베슬AI, SK바이오팜에 B200 GPU 128장 규모 클라우드 공급
핵심 요약
- 베슬AI가 SK바이오팜에 엔비디아 B200 GPU 128장 규모 컴퓨팅 자원을 공급해요. 16개 노드로 묶인 물량이고, 2026년 8월부터 GPU 클라우드 플랫폼 '베슬 클라우드'를 통해 제공되고 있어요.
- SK바이오팜은 이 자원을 신약 연구개발과 의료 데이터 기반 AI 모델 학습에 써요. 화합물과 약물정보를 활용한 연구개발, 의료 데이터 기반 파운데이션 모델 사전학습이 대표적이에요.
- 베슬AI는 이번 계약을 계기로 AI 기업과 연구기관 중심이던 고객 기반을 제약·바이오 분야로 넓혀요.
이 글은 베슬AI, SK바이오팜에 B200 GPU 128장 규모 클라우드 공급 기사를 바탕으로 VESSL AI에서 정리했어요.
신약 하나가 세상에 나오기까지 10년 넘게 걸린다는 이야기는 이제 익숙해요. 후보 물질을 찾고, 걸러내고, 실험으로 확인하는 과정이 길기 때문이에요. AI가 그 과정의 앞단을 대신 훑기 시작하면서 제약사의 고민 목록에는 예전에 없던 항목이 하나 생겼어요. 연산 자원을 어디서, 어떻게 확보하느냐는 문제예요.
SK바이오팜이 그 답을 베슬AI에서 찾았어요. 두 회사는 GPU 컴퓨팅 자원 공급 계약을 체결했고, 지난 8월부터 엔비디아 B200 16개 노드, 총 128장 규모의 자원이 실제로 돌아가고 있어요.
SK바이오팜은 B200 128장으로 무엇을 하나요?
신약 연구개발과 의료 데이터 기반 AI 모델 학습이에요. 구체적으로는 화합물과 약물정보를 활용한 연구개발, 그리고 의료 데이터를 바탕으로 한 파운데이션 모델 사전학습에 이 인프라를 쓸 계획이에요. 신약 연구개발 과정에서 AI를 어디까지 적용할 수 있는지 검증하고, 그 활용사례를 회사 안에 쌓아두겠다는 구상이에요.
눈여겨볼 대목은 '사전학습'이라는 단어예요. 이미 공개된 모델을 가져다 쓰는 단계가 아니라, 자사가 가진 데이터로 모델의 밑바닥부터 만들어보겠다는 뜻이거든요. 파인튜닝과는 연산량의 자릿수가 달라져요.
신약 연구에 왜 이 정도 규모의 GPU가 필요한가요?
사전학습은 정답이 정해진 계산이 아니라 반복 실험이기 때문이에요. 데이터를 어떻게 섞을지, 모델을 얼마나 키울지, 학습률을 어디에 둘지에 따라 결과가 달라지는데, 이걸 확인하려면 같은 규모의 학습을 여러 번 돌려봐야 해요. 한 번 돌리는 데 며칠이 걸리는 작업이라면, 자원이 부족할 때 잃는 건 GPU 시간이 아니라 연구 일정 그 자체예요.
화합물 구조 탐색도 비슷해요. 후보군이 넓을수록 계산할 조합이 늘어나고, 늘어난 조합은 그대로 연산량이 돼요. B200처럼 세대가 앞선 GPU를 쓰면 같은 실험을 더 적은 노드로, 더 짧은 시간에 끝낼 수 있어요.
128장을 16개 노드로 묶어 쓴다는 게 왜 중요한가요?
큰 모델은 GPU 한 장에 올라가지 않아서, 여러 장을 하나처럼 묶어 써야 하기 때문이에요. 이때 중요한 건 장수보다 '연결'이에요. 노드 안에서는 GPU끼리, 노드 사이에서는 서버끼리 얼마나 빠르게 데이터를 주고받느냐가 학습 속도를 좌우해요.
엔비디아 HGX B200 기준으로 노드 하나에 실리는 GPU 메모리는 1.4TB예요. 16개 노드면 22TB가 넘는 메모리를 한 덩어리로 쓸 수 있는 셈이에요.
이런 작업은 GPU를 낱장으로 빌려서는 성립하지 않고, 노드 단위로 통째로 잡아야 해요. 베슬AI가 VM Cluster 형태로 노드를 통째로 내주는 이유도 여기에 있어요.
베슬 클라우드는 어떤 서비스인가요?
VESSL Cloud(베슬 클라우드)는 기업과 연구기관이 별도 인프라를 구축하지 않고 AI 모델 학습과 추론에 필요한 GPU 자원을 빌려 쓰는 클라우드예요. Workspace, 배치 Job, VM Cluster 세 가지 방식으로 GPU를 쓸 수 있어요.
운영 방식은 네오클라우드예요. 데이터센터 한 곳에 묶이지 않고 여러 데이터센터에서 확보한 GPU를, 고객의 작업 특성에 맞춰 연결해 내주는 구조예요. 그래서 "지금 이 리전에 B200이 없다"는 답 대신 "이 조건이면 여기서 이 규모까지 가능하다"는 답을 드릴 수 있어요.
베슬AI는 왜 제약·바이오로 고객을 넓히나요?
연산 수요가 실제로 그쪽에서 생기고 있기 때문이에요. 베슬AI는 이번 계약을 계기로 AI 기업과 연구기관 중심이던 고객 기반을 제약·바이오 분야로 확대할 계획이에요. 화합물 구조 탐색, 약물정보 분석처럼 연산이 많이 필요한 작업이 공략 지점이에요.
안재만 베슬AI 대표는 "신약 연구개발과 바이오 파운데이션 모델 구축에는 대규모 연산 자원과 이를 안정적으로 운영할 인프라 역량이 필요하다"며 "SK바이오팜 AI 연구와 인공지능 전환 과제를 지원하고 제약·바이오 분야 GPU 인프라 공급을 확대하겠다"고 말했어요.
우리 팀도 이 정도 규모를 쓸 수 있을까요?
128장부터 시작할 필요는 없어요. 몇 장으로 실험을 돌려보다가 학습 일정이 잡히면 노드 단위로 올리는 팀이 많아요. 필요한 모델 크기와 기간, 예산만 알려주시면 어느 구간부터 시작하는 게 합리적인지 함께 계산해드릴게요. 정확한 조건이 아직 없어도 괜찮아요.
자주 묻는 질문
베슬AI가 SK바이오팜에 공급한 GPU는 어떤 규모인가요?
엔비디아 B200 GPU 128장이에요. 16개 노드로 묶여 있고, 2026년 8월부터 GPU 클라우드 플랫폼 '베슬 클라우드'를 통해 공급되고 있어요. SK바이오팜은 이 자원을 신약 연구개발과 의료 데이터 기반 AI 모델 학습에 사용해요.
신약 연구개발에 GPU가 왜 필요한가요?
후보 물질을 계산으로 걸러내고, 의료 데이터로 AI 모델을 학습시키는 데 대규모 연산이 들기 때문이에요. 화합물 구조 탐색은 후보군이 넓어질수록 계산할 조합이 기하급수적으로 늘어나고, 파운데이션 모델 사전학습은 같은 규모의 학습을 조건을 바꿔가며 여러 번 반복해야 해요. 실험실 장비만으로는 감당하기 어려운 연산량이라 GPU 클러스터가 필요해요.
네오클라우드는 AWS 같은 클라우드와 무엇이 다른가요?
네오클라우드는 AI 학습과 추론에 필요한 GPU를 서비스형으로 제공하는 GPU 전용 클라우드예요. 범용 서비스를 폭넓게 갖춘 하이퍼스케일러와 달리 GPU 한 가지에 집중하고, 여러 데이터센터에서 확보한 자원을 고객 작업 특성에 맞춰 연결해요. 그래서 최신 GPU를 더 빨리, 노드 단위로 잡기 쉬운 편이에요.
제약·바이오 기업이 GPU 클라우드를 도입하려면 어떻게 시작하나요?
먼저 작은 규모로 실험을 돌려보고, 학습 일정이 잡히면 노드 단위로 올리는 순서를 권해요. 모델 크기와 기간, 예산 세 가지만 정리되면 어느 구간부터 시작할지 계산할 수 있어요. 상담을 신청하시면 조건에 맞는 구성부터 함께 확인해드려요.
이어 읽기
VESSL AI
뉴스레터 구독
AI 인프라 구축 노하우와 최신 GPU 소식을 매달 보내드려요.