답변게시됨13 소스
델로스 데이터가 AI 데이터센터 네트워크에 1억 달러 이상을 투자받은 이유
델로스 데이터는 AI 데이터센터 내부의 데이터 이동 속도를 높일 네트워크 칩과 소프트웨어 개발을 위해 1억 달러 이상을 유치했다.[1][2] 델로스 논스톱 AI는 특정 칩 공급업체에 묶이지 않고, 이기종 연산 인프라 전반에서 저지연·고대역폭 통신을 지원하는 것을 목표로 한다.[2][7] 핵심은 비싼 GPU와 가속기가 데이터를 기다리느라 놀지 않게 하는 것이다. 팻 겔싱어는 이를 '뜨거운 하드웨어, 타오르는 전력'이지만 사실상 유휴 상태인 문제로 표현했다.[1]
게시자GPT-5.6 Terra로 편집GPT Image 2로 이미지 생성
연구 답변
주요 시사점
- 델로스 데이터는 AI 데이터센터 내부의 데이터 이동 속도를 높일 네트워크 칩과 소프트웨어 개발을 위해 1억 달러 이상을 유치했다.[1][2]
- 델로스 논스톱 AI는 특정 칩 공급업체에 묶이지 않고, 이기종 연산 인프라 전반에서 저지연·고대역폭 통신을 지원하는 것을 목표로 한다.[2][7]
- 핵심은 비싼 GPU와 가속기가 데이터를 기다리느라 놀지 않게 하는 것이다. 팻 겔싱어는 이를 '뜨거운 하드웨어, 타오르는 전력'이지만 사실상 유휴 상태인 문제로 표현했다.[1]
AI 프롬프트
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Delos Data, the AI-chip startup founded by Intel veterans, developing and why did it raise $100 million, how is the increasing diver. Article summary: Delos Data is an Intel-veteran-founded startup building networking chips and software that move data rapidly among AI accelerators inside increasingly heterogeneous data centers. It raised $100 million to address the net. Topic tags: general, news, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
AI 인프라의 승부처가 연산 성능만은 아니라는 인식이 커지고 있다. 인텔 출신 인력이 창업한 스타트업 **델로스 데이터(Delos Data)**는 AI 데이터센터 안에서 데이터를 더 빠르게 옮길 칩과 소프트웨어를 개발하기 위해 1억 달러 이상을 유치했다. 목표는 값비싼 AI 가속기가 데이터를 기다리며 멈춰 서는 시간을 줄이는 것이다.1
2
델로스 데이터가 만드는 것
델로스 데이터는 AI 데이터센터의 연산 장치, 메모리, 저장장치 사이 통신을 위한 네트워킹 실리콘과 소프트웨어를 개발한다. 회사는 저지연·고대역폭·복원력을 갖춘 에이전틱 AI 인프라를 겨냥해 델로스 논스톱 AI(Delos Nonstop AI), 데이터 인터페이스, 참조 아키텍처를 공개했다.2
7
여기서 에이전틱 AI란 단순히 한 번의 질문에 답하는 데 그치지 않고, 여러 단계의 작업을 계획하고 수행하는 AI 에이전트 기반 워크로드를 뜻한다. 이런 작업은 시스템 곳곳의 데이터와 연산 자원을 반복적으로 오가므로, 칩의 성능 못지않게 칩 간 통신 지연이 중요해진다.
델로스의 실질적 목표는 데이터센터 운영자가 하나의 가속기 구조에 맞춰 네트워크를 고정 설계하지 않고도, 변화하는 프로세서 조합을 효율적으로 연결하고 데이터를 교환하게 하는 것이다. 로이터에 따르면 델로스는 기반 칩 구성이 계속 바뀌는 이기종 AI 클러스터에서 장치들이 빠르게 통신할 수 있도록 하는 데 초점을 맞추고 있다.1
AI 데이터센터에서 네트워크가 더 중요해진 배경
AI 붐 초기의 대형 클러스터는 엔비디아 GPU 중심으로 구성되고, 엔비디아의 자체 네트워킹 기술로 연결되는 경우가 많았다. 그러나 데이터센터의 무게중심은 모델 학습에서 사용자 요청을 처리하는 **추론(inference)**으로 이동하고 있다. 특히 AI 에이전트가 여러 단계를 거쳐 작업을 수행하는 환경이 늘고 있다.1
동시에 선택 가능한 연산 칩도 다양해졌다. AMD와 세레브라스의 제품은 물론, 엔비디아 내부에서도 여러 종류의 연산 칩이 제공된다.1 이제 클러스터를 동일한 프로세서만 모아 둔 고정형 시스템으로 보기 어려워진 이유다.
따라서 네트워크는 서로 다른 구성요소 사이에서 데이터를 신속히 전달하면서도, 대화형 추론과 에이전틱 워크로드에 필요한 낮은 지연시간을 유지해야 한다. 델로스의 논리는 분명하다. 연산 아키텍처가 균일하지 않을수록, 어떤 칩 조합에도 대응할 수 있는 데이터 이동 계층의 가치가 커진다는 것이다.1
7
1억 달러 이상을 투입하는 경제적 이유
이번 자금은 전력과 비용을 모두 소모하는 비효율을 줄이는 데 쓰인다. 델로스는 소프트웨어·하드웨어 엔지니어링 인력을 확대하고, 제품 개발과 영업을 앞당길 계획이라고 밝혔다.2
플레이그라운드(Playground)의 파트너이자 전 인텔 CEO인 팻 겔싱어는 장치 간 통신이 제대로 조율되지 않으면 운영자는 “뜨거운 하드웨어, 타오르는 전력”을 쓰면서도 실질적으로는 유휴 상태인 장비를 보유하게 된다는 취지로 지적했다.1
즉 가속기를 더 들여놓는다고 해서 유효 연산 능력이 자동으로 늘어나는 것은 아니다. 필요한 데이터가 필요한 순간에 도착하지 못하면, GPU나 다른 가속기는 전력을 소비한 채 대기하게 된다. 델로스가 해결하려는 것은 바로 이 데이터 이동 병목이다.
에이전틱 AI의 불확실성에 거는 ‘유연성’의 베팅
델로스의 공동 창업자 겸 CTO 댄 데일리는 에이전틱 AI를 위한 다음 세대 인프라 아키텍처가 어떤 모습일지는 알 수 없다고 말했다. 다만 그 아키텍처가 필요로 할 데이터를 매우 빠르게 움직이게 하는 방법은 제공할 수 있다는 것이 회사의 전략이다.1
이는 특정 AI 칩이나 특정 에이전트 설계가 최종 승자가 될 것이라고 고객에게 베팅하라고 요구하는 방식과 다르다. 델로스는 새로운 프로세서와 워크로드가 등장할 때 데이터센터가 이를 수용하도록 돕는 공통 기반 계층으로 네트워크를 자리매김하려 한다.
핵심 정리
델로스 데이터의 1억 달러 이상 투자 유치는 AI 용량이 GPU 등 가속기의 공급량만으로 결정되지 않는다는 판단을 보여준다.1
2 이기종 칩을 쓰는 에이전틱 AI 추론이 데이터센터의 지속적인 핵심 워크로드가 된다면, 구성요소 간 데이터를 빠르게 주고받게 하고 전력만 소모하는 유휴 하드웨어를 줄이는 능력은 AI 사업자에게 중요한 경쟁력이 될 수 있다.
Studio Global AI
연구를 계속하세요
이 페이지에는 Studio Global 내에서 계속할 수 있는 소스 기반 답변이 포함되어 있습니다.
사람들은 또한 묻습니다.
"델로스 데이터가 AI 데이터센터 네트워크에 1억 달러 이상을 투자받은 이유"에 대한 짧은 대답은 무엇입니까?
델로스 데이터는 AI 데이터센터 내부의 데이터 이동 속도를 높일 네트워크 칩과 소프트웨어 개발을 위해 1억 달러 이상을 유치했다.[1][2]
먼저 검증할 핵심 포인트는 무엇인가요?
델로스 데이터는 AI 데이터센터 내부의 데이터 이동 속도를 높일 네트워크 칩과 소프트웨어 개발을 위해 1억 달러 이상을 유치했다.[1][2] 델로스 논스톱 AI는 특정 칩 공급업체에 묶이지 않고, 이기종 연산 인프라 전반에서 저지연·고대역폭 통신을 지원하는 것을 목표로 한다.[2][7]
실무에서는 다음으로 무엇을 해야 합니까?
핵심은 비싼 GPU와 가속기가 데이터를 기다리느라 놀지 않게 하는 것이다. 팻 겔싱어는 이를 '뜨거운 하드웨어, 타오르는 전력'이지만 사실상 유휴 상태인 문제로 표현했다.[1]