AMD가 오는 4월 22일, 듀얼 3D V-캐시(3D V-Cache) 기술을 적용한 데스크톱 프로세서인 ‘라이젠(Ryzen) 9 9950X3D2’ 듀얼 에디션을 전 세계 시장에 출시한다고 밝혔다. AMD의 잭 후인(Jack Huynh) 컴퓨팅 및 그래픽 그룹 수석 부사장은 이번 신제품이 차세대 애플리케이션을 위한 혁신의 결과물임을 강조했다. 라이젠 9 9950X3D2는 두 개의 칩렛 모두에 2세대 3D V-캐시 기술을 적용해, 기존 라이젠 시리즈 중 최대 용량인 총 208MB의 캐시를 탑재한 것이 특징이다.   ▲ 출처 : AMD 유튜브 캡처   AMD에 따르면, 이번 프로세서의 핵심은 컴퓨팅 다이(compute die) 바로 위에 대용량 캐시를 수직으로 적층한 구조에 있다. 이런 설계는 데이터와 CPU 코어 사이의 거리를 좁혀 지연 시간을 줄여준다. 결과적으로 더 많은 게임 데이터와 애셋, 작업 데이터를 코어 바로 옆에 배치함으로써 까다로운 워크로드에서도 높은 응답성을 확보할 수 있게 되었다. 라이젠 9 9950X3D2는 16개의 ‘젠(Zen) 5’ 코어를 기반으로 설계된 플래그십 모델이다. 특히 최대 200W의 TDP(열 설계 전력)를 지원하도록 설계되어 성능 향상을 위한 충분한 헤드룸을 제공한다. 이를 통해 사용자는 라이젠 9 X3D 시리즈 특유의 게이밍 성능은 물론, 초고속 데이터 액세스가 필요한 전문 작업에서도 최상급의 성능을 경험할 수 있다. 이번 제품은 특히 대규모 소스 코드 빌드, 게임 엔진 컴파일, AI 모델링, 3D 렌더링 등 복잡한 콘텐츠 제작 파이프라인에서 높은 성능을 발휘한다. AMD의 발표에 따르면, 다빈치 리졸브, 블렌더, 언리얼 엔진, 크로미움 등의 환경에서 기존 라이젠 9 9950X3D 대비 약 5~10%의 성능 향상을 제공한다. AMD는 이번 신제품이 기존 AM5 플랫폼과 호환되어 간편한 업그레이드가 가능하며, 고성능 컴퓨팅 환경을 필요로 하는 개발자와 전문가들에게 새로운 기준을 제시할 것으로 기대하고 있다. 잭 후인 부사장은 “라이젠 9 9950X3D2는 메인스트림과 하이엔드 데스크톱 사이의 간극을 메우는 제품”이라면서, “이제 게이머와 크리에이터는 더 이상 성능을 위해 용도를 선택할 필요 없이 하나의 프로세서로 두 영역 모두에서 최고의 경험을 누릴 수 있을 것”이라고 전했다.

엔비디아가 RTX 프로(RTX PRO) 5000 72GB 블랙웰(Blackwell) GPU를 정식 출시하고, 메모리 옵션을 확대해 데스크톱 에이전틱 AI를 지원한다고 밝혔다. 엔비디아는 이번 신제품을 통해 블랙웰 아키텍처 기반의 에이전틱, 생성형 AI 기능을 전 세계 더 많은 데스크톱과 전문가에게 제공하겠다는 계획이다. 새롭게 공개된 GPU 구성은 AI 개발자, 데이터 과학자, 크리에이티브 전문가들이 최신 대용량 메모리 기반 워크플로를 수행하는 데 필요한 하드웨어를 제공한다. AI 개발자는 기존의 엔비디아 RTX 프로 5000 48GB 모델과 이번 72GB 모델 중 선택할 수 있는 유연성을 통해, 다양한 예산과 프로젝트 요구사항에 맞춰 시스템을 최적화할 수 있다.     생성형 AI가 점차 복잡한 멀티모달 에이전틱 AI로 진화하면서, 이러한 기술을 개발하고 배포하기 위한 하드웨어 요구사항도 높아지고 있다. 그 중 하나가 메모리 용량이다. 특히 대규모 언어 모델(LLM)과 AI 에이전트를 포함한 최첨단 AI 워크플로를 실행할 때 GPU 메모리에 부담이 가해진다. 이는 모델, 컨텍스트, 윈도우, 멀티모달 파이프라인의 규모와 복잡성이 증가함에 따라 더욱 심화된다. 에이전틱 AI 시스템은 툴 체인, 검색 증강 생성(RAG), 멀티모달 이해 기능을 포함한다. 이러한 시스템은 종종 여러 AI 모델, 데이터 소스, 다양한 코드 형식을 GPU 메모리 내에서 동시에 활성화 상태로 유지해야 한다. RTX 프로 5000 72GB는 2142 TOPS의 AI 성능을 제공해 이러한 병목 현상을 해결한다. 엔비디아 블랙웰 기반으로 설계된 이 모델은 멀티 워크로드 스케줄링과 다양한 아키텍처 혁신을 통해 AI, 뉴럴 렌더링, 시뮬레이션에 높은 처리량을 제공한다. 또한 72GB의 초고속 GDDR7 메모리를 탑재해 기존 48GB 모델 대비 50% 향상된 메모리 용량을 제공함으로써, 개발자는 더 큰 규모의 모델을 로컬 환경에서 훈련, 파인튜닝(fine-tune), 프로토타이핑할 수 있다. 이를 통해 사용자는 데이터 프라이버시를 유지하면서 낮은 지연 시간과 비용 효율을 확보할 수 있다. 또한 AI 작업을 데이터센터급 인프라에 의존하지 않고, 워크스테이션에서 직접 모델을 활용할 수 있다. 엔비디아는 RTX 프로 5000 72GB가 “업계 표준 생성형 AI 벤치마크 기준으로 이미지 생성 기능이 이전 세대 엔비디아 하드웨어 대비 3.5배, 텍스트 생성 성능은 2배 향상됐다”고 소개했다.  또한 “아놀드(Arnold), 카오스 V-레이(Chaos V-Ray), 블렌더(Blender)와 같은 패스 트레이싱 엔진부터 D5 렌더(D5 Render), 레드시프트(Redshift) 등 실시간 GPU 렌더러 전반에서 렌더링 시간을 최대 4.7배 단축한다. 컴퓨터 지원 엔지니어링과 제품 설계 분야에서는 2배 이상의 그래픽 성능을 제공한다”고 전했다.

텐센트는 AI 기반 차세대 3D 모델링 툴을 제공하는 훈위안(Hunyuan) 3D 생성 엔진을 글로벌 출시한다고 발표했다. 이번 출시를 통해 사용자는 텍스트 설명, 이미지, 스케치 등 멀티모달(multimodal) 입력만으로 고품질 3D 애셋을 즉시 생성할 수 있게 됐다. 텐센트는 이를 통해 기존 수일에서 수주까지 소요되던 제작 기간을 몇 분으로 단축하고, 전통적 워크플로의 복잡성도 해소할 것으로 기대하고 있다. 훈위안 3D 인터내셔널 플랫폼은 전무가 수준의 모델 편집 및 조정 기능을 제공하며, OBJ 및 GLB와 같은 주요 3D 포맷 출력을 지원한다. 또한, 유니티, 언리얼 엔진, 블렌더 등 전문 소프트웨어와도 손쉽게 연동되어 다양한 워크플로에 유연하게 적용할 수 있으며, 생성된 3D 애셋을 실제 프로젝트에 즉시 활용할 수 있다. 훈위안 3D는 ▲자연어 기반 설명으로 스타일, 형태, 소재 등 정밀하게 반영한 3D 모델을 생성하는 텍스트 투 3D(Text-to-3D) ▲최대 네 장의 멀티뷰 이미지를 업로드하여 형태, 질감을 갖춘 높은 정확도의 3D 모델을 재현하는 이미지 투 3D(Image-to-3D) ▲간단한 스케치를 기반으로 색상, 분류, 소재 등 텍스트 속성을 추가해 완전한 3D 모델로 변환하는 스케치 투 3D(Sketch-to-3D) ▲삼각형 및 사각형 폴리곤을 모두 지원하며, 효율적 렌더링 및 기술 표준 준수를 위해 메시 토폴로지(mesh topology)를 자동 최적화하는 스마트 토폴로지(Smart Topology) 등의 멀티모달 입력 방식을 지원한다.     또한, 텐센트의 클라우드 사업 부문인 텐센트 클라우드는 글로벌 기업 고객을 대상으로 훈위안 3D 모델 API를 제공한다. 기업은 게임 개발, 이커머스 프로모션, 영상 특수효과, 광고 제작, 소셜미디어 콘텐츠 제작, 3D 프린팅 등 다양한 워크플로에 고급 3D 생성 기능을 손쉽게 통합할 수 있다. 훈위안 3D 글로벌 버전 사용자는 매일 20회의 무료 생성이 가능하며, 텐센트 클라우드를 통해 훈위안 3D 모델 API를 연동한 기업 사용자는 3D 애셋 생성에 사용할 수 있는 200 크레딧을 무료로 제공받는다. 텐센트가 자체 개발한 생성형 AI 대형 모델 훈위안 3D는 훈위안 시리즈 중에서도 가장 발전된 모델로 평가된다. 2024년 11월 오픈소스 3D 모델로 공개된 이래 현재까지 허깅페이스(Hugging Face)에서 누적 300만 건 이상의 커뮤니티 다운로드를 기록했다. 훈위안 3D 시리즈는 이후 지속적인 업데이트를 통해 생성 품질과 모델링 정확도를 향상시켜왔다. 현재 훈위안 3D 3.0은 오브젝트 중심의 고품질 3D 애셋 제작에 특화되어 있으며, 훈위안 3D 월드(Hunyuan3D World) 모델은 대규모 인터랙티브 환경 구축을 지원해 게임, VR, 디지털 콘텐츠 제작 분야에서 새로운 창작 가능성을 열고 있다. 현재 중국 본토에서는 글로벌 실시간 3D 엔진 기업 유니티 차이나(Unity China), 소비자용 3D 프린팅 기업 뱀부랩(Bambu Lab), AI 콘텐츠 제작 플랫폼 립립(Liblib) 등 150개 이상의 기업이 텐센트 클라우드를 통해 훈위안 3D 모델을 도입했다.

HP Z2 미니 G1a(HP Z2 Mini G1a)는 소형 폼팩터로 설계된 미니 워크스테이션이다. 테스트에 사용된 장비는 AMD 라이젠(Ryzen) AI Max+ PRO 395 프로세서(16 코어, 32 스레드, 최대 5.1GHz) 와AMD 라데온(Radeon) 8060S 내장 그래픽, 64GB LPDDR5x 메모리, NVMe SSD 2TB 구성을 갖추고 있다. 썬더볼트 4, 미니 디스플레이포트 2.1, 10GbE LAN, USB-A(10Gbps), USB-C(40Gbps), 와이파이 7을 지원하며, 내장형 300W 전원 공급장치가 포함되어 있어 별도의 어댑터 없이 바로 사용할 수 있다. 최대 128GB 메모리 확장, 8TB 듀얼 NVMe 스토리지, RAID 구성, 그리고 ISV 인증과 MIL-STD 810H 내구성 기준을 충족해 전문 워크스테이션으로서의 안정성을 확보했다.    ▲ HP Z2 미니 G1a 제품 사진   직접 마주한 첫인상은 단순히 ‘작다’는 한 마디로 표현하기 어려웠다. 박스를 열자마자 느껴진 크기는 갤럭시 폴드 스마트폰과 비슷했고, 책상 위 공간도 거의 차지하지 않았다. 전원선을 연결하자마자 바로 부팅되며, 데스크톱이라기보다 정교하게 만들어진 소형 기기 하나를 설치한 느낌에 가까웠다. 손바닥만한 본체가 조용히 구동되는 모습을 보며, ‘이 작은 장비가 과연 얼마나 버텨줄까’ 하는 기대감이 자연스럽게 따라왔다.    ▲ HP Z2 미니 G1a 데스크톱 위에 갤럭시 폴드 6를 올려놓은 놓은 모습   광고에서 흔히 볼 수 있는 AEC 소프트웨어 시연 화면은 대개 단순한 차량 모델이나 소규모 건축물이다. 시연 화면은 화려하고 매끄럽지만, 실제 토목 BIM 엔지니어가 다루는 데이터는 다르다. 도로, 철도, 교량, 항만과 같은 메가 규모의 모델이 대상이며, 수십만에서 수억 개 단위의 객체가 얽혀 있는 데이터가 일상적으로 다뤄진다. 필자가 주목한 것은 바로 이 점이었다. “작은 본체가 과연, 이러한 초대형 데이터를 견딜 수 있는가?” 현장이나 합사 파견 시 주로 노트북을 사용하지만, 무거운 모델을 검토하고 복잡한 시뮬레이션을 돌리면 한계를 드러내기 마련이다. 따라서 이번 테스트에서는 소형 데스크톱인 HP Z2 미니 G1a를 파견 장비로 실제 활용할 수 있는지 여부를 검증하고자 했다. 단순히 문서 작업이나 뷰어 확인에 그치지 않고, BIM 모델링, 시뮬레이션, 데이터 가공, 시연 등 실무 프로젝트와 동일한 조건을 적용해 성능을 확인했다. 이번 리뷰에서는 장비가 어느 정도까지 버텨주는지, 그리고 어떤 한계를 드러내는지를 프로젝트별로 기록했다.   ▲ HP Z2 미니 G1a 테스트 프로젝트 요약   테스트 1 - 베트남 Starlake Tay Ho Tay(나비스웍스)    ▲ 나비스웍스 단지 전체 모델 검토 기능 테스트   이번 테스트는 단지·도로·관로 등 복합 시설물 모델을 대상으로 나비스웍스(Navisworks)의 정적 모델 취합 및 검토 기능을 검증하기 위해 진행되었다. 테스트 환경에서는 마이크로스테이션(MicroStation)으로 제작된 여러 개의 3D 모델 파일을 나비스웍스로 동시에 불러와, 하나의 장면 안에서 구조 정합성과 좌표 일치 여부를 확인했다.  HP Z2 미니 G1a에서의 구동 결과는 기대 이상으로 안정적이었다. 복수의 모델을 동시에 불러와도 시스템이 멈추거나 끊기는 현상은 없었으며, 로딩 이후에도 화면 회전과 확대·축소 시 반응 속도가 일정하게 유지되었다. 각 객체의 형상 확인, 단면 전환, 재질 적용, 뷰 이동 등 일반적인 모델 취합 및 검토 작업이 모두 원활하게 수행되었다. 특히 여러 모델이 중첩된 복잡한 단지 구조에서도 그래픽 품질 저하나 노이즈 현상이 발생하지 않았다. 뷰 전환 시에도 지연 없이 매끄럽게 이어져, 실시간 회의나 발주처 브리핑 환경에서도 무리 없이 사용할 수 있었다. 결론적으로 HP Z2 미니 G1a는 나비스웍스의 대규모 모델 취합 및 형상 검토 기능을 안정적으로 처리할 수 있는 수준의 성능을 보여주었다.   테스트 2 - 이라크 Khor Al Zubair 침매터널(레빗)   ▲ 레빗 철근 모델 검토 및 수정 기능 테스트   이번 테스트는 해저 밑바닥면에 구조물을 설치하는 침매터널(Immersed Tunnel) 구조물을 대상으로 수행되었다. 침매터널은 일반적인 굴착식 터널과 달리, 해저에 미리 제작된 콘크리트 세그먼트를 정밀하게 가라앉혀 연결하는 방식이다. 따라서 설계·시공 단계에서 철근 배치의 정확도와 세그먼트 간 접합부(Key Segment) 형상 정합성이 핵심 검토 항목이 된다. 테스트는 레빗(Revit) 환경에서 철근 모델링 파일을 직접 열어 모델 검토 및 수정 기능을 확인하는 시나리오로 진행되었다. PC 세그먼트 한 구간을 선택해 내부 철근 배근을 확인하고, 일부 보조철근의 위치를 수정하여 간섭 반응과 반응 속도를 측정했다.  HP Z2 미니 G1a에서 모델을 로드하는 데에는 약 30분이 소요되었다. 모델 크기와 철근 데이터의 밀도를 고려하면 이는 현실적인 수준이다. 모델이 완전히 열리고 나서는 클릭 한 번에 약 10초 정도의 지연이 있었으나, 시스템이 멈추거나 종료되는 일은 없었다. 철근 객체의 선택, 이동, 피복값 수정 등의 기본 편집 과정이 모두 수행 가능했으며, 시스템 안정성 면에서는 충분히 실무 검토용으로 사용할 수 있는 수준이었다. 철근 모델링은 단순히 주근만이 아니라 보조철근, 전기·기계 매립부, 세그먼트 간 피복 간격까지 반영해야 하므로 수정 과정이 빈번하다. 이번 테스트에서 HP Z2 미니 G1a는 이 복잡한 구조를 다루는 동안 메모리 한계나 그래픽 깨짐 없이 끝까지 버텼다. 작업 속도가 빠르다고 표현하기는 어렵지만, 소형 워크스테이션으로서 대형 레빗 철근 모델을 안정적으로 열고 편집할 수 있다는 점은 인상적이었다. 결론적으로 HP Z2 미니 G1a는 Revit의 철근 모델 검토 및 수정 작업에서 실무 활용이 가능한 수준의 안정성을 보여주었다.   테스트 3 - 동부재정 4공구(블렌더)   ▲ 블렌더 락볼트 모델 검토 및 수정 기능 테스트   이번 테스트는 동부간선지하도로 구간의 락볼트(rock bolt) 모델 검토 및 수정 기능을 확인하기 위해 진행됐다. 이 구간은 GTXA, GTX-C, 성남–강남, 삼성–동탄, 위례–신사 등 여러 도시철도 및 도로 프로젝트가 인접해 있어, 공사 간섭이 빈번하게 발생하는 구간이다. 실제로 락볼트가 인접 공구의 구조물과 충돌하는 사례가 확인되어, 문제 구간을 단면화하고 일부 모델을 직접 수정해야 했다. HP Z2 미니 G1a에서의 테스트는 블렌더(Blender) 환경에서 수행하였다. 레빗과 다이나모(Dynamo)로 생성된 락볼트 모델은 스크립트 기반으로 제작되어, 개별 객체만 직접 수정하면 기존 자동화 코드가 깨질 위험이 있었다. 이 때문에 버텍스(정점) 편집이 자유로운 블렌더를 이용해, 시각적으로 간섭 부위를 잘라내고 재형성하는 방식으로 접근하였다. 테스트 시 약 6만 개의 락볼트 모델을 포함한 전체 파일을 불러오는 데 약 30분이 소요되었다. 로딩 과정은 길었지만, 모델이 완전히 열린 이후에는 뷰 회전·확대·축소가 안정적으로 유지되었으며, 버텍스 단위 편집에서도 시스템이 멈추거나 지연되는 현상은 발생하지 않았다. 단일 객체 수정, 형상 재조정, 도면화를 위한 분할 단면 추출 과정이 모두 정상적으로 수행되었고, GPU 가속을 사용하는 뷰포트에서 화면 품질 저하도 없었다. 레빗·나비스웍스가 구조 중심의 정적 검토 도구라면, 블렌더는 자유도 높은 3D 편집기다. HP Z2 미니 G1a는 이 편집 자유도를 실제 토목 모델링 작업에서도 유지할 만큼의 그래픽·CPU 성능을 보여주었다. 결론적으로 HP Z2 미니 G1a는 대규모 락볼트 모델의 검토·수정 업무에서도 안정적인 작업 환경을 제공하는 수준의 성능을 보였다. 다중 객체를 로딩한 뒤에도 프레임 저하가 크지 않았으며, 블렌더의 버텍스 편집 기능을 활용한 국부 수정 테스트에서 실무 투입이 가능한 반응성과 내구성을 확인할 수 있었다.   테스트 4 - GTX-B 민간투자사업(인프라웍스)   ▲ 인프라웍스 대규모 노선 모델 임포트 및 뷰어 성능 테스트   이번 테스트는 GTX-B 민자사업 구간(총 연장 약 80 km)을 대상으로 진행되었다. 테스트 목적은 대용량 지형 데이터와 위성 사진을 통합한 후, 인프라웍스(InfraWorks)의 모델 임포트 및 뷰어 성능을 검증하는 것이다. 이 프로젝트는 국토지리정보원으로부터 제공받은 현황 도면과 위성사진 데이터의 총 용량이 약 100GB에 달했다. 이전까지 수행한 대부분의 철도·터널 BIM 업무보다 데이터 규모가 훨씬 컸으며, 필자가 처음으로 ‘기존 BIM 워크플로로는 처리 효율이 한계에 달한다’는 사실을 체감한 사례였다. 이후 유사 규모의 프로젝트에서는 SRTM(Shuttle Radar Topography Mission) 지형 데이터를 기반으로 단순화한 방식이 더 효율적이라는 판단을 내리는 계기가 되었다. 테스트는 시빌 3D(Civil 3D)와 래스터 디자인(Raster Design)에서 좌표계 및 기준점을 세팅한 데이터를 인프라웍스에 불러와 확인하는 방식으로 진행되었다. HP Z2 미니 G1a에서 모델 로드를 시작하자, 인프라웍스의 타일 로딩 방식이 구간별로 작동하여 데이터가 점진적으로 표시되었다. 전체 80 km 구간이 완전히 로딩되기까지 약 5분이 소요되었으며, 이후 뷰 이동이나 확대·축소, 태그 생성, 노선 추가 등의 작업은 끊김 없이 매끄럽게 동작했다. 특히 고해상도 위성 사진을 겹쳐 놓은 상태에서도 프레임 저하가 거의 없었고, 장시간 뷰 이동을 반복해도 과열이나 랙 현상이 나타나지 않았다. 이전 세대 노트북에서 동일 데이터를 열 때 수시로 멈춤이 발생했던 점을 고려하면, 소형 데스크톱 장비로 이 정도의 안정성을 확보한 것은 인상적이다. 결론적으로 HP Z2 미니 G1a는 인프라웍스에서의 대규모 노선 모델 임포트 및 뷰어 성능 검증을 충분히 통과했다. 100GB급 지형 데이터를 실시간으로 불러오고 탐색하는 환경에서도 안정적으로 동작했으며, 국토·철도·터널 분야의 대용량 시각화 검토용 장비로 활용하기에 적합한 수준임이 확인되었다.   테스트 5 – 경산지식산업센터(다이나모)   ▲ 다이나모 기반 관로 자동 모델링 스크립트 실행 테스트   이번 테스트는 경산지식산업센터 단지 프로젝트의 관로 자동 모델링 프로세스를 검증하기 위해 수행되었다. 단지형 프로젝트의 경우, 우수·오수·상수 등 각 관로의 담당사가 서로 달라 조율 과정에서 도면 교환만으로 수많은 시간이 소요된다. 이를 3D 모델로 통합하면 공정 간섭 검토와 협의가 신속하게 이루어지며, 전체 공기를 단축할 수 있다. 테스트는 기존에 구축해 둔 다이나모(Dynamo) 스크립트의 실행 성능과 안정성을 확인하는 방식으로 진행되었다. 해당 스크립트는 각 관로별 데이터베이스를 CSV 파일 형태로 불러와, 물량산출 양식에 맞는 형식으로 자동 모델링을 수행하도록 설계되어 있다. 약 600개의 관로 데이터를 처리해야 했으며, 스크립트 실행 후 전체 모델이 완성되는 데 약 2분이 소요되었다. HP Z2 미니 G1a는 스크립트 실행 중에도 메모리 과부하나 뷰 응답 지연이 거의 발생하지 않았다. CSV 로드, 파라미터 매칭, 객체 자동 생성 등 일련의 과정이 매끄럽게 진행되었으며, 모델 생성 중 다른 창으로 전환하거나 병행 작업을 수행해도 시스템 반응이 안정적으로 유지되었다. 이전 노트북 환경에서 동일 스크립트를 실행할 때 20~30분이 걸리던 것을 감안하면, 처리 속도 면에서도 체감 개선이 있었다. 다이나모는 BIM 자동화의 핵심 도구로, CPU·RAM 활용도가 높은 편이다. HP Z2 미니 G1a는 이러한 데이터 기반 자동 모델링 작업에서도 안정성과 연속성을 유지할 수 있는 성능을 보여주었다. 결론적으로, 이 제품은 다이나모를 활용한 중규모 자동화 모델링 업무에서도 실무 투입이 가능한 수준의 연산 성능을 제공했다. 단순한 뷰어 수준을 넘어, 스크립트 실행 및 대량 객체 생성 단계까지 안정적으로 처리할 수 있음을 확인했다.   테스트 6 - 양평–이천 1공구(시빌 3D)    ▲ 시빌 3D 코리더 기반 도로·토공 모델 수정 테스트   이번 테스트는 양평–이천 1공구 교차로 구간의 도로 및 토공 모델 수정 작업을 대상으로 진행되었다. 이 현장은 기존 도로가 운행 중인 상태에서 양측에 신설 교량과 램프가 동시에 시공되는 복합 교차로 구간으로, 작은 설계 변경이 전체 토공·선형·편경사에 즉각적인 영향을 주는 복잡한 구조를 갖는다. 테스트는 시빌 3D의 코리더(Corridor) 모델 수정 기능을 중심으로 진행되었다. 기존에 구축된 도로 모델에서 선형(Alignment)을 일부 이동시켜, 연결된 측점(Point)과 타깃(Target) 요소들이 자동으로 재계산되는 반응을 확인하였다. 이 과정은 실제 설계 변경 상황에서 빈번히 발생하는 업무이며, 연계된 여러 참조 모델들이 동시에 반응해야 정확한 결과를 얻을 수 있다.  HP Z2 미니 G1a에서의 성능은 인상적이었다. 시빌 3D는 평면선형, 종단곡선, 표준횡단면, 편경사까지 모두 반영된 도로 모델링을 처리해야 하므로, 코리더를 크게 구성할수록 연산 부담이 커진다. 필자는 평소 물량산출 단계에서 코리더를 세분화하지 않고 하나의 대형 코리더로 구성하는 방식을 선호하는데, 이번 테스트에서도 동일 조건으로 적용하였다. 결과적으로 약 5분 내에 전체 코리더가 수정 완료되었고, 램프선형 2개와 메인선형 1개가 포함된 복합 모델이 정상적으로 갱신되었다. 로딩 및 재계산 중 팬 소음은 있었지만, 화면 지연이나 모델 깨짐 현상은 나타나지 않았다. 특히 선형 변경 직후 횡단면과 편경사 데이터가 자동으로 반영되는 과정이 부드럽게 이어져, 실시간 설계 검토용으로도 충분히 사용 가능한 안정성을 보였다. 시빌 3D는 고도의 파라메트릭 모델 구조로 인해 변경 연산이 무거운 편이나, HP Z2 미니 G1a는 이러한 연속 연산 작업을 무리 없이 처리했다. 결론적으로, 이 장비는 코리더 기반 도로 모델 수정 및 토공 검토 작업에서 실무 수준의 연산 안정성과 응답 속도를 제공했다. 복잡한 연계 데이터 구조를 가진 프로젝트에서도 모델링 작업이 매끄럽게 이어졌다는 점이 특히 인상적이었다.   테스트 7 - 압해화원 2공구(나비스웍스)   ▲ 나비스웍스 공정 시뮬레이션 뷰어 테스트   이번 테스트는 도로 및 교량 시공 구간의 공정 시뮬레이션 기능을 검증하기 위해 수행되었다. BIM 분야에서 공정(4D) 시뮬레이션은 단순한 모델 시각화를 넘어, 시간 요소를 결합해 시공 순서를 가시적으로 표현하는 기술이다. 설계 중심의 4D는 ‘무엇이 지어지는가’를 보여주고, 시공 중심의 4D는 ‘어떻게 시공되는가’를 보여주며, 감리 관점에서는 ‘어떻게 하면 안전하게 시공할 수 있는가’를 검토하는 도구로 활용된다. 이번 테스트에서는 기존에 구축되어 있던 공정 연동 모델을 나비스웍스 시뮬레이트(Navisworks Simulate) 환경에서 실행시켜, 공정 시뮬레이션의 재생 속도와 뷰 전환 안정성을 확인하였다. 테스트 과정은 단순했지만, 4D 뷰어의 핵심은 시각적 매끄러움과 타임라인 재생의 일관성에 있다. HP Z2 미니 G1a에서의 실행 결과, 공정 애니메이션이 처음부터 끝까지 지연이나 프레임 드롭 없이 부드럽게 재생되었다. 재생 중 모델 회전·확대·축소·시점 이동을 병행해도 화면이 끊기지 않았으며, 공정 단계 전환 시 오브젝트의 색상 변화나 투명도 조절 효과도 자연스럽게 이어졌다. 테스트 동안 CPU 사용률은 일정하게 유지되었고, 팬 소음은 있었지만 발열로 인한 성능 저하는 없었다. 이전 테스트(1~6)가 모델 검토와 수정 중심이었다면, 이번 테스트부터는 시각적 시뮬레이션 성능과 렌더링 안정성에 초점을 맞춘 항목을 다룰 예정이다. 결과적으로 HP Z2 미니 G1a는 공정 시뮬레이션 뷰어로서의 안정성과 시각적 완성도 면에서 충분히 실무 활용이 가능한 수준을 보여주었다.   테스트 8 - 남양주왕숙지구 국도47호선 이설(트윈모션)   ▲ 트윈모션 주행 시뮬레이션 렌더링 성능 테스트   이번 테스트는 남양주 왕숙지구 국도 47호선 이설 구간의 복합 교차로(IC)를 대상으로 진행되었다. 이 구간은 터널, 지하차도, 램프, 분기부가 하나의 구조물 내에 집중되어 있는 복합 노드로, 설계 단계에서부터 구조 간섭이 빈번히 발생했던 구간이다. BIM 모델을 기반으로 한 시각적 검토 과정에서, 실제 차량의 주행 경로와 주행 표면을 3D 환경에서 구현하여 상부 보고 시 설득력을 강화한 사례이기도 하다. 테스트는 트윈모션(Twinmotion) 환경에서 기존에 구축된 주행 시뮬레이션 파일을 불러와 재생하는 방식으로 진행되었다. 주요 검토 항목은 렌더링 과정의 프레임 안정성, 뷰 이동 반응성, 그리고 카메라 전환 시 딜레이 여부였다. HP Z2 미니 G1a에서의 실행 결과, 전체 시뮬레이션이 매끄럽게 재생되었으며, 렌더링 과정에서의 끊김이나 프레임 드랍이 관찰되지 않았다. 특히 차량 궤적을 기존 설계값보다 높여 시뮬레이션 범위를 인위적으로 확장했을 때에도, 예상과 달리 렌더링이 흔들리지 않고 안정적으로 구동되었다. 시점 전환이나 장면 이동 시에도 지연이 거의 없었으며, 복합 IC 구조물의 터널·램프·교차부 간 연결성이 시각적으로 명확히 유지되었다. 이 테스트는 단순한 뷰어 수준을 넘어, 실제 주행 경로를 포함한 3D 시뮬레이션의 실시간 렌더링 처리 능력을 확인하는 것이 목적이었다. 결과적으로 HP Z2 미니 G1a는 트윈모션 기반 주행 시뮬레이션에서도 안정적인 그래픽 처리 성능과 렌더링 지속성을 입증했다. 특히 복잡한 교차로 구간에서 여러 객체가 동시에 움직이는 장면에서도 프레임 유지율이 높았으며, 실무 프레젠테이션용 장비로도 손색이 없는 수준이었다.   테스트 9 - 천안 환경 클러스터(리얼리티스캔)   ▲ 리얼리티스캔 드론 사진 기반 자동 3D 모델링 테스트   이번 테스트는 천안 환경 클러스터 매립지 현장에서 촬영한 드론 사진을 활용하여, 리얼리티스캔(RealityScan)의 사진 기반 자동 3D 모델링 기능을 검증하기 위해 진행되었다. 시공 단계에서는 대부분의 현장이 드론 촬영 허가를 보유하고 있으며, 현장 실측 자료를 국토지리정보원 데이터와 비교·보정하여 다양한 지형 검토를 수행한다. 이번 테스트는 이러한 실무 과정과 동일한 조건으로 진행되었다. 테스트 절차는 단순했다. 현장에서 촬영한 약 300장의 드론 이미지를 리얼리티스캔에 불러와 자동 모델링을 수행하였다. 필자가 소프트웨어적으로 개입할 부분은 거의 없었으며, 프로그램이 사진 정합, 포인트 생성, 메시 재구성, 텍스처 합성을 모두 자동으로 처리했다. HP Z2 미니 G1a에서의 결과는 매우 인상적이었다. 약 1시간 만에 전체 모델링이 완료되었으며, 생성된 모델의 정확도는 도면 및 정사사진 수준에 준했다. 같은 데이터셋을 개인용 고성능 노트북에서 처리했을 때 약 5시간이 소요되었던 것을 감안하면, 처리 속도가 약 5배 가까이 단축된 셈이다. 프로세스 중 중단이나 에러 메시지 없이 안정적으로 작업이 완료되었으며, 모델 텍스처 품질 또한 균일했다. 리얼리티스캔은 드론 이미지 처리 시 GPU 및 CPU 연산이 복합적으로 작동하는 프로그램이다. HP Z2 미니 G1a는 이러한 사진측량(Photogrammetry) 기반의 연속 연산 작업에서도 안정성과 속도를 모두 확보했다. 특히 본체가 작음에도 불구하고 장시간 연산 중 발열 제어가 우수하여, 팬 속도는 상승했지만 스로틀링(성능 저하) 현상은 전혀 없었다. 결론적으로 HP Z2 미니 G1a는 필드에서 촬영한 이미지를 즉시 처리하고 결과를 시각화해야 하는 BIM–현장 융합형 워크플로에 특히 효율적이었다.   테스트 10 - 이라크 Al Faw Grand Port(시빌 3D)   ▲ 시빌 3D 해저 지표면 토공 모델링 및 물량산출 테스트   이번 테스트는 Al Faw Grand Port 프로젝트의 해저 지반 데이터를 활용해, 시빌 3D 기반 토공 모델링 및 물량산출 기능을 검증하기 위해 수행되었다. 항만 공사에서의 토공은 일반적인 육상 토공과 달리, 해저 지반의 형상이 복잡하고 데이터 정밀도가 높기 때문에 연산 부담이 매우 크다. 이번 테스트에서도 라이다(LiDAR) 스캔으로 취득한 등고선 간격 3cm의 초정밀 해저면 데이터를 활용하였다. 테스트 절차는 단순했다. 시빌 3D에서 해당 지표면 데이터를 불러온 뒤, 설계 구간만큼의 절취·성토 영역을 모델링하고, 그 구간의 물량을 자동 산출하도록 설정하였다. 즉, 토공 모델링–수량 산출까지의 전형적인 워크플로우를 실제 데이터로 재현한 테스트였다. HP Z2 미니 G1a에서 토공 모델링 단계는 약 2시간 이내에 완료되었다. 등고선 간격이 매우 촘촘했음에도 불구하고, 삼각망(TIN) 생성과 표고 반영 과정은 정상적으로 진행되었다. 그러나 이후 수행된 물량산출 단계에서는 연산이 종료되지 않았다. 시빌 3D의 특성상 계산을 완전히 마치려면 장시간이 필요하며, 연산이 멈춘 것이 아니라 시간만 충분히 주면 결과가 생성되는 구조다. 그러나 이번 테스트는 실무 환경을 가정한 단기 검증이었기 때문에, 하루가 지나도 결과가 출력되지 않아 실용적 한계로 판단하고 중단하였다. 결론적으로 HP Z2 미니 G1a는 초고밀도 해저 지반 데이터를 활용한 토공 모델링 단계까지는 안정적으로 처리 가능했으며, 물량산출처럼 장시간 연산이 필요한 작업에서는 현실적인 작업 효율을 고려한 분할 처리 전략이 필요한 것으로 판단된다.   테스트 11 - 가덕도신공항(파이썬, 팬더스)   ▲ 대용량 SPT 지반 데이터 전처리 및 분류 테스트   이번 테스트는 가덕도 신공항 건설 예정지의 지반 데이터베이스(SPT 값)를 파이썬(Python) 환경에서 전처리하는 실험으로 진행되었다. 이 프로젝트는 파랑이 강한 연약지반 위에 활주로와 부지를 조성해야 하는 난공사로, 시공 이전 단계에서 방대한 지반 검토가 이루어진다. 특히 00연구실에서 제공받은 DB는 좌표별 SPT(Standard Penetration Test) 값을 포함한 약 1억 개의 데이터 포인트로 구성되어 있었다. 이로 인해 일반적인 엑셀이나 CSV 편집기에서는 불러오기조차 불가능했다. 필자는 이 과정에서 엑셀이 약 108만 줄 이상은 열 수 없다는 한계를 처음 체감하기도 했다. 테스트는 파이썬의 팬더스(Pandas) 라이브러리를 사용해 1억 줄의 데이터를 불러온 후, 지반 평가 기준에 따라 다섯 가지 유형(VL, L, MD, D, VD)으로 자동 분류하는 방식으로 진행되었다. 연산은 HP Z2 미니 G1a의 로컬 환경에서 수행되었으며, 데이터는 외부 SSD에서 직접 불러왔다. 테스트 결과는 매우 안정적이었다. 약 15분 만에 전체 데이터가 다섯 개 그룹으로 분류 완료되었으며, 중간 단계에서 메모리 오류나 지연 현상은 발생하지 않았다. CPU 점유율은 일정하게 유지되었고, 작업 중 다른 프로그램을 병행 실행해도 시스템 응답성 저하가 없었다. 특히 팬더스가 메모리 내에서 직접 배열을 처리함에도 불구하고, HP Z2 미니 G1a는 데이터 로드 – 필터링 – 그룹화 – 저장까지 전체 프로세스를 안정적으로 처리했다. 결론적으로 HP Z2 미니 G1a는 대용량 CSV·DB 전처리 작업에서 실무에 투입 가능한 수준의 연산 성능과 안정성을 확보하고 있었다. 1억 줄 규모의 지반 데이터를 단시간에 분류할 수 있었던 점은, 토목·지반·측량 등 데이터 중심 엔지니어링 업무에서 파이썬 기반 자동화 환경에도 충분히 대응 가능한 워크스테이션임을 입증한 결과였다.   테스트 12 - 평택오송 1공구(클라우드컴페어)   ▲ 클라우드컴페어 포인트클라우드(LAS) 분할(Clipping) 테스트   이번 테스트는 평택–오송 고속철도 1공구 구간의 라이다(LiDAR) 드론 스캔 데이터를 활용해, 클라우드컴페어(CloudCompare)의 포인트클라우드 분할(Clipping) 기능을 검증하기 위해 진행되었다. 이 프로젝트는 기존 고속철도가 운행 중인 상태에서 양측에 새로운 철도를 신설하는 사업으로, 모든 시공 작업이 기존 선로의 안정성을 저해하지 않도록 수행되어야 한다. 이를 위해 전 구간(약 10km)에 대한 고정밀 드론 스캔이 이루어졌으며, 취득된 LAS 데이터의 용량은 약 40GB에 달했다. 테스트는 클라우드컴페어 환경에서 해당 LAS 데이터를 불러와, 시뮬레이션 현황에 필요한 구간만 선택하여 잘라내고, 분할된 데이터를 별도 파일로 추출하는 시나리오로 진행되었다. HP Z2 미니 G1a에서의 테스트 결과, 데이터 로딩에 약 30분이 소요되었다. 전체 포인트 수가 매우 많아 초기 로딩 단계에서는 일시적인 프리징(멈춤) 현상이 있었으나, 로드가 완료된 이후에는 시점 이동 및 확대·축소가 안정적으로 가능했다. 이후 약 400m×400m 구간을 불린(Boolean) 연산으로 분할·추출하는 데 10분 내외가 소요되었으며, 연산 도중 프로그램이 중단되거나 강제 종료되는 일은 없었다. 포인트클라우드 데이터의 밀도가 매우 높아 화면 전환 시 프레임 드랍이 있었으나, 작업 안정성 자체는 유지되었다.  결론적으로 HP Z2 미니 G1a는 40GB 규모의 라이다 LAS 데이터를 활용한 포인트클라우드 분할·추출 작업을 실무 수준에서 수행할 수 있는 안정성을 보여주었다. 초기 로딩 시간이 다소 길긴 했으나, 작업 중 중단 없이 끝까지 클리핑을 완료한 점에서 대용량 3D 스캔 데이터 처리용 소형 워크스테이션으로 충분히 실용적임이 확인되었다.   테스트 13 - 사우디아라비아 NEOM Spine Concrete Corridor(세슘, 시빌 3D, 언리얼 엔진)   ▲ 세슘 – 시빌 3D – 언리얼 연계 기반 초장거리 토공 뷰어 테스트   이번 테스트는 사우디아라비아 NEOM 프로젝트의 Spine Concrete Corridor 구간(총 연장 약 108km)을 대상으로 진행되었다. 해당 프로젝트는 전 세계적으로 주목받은 초대형 도시개발 계획의 일부로, 초장거리 선형 구조를 가지고 있어서 광범위한 지형 데이터를 안정적으로 처리할 수 있는 워크플로 검증이 필요했다. 이에 세슘(Cesium) 지형 데이터를 시빌 3D에서 토공 모델로 가공하고, 이를 언리얼 엔진(Unreal Engine)으로 이관하여 시각적 뷰어를 구성하는 전체 절차를 테스트하였다. HP Z2 미니 G1a에서의 테스트는 제한된 시간 내에 일부 구간만을 대상으로 수행되었다. 전 구간(108km)을 처리하지는 않았지만, 세슘에서 시빌 3D로의 데이터 임포트, 토공 모델 생성, 언리얼 엔진으로의 시각화 이관이 모두 정상적으로 진행되었다. 좌표 변환, 메시 생성, 텍스처 반영 등 각 단계에서 프로그램 오류나 멈춤 현상은 발생하지 않았다 언리얼 엔진으로의 모델 이관 후에도 기본적인 뷰어 작동은 안정적이었다. 단순화된 토공면 상태에서도 카메라 이동, 회전, 조명 변경이 자연스럽게 수행되었고, 시각적 품질도 유지되었다. 결론적으로 HP Z2 미니 G1a는 초장거리 지형 데이터를 활용한 세슘 – 시빌 3D – 언리얼 통합 워크플로를 실무 수준에서 안정적으로 수행할 수 있는 성능을 보였다. 대규모 토공 뷰어 구축이나 초장거리 인프라 프로젝트의 시각화 단계에서도 충분히 활용 가능한 장비임이 확인되었다.   견적 상담 문의하기 >> https://www.hp.com/kr-ko/shop/hp-workstation-amd-app   ■ 이민철 대우건설 토목사업본부 토목국내기술팀의 선임이다. BIM 기반 토목 설계 및 시공 데이터 검증, 시뮬레이션 자동화, 디지털 트윈 구축 업무를 담당하고 있으며, 다수의 대형 인프라 프로젝트에서 실무 중심의 BIM 엔지니어링 프로세스를 연구·적용하고 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

엔비디아가 3D 객체 생성을 위한 ‘엔비디아 AI 블루프린트(NVIDIA AI Blueprint for 3D object generation)’를 공개했다. 이는 3D 아티스트가 간단한 텍스트 프롬프트만으로 최대 20개의 3D 객체를 생성해 특정 장면의 프로토타입을 만들 수 있도록 지원한다. 3D 아티스트는 끊임없는 프로토타이핑 작업 문제에 직면하고 있다. 전통적인 워크플로에서는 3D 장면 구현을 위해 저충실도 임시 애셋을 제작하고, 핵심 요소가 제자리에 배치될 때까지 수정을 반복해야 하기 때문이다. 그 후에야 시각적 요소를 세부적으로 다듬어 완성할 수 있다. 이렇게 프로토타이핑은 시간이 많이 소요되고 종종 불필요한 작업을 수반한다. 그 결과 아티스트는 창의적인 작업보다 지루한 모델링 작업에 더 많은 시간을 할애해야 한다. 생성형 AI는 장면 프로토타이핑을 위한 초안을 제안하거나 객체를 생성하는 등 중간 작업을 신속히 처리해 아티스트를 돕는다. 그러나 이러한 가속화된 워크플로를 구현하기 위해 여러 AI 모델을 연결하는 일은 기술적으로 복잡할 수 있다. 엔비디아 AI 블루프린트는 샘플 워크플로를 제공해 사용자가 복잡한 기술 단계를 건너뛰고 고급 생성형 AI 기술을 빠르게 활용할 수 있도록 지원한다. 또한 AI 블루프린트는 각 사용자의 요구에 맞게 조정될 수 있다.     엔비디아가 이번에 새로 공개한 AI 블루프린트는 3D 아티스트가 간단한 텍스트 프롬프트만으로 최대 20개의 3D 객체를 생성해 특정 장면의 프로토타입을 만들 수 있게 해주는 워크플로다. 또한 새로운 마이크로소프트 트렐리스(Microsoft TRELLIS) 엔비디아 NIM 마이크로서비스는 3D 객체 생성을 위한 AI 블루프린트 내에서 작동하며, 기존 모델보다 20% 빠른 속도로 고품질 3D 애셋을 생성한다. 아이디어의 탄생에서 시작하는 3D 프로젝트는 테마, 장소, 장식, 색상, 질감 등 시각적 세부 요소를 신중히 고려하는 과정을 거친다. 장면에 애셋을 배치한 후에도 개별 또는 전체 시각 요소를 여러 차례 검토하고 수정해야 한다. 3D 객체 생성을 위한 엔비디아 AI 블루프린트는 프로토타이핑 과정을 자동화하는 파이프라인을 제공한다. 사용자가 프롬프트로 예술적인 아이디어를 입력하면, 블루프린트에 내장된 대형 언어 모델(LLM)이 장면에 포함 가능한 20개의 객체를 제안한다. 이는 라마 3.1 8B(Llama 3.1 8B) 엔비디아 NIM 마이크로서비스로 가속화된다. 엔비디아 사나(SANA)는 고해상도 이미지를 빠르게 합성하는 텍스트-이미지 프레임워크로, 생성 가능한 객체를 보여주는 프리뷰를 생성한다. 각 객체는 재생성, 수정, 삭제가 가능해 아티스트의 자유로운 창작 활동을 지원한다. 이후 아티스트는 새로운 마이크로소프트 트렐리스 엔비디아 NIM 마이크로서비스를 통해 각 객체를 고품질 프리뷰에서 즉시 활용 가능한 3D 모델로 변환할 수 있다. 이 마이크로서비스는 최첨단 모델의 배포를 간소화하고 속도를 20% 향상시킨다. 또한 최대 20개의 3D 애셋 모음은 즉시 사용하거나 오픈 소스 3D 플랫폼 블렌더(Blender)에서 추가로 다듬을 수 있도록 준비된다. AI 블루프린트는 이를 자동으로 블렌더로 내보내며, 아티스트는 다른 인기 3D 애플리케이션으로도 애셋을 내보낼 수 있다. 아울러 라마 3.1 8B NIM 마이크로서비스로 구동되는 LLM은 장면에 포함할 객체의 아이디어와 프롬프트 제안을 생성할 수 있다. 따라서 프롬프트 경험이 많지 않은 아티스트도 창의적인 생산성을 높일 수 있다. 일반적으로 이러한 워크플로를 설정하려면 많은 시간과 기술적 지식이 필요하며, 적합한 파이프라인을 선택하기 위해 다양한 모델을 실험해야 한다. 엔비디아는 “AI 블루프린트는 검증된 워크플로를 사전에 선별해 패키징된 형태로 제공함으로써, 엔비디아 지포스 RTX(GeForce RTX)와 RTX PRO GPU에서의 배포를 단순화하고 시작 과정을 간소화한다”고 설명했다.

2025년형 HP ZBook Ultra G1a(Z북 울트라 G1a)는 휴대성과 고성능을 모두 만족시키는 최신 모바일 워크스테이션이다. 이번 리뷰에서는 AI 콘텐츠 제작, 블렌더 기반의 3D 작업, 언리얼 엔진을 활용한 디지털 휴먼 제작 등 실제 프로젝트 기반으로 테스트한 결과를 중심으로 제품의 성능을 살펴보았다.   HP Z북 울트라 G1a는 2025년 최신 모델로, 이 글에서는 AI 크리에이터 작업과 블렌더(Blender)를 이용한 3D 작업, 높은 컴퓨터 성능을 필요로 하는 언리얼 엔진을 활용한 디지털 휴먼 작업을 통해 리뷰하고자 한다. 처음 노트북을 개봉할 때 느낌은 모던하면서 고성능 느낌의 노트북 디자인이 적용되어 보여 좋았다.   HP Z북 울트라 G1a의 제품 구성 Z북 울트라 G1a의 기본 성능 체크를 위해 내 컴퓨터 성능을 체크한다. 이 모델은 워크스테이션급 성능을 노트북에 담아 휴대성과 성능을 모두 만족시키는 제품으로 설계되었다. AMD 라이젠(Ryzen) AI MAX+ 395는 16코어 32스레드의 젠 5(Zen 5) 아키텍처와 40개 컴퓨트 유닛을 탑재한 라데온(Radeon) 8060S 통합 그래픽을 결합한 혁신적인 APU(Accelerated Processing Unit : 가속 처리 장치)다. 이 프로세서는 50 TOPS의 XDNA 2 NPU를 통해 강력한 AI 성능을 제공하며, 별도의 독립 그래픽카드 없이도 RTX 4060에서 4070 수준의 그래픽 성능을 구현한다. AI 크리에이터와 3D 그래픽 작업을 하는 휴대용 워크스테이션이 필요한 사람들에게 좋은 컴퓨터 성능이다. 이번 리뷰에서 가장 좋았던 것은 AI 콘텐츠를 개발할 때 컴퓨터2025/7의 성능을 계속해서 체크해야 하는 부분이 있다는 것이다. 온디바이스 AI를 활용하여 인터넷이 연결되지 않았을 때도 코파일럿+ PC(Copilot+ PC)를 적용하여 마치 비서처럼 쓸 수 있었다. AI 콘텐츠를 제작할 때 새로운 방법을 이용하여 접근할 때가 많은데, 이럴 때는 오류와 문제들이 많이 발생한다. 이런 경우, 이 부분을 함께 해결할 협업자가 필요한데 문제 해결과 검색에 많이 활용되었으며, 음성인식을 지원하여 대화하며 문제를 해결할 수 있어서 작업하는데 편했다.   ▲ HP Z북 울트라 G1a의 구성   AMD 최적화된 AI 모델로 온디바이스 AI 활용 온디바이스 AI 기능을 통해 클라우드 연결 없이도 로컬에서 AI 작업을 수행할 수 있어 데이터 보안과 작업 속도 면에서 큰 장점을 보였다. 특히 실시간 AI 문제 해결과 정보 서치 작업에서 지연 시간이 거의 없어 원활한 작업 환경을 제공했다. AMD에 최적화된 모델 발표가 있어 그 부분을 테스트한 부분이 좋은 성과라고 생각된다. 어뮤즈(Amuse)는 AI 기반 이미지 생성 및 편집을 위한 소프트웨어로 텐서스택(TensorStack)에서 개발했으며, AMD와 협력하여 최적화된 성능을 제공한다. 주요 기능으로는 스테이블 디퓨전(Stable Diffusion) 모델을 활용한 AI 이미지 생성, AMD XDNA 슈퍼 레졸루션(AMD XDNA Super Resolution)을 통한 고해상도 이미지 출력 등이 있으며, 사용자 친화적인 인터페이스로 간편한 설치 및 사용이 가능하다. AMD에서 전문적인 생성형 AI 프로그램인 어뮤즈를 이용하여 이미지를 만들어 보았다. 약 15초 정도 걸렸으며, 노트북에서도 이런 퀄리티가 가능했다.   ▲ 온디바이스 AI 활용   ▲ AMD에 최적화된 AI 모델   생성형 AI 이미지 작업 생성형 AI를 활용한 이미지 작업에서는 복잡한 프롬프트도 빠르게 처리하여 고품질의 이미지를 생성할 수 있었다. 특히 AMD의 하드웨어 가속 기능을 통해 일반적인 노트북 대비 2~3배 빠른 렌더링 속도를 보여 주었다. 생성 시간은 15초(2048×2048)였다. 콤피UI(ComfyUI)는 생성형 AI 오픈소스 프로그램으로 AI를 이용하여 이미지와 비디오를 생성할 수 있는 오픈 소스다. 콤피UI보다 빨리 렌더링되는 느낌이었다.   ▲ 생성형 AI 이미지 작업   생성형 AI 비디오 작업 비디오 생성 작업에서도 안정적인 성능을 보여주었으나, 짧은 시간의 비디오 생성의 부분과 해상도가 높지 않은 생성형 비디오 생성이라서 한계는 있다. 하지만 비디오 생성을 노트북으로 테스트해서 확인할 수 있다는 자체가 놀라웠다.   ▲ 생성형 AI 이미지 작업   메타휴먼을 활용한 언리얼 엔진 작업 테스트 고사양의 컴퓨터 성능이 필요한 메타휴먼 작업에 활용해 보았다. 먼저 클라우드와 연결하여 디지털 휴먼을 만들어 보았다. 일반 노트북에서는 끊어지는 현상과 고사양의 노트북이 아닐 때는 화면이 끊어지는 현상이 있는데, HP Z북 울트라 G1a에서는 자연스럽게 화면이 이어지며 움직임 테스트에서도 언리얼 엔진의 게임 템플릿에서 자연스럽게 리얼타임으로 실행되는 결과를 볼 수 있었다.   ▲ 메타휴먼을 활용한 언리얼 엔진 작업   언리얼 엔진 작업 테스트 실제 시네마틱 영상 제작 과정에서는 언리얼 엔진의 실시간으로 미리보기 기능 자체와 실제 렌더링을 할 때 컴퓨터의 성능이 중요한 역할을 한다. 다른 노트북으로는 작업했을 때에는 실시간 미리보기는 화면이 끊어지는 현상이 있었지만, 이번 리뷰를 통해 워크스테이션급 노트북을 이용하면 어느 정도 작업이 가능하다는 점을 확인할 수 있었다.   ▲ 언리얼 엔진에서 작업   블렌더 3D 렌더링 테스트 블렌더 3D를 셋업하고 샘플 신(scene)의 인테리어 부분을 이미지 렌더링해 보니 시간적인 면에서 17분 39초가 소요됐다. 이는 동급 노트북 대비 상당히 빠른 렌더링 속도로, 복잡한 3D 신도 효율적으로 처리할 수 있음을 보여준다. 하지만 다른 작업을 하면서 멀티 렌더링할 때 다운되는 현상이 있었다. 메모리가 필요한 다른 작업 없이 블렌더 싱글 렌더링만 진행할 때는 큰 이상은 없었다.   ▲ 블렌더 렌더링 테스트   맺음말 결론적으로 온디바이스 AI를 통해 정보 검색과 문제해결에 도움이 되었고, AI 전문 작업에서 빠른 제작 시간과 렌더링 시간을 보여주었다. 실제 인터넷에서 서비스 페이지까지 들어가서 프롬프트를 입력하면 보통 120초 이상 걸리는데, 바로 열어서 프롬프트를 입력하거나 대화하면 10초 정도면 바로 원하는 정보를 얻을 수 있다. 3D 작업과 리얼타임 엔진인 언리얼 엔진 작업에서도 노트북으로 편하게 시네마틱 영상 제작을 할 수 있었다. AMD의 그래픽카드이기 때문에 엔비디아 칩셋을 이용한 콤피UI는 테스트 설치가 되지 않아, 많이 사용하는 AI 오픈 소스로는 테스트하지 못해 아쉽다.   ■ 최석영 AI프로덕션 감성놀이터의 대표이며, 국제고양이AI필름페스티· 21벌 총감독이다. AI 칼럼니스트로도 활동하고 있다.     ■ 기사 내용은 PDF로도 제공됩니다. 

2025년형 HP ZBook Ultra G1a(Z북 울트라 G1a)는 휴대성과 고성능을 모두 만족시키는 최신 모바일 워크스테이션이다. 이번 리뷰에서는 AI 콘텐츠 제작, 블렌더 기반의 3D 작업, 언리얼 엔진을 활용한 디지털 휴먼 제작 등 실제 프로젝트 기반으로 테스트한 결과를 중심으로 제품의 성능을 살펴보았다.   HP Z북 울트라 G1a는 2025년 최신 모델로, 이 글에서는 AI 크리에이터 작업과 블렌더(Blender)를 이용한 3D 작업, 높은 컴퓨터 성능을 필요로 하는 언리얼 엔진을 활용한 디지털 휴먼 작업을 통해 리뷰하고자 한다. 처음 노트북을 개봉할 때 느낌은 모던하면서 고성능 느낌의 노트북 디자인이 적용되어 보여 좋았다.   HP Z북 울트라 G1a의 제품 구성 Z북 울트라 G1a의 기본 성능 체크를 위해 내 컴퓨터 성능을 체크한다. 이 모델은 워크스테이션급 성능을 노트북에 담아 휴대성과 성능을 모두 만족시키는 제품으로 설계되었다. AMD 라이젠(Ryzen) AI MAX+ 395는 16코어 32스레드의 젠 5(Zen 5) 아키텍처와 40개 컴퓨트 유닛을 탑재한 라데온(Radeon) 8060S 통합 그래픽을 결합한 혁신적인 APU(Accelerated Processing Unit : 가속 처리 장치)다. 이 프로세서는 50 TOPS의 XDNA 2 NPU를 통해 강력한 AI 성능을 제공하며, 별도의 독립 그래픽카드 없이도 RTX 4060에서 4070 수준의 그래픽 성능을 구현한다. AI 크리에이터와 3D 그래픽 작업을 하는 휴대용 워크스테이션이 필요한 사람들에게 좋은 컴퓨터 성능이다. 이번 리뷰에서 가장 좋았던 것은 AI 콘텐츠를 개발할 때 컴퓨터2025/7의 성능을 계속해서 체크해야 하는 부분이 있다는 것이다. 온디바이스 AI를 활용하여 인터넷이 연결되지 않았을 때도 코파일럿+ PC(Copilot+ PC)를 적용하여 마치 비서처럼 쓸 수 있었다. AI 콘텐츠를 제작할 때 새로운 방법을 이용하여 접근할 때가 많은데, 이럴 때는 오류와 문제들이 많이 발생한다. 이런 경우, 이 부분을 함께 해결할 협업자가 필요한데 문제 해결과 검색에 많이 활용되었으며, 음성인식을 지원하여 대화하며 문제를 해결할 수 있어서 작업하는데 편했다.   ▲ HP Z북 울트라 G1a의 구성   AMD 최적화된 AI 모델로 온디바이스 AI 활용 온디바이스 AI 기능을 통해 클라우드 연결 없이도 로컬에서 AI 작업을 수행할 수 있어 데이터 보안과 작업 속도 면에서 큰 장점을 보였다. 특히 실시간 AI 문제 해결과 정보 서치 작업에서 지연 시간이 거의 없어 원활한 작업 환경을 제공했다. AMD에 최적화된 모델 발표가 있어 그 부분을 테스트한 부분이 좋은 성과라고 생각된다. 어뮤즈(Amuse)는 AI 기반 이미지 생성 및 편집을 위한 소프트웨어로 텐서스택(TensorStack)에서 개발했으며, AMD와 협력하여 최적화된 성능을 제공한다. 주요 기능으로는 스테이블 디퓨전(Stable Diffusion) 모델을 활용한 AI 이미지 생성, AMD XDNA 슈퍼 레졸루션(AMD XDNA Super Resolution)을 통한 고해상도 이미지 출력 등이 있으며, 사용자 친화적인 인터페이스로 간편한 설치 및 사용이 가능하다. AMD에서 전문적인 생성형 AI 프로그램인 어뮤즈를 이용하여 이미지를 만들어 보았다. 약 15초 정도 걸렸으며, 노트북에서도 이런 퀄리티가 가능했다.   ▲ 온디바이스 AI 활용   ▲ AMD에 최적화된 AI 모델   생성형 AI 이미지 작업 생성형 AI를 활용한 이미지 작업에서는 복잡한 프롬프트도 빠르게 처리하여 고품질의 이미지를 생성할 수 있었다. 특히 AMD의 하드웨어 가속 기능을 통해 일반적인 노트북 대비 2~3배 빠른 렌더링 속도를 보여 주었다. 생성 시간은 15초(2048×2048)였다. 콤피UI(ComfyUI)는 생성형 AI 오픈소스 프로그램으로 AI를 이용하여 이미지와 비디오를 생성할 수 있는 오픈 소스다. 콤피UI보다 빨리 렌더링되는 느낌이었다.   ▲ 생성형 AI 이미지 작업   생성형 AI 비디오 작업 비디오 생성 작업에서도 안정적인 성능을 보여주었으나, 짧은 시간의 비디오 생성의 부분과 해상도가 높지 않은 생성형 비디오 생성이라서 한계는 있다. 하지만 비디오 생성을 노트북으로 테스트해서 확인할 수 있다는 자체가 놀라웠다.   ▲ 생성형 AI 이미지 작업   메타휴먼을 활용한 언리얼 엔진 작업 테스트 고사양의 컴퓨터 성능이 필요한 메타휴먼 작업에 활용해 보았다. 먼저 클라우드와 연결하여 디지털 휴먼을 만들어 보았다. 일반 노트북에서는 끊어지는 현상과 고사양의 노트북이 아닐 때는 화면이 끊어지는 현상이 있는데, HP Z북 울트라 G1a에서는 자연스럽게 화면이 이어지며 움직임 테스트에서도 언리얼 엔진의 게임 템플릿에서 자연스럽게 리얼타임으로 실행되는 결과를 볼 수 있었다.   ▲ 메타휴먼을 활용한 언리얼 엔진 작업   언리얼 엔진 작업 테스트 실제 시네마틱 영상 제작 과정에서는 언리얼 엔진의 실시간으로 미리보기 기능 자체와 실제 렌더링을 할 때 컴퓨터의 성능이 중요한 역할을 한다. 다른 노트북으로는 작업했을 때에는 실시간 미리보기는 화면이 끊어지는 현상이 있었지만, 이번 리뷰를 통해 워크스테이션급 노트북을 이용하면 어느 정도 작업이 가능하다는 점을 확인할 수 있었다.   ▲ 언리얼 엔진에서 작업   블렌더 3D 렌더링 테스트 블렌더 3D를 셋업하고 샘플 신(scene)의 인테리어 부분을 이미지 렌더링해 보니 시간적인 면에서 17분 39초가 소요됐다. 이는 동급 노트북 대비 상당히 빠른 렌더링 속도로, 복잡한 3D 신도 효율적으로 처리할 수 있음을 보여준다. 하지만 다른 작업을 하면서 멀티 렌더링할 때 다운되는 현상이 있었다. 메모리가 필요한 다른 작업 없이 블렌더 싱글 렌더링만 진행할 때는 큰 이상은 없었다.   ▲ 블렌더 렌더링 테스트   맺음말 결론적으로 온디바이스 AI를 통해 정보 검색과 문제해결에 도움이 되었고, AI 전문 작업에서 빠른 제작 시간과 렌더링 시간을 보여주었다. 실제 인터넷에서 서비스 페이지까지 들어가서 프롬프트를 입력하면 보통 120초 이상 걸리는데, 바로 열어서 프롬프트를 입력하거나 대화하면 10초 정도면 바로 원하는 정보를 얻을 수 있다. 3D 작업과 리얼타임 엔진인 언리얼 엔진 작업에서도 노트북으로 편하게 시네마틱 영상 제작을 할 수 있었다. AMD의 그래픽카드이기 때문에 엔비디아 칩셋을 이용한 콤피UI는 테스트 설치가 되지 않아, 많이 사용하는 AI 오픈 소스로는 테스트하지 못해 아쉽다. 견적 상담 문의하기 >> https://www.hp.com/kr-ko/shop/hp-workstation-amd-app   ■ 최석영 AI프로덕션 감성놀이터의 대표이며, 국제고양이AI필름페스티· 21벌 총감독이다. AI 칼럼니스트로도 활동하고 있다.     ■ 기사 내용은 PDF로도 제공됩니다. 

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 올라마(Ollama)와 오픈AI(OpenAI) GPT가 지원하는 오픈 소스 AI 모델을 블렌더(Blender)와 연결해 프롬프트 입력에 의한 자동 모델링 에이전트를 개발하는 방법을 설명한다. 이 연결을 통해 3D 모델링 작업 흐름을 간소화하고, 간단한 텍스트 프롬프트만으로 3D 장면을 생성하고 수정할 수 있다. 이번 호의 내용을 통해 이 프로세스를 직접 구현하는 방법을 이해하고, AI 에이전트 도구로서 LLM 모델의 역량을 평가할 수 있다.   ■ 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   그림 1. 프롬프트 : ‘Generate 100 cubes along the line of a circle with a radius of 30. The color and size of each cube are random.’   개념 : 텍스트 기반 3D 모델링 ‘텍스트 기반 3D 모델링’이란, 사용자가 입력한 텍스트를 AI 모델이 분석하여 블렌더에서 실행할 수 있는 코드를 생성하고 이를 통해 3D 그래픽을 구현하는 방식이다. 텍스트 토큰을 조건으로 설정하여 메시 모델을 생성하는 방법도 존재하며, 이는 스테이블 디퓨전(Stable Diffusion : SD) 계열의 기술을 활용하는 경우가 많다. 그러나 SD 기반 모델은 정확한 크기와 위치를 지정하는 데 근본적인 한계를 가진다. 이번 호에서는 정확한 치수를 가진 모델을 생성하는 것에 초점을 맞추고 있으므로, SD 기반 모델에 대한 자세한 설명은 생략한다. 텍스트를 3D 모델로 변환하는 에이전트 도구는 CAD 툴과의 상호작용 방식을 개선할 가능성이 있으며, 그래픽 모델링의 진입 장벽을 낮추고 신속한 프로토타이핑이 가능할 수 있다.   실행 가능한 코드 다운로드 이번 호의 내용과 관련된 실행 가능한 코드는 깃허브(GitHub)에서 다운로드할 수 있으니 참고한다. GitHub 링크 : https://github.com/mac999/blender-llm-addin   라이브러리 설치 블렌더와 올라마를 설치해야 한다.   1. 블렌더 다운로드 : blender.org   2. 윈도우에서 올라마 다운로드 : https://ollama.com/download   3. 오픈 소스 LLM 모델 설치(터미널에서 실행) ollama pull llama3.2 ollama pull gemma2 ollama pull codellama ollama pull qwen2.5-coder:3b ollama pull vanilj/Phi-4   4. 필요한 라이브러리 설치 pip install pandas numpy openai ollama   블렌더의 파이썬(Python) 환경에서 라이브러리를 설치하려면, 블렌더 설치 경로에 맞게 다음을 실행해야 한다. cd "C:/Program Files/Blender Foundation/Blender /python/bin" ./python.exe -m ensurepip ./python.exe -m pip install pandas numpy openai ollama   코드 설명 블렌더 UI 패널 생성 사용자가 블렌더에서 직접 모델을 선택하고 텍스트 프롬프트를 입력할 수 있도록 커스텀 UI를 생성한다. class OBJECT_PT_CustomPanel(bpy.types.Panel): 　bl_label = "AI Model Selector" 　bl_idname = "OBJECT_PT_custom_panel" 　bl_space_type = 'VIEW_3D' 　bl_region_type = 'UI' 　bl_category = "Gen AI 3D Graphics Model" 　def draw(self, context): 　　layout = self.layout 　　layout.label(text="Select Model:") 　　layout.prop(context.scene, "ai_model", text="") 　　layout.label(text="User Prompt:") 　　layout.prop(context.scene, "user_prompt", text="") 　　layout.operator("object.submit_prompt", text="Submit")     ■ 자세한 기사 내용은 PDF로 제공됩니다.

  18　THEME. 디지털 전환으로 플랜트/조선 산업 경쟁력을 찾다 EPC 엔지니어링의 혁신을 위한 AI 기술 효율적 작업 환경과 미래 인력 운용 설루션으로서의 디지털 트윈 산업현장의 성공적인 DX를 위한 인사이트 공유 디지털 전환 생산 혁신의 마지막 퍼즐, 성과제   INFOWORLD   Editorial 17　제조 혁신의 나침반, 자율화와 지속가능성의 조화로 향한다   Case Study 31　유니티로 3D 건설 협업 애플리케이션을 구축한 오바야시　건설 프로세스에서 협업을 대중화하다   Focus 34　중소기업의 제품 개발 혁신을 이끄는 지멘스의 전략은? 36　클라우드·AI로 무장한 지스타캐드, 국내 CAD 시장 공략 가속화 38　로크웰 오토메이션, “전방위 AI 지원으로 자율 운영 공장을 구현한다” 40　2025 산업지능화 컨퍼런스, AI-산업 데이터 결합 통한 제조 혁신 제시 42　인텔, 고성능 AI PC 위한 프로세서 및 생태계 전략 소개 44　SIMTOS 2026, ‘AI 자율제조와 인재 연결’을 주제로 2026년 4월 킨텍스서 개최   On Air 46　캐드앤그래픽스 CNG TV 지식방송 지상중계　무전원 IoT 센서를 활용한 스마트 공장 고도화 지원 방안 48　캐드앤그래픽스 CNG TV 지식방송 지상중계　시뮬링크를 활용한 모델 기반 설계의 핵심과 실제 적용 사례 49　캐드앤그래픽스 CNG TV 지식방송 지상중계　시뮬레이션과 디지털 트윈을 통한 전기차 시장 경쟁력 확보   Column 52　디지털 지식전문가 조형식의 지식마당 / 조형식　이제는 인공지능과 디지털 트윈의 만남이 필요하다 54　트렌드에서 얻은 것 No. 22 / 류용효　AI의 거대한 파도, 엔비디아가 만드는 미래   50　New Books Directory 123　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   PLM 59　BPMN을 활용하여 제품 개발의 소통과 협업 극대화하기 (2) / 윤경렬, 가브리엘 데그라시　BPMN은 무엇일까?   AEC 62　새로워진 캐디안 2025 살펴보기 (5) / 최영석　유틸리티 기능 소개 Ⅲ 66　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　오픈소스 LLM 기반 블렌더 모델링 AI 에이전트 개발하기 119　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (1) / 천벼리　아레스 캐드 2026의 새로운 기능   Visualization 70　전문 분야를 넘나들며 상상을 생동감 있게 디자인하기 / 장순규　기록에서 시청하는 문화를 이끄는 생성형 AI의 미래 74　AI 크리에이터 시대 : 영상 제작의 새로운 패러다임 (1) / 최석영　AI 영상 제작 생태계의 현재와 미래 86　산업 디지털 전환을 가속화하는 버추얼 트윈 (1) / 조희원, 남솔아　엔지니어링 데이터 기반으로 하이엔드 시각화 혁신하기   Reverse Engineering 80　시점 - 사물이나 현상을 바라보는 눈 (4) / 유우식　정적 이미지와 동적 이미지   Analysis 91　앤시스 워크벤치를 활용한 해석 성공 사례 / 김지원　앤시스 플루언트를 이용한 혈류 해석 워크플로 94　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (20) / 나인플러스IT　터보 기계 시뮬레이션을 위한 엔지니어 가이드 Ⅴ 98　제품 개발 프로세스의 변화 이끄는 MBD / 오재응　가상 제품 개발에 적용하기 위한 MBD와 CAE의 차이 및 협업 104　최적화 문제를 통찰하기 위한 심센터 히즈 (2) / 이종학　근사모델 기반의 최적화 vs. 직접 검색 기반의 최적화   Mechanical 111　제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (11) / 김주현　크레오 파라메트릭에서 파이핑 생성하기 Ⅱ       캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

에픽게임즈는 언리얼 엔진과 에픽 에코시스템의 모든 마켓플레이스를 통합한 콘텐츠 마켓플레이스 '팹(Fab)’이 오는 10월 중순 출시될 예정이며, 판매자들을 위한 퍼블리싱 포털을 먼저 오픈했다고 발표했다. 에픽게임즈는 지난 2023년 게임 개발자 콘퍼런스(GDC)에서 언리얼 엔진 마켓플레이스, 스케치팹, 아트스테이션 및 퀵셀 등 언리얼 엔진과 에픽 에코시스템의 모든 마켓플레이스를 통합한 새로운 콘텐츠 마켓플레이스인 팹을 제공할 것이라고 발표한 바 있다. 팹은 애셋을 한 곳에서 검색, 구매 및 판매 그리고 공유할 수 있는 원스톱 마켓플레이스이자 게임, VFX, 애니메이션, 시뮬레이션, 디자인, 건축, 패션 등 다양한 산업 분야의 크리에이터가 함께 판매자이자 구매자가 되는 커뮤니티로 운영될 계획이다. 에픽게임즈는 크리에이터가 팹에서 실질적이고 지속 가능한 비즈니스를 구축할 수 있도록 88:12의 수익 배분율을 적용할 방침이다. 먼저 언리얼 엔진 마켓플레이스 크리에이터는 팹 퍼블리싱 포털에서 지금 바로 제품을 팹으로 이전할 수 있다. 스케치팹은 10월 초부터 새로운 퍼블리셔의 가입 및 콘텐츠 업로드가 가능하며, 라이선스 콘텐츠를 팹으로 쉽게 이전할 수 있도록 지원하는 마이그레이션 툴이 제공된다. 아트스테이션 마켓플레이스의 경우, 2025년까지 크리에이터가 팹으로 제품을 이전할 수 있도록 현재와 같이 계속 동일하게 운영된다.     에픽게임즈는 팹 출시 후 2024년 말까지 팹 스탠다드 라이선스 제품 판매에 대해 수수료 없이 100%의 수익을 판매자에게 제공할 계획이다. 이와 함께, 팹의 출시 프로모션의 일환으로, 팹에서 제품을 퍼블리싱하거나 최소 25 달러를 구매하는 신규 사용자에게 어도비 서브스턴스 페인터 및 모델러 6개월 구독권을 제공하는 이벤트를 어도비와 공동으로 진행할 예정이다. 팹에서 제공될 기능들을 살펴보면 ▲ 멀티 엔진 및 멀티 플랫폼 지원을 통해 언리얼 엔진 및 유니티 등 여러 게임 엔진과 호환되는 콘텐츠 및 블렌더, 마야, 시네마 4D, 어도비 서브스턴스 3D와 같은 다양한 디지털 콘텐츠 제작 툴을 제공하며 ▲ 3D 모델, 게임 엔진용 2D 애셋, 환경, 오디오, 툴, 여러 형식의 플러그인 등 다양한 애셋 유형을 지원한다. 또한 ▲ 언리얼 엔진 및 UEFN 통합으로 크리에이터는 에디터에서 바로 팹 콘텐츠에 액세스할 수 있어 애셋을 프로젝트에 바로 가져올 수 있으며 ▲ 차세대 리얼타임 3D 뷰어를 통해 크리에이터는 3D 애셋을 살펴볼 수 있고 퍼블리셔는 리얼타임 3D로 자신의 작품을 손쉽게 선보일 수 있는 툴을 제공한다. 더불어 ▲ 강력한 검색 및 탐색 툴을 통해 적절한 가격과 원하는 라이선스의 파일 형식이나 애셋을 빠르게 찾을 수 있고 ▲ 판매자는 스탠다드 라이선스에 대한 가격 책정이 가능한 여러 라이선스 유형을 제공할 수 있어 개인 또는 전문가용 제품을 다양한 가격대로 판매할 수 있으며 ▲ AI 투명성을 통해 크리에이터는 생성형 AI 프로그램 사용유무가 명시된 제품 정보를 참고해 자신의 제품을 생성형 AI 프로그램 학습에 사용 여부를 제어할 수 있다. 오는 10월 팹이 정식 출시되면, 언리얼 엔진 마켓플레이스와 스케치팹 스토어의 애셋 판매 및 구매는 팹으로 이전되어 팹에서만 이용할 수 있게 된다. 또한, 퀵셀 메가스캔 콘텐츠도 팹으로 이전된다. 2024년 말까지 팹의 스탠다드 라이선스에 따라 엔진 및 툴에 관계 없이 모든 크리에이터에게 메가스캔 콘텐츠가 무료로 제공되며, 2025년부터는 유료 모델로 전환된다. 아트스테이션 마켓플레이스의 경우 크리에이터가 팹으로 제품을 쉽게 이전할 수 있도록 지원하는 마이그레이션 툴이 2025년에 제공될 예정이다. 포트폴리오나 프린트 등 아트스테이션 마켓플레이스를 제외한 다른 모든 부분은 팹으로 이전되지 않고 그대로 유지된다.