엔비디아, AI 지분에 400억 달러 약정 — Corning·IREN 딜로 공급망 강화 시사
CNBC에 따르면 엔비디아의 2026년 지분 약정은 400억 달러를 넘었고, 여기에는 OpenAI 300억 달러와 Corning 최대 32억 달러, IREN 최대 21억 달러가 포함된다. 이 변화가 용량, 가격, 로드맵에 주는 의미를 짚었다.
한 줄 요약
엔비디아가 400억 달러 이상의 AI 지분 투자와 랙 단위 인프라·관측 기능을 묶어 내놓으며, 용량 계획과 학습 모니터링 방식 자체를 바꾸고 있다.
Big Tech
Nvidia Groq 3 LPU·Vera CPU: 추론·에이전트용 신규 랙 공개
엔비디아는 Groq 3 ‘언어 처리 장치(LPU)’ 기반 LPX 추론 랙과 에이전트형 AI 작업을 가속하려는 신규 Vera 중앙처리장치(CPU) 랙을 선보였다. LPX는 LPU 128개를 묶고, Vera Rubin NVL72 랙과 조합 시 전력당 처리량 35배, 수익 기회 10배를 주장한다. Vera CPU 랙은 액침 냉각 Vera 칩 256개를 하나의 시스템으로 통합한다. 1
이 발표는 랙 전체에 NVLink 일관성을 확장한 GB200 NVL72 아키텍처 위에 놓여 있다. GPU당 1.8TB/s(총 130TB/s) 대역폭을 제공하며, NVLink 도메인을 벗어나면 InfiniBand/Ethernet 경유 시 약 50GB/s로 급감한다. 이에 Slurm의 topology/block 플러그인과 --segment 옵션이 도입되어, NVLink 로컬 세그먼트를 원자 단위로 요청해 대기 시간과 성능을 균형 있게 맞출 수 있다. 2
랙을 지속적으로 가동하려면 실시간 진단도 중요하다. 엔비디아 집합 통신 라이브러리(NCCL) 인스펙터가 Prometheus 모드로 실시간 지표를 내보내도록 확장되어, 통신 병목을 빠르게 식별할 수 있다. 대형 LLM 사전학습 실험에서 네트워크 제약을 인위적으로 주자 GPU당 연산이 약 310 TFLOPs에서 약 268 TFLOPs로 떨어졌고(약 13%), Grafana 대시보드로 이런 변화를 추적할 수 있었다. 3
에코시스템도 이 형태의 워크로드에 맞춰 조정 중이다. DGX Spark 포럼의 한 글은 오픈소스 추론 엔진 ‘Atlas’가 Qwen3.6‑35B FP8에서 콜드 스타트 2분 미만, 초당 100+ 토큰을 달성했다고 주장하며, 더 빠르고 안정적인 추론을 지향하는 흐름을 보여준다. 4
Industry & Biz
Nvidia 400억 달러 지분 투자: 2026년 AI 공급망 베팅
엔비디아는 AI 공급망 전반에 지분 투자를 확대하고 있다. CNBC 집계에 따르면 2026년 들어서만 400억 달러 이상을 약정했으며, 여기에는 OpenAI 300억 달러와 Corning 최대 32억 달러, 데이터센터 사업자 IREN 최대 21억 달러가 포함된다. 또한 FactSet에 따르면 올해 비상장 스타트업 투자 라운드에도 약 20여 건 참여했다. 5
투자는 광학, 연산, 데이터센터 용량에 걸쳐 이뤄진다. IREN과의 합의에는 엔비디아 DSX 설계를 최대 5GW 규모로 배치하는 내용이 포함되고, Corning은 엔비디아용 광학 기술에 전념하는 미국 내 신규 시설 3곳을 짓는다. CNBC는 또한 인텔 지분 50억 달러가 250억 달러 이상으로 불어나는 등, 엔비디아가 칩을 넘어 더 넓은 AI 공급망으로 외연을 넓히고 있다고 전한다. 5
분석가들은 이러한 거래를 “순환 투자”라 부르며 파트너가 다시 엔비디아 제품을 사는 구조라고 지적하지만, 실행만 받쳐준다면 해자를 넓힐 수 있다는 의견도 함께 제시한다. TechCrunch는 이런 긴장감과 전략적 상승 여지를 동시에 짚는다. 6
플랫폼 단에서도 수요 신호가 보인다. 엔비디아 개발자 포럼에서는 자율 멀티에이전트 문서 지능 시스템을 구축하는 사용자가 NIM API 한도를 분당 40건에서 200건으로 올려 달라고 요청했다. 이제 처리량 한도는 운영 이슈를 넘어 제품 요구사항이 되고 있음을 보여준다. 7
나에게 주는 의미
엔비디아의 지분 투자는 부품·연산·용량을 더 촘촘히 묶는다. GPU 확보에 로드맵이 달린 조직이라면 Corning·IREN 같은 파트너와 결합된 광학·데이터센터 약정 패키지가 늘어날 수 있다. 가용성은 좋아지되, 엔비디아 정렬 스택에 베팅이 집중될 수 있으므로 조달과 제품이 함께 용량 가정을 점검할 필요가 있다. 5
모델 학습·미세조정을 운영한다면 랙 단위 NVLink는 스케줄링 방식 자체를 바꾼다. Slurm의 블록/세그먼트 모델로 NVLink 도메인 내부에 작업을 배치하면 대기 시간을 늘리는 대신 처리량을 높일 수 있다. 병렬화(예: TP/EP)에 맞춘 세그먼트 크기 정렬만으로 테일 지연과 재큐를 줄일 수 있다. 2
AI 제품 관점에서 지연시간은 GPU만의 문제가 아니다. 엔비디아의 Vera CPU 강조와 에이전틱 하네스 개선은 툴 호출, 스트리밍 이벤트, CPU 작업이 사용자 경험과 비용을 좌우함을 시사한다. 벤더가 스트리밍 툴 디스패치와 추론(리저닝) 세그멘테이션을 지원해 토큰이 디코딩되는 대로 부분 결과를 보낼 수 있는지 확인하라. 1
마지막으로 관측성을 학습 SLO에 내재화해야 한다. NCCL 인스펙터의 Prometheus 출력은 집합별·랭크별 가시성을 제공한다. 네트워크 제약으로 13% 성능이 떨어지는 상황은 Grafana 패널로 초기에 포착할 수 있는 유형이며, 이를 통해 수주를 소모하는 시행착오를 줄일 수 있다. 3
지금 할 일
- 엔비디아 400억 달러 요약 메모 작성: OpenAI·Corning·IREN 지분 요점을 2문장으로 정리해 제품·조달 리더에게 공유하고 분기 내 용량·벤더 전략을 맞춘다.
- Slurm 블록 스케줄링 가이드 공유: 클러스터 관리자에게 --segment 설정을 검토해 다음 TP/EP 작업이 필요 구간에서 NVLink 도메인 안에 머물도록 요청한다.
- 스트리밍 툴 호출 지원 여부 확인: 사용하는 AI 벤더가 스트리밍 툴 디스패치와 추론 세그멘테이션(Anthropic 호환 흐름)을 지원하는지 확인해 에이전트 기능의 체감 지연을 낮춘다.
- 추론 API 요청 한도 점검: Nvidia NIM 등 API를 쓴다면 현재 RPM 한도를 확인하고, 출시 일정에 맞춰 사전 증액을 요청해 처리량 병목을 예방한다.
댓글 (0)