--- title: "오케스트로, 112.5억 규모 국산 AI 반도체 클라우드 소프트웨어 사업 수주" published: 2026-05-08T05:05:05.147Z canonical: https://jeff.news/article/2459 --- # 오케스트로, 112.5억 규모 국산 AI 반도체 클라우드 소프트웨어 사업 수주 오케스트로가 과기정통부와 IITP의 국산 AI 반도체 특화 클라우드 네이티브 소프트웨어 스택 개발 과제 주관기관으로 선정됐어. 2026년부터 2029년까지 4년간 112.5억 원 규모로 진행되며, NPU와 PIM 같은 국산 AI 가속기를 클라우드에서 운영하기 위한 기반 소프트웨어와 모델 허브를 만드는 사업이야. - 오케스트로가 국산 AI 반도체용 클라우드 소프트웨어 스택 개발 과제의 주관기관으로 선정됨 - 과기정통부와 정보통신기획평가원(IITP)이 주관하는 R&D 사업 - 정식 과제명은 ‘AI 반도체 특화 클라우드 네이티브 SW 스택 및 모델 허브 기술 개발’ - 총 112.5억 원 규모로, 2026년부터 2029년까지 4년간 진행됨 - 목표는 국산 AI 가속기를 클라우드에서 제대로 굴릴 수 있게 만드는 것임 - 대상은 국산 신경망처리장치(NPU), 지능형 메모리(PIM) 같은 차세대 AI 반도체 - 범용 클라우드 환경에서 최적 성능을 내도록 운영 체계를 마련하는 게 핵심 - 국산 AI 반도체 생태계 확산과 실제 활용성 개선을 목표로 함 - 개발 항목은 꽤 인프라 깊숙한 영역을 건드림 - 컨테이너 런타임 인터페이스(CRI) 호환 기술 - 가속기 자원 직접 접근을 지원하는 패스스루 기술 - 마이크로서비스 아키텍처(MSA) 프레임워크 - 기존 GPU 중심 클라우드 구조를 국산 NPU 같은 가속기까지 확장하려는 접근임 > [!IMPORTANT] > 국산 AI 반도체가 실제로 쓰이려면 칩만 있어서는 부족함. 쿠버네티스와 런타임, 배포, 모니터링까지 이어지는 소프트웨어 스택이 같이 있어야 개발자가 쓸 수 있음. - ‘AI 모델 허브’도 같이 만든다는 점이 중요함 - 학습·추론 모델을 손쉽게 등록하고 배포할 수 있는 플랫폼을 구축할 예정 - 모델 컨테이너화 자동화와 메타데이터 관리 체계를 기반으로 운영됨 - 과제 종료 시점까지 1000개 이상의 최적화 모델 확보를 목표로 함 - 이 사업은 외산 GPU 의존도를 낮추려는 정책 방향과 맞물려 있음 - 국내 중소·벤처기업이 고가 외산 GPU 없이도 AI 서비스를 개발·출시할 수 있게 지원하겠다는 취지 - 국산 AI 반도체 기반 서비스가 빠르게 실험되고 배포될 수 있는 환경을 만드는 게 관건 - 단순 연구 과제가 아니라 실제 데이터센터 운영 환경 적용까지 염두에 둠 - 정부의 더 큰 AI 인프라 계획과도 연결됨 - 연구 성과는 K-클라우드 프로젝트와 연계될 예정 - 2026년부터 본격화되는 국가 AI 컴퓨팅 인프라 구축 사업에도 적용될 계획 - 성공 여부는 국산 칩 성능뿐 아니라, 운영 자동화와 개발자 경험이 얼마나 자연스럽게 붙느냐에 달려 있음 --- ## 기술 맥락 - AI 반도체는 하드웨어 성능만 좋아서는 클라우드에서 바로 경쟁력이 나오지 않아요. 개발자는 모델을 컨테이너로 배포하고, 쿠버네티스에서 스케줄링하고, 장애와 비용을 봐야 하거든요. - CRI 호환 기술이 중요한 이유는 기존 클라우드 네이티브 생태계와 붙기 위해서예요. 국산 NPU를 쓰려고 운영 방식을 완전히 새로 배워야 한다면 도입 장벽이 너무 커져요. - 패스스루 기술은 성능 손실을 줄이기 위한 선택이에요. AI 가속기는 하드웨어 접근 경로가 길어지면 장점이 희석되기 때문에, 워크로드가 가속기를 효율적으로 잡아 쓰게 만드는 게 중요해요. - 모델 허브는 생태계 확산용 장치예요. 칩과 런타임만 있어도 모델 최적화가 어렵다면 개발자는 결국 익숙한 GPU로 돌아가거든요. 1000개 이상 최적화 모델 목표는 그 빈칸을 줄이려는 신호예요. ## 핵심 포인트 - 총 112.5억 원 규모의 4년짜리 국산 AI 반도체 클라우드 R&D 과제 - NPU와 PIM을 범용 클라우드 환경에서 운영하기 위한 클라우드 네이티브 SW 스택 개발 - CRI 호환, 패스스루, MSA 프레임워크 등 GPU 중심 인프라를 넘어서는 운영 체계 목표 - 과제 종료까지 1000개 이상의 최적화 모델을 AI 모델 허브에 확보하는 것이 목표 ## 인사이트 국산 AI 반도체 경쟁력은 칩 성능만으로 안 끝나. 쿠버네티스, 런타임, 모델 배포, 운영 자동화까지 붙어야 개발자가 실제로 쓸 수 있는데, 이번 과제는 그 빈칸을 메우려는 인프라 쪽 시도야.