매사추세츠 ‘Applied AI Models Innovation Challenge’ 2라운드 접수…최대 100만달러, 보스턴권 연구·스타트업 협업형 과제에 초점
매사추세츠 테크놀로지 콜라보러티브(MassTech) 산하 Massachusetts AI Hub가 ‘Massachusetts Applied AI Models Innovation Challenge’ 2라운드(솔리시테이션 No. 2026-JAII-05) 신청을 받고 있다. 공고문 기준 접수 마감은 2026년 3월 6일(금) 오후 5시(미 동부시간)이며, 일정이 조정(amended)된 상태다.
이번 프로그램은 ‘초기 연구와 현장 배치 사이’의 간극을 메우는 번역형(translational) 지원을 표방한다. 기존 AI/ML 모델을 실제 도메인에 적용·평가·운영까지 연결하는 프로젝트(오픈소스 모델 파인튜닝, 모델 컴포넌트 개발 포함)를 주요 지원 대상으로 삼는다. 반면 ‘완전히 새로운 아키텍처’ 제안은 강한 정당화와, 프로그램 제약 안에서의 실현 가능성을 함께 요구한다고 공고문에 적혀 있다.
지원 섹터는 매사추세츠의 핵심 산업군을 폭넓게 포함한다. 공고에서 예시로 든 범주에는 헬스케어·라이프사이언스, 금융, 로보틱스, 첨단제조, 클라이밋테크, 교육뿐 아니라 ‘Defense and National Security(국방·국가안보)’도 포함된다. 독자 입장에서는 범위를 헬스케어/핀테크 중심으로만 좁게 해석하기보다, “현장 적용 가능한 AI 모델”이라는 프레임으로 섹터 전반을 열어두는 편이 안전하다.
핵심 요건은 보스턴권 실무자 관점에서도 꽤 제약이 많은 편이다.
- 주관(리드) 신청자: 매사추세츠에 법적으로 조직된 대학·비영리 연구기관 등 비영리 주체여야 한다.
- 민간기업(스타트업 포함): 파트너 또는 하도급 형태로 참여 가능하다.
- 예산: 최대 100만달러까지 신청 가능하되 25% 매칭(현금 또는 현물)을 요구한다.
- 집행 구조: 지원금은 GAAP 기준 ‘자본적 지출(capital expenditure)’로 처리돼야 하며, 운영성 인건비·경상비는 원칙적으로 부적합할 수 있다(기관 회계 해석에 따라 범위 확인 필요).
- 공개 산출물: 선정 시 최소 1개 이상의 공개 가능한 산출물(데이터셋·학습모델·문서 등)을 AI Hub Data Commons에 기여해야 한다.
- 자격 제한 체크: 주·연방 정부의 debarment(제재) 대상이 아니어야 한다는 요건이 포함돼 있어, 참여 기관/기업은 내부적으로 해당 여부를 확인해 두는 것이 일반적으로 필요하다.
보스턴 지역 한인 유학생·거주민 관점에서 이 공모의 의미는 ‘개인 단독’보다 ‘소속+컨소시엄’에서 기회가 열린다는 점이다. 현실적인 형태는 다음과 같다.
- 사례 1(의료/롱우드 축): 캠브리지/롱우드의 연구실·병원 연구조직이 주관(기관 자격 충족)을 맡고, 시포트/벌링턴의 스타트업이 도메인 데이터 파이프라인, MLOps, 검증(benchmark/monitoring)을 담당한다.
- 사례 2(제조·로보틱스/교외): 대학 산학협력단이 주관이 되고, 제조 현장 데이터를 가진 중소기업이 파트너로 참여해 모델 평가·운영 환경(엣지/공장 네트워크)을 제공한다.
- 사례 3(국방·국가안보 연계): 비영리 연구기관이 주관이 되고, 보안 요구사항이 있는 평가 환경에서 “공개 가능한 최소 산출물”을 선별해 Data Commons 기여 범위를 설계한다(민감정보/통제 데이터는 익명화·합성데이터 등 대안을 병행하는 방식이 자주 논의된다).
실행 체크리스트(현실형)
- ‘주관 기관’부터 확정: PI(책임자)가 속한 대학·병원·비영리 연구기관이 리드가 될 수 있는지 스폰서드 리서치/OGR 등 연구행정 라인에 먼저 확인한다.
- 예산 구조를 먼저 그린다: 제약이 ‘capex 중심’이어서 GPU/스토리지/데이터 구축, 플랫폼 개발, 평가·검증 환경 같은 항목이 중심이 된다. 인건비는 자본화 가능 범위가 기관별로 해석이 갈 수 있어 회계팀과 동시 협의가 필요하다.
- 25% 매칭을 ‘증빙 가능’하게 만든다: 현금이 어렵다면, 클라우드 크레딧·기존 장비 사용·파트너 인력 투입을 어떤 근거로 산정할지(내부 단가, 사용 시간, 감가상각/기여율 등) 문서화한다.
- Data Commons 기여 계획을 처음부터 포함: 공개 산출물 요구가 일정·법무·IRB(해당 시)까지 영향을 줄 수 있다. 개인정보·민감정보가 섞이는 경우 익명화/합성데이터, 라이선스(오픈소스/데이터 사용권) 정리를 함께 설계한다.
- 기본 자격 제한(제재 여부 등) 선점검: 파트너/하도급을 포함해 조직 단위로 ‘제재 대상 여부’와 내부 컴플라이언스 요건을 확인해 두면 제출 직전 리스크를 줄일 수 있다.
- 제출 형식 준수: 공고문은 이메일 전자 제출(제목에 NOFO 번호 포함)과 페이지 제한 등 형식 요건을 강조한다. 형식 미준수는 내용과 무관하게 리스크가 된다.
리스크와 대안(정보 차원의 간결 정리)
- 리스크(회계/집행): capex로 잡히는 비용이 핵심 제약이라, 계획 단계에서 운영비·인건비 비중이 커지면 선정 후 집행이 꼬일 수 있다.
- 리스크(매칭): “가능”이라고 쓰는 것과, 감사/정산 관점에서 설명 가능한 구조로 설계하는 것은 난이도가 다르다.
- 리스크(데이터/공개): 공개 산출물 요건은 일정·법무 검토·IRB에 영향을 줄 수 있다. 공개 가능한 최소 산출물을 조기에 좁혀두는 편이 실무적으로 안전하다.
- 대안 경로: 일정이 촉박하거나 capex 제약이 맞지 않으면, 주(州) 기반 타 프로그램, 연방 SBIR/STTR, 학교 내 translational fund 등으로 ‘파일럿→후속 대형 과제’ 순서를 택하는 접근이 현실적일 수 있다.
유학생의 경우 프로젝트 참여 형태(근로/인턴/RA 등)에 따라 학교·고용주·신분(비자) 요건이 달라질 수 있어, 실제 참여 전 소속 기관의 국제학생 오피스(OIS) 및 연구행정 부서에 확인하는 절차가 일반적으로 권장된다. 공모 자체가 ‘기관 단위 신청’인 만큼, 개인은 컨소시엄 내 역할(데이터, 모델링, 평가, 제품화/배치)을 기준으로 진입 경로를 설계하는 쪽이 실행 가능성이 높다.