래리의 위험한 사업

오라클이 전통적 데이터베이스 사업의 완만한 쇠퇴를 배경으로 AI 인프라 사업에 전사적 베팅을 감행하고 있다. 기술적으로 보면 오라클의 전략은 OpenAI나 Anthropic 같은 파운데이션 모델 빌더도, AWS·Azure 같은 종합 하이퍼스케일러도 아닌, CoreWeave류의 베어메탈 GPU 클러스터(OCI Supercluster)를 SaaS 회사 체질로 운영하는 독특한 포지셔닝이다. 즉 RDMA 기반 저지연 네트워킹으로 묶인 H100/B200 GPU 노드를 대규모 학습 워크로드에 임대하면서, 동시에 Oracle 23ai의 벡터 검색·생성형 AI 서비스를 자사 DB 스택에 통합해 "데이터가 있는 곳에서 AI를 돌리는" 구조를 만들겠다는 그림이다. 문제는 이 모델이 OpenAI와의 약 3,000억 달러 규모 다년 계약 같은 소수 대형 고객의 RPO(잔여수행의무)에 과도하게 의존하고 있고, 이를 충당하기 위한 데이터센터·전력·GPU 자본지출(CapEx)이 회사의 전통 현금흐름을 크게 상회한다는 점이다.

엔지니어 입장에서 이 베팅의 실질적 영향은 두 갈래다. 첫째, AI 학습/추론 인프라 시장에 하이퍼스케일러 외 또 다른 대형 공급자가 자리 잡으면서 GPU 단가와 가용성에 단기적으로 숨통이 트일 가능성이 있다. OCI는 동일 사양 GPU 노드 기준 AWS/Azure 대비 가격 우위를 마케팅 포인트로 내세워 왔고, 인터커넥트 토폴로지를 학습 워크로드에 최적화해 둔 점도 분산 학습·파인튜닝을 운영하는 팀에는 의미 있는 선택지다. 둘째, Oracle 23ai의 벡터 인덱스, AI Vector Search, Select AI(NL→SQL)처럼 기존 운영 DB에 RAG·임베딩 검색을 그대로 얹는 통합형 기능이 늘어나면서, 별도 벡터 DB(Pinecone, Weaviate 등)를 도입하지 않고도 트랜잭션 데이터 위에서 검색·생성 파이프라인을 구성하는 패턴이 대안으로 부상하고 있다.

다만 개발자가 실무에서 의사결정할 때 반드시 인지해야 할 리스크가 있다. 오라클의 AI 매출은 사실상 OpenAI 한 곳에 위험이 쏠려 있고, OpenAI가 자체 칩(Stargate, Broadcom 협업)이나 다른 공급자로 분산할 경우 OCI 가격 정책과 SLA 우선순위가 흔들릴 수 있다. 또한 베어메탈 임대 사업은 전통적인 오라클 라이선스 사업 대비 마진율이 현저히 낮아, 적자 상태에서 부채로 CapEx를 충당하는 구조가 장기화되면 지원 정책·로드맵이 갑자기 바뀌는 신용 리스크도 무시할 수 없다. 따라서 OCI나 23ai의 AI 기능을 도입하는 팀이라면 (1) 데이터·임베딩·모델 가중치를 OCI 외부로 추출 가능한 형태(표준 Parquet, ONNX, 표준 SQL+pgvector 호환 스키마 등)로 유지하는 멀티클라우드 탈출 경로를 처음부터 설계하고, (2) 약정형 할인 계약을 체결하기 전 RPO 공시·CapEx 추세 등 재무 시그널을 모니터링하며, (3) 핵심 추론 워크로드는 vLLM·Triton 같은 표준 서빙 스택 위에 올려 공급자 종속을 최소화하는 것이 안전하다. 오라클의 "AI 올인" 베팅이 성공하든 실패하든, 그 결과는 향후 1~2년간 GPU 임대 시장 가격과 엔터프라이즈 RAG 아키텍처 선택지에 직접적인 영향을 미칠 것이다.