연산 전쟁의 새로운 주인공: '슈퍼 노드'가 중심에 서다

2026년 7월, 상하이 세계박람회장. 화웨이 부스의 거의 전체 벽면을 16대의 컴퓨팅 랙이 연결된 거대한 어레이가 차지했다 – 바로 실물로 전시된 어센드 950 슈퍼 노드였으며, 1,024장의 연산 카드가 빽빽이 박혀 있었고, 랙 사이의 케이블은 신경망처럼 복잡하게 얽혀 있었다. 현장을 찾은 관람객들은 쉴 새 없이 사진을 찍고 질문을 쏟아냈으며, 어떤 이는 유리 너머로 밀려오는 열기와 데이터의 격류를 느끼려는 듯 손바닥을 유리에 밀착하기도 했다. 이 조성 비용이 수억 위안에 달하는 '가장 비싼 벽'은 2026 세계인공지능대회(WAIC)에서 가장 하드코어한 내러티브로 자리 잡았고, 일반 대중에게 연산 능력이 더 이상 단일 카드의 문제가 아니라 전체 클러스터의 문제임을 최초로 직관적으로 깨닫게 해주었다.

슈퍼 노드는 단순히 여러 칩을 물리적으로 쌓아 올린 것이 아니다. 여러 컴퓨팅 노드가 고성능 상호연결 프로토콜을 통해 긴밀하게 결합되어 '한 대의 컴퓨터'처럼 작동한다. 즉, 모든 GPU가 동일한 태스크를 협력적으로 처리할 수 있으며, 외부 네트워크를 통해 중간 결과를 빈번하게 주고받을 필요가 없다. 핵심 기술 특징으로는 초고대역폭(카드당 상호연결 대역폭 900GB/s 초과), 초저지연(노드 내 통신 지연 마이크로초 미만), 통합 메모리 어드레싱이 있다. 화웨이 어센드 950 슈퍼 노드의 경우, 물리적 노드를 넘나드는 통합 메모리 주소 공간이 업계 최대 256TB에 달해, 천 개의 카드가 로컬 비디오 메모리처럼 원격 데이터에 직접 접근할 수 있게 함으로써 기존 분산 훈련의 번거로운 '수동 데이터 이동' 방식을 완전히 뒤집었다.

올해 WAIC는 사실상 국산 슈퍼 노드의 집단 데뷔 무대였다. 화웨이 외에도 알리바바는 국산 및 주류 GPU 칩을 지원하는 전무 M890 × 반구 AL128 슈퍼 노드를 선보이며 다양한 연산 자원의 유연한 스케줄링을 강조했다. ZTE는 멀티 GPU 생태계 호환성을 갖춘 OEX 슈퍼 노드를 발표했으며, 통신사급 신뢰성과 클라우드-에지 협력을 내세웠다. 비렌 테크놀로지(Biren Technology)는 차세대 NPO 광상호연결 및 분산 디커플링 아키텍처를 적용한 슈퍼 노드 솔루션을 공개했으며, 단일 슈퍼 노드에서 1,024카드 확장을 지원하는데, 이 광상호연결 기술은 전기 신호 전송의 병목을 돌파할 핵심 방향으로 주목받고 있다. 무시 주식회사(Metax Tech)는 '시징' S-시리즈 슈퍼 노드를 세계 최초로 공개하며, 국산 솔루션 중 최초로 전 구간 자가 치유 기능을 구현했다. 모어 스레드(Moore Threads)는 MTT C256 슈퍼 노드를 최초로 공개하였고, AI 연산 클러스터를 만 카드에서 십만 카드급으로 확장하는 것을 지원하며, 128카드 규모에서 천억 파라미터 모델 훈련 시 리니어 가속 비율 92%를 달성하는 데모를 선보였다. 중과 서광(Sugon)은 전국산 10만 카드 AI 슈퍼 클러스터 '서광 8000(등봉)'을 전시하여 슈퍼 노드 개념을 랙 수준에서 데이터센터 전체로 확장했다. 분명한 신호가 발신되었다 – 국산 연산 능력의 경쟁 축이 단일 칩에서 랙 전체, 클러스터, 나아가 데이터센터 수준으로 이동하고 있는 것이다.

왜 2026년에 슈퍼 노드가 이렇게 집중적으로 등장했을까? 그 배경에는 대규모 AI 모델 훈련 패러다임의 근본적 전환이 있다. 지난 몇 년간 연산 경쟁의 주된 흐름은 '단일 카드 성능 돌파' – 즉 더 빠르고 더 큰 메모리를 가진 칩을 가진 자가 우위를 점하는 것이었다. 그러나 모델 파라미터가 천억에서 조(兆) 단위로 뛰어오르고, 훈련 클러스터가 수백 장에서 수만, 수십만 장 규모로 확장됨에 따라, 단일 카드 성능의 한계 수익은 급격히 줄어들고 있다. 진정한 병목은 더 이상 한 장의 카드가 얼마나 빨리 계산하느냐가 아니라, 수만 장의 카드가 '함께 계산할 수 있느냐'에 있다. 예를 들어, 조 단위 파라미터의 MoE(Mixture of Experts) 모델을 훈련할 때, 노드 간 통신 오버헤드가 전체 훈련 시간에서 차지하는 비중은 초기 약 15%에서 현재 50% 이상으로 급증했다. 단일 카드의 연산 성능이 두 배가 되더라도 통신 병목이 해소되지 않으면 전체 훈련 속도 향상은 10% 미만에 그친다. 따라서 슈퍼 노드는 본질적으로 물리적 아키텍처를 재구성하여 '클러스터'를 '하나의 거대 컴퓨터'로 압축함으로써 통신을 벽이 아닌 고속도로로 바꾸는 것이다.

이러한 추세는 업계 데이터에서도 뚜렷이 나타난다. 2026년 전 세계 AI 서버 출하량은 200만 대를 돌파할 전망으로, 전년 대비 55% 증가하였으며, 그중 슈퍼 노드 형태의 랙 전체 출하 비중은 작년 12%에서 31%로 급등했다. 주요 클라우드 제공업체, 대형 모델 개발사, 정부 및 기업 고객들은 일제히 대규모 연산 조달을 기본 사양으로 삼고 있으며, 입찰 문서에도 '슈퍼 노드급 확장 지원'이 명시되는 사례가 늘고 있다. 한 연산 서비스 업체의 고위 관계자는 계산을 공유했다 – 슈퍼 노드의 랙 단가는 기존 서버보다 50% 높지만, 통신 효율 향상 덕분에 천 카드 규모에서의 유효 연산 능력은 10배 향상될 수 있다. "고객들은 비용 계산을 할 줄 압니다. GPT-5급 모델 훈련 시 슈퍼 노드를 쓰면 두 달과 수백만 달러의 전기 요금을 절약할 수 있습니다."

슈퍼 노드 열풍은 자본 시장에도 큰 파장을 일으켰다. 7월 1일부터 22일까지 쯔광 주식(Unisplendour)의 주가는 58% 상승해 시가총액 1,300억 위안에 달했고, 랑차오 정보(Inspur Information)는 41% 올라 약 1,400억 위안에 이르렀다. 또한 고속 상호연결 칩 공급업체인 성커 통신(Shengke Communications)은 35% 이상, 광모듈 선두주자 중지 쉬창(Zhongji Innolight)도 약 20%의 상승률을 기록했다. 서버 제조사 임원들에 따르면, 2026년 하반기부터 2027년까지 슈퍼 노드는 급속한 양산 궤도에 오를 것으로 보이며, 현재 인터넷 기업들과의 협의는 이미 2027년, 2028년 공급 계약까지 이어지고 있고, "고객들의 첫 마디는 항상 '10만 장 공급이 가능해야 이야기하자'는 것입니다." 이러한 장기 선구매 행동은 하류 기업들의 슈퍼 노드에 대한 강한 확신을 반영한다.

그러나 슈퍼 노드의 급속한 확대는 공급망의 다양한 긴장도 부각시켰다. 고급 PCB(인쇄회로기판)는 연초부터 공급 부족이 지속되며 가격이 급등했고, 특히 슈퍼 노드 백플레인용 다층 PCB는 3~4배 이상 가격이 뛰었다. AI 서버 한 대에 사용되는 PCB 가치량은 일반 서버의 약 10배에 달하며, 주요 PCB 제조사들은 2027년까지 주문이 이미 차 있다. 동시에 슈퍼 노드 내부에서는 고속 구리 케이블과 광모듈 상호연결이 대량으로 사용되어, 랙 한 대당 고속 케이블 총길이가 수 킬로미터에 달함에 따라 케이블 하네스 및 커넥터 공급업체의 가동률도 크게 상승했다. 또한 GPU, HBM 메모리 등 핵심 칩도 수급이 팽팽하여, TSMC의 CoWoS 첨단 패키징 능력은 2026년 하반기 물량이 이미 모두 소진되었다. 더 현실적인 과제는 전력 소비와 방열이다. 천 장 카드 슈퍼 노드의 최대 소비 전력은 가볍게 1.5메가와트를 초과하는데, 이는 중형 상업 시설 하나의 전력 사용량에 해당한다. 액체 냉각은 '선택'에서 '필수'로 바뀌었고, 침지식 액체 냉각 솔루션이 주요 업체들에 의해 가속 검증되고 있다.

WAIC가 막을 내린 직후인 7월 22~23일, AMD는 샌프란시스코에서 'Advancing AI 2026' 컨퍼런스를 개최했다. AMD는 Zen 6 EPYC Venice 프로세서와 MI455X 시리즈 AI 가속기를 발표했으며, 후자는 FP8 정밀도에서 초당 5.2페타플롭스를 달성해 전 세대 대비 거의 두 배의 성능 향상을 이루었다. 더 중요한 것은, 마이크로소프트가 AMD의 'Helios' 랙 설계를 기반으로 대규모 AI 시스템을 배포한다고 발표한 점으로, 투입될 GPU는 수만 장, 총액은 50억~100억 달러에 달할 전망이며, 이는 AMD가 AI 훈련 분야에서 지금까지 확보한 가장 큰 규모의 주문 중 하나이다. AMD의 CEO 리사 수는 또한 칩 설계 기업 Cerebras와의 협력을 공개했으며, AMD Helios GPU 서버 랙과 Cerebras의 웨이퍼 스케일 칩을 결합한 AI 추론 솔루션을 제안함으로써 '웨이퍼 스케일 + 슈퍼 노드' 조합으로 엔비디아의 지배적 지위에 도전하겠다는 포석이다.

동시에 구글은 Gemini 모델을 칩에 직접 '각인'하는 새로운 서버 칩 'Frozen'을 개발 중이다. 그 아이디어는 하드웨어가 설계 단계부터 특정 모델의 연산자 그래프와 메모리 접근 패턴을 '이해'하도록 함으로써, 실행 시 스케줄링 오버헤드와 중복 데이터 전송을 줄이는 것이다. 이는 '모든 모델 지원'에서 '주류 모델 중심의 심층 최적화'로 나아가는 완전히 새로운 AI 칩 노선을 대표한다. 이 길이 현실화된다면, 슈퍼 노드의 의미는 재정의될 것이다 – 범용 상호연결의 물리적 적층이 아닌, 특정 모델 구조에 맞춘 '맞춤형 연산 매트릭스'가 되는 것이다.

WAIC에서의 국산 슈퍼 노드 집단 데뷔부터 AMD와 마이크로소프트의 막대한 AI 연산 투자, 그리고 구글의 '모델 정의 칩' 탐구에 이르기까지, 연산 산업은 '단일 카드 경쟁'에서 '시스템 수준 경쟁'으로의 깊은 전환을 겪고 있다. 업계는 더 이상 단순한 칩의 피크 연산 성능만을 쫓지 않으며, 토큰당 비용, 종합적인 비용 대비 효율, 클러스터 리니어 가속 비율이 새로운 주요 지표로 부상하고 있다. 슈퍼 노드는 종착역이 아니라, 더 웅장한 이야기의 시작에 불과하다 – 미래의 연산 경쟁은 데이터센터 전체의 에너지 효율과 소프트웨어 생태계의 깊이에 의해 좌우될 것이다. 그리고 그 수억 위안짜리 '가장 비싼 벽'은 아마도 이 전환을 가장 직관적으로 보여주는 주석일 것이다. 그것은 연산 능력이 더 이상 한 장의 카드 문제가 아닐 때, 시대 자체가 근본부터 다시 쓰여진다는 것을 일깨워준다.