[AI 팩토리 시대③] NAVER, 소버린 AI 인프라 사업자로 이동

[KtN 박준식기자]네이버(NAVER)가 엔비디아(NVIDIA) DSX 기반 AI 팩토리를 세종 GAK 데이터센터에서 확장하기로 하면서 국내 플랫폼 산업의 경쟁 단위가 달라지고 있다. 검색, 광고, 커머스, 콘텐츠로 성장한 인터넷 기업이 초거대언어모델과 데이터센터, 클라우드 운영 능력을 묶어 AI 인프라 사업자로 이동하고 있다. 55MW 규모에서 시작해 기가와트급으로 확장한다는 구상은 네이버의 AI 경쟁이 모델 성능 발표를 넘어 전력과 연산설비, 해외 소버린 AI 수요 확보로 들어섰다는 뜻이다.

엔비디아와 네이버는 2026년 6월 7일 AI 인프라 확장 계획을 공개했다. 네이버는 세종 GAK 데이터센터 확장을 출발점으로 NVIDIA DSX 플랫폼 기반 AI 팩토리를 구축하고, 장기적으로 기가와트급 인프라로 키우겠다고 밝혔다. 협력안에는 HyperCLOVA X 계열 모델 고도화, 서울 월드 모델 개발, 국내 AI 에이전트 플랫폼 출시, 유럽과 중동의 소버린 AI 수요 대응이 함께 들어갔다.

네이버의 변화는 국내 포털 사업자의 외연 확장으로만 볼 수 없다. 생성형 AI 경쟁이 본격화한 뒤 플랫폼 기업의 핵심 자산은 사용자 접점에서 연산 인프라로 이동하고 있다. 검색창에서 답변을 제공하는 기능만으로는 기업과 공공기관, 제조업, 금융, 의료, 도시 운영 영역의 AI 수요를 감당하기 어렵다. 대규모 GPU 클러스터, 고성능 네트워크, 냉각 설비, 전력망, 보안 체계, 모델 운영 소프트웨어가 함께 필요하다. 네이버가 엔비디아 DSX를 도입하는 배경에는 AI 서비스를 직접 제공하는 기업을 넘어 AI 서비스를 생산할 수 있는 기반을 운영하려는 전략이 놓여 있다.

GAK 세종은 네이버의 AI 인프라 전환을 떠받치는 물리적 거점이다. 데이터센터는 기존 인터넷 서비스 시대에도 필요했지만, AI 팩토리 시대에는 성격이 달라진다. 과거 데이터센터가 검색, 메일, 커머스, 콘텐츠 저장과 처리를 담당했다면 AI 팩토리는 모델 학습과 추론을 통해 토큰과 지능형 서비스를 생산한다. AI 에이전트, 기업용 업무 자동화, 산업용 시뮬레이션, 로봇, 도시 모델링 서비스가 늘어날수록 데이터센터는 플랫폼 기업의 후방 설비가 아니라 핵심 생산설비가 된다.

55MW라는 출발 규모는 네이버의 AI 사업을 전력 단위로 바라보게 만든다. 생성형 AI 서비스는 모델 개발 인력만으로 움직이지 않는다. GPU와 메모리, 네트워크 장비, 냉각 설비, 전력 인입, 장애 대응 체계가 동시에 작동해야 한다. 대규모 AI 클라우드는 전력을 많이 확보할수록 유리하지만, 전력 사용량이 곧바로 수익성을 보장하지는 않는다. 장비 가동률, 고객 수요, 토큰당 처리비용, 냉각 효율, 장기 전력 조달 조건이 사업성을 가른다. 네이버가 AI 인프라 기업으로 평가받으려면 데이터센터 규모보다 확보한 전력을 얼마나 높은 매출과 서비스로 바꾸는지가 중요하다.

NVIDIA DSX는 네이버가 AI 팩토리를 빠르게 설계하고 운영하기 위한 선택지다. DSX는 칩, 시스템, 소프트웨어, 시설 운영, 파트너 기술을 결합해 AI 팩토리를 구축하는 플랫폼으로 제시됐다. 네이버는 자체 데이터센터 운영 경험과 엔비디아의 AI 인프라 플랫폼을 결합해 기업, 산업, 정부 고객을 겨냥한다. AI 클라우드 사업에서 속도는 중요하다. 모델과 서비스 경쟁이 빨라질수록 인프라 구축 지연은 곧 고객 이탈로 이어질 수 있다.

HyperCLOVA X는 네이버가 대규모 인프라를 필요로 하는 내부 수요다. 자체 모델이 없는 클라우드 사업자는 외부 고객이 들어오기 전까지 대규모 AI 팩토리 활용처를 확보하기 어렵다. 네이버는 한국어와 지역 문화, 기업 데이터 처리에 맞춘 모델을 보유하고 있다. 엔비디아와의 협력안에는 Nemotron 계열 오픈 모델을 네이버의 데이터와 학습 역량으로 미세조정해 HyperCLOVA X 계열 모델을 고도화한다는 내용이 포함됐다. 독자 모델과 글로벌 AI 플랫폼을 함께 쓰는 전략은 네이버가 국내외 고객에게 설명할 수 있는 중요한 근거가 된다.

서울 월드 모델은 네이버가 가진 데이터 자산을 AI 팩토리와 연결하는 영역이다. 네이버는 도시 거리뷰 데이터와 공간 모델링 기술을 바탕으로 서울 월드 모델 개발을 추진한다. 월드 모델은 물리 공간을 AI가 이해하고 예측하는 기반 기술로, 로봇, 자율주행, 도시 운영, 디지털 트윈과 맞닿아 있다. 검색과 커머스 데이터만으로는 피지컬 AI 시장에 들어가기 어렵다. 지도, 거리뷰, 공간지능, 도시 데이터가 연산 인프라와 결합할 때 네이버는 언어모델 기업과 다른 진입로를 갖는다.

AI 에이전트 플랫폼은 네이버의 기존 서비스망과 AI 인프라를 연결한다. 네이버는 올해 하반기 국내에서 AI Agent Platform을 출시할 계획을 제시했다. AI 에이전트는 검색, 예약, 문서 작성, 고객 응대, 업무 처리, 결제, 인증과 이어질 수 있다. 네이버가 가진 검색, 쇼핑, 예약, 지도, 결제, 콘텐츠 서비스는 AI 에이전트가 실제 행동을 수행할 수 있는 접점이다. 모델이 답변만 내놓는 단계에서는 플랫폼의 장점이 제한적이지만, AI가 사용자의 요청을 처리하는 단계로 가면 기존 서비스망은 경쟁력이 된다.

소버린 AI 수요는 네이버의 해외 전략에 무게를 싣는다. 각국 정부와 기업은 자국 규제, 데이터 저장 위치, 언어와 문화, 보안 요건에 맞는 AI 인프라를 요구하고 있다. 모든 데이터와 모델 운영을 미국 빅테크 클라우드에 맡기기 어려운 고객층이 늘면서 지역형 AI 클라우드 시장이 커지고 있다. 네이버는 유럽과 중동 수요를 언급하며 한국에서 축적한 데이터센터 운영 경험과 자체 모델 역량을 해외 고객에게 제공하려 한다. 국내 검색기업이 해외 포털 시장을 직접 공략하던 방식과는 다른 경로다.

네이버의 강점은 모델, 서비스, 데이터센터 운영 경험이 한 회사 안에 있다는 점이다. 검색과 커머스는 사용자의 의도와 소비 흐름을 다루고, 콘텐츠와 커뮤니티는 언어와 이미지 데이터를 만든다. 클라우드와 데이터센터는 연산 자원을 제공한다. HyperCLOVA X와 공간지능 기술은 AI 서비스 고도화의 기반이다. AI 팩토리 사업에서는 개별 자산보다 결합 능력이 중요하다. 네이버가 엔비디아와 협력하는 배경에는 내부 자산을 대규모 연산 인프라 위에서 다시 묶으려는 계산이 깔려 있다.

부담은 전력과 투자 회수에서 먼저 나타난다. 기가와트급 AI 팩토리는 막대한 전력, 냉각 설비, 장비 투자, 장기 운영비를 필요로 한다. GPU와 네트워크 장비 가격은 높고, 전력 인허가와 수전 여건은 지역별로 다르다. 투자액, 장비 도입 일정, 고객별 계약 조건은 공개되지 않았다. AI 클라우드 수요가 빠르게 늘어도 실제 매출 전환 속도는 고객의 비용 부담, 보안 규정, 내부 데이터 정비 수준, 서비스 완성도에 따라 달라진다.

엔비디아 의존도는 네이버가 피하기 어려운 변수다. DSX를 활용하면 네이버는 AI 팩토리 설계와 운영 체계를 빠르게 확보할 수 있다. 반면 GPU, 시스템 소프트웨어, 운영 플랫폼의 중심이 엔비디아 생태계에 놓일수록 비용 구조와 기술 선택의 자율성은 제한될 수 있다. 소버린 AI를 내세우면서 핵심 연산 플랫폼을 해외 기업에 의존하는 구조는 향후 정책적 논쟁으로 이어질 수 있다. 네이버의 독자 모델과 데이터센터 운영 능력이 엔비디아 플랫폼 위에서 어느 정도 협상력을 확보하는지가 중요하다.

국내 클라우드 경쟁도 달라진다. 공공, 금융, 제조 고객은 보안과 규제 요건 때문에 국내 클라우드 사업자를 필요로 한다. 생성형 AI 도입이 확산되면 고객은 단순 서버 임대보다 모델 운영, 데이터 보호, 맞춤형 추론, 업무 자동화까지 요구한다. 네이버는 KT, NHN, 카카오엔터프라이즈, 삼성SDS, 글로벌 클라우드 사업자와 동시에 경쟁해야 한다. AI 팩토리 투자가 경쟁 우위로 이어지려면 산업별 솔루션과 실제 운영 성과가 뒤따라야 한다.

이재명 정부의 AI 산업정책과도 맞물린다. AI 3대 강국 구상은 모델 개발 지원만으로 실현되기 어렵다. 대규모 GPU 확보, 데이터센터 전력망, 국산 AI반도체 실증, 공공 데이터 활용, 보안 규제 정비, 산업별 AI 전환이 함께 움직여야 한다. 네이버 같은 국내 플랫폼 기업이 AI 인프라를 확대하면 스타트업, 연구기관, 기업 고객이 접근할 수 있는 연산 자원이 늘어날 수 있다. 민간 대형 플랫폼에 자원이 집중될 경우 중소 AI 기업의 비용 부담과 접근성 문제도 함께 커진다.

네이버의 AI 인프라 전환은 한국 플랫폼 산업의 다음 수익원을 둘러싼 실험이다. 검색과 광고, 커머스만으로는 글로벌 AI 경쟁에서 충분한 방어선을 만들기 어렵다. AI 모델과 클라우드, 데이터센터, 공간 데이터, 기업용 서비스를 묶어야 장기 수익원이 생긴다. 네이버는 국내 인터넷 서비스 기업에서 AI 클라우드 운영 기업으로 역할을 넓히고 있고, 엔비디아는 한국 플랫폼 기업을 AI 팩토리 생태계 안으로 끌어들이고 있다.

GAK 세종의 확장은 네이버가 검색기업에서 AI 인프라 사업자로 넘어가는 출발점이다. 55MW에서 기가와트급으로 이어지는 계획은 규모의 야심을 드러내지만, AI 팩토리의 성패는 전력 사용량이 아니라 활용률과 고객 확보에서 갈린다. 국내외 고객이 네이버 인프라 위에서 모델을 학습하고, 추론 서비스를 운영하며, 기업 업무와 공공 서비스에 AI를 적용해야 한다. 투자 규모, 전력 확보, 토큰당 원가, 엔비디아 의존도, 소버린 AI 계약이 네이버의 다음 평가 기준으로 남아 있다.