MS,엔비디아,앤트로픽, '초거대 AI 컴퓨트 동맹' 결성, 클라우드 판도 다시 짠다

마이크로소프트(MS), 엔비디아, 앤트로픽이 초거대 AI 모델 개발을 위한 ‘컴퓨트(Compute) 동맹’을 공식화했다. 세 기업은 차세대 AI 인프라와 모델 접근성을 대폭 강화하겠다는 공동 전략을 내놓으며, 클라우드 및 AI 시장의 기존 구도를 흔들고 있다. 업계에서는 단일 모델 중심 전략이 한계에 다다른 가운데, 이번 협력이 ‘다모델·고성능 하드웨어 최적화’ 흐름을 가속할 것으로 보고 있다.

사티아 나델라 MS CEO는 이번 협력에 대해 “이제 서로가 서로의 고객이 되는 상호 통합 관계로 진입했다”고 설명했다. 앤트로픽은 마이크로소프트 Azure 인프라를 기반으로 차세대 프런티어 모델을 학습·배포하고, MS는 자사 제품군 전반에 앤트로픽 모델을 탑재하게 된다.

특히 앤트로픽이 Azure 컴퓨트 용량에만 3,000억 달러(약 30조 원)를 장기 구매하기로 한 점이 눈에 띈다. 초거대 모델 개발에 필요한 연산량이 폭증하고 있음을 단적으로 보여주는 대목이다. 양사는 엔비디아의 ‘그레이스 블랙웰(Grace Blackwell)’ 시스템을 시작으로 ‘베라 루빈(Vera Rubin)’ 아키텍처로 이어지는 명확한 하드웨어 로드맵도 함께 제시했다.

젠슨 황 엔비디아 CEO는 NVLink 기반 그레이스 블랙웰 아키텍처가 “성능을 한 단계가 아니라 한 자릿수 단위로 끌어올릴 것”이라며 토큰 비용 구조 개선에 필수적인 전환점이라고 강조했다. 또한 그는 엔비디아 기술이 출시 즉시 Azure에 반영되는 ‘시프트 레프트(Shift-left)’ 방식이 적용된다고 밝혀, Azure에서 앤트로픽의 ‘클로드(Claude)’ 모델을 사용하는 기업들이 일반 인스턴스 대비 차별화된 성능을 경험할 것이라고 설명했다.

재무 측면에서는 ‘3가지 동시 확장 법칙’이 새 변수로 떠올랐다. 황 CEO는 프리트레이닝, 포스트트레이닝, 추론 단계에서 모두 비용이 함께 증가하는 구조가 가속화되고 있다고 지적했다. 특히 고품질 답변을 위해 모델의 사고 시간을 늘리는 ‘테스트 타임 스케일링(test-time scaling)’이 본격화되면서, 추론 비용이 단순 토큰당 정액제가 아니라 과제 난이도·추론 깊이에 따라 달라지는 방향으로 재편되고 있다. 이에 따라 기업의 AI 운영비용(OpEx) 예측 방식도 더욱 동적이어야 한다는 분석이 나온다.

MS는 기업용 워크플로 통합 문제를 해소하기 위해 클로드 모델을 코파일럿(Copilot) 제품군에서도 지속 제공하겠다고 밝혔다. 최근 강조되는 ‘에이전트형 AI’ 영역에서도 협력 범위가 강화됐다. 황 CEO는 앤트로픽의 MCP(Model Context Protocol)가 “에이전트 AI 지형을 혁신했다”고 평가하며, 엔비디아 엔지니어들이 이미 클로드 코드(Claude Code)로 레거시 코드를 리팩터링하고 있다고 소개했다.

보안 측면에서는 MS 365 컴플라이언스 범위 내에서 클로드 API를 활용할 수 있게 돼 보안 검증 절차가 간소화될 전망이다. 데이터 로그와 처리 흐름이 MS 테넌트 내에 머물기 때문에 거버넌스 부담도 줄어든다.

그동안 기업의 AI 도입 걸림돌로 지적돼온 ‘벤더 종속성’ 문제도 일부 완화될 것으로 보인다. 이번 협력으로 클로드는 전 세계 주요 3대 클라우드 사업자 모두에서 사용할 수 있는 유일한 프런티어 모델이 된다. 나델라 CEO는 “제로섬 내러티브에서 벗어나 보다 넓고 지속 가능한 생태계를 구축할 시점”이라고 강조했다. 이는 기존 파트너인 오픈AI와의 협업 축을 유지하면서도 다모델 전략으로 확장하겠다는 의지로 해석된다.

앤트로픽 입장에서는 수십 년이 걸리는 엔터프라이즈 세일즈 역량을 MS의 채널을 통해 단숨에 확보하게 됐다. 이번 3자 협력이 클라우드·AI 조달 환경을 크게 바꿀 것이라는 전망도 나온다. 실제로 기업들은 Azure에 제공되는 클로드 소네트 4.5(Claude Sonnet 4.5), 오퍼스 4.1(Opus 4.1) 등 모델을 기존 시스템 대비 총소유비용(TCO) 기준으로 재평가해야 한다는 지적이 잇따르고 있다. MS가 ‘기가와트급(gigawatt-scale)’ 컴퓨트 용량을 약속한 만큼, 차세대 모델 공급 부족 문제도 크게 완화될 것으로 기대된다.

이번 동맹을 계기로 기업의 관심사는 단순한 ‘모델 확보’에서 ‘업무별 최적 모델 매칭’으로 이동할 전망이다. 확장된 컴퓨트 인프라가 제공하는 선택지를 어떻게 최적화하느냐가 AI 투자 수익률을 좌우하게 될 것이란 평가다.