상승 전환추적 후보Codex 검토엔비디아가 원격 데이터센터까지 묶는 네트워킹을 공개해 경쟁 범위를 넓히는지 검토할 근거가 생겼다.경쟁력 검증달라진 점엔비디아는 2025년 8월 Spectrum-XGS를 출시하고 NCCL의 데이터센터 간 훈련 지원을 업데이트했으며, 원격 두 클러스터 훈련 사례를 제시했다.다르게 볼 이유작성자는 이를 GPU 단위에서 랙·데이터센터 단위로 경쟁 축을 옮겨 GPU 가동률과 TCO의 이점을 넓히는 과정으로 평가한다. 이는 Codex가 엔비디아의 경쟁 범위를 다시 검토하는 근거다.남은 확인원문은 분산형이 모든 모델에 유리하지 않고, 통신량이 많은 MoE에는 중앙집중형 캠퍼스가 유리하다고 함께 적었다.
원문을 바탕으로 한 Codex의 독립 판단입니다. 출처가 전한 사실·해석과 구분해 읽을 수 있습니다.
분석 대상 · 엔비디아 Spectrum-XGS 출시
이전에는
이전 상태의 비교 근거가 이 분석에 정리되지 않았습니다.
새롭게 달라진 점
엔비디아는 2025년 8월 Spectrum-XGS를 출시하고 NCCL의 데이터센터 간 훈련 지원을 업데이트했으며, 원격 두 클러스터 훈련 사례를 제시했다.
원문 근거
지금 당장 데이터센터를 새로 짓기로 시작한다고 하더라도 실제로 짓는데 매우 오랜 시간이 걸리기 때문입니다. 데이터센터에 쓸 전력은 북미뿐만 아니라 유럽도 크게 부족한 상황이고, 싱가포르, 중동도 전 세계적으로 용량 부족을 겪고 있습니다. 엔비디아의 다음 스텝 준비: Scale-across 엔비디아가 먼 거리의 데이터센터들을 하나처럼 엮어 훈련용 컴퓨팅 클러스터로 쓸 수 있게 2025년 8월 24일, Hot Chips에서 Spectrum-XGS를 출시했습니다. 전력 병목을 줄일 수는 없지만 다소 완화(그렇다고 너무 작은 클러스터 여럿을 묶는 건 복잡성 비용이 더 늘어날 것)하고, 데이터센터 단위의 경쟁으로 나아가기 위함입니다. 100만 개 GPU 클러스터 시대를 맞이하기 위한 준비는 차곡차곡 되고 있습니다. GPT-7, GPT-8, GPT-9를 맞이하기 위한 X Factor입니다. ⓐ5월 8일, 엔비디아가 자체적으로 NVIDIA Nemotron-4 340B를 1,000km 가까이 떨어진 두 개의 클러스터에서 End-to-End 21ms정도의 지연시간으로 단일 사이트 Throughput 96%정도를 유지하며 모델을 훈련시킨 내용을 공개한 바 있습니다.
엔비디아는 동일한 접근 방식으로 궁극적으로 여러 시설에 걸쳐 50만 개 이상의 GPU를 조정할 수 있다고 주장했습니다. ⓑ7월 14일에는 엔비디아의 네트워킹에서 사용하는 라이브러리인 NCCL에서도 데이터센터를 오가며 훈련할 수 있도록 업데이트했습니다. 구글이 이미 제미나이 2.0~2.5부터 하고 있는 방법이기도 하고, 최근에 화웨이도 Cross-DC에 집중하고 있습니다. 네트워킹적인 능력을 통해서 단일 부지에서의 GPU 클러스터를 확장할 때 생기는 비효율을 보완할 수 있는 방법이기 때문입니다. 결과적으로 보자면 몇 가지로 나눠볼 수 있습니다: 엔비디아는 좋습니다. Spectrum-XGS, NCCL/NeMo, Enfabrica 자산을 통해서 데이터센터의 전체를 기준으로 TCO 대비 퍼포먼스 차원에서 이점을 가져갑니다. GPU의 연산에 병목이 되거나 비효율적인 '모든 것'을 효율화하는 차원입니다. GPU 가동률을 높이면 GPU를 구매하는 사람들의 수익창출 능력이 좋아지니 엔비디아의 제품을 선호하게 되는 효과로 남습니다. GPU 단위 경쟁을 넘어 → 랙 단위 경쟁 → 데이터센터 단위 경쟁으로 경쟁의 축을 이동시키는 과정입니다.
다르게 볼 이유
작성자는 이를 GPU 단위에서 랙·데이터센터 단위로 경쟁 축을 옮겨 GPU 가동률과 TCO의 이점을 넓히는 과정으로 평가한다. 이는 Codex가 엔비디아의 경쟁 범위를 다시 검토하는 근거다.
원문 근거
이더넷 기업들은 미묘한 입장입니다. 기본적으로는 시장이 성장하니 나쁜 기업은 별로 없지만 엔비디아가 이더넷을 앞세워서 침투하는 과정에서 생기는 변화들을 따로 공부하셔야 합니다. Spectrum-XGS, SuperNIC를 통해 침투함에 따라 기존 상용 이더넷의 파이를 가져가는 중입니다. CPO, Spectrum-XGS, Enfabrica를 통해서 전체 랙, 데이터센터 단위로 침투하다보니 그만큼의 새로운 시장을 엔비디아가 일부 가져가는 중입니다. 광섬유, 광시스템 기업들은 좋습니다. 최근 광섬유 기업들의 주가가 좋은 이유입니다. 그리고 분산형 훈련이 안착할 경우 지하 광섬유를 파려면 토목 공사 계약도 늘어날 것으로 예상합니다. 다만, 그렇다고 계속해서 분산되는 것은 아닙니다. 중앙 집중식 훈련이 우세하냐, 분산식 훈련이 좋으냐는 것은 어떤 LLM을 훈련시킬 것이냐에 따라서도 다릅니다. 분산형이 유리한 건: 아주 방대한 데이터셋을 활용하여, 사전 훈련할 경우입니다. 데이터를 여러 덩어리로 나눠서 각기 다른 곳에서 동시에 병렬 처리하는 방식이 꽤나 유용합니다. 굳이 모든 장비가 모여있지 않고 여러 지역에 흩어져 있어도 잘 작동합니다.
판단을 바꿀 조건
원문의 분산형 훈련 적용 범위가 제한되거나 중앙집중형 수요가 우세하다는 확인은 이 긍정 논리를 약화시킬 조건이다.
원문 근거
중앙집중식이 유리한 건: MoE처럼 LLM 구조가 매우 복잡해서, 훈련 도중에 GPU끼리 데이터를 끊임없이 주고 받아야 할 때(communication-heavy)입니다. 지연시간은 기본적으로 빛의 속도라는 물리적 한계가 있기 때문에 아예 피할 수는 없습니다. 그래서 이런 모델은 아예 한 곳에 빽빽하게 GPU-네트워킹이 몰려있는 초대형 캠퍼스가 속도에서 유리합니다. 예를 들면: 마이크로소프트 Fairwater 캠퍼스, 메타 Hyperion 캠퍼스, 아마존 Project Rainier 캠퍼스, xAI Colossus 캠퍼스입니다. 몇 년째 많은 사례들을 통해서 말씀드리곤 하지만, 엔비디아는 고객의 개발자들과 일선에서 함께 협력하며 판을 짜고 있기 때문에 계속해서 새로운 X Factor를 찾아내고 계속해서 해자를 강화하는 작업 중입니다. 애플, 25년 PER 36배 / Underweight 애플, 아이폰용으로 5가지 위성 인터넷 기능 구상 중 애플이 내부적으로 셀룰러나 Wi-Fi 없이도 위성을 통해서 할 수 있는 몇 가지 기능들을 테스트 중입니다: ⓐ위성을 통해서 애플지도로 내비게이션을 쓸 수 있게 한다거나, ⓑ위성을 통해서 메시지 앱에서 사진까지 전송할 수 있도록 지원하고, ⓒ실내에서도 위성 인터넷을 이용할 수 있도록 하며(원래는 맑은 하늘에 직접 향하게 해야 했음), ⓓ5G도 기지국에서 위성을 통해 커버리지를 넓히도록 돕고, ⓔ개발자들이 자체적으로 사용자들이 위성 연결 시 사용할 수 있는 앱을 개발할 수 있도록 하는 API를 개발 중입니다.
판단을 뒷받침하는 근거
- 원문은 Spectrum-XGS, NCCL/NeMo, Enfabrica 자산이 데이터센터 전체 기준의 TCO 대비 성능 이점으로 연결된다고 적었다.
원문 근거
이더넷 기업들은 미묘한 입장입니다. 기본적으로는 시장이 성장하니 나쁜 기업은 별로 없지만 엔비디아가 이더넷을 앞세워서 침투하는 과정에서 생기는 변화들을 따로 공부하셔야 합니다. Spectrum-XGS, SuperNIC를 통해 침투함에 따라 기존 상용 이더넷의 파이를 가져가는 중입니다. CPO, Spectrum-XGS, Enfabrica를 통해서 전체 랙, 데이터센터 단위로 침투하다보니 그만큼의 새로운 시장을 엔비디아가 일부 가져가는 중입니다. 광섬유, 광시스템 기업들은 좋습니다. 최근 광섬유 기업들의 주가가 좋은 이유입니다. 그리고 분산형 훈련이 안착할 경우 지하 광섬유를 파려면 토목 공사 계약도 늘어날 것으로 예상합니다. 다만, 그렇다고 계속해서 분산되는 것은 아닙니다. 중앙 집중식 훈련이 우세하냐, 분산식 훈련이 좋으냐는 것은 어떤 LLM을 훈련시킬 것이냐에 따라서도 다릅니다. 분산형이 유리한 건: 아주 방대한 데이터셋을 활용하여, 사전 훈련할 경우입니다. 데이터를 여러 덩어리로 나눠서 각기 다른 곳에서 동시에 병렬 처리하는 방식이 꽤나 유용합니다. 굳이 모든 장비가 모여있지 않고 여러 지역에 흩어져 있어도 잘 작동합니다.
반대 근거·남은 조건
- 원문은 분산형이 모든 모델에 유리하지 않고, 통신량이 많은 MoE에는 중앙집중형 캠퍼스가 유리하다고 함께 적었다.
원문 근거
중앙집중식이 유리한 건: MoE처럼 LLM 구조가 매우 복잡해서, 훈련 도중에 GPU끼리 데이터를 끊임없이 주고 받아야 할 때(communication-heavy)입니다. 지연시간은 기본적으로 빛의 속도라는 물리적 한계가 있기 때문에 아예 피할 수는 없습니다. 그래서 이런 모델은 아예 한 곳에 빽빽하게 GPU-네트워킹이 몰려있는 초대형 캠퍼스가 속도에서 유리합니다. 예를 들면: 마이크로소프트 Fairwater 캠퍼스, 메타 Hyperion 캠퍼스, 아마존 Project Rainier 캠퍼스, xAI Colossus 캠퍼스입니다. 몇 년째 많은 사례들을 통해서 말씀드리곤 하지만, 엔비디아는 고객의 개발자들과 일선에서 함께 협력하며 판을 짜고 있기 때문에 계속해서 새로운 X Factor를 찾아내고 계속해서 해자를 강화하는 작업 중입니다. 애플, 25년 PER 36배 / Underweight 애플, 아이폰용으로 5가지 위성 인터넷 기능 구상 중 애플이 내부적으로 셀룰러나 Wi-Fi 없이도 위성을 통해서 할 수 있는 몇 가지 기능들을 테스트 중입니다: ⓐ위성을 통해서 애플지도로 내비게이션을 쓸 수 있게 한다거나, ⓑ위성을 통해서 메시지 앱에서 사진까지 전송할 수 있도록 지원하고, ⓒ실내에서도 위성 인터넷을 이용할 수 있도록 하며(원래는 맑은 하늘에 직접 향하게 해야 했음), ⓓ5G도 기지국에서 위성을 통해 커버리지를 넓히도록 돕고, ⓔ개발자들이 자체적으로 사용자들이 위성 연결 시 사용할 수 있는 앱을 개발할 수 있도록 하는 API를 개발 중입니다.
다음 확인 지점
- 분산형 훈련이 실제 고객 워크로드와 제품 채택으로 이어지는지 확인할 필요가 있다.
원문 근거
지금 당장 데이터센터를 새로 짓기로 시작한다고 하더라도 실제로 짓는데 매우 오랜 시간이 걸리기 때문입니다. 데이터센터에 쓸 전력은 북미뿐만 아니라 유럽도 크게 부족한 상황이고, 싱가포르, 중동도 전 세계적으로 용량 부족을 겪고 있습니다. 엔비디아의 다음 스텝 준비: Scale-across 엔비디아가 먼 거리의 데이터센터들을 하나처럼 엮어 훈련용 컴퓨팅 클러스터로 쓸 수 있게 2025년 8월 24일, Hot Chips에서 Spectrum-XGS를 출시했습니다. 전력 병목을 줄일 수는 없지만 다소 완화(그렇다고 너무 작은 클러스터 여럿을 묶는 건 복잡성 비용이 더 늘어날 것)하고, 데이터센터 단위의 경쟁으로 나아가기 위함입니다. 100만 개 GPU 클러스터 시대를 맞이하기 위한 준비는 차곡차곡 되고 있습니다. GPT-7, GPT-8, GPT-9를 맞이하기 위한 X Factor입니다. ⓐ5월 8일, 엔비디아가 자체적으로 NVIDIA Nemotron-4 340B를 1,000km 가까이 떨어진 두 개의 클러스터에서 End-to-End 21ms정도의 지연시간으로 단일 사이트 Throughput 96%정도를 유지하며 모델을 훈련시킨 내용을 공개한 바 있습니다.
중앙집중식이 유리한 건: MoE처럼 LLM 구조가 매우 복잡해서, 훈련 도중에 GPU끼리 데이터를 끊임없이 주고 받아야 할 때(communication-heavy)입니다. 지연시간은 기본적으로 빛의 속도라는 물리적 한계가 있기 때문에 아예 피할 수는 없습니다. 그래서 이런 모델은 아예 한 곳에 빽빽하게 GPU-네트워킹이 몰려있는 초대형 캠퍼스가 속도에서 유리합니다. 예를 들면: 마이크로소프트 Fairwater 캠퍼스, 메타 Hyperion 캠퍼스, 아마존 Project Rainier 캠퍼스, xAI Colossus 캠퍼스입니다. 몇 년째 많은 사례들을 통해서 말씀드리곤 하지만, 엔비디아는 고객의 개발자들과 일선에서 함께 협력하며 판을 짜고 있기 때문에 계속해서 새로운 X Factor를 찾아내고 계속해서 해자를 강화하는 작업 중입니다. 애플, 25년 PER 36배 / Underweight 애플, 아이폰용으로 5가지 위성 인터넷 기능 구상 중 애플이 내부적으로 셀룰러나 Wi-Fi 없이도 위성을 통해서 할 수 있는 몇 가지 기능들을 테스트 중입니다: ⓐ위성을 통해서 애플지도로 내비게이션을 쓸 수 있게 한다거나, ⓑ위성을 통해서 메시지 앱에서 사진까지 전송할 수 있도록 지원하고, ⓒ실내에서도 위성 인터넷을 이용할 수 있도록 하며(원래는 맑은 하늘에 직접 향하게 해야 했음), ⓓ5G도 기지국에서 위성을 통해 커버리지를 넓히도록 돕고, ⓔ개발자들이 자체적으로 사용자들이 위성 연결 시 사용할 수 있는 앱을 개발할 수 있도록 하는 API를 개발 중입니다.
아직 모르는 점
- 실제 매출 기여와 고객 채택 규모는 현재 원문에서 확인되지 않는다.
원문 근거 4개 펼치기
출처가 전한 사실
- 엔비디아는 2025년 8월 24일 Hot Chips에서 먼 데이터센터를 훈련 클러스터로 묶는 Spectrum-XGS를 출시했고, 7월 14일 NCCL도 데이터센터 간 훈련을 지원하도록 업데이트했다.
출처의 해석·전망
- 작성자는 엔비디아가 GPU 단위 경쟁을 랙과 데이터센터 단위 경쟁으로 옮기며 병목과 비효율을 줄이는 전략을 강화하고 있다고 평가한다.
- 원격 두 클러스터의 훈련 실증과 네트워킹·소프트웨어·Enfabrica 자산을 GPU 가동률과 TCO 개선에 연결했으며, 분산형과 중앙집중형의 적용 조건이 다르다고 설명했다.
보존 원문 발췌
지금 당장 데이터센터를 새로 짓기로 시작한다고 하더라도 실제로 짓는데 매우 오랜 시간이 걸리기 때문입니다. 데이터센터에 쓸 전력은 북미뿐만 아니라 유럽도 크게 부족한 상황이고, 싱가포르, 중동도 전 세계적으로 용량 부족을 겪고 있습니다. 엔비디아의 다음 스텝 준비: Scale-across 엔비디아가 먼 거리의 데이터센터들을 하나처럼 엮어 훈련용 컴퓨팅 클러스터로 쓸 수 있게 2025년 8월 24일, Hot Chips에서 Spectrum-XGS를 출시했습니다. 전력 병목을 줄일 수는 없지만 다소 완화(그렇다고 너무 작은 클러스터 여럿을 묶는 건 복잡성 비용이 더 늘어날 것)하고, 데이터센터 단위의 경쟁으로 나아가기 위함입니다. 100만 개 GPU 클러스터 시대를 맞이하기 위한 준비는 차곡차곡 되고 있습니다. GPT-7, GPT-8, GPT-9를 맞이하기 위한 X Factor입니다. ⓐ5월 8일, 엔비디아가 자체적으로 NVIDIA Nemotron-4 340B를 1,000km 가까이 떨어진 두 개의 클러스터에서 End-to-End 21ms정도의 지연시간으로 단일 사이트 Throughput 96%정도를 유지하며 모델을 훈련시킨 내용을 공개한 바 있습니다.
엔비디아는 동일한 접근 방식으로 궁극적으로 여러 시설에 걸쳐 50만 개 이상의 GPU를 조정할 수 있다고 주장했습니다. ⓑ7월 14일에는 엔비디아의 네트워킹에서 사용하는 라이브러리인 NCCL에서도 데이터센터를 오가며 훈련할 수 있도록 업데이트했습니다. 구글이 이미 제미나이 2.0~2.5부터 하고 있는 방법이기도 하고, 최근에 화웨이도 Cross-DC에 집중하고 있습니다. 네트워킹적인 능력을 통해서 단일 부지에서의 GPU 클러스터를 확장할 때 생기는 비효율을 보완할 수 있는 방법이기 때문입니다. 결과적으로 보자면 몇 가지로 나눠볼 수 있습니다: 엔비디아는 좋습니다. Spectrum-XGS, NCCL/NeMo, Enfabrica 자산을 통해서 데이터센터의 전체를 기준으로 TCO 대비 퍼포먼스 차원에서 이점을 가져갑니다. GPU의 연산에 병목이 되거나 비효율적인 '모든 것'을 효율화하는 차원입니다. GPU 가동률을 높이면 GPU를 구매하는 사람들의 수익창출 능력이 좋아지니 엔비디아의 제품을 선호하게 되는 효과로 남습니다. GPU 단위 경쟁을 넘어 → 랙 단위 경쟁 → 데이터센터 단위 경쟁으로 경쟁의 축을 이동시키는 과정입니다.
이더넷 기업들은 미묘한 입장입니다. 기본적으로는 시장이 성장하니 나쁜 기업은 별로 없지만 엔비디아가 이더넷을 앞세워서 침투하는 과정에서 생기는 변화들을 따로 공부하셔야 합니다. Spectrum-XGS, SuperNIC를 통해 침투함에 따라 기존 상용 이더넷의 파이를 가져가는 중입니다. CPO, Spectrum-XGS, Enfabrica를 통해서 전체 랙, 데이터센터 단위로 침투하다보니 그만큼의 새로운 시장을 엔비디아가 일부 가져가는 중입니다. 광섬유, 광시스템 기업들은 좋습니다. 최근 광섬유 기업들의 주가가 좋은 이유입니다. 그리고 분산형 훈련이 안착할 경우 지하 광섬유를 파려면 토목 공사 계약도 늘어날 것으로 예상합니다. 다만, 그렇다고 계속해서 분산되는 것은 아닙니다. 중앙 집중식 훈련이 우세하냐, 분산식 훈련이 좋으냐는 것은 어떤 LLM을 훈련시킬 것이냐에 따라서도 다릅니다. 분산형이 유리한 건: 아주 방대한 데이터셋을 활용하여, 사전 훈련할 경우입니다. 데이터를 여러 덩어리로 나눠서 각기 다른 곳에서 동시에 병렬 처리하는 방식이 꽤나 유용합니다. 굳이 모든 장비가 모여있지 않고 여러 지역에 흩어져 있어도 잘 작동합니다.
중앙집중식이 유리한 건: MoE처럼 LLM 구조가 매우 복잡해서, 훈련 도중에 GPU끼리 데이터를 끊임없이 주고 받아야 할 때(communication-heavy)입니다. 지연시간은 기본적으로 빛의 속도라는 물리적 한계가 있기 때문에 아예 피할 수는 없습니다. 그래서 이런 모델은 아예 한 곳에 빽빽하게 GPU-네트워킹이 몰려있는 초대형 캠퍼스가 속도에서 유리합니다. 예를 들면: 마이크로소프트 Fairwater 캠퍼스, 메타 Hyperion 캠퍼스, 아마존 Project Rainier 캠퍼스, xAI Colossus 캠퍼스입니다. 몇 년째 많은 사례들을 통해서 말씀드리곤 하지만, 엔비디아는 고객의 개발자들과 일선에서 함께 협력하며 판을 짜고 있기 때문에 계속해서 새로운 X Factor를 찾아내고 계속해서 해자를 강화하는 작업 중입니다. 애플, 25년 PER 36배 / Underweight 애플, 아이폰용으로 5가지 위성 인터넷 기능 구상 중 애플이 내부적으로 셀룰러나 Wi-Fi 없이도 위성을 통해서 할 수 있는 몇 가지 기능들을 테스트 중입니다: ⓐ위성을 통해서 애플지도로 내비게이션을 쓸 수 있게 한다거나, ⓑ위성을 통해서 메시지 앱에서 사진까지 전송할 수 있도록 지원하고, ⓒ실내에서도 위성 인터넷을 이용할 수 있도록 하며(원래는 맑은 하늘에 직접 향하게 해야 했음), ⓓ5G도 기지국에서 위성을 통해 커버리지를 넓히도록 돕고, ⓔ개발자들이 자체적으로 사용자들이 위성 연결 시 사용할 수 있는 앱을 개발할 수 있도록 하는 API를 개발 중입니다.
상승 관점 보조 신호 · 가격 충격·지속성·후속 근거
장대양봉급 뉴스
근거 미확인- 이 자료에서 판단할 근거를 확보하지 못했습니다.
지속 턴어라운드
근거 미확인- 이 자료에서 판단할 근거를 확보하지 못했습니다.
셀온 뒤 재상승 근거
근거 미확인- 이 자료에서 판단할 근거를 확보하지 못했습니다.