Executive Summary

발표의 긴장은 네 숫자에 그대로 담긴다. 모델 규모는 4천억 매개변수, 가장 작은 공식 언어인 몰타어의 웹 데이터 비중은 0.03%, 미국 두 회사의 자본 점유는 약 80%, 확보된 컴퓨팅은 1년치다. 쉬운 숫자와 어려운 숫자가 한자리에 모여 있다.

유럽연합 집행위원회는 'Frontier AI Grand Challenge'의 승자로 EUROPA 컨소시엄을 발표했다. 리드 기업은 밀라노에 본사를 둔 Domyn, 규제 산업용 AI를 만들어 온 회사로 예전 이름은 iGenius다. 1992년생 CEO 울얀 샤르카(Uljan Sharka)가 이끈다. 독일의 연구기관 프라운호퍼가 핵심 파트너로 합류했다.

지원 조건은 명확하다. 4천억 매개변수가 넘는 Mixture-of-Experts 구조의 모델을, EU 24개 공식 언어 전부로 훈련하고, 가중치를 오픈소스로 공개한다. 컴퓨팅은 EuroHPC 슈퍼컴퓨터 전체 용량의 2.5%를 1년간 쓴다. 샤르카는 EuroHPC를 "과소평가된 전략 자산"이라 부르며, 프론티어 모델을 한 번 훈련하는 데는 수억 명에게 서비스하는 것보다 훨씬 적은 컴퓨팅이 든다고 주장했다.

왜 지금일까. 배경에는 자본 쏠림이 있다. Forbes AI 50 기준으로 OpenAI와 Anthropic 두 회사가 전체 모금액의 약 80%를 가져갔다. 2026년 1분기에는 이 둘에 xAI, Waymo를 더한 단 네 곳이 전 세계 벤처 투자의 65%를 흡수했다. 기술주권 담당 집행위 부위원장 헨나 비르쿠넨(Henna Virkkunen)의 말은 이 맥락을 그대로 드러낸다. "유럽은 다른 곳에서 개발한 기술의 수동적 소비자로 남을 수 없다."

'24개 언어 전부'라는 조건은 마케팅 문구가 아니다. EU에서 언어는 곧 시민권의 문제다. 어떤 모델이 영어와 독일어는 잘하면서 몰타어와 라트비아어는 못한다면, 그 언어권 시민은 사실상 2등 AI 사용자가 된다. 집행위 문서가 짚는 위험도 정확히 거기다. 자원이 적은 언어일수록 성능이 떨어지고, 안전성 평가도 더 허술해진다.

그래서 언어 평등은 기술 조건인 동시에 정치 조건이다. EU는 영어를 우선하고 나머지를 끼워 넣는 모델을 규제 문턱에서 통과시키기 어렵다. AI Act가 발효된 환경에서 '공정한 다국어 성능'은 선택이 아니라 요건에 가깝다. 24개 언어를 처음부터 조건으로 못 박은 것은, 나중에 끼워 맞추는 방식으로는 이 요건을 충족할 수 없다는 판단으로 읽힌다.

숫자를 보면 문제의 윤곽이 잡힌다. 웹 데이터의 표준 출처인 Common Crawl에서 몰타어는 전체의 0.03%, 아일랜드어는 0.07%, 라트비아어는 0.09%를 차지한다. EU 언어 중 비중이 낮은 절반을 모두 더해도 2.4%에 미치지 못한다. 영어로 채워진 인터넷에서 작은 언어를 긁어 모으는 일은, 큰 모델을 훈련하는 일과는 전혀 다른 종류의 노동이다.

가장 큰 오픈소스 유럽 모델로 꼽히는 EuroLLM 22B의 학습 데이터 구성을 보면 현실이 더 분명해진다. 영어가 50%, 서유럽 주요 5개 언어가 27%, 고자원 글로벌 언어가 14%이고, 나머지 EU 언어 전체를 합쳐도 9%다. 저자원 언어를 최대 2.5배까지 업샘플링해도 이 불균형은 지워지지 않았다. EUROPA가 목표로 잡은 4천억 매개변수는 EuroLLM 22B의 약 18배지만, 모델을 키운다고 없던 몰타어 문장이 생기지는 않는다.

데이터의 양만 문제가 아니다. 품질과 표현의 폭도 문제다. 음성 분야의 예가 단적이다. 몰타어 자동 음성인식에서 OpenAI Whisper는 지원 언어 중 최하위 성능을 보였고, 공개된 감독 학습용 음성 데이터는 16시간 분량에 그친다. 이 정도로는 모델이 수렴조차 못 해서, 기계가 임시로 라벨을 붙인 데이터를 끌어와야 한다. EU의 공식 목표는 저자원 언어당 최소 10억 토큰인데, 그 10억 토큰을 어디서 구하느냐가 4천억 매개변수보다 먼저 풀어야 할 질문이다.

샤르카는 향후 수 주 안에 유럽 각국 정부와 데이터 협약을 맺겠다고 밝혔다. 방향은 맞지만, 계약과 품질 보증은 다른 말이다. 정부가 보유한 문서가 곧바로 학습에 쓸 수 있는 깨끗한 코퍼스가 되는 것은 아니다. 어떤 데이터를, 어떤 기준으로, 누가 정제하고 검증할지에 대한 거버넌스가 아직 보이지 않는다.

구조 자체에도 따져 볼 지점이 있다. 하나의 컨소시엄, 1년치 컴퓨팅, 그리고 공개되지 않은 자금이다. 투자자로는 아부다비의 G42, 에우리존 캐피털, 라보뱅크, BNY 등이 거론되지만 조달 규모는 밝혀지지 않았다. '400B 모델을 발표했다'는 말과 '연구자가 실제로 내려받아 쓸 수 있는 400B 모델이 나왔다'는 말 사이에는 큰 간극이 있다.

선례도 신중함을 권한다. 프랑스의 미스트랄은 3년 넘게, 수십억 유로를 들이고도 미국 프론티어 모델과의 격차를 완전히 좁히지 못했다. 이런 일은 한 번의 발주와 1년의 기한으로 끝나는 종류가 아니다. 진짜 주권 AI 인프라는 1년 계약이 아니라, 데이터를 꾸준히 모으고 정제하고 검증하는 지속적인 체계에서 나온다.

정리하면 EUROPA는 컴퓨팅이라는 한 축을 확보했다. 하지만 24개 언어를 떠받칠 데이터라는 다른 축은 여전히 설계 중이다. 발표가 가장 크게 다룬 숫자가 가장 쉬운 부분이고, 거의 다루지 않은 부분이 가장 어려운 부분이라는 점이 이 프로젝트의 긴장을 요약한다.

위험을 짚었다고 해서 발주 자체가 무의미한 것은 아니다. 오히려 신호로서의 가치가 크다. 유럽이 "우리도 만들 수 있다"고 선언하고, 슈퍼컴퓨터라는 공공 자산을 실제 자원으로 투입했다는 사실이 그렇다. EuroHPC를 'AI 공공재'로 자리매김한 것은 단기 성과와 별개로 장기 인프라 전략으로 유효하다.

다만 성공의 기준을 모델 하나의 출시에 두면 길을 잃기 쉽다. 진짜 결승선은 4천억 매개변수 가중치를 공개하는 날이 아니라, 24개 언어 각각의 데이터를 어떤 품질로 쌓고 유지하는 체계를 갖추느냐다. 모델은 한 번 훈련하면 끝나지만, 데이터는 계속 모이고 썩고 갱신된다. 주권은 그 흐름을 자기 손으로 관리할 수 있을 때 비로소 생긴다.

학술 논문

• 1.EuroLLM Consortium. (2025). EuroLLM: Multilingual Language Models for Europe. arxiv.org/abs/2506.04079
• 2.University of Malta NLP Group. (2022). BERTu: Pre-training BERT for Maltese. arxiv.org/abs/2205.10517

공식 문서

• 3.European Commission. (2026년 6월 19일). Commission selects EUROPA consortium winner of Frontier AI Grand Challenge project to build a European open AI model. digital-strategy.ec.europa.eu
• 4.European Commission. Language data and AI: using AI to break down language barriers. translation.ec.europa.eu

업계·보도

• 5.European Express. (2026년 6월 19일). Europe chooses its own frontier AI builder. european.express