“인공지능(AI)의 변화는 인터넷이나 클라우드 전환 때보다 파도가 더 크고, 파도 사이의 간격은 더 짧습니다. 새로운 모델이나 기능이 나올 때마다 인프라를 다시 구축할 수는 없는 만큼, 변화에 맞춰 유연하게 대응할 수 있는 구조가 필요합니다. 특히 AI가 학습에서 추론과 에이전트 중심으로 이동하면서 데이터센터는 더 이상 그래픽처리장치(GPU)를 많이 연결하는 것만으로 충분하지 않습니다. 네트워크와 스토리지까지 포함해 아키텍처 자체가 달라져야 합니다.”
케빈 울렌웨버 시스코 데이터센터 및 인터넷 인프라스트럭처 수석 부사장은 11일(현지시간) 호주 멜버른에서 열린 '시스코 라이브 아시아태평양·일본·중국(APJC) 2026'에서 전자신문과 만나 이같이 말했다. 시스코에서 30년간 근무한 그는 1990년대 인터넷과 2000년대 후반 클라우드 확산을 지켜봤지만, AI는 변화 폭이 더 크고 주기도 짧다고 진단했다.
지난 3~4년간 AI 인프라는 하이퍼스케일러와 네오클라우드가 대규모 GPU를 구축해 거대 모델을 학습하는 데 집중됐다. 최근에는 기업과 통신사업자까지 추론과 AI 에이전트 서비스를 도입하면서 요구되는 인프라도 달라지고 있다. 울렌웨버 수석 부사장은 “전력은 항상 제약”이라면서도 “더 큰 변화는 워크로드 유형과 사용 방식이 바뀌고 있다는 것”이라고 말했다.
대규모 학습이 수많은 GPU를 연결해 장시간 연산하는 구조라면 에이전틱 AI는 KV 캐시와 지속형 메모리, 스토리지 접근이 중요하다. 그는 “네트워크는 GPU를 연결하는 데 그치지 않고 메모리와 스토리지에 접근하는 역할까지 맡는다”며 “대규모 학습과는 근본적으로 다른 아키텍처”라고 설명했다. 기업과 통신사업자 입장에서는 GPU를 확보한 이후 이를 실제 서비스 가능한 인프라로 구현하는 과정이 기업의 또 다른 과제라는 의미다.
시스코는 이에 컴퓨팅·네트워크·스토리지와 관련 소프트웨어를 사전에 검증해 제공하는 풀스택 전략을 추진하고 있다. 울렌웨버 수석 부사장은 “새로운 모델이나 기능이 등장할 때마다 인프라를 다시 만들 수는 없다”며 “앞으로 AI가 어떻게 바뀌더라도 대응할 수 있는 크고 연결성이 높으며 유연한 인프라가 필요하다”고 말했다.
기존 데이터센터 운영 환경과의 연계도 강조했다. 시스코는 엔비디아 GPU를 활용하면서 넥서스 운영체제와 컨트롤러 등 기업이 기존 데이터센터에서 사용해온 도구를 AI 인프라에도 적용한다. 울렌웨버 수석 부사장은 “AI만을 위한 별도의 기술에 고객을 가두지 않을 것”이라며 “기존 데이터센터에서 사용하던 도구와 기술을 활용하면서 AI 워크로드를 수용할 수 있어야 한다”고 강조했다.
멜버른(호주)=
남궁경 기자 nkk@etnews.com
