샌디스크가 https://shop.sandisk.com/ko-kr 크리에이터와 전문가의 AI 기반 워크플로 및 콘텐츠 제작을 한층 빠르게 지원하는 차세대 NVMe SSD ‘WD 블루 SN5100 NVMe SSD’를 출시했다. 새롭게 선보이는 PCIe Gen4 기반의 이번 신제품은 이전 세대 대비 약 30% 향상된 속도를 제공해, 고해상도 영상·이미지 등 대용량 애셋의 편집, 렌더링, 파일 전송 작업을 더욱 빠르게 처리할 수 있다. WD 블루 SN5100 NVMe SSD는 샌디스크 BiCS8 QLC CBA NAND 기술로 설계돼 4K·8K 영상과 큰 규모의 프로젝트 폴더 작업도 매끄럽게 지원한다. 기존 시스템 업그레이드는 물론 신규 워크스테이션 구축에도 적합하며, 사용자는 더 빠른 제작 속도와 넉넉한 저장 공간, 안정적인 멀티태스킹을 경험할 수 있다. 이와 함께 5년 제한 보증도 제공된다. 새로운 WD 블루 SN5100 NVMe SSD는 BiCS8 QLC 3D 낸드와 CBA(CMOS Bonded to Array) 기술을 기반으로, 1TB~2TB 모델에서 최대 7100MB/s의 읽기 속도를 제공한다. SANDISK nCache 4.0 기술을 통해 애플리케이션 응답성을 높이고, 대용량 파일이나 프로젝트 폴더도 빠르게 복사할 수 있다. 또한, 500GB부터 4TB까지 다양한 용량 옵션을 제공해 대규모 프로젝트를 위한 저장 공간을 지원한다.   샌디스크 WD 블루 SN5100 NVMe SSD는 현재 네이버 스마트스토어 등 주요 온라인 쇼핑몰을 통해 구매 가능하다. 국내 소비자 권장 가격은 용량에 따라 500GB 11만 원, 1TB 16만 5000원, 2TB 33만 원, 4TB 66만 원이다.

헥사곤 매뉴팩처링 인텔리전스는 전문가 수준의 레이저 스캐닝 기능을 다양한 산업의 입문 사용자까지 확장하는 핸드헬드(handheld) 3D 스캐너 ‘아틀라스캔 프로(ATLASCAN Pro)’를 출시했다. 헥사곤은 “다중 레이저 라인과 독자적인 프로세싱 알고리즘을 적용한 아틀라스캔 프로는 누구나 쉽게 배우고 저렴하게 구매할 수 있으며, 빠른 스캐닝 속도와 높은 데이터 품질을 동시에 구현한다”고 소개했다. 다용도로 사용 가능한 이 스캐너는 무게가 1kg으로 펌프 하우징, 자동차 차체 또는 가전제품 등 다양한 부품을 현장에서 직접 스캔할 수 있다. 최대 2시간 사용 가능한 교체식 배터리와 와이파이 7을 지원하는 무선 옵션을 제공하며, 동적 스캐닝 기능을 통해 프로펠러나 배관 내부처럼 불안정한 환경이나 이동 중인 부품도 원활하게 스캔할 수 있다.     아틀라스캔 프로는 표준 모드에서 최대 720×640mm 범위를 초당 400만 포인트의 속도로 스캔한다. 사용자는 손가락으로 조작 가능한 인체공학적 스위치를 통해 표준 모드와 고정밀 모드를 쉽게 전환할 수 있으며, 고정밀 모드에서는 160×140mm 영역을 높은 해상도로 측정할 수 있다. 역설계 워크플로 역시 간소화됐다. 사용자는 손상된 부품이나 전기 커넥터처럼 작은 부품을 다양한 각도에서 스캔해 누락된 세부 정보를 포착하고, 추가 보정이나 후처리를 최소화할 수 있다. 또한 헥사곤은 기존 워크플로에 즉시 연동 가능한 환경을 제공하기 위해, 지오매직 디자인 X 고(Geomagic Design X Go) 소프트웨어를 포함한 스타터 번들을 추가 비용 없이 제공한다고 전했다. 이를 통해 사용자는 원본 설계 없이도 부품을 재현하고, 3D 모델 제작 또는 적층 제조용 데이터로 빠르게 전환할 수 있다. 전문가는 CAD 기능이 강화된 지오매직 디자인 X(Geomagic Design X)로 업그레이드하거나, 선호하는 역설계 소프트웨어를 사용할 수도 있다. 아틀라스캔 프로는 품질 관리 및 검사를 위해 VDI/VDE 2634-3 규격에 따라 인증되었으며, 헥사곤의 HH 스캔(HH Scan) 소프트웨어가 포함되어 있어 누구나 손쉽게 3D 컬러맵, 기하학적 형상 및 보고서 작성을 시작할 수 있다. 또한 이 스캐너는 소프트웨어에 독립적이기 때문에, 출시 시점부터 지오매직 컨트롤 X(Geomagic Control X)와 지오매직 디자인 X에 대한 직접 스캔을 지원하며, 타사 소프트웨어 지원도 추가될 예정이다. 아틀라스캔 프로는 계측 등급의 아틀라스캔 맥스(ATLASCAN Max)와 내장 포토그래메트리 기능을 갖춘 타깃 프리 휴대용 3D 스캐너인 마블스캔(MARVELSCAN)을 보완한다. 특히, 지난 2025년 5월 출시된 하이퍼 스캔(HYPERSCAN) 시리즈는 0.05~0.14mm의 정확도로 4m이상의 대형 물체나 이동하는 대상을 측정하기에 적합하며, 광학식 트래커와 스캐너 시스템을 결합하여 실시간 동적 트래킹을 제공해 헥사곤의 휴대용 3D 스캐너 라인업을 완성한다. 헥사곤의 대런 고(Darren Goh) 핸드헬드 3D 스캐너 제품 디렉터는 “아틀라스캔 프로는 누구나 손쉽게 사용할 수 있는 핸드헬드 3D 스캐너로, 빠르고 전문적인 수준의 스캐닝 성능을 필요한 이들에게 합리적인 가격에 제공하며, 헥사곤의 지속적으로 확대되고 있는 3D 핸드헬드 스캐너 제품군을 한층 강화한다”면서, “욕조, 유아용 장난감, 버스 제조 등 모든 애플리케이션이 헥사곤이 자랑하는 초정밀 측정 수준을 요구하는 것은 아니다. 이번 신제품을 통해 사용자가 유지보수, 역설계, 3D 모델 생성 등 고생산성 워크플로를 일상 업무에 통합할 수 있는 새로운 기회가 열리게 될 것으로 기대한다”고 말했다.

독일의 PLM(제품 수명주기 관리) 전문 기업인 콘택트 소프트웨어(CONTACT Software)가 오는 11월 13일 서울에서 ‘CONTACT Elements LIVE Tour 2025(CELT Korea)’ 행사를 개최한다고 전했다. 이번 세미나는 ‘Fast Forward - 디지털 전환(Digital Transformation)’을 주제로 제조 산업 전반의 디지털 혁신과 AI(인공지능) 기반의 업무 프로세스 자동화를 중점적으로 다룬다. 행사는 콘택트 소프트웨어가 주최하며, 국내 파트너사인 세원에스텍과 슬렉슨(SLEXN)이 함께 참여하는 이번 행사에서는 전기 레이싱카 제조사 사례를 통해 아이디어 창출부터 애프터서비스까지 AI가 제품 개발의 모든 단계를 어떻게 혁신할 수 있는지를 콘택트의 클라우드 기반 PLM 설루션을 통해 소개한다.     세션은 ‘Fast Forward’ 시리즈로 구성돼 있으며, ’경영부터 생산 현장까지의 AI 혁신’ 키노트를 비롯해 ▲제품 개발과 요구사항 관리의 자동화 ▲엔지니어링 변경 관리 및 생산 연계 워크플로 ▲AI 기반 의사결정 지원 및 지속가능한 혁신 전략 ▲제조·생산 프로세스의 실시간 추적 및 서비스 관리 등에 관한 프레젠테이션과 라이브 데모가 진행된다. 또한 콘택트 고객의 실제 사례 발표와 파트너사 프레젠테이션, 그리고 만찬 네트워킹이 이어진다. 참석자들은 디지털 전환을 고민하는 국내 제조업계 관계자, IT 및 PLM 담당자, 그리고 지속가능한 제품 개발을 모색하는 전문가들로 구성될 예정이다. 콘택트 소프트웨어 코리아의 이상훈 한국영업대표는 “이번 CELT Korea는 단순한 기술 세미나가 아니라 AI와 PLM이 결합해 만들어내는 미래 제조 혁신의 방향을 직접 체험할 수 있는 자리”라면서, “디지털 전환을 준비하는 모든 기업에 새로운 영감을 제공할 것”이라고 말했다.

매스웍스는 엔지니어, 과학자, 연구원의 생산성을 높이고 개발을 가속화하는 매트랩(MATLAB)용 생성형 AI 어시스턴트 ‘매트랩 코파일럿(MATLAB Copilot)’을 출시했다. 매트랩 및 시뮬링크 릴리스 2025b(Simulink Release 2025b, R2025b)에서 제공되는 매트랩 코파일럿은 매트랩 환경 내에서 코딩, 디버깅, 학습을 간소화하도록 설계되었다. 매트랩 코파일럿은 개발 워크플로 전반에 걸쳐 사용자를 지원하는 지능형 기능을 제공한다. 사용자는 매트랩 코파일럿 채팅(MATLAB Copilot Chat)에서 질문을 하고 매스웍스 문서와 실제 코드 예제를 기반으로 답변을 받아, 매트랩 환경을 벗어나지 않고도 신뢰할 수 있고 상황에 맞는 정보에 빠르게 접근할 수 있다. 사용자가 매트랩 편집기(MATLAB Editor)를 사용할 때 코파일럿이 자동 완성과 코드 예측을 제안하거나 자연어로 작성된 설명으로부터 코드를 생성하여, 더 빠른 개발과 더 효율적인 프로토타이핑을 가능하게 한다. 매트랩 코파일럿은 익숙하지 않은 코드를 설명하고, 주석을 추가하며, 오류 설명을 명확히 설명하고, 매트랩 테스트(MATLAB Test)를 사용하여 테스트를 생성하기도 한다. 이러한 기능은 디버깅 시간을 줄이고, 코드 품질을 향상시키며, 팀 간 더 빠른 온보딩과 협업을 지원한다.     매스웍스 엔지니어링 부서의 로이 루리(Roy Lurie) 부사장은 “매트랩 코파일럿은 사용자가 프로그래밍이 아닌 엔지니어링과 연구에 집중할 수 있도록 지원한다는 매스웍스의 오랜 접근 방식을 이어간다”면서, “기존 매트랩 워크플로에 생성형 AI를 직접 통합함으로써 매트랩 코파일럿은 매트랩과 시뮬링크를 엔지니어링 혁신 플랫폼으로 강화하여, 수백만 명의 엔지니어와 과학자가 세계에서 가장 혁신적인 엔지니어링 시스템을 설계하고 구축할 수 있도록 지원한다”고 말했다. 매스웍스의 세스 디랜드(Seth DeLand) 생성형 AI 부문 수석 제품 마케팅 매니저는 “매트랩 코파일럿은 엔지니어, 과학자, 연구원들이 이미 익숙하고 신뢰하는 매트랩 환경 안에서 그대로 활용할 수 있도록 설계되었다”면서, “이는 코드를 더 빠르게 작성할 수 있도록 지원할 뿐만 아니라 전체 개발 프로세스를 더 직관적이고, 협력적이며, 궁극적으로 더 강력하게 만드는 것이다. 앞으로 사용자들이 매트랩 코파일럿을 어떻게 활용할지 기대된다”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.

앤시스 워크벤치를 활용한 해석 성공 사례   터보기기 해석에 많이 쓰이는 앤시스 설루션으로 앤시스 CFX(Ansys CFX)가 있다. 앤시스 플루언트(Ansys Fluent)를 이용하여 터보기기를 해석할 수 없는 것은 아니었지만, 굳이 애써서 할 필요성은 없었다. 하지만 플루언트의 GPU 솔버가 적극적으로 도입된 이 시점에서, GPU를 이용하여 터보기기를 해석할 수 있다면 해석 속도에 있어서 상당한 이점을 가져올 수 있다. 플루언트의 터보 워크플로(Turbo Workflow)는 사용자 편의성을 갖추어 손쉽게 터보기기 해석을 할 수 있도록 지원하고 있다. 플루언트의 터보 워크플로를 이용하여 터보기기를 해석하는 방법을 예제를 통하여 알아보자.   ■ 한성훈 태성에스엔이 FBU-F3팀에서 수석매니저로 근무하고 있으며, 유동 해석 기술 지원 및 교육, 용역 업무를 담당하고 있다. 홈페이지 | www.tsne.co.kr   해석 모델 이번 호에서 다루는 해석 모델은 TFD Hannover 축류압축기이며, <그림 1>과 같이 앞쪽에서부터 총 3 Rows(1.5 단)를 해석 대상으로 한다. 각 단은 IGV – Rotor – Stator로 구성되어 있다. 격자 파일은 플루언트 튜토리얼 turbo_workflow.zip을 다운로드하여 압축을 해제하면 얻을 수 있으며, 앤시스 터보그리드(Ansys TurboGrid)로 생성된 세 개의 파일(IGV.gtm, R1.gtm, S1.gtm)로 구성된다. IGV는 26개, Rotor는 23개, Stator는 30개로 이루어져 있으며, 해석에서는 주기 경계조건을 적용하여 각각 1개의 섹터만을 모델링한다.   그림 1. Schematic Rows   터보 워크플로 시작하기 터보 워크플로는 다음의 경로에서 터보 워크플로를 활성화하여야 시작할 수 있다. Domain → Turbomachinery → Turbo Workflow → Enable Workflow   그림 2. 터보 워크플로 활성화   활성화가 되면 <그림 3>과 같이 Workflow 작업 메뉴들이 생성된다.   그림 3. Turbo Workflow Task   Turbo와 관련된 환경설정 Cell과 Face zone 및 Turbo Topology에 적절한 영역을 할당하기 위해 연관성 설정을 수행한다. 이를 통해 플루언트가 특정 문자열 구성을 일정한 순서로 인식하도록 지시하여, 영역 매핑을 보다 쉽게 수행할 수 있다. File → Preference → Turbo Workflow에서 <그림 4>와 같이 세팅한다.   그림 4. Preference turbo workflow   Describe Component Component Type : Axial Compressor Component Name : hannover Number of Rows : 3 Row1 : name – igv, Type – stationary, #sectors – 26, End Wall Gap – no Row2 : name – r1, Type – rotating, #sectors – 23, End Wall Gap – yes Row3 : name – s1, Type – stationary, #sectors – 30, End Wall Gap – no   그림 5. Describe component     ■ 자세한 기사 내용은 PDF로 제공됩니다.

워크스테이션은 콤팩트한 외형 속에 데스크톱급 성능을 담아낸 전문가용 시스템이다. 단순한 소형 PC와 달리, 3D·영상·AI·엔지니어링 등 고성능이 필요한 크리에이터와 전문 작업자를 위해 설계된 것이 특징이다. 이번 리뷰에서는 실제 소프트웨어 워크플로와 AI·LLM 테스트까지 다양한 관점에서 심층 평가를 진행했다.   ▲ HP Z2 미니 G1a   하드웨어 및 설치 환경 HP Z2 미니 G1a(HP Z2 Mini G1a)의 가장 큰 강점 중 하나는 강력한 하드웨어 스펙이다. AMD 라이젠 AI 맥스+ 프로 395(AMD Ryzen AI Max+ PRO 395) 프로세서(16코어 32스레드, 3.00GHz), 최대 128GB LPDDR5X 메모리, 8TB NVMe SSD, 그리고 16GB VRAM을 탑재한 라데온 8060S(Radeon 8060S) 통합 그래픽 등, 동급 소형 워크스테이션에서는 보기 힘든 구성을 갖췄다. 특히 메모리는 최대 128GB까지 확장 가능하며, 이 중 최대 96GB를 그래픽 자원에 독점 할당할 수 있다. 듀얼 NVMe 및 RAID 지원으로 대용량 데이터 처리와 안정성을 확보했으며, 50TOPS에 달하는 NPU 성능 덕분에 AI 추론 등 최신 워크로드도 소화할 수 있다. 테스트는 윈도우 11 프로 기반, 64GB RAM과 16GB 라데온 8060S, 듀얼 NVMe SSD가 장착된 구성으로 진행됐다.   ▲ HP Z2 미니 G1a의 하드웨어 스펙   전문 소프트웨어 워크플로 직접 HP Z2 미니 G1a를 사용해 본 첫 인상은 “미니 사이즈에서 이 정도 성능이라니?”였다. 크기는 작지만, 성능은 결코 작지 않았다. 시네마 4D(Cinema 4D)로 복잡한 3D 신을 제작하고, 지브러시(ZBrush)에서 대형 폴리곤 모델링과 서브툴 멀티 작업을 해 보니 작업 흐름이 부드럽고, 장시간 동작에도 다운이나 랙 없이 꾸준한 성능으로 작업할 수 있었다. 시네벤치(Cinebench), 시네마 4D, 지브러시, 애프터 이펙트(After Effects), AI 생성형 이미지·영상, LLM 실행 등 전 영역에서 성능 저하를 체가하기 어려웠다. 시네마 4D에서는 수십만~수백만 폴리곤에 달하는 대형 3D 신 파일을 불러오고, 뷰포트 내 실시간 조작이나 배치 렌더링, 애니메이션 키프레임 작업에서 CPU 기반 멀티스레드 성능이 큰 장점을 발휘했다. 시네벤치 2024 멀티코어 점수는 1832점으로, 애플의 M1 울트라보다 높은 수치를 달성해 전문 사용자에게 매력적인 대안이 될 것으로 보인다.   ▲ 시네마 4D에서 테스트   애프터 이펙트 환경에서는 GPU 가속 지원이 부족한 점에도 불구하고, 강력한 CPU 성능 덕분에 고해상도(4K) 다중 레이어 영상 합성, 이펙트, 복수 트랙 편집에서도 랙이나 끊김 없이 작업을 이어갈 수 있었다. 시네마 4D, 지브러시, 콤피UI(ComfyUI) 등과의 멀티태스킹 환경에서도 리소스 병목 없이 쾌적하게 여러 프로그램을 병행 실행하는 것이 가능했다.   ▲ 애프터 이펙트에서 테스트   아이언캐드 대형 어셈블리 테스트 엔지니어링 현장에서 요구되는 대형 어셈블리 작업을 검증하기 위해 동료와 함께 아이언캐드(IronCAD)로 2만여 개(2만 1800개)에 달하는 파트가 포함된 820MB 대용량 CAD 파일을 로딩해 테스트를 진행했다. 이 워크플로는 최근 산업·기계 설계 현장에서 자주 마주치는 극한 환경을 그대로 반영한 조건이었다. 테스트 결과, HP Z2 마니 G1a의 평균 FPS는 약 19로 측정됐다. 이는 노트북용 RTX2060 GPU가 내는 실제 CAD 작업 성능과 동등한 수준에 해당한다. 고용량 모델의 빠른 불러오기, 실시간 3D 뷰 조작, 개별 파트 속성 편집 작업에서 큰 병목이나 지연 없이 효율적인 사용 경험을 확인했다. 대형 파일임에도 불구하고 시스템 자원 부족이나 다운 없이 멀티태스킹 환경에서도 안정적으로 작업이 이어지는 점이 인상적이었다.   ▲ 아이언캐드에서 테스트   AI 및 LLM 활용 AI 작업이나 LLM 실행에서도 강점이 명확했다. 콤피UI에서 Wan2.2, Video-wan2_2_14B_t2v 같은 고사양 텍스트-비디오 생성 모델도 무리 없이 돌릴 수 있었고, LM 스튜디오(LM Studio)와 올라마(Ollama) 기반의 대형 LLM 역시 빠른 추론 속도를 보여줬다. NPU(50TOPS)의 연산 가속과 64GB RAM의 넉넉함 덕분에, AI 모델 로컬 실행/추론에서 항상 안정적인 환경이 보장된다는 느낌이다. 오픈소스 AI 이미지 생성이나 텍스트-비디오 워크플로도 CPU-메모리 조합만으로 병목 없이 부드럽게 동작했다. 쿠다(CUDA)를 지원하지 않는 환경의 한계로 일부 오픈소스 AI 툴은 실행에 제약이 있었으나, CPU와 NPU 조합만으로도 로컬 기반 AI 이미지 생성 및 텍스트-비디오 워크플로에서 동급 대비 빠르고 매끄러운 결과를 보였다.    ▲ 콤피UI에서 테스트   LLM 분야에서는 LM 스튜디오와 올라마를 이용해 7B~33B 규모의 다양한 대형 언어 모델을 구동했다. 64GB RAM과 50TOPS NPU의 지원 덕분에 GPT-3.5, 라마 2(Llama 2) 등 대용량 파라미터 기반의 모델도 실제 업무에서 실시간 질문-응답, 코드 자동완성, 문서 요약 등에 무리 없이 활용 가능했다.   ▲ LLM 테스트   통합 메모리 아키텍처 효과 Z2 미니 G1a의 최고 강점은 UMA(통합 메모리 아키텍처)에 있다. 이 기술은 시스템 메모리(RAM)의 상당 부분을 GPU 연산에 직접 할당해, 기존 분리형 GPU VRAM 성능의 한계를 극복한다. 실제로 탑재된 메모리(64GB~128GB 중 구매 옵션에 따라 선택)를 GPU에 최대 96GB까지 독점적으로 할당할 수 있으며, 복잡한 3D·그래픽 집약적 프로젝트 처리와 생성형 AI·LLM 등의 작업에서 병목 없이 고효율 워크플로를 경험할 수 있었다.   실사용·테스트를 위한 리뷰 환경 제품 리뷰 당시 64GB RAM 탑재 모델을 기준으로, 기본 설정에서는 16~32GB를 GPU에 할당해 일반 CAD·3D·AI 작업을 진행했다. 또한 고해상도 3D 렌더나 생성형 AI 영상 작업에서는 BIOS/소프트웨어에서 48~50GB까지 VRAM 할당을 수동 조정해 본 결과, 대형 프로젝트 파일에서 뷰포트 프레임 저하나 메모리 부족 경고 없이 안정적인 작업 환경을 제공했다. 반대로 GPU에 할당하는 메모리를 늘리면 고용량 데이터 병목이 해결되고, 3D 뷰포트 FPS나 AI 추론 속도 및 이미지 품질·정확도가 확실히 향상되는 것이 일관되게 확인되었다. 실제 기업 환경에서는 128GB 모델을 쓰면 최대 96GB까지 VRAM 할당이 가능하므로 GPU 메모리 병목이 무의미해지고, 기존 미니PC와는 비교할 수 없는 확장성과 작업 안전성을 확보할 수 있다.   아쉬운 점 첫째, 테스트용으로 받았던 장비에서는 HDMI 단자의 부재로 미니 DP로 모니터를 연결해야 했는데, 이는 테스트했던 데모 제품의 기본 옵션에 해당한다. 하지만 HP Z2 미니 G1a는 기업용/구매 시 고객 요구에 따라 HDMI 포트를 포함한 맞춤형 Flex I/O 슬롯 옵션 구성이 가능하다고 한다. 실제로 HP 공식 문서 및 판매 페이지에 따르면, 썬더볼트4(Thunderbolt4), USB-C, 미니 DP 외에도 HDMI를 Flex IO 슬롯에 추가할 수 있으므로, 다수의 모니터·TV·AV 장비로 연결해 사용하는 환경에서도 문제없이 세팅할 수 있다. 둘째, GPU가 AMD 라데온 기반이기 때문에 엔비디아 CUDA를 필요로 하는 GPU 가속 작업(예 : Redshift GPU 렌더러, 딥러닝 프레임워크)은 아예 테스트 자체가 불가능하다. AI, 3D, 영상 워크플로에서 CUDA 생태계를 사용하는 환경에서는 제품 선택 전 미리 확인이 필요하다. 셋째, 고부하 작업 시 팬 소음이 다소 발생할 수 있으므로 조용한 사무실 환경이라면 쿼이엇 모드 설정이 필요하다.   결론 및 추천 HP Z2 미니 G1a 워크스테이션은 한정된 공간에서 고성능이 필요한 크리에이티브 및 AI 전문가, 엔지니어, 디지털 아티스트에게 탁월한 선택지가 될 수 있다. 실제로 써보면, 공간 제약이 있는 환경에서도 3D 모델링, 영상 편집, 생성형 AI, LLM 추론 등 고사양 멀티태스킹을 안정적으로 병행할 수 있었고, 기업용 보안, ISV 인증, 최신 네트워크까지 갖췄다. 다양한 작업을 동시에 손쉽게 처리할 수 있다는 점에서 미니 데스크톱 중에서도 실전 현장에 ‘매우 쓸 만한’ 최상위 선택지라고 생각이 든다. 비록 CUDA 미지원 및 HDMI 포트 부재라는 한계가 있지만, CPU·메모리 중심의 워크플로에선 동급 최고 수준의 안정성과 성능을 보여준다. 최신 AI 및 LLM, 3D·영상·컴포지팅 등 멀티태스킹이 잦은 전문 분야라면 이 제품이 오랜 기간 든든한 실전 파트너가 될 것이다. 견적 상담 문의하기 >> https://www.hp.com/kr-ko/shop/hp-workstation-amd-app   ■ 배현수 부장 마루인터내셔널(맥슨 한국총판) 기술지원팀, AI 크리에이터, 모션그래픽 디자이너     ■ 기사 내용은 PDF로도 제공됩니다.

알테어는 9월 5일 ‘2025 추계 AI 워크숍’을 진행했다. ‘엔지니어를 위한 AI’를 주제로 진행된 이번 워크숍에서 알테어는 AI를 활용해 제품 개발 프로세스를 가속화하고 의사결정의 정확성을 높이며, 지능형 디지털 트윈을 완성한다는 비전을 선보였다. 또한 AI 기반 시뮬레이션, 생성형 AI, AI 에이전트, 지식 그래프 등 최신 AI 기술의 실제 적용 사례와 활용 방안을 소개했다. ■ 정수진 편집장     한국알테어의 김도하 지사장은 개회사를 통해 AI 기술이 산업 고객의 현장에서 빠르게 내재화되며 동반 성장하고 있다면서, “이는 고객들이 명확한 비전과 단계별 로드맵을 가지고 각자의 환경에 맞춰 AI를 접목하고 있기 때문”이라고 설명했다. 또한, 국가 AI 프로젝트가 시작되어 1만 4000 장의 GPU가 1차 도입되는 등 정부가 주도하는 ‘소버린 AI’ 시대가 열리고 있는 점에 주목하면서, “AI를 통한 제조 산업의 르네상스가 도래하고 있으며, 알테어 또한 시장과 함께 성장하기 위해 준비하고 있다”고 전했다.   엔지니어링 언어를 학습하는 AI 알테어의 케샤브 선다레시(Keshav Sundaresh) 디지털 전환 총괄 시니어 디렉터는 “AI는 더 이상 개념이 아니라 실제 현장의 핵심 기술”이라면서, 엔지니어링 수명주기 전반에 걸친 로코드·고효율 AI 접근법을 구현해야 한다고 짚었다. MIT의 연구에 따르면, 기업의 생성형 AI 파일럿 프로젝트 가운데 95%가 실질적인 재무 성과를 내는 데 실패하고 있는 것으로 나타났다. 그 원인으로는 ▲특정 결과에 편중된 데이터 ▲단편적이고 사일로화된 데이터 ▲값비싼 컴퓨팅 자원 ▲도메인 지식과 AI 기술 간 격차 ▲기존 시스템과의 통합 및 신뢰성 문제 등이 꼽힌다. 선다레시 시니어 디렉터는 이런 현실적 장벽을 극복할 수 있도록 알테어와 지멘스의 기술 역량을 결합해 AI 기반의 통합 설루션 포트폴리오를 제공할 수 있다는 점을 강조했다. “제품의 요구사항 정의부터 폐기에 이르는 모든 과정에서 AI를 활용하고, 단절된 디지털 스레드를 통합하여 데이터 기반의 신속한 의사결정을 지원하겠다”는 것이다. 이를 위한 핵심 전략은 ‘AI에게 엔지니어링 및 제조의 언어’를 가르치는 것이다. 기존의 LLM(대규모 언어 모델)이 텍스트나 이미지 등 일반 데이터에 강점을 보인다면, 지멘스와 알테어는 기계 설계, 전기/전자, BOM(Bill-of-Materials), 시뮬레이션 데이터 등 산업 특화 데이터를 학습시켜 신뢰도 높은 ‘산업용 파운데이션 모델(Industrial Foundation Model)’을 구축하고 있다는 것이 선다레시 시니어 디렉터의 설명이다.   AI 확산으로 제조 혁신의 속도 높인다 AI 비전을 구체화하는 방법론으로 알테어는 ‘라이프사이클 인텔리전스(Lifecycle Intelligence)’ 프레임워크를 제시했다. 이 프레임워크는 AI 도입의 장벽을 낮추고 모든 엔지니어가 AI를 손쉽게 활용해 혁신을 가속화할 수 있도록 하는 데에 중점을 두고 있다. 선다레시 시니어 디렉터는 ▲반복 작업의 자동화 및 대규모 데이터 분석으로 인간 전문가의 역량을 강화하고 ▲기존 워크플로와 도구에 AI 기능을 통합하여, 학습 부담 없이 자연스러운 AI 활용을 도우며 ▲코딩 지식과 관계 없이 모든 사용자가 AI를 구축하고 배포할 수 있는 환경을 제공하는 세 가지 접근법을 통해 AI 도입을 가속화한다는 로드맵을 소개했다. 이 프레임워크를 활용하면 전처리 영역에서는 형상 인식 AI 기술로 부품 분류 및 군집화를 자동화하거나, 자연어 처리(NLP) 기반 코파일럿을 통해 모델 정리부터 전체 해석 설정까지 대화형으로 수행할 수 있다. 솔빙 영역에서는 기존의 시뮬레이션 데이터를 학습해 CAD 또는 메시 단계에서 물리 현상을 빠르게 예측할 수 있고, 시스템 레벨의 시뮬레이션 속도를 높일 수 있다. 후처리 영역에서는 AI가 핫스폿이나 파손 영역을 자동 식별해 결과 분석을 돕는다. 이 프레임워크의 기술적 기반은 분산된 데이터를 연결하는 ‘데이터 패브릭’과 AI 모델을 개발·운영하는 ‘AI 팩토리’의 결합이다. 선다레시 시니어 디렉터는 알테어의 데이터 분석/AI 플랫폼인 래피드마이너(RapidMiner)와 로코드 앱 개발을 지원하는 지멘스 멘딕스(Mendix)를 통해 라이프사이클 인텔리전스를 구현할 수 있다고 설명했다.     엔지니어링 AI의 혁신 동력 에이전틱 AI(Agentic AI), 지식 그래프(Knowledge Graph), 생성형 AI 등 최신 AI 기술이 R&D부터 설계와 제조까지 엔지니어링 전반의 혁신을 가속화하고 있다. 알테어는 이들 기술이 개별적으로도 강력하지만, 서로 결합하면서 데이터 기반의 신속한 의사결정을 지원하고 기존 워크플로를 지능적으로 전환하는 핵심 동력으로 작용한다고 소개했다. AI 에이전트는 사용자를 대신해 특정 목표를 이해하고 자율적으로 판단 및 실행하는 ‘지능형 디지털 대리인’이다. 단순 반복 작업을 자동화하는 것을 넘어서, 여러 에이전트가 협업하는 다중 에이전트 구조를 통해 복잡한 과업을 수행하는 것이 최근의 흐름이다. 엔지니어링 현장에도 공정 상 발생한 문제에 대해 자연어로 질문하면 해결 방법을 제시하거나, 생산 라인의 다운타임 원인을 분석하고 관련 데이터를 종합해 보고하는 등의 AI 에이전트가 도입되고 있다. 알테어는 시각적 워크플로 설계 도구를 통해 이러한 AI 에이전트를 쉽게 구축하고 AI 클라우드 프로세스와 원활하게 연결하는 방법을 제시했다. 지식 그래프는 다양한 출처(소스)에 분산된 데이터를 하나의 의미 계층(semantic layer)으로 통합해서 데이터 간의 숨겨진 관계를 파악하게 하는 기술이다. 이는 AI 모델의 가장 큰 문제점으로 꼽히는 환각(hallucination) 현상을 최소화하고, 장기적인 맥락을 이해하는 메모리로 기능하면서 신뢰성 높은 AI 에이전트를 구현할 수 있게 돕는다. 엔지니어링 분야에서 지식 그래프는 여러 AI 에이전트가 일관된 지식 베이스를 공유하게 해서 협업의 효율을 높이고, 공장 문제 해결 시 여러 데이터베이스에 동적으로 접근하여 질문에 답하는 아키텍처를 구현하는 데 쓰인다.   PLM과 AI의 시너지로 더 큰 혁신도 가능 알테어는 지난 3월 지멘스와의 합병을 완료했다. 제조 기술에 강점을 가진 지멘스와 엔지니어링 및 AI 기술에 집중해 온 알테어의 시너지에 대해, 이번 워크숍에서 한 가지 실마리를 발견할 수 있었다. 알테어는 AI와 PLM(제품 수명주기 관리)의 결합이 제조업의 패러다임을 바꿀 것으로 보았다. 한국알테어 최병희 본부장은 “많은 기업이 PLM 시스템에 제품의 설계부터 생산, 운영까지 대량의 데이터를 축적하고 있지만, 이를 제대로 활용하지 못하고 있다. 이 PLM 데이터를 AI로 분석해 기업의 핵심 자산으로 만들고, 경험에 의존하던 사후 대응 방식의 업무 환경을 미래가 예측하고 문제를 예방하는 예측 기반의 업무 환경으로 혁신할 수 있다”고 소개했다. 지멘스의 PLM 설루션인 팀센터(Teamcenter)가 제품의 모든 역사를 기록한 단일 진실 공급원(single source of truth)이라면, 알테어의 래피드마이너는 코딩 지식이 없이도 AI 모델을 개발할 수 있는 ‘똑똑한 AI 분석가’라고 할 수 있다. 두 설루션을 통합하면 래피드마이너가 팀센터의 데이터를 분석해 숨겨진 패턴과 인사이트를 찾아내고, 이를 바탕으로 미래 예측 모델을 생성할 수 있다. 그리고 이 예측 결과를 다시 팀센터에 전달해 시스템 전체가 똑똑해지는 선순환 구조를 만든다. 최종적으로는 현실을 명확히 이해하고 미래를 예측하는 ‘지능형 디지털 트윈’을 완성할 수 있다는 것이 최병희 본부장의 설명이다. 이 외에 공급망 최적화, 품질 이상의 조기 탐지, 고객 피드백의 반영 등 다양한 분야로 시너지를 확장할 수 있는 가능성도 점칠 수 있다. 최병희 본부장은 “PLM 데이터를 시작으로 ERP, MES, CRM 등 분산된 기업 데이터를 통합하면 더 큰 범위의 업무 혁신이 가능하다”고 전했다.     ■ 기사 내용은 PDF로도 제공됩니다.