읽을 가치가 있는 기사만, 짧고 또렷하게.

어머니에게 생각 없는 선물을 해서는 안 되며, 그 반대도 마찬가지라는 내용입니다. WIRED 기사 작가들이 어머니에게 선물할 만한 멋진 선물들을 소개합니다.

이 기사는 2026년을 기준으로 어머니에게 줄 수 있는 실용적이고 흥미로운 선물 아이디어를 제시하고 있습니다. 구체적으로 전자책 리더기(E-Readers), 디지털 벽 달력(Digital Wall Calendar), 그리고 스마트 새 먹이통(Smart Bird Feeders)과 같은 디지털 기기 및 스마트 홈 관련 제품들이 추천되고 있습니다.

이러한 선물들은 단순한 물건을 넘어 실용성과 기술적인 재미를 동시에 제공한다는 점에서 주목할 만합니다. 특히 E-Reader나 스마트 기기들은 어머니의 일상에 편리함을 더하고 새로운 경험을 제공할 수 있습니다.

따라서 독자들은 어머니께 실용적이면서도 기술적인 흥미를 줄 수 있는 선물을 고려해 볼 수 있습니다. 이 추천 목록은 어머니의 취향과 라이프스타일에 맞는 선물을 찾는 데 도움이 될 것입니다.

문서 기반 AI 웜이 Copilot for Word를 통해 스스로 전파될 수 있다는 취약점이 공개되었습니다. 공격자는 외부 문서에 악의적인 지침을 숨겨, 이 문서를 Copilot의 소스 자료로 사용할 경우 Copilot이 문서를 수정하고 해당 지침을 새로운 문서에 복사하여 공격을 전파할 수 있습니다.

이러한 공격은 단일 상호작용에서의 프롬프트 주입 공격(XPIA)을 넘어 신뢰할 수 있는 문서 워크플로우 전체로 확산되는 것을 보여줍니다. 예를 들어, 한 문서에 숨겨진 지침이 Copilot이 Word 문서를 편집할 때 이를 반영하고, 그 결과물이 다른 문서의 매개체가 되어 공격이 계속 이어질 수 있습니다.

이러한 현상은 이전의 AI 웜 사례와는 달리, 일반적인 상업용 생산성 스위트 내의 정상적인 워크플로우를 통해 문서 기반 AI 웜이 자가 복제될 수 있음을 입증했다는 점에서 중요합니다. 공격이 원본 악성 문서 없이도 다른 문서로 전파될 수 있어 피해 범위가 넓습니다.

사용자는 이러한 위험을 줄이기 위해 외부에서 가져온 문서를 Copilot 사용 시 신뢰하지 않아야 하며, Copilot이 생성하거나 편집한 문서를 공유하거나 재사용하기 전에 반드시 검토해야 합니다. 현재까지는 이 취약점에 대한 광범위한 완화책이 제공되지 않았으므로, 사용자는 문서 보안에 더욱 주의를 기울여야 합니다.

LLM 혁명의 한 가지 주목할 만한 발전은 음성 인식 및 받아쓰기 기술 전반에서 이루어진 놀라운 도약입니다. 가장 빠르고 저렴한 모델들조차도 이제 음성을 이해하고 처리하는 능력이 매우 향상되었습니다.

저자는 WisprFlow, Monologue, Spokenly, Handy 등 다양한 애플리케이션을 테스트하며 이러한 기술들이 이메일이나 슬랙 메시지 작성과 같은 작업을 빠르게 수행하는 데 유용함을 확인했습니다. 이러한 도구들은 사용자가 음성으로 입력한 내용을 텍스트로 변환하는 데 실질적인 도움을 줍니다.

다만 이러한 서비스들은 때때로 너무 격식 있는 형식으로 포맷을 지정하거나 문장 끝에 마침표를 찍는 등 부자연스러운 결과물을 내놓기도 합니다. 하지만 이러한 기술들은 지속적으로 발전하고 있으며, 사용자 경험을 개선하기 위해 계속해서 발전하고 있습니다.

2026년형 애플 워치 중 어떤 모델을 선택해야 할지 비교 분석을 제공합니다. 이번 기사는 새로운 시리즈 11, SE 3, 그리고 울트라 3 모델 중 사용자에게 가장 적합한 버전을 결정하는 데 도움을 줄 것입니다.

사용자는 고성능과 기능의 균형, 가격, 그리고 사용 목적에 따라 세 모델 중 하나를 선택해야 합니다. 특히 시리즈 11의 프리미엄 기능과 SE 3의 가성비, 그리고 울트라 3의 극한의 내구성과 기능 차이를 면밀히 비교할 필요가 있습니다.

이 글은 각 모델의 장단점과 실제 사용 경험을 바탕으로 어떤 모델을 선택하고 어떤 모델을 피해야 하는지에 대한 구체적인 가이드를 제시합니다. 독자는 자신의 예산과 요구 사항에 맞춰 최적의 애플 워치 버전을 선택할 수 있습니다.

하이커, 배낭여행자, 아웃도어 활동가에게 줄 선물에 대한 새로운 접근법을 제안합니다. 등산화와 같은 필수 장비 대신 실용적인 도구나 기록 도구를 선물하는 것이 더 좋은 선택이 될 수 있다는 내용입니다.

출처는 아웃도어 활동을 즐기는 친구에게 선물을 할 때 신발을 직접 고르게 하는 것이 좋으며, 대신 유용한 칼이나 자연 일기장 같은 물건을 선물하여 기쁨을 주는 것을 권장합니다. 이는 단순히 고가의 장비를 제공하는 것보다 실용성과 경험을 중시하는 트렌드를 반영합니다.

이러한 조언은 아웃도어 활동가들이 실제 필요로 하는 물건을 선물함으로써 더욱 의미 있는 선물을 할 수 있다는 점을 강조합니다. 따라서 실용적인 도구나 자연 관찰 기록 도구는 아웃도어 취미를 가진 사람들에게 특별한 선물이 될 수 있습니다.

두 명의 스타트업이 현대 생활에서 가장 싫어하는 소리 중 하나를 해결했다는 내용입니다. 이 기사는 특정 소리 문제 해결에 초점을 맞추고 있습니다.

기사 내용에 따르면, 이 스타트업은 반복되는 소리인 'Beeeep'과 같은 소리를 해결하는 데 성공했습니다. 이는 일상생활에서 흔히 접하는 소음이나 불편함을 기술적으로 개선하는 사례를 다루고 있습니다.

구체적으로 어떤 소리가 해결되었는지에 대한 기술적인 설명은 생략되어 있으나, 이 소리 해결 과정이 어떻게 이루어졌는지에 대한 배경을 제공합니다. 독자들은 이 스타트업이 어떤 방식으로 소음을 처리했는지에 대한 추가적인 맥락을 찾아볼 수 있습니다.

Kimi Linear는 다양한 시나리오에서 전체 어텐션(full attention)보다 우수한 성능을 보이는 하이브리드 선형 어텐션 아키텍처를 제안합니다. 이 연구는 짧은 컨텍스트, 긴 컨텍스트, 강화 학습(RL) 스케일링 체제 등 여러 환경에서 전체 어텐션보다 뛰어난 결과를 보였습니다.

이 아키텍처의 핵심은 Gated DeltaNet을 확장하고 더 세밀한 게이팅 메커니즘을 도입한 표현력 있는 선형 어텐션 모듈인 Kimi Delta Attention(KDA)에 있습니다. KDA는 제한된 유한 상태 RNN 메모리를 더 효과적으로 활용할 수 있게 하며, 대각-랭크(Diagonal-Plus-Low-Rank, DPLR) 전환 행렬의 특수한 변형을 사용하여 일반적인 DPLR 공식보다 계산량을 크게 줄여 하드웨어 효율성을 높입니다.

실험 결과, Kimi Linear 모델은 동일한 훈련 레시피를 사용했을 때 전체 MLA(Multi-Head Latent Attention)보다 모든 평가 작업에서 상당한 우위를 보였습니다. 특히, 이 방법은 KV 캐시 사용량을 최대 75%까지 줄이고 1M 컨텍스트에서 최대 6배의 디코딩 처리량(throughput)을 달성했습니다.

연구팀은 Kimi Linear가 더 나은 성능과 효율성을 제공하는 전체 어텐션 아키텍처의 대체재가 될 수 있음을 입증했습니다. 또한, 연구에 대한 추가적인 발전을 위해 KDA 커널과 vLLM 구현체, 그리고 사전 훈련 및 명령어 튜닝된 모델 체크포인트를 공개했습니다.

GitHub에 공개된 Usenet Archive Toolkit은 유세넷 메시지들을 검색 가능한 아카이브로 처리하는 도구 모음입니다. 이 프로젝트는 기존의 유세넷 데이터가 불완전하고 검색하기 어렵다는 문제의식에서 출발하여 메시지들을 체계적으로 보관하고 접근할 수 있도록 돕는 것을 목표로 합니다.

이 도구는 사용자가 이미 존재하는 아카이브 파일을 읽거나, 사용 가능한 소스에서 새로운 아카이브 파일을 생성할 수 있는 두 가지 주요 사용 패턴을 제공합니다. 특히 tbrowser 유틸리티를 사용하여 기존 아카이브 파일을 읽는 것이 가장 기본적인 사용 방법이며, 다양한 유틸리티를 활용하여 메시지들을 정리하고 보관하는 워크플로우를 지원합니다.

프로젝트의 핵심은 복잡한 데이터 처리 파이프라인을 구축하는 데 있습니다. zstd, LZ4 등의 압축 및 정리 도구들을 활용하여 메시지 데이터를 처리하고, 최종적으로 galaxy-util과 같은 도구를 통해 아카이브를 관리하며 검색 기능을 구현합니다.

이러한 작업 흐름은 데이터 아카이브의 보존과 검색을 용이하게 하며, 유세넷과 같은 레거시 데이터의 접근성을 높이는 데 기여합니다. 이 프로젝트는 GNU Affero General Public License에 따라 자유 소프트웨어로 배포되고 있습니다.

2023년 뉴욕 타임스(The Times)는 저작권 침해를 이유로 OpenAI와 마이크로소프트에 소송을 제기했습니다. 이 소송은 인공지능 기술과 저작권 문제에 대한 중요한 법적 논쟁을 촉발시켰습니다.

이 사건을 위해 양측은 이미 2천만 달러 이상의 비용을 지출했으며, 소송이 진행되는 동안 저작권과 AI 생성 콘텐츠의 소유권에 대한 논의가 심화되었습니다.

특히 소송의 주체인 발행인 A.G. 술저버는 현재 이 법적 다툼을 중단할 계획이 없다고 밝혀, AI 기술과 미디어 산업의 미래에 대한 법적 선례가 어떻게 형성될지 주목하게 만듭니다.

DMARC는 2012년에 공개된 이메일 인증 DNS 레코드로, 수신 서버가 도메인에서 발송된 이메일의 인증 실패 시 보고, 격리 또는 거부할 수 있도록 지시합니다. 하지만 이메일 도메인 중 68.4%가 아직 DMARC 정책을 시행하지 않고 있어, 단순한 레코드 공개를 넘어 실제 정책 시행으로 나아가는 데 큰 격차가 존재합니다.

분석 결과, 전체 확인된 도메인 중 45.1%는 DMARC 레코드가 전혀 없으며, 나머지 도메인들 중 23.3%는 p=none 정책을 사용하여 인증 데이터를 수집만 하고 메시지를 차단하지 않습니다. 가장 큰 그룹인 42.5%의 도메인이 p=none 상태로 남아 있는데, 이는 정책 시행으로 넘어가기 전 모니터링 단계에 머무르는 관성 때문입니다.

실제 정책 시행(p=quarantine 또는 p=reject)을 위해서는 보고서에 나타난 수많은 발신자 중 누가 실제로 이메일을 보내는지 식별해야 하는 복잡한 연구 작업이 필요합니다. 이 과정은 단순히 설정 변경이 아니라 IP 주소와 발신자 문자열을 분석하여 각 발신자를 식별하는 작업이 되므로, 관리자에게는 실질적인 장벽으로 작용합니다.

이러한 격차를 해소하기 위해 SenderLedger와 같은 도구들이 익명 IP 및 메일박스 문자열을 이름 있는 발신자 엔티티로 그룹화하여 DMARC 보고서의 데이터를 분석하고 있습니다. 이는 관리자가 정책 시행을 결정하는 데 필요한 정보를 제공하며, 보안 환경에서 모니터링에서 강력한 시행으로 전환하는 데 중요한 맥락을 제공합니다.

Anthropic과 OpenAI의 직원들이 회사들이 상장된 후 관대한 기부를 할 것으로 예상됩니다. 한 비영리단체 리더는 이러한 상황이 "거친 여정"이 될 것이라고 언급했습니다.

이는 인공지능 분야의 거대 기업들이 상장 이후 사회적 책임에 대한 기여를 확대할 것이라는 점을 시사합니다. 특히 Anthropic과 OpenAI의 직원들이 보유한 자본과 영향력이 사회적 활동으로 이어질 가능성이 주목됩니다.

이러한 움직임은 기술 기업의 성공이 단순한 경제적 성과를 넘어 사회적 기여로 확장될 수 있음을 보여줍니다. 비영리단체들은 이러한 대규모 자선 활동에 대비하여 새로운 기회와 자원을 확보할 준비를 하고 있습니다.

구글의 Beyond Zero: AI 시대의 엔터프라이즈 보안에 대한 논문입니다. 이 글은 인공지능 시대에 기업 보안이 어떻게 변화해야 하는지에 대한 내용을 다루고 있습니다.

해당 논문은 AI 시대에 요구되는 새로운 엔터프라이즈 보안 패러다임을 제시하며, 기존의 보안 접근 방식이 AI 환경에서 직면하는 새로운 위협에 어떻게 대응해야 하는지를 설명합니다. 구체적으로 AI 기술의 발전이 보안 환경에 미치는 영향을 분석하고, 이에 따른 기업들이 취해야 할 전략적 조치들을 제시합니다.

이 연구는 AI 기술의 급속한 발전으로 인해 발생하는 보안 취약점과 새로운 위협 요소를 식별하고, 이를 관리하기 위한 프레임워크와 해결책을 탐구하는 데 중점을 둡니다. 따라서 AI 기반 시스템을 운영하는 기업들이 데이터 보호와 시스템 무결성을 확보하기 위해 어떤 보안 전략을 수립해야 하는지에 대한 실질적인 통찰을 제공합니다.

마이크로서비스가 정확히 무엇인지에 대한 논의는 소프트웨어 아키텍처에 대해 이야기할 때 필수적입니다. 많은 사람들이 마이크로서비스를 '좋은 아키텍처'와 '과도한 엔지니어링' 사이에서 혼재된 예시로 인식하지만, 실제로 마이크로서비스를 정의하는 기술적 특징은 모호합니다.

마이크로서비스의 진정한 가치는 기술적 추상화가 아니라 조직적 경계를 반영하는 데 있습니다. 모놀리식 구조에서 배포 속도나 테스트 시간 같은 기술적 병목 현상을 해결할 수 있음에도 불구하고 조직이 마이크로서비스로 전환하는 이유는 엔지니어들이 독립적으로 일하고 소유권을 가지며 다른 팀과 지속적으로 조정할 필요 없이 자체 일정에 따라 배포할 수 있도록 하기 위함입니다.

분산 시스템을 채택하면 자율성은 얻지만 중앙 집중화는 잃게 되며, 이는 새로운 비용을 수반합니다. 함수 간의 통신은 네트워크를 통한 통신이 되며, API 변경은 협상과 버전 관리를 필요로 합니다. 또한 지연 시간, 부분적 실패, 일관성 문제 등 분산 시스템의 복잡성이 애플리케이션의 일부가 됩니다.

따라서 마이크로서비스는 환경에 따라 훌륭한 선택이지만, 기술적 문제보다는 조직적 확장성이 주요 문제일 때 가장 적절한 해답이 됩니다. 마이크로서비스를 마법 같은 기술 도구로 여기는 대신, 이는 기술적 결과를 동반하는 조직적 도구라는 점을 이해하는 것이 중요합니다.

실시간 음성 잡음 제거를 위한 C 라이브러리인 faster-enhancer.c가 온디바이스 환경에서 안정적으로 작동하도록 최적화된 내용이 공개되었습니다. 이 라이브러리는 FastEnhancer-Medium(48 kHz 스트리밍 음성 향상 모델)의 런타임을 순수 C로 다시 구현하여 효율성을 극대화한 것이 핵심입니다.

개발자는 이 라이브러리를 통해 상당한 성능 향상을 달성했습니다. Apple M2 코어에서는 실시간 팩터가 0.069로 측정되었으며, 이는 동일한 그래프를 ONNX Runtime으로 실행했을 때의 0.230 대비 약 3.3배의 성능을 보였습니다. 또한 Galaxy S23+에서는 0.096의 실시간 팩터를 기록했습니다. 품질 저하는 거의 없으며 VoiceBank-DEMAND 824개 발화에서 fp32 모델 대비 PESQ는 -0.006에 그쳐 음성 구분이 불가능한 수준이 아니라는 점도 확인되었습니다.

이러한 성능 향상은 단일 기법이 아닌 여러 층에 걸친 복합적인 최적화 덕분입니다. 활성값 범위를 매 프레임 다시 계산하는 양자화 기법, Winograd F(2,3)를 적용한 합성곱 최적화, GRU를 커널 하나로 융합하는 재귀 기법 등이 적용되었습니다. 특히 메모리 사용을 줄이기 위해 cross-stage 상태를 fp16으로 보관하고, ISA별로 int8 GEMM 커널 6종을 직접 작성하여 메모리 왕복을 최소화했습니다.

실시간 안정성 측면에서도 높은 신뢰도를 보였습니다. 37초 벤치마크 외에 실제 오디오 콜백 주기로 30분 연속 테스트를 진행한 결과, M2 환경에서 프레임 예산 내에 머무르는 p99 값은 0.56으로 안정적인 실시간 구동이 가능함을 입증했습니다.

macOS Tahoe 26.6의 보안 내용에 대한 기사 링크가 제공되었으나, 실제 기사 내용은 포함되어 있지 않습니다. 따라서 해당 버전의 보안 업데이트에 대한 구체적인 정보나 변경 사항을 제공할 수 없습니다.

제공된 자료는 애플 지원 페이지 링크와 관련 커뮤니티 댓글 링크로 구성되어 있으며, 보안 관련 상세 내용은 포함하고 있지 않습니다. 개발자에게 필요한 구체적인 기술 정보나 변경 사항을 확인하기 위해서는 해당 링크를 직접 방문해야 합니다.

따라서 현재로서는 macOS Tahoe 26.6의 보안 정책이나 기술적 세부 사항에 대해 어떠한 사실도 제공할 수 없습니다. 관련 정보를 확인하려면 공식 지원 페이지를 참조하시기 바랍니다.

다이슨의 새로운 스틱 진공청소기는 강력하지만 가격대가 높은 제품으로 평가받고 있습니다. 이 제품은 진공과 물걸레 기능을 하나의 무선 장치로 통합한 것이 특징입니다.

다이슨 V16 피스톤 앤이멀 서브마린 모델은 기존의 청소 기기에서 제공하기 어려웠던 두 가지 기능을 단일 기기로 해결하고자 합니다. 사용자는 이 기기를 통해 바닥을 청소하고 물걸레질까지 한 번에 할 수 있습니다.

하지만 이러한 다기능 통합은 높은 가격으로 이어지기 때문에 구매를 고려하는 소비자들은 성능과 가격 사이의 균형을 신중하게 판단해야 합니다. 이 제품은 강력한 성능을 제공하지만, 프리미엄 가격을 지불해야 하는 점을 염두에 두어야 합니다.

Hugging Face에서 호스팅되는 AI 모델들이 비동의 딥페이크를 만드는 데 사용되고 있으며, 이 플랫폼이 이를 방지하는 데 거의 기여하지 못하고 있다는 새로운 보고서가 발표되었습니다. 유럽 비영리 단체인 AI Forensics는 Hugging Face에 게시된 상위 아홉 개의 이미지 편집 모델 중 일곱 개가 단순한 프롬프트에 따라 여성들을 옷을 벗기는 요청에 기꺼이 응했다는 사실을 발견했습니다.

대부분의 주류 생성형 AI 모델들, 예를 들어 Google의 Gemini나 OpenAI의 ChatGPT는 사람들을 노출시키거나 성적으로 대상화하는 프롬프트를 차단하는 안전장치를 갖추고 있습니다. 하지만 AI Forensics의 조사 결과에 따르면 Hugging Face에 있는 모델들은 이러한 안전장치가 적용되지 않아 악용될 여지가 매우 높습니다.

이는 오픈 소스 AI 모델 저장소가 안전 기준을 확보하는 데 있어 심각한 격차를 보이고 있음을 시사합니다. 개발자들은 Hugging Face 플랫폼을 통해 배포되는 모델의 안전성과 윤리적 사용에 대해 더 깊이 검토해야 할 필요가 있습니다.

모델 컨텍스트 프로토콜(MCP) 명세가 상태 없는(stateless) 프로토콜 코어를 도입하며 버전 2026-07-28로 발표되었습니다. 이는 기존의 양방향 상태 기반 프로토콜에서 요청/응답 기반의 상태 없는 프로토콜로 MCP를 전환하여 서버의 확장성과 안정성을 크게 향상시킵니다.

이번 개정의 핵심은 핸드셰이크나 세션 없이 모든 요청이 독립적으로 전달되며, 요청에는 클라이언트의 신원과 기능을 포함하는 메타데이터가 포함된다는 점입니다. 또한, 서버 간 통신을 위해 멀티 라운드 트립 요청(MRTR)이 도입되어 지속적으로 열려 있는 스트림 없이도 사용자 입력이나 샘플링 결과를 주고받을 수 있게 되었습니다.

추가로 헤더 기반 라우팅과 캐시 가능한 목록 결과를 통해 게이트웨이가 헤더 정보를 이용해 요청을 라우팅하고, 클라이언트가 도구 카탈로그를 캐시하여 재연결 시에도 안정성을 유지할 수 있도록 개선되었습니다. 이러한 변화는 MCP 서버의 확장성을 높이고 에이전트 워크플로우를 위한 데이터 및 상호작용 기저를 강화하는 데 기여합니다.

개발자들을 위해 TypeScript, Python, Go, C# SDK가 업데이트되었으며, 인증 강화 및 확장 프레임워크에 대한 공식적인 접근 방식이 마련되어 대규모 환경에서 MCP를 구축하는 데 필요한 기반이 마련되었습니다.

Kimi K3 아키텍처는 작년 출시된 Kimi Linear 모델을 확장하여 48B에서 2.8T 규모로 확장한 버전이며 현재 가장 큰 오픈 웨이트 모델 중 하나입니다. 이 모델의 주요 변화는 LatentMoE라는 새로운 구성 요소가 추가되었다는 점입니다. LatentMoE는 멀티헤드 잠재 어텐션과 유사하게 대규모 선형 레이어를 압축하는 아이디어를 기반으로 하며, 이는 Nemotron 3 Ultra에서 사용된 것과 동일한 방식입니다.

Kimi K3의 전반적인 추세는 추론 효율성을 개선하는 방향으로 나아가고 있습니다. 이는 MoE에서 LatentMoE로, 일반 어텐션에서 멀티헤드 잠재 어텐션 및 Kimi Delta Attention으로 변화하는 방식으로 나타납니다. 또한 어텐션 잔차(attention residuals)는 레이어 간 잔차를 연결하여 잔차 경로를 개선하며, 이는 훈련 비용을 약 4%, 추론 비용을 약 2% 절감하면서 검증 손실과 다운스트림 성능을 개선하는 효과를 가져왔습니다.

흥미로운 점은 Kimi K3가 RoPE 레이어를 모두 제거하고 대신 NoPE(No Positional Embeddings)를 전역적으로 사용한다는 것입니다. 이는 최근 아키텍처 트렌드에서 로컬 어텐션 레이어에 RoPE를, 글로벌 레이어에 NoPE를 적용하는 경향과 달리, NoPE를 모든 곳에 적용하는 프론티어 수준의 변화입니다. Kimi K3는 이러한 효율성 개선과 멀티모달 지원을 통해 전체적으로 매우 훌륭한 모델 출시를 보여주고 있습니다.

바이두와 리프트가 런던에서 로보택시 테스트를 시작하며 유럽의 자율주행차 시장 경쟁이 본격화되고 있습니다. 중국의 기술 대기업 바이두는 리프트가 2025년에 인수한 모빌리티 네트워크인 프리노우(Freenow)와 파트너십을 맺고 자사의 자율주행 차량인 아폴로 고(Apollo Go) RT6 로보택시를 영국 주요 시장에 배포하기 위한 테스트를 진행하고 있습니다.

이 테스트는 상업적 로보택시 배포에 앞서 자율주행 기술을 영국에서 시험하는 일련의 움직임 중 하나이며, 런던은 이 경쟁의 주요 전장이 되고 있습니다. 웨이모(Waymo)와 우버(Uber) 역시 런던에서 로보택시 서비스를 출시할 계획을 밝히며 경쟁 구도를 심화시키고 있습니다.

현재 테스트 차량들은 런던 브렌트 지역 내에서 운영되고 있으며, 리프트와 프리노우는 교통부(TfL) 및 자율주행차 관련 센터(CCAV)를 포함한 안전 및 도시 당국과 지속적으로 논의 중입니다. 이들은 2027년에 대중이 로보택시를 호출할 수 있도록 서비스를 출시할 계획이지만, 이는 규제 승인에 달려 있습니다.

또한, 리프트와 프리노우는 서비스가 시작될 경우 인간 운전자가 로보택시와 함께 운행하는 하이브리드 네트워크를 운영할 것이라고 밝혔습니다. 이는 자율주행 기술이 런던의 전문 운전자들을 지원하는 동시에 교통 흐름을 유지하는 데 중점을 둔다는 입장입니다.