젠슨 황이 네이버를 찾은 이유, 소버린 AI 동맹의 설계도

2026년 6월 5일 밤, 홍대 인근 삼겹살집 ‘형님 저요’의 계산대에는 원래 토스의 얼굴 결제 단말기만 있었다. 그날 네이버페이 단말기 ‘Npay 커넥트’가 한 대 더 들어왔다.

식사가 끝나고 이해진 네이버 의장이 그 단말기 앞에 섰다.

얼굴을 비추자 결제 완료 알림이 떴고, 옆에서 지켜보던 젠슨 황 엔비디아 CEO가 짧게 탄성을 냈다는 게 파이낸셜뉴스의 현장 기사다. 같은 테이블엔 최태원 SK 회장과 구광모 LG 회장도 있었다.

기사를 여러 개 겹쳐 읽다가 눈에 걸린 건 단말기가 ‘그날 설치됐다’는 대목이었다. 이 의장이 계산할 거라는 얘기가 돌자 네이버가 서둘러 들여놨다는 후문까지 붙어 있었다. 연출이었다는 뜻이다. 그리고 연출에 공을 들일 만큼 이 저녁이 네이버에게 중요했다는 뜻이기도 하다.

사흘 뒤인 6월 8일, 젠슨 황은 분당의 네이버 제2사옥 1784에 나타났고, 두 회사는 기가와트(GW)급 AI 팩토리를 함께 짓는다고 발표했다. 삼겹살 한 접시와 기가와트 계약 사이를 채우는 조각들을 하나씩 맞춰 보면, 이 거래의 본체는 GPU가 아니라 소버린 AI 시장을 겨냥한 역할 분담이라는 게 드러난다.

네이버 엔비디아 AI 팩토리 동맹, 무엇을 합의했나

한 줄로 줄이면 네이버가 엔비디아의 고객 자리에서 내려와 사업 주체가 됐다는 합의다.

지디넷코리아 보도에 따르면 네이버는 데이터센터 부지 확보와 구축·운영을 주도하고, 엔비디아는 GPU 공급에 더해 글로벌 고객 발굴과 매출, 사업 리스크를 함께 진다.

로드맵은 단계식이다.

2027년 상반기 네이버의 하이퍼스케일 데이터센터 ‘각 세종’에서 55메가와트(MW)를 먼저 가동하고, 같은 해 100MW, 2028년 200MW까지 해외로 규모를 넓힌 뒤 최종적으로 기가와트급에 닿겠다는 그림이다. 아이뉴스24는 1GW가 각 세종 최대 용량의 약 4배이고, 엔비디아 최신 GPU 수십만 장을 한꺼번에 담을 수 있는 크기라고 전했다.

숫자보다 눈여겨볼 건 리스크를 나눠 지는 구조다.

GPU를 팔고 끝나는 거래라면 엔비디아가 고객 발굴과 매출 부담까지 떠안을 이유가 없다. 양사는 이 인프라로 아시아·태평양을 넘어 중동과 유럽 시장까지 노린다고 밝혔다.

공장을 같이 짓는 쪽을 택했다는 건, 엔비디아가 네이버를 통해서만 열리는 시장이 있다고 봤다는 얘기다.

AI 팩토리에서 전력이 병목이 된 이유

데이터센터가 ‘공장’이 되면서 가장 먼저 모자라게 된 건 GPU가 아니라 전력이다.

2010년대 초반만 해도 데이터센터는 웹페이지와 메일을 돌려주는 조용한 창고에 가까웠고, 냉각은 에어컨으로 충분했다.

분기점은 2022년 11월 30일 ChatGPT 출시였다. 대규모 언어 모델이 실제 사용자 앞에 풀리자 데이터센터는 텍스트를 원료로 넣고 ‘토큰’이라는 단위의 지능을 쉬지 않고 찍어내는 설비가 됐다.

젠슨 황이 ‘AI 팩토리’라고 부르는 게 이 변화다. 그는 이번 발표에서도 실용적인 AI가 현장에 들어오면서 AI 팩토리 수요가 폭발하고 있다고 말했다. 수요가 폭발한다는 건 곧 전기가 모자란다는 말과 같다.

공장에는 공장의 제약이 따라온다. 기존 서버 한 랙이 먹는 전력은 10킬로와트(kW) 안팎이었는데, 엔비디아 블랙웰 가속기를 채운 랙은 120kW를 넘긴다. 같은 공간에 열 배가 넘는 전기가 들어오면 열도 그만큼 나온다.

그래서 AI 팩토리의 성적표는 GPU 몇 장이 아니라 ‘메가와트당 토큰을 얼마나 뽑느냐’로 바뀐다. 전력 계약은 고정돼 있고, 발전소를 새로 짓는 데는 몇 년이 걸린다. 주어진 전기 안에서 연산을 더 짜내는 쪽이 이기는 게임이 된 것이다.

엔비디아의 답이 DSX 플랫폼이다. 엔비디아 설명대로라면 DSX는 칩·시스템·소프트웨어·시설·파트너 기술을 한 스택으로 묶어 토큰 비용을 낮추고 첫 가동까지의 시간을 줄이는 설계 틀이다. 그 안에서 DSX MaxLPS는 메가와트당 토큰 처리량을 끌어올리는 소프트웨어이고, DSX OS는 수명주기 관리와 상태 자동화, 여러 고객이 한 공장을 나눠 쓰는 멀티테넌트 운영을 맡는다.

원리는 직관적이다. AI 워크로드는 균일하지 않아서 어떤 GPU는 학습으로 한계까지 달리고 옆 랙은 추론 대기 상태로 놀고 있다. 이렇게 묶여 있는 전력을 찾아 쓰는 GPU 쪽으로 돌리면, 같은 메가와트 예산으로 더 많은 GPU를 굴릴 수 있다. 메모리 쪽에서 벌어진 같은 종류의 병목 이야기는 2025년 반도체 슈퍼사이클 글에 따로 정리해 뒀다.

각 세종의 냉각 기술이 소버린 AI 인프라의 바닥인 이유

DSX가 전력을 코드로 다룬다면, 그 전력이 만든 열을 실제로 빼내는 일은 네이버 몫이다. 네이버가 이 동맹에 들고 온 두 번째 자산이 여기 있다.

2013년 강원도 춘천에 문을 연 첫 데이터센터 ‘각 춘천’부터 네이버는 에어컨 대신 바깥 공기를 끌어들이는 외기 냉각을 기본으로 삼았다. 산 중턱의 차가운 공기를 서버실로 바로 들이는 방식이다.

2023년 문을 연 각 세종은 한 단계 더 나갔다. 일반 데이터센터는 커다란 덕트로 찬 공기를 서버실 구석까지 밀어 넣는데, 덕트가 길수록 마찰이 생기고 그 마찰을 이기려면 팬을 세게 돌려야 한다. 팬 역시 전기를 먹는다.

각 세종의 냉각 시스템 NAMU III는 덕트를 빼고 BLDC(브러시리스 직류) 팬을 격자로 촘촘히 배치해, 적은 전력으로 더 많은 공기를 움직이게 했다.

문제는 블랙웰과 그다음 세대인 베라 루빈 가속기가 공기 냉각의 물리적 한계를 계속 밀어붙이고 있다는 점이다.

랙당 100kW를 훌쩍 넘는 열은 공기만으로 식히려 들면 냉각에 드는 전기가 폭증한다. 칩 표면에 냉각판을 붙여 물로 열을 빼는 직접 액체 냉각이나, 서버를 절연 오일에 통째로 담그는 액침 냉각이 업계 전체의 숙제가 된 배경이다.

엔비디아가 각 세종을 두고 ‘고밀도 엔비디아 가속 컴퓨팅 환경에 맞춰 설계된 곳’이라고 굳이 짚은 이유가 이거다. GPU는 돈만 있으면 사지만, 그 GPU가 녹지 않고 돌아갈 건물은 10년 넘게 데이터센터를 직접 설계·운영해 본 회사만 빨리 지을 수 있다. 단순 구매자는 랙을 사고, 전략 파트너는 랙이 서 있을 자리를 같이 설계한다.

소버린 AI 모델 하이퍼클로바X가 네모트론 3 울트라에 올라탄 이유

모델 쪽에서 네이버는 전부 혼자 키우는 길 대신, 엔비디아 오픈 모델을 기반으로 삼는 길을 골랐다.

엔비디아에 따르면 네이버는 Nemotron 3 Ultra를 자체 데이터와 학습 노하우로 파인튜닝해 하이퍼클로바X를 고도화하고, 이렇게 만든 모델을 유럽·중동 소버린 AI 사업의 플랫폼으로 쓴다.

Nemotron 3 Ultra의 공식 모델명에는 ‘550B-A55B’가 붙어 있다.

전체 매개변수는 5,500억 개인데 한 번에 실제로 켜지는 건 550억 개라는 뜻이다. 보통의 언어 모델은 단어 하나를 예측할 때도 가중치 전체를 깨운다. 이 모델은 매개변수를 여러 ‘전문가’ 묶음으로 나눠 두고, 들어온 입력에 맞는 묶음만 골라 쓰는 전문가 혼합(MoE) 구조다. 전체의 10%만 움직이니 같은 전력으로 더 많은 토큰을 뽑을 수 있다. 앞에서 본 ‘메가와트당 토큰’ 게임과 정확히 같은 방향이다.

네모트론 3 계열은 여기에 트랜스포머와 Mamba 레이어를 섞었다.

트랜스포머는 문장이 길어질수록 연산량이 제곱으로 불어나는데, Mamba는 긴 시퀀스를 압축해 선형에 가깝게 처리한다. 수백 쪽짜리 문서를 한 번에 밀어 넣는 에이전트 작업에서 이 차이가 커진다.

네이버는 이와 함께 엔비디아의 네모트론 연합(Nemotron Coalition)에 한국 기업으로는 처음 들어갔다.

사전학습·사후학습·강화학습 전반에 걸쳐 오픈 모델 개발에 기여하는 자리다. 완성된 모델을 사다 쓰는 쪽과, 기반 모델을 만드는 테이블에 앉는 쪽의 차이다.

네모클로와 서울 월드 모델, 소버린 AI가 현장으로 가는 두 갈래

인프라와 모델 위에서 동맹은 두 방향으로 뻗는다.

하나는 회사 안으로 들어가는 AI 에이전트, 다른 하나는 도로와 공장으로 나가는 피지컬 AI다.

에이전트 쪽에서 막히는 건 성능보다 신뢰다.

에이전트가 사내 파일을 읽고 메일을 참조하는 순간, 기업은 내부 자료가 밖으로 새지 않을지부터 걱정한다. 엔비디아의 NemoClaw는 에이전트를 샌드박스 안에서만 돌리고, 사용자가 허락한 폴더와 네트워크 경로 밖으로는 손을 뻗지 못하게 묶는 블루프린트다. 법무팀이 계약서 1,000건 요약을 맡기면 에이전트는 지정된 폴더만 보고, 결과도 그 팀에만 돌려주는 식이다.

네이버는 이 블루프린트를 바탕으로 한 ‘AI 에이전트 플랫폼’을 2026년 하반기 국내에 내놓을 계획이다.

피지컬 AI 쪽의 병목은 데이터보다 검증이다.

도로를 달리는 로봇에게 필요한 건 빗길에서 타이어가 얼마나 미끄러지는지, 터널을 빠져나올 때 카메라가 역광에 얼마나 눈이 머는지 같은 물리 감각인데, 이걸 실제 도로에서 반복 실험할 수는 없다. 엔비디아 Cosmos는 방대한 영상으로 물리 법칙을 익힌 월드 파운데이션 모델이고, 네이버는 여기에 자사가 쌓아 온 도시 거리뷰 데이터와 공간 모델링 기술을 얹어 ‘서울 월드 모델’을 만들고 있다.

이게 되면 새벽 폭우 속 마포대교 북단에 보행자가 뛰어드는 장면 같은 상황을 가상 서울에서 수천 번 돌려 볼 수 있다. 1784 안을 돌아다니는 배달 로봇 ‘루키’ 같은 기계가 실제 거리로 나가기 전에 거쳐야 할 시험장이다.

소버린 AI 시장에서 네이버가 ‘제3의 공급자’가 되는 구조

네이버가 엔비디아에게 특별한 이유는 미국 빅테크도 중국 기업도 아니면서, 자체 모델과 데이터센터와 클라우드를 한 몸에 가진 드문 회사라는 데 있다.

통신 인프라의 역사를 보면 이 자리가 왜 값비싼지 보인다.

19세기 영국이 해저 전신 케이블망을 쥐었을 때 세계의 금융 정보와 외교 전문이 런던을 거쳐야 했다. 20세기 후반 미국 기업이 인터넷 핵심 노드와 클라우드를 장악하자 세계의 디지털 트래픽이 미국 법의 관할 안으로 들어왔다. AI 시대의 케이블은 데이터센터와 언어 모델이고, 지금 그 대부분을 미국 빅테크가 쥐고 있다.

이 구도가 불편한 나라들이 있다. 자국민의 의료·사법 데이터를 역외 관할 서버에 두기 꺼리는 유럽, 기술 종속의 위험을 체감한 중동 산유국, 자국어 AI가 없어 언어 데이터가 고스란히 외국 기업으로 흘러가는 동남아시아. 이들이 공유하는 필요가 ‘자국 영토 안에서, 자국 데이터로, 외국 법에 묶이지 않고 돌아가는 AI’, 곧 소버린 AI다.

문제는 어디서 사느냐다. 미국 빅테크에게 사면 결국 미국 기업의 정책 안에 머물고, 중국에서 사면 다른 방향의 종속이 생긴다. 그 빈틈에 네이버가 있다. 엔비디아도 네이버가 유럽과 중동에 인프라를 깔아 각국의 규제와 데이터 주권 기준을 맞추는 대안을 제공하고 있다고 소개했다.

실적도 있다.

네이버는 2023년 10월 사우디아라비아 자치행정주택부로부터 리야드를 비롯한 5개 도시의 디지털 트윈 플랫폼을 5년간 구축하는 1억 달러 규모 사업을 수주했다.

엔비디아 입장에서 계산은 간단하다. 미국 회사가 ‘주권 AI’를 팔러 가는 건 그 자체로 모순이지만, 이미 현지 정부와 신뢰를 쌓은 파트너가 엔비디아 하드웨어를 현지 인프라로 녹여 넣으면 이야기가 달라진다. 판매 전략처럼 보이지만 실은 지정학 전략이다.

다만 여기엔 쉽게 답하기 어려운 질문이 남는다.

네이버가 깔아 준 인프라 위에서 학습된 사우디의 AI는 얼마나 ‘사우디의 것’인가. 공급자를 미국 빅테크에서 네이버로 바꾸는 것만으로 주권이 생기는지, 아니면 현지 정부가 모델을 직접 훈련하고 인프라를 운영할 역량을 갖출 때까지의 이행 과정이 주권인지. 그 차이는 계약서에 쓰여 있지 않다.

한국 반도체 기업들이 앤트로픽에 베팅한 구도를 다룬 삼성·SK하이닉스 분석 글과 나란히 놓고 보면, 한국 기업들이 AI 공급망의 어느 칸에 서려 하는지가 좀 더 선명해진다.

마하-1 실패가 네이버 엔비디아 동맹의 조건이 된 이유

네이버가 엔비디아의 경쟁자가 아니라 동반자가 된 데에는 한 번의 실패가 깔려 있다.

2022년 네이버는 삼성전자와 함께 추론용 AI 칩 ‘마하-1’을 설계하기 시작했다.

동기는 분명했다. 엔비디아 GPU는 비쌌고 물량은 모자랐다. 값비싼 HBM 대신 범용 LPDDR 메모리를 쓰고, 하이퍼클로바X에 맞춘 추론 연산을 회로에 새겨 넣으면 가격 경쟁력이 생긴다는 계산이었다. 그러나 양사의 협력은 흐지부지 끝났고, 네이버는 칩 사업에서 손을 뗐다.

기술력보다 타이밍이 발목을 잡았다고 본다.

칩 하나를 설계해 양산하기까지 1~2년이 걸리는 동안, 모델 구조는 전문가 혼합과 초장문 컨텍스트, 트랜스포머-Mamba 혼합으로 몇 번이나 방향을 틀었다. 전용 칩(ASIC)은 설계 순간 지원할 알고리즘이 굳어 버린다. 소프트웨어처럼 업데이트할 수가 없다.

여기에 CUDA라는 벽이 있다.

전 세계 AI 개발자가 십수 년에 걸쳐 엔비디아 CUDA 위에 학습 프레임워크와 추론 라이브러리를 쌓아 왔다. 새 칩이 그 생태계를 따라잡는 데 걸리는 시간 동안 모델은 또 한 세대 바뀐다.

네이버가 이 실패에서 얻은 결론은 실리콘 경쟁 대신 플랫폼 경쟁이었다.

칩은 엔비디아 것을 쓰고, DSX와 NemoClaw로 인프라를 다루고, 하이퍼클로바X로 모델을 쥐고, 페이스사인과 치지직으로 사용자 접점을 가진다. 하드웨어를 놓고 다투지 않고 그 하드웨어로 시장을 함께 여는 파트너, 엔비디아가 가장 반길 형태다. 실패가 동맹의 조건을 만든 셈이다.

기가와트 AI 팩토리는 아직 없다, 남은 질문

발표와 구현 사이에는 늘 거리가 있고, 이 동맹도 예외가 아니다. 2027년 상반기 55MW가 첫 목표일 뿐, 그 일정이 지켜진다는 보장은 없다.

불확실한 게 더 있다. 소버린 AI 시장이 네이버 예상대로 커질지, 각국 정부가 원하는 게 진짜 기술 자립인지 아니면 조금 더 싼 공급자인지도 아직 모른다. 에이전트 플랫폼이 기업 보안팀의 문턱을 넘을지, 서울 월드 모델에서 익힌 감각이 실제 도로에서 통할지도 전부 검증 전이다.

확실한 건 젠슨 황이 직접 서울에 왔다는 사실 하나다. 그는 삼겹살을 먹고, 얼굴로 결제하는 장면을 보고, 1784 지하 스튜디오에서 이해진 의장과 함께 치지직 라이브 카메라 앞에 섰다. 세계에서 가장 비싼 반도체 회사의 CEO가 파트너사 사옥을 찾아 방송까지 하는 건 의례적인 외교가 아니다.

지디넷코리아가 2주 뒤 그 삼겹살집을 다시 찾았을 때, 그날 급히 들여놓은 Npay 커넥트 단말기는 여전히 계산대에 놓여 있었다. 기가와트 계약이 그 단말기처럼 자리를 지킬지는, 2027년 상반기 각 세종에서 첫 55메가와트가 켜지는 날 처음 확인할 수 있다.