Cartesia, 음성 생성 지연 90밀리초 미만 보고…고객 통제 환경서 음성 에이전트 지원
핵심 요약
- Cloudera가 기업용 AI 생태계를 확대했다. Neo4j·Mistral·VAST Data 등과 협력해 데이터와 모델, 인프라를 연결하고 하이브리드 환경의 AI 팩토리 구축을 지원한다.
Cloudera가 10월 27일 뉴욕에서 열린 EVOLVE 26 New York에서 기업용 AI 생태계인 Enterprise AI Ecosystem 확대를 발표했다. 2024년과 2025년 구축한 생태계를 바탕으로, 관리 체계를 갖춘 데이터를 지속적으로 인사이트와 자율적 행동으로 전환하는 ‘AI 팩토리’의 기반으로 Cloudera Anywhere Cloud를 강화한다.
Anywhere Cloud는 퍼블릭 클라우드·프라이빗 클라우드·온프레미스에 일관된 운영 모델을 적용해 기업이 성능·비용·데이터 주권 요건에 맞춰 선택하도록 지원할 예정이다. 업무 맥락을 이해하는 지식, 작업별 모델, 반응성 높은 인터페이스, 데이터 공급 인프라를 연결하는 접근이다. Cloudera의 최고사업책임자 겸 응용 AI 부문 총괄인 Abhas Ricky는 “우리의 목표는 모든 기업이 모델을 자유롭게 선택하고, 데이터 통제권을 유지하며, 모든 워크로드의 경제성을 개선하는 AI 팩토리가 되도록 하는 것”이라고 말했다.
음성 분야에서는 Cartesia가 고객이 통제하는 환경에서 작동하는 음성 에이전트를 위한 음성 생성·전사 기능을 더한다. Cartesia는 음성 생성 지연 시간이 90밀리초 미만이며, Sonic-3.6 모델이 출시 당시 Artificial Analysis의 두 음성 아레나 순위표에서 모두 1위를 차지했다고 밝혔다. Cartesia의 최고경영자 겸 공동창업자 Karan Goel은 “우리는 Cloudera와 함께 세계에서 가장 엄격한 규제를 받는 조직들이 데이터에 대한 완전한 통제권을 유지하면서 실시간 음성 에이전트를 대규모로 배포할 수 있도록 지원하고 있다”고 말했다.
기존에 발표한 Mistral과의 전략적 제휴는 데이터 주권을 유지하는 추론 전략의 중심에 놓인다. Mistral의 확대된 제품군에는 발표된 1조 500억 매개변수의 Large 4 모델, 예측용 Timestral 모델, 물리적 환경 탐색용 Robostral이 포함된다. NVIDIA와의 엔지니어링 협력, CERN과의 과학 AI 연구도 전문화된 AI의 범위를 보여주는 사례로 제시됐다. Mistral의 최고매출책임자 Marjorie Janiewicz는 “Mistral의 최첨단 모델과 제품을 Cloudera의 하이브리드 데이터 플랫폼에 통합하면 조직은 어떤 환경에서든 완전한 거버넌스를 적용하면서 자체 독점 데이터로 맞춤형 지능을 구축·학습·배포할 수 있게 될 것”이라고 말했다.
Neo4j는 지식 그래프와 의미적 맥락을 제공해 에이전트가 기업 데이터 전반의 관계를 조회하고 고객·제품·거래·업무 프로세스 간 연결을 이해하도록 돕는다. Cloudera Open Data Lakehouse와 Neo4j Graph Intelligence Platform을 결합해 데이터 검색에서 추론과 행동으로 이어지는 과정을 지원한다. Neo4j의 사장 겸 최고제품책임자 Sudhir Hasbe는 “Cloudera와의 제휴는 조직이 퍼블릭·프라이빗 클라우드 환경의 기업 데이터 전반에 공유 지식 계층을 만들도록 지원하며, 관계형 데이터와 깊이 있는 의미적 맥락 사이에 중요한 연결을 제공한다”고 말했다.
앞서 발표한 VAST Data와의 제휴는 가속기에 높은 처리량과 낮은 지연 시간으로 데이터를 공급해 GPU가 데이터를 기다리며 유휴 상태에 놓이는 문제를 다룬다. VAST의 스토리지 아키텍처는 Cloudera의 컨테이너 기반 데이터 서비스를 지원하며, Anywhere Cloud 전반에서 데이터 전달과 GPU 활용률, AI·분석 워크로드 성능 개선을 돕는다. VAST Data의 공동창업자 Jeff Denworth는 “Cloudera와 VAST는 함께 고객이 데이터, 지능, 인프라를 하이브리드 환경 전반의 AI를 위한 하나의 운영 플랫폼으로 연결하는 AI 팩토리를 구축하도록 돕고 있다”고 말했다.
Cloudera는 공동 솔루션과 검증된 참조 아키텍처를 확대해 통합 작업 부담과 총소유비용을 줄이고, 하이브리드 AI와 데이터 주권을 보장하는 AI를 실제 운영에 도입하기 쉽게 만드는 것을 목표로 삼았다. 기업이 각 워크로드에 맞춰 모델의 기능과 지연 시간, 연산 자원 요건을 선택하도록 AI 기술 전반의 선택지를 넓힌다는 방향이다.
