니혼게이자이신문 보도에 따르면 5월 미쓰비시 중공업도 방위산업 수요 증가에 대응하기 위해 2024년 7천868명이었던 항공·방위·우주 사업 인원을 올해 1만명가량으로 늘릴 계획이다.
수주잔고가 지난 1년 만에 약 3조 엔 가까이 급증해 13.24조 엔 수준까지 올라왔는데 특히 데이터센터 전력 수요와 방산이 쌍끌이로 끌어올린 결과.
이번에는 수주잔고가 15% 상승에 그쳤지만 다음 분기에서 더 상승할 것이라 예상합니다.
결국 수주잔고가 쌓여도 생산라인이 받아줄 수 있을 지가 관건이라고 보는데, 이 쯤에서 생산 라인 확대 소식에 시장이 반응할 가능성이 높다고 봅니다.
우주 컴퓨팅을 중국이 먼저하고 있다는 소식입니다 ㅎ
모두가 이번 주에 일론 머스크의 AI1 위성에 대해 이야기하고 있습니다. 거의 아무도 눈치채지 못했습니다: 중국은 우주 기반 AI 컴퓨팅을 일주일 먼저 도입했습니다.
지난주, 베이징은 조용히 첫 번째 우주 컴퓨팅 산업 혁신 센터를 출범시켰습니다. 정부 설립, BUPT가 이끄는 최고 수준의 주립 통신 대학. 임무: 방사선에 강화된 우주 네이티브 AI 칩, 컴퓨팅 위성 플랫폼, 우주 최적화 LLM, 통합 우주‐지상 네트워킹, 그리고 “토큰화된” 궤도 컴퓨팅 운영. 24시간 후, 베이징 E-타운은 위성 제조업체, 칩 기업 및 소재 회사를 소집하여 우주 지능 컴퓨팅 연구소 설립을 계획했습니다.
구글이 지난 8년 동안 AI 슈퍼컴퓨터를 어떻게 괴물로 키워왔는지 정리한 역대급 논문이 나왔습니다.
개발자나 실무자가 아니어도 한눈에 이해할 수 있게 핵심만 아주 쉽게 정리해 드립니다.
1/ AI 기술은 자고 일어나면 바뀔 정도로 빠르지만, 구글 TPU 반도체의 기본 뼈대는 8년째 큰 틀이 그대로입니다.
AI의 본질이 결국 '거대한 행렬 곱셈의 반복'이라는 걸 간파했기 때문이죠.
칩 내부에 곱셈만 미친 듯이 처리하는 바둑판 모양의 공장(MXU)을 딱 버티고 지어놓으니, 어떤 최신 AI 모델이 나와도 칩 대공사 없이 다 커버해 버립니다.
2/ 최신 7세대 시스템 '아이언우드(Ironwood)'의 규모는 상상을 초월합니다.
초기 모델보다 성능이 무려 3,600배나 뛰었습니다.
특히 AI가 데이터를 올려두고 일하는 '책상' 역할인 초고속 메모리(HBM)를 1.77PB(페타바이트)나 때려 박았습니다
. 축구장 만한 책상에 모든 백과사전을 다 펼쳐놓고 일하는 수준이라, 데이터 가지러 가느라 멍 때리는 시간이 아예 없습니다.
3/ 구글의 진짜 치트키는 '빛과 거울(OCS)' 기술입니다.
9,216개의 칩을 무거운 구리선 케이블로 연결하면 열이 나고 불타버립니다.
그래서 구글은 구리선 대신 레이저를 쏘고, 머리카락 만한 미세 거울로 빛을 반사해 칩들을 연결했습니다.
만약 일하다가 특정 칩이 고장 나면? 거울 각도를 슬쩍 틀어서 고장 난 칩만 실시간으로 우회해 버립니다.
고속도로에 사고 나자마자 순식간에 새 우회로를 뚫는 격이죠.
4/ 컴퓨터 9천여 대가 밤낮없이 돌면 우주 방사선이나 미세 전력 흔들림 때문에 데이터가 튀는 오류가 매일 발생합니다.
옛날엔 오류 나면 한 시간 전 저장 시점으로 돌아가서 처음부터 다시 계산해야 했습니다.
하지만 구글은 '하드웨어 리플레이' 기술을 씁니다.
오류가 감지되면 시스템을 끄지 않고, 오류 난 부품만 0.000001초 전으로 '되감기(Ctrl+Z)'해서 슥 다시 계산하고 아무 일 없었다는 듯 넘어갑니다.
5/ 결국 이 논문이 말하고자 하는 핵심은 이겁니다.
반도체 칩 자체의 성능도 중요하지만, 9,216개 칩에 일을 공평하게 쪼개주는 '천재 지휘자' 소프트웨어(XLA 컴파일러)와 전력 효율을 2배 높여 전기세를 아끼는 기술까지 전체 생태계를 완벽하게 통제해야 진짜 AI 슈퍼컴퓨터가 완성된다는 것.
구글이 왜 빅테크 중에서도 '인프라 깡패'로 불리는지 증명한 백서네요.
메모리 가격은 지속가능하지 않다는 일부 의견도 있는 듯 합니다.
하지만 이건 우리가 메모리를 지금까지 너무 저렴한 커머디티로 소모했기에 갖고 있는 편견일 수 있습니다.
그럼 GPU는요? 과거 사운드 카드 수준으로 취급되고 CPU를 거드는 부속에 불과했으나 이젠 엄연히 중심이죠. 이건 이해됩니까?
이 글의 핵심은 SK하이닉스 실적이 좋다는 얘기가 아님.
진짜 포인트는 SK그룹이 AI 인프라를 세 겹으로 먹으려 한다는 점임.
1. HBM
2. AI 데이터센터와 GPUaaS
3. 소버린 AI 모델과 서비스
이 구조가 되면 SK는 단순 메모리 사이클주가 아니라
AI 공장에 들어가는 통행료 사업자가 됨.
AI가 커질수록 GPU는 더 필요하고,
GPU가 늘수록 HBM이 필요하고,
그 GPU를 돌릴 데이터센터와 전력도 필요함.
여기에 국가별로 “우리 데이터는 우리 땅에서 돌리겠다”는 소버린 AI 수요가 붙으면
SKT와 하이닉스가 한 그룹 안에 있다는 게 의미를 갖게 됨.
다만 리스크도 명확함.
데이터센터는 전력, 냉각, CAPEX, 가동률이 핵심이고
소버린 AI 수출은 가격·현지 파트너·미중 규제 경쟁이 붙는 시장임.
그래서 투자포인트는 “메모리 가격이 오른다”가 아니라
SK가 HBM 공급사에서 AI 팩토리 운영자로 재평가될 수 있느냐임.
Everyone says the latest AI agents will be "job-ready" soon, especially after the release of Fable 5 this week. But is that really the case?
Over the past many months, my group and collaborators have been building Agents' Last Exam (ALE), a benchmark designed to test exactly that claim on real digital labor-market work.
My group and collaborators previously have created many of the benchmarks the field runs on, including MMLU, MATH, CyberGym, and ExploitGym. Today, I'm excited to share Agents' Last Exam (ALE): a rolling benchmark that measures whether AI agents can actually perform economically valuable work across a broad range of real-world domains.
With ALE, we evaluated Fable 5, GPT-5.5, Composer 2.5, and other frontier agent systems across more than 1,500 expert-sourced tasks spanning 55 occupations.
The result is both impressive and sobering.
Today's agents can solve a meaningful fraction of professional tasks. But when we look at the hardest tasks, the ones requiring sustained reasoning, deep domain expertise, and reliable execution over long horizons, they are still far from human-level performance.
On ALE's hardest tier, every frontier agent we tested, including Fable 5, achieved a 0% success rate.
The age of useful agents is here.
The age of truly job-ready agents is not.
We hope Agents' Last Exam (ALE) will serve as a new guidepost and north star for developing agents capable of reliably performing economically valuable work across a broad range of domains.
🧵
이제 해외의 모델을 수입하는 걸로는 국가의 미래를 보장할 수 없습니다. 각국이 소버린 AI를 위해 치열한 경쟁을 해야한다는 신호탄이 될 것이고, 즉 이는 추론 뿐 아니라 학습을 위한 시장도 추론 만큼이나 지속 성장하게 된다는 의미로도 확장할 수 있으며 각국은 컴퓨팅 자원을 중복•과잉 투자해야하는 상황이 될 것입니다.
컴퓨팅 자원 역시 이젠 방산 물자가 됩니다.