--- title: "산업연구원 “한국형 제조 LLM 없으면 AI 생태계 경쟁에서 밀린다”" published: 2026-08-02T02:05:02.698Z canonical: https://jeff.news/article/5344 --- # 산업연구원 “한국형 제조 LLM 없으면 AI 생태계 경쟁에서 밀린다” 산업연구원이 미·중 경쟁이 반도체를 넘어 AI 생태계와 제조 아키텍처 경쟁으로 번지고 있다고 분석했다. 한국은 반도체·철강·조선 같은 고난도 제조 공정의 판단 데이터를 학습한 ‘한국형 제조 LLM’과 K제조 아키텍처를 구축해야 한다는 제안이 나왔다. - 산업연구원이 던진 메시지는 꽤 직설적임. 이제 미·중 경쟁은 반도체만의 싸움이 아니라 AI 생태계와 제조 아키텍처 싸움이라는 것 - 보고서 제목은 ‘미·중 경쟁 2.0, 중국의 AI·공급망 전략 변화와 우리의 대응’임 - 핵심 주장은 한국도 제조 현장에 특화된 ‘한국형 제조 LLM’과 K제조 아키텍처를 만들어야 한다는 쪽 - 단순히 공급망을 여러 나라로 나누는 수준으로는 부족하고, 제조업 경쟁력을 AI와 결합해야 한다는 분석임 - 중국은 미국의 반도체 수출 통제에 대응하면서, AI를 제조업 전체로 밀어 넣는 중이라고 봄 - 독자 AI 반도체 생태계를 만드는 데서 멈추지 않고 철강, 석유화학, 기계, 조선 같은 전통 제조업에 AI를 접목하고 있음 - 특히 피지컬 AI를 제조 현장에 대규모로 적용해 작업 흐름과 제어 체계를 표준화하려는 움직임이 강조됨 - 결국 누가 제조 현장의 ‘AI 사용 방식’을 표준으로 만들 것인가의 싸움이라는 얘기 > [!IMPORTANT] > 보고서의 핵심은 “AI 모델을 누가 더 잘 만드나”보다 “제조 현장의 판단 데이터와 숙련 기술을 누가 먼저 AI 자산으로 묶나”에 있음. - 앞으로의 경쟁력은 모델 자체보다 제조 현장의 판단 데이터에 달려 있다는 게 보고서의 큰 줄기임 - 반도체, 철강, 조선 같은 고난도 공정에는 단순 센서 데이터만으로 대체하기 어려운 현장 경험이 쌓여 있음 - 예를 들어 품질 이상 징후를 어떻게 판단하는지, 공정 조건을 언제 조정하는지 같은 지식은 시뮬레이션만으로 만들기 어려움 - 이런 숙련 기술을 학습한 제조 특화 AI가 새로운 경쟁력이 될 수 있다는 분석임 - 그래서 나온 해법이 ‘한국형 제조 LLM’임 - 반도체·철강·조선 등 고난도 제조 공정에서 축적한 판단 데이터를 기반으로 모델을 구축하자는 제안 - 이 모델을 HBM 같은 AI 메모리, 정밀 장비·부품, 지능형 제어 기술과 연결해야 한다고 봄 - 여기서 말하는 K제조 아키텍처는 단품 기술이 아니라 데이터, 하드웨어, 제어, 생산 현장을 하나로 묶는 구조에 가까움 - 정부 역할도 꽤 구체적으로 제시됨 - 제조 LLM 실증을 위해 공공·산업 현장을 열어야 한다고 제안함 - 소프트웨어 기업과 하드웨어 기업이 함께 참여하는 혁신 컨소시엄도 필요하다고 봄 - AI 기술이 연구실 데모에서 끝나지 않고 실제 산업 현장에 들어가려면 현장 접근권과 검증 환경이 필요하다는 논리임 - 통상 전략도 ‘부품 팔기’에서 끝내면 안 된다는 얘기가 나옴 - 기술, 생산능력, 표준, 현장 데이터를 하나의 자산으로 묶어야 한다는 것 - 이걸 공급망 협력, 시장 진출, 국제 표준 전략과 연결해야 한다고 제안함 - 목표는 한국이 단순 부품 공급자가 아니라 글로벌 AI 기술 생태계의 공동 설계자가 되는 것임 - 조은교 산업연구원 연구위원의 표현도 꽤 세게 나옴 - 지금은 단품 중심 시장 수혜에 안주할 때가 아니라 K제조의 대체불가성을 키워야 하는 골든타임이라고 봄 - 고난도 공정의 판단 데이터를 학습한 제조 LLM과 초크포인트 자산을 수직 결합한 K제조 아키텍처가 한국의 제3의 경로가 될 수 있다고 강조함 --- ## 기술 맥락 - 여기서 말하는 제조 LLM은 범용 챗봇을 공장에 붙이자는 얘기가 아니에요. 제조 현장에는 작업자가 오랜 시간 쌓아온 판단 기준이 있고, 그 기준이 품질과 수율을 좌우하거든요. 그걸 모델이 학습 가능한 자산으로 바꾸자는 게 핵심이에요. - 피지컬 AI가 중요한 이유는 실제 장비와 공정 제어에 연결되기 때문이에요. 텍스트를 잘 쓰는 모델과 달리, 제조 현장의 AI는 잘못 판단하면 생산 손실이나 품질 문제로 바로 이어져요. 그래서 데이터뿐 아니라 제어 체계와 검증 환경까지 같이 설계해야 해요. - K제조 아키텍처라는 표현은 조금 거창하지만, 방향은 명확해요. 한국이 잘하는 HBM, 정밀 장비, 부품, 조선·철강·반도체 현장 데이터를 따로따로 팔지 말고 하나의 AI 산업 구조로 묶자는 거예요. - 정부가 실증 현장을 열어야 한다는 대목도 현실적이에요. 제조 AI는 공개 데이터만으로 만들기 어렵고, 실제 공정에서 검증하지 않으면 쓸 수 있는지 판단하기 힘들거든요. 그래서 기업 컨소시엄과 현장 실증이 같이 필요하다는 논리가 나와요. ## 핵심 포인트 - 미·중 경쟁은 관세·반도체를 넘어 피지컬 AI와 제조 표준 경쟁으로 확장 중 - 중국은 전통 제조업 전반에 AI를 접목하며 제조 현장의 제어 체계와 표준 선점을 노림 - 한국은 고난도 제조 공정의 판단 데이터와 숙련 기술을 제조 특화 AI로 연결해야 한다는 제안이 나옴 - 정부는 공공·산업 현장을 실증용으로 열고 소프트웨어·하드웨어 기업 컨소시엄을 만들어야 한다는 분석 ## 인사이트 제조 LLM 얘기는 ‘한국도 챗봇 하나 만들자’가 아님. 반도체, 조선, 철강 현장에 쌓인 판단 데이터와 숙련 기술을 AI 시대의 플랫폼 자산으로 바꾸자는 주장에 가깝다.