엔비디아 고객들에게 AI 관련 가격이 15% 이상 인상될 예정임을 알렸습니다 ↗
엔비디아의 주요 고객사 중 일부는 자사의 AI 칩이 탑재된 서버 가격이 15% 이상 인상될 수 있다는 경고를 받은 것으로 알려졌습니다 . 원인은 메모리 칩 가격의 급등이며, 이는 이제 AI 인프라 비용에 직접적인 영향을 미치고 있습니다.
이번 가격 인상은 Vera Rubin 및 Grace Blackwell 하드웨어를 사용하는 시스템에 영향을 미칠 것으로 예상됩니다. 따라서 다소 예상치 못한 방향으로 흘러가고 있지만, AI 경쟁은 더 이상 단순히 GPU 확보에만 국한되지 않고 메모리 가격 책정 또한 서버 랙에서 상당히 큰 변수로 떠오르고 있습니다.
엔비디아가 중국 AI에 대한 강력한 미국 대안을 구축하기 위해 60억 달러를 투자하고 있다 ↗
엔비디아가 60억 달러 규모 의 계약을 체결한 것으로 알려졌는데, 여기에는 기술 라이선스와 인재 확보가 포함되며, 이를 통해 매우 강력한 개방형 모델을 구축하는 것을 목표로 하고 있다.
이로써 엔비디아는 독특한 위치에 놓이게 되었습니다. 오픈AI나 앤스로픽 같은 기업에 하드웨어를 공급하는 엔비디아는 이제 모델 개발 분야에서도 이들과 경쟁할 수 있게 되었으며, 딥시크나 키미 같은 중국의 오픈 소스 모델 개발 업체들과도 맞서야 하는 상황에 놓였습니다. 공급업체, 파트너, 경쟁업체… 참으로 흥미로운 삼각관계입니다.
Inherent는 자사의 AI '협력자'가 연구 재현에서 Anthropic과 OpenAI를 능가했다고 밝혔습니다 ↗
딥마인드 출신 연구원들이 설립한 런던 스타트업 인히어런트는 발표된 과학 논문의 결과를 독립적으로 재현하도록 설계된 AI 에이전트인 패러데이를 공개했습니다
놀라운 점은 Inherent사가 비교적 작은 270억 개의 매개변수를 가진 Qwen 모델에서 Faraday가 Anthropic과 OpenAI의 훨씬 더 큰 규모의 프론티어 모델 기반 시스템보다 우수한 성능을 보였다고 밝힌 것입니다. 회사 측은 단순히 매개변수를 늘리는 방식이 아니라 에이전트 설계와 강화 학습을 통해 이러한 결과를 얻었다고 설명했는데, 이는 최근 Inherent사에서 자주 언급되는 주제입니다.
OpenAI는 캘리포니아 주가 인공지능 안전 법안을 강화해야 한다고 밝혔습니다 ↗
OpenAI는 현재 캘리포니아 주에 SB 53 법안에 더욱 강력한 보호 조치를 추가, 여기에는 최첨단 모델의 훈련 및 평가 과정 모니터링과 개발 프로세스 전반에 걸친 사이버 보안 강화가 포함됩니다.
여기에는 약간의 반전이 있습니다. 오픈AI는 이전에는 해당 법안에 반대했지만, 이제는 최근 발생한 AI 안전 사고들을 근거로 더 강력한 보호 조치가 필요하다고 주장하며, 주 차원의 규정이 궁극적으로 국가 표준의 기반이 될 수 있다고 말합니다.
프론티어 AI 랩은 여전히 폭주하는 모델을 어떻게 제어할지에 대해 밝히지 않고 있습니다 ↗
가이드라이트 AI 스탠다드의 평가에 따르면, 주요 AI 기업들은 강력한 모델이 인간의 통제를 회피하려 할 경우 어떻게 대응할지에 대해 놀랍도록 적은 정보만을 공개한 것으로 나타났습니다.
조사 대상 5개 연구소 중 OpenAI가 가장 높은 점수를 받았지만, 이 연구소조차도 향후 유사 사고에 대비한 공식적인 대응 계획을 공개적으로 문서화하지 않은 것으로 알려졌습니다. Anthropic과 Meta는 정보 공개 측면에서 특히 낮은 점수를 받았는데, 두 회사는 공개 문서가 반드시 모든 내부 안전 장치를 드러내는 것은 아니라고 주장합니다.
기본적으로 AI 연구소들은 위험한 기능을 테스트하기 위한 점점 더 상세한 계획을 세우고 있지만, "모델이 이미 오작동하고 있다"는 상황에 대비한 비상 매뉴얼은 여전히 부실해 보입니다.
하버드 대학교의 699달러짜리 스타트업 부트캠프는 강사들의 AI 아바타를 제공합니다 ↗
하버드 경영대학원은 8주 동안 진행되는 699달러짜리 창업가 양성 프로그램인 파운드리(Foundry)에서 헤이젠(HeyGen)이 생성한 AI 강사 아바타를 활용하고 있습니다
학생들은 여전히 실제 강사와 실시간 수업을 받지만, 모의 프레젠테이션과 이사회 회의 중에는 아바타가 개인 맞춤형 피드백을 제공합니다. 한 강사는 자신의 디지털 복제본이 약간 섬뜩하게 느껴진다고 인정했지만, 학생들은 오히려 그것을 좋아하는 것 같습니다.
AI 에이전트를 활용하여 성공을 거두는 기업들은 에이전트가 단독으로 수행할 수 있는 작업의 범위를 제한하고 있습니다 ↗
기업용 AI 에이전트 경쟁이 기존의 통념을 뒤집기 시작했습니다. 바로 자율성이 높을수록 무조건 좋다는 것은 아니라는 점입니다. 생산성이 향상된 기업들은 에이전트의 책임 범위를 좁히고 운영 경계를 명확히 하는 추세입니다.
더 큰 문제는 거버넌스, 통합 비용, 그리고 실질적인 비즈니스 가치 입증에 있는 것으로 보입니다. 다시 말해, 성공적인 AI 직원은 자율적인 천재라기보다는 매우 빠른 속도를 가진, 엄격한 권한을 가진 동료처럼 보일 가능성이 더 큽니다.
자주 묻는 질문
엔비디아 AI 서버 가격이 상승할 것으로 예상되는 이유는 무엇입니까?
엔비디아 고객들은 일부 AI 서버 가격이 15% 이상 인상될 수 있다는 경고를 받은 것으로 알려졌습니다. 주요 원인은 메모리 칩 가격 상승으로, 베라 루빈(Vera Rubin)이나 그레이스 블랙웰(Grace Blackwell)과 같은 하드웨어를 기반으로 구축된 시스템의 전체 가격을 끌어올리고 있습니다. 이는 메모리 가격이 AI 인프라 투자에서 점점 더 중요한 요소가 되고 있음을 시사합니다.
엔비디아의 60억 달러 규모 Poolside AI 인수 계약은 무엇에 관한 것인가요?
엔비디아가 AI 스타트업 풀사이드(Poolside)에 기술 라이선스와 인재 지원을 포함해 60억 달러를 투자할 계획이라고 합니다. 이번 투자의 목표는 미국에서 강력한 오픈웨이트 AI 모델을 구축하는 데 도움을 주는 것입니다. 엔비디아는 이미 주요 AI 개발업체에 컴퓨팅 하드웨어를 공급하고 있는 만큼, 이번 투자를 통해 AI 모델 개발 분야에서도 경쟁할 수 있는 유리한 위치를 확보할 수 있을 것으로 예상됩니다.
Inherent의 Faraday AI 에이전트는 어떻게 더 큰 AI 모델보다 뛰어난 성능을 보였을까요?
인히런트(Inherent)는 자사의 패러데이(Faraday) AI 에이전트가 대규모 최첨단 모델을 기반으로 구축된 시스템보다 발표된 과학 연구 결과를 재현하는 데 더 뛰어난 성능을 보였다고 밝혔습니다. 패러데이는 270억 개의 매개변수를 가진 Qwen 모델을 사용하며, 인히런트는 이러한 성능 향상의 비결로 에이전트 설계와 강화 학습을 꼽았습니다. 이 결과는 워크플로우 설계와 훈련 방법이 모델 크기를 키우는 것만큼이나 중요할 수 있음을 시사합니다.
OpenAI는 왜 캘리포니아 주가 AI 안전 법안을 강화하기를 바라는 걸까요?
오픈아이디어(OpenAI)는 캘리포니아 주 SB 53 법안에 더욱 강력한 보호 조치를 요구하고 있으며, 여기에는 최첨단 모델의 학습 및 평가 과정에 대한 철저한 모니터링과 향상된 사이버 보안 대책이 포함됩니다. 이는 이전에 해당 법안에 반대했던 입장과는 달라진 것입니다. 오픈아이디어는 최근 발생한 AI 안전 사고들을 고려할 때 더욱 강력한 안전장치가 필요하며, 주 차원의 규정이 향후 국가적 차원의 안전장치 마련에 도움이 될 수 있다고 주장합니다.
인공지능 연구소들은 오작동하거나 제대로 작동하지 않는 모델에 대비하기 위해 어떤 노력을 기울이고 있을까요?
주요 AI 기업들은 위험한 기능을 테스트하는 방법에 대한 자세한 정보를 공개하고 있지만, 모델이 위험한 행동을 보이기 시작했을 때 이를 차단하는 방법에 대한 공개 문서는 여전히 부족합니다. 가이드라이트 AI 스탠다드(Guidelight AI Standards)의 평가에 따르면 주요 연구소 전반에 걸쳐 상당한 격차가 있는 것으로 나타났습니다. 오픈AI가 조사 대상 중 가장 높은 점수를 받았지만, 이 회사조차도 향후 발생할 수 있는 악성 모델 사고에 대비한 공식적인 차단 계획을 공개적으로 문서화하지 않은 것으로 알려졌습니다.
기업들이 실제 운영 환경에서 AI 에이전트의 자율성을 줄이는 이유는 무엇일까요?
AI 에이전트를 통해 더 나은 성과를 거두는 기업들은 점차 AI 시스템의 자율적인 기능을 제한하고 있습니다. 일반적인 운영 방식은 에이전트에 더 좁은 책임 범위, 명확한 권한, 그리고 잘 정의된 운영 경계를 부여하는 것입니다. 이를 통해 관리, 통합 및 감독이 용이해지고, 제어 및 평가가 어려운 고도의 자율 시스템과 관련된 위험을 줄일 수 있습니다.