클라우드 빅3 차별화 논쟁, 정작 컴퓨트·스토리지는 거의 범용재가 됐다는 얘기

클라우드 빅3가 다르다고 말하지만, 기업이 제일 많이 쓰는 건 비슷함

• 클라우드 컨퍼런스만 보면 업체마다 완전히 다른 세계를 만드는 것처럼 보임

  • 인공지능 서비스, 데이터베이스, 프레임워크, 전용 분석 엔진, 생태계 발표가 계속 쏟아짐
  • 그런데 기업들이 실제로 가장 많이 소비하는 건 여전히 컴퓨트와 스토리지임

• 글의 핵심 주장은 꽤 직설적임. AWS, 애저, 구글 클라우드의 핵심 인프라는 이미 상당히 비슷한 수준까지 성숙했다는 것

  • 가상머신, 프로세서 옵션, 메모리 구성, 인스턴스 패밀리, 리눅스·윈도우 지원은 세 업체 모두 폭넓게 제공함
  • 범용 워크로드, 컴퓨트 집약 작업, 메모리 집약 애플리케이션, 스토리지 중심 패턴, 그래픽 처리 장치 기반 워크로드도 다들 대응 가능함

• 스토리지도 같은 흐름임

  • 블록 스토리지는 전반적으로 안정적이고, 파일 스토리지는 기업 환경에 맞게 계속 좋아지는 중
  • 오브젝트 스토리지는 높은 내구성과 글로벌 확장성 덕분에 클라우드 경제와 아키텍처의 중심이 됨
  • 가격, 성능, 운영 세부 차이는 있지만 주류 기업 요구사항 기준으로는 비슷한 범위 안에 들어온다는 얘기임

진짜 차이는 전용 서비스에서 벌어짐

• 물론 모든 영역이 범용재가 된 건 아님

  • 특정 서버리스 플랫폼, 클라우드 전용 분석 엔진, 네이티브 인공지능 오케스트레이션, 단일 업체 데이터베이스에 깊게 의존하면 업체 차이는 매우 중요해짐
  • 이런 경우에는 서비스 기능 자체가 벤더 선택의 핵심 기준이 될 수 있음

• 클라우드 업체들이 전용 서비스에 목숨 거는 이유도 분명함

  • 전용 서비스는 마진이 좋고, 고객 이탈을 줄이고, 마케팅 메시지도 훨씬 강하게 만들 수 있음
  • 기술적으로도 진짜 차별화가 생기는 영역이라 기업이 제대로 활용하면 사업 가치가 나올 수 있음

• 하지만 대다수 기업의 일상적인 클라우드 사용은 훨씬 덜 화려함

  • 애플리케이션 이전, 일반 디지털 플랫폼 구축, 데이터 호스팅, 백업, 개발·테스트 환경 운영이 대부분임
  • 단일 하이퍼스케일러에서만 제공하는 고유 기능이 없어도 돌아가는 워크로드가 많음

인공지능도 결국 기본 인프라를 더 먹음

• 인공지능이 클라우드 선택 공식을 완전히 바꿀 거라는 말이 많지만, 글쓴이는 반대로 봄

  • 인공지능은 특화 모델 생태계, 벡터 데이터베이스, 오케스트레이션 프레임워크, 업체별 가속기를 요구함
  • 동시에 확장 가능한 컴퓨트, 빠르고 내구성 있는 스토리지, 데이터 파이프라인, 오브젝트 스토어, 네트워크 처리량도 더 많이 요구함

• 학습, 파인튜닝, 검색, 추론, 거버넌스, 데이터 관리는 결국 비슷한 인프라 기반 위에 올라감

  • 클라우드에서 돌리든, 멀티클라우드로 가든, 온프레미스와 섞든 기본 요구사항은 크게 다르지 않음
  • 그래서 전략 논의가 기능 경쟁만 따라가면 실제 워크로드 현실을 놓치기 쉬움

그래서 클라우드 선택 질문을 바꿔야 함

• “어느 클라우드가 최고냐”는 질문은 별로 쓸모가 없음

  • 더 나은 질문은 “우리 워크로드, 비용 구조, 거버넌스, 운영 역량에 뭐가 맞느냐”임
  • 핵심 인프라가 비슷해졌다면 선택 기준도 기능 체크리스트에서 운영 정합성으로 이동해야 함

• 아키텍트가 봐야 할 건 차별화가 진짜 의미 있는 지점과, 그냥 브랜딩·패키징 차이에 가까운 지점을 구분하는 능력임

  • 특정 전용 서비스를 깊게 쓸 거면 벤더 차이가 매우 중요함
  • 반대로 대규모 컴퓨트와 스토리지를 주로 소비한다면, 세부 기능보다 가격·계약·운영·거버넌스가 더 크게 작동할 수 있음

• 오히려 빅3의 핵심 인프라가 비슷해졌다는 건 아키텍트에게 좋은 소식일 수 있음

  • 어느 업체를 골라도 컴퓨트·스토리지 기반에서 치명적 실수를 할 가능성이 낮아졌다는 뜻
  • “잘못 고르면 끝장”이라는 공포보다, 자기 조직의 현실에 맞는 조건을 따지는 쪽이 더 생산적임

---

기술 맥락

• 이 글에서 말하는 선택은 “어느 클라우드가 제일 멋진가”가 아니라 “우리 워크로드가 실제로 먹는 자원이 뭔가”에 가까워요. 기업 시스템은 발표 자료에 나오는 전용 인공지능 기능보다 가상머신, 블록 스토리지, 오브젝트 스토리지, 네트워크 처리량에 돈을 더 많이 쓰는 경우가 많거든요.

• 컴퓨트와 스토리지가 범용재가 됐다는 말은 품질이 낮아졌다는 뜻이 아니에요. 오히려 세 업체가 다 높은 수준까지 올라왔기 때문에, 일반적인 워크로드에서는 기능 차이만으로 승부가 잘 안 난다는 뜻이에요.

• 전용 서비스는 얘기가 달라요. 서버리스, 전용 데이터베이스, 인공지능 오케스트레이션처럼 애플리케이션 구조에 깊게 박히는 서비스를 고르면 나중에 옮기는 비용이 커져요. 그래서 이 영역에서는 기능 이득과 락인 비용을 같이 봐야 해요.

• 인공지능도 마찬가지예요. 모델이나 에이전트 기능만 보면 화려하지만, 실제 운영에서는 데이터 저장소, 그래픽 처리 장치 접근성, 파이프라인 안정성, 네트워크 처리량이 병목이 되기 쉬워요. 그래서 인공지능 전략일수록 기본 인프라 평가가 더 중요해져요.