한국 정부 WBL(World Best LLM) 프로젝트의 전략적 의미와 실행 계획 분석

한국 정부가 추진 중인 WBL(World Best LLM) 프로젝트는 글로벌 AI 경쟁에서 주도권을 확보하기 위한 국가적 차원의 전략적 사업이다. 2025년 1차 추경예산을 통해 2,136억 원이 투입되며, 국내 5개 정예 팀을 선발해 최대 3년간 GPU, 데이터, 인재 등 핵심 자원을 집중 지원함으로써 세계 최고 수준의 한국형 대규모언어모델(LLM) 개발을 목표로 한다[1][3][5]. 이 프로젝트는 단순한 기술 개발을 넘어 국가 주권 AI(소버린 AI) 확보와 산업 생태계 혁신을 동시에 추구하는 이중 전략을 특징으로 한다[1][10].

정책 배경 및 목표

글로벌 AI 경쟁력 격차 해소 필요성

한국 정부는 GPT-4, 클로드 3.5 하이쿠 등 글로벌 빅테크 기업의 LLM 기술 격차를 해소하기 위해 WBL 프로젝트를 기획했다. 2025년 기준 국내 AI 모델 개발사는 32B(320억 파라미터) 이상의 대규모 모델 구축에 어려움을 겪고 있으며, 이는 GPU 자원 부족과 데이터 확보 문제가 주요 원인으로 지목된다[1][16]. 정부의 수요 조사에 따르면 국내 산학연 405개 기관 중 45.9%가 GPU 확보가 “매우 시급하다”고 응답했으며, 79.2%가 1년 이내에 자원이 필요하다고 답변해 인프라 투자의 절실함이 확인되었다[3][5].

AI G3 도약을 위한 전략적 투자

WBL 프로젝트는 윤석열 정부의 「AI G3 도약 전략」의 핵심 축이다. 2027년까지 AI 및 반도체 분야에 9조 4,000억 원을 투자하고, 2030년까지 시스템반도체 시장 점유율 10% 달성을 목표로 하는 가운데, WBL은 소프트웨어 생태계 구축을 통해 국산 AI 반도체(NPU)의 상용화를 가속화할 것으로 기대된다[3][11]. 특히 엔비디아 CUDA 생태계에 대한 의존도를 낮추기 위해 리벨리온의 ION, 퓨리오사AI의 워보이 등 국산 NPU와의 호환성 검증이 병행된다[3][16].

프로젝트 구조 및 실행 전략

정예 팀 선발 및 지원 체계

WBL 프로젝트는 2025년 7월까지 5~10개 팀을 공모를 통해 선발하며, 중소기업·스타트업·대학·연구기관 등 참여 주체에 제한을 두지 않는다[5][7]. 선정 기준은 ▲기술 혁신성 ▲사업화 잠재력 ▲자원 활용 효율성 등이며, 평가 시 기술력(80%)과 가격 경쟁력(20%)을 종합적으로 고려한다[17]. 지원 내용은 세 가지 핵심 축으로 구성된다:

GPU 자원 제공: 민간 클라우드 기업(CSP)이 보유한 엔비디아 H100/H200/B200 GPU 2,600장을 임차해 우선 지원하며, 2026년 상반기 국가 AI 컴퓨팅 센터 가동 후 자체 확보한 GPU로 전환할 예정[14][17].
데이터 인프라 구축: 공공·민간 데이터셋 통합 플랫폼을 구축하고, 저작권료 지급 유예 제도를 통해 한국어 텍스트 및 멀티모달(영상·음성) 데이터 접근성을 확대[1][10].
글로벌 인재 풀 형성: 해외 석학 유치를 위한 「AI 패스파인더 프로젝트」를 연계해 팀별 연간 최대 20억 원의 인건비를 지원하며, 박사급 연구원 400명을 대상으로 한 집단연구 프로그램도 병행[5][15].

기술 개발 로드맵

WBL은 두 가지 기술 경로를 병행한다:

파운데이션 모델 개발: 스크래치부터 300B 이상 파라미터 규모의 한국어 베이스 모델 구축[10][20].
AX(인공지능 확장) 모델: GPT-4o나 클로드 3.5 하이쿠 등의 오픈소스를 한국어·문화에 맞춰 미세 조정하는 접근법[10].
정부는 2025년 말까지 1차 모델을 공개하고, 2026년에는 멀티모달 기능을 추가한 2.0 버전을 출시할 계획이다[10][15]. 개발된 모델은 공공 분야(의료·교육·행정)에 우선 적용되며, 카카오의 ‘카나나’와 같은 민간 서비스와의 연계도 모색 중이다[1][16].

재정 및 인프라 지원 현황

예산 배분 구조

총 2,136억 원 예산 중 1,576억 원(73.7%)은 GPU 임차 비용, 300억 원(14%)은 데이터 구축, 260억 원(12.3%)은 인재 유치 및 연구비로 할당된다[3][15]. 이는 기존 AI 예산 대비 5배 이상 증액된 규모로, 2024년 본예산 대비 NPU 실증 사업 예산도 298억 원에서 752억 원으로 확대되었다[16].

국가 AI 컴퓨팅 센터 연계

광주와 세종에 건설 중인 국가 AI 컴퓨팅 센터는 2027년 완공 시 GPU 3만 장 규모의 연산 능력을 제공할 예정이다. 센터는 민간 CSP와의 협력(SPC 구조)으로 운영되며, 2030년까지 국산 NPU 비중을 50%까지 높이는 것을 목표로 한다[11][15]. 현재 즉시 활용 가능한 GPU 1,166장을 포함해 2025년 말까지 1만 장, 2026년 상반기 슈퍼컴퓨터 6호기 가동으로 추가 8,496장을 확보할 계획이다[15][17].

성공 요인과 도전 과제

핵심 성공 조건

자원 집중 전략: SK텔레콤·카카오·네이버 등 대기업과 ㈜퓨리오사AI·리벨리온 등 스타트업 간 협업 체계 구축[3][16].
데이터 개방성 확대: 의료·법률 분야의 민감 데이터에 대해 익명화 처리 후 제한적 개방 검토[10][15].
국제 표준화 추진: WBL 모델의 평가 지표를 IEEE 29182-2023 등 글로벌 표준에 맞춰 개발해 해외 진출 기반 마련[10].

잠재적 리스크

기술 의존성: 엔비디아 GPU 및 외국 모델 기반 개발 시 장기적 자주성 저해 가능성[10][16].
인재 유출 문제: 구글·메타 등 글로벌 기업과의 연봉 격차(국내 평균 1/5 수준)로 인한 우수 연구자 이탈 우려[16][20].
데이터 편향성: 한국어 데이터의 양적·질적 한계로 인한 모델 성능 편차 발생 가능성[1][10].

국제 비교 및 시사점

중국 딥시크(DeepSeek)의 R1(671B 파라미터) 모델은 128K 토큰 컨텍스트 윈도우와 3D 병렬 학습 기술로 GPT-4 대비 40% 적은 자원으로 동등 성능을 구현했으며, 이는 WBL 프로젝트의 효율적 자원 활용에 시사점을 제공한다[2][10]. 일본의 경우, Fujitsu와 Tokyo Institute of Technology가 공동 개발한 ‘Fugaku-LLM’이 슈퍼컴퓨터 후가쿠를 활용해 390B 모델을 구축한 사례는 국가 인프라 연계의 중요성을 보여준다[10].

결론 및 정책 제언

WBL 프로젝트는 한국이 AI 분야에서 기술 주권을 확보하고 글로벌 생태계에 편입되기 위한 필수적 전략이다. 성공을 위해서는 ▲GPU 확보를 넘어 국산 NPU의 실질적 활용 체계 마련 ▲데이터 활용 특례법 개정을 통한 민간-공공 데이터 교류 활성화 ▲AI 특허 분쟁 대응을 위한 법률 인프라 구축 등이 필요하다. 아울러, 프로젝트 성과를 공정하게 평가하기 위해 벤치마크 프레임워크(K-HELM) 개발과 글로벌 인증 기관과의 협력도 병행해야 할 것이다. 2025년을 AI 기술 주권 원년으로 삼기 위해 정부-기업-학계의 삼각 협력 체계가 시급히 강화되어야 한다.

출처
[1] “월드 베스트 LLM 프로젝트, 카카오 같은 기업에 좋은 기회” – 디지털 … https://m.ddaily.co.kr/page/view/2025050916551522037
[2] The best large language models (LLMs) in 2025 – Zapier https://zapier.com/blog/best-llm/
[3] AI 추경 2조원…첨단 GPU 1만장 산다 – 한국경제 https://www.hankyung.com/article/2025050212411
[4] 국가대표 AI 모델 프로젝트 기획 추진 – AI타임스 https://www.aitimes.com/news/articleView.html?idxno=168656
[5] 정부, ‘월드 베스트 LLM’ 프로젝트 추진… AI 국가대표 선발 박차 http://www.aifnlife.co.kr/news/articleView.html?idxno=24798
[6] 경기일정 및 결과 – 한국대학스포츠협의회 https://www.kusf.or.kr/club/club_league_game_result.html?e_code=4&m_code=1054
[7] 정부, ‘월드 베스트 LLM(WBL)’ 프로젝트 통해 한국형 AI 모델 개발 추진 https://www.hdnews.co.kr/news/articleView.html?idxno=314122
[8] 청약시간 – 유안타증권 https://www.myasset.com/myasset/static/customer/bzInfo/CU_0403003_P1.jsp
[9] [PDF] 웹 사이트 보안 위험도 산정 기법 – Korea Science https://koreascience.kr/article/CFKO200723367099235.pdf
[10] 국가대표 LLM(월드베스트LLM) 1개? 5개?…이달 중 기본 계획 수립 https://v.daum.net/v/20250514100110467
[11] ‘AI 국가대표 정예팀’ 만든다…’한국형 챗GPT’ 월드베스트 LLM … https://smarttechkorea.com/Newsletter/?bmode=view&idx=154081975
[12] 2024년 국가물산업클러스터 Water Partner 지원사업 공고 – 기업마당 https://www.bizinfo.go.kr/web/lay1/bbs/S1T122C128/AS/74/view.do?pblancId=PBLN_000000000096613
[13] 예산결산특별위원회회의록 – 국회 https://record.assembly.go.kr/assembly/viewer/minutes/xml.do?id=54608&type=view&item=item1
[14] 과기정통부, 1.63조 GPU 확보·임차 사업 공모 – 네이트 뉴스 https://news.nate.com/view/20250529n23081
[15] ‘한국판 챗GPT’ 키운다···WBL 프로젝트 ‘1.8조’ 투입 – 이뉴스투데이 http://www.enewstoday.co.kr/news/articleView.html?idxno=2266490
[16] [2025추경] GPU 1만장에 1.5조 ‘실탄’…국가대표 AI팀 밀어준다 https://stock.mk.co.kr/news/view/725698
[17] “국산 AI 모델 키운다”…정부, 1천723억원 들여 대규모 GPU 임차 ‘속도’ https://zdnet.co.kr/view/?no=20250530153032
[18] 공모주일정, 공모주청약일정, 공모일정, 공모청약, 수요예측,심사청구 … http://www.38.co.kr/html/ipo/ipo_schedule.php
[19] 정부, 한국형 챗GPT’ 만든다… ‘월드 베스트 LLM(WBL)’ 프로젝트 추진 https://www.dentalarchive.tv/news/articleView.html?idxno=7341
[20] 한국형 챗GPT 프로젝트 가동한다… “AI 정예팀 공모해 GPU, 인재 예산 … https://www.fnnews.com/news/202502201523520531
[21] 정부, ‘1.6조원’ 규모 GPU 대전 시작…”WBL 훈련용 반도체, 민간과 … https://zdnet.co.kr/view/?no=20250529171000
[22] World University Rankings by Subject 2025: Law https://www.timeshighereducation.com/world-university-rankings/2025/subject-ranking/law
[23] AI 추경에 필요한 두 가지 – 마켓인 https://marketin.edaily.co.kr/News/ReadE?newsId=01190646642138744
[24] “AI 3대 강국 도약하자”…과기정통부 ‘AI 글로벌 콘퍼런스’ – 연합뉴스 https://www.yna.co.kr/view/AKR20250325077900017
[25] 공모청약일정, 공모주청약, 공모주분석, 기업공개, 상장, 공모일정 … http://www.38.co.kr/html/fund/?o=k
[26] 공모일정 – 대한민국 대표 기업공시채널 KIND https://kind.krx.co.kr/listinvstg/pubofrschdl.do?method=searchPubofrScholMain
[27] [PDF] ‘국가 AI역량 강화방안’ 후속조치 – KDI 경제교육·정보센터 https://eiec.kdi.re.kr/policy/callDownload.do?num=265672&filenum=2&dtime=20250418160550
[28] 업무 기반 학습: WBL: 고용주와 직원을 위한 WBL의 이점 – FasterCapital https://fastercapital.com/ko/content/%EC%97%85%EB%AC%B4-%EA%B8%B0%EB%B0%98-%ED%95%99%EC%8A%B5–WBL–%EA%B3%A0%EC%9A%A9%EC%A3%BC%EC%99%80-%EC%A7%81%EC%9B%90%EC%9D%84-%EC%9C%84%ED%95%9C-WBL%EC%9D%98-%EC%9D%B4%EC%A0%90.html
[29] 정부 추진 국가대표 AI팀, 업계가 본 선발 요건은? – 디지털데일리 https://m.ddaily.co.kr/page/view/2025022114200680719
[30] [HWP] 클라우드 기반 산업혁신 현황 https://www.nipa.kr/comm/getFile?srvcId=BBSTY1&upperNo=ksmZI4S%2AaD2LsTaWzPlcxA%3D%3D&fileTy=ATTACH&fileNo=Bgu16Ra8xI5PUUMCTbsoBw%3D%3D
[31] 정부, 1.8조 AI 추경 단행…GPU 1만 장·국가대표 AI 5곳 키운다 – 헬로티 https://www.hellot.net/news/article.html?no=100448
[32] [HWP] I https://www.nipa.kr/comm/getFile?srvcId=BBSTY1&upperNo=8ymb54fJzhHALIFeamfGYw%3D%3D&fileTy=ATTACH&fileNo=%2ArCoJ72gkWpa0yk%5EF1B1nw%3D%3D

✅ [1] 강점 요인 – “기반은 확실히 강화되고 있다”

1. 정부 주도의 대규모 투자

2,136억 원 규모 예산 확보 (2025년 1차 추경)
NVIDIA H100/H200/B200 GPU 2,600장 임차 → 단기 연산력 확보
국가 AI 컴퓨팅센터 완공(2026~2027년) 시 장기 인프라 확장 가능

2. 데이터 확보 및 법·제도 개편 시도

공공·민간 데이터셋 통합 플랫폼 구축
저작권료 유예 제도 추진 → 텍스트·멀티모달 데이터 접근 확대 가능

3. 인재 육성 정책 동시 병행

AI 패스파인더, AI 박사급 400명 집단 연구 등 병행
최대 연간 20억 원 인건비 지원은 꽤 강력한 유인책

📌 종합 판단: ‘기반 마련’ 자체는 역대 최강 수준이며, 물리적 인프라와 제도적 기반만 보면 과거 어떤 국가 주도 AI 프로젝트보다 성숙도가 높음

❌ [2] 한계 요인 – “성공을 담보하지는 않는다”

1. 국산 LLM 개발 경험 부족

현재 한국의 최고 성능 모델은 대부분 70억~130억 파라미터 수준이며, 자체 학습보다는 오픈소스 기반 fine-tune 위주
한국형 300B+ 모델을 스크래치부터 학습한 사례 전무
GPU 장비를 보유한 기업도 많지 않아 “수혜를 받더라도 경험이 부족한 팀이 주도할 가능성” 높음

2. 글로벌 경쟁 심화

OpenAI (GPT-4o), Anthropic (Claude), Google DeepMind (Gemini), Meta (Llama3) 등은 이미 수년간 축적된 인력과 기술, 글로벌 실사용 기반 확보
한국이 추월이 아닌 따라잡기를 하려면 최소 수년의 기술 축적이 필요

3. AI 인재 유출 및 내부 생태계 협력 부족

국내 AI 석·박사 상당수가 미국 및 해외 기업으로 빠져나감
국내 산업계-학계-연구기관 간 협업 구조가 느슨하며, 경쟁 구조로 설계된 WBL 공모 체계도 공동체적 생태계 형성에는 부적합

📊 결론: “세계 최고 수준은 어렵고, 상위권 진입은 가능성 있음”

목표 수준	현실성 평가	비고
세계 1~2위급 LLM (GPT-4o 등)	❌ 매우 어려움	기술·자본·데이터 모두 부족
세계 5~10위권 수준 LLM	🔶 제한적 가능	3년 이상 성과 집중 시 도달 가능
한국어 특화·산업용 LLM	✅ 충분히 가능	다국적 모델과의 차별성 확보 필요

🔄 전략적 제안

‘자체 파운데이션 모델’ 대신 ‘멀티모달 특화 모델’ 전략 병행 필요
- 의료, 법률, 제조, 한류 콘텐츠 등 도메인 특화형 LLM에 집중하는 것이 실리적
- 메타휴먼, 가상아이돌, 영상 생성 등과 연계한 멀티모달 LLM 상용화 유리
WBL 선발팀 간 연합 및 오픈소스화 장려
- 팀 간 파편화 방지
- HuggingFace나 OpenLLM과 협력 통한 글로벌 커뮤니티 참여도 중요
성공 사례의 조기 외부 공개 및 국제 협력 유치
- 예: 일본의 NICT, 프랑스의 Mistral, 아랍에미리트의 Falcon 등과 협업을 통해 공동 연구

궁극적으로 WBL 프로젝트의 성공 가능성은 “세계 최고가 되느냐”보다는 “우리에게 필요한 AI를 우리 손으로 만들 수 있느냐”에 달려 있습니다.
“무조건 따라잡겠다”보다 “우리가 잘할 수 있는 방식으로 특화하겠다”는 전략이 오히려 실현 가능성을 높이는 방향입니다.