신정부의 K-AI 글로벌 도약을 위한 소버린 AI 생태계 구축과 R&D전략

제1장 글로벌 인공지능 산업분석 및 투자·정책 현황
1. 글로벌 AI 현황과 산업분석
1) AI Index 2025 주요 내용
(1) 연구 개발
가. 출판물
나. AI 모델
다. 특허
(2) 기술 성능
가. 새로운 벤치마크
나. 모델 간 성능 격차 감소
다. 기술 진보와 한계
(3) 책임 있는 AI
가. AI 관련 사건 수
나. 새로운 벤치마크
다. 기업의 대응
라. 학계 및 정부의 대응
(4) 경제
가. 민간 투자
나. 인재 집중도
다. AI 도입률
(5) 과학 및 의료
가. `24년 의료 및 과학 마일스톤
나. 단백질 연구
다. 임상 치료
라. 전통 과학 분야
마. 윤리 문제
(6) 정책 및 거버넌스
가. AI 법률 증가
나. AI 규제 건수 증가
다. 공공부문 투자
(7) 교육
가. AI 교육 도입 확산
나. AI 교육 표준화
다. 인재 쏠림 현상
(8) 여론
가. 글로벌 대중 인식
나. 고용 및 삶의 질에 대한 인식
다. 자율주행차와 신뢰도
라. AI 규제 인식
2) AI 인프라 동향 분석
(1) AI 인프라 정의 및 중요성
가. AI 인프라
나. AI 인프라의 중요성
(2) 국가별 AI 인프라 현황
가. 한국
나. 미국
다. 중국
라. 유럽
(3) 미래의 AI 인프라 사회를 위해 준비해야 할 일
가. AI 인프라에 대한 이해와 준비
나. 실정에 맞는 규제와 세제 혜택
다. 민관협력을 통한 AI 인프라 구축
(4) 시사점
3) 인공지능 시장 규모 및 전망 분석
(1) 세계 시장
가. 인공지능(AI) 시장의 규모 및 전망
나. 기술별 인공지능 시장 규모 및 전망
다. 비즈니스 기능별 인공지능 시장 규모 및 전망
라. 업계별 인공지능 시장 규모 및 전망
마. 권역별 인공지능 시장 규모 및 전망
(2) 국내 시장
4) 기업 및 제품 동향
(1) 해외 업체 및 제품
(2) 국내 업체 및 제품
2. 주요국 정책과 AI 분야 투자 동향
1) 해외
(1) 미국
가. 스타게이트 프로젝트
나. 국가 AI 연구 자원 파일럿
다. 2025 NITRD 프로그램
라. CHIPS 국가 첨단 패키징 제조 프로그램
(2) 중국
가. 인공지능 플러스(AI+) 이니셔티브(人工智能+行动)
A) 베이징시(1,000억 위안, `25~`27)
B) 저장성(1,000억 위안, `25~`27)
C) 광시(335억 위안, `25~)
D) 광둥성(262억 위안, `25~)
E) 난충시(113.7억 위안, `25~)
F) 쑤저우시(60억 위안 `25~)
나. 국가대형펀드 3단계(国家大基金三期)
다. 국가 인공지능 산업 투자 기금(国家人工智能基金)
라. 인공지능 산업사슬 발전지원 행동계획(持人工智能产业链发展行动方案)
(3) 영국
가. 공공부문 개혁 변혁기금(Transformation Fund for Government Digital Reform)
나. AI 기회 행동 계획(AI Opportunities Action Plan)
(4) 싱가포르
가. 2025년 엔터프라이즈 컴퓨팅 이니셔티브(Enterprise Compute Initiative)
나. 국가 AI 전략 2.0(National AI Strategy 2.0)
(5) 캐나다
가. 캐나다 소버린 AI 컴퓨팅 전략(Canadian Sovereign AI Compute Strategy)
나. 범 캐나다 AI 전략(Pan-Canadian Artifical Intelligence Strategy) 2단계
2) 국내
(1) `25년 대한민국 AI 정책 추진 및 투자 현황

제2장 소버린 AI·클라우드 개발 현황과 구축 전략
1. 소버린(sovereign) AI 동향과 한국의 전략
1) 이재명 정부와 AI 산업
(1) 이재명 정부의 AI 투자 정책
가. 3대 강국 도약을 위한 핵심기술 내재화 필수
나. 산업성장 환경조성에 구체적이고 전방위적 지원
(2) AI 고속도로 중심의 인프라 구축
가. AI를 위한 경부고속도로
나. 치열해진 글로벌 AI 투자경쟁
(3) AI 정책이 산업에 끼치는 영향
가. 초고속 네트워크 전환으로 인한 인프라 재정비
나. AI 데이터센터·클라우드 인프라 확대에 따른 디지털 전력지형 변화
다. 고성능 AI 반도체의 국산화 추진과 생태계 내재화
라. 친환경 AI 인프라 수요의 증가
2) 소버린AI, 디지털 주권을 위한 필수 조건
(1) AI 혁명과 보이지 않는 종속
(2) 소버린AI 정의
(3) 글로벌 각국의 소버린AI 전략
(4) 국내, 소버린AI 구축 드라이브
(5) 소버린AI 구축을 위한 과제
(6) AI 주권 확보, 지금이 골든타임
3) 소버린 AI, 자국에 특화된 AI 모델 개발동향
(1) 미국
(2) 유럽
가. 유럽의 ‘소버린AI’ 전략적 의의
A) 엔비디아 CEO의 ‘소버린 AI’ 비전과 유럽 정상들의 호응
B) 유럽의 AI 기술 현황과 주권 확보를 위한 핵심 전략
C) 소버린 AI 구축의 도전 과제와 현실적 한계
나. 소버린AI 개발 추진 현황
A) 프랑스 미스트랄AI ‘르 챗’
B) 핀란드 사일로AI ‘포로’
(3) 중국
(4) 일본
(5) 인도
(6) 한국
(7) 대만
4) ‘소버린 AI’ 전략의 기대 효과 및 주요 과제
(1) 시사점
(2) 새 정부의 ‘소버린 AI’ 전략의 기대 효과 및 주요 과제
5) 미중 인공지능(AI) 패권경쟁과 AI 주권 확보를 위한 통상정책 과제
(1) 디지털 보호주의와 기술 민족주의의 부상
가. 트럼프 귀환과 딥시크 쇼크
나. 미중 디지털 기술패권 경쟁
다. 수출입 규제 갈등과 디지털 보호주의의 확산
라. 플랫폼 경쟁과 디지털 통상질서의 재편
마. 기술 민족주의와 디지털 주권 담론
바. 디지털 국가책략의 모색
(2) AI 주권(Sovereign AI) 확보를 위한 통상정책 과제
가. 인공지능이 통상규범에 미치는 영향
나. 주요 이슈 및 쟁점
다. 핵심 의제
6) 데이터주권주의 확산과 지재권 적용 방식의 재편
(1) AI 기술의 초국경성과 데이터주권주의의 부상
가. AI 기술 확산과 데이터주권주의의 대두
나. 지식재산권과 데이터주권의 병렬적 규율 구조
다. 저작권 중심의 교차점 형성과 지식재산권별 연계 스펙트럼
라. 이중 규율의 확산과 지식재산권 역외적용 정당성의 재구성
(2) 데이터주권주의에 기반한 지재권 역외적용 정당화 논리의 재구성
가. 지식재산권의 역외적용 한계와 정당화 필요성
나. 데이터주권주의가 제공하는 역외적용의 정당화 근거
다. 적용 대상별 정당화 구조의 차이 : 저작권, 특허권, 상표권의 비교
(3) 국가별 데이터주권 정책과 지재권 적용 전략
가. 중국 – 데이터보안법을 통한 지재권 통제 수단의 제도화
나. 유럽연합(EU) – 인권과 저작권의 이중 통합 규범체계
다. 미국과의 충돌 – 개방적 데이터 흐름과의 긴장
(4) 지재권･데이터주권의 교차와 제도적 과제
가. 데이터주권주의, AI 시대의 디지털 질서를 형성하는 핵심 전략으로 부상
나. 데이터주권주의에 기반한 관할권 정당화
다. 한국의 구조적 대응을 요구
2. 소버린 클라우드(Sovereign Cloud) 적용과 구축전략
1) 소버린 클라우드(Sovereign Cloud) 필요성 및 구축
2) 유럽의 소버린 클라우드 정책과 이에 대응하는 클라우드 기업
(1) 아마존의 유럽 소버린 클라우드
(2) 마이크로소프트의 EU 데이터 경계
(3) 구글의 데이터 주권 탐색기
(4) 오라클 EU 소버린 클라우드
3) 공공데이터 주권 클라우드 적용방향
(1) 초거대 AI와 클라우드 동향
가. 초거대 AI를 위한 클라우드
나. 클라우드 활용
A) Cloud Service Provider
B) Managed Service Provider
다. 클라우드 도입 사례
A) 삼성전자 : 네이버 하이퍼클로바X 도입
B) 국방부 도입사례
(2) 초거대 AI를 위한 주권 클라우드(Sovereign Cloud)
가. 주권 클라우드 정의
나. 등장배경
A) 미국 클라우드 법에 의해 촉발
B) 유럽연합의 GDPR 발효
C) 국가별 대응 방안
다. 주권 클라우드에서 MSP의 역할
라. 주권 클라우드의 구현
A) 오라클의 주권 클라우드
B) VMWare 주권 클라우드
마. 주권 클라우드 도입사례
A) 미국 국방부
B) 미국 정보기관을 위한 생성형 AI 서비스 개발
(3) 초거대 AI 도입을 위한 공공데이터 주권 클라우드 구축 전략
가. 공공데이터 주권 클라우드 도입
A) 주권 클라우드와 공공데이터 주권 클라우드 비교
나. 공공데이터 주권 클라우드 구현전략
다. 공공데이터 주권 클라우드를 위한 망분리
A) 미국의 주권 클라우드와 공공데이터 주권 클라우드의 차이
B) 공공데이터 주권 클라우드 구축을 위한 망분리
라. MSP 역할
마. 정책적 시사점

제3장 생성형AI 기술동향과 진화 -AI에이전트/저작권/정보보호-
1. 생성 AI가 불러온 대전환 시대, 산업변화와 경쟁구도
1) 우리의 현재 위치와 미래를 위해 필요한 전략
(1) ChatGPT 출현과 2023년 생성 AI 기술 폭발기
(2) 2024년 생성 AI 대전환 시대의 시작
가. 온디바이스 AI(On-Device AI)
나. AI 에이전트
다. 산업 생산성 혁신
라. 오픈소스 생성AI
마. 안정성과 책임성
(3) 글로벌 소버린AI 연대 : 생성 AI 대전환 시대 우리의 대응 전략
2) AI 소프트웨어의 판도 변화
(1) 딥시크 쇼크
(2) 생성형 AI의 발전 흐름
(3) AI 소프트웨어 산업의 변화 및 경쟁구도
2. AI 에이전트 개발 동향 및 국내 경쟁력
1) AI 에이전트
(1) AI 에이전트 개념
가. AI 에이전트의 정의
나. AI 에이전트의 등장 배경
다. AI 에이전트의 작동 원리
라. AI 에이전트 기술
(2) AI 에이전트 중요성
2) 글로벌 AI 에이전트 동향
(1) 글로벌 AI 시장 규모 및 전망
(2) 주요국의 AI 에이전트 개발 동향
가. 미국
나. 중국
다. 유럽
(3) 해외 에이전트 기술 및 서비스 개발 동향
가. AI 에이전트 유형
나. Computer Use(Anthropic, `24.10.)
다. Operator(OpenAI, `25.1.)
라. Manus AI(Butterfly Effect, `25.3.)
마. 기타 AI 에이전트 서비스 현황
3) 국내 경쟁력 진단 및 분석
(1) AI 시장 현황 및 경쟁력 진단
(2) AI 에이전트 개발 동향
(3) AI 에이전트 시장의 기회 요인
가. (B2B) 공공·금융 산업의 AI 전환(AI transformation, AX)
나. (B2C) 초개인화 서비스
다. 신시장 창출 기회 “AI 에이전트 마켓”
4) 검색 패러다임의 변화, AI 검색 에이전트의 부상
(1) 검색 시장의 대격변
(2) 국내외 정보 제공 방식의 변화
(3) 실행 주체로 진화하는 검색 서비스
(4) 다양한 서비스를 연결하는 MCP의 등장
(5) 변화하는 검색 환경에 대한 국내 대응 과제
(6) 기술 표준으로 부상하는 MCP의 한계와 대응 방향
5) 전망 및 시사점
3. 생성형 AI의 생산성 분석과 활용 사례
1) 생성형 AI의 생산성 분석 실험연구
(1) 개요
(2) 생성형 AI 생산성 증가분 측정을 위한 실험연구
가. 생성형 AI의 생산성 분석 실험연구 개요
나. 현장실험(Field Experiment)을 활용한 연구
A) Brynyolfsson et al.(2025)
B) Jia et al.(2024)
C) Dell’ aqua et al.(2024)
다. 실험실 실험(Laboratory Experiment)을 활용한 연구
A) Noy and Zhang(2023)
B) Haslberger et al.(2024)
C) Kim and Moon(2024)
(3) 소결 및 향후 실험연구 방향에 대한 제언
2) 최근 국방분야 생성형 AI 적용 동향
(1) 개요
(2) 미국의 국방분야 적용 사례
가. 미 국방부의 생성형 AI 전담 TF 리마(LIMA)
나. 미 공군의 NIPRGPT
다. 미 해군의 아멜리아(Amelia)
라. 미 육군의 시범적 생성형 AI 적용 노력
(3) 대한민국의 국방분야 적용 사례
가. 국방 생성형 AI ‘GeDAI’ 개발
나. 과기부-방사청 미래국방가교기술개발사업
다. 디플정위-과기부 초거대 AI 기반 서비스 개발 지원사업
라. 방위사업청 생성형 AI 구축 연구용역사업
(4) 대한민국의 공공분야 적용 사례
가. 경찰청 AI 수사도우미·AI 조서 시스템
나. 과기부 AI 법률 보조 서비스
다. 문체부 생성형 AI 기반 i-세종학당
(5) 분석 및 국방 발전방향 제안
3) 게임 산업 내 생성형 AI 활용 동향
4) 창작 영역분야의 주목할 생성형 AI 스타트업 및 기술
(1) 생성형 AI 스타트업에 주목해야 하는 이유
(2) 텍스트 생성 AI 기술 활용 사례 및 주요 스타트업
가. Grammarly
나. AI21 Labs
다. Writer
라. Jasper
마. Wrtn Technologies
(3) 이미지 생성 AI 기술 활용 사례 및 주요 스타트업
가. Canva
나. Stability Al
다. Midjourney
라. RECON Labs
마. Toonsquare
(4) 영상 생성 AI 기술 활용 사례 및 주요 스타트업
가. Lightricks
나. Runway
다. Pika
라. Veed
마. Twelve Labs
(5) 아바타 생성 AI 기술 활용 사례 및 주요 스타트업
가. Character.ai
나. Synthesia
다. Inworld Al
라. Soul Machines
마. DeepBrain Al
(6) 코드 생성 AI 기술 활용 사례 및 주요 스타트업
가. Hugging Face
나. Replit
다. Magic
라. CodiumAl
마. Tabnine
(7) 음성 생성 AI 기술 활용 사례 및 주요 스타트업
가. ElevenLabs
나. Descript
다. Papercup
라. Sonantic
마. Supertone
(8) 콘텐츠산업과 생성형 AI
가. 콘텐츠산업의 생성형 AI의 응용
나. 생성형 AI의 학습과 콘텐츠산업의 관계
A) 콘텐츠산업의 생성형(Generative) AI 학습
4. 생성형 AI 관련 저작권 쟁점과 위협에 대한 보호방안
1) 생성형 AI 관련 저작권의 쟁점
(1) 저작권의 개념
가. 저작권이란?
나. 저작권의 보호 대상
(2) 저작권 침해의 판단
가. 저작권 보호대상인지에 대한 판단
나. 정책적인 고려에 따라 저작권 보호대상에서 제외된 저작물
다. 아이디어와 표현의 구별
라. 실질적 유사성과 의거 관계
(3) 공정이용의 개념
가. 저작재산권 제한 제도의 취지
나. 공정이용(fair use) 조항
다. 미국의 ‘공정이용(fair use)’ 판단 기준
(4) 공정이용 관련 법원의 판단 사례
가. 미국 법원의 판단 사례 – Authors Guild Inc. v. Google Inc.
나. 미국 법원의 판단 사례 – Andy Warhol Foundation v. Goldsmith
다. 한국 대법원의 판단 사례 – 대법원 2024. 7. 11. 선고 2021다272001 판결
(5) 생성형 AI와 공정이용 쟁점에 대한 미국 법원의 판결
가. 사안의 개요
나. 법원의 판단
A) 웨스트로의 Headnote가 보호받을 저작물에 해당하는지
B) 실질적 유사성
C) 공정이용 여부
2) 생성형 AI의 위협과 개인정보 자기통제권 보호 방안
(1) 생성형 AI의 위협
(2) 개인정보 이용의 발전 단계
가. 초기 단계 : 개인식별을 위한 활용
나. 개인정보의 내부 활용 및 제3자 제공 단계
다. 온라인 행태 분석 및 프로파일링 단계
라. 다양한 데이터를 결합한 개인정보 생성·예측 초고도화 단계
(3) 생성형 AI 시대, 개인정보 자기통제권의 위기
가. 생성형 AI가 생성한 개인정보에 대한 정보주체의 통제권 약화
나. 생성형 AI의 학습 특성과 정보주체 권리 행사 제약
(4) 정보주체의 권리 보장 관련 국내외 현황
가. 국제기구 및 주요 국가별 현황
나. 국내 현황
(5) 생성형 AI 환경에서 정보주체의 권리 보장 방법
가. 정보주체의 개인정보 자기통제권 보장 강화
나. 학습 데이터에 개인정보 최소화
다. 정보주체 권리 보장 기술 적용
(6) 결론

제4장 AI 파운데이션 모델 구축 사업 -LLM/LMM/LAM-
1. 국내외 생성형AI 주요 모델 및 기술 동향
1) 텍스트 분야 기술
(1) LLaMA3
(2) LLaMA2
(3) Solar 10.7B
(4) Mistral-7B
(5) BLOOM
(6) GPT-NeoX
(7) KoBert(Korean BERT)
2) 이미지 분야 기술
(1) Stable Diffusion
(2) GAN(Generative Adversarial Network)
(3) VAE(Variational Auto Encoder)
(4) ViT(Vision Transformer)
(5) SegFormer
(6) InceptionV3
3) 멀티모달 분야 기술
(1) GPT-4V
(2) ExpansionNet v2
4) 도메인 특화 기술
(1) Faster R-CNN
(2) nnU-Net
(3) TransUNet
5) 생성형 AI 시장동향
(1) 시장 규모 및 전망
(2) 경쟁 현황
2. 독자 인공지능 기초 모형(AI 파운데이션 모델) 사업현황
1) 국내, AI 파운데이션 모델 프로젝트
(1) 독자 AI 파운데이션 모델 프로젝트 추진계획
가. 추진 배경
나. 추진 방향
다. 추진 방안
A) 정예팀 공모
B) 평가·선정
C) AI 파운데이션 모델 개발 지원
D) 후속 확산 등
(2) 독자 AI 파운데이션 모델 프로젝트 데이터 공급기관 모집 안내
가. 데이터 공급기관 모집 개요
나. 추진 절차
다. 데이터 협조 기관에 대한 인센티브
라. 유의사항
마. 신청방법
(3) ｢독자 인공지능 기초 모형(AI 파운데이션 모델｣사업 발표 평가 결과
가. 5개 정예팀 소개
A) 네이버클라우드 정예팀
B) 업스테이지 정예팀
C) 에스케이텔레콤 정예팀
D) 엔씨에이아이 정예팀
E) 엘지경영개발원 AI연구원 정예팀
나. 5개 정예팀들의 공통 주목요소 등
다. 지원 내용
라. 향후 계획
2) 인공지능(AI) 창업기업(스타트업) 거대언어모델(LLM) 챌린지
(1) KT
(2) 네이버 클라우드
(3) 오라클
3) 국내 초거대 AI 모델(언어모델) 기술 동향
(1) 개요
(2) 주요 내용
가. 네이버
나. LG
다. 카카오 Kanana 모델
라. 중소기업 거대 언어모델 개발 동향
마. 주목할 만한 AI 언어모델
(3) 시사점
4) LLM을 보완하는 RAG 2.0 기술 현황
(1) RAG(검색 증강 생성) 개요
(2) 기술적 원리 및 특성
(3) 아키텍쳐 최적화를 통해 성능을 강화한 RAG 2.0
5) 대규모 언어모델(LLM) 활용사례
(1) 전력산업에서 대규모언어모델(LLM) 활용 방향에 관한 연구
가. 연구 배경
나. 연구 내용
다. 보안 이슈
A) 질의를 통한 민감정보 유출 우려
B) 배타적 환경을 갖는 기업형 범용 LLM 서비스의 한계
C) 내부설치 방식을 통한 보안이슈를 해소한 경량형 LLM
라. 정부 정책 및 제도 한계
A) 전력산업에서 활용 가능한 범용 LLM 부재
B) 활용에 제약이 없고 기업에 특화된 경량형 LLM
마. 결과물의 신뢰성
A) 최신성, 정확성 등 한계 존재, 결과 책임 소재 불분명
바. 결론 및 시사점
(2) LLM 기반 대화형 AI 학술정보서비스 현황 분석
가. LLM 기반 대화형 AI 학술정보서비스
A) LLM 기반 대화형 AI 학술정보서비스 개념
B) LLM 기반 대화형 AI 학술정보서비스 유형
나. 국내외 대화형 AI 학술정보서비스 현황 분석
A) 학술 질의응답 및 정보검색 지원 유형
B) 학술자료 작성 지원
C) 연구 네트워크 및 자료 관계성 지원
D) 학술 정보요약 및 개인화된 연구 지원
6) LLM 환경 시스템에서의 취약점과 공격동향
(1) LLM 환경에서의 프롬프트 인젝션 공격 동향 및 연구 대응 방안
가. 서론
나. 이론적 배경 및 선행 연구
A) 인젝션(Injection)
B) LLM 환경에서의 프롬프트 인젝션
C) 선행 연구
다. 사례 분석 및 대응 방안
A) 직접 프롬프트 인젝션
B) 간접 프롬프트 인젝션
C) 대응 방안
라. 결론
(2) LLM 기반 자동심사 시스템의 숨겨진 취약성 : 암묵적 조작과 적대적 공격 심층분석
가. LLM 기반 자동화 심사의 확산과 숨겨진 조작의 위험성 대두
나. LLM 학술 심사의 내재적 위험 및 공정성 이슈 분석
다. 현재 기술적 한계 및 과제
A) 의도적 조작(Manipulation)에 대한 구조적 취약성
B) 텍스트 적대적 공격(Adversarial Attack)에 대한 기술적 무력함
C) 비판적 추론 능력의 부재와 내재된 편향
라. [사례 1] LLM 심사 시스템의 암묵적 조작 및 내재적 편향 취약점 분석
A) 기술 원리 및 구조
B) 특징 및 작동 방식
C) 성능 분석 및 효과
D) 한계점 및 향후 과제
마. [사례2] 텍스트 적대적 공격을 통한 LLM 심사 시스템의 취약성 분석
A) 연구 목적 및 공격 프레임워크 설계
B) 다면적 점수 평가를 통한 정량적 분석 방법
C) 실험 결과 : 공격의 효과성과 모델별 취약성
D) 기술적 의미와 학술 생태계에 대한 경고
바. 결론 및 시사점
A) 학술 관행 위장과 기술적 공격으로 드러난 LLM의 이중 취약성
B) 기술적 방어와 정책적 가이드라인의 병행 수립 시급
C) '대체'가 아닌 '보조'로서의 인간-AI 협업 패러다임 전환
3. 대형 멀티모달 모델(LMM) 최신동향과 이슈
1) 대형 멀티모달 모델(LMM)벤치마크 동향
(1) 서론
(2) 벤치마크 분석
가. 평가해야 할 LMM의 능력들(Capabilities)
나. LMM 능력별 평가용 벤치마크
다. LMM 복합 능력 평가 벤치마크
라. 체화 지능 평가
마. 모달리티의 확장
바. 자국어 LMM과 벤치마크 개발
사. LMM 리더보드
(3) 주요 벤치마크
가. 해외 기술 분석
A) MMMU(Massive Multi-discipline Multimodal Understanding and Reasoning)
B) TextVQA(Text Visual Question Answering)
C) DocVQA(Document Visual Question Answering)
D) ChartQA(Chart Question Answering)
E) InfographicVQA(Infographic Visual Question Answering)
F) MathVista(Infographic Visual Question Answering)
G) AI2D(Infographic Visual Question Answering)
H) VQAv2(Visual Question Answering Version 2)
I) SEED-Bench-2
J) MMBench
K) MM-Vet
L) VizWiz
M) POPE(Polling-based Object Probing Evaluation)
N) MSR-VTT(Microsoft Research – Video To Text)
O) Kinetics-600
P) VATEX(Video And Text)
Q) Video-MME(Video Multi-Modal Evaluation)
R) OpenEQA(Open Embodied Question Answering)
S) MultiON(Multi-Object Navigation)
T) ALFRED(Action Learning From Realistic Environments and Directives)
U) VIMA-Bench(VisuoMotor Attention Agent Benchmark)
V) Ravens
W) Calvin(Composing Actions from Language and Vision)
X) RLBench(Robot Learning Benchmark)
2) LLM 대안으로서의 LAM, 최신 동향과 개인정보보호 이슈
(1) 서론
(2) LLM과 LAM의 기술적 발전
가. LLM에서 LAM으로의 전환
나. LAM의 개념과 기술적 특징
(3) LAM의 기술적 발전이 개인정보 보호에 미치는 영향
3) 자연어 기반 멀티모달 AI 확산
(1) 세상을 더 잘 이해하는 AI, 멀티모달 기술의 진화와 성장
가. 자연어 기반 멀티모달 AI의 진화와 응용 확산
나. 멀티모달 AI, 맞춤형 활용 확산에 따른 성장세
(2) 멀티모달AI, 기술에서 일상으로 : 창작, 생산, 소비의 재편
가. 전문성의 경계를 허무는 자연어 기반 멀티모달 AI
나. 멀티모달 AI가 가져올 일상의 변화
(3) 시사점
가. 멀티모달 AI의 활용 확대를 둘러싼 우려
나. 멀티모달 AI, 한계와 영향에 대한 분분한 의견 가운데 신중한 활용이 중요

제5장 범용 인공지능(AGI)과 피지컬 AI 기술개발 현황
1. 범용인공지능(AGI) 기술개발 추진방향 및 산업현황
1) 범용인공지능(Artificial General Intelligence) 기술·산업
(1) 범용인공지능 개념
가. 정의
나. 인간 지능과 범용인공지능의 관계
다. 목표
라. 핵심 개념
마. AGI의 조건
바. AI 개념적 단계
사. ANI, AGI, ASI 간의 유사점
아. 범용인공지능(AGI)과 생성형 인공지능(Generative AI)의 차이점
(2) 주요 특징 및 분류 체계
가. 주요 특징
나. AGI 분류 체계
A) 오픈AI의 AGI 분류 체계
B) 구글 딥마인드 AGI 분류 체계
C) 엔트로픽(Anthropic) AGI 분류 체계
(3) 범용인공지능(AGI) 발전 과정
가. AI 발전 단계 및 AGI 예상 도달 시점
나. AGI 시발점
다. AGI 촉발에 따른 문제
라. AI 발전 단계 및 AGI 예상 도달 시점
마. 인공지능의 범주별 발전 단계
(4) 범용인공지능(AGI) 관련 기술
가. 2025년 주요 기술 트렌드
나. 주요 기술
A) 에이전틱 AI(Agentic AI)
B) 공간 지능(Spatial Intelligence)
다. AGI 구현 기술
라. 대형세계모델(LWM)
(5) 시장 동향
가. 범용인공지능(AGI) 시장 규모
나. 범용인공지능(AGI) 출현 단계
다. 글로벌 AI칩 시장 규모
라. 에이전틱 AI 시장 규모
(6) 산업 현황
가. 국외
나. 국내
(7) 정책 동향
가. 국외
A) 미국
B) 중국
나. 국내
2) 한국형 AI 산업정책의 새로운 패러다임
(1) 생존과 도약의 기로 : 한국 산업의 삼중 전환점
(2) 새로운 시대정신으로서의 ‘보편적 번영 추구’
(3) 위기와 기회의 변증법 : 범용기술로서의 AI
(4) 보편적 번영 시대, 산업정책의 3대 축
(5) 다음 세대와 우리 모두를 위한 선택
3) AGI 핵심원천기술개발 추진방향
(1) AI 발전방향 전망
(2) AGI 핵심원천기술개발 주요내용
2. 피지컬(Physical) AI 개발 주요동향
1) 피지컬 AI의 정의 및 분류
(1) 피지컬 AI의 정의
가. 학계
나. 연구계
다. 산업계
(2) 피지컬 AI의 주요기술
가. AI 알고리즘
나. 컴퓨터 비전 및 센서 기술
다. 엣지 컴퓨팅 및 네트워크 인프라
라. 제어 및 액추에이터
(3) 피지컬 AI의 주요 유형
2) 피지컬 AI 주요 개발 동향 및 사례
(1) 휴머노이드형
가. 미국의 휴머노이드형 피지컬 AI 개발 동향 및 사례
A) 테슬라 - Project Optimus
B) 피규어AI - Figure
C) 엔비디아 - Gr00T, Cosmos
D) 이외 미국 주요 기업
나. 중국의 휴머노이드형 피지컬 AI 개발동향 및 사례
다. 이외 주요국의 휴머노이드형 피지컬 AI 개발동향 및 사례
(2) 자율주행차형
가. 테슬라 - Autopilot
나. 구글 - Waymo
다. BYD - God’s Eye
(3) 드론형
가. DJI - Matrice
나. 스카이디오 - Skydio X10
(4) AGV&AMR형
가. TOYOTA - Center-Controlled Rider Automated Forklift
나. Diligent Robotics - Moxi
3) 주요국 피지컬 AI 관련 정책 동향
(1) 미국
(2) 중국
(3) EU
(4) 일본
(5) 한국
4) 피지컬 AI 관련 주요 이슈
(1) 기술적 한계
(2) 비용 문제
(3) 경제 및 노동시장 영향
(4) 윤리적·법적 과제
(5) 지정학적 경쟁과 기술 격차 심화
5) 신체화 AI(Embodied AI) 현황과 전망
(1) AI로 격변하는 로봇, ‘신체화 AI(EAI)’
가. AI 진화에 신체가 필요한 이유
나. `25년은 AI 에이전트 원년
(2) 중국의 ‘신체화 AI(Embodied AI)’ 개발 현황
가. 신체화 AI에 주목하는 중국
나. 지방(도시)별 신체화 AI 경쟁 가속화
다. 신체화 AI 개발을 공식 정책에 포함
(3) 신체화 AI(Embodied AI, EAI) 가능성과 한계
가. ‘우리 삶과 노동의 의미’를 근본적으로 변화시킬 전망
나. 상용화를 위한 많은 과제 해결도 필요
다. 로봇이 초래할 수 있는 윤리·법적 문제, 공격성 위험 대응 필수
6) 인공지능 발전에 따른 로봇 AI 동향
(1) AI 융합 : 로봇 + AI(인공지능)
(2) AI 기술 트렌드와 로봇지능
(3) 대화형 AI와 자연어 처리(NLP)
(4) 멀티모달 AI 통합 활용
(5) AI 모델 경량화 및 엣지 AI
(6) 휴머노이드 로봇과 AI의 융합
3. 피지컬 AI 시대에 대응하는 On-device AI 반도체 개발동향
1) Physical AI 구현을 위한 On-device AI 반도체 이해
(1) Physical AI와 On-device AI
(2) Physical AI 구현을 위한 On-device AI 반도체의 맞춤화·최적화
(3) Physical AI 구현을 위한 On-device AI 반도체 시장 규모와 전망
(4) Physical AI 구현을 위한 On-device AI 반도체 기업 전략
가. 해외 : NVIDIA & Qualcomm
A) NVIDIA
B) Qualcomm
나. 국내
(5) Physical AI 구현을 위한 국내 On-device AI 반도체 정책 현황
가. 과학기술정보통신부
나. 산업통상자원부
다. 중소벤처기업부
2) K-온디바이스 AI 반도체 개발 사업 추진
(1) 프로젝트 추진배경
(2) 프로젝트 개요
(3) 프로젝트 추진현황 및 세부 개발과제(안)
(4) 프로젝트 기대효과

제6장 GPU·NPU·AI 반도체 경쟁 환경 및 사업 추진현황
1. 첨단 그래픽 처리 장치(GPU) 확보 추진과 고도화 분석
1) 첨단 GPU 확보 추진방안
(1) 추진 배경
가. 전 세계가 사활, AI컴퓨팅 인프라는 AI 생태계 경쟁력의 관건
나. 글로벌 AI 전쟁 속 우리의 한계
다. 그간 정부의 AI컴퓨팅 인프라 확충 정책 대응
라. 추경을 통한 첨단 GPU 확보 추진
(2) 추진 방안
가. 구매
나. 구축
다. 사용
(3) 추진 일정
(4) 향후 계획
(5) 그래픽 처리 장치(GPU) 확보 사업 참여 사업자 선정 결과
가. 그간의 경과
나. 총 그래픽 처리 장치(GPU) 확보 규모
다. 사업자별 그래픽 처리 장치(GPU) 확보 규모
라. 사업자별 국내 기여계획
마. 향후계획 및 의의
2) 엔비디아 GPU 플랫폼 고도화 분석
(1) 엔비디아(NVIDIA) GTC 2024 개최
(2) 엔비디아 GPU 플랫폼의 진화
가. GPU 플랫폼 출시 주기의 가속화
나. 초기 GPU 세대
다. 암페어(Ampere) 플랫폼 아키텍처(2020년)
라. 호퍼(Hopper) 플랫폼 아키텍처(2022년)
마. 블랙웰(Blackwell) 플랫폼 아키텍처(2024년)
(3) 엔비디아 GPU 플랫폼 진화의 주요 기술
가. 컴퓨팅 성능과 병렬 처리
나. 메모리 대역폭 및 용량
다. 텐서코어(Tensor Core) 및 AI 가속
라. 레이 트레이싱(Ray Tracing)과 그래픽 렌더링(Graphics Rendering)
(4) 시사점
2. 뉴로모픽 프로세서 개발동향
1) 최신 이슈
2) 뉴로모픽 컴퓨팅 기본 개념
(1) 폰노이만 vs. 뉴로모픽
(2) 스파이킹 뉴럴 네트워크
(3) 뉴로모픽 프로세서
(4) 뉴로포믹 프로세서를 활용한 모델링
(5) 뉴로모픽 칩 시장 현황
3) 시사점
3. AI 반도체 발전 동향과 글로벌 이슈
1) 인공지능 반도체의 발전 동향
(1) AI 반도체 기술 배경
가. AI 반도체 기술의 유형
나. AI 반도체의 데이터 타입
다. AI 반도체의 성능 지표
(2) AI 반도체 발전 동향
가. 국내 AI 반도체 발전 동향
A) FuriosaAI Warboy (2021년)
B) Rebellions ION (2021년)
C) Rebellions ATOM 시리즈 (2023-2024년)
D) FuriosaAI RNGD (2024년)
E) 그 외의 국내 AI 반도체
나. 국외 AI 반도체 발전 동향
A) Google TPU v5e-v6e (2023년-2024년)
B) Nvidia Blackwell (2024년-2025년)
C) AMD Instinct MI300X/MI325X (2024년)
D) Intel Habana Gaudi (2024년)
(3) AI 반도체의 시장 동향 분석
(4) 결론
2) AI 반도체 관련 주요 글로벌 이슈 분석
(1) On-device AI 활성화와 AI 반도체의 세분화
(2) AI 반도체 시장참여자로 빅테크 기업의 등장
가. AI 반도체 시장에 빅테크의 참여 배경
나. 빅테크 기업의 AI 반도체 시장 참여에 따른 변화 시나리오
(3) AI 반도체 활용의 최적화를 위한 다양한 기술적인 기회 영역(기술 계층)이 존재
(4) AI 반도체 주요 선도 기업의 플랫폼화
3) 데이터센터를 위한 AI 반도체 기술동향
4) 국내 AI 반도체 기술개발 사업 추진현황
(1) 인공지능 반도체를 활용한 한국형-인터넷 기반 자원공유(K-클라우드) 기술개발 사업
가. 사업 개요
나. 사업 구조
다. K-클라우드 기술개발사업 신규과제 선정기관 현황
라. 전략분야별 주요내용
A) AI반도체 데이터센터 인프라 및 HW개발
B)AI반도체 데이터센터 컴퓨팅 SW개발(CUDA에 대응하는 SW기술개발)
C) AI반도체 특화 클라우드 기술개발
(2) 인공지능 반도체(AI 반도체) 해외실증 지원 사업
가. (서버형) 더존비즈온-퓨리오사AI 컨소시엄 과제
나. (서버형) 에코피스-리벨리온 컨소시엄 과제
다. (엣지형) 엘비에스테크-디노티시아 컨소시엄 과제
라. (엣지형) 라온피플-모빌린트 컨소시엄 과제

제7장 산업별 특화 AI 기술동향 -자율주행/자율제조/재난/바이오-
1. AI 자율주행 기술 개발 동향
1) AI 자율주행의 개념
(1) 기술의 개념
(2) 기술의 범위
(3) 기술의 등장 배경
2) 국내외 산업 동향
(1) 국내외 산업의 정체
(2) 딥테크 기업의 SDV, 종단 간 AI 자율주행 기술 주도
(3) 중국 기업의 약진
3) 자율주행 기술의 경쟁력 분석
(1) 국내외 기술 동향
4) 자율주행 고도화를 위한 차량용 AI SoC 개발 동향
(1) 자율주행과 AI
(2) 국내외 기술 동향
가. SDV의 발전에 따른 전장 구조의 변화
나. 통합화·대형화 추세의 차량용 AI 반도체
다. 전통적인 AI 가속 기술 : Array 구조와 Tree 구조
라. 신규 AI 가속기술 : Many-Core 구조
마. 신규 AI 모델 대응을 위한 범용성 강화
바. 고속 인터페이스·패키징 기술을 활용한 확장성 강화
사. 차량용 AI 반도체의 기능 안전성 동향
(3) 국내외 시장 동향
가. MobilEye의 EyeQ 시리즈
나. Tesla의 AI 5.0
다. Qualcomm의 Ride Flex
라. Nvidia의 NVIDIA DRIVE Thor
2. AI 자율제조(AI 팩토리) 개발동향 및 제조 AI 파운데이션 모델개발
1) AI 자율제조 기술 동향
(1) AI 자율제조 기술의 개념
가. AI 자율제조의 개념
나. AI 자율제조 기술의 범위
(2) AI 자율제조 관련 기술 동향
가. 산업 인공지능 분야
A) 시계열(Time Series) 파운데이션 모델
B) 생성형 AI
나. 제조 데이터 및 AI 플랫폼 분야
A) SDM 플랫폼
B) AIOps
다. 지능형 로봇·장비 분야
A) 지능형 에지
B) 휴머노이드 로봇
2) 제조 AI 파운데이션 모델 및 제조 특화 공통 AI 모델 개발
(1) 제조 AI 파운데이션 모델
가. 파운데이션 모델 개념
나. 파운데이션 모델 유형
(2) 제조 AI 파운데이션 모델 개발 방향
가. 공통 AI 모델−제품 검사
나. 공통 AI 모델−설비 상태 진단
다. 공통 AI 모델−공정 최적화
3) 국내 ‘AI 팩토리’ 본격 추진
(1) 제조 AI에 대한 기업들의 높은 관심
(2) “AI 자율제조 → AI 팩토리”로 전면 개편 : 양적 확대 이상으로 확대
(3) “AI 자율제조 → AI 팩토리”로 전면 개편 : 사업의 다각화
(4) “AI 자율제조 → AI 팩토리”로 전면 개편 : 전문성 강화
(5) 2025년도 AI 팩토리 사업 추진일정
3. AI 활용 재난 발생 예방 사례
1) 재난관리 패러다임의 전환과 AI의 역할
(1) 국내 재난 예방 전략
(2) 재난관리 주기와 AI 활용
가. 예방 단계의 AI 활용
나. 대비 단계의 AI 활용
다. 대응 단계의 AI 활용
라. 복구 단계의 AI 활용
2) 국내외 인공지능(AI) 활용 재난관리 사례
(1) 대한민국 : 산불, 홍수, 인파관리 등 AI 활용 재난 대응
가. 산불 관리 : AI 기반 조기 감지 및 예측 시스템
나. 홍수 예방 및 대응 : AI 홍수안전망 및 예측 시스템
다. 감염병 관리 : AI 기반 예측, 진단, 추적 및 신약 개발 지원
라. 인파 관리 : 지능형 CCTV 및 AI 기반 시스템
마. 범죄·구급·재난 대응 : 지능형 CCTV 활용 긴급상황 감지
바. 침수·지진 피해 대응 : 자연 재해 및 도심 재난 등 AI 예측
(2) 미국 : 허리케인, 홍수, 산불 예측 등 AI 활용 재난 대응
가. 산불 대응 : AI 활용 산불 확산 예측
나. 허리케인 및 홍수 피해 대응 : 기상 및 기후 데이터 AI 분석 예측
(3) 일본 : 지진/쓰나미 AI 활용 조기 경보
(4) 중국 : 국가 자연재해 관리 시스템 개발(NNDIMS)
4. AI 융합 의료·바이오 의약품 연구개발
1) 의료 분야 초거대 AI
(1) 의료 분야 초거대 AI 기술 개요
가. 기술의 범위
나. 기술의 등장 배경
(2) 국내외 시장 동향
(3) 국내외 기술 동향
가. 해외
나. 중국
다. 한국
2) AI 혁신 생태계와 바이오 의약품 생산 디지털 가속화
(1) 바이오 의약품 AI 자율제조
가. 기술의 범위
나. 기술의 등장 배경
A) 바이오 생산 공정의 복잡도 증가
B) AI 기술 성숙과 데이터 축적
C) 팬데믹 등 외부 충격으로 인한 공급망 재편 요구
(2) 국내외 시장 동향
가. 글로벌 시장 동향
나. 국내 시장 동향
다. 주요 기업과 기술 사례
(3) 국내외 기술 동향
가. 해외 기술 동향
나. 국내 기술 동향

도표/그림 목차