[KtN 박준식기자]엔비디아(NVIDIA)가 한국 기업들과 공개한 협력 구상은 그래픽처리장치(GPU) 공급 확대를 넘어선다. SK하이닉스(SK hynix)는 차세대 메모리 공동개발 파트너로, 네이버(NAVER)는 소버린 AI 클라우드 운영자로, SK텔레콤은 통신망과 데이터센터를 결합한 AI 클라우드 사업자로 배치됐다. 인공지능 모델을 학습시키고 추론 서비스를 생산하는 ‘AI 팩토리’ 경쟁에서 한국 산업의 역할이 반도체 공급망과 데이터센터 운영, 제조 현장으로 동시에 넓어지고 있다.

엔비디아와 네이버는 2026년 6월 7일 네이버의 AI 인프라 확장 계획을 공개했다. 네이버는 세종 GAK 데이터센터 확장을 출발점으로 엔비디아 DSX 플랫폼 기반 AI 팩토리를 구축하고, 55MW 규모에서 시작해 장기적으로 기가와트급으로 확장하는 구상을 밝혔다. 발표문에는 HyperCLOVA X 계열 모델, 서울 월드 모델, AI 에이전트 플랫폼, 유럽·중동 지역의 소버린 AI 수요 대응 계획도 함께 담겼다.

같은 날 엔비디아와 SK하이닉스는 차세대 메모리 공동개발을 포함한 다년 기술 파트너십을 발표했다. 협력 범위에는 엔비디아 Vera Rubin AI 슈퍼컴퓨터, Vera CPU, RTX Spark 기반 PC, Jetson Thor 로봇 컴퓨팅 플랫폼용 메모리가 포함됐다. SK하이닉스는 AI 인프라용 고대역폭메모리 공급자에 머무르지 않고, 엔비디아의 차세대 컴퓨팅 로드맵에 맞춰 메모리 개발 단계부터 들어가는 파트너가 됐다.

두 발표를 따로 보면 네이버는 클라우드 협력, SK하이닉스는 메모리 협력으로 읽힌다. 함께 놓으면 한국을 향한 엔비디아의 배치가 달라진다. 엔비디아는 한국을 AI 칩을 사는 시장으로만 다루지 않는다. 메모리 반도체, 초거대언어모델, 클라우드 운영, 통신망, 제조업 데이터를 함께 가진 국가로 본다. AI 팩토리 확산에는 GPU만이 아니라 고성능 메모리, 전력, 냉각, 네트워크, 운영 소프트웨어, 산업 데이터가 동시에 필요하다. 한국 기업들은 각각의 요소를 이미 보유하고 있다.

AI 팩토리는 기존 데이터센터와 성격이 다르다. 인터넷 서비스와 저장공간을 운영하던 데이터센터가 디지털 서비스를 뒷받침했다면, AI 팩토리는 모델 학습과 추론을 통해 토큰과 지능형 서비스를 생산한다. 기업용 AI 에이전트, 제조 현장 자동화, 로봇, 도시 시뮬레이션, 공공 서비스에 쓰일 연산 결과가 데이터센터 안에서 만들어진다. 엔비디아가 DSX 플랫폼을 내세우는 배경에는 칩과 서버 판매를 넘어 AI 공장의 설계·운영 방식까지 표준화하려는 전략이 있다.

네이버는 이 구조에서 국내 플랫폼 기업의 다른 길을 보여준다. 검색과 포털, 커머스, 콘텐츠를 기반으로 성장한 네이버는 자체 초거대언어모델과 클라우드 인프라를 결합해 AI 인프라 사업자로 이동하고 있다. GAK 세종 데이터센터는 네이버의 AI·클라우드 서비스 확장 기반으로 제시됐다. 55MW에서 기가와트급으로 이어지는 계획은 AI 서비스 경쟁의 단위가 모델 성능만이 아니라 전력과 데이터센터 운영 능력으로 이동하고 있음을 보여준다.

소버린 AI 수요도 네이버의 확장 논리 안에 들어 있다. 정부와 기업이 자국 규제와 데이터 주권에 맞는 AI 인프라를 요구하면서, 글로벌 클라우드에 모든 연산과 데이터를 맡기기 어려운 시장이 생기고 있다. 네이버는 한국어와 지역 특화 모델, 클라우드 운영 경험, 도시 공간 데이터 기반 모델을 묶어 국내외 고객을 겨냥한다. 유럽·중동 지역 수요를 언급한 대목은 네이버가 국내 서비스 기업을 넘어 AI 클라우드 수출 기업으로 자리 잡으려는 방향을 보여준다.

SK하이닉스의 역할은 AI 팩토리의 물리적 병목과 맞닿아 있다. 대규모 AI 모델은 GPU 연산 성능만으로 움직이지 않는다. GPU와 메모리 사이에서 데이터를 얼마나 빠르게 주고받는지가 학습과 추론 효율을 좌우한다. HBM 수요가 급증한 배경도 이 때문이다. 엔비디아와 SK하이닉스의 협력은 단기 공급계약보다 넓은 의미를 갖는다. 차세대 AI 인프라 로드맵에 맞춰 메모리를 공동개발한다는 점에서 SK하이닉스는 엔비디아 생태계 안의 핵심 설계 파트너로 들어간다.

SK하이닉스가 반도체 설계·제조 과정에 AI를 적용하는 대목도 중요하다. 발표문에는 CUDA-X, PhysicsNeMo, Omniverse, OpenUSD, cuOpt를 활용한 반도체 시뮬레이션, 공정 설계, 팹 디지털 트윈, 자율 제조 운영이 포함됐다. 반도체 기업이 AI 인프라에 필요한 부품을 공급하는 동시에 AI로 생산 공정을 개선하는 구조다. AI 팩토리 경쟁이 반도체 수요를 늘리고, 늘어난 반도체 수요가 다시 반도체 공장의 자동화와 설계 혁신을 요구하는 순환이 만들어지고 있다.

SK텔레콤까지 포함하면 한국의 AI 인프라 구도는 더 넓어진다. 통신사는 전국망, 기업 고객, 데이터센터, 보안 운영 경험을 갖고 있다. AI 에이전트와 피지컬 AI가 산업 현장에 들어가면 연산 자원은 클라우드 안에만 머물지 않는다. 통신망, 엣지 인프라, 산업 현장 데이터가 결합돼야 한다. 엔비디아가 통신사와 협력하는 이유는 AI 서비스가 모델 호출을 넘어 네트워크 기반 실시간 서비스로 확장되기 때문이다.

한국 산업에는 기회와 부담이 함께 온다. SK하이닉스는 HBM을 넘어 차세대 메모리 개발 주도권을 넓힐 수 있고, 네이버는 국내 AI 모델 기업에서 AI 클라우드 운영자로 이동할 수 있다. 통신사와 제조 대기업은 자체 데이터와 설비를 활용해 산업용 AI 서비스를 만들 수 있다. 반면 GPU와 핵심 소프트웨어, AI 팩토리 운영 플랫폼이 엔비디아 중심으로 굳어질 경우 국내 기업의 협상력은 제한될 수 있다. 국산 AI반도체와 국내 클라우드 생태계가 어느 영역에서 독자 시장을 확보할지도 아직 열려 있다.

이재명 정부의 AI 산업정책도 이 흐름과 분리되기 어렵다. AI 3대 강국 구상은 모델 개발 지원만으로 실현되지 않는다. 대규모 GPU 확보, 데이터센터 전력망, 국산 AI반도체 실증, 공공 데이터 활용, 보안 규제, 산업별 AI 전환이 함께 움직여야 한다. 민간 대기업과 엔비디아의 협력이 속도를 낼수록 정부 정책은 공공 인프라, 중소 AI 기업 접근성, 국산 기술 생태계, 전력 입지 조정으로 균형을 맞춰야 한다.

AI 팩토리 경쟁은 한국을 새로운 산업 지형 안으로 끌어들이고 있다. 과거 한국은 메모리 반도체와 제조업을 통해 글로벌 디지털 산업의 후방을 담당했다. 이제는 AI 모델을 학습시키고, 기업용 AI 서비스를 운영하며, 제조 현장에 피지컬 AI를 적용하는 전방 인프라까지 요구받고 있다. 엔비디아의 한국 협력 발표는 개별 기업의 호재가 아니라 한국 산업이 AI 생산 인프라 안에서 어떤 역할을 맡을지를 보여주는 압축된 신호다.

전력망과 수익성은 남아 있는 변수다. 기가와트급 AI 팩토리는 막대한 전력, 냉각 설비, 장기 투자 회수를 필요로 한다. 토큰당 처리비용을 낮추지 못하면 AI 클라우드 사업은 GPU 보유 경쟁으로만 끝날 수 있다. 국산 AI반도체가 추론·엣지·산업용 AI 시장에서 자리를 잡지 못하면 한국은 AI 인프라 투자 규모를 키우면서도 핵심 플랫폼을 외부에 의존하는 구조에 놓일 수 있다. 한국의 다음 선택은 GPU를 얼마나 확보하느냐가 아니라, 확보한 연산 자원을 어떤 산업 수익으로 바꾸느냐에 달려 있다.