OpenAI 음성 AI는 어떻게 저지연을 유지하는가 — Kubernetes에 WebRTC를 욱여넣은 relay + transceiver 아키텍처

Tue, 05 May 2026 00:00:00 +0900

개요

OpenAI Engineering이 Delivering Low-Latency Voice AI at Scale에서 Realtime 음성 모델 뒤에 깔린 네트워크 인프라를 공개했다. 핵심은 WebRTC 트래픽을 Kubernetes 위에서 돌리기 위해 stateless Global Relay와 stateful Transceiver를 분리하고, ICE ufrag에 라우팅 메타데이터를 인코딩해 핫 패스 lookup을 지운 디자인이다. 같은 시기에 발표된 MRC, Realtime API 와 합쳐 보면 OpenAI 인프라 스택의 윤곽이 또렷해진다.

graph TD
 Client["클라이언트 <br/> 표준 WebRTC"] --> Relay["Global Relay <br/> stateless UDP forwarder <br/> VIP + 단일 포트 + Go"]
 Relay --> TX["Transceiver <br/> stateful WebRTC endpoint <br/> ICE/DTLS/SRTP 소유"]
 TX --> Backend["Inference / STT / TTS <br/> Orchestration"]
 Relay -.-> Redis["Redis 세션 캐시 <br/> client to transceiver 매핑"]

왜 WebRTC인가

WebRTC는 브라우저·모바일·서버 사이의 저지연 오디오·비디오·데이터 전송 표준이다. NAT 통과를 위한 ICE, 암호화를 위한 DTLS와 SRTP, 코덱 협상, RTCP 품질 제어, 에코 캔슬, 지터 버퍼처럼 까다로운 부분을 모두 표준으로 묶어둔 게 가치다 (관련 RFC 묶음은 webrtc.org standards에서 인덱싱된다).

음성 AI에 결정적인 속성은 오디오가 연속 스트림으로 들어온다는 점이다. 사용자가 말하는 동안 모델은 transcribe, reason, tool call, 음성 생성을 동시에 시작할 수 있다. 푸시-투-토크가 아니라 진짜 대화가 되는 이유다.

또 하나 눈여겨볼 점: WebRTC 표준을 만든 Justin Uberti와 Pion 메인테이너 Sean DuBois, 그리고 Discord에서 음성 인프라를 깐 인력들 (discord.com 엔지니어링 블로그) 까지 OpenAI에 모였다. 단순 인재 영입을 넘어 인프라 트랙의 방향을 통째로 결정하는 acquihire 신호다. 이 흐름의 중심에 Go로 작성된 Pion WebRTC (16k+ stars) 가 있다.

미디어 아키텍처 선택 — SFU vs Transceiver

회의·교실·다자간 콜이 메인이라면 SFU(Selective Forwarding Unit)를 쓴다. 참여자마다 별도의 WebRTC 연결을 유지하고 AI는 또 한 명의 참여자처럼 끼는 구조다. 다자간 패턴에서 효율적이라 LiveKit, mediasoup, l7mp/stunner 같은 Kubernetes WebRTC 게이트웨이가 모두 SFU 패턴을 가정한다.

OpenAI 워크로드는 압도적으로 1:1이다. 사용자 한 명과 모델 한 명, 또는 앱 하나와 에이전트 하나. 이 경우엔 Transceiver model이 더 깔끔하다. 엣지 서비스가 클라이언트 WebRTC 세션을 종단하고, 미디어와 이벤트를 더 단순한 내부 프로토콜로 바꿔서 추론·STT·TTS·tool use·오케스트레이션 백엔드로 넘긴다. 백엔드는 일반 서비스처럼 스케일한다. WebRTC peer 행세를 할 필요가 없다.

핵심 문제 — WebRTC와 Kubernetes의 충돌

전통적 WebRTC는 세션당 UDP 포트 하나를 잡는다. 동시 수만 세션이면 수만 개 공개 UDP 포트가 노출돼야 한다는 뜻이다. Kubernetes 위에선 이게 망가진다.

클라우드 LB와 k8s Service는 한 서비스에 수만 UDP 포트를 다는 운영을 가정하지 않는다
큰 UDP 포트 범위는 외부 노출 표면이 넓어지고 정책 감사가 어렵다
pod 추가·삭제·재스케줄될 때마다 포트 범위를 reserve, advertise 해야 해서 오토스케일링과 충돌한다

대안은 서버당 단일 UDP 포트 + 애플리케이션 레이어 demux. 그런데 두 번째 문제가 따라온다. ICE/DTLS는 stateful이라 세션을 만든 프로세스가 그 세션의 패킷을 끝까지 받아야 한다. 같은 세션 패킷이 다른 프로세스로 가면 setup이 깨지거나 미디어가 망가진다.

목표가 분명해진다: 작고 고정된 공개 UDP surface + 모든 패킷이 정확한 owning transceiver로 라우팅되도록.

해법 — Relay와 Transceiver 분리

sequenceDiagram
 participant C as Client
 participant R as Relay (Stateless)
 participant T as Transceiver (Stateful)
 participant B as Backend

 C->>T: Signaling (SDP offer)
 T-->>C: SDP answer with relay VIP + ufrag
 C->>R: 첫 STUN binding request (ufrag echo)
 R->>R: ufrag 파싱 → cluster + transceiver decode
 R->>T: forward
 T->>R: ACK
 Note over C,T: 이후 패킷은 세션 캐시로 즉시 forward
 C->>R: DTLS / SRTP / RTCP
 R->>T: forward
 T->>B: 단순 내부 프로토콜

Relay는 미디어를 복호화하지 않는다. ICE state machine을 돌리지 않고, 코덱 협상도 하지 않는다. 패킷 메타데이터만 읽어 forward만 한다.
Transceiver는 평소대로 WebRTC 흐름을 처리한다. ICE, DTLS, SRTP, 세션 lifecycle 전부 소유한다.
클라이언트 입장에선 변화가 없다. 표준 WebRTC만 쓴다. 브라우저·모바일 호환성은 그대로다.

핵심 트릭 — ICE ufrag 라우팅

첫 패킷이 도착했을 때 그 세션을 누가 소유하는지 어떻게 알지? 외부 lookup 서비스에 의존하면 핫 패스에 latency가 박힌다.

해법: ICE username fragment(ufrag) 에 라우팅 힌트를 인코딩한다.

Signaling 단계에서 transceiver가 세션 state를 할당하고, SDP answer에 shared relay VIP + UDP port + 서버 측 ufrag를 함께 반환한다
첫 미디어 패킷인 STUN binding request에 그 ufrag가 echo된다
Relay는 첫 STUN 패킷의 ufrag만 파싱해 목적 cluster와 owning transceiver를 디코드 후 forward
이후의 DTLS·RTP·RTCP 패킷은 세션 캐시를 통해 곧장 forward (ufrag 재파싱 없음)
Relay가 재시작되더라도 다음 STUN 패킷이 다시 ufrag를 보고 세션을 재구축. 추가 안전장치로 <client IP+port, transceiver IP+port> 매핑을 Redis에 캐시

프로토콜 native field에 라우팅 메타데이터를 인코딩한다 — 이 한 문장이 디자인의 중심이다. Cloudflare Calls의 anycast WebRTC 모델이 비슷한 결의 idea를 다른 레이어에서 풀어낸 케이스로 비교할 만하다.

Global Relay — 지오 분산 ingress

작고 고정된 UDP surface를 확보한 다음엔 globally 배치한다.

Cloudflare 지오·proximity steering으로 signaling을 가장 가까운 transceiver cluster로 보낸다
SDP answer에는 가까운 Global Relay 주소를 광고한다
ufrag에 cluster 라우팅 정보가 들어 있어 미디어도 가까운 relay로 진입한다

첫 client→OpenAI hop이 짧아진다. 결과는 더 낮은 latency, 더 적은 jitter, 더 적은 loss bursts. 음성 AI에선 모두 그대로 사용자 체감에 박힌다.

Relay 구현 — Go, kernel-bypass 없이

OpenAI는 의도적으로 userspace Go를 골랐다. DPDK 같은 kernel-bypass 프레임워크는 쓰지 않는다. 사용자 트래픽이 작은 relay footprint로 충분히 커버됐기 때문이다.

핵심 Go 트릭:

SO_REUSEPORT — 한 머신의 여러 worker가 같은 UDP 포트에 bind한다. 커널이 패킷을 worker들에게 분산해 단일 read-loop 병목을 없앤다
runtime.LockOSThread — UDP 읽기 goroutine을 OS thread에 핀한다. SO_REUSEPORT와 결합하면 같은 flow의 패킷이 같은 CPU core로 가서 cache locality가 올라가고 context switching이 줄어든다
Pre-allocated buffers + minimal copying — Go GC를 회피한다
Ephemeral state — client→transceiver 매핑은 small in-memory map만, 짧은 timeout으로 운영

결과

수만 UDP 포트 노출 없이 Kubernetes에서 WebRTC 미디어를 운영
작고 고정된 UDP surface는 보안 표면을 줄이고 LB를 단순화하며, 큰 공개 포트 범위 reserve도 필요 없게 한다
“SFU-less 디자인이 OpenAI 워크로드에 맞다"가 운영으로 검증됨 — 1:1, latency-sensitive, 추론 서비스가 WebRTC peer 행세할 필요 없음

저자가 강조한 4가지 디자인 원칙

표준 프로토콜 의미를 엣지에서 보존 — 클라이언트는 표준 WebRTC만, 브라우저·모바일 호환성 유지
Hard session state는 한 곳에 — Transceiver가 ICE/DTLS/SRTP/lifecycle 모두 소유, Relay는 forward만
이미 setup에 있는 정보로 라우팅 — ufrag가 첫-패킷 라우팅 훅을 제공, 핫 패스 lookup 의존성 zero
Common case를 먼저 최적화. kernel-bypass에 손대지 마라 — 좁은 Go 구현 + SO_REUSEPORT + thread pinning + low-alloc 파싱이면 충분

인사이트

진짜 보틀넥이 어디인지를 보여주는 사례다. 모델 자체보다 모델로 가는 경로가 더 어렵다. WebRTC를 production-grade로 Kubernetes에서 굴리는 패턴은 음성 AI를 진지하게 만드는 모든 회사가 풀어야 하는 문제이고, 이 글은 그중 하나의 답안지다. 동시에 Justin Uberti와 Sean DuBois가 OpenAI 합류라는 사실은 인재 영입 이상의 의미를 가진다 — Pion 기반 Go 스택이 OpenAI 음성 인프라의 근간이 된다는 신호이고, 결과적으로 Pion 생태계 전체 의 무게중심이 이동한다. 같은 시기에 발표된 MRC (GPU 네트워크) 와 Realtime API 와 묶어 보면 OpenAI 인프라 스택의 그림이 더 선명해진다 — MRC (GPU 네트워크) + Relay+Transceiver (사용자 네트워크) + Realtime API (모델 인터페이스) 세 레이어가 동시에 자기 표준을 박는 중이다. SFU가 정답인 다자간 워크로드와 달리 1:1 추론에는 transceiver 모델이 답이라는 점은, 같은 음성 인프라라도 워크로드 형태에 따라 디자인이 갈라진다는 사실의 방증이다. 마지막으로 kernel-bypass를 의도적으로 안 쓴 선택은 “common case를 먼저 최적화하라"는 원칙의 모범 사례 — 이미 충분한 곳에 더 손대지 않는 절제는 인프라 팀의 신호다.

참고

Original post

Delivering Low-Latency Voice AI at Scale (OpenAI Engineering)
같은 시기 OpenAI 발표: MRC supercomputer networking · Advancing voice intelligence · Stargate / Compute infrastructure

WebRTC ecosystem and Pion

WebRTC standards (webrtc.org) · Getting started overview
Pion WebRTC (Go implementation) — Pure Go WebRTC, 16k+ stars
Justin Uberti (WebRTC 표준 원조) · Sean DuBois (Pion 메인테이너)
Discord engineering blog — 음성 인프라 레퍼런스
Cloudflare Calls — anycast WebRTC
NVIDIA GB200 · Microsoft Fairwater · Open Compute Project

Kubernetes WebRTC patterns

Linux/Go optimization references

Pion on ICE-ICE-BEAR-BLOG