과학기술정보통신부와 한국지능정보사회진흥원(NIA)은 「독자 AI 파운데이션 모델」 프로젝트에 참여한 5개 정예팀(네이버클라우드, 업스테이지, 에스케이텔레콤, 엔씨에이아이, 엘지AI연구원)이 1차 단계평가 과정에서 확보한 AI 학습용 데이터 29종(약 3,544만 건, 약 1.56조 토큰 추정 규모)을 AI허브(aihub.or.kr)에 본격 개방한다고 2026년 8월 27일 밝혔다. 이 데이터는 '25년 구축·가공 예산 150억원을 통해 마련됐으며, 품질검증을 거쳐 국내 기업·연구자·학생 등 누구나 무료로 활용할 수 있다.
팀별로 살펴보면 네이버클라우드는 공개 영상 234만 건과 방송 영상 52만 건, 그리고 이에 대응하는 텍스트·음성 질의응답 등을, 업스테이지는 1조 토큰 사전학습 데이터와 50만 건 사후학습 데이터를, 에스케이텔레콤은 수학·과학·법률 등 전문 도메인 영역의 고난도 다단계 추론데이터와 음성·이미지 등 사후학습용 데이터, 한국형 레드티밍 데이터 약 1만 건을, 엔씨에이아이는 제조 분야 기술문서·민원 상담 음성 등 기반 LLM 핵심 역량 데이터 7종을, 엘지AI연구원은 국내 50개 가정환경에서 촬영한 피지컬AI 멀티모달 데이터셋을 개방한다.
NIA와 TTA는 단계평가 후 데이터 전체를 받아 품질·개인정보·유해성 검증 및 라이센스 제약 데이터 제외 조치를 했다.
사업 공고상 50% 이상 개방 조건에 따라 네이버클라우드·업스테이지·에스케이텔레콤·엔씨에이아이는 검증된 데이터 전체를, 엘지AI연구원은 의무개방량을 준수해 통계적으로 선별해 공개한다.
개방 데이터는 AI허브 ‘독자AI모델 데이터’ 항목에서 팀별·종류별 검색이 가능하며, 일부는 보안 환경인 안심존 별도 신청을 거쳐 이용한다. 과기정통부는 향후 2차 단계평가에서 구축된 데이터도 품질검증 후 개방할 예정이다.
