읽을 가치가 있는 기사만, 짧고 또렷하게.

오랜 기간 Linux를 사용해 온 한 사용자가 후원 인센티브로 Windows 11 환경을 한 달간 사용해 본 경험을 공유합니다. 이 사용자는 Windows 11을 사용하면서 설치 단계부터 다른 운영체제나 파일 시스템에 대한 고려가 거의 없었으며, 설치 후에도 여러 측면에서 반복적인 제약을 경험했습니다.

구체적으로 설치 과정, 드라이버 호환성, 절전 설정, 애플리케이션 생태계, 그리고 사용자 인터페이스의 일관성에서 지속적으로 마찰을 겪었습니다. 이러한 경험은 Linux 환경에 익숙한 사용자에게 Windows 11의 통합성과 일관성이 부족하다는 점을 명확히 보여주었습니다.

결국 이 사용자는 Windows 11 사용 경험을 마친 후 다시 Linux로 돌아가기로 결정했습니다. 이는 운영체제 간의 설치 및 생태계 통합에서 발생하는 마찰이 사용자 경험에 얼마나 큰 영향을 미치는지 시사합니다.

이 사례는 단순히 운영체제의 기능 차이를 넘어, 개발자나 숙련된 사용자가 시스템 간의 일관성과 통합성을 중요하게 여길 때 소프트웨어 생태계가 제공해야 할 최소한의 기준에 대해 생각해 볼 필요가 있음을 보여줍니다.

마이크로소프트의 2026년 지속가능성 보고서에 따르면, 회사의 탄소 배출량은 2025년에 25퍼센트 증가하여 선택적 개입을 제외하고 총 34백만 미터톤에 달했습니다. 이러한 증가는 주로 데이터센터 인프라 확장과 지난 2월에 비추적적인 재생 에너지 인증서를 구매하지 않기로 한 회사의 결정에 의해 발생했습니다.

마이크로소프트는 데이터센터 인프라 확장이 배출량 증가의 주요 원인이라고 밝혔습니다. 또한 회사는 2030년까지 탄소 네거티브를 달성하겠다는 목표를 설정했었으며, 이를 위해서는 탄소 배출량을 제거해야 하는 상황입니다.

이러한 상황은 마이크로소프트가 자체적인 기후 목표를 달성하는 데 있어 여전히 어려움을 겪고 있음을 시사합니다. 따라서 기업들이 기후 목표를 달성하기 위해 인프라 확장과 에너지 정책 결정이 환경에 미치는 영향을 면밀히 검토해야 할 필요가 있습니다.

AI 데이터센터에서 기능이 종료된 GPU들이 이차 시장으로 유입되면서, 이들을 활용하여 최신 LLM 추론에 사용될 수 있는 덤스터클러스터(DumpsterCluster)를 구성할 수 있는지 연구했습니다. 연구진은 중고 부품만을 사용하여 128개의 GPU로 구성된 덤스터클러스터를 직접 구축하고 1년간 운영한 결과를 제시했습니다.

이 클러스터는 파이프라인 병렬 최적화를 통해 V100 기반으로 LLaMA-70B 모델에 대해 경쟁력 있는 처리량을 달성하여 실질적인 생산 가능성을 입증했습니다. 경제적인 측면에서 덤스터클러스터의 현재 시장 가격은 22,000달러인 반면, 8개의 B200 GPU 시스템 가격은 600,000달러로, 상당한 경제적 이점을 제공합니다.

하지만 이러한 재활용의 환경적 및 비용적 지속 가능성은 중요한 조건에 따라 달라집니다. 구형 GPU는 토큰당 에너지 소비량이 훨씬 높기 때문에, 총 소유 비용은 전기 요금이 저렴한 지역에서만 유리합니다. 또한, 그리드 평균 탄소 집약도를 기준으로 볼 때, 중고 시스템은 현재 세대 하드웨어에 비해 8B 모델의 경우 토큰당 약 4배, 70B 모델의 경우 40배 더 많은 총 탄소 배출량을 발생시킵니다.

따라서 GPU의 후속 활용은 저탄소 에너지원과 유리한 에너지 경제성을 갖춘 지역에서 전략적으로 결합되어야 합니다. 이러한 조건이 충족될 때, 중고 GPU는 AI 용량을 확장하고 비용 효율성, 에너지 안보, 환경적 책임을 동시에 발전시키는 실행 가능한 경로를 제공합니다.

인공지능의 미래 가치는 인간에게 있으며, 이는 인간의 지식, 의지, 판단에 의해 형성되어야 한다는 것이 핵심 주장입니다. Thinking Machines Lab은 인공지능이 인간의 의지와 판단을 확장하도록 구축하는 것을 목표로 하며, 이를 위해 AI의 목표 설정과 정렬(alignment) 과정에 인간의 참여가 필수적이라고 강조합니다.

현재 사용되는 대부분의 AI는 특정 환경에서 훈련된 후 고정되어 있으며, 인간이 함께 하는 작업에서 얻는 지식이나 판단을 충분히 반영하지 못하고 있습니다. 따라서 인간의 의지와 판단을 AI에 확장하기 위해서는 AI가 사람들과 마찬가지로 다양하고 분산되어야 한다는 방향을 추구하고 있습니다.

이러한 목표를 달성하기 위해 연구팀은 여러 기술적 방향을 추구하고 있습니다. 여기에는 멀티모달 상호작용 및 사용자 정의(customizability) 능력을 발전시키는 강력한 모델 훈련, 모델 가중치를 훈련할 수 있는 도구 개발, 그리고 인간과 기계 간의 소통 채널을 넓혀 개인적인 판단이 AI의 작업에 지속적으로 영향을 미치도록 하는 인터페이스 개발 등이 포함됩니다.

궁극적으로 AI는 사람들이 수행하는 작업에서 발생하는 암묵적이고 지역적인 지식을 포착하고 발전시켜야 하며, 이는 중앙 집중식 지능이 아닌 분산된 지식의 집합을 통해 달성될 수 있습니다. AI 정렬은 단일 모델이 아닌, 서로 경쟁하고 학습하는 다양한 AI들이 참여하는 생태계가 되어야 하며, 이는 기술적 도전이자 인간의 선택에 달려 있습니다.

sx 2.0이 출시되어 팀원들과 AI 기술 스킬을 공유하는 새로운 방법을 제공합니다. 이 도구는 Git이나 터미널 없이도 Mac, Windows, Linux 환경에서 작동하는 네이티브 앱으로, 개발자가 구축한 AI 스킬과 설정(skills, rules, MCP configs)을 팀 전체가 쉽게 접근하고 배포할 수 있도록 합니다. 기존에는 이러한 지식이 개인 기기에 갇혀 있어 공유가 어려웠는데, sx 2.0은 Dropbox와 같은 공유 폴더를 백엔드로 사용하여 팀이 이미 사용하고 있는 공유 폴더를 스킬 배포의 기반으로 삼습니다.

사용자는 앱을 통해 Dropbox, Google Drive 등 공유 폴더에 스킬을 넣으면 팀원들이 동일한 폴더에서 해당 스킬을 즉시 볼 수 있습니다. 특히 2.0 버전에서는 자산이 디스크에 평문 마크다운으로 저장되고 버전 기록이 별도로 관리되어 Obsidian과 같은 도구에서 쉽게 열람할 수 있는 vault 형식 v2를 도입했습니다. 또한 앱은 공유 폴더의 파일 동기화 외에 백그라운드에서 AI 클라이언트(Claude Code, Copilot 등)의 형식에 맞춰 모든 자산을 자동으로 변환하고 설치하는 번역 레이어를 제공하여, 공유된 마크다운 파일만으로는 불가능했던 실제 적용을 가능하게 합니다.

추가된 기능으로는 팀의 특정 문제에 맞춘 확장 시스템과 마켓플레이스가 포함되어 있습니다. 컬렉션 도구, 리뷰 로타, 컬렉션 내보내기 등의 확장 기능을 통해 팀의 스킬 사용 현황을 점검하고, 중복 스킬을 관리하며, 특정 AI 플러그인으로 내보내는 기능을 제공합니다. 이러한 확장 기능들은 팀의 건강 상태를 점수화하거나 사용 현황을 보여주는 위젯을 포함하며, 확장 기능 업데이트는 스킬과 동일한 파이프라인을 거쳐 검토되도록 설계되었습니다.

sx 2.0은 AI 지식의 분배 문제를 해결하고, 개발자가 아닌 마케팅이나 법무팀과 같은 비기술 직군도 AI 스킬을 공유할 수 있도록 접근성을 높이는 데 중점을 둡니다. 이 새로운 접근 방식은 다음 세대의 스킬 작성자들이 개발자가 아닐 것이라는 가정하에, 공유 폴더와 동기화 버튼 하나만으로 모든 것을 해결하려는 시도입니다. 다만, 실제 Dropbox 지연 시간 환경에서 이 공유 폴더 기반 설정이 얼마나 안정적으로 작동하는지에 대해서는 추가적인 검증이 필요합니다.

M3 Mac Studio Ultra에서 대규모 언어 모델을 로컬로 구동하는 환경에서, 긴 컨텍스트 기반의 에이전트 코딩 작업에 최적화하기 위해 모델을 Qwen 3.5 122B로 전환하고 서빙 스택의 세 가지 버그를 수정하는 과정이 필요했습니다. 이는 단순히 모델을 바꾸는 것을 넘어, 모델이 장시간 대화와 코드를 처리할 때 발생하는 지연 시간 문제를 해결하여 실질적인 사용성을 확보하는 데 중점을 두었습니다.

이전 모델인 DS4 Flash는 장문 컨텍스트의 프리필(prefill) 과정에서 첫 토큰이 나타나기까지 수 분이 걸리는 심각한 지연 시간을 보였기 때문에, 작업 흐름을 원활하게 하기 위해 더 나은 하드웨어 및 모델 적합성을 찾았습니다. Qwen 3.5 122B는 M3 Ultra의 메모리 대역폭에 적합하며, 122B 모델이 가지는 활성 파라미터 크기는 GPU가 계산 유닛을 막힘없이 공급할 수 있는 최적의 지점을 제공하여 속도와 안정성을 동시에 확보했습니다.

모델 전환 후에는 시스템 프롬프트의 타임스탬프 문제, 응답이 발생하지 않는 문제, 그리고 체크포인트 저장소의 오염이라는 세 가지 버그를 해결해야 했습니다. 이 버그들은 하이브리드 어텐션 아키텍처와 메모리 누수 문제에서 비롯되었으며, 이를 해결하기 위해 디스크 기반 KV 캐시 복원 시스템을 통합한 qMLX라는 포크 프로젝트를 개발했습니다.

qMLX는 하이브리드 어텐션에 특화되어 있으며 디스크 KV 체크포인트 및 복원 기능을 포함하고 있어, Mac 환경에서 대규모 모델을 구동할 때 발생하는 캐시 및 메모리 문제를 해결하는 데 실질적인 솔루션을 제공합니다. 이 결과로 Qwen 3.5 122B 모델은 일상적인 장문 컨텍스트 페어 프로그래밍에 충분히 빠르고 안정적인 성능을 제공하게 되었습니다.

FCC는 반대 여론에도 불구하고 우주 거울을 테스트하여 밤하늘을 밝히는 것에 대한 허가를 내렸습니다. 이는 기후 및 우주 관련 프로젝트에 대한 규제 기관의 결정 과정에서 발생한 논란을 보여줍니다.

이 결정은 우주 공간 활용과 관련된 기술적 실험이 공공의 이익에 미치는 영향에 대한 광범위한 논쟁을 촉발했습니다. 일부에서는 이러한 실험이 환경에 미치는 잠재적 영향과 우주 환경 보호에 대한 우려를 표명하며 반발했습니다.

해당 허가는 기술 개발과 환경 규제 사이의 균형을 맞추는 데 있어 규제 당국의 입장을 명확히 보여줍니다. 개발자나 관련 분야 종사자들은 이러한 정책 결정이 향후 우주 기술 및 환경 관련 프로젝트의 규제 프레임워크에 어떤 영향을 미칠지 주목해야 합니다.

OpenAI의 임원인 피지 시모(Fidji Simo)가 전임 직책에서 사임했습니다. 이는 그녀의 병가 기간이 예상보다 길어져 발생한 일이며, 현재 OpenAI 내에 리더십 공백이 생겼다는 점이 주목됩니다.

이러한 리더십 공백은 회사가 상장(IPO)을 추진하고 엔터프라이즈 시장에서 Anthropic과 경쟁하는 중요한 시점에 발생하여 회사 운영에 복잡한 상황을 야기하고 있습니다.

OpenAI가 IPO를 준비하고 경쟁사와의 시장 경쟁을 심화하는 상황에서 핵심 임원의 부재는 회사의 전략적 방향과 운영에 영향을 미칠 수 있습니다. 따라서 향후 OpenAI의 경영 및 시장 전략 변화에 대한 관심이 높아질 것으로 보입니다.

OpenAI의 피지 시모(Fidji Simo)가 질병으로 인해 AGI 최고 책임자 직책에서 전임직을 내려놓고 '시간제 자문역'으로 전환한다고 발표했습니다. 이는 시모가 최근 몇 주간 의료 휴가를 사용했던 신경면역 질환 관련 발표에 이은 소식입니다.

이러한 변화는 OpenAI의 리더십 구조에 영향을 미치며, 시모의 역할 변화는 AGI 연구 방향에 어떤 영향을 미칠지 주목됩니다. 또한 시모가 직책을 내려놓는 시점과 맞물려 OpenAI의 다른 주요 임원들도 건강상의 이유로 직책을 변경했습니다.

COO인 브래드 라이트캡(Brad Lightcap) 역시 '특별 프로젝트'에 집중하기 위해 직책을 내려놓았으며, CMO인 케이트 루시(Kate Rouch)도 건강을 돌보기 위해 직책을 변경했습니다. 루시는 향후 더 좁은 범위의 역할로 복귀할 계획입니다.

OpenAI의 AGI 배포 책임자였던 피지 시모가 직책에서 물러납니다. 이는 시모가 상당한 의료 휴가를 사용한 후에 이루어진 조치입니다.

그녀는 OpenAI에서 파트타임 자문위원으로 계속 활동할 예정입니다. 이 결정은 시모가 건강을 회복하는 기간을 고려하여 내린 것입니다.

이번 변화는 OpenAI의 AGI 배포 전략에 어떤 영향을 미칠지 주목됩니다. 시모는 여전히 OpenAI의 중요한 자문 역할로서 기여를 이어갈 것입니다.

넷플릭스가 항상 켜져 있는 채널을 추가하는 방안을 고려하고 있다고 월스트리트저널이 보도했습니다. 이는 플루토 TV나 튜브와 같은 서비스와 유사한 형태로 특정 쇼와 영화를 스트리밍하는 방식이며, 이러한 서비스의 주요 매력은 광고 시청을 통해 무료로 이용할 수 있다는 점입니다. 넷플릭스는 광고 기반 요금제가 인기를 얻고 있지만, 최근 가격 인상 이후 월 8.99달러를 지불해야 합니다.

또한 넷플릭스는 애플 TV나 프라임 비디오와 같이 다른 스트리밍 서비스들을 포함하는 번들 상품을 판매하는 것 또한 검토하고 있습니다. 이러한 번들 서비스는 경쟁사들이 이미 제공하고 있는 형태입니다.

이러한 움직임은 넷플릭스가 시청자 유지율을 높이고 새로운 수익 모델을 창출하기 위해 서비스 구조를 확장하려는 전략의 일환으로 해석될 수 있습니다. 이는 광고 기반 서비스의 성공을 바탕으로 사용자 경험을 개선하고 구독 모델을 다각화하려는 시도로 보입니다.

호모 플로레시엔시스, 즉 호빗으로 알려진 이 인류의 친척들이 어떻게 진화했는지에 대한 새로운 연구 결과가 제시되었습니다. 약 6만 년 전, 이들은 플로레스 섬에서 코모도 드래곤, 피그미 코끼리, 거대 쥐와 함께 살았습니다.

이전에는 동굴 퇴적물에서 인류와 피그미 코끼리 뼈가 함께 발견된 것을 바탕으로 호빗들이 왜소한 코끼리를 사냥하고 도살했을 것이라는 가설이 있었습니다. 이는 당시 매우 놀라운 업적으로 여겨졌습니다.

하지만 튜빙겐 대학교의 고고학자 엘리자베스 베치와 동료들의 연구에 따르면, 실제 사냥꾼은 코모도 드래곤이었으며 호빗들은 남은 사체를 섭취하는 방식으로 생존했을 가능성이 높습니다.

이러한 발견은 호모 플로레시엔시스에 대한 기존의 가정과 아프리카를 넘어 세계로 진출한 최초의 인류 종에 대한 이해에 도전할 수 있습니다.

OpenAI가 GPT-5.6을 포함한 새로운 모델 패밀리를 출시하며 엔터프라이즈 작업, 코딩, 과학 연구 분야에서 강력한 성능과 효율성을 제공한다고 발표했습니다. 이 새로운 모델은 Sol(작업마차), Terra(중간 옵션), Luna(예산 친화적 옵션) 세 가지 변형으로 제공되며, 이전 버전에 비해 훨씬 효율적이고 비용 절감 효과가 크다는 점이 강조되었습니다.

특히 Sol 모델은 AI 코딩 작업에서 기존 모델보다 54% 더 토큰 효율적이며, 보안 모델로서의 성능도 크게 향상되어 위협 모델링, 코드 검토 및 패치, 블루 팀링과 같은 방어 활동을 지원합니다. 이는 모델이 보안 측면에서 이전보다 훨씬 강력한 성능을 달성했음을 의미하며, 잠재적인 오용에 대한 우려가 있던 사이버 보안 분야에서 주목받고 있습니다.

OpenAI는 코딩 성능을 벤치마킹 지표인 Artificial Analysis Coding Agent Index를 통해 Anthropic의 Fable 5 모델을 능가한다고 주장하며 경쟁사 대비 우위를 강조했습니다. 구체적으로 Sol 모델은 Fable 5보다 80, 2.8 포인트 앞서 나가면서도 출력 토큰은 절반 이하, 소요 시간은 절반 이하, 비용은 약 3분의 1로 달성했다고 밝혔습니다.

모델별 토큰당 가격은 Sol이 입력당 5달러/출력당 30달러, Terra가 입력당 2.50달러/출력당 15달러, Luna가 입력당 1달러/출력당 6달러로 책정되어 개발자들이 다양한 요구사항에 맞춰 선택할 수 있도록 제공됩니다.

미국의 구급차 이용 비용이 비싼 근본적인 이유는 긴급 의료 서비스의 경제 구조가 제대로 작동하지 않기 때문입니다. 2026년 7월, 한 환자가 응급 상황에서 구급차를 이용한 후 예상치 못한 고액의 청구서를 받는 '깜짝 청구(surprise bill)'를 경험했는데, 이는 보험 네트워크 밖의 서비스 제공업체로부터 비용이 청구되어 환자가 부담하게 되는 상황을 보여줍니다.

이러한 문제는 구급차 서비스의 비용 구조와 관련이 깊습니다. 환자는 치료를 받으면서 자신이 알지 못하는 외부 제공업체로부터 비용을 청구받게 되며, 보험사는 네트워크 밖 서비스에 대해 지급을 거부하거나 일부만 보상하여 환자가 최종적으로 상당한 금액을 부담하게 됩니다. 이는 미국에서 구급차 청구 방식의 일반적인 운영 방식이며, 특히 보험이 적용되지 않는 사람들에게 더욱 불리하게 작용합니다.

이러한 비효율성은 1965년 메디케어에서 구급차 이동을 의료 절차처럼 보상하도록 결정한 법적 구조에서 비롯됩니다. 이로 인해 구급차 서비스는 이동 자체보다 대기 상태(standing ready)에 대한 비용이 훨씬 큰 비중을 차지하게 되었으며, 이는 구급차 제공업체가 택시 회사와 같은 옵션 판매자처럼 운영되도록 강제합니다.

2020년 의회는 깜짝 청구 금지법(No Surprises Act)을 통과시켜 대부분의 응급 치료에 대한 깜짝 청구를 금지했지만, 지상 구급차 서비스는 산업의 지급 불능을 막기 위해 예외로 남았습니다. 결국 구급차 서비스의 효율적인 자금 조달 방식은 대기 상태에 대한 비용을 모든 이용자가 프리미엄 형태로 지불하는 것입니다. 이는 영국이나 일본처럼 세금으로 직접 지원하거나 멤버십을 판매하는 방식과 같은 다른 나라의 경제 논리와는 큰 차이를 보입니다.

AI 에이전트 스타트업인 Lyzr가 자체 AI 에이전트를 활용하여 1억 달러 규모의 펀드레이징을 성공적으로 진행했다는 소식입니다. 이 스타트업은 기업을 위한 AI 에이전트 구축을 돕는 시스템을 개발했으며, 이 과정에서 자체 AI 에이전트인 SivaClaw가 130명 이상의 투자자 질문에 답변하고 투자 메모를 작성하며 투자 라운드를 이끌었습니다.

Lyzr는 이 과정을 통해 5억 달러의 기업 가치로 시리즈 B 라운드를 성공적으로 마무리했습니다. 특히 주목할 점은 창업자가 직접 이동하지 않고도 펀드레이징을 진행했다는 것입니다. Lyzr는 실리콘 밸리, 중동, 금융 부문의 투자자들로부터 4억 달러의 자금을 유치했으며, 이는 AI 관련 자본이 몰리는 상황에서 스타트업 창업자가 전통적인 방식의 네트워킹에 쏟는 노력을 최소화할 수 있음을 보여줍니다.

이는 AI 에이전트 기술이 단순한 제품을 넘어 실제 비즈니스 운영과 자금 조달 과정에서도 핵심적인 역할을 할 수 있음을 입증합니다. AI 에이전트가 복잡한 업무를 처리함으로써 창업자는 핵심 제품 개발에 더 집중할 수 있는 환경을 제공하며, 이는 향후 AI 기반 스타트업의 성장 방식에 중요한 변화를 가져올 수 있습니다.

OpenAI는 챗지피티(ChatGPT)에 기반한 AI 브라우저인 Atlas를 서비스 종료하기로 결정했습니다. 하지만 AI가 웹 브라우징을 돕는다는 아이디어 자체는 포기하지 않고, 에이전트 브라우징 기능을 챗지피티 데스크톱 앱과 구글 크롬 확장 프로그램으로 재분배하는 방향으로 전략을 수정했습니다.

이러한 변화는 AI가 브라우저를 최종 목적지가 아닌 기능으로 보는 관점에서 비롯되었습니다. OpenAI는 Atlas의 브라우저 기능을 사용자들이 이미 작업하는 환경으로 통합하여 크롬과 같은 기존 플랫폼에 기능을 녹여내고자 합니다.

구체적으로 OpenAI는 크롬용 챗지피티 확장 프로그램을 출시하여 사용자가 보고 있는 페이지의 컨텍스트에 접근하고, 웹페이지에 대해 질문하거나 내용을 요약하고 더 긴 작업을 시작할 수 있게 합니다. 이는 구글 제미나이 사이드 패널과 경쟁하는 기능입니다.

또한 챗지피티 데스크톱 앱도 웹사이트 탐색, 계정 로그인, 파일 다운로드, 웹페이지 상호작용을 가능하게 하는 더욱 강력한 브라우저 기능을 제공합니다. 이와 별도로 OpenAI 서버에서 실행되는 클라우드 브라우저를 통해 앱의 에이전트가 사용자 대신 작업을 완료할 수 있게 되면서 챗지피티는 크롬, 데스크톱 앱, AI 에이전트가 통합된 연속적인 작업 공간으로 발전하고 있습니다.

일론 머스크가 Anthropic에 대해 긍정적인 평가를 내리며 회사를 '끊지 않겠다'고 약속했습니다. 이는 Anthropic이 SpaceX의 주요 고객으로서 보유한 막대한 컴퓨팅 인프라와 관련된 복잡한 이해관계를 반영합니다. Anthropic은 xAI의 Colossus 1 데이터 센터에서 300메가와트의 컴퓨팅 자원을 구매하는 계약을 체결했으며, 이는 SpaceX의 xAI 부문에 약 400억 달러의 수익을 의미합니다.

이러한 파트너십은 Anthropic이 2029년 5월까지 매달 12억 5천만 달러를 지불하는 계약을 포함하며, Anthropic의 컴퓨팅 호스팅이 SpaceX에게 회사의 운영 방식에 대한 더 큰 가시성을 제공할 수 있습니다. 머스크는 경쟁사를 압박하지 않는 자신의 방식을 언급하며 이러한 파트너십에 대한 자신의 입장을 밝혔습니다.

다만, 머스크가 인프라를 갑자기 중단할 경우 계약상의 결과가 발생할 수 있으며, SpaceX 입장에서는 Anthropic의 성장에 맞춰 엔지니어들이 Anthropic을 지원하는 방법을 배울 수 있다는 추가적인 이점이 있습니다. 또한, 머스크는 AI 모델의 기술 증류(distilling) 과정에 대해 언급하며 경쟁사 모델 학습에 대한 논의도 시사했습니다.

미시간주에서 설사 기생충의 폭발적인 발병 사례가 계속 증가하여 7월 9일 기준으로 총 1,251건의 사례가 보고되었습니다. 이 중 44건이 입원 조치되었으며, 이 기생충은 음식과 물을 통해 확산되는 것으로 알려져 공중 보건 당국의 조사가 시급하게 진행되고 있습니다.

발병은 6월 22일에 보고된 두 건에서 시작되어 7월 초에 급격히 증가했으며, 특히 7월 8일에는 239건이 보고되어 그날의 일일 최고 기록을 달성했습니다. 현재 발병의 중심지는 미시간주의 남동쪽 구석으로 파악되었으며, 여러 관할 구역의 보건 당국이 기생충의 원인을 추적하기 위해 사례 조사와 인터뷰를 진행하고 있습니다.

인접한 오하이오주에서도 사례가 빠르게 증가하여 500건 이상의 사례가 보고되었다고 보도되어 지역적 확산 가능성이 제기되고 있습니다. 따라서 미시간주와 오하이오주를 포함한 지역에서 기생충의 발생 원인과 확산 경로를 파악하는 것이 중요합니다.

인공지능 산업이 인프라 지출을 정당화하기 위해 3조 달러의 수익을 벌어야 한다는 계산이 나왔습니다. 이는 2026년 AI 인프라 지출이 1조 5천억 달러에 달하며, 이 모든 칩과 데이터 센터 지출을 상쇄하려면 산업 전체가 3조 달러의 수익을 창출해야 한다는 분석입니다.

이러한 추정치는 메모리 비용 상승과 특수 칩 사용 증가로 인해 하향 조정될 가능성이 있으며, 건설 비용과 병목 현상으로 인해 GW당 자본 지출에 필요한 수익 요구 사항이 급격히 증가하고 있습니다. 엔비디아의 GPU 매출을 기준으로 계산된 초기 추정치에서 출발하여 현재의 하이퍼스케일링 상황을 반영한 수치로, AI 생태계의 재정적 현실에 대한 심각한 질문을 던집니다.

한편, OpenAI와 Anthropic 같은 주요 기업들이 상당한 ARR을 기록하고 있지만, 하이퍼스케일러들(Google, Meta, Microsoft, Amazon)이 2028년에 현금 흐름이 크게 가속화될 것으로 예측하는 상황에서 시장의 반응이 중요합니다. 만약 이들이 현금 흐름 목표를 달성하지 못한다면, 이는 경기 침체와 S&P 500의 조정으로 이어질 수 있다는 우려가 제기됩니다.

또한, 비용 효율성을 추구하는 과정에서 더 저렴한 오픈 웨이트 모델이나 중국 기반 모델로 전환하는 움직임이 나타나고 있으며, 이는 사용자들의 토큰 사용량 증가와 관련하여 기업들이 토큰 공장 구축에 미치는 영향을 고려해야 합니다.

OpenAI는 사이버 보안 연구원 및 방어자들이 최첨단 AI 모델에 대한 접근을 안전하게 유지할 수 있도록, Trusted Access for Cyber(TAC) 회원들에게 하드웨어 기반 패스키(passkeys) 사용을 의무화했습니다. 이 조치는 2026년 9월 1일부터 적용되며, ChatGPT 계정에 로그인하기 위해 고급 계정 보안(Advanced Account Security)을 하드웨어 기반 패스키를 통해 활성화해야 합니다.

이는 소프트웨어 기반 통제나 기존의 다단계 인증(MFA)이 쉽게 우회되거나 가로채질 수 있다는 인식에서 비롯되었으며, 진정한 보안은 복사나 동기화가 불가능한 자격 증명에 기반한 피싱 방지 하드웨어 기반 신뢰의 근원(root of trust)을 구축해야 한다는 입장입니다. 이러한 하드웨어 기반 패스키 도입은 공격자가 계정을 대규모로 악용하는 데 드는 비용과 난이도를 크게 높여 범죄 생태계를 교란하는 효과가 있습니다.

OpenAI는 이 보안 강화를 위해 YubiKey와 같은 보안 키를 활용하여 약한 대체 방법을 비활성화함으로써 더 높은 수준의 보안 환경을 제공합니다. 이는 OpenAI가 자체 인프라와 직원들을 보호하기 위해 사용하는 보안 자세를 회원들이 재현할 수 있도록 합니다.

이러한 변화는 디지털 신원 및 인증 분야에서 FIDO2/WebAuthn/passkeys와 같은 표준 채택의 지속적인 글로벌 노력을 반영하며, 구글 플레이 서비스가 NFC 지원 FIDO2 보안 키를 추가하여 이러한 인증 과정이 더욱 원활해지고 있습니다.