NVIDIA와 Microsoft는 11월 19일 Azure 인프라, 기업용 모델 맞춤화, 산업 시스템, Windows PC에 걸친 AI 컴퓨팅 협력 확대를 발표했습니다. 중요한 점은 운영 중인 인프라와 미리보기, 미래 기능이 함께 포함됐다는 것입니다.

NVIDIA의 Ignite 발표는 대규모 훈련·추론부터 기업 데이터 가까이에서 실행되는 모델까지 이어지는 경로를 설명합니다. 성능 수치와 고객 성과는 특정 시스템과 평가에 해당하며 전체 제품군에 적용되는 결과가 아닙니다.

Rubin 인프라와 Blackwell 결과는 서로 다르다

NVIDIA에 따르면 Vera Rubin NVL72가 Azure 데이터센터에서 가동되며 복잡한 추론, 에이전트 작업, 대규모 훈련·추론을 지원합니다. 다만 Azure의 Rubin 서비스는 미리보기로 설명됩니다.

양사는 기밀 컴퓨팅을 베어메탈과 랙 규모 인프라로 확장하는 작업도 진행합니다. 증명 기능은 민감한 모델·데이터·키를 전달하기 전에 환경을 검증하려는 것입니다. MaxLPS 협력은 가용 전력을 더 효율적으로 쓰려는 목표이며, 측정된 절감 비율은 발표되지 않았습니다.

벤치마크 사례는 앞선 Blackwell 시스템에 관한 것입니다. MLPerf Training v6.1에서 Azure는 GB200 NVL72로 DeepSeek-V3를 GPU 10,240개까지 확장했습니다. Signal65에 따르면 MLPerf Inference v6.1의 GB300 NVL72는 DeepSeek-R1 대화형 처리량에서 클라우드 제출 결과를 10% 넘게 앞섰습니다.

이를 Rubin 벤치마크나 모든 앱의 10% 속도 향상 보장으로 바꾸면 안 됩니다. 하드웨어, 과제와 비교 집단은 주장의 조건입니다.

Foundry는 맞춤화와 배포를 연결한다

Microsoft의 서버리스 Programmed Training은 개발자가 사후 훈련 절차를 제어하고 Foundry가 인프라를 관리하도록 합니다. Managed Compute는 사용자 정의 모델 가중치 배포를 지원합니다.

NVIDIA는 EY가 기업 구매 기록 분류용으로 Nemotron을 조정한 사례를 제시합니다. EY 자체 평가 데이터에서 정확도가 55% 개선됐고 독점형 프런티어 모델 대비 비용이 15분의 1로 줄었다는 결과입니다.

이는 출처가 명시된 고객 결과입니다. 기준 정확도, 데이터 규모, 비교 조건 전체는 제공되지 않습니다. 이를 55%포인트 개선이나 다른 과제에서도 같은 결과를 보장한다는 뜻으로 해석하면 안 됩니다.

Nemotron 3.5 Super는 장시간 코딩·연구·업무 에이전트, Lightning은 빠른 응답과 도구 사용을 겨냥합니다. Embed와 Rerank는 검색, Parse는 문서 추출, Content Safety는 유해 콘텐츠 감지를 지원합니다. 저지연 추론용 Bolt와 음성 인식용 Transcribe는 출시 예정입니다.

로컬과 Cloud PC는 제공 단계가 다르다

Foundry Local의 Nemotron 3.5 지원은 추론·코딩·도구 사용을 Azure Local로 확장합니다. 검색은 텍스트, 문서 이미지, 차트와 표를 다룹니다.

Azure Local은 하드웨어 파트너를 통해 RTX PRO 6000 Blackwell을 지원할 예정입니다. Jetson Thor·Orin 확장은 산업 시각 인식, 로봇, 자율 운영을 겨냥하며 Cosmos 물리 AI 모델도 Foundry Local에 도입됩니다.

Windows PC에서는 RTX Spark 장치로 Ignite에서 로컬 언어 모델을 시연할 예정입니다. 시연이 모든 PC 구성의 동일한 작업 지원을 뜻하지는 않습니다.

GPU 가속 Windows 365 Cloud PC의 Direct Stream은 최대 두 개의 4K·초당 60프레임 스트림을 지원합니다. 제한 미리보기 신청을 받고 있으며 공개 미리보기는 2027년 초 예정입니다. 어려운 네트워크에서 낮은 지연을 설명하지만 일반적인 지연 보장 수치는 없습니다.

과학 에이전트에도 실험실 검증이 필요하다

BioNeMo Agent Toolkit과 ALCHEMI Toolkit은 생명과학·신약·재료·화학 연구용 Microsoft Discovery로 확장됩니다. BioNeMo는 자연어로 계산생물학 작업을 설명하면 에이전트가 도구와 모델 호출을 조정하도록 합니다.

초기 통합은 워싱턴대학교 단백질 설계 연구소와 개발한 RFD4-Proteina로 후보 단백질 구조와 아미노산 서열을 생성합니다. 추가 평가와 실험실 검증은 여전히 필요하며, 후보 생성 자체가 검증된 치료를 뜻하지 않습니다.

Microsoft도 내부적으로 기술을 사용한다

Microsoft AI는 사후 훈련의 강화학습 롤아웃 추론에 Dynamo를 사용합니다. NVIDIA는 GPU 집단의 요청·모델 업데이트·장애 복구를 포함한 추론을 조정한다고 설명합니다. RTX PRO 6000 Blackwell은 Bing 검색 모델에도 쓰입니다.

기업에는 호스팅 맞춤화, 로컬 실행, 관리형 데스크톱의 선택지가 넓어집니다. 그래도 결정에는 서비스별 제공 상태, 적합한 하드웨어, 실제 작업에 맞는 근거가 필요합니다. 발표된 결과가 이 경계를 없애지는 않습니다.

출처

도구 디렉터리 둘러보기 →