HPE가 대규모 AI 팩토리와 슈퍼컴퓨터를 위한 'HPE 기반 엔비디아 AI 컴퓨팅 포트폴리오'의 주요 혁신 사항을 발표했다. 이번 발표는 고객이 AI를 더 효율적으로 확장하고 배포하며, 데이터에서 인사이트를 도출하는 시간을 단축하는 데 중점이다. HPE는 엔비디아와 협력해 구축한 이번 풀스택 AI 설루션이 컴퓨팅, GPU, 네트워킹, 액체 냉각, 소프트웨어 및 서비스를 긴밀하게 통합해 대규모 환경과 국가별 소버린 환경에 최적화했다고 밝혔다. 현재 아르곤 국립 연구소, 독일 슈투트가르트 고성능 컴퓨팅 센터, 허드슨 리버 트레이딩, 한국과학기술정보연구원 등 세계적인 연구 기관과 AI 기업들이 HPE의 인프라를 채택해 혁신을 가속하고 있다. HPE는 자사의 슈퍼컴퓨팅 플랫폼인 ‘HPE 크레이 슈퍼컴퓨팅 GX5000’에 엔비디아의 최신 설루션을 적용한다. 먼저 액체 냉각 방식의 ‘엔비디아 베라 CPU 컴퓨트 블레이드’를 도입한다. 각 ‘HPE 크레이 슈퍼컴퓨팅 GX240 컴퓨트 블레이드’는 최대 16개의 엔비디아 베라 CPU를 탑재해 까다로운 AI 워크로드를 지원한다. 이는 랙 하나 당 최대 40개의 블레이드와 640개의 CPU, 5만 6320개의 엔비디아 올림푸스 코어를 확장할 수 있다. 또한 엔비디아 퀀텀-X800 인피니밴드를 통해 초고속 네트워킹 환경을 제공한다. 이 스위치는 포트당 800Gb/s의 연결성을 지원하며 높은 전력 효율을 갖춘 것이 특징이다.     대규모 및 소버린 환경을 위한 ‘HPE AI 팩토리’ 포트폴리오도 강화한다. HPE는 1조 개 이상의 매개변수를 가진 거대 모델을 위해 설계된 차세대 시스템 ‘HPE 기반 엔비디아 베라 루빈 NVL72’ 랙 스케일 시스템을 선보인다. 이 시스템은 36개의 CPU와 72개의 루빈 GPU, 6세대 NV링크 네트워킹 등을 탑재해 대규모 환경에서 높은 효율을 낸다. 이와 함께 새로운 AI 서버인 ‘HPE 컴퓨트 XD700’도 출시한다. 엔비디아 HGX 루빈 NVL8을 기반으로 한 이 서버는 랙당 최대 128개의 루빈 GPU를 지원하며, 이전 세대보다 두 배 향상된 GPU 집적도를 통해 전력과 냉각 비용을 절감한다. 이외에도 모든 HPE AI 팩토리 포트폴리오에서 ‘엔비디아 RTX PRO 6000 블랙웰 서버 에디션’ GPU를 사용할 수 있게 된다. 소프트웨어와 서비스 측면에서는 엔비디아 클라우드 파트너 프로그램 인증을 획득해 클라우드 서비스 제공사의 검증 프로세스를 간소화한다. 수세 가상화 및 랜처 프라임 스위트를 통한 멀티 테넌시 옵션도 확장해 가상머신용 GPU 패스스루 등을 지원한다. 레드햇 엔터프라이즈 리눅스 및 오픈시프트와의 통합은 물론, AI 팩토리의 운영과 확장을 돕는 ‘엔비디아 미션 컨트롤’ 소프트웨어도 제공할 예정이다. HPE의 트리시 담크로거 수석부사장은 “세계 최고 성능의 엑사스케일 슈퍼컴퓨터 3대를 구축한 HPE는 최첨단 AI 워크로드와 고성능컴퓨팅을 결합해 과학적 혁신을 주도하고 있다”면서, “엔비디아와 협력해 의학, 생명과학, 제조 등 다양한 분야에서 한계를 뛰어넘는 데 필요한 성능을 제공하겠다”고 밝혔다. 엔비디아의 크리스 매리어트 부사장은 “기업과 국가가 AI의 잠재력을 실현하려면 대규모 모델 학습과 고성능컴퓨팅 워크로드를 처리할 인프라가 필수”라면서, “양사가 공동 개발한 인프라는 가속 컴퓨팅과 액체 냉각 기술을 결합해 인사이트 도출 시간을 단축한다”고 설명했다.

한국공작기계산업협회가 주최하고 캐드앤그래픽스가 주관하는 ‘피지컬 AI/디지털트윈 & 뿌리산업/소부장 컨퍼런스’가 4월 16일~17일 양일간 일산 킨텍스 제 2전시장 7/8홀 내 컨퍼런스룸 A에서 개최된다. 이번 행사는 국내 최대 생산제조기술 전문 전시회인 SIMTOS 2026(4월 13일~17일)의 핵심 부대행사인 ‘글로벌 제조/AX 혁신 컨퍼런스’의 일환으로 마련되었다. 캐드앤그래픽스가 주관하는 ‘피지컬 AI/디지털트윈 & 뿌리산업/소부장 컨퍼런스’는 SIMTOS 대표 컨퍼런스로서, 단순한 지능형 소프트웨어를 넘어 물리적 환경과 상호작용하는 ‘피지컬 AI(physical AI)’와 자율제조(autonomous manufacturing), 그리고 뿌리산업과 소부장에 대해 집중 조명한다. 각 분야 최고의 전문가를 초빙, 양일간 각 5개의 기조강연이 진행될 예정이다.   ▲ SIMTOS 2024 컨퍼런스 전경   4월 16일 진행되는 ‘피지컬 AI/디지털트윈’ 컨퍼런스에서는 AI 자율제조 실현을 위한 디지털 트윈과 피지컬 AI의 융합’을 주제로 각 분야 최고 전문가들의 기조강연이 이어진다. 한국로봇산업진흥원 제조로봇본부 전진우 수석연구원은 ‘피지컬 AI의 부상, 제조 강국의 길’을 주제로 피지컬 AI에 대한 이해와 국내외 동향을 살펴보고, 왜 제조분야에 도입이 필요한가에 대한 기술, 경제, 문화적 관점의 해석을 통해 한국이 제조 강국을 유지하기 위해 가야 할 길에 대해 모색한다. 현대자동차·기아 민정국 상무는 ‘Beyond Possibility, Autonomous Manufacturing Transformation - Physical AI와 디지털 트윈을 통한 자율제조혁신’을 주제로, 자동차 제조 산업의 변화를 비롯해 자율제조공장을 향한 새로운 여정과 자동화에서 진화하는 자율제조혁신에 대해 소개한다. HD현대 이태진 전무는 ‘조선 미래를 위한 차세대 설계/생산 통합 플랫폼과 피지컬 AI’를 주제로 기조강연을 진행한다. 새로운 도약을 준비하고 있는 한국의 조선산업은 전통적인 노동 집약 산업에서 디지털 기술과 AI를 활용한 지능형 자율 운영 조선소의 비전을 실현하고자 노력 중이다. HD현대 그룹은 FOS(Future of Shipyard) 프로젝트의 일환으로 차세대 설계/생산 통합 플랫폼과 AI를 활용하여 선박 제조 밸류 체인의 가상화, 지능화, 자율화를 완성해 나갈 계획이다. 한국산업기술기획평가원(KEIT) 김성호 본부장은 ‘제조AX(M.AX) 얼라이언스 구성·성과 및 운영방향’을 주제로, 제조 AX(M.AX) 얼라이언스 추진 배경, 구성 및 목표, 주요 성과, 운영 방향 등에 대해 소개한다. KAIST 장영재 교수는 ‘제조 피지컬 AI & 제조 자동화’를 주제로, 제조 피지컬 AI와 소프트웨어 중심적 공장(SDF)에 대한 개념과 실제 사례를 소개한다. 소프트웨어 중심적 설계를 통해 공장을 하나의 거대한 AI 시스템으로 설계하고 이를 기반으로 자율운영을 가능하게 하는 것이 SDF의 본질이다. 실제 국내 사례를 통해 이들 개념 및 자율공장이 어떻게 구축되었는지 살펴볼 예정이다.     4월 17일 뿌리산업/소부장 컨퍼런스는 ‘AX로 재도약하는 뿌리산업과 소부장의 미래’를 주제로, 대한민국 산업의 근간인 뿌리산업과 소재·부품·장비(소부장) 산업이 AI를 만나 어떻게 진화하는지 살펴본다. 한국산업기술기획평가원 정민하 본부장은 ‘2026년 소부장 R&D 정책지원 방향’을 주제로, 소부장 및 공급망 현안과 소부장 관련 기업지원 정책 및 소부장 지원정책 활용 방법과 소부장 관련 기관 지원을 위한 사업 및 예산에 대해 소개한다. 성균관대 권석준 교수는 ‘제조 AX 기반 반도체 소부장 경쟁력 강화 전략’을 주제로, 소버린 AI가 국가 정책으로 부상하면서 AI 모델 자립은 물론, 향후 기존 산업으로의 확장을 염두에 둔 M.AX(제조업 AI 전환) 방향이 구체화되고 있는 점을 짚는다. 특히 한국 수출 산업 중 가장 큰 비중을 차지하는 반도체 산업에서 대기업뿐만 아니라 반도체 소부장의 경쟁력 강화를 위해 제조 AX 전략이 어떻게 합치될 수 있을지 논한다. DN솔루션즈 엄재홍 상무는 ‘공작기계에서 ‘지능형 제조 에이전트’로 : AX를 통한 제조 플랫폼의 진화’를 주제로, AI 산업 전환(AX)에 대해 기계 산업과 AI 관점에서 살펴보고 시사점을 논의한다. 화신 이기동 상무는 ‘AI 기반 자율제조 대응 방안 및 추진 전략’을 주제로, 최근 데이터 기반 중심 제조 환경 패러다임 변화를 비롯해 자율 제조 개념(자율 제조 정의 및 단계), 현재 제조 시스템 현황 및 한계, 그리고 AI 기반 자율 제조 전략 및 적용 사례에 대해 소개한다. 한화에어로스페이스 송덕용 수석연구원은 ‘항공엔진용 핵심 부품소재의 신뢰성 확보 및 기술개발 추진 전략’을 주제로, 항공엔진의 고온·고응력 운용환경 대응을 위한 핵심 부품소재의 설계–공정–시험·평가·인증 절차를 확립하고, 통계 데이터 기반의 신뢰성 확보 전략 및 산학연 협력 기술개발 방안을 제안한다. 이번 컨퍼런스를 주관하는 캐드앤그래픽스 최경화 국장은 “이번 컨퍼런스는 제조산업의 디지털 전환(DX)을 넘어선 AI 전환(AX)의 실체를 보여주는 자리가 될 것”이라며, “국내 최고 기업들의 실전 사례를 통해 제조 생태계의 변화와 미래 혁신에 대한 통찰을 얻길 바란다”고 전했다. 한편, 캐드앤그래픽스 지식방송 CNG TV에서는 SIMTOS 2026 프리뷰 방송으로 3월 23일 ‘피지컬 AI 가 바꿀 패러다임, 대한민국 제조업의 미래’를 주제로 피지컬 AI 트렌드에 대해 소개했다. 이번 방송에는 고영테크놀러지 고경철 전무와 인터엑스 김재성 CBO가 출연해 단순한 지능형 소프트웨어를 넘어, 물리적 환경과 상호작용하는 피지컬 AI의 개념과 최신 트렌드, 진화하는 과정과 그에 따른 산업 생태계의 변화에 대해 중점적으로 다루었다.

SIMTOS 2026  - 캐드앤그래픽스 주관 컨퍼런스 Day 2 4.17(금) - 뿌리산업 & 소부장 컨퍼런스 발표자 및 발표 내용 소개 1. 2026년 소부장 R&D 정책지원 방향 한국산업기술기획평가원(KEIT) 정민하 본부장 [강연 내용]  소부장 및 공급망 현안과 소부장 관련 기업지원 정책 및 소부장 지원정책 활용 방법과 소부장 관련 기관 지원을 위한 사업 및 예산에 대해 소개한다. [약력] 한국산업기술기획평가원 전략기획팀장 한국산업기술기획평가원 소재부품전략팀장 2. 제조 AX 기반 반도체 소부장 경쟁력 강화전략 성균관대 권석준 교수(부학장) [강연 내용] 소버린 AI가 국가 정책으로 부상하면서 AI 모델 자립은 물론, 향후 기존 산업으로의 확장을 염두에 둔 M.AX(제조업 AI 전환) 방향이 구체화되고 있다. 특히 한국 수출 산업 중 가장 큰 비중을 차지하는 반도체에서는 대기업뿐만 아니라 반도체 소부장의 경쟁력 강화를 위해 제조 AX 전략이 어떻게 합치될 수 있을지 논한다. [약력] 서울대학교 공과대학 화학생물공학부 학석사(02,04), MIT 화학공학과 공학박사(13), 한국과학기술연구원(KIST) 첨단소재연구본부 선/책임연구원 (13-21), 성균관대학교 화학공학부 교수 및 공과대학 부학장 (현재), 과기정통부 국가전략기술 반도체 분과위원   3. 공작기계에서 '지능형 제조 에이전트'로: AX를 통한 제조 플랫폼의 진화 DN솔루션즈 엄재홍 상무 [강연 내용] AI 산업 전환(AX)에 대해 기계 산업과 AI 관점에서 살펴보고 시사점을 논의한다. [약력] ㈜디엔솔루션즈 AI담당 임원 (전) 현대오토에버㈜ AI 기술팀장, ㈜LG LGSP AI 기술팀장 등 연사는 AI 기술 전문성과 4대 그룹 주요 산업 경험을 바탕으로 현장의 AI 기반 산업 전환을 이끌고 있다. 4. AI(인공지능) 기반 자율제조 대응 방안 및 추진 전략 화신 이기동 상무 [강연 내용]  최근 데이터 기반 중심 제조 환경 패러다임 변화 자율 제조 개념 (자율 제조 정의 및 단계) 현재 제조 시스템 현황 및 한계 자동차 부품개발 및 제조 전문 업체인 화신의 기술개발 사례 [약력] 1992년 1월 ~ 화신 입사 주요경력 : 제품 설계, 금형 설계, 해외 법인 구축 전) 신사업부문장, 현) 화신 생산기술본부장    5. 항공엔진용 핵심 부품소재의 신뢰성 확보 및 기술개발 추진 전략 한화에어로스페이스 송덕용 수석연구원 [강연 내용] 항공엔진의 고온·고응력 운용환경 대응을 위한 핵심 부품소재의 설계-공정-시험·평가·인증 절차를 확립하고, 통계 데이터 기반의 신뢰성 확보 전략 및 산학연 협력 기술개발 방안을 제안한다. [약력] 2012~2018 두산에너빌리티, 원자력발전용 핵심 부품소재 국산화 기술개발 2018~2020 한국금속재료연구조합, 산업부 소부장 기술개발 사업 기획위원 2020~2024 한국생산기술연구원, 뿌리산업 진흥과 첨단화를 위한 정책 및 신규 Project 기획 2024~ 현재 한화에어로스페이스, 항공엔진용 소재부품 국산화 기술개발 SIMTOS 2026 컨퍼런스 상세 내용 보러가기 >>

트렌드에서 얻은 것 No. 28   ▲ 클릭하면 큰 그림으로 볼 수 있습니다.   21세기 제조 산업은 기계적 자동화를 넘어 데이터와 인공지능(AI)이 설계, 생산, 운영의 전 과정을 주도하는 지능형 시대로 진입하고 있다. 2025년을 기점으로 인공지능은 생산성을 보조하는 도구의 단계에서 벗어나, 엔지니어링의 근간을 재정의하는 ‘AI 네이티브(AI-native)’ 환경의 핵심 인프라로 자리 잡았다. 과거의 제조 방식이 숙련공의 경험과 직관에 의존하는 결정론적(deterministic) 방식이었다면, 미래의 스마트 엔지니어링은 방대한 산업 데이터를 기반으로 최적의 의사결정을 자율 수행하는 확률론적(probabilistic) 방식으로 전환되고 있다. 이번호 칼럼에서는 글로벌 선도 기업의 실무 적용 사례를 통해 2026년 제조업이 나아가야 할 방향을 알아보고자 한다.   스마트 엔지니어링의 역사적 진화와 패러다임의 전환 스마트 엔지니어링의 역사는 물리적 모델을 디지털 공간으로 옮기려는 지속적인 노력의 산물이다. 1990년대 초반, 보잉은 777 기종의 개발 과정에서 CAD를 활용한 디지털 목업(DMU) 기술을 도입하며 설계 혁신을 시작했다. 이는 종이 도면 없이 항공기 전체를 3D 상에서 검증한 최초의 사례로 기록된다. 이후 2010년대에 들어서며 에어버스 A350의 사례와 같이 설계 리뷰 전 과정이 디지털화되었고, 2020년대에 이르러서는 복제를 넘어 물리적 대상과 실시간으로 데이터를 주고받는 디지털 트윈(digital twin) 기술이 성숙기에 접어들었다. 2025년부터 2026년 사이의 기술적 전향점은 이러한 디지털 트윈이 AI 네이티브 지능을 탑재하기 시작했다는 점이다. 이제 엔지니어링 업무의 30%를 차지하던 과거 데이터 검색 및 비부가가치 활동은 구체적인 사례가 공개되고 있지는 않지만, 시대의 흐름에 따라 서서히 생성형 AI와 검색 증강 생성(RAG) 기술로 대체되어 갈 것으로 보인다. 또한, 글로벌 기업의 끊임없는 연구로 인해 엔지니어는 반복적인 분석 대신 창의적인 문제 해결과 맥락적 의사결정에 집중하는 ‘코파일럿(co-pilot)’ 시대도 곧 맞이할 것으로 예상된다.     이러한 패러다임의 전환은 한국 제조업에도 시급한 과제다. 미국, 독일, 일본 등 주요 제조 강국과 비교할 때 한국의 제조업 부가가치율은 여전히 상대적으로 낮은 수준에 머물러 있으며, 대기업과 중소기업 간의 생산성 격차는 약 4배에 이른다. 고령화와 저출산으로 인한 노동력 감소, 근로시간 단축 등 제약 사항이 증가하는 상황에서 AI를 통한 제조 지능화는 선택이 아닌 생존을 위한 필수 전략으로 부상하고 있다.   제조 지능화를 위한 AI 핵심 활용 방안 및 기술 분석 제조 현장에서 AI를 실무에 적용하는 방식은 정보 추출부터 복잡한 공정 시뮬레이션 및 자율 제어에 이르기까지 넓은 영역을 포괄한다. 지능형 지식 검색 및 데이터 파이프라인 최적화는 엔지니어링 업무의 상당 부분은 과거의 기술 문서, 도면, 실험 데이터를 찾는 데 소요된다. 최근의 RAG(Retrieval Augmented Generation) 기술은 수십 년간 축적된 비정형 데이터(PDF, 엑셀, 문서)를 벡터 데이터베이스(vector DB)로 변환하여 자연어 질문에 답변하고 근거가 되는 출처를 명확히 제시함으로써 환각(hallucination) 문제를 해결하고 있다. 이는 글로벌 프로젝트에서 기술 문서의 실시간 번역과 용어 표준화를 지원하여 협업 효율을 극대화한다. 또한, 연구 프로세스 개선을 위해 데이터 파이프라인 중심의 자동화가 추진되고 있다. 기존의 실험 연구자가 수기로 기록하던 방식에서 벗어나 디지털화된 시료 분석과 제어 데이터를 클라우드 협업 환경에 통합함으로써, 연구 산출물의 재현성을 높이고 멘토링의 질을 개선하는 것이 핵심이다. 생성형 설계(generative design)와 제조 공법 인지는 엔지니어의 상상력을 정교한 설계안으로 구현하는 데 결정적인 역할을 한다. 설계자가 경량화, 강성 등 목표 조건과 재료, 제조 공법 등의 제약 조건을 입력하면 AI는 수백 가지의 대안을 생성한다. 특히 ‘제조 공법 인지(manufacturing-aware)’ 기능은 주조 공법 시 금형에서 제품이 빠져나올 수 있는 구배 각도를 자동 고려하거나 3축/5축 가공 시 공구가 접근할 수 없는 언더컷 형상을 배제하는 수준까지 진화했다. 일본의 니프코(Nifco)는 이를 활용해 전통적인 육각형 허니콤 구조를 넘어선 비정형 유기적 패턴을 설계함으로써 강성을 유지하면서도 재료 사용량을 획기적으로 절감하는 성과를 거두었다. 에이전틱 AI(agentic AI)와 자율적 프로세스 제어 부분을 살펴보면, 2026년의 주요 트렌드인 에이전틱 AI는 분석을 넘어 독립적으로 과업을 계획하고 실행하는 능력을 갖출 것이다. 기존의 AI가 ‘무엇이 잘못되었는가’를 알려주는 예측 도구였다면, 에이전틱 AI는 ‘어떻게 해결할 것인가’를 결정하고 실행한다.     인과관계 AI(causal AI)와 지식 조립 공장은 전통적인 머신러닝 모델은 데이터 간의 상관관계에 의존하기 때문에 ‘왜’라는 질문에 답하기 어렵고, 공정 환경이 변하면 모델이 붕괴되는 한계를 가진다. 이를 극복하기 위해 2026년에는 인과관계 AI가 제조업의 핵심 기술로 부상하고 있다. 인과관계 AI는 데이터 패턴 학습을 넘어 원인과 결과의 사슬을 규명한다. 예를 들어, 공장 내 배관의 결로 현상과 습도 데이터 사이에는 강한 상관관계가 존재하지만, 습도가 결로의 원인인지 혹은 그 반대인지를 명확히 정의하지 못하면 잘못된 설비 투자가 이루어질 수 있다. 인과관계 AI는 주다 펄(Judea Pearl)의 수학적 기초를 바탕으로 개입(intervention) 분석을 수행하여 ‘만약을 변경한다면은 어떻게 변할 것인가’라는 질문에 명확한 수치를 제공한다. 인하대학교 이창선 교수가 제시한 KAMG AI(Knowledge Assembly Factory) 개념은 AI가 스스로 모든 것을 만드는 것이 아니라, 인간 전문가가 설계한 ‘인과 지식 설계도(blueprint)’를 기반으로 AI가 지식을 조립하는 방식을 취한다. 이는 존재(entity), 속성(attribute), 관계(relation) 프레임워크를 통해 지식을 해부하고 표준화된 조립 공정을 거쳐 인과 예측 모델을 산출한다. 이 과정에서 엔지니어는 프로그래머가 아닌 시스템의 의미와 변수의 역할을 결정하는 ‘지식 설계자(architect)’로 거듭나게 된다. 데이터 거버넌스와 팔란티어 온톨로지(ontology) 전략의 핵심은, 제조 AI가 진정한 가치를 창출하기 위해서는 현장의 모든 데이터가 실시간으로 연결되는 ‘디지털 스레드(digital thread)’가 전제되어야 한다는 것이다. 팔란티어의 온톨로지 기술은 데이터 사일로(silo) 문제를 해결하고 기업의 전체 데이터 유니버스를 비즈니스 맥락으로 재구성하는 핵심 아키텍처를 제공한다. 온톨로지는 데이터를 분류하는 것을 넘어 업무, 조직, IT 시스템 간의 공통 언어를 제공한다. 팔란티어 파운드리는 기존 레거시 시스템(ERP, PLM, MES 등)의 데이터를 물리적으로 옮기지 않고 연결하며, 이를 객체(object)와 관계(link)로 모델링한다. 객체(entity) : 차량 모델, 부품, 공정, 설비, 고객 등 핵심 요소를 개체화한다. 속성(attribute) : 개체의 특징(온도, 압력, 재질, 작업 시간)을 정의한다. 관계(relationship) : ‘부품은 공정에서 사용된다’, ‘설계 변경은 생산에 영향을 준다’와 같은 업무적 연결을 구조화한다. 구축된 온톨로지 위에서 팔란티어의 AIP(Artificial Intelligence Platform)는 자연어 인터페이스를 통해 현장의 복잡한 상황을 분석하고 대응한다. 예를 들어, ‘5월 출하 지연 리스크를 요약해달라’는 명령에 대해 AI는 공급망, 재고, 생산 실적 데이터를 온톨로지 상에서 실시간으로 탐색하여 리스크의 원인을 파악하고, 대체 시나리오의 비용 효율을 시뮬레이션한 뒤 실행 승인을 요청한다. HD현대(전 현대중공업그룹)의 FOS(Future of Shipyard, 미래 첨단 조선소) 프로젝트는 2030년까지 세계 최초의 자율 운영 스마트 조선소를 구현하기 위해 팔란티어의 빅데이터 플랫폼인 ‘파운드리(Foundry)’를 도입하는 핵심적인 디지털 전환 사업이다. BMW는 팔란티어의 데이터 플랫폼인 파운드리를 도입하여 생산, 공급망 관리 및 품질 관리 시스템을 고도화하고 있다. 특히 팔란티어의 QMOS(Quality Management Operating System) 설루션을 통해 데이터 기반의 ‘제로 디펙트(zero defect, 무결점)’ 생산 환경을 구축하는 것이 핵심이다. 에어버스는 팔란티어의 파운드리 기술을 도입하여 항공기 제조 및 운항 데이터를 통합 관리하는 ‘스카이와이즈(Skywise)’ 플랫폼을 구축했다. 이를 통해 A350 인도 속도를 33% 향상시키고 운영 효율을 극대화하며, 데이터 기반의 의사결정 시스템을 혁신했다.   품질, 예지보전 및 에너지 최적화의 기술적 심화 AI가 제조 현장에 가져온 가장 직접적인 성과는 품질 비용 절감과 비가동 시간(downtime)의 최소화다. 현대트랜시스는 자체 개발한 AI 기반 품질 검사 시스템인 TADA(Transys Advanced Data Analytics) 스마트 설루션을 생산 현장에 적용하여, 기존 93% 수준이던 불량 검사 정확도를 99.9%까지 끌어올렸다. LG에너지솔루션은 AI 및 빅데이터 기술을 활용해 전 세계 생산 공장을 ‘지능형 스마트 팩토리’로 전환하고, 배터리 제조 품질과 생산 효율을 극대화하는 것을 AI 비전으로 삼고 있다. 특히, CDO 직속 AI 기술팀을 통해 공정 데이터를 분석하여 배터리 수명을 예측하고, 스마트 공장 기술을 적용하여 글로벌 생산 기지의 경쟁력을 강화하는 중책을 맡고 있다. 기존의 예지보전이 단일 센서의 임계치 모니터링에 의존했다면, 예지보전 2.0은 진동, 전류 파형, 소음, 온도를 동시에 분석하는 멀티모달(multi-modal) 방식을 취한다. AI는 고장 징후를 발견할 뿐만 아니라, ‘최근 3개월간의 패턴 분석 결과 내륜 손상이 의심되니 메뉴얼 45페이지의 베어링 교체 절차를 따르라’는 처방적 가이드를 생성형 AI를 통해 현장 작업자에게 즉시 전달한다. 포스코 광양제철소는 이를 연속 주조 설비에 적용하여 고장 예지 시스템을 성공적으로 구축했다. 탄소 배출 규제가 강화되는 가운데 AI는 에너지 사용량 예측과 최적화에 결정적인 역할을 한다. 슈나이더 일렉트릭은 예측 AI를 활용하여 산업 시설의 에너지 효율을 높이고 운영비를 절감하는 설루션을 제공하고 있으며, 한국그린데이터 등 국내 기업들도 AI 챗봇이 탑재된 운영 체제를 통해 제조업의 에너지 피크 관리와 전력 최적화를 지원하고 있다.   2026 글로벌 기술 트렌드 및 리더십의 우선순위 2026년은 AI가 ‘생산성 향상 도구’에서 ‘책임과 신뢰의 기반’으로 진화하는 해가 될 것이다. 딜로이트와 가트너 등의 보고서에 따르면 기업 리더들은 다음의 네 가지 영역에 집중해야 한다. 첫째, 에이전틱 리얼리티 체크(agentic reality check)이다. 챗봇 도입을 넘어 비즈니스 프로세스 자체를 재설계해야 한다. 보고서에 따르면 40%의 에이전틱 AI 프로젝트가 2027년까지 실패할 것으로 예상되는데, 이는 기술적 문제보다는 기존의 망가진 프로세스를 단순히 자동화하는 ‘자동화 함정’ 때문이라고 분석된다. 성공하는 기업은 엔드 투 엔드 프로세스 전체를 혁신하며 인간과 에이전트 팀을 오케스트레이션하는 모델을 채택하고 있다. 두 번째, 소버린 AI(sovereign AI)와 보안 거버넌스이다. 데이터 주권과 국가별 규제 대응이 중요해짐에 따라 소버린 AI 전략이 필수이다. 2026년에는 기업의 77%가 공급업체 선택 시 설루션의 원산지를 고려하며, 로컬 벤더를 중심으로 한 독립적인 AI 스택 구축이 확산될 것이다. 또한, 데이터 모델 오염(poisoning) 리스크에 대응하기 위한 예측적 OT 사이버 보안 체계 구축이 가속화될 전망이다. 세 번째, 피지컬 AI와 휴머노이드 로봇의 확산이다. 제조, 물류, 국방 분야를 중심으로 피지컬 AI의 도입이 급증하고 있다. 2026년에는 아시아-태평양 지역을 중심으로 피지컬 AI 채택률이 80%에 도달할 것으로 보이며, 이는 공장 내 정적인 자동화 설비를 대체하여 비정형 환경에서도 유연하게 대응하는 자율 운영 공장의 핵심 요소가 될 것이다. 네 번째, 지능형 컴플라이언스 및 표준화이다. 규제 당국 역시 AI를 활용하여 기업의 데이터를 실시간 모니터링하는 시대가 오고 있다. 이제 정기 감사에 대비하는 수준을 넘어, 시스템이 스스로 규정 위반 리스크를 예측하고 보고하는 ‘예측적 컴플라이언스’가 표준으로 자리 잡을 것이다.   실무자를 위한 실행 로드맵 스마트 엔지니어링을 위한 AI 활용은 더 이상 미래의 담론이 아닌 2026년 현재의 경영 핵심 과제다. 2026년은 지식 소유 자체가 무의미해지는 시점이며, AI가 생성한 결과물을 편집하고 맥락화하는 ‘아키텍트(architect)’ 능력이 엔지니어의 몸값을 결정짓게 될 것이다. 기업은 성공적인 AI 전환을 위해 다음의 3단계 로드맵을 고려해야 한다. 첫째, 지능형 설계 및 시뮬레이션 단계를 통해 아이디어를 가장 빠르게 현실화할 수 있는 데이터 환경을 구축해야 한다. 둘째, 스마트 생산 및 운영 단계를 통해 물리적 세계를 정밀하게 제어하고 최적화하는 디지털 스레드와 온톨로지 체계를 완성해야 한다. 셋째, 제품, 공장, 도시를 하나의 유기체로 연결하는 생태계 통합 단계로 나아가야 한다. AI는 도구가 아니라 설계–생산–운영 전반을 학습하고 최적화하는 ‘지능형 플라이휠(intelligent flywheel)’이다. 지금 이 순간에도 데이터는 쌓이고 있으며, 이를 인과관계로 해석하고 에이전틱 AI로 실행에 옮기는 기업만이 2026년 이후의 제조업 패러다임 변화에서 승리자가 될 수 있을 것이다.   ■ 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.

시스코는 네덜란드 암스테르담에서 열린 ‘시스코 라이브 EMEA 2026(Cisco Live EMEA 2026)’ 콘퍼런스에서 에이전틱 AI 도입을 촉진하기 위한 일련의 혁신적인 기술들을 공개하면서, 에이전틱 AI를 구현하는 데 필수적인 핵심 인프라 제공 역량을 한층 더 고도화했다고 밝혔다. 시스코가 이번에 선보인 신규 제품들은 고객이 보다 높은 보안성과 신뢰성을 갖춘 에이전틱 AI(agentic AI) 를 활용할 수 있도록 지원한다. 시스코의 실리콘 원(Silicon One) G300은 고객이 AI 클러스터 구축을 대규모로 확장할 수 있도록 지원한다. G300은 ‘지능형 콜렉티브 네트워킹(Intelligent Collective Networking)’을 통해 최적화되지 않은 트래픽 대비 네트워크 활용률을 33% 높이고, 작업 완료 시간을 28% 단축한다. 시스코는 하이퍼스케일러, 네오클라우드, 소버린 프라이빗 구축, 서비스 제공업체, 엔터프라이즈 등 AI 네트워크 구축을 추진하는 고객을 위해 G300 기반 시스코 N9100 및 시스코 8000 시스템을 도입하고 있다. 함께 발표된 시스코 ‘넥서스 원(Nexus One) 통합 관리 플랫폼’은 온프레미스 및 클라우드 기반 데이터센터 환경 전반의 운영을 간소화한다. 이와 같은 시스코의 AI 인프라 혁신은 데이터센터 운영의 복잡성을 줄이고 수익성을 높여, 고객이 AI 투자 가치를 극대화할 수 있도록 돕는다. 새롭게 선보이는 에이전틱옵스(AgenticOps) 혁신은 시스코 제품 포트폴리오에 걸쳐 AI 시대에 IT 운영의 자동화·확장·단순화를 가능하게 한다. 시스코 에이전틱옵스는 시스코 네트워킹, 시큐리티 클라우드 컨트롤(Security Cloud Control), 시스코 넥서스 원, 스플렁크(Splunk) 등에서 수집되는 크로스 도메인 텔레메트리를 바탕으로 시스템 전반에 대한 통합 가시성을 제공한다. 이번에 추가된 새로운 기능에는 네트워킹, 보안, 가시성 영역을 아우르는 다양한 도구와 기술, 그리고 플랫폼 고도화 요소가 포함된다. 대규모 업데이트가 이뤄진 시스코 AI 디펜스(Cisco AI Defense)는 AI 공급망 거버넌스와 에이전틱 도구 사용에 대한 런타임 보호 기능을 제공해, 침해나 조작 위험을 대폭 낮춘다. 아울러 AI 기반으로 고도화된 시스코 보안 액세스 서비스 엣지(Secure Access Service Edge : SASE)는 에이전틱 AI 상호작용과 도구 요청에 대한 의도 인식 기반 검사를 지원한다. 이를 통해 에이전틱 트래픽이 ‘왜(why)’, ‘어떻게(how)’ 발생하는지까지 평가해 새로운 유형의 위협을 사전에 차단한다. 기업은 이러한 통합 기능을 활용해 에이전트 무결성과 상호작용에 대한 통제력을 유지하면서도, AI 기술을 안전하게 도입·운영할 수 있다.     한편, 시스코는 엄격한 데이터 소버린 요구사항을 갖춘 조직을 지원하기 위해 영국, 프랑스, 스페인에 시스코 핵심 국가 서비스 센터(Cisco Critical National Services Centers : CNSC)를 구축했다고 전했다. 이 센터는 전용 시설과 분리된 운영 프로세스, 보안 인가를 받은 검증된 인력을 기반으로 엄격한 소버린 통제 하에 운영된다. CNSC는 기존 시스코 기술 지원 센터(Technical Assistance Center : TAC) 채널을 보완해, 고객의 데이터 처리 정책을 준수하는 안전하고 승인된 경로를 통해 기술 지원 이슈 해결을 지원한다. 시스코는 독일을 포함해 현재 유럽 지역에 총 4개의 CNSC를 운영 중이며, 이탈리아에서도 추가 CNSC 1곳을 구축 중이다. 시스코의 지투 파텔 사장 겸 최고제품책임자(CPO)는 “AI 혁신은 그 어느 때보다 빠르게 진행되고 있으며, 우리는 고객이 빠르게 움직이면서도 안전하고 보안적으로 AI를 도입하는 데 필요한 핵심 인프라를 제공하고 있다”면서, “이번 발표는 실리콘과 시스템, 에이전틱옵스, 보안과 가시성에서의 혁신이 유기적으로 결합돼 데이터센터부터 업무 환경, 그 너머까지 고객 가치를 창출하는 ‘통합 플랫폼’으로서 시스코가 가진 힘을 보여준다”고 말했다.

엔비디아가 오픈 모델, 데이터, 라이브러리로 구성된 엔비디아 네모트론 3(NVIDIA Nemotron 3) 제품군을 발표했다. 산업 전반에서 투명하고 효율적이며 목적에 맞게 특화된 에이전틱 AI 개발을 지원하기 위한 네모트론 3 모델은 하이브리드 잠재 전문가 혼합 방식(mixture-of-experts : MoE) 아키텍처를 도입했다. 엔비디아는 “개발자가 대규모 환경에서 신뢰할 수 있는 멀티 에이전트 시스템을 구축하고 배포할 수 있도록 돕는다”고 소개했다. 기업들이 단일 모델 기반 챗봇에서 협업형 멀티 에이전트 AI 시스템으로 전환함에 따라, 개발자들은 통신 과부하, 맥락 이탈, 높은 추론 비용 등 점점 더 많은 과제에 직면하고 있다. 또한 복잡한 워크플로를 자동화할 모델을 신뢰하기 위해 투명성에 대한 요구도 커지고 있다. 네모트론 3는 이러한 과제를 해결하며, 고객이 전문화된 에이전틱 AI를 구축하는 데 필요한 성능과 개방성을 제공한다. 네모트론 3 MoE 모델 제품군은 세 가지 규모로 구성된다. ▲네모트론 3 나노(Nano)는 300억 개의 파라미터를 갖춘 소형 모델로, 한 번에 최대 30억 개의 파라미터를 활성화해 목적에 맞는 고효율 작업을 수행한다. ▲네모트론 3 슈퍼(Super)는 약 1000억 개의 파라미터와 토큰당 최대 100억 개의 활성 파라미터를 갖춘 고정확도 추론 모델로, 멀티 에이전트 애플리케이션에 적합하다. ▲네모트론 3 울트라(Ultra)는 약 5000억 개의 파라미터와 토큰당 최대 500억 개의 활성 파라미터를 갖춘 대규모 추론 엔진으로, 복잡한 AI 애플리케이션을 지원한다. 현재 제공 중인 네모트론 3 나노는 컴퓨팅 비용 효율이 가장 뛰어난 모델로, 낮은 추론 비용으로 소프트웨어 디버깅, 콘텐츠 요약, AI 어시스턴트 워크플로, 정보 검색과 같은 작업에 최적화돼 있다. 이 모델은 고유한 하이브리드 MoE 아키텍처를 활용해 효율성과 확장성 측면에서 향상된 성능을 제공한다. 네모트론 3 나노는 네모트론 2 나노 대비 최대 4배 높은 토큰 처리량을 달성하며, 추론 토큰 생성량을 최대 60%까지 줄여 추론 비용을 절감한다. 또한 100만 토큰 컨텍스트 윈도우를 지원해 더 많은 정보를 기억할 수 있으며, 장시간에 걸친 다단계 작업에서도 정보 간 연결성을 높여 정확도를 향상시킨다. 네모트론 3 슈퍼는 낮은 지연 시간으로 다수의 협업 에이전트가 복잡한 작업을 수행해야 하는 애플리케이션에 강점을 보인다. 네모트론 3 울트라는 심층 연구와 전략적 계획 수립이 요구되는 AI 워크플로를 위한 고급 추론 엔진 역할을 수행한다. 네모트론 3 슈퍼와 울트라는 엔비디아 블랙웰(Blackwell) 아키텍처 기반의 초고효율 4비트 NVFP4 훈련 포맷을 사용해 메모리 요구 사항을 줄이고 훈련 속도를 가속화한다. 이러한 효율성 덕분에 기존 인프라에서도 높은 정밀도 포맷 대비 정확도를 유지한 채 더 대규모 모델 훈련이 가능하다. 네모트론 3 모델 제품군을 통해 개발자는 특정 워크로드에 적합한 규모의 오픈 모델을 선택할 수 있다. 또한, 수십 개에서 수백 개의 에이전트로 확장하는 동시에 복잡한 워크플로에서 더 빠르고 정확한 장기 추론 성능의 이점을 누릴 수 있다.     네모트론 3 나노는 현재 허깅 페이스에서 제공되며, 베이스텐(Baseten), 딥인프라(DeepInfra), 파이어웍스(Fireworks), 프렌들리에이아이(FriendliAI), 오픈라우터(OpenRouter), 투게더 AI(Together AI) 등 추론 서비스 제공업체를 통해서도 이용할 수 있다. 네모트론 3 나노는 엔비디아 가속 인프라 전반에서 안전하고 확장 가능한 배포를 위해 엔비디아 NIM 마이크로서비스 형태로도 제공된다. 퍼블릭 클라우드 고객의 경우, 네모트론 3 나노는 아마존웹서비스(AWS)에서 아마존 베드록(Amazon Bedrock, 서버리스 방식)을 통해 제공될 예정이며, 구글 클라우드, 코어위브, 크루소, 마이크로소프트 파운드리, 네비우스, 엔스케일, 요타에서도 곧 지원될 예정이다. 네모트론 3 슈퍼와 네모트론 3 울트라는 2026년 상반기에 제공될 예정이다. 또한, 엔비디아는 전문화된 AI 에이전트를 구축하기 위한 훈련 데이터세트와 최첨단 강화학습 라이브러리 컬렉션을 공개했다. 총 3조 개의 토큰으로 구성된 새로운 네모트론 사전 훈련, 사후 훈련, 강화학습 데이터세트는 고도화된 추론과 코딩, 다단계 워크플로 사례를 풍부하게 제공해 높은 역량을 갖춘 도메인 특화 에이전트 구축을 지원한다. 개발 속도를 높이기 위해 엔비디아는 네모트론 모델의 훈련 환경과 사후 훈련 기반을 제공하는 오픈소스 라이브러리인 네모 짐(NeMo Gym)과 네모 RL을 함께 공개했다. 또한 모델의 안전성과 성능을 검증할 수 있도록 네모 이밸류에이터(Evaluator)도 선보였다. 모든 도구와 데이터세트는 현재 깃허브(GitHub)와 허깅 페이스(Hugging Face)를 통해 제공되고 있다. 네모트론 3는 LM 스튜디오(LM Studio), 라마.cpp(llama.cpp), SGLang, vLLM을 통해 지원된다. 이와 함께 프라임 인텔렉트(Prime Intellect)와 언슬로스(Unsloth)는 네모 짐의 즉시 사용 가능한 훈련 환경을 자사 워크플로에 직접 통합하고 있으며, 이를 통해 강력한 강화학습 훈련 환경에 보다 빠르고 손쉽게 접근할 수 있다. 엔비디아 네모트론은 엔비디아의 소버린 AI 전략을 지원한다. 유럽부터 대한민국에 이르는 다양한 조직들이 자체 데이터, 규제, 가치에 부합하는 AI 시스템을 구축할 수 있도록 개방적이고 투명하며 효율적인 모델 채택을 가능하게 한다. 네모트론 3의 초기 도입 기업으로는 액센츄어, 케이던스, 크라우드스트라이크, 커서, 딜로이트, EY, 오라클 클라우드 인프라스트럭처(OCI), 팔란티어, 퍼플렉시티, 서비스나우, 지멘스, 시놉시스, 줌 등이 있다. 이들은 제조, 사이버보안, 소프트웨어 개발, 미디어, 커뮤니케이션 등 다양한 산업 전반의 AI 워크플로를 구현하기 위해 네모트론 제품군의 모델을 통합하고 있다. 엔비디아의 젠슨 황(Jensen Huang) 창립자 겸 CEO는 “오픈 혁신은 AI 발전의 토대이다. 네모트론을 통해 우리는 첨단 AI를 개방형 플랫폼으로 전환해, 개발자들이 대규모 환경에서 에이전틱 시스템을 구축하는 데 필요한 투명성과 효율을 제공하고 있다”고 말했다. 서비스나우의 빌 맥더멋(Bill McDermott) 회장 겸 CEO는 “엔비디아와 서비스나우는 수년간 AI의 미래를 함께 만들어왔으며, 최고의 순간은 아직 오지 않았다. 오늘 우리는 모든 산업의 리더들이 에이전틱 AI 전략을 빠르게 추진할 수 있도록 지원하는 데 있어 중요한 진전을 이루고 있다. 서비스나우의 지능형 워크플로 자동화와 엔비디아 네모트론 3의 결합은 탁월한 효율, 속도, 정확성을 바탕으로 계속해서 업계 표준을 제시할 것”이라고 말했다.

델 테크놀로지스가 ▲AI 혁신의 중추인 데이터 관리 ▲AI 워크로드에 맞는 새로운 인프라 전략 ▲지속가능한 AI를 위한 거버넌스 프레임워크 ▲에이전틱 AI의 역할 강화 ▲피지컬 AI의 본격화 ▲소버린 AI 생태계의 발전 등 2026년 IT 기술 전망을 발표하면서, 내년은 AI 기술이 기업과 산업의 구조를 근본적으로 재설계하는 해가 될 것이라고 예고했다. AI 기술은 이제 단순한 도입 단계를 넘어 운영, 개발, 혁신의 속도와 규모를 변화시키며 빠르게 진화할 전망이다. 델은 “AI가 촉진하는 차세대 혁신은 강력한 알고리즘만으로는 부족하다”면서, 데이터의 품질과 손쉬운 접근이 핵심이라고 짚었다. AI 시스템이 복잡해질수록, 데이터를 효과적으로 제공하는 데이터 관리 및 스토리지 인프라가 모든 AI 혁신의 중추적인 역할을 할 전망이다. AI 인프라의 초점은 단순한 데이터 저장을 넘어 AI가 학습하고 추론하도록 데이터를 구조화한 ‘지식 레이어’에 맞추어져야 한다. 또한 이를 위해서 다양한 데이터 소스를 통합하고, 새로운 데이터 자산을 보호하며, 이를 지원할 고성능 스토리지를 제공할 수 있게 설계된 AI 데이터 플랫폼이 필수이다. 에이전트 시대에 접어들며 데이터는 대규모 모델을 학습시키는 용도에 그치지 않고 추론 과정에서 지식과 인텔리전스를 실시간으로 생성하는 능동적인 역할을 수행할 전망이다. 체계적으로 정리되어있고, 정제되어 있으며 관련성이 높은 데이터를 AI 모델에 효율적으로 공급하는 역량이 앞으로 더욱 중요해질 수밖에 없다. 델은 이를 가능케하는 데이터 레이어가 앞으로 AI 혁신의 발판이 될 것으로 내다봤다.   오늘날 전 세계 신규 데이터의 80%가 비정형 형태로 생성되고 AI 에이전트 간 트래픽이 급증하면서, 기존의 클라우드 인프라는 비용과 통제 측면에서 한계를 드러내고 있다. 델은 핵심 데이터와 중요도 높은 AI 에이전트는 보안과 비용을 통제할 수 있는 온프레미스 환경에 유지하고, 민감도는 낮으면서 확장성과 유연성이 필요한 워크로드는 클라우드에서 운용하는 전략을 제시하며, 이같은 하이브리드 접근 방식이 더욱 많아질 것으로 전망했다. 한편 AI PC는 에지에서 추론과 의사결정을 수행하며 지연을 줄이고 민감한 데이터를 보호한다. 특히 AI PC에 최적화된 소형·특화 모델인 마이크로 LLM은 대규모 모델 대비 효율성과 비용 측면에서 강점을 발휘해 하이브리드 클라우드로 전환하는 흐름 속에서 새로운 게임 체인저로 떠오를 전망이다.     델은 챗봇 및 에이전트 같은 유용한 AI 도구와 설루션이 빠르게 늘어나고 있지만, 이를 관리하는 거버넌스 프레임워크 또는 표준화된 온프레미스 AI 팩토리 환경이 없다면 AI의 지속가능성에 위협이 될 수 있다고 짚었다. 델은 “지속가능한 엔터프라이즈 AI 정착을 위해서는 민관이 협력해 엔터프라이즈 생태계를 구축하고, AI 기술을 공급하는 기업과 사용하는 조직들이 힘을 합쳐 거버넌스 체계를 개발해야 한다”고 짚었다. 거버넌스가 혁신을 저해하는 수단이 아니라, 안전하고 지속 가능한 방법으로 더 빠르게 나아갈 수 있도록 돕는 가드레일의 역할을 해야 한다는 것이다. 올해 본격화된 에이전틱 AI는 복잡한 프로세스를 감독하는 관리자의 역할로 진화하고 있다. 예를 들어, 제조·물류 분야에서 AI 에이전트는 실시간 데이터 스트림을 활용해 교대 근무 사이의 연속성을 보장하고, 워크플로를 최적화할 수 있으며, 생산 일정을 조정하거나 신규 입사자에게 복잡한 작업에 대한 교육을 관장할 수도 있다. 델은 지능형 에이전트가 주체적으로 비즈니스 의사 결정을 내리는 신경망처럼 작용하여, 운영 회복력과 성과를 높일 것으로 기대하고 있다. 이는 고유한 지식과 자산을 생성하는 엔터프라이즈 데이터에 기반하기 때문에, 데이터를 저장하고 보호하는 인프라의 중요성 또한 더욱 부각될 전망이다.  지금까지의 로봇들은 특정 작업만을 위해 하드코딩 방식으로 설계되어 있었으며, 로봇간의 상호작용도 거의 없었다. 하지만 앞으로는 로봇에게 과업을 일일이 프로그래밍하는 대신 ‘목표’를 부여하여 시행착오를 통해 스스로 학습하여 문제를 해결하고, 로봇끼리 실시간으로 소통하고 협업하는 능력까지 갖추는 방향으로 진화할 것이다. AI 기반 로봇은 제조 현장을 넘어 물류, 농업, 의료, 인프라 분야로 확산되며, 사람들이 기피하거나 위험하고 반복적이며 고강도인 업무들을 이미 대신하고 있다. 델은 앞으로 맞춤형 AI 로보틱스를 도입하는 조직이 기존의 자동화 수준을 뛰어넘는 역량을 확보하게 될 것으로 예상했다. AI 기술이 각 나라의 이익과 직결되면서 ‘소버린(soverign) AI’ 생태계가 빠르게 부상하고 있다. 각국 정부는 혁신을 촉진하고 디지털 자율성을 유지하기 위해 자체적인 프레임워크를 적극적으로 구축하고 있다. 이를 위해 민감한 정보를 현지화하고, AI 인프라 및 관련 데이터를 보호하는 것이 더욱 중요해질 것이며,  기업들 또한 이러한 소버린 프레임워크에 적응해 자국 내에서 운영을 확장해 갈 것으로 것으로 전망된다. 데이터를 자국 내에 보관함으로써 정부는 AI를 통한 공공 서비스를 혁신할 수 있고, 기업들은 새로운 토착 인프라를 활용하면서 비즈니스 목표를 국가 산업 정책과 일치시킬 수 있다. 델 테크놀로지스의 피터 마스(Peter Marrs) 아시아태평양·일본·중국 총괄 사장은 “AI에 대한 논의가 이제 실질적인 적용 단계에 접어들며 아태 지역에서도 다양한 성공 사례가 나타나고 있다. 인도의 SaaS 기업 조호(Zoho)는 델과 협력해 전세계 150여개 국가에 AI 설루션을 제공하고 있으며, 말레이시아의 샌디스크(SanDisk)는 제품 설계를 위한 에이전틱 AI 설루션 운영을 위해 델의 기술을 활용하고 있다”고 말했다. 한국 델 테크놀로지스의 김경진 총괄사장은 “AI 혁신은 이제 빛의 속도로 돌진하고 있다. 선도 기업들은 이미 그 속도에 맞춰 움직이고 있다”고 진단하면서, “고성능 GPU 만으로는 성공이 보장되지 않는다. 최적화된 데이터 레이어, 정부 정책에 부합하는 소버린 프레임워크, 복원력을 내재한 AI 팩토리, 복잡한 운영을 관리하는 에이전틱 시스템이 등이 어우러져야만 AI의 진정한 잠재력을 실현할 수 있다”고 덧붙였다.