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.

‘코리아 그래픽스 2025’가 지난 9월 11~12일 온라인으로 진행됐다. ‘AI로 혁신하는 3D 시각화와 산업의 미래’를 주제로 열린 ‘코리아 그래픽스 2025’에서는 급변하는 기술 트렌드 속에서 AI(인공지능)와 3D 시각화가 산업과 문화 전반에 미치는 영향력을 조명했다. 또한 AI 기술의 실질적인 적용 사례와 잠재력을 통해, AI가 단순한 도구를 넘어 창의적 동반자로 진화하는 흐름을 짚었다. ■ 정수진 편집장   ■ 같이 보기 : [포커스] 코리아 그래픽스 2025, AI로 가속하는 산업과 크리에이티브의 변화를 짚다 (1)     AI·3D 시각화 기술의 현재와 미래를 짚다 9월 11일에는 ‘디지털 트윈 & 3D 시각화’ 트랙이 진행됐다. 에픽게임즈 코리아의 권오찬 시니어 에반젤리스트는 ‘리얼타임을 통한 디지털 트랜스포메이션의 진화, 그리고 에픽게임즈의 에코시스템’을 주제로 발표했다. 그는 디지털 트윈을 통한 시각화가 건축, 도시 계획, 훈련 시뮬레이션, 자동차 산업 등 다양한 분야에서 혁신적인 의사결정을 이끌어내는 사례를 소개하면서, 3D 인터랙티브 콘텐츠로의 전환을 강조했다. 권오찬 시니어 에반젤리스트는 “에픽게임즈는 이러한 변화를 성공적으로 지원하기 위해 나나이트, 루멘, 라지 월드 코디네이터, 절차적 콘텐츠 생성 툴 같은 리얼타임 렌더링 기술과 함께 메타휴먼, 애셋 스토어, 리얼리티 스캔 2.0 등 풍부한 에코시스템을 제공한다”고 밝혔다.   ▲ 에픽게임즈 코리아 권오찬 시니어 에반젤리스트   HP 코리아의 차성호 이사는 ‘AI 워크스테이션을 통한 생산성 향상 방안 및 사례’를 발표했다. 워크스테이션은 R&D, 금융, 데이터 과학, AI 등의 분야에서 성능과 안정성을 겸비한 비즈니스 제품군으로 자리잡고 있다. 차성호 이사는 HP의 AI 워크스테이션이 40 TOPS 이상의 NPU(신경망 처리장치)와 코파일럿 키를 탑재하고 있으며, 대량의 그래픽 메모리를 바탕으로 솔리드웍스, 오토데스크 레빗, D5 렌더 등 ISV 애플리케이션에서 높은 생산성 향상을 보인다고 소개했다. 또한, 프로그램과 목적에 따른 최적 하드웨어 선택의 중요성을 강조하면서, “HP는 데모 프로그램을 통한 성20 · 능 검증 기회를 제공한다”고 덧붙였다.   ▲ HP 코리아 차성호 이사   에스엘즈의 정재헌 대표는 ‘AEC 산업을 위해 진화하는 공간지능 기술’을 주제로, 2020년 캐나다 ‘어그멘티드 그라운드’ 프로젝트의 AR 원격 시공 경험을 비롯해 자체 개발한 추론형 AI로 BIM 모델 이미지를 학습하여 고객사의 MEP 설계 노하우의 보안을 유지하면서 자동 배관 설계를 진행한 사례를 소개했다. 또한 ‘증강 휴먼’ 기술이 피지컬 AI 기반의 ‘증강 로봇’으로 진화하는 여정도 공유했다. 정재헌 대표는 “초기 AR 디바이스 탑재를 넘어 휴머노이드 로봇 및 드론에도 공간 지능 기술을 적용 중이며, 드론에서 수신한 GNSS 좌표를 기반으로 BIM 모델을 고정밀 증강하여 실시간 현장 영상 위에 데이터를 매핑하는 데 성공했다”고 밝혔다.   ▲ 에스엘즈 정재헌 대표   유니티코리아의 김현민 시니어 설루션 엔지니어는 ‘유니티 애셋 매니저로 혁신하는 CAD 데이터 관리와 실시간 협업’에 대해 발표했다. 그는 “유니티가 디자인 및 프로토타입 작업 간소화, 비용 절감, 브랜드 경험 강화 등 산업 전반에 몰입감 있고 인터랙티브한 경험을 제공한다”고 설명했다. 오픈 플랫폼인 유니티는 카티아, 솔리드웍스 등 70여 종의 CAD 포맷을 지원하며 애셋 관리, 버전 관리와 함께 20여 종 이상 플랫폼 빌드를 제공하는 엔드 투 엔드 설루션을 제공한다. 또한 유니티 애셋 매니저(Unity Asset Manager)는 클라우드 기반에서 대용량 CAD/3D 데이터를 효율적으로 관리하며, AI 태깅, 버전 관리, 데이터 스트리밍 기능을 통해 실시간 협업 환경을 구축한다.   ▲ 유니티코리아 김현민 시니어 설루션 엔지니어   메가존클라우드의 홍동희 유니티 유닛 테크 그룹장은 ‘CAD와 유니티의 만남 : 새로운 비즈니스 수익 모델과 창의적 혁신’을 발표했다. 그는 “유니티의 실시간 렌더링, 인터랙티브 기능, 멀티플랫폼 배포 능력이 정밀한 설계에 강점을 가진 CAD에 새로운 가치를 부여하고 수익화할 수 있다”고 강조했다. 또한, 가상 복제본 생성부터 AI 결합을 통한 완전 자율화까지 디지털 트윈의 진화 과정을 설명하며, “유니티는 디지털 트윈 개발을 위한 최적의 플랫폼”이라고 전했다. 유니티의 에코시스템을 활용해 기업은 새로운 비즈니스 영역을 창출하고, 개인은 CAD와 유니티를 겸비한 전문가로서 경쟁력을 강화할 수 있다는 것이 그의 설명이다.   ▲ 메가존클라우드 홍동희 유니티 유닛 테크 그룹장   캐디안의 한명기 상무는 ‘AI 이미지 인지기술 기반 3D 도면 생성 방안 및 적용 설루션 소개’를 주제로 발표를 진행했다. 한명기 상무는 “캐디안은 1990년 설립된 국산 CAD 개발 기업으로, 2020년에는 AI CAD 개발을 선언하며 설계 도면 생성 과정의 어려움을 해결하는 데에 AI를 접목했다”고 설명했다. 캐디안은 최근 전통 목조 건축의 손도면을 2D/3D 도면화하는 ‘CADian TWArch’를 개발하여 불국사 복원 가상 설계에 적용했으며, 올해 연말 출시 예정이다. 또한, 현대 건축을 위한 ‘CADian AI-CE’는 JPG, PDF, DWG 등 다양한 도면에서 벽체, 창호, 룸 정보 등을 AI로 탐지하여 도면을 재생성하고 BOM을 산출한다. 한명기 상무는 “캐디안 AI CAD의 미래는 스마트 블록, 디자인 어시스턴트, 인스펙션 시스템 등 기능 강화와 함께 궁극적으로 AI 에이전트를 통한 ‘말로 설계하는 세상’을 목표로 한다”고 전했다.   ▲ 캐디안 한명기 상무   이노시뮬레이션의 이지선 CTO는 ‘모빌리티 XR 사례와 AI 융합 기술의 미래’를 전망했다. 그는 XR 기술이 나와 외부 세계를 소통하는 모든 통로를 대체하는 기술이며, 그래픽, 디바이스, 시뮬레이션 기술과 밀접하다고 정의했다. 그리고 운전 시뮬레이터, 가상 훈련, HMI 검토, 가상 품평, AR HUD 등 다양한 모빌리티 XR 응용 사례를 소개하며 개발 기간과 비용 절감 효과를 강조했다. 이지선 CTO는 “AI와 XR 기술의 결합은 모빌리티 무인화 시대를 가속화할 것”이라면서, “이노시뮬레이션은 AI 개발 툴을 활용하여 AI와 모빌리티가 혼합된 시뮬레이션 시스템을 연구 개발 중”이라고 소개했다.   ▲ 이노시뮬레이션 이지선 CTO   디자인과 제조의 미래를 만드는 생성형 AI 9월 12일에는 ‘AI 비주얼 트렌드 & 응용’ 트랙이 진행됐다. LG CNS의 정용기 선임은 ‘Image Gen.AI를 활용한 업무 생산성 향상 방안’에 대한 발표에서, 생성형 AI 기술에 기반한 LG CNS의 Image Gen.AI 엔진을 소개했다. 이를 활용하면 디자인 과정에서 아이디어 구상 시간을 단축하는 등의 프로세스 개선을 통해 비주얼 콘텐츠의 생성 시간과 비용을 50% 이상 줄여줄 수 있다는 것이 정용기 선임의 설명이다. 또한, LG CNS의 Image Gen.AI 엔진을 탑재한 COP(Content Optimization Platform)도 소개했다. COP는 이미지 생성 및 편집, 배경 제거/교체/확장, 부분 수정 등의 기능을 제공하며, 특화 학습을 통해 고객사의 특정 스타일을 반영한 마케팅 이미지를 생성한다. 정용기 선임은 “COP는 제품의 디테일을 유지하면서 다양한 연출 컷을 만들 수 있으며, 향후 매체별 배너 이미지 자동 생성 기능을 개발 중”이라고 밝혔다.   ▲ LG CNS 정용기 선임   아이스케이프의 조세희 대표는 ‘이미지부터 3D까지 : 크리에이터가 알려주는 생성형 AI 영상 제작’을 주제로 발표했다. 조세희 대표는 AI를 활용한 영상 콘텐츠 제작 과정을 실무 사례와 함께 소개하면서, “영상 제작은 스토리보드, 키 이미지 생성, 영상화, 음악 생성, 편집의 5단계로 진행되며, AI가 텍스트, 이미지, 오디오, 3D 모델 등 다양한 콘텐츠를 생성한다”고 설명했다. 또한, 3D 오브젝트를 활용해 가상 공간에서 영상을 만들고, 미드저니의 옴니 레퍼런스와 페이스 스왑, 일레븐랩스를 이용해 가상 인간의 일관된 이미지와 음성을 제작하는 과정도 시연했다. 조세희 대표는 “AI는 생산성을 높일 수 있는 도구이지만, 영상 구조, 조명, 연출 등의 기본 지식은 필수”라고 짚었다.   ▲ 아이스케이프 조세희 대표   AI팩토리의 김태영 CEO는 ‘크리에이터를 위한 AI 에이전트 활용 및 ‘바이브 코딩’ 발표를 통해 엔트로픽의 클로드 코드(Claude Code)를 활용해서 AI와 협업하여 코드를 작성하고 실행하는 방법을 시연했다. 바이브 코딩(vibe coding)은 대화식으로 사용자가 원하는 내용을 AI 에이전트에게 전달하면 AI가 코딩을 수행하는 방식이다. “요구사항 명세서 역할을 하는 파일을 통해 더욱 상세한 지시가 가능하다”고 소개한 김태영 CEO는 발표 중 실제 라이브 시연을 통해 상품 소개 웹 페이지를 제작하고, AI가 텍스트와 이미지를 자동 생성하여 콘텐츠를 풍부하게 만드는 과정을 선보였다.   ▲ AI팩토리 김태영 CEO   IUM SPACE의 이윰 대표는 ‘AI 툴로 구현하는 비주얼 세계 : 실무 적용과 아트워크 융합 사례’를 주제로 발표했다. 생성형 AI 시대의 진정한 창의성은 ‘세계관 디자인’에 있다고 짚은 이윰 대표는 미드저니의 스타일 레퍼런스 기능을 통해 42억 개의 스타일 시드를 탐색하며 “각 시드가 담고 있는 고유한 세계관을 이해하는 것이 중요하다”고 설명했다. 또한, 인간의 상상력과 AI의 지능을 결합하여 고유한 스타일과 이야기를 만드는 과정을 소개했다. 이윰 대표는 “AI는 의미를 생성하지 않으므로, 인간 창작자가 의미를 부여하고 다양한 이미지를 통합하여 스토리를 완성하는 것이 핵심”이라고 전했다.   ▲ IUM SPACE 이윰 대표   ■ 같이 보기 : [포커스] 코리아 그래픽스 2025, AI로 가속하는 산업과 크리에이티브의 변화를 짚다 (1)

디지털 지식전문가 조형식의 지식마당   빠르게, 그리고 깊게 지난 2년간 필자는 정신없이 AI 지식을 흡수하고 수많은 설루션을 직접 사용했다. 신기함과 불편함이 뒤섞인 체험 끝에, 직감적으로 2025년이 인공지능 기술의 이정표가 될 것이라 확신하게 됐다.   거시 흐름, 지능형 자동화와 에이전트의 부상 인공지능(AI) 기술의 발전은 2024년을 기점으로 단순히 새로운 기술의 도입을 넘어, 산업과 사회 전반의 혁신을 촉발하는 핵심 동력으로 자리 잡았다. 여러 분석가는 2024년이 AI 도입의 해였다면, 2025년은 AI가 기존 산업의 경계를 허물고 운영 방식을 근본적으로 재정의하는 ‘혁신의 해’가 될 것으로 전망하고 있다. 이러한 변화의 물결 속에서 기업들은 막연한 기대감을 넘어, AI 기술을 통해 실질적인 비즈니스 가치(ROI)를 창출하는 데 집중하고 있다. 특히, 반복적이고 명확한 규칙 기반의 작업을 AI로 자동화함으로써 즉각적인 효율성 증대와 함께 투자 성과를 확보하는 전략이 부상하고 있다. 이러한 맥락에서 ‘지능형 자동화(intelligent automation)’는 단순 반복 작업을 넘어 복잡한 워크플로를 자율적으로 처리하고 의사결정까지 내리는 단계로 진화하고 있다. 이는 ‘AI 에이전트’의 형태로 구현되며, 응용 AI의 차세대 진화로 주목받고 있다.  이러한 거시적 흐름 속에서 AI 기술의 3대 핵심 분야인 언어 모델, 이미지 및 영상 모델, 음성 모델의 최신 기술적 동향과 시장 변화를 심층적으로 분석하고, 나아가 이들 간의 융합 현상인 ‘멀티모달 AI’의 부상을 조망함으로써 비즈니스 리더와 기술 전문가에게 전략적 통찰을 만들어 봤다. 첫 번째, 대규모 언어 모델(LLM)의 혁신은 대부분 ‘트랜스포머(transformer)’ 아키텍처에 기반을 두고 있다. GPT-4, LLaMA 2, Falcon 등 현재 시장을 선도하는 모델은 이 아키텍처를 활용하여 방대한 데이터 세트에서 인간 언어의 패턴과 구조를 학습한다. 트랜스포머는 언어 모델의 근간을 이루며, 그 영향력은 비단 텍스트에만 머무르지 않고, 오픈AI(OpenAI)의 최신 비디오 생성 모델인 소라(Sora)의 ‘디퓨전 트랜스포머’ 아키텍처에도 확장 적용되고 있다. 최근 LLM 훈련 방법론은 단순히 모델의 규모를 키우는 것을 넘어, 효율과 특화된 성능을 확보하는 방향으로 진화하고 있다. LLM 시장은 ‘규모’를 추구하는 초대형 모델(LLM)과 ‘효율’을 추구하는 소형 언어 모델(SLM)이 공존하는 양면적 발전 양상을 보인다. GPT-4o나 제미나이(Gemini)와 같은 초대형 모델은 뛰어난 범용성과 성능으로 시장을 선도하는 한편, 특정 산업이나 용도에 맞게 최적화된 SLM은 적은 비용과 빠른 속도를 무기로 틈새시장을 공략하고 있다. 이러한 이원화된 전략은 기업이 적용 업무의 성격에 따라 두 모델을 전략적으로 선택하거나 조합하는 하이브리드 접근법을 채택하도록 유도하고 있다. 두 번째, 최근 이미지 및 영상 생성 모델의 핵심 기술은 ‘디퓨전 모델(diffusion model)’이다. 이 모델은 기존의 생성적 적대 신경망(GAN)이 가진 ‘모드 붕괴(mode collapse)’ 문제를 해결하며 고품질의 다양하고 사실적인 이미지 생성을 가능하게 했다. 디퓨전 모델은 이미지에 점진적으로 노이즈를 추가한 뒤, 이 노이즈를 단계적으로 제거하며 깨끗한 이미지를 복원하는 방식을 사용한다. 이 기술은 스테이블 디퓨전(Stable Diffusion), 달리(DALL-E)와 같은 대표적인 서비스에 활용되고 있다. 대규모 언어 모델과 마찬가지로, 이미지 및 영상 모델 역시 규모의 확장과 효율의 최적화라는 상반된 흐름을 동시에 경험하고 있다. 디퓨전 모델은 모델의 규모가 클수록 더 좋은 성능을 보이지만, 그만큼 막대한 연산 자원과 느린 처리 속도라는 문제에 직면한다. 이러한 한계를 극복하기 위해 모델 경량화와 처리 속도를 높이는 기술적 접근이 중요하게 다루어지고 있다. 이는 AI 기술의 상용화와 대중화를 위한 필수 단계이다. 영상 생성 기술은 미디어 및 엔터테인먼트 산업의 콘텐츠 창작 패러다임을 근본적으로 변화시키고 있다. 텍스트 입력만으로 원하는 비디오를 만들 수 있는 능력은 브레인스토밍을 가속화하고, 마케팅 자료, 게임 비주얼, 와이어프레임 및 프로토타입 제작 시간을 획기적으로 단축시켜 기업의 시장 대응력을 높인다. 특히, 전자상거래 기업은 AI 생성 이미지를 사용하여 다양한 제품 쇼케이스와 맞춤형 마케팅 자료를 대규모로 제작할 수 있다. 세 번째, 음성 모델은 크게 음성 신호를 텍스트로 변환하는 ‘음성 인식(ASR : Automatic Speech Recognition)’과 텍스트를 음성으로 변환하는 ‘음성 합성(TTS : Text-to-Speech)’ 기술로 구분된다. 딥러닝 기술의 발전은 이 두 분야에 혁명적인 변화를 가져왔다. 음성 인식(ASR) : 딥러닝 기반의 엔드 투 엔드 모델은 음향 모델링과 언어 모델링 과정을 통합하여 ASR의 정확도를 비약적으로 향상시켰다. 최신 시스템은 배경 소음을 제거하고 자연어 처리(NLP) 기술을 활용하2025/10여 문맥을 이해함으로써 최대 99%에 가까운 정확도를 달성하고 있다. 이는 단순히 음성을 텍스트로 바꾸는 것을 넘어, 사용자의 의도를 정확히 이해하고 적절하게 대응하는 대화형 AI 시스템의 핵심 기반이 된다. 음성 합성(TTS) : 딥러닝 기반 모델은 기계적인 느낌을 벗어나 사람처럼 자연스럽고 운율이 담긴 목소리를 생성하는 데 큰 발전을 이루었다. 이는 텍스트 분석, 운율 모델링, 그리고 실제 음성 파형을 생성하는 ‘보코더(vocoder)’ 과정을 통해 이루어진다. 현대 음성 합성 기술의 발전 방향은 단순히 자연스러움을 넘어, 인간-기계 상호작용을 더욱 몰입감 있고 개인화된 경험으로 이끄는 데 있다. 감정 표현 TTS : 이는 기계에 감정을 부여하여 인간 언어와 더욱 유사한 음성을 생성하는 것을 목표로 한다. 기쁨, 슬픔, 분노 등 다양한 감정을 표현하는 음성 합성은 사용자 경험을 더욱 풍부하게 만든다. 개인화된 음성 합성(Personalized TTS) : 이 기술은 약 1시간 분량의 데이터만으로 개인의 목소리를 복제하여 맞춤형 TTS를 만드는 연구 단계에 있다. 이는 부모의 목소리로 동화책을 읽어주는 등 감성적이고 따뜻한 응용 분야에 적용될 가능성을 열어준다.   감성으로 완성되는 기술 올해는 유난히 더운 것인지 아니면, 우리가 에어컨 환경에 너무 노출되어서 더위에 대한 저항력이 없어진 것인지는 모르지만 너무 더워서 정신적 활동이 힘들었다. 그 와중에 개인 자료를 정리하던 중에 개인적으로는 필자의 입사 이력서 사진을 우연히 찾아봤으나, 손상이 많이 되어서 인공지능으로 복원해 보기로 했다.     그림 1. 옛날 사진을 스마트폰으로 촬영한 이미지와 구글 인공지능으로 생성한 이미지   우선 스마트폰으로 이 사진을 찍은 다음 구글의 제미나이로 복원하고 다양한 모습으로 재현해 봤다. 그리고 동영상도 만들어 봤다. 아주 작고 희미한 흑백 사진이라고 우리의 머리속에 있는 이미지와 유사할 때까지 계속 보강된 이미지를 만들 수 있다. 그래서 최근에는 ‘포즈의 정리(Theorem of Pose)’라는 책을 구입해서 인공지능 생성 이미지 프롬프트를 본격적으로 연구해 보기로 했다.     그림 2. 구글 제미나이로 생성된 이미지   돌이켜보면 생각보다 빠른 속도다. 기술은 때로 불안과 경외를 동시에 불러온다. 그러나 확실한 것은, 인공지능이 우리의 감성을 자극하기 시작했다는 사실이다. 오래된 사진이 되살아나고, 목소리가 감정을 띠며, 텍스트가 움직이는 영상으로 변한다. 도입의 해를 지나 혁신의 해로 들어서는 지금, 우리는 효율을 넘어 의미를 설계해야 한다. AI는 결국, 우리 일과 삶의 이야기를 더 풍부하게 엮어내는 도구다. 기술이 감성을 만나 경험을 재편할 때, 진짜 혁신은 비로소 현실이 된다. 기업의 입장에서 2024년이 ‘도입의 해’였다면 2025년은 운영 방식 자체를 재정의하는 ‘혁신의 해’다. 기업은 막연한 기대가 아니라 ROI로 말하기 시작했고, 반복적·규칙 기반 업무를 AI로 자동화하여 즉각적인 효율과 투자 성과를 확보하는 전략이 주류로 부상했다. 그 중심에는 언어, 시각(이미지·영상), 음성이라는 세 가지 축과 이들을 촘촘히 엮어내는 멀티모달 AI가 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.

한국레노버가 AI 기능을 강화하면서 실용성, 이동성, 보안성을 갖춘 차세대 인공지능(AI) PC ‘아이디어패드 슬림 3x(IdeaPad Slim 3x)’를 국내 공식 출시했다. 아이디어패드 슬림 3x는 퀄컴 스냅드래곤 X(Snapdragon X) 프로세서와 코파일럿(Copilot) 기능을 탑재한 AI PC다. 최대 45 TOPS의 NPU(신경망 처리 장치)를 기반으로 멀티태스킹, 화상 회의, 콘텐츠 실시간 최적화 등 다양한 AI 기능을 빠르고 스마트하게 수행한다. 기본 운영체제는 윈도우 11 홈이다. 한국레노버는 “대학생과 직장인 등 일상 속 다양한 작업을 실행하고, 실용성을 갖춘 AI PC를 찾는 사용자층을 고려해 시작가 80만원대의 합리적인 가격대로 선보인다”고 소개했다.      기본 디스플레이는 15.3인치 WUXGA(1920×1200) 해상도의 IPS 패널로 NTSC 45% 색 재현율과 300니트 밝기, 눈부심을 줄여주는 안티글레어(Anti-Glare) 기능을 기본 탑재했다. OLED 패널 선택도 가능하며 최대 2.5K 해상도까지 지원한다. TUV 라인란드 로우 블루라이트 인증을 획득해 장시간 사용에도 눈의 피로를 최소화한다. 아이디어패드 슬림 3x는 AI PC의 보편화를 위해 일상 작업에 최적화된 휴대성과 내구성을 갖췄다. 최대 60Wh 용량의 배터리는 한 번 충전으로 최대 22시간(로컬 FHD 영상 재생 기준)까지 사용할 수 있으며, 급속 충전 기능을 통해 15분 충전으로 최대 2시간까지 사용할 수 있다. 여기에 슬림한 디자인과 약 1.5kg의 무게로 이동의 부담을 줄였다. 프리미엄 메탈 섀시를 적용한 제품 외관은 미국 국방부의 밀리터리 등급(MIL-STD-810H)을 통과하는 등 안정적인 사용 환경을 제공한다. 보안 기능도 강화했다. 상단에는 웹캠을 사용하지 않을 때 렌즈를 가릴 수 있는 프라이버시 셔터를 탑재해 사생활을 보호한다. 지문 인식 기능을 통해 빠르고 안전한 로그인이 가능하며, 향상된 보안 시스템이 개인 데이터와 PC를 보호한다. 노트북의 좌우 측면에는 디스플레이 연결을 위한 USB Type-C 단자, USB Type-A 단자, HDMI 1.4, 콤보 오디오 잭, SD카드 리더기 등을 배치해 연결성을 높였다. 와이파이(Wi-Fi) 7과 블루투스 5.4는 안정적인 무선 연결을 지원해 화상 회의, 스트리밍, 파일 전송 등 다양한 작업을 끊김 없이 지원한다. 전문가 도움 없이 추가 SSD 설치도 쉬워 여유로운 저장공간을 확보할 수 있다. 레노버는 고객 과실로 인한 파손에도 무상 수리를 지원하는 ‘우발적 손상 보장(ADP) 서비스’와 문제 발생 시 엔지니어가 직접 방문해 수리하는 온사이트(On-site) 서비스를 포함한 ‘프리미엄 케어’ 서비스를 각 1년간 지원한다. 한편, 한국레노버는 8월 5일부터 네이버 브랜드스토어에서 사전 예약을 실시하고, 신제품 출시를 기념한 프로모션을 진행한다고 밝혔다. 네이버 브랜드스토어에서 단독 출시하는 이번 제품을 구매하는 고객에게는 마우스와 마이크로소프트 M365 오피스 프로그램을 선착순으로 증정한다. 구매자 후기 이벤트도 진행한다. 1등에게는 레노버 태블릿을, 2등과 3등에게는 각각 레노버 모니터와 상품권 등 사은품을 제공한다. 한국레노버 신규식 대표는 “아이디어패드 슬림 3x는 AI 시대에 최적화된 코파일럿+ PC로, 학습, 업무, 창작 등 다양한 분야에서 더 많은 사용자가 보다 스마트하고 효율적으로 컴퓨팅 환경을 누릴 수 있도록 설계된 제품”이라며, “일상 속 AI PC 활용의 진입 장벽을 낮춘 이번 신제품 출시를 통해 단순한 작업 속도 향상을 넘어 사용자의 창의성과 몰입도까지 높이는 AI PC의 새로운 가치를 직접 체감하길 바란다”고 밝혔다.

대한기계학회 가상제품개발연구회가 지난 6월 12일 2025년 춘계 심포지엄을 개최했다. ‘AI와 VPD의 만남 : Journey to the Digital Transformation’을 주제로 한 이번 심포지엄에서는 제조업 분야의 인공지능 전환(AX) 시대에 발맞춘 가상 제품 개발(VPD) 기술 및 디지털 전환 사례가 소개됐다. ■ 정수진 편집장     디지털 전환에서 AI 전환으로, 새로운 시대가 열린다 지난 2020년 출범한 가상제품개발연구회는 제조업 분야의 가상 제품 개발 기술과 디지털 전환 사례를 공유하고 기술 교류를 통해 산업 분야의 글로벌 경쟁력을 높이는 것을 목표로 삼았다. 2021년부터는 매년 봄·가을 심포지엄과 특별 세션을 열고 있다. 가상제품개발연구회의 오세기 회장은 개회사에서 “빅데이터와 딥러닝으로 시작된 디지털 전환(DX)은 생성형 AI(generative AI)가 등장하면서 기업의 문화, 전략, 비즈니스 모델까지 인공지능 중심으로 재설계하는 인공지능 전환(AX) 시대로 진화하고 있다”면서, 그 동안 연구회 심포지엄의 모토였던 ‘디지털 전환으로의 여정’이 이제는 ‘인공지능 전환으로의 여정’으로 바뀌어야 할 시점이라고 밝혔다. 대한기계학회의 배중면 회장은 축사를 통해 “챗GPT (ChatGPT)나 생성형 AI로 대표되는 현대 인공지능 시대의 개막은 기계공학 분야에서도 예외가 아니며, 물리기반 모델과 인공지능의 융합, 시뮬레이션의 자동화, 그리고 설계 최적화의 지능화가 실현 가능한 시대가 되었다”고 짚었다. 그리고 “가상제품개발연구회는 디지털 기반 제품 개발의 혁신을 선도해 왔으며, 대한기계학회 역시 이 분야의 발전을 적극 뒷받침하겠다”고 전했다.   물리지식 기반 AI와 생성형 AI를 활용한 VPD KAIST의 이승철 교수는 ‘제품 개발 가상화를 위한 물리지식 기반 인공지능의 역할’을 주제로 기조연설을 진행했다. 생성형 AI를 활용한 제품 가상화 설계 및 공학 문제 해결 방법에 대한 고민을 전한 이승철 교수는 “생성형 AI의 출현 이후 디지털 전환에서 인공지능 전환의 시대로 진화했으며, 기계공학 분야에서도 물리기반 모델과 AI의 융합, 시뮬레이션 자동화, 설계 최적화의 지능화가 가능해졌다”고 강조했다. 생성형 AI는 하나의 입력값에서 많은 수의 결과를 생성하여 설계의 다양성을 확보하는 데에 유용하다. 특히, 위상 최적화에서 문제를 ‘불량 설정(ill-posed)’하여 다양한 최적화 설루션을 생성하고, 이를 전통적인 최적화 방법의 초기 조건으로 활용하여 설계 시간을 줄일 수 있다. 이승철 교수는 “생성형 AI를 제품 설계에 적용하는 과정에서는 정밀도와 다양성의 절충점을 찾는 것이 중요하다”고 짚었다. 또한, 이승철 교수는 VPD에 AI 신경망 학습을 접목하기 위한 방법론을 소개했다. 물리지식 기반 인공지능(PINN)은 물리 지식을 데이터 프레임워크에 결합하여 인공지능 학습에 활용하는 방식으로, 특히 알려지지 않은 물리적 특성을 예측하는 ‘역방향 문제 해결’에 장점이 있다. 딥 오퍼레이터 네트워크(DeepONet)는 입력 매개변수나 형상이 바뀌어도 재학습 없이 거의 실시간으로 해석 결과를 예측할 수 있어서, 입력 파라미터의 변경이 예측 결과에 곧바로 반영되지 못하는 PINN의 단점을 극복할 수 있을 것으로 보인다. 이승철 교수는 “물리지식 기반의 DeepONet은 유동장 및 압력 분포를 실시간으로 예측하고, 복잡한 형상 변화에 따른 유동, 압력, 온도장 등을 실시간으로 예측할 수 있음을 입증했다”면서, “인공지능 기반의 새로운 도구들이 공학 문제를 해결하고 설계 분야를 혁신하는 데에 기여할 것”이라고 전망했다.   ▲ KAIST의 이승철 교수는 물리지식 기반의 AI를 제품 개발에 적용하기 위한 방법론을 소개했다.   AI/ML 기반 가상 검증 사례와 활용 전략 이번 심포지엄을 가상제품개발연구회와 공동 주관한 다쏘시스템코리아의 김문성 파트너는 ‘AI/ML 기반 가상 검증 사례와 활용 전략’에 대해 소개했다. 그는 인공지능 기반의 생성형 경험(generative experience)이 창의적이고 자동화된 설계를 가능하게 하며, 인공지능/머신러닝이 제품 개발 과정에서 반복 작업을 줄이고 비용과 시간을 절감하는 데 기여한다고 전했다. 이번 발표에서는 시뮬레이션에 적용할 수 있는 다양한 머신러닝 기법이 소개됐다. 합성곱 신경망(CNN)은 이미지 특징 추출에, 순환 신경망(RNN)과 장단기 메모리(LSTM)는 시계열 데이터 예측에, 딥러닝은 복잡한 3차원 필드 데이터 예측에, 그리고 그래프 신경망(GNN)은 유한요소모델(FEM)과 같은 그래프 구조 데이터 처리에 유용하다는 것이 김문성 파트너의 설명이다. 또한, 김문성 파트너는 문제 정의 − 학습 데이터 준비(실험 계획법 및 자동화 스크립트 활용) − 모델 학습 − 신뢰도 검증 − 예측 모델 구축까지 다쏘시스템의 아바쿠스(Abaqus)와 아이사이트(Isight)를 활용하는 머신러닝 프로세스 구현 단계를 소개했다. 김문성 파트너는 AI/ML 기법의 시뮬레이션 적용 사례로 LSTM을 활용한 하중-변위 선도 예측, 디스플레이 스트레인 예측, 전자기 성능 예측 등을 소개했으며, GNN을 사용해 빔과 항공기 랜딩기어 부재의 3차원 응력/변형량 예측이 가능하다고 전했다. 그는 “머신러닝 기술이 시뮬레이션 작업의 효율을 높이고, 데이터 기반의 정확한 의사 결정을 지원하는 강력한 도구가 될 것”이라고 전망했다.   ▲ 다쏘시스템코리아 김문성 파트너는 AI/ML 기반의 가상 검증 전략과 사례를 소개했다.   VPD와 AI의 융합, R&D 혁신을 이끈다 이외에도 이번 심포지엄에서는 물리지식 기반 인공지능과 생성형 AI를 활용한 제품 가상화 설계 방안, AI/머신러닝 기반 가상 검증 사례와 활용 전략 등에 관한 논의를 통해 미래 제품 개발의 방향을 짚어보는 기회가 마련됐다. 주제 발표로는 ▲히타치 야마자키 미키 박사의 ‘AI가 주도하는 MBSE·MBD와 VPD의 융합 : 가상화를 통한 차세대 제품 개발 가속 및 DX 추진’ ▲피도텍 대표인 한양대 최동훈 교수의 ‘VPD 대중화로 가는 길 : Al-Aided Design Optimization’ ▲현대모비스 송준영 팀장의 ‘AI를 이용한 R&D Shift’ ▲LG전자 백영진 팀장의 ‘AI와 VPD 연계를 통한 효율적 제어 시스템 개발 프레임워크’ ▲한화에어로스페이스 윤용상 상무의 ‘디지털 해석 기술을 활용한 항공엔진 개발과 국내 항공엔진의 미래’ 등이 진행됐다. 또한 패널토론에서는 VPD와 AI의 융합을 통해 R&D 혁신을 이끌어낼 수 있는 가능성과 미래 방향에 대해 논의했다.      ■ 기사 내용은 PDF로도 제공됩니다. 

디지털 트윈과 산업용 메타버스 트렌드   데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다.  디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.   ▲ 철도 네트워크의 디지털 트윈 구축하는 독일 디지털 철도(이미지 출처 : 엔비디아)   1. 디지털 전환과 디지털 트윈 디지털 전환(Digital Transformation: DX)은 비즈니스 전 과정에 ICT 기술을 도입하여 전사적 업무, 생산 기술, 제품 등을 디지털화 한 후 이를 기반으로 가상 실험이 가능한 디지털 환경을 구축하는 것이다.  디지털 전환의 궁극적 목적은 기업 이윤 극대화에 필요한 업부/생산 효율성 및 제품 부가 가치 증대를 위한 다양한 창의적 대안들을 가상 실험을 통해 평가한 후 그 결과를 비즈니스 전 과정에 활용하는 것이다. 예를 들어, 스마트 팩토리의 디지털 전환은 조달 시스템, 생산 시스템, 물류 시스템 등 스마트 팩토리 구성요소들의 자원 할당 및 운용에 대한 다양한 대안들을 가상 실험을 통해 평가할 수 있는 환경을 구축하여야 한다. 그렇다면, 비즈니스 전 과정을 가상 실험하기 위해서는 무엇이 필요할까?  가상 실험을 하기 위해서는 먼저 가상 실험 대상(예: 제조 공장)을 선정하고, 다음으로, 가상 실험 시나리오(예:새로운 제조 장비 도입)가 필요하며 시나리오를 수행할 모델(예: 제조 공정 시뮬레이션 모델)이 필요하다. 이러한 가상 실험을 위한 모델이 디지털 트윈이며 이런 이유로 많은 사람들이 디지털 트윈을 DX의 Key(Richard Marchall, 2017), DX의 Enablers(Reterto Saracco, 2019), DX의 Central(Vijay Ragjumathan, 2019), DX의 Steppingstone(Harry Forbes, 2020), DX의 Pillar(Fransesco Belloni, 2020)라고 지적하였다.   2. 디지털 트윈의 정의 디지털 트윈은 물리적 자산, 프로세스 및 시스템에 대한 복제본으로 정의[Wiki 사전]되며, 복제본이란 대상 체계의 운용 데이터, 지형/공간/형상 정보 및 동작/운용 법(규)칙을 컴퓨터 속에 디지털화 해 놓은 것을 의미한다. 예를 들면, 제조 공장의 디지털 트윈은 제조 공장의 운용 데이터, 제조 공장의 공간/형상 정보, 그리고 제조 장비 동작 및 공정 모델이 컴퓨터 속에 복제된 것이 될 것이다. 디지털 트윈과 대상 체계가 쌍둥이기 때문에 쌍둥이 중 누가 먼저 태어났느냐에 따라 디지털 트윈의 이름을 다르게 붙이기도 한다. 대상 체계가 존재하기 전에 만들어진 디지털 트윈을 디지털 트윈 프로토타입(Prototype) 그리고 대상 체계가 만들어진 후 복제된 디지털 트윈을 디지털 트윈 인스턴스(Instance)라고 부른다. 디지털 트윈 프로토타입은 대상 체계 설계 단계에서 활용되며 디지털 트윈 인스턴스는 대상 체계의 운용 분석에 활용되는 것이 일반적이다. 디지털 트윈 인스턴스(실 체계의 복제본)와 디지털 트윈 프로토타입(실 체계의 설계 모델)이 모두 존재할 수도 있지만 디지털 트윈 프로토타입 없이 디지털 트윈 인스턴스만 존재할 수도 있다. 디지털 트윈 프로토타입과 인스턴스가 모두 존재한다면 인스턴스는 프로토타입에 실 체계 운용 정보가 반영되어 진화(성장)된 트윈으로 볼 수 있다. 3. 디지털 트윈 구축 목적 디지털 트윈의 구축 목적은 대상 실 체계와 디지털 트윈을 연동 운용함으로써 실 체계 관련 이해 당사자에게 지혜 수준의 혁신적 서비스를 제공할 수 있는 핵심 도구/수단으로 활용하기 위함이다. 데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다. 융합 빅 데이터는 AI-통계/공학 분석도구들을 이용하여 실 세계의 구성요소인 자산, 사람, 운용 프로세스들의 다양한 결합에 대한 분석/예측 및 체계 운용 최적 대안(최적화)을 찾는데 활용될 수 있다. 아울러, 융합 빅 데이터는 실 세계를 가상 환경에서 현실감 있게 표출할 수 있는 다양한 장비/장치와 VR/AR/XR/메타버스 관련 ICT 기술과의 융합 인터페이스를 통해 오락, 관광, 교육 훈련, 체험 등에 활용될 수 있다.     디지털 트윈의 복제 대상은 실 체계의 운용 데이터, 공간/형상 정보 및 실 체계에 포함된 객체들의 행위 모델 등 3가지이다. 운용 데이터는 실 체계에 설치된 IoT 장비로부터 획득이 가능하다. 공간/형상 정보는 서비스 목적에 따라 GIS, BIM 혹은 3D CAD 중 한 가지 이상을 결합하여 사용한다. 객체 행위 모델은 다양한 시나리오를 가상 실험하기 위한 시뮬레이션 모델을 사용하지만 서비스 목적에 따라서는 운용 데이터를 학습한 데이터 모델을 사용할 수도 있다. 구성요소 중 일부만을 사용한 디지털 트윈은 나머지 구성요소를 사용하지 않음으로 인한 한계점에 봉착하게 된다. 예를 들면, 실 체계 운용 데이터 복제만으로 구성된 IoT 기반 디지털 트윈은 수집된 데이터를 분석할 수는 있지만, 실 체계를 시각화한 지형/공간 상에 데이터를 표출할 수 없을 뿐만 아니라 실 체계와는 다른 가상 데이터를 입력한 시뮬레이션을 수행할 수 없다. 마찬가지로, 지형/공간 정보 만으로 구성된 디지털 트윈은 실 체계에서 일어나는 지형/공간 정보의 변화를 실 시간으로 반영할 수 없으며 시뮬레이션을 통한 실 체계의 현상 분석 및 미래 예측이 불가능 하다.      디지털 트윈의 효율적인 활용을 위해서는 위의 세 가지 구성요소 모두를 개발 및 운용할 수 있는 통합 플랫폼이 바람직하지만 국내외적으로 표준화된 디지털 트윈 플랫폼은 존재하지 않는다. 디지털 트윈의 특성 상 3가지의 디지털 트윈 구성요소 각각을 개발하는 독립적인 플랫폼을 사용하여 구성요소를 개발한 후 이들을 연동하여 운용하는 것이 효율적이다.  구체적으로는, 먼저, 디지털 트윈 개발 목적에 맞게 운용 데이터를 수집하는 IoT 플랫폼, 지형/공간 정보를 구축하는 지형/공간정보 플랫폼 및 모델링 시뮬레이션 플랫폼들을 이용하여 각 구성요소를 개발한다. 다음으로, 개발된 세 가지 구성요소를 실행하는 플랫폼들을 연동 운용하는 PoP(Platform of Platforms) 구조를 사용할 수 있다. PoP 구조는 디지털트윈의 목적에 부합되는 모든 디지털트윈을 개발/운용할 수 있는 플랫폼으로써 신뢰성 및 경제성(개발 기간 및 비용) 면에서 효율적인 구조이다. PoP 구조를 사용할 경우 플랫폼들 사이의 연동을 위한 데이터 모델과 API의 국제적인 표준화가 요구되며 데이터 모델의 표준은 대상 시스템에 따라 달라질 수 있다.  디지털 트윈을 실제 시스템에 대한 문제 해결 목적으로 사용하기 위해서는 대상 시스템에 대한 다양한 질문의 답을 디지털 트윈을 통해서 얻을 수 있는 서비스가 제공되어야 한다. OR 이론의 창시자 중 한 명으로 경영 과학 이론가인 R.L.Ackoff 교수는 사람이 생각하는 내용을 데이터, 정보. 지식, 지혜 등 4가지로 분류하였다. 데이터는 단순한 심벌(숫자나 문자)을 말하지만 정보는 ‘who’, ‘what’, ‘where’, ‘when’을 답할 수 있고, 지식은 ‘how’를 답할 수 있고, 지혜는 ‘why’를 답할 수 있어야 한다고 정의하였다. 디지털 트윈의 서비스 수준을 Ackhoff 교수의 분류법에 매핑 시킨다면 정보 수준 서비스는 시스템 분석(현상, 기능 등), 지식 수준 서비스는 시스템 예측(행위, 성능 등) 그리고 지혜 수준 서비스는 시스템 최적화(운용 최적화 등) 및 진단(수명 진단 등)에 해당한다. 예를 들어, 교통 시스템에 대한 다양한 질문을 답하기 위해 교통 디지털 트윈을 만들었다고 하자. 정보 서비스의 예는 현재 교통 시스템의 현상을 분석하는 것으로 어느 위치의 현재 시간대에 단위 시간당 교차로 통과 차량 대수가 얼마인지에 대한 답을 하는 서비스이다. 지식 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 얼마가 되는지를 예측하는 질문에 대한 답을 하는 서비스이다. 지혜 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 최소가 되는 최적화된 경로가 어떤 것인지의 질문에 대한 답을 하는 서비스이다.    4. 디지털 트윈의 구성요소 디지털 트윈의 3 가지 구성요소 중 행위 모델은 목적에 따라 데이터 모델과 시뮬레이션 모델로 대별된다. 데이터 모델은 실 체계에서 수집된 데이터들 사이의 상관관계를 기계학습하여 얻어진 모델(예: 인공신경망)로서 지식 서비스를 위한 시스템 행위 예측에 한계점을 가지고 있다. 구체적으로, 데이터 모델은 학습된 데이터 영역에서는 미래 예측이 가능하지만 학습된 영역 밖의 데이터에 대한 예측은 불가능 하다. 뿐만 아니라 학습 시와 예측 시의 시스템 운용 조건이 달라질 경우에도 예측이 불가능하다. 앞서 예시한 교통 디지털 트윈으로 데이터 모델을 사용할 경우 학습 시 도로 상황(운행 시간, 사고 발생 유무 등)이 예측 시 도로 상황과 동일하지 않으면 소요 시간 예측의 정확도가 보장되지 않는다. 더욱이, 시스템 변수 사이의 상관 관계로 표현된 데이터 모델은 변수 사이의 인과 관계가 필요한 시스템의 최적화 및 고장 진단 등에는 활용할 수 없다. 이러한 데이터 모델의 서비스 한계를 극복하기 위해서는 시뮬레이션 모델을 사용할 수 있다. 시뮬레이션 모델은 구축은 대상 시스템에 대한 도메인 지식과 이를 표현하는 지배 법칙에 대한 수학적/논리적 표현 방법을 이해해야 하므로 데이터 모델에 비해 고 비용이 요구된다. 따라서, 디지털 트윈의 행위 모델은 대상 시스템의 서비스 목적과 수준에 따라 다르게 선택될 수 있다.    5. 디지털 트윈의 발전 전망  디지털 트윈의 향후 발전 전망은 문제 해결과 가상 체험 및 빅 데이터 분야로 대별할 수 있다. 문제 해결 분야에서 디지털 트윈의 대상은 분석, 예측, 최적화/진단 대상이 되는 모든 시스템 분야로서 산업(제조, 생산, 물류, 식물공장 등), 공공(교통, 환경, 금융 등), 의료(진단, 인공장기, 가상수술 등), 재난안전(안전점검, 피해분석, 대피훈련 등), 국방(군사훈련, 국방분석, 무기체계 획득 등)등을 포함한다.  현재 디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.  가상 체험 분야는 디지털 트윈이 실 세계 혹은 가상 세계를 움직이는 다양한 시나리오를 정형화한 지배 법칙(모델)을 실행(시뮬레이션)하는 수단으로 활용될 전망이다. 이러한 지배법칙 실행은 실제 세계와 가상 세계의 구별 없는 가상 체험을 목표로 하는 메타버스의 서비스 콘텐츠를 제공한다. 따라서, 메타버스 발전을 위해서 메타버스의 서비스 컨텐츠를 제공하는 디지털 트윈 발전이 필수적으로 향후 메타버스와 디지털 트윈은 동시에 발전할 전망이다.  빅 데이터 분야에서는 디지털 트윈의 가상 실험을 통해 실 체계에서는 물리적/경제적 이유로 수집 불가능한 다양한 빅 데이터를 생성하는데 활용될 전망이다. 유의미한 빅 데이터 생성을 위해서는 실 체계에서 수집 가능한 데이터를 사용하여 디지털 트윈 모델의 검증이 선행된 후 실 체계에서 수집 불가능한 데이터 생성을 위한 가상 실험이 설계되어야 한다. 디지털 트윈을 사용한 빅 데이터 생성은 시스템 기능 검증, 예지 진단 및 기계학습 등과 같은 부가가치가 높은 데이터 생성에 집중되어 미래 데이터 구독 시장 활성화에 기여할 전망이다.   김탁곤 명예교수  KAIST 전기전자공학부  

델 테크놀로지스가 지난 3월 26일, 서울 그랜드 인터컨티넨탈 파르나스에서 ‘델 생성형AI 메가 런치(GenAI Mega Launch)’를 열고 2025년형 AI PC 및 클라이언트 제품들을 대거 공개했다. 이번 행사는 ‘델(Dell)’이라는 단일 브랜드로 클라이언트 제품군을 통합한 이후 첫 공식 발표 자리로, 델의 클라이언트 전략이 AI 중심으로 재편되고 있다는 점을 강조하는 무대였다. ■ 박경수 기자   ▲ 델 테크놀로지스 생성형AI 메가 런치(GenAI Mega Launch)’ 행사 전경   델은 ‘NPU(Neural Processing Unit, 신경망 처리 장치)’를 탑재한 차세대 AI PC는 물론, 워크스테이션, 클라우드 인프라, 데이터센터, 소프트웨어 및 AI 서비스까지 아우르는 ‘엔드-투-엔드 AI 포트폴리오’를 통해 시장을 선도하겠다는 청사진을 밝혔다. 워크스테이션 포트폴리오인 ‘델 프로 맥스(Dell Pro Max, 전 ‘델 프리시전’)’ 라인업에 엔비디아의 가장 강력한 전문가용 그래픽 설루션인 엔비디아 GB10·GB300 슈퍼칩을 탑재하는 등 최신 AI 기술을 발빠르게 적용해 제품 포트폴리오를 빠르게 확장하고 있다.   브랜드부터 제품군까지 통합…3단계 AI PC 라인업 도입 올해 초부터 델은 기존의 PC, 모니터, 액세서리, 서비스 브랜드를 ‘델’로 통합하고, AI PC 선택을 쉽게 하기 위해 ‘델 프로 노트북(Dell Pro Laptop)’ 시리즈로 기업용 라인업을 재정비했다. 등급도 ‘엔트리’, ‘플러스(Plus)’, ‘프리미엄(Premium)’으로 세분화해 고객의 요구와 예산에 따른 맞춤형 선택이 가능하다. ‘델 프로 노트북’은 인텔 코어 울트라 시리즈 2(Intel Core Ultra processors Series 2) CPU를 탑재했으며, 추후 AMD 라이젠(AMD Ryzen) 프로세서를 탑재한 제품도 출시될 예정이다. 고성능 CPU, GPU, NPU를 탑재해 ‘코파일럿’과 같은 온-디바이스 AI 기능과 향상된 배터리 수명을 지원해 강력한 생산성을 안정적으로 제공한다. 깔끔한 디자인에 작고 슬림한 폼팩터를 갖췄고, 내구성이 우수한 소재를 적용해 휴대성이 뛰어나다. 또한 ‘델 프로 노트북’에는 사용자들이 최적의 AI 모델을 찾고 훈련하여 애플리케이션에 적용하도록 돕는 NPU 기반의 ‘델 프로 AI 스튜디오(Dell Pro AI Studio)’ 툴킷이 탑재됐으며, 이를 통해 AI 모델 개발 및 배포까지의 기간이 대폭 줄어들 것으로 예상된다. 델 노트북의 대표 모델인 ‘델 프로 13 프리미엄’은 약 1kg 초경량에 13형 디스플레이, 고해상도 8MP HDR 카메라, 조용한 듀얼 팬 냉각 시스템을 갖췄고, AI 워크로드 속도는 이전 세대 대비 3.5배 향상됐다. ‘델 프로 14 플러스’는 배터리 지속 시간이 46% 늘었고, AI 처리 성능도 3.7배 향상됐다. 두 제품 모두 인텔 코어 울트라 시리즈 2 CPU를 탑재했으며, 향후 AMD 라이젠 탑재 모델도 선보일 예정이다. 그리고 온디바이스 AI 지원, NPU 기반 ‘델 프로 AI 스튜디오’ 툴킷을 제공해 AI 모델 훈련과 배포까지 지원하는 점이 특징이다.   ▲ 한국 델 테크놀로지스 오리온 상무   한국 델 테크놀로지스의 오리온 상무는 “지난 2020년 코로나19의 등장으로 노트북과 PC에 대한 수요가 크게 늘었다. 이제 4년이 지난 상황이라 PC 및 노트북 교체 수요가 증가할 것으로 보고 있다”면서 2025년 PC 시장의 기회 요소를 설명했다. 또한 “2024년 AI가 PC 및 노트북 등 사용자의 업무 환경들을 변화시키고 있다”며, “오는 10월에 마이크로소프트가 윈도우 10에 대한 지원을 중단할 예정이라, 윈도우 11로 전환될 경우 새로운 노트북과 PC 환경에 대한 수요가 크게 늘어날 것으로 기대한다”고 말했다. 한국 델 테크놀로지스 정재욱 부장은 “노트북, 데스크톱, 워크스테이션, 서버에 이르는 델의 모든 제품들이 ‘델’이라는 통합 브랜딩으로 바뀌었다”고 말했다. 하지만 “델 에이리언처럼 기존 브랜딩 네이밍도 살려 마케팅을 강화해 나갈 계획이다”라고 말했다. 또한 “인텔 CPU 외에도 새롭게 AMD, 퀄컴과 협력하게 되어 개인용 및 기업용에서도 더 다양한 제품군을 공급할 수 있게 됐다”고 설명했다.   ▲ 한국 델 테크놀로지스 정재욱 부장   모니터 라인업도 일원화… IPS 블랙 기술로 차별화 모니터 분야도 사용자의 니즈에 따라 모니터 제품을 손쉽게 선택할 수 있도록 ‘델 울트라샤프(Dell UltraSharp)’, ‘델 프로(Dell Pro)’, ‘델’로 구분한 통합 브랜딩을 적용했다. 그 중 가장 주목받은 제품은 ‘델 울트라샤프 27 4K 썬더볼트 허브(U2725QE)’로, 세계 최초로 3000:1 명암비의 IPS 블랙 기술을 적용했다. 기존 IPS 대비 47% 깊은 블랙 표현, 89% 향상된 실외 명암비를 제공하며, TUV 라인란드 5-스타 인증, 최대 140W 썬더볼트 PD 충전도 지원한다. 함께 공개된 ‘델 프로 14 플러스 포터블 모니터(P1425)’와 ‘델 프로 32 플러스 4K 허브 모니터(P3225QE)’는 각각 휴대성과 시각 경험 강화를 겨냥한 제품으로, 이동성·색 정확도·화면 공유 편의성을 모두 갖췄다. 델 프로 14 플러스 포터블 모니터는 16:10 화면 비율의 14인치 IPS 디스플레이를 탑재한 초경량 휴대용 모니터로, 65W 전력 공급 및 데이터 전송, 영상 출력을 위한 USB-C 타입 단자를 내장해 사용자의 편의성을 높였다. 10도부터 90도까지 기울기 조절이 가능한 틸트(tilt) 기능으로 사용자의 세컨드 모니터로 활용하거나 대면 회의 중 모니터를 기울여 다른 참석자와 화면을 공유하는 데 유용하며, 100×100 VESA 마운트로 모니터 암에 거치할 수도 있다. 32인치 4K 모니터인 ‘델 프로 32 플러스 USB-C 허브 모니터’는 100Hz의 고주사율과 99% sRGB 색역대, 1500:1 명암비를 지원하며, TUV 라인란드(TUV Rhineland)의 ‘아이 컴포트(eye comfort)’ 부문 ‘4-star’ 인증을 받아 선명하면서도 편안한 시각 경험을 제공한다.   ▲ 델 테크놀로지스 미디어 간담회 전경   ‘하드웨어 회사’에서 ‘AI 통합 파트너’로 이번 행사는 델이 단순한 PC 제조사를 넘어, AI 시대에 맞는 인프라와 디바이스, 소프트웨어, 툴킷까지 아우르는 ‘AI 통합 파트너’로 진화하고 있음을 보여주는 자리였다. 브랜드 통합과 제품 포트폴리오 재정비는 그 출발점이며, 향후에는 파트너십과 생태계 전략을 어떻게 확장해나갈지가 관건이다. 한국 델 테크놀로지스 김경진 총괄사장은 “올해는 AI가 일상과 업무 환경에 필수 기술로 자리 잡는 원년이 될 것으로 예상되는 가운데, 델은 사용자들이 AI 시대의 다양한 니즈에 맞춰 최적의 클라이언트 제품을 선택할 수 있도록 새로운 통합 브랜딩을 선보였다”라며, “델 테크놀로지스는 클라이언트 설루션부터 서버, 스토리지, 소프트웨어 및 서비스와 개방형 에코시스템에 이르기까지 다양한 AI 사용 사례를 구현할 수 있는 엔드-투-엔드 AI 포트폴리오를 보유하고 있으며, 고객들이 AI 기반의 미래에 민첩하게 대응하고 최고의 생산성과 효율성을 구현할 수 있도록 최선을 다해 지원하고 있다”고 말했다.   ▲ 한국 델 테크놀로지스 김경진 총괄 사장     ■ 기사 내용은 PDF로도 제공됩니다.