본문 바로가기

인공지능 도입

 (208)
SK텔레콤, Arm, 리벨리온 3사 협력 차세대 AI 추론 서버 개발 기존 GPU 중심 구조 → CPU+NPU 구조로 전환 시도핵심 구성 : o Arm AGI CPU + 리벨리온 NPU(리벨카드)목적 : 전력 효율 극대화, 데이터센터 운영 비용 절감, GPU 의존도 축소적용 : SKT AI 데이터센터 실증, 자체 모델 A.X K1 운영 검토 구조CPU: 시스템 제어 및 범용 처리NPU: AI 추론 연산 전담 전략 방향 : “학습(Training) → 추론(Inference)” 중심 전환 대응기대효과저전력, 고효율 AI 인프라 확보글로벌 AI 데이터센터 경쟁력 강화1) 기술 구조 (핵심 아키텍처)GPU → 범용 병렬처리 (비효율적 전력 구조)CPU + NPU → 역할 분리형 이종 컴퓨팅CPU : IO, 네트워크, 메모리 관리NPU : AI 추론 연산 최적화 결과 : 성능 유..
인공지능 돈 된다!!, AWS AI 매출 150억 달러 돌파 AI는 “비용”에서 “확실한 매출 엔진”으로 전환되었고, 클라우드 패권 경쟁의 핵심 축이 되었다.AWS AI 매출, 연환산 150억 달러 돌파AWS 전체 매출의 약 10% 수준AI, 아마존의 실질 수익원으로 전환대규모 AI 투자(약 2000억 달러), 수익화 단계 진입기업 고객 중심 AI 수요 급증클라우드 시장에서 AI 인프라 경쟁 본격화자체 AI칩, 인프라로 엔비디아 의존도 축소향후 AWS 매출 최대 6000억 달러 전망AI가 단순 기술에서 핵심 비즈니스 모델로 진화1) 의미: “AI는 이제 돈이 된다”AI 매출을 처음 공개 → 수익 검증 단계 진입기존: 투자 중심 → 현재: 매출 중심클라우드 AI = SaaS + 인프라 결합 수익 모델2) 성장 구조수요: 기업 AI 도입 급증 (LLM, 에이전트)공급..
메타, 최상위권 경쟁 복귀 ; Muse Spark 뮤즈 스파크는 메타 초지능팀(MSL)의 첫 작품이다. (페이스북)메타는 이를 ‘개인 초지능(personal superintelligence)’의 시작점으로 규정했다. (페이스북)모델의 포지션은 ‘가볍고 빠르지만, 고급 추론도 가능한 실사용형 멀티모달 AI’에 가깝다. (Meta AI)텍스트+이미지 이해, 툴 사용, 멀티에이전트 오케스트레이션이 핵심 기능이다. (Meta AI)메타는 이번 모델을 Meta AI 앱·웹, 이후 WhatsApp·Instagram·Facebook·스마트글래스까지 확장하려 한다. (The Verge)즉, 메타의 승부처는 “모델 성능 단독”보다 “배포력과 플랫폼 장악력”이다. (The Verge)벤치마크상 일부 항목은 매우 강하지만, 코딩·추상추론 등 일부 영역은 아직 약점이 지적된..
MS, 자체 AI 칩 마이아 200(Maia 200) 품질·검증 과정 공개 마이크로소프트(MS)는 자체 AI 칩 ‘마이아 200(Maia 200)’의 품질 검증 과정을 공개하며, 엔비디아 GPU 의존도를 일부 낮추고 Azure, Copilot, OpenAI 서비스에 맞춘 ‘맞춤형 AI 인프라’ 전략을 본격화하고 있습니다. 핵심은 “칩을 직접 만들어 AI 서비스 비용, 전력, 성능을 최적화하겠다”는 것입니다. (The Official Microsoft Blog) 핵심 요약 (개조식)MS의 진짜 목표는 ‘칩 자립’ 그 자체보다 ‘AI 서비스 최적화’입니다.마이아 200은 범용 GPU를 완전히 대체하려는 칩이 아니라, 추론(inference) 중심으로 Azure·Copilot·OpenAI 모델 서비스 비용을 낮추기 위한 전용 칩입니다. (The Official Microsoft Bl..
AI 1인 유니콘, 가능하다!! 이제 스타트업의 경쟁력은 “몇 명이 일하느냐”보다 “AI로 몇 명 분의 일을 하느냐”로 이동 중입니다. (Superframeworks)전통적 스타트업은 사람을 많이 뽑아 성장했지만, AI 시대에는 개발·운영·마케팅·고객응대·콘텐츠·리서치를 자동화해 초소형 조직이 대규모 매출을 내는 구조가 가능해지고 있습니다. (AI타임스)AI는 단순 비용 절감 툴이 아니라, “매출/인력 비율(Revenue per Employee)”을 비정상적으로 끌어올리는 레버리지 엔진으로 작동하고 있습니다. (Business Insider)“AI 1인 유니콘”은 홍보 문구가 아니라 경영 구조 변화의 시작입니다. 다만, 성공의 본질은 AI 자체가 아니라 유통(Distribution), 반복되는 고객 문제, 데이터/워크플로우 락인에 있습..
한국은 지금, 기후, 전쟁, AI 3중 압박에 직면 ; 전력 자립 ; 에너지 안보 위기 기후위기, 전쟁 리스크, AI 전력수요 폭증이 동시에 닥친 지금, 한국은 ‘그린 에너지 + 전력망 + 저장장치 + 원전/수소/분산전원’의 현실적 조합으로 에너지 안보와 산업 경쟁력을 동시에 확보해야 한다. (IEA)지금 한국은 ‘기후·전쟁·AI’라는 3중 압박에 직면기후위기로 탄소감축 압박은 커지고전쟁·중동 리스크로 에너지 수입 불안은 심해지고AI·데이터센터 확대로 전력수요는 급증하는 구조입니다. (국가에너지통계종합정보시스템)결론은 “전기를 많이, 싸게, 안정적으로, 깨끗하게” 공급할 수 있느냐의 싸움앞으로 산업 경쟁력은 반도체·배터리·AI 서버를 얼마나 안정적으로 돌릴 수 있느냐에 달려 있습니다. (IEA)한국의 해법은 ‘그린 에너지 단독’이 아니라 ‘그린 에너지 중심의 현실적 포트폴리오’태양광, 풍력..
AI 도입 격차 줄이기, 실제로 쓰는 능력에 집중해야한다. 한국 기업의 AI 도입 격차는 ‘장비 보유’보다 ‘현업에서 실제로 쓰는 능력’에서 더 크게 벌어지고 있으며, 최근 2년 사이 대기업과 중소기업 간 AI 도입 격차가 약 10배 수준으로 확대됐다는 분석이 나왔습니다.따라서 정책도 “AI 장비·솔루션 보급” 중심에서 “현장 활용·인력·데이터·업무 재설계 지원” 중심으로 전환해야 한다는 것이 핵심입니다. (미래를 보는 창 - 전자신문) 대기업은 AI를 전사 혁신 수단으로 쓰고, 중소기업은 아직 도입 전 단계에 머무는 경우가 많음. (미래를 보는 창 - 전자신문)격차의 본질은 기술 구매가 아니라 실행 역량 격차임.→ 데이터 정비, 업무 프로세스 변경, 인력 재교육, 현장 적용 경험이 부족한 것이 핵심 병목. (매일경제)중소기업은 “무엇을 사야 하나”보다 “어디에..
인간 vs AI’ 글 첨삭 대결 승자는? 공개 첨삭 대결에서 AI는 정교하고 날카로운 코멘트를 보였지만, 청중 인상과 현장 평가는 인간 첨삭 쪽이 더 강했다는 흐름이었습니다. (한겨레)결론적으로 AI는 ‘문장 개선’에는 강하고, 인간은 ‘글의 방향과 인간적 의미 부여’에 강하다는 점이 드러났습니다. (한겨레)주요내용서울에서 열린 공개 토크에서 김영민 교수와 Anthropic의 Claude Opus가 독자 에세이·논술문을 놓고 공개 첨삭 대결을 벌였습니다. (한겨레)현장에는 약 200명의 청중이 모였고, 단순 퍼포먼스가 아니라 “AI 시대에 왜 인간은 여전히 쓰는가”를 묻는 실험 성격이 강했습니다. (한겨레)승자는?기사 흐름과 현장 반응을 보면, 기술적 정밀함은 AI가 보여줬지만, 전체적인 설득력과 감응은 인간 첨삭 쪽이 우세했다는 평가가 많았습..

티스토리툴바