SKT는 GPU 클라우드, 네이버는 소버린 AI…엔비디아 협력의 진짜 차이

같은 엔비디아 협력처럼 보여도, 속은 꽤 다름

• SK텔레콤과 네이버가 둘 다 엔비디아와 기가와트(GW)급 AI 팩토리 구축을 말하고 있지만, 실제로 파는 물건은 다름.

  • SKT는 AI 연산 자원과 데이터센터 인프라를 파는 쪽에 가까움.
  • 네이버는 자체 대규모 언어 모델(LLM)과 클라우드 운영 경험을 묶어 AI 플랫폼을 파는 쪽에 가까움.
  • 기사 표현대로라면 네이버는 완성품을 만드는 공장, SKT는 그 공장이 들어설 산업단지와 전력망을 운영하는 쪽임.

• 엔비디아 입장에선 꽤 정교한 투트랙 전략임. 한국에서 하드웨어 인프라 파트너와 소프트웨어 서비스 파트너를 동시에 잡는 구조임.

  • SKT를 통해선 GPU 클라우드와 AI 인프라 허브를 노림.
  • 네이버를 통해선 소버린 AI, 즉 각 국가와 기업이 자기 데이터와 인프라 통제권을 유지하려는 시장을 노림.

SKT는 GPU 클라우드와 AIaaS 쪽

• SKT의 강점은 자체 LLM 경쟁력보다 통신망, 데이터센터 운영, 그룹 차원의 AI 인프라 생태계에 있음.

  • SK하이닉스의 HBM까지 엮을 수 있다는 점도 SK그룹 관점에서는 중요한 카드임.
  • 엔비디아 DSX 플랫폼을 기반으로 GPU, 메모리, 전력, 냉각 기술을 통합해 대규모 AI 팩토리를 만들겠다는 구상임.

• SKT가 노리는 비즈니스 모델은 AIaaS와 GPU 클라우드임.

  • 자체 AI 모델을 만들고 싶은 기업, 정부기관, 스타트업이 SKT의 인프라에서 필요한 만큼 연산 자원을 쓰는 방식임.
  • 쉽게 말하면 “모델은 당신들이 만들고, 우리는 돌릴 수 있는 땅과 전기와 장비를 제공하겠다”에 가까움.

• 이 모델은 아시아 AI 인프라 허브 전략과도 연결됨.

  • 대규모 GPU 클러스터를 직접 구축하기 어려운 조직에게 클라우드처럼 빌려주는 시장이 커지고 있음.
  • AI 학습과 추론 비용이 커질수록, 안정적인 GPU 공급과 데이터센터 운영 능력 자체가 상품이 됨.

네이버는 소버린 AI 솔루션 쪽

• 네이버가 엔비디아에게 매력적인 이유는 하이퍼클로바X와 데이터센터 각 세종 운영 경험을 같이 갖고 있다는 점임.

  • 단순히 GPU를 많이 사는 고객이 아니라, 자체 LLM을 만들고 실제 서비스 환경에서 운영해 본 파트너라는 의미임.
  • 기사에서는 하드웨어와 소프트웨어 기술력을 모두 검증받은 글로벌 탑티어 파트너라고 설명함.

• 네이버·엔비디아 협력의 핵심 시장은 소버린 AI로 읽힘.

  • 중동, 동남아, 유럽처럼 미국 빅테크에 데이터 주권을 맡기고 싶지 않은 국가와 기업이 타깃임.
  • 네이버는 엔비디아 하드웨어 위에 자사 LLM 엔진을 얹고, “당신의 국가 안에서, 당신의 데이터로 움직이는 AI 공장을 만들어주겠다”는 식의 솔루션 수출을 노림.

• 그래서 네이버의 AI 팩토리는 단순한 GPU 대여소가 아님.

  • AI 모델, 클라우드, 서비스 운영 역량을 함께 보유한 플랫폼 사업자 포지션임.
  • SKT가 “컴퓨팅을 빌려주는 회사”라면, 네이버는 “AI 서비스를 돌아가게 하는 전체 스택을 들고 가는 회사”에 가까움.

• 젠슨 황은 한국 기업들이 AI 시대에 필요한 요소를 이미 갖고 있다고 평가함.

  • 제조, 전자, 소프트웨어 역량을 함께 가진 시장이라는 점을 강조함.
  • 엔비디아가 한국 기업들과 장기 파트너십을 확대하겠다는 메시지도 이 맥락에서 나옴.

---

기술 맥락

• SKT가 GPU 클라우드로 가는 이유는 자체 모델 하나로 승부하기보다 인프라 수요를 먹는 쪽이 더 잘 맞기 때문이에요. 통신망, 데이터센터 운영, 전력·냉각 관리 같은 역량은 대규모 AI 워크로드에서 꽤 큰 진입장벽이거든요.

• 네이버가 소버린 AI를 노리는 이유는 하이퍼클로바X와 각 세종 운영 경험을 같이 갖고 있기 때문이에요. GPU만 빌려주는 사업자는 많아질 수 있지만, 특정 국가 안에서 모델과 클라우드 운영까지 묶어 제공하는 건 훨씬 복합적인 역량이 필요해요.

• 엔비디아 입장에서는 두 회사가 서로 다른 빈칸을 채워줘요. SKT는 GPU가 계속 소비되는 인프라 레이어를 만들고, 네이버는 그 위에서 국가·기업 맞춤형 AI 플랫폼 수요를 만들어낼 수 있어요.

• 이 차이가 중요한 이유는 AI 시장의 병목이 모델 성능 하나로 끝나지 않기 때문이에요. 앞으로는 GPU 확보, 메모리 대역폭, 데이터센터 전력, 데이터 주권, 클라우드 종속성까지 같이 봐야 실제 사업이 굴러가요.