레이크하우스에서 AI 팩토리로: Supermicro Open Storage Summit 후기
Simon Lightstone
2025년 9월 3일
Supermicro Open Storage Summit에서는 AI를 위한 데이터 레이크와 레이크하우스, 엔터프라이즈 애플리케이션 현대화를 중심으로 프로덕션 AI의 현실적인 과제를 논의했습니다. 이 글에서는 두 패널의 논의가 오픈 스탠더드, 현대화, AI 스토리지와 소버린 체계를 거쳐 어떻게 EDB PG AI Sovereign Data and AI Factory로 연결되는지 살펴봅니다.
프로덕션 AI를 위한 네 가지 핵심 원칙
Supermicro Open Storage Summit은 엔터프라이즈 인프라가 직면한 중요한 질문들을 현실적인 관점에서 논의하는 자리입니다. 올해 저는 두 개의 패널에 참여했습니다. 하나는 AI를 위한 데이터 레이크와 레이크하우스, 다른 하나는 엔터프라이즈 애플리케이션 현대화를 주제로 진행됐습니다. AMD, MiniO, Lightbits Labs의 전문가들도 함께했습니다.
세션의 주제는 달랐지만, 논의는 결국 같은 질문으로 모였습니다.
“기업이 데이터, 비용, 미래에 대한 통제를 잃지 않으면서 어떻게 AI를 프로덕션 환경에서 제대로 구현할 수 있을까?”
이에 대한 답은 다음과 같은 네 가지 실천 원칙으로 정리할 수 있습니다.
- 오픈 스탠더드 기반 구축: Postgres, Iceberg, Kubernetes/OpenShift
- 프로덕션 중심의 현대화: 고가용성, 가시성(Observability), 라이프사이클 지원
- AI를 위한 스토리지 설계: 티어링, 오브젝트 스토리지, 실시간 레이크하우스 접근
- 소버린 체계 기반 구축: 비용, 에너지 효율과 규제 준수에 대한 통제권 확보
이 네 가지는 단순한 기술 선택이 아닙니다. EDB Postgres® AI(EDB PG AI) Sovereign Data and AI Factory를 구축할 때 EDB가 내린 결정과 직접 연결됩니다. 이는 기업이 원하는 방식으로 운영할 수 있도록 설계된 모듈형·스토리지 친화적·개방형 시스템입니다.
이 가운데 하나라도 제대로 구현하지 못하면 AI는 연구 프로젝트에 머물 수 있습니다. 네 가지를 모두 갖추면 확장성, 속도와 통제권을 확보한 AI 환경을 운영할 수 있습니다.
오픈소스와 오픈 스탠더드가 만드는 경쟁 우위
AI 환경은 빠르게 변합니다. 오늘의 필수 도구가 18개월 뒤에는 의미를 잃을 수도 있습니다. 폐쇄적인 아키텍처에서 이러한 변화는 재개발, 비용 증가 또는 벤더 종속(lock-in)으로 이어질 수 있습니다.
따라서 첫 번째 원칙은 오픈 스탠더드입니다.
- Postgres: 트랜잭션, 분석과 AI 워크로드를 위한 범용 데이터 스토어
- Apache Iceberg: 개방형 레이크하우스 테이블 포맷
- Kubernetes / OpenShift: 클라우드 네이티브 운영을 위한 공통 제어 평면
EDB는 전 세계에서 Postgres 기여도 1위 기업입니다. 10여 년 전 Postgres가 지금처럼 세계에서 가장 인기 있는 데이터베이스가 되기 전부터 EDB는 Postgres의 가능성을 믿었으며, 고객들은 그 선택을 통해 큰 성과를 거두었습니다.
Postgres는 단순한 기술 선택이 아니라 장기적인 회복력과 경쟁 우위를 보여주는 사례입니다.
엔터프라이즈 AI 애플리케이션 현대화가 시급한 이유
20년 된 모놀리식 애플리케이션에 AI를 단순히 추가하는 방식으로는 확장하기 어렵습니다. AI 워크로드에는 짧은 지연 시간, 탄력적인 성능과 상시 가용성이 필요합니다.
이를 위해서는 다음 요소를 갖춰야 합니다.
- 클라우드 네이티브 패턴
- 필요한 영역에 적용하는 마이크로서비스
- 복원력을 자동으로 확보하는 제어 평면
Postgres는 확장성, 검증된 안정성과 방대한 생태계를 기반으로 이러한 현대화 여정의 중심 역할을 합니다. Kubernetes 또는 OpenShift와 결합하면 애플리케이션을 재플랫폼화해 AI를 운영할 수 있는 환경으로 전환할 수 있습니다.
프로토타입을 만드는 것은 비교적 쉽지만, 진정한 기준은 프로덕션 환경에서 안정적으로 운영할 수 있는가입니다. 이를 위해서는 다음 요소가 필요합니다.
- 장애 도메인 전반의 고가용성
- 롤링 업그레이드
- 데이터 전반의 가시성(Observability)
클러스터 전체에서 어떤 일이 발생하는지 파악할 수 없다면 AI를 대규모로 운영하기 어렵습니다.
AI 스토리지: 데이터 소버린, 효율성, 확장성의 교차점
두 세션 모두에서 스토리지는 핵심 주제였습니다. AI 워크로드의 속도, 비용과 지속가능성은 스토리지에 달려 있습니다. 에너지 사용과 탄소 배출 역시 이 영역에서 관리됩니다.
데이터 소버린도 스토리지에서 시작됩니다. 데이터를 어디에 저장할지, 어떤 티어를 거치게 할지, 어떤 포맷으로 관리할지를 통제할 수 없다면 AI에 대한 통제권도 확보하기 어렵습니다.
스토리지 현대화 전략은 다음과 같이 정리할 수 있습니다.
- 핫 데이터와 콜드 데이터를 구분해 운영 데이터베이스의 속도를 유지하고 오래된 데이터는 자동으로 오브젝트 스토리지로 이동
- 컬럼 기반 포맷으로 레이크하우스에 스트리밍해 최신 데이터를 기반으로 분석과 예측 실행
- Iceberg와 같은 오픈 포맷으로 저장해 원하는 엔진과 도구에서 자유롭게 쿼리
이러한 전략을 통해 비용, 탄소와 규제 요건을 관리하면서 모델을 최신 데이터에 연결할 수 있습니다.
EDB PG AI Sovereign Data and AI Factory의 구성
이러한 요구를 충족하기 위해 EDB는 Supermicro, NVIDIA, Red Hat과 함께 EDB PG AI Sovereign Data and AI Factory를 구축했습니다. 이는 단순한 개념이 아니라 데이터센터에 바로 구축할 수 있는 검증된 AI 지원 Postgres 시스템입니다.
주요 구성 요소는 다음과 같습니다.
- EDB가 성능과 안정성을 검증한 Supermicro Hyper 서버
- NVIDIA NeMo Retriever 및 NIM 마이크로서비스 기반 가속 컴퓨팅: 자체 데이터로 RAG 및 생성형 AI 파이프라인 구축
- Red Hat OpenShift: 이식성과 엔터프라이즈급 운영 보장
- EDB PG AI Hybrid Management 및 AI Factory 소프트웨어: Postgres 전반의 가시성, 자동화와 정책 기반 티어링 통합
- 액체 냉각과 전력 효율 중심의 설계 설계: 에너지 사용 및 탄소 절감
- 하드웨어부터 AI 서비스까지 전체 스택에 대한 라이프사이클 지원
핵심은 운영을 단순화하는 것입니다.
- 클릭 몇 번으로 고가용성 Postgres 클러스터 배포
- 데이터 티어 자동 이동
- 실시간 레이크하우스 데이터로 챗봇과 워크플로우 실행
- 장기적으로 관찰하고 지원할 수 있는 환경 유지
소버린 AI가 엔터프라이즈 전략의 기준이 되는 이유
소버린 AI의 중요성은 단순한 직관에 기반한 것이 아닙니다. 2025년 13개국 2,200명의 임원을 대상으로 진행된 글로벌 조사에서 응답자의 67%가 2027년까지 소버린 AI 및 데이터 전략을 수립할 계획이라고 답했습니다. 조사 대상 국가의 국내총생산(GDP) 규모는 총 48조 달러에 달합니다.
데이터 및 AI의 소버린 체계는 고립을 의미하지 않습니다. 이는 데이터가 어디에 존재하는지, 모델을 어떻게 실행하는지, 비용·규제·탄소를 어떻게 관리하는지에 대한 통제권을 의미합니다.
재무적인 영향도 큽니다. 클라우드에서 GPU 8개를 임대하면 시간당 60달러 이상, 연간 50만 달러가 넘는 비용이 발생합니다. 성능 보장도 불확실합니다.
이러한 이유로 EDB PG AI Factory는 모듈형으로 설계됐습니다.
- 소규모로 시작하고 성장에 따라 확장
- 도입 속도에 맞춰 재정 계획 수립
- Supermicro와 함께 1년 뒤 후회하지 않는 성장 경로 설계
Supermicro Open Storage Summit 세션 다시 보기
제가 참여한 두 개의 Summit 패널에서는 이러한 주제를 더 깊이 다뤘습니다.
- Data Lakes and Lakehouses for Enterprise AI
- Modernizing Enterprise Applications for AI
AI 기술은 매우 빠르게 발전하기 때문에 18개월이 10년처럼 느껴질 수도 있습니다. 그러나 개방성, 현대화와 소버린 체계를 기준으로 삼으면 기업은 빠르게 움직이면서도 특정 기술이나 공급업체에 스스로를 가두지 않을 수 있습니다.
두 세션에서 공통적으로 나온 메시지이자 제가 만나는 모든 기업 리더에게 드리는 조언은 동일합니다.
“실험에 머물지 말고, 팩토리를 구축하라.”
AI 팩토리와 데이터 레이크하우스 FAQ
AI 팩토리란 무엇인가요?
이 글에서 AI 팩토리는 데이터센터에 구축할 수 있는 모듈형 AI 지원 Postgres 시스템을 의미합니다. 고가용성 Postgres 배포, 데이터 티어링, 레이크하우스 데이터 활용과 전체 스택의 라이프사이클 지원을 하나의 환경에서 제공합니다.
데이터 레이크하우스는 AI 팩토리에서 어떤 역할을 하나요?
데이터 레이크하우스는 최신 데이터를 분석과 예측에 활용할 수 있도록 운영 데이터와 AI 워크로드를 연결합니다. Iceberg와 같은 오픈 포맷을 사용하면 원하는 엔진과 도구에서 데이터를 쿼리할 수 있습니다.
프로덕션 AI에 오픈 스탠더드가 중요한 이유는 무엇인가요?
AI 기술은 빠르게 변하기 때문에 폐쇄적인 아키텍처는 재개발 비용과 벤더 종속 위험을 높일 수 있습니다. Postgres, Iceberg, Kubernetes와 OpenShift 같은 오픈 기술을 활용하면 변화하는 요구에 맞춰 시스템을 확장하기가 수월합니다.
AI 애플리케이션 현대화에서 Postgres는 어떤 역할을 하나요?
Postgres는 트랜잭션, 분석과 AI 워크로드를 지원하는 범용 데이터 스토어로 활용됩니다. Kubernetes 또는 OpenShift와 결합하면 기존 애플리케이션을 재플랫폼화하고 고가용성과 운영 가시성을 갖춘 환경으로 전환할 수 있습니다.
소버린 AI는 무엇을 의미하나요?
소버린 AI는 데이터의 저장 위치, 모델 실행 방식, 비용, 규제와 탄소 관리 방식에 대한 통제권을 조직이 유지하는 것을 의미합니다. 고립된 환경만을 뜻하는 것이 아니라 기업이 AI 운영 방식에 대한 선택권을 확보하는 개념입니다.