본문으로 건너뛰기
피드

네이버클라우드, 하반기 하이퍼클로바X 성능 개선판 예고

ai-ml 약 5분
vote
0
댓글
북마크

네이버클라우드가 올해 하반기 하이퍼클로바X의 성능 개선 버전과 멀티모달, 비전언어모델, 옴니모델 라인업을 내놓겠다고 밝혔다. 엔비디아 블랙웰 B200 약 4,000장 규모의 내부 학습용 클러스터를 기반으로, 단순 벤치마크보다 비용 효율과 실제 서비스 적용에 초점을 맞춘 전략이다.

  • 1

    네이버클라우드는 올해 초 엔비디아 블랙웰 B200 약 4,000장을 묶은 내부 학습용 클러스터를 구축함

  • 2

    하반기부터 하이퍼클로바X의 멀티모달, 비전언어모델, 옴니모델 라인업을 선보일 계획임

  • 3

    전략의 핵심은 글로벌 빅테크와의 단순 벤치마크 경쟁보다 워크로드별 모델 선택과 추론 비용 절감임

  • 4

    GPUaaS, 전용 클라우드, 프라이빗 클라우드, 중동·동남아 진출까지 AI 인프라 사업 확장을 노림

  • 네이버클라우드가 하반기 하이퍼클로바X 성능 개선판을 예고함

    • 김유원 네이버클라우드 대표는 델 테크놀로지스 월드 2026 기자간담회에서 “올해 초 인프라를 많이 확충한 만큼 하반기부터 기대해도 좋다”고 말함
    • 올해 초 엔비디아 블랙웰 B200 GPU 약 4,000장을 묶은 내부 학습용 클러스터를 구축한 게 배경임
  • 새 라인업의 방향은 멀티모달, 비전언어모델(VLM), 옴니모델 쪽임

    • 텍스트만 잘하는 모델에서 이미지, 시각 정보, 여러 입력 형태를 다루는 모델로 확장하려는 흐름임
    • 네이버 서비스 특성상 검색, 쇼핑, 콘텐츠, 지도, 업무 도구 등 실제 적용처가 많아서 단순 데모보다 서비스 결합이 중요함
  • 네이버클라우드는 글로벌 빅테크와 정면 벤치마크 싸움만 하겠다는 분위기는 아님

    • 김 대표는 “성능과 효율이 균형을 이룬 모델”을 준비 중이라고 설명함
    • 모든 워크로드에 가장 비싼 모델을 쓰는 건 비효율적이라며, 워크로드별 모델 선택과 추론 비용 절감에 집중한다고 밝힘

중요

> 여기서 핵심은 “최고 점수 모델”이 아니라 “쓸 만한 성능을 합리적인 토큰 비용으로 계속 제공하는 모델”임. 기업 고객 입장에선 이게 훨씬 현실적인 구매 기준이다.

  • GPU 수요는 앞으로 더 빠르게 늘어날 것으로 보고 있음

    • 현재 보유 인프라의 70%를 네이버가 사용 중이고, 네이버 서비스의 AI 워크로드가 계속 증가하는 상황임
    • 네이버클라우드는 델 등과 AI 인프라 투자를 매달 이어가고 있고, 장기 로드맵과 기술·영업 협력도 공유 중이라고 함
  • 인프라 투자는 자체 모델 고도화뿐 아니라 외부 고객 사업으로도 연결됨

    • 서비스형 GPU(GPUaaS)를 통해 외부 고객사를 늘리고, AI 추론 수요 증가를 사업 기회로 보겠다는 판단임
    • 고객에게 전용 클라우드나 프라이빗 클라우드를 제공하고, 그 위에 AI 기술까지 통합해 사업 성공을 지원하겠다는 전략임
  • 해외 진출도 같이 굴러감

    • 중동은 사우디아라비아 합작법인 ‘네이버 이노베이션’을 거점으로 공략함
    • 말레이시아, 인도네시아, 태국 등 동남아에서는 현지 기업과 협업해 데이터센터 소프트웨어 스택과 운영 노하우를 제공 중임
    • 네이버가 인수한 유럽 최대 중고거래 플랫폼 왈라팝과도 최근 논의를 시작함

기술 맥락

  • 네이버클라우드의 선택은 모델 성능 개선과 AI 인프라 사업을 같이 밀어붙이는 쪽이에요. 자체 LLM만 만들면 비용 부담이 크고, GPUaaS만 팔면 차별화가 약해지거든요. 둘을 묶으면 네이버 서비스에서 검증한 모델과 인프라를 외부 고객에게 같이 제안할 수 있어요.

  • 블랙웰 B200 약 4,000장 클러스터는 단순 홍보 숫자가 아니에요. 대규모 모델을 개선하려면 학습 실험을 반복할 수 있는 내부 연산 자원이 필요하고, 이게 없으면 모델 로드맵이 외부 GPU 수급 상황에 끌려다녀요.

  • 워크로드별 모델 전략도 현실적인 방향이에요. 모든 요청을 최고가 모델로 처리하면 토큰 비용이 감당이 안 돼요. 검색 보조, 문서 요약, 이미지 이해, 에이전트 작업마다 필요한 모델 크기와 지연시간 기준이 다르기 때문에 라우팅과 비용 최적화가 중요해져요.

  • 기업 고객 입장에서는 전용 클라우드나 프라이빗 클라우드 위에 AI를 얹는 구성이 매력적일 수 있어요. 데이터 위치, 보안, 비용 예측 가능성을 챙기면서도 자체 GPU를 직접 사는 부담을 줄일 수 있거든요.

국내 LLM 사업자가 살아남으려면 ‘최고 성능 모델 하나’보다 ‘비용 맞는 모델을 필요한 워크로드에 붙이는 능력’이 더 중요해지는 분위기임. 네이버가 모델 라인업과 GPUaaS를 같이 말하는 것도 결국 모델 사업과 인프라 사업을 묶겠다는 신호다.

댓글

댓글

댓글을 불러오는 중...

ai-ml

유튜브, AI 생성 영상에 자동 라벨 붙인다

유튜브가 사실적으로 보이거나 의미 있게 AI로 변경·생성된 콘텐츠에 더 눈에 띄는 라벨을 적용하고, 제작자가 AI 사용 여부를 밝히지 않아도 내부 신호로 감지되면 자동 라벨을 붙이겠다고 밝혔다. 다만 라벨만으로 추천 노출이나 수익화 자격이 바뀌지는 않으며, 제작자는 YouTube Studio에서 잘못된 판정을 수정할 수 있다.

ai-ml

테크 CEO들의 'AI 만능론', 숫자는 아직 그렇게 말하지 않는다

테크 업계에서 AI를 이유로 한 대규모 감원과 조직 재편이 이어지는 가운데, Box 창업자 애런 레비는 CEO들이 실제 업무의 마지막 1마일을 모른 채 AI 에이전트의 능력을 과대평가하고 있다고 지적했다. 2026년 첫 5개월 동안 이미 11만5430명이 해고됐고, 여러 연구는 AI 도입이 체감 생산성만큼 실제 생산성을 끌어올렸다는 근거가 아직 약하다고 말한다.

ai-ml

오픈AI와 앤트로픽, 코딩 에이전트로 드디어 돈 되는 시장을 찾은 듯

사이먼 윌리슨은 오픈AI와 앤트로픽이 코딩 에이전트와 기업용 과금으로 진짜 제품-시장 적합성을 찾았다고 봐. 개인 구독자에게는 월 100달러 플랜이 싸게 느껴지지만, 기업 고객은 이제 사용량 기준 토큰 가격을 그대로 내기 시작했고 이게 대형 고객 예산을 빠르게 흔들고 있다는 얘기야.

ai-ml

컴팔과 GMI 클라우드, 대규모 추론용 AI 인프라 구축 협력

컴팔이 실리콘밸리 기반 AI 인프라 기업 GMI 클라우드와 협력해 대규모 추론과 에이전틱 AI 워크로드에 맞춘 GPU 서버 인프라를 구축한다고 발표했어. COMPUTEX 2026에서는 NVIDIA HGX B300을 지원하는 Compal SGX30-2 같은 고성능 AI 서버 플랫폼도 선보일 예정이야.

ai-ml

AI 쓰면 편해진다더니, 직장인들은 ‘AI 과부하’에 지쳐가는 중

국내 직장인들이 AI 전환 압박, AI 답변 검증 부담, 대체 불안 때문에 피로감을 호소하고 있어. 중앙일보 설문에서는 5284명 중 31.6%가 ‘AI 답변 검증에 시간이 더 걸릴 때’를 가장 지치는 순간으로 꼽았고, 기업들은 무작정 AI 사용량을 밀어붙이는 방식에서 업무 방식 재설계로 넘어가야 한다는 지적이 나와.