본문으로 건너뛰기
피드

아카마이, 앤트로픽 추정 고객과 18억 달러 AI 클라우드 계약

ai-ml 약 5분

아카마이가 이름을 공개하지 않은 최첨단 파운데이션 모델 제공업체와 7년간 18억 달러 규모의 클라우드 인프라 계약을 맺었다고 밝혔다. 블룸버그는 이 고객사가 앤트로픽이라고 보도했고, 배경에는 클로드 사용량 증가와 AI 추론 인프라 수요 확대가 있다. 콘텐츠 전송망과 보안으로 유명한 아카마이가 AI 인프라 업체로 포지션을 바꾸려는 흐름도 같이 보인다.

  • 1

    아카마이가 7년간 18억 달러 규모의 클라우드 인프라 계약 공개

  • 2

    블룸버그는 계약 상대가 앤트로픽이라고 보도

  • 3

    아카마이는 130개국 700개 도시 4300곳의 분산 인프라를 AI 애플리케이션에 활용하려 함

  • 4

    1분기 클라우드 인프라 매출은 전년 대비 40% 증가한 9500만 달러

  • 아카마이가 AI 기업과 7년간 18억 달러, 약 2조6000억 원 규모의 클라우드 인프라 계약을 맺었다고 밝힘

    • 아카마이는 고객 이름을 공개하지 않았고, “최첨단 파운데이션 모델 제공업체”라고만 설명함
    • 블룸버그는 사안에 정통한 소식통을 인용해 계약 상대가 앤트로픽이라고 보도함
    • 요즘 클로드(Claude)가 코딩과 업무 자동화 수요로 많이 쓰이면서 인프라 사용량이 급증한 게 배경으로 언급됨
  • 이 뉴스가 재밌는 이유는 아카마이가 원래 “AI 클라우드 회사” 이미지가 강한 곳은 아니었다는 점임

    • 아카마이는 콘텐츠 전송, 사이버보안, 클라우드 인프라를 3대 축으로 설명함
    • 그중 클라우드 인프라는 비교적 최근 사업이지만 가장 빠르게 성장 중이라고 밝힘
    • 1분기 클라우드 인프라 매출은 전년 대비 40% 증가한 9500만 달러였음
  • 아카마이가 내세우는 카드는 “분산된 인프라”임

    • 톰 레이튼 최고경영자는 아카마이가 130개국 700개 도시, 4300곳에 인프라를 보유하고 있다고 말함
    • 기존에는 이 인프라를 콘텐츠 전송과 보안에 활용해왔음
    • 이제는 AI 애플리케이션이 사용자와 가까운 곳에서 더 빠르게 작동하도록 지원하겠다는 전략임

중요

> AI 인프라 경쟁이 거대한 중앙 데이터센터만의 문제가 아니라, 사용자 가까운 곳에서 추론을 얼마나 빠르게 처리하느냐의 싸움으로 넓어지고 있음.

  • 앤트로픽으로 추정되는 고객사 입장에서는 인프라 조합을 계속 넓히는 그림임

    • 기사에 따르면 앤트로픽은 이미 구글과 스페이스X의 칩 및 클라우드 서비스를 활용하고 있음
    • 여기에 아카마이의 분산 클라우드까지 붙으면, 특정 벤더 하나에만 기대지 않는 구조를 만들 수 있음
    • 모델 사용량이 늘어날수록 컴퓨팅 파워, 저장소, 추론 지연 시간, 지역별 처리 위치가 전부 비용과 품질로 이어짐
  • 아카마이 실적도 “AI 인프라 전환” 서사를 뒷받침하는 숫자를 보여줌

    • 1분기 전체 매출은 전년 대비 6% 증가한 약 10억 달러였음
    • 보안 부문 매출은 11% 증가한 5억9000만 달러였음
    • 반면 콘텐츠 전송 및 기타 클라우드 애플리케이션 매출은 7% 감소한 3억8900만 달러였음
    • 즉, 예전 주력 사업은 둔화되고 보안과 클라우드 인프라가 성장축이 되는 모습임
  • 시장도 이미 반응 중임

    • 지난 12개월 동안 아카마이 주가는 65% 상승함
    • 회사는 2분기 매출을 10억8000만~11억 달러로 전망함
    • 조정 주당순이익(EPS)은 1.45~1.65달러로 예상함
  • 개발자 입장에서는 “AI 서비스 운영 인프라가 어디로 가는가”를 보여주는 사례임

    • 모델 성능만큼이나 추론 위치, 지연 시간, 비용, 보안, 멀티 클라우드 전략이 중요해지고 있음
    • 특히 전 세계 사용자를 상대하는 AI 제품은 중앙 리전 하나로 모든 걸 처리하기보다 엣지와 분산 인프라를 섞는 방향을 고민하게 될 가능성이 큼

기술 맥락

  • 이 계약의 핵심은 아카마이가 콘텐츠 전송망 회사에서 AI 추론 인프라 회사로 영역을 넓히고 있다는 점이에요. 파운데이션 모델 서비스는 사용자가 요청할 때마다 모델을 실행해야 해서, 학습 인프라만큼이나 추론 인프라가 계속 중요해지거든요.

  • 앤트로픽으로 추정되는 고객사가 여러 클라우드와 칩 공급자를 함께 쓰는 이유도 단순해요. 클로드 사용량이 늘면 특정 공급자 하나에만 기대는 구조는 비용, 용량, 장애 대응에서 부담이 커져요. 그래서 구글, 스페이스X, 아카마이 같은 조합이 나오는 거예요.

  • 아카마이가 강조한 130개국 700개 도시 4300곳 인프라는 지연 시간과 관련이 깊어요. AI 응답은 모델 계산 시간도 중요하지만, 사용자가 있는 위치와 서버 사이 거리도 체감 속도에 영향을 주거든요.

  • 그래서 이번 뉴스는 “누가 더 큰 모델을 만들었나”보다 “그 모델을 전 세계 사용자에게 어떻게 빠르고 안정적으로 서빙하나”에 가까워요. AI 제품을 운영하는 팀이라면 모델 API 가격표만 볼 게 아니라 추론 위치와 분산 전략까지 같이 봐야 하는 이유예요.

AI 인프라 경쟁이 GPU 데이터센터만의 싸움이 아니라 사용자 가까운 곳에서 추론을 처리하는 분산 클라우드 경쟁으로 번지는 중임. 아카마이 같은 엣지 인프라 회사가 다시 주목받는 이유도 여기에 있음.

댓글

댓글

댓글을 불러오는 중...

ai-ml

제미나이 도구 호출 능력을 2,600만 파라미터 모델로 증류한 니들 공개

Cactus Compute가 Gemini 3.1의 도구 호출 능력을 2,600만 파라미터짜리 초소형 모델 Needle로 증류해 공개했다. 맥이나 PC에서 로컬 파인튜닝까지 가능하고, 프로덕션 환경에서는 프리필 6,000 토큰/초, 디코드 1,200 토큰/초를 낸다고 주장한다. 개인용 AI 기기에서 함수 호출만 빠르게 처리하는 작은 모델 실험으로 보면 꽤 흥미로운 공개다.

ai-ml

딥시크 V4 인덱서, 6기가바이트 메모리로 백만 토큰까지 밀어붙인 논문

딥시크 V3.2와 V4의 압축 희소 어텐션에서 병목이 되는 인덱서 단계를 스트리밍 방식으로 바꿔, 기존 구현이 6만5536 토큰에서 메모리 부족으로 죽던 문제를 104만8576 토큰까지 확장했다. 핵심은 전체 점수 텐서를 만들지 않고 청크 단위로 top-k를 나눠 계산한 뒤 병합하는 방식이며, 단일 엔비디아 H200에서 피크 메모리 6.21기가바이트를 기록했다. 다만 논문은 인덱서 단계만 다루며, 실제 체크포인트 기반 종단간 성능이나 더 빠른 어텐션 커널을 주장하진 않는다.

ai-ml

챗지피티가 학습에 좋다던 유명 논문, 결국 철회됨

챗지피티가 학생 학습 성과에 큰 도움이 된다고 주장했던 논문이 출판 약 1년 만에 철회됐어. 스프링거 네이처는 분석의 불일치와 결론 신뢰 부족을 이유로 들었고, 문제의 논문은 이미 500회 넘게 인용된 뒤였어.

ai-ml

샘 올트먼, 법정에서 “머스크가 오픈AI 지배권을 자녀에게 넘기려 했다”고 증언

샘 올트먼이 캘리포니아 오클랜드 연방법원 배심원 앞에서 일론 머스크가 오픈AI의 장기 지배권을 원했고, 사망 후엔 자녀에게 넘기는 방안까지 언급했다고 증언했다. 머스크는 오픈AI가 비영리로 출발했는데도 영리화됐다고 소송을 제기했지만, 올트먼은 오히려 머스크가 영리 전환과 테슬라 편입을 밀었다는 취지로 반박했다.

ai-ml

혜전대, AI로 스마트팜 생산·가공·유통 교육 모델 만든다

혜전대가 2026년 교육부·한국연구재단의 AID 전환 중점 전문대학 지원사업에 충남 지역 연합형 사업단으로 선정됐다. 연암대와 역할을 나눠 스마트팜 생산부터 가공·유통까지 전주기를 디지털화하는 교육 모델을 만들겠다는 내용이다.