🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

허깅페이스와 구글 클라우드는 기업이 개방형 모델로 자체 AI를 더 빠르고 안전하게 구축·배포할 수 있도록 서비스 통합, 전송 인프라, 가속기 지원, 보안을 아우르는 전략적 협력을 확대한다.

📌 핵심 요약

• 허깅페이스와 구글 클라우드는 기업이 개방형 모델을 선택하고 맞춤화해 자체 보안 인프라에서 운영할 수 있도록 파트너십을 강화했다.
• 구글 클라우드 고객은 Vertex AI Model Garden, GKE, Cloud Run GPU, Compute Engine 등에서 허깅페이스 모델을 배포하고 운영할 수 있다.
• 양사는 허깅페이스 Xet과 구글 클라우드의 저장·네트워크 기술을 결합한 CDN Gateway를 구축해 모델 및 데이터셋 다운로드 속도와 공급망 안정성을 개선할 계획이다.
• 허깅페이스 고객에게는 Inference Endpoints의 인스턴스 선택 확대와 가격 인하, Vertex AI 및 GKE로 이어지는 간소화된 배포 경험, 비공개 모델 지원이 제공될 예정이다.
• TPU의 허깅페이스 라이브러리 기본 지원과 VirusTotal, Google Threat Intelligence, Mandiant를 활용한 보안 협력도 추진된다.

🧩 주요 포인트

1. 허깅페이스와 구글 클라우드는 기업이 개방형 모델을 선택하고 맞춤화해 자체 보안 인프라에서 운영할 수 있도록 파트너십을 강화했다.
2. 구글 클라우드 고객은 Vertex AI Model Garden, GKE, Cloud Run GPU, Compute Engine 등에서 허깅페이스 모델을 배포하고 운영할 수 있다.
3. 양사는 허깅페이스 Xet과 구글 클라우드의 저장·네트워크 기술을 결합한 CDN Gateway를 구축해 모델 및 데이터셋 다운로드 속도와 공급망 안정성을 개선할 계획이다.
4. 허깅페이스 고객에게는 Inference Endpoints의 인스턴스 선택 확대와 가격 인하, Vertex AI 및 GKE로 이어지는 간소화된 배포 경험, 비공개 모델 지원이 제공될 예정이다.
5. TPU의 허깅페이스 라이브러리 기본 지원과 VirusTotal, Google Threat Intelligence, Mandiant를 활용한 보안 협력도 추진된다.

🧠 상세 정리

1. 개방형 모델 기반 자체 AI를 위한 전략적 협력

허깅페이스는 2025년 11월 13일 구글 클라우드와의 관계를 새롭고 더 깊은 전략적 파트너십으로 확대한다고 발표했다. 협력의 목표는 기업이 개방형 모델을 이용해 자체 AI를 구축하고 맞춤화하는 과정을 구글 클라우드에서 쉽게 만드는 것이다. 허깅페이스는 트랜스포머와 Gemma 모델을 비롯한 구글의 개방형 AI 기여를 강조했고, 구글 클라우드는 허깅페이스가 전 세계 기업에 200만 개가 넘는 개방형 모델의 접근·사용·맞춤화를 지원해 왔다고 평가했다. 구글 역시 커뮤니티에 1,000개가 넘는 모델을 제공했으며, 양사는 구글 클라우드를 개방형 모델 구축에 적합한 환경으로 만들겠다는 공동 방향을 제시했다.

2. 구글 클라우드 고객을 위한 다양한 배포 경로

구글 클라우드 고객은 이미 여러 주요 AI 서비스에서 허깅페이스의 개방형 모델을 사용하고 있다. Vertex AI의 Model Garden에서는 인기 개방형 모델을 몇 번의 클릭만으로 배포할 수 있으며, 인프라를 더 세밀하게 통제하려는 고객은 GKE AI/ML의 유사한 모델 라이브러리나 허깅페이스가 관리하는 사전 구성 환경을 선택할 수 있다. Cloud Run GPU를 이용하면 개방형 모델 추론 워크로드를 서버리스 방식으로 배포할 수도 있다. 양사는 하나의 서비스만 강제하기보다 Vertex AI, GKE, Cloud Run 등 각 서비스의 고유한 기능을 활용하면서 고객에게 선택권을 제공하는 일관되고 매끄러운 경험을 구축하는 데 초점을 맞춘다.

3. 모델 전송을 가속하는 CDN Gateway

지난 3년 동안 구글 클라우드 고객의 허깅페이스 사용량은 10배 증가했으며, 현재 매월 수십 페타바이트의 모델이 수십억 건의 요청을 통해 다운로드되고 있다. 이에 양사는 허깅페이스 Xet의 최적화된 저장·데이터 전송 기술과 구글 클라우드의 저장소·네트워크 역량을 결합한 허깅페이스 저장소용 CDN Gateway를 공동 구축하고 있다. 이 게이트웨이는 모델과 데이터셋을 구글 클라우드에 직접 캐시해 다운로드 시간을 크게 줄이고, 구글 클라우드 고객이 이용하는 모델 공급망의 견고성을 높이는 것을 목표로 한다. Vertex AI, GKE, Cloud Run뿐 아니라 Compute Engine의 가상머신에서 자체 스택을 운영하는 고객도 더 빠른 최초 토큰 생성 시간과 간소화된 모델 거버넌스의 혜택을 받도록 설계된다.

4. 허깅페이스 고객의 배포 선택과 비용 개선

협력은 구글 클라우드 고객뿐 아니라 허깅페이스 고객에게도 구글 클라우드의 기능과 비용 효율성을 제공하는 양방향 구조로 추진된다. 첫 단계는 모델에서 실제 배포까지 몇 번의 클릭으로 연결하는 허깅페이스 Inference Endpoints이며, 더 다양하고 최신인 인스턴스 제공과 가격 인하가 예고됐다. 양사는 허깅페이스를 이용하는 1,000만 명의 AI 개발자가 공동 제품·엔지니어링 작업의 결과를 쉽게 활용하도록 만들겠다고 밝혔다. 모델 페이지에서 Vertex AI Model Garden이나 GKE로 이동해 배포하는 과정은 몇 단계로 줄이고, 허깅페이스 Enterprise 조직에 안전하게 보관된 비공개 모델도 공개 모델만큼 간편하게 다룰 수 있도록 하는 것이 목표다.

5. TPU 기본 지원과 모델 생태계 보안 강화

구글의 맞춤형 AI 가속기인 TPU는 현재 7세대에 이르렀으며, 성능과 소프트웨어 스택의 완성도가 지속적으로 개선돼 왔다. 허깅페이스는 개방형 모델로 AI를 구축하는 사용자가 현세대와 차세대 TPU를 충분히 활용할 수 있도록 자사 라이브러리에 기본 지원을 제공하려 한다. 목표는 허깅페이스 모델에서 TPU를 GPU만큼 쉽게 사용할 수 있게 만드는 것이다. 보안 측면에서는 VirusTotal, Google Threat Intelligence, Mandiant 등 구글의 기술을 활용해 허깅페이스에 있는 수백만 개의 개방형 모델을 더 안전하게 보호하는 공동 작업을 추진한다. 이 보안 협력의 대상에는 사용자가 허깅페이스 Hub에서 일상적으로 접하는 모델뿐 아니라 데이터셋과 Spaces도 포함된다.

6. 자체 통제형 AI라는 최종 비전과 이용자 과제

양사가 제시한 최종 비전은 모든 기업이 개방형 모델로 자체 AI를 만들고, 완전한 통제권을 유지하면서 자사의 안전한 인프라에 이를 호스팅할 수 있는 환경이다. 이 비전은 Vertex AI Model Garden, Google Kubernetes Engine, Cloud Run, 허깅페이스 Inference Endpoints처럼 서로 다른 구축·배포 경로를 통해 구현될 예정이다. 글은 파트너십을 통해 새로 만들거나 개선하기를 원하는 기능에 관한 이용자 의견을 요청하며 마무리된다. 댓글에서는 구글에 인수되지 않기를 바란다는 우려, 기존 Azure 협력과의 차이에 관한 질문, GCP에서 개발한 모델을 허깅페이스로 올릴 때 발생하는 외부 전송 비용을 줄일 수 있는지에 관한 요청이 제기됐다. 특히 마지막 질문은 비용 때문에 중간 체크포인트 공개를 포기하는 사례를 설명했지만, 본문에는 이에 대한 구체적인 해결책이나 답변이 제시되지 않았다.

🧾 핵심 주장 / 시사점

• 이번 협력은 모델 검색에 머무르지 않고 배포, 데이터 전송, 가속기, 보안까지 개방형 모델의 실제 운영 전 과정을 연결하는 데 초점을 둔다.
• CDN Gateway는 매월 수십 페타바이트에 이르는 모델 전송 규모에 대응하면서 다운로드 지연과 모델 공급망 안정성 문제를 함께 다루는 핵심 인프라다.
• 양사는 관리형 서비스부터 Kubernetes, 서버리스 GPU, 가상머신, 허깅페이스 Inference Endpoints까지 여러 경로를 제공함으로써 고객의 선택권과 자체 인프라 통제권을 유지하려 한다.

✅ 액션 아이템

• 허깅페이스·구글 클라우드 통합을 전제로 Vertex AI Model Garden, GKE, Cloud Run GPU, Compute Engine 경로에서 자사 모델 배포 방식을 정리한다.
• CDN Gateway 전환 시나리오로 모델·데이터셋 다운로드 지연 완화와 공급망 안정성 개선 폭을 실측 지표로 비교한다.
• Inference Endpoints의 인스턴스 확대·가격 인하, 비공개 모델 지원, TPU 기본 연동을 묶어 보안·운영 정책에 반영할 기준을 정의한다.

❓ 열린 질문

• CDN Gateway가 기존 전송 방식 대비 모델·데이터셋 다운로드 속도 개선을 얼마만큼 보장하는가?
• Inference Endpoints 인스턴스 확장과 가격 인하가 Cloud Run GPU·Compute Engine 배치보다 유리한 선택이 되는 임계점은 무엇인가?
• VirusTotal, Google Threat Intelligence, Mandiant 연동이 비공개 모델 운영에서 위협 탐지와 규제 대응을 실제로 강화할 수 있는가?