#다쏘시스템 #모드심 #시뮬리아 #무료웨비나 #3D모델링 #CAE #시뮬레이션   본 메일이 보이지 않는다면, 여기를 클릭하십시오.  

제조 AI와 소프트웨어 파워에 관심높아… AI 투자로 초격차 이끌 것   지난해 국내 제조 산업은 하드웨어 중심에서 소프트웨어 중심(SDx)으로의 급격한 체질 개선과 AI 도입이라는 거대한 파도와 마주했다. 지난해 4월 PTC코리아에 합류한 김도균 대표에게 PTC가 그리는 ‘인텔리전트 제품 라이프사이클’의 비전과 2026년 사업 전략에 대해 들어보았다. ■ 최경화 국장     클라우드 및 보안 전문가로서 제조 IT 기업인 PTC에 합류하게 된 배경과 지난해의 소회가 궁금하다. 지난해 4월 PTC코리아 대표로 부임했으니 곧 1년이 되어간다. PTC코리아 합류 이전에는 클라우드플레어, 아카마이 등에서 클라우드와 보안, AI 인프라 사업을 주로 이끌었다. 당시 에지 서버나 AI 추론 영역을 다루며 AI 시대에는 결국 제조 현장이 가장 크게 변할 것이라는 확신을 갖게 되었다. PTC는 제조 엔지니어링 분야의 전통 강자이면서도, 최근 제조 AI와 소프트웨어 역량 강화에 적극적인 기업이다. 지난해는 PTC코리아 조직을 재정비하고, 하드웨어 제조 중심이었던 국내 고객들에게 소프트웨어와 하드웨어의 융합 필요성을 설파하며 새로운 성장의 발판을 마련한 해였다.   지난해 PTC 비즈니스에서 가장 두드러진 변화나 성과는? 가장 큰 변화는 ALM(애플리케이션 수명주기 관리) 설루션인 코드비머(Codebeamer)의 약진이다. 과거 제조 시장이 하드웨어 설계에 집중했다면, 지난해에는 자동차 산업을 필두로 소프트웨어 정의 차량(SDV) 트렌드가 확산되면서 하드웨어와 소프트웨어를 통합 관리해야 하는 수요가 빠르게 확대됐다. 소프트웨어 요구사항 정의부터 코딩, 테스트, 배포까지 관리하는 ALM은 이제 선택이 아닌 필수가 되었다. 특히 대기업을 중심으로 복잡한 요구사항을 중복 없이 관리하고 개발 비용을 절감하기 위해 코드비머를 도입하는 사례가 크게 늘었다. 이를 통해 PTC는 제조 소프트웨어 영역에서의 혁신 파트너로 존재감을 확대했다.   PTC의 전통적인 주력 분야인 CAD와 PLM, 기타 관련 비즈니스는 어떤지? 매출 비중으로 보면 여전히 CAD(크레오)와 PLM(윈칠)이 가장 큰 축을 담당하며 견고하게 성장하고 있다. 특히 PLM은 단순히 설계 데이터를 저장하는 PDM(제품 데이터 관리) 수준을 넘어, 전사적 데이터 관리의 핵심으로 진화했다. 반면 IoT(사물인터넷) 사업은 전략적인 변화가 있었다. 최근 자산운용사 TPG에 IoT 사업 부문을 매각하고 파트너십 형태로 전환하는 절차를 밟고 있다. 이는 PTC가 IoT 사업을 포기하는 것이 아니라, 핵심 역량인 CAD, PLM, ALM, SLM(서비스 수명주기 관리) 등 4대 핵심 설루션에 투자를 집중하고, IoT는 전문 파트너사를 통해 더 고도화된 지원을 제공하기 위함이다. ‘선택과 집중’ 전략을 통해 핵심 설루션을 강화해 나간다는 계획이다.   클라우드 네이티브 CAD인 온쉐이프와 기존 주력 제품인 크레오의 포지셔닝은 어떻게 가져갈 계획인지? 두 제품의 역할은 명확히 구분된다. 크레오(Creo)는 자동차 엔진이나 복잡한 설비처럼 고도의 정밀함과 대용량 데이터 처리가 필요한 작업에 최적화되어 있다. 물론 크레오도 ‘크레오 플러스(Creo+)’라는 클라우드 버전을 통해 협업 기능을 강화하고 있다. 반면, 온쉐이프(Onshape)는 SaaS PLM이라고 할 수 있는 아레나(Arena)와 함께 100% 클라우드 네이티브(SaaS) 제품이다. 설치 없이 웹 브라우저에서 바로 구동되기 때문에, 스타트업이나 로봇 개발처럼 빠른 속도와 협업이 중요한 제품 개발 분야에서 각광받고 있다. 실제로 지난 CES 2026에서 로봇을 출품한 기업들이 온쉐이프로 설계를 했다고 해서 놀라기도 했다. 제조 현장에서 클라우드 SaaS 환경에 대한 거부감이 생각보다 많이 사라졌음을 체감하고 있다.   엔지니어링 분야에서도 AI 도입이 화두다. PTC의 AI 전략은 타사와 무엇이 다른가? 많은 기업이 AI를 표방하지만 단순히 챗봇 형태의 요약 기능에 그치는 경우가 많다. PTC가 추구하는 AI는 ‘실질적인 엔지니어링 AI’다. 예를 들어, PLM 내에서 AI가 수만 가지 부품을 분석해 중복 부품을 찾아내고, 대체 가능한 표준 부품을 제안해 원가를 절감해준다. 또한, AI 에이전트(agent) 기술을 통해 서로 다른 시스템 간에 데이터를 주고받으며 자율적으로 업무를 수행하는 단계까지 로드맵을 가지고 있다. 설계자가 자연어로 명령하면 최적의 형상을 모델링해주는 생성형 설계(generative design)나, ALM에서 요구사항의 오류를 AI가 자동으로 검증하는 기능 등은 이미 제품에 탑재되어 현장에서 쓰이고 있다.   최근 새롭게 인수한 회사 및 이 인수가 PTC 비즈니스에 가져오는 변화를 소개한다면? 가장 핵심적인 인수는 제품 및 소프트웨어 변형(variant) 관리 설루션 기업인 퓨어시스템즈(Pure-systems)다. 이 회사의 주력 설루션인 퓨어 베리언츠(Pure Variants)는 복잡한 제조 환경에서 필수적인 PLE(Product Line Engineering : 제품 라인 엔지니어링) 기능을 제공한다. 쉽게 설명하자면, 자동차나 가전제품을 만들 때 수만 가지의 파생 모델이 존재한다. 과거에는 모델마다 설계를 따로 관리했다면, 이제는 공통된 소프트웨어와 하드웨어 자산을 플랫폼화하고, 각기 다른 고객의 요구사항이나 옵션에 맞춰 변형된 부분만 효율적으로 관리해야 한다. 퓨어시스템즈 인수를 통해 PTC는 급성장하는 ALM 설루션 코드비머에 강력한 변형 관리 기능을 통합하게 되었다. 이를 통해 SDV 전환이 시급한 자동차 산업이나 규제가 까다로운 의료기기, 항공우주 분야에서 제품의 소프트웨어 구성부터 테스트, 검증까지 전 과정을 하나의 시스템으로 추적하고 관리할 수 있게 되었다. 이는 PTC가 단순히 설계 툴을 파는 회사가 아니라, 제조 소프트웨어의 복잡성을 해결해 주는 파트너로 차별화된 경쟁력을 확보하는데 기여할 것으로 기대하고 있다.   최근 엔비디아와의 파트너십 강화가 눈에 띈다. 어떤 시너지를 기대하는지? 엔비디아와의 협력은 옴니버스(Omniverse) 기술 통합이 핵심이다. PTC의 설계 데이터(CAD/PLM)를 별도의 변환 없이 실시간으로 시뮬레이션하고 시각화할 수 있는 환경을 구축했다. 이는 디지털 트윈을 넘어선 개념으로, 엔비디아 역시 자체 공장과 제품 설계에 PTC 설루션을 사용하고 있을 만큼 양사의 관계는 끈끈하다. 이 협력을 통해 고객들은 고성능 AI 인프라나 복잡한 제품을 설계할 때 향상된 속도와 정확성을 경험하게 될 것이다.   제조업계는 보안 이슈로 인해 클라우드 도입에 보수적인 것으로 알려져 있다. 최근의 분위기는 어떤지? 확실히 분위기가 달라졌다. 결국 AI는 ‘데이터 싸움’이다. 데이터를 한곳에 모으고 잘 저장해둬야 AI를 제대로 활용할 수 있는데, 이를 위한 가장 효율적인 기반이 바로 클라우드이기 때문이다. 과거에는 클라우드 전환을 꺼리던 대형 제조사들도 이제는 AI 도입을 전제로 클라우드 마이그레이션을 굉장히 활발하게 검토하고 있다. 물론 모든 시스템을 한 번에 클라우드로 옮길 수는 없다. 그래서 PTC는 고객 상황에 맞춰 하이브리드 접근을 제안하거나, 단계적인 클라우드 설루션을 제공하고 있다.   올해 PTC코리아가 주목하고 있는 시장이나 기술 이슈는 무엇인가? 올해는 방산과 의료기기 분야를 집중 공략할 계획이다. 글로벌 시장에서는 이미 록히드 마틴 같은 거대 방산 기업이 PTC 설루션을 표준으로 사용하고 있다. 최근 ‘K-방산’의 위상이 높아진 만큼, 국내 방산 기업들의 디지털 혁신을 적극 지원하고자 한다. 헬스케어 분야 역시 웨어러블 기기나 정밀 의료기기 설계 수요가 늘어나며 큰 기회가 되고 있다. 또한, 지역적으로는 부산, 경남 지역 등을 지원하기 위한 영남 지사 개소를 준비 중이다. 경남권의 거대 제조 벨트를 밀착 지원하기 위해 다시 영남권 거점을 마련하여 고객 접근성을 높일 예정이다.   올해 PTC코리아의 비즈니스 목표와 포부에 대해 소개한다면? 최근 5년간 매년 두 자릿수 성장을 이어왔는데, 올해도 높은 성장을 기대하고 있다. AI 기능이 탑재된 신제품에 대한 시장 반응 또한 긍정적으로, 지난 12월 진행한 행사에서도 예상을 뛰어넘는 고객들이 몰렸다. 2026년에는 이러한 성과를 바탕으로 클라우드 및 구독형 엔지니어링 소프트웨어 전환을 본격 가속화할 계획이다. 내부적으로는 영업, 기술, 마케팅 인력을 확충하고 파트너 생태계를 강화하여 고객들이 PTC의 기술을 더 쉽고 깊이 있게 활용할 수 있도록 지원할 것이다. 단순한 설루션 공급사를 넘어 대한민국 제조업의 지능형 혁신을 이끄는 동반자가 되겠다.     ■ '2025 국내 엔지니어링 소프트웨어 시장조사'에서 더 많은 내용이 제공됩니다.

‘인텔리전트 제품 라이프사이클’로 국내 제조 AX 혁신 선도   ▲ PTC코리아 김도균 대표 제조업의 디지털화가 ‘연결’과 ‘자동화’를 넘어 ‘지능화’와 ‘자율 제조’가 중심이 되는 AX(AI Transformation) 시대로 빠르게 진입하고 있다. 1993년 설립 이후 국내 제조 산업의 혁신을 이끌어온 PTC코리아(www.ptc.com)는 AX 시대를 맞아 단순한 엔지니어링 소프트웨어 공급자를 넘어 기업의 창조 역량을 극대화하는 전략적 파트너로 도약하고 있으며, 엔지니어링 기술의 새로운 패러다임을 제시하고 있다. PTC 혁신의 역사 40년, ‘Power To Create’의 비전을 실현하다 PTC는 2026년 기준 전 세계 35개국에서 3만 5천 이상의 고객사를 보유하고 7,200명 이상의 직원이 함께하는 글로벌 엔지니어링 소프트웨어 기업이다. 1985년 혁신적인 3D 설계 방식으로 시장에 등장한 이후, PTC는 끊임없는 기술 개발과 전략적 인수를 통해 CAD, PLM을 넘어 ALM, SLM에 이르는 통합 포트폴리오를 완성해 왔다. PTC의 핵심 목표는 ‘Power To Create’, 즉 고객과 직원 모두에게 더 나은 세상을 구상하고 이를 현실로 만들 수 있는 창조적 역량을 제공하는 것이다. PTC코리아 김도균 대표는 "PTC의 목적은 단순히 더 좋은 세상을 구상하는 데서 그치지 않고, 고객이 실질적인 비즈니스 성과를 창출할 수 있도록 혁신적인 디지털 기술을 제공하는 것"이라며 기업의 비전과 사회적 책임의 조화를 강조했다. ‘선택과 집중’으로 강화되는 전통 비즈니스와 핵심 솔루션 PTC의 성장을 지탱하는 가장 큰 축은 여전히 전통적인 주력 분야인 CAD와 PLM이다. 매출 비중 면에서 CAD(크레오)와 PLM(윈칠)은 여전히 견고한 성장세를 보이고 있으며, 특히 PLM은 단순히 설계 데이터를 저장하는 PDM(제품 데이터 관리) 수준을 넘어 전사적 데이터 관리의 핵심 플랫폼으로 진화했다. 최근 PTC는 미래 성장을 위해 과감한 전략적 변화를 단행했다. IoT(사물인터넷) 사업 부문을 자산운용사 TPG에 매각하고 파트너십 형태로 전환하는 절차를 밟고 있는 것이다. 이에 대해 김도균 대표는 "이는 IoT 사업을 포기하는 것이 아니라, 핵심 역량인 CAD, PLM, ALM, SLM(서비스 수명주기 관리) 등 4대 핵심 솔루션에 투자를 집중하기 위한 '선택과 집중' 전략"이라고 설명했다. 이를 통해 IoT는 전문 파트너사를 통해 더 고도화된 지원을 제공하는 한편, PTC는 자체 핵심 솔루션의 경쟁력을 극대화한다는 계획이다. 실질적인 ‘엔지니어링 AI’로 제조 초격차 구현 PTC가 정의하는 ‘지능형 제품 라이프사이클’은 설계-개발-제조-운영 전 과정에 AI를 적용한 체계로, 엔터프라이즈 전반의 제품 데이터를 연결하는 통합 엔지니어링 환경을 지향한다. 김 대표는 현재 많은 기업이 표방하는 AI가 챗봇 형태의 요약 기능에 그치는 점을 지적하며, PTC는 '실질적인 엔지니어링 AI'를 추구한다고 강조했다. 그는 "PLM 내에서 AI가 수만 가지 부품을 분석해 중복을 찾고 표준 부품을 제안하여 원가를 절감하거나, ALM에서 요구사항의 오류를 자동으로 검증하는 기능 등은 이미 제품에 탑재되어 현장에서 활용되고 있다"고 설명했다. 다만, 안전과 윤리가 중요한 제조 현장인 만큼 "AI의 역할을 결정권자가 아닌 '조언자'로 정의하고, 최종 판단은 인간이 내리는 인간 중심의 AI 활용 철학이 PTC 의 기술 근간에 자리 잡고 있다"고 덧붙였다. SDx(소프트웨어 정의 제품) 시대의 통합 플랫폼 전략 최근 자동차 산업을 중심으로 확산되는 소프트웨어 정의 차량(SDV) 트렌드는 PTC의 ALM 솔루션인 ‘코드비머(Codebeamer)’의 비약적인 성장을 이끌었다. 김 대표는 "하드웨어와 소프트웨어를 통합 관리해야 하는 수요가 폭증하면서 요구사항 정의부터 코딩, 테스트, 배포까지 관리하는 ALM은 이제 필수"라고 진단했다. 여기에 최근 인수한 ‘퓨어시스템즈(Pure-systems)’ 의 변형 관리 기능이 더해지면서 PTC의 경쟁력은 더욱 강화되었다. 퓨어시스템즈의 ‘퓨어 베리언츠(Pure Variants)’는 수만 가지 파생 모델이 존재하는 복잡한 제조 환경에서 제품 라인 엔지니어링(PLE) 기능을 제공한 다. 이를 통해 기업들은 공통된 소프트웨어와 하드웨어 자산을 플랫폼화하고, 고객의 다양한 옵션 요구에 맞춰 변형된 부분만 효율적으로 관리함으로써 개발 비용과 시간을 획기적으로 줄일 수 있게 되었다.   에이전틱 AI가 제시하는 새로운 길 PTC코리아는 오는 3월 코엑스에서 개최되는 ‘2026 스마트공장 EXPO’에 참가하여 대한민국 제조업의 미래를 바꿀 차세대 AI 기술을 대거 선보일 예정이다. 이번 전시에서 PTC는 특정 제품의 기능을 나열하기보다 ‘에이전틱 AI(Agentic AI)가 주도하는 지능형 제품개발: 데이터로 연결되는 엔지니어링의 새로운 패러다임’이라는 주제로 혁신적인 메시지를 전달하는 데 집중한다. 김도균 대표는 이번 전시의 핵심에 대해 “PTC는 에이전틱 AI를 중심으로 설계, 생산, 운영 전 과정의 제품 데이터를 지능적으로 연결하여 새로운 제품개발 패러다임을 제시할 것”이라고 밝혔다. 특히 이번 행사에서는 ‘지능형 제품 라이프사이클(Intelligent Product Lifecycle)’과 ‘에이전틱-생성형 AI(Agentic-Generative AI)’의 결합을 통해 데이터 중심의 협업과 업무 자동화, 그리고 고도화된 의사결정을 어떻게 실질적으로 구현하는지 확인할 수 있다. 이는 시뮬레이션 및 클라우드와 통합된 데이터-커넥티드 엔지니어링 환경을 제공함으로써 기업들이 AI 기반의 제품개발 혁신과 디지털 제조 생태계를 가속화할 수 있는 이정표가 될 전망이다. 클라우드 기반의 AX 가속화와 2026년 미래 청사진 AI 전환의 성공은 데이터의 효율적 집약에 달려 있으며, PTC는 이를 위한 최적의 환경으로 클라우드 전환을 가속화하고 있다. 김 대표는 "과거 클라우드에 보수적이었던 제조사들도 AI 도입을 위해 클라우드 마이그레이션을 활발히 검토하고 있다"고 전했다. PTC는 100% SaaS 기반인 ‘온쉐이프(Onshape)’와 ‘아레나(Arena)’를 통해 스타트업부터 글로벌 기업까지 유연한 협업 환경을 제공하며, 엔비디아(NVIDIA)와의 파트너십을 통해 실시간 시뮬레이션과 시각화가 가능한 디지털 트윈 환경을 구축해 나가고 있다. 2026년, PTC코리아는 이러한 기술력을 바탕으로 K-방산과 항공우주, 정밀 의료기기 등 고부가가치 산업군으로 사업을 확장할 계획이다. 특히 부산·경남 지역 제조 벨트를 밀착 지원하기 위해 영남권 지사 개소를 준비하는 등 현장 중심의 고객 서비스를 강화하고 있다. 김 대표는 "단순한 솔루션 공급사를 넘어 대한민국 제조업의 지능형 혁신을 이끄는 동반자가 되겠다"는 포부와 함께, 국내 제조 현장에 필요한 AI 및 엔지니어링 인재 양성에도 지속적으로 기여하겠다는 의지를 밝혔다.   ▲ PTC코리아 직원들     ■ 캐드앤그래픽스 최경화 국장 kwchoi@cadgraphics.co.kr      

다이슨(Dyson)은 최적의 물청소 솔루션을 개발하기 위해 새로운 접근 방식이 필요하다는 연구 결과를 도출했다. 그 결과물이 바로 수세기의 역사를 지닌 가정용 청소 도구인 대걸레를 재해석한 청소기 ‘다이슨 워시G1(Dyson WashG1)’이다. 다이슨 엔지니어들은 이 제품을 개발하기 위해 항공우주 산업 등 복잡한 시스템 설계에 쓰이는 엔지니어링 방법론을 일상 제품에 적용했다. 기존 제품의 개선 버전을 개발할 때는 효과적이었던 다이슨의 문서 기반 워크플로가 완전히 새로운 제품군을 만드는 데는 적합하지 않았기 때문이다. 이에 다이슨의 첨단 제어 시스템 수석 엔지니어인 로맹 기셰르(Romain Guicherd)는 팀을 설득해 모델 기반 설계(model-based design : MBD)를 도입했다. 모델 기반 설계란 시스템 레벨 시뮬레이션 모델을 활용해 시스템 개발 방식을 개선하는 방법론이다. 이를 통해 개발 워크플로를 가속화하고, 테스트를 위한 보다 강건한 코드를 구현할 수 있었다.   모델 기반 설계로 바꾼 제품 개발 방식 다이슨은 진공청소기 등 기존 제품 라인업의 신제품을 개발할 때, 팀 간 요구사항의 전달에서 서면으로 된 문서 기반 방식을 사용해 왔다. 이러한 방식은 이전의 설계 및 임베디드 소프트웨어를 참고하고 반복 개선할 수 있어, 이미 안정화된 기존 제품군 개발에 적합한 방식이다. 그러나 완전히 새로운 제품군을 개발하는 과정에서는 이러한 문서 전달 방식이 오히려 혼선을 초래할 수 있었다. 문서로 작성된 설계 사양은 엔지니어마다 요구사항을 다르게 해석할 가능성이 있기 때문이다. 새로운 제품군 개발은 팀 간 오해를 줄이고 보다 원활한 협업을 가능하게 하는 새로운 개발 방식을 모색하게 하는 계기가 됐다.    ▲ 다이슨 워시G1은 습식 오염과 건식 이물질을 모두 제거한다.   다이슨은 모델 기반 설계가 새로운 기능과 설계 방향을 탐색하는 데 적합한 개발 방식이라고 봤다. 개발 초기에는 다양한 개념과 방향을 동시에 검토해야 했는데, 시뮬링크(Simulink) 기반의 모델 기반 설계를 도입한 덕분에 팀은 기존 문서 기반 프로세스 대비 두 배 빠르게 새로운 아이디어를 구현할 수 있었다. 워시G1의 핵심 세척 방식은 촘촘한 마이크로파이버 천으로 감싼 역방향 회전 롤러를 탑재한 세척 헤드를 중심으로 구성된다. 습식 오염과 건식 이물질을 분리하기 위해 보조 롤러가 고체 이물질을 트레이에 모으고, 트레이 바닥의 메시 필터를 통해 액체가 오수 탱크로 흘러내려가는 구조다. 기셰르의 팀은 이 모든 기능을 구현하고 다양한 상황에 대응하기 위해, 상호작용하는 시스템 구성요소의 시뮬레이션을 용이하게 하고 설계부터 코드 생성, 소프트웨어 테스트까지 전 과정을 아우르는 툴이 필요했다. 팀은 세척 롤러 제어 장치 개발을 위해 심스케이프 일렉트리컬(Simscape Electrical)로 폼 롤러 모터와 모터 드라이브를 모델링했다. 또한 스테이트플로(Stateflow)를 활용해 청소기에 탑재된 두 개의 펌프, 즉 깨끗한 물로 롤러에 수분을 공급하는 펌프와 오수를 배출하는 펌프의 스케줄링과 제어 로직을 설계했다. 제품의 자동 세척 메커니즘 구현에도 스테이트플로가 활용됐다. 워시G1의 세척 성능을 구현하기 위해서는 단계별로 선택 가능한 수분 공급 수준과 각 단계의 세밀한 민감도 조정이 모두 뒷받침돼야 했다. 다양한 설정 값과 세척 부하 변화에 대응하려면 정밀한 전압 제어가 필수였다. 팀은 시뮬링크 모델로 매개변수를 조정하고 다양한 값을 반복 테스트하며 모터 전압 제어 로직을 빠르게 최적화했다. 실제 프로토타입을 제작하지 않고도 시뮬레이션만으로 설계 변경의 영향을 사전에 파악할 수 있었다는 점도 개발 효율을 높이는 데 크게 기여했다.   ▲ 심스케이프로 모델링된 다이슨의 롤러 기술   다이슨은 요구사항 툴박스(Requirements Toolbox)를 활용해 요구사항을 시뮬링크 모델에 연결함으로써 각 요구사항이 제품 기능으로 어떻게 구현되는지 확인할 수 있었다. 요구사항 툴박스(Requirements Toolbox)를 사용하기 전에는 하드웨어 테스트 단계에 이르러서야 요구사항의 오류를 발견할 수 있었다. 하지만 요구사항을 모델에 연결한 이후로는 각 요구사항의 구현 방식과 요구사항 간 상호 관계를 사전에 명확히 파악할 수 있게 됐다.   시스템 시뮬레이션이 설계에 가져온 변화 시뮬링크와 심스케이프를 활용한 모델 기반 설계는 보다 체계적인 개발 접근 방식을 가능하게 했고, 다이슨이 프로토타입을 제작하고 테스트하기에 앞서 다양한 유형의 인더루프(in-the-loop) 테스트를 수행할 수 있도록 하였다. 모델 기반 설계 덕분에 엔지니어는 멀티도메인 모델링을 수행하고 타 팀과 긴밀하게 협업할 수 있었다. 일례로 기셰르의 팀은 배터리 셀 및 배터리 관리 시스템 팀의 데이터를 활용해 정밀한 4셀 배터리팩 모델을 구축했다. 또한 전자팀과 협력해 심스케이프 일렉트리컬로 전력전자 하드웨어의 동작을 모델링하고 시뮬레이션했다. 시뮬링크를 통한 시스템 레벨 시뮬레이션은 더 많은 설계 옵션을 검토하고 트레이드오프를 비교할 수 있는 환경을 만들어줬다. 그 결과 팀은 프로젝트의 설계 단계에 더 많은 시간을 투자할 수 있었고, 설계 오류와 통합 문제를 수정하기 훨씬 쉽고 비용도 적게 드는 초기 단계에서 발견할 수 있었다.   소프트웨어 아키텍처와 임베디드 코드 개발 이후 프로젝트에서 팀은 소프트웨어 아키텍처 개발을 위해 시스템 컴포저(System Composer)를 추가로 도입했다. 시스템 컴포저를 통해 제품팀과 소프트웨어팀은 소프트웨어 인터페이스와 스케줄링을 함께 개발하고 다양한 시나리오를 모델링할 수 있었다. 또한 대규모 모델을 논리적 단위로 구조화해 병합 충돌 없이 원활한 팀 간 협업이 가능해졌다. 시뮬링크 모델은 제품 동작을 시각적으로 표현함으로써 개발 전 과정에 걸쳐 팀원 간의 협업을 촉진했다. 제어 시스템 모델에서는 C 코드가 생성됐다. 팀은 모델을 수정하고 일부 구간에 주석을 달거나 새로운 블록을 추가하는 방식으로 소프트웨어 엔지니어에게 청소기의 새로운 동작을 보여줬다. RCP(Rapid Control Prototyping)를 활용하면 코드를 빠르게 생성하고, 다음 날 바로 실험실에서 제품의 동작을 확인할 수 있었다. 팀은 직접 코딩 대신 임베디드 코더(Embedded Coder)로 시뮬링크 모델에서 C 코드를 자동 생성했고, 소프트웨어팀은 이를 NXP 마이크로컨트롤러의 메인 코드에 통합했다. 임베디드 코더 도입 이후 소프트웨어 릴리스 주기는 기존 약 10주에서 9일로 단축됐다. 초기에는 실험실 환경에서의 동작 구현에 집중하였기 때문에 모델과 코드 생성을 핵심으로 삼았지만, 곧 모델과 코드, 테스트, 커버리지가 함께 어우러질 때 제품 완성도가 한층 높아진다는 사실을 확인했다.   테스트 효율을 높인 모델 기반 개발 팀은 이전 제품 개발 때보다 설계 개선에 더 많은 시간을 쏟았다. 시뮬링크를 통해 시뮬레이션 중 발생한 오류를 신속하게 수정할 수 있었고, 그 효과는 테스트 단계에서 그대로 나타났다. 이 테스트 단계는 과거보다 훨씬 단순하고 빨라졌으며, 팀의 개발 시간과 노력을 절감하는 데 기여했다. 모델에서 정상 작동하도록 설계한 것은 실제 제품에 적용해도 동일하게 구현됐고, 이는 무결점 제품 출시로 이어졌다. 워시G1의 모델 기반 설계와 코드 자동 생성이 성공을 거두면서, 초기에 회의적이었던 소프트웨어팀의 시각도 달라졌다. 자동 생성 코드가 내부 표준 준수와 실행 효율성을 담보할 수 있을지 우려하던 소프트웨어팀은 이제 코드에 대한 확신을 갖게 됐다. 현재 소프트웨어팀은 하드웨어팀과 협력해 자동 생성 코드의 API를 함께 정의하고 있으며, 모델 기반 설계에 시뮬링크를 활용하면서 유연성과 개발 속도 모두를 향상시켰다. 이제는 소프트웨어팀이 먼저 나서서 동일한 프로세스를 다른 제품에도 적용해 달라고 요청할 만큼, 프로젝트 복잡도가 높아질수록 모델 기반 설계의 가치는 더욱 분명해지고 있다. 다이슨 팀은 향후 워시G1 후속 모델 개발 시 기존 모델의 구성 요소를 재사용할 수 있다. 또한 이번 모델 기반 설계 방법론의 성공 사례는 사내 다른 부서에서도 주목받고 있다. 헤어 케어 제품과 다른 플로어 케어 제품군에도 이를 적용하는 방안이 검토되고 있어, 다이슨 내 추가 혁신 가능성을 넓히고 있다.   ■ 이웅재 | 매스웍스코리아 이사

개발 : Ansys 주요 특징 : 엔지니어링 프로세스를 하나로 연결하는 통합 시높시스–앤시스 워크플로 제공, 생성형 AI와 에이전틱 엔지니어링 기능으로 설계 탐색 가속/전처리 자동화/시스템 수준 인사이트 확보 지원, 확장된 디지털 트윈 역량 및 연결된 모델링 워크플로로 시스템 전반에 대해 리얼월드 기반의 인사이트 제공 강화 등 공급 : 앤시스 코리아   ‘앤시스 2026 R1(Ansys 2026 R1)’은 시높시스와 앤시스가 보유한 공학 역량을 결합해, 시높시스-앤시스 통합 기능을 본격적으로 선보인다. 앤시스 2026 R1은 시뮬레이션 AI 포트폴리오를 확장해 학습 효율을 높이는 AI 강화 트레이닝 제공과 함께 고급 AI 기능도 강화했다. 이를 통해 엔지니어링 팀은 초기 개발 단계에서 시스템 수준 인사이트를 확보함과 동시에 물리 시험 의존도를 줄이며, 소프트웨어 중심 제품이 고도화되는 환경에서도 성능 최적화를 보다 효율적으로 추진할 수 있게 됐다.   ▲ 출처 : 시높시스   시스템 인지 엔지니어링의 미래를 가속하는 공동 설루션 앤시스 2026 R1은 시스템 복잡성 증가, AI 기반 제품 수요 확대, 그리고 산업 전반의 조기 검증 전환이 맞물리며 변화하는 엔지니어링 환경에서 새로운 흐름의 출발점이 될 것으로 전망된다. 시높시스는 이러한 변화에 대응하기 위해, 시높시스와 앤시스의 주요 기술을 연동해 하나의 통합된 시스템처럼 작동하도록 지원한다. 이를 통해 초기 설계 탐색을 가속하고 도메인 간 협업을 강화하며, 주요 산업 전반에서 더 깊은 인사이트를 제공하는 고효율 워크플로를 제시한다. 이번 앤시스 2026 R1에 포함된 신규 시높시스-앤시스 공동 설루션은 다음과 같다. 시높시스 VC 펑셔널 세이프티 매니저(Synopsys VC Functional Safety Manager, VC FSM)와 앤시스 메디니 애널라이즈(Ansys medini analyze)가 시스템 수준과 실리콘 수준 안전 분석을 연결하는 엔드 투 엔드 기능 안전 워크플로로 연동된다. 이를 통해 시스템 안전 엔지니어와 칩 안전 검증 엔지니어 간 협업이 간소화되며, 시스템부터 칩까지 추적성(traceability)이 자동화된다. 또한 도구 간 수작업 데이터 공유를 줄여 자동차 및 항공우주 안전 등 핵심 적용 분야에서 시간 절감 효과를 기대할 수 있다. 시높시스 퀀텀ATK(Synopsys QuantumATK)와 앤시스 그란타 MI(Ansys Granta MI) 플랫폼이 소재 워크플로로 통합되어 원자 스케일부터 엔터프라이즈까지 이어지는, 소재 발굴, 신소재 개발, 제조 공정 개선을 지원한다. 검증된 소재 물성치를 그란타 MI로 직접 내보낼 수 있어 소재 과학자와 설계 엔지니어 간 협업 효율이 높아진다. 또한 반복 가능하고 재사용 가능한 워크플로를 통해 정제되고 일관된 소재 레코드를 구축함으로써 초기 단계에서 성능 예측과 데이터 기반 의사결정을 지원한다. 시높시스 옵토컴파일러(Synopsys OptoCompiler)와 앤시스 루메리컬 FDTD(Ansys Lumerical FDTD)가 디바이스 수준 포토닉 설계와 고급 시스템 수준 광학 시뮬레이션을 연결하는 설계 워크플로로 통합된다. 또한 Verilog-A 모델 생성 자동화와 도구 간 광학 거동 일관성 확보를 통해 디바이스 설계자와 시스템 수준 포토닉 엔지니어 간 협업을 강화한다. 이를 통해 설계·시뮬레이션 환경 간 수작업 데이터 변환을 줄이고, 고도화된 포토닉 애플리케이션에서 시간 절감과 신뢰성 향상을 지원한다. 앤시스 스케이드(Ansys SCADE) 모델 기반 소프트웨어 개발 설루션에 더해, 시높시스는 제어 소프트웨어를 위한 테스트 자동화 설루션 TPT를 제공한다. SCADE는 안전 필수 소프트웨어 개발 환경을 제공하고, TPT는 테스트 생성·실행·분석을 자동화해 설계 반복을 가속하고 조기 검증을 강화하며 복잡한 제어 소프트웨어 품질 향상을 지원한다. 두 설루션을 결합하여 ADAS, 전동화 파워트레인, 비행 제어, 엔진 제어, 항공전자 등 미션 크리티컬 제어 시스템 개발에서 수작업 검증 부담을 줄이고 자동화 수준을 높일 수 있다.   ▲ 출처 : 시높시스   AI 기반 디지털 엔지니어링으로 더 빠르고 스마트한 설계 반복 지원 앤시스 2026 R1은 생성형 AI와 에이전틱 기능을 도입해, 검증을 가속하고 설계 탐색을 확대하며 복잡한 워크플로의 자동화를 강화했다. 이를 통해 엔지니어링 팀은 개발 전체 과정에서 더 빠르고 스마트한 인사이트를 확보할 수 있다. 앤시스 지옴AI(Ansys GeomAI) 지오메트리 플랫폼은 생성형 AI 기반의 개념 설계 탐색을 통해, 지오메트리 콘셉트를 보다 창의적이고 효율적으로 빠르게 생성·평가·개선할 수 있도록 지원한다. 레퍼런스 설계로부터 직접 학습함으로써 초기 혁신을 가속하는 동시에, 엔지니어링 의도를 보존해 AI가 생성한 콘셉트가 예측 가능하고 신뢰할 수 있으며 후속 검증 단계로 자연스럽게 이어질 수 있도록 돕는다. 또한 메시 에이전트는 앤시스 메카니컬(Ansys Mechanical)에서 탐색적 사용으로 제공되는 신규 기능으로, 모델 전처리 과정에서 발생하는 메싱 실패 원인을 진단하고 해결하는 데 도움을 준다. 검증된 개선 절차를 기반으로 엔지니어를 안내해 자동화 전처리에 대한 신뢰를 높인다. 현재 초기 고객 평가 단계에 있는 ‘디스커버리 검증 에이전트’는 앤시스 디스커버리(Ansys Discovery)에 탑재돼, 수십 년간 축적된 공학 전문성을 바탕으로 문맥 정보와 산업 모범 사례를 활용해 설정 이슈를 선제적으로 식별한다. 이를 통해 엔지니어가 작업을 더 빠르게 진행하고 비용이 큰 실수를 줄이며, 초기부터 더 높은 성능의 설계를 만들 수 있도록 지원한다. 앤시스 2026 R1의 추가 AI 업데이트 사항은 다음과 같다. 앤시스 SimAI(Ansys SimAI) 시뮬레이션 플랫폼은 두 가지 제공 형태를 지원한다. 기존 제품인 앤시스 SimAI 프리미엄 SaaS와, 로컬 데이터 저장이 필요한 프로젝트를 위해 데스크톱 환경에서 사용할 수 있도록 설계된 앤시스 SimAI Pro가 포함된다. 앤시스 옵티스랭(Ansys optiSLang)의 SimAI 커넥터를 통해 학습 데이터 생성, AI 학습, 최적화 및 설계 스터디까지 엔드투엔드 워크플로를 구현할 수 있다. 앤시스 엔지니어링 코파일럿(Ansys Engineering Copilot)이 메디니 애널라이즈, 앤시스 모델센터(Ansys ModelCenter), 앤시스 록키(Ansys Rocky)에서 제공돼 사용자 인터페이스 내에서 지능형 AI 가이드 지원을 제공한다. 옵티스랭과 디스커버리 간 신규 통합으로 민감도 분석과 원클릭 최적화를 지원하는 AI-레디 워크플로가 제공된다. 이를 통해 엔지니어는 메카니컬, 플루언트 또는 앤시스 아이스팩(Ansys Icepak)에서 개념을 검증하기 전에, 초기 단계에서 더 빠르게 설계 대안을 탐색할 수 있다.   ▲ 출처 : 시높시스   리얼월드 디지털 트윈으로 시스템을 연결하고 성능 최적화 앤시스 2026 R1에서 확장된 디지털 트윈 혁신은 물리적 프로토타이핑 이전 단계에서 사용자들이 더 깊은 리얼월드 인사이트를 확보할 수 있도록 지원한다. 앤시스 트윈AI(Ansys TwinAI)는 시뮬레이션 데이터와 센서·테스트 정보를 더 정교하게 얼라인하는 신규 퓨전 모델링 방식과, 대규모 시계열 모델링 및 학습 효율을 강화하는 템포럴 퓨전 트랜스포머를 도입했다. 또한 트윈AI ROM(차수 축소 모델) 위저드는 고정밀 ROM의 생성 및 배포를 제공하여 리얼타임 디지털 트윈 제공을 가속한다. 또한, 앤시스 AV엑셀러레이트 센서(Ansys AVxcelerate Sensors)는 신규 GPU 가속 멀티스펙트럴 광 전파 엔진과 엔비디아 옴니버스와의 통합 확대를 포함한 기능 강화를 통해 통합된 3D 디지털 트윈 파이프라인을 구현한다. 이를 통해 시나리오 전반에서 더 물리적으로 정확한 카메라 동작, 표면 반사 그리고 엣지케이스 재현성을 제공한다.     ■ 기사 내용은 PDF로도 제공됩니다.

델 테크놀로지스는 ‘엔비디아 기반 델 AI 데이터 플랫폼’ 제품군을 대규모로 업데이트했다고 밝혔다. 이번 업데이트는 기업 데이터의 탐색과 활용을 강화하고, AI 애플리케이션 및 자율 AI 에이전트를 위한 초고성능 스토리지 성능을 제공하는 데 중점을 두었다. AI는 보조 도구에서 자율 시스템으로 진화하고 있지만, 신뢰할 수 있는 데이터를 확보해야 실질적인 성과를 거둘 수 있다. 많은 기업이 분산된 데이터를 구조화하지 못해 AI 프로젝트 중단이나 경쟁력 약화 등의 어려움을 겪는 상황이다. 델 테크놀로지스는 자사의 플랫폼이 이러한 문제를 해결해 데이터를 AI 활용 가능 형태로 전환하며, “기존 방식 대비 최대 12배 빠른 벡터 인덱싱과 3배 빠른 데이터 처리 속도를 제공한다”고 밝혔다.     델의 데이터 엔진은 AI 데이터 라이프사이클 전 과정을 자동화한다. 최근 인수한 데이터루프 기술 기반의 ‘델 데이터 오케스트레이션 엔진’은 정형 및 비정형 데이터를 자동으로 정제하고 변환해 AI용 데이터셋을 생성한다. 또한 ‘델 데이터 애널리틱스 엔진’에 추가된 AI 어시스턴트는 자연어 인터페이스를 통해 전문 지식 없이도 데이터를 조회하고 시각화할 수 있도록 지원한다. 인프라 측면에서는 엔비디아의 최신 기술을 도입했다. 델 테크놀로지스는 차세대 엔비디아 베라 루빈 NVL72 및 블루필드-4 DPU 기반의 새로운 모듈러 레퍼런스 설계를 지원할 예정이다. 새롭게 추가된 엔비디아 RTX 프로 블랙웰 서버 에디션 GPU는 데이터 플랫폼 레이어를 직접 가속해 SQL 쿼리 수행 속도를 높인다. 스토리지 분야의 혁신도 함께 공개했다. ‘델 라이트닝 파일 시스템’은 랙당 최대 150GB 성능을 제공하는 병렬 파일 시스템으로, 대규모 환경에서 GPU 유휴 상태를 방지한다. ‘델 엑사스케일 스토리지’는 파일, 오브젝트, 병렬 파일 시스템을 유연하게 배포할 수 있는 제품으로 향후 랙당 최대 6테라바이트 읽기 성능을 지원할 계획이다. 델 테크놀로지스는 파워스케일의 소프트웨어 기반 병렬 네트워크 파일 시스템 아키텍처가 대용량 파일 처리 시 기존 대비 최대 6배 빠른 성능을 제공한다는 테스트 결과도 발표했다. 이를 통해 GPU 집약적인 AI 워크로드에 데이터를 끊김 없이 공급할 수 있다. 한국 델 테크놀로지스의 김경진 총괄사장은 “AI 파일럿을 실제 운영 환경으로 확장할 때 발생하는 가장 큰 문제는 데이터 사일로 현상”이라면서, “델과 엔비디아의 협력을 통해 고객은 AI 환경을 더 빠르게 구축하고 실질적인 성과를 얻을 수 있을 것”이라고 전했다.

시높시스가 피지컬 AI(physical AI) 시스템 구현을 위한 소프트웨어 중심 제품 개발의 핵심인 전자 디지털 트윈을 생성, 관리 및 배포할 수 있는 ‘시높시스 전자 디지털 트윈(Synopsys Electronics Digital Twin, 이하 eDT) 플랫폼’을 출시했다. 이 플랫폼은 우선 가치가 높은 자동차 산업 분야에 집중하여 하드웨어가 나오기 전 소프트웨어 검증의 최대 90%를 선행할 수 있도록 지원하는 개방형 설루션이다. 이를 통해 자동차 제조사가 차량 개발 비용을 절감하고 시장 출시 기간을 대폭 단축할 수 있다는 것이 시높시스의 설명이다. 현재 자동차 엔지니어링 팀은 6억 줄이 넘는 소프트웨어 코드와 수백 개의 공급업체, 짧아진 개발 주기와 비용 압박이라는 상황에 직면해 있다. 시높시스의 라비 수브라마니안(Ravi Subramanian) 최고 제품 관리 책임자는 차량부터 AI 공장(AI factories)에 이르는 지능형 시스템 개발에는 실리콘 설계와 소프트웨어 동작을 초기 단계부터 연결하는 완전히 새로운 접근 방식이 필요하다고 강조했다. 시높시스는 이번 eDT 플랫폼을 통해 가상 시스템 온 칩(SoC) 모델과 대규모 시스템 시뮬레이션 분야의 리더십을 결합하여 차세대 차량 개발을 가속화할 계획이다.     eDT 플랫폼은 사용자가 클라우드 기반의 ‘eDT 랩(eDT Labs)’을 구성할 수 있도록 지원한다. 여기에는 시높시스의 기술과 개방형 생태계 도구, 모델, 소프트웨어 및 확장 가능한 컴퓨팅 자원이 통합되어 있다. 시높시스가 소개한 주요 활용 사례로는 ▲가상 프로토타입에 대한 원활한 접근으로 신규 SoC 또는 마이크로컨트롤러(MCU)를 조기 평가 ▲하드웨어 사용 전 통합 도구를 지원해 소프트웨어 개발 조기 착수 및 개발 일정 단축 ▲고객 팀, 공급업체, 도구 제공업체 간의 원활한 소프트웨어 개발 협업 환경 제공 ▲지속적 통합 및 테스트(CI/CT) 워크플로에 eDT를 통합해 시스템 검증 노력 절감 및 품질 개선 등이 있다. 시높시스는 eDT 랩의 구축과 관리를 간소화하기 위한 다양한 기능을 제공한다고 전했다. 시높시스의 시뮬레이션 및 AI 기술뿐만 아니라 벡터(Vector)와 공동 개발한 오픈 소스 SIL 킷을 사용하면 가상 ECU와 모델, 소프트웨어 구성 요소를 신속하게 연결할 수 있다. 플랫폼은 역할 기반 사용자 관리, 보안 액세스, 암호화, 워크플로 편집기 등을 제공하며, AWS의 클라우드 인프라와 그래비톤4 프로세서를 활용해 현대적 자동차 개발에 필요한 성능과 유연성을 확보했다.

스노우플레이크가 글로벌 시장조사업체 옴디아(Omdia)와 협력해 ‘생성형 AI와 AI 에이전트의 ROI’ 리서치 보고서를 발표했다. 10개국 비즈니스 의사결정권자 2050명이 참여한 이번 설문에 따르면 AI가 노동시장에 미치는 영향은 단순한 인력 감축을 넘어 복잡한 양상을 띠는 것으로 나타났다. 전체 응답 기업 중 77%는 AI 도입 이후 채용이 늘었다고 답했다. 직무 감소를 부분적으로 경험한 조직은 46%였으나, 채용 증가와 직무 감소를 모두 경험한 기업 중 69%는 AI가 전반적인 고용 상황에 긍정적인 영향을 미쳤다고 평가했다. 이는 AI 도입 확대가 일자리 증가로 이어지고 있음을 시사한다.     직군별로는 IT 운영(56%), 사이버보안(46%), 소프트웨어 개발(38%) 순으로 일자리 증가 효과가 두드러졌다. 반면 IT 운영(40%), 고객 서비스 및 지원(37%), 데이터 분석(37%) 직무는 상대적으로 일자리 감소 영향이 컸다. 스노우플레이크는 AI가 조직에 깊이 내재화될수록 전반적인 고용 증가로 이어질 가능성이 높으며, 이는 일부 업무 자동화와 동시에 새로운 역량을 추가하는 조직 재편의 과정이라고 분석했다. 기업들은 AI 투자 1달러당 평균 약 1.49달러의 수익을 거두고 있는 것으로 조사됐다. 하지만 응답 기업의 96%는 여전히 AI 확장 과정에서 어려움을 겪고 있다고 밝혔다. 응답자의 약 80%는 기술 또는 데이터 관련 문제를 장애 요인으로 꼽았으며, 구체적으로는 데이터 사일로 해소(65%), 데이터 품질 측정 및 모니터링(62%), AI 활용에 적합한 데이터 준비(62%) 등이 지목됐다. 데이터 거버넌스 역시 주요 과제로 부상했다. 임원의 66%와 전체 직원의 57%가 승인되지 않은 AI 도구를 사용 중이라고 답했으며, 60%는 데이터 인프라 및 모니터링 소프트웨어에 대한 추가 투자가 필요하다고 응답했다. 비정형 데이터 중 AI 활용이 가능한 상태라고 답한 조직은 글로벌 평균 7%에 불과했다. AI 도입 초기 조직의 92%가 긍정적인 투자수익률(ROI)을 기록했으며, 기업들은 향후 1년간 전체 기술 예산의 22%를 AI에 투자할 계획이다. 현재 전체 코드의 약 48%가 AI에 의해 생성되고 있으며, AI 코딩 도구를 활용하는 조직의 82%는 코드 테스트 및 버그 탐지 분야에서 개선을 경험했다고 보고했다. 스노우플레이크는 AI 코딩 에이전트인 코텍스 코드를 통해 관련 역량을 강화하고 있다. 스노우플레이크의 아나히타 타프비지 최고 데이터 및 애널리틱스 책임자는 “AI의 영향은 일률적이지 않으며 이를 얼마나 효과적으로 활용하느냐에 따라 생산성이 달라진다”라고 설명하면서, “가장 강력한 ROI 지표는 AI를 핵심 운영에 내재화하고 데이터 준비도와 거버넌스를 강화할 때 실현된다”고 밝혔다.