독파모 5개 정예팀, AI 학습데이터 3544만건 공개…1조5600억토큰 규모

(byline.network)

과기정통부와 NIA가 주도하는 독파모 프로젝트의 5개 정예팀이 1조 5600억 토큰 규모의 대규모 AI 학습 데이터 29종을 공개함으로써, 국내 AI 생태계의 파운데이션 모델 개발 및 고도화를 위한 핵심 자산을 확보했다.

이 글의 핵심 포인트

1네이버클라우드, 업스테이지, SKT, NC AI, LG AI연구원 등 5개 정예팀의 AI 학습 데이터 29종 공개
2총 3,544만 4,173건, 약 1조 5,600억 토큰 규모의 대규모 데이터셋 구축
3멀티모달(영상, 음성), AI 에이전트(추론, 실행), 레드티밍, 휴머노이드 로봇용 데이터 포함
4AI 허브 누리집을 통해 무료 다운로드 가능하며, 일부 데이터는 보안 환경인 '안심존'에서 이용 가능
570B~80B 파라미터 수준의 대형 AI 모델 학습이 가능한 규모의 데이터 확보

이 글에 대한 공공지능 분석

왜 중요한가?

1.5조 토큰 규모의 데이터는 70B~80B 파라미터급 대형 모델을 학습시킬 수 있는 수준으로, 국내 기업들이 글로벌 빅테크에 맞서 독자적인 파운데이션 모델을 구축할 수 있는 기술적 토대를 마련했다는 점에서 매우 중요합니다.

어떤 배경과 맥락이 있나?

글로벌 AI 패권 경쟁 속에서 '소버린 AI(Sovereign AI)'의 중요성이 커짐에 따라, 한국의 문화와 법령, 가치관을 반영한 고품질의 한국형 데이터를 확보하여 기술 자립도를 높이려는 국가적 프로젝트의 일환입니다.

업계에 어떤 영향을 주나?

스타트업들은 막대한 비용이 드는 사전학습 데이터 구축 비용을 절감하면서도, 공개된 멀티모달 및 에이전트 데이터를 활용해 특정 도메인에 특화된 고성능 버티컬 AI 서비스를 빠르게 개발할 수 있는 기회를 얻게 되었습니다.

한국 시장에 어떤 시사점이 있나?

단순한 텍스트를 넘어 영상, 음성, 로봇 제어 데이터까지 공개됨에 따라, 국내 AI 산업의 영역이 LLM을 넘어 멀티모달 AI와 물리적 AI(Physical AI)로 확장될 수 있는 중요한 전환점을 맞이했습니다.

이 글에 대한 큐레이터 의견

이번 데이터 공개는 국내 AI 스타트업들에게 '데이터 격차'를 해상할 수 있는 엄청난 기회입니다. 특히 업스테이지의 에이전트 데이터나 LG의 로봇 데이터는 단순 텍스트 기반 모델을 넘어, 실제 행동하고 판단하는 차세대 AI 서비스를 구상하는 창업자들에게 매우 강력한 무기가 될 것입니다. 고가의 데이터 구축 비용 없이도 고품질의 도메인 특화 모델(sLLM)을 실험할 수 있는 환경이 조성되었습니다.

하지만 주의해야 할 점은 데이터의 '양'이 곧 '성능'을 보장하지 않는다는 것입니다. 공개된 데이터는 정부 예산으로 구축된 만큼 특정 목적에 최적화되어 있을 수 있으며, 이를 활용한 모델이 글로벌 빅테크의 범용 모델과 경쟁하기 위해서는 공개 데이터를 어떻게 '재가공'하고 '미세 조정(Fine-tuning)'할 것인지에 대한 독창적인 전략이 필수적입니다. 또한, 일부 데이터의 경우 보안 환경인 '안심존'을 이용해야 하는 등 운영상의 번거로움과 라이선스 제약에 따른 리스크도 고려해야 합니다.

원문 보기 →