오라클·엔비디아, 제타스케일10 클러스터 공개: 16제타플롭스로 수백만 GPU 연결

아무리 뛰어난 거대언어모델이라도 기업 내부 데이터베이스의 장벽에 막혀 있다면 값비싼 챗봇에 머무를 수밖에 없습니다.

열린 Oracle AI World 행사에서 NVIDIA와 Oracle은 기업용 AI 및 데이터 처리 파이프라인을 가속화하기 위한 포괄적인 협력 확대를 발표했습니다. 초거대 인프라 구축부터 데이터베이스 내부의 병목 현상 해결까지 전방위적인 결합이 이루어졌습니다.

16 제타플롭스 클러스터와 GPU 벡터 인덱싱 도입

인프라 측면에서 가장 주목받은 것은 새로운 OCI Zettascale10 컴퓨팅 클러스터입니다.

NVIDIA의 차세대 GPU를 탑재하여 AI 훈련 및 추론 워크로드에서 최대 16 제타플롭스의 피크 AI 연산 성능을 제공합니다. AI 전용으로 설계된 NVIDIA Spectrum-X 이더넷을 활용해 수백만 개의 GPU를 연결하며, 수 기가와트 규모의 전력 용량을 감당하도록 설계되었습니다.

엔터프라이즈 실무자들에게는 데이터베이스 레벨의 변화가 더 직접적인 체감을 줄 것으로 보입니다.

오라클의 플래그십 데이터베이스인 Oracle Database 26ai는 NVIDIA NeMo Retriever API 연동을 지원하기 시작했습니다. 개발자는 NVIDIA NIM 마이크로서비스를 활용해 임베딩 모델을 실행하고, 데이터 추출부터 재순위화까지 이어지는 RAG 파이프라인을 구축할 수 있습니다.

또한 Oracle Private AI Services Container 서비스는 오픈소스 라이브러리인 NVIDIA cuVS를 활용해 벡터 임베딩 및 인덱스 생성을 GPU로 오프로드하는 기능을 지원합니다. 데이터 규모가 커질수록 근사 최근접 이웃 탐색 인덱스를 만드는 데 막대한 시간이 걸렸던 병목을 해결하기 위한 조치입니다.

코드 변경 없는 Spark 가속과 OCI 네이티브 통합

데이터 엔지니어링 단계에서도 실질적인 기능이 추가되었습니다. 새로운 Oracle AI Data Platform에는 Apache Spark용 NVIDIA RAPIDS Accelerator 플러그인이 내장되었습니다.

cuDF 라이브러리와 Spark 분산 컴퓨팅의 결합을 통해, 기업은 기존 애플리케이션 코드를 수정하지 않고도 ETL, 분석 및 머신러닝 파이프라인을 GPU로 바로 가속할 수 있습니다.

특화 워크로드 적용 사례도 함께 공개되었습니다. Oracle Media and Entertainment는 NeMo Curator와 Nemotron 비전언어모델을 사용해 영상 디코딩, 클립 분할 등 전처리 과정을 자동화했습니다. Oracle Fusion Document Intelligence는 복잡한 비즈니스 문서의 구조를 보존하며 데이터를 추출하기 위해 NeMo Retriever Parse를 도입했습니다.

이와 함께 NVIDIA AI Enterprise 소프트웨어 제품군이 OCI 콘솔에 네이티브로 탑재되었습니다. 마켓플레이스를 거치지 않고 인스턴스 프로비저닝 시 바로 활성화할 수 있으며, 퍼블릭 클라우드뿐 아니라 소버린 클라우드 및 전용 리전에서도 지원됩니다. 행사 현장에서 NVIDIA는 2025 오라클 파트너 어워드를 수상했습니다.

왜 중요한가

오라클 데이터베이스를 운영하는 기업 입장에서 이번 발표는 엔터프라이즈 RAG 구축의 현실적인 장벽을 크게 낮춰 줍니다. 별도의 벡터 데이터베이스로 대규모 데이터를 번거롭게 이관하지 않고도, 기존 시스템 내부에서 GPU를 이용해 임베딩과 인덱스를 빠르게 생성할 수 있기 때문입니다.

특히 Spark 기반 ETL 파이프라인을 코드 변경 없이 GPU로 가속할 수 있게 된 점은 현업 데이터 엔지니어들에게 즉각적인 효율 개선을 제공합니다.

산업 전반으로 보면 클라우드 경쟁의 초점이 단순한 GPU 인프라 대여에서 데이터 처리 파이프라인의 통합 깊이로 완전히 이동하고 있음을 보여줍니다. 오라클은 핵심 데이터 자산을 지키며 클라우드 입지를 넓히고, NVIDIA는 자체 소프트웨어 생태계를 기업의 가장 깊숙한 데이터 저장소에 고정시키는 전략입니다.

데이터 정제, 문서 파싱, 인덱스 생성처럼 화려하지 않지만 실무에서 가장 많은 시간이 소모되는 지점을 정확히 공략했다는 점에서 영리한 행보로 평가할 수 있습니다. 다만 NeMo와 cuVS, NIM 등 NVIDIA 전용 도구에 대한 종속성이 짙어질수록, 향후 다른 클라우드나 대체 하드웨어로 이전하기 위한 비용은 점점 더 커질 것으로 보입니다.