AI 팩토리 하나는 메가와트 단위로 지어. 메가와트당 건설비가 대략 6천만 달러야.1 이 정도 돈을 쓰는 운영사가 궁금한 건 하나야 — 이 투자가 돈을 돌려주는가.
NVIDIA는 공식 블로그에서 그 답을 세 가지로 쪼갰어.1 생산능력(팩토리가 만들 수 있는 토큰을 전부 팔았을 때 1년에 벌 수 있는 돈), 유효수명(그 하드웨어가 돈을 버는 기간), 수요(그 토큰을 실제로 사려는 사람이 얼마나 되는가). NVIDIA는 이 셋 중 하나가 약하면 나머지가 세도 전체 수익률을 못 받친다고 봐 — 생산능력이 높아도 수요가 일부만 받쳐주면 소용없고, 수요가 커도 1년 만에 하드웨어가 멈추면 소용없다는 거지.1
NVIDIA는 자기 GPU가 이 셋을 전부 잡는다고 주장해. 생산적(productive)·내구적(durable)·범용적(fungible).1 이 글에서 눈에 걸리는 건 “내구적”을 증명하려고 가져온 숫자들이야.
내구적이라는 말의 증거
NVIDIA가 든 첫 사례는 2020년에 나온 A100 GPU야. 6년이 지난 지금도 상업 서비스에서 쓰이고 있고, CoreWeave는 2020년에 들여온 A100 물량의 예약을 2029년까지 연장했어.1 Microsoft의 V100 서버군은 회계상 수명이 6년인데, 실제로는 8.4년을 돌았고.1
NVIDIA 블로그는 이걸 “감가상각표가 계속 늘어나고 있다”는 말로 정리해. 감가상각표는 하드웨어가 언제 돈을 못 버는지에 대한 추측이고, 매년 그 추측이 뒤로 밀린다는 거야.1 이 주장을 뒷받침하려고 NVIDIA가 세 분석 업체의 숫자를 끌어와.
Barkr는 8-GPU H100 시스템의 유효수명을 5~6년, GB300 NVL72는 9~10년으로 봐 — 중고로 되팔 때 값을 기준으로.1 Silicon Data는 6년 된 A100이 지금도 원가의 4분의 1만큼 가치가 있다고 하는데, 5년짜리 감가상각표라면 1년 전에 이미 값이 0이 됐어야 하는 자리야.1 Ornn Data는 5년 계약으로 A100을 빌리는 가격이 1개월짜리 단기 계약 가격의 80%라고 봐 — 길게 빌려도 가격이 크게 안 깎인다는 뜻이고, 시장이 그 GPU의 장기 수명을 믿는다는 뜻이기도 해.1
다만 이 숫자들은 전부 NVIDIA가 자기 블로그에서 인용한 거야. Barkr·Silicon Data·Ornn Data의 원 보고서를 직접 들여다본 건 아니라서, 세 업체가 어떤 방법으로 유효수명이나 가치를 계산했는지는 이 글만으로는 확인이 안 돼.
생산적·범용적은 어떻게 뒷받침하나
생산성 쪽 숫자는 SemiAnalysis의 AgentX 데이터에서 왔어. NVIDIA Vera Rubin NVL72 시스템이 이전 세대 GB300 NVL72보다 메가와트당 처리량이 30배 이상 높고, DeepSeek V4 Pro 모델 기준으로는 토큰 100만 개당 비용이 최대 45배 낮다고 해.1
범용성 쪽은 CUDA 얘기로 이어져. CUDA 위에 1,000개가 넘는 CUDA-X 라이브러리가 쌓여 있고, 그 위에서 코드를 짜는 개발자가 1,000만 명이 넘는다고 해.1 NVIDIA가 고른 고객 사례들도 이 범용성을 보여주려는 선택이야. 제약회사 Lilly는 1,016개 GPU 클러스터에서 신약 모델과 챗봇을 같이 돌리고, Pinterest는 14,000개 GPU에 Blackwell·Hopper를 섞어 비전 언어 모델을 학습시키고, Texas A&M 대학은 26개 프로젝트·7개 기관이 함께 쓰는 슈퍼컴퓨터를 95~98% 가동률로 돌려.1 숫자 자체는 NVIDIA가 확인한 사례지만, 이 셋을 고른 건 NVIDIA의 편집이라는 것도 같이 읽어야 해.
다음에 볼 것
NVIDIA 창업자 겸 CEO Jensen Huang이 10월 21일 오전 11시(중앙유럽 서머타임 기준) GTC Berlin 기조연설에서 AI 팩토리 얘기를 더 풀 예정이야.1 이 블로그가 숫자로 깐 밑작업을, 그 자리에서 어떤 제품·파트너십 발표로 이어붙이는지가 다음에 볼 지점이야.
댓글