검색 결과

소스

분류

정렬

"hardware" · 11개 기사 · AI/ML

10년 된 Xeon만으로 충분하다

A 10 year old Xeon is all you need

2016년형 Xeon에서 Gemma 4를 돌린 사례를 다룸. 구형 서버 CPU로도 최신 AI 추론이 가능하다는 점을 보여줌.

Nvidia RTX Spark

Nvidia가 RTX Spark를 공개. AI 및 고성능 연산 수요를 겨냥한 신규 하드웨어 라인업으로 주목받음.

AMD Ryzen AI Halo – 4천달러 AI 개발 키트

AMD Ryzen AI Halo – $4k AI Dev Kit

AMD의 Ryzen AI Halo 기반 AI 개발 키트가 4,000달러 가격대로 소개됨. 로컬 AI 개발용 고성능 하드웨어로 포지셔닝됨.

Kolmogorov-Arnold Networks를 통한 FPGAs 기반 초고속 머신러닝

Ultrafast machine learning on FPGAs via Kolmogorov-Arnold Networks

Kolmogorov-Arnold Networks를 FPGA에 올려 초저지연·고처리량 머신러닝을 구현하는 방법을 소개. 하드웨어 가속으로 추론 성능을 끌어올리는 접근.

책상 옆에 놓는 로보틱스 연구 셋업 구축하기

Building a robotics research setup that lives next to my desk

개인이 책상 옆에서 실제 하드웨어로 로보틱스 연구를 할 수 있도록 저비용 테이블탑 셋업을 구성한 사례. 산업용 로봇팔, 카메라, 텔레오퍼레이션과 자체 소프트웨어 스택이 중심.

AI At Home 1부: 잡동사니 상자

AI At Home Part 1: A Box Of Scraps

가정용 환경에서 AI를 구축하는 과정을 다룬 연재의 첫 글. 제한된 자원과 임시 부품으로 시스템을 구성하는 접근을 소개함.

Kimi K3 자체 호스팅: 하드웨어 비용 20% 증가, 작업 해결률 20% 향상

Self-hosting Kimi K3: 20% more hardware cost, 20% better task resolution

Kimi K3를 자체 호스팅할 때 하드웨어 비용이 약 20% 늘어나는 대신 작업 해결률이 약 20% 개선된다는 분석. 운영 비용과 성능의 맞교환이 핵심.

LLM은 PCB 배선을 어디까지 할 수 있을까? 숙련자와 Net 단위로 비교해봤습니다

LLM은 아직 숙련된 하드웨어 엔지니어 수준의 PCB 설계에는 미치지 못함. Fable 5까지 시험했지만 결과는 크게 달라지지 않았고, PCB·기구·펌웨어·앱·백엔드까지 직접 만드는 개인 프로젝트 사례를 통해 한계를 짚음.

AI 2040과 지능 숭배

재귀적 자기 개선이 곧바로 하드 테이크오프로 이어진다는 관점을 비판. 물리적 제약과 공급망 병목이 AI 확산의 핵심 한계로 지적됨.

CrankGPT

손과 발의 물리적 동력으로 토큰을 생성하는 완전 로컬·프라이빗 AI 솔루션. 가정용 기본 수동 모델부터 파워 유저·소규모 기업용 페달 모델까지 사용 규모별로 나뉨.

£200로 데이터센터 GPU를 게이밍 PC에 넣기

RTX 4080 16GB의 VRAM 한계를 보완하려고 중고 Tesla V100 SXM2 16GB를 어댑터와 함께 약 £200에 추가해 총 32GB VRAM 구성을 만들었음. 서버용 GPU를 PCIe 환경에 얹는 방법과 로컬 LLM 용도의 확장성을 보여줌.