엔비디아가 에지 환경에서 실시간 AI 추론을 수행할 수 있는 엔비디아 젯슨 토르(NVIDIA Jetson Thor) 모듈을 출시했다. 젯슨 토르는 연구와 산업 현장의 로봇 시스템에서 두뇌 역할을 수행하며, 휴머노이드와 산업용 로봇 등 다양한 로봇이 보다 스마트하게 동작하도록 지원한다. 로봇은 방대한 센서 데이터와 저지연 AI 처리를 요구한다. 실시간 로봇 애플리케이션을 실행하려면 여러 센서에서 동시 발생하는 데이터 스트림을 처리할 수 있는 충분한 AI 컴퓨팅 능력과 메모리가 필요하다. 현재 정식 출시된 젯슨 토르는 이전 모델인 엔비디아 젯슨 오린(Orin) 대비 AI 컴퓨팅이 7.5배, CPU 성능이 3.1배, 메모리 용량이 2배 향상돼 이러한 처리를 디바이스에서 가능하게 한다. 이러한 성능 도약은 로봇 연구자들이 고속 센서 데이터를 처리하고 에지에서 시각적 추론을 수행할 수 있도록 한다. 이는 기존에는 동적인 실제 환경에서 실행하기에는 속도가 너무 느려 실행하기 어려웠던 워크플로이다. 이로써 휴머노이드 로보틱스와 같은 멀티모달 AI 애플리케이션의 새로운 가능성을 열어주고 있다.   ▲ 엔비디아 젯슨 AGX 토르 개발자 키트   휴머노이드 로보틱스 기업인 어질리티 로보틱스(Agility Robotics)는 자사의 5세대 로봇인 디지트(Digit)에 엔비디아 젯슨을 통합했다. 이어서 6세대 디지트에는 온보드 컴퓨팅 플랫폼으로 젯슨 토르를 채택할 계획이다. 이를 통해 디지트는 실시간 인식과 의사결정 능력을 강화하고 점차 복잡해지는 AI 기술과 행동을 지원할 수 있게 된다. 디지트는 현재 상용화됐으며, 창고와 제조 환경에서 적재, 상차, 팔레타이징(palletizing) 등 물류 작업을 수행하고 있다. 30년 넘게 업계 최고 수준의 로봇을 개발해온 보스턴 다이내믹스(Boston Dynamics)는 자사 휴머노이드 로봇 아틀라스(Atlas)에 젯슨 토르를 탑재하고 있다. 이를 통해 아틀라스는 이전에는 서버급에서만 가능했던 컴퓨팅, AI 워크로드 가속, 고대역폭 데이터 처리, 대용량 메모리를 디바이스 내에서도 활용할 수 있게 됐다. 휴머노이드 로봇 외에도, 젯슨 토르는 더 크고 복잡한 AI 모델을 위한 실시간 추론을 통해 다양한 로봇 애플리케이션을 가속화할 예정이다. 여기에는 수술 보조, 스마트 트랙터, 배송 로봇, 산업용 매니퓰레이터(manipulator), 시각 AI 에이전트 등이 포함된다. 젯슨 토르는 생성형 추론 모델을 위해 설계됐다. 이는 차세대 피지컬 AI 에이전트가 클라우드 의존도를 최소화하면서 에지에서 실시간으로 실행될 수 있도록 한다. 차세대 피지컬 AI 에이전트는 대형 트랜스포머 모델, 비전 언어 모델(vision language model : VLM), 비전 언어 행동(vision language action : VLA) 모델을 기반으로 구동된다. 젯슨 토르는 젯슨 소프트웨어 스택으로 최적화돼 실제 애플리케이션에서 요구되는 저지연과 고성능을 구현한다. 따라서 젯슨 토르는 모든 주요 생성형 AI 프레임워크와 AI 추론 모델을 지원하며, 탁월한 실시간 성능을 제공한다. 여기에는 코스모스 리즌(Cosmos Reason), 딥시크(DeepSeek), 라마(Llama), 제미나이(Gemini), 큐원(Qwen) 모델과 함께, 로보틱스 특화 모델인 아이작(Isaac) GR00T N1.5 등이 포함된다. 이를 통해 개발자는 손쉽게 로컬 환경에서 실험과 추론을 실행할 수 있다. 젯슨 토르는 생애 주기 전반에 걸쳐 엔비디아 쿠다(CUDA) 생태계의 지원을 받는다. 또한 젯슨 토르 모듈은 전체 엔비디아 AI 소프트웨어 스택을 실행해 사실상 모든 피지컬 AI 워크플로를 가속화한다. 여기에는 로보틱스를 위한 엔비디아 아이작, 영상 분석 AI 에이전트를 위한 엔비디아 메트로폴리스(Metropolis), 센서 처리를 위한 엔비디아 홀로스캔(Holoscan) 등의 플랫폼이 활용된다. 이러한 소프트웨어 도구를 통해 개발자는 다양한 애플리케이션을 손쉽게 구축하고 배포할 수 있다. 실시간 카메라 스트림을 분석해 작업자 안전을 모니터링하는 시각 AI 에이전트, 비정형 환경에서 조작 작업을 수행할 수 있는 휴머노이드 로봇, 다중 카메라 스트림 데이터를 기반으로 외과의에게 안내를 제공하는 스마트 수술실 등이 그 예시이다. 젯슨 토르 제품군에는 개발자 키트와 양산용 모듈이 포함된다. 개발자 키트에는 젯슨 T5000 모듈과 다양한 연결성을 제공하는 레퍼런스 캐리어 보드, 팬이 장착된 액티브 방열판, 전원 공급 장치가 함께 제공된다. 엔비디아는 젯슨 생태계가 다양한 애플리케이션 요구사항과 고속 산업 자동화 프로토콜, 센서 인터페이스를 지원해 기업 개발자의 시장 출시 시간을 단축한다고 전했다. 하드웨어 파트너들은 다양한 폼팩터로 유연한 I/O와 맞춤형 구성을 갖춰 생산에 준비된 젯슨 토르 시스템을 개발하고 있다. 센서 및 액추에이터 업체들은 엔비디아 홀로스캔 센서 브릿지(Sensor Bridge)를 활용하고 있다. 이 플랫폼은 센서 융합과 데이터 스트리밍을 간소화하며, 카메라, 레이더, 라이다 등에서 발생한 센서 데이터를 초저지연으로 젯슨 토르 GPU 메모리에 직접 연결할 수 있게 해준다. 수천 개의 소프트웨어 기업들은 젯슨 토르에서 구동되는 다중 AI 에이전트 워크플로를 통해 기존 비전 AI와 로보틱스 애플리케이션 성능을 향상시킬 수 있다. 그리고 200만 명 이상의 개발자들이 엔비디아 기술을 활용해 로보틱스 워크플로를 가속화하고 있다.

엔비디아가 차세대 개인용 AI 슈퍼컴퓨터 ‘엔비디아 DGX 스파크(NVIDIA DGX Spark)’의 국내 예약 주문을 시작한다고 밝혔다. DGX 스파크는 책상 위에 올려 놓을 수 있는 크기의 AI 슈퍼컴퓨터로 생성형 AI, 거대 언어 모델(LLM), 고속 추론 등 다양한 AI 워크플로를 로컬 환경에서 효율적으로 구현할 수 있도록 설계됐다. AI 개발이 고도화됨에 따라, 조직은 데이터 보안 강화와 지연 최소화, 배포 유연성 등을 고려해 로컬 환경에서 직접 AI 모델을 개발하고 실행할 수 있는 시스템을 요구하고 있다. DGX 스파크는 이러한 수요에 대응해 데스크톱 환경에서도 데이터 크기나 위치, 모델 규모에 제약 없이 민첩하고 효율적인 AI 개발이 가능하도록 지원한다.     DGX 스파크는 데스크톱 폼팩터에 최적화된 엔비디아 GB10 그레이스 블랙웰 슈퍼칩(Grace Blackwell Superchip)을 탑재해 FP4 정밀도 기준, 최대 1페타플롭의 AI 성능을 제공한다. 또한, 고성능 엔비디아 커넥트-X(Connect-X) 네트워킹으로 두 대의 엔비디아 DGX 스파크 시스템을 연결해 최대 4,050억 개 파라미터의 AI 모델을 처리할 수 있다. DGX 스파크는 128GB 메모리를 탑재했으며, 엔비디아 AI 소프트웨어 스택이 사전 설치돼 있다. 이를 통해 딥시크, 메타, 구글 등에서 선보인 최대 2000억 개 파라미터의 최신 AI 모델도 로컬 환경에서 직접 프로토타이핑, 미세 조정, 추론할 수 있다. 또한, 사용자는 파이토치(PyTorch), 주피터(Jupyter), 올라마(Ollama) 등 익숙한 개발 도구를 사용할 수 있으며, 이를 DGX 클라우드나 가속화된 데이터센터 환경으로 손쉽게 확장할 수 있다. 이와 함께 엔비디아 NIM 마이크로서비스와 엔비디아 블루프린트(Blueprint)에 대한 액세스를 통해 AI 애플리케이션을 더욱 빠르게 개발하고 배포할 수 있도록 지원한다. 엔비디아는 “DGX 스파크는 올해 엔비디아 연례 개발자 콘퍼런스인 GTC와 컴퓨텍스(COMPUTEX)에서 공개된 이후 큰 관심을 받아왔으며, 이번 국내 예약 주문을 계기로 본격적인 보급이 기대된다”고 전했다. DGX 스파크의 국내 예약 주문은 엔비디아 공식 홈페이지를 통해 진행된다. 국내 주요 파트너사 중 원하는 업체를 선택해 예약할 수 있으며, 대량 구매도 가능하다. 공식 파트너사로는 에즈웰에이아이, 비엔아이엔씨, 디에스앤지, 아이크래프트, 리더스시스템즈, 메이머스트, MDS테크, 유클릭, 씨이랩, 제스프로가 있다.

디지털 지식전문가 조형식의 지식마당   지난 1월호 칼럼인 ‘디지털 철학과 디지털 지속가능성을 시작하다’부터 2025년은 디지털 전환을 지나서 인공지능 전환의 시대에 더 근본적으로 접근해 보기로 했다. 디지털 철학은 너무 범위가 넓어서 그 중에 디지털 온톨로지(digital ontology) 또는 객체 지향 존재론(object-orientd ontology)으로 국한해서 생각해 봤다. 그리고 이것은 현재 인공지능과 함께 지속적으로 진화하는 디지털 트윈의 상관관계 관점에서 생각해 보았다. 현재 인공지능의 발전은 그동안 물리적 트윈의 거울 이미지가 강했던 디지털 트윈에게 새로운 진화의 방향을 제시한다. 최근까지 디지털 트윈은 다양한 목적으로 사용될 수 있는 물리적 자산 또는 물리적 트윈, 프로세스 및 시스템의 디지털 복제본을 의미했다.   그림 1. 팔란티어의 온톨리지 전략(출처 : Palantir)   그러나 디지털 트윈은 계속 진화해, 이제는 이론적으로 이 세상에 존재하는 추상적이거나 물리적으로 존재하는 모든 실체(entity)에 대해서 디지털 트윈이 존재할 수 있다. 수상한 기업인 팔란티어(Palantir)는 자신의 디지털 트윈 전략에서 추상적인 데이터에 대해 디지털 트윈화(digital twinlization)를 했고, 미래에는 조직을 디지털 트윈화한다는 야심찬 목표를 세우고 있다. 모든 실체를 디지털 트윈화하기 위해서 자연어 처리(natural language processing) 인공지능이 정확하게 이해할 수준의 컴퓨터 온톨로지(computer ontology)가 필요하다. 이것은 팔란티어의 온톨로지 전략과 유사하다. 이런 접근은 이전에 시맨틱 웹(semantic web)에서 시도됐으나, 최근 인공지능 자연어 처리의 폭발적인 발전으로 다시 각광을 받고 있는 것 같다. 팔란티어의 전략에서 디지털 트윈은 데이터를 현실 세계와 동기화하는 ‘두뇌’ 역할을 한다. 가장 중요한 것은 인공지능을 이용해서 데이테에게 의미를 부여하는 것이며, 여기에서 디지털 온톨로지가 중요한 역할을 할 수 있다. 예를 들어서, 의료 디지털 트윈 분야에서 백신을 가장 빨리 개발하는 방법은 대상(object) 바이러스를 디지털 트윈화한 후, 다음 단계의 진화를 예상하고 대상 바이러스의 안티 디지털 트윈(anti digital twin)을 만들어서, 백신을 미리 완성하거나 아주 짧은 시간에 개발할 수 있는 역량을 갖추는 것이다. 그런 관점에서 이 세상은 모든 것을 디지털 트윈화하거나 역 디지털 트윈화할 수 있다. 이것은 최근 급격히 발전한 인공지능, 특히 생성형 인공지능의 역할이 크다고 할 수 있다. 디지털 트윈은 기존의 시뮬레이션과 비슷해 보인다. 하지만, 디지털 트윈은 양방향이고 실시간으로 이전의 시뮬레이션의 추론 결과를 다시 디지털 트윈의 입력 자료에 재입력하여 더 강화된 결과를 지속적으로 얻을 수 있다.   그림 2. 노트북LM 시작 화면(출처 : Google)   최근에는 다양한 인공지능 도구와 환경으로 우리의 추상적인 지식이나 경험을 디지털 트윈화할 수 있다. 예를 들어서 구글의 노트북LM(NotebookLM)이나 LM스튜디오(LM Studio)는 질문만 하는 챗GPT, 딥시크, 제미나이에서 진화해 더 복잡한 자료를 입력할 수 있고, 다양한 방법으로 추론해서 요약 음성까지 출력할 수 있는 지식의 디지털 트윈을 만들 수 있다. 현재에도 이런 강력한 AI 도구가 20개 정도 유료로 사용 가능하며, 거대한 기본 모델을 다양한 방법으로 결합하고 자동화할 수 있는 도구가 지속적으로 만들어지고 있다. 이런 가운데 기존 IT 기업들의 고민도 커질 수 있다. 결론적으로 인공지능 시대에 지식 및 경험의 디지털 트윈을 가진 조직과 개인만이 경쟁력을 가지는 것이고, 이를 가능하게 하는 핵심은 디지털 온톨로지의 지식과 의미 있는 데이터로 디지털 트윈을 만들 수 있는 역량이라고 할 수 있다. 이제는 단순히 인공지능 모델을 잘 사용하는 것만으로는 충분하지 않다. 그 모델을 사용해서 자신의 비즈니스 모델이나 문제 해결에 필요한 디지털 트윈으로 특정 데이터에 의미를 부여하는 디지털 온톨로지가 정말 필요한 시점이다.   ■ 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.

BIM 칼럼니스트 강태욱의 이슈 & 토크   생성형 AI 에이전트는 목표 달성을 위해 세상을 관찰하고 스스로 행동하는 자율적인 애플리케이션으로, 행동과 의사결정을 위한 인지 아키텍처를 갖추고 있다. 이번 호에서는 오픈소스 AI 에이전트인 오픈마누스(OpenManus)를 통해 AI 에이전트의 동작 메커니즘이 어떻게 구현되는지 분석해 본다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/ GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   최근 AI 에이전트 기술이 크게 발전하고 있다. 구글의 에이전트 백서를 보면, 생성형 AI 에이전트는 목표 달성을 위해 세상을 관찰하고 스스로 행동하는 자율적인 애플리케이션으로 설명한다. 명시적인 지시가 없어도 스스로 판단하고 능동적으로 목표에 접근할 수 있다. 이러한 에이전트는 행동과 의사결정을 위한 인지 아키텍처를 갖추며, 핵심 구성 요소는 <그림 1>과 같이 사용자 입력에 대한 추론 역할을 하는 모델(보통은 GPT와 같은 LLM), 입력에 대해 필요한 기능을 제공하는 도구(tools), 그리고 어떤 도구를 호출할지 조율하는 오케스트레이션의 세 가지로 이루어진다.   그림 1. AI 에이전트의 구성 요소(Agents, Google, 2024)   이번 호에서는 AI 에이전트의 동작 메커니즘을 분석하기 위한 재료로, 딥시크(DeekSeek)와 더불어 관심이 높은 마누스(Manus.im)에서 영감을 받아 개발된 오픈마누스(OpenManus) 오픈소스 AI 에이전트를 활용하겠다. 오픈마누스는 메타GPT(MetaGPT)라는 이름으로 활동 중인 중국인 개발자가 공개한 AI 에이전트이다. 개발자는 오픈마누스가 연결된 다양한 도구를 LLM으로 조율하고 실행할 수 있다고 주장하고 있다. 깃허브(GitHub) 등에 설명된 오픈마누스는 다음과 같은 기능을 지원한다. 로컬에서 AI 에이전트 실행 여러 도구 및 API 통합 : 외부 API, 로컬 모델 및 자동화 도구를 연결, 호출 워크플로 사용자 지정 : AI가 복잡한 다단계 상호 작용을 효율적으로 처리 여러 LLM 지원 : 라마(LLaMA), 미스트랄(Mistral) 및 믹스트랄(Mixtral)과 같은 인기 있는 개방형 모델과 호환 자동화 향상 : 내장 메모리 및 계획 기능을 통해 코딩, 문서 처리, 연구 등을 지원   <그림 2>는 이 에이전트가 지원하는 기능 중 일부이다. 프롬프트 : “Create a basic Three.js endless runner game with a cube as the player and procedurally generated obstacles. Make sure to run it only in browser. If possible also launch it in the browser automatically after creating the game.”   그림 2   오픈마누스는 이전에 중국에서 개발된 마누스에 대한 관심을 오픈소소로 옮기는 데 성공했다. 오픈마누스는 현재 깃허브에서 4만 2000여 개의 별을 받을 정도로 관심을 받고 있다.    그림 3. 오픈마누스(2025년 4월 기준 42.8k stars)   필자는 오픈마누스에 대한 관심이 높았던 것은 구현된 기술보다는 에이전트 분야에서 크게 알려진 마누스에 대한 관심, 오픈소스 버전의 AI 에이전트 코드 공개가 더 크게 작용했다고 생각한다. 이제 설치 및 사용해 보고, 성능 품질을 확인해 보자. 그리고 코드 실행 메커니즘을 분석해 본다.    오픈마누스 설치 개발 환경은 이미 컴퓨터에 엔비디아 쿠다(NVIDIA CUDA), 파이토치(PyTorch) 등이 설치되어 있다고 가정한다. 이제, 다음 명령을 터미널에서 실행해 설치한다.   conda create -n open_manus python=3.12 conda activate open_manus git clone https://github.com/mannaandpoem/OpenManus.git cd OpenManus pip install -r requirements.txt playwright install   오픈마누스가 설치하는 패키지를 보면, 많은 경우, 기존에 잘 만들어진 LLM, AI Agent 라이브러리를 사용하는 것을 알 수 있다. 여기서 사용하는 주요 라이브러리는 다음과 같다.  pydantic, openai, fastapi, tiktoken, html2text, unicorn, googlesearch-python, playwright, docker     ■ 자세한 기사 내용은 PDF로 제공됩니다.

AI의 비약적인 발전은 제조업을 비롯한 산업 전반의 디지털 전환을 가속화하고 있다. 지난 4월 8일, 한국공작기계산업협회와 한국산업지능화협회가 공동 주관한 ‘공작기계 산업의 AI 자율제조 세미나’에서도 AI 기술이 이끄는 제조업 패러다임의 전환을 확인할 수 있었다. 이번 세미나는 공작기계 산업의 디지털 전환 전략을 공유하기 위해 마련되었으며, ▲생성AI가 촉발시킨 AX 혁명 ▲AI기술 동향:공작기계 적용과 SDM 기반 기술 동향 ▲AI 자율제조 핵심기술과 구축 사례 ▲AI 자율제조 추진정책 및 정부지원 프로그램을 주제로, 업계 전문가들의 발표와 사례 중심 강연으로 진행되었다.   1.  생성AI가 촉발한 AX 혁명 첫 번째 세션에서는 한국생성AI파운데이션 송세경 회장이 ‘생성AI가 촉발한 AX(Autonomous Transformation) 혁명’을 주제로 강연을 펼쳤다. 송 회장은 “딥시크(DeepSeek)와 같은 초거대 AI의 등장이 미국 중심의 AI 기술 패권을 흔들고 있으며, 이는 글로벌 공급망(GVC)과 제조 생태계 전반에 큰 변화를 예고하고 있다”며, “제조업은 이제 생성AI를 통해 새로운 성장과 확장의 전환점을 맞이하고 있다”고 강조했다. 2.  AI 기술 동향 : 공작기계 적용과 SDM 기반 기술 동향 이어진 발표에서 DN솔루션즈 엄재홍 상무는 ‘AI 기술 동향 : 공작기계 적용과 SDM(Software Defined Manufacturing) 기반 기술 동향’을 주제로 제조업의 디지털 혁신 흐름을 소개했다. 엄 상무는 공작기계 산업 내 AI 활용 흐름을 스마트 디지털 제조(SDM: Smart Digital Manufacturing)로 설명하며, 이를 스마트팩토리(Smart Factory), 라이트하우스팩토리(Lighthouse Factory), 다크팩토리(Dark Factory)로 구분했다. 이 중 다크팩토리는 사람 없이 인공지능과 로봇만으로 운영되는 완전 무인화 공장이라고 부연했다. 또한 그는 “AI가 인간의 지능을 초월하는 단계까지 발전하고 있으며, 이를 제조업에 적용할 경우 암흑공장(Dark Factory) 실현도 가능하다”며, “오픈소스 생태계의 확산을 통해 산업 전반에 공유와 협업의 기반이 강화되어야 한다”고 강조했다. 3.  AI 자율제조 핵심기술과 구축 사례: 공작기계 중심으로 인터엑스 박정윤 대표는 'AI 자율제조 핵심기술과 구축 사례: 공작기계 중심으로'를 주제로 발표를 이어갔다. 박 대표는 프레스, 사출, 정밀가공 등 생산제조 현장에 AI를 적용하는 트렌드를 소개하며, 기존 하드웨어 중심 운영 방식에서 소프트웨어 기반 맞춤형 디지털 서비스 제공으로 진화하는 자율제조 시스템을 설명했다. 특히 그는 자율제조 시스템의 진화가 모든 요소를 소프트웨어로 정의하고 제어하는 SDX(Software Defined Anything) 개념으로 확장되고 있다고 강조했다. 이와 함께 박 대표는 “지능 자율화 기반 제조 경쟁력을 확보하기 위해서는 고성능 AI 인프라, 즉 SDX 개념이 필수적”이라며, 실제 사출공정, 프레스머신, CNC 가공라인 등에 적용된 다양한 사례를 소개했다. 이와 함께 제조 데이터 표준화, 스마트센서 활용 등 구체적인 도입 전략을 통해 자율제조의 실현 가능성을 제시했다. 4. AI 자율제조 추진정책과 지원 프로그램 마지막 세션에서는 한국산업지능화협회 노성록 센터장이 정부의 AI 자율제조 추진정책과 지원 프로그램에 대해 발표했다. 노 센터장은 산업통상자원부가 추진하는 10대 과제를 중심으로 한 AI 자율제조 선도 프로젝트 진행 현황을 공유하고, 관련 기업들이 정책 지원을 적극 활용할 것을 당부했다. 이를 통해 단순한 자동화를 넘어, 산업 전반의 혁신을 견인하는 전략적 도구로 부상한 AI 기반 자율제조의 효과적인 도입 방안을 제시했다. 이번 세미나는 AI 기술이 실제 제조현장에 본격적으로 확산되고 있음을 확인하는 의미 있는 자리였다. 특히 AI 기반 가공 최적화, 예지보전(Predictive Maintenance), 디지털 트윈(Digital Twin) 등 디지털 혁신 기술의 현장 적용 사례가 참석자들의 높은 관심을 끌었다.  

  목차 Ⅰ 딥시크(DeepSeek) 현황   1-1. 딥시크(DeepSeeK) 개요 및 특징 Ⅱ 딥시크 관련 보안 이슈 및 국내·외 대응 현황   2-1. 딥시크 관련 보안 이슈   2-2. 국외 주요국 대응 현황   2-3. 국내 대응 현황 Ⅲ 딥시크(DeepSeek) 등 AI 보안 위협 분석   3-1. 인공지능(AI) 위험(Risk)과 보안(Security)   3-2. AI 보안 관점에서의 보안 위협 분석 Ⅳ 시사점   출처 : 한국인터넷진흥원 등록일 : 2025-03-28

디지털 지식전문가 조형식의 지식마당   지난 2월호 칼럼에서 필자는 현재 인공지능의 약점으로 현실의 물리적 특성에 대한 이해도가 떨어진다고 짚었다. 그래서 물리적 AI(physical AI)가 필요하다고 이야기한 적이 있다. 물리적 AI란 현실의 물리적 현상을 이해하는 인공지능을 의미한다. 최근의 발전된 대규모 언어 모델(LLM)과 지속적으로 발전하고 있는 인공지능 멀티모달이 우리를 놀라게 하고 있다. 그러나 인공지능 기술(AI technology)과 디지털 트윈 기술(digital twin technology)이 넘어야 할 큰 산이 있다. 인간들은 현실의 물리적 현상에 대해서 경험치가 풍부하다. 하지만 이 두 기술은 현실 세계에 대한 물리적 경험치가 많이 부족하다. 그래서 어떤 대답이나 결정이 현실 세계와 동떨어져서 사람들을 실망시키거나 놀라게 한다. 그래서 사전학습(pretraining)을 하기도 한다. 그러므로 물리적 AI와 물리적 디지털 트윈(physical digital twin)의 기술 결합이 필요하다. 최근에는 인공지능 분야에서 세계 기반 모델(world foundation model)에 관한 연구가 주목 받고 있다. 세계 기반 모델은 대규모 멀티모달 AI 모델로, 텍스트, 이미지, 음성, 영상, 코드 및 시뮬레이션 데이터를 학습한 모델로, 현실의 물리적인 특성은 물론 사회적과 경험적, 문화적 특성을 이해할 수 있는 인공지능 모델이라고 할 수 있다. 이 기반 모델(foundation model)은 인공지능 분야에서 최근 관심을 받고 있는 개념으로, 다양한 물리적 환경과 현실 세계의 데이터를 기반으로 학습하여 세계를 이해하고 예측하는 대규모 AI 모델을 의미한다. 이 모델은 현실 세계의 물리 법칙, 사회적 상호작용, 환경적 요소 등을 통합적으로 이해하고 시뮬레이션할 수 있도록 설계된다. 물리적 디지털 트윈은 디지털 트윈을 세계 기반 모델로 학습시킨 디지털 트윈이라고 할 수 있다. 현재 디지털 디지털 트윈의 의사결정이 빅데이터나 기계 학습 수준이라면 이것은 딥러닝이라고 할 수 있다. 딥러닝은 전이학습(transfer learning)이나 추론(reasoning)이 가능하다. 현재의 디지털 트윈 개발 환경은 몇 년 전의 챗GPT같은 인공지능 기반 모델이 나오기 전과 비슷하다. 산업 분야 별로 표준화도 없고, 각각의 필요에 따라서 매번 개발해야 하고, 다시 재사용하는 부분도 상대적으로 적어서 개발 비용이 사용자의 기대감에 비해서 매우 비싸고, 저렴한 것은 범용성이 거의 없는 편이다. 그리고 디지털 트윈 내부의 의사결정 법칙을 만들거나 인공지능에 필요한 빅 데이터와 학습 데이터 비용이 많이 필요하다.   그림 1. 물리적 인공지능과 물리적 디지털 트윈의 결합(출처 : 챗GPT로 생성)   제품 개발과 생산과 유지보수 분야에서 디지털 트윈과 AI의 결합은 많은 장점이 있다. 디지털 트윈과 AI를 결합하면 각 기술의 장점을 극대화할 수 있다. 향상된 예측 및 분석 : AI는 디지털 트윈이 수집한 데이터를 분석하여 더 정확한 예측을 제공할 수 있다. 예를 들어, AI는 장비의 장애를 예측하거나, 성능 저하를 조기에 감지하는 데 사용될 수 있다. 자동화된 의사결정 : AI는 디지털 트윈 데이터를 기반으로 더 효율적이고 자동화된 의사결정을 가능하게 한다. 이를 통해 프로세스를 최적화하고 운영 효율성을 향상시킬 수 있다. 연속적인 학습 및 개선 : 디지털 트윈은 지속적으로 데이터를 수집하고, AI는 이 데이터로부터 지속적으로 학습하며, 시스템의 성능을 개선한다. 사용자 맞춤형 경험 : AI는 디지털 트윈을 통해 수집된 사용자 데이터를 분석하여 맞춤형 사용자 경험을 제공할 수 있다. 만약에 이것이 가능하다면 제품 개발에 필요한 수많은 도면과 CAD 파일과 CAE 작업이 혁신적으로 줄 수 있을 것이다. 물리적 디지털 트윈과 물리적 AI의 추론과 시뮬레이션으로 대체할 수 있다. 그리고 다양한 시나리오가 적용된 결과물은 동영상으로 생성해서 볼 수 있다. 물리적 인공지능과 물리적 디지털 트윈의 기술 통합은 제조 산업 분야에 엄청난 게임 체인저가 될 수 있다. 요즘 각광을 받고 있는 딥시크(DeepSeek)처럼 일반 PC에서 사용할 수 있는 오픈소스의 AI에 물리적인 특성을 이해하는 디지털 멀티모달 AI 모델과 디지털 트윈이 중소기업과 개인 엔지니어가 사용할 수 있는 수준이 된다면, 진정한 인공지능 중심의 5차 산업혁명이 올 수 있다. 이것은 모든 엔지니어에게 새로운 경험이 될 수 있다.    ■ 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.

트렌드에서 얻은 것 No. 20   “AI 시대에도 변하지 않는 것은 인간의 창의성과 호기심이다.” – 사티아 나델라 딥시크(DeepSeek)로 온 세상이 떠들썩하지만, ‘2025 AI 대전환’의 두 저자가 쓴 “주도권을 선점하라”는 메시지는 여전히 유효하다. 이 책은 두 저자의 대담 형식으로 써 내려가는 부분과 두 저자의 전문 경험으로 써 내려가는 부분이 인상적이다. AI(인공지능)의 주도권을 어떻게 잡을지 책 속으로 들어가 보자.   AI 대전환의 시대, 주도권을 잡아야 하는 이유 AI는 이제 선택이 아니라 필수다. 2023년 생성형 AI의 태동 이후, AI 기술은 산업과 사회 전반에 걸쳐 급속도로 확산되었으며 개인, 기업, 국가의 경쟁력을 결정하는 핵심 요소로 자리 잡고 있다. 단순히 AI를 도입하는 것이 아니라 그 흐름을 주도하는 것이 무엇보다 중요해지고 있다. AI는 단순한 기술 혁신을 넘어 경제와 사회 구조 자체를 변화시키는 촉매제가 되고 있으며, 이에 따라 AI의 주도권을 잡는 것은 곧 미래 경쟁력을 확보하는 것과 같다. AI 기술이 발전하면서 기업과 정부는 AI를 자동화 도구로 활용하는 수준을 넘어 새로운 가치 창출의 중심에 두고 있다. 특히 AI의 발전은 제조업, 금융, 헬스케어, 교육 등 다양한 산업에 영향을 미치고 있으며, AI의 활용 여부에 따라 기업의 성패가 결정될 가능성이 커지고 있다. 그렇다면 AI 대전환이 가져올 변화는 무엇이며, 우리는 어떻게 주도권을 잡을 수 있을까? “변화는 불가피하지만, 성장은 선택이다.” – 존 맥스웰   AI의 변화와 주요 트렌드 2025년을 주도할 AI의 주요 트렌드는 다음과 같다. 멀티모달 AI : 텍스트뿐만 아니라 이미지, 음성, 영상, 센서 데이터 등을 종합적으로 활용하는 AI가 확산된다. 이는 검색 엔진, 고객 서비스, 의료 진단 등 다양한 분야에서 혁신을 가져올 것이다. 할루시네이션(Hallucination) 문제 해결 : AI가 실제 존재하지 않는 정보를 생성하는 문제를 해결하기 위한 기술이 발전하고 있다. 이를 통해 AI의 신뢰성과 정확성이 높아질 것이며, 기업은 AI를 보다 적극적으로 도입할 수 있을 것이다. 온디바이스 AI로의 확산 : 클라우드 기반 AI에서 벗어나 개별 기기에서 AI가 실행됨으로써 보안성과 개인화가 강화된다. 이는 스마트폰, IoT 기기, 자동차 등 다양한 영역에서 AI의 활용을 촉진할 것이다. 생성형 AI가 부활시킨 AI 에이전트 : 챗지피티(ChatGPT)와 같은 생성형 AI 기술이 발전하면서, 인간과 자연스럽게 상호작용하는 AI 에이전트가 다시 주목받고 있다. 이는 고객 응대, 비즈니스 자동화, 교육 등 다양한 분야에서 활용될 것이다. 오픈소스 AI 생태계의 확장 : AI 기술이 오픈소스로 개방되면서 혁신 속도가 더욱 빨라지고 있다. 이는 기업과 연구기관이 협력하여 AI 기술을 발전시키는 환경을 조성할 것이다. 비용 감소 노력과 AI 반도체 발전 : AI 연산 비용을 줄이기 위한 반도체 및 소프트웨어 혁신이 가속화되고 있다. AI 전용 반도체 개발과 최적화된 알고리즘이 AI의 대중화를 촉진할 것이다. 안정성과 책임성 강화 : AI의 윤리적 문제와 신뢰성 확보를 위한 규제 및 정책이 강화될 전망이다. 기업과 정부는 AI의 공정성과 투명성을 확보하기 위한 대응 전략을 마련해야 한다. 소비린 AI(Sovereign AI) : 국가별 AI 독립 전략이 중요해지고 있다. 글로벌 기술 패권 경쟁 속에서 각국은 자체 AI 인프라를 구축하고, 자국의 데이터를 보호하는 방향으로 나아가고 있다. 이러한 트렌드를 기반으로 AI 대전환을 주도하기 위해서는 개인, 기업, 국가가 각각의 역할을 이해하고, 효과적으로 대응해야 한다. “AI가 창조하는 것은 데이터이지만, 인간이 창조하는 것은 의미다.” – 레이 커즈와일   ▲ ‘2025 AI 대전환 : 주도권을 선점하라(오순영, 하정우)’ 서평 맵(Map by 류용효) (클릭하면 큰 이미지로 볼 수 있습니다.)   AI 내비게이터 : 개인, 기업, 국가의 역할 개인을 위한 AI 내비게이터 AI의 확산은 개인의 역량 강화와 직업 시장의 변화를 의미한다. AI와 협업하는 형태로 업무 방식이 변화하면서, AI 리터러시(AI 활용 능력)가 필수적으로 요구된다. 따라서 개인은 AI 도구를 익히고 창의적 사고와 문제 해결 능력을 키우는 것이 중요하다. 또한, AI는 새로운 일자리의 창출과 기존 직업의 변화도 가져올 것이다. 예를 들어, 데이터 분석가, AI 윤리 전문가, AI 트레이너 등의 직업이 증가할 것으로 예상된다. 반면 단순 반복 업무를 수행하는 직업은 감소할 가능성이 크다. 따라서 개인은 AI 시대에 맞는 새로운 역량을 갖추는 것이 필요하다.   기업을 위한 AI 내비게이터 기업은 AI를 단순한 도구가 아니라 전략적 자산으로 활용해야 한다. 이를 위해서는 다음과 같은 전략이 필요하다. AI를 활용한 비즈니스 프로세스 혁신 데이터 기반 의사 결정 강화 AI 기술을 내재화하는 조직 문화 구축 AI 윤리 및 규제 대응 전략 마련 AI 도입을 망설이는 기업은 시장에서 도태될 가능성이 높다. 따라서 기업은 AI 트렌드를 면밀히 분석하고, 조직 내 AI 역량을 체계적으로 강화해야 한다. 특히 AI를 활용한 고객 맞춤형 서비스 제공, 자동화 시스템 도입, AI 기반 예측 모델 구축 등이 기업의 경쟁력을 높이는 핵심 요소가 될 것이다.   국가를 위한 AI 내비게이터 AI 대전환은 국가 경쟁력과 직결된다. 글로벌 AI 패권 경쟁에서 앞서 나가기 위해서는 다음과 같은 정책이 필요하다. AI 연구개발(R&D) 투자 확대 AI 전문 인력 양성 AI 친화적 규제 환경 조성 AI 인프라(클라우드, 반도체, 데이터) 구축 국가 차원에서 AI를 적극적으로 육성하지 않으면 기술 종속의 위험이 커진다. 특히 한국과 같은 기술 강국은 AI 산업을 선도하는 전략적 접근이 필수이다. 또한, AI 거버넌스 체계를 확립하고 국제 협력을 강화하는 것도 중요한 요소가 될 것이다.  “우리는 도구를 만들고, 그 도구가 우리를 만든다.” – 마셜 매클루언   AI 주도권을 위한 방향성 2025년 AI 대전환은 개인, 기업, 국가의 모든 영역에서 거대한 변화를 초래할 것이다. 이 변화를 단순히 따라가는 것이 아니라, 주도하는 것이 곧 생존 전략이 된다. 개인은 AI 리터러시를 갖추고, 기업은 AI를 전략적으로 활용하며, 국가는 AI 산업을 체계적으로 육성해야 한다. 결국 AI 대전환의 시대에서 승자는 누구보다 먼저 변화를 준비하고 주도권을 선점한 자들이 될 것이다. 당신은 AI 대전환의 흐름 속에서 어떤 역할을 할 것인가?   ■ 류용효 디원의 상무이며 페이스북 그룹 ‘컨셉맵연구소’의 리더로 활동하고 있다. 현업의 관점으로 컨설팅, 디자인 싱킹으로 기업 프로세스를 정리하는데 도움을 주며, 1장의 빅 사이즈로 콘셉트 맵을 만드는데 관심이 많다. (블로그)     ■ 기사 내용은 PDF로도 제공됩니다.

디지털 지식전문가 조형식의 지식마당   챗GPT(ChatGPT)의 광풍으로 시작된 생성형 AI(generative AI)의 열풍이 벌써 3년이 지나가고, 최근에는 중국의 인공지능 제품인 딥시크(DeepSeek)의 돌풍으로 잠시나마 미국 엔비디아의 주식이 폭락하는 사태가 있었다. 딥시크의 희망은 엄청난 투자 없이도 인공지능 사업이 가능한 것처럼 보였다. 한편, 최근 일론 머스크는 그록 3(Grok 3)라는 설명 가능 인공지능 XAI(explainable AI)를 발표했다. 그록 3는 엔비디아 GPU 칩을 20 만 개 사용해서 훈련을 했다고 한다. 엔비디아 H100 15만개 + H200 5만개라고 발표했는데, 아직은 엄청난 투자가 필요한 부분임을 알 수 있었다.   그림 1.  챗봇 전성시대   여러가지 호불호 사건에도 불구하고, 이제 인공지능 챗봇의 시대는 거역할 수 없는 대세가 되고 있다. 필자 역시 대부분의 시간을 인공지능을 공부하는 데 사용하고 있다. 지난 2년 동안은 오픈AI의 챗GPT와 구글의 제미나이(Gemini)를 사용하고 최근에는 딥시크, 며칠 전부터는 그록 3를 모두 사용하고 있다. 그리고 장기적으로는 개인 인공지능(personal AI) 환경에도 관심이 많다. 최근에 더 많은 지식과 복잡한 대답을 손 쉽게 얻을 수 있었지만, 이런 의문점이 생겼다. 이러한 인공지능 시대에 ‘우리의 지식의 정의와 관점이 어떻게 되어야 할 것인가?’라는 생각이다. 수백 년 전 16세기 프랑스의 철학자인 몽테뉴(Michel de Montaigne)는 이런 인간 지식의 한계에 대해서 “나는 무엇을 아는가?”라고 짚었다. 이는 몽테뉴의 ‘수상록’에 담긴 철학적 질문이자, 회의주의적 태도를 상징하는 문구이다. 몽테뉴는 이 질문을 통해 인간 지식의 한계와 불확실성(uncertainty)을 강조하며, 겸손하고 열린 마음으로 세상을 바라볼 것을 권했다. 최근 인공지능의 발전과 결과는 이런 질문을 너무 간단한 것으로 느껴게 한다. ‘나는 무엇을 아는가?’라는 물음의 의미에 대해 몽테뉴는 인간이 자신의 감각, 이성, 경험에 의존하여 지식을 얻지만, 이러한 것조차 불완전하고 주관적일 수 있다고 보았다. 그는 인간의 인식이 상황에 따라 달라지고 오류를 범하기 쉽다는 점을 지적하며, 절대적인 진리나 확실한 지식은 존재하지 않을 수 있다는 회의적인 입장을 표명했다.   그림 2. Que sais-je?(나는 무엇을 아는가?) – 몽테뉴   과연 이런의 인간의 지식을 학습한 현재의 AI는 괜찮을 것일까 하는 회의가 생긴다. ‘나는 무엇을 아는가?’라는 질문은 이러한 몽테뉴의 회의주의적 인식을 담고 있다. 그는 이 질문을 통해 인간 지식의 한계를 인정하고, 자신의 무지를 자각하는 것이 진정한 지혜의 시작이라고 보았다. 인공지능(AI)의 발전은 지식의 개념과 분류에 대한 새로운 논의를 불러일으키고 있다. 2025년 현재, 우리는 AI가 단순한 데이터 처리를 넘어 인간의 인지 능력을 모방하고 창의적인 결과물을 생성하는 시대에 살고 있다. 이러한 시대적 배경 속에서 지식은 다음과 같이 재정의되고 분류될 수 있다. 첫 번째, 인공지능 시대에 지식의 새로운 기준이 필요하다. 이전의 지식과는 다른 차원의 기준과 사용법과 습득 전략이 필요하다고 생각한다. 인공지능은 방대한 데이터를 처리하고 분석하여 인간의 능력을 뛰어넘는 지식을 생산한다. 이러한 인공지능의 등장은 기존의 지식 체계에 대한 근본적인 질문을 던진다. 우리는 인공지능이 제공하는 정보를 어떻게 받아들여야 할까? 인공지능이 제시하는 지식이 절대적인 진리일까? 인공지능 시대에 지식의 의미와 기준을 다시 생각하게 한다. 두 번째, 인간 지능의 가치가 무엇일까? 인공지능이 발전할 수록 인간 지능의 가치는 더욱 중요해진다고 생각하지만, 설명이 아직 빈약하다. 인공지능은 데이터 분석과 계산에 뛰어나지만 창의적인 사고, 비판적 판단, 윤리적 책임과 같은 인간 고유의 능력은 따라올 수 없다고 한다. 우리는 그렇게 믿고 싶어 한다. 몽테뉴의 사상은 인간 지능의 한계를 인정하면서도 동시에 그 중요성을 강조했다. 인공지능 시대에 우리는 인간 지능의 가치를 다시 한번 되새기고, 이를 발전시키기 위해 노력해야 한다. 세 번째, 인공지능 시대에는 겸손과 성찰의 자세가 더욱 중요하다고 한다. 우리는 인공지능이 제공하는 정보를 맹목적으로 받아들이기보다는 비판적으로 검토하고, 자신의 지식과 판단에 대해 끊임 없이 질문해야 한다. 몽테뉴는 자신의 무지를 자각하고 겸손한 태도를 갖는 것이 진정한 지혜의 시작이라고 말했다. 인공지능 시대에 우리는 몽테뉴의 가르침을 되새기며, 겸손하고 성찰하는 자세를 유지해야 한다. 인공지능이 인간처럼 철학 책을 읽고 겸손과 성찰을 할 수 있을까 하는 생각도 든다. 아직은 가능하지 않은 것 같다. 네 번째, 인간과 인공지능의 공존이다. 어쩔 수 없이 인공지능 시대는 인간과 인공지능이 공존하는 시대이다. 우리는 인공지능을 활용하여 삶의 질을 높이고 새로운 지식을 창출할 수 있다. 하지만, 동시에 인공지능의 위험성을 경계하고 인간의 존엄성을 지키기 위해 노력해야 한다. 몽테뉴의 생각은 인공지능 시대를 사는 현대인에게 인간의 한계와 가능성을 동시에 보여주었다. 인공지능 시대에 우리는 몽테뉴의 정신을 바탕으로 인간과 인공지능의 조화로운 공존을 추구해야 한다. 결론적으로 몽테뉴의 생각은 인공지능 시대에 인간 지식의 의미와 가치, 겸손과 성찰의 자세, 인간과 인공지능의 공존에 대한 중요한 질문을 던진다. 몽테뉴은 질문이 시작에 불과하며, 우리는 이런 인공지능 시대에 필요한 지혜를 찾아야 한다. 그렇지 않으면 우리의 문명이 이번 세기에서 인간 지식의 위기를 맞을 수 있다. “Que sais-je?(나는 무엇을 아는가?)”– 몽테뉴   ■ 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.