인프라는 깔았는데 선수가 없다 — 한국 AI 정책, 무엇이 빠져 있는가

예산 10.1조원, GPU 26만개, AI 기본법 시행. 숫자는 화려하다. 그런데 한국산 프론티어 AI 모델은? AI 유니콘은? 글로벌에서 쓰이는 한국산 AI 서비스는? “기반을 깔았지만 경기를 뛰는 선수가 없다.”

1. 한국이 준비하고 있는 것 — 팩트 정리

숫자부터 보자.

AI 기본법

2024년 12월 국회 통과, 2026년 1월 시행. 진흥 우선·최소 규제 철학을 채택했다. 고영향 AI(의료, 사법, 고용 등)에 대해서만 5가지 의무(투명성, 안전성 평가, 설명 가능성, 인간 감독, 차별 금지)를 부과하고, 나머지는 자율 규제에 맡긴다. EU AI Act의 포괄적 규제와는 대조적인 접근이다.

인프라

  • 2026년 AI 예산 10.1조원 — 전년 대비 약 3배 증가 (과학기술정보통신부)
  • GPU 26만개 확보 목표 — 국가 AI 컴퓨팅 인프라 확대
  • 해남 국가AI컴퓨팅센터: 2.5조원 투자, 한국판 ABCI를 목표
  • 2028년까지 76개 AI 데이터센터 구축 계획

인재

  • AI 인재양성 1.4조원 투자
  • KAIST AI 단과대 신설
  • 5년간 100만명 AI 교육 목표

비자

  • K-STAR 비자: 연간 400명 이상, AI·반도체 등 첨단 분야 해외 인재 유치
  • Top-Tier 비자 확대, E-7-M(첨단 분야 전문인력) 신설

반도체

  • HBM(고대역폭 메모리): 세계 시장의 80~90%를 삼성전자·SK하이닉스가 점유
  • 국산 NPU(신경망처리장치): 1.27조원 투자, K-NPU 소프트웨어 생태계 구축 추진

숫자만 보면 나쁘지 않다. AI 기본법의 친혁신 기조, 10조원대 예산, HBM 반도체 경쟁력까지. 그런데 왜 한국에서 OpenAI나 DeepSeek, 심지어 Sakana AI 같은 회사가 나오지 않는가?

2. 그런데 무엇이 빠져 있는가 — 핵심 분석

핵심 테제: 한국에는 “에코시스템”이 아니라 “인프라 프로젝트”만 있다.

인프라를 깔았지만 그 위에서 뛰는 선수가 없다. 다섯 가지 결핍을 짚는다.

(1) 프론티어 모델 부재

OpenAI(GPT-5), Anthropic(Claude), Google(Gemini), Meta(Llama), DeepSeek(V3/R1), Mistral — 글로벌 AI 경쟁은 프론티어 모델을 누가 만드느냐의 싸움이다. 한국산 프론티어 모델은 없다.

네이버의 HyperCLOVA X, 삼성의 Samsung Gauss가 있지만, 글로벌 벤치마크에서 경쟁력을 가진 모델이라고 보기 어렵다. 반면 일본은 SoftBank의 Sarashina, NTT의 Tsuzumi, Sakana AI의 연구 모델들이 나오고 있고, 10개 기업이 합작한 국산 파운데이션 모델 법인까지 설립했다.

인프라가 있어도 모델이 없으면 GPU는 그냥 전기를 먹는 기계일 뿐이다.

(2) 벤처 자본 생태계의 깊이 부족

미국의 2025년 AI VC 투자액은 **$1,590억(약 230조원)**으로, 글로벌 AI 투자의 79%를 차지한다 (Crunchbase, 2025). OpenAI의 밸류에이션 $3,000억, Anthropic $1,830억. 이런 메가딜이 미국 AI 에코시스템을 굴린다.

한국은 150조원 규모의 국가성장펀드를 조성했지만, GP(운용사)들의 공통된 보고는 **“투자할 대상이 부족하다”**는 것이다. 정부 자금은 있으나, 그 자금을 흡수할 수 있는 AI 스타트업의 깊이와 규모가 따라오지 못한다. 자금의 문제가 아니라 생태계의 문제다.

(3) 연구→창업 파이프라인 단절

미국 AI 생태계의 가장 강력한 엔진은 연구자→창업 파이프라인이다.

  • Google Brain 연구자들 → OpenAI 공동창업
  • Meta FAIR 연구자 → Anthropic, Cohere, Adept 등으로 스핀아웃
  • Google DeepMind 연구자 → Sakana AI (일본 도쿄에서 창업)

한국에서 삼성리서치, 네이버 AI Lab, ETRI 연구자가 나와서 AI 스타트업을 창업하는 사례가 몇 건이나 되는가? 대기업 연구소에 들어가면 나오지 않는 문화, 스핀아웃에 대한 제도적 지원 부재, 실패에 대한 사회적 낙인이 이 파이프라인을 막고 있다.

(4) 기업 AI 도입률 저조

OECD 데이터(2024)가 현실을 말해준다.

  • 한국 대기업 AI 도입률: 9.2%
  • 한국 중기업 AI 도입률: 2.9%
  • OECD 평균: 20.2%

GPU를 사놓고, AI 교육을 시키고, 법률까지 만들었는데 실제로 AI를 쓰는 기업이 OECD 평균의 절반도 안 된다. 인프라와 실제 도입 사이의 간극이 이렇게 크다. 고속도로를 깔았는데 차가 안 다니는 것과 같다.

(5) “무분별한 교육” 문제

5년간 100만명 AI 교육. 양으로는 인상적이다. 그러나 실제 AI 리더를 만드는 것은 교육 프로그램이 아니라 실전 프로젝트와 창업 경험이다.

Ilya Sutskever(OpenAI 공동창업자)는 대학원 연구실에서, Dario Amodei(Anthropic CEO)는 Google Brain에서, David Ha(Sakana AI 공동창업자)는 Google Japan에서 실전 경험을 쌓은 뒤 창업했다. 이들을 만든 것은 수료증이 아니라 세계 최고 수준의 연구 환경과 실전 프로젝트였다. 100만명에게 Python과 TensorFlow를 가르치는 것과 1명의 프론티어 AI 연구자를 키우는 것은 완전히 다른 문제다.

3. 다른 나라는 어떻게 하고 있는가 — 비교 분석

미국: 에코시스템의 힘

미국은 정부가 인프라를 깔면 민간이 경기를 뛴다.

  • 2025년 AI VC 투자 $1,590억 — 글로벌 AI 투자의 79% (Crunchbase)
  • OpenAI: $3,000억 밸류에이션, GPT-4/o 시리즈로 글로벌 AI 표준 설정
  • Anthropic: $1,830억 밸류에이션, Claude로 엔터프라이즈 AI 시장 공략
  • CHIPS Act: 정부가 $527억 투자 → 민간 $1조 이상 투자 유발
  • 규제: EU처럼 사전 규제가 아닌, 행정 명령 기반의 유연한 접근

핵심은 정부의 역할이 “인프라 + 규제 최소화”에 머물고, 실제 AI 혁신은 민간이 주도한다는 것이다. OpenAI, Anthropic, Google, Meta, xAI — 이 모든 프론티어 모델 개발사가 민간 기업이다.

중국: 국가-기업 통합 모델

중국은 미국의 칩 수출 규제라는 제약 속에서도 알고리즘 효율로 돌파하고 있다.

  • DeepSeek: 미국 칩 규제 속에서 V3/R1 모델을 개발, 학습 비용 $557만(GPT-4의 1/20)으로 경쟁력 있는 성능 달성
  • 15개 “국가 AI 팀” 지정 — 바이두, 알리바바, 텐센트, 화웨이 등이 각 분야별 AI 챔피언으로 육성
  • 535개 대학 AI 전공, 연간 357만 STEM 졸업생 — 미국의 5배 규모
  • 슈퍼앱 생태계: WeChat, Alipay 등을 통해 AI 서비스를 14억 인구에게 즉시 배포 가능

핵심은 **“제약을 혁신으로 전환”**하는 능력이다. 칩이 부족하니 알고리즘 효율을 극한까지 끌어올렸고, 내수 시장이 크니 글로벌 진출 전에 국내에서 충분히 검증할 수 있다.

일본: Full-Stack AI 주권 전략

일본은 한국과 가장 비교하기 좋은 대상이다. 비슷한 시기에 AI 법률을 만들고, 비슷한 규모의 정부 투자를 발표했다. 그러나 일본에는 한국에 없는 것이 있다: 기업 수준의 AI 전략.

법률과 예산

  • AI 촉진법 (2025년 5월 통과), AI 기본계획 (2025년 12월 수립) — 한국과 비슷한 시기
  • 인프라 투자 규모: 정부 10조엔($650억) + 민간 $700억 이상 — 한국의 약 10배
    • AWS $152억 일본 투자, Microsoft $29억, SoftBank 사카이 데이터센터 등
    • ABCI 3.0: 6,128개 H200 GPU, 6.22 엑사플롭스 — 국가 AI 슈퍼컴퓨터

핵심 차이점 — 기업이 풀스택 AI 전략을 실행하고 있다

SoftBank — AI 시대의 총력전

  • Project Izanagi: $1,000억 규모 AI칩 벤처, 커스텀 AI 반도체 2026년 말 출하 목표
  • Stargate JV: OpenAI·Oracle과 $5,000억 규모 AI 데이터센터 합작
  • SB OAI Japan: OpenAI와 합작으로 일본어 특화 AI 서비스 법인 설립
  • Sarashina LLM: 자체 대규모 일본어 언어 모델 개발
  • 손정의 회장의 선언: “SoftBank는 AI 회사가 된다”

NTT — 경량 AI와 광네트워크의 결합

  • Tsuzumi 2: GPU 1개로 작동하는 경량 LLM. 엔터프라이즈 환경에서 비용 효율적인 AI 배포를 목표
  • IOWN: 광네트워크 기반 차세대 통신 인프라. AI 워크로드의 전력 효율을 100배 개선 목표

Fujitsu — 소버린 AI 서버 국내 생산

  • 2026년 3월부터 AI 서버 국내 생산 시작
  • Takane LLM: 자체 대규모 언어 모델로 엔터프라이즈 AI 시장 공략
  • Fujitsu Kozuchi AI 플랫폼을 통해 기업 AI 도입 가속화

Sakana AI — 일본 최초의 AI 유니콘

  • Google 연구자 David Ha와 Llion Jones(Transformer 논문 공저자)가 도쿄에서 창업
  • $4.79억 펀딩, $26.5억 밸류에이션 — 일본 역사상 최초의 AI 유니콘
  • “진화적 AI(Evolutionary AI)” 접근으로 차별화된 연구

국가 AI 회사

SoftBank, Preferred Networks 등 10개 기업이 공동으로 국산 파운데이션 모델 개발 법인을 설립했다. 정부가 5년간 1조엔을 지원한다. 한국에는 이런 기업 연합 + 정부 지원의 모델이 없다.

GENIAC

METI(경제산업성) 주관 AI 액셀러레이터 프로그램. 30개 프로젝트를 선정하여 ABCI 3.0 인프라를 제공하고 사업화를 지원한다. 인프라를 깔고 끝나는 게 아니라, 그 인프라 위에서 뛸 선수를 직접 육성하는 프로그램이다.

Physical AI — 로봇 AI로 차별화

세계 산업 로봇의 38%가 일본산이다 (IFR, 2024). 일본은 이 하드웨어 강점을 AI와 결합하는 “Physical AI” 전략을 추진 중이다. 소프트웨어 AI에서 미국·중국을 이기기 어렵다면, 로봇 + AI 융합에서 차별화하겠다는 전략이다.

반도체

Rapidus: 2nm 칩 2027년 양산 목표. IBM·IMEC과 기술 제휴, 홋카이도 치토세에 파운드리 건설 중. AI 반도체의 최첨단 공정을 일본 국내에서 확보하겠다는 의지.

4. 한국이 배워야 할 것 — “인프라”에서 “에코시스템”으로

핵심 공식은 간단하다.

진짜 AI 경쟁력 = 인프라 × 프론티어 모델 × 벤처 생태계 × 기업 도입률

곱셈이다. 하나라도 0이면 전체가 0이 된다.

요소미국중국일본한국
인프라◎○◎○
프론티어 모델◎◎△→○×
벤처 생태계◎○△→○△
기업 AI 도입◎○○×
규제 환경◎○○○

한국은 인프라(○)와 규제(○)에서는 따라가고 있지만, 프론티어 모델(×)과 기업 AI 도입(×)에서 치명적인 공백이 있다.

구체적 제안 4가지

1. 국산 프론티어 모델 프로젝트

일본의 “국가 AI 회사” 모델을 참고해야 한다. 삼성·네이버·카카오·SKT가 합작으로 K-Foundation Model 법인을 설립하고, 정부가 인프라(GPU, 데이터센터)와 자금을 지원하는 구조다. 각 기업이 개별적으로 HyperCLOVA, Samsung Gauss를 만드는 것보다, 자원을 집중해 글로벌 경쟁력 있는 하나의 모델을 만드는 것이 현실적이다.

2. 대기업 연구소→스타트업 스핀아웃 인센티브

Sakana AI는 Google 연구자가 일본에서 창업해 $26.5억 유니콘이 되었다. 한국에서도 삼성리서치, 네이버 AI Lab, ETRI 연구자가 나와 창업할 수 있도록 제도적 지원이 필요하다. 구체적으로:

  • 대기업 연구소 출신 창업자에 대한 비경쟁 조항(Non-compete) 완화
  • 모기업이 스핀아웃 기업에 투자·협력하는 인센티브 (세제 혜택 등)
  • 스핀아웃 실패 시 원직 복귀 보장제도 (일본 일부 기업에서 시행 중)

3. 기업 AI 도입 의무화/인센티브

대기업 9.2%, 중기업 2.9%의 AI 도입률을 5년 내 OECD 평균 20%까지 끌어올려야 한다. 방법:

  • SME AI 도입 보조금 확대 (도입 비용의 50~70% 정부 지원)
  • 공공 조달에서 AI 활용 기업 우대 가점
  • 산업별 AI 도입 로드맵 수립 및 컨설팅 지원
  • 성공 사례 공유 플랫폼 운영

4. 메가딜 AI VC 펀드 육성

100억원 이상 규모의 AI 전문 벤처펀드를 육성해야 한다. 정부가 LP(출자자)로 참여하되 GP(운용사)는 민간이 맡는다. 현재 한국의 문제는 자금이 없는 것이 아니라 메가딜을 집행할 수 있는 전문 GP와 투자 대상 스타트업이 동시에 부족하다는 것이다. 이스라엘처럼 Yozma 펀드 모델(정부 매칭 + 민간 운용)을 AI 분야에 특화하여 적용할 필요가 있다.

5. AI 개발자에서 AI 벤처 기업가로 — 개인 성장 로드맵

정책을 기다릴 수 없다면, 개인이 직접 움직여야 한다. 그리고 지금은 역사상 AI 창업의 진입 장벽이 가장 낮은 시기다.

솔로 파운더 AI 스타트업의 부상

숫자가 이를 증명한다.

  • 솔로 파운더 비율: 17%(2017) → 36%(2024) — AI 스타트업에서 1인 창업이 2배 이상 증가 (PitchBook)
  • AI 도구의 생산성 향상: 개발자 생산성 55% 향상 (GitHub Copilot Research, 2024) — 소규모 팀으로 대규모 프로덕트가 가능해졌다
  • 초기 AI 펀딩의 19%가 솔로 파운더에게 투자되고 있다 (Crunchbase)

AI 도구가 개발자 1명의 생산성을 10명분으로 만들어주는 시대에, 아이디어와 실행력만 있으면 혼자서도 글로벌 AI 프로덕트를 만들 수 있다.

실전 성장 경로

1단계: 기술 깊이 — 도메인 특화 문제 발견

범용 AI 모델을 만드는 것은 OpenAI나 Anthropic의 영역이다. 개인이 노려야 할 곳은 특정 도메인(헬스케어, 금융, 제조, 법률 등)에서 AI로 10배 개선할 수 있는 문제다. 도메인 지식 + AI 기술의 교차점에서 기회가 생긴다.

2단계: 프로덕트 빌딩 — 최소 인원 MVP

AI를 활용해 최소 인원(1~3명)으로 MVP를 구축하고, 빠르게 시장 검증한다. Claude, GPT-4, Cursor, Replit Agent 등의 AI 도구를 활용하면 이전에는 팀이 필요했던 작업을 혼자서도 할 수 있다.

3단계: 글로벌 시장 — 처음부터 밖을 본다

한국 내수 시장은 작다. AI SaaS라면 처음부터 일본, 동남아, 영어권 시장을 타겟으로 해야 한다. 일본은 AI 도입 수요가 폭발하고 있지만 AI 인재가 부족해 한국 AI 개발자에게 기회가 있다. 동남아는 디지털 전환이 빠르게 진행 중이다.

4단계: 글로벌 네트워크 구축

  • 일본: Sakana AI, GENIAC 프로그램, SoftBank Vision Fund 생태계
  • 미국: Y Combinator, a16z, Sequoia 등 톱티어 VC와 액셀러레이터
  • 싱가포르: 동남아 AI 허브, 정부의 적극적 AI 스타트업 유치 정책

5단계: 글로벌 자본 접근

한국 정부 프로그램(K-Startup Grand Challenge, TIPS)도 활용하되, 글로벌 액셀러레이터에 직접 도전해야 한다. Y Combinator, 일본 GENIAC, 싱가포르 IMDA의 AI Verify 프로그램 등. 한국 VC의 AI 투자 규모가 미국의 1%도 안 되는 현실에서, 글로벌 자본에 접근하는 것은 선택이 아니라 필수다.

6. 마무리: 고속도로만 깔고 차를 안 만드는 나라

한국 정부의 노력을 부정하는 것이 아니다. AI 기본법의 친혁신 기조, 10조원 예산, HBM 반도체 경쟁력 — 이 모든 것은 필요조건이다. 그러나 충분조건이 아니다.

일본을 보라. 정부가 인프라를 깔면서 동시에 SoftBank가 $1,000억 AI칩 프로젝트를 추진하고, NTT가 경량 LLM을 만들고, Sakana AI가 유니콘이 되고, 10개 기업이 국산 파운데이션 모델 법인을 설립했다. 정부와 기업이 **풀스택(칩→모델→서비스)**을 함께 만들고 있다.

미국을 보라. 정부가 CHIPS Act로 인프라를 깔자, 민간이 $1조 이상을 투자하고, OpenAI·Anthropic·xAI가 프론티어 모델을 만들고, 수천 개의 AI 스타트업이 그 위에서 서비스를 만들었다. 인프라 위에 에코시스템이 작동한다.

중국을 보라. 칩이 부족하다는 제약 속에서도 DeepSeek이 알고리즘 효율로 프론티어 모델을 만들었다. 제약을 혁신으로 전환하는 능력이 있다.

한국은? 인프라를 깔았다. 법을 만들었다. 예산을 배정했다. 그런데 그 위에서 뛸 선수가 없다.

AI 시대의 경쟁력은 인프라 투자액이 아니라 글로벌에서 쓰이는 AI 프로덕트의 수로 측정된다. 한국이 진정한 AI 강국이 되려면, “인프라 프로젝트”에서 “에코시스템 구축”으로 패러다임을 전환해야 한다.

그리고 AI 개발자라면: 정부 정책을 기다리지 말고, 글로벌 에코시스템에 직접 뛰어들어라. 지금은 AI 도구 덕분에 혼자서도 글로벌 프로덕트를 만들 수 있는 시대다. 한국의 AI 에코시스템이 아직 부족하다면, 세계를 당신의 에코시스템으로 만들면 된다.

참고 자료