엔비디아가 소형 생성형 AI 슈퍼컴퓨터 신제품인 ‘젯슨 오린 나노 슈퍼 개발자 키트(Jetson Orin Nano Super Developer Kit)’를 공개했다. 엔비디아는 소프트웨어 업그레이드를 통해 이전 모델에 비해 성능을 높이고 가격은 낮췄다고 밝혔다. 손바닥만한 크기의 새로운 엔비디아 젯슨 오린 나노 슈퍼 개발자 키트는 상업용 AI 개발자부터 취미로 AI를 다루는 사람, 학생에 이르기까지 다양한 사람들에게 생성형 AI 기능과 성능을 제공한다. 가격은 기존의 499달러에서 249달러로 인하됐다. 이 제품은 이전 모델에 비해 생성형 AI 추론 성능이 1.7배 향상됐고, 성능은 67 INT8 TOPS로 70% 증가했으며, 메모리 대역폭은 102GB/s로 50% 증가했다. 젯슨 오린 나노 슈퍼는 검색 증강 생성(RAG) 기반의 대규모 언어 모델(LLM) 챗봇 생성, 시각적 AI 에이전트(AI agent) 구축, AI 기반 로봇 배포 등에 적합한 설루션을 제공한다. 젯슨 오린 나노 슈퍼는 생성형 AI, 로보틱스, 컴퓨터 비전 기술 개발에 관심이 있는 사람들에게 적합하다. AI 세계가 작업별 모델에서 파운데이션 모델로 이동함에 따라 아이디어를 현실로 전환할 수 있는 접근 가능한 플랫폼도 제공한다. 젯슨 오린 나노 슈퍼의 향상된 성능은 모든 인기 있는 생성형 AI 모델과 트랜스포머 기반 컴퓨터 비전을 위한 이점을 제공한다.     개발자 키트는 젯슨 오린 나노 8GB 시스템 온 모듈(SoM)과 레퍼런스 캐리어 보드로 구성돼 에지 AI 애플리케이션 프로토타입에 적합한 플랫폼을 제공한다. 이 SoM은 텐서 코어가 포함된 엔비디아 암페어(Ampere) 아키텍처 GPU와 6코어 Arm CPU를 갖추고 있어, 여러 개의 동시 AI 애플리케이션 파이프라인과 고성능 추론을 용이하게 한다. 또한, 최대 4개의 카메라를 지원할 수 있으며 이전 버전보다 더 높은 해상도와 프레임 속도를 제공한다. 젯슨은 로보틱스를 위한 엔비디아 아이작(Isaac), 비전 AI를 위한 엔비디아 메트로폴리스(Metropolis), 센서 처리를 위한 엔비디아 홀로스캔(Holoscan)을 비롯한 엔비디아 AI 소프트웨어를 실행한다. 합성 데이터 생성을 위한 엔비디아 옴니버스 리플리케이터(Omniverse Replicator)와 NGC 카탈로그에서 사전 훈련된 AI 모델을 미세 조정하기 위한 엔비디아 타오 툴킷(TAO Toolkit)을 사용하면 개발 시간을 단축할 수 있다. 한편, 엔비디아는 새로운 젯슨 오린 나노 슈퍼에 제공되는 소프트웨어 업데이트가 이미 젯슨 오린 나노 개발자 키트를 보유하고 있는 사용자의 생성형 AI 성능도 향상시킨다고 밝혔다. 1.7배의 생성형 AI 성능을 향상시키는 소프트웨어 업데이트는 젯슨 오린 NX와 오린 나노 시리즈 시스템 모듈에서도 사용할 수 있다. 기존 젯슨 오린 나노 개발자 키트 소유자는 지금 바로 젯팩 SDK(JetPack SDK)를 업그레이드해 향상된 성능을 활용할 수 있다. 엔비디아는 “젯슨 생태계 파트너는 추가적인 AI와 시스템 소프트웨어, 개발자 도구, 맞춤형 소프트웨어 개발을 제공한다. 또한, 카메라와 기타 센서, 캐리어 보드, 제품 설루션을 위한 설계 서비스도 지원 가능하다”고 덧붙였다.

엔비디아가 2025년 AI가 가져올 각 산업 분야의 혁신에 대해 전망했다. 엔비디아의 전문가들은 멀티모달 모델이 업계의 혁신과 효율성을 가속화할 것이라고 예측했다. 생성형 AI는 올해 조직의 모든 분야에서 큰 주목을 받았다. 이에 따라 산업 전반에서 이를 활용해 혁신과 창의성을 증진하고, 고객 서비스를 개선하며, 제품 개발을 변화시키고, 의사소통을 강화하는 방법에 대한 논의가 활발히 이루어졌다. IDC에 따르면, 전 세계 기업은 내년에 AI 설루션에 3070억 달러를 지출할 것으로 예상된다. 또한, 이는 2028년까지 연평균 29.0%의 성장률로 6320억 달러까지 증가할 것으로 보인다. IDC는 AI가 2030년까지 전 세계 누적 경제에 19조 9000억 달러의 영향을 미칠 것이며, 2030년 전 세계 GDP의 3.5%를 견인할 것이라고 예측했다. 그러나 AI의 빠른 발전에도 불구하고 일부 기업과 스타트업은 여전히 실험과 사일로화된 프로젝트에 집착하며 AI 도입에 느리게 대응하고 있다. 이는 AI의 혜택이 기업, 사용 사례, 투자 수준에 따라 다르기 때문이다. 하지만 신중한 접근 방식은 낙관적인 태도로 전환되고 있다. 포레스터 리서치(Forrester Research)의 2024 AI 현황 설문조사에 참여한 응답자의 3분의 2는 조직의 AI 이니셔티브가 성공하려면 투자 수익률이 50% 미만이어야 한다고 답했다. 다음으로 주목할 만한 것은 에이전틱 AI이다. 이는 자율적이거나 ‘추론’하는 형태의 AI로, 다양한 언어 모델, 정교한 검색 증강 생성(RAG) 스택, 고급 데이터 아키텍처를 사용해야 한다.     엔비디아는 2025년 주목할 만한 AI 트렌드로 ▲효율적인 추론 설루션에 대한 수요도 증가 ▲양자 컴퓨팅의 오류 수정 및 양자 하드웨어 성능 향상 ▲AI의 창의성과 다양성 강화 ▲산업 인프라와 도시 계획의 재검토 ▲AI 에이전트의 효율을 극대화하는 AI 오케스트레이터의 증가 ▲기업의 데이터를 탐색 방식을 바꾸는 AI 쿼리 엔진 ▲기업에게 고성능 추론을 필수로 만드는 에이전틱 AI ▲데이터를 인텔리전스로 처리하기 위한 AI 팩토리 확장 등을 꼽았다. 엔비디아는 에이전틱AI(agentic AI)의 시대가 열리면서, 여러 모델로 구성된 복잡한 시스템에서 거의 즉각적인 응답에 대한 수요가 증가할 것으로 전망했다. 이에 따라 고성능 추론은 고성능 훈련 인프라만큼이나 중요해질 전망이다. 그리고 IT 리더는 실시간 의사 결정을 위한 성능을 제공하기 위해, 에이전틱 AI의 수요에 맞추어 확장 가능하고 특수 목적에 맞게 구축되고 최적화된 가속 컴퓨팅 인프라를 필요로 할 것이다. AI를 통한 건설, 엔지니어링, 디자인 혁신도 보다 활발히 진행될 전망이다. 엔비디아는 건설, 엔지니어링, 디자인 산업에 맞춤화된 생성형 AI 모델이 증가할 것이며, 이는 효율성을 높이고 혁신을 가속화할 것이라고 보았다. 건설 분야에서는 에이전틱 AI가 현장 센서와 카메라에서 수집한 방대한 양의 건설 데이터를 해석해 더 효율적인 프로젝트 일정과 예산 관리로 이어지는 인사이트를 제공한다. AI는 24시간 현실 캡처 데이터(라이다, 사진 측량, 레디언스 필드)를 평가하고 품질, 안전, 규정 준수에 대한 중요한 인사이트를 도출해 오류와 작업장 부상을 줄일 수 있다. 엔지니어의 경우, 물리 정보 신경망에 기반한 예측 물리학은 홍수 예측, 구조 엔지니어링, 건물 내 개별 방이나 층에 맞춘 공기 흐름 설루션을 위한 전산유체역학(CFD)을 가속화해 설계 반복을 단축한다. 디자인 분야에서는 RAG(검색증강생성)를 통해 건물 디자인과 시공을 위한 정보 모델링이 현지 건축법을 준수하는지 확인할 수 있다. 이는 디자인 초기 단계에서 규정을 준수할 수 있도록 한다. 확산 AI 모델은 건축가와 디자이너가 키워드 프롬프트와 대략적인 스케치를 결합해 고객 프레젠테이션을 위한 풍부하고 상세한 개념 이미지를 생성할 수 있게 해 개념 설계와 부지 계획을 가속화한다. 이로써 연구와 디자인에 집중할 수 있는 시간을 확보할 수 있다. 엔비디아는 거의 모든 산업에서 AI를 사용해 사람들의 생활과 여가를 즐기는 방식을 향상시키고 개선할 준비를 하고 있다고 보고 있다. 농업 분야에서는 AI를 사용해 식품 공급망을 최적화하고 식량 공급을 개선할 것이다. 예를 들어, AI는 개별 농장의 다양한 작물에서 발생하는 온실가스 배출량을 예측하는 데 사용될 수 있다. 이러한 분석은 공급망에서 온실가스를 줄이는데 도움이 되는 설계 전략을 수립하는 데 도움이 된다. 한편, 교육 분야의 AI 에이전트는 개인의 모국어로 말하고 특정 과목의 교육 수준에 따라 질문하거나 답변하는 등 학습 경험을 개인화할 수 있다. 엔비디아는 국가와 산업계에서 AI가 경제의 다양한 측면을 자동화해 세계 인구가 감소하는 가운데서도 현재의 생활 수준을 유지하는 방법을 모색하기 시작할 것으로 보았다. 이러한 노력은 지속 가능성과 기후 변화에도 도움이 될 수 있다. 예를 들어, 농업 산업은 밭을 관리하고 해충과 잡초를 기계적으로 제거할 수 있는 자율 로봇에 투자하기 시작할 것이다. 이는 살충제와 제초제의 필요성을 줄여 지구를 더 건강하게 유지하고, 다른 의미 있는 기여를 위한 인적 자본을 확보할 수 있다. 도시 계획 사무소에서 자율주행차를 고려하고 교통 관리를 개선하기 위한 새로운 사고 방식을 기대할 수도 있다. 장기적으로는 AI가 전 세계의 시급한 과제인 탄소 배출량 감축과 탄소 저장을 위한 설루션을 찾는 데에 도움을 줄 수 있을 것으로 보인다. 기업의 AI 팩토리(AI factory)는 원시 데이터를 비즈니스 인텔리전스로 변환한다. 2025년에는 기업이 이러한 AI 팩토리를 확장해 방대한 양의 과거, 합성 데이터를 활용할 것이다. 이를 통해 소비자 행동과 공급망 최적화부터 금융 시장의 움직임, 공장과 물류창고의 디지털 트윈에 이르기까지 모든 것에 대한 예측과 시뮬레이션을 생성할 것이다. AI 팩토리는 초기 채택자들이 미래 시나리오에 대응하는데 그치지 않고 이를 예측하고 구체화하는 데 도움이 되는 핵심 경쟁 우위로 자리 잡을 것이다.

엑스리얼이 기술적 업그레이드를 제공하는 시네마틱 AR 글라스 ‘엑스리얼 원(XREAL One)’을 공개했다. 엑스리얼 원은 자체 개발한 공간 컴퓨팅 칩 X1을 탑재하여 물리적 스크린과 동일한 공간 디스플레이 경험이 가능하다. 2025년 출시 예정인 AI 카메라로 사진 및 비디오 촬영 그리고 AI 기능을 사용할 수 있으며, 독일 TÜV 라인란드의 눈 건강 인증을 획득해 안전성을 더했다. 엑스리얼 원은 글라스에 내장된 X1 칩을 사용해 3DoF 공간 컴퓨팅이 가능한 시네마틱 AR 글라스다. X1 공간 컴퓨팅 코프로세서를 통해 접속이 가능한 기기에 공간 디스플레이를 생성한다. X1는 광학 투과형(OST) AR 글라스용 최초의 맞춤형 칩으로, 120Hz에서 최대 3ms에 불과한 매우 짧은 M2P(Motion-to-Photon) 지연 시간을 제공해 블러 현상이나 이미지 지연 없이 부드럽고 안정적인 공간 스크린을 구현한다. 엑스리얼 원은 X1이 제공하는 M2P 지연 시간, 공간 앵커링(물리적 디스플레이와 동일하게 디스플레이를 공간에 고정하는 기능) 및 이미지 안정성을 특징으로 내세운다.     사용자는 어느 각도에서나 1080p 풀 HD에 준하는 영상을 경험할 수 있다. 엑스리얼 원은 버드베스 광학 방식 렌즈 디자인을 채택하여 50도 시야각(FoV)을 달성해 엑스리얼 에어2(XREAL Air 2) 시리즈보다 20.7% 더 넓은 디스플레이 영역을 구현한다. 또한 수평 IPD 옵션을 통해 흐릿한 부분 없이 편안함과 착용감을 경험할 수 있다. 아울러 소프트웨어 기반으로 IPD를 조절할 수 있는 기능이 포함되어 있으며, 3단계로 템플 각도를 조절할 수 있어 착용자가 자신에게 맞는 수직 IPD 설정을 찾을 수 있다. 엑스리얼 원은 120Hz의 화면 주사율과 각각 600 니트의 최대 밝기를 지원해 열악한 조명 환경에서도 이미지를 선명하고 생생하게 구현한다. 아울러 안경의 버튼을 터치해 렌즈를 어둡게 또는 밝게 조절하는 엑스리얼의 일렉트로크로믹 디밍 기능이 탑재되어 몰입감 제어가 가능하다. 또한 눈의 피로도를 감소하고 더 높은 자외선 차단이 가능함을 인정받아 2개의 새로운 TÜV 라인란드 인증을 획득했다. 엑스리얼 원은 강한 햇빛 아래에서도 디스플레이의 가장자리부분까지 선명하고 높은 해상도를 보장하고 눈의 편안함(5스타)을 인증받았으며, 로 블루라이트 및 플리커 프리에 대한 TÜV 라인란드 인증도 획득했다. 연결성과 사용성을 강화한 점도 특징이다. 엑스리얼 원은 아이폰, 안드로이드 기기, 스팀덱, 원도우 PC, 맥북 그리고 게임 콘솔 등 USB-C 포트를 통한 비디오 출력이 가능한 대부분의 기기에 연결할 수 있다. 사용자는 엑스리얼 원으로 다양한 기기에서 물리적인 디스플레이와 동일한 공간에 고정된 디스플레이를 자유롭게 사용할 수 있으며, 오른쪽 템플 아래쪽의 오렌지색 X 버튼을 누르면 팔로 모드, 앵커 디스플레이 모드 간의 전환과 메뉴 설정을 할 수 있다. 화면은 32:9 비율의 울트라 와이드 모드를 지원하며, 화면 크기, 화면 거리, 스태빌라이저, 사이드 스크린, 밝기 조절, 디스플레이 최적화, 색온도, 2D/3D 전환, IPD 조정, 볼륨 및 사운드 설정, 버튼 매핑 설정, 센서 보정, 언어 설정, 튜토리얼 및 공장 초기화 등 글라스 사용자 지정 옵션이 제공된다. 엑스리얼 원의 무게는 84그램으로, 이전 세대보다 튼튼한 마그네슘 합금 프론트 셸이 사용됐다. 교체 가능한 프론트 프레임은 사용자가 AR 글라스의 외관을 맞춤화할 수 있도록 다양한 악세서리를 제공할 예정이며, 템플 디자인은 무게 분산에 최적화되어 콧대에 가해지는 압력을 줄이고 이전 세대보다 더욱 균형 잡힌 디자인을 구현했다. AR 글라스 템플에는 근거리 및 원거리 전용 알고리즘이 적용된 4개의 마이크 레이아웃이 있어, 거리에 상관 없이 선명하게 음성을 마이크를 통하여 전달할 수 있다. 엑스리얼의 쉬츠(Chi Xu) CEO는 “이제 AR 글라스의 공간 화면은 하루 종일 실제 모니터를 대체할 수 있는 시점에 도달했다”면서, “3년이 넘는 첨단 연구 개발을 통해 개발된 X1 칩을 통해 사용자는 가볍고 휴대 가능한 시네마틱 가상화면을 일상에서 만나볼 수 있게 되었으며, 이는 엑스리얼이 항상 상상해 오고 전 세계 고객이 가장 기다려온 공간 컴퓨팅 기술의 정점”이라고 말했다. 엑스리얼 원은 네이버 스마트 스토어와 엑스리얼 코리아 공식 판매처를 통해 예약 구매가 가능하며, 예약 구매 기간은 2025년 1월 12일까지다. 글라스 단독 구매시 가격은 68만원이며, 예약구매 기간에 글라스 및 엑스리얼 허브 추가 구매시 2만 5천원 할인이 적용된다. 기존 엑스리얼 글라스 시리즈 구매자는 3만원의 추가 할인이 적용된다.

자율주행 시뮬레이션 전문기업 모라이는 자사의 시뮬레이션 플랫폼인 ‘모라이 드라이브(MORAI Drive)’ 설루션이 국제 표준 인증기관인 SGS-TUV Saar로부터 3D 라이다(3D LiDAR) 센서 모듈에 대한 ISO 26262 인증을 취득했다고 밝혔다. ISO 26262는 자동차 전기/전자 시스템의 기능 안정성(functional safety)을 평가하고 관리하기 위한 국제 안전 표준이다. 자율주행 자동차는 사람이 운전하는 차량과 달리 차량 자체가 주행을 제어하기 때문에, 안전성과 신뢰성이 핵심 과제로 꼽힌다. 이러한 배경에서 자율주행 자동차 개발 과정에서 전기 및 전자 시스템의 안전성을 보장하는 ISO 26262 인증은 필수이다. 모라이의 시뮬레이션 설루션은 자율주행 시스템의 인지, 판단, 제어 전체 과정의 연구에서 자율주행 알고리즘이 개발 의도대로 작동하고 안전을 유지할 수 있는지 테스트할 수 있는 가상 검증 플랫폼으로 활용된다. 차량 동작의 정확한 시뮬레이션을 위해 고정밀 차량 역학(vehicle dynamics) 맞춤 설정과 카메라, 라이다, 레이더, GPS 및 관성측정장치(IMU)를 포함한 다양한 센서 모델을 제공한다. 이를 기반으로 합성 데이터셋을 생성해 이를 자율주행 자동차 알고리즘 개발 및 고도화를 위한 학습 데이터로 확용할 수 있다. 자율주행 자동차를 비롯해 UAM, 무인 로봇, 무인 선박, 다목적 무인차량 등 차세대 모빌리티 시스템 전반에 적용할 수 있는 범용성도 갖춘 것이 특징이다.     모라이는 “모라이의 3D 라이다 모듈은 ISO 26262에 따라 최고 수준의 안전성 평가 기준인 ASIL D까지 해당 시스템의 안전 목표를 검증하기 위한 시뮬레이션 분석 도구로 적합하다”는 SGS-TUV Saar의 평가도 소개했다.    모라이의 정지원 대표는 “ISO 26262 인증 취득으로 모라이의 자율주행 시뮬레이션 플랫폼이 자율주행 자동차의 개발과 운영에 필요한 안전성 요구사항 검증에 적합하다는 점을 인정받았다. 모라이의 시뮬레이터를 통해 고객은 현실적인 가상 환경에서 자율주행 차량의 안전성을 빠르고 효과적으로 검증할 수 있어, ISO 26262 표준에 대응하고, 제품 경쟁력을 높이는데 기여할 수 있을 것으로 기대한다. 앞으로도 모라이는 안전하고 신뢰성 높은 자율주행 기술 개발을 지원하기 위해 지속적으로 노력하겠다”고 밝혔다.

개발 및 공급 : 태성에스엔이 주요 특징 : 확률적 머신러닝 알고리즘 접근 방식 사용, 기존 데이터 활용 또는 새로운 데이터 수집 계획으로 샘플과 자원의 효율적 관리, 전문가의 도움 없이도 확률적 머신러닝 작업 수행, 2D 및 3D FEM/CFD 등 다양한 형상과 데이터 형식 학습 가능, 실제 실험 데이터와 시뮬레이션 데이터의 유연한 처리 등   ▲ DIM-GP 알고리즘   Stochos(스토코스)는 딥러닝(DL)과 가우시안 프로세스(GP)를 독창적으로 결합하여 각 알고리즘의 장점을 최대화하고 단점을 최소화한 혁신적인 머신러닝 솔루션(DIM-GP : Deep infinite mixture of Gaussian Processes)을 제공한다. 기존 머신러닝 기업이 주로 딥러닝에 의존해 많은 하이퍼 파라미터 튜닝을 요구하는 것과 달리, 하이퍼 파라미터 훈련이 전혀 필요하지 않다. 또한 온프레미스(on-premise) 방식으로 학습 및 응용 시에 사내에서 안전하게 처리 및 보관할 수 있어 보안이 강화되며, 비용과 자원이 많이 드는 클라우드 컴퓨팅 솔루션이 요구되지 않는다.  낮은 하드웨어 요구 사항으로 빠른 AI 모델 구축 가능(클라우드 필요 없음) 하이퍼 파라미터 설정 불필요(AI 전문 지식 필요 없음) 다양한 형태의 데이터 사용 가능(1D/2D/3D, 이미지, 실험 데이터, 정해석, 과도해석 등) CAE 해석 프로그램의 종류에 무관하게 적용 가능 적은 데이터 수로 높은 정확도 구현 자동 노이즈 처리 데이터는 고객에게 보관됨 Stochos는 지도 학습, 비지도 학습, 강화 학습의 세 가지 유형의 머신러닝을 모두 지원한다. 지도 학습에서는 시뮬레이션 솔버를 대체하고 최적화를 수행하는 데에 유용하다. 비지도 학습의 예로는 모델이 센서 데이터에서 이상을 분석하는 예측 유지보수 작업이 있다. 강화 학습 작업은 로봇 공학이나 자율주행과 같은 실시간 제어 작업을 모두 포괄한다. 이 소프트웨어는 CPU, GPU, 마이크로 컨트롤러 등 다양한 하드웨어 플랫폼에서 작동하여 실시간 응답을 제공할 수 있다.   2D 유동 과도 해석, 사용 샘플 5개 변수 : 받음각 엔비디아 4090 GPU, 학습 시간 14분 1 CPU(8 코어), 학습 시간 32분   3D 고주파 해석, 사용 샘플 37개 변수 : 안테나 위치 엔비디아 4090 GPU, 학습 시간 7초, CPU  학습 시간 10초   3D 과도 충돌 해석, 사용 샘플 32개 변수 : 판재 두께 엔비디아 4090 GPU, 학습 시간 21초   3D 열유동 해석, 사용 샘플 34개 변수 : 냉각채널 형상 엔비디아 4090 GPU, 학습 시간 6시간   또한, Stochos의 AI 라이브러를 이용해 업체 맞춤형 AI 제작 프로그램을 만들어, 해석 및 분석 작업의 효율을 최대화할 수 있다.    ▲ Stochos 라이브러리를 이용한 맞춤형 AI 프로그램 제작     ■ 기사 내용은 PDF로도 제공됩니다.

‘AI와 CAE 융합을 통한 차세대 제조 혁신 전략’을 주제로 한 ‘CAE 컨퍼런스 2024’가 지난 11월 8일 수원컨벤션센터에서 진행됐다. 스마트공장구축 및 생산자동화전(SMATEC 2024) 전시회와 함께 치러진 이번 행사에서는 제품 개발 과정에서 필수로 여겨지는 CAE 기술의 발전과 함께, 제조산업에서 AI(인공지능)의 방향성을 짚는 기회가 마련됐다. ■ 정수진 편집장      CAE 컨퍼런스 2024 준비위원회의 위원장인 KAIST 강남우 교수(나니아랩스 대표)는 개회사에서 “사전 학습된 대규모 모델의 활용이 활발해지면서, AI로 할 수 있는 일이 무궁무진해지고 있는 것 같다. 한편으로 CAE와 제조 분야에서는 어떻게 AI를 활용해야 할 것인지에 대해 아직 의문점이 많다”면서, “최고 전문가들이 현장의 소리를 전하는 CAE 컨퍼런스 2024에서 이런 의문을 풀고 AI와 제조 혁신을 위한 인사이트와 아이디어를 얻을 수 있기를 바란다”고 전했다.   제조 혁신을 위한 통섭의 중요성 에스엔에이치의 민태기 연구소장은 ‘기술독립과 통섭에서 배우는 CAE 엔지니어를 위한 판타레이’를 주제로 기조연설을 진행했다. 그는 “애플이 ‘기술과 리버럴 아트의 교차점’을 강조한 이후, 우리나라에서는 ‘리버럴 아츠’를 인문학으로 해석해 인문학 열풍이 일었다. 하지만 ‘리버럴 아츠’는 중세 대학의 교양 과목인 문법, 수사학, 논리학, 산술, 기하학 등을 포함하며, 단순히 인문학에 국한되지 않는다. 기술 혁신에 대한 이러한 오해를 바로잡을 필요가 있다”고 강조했다. 기술 혁신의 목적은 생산성 향상이며, 이는 공정의 변화를 통해 이루어졌다. 석기 시대에서 청동기, 철기 시대로의 변환, 증기기관을 활용한 대형 철갑선과 방적기의 등장 등은 모두 생산성 차이에 따른 제조 공정의 혁신이 사회와 역사를 근본적으로 변화시킨 사례이다. 민태기 연구소장은 “우리 중소기업에게 제조 혁신은 생존의 문제이기도 하다. AI를 활용하는 것은 기존 편견을 극복하고 새로운 영역을 개척하는 데 초점을 맞춰야 한다”며, “우리 제조산업의 미래는 디지털 기술을 활용한 제조 혁신에 달려 있다. 이를 위해 정밀 공학과 창의적 사고의 융합으로 새로운 성장 동력을 만들어야 한다”고 전했다.    ▲ 에스엔에이치 민태기 연구소장   AI/ML과 디지털 플랫폼을 통한 CAE 혁신 헥사곤 매뉴팩처링 인텔리전스의 전완호 본부장은 ‘AI/ML과 디지털 리얼리티 플랫폼을 통한 CAE 혁신 전략’을 주제로 기조연설을 진행했다. 그는 디지털 전환을 “데이터와 프로세스를 디지털화하여 생산성과 창의성을 극대화하는 과정”으로 정의하며, “센서 기반의 실제 데이터를 활용하는 것이 해석 데이터만 사용하는 것보다 더 정확하고 유용하다”고 강조했다. 헥사곤은 센서를 통해 실제 세계의 형상을 디지털 환경으로 가져와 설계와 시뮬레이션을 거쳐 다시 실제 세계로 반영하는 ‘디지털 리얼리티 설루션’을 내세운다. 전완호 본부장은 AI와 머신러닝을 활용한 축소 차수 모델(ROM)을 이용해 데이터를 실시간으로 예측하고 활용함으로써 디지털 트윈의 운영 효율을 높이는 기술과 사례를 소개했다. 그리고 “헥사곤은 다양한 데이터를 통합하는 넥서스(Nexus) 플랫폼을 통해 CAE, 제조, 품질 관리 등 여러 팀이 협업할 수 있는 환경을 제공한다”고 전했다. 통합 플랫폼과 AI/머신러닝을 결합해 실시간 시뮬레이션과 디지털 트윈을 운영하고, 데이터의 수집부터 해석, 최적화, 협업까지 모든 과정을 하나의 플랫폼에서 관리함으로써 디지털 전환을 더욱 효과적으로 추진할 수 있다는 것이 전완호 본부장의 설명이다.    ▲ 헥사곤 매뉴팩처링 인텔리전스 전완호 본부   SDV 전환과 소프트웨어 품질 강화 전략 현대오토에버의 박경훈 실장은 ‘SDV 체계 전환 및 차량 소프트웨어 품질 경쟁력 강화 방안’을 주제로 기조연설을 진행했다. 자동차는 이동 수단에서 벗어나 소프트웨어 중심의 차량(SDV)으로 변화하고 있다. 차량의 전자화와 함께 서비스와 사용자 경험을 중시하게 되면서 소프트웨어의 중요성이 더욱 부각되고 있다. 자동차 업계는 소프트웨어의 품질을 높이고, 출시 시간을 줄이면서, 시장 점유율을 확보하기 위해 핵심 기능을 빠르게 구현하고 테스트하는 애자일(agile) 방식의 개발 체계로 전환하고 있으며, OTA 업데이트를 통해 지속적으로 소프트웨어를 개선하고 있다. 박경훈 실장은 “오토에버는 이러한 산업 변화에 따라 국제 표준 및 컴플라이언스를 준수하는 개발 환경을 구축하고, 가상 검증 및 지속적인 테스트 체계를 도입하고 있다”고 소개했다. 가상 검증은 제어기를 가상화하여 테스트를 앞당기고 품질을 높이는 방식으로, 전통적인 개발 뒷단에서의 문제를 앞단에서 발견하여 해결하는 데에 중점을 두고 있다. 이를 위해 오토에버는 클라우드 기반의 검증 체계를 구축했고, 클라우드 컴퓨팅을 활용한 다양한 테스트 시나리오의 자동화를 통해 시간과 비용 절감을 추진하고 있다는 것이 박경훈 실장의 설명이다.    ▲ 현대오토에버 박경훈 실장   타이어 개발의 디지털 트윈 시스템과 생산 최적화 금호타이어의 김기운 전무는 ‘타이어 개발 프로세스에 대한 디지털 트윈 시스템 구축’에 대해 기조연설을 진행했다. 그는 4차 산업혁명 시대 타이어의 기술 진화 방향으로 IoT 센서, 빅데이터 분석, AI 예측 모델, 로보틱스를 활용한 공장 자동화를 짚으면서, 이를 통해 타이어 개발과 생산 과정을 디지털화하고 최적화하는 것이 목표라고 짚었다. 금호타이어는 설계부터 성능 평가, 최적화까지 전체 과정을 디지털화하고 자동화하는 타이어 디지털 트윈 시스템을 구축 중이다. 이 시스템은 ▲타이어 단면 및 트레드 패턴의 자동 설계 ▲빅데이터와 CAE 기술을 이용한 타이어 성능 예측 ▲AI와 유한 요소 해석(FEM)을 통한 설계 최적화 그리고 ▲시뮬레이션을 통한 타이어 성능 가상 평가 등 네 가지 모듈로 구성된다.김기운 전무는 “디지털 트윈을 통해 개발자가 쉽게 성능 평가 결과를 확인하고 빠르게 제품 개발을 진행할 수 있어, 개발 시간 단축과 비용 절감을 기대할 수 있다”고 설명하며, “앞으로 제조 공정에도 디지털 전환을 적용하고, 차량 동역학 해석을 업그레이드하여 드라이빙 시뮬레이터까지 예측하고자 한다”고 전했다.   ▲ 금호타이어 김기운 전무   ■ 이어 보기 : [포커스] CAE 컨퍼런스 2024 발표 내용 정리     ■ 기사 내용은 PDF로도 제공됩니다.

디지털 지식전문가 조형식의 지식마당   이번 달 컬럼은 SAT 이노베이션 매니지먼트를 소개하기로 정했다. 각 SAT에는 세 가지의 방향성이 있고, 각 방향성은 세 가지 그룹을 가진다. 첫 번째인 S 그룹은 스마트(smart), 체계적인(systematic)이다. 이것은 체계적 접근을 의미한다. 그리고 소프트웨어 정의(software-defined)가 있다. 두 번째 A 그룹은 인공지능(artificial intelligence), 증강현실(augmented reality), 자동화(automation)이다. 마지막 T 그룹은 기술(technology), 트렌드(trends) 그리고 변환(transformation)이고, 세 개의 그룹은 혁신경영(innovation management)으로 관리된다.   그림 1. SAT 그룹과 혁신 관리   <그림 1>은 세 개의 그룹과 각 그룹의 세 가지 키워드를 보여준다. 이것은 혁신경영으로 통합되며, 각 키워드는 디지털 스레드(digital thread)로 연결된다. 이것을 가지고 2025년에는 자세하게 통합시켜 보려고 한다.    SAT 이노베이션 매니지먼트 S Group 스마트(Smart) 체계적인(Systematic) 소프트웨어 정의(Software-Defined) A Group 인공지능(Artificial Intelligence, AI) 증강현실(Augmented Reality, AR) 자동화(Automation) T Group 기술(Technology) 트렌드(Trends) 변환(Transformation) 혁신경영(Innovation Management) 스마트(smart)라는 용어는 스마트 공장이나 스마트 건설 분야에서 기술을 활용해 더 효율적이고, 자동화되고, 데이터 중심적인 운영을 의미한다. 예를 들어, 스마트 공장(smart factory)에서는 IoT 센서와 인공지능을 활용해 생산 과정을 모니터링하고 최적화할 수 있다. 스마트건설(smart construction)도 건축 현장에 사용되는 기술과 데이터를 통해 건설 과정을 효율적으로 관리하고 개선한다. 이런 ‘스마트’한 접근 방식은 효율성(efficiency)을 높이고 비용을 절감하며 품질을 향상시키는 데에 도움이 된다. 스마트의 특징은 몇 가지로 요약할 수 있다. 먼저 연결성(connectivity)이다. IoT 기기와 센서로 모든 요소가 네트워크로 연결된다. 그 다음은 데이터 수집 및 분석이다. 이 연결성을 통해 실시간 데이터가 수집되고, 인공지능과 같은 기술로 분석되어 더 나은 결정을 내릴 수 있다. 자동화(automation)도 중요한 특징이다, 이를 통해 사람의 개입 없이도 많은 프로세스가 자동으로 실행된다. 마지막으로, 유연성과 적응성이다. 스마트 시스템은 환경 변화나 새로운 데이터를 바탕으로 빠르게 대응하고 최적화한다. 그러나 스마트의 궁극적인 목표는 우리가 추구하는 가치를 실현하는 데에 있다. 효율성, 생산성, 안전성, 지속 가능성 등 다양한 가치가 스마트 기술을 통해 충족될 때, 진정한 스마트함이 완성된다. 결국, 기술 자체가 목적이 아니라 우리가 원하는 결과를 얻는 것이 스마트의 진정한 의미라고 할 수 있다. 스마트 시스템(smart system)을 구축하거나 도입할 때에는 체계적인 접근이 중요하다. 먼저 명확한 목적과 목표를 설정해야 하며, 현재 프로세스와 기술을 파악하고, 필요한 개선점을 찾아야 한다. 그런 다음 단계별로 구현 계획을 세우고, 성과를 모니터링하며 지속적으로 개선해야 한다. 이러한 체계적 접근은 스마트 시스템이 실제로 기대하는 효과를 발휘하도록 보장해 준다. 최적화가 현존 시스템의 효율성을 극대화하는 데에 초점을 두는 반면, 혁신(innovation)은 완전히 새로운 아이디어나 방법을 추구하는 것이다. 하지만 스마트 시스템에서의 최적화는 혁신의 중요한 부분이 될 수 있다. 왜냐면, 데이터를 분석하고 자동화하는 과정에서 새로운 통찰력과 가능성이 발견되기 때문이다. 따라서 스마트 시스템의 최적화는 혁신과 상반되는 것이 아니라, 오히려 혁신을 위한 발판이 된다. 그러나 스마트에서 가장 핵심 가치 중에 하나인 최적화는 혁신을 방해할 수도 있다. 혁신의 방해 요소 중에 하나가 정설(orthodoxy)이다. 이것은 그 분야에서 모든 사람이 의심하지 않고 믿는 신념적 지식이다. 이것은 혁신의 방해가 될 수도 있다. 예를 들어서 항공우주 분야에서 혁신적 사업가인 라이트 형제와 일론 머스크는 기존의 정설을 깨고 새로운 발상을 하였다. 라이트 형제는 공기보다 무거운 금속인 알루미늄을 최초로 사용해서 인류 최초의 비행에 성공하였고, 일론 머스크는 기존의 정설인 더 강력한 로켓 엔진을 연구하는 대신에 혁신적인 로켓 재사용으로 발사 비용을 획기적으로 낮추었다. 그러나 모든 기업에게 이러한 혁신적 접근이 필요한 것은 아니다. 혁신의 특성은 불확실성(uncertainty)과 리스크(risk)이다. 혁신 관리는 이런 위험 요소를 관리를 통해서 최대한 줄여나가는 것이다. 소프트웨어 정의(software-defined) 또는 소프트웨어 중심 접근 역시 혁신적인 방법론이다. 이것은 미래를 향하는 트렌드(trends)라고 할 수 있다. 소프트웨어 정의 시스템(software-defined system)은 하드웨어의 고정된 기능을 소프트웨어를 통해 유연하게 제어하고 관리하는 시스템을 의미한다. 예를 들어, 스마트폰이나 스마트 TV처럼 다양한 기능을 소프트웨어 업데이트로 추가하거나 변경할 수 있는 시스템이 이에 해당한다. 이런 시스템은 하드웨어의 수명을 늘리고, 사용자의 요구에 빠르게 대응할 수 있다. 그리고 이것은 우리의 물리적 세계의 물리적 실체(entity)를 디지털 세상의 디지털 실체로 가상화(virtualization)할 것이다. 최근에 유행하는 디지털 트윈(digital twin)은 소프트웨어 정의 시스템이 통합해서 본격적으로 디지털 가상화의 방향으로 발전될 것으로 보이고, 수년 후에는 메타버스의 개념과 다시 만날 것이다.   그림 2. 소프트웨어 정의와 가상화의 예시   소프트웨어 정의된 모든 것은 기존의 제한된 하드웨어에 종속되지 않고 소프트웨어로서 모든 기술을 획기적으로 변화시킨다. 가상화와 소프트웨어 정의의 시작은 네트워크였지만, 이제는 자동차와 이 세상의 모든 하드웨어를 가상화하려고 한다. 현재 가장 큰 관심사 중에 하나는 자동차의 가상화이다. 가상화의 최고 기업은 애플이고, 가상화의 선구자는 스티브 잡스이다. 아이폰, 아이팟, 애플 뮤직, 애플 스토어, 애플 워치 등은 가상화의 산물이다. 우리는 오랫동안 하드웨어 중심의 생각에서 새로운 소프트웨어 중심의 패러다임을 가지게 될 것이다. 그렇다고 우리가 물리적 세계를 무시할 수는 없다. 우리의 삶과 신체가 물리적이기 때문이다. 역설적이지만, 우리의 모든 생각이 추상적이면서도 결국 물리적인 뇌에 근간을 두고 있다는 것이다. 그러므로 디지털 기술이 점점 발전할 수록 스마트의 핵심은 디지털이나 최적화나 자동화가 아닌 물리적이고, 불확실성과 리스크를 관리하는 혁신 관리가 더 중요해질 것이다.   그림 3. 소프트웨어 정의   인공지능은 이미 모든 디지털 전환(digital transformation)과 우리의 일상에 막대한 영향을 미치고 있다. 최근 챗GPT의 가능성은 이전의 인공지능의 역할보다 흥미롭다. 이제는 개인의 인공지능을 사용하는 역량에 따라서 결과의 차이가 클 수 있다.  증강현실(augmented reality)에서는 가상현실과 달리 현실세계와 가상현실(virtual reality)을 모두 동시에 보여주기 때문에 우리는 아주 직관적으로 접근할 수 있다. 그러나 이 기술은 앞으로 지속적으로 발전할 것으로 예상된다. 자동화(automation) 역시 수 십 년 동안 지속되고 있지만, 자동화를 단순하게 최적화(optimization)의 개념으로 적용해서 노동자를 줄인다면, 기업이나 국가는 장기적으로는 소비를 죽이는 결과를 가져 올 수 있다. 이것에 대해서 한 세기 전에 조지프 슘페터가 주장하였다. 그는 “시장의 비즈니스 모델을 모방해서 최적화는 사람은 사업가(businessman)이고, 혁신으로 새로운 비즈니스 모델을 시작하는 사람은 기업가(entrepreneur)”라고 했다. 마지막 T 그룹은 기술(technology), 트렌드(trends), 변환(transformation)이다. 현재 진행되고 있으나 통합적으로 관리되지 못하고 있다. 이 세 가지의 특징은 과거보다는 미래 진행이라는 것이다. 어떻게 보면 4차 산업혁명의 진행형이기도 하고 새로운 형태이기도 하다. 이것을 과거의 경험과 지식으로 관리하기에는 불확실성과 리스크가 존재한다. 이런 것들은 기존의 관리보다는 혁신 경영이 더 적합할 수 있다.   그림 4. 기술, 트렌드, 변환   결론적으로 현재는 뷰카(VUCA), 즉 변동적이고 복잡하며 불확실하고 모호한 사회 환경을 말한다. 변동성(volatility), 불확실성(uncertainty), 복잡성(complexity), 모호성(ambiguity)이 복합된 환경에서 점진적인 개선이나 최적화보다는 혁신적인 생각을 보다 비중 있게 해야 한다. 미래 산업은 항상 안주하지 않고 안 가본 길을 가야 한다. 강한 자보다는 새로운 환경의 게임 체인저가 돼야 한다. 기존의 브랜드보다는 새로운 카테고리를 만들어야 한다.   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘PLM 지식’, ‘서비스공학’,  ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.