인텔과 구글은 장기적인 제온 및 맞춤형 IPU 로드맵을 통해 AI 인프라에 대한 투자를 확대합니다.

홈 » Python » 인텔과 구글은 장기적인 제온 및 맞춤형 IPU 로드맵을 통해 AI 인프라에 대한 투자를 확대합니다.

인텔과 구글의 협력에 있어 최신 장은 다음과 같은 의미를 지닙니다. 차세대 AI 인프라가 어떻게 구축될지에 대한 확실한 예측 — AI 시스템의 제어 계층 — 건설되어야 합니다양사는 인텔의 제온 CPU를 구글 클라우드의 핵심으로 유지하면서 맞춤형 인프라 프로세서의 공동 설계를 확대하는 다년간의 파트너십을 연장하기로 합의했습니다. GPU와 특수 가속기에 집중된 시장에서 이번 결정은 화려하지는 않지만 대규모 AI 구현에 필수적인 기반 기술에 다시금 주목하게 합니다.

2026년 4월 초에 발표된 이 협정은 다음과 같은 시점에 체결되었습니다. 인공지능 분야는 대규모 학습 실행에서 상시 배포로 전환되고 있습니다.연구실에서 개발된 모델들이 실제 제품으로 출시되는 사례가 늘어남에 따라 데이터 센터의 CPU, 네트워크 및 스토리지 시스템에 대한 부담이 급격히 증가하고 있습니다. 따라서 인텔과 구글의 이번 협력 확대는 단순히 눈길을 끄는 홍보성 발표보다는 클라우드 AI 서비스의 안정적인 용량 확보, 예측 가능한 성능 향상, 그리고 경제성 개선이라는 장기적인 목표를 달성하기 위한 것입니다.

이번 거래의 핵심은 차세대 Xeon 프로세서와 맞춤형 IPU입니다.

새로운 계약에 따라 Google Cloud는 계속해서 다음을 의존할 것입니다. 향후 여러 세대에 걸쳐 출시될 인텔 제온 프로세서 기존 컴퓨팅부터 AI 추론에 이르기까지 다양한 워크로드를 지원하기 위한 것입니다. 인텔은 특히 최신 Xeon 6 제품군이 여기에 포함되며, 이는 이미 구글 인프라 내의 C4 및 N4와 같은 인스턴스를 지원하고 있으며, 향후 회사 로드맵에 있는 칩에도 적용될 것이라고 강조했습니다.

이러한 연속성은 일회성 구매가 아니라, 다음과 같은 형태로 구성됩니다. 구글과 인텔 간의 로드맵 수준 조정두 회사는 여러 세대에 걸친 제온(Xeon) 프로세서 개발을 통해 구글의 전 세계 데이터 센터 네트워크에 최적화된 성능, 전력 효율성 및 총 소유 비용(TCO)을 확보하기 위해 협력하고 있습니다. 실질적으로 이는 ARM 기반 및 자체 개발 칩의 비중이 계속 커지는 상황에서도 인텔 CPU가 구글 클라우드의 핵심 구성 요소로 남을 것임을 의미합니다.

CPU와 더불어 이번 계약의 두 번째 주요 축은 강화된 노력입니다. 맞춤형 인프라 처리 장치(IPU)이러한 칩은 네트워킹, 패킷 처리 등 CPU 사이클을 소모하는 작업을 대신하도록 설계된 애플리케이션별 가속기 칩입니다. 스토리지 관리보안 강화 및 기타 저수준 인프라 작업에 사용됩니다. 인텔과 구글은 구글 데이터 센터의 효율성과 격리성을 높이기 위해 이러한 ASIC 기반 IPU에 대한 공동 개발 작업을 확대하고 있습니다.

인텔은 자사의 IPU 포트폴리오를 다음과 같은 방식으로 포지셔닝합니다. "클라우드 제공업체 서비스"와 "고객 워크로드"를 분리합니다.가상화, 암호화, 라우팅 및 유사한 작업을 전용 하드웨어로 이전함으로써 Xeon 코어에서 실행되는 고객 코드는 더욱 예측 가능한 성능과 처리량을 확보할 수 있습니다. 구글은 Xeon과 IPU 간의 긴밀한 결합이 각 서버의 활용도를 높이고 멀티테넌트 환경에서 더욱 일관된 동작으로 이어질 것이라고 기대하고 있습니다.

구글의 맞춤형 인텔 IPU로 구동되는 C3 인스턴스와 같은 이전 구축 사례에서 이미 그 효과를 확인할 수 있었습니다. 인프라 작업을 오프로딩하면 CPU 용량의 상당 부분을 확보할 수 있습니다.새롭게 갱신된 파트너십은 이러한 접근 방식을 구글의 더 많은 제품군에 적용하고, CPU와 IPU 양쪽 모두에서 반복적인 개선을 통해 세대를 거듭할수록 성능 향상을 극대화하는 것을 목표로 합니다.

IPU가 AI 인프라에서 실제로 하는 일은 무엇일까요?

이러한 칩이 왜 중요한지 이해하려면, 무엇이 중요한지 명확히 설명하는 것이 도움이 됩니다. 인프라 처리 장치(IPU)는 기존 장치를 대체하기 위한 것입니다.기존 서버에서 메인 CPU는 사용자 애플리케이션뿐만 아니라 가상 스위치, 소프트웨어 정의 네트워킹 스택, 암호화, 방화벽, 스토리지 드라이버 등 다양한 백그라운드 서비스를 실행합니다. 이러한 스레드는 AI 추론이나 비즈니스 로직과 캐시, 메모리 대역폭 및 CPU 시간을 놓고 경쟁합니다.

IPU는 다음과 같은 방식으로 이러한 역학 관계를 변화시킵니다. 네트워크 및 스토리지 기능을 위한 프로그래밍 가능한 제어 계층 역할을 합니다.온보드 컴퓨팅 및 고속 인터페이스를 갖춘 ASIC을 기반으로 구축된 이 IPU는 패킷 검사, 트래픽 셰이핑, 암호화, 압축 및 일부 보안 정책과 같은 작업을 카드 자체에서 직접 처리할 수 있습니다. 호스트 CPU는 이러한 작업을 IPU로 오프로드하여 더욱 깔끔하고 예측 가능한 환경을 경험할 수 있습니다.

인텔은 이전 IPU 설계가 최대 처리 능력을 갖출 수 있다고 언급했습니다. 프로그래밍 가능한 파이프라인을 갖춘 200Gb/s의 네트워크 트래픽개별 지표는 세대 및 구성에 따라 다를 수 있지만, 근본적인 목표는 동일합니다. 즉, 인프라의 오버헤드를 줄여 머신의 리소스를 사용자가 직접 처리하는 AI 작업, 예를 들어 질문에 답변하는 언어 모델이나 결과 순위를 매기는 추천 시스템 등에 더 많이 투입하는 것입니다.

건축적인 관점에서 볼 때, IPU는 더 광범위한 추세의 일부입니다. 분산형 및 이질적 데이터 센터 설계통신 사업자들은 단일 프로세서 클래스가 모든 작업을 처리하도록 강요하는 대신, 스택을 전문화된 구성 요소로 분할하고 있습니다. 일반적인 논리 및 조정에는 CPU를, 고도로 병렬화된 연산에는 GPU 또는 TPU를, 그리고 인프라, 보안 및 가상화에는 IPU(또는 다른 생태계에서는 DPU/SmartNIC)를 사용합니다.

교육부터 배포까지: CPU가 다시 주목받는 이유

인텔과 구글의 이번 확장은 더 광범위한 변화의 시기와 맞물려 있다. AI 인프라 투자 비용은 학습과 추론에 분산됩니다.생성형 AI가 처음 주목받기 시작했을 때, 대부분의 관심과 자본은 GPU를 이용해 점점 더 큰 모델을 학습시키는 데 집중되었습니다. 하지만 이제 그러한 모델들이 상당수 실제 서비스에 투입되면서 경제성은 상당히 달라졌습니다.

추론 — 사전 학습된 모델이 질의에 답하고, 입력을 분류하거나, 작업을 트리거하는 단계 — 을 가능하게 합니다 실시간 데이터 분석 — 이론상 최대 FLOPS보다는 지속적이고 효율적인 처리량에 더 중점을 두어야 합니다.각각의 프롬프트, API 호출 또는 백그라운드 작업은 아주 작은 컴퓨팅 자원만 소비할 수 있지만, 글로벌 클라우드 플랫폼 규모에서는 이러한 호출이 수십억 건에 달합니다. 따라서 전력 비용, 지연 시간 보장 및 하드웨어 활용률이 단순한 학습 벤치마크보다 훨씬 더 중요해집니다.

바로 이 지점에서 CPU가 다시 중심 무대에 서게 됩니다. 제온 프로세서는 워크로드 오케스트레이션, 메모리 관리, 가속기 스케줄링 및 혼합 트래픽 패턴 처리를 담당합니다. AI 호출을 일반 웹 서비스, 데이터베이스 및 분석과 결합하는 방식입니다. 더 많은 기업들이 AI를 개별 프로토타입이 아닌 일상 제품에 통합함에 따라, 강력하고 범용적인 컴퓨팅에 대한 수요가 다시 증가하기 시작했습니다.

이른바 에이전트형 AI 시스템의 등장은 이러한 추세를 더욱 강화합니다. 이러한 도구들은 단순한 채팅 방식의 상호작용을 넘어 여러 단계를 거치는 워크플로우를 실행하세요.외부 도구를 참조하고, 데이터베이스를 쿼리하고, 여러 모델을 호출하고, 마이크로서비스 간의 조정을 수행하는 등의 작업은 CPU에 추가적인 부담을 줍니다. CPU는 이러한 부담 속에서 수많은 동시 작업, I/O 요청 및 컨텍스트 전환을 처리해야 합니다.

인텔 경영진을 포함한 업계 관계자들은 다음과 같이 강조해 왔습니다. "인공지능 확장을 위해서는 가속기 이상의 것이 필요합니다. 균형 잡힌 시스템이 필요합니다."이러한 관점에서 GPU와 TPU는 학습 및 특정 추론 시나리오에 여전히 중요하지만, CPU와 인프라 프로세서가 백그라운드에서 얼마나 효율적으로 협력하는지에 따라 달라지는 스택의 한 요소일 뿐입니다.

경쟁이 치열한 AI 시장에서 인텔의 전략적 성장 가능성

인텔에게 있어 구글과의 새로운 파트너십은 매우 중요한 의미를 지닙니다. 이는 기술 로드맵이므로 투자자와 고객에게 신호를 보내는 것입니다.이 회사는 지난 몇 년간 방어적인 자세를 취해왔습니다. 데이터 센터 CPU 시장에서 AMD에 점유율을 빼앗기고, ARM 기반 플랫폼과의 경쟁에 직면했으며, 하이퍼스케일러들이 맞춤형 칩 포트폴리오를 확대하는 것을 지켜봐야 했습니다.

동시에, AI 훈련 분야의 초기 호황은 가속기 분야의 다른 업체들에게 큰 이점을 안겨주었고, 인텔은 AI 시대에서 여전히 핵심적인 역할을 하고 있음을 입증해야 한다는 압박을 받았습니다. 인텔은 이를 확보함으로써 세계 최대 클라우드 제공업체 중 한 곳의 다년간 계약이제 인텔은 미래 제품 발표 자료에만 의존하는 것이 아니라 구체적인 판매량과 실제 배포 사례를 제시할 수 있습니다.

회사 경영진은 인텔과 구글의 이번 거래를 보다 광범위한 시도의 일환으로 규정했습니다. 인텔의 데이터 센터 사업을 개별 CPU가 아닌 완벽한 시스템을 중심으로 재구축해야 합니다.이는 회사가 코어별 벤치마크뿐만 아니라 통합, 즉 자사의 제온 프로세서, IPU 및 제조 역량을 결합하여 에너지 소비를 줄이고 더욱 예측 가능한 성능을 제공하는 방식으로 경쟁하고자 한다는 메시지입니다.

이번 제휴 외에도 인텔은 해당 전략을 지원하기 위해 여러 방면에서 움직이고 있습니다. 인텔은 다음과 같은 계획을 밝혔습니다. 아일랜드에 있는 Fab 34 공장과 같은 주요 제조 자산을 완전히 인수합니다.이 회사는 제온 서버 칩을 생산하는 시설을 보유하고 있습니다. 또한 스페이스X 및 테슬라와 함께 일론 머스크의 테라팹 AI 칩 단지를 비롯한 야심찬 외부 프로젝트에 참여한다고 발표했는데, 이 프로젝트들은 로봇 공학 및 데이터 센터 워크로드에 필요한 컴퓨팅 자원을 공급하는 것을 목표로 합니다.

이러한 절차는 인텔이 고성능 컴퓨팅 분야에서 장기적인 역량과 관련성을 유지하기 위해 노력합니다.치열한 경쟁 환경 속에서도 인텔은 건재함을 보여주고 있습니다. 구글과의 계약 확대는 이러한 맥락을 잘 보여주는 사례입니다. 주요 하이퍼스케일 기업들이 핵심 인프라 구축에 인텔 칩셋을 활용하는 데 여전히 가치를 두고 있다는 구체적인 증거이기 때문입니다.

이번 계약이 구글의 AI 및 클라우드 로드맵에 중요한 이유는 무엇일까요?

구글의 관점에서 볼 때, 이번 확대된 협력은 여러 가지 장점을 제공합니다. 유연성, 다양성 및 운영 효율성구글은 이미 AI 학습 및 추론을 위해 자체 개발한 맞춤형 텐서 처리 장치(TPU)를 운영하고 있으며, ARM 및 기타 아키텍처 기반의 자체 개발 CPU를 점진적으로 확대하고 있습니다. 그럼에도 불구하고 구글은 여전히 ​​퍼블릭 클라우드 포트폴리오의 상당 부분을 제온(Xeon) 기반 인스턴스에 의존하고 있습니다.

인텔을 계속 참여시키는 것은 구글에게 다음과 같은 이점을 제공합니다. 널리 지원받는 확립된 x86 생태계성숙한 소프트웨어 스택, 친숙한 툴링, 그리고 엔터프라이즈 워크로드와의 폭넓은 호환성을 제공합니다. 구글은 이러한 기반 위에 맞춤형 IPU를 구축함으로써 고객이 애플리케이션을 다시 작성하거나 완전히 새로운 환경을 도입할 필요 없이 자체 인프라를 차별화할 수 있습니다.

인텔과의 긴밀한 하드웨어 공동 설계는 구글의 추진력을 뒷받침합니다. 전 세계 데이터 센터 네트워크의 전력 소비 및 총소유비용(TCO)을 최적화합니다.에너지 비용과 지속 가능성 목표가 면밀히 검토되는 상황에서, 랙 또는 서버당 미미한 비율 향상이라도 누적되면 상당한 비용 절감으로 이어질 수 있습니다. 네트워킹, 스토리지 및 보안 기능을 IPU로 오프로드하면 CPU 오버헤드를 줄이고, 격리 수준을 높이며, 트래픽이 많고 혼합된 환경에서도 성능 SLA를 유지하는 데 도움이 됩니다.

또 다른 이점은 위험 관리입니다. 인텔과 파트너십을 맺음으로써, 다세대 실리콘 로드맵구글은 단일 가속기 공급업체에 지나치게 의존함으로써 발생할 수 있는 병목 현상에 덜 노출되어 있습니다. AI 지원 칩에 대한 수요가 공급을 routinely 초과하는 세상에서 용량 확보와 대안 마련은 최첨단 성능을 추구하는 것만큼이나 중요할 수 있습니다.

이 모든 것은 구글의 광범위한 전략을 뒷받침합니다. 이기종 AI 인프라 운영TPU는 특정 머신러닝 작업에, Xeon CPU는 범용 및 오케스트레이션 작업에, 그리고 공동 개발된 IPU는 하이퍼스케일 환경에서 서비스의 응답성과 보안을 유지하는 데 필요한 "기반 시스템"을 처리합니다.

경제학, 효율성 그리고 새로운 AI 경쟁의 장

전문 용어 이면에, 전선은 점점 더 뚜렷하게 구분되고 있다. 에너지 소비량 및 추론당 비용뛰어난 모델을 훈련시키는 것은 헤드라인을 장식할 수 있지만, 매일 수익성 있게 운영하는 것이 인공지능 기능이 지속 가능한 제품이 될지를 결정짓는 핵심입니다. 인텔과 구글의 파트너십은 바로 이러한 과제에 대한 해답으로 제시되고 있습니다.

제온 CPU와 IPU 간의 작업 균형을 재조정함으로써 두 회사 모두 다음과 같은 이점을 얻을 수 있다고 주장합니다. 와트당, 달러당 더 유용한 컴퓨팅 성능을 제공합니다.어떤 시나리오에서는 동일한 서버 수로 더 많은 AI 호출을 처리할 수 있다는 것을 의미할 수 있고, 또 다른 시나리오에서는 구글이 더 적은 수의 서버로 성능 목표를 달성하여 자본 지출과 지속적인 에너지 비용을 모두 절감할 수 있다는 것을 의미할 수 있습니다.

Google Cloud에서 구축하는 고객의 경우 이러한 변경 사항 중 상당수는 간접적으로 나타납니다. 예를 들어, 추론에 최적화된 새로운 인스턴스 유형, 향상된 가격 대비 성능 또는 부하 시 더욱 일관된 지연 시간비록 기본 IPU 아키텍처는 최종 사용자에게 보이지 않을 수 있지만, 그 영향은 AI 기반 제품의 확장성과 경제성에 큰 영향을 미칠 것입니다.

업계 분석가들은 이러한 제휴가 다음과 같은 결과를 초래할 가능성이 높다고 지적했습니다. 칩 제조업체들이 향후 10년간 인공지능 인프라의 중심 역할을 유지할 수 있도록 하는 것이 중요합니다.전 세계 AI 관련 하드웨어 지출이 연간 수천억 달러에 육박하는 가운데, 승자는 가장 빠른 가속기를 보유한 기업뿐만 아니라 CPU, 가속기 및 네트워킹을 통합하여 효율적이고 일관된 시스템을 구축할 수 있는 기업이 될 것입니다.

그런 의미에서 인텔과 구글의 이번 계약은 AI 인프라 분야에서 경쟁력의 의미를 재정의하는 더 광범위한 움직임의 일부입니다. 논의의 초점은 단순히 최고 성능을 내는 것에서 벗어나 다른 방향으로 나아가고 있습니다. 시스템 수준 설계, 공급 안정성 및 영업 마진칩 공급업체와 클라우드 제공업체 간의 긴밀한 파트너십이 지속적인 이점을 제공할 수 있는 모든 영역입니다.

종합적으로 볼 때, 인텔과 구글의 확대된 협력은 오늘날 인공지능 붐의 단순하지만 종종 간과되는 현실을 강조합니다. 단 하나의 "기적의 칩"으로는 전체 스택을 구동할 수 없습니다.하지만 미래의 대규모 AI는 제온과 같은 CPU, 특수 가속기, 맞춤형 IPU 등 각 구성 요소가 가장 적합한 역할을 수행하는 이기종 플랫폼을 기반으로 구축될 것입니다. 인텔은 이러한 비전을 중심으로 다년간의 로드맵을 확정함으로써 하이퍼스케일 데이터 센터 시장에서 중요한 발판을 마련하고, 구글은 비용, 효율성, 복원력을 더욱 엄격하게 관리하면서 글로벌 규모의 AI 서비스를 운영하는 데 필요한 기반을 강화합니다.