Google Cloud 제8세대 TPU 발표, Sony AI 탁구 로봇 Nature 게재 등: 2026-04-23 AI 동향 정리

무슨 일이 있었냐면

오늘은 Google Cloud Next에서 큰 발표가 터졌고, 로봇이 Nature 표지에 실렸어요. 여섯 가지 정리해봤습니다.

※ 공개된 정보를 바탕으로 한 개인적인 정리입니다. 각 기업의 공식 입장이 아닙니다. 본 글은 투자 조언을 목적으로 하지 않습니다.

Google Cloud Next 2026에서 제8세대 TPU와 Gemini Enterprise Agent Platform 발표

Google이 제8세대 TPU를 발표했는데, 이번에 처음으로 학습용과 추론용을 분리했어요. 학습 전용 TPU 8t와 추론 전용 TPU 8i 두 칩 구성입니다. TPU 8t 슈퍼팟은 칩 9,600개를 묶어서 약 121 엑사플롭스의 연산력과 2 페타바이트의 공유 메모리를 제공해요. TPU 8i는 전세대 대비 추론 비용당 성능이 약 80% 향상됐다고 합니다.

같은 날 Gemini Enterprise Agent Platform도 나왔어요. Vertex AI의 진화형으로, 에이전트의 구축·운영·거버넌스를 한 곳에 통합하는 플랫폼이에요. Model Garden을 통해 200개 이상의 모델에 접근할 수 있고, Gemini 3.1 Pro, Gemini 3.1 Flash Image, Lyria 3, 오픈 모델인 Gemma 4 등이 포함됩니다. Agent Studio(로우코드 개발 환경), Agent Garden(프리빌트 에이전트 템플릿), 그래프 기반 Agent Development Kit(ADK) 같은 새 도구도 들어갔어요.

개발자 입장에서는 학습과 추론이 실리콘 레벨에서 분리되면, 워크로드별로 SLA랑 비용 설계를 다시 짜야 하는 상황이 올 수 있겠다 싶어요.

Sony AI 탁구 로봇 Project Ace가 Nature 표지 논문으로

Sony AI가 자율 탁구 로봇 Project Ace가 엘리트 및 프로 선수와 경쟁할 수 있는 수준에 도달했다고 발표했어요. 이 연구는 Nature 표지 논문으로 게재됐습니다. 시스템은 고속 이벤트 기반 비전, 저지연 제어, 강화학습을 결합했고, 인간 톱 선수의 반응 시간을 크게 밑도는 레이턴시로 실시간 제어를 구현하고 있어요.

Nature 투고 이후에도 2025년 12월과 2026년 3월에 추가 대전을 진행했고, 여러 새로운 엘리트·프로 선수를 상대로 승리했다고 합니다. Sony AI 수석 과학자 Peter Stone은 AI 시스템이 빠르고 변화무쌍한 현실 환경에서 인지·추론·행동을 효과적으로 수행할 수 있음을 보여주는 이정표라고 평가했어요.

시뮬레이션에서 현실로의 강화학습 전이가 실제 적대적 환경에서 정량적으로 검증된 건, 연구 활용 면에서도 꽤 의미 있는 포인트예요.

케임브리지 대학이 AI 전력 소비를 최대 70% 줄일 수 있는 멤리스터 소재 발표

케임브리지 대학의 Babak Bakhit 박사 팀이 안정적이고 저전력인 멤리스터로 기능하는 산화하프늄 개량형을 개발했어요. 연구 결과는 Science Advances에 게재됐고, ScienceDaily에서 4월 23일에 소개됐습니다. 뉴로모픽 컴퓨팅은 기억과 연산을 한 곳에 통합해서 데이터 이동에 드는 에너지를 줄이는 방식인데, AI 워크로드에서 최대 70% 에너지 절감 가능성이 제시됐어요.

기존 멤리스터 대부분은 금속 산화물 내에 미세한 도전성 필라멘트를 형성하는 방식이라 예측이 어렵고 고전압이 필요해서 대규모 적용에 한계가 있었어요. 새 소재는 인터페이스 전환 방식으로 안정성을 중시했고, 대규모 뉴로모픽 어레이 배포를 염두에 두고 설계됐습니다.

하드웨어 쪽에서 이런 소재 수준의 돌파구가 나오면, 소프트웨어 최적화만으로는 도달하기 어려운 효율 구간이 열릴 수 있어서 기대가 되는 소식이에요.

VAST Data가 약 10억 달러 조달, 300억 달러 기업 가치

4월 22일, AI용 분산 스토리지 소프트웨어를 만드는 VAST Data가 약 10억 달러를 300억 달러 기업 가치로 조달했어요. Drive Capital과 Access Industries가 공동 리드하고, Nvidia, Fidelity, NEA도 참여했습니다. 총액 중 5억 달러 이상이 초기 투자자·직원 대상 세컨더리로 배정됐다고 해요.

누적 수주는 40억 달러 이상, 전 회계연도 커밋 ARR은 5억 달러 초과라고 합니다. 학습·추론 시 고처리량 데이터 접근에 대한 수요가 스토리지 레이어에 대한 관심을 계속 끌어올리고 있어요.

Accenture·Vodafone·SAP와 Siemens가 같은 날 휴머노이드 로봇 공장 배치 발표

4월 22일, Accenture, Vodafone Procure & Connect, SAP가 창고 환경에서 휴머노이드 로봇 파일럿을 발표했어요. 물리 AI가 실제 워크플로에 어떻게 맞는지, 안전성과 처리량, 로봇 도입 후 역할 변화에 초점을 맞추고 있습니다.

같은 날 Siemens와 영국 로보틱스 기업 Humanoid는 독일 에를랑겐의 Siemens 전자 공장에 HMND 01 Alpha 휴머노이드를 배치했다고 발표했어요. 로봇은 토트 디스태킹 작업을 8시간 이상 자율 처리했고, 시간당 약 60컨테이너 이동, 픽 앤 플레이스 성공률 90% 이상이었다고 합니다.

같은 날 휴머노이드 공장 배치가 2건 나온 건 꽤 눈에 띄어요. 데모 수준 처리량이 아니라 지속적인 운영 처리량이 평가 기준으로 옮겨가고 있다는 신호로 읽힙니다.

정리

오늘 흐름을 개발자 관점으로 짧게 정리하면 이래요.

• 인프라: 학습과 추론을 칩 레벨에서 분리하는 움직임은, 워크로드 단위로 용량을 계획하라는 메시지예요.
• 플랫폼: Gemini Enterprise Agent Platform이 에이전트 개발·거버넌스·운영을 하나로 통합했어요.
• 연구: Sony의 Project Ace와 케임브리지 멤리스터는 현실 세계 AI와 에너지 효율 양쪽에서 구체적인 진전을 보여줬어요.
• 자금 조달: VAST Data 라운드는 AI 인프라에서 스토리지 레이어가 얼마나 중요한지 다시 확인시켜 줬어요.
• 물리 AI: 같은 날 휴머노이드 공장 배치 2건은, 준비도 평가 기준이 데모에서 운영으로 넘어가고 있다는 걸 보여줘요.

개발자에게 오늘 동시에 세 가지 판단이 앞으로 나왔어요. 어떤 에이전트 플랫폼을 표준으로 삼을지, 워크로드를 어떤 실리콘에 매핑할지, 그걸 뒷받침하는 데이터 레이어를 어떻게 설계할지.

참고

• Google Cloud launches two new AI chips to compete with Nvidia (TechCrunch)
• Introducing Gemini Enterprise Agent Platform (Google Cloud Blog)
• Sony AI Announces Breakthrough Research in Real-World AI and Robotics (Sony AI)
• This new brain-like chip could slash AI energy use by 70% (ScienceDaily)
• Nvidia backs AI company Vast Data at $30 billion valuation (CNBC)
• Accenture, Vodafone Procure & Connect and SAP Pilot Humanoid Robotics in Warehouse Operations (RoboticsTomorrow)