4개의 글이 이 주제로 분류되어 있습니다.
Tom's Hardware는 가정용 PC에서 실행하도록 만든 Ajax가 검색·웹 탐색·이메일·일정 작업을 맡는다고 소개한다. 별개 제품인 Google AI Edge Gallery의 릴리스에는 주 모델과 함께 내려받는 보조 파일 지원이, App Store에는 iPhone 앱에서 수집될 수 있는 정보 범주가 안내돼 있다. 이 사례를 비교해 ‘로컬 실행’이 설명하는 범위를 질문한다.
최근 AI 기술은 단순히 질문에 답하는 단계를 넘어, 스스로 추론하고 복잡한 워크플로우를 실행하며 환경과 상호작용하는 '에이전틱(Agentic) 시대'로 진입하고 있습니다. 이러한 에이전트형 AI는 기존의 단순 챗봇과는 차원이 다른 컴퓨팅 자원을 요구합니다. 모델이 문제를 해결하기 위해 다단계 계획을 세우고, 도구를 사용하며, 자신의 행동으로부터 학습하는 루프를 반복해야 하기 때문입니다.
최근 AI 기술의 패러다임이 단순한 텍스트 생성을 넘어, 스스로 추론하고 복잡한 워크플로우를 실행하며 학습을 반복하는 'AI 에이전트' 시대로 빠르게 전환되고 있습니다. 이제 모델은 단순히 질문에 답하는 수준을 넘어, 사용자의 목표를 이해하고 다단계 작업을 수행하는 능력을 요구받고 있습니다. 이러한 변화는 AI의 지능적 진보를 의미하지만, 동시에 인프라 측면에서는 전례 없는 도전 과제를 던져
최근 전 세계는 생성형 AI의 폭발적인 성장과 함께 새로운 기술적 도약기를 맞이하고 있습니다. 거대언어모델(LLM)의 파라미터 수가 기하급적으로 늘어나고, 이를 처리하기 위한 연산 능력이 중요해지면서 소프트웨어의 발전 속도는 눈부시게 빨라졌습니다. 하지만 화려한 알고리즘 뒤에는 우리가 간과해서는 안 될 치명적인 물리적 제약이 숨어 있습니다. 바로 메모리 반도체인 DRAM의 공급 부족 문제입니