컨텐츠 바로가기

05.20 (월)

[레드햇 서밋 2024] 맷 힉스 “레드햇은 믿고 맡길 AI 파트너…오픈소스에 베팅”

댓글 첫 댓글을 작성해보세요
주소복사가 완료되었습니다
디지털데일리

<이미지를 클릭하시면 크게 보실 수 있습니다>




[디지털데일리 권하영기자] “고객은 인공지능(AI) 투자를 구축해줄 믿을 만한 사람을 찾고 있고, 그게 우리의 차별점이 될 것이다. 오픈소스로 만들어진 레드햇의 하드웨어와 옵션, 하이브리드 기능은 비즈니스의 핵심적인 베팅이 될 것이다.”

맷 힉스 레드햇 최고경영자(CEO)는 7일(이하 현지시간) 미국 덴버 콜로라도컨벤션센터에서 기자간담회를 갖고, 경쟁사 대비 자사의 차별점을 묻는 질문에 이렇게 답했다.

힉스 CEO는 “레드햇의 차별화 요소는 우리가 오픈소스에 중점을 뒀다는 것”이라며 “나아가 AI는 어떤 장소에서건 학습과 실행이 필요한 애플리케이션과 다르지 않기 때문에, 우리는 어디서든 실행될 수 있게 하드웨어 인프라에 중립적”이라고 지적했다.

또한 “레드햇은 하버(Harbor) 단계 밑에서 최대한을 끌어낼 수 있단 것을 보여준 긴 역사를 가지고 있다”며 “우리는 GPU(그래픽처리장치)를 생산하지 않지만 비디오를 가능한 한 빠르게 실행할 수 있고, AMD나 인텔 가우디도 그렇게 할 수 있다”고 했다.

그러면서 “물론 고객이 내년에 우리를 좋아하지 않게 된다 해도 그들의 지적재산권(IP)은 여전할 것이고, 우리와 함께 일하기 위해 IP를 포기하지 않아도 된다”며 “우리는 경쟁에 익숙하지만 다른 이들이 같은 공간에서 플레이할 수 있게 오픈소스와 협력하고 있고, 그것이 결국 고객에 좋은 점이라 생각한다”고 덧붙였다.

힉스 CEO는 AI 모델 분야에서 이미 시장을 선점해가고 있는 빅테크 대비 레드햇의 접근 방식에 대해서도 “우리의 목표는 이 주변에 오픈소스 생태계를 구축하고 전세계의 창의성과 AI가 할 수 있는 것이 무엇인지 지켜보는 것”이라며 “우리는 거인들의 어깨 위에서 일할 수 있는 특권을 가졌고, 그러니 새롭게 창조하기보다 오픈소스 채택을 넓히기 위해 노력함으로써 그 결과로 나올 영감을 보려고 한다”고 말했다.

그는 “레드햇이 오픈소스에서 성공적이지 않았던 때는 없었다”며 “외부 벤치마킹과 데이터를 가지고 ‘우리가 다른 소프트웨어 회사들과 어떻게 비교되는지, 어떻게 더 잘 할 수 있는지’를 말해줄 수 있다”고 자신감을 보이기도 했다.

하지만 오픈소스에 대해 긍정적 전망만 있는 것은 아니다. 최근 큰 주목을 받았던 생성형 AI와 거대언어모델(LLM) 시장은 오픈AI의 챗GPT처럼 독점적 또는 폐쇄형 모델이 시장을 선도했고, 이에 맞서 개방형 생태계가 대안으로 떠올랐지만 아직 승리자가 가려진 것은 아니다. 오픈소스 그 자체로도 개방형에서 오는 부작용과 불안정성이 한계로 지목되기도 한다.

힉스 CEO는 이날 간담회에서 “오픈소스 커뮤니티에 좋은 사람들만 존재할 수 있거나 나쁜 사람들은 제거할 수 있는 방법이 있을까?”라는 회의적 질문에 “나쁜 사람들이 몇 년간 일한 결과를 하루만에 사라지게 하는 게 오픈소스의 힘”이라며 “AI는 양쪽 모두 증폭시키겠지만 결국은 소비자에게 큰 승리가 될 것”이라고 언급했다.

또한 힉스 CEO는 레드햇이 이날 공식 출시한 ‘레드햇 엔터프라이즈 리눅스 AI(Red Hat Enterprise Linux AI, 이하 RHEL AI)’에 대해서도 “RHEL AI는 LLM을 실행하고 알고리즘을 훈련하게 하는 데 목적이 있다”며 “이 경우 GPU는 곧 나올 새로운 하드웨어 기능을 가지고 있고, 우리는 모든 하드웨어 제공업체와 파트너십을 맺어 그들로부터 최선을 끌어내고 있다”고 말했다.

한편, 그는 IBM의 하시코프 인수로 오픈소스 도구인 ‘테라폼’이 레드햇의 오픈소스 제품들과 중복되면서 경쟁이 발생하고 있다는 지적에 대해 “인수 건에 대해 계획이나 생각을 얘기하진 않을 거고 마무리된 후에 볼 것”이라면서도 “IBM이 하시코프 인수를 진행한다면 레드햇과의 조화에 대해 걱정할 필요가 없다”고 언급했다.

- Copyright ⓒ 디지털데일리. 무단전재 및 재배포 금지 -
기사가 속한 카테고리는 언론사가 분류합니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.