이에이트가 글로벌 수준의 기술력과 국내 보안 요구를 결합한 보안형 클라우드 매핑 설루션 ‘(NDX 클라우드(NDX CLOUD)’를 공식 출시한다고 밝혔다. 이에이트는 “디지털 트윈은 단순한 가상 모델링을 넘어, 현실 세계의 데이터를 실시간으로 연결해 예측과 제어가 가능한 ‘지능형 운영 시스템’으로 진화하고 있다”면서, “이를 위한 플랫폼 개발은 이제 선택이 아닌 필수“라고 설명했다. 다만 국내 공공 및 산업 환경은 여전히 데이터 주권과 보안 규제로 인해 디지털 전환에 가장 큰 걸림돌이 되고 있다. 이에이트는 이러한 문제를 극복하기 위해, 글로벌 기술이 검증된 정밀 측량·매핑 엔진을 기반으로 국내 보안 환경에 최적화된 클라우드 플랫폼을 개발했다. NDX 클라우드는 픽스포디(PIX4D)와의 협업을 통해 확보한 글로벌 기술력 위에, 국내 보안 표준과 서버 운영 요건을 충족하는 구조로 설계됐다. 국내 서버 운영, 폐쇄망·온프레미스 설치 지원, 권한 기반 접근 제어 등으로 정부 과제에서 요구되는 높은 수준의 보안 요건을 충족하며, 이를 통해 외산 설루션의 한계였던 국내 데이터 주권 문제와 보안 인증 제약을 동시에 해소했다.     이에이트는 이번 설루션을 기반으로 정부 디지털 트윈, 공간 정보 고도화, 스마트시티, 국방 등 주요 공공 프로젝트 진출을 가속화할 계획이다. 이와 더불어 E8는 온톨로지 AI 기반 플랫폼 ‘NDX 프로 AI(NDX PRO AI)’를 중심으로 산업형 AI 생태계 구축에도 속도를 내고 있다. 이에이트는 데이터의 의미와 관계를 이해하는 온톨로지 AI 기술이 자사의 ‘AI for Humanity’ 비전을 구현하는 핵심 축이며, 산업 전반의 AI 전환을 이끄는 기반이 될 것으로 기대한다고 전했다. 이에이트 관계자는 “NDX 클라우드는 글로벌 기술 검증과 국내 보안 최적화를 결합한 플랫폼으로, 공공과 산업 전반의 디지털 인프라 전환을 빠르게 앞당길 것”이라며, “향후 온톨로지 기반 AI 디지털 트윈 플랫폼과 연계해 산업 데이터를 지능적으로 관리·분석하는 서비스로 발전시킬 계획”이라고 말했다.

IBM은 자사의 메인프레임 시스템 IBM z17 및 IBM 리눅스원 5(IBM LinuxONE 5)에 적용 가능한 인공지능(AI) 가속기 ‘스파이어 엑셀러레이터(Spyre Accelerator)’를 정식 출시한다고 밝혔다. 스파이어 엑셀러레이터는 생성형 및 에이전트 기반 AI 업무를 지원하는 빠른 추론 기능을 제공하며, 핵심 업무의 보안과 복원력을 최우선으로 고려해 설계되었다. 12월 초부터는 파워11(Power11) 서버용 제품도 제공될 예정이다. 오늘날 IT 환경은 기존의 논리 기반 업무 흐름에서 에이전트 기반 AI 추론 중심으로 전환되고 있으며, AI 에이전트는 저지연(low-latency) 추론과 실시간 시스템 반응성을 요구한다. 기업은 처리량의 저하없이 가장 까다로운 엔터프라이즈 업무와 AI 모델을 동시에 처리할 수 있는 메인프레임과 서버 인프라를 필요로 한다. IBM은 이러한 수요에 대응하기 위해서 생성형 및 에이전트 기반 AI를 지원하면서도 핵심 데이터, 거래, 애플리케이션의 보안과 복원력을 유지할 수 있는 AI 추론 전용 하드웨어가 필수적이라고 판단했다. 스파이어 엑셀러레이터는 기업이 중요한 데이터를 사내 시스템(온프레미스, on-premise) 내에서 안전하게 관리할 수 있도록 설계되었으며, 운영 효율성과 에너지 절감 효과도 함께 제공한다.     스파이어 엑셀러레이터는 IBM 리서치 AI 하드웨어 센터의 혁신 기술과 IBM 인프라 사업부의 개발 역량이 결합된 결과물이다. 시제품으로 개발된 이후 IBM 요크타운 하이츠 연구소의 클러스터 구축과 올버니대학교 산하 ‘신흥 인공지능 시스템 센터(Center for Emerging Artificial Intelligence Systems)’와의 협업을 통해 빠른 반복 개발 과정을 거쳐 완성도를 높였다. 이렇게 기술적 완성도를 높여 온 시제품 칩은 현재는 IBM Z, 리눅스원, 파워 시스템에 적용 가능한 기업용 제품으로 진화했다. 현재 스파이어 엑셀러레이터는 32개의 개별 가속 코어와 256억 개의 트랜지스터를 탑재한 상용 시스템온칩(SoC, system-on-a-chip) 형태로 완성되었다. 5나노미터 공정 기술을 기반으로 제작된 각 제품은 75와트(Watt) PCIe 카드에 장착되며, IBM Z 및 리눅스원 시스템에는 최대 48개, IBM 파워 시스템에는 최대 16개까지 클러스터 구성이 가능하다. IBM 고객들은 스파이어 엑셀러레이터를 통해 빠르고 안전한 처리 성능과 사내 시스템 기반의 AI 가속 기능을 활용할 수 있다. 이는 기업이 IBM Z, 리눅스원, 파워 시스템 상에서 데이터를 안전하게 유지하면서도 AI를 대규모로 적용할 수 있게 되었음을 의미한다. 특히, IBM Z 및 리눅스원 시스템에서는 텔럼 II(Telum II) 프로세서와 함께 사용되어 보안성, 저지연성, 높은 거래 처리 성능을 제공한다. 이를 통해 고도화된 사기 탐지, 유통 자동화 등 예측 기반 업무에 다중 AI 모델을 적용할 수 있다. IBM 파워 기반 서버에서는 AI 서비스 카탈로그를 통해 기업 업무 흐름에 맞춘 종합적인 AI 활용이 가능하다. 고객은 해당 서비스를 한 번의 클릭으로 설치할 수 있으며, 온칩 가속기(MMA)와 결합된 파워용 스파이어 엑셀러레이터는 생성형 AI를 위한 데이터 변환을 가속화해 심층적인 프로세스 통합을 위한 높은 처리량을 제공한다. 또한 128개 토큰 길이의 프롬프트 입력을 지원하며, 이를 통해 시간당 800만 건 이상의 대규모 문서를 지식 베이스에 통합할 수 있다. 이러한 성능은 IBM의 소프트웨어 스택, 보안성, 확장성, 에너지 효율성과 결합되어, 기업이 생성형 AI 프레임워크를 기존 업무에 통합해 나가는 여정을 효과적으로 지원한다. IBM 인프라 사업부 최고운영책임자(COO)이자 시스템즈 사업부 총괄 배리 베이커(Barry Baker) 사장은 “스파이어 엑셀러레이터를 통해 IBM 시스템은 생성형 및 에이전트 기반 AI를 포함한 다중 모델 AI를 지원할 수 있는 역량을 갖추게 됐다. 이 기술 혁신은 고객이 AI 기반 핵심 업무를 보안성과 복원력, 효율성을 저해하지 않고 확장할 수 있도록 돕는 동시에, 기업 데이터의 가치를 효과적으로 끌어낼 수 있도록 지원한다”고 말했다. IBM 반도체 및 하이브리드 클라우드 부문 무케시 카레(Mukesh Khare) 부사장은 “IBM은 2019년 AI 리서치 하드웨어 센터를 설립해, 생성형 AI와 대규모 언어 모델(LLM)이 본격적으로 확산되기 이전부터 AI의 연산 수요 증가에 대응해 왔다. 최근 고도화된 AI 역량에 대한 수요가 높아지는 가운데, 해당 센터에서 개발된 첫 번째 칩이 상용화 단계에 진입해 자랑스럽다”면서, “이번 스파이어 칩의 정식 출시로 IBM 메인프레임 및 서버 고객에게 향상된 성능과 생산성을 제공할 수 있게 되었다”고 설명했다.

디지털 트윈과 AI가 시뮬레이션과 현실의 간극을 메우다   제조 시설은 지속적인 문제에 직면해 있다. 정비 일정은 일반적으로 실제 마모와 관계없이 3개월마다 부품을 점검하고 6개월마다 구성 요소를 교체하는 등 엄격한 일정을 따른다. 그 결과 불필요한 점검과 교체로 인한 비효율적인 시간 낭비가 발생하고, 반대로 정비 일정 전에 부품이 고장 나는 일도 생긴다. 센트랄수펠렉-파리 사클레대학교(CentraleSupélec–Université Paris-Saclay)의 지궈 젠(Zhiguo Zeng) 교수와 그의 연구팀은 디지털 트윈 기술과 딥러닝을 결합한 혁신적인 접근 방식을 통해 이 문제를 해결하고 있다. 그들의 목표는 모든 중요 부품에 센서를 배치할 필요 없이 시스템 수준의 모니터링 데이터만으로 로봇 시스템의 구성요소 수준의 고장을 감지하는 것이다. 젠 교수는 “유지보수는 공장에서 매우 큰 문제”라면서, “기계에 유지보수가 필요한 시기를 미리 안다면 주문이 적은 시기에 수리 일정을 잡을 수 있어 생산성 손실을 최소화할 수 있다”고 말했다. 그는 신뢰성 공학과 수명 예측 분야에서 풍부한 경험을 갖고 있지만, 디지털 트윈 기술은 그의 이전 연구와는 결이 다른 새로운 영역이었다. 센트랄수펠렉의 안 바로스(Anne Barros) 교수와 페드로 로드리게스-아예르베(Pedro Rodriguez-Ayerbe) 교수가 주도하는 학제 간 프로젝트인 ‘미래의 산업(Industry of the future)’에 참여하면서, 그는 디지털 트윈이 어떻게 강력한 시뮬레이션 도구를 물리적 시스템에 실시간으로 직접 연결할 수 있는지 깨달았다. 젠 교수는 “디지털 트윈은 결함 진단에 매우 유용하다. 이를 실제 기계의 데이터에 연결하여 그 데이터로 모델을 개선할 수 있다”고 설명했다.  제조업, 자동차, 항공우주 및 기타 분야로 활용 영역이 확대되면서, 디지털 트윈은 인더스트리 4.0에서 유망한 기술 중 하나로 자리잡고 있다. 물리적 객체나 시스템의 가상 복제본인 디지털 트윈(digital twin)을 생성함으로써, 조직은 운영 현황과 유지보수 필요성을 명확하게 파악할 수 있다. 또한 디지털 트윈은 예측 유지 관리 시스템 개발의 어려운 측면 중 하나인 고장 데이터의 부족에 대한 해결책을 제시한다. 젠 교수는 “현실에서는 고장이 자주 발생하는 걸 보기는 어렵다. 그래서 이제는 시뮬레이션을 통해 고장 데이터를 만들어낸다”고 설명했다.   가상과 물리의 가교 역할 디지털 트윈 프로젝트는 물리적 시스템과 가상 시스템 간의 다양한 수준의 통합을 통해 구현 옵션을 제공한다. 젠 교수의 연구팀은 세 가지 서로 다른 수준의 디지털 표현으로 작업했다. 기본 수준에서 디지털 모델은 기존 시뮬레이션처럼 작동하며, 물리적 시스템과 데이터를 교환하지 않는 정적 모델로 오프라인에서 실행된다. 그다음 단계는 디지털 섀도로, 가상 모델이 물리적 시스템의 데이터를 받아 그 행동을 미러링하지만 제어하지는 않는다. 가장 발전된 구현은 데이터와 정보의 양방향 흐름을 갖춘 진정한 디지털 트윈이다. 여기서 모델은 관찰을 바탕으로 스스로 업데이트하고 물리적 시스템을 제어하는 실시간 결정을 내린다. 연구팀은 테스트용으로 ArmPi FPV 교육용 로봇을 선택했다. 이 로봇은 5개의 관절과 하나의 엔드이펙터로 구성되며, 6개의 서보 모터로 제어된다. 결함 진단의 기초가 될 만큼 정확한 디지털 트윈을 만드는 것은 어려운 일이었다. 또한 기존 모니터링 접근 방식의 한계를 해결해야 했다. 젠 교수는 “대부분의 산업 사례에서 베어링을 진단하려면 베어링 수준의 센서가 필요하며, 이는 쉽지 않은 일이다. 내부에 베어링이 있는 큰 기계를 상상해보면 센서를 설치하기 위해서는 기계를 분해해야 하는데 때로는 공간이 충분하지 않을 때도 있다”고 말했다.   그림 1. ArmPi FPV 교육용 로봇(출처 : 센트랄수펠렉)   그들의 접근 방식은 시스템 수준 데이터(로봇 엔드 이펙터의 이동 궤적)를 사용하여 구성 요소 수준의 오류(개별 모터 문제)를 진단하는 것이었다. 또한 디지털 트윈을 사용하여 관찰할 수 있는 것과 감지해야 할 것 사이의 격차를 해소하고자 했다. 연구팀은 시뮬링크(Simulink)와 심스케이프 멀티바디(Simscape Multibody)를 사용하여 디지털 트윈을 구축했으며, 구성요소와 시스템 수준 동작을 모두 나타내는 계층적 모델을 만들었다. 젠 교수는 “모든 것은 시뮬레이션 모델을 설계하는 것으로 시작한다. 동적 시스템과 그 제어기를 모델링하고 싶다면 시뮬링크는 매우 강력하다”고 말했다. 연구팀은 시뮬링크를 사용해 모터 제어기를 PID 제어기로 모델링하면서 실험적으로 조정한 게인 값을 활용했다. 또한, 시뮬링크의 시각화 기능을 적극적으로 활용해 시뮬레이션 데이터와 실제 로봇의 센서 데이터를 연동할 수 있는 인터페이스를 구축하고, 실시간 모니터링 환경을 구성하였다. ROS 툴박스(ROS Toolbox)는 로봇 하드웨어와의 연결에서 유용한 역할을 했다. 젠 교수는 “로봇 운영 체제(Robot Operating System : ROS)를 사용하려면 일반적으로 ROS와 파이썬(Python) 환경을 별도로 구성하고 모든 연결을 직접 처리해야 한다”면서, “ROS 툴박스를 사용하면 이런 설정이 자동으로 관리되기 때문에 많은 노력을 아낄 수 있다”고 설명했다. 연구팀은 AI 모델 학습을 위한 데이터 준비 과정에서는 두 가지 접근 방식을 시도하였다. 먼저, 로봇에 입력되는 모터 명령과 그에 따른 그리퍼(gripper)의 움직임 패턴과 같은 원시 계측값을 기반으로 데이터를 수집하였다. 이후에는 디지털 트윈을 활용한 방식을 도입하였다. 시뮬레이션을 통해 로봇이 명령에 따라 어떻게 움직여야 하는지를 예측하고, 이 결과를 실제 움직임과 비교함으로써 예상과 실제 간의 차이를 도출하였다. 이러한 차이는 미세한 고장을 감지하는 데 유용한 지표로 작용하였다.   그림 2. 심스케이프 멀티바디의 로봇 팔에 대한 시뮬링크 모델(출처 : 센트랄수펠렉)   연구팀은 딥 러닝 툴박스(Deep Learning Toolbox)를 사용하여 장단기 메모리(Long Short-Term Memory : LSTM) 신경망을 훈련하여 특정 실패를 나타내는 패턴을 식별했다. 모델 아키텍처에는 각각 100개의 숨겨진 단위가 있는 두 개의 LSTM 계층, 그 사이의 드롭아웃 계층 및 완전히 연결된 분류 계층이 포함된다. 연구팀은 매트랩 앱 디자이너(MATLAB App Designer)를 사용하여 각 모터의 위치, 전압 및 온도를 포함한 실시간 데이터를 수집하는 그래픽 사용자 인터페이스를 설계했다. 이 인터페이스를 통해 로봇의 상태를 모니터링하고 오류 진단 모델의 예측을 검증할 수 있었다. 이러한 통합 도구들이 원활하게 함께 작동하면서, 연구팀은 소프트웨어 호환성 문제와 씨름하기보다는 효율적으로 기술적 과제 해결에 집중할 수 있었다.   현실 격차에 도전하다 연구팀은 실제 로봇에서 훈련된 모델을 테스트했을 때 연구원들이 ‘현실 격차’라고 부르는 시뮬레이션과 현실 세계 간의 불일치에 직면했다. 결함 진단 모델은 시뮬레이션에서 98%의 정확도를 달성하여 모터 고장의 위치와 유형을 모두 정확하게 식별했지만, 실제 로봇에서 테스트했을 때 성능은 약 60%로 떨어졌다. 젠 교수는 “시뮬레이션이 현실과 일치하지 않는 이유를 분석하고 있다”고 말하며, “실제 세계를 시뮬레이션 상에서 표현할 때 고려하지 못한 요소들이 있다”고 설명했다. 젠 교수와 그의 연구팀은 통신 신뢰성 문제, 시뮬레이션에서 고려되지 않은 모터 노이즈, 제어 명령과 모니터링 활동 간의 동기화 문제 등 성능 격차에 기여하는 여러 요인을 확인했다.   그림 3. 정상 상태 오류에서 로봇 팔의 애니메이션 및 관련 혼동 매트릭스(출처 : 센트랄수펠렉)   이러한 과제는 디지털 트윈 애플리케이션의 광범위한 문제를 반영한다. 현실은 가장 정교한 시뮬레이션보다 더 복잡하다. 연구팀은 낙담하기보다는 실제 노이즈 패턴을 시뮬레이션 하는 모듈을 디지털 트윈에 추가하고 전이 학습에 도메인 적응 기술을 적용하는 등 이러한 격차를 해소하기 위한 방법을 개발했다. 젠 교수는 “디지털 트윈 모델을 개발할 때 보정 테스트를 하긴 하지만, 이 역시 통제된 환경에서 이루어진다”고 말했다. 이어서 “하지만 산업 현장에 모델을 실제로 적용하면 훨씬 더 많은 노이즈가 포함된 데이터를 접하게 된다. 이처럼 현실의 노이즈를 알고리즘 관점에서 어떻게 보정할 것인가는 매우 도전적인 연구 주제”라고 설명했다. 이러한 수정을 통해 연구팀은 실제 세계 정확도를 약 85%까지 개선했다. 이는 실용적 구현을 향한 중요한 진전이다.   소규모 실험실에서 스마트 공장으로 연구팀의 작업은 단일 로봇을 넘어서 확장되고 있다. 이들은 다수의 로봇이 협업하며 생산 라인을 구성하는 소규모 스마트 공장 환경을 구축하고 있으며, 이를 통해 고장 진단 알고리즘을 보다 실제에 가까운 조건에서 실험하고자 한다. 젠 교수는 “우리는 미니 스마트 공장을 구축하려고 한다”면서, “생산 설비와 유사한 환경을 만들어 로봇에 알고리즘을 적용해, 실제 생산 스케줄링에 통합될 수 있는지를 실험하고 있다”고 설명했다. 이러한 접근 방식은 교육적 효과도 크다. 센트랄수펠렉의 공학과 학생들은 수업과 프로젝트를 통해 디지털 트윈, 로보틱스, 머신러닝 기술을 실습 기반으로 학습하고 있다. 젠 교수는 “학생들이 처음부터 가상 공간에서 모델을 직접 설계하고 이를 점차 실제 로봇과 연결해가는 과정을 보면, 그들이 이 과정을 진심으로 즐기고 있다는 걸 알 수 있다”고 전했다. 이 연구는 제조업뿐 아니라 물류, 스마트 창고 등 다양한 산업 분야로의 확장이 가능하다. 예를 들어 스마트 창고에서는 로봇이 정해진 경로를 따라 이동하지만, 장애물이 나타나면 이를 인식하고 경로를 유동적으로 조정해야 한다.   그림 4. 여러 로봇이 소규모 스마트 공장 환경의 생산 라인에서 협력하여 작동한다.(출처 : 센트랄수펠렉)   젠 교수는 “스마트 창고에서 로봇은 사전 정의된 규칙을 따르지만, 패키지가 떨어지고 경로가 막히는 등 경로를 리디렉션하고 다시 프로그래밍해야 하는 경우가 있을 수 있다. 이런 경우 로봇을 조정하기 위해 각 로봇의 실시간 위치를 알아야 하기 때문에 디지털 트윈 시스템이 필요하다”고 설명했다. 연구팀은 구성요소가 고장 날 때 로봇의 움직임을 조정하는 것과 같은 내결함성 제어를 포함한 추가 응용 프로그램을 모색하고 있다. 또한 연구자들은 에너지 소비만 고려하는 것이 아니라, 궤적 최적화 모델에서 각 모터의 성능 저하 수준과 잔여 유효 수명도 고려하는 건전성 인식 제어를 개발하고 있다. 그들의 코드, 모델, 데이터 세트를 깃허브 저장소(GitHub repository)를 통해 자유롭게 공개하고 있으며, 다른 연구자들이 이를 바탕으로 연구를 확장해 나가기를 기대하고 있다. 목표는 개선의 출처가 어디든 간에, 보다 나은 고장 진단 시스템을 구축하는 것이다. 젠 교수는 “누군가 우리보다 더 나은 결과를 만들어낸다면 정말 기쁠 것”이라고 전했다. 중국 제조업 현장에서 일하던 부모님의 영향을 받아 공학자의 길을 걷게 된 젠 교수에게 이번 연구는 단순한 학문적 탐구를 넘어선 개인적인 사명이기도 하다. 젠 교수는 “어릴 때 제조업에서 일하는 것이 얼마나 힘든 일인지 직접 보며 자랐다”면서, “내가 그렸던 비전은 그런 육체 노동을 로봇이 대체하게 해 사람들이 보다 나은 삶을 살 수 있도록 하는 것이었다”고 전했다.   ■ 이웅재 매스웍스코리아의 이사로 응용 엔지니어팀을 이끌고 있으며, 인공지능·테크니컬 컴퓨팅과 신호처리·통신 분야를 중심으로 고객의 기술적 성공을 지원하는 데 주력하고 있다. LG이노텍과 LIG넥스원에서 연구개발을 수행하며 신호처리와 통신 분야의 전문성을 쌓아왔다.     ■ 기사 PDF는 추후 제공됩니다.

델 테크놀로지스가 네트워크 연결 없이 데스크 환경에서 최대 2000억개 매개변수의 LLM(대규모 언어 모델)을 지원하는 AI 시스템 ‘델 프로 맥스 위드 GB10(Dell Pro Max with GB10)’을 출시한다고 밝혔다.  최근 생성형 AI의 패러다임이 인간의 개입 없이 여러 AI가 협력하고 자율적으로 의사결정을 내리는 ‘에이전틱 AI’로 전환되고 있다. AI 성능 향상을 위한 매개변수 증가와 멀티모달 AI 모델 개발이 가속화됨에 따라, AI 워크로드를 안전하고 비용 효율적으로 빠르게 처리할 수 있는 로컬 컴퓨팅 환경의 중요성이 커지고 있다. 새롭게 발표된 델 프로 맥스 위드 GB10은 엔비디아 GB10 그레이스 블랙웰(NVIDIA GB10 Grace Blackwell) 슈퍼칩을 탑재해 AI 개발을 위한 고성능을 제공한다. 최대 2000억개 매개변수의 LLM을 로컬 환경에서 직접 프로토타이핑, 미세조정, 추론까지 할 수 있다는 것이 특징이다. GB10 슈퍼칩은 20코어의 고성능 Arm 아키텍처를 탑재한 그레이스 CPU와 블랙웰 GPU를 결합해 최대 1페타플롭(1초당 1000조번 연산 처리)의 AI 연산 성능을 제공한다.     이 제품은 128GB LPDDR5x 통합 시스템 메모리를 제공하며, 2TB 및 4TB NVMe SSD 옵션을 선택할 수 있어 방대한 데이터 처리와 복잡한 AI 워크로드를 원활히 운영할 수 있다. 또한, TPM 2.0 보안과 안전한 샌드박스 환경 구축을 통해 중요한 기업 데이터를 안전하게 보호할 수 있다.  우분투 리눅스 기반의 엔비디아 DGX OS 및 AI 소프트웨어 스택을 탑재해 AI 개발자가 데스크톱과 데이터센터 환경을 자유롭게 넘나들며 워크로드를 구현할 수 있는 것 또한 특징이다. 초저지연 네트워킹을 지원하는 엔비디아 커넥트X-7(ConnectX-7)으로 델 프로 맥스 위드 GB10 두 대를 연결하면 최대 4000억 개 매개변수 모델도 원활히 처리 가능하다. 또한 ‘엔비디아 기반 델 AI 팩토리(Dell AI Factory with NVIDIA)’를 기반으로 데스크 환경에서의 프로토타입 제작부터 데이터 센터 배포까지 원활하게 확장할 수 있다. 엔비디아 쿠다(NVIDIA CUDA), 엔비디아 AI 워크벤치(NVIDIA AI Workbench) 및 주피터랩(JupyterLab)과 독커(Docker) 등이 기본 탑재되어 별도의 설치 과정 없이 개봉 즉시 AI 모델 개발과 테스트를 시작할 수 있다. 델은 델 프로 맥스 위드 GB10가 강력한 성능을 기반으로 AI 시대의 다양한 사용자에게 새로운 가능성을 제시한다고 전했다.. 대학 등 연구기관에서는 ‘라마 3.3 70B(Llama 3.3 70B)’와 같은 대규모 언어 모델을 해당 제품에서 직접 실행해 연구 속도를 획기적으로 높일 수 있다. 스타트업 등 중소규모 기업은 추론, 미세 조정, 프로토타이핑 등 AI 개발의 전 과정을 로컬 환경에서 수행하며 복잡한 인프라 구축 없이도 혁신을 빠르게 이어갈 수 있다. 헬스케어나 금융 서비스와 같이 민감한 데이터를 다루는 업계에서는 데이터를 외부로 반출하지 않고 고급 AI 모델을 안전하게 학습 및 운용하여 데이터 보안을 실현하고 리스크를 줄일 수 있다. 크리에이터와 개발자들은 엔터프라이즈급 컴퓨팅 파워를 활용해 외부 인프라 구축 등의 추가 비용 없이, 자신만의 작업 공간에서 비전 모델을 미세 조정하고, AI 기반 콘텐츠를 제작하는 창의적인 프로젝트를 손쉽게 구현할 수 있다. 델 프로 맥스 위드 GB10은 공기 흐름을 최적화한 섀시 디자인을 적용해 장시간 사용 시에도 온도와 소음을 효과적으로 제어하며 안정적인 성능을 유지한다. 델 프로 맥스 위드 GB10은 10월 16일에 출시될 예정이며, 최대 3년간의 델 지원 서비스(Dell Service & Support)가 제공된다. 한국 델 테크놀로지스 김경진 총괄사장은 “온프레미스 환경에서 AI를 구현하는 수요가 증가하는 가운데, 델 프로 맥스 위드 GB10은 엔비디아 GB10 슈퍼칩 기반의 강력한 성능으로 개인용 데스크 환경에서 AI 프로젝트를 실행할 수 있는 획기적인 설루션”이라면서, “델 테크놀로지스는 델 프로 맥스 라인업에 최신 AI 기술을 발빠르게 적용해 제품 포트폴리오를 지속적으로 확장하고 있고, 많은 기업이 보안이나 비용 등의 제약 없이 로컬에서 AI 혁신을 구현하도록 지원하고 있다”고 말했다.

시놀로지가 디스크스테이션 매니저(DSM) 7.3의 출시를 발표했다. 이번 버전은 향상된 스토리지 효율성, 강화된 보안 및 신뢰성, 그리고 새로운 생산성 기능을 제공한다. 시놀로지 DSM 7.3에서 제공하는 시놀로지 티어링(Synology Tiering)은 액세스 패턴을 기반으로 파일을 자동으로 이동시켜, 자주 사용하는 ‘핫’ 데이터는 고성능 스토리지에, 드물게 접근하는 ‘콜드’ 데이터는 비용 효율적인 티어에 배치한다. 또한 수정 시간이나 접근 빈도에 따라 사용자가 정책을 지정해 데이터 이동 시점과 방식을 세밀하게 제어할 수 있다.     지난 12개월간 DSM은 50건 이상의 선제적 보안 업데이트를 적용했으며, DSM 7.3에서는 KEV, EPSS, LEV 등 업계 표준 위험 지표를 도입해 위협 우선순위 지정과 보호 기능을 더욱 강화했다. 오피스 스위트(Office Suite)도 커뮤니티의 요구를 반영해 개선됐다. 시놀로지 드라이브(Synology Drive)는 공유 라벨, 간소화된 파일 요청, 향상된 파일 잠금 기능을 제공해 협업을 더 원활하게 지원한다. 또한 메일플러스(MailPlus)는 이메일 검토 기능으로 보안을 강화하고, 도메인 공유 기능을 추가해 분산된 인프라 전반에서 사용자 신원을 통합할 수 있도록 했다. 시놀로지 AI 콘솔(Synology AI Console)은 2025년 8월 출시 이후 지금까지 43만 대 이상의 시놀로지 시스템에 배포돼, 온프레미스 환경에서 AI 기반 협업과 관리를 지원하고 있다. DSM 7.3에서는 맞춤형 데이터 마스킹과 필터링 기능이 추가되어, 민감한 정보가 타사 AI 서비스로 전송되기 전에 로컬에서 보호할 수 있도록 하여 보안성과 워크플로 신뢰성을 한층 높인다. 또한, 시놀로지 AI 콘솔은 앞으로 모든 OpenAI 호환 API 지원을 추가할 예정이며, 이를 통해 프라이빗 AI 인프라와의 원활한 통합이 가능해지고, 조직은 완전한 데이터 프라이버시와 보안 하에 AI 서비스를 유연하게 배포할 수 있다. 시놀로지는 신뢰할 수 있고 고성능의 스토리지 시스템 제공에 전념하고 있다. 하드웨어와 소프트웨어 구성 요소 모두에 대한 엄격한 검증은 오랜 기간 핵심 개발 우선순위였다. 시놀로지 스토리지 드라이브는 타사 검증 프로그램과 함께 DSM에서 최고의 신뢰성을 제공하도록 설계되었다. 시놀로지는 드라이브 제조업체와 협력하여 인증된 저장 매체의 범위를 확대하고, 더 신뢰할 수 있는 옵션을 제공한다. 한편, 2025년형 DiskStation Plus, Value, J 시리즈는 DSM 7.3에서 타사 드라이브를 사용한 설치 및 스토리지 풀 생성을 지원하여 사용자의 유연성을 높인다. 시놀로지의 케네스 수(Kenneth Hsu) 시스템 그룹 디렉터는 “데이터가 빠르게 증가함에 따라 이를 관리하고 처리하며 가치를 극대화할 수 있는 고급 설루션이 필요하다”면서, “DSM 7.3은 안전하고 신뢰할 수 있으며, AI 혁신까지 지원할 준비가 된 플랫폼 위에서 고객이 변화하는 데이터 관리 과제를 자신 있게 해결할 수 있도록 돕는다”고 전했다.

시점 – 사물이나 현상을 바라보는 눈 (10)   지난 호에서는 ‘작용, 반작용, 상호작용’을 주제로 주변에서 일어나는 일을 다양한 사례를 들어가며 조금 특별한 시각으로 바라보았다. 뉴턴의 운동법칙, 작용, 반작용, 상호작용의 사전적 의미, 다양한 물리현상, 생태계의 상호작용, 사회적 상호작용, 관점의 차이, 상관관계를 통해서 세상을 알아가는 방법 등에 관해서 소개했다. 이번 호부터는 3회에 걸쳐서 ‘무엇을 볼 것인가?’, ‘무엇을 믿을 것인가?’, ‘가설, 모델, 이론의 설득력의 시대성’의 이야기를 다룰 예정이다. 이번 호에서는 그 첫 번째 이야기로 ‘무엇을 볼 것인가?’에 관해서 생각해 보고자 한다.   ■ 연재순서 제1회 호기심 제2회 암중모색 제3회 관찰의 시점과 관점 제4회 정적 이미지와 동적 이미지 제5회 변화와 흐름의 관찰 제6회 개별 관찰 제7회 집단 관찰 제8회 확률과 통계 제9회 작용, 반작용, 상호작용 제10회 무엇을 볼 것인가? 제11회 무엇을 믿을 것인가? 제12회 가설, 모델, 이론의 설득력의 시대성   ■ 유우식 웨이퍼마스터스의 사장 겸 CTO이다. 동국대학교 전자공학과, 일본교토대학 대학원과 미국 브라운대학교를 거쳐 미국 내 다수의 반도체 재료 및 생산 설비 분야 기업에서 반도체를 포함한 전자재료, 공정, 물성, 소재 분석, 이미지 해석 및 프로그램 개발과 관련한 연구를 진행하고 있다. 경북대학교 인문학술원 객원연구원, 국민대학교 산림과학연구소 상임연구위원, 문화유산회복재단 학술위원, 국제문화재전략센터 전문위원이다. 홈페이지 | www.wafermasters.com   그림 1. 일제 강점기에 촬영된 청계천의 수위를 관찰하던 수표교의 모습   하천의 수위 측정 수표교는 하천의 수위를 측정할 수 있도록 눈금(수표)이 새겨져 있는 청계천에 있던 다리이다.(그림 1) 세종 2년(1420년)에 만들어질 당시는 그곳에 마전(馬廛)이 있어 마전교라 불렸다. 세종 23년(1441년) 다리 밑을 지나는 개천(청계천)에 흐르는 수위를 측정하기 위해서 수표를 세웠다. 이후부터 수표교로 부르게 되었으며, 주변에 있는 마을은 수표동이라고 부르게 되었다. 수표는 하천의 수위를 과학적, 계량적으로 측정할 수 있는 기구로, 측우기와 함께 세종 때 만들어진 대표적인 과학 기기의 하나로 꼽힌다. 수표교는 현재의 서울특별시 종로구 수표동에 있었으나, 1958년 청계천 복개 공사로 장충단공원에 옮겨졌다. 2005년 청계천 복원 당시 원래 자리에 다시 놓으려고 했으나, 복원된 청계천의 폭과 수표교의 길이가 맞지 않아 옮겨지지 못했다.(그림 2) 대신 그 자리에는 임시 다리가 설치되어 있다. 원래의 수표교는 동대문구 청량리동에 있는 세종대왕기념관으로 이전되었다. 수표교에서 오른쪽으로 다섯 번째 다리의 이름이 오늘날의 마전교로 되어 있다. 초기의 수표는 청계천의 마전교 서쪽과 한강변에 세워졌다. 물속에 기둥을 꽂을 수 있도록 구멍을 판 받침돌을 놓고 그 구멍에 나무 기둥을 세웠다. 나무 기둥에는 눈금을 새겨 수위를 알아볼 수 있도록 하였으나, 나무로 만든 수표는 쉽게 망가져 15세기 성종 때 돌기둥으로 교체하였다. 아마도 물이 차면 부력으로 떠내려가기도 쉽고 물에 젖었다가 마르기를 반복하는 부분은 쉽게 썩지 않았을까 싶다. 돌기둥으로 만들어진 수표 양면에는 1척에서 10척까지 눈금을 새겼으며, 3, 6, 9척의 위치에는 ○표를 새겨서 각각 갈수(渴水), 평수(平水), 대수(大水)를 판단하는 기준으로 삼았다. 6척 안팎의 물이 흐르면 보통의 수위이고, 9척 이상이 되면 위험 수위로 개천의 범람 징후를 미리 헤아릴 수 있도록 한 것이다. 영조 36년(1760년)에 다리를 수리하면서 돌기둥에 ‘庚(경)·辰(진)·地(지)·平(평)’이라는 글씨를 새겨 물 높이를 4단계로 측정하였다. 순조 때 개천을 다시 준설할 때 새로운 수표를 세웠으며, 지금 남아 있는 수표는 이때 만들어진 것이다.   그림 2. 복원된 청계천의 22개 다리 중에서 옛 모습을 찾지 못한 수표교(빨간 별표로 표시된 다리)   강우량을 측정하는 측우기 현존하는 세계 최고의 강우량 측정기구도 우리나라가 가지고 있다. 국보로 지정된 ‘공주 충청감영 측우기’이다.(그림 3) 헌종 3년(1837년)에 제작된 공주 충청감영(금영) 측우기는 농업을 위한 조상의 과학적 발명과 구체적 실행을 증명해주는 유물로 매우 가치가 크다. 금영 측우기는 조선 시대 충남지역 감독관청이었던 충청감영에 설치되었던 것으로, 1915년경 일본인 기상학자 와다 유지가 국외로 반출한 것을 1971년 일본으로부터 환수한 것이다. 현재 서울 기상청 박물관에 보관되어 있다. 조선 시대에는 중앙정부에서 규격이 같은 측우기를 제작해 전국의 감영에 보냈기 때문에, 여러 점이 만들어졌을 것으로 추정된다. 다만 지금까지 남아 있는 것은 금영 측우기가 유일하다. 빗물을 그릇에 받아 강우량을 재는 측우기는 조선 세종 때에 처음 만들어진 후 여러 차례 다시 만들어졌다는 기록은 남아 있으나, 현재 실물로 남아 있는 것은 헌종 3년(1837년)에 만들어진 이 측우기뿐이다. ‘조선왕조실록’ 세종 23년(1441년) 8월 18일의 기록에는 서운관(기상관측 기관)에 대(臺)를 설치해 빗물을 받아 강우량을 측정했으며, 이듬해인 1442년 5월 8일에는 측정방식이 미진해 다시 원칙을 세웠다고 한다. 이때 세운 원칙대로 만들어진 것이 금영 측우기이다. 강우량 측정의 표준이 필요함을 절감하고 표준을 정해서 시행한 셈이다. 오늘날의 표준화 작업과 품질관리가 실행된 구체적인 사례이다. 도량형 표준이 측우기에도 적용된 셈이다. 금영 측우기의 제작 시기와 크기 등은 바깥 면 가운데쯤에 새겨진 명문(銘文)을 통해 알 수 있다. 명문에 따르면 이 측우기는 헌종 3년(1837년)에 만들었으며 높이는 1자(尺) 5치(寸), 지름 7치, 무게 11근으로 제작되었다. 상·중·하단의 3개의 금속 부품으로 구성되었으며, 상부가 약간 넓고 하부가 약간 좁게 만들어져 서로 끼워서 조립하는 형태의 구조이다. 금속 부품을 끼우는 접합부는 대나무 마디처럼 두껍게 만들어 부품의 모양이 변형되지 않도록 고안된 형태이다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

슈나이더 일렉트릭이 자사의 무정전 전원 공급 장치(UPS)인 ‘갤럭시 VS(Galaxy VS)’를 통해 조선·해양 산업의 안전성과 지속가능성 강화의 중요성을 강조했다. 오늘날 선박은 항해 장비, 통신 시스템, 안전 설비 등 모든 운영이 전력에 의존하는 환경에 놓여 있어 전력 공급의 연속성이 무엇보다 중요하다. 특히 선박의 운항 환경에서는 한순간의 정전이나 전력 불안정도 항해 차질, 통신 두절, 심각한 안전사고로 직결될 수 있다. 이처럼 선박 운영에서 전력 공급의 연속성은 단순한 효율의 문제가 아니라 인명 보호와 직결된 필수 요건으로 인식되고 있다. 이를 대응하기 위해 슈나이더 일렉트릭은 해양 산업의 특수한 요구에 부합하는 3상 무정전 전원 공급 장치인 ‘갤럭시 VS’를 제안하고 있다. 갤럭시 VS는 IT 시설뿐만 아니라 조선·해양 환경에서 요구되는 고가용성과 공간 효율성을 충족하며, 선박의 전력 안정성을 보장할 수 있는 설루션이다.     갤럭시 VS는 해양 장비의 안전과 성능을 평가하는 선급 회사인 DNV(Det Norske Veritas)와 BV(Bureau Veritas)로부터 해양 타입 승인(Marine-type approval)을 받았다. 특히 고온·저온·습기·진동 등 다양한 해양 환경 조건을 모사한 시험과 전자파 적합성(EMC level C2) 기준을 포함한 해양 표준 테스트를 통과했다. 슈나이더 일렉트릭은 “이는 갤럭시 VS가 선박 운항 및 해양 설비의 안전 규정을 충족하는 것은 물론, 극한 환경에서도 안정적인 전력 공급이 가능하다는 점을 공식적으로 입증한 것”이라고 전했다.  갤럭시 VS는 20~150kW 용량 범위에서 400/440V 전압을 지원하는 것은 물론 현장 여건에 따라 조정이 가능하다. 기본 제공되는 IP22 키트 외에도 옵션으로 IP52 방진·방수 등급을 선택할 수 있어 다양한 설치 환경에 대응할 수 있다. 모듈형 UPS 구조와 내부 N+1 이중화 설계는 전력 연속성을 극대화하며, 손쉽게 모듈을 교체할 수 있어 유지보수 효율 또한 높다는 것이 슈나이더 일렉트릭의 설명이다. 특히, 갤럭시VS는 옵션으로 제공되는 모듈형 배터리 캐비닛(Modular Battery Cabinet)을 통해 배터리 운영의 유연성과 안정성을 강화했다. 이 캐비닛은 스마트 모듈형 배터리를 탑재해 자동 감지(Self-detection), 이중화(Redundancy), 실시간 모니터링, 사용자 교체(User-swappable)가 모두 가능하도록 설계되었다. 사용 환경과 수명 요구에 따라 표준형(Standard, 3~5년)과 장수명형(Long Life, 10년) 두 가지 옵션이 제공된다. 해양 전용 설계도 특징이다. 할로겐 프리 케이블(Halogen-free cables)을 채택하여 화재 시 유독가스 발생을 최소화했다. 선박 용접용 마린 스키드(Marine Skid) 옵션을 제공하여 해양 환경의 안전 규격도 충족한다. 아울러 갤럭시VS는 이컨버전(eConversion) 모드에서 최대 99%, 이중변환 모드에서 최대 97%의 높은 에너지 효율을 제공하며, 총 소유 비용 절감이 가능한 리튬 이온 배터리 옵션도 지원한다. 이외에도 ▲공간 제약이 큰 선박 및 해양 시설에도 적합한 컴팩트 모듈형 설계 ▲라이브 스왑(Live Swap) 옵션을 통한 모듈 교체 ▲슈나이더 일렉트릭의 통합 아키텍처 플랫폼인 에코스트럭처(EcoStruxure) 지원 등 원격 모니터링과 유지보수를 간소화할 수 있는 강점을 지니고 있다. 슈나이더 일렉트릭 코리아 시큐어파워 사업부의 최성환 본부장은 “조선·해양 산업은 전 세계 물류와 에너지 공급의 중추적 역할을 수행하는 동시에, 안전성과 지속가능성 확보가 무엇보다 중요한 산업”이라며, “갤럭시 VS는 단순한 UPS를 넘어 선박 운영의 안전성을 보장하고, 해양 산업 전반의 친환경 전환에도 기여할 수 있는 최적의 설루션”이라고 강조했다. 한편 슈나이더 일렉트릭 코리아는 10월 21일부터 부산 벡스코에서 개최되는 조선·해양 산업 전문 전시회인 ‘코마린(KORMARINE) 2025’에 참가해 선박의 안정적인 전력 공급을 위한 무정전 전원 공급 장치 갤럭시 VS를 선보일 예정이라고 전했다.

델 테크놀로지스가 오픈랜(Open RAN) 및 클라우드랜(Cloud RAN)에 적합한 최적의 성능과 연결성을 제공함으로써 에지 및 통신 인프라 혁신을 견인하는 서버 신제품 ‘델 파워엣지 XR8720t(Dell PowerEdge XR8720t)’를 공개했다. 전통적으로 클라우드랜 및 고도화된 에지 컴퓨팅을 구축하기 위해서는 여러 대의 서버를 설치해야 했기 때문에 높은 비용, 운영상의 복잡성, 공간 부족, 전력 수요 등이 걸림돌로 지적됐다. 이러한 비효율성과 확장성의 제한으로 차세대 애플리케이션에 필요한 실시간 성능 요구 사항을 충족하기 어려웠다. 델 파워엣지 XR8720t는 단일 서버 기반 클라우드랜 설루션으로, 인프라를 간소화하고 성능과 효율을 강화하며, 최신 네트워크 및 에지 구축 환경에서 총소유비용(TCO)을 절감하도록 돕는다.      파워엣지 XR8720t 컴퓨팅 슬레드는 델 파워엣지 XR8000 플랫폼과 통합되며, 까다로운 환경에서의 인프라 구축에 걸림돌이 되는 성능 문제를 해결하게끔 설계됐다. 향상된 처리 능력과 확장된 연결성을 통해 고성능 애플리케이션을 강력하게 지원할 수 있다.  파워엣지 XR8720t는 클라우드와 기존 RAN 아키텍처 간의 성능 격차를 해소하며, 이전 세대 대비 두 배 이상의 처리 성능을 제공한다. 컴팩트한 2U 구성에서 최대 72코어와 24개의 SFP28 연결 포트를 지원한다. 단일 서버 통합으로 다중 서버 아키텍처 대비 구축 시간, 유지보수 및 운영의 복잡성을 낮췄다.  XR8720t는 인텔 vRAN 부스트(Intel vRAN Boost)와 인텔 이더넷(Intel Ethernet) E830-XXVDA8F 네트워킹 기술이 통합된 인텔 제온 6 SoC(Intel Xeon 6 SoC)로 구동된다. 정밀한 네트워크 타이밍 동기화를 위해 PTP, PTM 및 SyncE를 지원하며, 하드웨어 기반 타이밍 팔로어를 탑재했다. 까다로운 클라우드랜 워크로드에 필요한 처리 성능, 포트 밀도(24x SFP28) 및 네트워크 대역폭(600GbE)을 제공하며, 공간 제약이 있는 셀 사이트 구축을 위해 설계된 430mm 깊이의 컴팩트한 사이즈가 특징이다. CPU 기반 워크로드에 AI 기능을 활용하여 에이전틱 AI, 실시간 분석 및 머신러닝과 같은 고급 에지 AI 사용 사례를 지원한다. 유연한 구성으로 필요에 따라 GPU 지원도 가능하여 AI 잠재력을 더욱 확장시킬 수 있다. 극한 환경을 위해 설계된 XR8720t는 영하 5℃에서부터 영상 55℃까지 작동하며, 모듈식 설계로 손쉬운 유지보수 및 업그레이드가 가능하다. 네트워크 장비 구축 시스템(NEBS) 레벨 3 준수 서버로, 전면 접근형 I/O를 통해 가동 중단 시간 및 운영 복잡성을 줄인다. 통신, 에지, 군용 애플리케이션을 위한 확장된 내구성과 신뢰성을 갖췄으며, 지능형 냉각 설계로 비좁은 공간에서도 최적의 냉각 성능을 구현한다. 통신 사업자들은 이 설루션을 활용해 성능 집약적 애플리케이션을 효과적으로 운영하는 동시에 비용을 절감하며, 에지에서 AI를 수월하게 구동시킬 수 있다. 텔레콤뿐 아니라, 리테일, 국방, 제조 등 다양한 분야의 기업들이 AI, 머신러닝 및 기타 컴퓨팅 집약적 워크로드와 높은 수준의 동기화가 요구되는 정밀한 작업을 수행할 수 있다. 한국 델 테크놀로지스의 김경진 총괄사장은 “델 테크놀로지스는 통신 및 에지 인프라 혁신에 지속적으로 기여하고 있다”고 말하며, “고객들은 델 파워엣지 XR7620t를 활용해 구축하기 까다로운 오픈랜이나 클라우드랜 인프라를 단순화하고, 더 강력하고 효율적이며 AI에 최적화된 네트워크를 완성시킬 수 있을 것으로 기대한다”고 덧붙였다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 더욱 현실적인 앱 개발을 위해, 요구사항을 먼저 상세히 정의한 후 이를 바탕으로 바이브 코딩(vibe coding)을 하는 방법을 살펴본다. 소프트웨어 공학에서 요구사항 문서를 PRD(Product Requirement Document)라고 한다. PRD 작성은 제미나이 프로(Gemini Pro), 바이브 코딩 도구는 깃허브 코파일럿(Github Copilot), 이때 사용되는 대규모언어 모델(LLM)은 클로드 소넷(Claude Sonet)을 사용하도록 한다.   ■ 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   그림 1   바이브 코딩 준비하기 바이브 코딩을 하는 방법은 다음과 같이 다양하다. 챗GPT(ChatGPT)에 코딩 요청을 해서 생성된 파이썬(Python) 같은 코드를 복사&붙여넣기해 프로그램을 완성해 나가는 방법 제미나이 CLI(Gemini CLI), 클로드 코드 CLI(Claude Code CLI), 코덱스 CLI(Codex CLI) 도구를 사용해 프로젝트 파일 및 소스코드를 생성하는 방법 VS 코드(Visual Studio Code)같은 개발 IDE와 연동되는 깃허브 코파일럿, 커서(Cursor), 윈드서프(Windsurf)와 같은 도구를 사용해 바이브 코딩하는 방법 버블(Bubble.io)이나 캔바(Canva)와 같은 바이브 코딩 웹 서비스에서 직접 요구사항을 입력하여 제공 클라우드에 앱을 생성・빌드・실행하는 방법   깃허브 코파일럿 바이브 도구 설치 및 기능 깃허브 코파일럿은 오픈AI(OpenAI)와 협력하여 개발된 AI 페어 프로그래머(AI Pair Programmer)이다. 그 기반은 오픈AI의 코덱스(Codex) 모델에서 발전한 최신 대규모 언어 모델(LLM)이며, 수십억 줄의 공개 소스 코드를 학습하여 코드 생성 및 이해 능력을 갖추었다. 개발자가 코드를 작성할 때 실시간으로 문맥을 분석하여 다음에 올 코드를 추천하거나, 특정 기능에 대한 전체 코드 블록을 생성해 준다. 이는 단순한 자동 완성을 넘어, 개발자가 문제 해결이라는 본질에 더욱 집중하도록 돕는 지능형 코딩 보조 도구이다. 이번 호에서는 로컬 PC에서 프로젝트 소스 파일을 생성하고 직접 수정할 수 있도록 VS 코드에서 바이브 코딩할 수 있는 방법을 취한다. 이를 위해 다음 환경을 미리 준비한다. Gemini Pro(https://gemini.google.com/app?hl=ko) 가입 ■ 파이썬(https://www.python.org/downloads/), node.js(https://nodejs.org/ko/download) 설치 ■ Github(https://github.com/features/copilot) 가입 ■ Github Copilot(https://github.com/features/copilot) 서비스 가입 ■ VS Code(https://code.visualstudio.com/) 설치 및 코딩 언어 관련 확장(Extension) 애드인 설치(https://code.visualstudio. com/docs/configure/extensions/extension-marketplace)   그림 2. 깃허브 코파일럿 가입 모습   주요 기능 깃허브 코파일럿은 생산성 향상을 위한 다양한 기능을 통합적으로 제공한다.   인라인 코드 제안(Code Suggestions) 깃허브 코파일럿의 가장 핵심적인 기능으로, 사용자가 편집기에서 코드를 입력하는 동시에 다음 코드를 회색 텍스트(ghost text) 형태로 제안하는 것이다. 문맥 기반 제안 : 현재 파일의 내용, 열려 있는 다른 탭의 코드, 프로젝트 구조 등을 종합적으로 분석하여 현재 작성 중인 코드의 의도에 가장 적합한 제안을 생성한다. 다양한 제안 범위 : 변수명이나 단일 라인 완성부터 시작해 알고리즘, 클래스, 유닛 테스트 케이스, 설정 파일 등 복잡하고 긴 코드 블록 전체를 생성할 수 있다. 주석을 코드로 변환 : ‘# Read file and parse JSON’과 같이 자연어 주석을 작성하면, 코파일럿이 해당 작업을 수행하는 실제 코드를 생성해준다. 이는 복잡한 라이브러리나 프레임워크 사용법을 숙지하지 않아도 빠르게 기능을 구현하는 것을 가능하게 한다.   코파일럿 챗(Copilot Chat) IDE 환경을 벗어나지 않고 코파일럿과 대화하며 개발 관련 문제를 해결할 수 있는 강력한 채팅 인터페이스이다. 코드 분석 및 설명 : explain 명령어를 사용해 선택한 코드 블록의 작동 방식, 복잡한 정규 표현식의 의미, 특정 알고리즘의 목적 등에 대한 상세한 설명을 한국어로 받을 수 있다. 디버깅 지원 : 코드의 버그를 찾거나, 발생한 오류 메시지를 붙여넣고 해결책을 질문하는 데 활용된다. 잠재적인 오류를 수정하는 fix 명령어도 지원한다. 테스트 생성 : tests 명령어를 통해 특정 함수나 로직에 대한 단위 테스트 코드를 자동으로 생성하여 코드의 안정성을 높이는 데 기여한다. 코드 리뷰 : 작성된 코드를 분석하여 잠재적인 문제점, 성능 개선 방안, 가독성을 높이기 위한 리팩토링 아이디어 등을 제안받을 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

새로워진 캐디안 2025 살펴보기 (11)   오토캐드와 양방향으로 호환되는 국산 CAD인 캐디안(CADian)에서는 사용자의 작업 편의성을 위해서 캐디안에서 구동되는 유틸리티 기능을 새롭게 추가하였다. 이번 호에서도 캐디안 2025 버전의 유틸리티 기능을 계속 이어서 살펴보도록 하겠다.   ■ 최영석 캐디안 기술지원팀 부장으로 기술지원 업무 및 캐드 강의를 담당하고 있다. 홈페이지 | www.cadian.com 카페 | https://cafe.naver.com/ilovecadian   캐디안 2025 버전의 유틸리티를 설치하는 방법은 아래와 같다. 캐디안 홈페이지에 접속한 후 고객지원 클릭 → 기술자료실을 클릭하면 기술자료가 목록으로 표시되며,  현재 유틸리티 형태로 지원되는 리스프(LISP)의 개수는 총 352개이다. 3번의 ‘캐디안 리습(lisp) 352개 통합본+메뉴화일 다운로드 AUTOLISP입니다’ 항목을 클릭하여 안내된 대로 설치하면, 캐디안에서 유틸리티 기능을 이용할 수 있다.     유틸리티 - 이젝터 핀(PIN) 자동 그리기(EPIN) 이젝터 핀을 자동으로 그려주는 기능이다.   1. 메뉴에서 캐디안 유틸-1 → 이젝터 핀(PIN) 자동 그리기(EPIN)를 실행한다.   2. 명령창에 ‘이젝터 핀의 외경을 규격중에서 숫자만 입력하세요:<13,16,20,25,32,40,50>:’ 메시지가 표시되면 핀의 외경을 숫자만 입력한다.(예 : 20)   3. 명령창에 ‘이젝터 핀의 전체 길이를 입력하세요:’ 메시지가 표시되면 핀의 길이를 입력한다.(예 : 50)   4. 명령창에 ‘좌측부분 모따기값을 입력하세요:’ 메시지가 표시되면 좌측 모따기값을 입력한다.(예 : 2)   5. 명령창에 ‘이젝터 핀의 좌측 중심점을 찍으세요’ 메시지가 표시되면 이젝터 핀의 중심점을 마우스 클릭 또는 좌표 입력으로 지정한다.   6. 명령창에 ‘이젝터핀을 그릴 방향을 찍으세요:’ 메시지가 표시되면 이젝터 핀의 방향을 마우스로 지정한다.   7. 명령창에 ‘미터나사의 유효나사부 길이를 입력하세요:’ 메시지가 표시되면 이젝터 핀의 유효나사부 길이를 입력한다.(예 : 30)   8. 명령창에 ‘미터나사의 총길이를 입력하세요:’ 메시지가 표시되면 미터나사의 총 길이를 입력한다.(예 : 35)   9. 이젝터 핀이 자동으로 작도된다.     유틸리티 - 암나사(TAP) 관통 그리기 (TAPT) TAP(암나사)을 자동으로 그려주는 기능이다.   1. 메뉴에서 캐디안 유틸-1 → 암나사(TAP) 관통 그리기(TAPT)를 실행한다.   2. 명령창에 ‘암나사를 그릴 중심점을 찍으세요:’ 메시지가 표시되면 핀의 암나사를 그릴 중심점을 마우스로 지정한다.     3. 명령창에 ‘암나사를 그릴 방향 및 끝점을 찍으세요:’ 메시지가 표시되면 암나사를 그릴 방향과 끝점을 마우스로 지정한다.     4. 명령창에 ‘미터나사 호칭경을 입력하세요:’ 메시지가 표시되면 미터나사 규격을 M1~M48 중에서 선택하여 호칭경을 입력한다.(예 : 10)   5. 암나사(TAP)가 자동으로 작도된다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.