1. 핵심 내용의 간단한 요약
이 소식은 2026년에 징동 클라우드(Jingdong Cloud)가 자사의 기술 컨퍼런스에서 업계에 큰 파장을 일으킬 발표를 했다는 것입니다. 징동 클라우드는 10만 개의 국산 GPU 칩을 탑재한 초대형 컴퓨팅 클러스터를 구축할 계획이며, 모든 칩은 국내 제조업체인 모어 스레드(More Threads)에서 생산한 것입니다. 이 클러스터는 대규모 인공지능(AI) 모델의 훈련이나 실제 세계에서 작동하는 지능형 로봇, 산업용 로봇 암 등에 필요한 연산 능력을 제공할 예정이며, 모든 산업 분야에서 사용할 수 있도록 공개될 예정입니다.
이는 국내 주요 클라우드 서비스 제공업체가 처음으로 10만 개의 GPU 칩을 모두 국산 칩으로 교체한 사례로, 산업정보화부(Ministry of Industry and Information Technology)가 추진하는 “15차 5개년 계획”에서 국산 AI 컴퓨팅 클러스터의 발전을 장려하는 정책과 정확히 맞물려 있습니다. 이를 통해 이전에 “성능이 평범하고 어쩔 수 없이 사용해야 했던” 국산 GPU가 대규모 상업용으로 사용할 수 있는 수준에 도달했으며, 앞으로 AI 연산 비용이 크게 낮아질 것으로 예상됩니다. 이에 따라 모든 산업 분야에서 AI를 활용하는 장벽도 크게 줄어들 것입니다.
---
2. 세부 내용의 상세한 해석
1. 10만 개의 국산 GPU 칩을 탑재한 이 컴퓨팅 클러스터는 어떤 수준의 “초대형 프로젝트”인가?
많은 사람들이 “10만 개의 GPU 칩”이라는 개념을 잘 이해하지 못할 수 있습니다. 예를 들어, 이전에 국내 주요 클라우드 서비스 제공업체들이 사용하던 10만 개 규모의 GPU 클러스터는 모두 해외 제조업체인 엔비디아(NVIDIA)의 칩을 사용했습니다. 반면, 국산 GPU는 최대 수천 개까지만 사용 가능했으며, 1만 개를 안정적으로 구동하는 것도 업계 최고 수준으로 여겨졌습니다.
이번에는 10만 개의 GPU를 동시에 사용하는 것은 단순히 수량을 10배로 늘리는 것이 아닙니다. 이는 마치 10만 대의 고성능 게임용 컴퓨터를 연결하여 동시에 작동시키는 것과 같으며, 그 중 단 한 대라도 고장 나면 전체 모델의 훈련 진행이 멈출 수 있었습니다. 하지만 이번에는 국산 GPU의 안정성과 연결 속도가 이러한 요구를 충족시켰으며, 실제로 대규모 AI 모델 훈련에 사용할 수 있는 초대형 컴퓨팅 인프라가 구축된 것입니다.
2. 왜 바로 지금 이런 프로젝트를 추진하는가?
정책적 요인과 산업적 환경이 완벽하게 맞아떨어졌기 때문입니다.
한편으로 산업정보화부가 발표한 “15차 5개년 계획”은 국산 AI 컴퓨팅 클러스터의 구축을 적극적으로 장려하고 다양한 지원을 제공하고 있습니다. 이전에는 기업들이 국산 GPU를 대규모로 사용하는 것을 주저했지만, 이제는 명확한 방향성이 제시되었습니다.
다른 한편으로, 실제 세계에서 사용되는 지능형 로봇(물류 로봇, 공장용 로봇, 가정용 서비스 로봇 등)의 수요가 급격히 증가하면서 연산 능력의 필요성이 크게 증가했습니다. 이전에는 수입된 GPU를 사용해야 했지만 가격이 매우 비쌌으며 공급도 불안정했습니다. 징동 클라우드는 소매, 물류, 산업 분야에서 수천 개의 실제 사용 사례를 보유하고 있어 이러한 대규모 컴퓨팅 인프라가 필요했으며, 이는 단순히 보여주기 위한 것이 아니라 실제로 필요한 것이었습니다.
3. 이번 협력은 단순히 “칩을 구입하는 것”이 아니라, 전반적인 시스템의 통합입니다.
이전에는 많은 클라우드 서비스 제공업체가 국산 GPU를 구입했지만, 이는 단순히 국산화 요구를 충족시키기 위한 것이었습니다. 칩은 국산이었지만, 사용하는 클라우드 플랫폼과 AI 모델 훈련 소프트웨어는 모두 해외 제품이었으며, 국산 GPU의 성능을 30%만 활용할 수 있었습니다.
이번에는 징동 클라우드와 모어 스레드가 칩의 기본 설계부터 함께 협력하여 개선했습니다. 칩의 성능은 징동 클라우드의 AI 모델 훈련 요구에 맞게 조정되었으며, 클라우드 플랫폼의 도구도 국산 GPU에 맞게 특별히 개발되었습니다. 이는 마치 엔진을 구입할 때 엔진 제조업체와 차량 제조업체가 함께 차량을 설계하는 것과 같아 성능을 100% 발휘할 수 있게 되었습니다. 또한, 징동 클라우드가 보유한 실제 산업 데이터를 통해 칩 제조업체가 지속적으로 개선할 수 있어 시스템이 점점 더 효율적으로 작동하게 됩니다.
4. 가장 실질적인 이점: 모든 산업 분야의 AI 연산 비용이 크게 낮아집니다.
10만 개의 GPU 칩을 탑재한 클러스터가 구축되면 AI 연산 비용이 크게 감소할 것입니다. 이전에는 중규모 AI 모델을 훈련하는 데 수천만 원이 필요했지만, 이제 국산 GPU의 구매 비용이 수입 제품의 절반에 불과합니다. 또한 대규모 사용으로 인한 규모의 경제 효과로 전체 연산 비용이 최소 절반으로 줄어들 것입니다.
이전에는 소규모 공장이나 스타트업이 AI를 사용하기 어려웠지만, 이제는 몇만 원으로도 가능해질 것입니다. 예를 들어, 작은 가공 공장에서 로봇의 지능적인 제어를 구현하는 데 드는 비용이 크게 줄어들 것입니다. 일반인들도 AI를 사용하여 1시간 분량의 비디오를 제작하거나 3D 콘텐츠를 만드는 데 드는 비용이 줄어들 것이며, 앞으로는 몇 천 원으로 실제로 가정용 업무를 도와주는 로봇을 구입할 수도 있을 것입니다.
5. 산업적 이정표: 국산 GPU가 “어쩔 수 없이 사용하는 수준”에서 “대규모 상업용으로” 도약했습니다.
이전에는 국산 GPU에 대한 일반적인 인식이 “성능이 낮아 간단한 AI 작업에만 사용할 수 있으며, 대규모 모델 훈련에는 적합하지 않다”는 것이었습니다. 많은 기업들이 국산 GPU를 사용하는 것을 주저했습니다.
이번 징동 클라우드의 프로젝트는 국산 GPU가 대규모 클러스터에서도 안정적으로 작동할 수 있음을 증명했으며, 다른 클라우드 서비스 제공업체와 기업들도 국산 GPU를 사용하는 데 부담을 느끼지 않고 이를 기반으로 AI 시스템을 구축할 수 있게 됩니다. 이로써 국산 GPU의 전체 산업 생태계가 활성화되어 더 이상 해외 제조업체에 의존하지 않아도 됩니다.