구글

·AI/ML·

PyTorch, TPU, TorchTPU, Google Cloud TPU, Graph Trainer

구글이 TorchTPU를 TorchTitan에 통합하여 PyTorch에서 native torch.device("tpu") 백엔드를 직접 사용하게 함으로써 JAX 재작성 없이 Google Cloud TPU에서 대규모 모델을 학습할 수 있게 합니다. TorchTitan TPU 포크는 SimpleFSDP, Graph Trainer, 맞춤형 Pallas 커널의 생산급 확장 프리미티브를 통해 Dense와 MoE 아키텍처에서 높은 MFU를 달성합니다. 개발자들은 검증된 최적화 플레이북과 레시피, Hugging Face 모델링 백엔드를 활용해 TPU 인프라에서 워크로드를 효율적으로 확장할 수 있습니다.

구글

·AI/ML·

TOSA, VGF, PTE

구글의 AI 엣지 모델 탐색 도구인 Model Explorer가 커스텀 컴파일러 중간 표현과 TOSA, VGF, PTE 같은 오픈 소스 어댑터를 지원합니다. 계층적 그래프 시각화, 분할 창 구분, 노드별 추적 오버레이 등으로 export 레그레이션을 포착하고 하드웨어 위임을 검증하는 실무적 접근법을 제공합니다. 이 도구는 실행 그래프를 투명하게 디버그하고 사이클 수준의 지연 병목을 로컬에서 식별하는 구글의 엔지니어링 노하우를 뒷받침합니다.

구글

·AI/ML·

PyTorch, vLLM, SGLang, TorchTPU

구글이 TorchTPU를 기반으로 vLLM과 SGLang의 네이티브 PyTorch 백엔드를 발표하며, 개발자들이 익숙한 PyTorch 도구로 서빙 워크로드를 실행하고 최적화할 수 있게 합니다. 오픈 소스 유지관리자들과 협력해 최적화된 TPU 커널과 TPU Sync를 통한 KV 캐시 관리, 디스어그리드 서빙 등 생산성 기능을 제공합니다. 공개 벤치마크는 Ironwood TPU에서 장문맥과 에이전트형 워크로드에 대해 최신 성능과 비용 효율성을 보여주며, 개발자들이 PyTorch 도구를 통해 손쉽게 서빙 파이프라인을 최적화할 수 있는 근거를 제공합니다.

구글

·AI/ML·

TensorFlow, JAX, Coral NPU, IREE, MLIR

구글 연구팀은 32비트 오픈 소스 Coral NPU RISC-V 아키텍처와 Matrix Execution Unit을 공개해 에지 AI의 이동성 및 에너지 효율을 실현합니다. IREE/MLIR v1.0 컴파일러로 JAX, PyTorch, TensorFlow의 모델을 추가 개발 없이 Coral NPU 하드웨어에 직접 이식할 수 있습니다. Synaptics Astra SR200 MCU와 Coralboard devkit 같은 신규 하드웨어 옵션으로 멀티모달 에지 애플리케이션의 프로토타이핑과 배포가 가능해집니다.

AWS

·AI/ML·

Claude Code, MCP, OpenTelemetry, AWS Bedrock, Codex

AWS는 기업의 AI 에이전트 비용을 토큰 기반으로 측정하는 프레임을 제시하고 Uber의 운영 사례를 통해 현장의 함의를 설명한다. 비용 방정식은 여섯 항으로 구성되며, 사용자 수, 세션 수, 턴 수, 요청 수, 토큰 수, 토큰당 가격을 조합해 비용 변동 원인을 파악한다. 또한 Bedrock의 추론 프로필과 도구 설정, 캐시 정책, 컴팩션 같은 실무 기법으로 관리 계층별 비용 관리와 성과를 향상시키는 방법을 제시합니다.

NHN Cloud

·AI/ML·

Growth, Company Culture, Team Building, Communication, Leadership

NHN Cloud의 내부 AI 하네스인 실버불릿을 팀 협업 도구로 활용한 구체적 사례를 기술적 맥락과 함께 소개합니다. 실버불릿은 나/팀원/그 외에 따른 권한 분류를 도입해 접근 권한을 분리하고, 체계적으로 근거를 제시하며 의사결정을 지원합니다. 운영팀, 사업팀, QA로 확장 적용하며 대화형 질문에 대한 정합한 답변 흐름과 기록 기반의 신뢰성을 강화합니다.

NAVER D2

·Frontend·

TypeScript, JavaScript, Temporal, ECMAScript, ESM

NAVER D2가 2020년 이후 ECMAScript의 변화와 브라우저·런타임의 대응 흐름, Temporal의 Stage 4 진입 등을 종합적으로 다룹니다. TC39의 프로세스 변화와 ES2026의 신규 기능, ESM 전환 속도, TypeScript 7의 등장, AI 도구의 생태계 영향 등을 정리합니다. 개발자는 ES2026 기능을 활용하고 도구 체인과 모듈 형식의 변화에 대응하며, AI 코딩 도구의 활용 방향과 표준화 영향에 대한 인사이트를 얻을 수 있습니다.

미리디

·Frontend·

React, JavaScript, SVG, SVG Filters

미리디는 미리캔버스의 SVG 필터 활용기를 통해 브라우저 합성 파이프라인에서 이미지 보정을 구현하는 방법과 성능·호환성 이슈를 다룹니다. 필터 영역을 최소화하고(x/y/width/height), GPU 합성 레이어를 분리하며, 애니메이션 시 프리미티브 재계산을 줄이는 실무 팁과 React에서 defs를 관리하고 useId로 고유 ID를 보장하는 패턴을 제시합니다. 이를 통해 크로스브라우저 일관성과 애니메이션 성능 저하를 피하면서 SVG 필터를 프로젝트에 안정적으로 도입할 수 있습니다.

가비아

·Architecture·

Seismic, Seismic Isolation, Dampers, Raised Floor, Non Structural Elements

가비아의 데이터센터 설계에서 내진, 면진, 제진의 차이와 각각의 설계 목표를 명확히 구분하며, 건물 구조체의 저항력, 지진력 전달 경로, 상부 랙·전산실 비구조요소의 성능수준까지 다룹니다. 주요 내용으로는 법정 내진 등급과 면진·제진의 적용 범위, 비구조요소 설계의 구체적 성능수준 및 검증 방법이 포함됩니다. 또한 발주자의 선택에 따라 면진이나 제진의 적용 여부가 달라지며, 2400년 재현주기 인명보호, 1000년 재현주기 이후 장비 가동 보장은 구분합니다.

여기어때

·Frontend·

TypeScript, React, REST API, WebSocket

여기어때의 해외투어 프런트엔드 구축 사례는 모노레포 기반으로 웹과 앱 웹뷰를 하나의 코드베이스로 운영한 경험을 다룹니다. 공유 패키지 50개 구성과 182건 커밋, 37개 화면에 공통 컴포넌트를 재사용하며 개발 속도와 품질 관리 체계가 강화되었습니다. 또한 정책 기반의 API 설계와 QA 주도 프로세스로 비회원 결제 흐름과 모노레포 구조의 일관성을 확보했습니다.