[딜사이트 박안나, 최령 기자] 이재명 정부가 반도체·인공지능(AI) 데이터센터·피지컬 AI를 묶은 '3대 메가프로젝트'를 내놨다. 독자 파운데이션 모델 개발에 집중했던 '소버린(주권·Sovereign) AI' 전략을 산업 생태계 전반으로 넓힌 이른바 '소버린 AI 2.0'의 산업적 구현이라는 평가가 나온다. 메모리 반도체 공급 부족이 장기화하는 가운데 이를 기반으로 독자 데이터센터를 구축하고, 여기서 생산된 토큰을 공공과 제조 현장에 투입해 산업 경쟁력을 끌어올리겠다는 구상이다.

전문가들은 세 프로젝트가 유기적으로 연결돼 있는 만큼 방향성은 옳다고 평가했다. 다만 투자 규모에 비해 수요가 언제, 어디서 발생할지에 대한 계산이 부족하다고 지적했다. 데이터센터를 지어놓고도 쓸 곳이 없으면 대규모 부담으로 돌아올 수 있다는 우려다. 공공·산업 현장의 AI 활용 사례 발굴과 토큰 수출 전략, 설계 단계부터의 보안 내재화, 국산 신경망처리장치(NPU) 육성이 함께 추진돼야 한다고 입을 모았다.

21일 딜사이트는 서울 여의도 콘래드호텔 5층 파크볼룸에서 'AI 대전환:자본시장의 권력이동'을 주제로 '창립기념 경영전략 써밋 2026'을 개최했다. 이날 대담에선 '이재명 정부 3대 메가프로젝트의 의미와 실현 방안'을 주제로 논의가 이뤄졌다. 사회는 이원태 국민대학교 특임교수가 맡았다. 패널로는 이승현 라이너 AI 에반젤리스트와 윤두식 이로운앤컴퍼니 대표, 김지현 SK AI위원회 부사장이 참여했다.

AI 전문가들이 짚은 3대 메가프로젝트의 기대효과와 실행 과제를 발언 순서대로 정리했다.

◆사회(이원태 국민대 특임교수): 앞선 기조강연에서 AI가 생산성과 고용 구조, 산업 경쟁 구도에 미치는 영향과 피지컬 AI의 현장 구현 조건 등이 다뤄졌습니다. 정부의 소버린 AI 정책이 지나치게 AI 모델과 그래픽처리장치(GPU) 중심이라는 지적이 있었습니다. 올해 6월 발표된 3대 메가프로젝트는 독자 파운데이션 모델에만 집착하지 않고 산업 생태계 전반을 고려해 국가 전략을 재편하는 과정이라고 볼 수 있습니다. 3대 메가프로젝트가 가져올 경제적 파급효과와 새로운 사업 기회, 가장 기대하는 변화를 말씀해 주십시오.

◆이승현 라이너 AI 에반젤리스트(이승현 에반젤리스트): AI와 반도체가 꺾이고 있느냐는 질문부터 짚겠습니다. 빅테크들은 올해를 '에이전트 시대의 원년'으로 보고 있습니다. 토큰 가격이 내려가면서 메모리 수요가 줄어든다는 얘기가 나오지만 실제로는 에이전트가 등장하면서 토큰 사용량이 폭증하고 있습니다. 골드만삭스는 2030년까지 토큰 사용량이 70배 늘어날 것으로 예측했습니다. 토큰 가격이 15배가량 싸졌지만 사용량 증가 속도가 이를 웃돌고 있습니다. 구글이 최근 내놓은 '중첩 학습(Nested Learning)' 기법도 인간처럼 단기·중기·장기 기억을 강조합니다. 고대역폭메모리(HBM) 외에 고대역폭플래시(HBF)도 주목받는 이유입니다. 메가프로젝트의 방향성 자체는 옳다고 봅니다.

우려되는 부분은 규모입니다. 미국 스타게이트 프로젝트는 미국 국내총생산(GDP)의 2% 수준인데, 우리 메가프로젝트는 5000조원 규모로 GDP의 200%에 이릅니다. 10년에 걸쳐 집행하더라도 SK하이닉스나 삼성전자 같은 주요 기업이 이를 감당할 수 있느냐는 걱정이 나옵니다. 시장의 시선도 하드웨어와 데이터센터에 쏠려 있습니다. 하지만 토큰 가치의 70%는 모델, 즉 소프트웨어에서 나오고 30%가 GPU나 전력에서 나옵니다. AI는 과거 핵무기처럼 국가 간 서열을 정하는 수단이자 인터넷이나 전기 같은 범용 기술입니다. 토큰을 생산하고 수출하는 국가가 되려면 하드웨어 '몰빵'이 아니라 그 위에 소프트웨어 역량이 쌓여야 합니다. 이제는 확정할 것과 조건부로 갈 것, 유보할 것을 나눠 전략적으로 접근해야 합니다.

◆김지현 SK AI위원회 부사장(김지현 부사장): 3대 메가프로젝트는 서로 긴밀히 연결돼 있습니다. 첫째, 전 세계 AI 인프라의 병목은 메모리이고 공급 부족은 1~2년 안에 해소되지 않을 겁니다. 메모리 공장을 더 지어야 하고, 메모리 덕분에 한국은 글로벌 AI 기업들과의 협력을 강화하고 있습니다. 둘째, 이를 기반으로 독자 데이터센터가 있어야 독자 AI 파운데이션 모델, 나아가 프런티어 모델 개발이 가능합니다. 구글이 검색 1위를 하지 못한 나라는 중국·러시아·북한·한국 정도입니다. 네이버를 비롯한 국내 서비스가 더 강해지려면 독자 모델이 필요합니다. 모든 AI 애플리케이션의 수혜는 결국 프런티어 모델 기업들이 가져가기 때문입니다. 셋째, 중국의 추격으로 흐려진 제조 강국의 위상을 되살리기 위해 제조 현장에서 '제2의 AX(AI 전환)'를 추진해야 합니다. 데이터센터에서 나온 토큰을 공공과 제조업에 투입해 산업을 키우는 구조로, 설계는 무척 잘 돼 있다고 봅니다.

물론 허들은 높습니다. 2040년까지 데이터센터를 20GW(기가와트)로 키우겠다는 목표인데, 현재 한국의 데이터센터 규모는 2GW가 채 안 됩니다. 미국과 중국은 이미 수십GW 규모입니다. 지금보다 8배 이상 키워야 하는 도전적인 목표입니다. 모델도 미국은 약 5조, 중국은 3조에 조금 못 미치는 파라미터로 추정되는데 한국은 아직 1조가 안 됩니다. 이를 3조 이상으로 키우는 것이 목표입니다. 데이터센터를 실제로 지을 수 있는지, 그 위에서 프런티어 모델을 만들 수 있는지, 이를 피지컬 AI와 공공 AI의 성과로 연결할 수 있는지 하나하나가 넘어야 할 허들입니다. 어렵다는 것을 인지한 상태에서 기업과 정부가 함께 해법을 찾아야 '제2의 한강의 기적'이 가능합니다.

◆윤두식 이로운앤컴퍼니 대표(윤두식 대표): 3대 메가프로젝트의 비전은 굉장히 좋다고 봅니다. 다만 조금 더 멀리 봐야 합니다. 각국이 이런 대형 프로젝트를 추진해야 하는 과제를 안고 있는데 우리나라는 앞서 있는 편입니다. 그렇다면 우리는 AI 풀스택을 모두 갖추고 안정적으로 운영하면서 해외의 데이터와 연산 자원을 국내로 유치하는 사례를 보여줘야 합니다. 이를 전체적으로 안정적으로 운영할 수 있는 나라는 아직 없습니다.

이것이 가능하려면 AI 데이터센터뿐 아니라 피지컬 AI를 포함한 모든 기반에 보안이 기본으로 깔려 있어야 합니다. AI로 인한 보안 위협은 급증하고 있는데, 이를 전 주기적으로 해결할 소프트웨어 역량을 갖춘 나라는 많지 않습니다. 우리나라가 AI 보안을 처음부터 설계하고 적용하고, 사고 이후 복구하는 레질리언스(회복력)까지 아우르는 '풀 스펙'을 만들지 않으면 성공하기 어렵습니다. 사업적으로 성공하더라도 사고 대응력이 떨어지면 그 시점에 사업이 무너질 수 있기 때문입니다.

3대 메가프로젝트를 국내에 한정된 토종 AI로 볼 것이 아니라 더 큰 비전을 가져야 합니다. 미국이나 중국의 데이터와 연산까지 유치하긴 어렵더라도 전 지구적으로 우리가 공략할 수 있는 시장은 많습니다. 이를 겨냥해 더 큰 전략적 투자를 하는 것이 맞고, 그 기반에는 반드시 보안이 깔려 있어야 합니다.

◆사회: 빅테크들이 속도 조절론을 내세우며 'AI 중견국'의 추격을 견제하는 듯한 모습도 보입니다. 그럼에도 정부는 프런티어 AI 모델 개발의 속도를 늦출 수 없다는 입장입니다. 선두와의 격차를 좁히려면 어떤 전략이 필요할까요.

◆이승현 에반젤리스트: 현재 모델들은 상향 평준화돼 있고 우리 모델도 그렇게 뒤처지지 않습니다. 격차가 벌어지는 지점은 서빙 레이어입니다. 수많은 사용자를 확보해 운영 데이터를 만들고 이를 선순환시키는 구조를 갖추지 못했는데, 그 이유가 자본과 인프라였습니다. 이제 정부가 이를 투입하겠다고 나섰습니다. 중국 모델도 미국 모델이 출시되면 따라가는 모양새입니다. 딥시크의 전문가혼합(MoE) 구조도 새로운 기술이 아니었습니다. 증류(Distillation) 등 다양한 기법으로 미국 모델을 따라가고 있습니다. 기술이 상당 부분 공개돼 있어 자원과 자본만 있으면 일정 수준까지는 따라갈 수 있는 시대입니다.

프런티어 AI가 필요한 이유는 경제적 측면이 가장 큽니다. 지난해 경상수지는 1230억달러 흑자였지만 지식서비스수지는 100억달러가량 적자였습니다. 에이전트가 본격 도입되면 토큰 사용량이 수십 배로 늘어납니다. 삼성전자 한 곳이 연간 1조원에 육박하는 AI 비용을 지출할 것이란 전망도 있습니다. 자칫 경상수지까지 악화될 수 있습니다. 중국도 지난 16일 GPT-4급 이상 모델에 대한 수출 통제 방침을 내놨습니다. 우리가 오픈소스로 내려받는 모델과 그들이 클라우드로 서비스하는 모델도 서로 다릅니다. 프런티어 AI를 기준 성능 이상으로 확보해야 하는 이유입니다. 출근할 때 모두가 람보르기니를 탈 필요는 없듯, 우리에게 적절한 수준의 모델을 개발할 필요가 있습니다.

◆사회: 반도체 공장과 데이터센터는 건설부터 운영까지 상당한 시간과 자금이 필요합니다. 그 사이 기술과 시장은 빠르게 변합니다. 전력과 인재, 실제 이용 수요도 쟁점입니다. 가장 큰 걸림돌과 정부·기업의 우선 실행 과제를 말씀해 주십시오.

◆김지현 부사장: 데이터센터를 10GW든 20GW든 지어도 수요가 없으면 실패입니다. 결국 수요가 생겨야 합니다. 제가 계산해 보면 10GW 규모 데이터센터라면 그중 50% 정도는 오픈AI나 앤트로픽 같은 미국 하이퍼스케일러들이 쓸 겁니다. 울산에 짓고 있는 1GW 규모 SK 데이터센터도 첫 단계인 100MW(메가와트)는 아마존이 씁니다. 나머지 중 최소 30%는 공공과 피지컬 AI, IT 기업, 전통 기업이 써야 합니다. 그렇지 않으면 무용지물이 됩니다. 나머지 20%는 데이터센터에서 구동되는 토큰을 애플리케이션이나 모델에 태워 글로벌로 수출해야 합니다.

1GW 데이터센터를 지으려면 설비투자(CAPEX)가 대략 70조원 들어갑니다. 연간 운영비(OPEX)는 4조원이고 이 중 절반인 2조원이 전력 비용입니다. 이런 데이터센터가 얼마나 많은 돈을 벌어야 하겠습니까. 가장 큰 병목은 '누가 쓸 것인지, 어떻게 쓰게 할 것인지, 어디에 팔 것인지'입니다. 결국 AI 유스케이스를 많이 발굴해야 합니다. 스마트폰으로 유튜브와 틱톡, 넷플릭스, 인스타그램을 쓰면서 네트워크 과금이 계속 발생하는 것처럼, AI도 다양한 에이전트 애플리케이션과 기업용 AI 에이전트가 구동되면서 토큰이 많이, 유용하게 쓰여야 데이터센터가 수익을 낼 수 있습니다. 또 같은 GPU와 전력이 들어간 데이터센터라도 모델 서빙을 어떻게 운영하느냐에 따라 토큰을 얼마나 많이, 빠르게, 싸게 만드느냐가 달라집니다. 토큰 생산 단가를 낮추는 것이 핵심 기술력입니다.

◆윤두식 대표: 보안은 처음부터 설계돼야 하는데 지금까지는 늘 설계 단계에서 빠졌습니다. IT 분야에서 수십 년간 이어져 온 문제입니다. 문제가 생기고 나서야 부랴부랴 보안을 넣다 보니 인프라 저변이 넓어진 상태에서 문제가 훨씬 커집니다. 최근 한 통신사가 원격 조종 배달 차량을 기획했는데, 시험 운행에서는 잘 작동했지만 한강 다리를 건너는 구간에서 통신이 끊기면서 차량이 통제 불능 상태가 돼 앞차를 들이받았다고 합니다. 처음부터 안전하게 설계되지 않은 채 상용화되면 문제가 걷잡을 수 없이 커집니다.

취약점을 미리 점검하고 신고해 대응하는 CVD(조정된 취약점 공개)·VDP(취약점 공개 프로그램) 체계가 AI 분야에도 필요합니다. 이를 위해선 법제를 고쳐야 합니다. 화이트해커의 취약점 탐색이 현행 정보통신망법상 불법이어서 범죄자가 될 수 있기 때문입니다. 이대로라면 공격자는 쉽게 공격하는데 방어하는 쪽은 위협을 볼 수조차 없습니다. 또 '바이브 코딩'으로 일반인도 쉽게 코딩하게 됐지만 SQL 인젝션, 크로스사이트스크립팅(XSS) 등 보안의 기본 개념만 100여 가지가 넘습니다. 일반인은 이를 알 수 없습니다. 이들이 몰라도 보안이 지켜지는 프레임워크를 만들어 두지 않으면 큰일 나는 세상이 올 겁니다. 인기 있는 소프트웨어일수록 보안이 없으면 훨씬 위험합니다.

◆이승현 에반젤리스트: 월드컴 사례를 고민해 봐야 합니다. 닷컴 버블 당시 월드컴은 인터넷 트래픽이 급증한다는 전망에 막대한 투자를 받아 광케이블을 깔았지만 결국 파산했습니다. 그 광케이블은 훗날 구글과 아마존 등이 가져갔습니다. 예측이 틀린 게 아니라 투자와 수요 사이에 리드타임이 있었던 겁니다. 실제로 인터넷 트래픽은 1년에 두 배씩 늘었습니다. 메가프로젝트도 수요가 언제 따라올지, 어떻게 확정할지가 가장 중요합니다.

피지컬 AI도 휴머노이드가 많이 나오지만 배터리와 모델 등 해결할 문제가 많습니다. AI 로봇 격투를 한다지만 대부분 리모컨으로 조종하는 것이고 현장에선 작동하지 않습니다. 모든 제조를 AX하겠다는 방향은 적합하지 않다고 봅니다. 피지컬 AI는 대량 생산보다 조건과 변수가 계속 바뀌는 공정에 적합합니다. 붐에 편승해 전방위로 펼치면 필요한 곳에 가야 할 돈이 분산됩니다. 데이터센터 8.4GW 규모가 거론되는데 반도체 공장까지 고려하면 전력 문제가 가장 심각합니다. 재생에너지만으로는 감당할 수 없으니 원전도 지어야 합니다. 전력을 확보해 놓고 수요가 따라오지 못하면 부담이 엄청납니다. 공공이 30%를 맡으려면 국가망보안체계(N²SF) 같은 공공 제도가 에이전틱 AI에 맞게 바뀌어야 합니다. 미국은 올해 AI 데이터센터 계획이 15GW인데 공공용 해남 데이터센터는 150MW 정도에 불과합니다. 현실성을 감안해 수요를 명확히 예측해야 합니다.

◆사회: 마지막으로 꼭 덧붙이고 싶은 말씀을 부탁드립니다.

◆김지현 부사장: 젠슨 황 엔비디아 최고경영자(CEO)는 AI 인프라를 '5단 케이크'에 비유했습니다. 에너지와 반도체, 인프라, 모델, 애플리케이션이 차례로 쌓인다는 시각입니다. 저는 AI 풀스택을 데이터센터, 클라우드, 모델, 디바이스, 애플리케이션 5개 레이어로 봅니다. 한국은 가전부터 자동차까지 디바이스 강국입니다. 디바이스에서 차별화된 경험을 제공하려면 좋은 모델이 있어야 하고, 해외 프런티어 모델에 계속 의존할 수는 없습니다. 모델을 학습하고 서빙하려면 대용량 데이터센터와 클라우드 기술이 핵심입니다. 이 다섯 레이어를 어떻게 연결해 시너지를 낼지 고민해야 합니다.

◆윤두식 대표: 대형 프로젝트는 두 갈래로 가야 한다고 봅니다. 돈이 들어가면 성과에 대한 압박이 커집니다. 로봇 사업을 하는 기업도 '효과가 뭐냐'는 질문을 받으면 실무적으로 이런 걸 만들었고 학술적으로 이런 논문을 냈다는 두 가지로 답합니다. 메가프로젝트도 장기 비전만 얘기하면 공격받을 지점이 많을 겁니다. 단기적으로 성과가 나는 프로젝트와 장기적으로 볼 수밖에 없는 프로젝트를 나눠 대응해야 합니다. 장기 비전을 갖되 단계적으로 활용 사례가 나오고 있다는 걸 보여주는 전략이 필요합니다.

◆이승현 에반젤리스트: 데이터센터를 구축할 때 국산 NPU 기업에 대한 고민이 필요합니다. 에이전트 시대에는 추론이 중요한데 국산 NPU도 충분히 할 수 있습니다. 문제는 자본과 인프라입니다. 5GW만 해도 GPU가 300만장가량 필요한데 이를 엔비디아가 모두 커버할 수는 없습니다. 국산 NPU가 엔비디아를 따라갈 수 있도록 믿고 기다려주는 인내심과 전폭적인 지원이 필요합니다. 이 프로젝트는 결국 우리의 미래 먹거리를 만들어야 합니다. 오늘 우려를 말씀드린 것은 계획을 더 치밀하게 세우자는 취지이지 비판론자는 아닙니다.

◆사회: 오늘 대담은 성공 조건을 정답처럼 제시하기보다 함께 고민해야 할 질문들을 던져준 자리였습니다. 반도체와 데이터센터 투자가 AI 산업의 성장으로 이어질지, 현장의 AI 활용이 생산성과 수익을 높일지, 그 성과가 중소기업과 지역으로 확산될지가 과제입니다. 3대 메가프로젝트가 기업 경쟁력과 국민이 체감할 수 있는 성과로 이어지길 바랍니다. 감사합니다.