엔지니어링 철학: 마크 셔틀워스(Mark Shuttleworth)
마크 셔틀워스는 단 하나의 생각 위에 Ubuntu를 세웠습니다 -- 인간을 위한 Linux, 모두를 위한 자유 소프트웨어 -- 그리고 그 뿌리에는 우분투(ubuntu), 즉 타인을 향한 인간애가 있었고, 정해진 시계에 맞춰 출시되었습니다.
Engineering & Craft글쓰기
디자인, 개발, AI 인프라, 제품 구축에 대한 생각.
엔지니어링 철학: 얀 르쿤, 세상을 배우다, 공개적으로
얀 르쿤은 합성곱 위에 딥 비전을 세웠고, 이후 진짜 지능은 더 큰 LLM이 아니라 세상을 비지도 방식으로 학습하고 그것을 공개적으로 발표하는 데서 나온다는 데 베팅했습니다.
Engineering & Craft엔지니어링 철학: 마거릿 해밀턴
마거릿 해밀턴은 '소프트웨어 엔지니어링'이라는 말을 만들었고, 1202 경보를 견뎌낸 아폴로 비행 코드를 작성했습니다. 방어적 설계, 오류 복구, 그리고 두 번째 기회는 없다는 원칙.
Engineering & Craft엔지니어링 철학: 짐 켈러, 트랜지스터는 공짜다
짐 켈러는 AMD의 부활, 아이폰, 테슬라의 오토파일럿을 비롯한 수많은 제품 뒤의 칩을 설계했습니다 — 병목을 없애기 위해 실리콘을 아낌없이 쏟고 모든 것을 제1원리에서 다시 생각하는 방식으로 말입니다.
Engineering & CraftMLX와 Apple Silicon: Apple의 모델이 아니라 내 모델이 필요할 때
Foundation Models는 Apple이 봉인한 온디바이스 LLM을 제공합니다. MLX는 내 모델을 실행합니다. Apple Silicon에서 양자화된 오픈 웨이트 모델과 LoRA 파인튜닝을 돌립니다.
AI & Technology엔지니어링 철학: Raj Reddy, 가장 가난한 10억 명을 위한 기술
Raj Reddy는 말로 대화할 수 있는 기계를 개척했습니다. 음성 인식, 블랙보드 모델을 만든 뒤, 가장 앞선 AI를 세상에서 가장 부유한 사람이 아니라 가장 가난한 사람을 향해 겨눴습니다.
Engineering & Craft엔지니어링 철학: 아디 샤미르(Adi Shamir)
아디 샤미르는 RSA의 'S'이자 뛰어난 암호 해독가입니다. 그는 시스템을 깨는 법을 함께 익히며 안전한 시스템을 만듭니다. 방어하기 위해 공격하고, 깔끔한 정수론을 작동하는 메커니즘으로 바꿉니다.
Engineering & CraftiOS 26 위젯 표면: 하나의 App Intent, 여러 곳에서
iOS 26 위젯, 제어 센터 컨트롤, Live Activity는 모두 App Intents의 노출 지점입니다. 하나의 intent가 버튼, 컨트롤, Live Activity 동작을 동시에 구동합니다.
AI & Technology엔지니어링 철학: 데미스 허사비스, 지능을 풀어 모든 것을 풀다
데미스 허사비스는 일반 지능을 제1원리에서부터 쌓아 올렸습니다 -- 게임을 검증의 장으로, 신경과학을 영감으로 삼아 -- 그런 다음 그것을 단백질 접힘 문제에 겨누어 노벨상을 받았습니다.
Engineering & CraftApple Foundation Models: 온디바이스 LLM 프레임워크 완벽 해설
Apple의 Foundation Models 프레임워크: LanguageModelSession, @Generable 가이드 생성, 도구 호출, 가용성, 그리고 온디바이스 모델을 벗어나야 할 시점까지.
AI & Technology실전에서 쓰는 Swift 6.2 동시성: 기본값을 MainActor로, 벗어날 때는 의도적으로
Swift 6.2는 동시성을 뒤집습니다. 모듈의 기본값을 MainActor로 두고(SE-0466), nonisolated async를 호출자에서 실행하며(SE-0461), @concurrent로 벗어납니다.
AI & Technology엔지니어링 철학: 페이페이 리, 데이터가 곧 토대다
페이페이 리는 ImageNet을 구축해 AI에게 눈을 선사했습니다. 더 영리한 모델이 아니라 대규모 데이터야말로 빠져 있던 재료라는 데, 그리고 AI는 인간 중심이어야 한다는 데 승부를 걸었습니다.
Engineering & Craft외부 게시물
기술 글쓰기: Introl
Local LLM Hardware Pricing Guide 2025
대규모 언어 모델을 로컬에서 실행하기 위한 종합 하드웨어 권장 사항 및 비용 분석.
H100 vs. H200 vs. B200: Choosing the Right NVIDIA GPUs for Your AI Workload
다양한 AI 워크로드를 위한 NVIDIA 최신 데이터센터 가속기 비교 GPU 선택 가이드.
TPU Architecture: Complete Guide to Google's 7 Generations
Google의 TPU v1부터 TPU v5까지의 Tensor Processing Unit 발전에 대한 심층 기술 분석.
GPU Memory Pooling in Multi-Tenant Kubernetes
컨테이너화된 환경에서 GPU 클러스터의 리소스 공유 전략.
Ray Clusters: Distributed AI Computing Infrastructure
Ray 프레임워크를 사용한 분산 AI 컴퓨팅 구축 및 관리 가이드.
DeepSeek V3 Open Source AI Cost Advantage
오픈소스 LLM 경제학 및 DeepSeek의 경쟁 포지셔닝 분석.
NVIDIA Vera Rubin GPU 600kW Racks 2027
미래 데이터센터 전력 요구 사항 및 NVIDIA의 차세대 GPU 로드맵.
SMR Nuclear Power for AI Data Centers
차세대 AI 인프라에 전력을 공급하는 소형 모듈식 원자로 솔루션.
DeepSeek MHC Architecture Breakthrough
DeepSeek의 Multi-Head Compression 아키텍처 혁신에 대한 기술 분석.