오라클과 AMD는 고객이 AI 역량과 이니셔티브를 대규모로 확장할 수 있도록 지원하기 위한 양사의 오랜 다세대 협력 관계를 확대한다고 발표했다. 수년간의 공동 기술 혁신을 바탕으로, 오라클 클라우드 인프라스트럭처(OCI)는 AMD 인스팅트(AMD Instinct) MI450 시리즈 GPU 기반의 최초 공개형 AI 슈퍼클러스터의 출시 파트너가 될 예정이다. 초기 배포는 2026년 3분기부터 5만 개의 GPU로 시작되며, 2027년 이후까지 더욱 규모가 확대될 계획이다. 이번 발표는 2024년 AMD 인스팅트 MI300X 기반 셰이프(shape) 출시를 시작으로 AMD 인스팅트 MI355X GPU를 탑재한 OCI 컴퓨트(OCI Compute)의 정식 출시까지 이어지는 오라클과 AMD의 전략적 협업의 연장선상에 있다.  양사는 최종 고객에게 OCI 상의 AMD 인스팅트 GPU 플랫폼을 제공하기 위해 꾸준히 협업해 왔다. 이 플랫폼은 제타스케일 OCI 슈퍼클러스터(zettascale OCI Supercluster)에서 제공될 예정이다. 대규모 AI 컴퓨팅 수요가 급격히 증가함에 따라, 차세대 AI 모델은 기존 AI 클러스터의 한계를 뛰어넘고 있다. 이러한 워크로드의 훈련 및 운영을 위해서는 극한의 확장성과 효율성을 갖춘 유연하고 개방적인 컴퓨팅 설루션이 필요하다. OCI가 새롭게 선보일 AI 슈퍼클러스터는 AMD ‘헬리오스(Helios)’ 랙 설계를 기반으로 하며, 여기에는 ▲AMD 인스팅트 MI450 시리즈 GPU ▲차세대 AMD 에픽 CPU(코드명 베니스) ▲차세대 AMD 펜산도(Pensando) 고급 네트워킹 기능(코드명 불카노)가 포함된다. 수직적으로 최적화된 이 랙 스케일 아키텍처는 대규모 AI 모델의 훈련 및 추론을 위한 최대 성능, 탁월한 확장성, 우수한 에너지 효율성을 제공하도록 설계됐다. 마헤쉬 티아가라얀 OCI 총괄 부사장은 “오라클의 고객들은 전 세계에서 가장 혁신적인 AI 애플리케이션을 구축하고 있으며, 이를 위해서는 강력하고 확장 가능한 고성능의 인프라가 필수적이다. 최신 AMD 프로세서 기술, OCI의 안전하고 유연한 플랫폼, 오라클 액셀러론(Oracle Acceleron) 기반 고급 네트워킹의 결합으로 고객은 확신을 갖고 혁신 영역을 넓혀갈 수 있다. 에픽부터 AMD 인스팅트 가속기까지, 10년 이상 이어진 AMD와의 협력을 바탕으로 오라클은 탁월한 가격 대비 성능, 개방적이고 안전하며 확장가능한 클라우드 기반을 지속적으로 제공하여 차세대 AI 시대의 요구에 부응하고 있다”고 말했다. AMD의 포레스트 노로드(Forrest Norrod) 데이터센터 설루션 비즈니스 그룹 총괄 부사장 겸 총괄 매니저는 “AMD와 오라클은 계속해서 클라우드 분야의 AI 혁신에 앞장서고 있다. AMD 인스팅트 GPU, 에픽 CPU, 그리고 첨단 AMD 펜산도 네트워킹 기술을 통해 오라클 고객들은 차세대 AI 훈련, 미세 조정 및 배포를 위한 강력한 역량을 확보할 수 있다. AMD와 오라클은 대규모 AI 데이터센터 환경에 최적화된 개방적이고 안전한 시스템으로 AI 발전을 가속화하고 있다”고 말했다. AMD 인스팅트 MI450 시리즈 GPU 기반 셰이프는 고성능의 유연한 클라우드 배포 옵션과 광범위한 오픈소스 지원을 제공하도록 설계되었다. 이는 최신 언어 모델, 생성형 AI 및 고성능 컴퓨팅 워크로드를 실행하는 고객에게 맞춤형 기반을 제공한다. OCI상의 AMD 인스팅트 MI450 시리즈 GPU는 AI 훈련 모델을 위한 메모리 대역폭을 확장해 고객이 더욱 신속하게 결과를 달성하고, 복잡한 워크로드를 처리하며, 모델 분할 필요성을 줄일 수 있도록 지원한다. AMD 인스팅트 MI450 시리즈 GPU는 개당 최대 432GB의 HBM4 메모리와 20TB/s의 메모리 대역폭을 제공하여, 이전 세대 대비 50% 더 큰 규모 모델의 훈련 및 추론을 인메모리에서 수행할 수 있다. AMD의 최적화된 헬리오스 랙 설계는 고밀도 액체 냉각 방식의 72-GPU 랙을 통해 성능 밀도, 비용 및 에너지 효율이 최적화된 대규모 운영을 가능하게 한다. 헬리오스는 UALoE(Universal Accelerator Link over Ethernet) 스케일업 연결성과 이더넷 기반의 UEC(Ultra Ethernet Consortium) 표준에 부합하는 스케일아웃 네트워킹을 통합하여 포드 및 랙 간 지연을 최소화하고 처리량을 극대화한다. 차세대 AMD 에픽 CPU로 구성된 아키텍처는 작업 오케스트레이션 및 데이터 처리를 가속화하여 고객이 클러스터 활용도를 극대화하고 대규모 워크플로를 간소화할 수 있도록 지원한다. 또한, 에픽 CPU는 기밀 컴퓨팅 기능과 내장형 보안 기능을 제공하여 민감한 AI 워크로드의 종단간 보안을 개선한다. 또한, DPU 가속 융합 네트워킹은 대규모 AI 및 클라우드 인프라의 성능 향상과 보안 태세 강화를 위해 라인레이트(Line-Rate) 데이터 수집을 지원한다. 프로그래밍 가능한 AMD 펜산도 DPU 기술을 기반으로 구축된 DPU 가속 융합 네트워킹은 데이터센터에서 차세대 AI 훈련, 추론 및 클라우드 워크로드를 실행하는 데 필요한 보안성과 성능을 제공한다. AI를 위한 스케일아웃 네트워킹은 미래 지향적 개방형 네트워킹 패브릭을 통해 고객이 초고속 분산 훈련(distributed training)과 최적화된 집합 통신(collective communication)을 활용할 수 있도록 지원한다. 각 GPU에는 최대 3개의 800Gbps AMD 펜산도 ‘불카노’ AI-NIC를 장착할 수 있어, 손실 없는 고속의 프로그래밍 가능한 연결성을 제공하고, RoCE 및 UEC 표준을 지원한다. 혁신적인 UALink 및 UALoE 패브릭은 고객이 워크로드를 효율적으로 확장하고, 메모리 병목 현상을 줄이며, 수 조 파라미터 단위의 대규모 모델을 통합 관리할 수 있도록 지원한다. 확장 가능한 아키텍처는 CPU를 경유하지 않고 홉(hop)과 지연시간을 최소화하며, UALoE 패브릭을 통해 전송되는 UALink 프로토콜을 통해 랙 내 GPU 간 직접적이고 하드웨어 일관성 있는 네트워킹 및 메모리 공유를 가능하게 한다. UALink는 AI 가속기를 위해 특별히 설계된 개방형 고속 상호연결 표준으로 광범위한 산업 생태계의 지원을 받는다. 이를 통해 고객은 개방형 표준 기반 인프라에서 까다로운 AI 워크로드를 실행하는 데 필요한 유연성, 확장성 및 안정성을 확보할 수 있다. 한편, OCI는 대규모 AI 구축, 훈련 및 추론을 수행하는 고객에게 더 많은 선택권을 제공하기 위해 AMD 인스팅트 MI355X GPU를 탑재한 OCI 컴퓨트의 정식 출시를 발표했다. 이 제품은 최대 13만 1072개의 GPU로 확장 가능한 제타스케일 OCI 슈퍼클러스터에서 이용 가능하다. AMD 인스팅트 MI355X 기반 셰이프는 탁월한 가치, 클라우드 유연성 및 오픈소스 호환성을 위해 설계되었다.

자율제조를 위한 데이터 표준화와 사이버 보안 강화 전략 (1)   글로벌 제조 환경은 자율제조 AI(인공지능) 및 SDM(소프트웨어 정의 제조)로 전환하고 있다. 그러나 시시각각 급변하는 생산자원(4M2E) 메타 데이터와 OT 사이버 보안에 대한 국제 표준 준수 없이는 사상누각이 될 수 있다. 앞으로 2회에 걸쳐 이에 대응하기 위한 방법을 소개하고자 한다.이번 호에서는 자율제조 AI 및 SDM 환경에서 4M2E 생산자원 데이터 표준화와 관련된 도전과 기회를 종합적으로 분석한다.   ■ 연재순서 제1회 제조 혁신의 열쇠, 4M2E 생산자원 데이터 표준화 제2회 산업 사이버 위협을 돌파하기 위한 IEC 62443   ■ 차석근 에이시에스의 부사장이며 산업부 국표원 첨단제조 표준화 포럼 의장 및 산업부 산업융합 옴부즈만 위원을 맡고 있다.   글로벌 제조 환경은 인공지능(AI) 기반의 자율제조와 소프트웨어 정의 제조(SDM : Software Defined Manufacturing)로의 전환을 통해 전례 없는 혁신을 경험하고 있다. 이러한 변화는 생산성, 효율성, 그리고 경쟁력 향상이라는 막대한 잠재력을 내포하고 있다. 그러나 이러한 혁신의 완전한 실현은 방대한 제조 데이터의 효과적인 관리 및 활용, 특히 4M2E(Man, Machine, Material, Method, Environment, Energy) 생산자원 데이터의 표준화에 달려 있다. 동시에, IT(정보 기술)와 OT(운영 기술) 시스템의 융합이 가속화되면서 산업 제어 시스템(IACS)은 사이버 위협에 더욱 노출되고 있으며, 이는 IEC 62443과 같은 국제 산업용 사이버 보안 표준 준수의 중요성을 증대시키고 있다. 이번 연재에서는 자율제조 및 SDM 환경에서 4M2E 생산자원 데이터 표준화의 필요성과 기술 동향을 심층 분석하고, 대한민국 수출 제품의 IEC 62443 산업용 사이버 보안 준비 현황과 당면 과제를 짚어보고자 한다. 특히 국내 중소기업이 겪는 인력, 예산, 노후 설비 등의 애로사항과 공급망 보안의 중요성을 강조한다. 이러한 분석을 바탕으로, 데이터 표준화와 사이버 보안 역량을 동시에 강화하여 국가 경쟁력을 제고하고 안전한 글로벌 시장 참여를 보장하기 위한 구체적인 정책적 및 전략적 대응 방안을 제안한다. 이는 기술 개발 지원, 인력 양성, 중소기업 맞춤형 프로그램 확대, 그리고 국제 협력 강화를 포함하는 포괄적인 접근 방식을 제시한다.   자율제조 및 SDM 시대의 도래와 산업 혁신 글로벌 제조 산업은 인공지능(AI)과 소프트웨어 정의 제조(SDM)의 발전으로 심오한 변화를 겪고 있다. 이러한 변화는 생산성, 효율성, 그리고 전반적인 경쟁력의 향상을 약속한다. 미국 국립과학재단(NSF)의 지원을 받아 개발된 마빌라(MaVila)와 같은 새로운 AI 모델은 공장 내부를 ‘보고’ ‘대화’할 수 있도록 설계되었다. 이 모델은 부품 이미지를 분석하고, 결함을 평이한 언어로 설명하며, 해결책을 제안하고, 심지어 기계와 통신하여 자동 조정을 수행할 수 있다. 이러한 역량은 지능적이고 적응력 있는 제조 시스템으로의 중요한 도약을 의미한다. 한편, SDM은 경직된 하드웨어 중심의 자동화를 유연한 소프트웨어 중심 아키텍처, AI 기반 지능, 그리고 제어 및 데이터 흐름을 최적화하는 모듈형 산업 플랫폼으로 대체하고 있다. 이러한 운영 기술 인프라의 현대화는 제조 부문의 전반적인 경쟁력을 향상시키는 데 필수이다. SDM의 핵심은 하드웨어, 연결성, 스토리지, 보안 및 IT와 OT 환경 전반에 걸쳐 내장된 지능을 포함한 제조의 모든 측면을 체계적으로 최적화하고 현대화하는 데 있다.   생산자원 데이터 표준화 및 산업용 사이버 보안의 핵심 과제 자율제조 및 SDM의 완전한 구현은 방대한 제조 데이터의 효과적인 관리 및 활용에 크게 의존한다. 그러나 수많은 센서, 기계 및 시스템에서 생성되는 파편화된 데이터는 종종 표준화가 부족하여 관리, 통합 및 분석이 어렵다. 이러한 데이터 파편화는 생산성을 높이고 효율성을 개선하며 비용을 절감하기 위한 산업 데이터의 완전한 활용을 방해한다. 특히 다양한 세대의 기계에서 발생하는 광범위하고 이질적인 데이터 소스를 가진 기업의 경우, 표준화된 라벨링의 부재는 데이터 관리 및 활용을 더욱 복잡하게 만든다. 동시에, 이러한 첨단 제조 환경에서 IT 및 OT 시스템이 융합되면서 산업 제어 시스템(IACS)은 사이버 위협에 점점 더 노출되고 있으며, IEC 62443과 같은 국제 표준 준수를 통한 강력한 사이버 보안은 필수이다. 사용자 질의는 특히 대한민국 수출 제품의 이 분야에서의 잠재적인 ‘준비 미비’를 강조하며, 이는 국가 산업 전략에 있어 중요한 과제를 부각시킨다.   자율제조 및 SDM의 개념과 데이터의 중요성 AI 기반 자율제조의 발전과 데이터 활용 인공지능은 다양한 분야를 근본적으로 변화시키고 있으며, 제새로운 AI 모델은 공장 환경에 특화되어 개발되고 있다. 이 모델들은 공장 내 시각 및 언어 기반 데이터로부터 직접 학습하여 부품 이미지를 분석하고, 결함을 평이한 언어로 설명하며, 해결책을 제안하고, 심지어 기계와 통신하여 자동 조정을 수행할 수 있다. 이렇게 내부적이고 제조 특화된 데이터 중심 접근 방식은 더욱 스마트하고 적응력 있는 제조 시스템을 구축하여 경제 부문을 더욱 효과적으로 지원하는 데 매우 중요하다. 궁극적인 목표는 작업자의 역량을 강화하고, 생산성을 높이며, 치열한 글로벌 시장에서 국가의 입지를 강화하는 것이다. AI가 진정한 자율제조를 가능하게 하려면 일반적이거나 파편화된 데이터에 의존할 수 없다. 복잡한 시스템, 장비 및 워크플로에 대한 깊이 있는 실시간 이해가 요구된다. 이는 데이터가 단순히 수집되는 것을 넘어, AI가 기계가 읽을 수 있고 실행 가능한 형태로 맥락화되고 표준화되어야 함을 의미한다. 만약 AI 모델이 파편화되고 비표준화된 데이터로 학습된다면, 정확하고 관련성 높은 정보를 제공하고 자율적인 조정을 수행하는 능력이 심각하게 제한되어 자율제조의 본질적인 약속을 저해할 수 있다. 따라서 제조 분야에서 AI의 성공과 신뢰성은 입력 데이터의 품질, 일관성 및 표준화에 직접적으로 비례하며, 이는 AI 기반 자율성을 위한 데이터 표준화의 근본적인 중요성을 강조한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.