NVIDIA

ASUS·Dell·HP·Lenovo·Microsoft 등이 참여해 순차 출시한다. 창작·게임과 함께 기기 안에서 돌리는 AI를 전면에 내세웠으나 연산 성능(TOPS)은 보도자료에 적지 않았다

자사 설명으로 고유 문자 2조 6,010억 토큰과 로마자 2,246억 토큰을 합쳐 34개 언어·문자 조합을 덮고, 품질 점수 75점 이상만 남겨 되살린 4,384억 토큰을 포함한다. 이 말뭉치 일부로 Nemotron 3.5 Super VL을 이어 학습하자 인도어 평가 다섯 개가 4.98~9.82%포인트 올랐으나 합성 말뭉치만의 효과는 아니라고 단서를 달았다

에이전트 런타임이 벤더 제품에서 재단 소유 표준 인프라로 넘어가는 경로가 생겼다. 하네스·모델·샌드박스를 교체 가능한 슬롯으로 규정한 것이 핵심인데, 이 분리가 자리 잡으면 모델 교체 비용이 떨어지고 기업은 특정 랩에 덜 묶인다. 상시 에이전트를 사내 격리 환경에 두려는 제조·금융 쪽 요구와 바로 맞물린다.

AI로 만든 예측 구조를 공용 DB에 통째로 얹어 다음 유행에 대비하는 공공재를 만든 사례다. 팬데믹 대응의 출발점이 '실험으로 구조를 푸는 것'에서 '이미 예측된 구조를 검색하는 것'으로 바뀐다. 예측 구조이며 실험 검증은 별개다

에이전트가 로봇 소프트웨어의 '사용자'로 명시된 첫 주류 릴리스다. 스킬을 사람과 에이전트가 같은 인터페이스로 호출하게 만든 설계는 MCP·Skills 표준화 흐름이 물리 영역으로 건너온 모양이고, 카메라별 인식 모델 미세조정을 에이전트에게 맡기는 부분은 제조 현장의 비전 검사 셋업이 사람 손을 덜 타는 방향을 가리킨다

가속기 공급사가 데이터센터의 전기·열 부품까지 인증 목록을 만들기 시작했다. 병목이 칩에서 전력·냉각으로 내려왔다는 신호이며, 관찰 주제 「AI 전력·데이터센터 물리 제약」이 제품 규격 수준으로 구체화된 사례다. 정량 규격(랙당 kW·전압)은 공개되지 않았다

에이전트 보안의 무게중심이 모델 정렬에서 런타임 격리로 옮겨가는 흐름을 벤더 쪽에서 정식화한 글이다. 같은 주 arXiv의 AgentKernel과 논지가 겹친다 — 프롬프트 층의 방어를 포기하고 OS 층에서 막자는 것. 자사 제품 생태계를 전제한 서술이라 주장으로 기록한다

자기개선의 대상이 모델 가중치가 아니라 하네스 설정이라는 점이 핵심 — 같은 모델로 비용만 3분의 1 줄이는 여지가 아직 남아 있다는 실측이다.

AI가 모델·칩을 넘어 제조·물류 운영체계 자체로 들어간 사례이며, 부품 130만 개 규모 공급망 계획이 에이전트 최적화의 실제 대상이 됐다.

AI 인프라 투자가 미국·중동을 넘어 아시아태평양 중견 시장으로 번지는 소버린 인프라 경쟁의 한 국면이다.

생성물 진위 판별 모델이 연구 주제를 넘어 방송 인프라의 기본 스택 부품으로 제품화된 지점이다.

형식 검증기 없이 순수 자연어 추론만으로 IMO 금메달권에 이른 결과를 가중치와 데이터까지 공개한 사례로, 최상위 수학 추론의 재현 가능성을 크게 넓혔다.

공급사의 기록적 실적이 버블 논쟁의 반박 근거로

에이전트용 저지연 유닛이 랙에 통합

스킬 배포 표준이 단일 프로젝트를 넘어 벤더 주도 개방 규격으로 제안됨

모델에 이어 하드웨어까지 오픈화

Vera CPU·Groq 3 LPX·BlueField-4·Spectrum-6 통합, 에이전트 워크로드를 명시적 타깃으로

비-GPU 추론 IP의 편입. Groq는 독립 법인으로 존속

라벨 약 600장과 미라벨 PCB 약 100만 장 도메인 적응의 조합. 라벨 효율이 OSAT 현장에 직접 시사

3자 상호 출자·구매 구조의 완성형

통신-연산 융합을 커널 수준에서 지원해 대규모 분산 학습·추론의 통신 병목 해소 방식을 바꾼 릴리스

데스크톱에서 200B 추론과 70B 파인튜닝, 로컬이 에이전트 런타임으로

FP4 학습이 실제로 되는가에 대한 가장 강한 긍정 증거. 단 벤더 자체 보고이며 독립 재현은 확인되지 않음

순환 금융 논쟁의 시발점

수출통제가 사실상 관세·수익배분 협상으로 변질

4월 사실상 금지 이후 3개월 만의 반전

4비트의 정밀 규격화

모델보다 Isaac Sim·Cosmos·Omniverse를 묶은 데이터 파이프라인 플랫폼 전략의 시작

추론 모델을 명시적 타깃으로 삼아 PD 분리·KV 라우팅·오토스케일을 벤더 표준으로

물리 AI 학습용 합성데이터·시뮬레이션 인프라를 상품화

커널이 특정 세대 실리콘에 맞춰 재작성되어야 함을 보인 사례. FP8 어텐션의 정확도 우려를 정량적으로 반박

데이터 생성 파이프라인 자체가 제품이 됨

광고된 컨텍스트 길이와 실효 길이의 격차를 표준화된 방식으로 노출

랙 하나를 하나의 거대 GPU로 다루는 패러다임

연산이 아니라 메모리 용량·대역폭을 세대 차별점으로 내세운 첫 제품

in-flight batching과 paged attention, FP8을 벤더 스택에 통합

3사 공동 제안으로 FP8이 사실상 표준 형식이 됨. 형식 파편화를 막은 규격 합의

FP8 학습을 하드웨어 지원 기능으로 만든 전환점. 소프트웨어와 실리콘이 한 몸으로 묶인 첫 사례

대규모 모델 병렬화의 표준 구현

노드 내부를 하나의 큰 GPU로 만든 계층. 텐서 병렬화가 실용적이 된 물리적 전제

커널을 조립 가능한 부품으로 분해. FlashAttention·Transformer Engine·현대 어텐션 커널 다수가 이 위에 구현됨

혼합정밀 학습의 원형. FP16→BF16→FP8→FP4로 이어지는 정밀도 축소 계보 전체가 이 두 기법의 변주

all-reduce를 하드웨어 토폴로지에 맞춰 최적화한 표준 계층. 모든 데이터 병렬·ZeRO·FSDP 학습이 이 위에서 돈다

프레임워크가 커널을 직접 짜지 않아도 되게 만든 첫 계층

GPU 범용 연산의 진입장벽을 낮춰 이후 딥러닝 전체가 올라탄 소프트웨어 기반