기업용 AI에는 주권형 연구소가 과하다

기업이 말하는 sovereign AI는 실제로는 sovereign pre-training과 sovereign deployment를 섞어 부르는 말이다. 전자는 국가급 모델과 인프라를, 후자는 기업 데이터의 지역 내 보관과 통제를 뜻한다. 이 둘을 같은 문제로 보면 405B 모델을 직접 학습할지 고민하는 식의 엇나간 논의로 흐른다.

주권형 연구소가 내세우는 7개 주장 중 상당수는 현장에서 무너진다. Aleph Alpha, Sarvam, Sakana, Mistral도 대체로 Common Crawl 중심의 공개 웹 코퍼스와 Llama·DeepSeek 계열 설계를 바탕으로 하고, 진짜로 깨끗한 국가별 코퍼스를 새로 만드는 경제성은 없다. weights는 사실상 상품이고, sovereign compute도 타이완산 NVIDIA 칩에 의존하는 경우가 많아 공급망은 크게 달라지지 않는다.

남는 차별점은 cultural and linguistic fit뿐이다. Sarvam은 인도 언어를, Aleph Alpha는 독일 법률 문체를 더 잘 다루지만, GPT와 Claude의 비영어권 성능도 계속 좋아지고 있어 이 격차는 24개월 안에 줄어들 수 있다. 결국 7개 주장 중 실질적으로 남는 건 문화·언어 적합성과 현지 GTM 정도, 다시 말해 1.5개 수준이다.

기업이 원하는 sovereign AI는 훨씬 단순하다.

• 규제 데이터가 관할권 안에 남을 것
• 데이터가 타사 모델 학습에 쓰이지 않을 것
• 모든 흐름이 감사 가능할 것
• 한 벤더에 종속되지 않을 것
• 현지 언어와 업무·규제 맥락에서 작동할 것

해법은 두 갈래다.

• Local deployment: Llama, Mistral, DeepSeek, Qwen을 private VPC, 온프레미스, sovereign cloud region에서 돌리고 vLLM이나 Ollama로 서빙한다. AWS Frankfurt에서 돌려도 CLOUD Act 문제는 남는다.
• Local isolation: 민감한 고객 데이터를 먼저 관할권 안에 격리해 모델이 볼 수 있는 정보만 제한한다.

이 둘을 함께 쓰면 민감한 업무는 통제하면서도, 필요한 경우에는 정제된 데이터만 남긴 채 GPT-5나 Claude 같은 프런티어 모델도 활용할 수 있다. 결론적으로 국방, 정보, 정부, 일부 고규제 영역에는 국가급 주권형 연구소가 필요할 수 있지만, 대부분의 기업에는 private inference와 controlled data flow가 훨씬 싸고 빠르다. 모델의 국적은 마케팅이고, 통제의 대상은 데이터 흐름이다.