엔비디아 AI 클라우드, 6개 대륙으로 확장…AI 팩토리 경쟁 본격화

엔비디아가 말하는 AI 클라우드는 “GPU 빌려주는 곳”보다 훨씬 큰 그림임

• 엔비디아 AI 클라우드 생태계가 글로벌 AI 팩토리 인프라 확장을 가속화하고 있다고 밝힘

  • 대상은 기업, 스타트업, 국가, AI 연구소, 개발자까지 꽤 넓음
  • 수요의 중심에는 에이전틱 AI 애플리케이션과 폭발적인 토큰 수요가 있음
  • 엔비디아는 이 클라우드를 자사 가속 컴퓨팅, 네트워킹, AI 소프트웨어를 결합한 전용 클라우드 생태계로 설명함

• 이 인프라가 지원하려는 워크로드도 단순 훈련에만 머물지 않음

  • 모델 훈련, 파인튜닝, 추론, 에이전틱 AI, 피지컬 AI, 소버린 AI 배포까지 포함됨
  • 구성은 파트너사와 워크로드별로 다르지만, 공통 목표는 토큰 비용을 낮추고 와트당 처리량을 높이는 것임

생태계는 6개 대륙으로 넓어졌고, 지역 AI 인프라가 키워드임

• 엔비디아 AI 클라우드는 이제 6개 대륙으로 확장됐다고 설명함

  • 아프리카의 카사바와 남미의 클라로가 합류하면서 지역 범위가 넓어짐
  • 동남아시아, 호주, 미주 전역에서도 지역 성장이 가속화되고 있다고 밝힘

• 파트너 구성도 꽤 다양함

  • 코어위브, 퍼머스, 아이렌, 네비우스, 엔스케일 등은 프론티어 모델 개발, 기업용 AI, 에이전틱 애플리케이션, 대규모 추론을 지원하기 위해 인프라를 확장 중임
  • 파이어버드, 지엠아이 클라우드, 인도삿 오레두 허치슨, 람다, 네이버 클라우드, 샤론 AI, 요타, 와이티엘 등은 지역 산업과 국가 AI 이니셔티브를 지원하는 파트너로 소개됨
  • 금융, 통신, 제조, 교육, 헬스케어, 개발자 생태계까지 대상 산업도 넓게 잡힘

• 정부와 규제 산업에서는 지역 AI 클라우드가 더 중요해짐

  • 데이터와 사용자가 있는 곳 가까이에서 AI 인프라를 운영해야 지연 시간, 데이터 통제, 컴플라이언스 요구를 맞추기 쉬움
  • 엔비디아는 이를 소버린 통제권과 현지 규제 대응의 문제로 설명함

퍼머스는 아시아·태평양에 액체 냉각 AI 팩토리를 깔고 있음

• 퍼머스 테크놀로지는 호주와 동남아시아 전역으로 AI 팩토리 입지를 넓히고 있음

  • 대규모 훈련, 추론, 에이전틱 AI 워크로드 수요 증가에 대응하는 에너지 효율적 인프라가 목표임
  • 프로젝트 사우스게이트를 통해 타스매니아, 멜버른, 남호주, 뉴사우스웨일스에 AI 팩토리를 개발 중임
  • 재생 에너지, 첨단 냉각, 빠르게 가동 가능한 모듈형 인프라를 강조함

• 퍼머스 하이퍼큐브는 액체 냉각 기반 모듈형 AI 팩토리로 소개됨

  • 엔비디아 DSX 플랫폼과 맞춰 설계됐고, AI 팩토리 구축 속도를 높이고 토큰 비용을 최소화하는 게 목적임
  • 퍼머스는 냉각과 에너지를 포함한 공급망 전반에서 혁신을 계속하겠다고 밝힘

코어위브와 네비우스는 피지컬 AI와 추론 레이어로 확장 중임

• 코어위브는 차세대 에이전틱 AI, 피지컬 AI, 프론티어 모델 워크로드를 위해 엔비디아 AI 클라우드 플랫폼을 확장하고 있음

  • 엔비디아 베라 루빈과 베라 CPU를 초기 도입한 기업으로 소개됨
  • 엔비디아 스펙트럼-X 이더넷 포토닉스를 가장 먼저 도입한 기업 중 하나로, 100만 개 GPU 규모 AI 팩토리를 위한 네트워킹 기반을 제공한다고 설명됨
  • 엔비디아 코스모스 3를 포함해 로보틱스와 피지컬 AI 워크플로우용 플랫폼도 확장 중임
  • 앤트로픽 같은 AI 연구소도 대규모 프론티어 모델 구동에 코어위브 인프라를 활용한다고 언급됨

• 네비우스는 모델 훈련, 추론, 피지컬 AI 개발을 위한 풀스택 플랫폼을 밀고 있음

  • 자체 네비우스 AI 클라우드, 토큰 팩토리 추론 레이어, 피지컬 AI 워크벤치를 포함함
  • 피지컬 AI 워크벤치는 엔비디아 코스모스 3, 아이작 심, 아이작 그루트 같은 기술을 구성 가능한 워크플로우로 연결함
  • 목표는 로보틱스와 자율 시스템 개발 팀이 시뮬레이션과 합성 데이터 단계에서 훈련과 평가 단계로 더 빠르게 넘어가게 하는 것임

DSX는 AI 팩토리 운영을 표준화하려는 플랫폼에 가까움

• 엔비디아 DSX는 AI 팩토리 설계, 구축, 운영을 위한 플랫폼으로 소개됨

  • 검증된 레퍼런스 디자인, 시뮬레이션, 소프트웨어, 생태계 기술을 결합함
  • 클라우드 제공업체가 인프라를 더 빨리 가동하고 효율적으로 운영하며 수익을 극대화하도록 돕는다는 설명임

• DSX 안에서도 역할이 나뉨

  • DSX 심은 배포 전 AI 팩토리를 모델링하고 검증하는 데 쓰임
  • DSX 플렉스는 전력망 조건에 맞춰 워크로드를 동적으로 조정함
  • DSX 맥스엘피에스는 전력이 제한된 AI 팩토리에서 고정 전력 예산 안에 GPU를 최대 40% 더 많이 가동하도록 돕는다고 설명됨
  • DSX OS는 대규모 라이프사이클 관리와 운영 자동화를 담당함

결론은 엔비디아가 “AI 인프라 운영 모델”까지 팔고 있다는 것

• 엔비디아의 메시지는 명확함. AI의 중심이 모델 개발에서 추론과 대용량 추론으로 이동하고 있다는 것

  • 그래서 인프라 평가는 발표된 용량보다 플랫폼 활용도, 가동 시간, 자산 수명, 실제 업무에 투입 가능한 에이전트의 범위로 바뀐다고 봄
  • 토큰당 비용은 하드웨어 성능, 소프트웨어 최적화, 생태계 지원, 실제 활용도를 반영하는 총소유비용 지표로 제시됨

• 개발자 입장에서는 클라우드 AI 선택 기준이 더 복잡해졌다는 뜻임

  • 모델 훈련만 할 건지, 지속적인 추론 서비스를 돌릴 건지, 로봇·시뮬레이션 같은 피지컬 AI까지 갈 건지에 따라 인프라 선택지가 달라짐
  • 지역 데이터 요구사항이나 규제 산업 컴플라이언스가 있으면 소버린 AI 클라우드도 고려 대상이 됨

---

기술 맥락

• 엔비디아가 선택한 방향은 단품 GPU 판매보다 AI 팩토리 전체를 같이 설계하는 쪽이에요. 훈련, 추론, 네트워킹, 냉각, 전력 조정, 운영 자동화가 따로 놀면 토큰당 비용이 올라가고 인프라 가동도 늦어지거든요.

• DSX가 중요한 이유는 AI 데이터센터를 짓는 과정 자체가 복잡해졌기 때문이에요. 배포 전 시뮬레이션, 전력망 조건에 맞춘 워크로드 조정, 고정 전력 예산 안에서 GPU를 더 많이 돌리는 최적화가 없으면 대규모 인프라가 있어도 경제성이 떨어져요.

• 코어위브와 네비우스 사례는 AI 클라우드가 범용 GPU 임대에서 워크로드별 플랫폼으로 바뀌는 흐름을 보여줘요. 프론티어 모델 추론, 에이전트, 로보틱스, 합성 데이터 워크플로우는 필요한 네트워크와 소프트웨어 스택이 서로 다르기 때문이에요.

• 소버린 AI와 지역 클라우드가 같이 언급되는 것도 같은 맥락이에요. 정부나 규제 산업은 데이터가 어디에 있고 누가 운영하는지를 따져야 하니까, 단순히 가장 싼 글로벌 리전보다 현지 컴플라이언스와 데이터 접근성이 더 중요해질 수 있어요.