만나 ‘AI 반도체 생태계 협력에 관한 양해각서(MOU)’를 체결했다고 27일 밝혔다. AMD는 CPU와 GPU를 모두 생산하는 글로벌 반도체 기업이다. 지난해 연 매출은 346억 달러로, 이 가운데 데이터센터 사업 매출이 166억 달러에 달했다. 최근 AI 반도체 시장은 단일 GPU 중심에서 벗어나 CPU·GPU·NPU 등 서로 다른 연산장치를 서비스 특성과 비용에 맞게 결합하는 구조로 바뀌고 있다. 이번 협약은 AMD의 CPU·GPU와 AI 추론에 강점이 있는 국산 NPU를 연계해 이런 변화에 대응하기 위해 체결됐다. 정부와 AMD는 먼저 이기종 AI 컴퓨팅 인프라를 구축하고 성능 등을 검증한다. 국내 AI 반도체 기업을 비롯해 메모리와 네트워크, 서버, 소프트웨어 관련 기업이 함께 참여하는 개방형 AI 컴퓨팅 생태계도 조성할 계획이다. 배 부총리는 “국내 AI 반도체 생태계의 경쟁력을 높이고 글로벌 AI 컴퓨팅 인프라 변화에 대응하는 새로운 협력 모델을 만들어 갈 수 있을 것”이라고 말했다.