AWS recognized as a Leader in The Forrester Wave: AI Infrastructure Solutions, Q4 2025

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

AWS는 13개 공급업체를 평가한 2025년 4분기 Forrester AI 인프라 솔루션 평가에서 리더로 선정됐으며, 전략 부문 최고 점수를 받았다.

📌 핵심 요약

• AWS는 The Forrester Wave: AI Infrastructure Solutions, Q4 2025에서 리더로 선정됐고, 전략 부문에서 가장 높은 점수를 받았으며 16개 세부 기준에서 만점인 5.00점을 획득했다.
• Forrester는 성공적인 AI 인프라의 요건으로 학습·미세 조정·추론에 맞춘 아키텍처, 컴퓨팅·네트워크·스토리지·오케스트레이션의 통합 설계를 통한 효율성, 전력·냉각·공급업체 종속 회피를 고려한 지속가능성과 유연성을 제시했다.
• AWS는 자체 AI 칩인 AWS Inferentia와 AWS Trainium, NVIDIA GPU 인스턴스를 함께 제공하며 고객 선택권과 비용 효율성을 AI 인프라 접근법의 중심에 둔다.
• Forrester는 AWS가 비용 효율성을 중시하는 대규모 또는 탄력적 추론 워크로드를 운영하면서 최고 성능이 필요한 상황에는 GPU 접근성도 요구하는 기업에 가장 적합하다고 평가했다.
• AWS는 AI 인프라 옵션 탐색, Amazon Bedrock을 통한 생성형 AI 애플리케이션 구축·맞춤화·배포, 전체 평가 보고서 열람을 안내했다. Forrester는 평가 대상 기업이나 제품을 보증하지 않으며 평점에 근거한 제품 선택을 권고하지 않는다고 명시했다.

🧩 주요 포인트

1. 전략 부문 최고 점수와 16개 기준 만점 → AWS의 리더 선정 근거이지만, Forrester의 제품 보증이나 구매 권고를 의미하지는 않음.
2. 학습·미세 조정·추론별 요구와 통합 설계·지속가능성 강조 → AI 인프라 평가 범위가 연산 성능뿐 아니라 활용률, 전력·냉각, 공급업체 종속까지 확장됨.
3. AWS Inferentia·AWS Trainium과 NVIDIA GPU의 병행 제공 → 워크로드별 비용 효율성과 최고 성능 요구를 고려할 수 있는 하드웨어 선택 구조.

🧠 상세 정리

1. 리더 선정과 AWS의 해석

AWS는 2025년 4분기 Forrester AI 인프라 솔루션 평가에서 리더로 선정됐다고 발표했다. 이번 평가는 13개 공급업체를 대상으로 했으며, AWS는 전략 부문에서 가장 높은 점수를 받았다. AWS는 이 결과가 유연하고 비용 효율적인 AI 인프라를 제공하려는 자사의 노력을 반영한다고 설명했다. 실험 단계에서 대규모 운영 환경에 투입할 수 있는 AI로 전환하도록 지원한다는 의미 부여는 AWS 측의 해석이다. 인용된 평가 보고서의 발행일은 2025년 12월 16일이다.

2. AI 인프라에 필요한 세 가지 요건

글은 AI 도입이 빨라지면서 학습과 미세 조정부터 대규모 추론까지 전체 수명주기를 지원하는 인프라가 필요하다고 설명한다. Forrester가 제시한 첫 번째 요건은 범용 연산 요구가 아니라 각 워크로드에 맞춘 아키텍처다. 두 번째는 컴퓨팅, 네트워크, 스토리지, 오케스트레이션을 조율해 설계하고 자원 활용률을 극대화하는 엔지니어링 효율성이다. 세 번째는 전력과 냉각을 고려하고 공급업체 종속을 피하는 지속가능성과 유연성이다. 이러한 기준은 AI 인프라의 적합성을 연산 자원뿐 아니라 운영 효율과 선택의 유연성까지 포함해 판단한다.

3. 평가 범위와 세부 점수

Forrester는 현재 제공 역량, 전략, 고객 피드백을 아우르는 세부 기준으로 13개 공급업체를 평가했다. AWS는 16개 기준에서 최고점인 5.00점을 받았다고 밝혔다. 본문은 현재 제공 역량의 사례로 아키텍처, 생태계, 데이터 관리, 학습, 개발, 관리와 운영, 내결함성, 효율성, 보안, 확장성을 열거했다. 전략 부문에서는 비전, 혁신, 로드맵, 파트너 생태계, 가격 유연성과 투명성을 제시했다. 다만 본문에 명시적으로 나열된 항목은 총 15개이며, 만점을 받았다고 밝힌 16개 기준 전체의 명칭을 제공하지는 않는다.

4. 하드웨어 선택권과 적합한 추론 수요

AWS는 고객 선택권과 비용 효율성을 중심으로 자체 칩인 AWS Inferentia·AWS Trainium과 NVIDIA GPU 인스턴스를 함께 제공한다고 설명했다. Forrester는 이러한 구성이 하드웨어 종속 없이 비용 효율적인 추론 옵션을 제공하려는 AWS의 비전이라고 평가했다. 보고서 인용문은 자체 실리콘이 일반적인 작업에서 강한 성능을 제공하고 NVIDIA가 고성능 요구를 지원한다고 구분했다. 또한 실리콘 개발에 대한 지속적인 투자와 Amazon SageMaker 등 AWS 서비스와의 긴밀한 통합 방향을 언급했다. 주요 모델 개발사와의 협력을 통한 다양한 기반 모델 접근성도 제시했다. 적합한 고객으로는 비용 효율성을 중시하는 대규모 또는 탄력적 추론 수요를 보유하면서 최고 성능이 필요한 상황에는 GPU도 활용해야 하는 기업을 꼽았다.

5. 활용 안내와 평가 해석의 한계

AWS는 추론 규모를 확대하거나 기반 모델을 구축하려는 독자에게 전용 칩과 가속 컴퓨팅 옵션을 살펴보도록 안내했다. Amazon Bedrock은 완전관리형 기반 모델을 활용해 생성형 AI 애플리케이션을 구축하고 맞춤화하며 배포하는 시작점으로 소개했다. 13개 공급업체의 상세 평가를 확인하려면 전체 보고서를 읽도록 권했다. 함께 실린 객관성 고지는 Forrester가 연구에 포함된 기업, 제품, 브랜드, 서비스를 보증하지 않고 평점에 따른 제품 선택도 권고하지 않는다고 명시한다. 또한 정보는 이용 가능한 최선의 자료에 기반하며, 의견은 평가 당시의 판단으로서 변경될 수 있다고 설명한다.

🧾 핵심 주장 / 시사점

• AWS의 평가 성과와 Forrester의 객관성 고지를 함께 읽어야 리더 선정과 제품 선택 권고를 구분할 수 있다.
• AI 인프라의 효율성은 개별 칩 성능뿐 아니라 컴퓨팅·네트워크·스토리지·오케스트레이션을 함께 설계하는 문제로 제시된다.
• Forrester가 제시한 AWS의 적합성은 비용 효율적인 추론과 필요시 GPU 최고 성능을 함께 요구하는 구체적인 워크로드 조건에 연결된다.

✅ 액션 아이템

• AWS 도입 검토 시 대규모 또는 탄력적 추론 워크로드, 비용 효율성, GPU 최고 성능 요구의 부합 여부 확인.
• 학습·미세 조정·추론별 요구를 기준으로 AWS Inferentia·AWS Trainium과 NVIDIA GPU 옵션의 적합성 검토.
• 13개 공급업체의 전체 평가 보고서를 확인하고, Forrester 평점을 제품 보증이나 구매 권고와 구분해 해석.

❓ 열린 질문

• 검토 대상 워크로드는 Forrester가 AWS에 적합하다고 평가한 대규모 또는 탄력적 추론 조건에 부합하는가?
• AWS Inferentia·AWS Trainium과 NVIDIA GPU 중 각 워크로드의 비용 효율성과 최고 성능 요구에 맞는 옵션은 무엇인가?
• 13개 공급업체의 평가를 비교할 때 학습·미세 조정·추론별 아키텍처, 통합 설계 효율성, 지속가능성과 유연성 중 무엇을 우선할 것인가?