ZDNET을 팔로우하세요: 우리를 선호 소스로 추가하세요 Google에서.
ZDNET의 주요 시사점
- Canonical을 사용하면 AI 사용 방법을 선택하고 선택할 수 있습니다.
- Ubuntu에서 AI는 주요 기능과 선택적 AI 도구에 내장되어 있습니다.
- Microsoft가 통제를 담당한다면 Canonical은 귀하에게 책임을 맡깁니다.
새로운 블로그 게시물에서 Canonical의 Ubuntu 엔지니어링 부사장인 Jon Seager는 회사가 Ubuntu Linux 26.04 이상에서 Linux 데스크톱 및 서버 경험에 AI를 적용하는 방법을 설명했습니다. Microsoft가 모든 것에 Copilot 라벨을 붙인 Windows와 달리 Canonical은 개방형 방식으로 Linux 배포판에 AI를 적용합니다. 가능한 경우 공개 모델, 기본적으로 로컬 추론, 배포판을 AI 제품으로 브랜드 변경하지 않습니다.
Seager는 Canonical이 “집중적이고 원칙적인 방식으로 AI 도구 사용을 늘리고 있다”고 설명했습니다. 이러한 접근 방식은 라이선스 조건이 오픈 소스 하네스 및 도구와 결합되어 Ubuntu의 오랜 오픈 소스 가치와 일치하는 개방형 가중치 모델에 대한 명확한 선호를 의미합니다. Canonical 개발자 팀은 팀 수준에서 일관되게 단일 도구를 선택하는 한 자신에게 적합한 도구를 채택하도록 권장됩니다.
또한: 적대적인 인터넷을 위해 구축됨: Ubuntu 26.04 LTS의 Canonical 엔지니어링 부사장
그는 우분투가 AI 제품으로 재배치되는 것이 아니라 “사려 깊은 AI 통합”이 이미 우분투에 의존하고 있는 사람들을 위해 운영 체제를 더욱 유능하고 효율적으로 만들 것이라고 강조했습니다. 내부적으로 Canonical은 AI가 실제로 가치를 추가하는 부분에 대해 엔지니어를 교육하고 “AI를 얼마나 사용했는가”와 같은 조악한 측정 기준을 피하고 대신 AI 지원 작업의 품질, 제어 및 검토 가능성에 중점을 둘 계획입니다.
암시적 AI와 명시적 AI
Ubuntu 프레임워크의 핵심 부분은 “암시적” AI 기능과 “명시적” AI 기능을 구별하는 것입니다. 암시적 AI 기능은 주로 백그라운드에서 실행되어 Linux의 기존 기능을 향상시킵니다. 이는 새로운 AI 제품이 아니라 “시스템이 더 잘 작동하는” 것처럼 경험하게 될 개선 사항입니다. 예를 들어 Ubuntu 26.04는 최고 수준의 음성 대 텍스트 및 텍스트 음성 변환, 향상된 화면 읽기 및 로컬 모델을 기반으로 한 기타 접근성 개선 사항을 자랑합니다.
또한: Linux 커널의 AI 지원 코드에 대한 새로운 규칙: 개발자가 알아야 할 사항
이와 대조적으로 명시적 AI 기능은 AI 기반임을 명확하게 나타내는 새로운 선택 기능으로 제공됩니다. 이러한 기능에는 생산성 워크플로의 생성 텍스트 도구, 파일 또는 프로젝트 관리와 같은 작업을 위한 에이전트 도우미, 모델과 직접 상호 작용하기 위한 전용 인터페이스가 포함될 수 있습니다. Seager는 이 접근 방식을 단계적으로 설명합니다. 먼저 Ubuntu가 이미 수행하고 있는 작업을 조용히 개선한 다음 적극적으로 원하는 사용자를 위해 “AI 네이티브” 워크플로를 계층화합니다.
이러한 AI 지원 프로그램을 원하지 않습니까? 괜찮은. 당신은 그것을 사용할 필요가 없습니다. Windows 11에서 시도해 보시기 바랍니다.
우분투는 AI를 로컬에서 실행하는 것에 관한 것입니다. Canonical은 대부분의 Ubuntu AI 기능을 기본적으로 기기 내 추론으로 설정하기를 원합니다. 이 접근 방식을 사용하면 이러한 기능을 오프라인에서 사용할 수 있고 잠재적으로 더 비공개적이며 독점 클라우드 백엔드에 대한 의존도가 낮아집니다. 또한 사용 비용이 훨씬 저렴해집니다.
또한: Linux는 개발자와 코드를 인증하는 새로운 방법을 탐색합니다. 작동 방식
이 접근 방식은 조정된 커널, GPU 및 가속기를 위한 하드웨어 지원, 실리콘 공급업체와의 파트너십에 대한 Canonical의 기존 작업과 딱 들어맞습니다. Seager는 이를 일반적인 Ubuntu 설치에 대한 효율적인 로컬 추론의 기초라고 설명했습니다.
접근성은 AI 추진의 첫 번째 구체적인 목표 중 하나입니다. Seager는 화려한 “AI 추가 기능”이 아닌 핵심 OS 기능으로 시스템 전체의 음성을 텍스트로 변환하고 텍스트를 음성으로 변환하는 기능과 더욱 풍부한 화면 판독기 기능을 강조합니다. 그는 미래를 내다보면서 “오늘날 최첨단 AI 공장에 접근해야만 가능해 보이는 일이 앞으로 몇 달, 몇 년 안에 훨씬 더 쉽게 접근할 수 있게 될 것”이라고 썼습니다.
개별 기능 외에도 Canonical은 AI 에이전트 및 에이전트 워크플로우를 위한 보다 안전한 홈 역할을 할 수 있는 Ubuntu를 추진하고 있습니다. Seager는 사용자가 에이전트 작업에 점점 더 익숙해지고 있으며 에이전트 중심 인터페이스를 통해 축적된 Linux의 기능에 더 쉽게 액세스할 수 있도록 하는 “아이디어가 마음에 듭니다”라고 말했습니다. 목표는 에이전트가 Ubuntu의 기존 보안 모델에 의해 제한되는 동안 사용자의 환경과 작업에 대해 추론할 수 있는 “컨텍스트 인식 OS”입니다.
또한: ‘은행 금고에 청사진을 건네주는 것과 같다’: AI가 한 기업이 오픈 소스를 포기하게 만든 이유
여기서 Ubuntu의 기본 애플리케이션 컨테이너 접근 방식인 Snap은 Canonical의 AI 에이전트 보안 방식이 됩니다. Snap을 사용하면 에이전트가 샌드박스를 수행합니다. 이 단계에서는 제한된 데이터 및 리소스에 액세스하지 못하도록 차단합니다. Canonical은 강력한 AI에 대한 커뮤니티의 우려를 명시적으로 인정하면서 “고상하게 느껴지고 사용자 기반에 부합하며 개인 정보 보호 및 보안 가치를 존중하는 방식으로” 이러한 워크플로를 통합하는 방법을 모색하고 있습니다.
Microsoft가 AI를 주요 브랜드 용어로 만들면서 Seager는 Ubuntu의 접근 방식을 차별화하기 위해 노력하고 있습니다. 그는 Canonical 직원을 AI 생산량으로 측정한다는 생각을 거부하며 회사가 사용자에게 AI를 “강제”하거나 Ubuntu를 AI 우선 제품으로 전환할 계획이 없다고 말했습니다. 동시에 그는 AI가 엔지니어링 작업에 미치는 영향에 대해 솔직하게 말했습니다. Canonical은 사람을 AI로 대체할 의도는 없지만 AI 도구에 능숙한 엔지니어는 그렇지 않은 엔지니어보다 확실히 더 나은 성과를 낼 수 있다는 점을 지적했습니다.
사용자가 기대해서는 안되는 것 중 하나는 보편적인 “AI 킬 스위치”입니다. Seager는 일부 AI 기능이 개별 앱이 아닌 백그라운드 시스템 개선으로 흐려진다는 점을 고려할 때 이러한 스위치를 “솔직히” 구현하기가 복잡할 것이라고 주장합니다. 대신, AI 기능을 제한하고, 감사 가능하게 하며, 오픈 소스 기대치에 맞춰 조정하는 동시에 AI가 현대 컴퓨팅의 기준이 되는 세상에서 Ubuntu가 빠르게 발전할 수 있도록 하는 데 중점을 둡니다.
윈도우 AI와 우분투 AI
Canonical은 벤치마크에서 가장 성능이 좋은 것을 선택하는 대신, 오랫동안 지속되어 온 무료 소프트웨어 가치에 부합하는 오픈 웨이트 모델, 오픈 소스 하네스 및 모델 라이센스 쪽으로 Ubuntu를 명시적으로 편향하고 있습니다. Seager가 관찰했듯이 “모델 가중치에 대한 액세스는 의미가 있지만 오픈 소스 커뮤니티에 익숙해진 일종의 투명성과는 동일하지 않습니다.” 그는 캐노니컬이 성능뿐만 아니라 라이선스 조건에 따라 모델을 선택할 것이라고 덧붙였다.
이와 대조적으로 Microsoft의 주류 AI 추진은 Microsoft 365용 Copilot 및 Azure OpenAI와 같은 독점 클라우드 서비스에 기반을 두고 있습니다. 예, Microsoft는 다양한 모델을 사용할 수 있도록 허용하지만 Microsoft가 게이트키퍼 역할을 하는 경우에만 가능합니다. 가격, 정책 및 원격 측정을 포함하여 Microsoft의 규칙을 사용하여 Windows에서만 AI를 사용할 수 있습니다.
또한: Linux 커널의 AI 지원 코드에 대한 새로운 규칙: 모든 개발자가 알아야 할 사항
Ubuntu에 대한 Canonical의 계획은 로컬 추론을 기본값으로 만드는 것입니다. 이상적으로 모든 AI 강화 OS 기능은 외부 서비스가 실제로 필요한 경우에만 사용되는 명확하게 정의된 인터페이스를 사용하여 오프라인 장치에서 실행되어야 합니다. 이러한 접근 방식은 하드웨어 튜닝, GPU/가속기 지원과 같은 Linux의 장점을 활용하는 동시에 데이터와 워크플로를 머신에 유지합니다.
Microsoft의 전략은 “클라우드 우선”이었습니다. Windows 및 Microsoft 365의 Copilot은 일부 클라이언트 측 NPU가 관련되는 경우에도 근본적으로 클라우드 호스팅 모델 및 데이터 처리와 연결되어 있습니다. 이러한 연결을 통해 대규모 기능을 더 쉽게 출시할 수 있습니다. 그러나 이 접근 방식은 데이터와 컴퓨팅을 중앙 집중화하고 공급업체 의존도를 높이며 사용자가 데이터 흐름을 이해하거나 제한하기 어렵게 만듭니다.
Seager가 지적했듯이 Ubuntu는 AI를 음성 텍스트 변환, 화면 읽기 및 기타 접근성 도구와 같은 기존 기능을 조용히 개선하는 “암시적”과 사용자가 채택하도록 선택할 수 있는 “명시적”이고 새롭고 명확하게 레이블이 지정된 AI 워크플로 또는 에이전트로 나눕니다. 이번 분할은 AI가 Ubuntu를 AI 브랜드 제품으로 바꾸거나 안정적인 Linux 데스크탑을 원하는 사용자에게 AI를 강요하지 않고 Ubuntu를 “의미 있게 더 많은 기능”으로 만드는 것에 관한 것입니다.
반면에 Microsoft의 입장은 AI를 기본 사용자 경험으로 밀어넣는 것입니다. 예를 들어 Copilot은 Windows 셸 및 Microsoft 365 앱에 직접 표시됩니다. 또한 Microsoft는 365 내에서 상시 작동되는 에이전트를 탐색하고 있습니다. 여기서 에이전트 AI는 사무실 워크플로의 운영 계층 역할을 합니다. 이미 Microsoft를 구매했다면 이러한 변화는 매우 좋습니다. 그리고 분명히 많은 사람들이 그런 입장에 동의합니다. 제가 앉아 있는 곳에 있는 사람들은 더욱 바보입니다.
또한: 코딩을 위한 최고의 무료 AI – 현재 단 3개만 성공
그러나 Microsoft와 연결되어 있다는 것은 고려된 옵트인이 아닌 기본적으로 AI와 상호 작용해야 함을 의미합니다. 그거 괜찮아? AI 비용이 급증하더라도 여전히 괜찮겠습니까?
Canonical의 AI 스토리는 Ubuntu의 기존 보안 기본 요소, 특히 Snap 제한을 사용하여 AI 에이전트에 엄격한 범위의 권한, 명확한 감사 가능성 및 읽기 전용 분석에서 제어된 쓰기 액세스에 이르기까지 다양한 액세스 “등급”을 제공하는 데 크게 의존합니다. 아이디어는 에이전트가 강력할 수 있지만 사용자와 감사자가 검사할 수 있는 투명한 오픈 소스 샌드박스 내에서 실행되는 “컨텍스트 인식 OS”입니다.
또한: Linux 기술을 크게 향상할 수 있는 명령줄 전용 배포판을 사용해 보았습니다.
Microsoft의 에이전트 방향은 메일, 문서 및 LOB(기간 업무) 시스템 전반에서 작동할 수 있는 Microsoft 365 에이전트와 같은 비즈니스 워크플로에 에이전트를 직접 통합하는 데 더 중점을 두고 있습니다. 이러한 통합은 자동화에는 적합하지만 사용자가 이해하기는 어렵습니다. 거버넌스는 독립적으로 검사하고 분기할 수 있는 사용자가 볼 수 있는 개방형 보안 모델이 아니라 IT 관리자가 구성하는 정책 콘솔 및 커넥터에 있습니다.
Canonical은 Ubuntu를 로컬 AI 실험 및 오픈 소스 워크플로를 위한 저마찰 플랫폼으로 포지셔닝합니다. Ubuntu를 사용하면 개발자가 모델, 프레임워크 및 도구를 쉽게 교체할 수 있습니다. 이 접근 방식을 사용하면 팀이 로컬 모델, 벡터 데이터베이스 및 에이전트 프레임워크를 사용하여 프로토타입을 더 쉽게 만들 수 있으며, 결정적으로 실험 단계에서 공급업체 종속을 방지할 수 있습니다.
Microsoft의 강점은 대규모 배포 및 통합 도구입니다. 그러나 동일한 통합으로 인해 초기 실험은 데이터, 워크플로 및 거버넌스가 모두 동일한 공급업체에 연결되어 있어 Microsoft 스택에 장기적으로 종속될 가능성이 더 높습니다.
개방형 모델, 로컬 제어, AI가 시스템에 연결되는 방식을 확인하고 형성하는 능력에 관심이 있다면 Ubuntu가 바로 여러분의 친구입니다. Microsoft의 모델은 긴밀하게 결합된 클라우드 우선 엔터프라이즈 워크플로에 적합하지만 잠금, 심층 통합 및 편의성을 위해 개방성과 이식성을 교환합니다. 나는 어떤 모델을 사용할지 알고 있다.
공식 정보 바로가기