129억 달러 베팅, 엔비디아가 오픈소스 AI 심장부를 삼킨 이유 작성일 09-07 51 목록 <div id="layerTranslateNotice" style="display:none;"></div> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="H5fBNf5TvW"> <div contents-hash="f6ba2fe28eaebc1d621b8757ff6a7246e9ea71557c53b7c70750dcfa1440e5fc" dmcf-pid="X14bj41ySy" dmcf-ptype="general"> <ul> <li>구글·메타 제치고 허깅페이스 품은 젠슨 황의 '판 뒤집기'</li> <li>기업들 "API 비용 폭탄 터졌다"…오픈모델로 대이동 시작됐다</li> </ul> </div> <div contents-hash="33c5c1ae422c417dc37e3e0e3e4939e0e240acde57007b3d6e527d1b98c6408e" dmcf-pid="Zt8KA8tWlT" dmcf-ptype="general"> 엔비디아가 9월 3일 허깅페이스 인수 계획을 공식 발표했다. 인수 금액은 129억 3,030만 달러다. 재미있는 건 가격 앞자리 6개 숫자가 원주율(3.14159…)을 거꾸로 뒤집은 것이라는 점이다. 레딧 이용자들이 발견한 이 이스터에그는 엔비디아가 이번 거래에 얼마나 신경을 썼는지 보여준다. <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="6d3feadf51ae63052f08a02614dedaf0b6165bae91a14d5e41cf091bc534c7a0" dmcf-pid="5F69c6FYSv" dmcf-ptype="figure"> <p class="link_figure"><img alt="엔비디아가 129억 3,030만 달러(약 17조 4,500억 원)에 허깅페이스 인수 계획을 공식 발표했다. (사진=엔비디아)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202609/07/552816-OGTrtXj/20260907083055055yjzm.png" data-org-width="707" dmcf-mid="Y2XT2XDgWG" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202609/07/552816-OGTrtXj/20260907083055055yjzm.png" width="658"></p> <figcaption class="txt_caption default_figure"> 엔비디아가 129억 3,030만 달러(약 17조 4,500억 원)에 허깅페이스 인수 계획을 공식 발표했다. (사진=엔비디아) </figcaption> </figure> <div contents-hash="5fdd1d2feb1dca99ddfb573cfa90e89df6d34be84236474e6cb5b20dc09c6d80" dmcf-pid="13P2kP3GCS" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="49136d2125128f6e8e01045a190b9e76cbfd0471a57990c9bb78a39bc7880e94" dmcf-pid="t0QVEQ0HCl" dmcf-ptype="general">2027년 상반기 규제 승인을 거쳐 인수가 마무리되면, 엔비디아는 지난해 12월 그록(Groq)과 맺은 200억 달러 규모 라이선스 계약에 이어 두 번째로 큰 딜을 완성하게 된다. 그록 건은 인수가 아니라 기술 라이선스 계약이었다. 허깅페이스는 완전 인수다. </p> <p contents-hash="55f0b37b249f4165bca685f8b9e08cc815c650c5fd6b74fa52a43d0330f3e64e" dmcf-pid="FpxfDxpXSh" dmcf-ptype="general"><strong>■ 1,800만 개발자가 매일 여는 사이트</strong> </p> <p contents-hash="6bb520a7ffd0eec26a17eac25ddc602e26b45a2daa14c74a7b20104429883401" dmcf-pid="3pxfDxpXyC" dmcf-ptype="general">허깅페이스를 쓰는 개발자와 연구자, 크리에이터는 1,800만 명이 넘는다. 이들이 공유한 모델은 300만 개, 데이터셋은 50만 개, 애플리케이션은 100만 개다. 20만 개 기업이 이곳에서 AI 모델을 찾아 자기 서비스에 맞게 고쳐 쓴다. </p> <p contents-hash="beeed51bbf5f35ad62e41ce98fe797723c3d499941f3717d9255957b3d73067b" dmcf-pid="0UM4wMUZlI" dmcf-ptype="general">2026년 여름까지 공개 모델 수는 296만 개로 늘었다. 데이터셋은 100만 개를 돌파했다. 올 봄 집계에선 사용자가 1,300만 명, 모델이 200만 개였는데 몇 달 새 크게 증가했다. 성장 속도보다 주목할 부분은 사용 패턴 변화다. 그냥 모델을 받아 쓰던 사람들이 이제 직접 파인튜닝하고 어댑터를 만들고 벤치마크를 올린다. 2022년 전엔 산업체가 전체 개발의 70%를 차지했는데 2025년엔 37%로 떨어졌다. 독립 개발자 비중은 17%에서 39%로 뛰었다. </p> <p contents-hash="4a6fd4a7f44339b87a83e0499b2cbb1334ccc5dbb8c8ec3214bff931de4cd39a" dmcf-pid="puR8rRu5TO" dmcf-ptype="general">중국의 존재감도 커졌다. 월간 다운로드에서 중국이 미국을 앞질렀고 중국산 모델이 전체 다운로드의 41%를 차지한다. 미국 기업 입장에선 부담스러운 대목이다. 대형 시스템통합업체 한 임원은 "중국에서 만든 모델을 본격 도입하려다 이사회에서 제동이 걸리는 경우가 많다"고 귀띔했다. </p> <p contents-hash="8a449e4aff0c8cf181c73930ea280811a1e3ddb05e73eb3abdcf603b8b4aa3fb" dmcf-pid="U7e6me71hs" dmcf-ptype="general"><strong>■ 폐쇄형 모델 쓰다 파산 직전까지 간 회사들</strong> </p> <p contents-hash="bd2a511148e928dff34caae9964fe08abb9b872ec5007f9101d56f3431b50e18" dmcf-pid="uzdPsdzthm" dmcf-ptype="general">오픈AI나 앤스로픽의 폐쇄형 모델은 처음 써보긴 쉽다. API 키 하나면 바로 쓸 수 있다. 문제는 규모가 커질 때 생긴다. 하루 토큰 사용량이 수백만 단위로 올라가면 비용이 걷잡을 수 없이 불어난다. 데이터 소유권 문제도 따라붙는다. 내 고객 데이터를 남의 서버로 보내는 게 맞나 싶은 거다. </p> <p contents-hash="8ca00dfdd4b5318d58f66043ecd089cd5d911280f37e0f50a01630b58aac55b1" dmcf-pid="7qJQOJqFhr" dmcf-ptype="general">휴스턴의 시스템통합업체 마크3시스템즈에서 전략을 담당하는 앤디 린은 "대기업들이 오픈 모델을 돌리는 중앙화된 AI 팩토리 구축을 1순위로 놓고 있다"고 말했다. AI 팩토리는 기존 데이터센터와 다르다. 데이터를 쌓아두기만 하는 게 아니라 데이터를 학습시키고 추론하고 결과를 뽑아내는 전 과정을 처리한다. 실시간으로 지능을 만들어내는 공장이라고 보면 된다. </p> <p contents-hash="3b2904444fcd9cfecf5e5309a5538918806dc2539edce0289de6500fadbe5bb1" dmcf-pid="zBixIiB3Cw" dmcf-ptype="general">실제 비용을 비교해보면 차이가 명확하다. 하루 200만 토큰을 처리하는 기업이 GPT-5.2를 쓰면 한 달에 약 3,000달러가 든다. 같은 일을 미스트랄 라지3로 AWS H100 인스턴스 2대에서 돌리면 월 1,200달러면 된다. 60% 절감이다. 하루 1,000만 토큰으로 늘어나면 API 비용은 계속 선형으로 오르지만 인프라 비용은 크게 안 늘어서 절감율이 85%를 넘는다. </p> <p contents-hash="e65986485aba5d1f2d10dbe772ab268cb899b15dd296e9384785e4e957f7cd23" dmcf-pid="qbnMCnb0TD" dmcf-ptype="general">오픈소스 모델은 토큰 1,000개당 0.001~0.005달러 수준이다. 폐쇄형 API는 0.025~0.15달러다. 최소 5배에서 최대 30배까지 차이가 난다. 하루 50만~100만 토큰쯤 되면 자체 호스팅이 이득이다. 특정 업무에 맞춰 튜닝한 70억 파라미터 모델은 범용 700억 모델보다 성능이 좋으면서 컴퓨팅 자원은 10분의 1만 쓴다. </p> <p contents-hash="65213fbd504cf7363407a3aa580cf544c7a1cc0005e217ca2447a62a8cc08987" dmcf-pid="BKLRhLKpyE" dmcf-ptype="general"><strong>■ 중국 모델들이 기업 시장 선점하는 중</strong> </p> <div contents-hash="5daa4c43ac2d766bcb6b90c67b42a12403bf798921580dfa81cbfe13a89379be" dmcf-pid="bpxfDxpXhk" dmcf-ptype="general"> 2026년 오픈소스 시장은 중국 모델이 주도한다. 칭화대 팀이 만든 GLM-4.7은 소프트웨어 엔지니어링 벤치마크 SWE-bench에서 73.8%를 기록했다. 클로드 쓰는 것보다 비용은 7분의 1이다. 미니맥스의 M2.7은 다국어 코딩에서 클로드 소넷 4.5를 앞섰다. 딥시크 V3.2는 GPT-5.1급 성능을 10분의 1 가격에 제공하면서 아시아와 유럽에서 채택률이 급증했다. <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="11b43851279ae39c05442ec6758839d5ddcc0323b8f97a9a426a9f0dcb9b47f2" dmcf-pid="KUM4wMUZvc" dmcf-ptype="figure"> <p class="link_figure"><img alt="GLM-4.7은 소프트웨어 엔지니어링 벤치마크 SWE-bench에서 73.8%를 기록했다. (사진=Medium 홈페이지 캡처)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202609/07/552816-OGTrtXj/20260907083056887igji.png" data-org-width="1024" dmcf-mid="GHM4wMUZTY" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202609/07/552816-OGTrtXj/20260907083056887igji.png" width="658"></p> <figcaption class="txt_caption default_figure"> GLM-4.7은 소프트웨어 엔지니어링 벤치마크 SWE-bench에서 73.8%를 기록했다. (사진=Medium 홈페이지 캡처) </figcaption> </figure> <div contents-hash="2fc3cddd3e68261182fcef90be74003657112dc98680f41cf66d8c6fb348976e" dmcf-pid="9uR8rRu5hA" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="08ee34fac6068fec366e2c2882e764a9dc8aed0522f4f4e93cbb8a9db69a94be" dmcf-pid="27e6me71Tj" dmcf-ptype="general">메타의 라마4는 이미지와 영상 처리를 포함한 멀티모달 작업에서 강점을 보인다. 미스트랄 라지3는 코딩과 효율성에서 앞선다. 미스트랄은 아파치 2.0 라이선스라 기업 제품에 제약 없이 쓸 수 있다. 라마4는 사용자 7억 명까지 무료 라이선스를 제공해서 스타트업들이 선호한다. </p> <p contents-hash="5f5386e08253b1854e3cafa69c09c02e6b8b87737ac87896911c0e2d009c5aae" dmcf-pid="VzdPsdztyN" dmcf-ptype="general">가격 비교를 보면 왜 기업들이 움직이는지 알 수 있다. 미스트랄 라지3는 입력 토큰 100만 개당 0.5달러, 출력은 1.5달러다. GPT-5.4는 입력 2.5달러, 출력 15달러다. 입력 기준 80%, 출력 기준 90% 저렴하다. 클로드 소넷 4.6은 입력 3달러, 출력 15달러라 미스트랄이 6배 이상 싸다. </p> <p contents-hash="c5abeb9e4af1848a86b69f86c4d3d130ce5d8826e48ea2ae1081f71e7320bb40" dmcf-pid="fqJQOJqFva" dmcf-ptype="general"><strong>■ 로봇 시장 노리는 엔비디아의 복안</strong> </p> <p contents-hash="31310adbcf44c2b6afe9da3b8566610c6063149ee757944a44edce9e69763023" dmcf-pid="4BixIiB3Sg" dmcf-ptype="general">사우스다코타주의 스털링컴퓨터스 CTO 크리스토퍼 사이어는 "디지털 환경에서 로봇 훈련시키고 실물로 옮기는 작업이 엔비디아 도구 써도 아직 복잡하다"며 "허깅페이스가 프런트엔드 역할을 하면 훨씬 쉬워질 것"이라고 내다봤다. </p> <p contents-hash="2ef3ee0808d35b8ffbfef33b3f09bc1bef6951c7ab99c174359f189e3ad22722" dmcf-pid="8bnMCnb0vo" dmcf-ptype="general">엔비디아와 허깅페이스는 이미 로봇 라이브러리 레로봇(LeRobot)에서 협업 중이다. 엔비디아의 아이작 텔레옵은 사람이 조작한 데이터를 표준 형식으로 수집해 커뮤니티와 공유할 수 있게 해준다. 아이작 GR00T 1.7은 휴머노이드 로봇을 위한 오픈 비전언어액션 모델로, 새로운 로봇 형태와 작업에 빠르게 적응한다. </p> <p contents-hash="7160473254f842929a017cd82ad50ca48c9f5a62e306950c519159951e37024a" dmcf-pid="6KLRhLKpvL" dmcf-ptype="general">앞으로 코스모스3도 레로봇에 들어간다. 실제 데이터 수집이 어렵거나 비싸면 이 모델로 로봇 데이터를 생성하고 시나리오를 시뮬레이션할 수 있다. 엔비디아가 공개한 피지컬 AI 데이터셋은 다운로드가 1,500만 회를 넘었다. 35만 개 이상의 궤적 데이터와 5,700만 개의 그립 동작이 포함돼 있다. </p> <p contents-hash="6878ac1dc0011f3626aa31ff9c49ace9c397093bc6f81e345259071b6285cf4a" dmcf-pid="P9oelo9Uyn" dmcf-ptype="general"><strong>■ 오픈 플랫폼 유지 약속, 지켜질까</strong> </p> <p contents-hash="813c8f62d510fa73b2c4677ef2df982534a41d03b28c24897bffbd9c8ce70e58" dmcf-pid="QLhrphLxyi" dmcf-ptype="general">젠슨 황은 블로그에 "허깅페이스는 전체 AI 생태계를 위한 오픈 플랫폼으로 남는다"고 썼다. 개발자들이 원하는 모델, 프레임워크, 클라우드, 추론 서비스, 컴퓨팅 플랫폼을 자유롭게 선택할 수 있고 엔비디아 컴퓨팅은 필수가 아니라는 얘기다. 허깅페이스는 모든 모델 개발자를 계속 지원하고 멀티클라우드와 멀티액셀러레이터 환경을 유지한다는 방침이다. </p> <p contents-hash="7f7a092d8ef852b88f9538f7190172de8f047c90a753e7cf22f75ed752ac0ea8" dmcf-pid="xolmUloMhJ" dmcf-ptype="general">허깅페이스 CEO 클레망 들랑그는 CNBC 인터뷰에서 "허깅페이스와 오픈소스 AI가 전환점에 왔다고 판단해 올여름 황 CEO를 먼저 찾아갔다"고 밝혔다. 그는 "몇 주 만에 합의했다"며 "엔비디아가 완벽한 보금자리"라고 말했다. </p> <p contents-hash="bd0f0a3c2a284c251334277bcfade0ab6a4043ea741f81b3db55705bfd3e970c" dmcf-pid="yt8KA8tWyd" dmcf-ptype="general">약속이 지켜지면 엔비디아는 하드웨어 회사에서 생태계 플랫폼 기업으로 한 단계 진화한다. 경쟁사 칩을 쓰는 개발자도 허깅페이스를 통해 엔비디아 생태계 안으로 들어오게 된다. </p> <p contents-hash="de426163b95b8acf252b3f6d3a5a4c3fbdd1e9301041cba27ad2a9ce96ec4d5b" dmcf-pid="WF69c6FYhe" dmcf-ptype="general"><strong>■ 기업 시장 공략 본격화</strong> </p> <p contents-hash="c4668691d92a2d2855eaec4cb24d3e0eb871b404b2197496fb83a3d95682572a" dmcf-pid="Y3P2kP3GWR" dmcf-ptype="general">오하이오주의 시스템통합업체 애드바이젝스 CEO CR 하우디셸은 "엔비디아가 이제 기업 채택을 빠르게 추진할 수 있게 됐다"고 평가했다. 최근 엔비디아가 HPE 출신 모니카 질레를 글로벌 파트너십 부사장으로, 마이크로소프트 출신 닉 파커를 전 세계 현장운영 부사장으로 영입한 것도 같은 맥락이다. 하우디셸은 "채택이 더뎠던 기업 시장이 그들이 가고 싶은 곳"이라고 짚었다. </p> <p contents-hash="55e94de65ca986322fbd3c4ff17577cb1d8a168d2935b2136d366e3ff327a2e6" dmcf-pid="G0QVEQ0HyM" dmcf-ptype="general">엔비디아는 그동안 하이퍼스케일러와 네오클라우드에서 매출 대부분을 만들었다. 파트너들은 기업 고객을 다음 성장 동력으로 본다. 마크3시스템즈의 린은 "운명을 스스로 통제하려면 기업이 자체 AI 팩토리를 가져야 한다"며 "클라우드에만 의존했던 기업들이 이걸 깨닫고 있다"고 설명했다. </p> <p contents-hash="96b02468cdcac1a2e548556cc55295061b3c195cab89d5e9ccee5c177d6b69d2" dmcf-pid="HpxfDxpXCx" dmcf-ptype="general">엔비디아는 허깅페이스에 500개 이상의 모델과 250개 이상의 데이터셋을 올렸다. 허깅페이스에 가장 많이 기여하는 기업이다. 이제 플랫폼 자체를 소유하게 되면서 하드웨어부터 소프트웨어, 생태계까지 수직 통합이 완성된다. </p> <p contents-hash="0565d5f687bd8bd95b280ed06b2a861a76280d2a95549089d03869ca8478f412" dmcf-pid="XUM4wMUZWQ" dmcf-ptype="general">2027년 상반기 인수가 마무리되면 AI 시장 판도가 또 바뀐다. 젠슨 황은 1,800만 개발자와 300만 모델을 한 번에 확보했다. 그가 10년 전부터 준비한 AI 생태계 장악 전략의 마지막 퍼즐이 맞춰지는 순간이다. </p> <p contents-hash="f86a3cc3ee9f53c6fd8165472faea8167d29db0b9654500071d052ac10962247" dmcf-pid="ZuR8rRu5SP" dmcf-ptype="general">저작권자 © Tech42 - Tech Journalism by AI 테크42 무단전재 및 재배포 금지</p> </section> </div> 관련자료 이전 이스트시큐리티, 네이버클라우드와 사이버보안 특화 AI 모델 개발 09-07 다음 연초 끊고 전자담배 피우면 심혈관질환 위험↑…금연 수단 ‘글쎄’ 09-07 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
