Google Cloud Next '26이 3일간 진행되었으며, 가장 큰 신호는 한 문장으로 요약된다. Vertex AI라는 이름은 더 이상 사용되지 않으며, 새 이름은 Gemini Enterprise Agent Platform이다.
단순한 이름 변경처럼 들릴 수 있지만, 구글은 이번에 제품 라인 전체, 하드웨어 로드맵 전체, 그리고 클라우드 서비스 판매 방식을 모두 '에이전트'라는 핵심 개념을 중심으로 재구성했다.
Vertex AI는 무엇이 되었나
Gemini Enterprise Agent Platform은 Vertex AI의 단순한 이름 변경이 아니다. 에이전트 전용으로 설계된 풀스택 플랫폼으로 완전히 재작성되었다.
200개 이상의 모델을 통합했으며, 구글 자체 모델인 Gemini 3.1 Pro, Flash Image, Lyria 3, Gemma 4에 더해 Anthropic의 Claude Opus, Sonnet, Haiku도 직접 탑재했다. 이는 미묘하지만 중요한 움직임이다. 구글은 Anthropic에 400억 달러를 투자하면서도 Claude를 자사 Gemini와 동등한 선택지로 엔터프라이즈 제품에 배치했다.
구글에 따르면 플랫폼의 구성 요소는 에이전트의 전체 라이프사이클을 포괄한다.
- Agent Studio — 개발 환경
- Agent Development Kit — SDK
- Agent Runtime — 런타임
- Agent-to-Agent Orchestration — 멀티 에이전트 협업
- Agent Gateway — 트래픽 및 접근 제어
- Agent Identity — 신원 인증
- Agent Registry — 레지스트리
- Agent Observability — 관측 가능성
- Agent Simulation / Evaluation — 시뮬레이션 및 평가
이 용어에 익숙한 사람이라면 알겠지만, 구글은 지난 10년간의 클라우드 네이티브 스택(Service Mesh, API Gateway, Identity 등)을 그대로 에이전트에 이식했다. 한마디로 에이전트를 새로운 서비스 형태로 관리하겠다는 것이다.
TPU, 이제 두 개의 라인으로 완전 분할
하드웨어 측면에서는 8세대 TPU가 공식 발표되었지만, 이전 세대처럼 하나의 '범용' 칩이 아닌 학습과 추론이 두 개의 제품 라인으로 분할되었다.
TPU 8t (학습용):
- 단일 슈퍼포드는 9,600개 칩으로 확장
- 공유 메모리 2 PB
- 연산 성능 121 ExaFlops
- 포드당 연산 성능은 전 세대의 약 3배
- 스토리지 접근 속도는 전 세대의 10배
TPU 8i (추론용):
- 온칩 SRAM 3배 증가
- 인터커넥트 대역폭 2배 증가한 19.2 Tb/s
- 1달러당 성능 80% 향상
이 분할의 배경에는 명확한 판단이 있다. 학습과 추론의 하드웨어 요구 사항이 너무 크게 분기되었기 때문이다. 학습에는 분산 최적화를 위한 초대용량 공유 메모리가 필요하고, 추론에는 낮은 지연 시간, 높은 인터커넥트 대역폭, 대용량 온칩 캐시가 필요하다. 하나의 칩으로 양쪽을 모두 만족시키는 것은 더 이상 비용 효율적이지 않다.
NVIDIA도 비슷한 길을 걸어왔지만(H100/H200과 L40S의 분화), 구글은 이 구분을 TPU 세대 이름에 직접 포함시켜 더욱 단호한 입장을 보여주었다.
데이터센터 전체를 재설계
새로운 TPU를 지원하는 것은 Virgo Network라는 새로운 데이터센터 아키텍처다.
- 단일 네트워크가 13만 4,000개의 TPU 8t를 연결
- 논블로킹 대역폭 47 Pb/s
- TPU 8t당 사용 가능한 대역폭은 전 세대의 4배
- 무부하 지연 시간 40% 감소
47 Pb/s가 어느 정도인지 감을 잡자면, 전 세계 인터넷 코어 노드의 총 대역폭을 하나의 데이터센터에 집어넣은 것과 비슷하다.
소프트웨어 계층에서도 비용 절감 지속
하드웨어만으로는 부족하다. 소프트웨어 계층에서도 운영 비용을 대폭 줄이기 위한 조치가 이루어졌다.
- GKE Agent Sandbox: 초당 300개의 샌드박스 실행, 1달러당 성능 30% 향상
- BigQuery fluid scaling: 평균 비용 34% 절감
- Lightning Engine for Apache Spark: 1달러당 성능 2배
- Managed Lustre: 최대 처리량 10 TB/s
- M4N 가상 머신 시리즈: Oracle 워크로드 실행 시 TCO 20% 이상 절감
이러한 데이터 계층 및 오케스트레이션 계층의 움직임은 Vertex AI를 사용할 여유는 없지만 AI를 도입해야 하는 기존 엔터프라이즈 워크로드를 겨냥한 것이다.
이 베팅은 얼마나 큰가
Google Cloud Next의 지난 몇 차례 기조연설에는 항상 'AI'가 등장했지만, 이번에는 확연히 달랐다.
- 이름 변경 — 도구형 플랫폼(Vertex AI)에서 애플리케이션 플랫폼(Agent Platform)으로
- 칩 분할 — 학습과 추론 분리는 제품 라인 수준의 베팅
- 데이터센터 재설계 — Virgo는 아키텍처를 근본부터 재구축
- 판매 포인트 변경 — 'AI 기능' 판매에서 '에이전트 라이프사이클 관리' 판매로
이면에 깔린 판단은 다음과 같다. 미래에 클라우드의 주요 워크로드는 인간이 작성한 코드가 아니라 에이전트가 실행하는 작업이 될 것이다. 이 판단이 맞다면 모든 클라우드 벤더의 제품은 에이전트를 중심으로 재설계되어야 한다. 틀리다면 구글은 최소 2년간의 연구개발 예산을 잘못된 방향에 베팅한 셈이다.
AWS는 아직 움직이지 않았고(re:Invent는 연말 예정), Azure는 지난달 Microsoft Fabric MCP로 움직임을 보였다. 하지만 이번 구글의 강점은 하드웨어, 네트워크, 플랫폼, 비즈니스 모델을 한 번에 재구축했다는 점이다.
클라우드 업계에 정통한 사람이라면 누구나 안다. 칩 세대와 데이터센터 아키텍처를 잘못 선택하면 회복하는 데 최소 3년이 걸린다. 구글이 이렇게 과감하게 베팅할 수 있는 것은 자체 에이전트 로드맵에 대한 확신이 있기 때문이다.
출처: Google Cloud Next '26: Gemini Enterprise Agent Platform Leads AI-Centric News (Virtualization Review); Google Cloud Next made it clear: AI is coming for everything (The Register); CocoLoop; Google Cloud Next 2026: News and updates (Google 공식 블로그)