AI 뉴스
Meta, Google DeepMind와 미국 정부가 지원하는 가상 세포 프로젝트
Meta, Google DeepMind 및 미국 정부 기관들이 Biohub의 실험 데이터 구축 노력을 지원하고 있다. 이 데이터는 AI가 세포 행동을 예측하는 데 필요하며, 빠른 발견을 약속하지만 이러한 예측이 실제 실험실에서 유효한지를 테스트해야 한다.
AI가 세포 행동을 예측하는 데 필요한 실험 데이터를 구축하는 것은 생명과학 연구의 효율성을 높일 수 있다.
Nvidia, 로봇 및 자율주행차를 위한 Halos 시스템 발표
Nvidia는 로봇 및 자율주행차와 같은 물리적 AI 기술에 수십억 달러를 투자하고 있으며, 2025년에는 자율주행차의 안전성을 높이기 위한 Halos 시스템을 출시했다. 2026년 6월에는 로봇을 위한 Halos 시스템을 발표하여 창고, 공장 내 휴머노이드 로봇, 수술 로봇의 안전한 배치를 목표로 하고 있다.
Nvidia Halos 시스템은 자율주행차와 로봇의 안전성을 높이는 데 필요한 하드웨어 및 소프트웨어 도구를 제공한다.
The Curve 컨퍼런스에서의 AI 지능 한계 논의
Nathan Labenz는 The Curve 컨퍼런스에서 인공지능의 지능 한계에 대한 논의를 전하며, Positron CTO Thomas Sohmers와의 대화에서 메모리 한계를 극복하는 방법과 토큰 지출이 인간의 급여를 초과하는 현상에 대해 이야기했다. 또한, swyx는 코딩 에이전트가 기업 소프트웨어에 미치는 영향에 대해 논의하였고, Evan Miyazono는 우발적인 에이전트 집단이 중요한 인프라에 미치는 위험을 분석했다. Edward Hu는 훈련 데이터의 미래를 탐구하며, 이러한 대화들이 하드웨어, 소프트웨어 경제학, 안전 한계에 대한 기존의 가정을 도전하고 있음을 강조했다.
토큰 지출이 인간의 급여를 초과하는 현상은 기업의 인공지능 활용 방식에 중대한 영향을 미칠 수 있다.
Jev와 의사결정 모델의 부상
AI 지원 에이전트는 고객이 두 번 청구된 문제를 처리하기 위해 문제를 식별하고, 적절한 워크플로우를 선택하며, 추가 정보가 필요한지 확인하고, 에스컬레이션 여부를 결정해야 한다. 이러한 과정에서 Jev와 의사결정 모델의 사용이 증가하고 있으며, 이는 소프트웨어 전반에 걸쳐 의미적 판단을 저렴하게 삽입할 수 있는 기회를 제공한다. 현재 Amazon, Cloudflare, OpenAI가 경쟁하고 있으며, 이러한 작은 결정의 경제성이 대형 모델의 능력만큼 중요하다는 점이 강조된다.
Jev는 소프트웨어 내에서 의미적 판단을 저렴하게 처리할 수 있는 기회를 제공한다.
AWS CEO 매트 가먼이 말하는 에이전트 시대의 클라우드 인프라 전략
a16z의 라구 라구람이 AWS CEO 매트 가먼과 나눈 대담으로, AI가 클라우드를 어떻게 바꾸고 있는지 다룬다. AI 네이티브 스타트업의 요구와 에이전트를 위해 설계되는 인프라가 주요 논의 대상이다. 대담에서는 에이전트가 코드를 작성하고 인프라를 관리하는 상황에 AWS가 어떻게 적응하고 있는지, 희소한 GPU 용량을 스타트업을 위해 따로 확보하는 이유, 그리고 Trainium과 Graviton 같은 자체 칩이 AI 스택의 어디에 놓이는지를 설명한다. 아마존의 2,200억 달러 규모 자본 투자, 인프라 구축에서 병목이 이동하는 양상, 기업이 자율 에이전트를 신뢰하기 위해 필요한 조건, AWS 내부 팀이 에이전트로 개발하는 방식도 함께 다룬다.
스타트업 대상 GPU 용량 확보와 Trainium·Graviton 칩 전략을 보면, 에이전트 워크로드를 운영할 때 인스턴스 선택과 비용 구조를 AWS 칩 기준으로 다시 검토할 필요가 있다.
Tesla의 Optimus 로봇, 2027년 판매 예상
Tesla의 Optimus는 AI 기반의 휴머노이드 로봇으로, Elon Musk는 이 로봇이 공장과 가정에서 사용될 것이라고 밝혔다. Optimus는 약 20,000달러에 판매될 수 있으며, 2027년 말까지 일반 소비자에게 판매될 것으로 예상된다. 현재는 주로 Tesla 이벤트에서 음식과 음료를 나르는 용도로 사용되고 있다. Google DeepMind의 ALOHA 2는 Gemini Robotics와 함께 다양한 작업을 수행할 수 있는 일반화된 로봇으로 활용되고 있다.
Elon Musk는 Optimus가 세계에서 가장 많이 팔리는 제품 중 하나가 될 것이라고 예측하고 있다.
산업 AI의 안전한 자율화 경로 구축
산업 AI는 새로운 단계에 접어들고 있으며, 기초 모델, 물리적 AI, 에이전틱 AI의 발전으로 복잡한 작업의 자동화가 가능해지고 있다. 그러나 산업 AI는 물리적 시스템과 직접 상호작용할 수 있어 안전과 신뢰성에 대한 책임 있는 배치가 중요하다. AVEVA의 Arti Garg는 AI가 사람의 판단을 보완해야 하며, 자율 시스템의 작동 범위를 정하는 가이드라인이 필요하다고 강조한다. AI는 복잡한 전력 시스템 관리에 도움을 줄 수 있으며, 지속 가능성 또한 중요한 요소로 언급된다.
AVEVA의 Arti Garg는 AI가 사람의 판단을 보완해야 하며, 자율 시스템의 작동 범위를 정하는 가이드라인이 필요하다고 강조한다.
Anthropic, Claude Haiku 5.5 출시 및 가격 조정
Anthropic이 Claude Haiku 5.5를 출시했다. 이 모델은 OpenAI의 GPT-6 Luna와 같은 가격으로 제공되며, Haiku 4.5보다 평균 75% 저렴하게 운영된다. Claude Platform과 Claude Code에서 사용할 수 있으며, Opus 5.5 또는 Sonnet 5.5와 함께 고용량, 비용 민감한 작업에 적합하다. Sonnet 5.5의 가격도 같은 날 절반으로 줄어들었다. 새로운 SDK는 Python과 TypeScript에 통합되어 사용자가 직접 루프를 작성할 필요가 없다.
Claude Haiku 5.5는 운영 비용이 Haiku 4.5보다 평균 75% 저렴하여 비용 효율적인 AI 솔루션을 제공한다.
Python의 GC와 멀티프로세싱 문제: Airflow에서의 메모리 증가와 MySQL 재시작
Airflow 3.1 계열에서 CeleryExecutor를 사용한 PoC 과정 중 worker 프로세스의 메모리 사용량이 증가하는 문제와 MySQL 환경에서 dag-processor가 간헐적으로 재시작되는 현상이 발견되었다. Memray를 통해 확인된 문제는 secrets masker가 불필요한 모듈을 import하고, Task SDK client가 SSL context를 반복 생성하는 누수였다. 이 문제는 Airflow 3.1.2에서 해결되었다.
Memray를 사용하여 메모리 문제를 추적하고 해결한 경험은 Airflow의 성능 최적화에 기여하였다.
Microsoft, Surface Laptop Ultra와 Windows 11 변화 발표
Microsoft는 새로운 Surface Laptop Ultra를 발표했다. 이 노트북은 Nvidia RTX Spark SoC를 탑재하고 있으며, 가격은 2,599달러부터 시작된다. 다양한 SoC 및 메모리 구성으로 제공되며, 최대 128GB의 LPDDR5x 통합 메모리를 지원한다. 이 제품은 10월 16일부터 배송이 시작되며 현재 예약 주문이 가능하다. Surface Laptop Ultra는 통합 메모리 할당을 통해 현대 게임 작업 및 로컬 AI 개발과 배포를 지원할 수 있다.
Surface Laptop Ultra는 Nvidia RTX Spark SoC를 활용하여 로컬 AI 개발에 적합한 성능을 제공한다.
미스트랄, Mistral Large 4 모델 공개 및 사이버보안 작업 대체 주장
10월 5일과 6일에 오픈웨이트 모델 두 개가 공개되었으며, 프랑스 미스트랄은 Mistral Large 4를 공개 프리뷰로 열고 이 모델에 르 총(le Chonk)이라는 별명을 붙였다. 미스트랄은 이 모델이 폐쇄형 모델이 거부하던 사이버보안 작업을 대신한다고 주장하며, 이달 말에 가중치가 공개되어 누구나 다운로드할 수 있게 된다.
Artcraft, Adobe 소프트웨어를 대체하는 오픈 소스 앱 7종 출시
Artcraft는 Adobe의 Photoshop, Illustrator, Premiere, Lightroom, After Effects, InDesign, Acrobat Pro의 사용자 인터페이스와 도구를 재현하는 7개의 오픈 소스 앱을 출시했다. 이 개발자는 AI 기반 리버스 엔지니어링을 통해 Adobe 소프트웨어의 기능을 모방하고 있으며, Rust로 개발된 이 앱들은 웹 브라우저에서 사용할 수 있는 WebAssembly 버전도 제공된다. 현재는 '슈퍼 초기 알파' 상태로, 향후 Adobe 소프트웨어와 유사한 기능을 제공할 것이라고 밝혔다.
Brandon Thomas는 Anthropic의 Claude Opus 5.5를 사용하여 Adobe의 폐쇄형 소프트웨어에 대한 '클린룸 대체품'을 만들었다.
Claude Haiku 5.5 모델 출시 및 가격 변화
Anthropic이 새로운 모델 Claude Haiku 5.5를 출시했다. Haiku 5.5의 가격은 100,000 토큰까지 GPT-6 Luna와 동일하게 $0.10/$0.50이며, 100,000 토큰을 초과할 경우 가격이 5배 증가한다. Haiku 5.5는 이전 모델인 4.5보다 약 1.25배 더 많은 토큰을 사용하며, reasoning 기능이 기본으로 설정되어 있다. 또한, Anthropic은 Sonnet 5.5의 캐시 읽기 가격을 절반으로 줄이고, 구독 계획에 API 크레딧을 추가했다.
Haiku 5.5는 100,000 토큰까지 GPT-6 Luna와 동일한 가격으로 제공되며, 높은 벤치마크 점수를 기록한다.
AI 정렬 문제와 비계획의 위험성
AI의 정렬(alignment) 문제는 복잡하며, AI가 이를 자동화하려는 시도가 위험하다는 경고가 있다. 현재의 계획은 실질적인 문제를 해결하고 운영 우수성을 추구하는 것이지만, 많은 이들이 이는 최악의 계획이라고 인식하고 있다. 올해 'The Curve' 컨퍼런스에서는 AI의 중요성이 커졌고, 참가자들은 정부의 방해 속에서도 진전을 이루려는 노력을 하고 있다.
AI의 정렬 문제는 AI가 올바르게 작동하는 데 필수적이며, 이를 자동화하려는 시도가 실패할 경우 심각한 결과를 초래할 수 있다.
NVIDIA와 Microsoft, Windows PC용 AI 에이전트 개발 발표
NVIDIA CEO 젠슨 황과 Microsoft CEO 사티아 나델라가 샌프란시스코에서 열린 행사에서 AI 에이전트를 Windows PC에서 실행하기 위한 하드웨어와 소프트웨어를 공동 개발한다고 발표했다. Microsoft는 에이전트를 안전하게 실행할 수 있는 OS 수준의 인프라인 Microsoft Execution Containers(MXC)의 일반 가용성을 발표했으며, RTX Spark는 NVIDIA AI 스택을 Windows 노트북과 컴팩트 데스크탑에 통합한다. RTX Spark는 최대 128GB의 통합 메모리와 1 페타플롭의 AI 성능을 제공하여 로컬 AI 모델을 실행할 수 있다.
RTX Spark는 최대 6,144 코어의 NVIDIA Blackwell RTX GPU와 20코어 NVIDIA Grace CPU를 결합하여 로컬 AI 모델을 실행할 수 있는 강력한 성능을 제공한다.
Azure Document Intelligence와 Azure Content Understanding의 차이점과 활용 가이드
Azure Document Intelligence(ADI)와 Azure Content Understanding(ACU)는 OCR 및 레이아웃 분석과 같은 기본 콘텐츠 추출 기능을 공유한다. ADI는 분류 및 필드 추출을 위한 전문 문서 모델을 사용하며, 구조적 및 양식 중심의 문서 처리에 적합하다. ACU는 생성 AI 기능과 콘텐츠 추출을 결합하여 비구조적 콘텐츠 및 고변동 콘텐츠에 유용하다. 각 서비스의 선택은 작업 부하에 따라 달라지며, ADI가 기존 요구 사항을 충족하면 계속 사용하고, ACU는 현재 솔루션이 잘 해결하지 못하는 경우에 평가한다.
Azure Document Intelligence는 구조적 문서 처리에 적합하고, Azure Content Understanding은 비구조적 콘텐츠에 대한 추출 및 분석에 유리하다.
Amazon Quick과 Amazon Bedrock을 통한 실시간 접근 제어 구현
기업들이 Microsoft SharePoint, Google Drive, Atlassian Confluence와 같은 지식 소스에서 인사이트를 얻기 위해 Retrieval Augmented Generation (RAG)을 채택하고 있다. 그러나 이러한 지식 소스는 복잡한 권한 구조를 가지고 있어 AI가 생성한 답변이 이러한 권한을 준수하도록 하는 것이 큰 도전 과제이다. Amazon Quick과 Amazon Bedrock Knowledge Bases는 실시간 접근 제어 리스트(ACL) 강제를 통해 이 문제를 해결하며, 쿼리 시 권한을 권위 있는 소스와 직접 확인하여 최신 접근 제어를 보장한다.
Amazon Quick과 Amazon Bedrock Knowledge Bases는 실시간 ACL 체크를 통해 최신 접근 제어를 보장하여, 잠재적으로 오래된 ACL 데이터에 의존하지 않도록 한다.
로봇이 GB300 테스트 트레이를 조립하는 방법과 그 과정에서 배운 것들
NVIDIA의 Grace Blackwell GB300 슈퍼칩은 현대 기초 모델의 AI 훈련 및 추론을 위한 엔진이다. 그러나 GB300 트레이 조립 과정은 전 세계 공장에서 숙련된 육체 노동을 필요로 한다.
GitHub에서 AI 에이전트 사용 증가와 코드 보호 필요성
현재 GitHub의 풀 리퀘스트 중 3분의 1이 AI 에이전트를 포함하고 있으며, 이는 1년 전의 10분의 1에서 증가한 수치이다. 앞으로 2년 내에 GitHub에 푸시되는 대부분의 코드가 AI 에이전트에 의해 작성될 가능성이 있다. 이에 따라 코드 생성 속도가 빨라짐에 따라 보호 조치도 강화해야 하며, Microsoft Applied Sciences와 함께 개발한 분류기는 비구조적 비밀을 보호하는 데 기여할 수 있다. 새로운 비밀은 약 2초마다 공개 코드에 나타나며, 지난 3년간 매년 두 배로 증가하고 있다.
Microsoft Applied Sciences와 함께 개발한 분류기는 후보 비밀을 2밀리초 이내에 평가할 수 있으며, 비밀을 예방할 수 있는 수를 두 배 이상 증가시킬 수 있다.
Sam Newman의 분산 시스템 구축 원칙과 마이크로서비스 정의
Sam Newman은 'Building Microservices'의 저자로, 마이크로서비스를 '독립적으로 배포 가능한 서비스'로 정의한다. 그는 분산 시스템의 세 가지 규칙으로 정보 전송 지연, 자원의 오프라인 상태, 자원의 유한성을 강조하며, 대부분의 분산 시스템 장애는 자원 고갈로 발생한다고 설명한다. 또한, 그의 신간 'Building Resilient Distributed Systems'는 10월 7일 출간되었다. AI가 소프트웨어 개발에 미치는 영향에 대해서도 논의하며, 모듈식 아키텍처가 팀이 AI를 실험하는 데 도움을 줄 수 있다고 언급한다.
Sam Newman은 분산 시스템의 세 가지 규칙을 통해 시스템 설계 시 고려해야 할 중요한 요소를 제시한다.
OutSystems CEO Woodson Martin, AI 속도에 맞춘 기업 소프트웨어 진화
OutSystems CEO Woodson Martin은 기업 소프트웨어가 AI 속도에 맞춰 진화할 수 있는 방법에 대해 논의하며, 중간 추상 모델링 계층이 AI 에이전트가 결정론적 코드 생성을 통해 신뢰성 있게 구축할 수 있도록 한다고 설명했다. 그는 규제가 심한 산업에서 역할 기반 보안을 보장하는 방법과 함께, 컴플라이언스 문제 해결, 공유 원시 데이터 보안, 내부 하네스 및 LLM 라우터를 통한 토큰 지출 최적화 등의 실질적인 운영 과제를 상세히 설명했다. 또한, 깊은 아키텍처 신뢰와 산업 전문성을 갖춘 기존 플랫폼이 AI 네이티브 스타트업에 비해 뚜렷한 이점을 가진 이유를 탐구했다.
AI 에이전트가 결정론적 코드 생성을 통해 신뢰성 있게 소프트웨어를 구축할 수 있는 방법을 제시한다.
Agent Lightning v1.0: 3,500라인 경량 에이전틱 RL 프레임워크
Microsoft Research Asia는 에이전트가 배포에 사용되는 동일한 하네스를 사용하여 강화 학습에 참여하는 훈련 패러다임인 Harnessed Agentic RL을 소개했다. Agent Lightning v1.0은 약 3,500라인의 코드로 완전한 에이전트 RL 제어 플레인을 제공하며, 에이전트는 상용 샌드박스 서비스에 의존하지 않고 표준 Kubernetes 작업으로 실행된다. Qwen3.5-9B를 사용한 엔드 투 엔드 코딩 에이전트 파이프라인은 SWE-bench Verified에서 Pass@1을 41.8%에서 56.4%로 14.6포인트 향상시켰다.
Agent Lightning v1.0은 에이전트가 실제 하네스를 통해 훈련되도록 하여, 훈련된 에이전트가 배포된 에이전트와 동일한 동작을 하도록 돕는다.
AI 공장 운영의 복잡성 및 검증 방법
AI 공장은 GPU, CPU, 스위치, DPU, SuperNIC 등 다양한 하드웨어와 스케줄러, 오케스트레이션 서비스, 보안 제어, 변화하는 소프트웨어 스택을 결합한 복잡한 운영 환경이다. 이러한 인프라를 효과적으로 배포하고, 인프라, 소프트웨어, 정책이 워크로드와 함께 작동하는지를 검증하는 것은 도전 과제이다.
Agentic automation의 비즈니스 사례 구축을 위한 프레임워크
Agentic automation은 작업을 완료하기 위해 추론하고 적응하는 소프트웨어로, AI 센터 오브 엑셀런스(AI CoE) 로드맵에 포함되고 있다. 기존의 ROI 모델은 규칙 기반 도구인 RPA에 맞춰져 있어 agentic automation의 가치를 제대로 반영하지 못한다. 새로운 비즈니스 사례는 시간 절약, 예외 처리, 의사 결정 품질, 변화에 대한 회복력 및 유지 관리 경제성을 포함한 네 가지 가치 차원을 측정해야 한다.
McKinsey에 따르면, 성공적인 AI 변환은 '1:3:5 패턴'을 따르며, agentic 기술에 투자한 1달러에 대해 조직은 프로세스 재설계에 3달러, 역량 구축 및 채택에 5달러를 지출해야 한다.