Day1 리포트에 이어, Google Cloud Next Tokyo '26의 Day2 기조연설에도 참가했습니다. Day1이 Gemini Enterprise와 이를 뒷받침하는 6개 레이어의 전체상, 그리고 기업의 활용 사례가 중심이었던 것에 반해, Day2는 인프라·에이전트 개발·데이터·보안과 같은 각 레이어를 기술적으로 심층 분석하는 내용이었습니다.

본 기사도 Day1과 마찬가지로, 강연 내용을 공개 정보와 대조하며 정리한 리포트입니다. 확인되지 않은 수치는 「기조연설 내에서 소개된 수치」로 구분하여 기재합니다.

생성형 AI (Generative AI)의 보급과 함께 AI 컴퓨팅의 수요는 급속히 계속 늘어나고 있으며, Google Cloud는 하드웨어부터 모델, 에이전트를 뒷받침하는 플랫폼까지 모든 레이어를 자사에서 다뤄왔다는 점을 강점으로 소개했습니다. 에이전트 시대의 컴퓨팅은 이제 단일 칩의 성능뿐만 아니라 데이터 센터 전체로 정의된다고 하며, 클린 에너지나 대규모 냉각 전용 플로어와 같은 요소까지 포함하여 단일 시스템으로 통합한 것이 「AI Hypercomputer」라고 설명되었습니다.

Woven by Toyota (도요타의 모빌리티 기술 자회사): 교통 현상의 이해를 진전시키고, 시공간에 걸친 AI 모델의 학습 효율화를 추진하고 있다고 소개되었습니다. 해당 기업은 「Woven City AI Vision Engine」 등 독자적인 공간·시계열 이해 모델의 개발을 진행하고 있으며, Google Cloud 상에서의 학습 효율화가 언급되었습니다 -
Turing Inc. (チューリング株式会社): 완전 자율 주행 실현을 목표로, 자율 주행용 VLM (Vision Language Model)·VLA 모델 개발을 진행하고 있는 기업입니다. 일본어 특화 VLM인 「Heron-NVILA」 개발 등, 일본의 도로 환경에 최적화된 AI 개발을 진행하고 있다고 소개되었습니다 -
SyntheticGestalt: 약 100억 건의 화합물 데이터를 학습한 분자 특화 파운데이션 모델 (Foundation Model)을 Google Cloud 상에서 개발하여, 분자 분석·설계를 고정밀로 수행하고 있습니다. 경제산업성·NEDO의 「GENIAC」 프로젝트 지원을 받고 있으며, 향후 이 모델을 Google Cloud Marketplace를 통해 공개할 계획도 있다고 합니다.

계산 기반으로는, 우선 Google 독자적인 제8세대 TPU가 소개되었습니다. 학습용인 「TPU 8t」와 추론용인 「TPU 8i」라는, 서로 다른 요구 사항에 맞춰 설계된 두 가지 가속기 (Accelerator)를 준비하고 있다고 합니다.

GPU에 대해서는, Google Cloud가 NVIDIA의 최신 세대인 「Vera Rubin NVL72」를 가장 빠르게 제공하는 클라우드 중 하나가 될 것이라고 합니다. 실제로 Google Cloud는 Vera Rubin NVL72를 A4 Ultra 인스턴스로 제공할 계획을 밝히고 있으며, 고속 인터커넥트 (Interconnect)를 통해 토큰당 비용 측면에서 최대 10배 정도의 효율화를 기대할 수 있다고 합니다.

범용 워크로드 (General-purpose workload)용으로는, 커스텀 설계된 Arm CPU 「Axion」의 전개도 확대되고 있습니다. 새로운 「N4A」 인스턴스는 동등한 x86 기반 인스턴스와 비교하여 최대 2배의 가격 대비 성능비, 80% 우수한 와트당 성능을 실현한다고 하며, 이 수치는 공식 블로그의 발표 내용과도 일치합니다. 범용 VM용 Arm 기반 「N4A」 외에도, 네트워크 처리에 뛰어난 「C4」 계열, 대용량 메모리의 「M4」 계열 등 용도에 따른 선택지가 넓어지고 있다고 합니다.

칩의 성능을 끌어내기 위해, 스토리지 (Storage)도 저장부터 읽기까지 재설계되었다는 설명이 있었습니다.

Google Cloud Managed Lustre: 업계를 선도하는 병렬 파일 시스템으로, 최대 초당 10TB의 처리량 (Throughput)을 실현한다고 합니다. 이는 Google Cloud Next '26 (글로벌 버전, 4월)에서 DDN과의 협업을 통해 발표된 수치로, 전년 대비 10배의 처리량 향상이라고 합니다 -
Cloud Storage Rapid: 기존의 대규모 데이터를 활용하고자 하는 니즈에 맞춰, 읽기 성능이 높고 비용 효율성도 뛰어난 오브젝트 스토리지 (Object Storage)의 선택지로 소개되었습니다. 단일 존 (Single Zone) 버킷에서 초당 15TB를 넘는 읽기 대역폭을 실현한다고 합니다 - 저장하는 순간부터 비정형 데이터에 자동으로 인텔리전스를 부여하여, AI 에이전트가 다루기 쉬운 형태로 만드는 기능도 소개되었습니다.

네트워크에 대해서는, 새로운 「Virgo Network」가 13만 4,000개의 칩을 하나의 패브릭(Fabric)으로 연결하여, 논블로킹(Non-blocking) 방식으로 최대 47페타비트/초(Petabit/s)의 분기 대역폭을 실현한다고 합니다. 연산 능력으로는 170만 엑사플롭스(Exaflops) 규모라는 수치가 기조연설 중에 소개되었으나, 공식 자료에서는 약 160만 엑사플롭스로 소개되어 있어, 유사한 수준의 수치로 파악하는 것이 타당합니다.

운영 측면에서는, 여러 리전에 걸친 25.6만 노드·100만 칩 규모를 단일 Kubernetes 준거 컨트롤 플레인(Control Plane)으로 관리하는 「GKE 하이퍼클러스터(GKE Hypercluster)」가 2026년 4월 글로벌 발표에 이어 Tokyo 버전에서도 소개되었습니다. 이와 함께, 핫 스냅샷(Hot Snapshot) 기능을 통해 기동 처리에 소요되는 시간을 대폭 압축할 수 있다는 언급도 있었습니다.

연사는 이것들을 컴퓨팅·스토리지·네트워크가 일체가 된, AI의 추론·학습 라이프사이클 전체를 가속화하기 위해 전용 설계된 인프라라고 정리했습니다.

이어서 Google Cloud의 연사가 AI 에이전트 개발의 최신 정보를 소개했습니다 (발언 중 성함을 듣지 못했으므로 연사 이름은 생략합니다).

AI의 진화로 인해 에이전트를 하나 만드는 것 자체는 그 어느 때보다 쉬워진 반면, 데모 수준의 에이전트와 실제 업무에서 성과를 낼 수 있는 에이전트 사이에는 큰 괴리가 있다고 지적되었습니다. 업무에서 성과를 내기 위해서는 사내 정보와 연결되는 MCP(Model Context Protocol)의 준비, 복잡한 업무를 수행하기 위한 복수 에이전트의 조합, 누구나 동일하게 사용할 수 있는 프런트엔드(Front-end)의 준비, 예상치 못한 상황에 대비한 가드레일(Guardrail) 등 대응해야 할 사항이 많다고 합니다. 이러한 복잡성 때문에 에이전트는 개인이 개별적으로 만드는 것이 아니라, 플랫폼을 사용하여 관리할 필요가 있다는 것이 연사의 주장이었습니다.

데모에서는 먼저, 자연어로 요구사항을 전달하는 것만으로 에이전트 개발을 지원하는 툴 「Antigravity」(Google이 2025년 11월에 발표한 에이전트형 IDE)를 사용하여, 사내용 구매 에이전트를 개발하는 모습이 보여졌습니다.

이 에이전트를 Gemini Enterprise 상에서 구동하면, 기존의 텍스트 중심이었던 상호작용에 대해 에이전트 스스로가 문맥에 따라 버튼이나 입력 항목과 같은 UI를 그 자리에서 생성하는 모습이 나타났습니다. 노트북 구매 신청을 예로 들어, 에이전트가 재고 관리 에이전트와 A2A(Agent2Agent) 통신을 수행하여 재고를 확인하고, 신청 수량을 조정하며, 나아가 예산 관리 MCP를 호출하여 부서 예산 잔액을 확인한 후 신청을 완료하는 흐름이 데모되었습니다.

데모의 후반부에서는 이 이면의 메커니즘이 해설되었습니다.

Agent Runtime: 에이전트를 호스팅하는 서비스. 이번 에이전트도 여기에 배포되어 있음 -
Agent Registry: 복수의 에이전트와 MCP 서버를 일원 관리하는 메커니즘. 레지스트리에 등록되지 않은 에이전트·MCP와는 통신할 수 없도록 제어되며, 사내에 어떤 에이전트·툴이 존재하고 어떤 권한을 가지고 있는지 목록으로 확인할 수 있음 -
Agent Identity: 모든 에이전트에 할당되는 ID. 이것이 없으면 어떤 에이전트가 어떤 리소스에 액세스했는지 추적할 수 없어, 문제 발생 시 해당 대상을 중단시키거나 영향 범위를 조사할 수 없음. ID가 있음으로써 액세스를 세밀하게 제어하고 권한을 제한하여 문제 확산을 방지할 수 있음 -
Agent Gateway: 에이전트로의 입출력 통신을 관리하는 메커니즘. 여기에 프롬프트 인젝션(Prompt Injection) 대책인 「Model Armor」를 결합함으로써 부정적인 지시를 탐지하고 차단할 수 있음. 데모에서는 실제로 구매 신청을 무조건 승인하게 하고 결제처를 변경하도록 시도하는 공격을 가했을 때, Model Armor가 이를 탐지하여 차단하는 모습이 보여짐 -
Agent Observability (Trace): 에이전트가 무엇과 통신하고 어디에 어느 정도의 시간이 소요되는지를 가시화하는 기능. 데모에서는 구매 에이전트 처리 시간의 내역(재고 확인이나 예산 체크에 소요된 초 단위 시간 등)이 표시됨

연사는 Antigravity로 만든 에이전트를 플랫폼에 배포함으로써, 스케일링(Scaling)은 Agent Runtime이 담당하고, UI는 에이전트 스스로 생성하기 때문에 프론트엔드 개발이 불필요해지며, 에이전트 간 통신은 MCP·A2A가, 권한 관리는 Agent Identity·Registry가, 공격 대응은 Model Armor가 담당하는 구성이 된다고 설명했습니다. 개발자가 의식해야 할 것은 업무 로직 그 자체뿐이라는 것이 요점입니다.

이어서 발표자로 나선 분은 GovTech 도쿄의 업무 집행 이사 겸 CTO를 맡고 있는 이하라 마사히로(井原正博) 씨였습니다. 그는 민간 테크놀로지 기업에서 서비스 개발 및 조직 구축에 종사해 왔으나, 2024년 1월 아내의 본가가 있는 노토 반도에서 지진 피해를 입었고, 행정 서비스나 정보에 접근할 수 없는 불안함을 직접 경험한 것이 행정 디지털화에 참여하게 된 전환점이 되었다고 말했습니다.

GovTech 도쿄는 도쿄도와 도내 62개 구·시·정촌과 연계하여 행정의 디지털화를 추진하기 위해 설립된 조직입니다. 이하라 씨는 해당 조직의 특징으로, 개발을 외부 업체에 전적으로 위탁하는 것이 아니라 자신들이 직접 설계·개발·운영하는 '내제 개발 (In-house Development)'을 고수하고 있다는 점을 꼽았습니다. 개발한 소프트웨어를 도쿄도만의 것으로 만들지 않고, 다른 지자체에서도 활용할 수 있는 형태로 공개해 나가는 방침도 소개되었습니다.

내제 개발의 중심에 있는 프로젝트가 '도쿄도 공식 앱 (도쿄 앱)'입니다. 2025년 2월에 출시되어 현재 600만 다운로드를 넘어 도민의 생활에 침투하고 있다고 합니다. 향후에는 행정 절차·방재·육아 등 모든 행정 서비스의 입구가 되는, 1,000만 명 규모의 사용자에 대응하는 앱으로의 확장을 목표로 하고 있다고 전했습니다.

이러한 규모의 앱을 실현하기 위해, 이하라 씨는 다음 세 가지 요건을 축으로 아키텍처를 검토했다고 설명했습니다.

• 어떤 상황에서도 안정적으로 동작할 것. 특히 재해 시에 필요로 하는 서비스일수록 안정성이 중요
• 데이터가 실시간으로 정합성을 유지할 것. 행정 서비스로서 전달하는 정보에 모순이 있어서는 안 됨
• 자신들의 팀이 주체적으로 컨트롤할 수 있는, 내제 개발에 적합한 기술 스택일 것

이 세 가지 점을 바탕으로 기술 선정을 진행한 결과, Google Cloud를, 데이터베이스에는 Cloud Spanner를 채택했다고 밝혔습니다. 일본의 행정 조직이 Cloud Spanner를 실제 운영 환경에 채택하는 사례는 아직 적지만, 1,000만 명 규모의 쓰기 스케일(Write Scale)과 강력한 정합성(Strong Consistency)을 양립해야 하는 요건을 충족하는 선택으로서 높게 평가했다고 합니다. 선행 사례가 적다는 것 자체는 우려 사항이 아니며, 내제 개발 조직으로서 자신들이 직접 판단하고 책임을 질 수 있는 체제가 있기에 선택할 수 있는 옵션이라고 정의했습니다.

이하라 씨는 마지막으로, 목표로 하는 것은 하나의 앱이 아니라 거대 도시에서 주민이 필요할 때 필요한 행정 서비스에 확실히 연결되기 위한 공공 디지털 기반이며, 도쿄에서의 노력을 다른 지자체로도 확산시켜 나가고 싶다고 끝맺었습니다.

이어서 가상의 기업인 '심벌 푸드(Cymbal Food)'의 마케터 관점에서 Google Cloud의 '에이전틱 데이터 클라우드 (Agentic Data Cloud)' 기능을 소개하는 데모 영상이 상영되었습니다. '심벌 (Cymbal)'은 Google의 데모에서 자주 사용되는 가상의 브랜드명으로, Day1의 Google Pics 데모에 등장했던 '심벌 사'와 같은 계열로 생각됩니다.

데모 시나리오는 SNS에서 화제가 된 젤라토를 해외 시장으로 전개하고 싶다는 내용으로, 통상적이라면 트렌드를 파악한 후 실제 비즈니스 지표를 검증하기까지 수 주일이 걸리는 공정을 에이전트를 사용하여 단 몇 분으로 단축한다는 내용이었습니다.

첫 번째 장벽으로 언급된 것은 '데이터의 산재'입니다. 원재료 데이터는 PDF로 되어 있고, 구매 데이터는 AWS와 BigQuery에 걸쳐 존재하는 등, 클라우드를 넘나드는 비구조화·구조화 데이터의 혼재 상태에서 시작됩니다.

데모에서는 Gemini가 클라우드 스토리지 상의 PDF(원재료표와 공급업체의 규격서)를 읽어 들여, 양자 사이의 연결 고리를 자동으로 찾아내고 구조화 데이터로 변환하는 SQL을 즉석에서 생성했습니다. 이어서 AWS S3에 있는 데이터를 BigQuery의 외부 테이블 (Federated Query)로 등록하여, 데이터를 물리적으로 이동시키지 않는 '제로 카피 (Zero-copy)' 형태로 BigQuery 측의 데이터와 결합하고, 이를 지식 그래프 (Knowledge Graph)의 노드로 추가했습니다. 이 기반을 바탕으로 자연어로 질의에 응답하는 데이터 에이전트를 생성하여, 지역 및 고객 세그먼트를 좁힌 캠페인의 전환율 예측이나 ROI 예측을 시뮬레이션하고, 보고용 슬라이드 자동 작성까지 일괄적으로 수행하는 모습이 보여졌습니다.

연사는 이를 "PDF 등 인지하기 어려운 데이터를 해독하는 능력", "AWS 등 클라우드의 장벽을 넘은 데이터 활용", "자연어로 사용할 수 있는 에이전틱(Agentic)한 도구"의 조합을 통해, 데이터에 기반한 의사결정 인텔리전스를 진화시키는 시도라고 정리했습니다.

NTT 도코모(NTT Docomo)에서는 마케팅 프로세스를 제로 베이스에서 AI를 사용하여 재구축하는 "풀 AI 마케팅 (Full AI Marketing)" 구상이 소개되었습니다. 해당 기업은 다양한 서비스 제공을 통해 고객 한 명 한 명과의 관계를 심화하고, 로열티 고객(Loyal Customer)의 모수를 확대하는 것을 사업 성장의 축으로 삼고 있다고 합니다.

과제로 언급된 것은施策(시책/캠페인) 변동성의 다양성입니다. 도코모에는 1억 명을 넘는 d포인트 회원이 있으며, 고객의 특징을 나타내는 프로필은 2,000종류를 초과하고, 서비스 라인업도 다양합니다. 서비스 전반에 걸쳐 개개인에게 최적화된 커스터머 저니(Customer Journey)를 설계하려고 하면 검토해야 할 조합이 방대해져, 인력에 의한 검증을 반복하는 것은 현실적이지 않다고 합니다.

이에 따라 AI 에이전트(AI Agent)를 사용한 마케팅 엔진 구축을 진행하고 있다고 밝혔습니다. 필요한 데이터로는 고객 이해를 위한 데이터, 시책 설계 로직, 과거 시책 결과 및 검증 결과, 사업 규칙 등 4가지 종류가 꼽혔으며, 이를 통합하여 AI가 시책을 판단하고 실행하는 메커니즘을 목표로 하고 있다고 합니다. 아울러 AI가 현장 담당자에게도 납득할 수 있는 정밀도 높은 시책을 실행하기 위해서는 매뉴얼이나 문서에 포함된 실천적 지식(Practical Knowledge)을 AI에 도입할 필요가 있다고 하여, 사내용 데이터 플랫폼을 통해 업무에 특화된 데이터 활용 인재나 이용 로그로부터 축적된 실천적 지식을 AI가 다룰 수 있는 형태로 구조화하는 노력이 소개되었습니다.

Google Cloud를 선택한 이유로는 1억 명 규모, 2,000종류 초과의 프로필, 월간 160억 회를 넘는 고객 접근이라는 대규모 정형 데이터와 더불어, 고객의 목소리나 영업 담당자에 의한 비정형 데이터까지 하나의 기반에서 통합적으로 다룰 수 있다는 점, 그리고 데이터 기반에 생성형 AI(Generative AI)가 내장되어 있어 분석부터 시책 실행까지 여러 도구로 분단되지 않고 원스톱(One-stop)으로 진행할 수 있다는 점이 꼽혔습니다.

해당 기업은 이 기반 위에서 시책 설계 및 의사결정 지원뿐만 아니라, 크리에이티브의 작성·심사·검증까지 여러 에이전트를 연결하여 운용할 계획을 가지고 있으며, 보안을 유지하면서 안정적으로 가동하는 기반으로서 Gemini Enterprise Agent Platform의 활용을 검토하고 있다고 전했습니다. 2027년을 목표로 "풀 AI 오퍼레이션 (Full AI Operation)" 실현을 지향하고 있으며, 그 목적은 마케팅의 단순한 자동화가 아니라, 다양한 서비스를 고객 한 명 한 명의 일상에 더욱 자연스럽고 가치 있는 경험으로서 계속해서 전달하는 것이라고 끝맺었습니다.

마지막 세션은 보안입니다. 연사는 먼저 AI가 자율적으로 취약점을 찾아내는 능력이 현상화되고 있으며, 취약점이 발견된 후 악용되기까지의 시간이 1.6일로 압축되었다고 지적했습니다 (이 구체적인 수치는 기조연설 내 언급 사항으로, 공식 자료를 통한 뒷받침은 확인되지 않았습니다).

Google은 이러한 상황을 AI의 진화를 예견하고 미리 대비해 온 것으로 극복할 수 있다고 말합니다. Google은 2023년, 취약점을 AI로 발견하는 연구 프로젝트인 "Project Naptime"을 시작했으며, 이후 DeepMind와의 공동 프로젝트인 "Big Sleep"으로 발전했습니다. Big Sleep은 2024년, 널리 사용되는 오픈 소스 데이터베이스 엔진인 SQLite에서 AI 단독으로 제로데이 취약점(Zero-day Vulnerability, 알려지지 않은 악용 가능한 취약점)을 발견하는 세계 최초의 사례를 달성했습니다.

나아가 2025년에는 AI에 의한 취약점 발견 속도에 코드 수정이 따라가지 못하는 과제를 해결하기 위해, 자동 코드 수정 에이전트인 "CodeMender"를 개발 및 발표하여 2026년 7월에 프리뷰 제공이 시작되었습니다 (Day1 기사에서도 언급된 내용입니다). CodeMender는 여러 모델을 선택할 수 있는 사양으로 되어 있으며, 그 선택지 중 하나가 Gemini 3.5 Flash를 기반으로 보안 업무에 특화시킨 커스텀 모델인 "Gemini 3.5 Flash Cyber"입니다.

연사는 공격자가 가질 수 있는 정보는 외부에서 관측 가능한 범위로 한정되는 반면, 방어 측은 자산의 소재나 시스템 구성, 애플리케이션의 본래 목적 등 훨씬 더 많은 컨텍스트 (Context)를 가지고 있으며, 바로 이 컨텍스트의 비대칭성이 보안 팀에게 강점이 된다고 설명했습니다. 이러한 강점을 활용하기 위해 Google이 사내에서 실천해 온 '준비', '스캔 및 우선순위 지정', '복구', '모니터링'의 4단계를 통합적으로 제공하는 것이 Day 1에서도 소개된 자율형 보안 솔루션인 'AI Threat Defense'입니다.

먼저, Google Cloud의 보안 기업 Wiz(AI Threat Defense의 구성 요소 중 하나) 담당자의 데모가 진행되었습니다. 멀티 클라우드·멀티 환경을 에이전트 (Agent)로 스캔하여 사용 중인 AI 자산(AI 에이전트, 모델, MCP 서버 등)을 검출 및 가시화하고, 가드레일 (Guardrail) 설정 오류나 실제로 발생하고 있는 프롬프트 인젝션 (Prompt Injection) 등의 공격(런타임 상의 이상)도 탐지합니다.

데모에서는 리스크를 하나하나 개별적으로 보는 것만으로는 정말 우선적으로 대응해야 할 사항을 판단할 수 없기에, 여러 리스크의 '조합'에 주목하는 기법이 제시되었습니다. 구체적으로는 Python으로 개발된 챗봇형 AI 에이전트가 기밀 데이터(이메일 주소나 신용카드 번호 등)를 포함하는 Cloud SQL 데이터베이스에 접근할 수 있는 권한을 가진 상태에서 인터넷에 공개되어 있는 상황이 그래프 구조로 가시화되었습니다. 이 상태가 정말로 위험한지 실제로 검증하는 것이 'Red Agent'로, 다양한 수법으로 시스템 공격을 시도하여 이 케이스에서는 챗봇 API의 인증 바이패스 (Authentication Bypass) 취약점을 발견하고, 실제로 기밀 데이터를 획득하는 모습이 보여졌습니다. 이를 통해 수많은 리스크 중에서 최우선으로 대응해야 할 항목이 특정되었습니다.

문제의 복구를 제안하는 것은 'Green Agent'로, 근본적인 대응(인증 로직 수정)과 더불어 잠정적인 대응으로서 방화벽 설정 변경 등을 즉석에서 제안합니다. 이와 함께 GitHub 리포지토리 (Repository)의 소스 코드를 스캔한 결과 검출된 SQL 인젝션 (SQL Injection) 취약점에 대해서도, 해당 코드에서 생성된 컨테이너 (Container)가 실제로 어떤 환경에서 가동되고 어떤 URL로 인터넷에 공개되어 있는지까지 연관 지어 가시화하는 모습이 보여졌습니다.

Wiz의 데모에 이어 Google Cloud 담당자의 CodeMender 데모가 진행되었습니다. Wiz가 미지의 취약성이 아닌 패턴 매칭 (Pattern Matching) 방식의 탐지에 머무는 반면, CodeMender는 숙련된 보안 엔지니어와 같은 사고방식으로 미지의 취약성을 검출할 수 있다는 점이 차이점이라고 설명되었습니다.

데모에서는 CodeMender에 취약성 검색, 수정 패치 작성, 적용이라는 세 가지 지시를 내리는 것만으로 일련의 대응이 완료되는 모습이 보여졌습니다. 모델은 선택 가능하며, 앞서 언급한 'Gemini 3.5 Flash Cyber'도 선택할 수 있습니다. 이번 데모에서는 여러 파일로 구성된 C 코드를 대상으로, 코드의 처리 흐름을 추적하지 않으면 발견할 수 없는 취약성을 에이전트가 순차적으로 확인해 나가는 과정이 상영되었습니다.

Day 2의 기조연설은 Day 1에서 제시된 Gemini Enterprise의 전체상을 인프라·에이전트 개발·데이터·보안이라는 각 레이어 (Layer)에서 심층적으로 다루는 내용이었습니다. TPU 8t/8i, Vera Rubin NVL72, Axion N4A와 같은 하드웨어부터 Managed Lustre·Cloud Storage Rapid·Virgo Network와 같은 I/O 계층, Antigravity 및 에이전트 플랫폼의 각 컴포넌트 (Registry·Identity·Gateway·Runtime), 그리고 Big Sleep·CodeMender·AI Threat Defense에 이르는 보안 계층까지, Google Cloud가 자체 개발하고 있는 기술 스택 (Tech Stack)의 두께를 축으로 한 구성이었다고 할 수 있습니다.

GovTech 도쿄와 NTT 도코모의 사례는 업종은 다르지만, 둘 다 대규모 데이터를 하나의 기반으로 통합하고 AI 에이전트에게 권한을 너무 넓게 부여하지 않으면서 활용한다는 설계 사상이 공통적이었습니다. 에이전트의 편의성과 안전성을 어떻게 양립시킬 것인가는 Day 1과 Day 2를 관통하는 기조연설 전체의 핵심 테마였다고 볼 수 있습니다.

• Woven by Toyota, Inc. (Wikipedia)

• Woven by Toyota, Google Cloud를 활용하여 차량용 AI 소프트웨어 개발 비용 50% 절감 (Car Watch)

• Turing, 국내 최초로 VLA 모델을 통한 공도에서의 실시간 자율주행 제어 실현 (Turing 주식회사)

• 【GCP 활용 사례】 SyntheticGestalt가 개척하는 「분자 생성 AI」의 최전선 (note)

• 제8세대 TPU의 내막: 아키텍처 상세 (Google Cloud 공식 블로그)

• Google Cloud GTC 2026: Vera Rubin NVL72 Systems Guide

• NVIDIA Vera Rubin This Fall 출시 예정: 8개 클라우드 파트너, 10배 낮은 토큰 비용 (Tech Times)

• 일반 제공이 시작된 Axion 기반 N4A VM으로 비용 효율성 2배 향상 (Google Cloud 공식 블로그)

• Cloud Storage Rapid: AI와 분석을 위한 초고속 오브젝트 스토리지 (Google Cloud 공식 블로그)

• AI 시대를 향한 Google의 글로벌 및 데이터 센터 네트워크의 진화 (Google Cloud 공식 블로그)

• Next '26에서 발표된 GKE의 신기능 (Google Cloud 공식 블로그)

• 【완전 가이드】 Google Antigravity란 무엇인가? (Cloud Ace 주식회사)

• 「Google Cloud Next Tokyo」에 CTO 이하라(井原)가 등단합니다 (GovTech 도쿄)

• 노토 반도 지진으로 피해를 입은 이하라 마사히로(井原正博) 씨는 GovTech 도쿄에서 행정 디지털 서비스 개발에 변혁을 일으키고 싶다 (Findy Engineer Lab)

• 도쿄도 공식 앱 「도쿄 앱」 출시 (GovTech 도쿄)

• 【속보 요약】 Google Cloud Next Tokyo '26 기조연설 Day2 (Cloud Ace 주식회사)

• From Naptime to Big Sleep: Using Large Language Models To Catch Vulnerabilities In Real-World Code (Project Zero)

• Google's AI Tool Big Sleep Finds Zero-Day Vulnerability in SQLite Database Engine (The Hacker News)

• Google AI Threat Defense 발표: 공격자보다 앞서 나가기 위해 (Google Cloud 공식 블로그)