이 표는 '독자성'의 단계에 따른 AI 모델 개발 및 운용 방식을 L0부터 L6까지 7단계로 구분하여 설명하고 있습니다. 학습 방법, 모델의 결과물 및 구조, 학습 소프트웨어, 데이터센터, 그리고 AI 반도체까지 각 요소별로 의존도와 자체 확보 수준을 비교합니다.
AI 파운데이션 모델 독자성 단계별 구분
| '독자성'의 단계 | L0 | L1 | L2 | L3 | L4 | L5 | L6 |
|---|---|---|---|---|---|---|---|
| 학습(training) | 프롬프트 개발, RAG | 경량 튜닝 (LoRA 등) | 데이터 추가학습 (Fine-tuning) | 데이터 추가학습 (Fine-tuning) | 데이터 전체학습 (Pre-training) | 데이터 전체학습 (Pre-training) | 데이터 전체학습 (Pre-training) |
| 모델 결과물 | 외부 폐쇄형모델 (GPT-3) | 외부 폐쇄형모델 (GPT-3) | 외부 오픈소스 모델 파라미터 (라마, 미스트랄, Qwen 등) | 외부 오픈소스 모델 파라미터 (라마, 미스트랄, Qwen 등) | 처음부터 학습 (from scratch) | 처음부터 학습 (from scratch) | 처음부터 학습 (from scratch) |
| 모델 구조 | NA | NA | 외부 오픈소스 모델 아키텍쳐 | 외부 오픈소스 모델 아키텍쳐 기반 파라미터/레이어 개수수정 | 외부 오픈소스 모델 아키텍쳐 기반 파라미터/레이어 개수수정 | 자체 모델 아키텍쳐 | 자체 모델 아키텍쳐 |
| 학습 SW | NA | 외부 기업제공 튜닝 API 사용 | 외부 오픈소스 학습 SW (Megatron 등) | 외부 오픈소스 학습 SW (Megatron 등) | 외부 오픈소스 학습 SW (Megatron 등) | 자체 학습 SW | 자체 학습 SW |
| 데이터센터 | NA | NA | 외부 DC | 외부 DC | 외부 DC 또는 자체 DC | 자체 DC | 자체 DC |
| AI반도체 | NA | NA | NVIDIA | NVIDIA | NVIDIA | NVIDIA종속탈피 | 자체 반도체 |
| 비유적으로.. | 남이 사무실을 임대해서 사용 | 남의 사무실을 내가 인테리어 해서 사용 | 남의 건물을 내가 리노베이션 해서 사용 | 남이 지은 건물에 내가 층을 몇 개 더 올려서 확장하여 사용 | 남이 설계한 도면과 공법을 가지고 내가 다시 지어서 사용 | 내가 설계한 도면과 이에 맞춘 공법으로 내가 새로 건물을 지어서 사용 |
L0 단계는 외부 기술에 전적으로 의존하는 형태인 반면, 단계가 높아질수록 자체적인 모델 구조 변경, 학습 데이터 확보, 그리고 최종적으로는 자체 반도체 설계(L6)까지 나아가며 기술적 독립성을 확보하는 과정을 보여줍니다. 비유적으로는 남의 사무실을 임대하는 것에서부터 직접 건물을 설계하고 짓는 과정으로 발전하는 것에 빗대어 이해할 수 있습니다.