현지 배치가 진전되며 AI 미래를 위한 컴퓨팅 역량을 확대하는 카자흐스탄

카자흐스탄은 새로운 NVIDIA 컴퓨팅 용량을 배치하는 한편 2027년 추가 확장 계획을 제시하며, 가동 중인 인프라와 미래 투자 계획을 하나의 국가 전략 안에 결합했다. ‘AI 미래를 위한 컴퓨팅 역량을 확대하는 카자흐스탄’은 이러한 방향을 담고 있다. 더 중요한 변화는 현지 하드웨어, 접근을 원하는 조직, 안정적인 컴퓨팅이 필요한 애플리케이션의 연결이다.

NVIDIA는 10월 22일 업데이트에서 Kazakhtelecom이 병렬 컴퓨팅에 사용되는 특수 프로세서인 H200 그래픽 처리 장치 400개와 B300 480개를 배치했다고 밝혔다. 회사는 내년 추가 도입 계획도 설명했다. 이는 서로 다른 개발 단계이므로, 이를 하나의 용량 수치로 합치면 현재 고객이 이용할 수 있는 자원이 무엇인지 불분명해진다.

개발자와 기업 구매자에게 핵심 질문은 실제로 사용할 수 있는 서비스에 접근할 수 있는지다. 현지 인프라는 가용성, 지원, 배치 유연성 측면에서 기존 클라우드 제공업체와 경쟁한다. 카자흐스탄의 발표는 이 경쟁을 위한 더 강한 출발점을 마련하지만, 상업적 도입과 운영 성과는 여전히 검증이 필요하다.

배치된 시스템을 통해 AI 미래를 위한 컴퓨팅 역량을 확대하는 카자흐스탄

가장 분명한 변화는 전적으로 미래 프로젝트에 기반한 인프라 전략이 아니라, 확장 계획과 함께 이미 배치된 컴퓨팅 장비가 존재한다는 점이다.

NVIDIA의 카자흐스탄 컴퓨팅 업데이트에 따르면, Kazakhtelecom의 배치 시스템은 아스타나와 알마티에 있다. 2027년 계획에는 Data Center Valley의 추가 프로세서 1,000개 이상과 에키바스투즈 지역의 Vera Rubin 프로세서 1,000개 이상이 포함된다. NVIDIA는 이를 계획된 배치로 설명한다.

이 구분은 조달, 설치, 시운전, 고객 가용성이 각각 별도의 이정표이기 때문에 중요하다. 시스템은 개발자가 접근하기 전에 시설에 도착할 수 있다. 발표된 확장은 전략적 의도를 보여줄 수 있지만, 모든 고객 워크로드에 대한 제공 일정을 확정하는 것은 아니다.

NVIDIA의 설명은 신중한 결론을 뒷받침한다. 카자흐스탄에는 가동 중인 인프라와 명시된 확장 경로가 있다. 그러나 모든 계획 시스템이 이용 가능하거나, 완전히 할당되었거나, 유료 고객에게 서비스를 제공하고 있다는 점까지 입증하지는 않는다. 독자는 국가의 진전을 평가할 때 이러한 경계를 유지해야 한다.

카자흐스탄의 국가 컴퓨팅 인프라에는 독립적인 참고 지점도 있다. Alem.Cloud 시스템 목록은 NVIDIA H200 가속기를 사용하는 HPE 시스템이 2025년 NITEC에 설치되었다고 식별한다. TOP500은 표준화된 계산 테스트를 통해 슈퍼컴퓨터 성능을 측정한다.

이 목록은 2025년 11월 순위 86위와 2026년 6월 순위 104위를 기록한다. 보고된 Linpack 성능은 두 항목 모두 20.48페타플롭스를 유지했다. 페타플롭스는 초당 1,000조 회의 부동소수점 계산을 의미하지만, 이 벤치마크의 연산 방식은 많은 AI 워크로드와 다르다.

이 이력은 순위에 날짜와 맥락이 필요한 이유를 보여준다. 다른 장비가 추가되면서 시스템은 측정 성능을 유지한 채 목록에서 순위가 내려갈 수 있다. 이전 순위를 현재 순위로 설명하면 독자에게 부정확한 비교를 제시하게 된다.

Alem.Cloud 역시 NVIDIA 발표의 Kazakhtelecom 배치와 구분해야 한다. 소유권, 구성, 관계를 보여주는 증거 없이 별도의 조직 프로젝트를 하나의 국가 인벤토리로 합쳐서는 안 된다. 현재 공개된 발표만으로는 그러한 통합을 정당화할 수 없다.

기업 구매자에게 이러한 세부 정보의 실질적 가치는 인프라 주장을 더 구체화하는 데 있다. 명시된 위치와 프로세서 세대는 무엇이 존재하는지 파악하는 데 도움이 된다. 그러나 이용 가능한 메모리, 네트워크 구성, 스토리지, 고객 할당에 관한 질문은 여전히 남는다.

이러한 질문은 기업이 시연 단계를 넘어설 때 특히 중요해진다. 모델 훈련은 데이터를 활용해 모델 내부 매개변수를 조정하는 과정이다. 추론이라 불리는 고객 대상 모델 실행은 일상적인 운영 환경 전반에서 예측 가능한 서비스를 요구한다.

동일한 국가 컴퓨팅 전략은 두 활동이 같은 요구 사항을 가진다고 가정하지 않으면서 모두 수용해야 한다. 연구팀에는 실험할 여지가 필요하다. 고객 애플리케이션에는 지속성, 명확한 지원 책임, 유지할 수 있는 배치 환경이 필요하다.

따라서 카자흐스탄의 현재 위치에는 여러 시간축이 존재한다. 기존 시스템은 접근 조건에 따라 현재 작업을 지원할 수 있다. 계획된 시설은 장기적 전망을 확장하며, 인프라가 지속 가능한 서비스 사업이 되는지는 고객 도입이 결정한다.

현지 제공업체가 더 높은 서비스 기준에 직면하다

추가 국내 용량은 현지 운영업체가 하드웨어 사양만이 아니라 안정적인 접근성과 운영 지원으로 경쟁하도록 압박한다.

직접적인 압박은 개발자, 연구자, 기업에 컴퓨팅 서비스를 제공하는 조직에 가해진다. 인프라가 구축되면 고객은 자격 요건, 할당, 지원, 연속성에 대한 구체적인 답변을 필요로 한다. 이러한 기대는 설치 발표를 훨씬 넘어선다.

공급자를 선택하는 기업은 운영 관계도 선택하는 것이다. 엔지니어들은 장애를 누가 처리하는지, 유지보수가 워크로드에 어떤 영향을 주는지, 구성이 계속 이용 가능한지를 알아야 한다. 프로세서의 기능만으로는 이 질문들에 답할 수 없다.

스타트업은 다른 방향에서 비슷한 과제에 직면한다. 수요가 예측 가능해지기 전에 실험용 컴퓨팅 자원이 필요할 수 있다. 기반 장비가 기술적 요구 사항을 충족하더라도, 할당마다 긴 조율이 필요한 서비스는 반복 작업을 제한할 수 있다.

대학에는 교육 및 연구 일정에 맞는 접근 방식이 필요하다. 연구실은 대규모 실험을 위해 대기열을 감수할 수 있는 반면, 일상적인 개발을 위해서는 더 작은 할당이 필요할 수 있다. 명확한 할당 규칙을 공개하면 이러한 다양한 집단에 인프라가 더 유용해질 것이다.

카자흐스탄 정부는 인프라 개발을 인력 개발과 연결했다. 주권 AI 인프라 발표는 Freedom Holding, 제안된 국가 AI 허브, 아카데미 및 연구소 계획이 포함된 단계적 이니셔티브를 설명한다.

이러한 계획은 완공된 시설에 대한 주장과 분리해 다뤄야 한다. 그 의미는 엔지니어와 연구자가 인프라 전략에 포함된다는 점을 인정하는 데 있다. 하드웨어는 용량을 만들고, 훈련된 팀은 어떤 워크로드가 프로덕션에 도달하는지와 얼마나 안정적으로 운영되는지를 결정한다.

경쟁의 기준점은 이미 전통적인 통신 사업의 범위를 넘어섰다. NVIDIA의 AI 클라우드 생태계 개요는 CoreWeave와 Nebius를 포함한 제공업체가 모델 개발 및 배치를 위해 컴퓨팅 인프라를 소프트웨어 및 서비스와 결합하고 있다고 설명한다.

이 비교가 카자흐스탄에서 동등한 가용성, 규모, 성능을 입증하는 것은 아니다. 다만 고객이 점점 더 평가하는 서비스의 종류를 분명히 보여준다. 현지 운영업체는 장비에 대한 질문과 함께 완전한 개발 환경에 관한 질문에도 직면하게 될 것이다.

국내 제공업체는 고객과의 다른 관계를 제공할 수도 있다. 현지 지원, 계약 협상, 인프라 배치는 특정 운영 요구 사항을 가진 조직에 중요할 수 있다. 이러한 장점이 다른 고려 사항보다 중요한지는 구매자와 워크로드에 달려 있다.

데이터 위치는 특히 신중하게 다뤄야 한다. 정보를 한 국가 내에 보관하면 조직의 요구 사항을 뒷받침할 수 있지만, 지리적 위치만으로 보안이나 법적 준수가 보장되지는 않는다. 접근 통제, 계약, 보존 관행, 관리 권한은 여전히 검토가 필요하다.

지식 근로자에게 이러한 구분은 결국 일상적인 애플리케이션 안에서 드러난다. 문서 도우미에는 승인된 정보, 유용한 검색 결과, 신뢰할 수 있는 응답이 필요하다. 더 많은 컴퓨팅 용량은 시스템을 지원할 수 있지만, 누락된 기록이나 불명확한 권한을 해결할 수는 없다.

동일한 구분은 내부 연구 워크플로에도 적용된다. AI 지식 베이스와 같은 도구는 정보가 어떻게 정리되고 검색되는지를 다룬다. 인프라는 이러한 워크플로에 자원을 제공하지만, 정보 품질은 여전히 애플리케이션의 책임이다.

따라서 상업적 과제는 구체적이다. 운영업체는 고객이 전체 운영 프로세스를 재구축하지 않고도 도입할 수 있는 서비스로 설치 장비를 전환해야 한다. 개발자는 엔지니어링 시간을 투입하고 일시적인 시험을 넘어설 만큼 충분한 예측 가능성이 필요하다.

장기적으로 이러한 관계는 현지 역량을 강화할 수 있다. 프로덕션 애플리케이션을 유지하는 팀은 배치, 장애, 고객 요구 사항에 대한 경험을 축적한다. 이 경험은 다음 확장을 어떤 프로세서 세대가 뒷받침하든 독립적으로 가치가 있다.

현지 모델과 애플리케이션이 컴퓨팅에 목적을 부여하다

국내 컴퓨팅의 가장 강력한 근거는 특히 언어, 데이터 접근, 운영 요구 사항이 애플리케이션을 형성하는 경우 현지 사용자를 위해 가능하게 하는 작업에 있다.

카자흐스탄 정부는 국가 컴퓨팅 인프라를 AI 개발과 디지털 서비스의 기반으로 설명한다. 디지털화 검토는 슈퍼컴퓨팅을 학술 연구, 언어 모델, 향후 산업 응용과 연결한다.

이러한 언급은 정책 방향과 보고된 활동을 보여준다. 그러나 제안된 모든 애플리케이션이 프로덕션에 도달했거나 공통 성능 기준을 충족했다는 점을 입증하지는 않는다. 각 사용 사례에는 사용자와 결과에 맞는 증거가 여전히 필요하다.

언어를 처리하고 생성하도록 훈련된 시스템인 언어 모델은 현지 역량을 개발해야 할 구체적인 이유를 제공한다. 유용성은 실제 요청, 용어, 문서를 얼마나 잘 처리하는지에 달려 있다. 일반적인 언어 유창성만으로는 특정 조직에 적합하다는 점을 입증할 수 없다.

고객 서비스 애플리케이션은 이 문제를 보여준다. 고객의 요청을 이해하고, 올바른 정책을 검색하며, 회사 규칙 안에서 응답해야 한다. 오래된 정보를 인용하는 유창한 답변은 직원의 업무를 더 늘릴 수 있다.

교육 애플리케이션은 다른 요구에 직면한다. 학습자에게 적합한 자료와 반복되는 질문에도 정확성을 유지하는 설명이 필요하다. 개발 과정에서는 콘텐츠 검토, 학생 정보, 교사가 사용을 감독하는 방식에 관한 결정도 필요하다.

이는 구체적으로 완료된 배치에 대한 주장이 아니라 예시 애플리케이션이다. 국가 하드웨어 인벤토리를 애플리케이션 품질의 증거로 취급하지 않으면서도 국내 컴퓨팅이 중요한 이유를 설명한다. 성공의 기준은 워크로드가 결정한다.

로컬 컴퓨팅 역량은 개발자가 모델을 해당 작업에 맞게 조정할 수 있는 선택지를 더 넓혀 준다. 선별된 사례를 바탕으로 기존 모델을 추가 학습하는 과정인 파인튜닝은 맞춤화를 지원할 수 있다. 다만 배포 전에는 적합한 데이터와 평가도 필요하다.

다른 애플리케이션에는 추가 학습보다 더 강력한 검색이 필요하다. 검색은 답변을 생성하는 동안 모델이 활용할 수 있는 정보인 작업 컨텍스트로 관련 문서를 가져온다. 이 접근 방식 역시 문서 품질, 접근 권한, 정확한 검색에 의존한다.

이러한 차이는 인프라 계획에서 중요하다. 주기적인 학습 작업을 수행하는 연구 프로그램은 하루 종일 요청에 응답하는 서비스와 다른 수요 패턴을 만든다. 두 경우를 모두 일반적인 AI 수요로 취급하면 운영상 선택지가 가려진다.

따라서 공급업체는 모든 자원을 동일한 구성에 투입하기 전에 고객 워크로드를 이해하는 것이 유리하다. 일부 팀은 크고 조율된 자원 할당을 중시한다. 다른 팀은 사용량에 따라 확장할 수 있고 유지보수 중에도 계속 이용 가능한, 작지만 신뢰할 수 있는 배포 환경이 필요하다.

관계는 반대 방향으로도 작동한다. 개발자는 현실적으로 접근할 수 있는 인프라를 이해해야 한다. 연구 환경에서 성능이 좋은 모델도 로컬 서비스에서 일관되게 운영하려면 변경이 필요할 수 있다.

NVIDIA의 주장은 공급 증가를 AI 기업의 수요와 연결한다. 이는 그럴듯한 발전 경로이지만, 채택을 통해 검증해야 할 제안에 여전히 머문다. 애플리케이션에는 다시 찾는 사용자가 필요하고, 이를 유지하는 조직과 파일럿 단계를 넘어 지속될 수 있는 운영 체계도 필요하다.

이 지점에서 카자흐스탄의 국가 전략은 단순한 조달 이야기를 넘어 더 구체화된다. 이 나라는 인프라, 기술 역량, 애플리케이션 개발을 연결하려 한다. 각 연결에는 서버가 도착한 뒤에도 끝나지 않는 업무를 조직들이 조율해야 한다.

구매자에게 유용한 비교 기준은 결과다. 서비스가 조직의 언어 요구사항을 처리하고, 기록을 보호하며, 직원 업무를 지원할 수 있는가? 이 답이 국내 인프라가 일상 운영의 일부가 되는지를 결정한다.

Robotaxi가 배포에 여러 의미가 있음을 보여주는 이유

자율 모빌리티 발표는 구체적인 애플리케이션 경로를 제시하지만, 탐색 단계라는 점은 독자가 상업 서비스에 대해 내릴 수 있는 결론을 제한한다.

10월 23일, Pony.ai는 inDrive 및 NVIDIA가 참여하는 카자흐스탄 robotaxi 협력을 발표했다. 이는 자율 호출 서비스를 탐색하기 위한 양해각서, 즉 의도된 협력을 수립하는 합의를 설명한다.

기업들은 카자흐스탄을 첫 시험 시장으로 지목했다. NVIDIA의 설명은 검토 중인 초기 배포 도시로 아스타나를 언급한다. 어느 쪽의 발표도 그곳에서 제한 없는 상업 robotaxi 서비스가 이미 운영 중이라는 주장으로 해석되어서는 안 된다.

제안된 연결은 이해할 만하다. inDrive는 호출 서비스 플랫폼을 제공하고, Pony.ai는 자율주행 기술을 제공한다. NVIDIA는 협력 안에서 지원 기술을 공급한다. 이 구성은 더 넓은 컴퓨팅 이야기 안에 애플리케이션과 유통 채널을 더한다.

Pony.ai는 이 작업이 차량 컴퓨팅 및 센서 플랫폼인 NVIDIA Hyperion과 NVIDIA의 자동차 안전 시스템인 Halos를 함께 활용한다고 밝혔다. 이 구성 요소를 언급하는 것은 의도된 기술적 접근 방식을 설명한다. 특정 서비스의 안전성을 독립적으로 입증하는 것은 아니다.

이 구분은 차량 배포에 데이터센터 준비 상태를 넘어서는 증거가 필요하기 때문에 중요하다. 컴퓨팅 자원은 개발, 테스트, 분석을 지원할 수 있다. 그러나 운영자가 차량을 사용하려는 환경에서 차량이 어떻게 작동하는지에 대한 검증을 대체하지는 못한다.

호출 서비스 애플리케이션은 주행 시스템을 넘어서는 운영 책임도 수반한다. 승객에게는 명확한 서비스 범위와 지원 체계가 필요하다. 운영자에게는 비정상 상황에 대한 절차와 관련 당국과의 명확한 관계가 필요하다.

기업들은 카자흐스탄의 규제 준비도를 시장 선택 이유로 들었다. 이는 여전히 그들이 내놓은 결정의 설명이다. 향후 상업 운영에 필요한 모든 허가가 부여됐다는 독립적 확인으로 읽어서는 안 된다.

Kazakhstan Expands Compute for Its AI Future는 따라서 자율주행차에 관한 주장보다 더 폭넓은 이야기다. robotaxi 제안은 애플리케이션이 기술 인프라 수요를 어떻게 만들 수 있는지 보여준다. 현재 단계는 발표에 정확한 동사가 필요한 이유도 보여준다.

서비스를 탐색하는 것, 차량을 시험하는 것, 승객을 받는 것, 상업적으로 운영하는 것은 서로 다른 상태를 뜻한다. 이러한 단계를 정확히 보도하면 초기 작업의 가치를 깎아내리지 않으면서 독자가 진척을 이해하도록 돕는다. 또한 향후 변화를 더 쉽게 평가할 수 있게 한다.

같은 원칙은 인프라 자체에도 적용된다. 계획된 시설은 가동이 완료된 클러스터와 다른 수준의 약속을 의미한다. 고객 접근은 또 다른 이정표이며, 그 뒤에는 지속적 사용과 서비스가 운영 요건을 충족한다는 증거가 뒤따른다.

발표가 경제성에 관해 드러내는 내용에도 한계가 있다. 인용된 공개 자료는 시스템 활용률이나 고객 유지율을 입증하지 않는다. 활용률은 가용 컴퓨팅 용량 중 실제로 작업을 수행하는 비율을 측정하며, 운영 효율성에 영향을 준다.

장비는 존재하더라도 일관되게 생산적으로 활용되지 않을 수 있다. 반대로 국가 용량 수치가 상당해 보여도 접근이 제한되면 개발자는 대기해야 할 수 있다. 독자는 이 상황들을 구분하기 위해 워크로드와 가용성 정보가 필요하다.

이러한 불확실성이 확장을 무효화하는 것은 아니다. 더 강한 결론에 필요한 증거를 가리킬 뿐이다. 발표는 인프라 활동과 애플리케이션 관심을 확인하지만, 배포 품질과 지속적 채택은 후속 보도에 남겨 둔다.

따라서 적절한 판단은 열광이나 일축보다 더 제한적이다. 카자흐스탄에는 식별 가능한 자산과 애플리케이션을 추진하는 조직이 있다. 다음 단계는 이러한 자산, 이를 운영하는 팀, 그 결과물에 의존하는 고객 간의 관계에 달려 있다.

접근성, 애플리케이션 증거, 제공 이정표를 지켜볼 것

가장 유용한 후속 보도는 고객 접근성, 애플리케이션 성능, 발표된 인프라 약속 대비 진척을 이 순서로 추적하게 될 것이다.

첫 번째 신호는 기존 시스템에 대한 더 명확한 접근성이다. 앞으로 몇 달 동안 공개된 서비스 문서, 할당 체계, 지원 약속은 개발자가 사용할 수 있는 자원을 이해하는 데 도움이 될 것이다. 이러한 공개는 설치된 용량이 폭넓게 활용 가능한 인프라가 되고 있다는 근거를 강화할 것이다.

접근성 정보는 실무적인 질문에 답해야 한다. 어떤 조직이 신청할 수 있는가? 어떤 워크로드가 지원되는가? 사용자는 어떻게 자원을 요청하며, 수요가 가용성을 초과하면 어떻게 되는가? 이러한 세부 사항은 새로운 국가 발표 없이도 컴퓨팅 서비스를 평가할 수 있게 한다.

고객 증거는 또 다른 층위를 더할 것이다. 자체 워크로드를 설명하는 실명 조직은 잠재 수요에 관한 일반적 발언보다 더 많은 정보를 제공한다. 이들의 설명은 실험과 직원 또는 고객이 일상적으로 사용하는 애플리케이션을 구분해야 한다.

공개가 제한되면 채택 상황은 미해결로 남는다. 조직에는 정당한 기밀 유지 요건이 있을 수 있으므로, 장비에 사용자가 없다는 사실을 입증하는 것은 아니다. 다만 외부 관찰자가 접근성과 지속적 수요를 평가할 충분한 증거를 여전히 갖지 못한다는 뜻이다.

두 번째 신호는 애플리케이션 증거다. 현지 모델 개발자는 사용한 작업, 데이터세트, 비교 방법을 설명하는 평가를 공개할 수 있다. 벤치마크는 표준화된 시험이며, 그 가치는 의도된 애플리케이션과 얼마나 유사한지에 달려 있다.

기업 서비스의 경우 유용한 증거에는 운영 경험도 포함된다. 조직은 배포 환경이 문서, 언어 요구사항, 검토 과정을 처리하는지 설명할 수 있다. 이러한 세부 사항은 지능이 향상됐다는 일반적 주장보다 실질적 가치에 대해 더 많은 것을 드러낸다.

자율 모빌리티 협력에도 자체적인 증거 경로가 있다. 정의된 시험 체계, 운영 범위, 적용 가능한 허가는 프로젝트의 단계를 명확히 할 것이다. 승객 이용 가능성이 발표된다면 서비스가 어디에서 어떤 조건으로 운영되는지에 대해서도 똑같이 명확한 설명이 필요하다.

이러한 애플리케이션 신호는 인프라와 수요가 함께 발전하고 있다는 근거를 강화할 것이다. 그에 상응하는 운영 세부 사항 없이 발표만 계속된다면 그 연결은 덜 확립된 상태로 남을 것이다. 이 구분은 궁극적 성공에 대한 가정이 아니라 이용 가능한 증거에 관한 것이다.

세 번째 신호는 확장 약속 대비 진척이다. Kazakhtelecom의 계획은 2027년을 가리키므로, 당장의 보도는 중간 이정표를 추적해야 한다. 시설 준비, 장비 납품, 가동 완료, 고객 이용 가능 여부는 각각 일정의 다른 부분을 명확히 할 것이다.

진척 보고는 국가 프로젝트 간의 구분도 유지해야 한다. Alem.Cloud, Kazakhtelecom의 배포 환경, 그리고 기타 제안된 계획은 각기 다른 정체성을 지닌다. 명확한 출처 표기는 한 프로젝트의 완료된 이정표가 다른 곳의 완료를 의미하는 것으로 해석되는 일을 막는다.

개발자와 구매자는 자체 평가에서도 같은 프레임워크를 사용할 수 있다. 각 인프라 주장을 자신이 접근할 수 있는 서비스 및 평가할 수 있는 애플리케이션과 연결해야 한다. 이렇게 하면 기술 조달이 실제 조직의 요구와 연결된 상태를 유지할 수 있다.

카자흐스탄이 AI 미래를 위한 컴퓨팅 역량을 확장하는 동안, 설치된 시스템에서 사용 가능한 서비스와 반복 가능한 결과로 이어지는 증거를 따라가야 한다. 공급업체 문서를 읽고, 고객 사례를 찾으며, 애플리케이션 주장을 공개된 운영 조건과 비교하라. 발표된 확장은 모니터링할 일정으로 다루되, 현재 용량은 접근성과 성능을 통해 평가하라. 개발자에게 유용한 기회는 신뢰할 수 있는 개발 환경이다. 기업에게는 데이터 및 운영 요건을 충족하는 서비스다. 애플리케이션 사용자에게는 일관되게 업무를 수행하는 소프트웨어다. 이러한 결과를 하드웨어 발표와 함께 추적하고, 각각의 새 이정표를 그것이 가능하게 하는 작업으로 판단하라.