본문으로 건너뛰기
피드

이노그리드, 2030년 국내 AI 클라우드 솔루션 1위 목표로 통합 제어 플랫폼 밀기 시작

ai-ml 약 6분
vote
0
댓글
북마크

이노그리드가 테크 비전 데이 2026에서 2030년까지 국내 AI 클라우드 솔루션 1위 기업이 되겠다는 목표와 기술 로드맵을 공개했다. GPU, NPU, CPU, QPU 같은 다양한 xPU 자원부터 AI 개발·학습·배포·운영까지 하나의 Control Plane으로 묶는 TAFA 아키텍처가 핵심이다.

  • 1

    이노그리드는 NHN인재아이엔씨 인수 후 2~3년 안에 매출 1,000억 원을 달성하겠다는 계획을 제시

  • 2

    TAFA는 데이터, 컴퓨팅 자원, AI 플랫폼, 보안 정책, 운영 체계가 분산되며 생기는 복잡성을 통합 제어로 풀겠다는 아키텍처

  • 3

    R&D 방향에는 GPU 공유, GPU 오케스트레이션, 이더넷 기반 GPU 클러스터 네트워크, 병렬 스토리지, AI반도체 자원관리, 분산 AI 가속기 표준이 포함

  • 이노그리드가 ‘2030년 국내 AI 클라우드 솔루션 1위’를 목표로 내걸었음

    • 김명진 대표가 포시즌스 호텔 서울에서 열린 테크 비전 데이 2026에서 비전 플러스 2030을 공개함
    • NHN인재아이엔씨 인수 후 2~3년 안에 매출 1,000억 원을 달성하겠다는 계획도 같이 제시함
  • 발표의 큰 주제는 ‘From xPU to AI Platform’임

    • GPU, NPU, CPU, QPU 같은 다양한 xPU 연산 자원을 하나로 묶겠다는 방향임
    • 클라우드 인프라부터 AI 개발, 학습, 배포, 운영 환경까지 단일 Control Plane으로 연결하고 제어한다는 구상임
    • 쉽게 말하면 “GPU만 파는 회사”가 아니라 “AI 인프라 전체 운영판을 잡는 회사”가 되겠다는 선언임
  • 핵심 키워드는 TAFA, 즉 Trusted AI Fabric Architecture임

    • AI 인프라가 커질수록 데이터, 컴퓨팅 자원, AI 플랫폼, 보안 정책, 운영 체계가 여러 환경에 흩어지는 문제가 생김
    • 이노그리드는 이 분산 때문에 개발과 운영이 끊기고, 자원 활용률이 떨어지고, 보안·정책 관리가 복잡해지며, 비용이 증가한다고 봄
    • TAFA는 이 복잡성, 단절, 불신을 깨겠다는 의미를 담았다고 설명함

ℹ️참고

> TAFA는 단순히 GPU 자원 관리 도구 하나를 말하는 게 아님. 데이터, 컴퓨팅, 보안, 운영 자동화를 Control Plane 관점에서 통합 제어하겠다는 아키텍처 포지셔닝에 가까움.

  • 이노그리드가 제시한 플랫폼 방향은 꽤 인프라 엔지니어링 쪽에 붙어 있음

    • GPU와 다양한 xPU 자원을 통합 관리하는 AI 인프라 운영 체계
    • AI 워크로드 특성을 반영한 지능형 자원 스케줄링과 오케스트레이션
    • 고성능 네트워크와 스토리지 기반의 AI 최적화 클라우드 환경
    • AI반도체까지 확장되는 차세대 AI 클라우드 플랫폼이 주요 방향으로 제시됨
  • R&D 과제 목록을 보면 실제 병목 지점을 꽤 넓게 건드림

    • VM과 컨테이너가 섞인 단일 노드 환경에서 GPU 자원을 분할·재구성하고 간섭을 줄이는 공유 기술
    • 대규모 GPU 클러스터 자원을 효율적으로 운영·관리하는 GPU 오케스트레이션 기술
    • 이더넷 기반 GPU 클러스터 네트워크 패브릭 시스템과 최적화 기술
    • AI 연산 특화 데이터 경로 최적화를 위한 초고대역폭 병렬 스토리지 소프트웨어
    • AI반도체 클라우드 자원관리와 서비스 제공 플랫폼 기술
    • AI 학습·추론을 위한 분산 AI 가속기 연동 기술 표준
  • 이 발표가 재미있는 이유는 “AI 인프라 경쟁력”을 GPU 보유량이 아니라 운영 능력으로 정의했다는 점임

    • 김명진 대표는 고성능 연산 자원을 얼마나 확보했는가보다 확보한 자원을 어떻게 연결하고 제어하느냐가 중요하다고 말함
    • 고객의 AI 서비스 운영까지 안정적으로 확장할 수 있어야 경쟁력이 생긴다는 주장임
    • 이건 실제 현업에서도 맞는 말임. GPU가 있어도 네트워크, 스토리지, 스케줄링이 꼬이면 비싼 장비가 그냥 대기열 제조기가 됨
  • 다만 현재는 비전 발표 성격이 강해서, 앞으로 봐야 할 건 구현 결과임

    • TAFA가 실제 제품에서 어떤 기능으로 나타나는지
    • 기존 쿠버네티스, 가상화, GPU 스케줄러, 스토리지 솔루션과 어떻게 통합되는지
    • 기업 고객이 체감할 만큼 GPU 활용률, 비용, 운영 복잡도를 낮출 수 있는지가 관전 포인트임

기술 맥락

  • 이노그리드가 Control Plane을 강조한 이유는 AI 인프라가 한 종류의 서버로 끝나지 않기 때문이에요. GPU 서버, VM, 컨테이너, 스토리지, 네트워크, 보안 정책이 따로 놀면 운영팀은 매번 수작업으로 이어붙여야 하거든요.

  • xPU 전략은 GPU만 바라보지 않겠다는 선택이에요. 지금은 GPU가 중심이지만, 기업 환경에서는 NPU나 AI반도체, 기존 CPU 자원까지 같이 관리해야 비용과 공급망 리스크를 줄일 수 있어요.

  • GPU 공유와 오케스트레이션을 R&D 과제로 잡은 것도 현실적인 문제예요. AI 클러스터에서는 GPU가 남아도 특정 작업은 대기하고, 반대로 작은 작업이 큰 GPU를 점유하는 일이 생기기 쉬워요. 그래서 워크로드 특성에 맞는 배치와 격리가 중요해요.

  • 네트워크 패브릭과 병렬 스토리지를 같이 언급한 건 좋은 신호예요. 대규모 학습에서는 GPU 연산보다 GPU 사이 통신이나 데이터 로딩이 병목이 되는 경우가 많아서, 클러스터 전체를 하나의 시스템으로 최적화해야 해요.

벤더 비전 발표 성격이 강하지만, 문제의식 자체는 꽤 현실적임. 앞으로 AI 인프라의 병목은 GPU를 몇 장 샀느냐보다 그 GPU를 VM, 컨테이너, 네트워크, 스토리지, 보안 정책과 함께 얼마나 잘 굴리느냐에서 갈릴 가능성이 큼.

댓글

댓글

댓글을 불러오는 중...

ai-ml

알파벳, 클라우드 82% 성장했지만 AI 인프라 투자로 현금흐름 첫 적자

알파벳이 2분기 매출 1198억 달러를 기록하며 시장 전망을 넘겼고, 클라우드 매출은 82% 급증한 248억 달러까지 뛰었다. 하지만 AI 인프라에 분기 449억 달러를 투입하면서 잉여현금흐름은 2004년 상장 이후 처음으로 분기 적자를 냈다.

ai-ml

알파벳 클라우드 매출 82% 폭증했는데, 클라우드 ETF는 왜 빠졌나

알파벳의 2분기 클라우드 매출이 전년 대비 82% 늘며 월가 예상치를 크게 넘었지만, 클라우드 관련 ETF는 오히려 하락했다. 시장은 이제 클라우드 매출 성장률만 보는 게 아니라, 그 매출을 만들기 위해 데이터센터와 칩에 얼마나 많은 자본지출이 들어갔는지를 따지고 있다.

ai-ml

젠슨 황 “중국산 오픈소스 AI, 좋으면 써야 한다”

젠슨 황 엔비디아 CEO가 미국 정부의 중국산 오픈소스 AI 모델 규제 움직임에 반대했다. 딥시크, 알리바바, 문샷 AI 같은 중국 모델이 백도어라는 우려는 오해에 가깝고, 좋은 오픈소스 모델은 기업들이 활용할 수 있어야 한다는 주장이다.

ai-ml

업스테이지 ‘솔라 오픈 2’ 공개, 한국어·에이전트 성능으로 독파모 2라운드 승부

업스테이지가 오픈웨이트 LLM ‘솔라 오픈 2’를 공개했다. 2500억 매개변수 중 150억 개만 활성화하는 MoE 구조, 100만 토큰 컨텍스트, H200 2장 구동 가능성을 앞세워 한국어·에이전트·기업 도입성을 동시에 노린 모델이다.

ai-ml

아이벡스, 오픈소스 로봇·비전으로 볼트 검사 투입 자동화한다

아이벡스가 정보통신산업진흥원의 오픈소스 사업화 과제에 선정돼 케이피에프의 자분탐상 검사라인 자동화에 들어간다. 벌크 상태로 쏟아지는 볼트류를 AI 비전으로 인식하고, 6D 자세 추정과 로봇 제어로 집어서 검사장비에 넣는 흐름까지 구현하는 게 핵심이다.