에이전트 AI 스택 맵

현재 에이전트 시대의 다섯 레이어이며 AI의 다섯 시대와는 다릅니다. 구매자가 평가할 제품 예시로, 국가 순위·전체 시장 통계가 아닙니다. 국가 경쟁력 수치와 투자 공백 추정치는 카탈로그로 뒷받침할 수 없어 제시하지 않습니다.

편집 검토: 2026년 10월 22일. 예시 제품에서 각 근거와 검토 날짜를 확인할 수 있습니다.

10월 27일 분류 기준 변경: 로봇·액추에이터·드론·자율주행은 L5입니다. L1은 GPU·NPU·LPU·HBM 같은 범용 연산·메모리 기반입니다. 로봇 기반 모델은 L2를 유지하며 제품 출처 날짜·점수는 바뀌지 않습니다.

이후 흐름에는 새로운 스택 맵이 필요합니다. 거시 흐름 살펴보기

L5 · 애플리케이션

애플리케이션은 모델의 능력을 특정 업무로 연결합니다. 화면을 만들기 어려운지가 아니라 고객이 업무에 계속 쓰는지가 핵심입니다. Harvey의 조직 도입은 채택 근거이며 비공개 추론 이익률은 별도 문제입니다.

글로벌

HarveyHarvey
Tesla OptimusTesla
FigureFigure AI

중국

HailuoMiniMax
Unitree HumanoidUnitree Robotics (宇树科技)

한국

Lunit INSIGHTLunit (루닛)
SuperLawyerLaw&Company (로앤컴퍼니)
Zeta (제타)Scatter Lab (스캐터랩)
DynamixelROBOTIS (로보티즈)
Doosan Robotics AIDoosan Robotics (두산로보틱스)

고객이 업무 흐름을 유지하면서 기반 모델을 교체할 수 있나요?

이 질문의 근거 ↗

L4 · 에이전트

하네스는 모델로 작업을 계획·실행합니다. 같은 저장소에서 승인된 변경·검토 부담·실패 복구·비용을 비교하세요. 메모리·저장 스킬은 모델 가중치의 재귀적 개선을 입증하지 않습니다.

글로벌

Hermes AgentNous Research
OpenCodeAnomaly
Pi agentEarendil
GitHub CopilotMicrosoft

중국

선정된 예시 없음. 시장에 제품이 없다는 뜻은 아닙니다.

한국

AlliAllganize (올거나이즈)

연결 기능·평가 과정·고객 관계는 누가 보유하나요?

이 질문의 근거 ↗

L3 · 인프라

인프라는 안정적 서빙·평가·맞춤화로 가치를 증명합니다. Tinker는 후학습을 서비스로 제공하지만 팀에는 여전히 데이터와 측정 가능한 과제 우위가 필요합니다.

글로벌

TinkerThinking Machines Lab
Hugging Face HubHugging Face

중국

MiniMax APIMiniMax

한국

Friendli Inference CloudFriendliAI
Backend.AI (백엔드.AI)Lablup (래블업)

학습·저장·운영을 포함한 성공 작업당 비용이 개선되나요?

이 질문의 근거 ↗

L2 · 모델

ChatGPT·Claude·Gemini·Grok은 앱·코딩 도구를 함께 제공하지만 핵심이 기반 모델이므로 이 레이어에 속합니다. 범용 모델 개선은 좁은 성능 우위를 압박합니다. 전문 모델은 같은 과제·배포 제약에서 비교해야 하며 다운로드·출시 벤치마크는 활성 이용자가 아닙니다.