최신 AI 뉴스를 한눈에.

중국 최초의 AI 극장용 영화 ‘삼성퇴: 미래의 과거사’ 개봉: 기술적 이정표와 시장의 냉대가 공존

2026년 10월 23일, 보나필름이 제작한 ‘삼성퇴: 미래의 과거사’는 국내 최초로 상영허가를 취득하고, 전 과정에서 AI의 참여를 바탕으로 제작되어 상업 극장에서 정식으로 개봉한 장편 영화로서 전국 극장에 상영됐다. 이 작품은 전편에 디지털 캐릭터만 등장하며 실사 배우는 출연하지 않았고, 제작비는 수천만 위안에 달했지만 첫 주말 박스오피스 수익은 약 118만 위안에 그쳤으며, 상영 편수와 관객 점유율도 저조해, 서사적 수용도와 산업화 적용 간의 현실적 괴리를 여실히 드러냈다.

추천 이유해당 보도는 타이메디아가 2026년 10월 26일에 발표한 심층 기사를 바탕으로 하며, 영화의 기술적 정체성(최초의 AI 극장용 장편 영화), 제작 현황(120만 장의 원본 이미지, 600:1의 폐기 비율, 프레임별 수작업 처리), 산업적 의의(심사 및 배급 전 과정의 흐름 구축)와 시장 반응(낮은 흥행 성과, 관람료 논란, 관객의 관망 태도)을 종합적으로 담고 있습니다. 정보 요소가 완전하고 출처가 명확하며 시의성이 높으며, 자료의 사실적 한계를 넘어서지 않았습니다.

상하이종합지수 등 4개 지수의 구성 규칙이 오늘부터 조정된다; 국유자산감독관리위원회는 국유기업 개혁 심화를 추진한다; S&P의 새 규정은 3,750억 달러 규모의 펀드에 영향을 미칠 것이다.

2026년 10월 26일부터 상하이종합지수, 상하이A주지수, 상하이유통지수 및 과학혁신종합지수가 개정된 편제 방안을 정식으로 시행하며, 개별 구성 종목의 가중치 상한을 15%로 신설한다. 국무원 국유자산감독위원회는 10월 23일에 새로운 국유자산 및 국유기업 개혁 과제의 착실히 이행을 강조했다. 같은 날(10월 25일), S&P 다우존스는 성장주와 가치주의 구분 기준을 조정한다고 발표했으며, 새 규정은 12월 21일부터 발효되어 약 3,750억 달러 규모의 패시브형 펀드에 영향을 미칠 예정이다.

추천 이유세 가지 정책과 시장 규칙의 변화는 모두 뚜렷한 시의성과 체계적 영향을 지닌다: 지수 가중치 상한선은 A주 시장의 핵심 벤치마크의 안정성과 직결되며, 국유자산감독위원회의 입장 표명은 중앙 차원에서 국유기업 개혁의 난관 돌파를 위한 긴박한 추진 의지를 보여준다. 또한 S&P의 규칙 재편은 가치투자의 논리를 재구성하며, 그 파급 규모가 수천억 달러에 이르러 글로벌 자본시장의 중요한 변수로 작용하고 있다. 모든 정보는 타이미디어가 2026년 10월 25일에 발표한 권위 있는 종합 보도에 근거하며, 시점, 주체, 조치 및 영향 규모 등이 명확히 검증 가능하다.

패널 제조사들이 AI로 인한 상류 원자재 비용 압박에 대응하기 위해 일제히 가격을 인상했지만, 하류 수요처의 수용도가 낮고 최종 제품의 품질 관리에도 부담이 가중되고 있다.

2026년 9월부터 TCL 화싱, BOE, 혜커 등 패널 제조사들이 잇따라 가격 인상 공지를 발표했는데, 주요 원인은 AI 대규모 모델의 발전으로 HBM 수요가 급증하면서 기성 공정 칩의 생산 용량을 압도하고, 드라이버 IC, PCB, 유리 기판 등 핵심 소재의 가격을 상승시켰기 때문이다. 코닝 등 상류 공급업체들도 동시에 가격을 인상했다. 비용 부담이 분명히 존재함에도 불구하고, 하위 단계의 TV·디스플레이 브랜드들의 구매 가격은 아직 전반적으로 오르지 않았으며, 최종 사용자들 사이에서는 과열, 블랙 스폿 등 품질 관리 관련 문제가 빈번히 발생해, 가격 인상이 실제 거래와 체험 개선으로 이어지지는 못한 상황이다.

추천 이유재료 시스템은 AI 산업이 직접적으로 연관되지 않은 하드웨어 업계에 미치는 크로스체인 전파 메커니즘을 규명한다—AI가 패널 수요를 직접적으로 견인하는 것이 아니라, 웨이퍼 생산능력의 재배분을 통해 전 체인에 걸친 비용 재정립을 촉발한다는 점이다. 동시에 가격 인상 행태와 시장의 실제 반응(가격 정체, 출하량 감소, 사용자 불만) 간의 뚜렷한 괴리를 보여주며, 이는 산업의 협상력과 제품 경쟁력 간의 불일치라는 근본적인 모순을 부각한다.

인텔, 미국 FCC의 외국산 제조 로봇 금지 조치로부터 면제를 획득해 반도체 공장의 자동화 물류를 보장

미국 연방통신위원회(FCC)는 2026년 10월 22일, 원래의 금지 조항이 모호하여 핵심 반도체 제조 장비까지 잘못 영향을 미칠 수 있다는 우려를 고려해, 인텔이 미국 내 웨이퍼 공장에서 특정 외국산 자동 안내 차량(AGV)을 계속 사용할 수 있도록 1년간의 면제 허가를 승인했다.

카자흐스탄이 AI 연산 인프라 구축을 가속화하고 있으며, Firebird는 미국의 수출 허가를 받아 NVIDIA Grace Blackwell GPU 4만5천 개를 배치할 예정입니다.

카자흐스탄의 AI 생태계는 현재 계획 단계에서 규모화된 배치로 전환되고 있으며, Firebird사는 미국의 수출 허가를 획득해 카자흐스탄에 AI 공장을 건설하고, 초기 단계에서 NVIDIA Grace Blackwell GPU 4만5천 개를 배치할 예정입니다. Kazakhtelecom은 이미 H200/B300 GPU 1천 개 이상을 도입했으며, 2025년까지 Vera Rubin 등 GPU 2천 개 이상을 추가로 확보할 계획입니다. 또한 여러 주체가 협력해 연산 능력 공급, 개발자 참여 및 현지 AI 애플리케이션의 실질적 구현을 추진하고 있습니다.

Amazon SageMaker AI가 GPU 없이 관리되는 모델 맞춤형 교육 세션을 출시하며, 정식으로 전면적으로 이용 가능해졌습니다.

AWS는 SageMaker AI의 서버리스 모델 맞춤화 기능에 ‘훈련 세션(Training Sessions)’을 추가했다고 발표했으며, 이는 오늘부터 전면적으로 이용 가능하다. 사용자는 훈련 후 로직(예: 사용자 정의 손실 함수, 보상 신호, 다단계 강화학습 등)을 직접 작성할 수 있으며, GPU 할당, 분산 실행, 장애 복구 및 체크포인트 저장은 모두 플랫폼에서 자동으로 처리된다.

아마존 세이지메이커가 학습 세션 API를 출시했습니다: 사용자는 GPU를 관리할 필요 없이 맞춤형 대규모 모델 학습 루프를 작성할 수 있습니다.

아마존 세이지메이커는 트레이닝 세션(Training Sessions) API를 출시하여, 사용자가 순수 파이썬 스크립트로 SFT, RLHF, GRPO, KTO 등과 같은 맞춤형 대규모 모델 훈련 로직을 구현할 수 있도록 지원합니다. GPU 리소스 스케줄링, 장애 복구, 분산 실행 및 체크포인트 관리는 모두 서비스에서 관리합니다.

Why AI Compute Comes in Rectangles — Erik Bernhardsson, Modal CEO

Elastic GPUs, sandbox growth, and the economics of the agent cloud

Why AI Compute Comes in Rectangles — Erik Bernhardsson, Modal CEO

Elastic GPUs, sandbox growth, and the economics of the agent cloud

블랙스톤의 AI 사업 책임자 자스 카이라: AI 인프라 부채에 대한 우려는 과장되어 있다

블랙스톤의 AI 사업 책임자인 자스 카이라는 테크크런치 디스럽트 컨퍼런스에서, AI 인프라 분야의 막대한 부채에 대한 시장의 공포가 과도하게 확대되었다고 밝혔다. 그의 핵심 논거는 다음과 같다: 해당 부채는 주로 마이크로소프트, 메타 등 신용등급이 높은 고객들과 체결된 장기 계약에 의해 뒷받침되며, 하부 자산(예: GPU 등) 역시 강력한 담보 가치를 지니고 있어 위험 구조가 2008년 은행 시스템과는 본질적으로 다르다는 점이다.

NVIDIA cuDSS 정식 출시: 엔지니어링 및 과학 시뮬레이션에서의 희소 선형 시스템 해법 가속

NVIDIA는 2026년 10월 26일(UTC)에 cuDSS 라이브러리가 일반 사용 가능(GA) 단계에 진입했다고 발표했습니다. 이 CUDA-X 라이브러리는 GPU에서 대규모 희소 선형 시스템을 효율적으로 해결하도록 설계되어, 칩, 항공, 산업 시스템 등 분야에서 시뮬레이션 처리량과 반복 계산 효율을 크게 향상시킵니다.

TorchNeuron 시스템 수준 성능 분석(제1부): AWS Trainium 칩 기반 엔드투엔드 프로파일링

이 글은 Hugging Face와 Amazon이 공동으로 발표한 기술 블로그 시리즈의 첫 번째 편으로, AWS Trainium AI 가속 칩에서 TorchNeuron을 활용한 PyTorch 모델 추론 성능 분석 방법을 체계적으로 소개합니다. 여기에는 Neuron 백엔드 통합 원리, torch.profiler 구성 방법, NeuronConfig 및 NeuronProfiler 도구의 사용법, Neuron Explorer를 이용한 시각적 추적 등이 포함되며, RMSNorm을 사례로 삼아 세 가지 구현 방식(순수 PyTorch, torch.rms_norm 내장형 병합, torch.compile 자동 병합) 간의 장치별 처리 시간 차이를 비교합니다.

i14, Laplace 3B 선형 주의 메커니즘 모델 발표: AWS Trainium2와 네이티브 PyTorch를 기반으로 한 고정 상태 메모리 추론 구현

i14는 30.28억 개의 파라미터를 갖는 Laplace 3B 모델을 출시했으며, Softmax 주의 메커니즘을 대체해 게이트 제어 선형 주의(GLA)를 채택했습니다. 이 모델은 추론 시 각 시퀀스의 재귀 상태 크기가 항상 29.5 MB로, 컨텍스트 길이와 무관합니다. 해당 모델은 AWS trn2.48xlarge 인스턴스 한 대(Trainium2 칩 16개 탑재)에서 훈련 및 서비스 검증을 완료했으며, 훈련 처리량은 초당 12만 토큰에 달하고, 서비스 처리량은 초당 11,544 출력 토큰(동시 실행 시퀀스 수 1,280)입니다. 모든 성능 데이터는 i14와 AWS GenAIIC 팀의 내부 실측 결과입니다.

SF Compute, 프로그래밍 가능한 데이터센터 구축: 물리적 인도를 기반으로 한 GPU 연산력 거래 시장

SF Compute는 에반 콘래드가 설립한 기업으로, 중립적이고 프로그래밍 가능하며 물리적 인도를 지원하는 GPU 연산력 거래 인프라 구축을 목표로 합니다. 이 회사의 모델은 FLOPS 상품의 추상화를 지양하고 하드웨어의 이기종성, 실제 인도 및 실시간 제약(예: 중단 허용성, InfiniBand 토폴로지, 펌웨어 버전 등)을 강조합니다. 현재까지 수백억 달러 규모의 거래량을 달성했으며, 동적 InfiniBand 서브넷 분할과 같은 기반 기능도 선보였습니다.

삼성 평택 초대규모 반도체 신규 기지 탐방: AI가 이끄는 메모리 칩 증설 열풍

생성형 AI의 급부상으로 인한 고대역폭 메모리 칩 수요 급증에 대응하기 위해, 삼성은 한국 평택에 뉴욕 센트럴파크 규모의 반도체 제조 클러스터를 건설하고 있다. 현재까지 세 곳의 웨이퍼 공장이 가동 중이며, 네 번째 공장은 곧 상업 생산을 시작할 예정이고, 다섯 번째 공장은 2024년 수요 약세로 일시 중단됐다가 다시 건설을 재개했다. 현장에서는 높은 강도와 높은 안전 기준을 갖춘 건설 속도와 노동력 생태계가 구현되고 있다.

Hugging Face가 TorchTPU를 출시했습니다: PyTorch에서 Google TPU를 기본 지원합니다

Hugging Face는 TorchTPU를 발표하여 PyTorch에 원래의 TPU 백엔드 지원을 제공함으로써, Transformers, Diffusers 등과 같은 라이브러리들이 torch_xla에 의존하거나 JAX로 이전할 필요 없이 바로 TPU에서 실행될 수 있도록 했습니다.

TorchNeuron 공개 베타 출시: Hugging Face 모델이 AWS Trainium의 학습과 추론을 기본 지원

Hugging Face와 AWS가 공동으로 TorchNeuron을 출시했습니다—PyTorch용 원생형 Trainium 백엔드로, 2026년 10월 20일부터 공개 베타 테스트를 시작합니다. 이 기술을 통해 Transformers, Diffusers 등 주요 라이브러리들이 수정 없이 바로 Trainium 칩에서 실행될 수 있게 되어, 텍스트 생성 및 이미지 생성 모델의 사용 편의성과 호환성을 크게 향상시킵니다.

GPU 클러스터에 대한 충격적인 스케줄링

GPU 클러스터에 대한 충격적인 스케줄링

Import AI 470: No rights for machines; automating environment generation with SPADE; and building better GPU kernels with Hawkeye

Differential acceleration of cyber, math, and AI

GPU 관리: 왜 이들 GPU 새로운 지상 항공기

GPU 관리: 왜 이들 GPU 새로운 지상 항공기