한국 4.7조 원 국산 AI 펀드 — 소버린 AI 승부수
한국 정부가 국산 기초 AI 모델 개발에 4조 7천억 원을 별도 펀드로 투입하기로 했습니다.과학기술정보통신부는 2027년도 예산 요구안에 AI 예산 9조 4천억 원을 반영했고, 그 안에 독립 펀드 형태의 국산 프런티어 AI 모델 프로젝트가 포함됐습니다.3조 5천억 원 남짓한 이 펀드가 주목받는 이유는 명확합니다. 한국이 'ChatGPT 같은 글로벌 수준'의 모델을 자체 개발하겠다고 국가 차원에서 판돈을 올린 첫 사례이기 때문입니다.
그림: 한국 4.7조 원 국산 AI 펀드 — — 소버린 AI 승부수
핵심부터 말하면, 이 프로젝트의 진짜 의미는 모델 하나를 만드는 데 있지 않습니다.반도체 이후 한국이 남은 대표 수출 산업이 소프트웨어인데, 그 소프트웨어의 심장인 기초 모델(Foundation Model)이 미국과 중국에 사실상 전량 의존하고 있다는 구조적 불안을 끊으려는 시도입니다.4조 7천억 원이라는 금액이 크게 느껴지지만, OpenAI와 메타가 연간 수십 조 원을 모델 훈련에 쓰는 현실을 놓고 보면 이것은 시작 비용에 불과합니다.
1. 4조 7천억 원 펀드의 구조 — 무엇이 다른가
이번 펀드가 과거 AI 지원사업과 결정적으로 다른 것은 '독립 펀드(independent fund)'라는 형태입니다.기존의 부처별 집행이 아니라 프로젝트 전용 자금을 별도로 묶어 장기·연속 투자하겠다는 설계입니다.기초 AI 모델은 한 해 예산으로 끝나는 성격이 아니라 3~5년 이상의 지속 훈련이 필요하기 때문에, 매년 유실될 수 있는 일반회계 예산 구조로는 패권 경쟁에 끼어들 수 없다는 인식이 반영된 것으로 보입니다.
금액 규모도 예사롭지 않습니다. 과기정통부의 2027년 AI 예산 요구안 9조 4천억 원은 올해보다 수 배 늘어난 수준이고, 그 절반이 국산 모델 펀드 하나에 몰려 있습니다.뉴스 초기 보도 기준으로 4조 7천억 원은 약 35억 달러. 미국 빅테크가 단일 데이터센터 하나에 쓰는 금액 수준입니다.즉 정부는 '규모의 게임'에서 통하지 않는다는 걸 알고 있고, 대신 '전술적 집중'으로 승부하겠다는 전략을 택한 것입니다.
- 총 AI 예산(2027 요구안): 9조 4천억 원 — 역대 최대 수준
- 국산 프런티어 모델 펀드: 4조 7천억 원 (약 35억 달러)
- 펀드 형태: 독립 펀드, 프로젝트 전용
- 목표: 미국·중국 기초 모델에 견줄 만한 국산 베이스 모델 확보
- 참여 후보: 네이버·LG·SKT 등 국내 컨소시엄(기존 독자모델 공모 라인)
한국이 하려는 것은 OpenAI의 복제가 아니다. 외국 기초 모델에 갇힌 산업 구조를 깨기 위한 '최소 독립'의 시작이다.
2. 왜 지금인가 — 소버린 AI와 수출 구조의 교차
소버린 AI(Sovereign AI), 즉 국가 차원의 자체 AI 역량은 글로벌 표준이 됐습니다.일본은 LLM-jp 프로젝트와 RIKEN의 슈퍼컴퓨터 연계로 국산 모델 개발을 지속해 왔고, 프랑스는 미스트랄AI에 사실상 국가 전략 자산 지위를 부여했습니다.중국은 정부 주도로 알리바바 Qwen, DeepSeek, Z.ai 등 오픈웨이트 모델 군단을 키워 글로벌 2위권 시장을 공략 중입니다.
한국의 입지는 불안합니다. 삼성전자·SK하이닉스가 HBM이라는 메모리 강산을 쥐고 있고, 애플리케이션·콘텐츠 역량도 있지만, 정작 '모델'이라는 계층에서는 글로벌 진입이 늦었습니다.이 상태로 가면 AI 시대에 한국 기업은 '인프라는 팔고, 수익은 내주는' 구조로 고착될 위험이 있습니다.특히 공공·국방·금융·의료 같은 민감 영역에서 외국 기초 모델을 쓰는 순간 데이터 주권과 보안의 통제권이 약해집니다.
펀드 타이밍도 이 때문입니다. 2027년 예산 심의를 앞둔 지금, 기획재정부가 성장동력 재원 확보를 강조하고 있고, 반도체 호황이 잡세수 확대를 뒷받침하는 사이가 유일하게 대형 AI 투자를 통과시킬 수 있는 창구입니다.연구개발 세액공제 등 조세감면 총액이 27조 원을 바라보는 가운데 직접 예산으로 효율을 올리려는 정책적 계산도 깔려 있습니다.
3. 4조 7천억의 승부수 — GPU인가, 학습 데이터인가
전문가들이 가장 우려하는 부분은 돈을 어디에 쓰느냐입니다.4조 7천억 원 중 상당액이 엔비디아 GPU 도입으로 새어 나가면 펀드의 절반이 미국으로 순환이탈합니다.이 때문에 정부는 국산 NPU와 국내 데이터센터에 조건을 걸어 자국 산업을 끌어올리려는 움직임을 함께 보이고 있습니다.
두 번째는 학습 데이터입니다. 한국어 고품질 말뭉치는 절대적으로 부족합니다.국립국어원·국가기록원·공공 문서를 개방하고, 저작권 이슈를 정리한 국가 데이터 셋을 확보하는 일이 모델 성능의 50%를 가릅니다.이건 돈으로 바로 해결되는 영역이어서, 펀드 효율의 관건이 될 가능성이 큽니다.
- GPU 비용: 대규모 훈련 1회에 수천억~수조 원 — 해외 반출 리스크
- 국산 NPU 대안: 훈휴·리벨리온 등 — 소프트웨어 생태계가 아직 취약
- 학습 데이터: 공공 한국어 말뭉치 + 저작권 정리가 핵심 병목
- 인재: 글로벌 AI 연구자 풀은 극소수, 연봉 경쟁은 불가능 — 구조화된 페덱스 필요
4조 7천억을 GPU를 사는 데 쓰면 미국에 조공 보내는 것이고, 생태계를 만드는 데 쓰면 한국 소프트웨어의 심장이 된다.
4. 성공 시나리오와 실패 시나리오
성공 시나리오는 '완전한 추격'이 아니라 '특정 영역의 독보'입니다.삼성이 HBM에서 세계 최고 자리를 SK하이닉스와 다투듯, 국산 모델이 한국어·아시아 산업 도메인·공공 B2G 특화에서 독보적 1위를 차지하면 존재 이유는 충분합니다.일본 LLM-jp 모델이 로봇·제조업 도메인에서 자국 기업에 채택된 사례가 이에 해당합니다.
실패 시나리오는 명확합니다.펀드는 조성됐는데 정작 학습용 GPU가 없거나, 성과주의 평가에 눌려 '성공 보고용' 모델만 양산되고, 3년 뒤 예산이 끊겨 프로젝트가 좌초하는 경우입니다.특히 대선·정권 교체 과정에서 장기 국책사업이 단절됐던 한국의 전례를 보면, 펀드 구조가 지속성의 담보인지 아니면 이름뿐인지를 지켜봐야 합니다.
5. 시사점 — 반도체 다음 판에서 한국은 어디에 서는가
"반도체는 세계 1위인데 소프트웨어는 왜 없냐"는 질문이 20년째 되풀이되고 있습니다.이번 4조 7천억 펀드는 정부가 이 질문에 액면 그대로 답하기 시작한 첫 신호입니다.중요한 것은 결과가 아니라 방향입니다. 국산 모델 펀드를 출발점으로 'GPU 확보 전략—한국어 데이터 국산화—국산 NPU 실증'이 한 묶음으로 굴러가는지가 진짜 관건입니다.
투자자 관점에서 보면 이 펀드의 수혜주는 뻔한 빅테크가 아닙니다.국내 데이터센터 REITs, AI 서버 국산 업체, 교육·의료·국방 도메인의 AI 솔루션 기업, 그리고 한국어 B2B 콘텐츠 플랫폼이 진짜 수혜의 최전선에 있습니다.4조 7천억이 '규모의 허상'으로 소멸할지, 한국 소프트웨어의 '심장 이식'으로 완성될지는 앞으로 2년의 예산 심의와 펀드 운용 규칙이 결정합니다.
6. 참고문헌
- 연합뉴스, "Science ministry to inject 4.7 tln won to develop frontier AI model", 2026-09-08
- The Korea Herald, "South Korea Plans 4.7 Trillion Won Fund for Homegrown AI Model", 2026-09-08
- TechXplore, "South Korea promises free homegrown AI chatbot this year", 2026-07
- KoreaTechToday, "Korea Broadens Homegrown AI Push as Motif Enters State-Backed Model Contest", 2026
- Seoul Economic Daily, "Korea's Investment, R&D Tax Breaks to Reach 27 Trillion Won Next Year", 2026-09-07
- Reuters, "South Korea to boost EV subsidies in 2026 to help auto industry weather US tariffs", 2025-11-14
- PwC Tax Summaries, "Korea, Republic of — Tax credits and incentives", 2026-06
- KPMG Korea Tax Brief, "Tax Incentive Limitation Law update 2026", 2026-08