---
title: "국가대표 AI 2차전, 승부처는 에이전틱 AI와 연산 효율"
published: 2026-08-02T10:05:03.412Z
canonical: https://jeff.news/article/5372
---
# 국가대표 AI 2차전, 승부처는 에이전틱 AI와 연산 효율

정부의 독자 AI 파운데이션 모델 프로젝트가 이달 4개 팀에서 2개 팀으로 압축된다. SK텔레콤, LG AI연구원, 업스테이지, 모티프테크놀로지스가 각각 초대형 모델, 다국어 확장, 에이전트 최적화, MoE 기반 효율성을 앞세우는 구도다.

## 4개 팀에서 2개 팀으로 줄어드는 국가대표 AI 경쟁

- 정부의 ‘독자 AI 파운데이션 모델 프로젝트’ 2차 평가가 이달 진행됨
  - 대상은 LG AI연구원 컨소시엄, 업스테이지, SK텔레콤, 모티프테크놀로지스 4개 팀임
  - 이번 평가로 2개 팀을 고르고, 선발된 팀들은 5개월 동안 최종 경쟁을 이어감
  - 국민평가, 전문가평가, 벤치마크 평가가 함께 들어감

- 이번 승부처로 꼽히는 건 에이전틱 AI 역량임
  - 한 번의 포괄적인 명령으로 특정 업무를 끝까지 처리하는 능력이 중요해졌다는 얘기임
  - 단순 챗봇 성능보다 추론, 도구 호출, 업무 수행 안정성이 더 중요해지는 흐름임

> [!IMPORTANT]
> 이번 경쟁은 “누가 파라미터를 더 크게 만들었나”만 보는 싸움이 아님. 에이전트로 실제 업무를 처리할 수 있는지, 그리고 그걸 감당 가능한 비용으로 돌릴 수 있는지가 같이 걸려 있음.

## SKT와 LG는 초대형 모델 카드

- SK텔레콤은 독자 AI 파운데이션 모델 ‘A.X K2’를 공개함
  - 허깅페이스에 6880억 개, 즉 688B 파라미터 규모로 소개함
  - 직전 모델 A.X K1의 519B보다 커졌고, 수학·과학 추론, 한국 지식, 장문 추론 능력을 강화했다고 설명함
  - 제조 영역에선 KG스틸, 코넥과 제조 특화 AI 에이전트 적용을 추진함

- SKT는 국방 분야도 같이 언급함
  - 국방부와 협업해 A.X K1 기반 양자화 모델 3가지를 개발함
  - 보안과 데이터 주권이 중요한 국방 특성을 고려해 메모리 사용량을 줄이고 처리 속도를 높였다는 설명임

- LG AI연구원은 ‘K-엑사원 2.0’을 허깅페이스에 공개함
  - 국내 최대인 750B 파라미터 규모라고 설명함
  - 1차 모델 236B 대비 3배 이상 커졌음
  - 지원 언어는 한국어, 영어, 스페인어, 독일어, 일본어, 베트남어에 프랑스어, 이탈리아어, 포르투갈어, 폴란드어를 더해 총 10개로 확장됨

## 업스테이지와 모티프는 효율 쪽에 힘을 줌

- 업스테이지는 오픈웨이트 거대언어모델 ‘솔라 오픈 2’를 공개함
  - 전작 ‘솔라 오픈’을 기반으로 단순 질의응답을 넘어 수십 번의 추론과 도구 호출을 반복하는 에이전트 사용성에 최적화했다고 설명함
  - 전체 파라미터는 2500억 개지만 실제 작업에서는 필요한 150억 개만 활성화하는 전문가 혼합 구조를 택함
  - 양자화를 적용하면 엔비디아 H200 GPU 2장으로 구동돼 기업 부담이 적다고 주장함

- 모티프테크놀로지스는 ‘모티프 3’ 프리뷰 버전 중간 평가 결과를 공개함
  - 314B 파라미터 규모의 파운데이션 모델임
  - 전문가 혼합 구조를 써서 실제 추론 때는 약 4%인 13B만 선택적으로 활성화함
  - 초대형 모델을 전부 켜는 대신 필요한 일부만 쓰는 방식으로 연산 효율을 강조함

> [!TIP]
> 기업 도입 관점에선 750B냐 688B냐보다 “몇 장의 GPU로 얼마에 돌릴 수 있나”가 더 직접적인 문제임. 그래서 MoE와 양자화가 이번 경쟁의 실무 포인트로 보임.

## 결국 돈과 GPU가 판을 가름

- 정부 지원 규모도 꽤 구체적으로 나옴
  - 배경훈 과기정통부 장관은 1차 통과 기업이 엔비디아 GPU 500장에서 735장 수준 지원을 받는다고 밝힘
  - 미토스급 모델 개발에는 베라 루빈 1만 장 정도가 필요하고, 현재 가격 기준 약 3조5000억 원에 달한다고 언급함
  - 다만 추가 지원은 확정된 건 아니고 재정 당국을 설득 중이라고 덧붙임

- 한국 AI 생태계에는 꽤 직접적인 뉴스임
  - 독자 모델이 실제로 산업 현장에 들어가면 제조, 국방, 공공, 금융 같은 영역에서 선택지가 생김
  - 반대로 GPU와 운영비를 감당하지 못하면 모델 공개 자체가 이벤트로 끝날 수 있음

---
## 기술 맥락

- 이번 프로젝트에서 중요한 선택은 한국어와 산업 현장에 맞는 독자 파운데이션 모델을 정부 주도로 키우겠다는 거예요. 해외 폐쇄형 모델을 그대로 쓰면 편하지만, 국방이나 공공처럼 데이터 주권이 중요한 영역에선 제약이 크거든요.

- 평가 기준이 에이전틱 AI로 이동하는 것도 자연스러워요. 기업은 챗봇이 멋진 답을 하는 것보다, 문서 찾고 도구 호출하고 여러 단계를 거쳐 업무를 끝내는 모델을 원하니까요.

- SKT와 LG는 큰 모델로 추론 능력과 다국어 지원을 밀고, 업스테이지와 모티프는 MoE로 실제 구동 비용을 낮추는 방향을 강조해요. 둘 다 전략이지만, 배포 환경이 제한된 기업에선 효율 쪽 가치가 크게 보일 수 있어요.

- 양자화가 계속 언급되는 이유도 여기에 있어요. 모델 크기를 줄이고 속도를 높여야 H200 몇 장 수준에서도 운영 가능성이 생기거든요. 좋은 모델을 만드는 것과 서비스로 굴리는 건 다른 문제예요.

- 정부 지원에서 GPU 500~735장, 베라 루빈 1만 장, 3조5000억 원 같은 숫자가 나오는 건 AI 경쟁이 연구비 싸움이 아니라 인프라 싸움이라는 뜻이에요. 모델 아키텍처 선택이 곧 비용 구조 선택이 되는 셈이에요.

## 핵심 포인트

- 2차 평가는 LG AI연구원, 업스테이지, SK텔레콤, 모티프테크놀로지스 4개 팀 중 2개 팀을 선발한다.
- SK텔레콤 A.X K2는 688B, LG K-엑사원 2.0은 750B, 업스테이지 솔라 오픈 2는 250B, 모티프 3는 314B 규모로 소개됐다.
- 업스테이지와 모티프는 MoE 구조로 실제 추론 시 일부 파라미터만 활성화해 연산 효율을 강조한다.
- 정부는 1차 통과 기업에 엔비디아 GPU 500~735장 수준을 지원했고, 더 큰 모델 개발에는 베라 루빈 1만 장과 3조5000억 원 수준이 거론됐다.

## 인사이트

한국형 파운데이션 모델 경쟁이 단순 파라미터 숫자 싸움에서 에이전트 수행 능력과 운영 효율 싸움으로 이동하는 중이다. 결국 기업 현장에 들어가려면 ‘큰 모델’보다 ‘비용 감당 가능한 모델’이 이길 가능성이 높다.