AI 인프라 시장은 오랫동안 GPU 를 많이 산 회사가 더 강한 회사라는 전제 위에 서 있었다. 모델은 커지고, 추론 수요는 늘고, 스타트업과 연구팀은 중앙집중형 클라우드의 가격표 앞에서 속도를 조절해야 했다. 데이터얼라이언스는 이 전제를 정면으로 건드리는 분산 GPU 클라우드 지큐브(gcube)를 들고 나왔고, 거기에 30억원의 Pre-Series A 자금이 붙었다1. 기업가치 235억 원이라는 가격표는, GPU 를 소유하지 않고도 AI 컴퓨팅을 공급할 수 있다는 가설에 시장이 처음으로 꽤 구체적인 값을 매긴 사건이다1.
왜 '무소유 GPU'였나 — 병목은 모델이 아니라 계산 비용이었다
생성형 AI 이후 인프라의 병목은 더 이상 소프트웨어 프레임워크만의 문제가 아니다. 좋은 모델을 만들거나 운영하려면 결국 GPU 시간이 필요하고, GPU 시간은 클라우드 비용으로 번역된다. 데이터얼라이언스가 겨냥한 지점은 이 비용 구조다. 회사가 내세우는 지큐브(gcube)는 분산 시스템 기술과 공유경제 모델을 결합한 가상 GPU 클라우드 플랫폼이다1.
핵심은 GPU 를 중앙 데이터센터에 대량으로 쌓는 방식이 아니라, 흩어진 연산 자원을 묶어 클라우드처럼 쓰게 만드는 데 있다. 이 접근이 성립하면 고객은 특정 빅테크의 인프라 가격표에 덜 묶이고, 공급자는 유휴 GPU 를 더 높은 활용률로 전환할 수 있다. 데이터얼라이언스의 본질은 GPU 를 파는 회사가 아니라, GPU 접근권의 유동성을 파는 회사다.
수치도 그 방향을 가리킨다. 회사는 지큐브가 기존 빅테크 중심 중앙집중형 클라우드 대비 최대 90% 비용 절감 효과를 제공한다고 밝혔다1. 또 RTX 5090 기반 환경에서 기존 A100 대비 최대 34% 우수한 추론 성능을 확보했다고 설명했다1. 비용과 성능을 동시에 건드린다는 메시지는 단순한 저가형 클라우드가 아니라, 추론 시대에 맞춘 대체 인프라라는 포지션을 만든다.
물론 이 시장은 신뢰가 없으면 열리지 않는다. AI 팀은 싸다는 이유만으로 핵심 워크로드를 옮기지 않는다. 데이터얼라이언스가 한국·미국·중국·독일 등 전 세계 8개국에 특허 등록을 마쳤다는 점, 중소벤처기업부 주관 초격차 스타트업 프로젝트(DIPS) AI 분야에 선정됐다는 점은 그래서 중요하다1. 초기 딥테크에서 특허와 정부 선발은 매출보다 앞서 등장하는 신뢰의 언어다.
중앙집중형 클라우드와 무엇이 다른가
| 영역 | 전통 GPU 클라우드 | 데이터얼라이언스 지큐브 |
|---|---|---|
| 자산 구조 | 대형 데이터센터와 GPU 자산을 직접 보유하는 중앙집중형 구조 | 분산 GPU 자원을 묶는 무소유형 가상 GPU 클라우드1 |
| 가격 논리 | 공급자가 정한 인스턴스 가격과 리전 제약을 따른다 | 중앙집중형 클라우드 대비 최대 90% 비용 절감을 내세운다1 |
| 성능 포지션 | A100 등 기존 데이터센터 GPU 기준으로 비교된다 | RTX 5090 기반 환경에서 A100 대비 최대 34% 우수한 추론 성능을 주장한다1 |
| 확장 방식 | CAPEX 와 데이터센터 증설 속도에 좌우된다 | 분산 시스템과 공유경제 모델을 결합해 공급 풀 확장을 노린다1 |
| 진입 신호 | 브랜드 신뢰와 기존 클라우드 생태계가 진입 장벽이다 | DIPS AI 분야 선정, CES 2026 AI 혁신상, WIS 2026 대상 수상으로 초기 신뢰를 쌓고 있다1 |
데이터얼라이언스가 먼저 증명해야 할 세 가지
- 분산 자원의 품질을 균질하게 만드는 일. 분산 GPU 클라우드는 자원이 흩어져 있다는 점이 장점이자 약점이다. 고객은 싸고 빠른 자원이 아니라 예측 가능한 자원을 산다. 데이터얼라이언스가 플랫폼 레이어에서 지연, 안정성, 보안, 장애 대응을 얼마나 일관되게 제어하느냐가 실제 채택의 첫 관문이다.
- 추론 워크로드에서 비용 우위를 반복하는 일. 회사는 중앙집중형 클라우드 대비 최대 90% 비용 절감, RTX 5090 기반 환경에서 A100 대비 최대 34% 추론 성능 우위를 제시했다1. 이 수치가 특정 테스트 환경의 성과를 넘어 반복 가능한 운영 지표로 이어져야 한다. 특히 AI 서비스 기업이 매일 쓰는 추론 워크로드에서 총비용을 낮춰야 메시지가 시장 언어가 된다.
- 딥테크 신뢰를 해외 시장의 구매로 바꾸는 일. 한국·미국·중국·독일 등 8개국 특허 등록은 글로벌 진출의 출발선이다1. CES 2026 AI 부문 혁신상과 WIS 2026 혁신기업 신기술·신제품 발표 대상도 기술 신뢰를 보강한다1. 다음 과제는 이 신뢰를 해외 고객의 실제 계약과 사용량으로 바꾸는 것이다.
The Bet — 투자자가 산 것은 GPU 가 아니라 가격 구조다
이번 Pre-Series A 의 투자자 명단은 공개되지 않았다. 따라서 누가 어떤 논리로 리드했는지는 단정할 수 없다. 다만 공개된 사실만 놓고 보면 베팅의 대상은 명확하다. 30억원의 자금과 235억 원의 기업가치는 데이터얼라이언스가 GPU 소유 비용을 낮추는 회사가 아니라, AI 컴퓨팅의 조달 방식을 바꿀 수 있는 회사라는 가설에 붙은 값이다1. AI 인프라의 다음 경쟁은 누가 더 많은 GPU 를 들고 있느냐가 아니라, 누가 더 싸고 안정적으로 GPU 시간을 유통하느냐로 이동할 수 있다.
이 베팅이 흥미로운 이유는 시장의 타이밍과 맞물려 있기 때문이다. 학습 중심의 초기 AI 붐에서는 최고급 GPU 를 얼마나 확보하느냐가 핵심이었다. 그러나 실제 서비스가 늘어나면 비용 압박은 추론에서 반복적으로 발생한다. 지큐브가 내세우는 RTX 5090 기반 추론 성능과 비용 절감 주장은 바로 이 반복 비용을 겨냥한다1.
DIPS 선정도 같은 맥락에서 읽힌다. 중소벤처기업부의 초격차 스타트업 프로젝트는 글로벌 경쟁력을 갖춘 신산업 스타트업을 선발해 집중 지원하는 사업이며, 데이터얼라이언스는 AI 분야에서 선정됐다1. 정부 인증만으로 시장이 열리지는 않는다. 그러나 초기 인프라 스타트업에는 고객이 검증 비용을 낮출 수 있는 외부 신호가 필요하다.
다음 12개월에 지켜볼 지표 3개
- 실사용 GPU 시간과 반복 고객 비중. 비용 절감 주장은 벤치마크보다 사용량에서 검증된다. 지큐브가 실제 AI 기업, 연구팀, 개발 조직의 반복 워크로드를 얼마나 흡수하는지가 첫 번째 지표다.
- 비용 절감률의 재현성. 최대 90% 절감은 강한 숫자지만, 고객별 워크로드와 지역, 모델 크기에 따라 체감치는 달라질 수 있다1. 다음 12개월에는 이 숫자가 어떤 조건에서 반복되는지, 그리고 공개 사례로 축적되는지가 중요하다.
- 해외 확장의 구체성. 데이터얼라이언스는 8개국 특허 등록을 완료했고 글로벌 진출 기반을 갖췄다고 밝혔다1. 이제는 특허의 지리적 범위보다 해외 고객, 파트너, 매출의 실체가 더 중요해진다. CES 2026 AI 혁신상 수상이 해외 신뢰의 출발점이라면, 다음 증거는 계약이다1.
다음은 그 방법이 벤치마크를 넘어 고객의 월별 인프라 비용표에 남는지다.
