국가 AI컴퓨팅센터 착공부터 자율주행 수출·GeoAI 계획까지

오늘의 판

오늘은 성격이 서로 다른 다섯 가지 AI 소식을 차례로 살펴본다. 전남 해남에서는 국가 AI컴퓨팅센터가 착공했고, KT는 여러 제조사의 로봇과 산업설비를 함께 움직이게 하는 기반 기술을 개발하고 있다. 국내 자율주행 기업은 아랍에미리트에 차량 19대를 공급하는 계약을 맺었다. 정부는 국민이 AI를 배우고 직접 서비스를 만들어 볼 수 있는 지원 체계를 열었으며, 국토교통부는 지도와 건물 같은 공간정보를 AI 학습과 의사결정에 활용하는 5개년 계획을 확정했다.

이 소식들을 하나의 거대한 변화로 묶을 필요는 없다. 착공, 개발, 계약, 개소, 기본계획 확정은 모두 실행 단계가 다르기 때문이다. 이미 제공되는 서비스가 있는가 하면 2027년이나 2030년을 목표로 한 계획도 있다. 발표 제목보다 먼저 확인할 것은 지금 무엇이 실제로 시작됐고, 앞으로 무엇을 더 검증해야 하는지다.

핵심 수치

숫자가 크다고 사업 성과가 바로 커지는 것은 아니다. 시설은 실제 이용 가능 시간과 장애 대응 수준으로, 교육은 완성된 서비스와 후속 운영으로, 데이터는 품질과 적법성으로 평가해야 한다. 계획 수치는 일정과 예산, 담당 주체가 구체화될 때 비로소 실행력을 판단할 수 있다.

산업·기술 이슈

서로 다른 로봇과 설비를 한 흐름으로 연결하려는 KT

KT는 제조사가 다른 로봇과 산업설비를 하나의 업무 흐름으로 연결하는 로봇 오케스트레이션 플랫폼 ‘K RaaS’를 개발하고 있다.1 오케스트레이션은 여러 장비와 시스템에 작업 순서를 나눠 주고 전체 과정을 조정하는 것을 뜻한다. 물류창고를 예로 들면 배송 로봇만 움직여서는 일이 끝나지 않는다. 창고관리시스템에서 주문 정보를 받아야 하고, 이동 중에는 자동문과 엘리베이터도 제때 작동해야 한다. K RaaS는 로봇의 현장 제어 기술, 로봇 안에서 데이터를 처리하는 온디바이스 AI, 클라우드 플랫폼과 주변 설비를 연결하는 구조다.

그림 1. KT가 공개한 K RaaS 관련 현장 이미지다. 피지컬 AI는 로봇 한 대보다 로봇·설비·통신망이 함께 작동하는 전체 구조로 봐야 한다. 출처: KT 제공·비즈워치.

KT는 VLA 에이전트도 개발하고 있다. VLA는 시각·언어·행동을 뜻하는 영어 단어의 머리글자다. 카메라로 주변을 보고, 사람이 말로 내린 지시를 이해한 뒤, 로봇의 실제 행동으로 바꾸는 기술이다. 회사는 이 기능을 특정 로봇 한 종류에만 묶지 않고 여러 형태의 로봇에 적용하는 것을 목표로 한다.

통신망 검증도 함께 진행된다. KT는 삼성전자, HD현대삼호 등과 과학기술정보통신부·한국지능정보사회진흥원의 실증사업에 참여해 2027년까지 조선소 같은 산업현장에서 지연이 짧은 통신환경을 시험할 계획이다.1 전국 약 3,500개 국사를 현장 가까운 전진 데이터센터로 활용하는 엣지 AI 구조도 검토 중이다. 엣지 AI는 데이터를 멀리 떨어진 중앙 데이터센터로 모두 보내지 않고 현장 가까운 곳에서 먼저 처리하는 방식이다.

다만 개발과 실증이 상용 성과를 뜻하지는 않는다. 기사에는 K RaaS의 가격, 상용 고객 수, 장애 발생률 같은 정량 자료가 제시되지 않았다. 공공기관이나 산업현장이 이런 플랫폼을 도입한다면 제조사가 다른 장비가 실제로 연동되는지, 통신이 끊겼을 때 안전하게 멈추는지, 영상과 작업 데이터가 어느 서버로 전송되는지부터 검수해야 한다.

자율주행차 19대를 UAE에 공급하는 직접 계약

오토노머스에이투지는 UAE의 AI 기업 스페이스42와 2,791만 디르함, 한화 약 110억 원 규모의 자율주행차 직접 공급계약을 맺었다.2 공급 대상은 운전석이 없는 레벨4 로보셔틀 ROii 8대, 기아 PV5 기반 차량 5대, 카니발 기반 차량 5대, MAN 버스 기반 차량 1대다. 모두 합해 19대다.

레벨4 자율주행은 정해진 운행 조건과 구역 안에서 시스템이 운전 과정을 맡는 단계다. 모든 도로와 날씨에서 사람이 전혀 필요 없다는 뜻은 아니다. 운행 가능 구역, 속도, 기상 조건, 원격지원 방식 같은 운영 범위를 먼저 정해야 한다. 회사는 차량뿐 아니라 관제 시스템과 원격제어 장치를 구축하고 스페이스42의 호출 애플리케이션과 연동할 예정이다.

그림 2. 오토노머스에이투지의 레벨4 로보셔틀과 스페이스42 관계자의 시승 현장이다. 차량 공급과 함께 관제·호출 체계를 현지 운영환경에 맞추는 일이 계약 이행의 중요한 부분이다. 출처: 오토노머스에이투지 제공·아시아경제.

ROii는 국내에서 완성차 형태로 생산해 2026년 하반기에 현지로 옮기고, 나머지 차량은 UAE에서 조달한 뒤 자율주행차로 개조할 계획이다.2 일부 차량은 같은 해 하반기 아부다비의 사디야트섬과 야스섬에서 시범운행을 시작한다. 현지 검증을 거친 뒤 2027년 이후 수요응답형 교통과 관광 셔틀로 전환한다는 계획이다.

이번 계약은 국내 실증 경험이 해외 직접 공급으로 이어졌다는 점에서 의미가 있다. 그러나 공급계약 체결, 차량 인도, 시범운행 승인, 상용 서비스 전환은 각각 다른 관문이다. 버스 투입 시점과 2027년 이후 서비스 규모는 아직 정해지지 않았다. 19대 이후 대량 수출 가능성도 회사의 기대이지 확정된 추가 주문은 아니다. 발주기관 관점에서는 현지 도로 적합성, 사고 때 책임 분담, 원격관제 권한, 운행 데이터 보존기간을 계약서와 운영규정으로 나눠 확인해야 한다.

정부·공공 이슈

국가 AI컴퓨팅센터는 이제 착공 단계다

과학기술정보통신부는 8월 3일 전남광주통합특별시 해남군 솔라시도 데이터센터 파크에서 국가 AI컴퓨팅센터 착공식을 열었다.3 지난해 9월 사업자 공모에 삼성SDS 컨소시엄이 단독 응찰했고, 기술·정책평가와 금융심사, 국민성장펀드 출자 승인을 거쳐 사업자로 선정됐다. 과기정통부와 금융위원회 국민성장펀드, 삼성SDS 컨소시엄이 함께 출자한 운영법인 ‘한국에이아이컴퓨팅센터 주식회사’는 2026년 6월 설립됐다.

그림 3. 해남 솔라시도 데이터센터 파크에서 열린 국가 AI컴퓨팅센터 착공 현장이다. 현재는 기반시설을 만드는 단계이며, 실제 컴퓨팅 자원 제공 일정과 구분해 볼 필요가 있다. 출처: 전남광주통합특별시 제공·IT비즈뉴스.

센터는 2028년까지 건물과 고성능 AI 서버 시설을 구축할 계획이다.3 완공 전인 2027년에는 삼성SDS 데이터센터의 일부 자원을 먼저 제공한다. 연구개발 구역에서는 국산 AI 반도체의 설계와 시제품 검증, 상용 서비스 운영을 지원할 예정이다. 여기서 컴퓨팅 자원은 AI 모델을 학습하거나 서비스를 실행할 때 필요한 고성능 연산장비와 사용시간을 뜻한다.

착공은 중요한 출발점이지만 이용 가능한 GPU가 이미 배분됐다는 뜻은 아니다. 이번 기사에는 최종 GPU 수량, 기관별 배분 기준, 이용료가 제시되지 않았다. 공공 수요기관은 장비 규모뿐 아니라 신청·선정 절차, 자원 사용 우선순위, 장애 때 보상과 복구 기준, 공급자를 바꿀 수 있는 조건을 확인해야 한다. 국산 AI 반도체 지원도 시험 통과 기준과 실제 조달 연계 조건이 공개돼야 성과를 판단할 수 있다.

‘모두의 AI 성장사다리’가 통합 운영을 시작했다

과기정통부는 8월 3일 국립광주과학관에서 ‘모두의 AI 성장사다리 프로젝트’ 출범식을 열고 배움터·실험실·라운지를 통합 개소했다.4 배움터는 여러 공공 AI 교육과정을 한곳에서 찾아보도록 연결하는 역할을 한다. 2026년 하반기부터 삼성 SSAFY, KT AICE, 마이크로소프트 Learn, 구글 Skill Boost 같은 민간 교육 플랫폼으로 연계를 넓힐 계획이다.

실험실은 자연어로 프로그램을 만드는 바이브 코딩 환경, 생성형 AI 모델을 호출할 수 있는 토큰, 민간 클라우드와 개발도구를 제공한다.4 정부 발표에 따르면 공공·민간 데이터 9만9,000건과 API 1만3,000건도 활용할 수 있다. API는 한 서비스가 다른 서비스의 데이터나 기능을 정해진 방식으로 요청하는 통로다. 데이터 목록이 많다는 사실만으로 바로 좋은 서비스가 만들어지는 것은 아니다. 실제 개발자는 데이터의 갱신일, 이용허락 범위, 개인정보 포함 여부, 누락과 오류를 먼저 확인해야 한다.

그림 4. 배움터·실험실·라운지를 통합 개소한 ‘모두의 AI 성장사다리’ 행사 현장이다. 교육 참여자 수뿐 아니라 개발 결과와 지역 실증이 실제 서비스로 이어지는지를 후속 지표로 봐야 한다. 출처: 과학기술정보통신부 제공·헬로디디.

오프라인 라운지는 수도권, 강원권, 충청권, 경상권, 전라제주권 등 5개 권역에서 전문가 코칭과 지역문제 실증을 지원한다. 우수 개발팀에는 법률·기술·마케팅 분야의 창업 컨설팅을 후속 지원할 계획이다.4 현재 확인된 것은 통합 개소와 운영 시작이다. 개인별 모델 토큰과 클라우드 지원량, 참여자 선정 기준은 기사에 구체적으로 제시되지 않았다. 창업과 지역문제 해결도 아직 측정된 성과가 아니라 지원 목표다.

이 사업을 평가할 때는 교육 수료자 수만 세어서는 부족하다. 교육을 마친 사람이 실제 서비스를 완성했는지, 데이터 이용 절차를 지켰는지, 지역 실증 결과를 다른 현장에서도 재현할 수 있는지, 지원 종료 후 누가 서비스를 운영하는지를 따로 봐야 한다.

공간정보를 AI 학습과 의사결정에 쓰는 5개년 계획

국가공간정보위원회는 제4차 공간정보산업진흥 기본계획을 심의·확정했다.5 계획 기간은 2026년부터 2030년까지다. GeoAI 핵심 공간정보 구축, 공간정보 유통·활용 활성화, 산업 경쟁력 강화라는 3대 전략 아래 12개 과제를 추진한다.

GeoAI는 지도, 위성영상, 도로, 건물과 같은 공간정보를 AI가 학습해 위치와 주변 환경을 분석하도록 하는 기술이다. 정부는 정밀도로지도의 구축 범위를 2030년까지 법정도로 12만 km로 넓히고, 실내공간정보는 현재 138곳에서 약 1,400곳으로 확대할 계획이다.5 3차원 공간정보를 AI 학습데이터로 만들고 공간 분석과 의사결정을 지원하는 GeoAI 파운데이션 모델도 개발한다. 파운데이션 모델은 여러 공간분석 업무에 다시 활용할 수 있도록 대규모 데이터로 먼저 학습한 기반 모델을 뜻한다.

서울과 대전 두 곳에서 운영하는 공간정보 안심구역은 확대할 계획이다. 안심구역은 공개가 제한된 공간정보를 통제된 환경에서 분석하도록 마련한 장소다. 공공기관이 가진 공간정보는 국가공간정보통합플랫폼인 K-GeoP로 수집하고, 국민이 지도를 조회하는 브이월드를 통해 개방하는 방향도 제시됐다.5

2024년 12월 기준 국내 공간정보산업은 매출 11조3,000억 원, 사업체 5,854개, 종사자 7만4,067명으로 집계됐다. 이 숫자는 산업의 현재 규모를 보여 주지만 새 계획의 성과는 아니다. GeoAI 모델의 세부 개발 일정과 성능평가 기준, 예산도 이번 기사에는 구체적으로 나오지 않았다. 실제 서비스에서는 지도와 현실이 어긋나지 않도록 갱신주기를 정하고, 좌표 정확도를 검증하며, 공개제한 정보의 반출 기록과 AI 분석 결과의 책임 주체를 명확히 해야 한다.

교차 분석

다섯 사건에서 공통으로 확인되는 것은 ‘발표’와 ‘운영 성과’ 사이에 여러 단계가 있다는 사실이다. 국가 AI컴퓨팅센터는 착공 뒤 시설 구축과 자원 제공이 남아 있다. 자율주행 수출은 계약 뒤 차량 인도, 현지 시범운행, 상용 전환을 거쳐야 한다. 로봇 플랫폼은 개발과 실증 이후 가격·안정성·상호운용성을 증명해야 한다. 교육·개발 지원과 공간정보 계획도 참여자 수나 목표 데이터량보다 실제 서비스의 지속성과 품질로 평가해야 한다.

또 하나의 연결점은 AI가 단독 소프트웨어가 아니라 시설과 통신망, 차량, 데이터, 운영규칙을 함께 요구한다는 점이다. 로봇이 정확해도 통신이 끊겼을 때 안전정지 규칙이 없으면 현장에 넣기 어렵다. 고성능 서버가 많아도 자원 배분과 장애 대응이 불투명하면 공공기관이 안정적으로 이용하기 어렵다. 공간데이터가 많아도 갱신과 접근통제가 약하면 잘못된 행정 판단으로 이어질 수 있다. 기술 성능표와 별개로 전체 운영체계를 시험해야 하는 이유다.

AI 관련 담당자라면 참고할 만한 적용 항목

사업계획서와 제안요청서에서는 실행 단계를 한 줄로 뭉치지 않는 편이 좋다. 예를 들어 ‘AI 인프라 구축’이라고만 쓰지 말고 착공, 장비 설치, 시험 제공, 정식 운영, 이용기관 확대를 각각의 완료 기준으로 나눌 수 있다. 계약이나 협약도 체결 건수보다 납품, 현장검증, 승인, 실제 이용으로 이어지는 전환율을 함께 기록해야 한다.

피지컬 AI와 자율주행을 검토한다면 정상 작동 시험만으로는 부족하다. 통신 단절, 센서 오류, 원격관제 지연, 외부 시스템 장애를 가정한 안전정지 시험이 필요하다. 사고가 발생했을 때 차량·로봇·통신망·관제센터 중 어느 주체가 어떤 로그를 보관하고 책임지는지도 계약 전에 정해야 한다.

교육과 데이터 지원사업은 신청자와 수료자 수 외에 완성된 서비스 수, 현장 실증 통과율, 지원 종료 뒤 운영률을 함께 볼 수 있다. 데이터와 API는 목록 수보다 실제 사용 가능 여부가 중요하다. 최신 갱신일, 이용조건, 개인정보·저작권 검토, 오류 신고와 수정 절차를 공통 점검표로 관리하면 숫자와 실사용의 차이를 줄일 수 있다.

공간정보와 고성능 컴퓨팅 자원은 배분 원칙을 공개할 필요가 있다. 어떤 기관과 과제가 우선인지, 이용료는 어떻게 계산하는지, 장애와 공급 부족 때 어떤 절차로 복구하거나 다른 자원으로 전환하는지 미리 정해야 한다. AI 사업의 성패는 장비를 확보한 시점보다 여러 기관이 예측 가능한 규칙 아래 반복해서 사용할 수 있는지에 달려 있다.

리스크와 불확실성

오늘 확인한 자료에는 앞으로의 계획과 기업 발표가 많이 포함돼 있다. 국가 AI컴퓨팅센터의 2027년 조기 제공과 2028년 구축, KT의 약 3,500개 국사 활용, 자율주행 서비스의 2027년 이후 전환, 민간 교육 플랫폼 연계, 2030년 공간정보 목표는 모두 향후 이행을 확인해야 할 사안이다.

가격과 예산도 상당 부분 공개되지 않았다. 국가 AI컴퓨팅센터의 이용료와 기관별 배분 기준, K RaaS의 가격과 상용 고객 수, 모두의 AI 실험실의 개인별 지원량, GeoAI 모델의 예산과 평가기준은 기사에서 확인할 수 없었다. 후속 발표에서는 계획 변경 여부와 함께 실제 이용기관 수, 장애 기록, 현장검증 결과, 예산 집행률을 살펴볼 필요가 있다.

출처 기사에 제시된 기대효과도 확정된 성과와 구분해야 한다. 자율주행차 19대 이후 대량 수출, 교육지원 이후 창업과 지역문제 해결, 공간 AI를 통한 산업 경쟁력 강화는 가능한 결과지만 아직 실현됐다고 단정할 수 없다.

더 깊이 공부하고 싶다면?

• 국가 AI컴퓨팅센터의 자원 배분·이용료·장애 보상 기준은 언제 어떤 문서로 공개되는가?
• 제조사가 다른 로봇과 설비의 상호운용성을 어떤 시험 항목과 공개 지표로 확인할 수 있는가?
• UAE 자율주행 시범운행에서 원격관제 책임과 사고 데이터 보존은 어떤 규정으로 정해지는가?
• ‘모두의 AI 성장사다리’는 교육 수료 이후 서비스 완성·지역 실증·지속운영 성과를 어떻게 측정하는가?
• GeoAI 학습데이터의 갱신주기와 공개제한 공간정보의 반출통제, 모델 성능평가 기준은 어떻게 설계되는가?