국내 AI 경쟁, 모델 싸움에서 인프라·데이터 싸움으로 옮겨간다

모델보다 실행 환경이 더 중요해지는 중

• 국내 AI 기업들의 관심사가 거대 언어 모델(LLM) 자체 경쟁에서 데이터와 인프라로 옮겨가고 있음

  • 구글, 오픈AI 같은 글로벌 기업과 모델 크기·성능만으로 정면승부하기보다, 실제 서비스에서 안정적으로 굴러가는 환경을 잡겠다는 전략임
  • 기사에서 네이버는 데이터, NHN클라우드는 인프라, 정부는 보안 협력 쪽으로 각각 움직임

• 네이버는 사용자 제작 콘텐츠(UGC)를 AI 시대의 핵심 자산으로 보고 있음

  • 네이버 안에서는 연간 2,000만 명 창작자가 6억 건 넘는 콘텐츠를 생산함
  • 김광현 네이버 CDO는 경쟁 중심이 모델 성능에서 데이터 품질과 서비스 경쟁력으로 이동 중이라고 봄

• 네이버의 구체적인 카드는 ‘AI 브리핑 인용’과 창작자 보상임

  • 우수 창작자 약 3,000명을 AI 브리핑 인용수에 따라 매월 공개할 계획임
  • 인당 30만 원에서 최대 1,000만 원까지, 총 200억 원 규모 활동비를 지원함
  • 다음 달부터 블로그·카페·지식iN·프리미엄콘텐츠 창작자를 대상으로 시작하고, 하반기에는 클립 창작자까지 확대함

NHN클라우드는 AI 공장 쪽으로 간다

• NHN클라우드는 AI 풀스택 브랜드 ‘NHN FactoryX’를 공개함

  • AI 인프라, 플랫폼, 서비스를 통합 제공하는 브랜드임
  • 이름은 대규모 AI를 생산하는 공장이라는 뜻의 Factory와 경험을 뜻하는 eXperience, 고객의 AX 여정을 뜻하는 X를 결합함

• 김동훈 NHN클라우드 대표는 AI 패권 경쟁의 중심이 ‘거대 모델 자체’가 아니라고 봄

  • 실제 비즈니스 환경에서 안정적으로 구동하고 비용을 최적화할 수 있는 실행 환경이 중요해졌다는 설명임
  • FactoryX는 GPU 확보, 효율적 운영, 에이전트 구동까지 아우르는 3단계 통합 실행 환경을 제공하겠다는 구상임

• 인프라 숫자는 꽤 세게 밀고 있음

  • NHN클라우드는 광주 국가 AI 데이터센터에서 엔비디아 H100 GPU와 국산 NPU를 통합 운영 중임
  • AI 전용 데이터센터 ‘FactoryX 서울’에는 엔비디아 B200 7,656장이 구축됨
  • 정부 주도 GPU 사업을 통해 총 27.4EF, 즉 1초에 100경 번의 부동소수점 연산을 처리하는 국내 첫 엑사스케일 AI 클러스터를 갖췄다고 설명함

정부는 오픈AI와 보안 쪽으로 붙는다

• 과학기술정보통신부는 AI 보안 위협 대응을 위해 오픈AI와 협력하기로 함

  • 류제명 과기정통부 제2차관과 제이슨 권 오픈AI 최고전략책임자(CSO)가 26일 회동에서 관련 내용을 논의함
  • 과기정통부는 오픈AI의 정부·기관용 신뢰기반 접근 프로그램(GTAC)에 참여하기로 함

• GTAC 참여로 한국 정부는 오픈AI 최신 고성능 모델 접근 권한을 얻게 됨

  • 류 차관은 한국이 AI 보안 위협을 사전에 대비할 수 있는 토대가 마련됐다고 평가함
  • 오픈AI는 사이버 보안뿐 아니라 공공 인프라, 정책금융, 기업 혁신 영역에서도 국내 기관과 협력 폭을 넓히는 중임

• 오픈AI의 국내 협력도 여러 갈래로 늘고 있음

  • 한국수자원공사와는 물 관리 분야 AI 활용 협력을 추진함
  • 기술보증기금과는 AI 기반 기술평가 시스템을 구축해 국내 AI 스타트업 성장과 혁신을 지원하기로 함

---

기술 맥락

• 이 기사에서 핵심 변화는 AI 경쟁의 기준이 모델 성능표 하나로 끝나지 않게 됐다는 점이에요. 기업이 실제로 AI를 쓰려면 데이터 품질, GPU 확보, 추론 비용, 보안 대응까지 같이 맞아야 하거든요.

• 네이버가 UGC를 강조하는 이유는 한국어 서비스에서 쓸 만한 최신·로컬 데이터가 경쟁력이 되기 때문이에요. 대규모 언어 모델이 아무리 좋아도 국내 맥락을 담은 콘텐츠가 부족하면 검색, 추천, 에이전트 실행 품질이 떨어질 수 있어요.

• NHN클라우드의 FactoryX는 모델 개발보다 운영 환경에 베팅하는 전략이에요. 기업 AI 프로젝트가 개념검증에서 멈추는 이유가 모델이 없어서만은 아니고, GPU 비용과 운영 복잡도, 배포 환경이 감당 안 되는 경우가 많기 때문이에요.

• B200 7,656장과 27.4EF 같은 숫자가 중요한 건 단순 자랑이 아니라 수용 가능한 워크로드 규모를 보여주기 때문이에요. 대형 모델 학습, 대량 추론, 에이전트 실행을 안정적으로 받으려면 이런 물리 인프라가 결국 병목이 돼요.

• 정부가 오픈AI GTAC에 참여하는 건 보안 관점에서 최신 모델 접근성이 중요해졌다는 뜻이에요. 공격자도 AI를 쓰는 상황에서는 방어자도 최신 모델로 위협을 분석하고 대응해야 균형이 맞아요.