• 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
통합검색 "마크"에 대한 통합 검색 내용이 1,408개 있습니다
원하시는 검색 결과가 잘 나타나지 않을 때는 홈페이지의 해당 게시판 하단의 검색을 이용하시거나 구글 사이트 맞춤 검색 을 이용해 보시기 바랍니다.
CNG TV 방송 내용은 검색 속도 관계로 캐드앤그래픽스 전체 검색에서는 지원되지 않으므로 해당 게시판에서 직접 검색하시기 바랍니다
신약 설계부터 검증까지 한 번에... AWS, 아마존 바이오 디스커버리 출시
아마존웹서비스(AWS)는 과학자들이 신약을 더 빠르고 체계적으로 설계하고 검증할 수 있도록 돕는 인공지능(AI) 기반 애플리케이션인 ‘아마존 바이오 디스커버리(Amazon Bio Discovery)’를 출시했다. 아마존 바이오 디스커버리는 방대한 생물학 데이터를 학습한 전문 AI 모델인 생물학 파운데이션 모델 카탈로그에 과학자들이 직접 접근할 수 있도록 지원한다. 이들 모델은 신약 후보 물질을 생성하고 평가하며, 신약 발굴 초기 단계에서 항체 치료제 연구를 앞당기는 역할을 한다. 과학자들은 아마존 바이오 디스커버리의 AI 에이전트를 통해 일상적인 언어로 연구 목표에 맞는 모델을 선택하고 입력 변수를 최적화할 수 있다. 기존 실험 데이터를 활용해 모델을 추가로 학습시켜 예측의 정확도를 높이는 것도 가능하다. 선정된 후보 물질은 실제 실험실로 보내져 합성하고 테스트하는 과정을 거치며, 그 결과는 다시 애플리케이션으로 전달된다. AWS는 이러한 방식을 통해 실험실과 연계한 지속적인 반복 실험 구조를 구현했다.     그동안 신약 발굴 분야에 AI를 도입하는 데는 어려움이 많았다. 생성형 AI의 발전으로 머신러닝 모델이 늘어났지만, 이를 다루려면 코딩 능력과 복잡한 인프라 관리 기술이 필요했기 때문이다. 수십 개의 모델 성능을 직접 비교하는 것도 쉽지 않았고, 이를 지원할 전산 생물학자도 부족한 실정이었다. 물리적 실험을 위해 데이터를 주고받는 과정 역시 여러 시스템에 흩어져 있어 관리가 까다로웠다. 아마존 바이오 디스커버리는 AI 모델과 분석 패키지를 비교 평가하는 벤치마크 라이브러리와 실험 설계를 돕는 AI 에이전트, 통합 실험실 파트너 네트워크를 제공해 이런 문제를 해결하고자 했다. 이를 통해 얻은 피드백은 다음 설계 단계를 개선하는 밑거름이 된다. 이 서비스는 제약사와 바이오테크, 학계 연구기관이 필요로 하는 데이터 보호와 보안 환경을 갖추고 있다. 데이터는 완전히 격리되어 보호되며, 고객은 모든 지식재산과 데이터에 대한 소유권을 가진다. 아마존 바이오 디스커버리는 아페리스와 볼츠 등 파트너사의 오픈소스 및 상업용 모델을 포함해 폭넓은 생물학 특화 AI 모델 카탈로그를 제공한다. 앞으로 바이오허브와 프로플루언트의 모델도 추가될 예정이다. 과학자들은 코딩 대신 자연어를 사용해 단계별 실험 과정을 구성할 수 있으며, 제조 용이성이나 온도 안정성 같은 항체 후보 물질의 특성을 평가하는 데이터셋을 활용해 최적의 모델을 고를 수 있다. 실제로 메모리얼 슬론 케터링 암센터(MSK)는 아마존 바이오 디스커버리의 AI 에이전트를 활용해 약 30만 개의 새로운 항체 분자를 설계했다. 이 가운데 유망한 후보 물질을 테스트하는 데까지 걸린 시간은 몇 주에 불과했다. 기존 방식으로 1년 가까이 걸리던 작업을 대폭 단축한 것이다. 현재 MSK를 비롯해 바이엘, 브로드 인스티튜트, 프레드허치 암센터 등이 이 서비스를 초기 도입해 활용하고 있다. AWS의 라지브 초프라 헬스케어 AI 및 생명과학 부문 부사장은 “AI 에이전트는 컴퓨터 전문 지식이 없는 연구자들도 고도화된 과학 역량을 활용할 수 있게 한다”면서, “첨단 AI와 보안 인프라의 결합은 이전에는 불가능했던 방식으로 항체 발굴을 가속화할 것”이라고 설명했다.
작성일 : 2026-04-16
어도비, 생성형 AI 비서 ‘파이어플라이 AI 어시스턴트’ 공개
어도비가 크리에이티브 에이전트 기반의 ‘파이어플라이 AI 어시스턴트(Firefly AI Assistant)’를 공개하며 생성형 AI 기술의 새로운 혁신을 선보였다. 파이어플라이 AI 어시스턴트는 어도비의 다양한 창작 도구를 하나의 대화형 인터페이스로 통합한 것이 특징이다. 이 서비스는 어도비 파이어플라이에서 곧 사용할 수 있다. 크리에이터가 일상적인 언어로 원하는 결과물을 설명하면 파이어플라이를 비롯해 포토샵, 프리미어, 라이트룸, 익스프레스, 일러스트레이터 등 크리에이티브 클라우드 앱 전반의 복잡한 작업을 조율하고 실행한다. 어도비는 이번 발표가 크리에이티브 작업 방식의 근본적인 변화를 의미한다고 설명했다. 크리에이터가 비전과 방향성을 제시하면 어시스턴트가 작업을 수행하는 구조로, 창작 과정에 드는 시간과 노력을 줄이면서도 제작자의 주도권을 유지하도록 설계했다.     영상 및 이미지 편집 기능도 강화했다. 파이어플라이 비디오 에디터에는 노이즈를 줄이고 음질을 개선하는 음성 강화 기능과 정밀한 색상 조정 기능이 추가됐다. 또한 8억 개 이상의 라이선스 애셋을 보유한 어도비 스톡을 워크플로 내에서 바로 활용할 수 있다. 이미지 편집에서는 ‘정밀도 흐름’과 ‘AI 마크업’ 기능을 도입했다. 정밀도 흐름은 슬라이더를 이용해 이미지의 변형 정도를 세밀하게 탐색할 수 있는 기능이다. AI 마크업은 브러시나 사각형 도구로 편집 위치를 직접 지정해 사물을 배치하거나 조명을 조정하는 정밀 제어를 지원한다. 어도비는 자체 모델 외에도 외부 AI 모델과의 협력을 확대했다. 클링 3.0과 클링 3.0 옴니를 비롯해 구글의 나노 바나나 2, 비오 3.1, 런웨이의 젠-4.5 등 30개 이상의 AI 모델을 파이어플라이에서 제공한다. 이를 통해 크리에이터는 작업 목적에 맞는 최적의 모델을 선택할 수 있는 유연성을 갖게 됐다. 협업 툴인 프레임닷아이오와의 통합도 이루어진다. 어시스턴트에게 작업물 공유를 요청하면 이해관계자의 피드백을 해석해 최적의 도구로 변경 사항을 자동 적용한다. 아울러 앤트로픽의 클로드와 같은 외부 모델에서도 어도비의 기능을 호출해 사용할 수 있도록 지원할 계획이다. 어도비의 데이비드 와드와니 사장은 “크리에이터의 관점과 취향이 가장 강력한 도구가 되는 시대를 이끌고 있다”면서, “파이어플라이는 모든 어도비 앱의 성능을 하나로 통합해 새로운 창작 방식을 제시한다고 밝혔다. 파이어플라이 AI 어시스턴트는 몇 주 안에 공개 베타 버전으로 제공될 예정이다. 새로운 영상 및 이미지 편집 기능과 신규 파트너 모델은 파이어플라이 플랜 이용자를 대상으로 현재 서비스 중이다.
작성일 : 2026-04-16
트림블, AI 기반 리스크 관리 기업 ‘도큐먼트 크런치’ 인수 통해 건설 생태계 강화
트림블은 건설 전문 AI 문서 분석 및 리스크 관리 기업인 도큐먼트 크런치(Document Crunch)를 인수하는 계약을 체결했다고 발표했다. 이번 인수를 통해 트림블은 자사의 건설 생태계에 문서 지능화와 컴플라이언스 자동화 기능을 통합하며, 프로젝트 관리 및 건설 전사 자원 관리(ERP) 시스템의 워크플로를 한층 강화할 계획이다. 도큐먼트 크런치가 개발한 건설 특화 AI는 시공사의 수익성에 직결되는 핵심 리스크 조항, 대금 지급 분쟁, 사양 미준수, 통지 누락 등의 문제를 해결할 수 있도록 돕는다. 트림블은 도큐먼트 크런치의 합류를 통해 산업별 고객이 직면한 고부가가치 비즈니스 문제를 해결하려는 자사의 전략을 강화할 수 있을 것으로 보고 있다. 도큐먼트 크런치는 ▲인보이스 지급 조건 불일치는 물론 계약 및 컴플라이언스 전반의 리스크를 분쟁 발생 전에 포착하고 ▲리스크 검토, 프로젝트 플레이북 생성, 지연 통지 등 주요 문서의 검토 및 생성 과정을 간소화한다. 또한 ▲계약 규칙 세트를 기반으로 프로젝트 관리 및 ERP 워크플로에 준수 사항을 직접 전달한다. 도큐먼트 크런치는 종합건설사, 전문건설사뿐 아니라 설계사, 발주처, 보험사 등 건설 리스크 감소를 원하는 다양한 고객층을 보유하고 있다. 이미 1만 개 이상의 프로젝트에서 검증된 시장 지배력과 숙련된 AI 엔지니어링 팀을 갖춘 이 회사는 트림블의 AECO 부문에 편입되어 고객에게 즉각적인 투자대비효과(ROI)를 제공할 예정이다. 최종 인수 절차는 2026년 2분기 중 마무리될 것으로 예상된다. 트림블의 마크 슈워츠 AECO 소프트웨어 부문 수석 부사장은 “건설의 성공은 모든 이해관계자가 리스크를 실시간으로 이해하고 완화하는 능력에 달려 있다”면서, “도큐먼트 크런치는 트림블 컨스트럭션 원(Trimble Construction One) 제품군 전체의 지능형 DNA 역할을 하는 ‘계약 규칙 세트’를 제공하고, 주요 의무 사항과 대금 지급 조건을 시스템에 자동 반영할 것”이라고 밝혔다. 도큐먼트 크런치의 조시 레비 CEO는 “건설업계는 AI 도입의 변곡점에 서 있으며, 리스크 감소와 자동화된 컴플라이언스에 집중해온 우리의 노력이 업계의 다음 단계를 이끌게 될 것”이라며, “트림블과의 협력으로 건설 생태계 전반의 데이터에서 새로운 가치를 창출하고 비전을 확장해 나가겠다”고 전했다.
작성일 : 2026-04-09
분산 근무 시대의 새로운 CAD 라이선스 전략
데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (13)   설계 업무 환경이 급변하고 있다. 과거에는 동일한 사무실과 네트워크 안에서만 업무가 이루어졌다면, 이제는 재택근무, 외근, 현장 대응, 그리고 글로벌 협업까지 고려해야 하는 시대이다. 이러한 변화는 CAD 소프트웨어의 기능을 넘어, 라이선스를 어떻게 배포하고 효율적으로 운영할 것인가라는 새로운 과제를 제시하고 있다. 이런 흐름 속에서 주목할 만한 설루션이 바로 아레스 플렉스 클라우드(ARES Flex Cloud) 라이선스이다. 이는 단순히 기존의 네트워크 라이선스를 클라우드로 옮긴 것이 아니다. 장소의 제약을 줄이고, 다양한 사용자에게 유연하게 권한을 배분하며, 관리 효율까지 높인 새로운 운영 방식이다. 특히 아레스의 통합 생태계인 ‘트리니티(Trinity)’ 기능이 탑재되어 오늘날의 분산형 설계 환경에 최적화된 대안으로 떠오르고 있다.   ■ 최하얀 위즈코어 마케팅팀의 전임으로 ARES CAD의 마케팅 콘텐츠 기획 및 제품 홍보 업무를 담당하고 있다. 홈페이지 | www.arescad.kr 블로그 | https://blog.naver.com/graebert 유튜브 | www.youtube.com/GraebertTV   플렉스 클라우드는 무엇이 다른가     아레스 플렉스 클라우드는 여러 사용자가 공동으로 사용할 수 있도록 설계된 클라우드 기반 라이선스이다. 여기서 핵심인 트리니티는 아레스의 3대 제품군을 통합한 개념이다. 아레스 커맨더(ARES Commander) : 데스크톱 기반 CAD(윈도우/맥OS/리눅스에서 오토캐드와 같이 도면 설계) 아레스 쿠도(ARES Kudo) : 웹 브라우저 기반의 클라우드 CAD(도면 검토 및 수정) 아레스 터치(ARES Touch) : 모바일 기반 CAD(스마트폰 및 태블릿 활용) 플렉스 클라우드의 가장 큰 특징은 이 통합 플랫폼을 클라우드 상에서 공유할 수 있다는 점이다. 전체 사용자는 제한 없이 초대할 수 있지만, 동시에 사용할 수 있는 인원은 구매한 시트(seat) 수만큼 제한된다. 예를 들어 3시트를 구매했다면 동시 사용자는 3명으로 제한되며, 나머지 인원은 대기하거나 ‘보기 전용’ 모드로 접속하게 된다.(최소 3시트부터 구매 가능)     기존 플렉스 네트워크(Flex Network) 라이선스가 사내 서버를 구축하고 로컬 네트워크 안에서만 작동했다면, 플렉스 클라우드는 라이선스 서버가 클라우드에 존재한다. 따라서 집, 외부 현장, 해외 지사 등 장소에 구애 없이 보다 자율적으로 라이선스를 공유할 수 있다. 이것이 기존 네트워크 방식과 구분되는 가장 결정적인 차이이다.   협업과 운영 방식까지 바꾸는 라이선스     플렉스 클라우드의 강점은 단순한 ‘원격 접속’에 그치지 않는다. 기존 네트워크 라이선스는 주로 데스크톱 중심(아레스 커맨더)으로 운영되어 계정 기반의 트리니티 협업 기능을 충분히 활용하기에는 한계가 있었다. 반면 플렉스 클라우드는 사용자별 계정 로그인 방식을 채택하여 데스크톱, 웹, 모바일을 자유롭게 넘나드는 연계 작업이 가능하다. 이러한 구조는 협업의 질을 바꾼다. 클라우드 저장소에 동기화된 도면을 기반으로 실시간 작업을 진행하거나, 외부 협력사에 보기 전용 링크를 보내 마크업을 받는 과정이 훨씬 매끄러워진다. 특히 구글 드라이브, 원드라이브, 셰어포인트, 드롭박스뿐만 아니라 온쉐이프(Onshape), 트림블 커넥트(Trimble Connect) 등 다양한 클라우드 서비스와 연동된다는 점은 분산 협업 환경에서 큰 무기가 된다. 관리 측면의 편의성도 향상된다. 별도의 라이선스 서버 설치나 복잡한 PC별 설정이 필요 없다. 관리자는 그래버트(Graebert) 고객 포털에서 조직을 생성하고 이메일로 사용자를 초대하기만 하면 된다. IT 인프라 구축 비용과 운영 리소스를 줄일 수 있어, 여러 지점을 관리해야 하는 기업에 더욱 매력적이다.   플렉스 클라우드가 바꾸는 라이선스 관리의 방식     플렉스 클라우드의 진짜 의미는 단순히 ‘어디서나 접속할 수 있는 라이선스’에만 있지 않다. 더 본질적인 변화는 라이선스를 관리하는 방식 자체가 달라진다는 점이다. 기존의 라이선스 운영은 누가 어떤 PC에서, 어떤 네트워크 안에서 사용할 것인지 미리 정해 두는 방식에 가까웠다. 반면 플렉스 클라우드는 사용자 계정과 조직 단위로 운영되기 때문에, 실제 업무 흐름에 맞춰 보다 유연한 관리가 가능하다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2026-04-02
[케이스 스터디] 2025년을 빛낸 유니티 고객 성공 사례
실시간 3D 기술로 산업 전반의 디지털 혁신 주도   2025년은 혁신으로 가득한 한 해였다. 유니티의 파트너들은 다양한 산업 분야에서 획기적인 성과를 이뤄냈다. 자동차 산업에서 차량 내 경험을 혁신하는 것부터 의료 및 제조 분야의 새로운 영역을 개척하기까지, 고객들은 유니티를 활용하여 대담한 아이디어를 현실로 만들어 냈다. ■ 자료 제공 : 유니티 코리아   자동차 산업의 거침없는 혁신   자동차 산업은 2025년에 디지털 혁신을 가속화했으며, 유니티의 고객들이 이러한 추세를 주도했다. 실시간 3D 기술은 더 이상 미래지향적인 개념이 아니라 최신 차량 디자인, 엔지니어링 및 차량 내부 경험의 핵심 요소이다. 자동차 산업의 리더들은 유니티를 활용하여 더 효율적인 워크플로를 구축하고 고객에게 더욱 몰입도 높은 경험을 제공했다. 대표적인 성공 사례로 BMW 그룹에서는 유니티 애셋 매니저(Unity Asset Manager)를 사용하여 복잡한 3D 애셋을 성공적으로 관리하며 디지털 성장을 추진했다. 글로벌 제조업체에게 방대한 디지털 애셋 라이브러리를 관리하는 것은 큰 부담이 된다. BMW는 이 프로세스를 간소화하면서 일관성을 유지하고 개발 사이클을 가속화했다. 이렇게 하면 더 빠르게 반복 작업을 수행하고 더 신속하게 탁월한 품질로 시장을 혁신할 수 있다.   ▲ 출처 : 도요타 자동차   ▲ 출처 : BMW 그룹   마찬가지로 도요타와 렉서스는 차세대 HMI(인간–기계 인터페이스) 개발의 경계를 넓혔다. 이들은 유니티를 통해 직관적이면서도 풍부한 시각적 정보를 기반으로 운전자와 탑승자 모두를 만족시킬 수 있는 차량 내부 시스템을 디자인했다. 또한 메르세데스 벤츠는 차량 내부 경험의 완성도를 높이는 데 계속해서 집중하며, 몰입도 높고 반응성이 뛰어난 인터페이스를 개발하여 주행 경험의 품질을 한층 더 끌어올리고 있다.   의료 및 생명과학 분야의 혁신적인 발전 의료 산업은 환자의 치료 결과를 개선하고, 의학적 교육을 강화하며, 복잡한 생물학적 데이터를 시각화하는 데 기술을 활용하면서 발전을 지속해 왔다. 유니티의 실시간 3D 기능은 이러한 발전의 핵심으로, 수술 시뮬레이터부터 인터랙티브 환자 교육 플랫폼까지 모든 것을 구축할 수 있는 툴을 제공한다.   ▲ 출처 : 메드트로닉   2025년, 필립스는 의료 현장에서 일상 생활까지 이어지는 의료 혁신을 계속해서 선도했다. 이들의 성공 사례는 몰입형 기술이 임상 절차와 가정 내 환자 치료를 모두 지원하여 의료 접근성과 효과를 높일 수 있음을 보여 준다. 또한 메드트로닉(Medtronic)은 유니티를 사용하여 로봇 수술용 디지털 트윈을 구축했다. 이러한 가상 복제본을 활용하면 정밀도 높은 데이터 기록, 플레이백 및 시각화를 통해 외과의들이 기술을 개선하고 시술 성공률을 높일 수 있다.   ▲ 출처 : 랜덤42   랜덤42(Random42)는 의료 시각화 분야에서 큰 도약을 이루며 새로운 가능성을 보여 주었다. 이들은 유니티를 활용하여 복잡한 생물학적 프로세스를 정확하게 시각화함으로써 과학 및 의학 관련 정보를 전달하는 방식을 혁신하고 있다. 연구자, 의사 및 환자들은 이러한 발전을 통해 질병의 메커니즘과 새로운 치료법의 가능성을 더 손쉽게 이해할 수 있다.   더 스마트하고 빠르고 효과적인 제조 방식 효율, 안전성, 혁신은 제조업의 핵심 요소이다. 유니티 고객들은 실시간 3D가 이 세 가지 목표를 모두 달성하는 데 얼마나 효과적인지를 보여 주었다. 직원 교육부터 공장 현장 시뮬레이션까지, 유니티는 제조업체가 생산의 미래를 구축해 나가도록 지원하고 있다.   ▲ 출처 : SEW 유로드라이브 & 리얼버추얼.아이오   SEW 유로드라이브(SEW-EURODRIVE)는 유니티를 모비킷 맞춤형 심인터페이스(MOVIKIT Custom SimInterface) 및 리얼버추얼.아이오(realvirtual.io)에 통합하여, 엔지니어가 위험 부담 없는 디지털 트윈 환경에서 자동화 로직을 테스트하고 개선할 수 있도록 함으로써 가상 시운전에 혁신을 가져왔다. 이러한 접근 방식 덕분에 시운전 시간을 70% 단축하여 ROI를 더 빠르게 달성하고 현장 물류 오류를 최소화할 수 있게 되었다.   ▲ 출처 : 지멘스 & 에듀케이션XR   인력 교육 분야에서도 진전이 있었다. 지멘스는 몰입형 XR(확장현실) 교육 모듈을 통해 전기 분야 인력의 교육 방식을 혁신하여, 안전하고 확장 가능하며 효과적인 학습 경험을 제공한다. 비슷하게 브리지스톤 아메리카(Bridgestone Americas)는 자체 개발 VR 애플리케이션으로 엔지니어링 운영을 혁신하여, 팀이 공유 가상 공간에서 협업하고 문제를 해결할 수 있게 함으로써 실물 프로토타입과 출장의 필요성을 줄였다.   리테일 및 고객 참여에서의 혁신 리테일 산업 환경은 그 어느 때보다 경쟁이 치열하며, 고객 참여가 성공의 열쇠라고 할 수 있다. 많은 리테일 브랜드가 유니티를 통해 독특하고 개인화된 인터랙티브 경험을 구축하여 고객의 관심을 사로잡고 성과를 창출하고자 했다.   ▲ 출처 : 콜러   콜러(Kohler)는 고객 참여를 확대하기 위해 인상적인 3D 콘텐츠를 제공하기 시작했다. 제품 카탈로그를 인터랙티브 3D 애셋으로 변환하여 제공하기 때문에, 고객은 집에서도 편안하게 제품을 상세히 살펴보고 더 확실한 구매 결정을 내릴 수 있다.   ▲ 출처 : 렌 키친스   렌 키친스(Wren Kitchens)는 유니티를 통해 디자인 및 시각화 프로세스를 개선하여, 고객에게 향후 주방의 명확한 모습을 보여 주는 동시에 자체 운영 워크플로를 최적화했다. 이는 몰입형 경험이 고객 만족도와 비즈니스 효율을 동시에 높일 수 있는 방법을 보여 주는 사례이다.   미래의 몰입형 월드 구축 유니티는 산업의 경계를 넘어 스마트 시티 및 상호 연결된 가상 월드를 포함한 차세대 디지털 경험의 기반을 제공하고 있다. 이처럼 야심찬 프로젝트에는 방대한 데이터 세트를 처리하고 실시간 성능을 제공할 수 있는 플랫폼이 필요하며, 유니티 고객은 이러한 과제를 성공적으로 해결했다. 동적 스마트 디지털 트윈 구축 분야에서는 큰 폭의 진전이 있었다. 스마트 디지털 트윈 프로젝트에서는 실제 데이터를 활용하여 몰입형 시뮬레이션을 구축함으로써, 계획 담당자가 교통 체계를 모델링하고 환경 영향을 분석하며 더욱 긴밀하게 연결된 시설을 설계할 수 있도록 지원한다. 아크GIS(ArcGIS)와 유니티의 협업에 따른 결과로, 코퍼스 크리스티 항구와 디 액셀러레이션 에이전시(The Acceleration Agency)는 실제 데이터와 창의적인 비전을 결합하여 지리적으로 정확하면서도 풍부한 디지털 트윈을 구축할 수 있었다.   ​​​​​​​ ▲ 출처 : 루비   루비(ROUVY)는 유니티를 통해 실제 동영상, 3D 데이터, 라이브 센서 입력을 초현실적인 증강현실(AR) 루트로 블렌딩하여 실내 사이클링에 혁신을 가져왔다. 루비 루트 크리에이터(ROUVY Route Creator)와 같은 기능을 통해 사용자는 자신이 직접 촬영한 동영상과 GPS 데이터를 ‘실제로 주행할 수 있는’ AR 라이딩 경험으로 변환할 수 있으며, 그 결과 매주 20TB에 달하는 새로운 콘텐츠가 추가된다. 톰톰(TomTom)은 맵 디자인 및 시각화 워크플로에 주력하며, 유니티를 활용하여 가상 월드에 자동차 내비게이션 소프트웨어를 결합한 시뮬레이션 환경을 구축한다.   ▲ 출처: 구글 맵스   구글 맵스(Google Maps)는 안드로이드 XR용 몰입형 뷰로 내비게이션을 재정의하여 사용자가 도시, 랜드마크, 장소를 세밀한 3D 디테일로 둘러볼 수 있는 방법을 제공했다. 유니티 기반의 이 애플리케이션은 2D 맵에서 몰입도 넘치는 경험으로 매끄럽게 전환되며, 여행 계획과 탐험에 있어 높은 완성도를 제공한다.     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2026-04-02
시높시스, “엔비디아와 협력해 AI 기반 엔지니어링 혁신 성과 낸다”
시높시스는 엔비디아 GTC 2026에서 양사의 전략적 협력을 바탕으로 한 AI 및 고성능 컴퓨팅 엔지니어링 혁신 성과를 발표했다. 이번 발표에서는 반도체부터 시스템 전체를 아우르는 에이전트 AI 기반 엔지니어링 환경과 다양한 산업군의 적용 사례가 공유됐다. 현재 반도체와 자동차, 항공우주 등 주요 산업 분야에서는 설계 복잡성이 증가하고 개발 비용이 상승하는 반면 출시 기간 단축에 대한 요구는 더욱 커지고 있다. 시높시스는 이러한 한계를 극복하기 위해 엔비디아의 AI 및 가속 컴퓨팅 기술을 자사의 설계와 시뮬레이션 설루션에 결합했다. 이를 통해 고객이 제품 개발 과정을 더 빠르고 효율적으로 진행할 수 있도록 도울 수 있다는 것이다. 앤시스를 인수한 시높시스는 이번 행사에서 반도체 설계와 멀티피직스 시뮬레이션을 통합한 환경 및 디지털 트윈 기반의 가상 프로토타이핑 기술을 선보였다. 실제 시제품을 만들기 전 단계에서 성능과 동작을 미리 검증함으로써 개발 리스크를 줄이고 속도를 높일 수 있다는 것이 시높시스의 설명이다. 시높시스의 사신 가지 CEO는 “전통적인 방식으로는 오늘날 지능형 시스템의 복잡성을 감당하기 어렵다”면서, “엔비디아를 포함한 파트너들과 협력해 설계부터 검증까지 전 과정을 지원하고 디지털 트윈 기반 기술로 고객이 미래를 설계할 수 있게 돕고 있다”고 말했다. 엔비디아의 젠슨 황 CEO 또한 “현대 엔지니어링은 시뮬레이션과 디지털 트윈 환경에서 이뤄진다”면서, “시높시스의 플랫폼과 엔비디아의 AI 기술을 결합해 복잡한 설계 환경을 효과적으로 다루는 새로운 패러다임을 구현하고 있다”고 밝혔다. 실제 고객사의 성능 향상 사례도 제시됐다. 어플라이드 머티리얼즈는 시높시스 퀀텀ATK(QuantumATK)와 엔비디아 cuEST를 활용해 양자 화학 시뮬레이션 속도를 최대 30배 높였다. 혼다는 앤시스 플루언트(Ansys Fluent) 유체 시뮬레이션 소프트웨어에 GPU 가속을 적용해 기존 CPU 환경보다 34배 빠른 연산 성능과 38배의 비용 절감을 달성했다고 밝혔다. 아스테라 랩스 역시 엔비디아 B200 GPU 기반의 시높시스 프라임심(PrimeSim)을 활용해 설계 검증 속도를 3.5배 개선했다. 시높시스는 엔비디아와 협력해 에이전트 AI 기반의 엔지니어링 환경 구축에도 속도를 내고 있다. 시높시스 에이전트엔지니어(Synopsys AgentEngineer) 기술을 바탕으로 멀티 에이전트 워크플로를 구현하고, 엔비디아의 에이전트 툴킷 및 NIM 추론 서비스 등을 연동해 복잡한 칩 설계 작업을 자동화하는 방식이다. 시높시스는 이번 GTC에서 L4 수준의 에이전트 EDA 워크플로를 시연하며 설계 자동화의 이정표를 제시했다. 디지털 트윈 구현 사례로는 아나로그디바이스(ADI)와의 협업이 소개됐다. ADI는 엔비디아 옴니버스 및 아이작 심(Isaac Sim) 환경에서 시높시스의 멀티피직스 시뮬레이션 소프트웨어를 사용해 차세대 촉각 센서와 로봇 민첩성 벤치마크의 디지털 트윈을 제작하고 있다. 시높시스의 앤시스 메카니컬(Ansys Mechanical)과 AV엑셀러레이트 센서(AVxcelerate Sensors) 소프트웨어는 케이블, 센서 깊이 인식 등 정밀한 시뮬레이션을 구현하는 데 활용됐다.
작성일 : 2026-03-19
[플랜트 조선 컨퍼런스 2026] 발표자료 다운로드 안내
[플랜트 조선 컨퍼런스 2026] 발표자료 다운로드 안내 지난 2월 5일 ‘플랜트 조선 컨퍼런스 2026’ 행사가 서울 백범김구기념관에서 진행됐습니다. ‘DX와 AI로 재도약하는 플랜트·조선의 미래’를 주제로 한 이번 콘퍼런스는 플랜트 및 조선 산업의 지형을 바꾸는 기술의 진화와 혁신 방향을 집중 조명했다. 또한, 기술 융합을 통해 근본적인 산업 혁신과 미래 생존을 추구하기 위한 청사진을 제시했습니다. 이번 행사에 참여해 주신 모든 분들께 감사드립니다. 한국플랜트정보기술협회의 신안식 회장은 개회사에서 과거 아날로그 중심에서 AI(인공지능)와 디지털 전환(DX)으로 변화한 플랜트·조선 산업의 최신 트렌드를 강조했습니다. 신안식 회장은 “이번 행사는 ‘DX와 AI로 재도약하는 플랜트·조선 산업의 미래’를 주제로 삼아, 엔지니어링 최신 기술과 설루션 성공 사례, 디지털 트윈을 통한 위기 해결 방안 등을 다룬다”면서, “새로운 변화를 이끌 혁신 기술이 소개되는 이번 행사가 참석자들의 활발한 네트워킹의 장이 되길 바란다”고 전했습니다. 이번 ‘플랜트 조선 컨퍼런스 2026’에서는 기조연설을 포함해 13편의 발표가 진행됐으며, 이와 함께 부스 전시를 통해 플랜트/조선 산업의 DX 및 AX를 위한 다양한 기술을 접해볼 수 있는 자리가 마련되었습니다. 또한, 산업계 및 학계 주요 인사들이 참여한 간담회에서는 향후 산업 경쟁력 강화 및 기술 혁신을 위한 비전과 의견을 나누었습다. [관련 기사] [포커스] 플랜트 조선 컨퍼런스 2026, DX 및 AI가 이끄는 기술 진화와 산업 혁신 짚다 [아젠다] 플랜트 조선 컨퍼런스 2026 발표자료는 정보 제공에 동의한 자료만 제공됩니다. 아래 아젠다에 PDF 마크가 표시되어 있는 발표자료가 공개된 내용입니다.  >> 플랜트 조선 컨퍼런스 2026 유료결제완료 발표자료 요청 유료 결제 후에 발표자료를 다운로드 받으시기 바랍니다. 다만 홈페이지 다운로드 용량 제한으로 인하여 전체 자료를 다운로드 할 수 있게 하는데 제약이 있어 첨부파일에는 [플랜트 조선 컨퍼런스 2026] 행사 가이드 PDF 파일만 올려 두었습니다. 결제완료 후 메일(plant@cadgraphics.co.kr)로 연락주시면 대용량 추가 자료를 별도로 보내드립니다. 홈페이지에서 직접 결제하는데 문제가 있다면 당사로 연락주시기 바랍니다.   메일 제목 :  [플랜트 조선 컨퍼런스 2026] 유료결제완료 발표자료 요청 내용 : 결제시 회원명 / 전화 / 이메일 메일 보낼 곳 : plant@cadgraphics.co.kr 문의 : 플랜트조선컨퍼런스사무국 (02-333-6900)
작성일 : 2026-03-18
어도비, 포토샵 AI 어시스턴트 및 파이어플라이 신규 편집 기능 공개
어도비가 포토샵 웹 및 모바일용 ‘AI 어시스턴트’의 공개 베타 버전과 어도비 파이어플라이 이미지 에디터를 발표했다. 이번 발표는 학생부터 크리에이터까지 다양한 사용자가 대화형 AI를 통해 복잡한 편집을 효율적으로 수행하고 세밀한 요소까지 정교하게 처리하도록 지원하는 데 목적을 둔다. 어도비는 이를 통해 작업 시작부터 결과물 완성까지의 과정을 단축하고 편집 과정 전반의 제어를 강화할 수 있다고 밝혔다. 포토샵 AI 어시스턴트는 웹과 모바일 환경에서 제공하며 채팅 기반 인터페이스를 통해 사용자의 의도를 이해한다. 이 기능은 배경 제거 및 변경, 색상 또는 조명 보정 등의 편집 작업을 자동으로 적용하거나 단계별로 안내한다. 포토샵 앱 내에서는 음성으로도 편집 요청을 할 수 있어 이동 중에도 작업이 가능하다. 포토샵 웹 버전에서는 AI 어시스턴트 기반의 ‘AI 마크업’ 기능이 공개 베타로 제공된다. 사용자는 이미지 위에 직접 표시를 남긴 뒤 프롬프트를 입력해 변화가 일어날 위치를 정밀하게 제어한다. 이미지의 특정 영역을 지정하고 프롬프트를 입력하면 짧은 시간 내에 결과를 생성할 수 있다.     어도비 파이어플라이는 프롬프트 기반으로 이미지를 편집하는 기능을 새롭게 추가했다. 이번 업데이트로 파이어플라이 이미지 에디터는 주요 생성형 편집 도구를 단일 워크스페이스로 통합했다. 사용자는 AI로 생성한 이미지나 직접 업로드한 이미지의 구도, 스타일, 디테일을 신속하게 조정한다. 파이어플라이 이미지 에디터는 맥락을 반영해 요소를 추가하거나 교체하는 생성형 채우기와 원치 않는 오브젝트를 제거하는 생성형 제거 기능을 제공한다. 또한 크기와 화면비를 늘리는 생성형 확장, 해상도를 높이고 디테일을 개선하는 생성형 업스케일, 클릭 한 번으로 피사체를 분리하는 배경 제거 기능을 포함한다. 파이어플라이는 어도비의 파이어플라이 모델 외에도 구글 나노 바나나 2, 오픈AI 이미지 생성, 런웨이 젠-4.5, 블랙 포레스트 랩스 플럭스 2 프로 등 25개 이상의 주요 AI 모델을 선택해 창작에 활용하도록 지원한다. 사용자는 생성 이후에도 크리에이티브 작업 흐름을 유지하며 편집 단계로 이동할 수 있다.
작성일 : 2026-03-11
오라클, AI로 건설 안전 관리의 혁신 가속화하는 설루션 출시
오라클은 건설 현장의 안전 관리를 혁신하는 AI 기반 예측 지능형 설루션인 ‘오라클 컨스트럭션 및 엔지니어링 어드바이저 포 세이프티(Oracle Construction and Engineering Advisor for Safety)’를 공식 출시했다고 발표했다. 건설사는 이 설루션을 통해 프로젝트의 안전 사고를 더 정확히 예측하고 사전에 방지함으로써, 더욱 안전하고 비용 효율적인 현장을 운영할 수 있다. 기존에 정확한 예측 모델을 만들기 위해서는 고객이 모델 학습과 튜닝을 위해 방대한 데이터를 직접 제공해야 했다. 반면, ‘어드바이저 포 세이프티’는 오라클이 구축한 산업 특화 안전 모델을 활용한다. 이 모델은 다양한 프로젝트 유형과 지역을 아우르는 1만 프로젝트-년(project-years) 이상의 데이터를 학습했다. 이를 통해 기업은 현재 운영 중인 안전 프로그램의 성숙도와 관계없이 예측 기반 안전 관리의 혜택을 얻을 수 있다.     이와 함께 오라클은 ‘아코넥스(Aconex)’와 ‘프리마베라 유니파이어 액셀러레이터(Primavera Unifier Accelerator)’에 새로운 관찰(observation) 기능을 도입했다. 어드바이저 포 세이프티와 연동되도록 설계된 이 기능은 프로젝트 엔지니어부터 최고 경영진에 이르는 현장 팀이 모바일 기기나 웹 브라우저를 통해 심각도, 빈도 점수 등 구조화된 안전 데이터를 쉽고 일관되게 수집할 수 있도록 돕는다. 예측 모델 출력에 최적화된 안전 워크플로와 관찰 데이터 수집을 표준화함으로써, 모델의 정확도를 높이고 리스크를 줄이는 행동 변화를 유도할 수 있다. 기존의 안전 도구는 사고가 발생한 후 대응하는 사후 조치와 후행 지표에 의존하는 경우가 많았다. 어드바이저 포 세이프티는 ▲안전 사고의 80%를 차지할 가능성이 있는 상위 20%의 프로젝트를 식별하는 ‘주간 리스크 예측’ ▲고위험 프로젝트에 우선순위가 정해진 조치 사항을 제공하여 교정 조치를 제안하는 ‘실행 가능한 리스크 완화’ ▲신뢰할 수 있는 리스크 예측을 위해 데이터 품질을 유지하면서 선제적인 사고 보고를 유도하는 ‘관찰 기반 안전’ ▲경영진의 통찰력 확보, 전략적 의사결정 및 모범 사례 공유를 위해 안전 데이터를 통합 분석하는 ‘프로젝트 간 분석’ 등의 기능을 통해 선제적 접근 방식을 취한다. 어드바이저 포 세이프티는 오라클 아코넥스, 오라클 프리마베라 유니파이어 액셀러레이터, 오라클 퓨전 클라우드 ERP뿐만 아니라 타사 시스템의 안전 관찰 기록, 사고 보고서, 급여 데이터, 프로젝트 일정 등 다양한 데이터 스트림을 통합한다. 오라클은 고객이 이 설루션을 지속적으로 사용함에 따라 고유 데이터를 미세 조정하여 특정 안전 과제를 해결하거나, 중점 영역에 집중함으로써 예측력을 더욱 정교화할 수 있다고 설명했다. 오라클의 마크 웹스터(Mark Webster) 인프라 산업 부문 수석 부사장 겸 총괄 책임자는 “어드바이저 포 세이프티는 사고를 예측하고 예방할 수 있는 도구를 제공함으로써 건설 안전 관리의 중요한 진전을 이루었으며, 업계 전반의 효율성과 비용 효과를 개선했다”고 밝혔다. 또한 “AI와 머신러닝을 활용해 기업은 사후 대응에서 예측형 안전 관리로 즉시 전환할 수 있으며, 이는 안전 결과 개선은 물론 부상과 관련된 인적·경제적 비용 절감으로 이어진다”고 덧붙였다. 오라클의 조시 캐너(Josh Kanner) 컨스트럭션 및 엔지니어링 분석 및 AI 부문 선임 이사는 “안전 사고를 예측하고 실행 가능한 통찰력을 제공함으로써 이제 고객은 반응이 아닌 예방에 집중할 수 있다”면서, “어드바이저 포 세이프티를 도입한 고객들은 첫해에 사고율을 최대 50% 이상, 산재 보상 비용을 최대 75%까지 절감하는 성과를 거두었다”고 설명했다.
작성일 : 2026-03-09
HP Z북 울트라 G1a 리뷰 - CAE 실무 해석 프로젝트 성능 검증
이번 리뷰는 HP Z북 울트라 G1a(HP ZBook Ultra G1a)를 활용해 실제 CAE 실무 환경에서의 성능을 검증한 기록이다. 14인치의 컴팩트한 폼팩터에 탑재된 AMD 라이젠 AI 맥스 프로(AMD Ryzen AI Max PRO) 프로세서와 통합 메모리 시스템이 복잡한 전처리부터 후처리까지의 해석 루틴을 얼마나 안정적으로 수행하는지 분석하였다. 실무자의 관점에서 이동성과 전문가급 시뮬레이션 성능의 조화를 직접 확인해 보았다.   리뷰 배경 HP Z북 울트라 G1a는 14인치의 워크스테이션급 특성을 넣은 노트북이다. AMD 라이젠 AI 맥스 프로 시리즈 프로세서 기반으로, CPU와 GPU가 하나의 메모리 풀을 공유하는 통합 메모리 아키텍처를 전면에 내세운다. 제품 소개 기준으로 최대 128GB 통합 메모리 구성이 가능하며, 이 중 최대 96GB까지를 GPU 전용 메모리로 할당해 그래픽 작업에서 병목을 줄이는 방향으로 설계되었다. 이 노트북을 처음 마주한 인상은 워크스테이션이라는 단어와 외형이 잘 연결되지 않는다는 점이었다. CPU 성능은 AMD 라이젠 AI 맥스 + 395를 기반으로 그래픽은 라데온 8060S(Radeon 8060S)로 확인된다. 이 정도의 성능을 노트북에서 볼 수 있다는 점에서 시뮬레이션을 당장이라도 돌려봐야겠다고 판단하였다.   그림 1. HP Z북 울트라 G1a   HP Z북 울트라 G1a는 14인치급의 얇은 노트북 형태라 이동이 쉽고, 포트 구성도 업무용에 딱 맞춰져 있다. 특히 HDMI 2.1, 썬더볼트 4(USB-C) 등 USB-C 포트를 3개 보유하고 있다. 외부 모니터 연결이나 현장, 회의실 등 이동이 잦은 사용자라면 노트북 자체의 무게 관점에서는 엄청난 점수를 주게 된다. <그림 2>의 왼쪽은 Z북 울트라 G1a의 상판 디자인이다. 그레이 톤에 로고 중심의 미니멀함이 인상이 강하고, 표면 마감도 업무용 워크스테이션답게 차분한 편이다. <그림 2>의 오른쪽 사진은 휴대성 체감을 주기 위해 12.9형 아이패드 프로를 함께 놓고 비교한 장면이다. 태블릿을 키보드 위에 올려두면 느껴지듯, 본체의 면적이 아이패드 프로급과 크게 동떨어지지 않아 가방에서 차지하는 부피 부담이 생각보다 적다. 실제로 태블릿을 넣던 공간에 함께 운용하기 수월했고, 연구실과 세미나실처럼 이동이 잦은 환경에서 편리함을 만들어주는 크기였다.   그림 2. HP Z북 울트라 G1a의 외관(왼쪽) 및 태블릿과의 크기 비교(오른쪽)   CAE 해석 관련 제품 시연 CAE 해석 관련 제품 시연을 보면 대개는 깔끔한 브래킷 한 개, 공기 층이 크게 없는 외부 유동, 혹은 요소 수를 의도적으로 낮춘 모델로 구성된다. 하지만 실제 대학원 연구나 현업 엔지니어가 사용하는 모델은 굉장히 높은 밀도의 요소 수를 가지고 있는 경우가 대부분이다. CAE 해석은 계산 시간만으로는 평가하기 어렵다. 실제로는 모델을 가져오고, 형상을 단순화하고, 메시를 증가시키고, 수렴을 잡고, 결과를 후처리하고, 마지막으로 보고서까지 정리하는 과정이 하나의 루틴으로 이어진다. 이 루틴 중 어느 구간에서든 시스템이 멈추거나 응답성이 크게 떨어지면, 그 순간부터는 업무가 끊기게 된다. 필자는 구조/유동 해석을 병행하는 대학원생 연구원으로서, 이번 대여 장비를 단순 벤치마크가 아닌 실제 연구 및 과제에서 수행하는 순서 그대로 테스트해보기로 했다. 목표는 명확하다. 다음의 두 가지를 중점으로 검토하였다. 전처리부터 후처리까지, 끊김 없이 반복 수행 가능한가? 구조 해석(선형/비선형)과 유동 해석(정상/과도)을 섞었을 때도 안정적으로 유지되는가? 이번 리뷰는 실제 진행했던 해석 프로젝트를 기반으로 진행하였다. 대외비로 인해 전체 형상보다 해석 진행에 맞춘 단순화 모델을 사용하였다. CFD 유동 해석 1건을 먼저 수행해 시스템의 기본 워크플로 안정성을 우선 확인한 뒤, 본 테스트인 XY 스테이지 프로젝트로 넘어가는 방식으로 구성했다. 세 가지 테스트는 해석 솔버 진행 시 해석 엔지니어가 체감하기에 가장 어려움을 겪는 상황에 대해 상세하게 설명하는 것을 목표로 한다. 해석 엔지니어는 대부분 직접 모델링, 전처리에서 후처리까지 모두 진행하기 때문에, 이 모든 과정에서 HP Z북 울트라 G1a의 성능이 성과를 좌우할 수 있다. 이에 따라 대표적인 해석 방법 세 가지(유동, 정적, 열적 해석)을 선정하였다.   그림 3. 분야별 테스트 계획   테스트 1 : 유체 시뮬레이션 전처리(앤시스)   그림 4. 전처리 메시 작업(노트북 자체 화면)   첫 번째 테스트는 유체 해석으로 시작했다. 대상은 다수의 오리피스(Orifice)가 배열된 에어베어링 타입 유동 형상으로, 단순히 솔버만 돌리는 것이 아니라 전처리부터 해석, 후처리까지 모든 워크플로를 수행하였다. 이 유형의 모델은 형상 자체도 복잡하지만, 메시 해상도를 올리는 순간부터 작업감이 급격하게 달라진다. 특히 요소 수가 많아지면 워크벤치(Workbench)에서 해당 프로젝트에 접근하는 ‘클릭 한 번’부터 초기 반응이 늦어지는 경우가 흔하다. 즉, 실제 체감 성능은 메시 창 진입부터 차이가 드러난다. Z북 울트라 G1a의 흥미로운 점은 소음 특성이다. 동일한 워크로드를 워크스테이션급 컴퓨터에서 수행할 때는 팬의 소음이 뚜렷하게 들릴 정도로 동작하는 경우가 있었는데, 이번 테스트에서 수행할 때는 메시 작업창을 여는 순간 짧게 팬이 동작하는 느낌이 있다가, 이후에는 지속적으로 소음이 커지지 않고 비교적 낮은 수준으로 유지되는 느낌을 받았다. 필요한 구간에서만 짧게 소음이 개입하니, 작업하는 엔지니어 입장에서는 안정감을 받으며 작업을 할 수 있었다.   그림 5. 앤시스 워크벤치 프로젝트(유체 해석)   유체 해석 파트는 한 번 돌려서 끝이 아니라, 워크벤치에서 여러 케이스를 동시에 관리하는 형태로 구성했다. <그림 5>처럼 Fluid Flow 시스템을 다수 배치하고, 각 시스템을 Geometry, Mesh, Setup, Solution, Results 순서의 단계로 동일한 구조로 유지한 뒤 케이스별로 필요한 변경만 최소화하여 반복 실행했다. 연구실에서 실제로 유동 해석을 수행할 때는 한 조건으로 끝나기보다 간극, 입력조건, 수치 설정을 바꿔가며 다음 케이스로 넘어가는 일이 일반적이기 때문에, 이번 리뷰에서도 그 흐름을 그대로 가져갔다. 이번 구성의 핵심은 파라미터 기반 분기이다. 간극 조건을 여러 파라미터 케이스로 나누어 두고, 수치 설정을 달리한 케이스도 별도로 두어 같은 프로젝트 내에서 연속적으로 비교할 수 있도록 구성했다. 동일한 방식으로 여러 케이스를 파이프로 연결하여 시뮬레이션했을 때, 데스크톱 워크스테이션에서는 약 5시간, Z북 울트라 G1a에서는 약 7시간 정도가 소요되었다. 실제 솔버에 사용한 코어 수는 동일하게 맞추어 진행했다.(비교에 사용한 데스크톱 워크스테이션 사양은 13세대 인텔 코어 i7-13700KF(16코어/24스레드), RAM 128GB, 엔비디아 RTX A4000(전용 16GB)이다.) 시간 차이는 장비 구성 차이(특히 메모리 용량 등)에서 발생할 수 있으며, 이번 파트에서는 다중 케이스 구성을 프로젝트 단위로 묶어 하나의 파라미터 사이클을 중단 없이 완주했다는 점에 의미를 두었다.   테스트 1-1 : 유체 시뮬레이션(앤시스)   그림 6. 플루언트 해석 단계   이번 테스트는 플루언트 시스템을 구성한 뒤, 실제 설정과 실행은 플루언트 내부에서 진행했다. 실제 유체 해석을 경험하였을 때, CFD 솔버 창 로드가 가장 느리게 뜬다. 이 구간이 실무적으로는 가장 시간을 많이 쓰는 편이다. 이유는 체감 병목이 반드시 솔버에만 있지 않기 때문이다. 큰 메시를 불러오고, 화면에 표시하고, 경계면을 선택하고, 설정 탭을 오가며 저장 및 갱신하는 과정에서 프리징이 발생하면, 계산 시간이 짧더라고 작업은 길어진다. 이 노트북에서는 이 작업이 굉장히 깔끔하다. 예를 들어 Fluid 형상을 Solid로 바꾸는 경우에는 물성 자체를 바꾸기 때문에 체감상 30~50초 정도 지연이 발생했다. 하지만 그 외의 모든 대부분의 기능은 끊김 없이 설정 변경이 가능했다. 팬 소음도 이전과 같이 임포트 시 및 솔버 작동 시를 제외한 부분에서는 거의 들리지 않았다.   그림 7. 유체 해석 결과 컨투어   이번 테스트에서는 해석 대상에서 계산된 압력 분포를 보여준다. 워크스테이션급 노트북에서 이 정도 규모의 모델을 끝까지 수렴시키고, 후처리까지 안정적으로 가져갈 수 있었다는 점에서 굉장히 큰 장점을 느꼈다. 특히 컨투어(contour)가 계단형처럼 깨지지 않고 등압선이 부드럽게 이어지는 점이 비교를 위해 해석을 동일하게 진행한 데스크톱 워크스테이션에서 확인할 수 있는 그래픽과 동일한 수준이다. 압력 분포뿐만 아니라 실제 산업에서 요구하고 검토해야 하는 유동 관련 모든 후처리를 모두 확인할 수 있었다. 노트북 한 대로 연구 및 업무에서 필요한 해석의 한 사이클인 전처리, 해석, 후처리까지를 노트북에서 완주할 수 있었다는데 의미가 있다.   테스트 2 : XY 스테이지 정해석(솔리드웍스 & 앤시스)   그림 8. 시뮬레이션 대상인 XY 스테이지 모델링   시뮬레이션을 수행하기 위해, 연구실에서 실제로 다루는 XY 스테이지의 실물 크기와 구성 방식을 최대한 반영하여 모델링을 진행하였다. 단순한 데모 형상이 아니라, 연구 환경에서 반복적으로 부딪히는 조건을 고려해 임포트, 단순화, 해석용 형상 정리를 여러 번 반복하는 방식으로 접근했다. 모델링 단계에서 가장 먼저 확인한 것은 ‘한 번이라도 흐름이 끊기지 않는지‘였다. 모델링 툴에서 가장 문제가 되는 상황은 복잡한 형상을 다룰 때 화면의 프리징이나 입력 지연인데, 이번 작업에서는 XY 스테이지를 구성하는 형상을 만들고 수정하는 과정에서 눈에 띄는 버벅임이 거의 발생하지 않았다. 단순히 고사양 CPU와 GPU가 있다라는 의미가 아니라, 실제로 커서 이동, 스케치 입력, 피처 생성과 같이 모델링 진행 시 기본적인 동작이 꾸준하게 유지되는지가 체감하는 성능을 결정한다. 이러한 관점에서 작업감이 안정적이었다. 특히, 해석 툴(앤시스 워크벤치)을 완전히 종료하지 않고 백그라운드에 실행해 둔 상태에서 모델링을 병행했을 때다. 일반적으로 해석 툴을 켜 둔 채로 CAD 작업을 하면 메모리나 리소스 점유로 인해서 스케치가 끊기거나 곡선 입력이 느려지는 경험을 하는 경우가 많다. 반면 Z북 울트라 G1a은 워크벤치가 백그라운드에 올라간 상태에서도 솔리드웍스에서 스케치를 그리고 곡선을 생성하는 과정이 딜레이 없이 매끄럽게 이어진다. 하지만 아무래도 해석 솔버를 모든 코어를 사용해서 돌려놓으면 솔버가 돌아가는 동안 솔리드웍스에서 약간의 프리징이 발생한다. 사용자는 해석 솔버 상에서 직접적으로 코어의 개수를 할당해줄 수 있는데, 코어를 조절하여 4코어는 CAD 툴, 4코어는 해석 툴과 같이 나누어 작업을 진행할 때 큰 버벅거림 없이 조작이 가능했다. 코어를 나눴기 때문에 솔버 시간 지연은 발생하지만, 동시 작업이 깔끔하게 진행되는 것 자체로도 해석 엔지니어에게는 큰 장점으로 느껴진다.   테스트 2-1 : XY 스테이지 정해석(앤시스)   그림 9. 앤시스 워크벤치 프로젝트(정해석, 열해석, 모달해석)   이번 테스트는 여러 파이프로 연결된 워크벤치를 구동하는데, 서로 다른 해석 시스템을 한 프로젝트 안에서 연결한다는 점이 중요하다. 실제 연구나 업무 환경에서는 한 번 만든 CAD를 기반으로 정적 강성, 열 영향, 진동 특성을 연속으로 확인하는 경우가 많고, 이때 프로젝트가 분리되어 있으면 형상 수정이나 단순화가 생길 때마다 각 해석을 따로 업데이트해야 해서 시간이 굉장히 지연된다. 상단의 메인 플로는 세 가지로 구성했다. 정적 구조로 기본 강성과 변위를 확인하고, 같은 지오메트리를 기반으로 열 조건을 부여하였을 때 온도 분포를 점검한 다음, 모달로 고유 진동수와 모드 형상을 확인하는 흐름이다. 이 구조로 구성하면 형상 단순화나 치수 수정이 생겼을 때 업데이트 프로젝트(Update Project) 한 번으로 메인 3개의 해석의 기반 데이터가 함께 따라온다. 실무에서는 굉장히 많은 파라미터를 연속적으로 연결해 두어야 하는데, 이는 노트북으로 해석할 때 중요한 작업 흐름을 끊지 않는 운영 방식으로 직결된다.   테스트 2-2 : XY 스테이지 정해석 메시 작업(앤시스)   그림 10. XY 스테이지 모델링 전처리(메싱)   전처리 작업에서의 메시 작업은 실사용에서는 메시 직후 작업이 끝나는 경우가 거의 없다. 접촉 및 구속을 다시 확인하거나, 특정 부위를 더 촘촘히 쪼개거나, 단순화가 부족한 부분을 다시 CAD로 되돌려 수정하는 등 ‘다시 돌아가는’ 작업이 필연적으로 발생한다. 이때 중요한 건 계산 성능보다도 프로젝트가 계속 이어지는지 여부다. 메시가 늘어난 상태에서 트리 이동, 특정 파트 및 면 선택 같은 동작이 불규칙하게 멈추면 이후 단계에서 재 메시나 후처리로 넘어가는 속도가 눈에 띄게 떨어진다. 이번 구성에서는 메시를 1mm로 굉장히 작게 분할하여도 작업을 중단시킬 정도로 흔들리는 형태는 두드러지지 않았다.   테스트 2-3 : XY 스테이지 정해석(앤시스)   그림 11. XY 스테이지 정해석 컨투어   이번 테스트는 Static Structural의 결과가 Mechanical에서 로드되어, 컨투어로 시각화되었다. 계산 후 결과를 불러와 렌더링하고, 필요한 뷰를 만들고, 캡처 가능한 상태로 정리하는 후처리 루틴이 매끄럽게 진행되었다. 현업과 연구에서 시간은 계산에서만 쓰이지 않는다. 결과를 열고, 표시 항목을 바꾸고, 시점을 정리하고 캡처하는 과정이 반복된다. 특히 조립체 모델에서는 내가 보고 싶은 위치에 대한 시점 찾기 과정에서 버벅임이 심한 경우가 대다수다. 이번 테스트에서는 결과 컨투어를 띄운 이후 확대 및 회전 등 기본 조작을 수행하며 캡처 가능한 상태로 정리하는 흐름으로 진행되었고, Z북 울트라 G1a에서 충분히 프로젝트 관리가 가능하였다. 해석 솔버 작동 시간은 유체 해석급으로 복잡한 메시와 연산량이 요구되지는 않았기에 10분 이내로 해석은 완료되었다.   테스트 3 : XY 스테이지 열해석(앤시스)   그림 12. XY 스테이지 열해석 컨투어   이번 테스트의 경우 정상상태 열 해석의 결과 화면이며, 각각 온도와 열량 결과 항목을 표시하였다. 이번 테스트는 정적, 열 해석을 각각 돌린 것이 아니라 워크벤치에서 하나의 프로젝트를 묶어 반복 업데이트하는 형태로 운영하였다. 실제 해석 업무에서 체감 생산성을 좌우하는 것은 솔버의 단발적인 성능만이 아니다. 경계조건인 열원, 대류, 접촉 등을 수정하고, 다시 업데이트한 뒤, 동일한 뷰에서 결과를 재확인 및 캡처하는 과정을 반복하면서 목표하는 컨투어가 나오고, 분석한 결과와 동일한지 확인하는 과정이 정말 중요하다. 열 해석은 15분 이내 수준에서 비교적 빠르게 완료되었다. 이 정도 솔버 시간이 확보되면 열원 크기나 경계조건 같은 변수를 바꿔가며 파라미터 시뮬레이션 형태로 반복 실행하는 운영도 현실적인 선택지가 된다.   테스트 4 : AMD 소프트웨어를 통한 해석 속도 개선 테스트   그림 13. 아드레날린 에디션 그래픽 설정   Z북 울트라 G1a는 AMD 전용 그래픽 드라이버 및 그래픽 옵션 설정을 통합 관리하는 소프트웨어 아드레날린 에디션(Adrenalin Edition)을 적용할 수 있는데, 이를 통해 <그림 13>과 같이 Gaming → Graphics 메뉴에서 그래픽 옵션을 선택할 수 있다. 이 화면은 본래 게임 환경을 대상으로 한 옵션이 포함되어 있으나, 이번 테스트에서는 해석에 필요한 더 조밀한 메시와 대형 형상들의 결과 표시를 검토하는 상황에서 실무자의 뷰포트 조작이 더 부드러워지는지, 또는 반대로 표시 지연이 발생하는지 확인하는 목적으로 진행된다.   테스트 4-1 : 메시 사이즈 조밀화 구간 작업감 검증 테스트   그림 14. A : 메시 1mm Sizing 적용 시   그림 15. B : 메시 0.5mm Sizing 적용 시   앞선 테스트 2-2(메시 작업)에서 강조했던 포인트는 단순히 메시가 생성되느냐가 아니었다. 실사용에서 메시 작업은 직후에 끝나는 경우가 거의 없고, 모델을 다시 손보거나(형상 수정과 구속 변경), 특정 부위만 더 촘촘히 쪼개거나(Refine), 조건은 바꿔 반복 수행하는 과정이 기본 루틴이 된다. 이때 체감상 생산성을 좌우하는 건 계산 성능만이 아니라 메시가 늘어난 상태에서도 트리 이동, 파트 및 면 선택, 화면 회전과 같은 기본 조작이 끊기지 않고 이어지는지에 있다. 한 번 버벅거림이 시작되면, ‘재메시 – 솔브 – 후처리’로 넘어가는 전체 흐름이 눈에 띄게 느려진다는 점이 있다. 이번 테스트 4에서는 AMD의 아드레날린 에디션 소프트웨어를 설치한 뒤, 그래픽 옵션을 적용한 상태에서 해석 프로그램 메시 조밀화 구간의 작업감을 다시 확인하는 형태로 진행했다. 메시 사이즈를 낮춰 요소 수가 증가하는 상황에서 안정성이 유지되는지 체크하는 것을 목적으로, 테스트는 기존 프로젝트 흐름을 유지하되 메시 사이즈를 다르게 적용하여 비교했다. 비교 조건은 A와 B로 메시를 생성한 후 화면 회전과 줌, 그리고 트리 이동과 특정 파트의 면 선택 등을 반복하였다. 결과적으로 조밀화 자체가 부담인 B 조건에서도 멈춤이 덜한 것을 확인하였다. 이 작업에서 핵심 부담은 결국 작업의 흐름이 끊기는 것이다. 이번 설정에서는 조밀한 메시에서도 작업을 중단시킬 정도로 흔들리는 패턴은 보이지 않았다. 메시 사이즈를 0.5mm까지 낮춰도 조작이 꺾이지 않는다는 점과 아드레날린 설정 적용 이후 메시 상태에서의 화면 반응성이 안정적으로 유지되는 방향으로 체감되었다.   테스트 4-2 : 모달해석 테스트   그림 16. 모달해석 결과 화면(모드 형상 컨투어)   아드레날린 설정 후, 기존 XY 스테이지 프로젝트 흐름에 모달해석을 추가로 수행했다. 특히 모달해석은 결과 확인 과정에서 모드 형상 확인, 애니메이션 재생, 값 확인 및 캡처를 반복 수행하게 되는데, 그래픽과 솔버 시간 감소를 확인하기 위해 필수적으로 해석을 진행하였다. 모달해석 결과는 Mechanical에서 바로 로드되어 모드(Mode) 별 주파수 테이블과 함께 표시되었고, 결과 항목을 전환해도 화면 반응이 끊기지 않았다. 특히 모달해석에서는 에니메이션 재생을 수행했을 때 조작이 툭툭 끊기는 것 없이 안정적으로 확인이 가능하였다. 이어서 모달해석은 다른 구조 해석이나 열 해석과는 상이하게 경계 조건에 따라 솔버 시간이 3~4배는 더 걸리게 된다. 아드레날린 설정을 통해 그래픽 끊김이 발생하지 않는 선에서 옵션을 변경하여 솔버를 진행하였을 때 소요되는 결과를 확인하였다.   그림 17. 아드레날린 에디션 적용 전/후 솔브 시간 비교   <그림 17>에서 확인할 수 있듯이 동일 모달해석 케이스에서 약 32분에서 23분으로 솔버 시간이 줄어드는 결과를 확인했으며, 약 9분 31초 수준으로 29% 수준의 시간 단축을 통해 솔버 사용 속도가 눈에 띄게 증가했음을 확인하였다. 이 차이는 단일 요인(그래픽 옵션)만으로 원인을 단정하기는 어렵지만, 단일 해석 설정에서 아드레날린 에디션 적용 이후 동일 케이스를 반복 수행했을 때 솔버 시간이 감소하는 경향이 확인되었다는 점에서 의미가 있었다. 특히 연구 및 실무 환경에서는 모달해석을 단독으로 한 번만 돌리는 경우가 드물고, 메시 조정과 결과 확인이 반복되기 때문에, 5~10분 단위의 차이도 누적되면 전체 작업 흐름에 영향을 준다. 이번 테스트에서는 그 누적이 실제로 체감될 정도로 줄어들었고, 속도 개선 가능성을 확인할 수 있었다. XY 스테이지 테스트는 한 번 만든 지오메트리를 워크벤치에서 계속 돌릴 때, 실제로 프리징 없이 곧바로 다음 루프로 넘어갈 수 있는지를 확인하는 과정이었다. 기본 테스트(테스트 1~3)만으로도 Z북 울트라 G1a은 해석자로서 굉장히 만족스러웠고, 특히 작업 흐름을 끊어버리는 프리징이 거의 없었다는 점에서 큰 점수를 주고 싶었다. 여기에 추가로 테스트 4인 AMD 아드레날린 에디션 적용 후의 작업 흐름도 함께 확인하였다. 조밀 메시에 대한 결과 화면처럼 그래픽적으로 무거워지는 구간에서도 전체 해석 흐름이 무너지지 않는지를 다시 점검하였고, 추가로 수행한 모달 해석에서도 결과 확인 과정이 한 번에 이어지는 형태로 진행됐다. 특히 솔버 시간 측면에서는 동일 케이스에서 소요시간이 감소하는 결과도 확인되어, 단순하게 돌아간다는 수준을 넘어 반복 수행 관점에서 체감 효율을 한 단계 더 끌어올릴 여지가 있다는 인상을 받았다. 결국 해석 실무자 입장에서 중요한 것은 케이스를 최적화하기 위해 나누고 설정을 바꾸고 결과를 정리하는 과정을 포함해 작업자가 하루 동안 수행하는 작업을 노트북에서 유지할 수 있는가에 있다. 이번 리뷰는 그 과정이 끊기지 않는지에 초점을 두고 진행했고, 추가 테스트 적용 결과까지 포함해 그 목적에 맞는 형태로 마무리되었다. 견적 상담 문의하기 >> https://www.hp.com/kr-ko/shop/hp-workstation-amd-app   ■ 정수진 한국공학대학교 메카트로닉스공학과 석사과정으로, CAE 해석 및 설계 검증, 시뮬레이션 최적화, 멀티피직스 관련 연구과제를 담당하고 있으며, 주로 구조, 열, 유체 시뮬레이션 기반 해석 연구를 진행하고 있다.     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2026-03-05