이 문서는 자라는 중인 질문입니다. 아직 증거를 모으고 있으며, 내용이 바뀔 수 있습니다.
한 줄로 말하면
AI 전용 클라우드는 범용 IT 서비스를 넓게 파는 대신, AI 학습·추론처럼 GPU를 오래 많이 쓰는 작업에 맞춰 컴퓨트·저장소·네트워크·운영 도구를 묶어 파는 클라우드를 가리키는 잠정적인 이름이야.
비유로 이해하기
범용 클라우드가 온갖 물건을 갖춘 대형 공구상이라면, AI 전용 클라우드는 고성능 절삭 장비와 숙련된 작업대를 한곳에 모은 전문 공방에 가까워. 둘 다 계산 자원을 빌려주지만, 후자는 오래 돌아가는 GPU 작업을 빨리 시작하고 안정적으로 이어 가는 데 더 초점을 둘 수 있어.
다만 이 비유는 여기까지야. 전문 공방이라고 해서 항상 더 빠르거나 더 싸다는 뜻은 아니고, 범용 클라우드도 AI용 칩과 대규모 GPU 묶음을 직접 제공해. 그래서 이름만으로 성능이나 사업성까지 판단하면 안 돼.
정확한 정의
neocloud라는 말은 아직 엄격히 합의된 공식 분류라기보다, AI 작업에 특화된 새 클라우드 사업자를 부를 때 쓰이는 업계 표현에 가까워 보여. 핵심은 회사의 크기보다 설계의 중심이 어디에 있느냐야.
- 범용 하이퍼스케일러는 전 세계 데이터센터, 여러 종류의 클라우드 서비스, 자체 서비스 운영을 함께 굴리는 쪽이야. hyperscaler는 그 물리적 규모와 운영 구조를 가리키는 말이지.
- AI 전용 클라우드는 GPU 클러스터와 AI 개발 환경을 앞세우고, 학습·추론·시뮬레이션처럼 긴 작업을 위한 용량과 운영을 중심에 놓는 쪽으로 보인다.
두 범주는 딱 잘라 갈리지 않아. 대형 클라우드도 AI 인프라를 강화하고, AI 전용 사업자도 저장소·네트워크·관리형 서비스를 넓혀 갈 수 있어. 그래서 어느 회사가 어느 범주에 속하는지는 서비스 목록만 아니라 데이터센터 규모, 고객 구성, 자본 조달 방식, GPU 공급 관계를 함께 봐야 해.
왜 중요한가
AI 인프라 수요를 하이퍼스케일러 몇 곳의 지출만으로 읽으면, 그 밖에서 GPU를 조달해 고객에게 다시 빌려주는 사업자의 역할을 놓칠 수 있어. NVIDIA가 고객군을 하이퍼스케일러와 “AI 클라우드·산업·기업”으로 나눠 보여 준 사례도, 수요의 지갑이 하나의 집단으로만 움직이지 않는다는 점을 보여 줘.816억 달러를 부문별로 쪼갠 글
CoreWeave는 이 경계를 살펴볼 만한 사례야. 이 회사는 GPU·저장소·스케줄링을 묶어 AI 작업을 겨냥하지만, hyperscaler처럼 범용 서비스와 전 세계 규모를 갖춘 사업자인지는 별도 질문으로 남아 있어. 이 차이를 구분해야 AI 컴퓨트 수요가 누구의 설비투자와 계약에 걸려 있는지 더 정확히 읽을 수 있어.
실제 예시
CoreWeave는 Physical AI를 위한 GPU 컴퓨트, 저장소, 스케줄링과 엔지니어링 지원을 함께 내세워. 로봇·자율주행·산업 시뮬레이션처럼 긴 계산 작업을 겨냥한다는 점에서 AI 전용 클라우드의 한 사례로 읽을 수 있어.CoreWeave
반대로 Amazon·Microsoft·Google·Meta는 AI 인프라에도 크게 투자하지만, 그것만으로 정체성이 결정되지는 않아. 이들은 대규모 데이터센터 위에서 일반 클라우드, 자체 서비스, 자체 칩까지 함께 운영해. AI 전용 클라우드와 비교할 때는 GPU 제공 여부 하나보다 이 운영 범위의 차이를 봐야 해.hyperscaler
헷갈리지 말아야 할 점
- AI 전용 클라우드가 하이퍼스케일러의 작은 버전이라는 뜻은 아니야. 규모보다 서비스 설계와 고객 작업의 중심이 먼저야.
- GPU를 판다고 모두 AI 전용 클라우드는 아니야. 범용 클라우드도 GPU 인스턴스를 제공해. AI 작업에 맞춘 운영과 계약 구조가 실제로 다른지 봐야 해.
- 분류가 곧 우위는 아니야. 최신 GPU 접근성, 고객 집중도, 장기 계약, 전력과 차입 비용은 사업자마다 다르게 작동해.
관련 문서
- hyperscaler — 초대형 데이터센터와 범용 클라우드의 운영 구조
- CoreWeave — AI 전용 클라우드의 경계를 살펴볼 수 있는 사례
- 816억 달러를 부문별로 쪼갠 글 — NVIDIA가 공개한 고객군 분류
- Physical AI — 긴 GPU 학습·시뮬레이션 작업이 늘어나는 응용 맥락
남은 질문들
- neocloud를 부를 때 데이터센터 규모, GPU 보유량, 서비스 범위, 고객 구성 중 무엇을 기준으로 삼아야 할까?
- AI 전용 클라우드의 장기 GPU 계약은 고객에게 안정적인 용량을 주는 대신 어떤 비용과 집중도 위험을 만들까?
- 범용 하이퍼스케일러의 자체 칩과 GPU 서비스 확대는 AI 전용 클라우드의 차별점을 어떻게 바꿀까?
댓글