[녹색경제신문 = 민보영 기자] SKT컨소시엄이 한국어 기반 독자 인공지능(AI) 파운데이션 모델 개발 사업의 ‘정예팀’으로 선정되면서 국산 AI 기술 확보 전략에 관심이 쏠린다. 리벨리온은 이 프로젝트에서 모델부터 AI 반도체(NPU)까지 기술 전주기를 아우르는 핵심 추론 인프라를 담당한다.

김홍석 리벨리온 소프트웨어 아키텍트 총괄은 <녹색경제신문>과의 인터뷰를 갖고, 글로벌 경쟁 환경 속에서 K-AI 모델이 가지는 경쟁력에 대해 "한국 산업 특성과 사용 환경을 반영한 분야별 특화 AI 모델과 서비스를 만들어내는 데 있다"고 말했다.

김 총괄은 "한국은 통신, 게임 등 다양한 기술·서비스 영역에서 이미 글로벌 경쟁력을 확보하고 있으며, AI 모델 개발 경험 또한 꾸준히 축적해 왔다"면서 "이런 전력이 전문성과 결합하면 한국은 특정 분야에서 세계적으로 경쟁력 있는 파운데이션 모델을 만드는 토대를 갖출 수 있다고 본다"고 강조했다. 

K-AI 모델의 경쟁력은 한국 산업에 대한 도메인 지식과 실제 서비스 운영 경험에 있다. 리벨리온은 데이터센터와 온프레미스 환경에 적합한 AI 추론용 NPU를 만드는 회사다. 관련 풀스택 소프트웨어도 개발한다.

주력 제품은 ‘ATOM-Max’다. SK텔레콤 ‘에이닷’의 통화요약 테스트는 실제 서비스 전환 사례다. 해외에서는 미국·사우디·일본 등으로 확장해 각 지역에서 고객사 검증, 새로운 아이디어나 기술이 실제 구현 가능한지 확인하는 'PoC' 수행, 현지 기관과의 협업 체계 구축을 진행했다.

SKT 정예팀의 강점은 각 분야 핵심 기업과 연구기관이 한 팀으로 모여 모델 개발에 필요한 역량을 하나의 구조 안에서 완성한다는 데 있다. 파운데이션 모델, 멀티모달 연구, 온디바이스 AI, 데이터 구축, NPU 최적화 등이 여기에 포함된다.

역할 분담도 명확하다. SKT의 모델 개발·실증, 크래프톤·포티투닷의 소형모델 증류 및 게임·모빌리티 환경 적용, 리벨리온의 NPU 최적화, 라이너의 응용 성능 개선, 셀렉트스타의 데이터 구축, 대학 연구진의 기반 연구가 유기적으로 연결된다. 이런 구조는 대규모 모델 개발부터 실제 서비스 적용까지 빠르게 이어질 수 있다는 점에서 장점이 크다.

컨소시엄 내 리벨리온의 차별성은 파운데이션 모델이 국민 일상에 자연스럽게 스며들도록 고효율 추론 AI 인프라를 제공한다는 데 있다. 이는 AI 접근성을 높이고 국내 AI 생태계 전반을 건강한 밸류체인으로 확장하는 데 필수적이다.

김 총괄은 "밸류체인 확장을 위해 리벨리온은 컨소시엄과 함께 AI 반도체 기술을 공동 개발하며 핵심 역량의 국내 내재화를 추진하고 있다"면서 "특히 국내에서 유일하게 대규모 상용 환경에서 성능이 검증된 NPU 제품과 모델–칩 최적화 경험을 보유하고 있다. 이는 독자 파운데이션 모델의 효율성과 확장성을 실질적으로 높일 수 있는 차별적 경쟁력"이라고 강조했다. 

리벨리온은 국내 최초로 NPU 기반 AI 반도체를 데이터센터에 상용화한 기업이다. 이는 이번 컨소시엄에서 다양한 파운데이션 모델과 서비스가 리벨리온 NPU 기반 인프라에서 안정적이고 효율적으로 실행될 수 있도록 기여한다. 운영 과정에서 축적한 노하우를 적용해 모델 성능과 서비스 품질을 높이고 있다.

리벨리온은 이번 컨소시엄에서 독자 AI 파운데이션 모델 개발의 전 과정을 함께 수행했다. 구체적으로 모델 최적화와 ‘NPU-as-a-Service’ 구축 등 NPU 기반 AI 서비스를 실제 운영했다. 향후 대국민 서비스가 파운데이션 모델을 기반으로 확산될 때 리벨리온 NPU 상에서 자연스럽게 구동될 수 있도록 준비하는 중요한 기반이다.

향후에는 다양한 엔터프라이즈 고객이 AI 서비스를 보다 효율적으로 도입할 수 있도록 서버 단위부터 랙(POD) 규모까지 확장 가능한 인프라 솔루션을 제공할 계획이다.

김 총괄은 "서버 단위부터 랙(POD) 규모까지 확장 가능한 인프라 솔루션을 제공해, 고객 요구 규모와 워크로드 특성에 맞춰 최적의 AI 추론 환경을 구축할 수 있도록 지원할 것"이라고 설명했다. 

오픈소스를 활용해 AI 추론 서빙이 필요한 기업들에게 하드웨어와 소프트웨어가 유기적으로 결합된 통합 제품을 제공할 계획이라고도 했다. 다양한 형태의 AI 서비스를 더 빠르고 효율적으로 전달할 수 있는 인프라 구성 방식도 고도화해 나갈 방침이다.