산업NVIDIA2026-08-14
인도네시아 첫 대학 기반 AI 기술센터 개소
Universitas Gadjah Mada, Indosat and NVIDIA Open Indonesia’s First University AI Center to Develop Local AI Talent
- 인도네시아 정부, 인도네시아 통신 및 디지털 정보부(Komdigi), 인도네시아 통신사 인도스라트(Indosat), NVIDIA, 그리고 Universitas Gadjah Mada(UGM)가 요코하마에서 인도네시아 첫 대학 기반 AI 기술센터인 UGM 인도스라트 NVIDIA AI 기술센터(NVAITC)를 개소했다.
- NVAITC는 인도네시아의 AI 연구 및 개발을 지원하기 위해 정부, 산업, 학계가 협력하여 설립되었으며, 의료, 농업, 자연재해 대응 분야의 3개 주요 프로젝트를 진행 중이다.
왜 중요한가인도네시아의 AI 인재 양성과 기술 독자성 확보를 위한 중요한 기반을 마련함으로써 국가 경쟁력과 경제 성장에 기여할 수 있는 기회를 제공한다.
공식 원문 확인 ↗
모델·연구Hugging Face2026-08-14
오픈 모델 생태계의 변화와 주요 트렌드
State of Open Models: Summer 2026 Observations
- 2026년 여름까지 중국 기업이 미국 기업을 앞서며 대규모 오픈 모델을 출시하고, 미국 기업은 하드웨어 기반의 오픈 모델을 통해 시장 점유율을 확대하고 있다.
- Qwen은 커뮤니티 기반의 베이스 모델로 자리잡으며, 다양한 파생 모델과 함께 오픈 모델 생태계에서 중요한 역할을 수행하고 있다.
왜 중요한가오픈 모델 생태계의 변화는 기술 발전과 시장 경쟁 구도를 이해하는 데 중요한 통찰을 제공한다.
공식 원문 확인 ↗
제품·서비스Google AI2026-08-13
구글 시트, AI 기반 시트 캔버스 기능 도입
Bring your spreadsheet data to life with Sheets canvas
- 구글 시트에 새롭게 추가된 시트 캔버스 기능은 사용자가 간단한 프롬프트로 데이터를 시각화된 앱으로 변환할 수 있도록 한다.
- 이 기능은 Gemini AI를 기반으로 하며, 시트와 캔버스 데이터는 실시간으로 동기화되어 변경 사항이 자동으로 반영된다.
왜 중요한가데이터를 시각화하여 이해하고 활용하는 방식을 혁신적으로 바꾸며, 사용자에게 더 편리한 작업 환경을 제공한다.
공식 원문 확인 ↗
모델·연구OpenAI2026-08-13
GPT-5.6, AI 에이전트 개발 비용 절감 기술 소개
The builder’s guide to GPT‑5.6
- GPT-5.6은 성능과 비용 효율성을 동시에 높인 모델로, 다양한 작업에서 기존 모델 대비 비용 절감 효과를 보여주고 있다.
- 새로운 Responses API 기능과 효율적인 아키텍처 개선을 통해 AI 에이전트의 성능을 향상시키고, 작업 비용을 절감할 수 있다.
왜 중요한가AI 에이전트 개발 비용을 절감하면서도 성능을 유지할 수 있는 GPT-5.6은 기업 및 개발자에게 새로운 기회를 제공한다.
공식 원문 확인 ↗
모델·연구NVIDIA Developer2026-08-12
알리바바, Qwen3.8-2.4T-A95B 오픈 가중치 공개
Serve Qwen3.8-2.4T-A95B, a 2.4T-Parameter Model, with Configurable Reasoning on NVIDIA GB300 NVL72
- 알리바바가 2.4T 파라미터를 가진 Qwen3.8-2.4T-A95B 모델의 오픈 가중치를 공개하며 오픈 생태계에 근접한 기능을 제공했다.
- NVIDIA GB300 NVL72 플랫폼에서 4K 토큰/초당 GPU 및 350 토큰/초당 사용자 성능을 달성했다.
왜 중요한가대규모 파라미터 모델의 배포를 가능하게 하는 기술적 혁신은 AI 개발자에게 새로운 기회를 제공한다.
공식 원문 확인 ↗
제품·서비스Hugging Face2026-08-13
스트랜즈 로봇, 레로봇 데이터셋을 통한 실시간 학습 및 배포 프로세스 소개
Record, train, and deploy from one place with Strands Agents, LeRobot, and Hugging Face Storage Buckets
- 스트랜즈 로봇은 레로봇 데이터셋을 기반으로 데이터를 기록, 학습, 배포하는 통합 프로세스를 제공하며, Hugging Face 스토리지 버킷을 통해 데이터 전송을 최적화합니다.
- 데이터를 기록하고 학습, 배포하는 과정에서 동일한 데이터 포맷을 사용하며, 바이트 수준의 중복 제거 기능을 통해 저장 공간과 전송 비용을 절감합니다.
왜 중요한가이 기술은 로봇 제어 및 학습 프로세스를 효율적으로 관리할 수 있어, 연구 및 개발에 있어 중요한 역할을 합니다.
공식 원문 확인 ↗