엔비디아가 엔비디아 지포스(NVIDIA GeForce) RTX GPU와 쿠다(CUDA) 12.8을 통해 로컬 대규모 언어 모델(large language model : LLM) 실행 도구인 ‘LM 스튜디오(LM Studio)’의 성능을 향상했다고 밝혔다.  문서 요약에서 맞춤형 소프트웨어 에이전트에 이르기까지 AI 사용 사례가 계속 확장되고 있다. 이에 따라 개발자와 AI 애호가들은 LLM을 더 빠르고 유연하게 실행할 수 있는 방법을 찾고 있다. 엔비디아 지포스 RTX GPU가 탑재된 PC에서 로컬로 모델을 실행하면 고성능 추론, 향상된 데이터 프라이버시, AI 배포와 통합에 대한 제어가 가능하다. 무료로 체험할 수 있는 LM 스튜디오와 같은 도구는 이러한 로컬 AI 실행을 간편하게 구현할 수 있도록 지원한다. 이를 통해 사용자는 자신의 하드웨어에서 LLM을 탐색하고 구축할 수 있다. LM 스튜디오는 로컬 LLM 추론을 위해 가장 널리 채택된 도구 중 하나로 자리잡았다. 고성능 llama.cpp 런타임을 기반으로 구축된 이 애플리케이션은 모델을 완전히 오프라인에서 실행할 수 있도록 한다. 또한 사용자 지정 워크플로에 통합하기 위해 오픈AI(OpenAI) 호환 API(application programming interface) 엔드포인트 역할도 수행할 수 있다. LM 스튜디오 0.3.15 버전은 쿠다 12.8을 통해 RTX GPU에서 성능이 향상되면서 모델 로드와 응답 시간이 개선됐다. 또한 이번 업데이트에는 ‘툴_초이스(tool_choice)’ 파라미터를 통한 도구 활용 개선, 시스템 프롬프트 편집기 재설계 등 개발자 중심의 새로운 기능도 추가됐다. LM 스튜디오의 최신 개선 사항은 성능과 사용성을 향상시켜 RTX AI PC에서 높은 수준의 처리량을 제공한다. 즉, 더 빠른 응답, 더 신속한 상호작용, 그리고 로컬에서 AI를 구축하고 통합하기 위한 더 나은 툴을 제공한다.     LM 스튜디오는 유연성을 염두에 두고 제작돼 간단한 실험부터 맞춤형 워크플로 통합까지 다양한 용도로 활용할 수 있다. 사용자는 데스크톱 채팅 인터페이스를 통해 모델과 상호작용하거나 개발자 모드를 활성화해 오픈AI 호환 API 엔드포인트를 제공할 수 있다. 이를 통해 로컬 LLM을 비주얼 스튜디오 코드(VS Code)나 맞춤형 데스크톱 에이전트와 같은 앱의 워크플로에 쉽게 연결할 수 있다. 예를 들어, LM 스튜디오는 마크다운 기반의 인기 지식 관리 애플리케이션인 옵시디언(Obsidian)에 통합될 수 있다. 사용자는 텍스트 제너레이터(Text Generator), 스마트 커넥션(Smart Connections)과 같은 커뮤니티 개발 플러그인을 사용해 콘텐츠를 생성하고, 연구를 요약하고, 자신의 노트 검색을 수행할 수 있다. 이 모든 기능은 LM 스튜디오를 통해 실행되는 로컬 LLM으로 구동된다. 이러한 플러그인은 LM 스튜디오의 로컬 서버에 직접 연결되므로 클라우드에 의존하지 않고도 빠르고 비공개적인 AI 상호작용이 가능하다. LM 스튜디오 0.3.15 업데이트에는 개발자를 위한 새로운 기능이 추가됐다. 그중에는 ‘툴_초이스’ 매개변수를 통한 도구 사용에 대한 세분화된 제어 기능과 더 길거나 복잡한 프롬프트를 처리할 수 있는 시스템 프롬프트 편집기 업그레이드 등이 포함된다. 개발자는 툴_초이스 파라미터를 통해 도구 호출을 강제하거나, 완전히 비활성화하거나, 모델이 동적으로 결정하도록 허용하는 등 모델이 외부 도구와 연동하는 방식을 제어할 수 있다. 이러한 유연성은 구조화된 상호작용, 검색 증강 생성(retrieval-augmented generation : RAG) 워크플로 또는 에이전트 파이프라인 구축에 특히 유용하다. 이러한 업데이트는 LLM을 사용하는 개발자의 실험과 프로덕션 사용 사례 모두에서 효율성을 높인다. LM 스튜디오는 젬마(Gemma), 라마3(Llama 3), 미스트랄(Mistral), 오르카(Orca) 등 광범위한 개방형 모델과 4비트부터 고정밀까지 다양한 양자화 형식을 지원한다. 또한, 엔비디아는 소형 RTX 기반 시스템에서 효율성을 최적화하든 고성능 데스크톱에서 높은 처리량을 달성하든, LM 스튜디오가 RTX에서 완전한 제어, 속도, 프라이버시를 모두 제공한다고 설명했다. LM 스튜디오 가속화의 핵심은 소비자 하드웨어에서 효율적인 추론을 제공하도록 설계된 오픈 소스 런타임인 llama.cpp이다. 엔비디아는 LM 스튜디오, llama.cpp 커뮤니티와 협력해 RTX GPU 성능을 극대화하기 위해 ▲쿠다 그래프 활성화 ▲플래시 어텐션 쿠다 커널(Flash attention CUDA kernel) ▲최신 RTX 아키텍처 지원 등의 최적화 사항을 통합했다. LM 스튜디오는 윈도우, 맥OS, 리눅스에서 무료로 다운로드해 실행할 수 있다. 최신 0.3.15 버전과 지속적인 최적화를 통해 사용자는 성능, 맞춤화, 사용성에서 지속적인 개선을 기대할 수 있으며, 로컬 AI를 더 빠르고 유연하며 접근 가능하게 만든다. 사용자는 데스크톱 채팅 인터페이스를 통해 모델을 로드하거나 개발자 모드를 활성화해 오픈AI 호환 API를 사용할 수 있다.  LM 스튜디오는 모델 프리셋, 다양한 양자화 형식, 미세 조정된 추론을 위한 툴_초이스와 같은 개발자 제어 옵션을 지원한다. LM 스튜디오의 성능 개선에 관심이 있는 사용자는 커뮤니티와 엔비디아 주도의 성능 개선이 지속적으로 반영되는 llama.cpp 깃허브(GitHub) 리포지토리에 참여할 수 있다.

티맥스소프트, 클라우드 미들웨어, 메인프레임 현대화 등 DX 솔루션 대거 전시   티맥스소프트가 지난 4월 23일부터 일본 도쿄 빅사이트에서 개최된 일본 최대 규모 IT 전시회 ‘재팬 IT 위크 2025(Japan IT Week Spring)’에 참가하여 혁신적인 디지털 전환(DX) 솔루션을 선보이며 글로벌 시장 공략에 나섰다. ‘재팬 IT 위크’는 IT 산업 전반의 최신 기술과 솔루션을 한눈에 확인할 수 있는 일본 최대 규모의 IT 전문 전시회로, 춘계와 추계 연 2회 개최된다. 올해 춘계 행사는 지난 4월 23일부터 3일간 성황리에 진행되었다. 티맥스소프트는 이번 전시회 참가를 통해 일본 시장 내 고객과의 접점을 확대하고, 새로운 비즈니스 기회를 적극적으로 발굴한다는 전략이다. 최근 일본, 북미, 동남아시아를 핵심 글로벌 거점으로 삼아 사업 확장에 박차를 가하고 있는 만큼, 이번 전시회를 통해 티맥스소프트의 차별화된 제품과 기술력을 현지 고객들에게 널리 알리는 데 주력했다. 특히 전 세계적으로 AI(인공지능)와 데이터 중심의 디지털 전환이 가속화되는 추세에 발맞춰, 티맥스소프트는 AI 환경과 클라우드 전환을 효과적으로 지원할 수 있는 다양한 솔루션을 전시하여 참관객들의 높은 관심을 받았다. 전시 제품군은 클라우드 미들웨어 ‘제우스(JEUS)’와 ‘웹투비(WebtoB)’, 메인프레임 현대화 솔루션 ‘오픈프레임(OpenFrame)’, 그리고 다양한 인터페이스(FEP·EAI·MCI) 통합 및 연계 솔루션 ‘애니링크(AnyLink)’ 등으로 구성되었다. 행사 첫날부터 티맥스소프트 전시 부스에는 메인프레임 현대화 솔루션인 ‘오픈프레임’에 대한 문의가 쇄도하며 참관객들의 뜨거운 관심을 입증했다. 특히 후지쯔와 히타치 메인프레임 시스템을 사용하고 있는 일본 기업 고객들은 티맥스소프트의 ‘오픈프레임’ 제품과 관련 성공 사례에 대해 깊이 있는 상담을 진행했다. ‘오픈프레임’은 기업 및 금융 기관에서 오랫동안 핵심 업무 시스템 운영 환경으로 사용해 온 메인프레임 기반의 비즈니스 자산을 유닉스(UNIX)와 같은 오픈 시스템 환경 또는 클라우드 환경으로 최적화하여 이전할 수 있도록 지원하는 솔루션이다. 일본은 메인프레임 보급률이 높은 국가 중 하나이며, 오는 2030년 후지쯔의 메인프레임 사업 중단이 예정되어 있어 최근 메인프레임 현대화에 대한 수요가 지속적으로 증가하고 있다. 티맥스소프트는 전시회 기간 동안 IT 분야 전문가 및 기업 의사결정권자 등 잠재 고객들과 적극적인 네트워킹 시간을 가졌으며, 일본 시장 내 사업 확장을 위한 역량 있는 디지털 기업들과의 파트너십 구축 또한 모색했다. 또한 일본 내에서 클라우드 도입과 API(애플리케이션 프로그래밍 인터페이스) 연계에 대한 수요가 빠르게 증가하고 있는 점을 고려하여, 티맥스소프트의 인터페이스 통합·연계 솔루션인 ‘애니링크’의 성공적인 도입 사례를 신한은행 일본 법인 SBJ DNX 고객 인터뷰 영상을 통해 소개하여 참관객들의 이해를 높였다. 티맥스소프트 전략마케팅본부장 변재학 전무는 “팬데믹 이후 일본 시장의 디지털 전환 속도가 빨라지면서 소프트웨어 기업에게는 새로운 도전이자 글로벌 성장의 중요한 발판이 마련되었다”며, “티맥스소프트는 해외 파트너십, 다양한 성공 레퍼런스, 그리고 폭넓은 제품 포트폴리오를 기반으로 일본 시장뿐만 아니라 북미, 동남아시아 시장에서도 새로운 판로를 개척하며 글로벌 기업으로 성장해 나갈 것”이라고 포부를 밝혔다.    

어도비가 소셜 미디어, 전자상거래, 모바일 등 다양한 채널에서 급증하는 개인화된 콘텐츠 수요에 맞춰 기업의 효과적인 콘텐츠 제작을 지원하는 어도비 파이어플라이 서비스(Adobe Firefly Services) 및 파이어플라이 커스텀 모델(Firefly Custom Models)의 새로운 역량을 발표했다. 이번 발표로 기업을 위한 크리에이티브 및 생성 API 콜렉션인 파이어플라이 서비스는 영상과 3D를 비롯한 더욱 다양한 콘텐츠 유형을 지원하며 기업의 멀티미디어 제작 확대를 돕는다. 파이어플라이 서비스로 구동되는 새로운 파이어플라이 크리에이티브 프로덕션(Firefly Creative Production)은 노 코드(no-code) 인터페이스에서 주요 미디어 유형에 걸쳐, 반복적인 콘텐츠 제작 작업을 처리할 수 있도록 지원한다. 또한 파이어플라이 커스텀 모델과 퍼포먼스 마케팅용 어도비 Gen스튜디오(Adobe GenStudio for Performance Marketing)의 통합으로 브랜드 가이드라인을 준수하는 광고 콘텐츠를 한층 쉽게 확대할 수 있게 됐다.  이 같은 어도비의 혁신은 어도비 AI 에이전트와 모델을 통합하는 어도비의 AI 플랫폼으로 구동된다. 해당 플랫폼은 어도비 애플리케이션 전반에서 자사 데이터 인사이트, 서드파티 생태계의 AI 에이전트,  상업적으로 안전한 어도비 파이어플라이 및 안전한 서드파티 모델 등을 포함한다. 이처럼 어도비는 AI 플랫폼을 통해 마케팅과 크리에이티브를 통합하며 대규모로 개인화된 경험을 제공한다. 액센츄어(Accenture), 덴츠(Dentsu), 헨켈(Henkel), IPG 헬스(IPG Health), 태피스트리(Tapestry), 몽크스(Monks), 펩시코/게토레이(PepsiCo/Gatorade), 퍼블리시스(Publicis), 스태크웰(Stagwell), 에스티 로더 컴퍼니(The Estée Lauder Companies) 등 주요 기업과 에이전시는 어도비 파이어플라이(Adobe Firefly), 파이어플라이 서비스 및 커스텀 모델을 활용해 캠페인을 론치하는 데 걸리는 시간을 단축하며, 새로운 고객과 소통하며, 생성형 AI로 워크플로우를 간소화하고 크리에이티브 결과물을 강화하고 있다. 포레스터(Forrester) 총 경제 영향 조사(Total Economic Impact Study)에 따르면 기업은 어도비 파이어플라이 제품군을 통해 에셋 변형 제작을 70%-80%까지 확대하는 한편, 에셋 검토 및 수정에 소요되는 시간을 75% 나 단축하며(3년 기준), 전환율 개선을 위한 개인화된 경험을 확장하고 수익 증대를 모색하고 있다. 바룬 파머(Varun Parmar) 어도비 Gen스튜디오 및 파이어플라이 엔터프라이즈 솔루션 부문 총괄은 “기업들은 어도비 파이어플라이 서비스와 커스텀 모델을 활용해 효율적인 콘텐츠 공급망을 구축하며 놀라운 성과를 내고 있다”며 “생성형 AI는 마케터와 크리에이티브 담당자의 역량을 강화하고 이들이 중요한 작업에 집중할 수 있도록 지원한다”고 말했다.

디지털 트윈과 산업용 메타버스 트렌드   데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다.  디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.   ▲ 철도 네트워크의 디지털 트윈 구축하는 독일 디지털 철도(이미지 출처 : 엔비디아)   1. 디지털 전환과 디지털 트윈 디지털 전환(Digital Transformation: DX)은 비즈니스 전 과정에 ICT 기술을 도입하여 전사적 업무, 생산 기술, 제품 등을 디지털화 한 후 이를 기반으로 가상 실험이 가능한 디지털 환경을 구축하는 것이다.  디지털 전환의 궁극적 목적은 기업 이윤 극대화에 필요한 업부/생산 효율성 및 제품 부가 가치 증대를 위한 다양한 창의적 대안들을 가상 실험을 통해 평가한 후 그 결과를 비즈니스 전 과정에 활용하는 것이다. 예를 들어, 스마트 팩토리의 디지털 전환은 조달 시스템, 생산 시스템, 물류 시스템 등 스마트 팩토리 구성요소들의 자원 할당 및 운용에 대한 다양한 대안들을 가상 실험을 통해 평가할 수 있는 환경을 구축하여야 한다. 그렇다면, 비즈니스 전 과정을 가상 실험하기 위해서는 무엇이 필요할까?  가상 실험을 하기 위해서는 먼저 가상 실험 대상(예: 제조 공장)을 선정하고, 다음으로, 가상 실험 시나리오(예:새로운 제조 장비 도입)가 필요하며 시나리오를 수행할 모델(예: 제조 공정 시뮬레이션 모델)이 필요하다. 이러한 가상 실험을 위한 모델이 디지털 트윈이며 이런 이유로 많은 사람들이 디지털 트윈을 DX의 Key(Richard Marchall, 2017), DX의 Enablers(Reterto Saracco, 2019), DX의 Central(Vijay Ragjumathan, 2019), DX의 Steppingstone(Harry Forbes, 2020), DX의 Pillar(Fransesco Belloni, 2020)라고 지적하였다.   2. 디지털 트윈의 정의 디지털 트윈은 물리적 자산, 프로세스 및 시스템에 대한 복제본으로 정의[Wiki 사전]되며, 복제본이란 대상 체계의 운용 데이터, 지형/공간/형상 정보 및 동작/운용 법(규)칙을 컴퓨터 속에 디지털화 해 놓은 것을 의미한다. 예를 들면, 제조 공장의 디지털 트윈은 제조 공장의 운용 데이터, 제조 공장의 공간/형상 정보, 그리고 제조 장비 동작 및 공정 모델이 컴퓨터 속에 복제된 것이 될 것이다. 디지털 트윈과 대상 체계가 쌍둥이기 때문에 쌍둥이 중 누가 먼저 태어났느냐에 따라 디지털 트윈의 이름을 다르게 붙이기도 한다. 대상 체계가 존재하기 전에 만들어진 디지털 트윈을 디지털 트윈 프로토타입(Prototype) 그리고 대상 체계가 만들어진 후 복제된 디지털 트윈을 디지털 트윈 인스턴스(Instance)라고 부른다. 디지털 트윈 프로토타입은 대상 체계 설계 단계에서 활용되며 디지털 트윈 인스턴스는 대상 체계의 운용 분석에 활용되는 것이 일반적이다. 디지털 트윈 인스턴스(실 체계의 복제본)와 디지털 트윈 프로토타입(실 체계의 설계 모델)이 모두 존재할 수도 있지만 디지털 트윈 프로토타입 없이 디지털 트윈 인스턴스만 존재할 수도 있다. 디지털 트윈 프로토타입과 인스턴스가 모두 존재한다면 인스턴스는 프로토타입에 실 체계 운용 정보가 반영되어 진화(성장)된 트윈으로 볼 수 있다. 3. 디지털 트윈 구축 목적 디지털 트윈의 구축 목적은 대상 실 체계와 디지털 트윈을 연동 운용함으로써 실 체계 관련 이해 당사자에게 지혜 수준의 혁신적 서비스를 제공할 수 있는 핵심 도구/수단으로 활용하기 위함이다. 데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다. 융합 빅 데이터는 AI-통계/공학 분석도구들을 이용하여 실 세계의 구성요소인 자산, 사람, 운용 프로세스들의 다양한 결합에 대한 분석/예측 및 체계 운용 최적 대안(최적화)을 찾는데 활용될 수 있다. 아울러, 융합 빅 데이터는 실 세계를 가상 환경에서 현실감 있게 표출할 수 있는 다양한 장비/장치와 VR/AR/XR/메타버스 관련 ICT 기술과의 융합 인터페이스를 통해 오락, 관광, 교육 훈련, 체험 등에 활용될 수 있다.     디지털 트윈의 복제 대상은 실 체계의 운용 데이터, 공간/형상 정보 및 실 체계에 포함된 객체들의 행위 모델 등 3가지이다. 운용 데이터는 실 체계에 설치된 IoT 장비로부터 획득이 가능하다. 공간/형상 정보는 서비스 목적에 따라 GIS, BIM 혹은 3D CAD 중 한 가지 이상을 결합하여 사용한다. 객체 행위 모델은 다양한 시나리오를 가상 실험하기 위한 시뮬레이션 모델을 사용하지만 서비스 목적에 따라서는 운용 데이터를 학습한 데이터 모델을 사용할 수도 있다. 구성요소 중 일부만을 사용한 디지털 트윈은 나머지 구성요소를 사용하지 않음으로 인한 한계점에 봉착하게 된다. 예를 들면, 실 체계 운용 데이터 복제만으로 구성된 IoT 기반 디지털 트윈은 수집된 데이터를 분석할 수는 있지만, 실 체계를 시각화한 지형/공간 상에 데이터를 표출할 수 없을 뿐만 아니라 실 체계와는 다른 가상 데이터를 입력한 시뮬레이션을 수행할 수 없다. 마찬가지로, 지형/공간 정보 만으로 구성된 디지털 트윈은 실 체계에서 일어나는 지형/공간 정보의 변화를 실 시간으로 반영할 수 없으며 시뮬레이션을 통한 실 체계의 현상 분석 및 미래 예측이 불가능 하다.      디지털 트윈의 효율적인 활용을 위해서는 위의 세 가지 구성요소 모두를 개발 및 운용할 수 있는 통합 플랫폼이 바람직하지만 국내외적으로 표준화된 디지털 트윈 플랫폼은 존재하지 않는다. 디지털 트윈의 특성 상 3가지의 디지털 트윈 구성요소 각각을 개발하는 독립적인 플랫폼을 사용하여 구성요소를 개발한 후 이들을 연동하여 운용하는 것이 효율적이다.  구체적으로는, 먼저, 디지털 트윈 개발 목적에 맞게 운용 데이터를 수집하는 IoT 플랫폼, 지형/공간 정보를 구축하는 지형/공간정보 플랫폼 및 모델링 시뮬레이션 플랫폼들을 이용하여 각 구성요소를 개발한다. 다음으로, 개발된 세 가지 구성요소를 실행하는 플랫폼들을 연동 운용하는 PoP(Platform of Platforms) 구조를 사용할 수 있다. PoP 구조는 디지털트윈의 목적에 부합되는 모든 디지털트윈을 개발/운용할 수 있는 플랫폼으로써 신뢰성 및 경제성(개발 기간 및 비용) 면에서 효율적인 구조이다. PoP 구조를 사용할 경우 플랫폼들 사이의 연동을 위한 데이터 모델과 API의 국제적인 표준화가 요구되며 데이터 모델의 표준은 대상 시스템에 따라 달라질 수 있다.  디지털 트윈을 실제 시스템에 대한 문제 해결 목적으로 사용하기 위해서는 대상 시스템에 대한 다양한 질문의 답을 디지털 트윈을 통해서 얻을 수 있는 서비스가 제공되어야 한다. OR 이론의 창시자 중 한 명으로 경영 과학 이론가인 R.L.Ackoff 교수는 사람이 생각하는 내용을 데이터, 정보. 지식, 지혜 등 4가지로 분류하였다. 데이터는 단순한 심벌(숫자나 문자)을 말하지만 정보는 ‘who’, ‘what’, ‘where’, ‘when’을 답할 수 있고, 지식은 ‘how’를 답할 수 있고, 지혜는 ‘why’를 답할 수 있어야 한다고 정의하였다. 디지털 트윈의 서비스 수준을 Ackhoff 교수의 분류법에 매핑 시킨다면 정보 수준 서비스는 시스템 분석(현상, 기능 등), 지식 수준 서비스는 시스템 예측(행위, 성능 등) 그리고 지혜 수준 서비스는 시스템 최적화(운용 최적화 등) 및 진단(수명 진단 등)에 해당한다. 예를 들어, 교통 시스템에 대한 다양한 질문을 답하기 위해 교통 디지털 트윈을 만들었다고 하자. 정보 서비스의 예는 현재 교통 시스템의 현상을 분석하는 것으로 어느 위치의 현재 시간대에 단위 시간당 교차로 통과 차량 대수가 얼마인지에 대한 답을 하는 서비스이다. 지식 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 얼마가 되는지를 예측하는 질문에 대한 답을 하는 서비스이다. 지혜 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 최소가 되는 최적화된 경로가 어떤 것인지의 질문에 대한 답을 하는 서비스이다.    4. 디지털 트윈의 구성요소 디지털 트윈의 3 가지 구성요소 중 행위 모델은 목적에 따라 데이터 모델과 시뮬레이션 모델로 대별된다. 데이터 모델은 실 체계에서 수집된 데이터들 사이의 상관관계를 기계학습하여 얻어진 모델(예: 인공신경망)로서 지식 서비스를 위한 시스템 행위 예측에 한계점을 가지고 있다. 구체적으로, 데이터 모델은 학습된 데이터 영역에서는 미래 예측이 가능하지만 학습된 영역 밖의 데이터에 대한 예측은 불가능 하다. 뿐만 아니라 학습 시와 예측 시의 시스템 운용 조건이 달라질 경우에도 예측이 불가능하다. 앞서 예시한 교통 디지털 트윈으로 데이터 모델을 사용할 경우 학습 시 도로 상황(운행 시간, 사고 발생 유무 등)이 예측 시 도로 상황과 동일하지 않으면 소요 시간 예측의 정확도가 보장되지 않는다. 더욱이, 시스템 변수 사이의 상관 관계로 표현된 데이터 모델은 변수 사이의 인과 관계가 필요한 시스템의 최적화 및 고장 진단 등에는 활용할 수 없다. 이러한 데이터 모델의 서비스 한계를 극복하기 위해서는 시뮬레이션 모델을 사용할 수 있다. 시뮬레이션 모델은 구축은 대상 시스템에 대한 도메인 지식과 이를 표현하는 지배 법칙에 대한 수학적/논리적 표현 방법을 이해해야 하므로 데이터 모델에 비해 고 비용이 요구된다. 따라서, 디지털 트윈의 행위 모델은 대상 시스템의 서비스 목적과 수준에 따라 다르게 선택될 수 있다.    5. 디지털 트윈의 발전 전망  디지털 트윈의 향후 발전 전망은 문제 해결과 가상 체험 및 빅 데이터 분야로 대별할 수 있다. 문제 해결 분야에서 디지털 트윈의 대상은 분석, 예측, 최적화/진단 대상이 되는 모든 시스템 분야로서 산업(제조, 생산, 물류, 식물공장 등), 공공(교통, 환경, 금융 등), 의료(진단, 인공장기, 가상수술 등), 재난안전(안전점검, 피해분석, 대피훈련 등), 국방(군사훈련, 국방분석, 무기체계 획득 등)등을 포함한다.  현재 디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.  가상 체험 분야는 디지털 트윈이 실 세계 혹은 가상 세계를 움직이는 다양한 시나리오를 정형화한 지배 법칙(모델)을 실행(시뮬레이션)하는 수단으로 활용될 전망이다. 이러한 지배법칙 실행은 실제 세계와 가상 세계의 구별 없는 가상 체험을 목표로 하는 메타버스의 서비스 콘텐츠를 제공한다. 따라서, 메타버스 발전을 위해서 메타버스의 서비스 컨텐츠를 제공하는 디지털 트윈 발전이 필수적으로 향후 메타버스와 디지털 트윈은 동시에 발전할 전망이다.  빅 데이터 분야에서는 디지털 트윈의 가상 실험을 통해 실 체계에서는 물리적/경제적 이유로 수집 불가능한 다양한 빅 데이터를 생성하는데 활용될 전망이다. 유의미한 빅 데이터 생성을 위해서는 실 체계에서 수집 가능한 데이터를 사용하여 디지털 트윈 모델의 검증이 선행된 후 실 체계에서 수집 불가능한 데이터 생성을 위한 가상 실험이 설계되어야 한다. 디지털 트윈을 사용한 빅 데이터 생성은 시스템 기능 검증, 예지 진단 및 기계학습 등과 같은 부가가치가 높은 데이터 생성에 집중되어 미래 데이터 구독 시장 활성화에 기여할 전망이다.   김탁곤 명예교수  KAIST 전기전자공학부  

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.

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.

어도비가 AI 기반 콘텐츠 구상, 생성 및 제작을 위한 올인원 앱인 새로운 파이어플라이(Firefly)를 공개했다. 파이어플라이는 크리에이터가 한 곳에서 크리에이티브 제어 기능을 사용해 이미지, 영상, 오디오, 벡터를 생성하고, 어도비의 크리에이티브 앱 전반에서 창작물을 반복 수정하며, 이를 제작 단계로 원활하게 연결할 수 있도록 돕는다. 어도비는 “상업적으로 안전한 파이어플라이 모델군과 더불어 구글 클라우드, 오픈AI(OpenAI)를 비롯한 파트너 모델에 대한 선택, 그리고 크리에이티브 클라우드 앱에 긴밀히 통합된 AI 구동 툴을 통해 업계에서 가장 포괄적인 크리에이티브 AI 플랫폼을 제공한다”고 전했다. 파이어플라이는 또한 크리에이티브 전문가가 파트너 모델을 사용해 다양한 스타일을 탐색할 수 있는 선택권도 제공한다. 현재 구글 클라우드와 오픈AI 모델을 사용할 수 있으며, fal.ai, 이디오그램(Ideogram), 루마(Luma), 피카(Pika), 런웨이(Runway) 등의 파트너 모델은 향후 몇 달 내 제공될 예정이다. 이 밖에도 파이어플라이에서 새롭게 선보이는 파이어플라이 보드(Firefly Boards, 공개 베타)를 통해 무드 보드(moodboarding) 제작, 크리에이티브 콘셉트 탐색 뿐 아니라 한 번에 수백 가지의 변형 작업을 반복하며 아이디어 구상을 위해 협업할 수 있는 AI 퍼스트 공간을 제공한다. 파이어플라이는 이미지, 영상, 오디오 및 벡터 생성을 통합하고 크리에이티브 제어 기능을 제공함으로써, 크리에이티브 전문가들이 더욱 생산적이고 정밀하게 작업할 수 있도록 돕는다. 포토샵(Photoshop), 프리미어 프로(Premiere Pro), 익스프레스(Express) 등 어도비의 크리에이티브 애플리케이션과 통합되어, 아이디어 구상부터 실제 제작까지 콘텐츠 제작 프로세스의 모든 단계에 걸쳐 AI로 구동되는 지원을 제공한다. 파이어플라이의 상업적으로 안전한 모델은 참조 이미지를 기반으로 파이어플라이의 결과물에 대한 가이드를 제공하는 구조 및 스타일 참조(Structure and Style Reference) 외에도 생성된 이미지와 영상의 카메라 앵글을 정밀하게 제어하고, 생성된 영상의 시작 및 종료 프레임을 지정하며, 오디오 및 영상을 다양한 언어로 번역하는 등 여러 기능을 지원한다. 또한, 어도비는 생생한 이미지를 위한 새로운 파이어플라이 이미지 모델 4(Firefly Image Model 4), 디테일하고 복잡한 이미지를 위한 파이어 플라이 모델 4 울트라(Firefly Image Model 4 Ultra), 텍스트 프롬프트와 이미지로 푸티지를 생성하는 파이어플라이 비디오 모델(Firefly Video Model) 등 상업적으로 안전한 어도비 크리에이티브 AI 모델도 정식 출시했다. 파이어플라이 앱은 파이어플라이 이미지 모델 4 및 파이어플라이 이미지 모델 4 울트라를 비롯해 상업적으로 안전하며 바로 제작에 사용 가능한 어도비의 모든 파이어플라이 모델을 포함한다.     파이어플라이 앱은 크리에이티브 전문가가 자신에게 가장 적합한 방식으로 유연하게 AI를 사용할 수 있도록 지원하기 위해 오픈AI의 이미지 생성 역량, 구글의 이마젠3(Imagen 3), 비오2(Veo 2) 및 플럭스 1.1 프로(Flux 1.1 Pro) 등 다양한 미적 스타일을 지닌 파트너의 제작 모델로 실험할 수 있는 선택권을 제공한다. 어도비는  fal.ai, 이디오그램, 루마, 피카 및 런웨이 등의 파트너 모델도 향후 몇 달 내 추가 통합할 계획이다. 파이어플라이 앱에서 공개 베타 버전으로 제공되는 새로운 파이어플라이 보드는 크리에이터가 무드 보드 및 스토리 보드 제작, 브레인스토밍, 크리에이티브 콘셉트 탐색, 한 번에 수백 가지 변형 반복 작업, 아이디어 구상을 위한 협업을 수행하고, 바로 제작에 돌입할 수 있는 AI 퍼스트 작업 공간을 제공한다. 초기에 프로젝트 콘셉트(Project Concept)로서 선공개한 파이어플라이 보드는 본격적인 제작 단계에 들어가기 전 크리에이티브 팀이 아이디어를 빠르고 효율적으로 정리하고 공유할 수 있도록 지원한다. 또한 크리에이터가 한 곳에서 아이디어를 시각화하고, 정교하게 다듬어 다음 단계의 작업으로 원활히 넘어갈 수 있도록 해준다. 생성형 AI와 크리에이티브 API로 구성된 어도비 파이어플라이 서비스(Firefly Services)는 어도비 AI 기술을 콘텐츠 제작 워크플로에 직접 통합해, 기업이 다양한 마케팅 채널에 맞춰 애셋 크기를 조정하는 등 반복적이고 시간 소모적인 작업을 신속하게 처리할 수 있도록 돕는다. 어도비는 상업적으로 안전한 파이어플라이 모델을 기반으로 파이어플라이 서비스에 새로운 API를 도입하고 있다. 현재 베타 버전으로 제공되는 포토샵 API는 기업들이 이미지 편집 워크플로를 보다 빠르게 처리할 수 있도록 하며, 텍스트를 비디오로(Text-to-Video) API와 이미지를 비디오로(Image-to-Video) API는 텍스트와 스틸 샷을 실사 클립으로 변환한다. 파이어플라이 이미지 모델 4를 활용한 최신 텍스트를 이미지로(Text-to-Image) API와 제품 설명 영상 등 몰입도 높은 비디오 콘텐츠 제작을 제작할 수 있는 아바타 API(Avatar API)도 곧 출시될 예정이다. 새로운 파이어플라이는 웹에서 사용할 수 있으며, 모바일 앱도 곧 출시될 예정이다. 한편 파이어플라이 이미지 모델 4, 파이어플라이 이미지 모델 4 울트라 및 새로운 파이어플라이 비디오 모델은 파이어플라이 웹에서 정식 출시됐으며, 파이어플라이 보드는 파이어플라이 앱 내에서 공개 베타 버전으로 제공된다.  어도비의 데이비드 와드와니(David Wadhwani) 디지털 미디어 사업 부문 사장은 “파이어플라이는 이미지, 영상, 오디오 및 벡터 생성을 단일의 공간에서 제공함으로써 AI 기반 크리에이티브 제작 경험을 혁신할 것”이라며, “새로운 파이어플라이 모델과 파트너 모델의 통합으로 이용자들은 자신의 비전을 실현할 수 있는 최고의 선택을 할 수 있다”고 말했다.

#플랜트조선컨퍼런스2025 플랜트 조선 컨퍼런스 2025  발표 내용 한시적으로 무료 다운로드 진행합니다. 정보공개 동의한 내용에 한하여 확인 가능합니다.    무료 다운로드는 종료되었습니다. 유료 결제 후 다운로드 가능합니다. 플랜트 조선 컨퍼런스 다운로드 하러 가기    아래 내용이 보이지 않으면 여기를 클릭하세요!  

아래 내용이 보이지 않으면 여기를 클릭하세요!