Anthropic은 8월 4일, 2026년 1월 설립되어 3억 달러를 조달(기업 가치 24억 달러)한 Volta Infra Holdings와 6년간 총액 100억 달러 규모의 연산력 계약을 체결했다고 밝혔다 (Bloomberg 보도). Volta는 자체 데이터 센터를 보유하고 있지 않다. 제공되는 용량은 비트코인 채굴업자에서 AI 인프라로 방향을 전환한 Bitdeer 자회사와의 16년 코로케이션 (Colocation) 계약에 기반한 노르웨이 Tydal 캠퍼스로, 약 133MW 규모의 NVIDIA Vera Rubin 구성이다. 제1단계는 2026년 말, 제2단계는 2027년 3월 가동을 목표로 한다. Bitdeer 측의 공개에 따르면 기본 계약 금액은 약 47억 달러이며, 8년 연장 옵션을 포함하면 24년간 최대 80억 달러에 달한다.

흥미로운 점은 하드웨어가 아니라 자금 구조다. JPMorgan 계열이 어레인지한 약 13억 달러의 스탠바이 신용장 (Standby Letter of Credit)이 Volta의 Bitdeer에 대한 지급 의무를 보증한다. 이는 Google이 TPU 리스 보증을 통해 수행하는 '신용의 분리'와 동일한 메커니즘으로, 신용력이 있는 중간자가 테넌트 (Tenant)와 사업자 사이에 섬으로써 사업자의 차입 비용을 낮춘다. Volta의 창업자는 Brookfield 출신의 인프라 전문가다. 요컨대 '연산을 유틸리티로서 판매하는 것' — 전력 계약과 같은 감각으로 용량을 예약하고, 자본 스택 (Capital Stack)은 이쪽에서 구성하는 비즈니스다.

비판의 지점은 '순환 금융 (Circular Finance)'일 것이다. NVIDIA는 Volta의 주주인 동시에 칩 공급자이기 때문이다. 한편, 벤더 파이낸싱 (Vendor Finance)은 항공기나 통신 장비 분야에서 예전부터 존재해 온 수법이며, Anthropic이 Google, Amazon, SpaceX, AMD, 그리고 (소문에 따르면 2년간 100억 달러 규모인) Meta와 병행하여 계약을 쌓아가는 이유는 자사의 최대 제약 사항이 '전력과 냉각 시설을 갖춘 가속기 (Accelerator)'이기 때문이다. 수요가 실재한다는 것과 구조가 리스크를 집중시킨다는 것은 동시에 사실일 수 있다. 신용장이 실제로 어떻게 작동하는지 확인하기 전까지는 천재적인 전략인지, 아니면 카드 하우스 (Card House)인지 단정 지을 수 없다.

— Bloomberg · Bitdeer

🔗 Bloomberg via Yahoo Finance — Anthropic signs $10B computing deal with Volta · TechTimes — $10B Norway deal analysis

NVIDIA는 8월 4일, 자율주행용 오픈 추론 모델인 Alpamayo 2 Super의 상용 이용을 시작했다. 34B 파라미터의 시각-언어-행동 (Vision-Language-Action) 모델로, 최대 7개의 카메라를 통한 360도 인식을 담당하는 32B 규모의 Cosmos 3 Super Reasoner와, 추론을 궤적으로 변환하는 2B 규모의 확산 (Diffusion) 기반 Action Expert를 조합하여 강화학습 (RL)으로 사후 학습되었다. 출력은 5가지 계통이 연동된다: 계획 궤적, 의사결정 이유를 설명하는 인과관계 체인 (Chain-of-causation) 트레이스, 메타 액션 (양보, 차선 변경, 정지), 2D 그라운딩 (Grounding)이 포함된 시각적 QA, 추론 오토 라벨링 (Auto-labeling).

주목해야 할 점은 벤치마크 표가 아니라 라이선스다. Alpamayo 2 Super는 Linux Foundation의 관대한 오픈 모델 라이선스인 OpenMDW-1.1로 제공되어 미세 조정 (Fine-tuning), 파생 모델 생성, 상업적 재배포가 가능하다. 기존 버전은 연구 용도로 한정되었으나, 이제 제품군 전체가 상업적 이용이 가능해졌으며, 증류 (Distillation) 모델은 추가 허가 없이 배포할 수 있다. Alpamayo는 Hugging Face에서 누적 50만 다운로드를 돌파했다.

상업적으로 흥미로운 부분은 오토 라벨링이다. 실제 차량 함대 (Fleet)의 영상으로부터 인과관계 체인 라벨과 그라운딩이 포함된 VQA를 생성하여, 어노테이션 (Annotation) 주기를 수개월에서 수일로 압축할 수 있다고 한다. 젠슨 황 CEO는 로보택시, 트럭, 배송 밴, 농업용 트랙터를 타겟으로 소개했다. 발표된 수치는 minADE 0.911m, LingoQA 79.2, 클로즈드 루프 (Closed-loop) AlpaSim 1.50으로 강력하지만, 자사 플릿 데이터로 구동 가능한 오픈 웨이트 (Open-weight) + 라벨링 파이프라인이야말로 자율주행 (AV) 기업의 예산 규모를 바꿀 수 있는 핵심 요소다.

— NVIDIA

🔗 NVIDIA Blog — Alpamayo 2 Super now available · NVIDIA Technical Blog — Generate Trajectories, Reasoning Traces, and Auto-Labels

Liquid AI는 이번 주 온디바이스 에이전트(On-device Agent)를 위한 오픈 웨이트(Open-weight) 2.6B 모델인 LFM2.5-2.6B를 공개했다. 128K 컨텍스트(Context)를 지원하며, 도구 사용(Tool use)에 특화된 에이전트적 강화학습 (Agentic RL) 사후 학습(Post-training)을 거쳤다. 핵심적인 수치는 Apple M5 Max에서 초당 220토큰, Ryzen AI Max+ 395에서 113토큰, 스마트폰에서도 실용적인 수준인 30토큰/s를 기록했다. H100 1장으로는 초당 약 15,000개의 출력 토큰(하루 약 13억 토큰)을 유지한다. 양자화(Quantization) 시 2.5GB 미만이라는 점이 스마트폰 활용 시나리오를 현실로 만들고 있다.

벤치마크 결과는 흥미롭다. ToolSandbox에서 77.83(Qwen3.5-9B의 76.44를 상회), BFCLv4에서 56.88을 기록했다. 명령 추종(Instruction following)에서는 동급 최고 수준(IFBench 59.17, Multi-IF 80.07)이지만, AIME25와 코딩 분야에서는 Qwen에 명확히 뒤처진다. 즉, 범용 추론 모델이 아니라 도구 실행 특화형 모델이며, Liquid AI 스스로도 벤치마크 구성을 통해 이를 숨기지 않고 있다. 출시 첫날부터 llama.cpp, MLX, vLLM, SGLang, ONNX를 지원하며, Hermes Agent, OpenClaw, Pi의 하네스(Harness)에서 동작한다.

이것이 프라이버시 논의에 어떤 변화를 가져올까. 계획, 도구 호출, 실행을 모두 단말기 내부에서 완결하는 에이전트는 화면 내용이나 파일 내용을 어디로도 전송하지 않는다. 이는 클라우드 에이전트의 저렴한 복제본이 아니라, 구조 자체가 다른 프라이버시 포스처(Privacy posture)다. 주의할 점은 Liquid AI가 직접 밝힌 대로, 코딩이나 오픈 엔드(Open-ended) 추론에는 더 큰 모델을 사용해야 한다는 것이다. 다만 "온디바이스 = 장난감"이라는 인식은 이미 과거의 일이 되었으며, 이번 출시는 그 흐름을 뒷받침하는 명확한 데이터 포인트다.

— Liquid AI · Hugging Face

🔗 Liquid AI Blog — Deploy Agents Everywhere · Hugging Face — LFM2.5-2.6B

Cloudflare는 8월 4일, 에이전트 커머스(Agent Commerce)의 신원 및 결제 기반으로서 Cloudflare Wallets와 cloudflare.pay를 발표했다. 발상은 단순하며, 조만간 반드시 필요해질 요소다. 에이전트가 API를 구매하거나 서비스에 등록할 때, 수신 측 기업은 "누가 보냈는지"를 신뢰할 수 있는 방식으로 확인할 수 없다. 기존의 봇 방지 기술은 검색 크롤러를 대상으로 설계되었을 뿐, 실존 인물의 대리인으로서 거래하는 에이전트용이 아니다. Cloudflare의 해답은 안정적인 신원 확인이다. 계정마다 고유한 URL을 발행하고, 특정 에이전트에게 신원을 확장할 수 있게 한다. 요청을 받은 기업은 누가 승인했는지 확인할 수 있다.

결제 측면에서는 계정 월렛(Account Wallet)이 스테이블코인(Stablecoin) 잔액을 보유하고, 여기서 개별 에이전트용 "가상 월렛(Virtual Wallet)"을 발행한다. 지출 한도, 승인된 가맹점 목록, 1회 최대 거래액 등의 가드레일(Guardrail)이 처음부터 내장되어 있다. 결제 경로는 Coinbase가 지원하는 오픈 x402 프로토콜을 사용하며, Base, Polygon, Arbitrum, World, Solana에서 USDC 마이크로페이먼트(Micropayment)를 실행한다. Monetization Gateway와 결합하여 에이전트가 구매자가 되고 기업이 판매자가 되는 양면 시장이 완성된다.

출시 자체는 축제 분위기였다. 같은 날 핸들(Handle) 등록이 시작되었고, X(구 트위터)는 주황색 월렛 ID 게시물로 가득 찼다. 유명인, 브랜드, AI 기업의 이름이 차례로 선점되었는데, 이는 2021년의 Web3 도메인 투기 때와 유사한 열기다. Matthew Prince CEO의 말은 간결하다. "에이전트가 현관에 왔을 때, 누가 보냈는지 알 필요가 있다". 주목해야 할 점은 가드레일의 집행이다. 인간이 설정한 한도 내에서 에이전트가 사용할 수 있는 지갑은 유용하지만, 집행 능력이 없는 지갑은 부정행위의 온상이 될 수 있다. Cloudflare는 적어도 올바른 방향에서 시작하고 있다.

— Cloudflare

🔗 Cloudflare Blog — Announcing Cloudflare Wallets · Cloudflare Press Release

Bloomberg가 8월 6일에 보도한 바에 따르면, OpenAI의 첫 소비자용 디바이스는 하키 팩 크기의 도넛형 스마트 스피커로, 가격은 300~400달러이며 2027년 출시를 예정하고 있다. Jony Ive의 LoveFrom 스튜디오가 디자인했으며, 고급 금속 소재, 카메라 및 환경 센서를 내장하고, 사용자의 습관을 학습하며 응답 상태를 나타내기 위해 자율 이동하는 기계 부품을 갖추고 있다. OpenAI는 이를 "언젠가 스마트폰을 대체할" 첫 번째 단계로 위치시키고 있다고 한다.

제품 이야기는 Apple의 소송과 얽혀 있다. Apple은 영업 비밀 침해를 주장하며 출시를 방해할 수 있는 금지 명령을 신청했다. OpenAI는 이것이 "모호하고 과도하게 광범위하다"고 반박하며 침해를 부정했고, 이번 주에는 소송 기각 신청을 했다. 소송 제기 후 내부 조사에서는 제품이 Apple의 비밀을 사용하지 않았다고 결론지었다고 한다. Apple 측은 조사를 지속한 결과, 이미 지명된 2명 외에 전직 직원 11명이 증인 또는 관련자가 될 수 있다고 주장하고 있다.

솔직히 말해 평가는 갈린다. 2027년에 300~400달러의 앰비언트 AI (Ambient AI) 스피커를 내놓는 것은 "AI가 방에 함께 있다"는 경험에 사람들이 돈을 지불할 것이라는 도박이며, 움직이는 기계 부품은 기존 스피커들이 모두 실패하는 "살아있는 기척" 문제에 도전하는 시도다. 다만 하드웨어는 냉혹하며, OpenAI는 아직 물리적 제품을 단 하나도 내놓지 못했다. 그리고 소송 리스크가 타임라인을 뒤로 밀어낼 가능성이 있다. 도넛은 OpenAI가 2007년의 Apple을 재현할 수 있을지에 대한 첫 번째 물리적 테스트이지만, 외부의 누구도 그 답을 알지 못한다. Apple의 변호사가 그 이유 중 하나다.

— Bloomberg

Sand.ai는 8월 5일, 최초의 1,000억 파라미터급 오픈 MoE (Mixture of Experts) 영상 생성 모델로서 MAGI-2 Preview를 공개했다. 총 파라미터는 114B이며, 토큰당 활성 파라미터는 약 6B이다. 그 6B의 예산으로 Artificial Analysis의 image-to-video 리더보드 6위에 위치하며, 핵심은 비용이다. H100 8장으로 10초 1080p 클립을 약 0.5위안에 생성할 수 있으며, 증류(Distillation) 버전이 갖춰지면 업계 주류 모델의 초당 비용의 약 10분의 1이 된다고 한다.

아키텍처는 싱글 스트림 (Single-stream) 노선이다. 음성과 영상을 별도의 백본(Backbone)에 두고 cross-attention으로 연결하는 기존 방식이 아니라, 텍스트·영상·음성 토큰을 하나의 Transformer에 넣고 모든 층의 self-attention으로 정보를 교환한다. 모달리티(Modality)를 가로지르는 공통 부분은 공유 전문가(Shared Expert)가, 각 모달리티 고유 부분은 전용 전문가(Dedicated Expert)가 담당한다. 이는 Sand.ai의 daVinci-MagiHuman 논문의 "Speed by Simplicity"와 동일한 설계다. 공개물에는 가중치(Weights), 추론 코드, 훈련 시스템이 포함되며 모두 Apache 2.0 라이선스다. MagiAttention과 MagiCompiler도 공개되었다. 가중치는 약 307GB로 Hopper GPU 8장이 필요하기 때문에 취미용은 아니지만, 이 규모의 영상 MoE를 검사 가능한 형태로 공개한 것은 처음이다.

영상 생성은 AI 생태계에서 가장 API에 의해 폐쇄된 영역이었다. 프론티어 모델들은 속도 제한(Rate limit) 너머에 있고, 토큰이나 프레임 단위로 과금되며, 오픈 커뮤니티에는 남은 것들만 돌아갔다. 114B의 오픈 웨이트 통합 음성 영상 모델은 비록 작은 GPU 클러스터가 필요할지라도 그 비대칭성을 일부 무너뜨린다. 효율적인 스케일링(Scaling) 주장이 더 깊은 의미를 갖는다. MoE 노선이 LLM(대규모 언어 모델)과 마찬가지로 영상에서도 작동한다면, "어쨌든 계산량을 늘린다"는 스케일링 법칙(Scaling law) 이야기는 유일한 선택지가 아니게 된다.

— Sand.ai · GitHub

🔗 Sand.ai — MAGI-2 Preview · GitHub — SandAI-org/MAGI-2-preview

OpenAI는 8월 3일, Circles의 고객 사례를 공개했다. Circles는 싱가포르의 통신 사업자용 SaaS 기업으로, 6개 대륙 14개국의 통신사가 이용하고 있으며 자사 브랜드인 Circles.Life도 전개하고 있다. 수치는 다음과 같다. CareX의 지원 대응 중 65%가 인간을 거치지 않고 AI로 완결되었으며, AI 개인화(Personalization)를 경험한 고객은 대조군보다 ARPU(가입자당 평균 매출)가 22% 증가하고 해지율은 9% 감소했다. Codex 도입 후 사내 엔지니어링 효율은 29% 향상되었다.

ARPU(가입자당 평균 매출)와 해지율 수치는 해석하는 방식이 중요하다. AI를 경험한 고객과 그렇지 않은 고객을 비교한 실질 대조군이며, 전년 대비 비교가 아니다. 벤더 사례에서는 이런 경우가 드물고 오히려 부족하다. 또 다른 흥미로운 수치는 '궤도(trajectory)'이다. 초기 특정 통신사는 첫 주에 55%의 자동 해결률을 달성했으며, Circles는 실시간 음성을 확장하면서 여정 전체에서 95%를 목표로 한다. 성장 책임자의 말은 기록할 가치가 있다. “AI는 사용자를 역량 있게 만들고(empower)야 하며, 시대에 뒤떨어진 고객 경험에 가두어서는 안 된다.”

통신 지원은 AI가 건드릴 수 없는 영역으로 여겨져 왔다—장기 계약 계정, 청구서의 예외 케이스, 레거시 시스템. 이 사례가 보여주는 것은, 지원의 반복 가능한 중간층인 “청구 확인, 플랜 변경, 데이터 지연 이유”야말로 상담원이 역량을 발휘할 수 있는 곳이며, 상호작용 시점의 개인화가 ARPU라는 까다로운 지표를 움직이게 한다는 것이다. 외부에서 보이지 않는 선택 편향(selection bias)은 주의해야 한다—AI 경험을 누구에게 제공하고 대조군을 어떻게 선정하는지가 22%만큼 중요하다. 그럼에도 불구하고, 상담원형 고객 서비스 구축자들에게는 올해 공개된 데이터 포인트 중 구체적인 범주에 속한다.

— OpenAI

🔗 OpenAI — Circles가 OpenAI 기술로 통신사 개인화를 구현하다 · dada3c 분해 분석