＜첫번째 기사 제목＞ 엔비디아에 도전장···KAIST, 고성능 AI 가속기 기술 개발
＜첫번째 기사 링크＞ https://namu.news/article/2371948
＜첫번째 기사의 중요 키워드(단어) 5개. 이상＞ AI, GPU, KAIST, CXL(컴퓨터 익스프레스 링크), 엔비디아, 메모리
＜첫번째 기사요약(3문장 이상)＞ 기존의 GPU 여러대를 연결하는 메모리 확장방식은 구축비용이 높다는 단점이 있었다. CXL은 두뇌격인 CPU와 가속기, D램, 저장장치 등 간·직접적 통신을 가능케하는 차세대 인터페이스다. KAIST는 이 CXL 기술을 활용해 GPU장치에 메모리를 직접 연결하고 여러 기술로 읽기·쓰기 속도를 향상시켰다. 이로서 기존 GPU연결방식도바 2.36배 빠른 AI를 제공하는데 성공했다.
＜두번째 기사 제목＞ 딥엑스-서울대 AI 반도체 대학원, AI 반도체 벤치마크 개발
＜두번째 기사 링크＞ https://namu.news/article/2371821
＜두번째 기사의 중요 키워드(단어) 5개. 이상＞ AI, 반도체, 벤치마크, 알고리즘, NPU,
＜두번째 기사요약(3문장 이상)＞ 서울대 인공지능 반도체 대학원과 딥엑스는 협력을 통해 국제 AI 산업계에서 요구하는 다양한 AI 알고리즘과 평가요소를 반영한 새로운 벤치마크 개발에 나선다. 둘은 국제 협력을 통해 얻은 최신 정보를 기반으로 AI 반도체 품질 성능평가 플랫폼을 개발한다. 딥엑스 대표는 CPU와 GPU관련 교재 및 개발키트등은 전량 외산에 의존했지만 이 협력으로 NPU기반 교육과정을 개발할수있을것이라 주장한다.
＜두 기사의 공통점, 차이점 등을 근거로 한 자신의 의견＞ 공통적으로 인공지능에 관한 내용이다. 차이점으로는 기사1은 하드웨어 개발을 통한 인공지능 기술 개선에 대한 내용이고 기사2는 하드웨어를 평가하는 객관적 기준을 마련함과 동시에 AI교육을 위한 기반을 마련한다. 기존에 알기로는 인공지능의 개발을 위해 소프트웨어를 개선하는 한편 하드웨어는 그저 GPU를 늘리기만하는것으로 알고있었는데 이 기사를 읽어보니 하드웨어 자체를 개선하고있다는걸 알게되었다. 곧 기존 형식의 반도체는 집적도가 한계에 달하며 더이상 발전하지 못할것으로 보이는데 다른 방식의 하드웨어를 만든다면 그런 물리적 한계를 극복하고 미래로 나아가는 긍정적 흐름을 만들수 있을것이라 생각한다.