• 회원가입
  • |
  • 로그인
  • |
  • 장바구니
  • News
    뉴스 신제품 신간 Culture & Life
  • 강좌/특집
    특집 강좌 자료창고 갤러리
  • 리뷰
    리뷰
  • 매거진
    목차 및 부록보기 잡지 세션별 성격 뉴스레터 정기구독안내 정기구독하기 단행본 및 기타 구입
  • 행사/이벤트
    행사 전체보기 캐드앤그래픽스 행사
  • CNG TV
    방송리스트 방송 다시보기 공지사항
  • 커뮤니티
    업체홍보 공지사항 설문조사 자유게시판 Q&A게시판 구인구직/학원소식
  • 디렉토리
    디렉토리 전체보기 소프트웨어 공급업체 하드웨어 공급업체 기계관련 서비스 건축관련 업체 및 서비스 교육기관/학원 관련DB 추천 사이트
  • 회사소개
    회사소개 회사연혁 출판사업부 광고안내 제휴 및 협력제안 회사조직 및 연락처 오시는길
  • 고객지원센터
    고객지원 Q&A 이메일 문의 기사제보 및 기고 개인정보 취급방침 기타 결제 업체등록결제
  • 쇼핑몰
[포커스] 코리아 그래픽스 2026, AI와 에이전트가 이끄는 크리에이티브의 미래 제시
[포커스] 케이던스, 물리 시뮬레이션-AI 결합한 엔지니어링 비전 제시
[케이스 스터디] AI 가상 벤치마킹 도입한 BMW 그룹
  • 전체
  • 기계
  • 건축
  • 그래픽
  • 기타
[케이스 스터디] 언리얼 엔진이 그리는 제조·시뮬레이션의 미래
데이터에 ‘경험’을 입히다   언리얼 엔진의 활용 범위가 게임 제작을 넘어 제조와 시뮬레이션 등 다양한 산업 현장으로 넓어지고 있다. 제품 설계 데이터를 가상 환경에 구현해 실제 제작에 앞서 성능과 사용성을 검토하고, 완성된 차량의 인포테인먼트에도 활용하는 방식이다. ‘언리얼 페스트 서울 2026’에서는 현대자동차의 상용차 개발 검증과 그랜저 인포테인먼트 적용, 모빌테크의 서킷 디지털 트윈 구축 사례를 통해 이러한 변화를 구체적으로 확인할 수 있었다. ■ 자료 제공 : 에픽게임즈   에픽게임즈가 지난 8월 20일~21일까지 개최한 이번 행사에는 약 5000명이 온·오프라인으로 참석했다. 게임, 미디어&엔터테인먼트, 제조 및 시뮬레이션 분야에 걸쳐 총 42개 세션이 진행됐으며, 언리얼 엔진의 기술 로드맵과 산업 현장의 제작·검증 사례가 폭넓게 다뤄졌다. 오프닝 키노트에서는 언리얼 엔진의 향후 발전 방향이 제시됐다. 행사에서는 언리얼 엔진의 기술 로드맵과 함께, AI 및 MCP를 활용해 반복 작업을 자동화하는 차세대 제작 워크플로가 소개됐다. 이러한 데이터 연결과 자동화의 흐름은 제조·시뮬레이션 세션에서 실제 산업 데이터를 처리하고 검증하는 사례로 구체화됐다. 키노트에서 강조된 연결성과 자동화는 제조 및 시뮬레이션 세션에서 실제 산업 데이터를 다루는 과정으로 구체화됐다. 현대자동차는 차량 설계 데이터의 처리 자동화와 개발 검증 경험을 공유했으며, 그랜저 인포테인먼트 적용 사례는 언리얼 엔진의 활용이 최종 사용자 경험까지 이어지고 있음을 보여줬다. 모빌테크는 라이다(LiDAR)로 취득한 현실 공간을 주행 가능한 디지털 트윈으로 구현하는 과정을 소개했다.   설계 데이터를 검증 자산으로 바꾼 차량 개발 파이프라인 현대자동차는 차량 설계 데이터를 실제 개발 검증에 활용한 경험을 공유했다. 현대자동차의 김홍용 상용버추얼개발팀 책임연구원은 ‘차량 3D 데이터에서 실시간 검증 콘텐츠까지 : 언리얼 엔진 기반 버추얼 차량 개발 파이프라인’ 세션에서 3D 설계 소프트웨어인 카티아(CATIA)로 제작된 차량 데이터를 언리얼 엔진으로 가져와 검증 콘텐츠로 전환하는 과정을 소개했다. 버스와 트럭은 수천 개의 부품을 설계한 뒤 하나의 풀카(full-car) 데이터로 취합한다. 이 데이터는 부품 간 간섭과 간극, 내·외 관 상품성, 조립성과 작업성, 정비 접근성 등을 실차 제작 전에 검토하는 데 사용된다. 현대자동차는 자유로운 인터랙션과 실시간 라이팅·반사, 멀티플랫폼 지원 등의 장점을 바탕으로 언리얼 엔진의 활용 범위를 넓혀왔다. 차량 설계 데이터를 언리얼 엔진으로 옮기는 과정에서는 메시 품질과 드로 콜, 방대한 메시 수량이 과제로 나타났다. 현대자동차는 CAD 데이터 변환 기술을 활용해 원본 카티아 데이터(CATPart)를 필요한 수준으로 테셀레이션하고, 분리된 서피스를 동일한 보디 단위로 병합했다. 차량 원본 파일 약 400개를 임포트하면 약 4만 3000개의 스태틱 메시가 생성되고, 병합 후에도 약 3300개가 남는다. 이를 효율적으로 처리하기 위해 파이썬 스크립트와 데이터프렙, 에디터 유틸리티 블루프린트를 결합한 자동화 파이프라인을 구축했다. 파이썬 스크립트는 CATPart 파일명에 포함된 파트명과 파트 번호, 시스템 분류 정보를 읽어 폴더 구조를 만들고 데이터를 순차적으로 불러온다. 방대한 설계 데이터를 분류하고 언리얼 엔진으로 가져오는 단계를 자동화한 것이다.   그림 1. 파이썬 스크립트로 CATPart 파일을 분류하고 순차적으로 불러오는 화면   데이터프렙은 과도하게 분리된 메시나 동일한 머티리얼을 사용하는 메시를 선별해 병합한다. 볼트와 용접점처럼 반복되는 소형 부품도 이 과정에서 통합했다. 한 사례에서는 약 1350개의 용접점 메시를 하나로 병합하면서 원본 애셋은 별도로 보관했다.   그림 2. 메시 병합과 분류를 마친 뒤 저장된 데이터프렙을 확인하는 화면   에디터 유틸리티 블루프린트는 분류 기준에 따라 메시를 신(scene)에 자동 배치하고 다수의 메시와 머티리얼 슬롯에 머티리얼을 일괄 적용한다. 액터와 원본 애셋의 이름도 동기화해 데이터 정리부터 배치와 표현까지 이어지는 작업을 효율화했다. 정리된 데이터는 실제 차량 개발 검증에 활용됐다. 버스 운전석에서는 글라스 형상에 따른 시야를 비교하고, 가상현실 체험 장비인 헤드 마운티드 디스플레이(HMD)를 이용해 신장이 다른 평가자도 가상 운전석에서 직접 시야를 확인하도록 했다.   그림 3. 에디터 유틸리티 블루프린트로 선택한 메시에 머티리 얼을 일괄 적용하는 메뉴   이층버스 엔진룸에서는 HMD를 착용한 평가자가 가상 공간에서 손을 뻗어 특정 부품에 접근할 수 있는지 확인했다. 좁고 복잡한 엔진룸의 작업 공간과 정비 접근성을 실차 제작 전에 검토한 사례다. 디지털 사이드미러 화면이 윈드실드에 반사되는 ‘얼비침’ 현상도 언리얼 엔진에서 재현했다. 모니터 위치와 각도, 글라스 곡률을 바꿔 가며 개선 효과를 비교하는 방식으로 실제 차량에서 발생할 수 있는 시야 방해 문제를 검토했다. 현대자동차의 사례는 차량 설계 데이터가 단순한 시각화 자료를 넘어 개발 의사결정을 지원하는 검증 자산으로 활용될 수 있음을 보여줬다. 실제 차량을 제작하기 전에 사람의 시야와 움직임에 따라 달라지는 문제를 직접 경험하고 검토할 수 있다는 점에서 의미가 있다. 이러한 활용은 차량 개발 단계를 넘어 실제 제품 경험으로도 이어지고 있다. 현대자동차는 그랜저 페이스리프트부터 언리얼 엔진을 인포테인먼트에 적용했다. 차량 개발 과정에서의 검증과 실제 차량의 사용자 경험을 모두 지원하는 사례다.   라이다 스캔부터 가상 주행까지, 실제 서킷의 디지털 트윈 구축 과정 현실 공간을 디지털 트윈으로 구현한 사례도 소개됐다. 모빌테크의 배정현 최고기술책임자(CTO)는 ‘실제 서킷을 언리얼 엔진으로 옮기기 : 라이다 스캔부터 디지털 트윈 구축까지’ 세션에서 길이 4.346km의 에버랜드 스피드웨이를 실시간 3D 환경으로 구현한 경험을 공유했다.   그림 4. 서킷의 공간 데이터를 취득하기 위해 라이다와 카메라 등을 탑재한 스캔 차량   그림 5. 서킷의 공간 데이터를 취득하기 위해 라이다와 카메라 등을 탑재한 스캔 차량   모빌테크는 라이다와 카메라 5대, 정밀 GPS 및 관성항법 데이터 측정 장비를 탑재한 차량으로 서킷을 반복 주행하며 3차원 점군(point cloud) 데이터를 취득했다. 보정과 1차 필터링을 마친 데이터는 약 31GB, 10억 포인트 규모였다. 이를 구역별로 나눠 블렌더와 3ds 맥스(3ds Max) 등의 제작 도구에서 건축물과 시설물을 모델링하고 텍스처를 제작했다. 언리얼 엔진에서는 나나이트(Nanite)로 고밀도 모델의 처리 부담을 줄이고 루멘으로 실시간 간접광과 반사를 구현했다. 절차적 콘텐츠 생성(PCG)으로 수목을 배치하고 비와 안개, 젖은 노면 등을 표현했으며, 카오스 비히클(Chaos Vehicle)을 적용해 직접 주행할 수 있는 환경을 완성했다. 해당 프로젝트의 RTX 4090 기반 테스트에서는 나나이트 적용 전 76.69FPS였던 프레임 속도가 적용 후 110.50FPS로 향상됐다. 배정현 CTO는 라이다가 현실 공간을 정밀하게 디지털화하는 데 효과적인 도구이지만 좋은 결과를 자동으로 보장하는 것은 아니라고 강조했다. 프로젝트의 목적에 맞춰 데이터의 정밀도와 시각적 품질, 실시간 성능 사이에서 적절한 균형을 찾는 것이 디지털 트윈 구축의 핵심이다.   그림 6. 언리얼 엔진으로 구현한 에버랜드 스피드웨이의 나나이트 적용 후 성능 테스트 화면   산업 현장의 개발과 검증 방식을 바꾸는 언리얼 엔진 현대자동차와 모빌테크의 사례는 서로 다른 산업 데이터가 언리얼 엔진을 통해 실제로 활용 가능한 자산으로 전환되는 과정을 보여줬다. 현대자동차는 차량 설계 데이터를 자동화된 파이프라인으로 정리해 개발 검증에 활용하고, 그랜저 인포테인먼트에도 언리얼 엔진을 적용했다. 모빌테크는 라이다로 취득한 현실 공간 데이터를 직접 주행할 수 있는 디지털 트윈으로 발전시켰다. 이들 사례에서 언리얼 엔진의 역할은 데이터를 사실적으로 보여주는 데 그치지 않는다. 현실 공간과 설계 데이터를 실시간으로 탐색하고 상호작용하며, 개발자가 문제를 발견하고 설계 변경의 효과를 판단할 수 있는 검증 환경으로 확장한다. 파이썬과 데이터 프렙, 에디터 유틸리티 블루프린트를 활용한 자동화는 방대한 산업 데이터를 반복적으로 처리하는 과정의 효율도 높였다. ‘언리얼 페스트 서울 2026’에서 공개된 사례는 현실과 설계 데이터를 연결하고, 이를 직접 경험하고 검증할 수 있는 환경으로 전환하는 언리얼 엔진의 역할을 보여줬다. 언리얼 엔진이 게임 제작 도구를 넘어 차량 개발 검증과 최종 제품 경험, 디지털 트윈을 아우르는 산업 개발 플랫폼으로 확장되고 있음을 확인할 수 있었다.     ■ 기사 내용은 PDF로도 제공됩니다.
정수진 작성일 : 2026-10-07 조회수 : 54
[케이스 스터디] AI 가상 벤치마킹 도입한 BMW 그룹
AI와 가상 부품 분해 기능을 통해 엔지니어링 효율 개선   BMW 그룹은 부품 검사 및 벤치마킹 과정의 물리적 한계를 극복하기 위한 설루션을 유니티와 협력하여 개발했다. 이 설루션은 복잡한 3D CAD 데이터를 기반으로 차량 부품을 가상 환경에서 자동으로 분해하고 고품질 이미지로 렌더링한다. 그리고, 여기에 생성된 시각 데이터와 부품 정보를 LLM(대규모 언어 모델)과 연계해 엔지니어링 분석과 설계 개선점을 빠르게 도출한다. BMW 그룹은 이를 통해 실물 분해 없이도 벤치마킹 속도를 높이고, 차량 개발 과정 전반의 비용 절감과 엔지니어링 효율을 개선하고 있다. ■ 자료 제공 : 유니티 코리아   자동차 엔지니어링 분야가 계속해서 진화하는 가운데, 제품의 복잡한 세부 사항을 이해하고 모든 구성 요소를 최적화하는 것이 그 어느 때보다 중요하다. 기존에는 실물 검사를 직접 수행해야 했는데, 이는 많은 리소스와 시간을 소모하며 확장성이 떨어지는 방식이다. 하지만 공구를 전혀 사용하지 않고도 자동차 부품을 분해할 수 있다면 어떨까? BMW 그룹 개발 전략 부서의 AI 기반 활동 테크니컬 프로젝트 리드인 사보 아사닌 박사는 바로 이 문제의 돌파구를 찾고자 했다. 목표는 자동차 부품의 철저한 기술적 분석을 통해 서로 다른 디자인 콘셉트를 비교하는 것이었다. 아사닌 박사의 팀은 유니티와의 협업을 통해 물리적 제약을 뛰어넘는 데 성공했다. 이 팀은 실시간 3D 데이터와 LLM을 결합하여 디자인 콘셉트 비교 및 벤치마킹 프로세스를 자동화하는 새로운 툴 ‘버추얼 테어타운 어시스턴트(Virtual Teardown Assistant)’를 개발했다.   디지털 확장으로 물리적 한계를 극복하다 아사닌 박사의 설명에 따르면 BMW 그룹은 오랫동안 주로 수동 검사를 통해 부품을 분석해 왔다. 엔지니어는 부품을 직접 검사하거나 데이터베이스를 검색해 필요한 정보를 얻었다. 유효한 방식이기는 했지만 많은 리소스와 시간이 소모되었으며 확장성도 부족했다. BMW는 방대한 CAD 데이터를 보유하고 있었으므로, 문제는 데이터 부족이 아니었다. 실질적인 문제는 데이터의 접근성과 해석이 었다. 여러 세대에 걸친 차량 부품의 형상을 비교하기 위해서는 상당한 인적 리소스가 필요했다. 바로 여기서 BMW 그룹의 3D 마인(3D Mine)이 기반이 되어 핵심적인 역할을 한다. 3D 마인은 조직의 누구나 3D 데이터를 쉽게 활용할 수 있게 지원하는 중앙 집중식 설루션 역할을 한다. 버추얼 테어타운 어시스턴트는 이를 기반으로 구축되었으며 지능형 자동화 기능도 제공한다. 이 툴을 개발한 목표는 차량 부품의 형상을 비교해 잠재적인 개선 사항을 자동으로 찾아내고, 부품 분석의 핵심 작업을 AI가 수행하도록 함으로써 높은 확장성을 확보하는 것이었다.   ▲ 차량 모델의 각 시스템에 레이블이 지정된 모습을 보여주는 예시(제공 : BMW 그룹)    핵심 기술 : 유니티 애셋 매니저 및 파이프라인 자동화 버추얼 테어타운 어시스턴트를 제작하기 위해서는 단순한 3D 모델이 아니라, 해당 모델의 구성 요소를 인식하고 이해하는 시스템이 필요했다. 이 워크플로는 차량 전체 모델과 같은 복잡한 CAD 데이터에서 시작된다. 먼저 시스템이 유니티 애셋 매니저(Unity Asset Manager)와 파이프라인 자동화(Pipeline Automation)를 사용하여 차량을 좌석이나 제동 장치 등의 하위 구성 시스템으로 분해한다. 아사닌 박사가 설명한 것처럼, 이 워크플로는 CAD 모델을 가져와 구성 부품으로 분해한 뒤 각 부품에 서로 다른 컬러 코드를 지정하고 에디터에서 흰 배경을 바탕으로 각각의 ‘사진’을 촬영하는 과정이다. 이 과정은 모두 자동으로 진행된다. 바로 여기서 유니티의 엔터프라이즈 설루션이 진가를 발휘한다. 유니티 애셋 매니저 기반의 3D 마인 : SSOT(Single Source of Truth)로서 선택된 3D 모델과 관련 메타데이터 파일을 불러온다. 파이프라인 자동화 : 핵심 작업을 처리한다. 데이터를 기반으로 부품을 분리하여 모든 나사와 브래킷까지 확인할 수 있는 분해도를 생성하며, 고품질의 분석용 이미지를 렌더링한다.  이렇게 생성된 이미지는 부품 번호 및 치수와 같은 중요한 메타 데이터가 포함된 BOM(자재 명세서)과 함께 LLM에 제공된다. AI는 분해도를 살펴보고 데이터를 읽어 엔지니어링 분석 결과를 제공하며 이를 통해 경량화, 비용 절감, 기능 개선 기회를 대규모로 파악해낸다.   지금까지 확보한 인사이트와 비용 절감 효과 아사닌 박사의 팀은 처음 POC(Proof of Concept)를 시작했을 때 AI가 시각 데이터를 어떻게 처리할지 확신하지 못했다. 이처럼 어떤 결과가 나올지 알 수 없었음에도 제한된 형상 정보만으로도 모델이 잘 작동한다는 사실에 개발팀은 고무되었다. AI는 유용한 인사이트를 제공했으며 형상 정보를 정확하게 이해했다. 개발팀은 이미 주요 시스템에서 긍정적인 결과를 거두고 있다. 이러한 효율 향상은 상당한 의미를 지닌다. BMW는 차량의 다양한 시스템에 대한 파이프라인을 자동화함으로써 효율성을 높이고 엔지니어링 분석을 가속화하고 있다. 버추얼 테어타운 어시스턴트를 조직 전체에 도입하면 여러 팀에서 콘셉트, 디자인, 공급업체 설루션을 더욱 신속하고 일관성 있게 비교할 수 있다. 덕분에 벤치마킹 속도가 높아지고, 엔지니어가 개발 초기 단계에서 가장 유망한 옵션을 파악하는 데 도움이 된다.   협력을 통한 혁신 버추얼 테어타운 어시스턴트의 성공은 BMW 그룹과 유니티 간의 더욱 긴밀해진 협력 관계를 잘 나타낸다. 단순히 소프트웨어를 도입하는 데 그치지 않고, 함께 설루션을 공동 개발하는 것이다. 아사닌 박사의 팀은 유니티와 긴밀히 협력하면서 유니티의 고객 담당 팀으로부터 기술적 전문 지식을 직접 지원받았다. 그 결과 개발팀이 원하는 대로 고품질의 부품 시각화 성능은 그대로 갖추면서 많은 사람이 쉽게 사용할 수 있는 플랫폼이 탄생했다. BMW의 최종 사용자, 즉 차량 설계에 관해 중요한 결정을 내리는 엔지니어에게는 백엔드의 복잡성이 노출되지 않는다. 이들은 파일을 변환하는 애셋 트랜스포머 SDK(Asset Transformer SDK)와 같은 유니티 설루션이나 백그라운드에서 실행되는 파이프 라인 자동화 스크립트를 볼 수 없다. POC에 대한 피드백은 긍정적이었으며, 다른 여러 팀에서도 이 툴을 폭넓은 차량 부품에 적용하기를 희망하고 있다.   기술 심층 분석 : 버추얼 테어타운 어시스턴트의 구현 방식 이 혁신적인 툴은 어떻게 만들어졌을까? 여기서는 유니티의 시니어 소프트웨어 개발 컨설턴트인 다니엘 비어위드가 버추얼 테어타운 어시스턴트를 탄생시킨 아키텍처, 기술, 엔지니어링적 접근법을 자세히 설명한다.   필수 구성 요소 버추얼 테어타운 어시스턴트는 유니티 애셋 매니저를 기반으로 하며, 이 확장 가능한 플랫폼을 통해 세밀한 분해도의 렌더링 과정을 간소화한다. 시스템은 자동화된 API를 통해 LLM 파이프라인에 직접 연결함으로써 출력 데이터를 손쉽게 전송한다. 이 설루션의 핵심은 유니티 파이프라인 자동화(Unity Pipeline Automation)이다. 시스템을 연결하고, 데이터를 변환하며, 3D 콘텐츠를 대규모로 업데이트하는 로코드 인터페이스이다. 파이프라인은 유연한 클러스터의 가상 머신에서 실행되며 이벤트, 일정 또는 온디맨드 방식을 통해 트리거될 수 있다. 유니티 애셋 트랜스포머 SDK는 프로세스를 가속화하며, 70개 이상의 3D 및 CAD 파일 형식을 지원한다. 이 SDK를 사용하면 애셋 수집, 최적화 및 표준화가 처리되므로 애셋을 어떠한 실시간 3D 워크플로에도 쉽게 통합할 수 있다.   ▲ 입력 데이터는 유니티 애셋 매니저에 업로드되어 버추얼 테어다운 파이프라인에 서의 협업을 위한 중앙 공유 저장소를 형성한다.(제공 : BMW 그룹)   중앙 집중식 디지털 애셋 관리 허브(여기서는 BMW 그룹의 3D 마인)는 모든 것을 체계적으로 정리하고 접근성을 높인다. 덕분에 여러 팀에서는 복잡한 실시간 3D 애셋을 한곳에서 검색하고 관리하면서 협업할 수 있으며, 이를 통해 생산 속도가 높아지고 확장 가능한 고품질의 디지털 경험을 구축할 수 있게 된다.   버추얼 테어타운 어시스턴트 파이프라인 단계 버추얼 테어타운 어시스턴트 파이프라인은 자동화된 데이터 처리, 시각화, AI 기반 인사이트를 결합하여 복잡한 3D 엔지니어링 모델 분석 프로세스를 간소화한다.   파이프라인 개요 이 워크플로는 모델 로드 액션(Model Load Action)이 유니티 애셋 매니저/3D 마인에서 선택한 3D 엔지니어링 모델을 JT 형식으로 불러오는 것으로 시작된다. 그와 동시에 시스템 필터 파일이 로드되어 전체 제품 모델 내의 특정 하위 시스템을 분리한다. 두 작업은 모두 그래픽 파이프라인 인터페이스를 통해 구성된다. 일반적인 활용처에서 파이프라인은 수천 개의 부품과 수백만 개의 폴리곤으로 구성되어 있으며, 완전한 엔지니어링 모델을 포 함한 수 기가바이트(GB) 이상의 JT 파일을 처리한다.   ▲ 애셋 검색 및 애셋 트랜스포머 실행이 이루어지는 파이프라인 단계로, 분해도를 분리하고 렌더링한다.   데이터 처리 및 변환 애셋 매니저에서 모델이 로드되면, 파이프라인이 애셋 트랜스포머 SDK가 설치된 가상 머신에서 실행되는 커스텀 파이썬(Python) 스크립트를 통해 주요 작업을 처리한다. 이 스크립트는 전체 JT 모델을 로드한다. 애셋 트랜스포머 SDK는 이전 파이프라인 단계에서 CSV 파일로 가져온 필터 테이블을 사용하여 데이터 세트의 개별 부품에 필터링 메커니즘을 적용하고, 관련 시스템 부품을 분리하는 데 사용된다. 다음으로 SDK 알고리즘을 통해 머티리얼 프로퍼티를 추출하고 조정하여 각 부품에 고유한 색상을 지정함으로써 명확하게 시각적으로 구분할 수 있도록 한다. 이는 레이블이 지정된 부품 정보로, BOM 및 형상 프로퍼티와 함께 LLM이 차량 모델을 분석하는 데 활용된다.   ▲ 차량 모델의 전면 차축 시스템에 레이블이 적용된 모습을 보여주는 예시(제공 : BMW 그룹)   분리된 부품들은 계층적 관계와 형상적 관계를 모두 고려하는 커스텀 알고리즘을 사용하여 분해된다. LLM을 이용한 시각적 분석을 위해서는 부품들이 적절하게 분리되어 있어야 하며 캡처 카메라에 명확하게 보여야 한다. 애플리케이션은 파이프라인 인터페이스를 통해 커스텀 설정을 분해 및 렌더링 레시피로서 적용하여, 제품 및 시스템 특성에 따라 파이프라인 설정을 동적으로 수정할 수 있다. 애셋 트랜스포머 SDK는 레이블이 지정된 시스템의 분해도를 처리 파이프라인의 일부로 렌더링하는 데 사용되는 클라우드 렌더링 기능을 제공한다. 이렇게 생성된 시각적 데이터는 인적 검토와 AI 분석 모두의 기반이 된다.   ▲ 전면 차축 시스템의 분해도 렌더링 예시. 분리된 시스템(왼쪽)과 생성된 분해도 (오른쪽)를 확인할 수 있다.(제공 : BMW 그룹)   데이터 익스포트 및 AI 분석 또한 커스텀 스크립팅 함수는 BOM을 모든 시스템 부품에 대한 메타데이터가 포함된 CSV 파일로 내보내며, 애셋 트랜스포머 SDK 함수를 사용하여 각 부품의 형상적 특성을 계산한다. BOM은 렌더링된 분해도와 함께 3D 마인에 저장된다.   ▲ 전면 범퍼 시스템 분해도의 렌더링 예시. 분리된 시스템(왼쪽)과 생성된 분해도 (오른쪽)를 확인할 수 있다.(제공 : BMW 그룹)   이제 AI가 작업을 이어받는다. 파이프라인 자동화 인터페이스가 다음과 같이 LLM에 HTTP 요청을 전송하여 분해도, BOM, 시스템 설명을 제공한다. 먼저 파이프라인 단계에서 렌더링된 이미지와 BOM을 시스템 설명, LLM 지침, 프롬프트와 함께 요청 본문에 인코딩하여 LLM 요청에 대한 페이로드를 생성한다. LLM은 입력 데이터를 종합적으로 분석한 후, 설계 구조 관련 주요 인사이트, 소재 및 부품 결합 전략, 제조 가능성 평가, 1차 성능 KPI 추정치, 신뢰도 평가가 포함된 가정, 설계 개선 제안 등이 포함된 텍스트 파일을 반환한다.   ▲ API를 통해 LLM 파이프라인과의 연결을 설정하여 파이프라인 출력 데이터를 수동 개입 없이 전송할 수 있게 하는 버추얼 테어타운 어시스턴트 파이프라인 단계   결과와 영향 파이프라인의 마지막 단계에서는 AI가 생성한 벤치마크 보고서와 레이블이 지정된 분해도를 애셋 매니저에 다시 업로드하여 직원들이 중앙 집중식으로 참조할 수 있게 한다. 이를 통해 부품을 실제로 분해하기도 전에 일찌감치 벤치마크를 확인할 수 있다. 버추얼 테어타운 어시스턴트 파이프라인은 복잡한 CAD 처리 및 시각화 작업을 자동화하는 한편, AI 기반 인사이트를 통합하여 초기 제품 분석에 활용할 수 있는 툴을 제공한다. 확장 가능한 파이프 라인 자동화, 실시간 렌더링, 고급 LLM 평가 기능의 결합으로 실제 활용 가능한 엔지니어링 벤치마크를 도출하는 데 필요한 시간과 비용을 절감할 수 있다.   향후 전망 살펴보기 현재 버추얼 테어타운 어시스턴트는 실제로 배포되고 있으며, 주요 시스템에 대해 일관된 렌더링 결과를 제공한다. 하지만 아사닌 박사 팀의 여정은 이제 막 시작되었을 뿐이다. 이들의 계획은 향후 2년 동안 시스템의 확장성을 최적화하고 BMW의 CAD 저장소와 같은 내부 시스템에 툴을 직접 연결하는 것이다. 이를 통해 다양한 각도에서 사진을 촬영하여 더욱 세밀하게 분석하고, 특정 부품을 집중적으로 분석하여 품질을 개선할 수 있다. 아사닌 박사의 팀은 비전 알고리즘과 대규모 언어 모델을 결합하는 것이 확장성을 위한 관건임을 파악했다. 비슷한 설루션 도입을 고려하는 기업에 전하는 메시지는 분명하다. 실제 문제를 선택하고, 신속하게 POC를 완료한 후 결과를 통해 가치를 입증해야 한다는 것이다. 전략도 중요하지만, 실질적 효과를 입증하는 것만큼 조직을 효과적으로 설득할 수 있는 방법은 없다. 일단 가시적 효과가 나타나면, 비즈니스 측에서 먼저 자연스럽게 확장을 원하게 될 것이다. BMW 그룹은 유니티의 생태계를 활용하여 단순히 차량을 시각화하는 데 그치지 않고, AI에게 자동차에 대한 이해를 학습시킴으로써 더욱 스마트하고 신속하며 데이터 중심적인 차량 엔지니어링의 미래를 만들어 가고 있다.     ■ 기사 내용은 PDF로도 제공됩니다.
정수진 작성일 : 2026-10-07 조회수 : 61
[핫윈도] 2026 국내 스마트 건설 DX 현황 분석 리포트
AI와 BIM이 이끄는 건설산업의 대전환   캐드앤그래픽스는 ‘스마트 건설 DX 가이드’ 책자 발간 기념으로 국내 스마트 건설 및 DX(디지털 전환)에 관심이 있는 관련 종사자 703명을 대상으로 설문조사를 실시했다. 이번 조사는 국내 건설산업의 디지털 전환 수준과 BIM 활용 현황, AI 도입, 향후 투자 방향 및 산업 과제를 종합적으로 파악하기 위해 진행됐다. ■ 최경화 국장   스마트 건설 DX, 선택이 아닌 생존 전략 건설산업은 지금 거대한 변화의 중심에 서 있다. 설계와 시공, 유지관리 전 과정이 디지털 기술을 중심으로 재편되면서 산업의 경쟁력 기준도 빠르게 달라지고 있다. 과거에는 경험과 기술력이 경쟁력을 좌우했다면, 이제는 데이터를 얼마나 효과적으로 축적하고 활용하는지가 기업의 생산성과 경쟁력을 결정하는 핵심 요소가 되고 있다. 이러한 변화의 중심에는 BIM(건설 정보 모델링), 인공지능(AI), 디지털 트윈, 클라우드 협업, IoT, 자동화 기술 등이 있다. 각각의 기술은 독립적으로 발전하는 것이 아니라 하나의 디지털 생태계를 구성하며 설계와 시공, 운영 전반의 혁신을 이끌고 있다. 정부도 스마트 건설 DX(디지털 전환) 활성화를 국가 전략으로 추진하고 있다. 공공사업 BIM 적용 확대와 스마트 건설기술 개발, 디지털 트윈 구축, 건설정보 표준화 등을 추진하며 산업 전반의 디지털 전환을 지원하고 있다. 이에 맞춰 건설사와 엔지니어링 기업들도 단순한 소프트웨어 도입을 넘어 데이터 기반 업무혁신을 적극 추진하고 있다. 이번 조사에는 실제 스마트 건설 프로젝트를 수행하는 실무자의 의견이 폭넓게 반영됐다. 응답자의 직무를 살펴보면 엔지니어가 49.1%로, 전체 응답자의 약 절반이 실제 설계와 시공, 엔지니어링 업무를 담당하는 실무자였다. 경영진의 비중도 15.1%로 높아 현장과 경영 양측의 시각을 함께 확인할 수 있었다. 응답자의 산업 분야를 살펴보면 건축·건설 분야가 44.2%로 가장 큰 비중을 차지했다. 이어 토목 16.1%, 플랜트 15.2%, 전기전자·반도체 12.8%, 시각화·그래픽 7.7%, 산업용 장비 6.5%, 자동차 5.4% 순으로 조사됐다.(복수응답) 다양한 산업 분야의 응답자가 참여한 것은 스마트 건설 DX가 건축·건설 분야를 넘어 다양한 산업과 연계되는 흐름을 보여주는 것으로 해석할 수 있다. 응답자들의 업무 관련 관심분야를 살펴보면 CAD·3D 모델링이 58.6%로 가장 높은 비중을 차지했다. 이어 AI·머신러닝·빅데이터 38.1%, VR·AR·XR 18.3%, 시스템 통합(SI) 18.2%, CAE 16.2%, IoT 12.4%, PLM 11.2% 순으로 나타났다. 다양한 기술에 대한 관심도가 높다는 것은 스마트 건설이 단일 기술이 아니라 여러 디지털 기술이 융합되는 방향으로 발전하고 있음을 시사한다.   스마트 건설 DX 사용 기업 및 유저 대상 설문조사 전체 응답자 중 ‘스마트 건설 DX 사용 기업 및 유저 대상’ 설문 조사는 스마트 건설 DX 및 BIM 기술을 활용 중인 국내 건설·엔지니어링·시공 분야 종사자 253명을 대상으로 진행되었다.   건설 분야 사용자 기업 및 유저 설문 현황 설문 참가자들의 주요 분야는 시공사(30.4%), 종합설계사(28.1%), BIM 컨설팅/엔지니어링(27.3%), 건축설계사(16.2%) 순으로 집계되었다. 스마트 건설 DX를 추진 중인 기업들의 매출 규모 분석 결과, ‘5000억 원 이상’의 대형 기업이 36.8%로 가장 높은 비중을 차지했다. 한편 ‘10억 원 미만’의 소규모 기업도 9.9%를 나타내며 기술 도입을 시도하고 있으나, 10억~100억 원대 중소 규모 기업 구간은 각각 5~7%대에 머물렀다. 이는 BIM 기술 도입 및 DX 인프라 구축에 필요한 초기 투자 비용과 전문 인력 유지비용이 중소기업에게는 여전히 높은 진입장벽으로 작용하고 있음을 반증한다. 응답 기업의 직원 수 기준 분석에서도 기업 매출 규모와 동일한 궤의 양극화 경향이 관찰되었는데, 1000명 이상의 대규모 조직이 전체의 43.4%를 차지하는 것으로 조사되었다. 인력 인프라가 풍부한 대형 기업일수록 BIM 전담 조직 구성 및 디지털 툴 보급이 원활한 만큼, 상대적으로 인력난과 교육 인프라 부족을 겪는 중소· 중견기업을 위한 맞춤형 DX 기술 지원 및 컨설팅 프로그램 확대가 필요한 것으로 보인다.   설계 툴 사용 현황 설문 응답자들의 건설 및 설계 현장에서 사용 중인 설계 툴 현황(중복 응답)을 조사한 결과, 전체 응답자의 67.6%가 ‘BIM을 적용 중’이라고 답해 스마트 건설 DX의 핵심으로서 BIM의 보급이 상당 수준 이루어졌음을 확인시켰다. 그러나 여전히 ‘2D CAD와 3D CAD를 모두 사용 중’이라는 응답이 46.6%, ‘2D CAD만 사용 중’이라는 응답이 22.9%에 달해, 완전히 BIM 기반으로 일하는 방식이 전면 교체되었다기보다는 전통적인 2D CAD 작업과 BIM 3D 작업이 혼용되는 과도기적 단계에 머물러 있는 것으로 풀이된다.     BIM 사용 현황 및 전망 응답 기업 및 유저의 BIM 기술 사용 수준을 파악한 결과, ‘중급(어느 정도 실무 활용 가능)’이 28.5%로 가장 높았으며, ‘전문(능숙 활용, 프로젝트 조율 가능 단계)’이 23.3%, ‘초급’이 20.9%로 집계되었다. ‘고급(실무 능숙 활용)’은 15.0%를 기록했다. 초급과 중급을 합산한 중급 이하 숙련도 인력이 전체 응답자의 절반에 가까운 49.4%에 달하며, 복합 프로젝트를 전반적으로 조율할 수 있는 전문 단계는 23.3% 수준에 머물러 있다. 이는 BIM 기술의 단순 라이선스 도입을 넘어, 고급·전문 역량을 갖춘 실무형 리더급 인재 양성을 위한 교육 프로그램 체계화가 시급함을 시사한다.     건설/토목 관련 유저 업체의 BIM 소프트웨어 실제 적용 현황을 묻는 질문에 ‘현재 사용 중’이라는 응답이 67.2%를 기록하며 건설 산업 내 BIM 실무 적용이 대세로 자리잡았음을 보여주었다. 또한 ‘도입을 검토 중’(12.3%) 및 ‘향후 도입할 계획’(7.9%)이라는 응답을 합산하면 전체 응답자의 87.4%가 BIM을 현재 사용하거나 도입을 긍정적으로 검토·추진하고 있는 것으로 집계됐다.     정보 활용 성숙도에 따른 BIM 기술 단계(BIM 사용자 그룹) 분석 결과, BIM 모델을 통해 통합 정보를 구축·활용하는 ‘통합 BIM(Integrated BIM)’ 단계가 38.7%로 가장 높게 나타났다. 그러나 2D 도면을 기반으로 3D 모델로 전환하는 수준인 ‘전환 BIM(2D-3D Conversion BIM)’ 역시 33.6%로 높은 비중을 차지했다. 2D와 3D를 병행하는 ‘투 트랙 BIM’도 13.8%를 기록했다. ‘커넥티드 BIM’(4.3%)이나 단순히 뷰어 위주로 활용하는 ‘시각 BIM’(4.0%)에 비해, 시장은 전환 BIM에서 통합 BIM으로 발전하는 단계에 있는 것으로 분석된다.     BIM을 원활하게 활용하지 못하거나 장애가 되는 걸림돌(중복 응답)에 대한 조사 결과, ‘전문 인력 부족’이 36.8%로 가장 심각한 걸림돌로 지목되었다. 뒤이어 ‘BIM 소프트웨어 도입 비용 부담’이 22.9%, ‘발주처에서 BIM 요구가 없음’이 19.4%를 기록했다. 그 외에도 ‘기존 도면/프로세스와의 연계 문제’(15.4%), ‘BIM 발주처의 불명확한 요구사항 및 업무범위’(13.8%), ‘사용 방법 어려움’(13.0%) 등이 지적됐다. 단순히 툴을 구매하는 비용 문제보다, 이를 실제 프로젝트에서 운용할 숙련된 인력 확보와 현장 업무 프로세스 개편의 어려움이 기업들에게 더 큰 압박으로 작용하고 있음을 보여준다.     BIM 기술의 향후 발전 방향 및 산업 내 중요도 전망에 대해서는, 응답자의 55.7%가 ‘매우 중요하게 성장할 것’이라고 답했으며, 32.8%가 ‘다소 성장할 것’이라고 전망했다. 전체 응답자의 88.5%가 BIM의 향후 중요도와 성장 가능성을 긍정적으로 평가한 것이다. ‘현재 수준에서 유지될 것’이라는 응답은 9.1%, ‘중요성이 낮아질 것’이라는 의견은 0.8%에 불과했다. 건설 산업 DX의 불가피한 흐름 속에서 BIM이 중심 기술로서 자리를 확고히 잡을 것이라는 점에는 산업계 전체가 강력한 공감대를 형성하고 있다.     BIM 구축과 생태계 확대를 위해 가장 필요한 요소(5순위 누적 가중치 분석) 조사 결과, ‘경영진의 의지와 BIM에 대한 이해’가 누적 가중치 647점으로 가장 높게 평가되었다. 이어 ‘BIM 관련 산업 표준화’(416점), ‘BIM 관련 전담 인력 및 조직 확보’(325점), ‘BIM 관련 기술 개발 및 성능 향상’(271점), ‘비용 절감 및 ROI 명확성’(247점), ‘BIM 설루션 도입/유지 비용 인하’(237점) 순으로 나타났다. 실무진의 기술 습득뿐만 아니라, 기업 최고경영진의 강력한 DX 추진 의지와 함께 국가 및 산업 차원의 명확한 BIM 가이드라인·표준화 구축이 선행되어야만 BIM의 성공적인 정착이 가능할 것으로 분석된다.     이번 조사 결과는 국내 건설업계에서 BIM 도입 자체는 이미 상당한 수준에 도달했음을 보여준다. 그러나 앞으로 기업 간 경쟁력을 좌우할 요소는 단순한 도입 여부가 아니라 BIM을 얼마나 깊이 있게 활용하고 AI·클라우드·디지털 트윈과 연계할 수 있는지에 달려 있다. 또한 BIM은 더 이상 설계 부서만의 도구가 아니다. 프로젝트 참여자 간 협업을 지원하고, 데이터를 통합 관리하며, AI 기반 분석과 자동화의 기반이 되는 핵심 플랫폼으로 진화하고 있다. 향후 스마트 건설의 성패는 BIM 데이터를 얼마나 체계적으로 구축하고 활용하느냐에 의해 결정될 가능성이 크다.   스마트 건설 DX 투자 및 기술 도입 동향 건설 기업들이 향후 1년 이내에 가장 집중적으로 투자하고자 하는 건설 DX 분야를 조사한 결과(중복 응답), ‘BIM(설계/시공 통합)’이 54.2%로 1위를 차지했다. 그 뒤를 이어 ‘AI(설계/자동화/분석)’가 47.8%를 기록하며 높은 투자 수요를 나타냈다. 이 외에도 ‘디지털 트윈’이 27.7%로 3위를 차지했으며, 3D CAD(12.6%), VR/AR/XR(9.1%), 투자 계획 없음(8.7%), PDM/PLM(7.5%), 3D 스캐닝(6.3%) 순으로 조사됐다. 이는 건설 산업이 단순 3D 모델링 단계를 넘어, AI를 통한 자동화 분석과 디지털 트윈 기반의 실시간 현장 관리 기술로 투자의 중심축을 이동시키고 있음을 보여준다.     건설 DX 시스템 구축을 위한 구체적인 투자 시기를 묻는 질문에서, ‘2년 이내’에 투자를 집행하겠다는 응답이 32%로 가장 높게 나타났다. 이어 ‘1년 이내’가 19.4%, ‘6개월 이내’가 9.5%를 차지했다. 전체 응답자의 60.9%가 향후 2년 이내에 DX 관련 투자를 본격화하겠다고 답해 단기·중기적 관점에서의 시스템 구축 의지가 명확히 확인되었다. 반면 ‘도입 계획이 없다’는 응답은 24.5% 수준이었으며, 이는 기술 도입의 불확실성이나 초기 예산 확보의 어려움 때문인 것으로 풀이된다. 건설 DX 관련 소프트웨어 및 설루션 구매 시 선호하는 라이선스 방식을 조사한 결과는, ‘서브스크립션(구독형)’ 방식이 49%를 기록하며 ‘영구 버전(43.1%)’을 앞질렀다. 과거 자산 형태로 소유하는 영구 라이선스를 선호하던 건설 업계의 관행에서 벗어나, 지속적인 업데이트와 초기 도입 비용 부담을 줄일 수 있는 SaaS 및 구독 모델이 시장의 주류 구매 형태로 자리 잡아가고 있는 것으로 보인다.     조직 내에서 현재 가장 중요하게 고려하거나 투자 중인 기술 요소(3순위까지 선택, 누적 가중치 분석) 조사에서는 ‘BIM 기반 설계 및 4D/5D 활용’이 누적 가중치 1293점으로 최우선 과제로 꼽혔다. 이어 ‘AI/빅데이터 기반 공정 최적화/분석’이 1137점으로 2위에 올랐으며, ‘클라우드 및 데이터 플랫폼 구축’(781점), ‘디지털 트윈’(595점), ‘현장 안전 관리 및 모니터링 시스템’(358점), ‘건설 로봇 및 자동화 장비 도입’(313점) 순으로 집계되었다. 단순 3D 형상 설계를 넘어 공정(4D) 및 내역/비용(5D) 관리, 그리고 AI 연계 데이터 분석에 대한 실질적 니즈가 매우 높음을 나타낸다.     조직의 건설 DX 추진 현황 단계를 파악한 결과, ‘개념 정립 및 전략 수립 단계’가 36%로 가장 높은 비중을 차지했다. 그 다음으로 ‘파일럿 프로젝트/부분 도입 단계’가 28.5%로 나타났다. 반면 ‘전사적 도입 및 확산 단계’는 15.0%, 지속적 개선과 혁신이 이뤄지는 ‘성숙 단계’는 4.0%에 머물렀으며, ‘추진하고 있지 않다’는 응답도 16.6%에 달했다. 절반 이상이 전략 수립 또는 파일럿·부분 도입 단계에 머물러 있어, 국내 건설 DX는 본격적인 전사 확산 단계로 넘어가기 위한 과도기에 있는 것으로 분석된다.     스마트 건설 DX 기술 전망 및 애로사항 건설 DX와 관련해 향후 가장 주목할 만한 핵심 기술을 조사한 결과(최대 3개 복수 선택), ‘인공지능/에이전틱 AI/피지컬 AI’가 77.4%로 압도적인 1위를 차지했다. 이어 ‘디지털 트윈’이 46.9% 로 2위, ‘생성형 설계(제너레이티브 디자인)’가 42.1%로 3위에 올랐다. 이 외에도 공통 데이터 환경(CDE, 23.0%), 시공 자동화/로보틱스(22.0%), 탈현장 공법(OSC/모듈러, 14.2%), 증강현실 시각화(9.2%), 드론/LiDAR 스캐닝(9.0%), IoT 센서(8.5%) 순으로 집계됐다. 건설 업계가 단순한 3D 가시화를 넘어 AI 및 실시간 시뮬레이션 기술을 미래 핵심 성장 동력으로 명확히 인식하고 있음을 보여준다.     인공지능 기술이 향후 3년 내 건설 엔지니어의 업무를 어느 정도 대체하거나 보조할 것인지 물어본 결과, 응답자의 56.6%가 ‘단순 반복 업무의 상당 부분을 자동화할 것(획기적 효율 증대)’이라고 답했다. ‘공기·비용 최적화 등 의사결정을 지원하는 수준의 보조적 역할을 할 것’이라는 응답도 33.0%를 기록하여, 전체 응답자의 89.6%가 AI가 엔지니어의 실질적인 업무 효율을 끌어올리는 강력한 도구가 될 것으로 내다봤다. 반면 ‘데이터 정리 등 일부 업무에 한해 쓰일 것’(8.5%)이나 ‘현장 특성으로 도입 효과가 미미할 것’(1.8%)이라는 회의적 시각은 소수에 불과했다.     스마트 건설 DX 추진 과정에서 업계 실무자들이 느끼는 문제점과 애로사항(주관식 응답)을 종합 분석한 결과, 가장 큰 걸림돌로는 ‘정량적 ROI(투자 대비 효과) 산출의 어려움’과 ‘국가/산업 차원의 표준화 체계 미비’, ‘현장 사용성 저하’ 등이 지적됐다. 실무자들은 기술 도입 비용 대비 직접적인 수익성이 명확하지 않아 경영진을 설득하기 어렵고, 기업/프로젝트마다 표준화된 가이드라인과 데이터 체계가 없어 단편적인 활용에 그치고 있다고 지적했다. 아울러 아무리 고도화된 시스템이라도 실제 현장 실무자가 쓰기 불편하면 외면받는 만큼, 직관적이고 쉬운 UI/UX 구현과 전문 인력 교육 지원, 발주자의 디지털 전환 의지가 선결되어야 한다는 의견이 지배적이었다.   맺음말 : 스마트 건설의 경쟁력은 ‘데이터 활용 능력’ 이번 캐드앤그래픽스 설문조사는 국내 스마트 건설이 기술 도입 단계를 넘어 활용과 고도화 단계로 진입하고 있음을 보여준다. BIM은 이미 업계의 핵심 인프라로 자리 잡았으며, AI와 디지털 트윈은 이를 기반으로 새로운 가치를 창출하는 기술로 빠르게 확산되고 있다. 동시에 전문인력 확보와 데이터 표준화, 조직 문화 개선, 공공 발주 체계 개선 등 해결해야 할 과제도 있는 것으로 보인다. 스마트 건설의 미래는 단순히 최신 기술을 도입하는 데 있지 않다. 데이터를 표준화하고, 프로젝트 전 과정에서 이를 연결하며, AI를 통해 새로운 가치를 창출하는 기업이 미래 건설산업의 경쟁력을 확보하게 될 것이다. 국내 건설산업은 DX를 넘어 AI 활용을 통해 AX 시대로 나아가는 중요한 전환점에 서 있다. 앞으로는 기술 자체보다 데이터를 활용하는 역량과 이를 조직 전체의 경쟁력으로 연결하는 실행력이 기업의 지속 가능한 성장을 좌우할 핵심 요소가 될 것이다.     ■ 기사 내용은 PDF로도 제공됩니다.
최경화 작성일 : 2026-10-07 조회수 : 67
[포커스] 코리아 그래픽스 2026, AI와 에이전트가 이끄는 크리에이티브의 미래 제시
올해로 열네 번째를 맞은 ‘코리아 그래픽스 2026’이 지난 9월 10일 온라인으로 진행됐다. 올해 행사는 ‘크리에이티브의 확장, 피지컬 AI와 에이전트가 만드는 미래’라는 주제 아래, 제품 디자인부터 건축 시각화, 3D 프린팅 기술을 아우르는 최신 트렌드를 짚었다. ■ 정수진 편집장     인공지능(AI)의 고도화는 기업 조직을 ‘AI 네이티브’로 재편하고 있으며, 실무 밀착형 도구와 AI CAD 기술의 결합을 통해 설계 생산성을 높이고 있다. 캐드앤그래픽스 최경화 국장은 개회사에서 현실 세계를 인식하고 물리적 환경과 상호작용하는 피지컬 AI와 주도적으로 업무를 해결하는 AI 에이전트가 결합해, 산업 전반의 자율적 혁신을 이끄는 새로운 시대가 열리고 있다고 짚었다. 올해 코리아 그래픽스 행사를 관통하는 중심축으로 ‘AX 디자인과 인간 맥락의 결합’ 및 ‘피지컬 AI와 자율형 에이전트가 주도하는 현장 혁신’을 짚은 최경화 국장은 “도구가 아무리 진화하더라도 결국 경쟁력의 본질은 기계적 프롬프트가 아니라 건축가와 디자이너가 평생에 걸쳐 쌓아온 고유의 콘텍스트”라고 강조하면서, “이번 코리아 그래픽스가 비즈니스와 창의적 연구의 새로운 지평을 여는 출발점이 되기를 기대한다”고 전했다.   시스템 설계자로 진화하는 AX 디자이너 서울미디어대학원대학교의 유훈식 교수는 ‘크리에이티브 시스템 디자인 : AGI 시대를 준비하는 AX 디자이너’를 주제로 기조연설을 진행했다. 디자인 패러다임은 인공지능 시대를 맞아 근본적인 전환을 맞고 있다. 이에 따라 전통적인 사용자 경험(UX) 중심 시대를 지나, 이제는 기업 시스템 전체를 인공지능 중심으로 재편하는 AI 네이티브 조직으로 탈바꿈해야 한다는 것이 유훈식 교수의 진단이다. 유훈식 교수는 “에이전트 직원들이 실무를 잘 담당할 수 있는 환경을 만들어 주는 것이 중요하다”고 강조하면서, 단순 도구 활용을 넘어 자율형 에이전트와 협업하는 시스템 구축을 핵심 과제로 제시했다. 이를 실현하기 위해서는 마크다운 표준을 기반으로 사내 지식을 체계화하는 ‘LLM 위키’ 구축이 필수로 꼽힌다. 데이터를 폴더가 아닌 연결 중심의 로컬 자산으로 관리할 때, 자율형 에이전트가 높은 디자인 생산성과 고품질 산출물을 완성하는 에이전트 OS 환경이 열린다는 것이다. 유훈식 교수는 “결국 미래의 디자이너는 직접 요소를 그리는 수준을 넘어, 에이전트가 최적의 창의성을 발휘하도록 시스템을 설계하는 ‘AX(인공지능 전환) 디자이너’로 진화해야 한다”고 짚었다.   ▲ 서울미디어대학원대학교 유훈식 교수   실시간 시각화와 3D 공간 추론으로 엔지니어링 혁신 카오스코리아의 신동근 팀장은 ‘건축 및 인테리어 디자이너를 위한 가장 현실적인 AI 가이드 Chaos Veras’에 대해 소개했다. 건축 및 인테리어 시각화 분야에 특화된 차세대 AI 설루션 베라스(Veras)는 2D 스케치나 3D 모델을 실시간으로 사실적인 렌더링 이미지로 전환하며, 다양한 디자인 콘셉트와 자재 특성을 신속하게 탐색하도록 지원한다. 특히 카메라 구도가 변경되어도 공간 구성 요소를 고정하는 ‘디자인 락’과 원하는 부위만 초고속으로 수정하는 ‘스마트 셀렉션’이 핵심 기능이다. 신동근 팀장은 “AI 이미지가 단순히 픽셀 덩어리로 끝나지 않고 CAD 툴의 3D 자산으로 다시 기록되는 양방향 워크플로를 완성하는 것이 중요하다”고 강조했다. 또한 “아이디어 구상부터 실시간 렌더링, 애니메이션 비디오 생성까지 하나로 연결되는 베라스는 크리에이터의 업무 생산성을 획기적으로 높이는 실무 가이드가 될 수 있다”고 전했다.   ▲ 카오스코리아 신동근 팀장   에스엘즈의 정재헌 대표는 ‘3D 공간 추론 AI 에이전트와 자율 라우팅 벤치마크 공개’를 주제로 발표했다. 숙련 엔지니어 부족으로 인한 설계 병목이 산업계의 당면 과제로 꼽힌다. 이에 대응하고자 에스엘즈는 EDA(전자 설계 자동화) 분야의 설계 원리를 건축 및 플랜트 설비 배관(MEP) 설계에 접목한 머신러닝 학습 모델을 구축했다. 이를 통해 다양한 저작 소프트웨어 간에 형상과 속성 정보의 손실 없이 고속 데이터 전환을 지원하고, 3차원 공간 속 가치를 점수화해서 장애물을 회피하는 최적 배관 경로를 실시간 생성할 수 있게 됐다. 정재헌 대표는 “현장 실증 결과, 숙련 엔지니어 두 명이 석 달 넘게 소요하던 설계를 단 이틀 만에 마칠 수 있었다”면서, “낮에는 에이전트와 일하고 사람이 퇴근하면 에이전트끼리 자율적으로 일을 해서 디지털 트윈 데이터가 실시 설계 수준까지 완결되는 ‘다크 오피스 체계’를 구상하고 있다”고 소개했다.   ▲ 에스엘즈 정재헌 대표   제조 현장 자율화를 이끄는 AI·3D 플랫폼 유비씨 AI센터의 정현석 이사는 ‘다크 팩토리가 그리는 미래의 전제, 온톨로지 기반 디지털 트윈과 에이전트 오케스트레이션’을 주제로, 완전 자율 제조의 실현 방안을 소개했다. 완전 자율 생산을 뜻하는 ‘다크 팩토리’를 완성하려면 AI가 현실 환경을 인식하고 행동하는 에이전틱 AI와 피지컬 AI로 진화해야 한다. 이를 훈련시킬 가상 세계는 단순한 시각 충실도를 넘어 물리적 법칙과 의미 관계를 반영하는 시뮬레이션 충실도를 확보해야 한다. 특히 AI가 데이터의 맥락을 이해하도록 지식 구조화 기술인 온톨로지(ontology)를 적용하는 것이 중점으로 꼽힌다. 정현석 이사는 “제조 AI의 출발점은 자율적인 지능이 아니라 믿을 수 있는 제어”라면서, “이를 위해 정해진 워크플로 안에서 AI 모델을 정교하게 제어하고 통제하는 ‘에이전트 오케스트레이션’ 체계를 구축해야 한다”는 해법을 제시했다.   ▲ 유비씨 AI센터 정현석 이사   나니아랩스의 서민식 CTO는 ‘생성형 AI를 넘어 에이전틱 AI로 : 제조업 설계 프로세스의 다음 단계’ 발표를 통해, 제조업 설계가 최적 설계와 생성형 설계를 거쳐 자율 설계 시대로 진화하고 있다고 전했다. 또한, 엔진 성능 예측부터 자동차 이너 패널, 사출 성형 결함 예측 등 다양한 현장 사례를 거치며 발견한 진짜 병목은 단순한 소프트웨어 부재가 아니라 복잡한 공학 문제를 다루는 숙련된 문제 해결 역량에 있다고 짚었다. 서민식 CTO는 “문제 해결 역량을 에이전트로 옮기는 것이 설계 AI의 나아갈 방향”이라고 강조했다. 나니아랩스는 제조업 특화 AI 플랫폼 아슬란X(AslanX)에 MCP를 연결하고 독자적인 지식베이스를 결합해, 모호한 요구 사항을 명확한 스펙으로 변환하고 자율적으로 최적의 AI 설루션을 탐색·구축하는 에이전트 생태계를 제시하고 있다.   ▲ 나니아랩스 서민식 CTO   에픽게임즈코리아의 진득호 차장은 ‘언리얼 엔진 MCP 워크플로와 제조업 맞춤형 소프트웨어 개발’에 대해 발표했다. 리얼타임 3D 엔진이 제조 현장의 핵심 플랫폼으로 진화하는 흐름을 짚은 진득호 차장은 언리얼 엔진 5.8 버전에 대해 “소스 코드의 개방성을 바탕으로 로봇 학습, 철도 및 항공 시뮬레이션, 스마트 공장 관제 등 다채로운 맞춤형 설루션 구축을 지원한다”고 소개했다. 진득호 차장은 “리얼타임 3D 엔진 간의 격차는 소스 코드 개방 여부에서 크게 갈릴 것”이라고 짚었다. 언리얼 엔진의 경우 LLM을 엔진과 결합하는 MCP 워크플로를 공식 통합해서, 자연어 명령만으로 절차적 생성(PCG)이나 라이팅, 블루프린트 작업을 실시간 제어하도록 구현했다. “이는 비개발자 실무자도 복잡한 3D 공간을 손쉽게 구축하며 업무 생산성을 높이는 혁신적 전환점”이라는 것이 진득호 차장의 설명이다.   ▲ 에픽게임즈코리아 진득호 차장   스트라타시스의 최장윤 부장은 ‘피지컬 AI 시대의 제조 혁신 - AI 에이전트와 적층제조가 만드는 미래 생산 패러다임’을 소개했다. 3D 프린팅이 단순 시제품 제작을 넘어 부품을 양산하는 제조 영역으로 진화하고 있다고 전한 최장윤 부장은 “3D 프린팅의 패러다임이 단순 시제품 제작을 넘어서 실제 부품과 도구를 생산하는 제조 영역으로 급격히 전환되고 있다”고 밝혔다. 스트라타시스는 AI 기반 설계 자동화 툴인 픽스처메이트(fixturemate)와 FDM 시뮬레이션 설루션 노비패스(NoviPath)를 통해 고정구 설계 시간을 90%, 부품 무게를 35% 줄인 사례를 소개했다. 최장윤 부장은 “스트라타시스는 FDM, 폴리젯 등 핵심 기술을 바탕으로 현장에서 즉시 출력하는 온디맨드 생산 방식을 구축하며 스마트 공장 혁신을 이끌어간다”고 말했다.   ▲ 스트라타시스 최장윤 부장   도면 지능화와 콘텍스트 기반의 설계 혁신 위즈코어의 한명기 AI 연구소장은 ‘설계 생산성 혁신, AI-CAD 기술의 발전과 적용 사례’ 발표를 통해 전통적인 CAD 작업의 비효율을 해소할 대안을 제시했다. 한명기 소장은 “설계 엔지니어가 전체 업무 시간의 절반 이상을 단순 정보 검색과 가공에 소모하는 노동집중적 구조를 개선해야 한다”고 강조했다. 그리고 이를 위해 이미지 인지 기술과 LLM을 결합한 위즈코어의 차세대 AI-CAD 설루션을 선보였다. 이 설루션은 도면에서 지능적으로 개체와 스펙을 추출해 적산과 자재목록을 자동 생성하는 기술, 실시간 대화로 명령을 안내하는 디자인 어시스턴트, 그리고 스키마 기반 추론으로 도면 제작을 주도하는 디자인 에이전트가 핵심 축이다. 한명기 소장은 이런 기술이 반복되는 수작업을 줄여 설계 생산성의 도약을 이끌 수 있다고 전했다.   ▲ 위즈코어 AI 연구소 한명기 소장   디에이건축의 송수헌 선임은 ‘건축 설계와 생성형 AI를 연결하는 법 - AIRender : 프롬프트에서 콘텍스트로’라는 주제로 발표를 진행했다. 송수헌 선임은 생성형 AI를 건축 실무에 이식하기 위한 핵심 조건으로 ‘콘텍스트(맥락)’를 꼽았다. 단순한 프롬프트 조합만으로는 사내 조직 고유의 암묵지와 법규, 설계 기준을 담아내기 어렵기 때문이다. 송수헌 선임은 “도구가 진화할수록 차이를 만드는 것은 프롬프트가 아니라 건축가가 쌓아온 콘텍스트”라면서, “AI 시대 건축가의 본질적인 경쟁력은 단순 생성을 넘어 지속적인 선택과 판단으로 자신만의 맥락을 쌓아가는 데에 있다고 강조했다. 또한, AI에게 사내 지침과 검토서를 학습시켜 특화 에이전트를 구축하고, 연속적인 대화와 탐색으로 설계 서사를 완성하는 방안을 제시했다.   ▲ 디에이건축 송수헌 선임     ■ 기사 내용은 PDF로도 제공됩니다.
정수진 작성일 : 2026-10-07 조회수 : 64
[포커스] 케이던스, 물리 시뮬레이션-AI 결합한 엔지니어링 비전 제시
케이던스 디자인 시스템즈가 지난 9월 4일 ‘케이던스 커넥트 : SDA 유저 콘퍼런스 코리아 2026’을 진행했다. 케이던스는 MSC 소프트웨어, 베타 CAE, 피델리티 등을 통합해 칩 설계부터 반도체 패키징, 완성차 및 항공 우주 시스템을 아우르는 ’시스템 설계 및 분석(SDA)’ 포트폴리오를 강화하고 있다. 복잡한 물리 현상을 가상 환경에서 완벽히 구현해 제품 개발의 불확실성을 제거하고 품질 신뢰도를 높이는 것이 케이던스가 제시한 비전이다. ■ 정수진 편집장     반도체부터 다중물리까지, 통합 설계·해석 포트폴리오 구축 케이던스의 SDA(System Design & Analysis) 부문은 온칩 (on-chip) 반도체 중심이었던 전통적 EDA 영역을 오프칩(off-chip), PCB, 모듈, 기계 및 물리 시스템 전반으로 확장하는 핵심 사업부 중 하나이다. 케이던스는 신호 무결성 분석의 시그리티 (Sigrity)를 시작으로 데이터센터 디지털 트윈 기술을 가진 퓨처 퍼실리티(Future Facilities), 유체 해석 플랫폼 피델리티 (Fidelity)와 찰스(Charles), 전/후처리 플랫폼 기업인 베타 CAE 시스템(BETA CAE Systems) 등을 차례로 인수했다. 그리고 2026년 2월에는 MSC 소프트웨어를 중심으로 하는 헥사곤의 설계 및 엔지니어링(D&E) 사업부 인수를 완료하고, 이들 기술을 SDA 사업부에 통합했다. 이를 통해 전자기부터 구조, 유체, 열에 이르는 다중물리(멀티피직스) 시뮬레이션 포트폴리오를 구성했다. 케이던스 SDA 포트폴리오의 대표 설루션은 각 분야의 핵심 난제를 해결한다. 3D 전자기장 해석 설루션인 클래리티(Clarity)는 대규모 디자인에서도 연산이 중단되지 않는 안정성과 빠른 해석 속도를 보여준다. 열 해석 및 패키징 휨 현상을 분석하는 셀시우스(Celsius)와 신호·전력 무결성을 검증하는 시그리티(Sigrity)는 전자 시스템 설계의 안정성을 지원한다. PCB 및 패키징 설계 설루션인 알레그로 X(Allegro X)는 인공지능 기술을 접목해 부품 배치와 라우팅을 자동화함으로써 생산성을 높인다. 해석 인프라와 플랫폼 부문에서는 ANSA와 META가 다양한 타사 솔버와 CAD 데이터를 아우르는 통합 전/후처리 환경을 제공한다. 엔비디아와 협력하여 개발한 GPU 가속 시스템 밀레니엄(Millennium)은 유체 및 다중물리 해석 속도를 끌어올리며, 리얼리티 DC(Reality DC)는 데이터센터의 에너지 및 온도 관리를 효 율화하는 디지털 트윈 환경을 구축한다.   데이터 연결과 가상 시험으로 엔지니어링 불확실성 해소 케이던스는 시스템 설계 및 해석 영역의 시장 규모를 약 220억 달러로 보고 있으며, 전자와 물리의 경계를 허무는 디지털 엔지니어링 생태계를 구축하고 있다. 케이던스의 도지훈 상무는 “끊어져 있던 데이터 흐름과 분석 도구를 하나로 연결하여 완성도 높은 통합 플로 설루션을 제공하겠다”고 밝혔다. 자동차, 항공우주, 로봇 등 현대 산업 제품들이 전자, 기계, 유체, 열, AI가 복잡하게 결합된 형태로 발전함에 따라, 개별 부품 해석을 넘어 전체 시스템을 아우르는 통합 시뮬레이션 생태계를 구축하는 것이 케이던스의 목표다. 나아가 디지털 공간에서 제품 특성을 완벽히 검증하는 가상 시험 환경을 구축함으로써 제조업과 미래 기술의 디지털 엔지니어링 혁신을 이끌고자 한다. 케이던스의 SDA 부문을 이끄는 성브라이언 세일즈 그룹 디렉터는 “복잡해진 시스템 환경에서 시뮬레이션의 역할은 단순한 결과 예측을 넘어 불확실성을 줄이고 엔지니어가 더 나은 결정을 내릴 수 있도록 확신을 제공해야 한다”라고 강조했다. 카일라삼 부사장 역시 “물리 기반 AI와 GPU 가속, 에이전틱 AI 기술을 다중물리 해석에 결합하여 엔지니어가 더 빠르고 똑똑하게 최적의 시스템을 구현하도록 돕겠다”고 밝혔다.     인공지능으로 구현하는 차세대 지능형 엔지니어링 제조업과 엔지니어링 환경이 단일 부품의 설계를 넘어 전자, 기계, 유체, 열 등이 복잡하게 얽힌 시스템으로 진화하고 있다. 이렇게 고도화된 제조 환경에서 AI는 단순한 작업 자동화나 결과 예측 도구를 넘어선다. 성브라이언 디렉터는 “AI 기반 시뮬레이션의 궁극적인 목적은 불확실성을 줄이고 품질의 신뢰도를 높이며 더 나은 엔지니어의 의사결정을 가능하게 하는 데 있다”고 설명했다. 케이던스가 제시하는 피지컬 AI(physical AI) 전략은 시뮬레이션을 통해 확보한 가상의 지능을 자율주행차, 산업용 로봇, 휴머노이드 등 현실 세계의 물리적 기기에 직접 이식하는 것이다. 케이던스는 다물체 동역학 해석 도구인 아담스(Adams)나 자율주행 시뮬레이션 플랫폼 VTDx를 활용해 기계 메커니즘의 설계뿐 아니라 로봇을 가상 환경에서 직접 훈련하고 실전에 배치하는 단계까지 확장한다. 엔비디아와 협력과 고성능 계산 인프라를 바탕으로 대규모 시뮬레이션 데이터를 공급함으로써, 로봇이 눈길이나 빙판길같은 극한 조건에서도 스스로 감지하고 판단할 수 있는 에지 지능(edge intelligence)을 완성하도록 돕는다. 에이전틱 AI(agentic AI) 영역에서 케이던스는 단순 대화형 코파일럿을 넘어 자율적으로 복잡한 해석 업무를 수행하는 에이전트 스택(agent stack) 전략을 추진한다. 반도체 설계를 지원하는 칩 스택(ChipStack)에 이어, 다중물리 해석 제품군을 하나로 묶어 자동화된 워크플로를 수행하는 시스템스택(SystemStack)을 개발 중이다. 특히 제다이(JedAI)라는 인프라 레이어를 매개로 엔터프라이즈 고객이 선호하는 대규모 언어 모델(LLM)을 자유롭게 선택하도록 지원하며, 보안 구역 안에서 자체 데이터를 안전하게 운용하도록 조율한다.     ■ 기사 내용은 PDF로도 제공됩니다.
정수진 작성일 : 2026-10-07 조회수 : 63
[포커스] 레노버, 고부하 연산과 전문 워크로드 생산성 강화한 ‘씽크스테이션 P4’ 공개
AI 기술 확산으로 고성능 연산 장치의 발열 제어가 핵심 과제로 떠오른 가운데, 한국레노버가 차세대 데스크톱 워크스테이션 ‘씽크스테이션 P4(ThinkStation P4)’를 공개했다. 이번 신제품은 AMD 라이젠 프로 9000 시리즈 프로세서와 일체형 밀폐 수랭식 냉각 시스템을 탑재해 고부하 작업에서도 지속적인 고성능과 정숙성을 유지한다. 엔지니어링 시뮬레이션, 3D 렌더링, 온디바이스 AI 추론 등 전문 워크로드에 최적화된 연산 환경을 구현했으며, 다층 보안 설루션과 안정적인 자체 공급망을 결합해 엔터프라이즈 신뢰성을 높였다. ■ 정수진 편집장     온디바이스 AI 확산과 냉각 기술 중심의 워크스테이션 진화 AI 기술이 일상과 업무 환경 전반에 깊숙이 자리 잡으면서 고성능 연산 뒤에 숨은 전력 소비와 발열 제어가 IT 업계의 핵심 화두로 떠오르고 있다. AI로 간단한 질의응답을 할 때도 네트워크 너머에서는 데이터센터의 고성능 하드웨어가 실시간으로 대량의 연산을 하면서 높은 열을 발생시킨다. 한국레노버의 이형우 상무는 “고성능 연산 장치가 과열 없이 높은 성능을 장시간 안정적으로 유지하도록 돕는 냉각 기술이 고성능 컴퓨팅 트렌드의 중심축을 이루고 있다”고 설명했다. 레노버는 워크스테이션을 단순한 고성능 PC가 아니라 전문 사용자의 생산성을 직접 결정짓는 핵심 개발 플랫폼으로 보고 있다. 영화와 방송의 렌더링, 자동차 및 제조 분야의 CAD 설계, 건축 BIM(건설 정보 모델링), 헬스케어 연구, AI 추론 등 우리가 접하는 수많은 산업과 디지털 콘텐츠가 실제로 만들어지는 공간이 바로 워크스테이션이라는 것이다. 최근에는 온디바이스 AI 및 데이터 중심 환경이 보편화되면서, 복잡한 연산을 지연 없이 처리하는 전문 워크스테이션의 가치가 더욱 주목을 받고 있다. 한국레노버 신규식 대표는 “AI 기술이 산업 전반으로 확산됨에 따라 온디바이스 AI 기반의 고성능 컴퓨팅 수요가 빠르게 증가하고 있다”고 밝히면서 전문가용 컴퓨팅 인프라의 필요성을 강조했다. 레노버가 이번에 공개한 씽크스테이션 P4는 이런 기술 트렌드와 전문가의 요구에 대응해 액체 냉각(수랭식 쿨링) 기술과 AMD 의 차세대 프로세서인 라이젠 프로 9000(Ryzen Pro 9000) 시리즈를 결합했다. 기상청 슈퍼컴퓨터 공급과 수퍼카 브랜드 애스턴 마틴과의 협업으로 쌓은 열 제어 노하우를 워크스테이션에 적용해, 고부하 작업에서도 성능 저하 없이 소음과 열을 동시에 제어한다는 것이 레노버의 설명이다. 여기에 대용량 캐시 메모리를 통합한 최신 CPU와 강력한 GPU를 결합하고, 주요 전문 소프트웨어의 ISV 인증과 기업용 통합 보안 체계를 더해 전문가들이 안심하고 작업에 몰입할 수 있는 환경을 제공한다.   AMD 라이젠 프로 9000과 3D V-캐시로 엔지니어링 성능 가속 씽크스테이션 P4는 AI 중심 업무 환경에 최적화된 차세대 퍼포먼스 데스크톱 워크스테이션을 지향한다. AMD 라이젠 프로 9000 시리즈 프로세서를 탑재한 첫 번째 워크스테이션으로 최대 16코어 32스레드와 5.5GHz의 연산 속도를 갖췄다. 라이젠 프로 9000 프로세서에 적용된 AMD 3D V-캐시 기술은 CPU 내부의 캐시 메모리를 수직으로 쌓아서 데이터 접근 경로를 단축하고 지연 시간을 줄이는 아키텍처다. AMD코리아의 송성운 상무는 “이런 구조적 이점은 전산유체역학(CFD), 3D 렌더링, AI 추론 등 반복적인 데이터 호출이 많은 전문 워크로드에서 눈에 띄는 처리 속도 향상을 가져올 수 있다”고 설명했다. 송성운 상무에 따르면, 3D V-캐시를 적용한 라이젠 9000 시리즈와 경쟁사 CPU의 비교 테스트를 통해 마야에서 13%, 언리얼 엔진 컴파일 작업에서 14%의 성능 향상이 나타났다. 송성운 상무는 “특히 계산 복잡도가 높은 엔지니어링 및 시뮬레이션 분야에서 라이젠 9000 시리즈의 성능이 돋보인다”면서 오픈소스 CFD 소프트웨어인 오픈폼 연산 시 최대 19%, 매트랩의 선형대수 및 확률 분해 연산에서 최대 20%, 솔리드웍스의 3D 레이트레이싱 연산에서 최대 27% 더 빠른 테스트 결과를 소개했다.     밀폐형 수랭식 냉각과 차세대 하드웨어로 안정적 작업 환경 구현 씽크스테이션 P4에서는 엔비디아 RTX 프로 6000 블랙웰(NVIDIA RTX PRO 6000 Blackwell) 워크스테이션 GPU를 선택할 수 있다. 이 GPU는 최대 4000 TOPS의 AI 연산 성능과 96GB의 GDDR7 ECC 메모리를 제공한다. 하드웨어에서 발생하는 발열을 효율적으로 제어하기 위해서는 일체형 밀폐 수랭식 쿨링 시스템을 도입했다. 이 시스템은 CPU의 열을 냉각수로 흡수해 라디에이터로 배출하는 순환 구조로 설계되어, 공랭 방식 대비 향상된 발열 제어 성능과 정숙한 작업 환경을 제공한다는 것이 레노버의 설명이다. 이형우 상무는 “동일한 온도를 기준으로 공랭 방식 대비 약 23% 높은 전력을 안정적으로 처리할 수 있는 점이 핵심”이라고 전했다. 또한, 씽크스테이션 P4는 최대 256GB DDR5 ECC 메모리를 지원하며, PCIe Gen5를 포함해 총 4개의 PCIe 슬롯을 갖추고 있다. 대형 GPU를 장착하더라도 주변 슬롯 이용에 방해가 되지 않도록 내부 배치를 개선한 것도 눈에 띈다. 저장장치는 M.2 Gen5 SSD를 비롯해 최대 6개의 드라이브로 최대 48TB까지 하이브리드 스토리지를 구성할 수 있다. 여기에 레노버 씽크쉴드와 AMD PRO 기술이 결합된 다층 보안 체계, 주요 전문 소프트웨어의 ISV 인증, 친환경 재활용 소재 적용까지 더해 비즈니스 안정성을 높일 수 있도록 했다.   퍼포먼스 라인업 확장 및 엔터프라이즈 신뢰성 제공 레노버는 ‘모두를 위한 더 스마트한 기술’을 내세우면서, 하이브리드 AI 전략을 바탕으로 디바이스부터 인프라, 서비스까지 아우르는 통합 포트폴리오를 전개하고 있다. 씽크스테이션 P4는 미디어 엔터테인먼트, 방송, 제조 설계 현장의 요구를 반영해 퍼포먼스급 시장으로 레노버의 포트폴리오를 확장한 제품이다. 이형우 상무는 “P4를 통해 라이젠 프로 9000 시리즈 CPU가 새롭게 추가되면서 AMD 워크스테이션의 선택지를 보다 넓은 전문 업무 영역까지 확장했다”고 설명했다. 기업 환경을 겨냥한 엔터프라이즈급 신뢰성과 공급망 안정성 또한 레노버가 밝힌 비즈니스 전략의 핵심 요소다. 레노버는 주요 전문 소프트웨어의 ISV 인증과 레노버 씽크쉴드 보안 설루션을 결합해 장기간 안심하고 사용할 수 있는 시스템을 구축하고 있다. 누수 우려가 없는 완전 밀폐형 수랭식 냉각 구조를 채택하고 전용 케어 서비스를 연계해 유지보수 부담을 없앤 것도 이런 노력의 일부다. 한국레노버는 “글로벌 자체 제조 공장을 보유한 운영 역량을 바탕으로 원자재 수급 불안 속에서도 안정적인 유통망을 유지하며 비즈니스 연속성을 보장한다”고 소개했다.     ■ 기사 내용은 PDF로도 제공됩니다.
정수진 작성일 : 2026-10-07 조회수 : 51
[포커스] AWS, “피지컬·에이전틱 AI의 성패 가르는 핵심은 전략과 인프라 구축”
아마존웹서비스(AWS)가 국내 기업의 AI 도입 현황과 성과, 향후 AI 확장을 위한 과제를 분석한 보고서를 발표했다. 보고서에서는 한국 기업의 절반 이상이 이미 AI를 도입해 생산성 향상을 경험하고 있으며, 기술의 초점이 에이전틱 AI와 피지컬 AI로 이동하고 있는 것으로 나타났다. AWS는 기술의 문턱을 낮추고 교육 지원을 강화해, 우리나라가 차세대 AI 파도를 선도할 수 있는 기반을 제공할 계획이다. ■ 정수진 편집장   ▲ AWS 오순영 소설 솔루션즈 아키텍트   차세대 산업 혁신 이끄는 피지컬·에이전틱 AI의 부상 에이전틱 AI와 피지컬 AI는 한국 기업의 비즈니스 지형을 바꿀 핵심 혁신 동력으로 떠오르고 있다. 단순한 질문 답변이나 문서 작성을 넘어 직접 목표를 계획하고 실행하는 에이전틱 AI와, 물리적 산업 현장에 지능을 결합하는 피지컬 AI는 기업에 실질적인 운영 가치와 비용 절감이라는 기회를 제시한다. ‘한국의 AI 잠재력 실현 2026(Unlocking South Korea's AI Potential 2026)’ 보고서 내용을 소개한 스트랜드 파트너스의 닉 본스토우 파트너는 “한국은 제조 및 반도체 분야의 강력한 역량을 바탕으로 피지컬 AI의 전 세계적인 선두 국가가 될 잠재력을 지니 고 있다”고 분석했다. 국내 기업들은 자율로봇, 예지정비, 인간과 기계의 협업, 창고 및 물류, 지능형 공급망 구축 등 산업 현장의 핵심 영역에서 피지컬 AI의 도입 기회를 주목하고 있다. 다른 한편으로 에이전틱 AI는 지식노동의 한계비용을 낮추고 전 사적 의사결정 및 실행 속도를 혁신적으로 가속한다. 이번 보고서 에 따르면, 에이전틱 AI를 도입한 기업의 54%가 의사결정 가속화를 경험했으며, 51%가 운영 효율 및 생산성 향상을 체감했다고 응답했다. AWS의 오순영 소설 솔루션즈 아키텍트는 “에이전틱 및 피지컬 AI는 업무 보조 도구를 넘어 스스로 판단하고 데이터를 거래하며 생산성을 높이는 새로운 경제 주체로 자리 잡고 있다”고 짚었다. 기술 도입 자체를 넘어 데이터 기반과 명확한 활용 사례를 선점하는 기업이 향후 차세대 AI 경제 질서에서 지속 가능한 주도권을 확보할 것으로 보인다.   역량 부족·불확실한 ROI·인프라 한계가 AI 확장 걸림돌 국내 기업의 AI 도입률이 급증하며 인공지능은 비즈니스의 대세로 자리 잡았지만, 이를 전사적으로 확장하고 차세대 AI로 고도화하는 과정에는 여전히 장벽이 있다. 본스토우 파트너가 꼽은 주된 걸림돌은 ‘디지털 인재 및 전사적 역량의 부재’다. 응답 기업의 46%가 AI 및 디지털 스킬 부족을 최대 장애물로 지목했으며, 기술적 한계와 데이터 구조의 복잡성 역시 주요 난관으로 등장한다. 여기에 AI 도입으로 인한 업무 프로세스 변화에 조직 구성원들이 신속하게 적응하지 못하는 문화적 제약도 유연한 확산을 방해한다. 투자 대비 성과를 명확히 입증할 ‘ROI 측정 체계의 부재’도 병목으로 지적된다. 응답 기업의 47%가 AI ROI를 신뢰성 있게 측정할 방법이 없다고 답했으며, 일관된 성과 측정 체계를 갖춘 곳은 24%에 불과했다. 공식적인 전사 AI 전략을 보유한 기업이 27%에 그치는 현실은 많은 기업이 AI를 단발성 실험에 그치게 만드는 근본적 원인을 제공한다. 환경 측면에서는 ‘규제 불확실성과 인프라의 한계’가 성장의 발목을 잡고 있는 것으로 보인다. 복잡한 규제 환경이 걸림돌로 거론되는 가운데, AI 기본법에 대한 인지도는 높지만 자사의 구체적인 의무나 개인정보 보호 규정과의 연계성을 명확히 이해하는 기업은 39%에 불과했다. 또한 74%의 기업이 장기 투자 결정의 핵심 조건으로 안정적인 전력 공급을 꼽을 만큼 인프라 가용성이 불확실하다는 점도 부담이다.     전략 전환·인프라 확충·인재 육성으로 생태계 자생력 지원 AWS는 AI 기술이 고도화되는 만큼, 데이터·역량·거버넌스·기술 전반에 걸쳐 탄탄한 기반을 갖춘 조직이 성공적인 AI 활용 및 지속적인 비즈니스 가치 창출을 이룰 수 있을 것으로 보고 있다. 그리고 국내 기업의 AI 모멘텀을 실질적인 혁신과 지속 가능한 성과로 연결하기 위한 우선 과제를 제시했다. 먼저 리더십 중심의 명확한 비전을 세우고, 정교한 데이터 파운데이션과 성과 측정 프레임워크를 마련해 파편화된 실험을 전사적 역량으로 확장하는 것이 필요하다. 그리고 AI 구동에 최적화된 컴퓨팅 환경과 안정적인 전력망 및 재생에너지 접근성을 확보하고, 다양한 AI 기술을 자유롭게 선택 및 통제할 수 있는 AI 주권을 가져가야 한다. 마지막으로 임직원의 디지털 역량을 극대화하기 위해 지속적인 교육을 제공하고 비판적 사고와 판단력 등 인간 고유의 자질을 강화하면서, 자율 AI 에이전트와 원활히 협업할 수 있는 조직 구조를 다져야 한다. 오순영 아키텍트는 이런 과제를 실현하기 위해 인프라 제공을 넘어 다각도로 전개되는 AWS의 지원 전략을 소개했다. 기술 차원에서는 아마존 베드락과 에이전트코어 등 개방형 플랫폼을 통해 기업이 다양한 프레임워크와 모델을 유연하게 연결하고, 머신 스피드 보안과 책임 소재가 설계된 환경에서 시스템을 안전하게 운용하도록 지원한다. 그리고 생성형 AI 혁신센터를 가동하여 국내 산업 현장의 성공 사례를 함께 발굴하고 맞춤형 설루션을 밀착 제공한다. 또한 배움의 문턱을 낮추는 인재 양성 투자도 비중 있게 소개했다. AWS는 학생들의 개발 역량 강화를 위해 스튜던트 리워드 프로그 램에 5억 달러 이상을 투입하고 있으며, AI 기반 개발 도구인 키로 스튜던트를 국내외 대학생에게 1년간 무료로 제공하여 핸즈온 프로젝트 경험을 쌓도록 돕는다. 오순영 아키텍트는 “이외에도 지자체 및 지역 거점 대학과 연계해 중소·중견기업에 필요한 AI 구축 프로젝트를 지원하고, 클라우드 인재를 꾸준히 배출함으로써 한국 AI 생태계의 장기적인 자생력을 다지는 데 기여하고 있다”고 전했다.     ■ 기사 내용은 PDF로도 제공됩니다.
정수진 작성일 : 2026-10-07 조회수 : 67
[칼럼] 나는 아직 유효한가 - ‘기획자의 시대가 온다’를 내놓으며
  이 책이 세상에 빛을 보기까지의 여정은 대략 이러했다. 2025년 3월, AI와 바이브 코딩을 처음 배우기 시작하며 그날그날의 서툰 기록을 남겼다. 잘해서가 아니라 잊지 않으려고 적은 메모가 여덟 달 동안 조용히 쌓였다. 그 기록을 눈여겨본 좋은습관연구소 이승현 대표가 먼저 손을 내밀었고, 흩어진 글은 2025년 12월 18일 한 편의 초고가 되었다. 2026년 3월부터 7월까지는 편집의 시간이었다. 문장을 옮기고 반복을 덜어내고 표지를 고르는 일까지, 8월 5일에 모든 것이 마무리되었다. 8월 13일 인쇄기가 돌았고, 이튿날인 14일 한 권의 책으로 제본되었다. 그렇게 ‘기획자의 시대가 온다’는 열일곱 달 만에 세상에 나왔다. 기록 더미에서 책 한 권의 모양을 먼저 알아보고 마지막 장까지 길을 내준 이승현 대표께, 이 자리를 빌려 깊이 감사드린다.   9월 부산역 근처의 작은 모임에서 한 독자가 책을 내밀며 사인을 부탁했다. 8월 31일부터 배송이 시작된 펀딩 도서를 받자마자 들고 온 것이었다. 펜을 들어 이름 석 자를 적다가 손이 잠시 멈췄다. 분명 내가 쓴 문장인데 활자가 되어 묶인 뒤로는 이미 내 것이 아닌 듯했고, 책장 사이로 검은 터미널 앞에서 막막해하던 밤과 고치고 또 고치던 원고가 겹쳐 지나갔다. 이 책은 출판사의 전화를 받은 날에도, 바이브 코딩이라는 말을 처음 들은 날에도 시작되지 않았다. 시작은 남에게 꺼내 보이기 어려운 한 문장이었다. ‘나는 아직 유효한 사람인가.’   필자는 기계공학을 공부하고 자동차 시트를 설계하며 사회에 나왔다. 이후 SGI, 지멘스, 오라클, PTC 같은 글로벌 IT 기업에서 제조기업의 시스템과 프로세스를 다뤘고, 설계자와 엔지니어, 컨설턴트와 PM으로 30년 넘게 현장을 걸었다. 경력이 쌓일수록 자신의 값도 쌓인다고 믿었다. “해봤다”는 한마디는 신뢰였고 경험은 문제를 푸는 가장 강력한 무기였다. 그런데 AI가 오자 풍경이 바뀌었다. 몇 시간을 들여 정리하던 문서를 AI는 몇 분 만에 내놓았고, 젊은 동료들은 새 도구를 망설임 없이 켰다. 회의실의 언어도 “왜 필요한가”에서 “일단 만들어 보자”로 옮겨 갔다. 지나온 시간을 설명하는 동안 세상은 이미 다음 화면으로 넘어가 있었다.   AI를 바라보는 눈은 서 있는 자리에 따라 다르다. 기업의 눈에 AI는 경쟁력이고, 솔직히 말하면 줄일 수 있는 사람의 수다. 경영 보고서의 첫 줄에는 생산성이, 둘째 줄에는 인건비가 적힌다. 그 표를 들여다보는 개인의 눈에는 다른 것이 보인다. 그 숫자 어딘가에 내 이름이 있을지 모른다는 두려움, 그리고 그 두려움을 이기려면 결국 내 능력을 키워 스스로 경쟁력이 되는 길밖에 없다는 자각이다. 같은 기술을 두고 회사는 덧셈과 뺄셈을 하고, 사람은 자기 존재의 값을 묻는다. 은퇴보다 무서운 것은 아직 회사에 다니면서도 과거의 사람이 될 수 있다는 사실이었다. 나는 그 표의 어느 칸에 있는가. 그 질문이 밤마다 나를 깨웠다.   다시 배우려면 먼저 내려놓아야 했다. ‘내가 누군데’, ‘내가 해온 일이 얼마인데’라는 마음이다. 익숙한 자리에서는 계속 아는 사람으로 남을 수 있지만, 새로운 세계로 건너가려면 모르는 사람이 되는 수밖에 없다. 주말 개발자 모임의 문을 두드렸다. 괄호 하나, 따옴표 하나에 프로그램이 멈췄고, 검은 화면은 내 경력을 조금도 알아주지 않았다. 실행되거나 되지 않거나, 결과는 냉정했다. 몇십 년의 자신감이 오류 메시지 한 줄 앞에서 무너지는 밤도 있었다. 그럼에도 다음 주말에 다시 노트북을 열 수 있었던 것은 사람이 있었기 때문이다. 데이터를 숫자가 아니라 질문으로 보게 해 준 이부일 대표, 결심을 행동으로 바꾸는 자리를 만들어 준 신동욱 대표, 답 대신 생각하는 순서를 가르쳐 준 양선희 CTO, AI와 대화하며 프로 그램을 완성해 가는 모습을 눈앞에서 보여 준 최성훈 대표와 동료들. 실력도 경력도 달랐지만 우리는 AI 시대에 자기 일을 다시 설계해 보자는 같은 방향을 보고 있었다. 회사가 사람을 줄이는 기술을 앞에 두고, 우리는 서로를 붙드는 법을 배웠다. 뉴턴이 거인의 어깨 위에서 더 멀리 보았다면, 나의 여덟 달은 사람들의 어깨 위에서 건 넌 시간이었다.   처음부터 거창한 시스템을 만든 것은 아니다. 파일 이름을 한꺼번에 바꾸고, 반복되는 엑셀 집계를 줄이고, PDF와 데이터를 원하는 모양으로 정리하는 작은 프로그램이었다. 누구도 박수치지 않 지만 매일 내 시간을 조금씩 갉아먹던 일들이다. 첫 자동화가 제대로 돌아가던 순간, 어제까지 한 시간 걸리던 일이 몇 초 만에 끝났다. 화면은 화려하지 않았으나 그 작은 결과가 건넨 말은 컸다. 내 일을 내가 고칠 수 있다. 회사가 AI로 일을 줄일 때 나는 AI로 일을 되찾았다. 그때 알았다. 바이브 코딩은 개발자가 되기 위한 기술이 아니라, 생각을 설명하는 데 머물던 기획자가 자기 가설을 직접 확인하는 방식이었다. “가능합니까”라고 묻고 대답을 기다리던 사람이 “어떤 조건에서 가능합니까”, “어떤 리스크가 있습니까”라고 묻는 사람으로 바뀌는 과정이었다. 기획서 열 장 대신 프로토타입 하나를 내놓으면 사람들은 같은 화면을 보며 이야기하고, 합의의 기준은 공감에서 검증으로 옮겨간다.   쓸모를 잃었다고 여겼던 경험도 다시 움직였다. 도면을 검토하며 몸에 밴 정확성, 공정의 앞뒤를 살피는 습관, 요구사항과 일정과 리스크를 한눈에 보던 PM의 감각이 AI가 내놓은 결과를 판단하는 기준이 되었다. AI는 가능한 것을 빠르게 만들지만, 현장에 필요한 것과 조직이 굴릴 수 있는 것, 결과에 책임질 수 있는 것을 고르는 일은 사람의 몫이다. 제조 현장의 빈 데이터 한 칸은 단순한 결측치가 아니다. 부품 누락일 수도, 공정 지연일 수도, 누군가 미처 입력하지 못한 하루의 흔적일 수도 있다. AI는 빈칸을 찾지만 그 빈칸의 사연은 도메인을 아는 사람이 읽는다. 기업이 인력 감축의 근거로 삼는 바로 그 효율이, 실은 현장을 아는 사람의 판단 위에서만 작동한다. 그래서 비개발자에게 필요한 것은 새 용어를 수집하는 일이 아니라 자기 코어에 AI를 불어넣는 일이다. 값비싼 구독료부터 낼 이유도 없다. 무료 도구와 오픈소스로 내 업무의 가장 작은 반복 하나를 고쳐 보는 경험이 먼저다. 무엇을 구독했느냐보다 무엇을 해결했느냐가 남는다.   이 모든 과정은 책을 위한 것이 아니었다. 배운 것을 적었고 막힌 이유와 풀린 과정을 남겼고 SNS와 칼럼에 생각을 나눴다. 잘해서가 아니라 잊지 않으려고 기록했다. 그런데 2025년 9월 11일, 좋은습관연구소 이승현 대표에게서 전화가 왔다. 원고를 들고 출판사를 찾아간 것이 아니라, 내가 계속 써 온 기록을 출판사가 먼저 발견한 것이다. 책은 ‘언젠가 써야지’ 하고 마음먹은 날 시작되지 않는다. 오늘 배운 것과 오늘 실패한 것, 오늘 마음을 흔든 질문을 적어 두는 순간 이미 시작된다. 여덟 차례의 수정을 거치는 동안 편집자는 원고를 대신 써 주는 사람이 아니라 저자가 보지 못한 독자의 길을 내는 사람이었다. 최종 원고가 내 손을 떠나 1500부가 찍히던 날, 기쁨보다 걱정이 먼저 왔다. 그리고 8월 12일부터 27일까지 진행한 펀딩에서 독자들은 100권이라는 첫 목표를 훌쩍 넘겨 185권으로 답했다. 아직 읽지 않은 책에 먼저 지갑을 여는 일, 그것은 독자가 먼저 건넨 신뢰였다. 그래서 기쁨만큼 두려움도 자랐다. 하지만 그 전전긍긍이야말로 저자에게 필요한 태도인지 모른다. 독자의 시간을 가볍게 여기지 않게 하고 다음 문장을 더 정직하게 쓰게 하기 때문이다. 추천사를 써 준 신수정 대표, 최재홍·정구민· 최재붕 교수, 그리고 나의 여정을 곁에서 지켜본 이들의 문장 속에서, 혼자서는 보지 못했던 나의 변화가 비로소 보였다.   8월 31일 펀딩 도서의 배송이 시작됐고, 9월 1일부터는 전국 온· 오프라인 서점에서 종이책을, 전자책 플랫폼에서 이북을 만날 수 있다. 그러나 책이 독자의 손에 닿은 자리에서 오히려 다음 일이 시작된다. 연말까지 남은 휴가를 북토크에 쓰려 한다. 큰 강연장이 아니라도 좋다. 제조기업의 작은 회의실, 공부 모임, 같은 두려움을 품은 실무자들이 모인 자리라면 책을 들고 찾아가고 싶다. 책을 팔기 위해서가 아니라 책을 다시 배우기 위해서다. 독자의 질문을 들으면 원고를 쓸 때 보지 못한 빈칸이 보이고, 현장의 문제를 만나면 책 속 문장이 다시 검증된다.   부산역에서 펜이 멈췄던 순간 처음의 질문이 다시 떠올랐다. 나는 아직 유효한 사람인가. 완성된 답은 여전히 없다. 다만 이제는 안다. 유효함은 과거의 직함이나 지금의 월급이, 그리고 회사의 표 어느 칸도 보증해 주지 않는다. 쌓아 온 경험도 가만히 두면 과거가 된다. 그러나 다시 배우고, 새로운 언어와 잇고, 작은 결과로 확인하고, 다른 사람과 나누면 경험은 다시 움직인다. 기업이 AI에서 경쟁력을 읽는다면, 사람은 AI에서 자기 자신을 다시 읽어야 한다. 책을 썼지만 나는 여전히 초보자다. 다만 떠밀려 온 초보자가 아니라 스스로 선택한 초보자다. ‘기획자의 시대가 온다’는 AI에 관한 책이지만 결국 사람에 관한 책이다. 배우고 있는 한 우리는 AI에게 대체되는 사람이 아니라 AI와 함께 일의 방향을 결정하는 사람이다. 멈췄던 손은 다시 움직여 이름을 마저 적었다.   ■ 류용효 디원 PLM기술본부에서 상무로 재 직 중이며, 페이스북 ‘류용효컨셉맵 연구소’ 리더, CNGTV 지식방송 전 문위원으로 활동하고 있다. PTC코 리아, 오라클, 지멘스 PLM 등을 거 치며 PLM과 프로세스 컨설팅 분야 에서 일해 왔다. 저서로 ‘베테랑 기 획자의 바이브코딩 도전기’가 있다. (블로그)     ■ 기사 내용은 PDF로도 제공됩니다.
류용효 작성일 : 2026-10-07 조회수 : 48
[온에어] 메시 없이 CAD 그대로 빠르게 검증하는 심센터 심솔리드
캐드앤그래픽스 지식방송 CNG TV 지상 중계   지멘스 디지털 인더스트리 소프웨어는 지난 9월 7일 CNG TV 방송을 통해 설계 단계에서 복잡한 CAD 모델을 격자 생성이나 형상 단순화 과정 없이 빠르게 해석·검증할 수 있는 구조 해석 설루션 ‘심센터 심솔리드(Simcenter SimSolid)’의 핵심 기술과 적용 사례를 소개했다. 자세한 내용은 방송 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ 지멘스 디지털 인더스트리 소프트웨어 신예랑 본부장   전통적 FEA의 한계 극복 및 해석 모델링 공수 절감 기존 유한요소분석(FEA) 방식은 CAD 모델을 불러온 뒤 형상 단순화, 피처 제거, 메시 생성, 하중/경계 조건 부여 등 ‘해석 모델 준비 과정’에 전체 공수의 최대 80%에 달하는 시간과 노력이 소요된다. 특히 부품 수가 많거나 복잡한 대규모 어셈블리 모델일수록 메시 작업 실패율과 해석 준비 시간이 기하급수적으로 증가하는 문제가 존재했다. 심솔리드는 메시를 생성하지 않고 원본 CAD 형상 그 자체(meshless)를 기반으로 적분 형태의 자유도와 고차 형상 함수를 적용하는 방식을 채택했다. 또한 1차 해석 수행 후 오차 평가를 거쳐 필요한 부분에 국부적으로 자유도와 차수를 자동으로 보강하는 방식을 통해 높은 정밀도를 확보한다. 이를 통해 전통적인 방식 대비 전체 리드 타임을 약 25배에서 최대 100배까지 가속화할 수 있다. 지멘스 디지털 인더스트리 소프트웨어 신예랑 본부장은 “시뮬레이션의 가치는 명확하지만, 전체 프로세스의 80%가 분석이 아닌 준비 단계에 소요된다는 점이 큰 부담이었다”며, “준비 시간을 줄이게 되면 단순 작업이 아닌 엔지니어가 실제 판단과 설계 검증에 더 많은 시간을 투입할 수 있어 설계 의사결정의 신뢰도와 개발 속도를 크게 향상시킬 수 있다”고 강조했다.   대규모 어셈블리 지원 및 검증된 해석 정확도 심솔리드는 단품 해석뿐만 아니라 서브 시스템, 풀 어셈블리 평가까지 지원한다. 복잡한 래티스 구조(lattice structure), 극도로 디테일한 피처, 부품 간 크기 및 두께 편차가 큰 어셈블리 모델도 CAD 형상 정리 없이 곧바로 해석을 진행할 수 있다. 고성능 클러스터나 대형 서버 없이 일반 엔지니어링 개인 PC 환경(예 : 16코어 CPU, 64GB RAM)에서도 1000여 개의 부품으로 구성된 모델을 10~15분 내에 해석 완료할 수 있다. 메시를 사용하지 않는 방식의 정확도 우려에 대해 지멘스는 엔지니어링 커뮤니티 및 중립 검증 기관인 NAFEMS의 벤치마킹 테스트 결과를 제시하며 전통적인 FEA 대비 95% 내외의 높은 정확도를 입증했다고 설명했다. 또한 선형 정적 해석, 모달 해석, 내구성 해석, 열 전달 및 열응력 해석은 물론 전자기장 및 PCB(eCAD) 기반 구조 해석까지 영역을 확대하고 있다. 실제 에어버스, GM, 루시드 등 글로벌 기업이 심솔리드를 채택해 활용 중이다. 특히 루시드의 경우 복잡한 차체(BIW) 전체 해석 및 모델링 검증 과정을 4시간 만에 완료했으며, 듀머리의 사례에서는 전체 개발 시간을 75% 단축함과 동시에 사용자의 학습 곡선을 극적으로 낮추는 성과를 거두었다. 신예랑 본부장은 “심솔리드는 ‘CAD에서 결과까지(CAD to result)’ 다이렉트로 이어지는 설루션으로, 설계 변경 시 기존 물성 및 경계 조건이 자동 매핑되어 수많은 설계안(design candidate)을 신속하게 재검증할 수 있다”고 언급했다.     ■ 기사 내용은 PDF로도 제공됩니다.
박경수 작성일 : 2026-10-07 조회수 : 60
[온에어] 피지컬 AI 시대 휴머노이드 개발을 위한 엔드 투 엔드 디지털 전략 소개
캐드앤그래픽스 지식방송 CNG TV 지상 중계   지멘스 디지털 인더스트리 소프웨어는 지난 8월 26일 CNG TV 방송을 통해 ‘피지컬 AI 시대의 휴머노이드 개발’을 주제로 NX 기반 통합 설계부터 가상 검증, AI 학습, 양산에 이르는 지멘스의 디지털 트윈 및 엔드 투 엔드 설루션을 공개했다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ 지멘스 디지털 인더스트리 소프트웨어 유샛별 프로   휴머노이드 개발을 위한 멀티도메인 디지털 스레드 구축 지멘스 디지털 인더스트리 소프트웨어 유샛별 프로는 오늘날 휴머노이드 로봇이 연구실을 넘어 실제 산업 현장과 공장에 본격적으로 투입되는 전환점에 서 있다고 강조하며, 단순한 동작 검증을 넘어 대량 양산 및 현장 운영 안정성을 확보하기 위한 체계적인 통합 플랫폼의 중요성을 소개했다. 휴머노이드 로봇 개발은 기계, 전기, 제어, 소프트웨어가 복합적으로 맞물리는 대표적인 멀티도메인 시스템이다. 지멘스는 이러한 복잡한 개발 과정을 개별 설루션으로 접근하기보다, 설계부터 해석, 가상 검증, 제조 및 운영 현장까지 단절 없이 연결하는 디지털 스레드(digital thread)와 디지털 백본인 팀센터(Teamcenter)를 중심으로 통합·관리하는 방안을 제시했다. 유샛별 프로는 “휴머노이드가 연구실의 기술 시연을 넘어 실제 공장에 투입되기 위해서는 로봇 한 대를 잘 움직이게 하는 것만으로는 부족하다. 동일한 품질의 로봇을 대량으로 생산하고 현장에서 안정적으로 운영할 수 있도록 AI 성능뿐만 아니라 설계, 검증, 생산, 운영에 이르는 전체 프로세스가 함께 준비되어야 한다”고 설명했다.   ▲ 휴머노이드 핵심 개발 과제   가상 검증 및 피지컬 AI 학습 이어 메카트로닉스 콘셉트 디자이너(MCD) 및 NX 환경에서 로봇의 강체와 조인트 움직임, 작업 가능 여부를 검토한 후, URDF 표준 형식으로 데이터를 추출해 엔비디아 아이작 심(NVIDIA Isaac Sim) 등 AI 가상 학습 환경으로 즉시 연동하는 정밀한 프로세스를 설명했다. 또한 1D 시스템 시뮬레이션 및 3D 열·구조 해석 도구인 심센터(Simcenter)를 통합 활용해 모터와 배터리의 열 안정성을 확보하고, 가상 학습 환경과 실제 데이터 간의 격차를 줄이는 ‘심투리얼(Sim2Real)’ 검증 환경의 필요성을 강조했다. 아울러 MCP(모델 콘텍스트 프로토콜 : Model Context Protocol) 기반으로 자연어 명령을 로봇 자세 제어로 변환하는 AI 연동 기술과 가상 공장 통합 3D 관제 설루션인 ‘디지털 트윈 컴포저(Digital Twin Composer)’도 선보였다. 실제 공장 배치 전 프로세스 시뮬레이터와 플랜트 시뮬레이션을 통해 로봇과 작업자 간의 안전 동선, 물류 로봇(AGV/AMR)과의 오케스트레이션을 사전 검증함으로써 실증 비용과 시행착오를 줄일 수 있다고 밝혔다.     ■ 기사 내용은 PDF로도 제공됩니다.
박경수 작성일 : 2026-10-07 조회수 : 61
총 게시글 34,944개

ㆍ태그

캐드
CAD
CAE
시뮬레이션
CAM
PLM
BIM
3D 프린팅
적층제조
스마트 공장
디지털 트랜스포메이션