AI 요약
- •엔비디아가 38건의 소프트웨어 최적화와 25만 회 테스트로 3개월 만에 GB200의 DeepSeek 구동 에너지 효율을 4배 개선했다.
- •GB300 NVL72는 AI 학습 성능 기록을 경신하며 6개월 만에 성능 1.5배, 확장 효율 98.5%에 근접했다.
- •차세대 Rubin 아키텍처 도입이 가속화되는 가운데 기존 Blackwell 플랫폼의 소프트웨어·하드웨어 시너지가 입증되고 있다.
뉴스 기사
엔비디아가 차세대 Rubin 아키텍처 상용화를 앞둔 시점에도 현행 Blackwell 플랫폼의 성능을 꾸준히 끌어올리며 하드웨어와 소프트웨어의 결합 효과를 증명하고 있다. 엔비디아는 38건에 달하는 주요 소프트웨어 최적화 작업과 25만 회 규모의 테스트를 거쳐, 단 3개월 만에 GB200에서 DeepSeek 모델을 구동할 때의 에너지 효율을 네 배로 끌어올렸다. 이는 동일한 하드웨어에서도 소프트웨어 스택 개선만으로 전력 대비 성능을 크게 개선할 수 있음을 보여주는 사례다. 상위 제품인 GB300 NVL72 역시 AI 모델 학습 부문에서 새로운 성능 기록을 세웠다. 출시 이후 6개월 만에 성능이 1.5배 향상됐으며, 다수 가속기를 연결했을 때의 확장 효율은 98.5%에 근접해 대규모 학습 환경에서도 자원 손실이 거의 없는 수준에 도달했다. 이번 성과는 신제품 출시에만 의존하지 않고 기존 플랫폼의 소프트웨어 최적화를 통해 성능과 전력 효율을 지속적으로 개선하는 엔비디아의 전략을 부각시킨다. 에너지 효율 개선은 급증하는 AI 데이터센터의 전력 부담을 덜어주는 요소로, 운영 비용 절감과 인프라 투자 효율 측면에서 긍정적으로 작용할 전망이다.
AI 투자 인사이트
신제품 출시 없이도 소프트웨어 최적화로 성능·효율을 끌어올려 Blackwell 제품 수명주기 가치와 AI 가속기 경쟁 우위를 강화하는 점이 투자 관점의 핵심 포인트다.
