팔란티어(Palantir)가 엔비디아(NVIDIA)와 협력하여 주요 기업들에 ‘소버린 AI(Sovereign AI)’ 도입을 가속화 $PLTR, $NVDA
주요 고객사별 핵심 성과
- L3해리스 (L3Harris - 방위산업)
도입 배경: 방위산업 특성상 철저한 보안과 데이터 무보관(Zero-retention)이 필수적이며, 외부 범용 모델은 방산 특화 데이터를 학습하지 못하는 한계가 있음.
핵심 내용: 30개 이상의 ERP 시스템을 통합하고, 자체 방산 데이터로 엔비디아 네모트론(Nemotron) 오픈 모델을 미세조정(Fine-tuning)하여 차세대 무기체계(VAMPIRE 등) 및 야전 작전용 독자 AI 모델 구축 추진.
주요 성과: 불과 며칠간의 테스트 만에 프론티어 AI 연구소들의 범용 모델보다 뛰어난 성능을 기록했으며, 비용을 95% 절감하고 데이터 및 사용권에 대한 완전한 통제권 확보.
- 매카시 빌딩 컴퍼니 (McCarthy Building - 건설업)
도입 배경: 160년간 축적된 건설 노하우를 설계부터 현장 시공까지의 워크플로우에 직접 이식하기 위해 자체 AI 운영체제 구축.
핵심 내용:
리스크 예측 및 분류: 10만 건 이상의 작업정보요청서(RFI) 데이터를 네모트론(Nemotron 3 Nano 4B) 모델에 학습시켜, 현장 문제 발생 전 비용·일정 영향을 예측하고 리스크 조기 식별.
계약서 작성 자동화: 상위 수준의 작업범위기술서(SOW)를 하도급 계약 문구로 변환하는 AI 워크플로우 구축.
주요 성과: 범용 프론티어 모델보다 낮은 비용으로 더 높은 성능을 달성했으며, 하도급 계약서 작성 업무에서 연간 30,000시간 절감.
-
엔비디아 (NVIDIA - 반도체 및 AI 인프라)
도입 배경: 폭발하는 글로벌 AI 인프라 수요에 대응하기 위해 세계에서 가장 복잡한 반도체 공급망을 최적화할 필요성 대두.
핵심 내용: 팔란티어 AIP와 엔비디아 에이전트 지식 파운데이션, 사후 학습된 네모트론 모델을 결합해 자체 공급망 운영체제 구축.
주요 성과: 데이터와 모델 통제권을 내부에 유지하면서 공급망 병목 현상을 조기에 파악하고 대안을 신속히 평가해, 웨이퍼 생산부터 최종 배포(첫 토큰 생성)까지의 기간을 단축.
-
온다스 및 레그나 AI (Ondas & Regna AI - 방산·자율시스템)
도입 배경: 정부 및 기업 고객이 데이터와 인프라 소유권을 유지하면서 핵심 임무(Mission-critical)에 특화된 AI를 배포할 수 있도록 지원.
핵심 내용: 팔란티어 AIP와 네모트론 오픈 모델을 기반으로 한 소버린 AI 솔루션 ‘레그나 AI(Regna AI)’ 출시. 제조·공급망(Ondas Sentinel) 및 자율 임무 솔루션(SkyWeaver) 고도화에 활용.
주요 성과: 독점 데이터를 활용한 임무 특화형 AI 구축 지원. 또한 기업 운영 측면에서 팔란티어의 M&A 워크플로우를 활용해 디자인(DZYNE) 인수 후 통합(PMI) 작업을 불과 몇 주 만에 완료.
-
탬파 종합병원 (Tampa General Hospital - 의료/헬스케어)
도입 배경: 환자 대기 시간 단축, 패혈증 조기 감지 등 AI 활용을 확대하는 과정에서, 환자 개인정보 보호를 위해 기존 범용 도구보다 훨씬 정밀한 자체 규정 준수(컴플라이언스) 통제 기능이 필요함.
핵심 내용: 민감한 환자 데이터와 모델 처리를 외부로 보내지 않고 병원 내부(로컬)에 유지하며, 병원 자체 리스크 및 개인정보 기준에 따라 LLM 트래픽을 분류하는 소버린 AI 구축.
주요 성과: 네모트론 미세조정을 통해 기존 대비 모델 성능을 7% 향상하고, 지연 시간(Latency)을 22배 단축하며 안전한 의료 AI 확장 기반 마련.
종합 시사점
범용 AI에서 ‘소버린 AI’로의 전환: 방산, 건설, 의료, 첨단 제조 등 보안과 도메인 전문성이 중요한 산업군에서는 빅테크의 거대 범용 모델을 그대로 쓰기보다, 오픈소스 모델(엔비디아 네모트론)에 자사 독점 데이터를 결합해 직접 소유·통제하는 소버린 AI가 실질적인 대안으로 자리 잡고 있습니다.
압도적인 가성비와 성능: 팔란티어의 온톨로지·AIP를 통해 정제된 기업 고유의 데이터를 소형·오픈 모델에 학습시킬 경우, 거대 프론티어 모델보다 비용은 획기적으로 낮추면서도(최대 95% 절감) 산업 특화 성능과 속도(지연 시간 22배 단축)는 오히려 앞서는 결과를 입증했습니다.