중국 AI 개발자들은 Nvidia Rubin GPU 클라우드 임차를 평가 중이나 비용·복잡성·규제 장벽이 배포 과제입니다.

중국 기반 AI 하드웨어 개발사들은 자체 설계한 가속기로 빠른 진전을 이루고 있지만, 중국의 가장 선진적인 AI 개발사들은 국내 하드웨어가 근시일 내에 미국 기업들을 따라잡을 가능성이 낮다는 점을 점점 더 인정하고 있으며, 이는 경쟁력 있는 모델 개발을 크게 제한합니다. 미국 경쟁사들과 경쟁력을 유지하기 위해 중국 AI 개발사들은 클라우드에서 Nvidia의 향후 Rubin GPU를 임차하는 방법을 모색 중입니다. Nvidia가 1월에 AI용 Rubin 데이터센터 플랫폼을 선보였을 때, 미국 고객들을 공개적으로 언급했지만 중국 기업들은 제외했는데, 이는 미국 수출 규제, 이를 준수하겠다는 약속, 그리고 중국 시장 개방에 대해 투자자들에게 신호를 보내지 않겠다는 의도를 반영합니다. 이 메시지는 중국 기업들이 미국 경쟁사들에 뒤지지 않기 위해 원격으로 Nvidia의 최첨단 프로세서에 접근하는 방법을 모색하기 시작하도록 촉발했습니다.

중국 AI 기업들은 중국 외부의 데이터센터, 특히 동남아시아와 중동에서 호스팅되는 NVL144 GR200 및 기타 Nvidia Rubin 기반 시스템에 대한 접근을 협상하기 시작했습니다. 이번 주 중반까지 이러한 방식은 일반적으로 합법적인 것으로 간주되었지만, 내재된 제약 사항이 있습니다: 컴퓨팅 능력을 소유하는 대신 임차하고, 용량이 전용이 아닌 공유 기반이며, 배포 일정이 내부 계획이 아닌 제3자 운영자에 의존합니다.

원격 클라우드 데이터센터에서 Rubin을 임차하는 것과 로컬에 배포하는 것 사이의 차이는 매우 큽니다. 미국 하이퍼스케일러들은 Rubin 가속기를 대규모로 통합하고, 새로운 하드웨어 중심으로 소프트웨어 스택을 긴밀하게 최적화하며, 장기 훈련 실행을 위해 막대한 GPU 클러스터를 예약할 수 있습니다. 반면, Rubin 용량을 임차하는 중국 개발사들은 제한된 할당량, 국경 간 지연, 시스템 커스터마이징의 제한된 자유도, 그리고 경우에 따라 대기 문제를 다루어야 합니다. 충분한 시스템을 임차한다면 그들은 큰 어려움 없이 모델을 훈련시킬 수 있습니다; 하지만 적절한 시간에 적절한 클라우드를 찾을 수 없다면, 프로젝트당 AI 가속기가 더 적어지고, 경우에 따라 대규모 훈련 작업을 실행하지 못하게 되어, 이는 모델 크기, 실험 속도, 그리고 반복 속도를 직접적으로 제한할 것입니다.

중국 개발사들은 이미 이러한 과제를 경험했습니다. A100, H100, H800, H20으로 구성된 다양한 Nvidia GPU 함대를 사용하여 최첨단 모델을 훈련하면서, 그들은 클라우드에서 추가 용량을 임차했는데—업계 관계자들은 이것이 비용이 많이 들고 운영상 어려웠다고 말합니다. 모델이 더욱 확장됨에 따라, 대규모 균일한 GPU 클러스터에 대한 지속적인 접근의 가치는 점점 더 중요해지지만, 임차 용량은 이를 거의 제공하지 못합니다. 거래가 확보되더라도, 일반적으로 한 지붕 아래 수만 개의 가속기를 배포할 수 있는 자금이 풍부한 미국 경쟁사들에 비해 중국 개발사들을 구조적 불리함에 남깁니다.

중국 AI 개발사들이 직면한 재정적 제약은 이러한 과제를 더욱 악화시킵니다. UBS 추정에 따르면, 중국의 하이퍼스케일러들은 지난해 약 $57억을 자본 지출에 사용했으며, 이는 미국 동료 기업의 약 1/10 수준으로 Meta의 $70억 이상의 자본 지출만도 못 미칩니다. 이러한 재정적 제약을 고려할 때, 중국 AI 개발사들이 미국 경쟁사들과 어느 정도 경쟁력을 유지할 수 있을지는 지켜봐야 할 문제입니다.