소버린 AI(Sovereign AI)는 국가와 조직이 AI를 남의 손이 아니라 자기 통제 아래 두려는 움직임을 가리킨다. 모델은 빌릴 수 있어도 데이터는 빌릴 수 없다는 자각, 프론티어 AI를 검증할 능력이 소수 국가에 몰려 있다는 현실, 자국어와 자국 데이터로 자립 모델을 세우려는 정책 자금의 흐름이 이 주제를 관통한다. 이 허브는 그 흐름을 다룬 페블러스의 글을 한자리에 모은다.
다섯 축으로 읽으면 지형이 또렷해진다. ① 국가 AI 자립은 자국어 데이터와 정책 자금으로 자국 모델을 세우려는 시도다. ② AI 국제 거버넌스는 규칙을 누가 어떻게 만드는가의 문제로, WAIC·유엔·각국 법안이 여기 속한다. ③ 데이터 주권은 모델을 빌리더라도 데이터만은 자기 안에 가두려는 설계다. ④ 컴퓨트·검증 주권은 AI를 만들 연산력과 그 결과를 검증할 능력의 편중을 다룬다. ⑤ 증류·자립 기술은 증류 같은 지름길로 모델을 국산화할 수 있는가라는 질문이다.
페블러스가 이 지형에 관심을 두는 이유는 단순하다. 다섯 축 어디를 파고들어도 결국 데이터로 돌아온다. 자립도 데이터에서, 거버넌스의 신뢰도 검증 가능한 데이터에서, 주권도 데이터의 통제권에서 갈린다. 데이터의 품질과 계통추적이 곧 AI 주권의 하부 인프라라는 관점에서, 이 글들을 읽어 두면 지형 전체가 한눈에 들어온다.
NVIDIA의 700만 한국 합성 페르소나 데이터셋. 자국 인구통계에 기반한 합성 데이터가 왜 자립의 출발점인지 짚는다.
국민성장펀드가 업스테이지에 투자한 5,600억 원의 정책 메커니즘과 글로벌 소버린 AI 자본 지도를 데이터 자립 관점에서 읽는다.
EU가 24개 공식 언어를 담은 오픈소스 AI를 발주했지만, 진짜 병목은 소수 언어의 데이터 부족이었다.
Apache 2.0 오픈 웨이트가 어떻게 국가·조직의 자립 모델 구축의 문을 여는지 아키텍처와 함께 정리한다.
양자화로 프론티어급 모델을 로컬 하드웨어에서 구동하는 길. 자립 인프라의 현실적 조건을 다룬다.
국가 AI 행동계획의 4대 핵심 영역과 페블러스 AADS 과제의 연계성을 데이터 품질 관점에서 분석한다.
WAIC 2026 시진핑 연설을 선언과 실천을 가르는 다섯 가지 중립 잣대로 검증하고, 한국의 AI 국제기여를 자기점검한다.
상위 AI 슈퍼컴퓨터의 90%가 미·중에 있다. 규칙을 만드는 힘보다 검증하는 능력의 편중을 짚는다.
유엔 193개국이 AI 규칙을 흥정하기 전에 과학패널의 공통 근거를 먼저 테이블에 깔았다.
위 사안을 누구나 이해할 수 있게 풀어 쓴 쉬운 설명판.
학습 데이터와 AI 출력물 양쪽을 지식재산으로 보호하는 ASEAN의 데이터 소유권 기반 접근.
사상 첫 AI 수출 통제가 '모델 구독'의 위험을 어떻게 드러냈는지. 국가 간 AI 통제 메커니즘의 첫 사례.
일리노이 SB 315가 대형 프런티어 AI 개발사에 독립 제3자의 연례 안전 감사를 의무화했다.
Apple이 Gemini를 빌리면서도 데이터는 디바이스와 PCC 안에 가두는 아키텍처를 데이터 주권 관점에서 분석한다.
마이크로소프트가 25억 달러로 AI 엔지니어를 고객사 안에 배치했다. 고객 데이터 주권이 배포 전쟁의 판돈이다.
제조 설비 데이터를 누가 통제하는가. 기업과 사용자 사이의 데이터 주권 전쟁을 다룬다.
Budget 2026·Punggol 테스트베드·AI Verify Foundation을 '정책→인프라→증빙'으로 잇는 국가 신뢰 인프라.
메타 컴퓨트 발표에 코스피가 569조 원 증발했다. 검증되지 않은 컴퓨트 신호가 국가 경제에 미친 충격.
NVIDIA를 전제로 짜인 엔진을 Apple Silicon에서 재현하기. 특정 벤더 종속에서 벗어나는 컴퓨트 자립의 실전 기록.
Anthropic–Alibaba 증류 분쟁을 훅으로, 증류가 원본 데이터의 다양성과 큐레이션에 무임승차한다는 점을 파고든다.
AI 주권의 다섯 축은 어디를 파도 결국 데이터로 모인다. 페블러스는 AI가 배우는 데이터의 품질을 진단하고 끌어올리는 일을 한다. 데이터의 신뢰와 계통추적을 한자리에서 다루는 데이터클리닉(DataClinic)에서 페블러스의 접근을 확인해 보라.