본문 바로가기
반응형

IT & Tech 정보482

딥엑스 개요 기술 강점 ai 대표 프로필 이번엔 국내 AI 반도체 팹리스 기업 ’딥엑스(DEEPX)’에 대한 심층 소개입니다. 기사 내용 및 인터뷰 등을 종합하여, 기업 개요, 기술력, 사업 성과, 창업자 프로필 등을 상세히 알려드립니다.⸻1. 기업 개요 및 설립 배경딥엑스(DEEPX)는 2018년 설립된 인공지능(AI) 반도체 전문기업으로, 창업자인 김녹원 대표의 주도로 설립 초기부터 ‘초저전력·고성능의 온디바이스 AI 반도체’를 개발하는 데 집중해왔다. 기존 클라우드 기반 AI 처리 방식의 한계—지연 시간, 보안 위험, 에너지 소비 증가—를 극복하고자, 모든 AI 연산을 디바이스 자체에서 수행하는 ‘온디바이스 AI(On-device AI)’ 기술을 핵심 전략으로 설정하였다.딥엑스는 국내외 팹리스 시장에서 드물게 하드웨어와 소프트웨어, 알고리.. 2025. 6. 6.
Mary Meeker의 2025 인공지능 트렌드 보고서 상세 분석 미국 중국 ai 수요 투자 1. Mary Meeker: 기술 트렌드 분석의 선구자, 다시 무대에 복귀하다Mary Meeker는 실리콘밸리 역사에서 손꼽히는 트렌드 분석가로, 기술 산업과 벤처 자본의 흐름을 예측하는 데 있어 탁월한 통찰력을 발휘해온 인물입니다. 1990년대 후반 Morgan Stanley 수석 인터넷 애널리스트로 활동하던 Meeker는 Netscape와 Amazon의 IPO 분석, Google의 성장을 예측한 보고서를 통해 “인터넷의 여왕(Queen of the Internet)“이라는 별명을 얻었습니다.그녀는 1995년부터 2019년까지 ‘인터넷 트렌드(Internet Trends)’라는 연례 보고서를 통해 시대를 앞서 읽는 기술·소비자 패턴을 발표하였으며, 해당 보고서는 실리콘밸리 스타트업 창업자들과 벤처 캐피.. 2025. 6. 5.
중국 AI 패권 전략: 모건스탠리 보고서가 조명한 거대한 전환점 ai60 모건스탠리의 최신 보고서 “중국의 AI: 잠에서 깨어난 거인”은 중국이 2017년부터 체계적으로 추진해온 AI 패권 전략이 결실을 맺기 시작했다는 점을 강조합니다. 중국은 데이터, 전력 공급, 컴퓨팅, 인재 등 네 가지 핵심 영역에서 글로벌 경쟁력을 확보하였으며, 2030년까지 AI 분야에서 완전 자율화를 이루겠다는 목표를 설정하고 있습니다. 특히 딥시크(DeepSeek)가 단 560만 달러로 ChatGPT 수준의 AI 모델을 개발한 사례는 중국의 효율적이고 저비용 AI 개발 접근법이 세계 기술 패권 구도에 미치는 파괴적 영향을 잘 보여줍니다. 이러한 변화는 단순한 기술적 성취를 넘어 글로벌 경제 질서와 지정학적 균형에 근본적인 변화를 예고합니다.중국 AI 경쟁력의 4대 기둥: 체계적 우위 구축데이터: .. 2025. 6. 3.
📚 GPT 글을 통한 독서 효과, 가능한가? 1. ‘독서’의 의미와 GPT 글의 위치독서란 단순히 문자를 읽는 행위를 넘어, • 정보를 습득하고 • 타인의 사고를 이해하고 • 내면의 해석 구조를 작동시키며 • 궁극적으로 자신만의 시각을 확립해가는 정신적 활동입니다.이러한 의미에서 GPT가 쓴 장문 역시, • 일정 수준 이상의 논리성과 구성력을 갖추었고 • 사실 기반의 내용 또는 추론 중심 서술을 포함하고 있다면,→ 충분히 독서에 준하는 정신 작용을 유발한다고 평가할 수 있습니다.⸻✅ 기대할 수 있는 독서 효과 (심화 정리)① 지식 축적 및 탐색 효과GPT는 최신 정보, 산업 사례, 기술 배경, 사회 트렌드 등 폭넓은 데이터를 기반으로 글을 작성합니다.따라서 특정 분야의 교양을 빠르게 넓히고자 할 때, GPT의 장문을 활용하면 다음과 같은 이점이 있.. 2025. 6. 1.
✅ SLO 기반 서비스 운영 → 조직 KPI 반영 전략 1. 배경: SLA vs SLO vs KPI구분 정의 주체SLA (Service Level Agreement) 고객과의 계약 조건 외부 (고객)SLO (Service Level Objective) 운영 상 유지 목표 내부 (SRE/Dev)KPI (Key Performance Indicator) 팀 성과 평가 지표 내부 (조직)→ 지금까지 SLA는 법적/계약 기반, KPI는 업무량 기반, SLO는 기술적 기준으로 분리되어 있음→ 이를 하나의 연동 체계로 묶어야 “운영성과 = 고객성과”가 됨⸻2. SLO → KPI 연결 아키텍처flowchart TDA[SLO 지표 정의 (예: 99.9% 가용성)] --> B[지표 모니터링 (Prometheus, Grafana)]B --> C[SLO 충족률 분석 (Noble9.. 2025. 5. 31.
✅ SLA 기반 KEDA AutoScaler 설계 with 비용 최적화 정책 1. 왜 KEDA인가?Kubernetes HPA(Horizontal Pod Autoscaler)는 기본적으로 CPU/Memory 사용률만을 기준으로 스케일링합니다.그러나: • API SLA는 응답 시간, 처리량, 에러율, Queue 길이 등 다양한 지표로 결정됨 • 트래픽은 비정형적으로 몰리며, 지연 발생은 CPU 사용량과 일치하지 않음 • SLA 위반을 막기 위해, 보다 정밀한 트리거가 필요→ 이를 해결하는 것이 KEDA (Kubernetes-based Event Driven Autoscaler)⸻2. 구조 개요graph LRA[Prometheus / Custom Metrics] --> B[KEDA ScaledObject]B --> C[Deployment or Job]C --> D[Pod Scaling.. 2025. 5. 31.
✅ GPT 기반 Java Stacktrace 병목 탐지 및 리포트 자동화 1. 배경과 문제점운영환경에서 다음과 같은 문제들이 반복됩니다: • Stacktrace는 쏟아지지만, 원인을 파악하기 어렵다 • 로그만 봐서는 코드 구조나 호출 비용을 알 수 없다 • 개발자가 아닌 운영자 입장에서 분석 속도가 느리다 • 반복되는 병목이 문서화되지 않고 축적되지 않는다→ GPT 기반 구조 분석과 리포트를 통해 이를 자동화합니다.⸻2. 전체 구성 아키텍처graph TDA[Java App Log (Stacktrace)] --> B[FluentBit or Filebeat]B --> C[Loki or Logstash]C --> D[Stacktrace Extractor & Normalizer]D --> E[GPT 분석기]E --> F[Slack / Notion / Jira로 리포트 전송]⸻3. S.. 2025. 5. 31.
✅ Spring Boot – Kafka – DB 호출 체계 SLA 비용 최적화 전략 1. 전체 아키텍처 호출 흐름 예시sequenceDiagram participant Client participant SpringAPI participant KafkaProducer participant KafkaBroker participant KafkaConsumer participant DB Client->>SpringAPI: HTTP POST /order SpringAPI->>KafkaProducer: publish order-event KafkaProducer->>KafkaBroker: Kafka topic 메시지 전송 KafkaBroker->>KafkaConsumer: 메시지 소비 KafkaConsumer->>DB: Insert 주문 .. 2025. 5. 31.
반응형

티스토리툴바