핵심 요약
2026년 1분기를 거치며 AWS·Azure·Google Cloud의 AI 인프라 진영이 또렷해졌다. 4월 22일 끝난 Google Cloud Next, 3월 말 AWS Trainium3 발표, 2월 Azure Foundry 통합을 종합하면 다음과 같은 3강 구도다.
- AWS: Trainium3·Inferentia3 기반 자체 가속기 + Bedrock 멀티 모델
- Azure: Microsoft Foundry로 모델·데이터·에이전트 단일 콘솔
- GCP: TPU 8t/8i + Gemini Enterprise Agent로 수직 통합
AWS — Trainium3가 던진 카드
AWS는 3월 말 Trainium3 인스턴스를 정식 발표했다. 핵심 수치는 다음과 같다.
- 학습 처리량: Trainium2 대비 3배
- 메모리: 256GB HBM3e (칩당)
- 인터커넥트: NeuronLink v3, 단일 클러스터 64K 칩
- 가격: 시간당 $19.8 (32-칩 인스턴스)
AWS의 베팅은 "맞춤형 실리콘 + 외부 모델 다양성"이다. Bedrock에서는 Anthropic Claude, Mistral, Meta Llama, Cohere를 단일 API로 사용할 수 있다.
강점
- 모델 선택권 — 특정 벤더 종속 회피
- Trainium3 가격/성능 — H200 대비 학습당 비용 약 40% 저렴 (AWS 발표 기준)
- SageMaker Unified Studio — 데이터·실험·배포 통합 콘솔
약점
- 자체 모델 라인업 부족 — Nova 시리즈 점유율 미미
- 에이전트 플랫폼 측면에서 GCP·Azure 대비 후발
Azure — Microsoft Foundry로 통합
Azure는 2월 Microsoft Foundry라는 이름으로 AI Foundry·Studio·Copilot 인프라를 단일 브랜드로 묶었다. 핵심 변화는 GPT-5 시리즈가 모든 엔터프라이즈 서비스에 네이티브 통합된다는 점.
- Azure OpenAI → Microsoft Foundry로 리브랜딩
- Copilot Studio · Foundry Studio · Foundry Agents 가 단일 콘솔
- 모델 카탈로그: GPT-5.5, Claude Sonnet 4.6 (제한적), Llama 4, Mistral Large 3
강점
- OpenAI 독점 인프라 + 자체 모델 다양화 진행 중
- Microsoft 365 통합 — 기업 도입 진입장벽 가장 낮음
- Sovereign Cloud (EU·UAE·중동) 옵션 가장 폭넓음
약점
- OpenAI 의존도 여전히 높음 — 가격 협상력 제한
- 자체 가속기 부재 — H100·H200·Blackwell 의존
GCP — 수직 통합 끝장
GCP는 모델(Gemini)·가속기(TPU 8t/8i)·플랫폼(Vertex)·에이전트(Gemini Enterprise)를 모두 자체 제공한다. 2026년 capex $185B가 이를 뒷받침한다.
강점
- 전체 스택 자체 제어 — 통합 최적화 우위
- TPU 8i 추론 비용/성능 동급 최고 수준
- Wiz 인수로 보안 측면 강화
약점
- 모델 선택권 좁음 — 외부 모델 통합은 Bedrock·Foundry보다 약함
- 엔터프라이즈 영업 인력·SI 파트너 풀이 AWS·Azure 대비 작음
가격 비교 (학습 1조 토큰 기준 추정)
| 플랫폼 | 가속기 | 예상 비용 | 특이점 |
|---|---|---|---|
| AWS | Trainium3 (32-chip) | $1.8M | 최저가 |
| Azure | H200 (8-GPU) | $2.6M | OpenAI 모델 fine-tune 통합 |
| GCP | TPU 8t (256-chip pod) | $2.1M | TPU compiler 최적화 가정 |
실제 가격은 약정·리저브드·스팟 여부에 따라 30~50% 변동한다.
추론 비용 비교 (Llama 4 70B, 1M 토큰)
| 플랫폼 | 입력 | 출력 |
|---|---|---|
| AWS Bedrock | $2.65 | $3.50 |
| Azure Foundry | $3.00 | $3.90 |
| GCP Vertex (TPU 8i) | $2.20 | $3.10 |
실무 선택 가이드
- AWS를 고려하라면: 모델 선택권 + 자체 가속기 비용 절감이 중요할 때
- Azure를 고려하라면: M365 통합 + OpenAI 모델 선호 + 거버넌스 엄격
- GCP를 고려하라면: 데이터·AI·에이전트의 단일 스택 운영을 원할 때
전망 — 2026 하반기
- AWS는 6월 re:Inforce에서 Trainium3 클러스터 사례 발표 예고
- Azure는 6월 Build에서 Foundry Agent 일반 공개 가능성
- GCP는 TPU 8i를 5월부터 Vertex 일부 리전에 배포
- 가격 압박 본격화 — H100 임대료 추가 하락 가능성
자주 묻는 질문
스타트업이라면 어디부터 써야 하나?
크레딧 정책상 GCP·AWS가 가장 너그럽다. 단 OpenAI 모델 의존도가 높다면 Azure 무료 크레딧이 가장 크다.
온프렘 GPU와 비교해서 클라우드 AI가 정말 싸나?
학습 빈도가 분기 1회 이하라면 거의 무조건 클라우드가 싸다. 매주 학습이라면 18개월 시점에 손익분기.
멀티클라우드는 현실적인가?
네트워크 송신 비용을 제어하지 않으면 비용이 폭증한다. AWS-GCP 다이렉트 커넥트 협력 발표가 그 비용을 일부 완화한다.
댓글 0