NVIDIA Vera CPU, 유럽 현지 AI 인프라 구축 지원

배경

NVIDIA는 공식 블로그에서 Nebius와 Nscale을 비롯한 글로벌 기술 파트너들이 차세대 AI 인프라 구축에 NVIDIA Vera CPU를 도입하고 있다고 밝혔습니다. 2026년 10월 20일에 게시된 이 글은 유럽 현지 AI 인프라라는 맥락에서 이번 움직임을 설명하며, 도입 배경으로 에이전틱 컴퓨팅의 빠른 발전을 꼽았습니다.

글이 말하는 에이전트는 답변을 생성하는 데 그치지 않습니다. 정보를 검색하고, 소프트웨어 도구를 실행하고, 코드를 돌리고, 결과를 평가한 뒤 필요하면 다음 단계를 다시 계획합니다. Nebius와 Nscale은 모두 GPU 클라우드와 AI 컴퓨팅 서비스를 파는 사업자입니다. 이들이 새 플랫폼에 Vera를 넣었다는 점은 AI 클러스터에서 CPU의 역할을 다시 따지고 있다는 신호입니다. 다만 원문에는 배포 규모, 출하 일정, 성능 수치가 없어서 이 글은 공개된 제품 포지셔닝만을 근거로 삼습니다.

심층 분석

에이전틱 부하는 왜 NVIDIA Vera CPU의 중요성을 키울까요? 에이전트가 시간의 상당 부분을 모델 바깥에서 쓰기 때문입니다. 기존 채팅 추론에서는 GPU가 행렬 연산을 하고 CPU는 스케줄링과 네트워크를 맡았습니다. 에이전트는 한 작업을 여러 단계로 쪼개고, 모델은 각 단계에서 결정만 내립니다. 실제 일은 데이터베이스 조회, 검색 실행, 샌드박스에서의 코드 실행, 도구 결과 해석처럼 모델 밖에서 벌어집니다.

이런 작업은 분기 판단과 메모리 접근, 수많은 작은 동시 작업으로 이루어진 범용 연산이라 CPU에 잘 맞습니다. 에이전트 수백 개가 병렬로 돌면 각각 샌드박스와 세션 상태, 컨텍스트 캐시를 차지합니다. 그러면 호스트의 코어 수와 메모리 대역폭, 단일 스레드 속도가 GPU가 놀지 않는지를 좌우합니다.

Vera는 Grace의 뒤를 잇는 데이터센터 CPU로, 맞춤형 Arm 설계를 쓰고 NVLink-C2C 계열의 고속 연결로 GPU와 묶입니다. 목표는 더 큰 공유 메모리 공간과 CPU-GPU 간 데이터 이동 지연의 감소입니다. 원문은 이 이점을 수치로 제시하지 않으므로 실측 결과가 아니라 설계 의도로 읽어야 합니다.

산업 영향

세 부류가 서로 다르게 영향을 받습니다. 첫째는 Nebius와 Nscale 같은 신흥 클라우드 사업자입니다. 대형 퍼블릭 클라우드처럼 대규모 자체 칩 조직이 없으므로 NVIDIA 참조 설계를 따르면 용량을 빠르게 내놓을 수 있습니다. GPU와 같은 공급사에서 Vera를 받으면 가속기와 호스트 문제를 함께 풀고 고객에게 일관된 소프트웨어 환경을 줄 수 있습니다.

둘째는 x86 서버 CPU 공급사입니다. 그동안 AI 서버에서 CPU는 조연이었고 선택 기준은 주로 소프트웨어 호환성이었습니다. NVIDIA가 CPU와 GPU를 한 플랫폼으로 판다면 x86은 Arm 아키텍처뿐 아니라 플랫폼 통합에서도 압박을 받습니다. 그래도 기업 소프트웨어 호환성과 기존 고객 기반이라는 강점이 커서 단기간에 밀려나기는 어렵습니다.

셋째는 유럽의 기업과 공공기관, 연구 조직입니다. 데이터 주권과 개인정보 규정, 에너지 비용이 민감한 지역에서 추론과 에이전트를 가까운 데이터센터에서 돌리면 규제를 맞추기 쉽습니다. 에이전트는 내부 문서와 고객 기록을 다루는 일이 많아 현지 호스팅 수요가 더 강합니다. 실제 효율과 비용 이점은 현장 데이터가 나와야 판단할 수 있습니다.

전망

먼저 인도 속도를 봐야 합니다. 파트너의 도입 발표와 고객이 쓸 수 있는 서비스는 다릅니다. Vera 플랫폼이 언제 양산에 들어가고 Nebius와 Nscale이 언제 고객용 인스턴스를 여는지가 첫 번째 신호입니다.

다음은 성능과 비용의 근거입니다. 에이전트 부하에는 공통 벤치마크가 없어서 업체마다 자기 설계에 유리한 작업을 고를 수 있습니다. 같은 전력에서 초당 완료되는 도구 호출 루프 수나 에이전트 세션 하나의 총비용을 제3자가 측정한 결과가 믿을 만한 지표가 될 것입니다. 에이전트 프레임워크와 샌드박스 런타임, 기업 도구 체인이 Arm으로 매끄럽게 옮겨 가는지, 경쟁사가 자사 CPU와 가속기 조합으로 어떻게 맞서는지도 지켜볼 대목입니다.

AI 인프라를 계획하는 구매자에게 실용적인 교훈은 단순합니다. GPU 수만 세지 말고 호스트 연산과 메모리, 인터커넥트가 에이전트 파이프라인 전체를 감당하는지 확인하라는 것입니다. 에이전트가 시연에서 운영으로 옮겨 갈수록 개별 부품의 최고 성능보다 시스템 전체의 균형이 더 중요해질 가능성이 큽니다.