Apple Silicon 위의 MLX: Apple의 모델이 아니라 내 모델이 필요할 때
Foundation Models는 Apple이 봉인해 둔 온디바이스 LLM을 제공합니다. MLX는 내가 고른 모델을 돌립니다. 양자화된 오픈 웨이트 모델과 LoRA 파인튜닝을 Apple Silicon 위에서 실행하세요.
AI & Technology글쓰기
디자인, 개발, AI 인프라, 제품 구축에 대한 생각.
엔지니어링 철학: 조경현
조경현은 모델이 스스로 제어 구조를 학습하게 했습니다 -- GRU의 게이트 메모리, 어텐션의 부드러운 정렬 -- 그리고 이를 정직하고 재현 가능한 과학과 결합했습니다.
Engineering & Craft엔지니어링 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: 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: 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 & Craft엔지니어링 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 & Craft엔지니어링 철학: 베르너 보겔스(Werner Vogels)
Amazon의 CTO 베르너 보겔스는 하나의 전제 위에 클라우드를 세웠습니다. 모든 것은 항상 실패한다는 것. 장애를 전제로 설계하고, 폭발 반경을 최소화하며, 그 속에서도 가용성을 지킵니다.
Engineering & Craft엔지니어링 철학: Salvatore Sanfilippo (antirez)
Salvatore Sanfilippo는 단 하나의 원칙을 중심으로 Redis를 만들었습니다 — 더 적게 하라. 머릿속에 통째로 담아둘 수 있는, 작고 단일 스레드로 동작하는 인메모리 저장소를, 사람이 읽으라고 C로 작성한 것입니다.
Engineering & CraftApple Translation 프레임워크: 무료, 온디바이스, 그리고 생각보다 정교한 도구
Apple Translation 프레임워크 정리. translationPresentation과 TranslationSession으로 구현하는 무료 온디바이스 번역, 그리고 데모가 건너뛰는 오프라인 다운로드의 함정까지.
AI & TechnologyApple Foundation Models: 온디바이스 LLM 프레임워크 완전 해설
Apple의 Foundation Models 프레임워크 정리 — LanguageModelSession, @Generable 가이드 생성, 도구 호출, 가용성 확인, 그리고 온디바이스 모델을 벗어나야 할 시점.
AI & Technology엔지니어링 철학: 얀 르쿤, 세상을 배우고, 공개하다
얀 르쿤은 합성곱 위에 딥 비전을 세웠고, 진짜 지능은 더 큰 LLM이 아니라 세상을 비지도 방식으로 학습하고 그 결과를 공개하는 데서 나온다는 데 걸었습니다.
Engineering & Craft엔지니어링 철학: 이와타 사토루
이와타 사토루는 닌텐도 사장이 되고 나서도 게이머이기를 멈추지 않은 프로그래머였습니다. 기술적 숙련은 언제나 플레이어의 즐거움을 위한 것이었습니다.
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.
