본문으로 건너뛰기
AI NEWS JOURNAL
AI, IN PERSPECTIVE

AI 뉴스 검색

제목, 요약, 본문을 검색해 흩어진 정보를 연결하세요.

발행 시간순

유럽의 여러 주요 금융기관이 오픈소스 대형 모델을 활용해 독자적인 지능형 시스템을 구축하고 있습니다.

GTC 베를린 컨퍼런스에서 Revolut, Starling Bank, Lloyds, Santander 등 유럽의 금융기관들은 NVIDIA 가속 컴퓨팅 플랫폼과 PRAGMA, Nemotron 시리즈, Kumo 패밀리와 같은 오픈소스 가중치 모델을 기반으로 생산 수준의 AI 역량을 구축한다고 발표했습니다. 이는 거래 분석, 음성 인식, 사기 탐지, 데이터 파이프라인 가속 등 핵심 시나리오를 포괄하며, 데이터 주권, 비용 통제 및 규정 준수 기반 배포를 강조합니다.

진행 상황 및 관련 보도

NVIDIA가 확장형 에이전트 툴킷을 출시하여 기업들이 사유 데이터를 기반으로 신뢰할 수 있는 인공지능 에이전트를 구축할 수 있도록 지원합니다.

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.

진행 상황 및 관련 보도

NVIDIA, 다방면의 오픈소스 모델 세트를 발표하여 유럽 산업의 주권 기반 지능형 발전을 촉진

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.

진행 상황 및 관련 보도

GTC 베를린 2026: 젠슨 황의 기조연설에서 AI 공장, 안전한 지능형 에이전트 및 유럽 AI 생태계 전략을 전면적으로 발표

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.

진행 상황 및 관련 보도

NVIDIA가 Kumo Forecast를 발표했습니다: 사전 훈련된 시계열 표현, 과거 패턴 검색 및 해석 가능성을 통합한 다변량 예측 모델

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.

진행 상황 및 관련 보도

NVIDIA, Kumo Relational 발표: 학습 없이도 지도학습을 능가하는 최초의 구조화된 데이터 기반 모델

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.

진행 상황 및 관련 보도