엔비디아, 단일 기기서 로컬 코딩 에이전트 구동하는 RTX 스파크 발표

로컬 AI 개발 통합 하드웨어

엔비디아가 AI 소프트웨어 개발 전 과정을 단일 기기에서 처리할 수 있도록 설계된 RTX 스파크(RTX Spark)를 발표했다. 노트북과 소형 데스크톱 형태로 제공되는 이 기기는 엔비디아 그레이스 CPU와 블랙웰 GPU를 결합한 GB10 단일칩 시스템(SoC)을 탑재했다. 최근 소프트웨어 개발 방식이 직접 코드를 작성하던 형태에서 AI 에이전트를 지휘하는 방식으로 전환되면서 노트북과 클라우드 모델 API, 클라우드 가상머신으로 파편화됐던 개발 환경을 하나로 묶는 것이 핵심 목적이다.

RTX 스파크는 최대 128GB 통합 메모리와 1페타플롭스(PFLOPS)의 FP4 AI 연산 성능을 갖췄다. 이를 통해 개발자는 클라우드 토큰 비용을 소모하지 않고 퀜(Qwen) 3.8 플래시 넥스트 같은 코딩 모델을 로컬 환경에서 직접 구동할 수 있다. 인텔 팬서 레이크(Panther Lake) 12Xe 기반 시스템과 비교했을 때 코딩 에이전트 처리 성능은 4.6배, 모델 파인튜닝은 2.7배, 리눅스 커널 컴파일 속도는 1.8배 빠른 수치를 기록했다.

윈도우 온 암 소프트웨어 스택

엔비디아는 마이크로소프트와 협력해 윈도우 온 암(Windows on Arm) 개발 생태계를 정비했다. 새로운 윈도우 개발자 설정 구성을 도입해 핵심 프레임워크 자동 설치, 알림 음소거, 터미널 기능 강화, 작업 표시줄 측면 배치 등을 지원한다. 리눅스용 윈도우 하위 시스템(WSL) 환경도 지원하여 클라우드 배포 시 사용되는 종속성과 환경을 로컬에서 동일하게 유지할 수 있도록 구성했다.

소프트웨어 도구 측면에서는 윈도우 온 암 환경을 지원하는 파이토치 쿠다(PyTorch-CUDA) 빌드와 파이썬 3.15 기본 네이티브 릴리스가 함께 제공된다. 바로 사용할 수 있는 2,000개 이상의 콘다(Conda) 패키지가 배포되었으며, 사용 빈도가 높은 상위 15,000개 파이썬 패키지 중 97% 이상에 대해 암 호환 버전이 확보됐다. 또한 대규모 언어 모델 가속을 위한 플래시인퍼(FlashInfer)와 네모(NeMo) 등 쿠다-X(CUDA-X) 라이브러리를 지원하며, 에이전트가 쿠다 도구를 활용할 수 있도록 돕는 엔비디아 스킬(NVIDIA Skills) 저장소도 제공된다.

로컬 코딩 에이전트 지원 체계

깃허브 코파일럿(GitHub Copilot), 파이(Pi), 헤르메스(Hermes), 오픈클로(OpenClaw) 등 주요 코딩 에이전트와의 협력으로 로컬 구동 최적화가 이뤄졌다. 운영체제 수준의 격리를 위해 엔비디아 오픈셸(OpenShell) 또는 마이크로소프트 실행 컨테이너를 통한 샌드박스 보안을 제공한다. 또한 하이브리드 프롬프트 라우터를 도입해 로컬 모델로 처리가 가능한 작업은 내부에서 소화하고 복잡한 요청만 클라우드로 이관하여 토큰 소모를 줄인다.

마이크로소프트 깃허브 코파일럿은 라마씨피피(llama.cpp)를 백엔드로 지원하는 윈도우 머신러닝(Windows ML)을 통해 로컬 AI 구동을 지원하며, 하이드라퓨전(HydraFusion) 라우터 개선으로 MAI 1.1 코딩 플래시 모델을 로컬에서 실행할 수 있다. 젯브레인스(JetBrains)는 주니 로컬(Junie Local)을 네이티브 지원하여 코드 열람과 편집, 테스트를 외부 유출 없이 로컬 머신 안에서 처리한다. 주니 로컬은 GPU 사용 가능 메모리에 맞춰 콘텍스트 창 크기를 유연하게 조절한다.

로컬 전용 모델과 추론 프레임워크

엔비디아는 RTX 스파크에서 로컬 에이전트를 구동하기 위해 설계된 거대언어모델인 네모트론(Nemotron) 3.5 볼트 74B-A9B 24GB를 공개했다. 이 모델은 전체 740억 개 매개변수 중 90억 개가 활성화되는 전문가 혼합(MoE) 구조를 채택했다. 첨단 양자화 인식 훈련 기법을 적용한 2비트 양자화 기술을 바탕으로 24GB 메모리 공간 안에 모델을 적재하면서도 지능과 속도의 균형을 맞췄다.

해당 모델은 라마씨피피, vLLM, 올라마(Ollama), 언슬로스(Unsloth), LM 스튜디오(LM Studio)에서 바로 구동할 수 있으며 훈련 데이터, 가중치, 레시피가 모두 오픈소스로 공개된다. 아울러 에이전트가 긴 추론 루프 없이 다음 행동이나 요청 분류를 결정하도록 돕는 결정 모델(Decision models)도 지원된다. 결정 모델은 기존 방식 대비 최대 200배 빠른 속도로 동작하며 라마씨피피 및 언슬로스 프레임워크를 통해 활용할 수 있다. 영상 초해상도, 프레임 생성, 트루HDR(TrueHDR)을 지원하는 미디어용 AI 파이썬 휠과 C++ SDK도 함께 배포된다.

적용 조건과 이관 시 주의사항

기존 윈도우 애플리케이션을 RTX 스파크 환경으로 전환하려는 개발자는 윈도우 온 암 기반의 종속성을 사전에 점검해야 한다. 네이티브 암64 빌드를 선택하거나 구성 요소를 점진적으로 전환할 수 있는 암64EC(Arm64EC) 방식을 적용할 수 있다. 이 과정에서 설치 호환성, 기능 작동 여부, 성능뿐 아니라 애플리케이션이 사용하는 엔비디아 및 쿠다 경로가 정상적으로 동작하는지 검증하는 절차가 필수적이다.

RTX 스파크는 현재 노트북 제품군으로 출시되어 이용할 수 있으며, 24시간 상시 구동형 에이전트 운영에 적합한 소형 폼팩터 데스크톱 모델은 11월에 출시될 예정이다. 로컬 환경에서 검증된 결과물은 1억 5천만 대 규모의 기존 RTX PC 생태계와 클라우드 상의 엔비디아 GPU 인프라로 추가 코드 수정 없이 배포할 수 있다.