엔비디아가 지포스 RTX(GeForce RTX) 50 시리즈 GPU의 AI 워크로드를 가속화하는 엔비디아 NIM과 AI 블루프린트(AI Blueprint)를 공개했다. NIM과 AI 블루프린트는 개발자와 애호가들이 AI를 로컬에서 구축, 반복, 배포할 수 있도록 도와 AI 접근성을 확대한다. 엔비디아 지포스 RTX 5090, 5080 GPU는 블랙웰(Blackwell) 아키텍처를 기반으로 설계됐다. 블랙웰 아키텍처는 새로운 DLSS 멀티 프레임 생성(Multi Frame Generation)을 지원해 렌더링된 프레임당 최대 3개의 프레임을 생성하는 AI를 사용해 FPS를 향상시킨다. 엔비디아는 이들 GPU가 엔비디아 DLSS 4 기술로 최대 8배 빠른 프레임 속도, 엔비디아 리플렉스 2(Reflex 2)로 낮은 지연 시간, 엔비디아 RTX 뉴럴 셰이더로 향상된 그래픽 충실도를 제공한다고 밝혔다. 또한, 지포스 RTX 50 시리즈는 최신 생성형 AI 워크로드를 가속화하기 위해 제작됐다. 초당 최대 3352조 개의 AI 연산(TOPS)을 처리하는 한편, 5세대 텐서 코어와 FP4 정밀도 지원 기능을 갖춰 고급 AI 모델의 실행 속도를 높이고 효율성을 증가시킨다. 이에 따라 AI 애호가, 게이머, 크리에이터, 개발자들에게 향상된 경험을 선사한다.     엔비디아는 지난 CES 2025 전시회에서 AI 개발자와 애호가들이 이러한 기능을 활용할 수 있도록 지포스 RTX 50 시리즈 GPU에 최적화된 엔비디아 NIM과 AI 블루프린트를 공개했다. 엔비디아 NIM 마이크로서비스는 사전 패키지 생성형 AI 모델이다. 이는 개발자와 애호가들이 생성형 AI를 쉽게 시작하고, 빠르게 반복하며, RTX의 성능을 활용해 윈도우 PC에서 AI를 가속화할 수 있도록 한다. 엔비디아 AI 블루프린트는 개발자들에게 NIM 마이크로서비스를 사용해 차세대 AI 경험을 구축하는 방법을 보여주는 참조 프로젝트이다. AI 모델 개발이 빠르게 발전하고 있지만, 이러한 혁신을 PC에 적용하는 것은 많은 사람들에게 여전히 어려운 과제이다. 허깅페이스(Hugging Face)와 같은 플랫폼에 게시된 모델은 PC에서 실행하기 위해 선별, 조정, 정량화돼야 한다. 아울러 기존 도구와의 호환성을 보장하기 위해 새로운 AI 애플리케이션 프로그래밍 인터페이스(API)에 통합돼야 한다. 또한, 최고의 성능을 발휘할 수 있도록 최적화된 추론 백엔드로 변환돼야 한다. RTX AI PC와 워크스테이션을 위한 엔비디아 NIM 마이크로서비스는 커뮤니티 기반과 엔비디아가 개발한 AI 모델에 대한 접근을 제공함으로써 이러한 과정의 복잡성을 줄일 수 있다. 이 마이크로서비스는 업계 표준 API를 통해 쉽게 다운로드하고 연결할 수 있으며, AI PC에 필수적인 주요 양식을 포괄한다. 나아가 다양한 AI 도구와 호환되며 PC, 데이터센터, 클라우드 등 어디에서나 유연한 배포 옵션을 제공한다. NIM 마이크로서비스는 RTX GPU가 탑재된 PC에서 최적화된 모델을 실행하는 데 필요한 요소를 포함한다. 여기에는 특정 GPU용 사전 구축 엔진, 엔비디아 텐서RT(TensorRT) 소프트웨어 개발 키트(SDK), 텐서 코어(Tensor Core)를 사용한 가속 추론용 오픈 소스 엔비디아 텐서RT-LLM 라이브러리 등이 있다. 마이크로소프트와 엔비디아는 리눅스용 윈도우 서브시스템(Windows Subsystem for Linux, WSL2)에서 RTX용 NIM 마이크로서비스와 AI 블루프린트를 활성화하기 위해 협력했다. WSL2를 사용하면 데이터센터 GPU에서 실행되는 것과 동일한 AI 컨테이너를 RTX PC에서 효율적으로 실행할 수 있다. 덕분에 개발자는 플랫폼 전반에 걸쳐 보다 쉽게 AI 모델을 구축, 테스트, 배포할 수 있다. 또한, NIM과 AI 블루프린트는 5세대 텐서 코어와 FP4 정밀도 지원 등, 지포스 RTX 50 시리즈의 기반이 되는 블랙웰 아키텍처의 주요 혁신을 활용한다. AI 계산은 매우 까다롭고 막대한 처리 능력을 필요로 한다. 이미지나 비디오 생성, 언어 이해, 실시간 의사 결정 등 AI 모델은 매초마다 수백 조의 수학적 연산을 수행해야 한다. 이를 따라잡기 위해 컴퓨터는 AI 전용으로 제작된 특수 하드웨어가 필요하다. 엔비디아 지포스 RTX GPU는 지난 2018년 이러한 집중적인 워크로드를 처리하도록 설계된 전용 AI 프로세서인 텐서 코어를 도입했다. 기존의 컴퓨팅 코어와 달리, 텐서 코어는 더 빠르고 효율적으로 계산을 수행함으로써 AI를 가속화하도록 설계됐다. 이 혁신적인 기술 덕분에 AI 기반 게임, 창작 도구, 생산성 애플리케이션이 주류로 자리 잡을 수 있었다. 블랙웰 아키텍처는 AI 가속을 한 차원 더 발전시킨다. 블랙웰 GPU의 5세대 텐서 코어는 최대 3,352 AI TOPS를 제공해 더욱 까다로운 AI 작업을 처리하고 동시에 여러 AI 모델을 실행할 수 있다. 즉, 실시간 렌더링에서 지능형 어시스턴트에 이르기까지 더 빠른 AI 기반 경험을 제공해 게이밍, 콘텐츠 제작과 그 밖의 분야에서 더 큰 혁신을 이룰 수 있는 길을 열어준다. NIM 마이크로서비스에 기반한 엔비디아 AI 블루프린트는 사전 패키지화되고 최적화된 참조 구현을 제공한다. 이를 통해 디지털 휴먼, 팟캐스트 생성기 또는 애플리케이션 어시스턴트 등 고급 AI 기반 프로젝트를 보다 쉽게 개발할 수 있도록 해 준다. 엔비디아는 CES 2025에서 사용자가 PDF를 재미있는 팟캐스트로 변환하고, 이후 AI 팟캐스트 호스트와의 Q&A를 만들 수 있는 블루프린트인 PDF 투 팟캐스트(PDF to Podcast)를 시연했다. 이 워크플로는 동기화된 7가지 다른 AI 모델을 통합해 역동적이고 상호작용적인 경험을 제공한다. PDF 투 팟캐스트는 여러 AI 모델을 활용해 PDF를 흥미로운 팟캐스트로 매끄럽게 변환하는 AI 블루프린트이다. AI 기반 팟캐스트 호스트가 진행하는 대화형 Q&A 기능도 포함한다. AI 블루프린트를 사용하면 RTX PC와 워크스테이션에서 AI를 실험하는 것에서 개발하는 단계로 빠르게 넘어갈 수 있다. 엔비디아는 “생성형 AI는 게이밍, 콘텐츠 제작 등 다양한 분야에서 가능성의 한계를 넓혀가고 있다”면서, “NIM 마이크로서비스와 AI 블루프린트를 사용하면 최신 AI의 발전이 더 이상 클라우드에만 국한되지 않고, RTX PC에 최적화돼 제공된다. RTX GPU를 사용하면 개발자와 애호가들은 PC와 워크스테이션에서 바로 AI를 실험하고 구축하고 배포할 수 있다”고 전했다. NIM 마이크로서비스와 AI 블루프린트는 곧 출시될 예정이다. 지포스 RTX 50 시리즈, 지포스 RTX 4090과 4080, 엔비디아 RTX 6000과 5000 전문가용 GPU에 대한 초기 하드웨어 지원이 함께 제공될 예정이며, 향후 추가 GPU도 지원될 계획이다.

엔비디아는 개발자가 활용할 수 있도록 딥시크-R1(DeepSeek-R1) 모델을 엔비디아 NIM 마이크로서비스 프리뷰로 제공한다고 밝혔다. 개발자들은 딥시크-R1 모델을 활용해 애플리케이션 프로그래밍 인터페이스(API)를 테스트하고 실험할 수 있으며, 이는 엔비디아 AI 엔터프라이즈(AI Enterprise) 소프트웨어 플랫폼의 일부인 NIM 마이크로서비스로 제공될 예정이다. 딥시크-R1은 최첨단 추론 기능을 갖춘 오픈 모델이다. 딥시크-R1과 같은 추론 모델은 직접적인 답변을 제공하는 대신 쿼리에 대해 여러 번의 추론 패스(inference passes)를 수행해 연쇄 사고, 합의, 검색 방법을 거쳐 최상의 답변을 생성한다. R1은 논리적 추론, 사고, 수학, 코딩, 언어 이해 등이 필요한 작업에 대해 높은 정확도와 추론 효율을 제공한다. 이러한 일련의 추론 패스를 수행해 최적의 답변에 도달하기 위해 추론을 사용하는 것을 테스트 타임 스케일링(test-time scaling)이라고 한다. 모델이 문제를 반복적으로 ‘사고’할 수 있게 되면 더 많은 출력 토큰과 더 긴 생성 주기가 생성되므로 모델 품질이 계속 확장된다. 딥시크-R1과 같은 추론 모델에서 실시간 추론과 고품질 응답을 모두 구현하려면 상당한 테스트 타임 컴퓨팅이 중요하므로 더 큰 규모의 추론 배포가 필요하다.     딥시크-R1 NIM 마이크로서비스는 단일 엔비디아 HGX H200 시스템에서 초당 최대 3872개의 토큰을 전송할 수 있다. 딥시크-R1 NIM 마이크로서비스는 업계 표준 API를 지원해 배포를 간소화한다. 기업은 가속 컴퓨팅 인프라에서 NIM 마이크로서비스를 실행해 보안과 데이터 프라이버시를 극대화할 수 있다. 또한, 기업은 엔비디아 네모(NeMo) 소프트웨어와 함께 엔비디아 AI 파운드리(AI Foundry)를 사용해 AI 에이전트를 위한 맞춤형 딥시크-R1 NIM 마이크로서비스를 생성할 수 있다. 딥시크-R1은 거대 전문가 조합 방식(Mixture-Of-Experts, MoE) 모델이다. 다른 인기 있는 오픈 소스 대규모 언어 모델(LLM)보다 10배 많은 6710억 개의 파라미터를 통합해 12만 8000개의 토큰이라는 인풋 컨텍스트 길이(input context length)를 지원한다. 또한 이 모델은 레이어당 많은 전문가를 활용한다. R1의 각 레이어에는 256명의 전문가가 있으며, 각 토큰은 평가를 위해 8명의 별도 전문가에게 병렬로 라우팅된다. R1에서 실시간 답변을 제공하려면 추론을 위해 모든 전문가에게 신속한 토큰을 라우팅하기 위해 높은 대역폭과 짧은 지연 시간의 통신으로 연결된 높은 컴퓨팅 성능을 갖춘 많은 GPU가 필요하다. 엔비디아 NIM 마이크로서비스에서 제공되는 소프트웨어 최적화와 결합해 NV링크(NVLink)와 NV링크 스위치(Switch)를 사용해 연결된 8개의 H200 GPU가 장착된 단일 서버는 초당 최대 3872개의 토큰으로 6710억 개의 파라미터로 구성된 전체 딥시크-R1 모델을 실행할 수 있다. 이러한 처리량은 모든 레이어에서 엔비디아 호퍼(Hopper) 아키텍처의 FP8 트랜스포머 엔진과 MoE 전문가 통신을 위한 900GB/s의 NV링크 대역폭을 사용함으로써 가능하다. 실시간 추론에는 GPU에서 모든 초당 부동 소수점 연산(FLOPS)의 성능을 끌어내는 것이 중요하다. 엔비디아는 “차세대 엔비디아 블랙웰(Blackwell) 아키텍처는 최대 20페타플롭의 피크 FP4 컴퓨팅 성능을 제공할 수 있는 5세대 텐서 코어(Tensor Core)와 추론에 특별히 최적화된 72-GPU NV링크 도메인을 통해 딥시크-R1과 같은 추론 모델의 테스트 시간 확장을 크게 향상시킬 것”이라고 전했다.

구글이 새로운 에이전트 시대를 위한 ‘에이전트형(agentic) AI 모델’인 ‘제미나이 2.0’을 출시했다. 제미나이 2.0은 네이티브 이미지 및 오디오 출력, 네이티브 툴 사용 등 향상된 멀티모달 기능을 제공하여 텍스트, 이미지, 동영상, 오디오, 코드 등 다양한 형태의 정보를 자연스럽게 이해하고 처리할 수 있다.  구글은 “제미나이 2.0는 지금까지 선보인 모델 중 가장 뛰어난 성능을 자랑한다”면서, “리서치, 보고서 작업 등 다양한 방면의 복잡한 작업을 수행하는 ‘에이전트’ 기능을 갖춘 AI 시대를 본격적으로 열어갈 것”이라고 밝혔다.  제미나이 2.0은 네이티브 이미지 및 오디오 출력, 네이티브 툴 사용 등 향상된 멀티모달 기능을 바탕으로 이용자 경험을 혁신할 뿐 아니라, 개발자에게도 강력한 AI 기반 애플리케이션을 구축할 수 있는 툴을 제공한다. 전 세계 제미나이 이용자는 데스크톱과 모바일 웹에서 제미나이 2.0을 사용할 수 있다. 데스크톱과 모바일 웹의 모델 드롭다운 메뉴에서 ‘2.0 플래시 실험 버전’을 선택하면 채팅에 최적화된 제미나이 2.0을 바로 사용해 볼 수 있으며, 이는 제미나이 모바일 앱에도 곧 적용될 예정이다.     제미나이 2.0을 기반으로 새롭게 개선된 ‘프로젝트 아스트라(Project Astra)’는 다국어 대화, 구글 툴(구글 검색, 구글 렌즈, 맵스 등) 사용, 최대 10분 동안의 대화를 기억하는 향상된 메모리, 빠른 응답 속도 등의 기능을 제공한다. 구글은 이러한 기능을 구글의 AI 어시스턴트인 제미나이 앱 등 구글 제품은 물론, 다른 폼 팩터에도 도입할 계획이다.  ‘프로젝트 마리너(Project Mariner)’는 웹 브라우저에서 작동하는 에이전트 프로토타입으로, 픽셀 및 텍스트, 코드, 이미지, 양식과 같은 웹 요소를 포함해 브라우저 화면의 정보를 이해하고 추론한 다음, 실험적인 크롬 확장 프로그램(Chrome extension)을 통해 해당 정보를 활용해 작업을 완료한다. 개발자를 위한 AI 에이전트인 ‘줄스(Jules)’는 깃허브(GitHub) 워크플로에 직접 통합돼 개발자의 지시와 감독 하에 이슈를 처리하고, 계획을 세우고 실행하는 기능을 제공한다.  구글은 제미나이 2.0을 사용해 비디오 게임의 가상 세계 탐색을 지원하는 에이전트를 구축했다. 이 에이전트는 화면의 동작만을 기반으로 게임에 대해 추론하고, 실시간 대화를 통해 다음에 무엇을 해야 할지 제안할 수 있다. 가상 게임의 동반자 역할은 물론, 구글 검색을 활용해 웹 상의 풍부한 게임 지식을 제공할 수도 있다. 이 외에도 구글은 제미나이 2.0의 공간 추론 기능을 로봇 공학에 적용해 물리적 세계에서 도움을 줄 수 있는 에이전트를 실험하고 있다. 한편, 구글은 제미나이 2.0가 구글 검색의 AI 개요(AI Overview) 기능에도 적용되어, 고급 수학 방정식, 멀티모달 쿼리, 코딩 등 더욱 복잡한 질문에 대한 답변을 제공하도록 개선될 예정이라고 밝혔다.  전 세계 제미나이 이용자는 데스크톱 및 모바일 웹에서 제미나이 앱을 통해 제미나이 2.0 플래시(Gemini 2.0 Flash) 실험 버전을 AI 어시스턴트로 사용할 수 있다. 제미나이 2.0 플래시 실험 모델은 구글 AI 스튜디오(Google AI Studio) 및 버텍스 AI(Vertex AI)를 통해 모든 개발자가 사용할 수 있다. 개발자들은 제미나이 2.0을 활용하여 텍스트, 오디오 및 이미지를 포함한 통합 응답을 생성하고, 구글 검색 및 코드 실행과 같은 툴을 활용하는 애플리케이션을 구축할 수 있다.

마이크로소프트가 2025년 주목해야 할 AI 트렌드 6가지를 공개하면서, AI가 이끌어갈 혁신과 과제에 대한 주요 인사이트를 제시했다.  2024년은 전 세계 조직이 AI를 본격 도입하기 시작한 해로 평가된다. 마이크로소프트의 의뢰로 진행된 IDC 2024 AI 보고서에 따르면, 전 세계 조직의 AI 도입률은 지난해 55%에서 올해 75%로 증가했다. 이는 AI가 실험 단계를 넘어, 실제 비즈니스에서 가치를 창출하는 핵심 도구로 자리잡았음을 보여준다. 마이크로소프트는 이러한 변화에 따라 2025년이 AI가 일상과 업무에서 필수적인 기술로 자리 잡는 전환점이 될 것으로 전망하고 있다. AI는 높은 자율성을 기반으로 복잡한 문제를 해결하고, 업무 효율성을 크게 높이며 일상을 단순화할 것으로 기대된다. 나아가 과학, 의료 등 인류가 직면한 주요 과제 해결에도 적극적으로 활용될 것으로 내다보고 있다. 특히, 이러한 흐름은 AI의 논리적 사고와 데이터 처리 능력의 고도화를 통해 더욱 가속화될 것으로 예상된다. 마이크로소프트는 이러한 변화를 지원하기 위해 안전하고 신뢰할 수 있는 AI 기술 개발에 집중하고 있으며, 이를 사용자들이 안심하고 활용할 수 있도록 지원할 계획이다.  마이크로소프트의 크리스 영(Chris Young) 사업개발·전략·투자 담당 부사장은 “AI는 불가능해 보였던 많은 것을 가능하게 하고 있으며, 지난 한 해 동안 많은 조직이 실험 단계를 넘어 실질적인 도입 단계로 진입했다”고 말했다. 이어 그는 "AI 기술은 우리 삶의 모든 영역에 전면적인 변화를 가져올 전환점에 서 있다"고 강조했다.      마이크로소프트가 제시한 2025년 6가지 주요 AI 트렌드는 ▲더 유용하고 유능해질 AI 모델 ▲업무 형태를 변화시킬 AI 에이전트의 활약 기대 ▲모든 일상을 지원하는 AI 역할 확장 ▲지속 가능한 AI 인프라 구축 필요성 증대 ▲테스트와 맞춤화를 통한 책임 있는 AI 구축 ▲과학적 혁신을 가속화하는 AI 등이다. 첫 번째, AI 모델은 더 많은 일을 더 잘 수행할 것이다. 이 AI 모델들은 과학, 코딩, 수학, 법률 및 의학 등 여러 분야에서 혁신을 주도하며, 문서 작성부터 코딩 같은 복잡한 업무에 이르기까지 폭 넓은 업무를 수행할 수 있는 능력을 갖추게 될 것으로 보인다. 특히 AI의 추론 능력도 향상될 전망이다. 고급 추론 AI 모델인 오픈AI o1은 인간이 생각하는 방식과 유사한 논리적 과정을 거쳐 복잡한 문제를 단계적으로 해결하는 데 뛰어난 성능을 입증했다. 데이터 선별과 후속 학습도 AI 모델 발전에서 핵심적인 역할을 하게 된다. 마이크로소프트의 소형언어모델 파이(Phi)는 고품질 데이터를 활용해 모델 성능과 추론 능력을 효과적으로 개선할 수 있음을 보여줬다. 또한, 오르카(Orca) 및 오르카2(Orca 2) 모델은 합성 데이터를 활용한 학습으로 대규모 언어 모델에 준하는 성능을 구현하며 새로운 가능성을 열었다. 두 번째, 개인화된 차세대 AI 에이전트는 반복적이고 일상적인 업무를 자동화하는 데에서 나아가, 복잡하고 전문적인 작업까지 수행하며 조직의 업무 환경과 프로세스를 근본적으로 변화시킬 것으로 기대된다. AI 에이전트는 메모리, 추론, 멀티모달 기술의 발전을 통해 더욱 정교하게 작업을 처리할 수 있다. 예를 들어 조직의 재고 공급에 문제가 발생하면 AI 에이전트가 이를 관리자에게 알리고, 적합한 공급 업체를 추천하거나 직접 주문을 실행해 업무가 중단 없이 진행될 수 있도록 돕는다. 또한, 누구나 AI 에이전트를 설계하고 개발할 수 있는 환경도 마련된다. 마이크로소프트의 코파일럿 스튜디오(Copilot Studio)는 코딩 없이도 AI 에이전트를 개발할 수 있으며, 애저 AI 파운드리(Azure AI Foundry)는 복잡한 프로세스를 처리할 수 있는 고급 AI 에이전트 설계를 지원한다. 이러한 변화는 단순히 사용자와 협력하며 응답하는 프롬프트 기반 AI 에이전트에서, 독립적으로 업무를 수행하고 프로세스를 조율하는 완전 자율형 AI 에이전트까지 다양화될 것으로 예상된다. 세 번째, AI가 일상생활에서 차지하는 역할의 확장이다. 마이크로소프트 코파일럿(Microsoft Copilot)은 AI 동반자로서, 사용자가 하루 일과를 우선 순위에 따라 시간을 효율적으로 관리할 수 있도록 돕는다. 또한, 개인 정보와 데이터 보안을 강화해 보다 안전한 환경에서 AI를 사용할 수 있도록 설계됐다. 사용자는 일상에서 코파일럿을 더욱 밀접하게 활용할 수 있다. 예를 들어, 사용자는 하루를 시작하며 코파일럿 데일리(Copilot Daily)의 음성을 통해 최신 뉴스와 날씨 정보를 확인할 수 있다. 또한, 코파일럿 비전(Copilot Vision)은 사용자가 접속한 웹페이지를 분석해 관련 질문에 답하거나 다음 단계를 제안하는 등 보다 직관적인 상호작용을 지원한다. 코파일럿은 의사결정 과정에서도 유용하게 활용된다. 예를 들어, 새 아파트 인테리어를 위해 어울리는 가구를 추천하고, 효율적인 배치 방안을 제시해 사용자의 공간을 더 편리하고 실용적으로 꾸밀 수 있도록 돕는다. 이는 시작 단계이며, 앞으로 AI는 정서 지능의 고도화를 통해 보다 유연하고 자연스러운 상호작용을 제공할 전망이다. 네 번째, 에너지 자원 효율화를 통한 지속 가능한 AI 인프라 구축에 대한 노력이다. 실제로 전 세계 데이터 센터 처리량은 2010년부터 2020년까지 약 9배 증가했음에도 전력 소비량은 단 10% 증가에 그쳤다. 이는 마이크로소프트가 AMD, 인텔, 엔비디아 등과 협력해 반도체 칩 애저 마이아(Azure Maia)와 코발트(Cobalt), 그리고 대규모 AI 시스템 냉각을 위한 액체 냉각 열교환기 기술을 통해 하드웨어의 에너지 효율을 높인 결과다. 향후 몇 년 내에는 냉각에 물을 전혀 사용하지 않는 워터-프리 데이터센터가 도입될 예정이다. 동시에 초고효율 액체 냉각 기술인 콜드 플레이트(Cold plates)의 사용도 확대된다. 이러한 기술들은 지속 가능한 AI 인프라 조성을 위한 노력의 핵심이다. 이와 함께 마이크로소프트는 저탄소 건축 자재를 도입해 데이터센터 설계를 친환경적으로 혁신하고 있다. 탄소 배출이 거의 없는 철강, 콘크리트 대체 소재, 교차 적층 목재 등이 대표적인 예다. 이와 함께 풍력, 지열, 원자력 및 태양광 등 무탄소 에너지원에도 적극 투자하며, 2030년까지 탄소 네거티브, 워터 포지티브, 제로 웨이스트 목표를 달성하기 위한 장기적인 비전을 실행하고 있다. 다섯 번째, AI의 위험을 측정하고 평가하는 기준의 강화다. 2025년에는 책임 있는 AI를 구현하기 위해 ‘테스트’와 ‘맞춤화’에 대한 기준이 높아질 것으로 예상된다. 포괄적인 테스트 체계는 외부의 정교한 위협을 탐지하고, AI가 생성하는 부정확한 응답(환각)과 같은 내부 문제를 해결하는 데에 효과적이다. 마이크로소프트는 AI 모델이 직면할 수 있는 위협을 정밀하게 분석하고 개선하는 과정을 지속하며, 더욱 안전한 AI 환경 구축을 목표로 하고 있다. 특히 모델의 안전성이 높아질수록 테스트와 측정 기준도 더욱 정교해지고 있다. ‘맞춤화’와 ‘제어’는 미래 AI 응용 프로그램의 핵심으로 자리 잡을 것으로 보인다. 조직은 콘텐츠 필터링과 작업에 적합한 가드레일 설정 등 AI 활용 방식을 자유롭게 조정할 수 있다. 예를 들어, 게임사는 직원이 볼 수 있는 폭력 콘텐츠의 종류를 제한할 수 있다. 마이크로소프트 365 코파일럿은 업무 환경에 적합한 콘텐츠를 설정할 수 있는 맞춤형 제어 기능을 제공한다. 여섯 번째, AI가 과학 연구에 미치는 영향력 확대다. 이미 AI는 슈퍼컴퓨팅과 일기 예보 같은 분야의 연구 속도를 가속화하고 있으며, 앞으로는 자연 과학, 지속 가능한 소재 개발, 신약 연구 및 건강 분야에서 중요한 역할을 할 것으로 예상된다. 2024년, 마이크로소프트 리서치(MSR)는 생체 분자 과학 문제를 해결할 생체분자 역학 시뮬레이션(simulate biomolecular dynamics)을 개발했다. AI2BMD(AI-driven Biomolecular Dynamics)로 불리는 이 시스템은 단백질 설계, 효소 공학, 신약 개발 등의 분야에서 전례 없는 속도와 정밀도로 문제를 해결하며 생물 의학 연구에 새로운 가능성을 열었다. 2025년에는 AI가 지속 가능한 소재 설계와 신약 개발 같은 인류의 공동 과제 해결에 중요한 역할을 할 것으로 보인다. 이를 통해 과학 기관과 연구자들은 AI를 통해 연구 효율을 높이고, 지금까지 불가능했던 새로운 돌파구를 마련할 것으로 기대를 모으고 있다.

유니티가 10월 2일 산업 분야의 실시간 3D 기술 활용방법을 소개하는 ‘유 데이 서울 : 인더스트리(U Day Seoul : Industry)’를 진행했다. 이번 행사에서는 자동차·제조·건설·교육 등의 분야에서 유니티의 실시간 3D 기술을 활용한 디지털 트윈 구축 사례 및 이와 관련한 기술 트렌드가 온·오프라인으로 소개됐다. ■ 정수진 편집장    제조/건축 산업에서 실시간 3D 기술 빠르게 확대 유니티는 게임 분야에서 쌓아 온 경험과 노하우를 다른 산업으로 확장한다는 전략을 추진하고 있다. 특히 제조/건축 산업을 포함하는 인더스트리 분야는 전년도 2분기 대비 60% 성장하면서, 자사 비즈니스에서 가장 빠른 성장세를 보이고 있다고 전했다. 이번 ‘유 데이 서울’ 행사에서 유니티는 인터랙티브 3D 및 몰입형 경험이 산업계의 미래 전략에서 핵심 요소로 자리잡고 있다고 짚으면서, 기업의 디지털 혁신을 지원하는 자사의 실시간 3D 엔드 투 엔드 설루션을 소개했다. 유니티 코리아의 민경준 인더스트리 사업본부장은 “자동차의 HMI(휴먼-머신 인터페이스)나 가상 주행, 제조 공장의 실시간 모니터링, 시설 운영 개선을 위한 가상 트레이닝, 스마트시티 등의 사례에서 볼 수 있듯이, 실시간 3D 기술은 고객 경험과 직원의 생산성을 높이며 산업 전반의 혁신을 이끌고 있다”고 전했다.    데이터 통합부터 3D 경험 구축·배포까지 폭넓게 지원 산업 분야의 실시간 3D 활용을 위해 유니티는 ▲데이터를 인터랙티브 3D 경험에 손쉽게 통합하고 관리하는 ‘커넥트 (Connect)’ ▲몰입감 있는 실시간 3D 경험을 개발하는 ‘크리에이트(Create)’ ▲그리고 이런 경험을 다양한 플랫폼에 효율적으로 배포하는 ‘디플로이(Deploy)’ 등 세 단계에 걸쳐 엔드 투 엔드 플랫폼을 지원한다는 전략을 내세웠다. 유니티의 김범주 APAC 애드보커시 리더는 “유니티는 기업이 가지고 있는 데이터를 연결 가능한 3D 경험으로 만들고 배포할 수 있도록 지원하며, 다양한 3D 앱을 개발하기 위한 ‘범용 캔버스’로서의 역할을 추구한다”고 설명했다.   ▲ 유니티는 산업 분야의 3D 활용을 지원하는 엔드 투 엔드 플랫폼 전략을 소개했다.   3D 엔지니어링 데이터의 활용성 강화 ‘커넥트’ 단계는 3D 모델이나 설계 파일을 포함한 다양한 데이터를 변환하고 연결하는 데에 중점을 둔다. 이 과정에서 데이터의 연결성과 확장성을 갖추는 것이 과제인데, 특히 설계 및 엔지니어링 프로세스에서 나오는 CAD 및 3D 스캐닝 데이터와 실시간 3D 프로세스의 간극을 좁히는 것이 필요하다. 유니티는 기존의 3D 데이터를 실시간 환경으로 가져올 수 있도록 지원하는 ‘픽시즈’, 기업 애셋의 기준 데이터를 정의하고 사용 플랫폼에 맞게 3D 애셋을 최적화하는 ‘애셋 매니저’ 등의 툴을 제공한다.  또한, 유니티는 PLM과의 통합을 강화할 계획이다. 민경준 본부장은 “많은 기업에서 무거운 3D 설계 파일의 활용에 어려움을 겪고 있는데, 유니티는 PLM의 3D 설계 데이터를 최적화하고 유니티 환경으로 가져와서, 다양한 환경 및 기기에 3D 데이터를 더욱 손쉽게 배포할 수 있도록 지원하겠다”는 전략을 소개했다.    품질과 퍼포먼스 높인 3D 경험 제작  ‘크리에이트’ 단계에서는 실시간 3D 기술을 활용해 다양한 애셋을 3D 경험으로 제작하게 된다. 최근 공개된 ‘유니티 6’는 시각 품질 및 퍼포먼스의 향상, 다양한 디바이스에 대한 최적화, 최신 AI 기술 활용 지원 등을 특징으로 한다. 김범주 리더는 “GPU 레지던트 드로 기술을 통해 CPU의 처리 시간을 줄임으로써 퍼포먼스를 높이는 데에 기여하며, 멀티플레이 SDK(소프트웨어 개발 키트)는 멀티 유저 환경을 구축할 수 있도록 지원해 팀 프로젝트 작업을 위한 워크플로를 개선할 수 있다”고 소개했다.  한편으로 인공지능(AI)은 거의 모든 조직에서 핵심 화두가 되고 있는데, 유니티는 다양한 AI 모델을 유니티 애플리케이션에 적용할 수 있게 돕는 ‘센티스’, 유니티 에디터 내에서 사용 가능한 생성형 AI 서비스인 ‘뮤즈’ 등을 제공한다.    다양한 환경에 3D 경험 배포  ‘디플로이’ 단계의 핵심은 앞선 단계에서 개발한 3D 경험을 다양한 디바이스에 배포하는 것이다. 유니티는 클라우드 기반의 데브 옵스(DevOps : 소프트웨어 개발과 운영이 통합된 환경 또는 방 법론)로 앱의 개발과 배포를 지원한다. 유니티가 설명한 데브옵스의 핵심은 사용자 데이터의 수집과 분석을 포함해 데이터에서 얻은 인사이트를 개발에 반영하는 사이클을 제공하겠다는 것이다.  김범주 리더는 “유니티는 다양한 디바이스와 플랫폼을 지원하면서, 모든 플랫폼에서 동일한 경험을 제공하는 데에 초점을 맞추고 있다. 이를 위해 유니티 6에서는 플랫폼 확장, 인공지능 기능 강화, 퍼포먼스 향상 등을 통해 산업 분야 워크플로를 바꾸고, 더 많은 사용자에게 효율을 제공할 수 있도록 했다”면서, “한편으로 유니티는 기업이 갖고 있는 기존의 인프라 및 파트너와 협력 관계를 구축할 수 있도록 돕고 있다”고 전했다.    ▲ 유니티의 실시간 3D 전략은 데이터 연결, 3D 경험 제작, 배포로 이뤄진다.   산업 분야의 유니티 활용 전략과 사례 소개  민경준 본부장은 산업 분야의 실시간 3D 활용과 디지털 트윈 구축과 관련해 유니티가 내세우는 차별점으로, 진입 장벽이 낮고 기업의 내재화 추진이 용이하다는 점을 꼽았다. 그는 “많은 기업이 신규 디지털 트윈 과제를 내재화하려는 흐름과 함께, 중장기 관점에서 디지털 트윈에 접근하고 있다. 유니티는 구매 라이선스 비용이 저렴해 실시간 3D 엔진 중에서 접근성이 높은 편이다. 또한, 실시간 3D 기술을 적극 활용할 수 있어 몰입감 있는 3D 구현에 적합하다. 이외에 많은 플랫폼과 결합할 수 있는 호환성과 확장성, 개발자 및 아티스트 커뮤니티와 생태계도 강점”이라고 설명했다.  유 데이 서울 행사에서는 LG전자가 에어컨의 바람 흐름을 시각화하기 위해 유체 시뮬레이션과 유니티를 활용한 사례가 발표됐다. 공학 분야에서 쓰이는 대표적인 유체 시뮬레이션 기법인 CFD(전산유체역학)는 풍동 실험 등을 컴퓨터로 대체할 수 있는 기술인데, 수학적인 계산을 바탕으로 정확한 예측이 가능하지만 계산에 많은 시간이 걸린다. LG전자는 이 데이터를 활용하면서도 더 쉽고 빠른 시각화를 위해 유니티의 경량화된 실시간 렌더링 기술을 활용했다. 이를 통해 바람뿐 아니라 먼지의 흐름을 효과적으로 시각화하고, 실제 공간과 가상의 바람을 증강현실로 연결할 수 있도록 개발 중에 있다.    ▲ LG전자는 에어컨의 바람과 먼지의 흐름을 CFD와 실시간 렌더링으로 구현한 사례를 소개했다.   자동차 산업은 유니티를 가장 먼저 활용한 산업군으로, 현재는 가상 프로토타입 개발, 자율주행 개발, HMI 개발, 디지털 카탈로그 등 다양한 곳에 유니티가 쓰이고 있다. BMW는 증강현실(AR)을 접목한 HUD(헤드업 디스플레이)를 유니티 기반으로 개발했고, 자동차의 테스트를 가상 기반으로 전환 중에 있다. 국내 기업인 모라이는 유니티 기반으로 자율주행차의 가상 시뮬레이터를 개발했다. 민경준 본부장은 “유니티의 실시간 3D 기술을 HMI에 탑재한 자동차가 양산 직전에 있다. 이 자동차의 HMI는 계기판이나 디스플레이를 넘어 새로운 사용자 경험을 제공할 것으로 기대된다”고 전했다.  건설 산업에서는 가상 모델하우스나 현장 작업자 및 협력사의 가상 협업/훈련, 증강현실 앱 등 유니티를 활용하는 시나리오가 확산되는 흐름이다. 이에 대응해 유니티는 픽시즈를 통해 BIM(건 설 정보 모델링) 데이터의 활용도를 높이기 위한 최적화를 지원하고 있다.  이번 행사에서는 일본의 종합건설사인 오바야시 그룹이 유니티 기반으로 개발한 건설 디지털 트윈 시스템 ‘커넥티아’의 사례가 소개됐다. 일본의 건설사들 또한 인력 부족 문제에 대응하면서 생산성을 유지하기 위해 BIM, 3D 등 디지털 기술의 적극 활용을 고려하고 있지만, 고사양의 하드웨어가 필요하고 앱의 도입과 숙달에 따른 진입장벽을 해결해야 하는 상황이다.  오바야시 그룹은 게임 개발 기술을 활용해 현장 시공을 위한 디지털 트윈 플랫폼 개발을 추진했다. 커넥티아의 핵심 기능은 중장비의 배치 테스트, 시공 계획의 실시간 공유와 검토, 시간축에 따른 시공 진행상황의 실시간 3D 뷰 등이다. 이를 위해 유니티는 레빗, 나비스웍스 등 3D BIM 데이터 및 4D 시뮬레이션을 위한 메타 데이터를 클라우드에서 관리/활용할 수 있도록 했고, 3D 데이터 스트리밍으로 방대한 BIM 데이터를 매끄럽게 렌더링할 수 있도록 했다. 그리고 프로젝트 구성원 사이의 원활한 협업을 위한 멀티 유저 커뮤니케이션 기술을 지원했다.    ▲ 일본 오바야시 그룹이 개발한 건설 디지털 트윈 플랫폼 사례가 발표됐다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

캐드앤그래픽스 CNG TV 지식방송 지상 중계    지난 10월 21일, CNG TV는 ‘AI와 CAE 융합을 통한 차세대 제조 혁신 전략’을 주제로 웨비나를 진행했다. 이번 웨비나는 11월 8일 수원컨벤션센터에서 개최되는 ‘CAE 컨퍼런스 2024’의 프리뷰 방송으로 마련됐으며 CAE 소프트웨어의 방향성과 향후 전망, 트렌드에 대해 소개했다. 자세한 내용은 다시보기로 확인할 수 있다. ■ 박경수 기자   ▲ 왼쪽부터 캐드앤그래픽스 최경화 국장, 한양대 오재응 명예교수, LG전자 김예용 연구위원, 이즈파크 김건형 상무   이번 웨비나는 캐드앤그래픽스 최경화 국장이 사회를 맡고 한양대학교 오재응 명예교수, LG전자 김예용 연구위원, 이즈파크 김건형 상무가 발표자로 참여했다.  오재응 명예교수는 ‘가상 제품 개발에 1D CAE 적용하여 제조의 혁신’을 주제로, 가상 제품 개발(VPD)에서 초기 콘셉트 설계를 담당하는 1D CAE를 활용한 MBD(모델 기반 설계)에 대해 소개했다. 오 교수는 “기술 분야에서는 최근 디지털 전환을 겪고 1D CAE 기술을 연구하고 있다”고 말했다.  1D CAE는 초기 설계 단계에서 시스템의 성능을 강화하고 검증할 수 있는 기술로, 복합적인 시스템의 거동을 수학적으로 모델링하여 제품 개발 시간을 단축시킨다는 점이 특징이다. 3D CAE는 제품의 구조적 설계를 주로 담당하지만, 1D CAE는 시간에 관한 시스템의 역동적인 거동을 기반으로 분석한다. 이를 통해 초기 설계 단계에서 성능의 상충 관계를 분석하고, 제품 설계의 자유도를 개선하는데 일조하고 있다. 특히, 우주항공 및 원자력과 같은 고도 기술 산업에서 이미 활용되고 있다.    ▲ 가상 제품 개발에 1D 모델은 이전부터 존재했다    LG전자 김예용 연구위원은 ‘물리 지식 기반 인공지능 활용 예측 모델 생산성 증대 현업 사례’를 주제로, 예측 모델 지향 목표를 비롯해 예측 기법 종류, 데이터 및 물리 법칙의 활용에 따른 공학적 설계 기술 등에 대해 설명했다.  김 연구위원은 엔지니어링 애플리케이션에서 예측 모델링을 강화하기 위한 물리학 기반 신경망(PINN) 구현에 대해 설명했다. 그는 “예측 모델링의 주요 목표는 엔지니어링 시나리오에서 예측 모델의 생산성, 사용성 및 적용성을 개선하는 것이다. 이러한 접근 방식은 예측 기능을 강화하기 위해 물리적 지식과 AI 모델을 통합하는데 중점을 두고 있다”고 이야기했다.  이즈파크 김건형 상무는 ‘AI와 CAE 융합을 통한 차세대 제조 혁신 전략’을 주제로 제품 개발 시뮬레이션의 3가지 축, 시뮬레이션 환경과 방법의 지속적인 변화, 가치 창출을 위한 시뮬레이션 환경의 진화 등을 발표했다.  그는 “AI와 고급 시뮬레이션 기술의 통합에 초점을 맞춰 가치 중심 시뮬레이션 환경으로의 진화를 살펴보고 있다. 특히 MODSIM, 즉 모델링+시뮬레이션이란 개념은 통합된 환경 내에서 모델링과 시뮬레이션을 통합하는 것”이라고 말했다. 이러한 접근 방식은 협업을 용이하게 하고, 설계 신뢰성을 개선하고, 프로세스를 가속화하며, 공통 데이터와 공유 플랫폼을 활용하여 비용과 위험을 줄일 수 있다 는 것이 특징이다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

디지털 지식전문가 조형식의 지식마당   올해는 내가 컴퓨터를 시작한 지 50년이 되어 가는 해이다. 처음 접한 컴퓨터는 대학교에 설치된 IBM의 메인프레임이었다. 또한 2008년 3월에 시작한 이 칼럼이 200번째를 맞기도 했다.  인생이란 짧고 빠르게 지나간다. 매일 반복되는 일상도 생존에 필요하지만, 어떤 목표나 마일스톤이 없다면 인생의 후반은 허무하게도 느껴진다. 우리의 뇌는 일상을 기억하지 않는다. 남의 지식을 설명하는데 대부분의 인생을 소비한다. 책을 쓰거나 자신의 생각을 정리할 때에는 나의 것이 별로 없다는 것을 깨닫는다. 새로운 인공지능 시대에 나의 인생 마일스톤과 목표를 다시 정립해 본다.   10년 전인 2014년에 ‘인간의 여섯 가지 조건’에 대해서 쓴 적이 있다. 이제 디지털 시대를 맞아 인간의 여섯 가지 조건을 다시 작성해 봤다.   그림 1. 인간의 여섯 가지 조건   첫 번째 조건은 삶의 의미를 찾고, 의미 있는 삶을 추구하는 것이다. 자신의 정체성을 가지고 어떠한 고난에도 쉽게 무너지지 않는다. 인생을 살아오면서 인간이 얼마나 나약한 존재이고, 우리의 인생이 얼마나 깨지기 쉬운 것인지를 깨닫는다. 빅토르 프랑클 박사의 ‘삶은 의미를 찾아서 (Man’s Search for Meaning)’ 라는 책을 읽으먼서 많은 것을 얻었던 것 같다. 특히 디지털 시대의 지나치게 많은 디지털 정보 속에서 인간의 막연한 불안감과 타인과 비교하면서 오는 공허감에는 자신만의 삶의 의미를 찾는 것이 가장 중요하다.  두 번째 조건은 논리적 문제 해결 능력을 갖는 것이다. 자신을 지식으로 장식하지 말고, 논리학과 수학을 공부하고 과학적인 사실에 근거한 논리적 분석으로 문제를 해결해서 생존력을 가진다. 사실 인간은 이성적이기 보다는 감정적이다. 특히 인공지능 시대에서 논리적인 조건은 핵심 경쟁력일 수 있다. 대니얼 카너먼의 저서인 ‘생각에 관한(Thinking, Fast and Slow)’을 반드시 읽어 볼 필요가 있다. 세 번째 조건은 예술에 대한 심미안을 갖는 것이다. 항상 자신의 주변에 유형적, 무형적 아름다움을 볼 수 있는 안목을 가진다. 예술은 지식이 아니라 느낌이므로 직접 참여해야 한다. 예술은 인간이 누릴 수 있는 가장 높은 보상일 수 있다. 예술의 현실 세계의 경험은 디지털 복제와 인공지능 시대에 자신만의 창조성을 유지할 수 있다.   네 번째 조건은 작문(글쓰기)과 외국어 번역 능력을 갖는 것이다. 글을 쓰는 것은 우리의 생각을 완성하는 것이고, 외국어를 공부하는 것은 나의 사고의 방에 창문을 만드는 것이다. 글쓰기는 내가 나 자신을 만나고 그것은 짧은 우리 인생에 나의 흔적을 영원히 남기는 작업이다. 지난 일 년간 이외수 작가의 ‘글쓰기의 공중부양’이란 책을 지속적으로 읽으면서 글과 단어, 단어 채집, 속성 찾기, 본성 찾기 등을 실행하고 있다. 특히 챗GPT(ChatGPT)의 시대에 자신만의 문학적 작문 능력은 반드시 필요하다.  다섯 번째 조건은 건강, 일, 운동, 공부, 음식, 기록 등에 좋은 습관을 갖는 것이다. 일상의 좋은 습관은 좋은 인생을 만든다. 사회적으로 성공한 인생보다는 좋은 인생을 살고 싶다. 이런 좋은 습관은 디지털 현실이 아닌 물리적 현실의 실행이다. 아무리 디지털 기술이 발전해도 우리의 물리적의 현실은 가장 중요한 인생이다. 마지막으로 여섯 번째 조건은 삶의 균형 감각을 갖는 것이다. 삶의 균형 감각을 갖는다는 것은 어떠한 정신적, 물리적, 생리적 중독으로부터 자유롭다는 것이다. 인간은 육체적으로 나약한 존재이다. 지속적으로 이런 것에 대해서 의존과 중독의 유혹이 온다. 그래서 가장 중요한 것은 삶의 균형 감각이다. 그것은 자신의 정체성과 독서와 배움 그리고 사색으로 가능하다. 삶의 균형 감각이 행복을 준다. 어떤 사회적 성공이나 부, 지위나 스펙이 가져다주지 않는다. 인생은 무엇을 얻으면 반드시 다른 무엇을 지불해야 한 것이므로 이런 균형이 필요하다. 특히 디지털과 현실에 대한 삶의 균형이 새로운 도전이 되고 있다. 최근에 디지털 엔지니어링과 디지털 트윈 등을 정리하면서, 디지털 지식에 대해서 많은 독서와 정리를 하였다. 그러나 ‘1일 1개 버리기’라는 책을 우연히 읽으면서 내가 가장 필요한 것은 더 많은 지식이나 자료 수집이 아니라 버리는 것이 아닐까 생각해 봤다. 저자는 “소유하고 있는 것을 내려놓아야 소중한 것을 얻을 수 있다”고 한다. 우리가 어떤 것을 못 버리는 이유는 세 가지이다. 그것은 과거의 추억을 포함하고 있거나, 그것이 미래에 사용될 지도 모른다는 생각, 그리고 현재에 버릴 용기가 없다는 것이다.  현대인에게 너무 많은 물건과 만남, 관계, 정보로 인하여 정말 무엇이 소중한지 모르게 되었다. 시작은 하루에 아주 작은 것을 매일 버리지만, 궁극적으로는 너무 많은 사회적 관계와 정보에서 오는 정신적 불안감, 열등감, 공허감 등 마음의 짐을 버리는 것이다. 정말 오랫동안 매일 사용하던 페이스북을 끊어버렸다. 2주간은 너무 궁금했지만 이제는 나의 스마트폰과 PC에서 앱을 완전히 지웠다.  올해의 나의 마일스톤은 디지털 디톡스에서 시작해서 디지털 안식년을 가지는 것이고, 최종적으로는 디지털 중독에서 삶의 균형 감각을 찾는 것이다. 시작은 쉽지 않다. 중독에서 벗어나는 것은 인간의 뇌의 약점인 편행에서 벗어나는 것이다. 지난 두 달 동안 매일 버리면서 정말로 무엇이 소중한지를 깨닫고 있다. 그리고 디지털과 현실 세계의 균형 감각이 무엇보다도 삶의 의미에서 중요하다는 것을 실천하고 있다.    ■ 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.

정종기 지음 / 27,000원 / 형설eLife 지금은 챗지피티(ChatGPT)가 앞당긴 인공지능 대중화 시대이다. 전세계는 ChatGPT를 위시한 생성형 AI의 혁신적인 진화에 관심이 집중되고 있고, 산업 및 사회적으로 큰 파급력을 보이며 급속하게 성장하고 있다. 생성형 AI는 사용자의 요구에 맞춰 요약, 답변, 그림, 동영상, SW 코드 생성도 순식간에 만들어 준다. 이러한 생성형 AI가 확산되면서 사람들의 일하는 방식은 근본적인 변화를 맞이하고 있다. 향후 기업의 경쟁력은 생성형 AI 도입에 따른 일하는 방식의 변화를 어떻게 활용하는가에 따라 크게 좌우될 수 있는 것이다. 생성형 AI는 전 산업 및 기업의 비즈니스 전반에 걸쳐 다양하게 활용될 수 있다. 특히 가치사슬 관점에서 살펴보면 기획, R&D, 구매, 생산, 유통, 판매 및 마케팅 등 주요한 업무 영역에서 활용을 통해 효율을 크게 높일 수 있기 때문에 기업들이 앞다퉈 도입을 서두르고 있다. 산업별로 생성형 AI 활용 확산 먼저 제조 분야에서는 생성형 AI를 활용하여 자동화된 제품 디자인 및 품질 향상을 실현할 수 있다. 생성형 AI 모델은 과거 제품 데이터를 분석하여 새로운 제품 디자인을 생성하고, 제조 과정에서 발생하는 결함을 감지하여 예방할 수 있다. 또한 생성형 AI를 활용한 제조공정 효율화, 품질관리, 텍스트 비정형 데이터 분석 기반 이상 검출 및 고장 예측과 수명 예측 서비스 영역도 활용 영역으로 확대되고 있다. 생성형 AI는 의료 분야에서 많은 활용 사례를 가지고 있다. 예를 들어, 생성형 AI를 사용하여 의료 이미지(예: X-ray, MRI)를 분석하고 질병이나 이상을 감지하는 데 활용할 수 있다. 또한, 환자 데이터를 분석하여 개인 맞춤형 치료 계획을 생성하는 데에도 사용될 수 있다. 신물질의 개발, 신약 개발 등에서 생성형 AI가 활용되고 있다. 과거 R&D 분야는 끊임없는 연구와 시행 착오의 반복이었다. 예를 들어 제품 설계를 위해서는 시제품을 소량 제작해 문제점을 살펴보고 오랜 시간을 들여 반복 작업을 수행해야만 했다. 그러나 생성형 AI 기술을 활용하여 연구원들이 중량, 비용, 소재 등 원하는 조건을 입력하면 생성형 AI가 수많은 디자인 시안을 짧은 시간에 생성해 준다. 연구자들은 다양한 가능성을 살펴보고 브레인스토밍을 거쳐 세부 검토 후 원하는 결과에 근접한 시안을 선택하면 된다. 즉, 연구원들의 역할이 설계 디자이너에서 검토자로 대폭 바뀌게 되는 것이다. R&D영역에서 생성형 AI는 단시간 내에 다양한 프로토타입과 옵션을 생성해 개발자의 노력, 시간, 비용을 절감시켜주고 있다. 금융 기관은 생성형 AI를 사용하여 금융 데이터를 분석하고 예측 모델을 구축할 수 있다. 이를 통해 고객 맞춤형 서비스, 주식 시장 예측, 신용 위험 평가, 보험 요율 책정 등의 작업을 자동화하고 정확성을 향상시킬 수 있다. 문화예술 분야에서는 창작을 돕는 데 사용될 수 있다. 예를 들어, 생성형 AI를 사용하여 새로운 음악 작곡, 그림 및 그래픽 디자인, 시나리오 작성 등을 자동화하고 창의적인 작품을 생성할 수 있다. 가상 캐릭터 및 게임도 생성형 AI를 사용하여 가상 캐릭터를 개발하고 게임에 즉시 적용할 수 있다. 이를 통해 게임 내 캐릭터의 외모, 행동, 대화 등을 자동으로 생성하고 다양한 상황에 대응할 수 있는 인공지능 기반 캐릭터를 구현할 수 있다. 마케팅 영역에서는 효율을 극대화시키고 있다. 온라인 오픈마켓 사업자들의 주 업무는 제품 홍보글 작성, 블로그 포스팅, 마케팅 이메일 발송 등이다. 이 모든 것을 생성형 AI가 쉽게 만들어 준다. 실제로 한국의 한 마케팅회사는 생성형 AI를 활용해 과거 5시간 이상 소요되었던 1,000자의 광고 문구와 새 웹사이트에 들어갈 카피 문구를 10분의 1에 불과한 30분으로 단축할 수 있었다. 교육관련 분야는 많은 부분에서 활용될 수 있다. 먼저 개인화 학습 영역에서 생성형 AI를 활용하여 학생들에게 맞춤형 학습 경험을 제공할 수 있다. 학생의 학습 데이터를 분석하여 개인의 학습 스타일, 강점, 약점을 파악하고 그에 따라 적합한 학습 자료를 생성하거나 맞춤형 문제를 제공할 수 있다. 생성형 AI는 다양한 산업, 문화 및 교육 분야에서 혁신적인 방식으로 활용될 수 있다. 이는 효율성 향상, 창의성 개발, 맞춤화된 경험 제공 등의 많은 장점을 가져다줄 수 있다. 생성형 AI의 사회적 영향력은 점점 더 커지고 있고 그에 따른 우려 사항도 많아지고 있다. 생성형 AI를 업무 효율화와 생산성 증대, 새로운 가치 창출을 위해 기존 업무에 활용해 보려는 기업들의 관심도 높아지고 있다. 다만, 생성형 AI도 장‧단점을 함께 가진 신기술인 만큼 기업 내부에 적용하는데 있어 경영진들의 다각적인 고민이 필요하다. 생성형 AI는 질문(프롬프트)을 통해 답변을 생성한다. 내가 원하는 답변을 얻기 위해서는 사전에 답변에 필요한 상세한 설명을 먼저 제시하고 질문을 해야 하기 때문에 이때 기업의 정보 유출 문제가 생긴다. 그래서 데이터의 보안 문제에 따라 외부 상용 AI 서비스를 활용할 것인지 아니면 자체적으로 내부 개발할 것인지에 대해서도 고민이 필요하다. 생성형 AI 도입에 따라 기업의 각 비즈니스 부문별 다양한 변화가 예상된다. 생성형 AI의 도입은 일하는 방식의 큰 변화를 가져올 수 있으므로 내부 직원들이 혼란스러워할 수 있다. 그렇기 때문에 활용 가치가 큰 부서부터 단계별로 도입하는 것이 바람직하다. 또한 직원들이 생성형 AI와 같은 신기술 도입에 대한 거부감을 줄이는 조직 문화적 활동도 추진해야 한다. 새로운 업무 방식이 자신의 기존 노하우와 일자리를 위협한다는 불안 심리와 새로운 업무 방식을 익히는 일이 번거롭게 생각할 수 있기 때문이다. 그러나 머지 않아 많은 기업들이 생성형 AI를 단계별로 도입하여 AI 기반 업무 활용 및 자동화를 통해 업무 속도와 효율성을 높이고, 더욱 복잡하고 고도화된 업무에 집중할 수 있게 되면서 전반적인 업무 생산성이 높아질 것으로 기대된다. 생성형 AI의 가능성과 미래 진화 방향 생성형 AI를 통해서 누구나 관련된 정보를 쉽게 얻을 수 있기 때문에 전문적인 지식을 가지고 있지 않아도 전문적인 글을 만들어 낼 수 있고, 더 나아가 이를 통해서 내가 하고 있는 관련된 일에 상상 이상의 도움을 받을 수 있기 때문에 앞으로 많은 성장 가능성을 가지고 있다. 모든 사람, 모든 분야, 모든 산업에 대한 파급력은 어마어마할 것으로 예상된다. 또한 ‘ChatGPT를 잘 활용하는 사람이 활용하지 않는 사람을 대체(代替)’ 할 가능성도 점점 높아질 것으로 예상된다. 인간을 능가한 인공지능, 인간을 위한 대응이 즉시 필요 새로운 인공지능(AI) 모델 GPT-4o(Omni) 출시와 함께 전세계가 다시 오픈AI에 집중하고 있다. 이 모델은 사람처럼 보고 듣고 말하며 사용자와 실시간 대화를 할 수 있다. 10여 년 전 개봉한 공상과학(SF) 영화 ‘허(Her)’에서 묘사한 ‘인격형 AI’가 현실이 되었다. 이제 정말 인공지능과 친구처럼 대화할 수 있는 시대가 시작된 것이다. 사용자와 실시간으로 대화하는 것은 기본이고, 사용자의 말투와 억양을 분석해 현재의 기분을 파악하고, 이미지를 실시간으로 분석해 수학 문제의 답을 맞힐 수 있다. 인간이 주로 사용하는 텍스트, 시각, 청각 데이터를 종합적으로 분석하고 사람과 같이 영상을 보면서 실시간성으로 대화를 할 수 있다. 이 책에서는 생성형 AI가 실제 적용된 다양한 사례를 통해 AI를 잘 사용할 수 있도록 함으로써 부를 창출하고 경쟁력을 갖출 수 있는 방안을 제시해줄 것이다. 

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (13)   항공 음향학은 난류 유체 운동 또는 표면과 공기역학적 힘의 상호작용으로 인한 소음 발생을 연구하는 학문이다. 이번 호에서는 지난 호에 이어, 항공 음향 시뮬레이션과 관련된 구체적인 과제 및 기법에 대해 살펴본다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   Validation and Verification 모든 시뮬레이션과 마찬가지로, 실험 데이터 또는 분석 솔루션과 비교하여 결과를 검증하고 검증하는 것은 매우 중요하다. 이를 통해 시뮬레이션 결과의 정확성과 신뢰성을 보장할 수 있다. 검증은 계산 솔루션이 기본 수학적 모델을 정확하게 나타내는지 여부를 결정하는 과정과 관련이 있다. 반면에 검증은 수학적 모델이 물리적 현실을 얼마나 잘 포착하는지 평가한다. 검증의 주요 측면은 다음과 같이 그리드 수렴, 솔루션 일관성 및 코드 비교이다. Grid Convergence : 다양한 그리드 해상도에서 시뮬레이션(그림 1)을 수행하여 솔루션이 그리드 독립적인 상태에 접근하고 있는지 확인할 수 있다. 이는 그리드 이산화로 인한 수치 오류를 최소화하는 데 필수이다. Solution Consistency : 시간 단계, 초기 조건 또는 경계 조건과 같은 매개 변수가 약간 변경되었을 때 솔루션이 예상대로 작동하는지 평가하는 작업이 포함된다. Code Comparisons : 동일한 문제를 다루는 여러 시뮬레이션 코드의 결과를 평가(코드 간 비교)하면 솔루션의 일관성과 신뢰성에 대한 통찰력을 얻을 수 있다. 검증 외에도 시뮬레이션을 검증하는 주요 방법은 물리적 실험, 벤치마크 문제 및 불확실성 정량화를 통해 이루어진다. Physical Experimentation : 연구자는 시뮬레이션 결과를 실험 데이터와 비교하여 실제 시나리오에 대한 계산 모델의 충실도를 측정할 수 있다. Benchmarking Problems : 분석적 또는 널리 사용되는 솔루션이 존재하는 표준 문제에 대한 벤치마킹은 새롭거나 변경된 시뮬레이션 설정의 성능을 측정할 수 있는 수단을 제공한다. Uncertainty Quantification : 측정 오류, 모델 근사치 또는 경계 조건 추정에서 비롯된 불확실성을 인식하고 정량화하는 것은 중요하다. 이를 통해 시뮬레이션 결과에 대한 신뢰도를 보다 명확하게 파악할 수 있다.   그림 1. 고밀도 모터사이클 메시   항공 음향 시뮬레이션의 과제 항공 음향 시뮬레이션은 유체 역학 및 음향 현상을 포착하기 어렵기 때문에 수많은 과제를 안고 있다. 몇 가지 주요 과제는 다음과 같다. Wide Range of Scales : 항공 음향 현상은 광범위한 공간적, 시간적 스케일에 걸쳐 있다. 음파의 파장은 밀리미터에서 미터까지 다양하며, 소리를 생성하는 난류 구조의 크기도 매우 다양하다. 이러한 모든 스케일을 캡처하려면 매우 미세한 그리드 해상도와 긴 시뮬레이션 시간이 필요하다. Acoustic Wave Amplitudes : 관심 있는 항공 음향 신호는 난류의 유체 역학적 압력 변동보다 훨씬 낮은 진폭을 갖는 경우가 많다. 이러한 미묘한 음향파를 지배적인 흐름 구조와 구별하는 것은 어려운 일이다. Far-Field Propagation : 국부적인 공기역학 소스에 의해 생성된 소리는 먼 거리까지 전파될 수 있다. 소음원부터 멀리 떨어진 관찰자까지 전체 도메인을 시뮬레이션하려면 계산이 꽤 많이 소요된다. Complex Geometries : 실제 항공 음향 문제는 항공기 엔진이나 차량 외관과 같이 복잡한 기하학적 구조를 포함하는 경우가 많다. 이러한 형상을 모델링하고 유체 흐름과 소리 전파에 미치는 영향을 모델링하면 시뮬레이션이 복잡해진다. Boundary Conditions : 적절한 경계 조건의 선택과 구현은 매우 중요하다. 부정확하거나 지나치게 단순한 경계 조건은 허위 반사 또는 기타 비물리적 동작을 유발할 수 있다. Transient Nature : 많은 항공 음향 문제는 본질적으로 불안정(unsteady)하기 때문에 Transient 시뮬레이션이 필요하다.(그림 2) 이로 인해 계산적인 노력이 증가하고 통계적으로 의미 있는 결과를 얻기가 어렵다. Nonlinear Interactions : 많은 시나리오에서, 특히 높은 소음 수준에서는 비선형 공기역학적 및 음향학적 상호 작용이 발생한다. 이러한 비선형성을 시뮬레이션하려면 세부 사항과 계산 리소스에 대한 추가적인 주의가 필요하다. Multiphysics Interactions : 경우에 따라 항공 음향 시뮬레이션은 열 전달이나 연소와 같은 다른 물리적 효과도 고려해야 하므로 시뮬레이션 설정이 더욱 복잡해질 수 있다. Numerical Dissipation : 수치적 방법은 인위적인 소멸을 도입하여 관심 있는 음향 신호를 감쇠 시키거나 완전히 억제할 수 있다. 이러한 모든 문제는 항공음향을 정확하고 효율적으로 시뮬레이션하는데 따르는 복잡성을 강조한다. 이러한 과제를 해결하기 위한 노력은 이 분야의 지속적인 발전을 이끌며 계산 능력과 방법론의 경계를 넓혀 왔다.   그림 2. 일시적인 특성을 강조하는 비행 중인 항공기의 LES   항공 음향 시뮬레이션을 위한 솔루션 실제 엔지니어링 과제를 해결하든 기초 연구를 하든 올바른 시뮬레이션 소프트웨어를 선택하는 것은 매우 중요하다. 항공 음향 분야에서 정확하고 효율적인 시뮬레이션을 지원하는 소프트웨어 도구가 등장했다.  케이던스(Cadence)의 유동 시뮬레이션 소프트웨어인 피델리티 찰스(Fidelity CharLES)는 항공 음향을 포함한 고충실도 유동 분석을 위해 설계되었다. 찰스는 소산과 분산을 최소화하면서 불안정한 흐름을 시뮬레이션할 수 있는 최첨단 수치 기법과 모델을 통합하여 LES(Large Eddy Simulation)의 잠재력을 활용한다. 유한 체적법에 기반한 다양한 솔버 공식을 사용하여 저속, 고속 및 반응 유동을 포함한 다양한 유동 조건을 캡처하여 최적의 성능을 제공한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (12)   항공 음향학은 난류 유체 운동 또는 표면과 공기역학적 힘의 상호작용으로 인한 소음 발생을 연구하는 학문이다. 이번 호에서는 항공 음향 시뮬레이션과 관련된 구체적인 과제 및 기법에 대해 살펴본다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   항공 음향을 예측하는 것은 단순히 소리의 근원을 정확히 찾아내는 것만이 아니라 다양한 시나리오에서 소리의 생성, 전파, 수신 뒤에 숨겨진 복잡한 메커니즘을 이해해야 한다. 간소화된 자동차 설계의 고주파 음향 방출부터 제트 추진 시스템의 저주파 소음 시그니처에 이르기까지, 각각은 엔지니어에게 고유한 과제와 통찰력을 제시한다. 항공 음향 시뮬레이션의 중요성은 설계 및 최적화 고려사항 그 이상으로 확장된다. 환경 규정 준수, 사용자 편의성 보장, 산업별 소음 표준 준수에 필수이다. 항공우주 및 자동차 등의 분야에서 급속한 발전이 이루어지면서 정확한 항공 음향 예측에 대한 중요성이 점점 더 강조되고 있다. 이번 호에서는 기초 지식과 고급 시뮬레이션 방법론을 연결하여 항공 음향학에 대한 자세한 개요를 살펴본다. 기본 원리, 항공 음향 소음원, 모델링 과제, 최신 툴과 기법, 시뮬레이션 설정 가이드라인, 포스트 프로세싱 인사이트, 실제 사례 연구 등을 다루고자 한다.   항공 음향학의 기초 항공 음향학(aeroacoustics)은 유체 역학과 음향학의 교차점에 서 있다. 그 동작을 능숙하게 시뮬레이션하려면 이 분야와 가장 관련 있는 기본 원리를 이해하는 것이 필수이다. 운동 방정식 특정 수학적 프레임워크는 유체 운동에 의해 생성되는 소리의 동작을 지배한다. 그 중심에는 선형화된 나비에-스토크스(Navier-Stokes) 방정식이 있다. 이 방정식의 전체 도출은 여기서 다루지 않지만, 이 방정식은 유체의 교란이 어떻게 음파를 생성하는지에 대한 본질을 파악할 수 있다. 파동 전파 음파는 매질에서 압축과 희박으로 전파된다. 이 전파에는 여러 가지 요인이 영향을 미친다. 매체의 탄성 및 밀도와 같은 속성은 음속과 감쇠에 영향을 줄 수 있다.  또한 온도, 고도, 습도와 같은 환경적 요인은 음파 전파에 다양한 영향을 미쳐 속도와 방향을 변경할 수 있다.  경계면과의 사운드 상호 작용 환경을 시뮬레이션할 때는 음파가 반사, 회절, 흡수를 통해 구조물과 어떻게 상호 작용하는지 이해하는 것이 중요하다. <그림 1>에서 볼 수 있듯이 반사는 음파가 경계를 만나면 반사되는 것으로, 반사각은 입사각과 같다. 파동이 장애물을 만나면 특히 파장이 장애물 크기에 비해 큰 경우 장애물 주변에서 휘어질 수 있다. 이를 회절이라고 정의한다. 일부 물질은 소리 에너지를 흡수하여 열로 변환하여 소리를 감쇠시킬 수 있는데, 이를 흡음이라고 한다.   그림 1. 방음벽에 의해 반사, 회절 또는 흡수되는 입사음   항공 음향 소음의 발생원 항공 음향 소리의 출처를 파악하는 것은 효과적인 시뮬레이션의 핵심이다. 많은 소스는 소리를 방사하는 방식에 따라 1차 소스(예 : 단극자(monopole), 쌍극자(dipole), 사중극자(quadrupole)) 또는 고차 소스로 분류할 수 있다. 우리가 인지하는 소음은 또한 두 가지 스펙트럼 유형, 즉 톤과 광대역으로 분류할 수 있다. 톤 노이즈는 노이즈 스펙트럼의 특정 주파수에서 뚜렷한 피크가 특징이며, 종종 흐름의 주기적 이벤트 또는 공명과 관련이 있다. 반면 광대역 노이즈는 광범위한 주파수에 걸쳐 발생하며, 톤 노이즈에서 볼 수 있는 뚜렷한 피크가 없는 보다 무작위적이고 난류적인 프로세스에서 발생한다.  항공 음향 노이즈의 주요 소스와 생성되는 소리의 스펙트럼 특성은 다음과 같다.   단극자 소스 단극자 소스(monopole source)는 풍선이 부풀어 오르거나 수축하는 것처럼 모든 방향으로 균일하게 방사된다. 주로 유체의 부피 변화와 관련이 있다. 연소 소음은 단극자 소스의 한 예이다. 연소 소음 : 엔진에서와 같이 급격한 연소 이벤트는 단극자 소스로 방사되는 급격한 볼륨 변화를 일으킬 수 있다.   쌍극자 소스 쌍극자 소스(dipole source)는 유체 흐름과 고체 경계와의 상호 작용에서 발생한다. 쌍극자 소스는 주로 두 개의 반대 방향으로 소리를 내며, 많은 시나리오에서 단극자 소스보다 더 강하다. 쌍극자 소스의 예로는 경계층 및 블레이드 소음과 유동으로 인한 진동이 있다. 경계층 노이즈 : 유체가 표면 위로 흐르면 경계층 난류가 표면에 변동하는 힘을 가하여 쌍극자 노이즈 방사를 유발할 수 있다. 유동 유도 진동 : 공기 탄성 플러터 또는 캐비티 공명과 같은 흐름과 구조물 간의 상호 작용은 쌍극자 소음 방사로 이어질 수 있다. 블레이드 소음 : 회전하는 기계에서 난류 유입과 블레이드 간의 상호 작용으로 인해 쌍극자 소음이 발생할 수 있다.   사중극자 소스 사중극자 소스(quadrupole source)는 난기류-난기류 상호 작용과 관련이 있다. 일반적으로 단극 및 쌍극자 소스보다 약하지만 고속, 난류 혼합 노이즈와 같은 고난류 시나리오에서 중요할 수 있다. 난류 혼합 소음 : 난류가 심한 고속 흐름에서는 서로 다른 난류 구조 간의 상호 작용으로 인해 사중극자 음파가 방사될 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.