코어위브, AI 모델·에이전트 개발 전 주기 통합 플랫폼 '코어위브 포지(Forge)' 출시

CoreWeave가 실행, 관찰, 데이터 큐레이션, 사후 학습, 평가 전 과정을 연결하는 AI 통합 개발 계층 'CoreWeave Forge'를 공식 발표했습니다.

tau · 2026년 10월 5일

#CoreWeave #AI-Infrastructure #AI-Agent #LLM #Cloud

코어위브, AI 모델·에이전트 개발 전 주기 통합 플랫폼 '코어위브 포지(Forge)' 출시

AI 클라우드 전문 기업 코어위브(CoreWeave, Nasdaq: CRWV)가 2026년 9월 30일(현지시간) 미국 샌프란시스코에서 개최된 자사 연례 컨퍼런스 ‘Fully Connected 2026’에서 AI 모델과 에이전트의 전 주기를 하나로 묶는 통합 개발 플랫폼 ‘코어위브 포지(CoreWeave Forge)’를 공식 발표했습니다.

CoreWeave Forge AI 개발 플랫폼 공식 발표 브랜딩 및 아키텍처 비주얼

이미지 출처: CoreWeave

이번 발표는 4,500명 이상의 엔터프라이즈 고객, 파트너사, AI 개발 리더들이 참석한 가운데 진행되었습니다. 기존에 서로 다른 벤더의 도구들로 파편화되어 있던 ‘실행(Run) → 관찰(Observe) → 데이터 큐레이션(Curate) → 사후 학습 및 개선(Improve) → 평가(Evaluate)’의 AI 개발 루프를 단일 계층으로 통합해, 프로덕션 환경의 실제 운영 신호가 모델과 에이전트의 다음 버전 개선으로 유실 없이 이어지도록 설계되었습니다.

파편화된 AI 개발 파이프라인의 병목과 '연속 개선 루프(AI Loop)'의 통합

오늘날 엔터프라이즈 환경에서 파운데이션 모델과 자율 에이전트를 구축하는 엔지니어링 팀은 분절된 도구 생태계로 인해 심각한 병목을 겪고 있습니다.

프로덕션 서비스에서 발생하는 상세 트레이스(Trace) 데이터가 다음 훈련 실행으로 직접 이어지지 못하고, 완료된 실험 결과가 다음 단계 평가 벤치마크에 즉시 전달되지 않는 등 각 단계 사이의 수작업 핸드오프마다 유의미한 데이터 신호가 유실되거나 배포 주기가 지연되어 왔습니다.

CoreWeave Forge는 이러한 단절을 해결하기 위해 개발 주기 전체를 단일 환경으로 묶었습니다.

  • 5단계 루프의 유기적 결합: 모델과 에이전트를 실환경에 배포해 실제 신호를 수집하는 실행(Run), 서비스 동작을 감시하는 관찰(Observe), 유효 트레이스를 선별하는 큐레이션(Curate), 강화학습 및 증류로 가중치를 다듬는 개선(Improve), 재현 가능한 표준으로 품질을 검증하는 평가(Evaluate)가 하나의 계정 및 내비게이션 안에서 순환합니다.
  • 멀티 클라우드 및 개방형 스택 유지: CoreWeave 인프라뿐만 아니라 엔지니어링 팀이 이미 운용 중인 다양한 외부 파운데이션 모델, 오픈소스 프레임워크, 타사 클라우드 인프라와도 자유롭게 연동되는 개방형 아키텍처를 채택했습니다.

첸 골드버그(Chen Goldberg) CoreWeave 제품 및 엔지니어링 총괄 부사장은 "조직이 고유한 데이터와 워크플로우에 AI를 적용할 때 모델의 기본 역량과 실제 시스템 성능 사이의 격차가 뚜렷해진다"며 "엔지니어링 팀은 그 격차를 정확히 이해하고 중요한 신호를 선별해 다음 버전을 개선해야 하며, 이 모든 과정이 하나의 연결된 시스템으로 작동해야 한다"고 강조했습니다.

W&B Models·OpenPipe·marimo 결합과 핵심 서브시스템 아키텍처

CoreWeave Forge는 분산되어 있던 업계 최고 수준의 전문 도구들을 CoreWeave의 고성능 클라우드 인프라와 직결했습니다.

  • Weights & Biases Models 및 ARIA 연동: 포지 플랫폼 내에서 실험 추적, 대규모 하이퍼파라미터 스윕, 대화형 성능 분석을 일원화해 제공합니다. 특히 CoreWeave의 코딩 에이전트 ARIA와 결합되어, 운영 중 감지된 신호를 토대로 모델을 자율 개선하는 오토리서치(autoresearch) 워크플로우를 지원합니다.
  • CoreWeave Notebooks: 프로토타입 개발 환경이 실제 연산 인프라 내부에서 구동되므로, 작성된 코드가 재작성 과정 없이 대규모 분산 훈련, 평가, 프로덕션 서빙으로 즉시 전환됩니다. 대화형 데이터 시각화에는 오픈소스 marimo 프로젝트가 탑재되었습니다.
  • CoreWeave Registry: 모든 모델 체크포인트와 에이전트 구성 설정을 이식성 높은 오픈 포맷으로 버전 관리합니다. 투명한 계보(lineage) 추적이 보장되어 팀의 개발 이력 중 어느 시점에서든 새로운 개선 시도를 시작할 수 있습니다.
  • CoreWeave Post-Training: 사후 학습 전문 스타트업 OpenPipe의 기술력을 통합하여, 별도의 전용 GPU 훈련 클러스터를 직접 구성하거나 관리하지 않고도 프로덕션 데이터를 기반으로 가중치를 최적화할 수 있는 서버리스 환경을 제공합니다.

서버리스 RL의 40% 비용 절감과 Dedicated Inference의 'RL Rollouts' 프리뷰

사후 학습 및 추론 인프라 부문에서는 실질적인 비용 절감과 운영 효율을 입증하는 벤치마크 수치가 공개되었습니다.

  • Serverless RL(강화학습) 및 Serverless SFT: 자체 구축(self-managed) 훈련 환경과 비교해 훈련 속도는 1.4배 향상시키면서도 인프라 비용은 40% 절감하는 성능을 달성했습니다. 자체 훈련 레시피를 적용할 수 있는 지도 미세조정(SFT) 역시 서버리스 방식으로 지원됩니다.
  • Model Distillation(모델 증류) 신규 서비스: 이미 상용 서비스에서 성능이 입증된 대형 모델의 출력을 기반으로 보다 작고 빠른 오픈 웨이트 모델을 증류 학습시킵니다. Forge 내부에서 기존 운영 모델과의 1:1 맞대결(head-to-head) 평가를 수행하여, 서비스 품질 저하 없이 안전하게 트래픽을 전환할 수 있는 검증 데이터를 제공합니다.
  • Dedicated Inference와 RL Rollouts 프리뷰: 멀티테넌트 공유가 불가능한 대규모 엔터프라이즈 워크로드를 위해 전용 GPU 용량과 독립 게이트웨이를 제공하는 Dedicated Inference 환경에 'RL Rollouts' 기능이 프리뷰로 추가되었습니다. 엔드포인트를 중단하지 않고 훈련 완료된 새 체크포인트를 라이브 서빙 환경에 즉시 핫로드(hot-load)할 수 있도록 지원합니다.

Canva·MasterClass 도입 사례와 엔터프라이즈 AI 시장 영향

CoreWeave Forge는 발표와 동시에 글로벌 대규모 엔터프라이즈의 실환경 도입 사례를 공개했습니다.

글로벌 비주얼 커뮤니케이션 플랫폼 캔바(Canva)와 온라인 교육 플랫폼 마스터클래스(MasterClass)가 이미 CoreWeave Forge를 기반으로 프로덕션 모델 파이프라인과 자율 에이전트 워크로드를 구축하고 있습니다. 복잡한 클라우드 리소스 관리 대신 모델 개선 주기 자체에 집중할 수 있는 환경을 확보했다는 평가입니다.

이번 포지 출시는 GPU 컴퓨팅 임대 중심의 인프라 공급자(IaaS)였던 CoreWeave가 엔터프라이즈의 모델 라이프사이클 전체를 관장하는 풀스택 AI 소프트웨어 플랫폼으로 외연을 확장했음을 보여줍니다. AWS, Microsoft Azure, Google Cloud 등 기존 하이퍼스케일러와 특화 네오클라우드(Nebius, Lambda 등) 사이에서 독자적인 턴키 개발 계층을 무기로 경쟁력을 강화하려는 전략입니다.

다만 무중단 체크포인트 핫로드를 제공하는 'RL Rollouts' 기능은 현재 프리뷰(Preview) 단계이자 격리된 GPU 클러스터를 사용하는 Dedicated Inference 전용 기능으로 제공되며, 일반 카탈로그 기반의 Serverless Inference와는 지원 범위가 구분된다는 점을 실무 도입 시 감안해야 합니다.

출처