매일 아침 뉴스레터를 한국어로 정리한 포치 브리핑
한국 정부가 6월 AI·반도체 스타트업, 특히 시리즈 B 이후 단계 기업에 투자하는 소버린 스타일 펀드를 준비하고 있다는 보도가 나왔다. 전략 산업의 스케일업 자금을 정책적으로 보강하려는 움직임이다.
AI·칩 스타트업은 초기 R&D보다 후속 양산·고객 확보 단계에서 자금 공백이 커진다. 국가 단위 자본이 들어오면 한국 딥테크의 성장 경로와 M&A·IPO 선택지가 달라질 수 있다.
Delivery Hero가 배달의민족 운영사 우아한형제들 지분 매각 절차에 들어갔고, 평가액은 약 8조 원 수준으로 거론된다. 한국 대표 플랫폼 스타트업의 소유구조가 다시 시장에 나온 셈이다.
배달 플랫폼은 성장에서 수익성·규제로 무게중심이 이동했다. Baemin 매각은 한국 소비자 플랫폼의 밸류에이션, 전략적 인수자, 글로벌 플랫폼 자본 회수 흐름을 함께 보여준다.
트럼프 대통령의 중국 방문에 젠슨 황, 일론 머스크, 팀 쿡 등 미국 주요 테크 CEO가 동행했다. AI 칩, 전기차, 소비자 하드웨어처럼 중국 시장과 공급망 의존도가 큰 산업이 외교 테이블과 더 밀접해지는 모습이다.
AI 경쟁은 기술 경쟁이면서 동시에 수출통제, 시장 접근, 대만 리스크가 얽힌 지정학 이슈다. 빅테크의 전략은 모델 성능만이 아니라 미중 관계 변화에 크게 좌우된다.
삼성전자 노조의 5월 21일 총파업 가능성을 두고 산업부 장관이 긴급조정권 발동 가능성을 언급했다. 반도체 생산 차질이 국가 경제와 공급망 리스크로 번질 수 있다는 우려가 배경이다.
AI 반도체 공급망은 노동 이슈에도 취약하다. 메모리와 파운드리 공급 불확실성은 AI 인프라 비용과 납기, 한국 테크 산업 전반에 영향을 줄 수 있다.
Latent.Space는 Abridge가 진료 대화 문서화에서 출발해 임상 의사결정, 사전 승인, EHR 연동, 실시간 에이전트 워크플로로 확장하는 과정을 다뤘다. 올해 250개 대형 헬스시스템에서 8천만 건 이상 대화를 지원할 것으로 소개됐다.
의료 AI의 핵심은 ‘좋은 답변’보다 안전한 워크플로, 평가, 개인정보 처리, 구매 구조 통합이다. 고맥락 산업에서 AI 제품이 어떻게 진짜 배포면을 확보하는지 보여주는 사례다.
OpenAI는 ChatGPT 모바일에서 Codex 작업을 시작·검토·승인할 수 있게 했고, GitHub는 병렬 작업·PR 흐름을 다루는 Copilot App 프리뷰를 냈다. VS Code도 Agents 창과 브라우저/모바일 지원을 강화하며 코딩 에이전트 UX가 IDE 밖으로 넓어지고 있다.
코딩 에이전트는 더 이상 터미널 안의 실험이 아니라 장시간 실행되는 작업을 어디서든 감독하는 제품이 되고 있다. 승자는 모델뿐 아니라 작업 큐, 승인 흐름, 상태 가시성을 잘 설계한 쪽이 될 가능성이 높다.
이오플래닛은 무신사의 AI 도입 사례를 통해 ‘전사 교육을 했는데도 왜 안 쓰는가’라는 문제를 다뤘다. 단순 툴 교육보다 실제 업무 맥락, 팀별 성공 사례, 반복 사용을 만드는 조직 설계가 중요하다는 메시지다.
기업 AI 도입의 병목은 모델 접근권이 아니라 습관과 프로세스다. AI 전환을 말하는 조직이라면 기술 도입보다 사용 행동을 설계하는 일이 더 중요해지고 있다.
미라클레터는 AI 추론 확대로 GPU뿐 아니라 CPU, 메모리, 파운드리 전체가 중요해졌다고 설명했다. 특히 TSMC의 첨단 공정 생산능력과 메모리 가격, 데이터센터 전력·비용이 AI 확장의 핵심 변수로 제시됐다.
AI 인프라 병목은 특정 GPU 하나가 아니라 파운드리, 메모리, 전력, 토큰 비용의 조합이다. 스타트업의 원가 구조와 제품 가격을 볼 때 컴퓨트 비용 하락 속도를 계속 추적해야 한다.
시스코는 AI 인프라 관련 주문 증가와 구조조정 발표 이후 주가가 크게 뛰었다. 네트워크 장비 회사가 데이터센터 AI 수요의 수혜주로 다시 해석되며 닷컴버블 당시 고점을 넘어섰다는 점이 강조됐다.
AI 데이터센터는 GPU만 사는 프로젝트가 아니다. 네트워크, 전력, 냉각, 서버 장비까지 공급망 전체가 재평가되며 오래된 인프라 기업에도 새로운 성장 서사가 붙고 있다.
현대차그룹은 양재동 본사에 세 종류의 로봇을 배치해 직원들이 일상 업무에서 직접 활용하는 물리 AI 테스트베드로 바꿨다. 사무공간을 실제 로봇 운영·서비스 검증 장소로 쓰는 접근이다.
로봇과 물리 AI는 데모 영상보다 반복 운영 데이터가 중요하다. 대기업 사옥 같은 통제된 현장은 제품 완성도와 운영 모델을 빠르게 검증하는 현실적인 실험장이 될 수 있다.
Zyphra가 확산형 언어모델 ZAYA1-8B-Diffusion-Preview를 공개하며 자동회귀 생성 대비 4.6~7.7배 빠른 디코딩을 주장했다. 품질 손실은 제한적이라고 설명하며, 더 싼 rollout과 다른 생성 모드를 가능하게 하는 방향으로 포지셔닝했다.
LLM 비용 경쟁이 추론 속도와 토큰당 비용으로 이동하고 있다. 확산형 LM이 실제 품질을 유지한다면 에이전트·검색·대량 생성 워크로드의 경제성이 크게 달라질 수 있다.
Datadog이 4M~2.5B 파라미터 범위의 오픈웨이트 시계열 예측 모델 Toto 2.0을 공개했다. BOOM, GIFT-Eval, TIME 등에서 강한 성능을 주장하며 시계열 파운데이션 모델에서도 스케일링 법칙이 작동할 가능성을 제시했다.
기업 데이터의 상당 부분은 텍스트가 아니라 지표·로그·수요·센서 시계열이다. 시계열 FM이 성숙하면 AIOps, 재고·수요예측, 금융·산업 운영 자동화에 바로 연결된다.
Goodfire는 Llama가 산술을 처리할 때 기하학적 ‘회전 계산기’ 또는 Fourier feature에 가까운 내부 메커니즘을 사용한다는 해석 가능성 글을 냈다. 단순 사후 설명이 아니라 steering 실험 근거를 함께 제시한 점이 눈에 띈다.
모델 내부가 어떻게 계산하는지 이해하면 안전성, 디버깅, 능력 향상 모두에 도움이 된다. 특히 산술처럼 작은 오류가 제품 신뢰를 깨는 영역에서 메커니즘 수준의 해석은 중요하다.
LangChain은 SmithDB, LangSmith Engine, LangChain Labs를 통해 에이전트 trace를 저장·분석하고 실패를 클러스터링해 수정안과 eval로 연결하는 스택을 발표했다. 관측이 단순 대시보드가 아니라 개선 루프가 되는 방향이다.
프로덕션 에이전트는 실패 로그가 곧 학습 데이터다. trace를 제대로 저장하고 재현·분석할 수 있는 팀이 장기적으로 더 빠르게 품질을 올릴 수 있다.
Cline은 재구성한 SDK와 CLI/TUI, 에이전트 팀, 스케줄 작업, 커넥터를 공개하며 자체 코딩 에이전트 하네스를 만들 수 있는 기반을 강조했다. AINews는 이를 높은 관심을 받은 개발자 도구 출시로 꼽았다.
많은 팀이 폐쇄형 앱 하나보다 자기 워크플로에 맞는 에이전트 하네스를 원한다. 오픈 SDK와 커넥터는 모델 교체와 내부 도구 통합을 쉽게 만들어 플랫폼 리스크를 낮춘다.