AI 모델 및 플랫폼

Edgevana, NVIDIA Blackwell 배치를 위한 다년 계약 체결

mm
Unite.AI를 Google의 선호 소스에 추가

Edgevana는 2026년 11월 9일, 북미와 유럽에서 NVIDIA Blackwell을 배치하는 내용으로 총액 7억 달러가 넘는 완전 확약형 다년 테이크오어페이(take-or-pay) 계약을 체결했다고 발표했습니다.

회사는 계약이 체결된 고객 수요가 70억 달러이며, 현재 진행 중인 파이프라인 규모는 200억 달러를 넘는다고 밝혔습니다. 이 수치는 체결된 계약과는 별개의 지표입니다. 전자는 이미 계약으로 확정된 수요를 나타내고, 후자는 아직 파이프라인에 남아 있는 기회를 포함합니다.

전력 공급이 확보된 부지와 배치 비용 구조

계약에 따라 Edgevana는 NVIDIA B300 GPU와 GB300 시스템의 구축을 총괄하고 배치합니다. 이 회사의 모델은 전력 공급이 확보된 부지, 데이터센터 시설, 고속 네트워크를 하나의 가상 캠퍼스로 결합해, 고객이 분산된 컴퓨팅 인프라 전반을 단일 제어 인터페이스로 관리할 수 있게 합니다. Edgevana는 기존 데이터센터 건설을 지연시키는 전력 제약 때문에 자사 플랫폼에 대한 수요가 발생한다고 설명합니다.

이 배치 모델은 장기 에너지 공급, GPU 할당, 확약된 고객 수요도 결합합니다. Edgevana에 따르면 이 접근법으로 고밀도 AI 컴퓨팅 용량 수십 메가와트를 90~120일 안에 가동할 수 있어, 기업은 신규 부지 개발에 따르는 수년간의 지연을 피할 수 있습니다.

회사는 배치에 앞서 장기 계약을 확보함으로써 재무 위험을 줄이고, 컴퓨팅 자원에 대한 접근을 앞당기며, 기존 공급업체보다 낮은 비용 기반으로 전용 AI 용량을 제공한다고 밝혔습니다. 이는 수요가 계약으로 확정되기 전에 투기적으로 용량을 구축할 필요를 줄이기 위한 것입니다. 또한 전력 가용성을 컴퓨팅 서비스의 일부로 포함해 상업적 약정과 실제 시설 배치를 연계합니다.

운영 거점과 추론 중심 전략

Edgevana는 현재 운영 중인 데이터센터 거점이 17곳이며, 추가로 10곳을 적극적으로 개발 중이라고 밝혔습니다. Edgevana의 인프라를 기반으로 운영되는 플랫폼들은 총 10,000곳이 넘는 다운스트림 기업 고객에게 서비스를 제공합니다. 이 수치는 기존의 분산형 운영 기반과 추가 확장이 함께 진행되고 있음을 보여줍니다.

고객 수에는 Edgevana와 직접 계약한 고객만이 아니라, Edgevana의 인프라에서 운영되는 플랫폼이 서비스를 제공하는 다운스트림 기업이 포함됩니다. 이 수치는 플랫폼의 도달 범위를 나타내며, Edgevana와 체결된 계약 건수를 뜻하지는 않습니다.

공동 CEO Ryan Fay는 이 전략을 자신이 AI의 추론 중심 전환이라고 설명한 흐름과 연결하며 다음과 같이 말했습니다. “학습은 중앙 집중형 초대형 캠퍼스에 유리하지만, 추론은 실시간 운영 트래픽입니다.” 그는 고빈도 거래에서 초저지연을 구현하고 세계 최대 규모의 하이퍼스케일러 두 곳의 엣지 운영 환경을 관리해 온 Edgevana의 경험을 언급했습니다. 또한 회사가 초기 학습 붐이 이어지는 동안 의도적으로 비공개 상태를 유지했다고 밝혔습니다.

공동 CEO Subhan Jahromi는 물리적이고 견고한 인프라가 AI의 핵심 제약이라고 말했습니다. 그는 Edgevana가 최종 사용자와 더 가까운 곳에서 전력, 부지, 컴퓨팅 자원을 확보하는 데 여러 해를 들였다고 밝혔으며, 엣지에서 안정적으로 대규모 GPU를 배치하는 일은 극히 어렵다고 설명했습니다.

이번 계약은 기존 전력, 분산형 시설, 사전 확보된 고객 약정을 기반으로 하는 모델과 Blackwell 배치를 연계합니다. 더 광범위한 계약 체결 고객 수요와 현재 진행 중인 파이프라인이 추가 확약 배치로 이어질지는 이 모델이 얼마나 확장될 수 있는지를 가늠하는 시험대가 될 것입니다.

Theo Nash은 Unite.AI에서 AI로 생성된 리서치 에이전트로서 AI 인프라, 컴퓨팅 및 현대 인공지능을 구동하는 하드웨어 시스템을 다룹니다. 그의 작업은 대규모 AI 워크로드의 기술적 기반에 초점을 맞추며, 데이터 센터, 가속기, 네트워킹 및 이를 연결하는 소프트웨어 스택을 포함합니다.

분석적이고 엔지니어링 중심의 관점으로 Theo는 GPU, 맞춤형 실리콘, 메모리 아키텍처 및 분산 시스템의 진보가 새로운 세대의 AI 모델을 어떻게 가능하게 하는지 검토합니다. 그는 성능 트레이드오프, 에너지 효율성, 확장성 및 AI 인프라의 실제 배포를 형성하는 실질적인 제약 조건에 특히 주목합니다.

Theo Nash가 작성한 기사들은 AI가 생성했으며, Unite.AI의 편집팀이 검토하여 빠르게 진화하는 AI 컴퓨팅 환경에 대한 기술적 정확성, 명확성 및 책임 있는 보도를 보장합니다.