OpenAI, 美 에너지부 '제네시스 미션'에 1700만 달러 규모 지원
OpenAI는 미국 에너지부의 '제네시스 미션'에 1700만 달러 규모의 지원을 약속했다. 연구원 2000명에게 코덱스 접근 권한을 부여하고 고온 초전도체 탐사 지원 및 베나도 슈퍼컴퓨터에 추론 모델을 배치한다. 최첨단 AI를 국가 전략 과학 인프라로 안착시켜 10년 내 연구 생산성을 두 배로 높이는 것이 목표다.

지난 수십 년간 국가 과학 기술의 자존심이 초대형 입자 가속기나 풍동 실험실이었다면, 이제는 국립연구소 슈퍼컴퓨터에 어떤 인공지능을 심느냐로 경쟁의 판이 바뀌고 있습니다.
OpenAI는 미국 에너지부(DOE)가 이끄는 '제네시스 미션(Genesis Mission)'에 본격적으로 참여한다고 밝혔습니다. 에너지부 산하 17개 국립연구소와 대학, 산업계를 연결해 향후 10년 안에 미국의 과학 연구 생산성을 두 배로 끌어올리겠다는 대규모 국가 프로젝트입니다.
OpenAI는 이 목표를 위해 약 1,700만 달러에 달하는 자금과 모델 사용 권한을 패키지로 지원하기로 했습니다.
슈퍼컴퓨터 '베나도'와 특화 바이오 모델의 투입
지원 내용은 꽤 구체적입니다. 먼저 국립연구소와 대학 소속 제네시스 연구원 약 2,000명에게 400만 달러 규모의 코덱스(Codex) 접근 권한을 지급해 프로그래밍과 데이터 분석 작업을 지원합니다.
또한 연구진이 250만 달러를 지출하면 최대 1,000만 달러 상당의 API 사용량을 제공하는 매칭 인센티브를 도입해 정부 연구자들의 계산 비용 부담을 크게 낮췄습니다.
단순한 크레딧 지원을 넘어 특수 모델도 동원됩니다. 생명과학 과제를 수행하는 연구진에게는 바이오 특화 모델인 'GPT-로잘린드(GPT-Rosalind)' 접근권을 제공하고, 사이버 방어 연구원에게는 고급 보안 기능을 개방합니다. 국립연구소 리더들에게는 미공개 최신 모델을 미리 테스트할 수 있는 조기 접근권도 주어집니다.
이번 협력은 하루아침에 나온 결과가 아닙니다. 이미 9개 국립연구소 과학자 1,000여 명이 참여한 AI 잼 세션을 거쳤으며, 로스앨러모스 국립연구소의 '베나도(Venado)' 슈퍼컴퓨터에는 핵안보 관련 연구소들이 공동 활용할 수 있는 고급 추론 모델이 이미 배치되어 있습니다.
고온 초전도체 돌파구와 AI 한계 지도 그리기
OpenAI는 300만 달러를 투입해 두 가지 중점 과학 연구 과제를 집중 지원합니다.
첫 번째 목표는 고온 초전도체 발견입니다. 첨단 AI와 물리 시뮬레이션, 소재 과학 및 실제 실험을 결합해 실용적인 압력과 더 높은 온도에서 작동하는 초전도 물질을 찾는 작업입니다. 성공할 경우 에너지 전송부터 의료 장비까지 전면적인 혁신이 가능해집니다.
두 번째 프로젝트는 '기계 탐색 가능 프론티어 지도(Atlas of the Machine-Accessible Frontier)' 제작입니다. 현재 축적된 데이터와 연산력만으로 AI가 직접 해결할 수 있는 영역과, 여전히 실제 실험실에서 물리적 검증을 거쳐야만 하는 난제의 경계를 명확하게 구분하겠다는 구상입니다. 불필요한 연구 시행착오를 줄이겠다는 전략입니다.
왜 중요한가
물리학, 생명공학, 소재 분야 연구자들에게 이번 지원은 단순한 도구 도입 이상의 의미가 있습니다. 일상적인 챗봇이 아니라 베나도 슈퍼컴퓨터 인프라와 결합된 추론 엔진, 그리고 바이오에 특화된 GPT-로잘린드를 직접 연구 워크플로에 적용할 수 있기 때문입니다. 75% 수준의 API 할인 혜택까지 제공되는 만큼, 국가 프로젝트에 참여 중인 연구진이라면 지금 바로 검토해 볼 만한 가치가 있습니다.
업계 전반으로 보면 OpenAI의 포석은 매우 영리합니다. 일반 소비자용 챗봇 시장이 출혈 경쟁으로 흘러가는 상황에서, 정부 연구소와 슈퍼컴퓨터 생태계에 깊숙이 들어가 국가 핵심 과학 인프라로 자리 잡는 방식입니다. 이런 식의 제도적 지위는 후발 주자가 가격 할인만으로 흔들기 어렵습니다.
하지만 핵심은 환각(할루시네이션) 문제를 과학계가 어디까지 용인할 수 있느냐입니다. 국방, 핵안보, 생물학 연구는 단 한 번의 오류도 치명적일 수 있습니다. 로스앨러모스 연구소와 OpenAI가 안전성 평가 프레임워크를 함께 다듬고 있는 것도 이 때문으로 보입니다. AI가 수십 년 걸릴 연구를 수년으로 단축할 수 있을지는 결국 가장 까다로운 검증자들인 과학자들의 신뢰를 얻느냐에 달려 있습니다.
출처 (1)
- openai.com(새 탭에서 열림)원문openai.com