AWS re:Invent 2025에서 발표된 최신 소식 최상의 공지사항

AWS re:Invent 2025, 라스베이거스에서 12월 1일~5일에 개최되었으며, 명확한 주제에 초점을 맞추었습니다: 기업용 AI 에이전트, 맞춤형 모델 도구, 차세대 클라우드 인프라.

주요 키노트와 제품 발표를 통해 AWS는 올해 컨퍼런스를 AI "어시스턴트"에서 독립적으로 계획, 코딩, 실행할 수 있는 자율 에이전트 시스템으로 전환하는 전환점으로 포지셔닝했습니다. 

변화된 점: 쇼 하이라이트

AI 에이전트, 1급 클라우드 제품으로

AWS는 AgentCore (Bedrock) 및 관련 서비스를 강화하여 기업이 자율 에이전트를 대규모로 구축, 평가, 관리할 수 있도록 했습니다. 새로운 AgentCore 기능에는 결정론적 런타임 제어를 위한 정책 엔진, 에피소드 메모리를 통한 사용자 컨텍스트 기록 및 기억, 그리고 지속적 품질 평가를 위한 13개의 사전 구축 평가 시스템이 포함됩니다.

이러한 추가 기능은 에이전트 거버넌스를 애플리케이션 코드에서 관리형 도구로 이동시켜 규제 준수와 리스크 관리가 간소화됩니다.

더 크고 친환경적인 학습 하드웨어 — Trainium3 및 UltraServers

AWS는 Trainium3 칩과 EC2 Trn3 UltraServers를 소개하며, 다중 성능 향상과 상당한 에너지 절감을 약속했습니다. Trainium3 및 UltraServer 라인은 빠른 학습과 낮은 총 소유 비용(TCO)을 목표로 하며, AWS는 Trainium4가 Nvidia의 NVLink 기술과 호환될 예정이라고 예고하여 더 넓은 다중 벤더 클러스터 유연성을 제공할 계획입니다. 이는 AWS가 수직 통합형 AI 인프라에 더욱 집중하고 있음을 보여줍니다.

더 쉬워진 자동화 모델 맞춤화 (Bedrock + SageMaker)

Amazon은 Bedrock과 SageMaker AI 전반에 걸쳐 모델 맞춤화를 확장했습니다.

주목할 만한 기능: SageMaker의 서버리스 모델 맞춤화(인프라 계획 불필요)와 Bedrock의 강화 학습 기반 미세 조정(RFT), 이는 대규모 라벨링 데이터 없이 보상 기반 튜닝 워크플로우를 자동화하여 정렬과 작업 정확도를 향상시킵니다.

이 기능들은 팀이 프롬프트 조정에서 생산 수준 모델로 빠르게 전환할 수 있도록 설계되었습니다.

Nova 패밀리와 Nova Forge — 첨단 모델 + 고객 제어

AWS는 새로운 Nova 모델과 Nova Forge 서비스를 출시하여 고객이 사전 학습 또는 중간 학습된 Nova 모델에 접근하고, 사설 데이터로 추가 학습할 수 있도록 했습니다. Nova Forge는 독점 데이터셋을 사용한 탑오프 학습을 지원하여, 기업이 클라우드 내에서 첨단급 모델을 유연하게 활용할 수 있는 대안을 제공합니다.

비용 및 상업적 인센티브: 데이터베이스 절약 계획 및 스타트업 크레딧

AWS는 Database Savings Plans를 발표하여, 1년 약정 시 지원되는 DB 서비스에서 시간 단위 적용으로 데이터베이스 비용을 최대 35%까지 절감할 수 있습니다.

또한, Kiro(AWS 개발자 AI 서비스)는 자율 에이전트 기능과 일부 국가의 자격 있는 초기 단계 스타트업에 무료 크레딧을 제공하여 채택을 가속화하는 상업적 전략을 펼칩니다.

심층 분석: 주요 발표 및 시사점

에이전트 안전, 메모리 및 평가 — 신뢰 운영화

AgentCore의 정책 기능을 통해 기업은 런타임에서 에이전트 행동을 차단하거나 기록하는 규칙을 정의할 수 있습니다(예: 환불 제한 또는 특정 도구 호출 방지). 에피소드 메모리는 에이전트가 사용자 선호도를 단기~중기 기억하도록 하여 연속성을 개선합니다. 평가 기능은 내장 점수(도움됨, 정확도, 도구 선택)를 제공하여 CI/CD 스타일 모니터링을 지원합니다.

이 기능들을 결합하면 규제 환경이나 고위험 환경에서 에이전트를 배포하는 장벽이 낮아집니다.

실질적 시사점

• 정책을 중앙에서 변경할 수 있어 준수 검토 속도 향상.
• 메모리 창을 제어하면 장기 PII 유출 없이 개인화 개선.
• 지속적 모니터링으로 에이전트 편향으로 인한 운영 사고 감소.

Trainium3, UltraServers 및 NVLink 미래

Trainium3는 학습 및 추론 성능을 최대 4배 향상시키고 에너지 사용을 40% 절감하며, Trn3 UltraServers는 이를 활용할 서버 시스템을 제공합니다. AWS는 NVLink 호환 Trainium4를 계획 중이며, 이는 Nvidia 스타일 GPU 패브릭과 상호 운용 가능한 다중 벤더 AI 클러스터 구축 의도를 나타냅니다.

이로써 벤더 종속 위험을 줄이면서 AWS 맞춤형 실리콘 경제 전략을 유지할 수 있습니다.

강화 학습 기반 미세 조정 및 서버리스 맞춤화

Bedrock의 RFT는 보상 기반 튜닝을 관리형 워크플로우로 추상화하여, AWS에 따르면 기본 모델 대비 평균적으로 상당한 정확도 향상을 제공합니다.

SageMaker의 서버리스 모델 맞춤화는 팀이 초기 인프라 설계 없이 모델을 반복적으로 개선할 수 있게 하며, 소규모 팀이나 개념 증명 단계에서 생산성을 높입니다.

빠른 비교표: 주요 컴퓨트 및 모델 옵션

고객 신호 및 활용 사례

여러 고객이 AWS 제품을 통해 실질적인 성과를 보여주었습니다. 예: Lyft는 Bedrock을 통해 Anthropic의 Claude를 활용하여 운전자/승객 문제 해결 평균 시간을 약 87% 단축하고, 운전자 에이전트 사용률을 증가시켰습니다 — 고객 지원에서 에이전트 활용의 ROI 신호로 작용합니다. AWS는 또한 온프레미스 또는 주권 환경을 위한 'AI Factories'를 통한 사설 데이터 배포를 강조했습니다.

편집자 코멘트

AWS re:Invent 2025 메시지는 세 가지 요소를 단일 기업용 전략으로 연결합니다:

• 자율적으로 작동할 수 있는 에이전트,
• 대규모 라벨링 데이터 의존도를 줄이는 모델 맞춤화,
• TCO 절감을 목표로 한 하드웨어 및 가격 전략.

이 조합은 논리적입니다: 에이전트는 효율적인 모델 추론 및 학습이 필요하고, 기업은 안전성과 관찰 가능성이 필요하며, CIO는 예측 가능한 비용을 원합니다.

FAQ

Q: Bedrock의 강화 학습 기반 미세 조정(RFT)이란 무엇인가요?

A: RFT는 출력 점수를 기반으로 보상 함수를 사용하여 모델을 학습시키며, 대규모 라벨링 데이터 없이도 원하는 행동을 최적화할 수 있습니다. AWS는 관리형 RFT 워크플로우를 제공합니다.

Q: Trainium3를 가장 많이 활용할 수 있는 대상은 누구인가요?

A: 대규모 학습 워크로드나 빈번한 모델 재학습 주기를 가진 조직 — 클라우드 기반 AI 팀 및 독점 LLM을 운영하는 기업 — 이 가장 큰 혜택을 누릴 수 있습니다.

Q: AgentCore 변경 사항은 실제 운영 환경에서 바로 사용할 수 있나요?

A: AgentCore의 정책, 메모리, 평가 기능은 기업용으로 준비되었지만, 조직은 광범위한 생산 환경 배포 전에 스테이징 환경에서 정책과 평가 기준을 검증해야 합니다.