독보적인 LG의 EXAONE AI, LG AI 관련 종목은?

국내 독보적인 LG의 EXAONE AI, 네이버 하이퍼클로버X보다 좋을까?

요즘 생성형 AI 시장이 또 한 번 요동칩니다. 글로벌 무대에선 GPT-4o가 음성·비디오까지 품었고, 국내에선 네이버 HyperCLOVA X가 204 B 파라미터로 몸집을 키웠습니다. 이 와중에 LG AI연구원이 EXAONE 4.0 출격을 예고하며 판을 흔듭니다. “장문 이해와 심층 추론을 통합했다”는 캐치프레이즈는 단번에 관심을 끌었습니다. 이번 EXAONE 4.0은 EXANOE Deep과 통일시킨 모델인데 추후에는 Chatgpt처럼 범용성 넓게 개발하겠다는 내용도 나온 상황이라, 당일은 LG의 EXAONE AI에 관련되어서 한번 살펴볼까 합니다.

---

주요 LLM 파라미터 비교표 (2024~2025 기준 추정)

모델	추정 파라미터수	아키텍처	유형 특징
GPT-3.5	13B~30B	Dense	저비용, 중간 성능
GPT-4	1.2T (전체) / 300B~500B (활성)	MoE	고성능, 고비용
GPT-4o	400B~800B	Omni (경량)	빠른 응답 + 멀티모달
Gemini 1.5 Pro	1.5T (전체) / 270B~540B (활성)	MoE	100만 토큰 처리
Gemini 2.5	2T+ (추정)	MoE	차세대 플래그십
HyperCLOVA X	204B	Dense	한국어 특화
EXAONE 4.0	32B (LLM+추론 통합)	Dense + 추론 통합	산업 특화

* 파라미터 : 데이터 양

해외 대기업들의 AI 모델과 국내 AI 기술 현황을 비교해보면 흥미로운 차이점들이 드러납니다. AI 모델의 파라미터 수는 모델이 학습한 데이터의 양과 복잡성을 나타내는 중요한 지표입니다. 파라미터가 많을수록 더 다양하고 정교한 답변을 생성할 수 있어 범용 AI로서의 활용도가 높아집니다.

 

현재 GPT나 제미나이 같은 해외 대기업의 AI 모델들과 비교했을 때, 네이버의 하이퍼클로버 X나 LG의 EXAONE은 상대적으로 파라미터 수가 적은 편입니다. 이는 우리나라의 AI 기술이 아직 선진국 수준에 도달하지 못했음을 보여주는 대표적인 사례로 여겨집니다.파라미터수만 보면 LG의 EXAONE이 가장 좋지 못한 성능이 아닌가라는 생각이 드실겁니다. 

 

하지만

 

EXAONE AI는 독특한 특징을 가지고 있습니다. 전체적인 파라미터 수는 적지만, 경량화 모델 분야에서는 뛰어난 추론 능력을 보여주고 있습니다. 이는 단순히 모델의 크기가 성능을 결정하는 것이 아니라, 효율적인 설계와 최적화가 얼마나 중요한지를 시사합니다. 밑의 그래프는 LG EXAONE의 경량화 부분에서 추론 성능이 어느정도인지 그래프로 나온 것입니다.

희안하게도 경량화 부분에서만큼은 계산 능력 및 사고력이 매우 뛰어나다는 것을 보실 수 있는데, 파라미터는 이제부터라도 꾸준히 늘려가야하는 숙제인데, 가장 어려운 추론부분 성능이 압도적으로 좋다는게 좀 특이합니다.

차별화 포인트

• 경량화: GPT-4o는 400 B 급, HyperCLOVA X는 204 B지만 EXAONE 4.0은 32 B. 메모리·전력 부담을 줄이고도 ‘추론 깊이’를 챙깁니다. 작은 몸집, 큰 근육.
• 산업 지식: LG 전자·화학·에너지솔루션 데이터가 학습 셋의 절반 이상을 차지합니다. 제조 라인의 센서 로그, 배터리 시뮬레이션, 의료 병리 이미지까지. ‘직장인 사내 인트라넷을丸丸丸 외우고 있는 AI’라 상상하면 가깝습니다.
• 오픈소스 전략: 가중치를 비상업 NC로 배포해 연구자와 스타트업을 끌어들이고, 기업용 라이선스·컨설팅으로 수익을 회수합니다. 레드햇 모델을 연상케 합니다.

---

의료-AI에서 특이점을 보이고 있는 LG EXAONE?

2025 ASCO에서 EXAONE Path 1.5가 WSI 한 장만으로 EGFR 변이를 AUC 0.93에 맞춰 예측한 장면은 파장을 일으켰습니다. 하지만 4.0은 더 넓은 지평을 봅니다. 고객센터 문서 요약, 코드 리뷰, 공정 시뮬레이션까지 하나의 플랫폼에서 실행하려 합니다. 저는 이를 “병원에서 공장까지, 하나의 EXA 파이프라인”으로 부릅니다.

 

왜 의료 AI인가? – 예산절감 및 시간 대폭 축소가 가능하기 때문이지요.

https://www.donga.com/news/It/article/all/20250502/131538408/1

[생성AI길라잡이] 생성AI 기반 의료기기 임상시험 첫 승인

EXAONE 의료-AI 기업·기관 도입 사례

적용 주체	적용 형태	비즈니스 임팩트
LG AI Research × AWS	Amazon SageMaker + FSx for Lustre 위에서 EXAONE Path 학습·배포	전담 인프라팀 없이 1 년 만에 서비스 론칭, 인프라 비용 35 % 절감
北美 3개 대학병원(비공개)	EXAONE Path 1.5 PoC – 유전체 검사 대신 AI-WSI 분석	기존 2 주 소요되던 변이 진단을 1 분 내로 단축, 임상 흐름 테스트 중
LG CNS ‘AI PACS’	병리 PACS에 EXAONE Path API를 내장, Heat-map 자동 표시	국내 2차 병원 5곳·동남아 1곳 상용 구축 계약(’25 H1)
The Jackson Laboratory (JAX)	암·알츠하이머 연구 데이터로 EXAONE 공동 재학습	희귀질환 AI 신약·진단 모델 공동 개발 MOU

LG EXAONE의 의료-AI 적용 사례

구분	적용 모델,버전	핵심 기능	진행
디지털 병리학	EXAONE Path 1.0/1.5	· 2D WSI(Whole-Slide Image) 패치 2.8억 장을 자가학습해 암 조직 분류·등급 · 유전자 변이 예측 및 맞춤 치료제 추천(HER2·EGFR 등)	· 2025 ASCO(美임상종양학회)서 1.5버전 공개, 암 연구자 대상 데모
초고속 진단 지원	EXAONE Path (AWS 협력)	원래 2주 걸리던 조직 유전체 검사 흐름을 1 분 내 예측으로 단축	· 북미 대학병원 3곳 PoC 진행 중
오픈소스 연구 생태계	EXAONE Path GitHub 공개(86 M params)	· 병리 이미지용 파운데이션 모델·코드 배포 → 국내 의료 AI 스타트업·대학 연구실이 재학습·튜닝 활용	· 오픈 가중치/데이터셋 설명서
임상 추론 보조	EXAONE Deep (2.4 B/7.8 B)	· 수학·논증형 Chain-of-Thought 데이터로 학습 → 임상 의사결정(심전도·처방 근거) Q&A 벤치마크에서 동용량 모델 대비 상위	· 2025-Q2 논문 & 모델 공개
병원-IT 통합 사업	LG CNS ‘병리 AI PACS’ + EXAONE	· WSI 뷰어에 EXAONE Path API 내장 → 조직 슬라이드 열면 위험도 Heat-map 자동 표시	· 국내 2차 병원 5곳, 동남아 1곳 상용 구축 계약 (’25-H1)

2025 ASCO에서 발표된 EXAONE Path 1.5 핵심

항목	내용	흥미로운점
발표 형식	Digital Poster & Demo Booth #23149 – “AI-Powered Mutation Prediction From Whole-Slide Images”	병리 슬라이드 한 장만으로 변이·치료제 추천을 실시간 데모
기술 업그레이드	- 멀티모달 H&E WSI + RNA + Mutation - 86 M 파라미터 패치-레벨 프리트레인 → 슬라이드-레벨 추론	이미지·분자 데이터를 한 모델로 통합한 세계 최초 공개
성능 하이라이트	EGFR 변이 예측 AUC 0.93, F1 0.82 (TCGA-LUAD 기준)	기존 워크플로보다 정확·저비용 → 유전자 검사 대체 가능성
오픈소스 발표	모델·추론 파이프라인을 Hugging Face에 동시 공개	학계·스타트업이 자유롭게 재-학습 가능 → 생태계 확장
현장 반응	시연 직후 부스 방문자 1,900 명·의료 AI 세션 중 트윗 언급량 1위	“WSI만으로 분자 진단” 컨셉이 정밀의료 패러다임 전환으로 주목

• CAPEX 절감: 하이브리드 클라우드로 GPU CAPEX를 서비스형 OPEX로 전환.
• 잠금 효과: 오픈 NC 배포로 생태계를 묶어두고, 상용 라이선스 전환 시 추가 수익.
• 한국어 프리미엄: 글로벌 LLM이 취약한 국문 데이터에서 압도적 정확도로 국내 B2B 시장을 방어

---

LG 다음타겟은 온디바이스 AI

의료 분야에서 AI가 혁신을 이끌고 있지만, 이제 AI의 활용 영역은 병원을 넘어 우리 일상 곳곳으로 확산되고 있습니다. 특히 온디바이스 AI는 클라우드 연결 없이도 스마트폰, 노트북, 가전제품에서 직접 AI를 구동할 수 있어 새로운 패러다임을 제시하고 있습니다.

LG의 온디바이스 AI 생태계 구축

LG전자가 이 분야에서 주목받는 이유는 단순히 제품 하나에 AI를 탑재하는 것이 아니라, 전 제품군을 아우르는 통합 전략을 펼치고 있기 때문입니다. 2024년 말 공개된 EXAONE 3.5의 2.4B 파라미터 초경량 모델부터 시작해, 2025년형 gram AI 노트북의 'Hybrid AI' 전략, ThinQ ON 스마트홈 허브, 그리고 차량용 Vision AI까지 하나의 큰 그림을 그리고 있습니다. 

 

특히 LG전자는 현재 차량용 인포테인먼트에 굉장히 진심입니다. 미국에는 LG마그나라는 해외법인 부품사까지 세워서 운영을 진행할 정도로 인프라까지 깔려있는 상황입니다. LG의 EXAONE의 최대 장점은 경량화 모델, 이는 곧 차량용 온디바이스 AI에 굉장히 특화가 될 가능성이 매우 높습니다.

 

관련된 종목으로는 LX세미콘 및 텔레칩스 정도인데, 이 부분은 다른 글에서 조금 더 상세하게 살펴보도록 하겠습니다.

온디바이스 AI의 핵심 장점

온디바이스 AI가 주목받는 이유는 명확합니다. 개인정보 보호와 실시간 반응성, 그리고 비용 효율성입니다. 음성이나 영상 데이터가 클라우드를 거치지 않아 프라이버시 걱정이 줄어들고, 네트워크 지연 없이 즉시 응답할 수 있습니다. 또한 지속적인 API 호출 비용도 절약할 수 있어 제품 경쟁력을 높일 수 있습니다.

---

결론 : LG EXAONE 범용 AI가 아니라고 무시할게 절대 아니다, 하이퍼클로버X보다 높게 평가 될 수도 있다.

저는 EXAONE 4.0 등 LG가 진행하고 있는 AI가 절대적인 잠재력이 결코 무시할 수준이 아니라는 말씀을 드리고 싶습니다.. 파라미터는 작지만 추론은 깊고, 오픈소스로 몸을 낮추지만 산업 데이터로 몸집을 키웁니다. 배터리·화학·의료라는 한국 제조의 핵심 파이프라인에 직접 연결된 첫 번째 LLM이기도 합니다.

EXAONE이 과연 HyperCLOVA X, GPT-4o와 어깨를 나란히 할까요? 아니면 산업 B2B 시장에만 머물까요?

저는 ‘TCO 최적화+도메인 특화’ 라는 논리가 ESG·규제 압박이 커지는 2025년에는 더욱 힘을 받을 것이라 봅니다.

 

그러나 시장은 언제나 변수를 품고 있습니다.

 

EXAONE, 경량화, 산업 추론—세 가지 키워드를 되새기며 판단해 보시길 권합니다. 글을 마칩니다. 감사합니다.

 

* 모든 종목은 매수 매도를 추천드리지 않으며 투자는 본인 책임하에 있습니다.
* DS에서 쓴 글은 모두 제가 공부한 주관적인 내용이 많이 들어간 글입니다.
* 이 글이 유용하셨다면 공감과 구독 한번씩만 눌러주시면 감사하겠습니다!