[torch.compile() 알아보기 - Part 03] PyTorch Conference 2026 참관기
PyTorch Conference 2026에서 논의된 에이전트, 가속, 생태계 동향을 정리합니다.
출처: 하이퍼엑셀 · · 원문 보기
하이퍼엑셀 기술 블로그 글 모음
하이퍼엑셀에서 발행한 기술 블로그 글 38편의 한 줄 요약 모음입니다. 블로그: https://hyper-accel.github.io
최근 글
[Ceph 뜯어먹기 - Part 01] CRUSH
Ceph의 데이터 분산 알고리즘인 CRUSH의 구조와 원리를 살펴봅니다.
출처: 하이퍼엑셀 · · 원문 보기
LLM 추론 칩 검증 이야기 1편: 칩의 정답은 어디서 오는가
하이퍼엑셀이 LLM 추론 칩의 설계 오류를 잡기 위해 단계별로 정답을 정의하고 검증하는 체계를 공개했다.
출처: 하이퍼엑셀 · · 원문 보기
모나드와 범주론 ② 다른 계산, 같은 합성
Option과 List 함수의 합성 규칙이 범주론의 법칙을 만족함을 Lean 4로 증명했다.
출처: 하이퍼엑셀 · · 원문 보기
[torch.compile() 알아보기 - Part 02] 왜 세 단계로 나눠 설계했을까
하이퍼엑셀이 torch.compile()의 세 단계 설계 목적과 생태계 확장 전략을 분석했습니다.
출처: 하이퍼엑셀 · · 원문 보기
모나드와 범주론 ① 함수가 이어지지 않을 때
Lean 4를 통해 값이 없을 수 있는 함수들을 안전하게 합성하는 모나드의 기초 원리를 설명한다.
출처: 하이퍼엑셀 · · 원문 보기
지피지기 7편: GPU로 만든 모델이 GPU보다 좋은 칩을 만들다
OpenAI가 범용 LLM 추론 가속기 Jalapeño의 성능과 AI 활용 설계 과정을 공개했다.
출처: 하이퍼엑셀 · · 원문 보기
AI 시대의 필수 소비재, 메모리 이해하기 5편: CXL Workload 알아보기
CXL 메모리는 KV 캐시, 메모리 풀링, 데이터 계층화처럼 용량이 중요한 작업에 활용된다.
출처: 하이퍼엑셀 · · 원문 보기
torch.compile 해부 1편: TorchDynamo, AOTAutograd, TorchInductor
torch.compile이 Python 연산을 그래프로 바꾸고 정리해 하드웨어별 커널을 생성하는 구조를 살펴본다.
출처: 하이퍼엑셀 · · 원문 보기
지피지기면 백전불태 6편 : Agentic AI 시대, CPU의 부활과 CPU 삼국지의 시작
도구 실행이 늘어난 에이전트 추론에서 CPU가 GPU 활용률을 좌우하는 병목으로 떠올랐다.
출처: 하이퍼엑셀 · · 원문 보기
Legato: HyperAccel LPU를 위한 프로그래밍 언어
HyperAccel이 PyTorch 생태계와 LPU 하드웨어를 잇는 프로그래밍 모델 Legato를 설계했다.
출처: 하이퍼엑셀 · · 원문 보기
AI 시대의 필수 소비재, 메모리 이해하기 4편: CXL 이해하기
CXL은 PCIe 기반으로 서버 메모리를 확장하고 여러 호스트의 메모리 풀링을 지원한다.
출처: 하이퍼엑셀 · · 원문 보기
AI 시대의 필수 소비재, 메모리 이해하기 3편: HBF가 풀어야 할 과제
HBF 상용화에는 LLM의 불규칙한 KV 접근과 NAND 수명, 패키징·대역폭 문제를 함께 풀어야 한다.
출처: 하이퍼엑셀 · · 원문 보기
터미널로 돌아가자: 에이전트가 원격 개발을 자연스럽게 만든 방식
터미널 기반 에이전트가 원격 개발 환경에서 조사와 검증을 이어간다.
출처: 하이퍼엑셀 · · 원문 보기
AI 시대의 필수 소비재, 메모리 이해하기 2편: HBF의 잠재 workload 찾아보기
H³는 HBF를 거대하고 반복해서 읽는 추론 데이터 전용 메모리로 붙인다.
출처: 하이퍼엑셀 · · 원문 보기
지피지기면 백전불태 5편: Cerebras와 웨이퍼 스케일 엔진
Cerebras는 웨이퍼 전체를 하나의 AI 칩으로 쓰는 WSE 구조를 설계했다.
출처: 하이퍼엑셀 · · 원문 보기
Project Glasswing: Claude Mythos Preview
Anthropic이 사이버 방어 기관에 제한 제공하는 Claude Mythos Preview의 보안 역량을 공개했다.
출처: 하이퍼엑셀 · · 원문 보기
AI 시대의 필수 소비재, 메모리 이해하기 1편: HBF 이해하기
HBF는 NAND에 HBM식 적층 패키징을 적용해 추론용 메모리 대역폭을 높이려는 구조다.
출처: 하이퍼엑셀 · · 원문 보기
Kubernetes 기반 사내 개발 환경 구축기 3편: LPU를 위한 Kubernetes Device Plugin
하이퍼엑셀이 연결 구조를 고려하는 Kubernetes 플러그인으로 LPU 자원 할당을 개선했다.
출처: 하이퍼엑셀 · · 원문 보기
AITER 분석: AMD가 ROCm inference 성능을 2배로 올린 방법
AMD의 AITER가 MI300X에서 SGLang 추론 처리량을 거의 두 배로 높였다.
출처: 하이퍼엑셀 · · 원문 보기
Transformer World: LLM의 기본 구조 뜯어보기
Transformer는 문맥을 반영한 벡터로 다음 토큰을 예측하며 긴 문맥은 KV 캐시를 키운다.
출처: 하이퍼엑셀 · · 원문 보기
지피지기면 백전불태 번외편: Pallas Programming Model
Pallas는 JAX에서 TPU와 GPU용 커스텀 커널을 작성하는 프로그래밍 모델이다.
출처: 하이퍼엑셀 · · 원문 보기
지피지기면 백전불태 4편 : 메모리 용량 병목과 NVIDIA ICMS
NVIDIA가 BlueField-4 DPU와 ICMS로 LLM 추론의 KV 캐시 저장 공간을 확장한다.
출처: 하이퍼엑셀 · · 원문 보기
Copy & Paste에서 코딩 에이전트까지: 조용한 변화의 시작
하이퍼엑셀이 Claude Code Skill로 계획부터 테스트까지 AI 개발 흐름을 구조화했다.
출처: 하이퍼엑셀 · · 원문 보기
Kubernetes 기반 사내 개발 환경 구축기 2편: ARC와 CI/CD 인프라 고도화
하이퍼엑셀이 Kubernetes에서 ARC 기반 CI 러너와 비밀정보·관측 체계를 구축했다.
출처: 하이퍼엑셀 · · 원문 보기
Kubernetes 기반 사내 개발 환경 구축기 1편: 왜 Kubernetes인가?
HyperAccel이 컨테이너와 Kubernetes로 사내 개발 환경을 통일했다.
출처: 하이퍼엑셀 · · 원문 보기
지피지기면 백전불태 3편 : 엔비디아가 200억 달러에 인수한 그록의 LPU
그록은 LLM 추론에 맞춰 메모리 대역폭과 실행 예측성을 높인 LPU를 설계했다.
출처: 하이퍼엑셀 · · 원문 보기
Specs are All You Need: Spec-Driven Development (SDD)란 무엇인가?
SDD는 자연어 명세를 기준으로 AI가 코드를 만들고 검증하는 개발 방식이다.
출처: 하이퍼엑셀 · · 원문 보기
Polyhedral Analysis
폴리헤드럴 분석은 루프 의존성을 수식화해 의미를 보존하는 최적 실행 순서를 찾는다.
출처: 하이퍼엑셀 · · 원문 보기
2025년에 바라보는 CES 2026 핵심 정리 (feat. SAMSUNG, SK, LG)
CES 2026 전시에서 가정용 로봇과 AI 가전, HBM4가 물리 AI 흐름을 보여줬다.
출처: 하이퍼엑셀 · · 원문 보기
자주 다루는 주제
- 데이터베이스·캐시 (170편)
- 백엔드 설계·MSA (435편)
- GPU·AI 인프라 (194편)
- AI 운영·평가 (250편)
- 언어·알고리즘 (268편)
- LLM 서빙·추론 (247편)
- AI 코딩 도구 (248편)
- 개발 생산성·테스트 (194편)
- 보안·인증 (235편)
- AI 에이전트·MCP (536편)
- 쿠버네티스·컨테이너 (127편)
- AI 연구·모델 공개 (483편)
- CI/CD·플랫폼 엔지니어링 (181편)
- 피지컬 AI·로보틱스 (69편)