제목, 요약, 본문을 검색해 흩어진 정보를 연결하세요.
NVIDIA의 오픈소스 에이전트 툴킷은 Agent Knowledge Foundation 등 핵심 구성 요소를 추가했으며, CUDA-X 라이브러리, Nemotron Retriever 및 Kumo 시리즈 개방형 모델, OpenShell 보안 실행 환경, NemoClaw 블루프린트를 통합해, 기업이 데이터를 이전하거나 기존 프로세스를 변경하지 않고도 감사 가능하고 관리 가능한, 비즈니스 의미를 깊이 이해하는 전용 인공지능 에이전트를 구축할 수 있도록 지원합니다.
NVIDIA는 오픈소스 모델 라인업을 확장해 언어, 로봇, 바이오 컴퓨팅 및 양자 컴퓨팅 등 다양한 분야를 포괄하며, Nemotron 3.5 시리즈, Kumo 구조화된 데이터 모델, Cosmos 세계 모델, Alpamayo 2 Edge 자율주행 모델, BioNeMo RFD4-Proteina 단백질 설계 모델 및 Ising 양자 컴퓨팅 모델을 출시했습니다. 이들 모두 개발자와 기업을 대상으로 가중치와 도구를 공개하며, 현지화된 맞춤형 구축과 독립적인 배포를 지원합니다.
베를린 템포드롬에서 열린 GTC 베를린 2026 컨퍼런스에서 엔비디아의 CEO 젠슨 황은 다음과 같은 주요 성과를 발표했습니다: DSX POD 모듈형 AI 공장, 베라 루빈 풀스택 AI 에이전트 플랫폼, OpenShell 보안 아키텍처, 에이전트 지식 파운데이션 지식 계층, 그리고 Agile ONE SN 휴머노이드 로봇 참조 플랫폼을 선보였습니다. 또한 100억 유로 규모의 유럽 AI 투자 약속을 발표하고, 이를 통해 12,000여 개의 파트너사를 포괄할 것임을 밝혔으며, 유럽이 자주적이고 통제 가능한 AI 경제 인프라 구축을 가속화하고 있다고 강조했습니다.
설립 18개월 된 AI 원생 소프트웨어 기업 Tenex는 출력 지향 보수, MetaHarness 프레임워크 및 Opus 5.5를 기반으로 한 AI 에이전트 워크플로우를 통해 포춘 2000대 기업의 약 절반을 고객으로 두고 있습니다. 이 회사의 모델은 프로세스 표준화, 비코딩 방식의 가치 재평가, 그리고 기업 수준의 AI 도입에서 발생하는 ‘마지막 1마일’ 문제 해결에 중점을 두고 있습니다.
Tenex는 설립 18개월(2026년 기준)이며 직원 수 75명 규모의 AI 원생 소프트웨어 제공 기업으로, 포춘 2000대 기업의 약 절반과 이에 상응하는 중견기업을 고객으로 두고 있습니다. 주요 실천 사례로는 스토리 포인트를 기반으로 한 동적 엔지니어 보상 체계, AI 전략가의 품질 검증 메커니즘, Git 내부에 통합된 컨텍스트 기반 MetaHarness 프레임워크, 그리고 ‘비코딩 고부가가치 작업’에 집중하는 역량 재정립이 포함됩니다. 한편, 기업의 AI 도입은 여전히 범용 LLM 배포와 엔지니어링 측 에이전트 중심으로 집중되어 있으며, 백엔드 오피스 계열의 생산용 AI 에이전트 침투율은 약 5%에 불과한 것으로 파악됩니다.
NVIDIA는 Hugging Face와 협력해 OpenUSD 기반의 무료 개방형 시뮬레이션 준비(SimReady) 3D 아셋 라이브러리인 SimReady Central을 출시했습니다. 초기 버전에는 로봇 본체, 지그, AI 공장 인프라 등 다양한 분야를 포괄하는 검증된 산업용 아셋 2,000여 개가 포함되어 있으며, 개발자가 물리 기반 AI 학습 환경과 디지털 트윈 시나리오를 신속히 구축할 수 있도록 지원합니다.
Dharma-AI는 VocabX 방법을 제안하여, 포르투갈어 작문 자동 채점과 같은 특정 작업에 맞춰 언어 모델의 어휘표를 재구성함으로써 단어 빈도가 아닌 단어 비용을 최적화 목표로 삼습니다. 모델 구조, 파라미터 또는 학습 프로세스를 수정하지 않은 상태에서, 실험 결과 추론 비용이 77% 감소하는 동시에 평가 점수(bench score)가 0.703에서 0.810으로 향상되었습니다.
이 글은 Hugging Face와 Amazon이 공동으로 발표한 기술 블로그 시리즈의 첫 번째 편으로, AWS Trainium AI 가속 칩에서 TorchNeuron을 활용한 PyTorch 모델 추론 성능 분석 방법을 체계적으로 소개합니다. 여기에는 Neuron 백엔드 통합 원리, torch.profiler 구성 방법, NeuronConfig 및 NeuronProfiler 도구의 사용법, Neuron Explorer를 이용한 시각적 추적 등이 포함되며, RMSNorm을 사례로 삼아 세 가지 구현 방식(순수 PyTorch, torch.rms_norm 내장형 병합, torch.compile 자동 병합) 간의 장치별 처리 시간 차이를 비교합니다.
NVIDIA는 오픈소스 시계열 예측 모델인 Kumo Forecast(구 NV-Tesseract Forecasting)를 출시했습니다. 이 모델은 MOMENT-1-large Transformer 아키텍처를 기반으로 하며, 직접 예측과 도메인 인식 표현 및 검색(DARR)의 두 가지 경로 추론을 지원하고, 모델 구조를 수정할 필요 없이 내장된 해석 가능성 프레임워크를 탑재하고 있습니다.
폴렌 로보틱스와 허깅 페이스가 공동으로 저비용 오픈소스 이족 보행 로봇인 마이크로덕을 발표했으며, NVIDIA 아이시스 랩 3.0과 뉴턴 물리 엔진을 통합해 GPU 기반 병렬 시뮬레이션에서 보행 전략을 학습할 수 있도록 지원합니다. 도메인 랜덤화와 고정밀 액추에이터 모델링(기어 간극, 지연, 마찰 등 포함)을 통해 시뮬레이션에서 실제 로봇으로의 전이 안정성을 높이고, 최종적으로 ONNX 모델을 내보내 실제 로봇에 직접 배포할 수 있습니다.
NVIDIA는 사전 훈련된 관계형 기반 모델인 Kumo Relational을 출시했으며, 이 모델은 기업용 관계형 데이터베이스에서 이탈 예측, 사기 탐지, 수요 예측 등 다양한 예측 작업을 직접 수행할 수 있습니다. 작업 미세조정, 특성 엔지니어링 또는 테이블 평탄화가 필요하지 않습니다. 15개 데이터베이스에 걸친 41개의 벤치마크에서 XGBoost 등 감독 학습 모델을 전면적으로 능가했으며, SAP SALT 기업 벤치마크에서는 MRR 지표에서 AutoGluon보다 8% 앞섰습니다. 또한 5,000억 행 규모의 데이터베이스를 지원하며, Predictive Query Language(PQL)를 통해 코드 없이 예측 호출을 구현할 수 있습니다.
IBM은 Granite Speech 5.0 시리즈의 세 가지 오픈소스 음성 모델—granite-speech-5.0-2b(고정확도 다국어 ASR/MT), granite-speech-5.0-470m-turboctc(초고속 엣지 기반 다국어 음성 전사) 및 업데이트된 granite-speech-4.1-2b-plus(향상된 다화자 대화 모델링)—를 출시했습니다. 이들 모두는 Apache 2.0 라이선스 하에 제공되며, 주요 추론 프레임워크를 지원합니다.
i14는 30.28억 개의 파라미터를 갖는 Laplace 3B 모델을 출시했으며, Softmax 주의 메커니즘을 대체해 게이트 제어 선형 주의(GLA)를 채택했습니다. 이 모델은 추론 시 각 시퀀스의 재귀 상태 크기가 항상 29.5 MB로, 컨텍스트 길이와 무관합니다. 해당 모델은 AWS trn2.48xlarge 인스턴스 한 대(Trainium2 칩 16개 탑재)에서 훈련 및 서비스 검증을 완료했으며, 훈련 처리량은 초당 12만 토큰에 달하고, 서비스 처리량은 초당 11,544 출력 토큰(동시 실행 시퀀스 수 1,280)입니다. 모든 성능 데이터는 i14와 AWS GenAIIC 팀의 내부 실측 결과입니다.
메타는 2026년 10월 30일자로 발효되는 업데이트된 상업 서비스 약관에서 ‘train’(훈련)이라는 용어를 삭제하며, AI 데이터 수집 정책에 대한 외부의 강력한 비판에 대응했다. 그러나 회사는 약관에 로봇.txt 프로토콜을 준수한다는 문구를 포함하지 않을 것임을 분명히 밝혔다.
AWS는 모델 컨텍스트 프로토콜(MCP) 기반의 모듈형 에이전트 아키텍처를 출시했으며, AgentCore를 통해 엔터프라이즈급 도구 인터페이스를 통합적으로 관리합니다. 또한 Amazon Quick은 비즈니스 사용자를 위한 자연어 기반 대화형 인터페이스를 제공하여 ERP, 구매, 모니터링 등 다양한 시스템 간에 실시간으로 승인 중심의 공급망 의사결정 지원을 구현합니다. 이 솔루션은 기술 미리보기 단계로, 생산 환경 적용이나 고객 도입을 보장하지 않습니다.
AWS 팀은 Amazon SageMaker HyperPod에서 GPT-OSS-20B를 대상으로 다국어 추론 미세조정 실험을 수행했으며, LoRA 기반의 효율적 파라미터 미세조정을 적용했습니다. SFT는 영어·프랑스어·독일어·스페인어·이탈리아어 등 5개 언어에 대한 추론 정확도를 22%에서 100%로 끌어올렸지만, 답변 언어의 정확도는 62%에 그쳤습니다. GRPO는 이를 바탕으로 답변 언어 정확도를 70%까지 추가로 개선했으며, 추론 언어 성능에는 별다른 손상을 주지 않았습니다. 다만 이익의 정도는 언어마다 상이하여, 예를 들어 스페인어는 30%p 향상된 반면 이탈리아어는 20%p 하락했습니다. 실험 결과는 GRPO가 새로운 능력을 제로 상태에서 창출할 수 없으며, 기존에 간헐적으로 나타나던 행동만을 최적화할 수 있음을 분명히 보여줍니다.
Octave Reliance는 Amazon Bedrock을 기반으로 엄격한 테넌트 격리형 AI 인프라를 구축했으며, Cohere Embed v4와 AgentCore 마이크로 가상머신 런타임을 통합해 의료기기, 제약 및 식품 제조 산업 전반에 걸친 컴플레인 트라이애지 어시스턴트를 구현했습니다. 이를 통해 20억 건이 넘는 규제 대상 문서(불만 사항, CAPA, 감사 발견 등)에 대한 의미 기반 검색을 지원하며, 전체 과정에서 테넌트 간 데이터 유출을 완전히 차단합니다.
아마존 웹 서비스는 캐나다 고객들이 Amazon Bedrock을 통해 ca-central-1(캐나다 중부) 및 ca-west-1(캐나다 서부/캘거리) 리전에서 OpenAI GPT-5.6, GPT-6 및 GPT-6.1 모델을 크로스리전 추론(CRIS) 방식으로 호출할 수 있다고 발표했습니다. 실제 추론은 북미 또는 전 세계 AWS 상용 리전에서 이루어지며, 데이터는 캐나다 원본 리전에 정적 상태로 저장됩니다.
AWS는 2026년 10월 26일에 에이전트 레지스트리 서비스의 전면적인 이용 가능을 발표했으며, 이 관리형 서비스는 하이브리드 의미론과 키워드 검색을 통해 런타임에 승인된 모델 컨텍스트 프로토콜(MCP) 서버와 에이전트 간(A2A) 에이전트를 동적으로 발견하고 인스턴스화하며 실행함으로써, 하드코딩된 도구 통합을 대체하고 기업 수준의 AI 에이전트 규모화 편성에서 발생하는 병목 문제를 해결합니다.
기사에서는 전력 보급을 비유로 삼아, 기업의 AI가 이제까지의 단편적 실험 단계에서 벗어나 인프라화 단계로 진입하고 있으며, 핵심 문제도 ‘AI를 도입할 수 있는가’에서 ‘최소한의 효율적 비용으로 측정 가능한 비즈니스 성과를 어떻게 달성할 것인가’로 변화했음을 지적합니다. 또한 ‘각 유용한 산출물의 효율적 비용’을 핵심 지표로 제시하고, 자체 스택 구축, 온디맨드 클라우드 서비스, 통합형 프라이빗 AI 플랫폼 등 세 가지 AI 운영 모델 간의 경제성 차이를 분석하며, 활용률, 모델 선택, 캐시 관리 등 운영 실무가 ROI에 결정적인 영향을 미친다는 점을 강조합니다.
