엔터프라이즈 네트워크 부문에서 중요한 요소 중 하나는 균형감을 안정적으로 유지하는 것이다. 특히 미션크리티컬(Mission-Critical)한 데이터센터 부문에서는 더 그렇다. 인공지능(AI) 활용은 보다 많은 기술적 한계를 극복하고, 방대한 데이터 생태계를 극복할 수 있게 만들어 준다.

반면 이로 인해 불거지는 에너지 문제는 반드시 극복해야 할 중대 과제다. 올해는 벤더종속의 부작용을 해결하고 광범위한 확장성를 가능케 해 주는 멀티벤더 AI 구현도 보편화될 것으로 전망된다.

AI 성장에 따라 온프레미스 AI 배포와 하이브리드 클라우드 모델 증가

기업은 워크로드별 수요를 분석해 하이퍼스케일, 엔터프라이즈, 에지 데이터센터 간의 적절한 균형을 찾아야만 한다. 하이퍼스케일 데이터센터는 계속 대규모 데이터 처리 및 스토리지를 지원할 것으로 예상되며, 엔터프라이즈와 에지 데이터센터는 데이터 프라이버시, 지연에 민감한 실시간 애플리케이션에 필수적인 역할을 하게 될 것으로 전망된다.

AI 네트워킹을 위해 인피니밴드에서 이더넷 연결로 전환

이더넷은 개방적이고, 혁신적이며, 경제적인 기술인 동시에 숙련된 전문가 풀과 방대한 관련 업계에서 제공되는 다양한 도구 및 솔루션의 이점을 누릴 수 있는 강력한 생태계를 갖추고 있다. 업계는 끊임 없는 혁신을 통해 800G 스위치와 AI 워크로드에 최적화된 기능 등 최고 성능과 최첨단 솔루션을 제공하는 중이다. 때문에, 엔터프라이즈 및 티어 3분의 2 클라우드의 AI 도입에 따라 인피니밴드에서 이더넷으로 전환을 가속화하고, 또한 멀티벤더 GPU·가속기 배치는 이러한 전환의 촉매 역할을 수행하게 될 것으로 보인다.

에너지 소비와 냉각 수요를 최적화하는 새로운 도구 및 기능 출현

AI와 자동화를 활용해 데이터센터 에너지 소비 패턴을 지속적으로 실시간 모니터링, 분석, 조정하는 전환은 필수불가결하다. 데이터센터는 예측 유지 보수(PdM, Predictive Maintenance), 동적부하분산(Dynamic Load Balancing), AI 기반 냉각 시스템을 통해 에너지 낭비를 최소화해 비용을 절감하고, 측정 가능한 방식으로 탄소 발자국을 줄일 수 있다.

또한 AI 인프라의 막대한 냉각 요구를 해결하기 위해 기존 공냉식에 대비 효율적이고, 전력 절감에 유리한 액체냉각(Liquid Cooling) 솔루션 도입은 확대될 것이다. 아울러, 높은 성능을 제공하는 동시에 에너지 소비가 적은LPO(linear pluggable optics), LRO(linear receive optics) 같은 고효율 광학 모듈 사용은 증가 추세가 예상되며, 친환경 데이터센터를 구현으로 증가되는 컴퓨팅 수요를 충족할 수 있는 지속 가능한 에너지를 찾는 과정도 깨끗하고 안정적인 전력 공급원으로서 원자력 에너지의 전환을 가속할 것으로 예상된다.

멀티벤더 자동화·AI옵스(AIOps), 데이터센터 운영 '필수 요소'

GPU, 네트워크, 스토리지 공급업체들의 혁신이 가속화됨에 따라 시스템 전반의 유연성, 혁신, 성능을 최적화하는 멀티벤더 AI 인프라 구현은 갈수록 보편화될 것이다.

이러한 환경에서 AI 및 머신러닝 작업에는 병렬 처리의 강점을 갖춘 GPU가 활용되고, CPU는 범용 워크로드에 필수적인 요소로 남게 될 가능성이 높다. 운영 효율성을 더욱 높이기 위한 예측 유지 보수(PdM) 및 선제적 네트워크 유지보수, 다운타임 최소화, 시스템 상태 최적화에서 AIOps의 역할은 더 중용된다. 데이터센터 팀은 챗봇 인터페이스가 자동화 및 관리 도구의 표준 기능으로 부상하면서 간편하고 신속하게 시스템과 상호작용하는 방식을 통해 효율성과 응답성을 새로운 차원으로 끌어올릴 수 있다.

데이터센터는 일련의 발전을 통해 강력한 멀티벤더 인프라와 고도의 운영 인텔리전스로 증가하는 AI 워크로드 수요를 충족하게 될 것으로 전망된다.

김현준 한국주니퍼네트웍스 이사

<기고와 칼럼은 본지 편집 방향과 무관합니다.>