자율주행 기술 접근성에 혁신을 가져오다   티어포(TIER IV)는 자율주행 기술 개발을 개방하여 접근성과 확장성을 높임으로써 모두가 자율주행 기술에 접근할 수 있도록 만들기 위해 노력하고 있다. 이 비전을 뒷받침하기 위해 티어포는 유니티로 개발한 오픈소스 시뮬레이터인 AWSIM을 구축했다. AWSIM은 보다 현실적이고 효율적인 환경에서 오토웨어(Autoware)와 같은 오픈소스 자율주행 소프트웨어의 테스트와 검증, 최적화 등을 지원하는 시뮬레이터이다. 이번 호에서는 티어포가 왜 유니티를 선택했는지와 팀에서 어떻게 자율주행에 맞춤화된 시뮬레이터를 구축했는지, AWSIM을 통해 어떻게 비용이 많이 드는 실제 테스트에 대한 의존도를 줄이면서 오토웨어 생태계를 확장하고 있는지 살펴본다. ■ 자료 제공 : 유니티 코리아     기존 방법론의 한계 자율주행 소프트웨어를 개발하려면 실제 도로에서 테스트하기 전에 동작, 센서 성능, 시스템 상호 작용을 대규모로 정확하게 확인할 수 있는 시뮬레이션 환경이 필요하다. 차량과 전문 코스를 활용한 실제 테스트는 비용이 많이 들고 시간도 오래 걸리며, 안전상의 위험이 내재되어 있다. 하지만 티어포가 2020년에 기존의 여러 시뮬레이터를 평가한 결과, 대다수가 오토웨어와 같은 자율주행 소프트웨어의 요구 사항에 맞게 디자인되지 않았다는 사실을 확인했다. 많은 시뮬레이터가 ROS2(Robot Operating System 2)와 호환되는 통신 방식 대신 독점 프로토콜에 의존하고 있어서 현실적인 연동이 어렵고, 시뮬레이션과 실제 차량 환경 간 이동에 더 많은 작업이 필요했다. 기술적 한계로 인해 추가적인 마찰도 발생했다. 일부 시뮬레이터에서는 라이다(LiDAR)를 CPU에서 처리해 속도와 정확도가 감소했고, 더러는 교차로에서 신호등을 안정적으로 인식하는 등의 복잡한 자율주행 워크플로에 반드시 필요한 기능이 부족했다. 티어포는 결국 오토웨어 시뮬레이션 전체 프로세스를 처음부터 끝까 지지원하는 시뮬레이터를 찾을 수 없었다.   참조 환경으로서의 AWSIM 티어포는 여러 불완전한 툴을 조합하는 대신, 자체 시뮬레이터인 AWSIM을 개발하기로 했다. AWSIM은 유니티로 개발한 오픈소스 자율주행 시뮬레이터로, 오토웨어의 참조 환경으로 설계되었다. 유니티로 개발한 AWSIM은 오토웨어와 원활하게 연동되며, 보다 폭넓은 자율주행 생태계에 맞는 개방형 개발 모델을 지원한다. 오픈소스 기반을 마련한 것은 전략적 선택이었다. 티어포는 AWSIM의 투명성과 접근성을 보장해 다양한 기업과 연구자, 개발자 등이 보다 쉬운 참여와 기여, 공통적인 참조 구현 기반 개발이 가능한 환경을 조성했다. AWSIM은 오토웨어를 도입하는 팀의 학습 기간도 단축해 준다. 사전 연동된 데모 시뮬레이션을 통해 일반적으로 필요한 센서와 맵, 시나리오 등의 설정에 많은 시간을 할애하지 않고 시뮬레이터를 연결해 처음부터 끝까지 워크플로를 바로 진행할 수 있다. 이런 방식으로 AWSIM은 단순한 시뮬레이터를 넘어, 오토웨어와 호환 가능한 시뮬레이션 환경 구축의 실용적인 레퍼런스 역할을 한다. 티어포의 AWSIM 개발 리드인 마키노 타카토키는 “앞으로 AWSIM은 오토웨어와의 연결을 목표로 시뮬레이터를 개발하려는 자율주행 관련 기업과 대학이 참고할 수 있는 방향을 제시할 것이며, 앞으로 다양한 협업이 이루어지길 기대한다”고 말했다.   ▲ AWSIM 개발 스크린   유니티가 개발 툴로 선정된 5가지 이유 AWSIM을 구축하기 위해 티어포에는 고충실도 시뮬레이션, 복잡한 센서 워크플로, 외부 연동, 프로토타이핑부터 정식 제작까지 빠른 반복 작업을 지원하는 개발 플랫폼이 필요했다. 여러 옵션을 평가한 끝에 유니티를 선택한 5가지 이유는 다음과 같다.   개발 및 프로토타이핑 시간 단축 티어포는 유니티의 빌트인 물리 요소, 렌더링, 신(scene) 관리 기능을 통해 기본 설정에 소요되는 시간을 줄이고 구현에 집중할 수 있었다. 마키노에 따르면, 유니티의 C# 기반 환경 덕에 센서와 차량 동작 실험에서 R&D 반복 수정 시간도 단축되었다고 한다.   핵심 기능과 고급 기능의 균형 조정 티어포는 고급 최적화와 커스터마이징에 도움이 되는 기술인 DOTS(데이터 지향 기술 스택, Data-Oriented Technology Stack)와 SRP(스크립터블 렌더 파이프라인, Scriptable Render Pipeline) 등 유니티의 기본 툴과 확장성을 높이 평가했다.   큰 규모에서도 유지되는 성능과 유연성 자율주행 시뮬레이션은 렌더링과 오브젝트 처리에 매우 높은 성능을 요구한다. 유니티는 팀에게 품질이나 성능에 맞게 조정할 수 있는 유연성을 제공하고, 차량, 교통 참가자 등 움직이는 다수의 오브젝트를 효율적으로 관리할 수 있게 지원했다.   방대한 생태계와 인재 풀 유니티의 폭넓은 사용자층과 기술 자료, 지원 리소스를 비롯해 게임 외의 다양한 분야에 채택된 사례도 많았던 덕에 티어포에서는 정보 수집과 문제 해결, 유니티 경력 보유 인재 채용 등이 한층 수월했다.   개방형 개발을 위한 멀티플랫폼 지원 AWSIM은 오픈소스이므로 접근성이 중요하다. 리눅스를 지원하는 유니티는 CI 파이프라인, 컨테이너화된 워크플로를 비롯해 오토웨어와 AWSIM이 사용하는 우분투(Ubuntu) 기반 개발 환경에 적합한 플랫폼이었다.   오픈소스와 자율주행 시뮬레이터 관련 과제 오픈소스 기반 자율주행 시뮬레이터를 구축하는 과정에서 티어포와 더 넓은 오토웨어 커뮤니티에 고유한 기술적 과제와 운영상의 과제가 발생했다. AWSIM은 모든 사람들에게 공개될 예정이었으므로, 티어포에서는 오픈소스와 호환되는 라이브러리 및 외부 애셋의 제약을 고려해야 했다. 이 과제를 해결하기 위해 티어포는 오토웨어 재단 산업 그룹의 일원인 로보텍.에이아이(Robotec.ai)와 협력하여 ros2-forunity, Robotec-GPU-Lidar와 같은 라이브러리를 개발하고 활용했다. 이러한 라이브러리는 유니티에서 네이티브 ROS2를 직접 처리하고, 엔비디아 옵틱스(NVIDIA OptiX)를 사용한 레이트 레이싱 기반 라이다 시뮬레이션을 구현하여 라이다 처리를 CPU에서 GPU로 오프로드하게 했다. 팀은 우분투에 맞는 개발 요구 사항도 해결해야 했다. 오토웨어가 우분투에서 실행되므로 AWSIM 역시 외부 디바이스 지원이 제한되거나 문서화된 내용이 없는 상황에서 동일하게 우분투에서 동작해야 했다. 예를 들어 네이티브 우분투 지원이 되지 않는 스티어링 휠 컨트롤러와 같은 디바이스의 경우, 티어포는 격차를 줄이기 위해 커스텀 드라이버를 개발하여 HILS(Hardware In the Loop Simulation) 설정을 일관성 있게 유지했다. 마키노 리드는 “빠르게 발전하는 개발 분야에서 유니티와 같은 게임 엔진을 활용하는 것은 산업 용도로도, 연구 목적으로도 매우 효과적”이라고 평가했다.   ▲ 유니티 출력을 실제 카메라 센서로 촬영   주요 과제 설루션 다중 카메라 렌더링 자율주행 시뮬레이션은 실시간으로 여러 고해상도 센서에 프레임마다 데이터를 제공해야 하므로 일반적인 3D 인터랙티브 애플리케이션보다 더 높은 성능이 요구된다. 티어포는 일부 AWSIM 시나리오에서 센서의 정확도를 유지하면서 8대 이상의 카메라를 동시에 실행해야 했기 때문에 표준 최적화 기술만으로는 충분하지 않았고, 이에 커스텀 조정이 필요했다. 팀에서는 유니티를 활용해 이러한 부하를 관리하기 위한 일련의 특화된 최적화 기법을 개발했다. 여기에는 여러 카메라에서 시차를 둔 렌더링으로 급격한 부하를 줄이고, 타임스케일 조정으로 프레임당 리소스를 더 할당하며, 애셋을 최적화하고, 정확도와 프레임 속도 간의 균형을 맞추기 위해 단일 프로젝트 내에서 렌더링 파이프라인 옵션을 유연하게 활용하는 등의 작업이 포함되었다.   HILS 티어포는 유니티 잡 시스템(Unity Job System)과 피직스(PhysX) 등의 툴을 사용하여 차량, 교통, 보행자 시뮬레이션의 실시간 성능을 향상했다. 팀에서는 HILS를 지원하기 위해 원시 센서 패킷을 분석하고 유니티에서 동등한 출력을 재현하여 테스트 차량에 배포하기 전에 ECU와 카메라 센서 설정을 시뮬레이션에서 테스트할 수 있도록 했다. 마키노 리드는 “일반적인 게임 개발에서 사용되는 컬링과 LOD는 주변 오브젝트에 변화를 줘 수집 가능한 센서 데이터에 영향을 줄 수 있다. 따라서 원하는 성능을 얻기 위해 다양한 아이디어를 생각해 내야 했다”고 전했다.   라이브러리를 활용한 기능 개발 티어포는 커스텀과 공동 개발 라이브러리를 통해 유니티의 기능을 더욱 확장했다. 팀에서는 엔비디아 옵틱스를 활용한 레이트레이싱 라이다 기능을 구축하고, 이를 유니티에 네이티브 플러그인으로 연결하여 오토웨어의 자기 위치 추정 워크플로용 포인트 클라우드 맵을 생성했다. 또한 VFX 그래프를 활용해 비, 눈 등 기상 효과와 이로 인해 카메라와 라이다 데이터에 발생하는 시각적 노이즈까지 시뮬레이션했다. 또한 티어포는 ros2-for-unity 라이브러리를 통해 유니티 내에서 DDS와 ROS2 관련 설정을 직접 작업함으로써, 여러 시뮬레이션 스택에서 시간 관리를 통합하고 실제 도로 위 차량에서 사용되는 것과 유사한 저지연 통신 패턴을 재현할 수 있었다. 마키노 리드는 “ros2-for-unity는 실제 차량에서 사용되는 메시징 포맷과 통신 프로토콜을 그대로 고처리량 저지연으로 활용할 수 있어 가능한 한 실제 차량에 가까운 시뮬레이션 구현이 가능하다”고 설명했다.    ▲ 주변 오토웨어 툴을 포함한 연동 시뮬레이션. 왼쪽 상단 : AWSIM, 오른쪽 상단 : 오토웨어, 왼쪽 하단 : 주행 경로, 오른쪽 하단 : 차량 내 앱   AWSIM 개발이 기여한 오토웨어의 개선 AWSIM은 외부 오토웨어 생태계와 티어포의 내부 개발 워크플로 모두에 새로운 가치를 더했다. AWSIM이 공개되기 전에는 시뮬레이션을 실행하려면 오토웨어와 시뮬레이터 양쪽 모두에 대한 깊은 이해도가 필요했고, 따라서 신규 사용자에게는 진입 장벽이 높았다. AWSIM은 튜토리얼과 사전 연동된 워크플로를 통해 개발자들이 쉽게 시작하고 시뮬레이션을 실행할 수 있게끔 만들었고, 완전한 오토웨어 파이프라인을 보여 주며 그 장벽을 낮췄다. 이러한 접근성 덕분에 도입이 확대되었다. AWSIM은 일본 자동차 기술회가 주최하는 AI 챌린지 예선에서도 활용되어, 매년 수백 명의 참가자들이 오토웨어 생태계를 경험하고 오픈소스 자율주행을 중심으로 한 커뮤니티의 성장을 가속화하는 데 기여했다. 내부적으로는 AWSIM이 오토웨어 출시 전에 포괄적인 평가를 지원하여 개발 효율성을 높였고, 초기 검증과 디버깅에서 물리적 차량에 대한 의존도를 줄여 특히 차선 유지와 신호 인식 등의 카메라 기반 기능에서 큰 도움이 되었다. AWSIM의 영향은 내부 테스트의 효율 향상에만 그치지 않고, 더 넓은 산업 분야에서 검증하는 단계로 확대되고 있다. 2025년, 이 프로젝트는 제17회 유니티 어워즈 산업 분야에서 이노베이션 어워드 수상의 영예를 안으며, 티어포가 접근성 높은 오픈소스 시뮬레이션을 통해 자율주행 분야의 발전을 이끌고 있음을 입증했다. 마키노 리드는 “AWSIM의 가장 중요한 성과는 AWSIM 튜토 리얼 시청만으로 누구나 시뮬레이터를 오토웨어에 연결할 수 있는 환경을 만들었다는 것”이라고 전했다.   AWSIM의 미래 앞으로 티어포는 AWSIM을 오토웨어 프로젝트의 디지털 트윈 시뮬레이터 참고 자료로 발전시켜 나갈 계획이다. 주요 목표 중 하나는 정확하게 재현된 POC 테스트 사이트를 활용해 수만 킬로미터의 주행 데이터를 생성함으로써, 실제 차량 테스트에만 의존하지 않고 대규모 평가를 지원하는 것이다. 티어포에게 이 목표는 단순한 시뮬레이션 품질 개선 그 이상을 의미한다. 오토웨어의 신뢰성을 강화하고, 글로벌 커뮤니티를 확장하며, 전 세계 수많은 개발자, 연구자, 업계 파트너에게 도달할 수 있는 개방형 자율주행 생태계에 한 걸음 더 다가간다는 비전을 뒷받침한다.     ■ 기사 내용은 PDF로도 제공됩니다.

엔비디아는 입문형 에지 AI를 위한 로보틱스 컴퓨터인 ‘엔비디아 젯슨 오린 나노 2(Jetson Orin Nano 2)’를 발표했다. 엔비디아는 이번 신제품을 통해 개발자가 드론, 로봇, 비전 AI 시스템 등 물리적 장치에 생성형 AI 기능을 보다 쉽게 구현할 수 있도록 지원한다고 밝혔다. AI 모델이 점차 소형화되고 효율화됨에 따라 맥락을 스스로 이해하고 언어와 이미지를 해석해 실시간으로 동작하는 에지 디바이스가 늘고 있다. 이러한 자율 기능을 물리적인 기계에 탑재하려면 작은 크기와 전력 효율을 갖춘 로보틱스 컴퓨터가 필요하다. 젯슨 오린 나노 2는 초당 78조 회 연산이 가능한 78TOPS(초당 테라 연산)의 AI 컴퓨팅 성능을 제공한다. 또한 8기가바이트(GB) 메모리와 8코어 Arm 중앙처리장치(CPU)를 탑재해 소형 시스템의 AI와 영상 처리 성능을 높였다. 엔비디아에 따르면 젯슨 오린 나노 2는 개선된 텐서 코어와 향상된 메모리 대역폭을 통해 기존 ‘젯슨 오린 나노 슈퍼’와 같은 소형 폼팩터를 유지하면서도 추론 성능을 2배 높였다. 15와트 모드에서는 이전 모델과 동일한 성능을 발휘하면서 전력 소비를 40% 줄였다.     신제품은 엔비디아의 개방형 소프트웨어 스택과 젯슨 에이전트 스킬을 지원한다. 이를 통해 코스모스, 네모트론, 젬마 4, 큐웬 3 등 최신 대규모 언어 모델(LLM)과 비전언어모델(VLM)을 에지 환경에서 효율적으로 구동할 수 있다. 엔비디아는 현재 300만 명 이상의 개발자가 엔비디아 로보틱스 스택을 기반으로 제품을 개발하고 있으며, 주요 파트너사들도 젯슨 오린 나노 2 도입에 나서고 있다고 전했다. 알파벳의 자회사인 배송 드론 기업 윙은 기존 배송 드론에 엔비디아 플랫폼을 활용해 왔으며, 보다 빠르고 안전한 배송을 위해 실시간 AI 인식 기능을 강화하고자 젯슨 오린 나노 2 도입을 검토하고 있다. 소비자용 로봇 기업 매틱 로봇은 가정용 청소 로봇의 대화형 AI, 제스처 인식, 정밀 매핑 기능을 강화하기 위해 신제품을 적용하고 있다. 이 밖에도 코그넥스, 두산밥캣 등이 젯슨 오린 나노 2 활용을 검토하고 있으며, 어드밴텍, 에이디링크, 에이온을 비롯한 생태계 파트너들이 고객사의 제품 출시 기간을 단축하기 위한 전용 캐리어 보드와 하드웨어 시스템, 레퍼런스 설루션을 개발하고 있다. 엔비디아의 디푸 탈라 로보틱스 및 에지 AI 부문 부사장은 “오늘날의 중소형 프론티어 모델은 지난해 최대 규모의 프론티어 모델과 동등한 수준의 정확도를 달성하며, 에지 디바이스에서 실시간 인텔리전스를 구현할 수 있게 됐다”면서, “젯슨 오린 나노 2 컴퓨터는 이러한 혁신을 수백만 명의 개발자가 활용할 수 있도록 지원하며, 스마트 드론·로봇·비전 AI 시스템에서 실시간 추론에 필요한 성능과 에너지 효율성 제공한다”고 말했다.

엔비디아는 로보택시와 자율주행차 개발을 위한 개방형 추론 모델 ‘엔비디아 알파마요 2 슈퍼(NVIDIA Alpamayo 2 Super)’의 상업적 이용을 지원한다고 밝혔다. 이 모델은 개방형 상용 라이선스와 높은 추론 성능, 검토 가능한 의사결정 과정을 바탕으로 자율주행차의 대규모 배포를 돕는다. 로보택시를 비롯한 자율주행차가 해결해야 할 과제는 드물고 복잡한 롱테일 상황이다. 이러한 상황에 대응하려면 상황을 이해하고 인과관계를 추론해 적절한 행동을 선택할 수 있어야 한다. 상업적 이용이 가능한 알파마요 2 슈퍼는 단일 파운데이션 모델에서 자율주행차 관련 기능을 지원한다. 엔비디아 코스모스 3 슈퍼 리즈너(Cosmos 3 Super Reasoner)를 기반으로 구축된 이 모델은 개방형 상용 라이선스인 오픈MDW(OpenMDW)-1.1에 따라 허깅페이스(Hugging Face)에서 제공된다. 해당 라이선스는 파인 튜닝과 파생 모델 개발, 상업적 재배포를 허용한다. 자율주행차 개발사와 완성차 업체는 자체 데이터와 주행 정책에 맞춰 모델을 조정할 수 있다.     기존 알파마요 모델은 연구개발 목적으로 공개됐다. 현재 오픈MDW 라이선스는 알파마요 모델군 전체에 적용된다. 개발자는 추가 허가 없이 모델을 상업적으로 배포할 수 있으며, 개발팀은 각 작업에 적합한 모델을 효율적으로 선택할 수 있다. 알파마요 2 슈퍼는 클라우드 기반 개발 워크플로에서 추론을 지원하며 합성 학습 데이터와 모델 증류를 위한 교사 모델의 출력값을 생성한다. 알파마요 1.5와 알파마요 1은 비용 효율적인 선택지를 제공하며, 여기서 생성된 증류 모델은 양산 차량에서 실시간 추론을 수행하도록 최적화된다. 엔비디아는 알파마요 2 슈퍼가 자율주행 추론 벤치마크인 링고QA(LingoQA)에서 평가된 약 40개 모델 가운데 1위를 차지했다고 밝혔다. 100억 개의 파라미터를 갖춘 이전 모델보다 3배 큰 규모로 제작돼 복잡한 상호작용에도 효과적으로 대응할 수 있다는 것이다. 알파마요 2 슈퍼는 차량의 전방과 측면, 후방을 아우르는 360도 카메라 영상을 통합해 추론하며 교차로나 비보호 회전 같은 위험 상황을 쉽게 이해하도록 돕는다. 이 모델은 주행 궤적, 인과관계 연쇄(CoC) 추적 정보, 메타 액션, 추론 자동 라벨, 2D 시각 그라운딩 기반 시각 질의응답 결과 등 다섯 가지 결과를 생성한다. 이를 통해 개발자는 모델의 의사결정 과정을 파악하고 비판적으로 검토할 수 있다. CoC 추적 정보는 ISO/PAS 8800 요구사항에 맞춘 AI 안전 체계를 지원한다. 또한 자동 라벨러로 배포돼 주행 영상에서 라벨을 생성하고 주석 작업 주기를 수개월에서 수일로 단축해 준다. 자율주행차 개발팀은 시뮬레이션을 제공하는 엔비디아 알파심(AlpaSim)과 강화학습을 지원하는 엔비디아 알파짐(AlpaGym) 등 다양한 개방형 모델과 데이터세트 제품군을 활용할 수 있다.

엔비디아가 에지 환경에서 피지컬 AI를 구현하는 ‘엔비디아 코스모스 3 에지(NVIDIA Cosmos 3 Edge)’를 공개했다. 피지컬 AI 시스템은 월드 모델을 활용해 물리적 환경을 인식하고 추론하며 예측한다. 지금까지 프론티어급 AI를 에지 환경에 구현하려면 모델 성능과 배포 효율 사이에서 절충해야 하는 경우가 많았다. 엔비디아는 코스모스 3 에지를 통해 이러한 절충을 해소할 수 있다고 밝혔다. 40억 개 파라미터를 갖춘 옴니모델인 코스모스 3 에지는 메모리 효율적인 배포와 높은 처리량을 위해 최적화됐다. 엔비디아 젯슨(Jetson), 엔비디아 RTX PRO, 엔비디아 DGX 시스템과 지포스(GeForce) RTX GPU에서도 구동할 수 있다. 소형 월드 파운데이션 모델로서 텍스트, 이미지, 영상, 주변 소리 및 동작을 이해하고 생성한다. 트랜스포머 혼합 아키텍처를 적용해 물리적 현실에 기반한 실시간 비전 분석 및 온디바이스 로봇 행동을 지원한다.     개발자는 엔비디아 DGX 스테이션 데스크사이드 AI 슈퍼컴퓨터에서 자체 로봇 및 센서 데이터로 코스모스 3 에지를 사후 학습하고, 특화된 월드 액션 모델을 구축할 수 있다. 이후 이를 엔비디아 젯슨 토르(Jetson Thor)에 배포해 실시간 로봇 제어 정책에 활용할 수 있다. 두산 로보틱스, 지멘스, 애자일 로봇, 스킬드 AI 등은 로보틱스 워크플로에 코스모스 3 에지를 적용하는 방안을 평가하고 있다. 자율주행 자동차 분야에서는 도로 상황 이해, 교통 상황 추론, 객체 의도 예측을 지원한다. 엔비디아 알파마요 비전 언어 행동 모델을 포함한 차량용 정책 모델 증류에서 학생 모델의 백본으로 쓰일 수 있다. 스마트 인프라 영역에서는 젯슨 토르에서 실시간 추론을 수행해 실시간 영상 스트리밍 기반 비전 에이전트를 교통 모니터링, 공공 안전, 물류, 산업 검사에 활용하도록 돕는다. 한편 엔비디아는 컴퓨터 그래픽 콘퍼런스 ‘시그라프 2026’에서 시뮬레이션과 피지컬 AI를 위한 연구 성과를 함께 발표했다. 엔비디아가 공개한 21편의 기술 논문은 가상 세계를 생성하고 현실 세계의 머신 훈련을 구동하는 실시간 시스템의 기반을 다룬다. 대표 사례인 ‘모션브릭스(MotionBricks)’는 35만 개 이상의 모션 클립으로 훈련되고 게임 엔진 수준의 속도로 실행되는 실시간 모션 모델이다. 화면 속 애니메이션 캐릭터를 구동하는 동시에 유니트리 G1 휴머노이드 로봇도 제어한다. 생성형 컨트롤러 훈련 프레임워크인 ‘GPC’는 방대한 인간 동작 데이터를 기반으로 하나의 컨트롤러를 사전 훈련시켜 새로운 작업에 적용할 수 있는 운동 능력을 제공한다. 이외에도 캡처 데이터를 가상 장면으로 변환하는 ‘아티픽서(ArtiFixer)’, 엔비디아 뉴턴 물리 엔진에서 눈과 모래 등 복잡한 물질을 표현하는 신규 솔버, 비디오 모델에서 재질을 추출하는 ‘비디오뉴맷(VideoNeuMat)’ 파이프라인 등을 선보였다. 엔비디아는 3D와 물리 법칙에 기반한 AI 생성 세계를 통해 피지컬 AI 개발과 창작 영역을 넓혀갈 계획이다.

엔비디아가 엔비디아 토르(NVIDIA Thor) 아키텍처를 기반으로 한 신규 T3000과 T2000 모듈을 공개했다. 이번 신제품은 컴팩트한 크기와 높은 전력 효율을 바탕으로 대중 시장을 겨냥한 로보틱스와 에지 AI(인공지능) 애플리케이션의 대규모 배포를 지원한다. 최근 범용 로봇과 자율 기계의 상용화가 확대되면서, 에지 단에서 파운데이션 모델을 구동할 AI 슈퍼컴퓨터 수요가 늘고 있다. 엔비디아는 이 같은 시장 요구에 대응해 신규 모듈을 선보였다. 현재 젯슨 AGX 토르(Jetson AGX Thor)는 1X, 아마존 로보틱스, 보스턴 다이내믹스, 화낙 등 주요 기업의 차세대 로봇 시스템 구축에 활용되고 있다.     신형 젯슨 및 IGX T3000 모듈은 기존 T5000 대비 크기와 전력 소비가 절반 수준이다. 865 FP4 테라플롭스의 AI 연산 성능을 갖췄으며, 엔비디아 블랙웰(Blackwell) GPU와 8코어 네오버스 Arm(Neoverse Arm) CPU, 32GB LPDDR5X 메모리를 탑재했다. 대규모 언어 모델(LLM)과 비전 언어 모델(VLM) 등 다양한 멀티모달 워크로드에서 T5000에 상응하는 추론 성능을 제공해 메모리 비용 절감 효과도 기대할 수 있다. IGX T3000은 기능 안전성을 통합해 협동 로봇용 풀스택 안전 시스템을 구동할 수 있다. 젯슨 T2000 모듈은 400 FP4 테라플롭스의 성능과 16GB 메모리를 제공한다. 비주얼 AI 에이전트와 자율이동로봇, 산업용 매니퓰레이터 개발에 적합한 진입점을 제공하며, 엔비디아는 70 TOPS부터 2000 테라플롭스까지 이어지는 에지 AI 라인업을 구축했다. 소프트웨어 측면에서는 메모리 최적화를 자동화하는 ‘젯슨 에이전트 스킬(Jetson agent skills)’을 선보였다. 개발자는 이 기능을 활용해 시스템 구성과 메모리 절감 작업을 수일 내로 마칠 수 있다. 유비테크와 애자일 로봇 등은 이 기술을 통해 메모리 사용량을 최대 15GB 줄여 상위 모듈에서 하위 모듈로 전환하는 데 성공했다. 스마트 교통 업체 노트래픽도 메모리 사용량을 30% 줄여 시스템 여유 자원을 확보했다. 또한 엔비디아는 체화형 AI 시스템을 위한 경량 파운데이션 모델인 ‘코스모스 3 엣지(Cosmos 3 Edge)’를 추가했다. 40억 개의 파라미터를 갖춘 이 모델은 온디바이스 추론을 통해 로봇이 환경을 인식하고 실시간으로 판단하도록 돕는다. 개발자는 개방형 프레임워크를 이용해 단기간에 특정 로봇 하드웨어에 맞춰 사후 학습을 진행할 수 있다. 개발자들은 현시점에서도 젯슨 AGX 토르 개발자 키트의 에뮬레이션 모드를 통해 T3000과 T2000 모듈의 성능을 사전에 검증할 수 있다. 엔비디아는 7월 달 말 젯팩(JetPack) 7.2.1을 통해 T3000 에뮬레이션 모드를 먼저 제공하며, 정식 젯슨 T3000 및 T2000 모듈은 2027년 1분기에 출시할 예정이다.

개발 및 공급 : 엔비디아 주요 특징 : 높은 전력 효율, 풀스택 엔비디아 AI·그래픽 기술, 최대 128GB 통합 메모리 제공, 오픈쉘 포함 네이티브 윈도우 환경 제공, 90GB 이상 3D 장면 렌더링, 12K 4:2:2 영상 편집, 4K AI 영상 생성, 최대 100만 토큰 컨텍스트 갖춘 1200억 파라미터 LLM 실행, 1440p 해상도 초당 100프레임 속도로 AAA 급 게임 플레이 지원 등     엔비디아가 개인용 AI 에이전트 시대에 맞춰 윈도우 PC를 재정의하는 새로운 슈퍼칩인 ‘엔비디아 RTX 스파크(RTX Spark)’를 공개했다. 미디어텍과 함께 개발되고 마이크로소프트 윈도우 OS에서 구동되는 RTX 스파크는 단순한 도구를 넘어 협업 파트너 역할을 수행하는개인용 에이전트에 최적화된 컴퓨터를 제공한다. AI, 창작, 게이밍을 위해 설계된 RTX 스파크는 엔비디아의 혁신 기술을 하루 종일 지속되는 배터리 수명을 갖춘 슬림 윈도우 노트북과 전력 효율이 뛰어난 데스크톱 PC에서 구현한다. 핵심 기술에는 엔비디아 쿠다(CUDA), 엔비디아 RTX, DLSS, FP4, 엔비디아 텐서RT(TensorRT), 엔비디아 옵틱스(OptiX), 리플렉스(Reflex), 지싱크(G-SYNC) 등이 포함된다. 엔비디아의 젠슨 황 CEO는 “지난 40년 동안 사용자는 직접 앱을 실행하고, 클릭하며, 입력했다. 그러나 이제 RTX 스파크와 마이크로소프트 윈도우를 통해 사용자가 요청하기만 하면 PC가 작업을 수행한다. RTX 스파크는 엔비디아가 구축한 모든 것, 즉 쿠다, RTX, AI 플랫폼을 하나의 슈퍼칩에 담았다. 로컬 에이전트, 프런티어 모델, 크리에이티브 워크플로, RTX 게임까지 모두 노트북에서 구현 가능하다. 이것이 바로 새로운 PC인 개인용 AI 컴퓨터”라고 말했다. RTX 스파크 슈퍼칩은 6144개의 쿠다 코어와 FP4 정밀도를 지원하는 5세대 텐서 코어(Tensor Cores)를 갖춘 엔비디아 블랙웰 RTX GPU(Blackwell RTX GPU)를 탑재했다. 이 GPU는 엔비디아 NV링크-C2C(NVLink-C2C) 칩-투-칩 인터커넥트를 통해 고성능 20코어 엔비디아 그레이스 CPU(Grace CPU)와 연결된다.   개인용 에이전트를 위한 특화 설계 AI 에이전트는 전환점을 맞이했으며, 오픈클로(OpenClaw), 헤르메스 에이전트(Hermes Agent) 등 오픈소스 프로젝트는 깃허브(GitHub), 오픈라우터(OpenRouter)와 같은 개발자 네트워크에서 기록적인 성과를 달성하고 있다. 그러나 사용자의 메인 PC에서 에이전트를 안전하고 비공개로 실행할 수 없는 한계로 인해 광범위한 도입은 제한돼 왔다. 엔비디아와 마이크로소프트는 이러한 과제를 해결하기 위해 온 디바이스 에이전트를 위한 강력하고 안전한 윈도우 플랫폼을 제공하기 위해 협력하고 있다. 이번 협력은 에이전트가 안전하고, 사용자의 완전한 통제 아래 실행될 수 있도록 보장하는 새로운 윈도우 보안 프리미티브와 엔비디아 오픈쉘(OpenShell) 런타임 기반에서 출발한다. 새로운 윈도우 프리미티브는 에이전트를 네이티브로 구축하고 실행하는데 필요한 ID, 격리, 정책, 엔드 투 엔드 보안 기능을 제공한다. 엔비디아 오픈쉘은 에이전트가 수행할 수 있는 작업과 수행할 수 없는 작업을 사용자가 정의할 수 있도록 추가적인 정책 기능을 제공한다. 또한 사용자의 개인정보 보호 정책에 따라 쿼리를 로컬 모델로 지능적으로 라우팅하고, 클라우드 모델로 전송되는 쿼리의 개인정보를 가릴 수 있도록 한다. 이러한 보안과 개인정보 보호 계층은 헤르메스 에이전트, 오픈클로와 같은 주요 에이전트 개발사가 새로운 윈도우 앱에 도입하고 있다. 이 새로운 앱을 통해 사용자는 윈도우 애플리케이션에서 작업을 실행하고, 앱 간 워크플로를 추론하며, 이미지와 영상을 생성하고, 플러그인과 앱을 코딩하며, 로컬 파일을 의미 기반으로 검색할 수 있는 강력한 온디바이스 에이전트에 쉽고 안전하게 접근할 수 있다. 로컬 기기에서 에이전트를 구동하려면 강력한 보안 체계와 고성능 하드웨어가 모두 필요하다. RTX 스파크는 온디바이스 에이전트의 처리 요구를 충족하기 위해 최대 1페타플롭의 AI 컴퓨팅 성능과 128GB 통합 메모리를 제공한다. 이러한 기반을 바탕으로 엔비디아와 마이크로소프트의 협력은 윈도우 작업 표시줄 사용자 인터페이스에서 접근할 수 있는 새로운 RTX 스파크 기반 윈도우 에이전트 경험으로 확장될 예정이다.   ▲ 엔비디아 젠슨 황 CEO가 ‘GTC 타이베이 2026’ 행사에서 RTX 스파크를 소개했다.   풀스택 RTX 창작과 게이밍 RTX 스파크는 크리에이터, AI 개발자, 게이머를 위해 엔비디아 AI와 그래픽 기술 스택 전체를 제공한다. 사용자는 옵틱스와 DLSS를 통해 90GB 규모의 3D 장면을 렌더링하고, 엔비디아 블랙웰 디코더로 12K 4:2:2 영상을 편집하며, 100만 토큰 컨텍스트를 사용해 1200억 파라미터 대규모 언어 모델을 실행하고, 레이 트레이싱, DLSS, 리플렉스를 적용해 1440p 해상도에서 초당 100프레임 이상의 AAA급 게임을 플레이할 수 있다. RTX 스파크는 기존 기술 지원에 더해 새로운 RTX 기능도 지원할 예정이다. 여기에는 2세대 트랜스포머 모델을 탑재한 DLSS 4.5 레이 리컨스트럭션(DLSS 4.5 Ray Reconstruction)이 포함되며, 이는 블렌더 5.3(Blender 5.3)과 수십 개 게임에 적용될 예정이다. 또한 컴피UI(ComfyUI)에는 4배 프레임 생성(4x Frame Generation)을 지원하는 RTX 비디오(RTX Video)가 적용될 예정이다. RTX 기술은 1000개 이상의 게임과 애플리케이션에서 성능을 향상시키고 이미지 품질을 개선하며 강력한 AI 기능을 제공한다. 어도비, 블랙매직 디자인, 블렌더, 캡컷, 컴피UI, OTOY 등 100개 이상의 윈도우 소프트웨어 제공업체와 크래프톤, 넷이즈, 레메디 엔터테인먼트, 라이엇 게임즈, 엑스박스와 같은 게임 개발사가 새로운 RTX 스파크 플랫폼을 도입하고 있다.   강력한 크리에이티브 경험 제공 엔비디아는 어도비 프리미어와 포토샵을 RTX 스파크에 최적화하도록 재설계하기 위해 어도비와 협력하고 있다. 포토샵의 파이어 플라이(Firefly) 기반 생성형 채우기(Generative Fill)와 프리미어의 생성형 확장(Generative Extend)은 창작 역량, 정밀도, 제어력을 제공하는 수백 가지 가속 도구 중 일부다. RTX 스파크는 이러한 기능을 한층 더 발전시켜 크리에이티브 워크플로 전반에서 AI, 편집, 색 보정, 효과 처리 속도를 최대 2배까지 향상시킨다. 어도비 프리미어는 RTX 스파크의 통합 메모리, 블랙웰 GPU, 텐서RT 소프트웨어를 활용하는 새로운 영상 파이프라인을 탑재할 예정이다. 이를 통해 편집과 색 보정의 실시간 성능, GPU 가속 AI 성능, 복잡한 타임라인의 더 효율적인 렌더링을 제공한다. 또한 어도비 서브스턴스 3D 페인터(Adobe Substance 3D Painter)와 스테이저(Stager)는 더 부드럽고 반응성이 뛰어난 3D 텍스처링과 장면 제작 워크플로를 위해 RTX 스파크에서 네이티브로 실행될 예정이다. 어도비의 차세대 포토샵 엔진은 GPU 가속 합성에 최적화돼 라이브 필터, 하이 다이내믹 레인지(HDR), 현대적이고 자연스러운 브러시 표현을 지원한다. AI 네이티브 파이프라인은 텐서RT를 포함해 RTX 스파크의 전체 성능을 활용하도록 설계됐다. 어도비는 사용자가 윈도우 에이전트와 함께 창작, 편집, 디자인할 수 있도록 프리미어와 포토샵 기능을 추가로 확장할 예정이다. 이를 통해 크리에이터에게 워크플로를 가속화할 수 있는 협업 파트너를 제공할 계획이다.   다양한 크기를 위한 프리미엄 디자인 RTX 스파크 노트북은 두께 14mm, 무게 3파운드 수준의 슬림하고 가벼운 설계가 적용되며, 14~16인치 크기로 출시될 예정이다. 또한 내구성과 깔끔하고 현대적인 디자인을 결합한 정밀 가공 알루미늄 본체가 특징이다. 엔비디아 지싱크 기술을 탑재한 높은 색상 정확도의 탠덤(tandem) OLED 디스플레이는 창작 작업과 몰입감 있는 게이밍을 위한 뛰어난 시각 경험을 제공한다. 작고 전력 효율이 뛰어난 RTX 스파크 데스크톱은 에이전트, 크리에이티브 워크로드, 게이밍, 일상적인 업무 생산성에 맞춰 설계됐다. 주요 하드웨어 제조사들이 RTX 스파크를 기반으로 제품 개발을 추진하고 있으며, 이미 다수의 제품 설계가 개발 중이다. 윈도우 환경에서 에이전트를 제공하기 위한 엔비디아와 마이크로소프트의 협력은 윈도우용 엔비디아 DGX 스테이션(DGX Station for Windows)을 통해 개인용 에이전트를 넘어 프런티어 에이전트까지 확장된다. 이를 통해 엔비디아는 에이전트 실행을 위한 AI 슈퍼컴퓨터를 데스크사이드 환경에 제공하며, 블랙웰 아키텍처의 활용 범위를 엔터프라이즈 개발자까지 확대한다. RTX 스파크 노트북과 소형 데스크톱은 2026년 가을 에이수스, 델, HP, 레노버, 마이크로소프트 서피스, MSI 등 주요 제조사를 통해 출시될 예정이며, 에이서와 기가바이트 모델도 이후 출시된다.     ■ 기사 내용은 PDF로도 제공됩니다.

다쏘시스템코리아는 6월 11일 ‘시뮬리아 유저 데이 2026’을 열고, AI 기술과 ‘모드심(MODSIM)’을 결합해 제품 설계 초기 단계부터 의사결정을 최적화하고 개발 주기를 단축하는 방안을 소개했다. 이번 행사에서 다쏘시스템코리아는 ‘버추얼 트윈(virtual twin)’과 ‘가상 동반자 (virtual companion)’를 활용한 엔지니어링 환경의 변화와 미래 전략을 공유하는 한편, 자사의 해석 브랜드인 시뮬리아(SIMULIA) 전반의 기술 성과 및 산업 영역에서의 활용 사례도 소개했다. ■ 정수진 편집장     시뮬레이션, 설계 초기 단계부터 리스크 줄인다 다쏘시스템코리아의 이주상 본부장은 환영사에서 현대 산업이 AI, 휴머노이드 로봇, 전동화, 첨단 제조 등의 신기술과 결합해 전례 없는 속도로 패러다임을 바꾸고 있다고 진단했다. 과거 제품 개발의 후반에서 검증 역할을 한 시뮬레이션은 이제 기획과 설계 초기 단계부터 성능을 예측하고 리스크를 줄이는 핵심 역량으로 진화하고 있다. 특히 AI 시대의 시뮬레이션은 엔지니어를 반복적인 작업에서 해방시켜 본질적인 설계와 검증에 집중하게 만든다. 이주상 본부장은 “복잡한 모델 준비, 해석 조건 설정, 그리고 결과 검토 같은 과정에서 AI는 업무 효율과 판단의 정확도를 높이고 제품 개발에 참여하는 모든 사람이 성능을 이해하고 의사결정에 적극 참여할 수 있도록 지원하고 있다”고 전했다. 또한, “이런 흐름에 발맞춰 다쏘시스템의 시뮬리아는 구조, 유동, 전자기 등 다양한 물리 영역을 통합하고 3D익스피리언스 플랫폼(3DEXPERIENCE Platform) 기반의 모드심을 통해 모델링과 시뮬레이션을 연속된 프로세스로 구현하고 있다”고 소개했다. 다쏘시스템은 버추얼 트윈과 물리 기반 AI를 결합한 시뮬리아 포트폴리오를 통해 복잡한 제품의 성능을 미리 예측하고 다양한 설계 대안을 정밀하게 검토할 수 있도록 지원하고 있다. 이를 통해 기 업이 물리적 프로토타입에 대한 의존도를 낮추고 개발 과정의 재작업과 리스크를 줄여, 높은 품질과 신뢰성을 확보하게 해준다는 것이 다쏘시스템의 설명이다.   ▲ AI 시대 시뮬레이션의 역할에 대해 짚은 다쏘시스템코리아 이주상 본부장   시뮬리아 핵심 전락 : 물리 기반 혁신·모드심·AI 결합 다쏘시스템의 미쉘 애쉬 시뮬리아 CEO는 물리 기반 향상, 모드심의 도입, 인공지능과의 결합 등 세 가지를 시뮬리아 전략의 핵심 요소로 소개했다. 다쏘시스템은 물리 기반의 혁신을 위해 아바쿠스(Abaqus)와 파워플로(PowerFLOW) 등 기존 솔버의 성능을 꾸준히 끌어올리고 있다. 특히 GPU(그래픽 처리 장치) 환경에 맞춰 시스템을 새롭게 구성함으로써 연산 속도를 최고 스물다섯 배까지 높였으며, 파트너사인 엔비디아와의 협력을 통해 이를 시장에 제공하고 있다는 것이 애쉬 CEO의 설명이다. 또한, 기존에 풀기 어려웠던 복잡한 문제를 해결할 수 있도록 여러 대학과 손잡고 솔버 자체의 근본적인 물리적 기능을 다듬는 중이다. 모드심(MODSIM)은 CAD 기반의 모델링과 시뮬레이션을 하나의 프로세스로 매끄럽게 연결하는 기술이다. 다쏘시스템은 설계를 변경할 때마다 메시를 다시 짜고 번거로운 설정을 반복할 필요 없이, 현실 세계에서의 제품 작동 방식을 설계하는 즉시 시뮬레이션할 수 있다는 것을 모드심의 강점으로 내세운다. 애쉬 CEO는 40시간이 걸리던 작업을 네 시간으로 단축한 포드의 사례를 소개하면서 이 기술의 가치를 설명했다. 마지막으로, 다쏘시스템은 AI를 모드심과 해석 솔버에 결합해 새로운 차원의 업무 환경을 구축해 나가고 있다. 다양한 대규모 언어 모델(LLM)에 다쏘시스템이 오랜 기간 축적해 온 전문 산업 지식과 노하우를 접목해, 산업 현장에 특화된 추론과 분석 능력을 제공하고 있는 것이다. 애쉬 CEO는 “이를 통해 물리적 행동의 버추얼 트윈을 구현하고 사람처럼 업무를 돕는 가상 동반자를 도입함으로써, 사용자가 혁신적이고 우수한 제품을 빠르게 개발할 수 있도록 지원하고 있다”고 전했다.   ▲ 시뮬리아의 핵심 전략을 소개한 다쏘시스템 미쉘 애쉬 시뮬리아 CEO    공통 데이터 기반의 동시 공학 구현하는 모드심 다쏘시스템이 제안하는 모드심은 공통 데이터 모델을 기반으로 카티아(CATIA)의 모델링과 시뮬리아의 시뮬레이션을 단일 사용자 환경인 3D익스피리언스 플랫폼에서 통합하는 형태이다. 설계 자가 디자인을 완성하는 즉시 시뮬레이션을 통해 제품이 현실 세계에서 어떻게 작동할지 즉각적으로 파악할 수 있는 것이 모드심의 특징이다. 다쏘시스템은 모드심이 엔지니어링의 패러다임을 선형적인 순차적 방식에서 동시 공학(concurrent engineering)으로 바꿔 놓을 것으로 기대하고 있다. 프란체스코 폴리도로 시뮬리아 월드 와이드 모드심 및 AI 기술 영업 부문 본부장은 “설계 엔지니어, 즉 디자이너가 동일한 데이터 모델 위에서 분석가와 병렬적으로 작업할 수 있는 순환적인 프로세스”라고 설명했다. 모드심은 설계를 변경할 때마다 메시를 다시 생성하고 설정 작업을 반복해야 하는 번거로움을 해결한다. 이 때문에 설계 반복 루프가 빨라져서 제품 개발 시간을 단축할 수 있다는 것이 다쏘시스템의 설명이다. 나아가 모드심은 전문가의 영역이던 시뮬레이션을 비전문가도 쉽게 다룰 수 있도록 한다. 복잡한 과정은 숨기고 사용자가 필요한 결과만 쉽게 얻을 수 있도록 전체 프로세스를 템플릿화해서 제공하기 때문이다. 또한 플랫폼 위에서 이루어지는 모든 작업과 시나리오 결과가 남김없이 기록되어 완벽한 설계 추적성을 제공한다는 점도 이점이다. 여기에 다쏘시스템이 새롭게 구축 중인 AI 기술이 더해지면 물리적 행동의 버추얼 트윈을 바탕으로 몇 시간이 걸리던 작업을 몇 분 만에 끝낼 수 있는 시너지를 발휘하게 된다.   엔지니어를 돕는 세 가지의 ‘가상 동반자’ 다쏘시스템이 그리는 미래 엔지니어링 환경에서 모드심은 AI를 진정으로 활용할 수 있게 해주는 첫 번째 단계이자 중요한 기반 역할을 담당한다. 이러한 모드심을 통해 물리적 환경에서 제품이 어떻게 작동할지 이해하는 버추얼 트윈을 확보하고, 여기에 업무를 돕는 가상 동반자를 결합하면 새로운 차원의 생성형 경험을 창출할 수 있다는 것이 다쏘시스템이 내세우는 비전이다. 애쉬 CEO는 “우리가 ‘가상 동반자’라고 부르는 이유는 말 그대로 엔지니어를 돕는 동료와 같기 때문”이라면서, 아우라(Aura), 레오(Leo), 마리(Marie)라는 세 가지의 가상 동반자를 소개했다. 이들 가상 동반자는 AI가 일으킬 수 있는 환각 현상을 줄이고 각자의 업무에 정확하게 집중할 수 있도록 특화된 전문가로 구현했다. 비즈니스에 중점을 둔 아우라는 프로젝트 계획 수립이나 비즈니스 사례 분석, 공급업체 분석과 같은 비즈니스 전반의 활동을 지원한다. 레오나르도 다빈치의 이름을 딴 레오는 시뮬레이션과 유체 해석을 아우르는 기계 엔지니어로 활약한다. 사용자가 자연어로 시뮬레이션 의도를 전달하면 레오는 메시와 시나리오를 알아서 설정하고 해석을 실행하며, 도출된 결과를 분석해 문제점을 파악한다. 마리 퀴리의 이름에서 영감을 받은 마리는 과학자로서 화학과 과학 분야를 깊이 이해하는 데에 초점을 뒀다. 마리는 제품 및 소재 개발을 지원하며, 기존에 적합한 재료가 없는 경우 특정 용도에 맞는 완전히 새로운 재료를 개발하는 작업까지 수행한다.   ▲ 다쏘시스템 프란체스코 폴리도로 본부장은 설계와 시뮬레이션을 통합한 모드심을 설명했다.   산업용 AI로 엔지니어링의 미래 재정의 다쏘시스템은 산업용 AI가 엔지니어링의 미래를 근본적으로 재정의할 것이라는 비전을 내세웠다. 이런 비전은 ‘3D 유니버스(3D UNIV+RSES)’라는 개념으로 구체화되며, 이는 물리적인 프로토타입을 제작하기 전에 설계, 제조, 실제 사용, 유지보수, 재활용에 이르는 제품의 전체 수명주기를 가상 세계에서 미리 시뮬레이션하는 것을 뜻한다. 이를 통해 기업은 혁신적이고 견고한 제품을 더 빠르게 시장에 출시하는 동시에, 물리적 자원 낭비를 줄여 환경에 미치는 영향을 최소화할 수 있다. 비전을 실현하기 위한 다쏘시스템의 구체적인 전략은 범용 LLM과의 차별화에서 출발한다. 챗지피티나 클로드같은 범용 AI 모델의 능력을 활용하면서, 그 위에 다쏘시스템이 축적한 시뮬레이션 전문 지식과 부품 설계 노하우를 깊이 있게 결합한다는 것이다. 다쏘시스템은 이를 통해 일반적인 수학 문제를 푸는 것을 넘어, 산업 환경에 특화된 합리적 추론과 분석 능력을 제공하는 데에 기술 개발의 초점을 맞추고 있다. 전략의 핵심축 중 하나는 머신러닝을 기반으로 제품의 현실 세계 동작을 예측하는 물리적 행동의 버추얼 트윈이다. 이 기술은 모드심을 통해 제품 개발 시간으로 줄이는 데 이어, 다시 AI 모델 기반의 예측을 적용해 몇 초 만에 완료할 수 있게 만든다. 그리고, 가상 동반자는 비전문가나 숙련도가 낮은 사용자도 시뮬레이션에 쉽게 접근할 수 있도록 진입 장벽을 허문다. 다쏘시스템은 이런 AI 전략이 탄탄한 데이터 구조와 지적 재산권 보호라는 기반 위에서 실행된다고 소개했다. 형상과 시뮬레이션을 연결하는 3D 데이터에 대한 깊은 이해를 바탕으로 산업 월드 모델을 구축하며, 3D익스피리언스 플랫폼을 통해 고객의 지적 자산을 추적하고 보호한다는 것이다. 이와 함께 엔비디아와의 전략적 파트너십을 통해 GPU 환경에서 솔버의 연산 속도를 높이고, 옴니버스(Omniverse) 생태계를 플랫폼에 통합함으로써 고객이 최고 수준의 산업용 AI를 생산 환경에 안전하게 구현하도록 돕는다.     ■ 기사 내용은 PDF로도 제공됩니다.