2026.09.01 화요일
검색
'KAIST AI' 검색결과
기간검색
-
~
검색영역
검색어
-
KT, 서울대·KAIST와 AI 연구 결실…사업화로 경쟁력 키운다 [경제일보] KT가 서울대학교와 한국과학기술원(KAIST)과 진행한 인공지능(AI) 공동연구를 마무리하고 연구 성과의 사업화에 속도를 낸다. 단순 기술 교류를 넘어 대학의 연구 역량과 KT의 데이터·AI 모델·서비스 역량을 결합해 실제 사업에 적용할 수 있는 기술을 확보하는 것이 목표다. KT는 30일 서울 서초구 KT우면연구센터에서 서울대·KAIST 연구진과 ‘산학 공동연구 최종 성과 워크숍’을 열었다고 밝혔다. 이날 워크숍에는 3개 기관 연구진 50여명이 참석해 지난 1년간 수행한 연구 결과를 공유하고 후속 연구 및 사업 활용 방안을 논의했다. 이번 협력은 지난해 9월 시작됐다. KT는 당시 산학 협력을 장기 연구에 그치지 않고 실제 AICT 사업과 연결하기 위해 서울대·KAIST와 공동 연구를 추진했다. 자율형 에이전트, Responsible AI, 피지컬 AI, 인간 피드백 기반 강화학습, 추론 효율화 등을 핵심 연구 분야로 설정했다. KT는 연구에 필요한 GPU와 AI 모델, 데이터를 제공하고 대학의 전문 연구역량을 접목하는 Open R&D 방식으로 협력을 진행했다. 서울대와는 자율형 에이전트가 상황과 맥락을 이해하고 판단할 수 있도록 하는 기술을 집중 연구했다. 추론형 AI의 평가 기준과 신뢰성 개선, 한국적 데이터셋 확보, 사용자 행동 예측 모델, 사용자 피드백을 활용한 강화학습 프레임워크 등이 주요 과제다. KAIST와는 대규모언어모델(LLM)의 프롬프트 압축 및 최적화 기술을 연구했다. AI가 처리해야 하는 입력을 효율적으로 줄여 모델의 추론 부담을 낮추고, 에이전트 서비스의 응답 효율을 높이는 기반 기술을 확보하는 데 초점을 맞췄다. KT가 특히 주목하는 부분은 연구 결과의 ‘내재화’다. 확보한 기술을 논문이나 연구 성과로 끝내지 않고 모델·플랫폼·서비스 경쟁력으로 연결한다는 구상이다. KT는 최근 공동연구 성과를 자사 파운데이션 모델 ‘믿:음 K’와 자율형 에이전트 관련 서비스 등에 활용하는 방향을 추진해왔다. 후속 연구 범위도 넓힌다. KT는 기술 수요를 반영한 신규 과제를 발굴해 에이전틱 AI와 피지컬 AI, 토큰 효율화 등을 중심으로 산학 연구를 확대할 계획이다. AI가 질문에 답하는 수준을 넘어 스스로 상황을 판단하고 행동하는 에이전틱 AI가 확산되면서 추론 효율과 신뢰성, 실제 환경에서의 행동 예측 기술이 중요해진 데 따른 행보다. 산학협력 방식 자체도 고도화할 전망이다. KT는 올해 들어 서울대와 KAIST뿐 아니라 고려대 등 주요 대학과 공동연구를 확대하고 있으며, 글로벌 연구기관과의 협력도 병행하고 있다. 연구 기획 단계에서부터 성과 검증과 사업 적용 가능성을 함께 고려해 ‘기술 확보→검증→서비스 적용’으로 이어지는 구조를 정착시키겠다는 전략이다. KT는 이번 연구 성과를 계기로 대학과의 협력을 일회성 프로젝트가 아닌 지속적인 AI 기술 확보 채널로 확대한다는 방침이다. 박재형 KT AX미래기술원장 상무는 “이번 성과를 기반으로 대학과 함께 성장하는 연구개발 협력 모델을 확대하고 연구 결과가 KT의 AI 경쟁력으로 이어지도록 지속 발전시키겠다”고 말했다. 한편 이번 KT가 산학협력에서 확보한 기술을 실제 서비스에 얼마나 빠르게 적용하느냐가 향후 경쟁력의 핵심 변수가 될 전망이다. 특히 에이전틱 AI와 피지컬 AI 시장이 확대되는 가운데 모델 성능뿐 아니라 추론 비용과 토큰 사용량, 신뢰성까지 함께 개선할 수 있는 기술을 확보할 경우 AI 사업의 운영 효율과 서비스 경쟁력을 동시에 높일 수 있다는 평가다.2026-08-30 13:32:19
-
KAIST 찾은 '구글의 전설' 제프 딘…"AI 경쟁, 결국 컴퓨팅 효율 싸움" [경제일보] 인공지능(AI) 산업의 경쟁 구도가 거대언어모델(LLM)의 성능 경쟁에서 컴퓨팅 자원을 얼마나 확보하고 효율적으로 활용하느냐의 경쟁으로 이동하고 있다. 구글에서 27년간 AI와 컴퓨팅 인프라의 발전을 이끌었던 제프 딘이 한국에서 던진 메시지도 여기에 집중됐다. 딘은 지난 13일 서울 AI 허브에서 열린 특별강연에서 “향후 몇 년간 AI 발전의 핵심은 하드웨어와 컴퓨팅 자원을 얼마나 확보하고 효율적으로 사용하는가에 달려 있다”고 강조했다. 단순히 더 큰 모델을 만드는 것만으로 AI 경쟁력을 확보하기 어려워지고 있다는 의미다. 이번 강연은 딘이 구글을 떠난 뒤 사실상 첫 공식 행보라는 점에서도 주목받았다. KAIST와 국가AI연구거점의 공동 초청으로 마련된 행사에는 KAIST를 비롯해 고려대·연세대·포스텍 등 컨소시엄 대학의 연구진과 학생, 기업 관계자 등 150여명이 참석했고 온라인으로도 220여명이 참여했다. 딘은 1999년 구글에 합류한 이후 검색 인프라를 비롯해 구글의 AI 연구 기반을 구축한 핵심 인물이다. 분산 시스템 연구를 기반으로 대규모 연산을 효율적으로 처리하는 기술을 발전시켰고, 텐서플로와 구글의 AI 전용 반도체인 TPU 개발에도 관여했다. 최근까지는 구글 수석과학자로 차세대 AI 모델 제미나이 개발을 이끌었다. 그런 그가 구글을 떠나 과학 연구를 위한 AI 스타트업 ‘디스커버리 루프’를 창업하면서 업계의 관심이 집중됐다. 구글과 같은 빅테크의 최고 수준 연구 환경을 떠나 새로운 회사를 선택한 만큼, 그의 이번 발언은 단순한 기술 전망 이상의 의미를 갖는다. ◆ AI의 다음 병목은 ‘모델’보다 ‘연산’ 딘이 강조한 것은 AI 발전을 바라보는 시각 자체의 변화다. 그는 학부 시절 신경망 학습을 연구했지만 당시 컴퓨팅 성능의 한계 때문에 연구 성과를 내기 어려웠고, 20여년이 지나 충분한 연산 자원이 확보되면서 당시 아이디어가 현실화됐다고 설명했다. 지난 15년간 AI의 발전 역시 특정한 알고리즘 하나가 등장했기 때문이라기보다 연산 능력·데이터·모델 규모가 함께 확대된 결과라는 것이 그의 설명이다. 이 발언은 현재 AI 산업의 경쟁 구도를 정확히 관통한다. 챗GPT를 비롯한 생성형 AI가 대중화된 이후 기업들은 더 많은 데이터를 학습시키고 더 큰 모델을 구축하는 방식으로 경쟁해왔다. 그러나 모델 규모가 커질수록 학습과 추론에 필요한 컴퓨팅 비용도 폭증한다. 결국 AI 모델을 얼마나 잘 만드는가와 동시에 필요한 연산량을 얼마나 적은 비용으로 처리할 수 있는가가 기업 경쟁력의 핵심이 된다. 엔비디아가 AI 가속기 시장을 장악한 것도 같은 맥락이다. 구글이 자체 TPU를 개발한 이유 역시 외부 반도체에만 의존하지 않고 AI 연산 구조에 맞는 하드웨어와 소프트웨어를 함께 최적화하기 위해서였다. 딘의 경력 자체가 이를 보여준다. 대규모 분산 시스템을 연구하던 컴퓨터과학자가 구글에서 TPU와 AI 시스템 개발에 참여한 것은 AI가 발전할수록 모델과 반도체, 데이터센터, 소프트웨어를 하나의 시스템으로 설계해야 한다는 흐름과 맞닿아 있다. ◆ 한국 AI도 ‘모델 개발’ 이후를 준비해야 이번 딘의 KAIST 방문은 국내 AI 산업에도 시사하는 바가 크다. 한국의 AI 전략은 그동안 자체 파운데이션 모델 확보와 GPU 확보에 상당한 무게가 실렸다. 하지만 모델을 하나 확보한다고 AI 경쟁력이 완성되는 것은 아니다. 대규모 모델을 학습시키고 실제 서비스에 적용하기 위해서는 GPU와 AI 반도체, 데이터센터, 네트워크, 저장장치, 소프트웨어 등 전체 시스템을 효율적으로 연결해야 한다. KAIST가 추진하는 ‘AI 시스템 이니셔티브’ 역시 이 지점에 초점을 맞추고 있다. AI 모델 자체뿐 아니라 하드웨어와 시스템 소프트웨어를 함께 최적화해 제한된 컴퓨팅 자원을 최대한 활용하는 것이 목표다. 최근 글로벌 빅테크와 KAIST의 협력이 이어지는 것도 주목할 부분이다. 엔비디아가 KAIST와 AI 공동연구소 및 피지컬AI센터 설립을 추진한 데 이어 구글의 핵심 AI 연구자가 직접 KAIST를 찾아 연구진과 분산 시스템과 AI 인프라를 논의했다. 이는 한국이 AI 모델 경쟁에서 단순히 해외 기술을 활용하는 수준을 넘어 AI 시스템 전체를 연구할 수 있는 기반을 확보해야 한다는 신호로 해석할 수 있다. 딘이 강연에서 “AI가 인간을 대체하느냐”는 질문에 인간과 AI가 각자의 강점을 활용하는 것이 중요하다고 답한 것도 같은 맥락이다. AI를 인간의 대체재로만 볼 것이 아니라 인간이 해결하지 못했던 문제를 풀기 위한 연구 도구로 활용해야 한다는 것이다. 그가 창업한 디스커버리 루프가 과학 연구를 AI의 주요 적용 분야로 삼은 것도 의미가 있다. AI가 검색과 문서 작성, 코딩을 넘어 신약과 소재, 물리학 등 과학적 발견의 속도를 높이는 방향으로 확장될 경우 필요한 컴퓨팅 규모는 지금보다 더욱 커질 수밖에 없다. 한편 딘이 한국에서 던진 메시지는 명확하다. AI 경쟁의 다음 승부처는 더 큰 모델을 만드는 데서 끝나지 않는다. 얼마나 많은 연산 자원을 확보하고, 이를 얼마나 효율적으로 연결하고 활용하느냐가 관건이다. 한국이 AI 강국을 목표로 한다면 GPU 확보량이나 국산 모델 개발 성과만을 경쟁력의 기준으로 삼아서는 안 된다. 반도체부터 데이터센터, 네트워크, 분산 시스템, 모델까지 이어지는 ‘AI 풀스택’ 경쟁력을 확보해야 한다. 27년간 구글의 AI 역사를 만들어온 연구자가 퇴사 직후 한국에서 가장 먼저 강조한 것도 결국 이 지점이었다. AI 시대의 진짜 경쟁은 모델의 크기가 아니라 그것을 움직이는 시스템의 경쟁으로 넘어가고 있다.2026-08-19 07:55:41
-
KAIST에 엔비디아 AI 연구거점 들어선다…5년간 3억달러 협력 [경제일보] KAIST와 엔비디아가 5년간 3억달러 규모의 인공지능(AI) 공동 연구에 나선다. 단순한 산학협력이나 장비 지원을 넘어 한국어와 국내 산업 환경에 특화된 AI 모델을 개발하고, 연구인력을 엔비디아 글로벌 조직과 연결하는 장기 연구 체계를 구축한다. KAIST는 엔비디아와 김재철AI대학원 서울캠퍼스에 ‘엔비디아-KAIST AI 공동연구소’를 설립한다고 24일 밝혔다. 공동연구소는 차세대 AI 원천기술 확보와 연구인력 양성, 연구 결과의 산업·공공 분야 확산을 함께 추진한다. 초기 협력 기간은 5년이며 전체 사업 규모는 3억달러, 약 4200억원이다. 다만 3억달러 전액이 KAIST에 현금으로 투자되는 구조는 아니다. 엔비디아가 매년 제공하는 5000만달러 상당의 AI 컴퓨팅 자원과 기술·연구 지원 등을 포함한 협력 규모로 보는 것이 정확하다. 공동연구의 중심에는 ‘에이전틱 AI’가 놓인다. 이용자의 질문에 답하는 데 그치지 않고 목표를 이해한 뒤 계획을 세우고 여러 도구를 호출해 업무를 수행하는 AI 모델과 에이전트 시스템을 개발한다. 한국어 이해 능력과 국내 기업의 업무 방식, 산업별 전문지식을 반영하는 연구도 병행한다. 연구에는 엔비디아의 GPU와 소프트웨어, 네트워크를 결합한 풀스택 AI 기술과 개방형 AI 모델 ‘네모트론’이 활용된다. 국내 엔비디아 클라우드 파트너가 제공하는 최신 컴퓨팅 인프라에 KAIST 연구진의 모델 설계와 학습, 추론 기술을 결합한다. 주요 연구 분야는 △에이전틱 AI 모델과 에이전트 시스템 △한국어 최적화 대규모 AI 모델 △국내 산업별 특화 모델 △추론·계획 능력을 갖춘 차세대 AI △다중 에이전트 협력과 결과 검증 △연구 성과의 기업·공공·국가 AI 시스템 적용 등이다. 인재 양성 프로그램도 함께 운영한다. 공동연구소는 매년 KAIST 연구자 최소 10명을 선발해 연구를 지원하고, 지원 대상자에게 엔비디아 인턴십 기회를 제공할 예정이다. 엔비디아는 연구 성과와 역량이 우수한 국내 AI 연구자를 정규 연구직으로 채용하는 방안도 추진한다. 공동연구소장은 KAIST 김재철AI대학원에 부임하는 김현우 엔비디아 박사가 맡는다. 김 교수는 연구 주제를 설정하고 KAIST 연구진과 엔비디아 글로벌 연구조직 사이의 공동 프로젝트를 총괄한다. 연구소가 국내에 머무르지 않고 엔비디아의 해외 연구망과 연결되는 창구 역할을 맡는 셈이다. 이번 협력은 국내 AI 연구가 겪어온 컴퓨팅 자원 부족을 완화할 수 있다는 점에서 주목된다. 대규모 AI 모델은 아이디어와 데이터가 있어도 막대한 GPU 자원이 뒷받침되지 않으면 학습과 검증이 어렵다. 안정적인 컴퓨팅 자원을 장기간 확보하면 단기 과제 중심에서 벗어나 실패 가능성이 높은 원천기술 연구에도 도전할 수 있다. 엔비디아에도 한국은 반도체와 제조, 통신, 로봇, 모빌리티 산업을 갖춘 AI 실증 시장이다. 공동연구소에서 개발한 모델을 국내 산업 현장에 적용하면 GPU 판매를 넘어 AI 소프트웨어와 플랫폼 생태계까지 영향력을 넓힐 수 있다. KAIST는 컴퓨팅 인프라와 글로벌 연구망을 확보하고, 엔비디아는 한국어·산업 특화 AI 기술과 인재를 확보하는 구조다. 배충식 KAIST 총장은 “세계 최고 수준의 AI 연구 역량과 최첨단 인프라를 결합하는 전략적 파트너십의 출발점”이라며 차세대 원천기술 확보와 글로벌 인재 양성을 강조했다. 빌 달리 엔비디아 수석과학자 겸 연구부문 수석부사장은 한국의 산업과 언어에 맞는 AI 모델 및 에이전트 시스템 개발을 가속하겠다고 밝혔다.2026-07-24 09:40:40
-
KAIST, AI 데이터센터 냉각전력 10분의 1로 줄일 기술 개발 [경제일보] KAIST 연구진이 인공지능(AI) 데이터센터의 냉각 전력을 기존의 10분의 1 수준으로 줄일 수 있는 초고효율 액체 냉각 기술을 개발했다. AI 반도체 성능이 빠르게 높아지면서 데이터센터 전력 소비와 발열 문제가 산업계의 핵심 과제로 떠오른 가운데 칩 내부에서 직접 열을 빼내는 방식으로 해법을 제시했다. KAIST는 기계공학과 김성진 교수팀과 AX학과 이익진 교수팀이 공동연구를 통해 반도체 칩 내부에 매니폴드와 마이크로채널을 결합한 초고효율 액체 냉각 기술을 개발했다고 16일 밝혔다. 매니폴드는 냉각수를 여러 경로로 나눠 공급·회수하는 구조이고 마이크로채널은 머리카락보다 가는 미세 물길을 뜻한다. AI 반도체는 성능이 높아질수록 발열도 급격히 늘어난다. 기존 공랭 방식만으로는 차세대 GPU와 TPU, 고성능 AI 가속기에서 발생하는 열을 처리하기 어려워지고 있다. 이 때문에 칩 내부나 패키지 가까운 곳에 냉각수를 직접 흘려 열을 제거하는 액체 냉각 기술이 주목받고 있다. 연구팀이 주목한 매니폴드 마이크로채널은 미세 물길에 냉각수를 흘려 열을 제거하는 기술이다. 여기에 매니폴드를 적용하면 냉각수를 여러 지점에 동시에 공급할 수 있다. 전국 물량을 한 물류센터에서 보내는 대신 여러 지역 물류센터에서 나눠 배송하는 것과 같은 원리다. 기존 기술의 한계는 냉각수 분배였다. 일부 채널에 냉각수가 몰리고 다른 채널에는 충분히 공급되지 않으면 냉각 효율이 떨어지고 에너지 손실이 커진다. 연구팀은 계산 모델과 정밀 시뮬레이션을 활용해 냉각수가 모든 채널에 고르게 흐르도록 구조를 최적화했다. 최적화된 구조는 실제 실리콘 웨이퍼에 제작해 검증했다. 그 결과 냉각 효율을 나타내는 성능계수(COP)가 10만6000을 기록했다. 이는 냉각에 쓰는 에너지 1만큼으로 10만6000배에 해당하는 열을 제거할 수 있다는 의미다. 2020년 국제학술지 ‘네이처’에 보고된 기존 세계 최고 수준보다 10배 이상 높은 수치다. 이번 성과는 복잡한 비등 냉각이나 나노 표면 처리, 다이아몬드 같은 고가 소재 없이 상온의 물만으로 구현됐다는 점에서도 의미가 크다. 반도체 생산 공정과 호환 가능한 방식으로 제작할 수 있어 향후 상용화 가능성도 제시했다. 연구팀은 5㎜×5㎜ 크기의 실험용 칩에서 기술을 검증했다. 같은 설계 원리를 현재 AI 데이터센터에 쓰이는 대형 GPU·TPU에도 적용할 수 있을 것으로 보고 있다. 엔비디아의 차세대 AI 플랫폼인 ‘베라 루빈’급 초고성능 칩처럼 발열 밀도가 높은 반도체에도 활용될 가능성이 있다. 활용 범위는 AI 데이터센터에 그치지 않는다. 고성능 컴퓨팅(HPC), 3차원 반도체 패키징, 전력반도체, 국방 전자장비 등 발열이 큰 전자장치 전반으로 확장될 수 있다. 김성진 교수는 “AI 시대에는 반도체 성능보다 열을 얼마나 효과적으로 제어하느냐가 관건”이라고 말했다. 이번 연구에는 KAIST 기계공학과 이영진, 황철현, 이한솔 연구원이 공동 제1저자로 참여했으며 연구 결과는 국제학술지 ‘Energy Conversion and Management’에 6월 15일 게재됐다.2026-06-16 09:56:19
많이 본 뉴스
영상
Youtube 바로가기
![[데스크칼럼] 사상 최악의 기후재난, 네팔 대홍수가 묻는 것](https://image.ajunews.com/content/image/2026/08/31/20260831101315475035_518_323.jpg)