읽을 가치가 있는 기사만, 짧고 또렷하게.

ClickHouse 쿼리 성능을 개선하여 수 분이 걸리던 쿼리 시간을 400밀리초 수준으로 단축하는 최적화 방법을 소개합니다. 이 최적화는 대용량 데이터에서 발생하는 이벤트 처리와 `ReplacingMergeTree` 엔진의 `FINAL` 작업 효율성을 높이는 데 중점을 두었습니다.

기존에는 월별로 파티셔닝하는 방식이 사용되었으나, 이벤트 배치 처리로 인해 파티션 간의 데이터 중첩과 병합 과정에서 비효율이 발생했습니다. 이를 해결하기 위해 파티셔닝 키를 `client_customer_id % 36`으로 변경하여 데이터 분산을 개선하고 `FINAL` 작업의 병렬성을 확보했습니다. 이 전략은 데이터 파이프라인 구축 단계에서 불필요한 범위 계산을 줄여 성능을 향상시켰습니다.

또한, 이벤트 유형(`event_type`)을 정렬 키의 앞쪽에 배치하는 변경을 통해 쿼리 시 읽어야 하는 행의 수를 100배 이상 줄였습니다. 결과적으로 데이터 처리량이 996만 건에서 9만 4천 건으로 대폭 감소했으며, 쿼리 시간은 기존 85초에서 약 400밀리초로 200배 이상 개선되었습니다.

이러한 개선은 데이터가 변경된 과거 기록을 처리하는 과정에서 불필요한 데이터 읽기를 줄이고 `FINAL` 절을 적용하기 전에 필터링을 수행함으로써 달성되었습니다. 다만, 이 최적화는 특정 데이터셋에 대한 테스트를 기반으로 하며, 모든 데이터에 동일하게 적용되지는 않을 수 있다는 점을 고려해야 합니다.

샤오미가 짧고 넓은 폴더블폰을 출시하며 경쟁사 대비 우수한 사양을 내세우고 있습니다. 샤오미는 지난 IFA에서 18 Fold를 선보였는데, 이는 애플이 곧 유사한 제품을 출시할 것으로 예상되는 시기와 맞물려 주목받고 있습니다.

이번 18 Fold는 삼성 갤럭시 Z Fold 8과 유사한 외형과 느낌을 제공하지만, 샤오미는 더 뛰어난 사양을 탑재하여 경쟁 제품보다 우위를 점하고 있습니다. 특히 샤오미는 2024년 Mix Fold 4 이후 처음으로 북 스타일 폴더블폰을 선보였으며, 화웨이와 삼성의 흐름에 따라 짧고 낮은 디자인을 채택했습니다.

샤오미의 폴더블폰은 삼성 제품보다 더 짧고 넓은 디자인을 특징으로 합니다. 내부 화면은 7.58인치, 외부 화면은 5.38인치이며, 두 화면의 종횡비는 약 1.4:1로 설정되어 있습니다. 이러한 디자인과 사양은 폴더블 스마트폰 시장에서 새로운 경쟁 구도를 형성할 것으로 보입니다.

아랍에미리트 기반의 Falcons AI가 개발한 NSFW 이미지 분류 모델이 글로벌 오픈소스 모델 중 상위권에 올랐습니다. 이 모델은 지난 28일 동안 Hugging Face 플랫폼에서 5,080만 건 이상의 다운로드를 기록하며 세계에서 가장 많이 다운로드된 오픈소스 AI 모델 중 하나가 되었습니다.

이 NSFW 분류 모델은 이미지 분류에 사용되는 트랜스포머 아키텍처인 Fine-Tuned Vision Transformer(ViT)를 기반으로 하며, 정상 및 노골적인 콘텐츠를 구분하기 위해 80,000개의 이미지로 학습되었습니다. 이 모델은 현재 플랫폼에 등록된 1,400개 이상의 모델 중 다운로드 수 기준으로 6위를 차지하고 있습니다.

이러한 성공은 UAE 기반 AI 연구의 글로벌 커뮤니티 내 영향력이 커지고 있음을 보여주며, 온라인 플랫폼과 기업 환경에서 요구되는 강력한 AI 기반 콘텐츠 중재 도구에 대한 전 세계적인 수요를 반영합니다. Falcons AI 모델의 다운로드 수는 중국의 Deepseek 모델이 같은 기간 기록한 다운로드 수와 비교했을 때 12~13배 더 많습니다.

트리스탄 버크마스터가 발표한 나비에-스토크스 방정식에 관한 자료를 요약하여 전달합니다. 이 문서는 뉴욕 대학교 CIMS(Center for Mathematical Sciences)에서 발행된 자료로, 유체 역학 및 수학적 모델링 분야의 학술적 논의를 담고 있습니다.

해당 문서는 나비에-스토크스 방정식이라는 핵심 주제를 다루고 있으며, 이는 유체 운동을 기술하는 데 사용되는 중요한 수학적 모델입니다. 이 자료는 해당 방정식의 이론적 배경과 관련 연구에 대한 버크마스터의 입장을 제시하고 있습니다.

개발자나 수학 관련 분야 종사자에게 이 자료는 유체 역학의 기본 원리를 이해하고 복잡한 시스템을 모델링하는 데 필요한 이론적 토대를 제공합니다. 따라서 이 문서를 통해 나비에-스토크스 방정식의 수학적 의미와 그 중요성을 심도 있게 파악할 수 있습니다.

Multi-Agents LLM 금융 거래 프레임워크인 TradingAgents가 지속적으로 업데이트되며 금융 데이터 분석 및 거래에 있어 멀티 에이전트 LLM의 실질적인 적용 가능성을 높이고 있습니다. 이 프레임워크는 FRED, 소셜 센티먼트 등 다양한 외부 데이터를 통합하고, GPT-5.6, GLM-5.3과 같은 최신 모델을 활용하여 의사결정 신호를 명확히 하고 가격을 근거화하는 기능을 제공합니다.

최근 버전에서는 데이터 접근 계약, 다양한 제공업체(NVIDIA, Kimi, Groq, Mistral, Bedrock 등) 레지스트리 확장, 그리고 LangGraph를 통한 체크포인트 복원 기능 등이 추가되어 시스템의 안정성과 확장성이 크게 개선되었습니다. 특히 v0.4.0 릴리스에서는 점진적 정보(point-in-time fixes)와 거래자 가격 근거화 기능을 도입하여 모델의 신뢰도를 높였습니다.

개발자는 이 프레임워크를 멀티 에이전트 분석 연구의 기반으로 활용할 수 있지만, 백테스트 결과는 모델, 온도 설정, 데이터 품질 등에 따라 달라지므로 확정된 수익률을 보장하지는 않습니다. 시스템은 회사 정체성을 결정론적으로 해결하고 가격 주장을 검증된 데이터 스냅샷에 기반하도록 설계되었으나, 최종 결과는 연구용 기반으로 간주해야 합니다.

호주 정부는 소셜 미디어 연령 제한 조치에 이어 온라인 안전을 강화하기 위해 '디지털 책임 의무(Digital Duty of Care)' 법안 초안을 발표했습니다. 이 법안은 디지털 서비스 제공업체가 안전한 온라인 환경을 제공하고 사용에 필요한 최소 기준을 설정하도록 의무화하며, 특히 호주 최초의 'My Feed, My Way' 이니셔티브를 통해 사용자가 소셜 미디어 알고리즘에 대한 통제권을 갖도록 합니다.

'My Feed, My Way'는 사용자가 기본 피드에 알고리즘 추천 콘텐츠를 포함할지 선택하거나, 팔로우하는 친구 및 크리에이터의 콘텐츠를 볼지 선택할 수 있게 하여 플랫폼에 대한 사용자 선택권을 확대합니다. 또한, 이 책임 의무는 소셜 미디어를 넘어 온라인 게임, 앱, AI 챗봇 등 모든 디지털 서비스에 적용되어 미성년자를 중독성 있는 기능이나 자존감에 부정적인 영향을 미치는 디자인 특징으로부터 보호하도록 요구합니다.

플랫폼들은 또한 청소년을 학대하거나 괴롭히는 콘텐츠, 식사 장애를 조장하는 콘텐츠, 성차별적 아이디어, 범죄를 미화하는 콘텐츠 등 심각하게 유해하거나 불법적인 콘텐츠로부터 사용자를 보호해야 합니다. 이러한 법안은 eSafety가 콘텐츠 제거 통보를 발행하고 아동 사이버 괴롭힘 및 성인 사이버 학대 계획을 간소화하여 유해 물질에 더 신속하게 대처할 수 있는 권한을 부여합니다.

디지털 플랫폼은 위험에 대한 조치를 문서화하고 그 효과를 지속적으로 보장해야 하며, 이를 준수하지 않을 경우 최대 1억 920만 달러의 벌금이 부과될 수 있습니다. 정부는 이 법안에 대한 피드백을 수집하고 있으며, 관련 법안은 올해 의회에 도입될 예정입니다.

Mistral이 소버린(sovereign)하고 오픈 웨이트(open-weight) AI를 기술의 최전선으로 만들기 위해 시리즈 D 라운드에서 30억 유로를 모금하며 총 가치 210억 유로 이상의 기업 가치를 기록했습니다. 이번 자금 조달은 유럽 기술 기업 중 가장 큰 규모의 자금 모금 라운드로, Mistral의 인프라, 제품, 주권의 기반이 되는 최전선 연구를 확장하고 상업적 성장을 가속화하는 데 사용될 예정입니다.

이번 투자는 Mistral이 강력한 모델을 훈련할 수 있는 컴퓨팅 용량을 확장하는 동시에, 데이터 거버넌스 및 배포 선택에 대한 통제권을 유지하는 데 중점을 둡니다. Mistral은 오픈 웨이트 모델, 인프라, 컴퓨팅 용량, 그리고 이를 실제 환경에 적용하는 제품까지 전체 스택을 구축하여 고객이 단일 공급업체의 로드맵이나 가격에 얽매이지 않도록 보장합니다.

이러한 접근 방식은 Mistral을 소버린 AI 레이어로 만들며, 데이터, 모델, 컴퓨팅, 운영 시스템의 네 가지 차원에서 통제권을 유지하게 합니다. 투자자들은 Mistral의 접근 방식이 복잡한 실제 환경에서 최첨단 AI를 배포하면서 데이터, 인프라, 지식에 대한 통제권을 유지하는 데 도움이 될 것이라는 확신을 반영했습니다.

이번 라운드에는 삼성전자, Scaleup Europe Fund(EQT), PSG Equity 등 유럽, 아시아, 북미 전반의 주요 기술 리더들이 참여했으며, 이는 Mistral의 기술적 리더십과 접근 방식에 대한 광범위한 지지를 보여줍니다.

우리는 보안을 모든 곳에서 해결할 수 있는 1년의 시간이 있으며, 이는 위험한 해킹 능력을 갖춘 저렴한 모델이 보편화됨에 따라 시급한 조치가 필요함을 의미합니다. 최근 출시된 GLM 5.3-flash와 같은 오픈 웨이트 LLM은 일반 소비자 하드웨어에서 구동 가능하며, 이는 악의적인 행동을 거부하는 안전장치 없이도 누구나 위험한 해킹을 수행할 수 있게 만들었습니다.

이러한 상황에서 프로젝트 글래스윙(Glasswing)과 데이브레이크(Daybreak)는 LLM을 활용하여 기술 산업 전반의 보안 문제를 해결하기 위한 이니셔티브입니다. GLM 모델은 공개되어 수정될 수 있으며, DeAlignAI와 같은 그룹은 유해한 작업 거부를 제거한 모델을 배포하여 악의적인 행동에 대한 저항력을 높이고 있습니다.

최첨단 모델들은 이미 실제 보안 취약점을 발견하고 악용하고 있으며, 이는 사이버짐(CyberGym)과 익스플로잇벤치(ExploitBench)와 같은 지표를 통해 입증됩니다. GLM 5.3 모델은 사이버짐에서 84.5%의 취약점을 나타내며, 이는 공개된 소스 코드만으로도 취약점이 재현될 수 있음을 의미합니다. 따라서 개발자들은 패치 배포 속도를 높이고, 공급망 보안에 투자하며, 방어 심층(defense-in-depth) 전략을 통해 시스템을 보호해야 합니다.

모델의 발전 속도에 맞춰 패치 및 배포 시간을 단축하고, 취약점 보고부터 배포까지의 전 과정을 측정하여 병목 현상을 해결해야 합니다. 또한, 시스템 의존성을 조사하고, 다중 방화벽 대신 네트워크 분할과 백업 테스트를 통해 침해 대응 능력을 강화해야 합니다.

에이전트들이 로컬 컴퓨터에서 벗어나 모바일 환경에서 실행되면서 가상 머신(VM)을 통해 구동되는 제품들이 등장하고 있습니다. 이는 에이전트 개발사들이 실행 환경을 제공하는 방식으로 발전하며, 사용자에게는 에이전트 실행에 필요한 VM을 제공하는 형태로 이점이 돌아갑니다.

Claude Code의 경우, 에이전트의 실행 환경은 Firecracker 마이크로VM을 기반으로 하며, 커스텀 초기화 프로세스(process_api)가 PID 1로 작동하여 호스트 시스템과 분리된 상태로 운영됩니다. 이 구조는 VM 내부에 운영자(operator)가 존재하며, 메모리 및 프로세스 접근이 엄격하게 격리되어 보안성이 확보됩니다.

Instinct는 에이전트에게 일회성으로 사용 가능한 Ubuntu 박스(샌드박스)를 임대하는 방식으로 작동하며, 에이전트의 메모리는 물리적인 박스가 아닌 S3에 저장된 마크다운 파일 형태의 Git 저장소에 보존됩니다. 이는 에이전트의 상태와 신원(identity)이 임시 컴퓨팅 환경과 분리되어 서버 측에 영구적으로 유지됨을 의미합니다.

이러한 아키텍처는 에이전트의 상태를 디스크, 메모리, 인증 정보와 같은 외부 자원으로 관리함으로써, 일시적인 컴퓨팅 자원이 파괴되더라도 대화 상태나 사용자 프로필이 지속될 수 있도록 합니다. 결과적으로 에이전트 시스템은 격리된 VM과 서버 측 메모리 모델을 통해 지속성과 보안을 동시에 확보하고 있습니다.

클로드와 GPT 중 단 하나만 구독할 수 있다면 어떤 모델을 선택할지에 대한 질문이 개발자 커뮤니티에서 주목받고 있습니다. 이는 개인 사이드 프로젝트에 어떤 AI 모델을 적용할지에 대한 실질적인 고민을 반영하며, 두 거대 언어 모델(LLM)의 사용 경험과 성능 차이에 대한 관심이 높음을 보여줍니다.

많은 개발자들이 개인 프로젝트에 AI를 도입할 때 비용 효율성, API 접근성, 그리고 특정 작업에 대한 모델의 성능을 종합적으로 고려해야 하는 상황입니다. 따라서 단순히 기능적인 비교를 넘어, 개발 환경과 프로젝트 목표에 따라 Claude와 GPT 중 어떤 모델이 더 적합한지에 대한 선택 기준을 모색하는 것이 중요합니다.

이러한 비교는 단순히 모델의 성능 차이를 아는 것을 넘어, 각 모델이 제공하는 컨텍스트 길이, 추론 능력, 그리고 개발 생태계에서의 활용 가능성 등 구체적인 사용 사례와 제약 조건을 이해하는 데 도움을 줍니다. 개발자들은 자신의 프로젝트 요구사항에 가장 적합한 AI 도구를 선택하기 위해 이러한 비교 분석에 주목하고 있습니다.

Hangar Harness를 사용하여 동일한 Three.js 과제를 수행하는 데 다양한 모델과 하네스 조합을 테스트한 결과가 공개되었습니다. 이 실험은 드론, 조명, 안개 효과 등을 포함하는 단일 페이지 Three.js 사이버펑크 격납고를 생성하고, 이를 인라인 자바스크립트가 포함된 단일 HTML 파일로 출력하는 프롬프트를 사용했습니다.

연구진은 GLM 5.3 Flash Max, Luna 5.6 MaxCodexOpen, SOL 5.6 MaxCodexOpen, Astra 6.0 MaxCodexOpen, Qwen 3.8 27B x-highOMPOpen, Qwen 3.8 27B x-highDSH / PTCOpen 등 여러 모델과 하네스 조합을 비교했습니다. 테스트 항목에는 실행 시간, 토큰 수, 추론 토큰, 캐시 입력 비율, 도구 호출 오류 등 다양한 성능 지표가 포함되어 있습니다.

이러한 비교는 특정 개발 작업에 가장 적합한 모델과 하네스 조합을 식별하는 데 도움을 줍니다. 예를 들어, 각 조합은 생성 시간, 입력/출력 토큰, 추론 과정의 효율성 등에서 차이를 보였으며, 이는 실제 LLM 기반 코드 생성 작업에서 성능과 효율성을 평가하는 데 중요한 맥락을 제공합니다.

LG 스마트 TV는 광고 기능 때문에 도청 장치로 활용될 수 있으며, 로그 기록을 통해 민감한 정보가 수집될 수 있다는 보안 문제가 제기되었습니다. TV 로그에는 검색어와 함께 신용카드 정보나 사회보장번호와 같은 민감한 데이터가 기록되어 있으며, 이는 검색 결과와 함께 저장되어 있다는 내용이 확인되었습니다.

LG는 네트워크를 통해 주변 기기 및 네트워크 환경에 대한 광범위한 정보를 수집할 수 있는 잠재적인 취약점을 가지고 있습니다. 구체적으로 IP 주소, 지리적 위치, 주변 Wi-Fi 네트워크 이름과 신호 강도, 네트워크 내 다른 기기의 내부 IP 주소 등을 수집할 수 있으며, 이는 광고 기술과 연관되어 데이터가 서버로 전송될 가능성이 있습니다.

전문가들은 TV가 로컬 네트워크를 지속적으로 스캔하여 IoT 기기 정보를 수집할 수 있으며, TV가 네트워크에 접근하는 과정에서 이러한 데이터가 광고주에게 전달될 수 있다고 지적합니다. 특히 TV를 루팅(rooting)하여 접근 권한을 얻은 경우, 사용자가 인지하지 못하는 상태에서 마이크를 통해 녹음하거나 네트워크 연결 없이도 오디오를 캡처할 수 있는 보안 위험이 발생합니다.

따라서 LG의 데이터 수집 방식과 IoT 기기의 네트워크 접근 권한에 대한 보안 취약점을 심층적으로 검토해야 합니다. 데이터가 암호화되어 전송되더라도, 기기가 수집하는 네트워크 정보의 범위와 잠재적인 악용 가능성은 매우 심각한 문제입니다.

LG와 같은 광고 기술 회사들이 사용자의 TV 화면을 소유하고 있다고 주장하며, 자동 콘텐츠 인식(ACR) 기술을 통해 화면에 표시되는 모든 것을 지속적으로 분석하고 있다는 내용입니다. 이 프로젝트는 우리가 실제로 화면의 소유권을 누가 가지고 있는지에 대해 질문을 던지며, 화면의 소유권을 강조하는 예술적 시각 자료를 제공합니다.

weowntheglass.com은 이러한 상황을 인지시키기 위해 존재하며, TV 화면에 대한 데이터 소유권에 대한 인식을 높이는 것을 목표로 합니다. 이 페이지는 사용자가 TV가 실제로 무엇을 하고 있는지 시각적으로 보여주는 스크린세이버 역할을 합니다.

이 시각 자료는 OLED 패널에 영구적인 흔적을 남기지 않기 위해 프레임이 약 18초마다 느린 패닝과 크로스페이드로 움직이도록 제작되었습니다. 이는 기술적인 측면에서 화면의 물리적 상태와 데이터 흐름을 시각화하는 방식입니다.

본 프로젝트는 LG전자, 삼성, Vizio 등 특정 기업과 어떠한 관계도 없으며, 모든 예술 작품은 공개 도메인 자료를 사용했습니다. 이는 자동 콘텐츠 인식 기술에 대한 사실적 논평을 제공하며, 기술과 사생활 보호의 경계에 대한 맥락을 제시합니다.

에이전트가 테스트 및 검증 기법을 얼마나 잘 사용하는지에 대한 실험 결과를 분석했습니다. 연구진은 코딩 에이전트에게 특정 테스트 기법이나 라이브러리를 사용하도록 지시했을 때 구현의 정확성이 향상되는지 검증했습니다. 이 실험은 에이전트가 테스트 기법에 의해 얼마나 효과적으로 안내받는지 평가하며, Rust로 Zstd 구현을 수행하는 과정에서 다양한 테스트 기법(예: 테스트 주도 개발(TDD), QuickCheck, 속성 기반 테스트(Property-based testing), 퍼징(Fuzzing) 등)과 형식 방법(Formal methods)을 비교했습니다.

실험 결과, TDD와 같은 특정 기법이 구현의 정확성을 향상시키지 못했으며, 형식 방법 역시 좋은 테스트 방법만큼 효과적이지 않다는 예측이 지배적이었습니다. 특히 "실수하지 않기(Make no mistakes)" 지시가 아무 지시가 없을 때보다 더 나은 결과를 보이지 않을 것이라는 예측이 95%의 신뢰도로 나왔습니다. 또한, GitHub 스타 수가 많은 ECC Rust 테스트 스킬과 같은 특정 기술도 다른 방법보다 우위를 보이지 않을 것으로 나타났습니다.

이러한 결과는 에이전트가 테스트 기법을 학습하는 방식에 대한 중요한 시사점을 제공합니다. 연구진은 에이전트가 인간 개발자가 사용하는 효과적인 테스트 기법을 학습하는 대신, 테스트 기법과 반대되는 방식으로 학습될 경우 정확성이 떨어질 수 있음을 지적했습니다. 이는 에이전트가 정확성을 달성하기 위해서는 인간의 전문적인 지도를 받는 것이 중요하며, 단순히 RL 환경에서 합성 데이터로 훈련하는 것만으로는 충분하지 않다는 점을 강조합니다.

VoiceStudio는 계정이나 API 키, 구독 없이 사용자가 자신의 컴퓨터에서 음성 복제, 더빙, 받아쓰기 작업을 처리할 수 있는 오픈소스 데스크톱 애플리케이션입니다. 이 스튜디오는 필요한 모델을 미리 다운로드하면 인터넷 연결 없이도 오프라인 환경에서 모든 음성 작업을 수행할 수 있는 것이 가장 큰 특징입니다.

사용자는 별도의 복잡한 설정이나 외부 서비스 의존 없이 로컬 환경에서 음성 작업을 진행할 수 있습니다. 특히 깨끗한 음성 샘플 5초에서 15초 정도만으로 별도의 학습 과정 없이 목소리를 복제할 수 있으며, 입력한 문장을 복제된 목소리로 읽게 하는 기능도 제공합니다.

이는 클라우드 기반 서비스에 의존하지 않고 개인 정보 보호와 비용 절감을 동시에 실현할 수 있게 합니다. 개발자나 사용자는 자신의 데이터와 작업 환경을 완전히 통제하면서 음성 관련 기능을 구현하고 활용할 수 있습니다.

Show HN으로 소개된 NYC MapTap은 뉴욕 시의 동네를 학습할 수 있도록 돕는 지도 서비스입니다. 이 프로젝트는 단순히 지리 정보를 제공하는 것을 넘어, 뉴욕의 특정 지역에 대한 이해를 돕는 데 초점을 맞추고 있습니다.

이 애플리케이션의 핵심 기능은 놓친 지하철 노선 정보를 제공하는 것입니다. 사용자가 뉴욕 시내를 탐색할 때 놓치기 쉬운 지하철 경로를 함께 제시하여, 대중교통을 이용한 이동 계획을 보다 효율적으로 세울 수 있도록 돕습니다.

MapTap은 개발자들에게 지리 데이터와 대중교통 데이터를 결합하여 사용자 경험을 개선하는 방법을 보여주는 사례입니다. 이는 복잡한 도시 환경에서 실용적인 경로 정보와 맥락을 제공하는 것이 얼마나 중요한지를 보여줍니다.

에릭 우(Eric Wu)가 설립한 신규 회사인 NavigateAI가 건설업의 심각한 인력 부족 문제를 해결하기 위해 인공지능 기반의 코파일럿을 개발하고 있습니다. 이 회사는 2022년 Opendoor를 운영한 경험을 바탕으로, 스마트폰과 메타(Meta)의 AI 글래스를 통해 건설 노동자들에게 실시간으로 손을 사용하지 않고 안내를 제공하는 기술을 구축하고 있습니다.

NavigateAI는 건설 현장의 인력 부족 문제를 해결하는 데 중점을 두고 있으며, 데이터 센터 프로젝트만 해도 각 프로젝트당 4,000명에서 5,000명의 노동자가 필요할 정도로 인력난이 심각한 상황을 목표로 합니다. 이러한 문제를 해결하기 위해 이 회사는 AI 기술을 활용하여 현장 작업자들에게 실시간 지침을 제공하는 AI 코파일럿을 개발하고 있습니다.

이러한 혁신적인 프로젝트는 엘라드 길(Elad Gil), 크로슬라 벤처스(Khosla Ventures), 렌너(Lennar)로부터 총 2,500만 달러의 투자를 유치하여 진행되고 있습니다. 이는 건설 산업의 인력난이라는 거대한 사회적 문제를 해결하기 위해 AI 기술이 어떻게 실질적인 현장 효율성과 노동 환경 개선에 기여할 수 있는지 보여주는 사례입니다.

AI가 인간의 수명 동안 불가능했던 암 치료법을 찾을 것이라는 예측이 나왔습니다. Arm 홀딩스의 최고경영자인 레네 하스(Rene Haas)는 인공지능이 암을 치료할 것이며, 현재 DNA 마커와 같은 복잡한 생물학적 문제를 컴퓨터가 해결할 것이라고 주장했습니다. 그러나 이러한 AI 모델을 훈련하고 발전시키는 데 필요한 데이터 센터 구축을 위한 칩 부족이 현재 AI의 급속한 성장을 제약하고 있습니다.

Arm은 전 세계 수백억 개의 스마트폰, 자동차 등에 사용되는 마이크로칩의 두뇌 또는 CPU를 설계하며 AI 구동에 필수적인 기술을 제공합니다. 하스에 따르면, AI가 자율 학습 로봇을 통해 제조, 보안, 건설 등의 분야에서 광범위하게 활용될 것이며, 이는 향후 10년 내에 많은 산업에 변화를 가져올 것입니다.

하지만 AI 및 데이터 센터 확장에 필요한 칩 공급 부족은 여전히 큰 걸림돌로 작용하고 있습니다. 하스는 칩 제조가 영국에서 미래에 이루어질지에 대해 회의적이며, 칩 생산은 여전히 대만 기반의 TSMC에 집중되어 있습니다. 그는 칩 제조 시설(fab)을 건설하는 것은 비용이 많이 들고 전문 인력과 자원이 필요하기 때문에 영국이 자체적으로 이를 구축할 필요는 없다고 지적했습니다.

결론적으로, 의료 분야에서 AI의 잠재력은 막대하지만, 실제 발전 속도는 하드웨어 공급망의 제약에 의해 제한되고 있습니다. AI의 미래는 누가 가장 큰 컴퓨터를 구축하느냐가 아니라, 어떤 데이터를 학습시키느냐에 달려 있으며, 이는 신약 개발 시간을 단축하여 환자들에게 실질적인 이익을 제공할 수 있습니다.

샤오미 18 폴드가 중국 본토에서 출시되면서 모바일 게임 환경에 큰 변화를 가져올 새로운 기술이 등장했습니다. 이 스마트폰은 자체 개발 칩인 Xring O3에 Arm Mali G2-Ultra NX 그래픽 프로세서를 탑재했는데, 이는 Arm이 5년간의 개발 끝에 GPU 내에 인공지능 기반 게임 그래픽 가속기(AI gaming graphics accelerator)를 통합했다는 점에서 주목받고 있습니다.

이러한 발전은 엔비디아의 전략을 따라 모바일 기기에 PC와 유사한 기술을 적용하여 게임을 더 빠르고 높은 해상도로 구동할 수 있게 합니다. 이를 통해 고급 조명 기술과 함께 전력 소모를 늘리지 않고도 고사양 게임을 구동하는 것이 가능해집니다.

결과적으로 Arm 기반 폰은 기존 모바일 기기에서 볼 수 없었던 그래픽 성능을 제공하게 되며, 이는 모바일 게임 개발 및 플레이 방식에 혁신을 가져올 것으로 기대됩니다. 이는 모바일 게임 그래픽 처리의 한계를 극복하고 새로운 차원의 몰입감을 제공할 잠재력을 가지고 있습니다.

Arm Mali G2-Ultra NX GPU는 AI 기반 그래픽을 통해 모바일 기기에서 데스크톱급 게임플레이 경험을 제공하는 데 중점을 둔 새로운 아키텍처를 선보입니다. 이 GPU는 신경 가속기, 새로운 실행 엔진, 그리고 3세대 레이 트레이싱 유닛을 통합하여 모바일 환경의 전력 및 열 제약 내에서 높은 시각적 충실도를 달성하는 것을 목표로 합니다.

Mali G2-Ultra NX는 신경 그래픽을 위해 처음부터 설계되었으며, 신경 가속기를 셰이더 코어에 직접 통합하여 그래픽 및 컴퓨팅 작업과 병렬로 실행할 수 있게 합니다. 이를 통해 데이터 이동을 줄이고 효율성을 높이며, 신경 그래픽 워크로드가 GPU 메모리 시스템과 캐시를 공유하여 효율성을 극대화합니다.

주요 신경 기술로는 해상도를 높이는 Neural Super Sampling(NSS), 프레임 속도를 높이는 Neural Frame Rate Upscaling(NFRU), 그리고 복잡한 조명 환경에서 이미지 품질을 개선하는 Neural Super Sampling and Denoising(NSSD)이 있습니다. 특히 Neural Dawn 기술은 NFRU와 NSSD를 결합하여 네이티브 렌더링 대비 최대 4배의 성능 효율성과 외부 메모리 트래픽을 최대 70% 절감하며, Unreal Engine MegaLights와 같은 고급 기술을 모바일 기기에서 실용적으로 만듭니다.

새로운 실행 엔진은 7세대 중 가장 큰 Mali GPU 명령어 세트 아키텍처 업그레이드이며, 이는 최대 2배의 레지스터를 제공하여 복잡한 그래픽 워크로드를 더 효율적으로 처리합니다. 이러한 아키텍처 개선과 신경 가속기의 결합은 이전 세대 대비 벤치마크 성능을 최대 24% 향상시키고 비(非)AI 게임 성능을 14% 향상시키며, NFRU를 통해 최대 120 FPS의 부드러운 게임플레이를 지원합니다.