KAYTUS가 핵심 교체 부품을 현장에 비축하고 제조사 수준의 진단·수리 장비를 데이터센터에 배치하는 하드웨어 유지보수 서비스를 내놨다. AI 인프라 기업 KAYTUS는 AI 데이터센터(AIDC)와 하이퍼스케일 컴퓨팅 클러스터를 위한 통합 유지보수·기술 지원 서비스 ‘OEM AI 매니지드 서비스(OEM AI Managed Service)’를 출시했다. 회사는 현장 지원 모델을 적용하면 하드웨어 복구 시간이 업계 일반 서비스 수준보다 30% 이상 단축된다고 설명했다.
핵심 부품이 현장에 준비돼 있으면 최단 4시간 이내 수리가 가능하다. 회사가 공개한 글로벌 CSP 고객사 한 곳의 사례에서는 장애 노드 1대당 평균 처리 시간이 12시간으로 집계됐다. 서비스는 기존 지능형 운영·관리 플랫폼 KSManage와 연동되며, 서비스 수준을 계약상 이행 기준으로 구체화했다.
기술 사양: 다섯 가지 기능을 통합
이 서비스는 유지보수 기능 다섯 가지를 통합해 제공한다. 맞춤 유지보수, 현장 부품 비축, 공장급 진단·수리 도구 배치, 24시간 현장 지원, AI 장애 예측이 그 구성이다.
현장 기술 지원은 서비스 등급에 따라 24시간 제공되며, OEM 인증 엔지니어가 장애에 대응하고 Tier 2 전문가가 복잡한 문제의 분석과 해결을 돕는다. AI 장애 예측과 선제 점검도 결합했다. KAYTUS는 부품 조달 지연, 공장 반송, 복잡한 장애 진단 문제에 대응하기 위해 이 기능들을 한데 묶었다고 밝혔다. 목적은 장애 복구 시간을 줄이는 것이다.
나한돌 KAYTUS 코리아 엔터프라이즈 사업부 기술 총괄 이사는 “컴퓨팅 자산의 가치는 구축 초기의 규모보다 운영 기간 내내 얼마나 안정적으로 연산 자원을 제공하느냐에 달려 있다”고 말했다. 그는 또 “KAYTUS AI 매니지드 서비스는 고객이 하드웨어 복구를 막연히 기다리지 않도록, 측정 가능한 서비스 수준을 약속한다”고 설명했다.
운영 성과: 글로벌 CSP 고객사 사례
회사가 공개한 성과는 글로벌 클라우드 서비스 제공업체(CSP) 고객사 한 곳의 사례다. 고객사 이름은 밝혀지지 않았다. 이 고객사는 100개 이상의 랙과 수천 개의 AI 가속기를 운영한다. 장애 노드 1대당 평균 처리 시간이 48시간에서 12시간으로 줄어 75% 감소했고, 학습·추론 워크로드의 실제 연산 가동 시간은 50% 늘었다.
회사는 다운타임 감소와 장애 복구 시간 단축을 연산 가동 시간 증가의 주요 요인으로 설명했다. 다운타임과 워크로드 재시작 횟수가 줄면서 고객사의 잠재적 SLA 보상 부담도 수백만 달러 감소했다고 한다.
배경: 클러스터 대형화와 하드웨어 장애
KAYTUS는 AI 운영 안정성이 중요해지는 배경에 클러스터 규모의 확대가 있다고 설명했다. 가트너 전망을 인용해 2026년 전 세계 AI 관련 지출이 2조6700억 달러에 이르고, 이 가운데 AI 인프라 투입 예상액은 1조4800억 달러라고 소개했다. 최근 AI 데이터센터는 랙당 전력 밀도가 40kW를 넘는 고밀도 환경으로 발전하는 추세다.
메타가 공개한 라마(Llama) 3.1 405B 기술 보고서에 따르면 사전 학습 클러스터는 1만6384개 GPU로 54일간 가동됐고 예기치 못한 중단이 419회 있었다. 이 중단 사례의 약 78%는 하드웨어 장애가 원인으로 확인됐거나 의심됐다. SOSP 2025에서 발표된 연구는 3개월간 77만8000건 이상의 학습 작업을 분석해 4만4000건 이상의 장애를 기록했다.
업타임 인스티튜트 2026년 장애 분석에서는 응답자의 57%가 가장 최근 중대한 장애로 10만 달러 넘는 비용이 발생했다고 답했다. 5명 중 1명은 손실이 100만 달러를 넘었다고 밝혔다. 일부 컴퓨팅 자원 임대 계약에는 중대한 SLA 위반 시 월 임대료의 최대 25%를 보상하는 조항이 있다.
제공 지역과 국내 계획
서비스는 현재 유럽 주요 국가와 일본·한국 등 아시아태평양 지역에서 제공 중이다. 해당하는 경우 GDPR 요건도 반영한다. KAYTUS는 한국을 포함한 글로벌 시장으로 서비스를 확대하며, 국내에서는 데이터센터 현장 유지보수와 기술 지원을 강화할 계획이다.