LG는 foundation model을 키우되, 승부는 산업 특화 AI에서 봐야 한다

Summary
LG가 foundation model을 직접 키워야 하느냐는 질문은 “예/아니오”로 답하기 어렵다. EXAONE과 K-EXAONE은 LG가 AI를 이해하고 통제할 수 있게 만드는 중요한 기반 역량이다. 하지만 글로벌 frontier model과 오픈 모델의 발전 속도를 고려하면, LG가 범용 모델 성능 순위만으로 승부하는 것은 쉽지 않다. LG의 차별화는 foundation model 자체가 아니라, 그 모델을 산업 문서, 제조 데이터, R&D 데이터, 고객·제품 lifecycle, 기업 workflow에 붙여 산업 특화 AI로 만드는 데 있다.

1. Key Factors & Questions

Key Factors

LG AI Research는 2026년 4월 EXAONE 4.5를 공개했다. EXAONE 4.5는 LG AI Research가 공개한 첫 open-weight vision-language model이며, 33B 규모의 모델로 소개된다. 기술보고서에 따르면 EXAONE 4.5는 256K context length, document understanding, Korean contextual reasoning, enterprise-scale use case를 강조한다.

K-EXAONE은 더 큰 규모의 proprietary foundation model 방향을 보여준다. Hugging Face 설명에 따르면 K-EXAONE은 236B total parameters, 23B active parameters의 MoE 모델이며, reasoning, agentic capabilities, multilingual understanding, long-context processing을 강조한다.

동시에 LG는 NVIDIA, Palantir 같은 외부 AI stack과도 협력하고 있다. 이는 LG가 자체 모델만으로 모든 것을 해결하기보다, 자체 모델과 외부 모델, 산업 데이터, ontology를 조합하는 hybrid AI 전략을 필요로 한다는 점을 보여준다.

Questions

이 흐름에서 LG가 던져야 할 질문은 다음이다.

1. LG는 foundation model 자체를 글로벌 1등으로 키워야 하는가?
2. EXAONE은 독립 제품인가, LG 산업 AI의 기반 layer인가?
3. 외부 frontier model과 EXAONE을 어떤 기준으로 나눠 써야 하는가?
4. LG의 차별화는 모델 성능인가, 산업 데이터와 workflow 결합력인가?

2. 자체 foundation model은 필요하다

LG가 foundation model을 직접 키우는 것은 의미가 있다. 이유는 세 가지다.

첫째, AI를 이해하는 내부 역량이 생긴다. 모델을 직접 만들고 운영해본 조직은 외부 모델을 도입할 때도 더 정확한 판단을 할 수 있다.

둘째, 보안과 거버넌스 관점에서 선택지가 생긴다. 모든 데이터를 외부 모델에 맡기기 어려운 기업 환경에서는 내부적으로 통제 가능한 모델이 필요하다.

셋째, 한국어와 산업 문서 같은 특수 맥락에서 강점을 만들 수 있다. EXAONE 4.5가 문서 이해와 한국어 맥락 이해를 강조하는 것도 이 지점과 맞닿아 있다.

따라서 foundation model을 직접 키우는 것은 단순 연구 과제가 아니라, LG가 AI 시대의 기술 판단권을 갖기 위한 기반이다.

3. 하지만 범용 모델 순위가 최종 목표는 아니다

문제는 foundation model을 키우는 목적이다. 글로벌 frontier model은 막대한 자본, 인프라, 데이터, 사용자 피드백, 개발자 생태계를 기반으로 빠르게 발전한다. LG가 모든 범용 벤치마크에서 이들과 정면 승부하는 것은 쉽지 않다.

그렇다면 질문을 바꿔야 한다.

EXAONE이 GPT, Gemini, Claude를 이길 수 있는가?

보다 중요한 질문은 다음이다.

EXAONE이 LG의 산업 데이터를 가장 잘 이해하고, LG의 업무와 R&D를 가장 잘 실행하게 만들 수 있는가?

이 질문으로 보면 전략 방향이 달라진다.

4. 승부처는 산업 특화 layer다

LG가 진짜로 차별화할 수 있는 영역은 산업 특화 layer다.

- 제품 사양서와 기술 문서를 이해하는 AI
- 제조 데이터와 설비 데이터를 해석하는 AI
- 품질 이슈와 원인을 추적하는 AI
- 배터리 소재와 특허를 분석하는 AI
- 고객·설치·서비스 lifecycle을 이해하는 AI
- 사내 ERP, CRM, MES, PLM과 연결되어 실행하는 Agent

이런 AI는 foundation model만으로 만들어지지 않는다. 기업 데이터, ontology, workflow, 평가 체계, 현업 feedback이 결합되어야 한다.

5. 결론은 hybrid AI stack이다

LG의 답은 하나의 모델을 고르는 것이 아니다. 자체 foundation model, 외부 frontier model, 산업 특화 모델을 조합해야 한다.

외부 frontier model
= 최고 성능, 범용 추론, 빠른 기능 활용

EXAONE / K-EXAONE
= 내부 통제, 한국어·산업 문서, LG 특화 tuning

산업 특화 layer
= 제조·R&D·고객·배터리·모빌리티 workflow와 연결

Ontology / data operating model
= 모델이 LG의 운영 세계를 이해하게 만드는 기반

NVIDIA 협력도 같은 맥락에서 봐야 한다. 외부 stack을 쓰되, LG의 산업 데이터와 workflow를 내부 자산으로 남기는 방식이어야 한다.

6. 한 줄 결론

LG는 foundation model을 키워야 한다.
하지만 승부는 foundation model 자체가 아니라 LG의 데이터와 업무에 붙은 산업 특화 AI layer에서 봐야 한다.