화웨이가 탐색하는 Agentic 컴퓨팅: 슈퍼노드와 클러스터

들어가며

AI 에이전트는 한 번의 질문에 답하는 수준을 넘어, 여러 단계의 계획을 세우고 외부 도구를 호출하며 결과를 확인한 뒤 다음 행동을 결정하는 장기 작업으로 확장되고 있다. 작업이 길고 복잡해질수록 병목은 단일 모델 연산의 속도에만 머물지 않는다. 응답을 기다리는 시간, 컴퓨팅 자원 사이의 데이터 이동, 실행 과정에서 계속 늘어나는 컨텍스트와 상태가 전체 성능에 영향을 미친다.

화웨이 컴퓨팅 최고전략책임자 주자오성은 전연결대회에서 이러한 변화에 대응하는 방향을 설명했다. 제공된 자료에 따르면 화웨이는 링취 아키텍처를 바탕으로 ‘슈퍼노드+클러스터’를 핵심으로 하는 새로운 Agentic 컴퓨팅 개발 방식을 탐색하고 있다. 관련 작업은 5개 차원으로 나뉘며, 단일 서버 중심의 개발에서 더 큰 컴퓨팅·인터커넥트 시스템을 고려하는 방식으로 시야를 넓힌다는 내용이다.

핵심 포인트

• 워크로드의 성격이 달라진다. 장시간 실행되는 에이전트는 추론, 도구 사용, 결과 평가, 계획 수립을 반복한다. 따라서 종단 간 지연은 추론 속도뿐 아니라 대기열과 조정 과정에도 좌우된다.
• 인터커넥트의 중요성이 커진다. 여러 자원 사이에서 상태와 중간 결과를 전달해야 한다면 대역폭과 통신 효율이 애플리케이션 성능의 일부가 된다.
• 메모리가 중요한 제약이 된다. 모델 실행 외에도 컨텍스트, 도구 출력, 중간 상태를 저장해야 하므로 메모리 사용 패턴이 더 동적으로 변한다.
• 개발 단위가 서버를 넘어선다. ‘슈퍼노드+클러스터’라는 접근은 노드 내부 협력, 노드 간 스케줄링, 대규모 환경에서의 배치를 함께 고려해야 한다는 뜻이다.
• 소프트웨어 추상화도 바뀌어야 한다. 단순히 하드웨어를 늘리는 것이 아니라 연산자, 시스템 연결, 런타임, 에이전트 개발을 함께 최적화하려는 방향이다. 다만 제공된 자료에는 5개 차원의 전체 목록이 공개되지 않았다.

의미와 영향

이 접근의 의미는 에이전트 성능을 시스템 전체의 문제로 본다는 데 있다. 기존 모델 서비스에서는 자원 활용률, 배치 처리, 단일 요청 지연 시간이 주요 최적화 대상이었다. 에이전트 환경에서는 작업 지속 시간, 상태 유지, 도구 상호작용, 반복적인 스케줄링 판단도 중요하다. 특정 연산이나 서버만 개선해도 전체 워크플로의 협력이 부족하면 종단 간 성능 향상으로 이어지지 않을 수 있다.

앞으로의 에이전트 플랫폼은 모델이 어느 장치에서 실행되는지만이 아니라 작업 단계, 컨텍스트 크기, 통신 비용까지 이해하는 자원 인식 기능을 필요로 할 가능성이 있다. 그러나 이번 자료에는 구체적인 하드웨어 사양, 벤치마크 수치, 실제 도입 사례가 제시되지 않았다. 따라서 현재 단계에서 실제 성능 개선 폭을 단정하기는 어렵다.

분명한 점은 Agentic 컴퓨팅이 하드웨어, 인터커넥트, 런타임, 개발 도구의 동시 진화를 요구한다는 사실이다. 화웨이가 제시한 방향은 단순히 연산량을 늘리는 데 그치지 않고, 장시간 에이전트 작업을 기준으로 컴퓨팅과 개발 방식을 다시 구성하려는 시도에 가깝다. 5개 차원의 구체적인 내용과 프로그래밍 모델·배포 시스템에 미칠 영향은 추가 기술 공개를 통해 확인해야 한다.

출처: OSChina