AI 스케일링의 한계와 새로운 컴퓨팅 인프라 전략
Cerebras Systems’ Andrew Feldman on whether AI can keep scaling at TechCrunch Disrupt 2026
TechCrunch AIAI 모델의 성능 향상에 따른 컴퓨팅 수요 증가와 인프라 한계 문제를 다루며, 기존 패러다임을 넘어서는 새로운 하드웨어 접근법을 제시했습니다.
- 웨이퍼 전체를 활용하는 '웨이퍼 스케일 컴퓨팅' 아키텍처로 연산 난제를 해결하고 있으며, 대규모 데이터센터 구축으로 인프라 확장까지 병행합니다.
- AI 성장은 단순히 더 빠른 프로세서 설계만으로는 불가능하며, 전력, 냉각, 제조 등 물리적 기반 시설 전체가 필수적으로 뒷받침되어야 함을 강조했습니다.
- 지속 가능한 AI 확장을 위해서는 컴퓨팅 수요뿐 아니라 데이터센터 용량 확보와 제조 역량 증대가 핵심 과제이며, 기존 하드웨어는 한계에 다다르고 있습니다.
AI 모델이 발전함에 따라 컴퓨팅, 에너지, 그리고 인프라에 대한 수요가 급증하고 있으며, 이러한 성장이 지속 가능한지에 대한 의문이 제기되고 있습니다. Cerebras Systems는 기존의 칩 아키텍처라는 기본적인 가정을 깨고, 웨이퍼 전체를 활용하는 '웨이퍼 스케일 컴퓨팅' 방식을 개발하여 고성능 AI 연산 난제를 해결하고 있습니다.
회사는 이러한 독자적인 접근법을 확장하며 시장에 진출했습니다. Cerebras는 IPO를 통해 $5.5 billion을 유치했으며, 오픈AI와 다년 계약을 체결하여 2026년부터 2028년까지 총 750 megawatts 규모의 시스템을 배치할 예정입니다. 또한 최신 세대 웨이퍼 스케일 AI 인프라인 CS-4를 공개하며 컴퓨팅 역량을 확대하고 있습니다.
AI 확장은 단순히 더 빠른 프로세서 설계만으로는 해결되지 않으며, 데이터센터 용량, 전력 공급, 냉각 시스템, 제조 능력과 같은 물리적 기반 시설 전체가 필수적으로 뒷받침되어야 합니다. Cerebras는 이미 이 과제에 대응하여 2027년 말까지 운영 중이거나 계약된 600 megawatts 이상의 데이터센터 용량을 확보했으며, 2026년에는 제조 역량을 10배 이상 늘릴 계획입니다.