[연속기획③] 독자 AI 파운데이션 모델, 세계적 수준 확보를 향한 자원 투입 구조

과학기술정보통신부가 추진하는 독자 인공지능 기초모형(파운데이션 모델) 사업은 단순한 연구개발 지원에 그치지 않고 단계평가와 연동된 구조로 설계됐다. 1부에서 확인한 4개 정예팀 병렬 체제, 2부에서 정리한 15개 연합체 접수에서 5개 최종 선정에 이르는 다단계 평가 절차는 자원 배분 구조와 직접 연결돼 있다. 3부에서는 이 사업이 어떻게 자원을 투입하고, 이를 단계평가와 연동하고 있는지 구조적으로 짚는다.

GPU 지원 구조는 성과 연동을 전제로 설계됐다. 보도자료에 따르면 2025년부터 2026년 상반기까지 팀당 500~1,000장 규모로 지원하고, 단계평가 결과에 따라 1,000장 이상으로 확대 가능하도록 설계됐다. 지원 단위는 256장, 512장, 1,024장으로 조정 가능하다. 이는 단계평가 결과에 따라 GPU 지원 규모를 조정하는 구조다. 또한 정부에 GPU를 임대하는 기업은 해당 기간 동안 본 사업의 GPU 지원 대상에서 제외된다. 자원 공급과 수혜가 중첩되지 않도록 설계된 구조다.

데이터 지원도 다층적이다. 공통 수요에 대해서는 연간 100억 원 규모의 공동구매가 지원되며, 팀별 데이터 구축·가공에는 연간 최대 50억 원이 투입된다. 공공 데이터 개방과 연계한 데이터 활용 확대 방안도 포함돼 있다. 대형 언어모델 학습에 필요한 대규모 데이터 확보를 제도적으로 뒷받침하는 구조다.

인재 확보 역시 지원 대상이다. 해외 우수 연구자 유치 시 인건비·연구비·체재비 등을 포함해 연간 최대 20억 원 범위에서 매칭 지원이 가능하도록 설계됐다. 대형 모델 개발에서 핵심 변수로 꼽히는 고급 연구 인력을 안정적으로 확보하려는 취지다.

이 같은 자원 투입 구조는 1차 단계평가 체계와 맞물려 작동한다. 2026년 1월 발표된 1차 단계평가는 공통 벤치마크, 글로벌 공통 벤치마크, 팀별 개별 벤치마크를 병행하는 방식으로 진행됐다. 공통 벤치마크에는 수학, 지식, 장문 이해, 안전성·신뢰성 평가가 포함됐으며, 글로벌 타깃 모델과의 비교 평가도 이뤄졌다. 각 팀은 선정한 글로벌 타깃 모델과의 성능 비교 결과를 제출했고, 무작위 재현성 검증 절차가 적용됐다. 벤치마크 평가는 총 40점 구조로 반영됐다.

다만 1차 단계평가에서 구체적인 정량 성능 수치는 공개되지 않았다. 보도자료는 세계적 수준 확보를 목표로 한 평가 구조를 강조했지만, 글로벌 모델 대비 구체적인 성능 격차나 점수는 제시하지 않았다. 따라서 현재 시점에서 확인 가능한 것은 글로벌 타깃 모델과의 비교 체계가 적용됐다는 사실이며, 세계적 수준 도달 여부는 향후 추가 공개될 성능 지표를 통해 판단될 사안이다.

1차 단계평가 결과 5개 정예팀 가운데 3개 팀이 2차 단계에 진출했고, 이후 1개 팀이 추가 선정되면서 2026년 상반기 4개 체제로 재편됐다. 이 과정은 단순한 순위 발표가 아니라, 향후 자원 배분과 개발 지속 여부에 영향을 미치는 구조로 설계돼 있다. 초기 다수 선발, 단계평가를 통한 압축, 필요 시 추가 공모를 통한 경쟁 보완이라는 방식이 적용돼 왔다.

정리하면, 독자 AI 파운데이션 모델 사업은 자원을 일괄 배분하는 구조가 아니라 단계평가와 연동해 조정하는 체계다. GPU·데이터·인재 지원은 고정 보조금이 아니라 성과 기반 지원 구조에 가깝다. 정부는 세계적 수준의 대형 모델 확보를 목표로 제시하고 있으며, 글로벌 타깃 모델과의 비교 평가를 포함한 검증 체계를 운영 중이다. 다만 세계적 수준 구현 여부는 향후 단계평가 결과 공개를 통해 구체적으로 확인될 사안이다.