Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 페이지의 콘텐츠는 AI가 공개된 소스를 기반으로 자동 수집·요약·번역한 것입니다. 원 저작권은 각 원저작자에게 있으며, 각 게시물의 “원문 바로가기” 링크를 통해 원문을 확인할 수 있습니다. 저작권자의 삭제 요청이 있을 경우 신속히 조치합니다.
NVIDIA CEO Jensen Huang은 GTC Europe에서 새로운 데이터센터 아키텍처인 DSX Pod를 공개했습니다. 이 컨테이너화된 풀스택 플랫폼은 공장에서 통합 테스트 및 조립을 거쳐 배송되며, 현장 설치 시간을 획기적으로 단축합니다. 이를 통해 전력 공급망과 인프라 구축의 복잡성을 해결하고 컴퓨팅 가용성을 높일 수 있습니다.
AMD는 GenAI 시장 확장에 힘입어 CPU와 GPU 양쪽 모두에서 강력한 성장세를 보일 것으로 예상됩니다. 특히 'Helios' 랙 스케일 디자인을 통해 데이터센터 AI 가속기 사업이 급격히 성장하며, Epyc CPU 및 Instinct GPU 출하량과 ASP 증가가 AMD의 수익 성장을 견인할 전망입니다.
HPE는 데이터센터 장비 비용 상승에도 불구하고 고객 반발이 없음을 확인하며 견조한 실적을 발표했습니다. 7월 마감 분기 매출은 전년 대비 33.7% 증가했으며, 영업 이익과 순이익도 각각 5.6배, 5.5배 급증했습니다. 이는 AI 도입 수요와 효율적인 비용 관리가 결합된 결과입니다.
생성형 AI(GenAI) 붐으로 인해 서버 시장과 이더넷 스위칭 및 라우터 시장이 폭발적으로 성장하고 있습니다. IDC 데이터에 따르면, 2분기 스위치 매출은 전년 대비 크게 증가했으며, 이는 데이터센터뿐 아니라 엣지 및 캠퍼스 네트워크 업그레이드 수요도 반영합니다.
McKinsey & Co 분석가들은 양자 컴퓨팅이 상업적 변곡점에 도달했다고 지적하며, 기후, 생명 과학, 금융 등 다양한 산업에서 최적화에 활용되고 있다고 보고했습니다. 이는 기술의 가능성을 넘어 실제 적용 단계로 진입했음을 의미합니다. Dell, HPE 등 주요 기업들은 하이브리드 양자-고전 HPC 인프라 구축을 통해 실용적인 내결함성 시스템으로 나아가고 있습니다.
GenAI 붐에 힘입어 미국 데이터센터 구축 지출이 가속화되고 있으며, 이는 건설 프로젝트 성장률 차트에서도 확인됩니다. 다만, 이러한 성장은 전력 공급 및 인력 확보 등 물리적 인프라의 제약 속에서 이루어지고 있습니다. 장기적으로는 AI 수요를 뒷받침할 에너지와 시설 확충이 핵심 과제입니다.
유전체학 분야에서 첨단 컴퓨팅은 단순히 슈퍼컴퓨터의 속도 향상만으로는 해결할 수 없는 근본적인 코딩 및 알고리즘 문제를 안고 있습니다. 연구진은 방대한 유전 데이터 분석 과정에서 메모리 한계와 계산 구조적 문제에 직면했으며, 이 문제를 해결하기 위해 GPU 기반 연산 아키텍처가 필수적임을 밝혀냈습니다.
zeroRISC가 오픈 실리콘의 미래 비전을 제시하며, 10년간의 노력을 집대성했습니다. 이들은 GlobalPlatform 후원 아래 Pavona를 출시하여 안전하고 개방적인 하드웨어 설계를 위한 중립적 생태계를 구축했습니다. 이는 상용 칩의 라이선스 비용을 줄이고 투명성을 높여 혁신 속도를 가속화할 것입니다.
Cisco는 양자 컴퓨팅의 확장을 단순히 규모를 키우는 것이 아닌 분산된 네트워크 아키텍처로 접근합니다. 이에 따라 다양한 양식의 양자 시스템을 연결하는 범용 스위치와 함께, 수동 작업을 자동화하고 기계 속도로 연결을 관리할 '양자 네트워크 컨트롤러' 프로토타입을 발표했습니다.
Microsoft는 AI 추론 비용 문제 해결을 위해 자체 개발한 Maia 계열 맞춤형 XPU 가속기를 선보였습니다. 특히 'Clea' Maia 300은 대규모 에이전트 워크로드와 다양한 모델 구동에 최적화되어 있습니다. 이 칩들은 Azure 클라우드에서 Copilot 및 Microsoft Foundry 등 핵심 서비스의 AI 인프라 기반으로 활용될 예정입니다.
본 기사는 CPU/GPU 메모리 연결 표준화의 어려움을 설명하며, Nvidia가 NVLink와 NVSwitch를 통해 독점적인 랙스케일 아키텍처 시장을 구축하고 있음을 분석합니다. Upscale AI는 이러한 시장 구조 속에서 경쟁과 파트너십을 동시에 추구하는 흥미로운 위치에 있습니다.
HBM4 메모리가 AI 혁명의 핵심 동력임을 강조하며, Micron의 최근 실적 급증(매출 4.8배 증가)과 강력한 재무 상태를 분석했습니다. 이는 HBM 스택형 DRAM 패키징이 IT 역사상 가장 수익성 높은 제품군 중 하나가 될 것임을 시사합니다.
대규모 AI 모델 학습이 단일 데이터센터를 넘어 여러 지역의 클러스터로 분산되고 있습니다. 이는 컴퓨팅 및 전력 수요 한계를 극복하기 위함이며, 이 과정에서 GPU 간 동기화와 대용량 숫자 배열(기울기 등) 교환이 핵심 병목 현상으로 부각됩니다. 따라서 네트워크 지연을 최소화하는 것이 AI 학습의 필수 과제가 되었습니다.
HPE가 AI 시대의 폭발적인 수요에 대응하기 위해 차세대 ProLiant Gen 13 시스템을 공개했습니다. 이 서버는 고밀도 컴퓨팅 및 GPU 워크로드를 목표로 하며, 특히 에이전트 AI와 대규모 모델 시뮬레이션에 초점을 맞췄습니다. 또한, 증가하는 보안 위험에 대비하여 근본적인 실리콘 레벨의 루트 오브 트러스트를 강화한 관리 및 보안 기능 개선도 함께 발표했습니다.
AI와 생성형 AI의 발전으로 인해 시스템 컴퓨팅의 초점이 CPU/GPU에서 메모리(Memory)로 이동하고 있습니다. 특히 HBM과 플래시 스토리지를 포함한 DRAM 수요가 폭발적으로 증가하며, 이는 IT 산업 전반에 걸친 대규모 업그레이드 주기를 예고합니다.
AI 메가트렌드 속에서 TSMC는 AI 관련 사업 부문의 성장이 매우 강력할 것으로 예상하며, 2026년부터 2030년까지의 CAGR이 높은 50%대로 성장하고 있다고 밝혔다. TSMC는 고객들의 공격적인 수요에 대응하기 위해 아리조나 팹 용량 확장에 추가로 1,000억 달러를 투자하며 미래 성장을 위한 의지를 보여주고 있다.
HPE와 Dell 등 전통적인 하드웨어 OEM들이 양자 컴퓨팅 공급업체들과 협력하여 하이브리드 양자-고전 HPC 데이터센터 인프라를 구축하고 있습니다. 이는 이론적 비전과 실제 기업 사용 사이의 격차를 해소하는 것을 목표로 합니다. Nvidia는 CUDA-Q와 DGX-Quantum 등을 통해 양자 중심 제품 라인업을 구성하며, HPE는 다양한 양자 시스템 모달리티를 Cray 슈퍼컴퓨터에 통합할 플랫폼 구축에 집중하고 있습니다.
Marvell은 HPC 및 AI 시스템의 핵심인 스위치 ASIC 성능을 극대화한 Teralynx T100을 공개했습니다. 이 칩은 높은 라딕스, 낮은 지연성, 높은 대역폭이라는 세 가지 요소를 모두 충족시키며, TSMC의 첨단 공정(N3E 추정)을 활용하여 리티클 한계에 도전하는 모놀리식 설계를 보여줍니다.
AI와 양자 컴퓨팅의 융합이 가속화되며, 특히 양자 오류 수정(QEC) 분야에서 AI가 핵심적인 역할을 수행하고 있습니다. Google Quantum AI는 강화학습(RL)을 활용하여 양자 시스템이 오류 감지 시 계산 중단 없이 장기간 안정적으로 작동할 수 있는 방법을 제시했습니다.
Microsoft가 AMD와 협력하여 대규모 AI 클러스터 구축 계획을 발표했습니다. 이 시스템은 AMD의 Helios 랙 설계를 기반으로 하며, MI455X GPU와 Epyc 9006 CPU를 활용합니다. 총 18,000개의 GPU 컴퓨팅 유닛과 2.9 exaflops 성능을 목표로 하는 초대형 인프라입니다.