웨카가 자체 설계한 AI 스토리지 어플라이언스 3세대 모델인 WEKApod Nitro, WEKApod Prime, WEKApod Prime Max를 공개했다. 이 신형 시스템은 에너지 소비와 인프라 비용, 운영 복잡성, 데이터센터 설치 면적을 줄이면서 단일 랙에서 시장 내 대안보다 유효 용량 밀도를 267%, 성능 밀도를 114% 높였다. 이를 통해 상용 AI 팩토리 및 추론 인프라 구현에 적용 가능한 고효율 AI 플랫폼을 제공한다.
특히, 웨카가 7월 21일 발표한 NeuralMesh 6 소프트웨어와 연동되도록 설계돼 AI 클라우드 사업자, 모델 개발사, 기업이 인프라 비용과 설치 공간, 전력 소비, 운영 복잡성을 줄이고 상용 AI 워크로드를 확장할 수 있도록 지원한다. WEKApod 시스템은 기존 엔터프라이즈 데이터 워크로드에 맞춰져 있던 인프라 아키텍처가 현대 AI 추론에 필요한 GPU 효율성, 토큰 처리량, 운영 규모, 인프라 효율성을 충족하기 어려운 점을 고려해 개발됐다.
단일 WEKApod 시스템은 441.5페타바이트(PB)의 원시 용량을 기반으로 NeuralMesh의 데이터 절감 기능 적용 시, 1.1엑사바이트(EB)의 유효 용량을 제공한다. 이는 엑사바이트 용량을 단일 랙에서 처음으로 돌파한 사례다. 랙당 처리량은 10.2테라바이트/초(TB/s), 랙당 IOPS는 2억 1천만에 달한다.
시스템 설계에는 PCIe Gen 6 내부 패브릭, 케이블 기반 백플레인 프리 드라이브 인터커넥트, 엔비디아 네트워킹 기술인 Spectrum-X 이더넷 데이터 플레인 연결, 소프트웨어 관리형 열관리 아키텍처가 포함된다. 섀시 디자인과 드라이브 인터커넥트, 열관리, 유지보수 기술과 관련된 다수의 특허가 출원 중이다.
엔비디아 스토리지 기술 부문 부사장 제이슨 하디는 AI 워크로드 확대와 데이터센터 활용 증가에 따라 시스템이 높은 성능과 효율성을 설치 공간이나 전력 증대 없이 제공해야 한다고 설명했다. 그는 Spectrum-X 네트워킹이 WEKApod 3 시스템에서 GPU로의 데이터 경로를 고대역폭, 저지연 환경으로 지원해 GPU 활용도를 높인다고 말했다.
AI 인프라 투자를 둘러싼 제약 요인으로는 물리적 영역과 조달 측면이 있다. 2025년 미국 데이터 센터 건설은 2020년 이래 감소했으며, 주요 시장의 전력망 연결 대기 기간이 4~7년에 이른다. 모건 스탠리는 2028년까지 미국 전력 부족이 49기가와트에 이를 것으로 전망한다. NAND 공급 제약과 OEM 유통망 리드타임도 인프라 계획에 부담이 되고 있다. 이와 함께 스토리지는 GPU와 한정된 랙 공간 및 전력을 두고 경쟁하며 공급망 위험도 내포한다.
WEKApod는 이런 문제에 대응하기 위해 토큰 처리량과 워크로드 성능을 유지한 채 데이터센터 설치 면적과 랙 공간, 와트 당 토큰 처리량을 개선하도록 설계됐다. 유효 용량과 처리량 밀도에서 공개된 대안들을 앞서고, 두 번째로 우수한 시스템 대비 유효 용량은 267%, 처리량은 114% 높다.
웨카는 부품 조달을 직접 관리해 AI 클라우드 사업자와 기업에 가격 안정성과 예측 가능한 리드타임을 제공하고자 한다. 이를 통해 하이퍼스케일러들은 랙당 더 많은 GPU와 테넌트를 운영할 수 있으며, AI 개발사와 기업은 기존 데이터센터 설치 면적 내에서 더 많은 추론 용량 확보가 가능하다.
낸드 리서치 수석 애널리스트 스티브 맥도웰은 상용 규모 추론 인프라가 학습 인프라와 근본적으로 다르며, 랙당 토큰 처리량, 와트당 토큰, 추론 당 비용이 핵심 지표라고 지적했다. 그는 WEKApod가 이 지표들을 지원하도록 설계됐고, 이를 반영하는 통합 하드웨어 및 소프트웨어 접근을 택했다고 설명했다. 현재 데이터센터와 메모리 시장 제약 상황에서 AI 인프라 확충 계획 시 공급업체를 이 기준에 따라 평가해야 한다고 밝혔다.
){kind=small}
){kind=small}
){kind=small}
){kind=small}
