Large Language Models

주요 뉴스

1. 1

   에이전틱 AI 수요 급증으로 Micron, AI 메모리 붐 앞두고 있어

   무엇이 일어났는가: Micron이 2026회계연도 3분기 매출 기록인 $41.46 billion을 보고했으며, 이는 전년 대비 345.7%, 분기 대비 73.7% 증가했다. AI 수요에 힘입은 결과다. 회사는 2026년 업계 데이터센터 DRAM 및 NAND 비트 출하량이 2년 전 대비 두 배 이상 증가할 것으로 전망하고 있다. 추론, 계획, 작업 실행을 수행하는 시스템인 에이전틱 AI 워크로드가 가속기 랙, CPU 랙, 스토리지 전반에 걸쳐 더 많은 메모리를 필요로 하기 때문이다. 왜 중요한가: 에이전틱 AI는 메모리 수요를 가속기 칩 자체를 넘어 CPU 및 스토리지 인프라로 확대하면서, 전체 AI 인프라 지출에서 메모리가 더 큰 비중을 차지할 가능성을 높인다. Micron의 Core Data Center Business unit 매출은 전년 동기 $1.53 billion에서 $11.52 billion으로 증가했으며, 이는 이러한 변화에 대한 강한 단기 수혜를 시사한다.

   주목할 점: Micron의 HBM4는 대량 출하 중이며 HBM4E는 2027년 양산 진입이 예상된다. 회사의 PCIe Gen6 SSD는 에이전틱 워크로드용으로 특별 설계됐다. Zacks 컨센서스 추정에 따르면 Micron 2026회계연도 매출은 $129.61 billion(전년 대비 246.8% 성장), 2027회계연도 매출은 $248.08 billion(91.4% 성장)으로 예상된다.

2. 2

   Citi 분석가, 경쟁 심화 속 Baidu의 AI 컴퓨팅 기회와 ERNIE 전략 주목

   무엇이 일어났나: Citi 분석가 Alicia Yap이 Baidu의 최근 실적을 논평하면서 AI 모델에 대한 회사의 재개된 관심과 중국의 경쟁이 심화된 대형언어모델(LLM) 환경에서의 위치를 강조했다. 왜 중요한가: Baidu는 중국의 경쟁이 치열한 LLM 시장에서 사업을 영위하고 있으며, 특히 컴퓨팅 인프라와 ERNIE AI 모델을 중심으로 한 회사 전략에 대한 분석가의 평가는 업계 경쟁사를 상대로 Baidu가 어떻게 자신의 위치를 다지고 있는지에 대한 통찰을 제공한다.

   주목할 점: 논의는 두 가지 영역에 집중되고 있다. 단기적으로는 컴퓨팅 자원의 기회이고, 장기적으로는 ERniie 모델 개발에 대한 Baidu의 초점이며, 분석가가 특히 주목한 Apollo Go 자율주행차 사업의 성과도 포함된다.

3. 3

   Microsoft, AI를 학교 거버넌스와 맥락 제어를 통해 더욱 심화시키다

   무엇이 일어났는가: Microsoft 365 Education은 기존 기관 시스템 내에서 작동하도록 설계된 에이전트와 Copilot 경험을 도입한다. 이는 교육자들이 수업 계획, 평가, 차별화를 간소화할 수 있도록 돕고, 학생 지원 담당자들이 반복적인 인수인계 없이 지원과 상담을 조율할 수 있게 한다. 이 변화는 AI를 고립된 실험에서 실제 워크플로우와 연결된 기관 전체 사용으로 전환시킨다. 왜 중요한가: Microsoft의 2026 AI in Education 보고서에 따르면 조사 대상 학생과 교육 지도자의 92%, 교육자의 88%이 이미 학교 목적으로 AI를 사용 중이다. 하지만 범용 AI는 학교가 필요로 하는 기관별 맥락과 개인정보보호/무결성 보안장치가 부족하다. Microsoft 365 Education은 각 학교의 정체성, 권한, 규정 준수, 데이터 거버넌스에 AI를 기반함으로써 이를 해결한다. 기관 데이터를 학교의 통제 아래 유지하면서 사용자가 볼 권한이 있는 것으로만 접근을 제한한다.

   주목할 점: 기관들은 Copilot Chat(Microsoft 365에 포함)으로 시작하여 거버넌스와 준비 상태가 성숙해짐에 따라 더욱 풍부한 Copilot 경험과 에이전트로 확대할 수 있다. 모델 선택은 최신 모델인지 여부가 아니라 작업과 학교의 데이터 처리 요구사항에 따라 결정된다. 이 접근 방식을 통해 학교들은 기관 전체 도입에 앞서 높은 영향력을 가진 단일 워크플로우를 먼저 시험할 수 있다.

4. 4

   Aily Labs, AI 의사결정 플랫폼을 Google Cloud Marketplace에 출시

   무슨 일이 있었나: AI 의사결정 인텔리전스 플랫폼 기업인 Aily Labs가 Google Cloud와 파트너십을 체결하고 자사 플랫폼을 Google Cloud Marketplace에서 이용할 수 있도록 했다. 이를 통해 제약 및 바이오테크 기업들은 기존 Google Cloud 계약을 통해 Aily의 AI 에이전트를 직접 구매할 수 있으며, 이러한 구매는 추가 공급업체 검토나 새로운 보안 평가를 트리거하지 않으면서 약정된 클라우드 지출에 포함된다. 왜 중요한가: 제약 및 바이오테크 기업들은 수십 개의 단절된 시스템에 걸쳐 R&D, 임상시험, 규제 준수, 공급망을 관리하고 있으며, 임상시험 부지 선정, 신약 후보 우선순위 결정, 재고 의사결정 지연이 자주 발생한다. Google Cloud를 통해 Aily의 플랫폼을 제공함으로써 기업들은 추가 조달 마찰이나 보안 감사 없이 신약 개발 및 규제 업무를 위한 AI 에이전트를 활용할 수 있다.

   주목할 점: Aily의 "Super Agent"는 R&D, 임상 개발, 규제 제출, 자본 배분, 공급망 및 상업 운영 전반에 걸쳐 수천 개의 전문화된 AI 서브에이전트를 조율하며, 이 모든 기능은 Google Cloud의 엔터프라이즈 AI 애플리케이션인 Gemini Enterprise 내 Agent Gallery를 통해 접근할 수 있다.

5. 5

   Salesforce, 엔터프라이즈 AI를 위한 계층화된 데이터 아키텍처 제시

   무엇이 일어났는가: Salesforce의 데이터 아키텍처 담당 Tristan Baker는 지식 그래프가 엔터프라이즈 AI 시스템의 기초 계층으로 자리잡고 있다고 설명했다. 그는 레이크하우스와 운영 데이터베이스가 메타데이터 계층 아래에 위치하고, 그래프 기술이 이들 간의 관계와 컨텍스트를 관리하는 계층화된 스택을 제시했다. 이를 통해 AI 에이전트가 단순히 데이터를 검색하는 것이 아니라 신뢰할 수 있는 데이터로부터 추론할 수 있게 된다. 왜 중요한가: 엔터프라이즈 리더들은 몇 초 내에 신뢰할 수 있는 답변을 제공하는 대화형 인터페이스를 원하고 있지만, 이는 단일 데이터베이스만으로는 불충분하다. Baker는 진정한 난제는 단편화된 데이터 환경에서 AI가 이를 이해할 수 있도록 엔터프라이즈 정보를 정확하게 기술하는 것이라고 강조했다. 거버넌스와 시맨틱 접근 정책이 중대한 과제로 떠오르고 있으며, 법무팀은 개별 데이터베이스 차원이 아닌 시맨틱 수준에서 데이터 보호를 정의할 필요가 있다.

   주목할 점: Baker는 대부분의 조직이 아직 이 아키텍처 문제를 완전히 해결하지 못했다고 지적했다. 그는 설령 최고의 기술이라도 이에 노출되는 콘텐츠가 신중하게 선별되지 않으면 '쓰레기 입력, 쓰레기 출력' 결과를 낳을 수 있다고 경고했으며, 이는 많은 엔터프라이즈가 여전히 씨름하고 있는 과제다.

6. 6

   Mizuho Financial Group이 클라우드 대신 온프레미스 GPU 배치

   무슨 일이 있었는가: Mizuho Financial Group이 클라우드 인프라에 의존하는 대신 온프레미스 GPU(NVIDIA 장비 8대)를 도입했으며, AI 에이전트 활용을 위한 입지를 다지고 있다. 왜 중요한가: 온프레미스 배치를 통해 Mizuho는 자신의 AI 인프라와 데이터에 대한 직접적인 통제권을 확보할 수 있으며, 이는 민감한 고객 정보를 관리하고 외부 클라우드 제공업체에 대한 의존도를 줄이려는 금융기관으로서 매우 중요할 수 있다.

   주목할 점: 이 회사는 자율적으로 작업을 수행할 수 있는 자율 시스템인 AI 에이전트를 배치할 준비를 하고 있으며, 이는 금융 운영에서 보다 정교한 자동화로의 전환을 시사한다.