AI 이후의 세상을 읽다
AI의 성능은 프롬프트만으로 결정되지 않는다. 실제 서비스 수준을 좌우하는 것은 컨텍스트의 품질이다. 이러한 컨텍스트를 설계하고 관리하는 기술이 바로 Context Engineering(컨텍스트 엔지니어링)이다. 질문만으로 답을 찾지 못하는 이유 흔히 사용자가 질문을 던지면 AI가 곧바로 정답을 꺼내온다고 생각한다. 실제 개발 환경에서는 완전히 다른 방식으로 작동한다. 사용자의 질문은 가공되지 않은 원석에 불과하다. 여기에 인공지능이 참고해야 할 주변 정보가 더해져야 … 더 읽기
중국 AI 반도체 기술은 미국에 뒤처져 있다는 평가를 받는다. 그러나 이들은 미세 공정 경쟁 대신 설계부터 생산, 패키징까지 이어지는 독자적인 AI 생태계를 통째로 구축하는 다른 길을 선택했다. 미래 AI 시장은 성능 경쟁과 함께 자립된 공급망 경쟁이 동시에 진행되며, 미국과 중국을 중심으로 한 두 개의 AI 생태계가 형성될 가능성이 커지고 있다. 미국이 중국 반도체의 손발을 묶은 … 더 읽기
최근 중국은 기술 연구실에 머물던 인공지능을 일반 소비자가 구매하는 중국 AI 제품으로 빠르게 전환시키고 있다. 국내에서는 연구개발이나 시범 사업의 형태로 접하는 경우가 많은 AI 기능들이, 중국에서는 이미 10만 원대 하드웨어에 탑재되어 판매되는 사례를 어렵지 않게 찾아볼 수 있다. 결국 미래 AI 경쟁은 모델의 지능 순위가 아니라, 누가 더 저렴하고 빠르게 물리적 제품에 AI를 이식하느냐의 싸움으로 … 더 읽기
화웨이 어센드(Huawei Ascend)는 일반 PC용 그래픽카드가 아니라 AI 서버에 장착되는 AI 반도체다.데이터센터에서 수백~수천 개를 연결해 ChatGPT 같은 AI를 학습하고 서비스를 제공하는 데 사용된다.즉, 우리가 AI에게 질문하면 뒤에서 답을 계산해 주는 ‘AI 전용 엔진’이라고 생각하면 된다. 화웨이 어센드는 단순한 AI 반도체가 아니라, 미국의 수출 규제에 맞서 중국이 구축한 독자적인 AI 생태계의 중심 축이다. 핵심 경쟁력은 단일 … 더 읽기
AI Token 비용 줄이는 방법은 생성형 AI를 업무에 활용하는 기업과 개발자라면 반드시 알아야 할 최적화 전략이다. ChatGPT나 Claude 같은 AI는 글자 수가 아니라 토큰(Token) 수를 기준으로 비용을 계산한다. 같은 의미라도 한글과 영어의 토큰 수는 크게 달라질 수 있으며, 프롬프트 구조를 조금만 개선해도 API 비용과 응답 속도를 함께 줄일 수 있다. 이러한 문제를 해결하기 위해 현업에서는 … 더 읽기
생각만 하던 인공지능이 마침내 현실 세계의 기계를 움직이기 시작했다.그동안 디지털 화면에 갇혀 있던 AI 두뇌에 현실과 연결되는 강력한 손발이 생겼다.그 핵심 열쇠인 MCP(Model Context Protocol)가 바꾸어 놓을 피지컬 AI의 미래와 그 이면을 알아본다. AI가 똑똑해도 공장 설비를 못 멈춘 이유 인공지능은 그동안 방대한 지식을 뽐냈지만 정작 현실의 기계 하나 제대로 움직이지 못했다. 챗GPT에게 공장 온도가 … 더 읽기
챗GPT가 모든 것을 외우지 못한다는 한계에서 출발한 RAG 기술은 AI에게 실시간으로 책을 찾아주는 오픈북 시스템이다. 기존의 파인튜닝이 AI의 말투와 전문성을 훈련한다면, RAG는 최신 정보와 내부 문서를 실시간으로 공급하는 역할을 맡는다. 두 기술은 대립하는 것이 아니라 상호 보완하며 발전하고 있으며, 앞으로는 문서 검색을 넘어 인간의 행동과 감각을 검색하는 단계로 진화할 준비를 하고 있다. 챗GPT가 모든 것을 … 더 읽기
인공지능이 내뱉는 단어 한 조각에 숨겨진 물리적 비용 AI 전력 소비는 생성형 AI 시대의 핵심 경쟁력이다. ChatGPT 같은 AI는 질문 한 줄에 답하기 위해 수천억 번의 행렬 연산을 수행하며 GPU와 데이터센터에서 막대한 전력을 사용한다. 토큰(Token) 생성 과정부터 FLOPs, 메모리 대역폭, 데이터센터의 냉각 시스템까지 AI가 답변 한 줄을 만드는 데 필요한 물리적 에너지의 원리를 살펴본다. 인공지능이 … 더 읽기
대부분 사람들은 AI가 인터넷 어딘가에 떠다니는 소프트웨어라고 생각한다. 하지만 AI는 클라우드라는 추상적인 공간에 사는 것이 아니라, 현실 세계의 데이터센터에서 막대한 전기를 소비하며 살아가는 물리적인 존재다. AI는 왜 데이터센터를 필요로 하는가를 자세히 살펴보자. AI는 컴퓨터 안에 사는 것이 아니다 사람들은 AI가 인터넷 어딘가에 유령처럼 떠다닌다고 생각한다. 스마트폰 앱을 누르면 화면 위로 뚝딱 답변이 나타나기 때문이다. 하지만 … 더 읽기
AI 서비스를 만들 때 가장 먼저 해야 할 일은 어떤 Base Model을 선택할 것인지 결정하는 일이다. Base Model은 AI의 기초 체력을 결정하는 두뇌이며, 이후의 파인튜닝과 RAG, AI Agent의 성능까지 좌우하는 출발점이다. 같은 데이터를 학습시키더라도 어떤 Base Model을 선택했느냐에 따라 AI의 사고방식과 성능은 크게 달라진다. 결국 좋은 전문가 AI는 좋은 데이터뿐 아니라, 좋은 Base Model 선택에서부터 … 더 읽기