기술 블로그 (Tech) | kt cloud

[웨비나 후기] AI 시대, 데이터센터 운영의 기준을 높이다

kt cloud 마케팅커뮤니케이션팀 📝 요약 SUMMARY 이번 kt cloud 웨비나에서는 kt cloud에서 25년간 축적한 데이터센터 운영 경험을 바탕으로, AI와 BIM을 실제 현장에 적용해 AIDC 구축·운영을 혁신한 사례를 공유했습니다. 안녕하세요, kt cloud 마케팅커뮤니케이션팀입니다. AI 인프라가 고집적·고도화되면서 데이터센터의 구축과 운영도 한층 복잡해지고 있습니다. 방대한 운영 데이터를 어떻게 활용할 것인지, 복잡한 설계와 시공 과정을 어떻게 효율적으로 관리할 것인지가 중요한 과제로 떠오르고 있습니다. kt cloud는 지난 10월 7일 웨비나에서 AI를 활용한 데이터센터 운영 혁신과 BIM 기반 구축 혁신 사례를 소개했습니다. 현장 운영자가 직접 AI 도구를 개발하는 A..

[분석] 보이지 않는 생명줄, 데이터센터 접지(Grounding) 설비

kt cloud DC동부운용팀 이민재 님 📝 요약 SUMMARY 이 글에서는 데이터센터 접지(Grounding)의 원리와 종류, 메쉬 접지 시공, 본딩 및 접지저항 관리 방법을 다룹니다.접지 설비의 노후화에 대비한 점검과 보강이 감전 예방 및 설비 안전에 갖는 의미를 정리합니다.#데이터센터접지 #보호접지 #메쉬접지 #등전위본딩 #접지저항감전 사고, 흔한 '저압'이 품고 있는 치명적인 위협전기는 눈에 보이지도, 냄새가 나지도 않습니다. 그래서 더욱 치명적입니다. 흔히 수만 볼트의 특고압 철탑이나 대형 변압기만 위험하다고 생각하기 쉽지만, 실제 감전 사망 사고의 절대다수는 우리가 매일 만지는 220V/380V의 '저압(Low Voltage)' 환경에서 발생합니다. 숫자가 낮다고 절대 안전한 것이 아닙..

[기술해설] Agentic AI 시대의 Kubernetes 인프라 활용: Agent Sandbox 입문

kt cloud Container Service팀 박지선 님 📝 요약 SUMMARY 이 글에서는 Kubernetes Agent Sandbox의 주요 CRD와 AI 에이전트의 상태 유지·격리·유휴 상태 관리 방식을 다룹니다.StatefulSet 방식과의 차이, WarmPool을 이용한 사전 준비 및 런타임 선택 시 주의사항을 정리합니다.#AgentSandbox #Kubernetes #AgenticAI #CRD #SandboxWarmPool하루가 다르게 AI 워크로드의 패러다임이 빠르게 바뀌고 있습니다. 초기 AI 인프라(AI v1으로 칭함)는 단순했습니다. 짧은 추론 요청 처리만 했으면 됐었으나 최근 등장한 자율형 AI 에이전트(AI v2으로 칭함)는 전혀 다른 특성을 가집니다.구분AI v1 (추론..

[인사이트] GPUaaS 네트워크 경쟁 구조 분석

kt cloud Cloud 컨설팅팀 심대섭 님 📝 요약 SUMMARY 이 글에서는 GPUaaS의 AI 학습 성능에 영향을 주는 GPU 간·서버 간 네트워크 구조와NVLink, InfiniBand, RoCE, 고속 Ethernet의 역할을 다룹니다.대규모 GPU 클러스터에서 데이터 교환 병목을 줄이기 위한 연결 구조의 중요성을 정리합니다.#GPUaaS #NVLink #InfiniBand #RoCE #GPU클러스터생성형 AI가 본격적으로 확산되면서 클라우드 인프라를 바라보는 기준도 빠르게 바뀌고 있습니다. 예전에는 CPU 기반 가상 서버를 얼마나 안정적으로 제공하느냐가 중요했다면, 지금은 대규모 AI 모델을 얼마나 빠르게 학습시키고 안정적으로 운영할 수 있느냐가 더 중요한 기준이 됐습니다. NVIDI..

kt cloud Platform엔지니어링팀 이지은 님 📝 요약 SUMMARY 이 글에서는 DevOps에서 Platform Engineering으로 전환하며 개발자의 인지 부담을 줄이기 위해Platform Portal과 골든 패스를 설계하는 과정을 다룹니다.셀프서비스·GitOps·정책 자동화와 RAG 기반 AI 에이전트로 개발자 경험을 개선하는 방향을 정리합니다.#PlatformEngineering #PlatformPortal #GoldenPath #GitOps #DeveloperExperience"이 YAML은 누가 작성하나요?"kt cloud에서 NEXT 프로젝트를 진행하던 시절, 회의에서 심심치 않게 오가던 질문입니다. 배포 파이프라인을 작성하고 수정하는 건 개발자 몫이었고, Kubernete..

kt cloud Azure전환팀 변세림 님 📝 요약 SUMMARY 이 글에서는 반복 업무에서 자동화 대상을 찾고,AI로 만든 자동화 도구를 유지보수 가능한 구조로 설계하는 과정을 다룹니다.암묵지를 데이터로 분리해 자동화 부채를 줄이고 팀 단위 시스템으로 발전시키는 방법을 정리합니다.#AI자동화 #업무자동화 #암묵지 #자동화부채 #관심사의분리 안녕하세요! 😀 작년부터 AI가 빠르게 일상 속으로 들어오면서, 자연스럽게 이런 생각이 들기 시작했습니다."우리 팀의 업무에도 AI를 본격적으로 써볼 수 있지 않을까?" 최근 전사적인 클라우드 전환이 가속화되면서 저희 팀으로 쏟아지는 인프라 구축 및 권한 요청의 수는 기하급수적으로 늘어나고 있었습니다. 처음에는 단순히 ChatGPT나 Claude로 인프라 설..

AI 서비스를 안정적으로 운영하려면 어떤 인프라와 기술이 필요할까요? 이번 케클s피드에서는 kt cloud summit 2026에서 공개한 고객의 AX를 뒷받침하는 인프라 전략을 소개합니다. AI 데이터센터의 전력 인프라와 구축·운영 기술부터 AI 서비스의 성능과 비용을 함께 고려한 클라우드·AI 기술과 적용 사례까지 담았습니다. 비즈니스 현장에서 AI를 구현하고 운영하는 데 필요한 인사이트를 만나보세요. -->1,500여 명이 함께한 kt cloud summit 2026Composite AI부터 1GW 규모의 AIDC 공급 로드맵까지,고객의 AX를 지원할 기술과 인프라 전략을 소개했습니다.지난 9월 15일, ‘당신의 비즈니스를 위한 AX’를 슬로건으로 kt cloud summit 2026이 열렸습니다...

kt cloud DC동부운용팀 이민재 님 📝 요약 SUMMARY 이 글에서는 AI 데이터센터의 전력 수요 증가를 배경으로발전·송배전 구조, 계통 접속 제약, 전력 부족 원인과 데이터센터의 대응 방안을 다룹니다.계통 인프라·입지 분산·On-site 전원·수요반응·전력 효율 개선이 AI 시대 데이터센터 설계에 갖는 의미를 정리합니다.#AI데이터센터 #전력인프라 #전력계통 #송배전 #계통접속AI 시대의 진짜 병목은 GPU가 아니라 '전기'입니다몇 년 전만 해도 데이터센터 신축의 관건은 부지와 건축비, 서버 조달이었습니다. 지금은 다릅니다. 사업의 성패를 가르는 첫 질문은 언제나 이것입니다."그래서, 거기 전기 들어옵니까?"랙당 전력밀도는 과거 2~5kW에서 40~100kW를 넘어섰고 차세대 AI 랙은 ..

kt cloud Platform엔지니어링팀 이지은 님 📝 요약 SUMMARY 이 글에서는 MCP를 활용해 Kubernetes·GitHub·ArgoCD·Slack 등 DevOps 시스템을 AI와 연결하고, kt cloud PLATFORM 환경에 적용하기 위한 구조와 보안 원칙을 다룹니다.운영 데이터 연계와 트러블슈팅 자동화를 위한 MCP 활용 방향을 정리합니다.#MCP #DevOps #Kubernetes #GitHubActions #ArgoCD1. AI와 인프라의 결합: 과거의 한계와 MCP의 패러다임 전환기존의 대규모 언어 모델(LLM)은 뛰어난 추론 능력을 갖추었음에도 불구하고 ‘인프라와의 물리적 격리’라는 명확한 한계를 지니고 있었습니다.과거 (Isolating Chatbot): 엔지니어가 터..

kt cloud Cloud컨설팅팀 심대섭 님 📝 요약 SUMMARY 이 글에서는 장문 컨텍스트·RAG·AI 에이전트 확산으로 발생하는 AI 추론 메모리 병목과 HBM·Host DRAM·NVMe SSD·공유 스토리지 기반의 계층형 서버 아키텍처 변화를 다룹니다.GPU 중심 설계에서 데이터 이동과 메모리 효율 중심의 추론 인프라로 전환할 때 고려할 요소를 정리합니다.#AI추론 #KVCache #계층형메모리 #AI인프라 #GPU서버AI 추론 메모리 병목과 서버 변화는 2026년 AI 인프라를 이해할 때 반드시 짚어야 할 흐름입니다. AI 인프라를 이야기할 때 가장 먼저 떠오르는 요소는 여전히 GPU입니다. 대형 언어 모델 학습, 멀티모달 모델 처리, 고성능 AI 데이터센터 구축 모두 GPU 성능과 밀접..