현황: 256장 GPU가 2장으로 줄어든 이유
한국과학기술원(KAIST) 연구진이 개발한 바이오 인공지능 모델 K-Fold가 GPU 지원 종료 이후 2장 규모로 운영되고 있다. 연구진은 과학기술정보통신부의 ‘AI 특화 파운데이션 모델’ 사업을 통해 약 10개월간 엔비디아 B200 GPU 256장을 제공받았지만, 과제 기간이 9일 종료된 상태다.
현재 GPU 2장으로는 단백질 구조 예측 등 이미 개발된 모델의 구동은 가능하다. 그러나 새로운 데이터를 대규모로 학습하는 재학습과 성능·기능 고도화는 사실상 어렵다. K-Fold는 향후 연구자와 기업에 공개될 예정인 만큼, 연산 자원 중단은 모델 활용뿐 아니라 후속 연구에도 영향을 줄 수 있다.
원인: AI 연구의 성과와 연산 자원의 불일치
AI 모델은 새로운 데이터가 축적될 때마다 재학습해야 한다. 재학습은 기존 모델에 새 데이터를 반영해 정확도와 기능을 개선하는 과정이다. 하지만 정부 사업은 과제 기간이 끝나면 GPU 지원도 종료되는 구조다.
이 때문에 연구자는 수개월간 GPU를 활용해 모델을 개발한 뒤, 후속 연구를 위해 다시 국가사업에 지원해야 한다. 연구팀이 새로운 사업에 선정되지 않으면 대규모 연산이 필요한 연구는 중단될 가능성이 커진다.
뉴스에 따르면 정부는 지난해 추가경정예산 등을 통해 B200·H200 등 첨단 GPU 1만 3136장을 민관 협력으로 확보하기로 했다. 대학과 정부출연연구기관이 자체적으로 확보하기 어려운 수십~수백 장 규모의 GPU를 활용할 수 있게 된 점은 정책 성과로 평가할 수 있다. 다만 지원의 연속성이 확보되지 않으면 성과가 후속 연구로 연결되기 어렵다는 한계가 드러난다.
전망: 일회성 지원보다 후속 연구 체계가 관건
현재 시장·경제 흐름에서 이 사안은 AI 산업의 연산 인프라 부족과 정부 지원의 지속성 문제가 만나는 지점에 있다. 첨단 GPU 확보 자체는 진행되고 있지만, 과제 종료 뒤 자원을 어떻게 이어갈지는 별도 과제로 남아 있다.
앞으로는 신규 모델 개발과 기존 모델 고도화를 구분하는 투트랙 지원이 필요하다는 시사점이 나온다. 특히 K-Fold처럼 이미 성과를 낸 모델에는 재학습과 공개 운영에 필요한 후속 연산 자원을 별도로 배정하는 방식이 현실적인 대안이 될 수 있다.
연구 현장에서는 과제 종료 전에 다음 단계의 GPU 수요와 재학습 계획을 제시하고, 지원기관은 모델 공개 이후 활용도와 성능 개선 가능성을 기준으로 연속 지원 여부를 검토할 필요가 있다. 다만 금리와 환율 같은 금융 변수의 영향은 참고 뉴스에서 확인되지 않으며, 현재 확인되는 핵심 거시 요인은 정부의 GPU 확보 정책과 AI 연산 수요 확대다.
결론
K-Fold 사례는 GPU 지원 규모가 256장에서 2장으로 줄면서, AI 연구 성과가 있어도 후속 개발이 멈출 수 있음을 보여준다. 핵심은 GPU를 한 번 제공하는 데 그치지 않고 연구 성과가 재학습과 산업 활용으로 이어지도록 지원 구조를 설계하는 데 있다.
- 연구팀은 과제 종료 전 후속 재학습에 필요한 GPU 규모를 산정한다.
- 지원기관은 신규 개발과 성능 고도화를 분리해 평가한다.
- 대학과 기업은 모델 공개 이후 활용 계획과 연산 수요를 함께 제시한다.
- #KFold
- #GPU지원
- #AI연구
- #과기정통부
- #바이오AI