한 줄 요약

구글은 Gemini 전용 칩으로 비용 효율을 노리고, 엔비디아는 에이전트용 CPU를 전면에 내세우는 한편, GitHub·Adobe는 이번 주 바로 써볼 수 있는 실무형 도구를 공개했다.

Big Tech

Google Frozen v2: Gemini 전용 칩으로 효율 강화

구글은 Gemini 대형 언어 모델(LLM)의 일부를 하드웨어에 직접 내장해, 계산 횟수와 데이터 이동을 줄여 더 적은 전력으로 답을 만들도록 설계한 서버 칩을 개발 중이다. 내부 코드명은 ‘Frozen v2’로, 모델 일부를 실리콘에 고정해 추론 효율을 높이는 접근이다. ¹

프로젝트 엔지니어들은 이 칩이 최신 TPU 대비 와트당 토큰 처리량을 6~10배까지 높일 수 있다고 추정하며, 적용 목표 시기는 2028년으로 전해진다. TPU를 대체하기보다 특정 용도에 특화된 별도 계열로, 유연성을 일부 희생하고 효율을 얻는 전략이다. ²

이 시도는 내부 용량 부족을 완화해 구글 클라우드가 외부 고객을 거절하는 상황을 줄이려는 의도도 있다. 다만 아직 탐색 단계로 생산 물량은 TPU에 훨씬 못 미칠 전망이며, 아키텍처 일부를 고정하는 만큼 Gemini의 기본 구조가 유지되어야 호환된다. 구글은 “지속적으로 연구·실험하며 모든 프로젝트가 제품화되는 것은 아니다”라고 밝혔다. ¹

별도로 구글은 BlackRock, Carhartt, Ford와 함께 ‘Alliance for America’s Skilled Trades’를 출범해 미국 30개 주의 숙련 인력 훈련을 지원하고, 30만 명 이상 훈련 지원 약속을 확대하고 있다. 본격적인 AI 도입을 인력 양성과 병행하려는 신호다. ³

Nvidia Vera CPU: 에이전트형 AI 겨냥한 서버 CPU 공개

엔비디아는 GPU와 함께 동작해 자율적으로 일하는 에이전트형 AI를 구동하도록 설계된 데이터센터용 중앙처리장치(CPU) ‘Vera’의 세부 정보를 공개했다. 6월에는 OpenAI, Anthropic, SpaceX 등에 칩을 전달했으며, AI 서버 분야에서 AMD·Intel과의 경쟁을 본격화하고 통합 랙 시스템 판매 전략을 강화하고 있다. ⁴

엔비디아는 Vera가 코어 설계부터 자체 개발한 첫 서버 CPU라고 밝히며, x86 칩 대비 에이전트 작업 성능이 50% 높다고 주장한다. 단일 코어 속도, 메모리 대역폭과 지연 시간에 집중한 설계로, 250~450W 전력을 쓰고 칩당 최대 1.5TB 저전력 메모리를 지원한다. 단품 또는 수냉식 랙 구성으로 제공되며, OpenAI가 이 분기 대량 도입을 계획하고 있다고 밝혔다. ⁴

업계 분석은 ‘지능/달러’로의 전환을 지적한다. Vera CPU와 Rubin GPU를 묶은 Vera Rubin 플랫폼은 특정 가정에서 10조 매개변수 MoE를 100조 토큰으로 한 달에 학습하면서 Blackwell NVL72 대비 GPU를 4분의 1만 쓰는 모델링 결과가 제시됐는데, 이는 범용 보장이 아닌 시나리오별 비교다. ⁵

New Tools

GitHub Code Quality: 일반 제공 시작 및 요금 정책 공개

GitHub Code Quality는 CodeQL의 결정적 분석과 AI 보조 탐지를 결합해 풀 리퀘스트의 유지보수성·신뢰성 이슈를 잡아주고, Copilot Autofix가 수정안을 제시한다. GitHub은 자사 엔지니어링 조직에서 67.3%의 발견 사항을 머지 전 해결했다고 밝혔다. ⁶

이제 GitHub Enterprise Cloud와 GitHub Team에서 일반 제공되며, 월 1인당(최근 90일 내 커밋한 기여자 기준) 10달러에 더해 AI 작업과 CodeQL 분석 컴퓨팅 비용이 과금된다. GA에서는 조직 단위 활성화·대시보드, PR 내 커버리지 표시, ‘평가 모드’가 있는 품질 게이트, API가 추가됐고, 2026년 7월 20일부터 과금이 시작된다. 초기에는 GitHub Enterprise Server에서는 제공되지 않는다. ⁶

Adobe Project Indigo: 사진 AI 평론·편집 실험 기능

어도비의 실험적 iOS 카메라 앱 Project Indigo가 사진을 평가하고 재촬영·편집을 제안하는 대형 언어 모델(LLM) 기반 ‘AI Playground’를 추가했다. 사람·쓰레기·전선 등 항목별 삭제 토글, 아웃포커싱(심도) 생성, 스타일 효과 등도 함께 제공되며, 현재 구글의 Gemini 기반 Nano Banana 모델을 사용한다. ⁷

어도비는 이번 기능을 실험으로 운영한다. 일부 사용자에게 로그인 없이 무료 접근 권한을 제공하고, 기존 방식 유지용 옵트아웃 버튼도 있다. 인기가 확인되면 유료 버전을 검토할 수 있다고 밝혔다. ⁸

투명성 측면에서 Indigo 팀은 편집 이미지에 C2PA 콘텐츠 크리덴셜 도입을 추진 중이며, 현재 사용 중인 Nano Banana에는 구글의 보이지 않는 SynthID 워터마크가 적용된다고 한다. ⁸

나에게 주는 의미

AI 예산과 워크플로를 담당한다면, 구글의 Gemini 전용 실리콘은 와트당 토큰 6~10배라는 추정치가 시사하듯 장기적으로 추론 단가를 낮출 경로를 보여준다. 다만 모델 특화·탐색 단계인 만큼, 당장 구매가 아닌 방향성 신호로 받아들이는 것이 안전하다. ²

자율 수행형 에이전트를 만든다면 CPU 지연과 메모리 처리량이 다시 중요해졌다. GPU 활용도를 높이려면 검색·도구 호출·오케스트레이션 루프의 병목을 계측해 CPU 측 병목을 먼저 드러내는 것이 유리하다. ⁴

소프트웨어 팀에는 GitHub Code Quality가 즉시 쓸 수 있는 거버넌스 수단이 된다. 조직 대시보드, PR 커버리지, 규칙 세트 기반 품질 게이트(평가 모드 포함)를 통해 첫날부터 출고를 막지 않으면서도 신호를 높일 수 있고, 비용은 월 10달러(활동 기여자 기준)+미터형 AI로 예측 가능하다. ⁶

마케터·크리에이터에게 Indigo의 AI 평론은 구도와 보정을 빠르게 익히는 데 도움이 된다. AI 편집 이미지를 발행한다면 예정된 콘텐츠 크리덴셜과 기존 SynthID 워터마크를 고려해 표시·브랜드 가이드를 정비하는 것이 바람직하다. ⁸

지금 할 일

1. Gemini로 사이드 프로젝트 초안 만들기: Gemini 앱을 열고 브랜드 아이디어·간단한 시장 조사·기본 물류 체크리스트를 포함한 1페이지 계획을 작성해 팀과 공유하라.
2. GitHub Code Quality 시범 도입: 한 저장소에서 평가 모드로 활성화하고 커버리지 임계치를 설정한 뒤, 주요 발견을 검토하고 Copilot Autofix로 2건을 실험하라.
3. Adobe Indigo의 AI 평론 테스트: iOS에서 Indigo를 업데이트하고 AI Playground가 보이면 Photo Guidance와 Object Editing을 최근 사진 5~10장에 적용해 결과를 비교하라.
4. Vera CPU 브리핑 요청: 클라우드 담당자나 공급사에 Vera의 에이전트 지향 설계, 메모리 옵션, 연계 경로에 대한 짧은 설명을 요청해 도입 여부와 무관하게 적합성을 파악하라.