🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

마이크로소프트와 허깅페이스는 1만 개 이상의 검증된 공개 모델을 애저 AI 파운드리에서 간편하고 안전하게 배포할 수 있도록 협력을 확대했습니다.

📌 핵심 요약

• 마이크로소프트와 허깅페이스는 텍스트·이미지·오디오를 다루는 1만 개 이상의 허깅페이스 모델을 애저 AI 파운드리에서 몇 번의 클릭만으로 배포할 수 있게 했습니다.
• 이번 확대 협력은 약 2년 전 시작된 양사의 협업을 기반으로 하며, 허깅페이스에 등록된 공개 모델이 당시 20만 개에서 현재 약 200만 개로 증가한 환경 변화를 반영합니다.
• 애저에서 제공되는 모델은 보안 검사 통과, 세이프텐서 형식의 가중치 사용, 원격 코드 미사용이라는 기준을 충족해야 하며, 추론 컨테이너도 지속해서 취약점 검사를 받습니다.
• 사용자는 애저 AI 파운드리의 모델 카탈로그 또는 허깅페이스 허브의 모델 페이지에서 가상 머신, 인스턴스 수, 배포 매개변수를 설정해 모델을 배포할 수 있습니다.
• 양사는 앞으로 신규 모델의 출시 당일 제공, 인기 모델의 일일 반영, 비디오·3차원·시계열·단백질 등 새로운 양식 지원, 전문화된 모델을 활용한 에이전트와 도구 개발을 추진할 계획입니다.

🧩 주요 포인트

1. 마이크로소프트와 허깅페이스는 텍스트·이미지·오디오를 다루는 1만 개 이상의 허깅페이스 모델을 애저 AI 파운드리에서 몇 번의 클릭만으로 배포할 수 있게 했습니다.
2. 이번 확대 협력은 약 2년 전 시작된 양사의 협업을 기반으로 하며, 허깅페이스에 등록된 공개 모델이 당시 20만 개에서 현재 약 200만 개로 증가한 환경 변화를 반영합니다.
3. 애저에서 제공되는 모델은 보안 검사 통과, 세이프텐서 형식의 가중치 사용, 원격 코드 미사용이라는 기준을 충족해야 하며, 추론 컨테이너도 지속해서 취약점 검사를 받습니다.
4. 사용자는 애저 AI 파운드리의 모델 카탈로그 또는 허깅페이스 허브의 모델 페이지에서 가상 머신, 인스턴스 수, 배포 매개변수를 설정해 모델을 배포할 수 있습니다.
5. 양사는 앞으로 신규 모델의 출시 당일 제공, 인기 모델의 일일 반영, 비디오·3차원·시계열·단백질 등 새로운 양식 지원, 전문화된 모델을 활용한 에이전트와 도구 개발을 추진할 계획입니다.

🧠 상세 정리

1. 협력 확대 발표와 핵심 목표

마이크로소프트와 허깅페이스는 2025년 5월 19일 마이크로소프트 빌드 행사에서 협력 확대를 발표했습니다. 핵심 목표는 허깅페이스가 보유한 다양한 공개 모델을 애저의 보안 인프라에서 더 쉽게 배포하도록 만드는 것입니다. 애저 AI 파운드리에는 현재 텍스트·이미지·오디오 기반 인공지능 애플리케이션에 사용할 수 있는 허깅페이스 모델이 1만 개 이상 제공됩니다. 사용자는 복잡한 배포 절차를 직접 구성하는 대신 모델을 선택하고 몇 번의 클릭만으로 애저 환경에 배포할 수 있습니다. 양사는 이를 일회성 모델 추가가 아니라 공개 모델을 애저 고객에게 지속해서 확대 제공하기 위한 장기 협력의 출발점으로 설명했습니다.

2. 공개 모델 생태계 성장과 협력의 배경

양사의 첫 협력은 약 2년 전 공개 모델을 애저에서 더 쉽게 이용할 수 있도록 하려는 목적으로 시작됐습니다. 당시 허깅페이스 허브에는 약 20만 개의 공개 모델이 있었지만, 현재는 작업 유형·양식·전문 분야·언어가 서로 다른 모델이 약 200만 개에 이릅니다. 모델 생태계의 규모와 다양성이 빠르게 커지면서 기존 협력을 한 단계 확대할 필요가 생겼다는 것이 이번 발표의 배경입니다. 마이크로소프트는 공개 생태계의 투명성·선택권·커뮤니티와 애저의 기업용 보안 인프라를 결합해 개발자가 작업에 적합한 모델을 고를 수 있게 한다고 설명했습니다. 허깅페이스는 기업이 자신의 애저 계정 안에서 모델과 사내 비공개 데이터를 함께 관리함으로써 기술과 데이터에 대한 통제권을 유지할 수 있다고 강조했습니다.

3. 애저 AI 파운드리에서 제공되는 모델과 작업

애저 AI 파운드리의 모델 카탈로그에는 허깅페이스 컬렉션이 별도로 마련돼 있으며, 인기 모델과 주목받는 모델을 포함해 1만 개 이상의 모델을 탐색할 수 있습니다. 지원 작업에는 텍스트 생성, 특징 추출, 가려진 단어 예측, 번역, 문장 유사도 판별이 포함됩니다. 이미지 분야에서는 이미지 분류, 이미지 분할, 텍스트 기반 이미지 생성, 이미지의 텍스트 변환을 지원합니다. 오디오 분야에서는 자동 음성 인식과 오디오 분류 모델을 사용할 수 있어 하나의 카탈로그에서 여러 데이터 양식과 작업을 다룰 수 있습니다. 이 구성은 특정 공급자의 단일 모델에 한정되지 않고 애플리케이션의 목적에 맞는 공개 모델을 비교하고 선택할 수 있도록 설계됐습니다.

4. 기업용 배포를 위한 모델 보안 기준

애저 AI 파운드리의 허깅페이스 컬렉션에 포함되는 모델에는 기업 환경을 고려한 명시적인 보안 기준이 적용됩니다. 먼저 모델은 프로텍트에이아이 가디언과 제이프로그 보안 스캐너 등을 활용한 허깅페이스의 보안 검사를 통과해야 합니다. 모델 가중치는 피클 기반 취약점을 피할 수 있도록 세이프텐서 형식으로 저장돼야 하며, 실행 중 임의 코드가 삽입될 가능성을 줄이기 위해 원격 코드가 없는 모델만 제공됩니다. 모델 자체에 대한 선별에서 끝나는 것이 아니라 마이크로소프트와 허깅페이스가 추론 컨테이너의 취약점도 계속 검사하고 필요한 경우 유지보수와 패치를 수행합니다. 이러한 조건은 기업이 사내 비공개 데이터와 공개 모델을 함께 사용할 때 모델 출처와 실행 환경을 더 쉽게 확인하고 통제하도록 지원합니다.

5. 모델 선택부터 배포까지의 이용 절차

사용자는 애저 AI 파운드리에서 모델 카탈로그를 열고 허깅페이스 컬렉션에 있는 모델을 선택해 배포를 시작할 수 있습니다. 원문은 예시로 마이크로소프트 파이-4 리즈닝 플러스 공개 모델을 제시하며, 모델 화면의 배포 버튼을 누르면 설정 양식으로 이동한다고 설명합니다. 이 양식에서 사용할 가상 머신, 인스턴스 수, 배포 매개변수를 지정한 뒤 다시 한 번 실행하면 배포 절차가 시작됩니다. 애저 AI 파운드리가 아니라 허깅페이스 허브에서 모델을 먼저 찾는 사용자도 같은 경로를 이용할 수 있습니다. 허브 모델 페이지의 애저 머신러닝 배포 선택지를 누르면 애저 머신러닝 스튜디오 안의 해당 배포 화면으로 연결됩니다.

6. 신규 모델·양식·에이전트 지원 확대 계획

양사는 애저 AI 파운드리에 현재 추가된 모델과 데이터 양식에 그치지 않고 이후 몇 주와 몇 달 동안 업데이트를 계속할 계획입니다. 주요 모델 제공자가 허깅페이스에 새 모델을 공개하면 같은 날 애저 AI 파운드리에서도 이용할 수 있도록 출시 당일 제공 체계를 추진합니다. 허깅페이스에서 주목받는 모델은 지속해서 관찰한 뒤 매일 애저 AI 파운드리 지원 목록에 반영할 예정입니다. 지원 범위도 텍스트·이미지·오디오에서 비디오, 3차원, 시계열, 단백질 및 전문 분야별 작업으로 확장됩니다. 또한 작고 효율적이며 특정 작업에 특화된 공개 모델을 안전한 인공지능 에이전트와 애플리케이션을 구축하는 데 활용할 수 있도록 에이전트와 도구 관련 지원도 확대할 계획입니다.

🧾 핵심 주장 / 시사점

• 이번 협력의 중심은 단순히 모델 수를 늘리는 데 있지 않고, 기업이 자신의 애저 계정 안에서 공개 모델과 비공개 데이터를 함께 관리하며 기술과 데이터에 대한 통제권을 유지하도록 하는 데 있습니다.
• 보안 검사 통과, 세이프텐서 형식, 원격 코드 미사용, 추론 컨테이너의 지속적 점검은 공개 모델을 기업 환경에 제공하기 위한 구체적인 선별·운영 기준으로 제시됐습니다.
• 출시 당일 신규 모델 제공과 인기 모델의 일일 반영 계획은 애저 AI 파운드리의 허깅페이스 컬렉션이 고정된 목록이 아니라 지속적으로 갱신되는 모델 카탈로그를 지향한다는 점을 보여줍니다.

✅ 액션 아이템

• 협력 확대로 늘어난 공개 모델 배포 성과와 검증 기준(세이프텐서, 무원격 코드, 추론 컨테이너 취약점 점검)을 항목별로 정리해 적용 범위를 설정한다.
• 허깅페이스 모델 배포는 모델 카탈로그와 허브 페이지 기준으로 구분해 VM, 인스턴스 수, 배포 매개변수 입력 흐름을 정비한다.
• 향후 계획의 당일 신모델 반영, 인기 모델 일일 동기화, 형식 지원 확장을 우선순위별로 정리해 실행 범위를 결정한다.

❓ 열린 질문

• 신규 모델 출시 당일 제공이 보안 검사 통과와 추론 컨테이너 취약점 점검을 동시에 유지하는 방식인가?
• 사용자가 설정한 VM 수와 인스턴스 수 조합이 성능·안정성·비용 균형을 가장 잘 만족시키는 기준은 무엇인가?
• 비디오·3차원·시계열·단백질 형식 확장이 텍스트·이미지·오디오 편중을 어느 기준으로 완화해야 하는가?