모든 게시물

Google News는 AI 인프라 붐에서 주목할 만한 경고를 포착했다. 속도에 대한 업계의 집착이, 본래 가속하려 했던 확장을 오히려 가로막기 시작했다는 것이다. 원래 헤드라인은 이 문제를 데이터 센터 경쟁으로 규정한다. 그러나 이제 중요한 경쟁은 누가 가장 큰 캠퍼스를 발표하느냐가 아니다. 개발업체는 전력, 전력망 연결, 냉각 시스템, 장비, 인허가, 인력, 지역사회의 승인을 확보해야 한다. 한 분야에서 속도를 높이면 프로젝트의 다른 모든 부분에서 지연이 발생할 수 있다. 이러한 역전은 하이퍼스케일러, 전력회사, 규제기관, 지방정부를 같은 일정의 서로 다른 편에 세운다. 기술 기업은 수개월 안에 컴퓨팅 용량을 원하지만, 에너지 및 공공 인프라는 여전히 수년에 걸쳐 구축된다. 그 결과, 성급하게 추진한 프로젝트가 신중하게 조율된 프로젝트보다 더 많은 시간을 잃을 수 있는 경쟁이 펼쳐지고 있다. AI 데이터 센터 경쟁에서 달라진 점 AI 인프라는

Z.ai가 코딩 성능 50% 향상을 주장하는 GLM-5.3를 공개하며 anthropic glm 경쟁을 더욱 치열하게 만들었지만, 동시에 사이버보안 접근성을 둘러싼 더 어려운 갈등을 드러냈다. 베이징의 AI 연구소는 GLM-5.3가 여러 코딩 평가에서 오픈 웨이트 모델을 선도하고 Anthropic의 최신 Claude 시스템에 근접한다고 밝혔다. 또한 취약점 재현 및 익스플로잇 작업에서도 최전선에 가까운 결과를 냈다고 보고했다. 이러한 주장은 아직 광범위한 독립 검증을 거치지 않았다. 중요한 변화는 더 큰 파운데이션 모델이 아니라는 점이다. 보도에 따르면 GLM-5.3는 GLM-5.2와 동일한 기반 모델을 사용하며, 성능 향상은 확장된 후학습에서 비롯됐다. Z.ai는 호스팅형 코딩 제품을 통해 모델을 제공하고 있지만, 보안 작업을 마칠 때까지 다운로드 가능한 가중치 공개는 2주간 보류하고 있다. 이 일시적 분리는 중요하다. 개발자는 ZCode, Aut

W-Ibeda가 Physen AI와 협력해 북미 데이터 수집 장비 공급 시장을 공략하는 것으로 알려졌지만, Google News 항목에는 핵심 조건이 공개되지 않았다. 헤드라인은 두 회사와 하나의 목표 시장, 그리고 뚜렷한 상업적 포부를 제시한다. 그러나 계약 규모, 제품 범위, 고객 약정, 납품 일정은 확인되지 않는다. 이 공백은 자동차 데이터 수집이 범용 하드웨어 분야가 아니라는 점에서 중요하다. 엔지니어들은 이 시스템을 사용해 배터리, 파워트레인, 차량 네트워크, 센서, 테스트 벤치의 동기화된 신호를 수집한다. 공급업체는 신뢰할 수 있는 장비뿐 아니라 소프트웨어 호환성, 교정, 현지 지원, 신뢰할 만한 검증 역량도 갖춰야 한다. 따라서 이번 협력 보도에는 분명한 긴장감이 있다. W-Ibeda는 이미 통합 하드웨어·소프트웨어 플랫폼을 판매하는 기존 테스트 업체들이 자리 잡은 시장에 진입하려 한다. Physen AI가 그 진입로를 제공할 수는 있

UNLABELED가 강렬한 약속과 함께 Google News에 등장했다. 착용자가 AI 보안 카메라에 감지되기 어렵게 만드는 의류라는 것이다. 이 일본 섬유 프로젝트는 적대적 머신러닝을 셔츠, 스웨트셔츠, 그리고 자동화 감시에 관한 인터랙티브한 문제 제기로 바꿔 놓았다. 그러나 이 의류가 겨냥하는 것은 모든 거리 감시 카메라가 아니라 특정 탐지 모델이다. 이 단서는 이야기의 성격을 바꾼다. UNLABELED는 그런 표현이 지닌 시각적 매력에도 불구하고, 범용 투명 망토를 판매하는 것이 아니다. 이 패턴은 이미지에 사람이 포함됐는지 판단하는 소프트웨어의 신뢰도를 낮추려 한다. 다른 카메라, 모델, 관찰 각도, 센서는 여전히 사람을 탐지할 수 있다. 따라서 이 긴장은 하나의 패션 컬렉션보다 훨씬 큰 문제다. 카메라 운영자가 더 새로운 모델, 열 센서, 추적 시스템, 방어적 학습을 도입하는 동안 연구자들은 더 강력한 의류를 계속 개발하고 있다. 그 결과

Meta가 로컬 사용을 위해 Muse Glimmer 30B를 공개하면서, 약 24 GB의 그래픽 메모리를 갖춘 게이밍 PC에서도 에이전트 중심 모델을 활용할 수 있게 됐다. 이것이 최근 Google News의 관심이 집중된 배경이다. 이제 사용자는 모든 프롬프트를 클라우드 제공업체로 보내지 않고도 에이전트 프레임워크를 통해 모델이 계획을 세우고, 도구를 호출하고, 이미지를 살피고, 작업을 수행하게 할 수 있다. 하지만 모델을 메모리에 올릴 수 있다는 것과 신뢰할 수 있는 개인용 에이전트를 운영할 수 있다는 것은 별개의 문제다. 이번 공개는 에이전트 경쟁이 벌어지는 장소를 바꾼다. Meta의 더 큰 Muse Spark 1.1은 Meta AI와 Meta Model API를 통해 실행된다. Muse Glimmer는 이 에이전트 우선 전략의 일부를 개발자가 이미 보유한 하드웨어로 가져온다. 모델의 정밀도와 메모리 사용량을 낮추는 양자화 빌드는 300억 개

Goldman Sachs는 사무 업무와 기술 기반 서비스에 뚜렷한 위험이 존재함에도 인도가 부유한 경제권보다 광범위한 AI 일자리 대체에 덜 노출돼 있다고 평가했다. 은행의 인도 수석 이코노미스트 Santanu Sengupta는 노동 위험 보고서에 따르면 8월 14일 이러한 평가를 내놨다. 이 결론은 생성형 AI가 인도의 방대한 노동시장 전반에서 빠르게 일자리를 없앨 것이라는 전망에 이의를 제기한다. 이 안도감을 주는 헤드라인에는 중요한 단서가 있다. 인도의 낮은 노출도는 갈수록 성능이 높아지는 AI 시스템에 대한 면역력이 아니라 노동시장 구조를 반영한다. 농업, 건설, 제조업, 기타 육체 노동 직종에는 소프트웨어로 자동화하기 어려운 일상 업무를 수행하는 수백만 명이 여전히 종사하고 있다. 압력은 다른 곳에 집중돼 있다. 반복적인 사무 업무, 비즈니스 프로세스 서비스, 통신, 금융 서비스, 미디어, 일부 전문직은 소프트웨어가 수행할 수 있는 업무

Alibaba Cloud는 대규모 AI 데이터센터를 100일 안에 제공할 수 있다고 밝혔으며, 이는 구축 속도를 둘러싼 Alibaba Google 인프라 경쟁을 더욱 선명하게 만든다. 보도에 따르면 이 회사는 AI 컴퓨팅 수요가 증가함에 따라 전 세계 모듈식 제공 역량을 세 배로 확대할 계획이다. 이는 또 하나의 모델 출시보다 더 중요하다. 건물, 전력, 냉각, 네트워크 용량이 사용 가능한 AI 컴퓨팅을 누가 판매할 수 있는지를 점점 더 좌우하기 때문이다. 100일이라는 수치는 2024년에 도입된 조립식 시스템인 Alibaba Cloud의 CUBE DC 5.0 아키텍처 관련 보도에서 나왔다. Alibaba는 이 접근법이 더 많은 조립 공정을 공장으로 옮기고, 주요 하위 시스템을 표준화하며, 건설 현장 작업을 줄인다고 설명한다. 최신 성능 및 용량 주장은 아직 폭넓은 독립 검증을 받지 못했다. 두 회사의 지리적 기반은 다르지만, 가장 명확한 비교 대

ISU Petasys는 상반기 영업이익을 61% 늘린 것으로 알려졌으며, 이로써 잘 알려지지 않았던 회로기판 공급업체가 AI 인프라 관련 Google News 보도 흐름에 진입했다. 이 증가는 AI 가속기, 서버, 데이터 센터 네트워킹 장비에 쓰이는 인쇄회로기판 수요에 따른 것으로 분석됐다. 이 실적이 중요한 이유는 AI 투자 사이클이 프로세서와 고대역폭 메모리를 넘어 확산되고 있기 때문이다. 이제는 갈수록 고밀도화되는 컴퓨팅 장비 내부에서 프로세서, 메모리, 네트워킹 칩, 전력 시스템, 스토리지를 연결하는 물리적 기판까지 영향을 미치고 있다. 다만 이 헤드라인에는 단서가 필요하다. 이번 분석을 위해 검토한 공개 접근 가능 기업 페이지에서는 아직 상세한 영문 상반기 실적 발표 자료를 제공하지 않았다. 따라서 61% 수치는 기초 한국 공시에서 보다 완전한 확인이 나오기 전까지는 보고된 전년 대비 증가율로 해석해야 한다. 더 큰 흐름은 비교적 확인하기

ULVAC는 기록적 수주, 매출 증가, 그리고 AI 관련 프로젝트가 양산에 들어서면 마진이 회복될 것이라는 전망과 함께 Google News의 주목을 받았다. 그러나 이러한 수치 안에는 긴장 관계도 자리한다. 수요는 이익보다 빠르게 유입되고 있으며, 비용이 많이 든 전기차 프로젝트와 구조조정 비용은 여전히 실적을 압박하고 있다. 이 일본 진공 장비 공급업체는 2026년 6월 종료 회계연도의 수주액이 ¥310 billion에 이를 것으로 현재 예상한다. 이는 회사 기록이다. 하지만 ULVAC는 영업이익 전망을 ¥19 billion으로 낮췄고, 예상 영업이익률은 7.3%에 불과하다. 이 격차는 단순히 또 하나의 낙관적인 데이터 센터 헤드라인 이상으로 만든다. ULVAC는 부진한 프로젝트를 수주잔고에서 정리하는 동시에 수익 기반을 반도체 및 전자 장비 쪽으로 옮기려 하고 있다. Applied Materials, Lam Research, Tokyo Ele

Quincy는 데이터 센터를 지방정부의 횡재로 바꾸었고, 빈곤율은 2012년 29.4%에서 2024년 6.2%로 하락했다. 이 결과는 농촌 인프라를 다룬 이번 techmeme 분석에 강력한 제목을 부여한다. 동시에 더 어려운 질문도 낳는다. Quincy의 발전 가운데 서버 팜이 기여한 부분은 얼마나 되며, 다른 도시들도 이를 재현할 수 있을까? 워싱턴주의 이 농업 공동체에는 현재 약 8,500명이 살고 있다. 가장 최근에 문을 연 공공 명소는 6개 레인 수영장, 대형 워터슬라이드 3개, 120피트 길이의 유수풀이 있는 수상 센터다. 새 병원, 개보수된 고등학교, 도서관, 소방서, 강화된 경찰 역량, 공공 유틸리티 사업도 이러한 변화의 무게를 더한다. Microsoft, Yahoo, Dell, Intuit, Sabey Data Centers 등 운영사들은 거의 20년 전부터 Quincy 인근에 시설을 짓기 시작했다. 이들이 찾은 것은 저렴한 토지,

IBM과 OpenAI는 8월 13일 전략적 파트너십을 발표하며 GPT-5.6과 두 가지 에이전트 제품을 복잡하고 규제가 엄격한 엔터프라이즈 워크플로에 도입한다고 밝혔다. 많은 독자는 Google News를 통해 이 소식을 접했지만, 핵심 쟁점은 발표 이면에 있다. IBM은 갈수록 강력해지는 OpenAI 제품을 둘러싼 자사의 컨설팅, 거버넌스, 보안 계층이 가치를 더한다는 점을 입증해야 한다. 양사는 IBM 컨설턴트가 AI 프로젝트를 제공하는 플랫폼인 IBM Consulting Advantage에 GPT-5.6, Codex, ChatGPT Work를 통합할 계획이다. IBM은 또한 수천 명의 컨설턴트와 엔지니어로 구성된 전담 OpenAI 프랙티스를 마련해 전문가급 인증 취득을 추진할 예정이다. 이 조합은 모델 파트너십을 누가 엔터프라이즈 AI 배포를 통제할지를 둘러싼 경쟁으로 바꾼다. OpenAI는 직접 제품, 파트너 프로그램, 배포 전문성을 구축하

Z.ai는 8월 14일 새 기반 모델을 학습하지 않고도 코딩 성능을 강화했다고 주장하며 GLM-5.3을 출시했다. 이 이례적인 techmeme 공개 소식은 단순한 또 하나의 모델 출시가 아니다. Z.ai는 GLM-5.2에 사용된 것과 동일한 기반 모델에서 확장된 사후 학습으로 성능 향상을 끌어냈다고 말한다. 이 결정은 이제 AI 발전이 어디에서 비롯되는지를 가늠하는 중요한 시험대로 GLM-5.3을 만든다. Z.ai는 기본 모델의 규모를 키우는 대신, 사전 학습 이후에 활용되는 환경과 장기 실행 과제를 확장했다. 회사는 이 작업이 소프트웨어 엔지니어링 성능을 개선하는 한편, 예상보다 뛰어난 사이버보안 관련 행동도 만들어냈다고 밝혔다. 그에 따른 긴장은 쉽게 지나치기 어렵다. Z.ai는 GLM-5.3을 오픈 웨이트 모델로 내세우면서도 가중치를 즉시 공개하지는 않을 예정이다. 사용자가 로컬에서 수정할 수 있는 모델을 출시하기 전, 추가 안전성 평가와 보

Google은 8월 13일 Gemini 3.7 Flash를 출시하며 측정 가능한 코딩 성능 향상과 대형 AI 모델에 대한 직접적인 도전을 제시했다. 이번 Google 소식이 중요한 이유는 Flash가 더 이상 단순하고 대량의 요청을 처리하는 경량 옵션으로 자리매김하지 않기 때문이다. Google은 이제 이를 소프트웨어 엔지니어링, 지식 업무, 다단계 에이전트를 위한 프로덕션 모델로 설명한다. 이 주장은 경쟁 구도의 질문을 바꾼다. 개발자들은 과거 어려운 추론보다 응답성과 운영 효율성이 중요할 때 Flash 모델을 선택했다. Gemini 3.7 Flash는 적어도 Google이 평가 대상으로 선정한 코딩 및 에이전트 작업에서는 팀이 두 가지를 모두 요구할 수 있다고 주장한다. 주요 압박은 Claude Sonnet 5와 GPT-5.6 Terra를 포함한 더 큰 범용 모델에 가해진다. 이들 모델은 여전히 여러 까다로운 평가에서 앞선다. 그러나 Googl

Google은 Search를 답변 엔진으로 바꿔 놓았지만, 사기성 연락처 정보가 이 변화의 위험한 약점을 드러내고 있다. Panda Security의 경고를 다룬 Google News 항목은 이 문제를 다시 부각한다. 답변 상자는 근거 정보에 더 면밀한 검토가 필요할 때조차 권위 있어 보일 수 있다. 우려의 핵심은 모든 AI Overview에 사기 정보가 담긴다는 것이 아니다. Google은 자사의 방어 체계가 매일 수억 건의 사기성 결과를 차단한다고 말한다. 문제는 사용자가 출처를 살피기도 전에 화면에 합성된 답변이 먼저 나타날 때 시작된다. 기존 검색은 사람들이 링크 가운데 하나를 선택하도록 요구한다. AI 검색은 그 선택을 대신한 뒤 Google에 익숙한 인터페이스에서 간결한 응답을 제시한다. 답변에 전화번호, 결제 지침, 복구 절차가 포함될 경우 잘못된 세부 정보 하나만으로도 사용자는 곧바로 사기에 휘말릴 수 있다. 이로써 보안의 질문도 바

Google 뉴스는 CIO들에게 날카로운 경고를 제시했다. 멀티클라우드 AI는 유연성을 약속하지만, 비용이 큰 통합의 함정을 만들 수 있다. InformationWeek의 보도는 Google Cloud, Amazon Web Services, Microsoft Azure 및 전문 AI 벤더의 서비스를 결합하는 익숙한 전략에 의문을 제기한다. 매력은 쉽게 이해할 수 있다. 한 제공업체는 선호하는 모델을 제공하고, 다른 업체는 핵심 데이터를 보유하거나 더 나은 지역별 지원 범위를 제공할 수 있다. 세 번째 플랫폼은 이미 회사의 ID 관리, 분석 또는 애플리케이션 환경을 지원하고 있을 수 있다. 문제는 이러한 선택이 고립된 파일럿 단계를 넘어설 때 시작된다. 클라우드를 하나 추가할 때마다 또 다른 ID 시스템, 정책 모델, 데이터 경로, 모니터링 계층, 청구 구조가 도입된다. 그러면 CIO는 폭넓은 AI 서비스 접근성과 팀이 관리할 수 있는 아키텍처 사이

Google News 목록에 따르면 Canon Medical Systems GmbH와 Coreline Soft가 독일 Lostau에 통합 CT-AI 스크리닝 워크플로를 도입했다. 이 구축은 Canon의 Aquilion Serve SP 스캐너와 Coreline Soft의 AVIEW 흉부 분석 소프트웨어를 결합한다. 독일이 대상이 되는 중증 흡연자에게 폐암 스크리닝 비용 보장을 시작하는 시점에 이뤄졌다. 이 시점은 이번 설치에 일반적인 장비 구매 이상의 의미를 부여한다. 독일의 스크리닝 규정은 컴퓨터 보조 검출, 구조화된 판독, 정해진 품질 관리를 요구한다. 이제 병원에는 방사선 전문의가 별도의 화면에서 다시 확인해야 하는 고립된 알고리즘이 아니라 완결된 임상 경로가 필요하다. 따라서 Lostau는 더 큰 주장을 검증하는 초기 시험대가 된다. 스캐너 제조사와 독립 AI 공급업체들은 긴밀한 통합이 영상의학팀에 과도한 부담을 주지 않으면서 규제 대상 스크

Sivers Semiconductors와 SemiNex가 특화된 포토닉스 파트너십을 google news 흐름에 올린 340만 달러 규모의 프로그램을 출범했다. 두 회사는 AI 데이터 센터 인터커넥트용 인듐 인화물 광원을 개발하고 있다. 이들이 실제로 해결해야 할 과제는 더 높은 광출력을 신뢰성 있고 제조 가능한 제품으로 전환하는 일이다. 이 프로그램은 외부 레이저, 다파장 분포귀환형 레이저 어레이, 반도체 광증폭기를 목표로 한다. 이 부품들은 가속기, 스위치 및 기타 컴퓨팅 하드웨어를 연결하는 광 링크를 지원한다. 고객 샘플링과 초기 양산 확대는 2027년 하반기를 목표로 한다. 이 일정은 이번 발표가 단순한 즉각적 제품 출시 이상의 의미를 지님을 보여준다. 이는 아직 상용 배치를 향해 움직이고 있는 아키텍처를 겨냥한 제조 및 엔지니어링 투자다. GlobalFoundries와 기존 광부품 제조업체를 포함한 대형 공급업체들도 같은 인프라 전환을 추

Google News는 기업 AI를 둘러싼 뚜렷한 충돌을 드러냈다. 에이전트는 스킬을 통해 유용한 기능을 얻는 반면, 공격자는 바로 그 확장 기능을 악용한다. 보안 업체 ESET의 최근 연구는 분석 대상 약 90만 개 가운데 3,000개가 넘는 악성 스킬을 식별했다. 이는 편리한 에이전트 기능을 소프트웨어 공급망 문제로 바꿔 놓는다. 우려는 하나의 마켓플레이스나 악성코드 캠페인에 그치지 않는다. AI 스킬은 지침, 스크립트, 외부 문서, 민감한 시스템에 대한 접근 권한을 결합할 수 있다. 따라서 손상된 스킬은 에이전트의 의사결정과 에이전트가 제어하는 도구 모두에 영향을 미칠 수 있다. 기업은 이제 자율성과 통제 사이에서 균형을 잡아야 한다. 개방형 생태계는 실험을 가속하지만, 신뢰 신호는 기존 소프트웨어 패키지를 둘러싼 신호보다 여전히 약하다. 연구자들은 이미 저장소의 인기, 마켓플레이스 승인, 정적 스캔이 모두 동시에 실패할 수 있음을 보여줬다.

미국 해안경비대는 데이터, 감독, 작전상 신뢰에 관한 미해결 과제가 남아 있음에도 AI를 실험적 이미지 라벨링 단계에서 현장 작전으로 확대하고 있다. 최근 Google News 헤드라인은 이러한 변화를 해안경비대와 민간 보조대 모두가 참여하는 전환으로 묘사했다. 중요한 이야기는 헤드라인만으로 끝나지 않는다. 해안경비대 인력은 까다로운 해상 임무 전반에서 AI 지원 보고, 객체 탐지, 데이터 통합, 의사결정 지원 시스템을 시험하고 있다. 이러한 확대는 분명한 긴장을 낳는다. AI는 승무원에게 부족한 업무 시간을 돌려줄 수 있지만, 연방 감사 기관들은 해안경비대가 거버넌스와 기술 기반을 구축하는 초기 단계에 머물러 있다고 지적한다. 해안경비대 보조대는 바로 그 긴장 속에 있다. 자원봉사자들은 해상 이미지 라벨링, 조직 지식 도구 개발, 일상적 행정 업무를 줄이는 방법의 시험을 지원해 왔다. 이러한 노력은 공공 부문 AI 개발을 위한 실용적 모델을 제시

NIST는 공개된 보안 결함이 기록적인 수준으로 쏟아지는 상황에서 National Vulnerability Database의 처리 방식을 변경한 뒤 Google News에 등장했다. 이 기관은 CVE로 알려진 모든 Common Vulnerabilities and Exposures 레코드의 즉각적인 분석을 더는 약속하지 않는다. 이제 악용과 연관되거나 연방 시스템 및 핵심 소프트웨어에 영향을 주는 결함을 우선 처리한다. 이러한 변화는 어려운 절충을 낳는다. 인공지능은 취약점 발견을 가속하고 코드 분석 비용을 낮추고 있다. 하지만 그러한 발견을 분류하는 데 쓰이는 공공 인프라는 여전히 제약된 정부 업무 절차와 전문가 검토에 크게 의존한다. 이는 단순한 데이터베이스 업데이트가 아니다. NIST는 더 자동화된 시스템을 개발하는 동안 전면적 보강을 선택적이고 위험 기반인 처리로 대체하고 있다. 이는 이 기관의 공공 임무를 기존 운영 모델이 감당할 수 없는