【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스]모델 안 되니 인프라 물타기?···메타가 CPU에 눈 돌리는 이유

온카뱅크관리자

2026-02-19 14:37:33

<div id="layerTranslateNotice" style="display:none;"></div> LLM 경쟁 격차 속 클러스터 집착 단순 CPU 공급망 조정 노선으로 구글-오픈AI와 승부할 수 있을까? 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="3oVcWGmjX5">
 <figure class="figure_frm origin_fig" contents-hash="5ad5dd395d6a4665517ce553803d3e32b6b637f96f08264ea243cf11b94055fd" data-idxno="455350" data-type="photo" dmcf-pid="0gfkYHsAYZ" dmcf-ptype="figure">
 <img alt="마크 저커버그와 일론 머스크 / 여성경제신문DB" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202602/19/552814-8XPEppr/20260219143007169sgsa.jpg" data-org-width="1280" dmcf-mid="tl9RwmLxXt" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202602/19/552814-8XPEppr/20260219143007169sgsa.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 마크 저커버그와 일론 머스크 / 여성경제신문DB
 </figcaption>
 </figure>
 인공지능(AI) 경쟁의 기준에 인프라 설계 축이 더해지고 있다. 프론티어 모델을 앞세운 경쟁 구도에서 마크 저커버그와 일론 머스크가 클러스터 운영 효율을 좌우하는 중앙처리장치(CPU) 계층에 투자를 확대하는 모습이다.
 19일 빅테크업계 등에 따르면 메타와 xAI 등 주요 사업자들이 엔비디아 GPU와 함께 CPU '그레이스'를 채택하는 것은 이 같은 전략 전환을 보여주는 사례로 평가된다. 모델 성능 격차를 단기간에 뒤집기 어려운 상황에서 학습 속도와 추론 규모를 확대해 경쟁 기준을 바꾸려는 접근이다.
 그레이스는 엔비디아가 AI 데이터센터를 겨냥해 설계한 Arm 기반 서버 CPU다. GPU와 고속 인터커넥트로 직접 연결돼 메모리 공유, 작업 스케줄링, 데이터 전처리를 동시에 수행하도록 설계됐다. CPU가 운영 보조가 아니라 클러스터 컨트롤 계층으로 올라온 구조다.
 대형 모델 환경에서는 GPU 연산 능력보다 메모리 접근과 노드 간 통신이 전체 성능을 좌우한다. GPU 수가 늘어날수록 데이터 이동 비용이 급증하고 작업 분배 효율이 병목으로 작용한다. CPU는 이 병목을 조정하는 핵심 계층으로 기능한다.
 클러스터 병목 해결 명분이지만 정작 앞세울 모델은 보이지 않아
 저커버그와 머스크가 CPU를 강조하는 배경도 동일하다. 초대형 클러스터 단계에서는 연산 성능보다 작업 분배, 메모리 관리, 인터커넥트 동기화가 경쟁력을 결정한다. GPU 확장만으로는 전력 효율과 지연 시간 문제를 해결하기 어렵다는 판단이 반영됐다.
 즉 이런 흐름은 CPU 시장 점유율 경쟁이라기보다 AI 인프라 스택 장악 경쟁으로 해석된다. 엔비디아는 범용 서버 CPU 시장에서 인텔·AMD와 정면 경쟁하기보다 AI 클러스터 컨트롤 계층을 플랫폼에 묶는 전략을 선택한 것으로 분석된다.
 구글과 오픈AI가 주도하는 TPU와 GPU가 병립하는 환경에서도 CPU 역할은 유지된다. TPU는 특정 연산을 가속하지만 데이터 파이프라인과 스케줄링은 범용 컴퓨팅 계층이 담당한다. AI 인프라는 GPU·TPU 위에 CPU가 운영 계층으로 결합되는 구조로 수렴하는 이유다.
 다만 메타는 라마(LLaMA) 모델을 통해 생태계 확장을 추진하고 있지만 프론티어 성능 경쟁에서는 선도 위치를 확보하지 못한 상태다. 기술 개발을 담당해온 얀 르쿤조차 LLM은 끝났다며 회사를 떠났다. 이런 가운데 메타는 모델 발표보다 데이터센터 확장과 칩 공동 설계에 메시지를 집중하며 경쟁 축을 인프라로 옮기는 행보를 보이고 있다.
 머스크의 xAI 역시 초대형 GPU 클러스터 구축과 시스템 공동 설계를 병행하고 있다. 연산량 확대가 곧 개발 속도라는 계산 아래 모델 격차를 인프라 규모로 보완하려는 접근이다.
 실제 데이터센터 생태계에선 네트워크와 보안 계층 중요성도 커지고 있다. 고속 인터커넥트와 기밀 컴퓨팅 기능 도입은 AI 서비스가 개인 데이터 처리 인프라로 전환되고 있음을 보여준다. 클러스터 설계가 곧 서비스 품질을 좌우하는 단계다.
 <div contents-hash="4b5d62e7a8548593bd5fba9a5357001150b9245425ac04ad3186a55bf2256a91" dmcf-pid="VZm0PxqFGC" dmcf-ptype="general">
 이에 따라 엔비디아 플랫폼 결속이 강화될 경우 생태계 경쟁이 심화될 수 있다는 관측이 나온다. 인텔 역시 데이터센터 CPU 중심 전략 재조정 필요성이 제기된다. 인공지능 개발 한 전문가는 "결국 CPU 회귀는 경쟁 기준 자체를 재설정하려는 움직임으로 해석된다"며 "데이터센터 규모와 아키텍처를 메시지로 삼으려는 전략"이라고 평가했다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="98db2c7d51b8b180805202f68616cefe4ebf15f5bec2ab6ea88d8f13c713a67e" data-idxno="455351" data-type="photo" dmcf-pid="f5spQMB3GI" dmcf-ptype="figure">
 <img alt="슈퍼칩이라 불리는 그레이스 CPU / 엔비디아" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202602/19/552814-8XPEppr/20260219143008465erds.jpg" data-org-width="1070" dmcf-mid="FiRIF0TsZ1" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202602/19/552814-8XPEppr/20260219143008465erds.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 슈퍼칩이라 불리는 그레이스 CPU / 엔비디아
 </figcaption>
 </figure>
 ☞그레이스(Grace) = 엔비디아가 AI 데이터센터용으로 설계한 서버 CPU로, Arm 아키텍처 기반으로 제작된 프로세서다. Arm은 영국 반도체 설계 기업이자 CPU 명령어 구조 이름으로, 자체 생산 대신 설계를 라이선스로 제공하는 구조를 갖는다. 엔비디아는 이 Arm 설계를 바탕으로 GPU와 직접 연결되는 데이터센터용 CPU를 자체 설계했으며 기존 범용 서버 CPU보다 메모리 공유와 작업 스케줄링 효율을 높이는 데 초점을 맞췄다.
 그레이스는 GPU와 고속 인터커넥트로 연결돼 메모리 접근과 데이터 이동을 동시에 처리하는 것이 특징이다. 대형 AI 클러스터에서 발생하는 데이터 전처리, 노드 간 통신, 작업 분배를 CPU 계층에서 조율하도록 설계돼 GPU 연산 성능을 실제 서비스 성능으로 전환하는 컨트롤 플레인 역할을 수행한다. 이는 CPU가 단순 운영 보조를 넘어 AI 인프라 아키텍처의 핵심 계층으로 올라왔음을 보여주는 사례로 평가된다.
 엔비디아가 CPU 설계에 뛰어든 이유 역시 플랫폼 통합에 있다. 외부 CPU와 GPU를 결합하는 구조에서는 메모리 계층 최적화와 네트워크 설계에 한계가 발생한다. 그레이스는 GPU·메모리·네트워크를 단일 아키텍처로 묶는 공동 설계 전략의 핵심 요소로 자리잡고 있다.
 여성경제신문 이상헌 기자 liberty@seoulmedia.co.kr
 </section> 
 </div>

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기