델 테크놀로지스가 AMD의 차세대 AI PC 프로세서인 ‘라이젠 AI 프로 300 시리즈(코드명 크라켄 포인트)'를 탑재한 기업용 노트북인 ‘델 프로 노트북(Dell Pro laptop)’ 신제품 5종을 공개했다. 델 테크놀로지스는 고객의 다양한 요구사항에 최적화된 AI PC를 제공하기 위해 인텔, AMD, 퀄컴 등 글로벌 반도체 기업과 협업하고 있다. 이번에 선보인 델 프로 노트북은 최대 50 TOPS를 지원하는 AMD 차세대 APU를 탑재한 델의 첫 번째 기업용 노트북으로, 강력한 온-디바이스 AI 기능과 함께 고급스러운 디자인과 휴대성을 갖추었다. ‘델 프로 플러스(Dell Pro Plus)’ 제품군은 다양한 사양을 제공하는 메인스트림 기업용 노트북으로, 사용자의 니즈에 따라 다양한 스펙, 폼 팩터(클램셸 및 투인원), 디스플레이 크기(13, 14, 16형)를 선택할 수 있다는 점이 특징이다. 이번에 발표된 신제품인 AMD 기반 ‘델 프로 13, 14 및 16 플러스(Dell Pro 13, 14, 16 Plus)’는 각각 13, 14, 16형 디스플레이를 탑재한 고급형 기업용 노트북으로, 올해 출시한 AMD 라이젠 AI 프로 300 시리즈를 탑재했다. 언어 번역 및 고급 AI 이미지 생성 등을 포함하는 코파일럿+(Copilot+) 기능을 지원하고, 최대 50 NPU TOPS의 AI 처리 능력을 갖춰 즉각적인 트랜스크립션과 같은 비즈니스 생산성을 구현한다. 이들 제품은 2024년에 출시한 ‘AMD 라이젠 AI 프로 300 시리즈’의 고성능 스트릭스 포인트 프로세서와 ‘AMD 라이젠 AI 프로 200 시리즈(호크 포인트)’ 옵션도 제공한다. 이번 AMD 기반 델 프로 플러스 신제품 가운데 ‘델 프로 14 플러스(Dell Pro 14 Plus)’ 및 ‘델 프로 16 플러스(Dell Pro 16 Plus)’는 각각 ‘AMD 라이젠 AI 5 프로 340’, ‘AMD 라이젠 AI 7 프로 350’ 프로세서를 탑재했으며, 두 모델 모두 ‘AMD 라이젠 AI 9 HX 프로 370’ 프로세서(코드네임 스트릭스 포인트) 옵션을 제공한다. 16:10 화면비의 디스플레이, 긴 배터리 수명, 슬림하고 내구성이 뛰어난 폼팩터로 하이브리드 업무 환경의 비즈니스 사용자에게 적합한 제품이다. FHD+ 해상도에서 각각 최대 14.5시간, 11.5시간의 긴 배터리 지속 시간을 지원해 전원 연결 없이 작업이 가능하며, 화상 회의 시 열악한 조명 조건에서도 이미지 디테일을 정확하게 캡처하는 HDR 기반 5MP 카메라가 옵션으로 탑재되어 있다. 아울러, 사용자가 직접 교체할 수 있는 ‘모듈형 USB-C 포트’를 적용하여 수리용이성을 강화했다. 내구성이 강한 알루미늄 소재를 적용하여 차분하고 세련된 플래티넘 실버 색상으로 제공되며, 기존 클램셸 형태 외에 투인원 폼 팩터로도 선택할 수 있다.   ▲ AMD 라이젠 AI 프로 300 시리즈를 탑재한 델 프로 16 플러스   델 프로 제품군은 일상적인 업무를 위한 필수 성능을 제공하는 것이 특징으로, 이번 신제품인 AMD 기반 ‘델 프로 14(Dell Pro 14)’ 및 ‘델 프로 16(Dell Pro 16)’은 각각 14,16형 디스플레이에 최대 ‘AMD 라이젠 AI 7 프로 350’ 프로세서를 탑재한 기업용 노트북이다. 이전 세대 대비 각각 5% 및 10% 넓어진 화면 영역으로 한층 시원한 시야감을 구현했고, 1kg대의 가벼운 무게감과 긴 배터리 수명은 다양한 장소에서 멀티태스킹을 해야 하는 사용자에게 최적의 사용자 경험을 제공한다. FHD+ 해상도에서 각각 최대 15.1시간, 11.1시간의 배터리 지속 시간을 제공하며, 미국 국방성 내구성 표준 테스트(MIL-STD)를 거쳐 내구성과 안정성까지 보장한다. 이들 제품은 시크한 메탈릭 마감(플래티넘 실버 색상)으로 제공된다. AMD 라이젠 200 시리즈를 탑재한 델 프로 14 및 델 프로 16 노트북은 질감이 느껴지는 마그네타이트 색상으로 제공된다. 이와 함께, 델 테크놀로지스는 AMD 라이젠 프로 데스크톱 프로세서를 탑재한 기업용 데스크톱 PC인 ‘‘델 프로 데스크톱(Dell Pro Desktops)’ 신제품 2종도 선보였다. 마이크로형(micro)과 슬림형(slim)의 두 가지 폼 팩터로 제공되는 이 제품군은 AI에 최적화된 성능과 높은 전력 효율을 제공한다. 마이크로형은 좁은 업무 공간에서도 효율성과 생산성을 극대화하도록 설계된 초소형 데스크톱이며, 슬림형은 높은 보안 및 관리 용이성 설루션을 갖춘 공간 절약형 데스크톱이다. 이들 제품은 AMD 라이젠 7 프로 데스크톱 프로세서를 기반으로 강력한 성능은 물론, 기업 환경에 최적화된 보안 및 관리 기능, 안정성 및 일관된 수명 주기를 제공하며, 세련된 디자인과 견고한 내구성까지 겸비했다. 델 프로 노트북과 델 프로 데스크톱에서는 델의 온-디바이스 AI 애플리케이션 개발 툴킷인 ‘델 프로 AI 스튜디오(Dell Pro AI Studio)’를 구동할 수 있다. 이는 개발자와 IT 관리자가 인터넷 연결 없이 AI 애플리케이션을 개발하고 배포할 수 있도록 지원하는 포괄적인 툴킷으로, 개발자는 이를 활용해 혁신적인 AI 애플리케이션을 빠르게 개발하고, IT 관리자는 기업 환경에 배포한 애플리케이션을 효율적으로 관리할 수 있다. NPU를 활용하기에 AI 워크로드를 보다 민첩하고 효율적으로 처리하고, 델 검증 도구, 프레임워크, 템플릿 및 모델 세트를 통해 AI 프로젝트 개발 기간을 대략 6주로 대폭 줄일 수 있다. 한국 델 테크놀로지스의 김경진 총괄사장은 “AI PC는 컴퓨팅의 새로운 지평을 열며, 비즈니스 환경을 탈바꿈시키는 중요한 툴로 다시 한 번 부상하고 있다”면서, “델은 혁신적인 PC 경험을 제공하기 위해 최신 AI 기술과 다양한 프로세서 옵션을 전체 포트폴리오에 빠르게 적용하고, 통합 리브랜딩으로 사용자들이 각자 니즈에 맞게 최적의 AI 디바이스를 선택할 수 있게끔 지원하고 있다”고 말했다.

MBSE를 위한 아키텍처-1D 모델 연계의 중요성 및 적용 전략 (1)   제조산업에서 설계 효율 향상과 개발 기간 단축을 위해 모델 기반 개발(MBD)을 적극 도입하고 있지만, 아키텍처 모델과 1D 모델 간의 연계 부족으로 인해 개발 단계에서 모델의 실질적인 활용과 의사결정 지원이 어려운 경우도 많다. 이번 호에서는 MBD의 성과를 높이기 위한 아키텍처 모델과 1D 모델의 체계적인 연계 방안을 제시하고, 이를 통한 설계 효율 및 개발 정확성 향상의 전략적 방향을 살펴본다.   ■ 오재응 한양대학교 명예교수, LG전자 기술고문   최근 제조산업은 제품의 개발 기간 단축과 다품종 생산이라는 트렌드에 대응하기 위해 개발의 효율성을 극대화하고 반복 설계를 최소화하는 방향으로 변화하고 있다. 이러한 흐름 속에서 모델 기반 개발(Model-Based Development : MBD)은 이미 많은 제조업체가 적극 추진하고 있으며, 이를 통해 설계 초기부터 제품의 동작을 예측하고 최적화할 수 있는 기반을 마련하고자 한다. 그러나 모델 기반 개발을 도입하고 실제로 모델을 구축했음에도 불구하고, 현업에서 모델이 제대로 활용되지 못하는 경우가 많다. 이는 구축된 모델이 단지 형식적으로 존재할 뿐, 제품 개발의 맥락 속에서 아키텍처적, 1D적 연결성을 갖추지 못해 실질적인 의사결정과 개발 단계에서 활용되지 못하고 있기 때문이다. 즉, 원래 의도한 목적이나 아키텍처적 요구와 연계되지 않은 모델이기 때문에, 사용자는 해당 모델이 ‘내 일에 어떻게 쓰이는지’를 이해하지 못하고 거리감을 느끼는 것이다. 이러한 문제를 극복하기 위해서는 아키텍처 모델과 1D 모델을 유기적으로 연계하고, 이를 기반으로 아키텍처 요구사항을 구체화할 수 있어야 한다. 아키텍처 모델이란 제품의 구조, 기능, 물리적 메커니즘 등 아키텍처적 개념을 설명하는 모델이며, 1D 모델은 이러한 개념을 수학적으로 해석하고 시뮬레이션 가능한 형태로 정형화한 것이다. 따라서 아키텍처 모델과 1D 모델 간의 연계는 제품 개발의 전체 V자 프로세스에서 핵심 역할을 하며, 상호보완적으로 작용하여 제품 성능 검증 및 요구사항 만족 여부를 평가하는 데 기여한다.   그림 1. 아키텍처 모델 – 1D 모델 연계   <그림 1>은 이러한 개념을 시각적으로 설명한다. 초기의 아키텍처 설계 단계에서 아키텍처 요구와 구조를 정의한 뒤 이를 바탕으로 1D 모델이 생성되고, 시뮬레이션 및 해석을 통해 결과를 도출하며, 이 결과는 다시 상위의 아키텍처 요구사항에 대한 검증으로 이어진다. 이처럼 상향식-하향식 피드백 루프를 통해 아키텍처 모델과 1D 모델이 반복적으로 연계되어야 진정한 의미의 모델 기반 개발이 실현될 수 있다. 특히 설계자와 개발자는 1D 모델은 제품을 해석하고 튜닝하는 강력한 도구라고 인식하지만, ‘왜 이 설계를 했는가’, ‘서브시스템 간 구조는 어떻게 되는가’, ‘요구사항은 어떻게 충족되는가’와 같은 질문에는 답하지 못한다. 그 해답을 주는 것이 바로 아키텍처 모델(MBSE)이며, 이 두 모델을 연결해야만 설계의 정확성, 추적성, 협업성이 동시에 확보된다.   다양한 유형의 아키텍처적 측정 간의 관계   그림 2. ISO/IEC 15288 System Life Cycle Technical Processes & Life Cycle   ISO/IEC 15288(그림 2)은 시스템 수명주기 전반에 걸친 아키텍처 프로세스의 흐름과 체계를 정의한 국제 표준이다. 특히 이 표준은 모델 기반 시스템 엔지니어링(Model-Based Systems Engineering : MBSE) 관점에서 시스템 개발 활동을 구조화한 것으로, 시스템 수명 주기(V 모델)를 기반으로 요구 분석, 설계, 검증 및 확인, 유지보수 등 각 단계의 아키텍처적 활동과 그 상호 관계를 정립한다. 시스템 엔지니어링 활동을 통해 성공적인 시스템을 구축하기 위해서는 다양한 아키텍처적 성과 지표와 측정 지표가 필요하며, 이를 통해 시스템의 목표 달성 여부를 판단할 수 있다. 대표적인 지표로는 다음과 같은 세 가지가 있다. MOE(Measure of Effectiveness, 효과성 측정지표)는 시스템이 실제 운용 환경에서 얼마나 효과적으로 임무를 수행할 수 있는지를 평가하는 지표로, 주로 고객 요구사항이나 운용 목표 달성 여부에 초점을 맞춘다.  MOP(Measure of Performance, 성능 측정지표)는 시스템의 성능 수준을 수치적으로 정량화한 것으로, 설계 명세나 요구된 성능 기준을 얼마나 충족하는지를 평가한다.  TPM(Technical Performance Measure, 아키텍처 성과 측정지표)은 개발 과정 중 아키텍처 적인 목표 도달 여부를 지속적으로 모니터링하고 예측하는 데 사용되는 지표로, 시스템 개발 리스크를 조기에 식별하고 관리하는 데 활용된다. 이러한 측정 지표는 예측 차이나 실측 차이를 바탕으로 비교 분석할 수 있으며, 시스템 개발 단계에서 시스템의 위험 요인에 대한 조기 탐지와 개선 대책의 선제 적용이 가능하도록 지원한다. 이는 곧 사업의 비용 효율성 제고와 일정 준수에 기여하며, 전체 수명주기 동안 긍정적인 영향을 유도할 수 있다.  <그림 2>는 ISO/IEC 15288의 V-모델과 아키텍처적 측정 지표가 어떻게 연계되는지를 보여준다. 요구사항 도출과 검증, 설계와 확인 간의 대응 관계를 통해 아키텍처적 활동이 체계적으로 연결되며, 수명주기 전체에서 MOE, MOP, TPM이 통합적으로 작동하여 아키텍처적 리스크를 관리하고 시스템의 성공적인 구현을 가능하게 한다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   생성형 AI 에이전트는 목표 달성을 위해 세상을 관찰하고 스스로 행동하는 자율적인 애플리케이션으로, 행동과 의사결정을 위한 인지 아키텍처를 갖추고 있다. 이번 호에서는 오픈소스 AI 에이전트인 오픈마누스(OpenManus)를 통해 AI 에이전트의 동작 메커니즘이 어떻게 구현되는지 분석해 본다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/ GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   최근 AI 에이전트 기술이 크게 발전하고 있다. 구글의 에이전트 백서를 보면, 생성형 AI 에이전트는 목표 달성을 위해 세상을 관찰하고 스스로 행동하는 자율적인 애플리케이션으로 설명한다. 명시적인 지시가 없어도 스스로 판단하고 능동적으로 목표에 접근할 수 있다. 이러한 에이전트는 행동과 의사결정을 위한 인지 아키텍처를 갖추며, 핵심 구성 요소는 <그림 1>과 같이 사용자 입력에 대한 추론 역할을 하는 모델(보통은 GPT와 같은 LLM), 입력에 대해 필요한 기능을 제공하는 도구(tools), 그리고 어떤 도구를 호출할지 조율하는 오케스트레이션의 세 가지로 이루어진다.   그림 1. AI 에이전트의 구성 요소(Agents, Google, 2024)   이번 호에서는 AI 에이전트의 동작 메커니즘을 분석하기 위한 재료로, 딥시크(DeekSeek)와 더불어 관심이 높은 마누스(Manus.im)에서 영감을 받아 개발된 오픈마누스(OpenManus) 오픈소스 AI 에이전트를 활용하겠다. 오픈마누스는 메타GPT(MetaGPT)라는 이름으로 활동 중인 중국인 개발자가 공개한 AI 에이전트이다. 개발자는 오픈마누스가 연결된 다양한 도구를 LLM으로 조율하고 실행할 수 있다고 주장하고 있다. 깃허브(GitHub) 등에 설명된 오픈마누스는 다음과 같은 기능을 지원한다. 로컬에서 AI 에이전트 실행 여러 도구 및 API 통합 : 외부 API, 로컬 모델 및 자동화 도구를 연결, 호출 워크플로 사용자 지정 : AI가 복잡한 다단계 상호 작용을 효율적으로 처리 여러 LLM 지원 : 라마(LLaMA), 미스트랄(Mistral) 및 믹스트랄(Mixtral)과 같은 인기 있는 개방형 모델과 호환 자동화 향상 : 내장 메모리 및 계획 기능을 통해 코딩, 문서 처리, 연구 등을 지원   <그림 2>는 이 에이전트가 지원하는 기능 중 일부이다. 프롬프트 : “Create a basic Three.js endless runner game with a cube as the player and procedurally generated obstacles. Make sure to run it only in browser. If possible also launch it in the browser automatically after creating the game.”   그림 2   오픈마누스는 이전에 중국에서 개발된 마누스에 대한 관심을 오픈소소로 옮기는 데 성공했다. 오픈마누스는 현재 깃허브에서 4만 2000여 개의 별을 받을 정도로 관심을 받고 있다.    그림 3. 오픈마누스(2025년 4월 기준 42.8k stars)   필자는 오픈마누스에 대한 관심이 높았던 것은 구현된 기술보다는 에이전트 분야에서 크게 알려진 마누스에 대한 관심, 오픈소스 버전의 AI 에이전트 코드 공개가 더 크게 작용했다고 생각한다. 이제 설치 및 사용해 보고, 성능 품질을 확인해 보자. 그리고 코드 실행 메커니즘을 분석해 본다.    오픈마누스 설치 개발 환경은 이미 컴퓨터에 엔비디아 쿠다(NVIDIA CUDA), 파이토치(PyTorch) 등이 설치되어 있다고 가정한다. 이제, 다음 명령을 터미널에서 실행해 설치한다.   conda create -n open_manus python=3.12 conda activate open_manus git clone https://github.com/mannaandpoem/OpenManus.git cd OpenManus pip install -r requirements.txt playwright install   오픈마누스가 설치하는 패키지를 보면, 많은 경우, 기존에 잘 만들어진 LLM, AI Agent 라이브러리를 사용하는 것을 알 수 있다. 여기서 사용하는 주요 라이브러리는 다음과 같다.  pydantic, openai, fastapi, tiktoken, html2text, unicorn, googlesearch-python, playwright, docker     ■ 자세한 기사 내용은 PDF로 제공됩니다.

실시간 3D 엔진을 활용해 더욱 현실적인 시뮬레이션 구축   시뮬레이션은 어느새 산업에서 반드시 거쳐야 하는 단계로 자리잡았다. 이번 호에서는 자율주행 시뮬레이터 기술을 개발하는 모라이(MORAI)의 모라이 시뮬레이션 플랫폼(MORAI Simulation Platform)을 소개한다. ■ 자료 제공 : 유니티 코리아     모라이 시뮬레이션 플랫폼 모라이는 주로 ‘디지털 트윈’, ‘개발 도구’, ‘검증 도구’로 불리는 시뮬레이션 툴을 통해 자율주행 기술의 안전성과 신뢰성을 검증한다. 실제 도로에서 발생할 수 있는 다양한 돌발 상황을 가상화한 환경에서 테스트하고 개발함으로써, 실제 도로에서의 복잡하고 위험한 테스트를 대신할 수 있다. 이를 통해 개발자는 안전하고 효율적으로 자율주행 시스템을 검증하고 개선할 수 있다. 모라이에서 개발한 모라이 시뮬레이션 플랫폼은 자율주행, 자율 비행 등 자율 이동체를 테스트하고 개발할 수 있는 종합적인 미래 모빌리티 시뮬레이터이다. 이 솔루션은 자율주행 자동차, UAM(도심 항공 모빌리티), 무인 로봇, 무인 선박 등 다양한 차세대 모빌리티 산업에 적용되며, 자율주행 상용화를 가속화하는 핵심 가상 검증 플랫폼으로 주목받고 있다.   유니티를 도입하게 된 이유 유니티의 강력한 기능과 사용자 친화적인 인터페이스 덕분에, 짧은 시간 내에 모라이가 원하는 가상 환경 및 시뮬레이터를 개발할 수 있었다. 이는 특히 프로젝트의 초기 단계에서 도움이 되었다. 유니티를 통해 현실적이고 정교한 3D 시뮬레이션 환경을 구현함으로써, 자율주행 기술의 테스트와 검증 과정을 더욱 효율적이고 안전하게 수행할 수 있는 기능을 개발할 수 있었다. 이와 함께, 유니티의 커뮤니티와 풍부한 리소스는 문제 해결과 기술 향상에 도움이 되었다. 다양한 예제와 튜토리얼을 통해 개발자들이 빠르게 학습하고, 프로젝트에 필요한 기능을 구현할 수 있었다. 결과적으로, 유니티 도입 이후 모라이는 프로젝트의 개발 속도와 품질을 높였으며, 더 나은 자율주행 시뮬레이션 환경을 제공할 수 있게 되었다.   플랫폼 구성 요소 기본적으로 가상 환경을 렌더링하고 사용자 인터페이스를 제공하는 베이스 플랫폼(Base Platform)이 중심을 이룬다. 이 베이스 플랫폼 위에 다양한 모듈이 결합되어, 정밀하고 현실적인 시뮬레이션 환경을 구현한다. 첫 번째로 정밀 지도 도로 모듈이 있다. 이 모듈은 실제 도로와 동일한 환경을 가상으로 재현하며, 자율주행 차량이 운행할 수 있는 도로 네트워크를 제공한다. 이를 통해 현실적인 도로 상황에서의 테스트와 검증이 가능하다.  두 번째로 차량 동역학(Vehicle Dynamics) 모듈이 있다. 이 모듈은 차량의 물리적 특성과 동역학을 시뮬레이션하여, 다양한 운전 조건에서 차량의 반응을 정확하게 모델링한다. 이를 통해 차량의 주행 성능과 안전성을 평가할 수 있다. 세 번째로 센서 모델(Sensor Model) 모듈이 있다. 이 모듈은 자율주행 차량에 장착된 다양한 센서의 데이터를 시뮬레이션한다. 카메라, 라이다, 레이더 등의 센서가 실제 환경에서 어떻게 작동하는지를 가상으로 재현하여, 센서의 정확도와 신뢰성을 검증할 수 있다. 네 번째로 교통 모델(Traffic Model) 모듈이 있다. 이 모듈은 다양한 교통 상황을 시뮬레이션하여, 자율주행 차량이 실제 도로에서 마주할 수 있는 다양한 교통 상황을 가상으로 재현한다. 이를 통해 교통 혼잡, 돌발 상황, 보행자와의 상호작용 등을 테스트할 수 있다. 마지막으로 인터페이스(Interface) 모듈이 있다. 이 모듈은 외부 시스템과의 연동을 가능하게 하여, 다양한 테스트 시나리오와 데이터를 효율적으로 관리하고 분석할 수 있게 한다. 이를 통해 개발자가 자율주행 시스템을 더 효과적으로 개발하고 검증할 수 있다. 이 모든 구성 요소가 결합되어, 모라이 시뮬레이션 플랫폼은 자율주행 시스템의 개발, 테스트, 검증을 위한 강력한 도구로서의 역할을 수행한다.     가상환경과 현실의 차이를 최소화하기 위한 노력 모라이가 시뮬레이션 플랫폼을 구축하면서 가장 신경 썼던 부분은 현실과의 차이를 최소화하는 것이었다. 이를 위해 고충실도 시뮬레이션 환경을 제공하고, 실제 지도 데이터, 교통 데이터, 센서 데이터를 기반으로 가상과 실제 환경의 갭을 최소화하는 데 집중했다. 이를 위해 자율주행차가 실제 도로에서 맞닥뜨릴 수 있는 거의 모든 상황을 가상 환경에서 묘사할 수 있도록 다양한 요소 기술을 개발하고 있다. 이는 사람이 실제 도로에 나가지 않더라도 최대한 많은 테스트를 할 수 있도록 하기 위한 것이다. 예를 들어, 보행자 충돌 위험성 등 실제 도로에서 검증하기 어려운 시나리오를 수만 번 반복하여 테스트할 수 있다. 이를 통해 자율주행 개발 기업과 연구원들은 더욱 신뢰성과 안전성을 갖춘 검증을 할 수 있다. 또한, 가상과 실제 환경이 직접적으로 연계될 수 있도록 설계했다. 시뮬레이션이 실제 환경의 데이터와 상호작용할 수 있도록 하여, 개발자들이 현실적인 조건에서 자율주행 시스템을 테스트하고 개선할 수 있게 했다. 이와 같은 접근 방식은 실제 도로에서 발생할 수 있는 다양한 상황을 사전에 예측하고 대응하는 데 도움이 된다.   모라이 시뮬레이션 플랫폼에 대한 고객의 니즈 우선 고객사들은 현실적인 그래픽과 정밀한 도로 환경을 원했다. 자율주행 차량은 다양한 도로 상황과 환경에서 운행되므로, 시뮬레이터가 실제 도로와 유사한 환경을 재현해야 한다. 이를 통해 개발자는 도시, 고속도로, 교외 지역 등 다양한 도로 상황에서 자율주행 시스템의 성능을 테스트할 수 있다. 또한 다양한 교통 상황과 돌발 상황을 시뮬레이션할 수 있어야 했다. 교통 혼잡, 보행자와의 상호작용, 돌발적인 장애물 등 실제 도로에서 발생할 수 있는 모든 상황을 가상 환경에서 재현하여, 자율주행 시스템이 어떻게 대응하는지 평가할 수 있어야 한다. 아울러, 고객사들은 다양한 센서 데이터를 필요로 했다. 자율주행 차량은 카메라, 라이다, 레이더 등의 센서를 통해 주변 환경을 인식하기 때문에, 시뮬레이터는 이러한 센서의 데이터를 정확하게 생성하고, 실제 환경에서의 센서 성능을 재현할 수 있어야 한다.   개발 시 어려웠던 점과 해결 방법 자율주행 시뮬레이터를 개발하는 것은 다양한 기술을 통합해야 하기 때문에 많은 어려움이 따른다. 기본적으로 3D 엔진에 대한 이해도가 필요하며, 그 위에 올라가는 센서, 차량 동역학, 통신 등 각각의 모듈에 대한 깊은 이해와 적절한 통합 과정이 필요하다. 이 과정에서 각 개발자의 이해도와 전문 분야가 다르기 때문에, 이를 하나의 시뮬레이터로 통합하는 것이 가장 어려운 부분이었다. 다행히, 유니티는 이러한 다양한 요소들을 모두 통합할 수 있는 개발 환경을 제공했다. 각 모듈 개발자들이 개발할 때마다 바로 결과를 확인할 수 있었고, 다른 모듈에 대한 이해도를 높일 수 있었다. 이를 통해 각 모듈이 전체 시스템에 어떤 영향을 미치는지 파악할 수 있었고, 빠르게 개발을 진행할 수 있었다. 또한, SDV(Software Defined Vehicle : 소프트웨어 정의 차량)와 UAM 등의 복잡한 시뮬레이션 환경을 구축하는 데 있어서도 유니티의 유연한 개발 환경이 도움이 되었다. 유니티의 그래픽 엔진과 실시간 데이터 처리 능력을 활용하여 현실과 유사한 고충실도의 시뮬레이션 환경을 구현할 수 있었고, 이를 통해 다양한 테스트와 검증을 효율적으로 수행할 수 있었다.     모라이의 목표 모라이는 자율주행 시뮬레이션 시장에서 개발뿐만 아니라 검증과 인증까지 가능한 시뮬레이터를 제공하고자 한다. 앞서 설명한 대로 개발자들이 손쉽게 사용할 수 있는 가상 공간과 시뮬레이션 도구를 공급하여, 이 툴을 기반으로 빠르게 기술을 개발하고 정량적으로 시험 평가할 수 있도록 하는 것이 모라이의 목표이다. 또한, 모라이는 고객이 많은 노력을 들이지 않아도 바로 이해하고 현업에 적용할 수 있는 개발 도구를 제공하는 것을 중요하게 생각하고 있다. 이를 통해 고객은 복잡한 설정이나 학습 없이도 자율주행 기술을 개발하고 테스트할 수 있게 된다.  궁극적으로는 자율주행 자동차, UAM, 무인 로봇, 무인 선박 등 모든 무인 이동체의 기술 개발 및 통합 검증에 사용되는 도구가 되는 것이 모라이의 목표이다.  모라이의 공동설립자인 홍준 CTO는 “이 과정에서 유니티는 핵심 개발 도구로서 중요한 역할을 하고 있다. 유니티의 강력한 3D 엔진과 사용자 친화적인 인터페이스 덕분에 우리는 고품질의 시뮬레이션 환경을 빠르게 개발할 수 있다. 또한, 유니티의 지속적인 기술 지원과 업데이트는 우리가 최신 기술을 빠르게 도입하고, 고객의 요구에 맞는 기능을 신속하게 제공하는 데 큰 도움이 된다”고 전했다.     ■ 기사 내용은 PDF로도 제공됩니다.

AI와 산업 전문성 결합해 클라우드 기반 제조 혁신 도울 것   여러 산업에서 확산되고 있는 클라우드 컴퓨팅이 제조 산업에서도 본격화될 것으로 보인다. 이를 겨냥해 아마존웹서비스(AWS)는 제조 산업의 클라우드 가치 제공을 본격화하고 있다. 한편, 에티버스는 지난 3월 25일 ‘2025 제조 고객을 위한 AWS 파트너 클라우드 설루션 콘퍼런스’를 주최했다. 이 콘퍼런스에서는 AWS를 비롯해 국내 파트너사들이 참가해 국내 제조 산업을 대상으로 클라우드 기술이 어떤 가치를 제공할 수 있는지와 구체적인 적용 방안 등이 소개됐다. AWS의 황민선 ENT-MFG&SNE(서비스 앤 에너지) 산업 담당 파트너 세일즈 매니저와 에티버스의 김준성 클라우드플랫폼 사업본부 전무로부터 국내 클라우드 시장의 동향 및 전망부터 제조 산업을 겨냥한 클라우드 전략까지 들어보았다. ■ 정수진 편집장    ▲ AWS 황민선 ENT-MFG&SNE 산업 담당 파트너 세일즈 매니저   ▲ 에티버스 김준성 클라우드플랫폼 사업본부 전무   에티버스는 어떤 기업인지 소개한다면 ■ 김준성 : 에티버스는 지난 1993년 영우컴퓨터라는 사명으로 설립되어 30여년간 글로벌 IT 공급사와의 협업을 통해 IT 토털 설루션 공급사로서 영업을 지속해 왔으며, 시스템 구축, 유지보수, 설루션 개발은 물론 빅데이터, AI, 클라우드 등 4차 산업혁명의 핵심 기술에 집중하여 미래의 IT 비즈니스의 중심이 되고자 노력하고 있다. 또한, 에티버스는 2022년 한국에서 유일하게 AWS와 디스트리뷰터 계약을 맺고 다양한 파트너와 고객들의 클라우드 여정을 돕고 있으며, 이를 위해 400개가 넘는 파트너와 협업 관계를 구축하여 각 산업 전반에 걸쳐 클라우드와 AI 생태계 확산을 돕고 있다.   클라우드 기술 기업으로서 AWS가 최근 중점을 두고 있는 부분이 있다면 어떤 것인지 ■ 황민선 : AWS는 제조 산업에 대한 다양한 지원을 통해 고객사의 디지털 혁신을 가속화하는 데에 중점을 두고 있다. 특히 주력하는 부분은 생성형 AI를 실제 현장에 적용해 비즈니스 성과를 만들어 내는 것이다. 이번 클라우드 설루션 콘퍼런스에서도 확인했듯이, 제조 기업들은 생성형 AI에 가장 높은 관심을 보이고 있으며, 실제로 품질 관리, 예측 정비, 공정 최적화 등 다양한 영역에서 활용하고 있다. 또한 AWS 기반의 전문 파트너사 설루션을 통한 산업 전문성 강화도 중요한 부분이다. AWS는 제조 산업에 특화된 전문 파트너들과 협력하여, 고객들이 현장에서 즉시 활용할 수 있는 설루션을 제공하고 있다. 더불어 스마트 매뉴팩처링의 확산도 핵심적인 중점 분야이다. 데이터 기반의 의사결정, IoT 기술을 활용한 실시간 모니터링, AI/머신러닝을 통한 공정 최적화 등을 통해 제조 현장의 디지털 전환과 혁신을 지원하고 있다. 이러한 노력의 실효성은 이번 콘퍼런스 결과를 통해서도 확인할 수 있었다. 88건의 현장 고객 미팅과 설문에서 31%의 고객이 1년 내 클라우드 도입 계획을 밝혔는데, 이는 AWS의 제조 산업 혁신 전략이 시장의 니즈와 정확히 일치한다는 것을 보여준다.   다른 산업과 비교할 때, 클라우드가 제조 산업에 제공할 수 있는 핵심 가치는 무엇이라고 보는지 ■ 김준성 : 클라우드는 기본적으로 비용 절감, 신속함, 유연성과 확장성을 핵심 가치로 보고 있는데, 제조 산업이야 말로 앞에서 얘기하는 세 가지 부분이 가장 중요하게 고려되어야 하는 산업 영역이라고 생각한다. 우선, 생산과 비용 절감은 뗄 수 없는 부분이다. 가장 효율적인 공정을 통해 생산 단가를 낮춰야 고객에게 판매할 수 있는 기본적인 경쟁력을 제공할 수 있다. 두 번째로, 고객의 요구가 급변하는 지금의 현대 사회에서 신속하고 경제적인 생산 공정이야 말로 제조업에서 가장 중요시하는 혁신 가치 중 하나라고 생각한다. 마지막으로 유연성과 확장성 역시 설명할 필요도 없이 클라우드와 제조 산업이 공유하고 있는 핵심 가치로서, 시장의 요구에 발 빠르게 대응하고 적재적소에 필요한 제화를 공급하기 위해 반드시 이루어야 하는 중요 포인트라고 할 수 있다. ■ 황민선 : 제조 산업에서 클라우드의 핵심 가치는 기업의 규모와 관계 없이 혁신을 빠르고 대규모로 가속화할 수 있다는 것이다. 과거에는 대기업만이 도입할 수 있었던 첨단 기술을 이제는 중소 제조기업도 클라우드를 통해 손쉽게 활용할 수 있게 되었다. 특히 생성형 AI나 디지털 트윈과 같은 첨단 기술을 필요한 만큼만 사용할 수 있게 된 것이 큰 변화이다. 주목할 만한 점은 비즈니스 리더들의 참여가 크게 늘어났다는 것이다. 얼리 어댑터와 IT 전문가를 넘어, 이제는 제조 현장의 비즈니스 리더들이 클라우드 기술을 활용하기 시작했다. 공장과 연구소의 현업 전문가들이 직접 클라우드 기술을 산업 현장에 적용하면서, 더욱 실질적인 혁신이 가능해졌다. 특히 글로벌 경쟁력 강화 측면에서 클라우드의 가치가 더욱 부각되고 있다. 클라우드를 통해 제조기업들은 설계와 생산 단계에서 글로벌 협업을 강화하고, 글로벌 공급망에 더욱 유연하게 대응할 수 있게 되었으며, 불확실한 경영 환경에서 민첩성과 회복력을 높이는 핵심 요소가 되고 있다.   제조 산업에서 클라우드의 가치를 실현하기 위해서 필요한 방법론 또는 접근방법은 무엇인지 ■ 황민선 : 제조 산업의 클라우드 가치 실현을 위해서는 ‘산업 전문성’과 ‘기술 혁신’이 조화를 이루는 것이 핵심이다. AWS는 이를 위해 크게 세 가지의 차별화된 접근 방식을 제시하고 있다. 첫째, 산업 데이터 패브릭(Industry Data Fabric : IDF) 접근 방식이다. 제조 기업들이 직면한 가장 큰 과제 중 하나는 데이터의 통합과 활용이다. AWS의 IDF는 제조 현장의 OT 데이터부터 엔터프라이즈 IT 데이터까지 통합하여, 실시간 분석과 의사결정을 가능하게 한다. 둘째, 강력한 파트너 생태계 기반의 산업 특화 설루션이다. AWS는 제조 산업의 다양한 워크로드에 특화된 파트너들과 협력하여 검증된 설루션을 제공한다. 셋째, 실질적인 구현을 위한 단계별 접근 방식이다. AWS는 고객들이 작은 시작부터 큰 성과까지 달성할 수 있도록 체계적인 지원을 제공한다. 앞으로도 AWS는 고객들이 작은 시작부터 큰 성과까지 달성할 수 있도록 체계적인 지원을 제공할 것이다. PoC(개념 증명)를 통한 기술 검증, 전문가 1:1 상담, 다양한 교육 프로그램 등을 통해 고객들의 성공적인 클라우드 여정을 지원할 계획이다. ■ 김준성 : 단순히 클라우드로 IT 자원을 마이그레이션하는 것보다 여러 가지 현재 상황에 대한 분석을 통해 보다 효율적이고 효과적인 전환이 필요하다고 생각한다. 몇 가지 단계를 생각해 본다면, 첫 번째로 명확한 목표에 대한 설정이 필요하다. 비용 절감, 생산성 향상, 시장 경쟁력 강화, 혁신 가속화 등 클라우드 도입을 통해 달성하고자 하는 구체적인 비즈니스 목표를 명확히 설정해야 한다. 정확한 목표가 정해지면 현재 가지고 있는 자원에 대한 분석이 필요하다. 현재 IT 인프라, 애플리케이션, 데이터, 보안 현황 등등을 정확하게 파악하여 클라우드 마이그레이션 전략을 수립해야 한다. 이를 통해 클라우드 마이그레이션을 어떤 설루션을 써서 할 것인지, 기간은 어느 정도 할 것인지 등을 특정해야 한다. 정확한 파악이 끝났다면 이번 일을 가장 잘 수행할 수 있다고 판단되는 클라우드 서비스 제공업체의 클라우드 도입 지원을 받는 것이 중요하다. 이를 통해 클라우드 마이그레이션, 관리, 보안 등 다양한 서비스를 제공 받고, 처음에 설정했던 목표와 어느정도 부합하는지에 대해 상호 검증을 통해 클라우드 전환을 성공적으로 마무리 할 수 있다고 생각한다. 에티버스는 AWS의 유일한 디스트리뷰터 파트너로서 현재 AWS 클라우드 마이그레이션 관련 협업을 하고 있는 IT 파트너가 400곳이 넘는다. 또한, 각 파트너들이 공공, 의료, 유통, 제조 등 산업 전 분야에 걸쳐 전문성을 가지고 사업을 영위하고 있으며 특히, 제조 분야에 AI를 접목하여 고객의 요구를 반영하여 클라우드 전환을 이루고 있다.   국내 제조 산업의 클라우드 활용과 관련한 주요한 흐름은 어떤지 ■ 황민선 : 국내 제조 산업의 클라우드 활용은 매우 중요한 전환점을 맞이하고 있다. 특히 세 가지 주목할 만한 트렌드가 나타나고 있다. 첫째, 생성형 AI를 중심으로 한 혁신 가속화이다. 산업통상자원부의 ‘AI 자율제조 전략’에서도 볼 수 있듯이, 2030년까지 AI 자율제조 30% 확산과 제조 생산성 20% 향상을 목표로 하고 있다. 실제로 두산로보틱스나 HL만도와 같은 기업은 이미 생성형 AI를 활용해 실질적인 성과를 창출하고 있다. 둘째, 비즈니스 리더 주도의 클라우드 도입이다. 과거 IT 인프라 담당자나 개발자 중심의 클라우드 도입에서, 이제는 현업 부서장과 경영진이 직접 클라우드 기술 도입을 주도하는 방향으로 변화하고 있다. 특히 제조 현장의 실무 전문가들이 클라우드 기술을 활용하여 혁신을 이끌어내고 있다. 셋째, 산업 특화 설루션의 확산이다. AWS는 제조 산업에 특화된 파트너 설루션 맵을 구축하고, 다섯 가지 핵심 영역(스마트 제조, 엔지니어링 & 설계, 스마트 제품 & 서비스, 공급망, 지속가능성)에서 전문 파트너들과 협력하고 있다. ■ 김준성 : 많은 고객들, 특히 제조 산업 분야에서의 클라우드 활용은 초기 단계를 넘어 본격적인 확산기에 접어들었다고 판단되나, 여전히 여러 문제로 인해 어려움을 겪고 있다. 특히 보안 관련 문제나, 오래된 레거시 시스템의 마이그레이션 및 이를 수행할 인력 부족 등의 문제로 인해 아직도 클라우드 전환을 망설이거나 시간이 오래 걸리는 고객이 적지 않은 것이 현실이다. 그럼에도 불구하고 제조 현장에서도 AI를 접목해서 생산 현장을 혁신하고 클라우드를 활용하여 신속성을 높이는 노력을 많은 곳에서 진행 중이다. 에티버스는 산업에 유익하고 필요한 AWS 파트너를 발굴하고, 그들이 고객과의 협업을 통해 빠르고 효과적인 클라우드 전환을 지원하게끔 돕는 역할을 해 나가고 있다. 또한, AI를 활용한 클라우드 서비스의 확산이 일어나고 있는데, 고객의 다양한 요구를 수용하기 위해 클라우드 생태계의 지속 확장을 통해 이를 뒷받침할 수 있는 여러 설루션의 소개와 구축에 최선을 다할 예정이다.   제조 산업의 클라우드 활용 사례에 대해서 소개한다면 ■ 김준성 : 구체적인 사례를 소개하자면, 생산 현장에서 여러 IoT 센서를 활용해 데이터를 클라우드로 수집, 분석하여 예지 보전, 생산 최적화, 품질 관리 향상 등을 추진함으로써 스마트 공장으로 전환하거나, 제조 공정을 가상화하여 시뮬레이션하고 최적화하는 디지털 트윈 기술을 통해 새로운 공정 도입 전에 시뮬레이션을 통해 위험을 최소화하고, 운영 효율을 높이는 사례가 있다. 또한, 클라우드 기반 SaaS(서비스형 소프트웨어)를 활용하여 ERP, CRM 등의 시스템을 도입하고, 비용 효율적인 IT 운영을 추구함으로써 생산성 향상 및 비용 절감 효과를 얻는 사례가 늘고 있다. ■ 황민선 : 예를 들어, 두산로보틱스는 생성형 AI를 활용해 로봇 제조 과정을 최적화했으며, HL만도는 소프트웨어 엔지니어링 효율을 30% 개선한 사례가 있다. 또한 BMW는 아마존Q 인 퀵사이트(Amazon Q in QuickSight)를 도입해 공급망 분석 시간을 대폭 단축하고 의사결정을 가속화했다. 이러한 사례는 AWS의 기술력과 파트너의 산업 전문성이 결합될 때 실질적인 성과를 창출할 수 있다는 것을 보여준다. 한국 제조 기업들도 이러한 접근 방식을 통해 클라우드를 활용한 실질적인 혁신을 실현하고 있으며, AWS는 앞으로도 파트너 생태계와 함께 국내 제조 산업의 디지털 전환과 글로벌 경쟁력 강화를 적극 지원하고자 한다.   최근 진행한 ‘AWS 파트너 클라우드 설루션 콘퍼런스’는 어떤 행사이고, 이를 통해 기대하는 효과는 무엇인지 ■ 황민선 : 이번 ‘AWS 파트너 클라우드 설루션 콘퍼런스’는 제조 산업의 새로운 도약을 위한 실질적인 설루션과 고객 사례를 제공하고자 마련되었다. 특히 주목할 점은, 제조 현장의 실무 전문가들이 IT나 클라우드 전문 인력의 도움 없이도 신기술을 빠르게 도입하고 활용할 수 있도록 지원하는 데 중점을 두었다는 것이다. 행사는 크게 세 가지의 차별화된 프로그램으로 구성했다. 먼저 C-레벨 조찬 세미나를 통해 경영진이 클라우드 전환의 비전과 전략을 공유할 수 있는 기회를 제공했다. 또한 스마트 제조, 엔지니어링 & 설계, 데이터 분석 & 생성형 AI 등 세 개의 전문 트랙을 통해 각 영역별로 심도 있는 기술 및 구현 사례를 공유했다. 특히 1:1 비즈니스 미팅을 통해 개별 고객별 맞춤 설루션을 AWS 및 AWS 파트너사와 함께 상담 받을 수 있는 기회도 마련했다. 행사를 통해 제조 기업이 클라우드를 통한 혁신의 구체적인 청사진을 그릴 수 있게 되었다고 본다. 특히 실제 구현 사례와 전문가 상담을 통해 자사에 맞는 최적의 설루션을 찾고, AWS의 다양한 파트너 프로그램, 예를 들어 PoC 지원 프로그램을 통해 실제 검증 단계로 신속하게 진입할 수 있는 기회를 제공하고자 했다. ■ 김준성 : ‘AWS 파트너 클라우드 설루션 콘퍼런스’는 아직 클라우드로 전환하지 못한 제조 현장의 고객이나, 클라우드 도입은 하였지만 아직 AI 관련 서비스라든지 클라우드의 활용도가 떨어지는 분들을 위해 보다 더 많은 정보를 제공하기 위해 마련되었다. 이번 콘퍼런스에서는 기술적인 발전은 물론 여러 도입 사례에 대한 발표와 더불어 향후 기대되는 발전 방향에 대해서도 고객들에게 알리는 자리를 마련했다. 정보 획득과 더불어 아직 클라우드 전환이 안된 고객들은 빠르고 효과적인 전환을, 새로운 AI 서비스 도입을 통해 더 나은 혁신이 필요한 고객에게는 그에 맞는 시스템을 구축하는데 도움이 되었기를 바란다.      ■ 기사 내용은 PDF로도 제공됩니다.

유니티가 지난 4월 15일 글로벌 개발자 콘퍼런스인 ‘유나이트 서울 2025’를 진행했다. 2900여 명의 국내외 개발자 및 게임 업계 종사자들이 참석한 이번 행사에서 유니티는 자사의 최신 기술과 실제 적용 사례 등을 소개했다. 또한, 콘텐츠 개발을 위한 AI(인공지능) 비전과 비 게임 분야의 산업 시장을 겨냥한 전략도 밝혔다. ■ 정수진 편집장     개발 효율 향상과 커뮤니티 지원에 중점 두고 기능 개발 유니티 코리아 송민석 대표이사는 “지난 몇 년간 개발자 커뮤니티는 기술의 변화, 시장의 변화, 창작 과정의 어려움 등 많은 도전을 겪었지만, 그 과정에서 늘 새로운 가능성을 발견했다. 유니티 역시 그동안 많은 변화가 있었고, 개발자들의 격려와 조언이 큰 힘이 됐다”면서, “이번 유나이트에서는 개발자를 위한 생존 전략, 크리에이터 세션, 국내외 유니티 전문가의 기술 세션 및 다양한 산업에서 적용 가능한 기술과 사례를 제공하면서, 사용자의 프로젝트에 도움이 되고 영감을 주는 기회를 마련하고자 했다”고 전했다. 유나이트 서울 행사를 위해 처음으로 한국을 찾은 유니티의 맷 브롬버그(Matt Bromberg) CEO는 “한국은 유니티의 역사에서 매우 특별한 위치를 차지한다. 한국 개발자들이 만든 혁신적인 게임은 유니티의 가능성을 잘 보여줬다. 모바일뿐 아니라 최근 PC와 콘솔로까지 확대되는 한국 게임 개발자들의 새로운 도전은 전 세계적으로 주목받고 있다”면서 성능, 안정성, 크로스 플랫폼 지원을 더욱 강화하면서 개발자와 커뮤니티의 좋은 파트너가 되고자 한다고 밝혔다. 최신 버전인 유니티 6.1에서는 VRS(가변 레이트 셰이딩), GPU 처리 시간을 단축해 CPU 성능과의 균형을 유지하는 디퍼드+(Deffered+), 벌칸 디바이스 필터링 등의 기능을 통해 퍼포먼스 향상이 이뤄졌다. 한편, 유니티는 올해 다양한 새 기술과 고성능 기능을 제공하는 동시에 엔진의 근본적인 기술도 현대화할 예정이다. 그리고 엔진의 핵심 소스 코드에 닷넷(.NET) 프레임워크와 ECS(Entity Component System)를 적용하여 성능을 극대화하며, 콘텐츠 파이프라인도 현대화하여 개발자들이 더 빠르게 개발하고 반복 작업을 최소화할 수 있도록 지원할 계획이다. 브롬버그 CEO는 향후 개발 방향과 관련해서 새 업데이트를 출시 전 실제 환경에서 테스트한 후 제공할 것이며, 유니티 에디터 내에서 AI를 활용한 게임 개발을 지원하는 등 개발 효율을 높일 계획이라고 소개했다.   ▲ 유니티 맷 브롬버그 CEO   게임 개발 프로젝트에서 기술 검증 후 출시 전략 이와 관련해서 유니티의 애덤 스미스(Adam Smith) 엔진 부문 프로덕트 수석 부사장이 조금 더 자세히 설명했다. 그는 “유니티가 게임 개발자들로부터 가장 많이 받은 피드백은 플레이어의 경험이 더 안정적이고 뛰어나야 한다는 것이었다. 또한 개발 과정이 보다 빠르고 효율적이길 원했고, 복잡한 라이브 게임 개발에서 겪는 여러 문제들을 해결해 달라는 요청이 많았다”고 전했다. 이에 대응하기 위해 유니티는 ‘프로덕션 검증(production verification)’이라는 테스트 방식을 도입했다. 이는 실제 게임 개발 프로젝트에 최신 기술을 적용하여 검증하는 방식인데, 유니티는 몇몇 게임사와 협력해 기술 성능과 빌드 성공률을 높였다. 한편, 유니티는 코나미와 협력해 닌텐도 스위치 2용 게임인 ‘서바이벌 키즈(Survival Kids)’의 개발 과정 전반에 유니티 6 엔진을 적용했으며, 궁극적으로 게임의 기획부터 개발, 광고를 통한 수익화까지 전체 수명주기를 포괄하는 기술을 제공한다는 포부를 밝히기도 했다. 스미스 수석 부사장은 “이러한 협업과 게임 개발 경험은 유니티가 자체 기술과 서비스, 툴을 실제 개발 환경에서 테스트하고, 모든 기능이 철저히 검증되고 안정화된 상태에서 전달될 수 있도록 하는 데 목적이 있었다. 특히 애니메이션 시스템, 물리 엔진, DOTS(Data-Oriented Technology Stack) 기능의 성능과 안정성을 크게 높여 커뮤니티에 제공할 수 있게 되었다”고 전했다.   ▲ 유니티의 임원진이 참가한 기자간담회   개별 설루션 대신 AI 데이터가 모이는 플랫폼 추구 스미스 수석 부사장은 게임 및 시각 콘텐츠 개발에서 빠르게 확산되고 있는 AI와 관련한 로드맵도 소개했다. 2025년 하반기에 출시될 유니티 6.2 버전에서는 에디터 내에 직접 프롬프트 기반의 워크플로(prompt-based workflows)를 통합할 계획이다. 스미스 수석 부사장은 “반복 업무가 자동화되어 개발자들의 작업 시간을 크게 줄일 수 있고, 코드 디버깅과 C# 코드 자동 생성 기능도 추가되어 더욱 효율적인 작업 환경을 제공할 것”이라고 밝혔다. 유니티의 AI 지향점은 개발자가 워크플로의 흐름에서 벗어나지 않고, 유니티 에디터 내에서 곧바로 AI 어시스턴트의 도움을 받을 수 있도록 한다는 것이다. 유니티의 플랫폼이 생성형 AI 데이터를 수집하는 중심이 될 수 있도록 하고, 코드, 텍스처, 애니메이션 등 AI로 생성된 다양한 애셋을 손쉽게 유니티 프로젝트에 통합하고 활용할 수 있는 프레임워크를 구축하고 있다는 것이 유니티의 설명이다. 스미스 수석 부사장은 “유니티의 기존 AI 설루션인 ‘뮤즈’나 ‘센티스’의 이름은 점차 쓰이지 않게 되고, 유니티 에디터 안에 AI를 자연스럽게 통합하는 방향으로 가게 될 것”이라고 전망했다.   산업 분야를 위한 실시간 시각화 및 데이터 활용 비전 소개 유니티는 게임, 비주얼 콘텐츠뿐 아니라 다양한 산업 영역으로 실시간 3D 시각화 기술을 확장하려는 노력을 기울이고 있다. 유니티 코리아의 민경준 인더스트리 사업 본부장은 “그 동안 산업 분야의 많은 기업이 제품 설계, 디자인, 제조부터 마케팅과 운영까지 정적인 3D 모델과 전통적인 워크플로에 의존해왔지만, 기술의 융합과 비즈니스의 디지털화가 빠르게 진행되면서 기업들이 일하는 방식, 클라우드 협업, 고객과의 상호작용 방식이 근본적으로 바뀌고 있다”고 전했다. 민경준 본부장은 이런 변화의 핵심 키워드로 ‘상호작용(interactive)’과 ‘몰입(immersive)’의 두 가지를 꼽았다. 두 가지 핵심 경험을 제공하는 기업만이 디지털 전환을 성공시킬 수 있다는 것이다. 그리고 이런 혁신이 가져올 수 있는 성과로 ▲고품질의 현실감 있는 3D 모델을 활용한 디자인과 프로토타이핑 과정의 간소화 ▲복잡한 3D 애셋과 설계 파일의 효율적인 최적화 및 생산 일정과 비용의 절감 ▲현실감 있는 시뮬레이션을 통해 위험도가 높은 산업군의 직원 교육의 빠르고 안전하며 효과적인 진행 ▲마케팅부터 판매까지 전 과정에서 인터랙티브 제품 구성 도구와 가상 경험으로 고객 전환율 향상 ▲모든 고객 접점에서 인터랙티브한 3D 경험을 적용해 참여도 향상 및 브랜드 차별화 실현 등을 소개했다.   ▲ 산업 분야에서 유니티의 혁신 성과   “몰입형 혁신은 리얼타임 3D를 기반으로 실현할 수 있다”고 짚은 민경준 본부장은 “연결(Connect), 개발(Create), 배포(Deploy) 등 세 가지 핵심 기능을 중심으로 하는 유니티의 산업용 설루션은 뛰어난 시각적 인터페이스를 제공하며, 많은 기업이 유니티를 활용하여 VR, AR, XR 애플리케이션, 제조 환경의 디지털 트윈, 고품질 프로덕트 컨피규레이터 등 다양한 핵심 애플리케이션을 개발하고 있다”고 전했다. 유니티는 차량용 인포테인먼트 시스템, 디지털 클러스터, 몰입형 UX(사용자 경험) 기반의 계기판, 디지털 미디어 시스템 등이 유니티로 제작되고 있다고 소개했다. 또한 현대자동차는 유니티 기반의 디지털 트윈 기술을 물류 및 스마트 공장 프로젝트에 적용하고 있으며, LG전자는 차량용 HMI 시스템을 유니티 기반으로 개발 중이다. 산업 분야의 데이터 활용에 대해 스미스 수석 부사장은 ‘애셋 매니저(Asset Manager)’라는 클라우드 기반 툴을 통해 다양한 산업용 데이터를 워크플로에 통합할 수 있도록 지원한다. 애셋 매니저는 데이터를 시각적으로 프리뷰하는 한편, 성능을 떨어뜨리지 않고 유니티 엔진에 적합한 형태로 변환할 수 있다. 이외에도 산업 시장을 위해 꾸준한 기술 개선 및 실무에 바로 적용 가능한 설루션을 선보일 것”이라고 밝혔다.       ■ 기사 내용은 PDF로도 제공됩니다.

엔비디아가 에이전트 기반 AI 플랫폼 개발을 가속화하고 기업의 생산성을 높이는 ‘엔비디아 네모 마이크로서비스(NVIDIA NeMo microservices)’를 정식 출시했다고 밝혔다. 이번에 정식 출시된 엔비디아 네모 마이크로서비스는 기업 IT 부서가 데이터 플라이휠(flywheel)을 활용해 직원 생산성을 높일 수 있는 AI 팀원을 빠르게 구축하도록 지원한다. 이 마이크로서비스는 엔드 투 엔드 개발자 플랫폼을 제공한다. 이 플랫폼은 최첨단 에이전틱 AI(Agentic AI) 시스템의 개발을 가능하게 하고, 추론 결과, 비즈니스 데이터, 사용자 선호도에 기반한 데이터 플라이휠을 통해 지속적인 최적화를 지원한다. 데이터 플라이휠을 통해 기업 IT 부서는 AI 에이전트를 디지털 팀원으로 온보딩할 수 있다. 이러한 에이전트는 사용자 상호작용과 AI 추론 과정에서 생성된 데이터를 활용해 모델 성능을 지속적으로 개선할 수 있다. 이를 통해 ‘사용’을 ‘인사이트’로, ‘인사이트’를 ‘실행’으로 전환할 수 있다.     데이터베이스, 사용자 상호작용, 현실 세계의 신호 등의 고품질 입력이 지속적으로 제공되지 않으면 에이전트의 이해력은 약화된다. 그 결과, 응답의 신뢰성은 떨어지고 에이전트의 생산성도 저하될 수 있다. 운영 환경에서 AI 에이전트를 구동하는 모델을 유지하고 개선하기 위해서는 세 가지 유형의 데이터가 필요하다. 인사이트를 수집하고 변화하는 데이터 패턴에 적응하기 위한 추론 데이터, 인텔리전스를 제공하기 위한 최신 비즈니스 데이터, 모델과 애플리케이션이 예상대로 작동하는지를 판단하기 위한 사용자 피드백 데이터가 그것이다. 네모 마이크로서비스는 개발자가 이 세 가지 유형의 데이터를 효율적으로 활용할 수 있도록 지원한다. 또한, 네모 마이크로서비스는 에이전트를 구동하는 모델을 선별하고, 맞춤화하며, 평가하고, 안전장치를 적용하는 데 필요한 엔드 투 엔드 툴을 제공함으로써 AI 에이전트 개발 속도를 높인다. 엔비디아 네모 마이크로서비스는 ▲대규모 언어 모델(LLM) 미세 조정을 가속화해 최대 1.8배 높은 훈련 처리량을 제공하는 네모 커스터마이저(Customizer) ▲개인과 산업 벤치마크에서 AI 모델과 워크플로의 평가를 단 5번의 API 호출로 간소화하는 네모 이밸류에이터(Evaluator) ▲ 0.5초의 추가 지연 시간만으로 규정 준수 보호 기능을 최대 1.4배까지 향상시키는 네모 가드레일(Guardrails)을 포함한다. 이는 네모 리트리버(Retreiver), 네모 큐레이터(Curator)와 함께 사용돼, 맞춤형 엔터프라이즈 데이터 플라이휠을 통해 AI 에이전트를 구축하고, 최적화하며, 확장하는 과정을 기업이 보다 수월하게 수행할 수 있도록 지원한다. 개발자는 네모 마이크로서비스를 통해 AI 에이전트의 정확성과 효율성을 높이는 데이터 플라이휠을 구축할 수 있다. 엔비디아 AI 엔터프라이즈(Enterprise) 소프트웨어 플랫폼을 통해 배포되는 네모 마이크로서비스는 온프레미스 또는 클라우드의 모든 가속 컴퓨팅 인프라에서 엔터프라이즈급 보안, 안정성, 지원과 함께 손쉽게 운영할 수 있다. 이 마이크로서비스는 기업들이 수백 개의 전문화된 에이전트를 협업시키는 대규모 멀티 에이전트 시스템을 구축하고 있는 현재 정식 출시됐다. 각 에이전트는 고유의 목표와 워크플로를 가지고 있으며, 디지털 팀원으로서 복잡한 업무를 함께 해결하며 직원들의 업무를 보조하고, 강화하며, 가속화한다. 엔비디아 네모 마이크로서비스로 구축된 데이터 플라이휠은 사람의 개입을 최소화하고 자율성을 극대화하면서 데이터를 지속적으로 선별하고, 모델을 재훈련하며, 성능을 평가한다. 네모 마이크로서비스는 라마(Llama), 마이크로소프트 파이(Microsoft Phi) 소형 언어 모델 제품군, 구글 젬마(Google Gemma), 미스트랄 등 폭넓은 인기 오픈 모델을 지원한다. 또한, 기업은 엔비디아 가속 인프라, 네트워킹, 그리고 시스코, 델, HPE, 레노버(Lenovo) 등 주요 시스템 제공업체의 소프트웨어를 기반으로 AI 에이전트를 실행할 수 있다. 액센츄어(Accenture), 딜로이트(Deloitte), EY를 비롯한 거대 컨설팅 기업들 역시 네모 마이크로서비스를 기반으로 기업용 AI 에이전트 플랫폼을 구축하고 있다.

오토코더 지음 / 22000원 / 위즈앤북   업무 효율성을 높이고 싶은 직장인, 실무에 바로 적용 가능한 파이썬 자동화 기술을 배우고 싶은 초보 개발자에게 안성맞춤인 책이 출간됐다. 『50개의 프로젝트로 완성하는 파이썬 업무 자동화 + 챗GPT/Copilot/Gemini』는 다양한 실전 예제를 통해 코딩에 익숙하지 않은 사람도 바로 실습할 수 있도록 구성된 실용서다. 이 책에서는 QR 코드 생성, 퀴즈 앱 만들기, 나만의 음성 비서 ‘자비스’ 제작 등 일상에서도 흥미롭게 활용할 수 있는 프로젝트부터, 문서 번역, 파일 정리, 데이터 분석, 엑셀 및 PDF 처리, 영상 다운로드 등 반복적인 업무를 자동화하는 실무 중심의 예제까지 폭넓게 다룬다. 또한, 뉴스·날씨·주식·환율·이미지·이커머스 정보 등 웹에서 데이터를 자동으로 수집하고 관리하는 프로젝트도 소개한다. 특히 주목할 점은 ChatGPT, Copilot, Gemini와 같은 최신 AI 도구들과의 연계를 통해 파이썬 자동화의 효율을 극대화할 수 있다는 점이다. AI 도구들은 코드 작성의 속도를 높이고, 오류를 쉽게 찾아내며, 더 나은 코드 구조를 제안해 주는 등 학습과 실무 모두에서 든든한 파트너가 되어준다. 이 책에서는 AI와 함께 협업하는 방법까지 친절하게 안내하고 있어, 기술을 처음 접하는 독자도 어렵지 않게 따라갈 수 있다. 무엇보다도 이 책의 강점은 실전 코드가 완성된 형태로 제공된다는 점이다. 독자들은 코드를 복사해 바로 실행해 볼 수 있으며, 각 코드에는 상세한 주석이 달려 있어 기능의 흐름을 쉽게 이해할 수 있다. '이론보다는 실습'이라는 책의 모토답게, 독자는 실제 작동하는 코드로 프로그래밍을 자연스럽게 익힐 수 있다. 파이썬은 직관적인 문법과 풍부한 라이브러리 덕분에 누구나 쉽게 배울 수 있는 언어다. 이 책은 그런 파이썬의 장점을 극대화하여, 독자들이 실생활과 업무에서 프로그래밍의 즐거움과 실용성을 모두 경험할 수 있도록 돕는다. 이제는 누구나 AI와 자동화를 활용해 스마트한 업무 환경을 만들 수 있다.