엔비디아

엔비디아가 앤스로픽의 기업공개 과정에서 최대 100억 달러 규모의 투자를 논의하고 있습니다. 이번 투자는 인공지능 하드웨어와 소프트웨어 생태계의 결합을 가속화하기 위한 전략입니다. 시장에서는 엔비디아의 자본 집중이 인공지능 시장에 미칠 영향을 주시하고 있습니다.

엔비디아는 AI 모델 학습, 시뮬레이션, 차량 내 컴퓨팅을 아우르는 개방형 플랫폼을 통해 로보택시 시장의 기술적 과제를 해결하고 있습니다. 골드만삭스는 2035년까지 해당 시장이 4000억 달러 규모로 성장할 것으로 전망합니다.

엔비디아가 님(NVIDIA NIM) 최적화 스택을 통해 넴로트론 3 울트라 모델의 시스템 처리량을 기존 대비 2.5배 높였습니다. 이번 최적화는 4xB200 시스템 환경에서 구현되었으며, 에이전트형 인공지능(AI) 워크로드에서 초당 1997 토큰의 처리 성능을 기록했습니다.

엔비디아가 클라우드 게임 서비스 지포스 나우에 워독스와 발헤임 1.0 등 신작 9종을 추가했습니다. 사용자는 고성능 하드웨어 없이도 다양한 기기에서 고품질 게임을 즐길 수 있습니다. 이번 서비스 확대로 접근성이 한층 향상됐습니다.

인공지능 추론 칩 제조사 디매트릭스가 차세대 랩터 엑스피유를 엔비디아의 인공지능 인프라 플랫폼에 연결하기 위해 엔비디아 엔비링크 퓨전을 도입합니다. 이를 통해 디매트릭스는 맞춤형 실리콘 배포 과정을 단축하고 데이터 센터의 인프라 구축 효율성을 높입니다.

엔비디아는 팔란티어 파운드리와 네모트론을 결합하여 복잡한 글로벌 공급망을 최적화합니다. 인간 플래너의 의사결정을 인공지능 모델에 학습시켜 자원 배분 정확도를 높입니다.

엔비디아가 개발한 바이오네모 추론 런타임(BioIR)은 생체 분자 구조 예측 모델의 처리량을 극대화하여 대규모 단백질체 연구를 가속화합니다. 에이치백(H100) 그래픽 처리 장치(GPU) 환경에서 기존 오픈소스 구현체 대비 약 3배 향상된 처리량을 기록했으며, 전력 소비를 대폭 절감합니다. 엔비디아 기술 블로그를 통해 해당 기술의 성능과 구조적 최적화 전략을 확인했습니다.

엔비디아 다이나모는 인코드-프리필-디코드 분리 기술을 통해 멀티모달 모델의 추론 성능을 최적화합니다. 비전 인코딩 단계를 거대 언어 모델의 프리필 및 디코드 단계와 분리하여 자원 효율성을 높입니다. 엔비디아 기술 블로그의 발표 내용을 기반으로 구체적인 기술 적용 효과를 살펴봅니다.

엔비디아는 그래픽 처리 장치 커널 개발 생태계에 러스트 언어를 도입해 개발 효율성과 메모리 안전성을 강화합니다. 쿠다 러스트는 쿠다-옥사이드와 큐타일-알에스의 두 가지 트랙으로 구성됩니다.

알파벳 자회사 웨이모가 대만 반도체 위탁 생산 기업 대만반도체제조(TSMC)의 5나노미터 공정을 활용해 자체 개발한 자율주행 연산 칩을 차세대 로보택시에 도입했습니다. 외부 반도체 기업에 대한 의존도를 낮추고 하드웨어 공급망 독립성을 확보하기 위한 전략입니다. 이에 따라 기존 엔비디아와 미국 반도체 기업 에이엠디(AMD) 칩을 대체하며 센서 데이터 처리 속도를 향상시킵니다.