알리바바 클라우드의 에이전틱 클라우드, AI 에이전트를 위한 세 가지 층

2026년 윈치대회(Apsara Conference)에서 알리바바 클라우드가 제시한 **에이전틱 클라우드(Agentic Cloud)**는 AI 모델을 실행하는 클라우드에 그치지 않는다. 기업이 AI 에이전트를 구축하고 운영하려면 모델뿐 아니라 작업을 수행할 환경, 작업에 활용할 데이터와 기억도 필요하다는 구상이다. 알리바바 클라우드는 이를 Model·Harness·Context라는 세 가지 시나리오와 각각에 대응하는 클라우드 계층으로 설명했다.34

모델부터 맥락까지, 세 계층의 역할

• Model → AI Native Cloud: 대규모 모델의 학습과 추론을 뒷받침하는 인프라.3
• Harness → Agent Native Cloud: 기업용 AI 에이전트의 배포·실행·보안을 지원하는 계층. 여기서 Harness는 에이전트가 실제 작업을 수행하도록 돕는 실행·관리 환경을 뜻한다.34
• Context → Context Engine: 에이전트가 현재 작업에 필요한 실시간 데이터와 장기 기억을 활용하도록 설계된 계층.34

핵심은 모델 접근만 제공하는 것이 아니라, 에이전트를 지속적으로 운영할 수 있는 전체 구조를 제안한다는 점이다. 모델이 AI의 지능을 담당한다면, 실행 환경은 작업 수행과 관리를, 맥락 계층은 시간이 지나도 활용할 수 있는 정보를 맡는다.34

AgentCore는 무엇을 관리하나

AgentCore는 Agent Native Cloud 계층의 기업용 플랫폼이다. 알리바바 클라우드는 이를 에이전트의 구축·실행·관리 전 과정을 지원하고, 사람과 에이전트의 협업을 감독하며 성능을 모니터링하는 도구로 설명한다.34 대회 관련 보도에는 장시간 실행되는 작업, 실패 후 재시도, 중단된 작업 재개, 비동기 실행과 함께 격리된 실행 환경, 신원·권한 관리, 감사 기록 지원도 언급됐다.7

보안 제품인 Agent Security Center는 AgentCore와 구분해서 봐야 한다. 알리바바 클라우드는 이를 에이전트 보안 제품군의 주요 제품으로 소개하며, Agent Loop를 해당 제품의 로그 분석 모듈이라고 설명한다.2530 다만 제공된 대회 자료만으로는 Agent Security Center의 어떤 통제가 AgentCore와 연동되는지, 실제 운영 환경에서 얼마나 효과적인지 확인할 수 없다.

CPFS와 HPN 8.0 Pro가 받치는 인프라

모델 학습용 저장장치로 제시된 차세대 **CPFS(Cloud Parallel File Storage)**에 대해 알리바바 클라우드는 초당 100TB급 처리량, 초당 1억 회급 입출력 작업(IOPS), 기업 AI 저장 비용 69% 절감을 주장한다.17 대회 관련 보도는 단일 파일 시스템 규모가 이전의 5배인 100PiB에 이르고, 평균 모델 시작 시간은 50% 단축, 최대 컴퓨팅 자원 활용률은 30% 향상된다고 전했다.7

이 수치는 독립적으로 검증된 성능 평가 결과가 아니다. 모든 CPFS 구성에서 같은 처리량을 기대해서도 안 된다. 기존 CPFS 제품 문서에는 구성에 따라 달라지는 별도의 처리량 한도가 제시돼 있다.23

네트워크 아키텍처 HPN 8.0 Pro에 대해서는 알리바바 클라우드가 100페타비트 대역폭과 단일 클러스터에서 800G 포트 13만 개 이상을 지원한다고 밝혔다.17 회사는 중복 설계를 통해 광 송수신기나 링크 고장에도 서비스가 중단되지 않도록 한다고 설명한다.17 대회 관련 보도에 따르면 이전 세대와 비교해 네트워크 업그레이드 및 장애의 영향이 50%에서 25%로 감소했다. 다만 이 ‘영향’을 어떤 기준으로 측정했는지는 명확하지 않다.3

결국 이번 발표는 모델 학습 인프라에서 에이전트 운영과 장기적인 맥락 활용까지 이어지는 알리바바 클라우드의 설계도를 보여준다. 저장 비용·네트워크 복원력·에이전트 관리 기능이 실제 기업의 특정 작업에서도 발표 수치대로 작동하는지는 추가 검증이 필요하다.3717