2026년 6월 3일 · 수요일·기술
높음
혼합OpenAI·Microsoft·Google·Anthropic, 에이전트를 업무·보안·과학 플랫폼으로 확장
핵심 요약
- OpenAI는 Codex 플러그인 6종·62개 앱·110개 스킬과 Sites를 공개하며 코딩 에이전트를 기업 업무 인터페이스로 확장했다.
- Microsoft는 Scout·ASSERT·MAI 모델군을 동시에 내놓고 개인 에이전트, 평가·통제, 자체 모델 스택을 한 번에 강화했다.
- Google DeepMind와 Anthropic은 Co-Scientist와 Project Glasswing으로 과학 가설 생성·취약점 탐지 같은 고위험 전문영역에 AI를 투입했다.
- Cerebras WSE와 H100 가격 지표 논쟁은 AI 인프라 병목이 반도체 수율·메모리·시장 유동성으로 이동했음을 보여준다.
13개 출처 · 13개 항목
OpenAI, Codex에 62개 앱·110개 스킬 묶은 업무 플러그인 공개
주요 사건
OpenAI가 Codex를 개발자용 코딩 도구에서 영업, 데이터 분석, 디자인, 투자 리서치 등 지식노동용 에이전트 플랫폼으로 확장했다. 새 플러그인은 62개 업무 앱과 110개 스킬을 묶고, Sites는 Business·Enterprise 사용자가 분석·계획을 사내 URL로 공유 가능한 웹앱으로 바꾸게 한다.
배경
역사적 맥락
Codex는 코드 생성에서 출발했지만 2025~2026년 에이전트형 코딩과 도구 호출 능력이 빠르게 상용화됐다. 이번 발표는 앱 연결·권한 관리·호스팅을 붙여 SaaS 위의 자연어 오케스트레이션 계층으로 이동하는 단계다. TNW는 비개발자가 Codex 주간 사용자 500만 명 중 20%를 차지하고 비개발자 채택 속도가 엔지니어보다 3배 빠르다고 보도했다.
원인
코딩 에이전트 성능 향상 → 업무 앱 연결 수요 증가 → 플러그인·스킬 번들화 → 내부 웹앱 생성 Sites 출시 → SaaS 워크플로 경쟁 심화
타임라인
- 2021-08-10OpenAI Codex API 공개로 코드 생성 모델 상용화 시작
- 2025-2026에이전트형 코딩 도구가 장시간 작업·도구 호출을 제품화
- 2026-06-02OpenAI가 Codex 플러그인 6종, 62개 앱, 110개 스킬, Sites 프리뷰 공개
주요 입장
OpenAI
확장
Codex를 모든 역할과 업무 흐름의 실행 인터페이스로 만들겠다는 전략
기존 SaaS 업체
협력과 경계
플러그인 통합은 사용성을 높이지만 사용자 접점을 Codex에 넘긴다
기업 IT·보안팀
조건부 채택
권한·감사·데이터 경계를 관리할 수 있어야 도입 가능
전망
high
Codex류 에이전트는 단순 코드 생성보다 앱 권한, 스킬, 내부 사이트 생성 같은 업무 실행 레이어로 진화한다.
high
Salesforce·Tableau·Figma·Snowflake 같은 앱은 AI 에이전트의 하위 도구가 되며 UI 주도권 경쟁이 격화된다.
medium
비개발 직군도 자동화 대상이 넓어져 업무 재설계와 내부 통제 체계가 동시에 필요해진다.
- · VentureBeat는 Sites와 플러그인을 엔터프라이즈 워크스페이스로서 Codex의 확장으로 해석했다.
- · TNW는 Codex가 개발자를 넘어 지식노동 기본 인터페이스를 노린다고 평가했다.
한국 영향
직접 영향
한국 SaaS·SI 기업은 기존 그룹웨어와 데이터 플랫폼에 에이전트 권한·감사 기능을 붙여야 글로벌 도구와 경쟁 가능하다.
간접 영향
기업 내부 데이터 연결 표준과 업무 자동화 보안 가이드가 중요해진다.
주목할 지점
- Codex Sites의 권한·감사 기능
- 국내 기업용 SaaS의 에이전트 플러그인 대응
참고 자료
#openai#codex#ai-agents#enterprise-ai
Microsoft, OpenClaw 기반 개인 에이전트 Scout를 M365에 투입
주요 사건
Microsoft가 Build에서 OpenClaw 기술을 기반으로 한 항상 켜진 개인 에이전트 Scout를 공개했다. Scout는 Teams, Outlook, OneDrive, SharePoint, 브라우저, 로컬 리소스, MCP 서버를 연결하고 Frontier 고객에게 실험적으로 제공된다.
배경
역사적 맥락
Microsoft 365 Copilot은 앱 안의 도우미였지만 Scout는 사용자의 일정·메일·문서·브라우저를 넘나드는 상시 에이전트다. The Verge는 내부에서 3,000명 이상이 Scout를 사용 중이라고 보도했다.
원인
OpenClaw식 개인 에이전트 확산 → 기업 환경의 보안 요구 부상 → Microsoft가 샌드박스·정책준수·감사추적을 붙여 M365로 흡수 → Google Workspace류와 기업 개인비서 경쟁
타임라인
- 2026-01OpenClaw가 개인 에이전트 패러다임을 확산
- 2026-06-02Microsoft Scout 공개, Frontier 고객 프리뷰 시작
주요 입장
Microsoft
제품화
OpenClaw의 유연성을 기업 보안 체계와 결합하면 실제 개인비서가 가능하다
OpenClaw 커뮤니티
기회와 우려
상류 기여는 긍정적이나 기업형 통제와 오픈소스 자유도 사이 긴장이 있다
기업 보안팀
신중
상시 에이전트는 편리하지만 메일·캘린더·파일 접근 리스크가 크다
전망
high
개인 에이전트는 챗봇에서 백그라운드 실행·전화·일정 조정으로 진화한다.
medium
M365와 Workspace가 업무 데이터 전체를 에이전트화하는 플랫폼 경쟁을 벌인다.
medium
일정·메일 자동화는 생산성을 높이지만 사용자 대신 행동하는 AI에 대한 책임 문제가 커진다.
- · The Verge는 Scout를 Microsoft의 '첫 진짜 개인비서'로 표현했다.
- · TechCrunch는 Scout가 OpenClaw식 유연성을 M365로 가져오는 시도라고 평가했다.
한국 영향
직접 영향
M365를 쓰는 국내 대기업은 Scout 프리뷰가 열리면 개인정보·영업비밀 접근 통제 검토가 필요하다.
간접 영향
국내 그룹웨어 업체도 상시 에이전트와 감사 기능 없이는 경쟁력이 낮아진다.
주목할 지점
- Frontier 프리뷰 확대 시점
- OpenClaw 정책준수 upstream 기여 범위
#microsoft#openclaw#ai-agents#enterprise-security
Google DeepMind, Co-Scientist를 연구자용 가설 생성 도구로 공개
주요 사건
Google DeepMind가 Gemini 기반 다중 에이전트 시스템 Co-Scientist를 Gemini for Science의 Hypothesis Generation 도구로 연구자에게 제공한다고 밝혔다. 간섬유화, ALS, 노화 연구에서 문헌을 소화하고 검증 가능한 가설을 제안한 사례를 공개했다.
배경
역사적 맥락
AlphaFold 이후 AI의 과학 활용은 구조 예측에서 실험 가설 생성으로 확장됐다. Co-Scientist는 생성·토론·평가 에이전트가 아이디어 토너먼트를 수행하며, 간섬유화 후보 약물에서 흉터 관련 반응 91% 차단 사례를 제시했다.
원인
문헌 폭증 → 인간 연구자의 탐색 한계 → 다중 에이전트가 가설 생성·비판·검증 → 생명과학 파트너 검증 → 개별 연구자용 도구 공개
타임라인
- 2020-11-30AlphaFold2가 단백질 구조 예측에서 큰 도약
- 2026-05-19Co-Scientist 연구와 Gemini for Science 발표
- 2026-06-02Google DeepMind가 Co-Scientist 연구자 제공을 재공지
주요 입장
Google DeepMind
확산
AI가 연구 파트너로 가설 생성과 문헌 탐색을 가속한다
연구자
실험적 채택
문헌 탐색 시간을 줄이되 최종 검증은 실험으로 해야 한다
규제·윤리 기관
검증 요구
생명과학 가설 자동화는 안전성과 재현성을 요구한다
전망
high
과학 AI는 단일 예측 모델에서 문헌·실험설계·가설검증 워크플로 에이전트로 발전한다.
medium
제약·바이오 R&D에서 후보 탐색 시간이 단축되고 클라우드 기반 연구 플랫폼 의존이 커진다.
medium
신약·노화 연구 속도가 빨라질 수 있지만 검증되지 않은 AI 가설의 과잉 생산도 문제다.
- · Google은 100개 이상 기관과 시스템을 검증 중이라고 밝혔다.
- · DeepMind는 간섬유화 실험에서 91% 차단 사례를 핵심 성능 신호로 제시했다.
한국 영향
직접 영향
국내 바이오·제약사는 문헌 기반 가설 탐색과 실험 설계 자동화를 도입할 압력이 커진다.
간접 영향
정부 R&D 과제도 AI 가설 생성의 재현성·데이터 출처 기준이 필요하다.
주목할 지점
- Hypothesis Generation 접근 범위
- 국내 연구기관의 Gemini for Science 채택
참고 자료
#google-deepmind#science-ai#gemini#research-agents
Anthropic, Claude Mythos 보안 프로그램을 15개국 150곳으로 확대
주요 사건
Anthropic이 Project Glasswing을 확대해 Claude Mythos Preview 접근권을 15개국 이상 약 150개 추가 기관에 제공한다. 초기 파트너들은 이미 고·치명도 취약점 1만 건 이상을 찾았고, 새 대상은 전력·수도·의료·통신·하드웨어 등 핵심 인프라 공급자다.
배경
역사적 맥락
AI 코딩 에이전트는 생산성 도구에서 취약점 탐지·보안 검증 도구로 빠르게 이동했다. Glasswing은 방어 목적 파트너에게 제한적으로 강력한 사이버 모델을 제공하는 모델이다.
원인
에이전트 코딩 성능 향상 → 소프트웨어 취약점 자동 발견 가능 → 핵심 인프라 보안 수요 증가 → 제한 접근 프로그램 확대 → AI 사이버 역량 통제 논의
타임라인
- 2026-04Project Glasswing 초기 약 50개 파트너에게 Claude Mythos Preview 제공
- 2026-05파트너들이 고·치명도 취약점 1만 건 이상 발견
- 2026-06-02약 150개 기관·15개국 이상으로 확대 발표
주요 입장
Anthropic
통제된 확대
강력한 사이버 모델은 신뢰된 방어자에게 먼저 제공해야 한다
핵심 인프라 기관
환영
기존 코드베이스의 취약점 탐지 속도를 높일 수 있다
공격자·오남용 우려 측
경계
취약점 탐지 능력이 유출되면 공격 자동화로 이어질 수 있다
전망
high
AI 취약점 탐지는 정적분석·퍼징을 보완하는 표준 보안 워크플로가 된다.
high
보안 업체와 모델 기업 간 파트너십이 확대되고, AI 보안 검증이 클라우드·CI/CD에 통합된다.
medium
핵심 인프라 방어력은 높아질 수 있으나 사이버 모델 접근 통제가 새로운 정책 쟁점이 된다.
- · CyberScoop은 새 파트너가 전력·수도·의료·통신 등 초기 코호트가 덜 포괄한 부문을 포함한다고 보도했다.
- · SecurityWeek는 Okta, Samsung, ENISA, NATO가 새 그룹에 포함됐다고 보도했다.
한국 영향
직접 영향
삼성 포함 보도는 한국 대기업도 AI 취약점 탐지 생태계에 직접 연결될 수 있음을 시사한다.
간접 영향
국가 핵심 인프라 소프트웨어 점검에 AI 모델 접근 기준과 국내 보안 인증 체계가 필요하다.
주목할 지점
- Cyber Verification Program 확대
- 한국 기관의 제한 모델 접근 여부
#anthropic#cybersecurity#claude#critical-infrastructure
백악관 AI 행정명령, 프런티어 모델 사이버 벤치마크 체계 지시
주요 사건
Anthropic이 미국 백악관의 AI 혁신·보안 행정명령을 지지했다. 행정명령은 60일 내 고급 사이버 역량을 평가하는 기밀 벤치마킹 절차와 'covered frontier model' 지정 기준, 민간 개발사와의 자발적 사전 협력 프레임워크 설계를 지시한다.
배경
역사적 맥락
2023년 이후 AI 정책은 안전성 평가와 혁신 촉진 사이에서 흔들렸다. 이번 명령은 규제 부담을 낮추겠다는 문구와 함께 국가안보·사이버 방어 목적의 모델 평가·접근 프레임워크를 포함한다.
원인
프런티어 모델의 사이버 능력 상승 → 정부의 사전 평가 필요 → NSA·CISA·NIST 등 합동 벤치마크 지시 → 개발사와 사전 접근·신뢰 파트너 협력 모델 구축
타임라인
- 2023-10-30미국 AI 행정명령이 안전성 보고와 표준 수립을 강조
- 2026-03미국 National Cyber Strategy 발표
- 2026-06-02AI 혁신·보안 행정명령 서명
주요 입장
백악관
혁신 우선+안보 통제
과도한 규제 없이 민간과 협력해 사이버 방어와 AI 주도권을 강화한다
Anthropic
지지
AI 리더십과 안전한 구현을 동시에 지원한다
경쟁국·해외 기업
우려
미국 중심 신뢰 파트너 체계가 시장 접근과 기술 이전을 제한할 수 있다
전망
medium
프런티어 모델의 사이버 능력 평가는 공개 벤치마크보다 기밀 평가 비중이 커진다.
high
정부와 사전 협력 가능한 대형 AI 기업이 공공·국방 시장에서 유리해진다.
medium
안보 명목의 모델 접근과 평가가 투명성 논쟁을 불러올 수 있다.
- · 백악관 Fact Sheet는 AI 혁신과 사이버 보안을 동시에 강화하는 조치라고 설명했다.
- · Anthropic은 행정명령이 미국 AI 리더십 강화의 중요한 단계라고 밝혔다.
한국 영향
직접 영향
한국 AI 기업은 미국 정부 조달·협력에서 사이버 벤치마크와 신뢰 파트너 기준을 맞춰야 할 가능성이 커진다.
간접 영향
한국도 프런티어 모델 사이버 능력 평가 체계를 독자적으로 설계할 필요가 있다.
주목할 지점
- covered frontier model 기준
- 신뢰 파트너 선정 조건
참고 자료
#ai-policy#frontier-models#cybersecurity#us-government
SemiAnalysis, Cerebras WSE 한계 돌파 카드로 웨이퍼 적층 지목
주요 사건
SemiAnalysis가 Cerebras의 웨이퍼 스케일 엔진(WSE)을 분석하며 46,225㎟ 단일 웨이퍼, 90만 코어, 44GB SRAM, 결함 우회 설계가 가능하게 한 구조를 설명했다. 동시에 SRAM 확장이 둔화되면서 DRAM 또는 포토닉 웨이퍼를 하이브리드 본딩하는 웨이퍼-on-웨이퍼가 다음 돌파구라고 지적했다.
배경
역사적 맥락
Cerebras는 reticle limit을 넘어 전체 웨이퍼를 하나의 칩으로 쓰는 전략을 취했다. WSE-3는 5nm, 4조 트랜지스터, 125 PFLOPS, 21PB/s SRAM 대역폭을 내지만 44GB 메모리 용량과 오프웨이퍼 I/O가 LLM 장문·배치 추론의 병목이다.
원인
GPU 패키징·HBM 병목 → Cerebras의 웨이퍼 스케일 접근 → SRAM 집적 둔화와 I/O 한계 노출 → DRAM·포토닉 웨이퍼 적층 검토 → 열·본딩·광결합 난제
타임라인
- 2019Cerebras WSE-1 공개
- 2024WSE-3가 5nm, 90만 코어, 44GB SRAM으로 발표
- 2026-06-02SemiAnalysis가 웨이퍼 적층을 Cerebras의 다음 확장 경로로 분석
주요 입장
Cerebras
아키텍처 차별화
결함 우회와 단일 웨이퍼 SRAM으로 초저지연 고대역폭을 제공한다
NVIDIA·GPU 진영
HBM·패키징 확장
범용 생태계와 대용량 HBM이 LLM 추론에 더 경제적이다
HPC·AI 고객
워크로드별 선택
LLM 추론, HPC, FP64 요구에 따라 장단점이 갈린다
전망
medium
웨이퍼-on-웨이퍼 본딩은 성공하면 SRAM·I/O 병목을 완화하지만 열·정렬·수율 난도가 높다.
medium
AI 칩 경쟁은 단일 다이 성능보다 패키징·메모리·광I/O 혁신으로 이동한다.
low
성공 시 특정 과학계산·추론 비용이 낮아질 수 있지만 단기 대중 영향은 제한적이다.
- · SemiAnalysis는 WSE-3의 44GB SRAM과 낮은 I/O 대역폭이 장문·대형 모델 추론에 제약이라고 봤다.
- · Cerebras 자료는 WSE-3가 4조 트랜지스터, 90만 코어, 21PB/s 메모리 대역폭을 제공한다고 설명한다.
한국 영향
직접 영향
삼성전자·SK하이닉스는 HBM뿐 아니라 웨이퍼 본딩·첨단 패키징·포토닉 I/O 생태계에서 기회를 볼 수 있다.
간접 영향
국내 AI 반도체 전략도 단순 NPU 설계보다 메모리·패키징 공동최적화가 중요해진다.
주목할 지점
- Cerebras DRAM 웨이퍼 본딩 실증
- HBM 대비 WSE 추론 비용
#semiconductor#cerebras#wafer-scale#ai-infrastructure
Microsoft, 35B 활성 MoE reasoning 모델 MAI-Thinking-1 공개
주요 사건
Microsoft AI가 자체 학습한 MAI 모델군을 공개했다. 핵심인 MAI-Thinking-1은 35B 활성, 약 1T 전체 파라미터의 sparse MoE reasoning 모델로 256k 컨텍스트를 지원하며 AIME 2025 97.0%, AIME 2026 94.5%를 기록했다고 밝혔다.
배경
역사적 맥락
Microsoft는 OpenAI 파트너십에 크게 의존했지만, 최근 Foundry에 OpenAI·Anthropic·자체 모델을 병렬로 올리는 전략을 취했다. 이번 모델군은 Mustafa Suleyman 체제에서 자체 모델 자립성을 강조한 발표다.
원인
OpenAI 의존 리스크 → 자체 데이터·가속기·RL 프레임워크 투자 → MAI 모델군 공개 → Foundry에서 멀티모델 공급자 전략 강화
타임라인
- 2024-2025Microsoft가 Copilot과 Azure AI에 외부·내부 모델을 병행 도입
- 2026-06-02MAI-Thinking-1 및 이미지·음성·전사 모델군 발표
주요 입장
Microsoft
자립
깨끗한 상업 라이선스 데이터와 자체 인프라로 신뢰 가능한 모델을 만든다
OpenAI·Anthropic
경쟁과 협력
Foundry에 입점하면서도 Microsoft 자체 모델과 직접 비교된다
기업 고객
선택권 선호
데이터 계보와 비용, 성능에 따라 모델을 고를 수 있다
전망
high
대형 플랫폼 기업은 파트너 모델과 자체 모델을 동시에 운영하는 멀티모델 체제로 간다.
high
Foundry·Bedrock·Vertex 간 모델 카탈로그 경쟁이 가격·데이터 계보·추론 효율로 이동한다.
medium
기업은 특정 폐쇄 모델 의존도를 낮추지만, 거대 클라우드 플랫폼 의존은 더 커질 수 있다.
- · Microsoft는 MAI-Thinking-1이 SWE-Bench Pro에서 Claude Opus 4.6과 맞먹는다고 주장했다.
- · GeekWire는 이번 발표를 Microsoft의 장기적 자립 시도로 해석했다.
한국 영향
직접 영향
Azure를 쓰는 국내 기업은 OpenAI 외 MAI 모델을 비용·보안 기준으로 비교할 수 있게 된다.
간접 영향
국내 클라우드·모델 기업은 자체 모델의 데이터 계보와 비용 효율을 더 명확히 증명해야 한다.
주목할 지점
- MAI-Thinking-1 공개 프리뷰
- 실제 SWE-Bench·기업 벤치마크 검증
#microsoft#mai#reasoning-model#foundry
Microsoft ASSERT, 자연어 정책을 AI 에이전트 회귀 테스트로 변환
주요 사건
Microsoft가 ASSERT(Adaptive Spec-driven Scoring for Evaluation and Regression Testing)를 공개했다. 자연어로 쓴 정책·요구사항을 허용/금지 행동, 시나리오, 테스트케이스로 바꾸고 AI 시스템의 중간 도구 호출까지 추적해 점수화한다.
배경
역사적 맥락
AI 모델 평가는 HELM, MLCommons AILuminate, METR 같은 범용 벤치마크에서 출발했지만, 실제 에이전트 제품은 도구·권한·회사 정책에 맞는 애플리케이션별 평가가 필요하다. ASSERT는 LangChain, CrewAI, OpenAI Agents SDK 등 다양한 프레임워크에 대응한다고 설명한다.
원인
에이전트 제품화 → 범용 벤치마크 한계 → 조직별 정책 테스트 필요 → 자연어 스펙 기반 테스트 생성 → ACS 통제 표준과 폐루프 구성
타임라인
- 2024에이전트 평가와 추적 도구가 개발 워크플로에 확산
- 2026-04-30ASSERT GitHub 프로젝트 생성
- 2026-06-02Microsoft Build에서 ASSERT와 ACS 공개
주요 입장
Microsoft
개방형 안전 스택
에이전트는 개발 단계부터 정책 기반 평가와 통제를 함께 적용해야 한다
개발자
실용적 관심
자연어 요구사항으로 회귀 테스트를 만들면 출시 전 결함을 줄일 수 있다
규제·컴플라이언스팀
긍정
정책 준수 여부를 반복 가능한 테스트와 감사 자료로 남겨야 한다
전망
high
에이전트 CI/CD에는 기능 테스트뿐 아니라 정책·권한·도구 호출 회귀 테스트가 표준화된다.
medium
AI 평가 도구 시장은 모델 성능 벤치마크에서 애플리케이션 거버넌스 도구로 넓어진다.
medium
AI가 대신 행동하는 서비스의 사고 가능성을 줄이는 안전망이 늘어난다.
- · Microsoft Sarah Bird는 신뢰할 수 있는 시스템에는 애플리케이션별 차원의 평가가 필요하다고 말했다.
- · GitHub 설명은 ASSERT가 100개 이상 모델 엔드포인트와 33개 이상 프레임워크 추적을 지원한다고 밝힌다.
한국 영향
직접 영향
금융·제조·공공 분야의 국내 에이전트 도입에는 정책 기반 테스트 도구가 필수 요구사항이 될 수 있다.
간접 영향
AI 인증·감사 기준도 테스트 아티팩트와 추적 로그를 요구하는 방향으로 갈 가능성이 높다.
주목할 지점
- ASSERT 오픈소스 채택
- ACS 표준의 업계 수용
#ai-evaluation#microsoft#agent-governance#assert
SemiAnalysis, H100 현물가 지수 급락은 얇은 거래 표본 탓이라고 반박
주요 사건
SemiAnalysis가 Ornn의 H100 가격지수 하락을 두고, 실제 H100 온디맨드 가격은 146일간 시간당 2.70~3.01달러 범위에 머물렀다고 반박했다. Ornn OCPI는 인쇄된 거래만 반영해 수요가 매진된 시장의 얇은 잔여 거래에 흔들린다는 주장이다.
배경
역사적 맥락
H100은 2023~2024년 생성AI 훈련 붐의 핵심 GPU였고, B200·GB200 전환기에도 추론·기존 클러스터 수요가 남아 있다. SemiAnalysis의 공개 지표는 2026년 3월 H100 온디맨드 가격을 2.80달러 수준으로 보여준다.
원인
AI 수요 폭증 → GPU 클라우드 가격 지표 등장 → 온디맨드 공급 매진 → 거래 표본 축소 → 지수 변동성 확대 → 가격 발견 방식 논쟁
타임라인
- 2023H100 수요 급증과 시간당 GPU 가격 상승
- 2026-03SemiAnalysis H100 온디맨드 지표 약 2.80달러
- 2026-06-02SemiAnalysis가 Ornn 지수 하락 해석을 반박
주요 입장
SemiAnalysis
지표 신뢰성 문제 제기
매진된 시장의 소수 거래만으로 가격 하락을 말하기 어렵다
Ornn
거래 기반 지표
실거래 가격을 추적해 컴퓨트 파생상품 기준가를 제공한다
클라우드 구매자
가격 투명성 요구
장기계약과 온디맨드의 실제 가격 차이를 알아야 한다
전망
medium
GPU 가격 지표는 SKU·계약기간·가용성·지역별로 더 세분화돼야 한다.
high
컴퓨트가 금융상품처럼 거래되면서 가격지표 신뢰성이 투자·조달 의사결정에 직접 영향을 준다.
low
AI 서비스 비용과 스타트업 진입장벽이 GPU 가격 투명성에 좌우된다.
- · SemiAnalysis는 H100 온디맨드가 수개월간 매진되어 연속적인 spot tape가 없다고 지적했다.
- · Ornn은 OCPI를 GPU 컴퓨트 가격·헤지·정산의 기준가로 소개한다.
한국 영향
직접 영향
국내 AI 스타트업과 클라우드 사업자는 H100·B200 가격지표를 그대로 믿기보다 실제 가용성과 계약 조건을 확인해야 한다.
간접 영향
컴퓨트 조달 금융화가 진행되면 국내 클라우드도 가격 투명성 요구를 받을 수 있다.
주목할 지점
- H100/B200 온디맨드 가용성
- 컴퓨트 파생상품 가격지표 채택
#gpu-pricing#h100#ai-infrastructure#compute-market
Holo 3.1, AndroidWorld 점수 79.3%로 모바일 에이전트 성능 끌어올려
주요 사건
AK가 공유한 Holo 3.1은 컴퓨터 사용 에이전트 모델로, 35B-A3B 모델이 AndroidWorld에서 67%에서 79.3%로 개선됐다고 발표됐다. 4B·9B 소형 모델도 58%에서 72% 안팎으로 올랐다.
배경
역사적 맥락
컴퓨터 사용 에이전트는 웹·데스크톱을 넘어 모바일 앱 조작으로 확장 중이다. AndroidWorld는 20개 실제 Android 앱과 116개 과제를 동적으로 생성해 보상 신호로 평가하는 벤치마크다. 초기 M3A 에이전트는 30.6% 수준이었는데, Holo 3.1은 모바일 환경 성능을 크게 끌어올렸다.
원인
웹 에이전트 발전 → 모바일 앱 자동화 수요 증가 → AndroidWorld 같은 동적 벤치마크 등장 → Holo 3.1이 함수호출·네이티브 실행 지원 → 모바일 에이전트 상용화 가능성 확대
타임라인
- 2024AndroidWorld 벤치마크 공개
- 2026-06-02Holo 3.1이 AndroidWorld 79.3% 성능 발표
주요 입장
H Company
성능 개선
모바일·데스크톱·브라우저를 넘나드는 로컬 컴퓨터 사용 에이전트가 가능하다
벤치마크 연구자
검증
동적 과제와 시스템 상태 보상으로 실제 앱 조작 능력을 측정해야 한다
사용자·기업
기대와 우려
모바일 자동화는 편리하지만 권한 오작동과 개인정보 접근 위험이 있다
전망
high
컴퓨터 사용 에이전트는 웹 브라우저를 넘어 Android·Windows·macOS 조작 성능 경쟁으로 확장된다.
medium
RPA와 모바일 QA 자동화 시장이 VLM 기반 에이전트로 재편될 수 있다.
medium
장애인 접근성·반복업무 자동화에는 긍정적이나 스마트폰 권한 관리가 더 중요해진다.
- · H Company는 Holo3.1이 Holotab 제품 harness에서 Holo3 대비 25% 이상 개선됐다고 밝혔다.
- · AndroidWorld 연구진은 116개 과제와 동적 변형이 현실적 평가를 가능하게 한다고 설명한다.
한국 영향
직접 영향
국내 모바일 앱·금융앱은 에이전트 조작을 고려한 보안·권한 설계가 필요하다.
간접 영향
모바일 QA·콜센터 백오피스 자동화 기업에는 새로운 벤치마크 기반 경쟁이 생긴다.
주목할 지점
- AndroidWorld 외 실제 업무 앱 성능
- 모바일 에이전트 권한 샌드박스
#computer-use#mobile-agents#androidworld#benchmark
Cyera, ARR 1.5억달러에 120억달러 가치로 보안 투자 과열 재점화
주요 사건
AI 데이터 보안 스타트업 Cyera가 Evolution Equity Partners 주도로 최소 3억달러를 조달하며 120억달러 가치평가를 추진 중이라고 TechCrunch가 보도했다. ARR은 1.5억달러를 넘었지만 아직 수익성은 멀고, 평가배수는 ARR의 80배다.
배경
역사적 맥락
생성AI 도입이 늘면서 기업 데이터가 어디에 있고 누가 접근하는지 파악하는 데이터 보안·DSPM 수요가 급증했다. Cyera는 5개월 전 90억달러 가치로 4억달러 Series F를 조달했고, 새 라운드가 성사되면 누적 조달액은 최소 20억달러가 된다.
원인
기업 AI 도입 → 민감 데이터 노출 위험 증가 → 데이터 보안 플랫폼 수요 폭증 → 고성장 ARR에 프리미엄 부여 → 80배 ARR 가치평가 논쟁
타임라인
- 2026-01Cyera가 90억달러 가치로 4억달러 Series F 조달
- 2026-06-02TechCrunch가 120억달러 가치 3억달러 라운드 추진 보도
주요 입장
Cyera·투자자
공격적 확장
AI 시대 데이터 보안은 승자독식 가능성이 큰 핵심 인프라다
경쟁 보안업체
압박
AI-native 데이터 보안 기능을 빠르게 붙여야 한다
기업 고객
실용적
AI 도입 전에 데이터 분류·권한·노출 관리가 필요하다
전망
high
데이터 보안 플랫폼은 AI 에이전트 접근권과 민감정보 탐지를 결합하는 방향으로 간다.
medium
보안 스타트업 프리미엄이 다시 높아지지만 80배 ARR은 상장 시장에서 검증 압박이 크다.
medium
기업 AI 사용 확대에 따른 개인정보·영업비밀 보호 수요가 커진다.
- · Axios는 Cyera가 decacorn을 앞둔 데이터 보안업체라고 보도했다.
- · TechCrunch는 80배 ARR이 빠르게 성장하는 AI 스타트업보다도 높은 배수라고 지적했다.
한국 영향
직접 영향
국내 보안·데이터 거버넌스 기업은 AI 데이터 보안 수요를 겨냥한 제품 고도화가 필요하다.
간접 영향
금융·제조 대기업은 AI 도입 전 데이터 분류와 접근권 감사 투자를 늘릴 가능성이 높다.
주목할 지점
- Cyera 라운드 확정 여부
- DSPM·AI 보안 M&A 동향
참고 자료
#cybersecurity#startup-funding#data-security#ai-security
Google, RCS 핸드셰이크로 AI 딥페이크 전화 사기 탐지 시작
주요 사건
Google이 Android 12 이상 Phone by Google 사용자에게 AI 음성 딥페이크와 번호 스푸핑을 탐지하는 fake call detection을 글로벌 배포한다. 연락처 양측이 Phone by Google·Contacts·Google Messages를 쓰면 RCS 기반 암호화 확인 신호로 실제 기기 발신인지 검증한다.
배경
역사적 맥락
AI 음성 복제가 쉬워지면서 가족·상사·기관을 사칭하는 전화 사기가 늘었다. Google은 금융기관 인증 전화에 이어 연락처 사칭까지 확장했으며, FTC는 2024년 사칭 사기 손실을 29.5억달러로 집계했다.
원인
AI 음성복제 대중화 → 번호 스푸핑과 결합한 사칭 사기 증가 → 기존 발신자 ID 신뢰 붕괴 → RCS 기반 기기간 확인 신호 도입 → Android 기본 통신앱 의존도 증가
타임라인
- 2024FTC가 사칭 사기 손실 29.5억달러 집계
- 2026-05Google이 verified financial calls 기능 출시
- 2026-06-02Android fake call detection 글로벌 배포 발표
주요 입장
Google
보호 기능 확대
기기 간 암호화 확인으로 딥페이크 사칭 전화를 실시간 차단할 수 있다
사용자
환영과 제약
가족 사칭 사기를 막을 수 있지만 양측 모두 Google 앱을 써야 한다
통신사·타 OEM
상호운용성 요구
삼성·원플러스 등 비Google 전화앱에서도 작동해야 실효성이 크다
전망
high
음성 딥페이크 방어는 콘텐츠 판별보다 기기·발신자 인증을 결합하는 방향으로 간다.
medium
RCS와 기본 전화앱이 보안 인프라로 격상되며 플랫폼 간 표준화 압력이 커진다.
high
고령층·가족 사칭 금융사기 피해를 줄일 수 있지만 앱 의존 조건이 사각지대를 남긴다.
- · Ars Technica는 양측 모두 Google 앱 3종과 RCS를 써야 하는 제약을 지적했다.
- · Google은 Phone by Google이 다수 Android 기기의 기본 전화앱이라고 설명했다.
한국 영향
직접 영향
국내 보이스피싱 대응에서도 통신사·제조사·메신저 간 발신 인증 표준 논의가 필요하다.
간접 영향
AI 음성 사칭이 고도화되면 금융기관의 음성 확인 절차는 신뢰도를 잃을 수 있다.
주목할 지점
- 삼성 전화앱 연동 여부
- 국내 RCS 기반 발신 인증 도입
참고 자료
#android#deepfake#voice-security#google
SemiAnalysis, AI 서버 ODM이 제조업체에서 설계 파트너로 이동한다고 진단
주요 사건
SemiAnalysis가 hyperscaler의 GPU·XPU·CPU 다양화로 AI 서버 랙과 보드 설계가 복잡해지면서 ODM이 단순 제조에서 설계·조립·테스트 파트너로 역할을 넓히고 있다고 분석했다. 고객 신뢰와 초기 설계 참여가 장기 수주 핵심이 된다는 평가다.
배경
역사적 맥락
과거 ODM은 표준 서버와 랙을 대량 생산하는 저마진 제조업에 가까웠다. AI 랙은 고전력 GPU/ASIC, 액체냉각, 고속 인터커넥트, 케이블리스 설계 등 통합 난도가 높아져 Quanta, Wistron, Foxconn 같은 업체의 설계 역량이 중요해졌다.
원인
AI 가속기 다양화 → 랙·보드·냉각 복잡도 증가 → hyperscaler별 맞춤 설계 수요 → ODM 설계팀·테스트 설비 투자 확대 → 장기 고객 확보 경쟁
타임라인
- 2024-2025AI 서버 랙이 GPU·ASIC·액체냉각 중심으로 고밀도화
- 2026-06-02SemiAnalysis가 ODM 역할 확대를 분석
주요 입장
ODM
상향 이동
설계·통합 역량을 갖춘 업체가 AI 서버 성장의 수혜를 받는다
Hyperscaler
맞춤화
자체 칩과 GPU 조합에 맞는 랙을 빠르게 설계해야 한다
칩 벤더
생태계 관리
참조 랙 설계와 인증 ODM이 제품 확산 속도를 좌우한다
전망
high
AI 서버 경쟁력은 칩 단품보다 랙 단위 냉각·전력·네트워크 공동설계로 이동한다.
high
대만 ODM과 EMS 업체의 협상력이 높아지고, 안정 고객을 가진 업체가 설비투자에서 앞선다.
low
직접 소비자 영향은 작지만 AI 인프라 공급 병목과 비용에 영향을 준다.
- · SemiAnalysis는 초기 고객 참여와 신뢰가 장기 사업 확보의 핵심이라고 봤다.
- · 관련 분석은 케이블리스·액체냉각 랙이 ODM 역할을 설계·통합으로 확장한다고 설명한다.
한국 영향
직접 영향
삼성·SK하이닉스·국내 서버 업체는 HBM 공급뿐 아니라 랙·냉각·테스트 파트너십을 강화해야 한다.
간접 영향
국내 AI 데이터센터 투자도 ODM·EMS 공급망의 설계 역량에 좌우될 수 있다.
주목할 지점
- Quanta·Foxconn·Wistron AI 서버 수주
- NVIDIA·AMD 차세대 랙 인증 ODM
참고 자료
#ai-servers#odm#semiconductor#datacenter