본문 바로가기

인공지능

 (702)
OpenAI, GPT-5.4-사이버 공개 / 미소스 대응 / 신청 기반 배포 확대 GPT-5.4, 고성능 AI 경쟁 속 ‘제한적 공개 + 단계적 확산 전략 공개 방식 (핵심 포인트)GPT-5.4 일부 기능/모델 제한적 공개 (사이버/부분 공개 형태) (위키백과)고성능 모델일수록 일반 사용자 공개 제한 추세 (KMJ)신청·API 기반 접근 통제형 배포 구조안전성·보안 리스크 고려한 점진적 확산 전략경쟁 배경 (미소스 대응)Anthropic의 Claude Mythos 등장 → GPT 경쟁 압박 (KMJ)Mythos, GPT-5.4 대비 벤치마크 우위 주장 사례 존재 (KMJ)AI 경쟁: GPT vs Mythos vs Gemini 3강 구도 형성 (BirdSpring)GPT-5.4 핵심 성능인간 전문가 능력 일부 영역 초월 (데스크톱 작업) (BirdSpring)컨텍스트 100만 토큰급 초..
LG 차세대 AI 스마트글래스 개발 착수 LG, AI 기반 스마트글래스로 ‘포스트 스마트폰’ 시장 선점 전략LG전자, 차세대 개인 디바이스로 AI 스마트글래스 개발 착수 (미래를 보는 창 - 전자신문)스마트폰 이후 차세대 플랫폼 주도권 확보 목적 (미래를 보는 창 - 전자신문)XR(확장현실) 중심 신시장 창출 전략 (미래를 보는 창 - 전자신문)국내 기술 기반 공급망 국산화 추진 (미래를 보는 창 - 전자신문)제품 목표 스펙무게: 49g 이하 초경량 설계 (미래를 보는 창 - 전자신문)사용시간: 8시간 이상 목표 (미래를 보는 창 - 전자신문)초소형 부품(배터리·프로세서 등) 안경 프레임 내 내장 (미래를 보는 창 - 전자신문)핵심 기술온디바이스 AI (클라우드 의존 최소화) (미래를 보는 창 - 전자신문)음성 의도 분석 AI (미래를 보는 창..
국가 AI 프로젝트 52개 과제 선정, 총 GPU 2832장 우선 배분 정부, 국가 AI 프로젝트 52개 과제 선정총 GPU 2832장 우선 배분25개 부처 참여 → 범국가 AI 추진AI 인프라(“AI 고속도로”) 본격 가동적용 분야 : 자율주행, 의료, 기상, 산업, 콘텐츠 등 전 산업목표 : AI 생태계 구축, 산업 전반 AI 전환 가속 운영 방식 : GPU 순차 배분 + 모니터링 + 재배분GPU 배분 구조총 확보 GPU: 약 1만장이번 1차 배분: 2832장 (다음)배분 방식 : 과제별 필요량 기준 차등 배분, 착수 일정 맞춰 순차 공급 (IT조선) 선정 기준전략적 중요성기술·사회적 파급력정부 개입 필요성 (이데일리)주요 지원 분야자율주행 AI산업 특화 AI의료·바이오 AI기상·기후 AI콘텐츠 AI (다음)대표 과제 (GPU 많이 받은 순)자율주행 AI 모델 (304장..
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..
AI Bridge Weekly No.71 Global AI Topic – AI의 자율 진화와 한계 돌파 : 서비스 패러다임 재설계의 가속AI가 스스로를 개선하고 인간의 움직임 및 내부 상태까지 이해하는 기술적 한계 돌파는 단순 성능 향상을 넘어 '자율적 검증'과 '투명성'을 확보하는 제품 패러다임의 전환을 요구합니다. 종사자들은 고성능 오픈소스와 에이전트 라이브러리 확산에 맞춰, 인프라 중심에서 도메인 특화 에이전트의 정교한 실행 전략 중심으로 서비스 핵심 가치를 재정의해야 합니다. 따라서 기술 자율성과 실무적 신뢰성을 동시에 확보하는 검증 체계를 설계하는 것이 향후 AI 산업의 핵심 경쟁력이 될 것입니다. AI Hot Issue - AI 생태계의 확장: 선도기업들의 기회와 새로운 도전특화된 기술력을 갖춘 딥테크 스타트업들이 글로벌 투자 유치와..
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..

티스토리툴바