P3T

#864분추적 중

엔비디아 인도어 2.8조 토큰, 영어 아닌 말도 AI 될까요

무슨 일
엔비디아는 인도 언어 22개로 된 약 2.8조 토큰의 학습 데이터를 소개했습니다.
확인된 것
힌디어는 약 345억 토큰(34,544.3백만)인데 보도어는 약 150만 토큰(1.5백만)입니다.
왜 중요한가
미국이 GPU 클러스터 성능의 약 4분의 3을 갖고 있습니다(2025년 5월 기준).
오늘 할 일
인도어 데이터가 공개되면 데이터 설명서에서 라이선스와 언어별 분량부터 확인해 보세요.

엔비디아는 인도 언어 22개로 된 약 2.8조 토큰의 학습 데이터를 소개했지만 아직 공개 전입니다.

엔비디아는 인도 언어 22개로 된 약 2.8조 토큰의 학습 데이터를 소개했습니다1. 다만 이 데이터는 아직 공개 전이고 곧 공개된다고 합니다2. 처음부터 전부 만들지 않고 자기 언어를 쓰는 AI 를 갖는 길은 세 갈래로 볼 수 있습니다. 이 글에서는 데이터를 만드는 길, 계산을 나눠 쓰는 길, 공개 모델을 빌려 맞추는 길을 차례로 살펴봅니다.

  1. 데이터를 만드는 도구가 나오고 있습니다. 엔비디아는 인도 언어 22개로 된 약 2.8조 토큰 학습 데이터를 소개했습니다1. 이를 만든 데이터 생성 파이프라인도 함께 공개한다고 했습니다2. 힌디어는 약 345억 토큰(34,544.3백만)인데3 보도어는 약 150만 토큰(1.5백만)입니다4. 언어마다 모을 수 있는 글의 양이 크게 다릅니다. 이 데이터는 아직 공개 전이라, 엔비디아가 직접 밝힌 내용으로만 받아들여야 합니다.
  2. AI 계산 자원은 한쪽에 몰려 있지만 나눠 쓰는 길이 있습니다. Epoch AI 의 2025년 5월 기준 자료입니다5. 미국이 세계 GPU 클러스터(GPU 를 묶은 계산 설비) 성능의 약 4분의 3을 갖고 있습니다5. 경제협력개발기구(OECD)의 AI 정책 사이트 OECD.AI 는 공공 클라우드 계산 자원을 조사했습니다. 개발과 배포에 모두 쓸 수 있는 공공 자원을 가진 회원국은 13곳으로 집계됐습니다6. 스웨덴에서는 에릭슨이 Sferical AI 이니셔티브 아래 투자와 계산 용량, 전문성을 함께 쓰는 방식을 밝혔습니다7. 이 시스템은 2026년 늦여름부터 가동 중입니다8. 엔비디아는 영국에 5년간 계산 자원을 기증하겠다고 밝혔습니다9. 엔비디아는 이 계산 자원의 가치를 약 3,332억 원(2억 5천만 달러)으로 평가했습니다9.
  3. 이미 공개된 AI 모델을 빌려 와서 자기 언어에 맞추는 길도 있습니다. 스위스 EPFL 이 소개한 언어 모델 Apertus 는 개발 과정 전체를 공개했습니다10. 다만 덜 쓰이는 언어에서는 눈에 띄는 실수가 나온다는 지적도 있습니다11. 일본 AI 기업 사카나 AI 는 공개된 모델 Kimi K2.6 을 바탕으로 했습니다. 일본어와 일본의 업무 맥락에 맞춘 API(다른 프로그램이 가져다 쓰는 접속 창구)를 내놓았습니다12.

언어마다 모을 수 있는 글이 다릅니다

AI4Bharat 의 Sangraha 데이터셋을 보면 같은 인도 안에서도 언어마다 모인 글의 양이 다릅니다. 힌디어는 약 345억 토큰(34,544.3백만)인데3 보도어는 약 150만 토큰(1.5백만)입니다4. 2만 배 넘게 차이가 납니다.

엔비디아가 소개한 인도어 데이터가 공개되면 이런 격차를 줄이는 재료가 될 수 있습니다12. 공개된 뒤 직접 써 보고 확인해야 합니다.

그림 1 — 엔비디아가 인도어 22개 약 2.8조 토큰 데이터를 소개한 글 첫 화면
그림 1 — 엔비디아가 인도어 22개 약 2.8조 토큰 데이터를 소개한 글 첫 화면Hugging Face 갈무리
그림 2 — AI4Bharat 의 Sangraha 데이터셋 카드 첫 화면
그림 2 — AI4Bharat 의 Sangraha 데이터셋 카드 첫 화면Hugging Face 갈무리

계산 자원은 아직 몰려 있습니다

Epoch AI 의 2025년 5월 기준 자료입니다5. 미국이 세계 GPU 클러스터(GPU 를 묶은 계산 설비) 성능의 약 4분의 3을 갖고 있습니다5. 경제협력개발기구(OECD)의 AI 정책 사이트 OECD.AI 는 공공 클라우드 계산 자원을 조사했습니다. 개발과 배포에 모두 쓸 수 있는 공공 자원을 가진 회원국은 13곳으로 집계됐습니다6. 두 숫자는 기준이 달라 하나로 합칠 수 없습니다. 이번 주 발표들이 계산 자원의 쏠림에 영향을 줬는지는 아직 확인하지 못했습니다.

그림 3 — OECD.AI 의 AI 계산 지도 글 첫 화면
그림 3 — OECD.AI 의 AI 계산 지도 글 첫 화면OECD.AI 갈무리

계산을 나눠 쓰는 길도 열렸습니다

스웨덴에서는 에릭슨이 Sferical AI 이니셔티브 아래 투자와 계산 용량, 전문성을 함께 쓰는 방식을 밝혔습니다7. 이 시스템은 2026년 늦여름부터 가동 중입니다8.

엔비디아는 영국에 5년간 계산 자원을 기증하겠다고 밝혔습니다9. 엔비디아는 이 계산 자원의 가치를 약 3,332억 원(2억 5천만 달러)으로 평가했습니다9. 원화는 10월 19일 12시 15분 KB국민은행 고시 환율(1달러 1,332.9원) 기준입니다13. 계산 자원을 받는 약속이어서 나라가 자기 모델을 만든다는 뜻은 아닙니다.

공개 모델을 빌려 와서 맞추는 길

스위스 EPFL 이 소개한 언어 모델 Apertus 는 구조·가중치·학습 데이터·레시피까지 개발 과정 전체를 공개했습니다10. 다만 덜 쓰이는 언어에서는 눈에 띄는 실수를 한다고 스위스 매체 swissinfo 가 짚었습니다11.

일본 AI 기업 사카나 AI 는 공개된 모델 Kimi K2.6 을 바탕으로 했습니다. 일본어와 일본의 업무 맥락에 맞춘 API(다른 프로그램이 가져다 쓰는 접속 창구)를 내놓았습니다12. 처음부터 사전학습해 만든 모델이 아니라 공개 모델을 일본어 업무에 맞춘 것입니다.

그림 4 — 스위스 Apertus 개발 과정 전체 공개를 알린 EPFL 소식 첫 화면
그림 4 — 스위스 Apertus 개발 과정 전체 공개를 알린 EPFL 소식 첫 화면EPFL 갈무리
그림 5 — 사카나 AI 가 일본어와 일본 업무 맥락에 맞춘 API 를 알린 글 첫 화면
그림 5 — 사카나 AI 가 일본어와 일본 업무 맥락에 맞춘 API 를 알린 글 첫 화면Sakana AI 갈무리

읽고 나서 해 볼 것

엔비디아의 인도어 데이터가 공개되면, 쓰기 전에 데이터 설명서(데이터셋 카드)에서 라이선스와 언어별 분량부터 확인해 보세요.

출처

각주 13개

본문의 각주 번호는 아래 항목과 1:1 로 대응합니다. 정량 주장은 가능한 경우 둘 이상의 출처로 대조했고, 인용문은 원문에서 직접 확인한 것만 실었습니다.

  1. NVIDIA 는 인도어 22개에 걸친 약 2.8조 토큰 규모의 Nemotron-pretraining-Indic-v1 코퍼스를 소개했다.approximately 2.8 trillion tokens across 22 Indian languageshttps://huggingface.co/blog/nvidia/scaling-indic-pretraining확인 2026-10-19
    ↩
  2. NVIDIA 는 이 코퍼스가 만든 데이터 생성 파이프라인과 함께 곧 공개된다고 밝혔다.releasing soon alongside the open, GPU-accelerated data generation pipeline used to create ithttps://huggingface.co/blog/nvidia/scaling-indic-pretraining확인 2026-10-19
    ↩
  3. AI4Bharat Sangraha 에서 힌디어(hin)의 언어별 합계는 34,544.3백만 토큰(약 345억 토큰)이다.Lang Code Verified Synthetic Unverified Total Tokens (in Millions) asm 292.1 11,696.4 17.5 12,006.0 ben 10,604.4 13,814.1 5,608.8 30,027.5 brx 1.5 - - 1.5 doi 0.06 - - 0.06 eng 12,759.9 - - 12,759.9 gom 10.1 - - 10.1 guj 3,647.9 12,934.5 597.0 17,179.4 hin 12,617.3 9,578.7 12,348.3 34,544.3https://huggingface.co/datasets/ai4bharat/sangraha확인 2026-10-19
    ↩
  4. AI4Bharat Sangraha 에서 보도어(brx)의 언어별 합계는 1.5백만 토큰(약 150만 토큰)이다.Lang Code Verified Synthetic Unverified Total Tokens (in Millions) asm 292.1 11,696.4 17.5 12,006.0 ben 10,604.4 13,814.1 5,608.8 30,027.5 brx 1.5 - - 1.5https://huggingface.co/datasets/ai4bharat/sangraha확인 2026-10-19
    ↩
  5. Epoch AI 는 미국이 전 세계 GPU 클러스터 성능의 약 4분의 3을 갖고 있다고 밝혔다(2025년 5월 자료 기준).As of May 2025, the United States contains about three-quarters of global GPU cluster performancehttps://epoch.ai/data-insights/ai-supercomputers-performance-share-by-country확인 2026-10-19
    ↩
  6. OECD.AI 는 개발과 배포에 모두 쓸 수 있는 공공 클라우드 계산을 둔 OECD 국가가 13곳이라고 밝혔다.13 OECD countries hosted public cloud compute relevant to both the development and deployment of advanced AI systemshttps://oecd.ai/en/wonk/the-geopgraphy-of-ai-compute-mapping-what-is-available-and-where확인 2026-10-19
    ↩
  7. 에릭슨은 Sferical AI 이니셔티브 아래 투자·용량·전문성을 함께 쓰는 AI 슈퍼컴퓨터를 파트너와 열었다고 밝혔다.The initiative aims to deliver direct societal benefits to Sweden as AI use case momentum gathers pace. Shared use of investment, capacity and expertise under the Sferical AI initiativehttps://www.ericsson.com/en/news/2026/10/ericsson-and-partners-launch-sferical-one-ai-supercomputer확인 2026-10-19
    ↩
  8. 에릭슨은 이 시스템이 2026년 늦여름부터 가동 중이라고 밝혔다.The system has been running since late summer 2026.https://www.ericsson.com/en/news/2026/10/ericsson-and-partners-launch-sferical-one-ai-supercomputer확인 2026-10-19
    ↩
  9. NVIDIA 는 영국에 2억 5천만 달러 가치의 5년간 계산 자원 기증을 발표했다(가치는 NVIDIA 산정).a five-year compute donation valued at $250 millionhttps://nvidianews.nvidia.com/news/nvidia-commits-250-million-to-advance-uk-agentic-safety-and-security-research-over-the-next-five-years확인 2026-10-19has pledged $250 million worth of computing resources to Britain over five yearshttps://www.thestar.com.my/tech/tech-news/2026/10/14/nvidia-pledges-250-million-to-boost-uk-ai-safety-research확인 2026-10-19
    ↩
  10. EPFL 은 Apertus 의 구조·가중치·학습 데이터·레시피를 포함한 전체 개발 과정이 공개돼 있다고 밝혔다.entire development process, including its architecture, model weights, and training data and recipes, is openly accessiblehttps://actu.epfl.ch/news/apertus-a-fully-open-transparent-multilingual-lang/확인 2026-10-19
    ↩
  11. swissinfo 는 덜 쓰이는 언어에서 Apertus 가 눈에 띄는 실수를 할 수 있다고 적었다.Especially in less common languages, Apertus can make noticeable mistakes.https://www.swissinfo.ch/eng/swiss-ai/fact-and-fiction-about-the-swiss-ai-model-apertus/90110034확인 2026-10-19
    ↩
  12. Sakana AI 는 Moonshot AI 가 공개한 오픈 모델 Kimi K2.6 을 바탕으로 일본어 업무용 API 를 개발했다.日本語特化のLLM APIです。Moonshot AIが公開するオープンモデル「Kimi K2.6」をベースに、社内独自のデータで日本語と日本の業務文脈への適合を進めhttps://sakana.ai/namazu-api확인 2026-10-19
    ↩
  13. KB국민은행 고시 미국 달러 매매기준율이 2026년 10월 19일 217회차(12시 15분 54초) 1달러당 1,332.90원이었다217 12:15:54 1,332.90https://obank.kbstar.com/quics?page=C101422&monyCd=USD확인 2026-10-19
    ↩

이어지는 것

같은 질문의 앞 · 뒤 편

이 질문에서 아직 추적 중인 것

작은 나라와 낯선 언어권도 자기 AI를 직접 만들 수 있나AI 덕에 혼자서도 할 수 있게 됐는데, 왜 큰 회사와의 차이는 더 벌어지는가한국 AI 스타트업에 투자가 실제로 몰리고 있는가

다음 질문

→ 돈은 어디로 가나