정부가 대규모 인공지능(AI) 연산 인프라 구축을 위해 2조원대 GPU 사업을 추진하면서, 네이버, 삼성SDS, 엘리스를 주요 사업자로 선정한 것으로 전해졌다. 같은 맥락에서 전자신문은 ‘베라루빈’ 등 차세대 GPU를 대량 공급해 초당 3경(3E17)~수준의 연산 성능을 목표로 한다는 취지의 보도를 내놓아, 정부의 연산 인프라 확대가 AI 경쟁력 강화와 직결된다는 분석이 나온다.
2조원대 GPU 사업, 국내 대표 기업 3곳 참여
디일렉 보도에 따르면, 정부는 2조원대 규모의 GPU 사업에서 네이버, 삼성SDS, 엘리스를 사업자로 선정했다. 이번 사업은 단순히 GPU를 도입하는 데 그치지 않고, 구축·운영·서비스 연계를 포함한 형태로 진행될 가능성이 크다는 관측이 나온다. 특히 각 기업의 강점이 다르다는 점에서, 단일 기업이 독점하는 방식보다 생태계를 분산해 공급망과 운영 역량을 함께 확보하려는 전략으로 읽힌다.
다만 기사 내용만으로는 세부 범위(도입 물량, 납품 일정, 운영 방식, 성능 기준)가 확정적으로 드러나진 않는다. 그럼에도 정부가 대규모 예산을 배정해 GPU 사업자를 확정했다는 점 자체가 의미가 크다는 평가다. AI 학습·추론 수요가 빠르게 늘면서, ‘연산 자원 확보’가 곧 국가 단위 경쟁력의 핵심 요소가 되었기 때문이다.
‘베라루빈’ 및 초당 3경급 연산 목표…인프라 전환 속도전
전자신문이 전한 내용에 따르면, 정부가 베라루빈 등 차세대 GPU를 대량 공급해 초당 3경 5000조 번 연산 규모의 성능 목표를 추진하고 있다. 표현이 다소 과장되거나 특정 벤치마크 기준일 수는 있지만, 최소한 ‘대규모 병렬 연산’을 전면에 내세운 인프라 전환 의지가 강하게 드러난다.
이 같은 수치는 생성형 AI의 학습 비용뿐 아니라 대규모 모델의 미세조정, 산업 특화 모델 구축, 그리고 다양한 연구 실험에 필요한 계산량을 동시에 감당하겠다는 신호로 해석된다. 또한 국내에서 GPU 수급과 데이터센터 운영 역량이 병목으로 작용해 왔던 만큼, 이번 사업은 그 병목을 줄이기 위한 선제적 투자라는 관점이 가능하다.
공급망·운영역량 관건…사업자 조합이 시사하는 것
네이버, 삼성SDS, 엘리스가 함께 언급됐다는 점도 눈여겨볼 대목이다. 네이버는 자체 플랫폼·AI 기술 생태계와 대규모 서비스 운영 경험을 기반으로 활용 측면에서 강점을 가질 수 있다. 삼성SDS는 엔터프라이즈 IT와 데이터센터·시스템 통합 역량을 앞세울 가능성이 크다. 엘리스는 교육·AI 적용 분야의 경험을 바탕으로, 연산 자원을 실제 활용 서비스나 인력 양성과 연결하는 역할을 담당할 여지가 있다.
결국 이번 GPU 사업의 성패는 GPU 성능 자체뿐 아니라 운영 안정성, 소프트웨어 스택(스케줄링·분산 학습·보안), 그리고 실제 연구·산업 과제에 얼마나 효율적으로 배분하느냐에 달려 있다. 정부가 사업자 3곳을 선정한 만큼, 역할 분담과 협업 구조가 얼마나 명확하게 설계되느냐가 향후 성과를 좌우할 전망이다.
AI 투자 경쟁 속 ‘국가급 연산 인프라’의 의미
최근 AI 경쟁은 모델 성능만큼이나 얼마나 빠르게, 얼마나 많이 학습할 수 있느냐가 좌우한다. GPU 공급이 제한적이고 단가가 높은 현실에서, 국가가 대규모 예산으로 연산 인프라를 확보하려는 움직임은 민간의 투자 속도와 방향을 보완하는 정책적 장치로도 해석된다. 특히 공공 연구와 산업 전반의 AI 도입을 동시에 고려할 경우, “연산 자원의 공공 접근성”이 중요해진다.
또한 이번 사업이 발표·확정되는 과정에서 어떤 성능 지표와 품질 기준(예: 전력 효율, 냉각 효율, 가용성, 보안 요구)이 포함되는지에 따라, 향후 유사 사업으로의 확장 여부도 결정될 수 있다. 연산 인프라는 일회성 구매가 아니라 장기 운영 비용과 직결되기 때문이다.
향후 체크포인트: 물량·일정·운영 방식
앞으로는 GPU 도입 물량과 납품 일정, 그리고 운영 체계(누가 어떤 방식으로 자원을 배분하고 과제를 어떤 기준으로 선정하는지)가 핵심이다. 정부가 사업자 선정까지 마쳤다면, 다음 단계는 실제 구축 현장과 성능 검증(벤치마크·가동률·분산 학습 효율) 결과가 될 가능성이 크다.
아울러 초당 3경급 연산 목표가 실제로 어떤 기준에서 산출되는지, 특정 모델 학습 시 효율이 어느 정도인지도 관전 포인트다. 성능 목표가 단순 이론치에 그치지 않고, 실사용 과제에서 재현되는지 확인될 때 사업의 실질적인 영향이 평가될 것이다.
댓글