독자 AI 정예팀의 목표와 전략 총정리(네이버 클라우드·LG AI연구원·SK텔레콤·업스테이지·엔씨 AI)

독자 AI 정예팀의 목표와 전략

독자 AI 정예팀의 목표와 전략을 총정리합니다. 독자 AI 정예팀의 인터뷰와 보도 내용을 보고 정리했으며 개인적인 추정도 담겨있습니다. 정부는 2025년 8월 발표한 독자 AI 정예팀 5개 팀을 2026년 말까지 최종 두 팀만 남기는 독자 AI 파운데이션 모델 프로젝트를 추진하고 있습니다. 반기마다 한 팀이 탈락하는 구조라 업계에서는 “데스매치”라는 표현까지 나오고 있습니다. 독자 AI 정예팀으로 선발된 5개는 네이버 클라우드팀, LG AI 연구원팀, SK텔레콤팀, 업스테이지팀, 엔 AI팀입니다.(이후 팀은 생략)

업계에서는 네이버 클라우드와 LG AI연구원이 최종 2개팀이 될 가능성이 높다고 평가하고 있습니다. 두 기업 모두 막강한 기술력과 생태계를 가지고 있으며 정부가 원하는 AI 방향성에 대해서도 가장 이해도가 가장 높을 것으로 보입니다. 두 기업을 비교한다면 기술적 준비도는 LG AI연구원이 우위를 가지고, 네이버 클라우드는 네이버라는 생활 속 서비스와 플랫폼 생태계에서 강점을 보이고 있습니다.

2025년 12월에 한 팀이 탈락하게 됩니다. 냉혹한 데스매치는 1차전은 6개월도 남지 않았습니다.

기업	목표	기술 방향성	주요 참여기업
네이버 클라우드	소버린 AI와 B2C 국민 AI 서비스	옴니모달 학습, 개방형 플랫폼, AI 마켓	트웰브랩스(영상 인식·검색, 멀티모달 보강)
LG AI연구원	글로벌 수준의 K-엑사원과 풀스택 AI 생태계 확장	K-엑사원, 범용+특화 균형, 풀스택 AI	LG CNS(SI), LG유플러스(통신), 슈퍼브AI(데이터), 퓨리오사AI(AI 칩), 한컴·뤼튼·이스트소프트(서비스)
SK텔레콤	효율성과 차세대 구조 연구를 통한 AI 패러다임 선도	500B 모델, MoE, 포스트-트랜스포머 연구	크래프톤(게임), 42dot(모빌리티), 리벨리온(AI 칩), 셀렉트스타(데이터), 라이너(AI 에이전트)
업스테이지	글로벌 도전과 오픈소스 AI 확산	단계적 확장(100B→300B), 솔라 WBL	래블업(GPU), 노타AI(경량화), 플리토(다국어), 뷰노(의료), 마키나락스(제조), 로앤컴퍼니(법률), 오케스트로(공공), 데이원컴퍼니(교육), 올거나이즈(검색), 금융결제원(인프라)
엔씨 AI	산업 혁신과 공공 서비스 AI 구현	멀티모달, 도메인옵스, 개방성	포스코DX(제조), 롯데이노베이트(유통), 연구기관 다수

네이버 클라우드: 소버린 AI와 B2C 국민 AI 서비스

네이버 클라우드의 목표는 “국민 생활 밀착형 AI”와 “소버린 AI(주권 AI)”입니다. 네이버 클라우드는 여러 언론 인터뷰에서 “전국민 AI 접근권”을 강조하며, 국민 누구나 활용할 수 있는 개방형 플랫폼과 AI 에이전트 마켓플레이스를 구축하겠다고 밝혔습니다. 이는 특정 산업보다는 일상생활 속 서비스 체감에 집중하는 접근입니다.

전략 측면에서 네이버 클라우드는 현실적인 길을 택했습니다. 글로벌 빅테크와 정면으로 100% 성능을 경쟁하기보다는, 정부가 제시한 95% 수준을 안정적으로 확보하고, 이를 국민 생활 서비스에 최적화하겠다는 것입니다. 대신 데이터 정제, 모델 효율화, 옴니모달 학습 같은 기술적 차별화를 통해 신뢰성과 접근성을 높이고 있습니다. 특히 옴니모달은 텍스트·이미지·음성을 하나의 모델에서 동시에 학습하게 하여, 일상 속 서비스에서 더 직관적이고 자연스러운 AI 구현을 가능하게 합니다.

네이버 클라우드가 강조하는 소버린 AI의 핵심은 국민이 직접 AI를 활용해 글로벌 기술 종속을 벗어나고, 한국이 협상력 있는 기술 주체로 서는 것입니다. 단순히 “모두가 쓰는 AI”를 넘어 국가적 전략 자산으로 AI를 발전시키겠다는 의지입니다.

데이터 측면에서도 네이버는 중요한 기회를 잡았습니다. 검색·커머스·콘텐츠 등 자체 데이터는 풍부하지만, 언론사·데이터 공급기관과의 저작권 갈등이 숙제였습니다. 이번 프로젝트에서 정부가 국가 공동 데이터셋을 제공하게 되면서, 네이버는 안정적으로 학습 데이터를 확보할 수 있고 저작권 문제도 상당 부분 해소될 전망입니다. 이는 네이버에게 전략적으로 큰 호재라 할 수 있습니다.

▲ 네이버의 옴니모달과 멀티모달
◇ 멀티모달(Multi-modal)
– 텍스트, 이미지, 음성 등 서로 다른 데이터를 각각 따로 학습한 후, 모델이 특정 상황에서 이를 결합해 활용하는 방식
– 예 : 오픈 AI가 23년 3월 발표한 GPT-4 모델은 텍스트 기반 LLM에 이미지 해석 모델을 붙여서 문장을 읽고 그림을 해석할 수 있도록 함
– 글을 먼저 배운 후에 그림을 배우도록 하는 방식

◇ 옴니모달 (Omni-modal)
– 텍스트, 음성, 이미지 등을 처음부터 하나의 모델 안에서 동시에 학습해 입력과 출력을 모두 다중 모달로 처리
– 예 : 오픈 AI가 24년 5월 발표한 GPT-4o에서 o는 omni를 의미함.
– 다만, GPT-4o는 실시간 멀티모달 입력·출력을 지원하지만 네이버 클라우드는 옴니모달 학습에 추가로 출력까지 한다는 언급은 없음

LG AI연구원: 글로벌 수준의 K-엑사원과 풀스택 AI 생태계 확장

LG AI연구원의 목표는 글로벌 최고 수준의 K-엑사원을 완성하고, 이를 통해 B2B·B2C·B2G를 아우르는 풀스택 AI 생태계를 구축하는 것입니다.

전략은 크게 세 가지입니다.
첫째, 범용성과 도메인 특화의 균형입니다. 범용 성능을 확보한 뒤, 산업·소비자·공공 서비스에 특화 모델을 고도화해 다양한 성공 사례를 만들어내겠다는 구상입니다.
둘째, 글로벌 100% 성능 도전입니다. 정부가 제시한 기준인 글로벌 AI 성능의 95%를 넘어 100% 이상 성능을 목표로 내세웠습니다.
셋째, 피지컬 AI 확장입니다. 텍스트·이미지·음성을 넘어서, 로봇이나 기계와 같은 물리적 실체를 다루는 피지컬 AI까지 확장할 계획입니다. 이는 단순 소프트웨어를 넘어 하드웨어 제어까지 포괄하는 진정한 차세대 AI 비전을 보여줍니다.

LG AI연구원이 특히 강조하는 또 다른 차별점은 생태계 구축입니다. “개인·기업·기관 누구나 이 생태계를 활용해 AI 파생 모델과 다양한 산업 서비스를 개발할 수 있도록 지원하겠다”는 입장을 밝히며, 한국이 AI G3(세계 3대 AI 강국)로 도약할 수 있는 기반을 만들겠다는 비전을 제시했습니다. 이를 뒷받침하기 위해 LG는 엑사원 데이터 파운드리 같은 데이터 전환·최적화 솔루션도 적극 활용할 계획입니다.

B2B: 제조, 금융, 통신, 공공 산업 현장에 특화된 AI 확산 (LG CNS, LG유플러스, 슈퍼브AI, 퓨리오사AI 중심)
B2C: 콘텐츠·생산성 서비스 제공 (한컴의 문서 서비스, 뤼튼의 생성형 콘텐츠, 이스트소프트의 생활형 소프트웨어)
B2G: 정부·공공기관과 협력해 행정 혁신과 공공 서비스 디지털화를 추진

이와 함께 엑사원 데이터 파운드리 같은 데이터 전환·최적화 솔루션을 활용해 GPU와 데이터 자원을 효율적으로 관리하겠다고 밝혔습니다.

LG AI 연구원은 언론 인터뷰에서 “새롭게 시작하는 것이 아니라 검증된 노하우로 즉시 성과를 낼 수 있는 준비된 팀”임을 강조하며 성과 달성에 강한 자신감을 보였습니다.

▲ 풀스택 AI, 도메인 특화 모델, 피지컬 AI
– 풀스택 AI: 데이터 수집부터 학습, 인프라, 서비스, 운영까지 AI 개발 전 과정을 한 번에 제공하는 통합형 AI
– 도메인 특화 모델: 특정 산업(예: 의료, 금융, 제조)에 맞춰 최적화된 성능을 발휘하도록 설계된 AI 모델
– 피지컬 AI: 로봇이나 기계 같은 물리적 실체를 직접 제어·활용할 수 있는 AI

SK텔레콤: 효율성과 차세대 구조 연구를 통한 AI 패러다임 선도

SK텔레콤의 목표는 500B 규모 초거대 모델 개발을 넘어, 포스트-트랜스포머(Post-Transformer) 아키텍처를 통한 차세대 AI 패러다임 전환을 선도하는 것입니다.

전략은 두 가지입니다.
첫째, 효율성과 성능을 동시에 잡는 MoE(Mixture of Experts) 구조입니다. 필요할 때만 일부 전문가 모델을 활성화해 자원 사용을 줄이면서도 성능을 극대화하는 방식입니다.
둘째, 트랜스포머의 한계를 넘어서는 대안 기술 연구입니다. 긴 문맥 처리와 메모리 효율성을 높인 맘바(Mamba), 잡음에서 데이터를 복원하는 원리를 언어·멀티모달까지 확장하려는 디퓨전(Diffusion) 모델 등이 대표적입니다. SKT는 이를 통해 단순히 모델 크기 경쟁을 넘어서 차세대 AI의 선도자로 자리매김하려 합니다.

또한 SKT는 산업+소비자 동시 공략을 내세웁니다. 크래프톤(게임), 42dot(모빌리티), 리벨리온(AI 칩), 셀렉트스타(데이터), 라이너(AI 에이전트) 등이 합류해 풀스택 협력 구조를 마련했으며, 통신사로서의 네트워크와 가입자 기반을 활용해 국민 서비스와 산업 현장 솔루션을 병행할 계획입니다.

▲ 포스트-트랜스포머란?
– 트랜스포머(Transformer)는 문장을 한 단어씩 처리하던 기존 방식 대신, 모든 단어를 병렬로 처리하며 문맥 관계를 계산할 수 있게 만든 모델 구조(아키텍처). 현재 GPT, 구글 제미나이, 클로드 등 대규모 언어모델의 기반은 모두 트랜스포머(Transformer) 아키텍처
– 트랜스포머는 메모리 사용량이 크고, 긴 문맥 처리에 비효율적이라는 한계를 가지고 있어 연구자들은 이 한계를 넘는 차세대 모델 구조, 즉 포스트-트랜스포머(Post-Transformer)를 찾기 위해 연구 중
– 아래가 대표적인 대안 기술들임
◇ MoE (Mixture of Experts): 여러 작은 모델(또는 전문가) 중 필요한 일부만 불러서 계산하는 방식으로, 효율성과 성능을 동시에 잡을 수 있음
◇ 맘바(Mamba): 긴 문맥을 더 효율적으로 처리할 수 있는 구조로, 트랜스포머보다 적은 자원으로도 더 많은 정보를 기억할 수 있음
◇ 디퓨전(Diffusion): 원래는 이미지 생성에 쓰였으나, 잡음에서 데이터를 복원하는 방식을 언어·멀티모달에도 확장하려는 시도로 주목받음

업스테이지: 글로벌 도전과 오픈소스 AI 확산

업스테이지의 목표는 세계 최고의 오픈소스 모델 솔라 WBL(World Best LLM)을 만들어, 한국 스타트업의 글로벌 경쟁력을 입증하는 것입니다.

전략은 단계적 확장과 오픈소스 확산입니다. 100B → 200B → 300B로 모델을 키워가며 정부 기준(95%)에서 글로벌 빅테크 수준(100%)까지 성능을 끌어올리겠다는 계획입니다. 특히 한국어 성능은 글로벌 모델 대비 105% 이상을 자신하고 있습니다.

업스테이지는 스타트업 연합을 통해 강점을 발휘합니다. GPU 효율화(래블업), 모델 경량화(노타AI), 다국어(플리토), 의료(뷰노), 제조(마키나락스), 법률(로앤컴퍼니), 교육(데이원컴퍼니), 검색(올거나이즈), 금융(금융결제원) 등 각 분야 전문 기업이 참여해 산업 현장에 즉시 투입 가능한 특화 AI 생태계를 만들고 있습니다.

무엇보다 업스테이지는 데이터·툴킷·학습 노하우까지 오픈소스로 제공해 산업계 전체 활용을 지원하겠다는 점을 강조합니다. 이를 통해 한국을 넘어 아시아권 언어 시장까지 겨냥한 글로벌 생태계 확산을 노리고 있습니다.

엔씨 AI: 산업 혁신과 공공 서비스 AI 구현

엔씨 AI의 목표는 멀티모달 기반 기술력을 활용해 산업 혁신과 공공 서비스 AI를 구현하는 것입니다. 14년간 축적해온 멀티모달 연구와 54개 기관이 참여하는 최대의 컨소시엄이 강력한 무기입니다.

전략의 핵심은 세 가지입니다.
첫째, 산업 적용 우선입니다. 제조(포스코DX), 유통(롯데이노베이트), 미디어, 공공 분야에서 빠르게 도입 가능한 솔루션을 개발합니다.
둘째, 도메인옵스(DomainOps) 플랫폼을 통한 맞춤형 AI 제공입니다. 산업별로 적합한 AI를 빠르게 구축할 수 있도록 돕는 구조입니다.
셋째, 개방성입니다. 완성 모델뿐 아니라 개발 중간 단계와 데이터까지 공개해 기업과 기관이 직접 수정·활용할 수 있도록 하겠다는 점이 특징입니다.

엔씨 AI는 또한 국민 체감형 서비스에도 집중합니다. 민원 처리 자동화, 재난 대응, 맞춤형 교육 보조 등 국민 생활 속에서 바로 체감할 수 있는 사례를 제시하며, 산업 혁신과 공공 혁신을 동시에 추진하려 하고 있습니다.

▲ 도메인 옵스,
– 도메인 옵스(DomainOps) : 특정 산업별 특화 모델을 쉽게 만들고 운영할 수 있게 해주는 플랫폼·운영 체계를 읨

(끝)

독자 AI 정예팀의 목표와 전략 총정리(네이버 클라우드·LG AI연구원·SK텔레콤·업스테이지·엔씨 AI)