Helios 랙스케일과 웨이퍼스케일 엔진을 결합한 디스어그리게이티드 솔루션, 2026년 하반기 클라우드 서비스 시작

AMD와 Cerebras Systems가 2026년 7월 23일 샌프란시스코에서 열린 Advancing AI 2026 행사에서 새로운 추론 아키텍처를 발표했다. 두 회사는 AMD Helios 랙스케일 시스템과 Cerebras 웨이퍼스케일 엔진(WSE)을 하나의 워크플로로 결합한 디스어그리게이티드(disaggregated) 추론 솔루션을 공개했다. 프리필(prefill) 단계는 AMD 하드웨어가, 토큰 생성(decode) 단계는 Cerebras가 담당하는 구조다.

이 발표는 에이전틱 AI(agentic AI) 워크로드가 본격적으로 상용화 단계에 접어들면서 초저지연 추론 수요가 급증하는 시점과 맞물렸다.

발표 내용과 기술적 구조

역할 분담의 핵심

두 회사는 추론 파이프라인을 두 단계로 분리해 각각에 최적화된 하드웨어를 배치했다.

  • 프리필 단계: AMD Helios 랙스케일 시스템이 담당한다. Instinct MI450 시리즈(MI455X 등) GPU를 기반으로 프롬프트 처리와 대규모 컨텍스트 윈도우를 고처리량으로 소화한다.
  • 토큰 생성 단계: Cerebras 웨이퍼스케일 엔진이 담당한다. 메모리 대역폭 집약적인 디코드 작업을 초저지연으로 처리한다.

두 엔진은 단일 통합 워크플로로 연결되어 동작한다. AMD 측은 이 구조가 “초저지연이 요구되는 가장 진보된 AI 애플리케이션”에 대응하면서도 처리량과 효율을 동시에 끌어올린다고 설명했다.

성능 주장과 근거

AMD Performance Labs와 Cerebras가 2026년 7월 진행한 모델링 결과에 따르면, 이 결합 솔루션은 Cerebras WSE 단독 구성 대비 최대 5배 높은 tokens/sec/watt를 달성할 수 있다고 밝혔다. 기준 모델은 Kimi 2.6 1T이며, 동일한 상호작용성 수준에서의 비교다. 실제 시스템 구성에 따라 결과는 달라질 수 있다는 단서가 붙었다.

공급 일정

Cerebras는 자사 데이터센터에 AMD Helios 시스템을 먼저 도입할 계획이다. 공동 솔루션은 2026년 하반기부터 Cerebras Cloud를 통해 우선 제공된다.

왜 이 구조가 등장했는가

에이전틱 워크로드의 특성 변화

최근 AI 추론 수요는 단순한 단일 응답 생성을 넘어섰다. 코딩 어시스턴트, 실시간 코파일럿, 다단계 에이전트, 로봇 제어 등은 ‘첫 토큰까지의 시간(TTFT)‘과 연속 토큰 생성 속도가 모두 중요해졌다. 프리필은 병렬 연산에 유리한 GPU 구조가, 디코드는 거대한 온칩 메모리를 가진 웨이퍼스케일 구조가 각각 강점을 보인다. 두 회사가 역할을 나눈 이유는 바로 이 이질적 요구를 한 시스템 안에서 동시에 충족하기 위해서다.

하드웨어 경쟁 구도의 변화

Nvidia가 여전히 훈련과 추론 모두에서 압도적 점유율을 유지하는 가운데, AMD는 랙스케일 시스템(Helios)을 중심으로 인프라 레이어를 넓히고 있다. Cerebras는 초저지연 추론 특화 업체로 이미 클라우드 서비스를 운영 중이다. 이번 파트너십은 “범용 GPU 한 종류로 모든 추론을 처리한다”는 기존 가정에서 벗어나, 워크로드 특성에 따라 하드웨어를 조합하는 방향으로 시장이 움직이고 있음을 보여준다.

시사점 심층 분석

인프라 투자자와 클라우드 사업자 관점

  • 추론 비용과 전력이 에이전트 상용화의 핵심 제약으로 부상한 상황에서, tokens/watt 개선은 직접적인 운영비 절감으로 이어질 수 있다.
  • Cerebras Cloud를 통한 초기 공급은 대규모 고객이 Helios를 간접적으로 경험할 수 있는 경로를 연다. 이는 AMD 입장에서 하드웨어 판매를 넘어 소프트웨어·서비스 생태계를 확장하는 시도로 읽힌다.
  • 다만 모델링 기반 수치라는 점에서, 실제 프로덕션 환경에서의 벤치마크와 소프트웨어 스택(ROCm 등) 완성도가 관건이 될 전망이다.

개발자와 인프라 엔지니어 관점

에이전트 워크로드는 긴 컨텍스트와 빈번한 도구 호출을 동시에 요구한다. 프리필과 디코드를 물리적으로 분리하면 각 단계의 병목을 독립적으로 최적화할 수 있다는 점에서 실용적이다. 그러나 두 하드웨어 간 데이터 이동 오버헤드, 통합 오케스트레이션 소프트웨어의 안정성, 장애 시 복구 경로 등은 실제 도입 과정에서 검증이 필요하다.

경쟁 환경과 산업 구조 관점

이번 발표는 단순한 파트너십을 넘어 “추론 시장의 세분화”를 가속화할 가능성이 있다. 훈련용 고성능 GPU, 대규모 프리필용 랙스케일, 초저지연 디코드용 전용 엔진이 각각 다른 공급망을 형성할 수 있다. 이는 Nvidia의 수직 통합 모델에 대한 대안 경로를 제시하는 동시에, 고객에게는 더 복잡한 시스템 설계와 벤더 관리 부담을 안길 수 있다.

공급과 실행 리스크

Cerebras의 웨이퍼스케일 생산 능력과 AMD Helios의 실제 출하 스케줄이 맞물려야 한다. 2026년 하반기 클라우드 서비스 시작이라는 일정이 제시됐지만, 대규모 상용 배포까지는 소프트웨어 통합, 전력·냉각 인프라, 가격 경쟁력 등 추가 변수가 남아 있다.

정리

AMD와 Cerebras의 이번 협력은 에이전틱 AI가 요구하는 ‘낮은 지연 + 높은 처리량’이라는 상충된 목표를 하드웨어 수준에서 분리·최적화하려는 시도다. 성능 수치가 아직 모델링 단계에 머물러 있다는 점은 신중히 봐야 하지만, 추론 아키텍처가 단일 칩 중심에서 워크로드별 특화 조합으로 이동하고 있음을 보여주는 신호라는 점에서는 분명한 의미를 가진다. 실제 클라우드 서비스가 시작되는 2026년 하반기 이후의 벤치마크와 고객 채택 사례가 이 접근법의 실질적 가치를 가릴 것이다.