AI 인프라

SWI Compute, NVIDIA 시스템 기반 유럽 AI 팩토리 계획 발표

SWI는 약 10억 달러의 NVIDIA 시스템을 주문했다고 밝혔다. 영국 Rubin 단계는 2027년 말 가동을 목표로 하며, 확보한 전력을 더 넓은 컴퓨팅 사업으로 연결한다.

게시일 업데이트
SWI ComputeNVIDIAAI 팩토리DSX유럽

SWI Group은 10월 26일 SWI Compute 출범을 발표하며, 확보한 전력을 유럽 AI 클라우드 사업의 기반으로 제시했다. 회사는 약 10억 달러 규모의 NVIDIA 시스템을 주문했다고 밝혔다. 모회사가 확보한 3.6GW 전력은 전기를 공급받을 수 있는 여력을 의미하며, 이미 운영 중인 AI 컴퓨팅 용량을 뜻하지 않는다.

영국 계획은 30MW로 시작한다. Vera Rubin NVL72 랙에 Rubin GPU 약 7,000개와 Vera CPU 3,500개를 배치해 2027년 말까지 가동할 예정이다. 10월 발표는 캠퍼스의 장기 규모를 530MW로 제시하고, 2029년까지 AI 팩토리 용량 2.3GW를 확보하겠다는 목표를 밝혔다. 두 수치 모두 앞으로 진행할 개발 계획이다.

이와 별개인 초기 배치는 Blackwell Ultra를 명시하고 있으며, 선정한 시스템 파트너들이 GPU 8,000개 이상을 공급할 예정이다. 이를 영국 Rubin 단계와 합쳐 이미 납품된 하나의 장비군으로 해석해서는 안 된다. 이름이 공개되지 않은 미국 추론 플랫폼은 용량 이용 계약을 체결했다. SWI는 향후 시설에 NVIDIA DSX를 사용할 계획이다. 주문 금액만으로 이미 지급된 대금이나 납품된 장비 규모를 알 수는 없다.

이번 출범은 그룹이 컴퓨팅 사업 진출 방식을 바꾼 뒤 이뤄졌다. SWI는 8월 25일 기업, 연구자, 개발자를 위한 AI 클라우드 플랫폼을 자체 개발하겠다고 밝혔다. 앞서 추진하던 Polarise 과반 지분 투자도 진행하지 않기로 했다고 발표했다. 대신 Polarise의 확장에 자금을 제공하되, 두 사업은 독립적으로 유지하기로 했다. 당시 제시한 자체 플랫폼 전략이 SWI Compute라는 이름으로 구체화되면서, 토지와 전력 자산을 컴퓨팅 고객에게 판매하는 서비스와 연결하고 있다.

자금 조달 역시 출범 전에 진전됐다. SWI는 10월 12일 기관투자자를 대상으로 새 보통주를 여러 차례 발행하는 8억 유로 증자를 발표했다. 그룹은 조달 자금이 유럽과 미국의 전력 인프라, 컴퓨팅 장비 배치, 개발 사업 추진에 쓰일 것이라고 설명했다. 이는 더 넓은 확장 프로그램을 지원하는 그룹 차원의 자금 조달 발표이며, 영국 AI 팩토리만을 위해 공개한 건설 예산은 아니다.

AI 팩토리는 AI 모델을 학습하거나 실행하는 작업을 중심으로 구성하고, 프로세서와 네트워크, 시설 시스템을 함께 설계하는 데이터센터다. NVIDIA의 DSX 제품 문서는 이러한 인프라에 걸친 소프트웨어, 참조 설계, 시뮬레이션 도구를 소개한다. DSX Sim은 건설 전에 시설과 컴퓨팅 시스템을 모델링하며, DSX MaxLPS는 GPU와 랙 전반에서 작업 배치와 전력을 조정한다. 이 기능들은 SWI가 채택하려는 엔지니어링 접근을 설명하지만, 향후 특정 시설이 어떤 성능을 낼지 입증하지는 않는다.

NVIDIA가 별도로 발표한 10월 21일 유럽 인프라 자료는 운영 측면을 더 자세히 설명한다. DSX Flex는 전력망 상태에 따라 컴퓨팅 수요를 조정하고, DSX OS 소프트웨어 제품군에는 네트워크 구성, 랙 관리, 클러스터 준비 상태 점검이 포함된다. 새 관리 구성 요소들은 개발자 프리뷰 단계로 소개됐다. NVIDIA는 또한 폐쇄형 액체 냉각이 열을 실외 드라이쿨러로 옮겨 냉각수를 증발시키지 않고 방출할 수 있다고 설명한다. 다만 가장 더운 시기에 추가 기계식 냉각이 필요한지는 현지 기후에 달려 있다.

플랫폼 설계 작업은 이번 주 발표보다 앞서 시작됐다. NVIDIA는 2025년 10월 Omniverse DSX 블루프린트를 소개하며, 건물 배치와 전기·열 모델을 결합한 디지털 트윈을 설명했다. 엔지니어는 건설 전에 이 모델로 설계를 검토하고 고장을 예상할 수 있다. 초기 설명에는 공장에서 제작한 모듈, 그리고 시설 가동 후 디지털 트윈을 활용한 운영 모니터링과 최적화도 포함됐다. 이러한 생애주기 접근은 시설 계획을 이미 설치한 AI 시스템의 생산성을 유지하는 지속적인 운영 작업과 연결한다.