에픽게임즈 코리아는 오는 8월 25일~26일 코엑스 그랜드볼룸에서 개최되는 ‘언리얼 페스트 2025 서울’에서 게임, 미디어&엔터테인먼트, 제조 및 시뮬레이션 등의 산업별 트랙을 통해 38개 세션이 진행된다고 전했다. 2010년 한국에서 최초로 시작된 언리얼 페스트(구 언리얼 서밋)는 개발자와 크리에이터에게 언리얼 엔진 및 에픽게임즈의 에픽 에코시스템을 구성하는 제품에 대한 최신 기술과 다양한 산업의 리얼타임 3D 인터랙티브 제작 경험을 공유하는 연례행사이다. 이번 언리얼 페스트에서는 에픽게임즈의 팀 스위니 대표와 빌 클리포드 언리얼 엔진 총괄 부사장, 마커스 와스머 개발 담당 수석 부사장의 키노트를 시작으로 언리얼 엔진 및 에픽 에코시스템에 대한 최신 기술과 개발 트렌드가 공유된다. 산업별 트랙 중 제조 및 시뮬레이션 트랙에서는 방위 산업과 조선, 제조 등 다양한 산업 분야에서 언리얼 엔진을 활용한 혁신적인 디지털 트윈 세션이 제공되며, 자동차 산업에서 언리얼 엔진을 활용한 리얼타임 3D 콘텐츠 제작 방식과 그 가능성을 살펴볼 수 있는 세션도 마련된다.  파트너사 세션으로는 ▲ 한국항공우주산업(KAI) 및 비브스튜디오스의 ‘언리얼 엔진을 활용한 전투기 정비 훈련 시뮬레이터 구축’ ▲현대오토에버의 ‘Virtual Factory Builder : 언리얼 엔진으로 디지털 트윈 혁신하기’ ▲삼성중공업의 ‘조선업과 3D 기반 디지털 트랜스포메이션’ ▲ 현대자동차의 ‘언리얼 엔진을 활용한 제조 SW 개발의 빠른 프로토타이핑과 의사결정’ ▲현대오토에버의 ‘언리얼 엔진 5를 활용한 차량 내비게이션 구현’ ▲현대모비스의 ‘언리얼 엔진을 활용한 자동차 부품 디자인 개발’ 등이 진행된다.     게임 트랙에서는 렌더링, 플랫폼, 루멘, 나이아가라, PCG 등 언리얼 엔진의 최신 기술을 바탕으로, 스타일라이즈부터 오픈 월드 게임 개발에 이르기까지 다양한 프로그래밍 및 비주얼 아트 관련 세션들이 마련된다. 에픽게임즈는 언리얼 엔진과 에코시스템의 최신 기술을 깊이 있게 다루며, 외부 파트너사는 현업에서의 실전 경험과 인사이트를 공유할 예정이다. 파트너사 세션에는 컴투스, 넥슨게임즈, 넷마블몬스터, 폴리모프, 아틀러스, 스퀘어 에닉스 등이 참여한다. 미디어 & 엔터테인먼트 트랙에서는 영화와 애니메이션, 방송 & 라이브 이벤트 분야에서 언리얼 엔진을 활용 중인 다양한 파트너들이 제작 사례와 노하우를 공유하는 세션을 진행한다. 에픽게임즈도 애니메이션 제작과 디지털 휴먼 구현에 유용한 언리얼 엔진의 최신 기술과 워크플로를 소개하는 세션을 준비해 콘텐츠 제작자들에게 실질적인 인사이트를 제공할 예정이다. 파트너사 세션에는 사운드얼라이언스, 자루스튜디오, IEL, 문화유산기술연구소, 웨스트월드, 메타로켓, 쿠트 이미지웍스 등이 참가한다. 한편, 에픽게임즈는 전체 세션 확정을 기념해 50% 할인된 가격에 티켓을 구매할 수 있는 얼리버드 혜택 기간을 23일까지 일주일 연장하기로 결정했다. 단, 얼리버드 혜택은 조기에 마감될 수 있다. ‘언리얼 페스트 2025 서울’은 에픽 라운지 홈페이지를 통해 등록 가능하다. 참석자 전원에게는 한정판 굿즈와 함께 최신 기술 체험 전시와 다양한 이벤트가 제공된다.

시점 – 사물이나 현상을 바라보는 눈 (7)   지난 호에서는 ‘개별 관찰’, ‘집단 관찰’, ‘확률과 통계’에 관한 주제의 첫 번째 이야기로 ‘개별 관찰’의 의미에 관해서 소개하면서, 어떤 경우에 개별 관찰이 가능하며 효과적인지에 관해서 생각해 보았다. 그리고 이후 소개할 집단 관찰의 의미와 효과를 생각하는 발판으로 삼고자 개별 관찰의 어려움과 한계를 강조하였다. 이번 호에서는 집단 관찰에 관한 이야기를 다루고자 한다. 압력, 온도, 비중, 밀도에 관한 이야기를 시작으로 기체, 액체, 고체의 성질과 온도에 따른 수축·팽창 현상을 살펴본다.   ■ 연재순서 제1회 호기심 제2회 암중모색 제3회 관찰의 시점과 관점 제4회 정적 이미지와 동적 이미지 제5회 변화와 흐름의 관찰 제6회 개별 관찰 제7회 집단 관찰 제8회 확률과 통계 제9회 작용, 반작용, 상호작용 제10회 무엇을 볼 것인가? 제11회 무엇을 믿을 것인가? 제12회 가설, 모델, 이론의 설득력의 시대성   ■ 유우식 웨이퍼마스터스의 사장 겸 CTO이다. 동국대학교 전자공학과, 일본교토대학 대학원과 미국 브라운대학교를 거쳐 미국 내 다수의 반도체 재료 및 생산 설비 분야 기업에서 반도체를 포함한 전자재료, 공정, 물성, 소재 분석, 이미지 해석 및 프로그램 개발과 관련한 연구를 진행하고 있다. 경북대학교 인문학술원 객원연구원, 국민대학교 산림과학연구소 상임연구위원, 문화유산회복재단 학술위원, 국제문화재전략센터 전문위원이다. 홈페이지 | www.wafermasters.com   그림 1. 압력은 단위면적에 작용하는 힘을 관찰하는 것   집단 관찰공기를 구성하는 질소(N₂)나 산소(O₂) 분자, 물을 구성하는 물 분자(H₂O), 분자를 구성하는 원자, 원자를 구성하는 양성자, 중성자, 전자 등을 하나씩 구별해서 관찰할 수 있을까? 그런 것이 가능하다면 ‘개별 관찰’이라고 할 수 있을 것이다. 그러나 여러 가지 원소나 물질이 합쳐져 이루어진 집단(예를 들면 사람, 동물, 물건, 집, 책 등)에 인격을 부여해서 관찰한다면 그것은 엄밀하게는 ‘집단’의 특성을 관찰하는 것이므로 ‘집단 관찰’이라고 해야 할 것이다. 일반적으로는 ‘여러 개체가 모인 집단’의 특성을 관찰하는 것도 집단 관찰로 보아야 할 것이다. 지난 호에서도 소개했지만, 대기압 15℃에서 1㎣(1μL)에 들어 있는 공기 분자의 수가 2.69경(京, 1016) 개에 달한다. 심지어 눈에는 보이지도 않는다. 어떻게 개별 관찰을 할 수 있을까? 바람이 부는 것도 장소 간의 압력 차에 의해서 생기는 것이다. 그 바람 속에도 1㎣(1μL)에 2.69경 개의 공기 분자가 들어 있을 것이며 흐름을 따라서 이동한다. 우리는 하루에 약 1만 1000L의 공기를 호흡한다. 1만 1000L는 491mole(몰)에 해당하며 2.96&tiMES; 1026개의 공기 분자를 호흡작용으로 우리 몸에 빨아들이고 있다. 우리 몸이 대용량 기체 펌프를 보유하고 있는 셈이다. 압력에 관해서 생각해 보자. 압력은 단위 면적 당 수직으로 가해지는 힘이다.(그림 1) 이상기체 법칙은 이상적인 기체를 가정해서 기체 분자의 운동과 온도, 부피, 압력, 분자량과의 관계를 나타낸다. <그림 1>의 왼쪽 아래를 보면 고온 고압의 수증기가 계속 나오는데, 시간이 조금 지나면 눈에 보이지 않게 되고 공기 속으로 사라져 버린다. 원자 또는 분자 하나하나의 특성과 행동을 파악하는 것은 기초과학의 분야에서는 매우 흥미로운 주제이지만 실용적이지는 못하다. 적어도 물을 끓여서 고압의 수증기를 만들어 증기기관의 동력으로 사용하여 산업혁명을 가능하게 했던 것은 집단 관찰 덕분이라고 할 수 있을 것이다.   파스칼의 법칙 - 주사기의 법칙 파스칼의 원리, 파스칼의 법칙 또는 유체압력 전달 원리는 유체역학에서 폐관 속의 비압축성 유체 집단의 어느 한 부분에 가해진 압력의 변화가 유체 집단의 다른 부분에 그대로 전달된다는 내용이다. 이 원리는 프랑스 수학자 블레즈 파스칼(Blaise Pascal)이 정립했다. 그는 과학자나 수학자로 알려졌지만 물리학자, 통계학자, 발명가, 심리학자, 철학자, 신학자, 작가로도 활동했으며, 철학과 신학에 더 많은 시간을 사용했다고 한다. 예전에는 자동차 정비소에 가면 압축공기를 사용해서 자동차를 들어올리는 기구를 많이 볼 수 있었으나, 요즈음에는 대부분 전기로 구동하는 리프트(lift)가 사용되어 이런 원리를 체감하기 어렵다.(그림 2) 자동차 핸들, 유압식 자동차 리프트, 포크레인 등 유압을 사용한 많은 설비에 이러한 원리가 사용되고 있다. 간단하게 이야기하면 넓은 면적에 압력을 가해서 좁은 면적으로 멀리 보내는 주사기의 원리와 같다. 간단한 주사기의 법칙에 여러 가지 가정을 하고 경계조건을 정하고 공식으로 만들어서 논리적으로 소개하니, 그럴 듯한 물리학의 중요한 법칙으로 탈바꿈한 셈이다.  사실 모든 것은 알고 나면 간단한 것인데 알아가는 과정이 쉽지만은 않은 것이 현실이다.   그림 2. 파스칼의 법칙 또는 유체압력 전달의 원리를 설명한 모식도     ■ 자세한 기사 내용은 PDF로 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&tiMES;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&tiMES;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. 

HP Z북 울트라 G1a(HP ZBook Ultra G1a)는 고성능을 자랑하면서 이동성이 편한 모바일 노트북으로, 휴대성을 중요시하는 전문가와 창작자를 위해 설계되었다. 이 제품은 탁월한 성능, 세련된 디자인, 그리고 뛰어난 내구성을 결합하여 사용자가 어디서든 효율적으로 작업할 수 있도록 도와준다고 생각한다.   이번 리뷰에서는 설계 엔지니어의 관점에서 약 한 달 간 사용해 본 경험을 소개한다. 이번 리뷰를 위해 설계 툴의 라이선스에 도움을 주신 모두솔루션에 감사의 말씀을 드린다.   고성능 하드웨어를 장착한 시스템 HP Z북 울트라 G1a는 최신 세대 프로세서와 충분한 RAM, 고속 SSD를 탑재해 빠른 데이터 처리와 효율적인 멀티태스킹을 지원한다. 무거운 소프트웨어 설계와 해석 작업 등의 다중 작업을 동시에 처리할 수 있는 강력한 성능을 제공한다.   ▲ 크레오(Creo)의 설계 모델링을 하면서도 비교용 CMA 해석을 구현하는데, 높은 멀티태스킹 능력을 바탕으로 사용 편의성을 확인할 수 있었다.   노트북의 무게는 1.57kg이었다. 기존 고성능 워크스테이션 노트북이 2kg인 것에 비하면 매우 경량이다. 이 노트북은 얇고 가벼운 보디로 휴대성을 극대화했다. 여행 중이나 이동이 잦은 직장인들에게 이상적인 선택이 될 수 있다. 세련된 디자인과 함께 고급스러운 마감처리가 돋보인다. 현재 사용하고 있는 Z북 모델을 3일, Z북 울트라 G1a 모델을 2일 정도 갖고 다니면서 비교해 봤다. 개인적으로 사용해 봤을 때 같은 인치의 모델이 아니어서 직접적인 비교는 어렵지만, 제품 설계 외에 인테리어나 디자인을 하는 분들이 갖고 다니기에 매우 편안한 경량이라는 점이 특징이다.   선명한 디스플레이와 긴 배터리 수명 이 제품에 탑재된 13.3인치 풀 HD 또는 4K 해상도의 디스플레이는 생생한 색감과 선명한 화면을 제공한다. 영상 편집, 그래픽 디자인, 그리고 멀티미디어 작업에 최적화된 화면을 갖추고 있어 창작 활동에 최적화된 환경을 제공한다. 제품 설계 엔지니어에게는 내장 디스플레이만으로 주 업무를 하기에는 소형이어서 한계가 있어 보이지만, 확정성을 확보하기 위한 도킹 시스템을 사용할 때에는 큰 문제가 되지 않았다. 단 도킹 시스템의 사이즈와 무게가 조금 무거워 개선이 필요하다고 느꼈다.    ▲ HP 썬더볼트 독(Thunderbolt Dock) G4 280W와 같은 도킹은 필요하다.   HP Z북 울트라 G1a는 하루 종일 사용해도 충분히 버틸 수 있는 긴 배터리 수명을 자랑한다. 외출 중에도 충전 없이 오랫동안 사용할 수 있어, 업무 효율을 높여 준다. 현재 사용하고 있는 기존 Z북 모델에서는 배터리 사용 시간이 어떤 밝기와 CPU 등을 사용하는가에 따라 달라지기 때문에 비교를 하기가 조금은 어렵지만, 무난하게 사용하는 데에 큰 문제가 없었다.   보안·관리 기능 및 다양한 연결 포트 지원 내장된 보안 기능은 기업 환경에서 필수적인 요소다. HP Z북 울트라 G1a는 지문 인식 센서와 얼굴 인식 시스템을 통한 강화된 보안, 그리고 IT 관리자를 위한 다양한 관리 기능이 제공되어 안전하고 효율적인 업무 환경을 제공한다. USB-C 타입, HDMI, 그리고 USB-A 포트를 지원하여 다양한 외부 장치와의 연결이 원활하게 이루어진다. 특히 고속 데이터 전송과 외부 모니터 연결이 용이하다.   ▲ 사무실에서는 도킹 시스템이 반드시 필요하지만, 모바일 환경에서 사용이 많은 사용자에게는 큰 장점이다.   편리한 키보드와 트랙패드, 확장 가능한 저장 용량 엔지니어링 작업에서 긴 시간 동안 키보드를 사용해야 할 경우가 많다. HP Z북 울트라 G1a는 편안한 타이핑 경험을 제공하는 키보드와 정밀한 조작이 가능한 트랙패드를 탑재하여 효율적인 작업 환경을 만든다. 특히, 프로그래밍이나 수많은 코드 작성, 문서 편집 등을 할 때 편리하다. 또한 엔지니어들은 대용량 데이터 파일이나 프로젝트 파일을 자주 다루기 때문에, 충분한 저장 공간이 필요하다. HP Z북 울트라 G1a는 확장 가능한 SSD 저장 장치를 제공하여, 필요에 따라 추가 저장 장치를 쉽게 장착하고 사용할 수 있었다. 이로 인해 대용량 파일을 다룰 때에도 공간 부족을 걱정할 필요가 없다.   ▲ 효율적인 냉각 시스템   하지만 고성능 작업을 장시간 진행하면 노트북이 과열될 수 있다. HP Z북 울트라 G1a는 효율적인 냉각 시스템을 탑재하여 장시간 사용해도 시스템이 과열되지 않도록 도와준다. 이로 인해 안정적인 작업 환경을 유지할 수 있다.   사용자 측면에서 본 제품 성능 유사 장비의 성능에 대해 동일 프로그램 상에서의 효율성을 비교를 통해 비교 데이터를 취출하여 장비에 대한 대략의 경향성을 파악했다. 각 예상 사용자에 대한 사용 시나리오를 통해 장비의 유효성을 증명해 보고자 했다. 우선 제품의 성능적 비교를 위해 두 가지의 방향성에서 검토했다. 가구 설계 엔지니어 시점에서 비교해 보았다. 모바일 노트북에서 해석도 가능할까? 타사의 제품을 비교하기보다는 HP에서 최근에 나온 장비를 이용하여 비교해 보고, 적용된 CPU 및 하드웨어 장비의 매칭에 따른 퍼포먼스를 비교하는 데에 목적을 두었다. 각 시스템 구성에서 볼 때 성능의 차이가 있으나 구성에 따른 성능 비교용으로만 참고하기 바란다. ZBook Fury : I7-13700HX 2.1Ghz / GPU 8GB / Ram 32GB 287Mb / Ram 128GB ZBook Ultra G1A : AMD Ryzen AI Max + Pro 395 /GPU   비교 방법 크레오(Creo)에서 CMA(몰드 해석)를 통한 시간 비교 크레오에서 선형 해석을 통한 시간 비교 대용   비교 대상 인테리어 디자이너가 사용하는 툴 중 하나인 쿠홈(Coohom)으로 동일 데이터에 대한 렌더링 시간 비교 시간 비교 가구 설계 엔지니어링 설계 툴인 크레오에서 CMA(몰드 해석)를 통한 비교   비교 결론 크레오 CMA 해석 GPU를 많이 사용해야 하는 메시(MESh) 작업을 바탕으로 CPU 테스트를 진행했다.     ▲ ZBook Fury에서는 해석 소요 시간이 919.0초였다.   ▲ ZBook Ultra G1a에서는 해석 소요 시간이 556.0초였다.   크레오 시뮬레이션 라이브 해석     몰드플로우(Moldflow) 해석     GPU를 많이 사용해야 하는 메시 작업을 바탕으로 CPU를 병행해서 사용하는 과정에서 검증 결과를 검증하려고 했으나, CFD의 유효한 데이터를 뽑는데 어려운 부분을 확인할 수 있었다.   ▲ 크레오 CFD 샘플 데이터 사용   리뷰어 의견 모바일 워크스테이션에서 CFD까지의 해석은 조금 어렵다고 생각한다.      ▲ ZBook Ultra G1a에서 선형해석 테스트   ▲ ZBook Ultra G1a에서 선형해석 테스트   맺음말 처음 가졌던 선입견과 다르게 HP Z북 울트라 G1a의 시스템은 매우 효율적으로 작동했으며, 방열 성능과 효율적인 배터리 운영으로 극한의 상황에서도 효과적인 성능을 발휘하였다. 프로그램 라이선스와 비교 장비에 대한 프로그램 설치 제약으로 인해 특히 CPU를 주로 사용하는 CMA 해석의 경우 놀라울 정도의 효율성을 보여주는 것에 깜짝 놀라게 되었으며, CPU와 RAM을 복합적으로 사용하는 선형 해석에서는 가격 대비 높은 효율을 보여주었다고 생각한다. 경량의 제품을 통해 모바일 환경에서의 최적의 시스템 성능을 전달할 것이라 생각한다. 분명 같이 비교한 한 단계 높은 수준의 Z북 퓨리(ZBook Fury)와 동등한 사양을 만들고 테스트하면 좋겠지만, 환경적 한계로 진행하지 못한 점이 조금은 아쉽다. CFD의 결과를 검증해보기 위해 테스트는 시도해봤지만 나름의 한계를 느끼는 부분도 발견할 수 있었다. 장비 자체로 봐서는 HP Z북 울트라 G1a가 설계 엔지니어에게 효율적인 멀티태스킹 능력을 제공하여 엔지니어들에게 이상적인 도구가 될 것임은 분명하다.   ■ 노병수 APR 메디컬기구개발팀의 차장(시니어 메니저)이다. 치과 X-ray 장비, 바이오 장비 등의 의료 장비를 10년 이상 설계한 경험이 있고, 모바일 단말기 및 해충 장비 설계 경험도 갖고 있다.     ■ 기사 내용은 PDF로도 제공됩니다. 

개발 및 공급 : 에픽게임즈 주요 특징 : 60FPS의 고퀄리티 대규모 오픈 월드 제작 지원, 애니메이션 및 리깅 워크플로 향상, 엔진 내에서 메타휴먼의 직접 제작 지원, 워크플로 향상을 위한 UI/UX 간소화, 시네마틱 및 퍼포먼스 캡처 워크플로 향상 등   언리얼 엔진(Unreal Engine)의 최신 버전인 언리얼 엔진 5.6이 출시됐다. 이번 출시의 주요 목표 중 하나는 현세대 하드웨어에서 60FPS로 부드럽게 실행되는 초고퀄리티의 대규모 오픈 월드를 제작할 수 있도록 지원하는 것이다. 또한 애니메이션 및 리깅 워크플로를 궁극적으로 엔진 중심으로 발전시켜, 외부 DCC 툴을 오가는 번거로움을 줄였으며, 메타휴먼도 직접 엔진에서 완전히 제작할 수 있어 보다 간결하고 효율적인 창작이 가능해졌다. 이 외에도, 필수 툴에 더 빠르게 접근할 수 있고, 더 나은 애셋 정리를 위한 기능을 제공하며, 프로시저럴 및 버추얼 프로덕션 툴세트도 대폭 업데이트되어 더 빠른 제작을 지원하는 등 언리얼 엔진 5.6은 더 빠르고 스마트하게 작업할 수 있도록 다양한 향상된 기능을 제공한다.   ▲ 참고 이미지 : 언리얼 엔진 5.6 기능 하이라이트   강력한 고퀄리티의 60FPS 오픈 월드 언리얼 엔진 5.6은 현세대 콘솔, 고사양 PC, 최신 모바일 디바이스에서 60FPS의 일관되게 렌더링되는 게임을 개발하고 출시하는 데 필요한 최적화된 툴세트를 제공한다.   ▲ 이미지 출처 : ‘더 위쳐 4’ 언리얼 엔진 5 테크 데모(CD PROJEKT RED)   하드웨어 레이 트레이싱(HWRT) 시스템 향상으로 루멘 글로벌 일루미네이션의 성능이 한층 더 향상됐다. 주요 CPU 병목 현상을 제거하여 더 복잡한 신(scene)도 60FPS의 매끄러운 프레임 속도를 유지할 수 있다.   ▲ 이미지 출처 : ‘더 위쳐 4’ 언리얼 엔진 5 테크 데모(CD PROJEKT RED)   또한, 런타임 시 스태틱 콘텐츠를 스트리밍할 때 전반적인 언리얼 엔진의 성능도 향상됐다. 패스트 지오메트리 스트리밍 플러그인(실험 단계)을 사용하면 변하지 않는 대량의 스태틱 지오메트리를 더 많이 포함한 월드도 일정한 프레임 속도로 더 빠르게 로드할 수 있으며, 비동기 피직스 스테이트 생성 및 제거 등 콘텐츠 스트리밍의 향상된 기능을 통해 모든 프로젝트에서 이점을 함께 누릴 수 있다. 60FPS 환경과 최신 콘솔 및 데스크톱 플랫폼에 맞춰 최적화된 디바이스 프로파일도 업데이트돼, 이를 통해 목표로 하는 성능을 달성하고, 설정을 최소화하며, 플레이어에게 보다 매끄러운 고퀄리티의 게임을 제공할 수 있다.   ▲ 참고 이미지 : UE 5.6 패스트 지오메트리 스트리밍   가속화된 애니메이션 제작 이번 버전에서는 에디터 내 애니메이션 툴세트의 대규모 업데이트를 통해 더 빠르고 정확하며 제어가 가능한 애니메이션을 제작할 수 있도록 지원한다. 완전히 새롭게 재편된 모션 트레일을 사용하면 애니메이션을 시각적이고 직관적인 방식으로 편집할 수 있다. 이제 액터와 캐릭터 제어 기능이 통합되어 뷰포트에서 대상 애니메이션의 궤적과 간격을 직접 조정할 수 있으며, 점선(Dashed), 시간 기반(Timebased), 속도/분포(Heat/Speed) 모드 등 다양한 스타일을 선택할 수 있고 핀 고정, 오프셋, 스페이스 등의 기능을 통해 보다 정밀한 작업을 할 수 있다.   ▲ 참고 이미지 : UE 5.6 모션 트레일   트윈 툴도 새롭게 개편되어, 컨트롤 또는 선택한 키에 대한 애니메이션을 더 빠르고 세밀하게 조정할 수 있다. 또한 새로운 단축키가 추가되어 슬라이더를 간접적으로 조정할 수 있고, 다양한 슬라이더 유형 간 전환 및 오버슈트 모드로 전환할 수 있으며, 새로운 타임 오프셋 슬라이더의 추가로 더 정밀하게 애니메이션을 생성하고 편집할 수 있다.   ▲ 참고 이미지 : UE 5.6 트윈 툴   커브 에디터 툴바도 속도와 성능을 위해 새롭게 디자인했는데, 키프레임을 더 쉽게 조작할 수 있도록, 아이콘이 간소화되고 통합되었으며, 새로운 트윈 툴이 커브 에디터 인터페이스에 직접 탑재되어 더 빠르게 사용할 수 있다. 여기에 새로운 래티스 툴과 스마트 키 스냅 기능도 추가되어 더 많은 키프레임 데이터를 더 효과적으로 조정할 수 있게 됐다.   ▲ 참고 이미지 : UE 5.6 커브 에디터   최신 시퀀서 업데이트를 통해 타임라인을 더욱 정밀하게 제어할 수 있다. 새로운 시퀀서 내비게이션 툴을 사용하면 복잡한 계층구조를 탐색할 수 있으며, 실시간 오디오 스크러빙 기능으로 애니메이션, 대화, 이펙트를 정확하게 동기화할 수 있다. 또한 현지화된 오디오를 기반으로 스케일을 상대적으로 조정(실험 단계)할 수 있는 기능도 추가되어, 다양한 언어의 타이밍에 맞춰 시퀀스를 조정할 수 있다. 에디터 내에서 더 많은 리깅 워크플로를 지원하기 위해 새로운 실험 기능도 추가됐다. 스켈레탈 메시 에디터를 사용하면 에디터 내에서 직접 모프 타깃을 만들고 스컬프팅할 수 있다.(실험 단계) 이 기능은 언리얼 엔진의 기본 모델링 툴을 활용해, 기존 모프 타깃을 손쉽게 수정하고 PIE(에디터에서 실행 중인 상태) 중에도 블렌드 셰이프를 스컬프팅할 수 있다.   ▲ 참고 이미지 : UE 5.6 모프 셰이프 스컬프팅   또한, 컨트롤 릭 피직스(실험 단계)를 통해 디지털 애니메이션에 뛰어난 사실감을 더할 수 있다. 캐릭터 릭에 프로시저럴 피직스 모션을 손쉽게 추가하여 더욱 역동적인 애니메이션을 구현할 수 있으며, 이와 함께 캐릭터 릭 내에 새로운 래그돌 피직스가 실험 기능으로 추가되어 보다 자연스럽게 반응하는 애니메이션을 제작할 수 있다.   ▲ 이미지 출처 : ‘더 위쳐 4’ 언리얼 엔진 5 테크 데모(CD PROJEKT RED)   엔진 내에서 메타휴먼 제작 이제 메타휴먼 크리에이터가 언리얼 엔진에 완전히 통합되어 다양한 향상된 기능을 제공하며, 메타휴먼 애니메이터 역시 많은 향상된 기능을 제공한다. 메타휴먼 크리에이터에서 이제 얼굴과 마찬가지로 거의 무한대로 사실적인 체형을 생성할 수 있으며, 새로운 언리얼 엔진 의상 애셋을 통해 메타휴먼에 맞게 자동으로 크기가 조정되는 의상을 만들 수 있다. 또한 메타휴먼 데이터베이스에 페이스와 보디에 대한 실제 스캔 데이터가 대폭 추가되어 더 다양한 고퀄리티의 캐릭터를 제작할 수 있다.   ▲ 참고 이미지 : UE 5.6 메타휴먼   메타휴먼 애니메이터의 경우 이제 대부분의 웹캠, 스마트폰, 오디오에서 배우의 연기를 실시간으로 캡처할 수 있는 기능을 지원한다. 이제 메타휴먼을 어떤 엔진이나 크리에이티브 소프트웨어에서도 사용할 수 있도록 UE EULA에 새로운 라이선스 옵션이 추가됐다.(더 자세한 내용은 메타휴먼 웹사이트 참고) 또한 DCC용 신규 플러그인과 팹 마켓플레이스와의 통합 등 에코시스템도 더욱 확장된다. 메타휴먼의 새롭게 향상된 기능에 대해 자세한 내용은 메타휴먼 블로그에서 확인할 수 있다.   ▲ 참고 이미지 : UE 5.6 간소화된 UX/UI 경험   간소화된 UX/UI 경험 더 빠른 워크플로, 더 스마트한 콘텐츠 구성, 효율을 유지하는 데 필요한 툴과 설정에 더 빠르게 접근할 수 있도록 에디터가 업데이트됐다. 콘텐츠 브라우저를 새롭게 디자인해 애셋 정리와 탐색이 훨씬 쉬워졌으며, 섬네일 크기를 더 매끄럽게 조정할 수 있고, 가로 및 세로 방향 전환을 모두 원활하게 지원한다. 뷰포트 툴바의 섹션 메뉴와 퀵 액세스 컨트롤 기능이 개편되어 필수 툴을 더 빠르게 활용할 수 있다. 툴바는 이제 상황에 맞춰 동적으로 크기가 조정되며, 선택 및 모델링 모드를 위한 전용 제어 기능이 제공되고, 애셋 에디터 전반에 걸쳐 일관된 디자인을 제공한다.   ▲ 참고 이미지 : UE 5.6 향상된 개발자 반복 작업   향상된 개발자 반복 작업 이제 신속한 반복 작업을 위해 설계된 개발자 툴을 사용하면 워크플로를 가속화하고, 타깃 플랫폼 및 디바이스에 더 빠르게 콘텐츠를 제공할 수 있다. 프로젝트 런처 UI(베타)가 사용자 편의성과 효율성을 향상하기 위해 완전히 재설계되어 디바이스 실행 프로파일을 보다 빠르게 생성하고 관리할 수 있으며, 간소화된 인터페이스를 통해 빌드, 쿠킹, 디바이스 배포 구성을 빠르게 설정할 수 있다. 젠 스트리밍이 이제 베타로 전환됐다. 이 기능은 전체 패키지 빌드 및 배포 복사/설치와 같은 시간이 많이 소요되는 단계를 제거하고, 타깃 플랫폼에서 콘텐츠 반복작업 및 테스팅을 간소화하여 생산성을 높인다. 점진적 쿠킹(실험 단계)은 애셋 변경 사항을 분석하고 업데이트된 부분만 쿠킹해 시간을 단축시켜 주므로, 타깃 디바이스에서 더 빠르게 반복작업할 수 있다.   프로시저럴 툴을 통한 더 빠른 월드 제작 더욱 강력해진 PCG 프레임워크를 통해 효율적으로 월드를 제작하고 복잡한 신을 관리할 수 있으며, GPU 기반의 성능이 향상됐다. 노드 그래프 UX(베타)가 인라인 상수를 지원하도록 업데이트되어 요소를 생성, 드래그 앤 드롭, 조작하는 것이 간편해졌으며, 새로운 3D 뷰포트(베타)로 뷰포트에서 직접 포인트, 텍스처, 메시를 미리 볼 수 있다. 또한 노드 필터링 기능이 있는 맞춤형 그래프 템플릿이 추가되어 워크플로를 간소화하고 상황에 맞춰 더 빠르게 반복작업을 할 수 있다. GPU(베타) 성능이 크게 개선되어 특히 밀도가 높고 복잡한 신에서 인스턴스를 처리할 때 안정성이 크게 향상됐다. CPU 오버헤드를 줄인 덕분에 시스템은 런타임 시 GPU 기반 스폰을 더 부드럽고 효율적으로 처리할 수 있어, 인스턴스 작업 시 더욱 뛰어난 유연성과 정밀성을 제공한다. 전반적인 PCG 성능(베타)도 멀티스레딩 지원으로 향상됐다. 이로써 시스템은 작업을 여러 코어에 보다 효율적으로 분산시켜 더 빠른 처리와 원활한 상호작용을 제공하며, 특히 복잡하거나 대규모 환경에서 더 빠른 반응 속도를 경험할 수 있다. 마지막으로, PCG 바이옴 코어 v2(Biome Core v2) 플러그인을 사용하면 바이옴(실험 단계)을 더 빠르고 직관적으로 생성하고 업데이트할 수 있다. 바이옴별 블렌딩과 바이옴 레이어링과 같은 새로운 기능이 추가되어, 더욱 풍부하고 자연스러운 생물 환경을 보다 효율적으로 구축할 수 있다.   ▲ 이미지 출처 : ‘더 위쳐 4’ 언리얼 엔진 5 테크 데모(CD PROJEKT RED)   향상된 시네마틱 및 퍼포먼스 캡처 워크플로 새롭게 통합된 툴세트를 통해 간소화된 퍼포먼스 캡처 및 시네마틱 렌더링 등 제작 파이프라인 전반을 효과적으로 제어할 수 있게 됐다. 모캡 매니저(실험 단계)는 언리얼 에디터 내에서 퍼포먼스 캡처 데이터를 시각화하고 녹화하며 관리할 수 있는 새로운 통합 설루션이다. 애셋 관리, 모캡 스테이지 설정, 연기자/캐릭터 구성, 라이브 링크 데이터 미리보기 등 다양한 기능을 제공하여 팀의 제작 속도를 높여준다.   ▲ 참고 이미지 : 모캡 매니저   캡처 매니저(실험 단계)가 라이브 링크 허브와 통합되어, 모바일 디바이스, 비디오 파일, 스테레오 헤드 마운트 카메라(HMC)에서 메타휴먼 테이크를 가져와 정밀하게 처리할 수 있다. 이를 통해 언리얼 엔진 및 메타휴먼 에코시스템 전반에서 서드파티의 페이셜 캡처 시스템과 함께 다양한 페이셜 퍼포먼스 데이터를 손쉽게 관리하고 배포할 수 있다. 시네마틱 부문에서는 새로운 파이프라인 친화적인 시네마틱 어셈블리 툴세트(CAT, 실험 단계)가 출시됐다. 이 툴세트에는 전환 가능한 프로젝트 구성, 커스터마이징 가능한 네이밍 토큰, 재사용 가능한 시네마틱 템플릿 등 수많은 기능이 포함되어 있으며, 테이크 레코더 및 무비 렌더 큐와 같은 기존 통합 툴과 함께 작동하여 샷 관리 파이프라인을 처음부터 끝까지 효율적으로 관리할 수 있다. 마지막으로, 새로운 퀵 렌더(베타) 기능으로 렌더링 워크플로가 더욱 빨라진다. 무비 렌더 그래프에 정의된 설정을 사용하여 단 한 번의 클릭으로 뷰포트와 선택한 카메라에서 스틸 이미지와 시퀀스를 렌더링 및 저장할 수 있다. 이외에도 언리얼 엔진 5.6 출시 노트를 통해 신규 기능과 향상된 기능 관련한 전체 내용을 확인할 수 있다.     ■ 기사 내용은 PDF로도 제공됩니다. 

개발 및 공급 : 이노쏘비 주요 특징 : 제조 물류 전반에 걸친 시뮬레이터/디지털 트윈/AI 에이전시의 통합 플랫폼, 설계~운영 과정의 최적화 지원, 다양한 제조 운영 시스템과 실시간 연동으로 대용량 데이터를 수집 및 처리, LLM/sLLM을 활용해 직관적인 데이터 분석 및 의사결정 지원 등 사용 환경(OS) : 윈도우 10/11(64비트) 시스템 권장 사양 : 인텔 i5 10세대 이상 또는 AMD 라이젠 5 이상 CPU, 최소 16GB RAM(32GB 권장), 엔비디아 RTX 4060 이상 GPU(AI 기능 사용 시 필요), 30GB 이상 여유 저장공간   최근 제조 기업들은 디지털 트윈 기반의 스마트 공장 도입과 더불어 급속한 디지털 전환(DX)을 위해 노력하고 있다. 불과 몇 해전만 하더라도 그 실체와 사례에 대해 의문이 있었지만, 다양한 도입 사례와 성과가 공개되면서 이제는 DX에서 나아가 AI 기술 도입과 AI로의 전환(AX : AI Transformation)을 활발히 검토하고 있고, 적극적인 도입 의사를 밝히고 있다. ‘PINOKIO(피노키오)’는 최신 기술 흐름을 반영해 탄생한 차세대 물류 디지털 트윈 설루션으로, 기존 상용 시스템의 한계를 극복하고 제조 산업의 스마트화를 가속화하는데 최적화된 해답을 제시한다. 기술 대전환의 시대를 맞아 기존의 전통적인 DX 설루션 기업들은 3D 모델링 및 시뮬레이션 등 낮은 단계의 디지털 트윈 기술을 기반으로 DX 설루션으로 개선 및 확장하고 있다. 이와 달리, PINOKIO는 초기부터 현장의 대용량 데이터 기반 실시간 물류 모니터링 및 실시간 시뮬레이션을 제공하는 디지털 트윈 기반의 운영 시스템을 목적으로 출발하였다. 그 결과 SK 하이닉스, LG전자 등 대량의 혼류 생산 제조 현장에서 디지털 트윈의 정합성과 예측의 정확도 등을 검증받았고 도입 효과를 증명했다. 이를 바탕으로 최근에는 기존 상용 설루션보다 높은 성능의 시뮬레이터까지 라인업하여 다양한 요구를 충족시킬 수 있게 되었다. 기존 상용 물류 시뮬레이션 설루션은 대부분 20~30년 전 개발된 구조를 가지고 있어, 최신 IT/OT 시스템과의 연동과 AI 기술을 적용하기 어렵다. 이로 인해 대용량 데이터 처리에 한계가 있으며, 사용자 API(애플리케이션 프로그래밍 인터페이스) 미제공으로 커스터마이징과 타 시스템 연계, 현장 실시간 운영에 필요한 유연성과 확장성에서도 제약이 있다. PINOKIO는 이러한 기존 설루션의 문제점을 개선해 제조 물류 관련 다양한 AI 모델을 지원하며, 기존 설루션 대비 높은 모델링 속도를 구현할 수 있다. 그리고 멀티 스레드, GPU 기반의 고속 시뮬레이션 연산 기능과 2차전지, AMR(자율이동로봇), OHT(오버헤드 트랜스퍼), 자동창고 등 다양한 제조 환경에 맞는 특화 라이브러리를 제공한다. 특히, 생산 현장에서 발생하는 실시간 빅데이터를 효과적으로 처리하고, 대화형 어시스턴트(assistant) 방식의 직관적인 사용자 인터페이스(UI)를 통해 사용자 편의성을 높였다. 또한, 사용자 API를 통한 고도화된 커스터마이징이 가능하며, MES(제조 실행 시스템), 센서, PLC(프로그래머블 로직 컨트롤러), IoT(사물인터넷) 등 다양한 운영 시스템과의 실시간 연동 기능도 갖췄다. 나아가, 전력 사용량 분석과 탄소세 예측 기능까지 탑재돼 지속 가능한 제조 환경 구축을 위한 의사결정도 지원한다. PINOKIO는 AI 기반 제조 혁신의 길을 여는 실질적인 도구로, 앞으로 제조업계의 디지털 전환을 선도할 핵심 설루션으로 자리매김할 전망이다.   주요 기능 소개 PINOKIO는 시뮬레이터, 디지털 트윈, AI 에이전시(agancy)를 통합한 차세대 DES(이산 이벤트 시뮬레이션) 기반 플랫폼으로, 제조 물류 전반에 걸친 통합 설루션을 제공한다. PINOKIO는 세 가지 핵심 모듈로 구성된다. 첫 번째는 ‘Pino SIM’으로, 공정 흐름 설계부터 시뮬레이션, 분석까지 수행하는 시뮬레이터다. Pino SIM은 도면 편집과 레이아웃 설계를 위한 Pino Editor를 내장하고 있어, 단순한 시뮬레이션을 넘어 제조 기준정보 입력, 물류 시나리오 구성, 시뮬레이션 실행 및 시각화 분석까지 다양한 기능을 제공한다. 이를 통해 설계 초기 단계부터 실제 운영에 이르기까지 전 과정의 최적화를 효과적으로 지원한다. 두 번째는 실시간 디지털 트윈 모듈인 ‘Pino DT’다. MES, IoT, PLC, 센서 등 다양한 제조 운영 시스템과의 실시간 연동을 통해 대용량 데이터를 실시간으로 수집하고 처리하며, 이를 바탕으로 실시간 모니터링은 물론 미래 상황 예측, 예지 보전 기반의 시뮬레이션이 가능하다. 이는 생산 현장의 가시성과 민첩성을 높이는 데 기여한다. 세 번째는 인공지능 기반의 ‘Pino AI’다. LLM(대규모 언어 모델)과 sLLM(전문 도메인 특화 언어 모델)을 활용한 대화형 UI를 통해 사용자가 직관적으로 데이터를 분석하고 의사결정에 활용할 수 있다. 또한 목적에 따라 강화학습, 파라미터 최적화 등 다양한 AI 기법을 적용할 수 있어 생산성과 품질 향상을 동시에 도모할 수 있다. PINOKIO는 엔비디아 옴니버스(NVIDIA Omniverse)와 같은 고급 시각화 플랫폼과 연동 가능하며, 파이썬(Python) 개발 환경 확장도 지원함으로써 사용자 맞춤형 라이브러리 개발이 가능하다. 이를 통해 제조 기업은 사전 공정 및 물류 최적화는 물론 실시간 생산 모니터링, 미래 예측, AI 기반 정확도 향상 등 다양한 지능형 서비스를 구현할 수 있다. 제조업의 디지털 전환이 본격화되는 시대에 PINOKIO는 스마트 공장을 넘어 AI 전환을 실현하는 핵심 파트너로 부상하고 있다.   PINOKIO의 특징 PINOKIO는 고도화된 시뮬레이션 엔진과 AI 통합 기능을 바탕으로 대규모 데이터 처리 및 실시간 예측 분석을 지원하며 스마트 제조 시대의 경쟁력을 강화하고 있다. PINOKIO는 이벤트 처리 기법 최적화 및 단순화된 시뮬레이션 엔진 설계로 빠른 연산 속도를 제공한다. 특히, 초당 60프레임(FPS) 기준으로 500만 개 수준의 대규모 3D 데이터를 안정적으로 처리할 수 있으며, 선택적 컴파일 방식(C# 기반 네이티브 코드)을 활용한 별도 계산 도구를 통해 집약적인 연산 작업도 고속으로 수행할 수 있다. 디지털 트윈 구축에서도 PINOKIO는 강력한 성능을 발휘한다. MES, ACS, MCS 등 다양한 제조 운영 시스템과 연동과 IoT, 센서, PLC 등 생산 현장에서 수집되는 대용량 데이터를 실시간으로 처리한다. 이를 통해 실시간 모니터링과 동시에 백그라운드 시뮬레이션을 수행하고, 타임 호라이즌(Time Horizon) 방식의 미래 예측 기술을 통해 병목, 이상 징후 탐지 및 알람 기능도 제공된다. 또한, AI를 활용하기 위한 정상/이상 데이터 제공과 파라미터 최적화 및 시나리오별 분석 기능이 포함되어 있으며, LLM과 sLLM, 챗GPT(ChatGPT), 메타 라마(Meta LLaMA) 등 다양한 AI 모델을 통합한 AI 에이전시 기능을 통해 대화형 데이터 분석, 자동 의사결정 지원, 데이터 해석 및 운영 최적화를 구현한다. 시뮬레이션 설계 및 모델링 측면에서도 사용자 편의성이 강화됐다. Pino Editor를 활용해 레이아웃 도면을 직관적으로 확인 및 편집할 수 있으며, 제조 기준 정보 입력 및 템플릿 매칭 기능을 통해 모델링 작업 시간을 획기적으로 단축시킨다. 또한, 2차전지 및 반도체 공정에 특화된 전용 라이브러리도 제공되며, 고객 맞춤형 커스터마이징 시뮬레이터를 통해 사용자의 목적에 따라 분석 및 최적화가 가능한 유연한 개발 환경을 지원한다. 이처럼 PINOKIO는 고속 시뮬레이션, 실시간 예측, AI 기반 의사결정, 그리고 유연한 모델링 기능을 종합적으로 제공하며, 제조업의 지능화·자동화를 실현하는 설루션이다.   그림 1. PINOKIO UI 화면 – 반도체 FAB   사전 레이아웃 및 물류 검토를 위한 설루션 : Pino SIM 디지털 트윈 구축 시 미래 예측을 위한 시뮬레이터 역할과 기존 상용 설루션과 같이 공장 신축 또는 생산 라인 변경 등 제조 현장의 변화가 요구된다. 이런 상황에서 Pino SIM은 사전에 최적의 물류 계획과 레이아웃 구성을 지원하고 공정의 효율성과 안정성을 미리 확보할 수 있는 디지털 전환 핵심 도구이자 가상 공장 구현 설루션이다. Pino SIM은 제조 기준 정보(제품, 공정, 레이아웃, 물류 흐름, 작업 순서, 스케줄링 등)를 기반으로 공정을 시뮬레이션하며, 그 결과를 차트, 그래프 등 다양한 시각화 도구를 통해 분석할 수 있다. 이를 통해 레이아웃 검증 및 최적화, 생산성 향상 등 공장 운용 전반의 효율화를 실현할 수 있다. 특히, OHT, AMR 등 신 산업군을 위한 특화 라이브러리를 제공하며, 이송 설비 구현을 위한 이동, 충돌 방지, 회피 제어를 위한 OCS, ACS 기능도 탑재되어 있다. 이를 통해 코드 작성 오류를 줄이고 디버깅 시간을 줄일 수 있으며, 보다 쉽고 효율적으로 시뮬레이션 모델을 구축할 수 있다. 또한, 자동창고 모델링에 필요한 Stocker(Crane, Rack, Rail)를 그룹화 형태로 제공하여 빠른 모델링이 가능하다. 환경과 에너지 측면에서도 전력 사용량 및 탄소 배출량(탄소세) 분석 기능을 통해 지속 가능한 생산 전략 수립에 도움을 주며, 제조업의 친환경화와 ESG 경영 대응에도 기여할 수 있다. 이처럼 Pino SIM은 공장 설계 단계에서의 의사결정 품질을 높이고, 새로운 제조 환경에 유연하게 대응할 수 있는 설루션이다.   그림 2. 라이브러리 제공 – Stocker   그림 3. 개발(코딩) 없이 기능 구현   그림 4. 시뮬레이션 결과 리포트 예제   디지털 트윈 설루션 : Pino DT 제조 현장에서 물류는 제품의 사이클 타임을 결정하는 요소 중에 하나이다. 물류 정체가 발생할 경우 제품의 사이클 타임이 길어지거나 라인이 정지되는 등 심각한 손실이 발생할 수 있다. 이러한 문제를 해결하기 위해 시뮬레이션을 통한 최적화된 운영 방식을 시스템에 적용하려는 노력이 이어져왔다. 기존의 물류 설루션은 현장에서 발생하는 대용량의 데이터를 시뮬레이션에 반영하여 실시간으로 의사결정하는 과정에서 다양한 제약으로 인해 어려움이 있었다. 또한, 현장 작업자의 개입과 같은 인간적 오류는 시스템이 예측할 수 없는 데이터를 발생시키기 때문에 생산 계획 단계에서의 사전 분석 및 검증만으로는 시뮬레이션 정합성을 높이는데 한계가 있다. Pino DT는 최적화된 자체 개발 시뮬레이션과 모니터링 엔진을 탑재하여 이를 해결하였다. 시뮬레이션의 이벤트 횟수를 최적화하여 최소한의 이벤트로 시뮬레이션이 가능하도록 설계했다. 또한 계산 속도에 이점이 있는 C, C++ 언어로 물류 경로를 최적화하는 알고리즘을 구현하여 기존 설루션 대비 약 2만평 규모의 공장에서 약 70배의 향상된 성능을 검증하였다.   그림 5. Pino DT의 UI 화면   대용량 데이터 처리 및 실시간 모니터링 Pino DT는 시뮬레이션에 최적화된 알고리즘을 사용함으로써 대용량 데이터 처리가 가능하고, 현장 데이터를 실시간으로 시뮬레이션에 반영할 수 있다. 기존 물류 시뮬레이션 설루션에 비해 60~700배 뛰어난 가속 성능을 제공하는 시뮬레이션 도구이다. 제조 현장과 동일한 상황을 시뮬레이션하기 위해 현장과 연동 후 데이터를 가공하여 디지털 트윈 모델로 표현하여 가시화하고, 사용자가 설정한 시간 주기마다 미래를 예측하는 시뮬레이션(proactive simulation)을 백그라운드로 수행한다. 이는 제품의 공정 시간보다 짧은 시간 안에 결과를 확인할 수 있고, AI를 통해 보다 정확한 의사결정을 내릴 수 있도록 지원한다.   그림 6. Pino DT의 모니터링 화면   디지털 트윈 실시간 시뮬레이션 : 미래 예측 실시간 현장 상황을 반영하여 미래를 예측하는 시뮬레이션(proactive simulation)은 제품의 택트 타임(tact time)보다 짧은 시간 내에 결과를 도출해내지 못하면 현장에서 선제 대응하지 못하는 결과를 초래할 수 있다. 모니터링 엔진으로부터 라인 상황에 대한 데이터를 수집하고, 현재로부터 예측하고자 하는 시간 동안 발생하는 이상상황에 대해 피드백을 준다. 예를 들어 조립 라인의 경우에는 부품이 5분 뒤에 부족하다는 알람을 작업자에게 즉시 전달하여 선제적 대응을 가능케 함으로써, 라인 정지 등 비상 상황을 사전에 방지할 수 있다. PINOKIO 디지털 트윈 시뮬레이션은 이러한 역할이 가능하도록 가속화한 고속 시뮬레이션 엔진을 보유하고 있다.   그림 7. 현장 FAB(왼쪽)과 PINOKIO에서 생성된 디지털 트윈(오른쪽)   제조 물류 현장에 특화된 AI 플랫폼 : Pino AI AI를 이용한 설루션을 만들기 위해서는 다양한 상황에 대한 데이터가 필요하다. 하지만 제조 현장의 특성 상 여러 상황에 대한 데이터를 획득하기 어렵다. PINOKIO에서는 현장에서 획득하기 어려운 데이터를 시뮬레이션을 통해 데이터를 확보할 수 있다. 즉, Pino DT 모델이 AI를 위한 데이터를 생성하고, 이를 AI가 최적 값을 도출하여 시뮬레이션에 반영한다. Pino DT에서 획득한 데이터를 파이썬, C, 자바(JAVA) 등 다양한 언어로 구현한 로직을 적용할 수 있도록 개발 환경을 제공하고 있다. 이를 통해 예측 정확도 향상, 데이터 기반 의사 결정, Scheduling, Routing, Dispatching 등 목적에 따라 AI 활용이 가능하다. 또한 LLM, sLLM, 챗GPT(ChatGPT), 메타 라마(Meta Llama) 등과 결합한 대화형 UI를 통해 사용자가 직관적으로 데이터를 분석하고 의사결정에 활용할 수 있다.   그림 8. 대화형 UI 및 결과 리포트   그림 9. Pino DT와 AI 모델 활용 원리   Pino DT와 현장 데이터 인터페이스 디지털 트윈에 가장 중요한 요소는 현장과의 연결이다. 대부분의 물류 전문 설루션이 현장과의 연결을 위한 인터페이스를 지원하지만, 많은 양의 데이터를 처리하면서 실시간으로 시뮬레이션하는데 어려움이 있다. Pino DT는 대용량 데이터 처리와 시뮬레이션 가속 성능이 뛰어나 실시간 모니터링 시스템까지 가능하다. <그림 10>은 현장에 있는 MES와 Pino DT가 인터페이스되는 과정이다. 현장에 있는 PLC가 MES에 데이터를 전달하고, MES는 그 데이터를 데이터베이스에 저장한다. 이를 Pino DT에서 외부 통신(IP)을 통해 데이터베이스에 접근하여 데이터를 시뮬레이션에 반영한다. 이 과정에서 현장 데이터의 상태가 중요하다. 불필요한 데이터가 있거나 로스 또는 시간 순서가 맞지 않은 경우가 대부분이다. Pino DT에서는 현장 데이터를 올바르게 정제하는 작업을 거쳐 현장과 동일한 디지털 트윈 모델을 만든다.   그림 10. 현장 데이터 인터페이스 과정   PINOKIO의 기대 효과 PINOKIO는 현장 운영 데이터를 실시간으로 디지털 트윈과 연동함으로써 모니터링이 가능하며, 전체 공장을 PC, 웹, 모바일 등 다양한 형태로 여러 사용자와 함께 직관적으로 확인하면서 공유하고 협업할 수 있다. 또한 현장과 연결된 디지털 트윈 모델을 이용하여, 미래에 발생 가능한 문제점을 예지(predictive)하고, 이러한 문제점을 사전에 해결하기 위한 선제대응(proactive) 의사결정을 가능하게 한다. 이 때 디지털 트윈을 이용한 사전예지는 온라인 시뮬레이션 기술에 기반하고, 선제대응은 AI 기술에 기반한다고 볼 수 있다. 디지털 트윈 기반 사전예지의 시간적 범위(time horizon)는 현장의 특성에 따라서 0.1시간~10시간으로 달라질 수 있으며, 문제점의 종류는 주로 생산 손실(loss), 부품의 혼류 비율 불균형, 설비 고장예지 및 물류 정체 등을 포함한다. 문제점이 예지되면 이를 해결하기 위한 즉각적인 의사결정 AI 기술을 활용하여 최적 운영을 달성함으로써 생산성, 경제성, 안정성 및 경쟁력 향상 효과가 있다.   맺음말 생산 계획 단계에서 Pino SIM을 통해 레이아웃 검증과 물류를 최적화하고, Pino SIM 모델 데이터를 생산 운영 단계에서 PINOKIO와 연계하여 현장 데이터 기반 실시간 모니터링과 미래 상황 예측 및 선제 대응함으로써 현실적이고 실제 활용 가능한 스마트한 디지털 트윈을 구축할 수 있다. 다음 호부터는 Pino SIM, Pino DT, Pino AI 등 각 제품별 소개 및 적용 사례를 소개하고자 한다.   그림 11. 디지털 트윈을 위한 플랜트 시뮬레이션과 PINOKIO     ■ 기사 내용은 PDF로도 제공됩니다. 

디지털 지식전문가 조형식의 지식마당   현재는 디지털 전환(DX : Digital Transformation)의 시대를 지나서 인공지능 전환(AX : AI Transformation)의 시대에 진입하고 있다. 챗GPT(ChatGPT)로 시작된 생성형 인공지능의 사용이 모든 분야에서 일상화되고 있는 시점에서, 과거의 학습과 암기를 근간으로 하는 전통적인 지식은 그 가치가 줄어들고 있다. 이러한 전통적인 지식에 대한 가치와 효용에 대해서 다시 생각하지 않을 수 없다. 우리의 뇌가 기억하고 있는 과거의 정보 지식은 점점 인공지능의 능력에 비해서 경쟁의 상대가 되지 않고 대체되고 있지만, 아직도 우리의 특별한 경험에서 오는 지식과 창의성 그리고 인공지능과 협업을 통합 인간의 지능 증폭(IA : Intelligence Amplification)은 인간의 미래 경쟁력이 될 수 있다.   그림 1. 지능 증폭 기술(출처 : Grant Munro, CC BY-SA 4.0)   스탠퍼드 대학교의 제러미 어틀리(Jeremy Utley) 교수가 AI를 활용한 창의성에 대해 설명하는 내용에 집중할 필요가 있다. 그는 AI를 단순한 도구가 아닌 팀원처럼 대해야 한다고 강조하며, 이는 생산성과 창의성 향상에 결정적인 차이를 만든다고 주장한다. 또한, AI 시대의 창의성은 단순히 아이디어를 생성하는 것을 넘어 다양하고 풍부한 영감(inspiration)을 AI에 제공함으로써 더욱 탁월한 결과를 도출하는 것이라고 설명한다. 궁극적으로 인공지능 전문가가 아닌 사람들이 AI와 협력하여 새로운 가능성을 발견하고 잠재된 창의성(creativity)을 발휘할 수 있음을 보여준다. 이것은 필자가 여러 차례 인공지능에게 단순하게 질문과 대답을 하지 않고 인공지능 에이전트(AI agent)와 소통을 잘 해서 특정한 일을 시키거나, 예를 보여주면 우리가 원하는 구체적인 작업을 하면 생산성이 급격하게 올릴 수 있다고 주장한 것과 유사하다. 또한 AI 시대에 인간의 창의성을 극적으로 증폭시키는 도구로 작용하며, 인공지능과 협력하는 방식에 따라 그 결과가 크게 달라지는 놀라운 사실을 발견할 수 있다. 이런 현상은 개인의 생산성을 25% 높이고, 작업 속도를 12% 빠르게 하며, 품질을 40% 향상시킬 수 있음에도 불구하고, AI와의 협업을 통해 실질적인 생산성을 얻는 전문직 종사자는 10% 미만에 불과하다고 한다. 어틀리 교수는 이를 ‘깨달음의 격차(Enlightenment Gap)’라고 부르며, AI 사용 방식의 차이에서 비롯된다고 설명한다. AI 사용의 가장 중요한 원칙은 AI를 사용하지 않는 것이 유일한 오답이며, AI와 ‘일하기’ 시작하면 모든 것이 이전에 생각하고 행동하는 방식과는 달라질 수 있다. 우리는 항상 수족 같은 조수와 나의 분신을 원한다. 이제는 가장 평범한 사람도 AI 기술을 통해 자신의 상황, 목소리, 의도를 이해하는 조수를 가질 수 있다. 그리고 더 나아가서는 자신의 생각과 모양 그리고 목소리를 가진 아바타(avatar)를 생성할 수 있는 기술에 한 걸음 더 접근했다. 최근 필자는 인공지능 도구(Artificial Intelligence Tool)를 이용해서 나의 전문지식과 경험을 결합해서 나의 아바타를 만들고 있다. 최근에는 일레븐랩스(ElevenLabs)라는 인공지능 도구 소프트웨어를 이용해서 나의 목소리와 거의 유사한 목소리로 나의 칼럼을 읽는 유트브 영상을 만들어 봤다.   그림 2. 음성 복제 기술(출처 : ElevenLabs)   유트브 동영상에는 많은 얼리어댑터가 다양한 인공지능 도구를 소개하면서 좋은 점만을 강조한다. 아직 비용도 비싸고 생각지 못한 버그들이 있으나, 이런 시장의 방향은 지속될 것으로 예상된다. 이것을 선택하고 잘 사용하는 것은 개인의 몫이다. 결국은 이러한 도구에 채울 수 있는 것은 개인의 아이디어라고 할 수 있다. 어틀리 교수는 저서 ‘아이디어 흐름(Ideaflow)’에서 창의성과 혁신은 개인이 타고난다는 믿음보다 학습과 개발할 수 있는 기술로 창의성을 보아야 한다고 했으며, 이를 위해서 양을 우선시하는 아이디어 생성, 즉각적인 기록 습관, 실험 중심적 사고방식, 그리고 다양한 관점 수용과 같은 구체적 방법론을 제시했다. 이러한 창의적인 사고방식과 접근 방식은 낭비되는 노력을 줄이고 성공 가능성을 높여 개인과 조직 모두의 지속적인 성장을 가능하게 한다고 주장한다. 결론적으로 디지털 전환과 인공지능 전환 시대의 창의성은 인공지능을 이용한 양적인 아이디어 생성과 함께 디지털 도구를 사용한 즉시 기록, 인공지능을 이용한 지능의 증강 및 생성을 통해 생산성이 비약적으로 커질 수 있다. 그리고 인간의 다양한 관점 수용과 실험 중심적 사고 방식으로 뇌의 변화를 필요로 한다. 현재의 인공지능 시대에도 창의적 아이디어와 결정권은 아직은 인간에게 달려 있다고 생각한다.   ■ 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. 

‘PLM/DX 베스트 프랙티스 컨퍼런스 2025’가 지난 6월 20일 서울 코엑스에서 열렸다. ‘제조의 미래를 위한 PLM 혁신과 AX 전략’을 주제로 한 이번 행사에서는 제조산업에서 불확실한 외부 환경에 대응하고 기술 및 비용 경쟁력을 확보하기 위한 통합 PLM(제품 수명주기 관리) 설루션과 인공지능 전환(AX)의 중요성을 강조했다. ■ 정수진 편집장     ‘PLM/DX 베스트 프랙티스 컨퍼런스 2025’의 오전 시간에는 세 편의 기조연설이 진행됐다. 기조연설에서는 제조 산업의 미래를 위한 PLM 기반의 통합적 디지털/ AI 전환 전략을 통해 경쟁력을 강화하고 새로운 가치를 창출해야 한다는 메시지와 함께, 단순한 기술 도입을 넘어 데이터 통합과 표준화 그리고 궁극적으로 일하는 방식과 조직 문화의 근본적인 변화가 필요하다는 지적이 있었다.   ■ 같이 보기 : [포커스] PLM/DX 베스트 프랙티스 컨퍼런스 2025, 제조 혁신을 위한 PLM과 AI 전략을 짚다   기조연설에 이어 오후 시간에는 ▲베스트 프랙티스 ▲트렌드/신기술/설루션 ▲ SDM(MES/MOM) 등 세 개의 트랙에서 18편의 발표가 진행됐다. 발표자들은 불확실성의 시대에 제조 경쟁력을 확보하기 위해 PLM을 중심으로 한 전사적인 디지털 전환 및 AI 전환을 추진하고, 이를 위해 데이터 통합, 표준화, 그리고 업무 방식 및 조직 문화의 변화가 필수임을 강조했다.   PLM 기반의 디지털 전환 및 AI 활용 사례 소개 베스트 프랙티스 트랙에서 GM 테크니컬 센터 코리아(GM TCK) 김성진 부장은 ‘PLM 기반 싱글 BOM 구현을 통한 자동차 산업의 디지털 전환 가속화’를 주제로, PLM에 기반한 통합 엔지니어링 변경 관리를 통해 디지털 전환을 가속화하기 위한 GM TCK의 전략, 비전 및 베스트 프랙티스를 소개했다.   ▲ GM TCK 김성진 부장   아비바코리아 조영찬 프로는 ‘디지털 자산 수명주기의 혁신 : AVEVA와 Aras 기반의 통합 ALM 전략’ 발표에서 PLM 설루션인 아라스 이노베이터(Aras Innovator) 플랫폼과 협력해 자산 수명주기 관리(Asset Lifecycle Management : ALM)를 구현한 아비바의 설루션 기술에 대해 소개했다.   ▲ 아비바코리아 조영찬 프로   지멘스 디지털 인더스트리 소프트웨어 노은희 이사는 ‘PLM의 미래 - 디지털 스레드 기반의 지멘스 AI 전략’ 발표를 통해 AI, 디지털 트윈, 디지털 스레드를 기반으로 사람과 프로세스를 유기적으로 연결하는 지멘스의 PLM 미래 전략을 제시했고, 이를 통해 현재 직면한 복잡성을 혁신의 기회로 바꾸는 방안을 설명했다.   ▲ 지멘스 디지털 인더스트리 소프트웨어 노은희 이사   퍼시스홀딩스 정연석 팀장은 ‘퍼시스그룹의 DX 전략 : 설계 데이터 기반 디지털 트윈 자동 생성 및 전사 활용’ 발표에서 퍼시스가 고민한 디지털 전환 전략과 함께 주문품의 Configure to Order를 위해 설계 및 BOM(Bill-of-Materials) 데이터를 기반으로 디지털 트윈을 자동으로 생성하고 전사적으로 활용한 사례에 대해 소개했다.   ▲ 퍼시스홀딩스 정연석 팀장   PTC코리아 이봉기 상무는 ‘AI 기반 차세대 인텔리전트 PLM 전략’ 발표를 통해 AI 기술 발전과 PLM의 접목을 통해 제조 기업이 제품 개발 속도 향상, 품질 개선, 데이터 기반 의사 결정 등 실질적인 비즈니스 성과를 도출할 수 있다고 강조했다. 또한 제품 개발의 전체 과정에서 에이전트 AI 기술을 활용하여 혁신을 이루기 위한 PTC의 전략을 소개했다.   ▲ PTC코리아 이봉기 상무   KAIST 윤희택 교수는 ‘AI 자율 제조를 위한 로봇 기술 동향과 사이버물리 시스템 적용 사례’ 발표를 통해 제조산업의 위기 상황에서 주목을 받고 있는 자율 제조를 위한 로봇, 인공지능, 디지털 트윈을 융합한 사이버 물리 동향과 함께 현재 진행 중인 연구 내용을 소개했다.   ▲ KAIST 윤희택 교수   AI, 디지털 트윈, 로코드를 활용한 제조 혁신 전략 트렌드/신기술/설루션 트랙에서 다쏘시스템코리아의 김병균 파트너는 ’생성형 경험과 AI 기반 PLM 혁신 : 제품 개발과 제조의 새로운 미래’ 발표를 통해 PLM에 생성형 경험(generative experience) 및 AI 기술을 적용하여 제품 개발, 설계, 생산 전 과정에서 업무 효율을 높이고, 데이터 분석을 통해 예측 및 최적화를 실현하는 방안을 소개했다.   ▲ 다쏘시스템코리아 김병균 파트너   씨이랩 김건우 매니저는 ‘엔비디아 옴니버스만 가능한 디지털 트윈의 비즈니스 실현’ 발표에서, 인공지능과 XR(확장현실) 기술의 발전에 따라 다양한 영역에서 적용되는 디지털 트윈 가운데 엔비디아 옴니버스(NVIDIA Omniverse)가 구현할 수 있는 비즈니스 혁신 방안을 소개했다.   ▲ 씨이랩 김건우 매니저   아이지피넷 윤정두 차장은 ‘성공적인 PDM 라인 구축의 열쇠 3D-SUITE’ 발표에서 고도의 PDM(제품 데이터 관리)을 실현하기 위해 회사, 부서, 프로세스 간 원활한 정보 전달 및 여러 시스템 연동 환경이 필수라고 강조했다. 또한 3차원 데이터의 변환, 검증, 수정, 비교, 단순화 등 디지털 엔지니어링에 필요한 데이터 최적화를 지원하는 3D-스위트(3D-SUITE) 설루션을 소개했다.   ▲ 아이지피넷 윤정두 차장   세원에스텍 윤중근 이사는 ‘Fast Forward : 디지털 전환과 제품 개발’ 발표를 통해 불확실하고 혼란스러운 시대에 기업의 경쟁력과 회복탄력성 유지를 위한 디지털화의 중요성을 강조했다. 그리고, CONTACT Elements 기반 설루션과 엔지니어링 분야의 AI 활용을 통해 디지털 전환과 제품 개발을 가속화하는 방안을 소개했다.   ▲ 세원에스텍 윤중근 이사   팀솔루션 송희삼 상무는 ‘현장이 원하는 디지털 트윈 : 최소 인프라, 최대 효과를 위한 접근법’ 발표에서 3D CAD 데이터를 기반으로 한 3D 산업 콘텐츠를 제작하여 실제 제조 현장의 작업 매뉴얼 및 교육 콘텐츠로 적용한 사례를 공유하면서, 최소 인프라로 최대 효과를 얻기 위한 디지털 트윈 전략과 그 성과를 소개했다.   ▲ 팀솔루션 송희삼 상무   한화시스템 박성수 팀장은 ‘제조 영역에서의 로코드 및 AI 기반 개발 방식의 변화’ 발표를 통해 AI 기반의 로코드(low-code) 개발 방식이 제조 현장에 가져 올 수 있는 혁신을 소개했다. 그리고 OutSystems의 Mentor 기능을 활용하여 MVP(최소 기능 제품) 시스템을 단기간 내 구현하는 실질적인 접근 방법을 공유했다.   ▲ 한화시스템 박성수 팀장   소프트웨어 기반의 미래 제조와 스마트 공장 SDM(MES/MOM) 트랙에서는 인더스트리4.0협회 명예회장인 박한구 스마트엠앤에프그룹 대표가 ‘미래 제조 패러다임 전환, SDM 기반 자율제조 생산 체계 도입’ 발표에서 미래의 제조는 SDM(소프트웨어 정의 제조) 기반의 자율성 및 유연성을 핵심으로 하며, 데이터 중심의 통합·지능형 생산 체계로 전환될 것이라고 소개했다.   ▲ 스마트엠앤에프그룹 박한구 대표(인더스트리4.0협회 명예 회장)   다쏘시스템코리아 장희준 파트너는 ‘MES 도입과 진화 : 글로벌 트렌드와 국내 적용 전략’ 발표를 통해 글로벌 MES(제조 실행 시스템) 트렌드와 국내 활용 사례를 통해 성공적인 MES 구축을 위한 핵심 고려사항을 제시했다.   ▲ 다쏘시스템코리아 장희준 파트너   에스에이치아이엔티 이종수 부장은 ‘자동차 부품 산업의 디지털 혁신을 위한 AI 기반 DX 플랫폼 개발 사례’ 발표에서 디지털 트윈, AI, 머신러닝 기반의 지능형 생산이 적용되는 중소기업 스마트 공장의 연구 및 실제 적용 사례가 부족한 현실을 언급하면서, 자동차 부품 중소기업의 디지털 전환을 위한 사전 준비, 연구 개발 및 공정 적용 사례를 AI 및 지능형 생산 시스템 기술 개발 산학연 과제와 함께 설명했다.   ▲ 에스에이치아이엔티 이종수 부장   슈나이더일렉트릭코리아 김건 매니저는 ‘Software-Defined Automation(소프트웨어 정의 자동화)’ 발표를 통해 산업 자동화 분산 제어를 위한 국제 표준인 IEC61499를 기반으로 하며, 자동화의 모듈화 및 애플리케이션 중심 설계를 가능케 하는 슈나이더 일렉트릭의 SDA(Software-Defined Automation)를 소개했다.   ▲ 슈나이더일렉트릭코리아 김건 매니저   호서대학교 산학협력단 디지털팩토리연구센터장인 김수영 교수는 ‘AI-DX-FOMs 기반 현장/실무 중심의 스마트팩토리 전략 : MES 연동부터 AI 챗봇, 자율 제조까지’ 발표에서 제조 기업이 보유한 레거시 시스템과 연계한 KPI(핵심 성과 지표) 다차원 분석 및 MES 연동부터 AI 챗봇, 자율 제조에 이르는 제조 현장 맞춤형 스마트 공장 구축 전략에 대해 소개했다.   ▲ 호서대학교 김수영 교수   첨단제조표준화포럼 차석근 운영위원장은 ‘AX, DX와 관련 제조 데이터 표준화 구현과 도전 분야’ 발표를 통해 최근 산업용 AI를 활용한 자율 제조 및 SDM 관련 요구사항이 늘어나고 있다고 지적했다. 또한, 생산 자원(4M2E) 제조 데이터의 표준화 없이는 이러한 혁신이 불가능하다고 강조하면서 표준화 구현 방안 및 도전 분야에 대해 설명했다.   ▲ 첨단제조표준화포럼 차석근 운영위원장

‘PLM/DX 베스트 프랙티스 컨퍼런스 2025’가 지난 6월 20일 서울 코엑스에서 열렸다. ‘제조의 미래를 위한 PLM 혁신과 AX 전략’을 주제로 한 이번 행사에서는 제조산업에서 불확실한 외부 환경에 대응하고 기술 및 비용 경쟁력을 확보하기 위한 통합 PLM(제품 수명주기 관리) 설루션과 인공지능 전환(AX)의 중요성을 강조했다. ■ 정수진 편집장     한국산업지능화협회 PLM 기술위원회 위원장인 KAIST 서효원 명예교수는 개회사에서 AI와 결합하여 다시 중요해진 PLM의 미래를 강조했다. 그는 “AI 혁신이 전 세계를 휩쓰는 가운데 특히 제조 산업에서 GPT와 같은 LLM(대규모 언어 모델)을 어떻게 적용할지가 핵심 과제”라면서, “제조 특유의 반구조화된 데이터, 환각(hallucination) 문제, 막대한 학습 데이터 구축 비용 등의 난관을 극복하고 1~2년 내에 현업에서 성과를 내야 한다”고 강조했다. 또한, “이번 콘퍼런스가 PLM을 넘어 생성형 AI, 디지털 트윈 등 폭넓은 미래 지향적 주제를 다루며, 산업 전문가들이 디지털 혁신의 본질적 가치와 방향성을 논의하고 상호 인사이트를 얻는 교류의 장이 되기를 바란다”고 전했다.   ▲ 서효원 한국산업지능화협회 PLM 기술위원회 위원장   한국CDE학회의 회장인 충남대학교 정현 교수는 격려사를 통해 “이번 행사에서 PLM의 AI 전환을 위해 생성형 AI, 디지털 트윈 등 폭넓은 미래 지향적 논의가 이뤄지기를 바란다”면서, 다양한 산업 전문가들의 교류를 통해 디지털 혁신의 본질적 가치와 방향성을 점검하고 상호 인사이트를 얻는 것이 중요하다고 짚었다. 그는 또한 기술 확산을 넘어 회사의 전략, 내부 문화, 조직 혁신이 동반되어야 진정한 디지털 AI 전환이 완성될 것이라고 강조하면서, “이번 PLX/DX 베스트 프랙티스 콘퍼런스가 새로운 협업과 혁신의 출발점이 되기를 바라며, 한국CDE학회 또한 산학연 협력의 구심점 역할을 이어나갈 것”이라고 전했다.   ▲ 한국CDE학회 정현 회장   이번 행사의 오전 시간에는 세 편의 기조연설이 진행됐다. 기조연설에서는 제조 산업의 미래를 위한 PLM 기반의 통합적 디지털/ AI 전환 전략을 통해 경쟁력을 강화하고 새로운 가치를 창출해야 한다는 메시지와 함께, 단순한 기술 도입을 넘어 데이터 통합과 표준화 그리고 궁극적으로 일하는 방식과 조직 문화의 근본적인 변화가 필요하다는 지적이 있었다.   PLM과 산업 AI, 미래 제조 산업의 핵심 동력이 되다 가천대학교의 조영임 교수는 ‘제조 산업의 미래, 산업 AI 트렌드와 과제’를 주제로 한 기조연설에서 전 세계적으로 AI 기술 개발이 빠르게 추진되고 있으며, 제조 기업이 AI에 몰입하지 않으면 경쟁력을 유지하기 어렵다고 짚었다. 그리고 AI를 통한 제조 산업의 미래 활성화 방안을 제시하면서, AI 기술 발전과 함께 제조업이 갖춰야 할 기술/전략/인프라/인재 양성의 중요성을 언급했다. PLM은 제품의 전체 생애 주기에 걸친 프로세스와 데이터를 통합 관리하는 개념으로 설명된다. 최근에는 단순한 제품 관리를 넘어 순환 경제(circular economy)의 핵심 개념으로 정의되고 있으며, 데이터 중심의 관리 및 전략적 최적화를 추구하고 있다. 조영임 교수는 “최근 PLM이 다시 중요하게 부각되는 이유는 디지털 전환에 있어 PLM이 디지털 스레드(digital Thread)와 디지털 트윈(digital Twin)을 포괄하는 상위 관리 체계로서 중요한 역할을 하며, 디지털 전환에 AI가 결합되는 구조가 글로벌 제조 산업 AI의 기본 모델이기 때문”이라고 짚었다.   ▲ 가천대학교 조영임 교수   한편, AI 기술은 현재 클라우드 중심의 LLM(대규모 언어 모델)에서 미래에는 온디바이스 기반의 SLM(소규모 언어 모델)로 변화하며 효율성과 협업, 그리고 지속가능성을 강조할 것으로 보인다. 특히 에이전틱 AI(agentic AI)는 LLM을 넘어 사용자의 복잡한 작업을 스스로 처리하는 비서 역할을 수행할 것으로 기대를 모으고 있다. 조영임 교수는 “국내 제조업의 AI 도입률은 아직 낮고, 대기업이 중소기업보다 도입률이 높다. 또한, 한국 기업은 핵심 기술 영역보다는 재무 관리 등 주변 인프라에 AI를 집중하는 경향이 있다”고 지적했다. 향후 산업 AI의 과제로는 핵심 기술에 대한 고도화된 도입과 전략 및 데이터 연결의 표준화가 꼽힌다. 조영임 교수는 “산업 AI는 제조 디지털 전환의 핵심 기술로서, PLM과 AI의 공동 연계, 통합 패키지 개발, 산업 AI 표준 반영, 제조 DX 가이드라인 개발 및 공공 조달 지침 마련 등이 정부가 기업과 함께 추진해야 할 과제”라고 전했다.   AI 시대 제조 경쟁력 향상을 위한 통합형 PLM 전략 SAP 코리아의 고건 파트너는 ‘AI 혁신을 기회로! 제조 경쟁력을 높이는 통합형 PLM 전략’이라는 주제로 기조연설을 진행하면서, SAP의 PLM과 ERP(전사 자원 관리) 통합 전략을 소개했다. SAP는 예측 불가능한 외부 환경에 대응하고 내부 역량을 강화하기 위해 애플리케이션 레벨의 수평적 통합과 데이터 및 AI 레이어를 통한 수직적 통합을 동시에 추구하고 있다. SAP가 추진하는 수평적 PLM 통합은 디지털 스레드를 통해 데이터 사일로를 해소하고, 사내뿐 아니라 협력사 및 고객사를 포함한 전체 가치사슬(value chain)의 데이터를 실시간으로 통합하는 것을 목표로 한다. 고건 파트너는 “SAP는 이를 위해 별도의 비즈니스 네트워크를 운영하며, 설계 단계의 산출물이 제조 및 설비 관리까지 원활하게 연동되어 정보 재활용이 극대화되는 환경을 제공한다”고 소개했다.   ▲ SAP 코리아 고건 파트너   수직적 PLM 통합은 애플리케이션 위에 AI 레이어를 두어 정형 및 비정형 데이터를 활용하고 AI가 비즈니스를 이해하도록 하는 전략이다. 고건 파트너는 국내 기업의 AI 도입 시 가장 큰 문제점으로 데이터 부재와 품질 문제를 꼽으면서, AI와 함께 지식 그래프(knowledge graph)를 PLM에 적용하여 예지 정비 및 설계 변경 영향도 분석 등이 가능한 데이터 플랫폼을 제안했다. 고건 파트너는 “SAP는 PLM에 AI 코파일럿인 쥴(Joule)을 적용해 협업 및 문서 요약 기능을 제공하고 있으며, 오픈 AI, 엔비디아, 메타 등 30개 이상의 파운데이션 모델과 협력하여 제조 현장의 로봇 제어까지 확장하고 있다”고 전했다. 또한 “현재 기업들이 직면한 불확실성에 대응하기 위해서는 제품 정보 관리의 고도화가 필수이며, 통합형 PLM 전략이 그 해답이 될 것”이라고 강조했다.   조선산업의 미래를 위한 차세대 설계/생산 통합 플랫폼 HD현대의 이태진 전무는 ‘조선업의 미래를 위한 차세대 설계/생산 통합 플랫폼’을 주제로 한 기조연설에서 조선산업의 현황과 디지털 전환 전략의 필요성을 짚었다. 국내 조선산업은 탈탄소 정책, 에너지 무기화, 군사력 강화 등으로 호황을 맞고 있지만, 한편으로 중국 조선소의 추격, 높은 원가와 인건비, 친환경 선박 생산의 어려움, 숙련 인력의 이탈, 그리고 신사업 발굴 필요성 등으로 인해 위기감을 갖고 있기도 하다. 이태진 전무는 이러한 상황에서 디지털 전환은 조선산업의 미래를 위한 필수 요소라고 진단하면서, 2020년부터 2030년까지 10년간 디지털로 최적 운영되는 초일류 조선소 구현을 목표로 하는 HD현대의 디지털 전환 전략을 소개했다. HD현대의 ‘FOS(Future of Shipyard)’ 프로젝트는 조선소 데이터의 디지털화, 데이터 연결 및 최적화, 지능형 조선소 구축 등 세 3단계로 진행되며, 그 핵심은 차세대 CAD와 PLM을 근간으로 하는 차세대 설계/생산 통합 플랫폼 구축에 있다.   ▲ HD현대 이태진 전무   HD현대의 차세대 설계/생산 통합 플랫폼은 연결성, 일하는 방식의 변화, 전체 업무 효율 극대화, 디지털 제조 기반 구축 등 네 가지 핵심 목표를 지향한다. 이를 실현할 수 있는 차세대 CAD/PLM 구축을 위해 HD현대는 올해 말 최종 설루션을 선정하고 2026년부터 구축에 들어갈 예정이며, 설루션 선정뿐만 아니라 업무 프로세스 변화를 함께 추진할 계획이다. 이태진 전무는 “PLM/DX는 제조업 경쟁력 강화의 핵심 구현 수단이며, 디지털 스레드는 생산, SCM(공급망 관리), MRO(유지보수, 수리, 운영) 사업까지 연결하여 새로운 부가가치를 창출할 기회가 될 것”이라고 전망하면서, “이러한 설계/생산 디지털 전환이 장기적으로 제조산업의 경쟁력 강화에 크게 기여할 것이며, ERP, SCM, 데이터 플랫폼, AI 등 모든 연관 시스템과의 연결이 중요하다”고 덧붙였다.   기술 트렌드부터 사례까지, PLM·DX의 현재와 미래 짚다 ‘PLM/DX 베스트 프랙티스 컨퍼런스 2025’의 기조연설에 이어 오후 시간에는 ▲베스트 프랙티스 ▲트렌드/신기술/설루션 ▲ SDM(MES/MOM) 등 세 개의 트랙에서 18편의 발표가 진행됐다.   ■ 같이 보기 : [포커스] 기술 트렌드부터 사례까지, PLM·DX의 현재와 미래 짚다   또한, 부스 전시에서는 제조 혁신을 실현하기 위한 디지털 전환 및 인공지능 전환 설루션 기술이 다양하게 소개되어 참가자들의 눈길을 끌었다.   ▲ 다쏘시스템 부스   ▲ 마이링크 부스   ▲ 세원에스텍 부스   ▲ 쓰리피체인 부스   ▲ 씨이랩 부스   ▲ 아이지피넷 부스   ▲ 인코스 부스   ▲ 한화시스템 부스     ■ 기사 내용은 PDF로도 제공됩니다.