오픈소스 AI, 누가 어떻게 투자해야 할까?

커뮤니티에서는 최첨단 LLM 개발을 단순한 공학적 과제가 아닌 과학 연구 프로그램(Scientific Research Program)으로 규정한다. 이는 막대한 자본과 맨해튼 프로젝트(Manhattan Project) 또는 아폴로 계획(Apollo Program)과 같은 대규모 공공 지원 프로젝트의 필요성을 시사한다. 대학의 연구 환경과 유사하지만, 현재는 민간 부문의 자본력이 개발을 주도하고 있다는 분석이 나온다.

일부에서는 표적화된 인센티브 상금(Targeted Inducement Prizes)을 통해 오픈소스 모델 개발을 지원하는 방안을 제안한다. 예를 들어, 특정 VRAM 제한 하에서 엄격한 벤치마크(Rigorous Benchmarks)를 통과하는 모델에 상금을 지급하는 방식이다. 이는 개발자들에게 금전적 보상뿐 아니라 명확한 인정(Clear Recognition)을 제공하여 모델 개발 노력을 촉진할 수 있다고 본다.

오픈소스 AI를 FOSS에 비유하는 것에 대한 반론도 존재한다. LLM 개발은 엔지니어링보다는 연구 중심이며, 막대한 자본이 필수적이라는 점이 다르다는 것이다. 또한, 상업적 AI는 수익 동기(Profit Incentives)를 가진 개발자들이 전념하는 반면, 오픈소스는 선한 의도(Goodwill)나 파트타임 기여만으로는 경쟁하기 어렵다는 지적이 있다. 일부에서는 '개방형 가중치 모델(Open-weight Models)'이 더 나은 제품이며, 훈련 및 운영 비용이 저렴하다는 점에서 시장이 결정할 것이라는 의견도 있다.

정부의 AI 투자 방식에 대해 의견이 분분하다. 일부는 공공 자금 지원 연구 프로그램이나 대규모 프로젝트를 통해 지원해야 한다고 주장하는 반면, 다른 이들은 GPU 구매에 높은 세금을 부과하여 AI 기업의 과도한 투자를 억제해야 한다고 주장한다. 특히 AI 기업이 막대한 전력 비용을 발생시키고 보안 비용을 증가시켜 사회 전체에 부정적인 가치를 창출한다는 비판도 제기된다.

소프트웨어가 폐쇄적이라고 해서 지식이 공유되지 않는 것은 아니라는 의견도 있다. 아키텍처 패턴(Architectural Patterns)이나 모범 사례(Best Practices)는 코드 없이도 설명될 수 있다는 것이다. 또한, 개방형 가중치 모델(Open-weight Models)은 훈련 및 운영 비용이 저렴하며, 대부분의 작업에 최첨단 지능(Frontier Intelligence)이 필요하지 않다고 주장한다. 이는 데이터 미저장 정책(Zero-Retention Policy)과 같은 접근 방식과도 연결될 수 있다.