At Cannes Lions, NVIDIA Partners Reshape Advertising and Marketing With AI

🖼️ 인포그래픽

At Cannes Lions, NVIDIA Partners Reshape Advertising and Marketing With AI 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

💡 한 줄 요약

칸 라이언즈에서 NVIDIA 파트너들은 광고·마케팅의 AI 전환이 단순 채택을 넘어 대규모·실시간·자율 운영을 버틸 인프라 경쟁으로 이동했음을 보여줬다.

📌 핵심 요약

NVIDIA는 칸 라이언즈에서 Alembic, AWS, Criteo, Higgsfield, KERV.ai, Taboola 등 파트너들이 광고·마케팅 업무를 더 창의적이고 빠르며 자율적인 운영으로 바꾸는 사례를 소개했다.
Alembic은 마케팅 성과를 단순 상관관계가 아니라 실제 인과관계로 분석하기 위해 NVIDIA DGX Vera Rubin NVL72와 DGX Vera Rubin SuperPODs를 활용해 더 큰 변수와 시뮬레이션을 처리하려 한다.
AWS는 NVIDIA Triton Inference Server 기반의 참조 구현을 통해 실시간 광고 경매 안에서 AI 입찰, 가격 최적화, 오디언스 활성화, 딜 스코어링을 수행할 수 있는 스택을 제시했다.
Criteo는 NVIDIA Blackwell GPU와 cuEmbed를 활용해 모델 학습 속도를 약 2배 높였고, Taboola는 NVIDIA GPU를 활용해 AI 답변 엔진과 챗봇 기반 광고 수익화를 확장하고 있다.
Higgsfield와 KERV.ai 사례는 에이전트형 마케팅 자동화와 멀티모달 콘텐츠 이해가 기업 규모에서 작동하려면 안전장치, 감사 가능성, 권한 관리, 고속 추론 인프라가 함께 필요하다는 점을 보여준다.

🧩 주요 포인트

NVIDIA는 칸 라이언즈에서 Alembic, AWS, Criteo, Higgsfield, KERV.ai, Taboola 등 파트너들이 광고·마케팅 업무를 더 창의적이고 빠르며 자율적인 운영으로 바꾸는 사례를 소개했다.
Alembic은 마케팅 성과를 단순 상관관계가 아니라 실제 인과관계로 분석하기 위해 NVIDIA DGX Vera Rubin NVL72와 DGX Vera Rubin SuperPODs를 활용해 더 큰 변수와 시뮬레이션을 처리하려 한다.
AWS는 NVIDIA Triton Inference Server 기반의 참조 구현을 통해 실시간 광고 경매 안에서 AI 입찰, 가격 최적화, 오디언스 활성화, 딜 스코어링을 수행할 수 있는 스택을 제시했다.
Criteo는 NVIDIA Blackwell GPU와 cuEmbed를 활용해 모델 학습 속도를 약 2배 높였고, Taboola는 NVIDIA GPU를 활용해 AI 답변 엔진과 챗봇 기반 광고 수익화를 확장하고 있다.
Higgsfield와 KERV.ai 사례는 에이전트형 마케팅 자동화와 멀티모달 콘텐츠 이해가 기업 규모에서 작동하려면 안전장치, 감사 가능성, 권한 관리, 고속 추론 인프라가 함께 필요하다는 점을 보여준다.

🧠 상세 정리

1. AI 채택을 넘어 인프라 경쟁으로 이동한 광고·마케팅

원문은 디지털 시대가 광고와 마케팅 산업에 속도를 제공했다면, AI 시대는 자율 운영을 제공하고 있다고 설명한다. 이제 핵심 질문은 AI를 도입할지 여부가 아니라, 기업의 인프라가 업계가 요구하는 속도와 규모를 감당할 수 있는지로 바뀌었다. NVIDIA는 프랑스에서 열린 칸 라이언즈 행사를 배경으로 여러 파트너 사례를 제시하며, 광고·마케팅 기술의 다음 단계가 생성형 기능 하나가 아니라 대규모 데이터 처리, 실시간 추론, 자동화된 의사결정을 떠받치는 전체 스택에 달려 있다고 강조한다.

2. Alembic의 인과 AI와 기업 규모 의사결정

Alembic 사례는 마케팅 투자가 실제로 무엇을 성장으로 이끌었는지 증명하려는 문제에서 출발한다. 원문은 모든 채널, 시장, 오디언스를 동시에 고려해 진짜 인과관계를 모델링하려면 빠르게 변하는 방대한 데이터를 처리하면서도 이를 단순 상관관계로 축소하지 않는 AI 인프라가 필요하다고 설명한다. NVIDIA DGX Vera Rubin NVL72 시스템은 Alembic이 더 많은 변수를 분석하고 더 큰 시뮬레이션을 실행하며 마케팅 투자에서 성장의 실제 동인을 정량화하도록 돕는다. Alembic은 DGX Vera Rubin SuperPODs를 기업 규모 인과 모델링에 쓰는 첫 Causal AI 기업으로 소개되며, 경영진에게 결과의 원인과 낭비되는 자본을 판단할 수 있는 단일한 근거를 제공하는 것을 목표로 한다.

3. 데이터가 있는 곳에서 실행되는 프라이빗 추론 구조

Alembic의 추론은 기업 데이터가 이미 위치한 Equinix 데이터센터 내부의 프라이빗 슈퍼컴퓨팅 인프라에서 실행된다고 원문은 밝힌다. 이는 AI 워크로드를 데이터 가까이에 두어 로컬로 처리한다는 의미이며, 기업 환경에서 데이터 이동과 통제 문제가 중요한 맥락을 반영한다. World Wide Technology는 이 구성을 보안과 규제가 중요한 환경으로 확장하는 역할을 맡는다. NVIDIA, Alembic, Equinix, World Wide Technology의 조합은 단일 모델 성능 홍보가 아니라, 자본 배분 결정을 책임지는 임원과 데이터 리더를 위한 완성형 엔터프라이즈 AI 스택으로 제시된다.

4. 실시간 광고 경매와 추천 시스템의 고속 AI화

광고주에게는 매일 수십억 건의 거래 속에서 광고와 추천을 제공해야 하므로, AI는 정확할 뿐 아니라 실시간 경매 창 안에 들어갈 만큼 빠르고 비용 효율적이어야 한다. AWS는 클라우드 인프라, 파운데이션 모델, NVIDIA GPU 가속 컴퓨팅을 결합해 광고 기술 산업을 위한 응집된 스택을 제공한다고 소개된다. 이 참조 구현은 NVIDIA Triton Inference Server를 기반으로 하며, 입찰 가격 최적화, 오디언스 활성화, 딜 스코어링 같은 작업을 규칙 기반 판단에서 AI 기반 모델로 옮겨 실시간 경매 파이프라인 안에서 실행하게 한다. Criteo는 NVIDIA Blackwell GPU와 cuEmbed 덕분에 모델 학습 속도를 약 2배 높였고, 그 결과 연간 약 1만7000 GPU 시간을 절감했다고 설명된다.

5. Taboola와 Higgsfield가 보여주는 에이전트형 마케팅 워크플로

Taboola는 NVIDIA GPU를 활용해 AI 답변 엔진 DeeperDive를 구동하고, AI 플랫폼과 챗봇이 광고로 수익을 낼 수 있도록 인프라를 확장하는 사례로 제시된다. 이어 원문은 마케팅과 여러 산업에서 AI 에이전트가 계획, 실행, 최적화 같은 장기 작업을 맡는 디지털 동료로 발전하고 있다고 설명한다. 다만 기업이 이런 에이전트를 배포하려면 안전 가드레일, 감사 가능성, 역할 기반 권한 관리 같은 통제가 필요하다. NVIDIA Agent Toolkit은 NemoClaw 블루프린트와 OpenShell 보안 런타임을 포함해 이러한 통제층을 제공하는 도구로 소개된다.

6. Higgsfield의 통합 캠페인 자동화와 기업 신뢰 계층

Higgsfield AI는 영상과 이미지 생성 기반의 제작 플랫폼으로, Higgsfield Supercomputer 에이전트를 통해 캠페인 아이디어 도출, 계획, 크리에이티브 제작, 게시, 자율 최적화까지 하나의 인터페이스에서 관리한다고 설명된다. 이 플랫폼은 주요 대형 언어 모델과 35개 이상의 이미지·오디오·비디오 모델을 오케스트레이션하며, NVIDIA Blackwell 아키텍처 기반의 자체 Soul 및 Soul 2.0 모델도 포함한다. NVIDIA Nemotron 오픈 모델을 포함한 Agent Toolkit 소프트웨어는 캠페인 안에서 계속 실행되는 전문 서브에이전트를 구동한다. 원문은 NemoClaw와 OpenShell 통합을 통해 기업 신뢰 계층을 제공하려 한다고 밝히며, 이미 포춘 500대 기업 중 약 400곳의 마케팅 캠페인이 이 플랫폼에서 만들어진다고 덧붙인다.

7. KERV.ai의 멀티모달 콘텐츠 이해와 비용 효율적 추론

마지막 흐름은 광고와 미디어 콘텐츠를 의미 수준에서 이해하는 AI가 생산 규모에서 작동하려면 벡터 검색, 데이터 처리, 영상 이해 능력을 갖춘 멀티모달 인프라가 필요하다는 점에 초점을 맞춘다. KERV.ai의 Moment Match Engine은 모든 비디오 프레임과 미디어 자산에서 여러 신호를 평가해 장면, 객체, 제품을 이해하고, 광고 크리에이티브의 시각·텍스트 요소를 기반으로 콘텐츠 추천을 제공한다. KERV.ai는 NVIDIA Nemotron 3 Nano Omni 오픈 모델을 사용해 처리 파이프라인의 속도와 효율을 10배 이상 개선했다고 설명된다. 또한 MediaPerf 벤치마크에서 Nemotron 3 Nano Omni는 평가된 오픈·폐쇄형 모델 중 가장 높은 처리량과 가장 낮은 추론 비용을 기록한 모델로 소개된다.

🧾 핵심 주장 / 시사점

이 글의 핵심은 광고·마케팅 AI의 경쟁력이 모델 기능 자체보다 데이터 위치, 추론 속도, 비용, 보안 통제까지 포함한 인프라 설계로 이동하고 있다는 점이다.
사례들은 모두 서로 다른 영역을 다루지만 공통적으로 실시간성, 대규모 처리, 기업 신뢰성이라는 조건을 강조한다. 이는 마케팅 자동화가 실험 단계가 아니라 운영 시스템 단계로 들어가고 있음을 시사한다.
인과 분석, 경매 입찰, 추천, 에이전트형 캠페인, 영상 콘텐츠 이해가 하나의 흐름으로 묶이면서 광고 기술은 단일 업무 자동화보다 전체 의사결정과 실행 파이프라인을 AI로 재구성하는 방향으로 확장되고 있다.

✅ 액션 아이템

NVIDIA 파트너 사례를 기준으로 마케팅 분석을 상관관계 중심에서 인과관계 중심으로 전환하고, Alembic이 활용한 DGX Vera Rubin NVL72·SuperPODs 방식으로 변수·시뮬레이션 처리력을 확장한다.
실시간 광고 경매형 운영에 맞춰 AWS Triton 기반 AI 입찰·가격 최적화·오디언스 활성화·딜 스코어링을 통합 스택으로 정교화하고, Criteo의 Blackwell GPU·cuEmbed 조합으로 학습 속도 향상 구간을 검증한다.
Higgsfield와 KERV.ai의 제약을 반영해 에이전트형 마케팅 자동화에 안전장치·감사 가능성·권한 관리·고속 추론 인프라를 함께 설계하고 확장 기준을 정한다.