슈퍼브에이아이는 2026년 8월 18일 자사가 참여한 LG AI연구원 컨소시엄이 과학기술정보통신부의 ‘독자 AI 파운데이션 모델 프로젝트’ 2차 단계평가를 통과해 3차수에 진출했다고 밝혔다. MongoDB는 같은 해 1월 15일 MongoDB.local San Francisco에서 Voyage AI 검색 모델과 데이터베이스 내 임베딩 운영 기능을 발표했다. 두 사건은 서로 다른 사업이지만, 피지컬 AI 학습 데이터와 검색 증강 생성(RAG)용 데이터 처리에 드는 개발 작업을 줄이려는 시도라는 공통점이 있다.
슈퍼브에이아이는 LG 계열사가 아닌 참여사 가운데 유일하게 K-EXAONE의 비전·영상·피지컬 AI 모델 개발을 맡았다. 2025년 8월 정예팀 선정 뒤 1차 사업에서 초거대 AI 학습용 영상 데이터 구축을 마쳤고, 2차 사업에서는 시각 이해와 3D 공간 정보 해석 기술을 구현했다. 사람의 동작을 1인칭과 3인칭 영상으로 수집·가공하고 자연어 라벨을 결합한 멀티모달 데이터 파운데이션도 구축했다. 2차 평가는 벤치마크와 전문가 평가에 일반 국민 200명의 모델 사용 평가를 더했으며, 4개 정예팀 중 3개 팀이 다음 단계에 진출했다.
MongoDB가 정식 제공을 시작한 모델은 Voyage 4 계열 4종인 voyage-4-large, voyage-4, voyage-4-lite, voyage-4-nano와 voyage-multimodal-3.5다. Atlas Embedding and Reranking API와 MongoDB Community Vector Search용 Automated Embedding은 공개 미리보기로 발표됐다. Automated Embedding은 데이터가 추가·수정·조회될 때 Voyage AI 임베딩을 자동 생성하고 저장해 별도 임베딩 파이프라인과 외부 모델 서비스 관리 부담을 줄이는 기능이다. 발표 당시 Community Edition에서는 사용할 수 있었고 Atlas 지원은 추후 제공 예정이었다.
실사용 관점에서 제조·물류·로봇 조직은 슈퍼브에이아이의 영상·행동 데이터 구축 경험을 K-EXAONE 기반 피지컬 AI 개발에 연결할 수 있다. 검색·추천·에이전트 개발팀은 운영 데이터와 벡터를 한곳에 두어 데이터베이스, 벡터 저장소, 모델 API 사이의 동기화 작업을 줄일 수 있다. 다만 독파모는 최종 모델 선정 전인 3차수 단계이고, MongoDB의 두 자동화 기능은 공개 미리보기이거나 Atlas 지원 전 상태다. 두 공식 발표는 프로젝트 총비용이나 Atlas 도입비를 제시하지 않았으므로 도입 조직은 실제 요금, 지연시간, 검색 품질, 운영 환경 지원 범위를 별도로 검증해야 한다.
저작권자 © STORIUM 무단전재 및 재배포 금지
