팀네이버, 국내 최대 ‘B200’ 4,000장 클러스터 구축...AI 개발 속도 12배 빨라진다
팀네이버, 국내 최대 ‘B200’ 4,000장 클러스터 구축...AI 개발 속도 12배 빨라진다
팀네이버, 국내 최대 ‘B200’ 4,000장 클러스터 구축...AI 개발 속도 12배 빨라진다
- 독보적인 초고성능 GPU 클러스터 설계 역량… 글로벌 상위권 규모 확보
- 학습 기간 18개월 → 1.5개월… 12배 빠른 개발 사이클 기대
- 독자 파운데이션 모델 고도화 및 서비스·산업 적용 기반 마련
2026-01-08
팀네이버가 엔비디아의 차세대 GPU ‘B200(블랙웰)’ 4,000장 규모를 기반으로 국내 최대 규모의 AI 컴퓨팅 클러스터 구축을 완료했다고 8일 밝혔다. 이번 인프라 구축으로 팀네이버는 글로벌 수준의 컴퓨팅 파워를 확보함과 동시에, 독자 파운데이션 모델 고도화는 물론 AI 기술을 서비스와 산업 전반에 유연하게 적용하기 위한 핵심 기반을 마련했다.
팀네이버는 단순 장비 도입을 넘어, 대규모 GPU 자원을 하나로 연결해 최적의 성능을 끌어내는 '클러스터링' 분야에서 독보적인 기술력을 보유하고 있다. 지난 2019년 엔비디아의 슈퍼컴퓨팅 인프라인 ‘슈퍼팟(SuperPod)’을 세계에서 가장 빠르게 상용화한 데 이어, 초고성능 GPU 클러스터를 직접 설계·운영한 실증 경험을 축적해왔다.
이번에 구축된 'B200 4K 클러스터' 에는 이러한 경험을 바탕으로 한 냉각·전력·네트워크 최적화 기술이 집약됐다. 대규모 병렬 연산과 고속 통신을 전제로 설계된 이번 클러스터는 글로벌 Top500 상위권 슈퍼컴퓨터들과 비교 가능한 수준의 컴퓨팅 규모를 갖춘 것으로 평가된다.
압도적인 인프라 성능은 AI 모델 개발 속도로 직결된다. 회사측은 내부 시뮬레이션 결과, 720억 개(72B) 파라미터 규모 모델 학습 시 기존 A100 기반 주력 인프라(2,048장)로 약 18개월이 소요되던 학습 기간을 이번 ‘B200 4K 클러스터’에서는 약 1.5개월 수준으로 단축할 수 있는 효과가 확인됐다고 설명했다. 해당 수치는 내부 시뮬레이션 결과로, 실제 학습 과제와 설정에 따라 소요 기간은 달라질 수 있다.
이렇게 학습 효율이 12배 이상 향상됨에 따라, 팀네이버는 더 많은 실험과 반복 학습을 통해 모델의 완성도를 높이고, 변화하는 기술 환경에 보다 기민하게 대응할 수 있는 개발·운영 체계를 갖추게 됐다고 설명했다. 대규모 학습을 빠르게 반복할 수 있는 인프라가 확보되면서, AI 모델 개발 전반의 속도와 유연성이 한층 강화됐다는 평가다.
팀네이버는 이러한 인프라를 바탕으로 현재 진행 중인 독자 파운데이션 모델 고도화에도 속도를 낼 계획이다. 텍스트를 넘어 이미지·비디오·음성을 동시에 처리하는 옴니(Omni) 모델 학습을 대규모로 확장해 성능을 글로벌 수준으로 끌어올리고, 이를 다양한 서비스와 산업 현장에 단계적으로 적용한다는 구상이다.
네이버 최수연 대표는 “이번 AI 인프라 구축은 단순한 기술 투자를 넘어, 국가 차원의 AI 경쟁력 기반과 AI 자립·주권을 뒷받침하는 핵심 자산을 확보했다는데 의미가 있다”며 “팀네이버는 빠른 학습과 반복 실험이 가능한 인프라를 바탕으로, AI 기술을 서비스와 산업 현장에 보다 유연하게 적용해 실질적인 가치를 만들어 나갈 것”이라고 말했다. (끝)
