2026-08-17 AI 뉴스

17 Aug 2026

IBM-Together AI, 2억 4천만 달러 규모의 엔비디아 HGX B300 추론 클러스터 구축 계약 체결

Futurum Research - 발행일: 2026-08-17

요약

IBM이 Together AI와 2억 4천만 달러 규모의 다년 계약을 체결하고 IBM 클라우드에 대규모 엔비디아 HGX B300 추론 클러스터를 구축함.
Together AI는 이 클러스터를 오픈소스 모델 추론에 활용할 예정이며, 2027년 1분기부터 서비스가 제공될 계획임.
이번 계약에는 엔비디아의 Spectrum-X 이더넷 네트워킹 기술이 포함되어 기존 세대 대비 최대 30배 높은 출력 성능을 목표로 함.

주요 내용 및 시사점

기술적 의미: 엔비디아의 최신 블랙웰(Blackwell) 기반 B300 칩 약 2,000개를 활용한 대규모 추론 전용 인프라를 구축함으로써, 복잡한 오픈소스 모델의 실행 속도와 효율성을 극대화함.
산업적 영향: IBM이 ‘네오클라우드(Neocloud)’ 기업들과 경쟁할 수 있는 전용 AI 용량을 확보하게 되었으며, 기업 고객들에게 폐쇄형 모델보다 경제적인 오픈소스 기반 대안을 제공할 수 있게 됨.
향후 전망: Together AI는 서비스 시작 전 이미 모든 용량에 대한 수요를 확보했다고 밝혔으며, 2027년 초 본격적인 가동을 통해 엔터프라이즈 AI 추론 시장의 경쟁이 가속화될 것으로 보임.

가트너, “에이전틱 AI 확산으로 2028년까지 워크플로당 추론 비용 5배 증가” 전망

Gartner - 발행일: 2026-08-17

요약

가트너는 AI 에이전트 기반의 복잡한 워크플로가 확산됨에 따라, 2028년까지 워크플로당 AI 추론 비용이 5배 이상 증가할 것이라고 예측함.
모델 자체의 토큰당 단가는 하락하고 있으나, 다단계 실행을 특징으로 하는 에이전틱 AI가 훨씬 더 많은 토큰을 소비하기 때문임.
제품 리더들은 더 이상 효율적인 토큰 경제성에만 의존할 수 없으며, 복잡한 멀티 모델 에코시스템 관리가 필수적임.

주요 내용 및 시사점

기술적 의미: 단순 챗봇 형태에서 스스로 계획하고 실행하는 ‘에이전틱(Agentic)’ 시스템으로 진화하면서, AI가 처리해야 할 연산량과 데이터 소비량이 기하급수적으로 늘어남.
산업적 영향: AI 서비스 기업들의 수익 구조에 비상이 걸릴 수 있으며, 비용 효율적인 추론 관리 기술(Inference Cost Management)이 핵심 경쟁력으로 부상할 것임.
향후 전망: 기업들은 단일 모델 사용에서 벗어나 작업의 복잡도에 따라 최적의 모델을 조합하는 전략을 채택하게 될 것이며, 이는 인프라 비용 최적화 솔루션 시장의 성장을 이끌 것으로 보임.

그래비스 로보틱스, 소프트뱅크로부터 2억 달러 투자 유치… 건설 장비 자율주행 가속화

SiliconANGLE - 발행일: 2026-08-17

요약

스위스 기반 스타트업 그래비스 로보틱스(Gravis Robotics)가 소프트뱅크 그룹으로부터 2억 달러 규모의 시리즈 A 투자를 유치함.
이 회사는 기존 중장비 굴착기에 자율주행 AI 시스템을 장착하여 운전자 없이도 복잡한 건설 현장에서 작업을 수행할 수 있게 하는 기술을 보유함.
건설 산업의 심각한 노동력 부족과 고령화 문제를 해결하기 위한 대안으로 주목받고 있음.

주요 내용 및 시사점

기술적 의미: 정적인 환경이 아닌 끊임없이 변화하는 건설 현장의 물리적 환경을 인식하고 대응하는 ‘피지컬 AI(Physical AI)’ 기술의 고도화를 입증함.
산업적 영향: 전 세계적으로 인프라 수요는 급증하는 반면 숙련된 운영 인력은 줄어드는 상황에서, 건설 자동화 시장의 게임 체인저가 될 가능성이 큼.
향후 전망: 소프트뱅크의 대규모 자본 투입으로 기술 상용화 속도가 빨라질 것이며, 건설 현장의 무인화 및 안전성 향상이 가속화될 것으로 예상됨.

TCS, 신약 개발 혁신을 위한 에이전틱 AI 플랫폼 ‘ADD AgentHub’ 출시

TCS News - 발행일: 2026-08-17

요약

타타 컨설턴시 서비스(TCS)가 제약 산업의 신약 개발 과정을 혁신하기 위한 에이전틱 AI 플랫폼 ‘TCS ADD AgentHub’를 발표함.
이 플랫폼은 임상 시험 및 약물 감시(Pharmacovigilance) 분야에서 AI 에이전트가 특정 역할을 수행하며 업무를 자동화하도록 설계됨.
초기 도입 결과, 임상 데이터 관리 효율성이 최대 40% 향상되고 비용은 30% 절감되는 효과를 확인했다고 밝힘.

주요 내용 및 시사점

기술적 의미: 규제가 엄격한 제약 분야에서 AI 에이전트의 역할 정의, 거버넌스, 감사 가능성(Auditability)을 보장하는 구조화된 프레임워크를 제공함.
산업적 영향: 파편화된 데이터와 복잡한 규제로 인해 지연되던 신약 개발 R&D 가치 사슬 전반의 디지털 전환을 가속화할 수 있음.
향후 전망: ‘인간 + AI 협업 운영 모델’이 제약 산업의 표준으로 자리 잡을 것이며, 이는 신약 출시 기간 단축과 비용 절감으로 이어질 것으로 기대됨.

플랫아이언 연구소, AI 학습 효율을 극대화하는 ‘Muon’ 옵티마이저 및 ‘Polar Express’ 알고리즘 공개

Simons Foundation - 발행일: 2026-08-17

요약

사이먼스 재단 산하 플랫아이언 연구소(Flatiron Institute) 수학자들이 AI 모델 학습 속도를 획기적으로 높이는 ‘Muon’ 옵티마이저와 ‘Polar Express’ 알고리즘을 개발함.
이 기술은 거대언어모델(LLM) 학습 시 발생하는 막대한 전력 소비와 탄소 배출 문제를 해결하기 위해 설계됨.
단 몇 퍼센트의 효율 향상만으로도 국가 단위의 전력 수요를 절감하고 수천만 달러의 비용을 아낄 수 있는 잠재력을 가짐.

주요 내용 및 시사점

기술적 의미: 수학적 최적화를 통해 자원 집약적인 AI 학습 과정을 더 빠르고 저렴하게 개선하여, 하드웨어 한계를 소프트웨어적으로 극복함.
산업적 영향: 데이터 센터의 에너지 부족 문제가 심화되는 가운데, 지속 가능한 AI 발전을 위한 필수적인 기술적 토대를 제공함.
향후 전망: 해당 알고리즘이 업계 표준으로 채택될 경우, 중소 규모 기업들도 적은 비용으로 고성능 AI 모델을 학습시킬 수 있는 환경이 조성될 것으로 보임.