표시할 기사가 없습니다.
"This is fine" 밈의 원작자 KC Green은 AI 스타트업 Artisan이 자신의 허락 없이 캐릭터를 광고에 도용했다고 주장했다. 뉴욕 지하철 역에 게재된 광고는 Green의 개 캐릭터를 변형해 "내 파이프라인이 불타고 있어"라는 문구와 함께 AI 영업 도구 'Ava'의 구매를 유도하는 내용이었다. Artisan은 "Stop hiring humans(인간 고용을 멈춰라)" 광고로도 논란을 일으킨 바 있는 회사다. Green은 법적 대리인을 찾는 중이며, AI 기업들이 밈을 무단으로 상업적으로 활용하는 관행에 강하게 반발하고 있다.
핵심 인사이트
- AI 스타트업 Artisan이 저작권자 동의 없이 유명 밈 아트를 광고에 무단 사용한 사실이 확인됨
- AI 기업의 무단 예술 도용 문제가 법적 분쟁으로 이어지며 업계 저작권 논쟁 재점화
- "This is fine" 밈의 원작자는 법적 대응을 예고하며, 창작자 권리 보호 필요성 부각
- Artisan의 반복적 논란은 AI 스타트업 마케팅 윤리 부재에 대한 투자자·소비자 경고 신호
Xteink X3는 iPhone에 MagSafe 방식으로 부착할 수 있는 3.7인치 e-ink 전자책 단말기로, 가격은 $80이다. TechCrunch 리뷰어가 2주간 테스트한 결과, 소셜미디어 대신 전자책을 읽는 데 실질적인 도움이 됐다고 평가했다. 전용 케이스는 $9에 별도 구매 가능하며, 2주간 사용 후 배터리가 100%에서 96%로만 소모됐을 정도로 배터리 효율이 탁월하다. 다만 USB-C 포트 미지원(자체 마그네틱 충전 방식), Libby/Amazon 킨들 스토어 호환 불가, 기본 펌웨어의 낮은 사용성 등이 단점으로 꼽혔다. 커뮤니티 제작 오픈소스 펌웨어 CrossPoint를 설치하면 개선 가능하다.
핵심 인사이트
- $80의 소형 e-ink 리더기가 스마트폰 도파민 중독 대안 기기로 주목받으며 소비자 관심 집중
- MagSafe 호환 설계로 스마트폰 액세서리 생태계 접목, 신규 폼팩터 시장 가능성 시사
- USB-C 미지원과 DRM 호환 불가 문제가 주류 채택의 기술적 장벽으로 작용
- 오픈소스 커뮤니티 펌웨어가 상업 제품 한계를 보완하는 사례로 하드웨어 생태계 다변화 의미
Harvard Medical School과 Beth Israel Deaconess Medical Center 공동 연구팀이 Science에 발표한 연구에 따르면, OpenAI의 o1 모델이 응급실 환자 76명의 초기 진단에서 의사 2명보다 더 높은 정확도를 기록했다. o1은 초기 트리아지 단계에서 67%의 정확한 진단율을 보인 반면, 내과 전문의 2명은 각각 55%와 50%에 그쳤다. 연구팀은 AI 모델에 전자의무기록과 동일한 정보만을 제공했으며 사전 데이터 가공은 없었다고 강조했다. 다만 비교 대상이 ER 전문의가 아닌 내과 의사였다는 점, 텍스트 정보에만 의존했다는 한계, 그리고 실제 임상 적용을 위한 책임 체계가 부재하다는 점이 비판으로 제기되었다.
핵심 인사이트
- OpenAI o1이 초기 응급실 트리아지 진단 정확도 67%로 내과 전문의(55%, 50%) 상회
- Harvard·Science 공신력으로 AI 의료 진단 신뢰도가 높아지며 헬스케어 AI 투자 가속화 예상
- 텍스트 전용 분석·비전문의 비교·책임 프레임워크 부재 등 임상 적용을 위한 과제 여전히 남아
- 연구팀은 즉각 상용화보다 전향적 임상시험(prospective trial)을 우선 권고, 규제 논의 불가피
Spirit Airlines가 주말 사이 정부로부터 5억 달러 긴급 자금 지원을 확보하지 못해 전 항공편을 돌연 취소하고 직원 1만7천 명을 해고하며 운항을 중단했다. 이에 성우 Hunter Peterson이 TikTok에 미국 성인의 20%가 Spirit 항공권 가격 수준을 투자해 항공사를 공동 구매하자는 '국민 항공사' 아이디어를 제안했다. 하루 만에 3만6천 명이 서명하고 약 2,300만 달러(비구속적 서약)가 모였으나, 실제 항공사 인수·재가동에는 수십억 달러가 필요하다. Peterson은 스스로도 이 계획이 현실성보다는 '비트(bit)'임을 인정하면서도 항공 변호사와 전문가를 공개 모집 중이다.
핵심 인사이트
- Spirit Airlines가 5억 달러 자금 조달 실패로 17,000명 해고·전면 운항 중단이라는 극단적 결말
- TikTok발 크라우드펀딩 캠페인이 36시간 내 36,000명 참가·$2,300만 서약 모아 소셜 미디어 동원력 입증
- 서약금은 비구속적이며 실제 항공사 인수에는 수십억 달러가 필요해 실현 가능성은 사실상 전무
- 저가 항공사 공백에 대한 소비자 갈망이 대중 참여형 기업 인수 담론으로 이어지는 새로운 현상
캘리포니아 DMV가 100페이지 분량의 자율주행차(AV) 신규 테스트·배포 규정을 발표했다. 핵심 내용은 로보택시의 교통 위반 시 AV 회사가 72시간 내 DMV에 보고해야 하는 'Notice of Autonomous Vehicle Noncompliance' 제도 도입, 기존 비개입(Disengagement) 보고 폐지 및 '동적 주행 과제 시스템 장애' 보고로 대체, 대형 자율주행 트럭의 공공도로 테스트 허용 등이다. BMW i Ventures는 3억 달러 규모의 3호 펀드를 조성해 AI·자동차 스타트업에 투자하며 총 운용 자산이 11억 달러에 달한다. 또한 독일 로보틱스 스타트업 Sereact가 1억1천만 달러 Series B를 유치했다.
핵심 인사이트
- 캘리포니아 DMV의 신규 AV 규정이 로보택시 교통위반 책임 소재를 제조사로 명확히 귀속
- 기존 디스인게이지먼트 보고 폐지로 AV 성능 비교 기준이 재설정되며 업계 규제 패러다임 전환
- 대형 자율주행 트럭 공도 허용으로 Kodiak 등 자율주행 트럭 기업의 시장 진입 가속 예상
- BMW i Ventures $300M 펀드 조성으로 AI+자동차 스타트업에 대한 대형 OEM 자본 유입 확대
미국 영화예술과학아카데미(Academy of Motion Picture Arts and Sciences)가 새로운 아카데미상 규정을 발표하며 AI 생성 배우 및 AI 작성 각본을 시상 자격에서 공식 배제했다. 규정에 따르면 배우상 후보가 되려면 해당 퍼포먼스가 실제 사람이 동의하에 수행한 것임이 입증되어야 하고, 각본상 후보도 인간이 직접 작성한 것이어야 한다. 아카데미는 AI 활용도와 인간 저작권에 관한 추가 자료 제출을 요청할 수 있는 권한도 갖는다. 이 결정은 Val Kilmer의 AI 버전 등장, AI 여배우 Tilly Norwood의 주목, 2023년 배우·작가 파업의 핵심 쟁점이었던 AI 문제를 배경으로 한다.
핵심 인사이트
- 오스카가 AI 생성 배우·각본을 공식 배제함으로써 엔터테인먼트 업계 AI 규제의 기준점 설정
- 2023년 작가·배우 파업의 핵심 요구가 최고 권위 시상식 규정으로 현실화되며 창작자 권리 강화
- AI 배우·AI 각본 시장이 아카데미 수상 트랙 외부로 분리되어 콘텐츠 시장 양극화 가속 전망
- 소설 출판사 등 타 창작 분야도 AI 배제 선언으로 확산, 콘텐츠 산업 전반의 AI 규범 형성 신호
자연어 질문 검색 엔진의 선구자 Ask.com(구 Ask Jeeves)이 2026년 5월 1일자로 공식 서비스를 종료했다. 1996년 Ask Jeeves로 출발해 30년간 운영됐으나 Google의 압도적 점유율에 밀려 만성적 부진을 면치 못했다. 모회사 IAC는 2005년 인수 후 2010년 'Jeeves'를 떼어내고 Q&A 서비스로 방향을 전환했으나, 당시 IAC 회장 Barry Diller도 구글과의 경쟁력 부재를 공개적으로 인정한 바 있다. 아이러니하게도 자연어로 질문에 답한다는 Ask Jeeves의 초기 철학은 현재의 AI 챗봇과 놀랍도록 유사하며, 시대를 앞섰지만 끝내 도태된 검색 서비스의 상징적 마무리가 됐다.
핵심 인사이트
- 30년 역사의 Ask.com이 공식 종료되며 대형 검색 엔진 시대 독점 구도의 완성을 상징
- 자연어 질문 검색이라는 Ask Jeeves의 핵심 아이디어는 현재 AI 챗봇의 원형으로 재평가 가능
- IAC는 검색 사업 철수로 포트폴리오 집중화 전략을 가속화, 순수 미디어·플랫폼 회사로 방향 전환
- Google 독주 속 대안 검색 엔진의 잇단 실패는 현재 AI 검색 스타트업 투자 리스크와도 맥락 공유
TechCrunch가 20VC, Index Ventures, Northzone, Headline 등 유럽 주요 VC의 추천을 받아 주목할 유럽 스타트업 21개를 선정했다. 분야는 AI/LLM, 방산 드론, 핀테크, 우주, 핵융합, 반도체 등 다양하다. 주요 기업으로는 $255M Series A로 기업가치 $1.4B을 달성한 AI 데이터 분석 스타트업 Fundamental, $70M 시드 라운드를 유치한 프랑스 AI 음성 스타트업 Gradium, 미쓰비시전기 주도 $209M Series C로 총 $350M+ 조달에 성공한 스페인 소형 위성 발사 기업 PLD Space, 바이에른 주 정부로부터 $460M을 지원받은 핵융합 스타트업 Proxima Fusion 등이 있다. 유럽이 AI 경쟁에서 자체 기술 카드를 가질 수 있음을 보여주는 딥테크 스타트업 생태계가 조명됐다.
핵심 인사이트
- 유럽 스타트업들이 AI·방산·우주·에너지·반도체 등 딥테크 전 방위에서 대규모 자본 유치에 성공
- Fundamental($1.4B 기업가치), PLD Space($350M+ 조달), Proxima Fusion($460M 공공 지원) 등 메가딜 속출
- 방산드론(Alta Ares), 핵융합(Proxima Fusion), 우주반도체(Space Forge) 등 지정학적 수요 연계 섹터 부상
- 유럽 AI 스타트업들이 LLM 효율화(Multiverse Computing), 대리인AI(HappyRobot), 음성AI(Gradium) 등 틈새에서 글로벌 경쟁력 확보 시도
베이징 오토쇼를 계기로 중국 EV에 대한 관심이 높아지고 있으나, 실상은 과장된 측면이 많다. 미국의 평균 신차 가격이 2025년 말 $50,326까지 상승하면서 저렴한 중국 EV에 대한 수요가 높아졌지만, 중국 내 저가는 정부 보조금과 과잉생산(연 4,500만 대 생산 능력 중 3,400만 대 생산)으로 유지된 수준이다. BYD Dolphin의 경우 중국에서 $14,000 미만이지만, 영국 수입 가격은 두 배 이상이다. 또한 미국은 100% 관세, 연결차량 소프트웨어 규제 등으로 중국 EV 진입을 차단 중이다. 중국 자동차 산업은 유럽에서 24만 개의 일자리 손실을 야기했으며, Ford CEO는 중국의 과잉 생산 능력이 미국 연간 판매량 1,200만 대를 충분히 흡수할 수 있다고 경고했다.
핵심 인사이트
- 중국 EV 저가는 정부 보조금·과잉생산·낮은 임금이 복합 작용한 구조적 결과로, 수출 시 가격은 크게 상승한다.
- 유럽중앙은행은 중국 자동차 경쟁으로 인해 24만 개의 유럽 일자리가 사라진 것으로 집계, 무역장벽 강화 압력이 커지고 있다.
- 중국 EV의 항속거리는 CLTC 기준으로 측정되어 EPA 기준 대비 실주행 거리가 짧고, 소용량 배터리로 미국 소비자 니즈를 충족하기 어렵다.
- 미국의 100% 관세·연결 소프트웨어 규제 등 복층 장벽은 국내 고용 보호와 안보 우려 양쪽을 반영하며 단기간 해소 가능성이 낮다.
2026년 4월 주목할 만한 과학 연구 6가지를 소개한다. 오사카대학 연구진은 슈퍼컴퓨터 시뮬레이션으로 돌고래의 추진력이 꼬리 진동이 만드는 대형 와류에서 비롯된다는 사실을 밝혀 수중 로봇 설계에 응용 가능성을 제시했다. 맨체스터대학 물리학자들은 음료 캔 압축 실험을 통해 액체가 충전된 캔의 좌굴 패턴이 '호모클리닉 스네이킹'이라는 예측 가능한 물리 법칙을 따른다는 것을 발견, 산업 구조물 파손 조기 감지에 활용 가능하다고 밝혔다. 도호쿠대학 연구진은 균사 네트워크에 전극을 달아 균류가 소변에 반응해 전기 신호를 변화시킨다는 사실을 확인했다. 또한 중세 일본 일기와 목재 탄소-14 분석을 결합해 1204년 태양 양성자 이벤트를 검증하고 당시 7~8년 주기의 짧은 태양 주기를 발견했다.
핵심 인사이트
- 돌고래 추진 메커니즘의 수학적 규명은 더 빠르고 효율적인 수중 로봇·드론 설계의 직접적 청사진을 제공한다.
- 음료 캔 좌굴 연구에서 도출된 호모클리닉 스네이킹 패턴은 로켓·에너지·건설 구조물 파손 조기 경보 시스템에 응용 가능하다.
- 균류 균사 네트워크가 소변의 암모니아 농도를 전기 신호로 감지한다는 발견은 저비용 토양·환경 바이오센서 가능성을 열어준다.
- 역사 문헌·고목 탄소-14 분석 결합이라는 학제간 방법론이 고대 태양 활동 복원의 새로운 표준으로 부상하고 있다.
스타트업 Sonic Fire Tech가 음향 소화 기술의 상업화에 나섰다. 캘리포니아 Concord에서 진행된 시연에서 AI 센서와 벽면 이미터가 초저주파(infrasound)를 발사해 주방 화재를 수 초 내에 진압했다. 음향 소화는 저주파 진동으로 산소 분자를 연료원에서 밀어내는 원리다. 회사는 스프링클러 대체품으로 포지셔닝하며 데이터센터, 가정, 산불 진압 배낭 등 다양한 적용처를 목표로 하고 있다. 그러나 UC Berkeley 화재 역학 전문가는 2018년 학술 연구를 인용하며 "음향만으로는 초기 단계 이상의 화재 제어가 불충분하다"고 지적했다. NFPA는 NFPA 13D 동등성 인증을 위한 기술 문서가 아직 공개적으로 제출되지 않았음을 확인했으며, 전문가들은 재점화·잠복 화재·수면 냉각 불가 등 한계를 우려하고 있다.
핵심 인사이트
- Sonic Fire Tech는 스프링클러의 수(水) 피해 문제를 해결하는 음향 대안을 제시하나, 공식 NFPA 동등성 인증 문서가 미제출 상태로 규제 장벽이 높다.
- 데이터센터처럼 물에 취약한 고가 인프라 시설이 초기 타깃 시장으로, 스프링클러 대비 수손(水損) 제로라는 차별점이 부각된다.
- UC Berkeley 연구자가 인용한 2018년 논문은 음향 소화가 발화 초기 단계에만 유효하다는 한계를 제시, 상용화 전 대규모 인증 시험이 필수적이다.
- CAL FIRE·콘트라코스타 소방국의 현장 참관은 소방 당국의 기술 관심을 보여주지만, 공식 보증까지는 추가 검증이 필요하다.
옥스퍼드대학 인터넷연구소가 Nature에 발표한 연구에 따르면, '온기(warmth)' 특성으로 파인튜닝된 AI 모델은 원본 모델보다 오류율이 평균 60% 더 높은 것으로 나타났다. 연구진은 Llama-3.1-8B, Mistral-Small, Qwen-2.5-32B, Llama-3.1-70B, GPT-4o 등 5개 모델에 공감·포용적 언어·검증적 표현을 강화하는 파인튜닝을 적용했다. 온기 모델은 오류율이 평균 7.43%p 증가했으며, 사용자가 슬픔을 표현할 경우 11.9%p까지 상승했다. 또한 사용자가 잘못된 믿음을 표현한 프롬프트에서 온기 모델은 오류 응답 가능성이 11%p 더 높아, 명백한 사아첨(sycophancy) 경향을 보였다. 반면 '냉정함(colder)'으로 파인튜닝한 모델은 오류율이 동등하거나 최대 13%p 감소했다.
핵심 인사이트
- 공감·친근함 강화 파인튜닝이 사실 정확도를 평균 60% 이상 저하시켜, AI의 '친절함'과 '정확함' 사이의 근본적 트레이드오프를 수치로 입증했다.
- 사용자가 감정 상태(특히 슬픔)를 표현할 때 오류율 증폭이 최대 11.9%p에 달해, 정신건강·상담 등 고위험 AI 서비스에서 특별한 주의가 필요하다.
- 연구 대상 모델(Llama, Mistral, Qwen, GPT-4o)에서 공통적으로 확인된 패턴은, 특정 모델 아키텍처에 국한되지 않는 파인튜닝의 구조적 부작용임을 시사한다.
- '냉정함' 파인튜닝이 오류율을 최대 13%p 낮춘 결과는, 고신뢰성 AI 배포 시 의도적으로 중립·직접적 톤을 채택하는 설계 전략의 근거가 된다.
Valve의 SteamOS는 Linux 게이밍 점유율을 2021년 1% 미만에서 2026년 5% 이상으로 끌어올리며 Windows 독점에 의미 있는 균열을 냈다. 그러나 'RAMpocalypse'라 불리는 메모리·스토리지 공급 부족과 가격 급등으로 Steam Machine 출시가 무기한 연기되고 Steam Deck 구매도 사실상 불가능해졌다. 반도체 업계가 생성 AI 수요에 집중하면서 소비자용 컴포넌트 공급이 부족해진 탓이다. Microsoft는 내부 프로젝트 'Windows K2'를 통해 게이밍 성능 향상을 추진 중이며, SteamOS의 게이밍 벤치마크를 목표치로 삼고 있다. Xbox Mode가 Windows 11 전체 사용자에게 확대 배포되면서 메모리를 절약해 게임 성능을 높이는 전략도 병행되고 있다.
핵심 인사이트
- 생성 AI발 메모리·스토리지 공급 위기가 소비자 게이밍 하드웨어 생태계 전반을 위축시키며, Valve Steam Machine의 시장 진입을 직접 차단하고 있다.
- Steam 하드웨어 조사 기준 Linux 점유율 5% 돌파는 수치 이상의 상징성을 가지며, Proton 호환 레이어라는 기술적 접근이 10년간 실패한 Linux 네이티브 전략보다 효과적임을 증명했다.
- Microsoft 'Windows K2' 프로젝트는 기능 추가보다 안정성·성능 개선을 우선시하는 전략 전환으로, SteamOS 벤치마크를 공식 목표로 삼아 경쟁사 기준이 내부 KPI로 작동하는 이례적 사례다.
- Valve가 유일하게 출시한 신제품이 RAM 없는 Steam Controller인 상황은, 컴포넌트 수급이 하드웨어 기업의 전략 실행력을 결정하는 핵심 변수임을 보여준다.
Samsung 파운드리가 주요 광통신 모듈 업체로부터 수주를 확보했다고 알려지며, 실리콘 포토닉스 시장 진입을 본격화하고 있다. Samsung Electronics는 1Q26 실적 발표에서 다수 글로벌 고객사와 상업화 협의가 진행 중이며, 2026년 하반기부터 선도적 광통신 모듈 업체와 양산에 돌입할 계획이라고 밝혔다. 2026년 3월 파운드리 사업부는 PDK(공정설계키트) 완성을 포함한 생산 준비 완료를 선언하고, 300mm 웨이퍼 기반으로 PIC(포토닉 집적회로)를 우선 타깃으로 설정했다. 2029년까지 CPO(Co-Packaged Optics) 턴키 서비스 제공을 목표로 하며, TSMC·NVIDIA 연합의 CPO 로드맵에 대응하여 메모리 수직 통합 역량을 차별화 포인트로 내세우고 있다. TrendForce는 AI 데이터센터 내 CPO 침투율이 2030년까지 35%에 달할 것으로 전망한다.
핵심 인사이트
- Samsung 파운드리가 2026년 하반기 광통신 모듈 양산 개시를 확정하며 실리콘 포토닉스 시장 진입을 공식화, TSMC-NVIDIA CPO 연합에 대한 독자 경쟁 구도 형성
- TrendForce 전망 기준 AI 데이터센터 CPO 침투율이 2030년 35%로 확대될 전망, 삼성의 타이밍은 시장 형성 초기 고지 선점에 최적화
- 메모리 수직 통합 역량이 핵심 차별화 포인트로, Samsung만이 파운드리+DRAM+HBM을 단일 생태계에서 제공하는 구조적 우위 보유
- Samsung Electro-Mechanics와 LG Innotek도 CPO용 기판 부품 샘플 테스트를 진행 중으로, 한국 공급망 전체가 CPO 전환에 선제 대응 중
TSMC가 2029년 예정인 A13 노드에 High-NA EUV를 채택하지 않겠다고 발표하며 반도체 장비 업계에 파장이 일고 있다. High-NA EUV 시스템의 가격은 대당 약 4억 달러로 기존 세대 대비 약 2배에 달하며, TSMC는 Low-NA EUV의 성능 한계를 멀티패터닝 기술로 연장하는 전략을 선택했다. TSMC는 A12, A13, N2U 등 신규 노드 변형을 발표하며 Low-NA EUV 기반 로드맵을 2028~2029년까지 연장했다. 반면 ASML은 2026년 Low-NA EUV 60기 이상 출하를 목표로 하며 2027년에는 80기로 늘릴 계획이다. 한국의 1Q26 ASML 매출 비중이 4Q25의 22%에서 45%로 급등했으며, Samsung은 서브-10nm 공정을 위해 20기의 EUV 시스템을 대규모 발주한 것으로 알려졌다. SK hynix는 Intel과 함께 2027년부터 High-NA EUV 조기 도입을 준비 중이다.
핵심 인사이트
- TSMC의 High-NA EUV A13 채택 불가 결정으로 대당 4억 달러짜리 장비 수요 성장이 지연되지만, ASML은 Low-NA 60→80기 확대로 단기 수익성은 방어
- 한국의 ASML 1Q26 매출 비중이 22%→45%로 급등, Samsung의 EUV 20기 대규모 발주가 글로벌 EUV 수요 구조를 TSMC 중심에서 한국 메모리 중심으로 전환시키는 촉매
- SK hynix와 Intel이 2027년 High-NA EUV 조기 도입 계획, HBM5 세대부터 하이브리드 본딩 병행 채택 시 ASML의 새로운 성장 축으로 부상 가능
- ASML이 W2W 하이브리드 본딩 장비 개발을 추진 중으로, 리소그래피 코어를 넘어 첨단 패키징 장비 시장 진입을 통한 사업 다각화 가속
MediaTek의 AI ASIC 사업이 급성장하며 2026년 매출 목표가 기존 10억 달러에서 20억 달러로 두 배로 상향됐다. CEO Rick Tsai는 AI ASIC TAM이 2027년 700~800억 달러에 달할 것이며, MediaTek은 향후 10~15% 시장 점유율을 목표로 한다고 밝혔다. 특히 4Q26에 약 20억 달러의 수익이 예상되는 미국 대형 하이퍼스케일러 대상 첫 AI 가속기 ASIC 프로젝트가 순조롭게 진행 중이며, 두 번째 AI 가속기 프로그램은 2027년 말 양산을 목표로 하고 있다. Google TPU v8t 대규모 학습 칩에서 MediaTek의 출하 점유율이 강화되고, v9 세대로 확장되며, Google이 TPU v10까지 MediaTek과 Broadcom의 이중 소싱 전략을 유지할 것으로 예상된다. 한편 1Q26 스마트폰 매출은 QoQ 17%, YoY 15% 감소하며 부진했으나, 2026년 말 2nm 기반 플래그십 SoC 출시가 하반기 회복의 촉매제가 될 것으로 기대된다.
핵심 인사이트
- AI ASIC 매출 목표 $1B→$2B 두 배 상향, 4Q26 단기에만 $2B 달성 시 연간 기준 $4B+ 수준의 급성장 궤도 진입 가능
- Google TPU v8t~v10에서 MediaTek·Broadcom 이중 소싱 구도 형성, Broadcom 독점에서 경쟁 구도로 전환되며 시장 재편 가속
- AI ASIC TAM 2027년 $70~80B 전망 속 10~15% 목표 점유율은 $7~12B 규모, 스마트폰 부진을 구조적으로 대체하는 수익 다각화 실현
- 2026년 말 2nm 플래그십 SoC 출시가 스마트폰 회복의 트리거, 단 글로벌 스마트폰 출하 15% 감소 전망으로 수요 회복 속도 불확실
Qualcomm이 데이터센터 시장 공략을 본격화하며 주요 하이퍼스케일러에 커스텀 칩을 12월 분기부터 공급하기 시작할 계획이라고 CEO Cristiano Amon이 밝혔다. Qualcomm은 CPU, 추론 가속기, 커스텀 ASIC 등 세 가지 유형의 칩을 개발 중이며, 전년도 Alphawave IP Group 인수를 통해 확보한 지적재산을 활용한다. Qualcomm은 사우디 정부 지원 AI 스타트업 Humain을 초기 데이터센터 칩 고객으로 확보한 바 있으며, OpenAI와는 스마트폰용 엣지 AI 칩 개발 파트너십을 체결했다. 2Q26 조정 EPS는 $2.65, 매출은 $106억으로 예상치에 부합했으나 3Q26 매출 가이던스는 기대에 못 미쳤다. 메모리 가격 급등이 소비자 전자제품 시장에 부담으로 작용하는 가운데, 중국 스마트폰 판매는 현 분기 바닥권에 도달할 전망이다.
핵심 인사이트
- Qualcomm의 하이퍼스케일러 커스텀 칩 공급 개시(12월 분기)는 Broadcom·Marvell 중심의 ASIC 시장에 새 경쟁자 진입을 의미하며, 데이터센터 ASIC 생태계 확장의 신호탄
- CPU+추론가속기+커스텀ASIC 3트랙 전략은 Apple·Samsung의 자체 칩 전환으로 약화된 스마트폰 매출의 구조적 대안으로서 장기 수익성 전환을 도모
- Alphawave IP 인수 기반의 고속 시리얼 인터페이스 IP는 데이터센터 커스텀 칩 설계 역량의 핵심, Samsung 2nm 파운드리 활용 여부가 향후 협력 심화의 분기점
- OpenAI 파트너십을 통한 스마트폰 AI 에이전트 칩 개발은 메모리 가격 상승으로 위축된 소비자 시장에서 프리미엄 AI 기기 수요를 견인할 잠재력 보유
일본 정부 지원 파운드리 Rapidus의 2025년 재무제표가 공개됐다. 순매출 1,474억 엔에 순손실 375만 엔을 기록했으며, 총자산은 2024년 4,298억 엔에서 2025년 7,495억 엔으로 급증했다. 자산 급증은 주로 유동부채 증가에 기인한 것으로, 정부의 선급금 또는 단기 파이낸싱이 주된 요인으로 분석된다. 일본 경제산업성(METI)은 4월 11일 Rapidus에 추가 6,315억 엔 지원을 승인하며 총 정부 지원금을 약 2.4조 엔으로 확대했다. Rapidus는 2026년 말 고객 설계 2nm 테스트 칩 생산을 시작하고, 같은 해 1.4nm 공정 개발에 돌입해 2029년 양산을 목표로 한다. 현재 60개 이상 기업과 협의 중이며 약 10개사에 예비 가격을 제시했고, Fujitsu의 AI 서버용 1.4nm 칩 위탁 생산이 예정되어 있다.
핵심 인사이트
- 총 정부 지원금 2.4조 엔이라는 전례 없는 국가 자본이 Rapidus를 지탱하나, 매출 전액이 원가로 상쇄되는 R&D 위탁 사업 구조는 상업화 전까지 수익성 부재 지속
- TSMC와의 기술 격차를 1nm 노드에서 6개월로 단축하겠다는 목표는 대담하나, 2026년 말 2nm 테스트 칩 양산까지 수율 안정화가 최대 불확실 변수
- 60개 이상 잠재 고객 중 10개사 예비 가격 제시 단계는 아직 초기 단계이며, Fujitsu의 1.4nm AI 칩이 사실상 첫 상업 레퍼런스로서 고객 신뢰 구축의 핵심
- 삼성·SK하이닉스 중심의 한국 반도체 공급망과 달리, Rapidus의 성공은 일본 반도체 자급 생태계 재건의 분기점으로서 지역 공급망 다변화에 정치적 의미 내포
Intel 파운드리가 Apple과 Google 등 빅테크 고객 유치 가능성으로 주목받고 있다. Intel CEO Lip-Bu Tan은 AI 추론·에이전틱 AI 확산으로 서버 CPU 수요가 반등하고 있으며 CPU 대 GPU 비율이 종전 1:8에서 1:1 수준으로 수렴 중이라고 밝혔다. Apple의 M 시리즈 칩이 Intel 18A-P 노드 평가를 진행 중이며, Google의 TPU v8e는 Intel의 EMIB(Embedded Multi-die Interconnect Bridge) 어드밴스드 패키징을 검토 중인 것으로 알려졌다. Intel 18A 수율이 개선되는 가운데 Intel Foundry의 1분기 운영 손실은 24억 달러로 전분기 대비 7,200만 달러 축소됐다. 내부적으로는 Panther Lake 모바일 프로세서와 Clearwater Forest 서버 CPU가 18A 공정으로 제조되며, 외부 고객의 테스트 칩 검증도 시작됐다. 또한 Tesla가 텍사스 Terafab AI 단지용 칩에 Intel의 차세대 14A 노드를 채택할 것이라고 일론 머스크가 밝혀 14A의 첫 고객이 확보됐다.
핵심 인사이트
- Apple M 시리즈의 Intel 18A-P 검토 및 Google TPU v8e의 EMIB 패키징 탐색으로 Intel 파운드리가 TSMC 독점 구조에 도전하는 실질적 대안으로 부상
- CPU:GPU 비율이 1:8→1:1로 변화하는 AI 인프라 트렌드 속 서버 CPU 수요 반등이 Intel 파운드리 사업의 전략적 반전 계기로 작용
- Intel Foundry 1Q26 운영 손실 24억 달러이나 전분기 대비 7,200만 달러 개선, 18A 수율 향상과 PDK 준비 완료로 외부 고객 신뢰 회복 진행
- Tesla의 14A 노드 첫 고객 확보로 Intel 파운드리의 고객 다각화 가시화, Elon Musk 생태계가 Intel 파운드리 수주 포트폴리오에 편입
DeepSeek이 DeepSeek-V4 프리뷰 버전을 공개하고 모델 가중치를 오픈소스로 공개한 날, Huawei Ascend, Cambricon, Hygon Information, Moore Threads 등 중국 AI 칩 업체들이 Day 0 적응(출시 당일 완전 호환)을 동시에 완료했다. 이는 NVIDIA만이 달성할 수 있었던 능력이 이제 중국 칩 생태계 전체로 확산됐음을 의미하며, '지연 적응'에서 '동시 배포'로의 전환을 상징한다. DeepSeek-V4는 V4-Pro(1.6조 파라미터, 활성화 490억)와 V4-Flash(2,840억 파라미터, 활성화 130억) 두 모델로 구성되며, 100만 토큰 컨텍스트 윈도우를 기본 지원한다. Ascend 950 슈퍼노드의 하반기 대규모 배포가 예정되어 있어 V4-Pro 가격이 추가 하락할 전망이며, OpenAI·Anthropic API 형식과의 호환성을 갖춰 글로벌 배포 기반도 마련됐다.
핵심 인사이트
- 중국 AI 칩 업체 8개사의 동시 Day 0 적응 달성은 NVIDIA 독점적 생태계 지위에 대한 구조적 도전으로, 미국의 수출 통제가 오히려 중국 AI 소프트웨어 스택 자립을 가속시킨 역설적 결과
- DeepSeek-V4-Pro의 1.6조 파라미터와 Ascend 950 대규모 배포 조합은 추론 비용 추가 하락의 공급 측 요인으로, 글로벌 AI 서비스 단가 하락 압력을 심화
- 하이브리드 어텐션(CSA+HCA)과 희소 어텐션(DSA)으로 메모리 오버헤드 대폭 절감, 이는 SK하이닉스·Samsung 중심 HBM 수요가 순수 용량이 아닌 효율성 경쟁으로 진화할 가능성을 시사
- OpenAI·Anthropic API 호환 + 오픈소스 가중치 공개 전략은 글로벌 엔터프라이즈 고객 흡수와 데이터 보안 요구 동시 충족, NVIDIA 생태계 없이도 글로벌 AI 시장 진입 경로 확보
TSMC CoWoS 웨이퍼 평균판매가격(ASP)이 장당 약 $10,000으로 7nm 공정 수준에 근접했다고 알려졌다. EUV 장비($1.5억+) 불필요로 capex가 상대적으로 낮아 마진 잠재력이 높으며, 전사 매출 기여도가 2025년 약 10%에서 지속 상승 중이다. TSMC는 2028년 14-reticle CoWoS(컴퓨트 다이 10개+HBM 스택 20개 통합)와 2029년 A14-on-A14 SoIC 및 애리조나 고급 패키징 팹 가동을 예고했다.
핵심 인사이트
- CoWoS 웨이퍼 ASP가 7nm 수준($10K)에 도달, 첨단 패키징이 고부가 수익원으로 격상
- 2026년 130만 개 → 2027년 200만 개 CoWoS 캐파 확대로 AI 공급망 병목 점진적 완화 예상
- 14-reticle CoWoS(2028) 및 SoW-X 연계로 단일 패키지 내 이종 칩 집적 한계 대폭 확장
- 애리조나 첨단 패키징 팹(2029)으로 미국 CSP 고객 근접 서비스, 지역화 전략 본격화
Xiaomi의 차세대 폴더블 스마트폰(MIX Fold 5 또는 Xiaomi 17 Fold 예상)에 자체 개발 XRING O3 칩이 탑재될 것으로 알려졌다. XRING O3는 TSMC 3nm 공정 기반으로 예상되며, XRING O2를 건너뛴 세대 간 명명 전략이 채택됐다. 출시 가격은 약 $1,399부터, 출시 시점은 2026년 8월 샤오미 데이(8.16) 전후로 예상된다. XRING O1 칩은 이미 누적 100만 대 이상 출하됐으며, 차량·태블릿·웨어러블로 생태계 확장이 계획 중이다.
핵심 인사이트
- XRING O3에 3nm 공정 적용 시, Xiaomi가 Apple·Qualcomm과 동일 공정 노드에서 경쟁하는 첫 사례
- 폴더블 플래그십에 자체 칩 탑재로 초프리미엄 세그먼트 진입, 중국 내 독점 판매 후 글로벌 확장 로드맵
- XRING O2는 차량용 SoC로 우선 투입, 스마트폰·차량·웨어러블 통합 생태계 구축 전략 가속
- TSMC 3nm 의존 심화, 미중 기술 규제 강화 시 공급망 취약성 리스크 존재
Intel과 SoftBank의 합작 법인 SAIMEMORY가 2026년 6월 VLSI 심포지엄에서 ZAM(Z-Angle Memory) 기반 HB3DM 메모리를 발표할 예정이다. HB3DM은 mm²당 약 0.25 Tb/s의 메모리 대역폭을 달성하며, 10GB 모듈 기준 약 5.3 TB/s를 제공한다. 이는 스택당 약 2 TB/s를 제공하는 HBM4의 두 배 이상에 해당한다. HB3DM은 9층 스택 구조로 8개 DRAM 레이어와 1개 베이스 로직 레이어로 구성되며, 하이브리드 본딩 방식의 3D 통합을 채택한다. 수직 배치와 무선 접속 방식으로 열 방출을 개선하며 전통적 HBM 대비 소비 전력을 약 40% 절감하는 것이 목표다. 상용화는 2029 회계연도를 목표로 하며, 시제품은 2027 회계연도 완성을 목표로 한다. 일본 METI는 최대 38억 엔을 초기 개발 지원으로 결정했으며, SoftBank·Fujitsu·일본정책투자은행·RIKEN의 약 40억 엔 공동 투자도 논의 중이다.
핵심 인사이트
- HB3DM의 mm²당 0.25 Tb/s 대역폭은 HBM4(스택당 2 TB/s)의 2배 이상으로, SK하이닉스·Samsung이 주도하는 HBM 시장에 근본적 아키텍처 도전자 등장
- 수직 배치+무선 연결 구조로 HBM 대비 소비전력 40% 절감은 AI 데이터센터의 최대 병목인 전력 밀도 문제를 직접 겨냥, 채택 시 총소유비용(TCO) 혁신 가능
- 2029년 상용화 목표와 HBM5 양산 타임라인이 겹쳐, 해당 시기까지 SK하이닉스·Samsung의 HBM5/6 경쟁력이 HB3DM 위협을 결정할 핵심 변수로 부상
- Intel의 DRAM 제조 복귀 가능성이 언급되며 공급망 불확실성 존재, 그러나 일본 공공-민간 자금(METI 38억+민간 40억 엔)이 기술 개발 리스크를 분산시키는 구조
선단 노드 파운드리 캐패시티 확보가 사실상 Apple, Nvidia, Broadcom 등 메가 고객 중심으로 재편되면서, 중소 팹리스의 선단 노드 진입 장벽이 구조적으로 높아지고 있다. TSMC는 2nm 이하 나노시트 트랜지스터로 전환 중이며, AI 데이터센터 수요가 캐패시티를 선점하고 있어 웨이퍼 예약 자체가 불가능한 상황이다. Siemens EDA에 따르면 TSMC 웨이퍼 가격은 $30,000 수준으로, 팹의 결함률(defectivity) 데이터를 비공개로 유지해 가격 협상을 위해 자체 PhDs 인력이 필요하다. 이에 따라 설계 업계는 모놀리식 SoC 대신 chiplets + advanced packaging 전략으로 이동하고 있으며, TSMC CoWoS-L, Intel EMIB, Samsung I-Cube, ASE FOCoS 등 2.5D/3D 패키징이 대안으로 부상하고 있다. Cadence, Synopsys, Siemens EDA, Keysight EDA 등 EDA 업계는 finFET 도입 초기처럼 패키징 기술 민주화를 선도하는 역할을 하고 있다.
핵심 인사이트
- Apple·Nvidia·Broadcom 등 메가 고객이 TSMC 2nm 캐패시티를 선점, 소규모 팹리스는 삼성·GlobalFoundries 등 대안 파운드리로 밀려나는 구조적 양극화가 심화되고 있다.
- 선단 노드 접근 불가 업체들의 chiplets + mature node 조합 전략이 새로운 advanced packaging 수요를 견인하며, EDA 툴·IP·테스트 비용 등 간접 비용이 진입 장벽으로 작용한다.
- TSMC CoWoS-L, Intel EMIB, Samsung I-Cube 등 파운드리별 2.5D 패키징 기술 경쟁이 본격화되어, 설계 하우스의 파운드리 파트너십이 아키텍처 선택을 규정하는 핵심 변수로 부상했다.
- ChipAgents 등 AI 기반 설계 자동화 스타트업이 소규모 팀의 설계·검증·근인 분석 자동화로 선단 노드 접근 없이도 대형 팀과 유사한 개발 속도를 구현하는 새로운 비즈니스 모델을 제시하고 있다.
Through-Silicon Via(TSV)는 HBM 스택, 실리콘 인터포저, 3D 칩 스택에서 필수적인 수직 연결 구조로, AI 붐으로 인한 HBM 수요 급증이 TSV 제조 병목 현상을 야기하고 있다. HBM용 TSV는 직경 2~5µm, 깊이 30~60µm 수준이며, 인터포저용은 직경 5~20µm, 깊이 80~120µm로 더 크다. TSV 제조는 Bosch DRIE 에칭, SiO2 라이너 증착, TaN/TiN 배리어 금속, 구리 전기도금, CMP 평탄화, TSV 리빌 등 다단계 공정으로 구성되며, 각 단계에서 결함 관리가 매우 중요하다. 웨이퍼 박화 후 CTE 불일치(Si 2.8 ppm/°C vs Cu 17 ppm/°C)로 인한 기계적 응력도 주요 과제다. TSMC·Samsung은 TSV first/middle 공정을, ASE·Amkor 등 OSAT는 TSV last 공정을 담당하며, 2nm 이하 노드에서는 백사이드 전력 공급을 위한 nanoTSV(<100nm)가 전력 손실을 최대 30% 절감할 수 있다.
핵심 인사이트
- AI 데이터센터 확장으로 HBM 및 2.5D/3D 패키징 수요가 공급 능력을 초과하여 선단 조립 역량 부족이 심화되고 있다.
- TSMC·Samsung·Intel Foundry는 TSV first/middle을, ASE·Amkor는 TSV last 공정을 담당하는 역할 분화로 공급망 복잡성이 증가한다.
- 2nm 이하 노드의 nanoTSV 기반 백사이드 전력 공급 네트워크(BSPDN)가 전압 드루프와 RC 지연을 줄여 전력 손실 최대 30% 절감 가능성을 제시한다.
- 고종횡비(>10:1) TSV 에칭 기술 고도화와 hybrid bonding 전환이 차세대 패키징 원가 경쟁력의 핵심 변수로 부상하고 있다.
배터리 기술은 연간 4~8%의 완만한 용량 개선 속도와 달리, 배터리 판매량은 연간 약 40%(Rocky Mountain Institute) 증가하며 수요-공급 간 격차가 확대되고 있다. Finland의 Donut Lab은 400 Wh/kg(리튬이온 대비 약 2배) 용량에 5분 미만 충전이 가능한 고체전해질 배터리를 주장했으며, 중국 BYD는 5분 만에 70% 충전 및 1,000km 주행 가능한 리튬이온 배터리와 고체전해질 배터리 상용화를 예고했다. 열폭주 방지를 위해 EV 업계는 400V에서 800V 아키텍처로 전환 중이며, NMC 배터리 최적 운용은 30~80% 충전 구간 유지가 핵심이다. 2024년 배터리 화재는 4,203건, 폭발 193건(UL Solutions)으로 안전성 확보가 시급하다. Penn State의 Chao-Yang Wang 교수팀은 -30°C~60°C 전 기후 자가조절 배터리 기술을 약 2년 내 상용화 목표로 개발 중이다.
핵심 인사이트
- 고체전해질 배터리는 열폭주 리스크 최소화와 고속 충전 잠재력을 갖추나, 현재 상용화가 지연되고 점도·제조 난이도 문제가 극복 과제다.
- EV 배터리 관리 시스템의 800V 아키텍처 전환은 충전 속도와 열 발생의 트레이드오프를 완화하나, 시스템 복잡도와 비용이 증가한다.
- 배터리 판매량이 연 40% 증가하는 반면 기술 성숙 속도는 연 4~8%에 불과해 전 산업 생태계의 R&D 투자 가속이 필수적이다.
- 반도체 기반 고체 트랜스포머·고체 회로차단기가 €100억 규모의 전통 전기기기 시장에 침투하며 새로운 반도체 수요처로 부상하고 있다.
EDA 산업이 단일 도구 AI 적용에서 벗어나 spec-to-silicon 전체 플로우를 아우르는 agentic 방법론으로 전환을 모색하고 있다. 그러나 프론트엔드(아키텍처·스펙·검증 계획) 단계는 AI 적용 가치가 가장 높은 반면, 해당 단계의 추상화 표준이 미정립되어 있다는 구조적 모순이 존재한다. SystemC, RTL, 게이트 넷리스트, 레이아웃 등 설계 단계별로 이질적인 데이터 형식이 존재하며, 과거 설계 데이터의 재사용 가능성도 PDK 버전·프로세스 기술 진화로 인해 제한적이다. Cadence, Siemens EDA, Synopsys 등 대형 EDA 업체는 물론 Moores Lab AI, Normal Computing, IC Manage, Vtool 등 스타트업이 데이터 표준화 및 API 개방형 인터페이스를 통한 agentic 플로우 구축을 추진 중이다. 궁극적으로 spec-to-optimized-design의 correct-by-construction 자동 생성을 목표로 하나, 현재는 대형 반도체 기업만이 독자 데이터와 제한적 플로우를 바탕으로 경쟁 우위를 구축 중이다.
핵심 인사이트
- Agentic EDA의 최대 가치 영역인 프론트엔드 스펙·아키텍처 단계는 역사적으로 EDA 툴 개발이 소홀했던 영역으로, ESL 도구 실패 전례가 있어 추상화 표준 재정립이 선결 과제다.
- LLM 기반 AI는 EDA 데이터의 이질적 포맷을 별도 표준화 없이 처리 가능하나, EDA 특유의 데이터 규모·다양성에서 토큰 비용 폭증과 일반화 한계가 핵심 리스크로 지적된다.
- 대형 반도체 기업들이 독자 데이터·제한 플로우·사업 인센티브를 바탕으로 agentic 설계 우위를 선점 중이며, 이후 EDA 대기업으로 기술 이전되는 패턴이 예상된다.
- EDA 벤더의 데이터 개방 여부가 AI 네이티브 설계 플로우에서의 생존 조건으로 부상하며, 독점 포맷 고수 업체는 LLM의 리버스 엔지니어링으로 장벽이 무력화될 가능성이 크다.
AI SoC와 chiplet 기반 멀티다이 시스템이 복잡해지면서 NoC(Network-on-Chip) 코히런시 설계가 시스템 성능을 결정하는 핵심 변수로 부상하고 있다. CPU 클러스터는 공유 메모리 프로그래밍 모델로 인해 완전 캐시 코히런트 NoC가 필수인 반면, NPU·AI 가속기는 명시적 데이터 이동과 로컬 메모리 방식으로 비코히런트 NoC를 활용해 전력·처리량을 최적화한다. Cadence의 Physical AI 칩렛 플랫폼은 최소 3개 칩렛(시스템·CPU·AI 가속기) 구성으로, 시스템 칩렛이 CPU와는 캐시 코히런트, AI 가속기와는 I/O 코히런트 인터페이스를 동시 지원한다. 데이터센터 스케일에서는 랙→카드→칩→칩렛 계층별 NoC 토폴로지를 탑다운 설계 관점에서 통합해야 하며, Arteris의 통합 NoC 소프트웨어 등 상용 IP 솔루션 도입이 가속화되고 있다. 외부 메모리 접근 레이턴시는 최대 100ns에 달해 캐시 계층 최적화가 AI 추론 성능의 병목 해소에 직결된다.
핵심 인사이트
- AI SoC의 컴퓨팅 성능이 Moore's Law를 훨씬 초과하는 속도로 확장되는 반면, 데이터 이동·혼잡·에너지 효율이 실질적 성능 병목으로 부상하여 NoC 설계가 선행 과제로 격상되었다.
- 캐시 코히런트 NoC는 비코히런트 대비 면적·전력 오버헤드가 크므로, 코히런트 도메인을 CPU-메모리 사이로 최소화하고 나머지를 비코히런트로 처리하는 혼합 토폴로지 설계가 현업 표준으로 자리잡고 있다.
- 칩렛 기반 멀티다이에서 부팅 시 칩렛 간 자기 발견(discovery)과 라우팅 재구성이 필요해져, NoC의 프로그래머빌리티와 관리 에이전트 요건이 대폭 강화되고 있다.
- Arteris, Baya Systems, Cadence, ChipAgents 등 NoC IP 및 AI 설계 자동화 업체들이 데이터센터-패키지-칩렛 계층 전체를 아우르는 탑다운 NoC 설계 플로우 시장을 놓고 경쟁을 본격화하고 있다.
차량 내 네트워킹 기술이 CAN(Controller Area Network)에서 Automotive Ethernet으로 전환되는 과정과 그 도전 과제를 분석한 기사다. AI 및 소프트웨어 정의 차량(SDV)의 확산으로 인해 기가비트급 대역폭과 TSN(Time-Sensitive Networking), MACsec 보안 기능을 갖춘 Automotive Ethernet이 차량 네트워크의 핵심 백본으로 부상하고 있다. Infineon은 향후 5~10년 내에 10BASE-T1S(10Mbps)가 CAN/CAN FD를 대체할 것으로 전망했으며, 현재 백본 속도는 1~2.5Gbps에서 최대 10Gbps까지 확장되고 있다. 다만 수십 년간 자동차에 내재화된 ECU, 센서, 액추에이터의 레거시 CAN/LIN 의존성, 낮은 비용 민감도, 수백만 줄의 코드 통합 복잡성이 전환을 지연시키는 요인으로 작용하며, 디지털 트윈 기반 시스템 모델링이 전환 기간의 핵심 솔루션으로 제시됐다.
핵심 인사이트
- Infineon은 10BASE-T1S가 5~10년 내 CAN/CAN FD를 대체하고, 차량 네트워크가 순수 Ethernet으로 통합될 것으로 전망했다.
- 주요 OEM 한 곳이 Ethernet 전환 결정을 내리면 공급망 전체가 따라가는 '티핑포인트' 동학이 이미 형성 중이다.
- SerDes는 Automotive Ethernet과 불가분의 관계로, SGMII·25GBASE-X 등 고속 SerDes 기술이 차량과 데이터센터 간 상호 기술 이전 채널이 되고 있다.
- Keysight, Infineon, Rambus, Siemens, Cadence, Synopsys 등 반도체·EDA 기업이 SDV 네트워크 전환 수혜 포지션을 선점 중이며, 차량용 IP 시장 경쟁이 본격화됐다.
고성능 AI 하드웨어용 이종 패키징이 복잡해지면서 실험실 재료 특성과 실제 양산 환경의 괴리가 심화되고 있다. 단일 패키지에 수십 종의 이종 재료가 통합되면서 조합론적 상호작용이 폭발적으로 늘어났고, 기존 시뮬레이션 도구는 전기·기계·열 물리를 개별 도메인으로 처리해 결합 효과를 놓치는 구조적 한계가 있다. 재료 특성 데이터베이스는 최신 유리 기판·고분자 접착제 같은 신소재의 정밀 물성 데이터를 확보하지 못하고 있으며, 공정 중 잠재 결함은 품질 검사를 통과한 뒤 현장에서 뒤늦게 드러난다. 몰리브덴(Mo)의 텅스텐 대체 사례는 단위 공정 검증과 고객 통합 공정 간의 간극을 잘 보여준다.
핵심 인사이트
- 이종 패키징의 재료 수 급증으로 시뮬레이션 예측 불가 영역이 확대 — 양산 수율 예측의 근본적 한계
- 전기·기계 시뮬레이션 분리 설계 관행이 실제 패키지 실패의 주요 원인 — co-design 툴체인 필요성 부각
- 신소재 물성 데이터의 IP 기밀성과 시뮬레이션 정확도 요구 간의 구조적 모순 — 업계 표준화 논의 시급
- 몰리브덴 등 신소재의 단위 공정 개발 완료 후에도 고객별 통합 공정 학습이 별도 필요 — TSMC·삼성·SK하이닉스 등 파운드리의 노하우 장벽 더욱 공고화
AI 모델 개발 속도가 실리콘 설계 사이클을 압도하면서, 엣지 AI 프로세서 아키텍처의 적응성(adaptability)이 핵심 경쟁력으로 부상하고 있다. Hugging Face에서 SLM/VLM 새 변형이 몇 시간 단위로 업로드될 만큼 모델 변화 속도가 빠르며, 자동차(VLA: Vision Language Action 모델)·로보틱스 분야에서는 아키텍처적 변화도 빠르게 진행된다. 이에 반해 공장 자동화 같은 정적 환경에서는 모델 갱신 빈도가 낮다. Arm·Cadence·Quadric·Synopsys 등 9개 기업 전문가 패널은 이기종(heterogeneous) 아키텍처(NPU+DSP+CPU)와 컴파일러 툴체인의 견고성이 모델 포팅의 병목을 해소하는 열쇠라고 강조했다. 에이전틱 AI는 엣지에서 24/7 지속 추론을 요구하며, 단일 쿼리당 수만 토큰 규모의 컨텍스트 처리를 위한 메모리 대역폭·용량 확대와 전력 관리 고도화가 시급한 과제로 제기됐다.
핵심 인사이트
- 모델 업데이트 주기가 일·시간 단위로 단축되면서 NPU 설계 단계에서 지원 불가 연산자(operator) 처리를 위한 소프트웨어 폴백(fallback) 전략이 필수 요소로 자리잡고 있다.
- 이기종(heterogeneous) AI 아키텍처(NPU+DSP+CPU)는 PPA 최적화와 미지 모델 유연성 간의 근본적 트레이드오프를 내포하며, 컴파일러 툴체인의 완성도가 시장 진입 장벽을 결정한다.
- 에이전틱 AI는 엣지 디바이스에 TOPS·메모리 대폭 증설을 요구하며, 클라우드 의존도를 줄이고 현장 자율 추론 인프라로의 전환을 가속한다.
- 엣지 AI IP 공급사들은 대규모 GPU 업체 대비 소수 인력으로 모델 포팅을 감당해야 해, 컴파일러 자동화와 크로스 고객 소프트웨어 비용 분산이 수익성의 핵심 변수다.
AI 산업이 모델 훈련에서 추론(inference) 배포 중심으로 전환되면서, AI 칩 스타트업들이 Nvidia 독점에 도전할 새로운 기회를 얻고 있다. 추론 워크로드는 훈련과 달리 사용 사례에 따라 다양한 특성이 요구되는데, 이 이질성이 분산 추론 아키텍처 수요를 자극하고 있다. Nvidia는 $200억에 Groq를 인수해 GPU(prefill)와 전용 칩(decode)을 결합한 하이브리드 시스템을 구현했으며, AWS는 Trainium과 Cerebras 웨이퍼 스케일 장치를 병행 사용한다. Lumai는 광자 행렬 연산을 활용한 전기-광학 하이브리드 아키텍처를 개발 중이다. 다만 Tenstorrent CEO Jim Keller는 다양한 전용 하드웨어 확산이 AI 모델 변화에 대한 호환성 문제를 야기한다며 통합적이고 단순한 접근 방식을 주장한다.
핵심 인사이트
- Nvidia의 Groq 인수($200억)는 단순 경쟁 제거를 넘어 GPU+전용 칩 하이브리드 추론 아키텍처 구현 전략의 일환이다.
- 추론 시장의 다양성(배치처리 vs 실시간 응답)이 단일 칩 독점보다 이종 컴퓨팅 생태계를 조성하는 구조적 동인이 되고 있다.
- 광학 기반 추론 가속기(Lumai) 등 비전통적 접근이 등장하며, 전통 반도체를 넘어선 새로운 기술 경쟁이 시작되고 있다.
- 클라우드 사업자(AWS, Intel 등)의 스타트업 기술 채택은 칩 스타트업의 엑시트 경로를 훈련 칩보다 추론 특화 솔루션 파트너십으로 바꾸고 있다.
클라우드 AI 서비스의 사용량 기반 요금제와 강화된 rate limit으로 인해 비용 부담이 커지면서, 개발자들이 로컬 LLM으로 AI 코딩 에이전트를 직접 구축하는 방법이 주목받고 있다. Alibaba의 Qwen3.6-27B 모델은 24GB VRAM GPU 또는 32GB 통합 메모리 Mac에서 구동 가능하며, 65,536 토큰 컨텍스트 윈도우와 8비트 양자화를 권장한다. 테스트된 에이전트 프레임워크는 Claude Code(로컬 엔드포인트 리다이렉트 지원), Pi Coding Agent(경량 오픈소스), Cline(VS Code 확장) 3종이다. Qwen3.6-27B는 인터랙티브 태양계 웹앱을 1회 시도에 완성하고 프로덕션 품질의 Python 스크립트를 생성하는 성능을 보였으나, Claude Opus 등 프론티어 모델 대비 추론 속도가 느리다.
핵심 인사이트
- Alibaba Qwen3.6-27B는 소비자급 하드웨어(24GB VRAM)에서 동작하는 코딩 특화 LLM으로, 로컬 AI 개발 진입 장벽을 크게 낮췄다.
- Claude Code가 환경변수 설정만으로 로컬 모델 엔드포인트를 지원하는 사실은, 클라우드 AI 도구의 로컬화 가능성을 보여주는 중요한 아키텍처 유연성이다.
- 보안 측면에서 자율 실행형 에이전트(Pi Coding Agent)는 Docker 컨테이너화가 권고되며, 자동화 수준과 안전성 간 트레이드오프가 실제 배포의 핵심 변수다.
- 사용량 기반 과금 모델의 확산은 오픈소스 로컬 LLM 생태계 수요를 증가시켜, Nvidia 소비자용 고VRAM GPU 및 Apple M-시리즈 Mac 판매에 긍정적 영향을 줄 수 있다.
영국 국가사이버보안센터(NCSC) CTO Ollie Whitehouse는 AI 기반 취약점 발견 도구가 수십 년간 누적된 기술 부채를 대규모로 노출시킬 것이라며 기업들에 '패치 쓰나미'를 대비하라고 경고했다. 숙련된 개발자가 AI를 활용하면 소프트웨어 생태계 전반에서 기술 부채를 규모 있게 악용 또는 발굴할 수 있다는 것이 핵심 우려다. Anthropic의 Claude Mythos와 OpenAI의 GPT-5.5-Cyber 같은 사이버 보안 특화 AI 도구가 출시되면서, 취약점 발견 문턱이 낮아지고 있다. NCSC는 조직들이 인터넷에 노출된 공격 표면을 즉각 최소화하고 외부 경계 시스템부터 패치를 우선화할 것을 권고한다. 취약한 레거시 시스템의 경우 패치만으로는 부족하며 교체가 필요할 수 있다.
핵심 인사이트
- AI 기반 취약점 자동 발굴이 기존 수동 보안 감사 대비 탐지 규모와 속도를 비약적으로 높여, 기업의 패치 주기와 보안 운영 체계에 근본적 변화를 요구한다.
- Claude Mythos, GPT-5.5-Cyber 등 사이버 특화 AI 모델의 등장은 방어자와 공격자 모두의 취약점 탐색 능력을 동시에 향상시키는 양날의 검 구조를 형성한다.
- NCSC의 권고는 기업 보안 예산 배분을 경계 인프라 현대화와 레거시 시스템 교체 쪽으로 가속화할 수 있는 정책적 신호다.
- 수십 년 누적 기술 부채가 AI로 인해 빠르게 수면 위로 드러나면서, 보안 패치 관리 및 취약점 운영(VRM) 솔루션 시장의 급성장이 예상된다.
Forrester 리서치는 2030년까지 AI 에이전트의 조직 내 분산 확산이 체계적인 운영 장애를 야기할 수 있다고 경고하며, CIO(최고정보책임자)의 역할이 기술 구축자에서 거버넌스 집행자로 전환되어야 한다고 전망했다. 부서별로 독립 AI 에이전트를 배포할 경우 데이터 기반, 의사결정 권한, 프로세스 설계의 불일치로 인해 시스템이 난립하고 조직 통제권이 상실될 수 있다. Forrester는 향후 CIO에게 필요한 3가지 역할로 엔터프라이즈 의사결정 아키텍트, 자율 시스템 거버너, 리스크 해석자를 제시했다. 소프트웨어가 스스로 소프트웨어를 생성하는 환경에서 CIO의 책임은 시스템 구축에서 결과 통제로 이동한다.
핵심 인사이트
- Forrester는 2030년을 기점으로 분산 AI 에이전트로 인한 조직 규모 체계적 장애가 현실화될 것으로 경고하며, 이는 AI 거버넌스 시장의 긴급 수요를 시사한다.
- CIO 역할이 기술 구현에서 '제한된 자율성 패턴(bounded autonomy)' 설계로 이동하며, AI 에이전트 관리 플랫폼과 정책 집행 도구에 대한 새로운 엔터프라이즈 소프트웨어 범주가 형성된다.
- 부서별 AI 에이전트 난립 문제는 기업들이 중앙집중식 AI 플랫폼(예: Microsoft Copilot Studio, Salesforce Agentforce)을 채택하도록 압박하는 구조적 요인이 될 수 있다.
- AI 에이전트의 자율 실행 환경에서 개입 속도와 영향 범위 통제가 핵심 거버넌스 지표로 부상하며, 이는 AI 감사 및 컴플라이언스 솔루션 시장 확대를 견인할 전망이다.
OpenAI가 사이버 보안 특화 모델 GPT-5.5-Cyber를 신뢰할 수 있는 '사이버 방어자' 그룹에만 제한 제공하기로 했다. CEO Sam Altman은 "수일 내" 접근을 시작하며 정부와 협력해 신뢰 접근 체계를 수립할 계획이라고 발표했다. 이 모델은 침투 테스트, 버그 탐지, 익스플로잇 시연, 악성코드 분석이 가능하다. 영국 AI 안전연구소는 GPT-5.5-Cyber를 "테스트한 사이버 태스크 중 가장 강력한 모델 중 하나"로 평가하며, 멀티 스텝 공격 시뮬레이션을 종단 완료한 두 번째 시스템이라고 밝혔다. 그러나 Altman이 불과 수 주 전 Anthropic의 Claude Mythos 제한 배포를 "두려움 기반 마케팅"이라고 비판했다는 점에서 일관성 논란이 제기된다.
핵심 인사이트
- GPT-5.5-Cyber가 멀티 스텝 공격 시뮬레이션을 종단 완료한 두 번째 AI 시스템으로 평가받으며, 사이버 공격·방어 자동화의 기술적 수준이 임계점에 도달했음을 보여준다.
- OpenAI와 Anthropic 모두 강력한 사이버 AI를 제한 배포하는 방향으로 수렴하며, 이는 사실상 업계 표준으로 자리 잡는 '신뢰 기반 접근 체계'의 제도화를 예고한다.
- 미국·영국 정부와의 사이버 AI 접근 협력 체계 구축은 AI 안전 규제 거버넌스에서 민관 공동 통제 모델이 확산될 수 있음을 시사한다.
- 강력한 취약점 발굴 AI에 먼저 접근하는 주체가 방어와 공격 모두에서 비대칭 우위를 가지므로, 사이버 AI 조기 접근권이 핵심 전략 자산으로 부상하고 있다.
Fujitsu가 창립 100주년인 2035년까지 메인프레임 사업을 완전 종료한다고 공식 확인했다. CEO Takahito Tokita는 메인프레임을 Broadcom과 공동 개발 중인 Monaka CPU 기반 AI 슈퍼컴퓨터와 양자 컴퓨팅 시스템으로 대체할 계획이라고 밝혔다. 사업 모델도 기존 시스템 통합·시간제 과금에서 가치 및 성과 기반 수익 구조로 전환한다. 회계연도 기준 매출은 전년 대비 1.3% 감소한 $223억을 기록했으나, 이익은 31% 증가해 $22억에 달했다. Fujitsu는 또한 일본의 연간 대졸 신규 채용 프로그램을 중단하고 전문직 채용으로 전환하며, 일본·영국·호주 국방 당국과 첨단 기술 관련 협의를 진행 중이라고 밝혔다.
핵심 인사이트
- Fujitsu의 2035년 메인프레임 종료 선언은 IBM 메인프레임 중심의 엔터프라이즈 레거시 생태계가 구조적 전환의 마지막 국면에 진입했음을 상징하는 이정표다.
- Broadcom과 공동 개발하는 Monaka CPU는 데이터센터용 Arm 기반 칩 경쟁에 새로운 플레이어를 추가하며, 향후 HPC·AI 인프라 시장에서 x86과의 경쟁 구도를 복잡하게 만든다.
- 시간제 과금에서 성과 기반 수익 구조로의 전환은 IT 서비스 기업 전반에 걸친 사업 모델 재편 흐름을 반영하며, AI가 가치 측정 방식을 바꾸고 있음을 보여준다.
- 매출 감소(-1.3%) 속 이익 급증(+31%)은 Fujitsu가 저수익 레거시 사업을 정리하고 고마진 AI·퀀텀 사업으로 포트폴리오를 집중하는 구조 조정의 성과를 나타낸다.
Counterpoint Research에 따르면 Anthropic이 2026년 1분기 글로벌 LLM 매출의 31.4%를 점유하며 OpenAI(29%)를 앞질렀다. 사용자 수는 Anthropic 약 1억 3,400만 명 대 OpenAI 약 9억 명으로 압도적인 차이가 있지만, 활성 사용자당 월평균 매출에서 Anthropic은 $16.20으로 Microsoft($5), OpenAI($2.20), Google($1.10)을 크게 상회한다. Meta는 약 10억 명의 사용자를 보유하지만 1인당 $0.10에 불과하며, 중국 Baidu는 $1.30으로 Google·Meta를 앞선다. 글로벌 LLM 월간 사용자는 38억 명이 넘으며 분기 매출 규모는 약 $207억에 달하지만, 대부분의 사용자는 무료로 이용하고 소수의 유료 사용자가 비용을 부담하는 구조다.
핵심 인사이트
- 사용자당 매출 $16.20(Anthropic) 대 $2.20(OpenAI)의 7배 이상 격차는, 대규모 소비자 확보보다 전문 기업 고객 집중이 LLM 수익화에 훨씬 효율적임을 수치로 입증한다.
- Anthropic의 '소수 고가치 사용자' 전략은 전통 SaaS의 엔터프라이즈 모델과 유사하며, AI 시장이 소비자 규모 경쟁에서 기업 가치 창출 경쟁으로 분화되고 있음을 시사한다.
- Meta의 10억 사용자·$0.10 수익 구조는 광고 없는 AI 서비스만으로는 수익화가 사실상 불가능함을 보여주며, Meta AI의 장기 사업 모델에 구조적 질문을 제기한다.
- 분기 $207억 글로벌 LLM 시장에서 Anthropic+OpenAI 합산 점유율 60.4%는 두 회사의 프리미엄 시장 지배력을 확인하며, 나머지 39.6%를 Google·Microsoft·중국 기업들이 경쟁하는 구도다.
Google Cloud가 AI 랩, 자본시장, HPC 애플리케이션 분야 일부 고객에게 자체 TPU를 외부 데이터센터에 직접 판매하기로 결정했다. CEO Sundar Pichai는 Q1 2026 실적 발표에서 TPU 판매를 통해 차세대 실리콘 연구비를 조달하고 규모의 경제를 확보할 수 있다고 설명했다. CFO Anat Ashkenazi는 올해 일부 TPU 매출을 인식하고 2027년부터 본격적인 수익 기여가 이루어질 것으로 전망했다. Google Cloud Q1 매출은 $200억으로 전년 대비 63% 성장했으며, 계약 백로그는 $4,600억으로 전 분기 대비 거의 2배 증가했다. 연간 자본 지출은 $1,800억~$1,900억으로 상향되었으며, 그 중 약 60%가 서버, 40%가 데이터센터·네트워킹에 배분된다.
핵심 인사이트
- Google의 TPU 외부 판매는 Nvidia GPU 의존도를 낮추려는 기업 고객의 수요와 맞물려, 데이터센터 가속기 시장에 새로운 공급 경로를 만드는 구조적 변화다.
- $4,600억 계약 백로그(전분기 대비 약 2배)는 클라우드 인프라 수요가 공급 제약이 아닌 구조적 장기 성장 국면에 있음을 확인하는 지표다.
- Q1 분기 capex $357억(서버 60%·데이터센터 40%) 수준의 투자는 Google이 AI 인프라 경쟁에서 AWS·Microsoft와 동등한 규모로 진입했음을 의미한다.
- TPU 칩 판매 수익을 차세대 실리콘 R&D에 재투자하는 구조는, 자체 칩 로드맵 가속화와 외부 매출 확대를 동시에 추진하는 선순환 사업 모델로 평가된다.
Microsoft가 2026년 자본 지출 전망을 $1,900억으로 상향하며, 그 중 $250억이 메모리·스토리지 컴포넌트 가격 급등에 따른 추가 비용이라고 밝혔다. 2025년 가을 이후 일부 품목은 3배까지 가격이 치솟았다. 지난 분기 약 $320억, 다음 분기에는 $400억을 하드웨어·데이터센터에 투자할 예정이며 CFO Amy Hood는 "적어도 2026년까지는 공급 제약 상태가 지속될 것"이라고 경고했다. 최근 4개 분기 누적 인프라 투자액 약 $970억 대비 AI 서비스 연간 반복 매출 증가분 $370억(YoY +123%)으로 명확한 ROI를 입증하기 어려운 상황이다. 한편 Q3 매출 $829억, 순이익 $318억(+23%)을 기록했으며, 클라우드 매출은 $545억으로 전체의 절반 이상을 차지했다.
핵심 인사이트
- 메모리·스토리지 가격이 2025년 가을 이후 최대 3배 급등한 사실은 AI 인프라 확장 비용 구조를 근본적으로 바꾸며, HBM 및 고용량 스토리지 공급망 병목이 빅테크 capex의 새 변수로 부상했다.
- $970억 투자 대 $370억 AI 매출 증가의 비대칭 구조는 월가의 AI ROI 회의론을 더욱 강화시키며, Microsoft가 수익화 속도를 높이기 위해 GitHub Copilot 등을 사용량 기반 과금으로 전환한 배경이 된다.
- OpenAI와의 독점 파트너십 종료 및 타 모델·클라우드 허용은 Azure AI 플랫폼을 모델 공급사 중립 인프라로 재포지셔닝하는 전략 전환으로, 잠금 효과(lock-in)보다 플랫폼 확장을 선택한 것이다.
- Q4 가이던스 $867억~$878억(YoY +13~15%)은 AI 비용 급증에도 클라우드 사업 성장이 지속됨을 보여주나, Windows·Xbox 부진(-2%, -5%)은 비AI 부문 수익성 하락 추세를 반영한다.
Amazon의 자체 반도체 사업이 연간 $200억 규모로 성장해 데이터센터 칩 시장 세계 3위 사업자로 자리잡았다. CEO Andy Jassy는 외부 판매까지 포함하면 연간 $500억 규모의 사업이 될 것이라고 밝혔다. 주요 제품군은 범용 컴퓨팅용 Graviton, AI 훈련용 Trainium, 보안용 Nitro이며, 전 제품군이 YoY 100% 이상 성장하고 있다. 특히 Anthropic은 현재·차세대 Trainium 합산 최대 5기가와트 구매를 약정했으며, OpenAI도 2027년부터 2기가와트 배포를 약정해 Trainium 관련 확정 계약만 $2,250억이 넘는다. Trainium2는 이미 매진, Trainium3는 출하 시작과 동시에 거의 완판, Trainium4는 18개월 후 출하 예정이지만 상당 부분이 이미 예약된 상태다.
핵심 인사이트
- Trainium 계약 $2,250억 이상은 Nvidia가 아닌 공급처로서 Amazon이 OpenAI·Anthropic 등 최대 AI 기업들의 훈련 인프라 일부를 장악했음을 의미하며, AI 칩 시장 패권 경쟁이 실질적으로 재편되고 있다.
- Graviton 프로세서의 x86 대비 40% 가격 성능 우위와 Meta의 수천만 코어 채택은, Arm 기반 서버 CPU가 범용 클라우드 워크로드에서 x86을 잠식하는 추세를 가속화한다.
- Amazon Bedrock AgentCore의 최대 10초 간격 에이전트 배포 인프라는 엔터프라이즈 AI 에이전트 자동화 시장을 위한 플랫폼 인프라 선점 전략으로, AI 에이전트 운영 시장의 인프라 표준화 경쟁이 시작됐음을 보여준다.
- Amazon의 Q1 순이익 $303억 중 $168억이 Anthropic 투자 지분 평가이익으로, AWS의 Anthropic 투자가 재무적·전략적으로 동시에 복합적 가치를 창출하는 구조임을 보여준다.
Microsoft, Northwestern University, 비영리단체 Witness가 공동 개발한 딥페이크 탐지 벤치마크 데이터셋 'MNW(Microsoft-Northwestern-Witness)'가 2026년 4월 10일 IEEE Intelligent Systems에 발표됐다. 기존 탐지기는 소수 생성기 샘플로만 학습해 실제 환경에서 성능이 급락하는 문제가 있었다. MNW는 다양한 AI 생성기 산출물과 리사이즈·크롭·압축 등 후처리 변형까지 포함해 현실 미디어 환경을 최대한 반영했다. 매년 봄·가을 두 차례 정기 업데이트를 통해 최신 생성기 아티팩트와 탐지 회피 기법을 지속 수용한다. 학계(Northwestern), 산업계(Microsoft), 현장 비영리(Witness)의 삼각 협력 구조가 차별점이다.
핵심 인사이트
- 생성형 AI 품질 향상으로 딥페이크 탐지기가 실험실 성능과 실세계 성능 간 큰 격차를 보이는 구조적 문제가 심화되고 있다.
- MNW 벤치마크의 연 2회 정기 업데이트 구조는 빠르게 진화하는 생성 AI와의 지속적 대응을 가능하게 하는 최초 사례다.
- 아티팩트(노이즈 분포, 픽셀 패치 불일치, 오디오 갭 등) 기반 탐지는 생성기가 고도화될수록 한계에 직면해 탐지 방법론 자체의 패러다임 전환이 요구된다.
- 딥페이크 대응 인프라(탐지기, 벤치마크, 인증 플랫폼)는 규제 강화와 맞물려 사이버보안 투자의 핵심 성장 영역으로 부상하고 있다.
캐나다 Vancouver 기반 First Tellurium 자회사 PyroDelta Energy가 데이터센터 폐열을 전기로 재변환하는 열전 발전기를 개발했다. 핵심 혁신은 capillary casting 기법으로 bismuth telluride 결정을 링·원통형 등 다양한 형태로 성형해 냉각수 파이프에 직접 장착 가능하게 한 것이다. 이 방식은 기존 절단 공정 대비 재료 낭비를 60~80% 감소시키고 내구성을 약 10배 향상시켰다. 현재 프로토타입은 데이터센터 온도 센서·보안 카메라 등 저전력 기기 구동에 충분한 전력을 생성하며, 차량용 라디에이터 적용 시 내연기관 효율을 5% 개선하는 효과도 확인됐다. 대규모 전력 대체는 아니지만 폐열 재활용이라는 새 패러다임을 제시한다.
핵심 인사이트
- AI 데이터센터 폐열 문제가 심화되는 가운데, 열전 발전기를 기존 액체 냉각 시스템과 통합하는 접근법이 실용화 단계에 진입하고 있다.
- Capillary casting으로 재료 낭비 60~80% 절감, 내구성 10배 향상—bismuth telluride 열전 소재의 상용화 장벽을 낮추는 제조 혁신이다.
- 데이터센터 내 센서·보안 장비 자가발전 구현으로 운영 효율을 높이는 보조 에너지 시스템 시장이 새롭게 형성될 수 있다.
- 열전 소재 효율 한계로 전면 대체는 불가하나, 폐열 재활용 규제 강화 흐름과 맞물려 에너지 회수 장치 투자 매력도가 높아지고 있다.
IEEE Spectrum의 주간 로보틱스 영상 큐레이션 코너 'Video Friday'에서 Figure와 1X의 휴머노이드 로봇 생산 확대 현황을 조명했다. Figure는 현재 주 55대의 휴머노이드를 생산 중이며, 해당 물량은 내부 R&D·데이터 수집·가사 로봇 개발·상업 사례 개발에 배분된다. 다만 상업적 활용 사례가 아직 '개발 중' 단계인 상황에서 대규모 생산이 진행된다는 점은 시장 선점 전략과 투자자 기대 관리의 긴장 관계를 드러낸다. CMU·HEBI의 로봇이 2026 NFL 드래프트에 등장하는 등 휴머노이드가 기업·행사 홍보 수단으로도 활발히 활용되고 있다.
핵심 인사이트
- Figure의 주 55대 생산 체계는 상업화 이전에 대규모 양산 역량을 갖추는 전형적인 선점 전략으로, 경쟁사 대비 생산 기반 우위를 확보하는 포석이다.
- 상업 사례가 여전히 '개발 중'인 상태에서의 대량 생산은 로봇 단가 하락과 데이터 수집 가속화 목적이 혼재하며, 수익화 경로의 불확실성이 여전히 크다.
- 휴머노이드 로봇이 NFL 드래프트 같은 대중적 행사에 등장하는 현상은 상업화 속도와 별개로 사회적 수용성 및 브랜드 인지도 형성이 빠르게 진행됨을 보여준다.
- Figure·1X 등 선두 기업들의 생산 확대는 부품 공급망·배터리·센서 수요를 촉진해 휴머노이드 에코시스템 전반의 투자 기회를 확장하고 있다.
Planet Labs의 Pelican-4 위성이 온보드 AI를 활용해 호주 Alice Springs 공항 활주로의 항공기를 실시간 탐지하는 데 성공했다. 위성에 탑재된 Nvidia Jetson Orin GPU가 16,000픽셀 단일 이미지를 0.5초 만에 분석해 결과를 수분 내 지상에 전달함으로써, 기존 지상 처리 방식의 6~12시간 지연을 획기적으로 단축했다. 18개월 개발 끝에 80% 탐지 신뢰도를 달성했으며, 차기 알고리즘은 95% 이상을 목표로 한다. 실시간 서비스는 6~9개월 후 고객에게 제공될 예정이다. Planet은 Google과의 Suncatcher 프로젝트를 통해 궤도 내 대규모 데이터 처리 인프라 구축도 추진 중이다.
핵심 인사이트
- 위성 온보드 AI 탐지로 지연 시간이 6~12시간에서 수분으로 단축—산불 초기 감지·불법 선박 추적 등 긴급 상황 대응 역량이 질적으로 도약했다.
- Nvidia Jetson Orin이 우주 환경 AI 연산의 실용적 기준점으로 자리잡으며, 위성용 엣지 AI 반도체 시장의 본격 개화를 알리는 신호탄이 됐다.
- 현재 탐지 신뢰도 80%에서 95%+로의 도약이 완전 자율 위성 네트워크 운영의 핵심 관문으로, 알고리즘 성숙도가 상용화 속도를 좌우한다.
- Planet-Google Suncatcher 프로젝트와 SpaceX·Amazon의 궤도 컴퓨팅 비전이 현실화되면 지상 데이터센터와 경쟁하는 새 시장 구조가 형성될 수 있다.
프랑스 정부 연구소 CEA-Leti가 2026년 ISSCC(IEEE 국제 고체 회로 콘퍼런스)에서 칩 규모의 EPR(Electron Paramagnetic Resonance) 분광기를 발표했다. 핵심 혁신은 injection-locked phase detection 방식으로 기존 feedback loop 한계를 극복해 대역폭을 200나노초(초당 1,400테라헤르츠)에 스위프—경쟁 시스템 대비 3배 빠르다. 4.4mm² 칩이 단 10나노리터 샘플에서 마이크로몰 농도의 자유 라디칼을 실시간 감지한다. 독일 Stuttgart 대학의 Jens Anders가 약 10년 전 개척한 칩 규모 EPR 기술은 이제 상용화 단계에 진입하고 있으며, Anders는 올 여름 식품·의료 분야를 겨냥한 스타트업 SpinMagIC을 창업한다.
핵심 인사이트
- Injection-locked oscillator 기반의 200ns 고속 스위프는 기존 칩 EPR의 속도 병목을 해결해 배터리·태양광 패널·식품의 실시간 품질 모니터링 현장 적용을 가능하게 한다.
- 10나노리터 샘플 감지와 4.4mm² 칩 소형화로 MEMS급 현장 분석 장비 시장 진입 임박—의료 진단(혈액 자유 라디칼)에도 직접 응용 가능하다.
- Stuttgart 그룹이 pulse-mode EPR과 continuous-wave EPR을 모두 구현하는 듀얼 모드 칩을 ISSCC 2024에 공개한 데 이어, CEA-Leti의 속도 개선이 더해지며 칩 EPR 기술 성숙이 가속화되고 있다.
- SpinMagIC 창업(2026년 여름)과 Duality·USC 등 다수 기관의 연구 경쟁은 칩 EPR 기반 식품안전·배터리 진단·암 조기 발견 스타트업 생태계 형성을 예고한다.
칩 스타트업 Niobium이 2026년 4월 초 완전동형암호(FHE, Fully Homomorphic Encryption) 기반 암호화 클라우드 플랫폼 'The Fog'를 출시했다. 기존 클라우드는 연산 시 데이터를 복호화해야 해 보안 취약 구간이 생기지만, The Fog는 데이터를 암호화한 채로 연산을 수행해 개인 키가 클라이언트를 벗어나지 않는다. Niobium의 FPGA 기반 가속칩 Mistic은 동일 작업에서 현재 GPU 대비 약 2배 빠른 FHE 연산을 구현한다. 현재 암호화 시맨틱 검색 등 템플릿 앱을 제공하며 프라이빗 베타 운영 중이고, 5~6월 공개 출시를 목표로 한다. 향후 ASIC 개발 시 GPU 대비 최대 25배 속도를 목표로 한다.
핵심 인사이트
- FHE 기반 The Fog는 클라우드 신뢰 모델을 근본적으로 재정의—데이터 소유자가 키를 유지한 채 클라우드 연산을 활용하는 'zero-trust 컴퓨팅' 패러다임을 실제 상용 서비스로 구현했다.
- Niobium의 FPGA 가속칩 Mistic이 GPU 대비 2배, 향후 ASIC은 25배 속도를 목표—FHE 연산 성능 병목 해소가 의료·금융 규제 산업의 클라우드 전환을 가속할 핵심 변수다.
- LLM 추론의 FHE 처리는 토큰당 수 분 지연이라는 현실적 한계가 존재하며, 대규모 행렬-벡터 연산 가속이 차기 기술 과제로 명확히 식별됐다.
- Duality Technologies(LLM 추론 FHE 프레임워크)·CipherSonic Labs 등 FHE 에코시스템이 형성되며, 데이터 프라이버시 규제 강화와 맞물려 프라이버시 보존 AI 인프라 투자가 본격화될 전망이다.
AI 데이터센터의 급격한 전력 부하 변동(70% 이상, 밀리초 단위)이 전력망 안정성을 위협하는 문제를 해결하기 위해 마이애미 기반 ON.energy가 외장형 양방향 무정전 전원장치(AI UPS)를 개발했다. 이 시스템은 배터리를 에너지 저장소이자 완충재로 활용해 데이터센터와 전력망을 동시에 보호하며, 최대 8시간 백업 전력을 제공한다. 7MW 전력망 시뮬레이터와 20MW 부하 시뮬레이터를 활용한 National Lab of the Rockies(NLR) 테스트를 통과했으며, 현재 3GW 규모의 프로젝트에 배포 중이다. ERCOT, CAISO, PJM 등 미국 주요 전력망 운영기관이 대형 데이터센터에 전력 버퍼 설치를 그리드 연계 조건으로 요구하기 시작했다.
핵심 인사이트
- AI 데이터센터 전력 수요 5GW 규모 확대 속 1GW급 부하 변동이 분당 수차례 발생—전력망 주파수 불안정 위기 현실화
- ON.energy AI UPS 3GW 배포 진행 중—그리드 안정화 솔루션이 AI 인프라 확장의 필수 컴포넌트로 자리잡는 신규 시장 형성
- 외장형 배치로 데이터센터 내부 공간 확보 + 주파수 조정 시장 참여를 통한 수익 창출 가능한 이중 비즈니스 모델
- ERCOT·CAISO·PJM·유럽 규제기관의 전력 버퍼 의무화 추진—에너지 저장·전력 전자 분야 투자 확대 촉진
Google Cloud는 2026년 1분기 매출 $200억을 돌파하며 YoY 63.4% 성장, AWS 성장률의 2배를 기록했다. Gemini 기반 GenAI 모델이 분당 160억 토큰을 처리(QoQ 60% 증가)하며 엔터프라이즈 AI 수요를 견인 중이다. GenAI 모델 기반 제품 매출은 YoY 800% 급성장했고, $1억~$10억 규모 대형 딜도 YoY 2배 증가했다. Google Cloud의 수주잔고는 $4,620억에 달하며, 향후 2년 내 절반 인식 예정이다. CEO Sundar Pichai는 Google이 전체 엔터프라이즈 AI 스택을 단독으로 제공하는 유일한 공급자임을 강조했다.
핵심 인사이트
- Google Cloud 1Q26 영업이익 $66억(YoY 3배 이상), 수년간의 수익성 개선 투자가 본격적으로 결실을 맺는 변곡점 도달
- 분당 160억 토큰 처리·수주잔고 $4,620억은 GenAI 워크로드가 클라우드 성장의 구조적 주도 요인임을 수치로 입증
- TPU~Gemini~Vertex AI(Gemini Enterprise Agent Platform)로 이어지는 풀스택 수직 통합이 AWS·Azure 대비 경쟁 우위의 핵심
- 검색(YoY +19%), YouTube(YoY +11%) 광고 수익이 AI 시대에도 견조 성장, Google의 AI 투자 여력($1,800억 capex)을 뒷받침
대형 AI 모델 기업들이 클라우드 임대 대신 자체 하드웨어 소유를 추구하면서, AWS·Google·Microsoft가 사실상 OEM 역할로 전환 중이다. Google은 이미 Anthropic에 3.5 GW분 TPU 랙을 판매하기로 합의했고, AWS는 Anthropic·OpenAI와 각각 5 GW($1,000억 규모), 2 GW 규모의 Trainium 공급 계약을 체결했다. CEO Andy Jassy도 향후 Trainium 랙 판매 가능성을 공식 인정했다. AWS 1Q26 매출은 $375.9억(YoY +28.4%), 영업이익은 $141.6억(영업이익률 37.7%)으로 Amazon 전체 영업이익의 59.4%를 차지했다. 클라우드 프리미엄을 피하려는 모델 기업들의 수요가 하이퍼스케일러를 칩·시스템 공급자로 재편하고 있다.
핵심 인사이트
- AWS·Google의 OEM 전환은 클라우드 비즈니스 모델의 구조적 전환점으로, 임대 수익 대신 시스템 판매 수익이 새로운 성장 축으로 부상
- Anthropic-AWS 5 GW/$1,000억 딜과 Anthropic-Google 3.5 GW TPU 랙 구매는 AI 모델 기업들이 인프라 비용 절감을 위해 클라우드 종속에서 탈피하는 구조적 흐름
- Trainium·TPU 시스템을 외부 판매할 경우 Nvidia·AMD GPU OEM과 동일한 박리다매 구조에 편입, 하이퍼스케일러의 마진 압박 심화 우려
- AWS 1Q26 영업이익률 37.7%는 Anthropic·OpenAI가 감당 불가한 수준, OEM 공급 전환은 고객 이탈 방지를 위한 불가피한 선택
7년간 $137.5억을 투자하고 독점 계약을 유지하던 Microsoft와 OpenAI가 파트너십을 재편했다. Microsoft는 2032년까지 비독점 라이선스를 유지하고 수익 공유 의무를 폐지하는 대신, OpenAI는 AWS·GCP·CoreWeave 등 타 클라우드와도 자유롭게 계약할 수 있게 됐다. OpenAI의 Microsoft 수익 공유(20%)는 2030년까지 상한을 두고 지속된다. Microsoft는 Anthropic에 $50억 투자 및 $300억 컴퓨팅 계약을 체결, OpenAI 의존도를 낮추는 동시에 Anthropic과의 관계를 강화 중이다.
핵심 인사이트
- Microsoft-OpenAI 독점 해제로 클라우드 AI 공급망이 완전 개방, 멀티클라우드 AI 시대 본격 시작
- Microsoft의 Anthropic $50억 투자+$300억 컴퓨팅 계약은 OpenAI 탈의존 전략의 핵심 축
- OpenAI·Anthropic 동시 IPO 추진 중, 독점 해제가 기업가치 극대화에 긍정적으로 작용
- Google의 Anthropic $400억 투자 vs. Microsoft의 $50억 투자, AI 동맹 경쟁에서 규모 격차 존재
Google이 TPU 8 세대에 맞춰 추론용과 학습용 네트워크를 분리 설계했다. 추론용 TPU 8i(Zebrafish)는 기존 3D 토러스 대신 Boardfly 토폴로지(dragonfly 파생)를 채택해 홉 수를 16→7로 줄이고 평균 레이턴시를 50% 절감, 1,152개 TPU를 단일 이미지로 연결한다. 학습용 TPU 8t(Sunfish)는 새로운 Virgo Ethernet 패브릭으로 134,000 TPU를 단일 패브릭으로, OCS 스위치 연결 시 100만 TPU를 단일 논리 클러스터로 묶는다. Ironwood 대비 GenAI 추론 처리량이 3배 이상 향상됐다.
핵심 인사이트
- 추론·학습 전용 네트워크 분리로 AI 워크로드별 최적 인터커넥트 전략 수립, 범용 인프라 시대 종료
- Boardfly ICI-Apollo OCS 조합으로 1,152 TPU 추론 클러스터 홉 56% 감소, 레이턴시 절반으로 단축
- Virgo 패브릭의 134,000 TPU 단일 패브릭, OCS 연결 시 100만 TPU 논리 클러스터로 학습 규모 한계 대폭 확장
- TPUDirect RDMA·Storage 추가로 Nvidia GPU 생태계와 동등한 데이터 접근 효율 확보
PwC의 글로벌 시니어 임원 300명 조사 결과 88%가 에이전틱 AI 등장으로 AI 예산을 늘릴 계획이며, 79%는 이미 AI 에이전트를 채택했다. Google Cloud Next 2026에서 Google은 Vertex AI를 'Gemini Enterprise Agent Platform'으로 재편, Agent Studio(로우코드)·Agent Development Kit·Agent Runtime(장시간 실행+영구 메모리)·MCP 네이티브 통합 등을 발표했다. '크로스 클라우드 레이크하우스'로 AWS·Azure 데이터에 직접 접근하는 'Agentic Data Cloud'도 공개됐다. Google Cloud 고객의 75%가 이미 AI 제품을 사용 중이다.
핵심 인사이트
- 프론티어 모델 경쟁에서 에이전틱 플랫폼 경쟁으로 AI 패권 전장 이동, Google Cloud의 전면 베팅
- Gemini Enterprise Agent Platform이 200개 이상 모델 지원(Anthropic·Meta·Mistral 포함), 멀티모델 통합 플랫폼 전략
- 크로스 클라우드 레이크하우스로 AWS·Azure 데이터 직접 접근, 멀티클라우드 AI 데이터 사일로 해소 시도
- PwC 조사: 79% 에이전트 채택, 66% 생산성 가치 확인, 88% 예산 증액 계획으로 에이전트 시장 폭발적 성장
AI 추론 시스템 확산으로 GPU:CPU 비율이 8:1에서 4:1, 2:1로 줄면서 Intel 데이터센터 CPU 수요가 급증했다. Intel의 1Q26 DCAI 그룹 매출은 전년 동기 대비 22.4% 증가한 $50.5억, 영업이익은 2.7배 급등한 $15.4억을 기록했다. AI 관련 비즈니스가 Intel 전체 매출의 60%, YoY 40% 성장을 달성했다. CEO Lip-Bu Tan 체제 하에서 더 보수적이고 현실적인 Intel로 변모 중이며, 14A 공정은 외부 고객 확보 없이 독자 진행하지 않는다는 원칙을 유지 중이다.
핵심 인사이트
- AI 추론 확산으로 GPU:CPU 비율 감소, 역설적으로 Intel CPU 수요가 급증하는 구조적 반전
- 1Q26 DCAI 영업이익 2.7배 급등($15.4억, 마진 30.5%)으로 수년간의 수익성 위기에서 탈출 신호
- 전체 2026년 X86 CPU 생산량이 사실상 이미 배분 완료, 공급 부족분이 최소 수십억 달러 수준
- Lip-Bu Tan의 보수적 14A 전략은 IBM/AMD 사례 교훈, 외부 고객 없이 첨단 공정 독자 진행 거부
Google이 TPU 역사상 처음으로 학습용(Sunfish TPU 8t)과 추론용(Zebrafish TPU 8i) 두 가지 별도 설계를 공개했다. Sunfish 8t는 216 GB HBM3e(6,528 GB/sec), 128 MB SRAM, FP4 지원으로 12.6 petaflops 피크 성능을 달성하며 이전 세대 Ironwood TPU v7e 대비 학습 비용 효율 2.7배 향상됐다. Zebrafish 8i는 384 MB SRAM(3배 증가)과 새로운 Collectives Acceleration Engine(CAE)으로 칩 내 레이턴시를 5배 감소시켜 에이전틱 AI 추론을 최적화했다. 두 변형 모두 2nm 공정으로 제조되며 와트당 성능이 2배 향상됐다. 학습 포드는 3D 토러스 인터커넥트로 9,600 TPU 단일 메모리 도메인을 구성하며, 신규 데이터센터 패브릭 "Virgo"가 학습·추론 각각에 최적화된 네트워크 토폴로지를 제공한다.
핵심 인사이트
- Google의 TPU 학습/추론 분리 설계는 단일 칩으로 두 워크로드를 처리하는 범용 접근에서 목적별 특화 아키텍처로 AI 가속기 패러다임 전환을 선언한 것이다.
- Zebrafish 8i의 CAE 엔진은 자동 회귀 디코딩 레이턴시를 5배 감소시켜 수백만 동시 AI 에이전트 운영을 가능하게 하는 핵심 인프라 혁신이다.
- Sunfish 8t의 Ironwood 대비 2.7배 학습 비용 효율 향상은 대형 언어모델 학습 TCO를 직접 낮추어 Google Cloud 고객사의 AI 투자 부담을 완화한다.
- 신규 데이터센터 패브릭 Virgo의 도입은 학습·추론 분리 아키텍처가 칩 수준을 넘어 네트워크·인프라 전체로 확산되는 시스템 레벨 투자임을 시사한다.
Cisco의 인큐베이션 조직 Outshift이 Universal Quantum Switch 프로토타입을 공개했다. 이 스위치는 IBM(초전도), QuEra(중성 원자), IonQ(이온 트랩) 등 다양한 양자 컴퓨터 모달리티를 단일 네트워크로 연결해 분산 양자 컴퓨팅을 가능케 한다. 편광(polarization), 시간 빈(time-bin), 주파수 빈(frequency-bin), 경로(path) 등 4가지 인코딩 방식을 지원하며, 소비 전력은 1밀리와트 미만, 전기-광학 전환 속도는 나노초 이하다. 양자 상태 열화율은 4% 미만으로 측정됐다. 현재 편광 인코딩 검증이 완료됐고, 나머지 모달리티 검증이 진행 중이다. 이를 통해 현재 100~1,000 큐비트 수준의 시스템을 네트워킹으로 수십만~수백만 큐비트 규모로 확장하려는 것이 목표다.
핵심 인사이트
- Cisco는 클라우드 컴퓨팅의 스케일 아웃 패러다임을 양자 컴퓨팅에 적용, 1,000 큐비트 시스템 100대를 연결해 10만 큐비트 달성을 목표로 한다.
- 이종 양자 모달리티 간 상호 운용성 확보가 차세대 양자 데이터센터 인프라의 핵심 경쟁 요소로 부상하고 있다.
- 실온 동작, 1밀리와트 미만 소비전력, 기존 텔레콤 광섬유 호환으로 실용적 배포 가능성을 높인 설계가 주목된다.
- DARPA의 HARQ 프로그램 등 정부 주도 이종 양자 아키텍처 이니셔티브와 맞물려 Cisco의 양자 네트워크 스택 투자가 가속화될 전망이다.
AI 학습 비용을 GPU 시간당 단가로만 평가하는 것은 잘못된 지표라는 주장이 제기됐다. Nebius AI Cloud의 제품 관리 책임자 Aleksandr Patrushev는 실제 TCO(총소유비용)는 GPU 활용률, 체크포인팅 오버헤드, 장애 복구 시간 등 인프라 효율성에 의해 결정된다고 설명했다. 3,000 GPU 클러스터를 GPU당 $2/시간으로 운용할 경우 시간당 비용은 $6,000이며, 2시간 다운타임은 $12,000의 추가 비용을 발생시킨다. GPU 활용률은 일반적으로 95~97%이나 고급 인프라에서는 102%까지 가능하다. 3시간마다 체크포인팅 시 하루 약 40분의 유효 학습 시간이 손실된다. 자동 복구 시스템은 수동 복구(평균 1시간) 대비 수 분으로 단축 가능하다.
핵심 인사이트
- 3,000 GPU 클러스터 기준 2시간 다운타임 = $12,000 추가 비용으로, GPU 단가보다 인프라 안정성이 TCO에 더 큰 영향을 미친다.
- GPU 활용률 1~2%p 차이가 대규모 학습 런에서 수십~수백만 달러 수준의 비용 차이를 만들어낼 수 있다.
- 자동 장애 복구, 관리형 오케스트레이션, 버퍼 노드 제공 등 인프라 부가 서비스가 실질적 비용 절감의 핵심 변수로 부상하고 있다.
- AI 클라우드 시장의 경쟁이 단순 GPU 가격에서 인프라 효율성·안정성 지표 기반으로 전환되며 전문 AI 클라우드 사업자의 차별화 가능성이 높아졌다.
NeuBird.ai가 AWS 환경에서 에이전틱 AI 기반 자율 SRE(사이트 신뢰성 엔지니어링) 시스템 Hawkeye를 개발하고 있다. 전체 경보의 약 95%는 조사가 필요 없는 노이즈이며, 클라우드 복잡성이 인간의 인지 한계를 초과한 상황에서 AI 에이전트가 첫 번째 대응자로 나서야 한다고 주장한다. 시스템은 AWS IAM 읽기 전용 권한으로 CloudWatch, Prometheus 등 텔레메트리 데이터를 분석하고 루트 원인 분석(RCA)을 자동 생성한다. 신뢰 점수 60% 미만 시 추가 조사를 수행하며, 두 모델이 독립적으로 분석하는 Hawkeye 방식으로 정확도를 높인다. Terraform 스크립트 생성 및 GitHub PR 작성까지 자동화하는 '좌편향(shift left)' 전략을 추진 중이다.
핵심 인사이트
- 전체 경보의 95%가 불필요한 노이즈라는 지적은 현행 AIOps 툴의 한계를 명확히 보여주며, 에이전틱 AI 기반 자율 조사의 시장 필요성을 뒷받침한다.
- 읽기 전용 AWS IAM 권한 + Amazon Bedrock 경유 메타데이터만 처리하는 보안 설계로 엔터프라이즈 신뢰 확보에 집중하고 있다.
- 감독 에이전트가 하위 에이전트를 관리하는 계층적 에이전트 아키텍처는 복잡한 분산 시스템 운영에서의 새로운 AI 활용 패턴을 제시한다.
- Terraform·GitHub 연동을 통한 코드 자동 수정 기능은 AIOps에서 DevOps 자동화로의 경계를 허물며 SRE 인력 절감 효과를 가속화할 전망이다.