한국인공지능·소프트웨어산업협회(회장 조준희, KOSA) 산하 AI정책협력위원회(위원장 임우형 LG AI연구원 공동원장)는 대한민국이 세계 3위권의 AI 강국(G3)으로 도약하기 위한 구체적인 실행 방안을 담은 「공공부문 GPU 활용 전략 보고서」를 발간했다고 2월 19일(목) 밝혔다.
이번 보고서는 2030년까지 정부가 확보하게 될 그래픽처리장치(GPU) 물량을 효율적으로 활용할 수 있는 방안을 산업계 입장에서 제시하고 있다. 특히 GPU의 수명이 3~5년으로 짧고, 인프라 규모 대비 실질적 활용 수요가 부족한 점을 지적하며, 도입 초기부터 가동률을 극대화하지 못하면 막대한 예산이 투입된 자산이 ‘고철’로 전락할 위험이 있다고 경고했다. 이에 따라 국가 정책의 무게중심을 기존의 인프라 보유 경쟁에서 벗어나 산업 현장의 활용 경쟁으로 과감히 전환해야 한다고 제언했다.
AI정책협력위원회는 보고서를 통해 4가지 핵심 전략을 제시했다.
첫째, 정부가 ‘첫 번째 고객(First Customer)’이 되어 초기 시장을 견인해야 한다. 행정·국방 등 공공 부문에 국산 AI 도입을 의무화하여 시장의 불확실성을 제거하고, AI 도입률이 낮은 중소 제조기업을 위해 진단부터 구축까지 전 과정을 지원하는 ‘원스톱 패키지’ 신설의 필요성을 강조했다.
둘째, 하드웨어 구매에 편중된 예산 구조를 소프트웨어(SW)와 데이터 가치를 인정하는 방향으로 혁신해야 한다. 기업의 비즈니스 적기에 대응할 수 있도록 정부 지원 사업의 ‘수시 신청(Rolling Review)’ 트랙을 신설하고, 성과 우수 기업에는 최대 3년(2+1년)까지 끊김없는 연구 환경을 보장하는 다년도 지원 체계 확립을 제안했다.
셋째, 인프라 효율성을 높이기 위해 학습과 추론 단계를 전략적으로 분리해야 한다. 고난도 모델 개발(학습)에는 엔비디아 GPU를 집중 투입하되, 대국민 서비스(추론) 단계에서는 국산 NPU 사용을 원칙으로 하여 국산 칩의 초기 레퍼런스 확보를 지원해야 한다.
넷째, 실전형 AI 엔지니어링 인재와 ‘슈퍼컴퓨팅 아키텍트’를 육성해야 한다. 도메인 지식을 갖춘 산업 베테랑에게 AI 역량을 입히는 재교육(Up-skilling)과 더불어, 대규모 GPU 클러스터를 최적으로 설계·운영할 수 있는 아키텍트를 국가 차원에서 체계적으로 양성해야 한다고 강조했다.
임우형 AI정책협력위원회 위원장(LG AI연구원 공동원장)은 “GPU 확보가 가시화된 지금이 AI G3 도약을 실현할 수 있는 골든타임이다”며, “공공 부문이 선제적으로 마중물 역할을 하고 민간이 창의적인 엔지니어링으로 화답하는 ‘민·관 원팀’ 플레이가 어느 때보다 절실하다”고 밝혔다.
조준희 KOSA 회장은 “우리나라가 보유한 세계 최고 수준의 ‘제조 데이터’를 무기로 ‘풀스택 AI’ 패키지를 구축해 글로벌 수출 경쟁력을 확보해야 한다.”며, “정부 예산이 GPU 구매라는 하드웨어에만 머물지 않고, AI 공정대가 지급과 같이 소프트웨어 가치가 제대로 인정받는 건강한 생태계 조성으로 이어지도록 협회가 앞장서겠다.”고 밝혔다.
보고서 전문은 KOSA 홈페이지를 통해 확인할 수 있다.
- 관련 기사 더 보기
KOSA Publishes "Public Sector GPU Utilization Strategy Report"
The AI Policy Cooperation Committee (Chairman Lim Woo-hyung, Co-Director of LG AI Research Institute) under the Korea Artificial Intelligence and Software Industry Association (Chairman Cho Jun-hee, KOSA) announced on Thursday, February 19 that it has published the “Public Sector GPU Utilization Strategy Report” containing specific implementation plans for Korea to leap forward as one of the world’s top three AI powerhouses (G3).
This report presents, from the perspective of industry, ways to efficiently utilize the volume of graphics processing units (GPUs) the government will secure by 2030. It specifically points out the short lifespan of GPUs, at 3-5 years, and the lack of actual demand relative to the scale of the infrastructure. It warns that if utilization rates are not maximized from the outset, these massively invested assets risk becoming mere scrap metal. Accordingly, it recommends a bold shift in national policy focus from the existing competition for infrastructure ownership to a competition for industrial utilization.
The AI Policy Cooperation Committee presented four key strategies in its report.
First, the government must become the "first customer" and drive the early market. He emphasized the need to eliminate market uncertainty by mandating the adoption of domestically produced AI in public sectors such as administration and national defense. He also emphasized the need to establish a "one-stop package" that supports the entire process, from diagnosis to implementation, for small and medium-sized manufacturing companies with low AI adoption rates.
Second, the budget structure, which is currently heavily focused on hardware purchases, must be reformed to recognize the value of software (SW) and data. To enable companies to respond to business needs in a timely manner, a "Rolling Review" track for government-funded projects should be established. Furthermore, a multi-year support system should be established to guarantee a seamless research environment for up to three years (2+1 years) for high-performing companies.
Third, to improve infrastructure efficiency, the learning and inference stages should be strategically separated. While NVIDIA GPUs should be heavily invested in high-difficulty model development (training), domestically produced NPUs should be used for public service (inference) to ensure early references for domestically produced chips.
Fourth, we must cultivate practical AI engineering talent and "supercomputing architects." He emphasized the need for upskilling industry veterans with domain knowledge to acquire AI capabilities, as well as systematically developing architects capable of optimally designing and operating large-scale GPU clusters at the national level.
Lim Woo-hyung, Chairman of the AI Policy Cooperation Committee and Co-Director of LG AI Research Institute, said, “Now that securing GPUs has become visible, it is the golden time to realize the AI G3 leap forward,” and “The ‘public-private one team’ play, in which the public sector takes the lead and the private sector responds with creative engineering, is more urgent than ever.”
KOSA Chairman Cho Jun-hee said, “We must secure global export competitiveness by building a ‘full-stack AI’ package armed with our country’s world-class ‘manufacturing data.’” He added, “The association will take the lead in creating a healthy ecosystem where the government budget does not stop at hardware such as GPU purchases, but is properly recognized for the value of software, such as through payment of AI process costs.”
The full report can be found on the KOSA website .
- See more related articles
KOSAが「公共部門GPU活用戦略報告書」を発行
韓国人工知能・ソフトウェア産業協会（会長チョ・ジュニ、KOSA）傘下のAI政策協力委員会（委員長イム・ウヒョンLG AI研究院共同院長）は、大韓民国が世界3位圏のAI強国（G3）に跳躍するための具体的な実行案を盛り込んだ「公共部門GPU活用戦略報告書」を発刊した。
今回の報告書は、2030年まで政府が確保するグラフィック処理装置（GPU）の量を効率的に活用できる方案を産業界の立場で提示している。特にGPUの寿命が3～5年と短く、インフラ規模に比べて実質的活用需要が不足している点を指摘し、導入初期から稼働率を極大化できないと莫大な予算が投入された資産が「古鉄」に転落する危険があると警告した。これにより、国家政策の重心を既存のインフラ保有競争から脱し、産業現場の活用競争に果敢に転換しなければならないと提言した。
AI政策協力委員会は報告書を通じて4つの核心戦略を提示した。
まず、政府が「最初の顧客（First Customer）」となり、初期市場を牽引しなければならない。行政・国防など公共部門に国産AI導入を義務化して市場の不確実性を排除し、AI導入率の低い中小製造企業のために診断から構築まで全過程を支援する「ワンストップパッケージ」の新設の必要性を強調した。
第二に、ハードウェアの購入に偏っている予算構造をソフトウェア（SW）とデータ価値を認める方向に革新する必要があります。企業のビジネス適期に対応できるよう、政府支援事業の「随時申請（Rolling Review）」トラックを新設し、成果優秀企業には最大3年（2+1年）までシームレスな研究環境を保障する多年度支援体制の確立を提案した。
第三に、インフラの効率性を高めるために、学習と推論の段階を戦略的に分離する必要があります。高難度モデル開発（学習）にはNVIDIA GPUを集中投入するが、対国民サービス（推論）段階では国産NPU使用を原則として国産チップの初期リファレンス確保を支援しなければならない。
第四に、実戦型AIエンジニアリング人材と「スーパーコンピューティングアーキテクト」を育成しなければならない。ドメイン知識を備えた産業ベテランにAI力量を与える再教育(Up-skilling)とともに、大規模GPUクラスタを最適に設計・運営できるアーキテクトを国家レベルで体系的に養成しなければならないと強調した。
イム・ウヒョンAI政策協力委員会委員長（LG AI研究院共同院長）は「GPU確保が可視化された今がAI G3跳躍を実現できるゴールデンタイムである」とし、「公共部門が先制的にお出迎え役をして民間が創造的なエンジニアリングで答える」。
チョ・ジュンヒKOSA会長は「韓国が保有する世界最高水準の「製造データ」を武器に「フルスタックAI」パッケージを構築し、グローバル輸出競争力を確保しなければならない。言った。
報告書の専門はKOSAホームページを通じて確認することができる。
- 関連記事をもっと見る
KOSA发布《公共部门GPU利用战略报告》
韩国人工智能与软件产业协会（KOSA，会长赵俊熙）下属的人工智能政策合作委员会（会长林宇亨，LG人工智能研究所联席主任）于2月19日星期四宣布，已发布《公共部门GPU利用战略报告》，其中包含韩国跃升为世界三大人工智能强国（G3）之一的具体实施计划。
本报告从产业角度出发，探讨了如何高效利用政府到2030年将获得的图形处理器（GPU）。报告特别指出GPU的使用寿命仅为3-5年，且相对于基础设施规模而言，实际需求不足。报告警告称，如果不能从一开始就最大限度地提高利用率，这些巨额投资的资产将面临沦为废铁的风险。因此，报告建议国家政策重点从目前对基础设施所有权的竞争转向对工业利用的竞争，并提出大胆的政策转变建议。
人工智能政策合作委员会在其报告中提出了四项关键战略。
首先，政府必须成为“首批客户”，引领早期市场。他强调，必须通过强制公共部门（例如行政部门和国防部门）采用国产人工智能来消除市场不确定性。他还强调，需要为人工智能应用率较低的中小型制造企业建立“一站式”服务体系，支持从诊断到实施的整个流程。
其次，目前预算结构严重侧重于硬件采购，必须进行改革，以充分体现软件和数据的价值。为使企业能够及时响应业务需求，应建立政府资助项目的“滚动评审”机制。此外，还应建立多年支持体系，为表现优异的企业提供长达三年（2+1年）的无缝研发环境。
第三，为提高基础设施效率，应策略性地将学习和推理阶段分开。NVIDIA GPU 应重点投入高难度模型开发（训练），而国产 NPU 则应用于公共服务（推理），以确保国产芯片能够尽早获得市场认可。
第四，我们必须培养实用型人工智能工程人才和“超级计算架构师”。他强调，需要提升具备领域知识的行业资深人士的技能，使其掌握人工智能能力，并系统地培养能够在国家层面优化设计和运营大规模GPU集群的架构师。
人工智能政策合作委员会主席兼LG人工智能研究院联合主任林宇亨表示：“现在GPU安全保障已经显现，正是实现人工智能G3飞跃的黄金时机。”他还表示：“公共部门牵头、私营部门以创新工程技术响应的‘公私合作，携手共进’的模式比以往任何时候都更加迫切。”
韩国航空航天学会（KOSA）会长赵俊熙表示：“我们必须利用我国世界一流的‘制造业数据’，打造‘全栈人工智能’解决方案，从而确保全球出口竞争力。” 他补充道：“学会将率先创建一个健康的生态系统，在这个系统中，政府预算不应仅仅局限于购买GPU等硬件，而应充分认可软件的价值，例如支付人工智能流程成本。”
完整报告可在KOSA网站上找到。
- 查看更多相关文章
KOSA publie un rapport intitulé « Stratégie d'utilisation des GPU dans le secteur public »
Le Comité de coopération en matière de politique d'IA (Président Lim Woo-hyung, codirecteur de l'Institut de recherche sur l'IA de LG) sous l'égide de l'Association coréenne de l'industrie de l'intelligence artificielle et des logiciels (Président Cho Jun-hee, KOSA) a annoncé le jeudi 19 février avoir publié le « Rapport sur la stratégie d'utilisation des GPU du secteur public » contenant des plans de mise en œuvre spécifiques pour que la Corée devienne l'une des trois principales puissances mondiales en matière d'IA (G3).
Ce rapport présente, du point de vue industriel, des pistes pour optimiser l'utilisation des unités de traitement graphique (GPU) que le gouvernement acquerra d'ici 2030. Il souligne notamment la courte durée de vie des GPU (3 à 5 ans) et l'insuffisance de la demande au regard de l'envergure de l'infrastructure. Il met en garde contre le risque, si les taux d'utilisation ne sont pas maximisés dès le départ, que ces actifs, ayant fait l'objet d'investissements massifs, ne soient finalement que des rebuts. En conséquence, il recommande un changement radical d'orientation de la politique nationale, passant d'une course à la propriété des infrastructures à une course à leur utilisation industrielle.
Le Comité de coopération en matière de politique d'IA a présenté quatre stratégies clés dans son rapport.
Premièrement, l'État doit devenir le premier client et dynamiser le marché initial. Il a insisté sur la nécessité de lever l'incertitude du marché en imposant l'adoption d'une IA développée localement dans les secteurs publics tels que l'administration et la défense nationale. Il a également souligné l'importance de mettre en place un guichet unique accompagnant l'ensemble du processus, du diagnostic à la mise en œuvre, pour les PME manufacturières dont le taux d'adoption de l'IA est faible.
Deuxièmement, la structure budgétaire, actuellement fortement axée sur l'acquisition de matériel, doit être réformée afin de prendre en compte la valeur des logiciels et des données. Pour permettre aux entreprises de répondre rapidement aux besoins opérationnels, un processus d'évaluation continue des projets financés par l'État devrait être mis en place. Par ailleurs, un système de soutien pluriannuel devrait être instauré afin de garantir un environnement de recherche optimal pendant une durée maximale de trois ans (2+1 ans) pour les entreprises les plus performantes.
Troisièmement, afin d'améliorer l'efficacité de l'infrastructure, les phases d'apprentissage et d'inférence doivent être stratégiquement séparées. Tandis que les GPU NVIDIA devraient être massivement utilisés pour le développement de modèles complexes (entraînement), les NPU de fabrication locale devraient être mises à contribution pour le service public (inférence) afin de garantir des résultats préliminaires pour les puces produites localement.
Quatrièmement, nous devons former des ingénieurs en IA compétents et des « architectes de supercalculateurs ». Il a souligné la nécessité de perfectionner les compétences des professionnels chevronnés du secteur possédant des connaissances du domaine afin qu'ils acquièrent des capacités en IA, ainsi que de développer systématiquement des architectes capables de concevoir et d'exploiter de manière optimale des clusters GPU à grande échelle au niveau national.
Lim Woo-hyung, président du Comité de coopération en matière de politique d'IA et codirecteur de l'Institut de recherche sur l'IA de LG, a déclaré : « Maintenant que la sécurisation des GPU est devenue une évidence, le moment est idéal pour réaliser le bond en avant de l'IA G3 », et « La collaboration public-privé, où le secteur public prend l'initiative et le secteur privé répond par une ingénierie créative, est plus urgente que jamais. »
Le président de KOSA, Cho Jun-hee, a déclaré : « Nous devons garantir la compétitivité de nos exportations mondiales en développant une solution d'IA complète, s'appuyant sur les données de production de pointe de notre pays. » Il a ajouté : « L'association jouera un rôle moteur dans la création d'un écosystème sain où le budget de l'État ne se limite pas à l'achat de matériel, comme les GPU, mais reconnaît pleinement la valeur des logiciels, notamment par la prise en charge des coûts liés aux processus d'IA. »
Le rapport complet est disponible sur le site web de KOSA .
- Voir plus d'articles connexes
You must be logged in to post a comment.