KT Cloud

AI 인프라의 핵심 경쟁력은 GPU, 네트워크, 스토리지, 오케스트레이션을 아우르는 풀스택 최적화 능력에 있다.

AI 데이터센터는 GPU의 동기화된 부하 패턴과 고밀도 발열 문제를 해결하기 위해 전력 품질 관리와 액체 냉각 기술을 도입해야 한다.

피지컬 AI를 탑재한 휴머노이드를 데이터센터에 도입하여 고집적 환경의 운영 효율과 안전성을 단계적으로 확보하는 전략을 제시한다.

NVIDIA Grace Blackwell 기반 Dell GB10 워크스테이션의 128GB 통합 메모리와 FP4 가속을 통한 Llama 3.3 70B 모델의 로컬 추론 성능 검증기입니다.

Kubernetes v1.35는 실행 중인 Pod의 리소스를 재시작 없이 변경하는 기능의 GA 전환과 AI 워크로드를 위한 Gang Scheduling 도입을 통해 운영 효율성을 극대화했다.

kt cloud가 AI 추론 엔진의 병목 해결을 위해 Rust 기반 Python 프레임워크인 Robyn을 도입하고 FastAPI 대비 압도적인 고부하 안정성을 확인했다.

수도권 전력 포화와 네트워크 지연 문제를 해결하기 위해 해저케이블 육양국 인근에 AI 데이터센터를 구축하는 '랜딩 에지' 전략의 필요성을 제시한다.

AI를 단순한 대화 도구가 아닌 시스템 구성 요소로 재정의하여 팀 단위의 일관된 개발 프로세스를 구축하는 AI 아키텍처 설계 방식을 제안한다.