Vessl AI, MLOps 플랫폼이면서 GPU 클라우드인 이유는 무엇일까?
Vessl AI는 MLOps 플랫폼이면서 GPU 클라우드다. 무엇을 팔아 돈을 버는지, 어떤 제품으로 비용을 줄인다는지 입문자 눈높이로 정리했습니다.
AI 모델을 만든다고 하면 보통 "좋은 알고리즘"을 먼저 떠올립니다. 그런데 실제 현장에서 팀을 멈추게 하는 건 알고리즘이 아니라 GPU(그래픽 처리 장치, AI 학습에 쓰는 고성능 연산 칩)를 어디서 빌려 어떻게 굴리느냐인 경우가 많습니다.
GPU는 비싸고, 한 번 빌리면 길게 묶이고, 학습이 끝나도 요금은 계속 나갑니다. 모델을 배포하고 운영하는 과정은 또 따로 손이 갑니다. Vessl AI는 바로 이 "모델을 만들고 굴리는 과정 전체"를 하나로 묶어 팔겠다는 회사입니다. 이 글에서는 Vessl AI가 무엇을 파는 회사인지(비즈니스 모델), 어떤 제품과 특징으로 그걸 뒷받침하는지를 입문자가 따라올 수 있게 정리하겠습니다.
Vessl AI는 무엇을 하는 회사일까?
Vessl AI를 한마디로 하면 MLOps 플랫폼입니다. MLOps(Machine Learning Operations)는 "AI 모델을 만들고, 배포하고, 운영하는 전 과정을 자동화해 관리하는 방식"을 뜻합니다. 소프트웨어 개발에서 쓰는 DevOps를 AI 모델에 맞게 옮겨 온 말이라고 보면 됩니다.
그런데 Vessl AI는 여기서 한 발 더 나갑니다. 단순히 과정을 관리하는 도구만 파는 게 아니라, 그 과정을 돌릴 GPU 자체도 빌려줍니다. 즉 "관리 도구(MLOps)"와 "연산 자원(GPU 클라우드)"을 한 묶음으로 제공하는 셈입니다. 회사 소개에서 스스로를 "MLOps를 위한 GPU 유동성 계층"이라고 표현하는 이유도 여기에 있습니다. [확인 필요]
- 설립: 2020년 4월, 서울 강남과 미국 실리콘밸리에 사무실 [확인 필요]
- 고객: 현대자동차, LG전자, 티맵모빌리티, 삼성 등으로 알려짐 [확인 필요]
- 대상: 대기업부터 개인 개발자까지 (무료 구간과 기업 구독을 함께 운영) [확인 필요]
돈은 어떻게 벌까? — 쓴 만큼 내는 GPU 요금
Vessl AI의 핵심 수익 모델은 종량제(pay-as-you-go), 즉 쓴 만큼 내는 방식입니다. 긴 약정 없이 GPU를 필요할 때 빌려 쓰고, 분 단위로 요금을 매깁니다. 학습을 돌리는 몇 시간만 쓰고 끄면 그만큼만 내는 구조입니다. [확인 필요]
여기에 더해 자체 데이터센터 인프라를 갖추고 있어, 회사는 AWS·GCP 같은 대형 클라우드 대비 최대 80%까지 비용을 줄일 수 있다고 밝힙니다. [담당자 검토] 다만 "최대 80%"는 회사가 내세우는 마케팅 수치이므로, 실제 절감 폭은 모델 종류·사용 시간·GPU 등급에 따라 크게 달라집니다. 도입 전에는 자사 워크로드 기준으로 직접 비교해 보는 것이 안전합니다.
수익 구조를 정리하면 이렇게 나눌 수 있습니다.
- 개인·소규모 팀: 무료 구간으로 들어와 쓴 만큼 과금 [확인 필요]
- 기업 고객: 구독 + 전용 자원(전용 클러스터) 계약 [확인 필요]
어떤 제품으로 이뤄져 있을까?
Vessl AI의 제품은 크게 네 갈래로 소개됩니다. [담당자 검토]
| 제품 | 하는 일 |
|---|---|
| VESSL Cloud | GPU 작업공간과 배치(batch) 작업. 필요할 때 GPU를 켜서 쓰는 기본 단위 |
| VM Cluster | 전용 다중 노드 클러스터. 여러 GPU를 고속 연결(InfiniBand)로 묶어 대규모 학습에 씀 |
| Storage | 웜(Warm)·콜드(Cold) 계층으로 나눈 데이터 저장소 |
| Inference Endpoints | 만든 모델을 API로 서비스하는 추론 창구. OpenAI·Anthropic 방식과 호환 |
예전 소개 자료에서는 VESSL Run(학습 자동화), VESSL Serve(배포), VESSL Pipelines(작업 연결), VESSL Cluster(GPU 최적화)로 이름이 나뉘어 있기도 했습니다. [확인 필요] 이름과 묶음은 바뀌어 왔지만, "학습 → 배포 → 운영"을 각 제품이 나눠 맡는다는 뼈대는 같습니다.
다른 GPU 클라우드와 무엇이 다를까?
차별점은 크게 세 가지로 볼 수 있습니다.
첫째, 여러 클라우드를 한데 묶습니다. 자체 데이터센터뿐 아니라 AWS·GCP 같은 외부 클라우드, 사내 서버까지 한 화면에서 함께 관리하는 멀티·하이브리드 클라우드 방식을 내세웁니다. [확인 필요] GPU가 부족하면 다른 곳에서 당겨 쓰는 식이라, 특정 클라우드에 묶이지 않는 것이 장점입니다.
둘째, 최신 GPU를 바로 빌려 쓸 수 있다고 밝힙니다. A100·H100은 물론 B200·B300·GB200 같은 최신 등급까지 제공한다고 소개합니다. [담당자 검토] 다만 최신 칩은 물량·대기·지역에 따라 실제 확보 여부가 달라지므로 확인이 필요합니다.
셋째, 학습부터 서비스까지 한 플랫폼에서 끝냅니다. 모델을 만들고(VESSL Cloud), 대규모로 돌리고(VM Cluster), 바로 API로 서비스하는(Inference Endpoints) 흐름이 한 곳에서 이어집니다. 도구를 여러 개 갈아타지 않아도 된다는 점이 MLOps 플랫폼으로서의 강점입니다.
도입을 검토한다면 무엇을 확인해야 할까?
PM 입장에서 이런 플랫폼을 검토한다면, 홍보 문구보다 아래 네 가지를 먼저 확인하는 편이 좋겠습니다.
- 비용은 우리 숫자로 계산합니다. "최대 80% 절감"은 가장 유리한 조건의 수치입니다. 실제로 돌릴 모델과 사용 시간으로 직접 견적을 내 비교할 필요가 있습니다.
- GPU 확보 가능성을 확인합니다. 최신 칩을 목록에 올렸어도, 우리가 필요한 시점에 원하는 양을 바로 받을 수 있는지가 관건입니다.
- 묶임(lock-in) 위험을 봅니다. 나중에 다른 환경으로 옮길 때 데이터와 모델 이전이 얼마나 쉬운지 미리 확인해 둡니다.
- 데이터 보관 위치와 보안 요건을 맞춥니다. 자체 데이터센터·해외 리전이 사내 규정에 맞는지는 [담당자 검토]가 필요합니다.
정리
Vessl AI는 "AI 모델을 만들고 굴리는 과정(MLOps)"과 "그걸 돌릴 GPU(클라우드)"를 한 묶음으로 파는 회사입니다. 쓴 만큼 내는 종량제로 비용 부담을 낮추고, 여러 클라우드를 한 창구로 묶어 관리하는 것이 핵심 특징입니다.
도입을 검토한다면, 오늘 할 일은 하나입니다. 우리 팀이 실제로 돌릴 모델 한 가지를 기준으로, Vessl과 기존 클라우드의 월 예상 비용을 나란히 적어 비교표를 만들어 보세요. 홍보 수치가 아니라 우리 숫자가 판단의 근거가 됩니다.