에픽게임즈가 다양한 산업 분야의 크리에이터를 위해 새로운 기능과 개선 사항을 담은 ‘트윈모션 2026.1(Twinmotion 2026.1)’을 출시했다. 이번 버전은 실시간 시각화의 핵심인 현실감과 자연스러움을 강화하는 데 집중했다. 3D 모델과 실사 이미지를 합성하고 실제 카메라와 유사한 효과를 구현하는 기능뿐만 아니라 생동감 있는 환경 연출과 사용자 편의성까지 전반적인 업그레이드가 이루어졌다. 트윈모션은 언리얼 엔진 5를 기반으로 건축, 영화, 자동차, 제품 디자인 등 여러 분야에서 사실적인 시각화 작업을 지원하는 설루션이다. 직관적인 사용자 인터페이스와 강력한 라이브러리를 통해 전문가와 초보자 모두 손쉽게 사용할 수 있는 것이 특징이다. 지난 2025.2 버전에서 나나이트 가상화 지오메트리 시스템을 도입한 데 이어, 이번 2026.1 버전은 보다 정교한 표현을 위한 다양한 기능을 추가했다.     새롭게 도입된 ‘포토 매칭’ 기능은 매치 퍼스펙티브 도구를 사용해 특정 위치에 소실점을 지정하면 카메라 위치와 초점 거리를 자동으로 조정한다. 이를 통해 3D 모델과 2D 이미지를 자연스럽게 합성할 수 있으며, 3D 오브젝트에서 계산된 지면에 그림자를 투영해 현실감을 높인다. ‘자동 에지 소프트닝’은 컴퓨터 그래픽 특유의 날카로운 테두리를 부드럽게 처리하는 기능이다. 사용자가 지정한 반경까지 모서리를 자동으로 뭉툭하게 만들어 자연스러운 결과물을 얻을 수 있다. 라이팅 채널 지원을 통해 빛의 영향을 받는 요소를 정밀하게 제어하는 것도 가능해졌다. 특정 채널에 할당된 오브젝트와 라이트만 서로 반응하도록 설정할 수 있어, 제품 촬영 시 배경 조명이 제품에 영향을 주지 않도록 세밀하게 조정할 수 있다. 카메라 및 렌즈 효과도 실제와 더욱 유사하게 개선됐다. ‘오토 포커스’ 기능은 사물의 거리에 따라 초점을 자동으로 조절하며, 뎁스 오브 필드 효과로 카메라가 바라보는 지점을 자연스럽게 따라가게 할 수 있다. 아나모픽 타원 보케와 페츠발 보케 등 실제 렌즈에서 발생하는 블러 특성을 재현하는 효과도 추가됐다. 프레임 가장자리가 미묘하게 휘어지는 배럴 디스토션 기능도 함께 도입됐다. 장면의 생동감을 더하는 파티클 VFX 시스템은 전면 개편됐다. 불, 연기, 안개, 물 등의 표현 성능과 비주얼 품질이 향상됐으며 사용자가 원하는 형태로 파라미터를 조정할 수 있다. 애셋 라이브러리에는 사실적인 유럽 나무 10종이 추가됐으며, 각 나무마다 세 가지 변형 형태를 제공해 풍성한 환경을 조성할 수 있게 돕는다. 사용자 편의를 위한 워크플로 개선도 눈에 띈다. 에픽게임즈에 따르면 버전이 바뀌어도 애셋을 연속해서 활용할 수 있도록 파일 저장 구조를 개선했다. 기존에는 버전에 따라 애셋을 다시 다운로드하거나 이동시켜야 했으나, 이제는 영구적인 폴더 구조로 관리되어 반복 작업 없이 효율적인 작업이 가능하다. 기존 사용자는 에픽게임즈 런처나 데브 포털에서 트윈모션 2026.1을 내려받을 수 있다. 처음 사용하는 사용자는 공식 홈페이지에서 라이선스 옵션을 확인한 뒤 무료 체험판을 이용할 수 있다.

아마존웹서비스(AWS)는 과학자들이 신약을 더 빠르고 체계적으로 설계하고 검증할 수 있도록 돕는 인공지능(AI) 기반 애플리케이션인 ‘아마존 바이오 디스커버리(Amazon Bio Discovery)’를 출시했다. 아마존 바이오 디스커버리는 방대한 생물학 데이터를 학습한 전문 AI 모델인 생물학 파운데이션 모델 카탈로그에 과학자들이 직접 접근할 수 있도록 지원한다. 이들 모델은 신약 후보 물질을 생성하고 평가하며, 신약 발굴 초기 단계에서 항체 치료제 연구를 앞당기는 역할을 한다. 과학자들은 아마존 바이오 디스커버리의 AI 에이전트를 통해 일상적인 언어로 연구 목표에 맞는 모델을 선택하고 입력 변수를 최적화할 수 있다. 기존 실험 데이터를 활용해 모델을 추가로 학습시켜 예측의 정확도를 높이는 것도 가능하다. 선정된 후보 물질은 실제 실험실로 보내져 합성하고 테스트하는 과정을 거치며, 그 결과는 다시 애플리케이션으로 전달된다. AWS는 이러한 방식을 통해 실험실과 연계한 지속적인 반복 실험 구조를 구현했다.     그동안 신약 발굴 분야에 AI를 도입하는 데는 어려움이 많았다. 생성형 AI의 발전으로 머신러닝 모델이 늘어났지만, 이를 다루려면 코딩 능력과 복잡한 인프라 관리 기술이 필요했기 때문이다. 수십 개의 모델 성능을 직접 비교하는 것도 쉽지 않았고, 이를 지원할 전산 생물학자도 부족한 실정이었다. 물리적 실험을 위해 데이터를 주고받는 과정 역시 여러 시스템에 흩어져 있어 관리가 까다로웠다. 아마존 바이오 디스커버리는 AI 모델과 분석 패키지를 비교 평가하는 벤치마크 라이브러리와 실험 설계를 돕는 AI 에이전트, 통합 실험실 파트너 네트워크를 제공해 이런 문제를 해결하고자 했다. 이를 통해 얻은 피드백은 다음 설계 단계를 개선하는 밑거름이 된다. 이 서비스는 제약사와 바이오테크, 학계 연구기관이 필요로 하는 데이터 보호와 보안 환경을 갖추고 있다. 데이터는 완전히 격리되어 보호되며, 고객은 모든 지식재산과 데이터에 대한 소유권을 가진다. 아마존 바이오 디스커버리는 아페리스와 볼츠 등 파트너사의 오픈소스 및 상업용 모델을 포함해 폭넓은 생물학 특화 AI 모델 카탈로그를 제공한다. 앞으로 바이오허브와 프로플루언트의 모델도 추가될 예정이다. 과학자들은 코딩 대신 자연어를 사용해 단계별 실험 과정을 구성할 수 있으며, 제조 용이성이나 온도 안정성 같은 항체 후보 물질의 특성을 평가하는 데이터셋을 활용해 최적의 모델을 고를 수 있다. 실제로 메모리얼 슬론 케터링 암센터(MSK)는 아마존 바이오 디스커버리의 AI 에이전트를 활용해 약 30만 개의 새로운 항체 분자를 설계했다. 이 가운데 유망한 후보 물질을 테스트하는 데까지 걸린 시간은 몇 주에 불과했다. 기존 방식으로 1년 가까이 걸리던 작업을 대폭 단축한 것이다. 현재 MSK를 비롯해 바이엘, 브로드 인스티튜트, 프레드허치 암센터 등이 이 서비스를 초기 도입해 활용하고 있다. AWS의 라지브 초프라 헬스케어 AI 및 생명과학 부문 부사장은 “AI 에이전트는 컴퓨터 전문 지식이 없는 연구자들도 고도화된 과학 역량을 활용할 수 있게 한다”면서, “첨단 AI와 보안 인프라의 결합은 이전에는 불가능했던 방식으로 항체 발굴을 가속화할 것”이라고 설명했다.

헥사곤이 CNC(컴퓨터 수치 제어) 프로그래밍 노력을 줄이고 제조업체의 복잡한 가공 환경 관리를 돕는 에스프리 엣지(ESPRIT EDGE)의 새로운 기능을 발표했다. 최근 기계 성능이 고도화됨에 따라 프로그래밍과 검증에 필요한 공수도 함께 늘어나고 있다. 2026년 예정된 네 차례의 업데이트 중 첫 번째인 이번 버전은 선삭 자동화, 스위스형 가공, 다축 툴패스 생성, 중절삭 가공 및 클라우드 연결 워크플로 전반에 걸친 개선 사항을 담고 있다.     이번 릴리스는 선삭, 밀턴(mill-turn), 스위스 프로그래밍을 위한 ‘프로플랜AI(ProPlanAI)’를 도입했다. 프로플랜AI는 소재 제거량과 이전 가공 전략을 고려해 수동 입력을 줄이면서도 정확한 공정 정의를 지원한다. 또한 머신 모델에 직접 가이드 부싱 구성을 내장해 처커 모드(chucker-mode) 등 설정을 머신 정의 재구축 없이 간편하게 전환할 수 있다. 고급 3축 선삭의 충돌 감지 기능이 강화되어, B축이나 Y축 제어를 통해 공구 방향이 바뀔 때 비절삭 요소까지 고려해 툴패스 안전성을 보장한다. 5축 복합 가공 업데이트는 외부 드라이브 서면 없이 공구 모션 생성을 자동화하여 복잡한 형상의 프로그래밍 준비 시간을 단축한다. 새 릴리스에서는 공구가 회전하고 부품은 고정된 상태에서 밀링 머신 선삭을 가능하게 하는 U축 선삭 기능을 미리보기 형태로 선보였다. 이는 프로그래밍 가능한 선형 축으로 직경 변화를 제어해 대형 부품 및 고급 가공 시나리오에 대응한다. 재설계된 클라우드 커넥터는 문서와 소프트웨어 확장에 대한 접근성을 높였다. 지식 기반 가공(knowledge-based machining) 업데이트는 드릴링 사이클의 피드 정의를 세밀하게 제어해 툴링 전략 간의 호환성을 개선하고 일관되지 않은 공구 적용을 방지한다. 헥사곤 프로덕션 소프트웨어 디비전의 올리비에 테노(Olivier Thenoz) 수석 제품 매니저는 “기계 성능은 빠르게 발전했지만 프로그래밍 복잡성도 그만큼 증가했다”면서, “이번 업데이트는 다축 및 다채널 가공 환경에서 신뢰할 수 있는 CNC 프로그램을 준비하는 데 드는 노력을 줄이는 데 집중했다”고 밝혔다.

심센터 HEEDS 더 깊게 살펴 보기 (4)   이번 호에서는 심센터 HEEDS(Simcenter HEEDS)의 핵심 최적화 엔진인 SHERPA의 성능을 비약적으로 가속화시키는 AI 시뮬레이션 프레딕터(AI Simulation Predictor) 기술에 대해 자세히 살펴본다. 지난 호에서 다룬 SHERPA의 지능형 탐색 방식에 AI의 예측 통찰력을 결합하여, 어떻게 해석 시간의 병목을 해결하고 검색 효율을 극대화하는지 조명할 예정이다. 이를 통해 고비용 해석 모델에서도 실질적인 리드타임을 단축하고 더 우수한 설계안을 도출해 내는 원리를 알아보고자 한다.   ■ 연재순서 제1회 심센터 HEEDS 커넥트와 MBSE 방법론 제2회 심센터 X MDO의 새로운 HEEDS 제3회 심센터 HEEDS SHERPA의 최적 검색 원리 제4회 최적 검색 가속화를 위한 AI 프레딕터 제5회 심센터 HEEDS 2604 업데이트 제6회 모두를 위한 제너럴 포털과 맞춤 설정 제7회 특별한 워크플로 구성 및 자동화 제8회 다양한 매개변수를 위한 태깅 모드 제9회 복잡한 설정을 한번에, 오토메이션 스크립트 제10회 파이썬 스케줄러와 HEEDS 연동 제11회 심센터 HEEDS 2610 업데이트 제12회 데이터 분석을 위한 HEEDSPy API   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 HEEDS를 비롯하여 통합 설루션을 활용한 프로세스 자동화와 데이터 분석, 최적화에 대한 설루션을 담당하고 있다. 근사최적화 기법 연구를 전공하고 다양한 산업군에서 15년간 유한요소해석과 최적화 분야의 기술지원과 컨설팅을 수행하였다. 홈페이지 | www.sw.siemens.com/ko-KR 링크드인 | www.linkedin.com/in/jonghaklee-odumokgol   최적화의 병목, 해석 시간과 비용의 문제 고충실도(High-Fidelity) 해석의 딜레마 현대 엔지니어링 설계의 정점은 전산유체역학(CFD)이나 비선형 구조해석과 같은 고성능 계산 과정을 필수로 한다. 이러한 고충실도 해석은 제품 성능을 가상 공간에서 정밀하게 모사할 수 있게 해 주지만, 치명적인 약점이 있다. 복잡한 모델의 경우 1회 해석에 수 시간에서 수 일이 소요되기도 하며, 수백 번의 반복 계산이 필요한 최적화 과정에서 이는 극복하기 어려운 시간적 병목(bottleneck)이 된다.   MDAO 과정에서 직면하는 실제 문제들 연재의 배경이 되는 다분야 설계 분석 및 최적화(MDAO : Multidisciplinary Design Analysis and Optimization) 환경에서는 다음과 같은 네 가지 핵심 문제에 직면한다. 시뮬레이션 시간 & 계산 비용 : 장기간의 CAE 실행은 컴퓨터 자원의 점유와 라이선스 비용 부담을 가중시킨다. 신뢰성 : 시간 제약으로 인해 충분한 설계안을 검토하지 못하면 결과의 신뢰성이 떨어진다. 지식의 재사용 : 이전 프로젝트의 방대한 시뮬레이션 데이터를 현재 최적화에 제대로 자산화하지 못하는 한계가 있다. 시프트 레프트(shift left) : 제품 개발 초기 단계에서 오류를 발견하지 못하면 이후 단계에서 대규모 수정 비용이 발생한다.   기존 대안 : 전통적 최적화 프로세스와 근사 모델의 한계 해석 시간을 줄이기 위해 전통적인 설계 공간 탐색(design space exploration) 과정에서는 반응표면법(RSM)이나 크리깅(kriging)과 같은 근사 모델(surrogate model)이 널리 사용되어 왔다. 하지만 이러한 전통적인 방식은 프로세스 측면에서의 번거로움과 기술적 모델 구축 측면에서의 한계를 동시에 안고 있다.   그림 1   첫째, 전문가 중심의 복잡한 다단계 프로세스로 인한 고충(pain points)이 크다. 목적 정의부터 모델 단순화, 알고리즘 선택 및 튜닝, 탐색 수행, 결과 해석으로 이어지는 과정은 매우 정교한 전문 지식을 요구하며 다음과 같은 문제를 일으킨다. 모델 단순화의 오류 가능성 : 변수 선별이나 응답면 모델을 수동으로 생성하는 과정은 오류가 개입되기 매우 쉽다.(too error-prone) 알고리즘 선택 및 튜닝의 고비용 구조 : 적절한 검색 알고리즘을 결정하기 위해 수많은 반복 시도가 필요하며, 파플레이션 크기나 변이율 등 세부 매개변수 설정에 고도의 전문성이 요구되어 시간과 비용이 많이 든다.(too costly & too difficult) 제한적인 혁신 : 이러한 난이도 탓에 최적화 기술이 일부 전문가에 의해 매우 한정적인 문제에만 적용되어, 결과적으로 설계 혁신의 폭이 좁아지는 결과를 초래한다. 둘째, 기술적으로 구축된 근사 모델 자체가 가진 결정적인 한계가 존재한다. 초기 데이터 확보의 높은 비용 : 신뢰할 수 있는 모델을 구축하기 위해서는 설계 공간 전체에 걸쳐 상당수의 초기 샘플 해석이 선행되어야 하며, 고성능 CAE 환경에서는 이 초기 샘플링 과정 자체가 막대한 병목이 된다. 정적 구조의 경직성 : 한 번 구축된 모델은 최적화가 진행되는 동안 설계 공간의 특성 변화나 새로운 유망 영역의 발견을 실시간으로 반영하여 스스로 업데이트되지 않는다. 전역적 경향성과 국부적 정밀도의 딜레마 : 전체적인 경향성은 파악하지만 최적해 주변의 미세한 비선형적 거동을 포착하는 데 한계가 있어, 최종 설계안이 실제 해석 결과와 괴리를 보이는 경우가 빈번하다.   그림 2   반면, 심센터 HEEDS는 이러한 복잡한 중간 단계를 ‘Automated Search’ 하나로 통합하여 엔지니어가 본연의 설계 업무인 목적 정의와 결과 분석에만 집중할 수 있는 환경을 제공한다. 이번 호에서 다룰 AI 프레딕터(AI Predictor)는 이 혁신적인 자동 탐색 과정을 한 단계 더 가속하여 기술적 한계를 극복하고 진정한 설계 디스커버리(discovery)를 실현하는 핵심 기술이다.   기술 혁신 : Boosting SHERPA의 정의와 전략적 가치 AI 시뮬레이션 프레딕터란 무엇인가? 심센터 HEEDS의 AI 시뮬레이션 프레딕터는 최적화 검색 과정을 가속시키는 퍼포먼스 부스터(Performance Booster)이다. 단순히 정해진 데이터를 학습하는 것을 넘어, SHERPA 검색 프레임워크 상단에서 작동하는 AI 오버레이(AI Overlay) 기술을 통해 실시간으로 데이터를 학습(on-the-fly)하여 해석이 필요한 위치(DOE)를 지능적으로 선별한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

엔비디아와 로레알 협력 확대, 알케미 AI로 뷰티 연구 및 배합 최적화 100배 가속 AI 컴퓨팅 기술 분야의 선두주자인 엔비디아가 세계 최대 AI 가속 컴퓨팅 콘퍼런스인 GTC 2026에서 글로벌 뷰티 기업 로레알과의 협력 확대를 발표했다. 이번 파트너십을 통해 엔비디아의 화학 및 소재 혁신을 위한 AI 연구소인 알케미(ALCHEMI)가 수십억 달러 규모의 스킨케어 시장에 전격 도입되어 제품 개발 공정을 혁신할 전망이다. 로레알, 엔비디아 알케미 도입으로 연구 효율 극대화 로레알은 엔비디아 가속 컴퓨팅 기반의 알케미를 활용해 컴퓨터 시뮬레이션을 통한 배합 물성 예측의 속도와 정확도를 대폭 높이고 있다. 기존의 자외선 차단제 개발은 방대한 분자 조합을 일일이 실험실에서 테스트해야 하는 한계로 인해 수년에 걸친 복잡한 과정을 거쳐야 했다. 그러나 로레알 연구진은 이제 알케미를 통해 자외선 차단제 분자 조합을 기존 시뮬레이션 방식 대비 최대 100배 더 빠르고 효율적으로 선별할 수 있게 됐다.   AI 기반 배합 최적화로 신소재 발굴 및 비용 절감 로레알은 스킨케어, 헤어케어, 메이크업, 향수 등 다양한 분야에서 매년 3400개 이상의 신규 배합을 개발하고 있으며, 연간 13억 유로 이상을 연구개발(R&D)에 투자하고 있다. 연구의 핵심인 배합 공정에 엔비디아 알케미가 적용되면서, 그동안 컴퓨팅 복잡성으로 인해 탐색이 어려웠던 방대한 화학 조합을 효과적으로 분석할 수 있는 길이 열렸다. 이는 신소재 발굴 기간 단축과 비용 절감으로 이어져 화학 및 소재 과학 산업 전반의 제품 개발을 가속하고 있다. 뷰티 산업을 넘어 화학 및 소재 분야 전반으로 확산 이번 기술 협력의 이점은 단순히 화장품 산업에 국한되지 않는다. 로레알은 배합 최적화를 통해 피부 보호와 조기 노화 방지에 기여하는 활성 성분의 효능을 극대화하고 있으며, 이는 향후 헬스케어 분야에도 긍정적인 영향을 미칠 것으로 보인다. 또한 엔비디아 알케미는 자외선 차단제와 향수의 복잡한 화학 구성을 넘어 반도체 소재, 페인트, 코팅제 등 다양한 산업 분야의 배합 최적화에도 폭넓게 활용될 수 있어 소재 공학의 새로운 패러다임을 제시하고 있다.  

에이수스 코리아는 자율 주행 로봇(AMR), 로보틱스 및 컴퓨터 비전 분야를 위해 설계된 초소형 에지 AI 컴퓨터 PE1000U를 출시했다고 밝혔다. PE1000U는 인텔 코어 울트라 시리즈 2 프로세서를 탑재해 CPU, GPU, NPU가 결합된 하이브리드 가속 기능을 제공한다. 이를 통해 모션 컨트롤을 위한 높은 스레드 반응과 AI 추론 및 그래픽 워크로드를 동시에 효율적으로 처리할 수 있다. 에이수스 PE1000U는 알루미늄 재질의 커스텀 히트싱크로 효율적인 열 관리가 이루어져, 팬 없이도 CPU와 메모리에서 발생하는 열을 안정적으로 처리한다. 이를 통해 산업용 로봇, 비전 장비 등 신뢰성이 중요시되는 산업 환경에서 최적화된 설루션으로 강력한 성능을 보여준다.     63×110×160mm 크기의 초소형 폼팩터를 갖춰 공간 제약이 있는 환경에서도 설치가 용이하며, DIN 레일 마운트 방식을 지원한다. 작지만 폭넓은 연결성을 가지고 있어 전면에 4개의 USB 포트를 포함해 최대 4개의 COM 포트, 최대 4개의 이더넷 포트(기본 2.5G 2개)를 갖춰 센서, 카메라 및 네트워크 통합이 가능하다. 더불어 온보드 듀얼 CAN 버스와 절연된 DIO 모듈을 통해 정밀한 제어가 가능하며, HMI나 머신 비전 모니터링을 위한 4K 디스플레이를 디스플레이포트와 HDMI를 통해 최대 2개까지 지원한다. 극한의 산업 환경에서도 견딜 수 있는 내구성을 갖춘 PE1000U는 팬리스 IP40 등급의 밀폐형 섀시를 사용하여 먼지 유입을 차단하고, 무소음일 뿐만 아니라 MIL-STD-810H의 미국방성 내구성 표준을 통과해 5Grms의 진동도 견딜 수 있다. 작동 온도 범위는 -25°C에서 70°C에 달해 공장부터 실외 키오스크까지 다양한 환경에서 안정적인 운영이 가능하다. 또한 AMR 및 차량 탑재 환경을 고려하여 9~36V 범위의 DC 전원 입력, 내장된 점화 제어 기능으로 차량 시동과 연동된 전원 관리도 가능하다. 이와 함께 와이파이 6E 및 5G 지원으로 라이다(LiDAR), 카메라, 차량 관리 플랫폼 등과 원활한 통신을 지원한다.

앤시스 워크벤치를 활용한 해석 성공 사례   이번 호에서는 웹 GUI에서 수행한 작업을 실시간으로 파이썬 스크립트로 기록하는 ‘앤시스 플루언트 웹 UI(Ansys Fluent Web UI)’의 활용 방법을 소개한다. 플루언트 웹 UI를 활용하면 사용자는 업무 자동화와 대규모 스터디를 위한 파이플루언트(PyFluent) 기반의 자동화를 더욱 효율적인 방식으로 시작하고 확장할 수 있다.   ■ 안지수 태성에스엔이 AE2팀의 매니저이며, CFD 엔지니어로 근무하고 있다. 홈페이지 | www.tsne.co.kr   업무 자동화, 대규모 파라메트릭 스터디, 최적 설계, AI 등 코드 응용의 중요성이 빠르게 증가하고 있다. 이러한 환경 속에서 앤시스 플루언트(Ansys Fluent)를 파이썬(Python) 기반으로 제어할 수 있는 파이플루언트(PyFluent)는 분명 매력적인 도구이지만, 코딩에 익숙하지 않은 입문자들에게는 높은 진입 장벽이 존재한다. “GUI로 클릭하면 5분만에 끝나는 설정을 코드로 한 줄 한 줄 언제 작성하지?” 바로 이 간극이 자동화의 필요성을 느낌에도 불구하고 실전 도입이 어려운 이유다. 물론 기존의 로컬 플루언트 환경에서도 GUI 입력을 파이썬 스크립트로 변환하는 저널 레코딩(Journal Recording) 기능¹) 이 존재하지만, 이는 플루언트 메싱 모델(Fluent Meshing Mode)의 워크플로 작업(Workflow Task)에 국한된다는 한계가 있다. 특히 플루언트 솔버 모드(Fluent Solver Mode)에서는 GUI 기반의 레코딩 기능을 공식적으로 제공하지 않기 때문에 물리 모델 설정, 경계조건 입력, 수렴조건 변경, 모니터링 설정 등 설정 작업을 코드로 생성하려면 다음의 세 가지 방법 중 하나를 선택해야 하는 불편함이 있다. 플루언트 콘솔(Fluent Console)에서 직접 TUI 커맨드(Command) 구조를 찾아 파이플루언트 스크립트로 변환 매뉴얼에 제공된 예제 응용 직접 코드 작성 결국 GUI에서 몇 분이면 완료될 작업이 코드 작성 과정에서는 몇 시간 혹은 며칠까지 소요되는 역설적인 상황이 발생한다. 이러한 문제를 실질적으로 해결해 줄 수 있는 기능 중 하나가 바로 앤시스 플루언트 웹 UI(Ansys Fluent Web UI)이다. 앤시스 플루언트 웹 UI는 사용자가 웹 GUI에서 수행하는 작업을 실시간으로 파이썬 스크립트 형태로 기록할 수 있는 인터페이스를 제공한다. 이를 통해 사용자는 ‘클릭 기반 코드 생성 → 필요한 부분 수정 → 확장’이라는 훨씬 효율적인 방식으로 파이플루언트를 시작할 수 있다.   앤시스 플루언트 웹 UI 실행 방법 앤시스 플루언트 웹 UI는 로컬 PC에서 실행 중인 플루언트 세션을 웹 기반 인터페이스로 외부에 공유하여, 다른 컴퓨터 환경에서도 웹 브라우저만으로 동일 세션을 원격 제어할 수 있도록 지원하는 기능이다. 이를 통해 별도의 설치 없이 접속 주소만으로 로컬 PC에 접근할 수 있으며, 여러 사용자가 동시에 같은 해석 화면을 확인하거나 협업할 수 있다. 2025 R1 버전까지는 플루언트 솔버 모드 웹 서버(Fluent Solver Mode Web Server)만 공식 지원하였으나, 2025 R2 버전부터는 플루언트 메싱 모드 웹 서버(Fluent Meshing Mode Web Server)도 정식 지원하며, 윈도우 10/11 및 리눅스 운영 체제에서 사용할 수 있다. 실행 방법은 다음 두 가지 중 하나를 선택하면 된다. Fluent Launcher 실행 → General Options → Start Web Server(그림 1) Fluent Meshing 또는 Solver Mode 실행 후 File → Application → Web Server → Start(그림 2) 플루언트 실행 후 콘솔(Console) 창에 생성되는 접속 주소를 웹 브라우저(크롬, 에지, 파이어폭스 등)에 입력하여 접속한다.   그림 1. 웹 UI 실행 방법 1   그림 2. 웹 UI 실행 방법 2   그림 3. 콘솔 – 접속 주소 확인   웹 UI는 <그림 4>와 같이 플루언트의 기능 구조에 앤시스 디스커버리(Ansys Discovery) 특유의 직관적인 인터페이스 요소가 결합된 형태로 구성되어 있다. 하단 콘솔 영역에는 Python, Output 탭이 함께 제공되며, GUI 작업과 파이썬 스크립트(Python Script) 상태를 함께 확인할 수 있다. 또한 웹 UI에서 변경한 설정은 로컬 플루언트에도 동일하게 반영된다.   그림 4. 앤시스 플루언트 웹 UI     ■ 자세한 기사 내용은 PDF로 제공됩니다.

HP Z북 울트라 G1a는 고성능 AI 작업과 3D 제작을 동시에 염두에 둔 14인치 모바일 워크스테이션이다. 이 글에서는 필자가 실제로 자주 사용하는 AI 리서처와 3D 제작 작업 시나리오를 바탕으로, 기존에 사용해 온 게이밍 노트북과 비교하면서 HP Z북 울트라 G1a의 장단점을 조명해보고자 한다.   HP Z북 울트라 G1a(ZBook Ultra G1a)는 프로세서 성능과 메모리 용량에 명확하게 집중한 구성을 취함으로써, 기존의 노트북 선택 방법과는 다른 노선을 제시한다. 일반적으로 노트북을 선택할 때 대부분의 사용자는 성능, 휴대성, 가격, 배터리 지속 시간, 확장성 등 여러 요소를 종합적으로 고려한다. 그러나 특정 작업 환경에서는 이러한 균형 중심의 접근이 오히려 비효율로 작용하기도 한다. 대용량 데이터 전처리, 로컬 AI 추론, 3D 콘텐츠 제작과 같이 CPU와 메모리 자원 의존도가 높은 워크로드에서는, 그래픽 성능이나 휴대성보다 연산 자원과 메모리 용량이 작업 효율을 결정짓는 핵심 요소가 되기 때문이다. HP Z북 울트라 G1a는 바로 이러한 관점에서 색다른 접근법을 채택한 기기라고 볼 수 있다. AMD의 라이젠 AI 맥스+ 프로 395(Ryzen AI Max+ PRO 395) 프로세서를 탑재해 128GB에 달하는 대용량 메모리를 제공하는 반면, 그래픽 카드는 외장 GPU가 아닌 내장 그래픽으로 구성된 14인치 노트북이다. 이처럼 극명하게 갈린 사양 구성은 과연 AI 개발과 3D 콘텐츠 제작이라는 두 가지 작업을 모두 감당할 수 있는 선택지일까?   제품 개요 워크스테이션은 일반적으로 크고 무거운 데스크톱 형태로, ‘들고 다니는 기기’와는 거리가 멀다는 인식이 강하다. 그러나 HP Z북 울트라 G1a는 이러한 고정관념을 벗어나, 14인치 폼팩터 안에 워크스테이션급 성능을 담아냈다. 앞서 언급했듯 이 제품은 AMD 라이젠 AI 맥스+ 프로 395 프로세서와 라데온 8060S(Radeon 8060S) 그래픽을 기반으로 설계되었으며, 최대 128GB LPDDR5x 메모리와 대용량 NVMe SSD를 탑재했다. 정량적인 하드웨어 스펙상 무게는 약 1.57~1.59kg으로, 여타 게이밍 노트북과 비교해도 크게 무겁지 않은 수준이다. 실제로 가방에 넣어 휴대했을 때도 다른 노트북에 비해 체감 무게가 과하게 느껴지지는 않았다. 기기 양쪽에는 USB-C 타입 포트 2개(충전 포트 포함)를 비롯해 HDMI, USB-A 타입 단자, 3.5mm 이어폰 단자가 배치되어 있어, 워크스테이션으로서 요구되는 기본적인 확장성도 충분히 갖추고 있다.   디자인 본격적인 사용기에 앞서 디자인을 살펴보자. 보기 좋은 떡이 먹기도 좋다는 말도 있듯이, 매일 사용하는 기기는 사용자의 마음에 들 정도로는 아름다워야 한다. HP Z북 울트라 G1a의 디자인은 간결하고 군더더기 없었다. 특히, 전반적인 제품의 마감 품질이 높다는 것이 느껴졌다. 처음 노트북이 닫힌 상태에서 보았을 때는 매끄럽고 둥근 디자인의 겉모습이 단정하다는 느낌이 들고, 화면을 열어 전원을 켰을 때에는 베젤이 얇고 깔끔하여 프로페셔널하다는 인상을 준다. 디자인에서 가장 좋았던 점은 키보드이다. 처음에는 짙은 회색의 평범한 플라스틱 소재로 느껴졌지만, 사용하다 보니 키보드의 키감이 좋을 뿐만 아니라 이물질이 잘 묻지 않는 코팅으로 되어 있어 사용 시 편리했다. 외부 작업 중 노트북을 열었을 때, 손때 묻은 키보드를 다른 사람에게 드러내는 것이 걱정인 사람이라면 이 노트북의 키보드 마감이 더욱 마음에 들 것이라 생각한다. 또한 카메라에는 오픈·클로즈 방식의 물리적 커버가 적용되어, 노트북 내장 웹캠을 사용하지 않을 때는 완전히 가릴 수 있다. 사소해 보일 수 있지만, 사용자를 고려한 세심한 설계라는 점에서 인상 깊은 부분이었다.   그림 1. 노트북 전면. 디자인이 깔끔하고 단정하여 외부 미팅에도 무난하게 사용할 수 있었다.   AI 및 데이터 전처리 워크로드 이제 AI 엔지니어의 관점에서 이 제품을 살펴보자. AI 제품 개발 과정에서 절실하게 체감하는 주요 요소 중 하나는 CPU 메모리의 여유이다. 모델 학습은 클라우드 GPU나 서버 자원을 활용하는 경우가 많아졌지만, 탐색적 데이터 분석, 실험을 위한 데이터 전처리는 대부분 로컬 환경에서 수행해야 하기 때문이다. 따라서 CPU 성능과 GPU 성능 둘 중 하나를 선택해야 한다면, 많은 사람들의 예상과 달리 GPU보다는 CPU를 선택하는 것이 합리적이다. CPU 메모리가 여유가 있다면 데이터셋을 실험 가능한 요건에 맞춰 수정 및 조정하는 것이 조금 더 편리해질 뿐만 아니라, 데이터셋 전처리와 동시에 다른 작업이 가능하기 때문이다. HP Z북 울트라 G1a의 128GB 메모리와 라이젠 AI 맥스+ 프로 395의 조합은 대용량 데이터 전처리와 모델 로딩 과정에서 매우 안정적인 모습을 보였다. 텍스트·이미지 데이터 전처리 작업에서 메모리 부족 현상은 거의 발생하지 않았으며, 기존에 사용하던 게이밍 노트북(32GB RAM, RTX 4060 기준) 대비 체감상 약 절반 수준의 시간으로 작업을 마칠 수 있었다. 이는 대규모 로컬 데이터셋을 다루는 리서처에게 매우 중요한 요소다. AI 허브나 대학·연구기관에서 제공하는 공공 데이터셋의 경우 단일 데이터셋만으로도 수백 GB를 훌쩍 넘기는 경우가 많고, 이를 포맷에 맞게 전처리하는 데 상당한 시간이 소요되기 때문이다. HP Z북 울트라 G1a는 메모리의 양이 크기 때문에, 작업 중간 중간에 메모리 부족으로 인해 컴퓨터가 멈추거나 작업 수행 완료를 위해 컴퓨터를 손 놓고 기다리는 일 없이 여유롭게 전처리를 수행할 수 있었다. 몇 가지 사례를 들어보면, 첫째 <그림 2>와 같이 데이터의 압축 해제, 복사와 같은 간단한 작업에서 매우 빠른 처리 속도를 보여주었다. 데이터 전처리 성능을 실험하기 위해 활용한 ‘음식 분류’ 데이터셋의 경우, 각 클래스마다 1천 개의 고화질 사진이 저장되어 있어 전체 용량이 1TB에 육박하는 매우 큰 데이터셋이다. 그러나 HP Z북 울트라 G1a에서는 30GB 용량의 데이터를 압축 해제하는 데 8분밖에 소요되지 않았고, 일관적으로 140MB/s 전후의 속도를 유지하였다. 이는 HP Z북 울트라 G1a의 메모리 대역폭 확대, 멀티채널 구성 안정성 증가가 큰 영향을 미쳤기 때문으로 생각할 수 있다. 일반적인 환경에서는 압축 해제 단계에서 CPU 처리 속도가 병목으로 작용하여, 저장장치가 충분한 성능을 갖추고 있음에도 불구하고 연속적인 읽기·쓰기 작업이 지연되는 현상이 발생하기도 한다.   그림 2. 대용량 데이터의 전처리에도 빠른 속도를 유지하였고, 프로그램 운용에 여유가 있었다.   반면, HP Z북 울트라 G1a에서는 향상된 프로세서 구조와 메모리 서브시스템을 통해 병목이 제거되었으며, 그 결과 압축 해제와 동시에 디스크 I/O가 지속적으로 최대 대역폭에 가깝게 활용될 수 있었다. 이로 인해 사용자 관점에서는 압축 해제뿐 아니라 파일 복사 속도까지 향상된 것처럼 느껴져 직접적으로 작업 효율 향상이 체감되었다. 기존의 게이밍 노트북이 동일한 작업을 수행하는데 평균 60MB/s의 속도로 약 12분 정도가 소요된 것을 고려하면, 이 작업이 전체 데이터셋에 적용될 때 얼마만큼의 작업 시간을 아낄 수 있을 지 기대해 볼 만하다. 둘째, 파이썬 코드를 활용한 데이터 전처리에서도 높은 성능 개선을 보여주었다. CSV 파일을 활용하여 3D 복셀 데이터를 만드는 작업을 수행하는 코드를 기준으로 실험해보았다. 이는 앞에서와 동일하게 CPU·메모리에 집중된 작업을 할 때의 효율을 검사하기 위한 실험으로, 동일한 SVC 파일을 대상으로 데이터의 시각화를 수행하였을 때를 비교한 것이다. 결과적으로, HP Z북 울트라 G1a는 평균적으로 75FPS(초당 프레임)를 유지하였고, 시각화된 데이터를 360도 회전시켜 확인하는 데에 큰 문제가 없었다. 반면, 기준이 된 다른 기기는 평균 42FPS를 유지하고, 시각화된 데이터를 360도로 회전시켜 확인하는 데 약간의 로딩이 필요했다. 특히, 시각화 결과물을 회전하는 과정에서 약간의 버벅임과 끊김이 발생하여 데이터를 세부적으로 확인할 때 약간의 어려움이 따랐다. 기준 기기 또한 일반적인 사무용 노트북을 기준으로 보았을 때보다는 훨씬 빠르고 원활한 데이터 전처리 성능을 보여주었으나, HP Z북 울트라 G1a는 전처리뿐 아니라 시각화 데이터 인터랙션에서도 안정적으로 동작함으로써 실시간에 가까운 시각화 환경을 제공했다는 점에서 차별화된 사용 경험을 제공하였다.   그림 3. 3D 복셀화에 소요된 시간과 프레임률을 tqdm으로 측정한 결과. 동일한 작업을 수행하는 데 HP Z북 울트라는 75FPS, 기준 기기(HX370 CPU, 32RAM)는 42FPS의 성능을 보여주었다.   로컬 AI 추론 로컬 AI 추론 작업에서도 HP Z북 울트라 G1a는 충분히 인상적인 성능을 보여주었다. 로컬 AI 세팅에는 올라마(Ollama)를 사용하였다. 올라마는 다양한 오픈소스 LLM을 간편히 사용할 수 있게 하는 프로그램으로 윈도우, 맥, 리눅스 등 다양한 환경을 지원하며 CLI 및 GUI 환경을 모두 지원하여 확장성이 좋다. 또한, 로컬에서 REST API 형태로 모델을 노출할 수 있어 파이썬(Python), 노드.js(Node.js), 자바(JAVA(Spring)), 랭체인(LangChain) 등과 연동이 용이하며, 프로토타입 서비스 제작 및 온디바이스 AI, 사내 전용 LLM 구축을 위해 다양하게 쓰인다. 필자는 윈도우에서 GUI 기반의 올라마 클라이언트를 설치하여 로컬 AI 추론을 수행하였으며, 엔비디아 그래픽 카드 드라이버(CUDA 포함)를 설치하지 않고 올라마를 구동하였다. 이 지점에서 HP Z북 울트라 G1a의 프로세서의 특장점이 드러난다. 바로 SoC(System on a Chip) 설계를 통해 프로세서 자체에서 CPU·GPU·NPU를 통합하여 활용한다는 것이다. 따라서 이 워크스테이션을 사용하는 사람은 일반적으로 말하는 CPU-Only와 같이 GPU 드라이버를 따로 설치하지 않더라도, AI 추론 및 훈련을 수행할 때 GPU·NPU를 사용하는 것과 같은 효과를 체감할 수 있다.   그림 4. 올라마의 공식 홈페이지. 윈도우, 맥, 리눅스 등 다양한 OS를 지원하며 오픈소스로 활용 가능한 LLM 모델의 가중치를 제공하여 로컬 추론을 가능하게 하는 프로그램이다.   올라마를 활용해 중·대형 언어 모델(gpt-oss:120B)과 소형 언어 모델(qwen3:8B)을 각각 다운로드한 뒤, 동일한 조건에서 추론 시간을 비교해 보았다. 결과는 예상 이상이었다. 중·대형 언어 모델의 추론에는 (약간의 쿨링 소음이 발생하였지만) 약 10초가 소요되었고, 소형 언어 모델 역시 약 13초 내외로 추론을 마쳤다. 비교 대상으로 사용한 다른 노트북에서는 중·대형 모델이 추론 도중 오류를 일으켰고, 소형 모델조차 358초가 걸렸던 점을 감안하면 상당한 차이다. ‘메모리 용량 차이가 얼마나 크겠어’라고 생각한 필자의 판단을 무색하게 만들 정도로, 128GB 메모리와 라이젠 AI 맥스+ 프로 395의 조합은 로컬 AI 추론 환경에서 분명한 강점으로 작용했다. 이러한 특성은 AI 개발자에게만 국한된 장점은 아니다. 성능이 검증된 오픈소스 언어 모델을 노트북에 직접 탑재해 휴대할 수 있다는 것은, 인터넷 연결이 원활하지 않은 환경에서도 개인화된 AI 비서를 여러 개 운용하며 작업을 이어갈 수 있음을 의미한다. 로컬 환경에서의 AI 활용 가능성을 실질적인 수준으로 끌어올렸다는 점에서, HP Z북 울트라 G1a의 방향성과 장점이 명확히 드러나는 지점이었다.   그림 5. qwen3:8b로 로컬 추론을 수행한 결과   그림 6. gpt-oss:120b로 로컬 추론을 수행한 결과   3D 작업 워크플로 다음은 3D 작업 워크플로로 넘어가 보자. 필자가 주로 사용하는 캐릭터 크리에이터(Character Creator), 지브러시(Zbrush) 등을 통하여 내장 그래픽만을 가지고 있음에도 ‘충분히 작업이 가능한가?’라는 요소를 살펴보고, 다음으로는 고화질을 요구하는 3D 게임을 실행시켜 성능을 테스트해 보았다. 먼저, 리얼루션(Reallusion)의 캐릭터 크리에이터 5 소프트웨어를 설치하여 작업 가능 여부를 확인해 보았다. 이 소프트웨어는 사실적 묘사를 담은 메타 휴먼을 만들기 위한 소프트웨어이다. 얼굴, 체형, 옷 및 장신구 같은 다양한 요소를 조합하는 자유도가 높고, 피부 결이나 머리카락 같은 요소까지 섬세하게 구현해야 하기 때문에 일반적인 게이밍 노트북에서도 원활한 작업이 어려운 소프트웨어 중 하나이다. 실제로, 필자가 보유한 게이밍 노트북 기기에서는 동일한 작업을 수행하며 컴퓨터가 다운되는 경우가 종종 있었고, 새로운 스킨으로 교체하거나 요소를 변형할 때 1 ~ 5분 정도의 로딩 타임을 요구했다.   그림 7. 캐릭터 크리에이터로 작업하는 모습   그러나, HP Z북 울트라 G1a에서는 로딩 시간이 1 ~ 3분 이하로 줄어드는 모습을 보여주었을 뿐만 아니라, 컴퓨터가 다운되는 경우도 발생하지 않아 상당히 쾌적하게 작업을 진행할 수 있었다. 물론 다루는 데이터의 크기 자체가 큰 만큼 약간의 로딩 시간은 피해갈 수 없었으나, 대부분 1분 이내의 로딩으로 작업이 완료되어 작업 완료를 기다리는 시간이 줄어들었다. 다음으로는 지브러시를 통해 추가 검증을 진행하였다. 지브러시의 경우 매끄러운 표면을 위해 의도적으로 폴리곤을 많이 나누면서 메모리 부하가 발생하는 경우가 많은데, <그림 8>과 같이 복잡한 인간형 모델링, 특히 상업적으로 판매 가능한 정도의 모델링을 테스트하였음에도 데이터의 로드 및 조형에 시간이 소요되지 않고 바로 진행할 수 있는 정도의 원활함을 보여주었다.   그림 8. 매끄러운 곡선으로 폴리곤의 수가 많아지더라도 원활히 처리하는 모습을 볼 수 있다.   마지막으로, 3D 게임을 통해 성능을 확인하였다. 대상이 된 게임은 ‘호그와트 레거시’로, 언리얼 엔진으로 만들어졌으며 비교적 실사화 스타일의 그래픽, 다양한 파티클 사용으로 고난도의 그래픽 컨트롤을 요구하는 게임이다. 게임에서는 플레이를 진행하며 기기의 사양을 자동으로 측정하여 적절한 그래픽 옵션을 정해주는데, 이 기기는 자동으로 중간 단계의 그래픽 옵션으로 세팅되는 것을 확인하였다.   그림 9. 기기 옵션을 자동으로 분석하여 적절한 수준의 그래픽 구현. 이 기기는 중간 옵션을 배정받았다.   물론 기존의 작업에 비해 3D 게임을 진행할 때는 기기의 쿨링팬 소음이 두드러지게 들리는 편이었다. 앞서 수행한 작업에서는 쿨링이 필요하지 않거나, 쿨링이 필요하더라도 비교적 짧고 조용하게 한 번의 ‘쏴아아’하는 소리가 들렸다면, 3D 게임을 실행 중일 때는 지속적인 쿨링 소음이 발생하였기 때문이다. 그러나, 여기에서도 HP Z북 울트라 G1a의 탁월한 점을 발견할 수 있었다. 그것은 바로 ‘소음이 발생하는 만큼 쿨링이 잘 되고 있다’는 점이다. 랩톱을 주로 사용하는 사용자는 공감하겠지만, 일부 랩톱의 경우 쿨링 소음이 큰데도 불구하고 쿨링이 제대로 되지 않아 기기 아래쪽의 키보드 부분이 상당히 뜨거워지는 경우가 잦다. 그러나 이 기기는 소음이 크더라도 쿨링이 확실히 진행되고 있었고, 피부에 장시간 접촉시킬 수 있을 정도의 발열만 있었다. 아울러, 게임 내의 실사화 그래픽은 모두 끊기는 부분 없이 자연스럽게 재생되었고, 게임 진행에 이상이 없이 원활히 진행되었다.   그림 10. 그림 내 실사화 시나리오 중 그래픽 재현성이 좋은 부분의 캡처. 왼쪽의 바다 물결 표현, 전면의 포그 표현 등이 끊기지 않고 자연스럽게 재생되었다.   맺음말 HP Z북 울트라 G1a는 AI 리서처와 3D 제작 작업을 병행하는 사용자에게 모바일 워크스테이션으로서 분명한 가치를 지닌 기기다. 이 제품의 구성은 모든 요소를 고르게 끌어올리기보다는, 프로세서와 메모리 성능에 명확하게 힘을 준 제품이다. 이에 사용 목적이 분명한 사용자에게 강점으로 작용한다. AI 전처리, 로컬 추론, 3D 제작 작업과 같이 CPU·메모리 의존도가 높은 워크로드에서는 이러한 설계 방향이 체감 성능으로 직결되기 때문이다. 그런 의미에서 HP Z북 울트라 G1a는 특히 다음과 같은 사용자에게 추천하고 싶다. 첫째, 대용량 데이터 전처리가 일상적인 AI 엔지니어, 둘째, 3D 콘텐츠 제작 과정에서 초안과 검증 단계의 결과물을 빠르게 만들어야 하는 사용자, 셋째, 이 모든 작업을 데스크톱이나 서버에 의존하지 않고 모바일 환경에서도 이어가야 하는 사용자다. HP Z북 울트라 G1a를 사용하는 사용자라면, 적어도 서버급 연산을 요구하는 극단적인 작업을 제외하고는 대부분의 실무 환경에서 성능으로 인한 제약을 체감할 일은 드물 것이다. 견적 상담 문의하기 >> https://www.hp.com/kr-ko/shop/hp-workstation-amd-app   ■ 박정은 AI 융합 분야 연구자이자 엔지니어로, 컴퓨터 비전, 게임 엔진, 머신러닝, 딥러닝 기반 실무를 수행하며 대용량 AI 데이터 전처리와 AI 실험 파이프라인을 설계·운용해왔다. 필적, 운동학, 감정 인식 중심의 AI 프로덕트 R&D를 수행하며, 모바일 워크스테이션 환경에서 CPU·GPU 자원을 밀도 있게 활용하는 실험 구조를 활용하였다. 산업 연계 교육 현장에서 연구와 실무를 연결하는 엔지니어이자 교육자로 활동하고 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

트렌드에서 얻은 것 No. 27   “AI의 다음 단계는 로봇공학이다.” – 젠슨 황, 엔비디아 CEO   라스베이거스에서 목격한 ‘가치의 증명’ 매년 1월, 미국 라스베이거스는 전 세계 기술의 향연장으로 오프라인뿐만 아니라 온라인으로 그 열기가 실시간으로 전달되지만 올해 열린 CES 2026의 공기는 사뭇 달랐다고 한다. CES에 참석한 전문가들이 전해주는 실시간 열기를 통해서 현지에서 느낀 것처럼 쉽게 접할 수 있음에 감사 말씀을 먼저 전하고 싶다. 화려한 비전과 먼 미래의 청사진을 늘어놓던 과거의 관행은 사라지고, 그 자리를 치열한 ‘실증(proof)’과 ‘현실(reality)’이 채웠다. 올해 CES의 슬로건인 ‘혁신가들의 등장(Innovators Show Up)’은 단순히 참가자들이 행사장에 나타났다는 뜻이 아니다. 아이디어를 가진 자가 아니라, 실제로 작동하는 혁신을 만들어내는 자만이 이 무대의 주인공이 될 수 있다는 냉정한 선언과도 같았다. 올해 CES를 관통하는 단 하나의 키워드를 꼽자면 단연 ‘피지컬 AI(physical AI)’다. 지난해까지 우리가 화면 속의 생성형 AI와 대화하며 그 지적 능력에 감탄했다면, 2026년의 AI는 모니터 밖으로 걸어 나와 로봇과 모빌리티라는 육체를 입고 물리적 세계를 직접 변화시키기 시작했다. 엔비디아의 젠슨 황 CEO가 “AI의 다음 단계는 로봇공학”이라고 천명했듯, 이제 기술 경쟁의 룰은 ‘무엇을 할 수 있는가(show)’에서 ‘어떤 실질적 가치를 제공하는가(prove & sell)’로 완전히 바뀌었다. 이번 호 칼럼에서는 CAD/PLM, 엔지니어링, 제조 분야의 전문가에게 이번 CES 2026이 시사하는 바를 심층적으로 분석하고, 피지컬 AI, 디지털 트윈, 그리고 한국 기업의 생존 전략을 중심으로 산업의 대전환을 조망해보고자 한다. “AI, 모니터 밖으로 걸어 나왔다.” – 김난도, 서울대학교 교수   AI, 육체를 얻다 - 피지컬 AI와 로보틱스의 진화 CES 2026 현장에서 가장 주목받은 변화는 소프트웨어 중심의 AI가 하드웨어 로봇 시장으로 폭발적으로 전이되고 있다는 점이다. 이를 ‘피지컬 AI’라고 부른다. 이는 단순히 로봇이 미리 프로그래밍된 대로 움직이는 자동화를 의미하지 않는다. 로봇이 센서와 카메라를 통해 현실 세계를 인지(perception)하고, 상황을 이해(cognition)하며, 이를 바탕으로 스스로 판단하여 물리적 행동(action)을 수행하는 단계로 진화했음을 의미한다.   ▲ CES 2026 정리 – 교수님의 화이트보드(출처 : 나노바나나 by 류용효) (클릭하시면 큰 이미지로 볼 수 있습니다.)   현대자동차그룹의 행보는 이러한 흐름을 가장 명확하게 보여주었다. 현대차는 이번 CES에서 ‘인간 중심의 AI 로보틱스’ 비전을 선포하며, 보스턴 다이내믹스의 휴머노이드 로봇 ‘아틀라스(Atlas)’의 차세대 전동식 모델을 공개했다. 과거의 유압식 모델이 연구용에 가까웠다면, 이번 전동식 모델은 실제 산업 현장 투입을 전제로 설계되었다. 현대차는 구글 딥마인드와의 협력을 통해 로봇의 ‘두뇌’를 고도화하고, 이를 2028년부터 미국 조지아주 메타플랜트 아메리카(HMGMA) 공장에 실제 투입하겠다는 구체적인 로드맵을 제시했다. 이는 로봇이 더 이상 쇼케이스용 전시물이 아니라, 제조 공정의 데이터와 결합하여 생산성을 혁신하는 실질적인 ‘노동력’으로 자리 잡았음을 시사한다. 로봇의 진화는 산업 현장에만 머물지 않았다. LG전자는 ‘공감지능’을 탑재한 AI 홈 로봇 ‘클로이드(CLOiD)’를 통해 가사 노동이 없는 ‘제로 레이버 홈(Zero Labor Home)’의 비전을 구체화했다. 클로이드는 사용자의 목소리 톤을 분석해 감정을 파악하고, 세탁기에 빨래를 넣거나 요리를 돕는 등 복잡한 물리적 가사 노동을 수행한다. 이는 로봇이 단순한 기계 장치를 넘어, 인간의 맥락을 이해하고 능동적으로 상호작용하는 ‘반려 가전’ 혹은 ‘지능형 파트너’로 격상되었음을 의미한다. 엔지니어링과 설계 관점에서 볼 때, 이러한 피지컬 AI의 부상은 하드웨어 설계와 AI 소프트웨어의 결합이 선택이 아닌 필수가 되었음을 시사한다. 로봇의 관절을 움직이는 액추에이터의 정밀 제어부터 센서 데이터를 처리하는 에지 컴퓨팅 그리고 이를 통합하는 운영체제(OS)까지, 기계 공학과 컴퓨터 공학의 경계가 완전히 허물어지고 있는 것이다. “흙(dirt)을 파는 기업에서 데이터(data)를 파는 기업으로.” – 캐터필러(Caterpillar)의 비전   데이터가 자산이 되는 산업 메타버스 - 제조의 미래 CES 2026은 제조업의 패러다임이 ‘하드웨어 제조’에서 ‘데이터 자산화’로 이동하고 있음을 여실히 보여주었다. 독일의 지멘스와 미국의 캐터필러가 보여준 비전은 전통적인 제조 기업이 어떻게 소프트웨어 및 플랫폼 기업으로 변모해야 하는지에 대한 해답을 제시한다. 지멘스는 ‘산업용 메타버스’와 ‘디지털 트윈’을 전면에 내세웠다. 현실의 공장을 가상 공간에 똑같이 복제하여 시뮬레이션함으로써 공정 최적화와 예지 보전을 수행하는 것은 이제 기본이 되었다. 핵심은 이러한 디지털 트윈이 생성형 AI와 결합하여, 엔지니어가 자연어로 설비의 상태를 묻거나 최적화 방안을 제안받는 ‘에이전틱 AI(agentic AI)’ 단계로 진입했다는 점이다. 마이크로소프트와의 협력을 통해 공개된 ‘제조 공동 지능’ 이니셔티브는 공장 내의 파편화된 데이터를 통합하고, AI가 스스로 문제를 진단하여 해결책을 제시하는 수준의 자동화를 예고했다. 중장비 업체 캐터필러의 변신 또한 극적이다. 그들은 ‘흙(dirt)을 파는 기업에서 데이터(data)를 파는 기업’으로의 전환을 선언했다. 자율주행 광산 트럭과 원격 제어 시스템을 통해 건설 현장의 모든 움직임을 데이터화하고, 이를 바탕으로 작업 효율을 극대화하는 설루션을 판매한다. 이제 굴착기는 단순한 기계가 아니라 데이터를 생성하고 수집하는 IoT(사물인터넷) 디바이스이자, 거대한 로봇이 되었다. 이러한 변화는 CAD/CAE/PLM 전문가들에게 시사하는 바가 크다. 제품을 설계한다는 것은 이제 단순히 3D 형상을 모델링하는 것을 넘어 제품이 생성할 데이터를 정의하고, 가상 공간에서의 시뮬레이션 시나리오를 설계하며, 운영 단계에서의 데이터 피드백 루프까지 고려해야 함을 의미한다. ‘설계–제조–운영’의 전 과정이 데이터로 연결되는 엔드 투 엔드(end-to-end) 엔지니어링 역량이 그 어느 때보다 중요해졌다. “미국과 중국이 앞서가는 상황에서, 한국 기업들이 살아남을 방법은 결국 압도적인 기술 격차뿐이다.” – 정구민, 국민대학교 교수   모빌리티, 바퀴 달린 AI 디바이스로 재정의되다 모빌리티 분야에서의 화두는 단연 ‘SDV(Software Defined Vehicle : 소프트웨어 중심 자동차)’의 고도화와 AI의 전면 도입이었다. 자동차는 이제 엔진과 변속기로 정의되는 기계 장치가 아니라 거대한 스마트폰, 혹은 ‘바퀴 달린 AI 디바이스’로 재정의되었다. CES 2026에서 현대모비스와 LG이노텍 등 전장 기업은 차량 내 경험(in-cabin experience)을 혁신할 디스플레이와 센서 기술을 대거 선보였다. 투명 디스플레이가 적용된 전면 유리, 운전자의 시선과 상태를 감지하는 인 캐빈 센싱, 그리고 이 모든 것을 통합 제어하는 고성능 컴퓨팅 플랫폼은 모빌리티가 단순한 이동 수단을 넘어 생활과 업무, 휴식이 가능한 ‘제3의 생활 공간’으로 진화하고 있음을 보여준다. 특히 엔비디아는 자율주행 플랫폼 ‘알파마요’를 공개하며, AI가 단순히 사물을 인식하는 것을 넘어 상황을 추론하고 미래를 예측하여 주행하는 시대를 열었다. 예를 들어 골목길에서 공이 굴러나오면 아이가 뒤따라 나올 것을 예측하여 속도를 줄이는 식이다. 이는 자율주행 기술이 규칙 기반(rule-based)에서 AI 모델 기반으로 완전히 전환되고 있음을 의미한다. 또한, 현대차의 ‘모베드(MobED)’와 같은 로보틱스 모빌리티 플랫폼은 기존 자동차의 형상을 파괴하고 있다. 납작한 직육면체 보디에 네 개의 바퀴가 독립적으로 움직이며 어떤 지형에서도 수평을 유지하는 이 플랫폼은 배송, 안내, 촬영 등 다양한 목적에 맞게 상부 모듈만 교체하여 사용할 수 있다. 이는 모빌리티 설계가 ‘목적 기반(PBV)’으로 세분화되고 있으며, 하드웨어 플랫폼의 모듈화가 가속화되고 있음을 보여준다. “CES는 전시장이 아닌 글로벌 ‘생존 실험실’이다.” – 주영섭, 서울대학교 특임교수   K-테크의 약진과 과제 - 생존을 위한 피버팅 이번 CES 2026에서 한국 기업들의 활약은 눈부셨다. 최고혁신상의 상당수를 한국 기업이 휩쓸었으며, 참가 기업 수나 전시 규모 면에서도 주최국인 미국에 이어 2위를 기록하며 존재감을 과시했다. 삼성전자와 LG전자는 AI 가전을 통해 스마트홈 생태계의 표준을 제시했고, HD현대와 두산은 무인화·자동화 기술로 산업 현장의 미래를 그렸다. 특히 주목할 점은 스타트업들의 약진이다. 마음AI는 CTA 주관 미디어데이에서 지멘스와 함께 ‘반드시 주목해야 할 기업(one pick)’으로 선정되며 글로벌 무대에서 기술력을 인정받았다. 그들이 선보인 것은 단순한 개념 증명이 아닌, 실제 산업 현장에서 즉시 활용 가능한 ‘작동하는 피지컬 AI’였다. 또한 딥엑스, 스튜디오랩 등 딥테크 기업들이 혁신상을 수상하며 AI 반도체, 로보틱스 등 첨단 분야에서 한국의 기술 저력을 입증했다. 하지만 화려한 수상 실적 이면에는 냉혹한 현실도 존재한다. 주영섭 서울대학교 특임교수는 CES를 “전시장이 아닌 생존 실험실”이라고 정의하며, 한국 기업들이 글로벌 시장의 니즈에 맞춰 끊임없이 ‘피버팅(pivoting : 사업 방향 전환)’해야 한다고 강조했다. 중국 기업들이 끈질긴 생존력으로 저가형 로봇 시장을 잠식하고 있고 빅테크 기업들이 AI 인프라를 독점해가는 상황에서, 한국 기업들은 ‘보여주기식’ 기술이 아닌 ‘돈이 되는’ 비즈니스 모델을 증명해야 하는 과제를 안고 있다. 삼성전자가 주 전시관인 LVCC를 떠나 윈 호텔에 별도 전시관을 마련하고 B2B 고객과의 깊이 있는 미팅에 집중한 것, LG전자가 가사 노동 해방이라는 명확한 고객 가치를 제안한 것은 모두 이러한 고민의 산물이다. 기술 자체의 우수성보다 그 기술이 고객에게 어떤 가치를 줄 수 있는지를 증명하는 것이 생존의 열쇠가 되었다. “혁신은 우리의 삶을 진정으로 더 낫게 만들 때만 의미가 있다.” – 류재철, LG전자 H&A사업본부장   테크 터치, 기술이 감성과 만나는 지점 CES 2026을 관통한 거대한 흐름을 한마디로 요약하자면 ‘테크 터치(tech touch)’라고 할 수 있다. 이는 기술(tech)이 산업의 효율을 높이는 것을 넘어, 인간의 삶과 감성(touch)을 어루만지는 단계로 진화했음을 의미한다. 차가운 금속 로봇이 인간의 언어를 이해하고 물을 건네주며, 자동차가 운전자의 기분을 파악해 실내 조명을 조절하고, AI가 개인의 건강 데이터를 분석해 질병을 예방한다. 이제 CAD/CAM 및 엔지니어링 분야의 전문가들은 단순히 기능적 요구사항을 충족하는 설계를 넘어, AI와 데이터가 결합된 지능형 시스템을 설계해야 하는 시대에 직면했다. 제품의 형상뿐만 아니라 그 제품이 현실 세계에서 어떻게 데이터를 수집하고, 사용자와 상호작용하며, 스스로 진화할 것인지를 설계 단계에서부터 고민해야 한다. CES 2026은 우리에게 명확한 질문을 던졌다. “당신의 기술은 실험실을 넘어 삶 속에서 작동하고 있는가?” 한국 기업들은 ‘패스트 팔로어’의 시대를 지나 이제 ‘퍼스트 무버’로서 기술의 표준을 정의해야 하는 위치에 섰다. 피지컬 AI, 디지털 트윈, SDV 등 CES가 보여준 미래 기술은 더 이상 먼 미래의 공상과학이 아니다. 바로 지금 우리의 설계 도면 위에서 그리고 생산 라인에서 구현되어야 할 현실이다. 혁신은 말이 아닌 행동으로, 그리고 실질적인 가치 증명으로 완성된다는 점을 잊지 말아야 할 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.

오토데스크 채널 리스트와 판매 제품군 파트너사 명칭 전문 분야 (Specialization) 홈페이지 전화번호 한국인프라 AutoCAD, Open, Building Architecture, Transportation Infrastructure, Product Design & Manufacturing, Design & Manufacturing Cloud, Government, Site Construction & Operations www.krinfra.co.kr 02-6204-5000 위드엠테크놀로지 Production Management, Media & Entertainment Industry, AutoCAD, Open www.with-m.co.kr 02-6204-5100 소프트플러스 AutoCAD, Open, Media & Entertainment Industry, Production Management www.softpm.co.kr 02-561-3031 상상진화 AutoCAD, Open, Building Architecture, Pre-Construction Design & Planning, Site Construction & Operations, Mechanical, Electrical & Plumbing (MEP), Transportation Infrastructure, Plant Design, Government www.imbu.co.kr 02-3474-2270 단군소프트 Building Architecture, AutoCAD, Open, Computer Aided Manufacturing (CAM), Media & Entertainment Industry, Product Design & Manufacturing, Design & Manufacturing Cloud www.tangunsoft.com 02-538-1423 케이씨아이엠(KCIM) AutoCAD, Open, Building Architecture, Transportation Infrastructure, Mechanical, Electrical & Plumbing (MEP), Product Design & Manufacturing, Site Construction & Operations www.kcim.co.kr 02-515-3167 줌인테크(ZOOMINTECH) Open, AutoCAD, Product Design & Manufacturing, Product Lifecycle Management (PLM), Design & Manufacturing Cloud, Government, Building Architecture, FlexSim www.zoom-in.co.kr 070-7806-1991 이디앤씨 AutoCAD, Open, Advanced Materials Analysis, Product Design & Manufacturing, Design & Manufacturing Cloud www.ednc.com 02-2069-0099 글로벌소프트 Mechanical, Electrical & Plumbing (MEP), AutoCAD, Open, Product Design & Manufacturing www.globalsoft.co.kr 02-522-0096 오토데스크 제품군 목록 Advanced Materials Analysis (고급 재료 분석) AutoCAD (오토캐드) Building Architecture (건축 설계) Computer Aided Manufacturing (CAM 컴퓨터 지원 제조) Design & Manufacturing Cloud (디자인 및 제조 클라우드) FlexSim (플렉스심) Government (정부/공공기관) Mechanical Electrical & Plumbing (MEP 기계·전기·배관 설비) Media & Entertainment Industry (미디어 및 엔터테인먼트 산업) Open (오픈 파트너십) - 범용 솔루션 Plant Design (플랜트 설계) Pre-Construction Design & Planning (시공 전 설계 및 계획) Product Design & Manufacturing (PDM 제품 디자인 및 제조) Product Lifecycle Management (PLM 제품 수명 주기 관리) Production Management (생산 관리) Site Construction & Operations (현장 건설 및 운영) Transportation Infrastructure (운송 인프라/토목)   공인파트너 찾기 골드파트너 링크 출처 : 오토데스크코리아 홈페이지