BTC $76,879.44 -1.73%
ETH $2,455.04 -0.54%
BNB $713.72 -1.29%
XRP $1.34 -3.31%
SOL $99.38 -1.87%
TRX $0.3409 +0.45%
DOGE $0.0835 -2.74%
ADA $0.2065 -2.31%
BCH $226.13 -10.13%
LINK $11.50 -2.16%
HYPE $79.40 -4.79%
AAVE $122.29 -1.85%
SUI $0.7347 -4.28%
XLM $0.1758 -2.65%
ZEC $1,095.49 -11.41%
BTC $76,879.44 -1.73%
ETH $2,455.04 -0.54%
BNB $713.72 -1.29%
XRP $1.34 -3.31%
SOL $99.38 -1.87%
TRX $0.3409 +0.45%
DOGE $0.0835 -2.74%
ADA $0.2065 -2.31%
BCH $226.13 -10.13%
LINK $11.50 -2.16%
HYPE $79.40 -4.79%
AAVE $122.29 -1.85%
SUI $0.7347 -4.28%
XLM $0.1758 -2.65%
ZEC $1,095.49 -11.41%

전체
뉴스 플래시

first_img OpenAI는 나비-스토크스 방정식의 유한 시간 특이점 존재를 증명했습니다

OpenAI는 9월 8일, 내부 다중 에이전트 시스템이 3차원 비압축 나비-스토크스 방정식이 유한 시간 내에 특이점을 형성할 수 있음을 성공적으로 증명했다고 발표했습니다. 이 증명은 OpenAI 내부의 GPT-6 Astra보다 더 강력한 모델에 의해 추진되었으며, 9월 5일에 초기 결과를 얻은 후 17시간 동안 Lean 형식화 검증을 거쳤습니다.OpenAI는 이 증명이 매끄러운 외력이 작용하는 상황에서 정지 유체가 내부로 나선형으로 변형되고 늘어나는 소용돌이 구조를 진화시킬 수 있음을 보여주며, 그 에너지는 제한적이지만 속도는 무한히 증가한다고 밝혔습니다. 이는 천년상 문제의 "C"와 "D" 상황에 해당합니다. 전체 해결 과정에는 약 1만 개의 동시 에이전트가 동원되었고, 약 270만 개의 메시지가 전송되었으며, 약 1300억 개의 출력 토큰이 소모되었습니다. OpenAI는 이번 시도가 Anthropic 직원 Levent Alpöge와 NYU 교수 Tristan Buckmaster의 병행 작업에 대한 소문에서 영감을 받았다고 인정하며, 양측이 오일러 방정식의 정규성 문제에 대해 서로 다른 결과를 도출했다고 언급했습니다. OpenAI는 외력이 없는 상황을 증명한 반면, 상대방은 외력이 있는 상황을 증명했습니다.

first_img Curve의 부드러운 청산 메커니즘은 수백 건의 대출이 청산 상태에서 수주 동안 생존할 수 있게 합니다

코인데스크에 따르면, Curve Finance의 데이터에 따르면, 그들의 대출 시장에서는 총 704회의 "소프트 청산" 사건이 기록되었으며, 602개의 대출자 주소가 관련되어 있고, 중간 지속 시간은 14.5일입니다. 이 중 4분의 1은 최소 38.9일 동안 지속되었으며, 일부 포지션은 청산 구간 내에서 몇 달 동안 머물렀습니다. 이러한 소프트 청산 중 476회는 2026년 상반기에 시작되었습니다. Aave, Compound와 같은 전통적인 대출 프로토콜과는 달리, Curve의 LLAMMA 시스템은 담보 가격이 기준치를 하회한 후 한 번에 매도하지 않고, 가격 구간 내에서 점진적으로 담보를 대출 자산으로 전환합니다. 만약 대출이 완전히 실패하기 전에 가격이 회복된다면, 일부 또는 전체 전환이 역전될 수 있습니다. 이는 대출자가 유예 기간에 있지 않음을 의미하며, 그들의 담보는 대출 기간 동안 일부 청산되었지만, 가격이 반전될 때 포지션을 회복할 기회가 여전히 있습니다. 그러나 소프트 청산은 비용이 없는 것은 아닙니다. 데이터에 따르면, 대출자는 거래 수수료, 전환, 재조정, 이자 및 양방향 가격 변동으로 인해 여전히 손실을 입을 수 있으며, 시장이 지속적으로 불리하다면 포지션은 여전히 하드 청산에 빠질 수 있습니다. Curve Finance는 스테이블코인 교환 및 crvUSD 대출에 집중하는 주류 DeFi 프로토콜로, 현재 약 13.5억 달러의 예금을 보유하고 있으며, 지난 30일 동안 DEX 거래량은 약 34억 달러, 활성 대출은 약 4600만 달러입니다.

first_img 아마존이 AI 기가박스 배송을 확대하고, 세계 반도체, 위잉, 폭스콘의 출하가 강세를 보이고 있다

공급망에 따르면, 북미 클라우드 서비스 공급업체의 선두주자인 아마존 산하 AWS가 최근 AI 서버 캐비닛 물량을 확대했으며, TSMC, 세계반도체-KY, 위잉, 폭스콘 등 협력 업체의 출하 동력이 강력하다. 아마존은 최근 올해 자본 지출을 다시 상향 조정하여 원래 추정치인 2,000억 달러에서 2,200억 달러로 늘렸으며, 이는 주로 AI 인프라 구축에 사용될 예정으로, 데이터 센터, 서버, 네트워크 장비 등의 수요를 포함한다.아마존 CEO인 앤디 재시(Andy Jassy)는 AI 컴퓨팅 파워의 공급 부족 상황이 2027년까지 지속될 것으로 전망하며, 2028년에는 강력한 수요가 나타날 것으로 보고 있다. AWS의 AI 사업과 자체 개발 칩 규모는 이미 250억 달러로 성장했으며, 세 자릿수 퍼센트 성장을 유지하고 있다. 안나푸르나 랩스(Annapurna Labs)의 맞춤형 ASIC 칩 대부분은 TSMC에 의해 3나노미터의 첨단 공정으로 생산된다.세계반도체는 AWS의 자체 개발 AI 칩의 중요한 파트너로, 이번 분기 단일 분기 매출과 수익이 신기록을 세울 것으로 기대되며, 4분기에도 지속적인 성장이 예상된다. 3나노미터 AI 가속기 수요는 이전 평가보다 우수하며, 연말 전에 설계가 확정될 수 있다. AWS의 ASIC AI 캐비닛은 위잉이 조립을 담당하고 스위치 트레이를 공급하며, 폭스콘은 CPU 트레이에 진입한다. 폭스콘의 순환 CEO인 장집항은 올해 ASIC 프로젝트에서 새로운 진전을 이루었으며, ASIC 서버의 시장 점유율 목표를 40% 이상으로 설정했다고 밝혔다.

first_img Balancer 경고 V1 구버전 유동성 제공자가 철수, 자금이 빠져나가는 취약점이 존재한다고 언급

탈중앙화 거래 프로토콜 Balancer는 8월 31일 V1 구버전 유동성 제공자에게 자금을 신속히 인출할 것을 경고했습니다. 그 이유는 LP 자금이 고갈될 수 있는 취약점을 발견했기 때문입니다. Balancer는 이러한 폐기된 V1 풀은 일시 중지할 수 없으므로 사용자 측에서의 일시 중지 조치가 현재 가장 직접적인 위험 방어선이 된다고 밝혔습니다.Balancer는 사용자에게 구버전 퇴출 인터페이스를 통해 비율에 따라 퇴출할 것을 안내하며, 다른 제품은 영향을 받지 않는다고 강조했습니다. 이 경고는 여전히 구 계약 포지션을 보유한 LP에게 해당되지만, Balancer는 영향을 받은 풀의 남은 자금 규모를 공개하지 않았고, 관련 풀 주소도 발표하지 않았습니다. 퇴출 도구는 지갑 연결 또는 주소 입력을 통해 포지션을 스캔할 수 있도록 지원하며, 풀 주소를 수동으로 추가하는 것도 허용합니다.블록체인 보안 기관 SlowMist는 Balancer V1 풀의 손실을 약 23.4만 달러로 별도로 추정했습니다. SlowMist는 이번 자금 유출을 joinswapPoolAmountOut 경로의 정수 반올림 결함에 기인한다고 분석했습니다: 공격자는 먼저 풀 내 WBTC 보유량을 극소수로 압축하여 계산에 필요한 입력이 1 사토시의 WBTC로 내림 반올림되도록 하면서 요청된 풀 토큰을 여전히 발행한 후 비율에 따라 퇴출하여 풀에서 DPI, USDC, WETH 및 WBTC를 빼앗았습니다.

first_img SemiAnalysis: HBF 비 HBM 대체, 비용 및 열 방출 여전히 불확실성 존재

P Equity Research와 SemiAnalysis 연구원 Nick Doyle 등이 X Space에서 고대역폭 플래시 HBF에 대해 논의했습니다. Nick은 현재 HBF가 HBM에 비해 비용 프리미엄이 얼마나 줄어들 수 있을지 판단하기에는 아직 이르다고 말했습니다. 현재 데이터는 대부분 제조업체의 주장으로, Sandisk는 비트당 비용이 HBM의 약 8분의 1이라고 주장합니다. 수율, 테스트 등은 규모가 개선됨에 따라 변화하겠지만, TSV, 스택 및 pSLC 모드와 같은 구조적 비용은 영구적으로 존재하며, 내구성이 주요 미지수입니다. 만약 마모가 예상보다 심해지면 비용이 증가할 것입니다.HBF의 적용 장면은 좁으며, AI 추론에만 국한되고, 특히 낮은 배치와 긴 컨텍스트의 MoE 모델에 적합하며 HBM의 대체품이 아닙니다. 실제 대역폭 목표는 약 1.6 TB/s로 HBM3E 수준에 해당하며, 모델 가중치를 로드하기 위해 순차적 읽기에 적합하고, 대규모 대역폭 장면이 아닌 소규모 GPU의 용량 요구에 더 잘 맞습니다. 열 방출 신뢰성은 아직 해결되지 않았으며, GPU 옆에서 플래시는 고온에서 열화가 가속화되며, UCIe 분리 및 일일 새로 고침 등의 완화 조치는 아직 검증되지 않았습니다.제조 측면에서 Sandisk/Kioxia는 3D NAND 경험을 보유하고 있으며, SK Hynix는 HBM 방식의 스택 능력을 보완하지만, 양산은 아직 증명되지 않았습니다. 전체적으로 볼 때, 저장 장치는 전문화된 계층 시장으로 전환되고 있으며, NAND 부족은 2028년까지 지속될 것으로 예상되며, HBF는 공급과 수요에 더 큰 영향을 미칠 수 있습니다.
app_icon
ChainCatcher Building the Web3 world with innovations.