HPE Vultr AMD 주문, 클라우드 수주를 Nvidia의 AI 랙 주도권 시험대로 만들다
HPE가 Vultr로부터 AMD 서버 랙 및 HPE 네트워킹 장비에 대한 12억 달러 규모의 주문을 확보한 것으로 전해졌다. HPE Vultr AMD 주문은 또 하나의 대형 하드웨어 계약을 넘어선다. 이는 Nvidia의 긴밀히 통합된 시스템이 여전히 시장을 규정하는 상황에서 대안적인 AI 컴퓨팅 스택을 시장에 투입하는 움직임이다.
HPE Vultr order에 따르면, Hewlett Packard Enterprise는 자체 네트워킹 기술을 갖춘 AMD 기반 서버 랙을 공급할 예정이다. 고객은 비상장 클라우드 제공업체인 Vultr다. 초기 보도에서는 구체적인 납품 일정, 랙 수량, 매출 인식 조건이 공개되지 않았다.
이러한 누락된 세부 사항보다 전략적 긴장은 더 분명하다. HPE는 여러 가속기 플랫폼을 위한 통합 사업자가 되려 하고, AMD는 자사 기술을 완전한 랙 스케일 시스템으로 배치할 의지가 있는 클라우드 사업자를 필요로 한다. Vultr는 고객들이 단일 칩 공급업체를 중심으로 구축된 AI 클라우드보다 더 많은 선택지를 원할 것이라는 데 베팅하고 있다.
이로써 Nvidia의 기존 랙, 네트워킹, 소프트웨어 모델이 비교의 중심에 놓인다. Nvidia는 Vultr 자체의 확장 계획을 포함한 AI 인프라에 깊이 자리 잡고 있다. 관건은 AMD, HPE, 그리고 개방형 Ethernet이 프로덕션 AI 워크로드를 위한 신뢰할 만한 두 번째 경로가 될 수 있느냐다.
12억 달러 규모 HPE Vultr AMD 주문이 바꾸는 것
보도된 계약은 HPE의 AMD 랙 전략을 제품 계획에서 대규모 상업 배포로 전환한다.
HPE는 2025년 12월 AMD “Helios” 랙 스케일 시스템을 발표했다. 이 설계는 HPE Juniper Networking 스위치와 함께 AMD 가속기, CPU, 네트워킹 구성 요소 및 소프트웨어를 결합한다. HPE는 시스템 통합, 냉각 전문성, 배포 서비스, 지속적인 지원도 제공한다.
랙 스케일 시스템은 랙을 독립적인 서버들의 집합이 아니라 하나의 조율된 컴퓨팅 단위로 다룬다. 가속기들은 매우 낮은 지연 시간으로 데이터를 교환해야 하므로, 랙 내부와 랙 간 네트워크는 컴퓨팅 아키텍처의 일부가 된다. 이는 스위치와 네트워킹 소프트웨어 공급업체를 전략적으로 중요하게 만든다.
새롭게 보도된 주문은 Vultr가 이러한 통합 아키텍처를 의미 있는 규모로 구매하고 있음을 시사한다. 또한 HPE가 다른 회사의 프로세서를 탑재한 서버 이상을 판매할 수 있음을 보여준다. 네트워킹, 냉각, 배포, 라이프사이클 서비스 모두 계약의 일부가 될 수 있다.
이 구분이 중요한 이유는 AI 인프라의 경제성이 가속기 출하에서 끝나지 않기 때문이다. 클라우드 사업자에게는 메모리, 전력 분배, 고속 연결, 스토리지, 소프트웨어, 고밀도 하드웨어를 수용할 시설이 필요하다. 따라서 가치 있는 주문은 HPE가 이 주변 시스템 중 얼마나 많은 부분을 공급하는지에 달려 있다.
HPE는 자사의 Helios architecture가 가속기 간 통신에 표준 기반 Ethernet을 사용한다고 설명한다. 회사는 Broadcom과 함께 스케일업 스위치를 개발했으며, 2026년 동안 전 세계에 이 랙을 제공할 계획이다.
스케일업 네트워킹은 긴밀하게 결합된 컴퓨팅 도메인 내부의 프로세서를 연결한다. 스케일아웃 네트워킹은 여러 시스템 또는 랙을 더 큰 클러스터로 연결한다. AI 학습과 대규모 추론에는 가속기가 데이터를 기다리지 않고 계속 작동하도록 두 계층이 모두 필요하다.
HPE는 단일 랙 구성이 조 단위 파라미터 모델 학습과 대규모 추론을 지원할 수 있다고 주장한다. 회사가 제시한 사양에는 초당 260테라바이트의 총 스케일업 대역폭과 2.9엑사플롭스의 FP4 성능이 포함된다. 이 수치는 Vultr 배포에서 나온 독립적인 결과가 아니라 공급업체 사양이다.
보도된 계약 가치는 전체 금액이 AMD 구성 요소, HPE 하드웨어, 네트워킹, 서비스에 어떻게 배분되는지 보여주지 않는다. 또한 주문이 전체 계약 기간에 걸쳐 확정된 것인지, 아니면 배포 이정표와 연계된 것인지도 드러나지 않는다. 이러한 세부 사항이 궁극적인 재무적 영향을 결정할 것이다.
그럼에도 이 규모는 발표에 무게를 더한다. 이는 소수의 가속기를 활용하는 제한적 개념 검증이 아니다. 제조, 설치, 소프트웨어 준비도, 고객 수요를 함께 시험할 만큼 큰 것으로 보도된 인프라 투자 약정이다.
HPE에게 이는 AMD Helios를 포트폴리오 확장에서 실행 과제로 전환한다. AMD에게는 외부 고객이 성능과 가용성을 평가할 수 있는 상업 클라우드 진출 경로를 만든다. Vultr에게는 차별화와 운영 리스크를 동시에 가져온다.
Vultr가 멀티벤더 AI 클라우드를 구축하는 이유
Vultr의 AMD 구매는 AI 클라우드를 Nvidia 하나에만 표준화하기보다 여러 가속기 선택지를 제공하려는 더 큰 노력에 부합한다.
Vultr는 이미 자사 클라우드 플랫폼을 통해 AMD 가속기를 제공하고 있다. 현재 자료에서는 AMD Instinct MI355X GPU와 ROCm 소프트웨어 스택을 사용하는 인스턴스를 소개한다. ROCm은 AMD 가속기를 프로그래밍하고 운영하기 위한 AMD의 개방형 소프트웨어 플랫폼이다.
이 회사는 MI455X GPU를 사용하는 AMD Helios 랙 스케일 시스템을 배포할 계획도 발표했다. Vultr는 이 배포를 AI 학습과 추론을 위한 컴포저블 클라우드 인프라의 일부로 설명했다. 컴포저블 인프라는 사업자가 각 워크로드에 맞춰 컴퓨팅, 네트워킹, 스토리지 자원을 조합할 수 있게 한다.
이러한 기존 관계는 보도된 주문을 덜 놀랍게 만들지만, 더 중요하게 만든다. Vultr는 단순히 독립된 AMD 인스턴스 유형을 추가하는 것이 아니다. 전용 네트워킹을 갖춘 통합 HPE AMD Helios 시스템에 훨씬 더 큰 규모로 투자하는 것으로 보인다.
이 접근 방식은 Vultr에 여러 잠재적 이점을 제공한다. 고객에게 두 번째 가속기 환경을 제공하고, 단일 공급업체 의존도를 낮추며, AMD의 메모리 용량이나 ROCm 지원의 이점을 얻는 워크로드를 겨냥할 수 있다. 더 폭넓은 공급업체 기반을 통해 인프라 구매 조건을 협상할 수도 있다.
다만 멀티벤더 용량은 복잡성을 수반한다. 각 가속기 제품군에는 서로 다른 시스템 구성, 라이브러리, 진단 도구, 성능 특성이 있다. Vultr는 네트워크 토폴로지 선택보다 모델 실행에 더 관심 있는 고객이 이 복잡성을 관리할 수 있도록 해야 한다.
회사의 AMD deployment는 AMD Instinct 하드웨어와 ROCm을 통한 프로덕션 학습 및 추론을 강조한다. 이 프레이밍은 중요하다. 단순한 가용성만으로는 수요가 생기지 않기 때문이다. 고객에게는 안정적인 프레임워크, 검증된 모델 경로, 모니터링 도구, 예측 가능한 성능이 필요하다.
Vultr의 전략에는 Nvidia도 포함된다. 2026년 6월, 이 회사는 GB300 NVL72 시스템과 Spectrum-X 네트워킹을 사용하는 대규모 AI 데이터센터 배포를 위해 HPE와 Nvidia를 선택했다. HPE는 이 환경이 모델 학습, 추론, 프라이빗 클라우드 워크로드를 지원할 것이라고 밝혔다.
이 Nvidia infrastructure에는 400GbE 및 800GbE 연결, 액체 냉각, HPE 배포 서비스가 포함된다. 이는 Vultr가 플랫폼 전체에서 Nvidia를 AMD로 대체하는 것이 아님을 보여준다. 대신 두 생태계를 중심으로 병렬 용량을 구축하고 있다.
이러한 구분은 손쉬운 승자와 패자 구도를 막는다. 즉각적인 압박은 Vultr가 Nvidia를 포기했다는 데 있지 않다. 압박은 Vultr가 AMD를 부차적인 실험이 아니라 대규모 랙 스케일 배포에 적합한 기술로 취급한다는 데서 나온다.
Vultr는 두 환경을 활용해 서로 다른 고객 요구사항에 대응할 수 있다. 일부 구매자는 Nvidia의 성숙한 소프트웨어 플랫폼과 폭넓은 개발자 지원을 우선시할 것이다. 다른 고객은 가속기 가용성, 메모리, 인프라 유연성 또는 한 공급업체에 대한 완전한 의존 회피를 더 중요하게 볼 수 있다.
상업적 시험은 활용률에서 드러날 것이다. 클라우드 사업자는 대안 가속기를 설치할 수 있지만, 고객이 이를 지속적으로 임대할 때만 투자가 성과를 낸다. Vultr는 하드웨어 선택을 사용 가능한 서비스, 경쟁력 있는 성능, 지속적인 수요로 전환해야 한다.
이것이 Vultr AI 인프라가 하나의 주문을 넘어 중요한 이유다. 이는 AMD 하드웨어, HPE 통합, 개방형 네트워킹을 잘 구축된 Nvidia 스택과 비교할 수 있는 실제 운영 환경을 만든다. 사양만이 아니라 고객이 대안이 입지를 넓힐 수 있는지를 결정할 것이다.
HPE는 칩 설계사가 아니라 랙 통합 사업자로 경쟁한다
HPE의 기회는 특정 배포에서 어느 칩 회사가 이기든, 고가 가속기를 둘러싼 통합 계층을 확보하는 데서 나온다.
HPE는 AMD가 시장 전반에서 Nvidia를 대체할 필요가 없다. 클라우드 제공업체와 기업이 어느 플랫폼을 선택하든, 그 주변의 서버, 네트워킹, 냉각, 서비스, 운영 지원을 HPE에 맡기기만 하면 된다. 이것이 HPE의 멀티벤더 입지가 이번 거래의 핵심인 이유다.
이 회사는 이미 Nvidia 기반 AI 인프라를 판매한다. Vultr와 GB300 시스템에서 협력한 사례는 고객이 Nvidia의 통합 스택을 선택할 때 HPE가 참여할 수 있음을 보여준다. AMD 주문은 이 역할을 개방형 Ethernet과 ROCm을 중심으로 구축된 아키텍처까지 확장한다.
이는 칩 수준에서의 AMD 대 Nvidia 경쟁과는 다른 대결을 만든다. HPE는 완전한 배포의 주도권을 두고 Dell, Supermicro, ODM, 클라우드 사업자의 내부 엔지니어링 팀과 경쟁하고 있다. HPE의 주장은 랙 스케일 AI에는 가속기를 구매해 기존 서버에 설치하는 것보다 더 많은 통합이 필요하다는 것이다.
HPE의 Juniper Networks 인수는 이러한 입지를 강화했다. AI 클러스터에는 프로세서 간 데이터를 이동시키면서 비용이 큰 유휴 시간을 만들지 않는 특수 네트워킹이 필요하다. 더 큰 네트워킹 포트폴리오를 보유함으로써 HPE는 서버 기회에 스위치, 소프트웨어, 운영 도구를 결합할 수 있다.
보도에 따르면 Vultr 주문에는 HPE 네트워킹 장비가 포함되며, 이는 전략적으로 중요하다. 서버 하드웨어는 종종 치열한 가격 경쟁에 직면하지만, 네트워킹과 서비스는 고객 관계를 심화할 수 있다. 또한 HPE가 클러스터의 실제 관측 성능에 대해 더 큰 책임을 지게 한다.
이 책임에는 양면성이 있다. 공급업체가 랙을 통합하면 더 많은 매출 기회를 얻지만 더 많은 배포 문제도 떠안는다. 냉각 장애, 네트워크 혼잡, 펌웨어 문제, 소프트웨어 호환성 문제는 더 이상 다른 업체의 구성 요소 문제로 치부할 수 없다.
더 넓은 시장은 공격적인 경쟁을 끌어들일 만큼 크다. 한 server market outlook은 AI 서버 시장이 2025년에 55% 성장해 2,520억 달러에 이를 것으로 추정했다. 이 전망은 이번 주문보다 앞선 것이지만, 기존 하드웨어 공급업체들이 랙 스케일 프로젝트를 두고 경쟁하는 이유를 설명하는 데 도움이 된다.
이러한 헤드라인 수치는 어려운 경제성도 감춘다. AI 시스템에는 다른 회사가 공급하는 고가의 가속기가 포함되므로, 대규모 서버 주문이 자동으로 뛰어난 마진을 보장하지는 않는다. 매출은 빠르게 증가할 수 있지만 구성 요소 비용이 계약 가치의 상당 부분을 차지할 수 있다.
따라서 HPE의 네트워킹 기여는 단순한 기술적 각주가 아니다. 이는 회사가 각 배포에서 더 큰 몫을 확보하려는 노력의 일부다. Juniper 기술은 유사한 AMD 구성 요소를 판매하는 공급업체와 비교해 HPE에 더 분명한 차별화 지점도 제공한다.
HPE AMD Helios 설계는 Broadcom과 함께 개발한 Ethernet 기반 스케일업 네트워크를 사용한다. Ethernet은 이미 데이터센터 운영자에게 익숙하지만, 긴밀히 결합된 가속기 통신에 활용하려면 특수 하드웨어와 소프트웨어가 필요하다. HPE는 표준 기반 접근 방식이 유연성을 유지하고 종속을 줄일 수 있다고 주장한다.
Nvidia의 대응 전략은 통합이다. 이 회사의 가속기, NVLink 연결, 네트워킹 하드웨어, 소프트웨어는 하나의 유기적 시스템으로 설계됐다. 고객은 이 스택이 폭넓은 지원과 익숙한 개발 워크플로를 제공하기 때문에 더 폐쇄적인 환경을 감수할 수 있다.
HPE는 클라우드 제공업체들이 두 모델을 모두 지원할 수 있는 통합 사업자를 원할 것이라 보고 있다. 이는 회사를 단일 가속기 공급업체에 덜 의존하게 만든다. 또한 HPE가 이기종 AI 인프라의 중립적 운영자라는 입지를 내세울 수 있게 한다.
보도된 HPE Vultr AMD 주문은 구매 단계에서만 이 전략을 검증한다. HPE는 여전히 랙을 납품하고 Vultr 시설에 연결하며 신뢰성 있는 클라우드 서비스를 구축하도록 지원해야 한다. 가장 강력한 증거는 시스템이 고객 사용 단계에 들어간 뒤에 나올 것이다.
개방형 Ethernet, Nvidia의 통합 AI 스택에 도전
핵심 경쟁은 보다 개방적인 다중 공급업체 아키텍처와 Nvidia의 성숙하고 긴밀히 통합된 컴퓨팅 플랫폼 사이에서 벌어진다.
AMD의 과제는 경쟁력 있는 가속기를 만드는 데만 국한된 적이 없다. 대형 AI 고객은 소프트웨어, 메모리, 네트워킹, 운영 안정성에 따라 가치가 결정되는 시스템을 구매한다. 빠른 칩만으로는 멈춘 데이터 전송이나 취약한 배포 도구를 보완할 수 없다.
Helios는 이 문제를 랙 규모에서 해결하려 한다. 이 설계는 AMD Instinct 가속기 72개, AMD EPYC 프로세서, Pensando 네트워킹, ROCm 소프트웨어, HPE Juniper 스위칭을 결합한다. HPE의 구현은 Open Compute Project의 Open Rack Wide 사양을 기반으로 한다.
AMD의 접근 방식은 공급업체들이 서로 다른 계층에 참여할 여지를 제공한다. Broadcom은 HPE의 스케일업 네트워크용 스위칭 실리콘을 제공하고, HPE는 완성된 랙을 통합하고 지원한다. 클라우드 운영자는 AMD가 모든 보조 구성요소를 직접 제조하는 데 의존하지 않고도 완성형 시스템을 도입할 수 있다.
매력은 선택권이다. 표준 기반 네트워크는 여러 공급업체에서 구성요소를 조달하고 향후 업그레이드를 통합하기 쉽게 만들 수 있다. 또한 한 공급업체가 가속기, 인터커넥트, 스위치, 소프트웨어를 동시에 통제할 위험을 줄일 수 있다.
그러나 개방성이 자동으로 성능 우위로 이어지는 것은 아니다. 표준은 상호운용성을 허용하지만, 고객에게는 지속적인 프로덕션 부하에서도 작동하는 구현이 필요하다. 혼잡 제어, 집단 통신, 장애 복구, 소프트웨어 튜닝은 모두 실질적인 클러스터 성능에 영향을 준다.
Nvidia는 수년 동안 이 계층들을 함께 개선해 왔다. 가속 컴퓨팅용 소프트웨어 플랫폼인 CUDA는 머신러닝 프레임워크와 연구 도구 전반에서 폭넓게 채택돼 있다. NVLink와 Nvidia 네트워킹 제품은 자사 시스템 안에서 데이터가 이동하는 방식을 더 크게 통제할 수 있게 한다.
이 통합은 고객이 내려야 할 일부 결정을 줄여 준다. 개발자는 익숙한 소프트웨어 환경을 접하고, 인프라 팀은 검증된 도구를 갖춘 레퍼런스 아키텍처를 배포할 수 있다. 그 대가는 Nvidia의 기술 및 상업 로드맵에 대한 의존도가 높아진다는 점이다.
AMD와 HPE는 다른 절충안을 제시하고 있다. Vultr는 또 하나의 공급 경로와 Ethernet 기반 설계를 얻지만, 결합된 스택이 하나의 제품처럼 작동한다는 점을 입증하는 책임을 더 많이 진다. HPE의 통합 작업은 이 격차를 메우기 위한 것이다.
초기 워크로드가 중요하다. 학습된 모델을 실행해 답변이나 예측을 생성하는 추론은 때때로 최첨단 규모의 학습보다 더 폭넓은 하드웨어 구성을 허용할 수 있다. 학습은 많은 가속기가 모델 데이터를 반복적으로 교환해야 하므로 동기화에 극단적인 요구를 부과한다.
Vultr는 자사 AMD 인프라에서 학습과 추론 모두를 논의해 왔다. 실제 사용은 플랫폼이 어느 영역에서 먼저 고객을 끌어들이는지 드러낼 것이다. 가장 큰 학습 작업이 Nvidia 시스템에 계속 집중되더라도, 강력한 추론 서비스는 상당한 규모의 배포를 정당화할 수 있다.
메모리 용량 역시 도입을 좌우할 수 있다. 대형 모델과 긴 컨텍스트 추론에는 가속기 가까이에 상당한 고대역폭 메모리가 필요하다. HPE 자료에 따르면 Helios의 MI450 시리즈 가속기 각각은 최대 432GB의 HBM4 메모리를 제공하지만, 최종 프로덕션 환경에서의 동작은 고객 검증이 필요하다.
소프트웨어 이식성은 더 큰 불확실성으로 남아 있다. 프레임워크 지원은 코드가 여러 가속기에서 기술적으로 실행될 수 있게 하지만, 프로덕션 이전에는 프로파일링, 커널 최적화, 모니터링, 운영팀 재교육이 필요하다. 이러한 비용은 매력적인 하드웨어 사양의 장점을 상쇄할 수 있다.
Vultr는 검증된 이미지와 배포 패턴을 제공해 이러한 마찰을 줄일 수 있다. 이 회사의 문서에는 이미 AMD Instinct 시스템에서 모델을 실행하는 지침이 포함돼 있다. 다음 단계는 팀이 데모에서 안정적이고 반복 가능한 프로덕션 환경으로 이동할 수 있음을 보여주는 것이다.
따라서 HPE Vultr AMD 주문은 Nvidia에 압박을 가하지만 동등성을 입증하지는 않는다. 이는 AMD에 중요한 유통 채널을, HPE에는 주요 통합 기회를 제공한다. Nvidia는 더 큰 소프트웨어 커뮤니티와 다수의 유명 클러스터에서 검증된 스택이라는 우위를 유지한다.
경쟁은 고객이 불합리한 이전 비용을 감수하지 않고 선택할 수 있을 때 의미를 갖는다. Vultr가 AMD 용량을 쉽게 사용할 수 있게 한다면, 이 주문은 구매자의 협상력을 확대할 것이다. 고객이 소프트웨어나 가용성 문제를 겪는다면, 이 랙은 특수한 선택지로 남을 수 있다.
계약 규모는 납품 및 수요 위험을 해소하지 못한다
대규모 주문은 구매 의사를 입증하지만, 적시 납품, 수익성 있는 매출, 지속적인 고객 사용까지 입증하지는 않는다.
첫 번째 불확실성은 계약 구조다. 보도된 12억 달러 규모에는 장기간에 걸친 하드웨어, 네트워킹, 서비스, 배포가 포함될 수 있다. 공개된 마일스톤이 없다면 HPE가 관련 매출을 얼마나 빠르게 인식할 수 있는지 알 수 없다.
두 번째 불확실성은 부품 가용성이다. 랙 규모 AI 시스템은 가속기, 고대역폭 메모리, 네트워킹 실리콘, 광학 부품, 전력 장비, 냉각 시스템이 순차적으로 도착해야 한다. 한 범주의 지연만으로도 전체 클러스터가 지연될 수 있다.
HPE는 또한 새로운 기술을 조율해야 한다. 이 회사의 AMD Helios 시스템은 2026년 전 세계 공급을 목표로 발표됐으며, 회사는 앞서 특수 스케일업 스위치를 개발 중이라고 밝힌 바 있다. Vultr의 배포는 이 구성요소들이 공개된 아키텍처에서 반복 가능한 설치 단계로 넘어갈 수 있는지 시험할 것이다.
셋째, HPE는 수익성을 보호해야 한다. 계약의 총액에는 HPE가 제조하지 않는 고가의 AMD 구성요소가 포함된다. HPE는 네트워킹, 소프트웨어, 서비스, 지원을 통해 경제적 구성을 개선할 수 있지만, 공개된 주문 규모만으로는 마진을 알 수 없다.
넷째, Vultr에는 고객이 필요하다. 인프라 지출은 임대한 가속기가 비용을 지불하는 워크로드로 계속 가동될 때 경제적 가치를 갖는다. 낮은 활용률은 인상적인 하드웨어 플릿을 감가상각되는 자산의 값비싼 집합으로 바꿀 수 있다.
네오클라우드 제공업체들은 까다로운 균형에 직면한다. 용량을 확보하려면 충분히 일찍 하드웨어를 예약해야 하지만, 고객 약정은 모델 효율성, 금융 여건, 새로운 가속기 세대에 따라 바뀔 수 있다. 따라서 대규모 구매에는 미래 수요에 관한 예측이 내재돼 있다.
Vultr는 GPU 임대에만 집중하는 기업보다 더 다변화된 클라우드 플랫폼을 운영한다. 이는 컴퓨팅, 스토리지, 네트워킹, AI 가속을 함께 필요로 하는 고객을 지원하는 데 도움이 될 수 있다. 그러나 실제 사용에 앞서 용량을 구축할 위험을 없애지는 못한다.
다섯 번째 불확실성은 소프트웨어 도입이다. AMD는 ROCm에 상당한 투자를 했으며 주요 프레임워크는 자사 가속기를 지원한다. 그러나 기능 목록에 지원이 표시되는 것과 수천 개의 프로덕션 작업에서 원활히 작동하는 것은 다르다.
고객은 배포까지 걸리는 시간, 모델 호환성, 성능 안정성, 디버깅 노력을 평가할 것이다. 또한 팀이 이미 익숙할 수 있는 Nvidia 환경과 이 결과를 비교할 것이다. HPE와 Vultr는 대안이 운영 측면에서 평범하게 느껴지도록 만들어야 한다.
집중도 문제도 있다. 대규모 인프라 주문은 공급업체의 수주잔고를 개선하는 동시에 소수 고객에 대한 의존도를 높일 수 있다. 배포의 범위나 일정이 바뀌면 제조 계획과 재무 기대치에 그 영향이 빠르게 퍼질 수 있다.
이러한 위험들이 보도된 주문을 무효화하는 것은 아니다. 다만 계약을 최종 결과가 아니라 시험의 시작으로 봐야 하는 이유를 설명한다. 하드웨어는 출하돼야 하고, 서비스는 출시돼야 하며, 고객은 용량을 선택해야 한다.
가장 중요한 한계는 증거다. 초기 보도는 당사자, 주문 가치, AMD 랙, HPE 네트워킹을 식별하지만 세부 계약 조건은 제공하지 않는다. HPE, AMD, Vultr는 해당 보도와 함께 완전한 공동 기술 발표를 제공하지 않았다.
따라서 독자들은 모든 시스템이 즉시 도착하거나 전액이 단기 HPE 매출이 될 것이라고 가정해서는 안 된다. Vultr가 Nvidia 지출을 전환하고 있다고 추론하기에도 이르다. 이전에 발표된 Nvidia 배포는 다중 공급업체 확장을 시사한다.
방어 가능한 결론은 더 좁다. Vultr는 HPE가 구축한 AMD 기반 AI 인프라에 대규모 베팅을 한 것으로 보도됐다. 이는 경쟁 압력을 만들기에 충분하지만, 납품과 활용률이 그 압력이 지속될지를 결정할 것이다.
이 베팅의 성과를 보여줄 세 가지 신호
출하, 고객 가용성, 공개된 재무 실적이 이 주문이 AI 인프라 시장을 바꾸는지 결정할 것이다.
첫 번째 신호는 프로덕션 배포 발표다. HPE 또는 Vultr는 언젠가 Helios 랙이 언제 설치되는지, 어느 지역에서 용량을 이용할 수 있는지, 고객이 어떤 서비스에 접근할 수 있는지를 공개해야 한다. 실명이 포함된 출시 발표는 보도된 주문이 조달 단계를 넘어섰다는 근거를 강화할 것이다.
기술 세부사항은 이 신호를 더 유용하게 만들 것이다. 랙 수, 가속기 구성, 네트워크 토폴로지, 지원 지역은 프로젝트 규모를 명확히 할 수 있다. 모든 상업 조건이 공개되지 않더라도, 이러한 정보는 Vultr가 하드웨어를 판매 가능한 용량으로 전환하려는 방식을 보여줄 것이다.
두 번째 신호는 실제 고객 도입이다. Vultr는 일반 제공 인스턴스, 문서화된 모델 배포, 고객 사례 연구, 용량 확장을 통해 이를 입증할 수 있다. 일관된 수요는 AMD 중심으로 구축된 Vultr AI 인프라의 실질적 가치를 검증할 것이다.
성능 근거는 최고 사양만이 아니라 실제 워크로드를 반영해야 한다. 구매자에게는 처리량, 지연 시간, 클러스터 효율성, 장애 복구, 소프트웨어 호환성에 관한 데이터가 필요하다. 독립적 또는 고객이 생성한 결과는 공급업체 전망보다 더 큰 무게를 가질 것이다.
세 번째 신호는 HPE의 재무 보고다. 투자자들은 AI 시스템 매출, 서버 수주잔고, 네트워킹 수요, 마진, 출하 시점에 관한 경영진의 발언을 지켜봐야 한다. 이러한 수치는 계약이 수익성 있는 성장을 이끄는지, 아니면 주로 저마진 하드웨어 물량을 늘리는지를 보여줄 수 있다.
HPE의 네트워킹 실적은 특히 주목할 만하다. 회사가 대규모 가속기 주문에 Juniper 스위치와 서비스를 결합한다면 시스템 가치의 더 큰 부분을 확보할 수 있다. 고객이 대부분 패스스루 컴퓨팅 장비만 구매한다면, 매출 헤드라인은 경제성보다 더 강하게 보일 것이다.
경쟁사의 대응은 보조적인 맥락을 제공할 것이다. Dell과 Supermicro는 유사한 AMD 기회를 추진할 수 있고, Nvidia는 통합 플랫폼의 운영상 장점을 강조할 수 있다. 클라우드 제공업체들도 공급 유연성을 확보하려 하면서 추가 가속기 선택지를 발표할 수 있다.
AMD의 다음 소프트웨어 및 하드웨어 업데이트도 결과에 영향을 미치겠지만, 이번 배포를 대체할 수는 없다. 새로운 사양은 로드맵을 개선하는 동시에 현재의 실행에 대한 집중을 흐릴 수 있다. Vultr의 설치 시스템은 다음 제품 주기가 비교 기준을 다시 설정하기 전에 유용한 서비스를 제공해야 한다.
개발자와 기업 구매자에게 그 결과는 공급업체의 시장 점유율을 넘어서는 의미를 갖는다. 신뢰할 수 있는 두 번째 랙 스케일 플랫폼은 용량 가용성, 조달 협상력, 워크로드 이식성을 높일 수 있다. 동시에 팀이 평가해야 할 엔지니어링 선택지도 늘어날 수 있다.
올바른 대응은 오픈 인프라가 항상 승리한다거나 Nvidia의 우위에 도전할 수 없다고 가정하지 않는 것이다. 구매자는 모델 지원, 네트워킹, 배포 도구, 신뢰성, 마이그레이션 노력 등을 포함한 전체 환경을 비교해야 한다. 가속기 벤치마크는 이러한 결정의 한 부분만을 다룬다.
향후 몇 달 동안에는 명시적인 서비스 출시, 고객 활용의 증거, 그리고 HPE가 보고하는 매출 및 마진 기여도를 주시해야 한다. 이러한 신호를 종합하면 HPE Vultr AMD 주문이 작동하는 대안을 만들어 냈는지, 아니면 단지 대규모 수주 잔고 항목에 그쳤는지를 보여줄 것이다.
AI 용량을 계획하는 조직은 이 기간을 활용해 어떤 워크로드가 실제로 특정 벤더의 스택을 필요로 하는지, 그리고 어떤 워크로드가 플랫폼 간 이동할 수 있는지를 파악해야 한다. Vultr가 AMD 배포를 폭넓게 이용 가능한 용량으로 전환한다면, 이 인벤토리는 중요해질 것이다. 이 주문은 경쟁의 시험을 시작했지만, 고객은 실제로 임대하고 운영하는 시스템을 통해 그 결과를 결정하게 될 것이다.
