스페이스XAI의 NVIDIA Vera 도입은 단순한 칩 테스트를 넘어, 에이전틱 AI를 실제 규모로 운영하기 위한 CPU 인프라 배치 계획을 보여준다. Vera는 모델 추론 자체보다 그 전후에서 발생하는 에이전트 조율, 도구 사용, 코드 실행, 데이터 처리와 시뮬레이션을 맡는다. 이를 통해 고가의 GPU가 CPU 작업을 기다리며 쉬는 시간을 줄이고, 전체 시스템 활용률을 높이려는 구상이다. 3

이번 발표는 NVIDIA의 전략 변화도 드러낸다. NVIDIA는 AI 모델을 실행하는 GPU 공급업체에 머무르지 않고, GPU 주변의 CPU·네트워크·데이터 처리 인프라까지 하나의 플랫폼으로 묶으려 하고 있다.

스페이스XAI가 발표한 내용

NVIDIA는 스페이스XAI가 차세대 에이전틱 AI 애플리케이션을 위해 Vera CPU를 배치할 계획이라고 밝혔다. 스페이스XAI는 NVIDIA Vera Rubin을 기반으로 Grok을 지원하는 인프라도 확장하고, 최적화한 Vera Rubin NVL72 시스템을 1세대 Starmind 위성에 탑재해 우주로 확장할 계획이다. 3

다만 여기서 ‘배치 계획’과 ‘완료된 대규모 도입’을 구분할 필요가 있다. 이번 발표는 도입 의향과 예정된 활용 범위를 확인해 주지만, 스페이스XAI가 실제로 확보한 Vera 시스템 수나 전체 인도 일정, 운영 환경에서 측정된 성능을 독립적으로 검증해 주는 자료는 아니다.

Vera가 겨냥하는 것은 모델 호출 사이의 작업

에이전틱 AI 시스템은 질문에 한 번 답하는 데 그치지 않는다. 필요한 도구를 선택하고, 코드를 실행하며, 시뮬레이션을 돌리고, 데이터를 가공하고, 여러 단계의 작업을 조율한 뒤 결과를 내놓을 수 있다. NVIDIA는 Vera를 이런 CPU 집약적 작업을 위한 프로세서로 설명한다. 38

핵심은 CPU와 GPU 사이의 역할 분담이다. 오케스트레이션, 샌드박스 실행, 데이터 처리 등이 늦어지면 비싼 GPU도 다음 작업을 기다리며 유휴 상태가 될 수 있다. NVIDIA는 Vera가 GPU에 데이터를 지속적으로 공급하고 에이전트의 응답성을 높이도록 설계됐다고 주장한다. 8

Vera의 구조와 성능 주장

NVIDIA는 Vera를 ‘AI 에이전트를 위해 설계된 첫 CPU’라고 소개하며 다음과 같은 사양을 제시한다.

• NVIDIA 설계 Olympus 코어 88개
• 공간 멀티스레딩(Spatial Multithreading)
• 최대 1.2TB/s 대역폭을 지원하는 LPDDR5X 메모리
• 에이전틱 AI, 강화학습, 데이터 처리 작업 지원 3

NVIDIA는 해당 작업에서 Vera가 x86 CPU보다 작업을 최대 1.8배 빠르게 완료할 수 있다고 주장한다. 이 수치는 NVIDIA가 제시한 업체 측 성능 주장으로, 독립 기관이 검증한 벤치마크로 보기는 어렵다. NVIDIA는 별도로 Vera가 기존 CPU 인프라보다 샌드박스 환경 성능을 최대 80% 높일 수 있다고 설명한다. 38

따라서 실제 운영자에게 중요한 질문은 ‘Vera가 일반적으로 더 빠른가’가 아니다. 각 기업의 오케스트레이션, 강화학습, 시뮬레이션, 샌드박스 작업에서 어떤 성능을 내는지, GPU·메모리·네트워크·소프트웨어를 모두 포함한 전체 시스템 비용이 얼마인지가 더 중요하다.

평가 단계에서 배치 계획으로

NVIDIA와 스페이스XAI의 협력은 이번 발표로 처음 시작된 것이 아니다. NVIDIA에 따르면 회사는 2026년 5월 스페이스XAI에 초기 Vera 시스템을 전달했다. 이후 스페이스XAI는 자사 학습 인프라와 연결된 강화학습 작업 및 에이전트 기반 시뮬레이션 파이프라인에서 프로세서를 평가했다. 1

8월 발표는 이 평가 단계의 다음 단계로, Vera를 테스트에만 사용하는 것이 아니라 향후 에이전틱 AI 애플리케이션을 지원하는 인프라에 투입하겠다는 내용을 담고 있다. 다만 실제 전환 속도와 최종 배치 규모는 아직 공개되지 않았다.

Vera의 상용화 일정

NVIDIA는 2026년 3월 Vera를 출시하면서 독립형 서버, Rubin 호스트 구성, 랙 단위 배치 등 여러 형태의 시스템을 제시했다. 당시에도 제품 출시 시점과 공급 상황은 변경될 수 있다고 밝혔다. 211

5월에는 스페이스XAI와 Oracle Cloud Infrastructure를 포함한 일부 초기 고객에게 Vera 시스템이 전달됐다. 이어 NVIDIA는 8월 27일 업데이트에서 Vera가 대규모로 출하되고 있다고 설명했다. 출시 발표에서 초기 시스템 전달과 생산 확대 단계로 넘어갔다는 의미다. 1

이 일정은 스페이스XAI의 발표가 단순한 미래형 칩 설계가 아니라, 빠르게 확장 중인 플랫폼에 대한 도입 계획이라는 점에서 중요하다. 그러나 NVIDIA가 ‘대규모 출하’에 들어갔다고 밝힌 사실이 곧 스페이스XAI의 배치 규모나 완료 시점을 확정하는 것은 아니다.

Oracle의 대규모 도입 계획

Oracle Cloud Infrastructure(OCI)는 2026년부터 Vera CPU 수십만 개를 배치할 계획이라고 밝혔다. OCI는 이를 클라우드 사업자가 하이퍼스케일 규모로 Vera를 도입하는 첫 계획이라고 설명했으며, NVIDIA는 앞서 OCI에 초기 Vera 시스템을 전달한 바 있다. 1

OCI의 계획은 Vera가 개별 AI 연구소를 넘어 클라우드 서비스로 유통될 가능성을 키운다. 동시에 NVIDIA의 CPU 아키텍처가 NVIDIA의 참조 시스템에 맞춘 특수 부품에 머무르지 않고, 여러 클라우드 환경에서 반복적으로 공급되는 인프라 제품이 될 수 있을지를 시험하는 사례이기도 하다.

NVIDIA에 중요한 이유

Vera는 NVIDIA가 이른바 ‘AI 팩토리’의 더 많은 층을 직접 통제하려는 전략의 일부다. NVIDIA는 Vera CPU를 NVLink-C2C로 자사 GPU와 긴밀하게 연결하고, NVIDIA 네트워크 및 BlueField 데이터 처리 하드웨어와 함께 배치하는 구상을 제시한다. 2

이 통합은 NVIDIA에 세 가지 효과를 가져올 수 있다.

1. CPU 병목 완화: 오케스트레이션과 데이터 이동이 빨라지면 GPU를 더 지속적으로 가동할 수 있다.
2. 플랫폼 의존도 확대: CPU·GPU·네트워크·소프트웨어를 모두 NVIDIA 스택으로 채택한 고객은 인프라의 더 많은 부분을 한 공급업체에 연결하게 된다.
3. 전통적인 호스트 CPU 영역에 도전: Vera는 일부 AI 작업에서 기존 x86 호스트를 대체하거나 보완할 수 있는 목적형 대안이 될 수 있다. 다만 공개된 발표만으로 Vera가 범용 컴퓨팅 전반에서 x86을 대체한다고 보기는 어렵다.

특히 스페이스XAI 사례는 지상에서 Grok을 지원하는 인프라와 계획 단계의 궤도 시스템을 같은 Vera Rubin 아키텍처의 연장선상에 놓았다는 점에서 눈에 띈다. 이는 하나의 통합 아키텍처를 서로 다른 배치 환경에 적용하려는 NVIDIA의 야심을 보여주지만, 위성 시스템은 아직 계획 단계이며 실제 운영 성능이 입증된 것은 아니다. 3

결론

이번 발표의 가장 분명한 메시지는 AI가 단순히 프롬프트에 답하는 단계를 넘어 여러 작업을 스스로 수행하면서 CPU의 전략적 중요성이 커지고 있다는 점이다. 스페이스XAI는 모델 주변의 오케스트레이션, 코드 실행, 데이터 처리 계층에 Vera를 활용할 계획이며, OCI의 하이퍼스케일 도입 계획은 Vera의 상업적 확장 가능성을 높인다. 13

다만 가장 강한 표현들은 여전히 미래를 전제로 한다. NVIDIA가 제시한 성능 수치는 회사 측 주장이고, 스페이스XAI의 최종 배치 수량과 실제 운영 성능, 전체 인도 일정은 독립적으로 확인되지 않았다. Vera의 진정한 가치는 실제 환경에서 GPU 활용률, 에이전트 응답성, 전체 비용 효율을 얼마나 개선하느냐에 달려 있다.

스페이스XAI의 NVIDIA Vera 도입은 단순한 칩 테스트를 넘어, 에이전틱 AI를 실제 규모로 운영하기 위한 CPU 인프라 배치 계획을 보여준다. Vera는 모델 추론 자체보다 그 전후에서 발생하는 에이전트 조율, 도구 사용, 코드 실행, 데이터 처리와 시뮬레이션을 맡는다. 이를 통해 고가의 GPU가 CPU 작업을 기다리며 쉬는 시간을 줄이고, 전체 시스템 활용률을 높이려는 구상이다. 3

이번 발표는 NVIDIA의 전략 변화도 드러낸다. NVIDIA는 AI 모델을 실행하는 GPU 공급업체에 머무르지 않고, GPU 주변의 CPU·네트워크·데이터 처리 인프라까지 하나의 플랫폼으로 묶으려 하고 있다.

스페이스XAI가 발표한 내용

NVIDIA는 스페이스XAI가 차세대 에이전틱 AI 애플리케이션을 위해 Vera CPU를 배치할 계획이라고 밝혔다. 스페이스XAI는 NVIDIA Vera Rubin을 기반으로 Grok을 지원하는 인프라도 확장하고, 최적화한 Vera Rubin NVL72 시스템을 1세대 Starmind 위성에 탑재해 우주로 확장할 계획이다. 3

다만 여기서 ‘배치 계획’과 ‘완료된 대규모 도입’을 구분할 필요가 있다. 이번 발표는 도입 의향과 예정된 활용 범위를 확인해 주지만, 스페이스XAI가 실제로 확보한 Vera 시스템 수나 전체 인도 일정, 운영 환경에서 측정된 성능을 독립적으로 검증해 주는 자료는 아니다.

Vera가 겨냥하는 것은 모델 호출 사이의 작업

에이전틱 AI 시스템은 질문에 한 번 답하는 데 그치지 않는다. 필요한 도구를 선택하고, 코드를 실행하며, 시뮬레이션을 돌리고, 데이터를 가공하고, 여러 단계의 작업을 조율한 뒤 결과를 내놓을 수 있다. NVIDIA는 Vera를 이런 CPU 집약적 작업을 위한 프로세서로 설명한다. 38

핵심은 CPU와 GPU 사이의 역할 분담이다. 오케스트레이션, 샌드박스 실행, 데이터 처리 등이 늦어지면 비싼 GPU도 다음 작업을 기다리며 유휴 상태가 될 수 있다. NVIDIA는 Vera가 GPU에 데이터를 지속적으로 공급하고 에이전트의 응답성을 높이도록 설계됐다고 주장한다. 8

Vera의 구조와 성능 주장

NVIDIA는 Vera를 ‘AI 에이전트를 위해 설계된 첫 CPU’라고 소개하며 다음과 같은 사양을 제시한다.

• NVIDIA 설계 Olympus 코어 88개
• 공간 멀티스레딩(Spatial Multithreading)
• 최대 1.2TB/s 대역폭을 지원하는 LPDDR5X 메모리
• 에이전틱 AI, 강화학습, 데이터 처리 작업 지원 3

NVIDIA는 해당 작업에서 Vera가 x86 CPU보다 작업을 최대 1.8배 빠르게 완료할 수 있다고 주장한다. 이 수치는 NVIDIA가 제시한 업체 측 성능 주장으로, 독립 기관이 검증한 벤치마크로 보기는 어렵다. NVIDIA는 별도로 Vera가 기존 CPU 인프라보다 샌드박스 환경 성능을 최대 80% 높일 수 있다고 설명한다. 38

따라서 실제 운영자에게 중요한 질문은 ‘Vera가 일반적으로 더 빠른가’가 아니다. 각 기업의 오케스트레이션, 강화학습, 시뮬레이션, 샌드박스 작업에서 어떤 성능을 내는지, GPU·메모리·네트워크·소프트웨어를 모두 포함한 전체 시스템 비용이 얼마인지가 더 중요하다.

평가 단계에서 배치 계획으로

NVIDIA와 스페이스XAI의 협력은 이번 발표로 처음 시작된 것이 아니다. NVIDIA에 따르면 회사는 2026년 5월 스페이스XAI에 초기 Vera 시스템을 전달했다. 이후 스페이스XAI는 자사 학습 인프라와 연결된 강화학습 작업 및 에이전트 기반 시뮬레이션 파이프라인에서 프로세서를 평가했다. 1

8월 발표는 이 평가 단계의 다음 단계로, Vera를 테스트에만 사용하는 것이 아니라 향후 에이전틱 AI 애플리케이션을 지원하는 인프라에 투입하겠다는 내용을 담고 있다. 다만 실제 전환 속도와 최종 배치 규모는 아직 공개되지 않았다.

Vera의 상용화 일정

NVIDIA는 2026년 3월 Vera를 출시하면서 독립형 서버, Rubin 호스트 구성, 랙 단위 배치 등 여러 형태의 시스템을 제시했다. 당시에도 제품 출시 시점과 공급 상황은 변경될 수 있다고 밝혔다. 211

5월에는 스페이스XAI와 Oracle Cloud Infrastructure를 포함한 일부 초기 고객에게 Vera 시스템이 전달됐다. 이어 NVIDIA는 8월 27일 업데이트에서 Vera가 대규모로 출하되고 있다고 설명했다. 출시 발표에서 초기 시스템 전달과 생산 확대 단계로 넘어갔다는 의미다. 1

이 일정은 스페이스XAI의 발표가 단순한 미래형 칩 설계가 아니라, 빠르게 확장 중인 플랫폼에 대한 도입 계획이라는 점에서 중요하다. 그러나 NVIDIA가 ‘대규모 출하’에 들어갔다고 밝힌 사실이 곧 스페이스XAI의 배치 규모나 완료 시점을 확정하는 것은 아니다.

Oracle의 대규모 도입 계획

Oracle Cloud Infrastructure(OCI)는 2026년부터 Vera CPU 수십만 개를 배치할 계획이라고 밝혔다. OCI는 이를 클라우드 사업자가 하이퍼스케일 규모로 Vera를 도입하는 첫 계획이라고 설명했으며, NVIDIA는 앞서 OCI에 초기 Vera 시스템을 전달한 바 있다. 1

OCI의 계획은 Vera가 개별 AI 연구소를 넘어 클라우드 서비스로 유통될 가능성을 키운다. 동시에 NVIDIA의 CPU 아키텍처가 NVIDIA의 참조 시스템에 맞춘 특수 부품에 머무르지 않고, 여러 클라우드 환경에서 반복적으로 공급되는 인프라 제품이 될 수 있을지를 시험하는 사례이기도 하다.

NVIDIA에 중요한 이유

Vera는 NVIDIA가 이른바 ‘AI 팩토리’의 더 많은 층을 직접 통제하려는 전략의 일부다. NVIDIA는 Vera CPU를 NVLink-C2C로 자사 GPU와 긴밀하게 연결하고, NVIDIA 네트워크 및 BlueField 데이터 처리 하드웨어와 함께 배치하는 구상을 제시한다. 2

이 통합은 NVIDIA에 세 가지 효과를 가져올 수 있다.

1. CPU 병목 완화: 오케스트레이션과 데이터 이동이 빨라지면 GPU를 더 지속적으로 가동할 수 있다.
2. 플랫폼 의존도 확대: CPU·GPU·네트워크·소프트웨어를 모두 NVIDIA 스택으로 채택한 고객은 인프라의 더 많은 부분을 한 공급업체에 연결하게 된다.
3. 전통적인 호스트 CPU 영역에 도전: Vera는 일부 AI 작업에서 기존 x86 호스트를 대체하거나 보완할 수 있는 목적형 대안이 될 수 있다. 다만 공개된 발표만으로 Vera가 범용 컴퓨팅 전반에서 x86을 대체한다고 보기는 어렵다.

특히 스페이스XAI 사례는 지상에서 Grok을 지원하는 인프라와 계획 단계의 궤도 시스템을 같은 Vera Rubin 아키텍처의 연장선상에 놓았다는 점에서 눈에 띈다. 이는 하나의 통합 아키텍처를 서로 다른 배치 환경에 적용하려는 NVIDIA의 야심을 보여주지만, 위성 시스템은 아직 계획 단계이며 실제 운영 성능이 입증된 것은 아니다. 3

결론

이번 발표의 가장 분명한 메시지는 AI가 단순히 프롬프트에 답하는 단계를 넘어 여러 작업을 스스로 수행하면서 CPU의 전략적 중요성이 커지고 있다는 점이다. 스페이스XAI는 모델 주변의 오케스트레이션, 코드 실행, 데이터 처리 계층에 Vera를 활용할 계획이며, OCI의 하이퍼스케일 도입 계획은 Vera의 상업적 확장 가능성을 높인다. 13

다만 가장 강한 표현들은 여전히 미래를 전제로 한다. NVIDIA가 제시한 성능 수치는 회사 측 주장이고, 스페이스XAI의 최종 배치 수량과 실제 운영 성능, 전체 인도 일정은 독립적으로 확인되지 않았다. Vera의 진정한 가치는 실제 환경에서 GPU 활용률, 에이전트 응답성, 전체 비용 효율을 얼마나 개선하느냐에 달려 있다.