국내 클라우드 3사 1분기 성적표, 승부처는 결국 AI GPU였다

• 국내 주요 클라우드 서비스 사업자(CSP) 3사의 1분기 성적표가 꽤 선명하게 갈렸음. 결론부터 말하면 AI GPU 인프라를 매출로 연결한 네이버·NHN은 뛰었고, KT는 거의 제자리였음.

  • 네이버클라우드가 포함된 네이버 엔터프라이즈 부문 매출은 1,505억원으로 전년 동기 대비 18.8% 성장.
  • NHN 기술 부문은 1,257억원으로 전년 동기 1,056억원 대비 19% 증가했고, NHN클라우드만 떼어 보면 20.2% 성장.
  • KT클라우드는 매출 2,501억원으로 3사 중 절대 규모는 가장 컸지만, 성장률은 0.4%에 그쳤음.

• 성장률을 가른 키워드는 인공지능(AI) GPU 인프라였음.

  • 네이버는 하이퍼클로바X 기반 AI 서비스와 엔터프라이즈 사업을 묶으면서 클라우드 수요를 흡수하는 그림.
  • 최수연 네이버 대표는 작년 하반기 수주한 GPUaaS 등 AI 관련 기업간거래(B2B) 매출이 1분기에도 이어지면서 엔터프라이즈 부문 성장을 이끌었다고 설명.
  • 말 그대로 “AI 한다”가 아니라, GPU 인프라 계약이 실제 매출로 찍히기 시작했다는 얘기임.

• NHN은 공공·AI 인프라 수주가 바로 숫자로 이어진 케이스에 가까움.

  • NHN 쪽은 GPU 기술 우위와 대규모 수주를 강조하면서, NHN클라우드가 국내 1위 AI CSP로 시장 지배력을 키우는 결정적 요인이 될 거라고 봄.
  • 특히 지난해 수주한 정부 GPU 확보·구축·운용지원 사업이 본격적으로 매출에 반영될 준비를 하고 있음.
  • 3월 말부터 서울 양평 리전에서 수냉식 기반 엔비디아 B200 GPU를 가동했고, 관련 매출은 2분기부터 인식될 예정.

• KT클라우드는 규모는 크지만 성장 모멘텀이 약했음.

  • 전년 동기에 반영됐던 대형 데이터센터 설계·구축 사업이 끝나면서 기저효과가 생김.
  • 공공사업 수주와 가산 데이터센터 가동률 증가 덕분에 전년 수준은 지켰지만, 클라우드 성장이 전체 실적을 끌고 가는 수준까진 아니었음.
  • 그래서 매출 규모 2,501억원이라는 숫자와 성장률 0.4%가 동시에 나오는, 살짝 애매한 그림이 됨.

• 하반기엔 3사 모두 “이제부터 더 간다”는 메시지를 냈음.

  • 네이버는 GPUaaS 국내외 레퍼런스를 확보하고, 사우디 디지털트윈·슈퍼앱 사업과 인도 타타컨설팅서비스(TCS)와의 전략적 업무협약(MOU)을 통해 소버린 AI 기회를 넓히겠다는 입장.
  • NHN은 CSP 매출 30% 이상 성장을 제시했고, 양평 리전의 B200 GPU 인프라를 하반기 성장 카드로 밀고 있음.
  • KT클라우드는 5년 안에 전체 데이터센터 용량을 500MW 이상으로 늘리겠다고 했고, 올해 두 자릿수 성장을 목표로 잡음.

• 개발자 입장에서 볼 포인트는 “국내 CSP가 진짜 AI 워크로드를 감당할 수 있느냐”임.

  • 이제 클라우드 경쟁은 가상머신 가격표 싸움이 아니라, GPU 수급·냉각·리전 운영·공공 규제 대응·대규모 고객 레퍼런스 싸움으로 넘어가는 중.
  • 특히 국내 기업이나 공공 프로젝트처럼 데이터 위치, 보안, 규제가 중요한 곳에선 해외 빅테크 클라우드만 답이 아닐 수 있음.
  • 다만 숫자만 보면 아직은 “AI 인프라 기대감”과 “실제 지속 매출” 사이의 검증 구간에 있음.

---

기술 맥락

• 이번 기사에서 핵심 선택은 국내 클라우드 사업자들이 일반 클라우드보다 GPUaaS와 AI 데이터센터에 힘을 싣고 있다는 점이에요. 생성형 AI 수요가 늘면서 고객이 원하는 건 단순 서버가 아니라 바로 학습·추론에 쓸 수 있는 GPU 자원이거든요.

• 네이버와 NHN의 성장률이 높게 나온 이유도 여기 있어요. 작년에 따낸 GPU 관련 기업간거래와 공공 인프라 사업이 1분기부터 매출로 잡히기 시작했고, NHN은 양평 리전에서 엔비디아 B200 GPU를 수냉식으로 돌리는 단계까지 갔어요.

• KT클라우드는 매출 규모는 제일 크지만, 전년 대형 데이터센터 구축 사업 종료 효과 때문에 성장률이 낮게 보였어요. 클라우드 사업에서는 일회성 구축 매출과 반복적으로 잡히는 GPU 사용 매출을 구분해서 봐야 하는 이유가 여기에 있어요.

• 개발팀 입장에서는 앞으로 국내 CSP를 볼 때 가격보다 GPU 가용성, 리전 위치, 냉각·전력 안정성, 공공·금융 규제 대응 경험을 같이 봐야 해요. AI 워크로드는 서버 한두 대 문제가 아니라 데이터센터 운영 능력 전체를 타는 일이니까요.