2026.09.08 화요일
검색
'MoE' 검색결과
기간검색
-
~
검색영역
검색어
-
네이버클라우드 컨소시엄, 700B급 보안 특화 AI 개발…33개 기관 뭉쳤다 [경제일보] 국내 인공지능(AI) 경쟁이 범용 모델 개발을 넘어 산업별 특화 모델 확보로 확산하는 가운데 네이버클라우드가 사이버 보안 분야를 겨냥한 초거대 AI 개발에 본격 착수한다. 정부의 특화 AI 파운데이션 모델 사업자로 선정된 네이버클라우드 컨소시엄은 대규모 GPU와 국가 핵심시설의 실데이터를 활용해 국내 보안 환경에 최적화된 AI 모델을 구축한다는 계획이다. 3일 네이버클라우드는 네이버클라우드 컨소시엄이 정부의 '특화 인공지능 파운데이션 모델 개발(사이버 보안 분야)' 사업자로 최종 선정돼 개발에 착수한다고 밝혔다. 이번 사업에는 네이버클라우드를 중심으로 총 33개 산·학·연·공공기관이 참여한다. 컨소시엄은 정식 사업 착수에 앞서 자체 보유 GPU 4000장을 선제적으로 투입해 보안 특화 AI 모델의 사전 학습을 진행해왔다. 정부가 제공하는 GPU 물량 256장과 별도로 네이버클라우드가 B200 4000장, LG가 H200 256장을 추가 투입한다. 민간 인프라를 선제적으로 활용해 개발 기간을 단축하고 모델 성능 고도화와 현장 실증에 시간을 집중한다는 전략이다. 최종적으로는 하이퍼클로바X와 엑사원을 기반으로 700B급 MoE(전문가 혼합) 구조의 초거대 보안 특화 모델을 구축한다. 방어 역량과 공격 역량을 각각 강화한 2개의 독자 모델을 병렬 개발해 사이버 공격의 탐지부터 분석·대응까지 전 주기에 대응한다는 구상이다. 개발 모델은 국제 공인 벤치마크 2종을 활용해 성능을 검증할 예정이다. 학습 데이터도 약 830TB 규모의 실데이터를 활용한다. 네이버클라우드와 LG CNS의 운영 데이터를 비롯해 한전KDN, 한국수력원자력, 금융보안원, KISTI, LG유플러스 등 국가 기반시설과 주요 산업에서 확보한 데이터를 활용한다. 위협정보 수집부터 라벨링·표준화·검증까지 데이터 정제 과정을 거쳐 실제 사이버 위협 환경을 학습시키는 방식이다. 특히 모델 개발 이후 국가 핵심시설과 주요 산업 현장에서 성능을 검증한다. 전력·금융·과학기술·통신·반도체·방위산업·항공우주 등 7대 분야에서 실증을 진행하며, 외부망 접근이 제한되는 폐쇄망 환경에서도 안정적으로 운용할 수 있는 기술을 확보할 계획이다. 이번 사업은 AI를 활용한 사이버 공격이 고도화되는 상황에서 방어 분야에서도 특화 AI 경쟁력을 확보하려는 움직임으로 풀이된다. 보안 분야는 민감한 데이터의 외부 반출이 제한되는 데다 실제 관제 환경에서 높은 정확도가 요구되는 만큼 범용 AI와 달리 국내 산업 환경과 보안 데이터를 반영한 특화 모델의 필요성이 클 전망이다. 네이버클라우드는 개발한 모델을 상업적 활용이 가능한 오픈소스로 공개하고, 중소기업을 대상으로 취약점 및 사이버 공격 탐지 무상 점검 서비스도 제공할 예정이다. 네이버클라우드 마켓플레이스를 통해 국내 보안 기업의 AI 서비스 상용화도 지원해 모델 개발에서 산업 활용으로 이어지는 생태계를 구축한다는 방침이다. 김유원 네이버클라우드 대표는 "이번 사업 수주는 네이버클라우드 컨소시엄이 보유한 대규모 AI 인프라와 데이터, 보안 전문 역량을 종합적으로 인정받은 결과"라며 "국가 핵심 인프라를 지키는 AI를 우리 기술로 만들어낸다는 책임감을 갖고 사업에 임해 대한민국을 대표하는 국가 보안 AI 모델과 생태계를 만들어 가겠다"고 말했다.2026-09-03 15:21:12
-
"AI 도입했다고 생산성 오르지 않는다"…정재헌 SKT CEO가 말한 'AX의 J커브' [경제일보] SK텔레콤이 인공지능(AI) 전환 과정에서 겪은 시행착오와 독자 AI 개발 경험을 바탕으로 'AX 시대의 일하는 방식'과 미래 인재상을 제시했다. 정재헌 SK텔레콤 CEO는 AI를 도입한다고 곧바로 생산성이 높아지는 것이 아니라 초기의 불편함을 견디고 업무 자체를 다시 설계해야 생산성의 급격한 상승으로 이어질 수 있다고 강조했다. 2일 SK텔레콤에 따르면 정재헌 CEO는 전날 서울대학교 제1공학관에서 대학생·대학원생 약 300명을 대상으로 'AI 시대의 선택과 기회'를 주제로 특강을 진행했다. 이번 강연은 SK텔레콤과 서울대가 10년째 운영하는 AI 공동과정의 첫 수업으로, 지난 1987년 서울대 공법학과에 입학한 정 CEO가 약 40년 만에 모교 강단에 선 자리로 알려졌다. 정 CEO가 이날 제시한 핵심 개념은 'AX의 J커브'다. AI 전환(AX) 초기에는 재교육과 업무 재설계, 데이터·조직 정비 등으로 오히려 생산성이 떨어질 수 있지만 이른바 '불편함의 골짜기'를 넘어선 조직은 어느 순간 생산성이 가파르게 상승한다고 설명했다. 그는 AX 전환을 위해 낯설게 보기, 극한 마주하기, 불편해지기 등 세 가지 방법론을 제시했다. 기존 업무 방식을 당연하게 받아들이지 않고 AI를 전제로 업무를 다시 설계하는 동시에 기존 방식으로는 달성하기 어려운 목표에 도전하고 AI 도입 초기의 시행착오를 견뎌야 한다는 의미로 풀이된다. SK텔레콤 내부 사례도 소개했다. 한 개발자가 고객 요청에 따른 시스템 수정 업무를 기존 방식으로 약 50시간에 걸쳐 처리했지만, 이를 AI로 전환하는 과정에서는 오히려 500시간 이상이 소요됐다. AI 에이전트를 새로 만들고 수정하며 수백 차례 검증하는 과정이 필요했지만 전환 작업이 완료된 이후 같은 업무에 걸리는 시간은 약 1시간으로 감소했다. 정 CEO가 강조한 '극한 마주하기'에는 독자 AI 모델 개발 경험도 포함됐다. SK텔레콤은 제한된 GPU 환경에서도 6880억 파라미터 규모의 초거대 AI 모델 'A.X K2'를 개발했다. A.X K2는 지난 7월 오픈웨이트 모델로 공개됐으며, 최근 공개된 기술보고서에서는 6880억 파라미터 규모의 전문가 혼합(MoE) 모델로 소개됐다. 특히 AI가 기업을 넘어 국가 간 경쟁으로 확산하고 있으며, 독자적인 AI 역량을 확보해야 한다는 것이다. 다만 정 CEO는 AI 시대에도 인간의 역할이 사라지는 것은 아니라고 강조했다. AI가 코딩 등 기술적인 업무를 점점 더 잘 수행할수록 사람에게는 자신의 전문 분야를 이해하고 AI를 활용해 생산성을 높이는 능력이 중요해진다는 설명이다. 특히 그는 AI 시대 인재에게 필요한 역량으로 '생각 근육', '적응 근육', '공감 근육', '신체 지능'을 제시했다. 본질을 파악하고 새로운 환경에 적응하며 다른 사람을 이해하고, 경험을 바탕으로 가치를 만들어내는 능력이다. 정재헌 CEO는 "AI가 모든 것을 결정할 것 같은 시대지만 그렇지 않다"며 "주도성을 가지고 스스로 방향을 정하는 통찰력과 공감 능력이 경쟁력"이라고 말했다. 이어 "가치를 판단하고 결정하는 일은 끝까지 사람의 몫일 것"이라며 "10년 뒤 AI 시대의 새로운 질문에 대한 답을 만들어갈 여러분과 혁신 현장에서 동료로 다시 만나기를 기대한다"고 전했다.2026-09-02 10:44:57
-
SKT, '모두의 AI' 승부수…좋은 모델보다 빠른 '개선 루프'에 방점 [경제일보] SK텔레콤이 정부의 ‘모두의 AI’ 사업을 계기로 인공지능(AI) 경쟁의 기준을 모델 성능에서 서비스를 통해 지능을 얼마나 빠르게 개선하느냐로 확장하고 있다. 6880억개 파라미터의 독자 AI 모델 ‘A.X K2’를 확보한 데 이어 대규모 이용자가 실제로 사용하는 서비스와 AI 인프라를 연결하고, 여기서 축적되는 데이터를 다시 모델과 시스템 개선에 투입하는 순환 구조를 구축하겠다는 전략이다. 유경상 SK텔레콤 AI CIC장은 24일 회사 뉴스룸에 게재한 칼럼에서 “미래의 AI 경쟁은 가장 좋은 모델을 한 번 만들어내는 경쟁이 아니라, 가장 빠른 ‘지능의 개선 루프’를 구축하는 경쟁이 될 것”이라고 밝혔다. 모델을 개발하는 것만으로는 부족하며 추론 비용, 서비스 완성도, 재학습 속도, 신뢰성까지 하나의 시스템으로 연결해야 실제 경쟁력이 된다는 설명이다. ◆ A.X K2에서 ‘모두의 AI’까지…모델을 서비스로 검증 SKT는 지난 7월 29일 6880억개 파라미터 규모의 A.X K2를 공개했다. 기존 A.X K1보다 수학·과학 추론과 한국어 지식, 장문 이해 및 에이전트 역량을 강화했으며, 14개 벤치마크 평균 성능이 32.2%포인트 향상됐다고 밝혔다. 최근에는 국제수학올림피아드(IMO) 2026 문제 평가에서 금메달 기준에 해당하는 점수를 기록했다고 발표하며 모델 자체의 성능도 강조하고 있다. 그러나 SKT가 이번에 강조한 것은 모델의 ‘크기’보다 이를 실제 서비스에서 얼마나 효율적으로 운영하느냐다. 수백만명이 동시에 AI를 이용할 경우 모든 질문을 최고 성능 모델로 처리하면 비용 부담이 커질 수밖에 없다. SKT는 이를 해결하기 위해 일부 매개변수만 활성화하는 MoE 구조, 질문 난이도에 따른 추론 방식 조절, 경량 모델과 대형 모델의 선택적 배치, 메모리와 연산 자원의 최적화 등을 제시했다. 특히 에이닷은 이 전략을 검증할 수 있는 핵심 서비스다. SKT에 따르면 에이닷은 지난해 9월 MAU 1000만명을 넘어섰고, 지난해 8월에는 에이전틱 워크플로우를 적용해 사용자의 요구를 해석하고 작업을 계획·실행하는 기능을 강화했다. 대규모 이용자가 실제 서비스를 사용하는 과정에서 발생하는 데이터를 AI 개선으로 연결할 수 있는 기반을 확보한 셈이다. ◆ ‘대화 수’ 아닌 ‘완료한 일’이 AI 성패 가른다 SKT가 정부 사업에서 강조하는 것도 이 같은 서비스 경험이다. 과학기술정보통신부와 정보통신산업진흥원이 추진하는 ‘모두의 AI’는 국산 AI 모델을 활용해 연내 전 국민 대상 무료 범용 AI 챗봇과 공공 AI 에이전트를 제공하는 사업이다. 지난 18일 공모를 마감한 결과 SKT·KT·카카오·이스트소프트·엠케이디·제논 등 6개 컨소시엄이 제안서를 제출했다. 아직 최종 사업자는 선정되지 않았다. SKT는 금융·모빌리티·미디어·교육·의료·공공·세무·돌봄 등 다양한 분야 기업과 컨소시엄을 구성했다. AI 모델 하나로 모든 문제를 해결하는 것이 아니라 각 산업의 전문기업과 AI 모델·서비스를 연결하는 ‘오케스트레이터’ 역할을 맡겠다는 구상이다. 유 CIC장은 특히 AI 성과를 “대화의 횟수가 아니라 완료된 일의 숫자로 측정해야 한다”고 강조했다. AI가 질문에 얼마나 정확하게 답했는지를 넘어 검색과 도구 호출, 실행을 거쳐 실제 사용자의 목적을 달성했는지 봐야 한다는 것이다. 이는 향후 AI 경쟁이 챗봇의 답변 품질에서 에이전트의 실행 성공률과 비용 효율성으로 이동할 가능성을 보여준다. ◆ 정부 사업은 SKT AI 전략의 실증 무대 ‘모두의 AI’는 SKT 입장에서도 사업성을 검증할 기회다. 정부는 국산 AI 모델 활용과 전국민 무료 서비스 출시를 조건으로 GPU 등을 지원하고 있으며, 2027년 이후에는 AI 에이전트 고도화도 추진할 계획이다. 결국 관건은 이용자다. 얼마나 많은 국민이 서비스를 실제로 사용하고, 그 과정에서 발생한 경험이 모델 개선과 서비스 고도화로 얼마나 빠르게 돌아가느냐가 중요하다. SKT가 통신망과 에이닷, 독자 모델, AI 데이터센터까지 갖춘 풀스택 역량을 강조하는 이유도 여기에 있다. AI 경쟁이 ‘누가 가장 좋은 모델을 보유했는가’에서 ‘누가 실제 생활에서 더 많은 일을 처리하게 만들고 더 빠르게 개선하는가’로 이동한다면, SKT의 승부처 역시 모델 자체보다 서비스→데이터→개선→재서비스로 이어지는 선순환 구조가 될 전망이다.2026-08-24 15:47:18
-
독파모 2차 관문 앞…3팀 압축 임박…LG '몸집 키우기' VS '효율형 AI 효율·에이전트' [경제일보] 정부의 독자 인공지능(AI) 파운데이션 모델 프로젝트(독파모) 2차 평가 결과 발표가 임박했다. LG AI연구원과 SK텔레콤, 업스테이지, 모티프테크놀로지스 4개 팀 가운데 3개 팀만 다음 단계에 진출한다. 독파모는 새 정부의 'AI 3대 강국 도약' 전략 핵심 과제로 지난해 8월 시작됐다. 해외 AI 모델 의존도를 낮추고 기술·경제·안보 리스크를 줄이겠다는 목적으로, 총사업비 1576억원을 들여 팀당 데이터 구축비 30억~50억원과 연간 20억원가량의 연구비, 컴퓨팅 자원을 지원한다. 6개월 단위 평가로 매번 팀을 떨어뜨려 2027년 상반기까지 최종 1~2개 팀만 남기는 구조다. 첫 단추부터 순탄치 않았다. 애초 선정된 5개 팀(네이버클라우드·NC AI·LG AI연구원·SK텔레콤·업스테이지) 가운데 지난 1월 15일 발표된 1차 평가에서 네이버클라우드와 NC AI가 동반 탈락했다. 네이버클라우드는 오픈소스 모델을 차용했다는 의혹이 불거지며 독자성 기준에 부합하지 못한다는 판정을 받았고, NC AI는 종합 점수 경쟁에서 밀렸다. 당초 계획보다 1개 팀이 더 빠지자 정부는 패자부활전을 열었지만 네이버클라우드와 NC AI, 그리고 최초 선정에서 탈락했던 카카오까지 국내 IT 양강이 모두 재도전을 거부했다. 결국 2월 20일 모티프테크놀로지스 컨소시엄이 새 정예팀으로 뽑히며 4개 팀 체제가 만들어졌다. 과학기술정보통신부는 독파모 2차 단계평가를 마무리하고 조만간 결과를 발표할 예정이다. 대상은 △LG AI연구원 'K-엑사원 2.0' △SK텔레콤 '에이닷엑스 케이투(A.X K2)' △업스테이지 '솔라 오픈 2' △모티프테크놀로지스 '모티프3'다. 평가는 벤치마크 40점(글로벌 평가기관 아티피셜 애널리시스 25점, NIA 자체 벤치마크 15점), 전문가 평가 35점, 국민 평가단 200명이 참여하는 사용자 평가 25점으로 구성된다. 외부에 공개된 벤치마크 지표만으로 결과를 예단하기 어려운 것도 이 때문이다. 네 팀의 전략은 두 갈래로 갈린다. 규모로 밀어붙인 쪽은 LG와 SKT다. LG AI연구원의 K-엑사원 2.0은 파라미터 7500억 개(750B)로 1차 모델(236B)보다 3배 이상 커졌고, 코딩·에이전틱 코딩 지표를 이전 대비 약 30% 개선했다고 밝혔다. 장문 이해 평가 OpenAI-MRCR 94.4점, 한국어 장문 이해 Ko-LongBench 89.6점을 기록했고 지원 언어도 10개로 늘렸다. SKT의 에이닷엑스 케이투(688B)는 수학·한국어 추론에 집중해 2026년 국제수학올림피아드(IMO) 평가에서 42점 만점에 29점으로 금메달 기준선을 넘겼고, 고난도 수학 추론 평가 MathArena AIME 2026에서는 97.1% 정확도로 싱킹 머신스랩의 오픈웨이트 모델 '잉클링'과 공동 최고점을 기록했다. 업스테이지와 모티프테크놀로지스는 작은 몸집으로 효율을 택했다. 업스테이지의 솔라 오픈 2(250B)는 실제 연산에는 150억 개만 쓰는 전문가 혼합(MoE) 구조로, 양자화 시 엔비디아 H200 GPU 2장으로 구동할 수 있다. 모티프3(314B)는 은행 업무 처리와 IT 장애 진단 등 실무형 평가에서 강점을 보였다. 공개된 AAII(Artificial Analysis Intelligence Index) 지표에서는 이 구도가 뒤집힌다. 모티프3가 47점으로 1위, 업스테이지 솔라 오픈 2가 37점으로 뒤를 이었고 SKT 35점, LG 31점 순이었다. 모델 규모는 LG와 SKT가 앞서지만 공개 지표에서는 상대적으로 작은 모티프와 업스테이지가 높은 점수를 받은 셈이다. 다만 AAII는 전체 평가의 25%에 불과해 이 순위가 곧 정부 최종 순위로 이어지지는 않는다. 2차 평가를 통과한 3개 팀은 추가 단계평가를 거쳐 최종 2개 팀으로 압축된다. 정부는 이 과정에서 확보한 고성능 GPU 배분과 국가기록원·대법원 판결문 등 공공데이터 제공을 병행해 2027년까지 글로벌 톱10 수준의 모델을 만들겠다는 목표를 세웠다.2026-08-18 09:40:27
-
SKT, 독자 AI 'A.X K2' 앞세워 제조·국방 현장 공략 [경제일보] SK텔레콤이 독자 AI 파운데이션 모델 'A.X K2'를 앞세워 제조와 국방, 바이오 등 산업 현장 공략에 나선다. 지난달 29일 모델을 공개한 데 이어 4일 회사 뉴스룸 인터뷰를 통해 세부 전략을 밝혔다. 단순 질의응답을 넘어 스스로 계획을 세우고 도구를 활용해 업무를 수행하는 '에이전틱 AI'를 구현해 한국형 소버린 AI 생태계를 만들겠다는 구상이다. 김태윤 SK텔레콤 파운데이션모델담당은 "A.X K2의 가장 큰 변화는 '답하는 AI'에서 '스스로 계획하고 실행하는 AI'로 진화한 것"이라며 "에이전틱 시대에 맞춰 추론 능력을 크게 강화했고 특히 수학과 한국어 영역에서 의미 있는 성과를 냈다"고 말했다. ◆ 매개변수 6880억개, 추론엔 330억개만 활성화 A.X K2는 매개변수 6880억개 규모의 초거대언어모델(LLM)이다. 직전 모델인 519B 규모 A.X K1보다 커졌지만 추론 과정에서는 330억개(33B)만 활성화하는 MoE 구조를 적용해 추론 비용은 기존 수준으로 유지했다. 국내외 14개 벤치마크 평균 성능은 A.X K1 대비 32.2%포인트, 장문 이해와 AI 에이전트 평가에서는 83.9%포인트 개선됐다. 초고난도 수학 벤치마크 'Apex' 점수는 1.0에서 45.8로 뛰었고 AIME26에서는 97.1점을 기록했다. 한국어 지식 평가(KMMLU-Pro) 80.5점, 한국 문화 이해(CLIcK) 91.6점을 냈고 통신 분야 에이전트 도구 활용을 재는 τ²-Bench Telecom에서는 오픈웨이트 모델 가운데 최고 성능을 기록했다고 회사는 설명했다. 핵심 기술은 SK텔레콤이 자체 개발한 SGA(Sparse Gated Attention)다. 여러 차례 대화와 도구 호출, 긴 문서 참조를 반복하는 AI 에이전트 특성상 긴 문맥 처리 효율이 중요한데 SGA는 입력이 길어질수록 처리 속도와 안정성이 오르도록 설계됐다. 120K 토큰 입력 기준 토큰 처리량은 A.X K1 대비 67.7% 개선됐다. 텍스트 모델 외에 제조 도면과 문서를 이해하는 비전언어모델 'A.X K2 VL', 상담·회의 음성을 분석하는 'A.X K2 ALM', 크래프톤과 공동 개발한 음성 모델 'A.X K2 라온스피치'도 함께 공개해 멀티모달 구성을 갖췄다. 산업 현장 적용도 본격화하고 있다. KG스틸, 자동차 부품업체 코넥과는 생산 라인의 과거 불량 사례를 학습해 원인을 분석하고 조치를 제안하는 제조 특화 AI 에이전트를 실증 중이다. SK하이닉스에는 사내 AI 서비스 'LLM Chat'에 경량 모델을 적용해 반도체 지식 검색과 정보 정리를 지원한다. 국방부에는 A.X K1을 FP8·FP4·INT4로 양자화해 공급했고 A.X K2도 온프레미스 기반 폐쇄망 환경에 제공할 계획이다. 민감한 데이터는 외부 학습에 쓰지 않고 기관 내부에서만 학습하도록 했다. 김 담당은 "국내 업무 환경에서는 언어뿐 아니라 제도와 문화적 맥락을 이해하는 것이 중요하다"며 "국내 기업과 공공기관이 안심하고 활용할 수 있는 소버린 AI를 구현하는 것이 목표"라고 설명했다. ◆ 허깅페이스 공개하며 조단위 후속모델 준비 SK텔레콤은 A.X K2를 허깅페이스에 Apache 2.0 라이선스로 공개하고 API도 제공할 예정이다. 스타트업 액셀러레이팅 프로그램 '스케치 with AI', '모두의 챌린지 AX-LLM'을 통해 개발자와 스타트업의 상업적 활용 생태계도 넓힌다. 앞서 A.X K1은 정부 지원 없이 상시 1000개 이상의 자체 GPU로 개발됐다. 이번에 예고한 조(兆) 단위 매개변수 후속 모델은 정부 GPU 인프라와 자체 투자를 함께 활용해 규모를 키우고 에이전틱 강화학습과 사이버보안 역량도 고도화한다는 계획이다. 서울대, KAIST, 크래프톤과 차세대 아키텍처 연구도 병행하고 독자 AI 파운데이션 모델(독파모) 컨소시엄 참여사인 리벨리온과는 국산 NPU 기반 모델 서빙 최적화와 상용 서비스 실증을 강화한다. 리벨리온은 앞서 자체 NPU '리벨카드' 단일 서버로 A.X K1 구동에 성공한 바 있다. 한편 회사가 제시한 벤치마크 수치는 자체 측정 결과이며 독립 기관의 검증을 거친 값은 아니다. 오픈소스로 공개돼 외부 개발자들이 성능을 검증할 여지는 있지만 남은 과제는 이 수치가 실제 제조·국방·바이오 현장에서 상업적 계약과 매출로 이어지느냐다. 김 담당은 "A.X K2는 한국이 설계부터 학습까지 자체 기술로 개발한 AI 모델이 글로벌 최고 수준에 도달할 수 있다는 가능성을 보여준 사례"라며 "개방과 협력을 통해 국내 AI 생태계의 기반을 만들고 산업 현장과 국민이 체감할 수 있는 AI 서비스를 확대해 나가겠다"고 말했다.2026-08-04 10:10:29
-
AI 팩토리 시대 핵심은 경량화…노타, 솔라 오픈2 메모리 76% 줄였다 [경제일보] 생성형 인공지능(AI)의 경쟁 기준이 빠르게 변화하고 있다. 과거에는 얼마나 큰 AI 모델을 만들 수 있느냐가 경쟁력이었다면 최근에는 이를 얼마나 효율적으로 운영할 수 있는지가 핵심 요소로 떠오르고 있다. AI 에이전트 시대가 본격화되면서 기업들이 마주한 과제 역시 성능 경쟁을 넘어 GPU 비용과 운영 효율성 확보로 확대되는 가운데, 노타가 대규모 AI 모델을 GPU 2장만으로 구동할 수 있는 경량화 기술을 선보이며 기업들의 AI 전환(AX) 비용 절감에 나섰다. 27일 노타는 업스테이지와 함께 참여 중인 정부 독자 AI 파운데이션 모델 프로젝트의 2차 성과물인 '솔라 오픈2' 전용 경량화 모델을 공개했다고 밝혔다. 최근 글로벌 AI 시장에서는 딥시크와 문샷 AI의 '키미' 시리즈 등 고성능 오픈 웨이트 모델이 주목받고 있다. 다만 AI 경쟁의 기준은 단순히 모델 성능을 넘어 실제 업무 환경에서 얼마나 효율적으로 활용할 수 있는지로 확대되고 있다. 특히 문서 업무와 코딩, 검색, 툴 호출 등을 수행하는 AI 에이전트가 확산되면서 토큰 사용량과 연산 비용이 크게 증가하고 있어 AI 운영 비용을 낮추는 경량화 기술이 새로운 경쟁력으로 부상하고 있다. 기업들의 AI 인프라 경쟁 역시 새로운 국면을 맞고 있다. AI 팩토리와 AI 데이터센터 구축 경쟁이 본격화되면서 GPU 확보가 중요한 과제로 떠올랐지만, 높은 구축 비용과 전력 소비는 여전히 기업들의 부담으로 꼽힌다. 같은 성능을 보다 적은 GPU로 구현할 수 있다면 인프라 구축 비용과 운영 비용을 동시에 절감할 수 있는 만큼 AI 경량화 기술의 중요성도 커지고 있다. 솔라 오픈2는 문서 업무와 코딩, 툴 호출, 다단계 추론 등 실제 기업 업무에 활용할 수 있는 AI 에이전트 구현에 초점을 맞춘 대규모 언어모델(LLM)이다. 총 2500억개의 매개변수를 갖추고 있으며 실제 작업 시에는 필요한 150억개의 매개변수만 활성화하는 '전문가 혼합(MoE)' 구조를 채택했다. 하나의 모델 안에 있는 여러 연산 모듈 가운데 일부만 선택적으로 활용하는 방식으로 연산 효율성을 높인 것이 특징이다. 노타는 해당 솔라 오픈2의 기능을 실제 기업 환경에 보다 효율적으로 배포할 수 있도록 데이터 기반 MoE 양자화와 라우터 인지형 MoE 양자화, 비균일 전역 프루닝 기술 등을 적용했다고 설명했다. 양자화는 모델을 보다 낮은 정밀도의 데이터 형식으로 변환해 메모리 사용량을 줄이는 기술이며, 프루닝은 중요도가 낮은 연산 모듈을 선택적으로 제거해 모델을 경량화하는 기술이다. 특히 데이터 기반 MoE 양자화에는 모델 가중치를 4비트 저정밀 형식으로 변환하면서도 모든 전문가 모듈이 안정적인 통계치를 확보할 수 있도록 캘리브레이션 데이터를 합성하는 'PASCAL-MoE' 기술이 활용됐다. 라우터 인지형 MoE 양자화에는 양자화 이후에도 라우터가 전문가 모듈을 안정적으로 선택할 수 있도록 자체 개발한 양자화 알고리즘이 적용됐다. 이를 통해 노타는 원본 모델의 가중치 메모리를 기존 500.6GB에서 117.8GB로 약 76.5% 줄이는 데 성공했다고 강조했다. 기존에는 엔비디아 'H100 GPU' 8장이 필요했던 환경을 GPU 2장만으로 구동할 수 있도록 최적화했으며, 양자화 이후에도 AI 에이전트의 핵심 기능인 툴 호출 성능을 안정적으로 유지하는 것으로 알려졌다. 실제로 글로벌 AI 시장 역시 성능 경쟁에서 운영 효율성 경쟁으로 무게 중심이 이동하고 있다. 높은 성능의 AI 모델을 보다 적은 인프라로 구동할 수 있는 기술이 기업들의 AI 도입 장벽을 낮추는 핵심 요소로 떠오르면서 경량화 기술이 AI 팩토리 시대의 필수 기술로 자리 잡고 있는 것이다. 노타는 이번 솔라 오픈2 경량화 모델을 통해 국내 기업들이 보다 적은 비용으로 AI 에이전트를 도입하고 활용 범위를 확대할 수 있을 것으로 기대하고 있다. 특히 별도의 대규모 GPU 인프라를 구축하기 어려운 기업들도 효율적으로 AI 서비스를 운영할 수 있도록 지원해 AI 전환을 가속화한다는 계획이다. 노타가 공개한 솔라 오픈2 전용 경량화 모델은 글로벌 AI 플랫폼 허깅페이스를 통해 확인할 수 있다. 김태호 노타 CTO는 "이번 성과는 대규모 MoE 모델을 기업이 실제 도입할 수 있는 형태로 최적화했다는 데 의미가 있다"며 "기업이 자사의 인프라와 예산에 맞춰 에이전트 AI를 도입하고 활용 범위를 확장할 수 있도록 모델 구조와 하드웨어 환경에 최적화된 양자화 및 경량화 기술을 지속해서 고도화하겠다"고 말했다.2026-07-27 14:27:30
-
업스테이지 '솔라 오픈 2' 공개…포털 다음 적용하고 국산 NPU 활용 넓힌다 [경제일보] 업스테이지가 실제 업무를 수행하는 AI 에이전트에 특화한 거대언어모델(LLM) ‘솔라 오픈 2’를 공개했다. 포털 다음을 대규모 실사용 기반으로 활용하는 동시에 다수의 국산 신경망처리장치(NPU)와 연동을 확대해 모델과 반도체, 서비스를 아우르는 소버린 AI 생태계를 구축한다는 전략이다. 업스테이지는 솔라 오픈 2의 모델 가중치를 글로벌 오픈소스 플랫폼 허깅페이스에 공개하고 아키텍처와 학습 방법, 평가 조건을 담은 기술 보고서도 발표했다고 23일 밝혔다. 솔라 오픈 2는 총 2500억개 매개변수 가운데 작업에 필요한 150억개만 활성화하는 전문가혼합(MoE) 구조를 채택했다. 모델 규모를 키우면서도 실제 추론에 필요한 연산량을 줄여 비용 효율을 높인 설계다. 최대 100만 토큰의 문맥을 처리해 여러 문서와 장시간 작업 이력을 한꺼번에 다룰 수 있다. 단순한 질의응답을 넘어 검색과 코딩, 문서 작성, 외부 도구 호출을 반복하며 업무를 마치는 AI 에이전트에 초점을 맞췄다. 기본 구동 권장 사양은 엔비디아 H200 4장이며 양자화를 적용하면 H200 2장으로도 운영할 수 있다. 업스테이지는 지시 이행과 도구 호출, 코딩, 한국어 업무 평가 등에서 주요 해외 모델과 경쟁 가능한 성능을 확보했다고 설명했다. 다만 벤치마크 결과는 회사 측 평가인 만큼 실제 서비스 환경에서 정확도와 속도, 운영 비용을 추가로 검증해야 한다. ◆ 다음 검색, AI 모델 실사용 시험대 솔라 오픈 2의 주요 활용처는 포털 다음이다. 업스테이지는 지난 5월 다음 운영사 AXZ 인수를 마무리한 뒤 7월부터 솔라를 적용한 ‘AI 요약’ 베타 서비스를 운영하고 있다. AI 요약은 이용자가 검색어나 문장형 질문을 입력하면 언론사 제휴 콘텐츠와 카페, 티스토리 등에서 관련 문서를 찾아 핵심 내용을 정리하고 근거를 함께 제시한다. 절차가 필요한 정보는 단계별 목록으로, 비교가 필요한 검색은 표 형태로 보여준다. 다음은 키워드 검색과 의미 기반 벡터 검색을 결합한 하이브리드 검색을 활용한다. 검색엔진이 최신성과 관련성이 높은 문서를 먼저 고르면 솔라가 해당 자료를 바탕으로 답변을 생성하는 구조다. 모델이 오래된 학습 정보를 섞거나 문서에 없는 내용을 만들어내는 환각을 줄이기 위해 답변 범위를 검색 자료로 제한하는 기술도 적용했다. 현재 AI 요약은 전체 검색 질의의 일부에 제공되고 있다. AXZ는 적용 비중을 단계적으로 높이고 쇼핑과 맛집 등 분야별 검색으로 확대할 계획이다. 이후에는 앞선 대화 내용을 기억해 후속 질문에 답하고 여러 정보를 비교·정리하는 대화형 에이전트로 발전시킨다는 구상이다. 업스테이지가 다음을 직접 운영하게 되면서 검색 이용 과정에서 나타나는 응답 품질과 처리 속도, 오류 유형 등을 모델 개선에 빠르게 반영할 수 있게 된 점도 강점이다. 다만 이용자 검색 데이터를 모델 개발에 활용하는 과정에서는 개인정보 보호와 데이터 처리 기준을 명확히 마련해야 한다. ◆ 퓨리오사 포함 다수 국산 NPU로 활용 확대 업스테이지는 솔라 오픈 2를 다양한 국산 NPU에서 구동할 수 있도록 지원 범위를 넓힐 계획이다. 업스테이지 관계자는 “퓨리오사AI를 포함해 국내 NPU 기업들과 협력을 이어가겠지만 특정 한 업체만을 중심으로 추진하는 구조는 아니다”며 “국산 NPU에서 솔라 모델을 사용할 수 있도록 적용과 최적화를 점차 확대할 것”이라고 설명했다. 퓨리오사AI와의 협력은 국산 모델과 NPU를 실제 서비스에 연결한 선행 사례로 활용된다. 다음의 기존 AI 요약 서비스에는 퓨리오사AI의 2세대 NPU ‘레니게이드’가 일부 적용돼 솔라 계열 모델의 추론을 처리하고 있다. 이를 통해 응답 속도와 전력 효율, 동시 이용자 처리 능력 등을 상용 환경에서 검증하고 있다. 다만 솔라 오픈 2를 레니게이드에 적용하는 구체적인 일정이나 전체 인프라에서 차지할 비중은 정해지지 않았다. 향후 다른 국산 NPU 기업과의 협력 대상과 적용 서비스 역시 확정되는 대로 공개할 예정이다. 한편 국산 NPU 확산의 관건은 반도체 자체 성능뿐 아니라 새로운 모델을 빠르게 변환하는 컴파일러와 서빙 엔진, 장애 대응과 운영 도구 등 소프트웨어 생태계다. 다음처럼 이용자가 많은 서비스에서 GPU 수준의 안정성과 비용 효율을 입증해야 기업·공공 시장으로 적용 범위를 넓힐 수 있다. 업스테이지는 모델 가중치를 상업적으로 활용할 수 있도록 공개하고 미세조정과 지식증류를 통한 파생 모델 개발도 허용한다. 기업과 연구기관이 솔라 오픈 2를 자체 데이터와 국산 NPU에 맞게 조정하도록 해 산업별 AI 에이전트 개발을 촉진한다는 구상이다. 김성훈 업스테이지 대표는 “실제 업무 현장에서 일을 완수하는 에이전트 사용성에 방점을 둔 모델”이라며 “다음과 산업 현장에서 실사용 사례를 확대하고 국산 NPU를 포함한 AI 생태계 전반의 경쟁력을 높이겠다”고 말했다.2026-07-23 10:57:02
-
SKT 독자 AI, 철강·자동차 부품 공장 들어간다…제조 현장 '베테랑 노하우' 학습 [경제일보] SK텔레콤이 자체 개발한 독자 AI 파운데이션 모델을 제조 현장에 적용한다. 고객 상담이나 업무 보조를 넘어 철강과 자동차 부품 공장의 오류 대응과 공정 관리에 AI를 접목하는 시도다. SKT는 철강 제조 기업 KG스틸과 자동차 부품 제조 기업 코넥과 각각 ‘제조 특화 AI 에이전트’ 현장 실증을 위한 전략적 업무협약을 체결했다고 25일 밝혔다. SKT의 독자 AI 파운데이션 모델을 제조업에 적용하는 첫 사례다. SKT는 지난 4월부터 KG스틸과 코넥이 보유한 공정 오류 분석 보고서와 사고 보고서, 장비 매뉴얼, 설비 로그 등을 확보했다. 이를 토대로 독자 모델 ‘A.X K1’을 활용한 제조 특화 AI 에이전트 데모 버전을 개발했다. A.X K1은 5190억개 매개변수를 갖춘 초거대 언어모델이다. 공개 기술보고서에 따르면 A.X K1은 필요한 전문가 모델 일부만 활성화하는 MoE 구조를 적용했다. 전체 모델 규모는 크지만 추론 과정에서는 약 330억개 매개변수만 활성화된다. SKT는 이 구조가 산업 현장에서 효율적인 추론에 유리하다고 보고 있다. 실증은 하반기부터 진행된다. KG스틸 당진공장의 냉간 압연 라인과 코넥의 주조·가공 공정에 제조 특화 AI 에이전트 데모 버전이 적용된다. 두 회사는 제조 공정 데이터를 추가로 제공하고 SKT는 현장 피드백을 반영해 성능과 추론 속도를 개선할 계획이다. 제조업은 AI 도입이 쉽지 않은 분야로 꼽힌다. 공장에는 데이터가 많지만 설비 로그와 품질 기록, 작업자 메모가 공정별로 흩어져 있는 경우가 많다. 숙련공의 판단과 경험에 의존하는 업무도 적지 않다. 베테랑의 은퇴나 이직이 현장 경쟁력 약화로 이어질 수 있다는 우려도 나온다. SKT가 주목하는 지점은 현장 노하우의 디지털 자산화다. 작업자가 과거 오류를 어떻게 판단했는지, 어떤 매뉴얼을 확인했는지, 조치 순서는 어땠는지를 AI가 학습하면 같은 지식을 다른 작업자와 공정에서도 활용할 수 있다. 특정 숙련자에게 머물던 경험을 조직 전체의 운영 자산으로 바꾸는 방식이다. 이번 협력은 글로벌 피지컬 AI 흐름과도 맞닿아 있다. 피지컬 AI는 AI가 실제 물리 환경을 인식하고 판단하며 로봇과 설비를 통해 행동하는 기술 흐름을 뜻한다. 엔비디아는 2025년 휴머노이드 로봇을 위한 오픈 파운데이션 모델 GR00T N1을 공개했다. 글로벌 제조 기업들도 디지털 트윈과 로봇 자동화, 공정 최적화를 결합하며 AI의 활용 범위를 넓히고 있다. 국내에서도 철강과 자동차, 전자 산업을 중심으로 AI 기반 비전 검사와 예지보전, 스마트팩토리 고도화가 진행돼 왔다. 다만 기존 사례가 특정 공정의 자동화와 효율 개선에 초점이 맞춰졌다면 이번 실증은 언어모델 기반 에이전트가 보고서와 매뉴얼, 설비 데이터를 함께 읽고 현장 판단을 돕는 방식이라는 점에서 차이가 있다. 보안은 상용화의 핵심 조건이다. 제조 데이터에는 설비 조건과 생산 노하우, 품질 이슈가 담겨 있어 외부 반출 부담이 크다. SKT는 독자 AI 파운데이션 모델이 클라우드뿐 아니라 폐쇄형 온프레미스 환경도 지원한다고 설명했다. 기업 내부 서버에서 데이터를 처리할 수 있으면 제조 현장의 보안 우려를 낮출 수 있다. SKT는 실증 과정에서 확보한 제조 데이터를 현재 개발 중인 A.X K2 모델 학습에도 활용할 계획이다. 실증 완료 후에는 제조 특화 AI 에이전트의 상용화와 도입을 검토한다. 필요할 경우 후속 독자 AI 파운데이션 모델로 교체하는 방안도 검토한다. 정석근 SKT AI CIC장은 “보안이 중요한 제조 현장에는 데이터를 외부로 내보내지 않고도 활용할 수 있는 독자 AI 파운데이션 모델이 효과적인 해법”이라며 “KG스틸, 코넥과의 협력을 시작으로 제조업의 AI 전환을 앞당기고 적용 사례를 확대하겠다”고 말했다. 한편 제조 AI의 평가는 실증 현장에서 갈릴 전망이다. 답변을 잘하는 모델보다 중요한 것은 오류 조치 시간을 줄이고 품질 문제를 빠르게 잡아내는 성과다. SKT의 제조 특화 AI 에이전트가 공장 안에서 실질적 효율을 입증한다면 독자 AI 모델의 활용처는 국방과 제조를 넘어 금융, 공공, 의료 등 보안이 중요한 산업으로 넓어질 수 있다.2026-06-25 09:52:59
-
SKT, 차세대 AI 'A.X K2' 개발 나선다…엔비디아 손잡고 AI 인프라 협력 확대 [경제일보] SK텔레콤이 엔비디아와 협력을 확대하며 초거대 AI 모델 고도화에 나섰다. IT 기업들의 독자 인공지능(AI) 모델 경쟁이 본격화되는 가운데 생성형 AI 경쟁이 심화되면서 자체 AI 모델과 학습 인프라 확보가 핵심 경쟁력으로 떠오르는 것으로 분석된다. 22일 SK텔레콤은 국내에서 처음 개최된 '엔비디아 네모트론 디벨로퍼 데이즈 서울 2026'에서 지난 21일 진행된 테크니컬 패널 세션에서 엔비디아와 AI 모델 개발 분야에서 쌓아온 기술 협력 성과를 보이며 향후 협업 계획을 공개했다고 밝혔다. SK텔레콤은 이번 발표에서 독자 AI 파운데이션 모델 프로젝트로 선보인 'A.X K1' 후속 모델인 'A.X K2' 개발 계획을 공개하며 국내 소버린 AI 생태계 구축을 위한 협력을 이어갈 방침이라고 설명했다. 최근 글로벌 빅테크 중심의 AI 경쟁이 심화되면서 국내 기업들도 독자 AI 모델 확보에 나서는 흐름이 이어지고 있는 가운데 SK텔레콤 역시 자체 모델 경쟁력 강화에 속도를 내는 것으로 풀이된다. 앞서 양사는 SK텔레콤이 지난 2021년 구축한 A100 GPU 기반 슈퍼컴퓨터 '타이탄' 구축 단계부터 협력을 이어온 바 있다. 이후 데이터 구성과 학습 인프라, 모델 개발 환경 전반에서 협력을 확대하며 초거대 AI 모델 개발 역량을 강화해 왔다. 특히 SK텔레콤은 정부의 '독자 AI 파운데이션 모델 프로젝트'를 수행하면서 매개변수 5190억 개 규모의 초거대 모델 'A.X K1' 학습에 엔비디아 네모트론 데이터셋을 적용한 것으로 알려졌다. SK텔레콤은 초거대 모델 학습 과정에서 대규모 모델 분산 학습 프레임워크인 '메가트론-LM'과 학습 데이터 준비 및 정제를 위한 '네모 큐레이터' 등을 활용해 학습 안정성과 효율성을 높였다고 설명했다. 초거대 AI 모델 개발은 대규모 GPU 인프라와 데이터 처리 역량이 핵심 요소로 꼽힌다. 특히 모델 규모가 커질수록 분산 학습과 데이터 품질 관리의 중요성이 높아지면서 하드웨어와 소프트웨어를 아우르는 협력 구조가 필수 요소로 작용하고 있다. SK텔레콤과 엔비디아는 모델 개발 과정에서 격주 단위 기술 협의를 진행하며 학습 인프라 안정성 확보와 성능 최적화를 공동으로 추진해온 것으로 알려졌다. 양사는 전문가 혼합(MoE) 구조를 적용한 초거대 모델 개발 경험과 학습 인프라 관련 기술 정보를 공유하며 대규모 AI 모델 개발 역량을 고도화하고 있다. 이를 통해 보다 효율적인 연산 구조와 성능 개선을 동시에 확보할 수 있는 기반을 마련한 것으로 분석된다. 향후 SK텔레콤은 현재 개발 중인 후속 모델 'A.X K2'에도 엔비디아 기술을 활용할 계획이다. 특히 멀티모달과 비전언어모델(VLM) 등 차세대 AI 기술 영역에서도 공동 연구를 확대하며 모델 성능 고도화를 추진하고 있다. 텍스트 중심 AI 모델을 넘어 이미지·영상·음성 등을 함께 이해하는 멀티모달 AI 경쟁이 본격화되는 가운데 후속 모델의 기술 확장성도 주요 변수로 떠오를 전망이다. SK텔레콤은 이번 협력을 통해 초거대 AI 모델 개발 역량을 강화하고 국내 AI 생태계 구축에도 기여한다는 계획이다. 향후 AI 서비스 확대에 따라 학습 인프라와 모델 성능을 지속적으로 고도화하며 독자 AI 경쟁력을 강화해나갈 방침이다. 김태윤 SK텔레콤 파운데이션 모델 담당은 "SK텔레콤과 엔비디아는 선제적으로 새로운 기술을 적용하고 상호 피드백을 통해 서로 발전해온 관계"라며 "협력 관계를 통해 국내 AI 생태계 발전에 함께 기여할 것"이라고 말했다.2026-04-22 10:16:00
-
구글, '젬마4' 출시로 오픈소스 AI 경쟁 참전…'제미나이' 투트랙 전략 [경제일보] 구글이 오픈형 인공지능(AI) 모델 '젬마 4'를 공개하며 개방형 AI 시장 공략에 속도를 내고 있다. 고급 추론 능력과 온디바이스 실행을 강화한 모델을 앞세워 개발자 생태계를 확대하고 폐쇄형 모델인 제미나이와의 투트랙 전략으로 AI 경쟁력 강화에 나서는 것으로 분석된다. 2일(현지시간) 구글은 고급 추론과 에이전트 기반 워크플로우를 지원하는 오픈형 모델 제품군 '젬마 4'를 출시했다고 밝혔다. 젬마 4는 아파치 2.0 라이선스로 제공되며 상업적 활용이 가능하다. 구글은 오픈형 모델을 통해 개발자와 기업이 다양한 환경에서 AI를 활용할 수 있도록 접근성을 확대한다는 전략이다. 젬마 4는 'Effective 2B(E2B)', 'Effective 4B(E4B)', '26B Mixture of Experts(MoE)', '31B Dense' 등 총 4가지 모델로 구성됐다. 해당 모델들은 단순한 대화 기능을 넘어 복잡한 논리 처리와 에이전트 기반 자동화 작업을 지원하도록 설계됐다. 특히 고급 추론 기능과 코드 생성 능력, 이미지·오디오 처리 기능 등 멀티모달 지원을 강화했으며 최대 256K 컨텍스트를 지원해 긴 문서 처리도 가능하다. 또한 140개 이상의 언어를 지원해 글로벌 애플리케이션 개발 환경을 제공한다. 구글은 이번 젬마 4를 통해 온디바이스 AI 전략도 강화했다. E2B와 E4B 모델은 스마트폰과 노트북, IoT 기기 등 엣지 환경에서 실행할 수 있도록 설계됐다. 이를 통해 클라우드 연결 없이도 AI 기능을 활용할 수 있으며 낮은 레이턴시와 개인정보 보호 측면에서도 장점을 제공한다. 특히 구글 픽셀을 비롯해 퀄컴, 미디어텍 등 주요 반도체 기업과 협력을 통해 스마트폰과 라즈베리 파이, 엔비디아 젯슨 나노 등 다양한 기기에서 오프라인 실행을 지원한다. 온디바이스 AI 확산이 가속화되는 가운데 구글이 모바일 중심 AI 경쟁력 확보에 나선 것으로 풀이된다. 오픈형 AI 모델 경쟁도 한층 치열해지고 있다. 메타의 'Llama' 시리즈를 비롯해 '미스트랄', 알리바바 'Qwen', 마이크로소프트 'Phi' 등 주요 기업들이 오픈형 모델을 잇따라 공개하며 개발자 생태계 확보 경쟁에 나서고 있다. 이에 구글 역시 젬마 4를 통해 오픈형 AI 시장에서 영향력을 확대하려는 전략으로 분석된다. 구글은 폐쇄형 모델인 제미나이를 중심으로 고성능 AI 서비스를 제공하는 동시에 젬마 시리즈를 통해 구글의 AI 전략 다변화를 진행하고 있다. 제미나이가 클라우드 기반 서비스와 기업 고객 중심이라면 젬마는 개발자와 스타트업을 대상으로 한 오픈형 생태계 구축에 초점이 맞춰져 있다. 두 모델을 병행 운영하며 AI 플랫폼 경쟁력을 강화하려는 전략으로 풀이된다. 또한 구글은 허깅페이스, vLLM, Ollama, NVIDIA NIM 등 주요 개발 도구에서 젬마 4를 출시 당일부터 지원해 개발자 생태계 확대에도 집중한다. 또한 구글 AI 스튜디오와 구글 콜랩, 버텍스 AI 등을 통해 모델 학습과 배포 환경을 확인할 수 있어 개발자는 로컬 환경뿐 아니라 구글 클라우드를 통해 확장 가능한 AI 서비스를 구축할 수 있을 것으로 전망된다. 하드웨어 지원 범위도 확대됐다. 젬마 4는 소비자용 GPU부터 엔비디아 H100 GPU, 구글 TPU까지 다양한 환경에서 실행할 수 있도록 최적화됐다. AMD GPU와의 연동도 지원하며 엣지 기기부터 클라우드까지 폭넓은 환경에서 활용 가능하도록 설계됐다. 이번 젬마 4 출시 이후 온디바이스 AI와 개방형 생태계를 중심으로 AI 시장 주도권 경쟁이 확대될 것으로 분석된다. 구글이 젬마 4를 통해 개발자 생태계 확보에 나서면서 AI 플랫폼 경쟁 구도도 한층 치열해질 전망이다.2026-04-03 11:32:17
많이 본 뉴스
영상
Youtube 바로가기
![[데스크칼럼] 법에 된다고 다 해도 되나…공직자의 공정 감수성이 무너지고 있다](https://image.ajunews.com/content/image/2026/09/07/20260907101432314802_518_323.png)