레드햇, 에이전틱 AI 시대 엔터프라이즈 인프라 전략 꺼낸다

레드햇이 보는 엔터프라이즈 AI의 진짜 병목

• 레드햇이 레드햇 서밋 2026에서 AI 인프라, 가상화, 자동화를 묶은 통합 전략을 공개할 예정임

  • 행사는 5월 11일부터 14일까지 미국 조지아주 애틀랜타 월드 콩그레스 센터에서 열림
  • 레드햇 오픈소스, 하이브리드 클라우드, 인공지능(AI) 전략을 다루는 글로벌 엔터프라이즈 IT 컨퍼런스임

• 올해 키워드는 에이전틱 AI, 자동화, AI 옵스, 오픈 하이브리드 클라우드임

  • 레드햇은 AI 시대의 인프라 경쟁이 어디로 가는지 보여주겠다는 입장임
  • 핵심 문제의식은 AI에 대한 기대감과 실제 프로덕션 구현 사이의 간극임

• 기조연설에는 레드햇의 핵심 임원들이 파트너사와 함께 나옴

  • 매트 힉스 사장 겸 최고경영자, 크리스 라이트 최고기술책임자 겸 글로벌 엔지니어링 수석부사장, 아쉬쉬 바다니 수석부사장 겸 최고제품책임자가 무대에 오름
  • 프론티어 모델부터 오픈소스 최적화까지 이어지는 실전 AI 여정과 기업 운영 사례를 소개할 예정임

엔비디아, 오픈시프트, VM웨어 이후의 가상화

• 외신들이 꼽은 주요 이슈 중 하나는 레드햇-엔비디아 AI 팩토리 통합 스택임

  • 두 회사는 AI 모델을 실제 업무에 더 빠르게 투입할 수 있도록 인프라와 소프트웨어를 엮는 작업을 해왔음
  • 목적은 기업의 AI 도입 복잡성을 줄이는 것임

• 오픈시프트 가상화도 이번 행사에서 크게 다뤄질 키워드임

  • 브로드컴의 VM웨어 인수 이후 가상화 시장이 흔들리면서, 오픈시프트 가상화가 대안으로 주목받아 왔음
  • 레드햇은 2025년 기준 배포된 클러스터가 전년 대비 2배 이상 늘고, 관리 가상머신 수는 3배 이상 증가했다고 밝힌 바 있음

• 이 숫자가 재밌는 이유는 단순한 제품 홍보가 아니라 VM웨어 대체 수요의 실제 움직임을 보여주기 때문임

  • 기존 VM 운영 조직은 컨테이너 전환을 한 번에 하기 어렵고, 가상머신도 계속 굴려야 함
  • 오픈시프트 가상화는 그 과도기에서 컨테이너와 VM을 같은 플랫폼으로 묶는 카드가 됨

자동화와 분산 추론까지 한 묶음으로

• 자동화 영역에서는 레드햇과 해시코프의 통합 로드맵이 구체화될 전망임

  • 레드햇 앤서블과 해시코프 테라폼·볼트의 결합이 핵심임
  • 인프라 자동화와 보안 관리를 하나의 흐름으로 연결하는 차세대 자동화 청사진을 시연할 예정임

• 대규모 언어 모델(LLM) 추론 쪽 오픈소스 프로젝트 업데이트도 다뤄짐

  • 가상 대규모 언어 모델(vLLM)과 분산형 대규모 언어 모델(LLM-D)이 언급됨
  • 기업 AI가 실험실을 넘어 운영 환경으로 가면 추론 비용, 지연시간, 확장성이 바로 병목이 되기 때문에 이런 프로젝트가 중요해짐

sequenceDiagram
    participant 개발자
    participant 오픈시프트
    participant 자동화도구
    participant 추론인프라
    participant 운영팀
    개발자->>오픈시프트: AI 애플리케이션 배포
    오픈시프트->>자동화도구: 인프라 구성과 정책 적용
    자동화도구->>추론인프라: 모델 실행 환경 준비
    추론인프라->>운영팀: 성능·보안·확장성 지표 제공
    운영팀->>오픈시프트: 프로덕션 운영 기준 반영

• 레드햇이 강조하는 방향은 특정 클라우드나 특정 모델에 묶이지 않는 플랫폼 전략임
  • 인프라, 디지털 주권, AI 운영을 함께 다루겠다는 메시지임
  • 개발자가 만든 AI 앱이 보안과 확장성을 갖춘 엔터프라이즈 프로덕션 환경까지 이어지는 흐름을 전체 포트폴리오로 설명할 예정임

기술 맥락

• 레드햇이 에이전틱 AI를 이야기하면서도 모델 자체보다 플랫폼을 강조하는 건 기업 환경의 병목이 배포 이후에 생기기 때문이에요. 데모는 모델 하나로 충분하지만, 운영은 권한, 네트워크, 로그, 보안, 확장, 장애 대응이 다 붙거든요.

• 오픈시프트 가상화가 중요한 이유는 VM웨어 이후의 현실적인 대안이 필요하기 때문이에요. 많은 기업은 컨테이너로 바로 갈 수 없고 기존 가상머신도 계속 유지해야 해서, VM과 쿠버네티스 워크로드를 같은 운영 모델로 묶는 선택지가 매력적이에요.

• 앤서블, 테라폼, 볼트를 함께 언급한 것도 같은 흐름이에요. 테라폼으로 인프라를 만들고, 앤서블로 설정을 적용하고, 볼트로 비밀값과 보안을 다루면 운영팀 입장에서는 자동화 흐름을 더 일관되게 가져갈 수 있어요.

• vLLM과 LLM-D 같은 분산 추론 프로젝트는 AI 앱이 많아질수록 중요해져요. 추론은 사용자가 늘면 비용과 지연시간이 바로 튀기 때문에, 기업용 AI 플랫폼은 모델 개발만이 아니라 추론 실행 계층까지 챙겨야 해요.