뉴스 다음 질문 | newsnextquestion

먼저 결론부터 말하면 , Tesla의 AI 전략은 자동차에 자율주행 기능을 넣는 데서 끝나지 않습니다. Tesla가 공개한 자료를 따라가면, 차량에서 얻은 실제 주행 데이터가 학습용 컴퓨팅으로 들어가고, 학습된 모델은 차량 안의 FSD 추론 칩 에서 실행되며, 이 과정에서 쌓이는 소프트웨어·데이터·제어 역량이 Optimus 로봇으로도 넓어지는 흐름을 볼 수 있습니다. Tesla의 AI 전략은 데이터·학습·차량 추론·현장 평가가 다시 연결되는 반복 구조로 읽을 수 있다. 여기서 말하는 물리적 AI 는 화면 속 텍스트만 다루는 AI가 아니라, 자동차·로봇처럼 실제 공간에서 보고 움직이고 다시 데이터를 만드는 AI를 뜻합니다. 그래서 Tesla를 볼 때는 ‘FSD가 언제 완성되는가’라는 질문만으로는 부족합니다. 데이터를 어디서 얻고, 어떤 장비로 학습하고, 차량 안에서 얼마나 빠르고 안전하게 판단하며, 실제 세계의 실패 사례를 어떻게 다시 모델에 넣는지를 함께 봐야 합니다. 차량 데이터는 왜 단순한 주행 기록보다 중요한가 자율주행 AI는 비 오는 밤, 공사 구간, 갑자기 끼어드는 차량, 사람과 자전거가 섞인 교차로처럼 미리 모든 규칙을 적기 어려운 장면을 배워야 합니다. Tesla는 AI & Robotics 공식 페이지 에서 실제 차량군에서 들어오는 카메라·센서 데이터를 이용해 신경망을 학습한다고 설명합니다. 중요한 점은 데이터의 양만이 아닙니다. ‘어떤 장면에서 차량이 무엇을 봤고 어떤 선택을 했는가’라는 실제 상황의 묶음이 모델 개선의 재료가 됩니다. 쉽게 비유하면 자율주행 데이터는 운전면허 문제집보다 실제 도로에서 기록한 수많은 모의고사에 가깝습니다. 문제집만 많이 읽는다고 비 오는 밤의 복잡한 교차로를 모두 알 수는 없습니다. 하지만 실제 사례가 많다고 해서 자동으로 안전한 서비스가 완성되는 것도 아닙니다. 어떤 사례를 골라 학습할지, 모델이 새 사례에서 정말 나아졌는지, 차량에서 안전하게 작동하는지를 별도로 검증해야 합니다. 학...

Intel은 AI 칩을 팔면서 동시에 다른 회사의 칩도 만들어 주려 합니다. 처음에는 서로 충돌하는 일처럼 보입니다. 칩을 직접 설계해 파는 회사라면 좋은 공장 설비를 자기 제품에 먼저 쓰고 싶을 수 있고, 외부 고객은 경쟁사 제품도 파는 회사에 설계를 맡기기 불안할 수 있기 때문입니다. 하지만 Intel은 이 두 역할을 나눠 운영하려 합니다. Intel Products 는 CPU·AI 가속기 같은 제품을 설계·판매하는 쪽이고, Intel Foundry 는 공정 개발·제조·첨단 패키징·검사를 제공하는 쪽입니다. 쉽게 말하면 같은 회사 안에 ‘칩 브랜드 매장’과 ‘여러 손님을 받는 제조 공장’이 함께 있는 구조입니다. 파운드리는 왜 제품 회사와 다르게 움직이나 파운드리는 다른 회사가 설계한 칩을 받아 실제 반도체로 생산하는 사업입니다. 고객은 트랜지스터 성능만 보지 않습니다. 설계 데이터가 안전하게 분리되는지, 공정의 수율이 안정적인지, 약속한 시점에 칩을 받을 수 있는지, 메모리와 여러 칩을 한 패키지에 묶는 후공정까지 가능한지를 함께 봅니다. 식당 비유를 들면, 제품 회사는 자기만의 대표 메뉴를 만드는 식당이고, 파운드리는 여러 식당의 레시피를 받아 같은 품질로 대량 조리해 주는 전문 주방에 가깝습니다. 두 일을 함께 하면 장비·인력·기술을 공유할 수 있다는 장점이 있지만, 외부 손님에게 ‘자기 메뉴부터 먼저 챙기지 않겠다’는 신뢰를 주는 일이 더 중요해집니다. Intel은 2024년부터 Products와 Foundry를 구분해 보는 재무 보고 구조를 도입했습니다. Foundry가 내부 제품 부문과 외부 고객 모두에 제조 서비스를 제공하고, 제품 부문은 제조 서비스를 시장 기반 가격으로 받는 구조를 제시한 것입니다. Intel의 공식 재무 보고 구조 발표 는 이 분리가 단지 조직 이름을 바꾸는 일이 아니라, 제조 비용과 제품 수익성을 따로 보려는 장치임을 보여 줍니다. 18A의 핵심은 ‘공정 이름’보다 고객이 실제 설계를 맡길 수 ...

AMD Helios는 가속기 한 장이 아니라 AI 랙 전체를 함께 설계하는 접근이다. 먼저 결론부터 말하면 , AMD의 2026년 전략은 ‘NVIDIA GPU보다 빠른 칩 하나’를 내놓는 데서 끝나지 않습니다. AMD Helios 는 가속기(GPU), 서버용 CPU, 네트워크, 전원·냉각 설계, 그리고 ROCm 소프트웨어를 함께 묶은 AI 랙스케일 플랫폼 입니다. 랙스케일이란 서버 한 대의 사양이 아니라, 여러 서버와 장비가 한 덩어리처럼 작동하도록 설계하는 방식입니다. 중학생도 이해하기 쉽게 비유하면 GPU는 축구팀의 공격수입니다. 하지만 경기에서 이기려면 공을 전달할 미드필더, 전술을 정하는 감독, 선수들이 뛰는 경기장도 필요합니다. AI 데이터센터에서도 GPU의 계산 성능만큼 데이터를 준비하는 CPU, GPU끼리 연결하는 네트워크, 열을 식히는 냉각, 개발자가 쓰는 소프트웨어가 중요합니다. AMD가 Helios로 파는 것은 ‘공격수 한 명’보다 팀이 실제로 경기를 치르는 구조 에 가깝습니다. AI 데이터센터에서 GPU만 빠르면 충분하지 않은 이유 대형 생성형 AI 모델은 수천 장의 가속기를 함께 쓸 수 있습니다. 이때 CPU는 작업을 나누고 데이터를 준비하며, 네트워크 장치는 GPU 사이로 데이터를 옮깁니다. 메모리는 모델의 가중치와 대화 문맥, 중간 계산 결과를 담습니다. 어느 한 곳이 느리면 빠른 GPU도 기다려야 합니다. 이것을 병목 이라고 합니다. 특히 추론, 즉 학습을 끝낸 AI가 사용자 질문에 답하는 단계에서는 ‘계산을 많이 하는가’와 ‘첫 답을 얼마나 빨리 보여주는가’가 같은 문제가 아닙니다. 긴 문서를 읽는 단계는 대량의 메모리와 처리량이 중요하고, 답을 한 토큰씩 생성하는 단계는 응답 지연시간이 중요할 수 있습니다. 따라서 고객은 GPU 개수뿐 아니라 메모리·네트워크·소프트웨어가 함께 작동하는 전체 비용을 보기 시작했습니다. AMD Helios는 무엇을 묶었나 Helios는 MI455X·EPYC·Pensando·R...

먼저 결론부터 말하면 , 미국의 AI 데이터센터 전력 논쟁은 “전기가 충분한가”에서 “새 전력과 전력망 비용을 누가 낼 것인가”로 이동하고 있습니다. 미국 정부는 데이터센터가 필요한 신규 발전원과 전력 전달 인프라 비용을 부담하고, 일반 가정의 전기요금으로 비용을 넘기지 않는 방향을 제시했습니다. 다만 이것은 모든 데이터센터가 이미 같은 방식으로 비용을 내고 있다는 뜻이 아니라, 연방 정책과 지역 전력시장 규칙이 바뀌는 과정이라는 점이 중요합니다. 전기요금 논쟁에서 ‘전력’과 ‘전력망’은 다릅니다 전력은 발전소에서 만들어지는 상품이고, 전력망은 그 전기를 데이터센터까지 보내는 도로와 비슷합니다. 데이터센터가 전기를 많이 쓴다고 해서 비용이 발전소 전력 구매비만으로 끝나는 것은 아닙니다. 변전소를 키우고, 송전선을 보강하고, 배전 설비를 늘리고, 실제 사용 전까지 용량을 예약하는 비용도 생깁니다. 중학생이 학교 축제를 연다고 생각해 보겠습니다. 학생이 늘어나면 간식값만 늘어나는 것이 아니라, 교실을 더 빌리고 전기선을 보강하고 안전요원을 배치하는 비용도 필요합니다. AI 데이터센터도 GPU와 서버에 들어가는 전력값뿐 아니라 전기를 안정적으로 가져오기 위한 주변 시설비 가 함께 늘어납니다. Ratepayer Protection Pledge는 무엇을 약속했나 백악관은 2026년 3월 Ratepayer Protection Pledge 를 발표하면서, 대형 데이터센터와 AI 기업이 신규 전력 수요를 충당할 전력을 직접 만들거나 가져오거나 구매하고, 필요한 전력 전달 인프라 증설비를 부담하는 방향을 제시했습니다. 기업이 실제로 전력을 덜 사용하더라도 데이터센터를 위해 마련된 전력과 관련 인프라 비용을 부담하는 별도 요금 구조도 논의 대상입니다. 이 정책의 핵심은 “데이터센터가 전기를 많이 쓰지 말라”가 아닙니다. 오히려 미국 내 AI와 제조업을 빠르게 키우되, 그 과정에서 생기는 신규 비용을 일반 가정이 자동으로 나누어 부담하지 않도록 하자는 접근입니다....

먼저 결론부터 말하면 , SK하이닉스는 40조원 규모의 자사주를 매입한 뒤 전량 소각하는 계획을 추진하면서 용인 Y2와 청주 M17에 총 54조원을 투자한다고 발표했습니다. 두 숫자는 충돌하는 것처럼 보이지만, 40조원은 주주환원 프로그램이고 54조원은 여러 해에 걸쳐 수요를 확인하며 집행하는 생산기지 투자입니다. SK하이닉스 공식 발표 40조원은 소각 완료가 아니라 매입 후 전량 소각 계획이다 SK하이닉스 이사회는 2026년 8월 19일 40조원 규모 자사주 매입과 전량 소각을 결의했습니다. 약 2,407만주로 전체 발행주식의 약 3.3%에 해당하며, 매입 기간은 8월 20일부터 약 3개월로 예정되어 있습니다. 매입을 완료한 뒤 소각하는 구조이므로 ‘소각 계획’과 ‘소각 완료’를 구분해야 합니다. 자사주 매입은 회사가 시장에서 자기 주식을 사들이는 단계이고, 소각은 그 주식을 없애 발행주식 수를 줄이는 단계입니다. 피자 조각을 사서 보관하는 것과 그 조각을 없애는 것의 차이로 이해하면 쉽습니다. 회사는 2025~2027년 누적 잉여현금흐름(FCF) 환원 목표도 기존 ‘50% 이내’에서 ‘50% 초과’로 확대했습니다. 54조원은 공장 건설과 장비 투자를 한 번에 끝내는 돈이 아니다 8월 7일 발표된 54조원은 용인 Y2 35조2천억원과 청주 M17 19조1천억원으로 구성됩니다. Y2의 첫 클린룸은 2029년 6월, M17은 2028년 12월 개장을 목표로 합니다. Y2는 HBM과 차세대 DRAM, M17은 NAND 생산 기반입니다. 생산기지 투자 원문 팹을 짓는 일과 장비를 설치해 실제로 칩을 생산하는 일은 다릅니다. SK하이닉스는 생산기지와 기반시설을 먼저 확보하되 클린룸 확장과 장비 설치는 고객 수요에 맞춰 순차적으로 진행한다고 설명했습니다. 따라서 54조원 전체가 발표 당일 현금으로 빠져나가는 것은 아닙니다. 기록적인 현금창출력이 두 계획의 출발점이다 2026년 2분기 SK하이닉스의 매출은 79조3,187억원, 영업이익은 60조5,426억원이었습니다. 2...

먼저 결론부터 말하면 , 삼성전자의 2026년 주주환원 규모 약 90~110조원은 전부 오늘 현금으로 지급하거나 즉시 자사주를 소각한다는 뜻이 아닙니다. 약 30조원은 3분기 정기배당을 포함한 현금배당 계획이고, 약 15조원 자사주 매입은 임직원 보상 목적입니다. 나머지 환원 방식은 2026년 실적이 확정된 뒤 결정됩니다. 따라서 ‘삼성전자 주주환원 110조원’이라는 숫자를 읽을 때는 확정된 지급액과 향후 결정될 금액을 나누어 봐야 합니다. 삼성전자 110조원은 확정 배당금인가 삼성전자는 2026년 8월 21일 공식 발표에서 2024~2026년 누적 잉여현금흐름(FCF)의 50%를 주주에게 환원하는 기존 정책을 이행할 경우, 2026년 연간 환원 규모가 약 90~110조원이 될 것으로 예상했습니다. 이 수치는 단일한 현금배당 공시가 아니라 배당, 자사주 매입·소각 등을 합친 예상 총액입니다. 삼성전자 공식 발표 에서 ‘예상’과 ‘확정’을 구분해야 하는 이유입니다. 표현 실제 의미 90~110조원 2026년 전체 예상 주주환원 규모 약 30조원 3분기 정기배당을 포함한 현금배당 계획 약 15조원 임직원 보상 목적 자사주 매입 나머지 금액 2027년 1월 이사회에서 방식 결정 예정 왜 15조원 자사주 매입을 일반 주주 소각과 혼동하면 안 되나 자사주 매입은 회사가 자기 회사의 주식을 사들이는 단계이고, 자사주 소각은 사들인 주식을 없애 발행주식 수를 줄이는 단계입니다. 삼성전자가 발표한 약 15조원은 임직원 보상을 위한 자사주 매입으로 설명됐습니다. 따라서 이 금액을 일반 주주를 위한 즉시 소각액으로 표현하면 공식 발표보다 강한 의미가 됩니다. 소각 여부와 최종 규모는 회사가 이후 결정할 별도 항목입니다. 중학생도 쉽게 비유하면, 회사가 주식이라는 피자를 일부 사들이는 것이 매입이고, 그 조각을 아예 없애 남은 주주들의 조각 비율을 바꾸는 것이 소각입니다. 매입과 소각은 연결될 수 있지만 같은 행위는 아닙니다. 삼성전자의 현금배당은 언제 확정되나 ...

먼저 결론부터 말하면 , 삼성전자와 SK하이닉스는 모두 AI 메모리 호황으로 늘어난 현금을 주주에게 돌려주겠다고 발표했지만, 돈이 돌아오는 방식과 확정된 정도가 다릅니다. 삼성전자는 2026년 주주환원을 약 90~110조원으로 예상하고 일부를 현금배당으로 먼저 집행한 뒤 나머지 방식을 나중에 결정합니다. SK하이닉스는 40조원 규모 자사주를 매입한 뒤 전량 소각하는 계획을 먼저 확정했습니다. 따라서 headline 금액만 비교하면 안 되고, **예상 총액·현금배당·자사주 소각·AI 메모리 투자**를 나누어 읽어야 합니다. 삼성전자의 110조원은 무엇을 합친 금액인가 삼성전자는 2026년 8월 21일 이사회에서 2026년 주주환원 규모를 약 90~110조원으로 예상한다고 발표했습니다. 회사는 이 금액이 2020년의 종전 최고치 20조3천억원보다 약 5배 크며, 2024~2026년 누적 잉여현금흐름(FCF)의 50%를 주주에게 돌려준다는 기존 정책을 이행하는 규모라고 설명했습니다. 삼성전자 공식 발표 를 보면 이 수치는 확정 현금 지급액 하나가 아니라 2026년 전체 예상 환원 패키지입니다. 삼성전자는 2026년 3분기 정기배당을 포함해 약 30조원을 현금배당으로 지급할 계획이며, 세부 내용은 10월 이사회에서 확정한다고 밝혔습니다. 나머지 환원은 2026년 실적이 확정되는 2027년 1월 이사회에서 현금배당과 자사주 매입·소각 방식으로 결정합니다. 약 15조원 자사주 매입은 임직원 보상 목적이므로 일반 주주 대상 소각과 동일하게 해석하면 안 됩니다. 삼성전자 발표 정확한 의미 90~110조원 2026년 예상 총 주주환원 규모 약 30조원 3분기 정기배당을 포함한 현금배당 계획 약 15조원 임직원 보상 목적 자사주 매입 나머지 금액 2027년 1월 이사회에서 방식 확정 SK하이닉스의 40조원은 왜 더 즉각적으로 보이나 SK하이닉스는 2026년 8월 19일 이사회 결의로 40조원 규모 자사주를 매입한 뒤 전량 소각하기로 했습니다. 매입 기간은 8월 2...

AI 데이터센터는 모두 같은 데이터센터가 아닙니다. 일반 기업이 고객 상담이나 문서 요약에 AI를 쓰는 환경과, 정부·국방 기관이 민감한 정보와 현장 데이터를 다루는 환경은 출발점이 다릅니다. 방산 AI 인프라는 GPU가 몇 장인지뿐 아니라 데이터가 어디에 있는지, 누가 접근할 수 있는지, 통신이 불안정해도 작동하는지, 현장 장비에서 안전하게 운영되는지를 함께 따집니다. 이 글에서 말하는 주권 AI 는 특정 국가의 제품만 쓰자는 구호가 아닙니다. 중요한 데이터·모델·암호키·접근 권한·운영 규칙을 누가 통제하는지 확인하는 방식입니다. 다시 말해 서버의 위치만이 아니라, 어떤 법과 보안 규칙이 적용되는지, 관리자 권한은 누구에게 있는지, 비상 상황에도 시스템을 계속 운영할 수 있는지가 함께 중요합니다. 일반 클라우드와 주권 AI의 차이는 ‘잠긴 자료실’에 있다 일반 클라우드는 여러 고객이 인터넷을 통해 필요한 만큼 서버 자원을 쓰는 방식입니다. 반면 주권 AI 환경은 특정 기관이 데이터·암호키·접근 권한·운영 규칙을 더 강하게 통제할 수 있도록 설계합니다. 학교 비유를 들면 일반 클라우드는 여러 반이 함께 쓰는 도서관이고, 주권 AI는 보안이 필요한 시험지를 다루는 잠금 자료실에 가깝습니다. 둘 다 컴퓨터와 자료가 필요하지만, 자료실은 출입 기록·열쇠 관리·복사 제한·비상 절차가 훨씬 엄격합니다. 그래서 주권 AI를 판단할 때는 “서버가 어느 나라에 있나” 하나만 묻지 말아야 합니다. 데이터가 누구의 법과 보안 규칙 아래 있는지, 누가 관리자 권한을 갖는지, 외부 서비스와 어떻게 연결되는지, 위기 때에도 누가 계속 운영할 수 있는지를 함께 봐야 합니다. Oracle의 2026 Defense Tech Summit 공식 설명 도 방산 분야의 주권을 데이터 위치뿐 아니라 접근·거버넌스·운영 통제와 압박 상황의 지속 운영으로 설명합니다. 중앙의 학습 능력과 현장의 계속 작동 능력은 다르다 미 국방부 Chief Digital and Artific...

AI 데이터센터의 병목은 GPU와 HBM에서 끝나지 않을 수 있습니다. AI 모델을 학습하려면 원본 데이터와 중간 저장 파일을 계속 읽고 써야 합니다. 서비스를 운영하면 사용자의 대화 문맥과 검색 결과도 빠르게 꺼내야 합니다. 그래서 AI가 커질수록 계산 장치 옆의 메모리뿐 아니라, 그 뒤에서 데이터를 보관하고 옮기는 SSD·HDD·네트워크도 함께 중요해집니다. 다만 'HBM 다음은 무조건 SSD'라고 말하면 틀립니다. HBM은 GPU 가까이에서 계산에 필요한 데이터를 매우 빨리 공급하는 메모리이고, SSD는 전원이 꺼져도 데이터를 보존하는 빠른 저장장치이며, HDD는 더 느리지만 훨씬 큰 데이터를 비교적 낮은 비용으로 보관하는 저장장치입니다. 이 글의 질문은 어느 하나가 다른 하나를 완전히 대체하느냐가 아니라, AI 데이터가 언제 어떤 계층에 머물러야 비용과 속도를 함께 맞출 수 있느냐 입니다. HBM·SSD·HDD는 같은 일을 하지 않는다 책상 위에 펼쳐 둔 참고자료를 HBM, 자주 여는 서랍을 SSD, 오래 보관하는 창고를 HDD라고 생각하면 이해하기 쉽습니다. 책상 위 자료는 가장 빨리 볼 수 있지만 비싸고 공간이 작습니다. 창고는 많은 자료를 넣을 수 있지만 필요한 파일을 꺼내오는 데 시간이 더 걸립니다. AI 시스템도 같습니다. HBM과 DRAM은 GPU·CPU가 지금 계산할 값을 가까이 두는 자리입니다. 기업용 SSD는 학습 데이터, 모델 파일, 체크포인트처럼 빠른 읽기·쓰기가 필요한 데이터를 맡을 수 있습니다. 대용량 HDD는 원본 데이터, 백업, 장기 아카이브처럼 용량과 저장 단가가 더 중요한 데이터를 맡습니다. Micron의 데이터센터 솔루션 설명 도 메모리와 스토리지가 데이터센터 워크로드의 서로 다른 요구를 지원한다는 구조를 제시합니다. 학습에서는 체크포인트가 GPU의 '되돌리기 버튼'이다 AI 학습은 GPU에 데이터를 계속 공급해야 합니다. 데이터가 저장장치에서 늦게 도착하면 GPU가...

엔비디아 관련 뉴스는 보통 GPU 성능과 공급량으로 시작합니다. 그러나 AI 데이터센터가 수십만 개의 GPU를 동시에 가동하려면 또 다른 질문이 생깁니다. 전력망이 부족한 순간에도 AI 작업을 계속할 수 있을까, 그리고 전력망 운영자가 줄여 달라고 요청할 때 데이터센터는 실제로 부하를 줄일 수 있을까 라는 질문입니다. 이번 글은 기존의 ‘AI 공장이 GPU·전력·부지·네트워크를 함께 설계한다’는 설명을 반복하지 않습니다. 대신 엔비디아의 DSX Flex 가 무엇인지, AI 데이터센터를 전력망에 반응하는 유연한 부하로 만들 수 있다는 주장이 어떤 조건에서 성립하는지 살펴봅니다. 핵심 롱테일 질문은 ‘엔비디아 DSX Flex란 무엇인가’, ‘AI 데이터센터가 수요반응에 참여할 수 있는가’, ‘AI 데이터센터 전력 사용량을 줄일 수 있는가’입니다. 먼저 결론부터 말하면 DSX Flex는 발전소나 송전선을 새로 만드는 기술이 아닙니다. 엔비디아가 공개한 설명에 따르면 DSX Flex는 전력망의 부하 감축, 수요반응, 가격 이벤트 같은 신호를 받아 AI 작업량과 전력원을 조정하는 소프트웨어 계층입니다. 따라서 이것은 ‘전력 부족을 해결했다’는 발표가 아니라, 전력망과 AI 공장 사이에 조절 장치를 넣는 설계 제안 으로 이해해야 합니다. DSX Flex를 쉽게 설명하면 ‘전기 사용량을 조절하는 AI 공장 스위치’입니다 일반 공장은 전력 사용량을 줄이려면 기계를 멈추거나 생산량을 낮춰야 합니다. AI 데이터센터도 비슷하지만, 모든 작업이 똑같이 급한 것은 아닙니다. 지금 당장 답을 내야 하는 실시간 추론은 멈추기 어렵지만, 며칠 뒤 끝나도 되는 모델 학습이나 배치 작업은 시간을 옮길 수 있습니다. DSX Flex의 기본 아이디어는 이 차이를 이용하는 것입니다. 전력망이 안정적이고 전기 가격이 낮을 때는 전력 사용량을 늘려 학습 작업을 진행하고, 전력망에 부담이 커지거나 운영자가 수요반응을 요청하면 일부 작업을 늦추거나 다른 지역·다른 시간대로 옮기는 방식입니다...