AI 인프라 구축에 쏟아붓는 자본의 규모
글은 하이퍼스케일러와 AI 기업이 데이터센터, 칩, 전력 인프라에 투입하는 막대한 자본과 이를 뒷받침하는 부채·장기 임대 구조를 정리합니다. 투자 회수가 늦어지면 금융 충격이 커질 수 있지만, AI 역량이 계속 발전하면 노동시장과 권력 집중에도 큰 변화가 생긴다는 것이 저자의 주장입니다.
AI · 최신기사
기업 79%가 GPU를 절반 이상 놀리면서도 대다수는 새 AI 플랫폼을 계획합니다
VentureBeat가 2026년 7~9월 설문 응답 중 GPU 사용률을 밝힌 218곳을 분석했습니다. 79%는 GPU가 절반 이하로만 바쁘다고 답했지만, 이들 중 70%는 1년 안에 새 AI 컴퓨팅 플랫폼을 도입할 계획입니다. 저자는 GPU 용량과 폐쇄형 모델 API 지출이 서로 대체되지 않는 구조를 원인으로 봅니다.
스타트업, 구글의 비공개 양자 암호 연구 결과 재현
구글 연구진은 256비트 타원곡선 암호(ECC)를 깨는 데 필요한 양자 회로를 최적화했지만, 재현 방법은 공개하지 않고 영지식 증명으로 결과만 검증했습니다. Eigen Labs는 AI 에이전트와 공개 협업을 결합해 72시간 안에 구글 결과를 넘었으며, 이 결과는 양자내성암호(PQC) 전환을 서둘러야 한다는 논거로 제시됩니다.
TornadoVM 7, 자바 애플리케이션에서 GPU 네이티브 워크로드 실행
TornadoVM 7.3은 JNI 대신 FFM API를 쓰고 CUDA, cuTile, CUDA 라이브러리 호출과 멀티 GPU 실행을 지원합니다. 데이터 병렬 작업을 GPU로 보내는 자바 프레임워크로, 같은 릴리스에서 자바 기반 AI 추론 엔진 jitLLM 2.0도 공개했습니다.
Meta, 토큰 대신 바이트를 읽는 소형 AI 모델 훈련…초반엔 뒤처지지만 장기적으로 앞선다는 예측
Meta와 워싱턴대 연구진은 토큰 모델의 출력을 바이트 단위로 옮기는 방법을 제시하고 약 10억 파라미터 모델의 학습 추세를 비교했습니다. 바이트 모델은 낮은 연산량에서 뒤처지지만 더 학습하면 앞설 것으로 예측됐습니다. 다만 우위와 데이터 절감 수치는 실측 결과가 아니라 학습 곡선 외삽에 기반합니다.
골드만삭스 "AI가 노동자 11명 중 1명을 밀어낼 수 있지만, 해고는 경기침체를 기다릴 가능성"
골드만삭스는 AI가 생산성을 15% 높이는 경우 노동자 최대 9%가 일자리를 잃고, 채용 감소가 고용에 3% 더 영향을 줄 수 있다고 추산합니다. 과거 자동화에 따른 고용 충격은 경기침체 때 커졌으며, 현재 영향이 제한적인 이유로 AI 도입 초기라는 점과 견조한 경기를 꼽습니다.
Hallmark: Claude Code·Cursor·Codex용 AI 티 나는 디자인 방지 스킬
Hallmark는 Claude Code, Codex, Cursor, OpenCode에서 웹 페이지를 만들거나 다시 디자인할 때 사용하는 오픈소스 스킬입니다. 48개 디자인 테마와 페이지 목적에 맞춘 구성, 브라우저 검사와 재검토 절차를 제공하며, 접근성이나 모바일 레이아웃 같은 필수 조건은 통과 기준으로 둡니다.
AWS 에이전트 툴킷: AI 코딩 에이전트의 AWS 개발을 돕는 공식 MCP 서버·스킬·플러그인
AWS Agent Toolkit은 AI 코딩 에이전트가 AWS 애플리케이션을 만들고 배포·운영하도록 MCP 서버, 작업별 스킬, 플러그인을 제공합니다. 여러 에이전트에 설치할 수 있으며 IAM 정책과 CloudTrail·CloudWatch로 에이전트 활동을 구분하고 기록하는 기능을 내세웁니다.
Moonshot AI Kimi K3.1 Pro, Artificial Analysis 지수 4위…Claude Opus 5.5와 3점 차
Moonshot AI가 Kimi K3.1 Pro를 공개하고 11월 4일까지 오픈 웨이트를 배포하겠다고 밝혔습니다. Artificial Analysis Intelligence Index에서 55점을 받아 4위에 올랐으며, 사이버 공격 관련 학습 데이터를 덜어낸 뒤 자체 취약점 악용 시험 점수가 90.5%에서 81.0%로 낮아졌다고 설명했습니다.
Show HN: 에이전트와 터미널을 관리하는 Corgi 멀티플렉서
Corgi는 에이전트와 터미널 작업을 한곳에서 관리하는 멀티플렉서입니다. 작업 상태와 에이전트가 건드린 파일, 워크스페이스별 리소스 사용량을 보여주며, 백그라운드에서 프로세스를 계속 실행합니다. Ghostty Nightly에서는 SSH 접속 중에도 이미지 붙여넣기를 지원합니다.
2026년 3분기 CVE 수, 2024년 이전의 어느 한 해보다 많아
CVE 목록에서 2026년 1월 1일부터 10월 23일까지 공개된 취약점은 8만 6,292건으로 전년 같은 기간의 2.2배입니다. AI 발견자 표기는 22배 늘었지만, 대형 업체의 발견 경로가 공개되지 않아 급증의 원인을 AI로 확정할 수는 없습니다.
LLM이 개발자를 대체한다는 전망과 달리 미국 소프트웨어 개발자 고용은 증가했습니다
미국 Current Population Survey(CPS)를 분석한 결과, 소프트웨어 개발자 고용 추정치는 2022년 약 216만 명에서 2026년 1~9월 약 256만 명으로 늘었습니다. 다만 개발자 실업률은 2022년보다 높아졌고 청년층 고용 비중은 정체돼, 고용 총량 증가가 구직난 완화를 뜻하지는 않습니다.
IBM CEO "기업은 비싼 프런티어 AI보다 오픈 웨이트 모델을 선택하고 있습니다"
IBM CEO 아빈드 크리슈나는 기업이 최고급 폐쇄형 모델 성능의 90%를 10분의 1 비용으로 얻을 수 있다면 오픈 웨이트 모델을 선택한다고 말합니다. 온프레미스 운영과 데이터 통제도 수요를 키우지만, 실제 비용과 성능은 업무별 검증에 달려 있습니다.
“AI가 언제 당신의 일을 빼앗을까”라는 농담이 퍼진 뒤 생긴 문제
인디 게임 홍보용으로 만든 직업별 AI 해고일자 생성 사이트가 바이럴을 타며 하루 11만 건 넘는 검사를 처리했습니다. 개발자는 무료 요금제의 데이터베이스 타임아웃과 급증한 LLM 비용을 겪었고, Cloudflare 캐싱과 요청 재시도 조정으로 대응했습니다.
오픈소스 영업 에이전트 Harvey, 마케팅 없이 2주간 다운로드 500건에서 1만 건으로
Harvey는 Claude Code나 Codex 구독을 이용해 잠재 고객을 찾고, 개인화한 이메일을 작성한 뒤 답장까지 처리하는 로컬 영업 에이전트입니다. 기본 설정은 발송 전 승인 절차를 두며, 작성자는 별도 API 사용료 없이 운영하는 구조와 수집 신호·메일 발송 안전장치를 공개했습니다. 다만 실제 매출 성과는 제시되지 않았습니다.
ElevenLabs Realtime 공개…v1 Max 첫 오디오까지 570ms
ElevenLabs가 음성 인식, 발화 차례 처리, LLM, 음성을 함께 조정한 음성 에이전트 모델군 Eleven Realtime을 공개했습니다. v1 Mini는 첫 오디오까지 620ms, v1 Max는 570ms라고 밝혔으며 90개 이상 언어와 OpenAI 호환 Realtime API를 지원합니다.
Qwen4 추론을 위한 Intel XPU 커널 PR
Intel XPU용 vLLM 커널에 Qwen4 경로와 FP8, INT4, GDN, HC 등의 최적화를 모은 PR입니다. 여러 단위 테스트와 제한된 추론 측정 결과를 제시하지만, Qwen4 실제 QSA 가중치로 전체 모델을 검증한 것은 아닙니다.
Anthropic 가이드: 서브에이전트를 줄이고 메인 에이전트 루프와 스킬·도구 검색을 활용하라
Anthropic은 기업용 에이전트에서 라우터와 도메인별 서브에이전트를 메인 에이전트 루프의 스킬·도구로 옮기는 방안을 제안합니다. 여러 배포 사례에서 단일 루프가 품질을 높이고 비용과 지연을 줄였다고 설명하며, 전환 전후를 평가할 과제 세트와 단계별 이관 절차를 제시합니다.
이것이 새로운 사이버 뉴노멀일까요?
PHP, GitLab, LiteLLM 등에서 중대한 취약점과 보안 사고가 잇따르며, AI가 취약점 분석과 공격 준비에 걸리는 시간을 줄였는지 논쟁이 벌어집니다. 글쓴이는 공개와 패치 사이의 시간이 짧아진 현실에 맞춰 대응 속도와 보안 관행을 바꿔야 한다고 봅니다.
정확도 변화는 작게, 추론 토큰은 평균 38.9% 줄인 Gemma-4-26B-A4B
Bottlecap AI가 Google Gemma-4-26B-A4B-it을 바탕으로 추론 토큰을 줄인 ThinkingCap 모델을 공개했습니다. 12개 벤치마크에서 토큰 사용량은 평균 38.9% 감소했고 정확도는 평균 0.15%포인트 낮아졌지만, AA-LCR에서는 4.00%포인트 하락했습니다.