어도비가 어도비 익스프레스(Adobe Express) 모바일 애플리케이션을 공식 출시했다.  어도비 익스프레스는 쉽고 빠르게 소셜 미디어 콘텐츠, 동영상, 전단지, 로고 등을 구상 및 디자인하며 공유할 수 있는 올인원 AI 콘텐츠 제작 앱이다. 어도비는 “어도비 익스프레스로 제작된 콘텐츠 수가 지난해에만 두 배 이상 증가하는 등 전 세계 수백만 명의 사용자가 콘텐츠 제작을 위해 어도비 익스프레스를 사용하고 있다”고 설명했다.  새로운 어도비 익스프레스 모바일 앱은 무료로 사용 가능하며 다양한 언어와 대부분의 안드로이드 및 iOS 기기를 지원한다. 사진, 디자인, 동영상 및 생성형 AI 역량 등을 올인원 콘텐츠 편집기에 통합해 마케터, 중소기업, 학생, 크리에이터 전문가 등 누구나 웹과 모바일에서 고품질의 콘텐츠를 제작할 수 있도록 돕는 것이 특징이다. 또한, 어도비 익스프레스는 모든 스킬 수준의 사용자가 어도비 파이어플라이 생성형 AI 구동 기능을 통해 빠르고 간편하게 복잡한 작업을 해결할 수 있도록 지원한다. 크리에이터는 텍스트를 이미지로(Text to Image), 텍스트 효과(Text Effects), 생성형 채우기(Generative Fill), 텍스트를 템플릿으로(Text to Template) 등의 기능을 사용해 간단한 텍스트 프롬프트로 뛰어난 이미지와 디자인을 즉시 생성하고, 인물이나 개체를 삽입, 제거 및 교체하며 시선을 사로잡는 헤드라인을 만들 수 있다. 또한 오디오에서 애니메이션(Animate from Audio)과 비디오 자막(Caption Videos) 등 AI 기능을 통해 복잡한 작업을 클릭 한 번으로 자동화할 수 있다.     새로운 어도비 익스프레스 모바일 앱은 어디서나 쉽고 빠르게 아이디어를 구상하고, 콘텐츠를 생성 및 게시할 수 있도록 다양한 기능을 제공한다. 템플릿에 동영상 클립과 이미지, 음악을 결합할 수 있으며, 애니메이션을 추가하고 정확한 맞춤형 자막을 100개 이상의 언어로 실시간 생성 및 편집할 수 있다. 동영상 타임라인, 레이어 타이밍 및 4K 동영상 기능도 지원한다. 클릭 한 번으로 이미지 및 동영상 배경을 편집, 제거하거나 크기를 조정하고, QR 코드를 생성하거나 동영상을 자를 수 있다. 텍스트를 이미지로 생성할 수 있고, 간단한 텍스트 프롬프트로 인물, 개체 등을 삽입, 제거 및 교체할 수도 있다. 생성형 AI를 활용해 헤드라인, 카피 및 메세지를 만들거나 소셜 미디어 콘텐츠, 전단지, 포스터용 템플릿을 제작할 수도 있다. 사용자는 수천 개의 동영상 및 템플릿과 2만 8000개 이상의 어도비 글꼴, 수십만 개의 어도비 스톡 동영상, 음악 및 디자인 애셋을 이용할 수 있다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 생성형 AI의 멀티모달 딥러닝 기술 확산의 계기가 된 오픈AI(OpenAI)의 CLIP(Contrastive Language-Image Pre-Training, 2021) 코드 개발 과정을 분석하고, 사용하는 방법을 정리한다.    ■ 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. 이메일 | laputa99999@gmail.com 페이스북 | www.facebook.com/laputa999 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | http://www.facebook.com/groups/digestpodcast CLIP은 구글이 개발한 자연어 번역 목적의 트랜스포머 모델, 비전 데이터 변환에 사용되는 VAE(Variational Autoencoder) 개념을 사용하여 멀티모달 학습 방식을 구현하였다. 이번 호에서는 그 과정을 설명하고 파이토치로 직접 구현하는 과정을 보여준다. CLIP을 이용하면 유튜브, 넷플릭스와 같은 영상에서 자연어로 질의해 해당 장면을 효과적으로 검색할 수 있다. 참고로, CLIP에서는 트랜스포머가 핵심 컴포넌트로 사용되었다. CLIP과 같이 트랜스포머가 자연어 번역 이외에 멀티모달의 핵심 기술이 된 이유는 비정형 데이터를 연산 가능한 차원으로 수치화할 수 있는 임베딩 기술의 발전과 트랜스포머의 Key, Query, Value 입력을 통한 여러 학습 데이터 조합이 가능한 특징이 크게 작용했다.    그림 1. 멀티모달 시작을 알린 오픈AI의 CLIP 모델(Learning Transferable Visual Models From Natural Language Supervision, 2021)   트랜스포머와 VAE를 이용한 멀티모달 CLIP 네트워크를 좀 더 깊게 파헤쳐 보도록 한다. 앞서 설명된 트랜스포머, 임베딩과 관련된 개념에 익숙하다면, CLIP을 이해하고 구현하는 것이 그리 어렵지는 않을 것이다.    CLIP에 대한 이해 오픈AI에서 개발한 CLIP 모델은 공유 임베딩 공간 내에서 이미지 및 텍스트 형식을 통합하는 것을 목표로 했다. 이 개념은 기술과 함께 이미지와 텍스트를 넘어 다른 양식을 수용한다.(멀티모달) 예를 들어, 유튜브 등 비디오 애플리케이션 내에서 텍스트 검색 성능을 개선하기 위해 공통 임베딩 공간에서 비디오 및 텍스트 형식을 결합하여 모델을 학습시켰다. 사실, 임베딩 텐서를 잠재 공간(Latent Space)으로 이기종 데이터를 변환, 계산, 역변환할 수 있다는 아이디어는 VAE 기술, 구글의 트랜스포머 논문(2017)을 통해 개발자들 사이에 암시되어 있었다. 이를 실제로 시도해본 연구가 CLIP이다.  참고로, CLAP(Contrastive Language-Audio Pretraining)은 동일한 임베딩 공간 내에서 텍스트와 오디오 형식을 통합하는 또 다른 모델로, 오디오 애플리케이션 내에서 검색 기능을 개선하는 데 유용하다. CLIP은 다음과 같은 응용에 유용하다. 이미지 분류 및 검색 : CLIP은 이미지를 자연어 설명과 연결하여 이미지 분류 작업에 사용할 수 있다. 사용자가 텍스트 쿼리를 사용하여 이미지를 검색할 수 있는 보다 다양하고 유연한 이미지 검색 시스템을 허용한다. 콘텐츠 조정 : CLIP은 부적절하거나 유해한 콘텐츠를 식별하고 필터링하기 위해 이미지와 함께 제공되는 텍스트를 분석하여, 온라인 플랫폼의 콘텐츠를 조정하는 데 사용할 수 있다. 참고로, 메타 AI(Meta AI)는 최근 이미지, 텍스트, 오디오, 깊이, 열, IMU 데이터 등 6가지 양식에 걸쳐 공동 임베딩을 학습하는 이미지바인드(ImageBind)를 출시했다. 두 가지 모달리티를 수용하는 최초의 대규모 AI 모델인 CLIP은 이미지바인드 및 기타 다중 모달리티 AI 시스템을 이해하기 위한 전제 조건이다. CLIP은 배치 내에서 어떤 N×N(이미지, 텍스트) 쌍이 실제 일치하는지 예측하도록 설계되었다. CLIP은 이미지 인코더와 텍스트 인코더의 공동 학습을 통해 멀티모달 임베딩 공간을 만든다. CLIP 손실은 트랜스포머의 어텐션 모델을 사용하여, 학습 데이터 배치에서 N개 쌍에 대한 이미지와 텍스트 임베딩 간의 코사인 유사성을 최대화하는 것을 목표로 한다.  다음은 이를 설명하는 의사코드이다. 1. img_en = image_encoder(I)   # [n, d_i] 이미지 임베딩 인코딩을 통한 특징 추출  2. txtxt_emdn = textxt_emdncoder(T)    # [n, d_t] 텍스트 임베딩 인코딩을 통한 특징 추출 3. img_emd = l2_normalize(np.dot(img_en, W_i), axis=1)    # I×W 결합(조인트) 멀티모달 임베딩 텐서 계산 4. txt_emd = l2_normalize(np.dot(txtxt_emdn, W_t), axis=1)  # T×W 결합(조인트) 멀티모달 임베딩 텐서 계산 5. logits = np.dot(img_emd, txt_emd.T) * np.exp(t)   # I×T * E^t 함수를 이용한 [n, n]코사인 유사도 계산 6. labels = np.arange(n) 7. loss_i = cross_entropy_loss(logits, labels, axis=0)  # 이미지 참값 logits과 예측된 label간 손실 8. loss_t = cross_entropy_loss(logits, labels, axis=1)  # 텍스트 참값 logits과 예측된 label간 손실 9. loss = (loss_i + loss_t)/2   # 이미지, 텍스트 손실 평균값   실제 오픈AI 논문에는 <그림 2>와 같이 기술되어 있다.(동일하다.)   그림 2     ■ 자세한 기사 내용은 PDF로 제공됩니다.

개발 및 공급 : 엔비디아 주요 특징 : AI 처리를 위한 3세대 텐서 코어 및 레이 트레이싱을 위한 2세대 RT 코어 탑재, 암페어 아키텍처 기반의 CUDA 코어 탑재해 그래픽/컴퓨팅 처리속도 향상, 전문가 작업의 데이터를 처리속도 향상 위한 메모리 대역폭 증가, 효율적인 비디오 처리를 위한 인코딩/디코딩 엔진 탑재 등   엔비디아가 새로운 엔비디아 RTX A400과 RTX A1000 GPU를 통해 RTX 전문가용 그래픽 제품을 확장하고, 디자인을 비롯한 AI 기반 생산성 워크플로를 강화한다고 밝혔다. 디자인과 생산성 애플리케이션 전반에 걸친 AI 통합이 새로운 기준으로 자리잡으면서 고급 컴퓨팅 성능에 대한 수요가 증가하고 있다. 즉, 전문가와 크리에이터들은 프로젝트의 규모와 복잡성 또는 범위에 관계없이 향상된 컴퓨팅 성능을 활용해야 한다. 엔비디아 암페어(Ampere) 아키텍처 기반의 RTX A400과 RTX A1000 GPU는 이렇게 증가하는 수요를 충족하기 위해 개발됐으며, AI와 레이 트레이싱 기술에 대한 접근성을 확대해 전문가들이 일상적인 워크플로를 혁신하는데 필요한 도구를 제공한다.   ▲ 엔비디아 RTX A400   향상된 성능으로 창의성 및 효율 향상 지원 RTX A400 GPU는 RTX 400 시리즈 GPU에 가속화된 레이 트레이싱과 AI를 도입했다. 이 GPU는 AI 처리를 위한 24개의 텐서 코어(Tensor Cores)를 탑재해 기존 CPU 기반 솔루션을 넘는 성능을 제공한다. 이를 통해 전문가들은 지능형 챗봇, 코파일럿과 같은 최첨단 AI 애플리케이션을 데스크톱에서 직접 실행할 수 있다. 또한 GPU는 실시간 레이 트레이싱을 제공하므로 크리에이터는 생생하고 물리적 정확도가 높은 3D 렌더링을 제작할 수 있다. A400은 시리즈 최초로 4개의 디스플레이 출력을 지원해 금융 서비스, 명령과 제어, 유통, 운송과 같은 산업에 필수적인 고밀도 디스플레이 환경에 적합하다. 엔비디아 RTX A1000 GPU는 RTX 1000 시리즈 GPU에 처음으로 텐서 코어와 RT 코어를 도입했다. 이를 통해 전문가와 크리에이터를 위한 가속화된 AI와 레이 트레이싱 성능을 제공한다. A1000은 72개의 텐서 코어를 탑재해 이전 세대에 비해 업그레이드된 성능을 갖췄다. 스테이블 디퓨전(Stable Diffusion)과 같은 도구에서 3배 이상 빠른 생성형 AI 프로세싱을 제공하며, 18개의 RT 코어는 그래픽과 렌더링 작업 속도를 최대 3배까지 높여 2D와 3D CAD, 제품과 건축 설계, 4K 비디오 편집과 같은 전문적인 워크플로를 가속화한다. 더불어 A1000은 이전 세대보다 최대 38% 더 많은 인코딩 스트림을 처리하고 2배 더 빠른 디코딩 성능을 제공하는 등 비디오 처리 능력을 높였다.   ▲ 엔비디아 RTX A1000   차세대 기능을 통한 성능 강화 A400과 A1000 GPU는 싱글 슬롯 디자인에 전력소비량이 50W이며, 콤팩트하고 에너지 효율적인 워크스테이션을 위해 향상된 기능을 제공한다.  2세대 RT 코어 : 건축 도면, 3D 디자인, 콘텐츠 제작 등 모든 전문 워크플로를 위한 실시간 레이 트레이싱, 사실적인 물리 기반 렌더링과 시각화, 정확한 조명과 그림자 시뮬레이션으로 작업 품질을 높일 수 있다. 3세대 텐서 코어 : 생성형 AI, 이미지 렌더링 노이즈 제거, 딥러닝 슈퍼 샘플링과 같은 AI 증강 도구와 애플리케이션을 가속화해 이미지 생성 속도와 품질을 개선한다.  암페어 아키텍처 기반 쿠다 코어 : 암페어 아키텍처 기반의 쿠다(CUDA) 코어는 이전 세대 대비 최대 2배의 단정밀도 부동 소수점 처리량으로 그래픽과 컴퓨팅 워크로드의 속도를 크게 높인다. 4GB/8GB 메모리 : A400 GPU의 4GB와 A1000 GPU의 8GB GPU 메모리는 다양한 전문가용 요구 사항을 충족한다. 여기에는 기본적인 그래픽 디자인과 사진 편집부터 텍스처나 고해상도 편집, 데이터 분석이 필요한 까다로운 3D 모델링 등이 포함된다. 또한 이 GPU들은 이전 세대보다 메모리 대역폭이 증가해 데이터를 더 빠르게 처리하고 대용량 데이터 세트와 장면을 더 원활하게 처리할 수 있다. 인코딩/디코딩 엔진 : 7세대 인코드(NVENC)와 5세대 디코드(NVDEC) 엔진을 탑재한 새 GPU는 효율적인 비디오 처리를 기능을 제공한다. 이를 통해 초저지연으로 고해상도 비디오 편집, 스트리밍, 재생을 지원한다. 또한 AV1 디코드가 포함돼 더 많은 비디오 포맷을 더 효율적이고 원활하게 재생할 수 있다.   RTX 솔루션의 활용 범위 확대 엔비디아는 새로운 GPU가 최첨단 AI, 그래픽, 컴퓨팅 기능 등을 통해 사용자의 생산성을 높이고 창의적인 가능성을 열어준다고 전했다. 레이 트레이싱 렌더링과 AI가 포함된 고급 워크플로를 통해 전문가들은 작업의 한계를 뛰어넘고 놀라운 수준의 사실감을 구현할 수 있다. 기획 담당자들은 강력하고 에너지 효율적인 새로운 컴퓨팅 솔루션을 에지 배포에 사용할 수 있다. 크리에이터는 편집과 렌더링 속도를 높여 더욱 풍부한 시각적 콘텐츠를 제작할 수 있다. 건축가와 엔지니어는 아이디어를 3D CAD 개념에서 실제 디자인으로 원활하게 전환할 수 있다. 스마트 공간에서 작업하는 경우에는 공간 제약이 있는 환경에서 실시간 데이터 처리, AI 기반 보안, 디지털 사이니지 관리 등에 GPU를 사용할 수 있다. 또한 의료 전문가들은 더 빠르고 정밀한 의료 영상 분석을 수행할 수 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

책임감 있는 AI 활용 및 향상된 모델 훈련   이번 호에서는 AI를 활용해 실시간 3D 콘텐츠를 제작하는 툴인 유니티 뮤즈(Unity Muse)에서 결과를 생성하는 방법을 설명하고, 유니티의 모델 훈련 방법론 및 새로운 파운데이션 모델 두 가지를 소개한다. ■ 자료 제공 : 유니티 코리아   유니티 뮤즈는 AI 기능을 바탕으로 사용자의 탐색, 아이디어 구상 및 반복 작업을 지원한다. 이러한 기능 중 텍스처(Texture) 및 스프라이트(Sprite)는 자연어와 시각적 입력을 애셋으로 변환한다. 뮤즈를 통해 유니티 에디터에 AI를 도입하면 아이디어를 가시적인 콘텐츠로 빠르게 구현할 수 있으므로, 비전을 더 손쉽게 실현할 수 있다. 프로젝트에 사용 가능한 실제 결과물로 변환할 수 있는 텍스트 프롬프트와 패턴, 색, 스케치를 이용하여 조정 및 반복 작업도 가능하다. 유니티는 뮤즈를 통한 스프라이트 및 텍스트 생성의 기반이 되는 AI 모델에 대한 훈련 기법을 혁신하는데 노력을 들였다. 이를 통해 안전하고 책임감 있으며 다른 크리에이터의 저작권을 존중하는 유용한 결과물을 제공하고자 한다.   AI 모델 훈련 유니티는 뮤즈의 텍스처 및 스프라이트 기능을 선보이면서, 유니티가 보유하거나 라이선스를 받은 독점 데이터를 기반으로 처음부터 훈련을 받은 두 가지 맞춤형 확산 모델도 개발하고 있다.   자체 콘텐츠 라이브러리 확장 데이터 증강은 유니티가 데이터 세트의 스케일과 다양성을 높이기 위해 사용하는 핵심 기술 중 하나로, 이 기술을 이용하여 유니티는 보유 중인 원본 데이터 샘플에서 많은 변형(variation)을 생성할 수 있다. 이러한 역량으로 훈련 세트를 더 풍부하게 만들 수 있으며, 모델이 한정된 샘플을 기반으로 일반화를 수행하는 기능을 향상할 수 있다. 아울러 지오메트리 변환, 색 공간 조정, 노이즈 삽입, 스테이블 디퓨전(Stable Diffusion) 같은 생성형 모델을 통한 샘플 배리에이션 등의 기법을 사용해 데이터 세트를 종합적으로 확장한다. 최근 스테이블 디퓨전과 관련하여, 본래 인터넷에서 수집된 데이터를 기반으로 훈련된 모델이라는 이유로 윤리적인 면에서 우려가 발생한 바 있다. 유니티는 뮤즈의 텍스처 및 스프라이트 기능을 제작하면서, 자체적으로 소유하고 책임감 있게 선별한 원본 데이터 세트를 기반으로 잠재적 확산 모델 아키텍처를 처음부터 훈련하는 방식을 통해 사전 훈련된 모델에 대한 의존도를 낮췄다. 데이터 증강 기법의 일부로 스테이블 디퓨전 모델의 사용을 최소로 제한해 안전하게 사용함으로써, 유니티가 보유한 원본 애셋 라이브러리를 강력하고 다양한 결과물의 저장소로 확장할 수 있었다. 이러한 결과물은 고유하고 독창적이며, 저작권을 가진 어떠한 아트 스타일도 포함하지 않는다. 유니티는 또한 추가로 완화 조치를 적용했으며, 뮤즈의 텍스처 및 스프라이트 기능에 사용되는 유니티의 잠재적 확산 모델을 위한 훈련 데이터 세트는 인터넷에서 수집된 어떤 데이터도 포함하지 않는다. 다음은 앞에서 설명한 증강 기법을 통해 확장되는 콘텐츠의 예시이다.   그림 1   <그림 1>은 원본 데이터 샘플(왼쪽 상단)과 복합적인 증강 기법으로 얻은 합성 배리에이션이다. 두 가지 모두 노이즈 기반(색 공간 조정, 위에서 아래로) 및 생성 기반(왼쪽에서 오른쪽으로)이다. 기존 데이터를 증강한 이후에도 여전히 다양한 소재에서 채워야 하는 부분이 있었다. 이 작업을 위해 행동에 의미 있는 변화가 나타날 때까지 자체 콘텐츠로 스테이블 디퓨전을 훈련시켰다. 또한 이러한 파생 모델을 사용하여 사전 필터링된 소재 목록으로 완전히 새로운 합성 데이터를 만들었다.(그림 2)   그림 2   실제 인력에 의한 검토와 LLM(대규모 언어 모델)을 사용하는 자동화된 추가 필터링을 이러한 소재 목록에 모두 적용함으로써, 유니티의 가이드 원칙을 위반하고 인식 가능한 아트 스타일, 저작권이 있는 머티리얼, 잠재적으로 유해한 콘텐츠가 전혀 포함되지 않은 데이터 세트를 만들겠다는 유니티의 목표에 맞지 않는 합성 이미지가 생성될 가능성을 차단했다. 그 결과 증강되고 완전한 대규모의 합성 이미지 데이터 세트 두 개가 만들어졌고, 여기에는 원치 않는 콘셉트가 포함되지 않았다는 확신이 있었다. 하지만 그러한 확신에도 불구하고, 유니티는 더 많은 필터링을 추가해 모델의 안전성을 보장하고자 했다.   안전하고 유용한 결과물을 위한 추가 데이터 필터링 가장 중요한 사항은 안전 및 개인정보와 부정적인 영향 없이 사용자를 지원하는 툴의 제공이었으므로, 유니티는 추가 데이터 세트 필터링을 위한 별도의 분류기 모델을 개발했다. 이 모델을 사용한 결과, 데이터 세트에 포함된 모든 콘텐츠가 유니티의 AI 원칙에 명시된 표준을 충족하고 추가적인 이미지 품질 검사를 통과할 수 있었다. 리뷰어 모델은 합성 이미지에서 다음 사항을 식별하는 역할을 함께 담당했다. 인식 가능한 사람의 특징이 포함되어 있지 않음 일반적이지 않은 어떤 아트 스타일도 포함되어 있지 않음 어떤 IP 캐릭터나 로고도 포함되어 있지 않음 허용될 수 있는 수준의 품질을 갖추고 있음 4개의 리뷰어 모델이 요구하는 신뢰도 높은 임계 수준을 하나라도 통과하지 못하는 이미지는 데이터 세트에서 폐기되었다. 가장 높은 신뢰도를 보이는 이미지만 필터를 통과해 최종 데이터 세트에 합류할 수 있도록 철저하게 주의를 기울이며, 모델의 결격 사유를 엄격하게 평가했다.   모델 소개 유니티의 유나이트 이벤트에서 뮤즈의 텍스처 및 스프라이트 기능에 대한 얼리 액세스가 발표되었다. 이러한 툴을 지원하는 모델의 첫 번째 반복 수정을 내부적으로 ‘Photo-Real-Unity-Texture-1’ 및 ‘Photo-Real-Unity-Sprite-1’이라고 한다. 이는 스타일화에 대한 기초적인 이해만 갖추도록 설계된 모델로, 주로 포토리얼리즘에 집중되어 있다. 모델을 프로젝트의 기존 스타일에 맞게 가이드하고 싶다면, 유니티의 스타일 훈련 시스템에 약간의 고유 레퍼런스 애셋을 제공하여 콘텐츠를 특정 아트 스타일로 생성하는 방법을 모델에 학습시킬 수 있다. 그렇게 하면 결과물 가이드를 위해 메인 모델과 함께 작동하는 소규모의 후속 모델이 생성된다. 이 소규모 후속 모델은 훈련 담당자나 그 조직에 공개되지 않으며, 유니티는 메인 모델 훈련에 이 콘텐츠를 사용하지 않는다. 포토리얼리즘에 중점을 두는 모델이기 때문에 유니티는 메인 모델을 수많은 다양한 스타일로 훈련시킬 필요가 없었다. 이 아키텍처를 통해 더 손쉽게 책임감 있는 AI를 향한 유니티의 약속을 지키면서 메인 모델을 훈련시킬 수 있으며, 크리에이터가 아트 수준을 더 세부적으로 제어하도록 할 수 있다. 이러한 모델은 시작에 불과하다. 뮤즈의 스마트한 역량은 점점 더 향상되어 더 나은 결과물로 이어질 것이며, 유니티는 그러한 과정에서 모델 향상 로드맵을 통해 모델을 더 높은 완성도로 이끈다는 비전을 내세운다.   Photo-Real-Unity-Texture-1 로드맵 유니티의 텍스처 모델은 모든 분야에서 유용하게 쓰일 수 있다. 큰 규모의 콘셉트를 인식하고 있으며, 이러한 모델을 통해 서로 관련이 없는 여러 콘셉트를 자유롭게 혼합하고 <그림 3>에서 볼 수 있는 ‘메탈 슬라임’ 또는 ‘파란색 크리스탈 유리 암석’ 같은 결과물을 구현할 수 있다.   그림 3   이 모델이 현 단계에서 유용하기는 하지만, 다양한 프롬프트와 입력 방식에 어떻게 반응하는지 학습해 본 결과 단일 단어로 구성된 프롬프트로는 고급 머티리얼 콘셉트를 구현하기 어려울 수도 있다는 사실을 알 수 있었다. 원하는 목표에 맞게 모델을 가이드하는 데에 도움이 되는 방법이 더 있지만, 유니티는 기본 프롬프트의 정확도를 높이고 새로운 모델 가이드 방법을 추가하는 방식으로 사용자가 모델을 계속 더 자유롭게 제어할 수 있도록 할 예정이다. 앞으로 컬러 피커, 추가적인 사전 제작 가이드 패턴, 자체 가이드 패턴 생성을 위한 개선된 시스템 및 기타 새로운 시각적 입력 방법을 추가할 계획이며, 이 모든 사항은 현재 실험 단계에 있다. Photo-Real-Unity-Texture-1에서 유니티가 가장 중점을 두는 사항은 성과가 저조한 머티리얼 콘셉트를 식별하고 모델 재훈련을 자주 실행하여 전반적인 품질과 기능을 지속적으로 개선하는 것이다. 툴 내 평가 시스템을 통한 사용자의 피드백은 유니티가 모델 기능에서 취약점을 식별하여 더 나은 툴을 만드는 데 도움이 된다. 유니티는 빈도 높은 훈련 일정으로 모델을 빠르게 개선하고, 모델의 사용성을 높이며, 머티리얼 분야에 대한 지식을 축적하고 있다.   Photo-Real-Unity-Sprite-1 로드맵 Photo-Real-Unity-Texture-1과 유사하게 유니티의 기본적인 스프라이트 모델은 전반적으로 유용하며 많은 콘셉트를 인식한다. 툴에 아직 빌트인 애니메이션 기능이 없기 때문에, 유니티는 초기에는 가장 흔하게 사용되는 정적 스프라이트 콘셉트의 품질을 극대화하는데 주력하기로 했다. 기본 모델의 원시 결과물을 <그림 4>에서 확인할 수 있다. 일반적인 사용 사례에서 이는 사용자 훈련 모델에 의해 특정 아트 스타일에 맞게 조정된다.   그림 4   정적 오브젝트는 이미 안정적이지만 유니티는 동물과 인간의 해부학적 정확도를 개선하기 위해 계속 노력하고 있다. 이러한 유형의 소재를 사용할 때 결과가 바람직할 수도 있지만, 사지가 늘어나거나 누락되는 경우 또는 안면이 왜곡되는 경우가 발생할 수도 있다. 이는 책임감 있는 AI 및 사용 가능한 데이터에 대한 엄격한 제한을 지향하는 유니티의 조치에 따른 부작용이라고 할 수 있다. 유니티는 개인정보 보호와 안전을 중요하게 인지하고 있으며, 이로 인해 초기 얼리 액세스 릴리스에서 일부 소재의 품질이 완벽하지 않을 수 있다. 완전히 공백인 스프라이트가 생성될 수도 있으며, 이는 시각적 콘텐츠 검수 필터에 따른 결과이다. 유니티는 Photo-Real-Unity-Sprite-1의 초기 출시 버전에서는 출력 필터링에 관해 신중하게 접근하는 방향을 택했으며, 이로 인해 일부 아트 스타일의 경우 필터링에서 1종 오류가 발생할 수 있다. 유니티는 지속적으로 피드백을 수렴하고 콘텐츠 필터를 개선하면서 점차 제한을 완화할 계획이다. 유니티는 피드백을 수렴하고 책임감 있는 자세로 계속 더 많은 데이터를 소싱하면서 전반적으로 모든 소재의 품질이 빠르게 향상될 것으로 기대하고 있다. Photo-Real-Unity-Sprite-1에도 Photo-Real-Unity-Texture-1과 유사하게 철저한 훈련 일정이 적용될 예정이다.   AI 강화 개발을 향한 유니티의 행보 뮤즈는 책임감 있고 타인의 독창성을 존중하는 방식으로 생성형 AI의 잠재력을 활용해 커뮤니티에 더 강력한 창작물 제어 권한을 부여하려는 유니티의 첫걸음이다. 이 제품은 사용자를 우선으로 고려하여 제작되었으며, 유니티는 사용자의 피드백을 기반으로 변화와 개선을 진행할 예정이다. 유니티는 콘텐츠 제작 업계에서 생성형 AI가 가지는 잠재적 영향력을 인식하며 중요하게 다루고 있다. 이 툴은 크리에이터를 대체하는 것이 아닌, 크리에이터의 역량을 강화하기 위한 노력의 결과이다. 유니티는 크리에이터가 더 많아질수록 세상은 더 매력적인 곳이 될 것이라고 믿으며, 뮤즈와 이를 지원하는 모델을 통해 이러한 사명을 계속 이어간다는 비전을 제시한다.     ■ 기사 내용은 PDF로도 제공됩니다.

캐드앤그래픽스는 SIMTOS 2024 행사 기간 중 4월 4일과 5일에 ‘디지털 제조 & 뿌리산업 컨퍼런스’를 진행했다. AI 제조 혁신과 디지털 트윈을 다룬 ‘디지털 제조 컨퍼런스(4월 4일)’와 스마트 공장 및 뿌리산업의 디지털 전환을 주제로 한 ‘뿌리산업 컨퍼런스(4월 5일)’을 통해 제조 분야 디지털 전환의 흐름을 짚고, 미래 혁신 전략과 사례를 살펴보는 자리가 마련됐다. ■ 정수진 편집장     한국공작기계산업협회의 김경동 선임본부장은 개회사에서 “최근 AI 기반 자율 제조와 디지털 전환의 가속화 등 트렌드가 제조산업의 변화와 혁신을 요구하고 있다. 이러한 변화와 혁신에 대응하기 위해서는 더욱 스마트하고 효율적인 생산 방식을 채택하여 산업 경쟁력을 강화하고, 지속 가능한 발전을 이룰 수 있도록 해야 한다”고 짚었다. 그리고 “이번 행사를 통해 변화에 대응하기 위한 해결책으로서 반도체, 자동차, 조선 등 수요산업과 절삭, 가공 산업의 AI 자율 제조 구현을 살펴보는 동시에, 제조업의 당면 과제 해결을 위한 다양한 솔루션과 방향성을 찾는 기회가 마련되길 바란다”고 전했다. 4월 4일 ‘디지털 제조 컨퍼런스’에서는 ‘AI 제조 혁신과 디지털 트윈’을 테마로 5편의 발표가 진행됐다. DN솔루션즈의 이병곤 부사장은 ‘절삭 가공 산업의 AI 기반 자율 제조’에 대해 소개하면서, 절삭 가공 등 공작기계 산업의 자율 제조 시스템 구축을 위한 모티베이션으로 반도체 산업과 자동차 산업의 사례를 들었다. 반도체 산업의 경우 지난 수십 년간의 노력을 통해 높은 수준의 무인 자동화를 이뤘으며, 2030년까지 공장 장비의 유지보수까지 무인화하는 자율제조 체계 구축을 추진하고 있다. 반면 공작기계 산업에서는 자동화의 진행이 상대적으로 느린 상황이다. 이병곤 부사장은 “자율주행자동차의 발전 단계외 비슷한 아키텍처를 공작기계 산업의 자율 제조에도 적용할 수 있을 것”이라고 짚었다. 이병곤 부사장은 다수 장비의 자율 운영을 위한 표준화 및 공장 전체의 엔지니어링 데이터와 운영 시스템을 통해 공장의 자율제조 구현이 가능할 것으로 보았다. 그리고 “DN솔루션즈는 데이터 플랫폼, 제조 실행 플랫폼, 의사결정 플랫폼 등 세 가지 플랫폼을 중심으로 공장의 디지털 트윈 및 표준 제어 솔루션 등 전체 아키텍처를 구성하고, 상향식(bottom-up)으로 필요한 기능을 갖추면서 AI 기반의 자율제조 비전을 실현해 나가고자 한다”고 전했다.   ▲ DN솔루션즈 이병곤 부사장   네이버 클라우드의 하정우 센터장은 ‘챗GPT 1년, 초거대 AI가 불러온 변화와 우리의 전략’을 주제로 발표를 진행했다. 발표에서는 올해 생성형 AI(generative AI)의 주요한 트렌드로 ▲글/그림/영상/오디오 등 다양한 AI 서비스의 본격화 ▲스마트폰이나 로봇 등에 탑재되는 온디바이스(on-device) AI ▲AI의 안전성과 책임을 강화하기 위한 노력 ▲실제 산업과 일상생활에서 의미 있는 성과 창출 ▲사람의 편향성이 투영된 합성 데이터의 문제 해결 등을 꼽았다. 하정우 센터장은 “제조산업은 생성형 AI의 도입이 상대적으로 늦을 것이라는 시각도 있지만, 결국 모든 산업이 생성형 AI의 영향을 받을 것”이라면서, “현장 전문가의 지식과 노하우를 AI가 학습함으로써 지속가능한 기술 공유 및 기업 능력 강화가 가능하며, 제조산업에 특화된 데이터를 활용해서 생성형 AI를 만들고 이를 로봇과 연계해 생산성을 높일 수 있다. 이처럼 아날로그 시대에 정의된 프로세스를 디지털화하는 것에 그치지 않고, 새로운 기술을 고려해 프로세스 자체를 새롭게 정의해야 디지털 전환의 효과를 크게 만들 수 있을 것”이라고 전했다.   ▲ 네이버 클라우드 하정우 센터장   HD현대미포의 김희원 상무는 ‘조선산업의 설계-생산이 일관화된 디지털 생산 플랫폼 구축 전략과 현황’에 대해 소개했다. 글로벌 환경규제, 경쟁국가와의 격차 감소, 고숙련 인력의 부족 등은 조선산업이 해결해야 할 과제로 꼽힌다. 이에 따라 HD현대미포는 조선해양 산업의 미래 비전 수립하고 해양 모빌리티, 해양 디지털 솔루션, 해양 에너지 밸류체인의 구축 등을 추진하고 있다. 김희원 상무는 지능형 미래 조선소를 구현하기 위한 HD현대미포의 노력을 소개했다. HD현대미포는 네이버와 함께 대규모 AI 도입을 진행하는 한편, 지멘스와 협력해 4세대 조선 CAD 개발을 진행 중이다. 특히 디지털 조선소를 구현하기 위해 설계와 생산이 일관화된 디지털 제조 환경을 마련하는 데에 주력하고 있는데, 가상 공간에서 설계와 생산 검증을 진행하고 자동화 운영까지 단일 환경 기반으로 구현하는 것이 핵심이다. 또한, 김희원 상무는 BOM 자동 구축, 생산 공장의 시뮬레이션 기반 최적화, 시뮬레이션-생산 설비 연결, 생산 자동화 장비 개발 등 선박 블록 생산을 위한 디지털 매뉴팩처링 체계 구축 사례도 소개했다.   ▲ HD현대미포 김희원 상무   KAIST의 장영재 교수는 ‘AI 자율제조의 미래와 유연 공작셀 소개’를 주제로 한 발표에서 로봇이 자재를 갖고 필요한 공정으로 움직여 작업을 하는 셀(cell) 기반의 자동화 시스템이 전통적인 컨베이어 벨트 생산 시스템을 대체하고 있다고 전했다. 셀의 개념은 1980년대에 등장했지만 최근 기술의 발전에 힘입어 본격화되고 있다는 것이다. 장영재 교수는 “최근에는 자동화를 넘어서 자율화, 무인화로 패러다임이 바뀌고 있다”면서, “컨베이어 벨트를 대신하는 로봇, 인식과 판단을 위한 인공지능, 디지털 트윈 기반의 가상 검증, 소프트웨어의 원격 구축 및 업그레이드를 돕는 클라우드 등의 기술을 통해 변화하는 환경을 기계가 스스로 인식하고 자율적으로 판단, 행동하는 자율제조가 공장에 적용되고 있다”고 짚었다. 또한, 장영재 교수는 이런 자율제조 유연셀을 구현하기 위한 기술 개발 사례도 소개했다. 여기에는 ▲디지털 트윈을 통한 로봇의 가상 검증 및 로봇 동선 자동 설계 ▲외국인 작업자가 생산 스케줄을 수립/운영할 수 있는 LLM(대규모 언어 모델) 기반 스케줄링 자율화 ▲이기종 로봇의 연결 및 단일 소프트웨어 기반 제어 등이 있다.   ▲ KAIST 장영재 교수   포스코DX의 김미영 상무는 ‘제조 혁신의 미래, 디지털 트윈 추진 사례’를 주제로, 제조산업의 생존과 경쟁력 강화를 위한 디지털화 전략을 제시했다. 김미영 상무가 꼽은 제조 디지털 전환 접근법은 ▲스마트한 현장의 센싱 ▲스마트한 현장 관찰 ▲스마트한 분석과 판단 ▲스마트한 시뮬레이션 ▲스마트한 제어 등 다섯 가지이다. “제조산업의 당면 과제 해결과 생존을 위해서는 기존 산업의 도메인 지식에 IT 기술을 접목해 디지털 전환을 추구해야 한다”고 짚은 김미영 상무는 “포스코는 세계 시장에서 경쟁력 있는 철강기업으로 자리매김하고자 지난 2015년부터 스마트화를 추진해 왔으며, 가상 환경에서 전체 가치사슬을 모니터링 및 시뮬레이션하고 실시간 원격 제어가 가능한 디지털 트윈 공장을 구축하고 있다”고 소개했다. 지능화 공장을 통해 제조 현장의 폭넓은 문제 해결 및 최적의 의사결정이 가능할 것으로 전망한 김미영 상무는 전체 공장에 걸쳐 연결과 협업을 중심으로 하는 ‘초연결 메타 팩토리’로 나아간다는 포스코의 비전을 소개했다.   ▲ 포스코DX 김미영 상무   같이 보기 : [포커스] 뿌리산업 컨퍼런스, 제조산업의 디지털 전환을 위한 노력 짚다     ■ 기사 내용은 PDF로도 제공됩니다.

2024 스마트공장·자동화산업전이 3월 27일부터 29일까지 코엑스 전관에서 개최되었다. 이 전시회는 Smart Factory Expo(제9회 스마트공장엑스포), aimex(제34회 국제공장자동화전), Korean Vision Show(제12회 한국머신비전산업전) 등 3개의 전시회로 구성되었으며, 지속 가능한 공장(Make Your Factory More Sustainable)을 주제로 450개 업체, 2000여 부스, 6만여 명이 참가했다. ■ 최경화 국장     스마트공장엑스포 전시회 개최 한국산업지능화협회(이하 협회)와 코엑스가 공동 주최한 스마트공장엑스포는 코엑스 3층에서 개최되었으며, 산업 AI 기술을 적용하여 디지털 전환을 추진 중인 국내외 기업들의 수요·공급기업간 디지털 전환 협업사례, 산업현장 중심의 최신 기술 및 동향을 소개했다. 이번 전시회에는 LS 일렉트릭, 한국미쓰비시전기오토메이션, 한국지멘스, 로크웰오토메이션코리아, LG CNS, CJ올리브네트웍스, SK주식회사 C&C, 한화로보틱스 등 다양한 기업들이 참여했다. 한국지멘스에서는 “생산을 위한 혁신 가속화”를 주제로 디지털 트윈, 인더스트리 엣지, SIMATIC 로봇 통합솔루션을 선보였다. 한국미쓰비시전기오토메이션은 FA기술과 IT를 활용하여, 개발·생산·보수의 토탈 코스트를 절감하는 FA-IT 통합솔루션 ‘e-F@ctory’ 등 지속가능한 미쓰비시의 디지털 솔루션을 공개했다.  SK C&C는 고객과 사회의 통합 디지털 전환 파트너로서 AI/Cloud/Digital Manufacturing/Digital ESG 등 디지털 실행 가속화를 통한 SK의 미래전략을 선보였으며, 메가존 클라우드는 클라우드 도입시 컨설팅과 전략, 구축, 운영에 대한 라이프사이클의 체계적인 방법론을 바탕으로 고객의 니즈에 맞는 I.P.A.D (Infrastructure, Platform, Application, Data) 오퍼링 서비스 솔루션을 전시했다.   산업지능화 컨퍼런스, 제조분야 데이터 & AI 활용 소개 전시회 부대행사로 3월 28~29일에는 ’산업지능화 컨퍼런스‘가 ‘Sustainable DX, Discover Your Digital Potential’ 지속가능한 미래를 위한 제조산업의 디지털 혁신을 주제로 개최되었다. 이번 콘퍼런스에서는 ▲산업 AI 도입을 통한 생산성 향상 ▲인공지능 아키텍처 ▲ESG 및 탈탄소 실현 ▲데이터 금융 ▲밸류체인 지능·고도화 ▲자율제조화 등 혁신적 변화를 가속화하는 기술·솔루션, 적용 사례를 선보였다.  이번 콘퍼런스는 양일 각각 5개의 기조연설과 제조지능화, 데이터 플랫폼, 디지털 트윈 등 개별 기술 세션으로 진행되었다. 1일차 기조세션으로 한국지멘스 디지털 인더스트리 백광희 상무는 ‘지멘스가 제시하는 제조산업의 탈탄소화 미래’라는 제목으로 기조강연을 진행했다. 지속 가능성으로의 전환을 위해서는 제품 라이프사이클 전반에 걸친 디지털화가 필수적이라며, 지멘스의 탄탄소화를 선도하는 기술을 활용한 구체적인 사례를 소개했다. LG CNS 명창국 담당은 ‘로보틱스, AI 발전이 가져온 스마트 로지스틱스 확장’이라는 제목으로 발표했다. 퍼스트마일(FirstMile), 미들마일(MiddleMile) 그리고 라스트마일(LastMile)은 제품이 생산에서 최종 소비자에게 도달하기까지의 여정 단계를 나타낸다. 옴니마일(OmniMile)은 이 모든 단계, 개념을 포괄하며, 물류 과정의 모든 단계가 서로 연결되어 있으며, 통합적인 관점에서 AI와 로봇 기반으로 자동화되고 최적화되어야 함을 의미한다. 명창국 담당은 “코로나19 전후로 이커머스의 급성장에 따른 라스트마일에 대한 관심과 투자가 최근 생산공정에서의 무인화, 지능화, 자율화 즉 퍼스트마일로 빠르게 확대되고 있다”고 밝혔다. SK C&C 방수인 그룹장은 ‘Twin Transition, 제조업 ESG 실행 가속화를 위한 디지털 전략’이라는 제목으로 발표했다. 탄소배출량의 낮고 높음, 수출 기업의 여부와 상관없이 사실상 국내의 모든 기업 경영에 영향을 미치고 있는 ESG 대응과 준비에 대해, Twin Transition이라는 거대한 화두에서 디지털 전략을 활용하고 ESG를 가속화하기 위한 SK의 전략과 실행 노력에 대해 소개했다. 메가존클라우드 김영상 부사장은 Smart Workplace 구현을 위한 Smart Space 추진 전략 및 사례라는 제목으로 메가존의 스마트 스페이스 사업을 소개를 통해 스마트 빌딩 등 공간의 디지털화를 위한 비즈니스 접근 전략과 사례에 대해 소개했다. 스마트제조혁신추진단 안광현 단장은 ‘중소기업 디지털 제조혁신 전략’이라는 제목으로 정부가 중소제조업 디지털 제조혁신을 지속적으로 추진하기 위해 지난해 9월 발표한 ‘신 디지털 제조혁신 추진 전략에 대해 소개했다. 과거 2019년~2022년 1기 스마트공장 정책이 3만개 달성을 목표로 ‘양적 확대’를 통한 기반조성 집중해왔다면, 이번 2024년~2027년 2기 정책은 민간이 주도하고 정부가 지원하는 ‘스케일업’ 정책이다. 안 단장은 이를 구현하기 위한 현장 수요를 반영한 기업 DX역량 수준별(우수, 보통, 취약) 지원체계 구축, 제조데이터 기반 제조 혁신 생태계 조성, 민간·지역 주도의 협력 네트워크 강화, 기술력 있는 공급기업 육성이라는 총 4개의 핵심전략에 대해 소개했다. 대표적인 정책은 ‘자율형공장’으로, 2027년 20개의 자율형공장 구축을 목표로 하고 있다고 밝혔다.     2일차 기조세션에서 다쏘시스템코리아 양경란 총괄대표는 ‘지속가능한 제조체계를 완성하는 버추얼트윈 UniVeRse’에 대해 소개했다. 시스코 시스템즈 코리아 임근수 이사는 ‘제조업의 진화, 스마트 팩토리를 넘어 DX의 세계로’라는 제목으로 발표했고, 한국미쓰비시전기오토메이션 미즈시마 카즈야 부장은 ‘글로벌 경쟁에서 이기기 위한 제조현장 개혁: 성공적인 DX의 필수조건에 대해 소개했다.  델 테크놀로지스 최영복 상무는 제조 산업을 위한 생성형 AI 전략과 솔루션 및 활용 사례를, 인도네시아 국가개발기획부/바페나스 아말리아 아디닝가위디아산티 경제부 차관은 ‘블루 이코노미 혁신을 통한 인도네시아 경제 전환 추진’에 대해 소개했다. 또한, 협회는 이번 전시회에서 ‘KOIIA ENC 기업지원라운지’를 마련하여 대·중견·중소기업별로 참여가 가능한 지원사업 및 혜택 안내까지 패키지 상담을 지원했다. 한국산업지능화협회 김도훈 회장은 ”탄소중립과 디지털화에 따른 산업구조 전환은 기업의 사업전환을 촉발함에 따라 협회가 전문성을 보유한 디지털 전환을 바탕으로 기업이 맞닥뜨린 고충을 선제적으로 해결할 수 있도록 실효성 있는 컨설팅을 제공할 계획”이라며 “앞으로도 협회는 우리기업의 산업DX 및 사업전환에 필요한 기업 진단부터, 맞춤형 컨설팅, 인증 등 연계 지원을 통해 새로운 도약의 기회를 제공하는 역할을 수행할 것이다”라고 밝혔다.     ■ 기사 내용은 PDF로도 제공됩니다.

빌딩스마트협회는 4월 16일 논현동 건설회관 대회의실에서 빌드스마트 포럼(buildSMART FORUM) 2024를 개최했다. 빌드스마트 포럼 2024에서는 ‘변화하는 AEC : 생성형 Al와 메타버스의 시너지’라는 주제 아래 최근 화제로 떠오르고 있는 생성형 AI와 메타버스가 AEC에서 어떻게 활용되고 있고, 앞으로는 어떻게 발전하며, 업계에서는 어떻게 대응해야 하는지 확인하는 자리를 가졌다. ■ 최경화 국장     이번 포럼에서는 카이스트 손훈 교수, DL이앤씨 이상영 담당, 카이스트 김영철 교수가 기조연설을 진행하였으며, 데이튼대학의 김남균 교수, 에스엘즈 정재헌 대표, 수민함디자인의 함수민 대표, 홍콩폴리텍대학 키이춘(KEE Yee Chun) 교수, 홍콩시립대 하오정(Hao Zheng) 교수 등이 국내외의 다양한 AI 및 메타버스, 그리고 스마트건설 사례와 가능성에 대하여 발표했다.  빌딩스마트협회 안대호 회장은 “다양한 조건을 고려하여 최적의 설계를 도출할 수 있는 생성 Al와 가상공간에서의 협업을 가능케 하는 메타버스 기술의 접목은 시간과 비용을 절감하면서도 혁신적으로 설계 및 시공 프로세스를 개선할 것이다. 이를 통해 우리 산업의 디지털 전환속도를 더욱 가속화하고 획기적인 변화를 만들어낼 수 있을 것으로 기대한다”면서, “이번 포럼이 AEC 산업 변화의 기폭제가 되기를 바란다”고 말했다.   콘퍼런스 주요 발표 소개  DL이앤씨 이상영 담당은 “DL은 2009년부터 BIM을 도입했고, 2017년부터는 BIM으로 건설관리 혁신을 위한 본격적인 노력을 시작했다. 공사관리, 원가관리, 설계관리, MEP 등 다양한 분야에서 건설을 혁신할 수 있는 BIM 시스템을 개발했고, 개발된 시스템을 현업과 프로젝트에 적용하고 있다”고 소개했다.  BIM 시스템을 개발함에 있어서 추구하는 원칙은 개발이 완료되면 즉시 현업에 적용하고 사용 가능한 현실적인 시스템이어야 한다는 것이다. 그렇게 하기 위해서는 내재화하여 만들어져야 하고, 비용 측면에서는 신기술임에도 기존 비용과 동등 이하로 책정되어야 하며, 프로세스 측면에서는 동등 이하의 시간이 소요되어야 한다. 이를 위해 BIM 조직을 갖추고, 비용 절감을 위한 자동화와 공급망을 구축하며, 중요 알고리즘의 기획을 내부 인력으로 자체적으로 수행하고 있다고 밝혔다.  또한 “이제부터는 DL이앤씨가 직접 만든 BIM과 스마트 기술을 내부에서만 활용하는 것이 아니라 활용 범위를 확장하여 건설사의 비즈니스 모델이 신축공사에 치중되어 있는 현실을 타파하고, 스마트 건설 서비스로 사업 영역을 확대하여 대한민국의 건설 기술을 한 단계 성장시키고 건설사의 새로운 수익 모델을 창출하는데 이바지해 나갈 것”이라고 밝혔다. 한국과학기술원 김영철 부교수는 최근 KAIST 스마트시티연구센터와 KAIST 도시설계연구실에서 인공지능을 도시 분석과 도시 설계에 접목하려는 시도의 연구 결과를 소개했다. 그리고, 새롭게 개발되고 발전하는 인공지능 기술은 도시 분석과 설계 분야에도 많은 변화를 줄 수 있어 효과적으로 활용하기 위해서는 적극적 고려가 필요하다고 밝혔다.  한국과학기술원 손훈 교수는 지난 30년간 스마트 센싱 기술 연구 개발, 현장 적용, 실용화 및 상용화를 수행하면서 개인적으로 취득한 경험 및 앞으로 스마트 센싱 기술의 상용화를 위해 노력해야 하는 부분에 대해서 소개했다. 에스엘즈 정재헌 대표는 AEC 분야에서 알고리즘의 단순연산율 넘어 ‘Al를 통해 무엇을 만들고 의미를 담을지에 대한 고민의 흔적을 소개했다. 첫 번째로 연산과 검측, 예즉 가능한 Al를 만드는 긴 여정을 소개하고, 두 번째로 연산 결과물의 자동생성 과정을 자체 개발한 GE/SE 알고리즘 사례, CPU와 GPU 병렬연산을 통한 BIM 자동생성 전략에 대해 소개했다. 이와 함께 Al로 생성된 결과물들을 시각화 및 AR 내에서 동작하는 방법을 통해 시공성과 현장성을 높이는 기술에 대해 발표했다.     빌딩스마트협회 정기총회 개최와 주요 사업 소개 빌딩스마트협회는 제27회 정기총회를 개최하고, 안대호 회장(나우동인건축사사무소 대표)을 연임하기로 의결했다.  빌딩스마트협회는 한국공항공사 ‘공항시설정보 통합관리시스템(KAC-BIM)’ 기반체계 구축용역(2021. 7~2024. 3), 인공지능 기반의 건축설계 자동화 기술개발(2021. 4~2025. 12), 광역단위 노후건축물 디지털 안전워치 기술개발(2022. 4~2025. 12) 등 연구 사업들을 진행하고 있으며, BIM AWARD, 콘퍼런스와 포럼, 교육 및 자격 사업 등을 진행하고 있다.      ■ 기사 내용은 PDF로도 제공됩니다.

로크웰 오토메이션이 지난 3월 열린 ‘2024 스마트공장·자동화산업전’에 참가해 생산 최적화부터 디지털 전환과 지속가능성을 위한 자사의 기술을 선보였다. 로크웰 오토메이션은 생산/제어 설비부터 클라우드 및 AI(인공지능) 소프트웨어까지 폭넓은 솔루션 포트폴리오를 바탕으로 제조기업의 빠른 디지털 전환을 지원한다는 비전을 소개했다. ■ 정수진 편집장   제조 혁신을 위해 클라우드와 AI에 대한 관심 증가 로크웰 오토메이션의 스콧 울드리지 아태지역 사장은 로크웰 오토메이션의 연례 스마트 제조 리포트 내용을 인용해 “에너지 비용, 물가, 인건비의 상승에 대응하기 위한 자동화와 최적화가 제조산업이 꼽은 주요 과제였다. 또한, 많은 기업이 기술 투자를 늘릴 계획을 갖고 있는데, 기술 투자 분야 중에서는 클라우드와 SaaS(서비스형 소프트웨어)가 몇 년간 각광을 받고 있다. 제조 플랫폼을 쉽고 일관된 방식으로 배포하는 데에 기업들이 관심을 가진 것으로 볼 수 있다”고 소개했다. 로크웰 오토메이션에 따르면, 물가 상승과 인력 부족 문제에 대응해 생산성을 높이기 위한 목적으로 기업들이 AI에 대한 투자를 확대하고 있는 것으로 나타났다. 특히 생성형 AI 및 인과추론 AI가 많은 관심을 받고 있으며, 이미 투자 성숙 단계에 접어든 기업도 적지 않은 상황이다. 로크웰 오토메이션의 설문조사에서는 응답 기업의 85%가 AI 도입 계획이 있다고 답했다. 제조산업에서 AI를 활용하는 목적으로는 품질 개선, 사이버 보안, 로보틱스, 경로 최적화, AMR(자율 이동 로봇) 등이 꼽히면서, AI는 산업 자동화의 핵심 기술로 자리매김할 전망이다.   ▲ 공장의 VR 시뮬레이션을 위한 로크웰 오토메이션의 에뮬레이트3D 플랫폼   스마트한 디지털 제조의 지향점은 자율 운영 공장 로크웰 오토메이션 코리아의 이용하 대표이사는 “전 세게 디지털 전환 시장은 작년 9372억 달러 규모이고, 오는 2032년에는 7조 33억 달러까지 성장할 것”이라면서, “특히 제조 시스템과 공장이 많은 아시아 태평양 지역은 시장 비중은 낮지만 가장 빠르게 성장할 전망”이라고 소개했다. 이런 성장세의 배경으로는 최신 기술의 발전과 함께 코로나19 이후 비즈니스 운영의 디지털화에 대한 요구가 늘어난 점이 꼽힌다. 로크웰 오토메이션이 제조 디지털 전환의 핵심으로 꼽은 것은 ‘스마트 제조’이다. 스마트 제조는 생산 최적화, 직원 역량 강화, 탄력성 구축, ,지속가능성 추진, 트랜스포메이션 가속화 등의 비즈니스 결과를 목표로 한다.  로크웰 오토메이션은 미래의 자동화 공장이 사람의 개입을 최소화하면서 스스로 학습하고 최적화하는 형태가 될 것으로 보고 있다. 또한, 자동화 역량의 개선과 적응형 기술의 결합을 통해 자율 운영 공장으로 진화할 것으로 전망한다. 울드리지 사장은 “로크웰 오토메이션은 산업 자동화 및 디지털 전환 분야의 전문 기업으로서 산업 트렌드를 이해하고 기술 전문성을 갖추고 있다. 이런 역량을 바탕으로 최근의 주요한 트렌드인 자율 운영 분야에 대응하고 있다”고 설명했다. 로크웰 오토메이션은 제조 엔지니어와 데이터 과학자의 참여를 통해 AI 기술을 내재화하고 있으며, 다양한 기술을 추가할 수 있는 비선형성과 알고리즘 기반의 최적화를 지원한다. 또한, 엔비디아와의 파트너십을 통해 AI 칩으로 제조 데이터를 분석하고 자율 운영 공장으로 발전시켜 나간다는 계획을 소개하기도 했다.   ▲ 로크웰 오토메이션은 스마트공장·자동화산업전에서 디지털 제조를 위한 자사의 기술을 소개했다.   디지털 제조를 위한 기술 포트폴리오 제공 로크웰 오토메이션은 디지털 제조를 위한 자사의 핵심 역량으로 신규 공장 설계, 자동화 및 제어, 생산 물류, 에지 컴퓨팅 및 클라우드 등 폭넓은 기술 포트폴리오를 소개했다. 공장 및 생산 라인의 설계를 위해서 로크웰 오토메이션은 시뮬레이션 기반으로 공장을 건설하기 전에 테스트와 최적화를 할 수 있는 에뮬레이트3D(Emulate3D) 플랫폼을 제공한다. 자동화/제어 영역에서는 챗GPT(ChatGPT)로 빠르게 제어 코드를 생성하고, 개별 제어기에 AI를 내장해 빠른 문제 해결을 지원한다. 생산 물류 분야에서는 AI를 활용해 AGV(무인 운반 차량)의 효율적인 이동 경로를 생성하거나 이동형 로봇, 독립 카트 등의 기술을 적용해 창고 . 생산 시설 . 창고의 사이클을 자동화할 수 있도록 돕는다. 에지/클라우드를 위해서는 드라이버/PLC/에지에 AI를 탑재해 다수의 현장을 한 곳에서 관리하거나 ERP와 연결하는 등의 이점을 제공한다. 또한 MES(제조 실행 시스템), 데이터 애널리틱스 및 시각화 등을 위한 제조 산업 클라우드를 지원한다. 사이버 보안도 클라우드와 AI의 도입 과정에서 중요한 요소인데, 로크웰 오토메이션은 고객사의 시스템 구축 및 운영을 위해 직접 모니터링을 지원하며 엔지니어링 서비스와 원격 모니터링을 연중 무휴로 제공하고 있다. 이용하 대표이사는 국내 스마트 공장의 시장 가능성에 대해서 긍정적으로 전망했다. 또한 “무엇보다 디지털 전환은 빠르게 시작하는 것이 중요하다. 로크웰 오토메이션은 공장의 설계와 운영, 사이버 보안, 유지보수를 위한 폭넓은 솔루션과 서비스를 제공한다. 또한 디지털 전환을 위한 기술, 인력, 경험, 사례를 갖고 있는 것도 강점이다. 이를 바탕으로 제조산업 고객의 디지털 전환을 효과적으로 지원할 것”이라고 전했다. 울드리지 사장은 “한국은 디지털 기술 도입의 선두주자라고 생각한다. AI, 클라우드, 에지 등의 기술 개발에 있어서도 한국이 글로벌 시장을 선도하면서 회복탄력성을 갖춘 제조 환경을 확산시키는 데에 기여할 것으로 기대한다”고 전했다.     ■ 기사 내용은 PDF로도 제공됩니다.

워크스테이션은 렌더링과 해석 등 전문 분야에 쓰이고 있으며, 최근에는 성장하는 인공지능 분야에도 대응하고 있다. 이런 분야에서 많은 양의 데이터를 빠르게 처리하기 위한 워크스테이션의 성능은 꾸준히 중요한 요구사항 중 하나로 여겨지고 있다. 특히 핵심 연산을 담당하는 CPU 코어의 수가 많을 수록 워크스테이션의 전반적인 성능도 높아진다. 한국레노버는 AMD CPU를 탑재한 씽크스테이션(thinkStation) 워크스테이션의 신제품을 발표하면서, 늘어난 CPU 코어로 더 높은 성능을 제공한다는 점을 강조했다. ■ 정수진 편집장     최대 96코어의 라이젠 스레드리퍼 프로 CPU 탑재 레노버는 2023년 6월 인텔 CPU 기반의 씽크스테이션 P5/P7/PX 라인업을 출시했는데, 이번에 발표된 씽크스테이션 P8은 큰 틀에서 이들 제품과 비슷한 특징을 갖고 있다. 가장 큰 차이점이라면 AMD의 라이젠 스레드리퍼 프로 7000WX(Ryzen Threadripper PRO 7000WX) 시리즈 CPU를 탑재했다는 것이다. 씽크스테이션 P8은 스레드리퍼 프로 7945WX부터 7995WX까지 CPU를 선택할 수 있는데, 가장 높은 사양의 7995WX는 96 코어 192 스레드를 제공한다. 씽크스테이션 PX에서 선택할 수 있는 최고 사양인 인텔 제온 플래티넘 8490H의 60 코어보다 많다.  AMD코리아의 김홍필 이사는 스레드리퍼 프로 7000WX 시리즈가 늘어난 코어 수를 바탕으로 더 높은 성능을 제공한다고 소개하면서. 특히 렌더링이나 시뮬레이션 등의 작업에서는 CPU 코어의 수가 작업 속도에 많은 영향을 준다고 짚었다. “2D CAD에서는 코어 수가 작업 속도에 주는 영향이 상대적으로 적지만, 최근에는 제조뿐 아니라 건설 설계에서도 2D에서 3D CAD로 전환이 일어나고 있다. 또한 시뮬레이션의 사용이 확대되면서 CPU 성능에 대한 요구가 늘고 있다”는 것이 김홍필 이사의 설명이다.   고성능 워크스테이션을 위한 구조 설계 및 성능 제공 또한 씽크스테이션 P8은 AMD 라데온 프로 W7900 등 하이엔드 GPU를 3개까지 탑재할 수 있고, PCIe Gen 5 슬롯, 8채널 메모리 아키텍처 등 고사양 워크스테이션을 위한 기능을 지원한다. 고성능의 하드웨어인만큼 열이 많이 발생하게 되는데, 씽크스테이션 P8은 P5/P7/PX과 마찬가지로 고성능 스포츠카 업체 애스턴마틴과 함께 설계한 섀시 디자인으로 이를 해결하고자 했다. 한국레노버의 이형우 상무는 “씽크스테이션 P8은 CPU, GPU, 저장장치 및 파워 섹터로 내부 공간을 나누고 각 섹터별로 냉각팬을 장착했다. CPU 팬과 서멀 장치를 이중으로 구성하고, CPU의 위아래에 4개씩 메모리 슬롯이 있어서 효율적인 열 관리가 가능하다. 전반적으로 공기 흐름이 원활하도록 내부를 디자인하면서, 내부 컴포넌트를 손쉽게 탈부착 및 교체할 수 있게 했다”고 설명했다. 씽크스테이션 P8은 타워형 데스크톱 워크스테이션이면서 데이터센터에도 유연하게 적용할 수 있도록 랙 구성에 최적화됐다. 밀스펙 테스트를 거쳐 내구성과 안정성을 확보하고, ISV 인증을 통해 산업별 전문 소프트웨어를 안정적으로 사용할 수 있도록 한다. 이외에 원격으로 워크스테이션을 사용하도록 돕는 TGX 솔루션을 통해 원격 업무에 대응할 수 있게 했다.   ▲ 레노버는 효율적인 열 관리를 위해 씽크스테이션 P8의 내부를 디자인했다.   AI 시장에 대응해 워크스테이션 비즈니스 성장 추진 한국레노버의 신규식 대표는 “워크스테이션은 시뮬레이션을 통해 자연세계의 새로운 지식을 얻고 이를 산업에 적용하는 데에 중요한 역할을 하고 있다”면서, “특히 챗GPT가 등장하면서 워크스테이션 시장에서도 생성형 AI가 주요한 이슈로 떠오르고, 이에 대응하려는 노력이 강화되고 있다. 생성형 AI와 LLM(대규모 언어 모델) 등을 중심으로 워크스테이션 시장이 성장할 것으로 보인다”고 전했다. AI는 빠르게 발전하고 있으며 모든 기업이 AI 관련 활동을 확대하고 있다. 컴퓨팅 성능이 발전하면서 AI가 본격적으로 구현되고 있는 상황인데, AI 서비스를 배포하기 전에 워크스테이션으로 테스트를 하거나 서버와 데이터센터가 아닌 워크스테이션에서 AI 환경을 구현하려는 움직임도 확산되는 것으로 보인다. 레노버는 이런 흐름이 워크스테이션 시장에 긍정적인 영향을 줄 것으로 기대하고 있다. 신규식 대표는 레노버의 강점으로 글로벌 공급망과 함께 비즈니스 전략의 실행 능력을 꼽았다. 비슷한 전략이라도 하드웨어/소프트웨어 파트너 및 워크스테이션 전문 파트너와 협력해 효과적으로 실행할 수 있는 것이 레노버의 차별점이라는 설명이다. 또한 신규식 대표는 레노버의 워크스테이션 비즈니스가 꾸준히 성장하고 있다면서, 전반적인 성장 모멘텀을 확보해 올해는 시장 평균보다 높은 성장률을 목표로 삼고 있다고 전했다.     ■ 기사 내용은 PDF로도 제공됩니다.