국내 테크 업계, 월드컵 중계부터 AI 최적화·보안 플랫폼까지 한꺼번에 움직이는 중

• 이번 기사는 국내 테크 기업들의 AI·클라우드·스트리밍 소식을 한 번에 묶은 라운드업임

  • 카카오는 축구 국가대표 경기 응원 캠페인을 열고, KT는 스타트업 대상 AI 전환 행사를 진행함
  • 네이버는 치지직 월드컵 생중계를 준비하고, 메가존클라우드는 국제 생중계 클라우드 사례를 공개함
  • 노타는 AI 모델 최적화 논문을, S2W는 안보·보안 AI 플랫폼 성과를 내세움

• KT는 AWS, 데이터브릭스, KT클라우드와 함께 스타트업 대상 AI 전환 행사를 열었음

  • 판교에서 열린 ‘KT AX Immersion Day 2026 경기’ 행사임
  • 대상은 IT, 게임, 미디어 분야 스타트업이었음
  • AWS는 AI 에이전트 기술을, 데이터브릭스는 데이터 기반 의사결정 체계를 소개함
  • KT와 KT클라우드는 하이브리드 클라우드 업무 혁신과 공공·금융 성공 사례를 발표함

• 네이버는 치지직에서 2026 북중미 월드컵 104개 전 경기를 생중계함

  • 기간은 6월 12일부터 7월 20일까지임
  • 한동숙, 이스타TV, 플레이브 등 인기 크리에이터의 ‘같이보기’ 중계로 실시간 소통을 강화함
  • FIFA 데이터를 기반으로 AI 브리핑을 제공해 라인업과 전술 분석도 보여줄 계획임
  • 경기 중에는 AI 숏폼 클립을, 종료 후에는 주문형 비디오 하이라이트를 빠르게 제공한다고 함

• 메가존클라우드의 골든디스크 국제 생중계 사례는 개발자 입장에서도 꽤 볼 만함

  • 지난 1월 대만 타이베이돔에서 열린 JTBC 제40회 골든디스크 어워즈를 클라우드 기반으로 송출함
  • AWS 클라우드 백본망을 통해 서울까지 약 6시간 동안 실시간 송출했고, 국내 대형 방송사의 대표적 클라우드 국제 생중계 사례로 소개됨
  • AWS MediaConnect 등을 적용해 대만에서 서울까지 약 1.3초 수준의 저지연 송출을 구현함
  • JTBC 본사를 거쳐 일본 ABEMA TV와 네이버 치지직 등 여러 플랫폼으로 동시 송출도 완료함

• 노타는 ICML 2026 AdaptFM 워크샵에서 AI 최적화 논문 2편을 채택받음

  • 논문 주제는 MoE 모델 특화 양자화 기술임
  • ‘DREAM-MoE’와 ‘SRA-MoE’는 대규모 AI 모델을 경량화할 때 생기는 성능 저하를 줄이는 기술을 제안함
  • DREAM-MoE는 양자화 후에도 기존과 비슷하게 전문가 모델을 선택하도록 설계됐음
  • SRA-MoE는 결과에 큰 영향을 주는 핵심 입력을 우선 보호해 제한된 자원에서도 품질을 유지하는 방식임

• 네이버는 부산에서 로컬 사업자 대상 AI 전환 캠페인도 시작함

  • ‘로컬 그라운드’ 캠페인은 9일부터 13일까지 부산에서 진행됨
  • 부산 주요 상권의 104개 중소상공인 상점이 참여함
  • AI 기반 주문·결제 솔루션 도입과 숏폼 제작 등을 지원받음
  • 부산 BTS 글로벌 콘서트 기간에는 외국인 관광객이 여권 인증으로 네이버 지도, 예약, 결제를 쓰고 파파고 번역까지 활용할 수 있게 편의성을 강화함

• S2W는 2026 대한민국 인공지능산업대상에서 부총리 겸 과학기술정보통신부장관상을 받음

  • 인정받은 영역은 안보 AI 플랫폼 ‘자비스’, 보안 솔루션 ‘퀘이사’, 의사결정 운영체제 ‘SAIP’ 등임
  • 국가안보, 사이버보안, 산업 AI 전환을 아우르는 기술력을 평가받았다고 함
  • 최근 2년간 국외 매출 비중을 20% 이상 유지했다는 점도 글로벌 시장성 근거로 제시됨
  • 세계 최고 권위 AI 학회에 4년 연속 논문을 채택시킨 점도 함께 언급됐음

• 전체적으로 보면 국내 기업들의 AI 활용이 꽤 넓게 퍼지는 중임

  • 방송은 클라우드 백본망과 미디어 서비스로 비용과 시간을 줄이려 함
  • AI 모델 쪽은 MoE 양자화처럼 실제 배포 비용을 줄이는 최적화가 중요해지고 있음
  • 보안과 안보 영역은 분석 플랫폼과 의사결정 지원 시스템으로 확장되는 중임
  • 개발자에게는 “AI를 어디에 붙였나”보다 “어떤 제약을 해결했나”를 보는 게 더 유용함

---

기술 맥락

• 노타의 MoE 양자화 논문이 중요한 이유는 대규모 모델을 실제로 굴리는 비용 문제와 바로 연결되기 때문이에요. MoE 모델은 필요한 전문가만 선택해 계산량을 줄이지만, 양자화를 잘못하면 어떤 전문가를 골라야 하는지 자체가 흔들릴 수 있어요.

• DREAM-MoE와 SRA-MoE가 다루는 문제도 그 지점이에요. 단순히 모델을 작게 만드는 게 아니라, 작게 만든 뒤에도 기존 모델과 비슷한 선택과 결과를 유지해야 서비스 품질이 버텨요. 특히 제한된 자원에서 대형 모델을 돌리려면 이런 최적화가 필수에 가까워요.

• 메가존클라우드의 생중계 사례는 클라우드 인프라가 미디어 워크플로까지 내려온 예예요. 방송은 장애나 지연이 바로 티가 나기 때문에, 클라우드로 옮길 때도 네트워크 경로, 전송 프로토콜, 동시 송출 구조를 함께 설계해야 해요.