AI 데일리 다이제스트: 2026년 10월 4일 - 우주에 배치된 TPU, 삼성의 Mistral 활용 계획, Clef 의사결정 모델

cover(https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F1xmy275mq14laababglv.png)

Google의 TPU가 이제 궤도에서 작동하고, 삼성은 Mistral 모델을 자사 칩 공장에 탑재하기 위해 비용을 지불하며, Cloudflare는 에이전트 트래픽 경로 설정을 위해 자체 의사결정 모델(decision models)을 훈련했습니다. Anthropic은 배포 엔지니어를 위한 1억 달러 규모의 아카데미를 열었고, HPE는 AMD 하드웨어에 대한 12억 달러 규모의 랙 주문을 따냈으며, Airbnb는 AI가 이제 자사 코드 대부분을 작성한다고 밝혔습니다. 각 소스마다 일곱 가지 이야기가 있습니다.

Google의 Project Suncatcher, 우주에서 TPU 작동시키다

Google은 10월 1일 Vandenberg에서 SpaceX Transporter-18 라이드셰어(rideshare)를 통해 최초의 Project Suncatcher 프로토타입을 발사했습니다. 냉장고 크기의 이 위성은 Planet Labs와 협력하여 제작되었으며, Cloud TPU v6e-4 슬라이스에 해당하는 네 개의 Trillium TPU를 탑재하고 있습니다. 지상 관제소는 당일 접촉에 성공했으며, 이 우주선은 방열판이 따라잡을 때까지 15분 간격으로 짧은 Gemini 추론(inference) 작업을 수행하고 있습니다.
— Google Research · NPR

여기서 제약 조건은 전력(power)이 아니라 열(heat)입니다. 진공 상태에는 열을 외부로 빼낼 공기가 없기 때문에, 칩이 소비하는 모든 와트(watt)는 방열판 패널을 통해 빠져나가야 합니다. 이 위성은 지평선에서 해가 뜨고 질 때의 태양 동기 궤도(sun-synchronous orbit)를 따라 고도 약 550km에서 비행하며, 이곳에서는 태양광 패널이 거의 지속적인 햇빛에 노출됩니다. Google은 이 궤도의 패널 하나가 지상의 유사한 설치 시설보다 최대 8배 많은 사용 가능한 태양 에너지를 수집할 수 있다고 추정합니다.

방사선이 두 번째 관문입니다. UC Davis에서 진행된 초기 실험실 테스트에서는 67 MeV 양성자 빔을 사용했으며, 수정된 차폐재를 이용한 재실험 결과 처음 보고된 것보다 높은 메모리 오류율을 보였습니다. 그럼에도 불구하고 Google은 Trillium 실리콘이 5년 임무가 예상하는 누적 선량 이상의 하드 실패는 보여주지 않았다고 밝혀, 우주 궤도에서 장기간의 추론(inference) 실행 가능성을 유지하고 있습니다. 다음 비행은 2027년으로 계획되어 있으며, 레이저 위성 간 링크를 테스트하기 위해 목적으로 설계된 두 대의 위성을 발사할 예정입니다. 이는 단일 송수신기 쌍 사이에서 1.6 Tbps까지 성능을 입증한 지상 데모 이후의 계획입니다.

경제성이 여전히 가장 어려운 부분입니다. Joule에 실린 Google의 동료 검토 논문은 손익분기점(break-even point)을 키로그램당 200달러 미만의 발사 비용으로 제시하며, 자체 모델링에 따르면 이는 10년 동안 37만 톤의 페이로드를 운반하는 약 1,800회의 Starship 발사가 필요합니다. 장기적인 비전은 조밀한 대형 위성군(constellation)을 궤도 데이터 센터로 운영하는 것입니다. 이는 제품이라기보다는 10년 규모의 연구 베팅이지만, 첫 번째 실리콘이 이제 우주에 배치되어 데이터를 보고하고 있습니다.

🔗 NPR · Tech Times

Cloudflare, 에이전트 워크플로우를 위한 자체 의사결정 모델 훈련

Cloudflare는 Workers AI 팀이 훈련한 최초의 모델인 Clef와 Clef-flash를 10월 1일에 출시했습니다. 이들은 챗봇(chatbot)이 아니라 의사결정 모델입니다. 텍스트를 생성하는 대신, 입력 상태와 일련의 질문들을 읽고 허용된 모든 답변에 대한 확률을 반환합니다. 에이전트는 티켓 라우팅, 요청 차단 또는 인간에게 에스컬레이션과 같이 즉시 조치할 수 있는 구조화된 선택지를 얻게 됩니다.
— Cloudflare

속도 수치가 핵심입니다. Cloudflare 자체 벤치마크 테스트에서 Clef는 중앙값 지연 시간(median latency)이 209.3ms, Clef-flash는 38.8ms를 기록했으며, 이는 해당 분야의 기준을 정립하는 Typesafe AI의 의사결정 모델인 Jev가 기록한 524.1ms와 비교됩니다. 10개의 의사결정 벤치마크 중 Clef 모델이 7개를 선도했지만, Jev는 When2Call을 포함하여 여전히 2개에서 더 높은 점수를 받았습니다. Clef는 frozen Qwen3.8-27B를 기반으로 하고, Clef-flash는 Qwen3.5-9B를 기반으로 합니다. 두 모델 모두 토큰 단위로 디코딩하는 대신 허용된 모든 답변을 병렬로 평가하며, Jev의 API와도 호환되어 기존 호출자는 재작성 없이 전환할 수 있습니다.

가중치(Weights)는 Hugging Face에서 Apache 2.0 하에 공개되었으며, 두 모델 모두 Cloudflare 네트워크 전반에 걸쳐 Workers AI에 호스팅됩니다. 컨텍스트 창은 64k이며 비전 인코더도 있어 스크린샷과 페이지 분류도 가능합니다. Cloudflare는 또한 RL(강화학습) 파인튜닝 서비스도 공개했습니다. 고객 트래픽이 AI Gateway를 통해 학습 데이터셋으로 흐르고, Containers가 RL 샌드박스를 제공하며, 미세 조정된 모델은 Workers AI에 재배포됩니다. 자체 위협 인텔리전스 팀은 이미 Clef를 사용하여 웹사이트를 분류함으로써 일반 모델의 경우 4.7초 걸리던 분류 단계를 2.2초로 단축했습니다.

에이전트 빌더에게 주는 시사점은 아키텍처적인 측면입니다. 루틴한 라우팅 결정(Routine routing decisions)은 범용 LLM에서 벗어나 요청 경로에 배치되는 작고 빠르며 보정된 분류기(calibrated classifiers)로 이동하고 있으며, 최첨단 모델(frontier model)은 추론이 필요한 단계에만 예약됩니다.

🔗 Cloudflare Blog

삼성, Mistral의 모델을 칩 사업에 적용하기 위해 비용 지불

삼성전자와 Mistral AI는 칩 설계 및 제조를 위한 맞춤형 AI 모델 구축을 목표로 전략적 파트너십을 발표했습니다. 이 계획은 칩 설계, 공정 최적화, 엔지니어링 워크플로우 전반을 다루며, 삼성 자체 인프라에서 실행되도록 조정된 모델들을 포함합니다. 팹(fab)의 경우 온프레미스 배포가 중요합니다. 설계 데이터와 공정 매개변수는 반도체 제조업체가 소유한 가장 민감한 자산이기 때문입니다.
— Mistral AI · 한국경제신문

이 거래는 삼성의 Mistral에 대한 선도 투자(Series D)를 따른 것으로, 이는 유럽 기술 기업이 완료한 역대 최대 규모의 지분 투자 라운드이며, 사후 시장 가치(post-money valuation)는 210억 유로를 초과합니다. EQT's Scaleup Europe Fund와 PSG Equity가 공동 주도했으며 Advent, BlackRock, 그리고 룩셈부르크 대공국이 참여하고 ASML, NVIDIA, a16z가 재투자했습니다. 연속된 두 라운드 동안 가장 큰 투자금은 반도체 회사로부터 나왔습니다. 작년에는 ASML이, 올해는 삼성이 주도한 것입니다.

이 전략적 논리는 양방향으로 작동합니다. 삼성은 데이터가 외부로 나가지 않고 팹(fab) 내부에서 배포할 수 있는 주권적인 오픈 웨이트 AI 파트너를 확보하는 동시에, 자체 설계 및 제조 데이터를 기반으로 모델을 조정할 방법을 얻습니다. Mistral은 유럽 자체 데이터 센터 구축을 목표로 컴퓨팅 자본과 플래그십 산업 고객을 확보합니다. 현재 Mistral은 에어버스(Airbus), ASML, HSBC 등 125개 이상의 기업에 서비스를 제공하며 20개국에서 운영되고 있으며, CFO는 연말까지 약 10억 달러의 연간 반복 매출(annual recurring revenue)을 예상했습니다. 주권 AI(Sovereign AI)는 정책 논의 단계에서 조달 항목으로 이동했으며, Mistral은 현재 이를 위한 완전한 오픈 스택(open stack)을 판매하는 유일한 기업입니다.

🔗 Mistral AI · Korea Herald

Anthropic, 배포 엔지니어 1만 명 양성을 위해 1억 달러 투자

Anthropic은 1억 달러 규모의 자금 지원을 받아 Claude Frontier Academy를 개설했으며, 목표는 2027년 말까지 1만 명의 Frontier Deployed Engineers를 배출하는 것입니다. 액센츄어(Accenture), 베인(Bain), 카프제미니(Capgemini), 오스트레일리아 커먼웰스 은행(Commonwealth Bank of Australia), 딜로이트(Deloitte), 맥킨지(McKinsey), 모건 스탠리(Morgan Stanley), 노보 노디스크(Novo Nordisk) 등의 엔지니어들이 첫 번째 코호트(cohort)에 속해 있으며, 이 프로그램은 이미 샌프란시스코, 뉴욕, 런던에서 진행되고 있습니다. 참여는 공개 모집이 아닌 추천을 통해서만 이루어집니다.
— Anthropic · CNBC

첫 번째 프로그램인 Frontier Deployed Engineer Residency는 의료 훈련 모델을 복사합니다. 엔지니어들은 Anthropic 엔지니어가 가르치는 다일간의 대면 과정을 거쳐, 사용 사례 선택부터 보안 검토 및 인수인계에 이르는 시뮬레이션된 기업 배포를 진행하고, 평가가 포함된 실습으로 마무리합니다. 수료자는 Resident Engineer 배지를 받고, 자체 조직에서 실제 Claude 프로젝트를 주도하는 12주간의 레지던시로 이동하며, 2027년 초에 예상되는 완전한 Frontier Deployed Engineer 자격증을 받기 전에 두 번째 평가를 거칩니다.

이 기저에 깔린 베팅은 AI 가치가 실제로 어디에서 포착되느냐에 관한 것입니다. Anthropic은 고객사 내부의 소수의 숙련된 인력이 AI가 제공하는 가치의 비정상적인 부분을 이끌어낸다고 주장하며, 아무도 고객사와 파트너사 내부에 그런 깊이 있는 재능을 훈련시킨 적이 없다는 점을 강조합니다. 이 프로그램은 46,000개 기업의 전문가들이 175,000개가 넘는 인증을 취득한 Claude Partner Network를 기반으로 구축됩니다. CNBC는 또한 이를 Anthropic의 예상 IPO와 비교했습니다. 로이터 통신은 이번 주에 유출된 투자설명서를 인용하여, 해당 회사가 지난해 운영 손실이 80억 달러가 넘었음에도 불구하고 거의 46억 달러의 매출을 기록했다고 보도했습니다. 배포 계층(deployment layer)을 훈련시키는 것은 자선 프로그램이 아니라 기업 프랜차이즈를 위한 제품 전략입니다.

🔗 Anthropic · CNBC

HPE, Vultr로부터 AMD Helios 랙에 대한 12억 달러 규모 첫 주문 확보

HPE는 최대 사설 클라우드 인프라 기업인 Vultr로부터 미국 데이터 센터 전반에 걸쳐 AMD Helios AI Rack 시스템을 배치하기 위한 12억 달러 규모의 주문을 받았다고 발표했습니다. 이는 HPE가 Juniper 인수를 완료한 이래로 조립해 온, AMD 컴퓨팅과 HPE 자체 스케일업 네트워킹을 결합한 플랫폼의 첫 고객 주문입니다.
— HPE · ET Telecom

각 Helios 랙은 EPYC Venice CPU와 AMD Instinct MI455X GPU 72개, Pensando Vulcano AI NIC 및 ROCm 소프트웨어를 통합하여 수조 개 매개변수(trillion-parameter) 학습과 대용량 추론에 최적화되었습니다. 흥미로운 부분은 네트워킹 계층입니다. 각 랙에는 HPE Juniper QFX5252 스케일업 이더넷 스위치 트레이 6개가 장착되어 모든 72개의 GPU를 표준 기반 이더넷을 통해 연결하며, 독점 인터커넥트 대신 UALink over Ethernet과 같은 오픈 패브릭(open fabrics)을 지원합니다. 여기에 직접 액체 냉각 및 HPE 배포 서비스가 더해져 완벽한 시스템 스택을 완성했습니다.

이 주문은 상향 조정된 전망과 함께 이루어졌습니다. HPE는 이제 자체 네트워킹 부문이 2026 회계연도부터 2029년까지 높은 한 자릿수(high-teens)의 연평균 성장률을 기록할 것으로 예상하며, 이는 이전 예측치인 5~7%에서 상향된 것입니다. 이러한 가이던스 변화는 전일장 거래에서 주가를 거의 6% 상승시켰습니다. Vultr는 올해 초 HPE를 통해 주문한 NVIDIA GB300 NVL72 시스템과 함께 두 번째 가속 아키텍처를 확보하게 되었습니다. 이 랙 규모 시장의 신호는 오픈 이더넷 스케일업 패브릭이 이제 단순한 슬라이드 데크가 아닌, 수십억 달러 규모로 실제로 출하되고 있다는 것입니다.

🔗 HPE Newsroom · ET Telecom

Dyna의 Taku 로봇, 빨래 개기 시연 1시간 진행 (편집 없음)

Dyna Robotics는 지난 9월 말에 Dyna-2.1을 출시하며, Taku라는 새로운 반인간형(semi-humanoid) 로봇과 그 로봇의 Dyna-2 월드 액션 모델(world-action model)을 기반으로 구축된 에이전틱 스택(agentic stack)을 결합했습니다. 이 데모는 편집되지 않은 1시간 분량의 상업용 세탁 워크플로우입니다. 로봇은 세탁기와 건조기에 빨래를 넣고, 수건을 개어 선반에 쌓으며, 과정 전반에 걸쳐 스스로 실수로부터 회복하는 모습을 보여줍니다. 자르거나 숨겨진 원격 조작(teleoperation)이 전혀 없습니다. — Dyna Robotics · Robot24

하드웨어 선택은 의도적입니다. Taku는 인간 크기의 상체에 7자유도(degree-of-freedom) 팔 두 개를 가지고 있으며, 낮은 선반과 높은 랙까지 닿을 수 있는 접이식 하체와 다리 대신 조향 가능한 바퀴 네 개로 구성되어 있습니다. Dyna의 주장은 이 로봇이 목표하는 워크플로우가 인간과 같은 보행 능력이 아니라 스테이션 전반에 걸친 도달 범위(reach)와 조작 정밀도(manipulation precision)를 필요로 한다는 것입니다. 비전-언어 오케스트레이터는 대략 1 Hz에서 다음 동작을 선택하고, Dyna-2 세계-액션 모델은 약 10 Hz에서 작동하며, 전신 컨트롤러는 최대 킬로헤르츠(kilohertz)로 관절과 바퀴를 구동합니다. 이 모델은 인간 및 로봇 비디오 약 백만 시간을 통해 학습되었습니다.

이번 발표에서 가장 솔직한 부분은 신뢰성 수학입니다. Dyna는 세탁 주기가 대략 79개의 하위 작업(subtasks)을 연결하는데, 따라서 단계별 성공률이 95%일 경우 완전한 사이클을 무인으로 완료할 확률은 1.7%에 불과합니다. 이것이 바로 회사가 단일 작업 성공률 대신 개입 간 평균 시간(mean time between interventions)을 최적화하는 이유이며, 한 시간의 끊김 없는 자율성이 수십 개의 완벽한 짧은 클립보다 더 중요하게 여겨지는 이유입니다. Taku는 호텔, 세탁소, 레스토랑에 배치되고 있으며, 레스토랑 체인 딘타이펑(Din Tai Fung)은 이미 이전 버전의 Dyna 로봇을 사용하여 냅킨 접기 작업을 수행하고 있습니다. 상업적 신뢰성에 대한 주장은 현재로서는 각 회사의 수치로 남아 있지만, 단일 기술보다는 전체 워크플로우를 중심으로 하는 접근 방식이 표준적인 Physical AI의 발표 방식이 되어가고 있습니다.