Ray 소개
2025년 10월, 분산 컴퓨팅 프레임워크 Ray가 리눅스 재단(Linux Foundation)의 일부인 PyTorch 재단(PyTorch Foundation) 에 공식적으로 합류했습니다. 리눅스 재단은 이미 Kubernetes, PyTorch, vLLM 등 인공지능과 클라우드 인프라의 핵심 오픈소스 프로젝트들을 관리하는 기관으로, 이번 결정은 AI 생태계의 협업과 개방형 표준화가 한층 강화되었음을 의미합니다.
Ray는 인공지능 모델 훈련, 대규모 데이터 처리, 강화학습, 분산 추론 등 다양한 AI 워크로드를 효율적으로 확장할 수 있는 플랫폼으로, 최근 1년간 다운로드 수가 10배 가까이 증가하며 폭발적인 성장을 보였습니다. 현재 Ray는 전 세계 수많은 AI 스타트업과 대기업의 핵심 인프라로 자리 잡았으며, AI 관련 연간 컴퓨팅 비용만으로도 수십억 달러 규모의 사용량을 기록하고 있습니다.
Ray를 사용하는 대표적인 기업으로는 xAI, Perplexity, Netflix, Apple, Tencent, BMW, JP Morgan, Workday 등이 있습니다. 이러한 대규모 도입 사례는 Ray가 단순한 실험용 도구가 아니라, 실제 산업 환경에서 검증된 AI 분산 인프라의 표준으로 자리 잡았음을 보여줍니다.
PyTorch와 Ray의 관계 및 의미
PyTorch는 현재 인공지능 모델 학습의 사실상 표준(de facto standard)으로 자리 잡은 딥러닝 프레임워크입니다. 반면 Ray는 이러한 모델을 학습·추론하기 위한 분산 실행 엔진(distributed compute engine) 으로서, PyTorch가 다루는 모델 수준의 문제를 인프라 차원에서 해결합니다.
PyTorch 재단에 Ray가 합류함으로써, AI 생태계는 Kubernetes(컨테이너 오케스트레이션), Ray(분산 컴퓨팅 엔진), PyTorch(딥러닝 프레임워크), vLLM(대규모 언어 모델 추론 엔진) 이라는 완전한 오픈소스 스택을 형성하게 되었습니다. 이는 클라우드 공급자나 특정 기업에 종속되지 않은 개방형 AI 인프라 생태계를 구축하려는 커뮤니티의 의지를 반영합니다.
Ray의 초기와 발전 배경
Ray의 시작은 UC 버클리(UC Berkeley) 에서였습니다. 당시 대학원생들이 인공지능 연구를 수행하면서 CPU와 GPU 클러스터를 활용한 대규모 학습 환경을 구축해야 했지만, 기존 인프라는 확장성과 효율성 면에서 한계가 있었습니다. 이 문제를 해결하기 위해, Apache Spark의 정신을 이어받아 **‘확장 가능한 분산 AI 플랫폼’**이라는 목표로 Ray 프로젝트가 탄생했습니다.
2019년에는 Anyscale이라는 회사를 설립하여 Ray를 상용화하고, 오픈소스 커뮤니티와 함께 발전시켜왔습니다. 초창기에는 Ant Group, Uber, Pinterest 등이 주요 사용자였지만, 대부분의 기업은 아직 대규모 AI 학습의 필요성을 느끼지 못했습니다.
그러나 생성형 AI(Generative AI) 및 대규모 언어 모델(LLM) 등이 등장하면서 상황이 급변했습니다. 모델의 크기가 커지고 학습 비용이 폭증하면서, 이제 거의 모든 기업이 분산 컴퓨팅 인프라를 필요로 하게 되었습니다. 이러한 변화는 Ray의 존재 가치를 극대화시켰으며, 오늘날 Ray는 AI 워크로드 확장의 표준 도구로 자리 잡게 되었습니다.
강화학습(RL)과 Ray의 연결고리
Ray의 핵심 구조는 ‘Actor Framework’ 기반으로 설계되어 있습니다. 이 구조 덕분에 Ray는 자연스럽게 강화학습(Reinforcement Learning, RL) 연구에서 출발했습니다. 초기 Ray 논문에서도 TRPO, RLlib 등의 강화학습 알고리즘이 주요 사례로 소개되었습니다.
한때 강화학습은 주로 Atari 게임이나 물리 시뮬레이터(Mujoco 등)에서의 실험 수준에 머물렀지만, 최근에는 AI 모델의 ‘추론(reasoning)’ 및 ‘행동적 에이전트(Agentic Behavior)’ 구현의 핵심 기술로 다시 주목받고 있습니다. 특히 LLM의 후처리(post-training) 과정에서 강화학습이 필수 요소로 자리 잡으면서, 현재 대부분의 오픈소스 RL 프레임워크가 Ray 위에서 작동하고 있습니다.
즉, 강화학습의 재부상은 Ray의 기술적 뿌리와 맞닿아 있으며, 이는 Ray가 AI 인프라의 중심에서 계속 진화할 수 있는 중요한 이유 중 하나입니다.
오픈소스 생태계와 커뮤니티 확장
Anyscale은 Ray의 PyTorch 재단 합류를 단순한 소속 변경이 아니라, ‘커뮤니티 중심의 개방형 성장’으로 정의합니다. 현재 Ray는 전 세계 수천 명의 개발자와 연구자들이 함께 참여하는 프로젝트로 성장했으며, 그들의 기여가 Ray의 지속적인 진화를 이끌고 있습니다.
Anyscale은 앞으로도 커뮤니티를 중심으로 Ray의 개발을 이어갈 계획이며, 이를 위한 여러 프로그램을 운영 중입니다.
- Ray Summit 2025: 2025년 11월 3–5일, 샌프란시스코에서 개최 예정
- Intro to Ray: 신규 사용자들을 위한 무료 온라인 강좌 제공
- GitHub 및 Slack 커뮤니티: 개발자 간 협업 및 코드 기여 활성화
이 모든 활동의 목표는 ‘개방형, 협력형, 글로벌 AI 인프라 생태계’를 구축하는 것입니다.
Anyscale이 공개한, Ray의 PyTorch 재단 합류 블로그
Ray 프로젝트 GitHub 저장소
이 글은 GPT 모델로 정리한 글을 바탕으로 한 것으로, 원문의 내용 또는 의도와 다르게 정리된 내용이 있을 수 있습니다. 관심있는 내용이시라면 원문도 함께 참고해주세요! 읽으시면서 어색하거나 잘못된 내용을 발견하시면 덧글로 알려주시기를 부탁드립니다. 
파이토치 한국 사용자 모임
이 정리한 이 글이 유용하셨나요? 회원으로 가입하시면 주요 글들을 이메일
로 보내드립니다! (기본은 Weekly지만 Daily로 변경도 가능합니다.)
아래
쪽에 좋아요
를 눌러주시면 새로운 소식들을 정리하고 공유하는데 힘이 됩니다~ 