[IT동아 김영우 기자] 본지 편집부에는 하루에만 수십 건을 넘는 보도자료가 온다. 대부분 새로운 제품, 혹은 서비스 출시 관련 소식이다. 편집부는 이 중에 독자들에게 도움이 될 만한 것 몇 개를 추려 기사화한다. 다만, 기업에서 보내준 보도자료 원문에는 전문 용어, 혹은 해당 기업에서만 쓰는 독자적인 용어가 다수 포함되기 마련이다. 이런 용어에 익숙하지 않은 독자를 위해 본지는 보도자료를 해설하는 기획 기사인 '뉴스줌인'을 준비했다.

출처: 가비아(2026년 7월 9일)
제목: 가비아, 물리 GPU·클라우드 묶은 하이브리드 구성 출시

요약: 가비아가 'GPU 서버호스팅'과 가상화 환경 '가비아 클라우드'를 연동한 하이브리드 클라우드 구성을 출시했다. AI 학습 및 그래픽 작업 등 고성능 연산은 RTX 4090 물리 GPU 서버가, 상시 서비스 운영과 트래픽 대응은 클라우드 서버가 맡는 방식이다. 이를 통해 기업은 초기 대규모 투자 없이 고성능 자원을 활용하고, 수요 변동에 따라 자원을 유연하게 조정할 수 있다. 가비아는 출시를 기념해 9월 30일까지 신규 고객을 대상으로 GPU 서버호스팅 결제액과 동일한 금액을 가비아 클라우드 크레딧으로 환급하는 프로모션도 진행한다.

해설: 최근 기업에게 우수한 디지털 인프라는 선택이 아닌 필수가 됐다. 그중에서도 고성능 GPU(그래픽처리장치)를 갖춘 서버의 몸값이 부쩍 높아졌다. 원래 그래픽 처리용 부품이던 GPU는 대량의 단순 연산을 병렬로 처리하는 데 특화된 구조 덕분에 활용 범위가 크게 넓어졌다. 3D 렌더링과 영상 인코딩부터 신약 개발, 기상 예측 같은 과학 연산까지 쓰임새가 다양하다. 이번 가비아의 GPU 서버 역시 AI 모델 학습·챗봇·데이터 분석은 물론 문서 요약·번역, 영상·이미지 생성, 제조 현장의 품질검사, 8K 영상 인코딩 등에 활용할 수 있다고 소개한다.

물론 GPU 수요를 끌어올린 가장 큰 계기는 AI다. AI 모델의 학습과 추론 자체가 방대한 병렬 연산의 연속이라, 이 작업에 GPU만큼 적합한 장비가 없다. 문제는 비용이다. 고성능 GPU 서버는 대당 수천만 원을 훌쩍 넘기 일쑤고, 여러 대를 데이터센터급으로 운영하려면 초기 투자에 전력·발열 관리, 유지보수 인력까지 부담이 만만치 않다. 그렇다고 모든 자원을 클라우드로만 돌리면 이번에는 상시 이용료가 계속 쌓인다. 자체 구축은 초기 투자가, 전면 클라우드는 운영 비용이 각각 발목을 잡는 셈이다. 게다가 이런 장비만으로 모든 상황에 대처할 수 있는 것도 아니다. 무거운 연산에는 고성능 GPU가 제격이지만, 사용자에게 서비스를 제공하는 일상적인 운영까지 전용 서버가 도맡을 필요는 없기 때문이다.

이런 이유로 적잖은 기업들이 GPU 서버를 직접 사지 않고 필요한 만큼 빌려 쓰는 GPU 서버호스팅 서비스를 이용하고 있다. 이번 소식의 핵심은 그보다 한 걸음 더 들어가, 빌려 쓰는 자원을 어떻게 조합해야 비용과 관리 측면에서 더 효율적이냐에 대한 방법론을 제시했다는 데 있다.

GPU 서버호스팅은 데이터센터에 놓인 실물 GPU 서버 한 대를 통째로 빌려 자기 장비처럼 독점적으로 쓰는 방식으로, 가비아는 여기에 엔비디아 지포스 RTX 4090 GPU를 탑재한 서버를 제공한다. 다른 이용자와 자원을 나눠 쓰지 않아 성능을 온전히 활용할 수 있고, 데이터가 외부로 나가지 않아 민감한 정보를 다루는 작업에도 상대적으로 유리하다. 반복적이고 꾸준히 이어지는 무거운 연산을 담당하는 축인 셈이다. 여기에 부족한 부분, 이를테면 사용자에게 서비스를 제공할 웹 환경이나 특정 시점에 갑자기 치솟는 연산 수요는 클라우드로 메운다. 이것이 하이브리드 구성의 골자이며, 클라우드 자리에 어떤 자원을 붙이느냐는 상황에 따라 달라진다.

이번에 가비아가 출시한 하이브리드 구성의 경우, 이하와 같은 시나리오를 생각할 수 있다. 먼저 이미지 생성 서비스를 운영하는 기업이라면, 전용 GPU 서버에서 대량의 이미지를 뽑아낸 뒤 그 결과물을 일반 클라우드 서버(웹·앱 서버)로 옮겨 사용자에게 제공할 수 있다. 무거운 생성 작업은 물리 서버가, 다수의 사용자를 상대하는 서비스 운영은 클라우드가 나눠 맡는 구조다.

자체 AI 모델을 개발하는 기업이라면, 평상시 학습·추론은 전용 GPU 서버로 처리하다가 연산 수요가 급증하는 구간에만 클라우드 GPU 서버를 추가로 끌어와 부담을 나눌 수 있다. 실시간 AI 추론 서비스를 운영하는 기업이라면 클라우드 쪽에 NPU 서버를 붙이는 방법도 있다. NPU(신경망처리장치)는 완성된 모델을 구동하는 '추론'에 특화된 부품으로, 새 모델을 만드는 학습은 GPU 서버가, 사용자 요청에 실시간 응답하는 추론은 NPU 서버가 맡는 식이다.

세 경우 모두 전용 GPU 서버라는 축은 그대로 두고, 거기에 붙이는 클라우드만 일반 서버·GPU 서버·NPU 서버로 바꿔가며 상황에 맞춘다. 꾸준한 핵심 작업은 전용 서버에 맡기고, 그때그때 필요한 자원만 클라우드로 덧붙인다는 발상이다. 가비아는 이렇게 자원을 작업 성격에 맞게 나눠 쓰면 불필요한 지출을 줄여 비용 효율을 높일 수 있다는 점을 강조한다. 값비싼 고성능 자원을 상시 켜두는 대신, 무거운 연산이 필요한 시점에만 집중적으로 활용하는 구조이기 때문이다. 성격이 다른 두 서버를 하나의 창구에서 관리할 수 있다는 점도 내세운다. '통합 관리 콘솔'로 두 인프라를 단일 계정에 묶어 자원 상태를 모니터링하고 비용 결제도 하나로 처리할 수 있으며, 물리 서버와 클라우드를 사설 네트워크로 연결하는 작업도 지원한다는 설명이다.

이번 하이브리드 구성은 물리 서버와 클라우드 서버의 구성, 그리고 관리 및 비용 문제로 고민하던 기업에게 흥미로운 선택지 중 하나를 제시한다. 다만 이 방식이 모든 기업에 정답은 아니다. 상시 연산 수요가 크지 않다면 클라우드만으로 충분할 수 있고, 보안 요건이 엄격한 기업은 자체 구축을 택하기도 한다.

주목할 점은 이로 인해 경쟁의 초점이 이동하고 있다는 것이다. GPU 서버호스팅이나 클라우드 서버를 제공하는 사업자는 국내외에 여럿 있다 보니, 이용자들은 단순히 서버의 사양이나 부가 기능만 따지는 데 그치지 않고 이 자원들을 얼마나 효율적으로 쓸 수 있게 해주는지, 즉 어떤 조합과 관리 환경을 제공하는지를 기준으로 서비스를 저울질하기 시작했다. 가비아의 이번 발표 역시 그런 방법론 중 하나인 셈이다. 도입을 검토하는 기업이라면 자사의 IT 운영 환경과 실제 GPU 활용 패턴 등을 세심하게 따져봐야 할 것이다.

IT동아 김영우 기자 (pengo@itdonga.com)