[G1-Sync] Manual knowledge update

10_Wiki/Topics/Hardware-Acceleration-for-AI.md

@@ -2,7 +2,7 @@
 id: HW-ACCEL-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [hardware, ai-infrastructure, tpu, npu, asic, acceleration]
+tags: [[[Hardware]], ai-infrastructure, tpu, npu, asic, acceleration]
 last_reinforced: 2026-04-26
 ---
 
@@ -14,19 +14,19 @@ last_reinforced: 2026-04-26
 ## 📖 구조화된 지식 (Synthesized Content)
 - **추출된 패턴:** 딥러닝 연산의 90% 이상을 차지하는 곱셈-누산(MAC) 연산을 저전력으로 초고속 처리하기 위해 연산 유닛을 격자 형태로 배치하는 시스톨릭 어레이(Systolic Array) 아키텍처 패턴.
 - **주요 가속기 종류:**
-    - **GPU (Graphics Processing Unit):** 수천 개의 코어를 이용한 범용 병렬 처리의 강자.
+    - **GPU (Graphics [[Processing]] Unit):** 수천 개의 코어를 이용한 범용 병렬 처리의 강자.
     - **TPU (Tensor Processing Unit):** 구글이 개발한 텐서 연산 특화 ASIC.
     - **NPU (Neural Processing Unit):** 모바일 및 엣지 기기에서 저전력 AI 연산에 특화.
     - **FPGA:** 회로를 직접 프로그래밍하여 특정 알고리즘에 맞춤화된 성능 제공.
 - **핵심 기술:**
     - **Mixed Precision:** FP32 대신 FP16, BF16, INT8 등 낮은 정밀도를 사용하여 연산량과 메모리 사용량 절감.
-    - **Quantization:** 모델 가중치를 낮은 비트로 변환하여 가속화.
+    - **[[Quantization]]:** 모델 가중치를 낮은 비트로 변환하여 가속화.
 - **의의:** 하드웨어의 혁신이 모델의 대형화와 실시간 서빙을 가능케 하는 AI 발전의 물리적 동력.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
 - **과거 데이터와의 충돌:** 하드웨어는 주어진 것이라는 인식에서 벗어나, 이제는 알고리즘에 맞춰 하드웨어를 설계(HW-SW Co-design)하는 시대로 진화.
-- GPU-Architecture-for-AI 문서와 연계하여, 각 가속기별 최적화 전략의 차이를 명확히 인지해야 함.
+- [[GPU-Architecture]]-for-AI 문서와 연계하여, 각 가속기별 최적화 전략의 차이를 명확히 인지해야 함.
 
 ## 🔗 지식 연결 (Graph)
-- GPU-Architecture-for-AI, System-Design-for-AI-Scale, Deep-Learning-Foundations, [[Edge-AI-and-Computing]]
+- GPU-[[Architecture]]-for-AI,[[ system]]-Design-for-AI-Scale, [[Deep-Learning]]-Foundations, [[Edge-AI-and-Computing]]
 - **Raw Source:** 10_Wiki/Topics/AI/Hardware-Acceleration-for-AI.md