원문은 twarx.com에서 처음 게시되었습니다 - 전체 인터랙티브 버전은 그곳에서 읽을 수 있습니다.

최종 업데이트: 2026년 6월 22일

유럽은 방금 23개국에 걸쳐 800 AI 엑사플롭스(Exaflops)의 컴퓨팅 능력을 구축했습니다 — 그리고 이 AI 기술을 사용할 대부분의 팀은 자신들의 AI 워크플로(Workflow)가 완전히 잘못된 문제를 해결하고 있다는 사실을 곧 깨닫게 될 것입니다.

2026년 6월 22일, ISC High Performance 2026에서 NVIDIA는 Blackwell과 Hopper를 기반으로 유럽 전역에서 개발 중인 기록적인 35대의 NVIDIA AI HPC 슈퍼컴퓨터를 발표했으며, 이를 통해 300만 명 이상의 연구자들에게 장비를 제공하게 되었습니다. 이는 유럽 역사상 최대 규모의 1년 단위 슈퍼컴퓨터 확장이며, 올해 가장 중대한 AI 기술 인프라 이벤트입니다.

이 글을 끝까지 읽으시면 무엇이 발표되었는지, 전체 스택(Full stack)이 실제로 어떻게 결합되는지, 접근 비용은 얼마인지, 그리고 왜 단순한 FLOPS(부동 소수점 연산 능력)가 쉬운 부분인지를 정확히 알게 될 것입니다. 팀들이 실패하는 지점은 바로 조정(Coordination)입니다.

NVIDIA의 풀스택(Full-stack) AI 인프라는 현재 유럽 AI 팩토리 구축의 90% 이상을 지원합니다. 출처: NVIDIA Newsroom

명명된 프레임워크(Coined Framework)

AI 조정 격차 (The AI Coordination Gap)

AI 조정 격차(AI Coordination Gap)란 원시 컴퓨팅 용량(엑사플롭스, GPU, 모델 크기)과 그 용량을 신뢰할 수 있는 과학적 및 비즈니스 결과로 전환하는 오케스트레이션 계층(Orchestration layer) 사이의 벌어지는 간극을 의미합니다. 유럽은 방금 격차의 컴퓨팅 측면을 메웠지만, 조정 측면은 여전히 크게 열려 있습니다.

개요: 유럽이 실제로 발표한 내용

시스템 분석에 들어가기에 앞서, 모든 사실을 NVIDIA 공식 발표에 근거하여 고정해 보겠습니다. 미화 없이 오직 사실(Ground truth)만을 다룹니다:

• 35대의 NVIDIA AI HPC 슈퍼컴퓨터가 유럽 전역에서 개발 중입니다. 이는 대륙 역사상 최대 규모의 1년 단위 슈퍼컴퓨터 확장입니다.

• 이 구축 작업은 23개국에 걸쳐 진행되며, 300만 명 이상의 연구자에게 장비를 제공합니다.

• NVIDIA AI 인프라는 현재 유럽 AI 팩토리(AI factory) 구축의 90% 이상을 지원하고 있으며, 지난해 이후 800 AI 엑사플롭스(exaflops)가 배치되었거나 발표되었습니다.

• 시스템은 NVIDIA Blackwell 및 NVIDIA Hopper 플랫폼에서 구동됩니다.

• 명명된 시스템으로는 Barcelona Supercomputing Center의 EuroHPC MareNostrum5 AI 업그레이드, BavariaAI의 Blue Swan, IT4LIA, HLRS의 HammerHAI, 그리고 NAISS의 Mimer EuroHPC AI Factory가 포함됩니다.

발표에서 명시된 전체 스택(Full stack): NVIDIA Quantum InfiniBand 네트워킹, NVIDIA CUDA-X 라이브러리, NVIDIA NIM 마이크로서비스, 그리고 모델 학습, 시뮬레이션, 추론(inference), 에이전트형 AI(agentic AI)를 아우르는 NVIDIA AI Enterprise 소프트웨어입니다.

유럽은 방금 800 엑사플롭스의 마력을 구매했습니다. 승자를 결정짓는 질문은 누가 더 많은 GPU를 가졌느냐가 아니라, 그 마력과 실제 작동하는 과학적 결과 사이의 조정 격차(coordination gap)를 누가 메우느냐입니다.

NVIDIA의 창립자이자 CEO인 Jensen Huang은 이번 보도자료에서 다음과 같이 설명했습니다. _"AI는 과학의 새로운 도구이며, 유럽은 이를 수백만 명의 연구자들의 손에 쥐여주기 위한 인프라를 구축하고 있습니다. NVIDIA 가속 컴퓨팅(accelerated computing)을 통해 연구자들은 더 복잡한 시스템을 시뮬레이션하고, 과학적 AI 모델을 학습시키며, 유럽의 데이터와 전문 지식을 전 세계를 위한 혁신으로 전환하는 에이전트형 AI(agentic AI) 워크플로우를 구축할 수 있습니다.""

마지막 절을 주목하십시오: 에이전트형 AI 워크플로우 (agentic AI workflows). 이것은 마케팅용 미사여구가 아닙니다. NVIDIA는 이 AI 기술을 에이전트형 오케스트레이션 (agentic orchestration)을 위해 명시적으로 포지셔닝하고 있습니다. 이는 조정 계층 (coordination layer) (LangGraph, AutoGen, CrewAI, MCP)이 이제 사후 고려 사항이 아닌, 일급 시민 (first-class)이 되었음을 의미합니다. 하드웨어는 기질 (substrate)입니다. 결과가 발생하는 곳은 바로 오케스트레이션 계층 (orchestration layer)입니다.

35
유럽 전역에서 개발 중인 NVIDIA AI 슈퍼컴퓨터
[NVIDIA Newsroom, 2026](https://nvidianews.nvidia.com/news/europe-unveils-a-record-35-new-nvidia-ai-supercomputers)
...

발표된 내용 — 정확한 사실

누가 (Who): NVIDIA가 EuroHPC Joint Undertaking 및 Barcelona Supercomputing Center (BSC), CINECA (이탈리아), Fraunhofer, Jülich Supercomputing Centre, HLRS Stuttgart, NAISS (스웨덴)를 포함한 국가 슈퍼컴퓨팅 센터들과 파트너십을 맺고 발표했습니다.

무엇을 (What): 기후 과학, 헬스케어, 청정에너지 탈탄소화, 양자 컴퓨팅 및 기초 과학을 지원하기 위해 풀스택 NVIDIA AI 인프라를 기반으로 구축된 역대 최다 규모인 35대의 NVIDIA AI HPC 슈퍼컴퓨터.

언제 (When): 2026년 6월 22일, ISC High Performance 2026에서 발표.

어디서 (Where): 스페인(MareNostrum5 컨소시엄에 포르투갈과 튀르키예 포함), 독일, 이탈리아, 스웨덴의 국가 센터들을 중심으로 한 23개 유럽 국가.

보도자료에 명시된 세 가지 확인 사항:

• Mateo Valero Cortés (BSC 소장): MareNostrum5 업그레이드는 기후 모델링부터 생물 의학적 발견에 이르기까지 스페인, 포르투갈, 튀르키예 컨소시엄을 지원합니다.

• Markus Blume (바이에른 과학부 장관): Blue Swan은 에를랑겐의 프리드리히-알렉산더 대학교(Friedrich-Alexander University)에 "독일의 어떤 대학에서도 찾아볼 수 없는 가장 큰 GPU 클러스터"를 구축하고 있습니다.

• Michael Resch (HLRS Stuttgart 소장): HammerHAI는 시뮬레이션, 추론 및 과학적 발견을 위한 안전한 국가 AI 인프라인 "독일 최초의 AI 팩토리"입니다.

800 AI 엑사플롭스(exaflops)는 불과 몇 년 전 전 세계 TOP500 슈퍼컴퓨터 목록 전체의 결합 처리량과 대략적으로 맞먹는 수준입니다. 하지만 여기서 측정된 값은 FP64 시뮬레이션이 아닌, 트랜스포머 (Transformer) 학습 및 추론에 최적화된 저정밀도 AI FLOPS 기준입니다. 벤치마크를 수행하기 전에 단위를 주의 깊게 읽으십시오.

그것이 무엇인가 — 비전문가를 위한 쉬운 설명

약어들을 모두 걷어내 봅시다. "AI 팩토리 (AI factory)"란 지능을 제조하기 위해 특수 제작된 데이터 센터를 의미합니다. 데이터와 전기를 공급하면, 학습된 모델과 추론 결과를 생산해 냅니다. Blackwell 및 Hopper GPU가 엔진 역할을 합니다. Quantum InfiniBand는 수천 개의 엔진이 하나의 기계처럼 작동할 수 있게 해주는 고속 배관 역할을 합니다.

소상공인에게 와닿을 만한 비유를 들자면 다음과 같습니다. 유럽이 방금 지능을 위한 35개의 산업 규모 발전소를 건설했다고 상상해 보십시오. 당신은 직접 발전소를 운영하지는 않을 것입니다. 정원에 직접 터빈을 설치하는 대신 전기를 구매하는 것과 마찬가지로, 클라우드 제공업체나 국가 프로그램을 통해 용량의 일부를 구매하게 될 것입니다.

함정은 — 그리고 이 글의 핵심 논지는 — 발전소에 대한 접근 권한이 있다고 해서 당신의 공장 바닥(factory floor)이 효율적으로 돌아간다는 뜻은 아니라는 점입니다. 그것이 바로 조정 계층 (coordination layer)입니다. 그리고 바로 그 부분이 아무도 자금을 지원하지 않은 영역입니다.

전체 NVIDIA 스택: 하드웨어 (Blackwell/Hopper) → 네트워킹 (Quantum InfiniBand) → 라이브러리 (CUDA-X) → 마이크로서비스 (NIM) → 에이전트 오케스트레이션 (agentic orchestration). 조정 격차 (Coordination Gap)는 가장 상단에 존재합니다.

어떻게 작동하는가 — 쉬운 설명으로 보는 메커니즘

이 시스템은 계층화된 스택입니다. 각 계층은 그 아래에 있는 계층을 추상화합니다. 이러한 계층들을 이해하는 것이 실제 병목 현상 (bottleneck)이 어디에 위치하는지 추론하는 방법입니다.

NVIDIA AI 팩토리 스택 (The NVIDIA AI Factory Stack) — 실리콘에서 과학적 결과물까지

  1

    **연산 계층 (Compute Layer) — Blackwell + Hopper GPU**

수천 개의 GPU가 원시 FLOPS를 제공합니다. 이것이 바로 800 AI 엑사플롭스 (exaflops)입니다. 입력값: 데이터 + 전력. 출력값: 텐서 연산 (tensor operations). 이 계층은 일단 프로비저닝(provisioned)되면 실제 병목 현상 (bottleneck)이 되는 경우가 드뭅니다.

↓

  2
...

10,000개의 GPU 클러스터가 마치 하나의 기계처럼 작동하도록 GPU들을 연결합니다. 여기서의 지연 시간 (latency)이 학습 확장 효율성 (training scaling efficiency)을 결정합니다. 불량한 인터커넥트 (interconnect) = 낭비되는 연산 자원.

↓

  3
...

최적화된 수학 커널 (math kernels) (cuBLAS, cuDNN, RAPIDS). 범용 GPU 연산을 빠른 딥러닝 (deep-learning) 및 시뮬레이션 프리미티브 (primitives)로 전환합니다. 이곳이 바로 NVIDIA의 수십 년 된 해자 (moat)가 존재하는 지점입니다.

↓

  4
...

사전 패키징된 컨테이너화된 추론 엔드포인트 (inference endpoints). 모델을 몇 주가 아닌 몇 분 만에 API로 배포합니다. 입력값: 모델. 출력값: 프로덕션 준비가 된 REST 엔드포인트.

↓

  5
...

결과물을 생성하는 워크플로 (workflow)로 여러 모델, 도구, 데이터 소스를 조정 (coordinate)합니다. 이것이 바로 '조정 격차 (Coordination Gap)'입니다. NVIDIA는 여러분에게 1~4계층을 제공하며, 5계층은 여러분의 몫입니다.

각 계층의 신뢰성은 다음 계층으로 전달되며 곱해지기 때문에 이 순서가 중요합니다. 그리고 최상위 계층인 오케스트레이션 (orchestration)은 대부분의 팀이 가장 많은 성능을 손실하는 지점입니다.

정립된 프레임워크

AI 조정 격차 (The AI Coordination Gap)

NVIDIA는 1계층부터 4계층까지를 소유하며 이를 긴밀하게 통합된 제품으로 출시합니다. 에이전트 (agents), 도구, RAG 파이프라인, 그리고 멀티 모델 워크플로를 오케스트레이션하는 5계층은 전적으로 여러분의 영역입니다. 조정 격차 (Coordination Gap)란 세계 최고 수준의 연산 능력과 아마추어 수준의 오케스트레이션 사이의 체계적인 불일치를 의미합니다.

대부분의 시니어 엔지니어들이 값비싼 대가를 치르고 배우게 되는 직관에 반하는 사실이 있습니다. 각 단계의 신뢰도가 97%인 6단계 에이전트 파이프라인 (agentic pipeline)은 엔드 투 엔드 (end-to-end)로 볼 때 신뢰도가 약 83% (0.97^6)에 불과합니다. 여기에 800 엑사플롭스를 투입한다면, 여러분은 단지 신뢰할 수 없는 워크플로가 더 빨리 실패하게 만들고, 그 과정에서 더 많은 예산을 태우게 만들 뿐입니다. 연산 능력이 조정을 해결해주지는 않습니다.

NVIDIA는 이번 발표에서 "에이전트형 AI 워크플로우 (agentic AI workflows)"를 명시적으로 언급했습니다. 이는 주요 AI 기술 출시에서 에이전트형 오케스트레이션 (agentic orchestration)이 모델 학습 (model training)과 동일한 수준의 중요성을 갖게 된 첫 사례입니다. 이는 업계가 병목 현상이 스택의 상위 계층으로 이동했다는 사실을 받아들였음을 나타내는 신호입니다.

전체 역량 목록 — 이 인프라가 실제로 할 수 있는 것

공식 발표를 바탕으로 한 전체 역량 범위는 다음과 같습니다:

• 대규모 모델 학습 (Model training at scale): 대규모 과학 및 파운데이션 모델 (foundation models) 학습 — BavariaAI의 Blue Swan은 의료 및 로보틱스를 위한 "멀티모달 AI 파운데이션 모델 (multimodal AI foundation model)"을 구축하고 있습니다.

• 시뮬레이션 (Simulation): 기후 모델링 (BSC MareNostrum5), 기상학 및 제조 (CINECA를 통한 IT4LIA), 엔지니어링 시뮬레이션 (HammerHAI). 데모가 아닌 실제 워크로드 (workloads)입니다.

• 추론 + 에이전트형 AI (Inference + agentic AI): NIM 마이크로서비스 (microservices)를 통한 프로덕션 추론 및 전체 스택에 걸친 에이전트형 워크플로우 (agentic workflows).

• 양자-GPU 통합 (Quantum-GPU integration): BSC, CINECA, Fraunhofer 및 Jülich는 CUDA-Q 플랫폼을 사용하여 양자 프로세서 (quantum processors)를 GPU와 통합합니다.

• 기후, 의료, 탈탄소화 (Climate, healthcare, decarbonization): 수소 활용이 가능한 가스 터빈 버너에 관한 Siemens Energy와의 명시적인 협업을 포함합니다.

• 주권 / 신뢰할 수 있는 AI (Sovereign / trusted AI): IT4LIA는 이탈리아 사이버 보안국과 함께 "오픈 AI 모델 개발을 위한 신뢰할 수 있는 환경"을 구축합니다 — 농업 기술 (agritech), 사이버 보안, 기후, 제조 분야를 포함합니다.

언급된 유스케이스(use cases)들 — 수소 터빈, 기후 모델, 신약 개발, 양자-GPU 하이브리드 —는 모두 한 가지 공통점을 공유합니다: 이들은 연산 문제로 위장된 조정 (coordination) 문제라는 점입니다.

접근 및 사용 방법 — 단계별 안내

이 스택을 활용하기 위해 반드시 국립 연구소일 필요는 없습니다. 엔지니어링 팀이나 연구 그룹을 위한 현실적인 접근 경로는 다음과 같습니다: