아티클 & 가이드

젠슨 황의 이틀간 도쿄 방문은 일본의 컴퓨팅 인프라, 로봇, 자동차, 반도체 공급망을 하나의 전략으로 묶었다. 엔비디아는 일본 제조 현장의 차세대 AI 기반을 선점하려 하고 있다.

애플의 영업비밀 소송은 OpenAI의 하드웨어 진출과 잠재적 IPO 구상에 새로운 불확실성을 더했다. 법원의 최종 판단 전이라도 개발 일정과 투자자 설득에는 부담이 될 수 있다.

Current AI는 더 큰 모델을 만드는 경쟁보다, 언어와 문화가 배제되지 않는 공공 AI 기반을 만드는 데 집중하고 있다. 핵심은 개방성, 지역성, 그리고 커뮤니티의 통제권이다.

기이모어는 WAIC 2026에서 국산 GPU와 국산 RDMA NIC를 직접 연결하는 IBGDA 데모, 초노드용 전栈 상호연결 솔루션, CPO 기술 백서를 선보였다. 핵심은 개별 칩 성능이 아니라, 국산 AI 인프라를 시스템 차원에서 연결하는 방법이다.

WAIC 2026에서 Arm China는 엣지 AI를 단일 가속기 경쟁이 아니라 제한된 전력과 메모리 안에서 작동하는 전체 시스템 문제로 제시했다. 발표는 Star CPU, Zhouyi X3-Pro NPU, Linglong VPU, 오픈 AIOS 연합으로 이어졌다.

윈톈리페이는 Prefill, Decode, Decode 단계의 FFN에 맞춘 세 종류의 DeepVerse 추론 칩 계획을 공개했다. 이 구상은 단일 칩 성능보다 이기종 클러스터를 통한 Token 생성 비용 절감에 초점을 둔다.

리만동력이 공개한 Riemann-1.0은 RoboCasa-365에서 62.6%의 성공률을 기록했다. 핵심은 점수 자체보다 인간 1인칭 작업 영상을 대규모로 학습한 뒤 로봇 제어와 정렬하는 방식에 있다.

Moonshot AI의 최신 Kimi 모델 공개는 중국 오픈웨이트 AI를 둘러싼 논쟁을 다시 키웠다. 쟁점은 성능 경쟁을 넘어 신뢰, 규제, 국가 전략으로 확장되고 있다.

Kimi K3는 공개 직후 모델 광장에 올라오며 큰 관심을 받았다. 핵심은 단순한 규모가 아니라, 코딩·장문 작업·검색·표·프런트엔드까지 넓게 다루는 실전형 능력이다.

미국 정부가 메디케어 사전승인 절차에 AI를 활용하는 시범사업을 진행하고 있다. 낭비를 줄이겠다는 목표와 달리, 필요한 치료까지 더 쉽게 거절될 수 있다는 우려도 커지고 있다.

AWS 사례들은 AI 에이전트나 생성형 AI 자격 증명이 유출·오남용될 때, 예산 알림이 작동하기 전에 큰 비용이 발생할 수 있음을 보여준다. 실시간 API 소비와 지연된 과금 데이터 사이의 간극이 새로운 보안 리스크가 되고 있다.

Token Time Continuous Diffusion(TTCD)은 연속 공간에서 동작하며 각 토큰이 서로 다른 속도로 노이즈에서 토큰으로 변하도록 설계된 확산 언어 모델입니다. 특히 고속 생성과 조건부 생성에서의 정확도 개선을 목표로 합니다.

RoboTTT는 테스트 시 학습을 로봇 파운데이션 모델에 결합해, 추론 지연을 늘리지 않고 최대 8K 타임스텝의 시각-운동 컨텍스트를 활용하는 방법을 제안한다.

VIABench는 시각장애인이 직접 촬영하거나 공유한 1인칭 영상을 바탕으로, 멀티모달 대형 언어모델이 실제 보조 상황에서 얼마나 유용한지 평가한다.

DeepLoop는 동일한 Transformer 블록을 반복 사용하는 구조에서 기존 잔차 스케일링 규칙이 그대로 맞지 않을 수 있음을 지적합니다. 논문은 명목상 층 수가 아니라 파라미터 방문 횟수와 정렬성을 반영한 스케일링을 제안합니다.

GRASP는 Agentic RAG에서 언제 검색하고, 어떤 검색 방식을 쓰며, 어느 정도의 문맥까지 읽을지를 학습하는 강화학습 프레임워크다. 의미 검색, 키워드 검색, 문단 읽기를 조합해 다단계 추론에서 더 나은 증거 회수와 답변 품질을 목표로 한다.

LongStraw는 백만 토큰급 추론과 상대적으로 짧은 RL 후학습 사이의 간극을 겨냥한다. 공유 프롬프트는 그래디언트 없이 처리하고 응답 분기를 하나씩 재실행해 메모리 사용을 낮춘다.

UniVR은 이미지-텍스트 쌍이 아니라 순수한 시각 데모만으로 복잡한 추론, 세밀한 물리 동역학, 장기 계획을 학습하려는 연구다. 핵심은 VR-GRPO 강화학습 방식과 순수 시각 평가용 VR-X 벤치마크다.

SearchOS-V1은 장기 오픈도메인 검색에서 Agent가 진행 상황을 잃고 같은 검색을 반복하는 문제를 겨냥한다. 증거, 커버리지, 실패 기록을 외부 상태로 관리해 다중 Agent 협업을 더 안정적으로 만든다.

새 논문은 검증된 지식을 바이트 단위로 정확한 KV Cache 상태로 저장한 뒤, 이후 추론에 다시 접목하는 방식을 제안한다. 반복 사례에서는 큰 비용 절감이 보고됐지만, 재현성과 ‘추론 능력 향상’의 의미는 신중히 봐야 한다.

SEED는 완료된 on-policy 궤적을 자연어 기반 사후 스킬로 변환하고, 그 행동 효과를 정책 모델에 다시 증류하는 에이전트 강화학습 프레임워크다.