Everpure의 AI 전략은 거의 전적으로 Nvidia에 기반하고 있다

Everpure의 최고 기술 책임자(CTO) Rob Lee는 이번 주 Nvidia를 자사의 AI 전략의 핵심으로 설정하며, 다수의 전통적인 HPC(고성능 컴퓨팅) 사용 사례가 가속 컴퓨팅(accelerated computing)으로 전환되는 것을 목격하고 있다고 밝혔습니다. Lee는 이번 주 라스베이거스에서 열린 자사의 Accelerate Conference에서 연설하였으며, 이 자리에서 최고 경영자(CEO) Charlie Giancarlo는 이 스토리지 벤더의 새롭게 정립된 "데이터 우선순위(data primacy)" 전략을 설명했습니다.

여기에는 최근 1touch.io 인수를 통해 구축된 Everpure Data Intelligence가 포함됩니다. 이 회사는 이를 소스 단계에서 기업 정보를 발견, 분류 및 맥락화하는 기술로 홍보했습니다. 여기에는 Everpure 자체의 플래시 기반 키트뿐만 아니라 제3자 스토리지, 퍼블릭 클라우드 및 SaaS(서비스형 소프트웨어) 데이터가 포함됩니다. 회사는 이를 통해 보편적인 발견, 자동화된 거버넌스 및 AI 준비가 된 맥락(AI-ready context)을 제공할 것이라고 주장합니다.

Giancarlo는 이것이 기업들이 데이터가 애플리케이션에 의해 정의되는 문제를 우회할 수 있게 해줄 것이라고 말했습니다.

"AI는 무언가에 대한 답을 찾기 위해 이러한 시스템으로 들어갈 것입니다."라고 그는 말했습니다. "하지만 그 내부의 데이터는 각각 다릅니다. AI가 그것을 어떻게 이해할 수 있을까요?"

또한 작년에 데뷔한 Enterprise Data Cloud 플랫폼에 대한 업데이트도 발표되었습니다. 여기에는 영구적인 구독 업데이트 없이도 온프레미스(on-prem) 스토리지의 급증을 처리하기 위해 클라우드와 같은 성능 향상을 제공하는 Evergreen//One Overdrive가 포함됩니다.

Everpure Control Plane을 위한 새로운 기능으로는 올해 말까지 예정된 워크로드 재균형(workload rebalance) 및 이동성(mobility)이 있습니다. 또한 올해 말로 예정된 기능으로는 Fusion 컴플라이언스(compliance)와 에이전틱 AI(agentic AI) 제안을 통해 구성 드리프트(configuration drift) 문제를 해결하기 위한 에이전틱 트리아지(agentic triage)가 있습니다. Copilot 워크플로 실행은 스토리지 관리자가 자연어를 사용하여 전 세계 자산을 관리할 수 있는 능력을 부여할 것입니다.

한편, 회사의 주장에 따르면 Everpure Data Stream은 AI를 위한 데이터 준비(data preparation) 시간을 수개월에서 수분으로 단축하고, 기업 네트워크 내에서 스트림 수준의 액세스 제어(access controls)를 강제할 것입니다. 이는 Nvidia AI Data Platform 레퍼런스 디자인(reference design)을 기반으로 합니다.

Everpure가 부품 부족으로 인한 가격 인상을 발표했다는 점과 Nvidia의 부품이 비싸고 조달하기 어렵다는 점을 고려할 때, 우리는 이 회사가 다른 제공업체들과 더 긴밀하게 협력해야 하는 것은 아닌지 의구심이 들었습니다.

Lee는 회사가 AMD를 포함한 다른 GPU 제공업체들과 협력하고 있다고 말했습니다. 하지만 그는 다음과 같이 이어갔습니다: "제가 표현하자면, 우리는 확실히 우리의 AI 솔루션을 선도하고 있으며, Nvidia와의 파트너십을 기반으로 한 제품 지향성 및 제품 기능 타겟팅을 말씀드리고 싶습니다. 이 파트너십은 포트폴리오 전반에 걸쳐 매우 깊고 광범위합니다."

그럼에도 불구하고 그는 다음과 같이 말했습니다: "우리가 그 분야에서 하고 있는 일의 대부분은 다른 GPU 플랫폼에서도 작동하도록 조정될 수 있습니다. 저는 그 영역이 여러 면에서 고객과 시장의 요구에 의해 결정될 것이라고 생각합니다."

그리고 그는 덧붙였습니다: "Nvidia는 단순히 시장 역학 때문만이 아니라, 솔루션을 전달하고 고객이 결과에 도달하도록 하는 데 매우 효과적이었기 때문에 그 분야의 지배적인 플레이어입니다."

Lee는 모두가 선택권을 원하지만, 현재 고객들은 "어떻게 ROI(투자 자본 수익률)를 달성할 것인가, 어떻게 배포할 것인가"에 더 집중하고 있다고 덧붙였습니다.

그는 그것이 단순히 인프라를 배포하는 것 이상의 문제라고 말하며, "데이터를 의미 있게 사용하기 시작하고, 실제로 결과에 도달하는 것"에 관한 것이라고 설명했습니다. "그 지점이 Nvidia와의 파트너십이 서로에게 매우 유익했던 부분이라고 생각합니다."

더 넓게는, 그는 일부 전통적인 HPC(고성능 컴퓨팅) 사용 사례들이 가속 컴퓨팅(accelerated computing)을 더 많이 활용하고 있다고 말했습니다. "해당 시장 부문으로부터 Flashblade//Exa와 같은 솔루션에 대한 인바운드 수요가 일부 있다고 보고 있습니다."

그는 금융 서비스 부문으로 판매된 AI 중심의 Flashblade//Exa의 최근 판매 사례를 언급했습니다. 그는 이를 "모델 백테스팅 (back testing)을 가속화하기 위해 GPU를 사용하는 퀀트 트레이더 (quant traders), 헤지 펀드 (hedge funds) 때문"이라고 설명했습니다. "과거에는 전통적인 HPC (High Performance Computing) 유형의 솔루션에 머물렀을 법한 많은 유형의 유스케이스 (use cases)들이, 이제는 AI 환경과 훨씬 더 유사하게 완전히 현대화되었습니다."

이러한 고객들은 "해당 알고리즘을 실행하는 작업들을 GPU로 재구성 (Recasting)하는 것이 기존의 HPC 스타일 컴퓨팅보다 훨씬 더 효과적일 수 있어, 그럴 만한 가치가 있다는 것을 발견하고 있습니다. 그들은 더 좋고 빠른 결과를 얻고 있으며, 이는 그에 따른 모든 관련 인프라 요구 사항과 영향을 동반합니다"라고 말했습니다.

AI 설치를 괴롭히는 큰 요구 사항 중 하나는 에너지이며, Nvidia의 부품들은 이를 많이 사용합니다. Everpure는 하드 디스크 드라이브 (HDD)와 비교했을 때 플래시 (flash)를 사용함으로써 얻는 전력 소비의 이점을 오랫동안 강조해 왔으며, 더 나은 데이터 관리와 동일한 데이터의 복사본 감소 또한 전력 요금을 절감할 수 있습니다.

Lee는 AI를 배포하기 위해 경쟁하는 기업들이나 그들에게 공급하는 기업들에게 전력 소비가 항상 최우선 순위는 아니라는 점을 인정했습니다. 하지만 그는 현재의 기술 폭발이 진정되면 상황이 바뀔 것이라고 말했습니다.

"아무도 처음부터 최적화 (optimization)에 집중하지 않습니다. 그들은 단지 시장에 먼저 진입하는 것, 다음 경쟁자보다 앞서 나가는 것에만 집중할 뿐입니다." 그러한 질주가 정체기에 접어들 때, 그는 "그때가 바로 사람들이 개선 사항에 집중하기 시작하는 시점이며, 그 결과로 종종 규모가 다른(order of magnitude) 상당한 개선이 뒤따르게 됩니다"라고 말했습니다.

그리고 Lee는 업계가 기존 반도체 기술의 물리적 한계에 도달하는 것을 걱정하기 시작했음에도 불구하고, 주요 분야에서 개선의 여지가 충분하다고 말했습니다. 양자 컴퓨팅 (Quantum computing) 지지자들은 기존의 CMOS 기술이 한계에 도달하고 있기 때문에 우리가 이 기술을 채택해야 한다고 주장합니다.

하지만 Lee는 아직 갈 길이 많이 남아 있다고 말했습니다. “예를 들어 무어의 법칙 (Moore's Law)을 살펴보면, 우리가 실제로 벽에 부딪히기 10년 또는 15년 전부터 무어의 법칙이 끝났다고 말해왔었습니다.”

“이전에 하던 방식이 점진적인 개선 결과 (incremental improvement results)를 만들어내지 못할 때, 다음 단계는 ‘어떻게 다르게 할 것인가?’를 고민하는 것입니다. 그리고 역사는 우리가 진정으로 한계에 도달하기 전까지 보통 그런 시도를 서너 번, 혹은 네다섯 번 정도 거치게 된다는 것을 보여주었습니다.”

그는 “반도체 (semiconductor), 제조 공차 (manufacturing tolerances), 혹은 광학 (photonics)이든, 이 모든 분야에는 아직 갈 길이 멀다고 생각합니다”라고 주장했습니다. 단 한 가지 예외를 제외하고 말입니다. “하드 디스크 드라이브 (hard disk drives) 같은 것은 실제로 이미 한계에 도달했습니다.”

양자 (quantum)에 대해서 Lee는 “우리는 그것에 대해 생각하고 있지만, 양자 후 암호화 (post quantum encryption)의 관점에서 더 접근하고 있습니다. 그것이 당신이 할 수 있는 가장 실질적이고 실행 가능한 일이라고 생각합니다”라고 말합니다.

대부분의 추정되는 양자 아키텍처 (quantum architectures)가 여전히 영하 270도 범위의 온도를 필요로 한다는 사실은 Lee에게 “양자 컴퓨팅 (quantum computing)이 실제로 어떤 생산 수준에 도달하기까지는 꽤 오랜 시간이 걸릴 것”임을 시사합니다. 그리고 설령 그렇다 하더라도, “양자는 백오피스 (back office) IT 시스템을 더 빠르게 만들어 줄 기술이 아닙니다. 암호 알고리즘 (encryption algorithms)을 해독하는 것은 가능하겠지만요. 그렇다면 그 사이의 영역은 어떨까요? 그것은 해결하는 데 시간이 좀 걸릴 것이라고 생각합니다.”