OpenAI가 Nvidia를 버린 날

2026년 2월 12일, 역사가 바뀌었다

OpenAI가 Nvidia 없이 GPT 모델을 출시했다. 2016년부터 10년간 이어진 동맹에 처음으로 균열이 생겼다.

GPT-5.3-Codex-Spark. 이 모델은 Nvidia GPU가 아닌 Cerebras의 Wafer Scale Engine 3(WSE-3)에서 돌아간다. 초당 1,000토큰을 생성한다. 기존 Nvidia 기반 추론보다 20배 빠르다.

Jensen Huang이 2016년 손수 OpenAI 본사에 첫 번째 DGX 시스템을 배달했던 때를 기억하는가? 그때부터 OpenAI의 모든 모델은 Nvidia 위에서 태어나고 자랐다. GPT-2, GPT-3, GPT-4, GPT-5까지. 전부 Nvidia다.

그런데 2026년 2월, OpenAI는 처음으로 Nvidia 없이 모델을 배포했다. 이게 단순한 실험인가, 아니면 AI 칩 시장의 대전환의 시작인가.

Cerebras는 누구인가

Cerebras Systems. 2016년 설립된 실리콘밸리 스타트업이다. 창업자 Andrew Feldman은 SeaMicro를 AMD에 3억 3,400만 달러에 매각한 이력이 있다. 서버 혁신에서 칩 혁신으로 방향을 틀었다.

이 회사의 야망은 단순하다. 세상에서 가장 큰 칩을 만든다. 그리고 실제로 만들었다.

WSE-3(Wafer Scale Engine 3)는 46,255mm² 크기다. 저녁 접시만 하다. 일반 GPU 칩이 우표 크기라면, WSE-3는 책 표지만 하다. 4조 개의 트랜지스터, 90만 개의 AI 최적화 코어가 집적되어 있다.

왜 이렇게 크게 만들까? 답은 메모리 대역폭에 있다.

AI 추론에서 가장 큰 병목은 연산이 아니라 메모리 접근이다. 칩이 계산을 하려면 메모리에서 데이터를 가져와야 한다. 이 가져오는 속도가 느리면 칩이 아무리 빨라도 소용없다.

Nvidia H100은 HBM3e 메모리를 사용한다. 빠르지만 한계가 있다. WSE-3는 아예 다른 접근법을 택했다. 칩 전체에 메모리를 분산 배치했다. 결과는 놀랍다. Nvidia H100 대비 7,000배 높은 메모리 대역폭이다.

7,000배. 오타가 아니다. 이 숫자가 AI 추론 속도를 결정짓는다.

왜 지금인가

OpenAI가 Cerebras와 손을 잡은 건 갑작스러운 일이 아니다. 2026년 1월, 양사는 대규모 파트너십을 발표했다. 3년간 750메가와트 규모의 컴퓨팅 파워를 Cerebras가 제공한다.

하지만 진짜 이유는 따로 있다. Nvidia에 대한 불만이 쌓여왔다.

TrendForce 보도에 따르면, OpenAI는 Nvidia GPU의 추론 속도에 만족하지 못했다. 특히 코딩 AI와 에이전트 AI 분야에서 불만이 컸다. ChatGPT 사용자가 코드 관련 질문을 하면, 응답이 너무 느렸다.

추론(inference)과 훈련(training)은 다른 문제다. 훈련은 대규모 병렬 연산이 핵심이다. 수천 개의 GPU가 동시에 데이터를 처리한다. 여기서 Nvidia는 아직 대체 불가다. CUDA 생태계, NVLink 인터커넥트, 수십 년간 축적된 소프트웨어 스택. 누구도 따라올 수 없다.

하지만 추론은 다르다. 사용자 한 명의 질문에 한 번에 답한다. 여기서 중요한 건 **지연 시간(latency)**이다. 1초 만에 답해야 할 질문을 3초 걸려 답하면, 사용자 경험이 무너진다.

Nvidia GPU는 훈련에 최적화되어 있다. 추론에서는 효율이 떨어진다. OpenAI는 이 문제를 해결하고 싶었다. Cerebras가 답이었다.

GPT-5.3-Codex-Spark의 성능

GPT-5.3-Codex-Spark는 OpenAI의 코딩 전용 모델이다. GPT-5.3-Codex의 경량 버전이다. 실시간 코딩 협업에 최적화됐다.

핵심 스펙을 보자.

속도가 압도적이다. 기존 GPT-5.3-Codex는 같은 작업에 15-17분 걸렸다. Codex-Spark는 2-3분이면 끝낸다. 5~8배 빠르다.

대신 정확도는 약간 낮다. Terminal-Bench 2.0에서 GPT-5.3-Codex는 77.3%, Codex-Spark는 58.4%다. 속도와 정확도 사이의 트레이드오프다.

하지만 실시간 코딩에서는 이 트레이드오프가 합리적이다. 개발자가 코드를 짜면서 AI에게 질문할 때, 3초 후에 완벽한 답을 받는 것보다 0.5초 후에 80% 맞는 답을 받는 게 낫다. 빠른 피드백이 개발 흐름을 유지시킨다.

Nvidia의 위기인가

Nvidia 주가가 흔들리지 않았다. 이 뉴스에도 불구하고.

이유는 간단하다. Nvidia는 여전히 훈련 시장을 지배하고 있다. 그리고 훈련 시장이 더 크다. OpenAI조차 GPT-5.2 훈련에는 전적으로 Nvidia를 사용했다. Hopper, GB200 NVL72 시스템이 동원됐다.

OpenAI와 Nvidia의 관계도 끊어진 게 아니다. 오히려 확대되고 있다. 2026년 초, 양사는 사상 최대 규모의 AI 인프라 배치를 발표했다. OpenAI가 최소 10기가와트의 Nvidia 시스템을 배치한다. Nvidia는 OpenAI에 최대 1,000억 달러를 투자한다. Vera Rubin GPU가 2026년 하반기부터 가동된다.

Cerebras와의 파트너십은 전체 추론 수요의 10% 정도를 커버할 것으로 예상된다. 나머지 90%는 여전히 Nvidia다.

그래도 의미 있는 변화다. Nvidia가 100%를 장악하던 시장에서 10%가 빠져나갔다. 이게 20%가 되고, 30%가 되면 어떻게 될까?

AI 칩 시장의 재편

Cerebras만 Nvidia에 도전하는 게 아니다. 다자간 경쟁 구도가 형성되고 있다.

TrendForce에 따르면, 2026년 커스텀 ASIC 출하량은 전년 대비 44.6% 증가할 전망이다. GPU 출하량 증가율 16.1%의 거의 3배다.

추론이 전체 AI 컴퓨팅에서 차지하는 비중도 커지고 있다. Deloitte 예측에 따르면, 2026년에는 추론이 전체 AI 컴퓨팅의 2/3를 차지한다. 2023년에는 1/3이었다.

훈련은 한 번 하면 끝난다. 모델이 완성되면 끝이다. 하지만 추론은 무한히 반복된다. 사용자가 ChatGPT에 질문할 때마다 추론이 일어난다. 사용자가 늘어날수록 추론 수요는 기하급수적으로 증가한다.

추론 시장이 커지면, Nvidia의 상대적 강점이 희석된다. Cerebras, Groq, AMD가 파고들 틈이 생긴다.

Cerebras의 2026년 IPO

Cerebras는 2026년 2분기 IPO를 준비 중이다. 목표 기업가치는 220억 달러다.

이 수치가 실현되면 Cerebras는 Nvidia에 대한 첫 번째 실존적 위협이 된다. 물론 Nvidia 시가총액 4조 달러에 비하면 새 발의 피다. 하지만 상징성이 크다.

Cerebras의 WSE 아키텍처가 증명한 것이 있다. 거대한 단일 칩이 가능하다. 여러 개의 작은 칩을 연결하는 것보다, 하나의 거대한 칩이 특정 워크로드에서 더 효율적일 수 있다.

Nvidia도 이 교훈을 배우고 있다. 2026년 말 출시 예정인 Rubin GPU는 온칩 메모리를 대폭 강화했다. Cerebras가 보여준 방향을 따라가는 것이다.

경쟁은 혁신을 낳는다. Nvidia 독점 시대에는 없던 긴장감이 생겼다. 이 긴장감이 더 좋은 칩을 만들어낸다.

개발자에게 미치는 영향

GPT-5.3-Codex-Spark는 ChatGPT Pro 사용자에게 바로 제공된다. Codex 앱, CLI, VS Code 익스텐션에서 쓸 수 있다.

개발자 입장에서 뭐가 달라질까?

첫째, 응답 속도가 체감된다. 기존에 2-3초 걸리던 코드 생성이 0.2-0.3초로 줄어든다. 이 차이가 작업 흐름을 바꾼다. 생각하는 속도로 코딩할 수 있다. AI가 따라온다.

둘째, 실시간 협업이 가능해진다. 페어 프로그래밍에서 인간 파트너와 대화하듯 AI와 대화할 수 있다. 기다림 없이.

셋째, 에이전트 AI가 실용화된다. 지금까지 AI 에이전트의 병목은 속도였다. 에이전트가 여러 단계를 거쳐 작업을 수행할 때, 각 단계마다 몇 초씩 지연되면 전체 작업이 느려진다. 1,000 tok/s 속도가 이 병목을 해소한다.

Spotify가 내부에서 운영하는 Honk 시스템이 좋은 예다. 개발자가 출근길에 Slack으로 "이 버그 고쳐줘"라고 지시하면, AI가 코드를 수정하고, 테스트하고, 완성된 빌드를 Slack으로 보낸다. 개발자가 사무실에 도착하기 전에 기능이 배포된다.

이런 워크플로우는 느린 AI로는 불가능하다. 빠른 AI만이 가능하게 한다.

Nvidia의 대응

Nvidia도 가만히 있지 않는다.

Rubin 플랫폼은 2026년 하반기 출시 예정이다. 각 GPU가 3.6TB/s 대역폭을 제공한다. Vera Rubin NVL72 랙은 260TB/s다. 전체 인터넷보다 큰 대역폭이라고 Nvidia는 주장한다.

소프트웨어 측면에서도 최적화가 진행 중이다. CUDA 생태계의 추론 최적화 도구들이 강화되고 있다. TensorRT, Triton Inference Server가 지속적으로 업데이트된다.

그리고 Nvidia의 진짜 무기는 생태계 장악력이다. CUDA로 작성된 코드가 수십억 줄이다. 전 세계 AI 연구자, 개발자가 CUDA에 익숙하다. 이 관성을 깨기는 쉽지 않다.

Cerebras도 이 문제를 인식하고 있다. WSE-3는 PyTorch, TensorFlow와 호환된다. CUDA 코드를 직접 실행할 수는 없지만, 주요 프레임워크는 지원한다.

하지만 기업 IT 부서가 Nvidia에서 Cerebras로 갈아타려면 검증이 필요하다. 검증에는 시간이 걸린다. 이 시간 동안 Nvidia는 추격당하지 않도록 달려야 한다.

중국 변수

AI 칩 경쟁에서 빠뜨릴 수 없는 요소가 있다. 중국이다.

미국 정부는 Nvidia의 고성능 AI 칩 대중국 수출을 제한하고 있다. A100, H100은 중국에 팔 수 없다. Nvidia는 중국용으로 성능을 낮춘 A800, H800을 출시했지만, 이마저도 규제 대상이 됐다.

이 상황에서 Cerebras의 부상은 복잡한 함의를 갖는다.

첫째, Cerebras 칩도 수출 규제 대상이 될 가능성이 높다. 미국 정부가 Nvidia만 규제하고 Cerebras는 풀어줄 이유가 없다.

둘째, 중국이 자체 AI 칩 개발에 더 박차를 가할 것이다. Huawei의 Ascend 시리즈, Biren Technology, Cambricon 등이 성장하고 있다. 중국 시장에서 Nvidia의 점유율이 떨어지면, 그 자리를 중국 업체가 채운다.

셋째, AI 칩 공급망이 더 분절화된다. 미국-동맹국 진영과 중국 진영이 각자의 생태계를 구축한다. 호환성이 떨어지고, 글로벌 협력이 어려워진다.

OpenAI가 Cerebras를 택한 건 순수하게 기술적 결정일 수 있다. 하지만 이 결정이 갖는 지정학적 파장은 의도와 무관하게 퍼져나간다.

에너지 효율 문제

AI의 숨겨진 비용이 있다. 전력 소비다.

Nvidia H100 한 대가 700W를 소비한다. 수천 대를 돌리면 메가와트급 전력이 필요하다. 데이터센터 하나가 소도시만큼 전기를 쓴다.

Cerebras는 이 문제에서도 우위를 주장한다. WSE-3는 같은 추론 성능을 훨씬 적은 전력으로 달성한다고 한다. 구체적 수치는 워크로드에 따라 다르지만, Cerebras 측 주장으로는 10배 이상 에너지 효율적이다.

이게 사실이라면 큰 의미가 있다. AI 회사들은 점점 더 에너지 비용 압박을 받고 있다. ESG 관점에서도, 순수 비용 관점에서도.

OpenAI가 Cerebras를 선택한 이유 중 하나가 에너지 효율일 수 있다. 같은 서비스를 더 적은 전기로 제공할 수 있다면, 운영비가 줄어든다.

물론 훈련은 여전히 전력 집약적이다. Nvidia GPU를 대규모로 돌려야 한다. 하지만 추론만이라도 효율화되면 전체 에너지 사용량이 상당히 줄어든다. 추론이 전체의 2/3를 차지한다면 더욱 그렇다.

개발자 도구 경쟁 심화

GPT-5.3-Codex-Spark 출시와 함께 AI 코딩 도구 시장의 경쟁도 격화되고 있다.

경쟁이 치열해질수록 개발자는 이득을 본다. 가격이 내려가고, 기능이 올라간다. 2025년 초만 해도 AI 코딩 도구는 "있으면 좋은" 수준이었다. 2026년 2월에는 없으면 경쟁력이 떨어지는 필수품이 됐다.

Boris Cherny가 2개월간 코드를 안 짠다고 해도 하루에 22개 PR을 올리는 시대다. AI 없이 일하는 개발자는 뒤처진다. 개인이든 팀이든 회사든.

10년 동맹의 균열

2016년, Jensen Huang이 OpenAI 본사에 DGX-1을 직접 들고 찾아갔다. 세계 최초의 AI 슈퍼컴퓨터였다. Sam Altman과 악수를 나눴다. "AI의 미래를 함께 만들자"라는 상징적 제스처였다.

10년이 지났다. 그 동맹이 갈라지고 있다.

물론 OpenAI는 여전히 Nvidia의 최대 고객 중 하나다. 1,000억 달러 투자 계약도 살아 있다. 하지만 100% 의존에서 90% 의존으로 줄었다는 건 의미가 크다.

기술 기업의 역사에서 이런 전환점은 종종 있었다. IBM과 Microsoft의 관계, Microsoft와 Intel의 관계, Apple과 Intel의 관계. 처음에는 "전략적 다변화"로 시작해서, 점점 비중이 바뀌고, 결국 완전히 전환되는 경우도 있었다.

OpenAI-Nvidia 관계가 그렇게 될까? 아직 알 수 없다. 하지만 가능성이 열렸다는 것 자체가 중요하다. 2년 전만 해도 불가능해 보였던 시나리오다.

AI 칩 시장의 미래

향후 2-3년간 AI 칩 시장은 어떻게 전개될까?

시나리오 1: Nvidia 지배 지속. Rubin이 추론 성능을 크게 개선한다. CUDA 생태계의 관성이 경쟁자를 밀어낸다. Cerebras, Groq는 틈새 시장에 머문다. Nvidia 점유율 80% 이상 유지.

시나리오 2: 다극 체제 형성. 추론과 훈련이 분리된다. 추론은 Cerebras, Groq 등 전문 업체가 점유율을 높인다. 훈련은 Nvidia가 유지. 전체 시장에서 Nvidia 점유율 60% 수준으로 하락.

시나리오 3: 커스텀 ASIC 부상. Google, AWS, Microsoft가 자체 칩 개발에 성공. 대형 클라우드 업체들이 Nvidia 의존도를 낮춘다. Nvidia는 기업 시장에서 밀리고, 연구 기관과 스타트업 시장에 집중.

어떤 시나리오가 되든, 2026년의 OpenAI-Cerebras 협력은 전환점으로 기록될 것이다. AI 칩 시장이 단일 업체 독점에서 다자 경쟁으로 넘어가는 첫 번째 큰 움직임이다.

결론: 버린 게 아니라, 선택지를 늘린 것이다

OpenAI가 Nvidia를 "버렸다"는 표현은 과장이다. 여전히 OpenAI 인프라의 90%는 Nvidia다. 1,000억 달러 투자 계약도 진행 중이다.

하지만 10%가 빠져나갔다. 그 10%가 Cerebras로 갔다. 이 10%가 20%가 되고, 30%가 될 수 있다. 아니면 10%에서 멈출 수도 있다.

중요한 건 선택지가 생겼다는 것이다.

10년간 AI 회사들에게 선택지는 없었다. Nvidia 아니면 Nvidia였다. 이제 Cerebras라는 옵션이 실제로 작동한다는 게 증명됐다. AMD, Groq, Google TPU도 각자의 영역에서 경쟁력을 갖추고 있다.

독점은 끝나지 않았다. 하지만 균열이 생겼다. 2026년 2월 12일, GPT-5.3-Codex-Spark가 Cerebras 칩 위에서 1,000토큰을 쏟아내던 그 순간, AI 칩 시장의 판도가 바뀌기 시작했다.

Jensen Huang도 알고 있을 것이다. 왕좌는 영원하지 않다.

출처:

• OpenAI swaps Nvidia for Cerebras with GPT-5.3-Codex-Spark — Techzine
• OpenAI deploys Cerebras chips for near-instant code generation — VentureBeat
• Cerebras CS-3 vs. Nvidia DGX B200 Blackwell — Cerebras
• OpenAI Reportedly Discontent With NVIDIA GPUs for Inference — TrendForce
• The Wafer-Scale Revolution: Cerebras Systems Eyes Landmark 2026 IPO — Financial Content
• A new version of OpenAI's Codex is powered by a new dedicated chip — TechCrunch
• All the Messy Drama Between OpenAI and Nvidia — Gizmodo
• Unsplash — 이미지 출처