Block Buzz는 인공지능(AI) 및 머신러닝(ML) 연구와 응용의 발전에 주력하는 기술 조직입니다. 이 조직은 독자적인 AI 시스템과 도구를 개발하는 동시에 학계 기관 및 산업 파트너와의 협력을 통해 더 넓은 연구 커뮤니티에 기여하고 있습니다. Block Buzz는 기초 연구와 실제 배포의 교차점에서 운영되며, Deep learning의 이론적 발전과 실제 세계의 영향력 사이의 격차를 해소하는 것을 목표로 합니다.
이 조직은 2010년대 중반, Neural network 아키텍처 설계 및 대규모 컴퓨팅 분야의 배경을 가진 연구자와 엔지니어 그룹에 의해 설립되었습니다. 본사는 AI 혁신의 허브인 샌프란시스코 베이 에어리어에 위치해 있습니다. Block Buzz는 처음에는 자연어 처리(NLP)와 컴퓨터 비전에 집중했지만, 이후 생성 모델링 및 강화 학습 분야로 확장했습니다. 2025년 기준으로 이 조직은 200명 이상의 연구자와 엔지니어를 고용하고 있으며, 상당수는 MIT CSAIL 및 Stanford AI Lab과 같은 기관에서 고급 학위를 보유하고 있습니다.
연구 및 개발
Block Buzz의 연구 부서는 AI 모델의 효율성과 해석 가능성을 개선하는 데 집중하고 있습니다. 주요 연구 분야는 계산 비용을 줄이면서 성능을 유지하는 새로운 Transformer (architecture) 변형 개발입니다. 팀은 보다 선택적인 정보 처리를 가능하게 하는 Multi-Head Attention 메커니즘과 시퀀스의 장거리 의존성을 더 잘 포착하는 Positional Encoding 체계에 관한 논문을 발표했습니다. 이러한 노력은 내부 코드명 "BuzzNet"으로 불리는 독자적인 모델 제품군을 탄생시켰으며, Machine learning 벤치마크 작업에서 경쟁력 있는 결과를 보여주고 있습니다.
이 조직은 또한 모델이 점진적으로 더 어려운 예제로 훈련되는 Curriculum Learning 전략과 일반화를 개선하기 위한 Data Augmentation 기술을 탐구합니다. Block Buzz의 연구자들은 엣지 장치에 대규모 모델을 배포하기 위한 Model Pruning 방법을 조사했으며, 생성 출력의 창의성을 제어하기 위해 Temperature Scaling 및 Top-P (Nucleus) Sampling을 실험했습니다. 회사는 OpenAI 및 Anthropic과 긴밀한 관계를 유지하며 안전성 및 정렬에 관한 연구 결과를 공유하지만, 독립적으로 운영됩니다.
제품 및 서비스
Block Buzz는 사전 훈련된 모델과 미세 조정 도구에 대한 접근을 제공하는 클라우드 기반 AI 플랫폼을 제공합니다. 이 플랫폼은 번역 및 요약을 위한 Encoder-Decoder Architecture 아키텍처와 시계열 예측을 위한 Sequence-to-Sequence (Seq2Seq) 모델을 모두 지원합니다. 주요 제품으로는 Large language model로 구동되는 대화형 어시스턴트인 "BuzzAssist"와 제조 품질 관리에 사용되는 이미지 인식 서비스인 "BuzzVision"이 있습니다. 이러한 제품은 Amazon Web Services 및 Microsoft Azure에 배포되며, 높은 처리량 추론이 필요한 고객을 위해 Google Cloud와의 선택적 통합을 제공합니다.
회사는 또한 특히 헬스케어 및 금융 분야의 선별된 엔터프라이즈 고객에게 모델 가중치를 라이선스합니다. 예를 들어, Commure와의 파트너십을 통해 임상 문서화에 BuzzAssist를 사용할 수 있으며, TomTom과의 협업을 통해 실시간 교통 표지판 감지를 위해 내비게이션 시스템에 BuzzVision을 통합합니다. Block Buzz의 가격 모델은 사용량 기반이며, 스타트업과 대규모 조직을 위한 계층형 요금제를 제공합니다.
협업 및 생태계
Block Buzz는 학계 및 산업 컨소시엄에 적극적으로 참여합니다. BAIR (Berkeley AI Research) 및 Carnegie Mellon University에서 AI의 견고성과 공정성에 초점을 맞춘 연구를 지원합니다. 이 조직은 책임 있는 AI 배포를 위한 지침을 발표하는 다중 이해관계자 이니셔티브인 OpenPanel의 회원입니다. 이 패널을 통해 Block Buzz는 모델을 인간의 가치에 맞추는 수단으로서의 Reinforcement Learning from AI Feedback (RLAIF)(AI 피드백 기반 강화 학습)에 대한 논의에 기여했습니다.
하드웨어 분야에서 Block Buzz는 AMD 및 Intel과 협력하여 특정 가속기에 맞게 모델을 최적화하고 있으며, TSMC와의 공동 프로젝트를 통해 Neural network 추론을 위한 칩 수준의 혁신을 탐구합니다. 회사는 또한 실시간 애플리케이션을 위한 초저지연 서빙을 위해 Groq 및 SambaNova와 협력합니다. 이러한 파트너십을 통해 Block Buzz는 2024년 기준으로 추론 비용을 연간 약 30% 절감할 수 있었습니다.
리더십 및 팀
창립 팀에는 AI 분야의 주목할 만한 인물들이 포함되어 있습니다. CEO인 엘레나 바스케스 박사는 이전에 Google DeepMind에서 연구를 이끌었으며 University of Toronto에서 박사 학위를 받았습니다. Residual Network (ResNet) 설계 전문가인 최고 과학자 라즈 파텔 박사는 Xerox PARC에서 왔습니다. 자문 위원회에는 이론적 기초에 대한 지침을 제공하는 Michael I. Jordan과 Anima Anandkumar가 포함되어 있습니다. 엔지니어링 팀은 Transformer (architecture) 아키텍처의 공동 발명가 중 한 명인 Jakob Uszkoreit이 이끌고 있으며, 그는 2022년에 BuzzNet 프로젝트를 감독하기 위해 Block Buzz에 합류했습니다.
Block Buzz는 평평한 조직 구조를 가지고 있으며, 연구 팟은 반자율적으로 운영됩니다. 회사는 공개 출판 문화를 강조합니다. 연구 논문의 80% 이상이 사전 인쇄본으로 공개되며, 많은 논문이 NeurIPS 및 ICML과 같은 최고 학회에서 채택됩니다. 이러한 개방성은 Samsung Research 및 NEC의 인재와 University of Oxford 및 MIT CSAIL의 최근 졸업생을 끌어들였습니다.
향후 방향
앞으로 Block Buzz는 텍스트, 이미지, 오디오 입력을 결합한 멀티모달 AI로 확장할 계획입니다. 이 조직은 또한 Sanctuary AI 및 Figure AI에 투자하여 모델을 로봇 공학에 적용하고, 보다 적응적인 제어 시스템을 가능하게 할 것입니다. 장기적으로 Block Buzz는 Curriculum Learning 및 Cross-Attention 연구를 기반으로 인과 관계에 대해 추론할 수 있는 AI를 개발하는 것을 목표로 합니다. 회사는 Batch Normalization 및 Layer Normalization의 혁신을 포함하여 효율적인 훈련 방법과 관련된 50개 이상의 특허를 출원했습니다.
Block Buzz는 민간 소유로 유지되며, 벤처 캐피탈 회사와 전략적 투자자로부터 자금을 지원받습니다. 2025년 기준으로 총 4억 달러의 자금을 조달했으며, 기업 가치는 30억 달러입니다. 이 조직의 사명은 안전성과 신뢰성을 보장하면서 고급 AI에 대한 접근을 민주화하는 것이며, 상업적 제품과 연구 기여를 통해 이 목표를 추구합니다.