2026 - 10.8 The State of AI Report 2026 - 한국

https://www.stateof.ai/State-of-AI-Report-2026.pdf

 

 

1. Industry — 추론 반도체·메모리·투자 위험

1.1 국내 AI 반도체: ‘독립 추론 칩’ 경쟁자로 분류

보고서는 NVIDIA의 경쟁자를 상용 플랫폼, 자체 설계 칩, 독립 AI 칩, 중국 대안으로 분류합니다. 국내 기업 두 곳은 Independent AI chips 영역에 포함됩니다.〔p.138, 도표〕

기업	도표 표기 제품	원문 분류
퓨리오사AI	RNGD	독립 AI 칩·추론
리벨리온	Rebel100	독립 AI 칩·추론

 

내용 분석

① 한국 기업의 위치는 훈련보다 추론 경쟁에 가깝습니다.

해당 도표에서 두 제품에는 추론을 의미하는 표시만 붙어 있습니다. 이는 보고서가 이들을 대규모 모델 훈련 플랫폼보다 추론용 대안 공급자로 배치했다는 뜻입니다.

② 기업·제품의 존재와 경쟁력 입증은 다릅니다.

해당 페이지에는 두 제품의 다음 정보가 없습니다.

• 동일 모델·정밀도·응답속도에서의 처리량
• 전력당 성능과 총소유비용
• 고객 배포 규모와 가동률
• 소프트웨어 호환성
• 매출·수익성

따라서 이 도표로 확인되는 것은 경쟁 구도에서의 분류이지, NVIDIA 대비 성능·경제성 우위가 아닙니다.

③ 개별 제품의 배포 상태를 과도하게 해석하면 안 됩니다.

페이지 전체는 경쟁자들의 상태가 대규모 운영부터 초기 출하·개발 중까지 다양하다고 설명합니다. 하지만 RNGD와 Rebel100 각각에 대해 구체적인 배포 규모나 가동 상태를 제시하지는 않습니다.

챕터 내 판단: 한국 AI 반도체는 보고서에서 추론 공급망의 대안으로 인식되지만, 비교 성능을 판단할 데이터는 부족합니다.

 

1.2 SK하이닉스: 글로벌 메모리 기업의 가치평가 비교 대상으로 등장

중국 AI 기업들의 상장과 가치평가를 비교하는 페이지에 SK하이닉스가 등장합니다.〔p.158, 도표〕

항목	보고서 제시 내용
SK하이닉스 매출배수	7배
지표 정의	기업가치(EV) ÷ 과거 실적 매출
가격 기준	2026년 9월 18일
비교 시 주의사항	SK하이닉스는 NAND와 HBM도 판매하므로 비교 기업과 제품 구성이 다름

내용 분석

① 한국 기업은 AI 메모리 공급자의 비교 기준으로 활용됩니다.

이 페이지의 주제는 한국 기업 분석이 아니라 중국 AI 상장기업의 가치평가입니다. SK하이닉스는 그 평가 수준을 이해하기 위한 비교 대상으로 제시됩니다.

② 7배를 PER이나 주가 상승률로 읽으면 안 됩니다.

원문 지표는 EV/매출입니다. 영업이익이나 순이익을 기준으로 한 배수가 아닙니다.

③ 제품 구성이 달라 단순한 고평가·저평가 결론은 어렵습니다.

보고서는 SK하이닉스와 Micron이 NAND·HBM을 함께 판매한다고 명시합니다. 제품별 성장률·수익성·경기 민감도가 다르므로 배수 차이만으로 투자 매력이나 기술 우열을 판단할 수 없습니다.

챕터 내 판단: 한국의 메모리 산업은 AI 가치사슬의 중요한 비교 대상으로 등장하지만, 이 수치만으로 HBM 사업 자체의 가치평가를 분리할 수는 없습니다.

 

1.3 국내 투자시장: 메모리 성장 기대보다 레버리지 위험에 초점

한국을 직접 다룬 Industry 사례의 핵심은 메모리 주식 투자에서 레버리지가 손실을 확대했다는 내용입니다.〔p.161〕

주요 데이터

항목	보고서 수치	해석 범위
개인의 2배 레버리지 ETF 매수	4주 동안 8.9조 원	거래·투자 규모이지 손실액이 아님
신용융자	37.3조 원	보고서는 기록적인 규모로 표현
SK하이닉스 레버리지 ETF 손실	7월 67~69%	ETF 손실률이며 SK하이닉스 현물 주가 하락률과 다름
KOSPI 하락	해당 7월 22%	지수 변동률
증권사 10곳의 일일 반대매매	7월 439억 원	전체 증권시장 집계가 아닌 표본
반대매매 전년 대비	약 13배	보고서 제시 비교

도표의 시계열

시점	일일 반대매매 금액	관련 계좌 수
2025년 7월	34억 원	622개
2026년 1월	29억 원	487개
2026년 5월	83억 원	911개
2026년 6월	204억 원	1,511개
2026년 7월	439억 원	2,258개

출처: p.161 도표. 금액은 원문의 KRW billion을 억 원으로 환산했습니다.

내용 분석

① 보고서가 설명하는 것은 산업 경쟁력보다 금융 취약성입니다.

메모리 수요 전망이 긍정적이더라도 신용융자·레버리지 상품을 통한 투자는 가격 반전 시 강제 청산을 확대할 수 있다는 사례입니다.

② 레버리지 ETF 손실을 기업의 사업 악화와 동일시하면 안 됩니다.

상품 구조에 따른 손익과 현물 주가, 기업의 매출·이익은 별도 지표입니다.

③ 반대매매 수치의 범위를 유지해야 합니다.

439억 원은 증권사 10곳의 일일 지표입니다. 이를 월간 누적 손실이나 한국 전체 반대매매 규모로 확대해서는 안 됩니다. 해당 페이지는 월별 관측치를 제시하지만, 일일 값의 구체적인 집계 방식은 추가 원자료 확인이 필요합니다.

Industry 종합

한국은 이 챕터에서 추론 반도체의 대안 공급자, AI 메모리의 비교 대상, 레버리지 투자 위험 사례로 등장합니다. 기업의 기술 성과와 투자상품의 손익은 분리해서 읽어야 합니다.

 

2. Politics — 국내 AI 공급과 수요를 함께 만드는 국가 전략

2.1 AI 예산: 확정 예산과 차년도 요청액을 구분

국가별 소버린 AI 프로그램 비교 도표는 한국의 예산을 다음과 같이 제시합니다.〔p.171, 한국 카드〕

구분	보고서 제시 내용	상태
2026년 AI 예산	9.9조 원	해당 연도 예산
보고서의 달러 환산	$7.1B, 약 71억 달러	보고서 내 환산값
예산 조정	2% 삭감 후 통과	카드에 기재
2027년 AI 예산	21.3조 원 요청	확정 예산이 아닌 요청액

원문은 예산 통과일을 “12월 2일”로 표기하지만, 해당 카드에는 연도를 명시하지 않습니다.

내용 분석

① 9.9조 원은 실제 집행액이 아닙니다.

도표 자체가 국가별 프로그램 공약·예산을 비교하는 자료임을 밝힙니다. 한국 카드의 FUNDED 표시도 전액 집행이나 성과 달성을 의미하지 않습니다.

② 2027년 21.3조 원은 확대 방향을 나타내지만 확정 실적은 아닙니다.

보고서는 이를 request라고 표현합니다. 따라서 “2027년 예산이 21.3조 원으로 확정됐다”는 해석은 원문보다 강합니다.

③ 국가별 금액을 단순 순위로 비교하기 어렵습니다.

한국은 2026년 단년도 예산인 반면, 같은 도표의 다른 국가는 다년도 계획·펀드·시설 사업 등을 제시합니다. 기간과 사업 범위가 같지 않습니다.

 

2.2 국내 모델: 자체 역량과 기술인력 확보

보고서는 한국의 2026~2028 AI 전략이 세계 3위권을 지향한다고 설명합니다. 국내 모델 항목에는 LG·SK Telecom·Upstage가 등장합니다.〔p.173〕

구분	원문 내용	확인되지 않은 부분
참여 기업	LG·SK Telecom·Upstage	해당 페이지에는 모델별 점수 없음
모델 공개	오픈웨이트 공개 후 모델 경연에서 진전	성능 격차·운영 품질 미제시
인력 효과	학습·최적화가 국내 엔지니어링 역량을 형성	인력 증가·숙련도 향상 실측 없음

내용 분석

보고서는 국내 모델 개발을 모델 확보와 인재 육성이 결합된 과정으로 봅니다. 모델 학습·최적화 경험이 국내 추론 사업자의 역량을 높일 수 있다는 논리입니다.

그러나 이는 정책의 작동 논리입니다. 실제 인력 양성 규모나 생산성 개선이 측정되었다는 의미는 아닙니다.

 

2.3 추론 인프라: 2028년까지 정부 주도 GPU 최소 5만 대 목표

보고서는 2026년 9.9조 원 예산과 함께 2028년까지 정부 주도 GPU 최소 50,000대 확보 목표, 국내 AI 칩의 병행 활용을 제시합니다.〔p.173〕

내용 분석

• 미래 목표이지 이미 설치·가동 중인 GPU 수량이 아닙니다.
• 해당 페이지에는 GPU 종류·성능, 확보 일정, 설치 장소, 배분 방식, 실제 활용률이 없습니다.
• GPU 대수만으로 국가 연산 역량을 비교하기 어렵습니다. 기종·메모리·상호연결·운영 소프트웨어에 따라 활용 능력이 달라지기 때문입니다.
• 국내 AI 칩을 함께 언급하지만, 국산 칩의 의무 비중이나 구체적인 배포 실적은 제시하지 않습니다.

핵심: 원문은 공급 확대의 방향과 목표를 보여주며, 현재 가동 역량을 입증하는 자료는 아닙니다.

 

2.4 무료 AI 서비스: 기존 플랫폼을 통한 접근 확대

보고서는 SK Telecom·Kakao·KT가 기존 소비자 플랫폼에서 무료 AI 서비스를 제공하는 계약을 수주했으며, 2026년 제공 예정이라고 설명합니다.〔p.173〕

내용 분석

이 정책은 새로운 별도 서비스로 사용자를 유입하기보다, 이미 이용하는 플랫폼을 통해 접근성을 높이는 방식으로 설명됩니다.

다만 보고서에 다음 자료는 없습니다.

• 실제 서비스 개시·운영 범위
• 무료 사용량과 제공 기능
• 이용자 수·재방문율
• 국내 모델 사용 비중
• 품질·만족도·업무 성과

따라서 계약 수주, 서비스 제공 예정, 실제 이용 성과를 구분해야 합니다.

 

2.5 공공조달·바우처: 정부가 초기 수요를 형성

보고서는 정부를 “첫 번째 고객”으로 규정하고, 조달과 도입 바우처가 국내 모델·에이전트 기업의 사업 수주를 지원한다고 설명합니다.〔p.173〕

내용 분석

한국 전략은 공급만 지원하는 구조가 아닙니다.

국내 모델·칩·연산 역량 확보 → 공공조달·바우처 → 초기 고객 확보

라는 연결을 지향합니다.

그러나 이 페이지는 조달 계약액, 바우처 집행액, 고객 유지율, 민간 후속 수요를 제시하지 않습니다. 따라서 초기 시장 형성 수단의 존재는 확인되지만, 지속 가능한 시장이 만들어졌는지는 판단할 수 없습니다.

 

2.6 지역 반대: AI 인프라 확대의 실행 제약

보고서는 주민 반대로 사업이 지연되고 있으며, 서울 자치구들이 더 엄격한 입지 규정을 추진한다고 설명합니다.〔p.173〕

내용 분석

국가 차원의 AI 확대 목표와 실제 시설을 수용하는 지역의 이해관계가 충돌할 수 있다는 지적입니다.

다만 해당 페이지에는 지연 사업명·건수·전력 규모·일정 영향·규정명이 없습니다. 따라서 지역 수용성 문제가 존재한다는 서술과 그로 인한 지연 규모의 정량 평가를 구분해야 합니다.

Politics 종합

보고서는 한국을 국내 모델·인력·추론 인프라를 확보하면서 무료 서비스·조달·바우처로 수요도 형성하려는 국가로 설명합니다. 다만 제시 자료는 예산·목표·계약·정책수단 중심이며, 집행·활용·성과 데이터는 제한적입니다.

 

3. Safety — 한국 고유의 안전 데이터를 확인하지 못함

검색·확인 범위에서는 한국을 대상으로 한 다음 자료를 별도로 확보하지 못했습니다.

• 국내 AI 사고·개인정보 유출 사례
• 한국 모델의 안전성 평가 결과
• 국내 기관의 모니터링·차단 성능
• 한국의 AI 안전 관련 규제 집행 실적

따라서 해외 사고와 실험을 한국의 사고율이나 한국 모델의 안전 수준으로 대체하지 않습니다.

이는 보고서의 한국 관련 정보 범위의 한계이며, 한국의 안전 체계가 없거나 취약하다는 판정은 아닙니다.

 

4. 한국 관련 내용의 최종 해석

영역	보고서에서 확인되는 내용	이 자료만으로 판단할 수 없는 내용
국내 모델	LG·SK Telecom·Upstage의 모델 개발·공개·경연 진전	세계 순위·프런티어 성능 격차
추론 반도체	RNGD·Rebel100의 추론 칩 분류	성능·경제성 우위·대규모 배포
메모리	SK하이닉스의 비교 가치평가 지표	HBM 사업만의 가치·향후 수익성
투자시장	레버리지 ETF와 반대매매 확대	국내 AI 산업 전체의 경쟁력 저하
재정	2026년 9.9조 원, 2027년 21.3조 원 요청	실제 집행액·투자 성과
연산 인프라	2028년까지 GPU 최소 5만 대 목표	현재 설치·가동·활용량
서비스·시장	무료 서비스 계약, 공공조달·바우처	이용 성과·민간 자생력
지역 수용성	주민 반대·입지 규제 추진	사업 지연의 총량과 경제적 영향

 

핵심 결론: 이 보고서의 한국 관련 서사는 “세계 최고 모델 성능”보다 “국내 추론 산업의 공급과 수요를 함께 구축하는 전략”에 가깝습니다. 산업 측면에서는 국내 추론 칩과 메모리가 등장하고, 정책 측면에서는 예산·GPU·서비스·조달이 연결됩니다. 다만 계획과 투입에 비해 실제 가동·이용·성과를 보여주는 데이터는 부족합니다.