HPE가 대규모 AI 팩토리와 슈퍼컴퓨터를 위한 'HPE 기반 엔비디아 AI 컴퓨팅 포트폴리오'의 주요 혁신 사항을 발표했다. 이번 발표는 고객이 AI를 더 효율적으로 확장하고 배포하며, 데이터에서 인사이트를 도출하는 시간을 단축하는 데 중점이다. HPE는 엔비디아와 협력해 구축한 이번 풀스택 AI 설루션이 컴퓨팅, GPU, 네트워킹, 액체 냉각, 소프트웨어 및 서비스를 긴밀하게 통합해 대규모 환경과 국가별 소버린 환경에 최적화했다고 밝혔다. 현재 아르곤 국립 연구소, 독일 슈투트가르트 고성능 컴퓨팅 센터, 허드슨 리버 트레이딩, 한국과학기술정보연구원 등 세계적인 연구 기관과 AI 기업들이 HPE의 인프라를 채택해 혁신을 가속하고 있다. HPE는 자사의 슈퍼컴퓨팅 플랫폼인 ‘HPE 크레이 슈퍼컴퓨팅 GX5000’에 엔비디아의 최신 설루션을 적용한다. 먼저 액체 냉각 방식의 ‘엔비디아 베라 CPU 컴퓨트 블레이드’를 도입한다. 각 ‘HPE 크레이 슈퍼컴퓨팅 GX240 컴퓨트 블레이드’는 최대 16개의 엔비디아 베라 CPU를 탑재해 까다로운 AI 워크로드를 지원한다. 이는 랙 하나 당 최대 40개의 블레이드와 640개의 CPU, 5만 6320개의 엔비디아 올림푸스 코어를 확장할 수 있다. 또한 엔비디아 퀀텀-X800 인피니밴드를 통해 초고속 네트워킹 환경을 제공한다. 이 스위치는 포트당 800Gb/s의 연결성을 지원하며 높은 전력 효율을 갖춘 것이 특징이다.     대규모 및 소버린 환경을 위한 ‘HPE AI 팩토리’ 포트폴리오도 강화한다. HPE는 1조 개 이상의 매개변수를 가진 거대 모델을 위해 설계된 차세대 시스템 ‘HPE 기반 엔비디아 베라 루빈 NVL72’ 랙 스케일 시스템을 선보인다. 이 시스템은 36개의 CPU와 72개의 루빈 GPU, 6세대 NV링크 네트워킹 등을 탑재해 대규모 환경에서 높은 효율을 낸다. 이와 함께 새로운 AI 서버인 ‘HPE 컴퓨트 XD700’도 출시한다. 엔비디아 HGX 루빈 NVL8을 기반으로 한 이 서버는 랙당 최대 128개의 루빈 GPU를 지원하며, 이전 세대보다 두 배 향상된 GPU 집적도를 통해 전력과 냉각 비용을 절감한다. 이외에도 모든 HPE AI 팩토리 포트폴리오에서 ‘엔비디아 RTX PRO 6000 블랙웰 서버 에디션’ GPU를 사용할 수 있게 된다. 소프트웨어와 서비스 측면에서는 엔비디아 클라우드 파트너 프로그램 인증을 획득해 클라우드 서비스 제공사의 검증 프로세스를 간소화한다. 수세 가상화 및 랜처 프라임 스위트를 통한 멀티 테넌시 옵션도 확장해 가상머신용 GPU 패스스루 등을 지원한다. 레드햇 엔터프라이즈 리눅스 및 오픈시프트와의 통합은 물론, AI 팩토리의 운영과 확장을 돕는 ‘엔비디아 미션 컨트롤’ 소프트웨어도 제공할 예정이다. HPE의 트리시 담크로거 수석부사장은 “세계 최고 성능의 엑사스케일 슈퍼컴퓨터 3대를 구축한 HPE는 최첨단 AI 워크로드와 고성능컴퓨팅을 결합해 과학적 혁신을 주도하고 있다”면서, “엔비디아와 협력해 의학, 생명과학, 제조 등 다양한 분야에서 한계를 뛰어넘는 데 필요한 성능을 제공하겠다”고 밝혔다. 엔비디아의 크리스 매리어트 부사장은 “기업과 국가가 AI의 잠재력을 실현하려면 대규모 모델 학습과 고성능컴퓨팅 워크로드를 처리할 인프라가 필수”라면서, “양사가 공동 개발한 인프라는 가속 컴퓨팅과 액체 냉각 기술을 결합해 인사이트 도출 시간을 단축한다”고 설명했다.

AMD가 오는 4월 22일, 듀얼 3D V-캐시(3D V-Cache) 기술을 적용한 데스크톱 프로세서인 ‘라이젠(Ryzen) 9 9950X3D2’ 듀얼 에디션을 전 세계 시장에 출시한다고 밝혔다. AMD의 잭 후인(Jack Huynh) 컴퓨팅 및 그래픽 그룹 수석 부사장은 이번 신제품이 차세대 애플리케이션을 위한 혁신의 결과물임을 강조했다. 라이젠 9 9950X3D2는 두 개의 칩렛 모두에 2세대 3D V-캐시 기술을 적용해, 기존 라이젠 시리즈 중 최대 용량인 총 208MB의 캐시를 탑재한 것이 특징이다.   ▲ 출처 : AMD 유튜브 캡처   AMD에 따르면, 이번 프로세서의 핵심은 컴퓨팅 다이(compute die) 바로 위에 대용량 캐시를 수직으로 적층한 구조에 있다. 이런 설계는 데이터와 CPU 코어 사이의 거리를 좁혀 지연 시간을 줄여준다. 결과적으로 더 많은 게임 데이터와 애셋, 작업 데이터를 코어 바로 옆에 배치함으로써 까다로운 워크로드에서도 높은 응답성을 확보할 수 있게 되었다. 라이젠 9 9950X3D2는 16개의 ‘젠(Zen) 5’ 코어를 기반으로 설계된 플래그십 모델이다. 특히 최대 200W의 TDP(열 설계 전력)를 지원하도록 설계되어 성능 향상을 위한 충분한 헤드룸을 제공한다. 이를 통해 사용자는 라이젠 9 X3D 시리즈 특유의 게이밍 성능은 물론, 초고속 데이터 액세스가 필요한 전문 작업에서도 최상급의 성능을 경험할 수 있다. 이번 제품은 특히 대규모 소스 코드 빌드, 게임 엔진 컴파일, AI 모델링, 3D 렌더링 등 복잡한 콘텐츠 제작 파이프라인에서 높은 성능을 발휘한다. AMD의 발표에 따르면, 다빈치 리졸브, 블렌더, 언리얼 엔진, 크로미움 등의 환경에서 기존 라이젠 9 9950X3D 대비 약 5~10%의 성능 향상을 제공한다. AMD는 이번 신제품이 기존 AM5 플랫폼과 호환되어 간편한 업그레이드가 가능하며, 고성능 컴퓨팅 환경을 필요로 하는 개발자와 전문가들에게 새로운 기준을 제시할 것으로 기대하고 있다. 잭 후인 부사장은 “라이젠 9 9950X3D2는 메인스트림과 하이엔드 데스크톱 사이의 간극을 메우는 제품”이라면서, “이제 게이머와 크리에이터는 더 이상 성능을 위해 용도를 선택할 필요 없이 하나의 프로세서로 두 영역 모두에서 최고의 경험을 누릴 수 있을 것”이라고 전했다.

인텔은 전 세계 기업과 교육, 공공 기관을 위해 설계된 125종 이상의 디바이스 모델에 탑재되는 기업용 클라이언트 포트폴리오를 공개했다. 이번 발표의 중심인 인텔 v프로(vPro) 탑재 인텔 코어 울트라(Intel Core Ultra) 시리즈 3는 높은 전력 효율 및 성능과 강화된 보안, IT 팀을 위한 간편한 관리 기능을 제공해 사용자에게 최적의 PC 경험을 지원하는 데에 초점을 맞췄다. 이와 함께 인텔은 전문가용 외장 그래픽카드인 인텔 아크 프로(Intel Arc Pro) B70 및 B65와 워크스테이션용 인텔 제온(Intel Xeon) 600 프로세서의 출시 소식도 함께 전했다. 인텔 18A 공정을 기반으로 제작된 코어 울트라 시리즈 3는 차세대 성능 효율성과 통합 AI 가속 기능을 갖췄다. 인텔은 최신 v프로 플랫폼의 향상된 기능을 통해 원활한 기기 배포와 사전 예방적 보안, 지능형 장치 관리에 이르기까지 기업용 관리 PC의 기준을 새롭게 정립한다는 계획이다. 인텔 코어 울트라 시리즈 3는 기업용 PC의 평균 교체 주기인 4년 전 시스템과 비교했을 때 싱글 및 멀티 스레드 성능과 생산성이 각각 30% 이상 향상됐다. 그래픽 성능은 최대 80% 개선됐으며 AI 성능은 최대 4배까지 빨라졌다. 인텔에 따르면 이를 통해 일상적인 업무 생산성을 높이고 새로운 AI 기반 워크플로를 기업 전반에 도입할 수 있다.     함께 업데이트된 인텔 v프로는 보안과 기기 관리의 표준을 강화했다. 독립 소프트웨어 벤더와 협력하는 v프로 인증 프로그램은 CPU 사용률을 최대 59% 낮추고 전력 효율을 56% 높이는 효과를 보였다. 또한 AI 기반 분석 기술인 디바이스 IQ 기반 인텔 v프로 인텔리전스를 도입해 기기 문제를 사전에 진단하고 IT 부서의 부담을 줄인다. 서비스형 소프트웨어 방식의 인텔 v프로 기기 관리 서비스는 마이크로소프트 인튠과 통합되어 추가 인프라 없이도 기기 관리를 간소화하며, 지난 분기에만 전 세계 1300개 이상의 기업이 이를 도입했다. 전문가용 그래픽 설루션인 인텔 아크 프로 B70 및 B65 외장 GPU는 콘텐츠 제작과 AI 추론 분야에 최적화됐다. Xe2 아키텍처를 기반으로 최대 32개의 코어와 32GB 비디오 메모리를 탑재했다. 인텔은 아크 프로 B70이 경쟁 제품 대비 최대 2.2배 더 큰 컨텍스트 윈도를 처리하고, 다중 사용자 워크로드에서 최대 6.2배 빠른 응답 속도를 구현한다고 밝혔다. 인텔의 아닐 난두리 데이터 센터 그룹 AI 제품 및 GTM 총괄은 “인텔 아크 프로는 크리에이터 지원을 넘어 대규모 AI 개발자를 위한 도구로 진화했다”면서, “합리적인 가격으로 고성능 그래픽과 AI 추론 성능을 동시에 제공한다”고 말했다. 인텔 클라이언트 컴퓨팅 그룹 PC 부문의 데이비드 펑 총괄은 “이번 포트폴리오는 노트북부터 고성능 워크스테이션까지 아우르는 인텔 역사상 가장 강력한 기업용 제품군”이라면서, “비즈니스 리더들이 차세대 업무 환경을 구현하는 데 필요한 성능과 전력 효율, AI 역량을 제공할 것”이라고 설명했다. 인텔 v프로가 탑재된 코어 울트라 시리즈 3 기업용 PC는 3월 31일부터 구매할 수 있다. 인텔 아크 프로 B70 외장 GPU와 제온 600 프로세서는 판매가 시작됐으며, 아크 프로 B65는 4월 중순 출시될 예정이다.

엔비디아는 GTC 2026에서 케이던스, 다쏘시스템, PTC, 지멘스, 시높시스 등 글로벌 산업용 소프트웨어 선도 기업과의 협력 내용을 소개했다. 이번 협력은 엔비디아 쿠다-X, 엔비디아 옴니버스, GPU 가속 산업용 소프트웨어를 제공해 설계와 엔지니어링, 제조 과정을 혁신하는 데 목적을 둔다. 이를 통해 삼성, SK하이닉스, HD현대, TSMC 등 주요 기업들은 AI 기반 에이전틱 설루션을 활용해 업무 효율을 높일 수 있게 된다. 엔비디아의 설루션은 아마존웹서비스, 구글 클라우드, 마이크로소프트 애저, 오라클 클라우드 인프라스트럭처 등 주요 클라우드 서비스와 델, HPE, 슈퍼마이크로 등 제조사의 가속 시스템에서 구동된다. 엔비디아 젠슨 황 CEO는 “피지컬 AI와 자율형 AI 에이전트가 산업 전반을 근본적으로 재창조하는 새로운 혁명이 시작됐다”고 평가하면서, “엔비디아는 글로벌 생태계를 하나로 묶어 모든 산업이 이러한 비전을 실현할 수 있도록 전례 없는 규모와 속도를 지원하는 풀스택 가속 컴퓨팅을 제공하고 있다”고 덧붙였다.     주요 산업 소프트웨어 기업들은 AI 에이전트를 자사 플랫폼에 도입해 복잡한 워크플로를 간소화한다. 케이던스의 칩스택 AI 슈퍼에이전트는 반도체 설계와 검증 작업을 수행하며, 다쏘시스템은 3D익스피리언스 플랫폼에서 역할 기반 AI 에이전트인 버추얼 동반자를 구축해 워크플로를 관리한다. 지멘스의 퓨즈 EDA AI 에이전트와 시높시스의 에이전트엔지니어 역시 반도체와 시스템 설계의 자율성을 높이는 데 기여한다. 자동차와 항공우주 분야에서도 가속 컴퓨팅의 성과가 나타나고 있다. 혼다는 엔비디아 그레이스 블랙웰 플랫폼을 활용해 공기역학 시뮬레이션을 기존 CPU 대비 34배 빠르게 수행하며 개발 주기를 단축했다. JLR과 메르세데스 벤츠는 지멘스의 심센터 스타-CCM+ 소프트웨어를 활용해 엔지니어링 워크플로를 혁신하고 있다. 항공우주 분야의 어센던스는 엔비디아 GPU로 구동되는 케이던스 피델리티를 사용해 복잡한 공기역학 시뮬레이션을 단 하루 만에 수행하는 성과를 거뒀다. 에너지와 반도체 제조 분야의 효율 역시 향상됐다. 솔라 터빈은 10억 셀 규모의 연소기 시뮬레이션을 14시간 만에 수행해 청정 에너지 설루션 혁신을 가속화한다. 삼성과 SK하이닉스는 엔비디아 가속 기술이 적용된 델과 HPE의 시스템을 도입해 DRAM과 플래시 메모리 생산을 위한 물리적 검증 과정을 간소화하고 있다. TSMC와 미디어텍 역시 엔비디아 가속 도구를 활용해 첨단 제조와 칩 설계 속도를 높이는 중이다. 산업용 디지털 트윈 기술은 스마트 공장과 물류 혁신을 뒷받침한다. 지멘스의 디지털 트윈 컴포저는 폭스콘, HD현대, 펩시코 등이 대규모 산업용 메타버스 환경을 구축할 수 있도록 지원한다. PTC는 엔비디아 아이작 심을 활용해 로봇 시스템을 가상 환경에서 설계하고 검증할 수 있는 워크플로를 발표했다. 키온은 자율주행 창고 설루션을 고도화하고 있으며 물류 서비스 기업인 GXO는 엔비디아 젯슨 기반의 자율주행 지게차를 훈련하고 테스트하며 운영 효율을 높이고 있다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술   상업용 항공기는 이륙 및 착륙 시 높은 받음각에서 운용되므로, 양력을 정확하게 예측하는 것이 매우 중요하다. 이러한 예측은 최대 이륙 중량, 요구 엔진 추력, 활주로 길이와 같은 요소를 결정하는 데 필수이며, 이는 항공기의 안전하고 효율적인 설계 및 운용에 직결된다. 그러나 고양력 장치가 사용되는 이·착륙 단계에서는 순항 비행과는 다른 유동 특성이 형성되기 때문에, 항공기의 양력과 항력을 정확히 예측하는 것은 항상 어려운 과제로 남아 있다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   고양력 항공기 주위의 유동은 후류(wake), 와류(vortex), 역류 영역(reverse flow region), 경계층(boundary layer), 접합부 유동(juncture flow) 등과 같이 복잡하고 상호작용하는 유동 구조를 포함한다. 케이던스 피델리티 LES(Cadence Fidelity LES, 구 Cascade CharLES)에서의 벽면 모델 대와류 시뮬레이션(Wall-Modeled Large Eddy Simulation : WM-LES)은 고양력 항공기 성능 예측에 효과적인 것으로 입증되었다. 이와 같은 맥락에서, 상대적으로 낮은 충실도의 정상 상태 레이놀즈 평균 나비에–스토크스(Reynolds-Averaged NavierStokes : RANS) 해석은 계산 비용이 낮아 신속한 성능 평가, 설계 비교 및 최적화 연구를 위한 유용한 도구를 제공한다. 최근 케이던스 피델리티 플로(Cadence Fidelity Flow)의 밀도 기반 해석기(Density-Based Solver : DBS)에 적용된 RANS 난류 모델링 기법의 개선을 통해, 수치적 안정성과 정확성이 향상되었으며 이러한 복잡한 유동장을 보다 효과적으로 다룰 수 있게 되었다. 또한 멀티그리드(multigrid) 기법과 CPU 부스터(CPU Booster) 기술과 같은 수렴 가속 방법을 통해 계산 수렴 속도 역시 크게 향상되었다. 이번 호의 사례 연구에서는 Common Research Model High Lift(CRM-HL) 형상에 대해 피델리티 플로 해석기가 갖는 공력 시뮬레이션 능력을 입증한다. CFD 예측 결과는 풍동 실험 결과와 비교·검증되었으며, 이를 통해 예측 신뢰성을 향상시키고 항공기 제조사가 인증을 위한 해석 기반 설계(Certification by Analysis)를 수행하는 데 기여함으로써, 물리적 시험에 대한 의존도를 줄이고 제품의 시장 출시 기간을 단축할 수 있다.   형상 <그림 1>에 나타낸 CRM-HL 모델의 실물 크기 정상 착륙 형상은 40°/37°의 트레일링 에지 플랩 편향각을 가지며, 나셀 상부 표면에 와류 생성을 위한 차인(chine)이 적용된 나셀/파일론(nacelle/pylon)을 포함한다. 외측 슬랫 요소는 12개의 슬랫 브래킷을 통해 주익에 부착되어 있고, 내측 슬랫 요소는 3개의 슬랫 브래킷으로 연결되어 있다. 또한 플랩과 주익 사이의 연결부는 3개의 플랩 페어링에 의해 덮여 있다.   그림 1. CRM-HL 컨피규레이션   격자 생성(Meshing) 격자 생성에는 케이던스 피델리티 포인트와이즈(Cadence Fidelity Pointwise)가 사용되었으며, AIAA Geometry and Mesh Generation Workshop(GMGW-3)의 RANS 기술 포커스 그룹에서 권장하는 모범 사례(best practices)를 따랐다. 이 연구에서 사용된 격자는 중간 수준의 격자 정밀도를 갖는 레벨 B에 해당하며, 약 7500만 개의 복셀-코어(voxel-core) 격자로 구성되어 있다. 이번 연구에 사용된 격자는 최신 포인트와이즈 버전(2023.1)에서 재생성되었으며, 피델리티 CAE 내보내기(export) 설정을 통해 출력되었다. 이보다 더 정밀한 워크숍 격자로는 약 1억 5000만 개와 3억 개의 셀을 갖는 레벨 C 및 레벨 D 격자가 존재한다. 동체(fuselage)의 표면 격자 세분화는 평균 공력 시위(mean aerodynamic chord, 약 7m)의 1.5% 이하로 유지되었다. 유사하게 주익(main wing), 슬랫(slats), 플랩(flaps)에 대한 시위 방향 및 스팬 방향 격자 간격은 각각 국부 시위의 0.15% 이하, 그리고 날개 반경(span)의 0.15% 이하(약 29.38m)로 설정되었다. 트레일링 에지에는 6개의 셀이 배치되었다. 또한 둥근 리딩 에지, 무딘 트레일링 에지, 와류 생성 에지와 같은 영역에서는 최대 70까지의 종횡비(aspect ratio)를 갖는 비등방성(anisotropic) 셀을 적용함으로써, 셀 수와 계산 시간을 크게 줄일 수 있었다. 벽면에 수직한 방향의 초기 격자 간격은 4×10-⁵m로 설정되었으며, 이는 Y＋≈1.5에 해당한다. 경계층 특성을 정확히 포착하기 위해 성장률 1.16을 적용한 40개 층의 프리즘 레이어가 사용되었다. 이와 같이 생성된 레벨 B 격자는 신속한 성능 평가를 위한 격자로서, 설계 경향(trend) 예측 및 서로 다른 항공기 형상 간 비교에 적합한 합리적인 격자 수렴 수준을 확보한 것으로 판단할 수 있다.   그림 2-(a) Surface mesh with symmetry plane   그림 2-(b) Constant y cut over the wing   그림 3. Surface mesh on the wing and nacelle   수치 해석(Simulation) 압축성 형식의 피델리티 플로 밀도 기반 해석기(DBS)는 지배 방정식을 계산한다. 정상 상태 계산은 마하수 0.2, 레이놀즈 수 5.49M 조건에서 받음각 2.78°부터 22.5°까지의 전체 폴라 범위를 대상으로 수행되었으며, 기본 2방정식 k–ω SST 모델, 유동 박리를 지연시키기 위해 a1 계수를 1.0으로 설정한 수정 k–ω SST 모델, 그리고 QCR2000 회전–곡률(rotation–curvature : RC) 보정이 적용된 1 방정식 SA 모델의 세 가지 서로 다른 난류 모델이 사용되었다. 이 RC 보정은 와도율이 변형률보다 현저히 큰 영역에서 과도한 난류 수준이 발생하는 문제를 해결하기 위해 Dacles-Mariani 등(1995, 1999)에 의해 제안되었다. 프리컨디셔닝을 적용하지 않은 중앙 행렬 스킴(central matrix scheme)은 더 낮은 인공 소산을 보장하고 보다 정확한 해를 제공하는 반면, 높은 받음각(angle of attack) 조건에서는 a1 = 1로 설정된 SST 모델과 결합된 개선된 CPU 부스터가 적용된 중앙 스칼라 스킴(central scalar scheme)을 사용하여 수렴 속도를 가속하였다.     ■ 기사 상세 내용은 PDF로 제공됩니다.

이번 리뷰는 HP Z북 울트라 G1a(HP ZBook Ultra G1a)를 활용해 실제 CAE 실무 환경에서의 성능을 검증한 기록이다. 14인치의 컴팩트한 폼팩터에 탑재된 AMD 라이젠 AI 맥스 프로(AMD Ryzen AI Max PRO) 프로세서와 통합 메모리 시스템이 복잡한 전처리부터 후처리까지의 해석 루틴을 얼마나 안정적으로 수행하는지 분석하였다. 실무자의 관점에서 이동성과 전문가급 시뮬레이션 성능의 조화를 직접 확인해 보았다.   리뷰 배경 HP Z북 울트라 G1a는 14인치의 워크스테이션급 특성을 넣은 노트북이다. AMD 라이젠 AI 맥스 프로 시리즈 프로세서 기반으로, CPU와 GPU가 하나의 메모리 풀을 공유하는 통합 메모리 아키텍처를 전면에 내세운다. 제품 소개 기준으로 최대 128GB 통합 메모리 구성이 가능하며, 이 중 최대 96GB까지를 GPU 전용 메모리로 할당해 그래픽 작업에서 병목을 줄이는 방향으로 설계되었다. 이 노트북을 처음 마주한 인상은 워크스테이션이라는 단어와 외형이 잘 연결되지 않는다는 점이었다. CPU 성능은 AMD 라이젠 AI 맥스 + 395를 기반으로 그래픽은 라데온 8060S(Radeon 8060S)로 확인된다. 이 정도의 성능을 노트북에서 볼 수 있다는 점에서 시뮬레이션을 당장이라도 돌려봐야겠다고 판단하였다.   그림 1. HP Z북 울트라 G1a   HP Z북 울트라 G1a는 14인치급의 얇은 노트북 형태라 이동이 쉽고, 포트 구성도 업무용에 딱 맞춰져 있다. 특히 HDMI 2.1, 썬더볼트 4(USB-C) 등 USB-C 포트를 3개 보유하고 있다. 외부 모니터 연결이나 현장, 회의실 등 이동이 잦은 사용자라면 노트북 자체의 무게 관점에서는 엄청난 점수를 주게 된다. <그림 2>의 왼쪽은 Z북 울트라 G1a의 상판 디자인이다. 그레이 톤에 로고 중심의 미니멀함이 인상이 강하고, 표면 마감도 업무용 워크스테이션답게 차분한 편이다. <그림 2>의 오른쪽 사진은 휴대성 체감을 주기 위해 12.9형 아이패드 프로를 함께 놓고 비교한 장면이다. 태블릿을 키보드 위에 올려두면 느껴지듯, 본체의 면적이 아이패드 프로급과 크게 동떨어지지 않아 가방에서 차지하는 부피 부담이 생각보다 적다. 실제로 태블릿을 넣던 공간에 함께 운용하기 수월했고, 연구실과 세미나실처럼 이동이 잦은 환경에서 편리함을 만들어주는 크기였다.   그림 2. HP Z북 울트라 G1a의 외관(왼쪽) 및 태블릿과의 크기 비교(오른쪽)   CAE 해석 관련 제품 시연 CAE 해석 관련 제품 시연을 보면 대개는 깔끔한 브래킷 한 개, 공기 층이 크게 없는 외부 유동, 혹은 요소 수를 의도적으로 낮춘 모델로 구성된다. 하지만 실제 대학원 연구나 현업 엔지니어가 사용하는 모델은 굉장히 높은 밀도의 요소 수를 가지고 있는 경우가 대부분이다. CAE 해석은 계산 시간만으로는 평가하기 어렵다. 실제로는 모델을 가져오고, 형상을 단순화하고, 메시를 증가시키고, 수렴을 잡고, 결과를 후처리하고, 마지막으로 보고서까지 정리하는 과정이 하나의 루틴으로 이어진다. 이 루틴 중 어느 구간에서든 시스템이 멈추거나 응답성이 크게 떨어지면, 그 순간부터는 업무가 끊기게 된다. 필자는 구조/유동 해석을 병행하는 대학원생 연구원으로서, 이번 대여 장비를 단순 벤치마크가 아닌 실제 연구 및 과제에서 수행하는 순서 그대로 테스트해보기로 했다. 목표는 명확하다. 다음의 두 가지를 중점으로 검토하였다. 전처리부터 후처리까지, 끊김 없이 반복 수행 가능한가? 구조 해석(선형/비선형)과 유동 해석(정상/과도)을 섞었을 때도 안정적으로 유지되는가? 이번 리뷰는 실제 진행했던 해석 프로젝트를 기반으로 진행하였다. 대외비로 인해 전체 형상보다 해석 진행에 맞춘 단순화 모델을 사용하였다. CFD 유동 해석 1건을 먼저 수행해 시스템의 기본 워크플로 안정성을 우선 확인한 뒤, 본 테스트인 XY 스테이지 프로젝트로 넘어가는 방식으로 구성했다. 세 가지 테스트는 해석 솔버 진행 시 해석 엔지니어가 체감하기에 가장 어려움을 겪는 상황에 대해 상세하게 설명하는 것을 목표로 한다. 해석 엔지니어는 대부분 직접 모델링, 전처리에서 후처리까지 모두 진행하기 때문에, 이 모든 과정에서 HP Z북 울트라 G1a의 성능이 성과를 좌우할 수 있다. 이에 따라 대표적인 해석 방법 세 가지(유동, 정적, 열적 해석)을 선정하였다.   그림 3. 분야별 테스트 계획   테스트 1 : 유체 시뮬레이션 전처리(앤시스)   그림 4. 전처리 메시 작업(노트북 자체 화면)   첫 번째 테스트는 유체 해석으로 시작했다. 대상은 다수의 오리피스(Orifice)가 배열된 에어베어링 타입 유동 형상으로, 단순히 솔버만 돌리는 것이 아니라 전처리부터 해석, 후처리까지 모든 워크플로를 수행하였다. 이 유형의 모델은 형상 자체도 복잡하지만, 메시 해상도를 올리는 순간부터 작업감이 급격하게 달라진다. 특히 요소 수가 많아지면 워크벤치(Workbench)에서 해당 프로젝트에 접근하는 ‘클릭 한 번’부터 초기 반응이 늦어지는 경우가 흔하다. 즉, 실제 체감 성능은 메시 창 진입부터 차이가 드러난다. Z북 울트라 G1a의 흥미로운 점은 소음 특성이다. 동일한 워크로드를 워크스테이션급 컴퓨터에서 수행할 때는 팬의 소음이 뚜렷하게 들릴 정도로 동작하는 경우가 있었는데, 이번 테스트에서 수행할 때는 메시 작업창을 여는 순간 짧게 팬이 동작하는 느낌이 있다가, 이후에는 지속적으로 소음이 커지지 않고 비교적 낮은 수준으로 유지되는 느낌을 받았다. 필요한 구간에서만 짧게 소음이 개입하니, 작업하는 엔지니어 입장에서는 안정감을 받으며 작업을 할 수 있었다.   그림 5. 앤시스 워크벤치 프로젝트(유체 해석)   유체 해석 파트는 한 번 돌려서 끝이 아니라, 워크벤치에서 여러 케이스를 동시에 관리하는 형태로 구성했다. <그림 5>처럼 Fluid Flow 시스템을 다수 배치하고, 각 시스템을 Geometry, Mesh, Setup, Solution, Results 순서의 단계로 동일한 구조로 유지한 뒤 케이스별로 필요한 변경만 최소화하여 반복 실행했다. 연구실에서 실제로 유동 해석을 수행할 때는 한 조건으로 끝나기보다 간극, 입력조건, 수치 설정을 바꿔가며 다음 케이스로 넘어가는 일이 일반적이기 때문에, 이번 리뷰에서도 그 흐름을 그대로 가져갔다. 이번 구성의 핵심은 파라미터 기반 분기이다. 간극 조건을 여러 파라미터 케이스로 나누어 두고, 수치 설정을 달리한 케이스도 별도로 두어 같은 프로젝트 내에서 연속적으로 비교할 수 있도록 구성했다. 동일한 방식으로 여러 케이스를 파이프로 연결하여 시뮬레이션했을 때, 데스크톱 워크스테이션에서는 약 5시간, Z북 울트라 G1a에서는 약 7시간 정도가 소요되었다. 실제 솔버에 사용한 코어 수는 동일하게 맞추어 진행했다.(비교에 사용한 데스크톱 워크스테이션 사양은 13세대 인텔 코어 i7-13700KF(16코어/24스레드), RAM 128GB, 엔비디아 RTX A4000(전용 16GB)이다.) 시간 차이는 장비 구성 차이(특히 메모리 용량 등)에서 발생할 수 있으며, 이번 파트에서는 다중 케이스 구성을 프로젝트 단위로 묶어 하나의 파라미터 사이클을 중단 없이 완주했다는 점에 의미를 두었다.   테스트 1-1 : 유체 시뮬레이션(앤시스)   그림 6. 플루언트 해석 단계   이번 테스트는 플루언트 시스템을 구성한 뒤, 실제 설정과 실행은 플루언트 내부에서 진행했다. 실제 유체 해석을 경험하였을 때, CFD 솔버 창 로드가 가장 느리게 뜬다. 이 구간이 실무적으로는 가장 시간을 많이 쓰는 편이다. 이유는 체감 병목이 반드시 솔버에만 있지 않기 때문이다. 큰 메시를 불러오고, 화면에 표시하고, 경계면을 선택하고, 설정 탭을 오가며 저장 및 갱신하는 과정에서 프리징이 발생하면, 계산 시간이 짧더라고 작업은 길어진다. 이 노트북에서는 이 작업이 굉장히 깔끔하다. 예를 들어 Fluid 형상을 Solid로 바꾸는 경우에는 물성 자체를 바꾸기 때문에 체감상 30~50초 정도 지연이 발생했다. 하지만 그 외의 모든 대부분의 기능은 끊김 없이 설정 변경이 가능했다. 팬 소음도 이전과 같이 임포트 시 및 솔버 작동 시를 제외한 부분에서는 거의 들리지 않았다.   그림 7. 유체 해석 결과 컨투어   이번 테스트에서는 해석 대상에서 계산된 압력 분포를 보여준다. 워크스테이션급 노트북에서 이 정도 규모의 모델을 끝까지 수렴시키고, 후처리까지 안정적으로 가져갈 수 있었다는 점에서 굉장히 큰 장점을 느꼈다. 특히 컨투어(contour)가 계단형처럼 깨지지 않고 등압선이 부드럽게 이어지는 점이 비교를 위해 해석을 동일하게 진행한 데스크톱 워크스테이션에서 확인할 수 있는 그래픽과 동일한 수준이다. 압력 분포뿐만 아니라 실제 산업에서 요구하고 검토해야 하는 유동 관련 모든 후처리를 모두 확인할 수 있었다. 노트북 한 대로 연구 및 업무에서 필요한 해석의 한 사이클인 전처리, 해석, 후처리까지를 노트북에서 완주할 수 있었다는데 의미가 있다.   테스트 2 : XY 스테이지 정해석(솔리드웍스 & 앤시스)   그림 8. 시뮬레이션 대상인 XY 스테이지 모델링   시뮬레이션을 수행하기 위해, 연구실에서 실제로 다루는 XY 스테이지의 실물 크기와 구성 방식을 최대한 반영하여 모델링을 진행하였다. 단순한 데모 형상이 아니라, 연구 환경에서 반복적으로 부딪히는 조건을 고려해 임포트, 단순화, 해석용 형상 정리를 여러 번 반복하는 방식으로 접근했다. 모델링 단계에서 가장 먼저 확인한 것은 ‘한 번이라도 흐름이 끊기지 않는지‘였다. 모델링 툴에서 가장 문제가 되는 상황은 복잡한 형상을 다룰 때 화면의 프리징이나 입력 지연인데, 이번 작업에서는 XY 스테이지를 구성하는 형상을 만들고 수정하는 과정에서 눈에 띄는 버벅임이 거의 발생하지 않았다. 단순히 고사양 CPU와 GPU가 있다라는 의미가 아니라, 실제로 커서 이동, 스케치 입력, 피처 생성과 같이 모델링 진행 시 기본적인 동작이 꾸준하게 유지되는지가 체감하는 성능을 결정한다. 이러한 관점에서 작업감이 안정적이었다. 특히, 해석 툴(앤시스 워크벤치)을 완전히 종료하지 않고 백그라운드에 실행해 둔 상태에서 모델링을 병행했을 때다. 일반적으로 해석 툴을 켜 둔 채로 CAD 작업을 하면 메모리나 리소스 점유로 인해서 스케치가 끊기거나 곡선 입력이 느려지는 경험을 하는 경우가 많다. 반면 Z북 울트라 G1a은 워크벤치가 백그라운드에 올라간 상태에서도 솔리드웍스에서 스케치를 그리고 곡선을 생성하는 과정이 딜레이 없이 매끄럽게 이어진다. 하지만 아무래도 해석 솔버를 모든 코어를 사용해서 돌려놓으면 솔버가 돌아가는 동안 솔리드웍스에서 약간의 프리징이 발생한다. 사용자는 해석 솔버 상에서 직접적으로 코어의 개수를 할당해줄 수 있는데, 코어를 조절하여 4코어는 CAD 툴, 4코어는 해석 툴과 같이 나누어 작업을 진행할 때 큰 버벅거림 없이 조작이 가능했다. 코어를 나눴기 때문에 솔버 시간 지연은 발생하지만, 동시 작업이 깔끔하게 진행되는 것 자체로도 해석 엔지니어에게는 큰 장점으로 느껴진다.   테스트 2-1 : XY 스테이지 정해석(앤시스)   그림 9. 앤시스 워크벤치 프로젝트(정해석, 열해석, 모달해석)   이번 테스트는 여러 파이프로 연결된 워크벤치를 구동하는데, 서로 다른 해석 시스템을 한 프로젝트 안에서 연결한다는 점이 중요하다. 실제 연구나 업무 환경에서는 한 번 만든 CAD를 기반으로 정적 강성, 열 영향, 진동 특성을 연속으로 확인하는 경우가 많고, 이때 프로젝트가 분리되어 있으면 형상 수정이나 단순화가 생길 때마다 각 해석을 따로 업데이트해야 해서 시간이 굉장히 지연된다. 상단의 메인 플로는 세 가지로 구성했다. 정적 구조로 기본 강성과 변위를 확인하고, 같은 지오메트리를 기반으로 열 조건을 부여하였을 때 온도 분포를 점검한 다음, 모달로 고유 진동수와 모드 형상을 확인하는 흐름이다. 이 구조로 구성하면 형상 단순화나 치수 수정이 생겼을 때 업데이트 프로젝트(Update Project) 한 번으로 메인 3개의 해석의 기반 데이터가 함께 따라온다. 실무에서는 굉장히 많은 파라미터를 연속적으로 연결해 두어야 하는데, 이는 노트북으로 해석할 때 중요한 작업 흐름을 끊지 않는 운영 방식으로 직결된다.   테스트 2-2 : XY 스테이지 정해석 메시 작업(앤시스)   그림 10. XY 스테이지 모델링 전처리(메싱)   전처리 작업에서의 메시 작업은 실사용에서는 메시 직후 작업이 끝나는 경우가 거의 없다. 접촉 및 구속을 다시 확인하거나, 특정 부위를 더 촘촘히 쪼개거나, 단순화가 부족한 부분을 다시 CAD로 되돌려 수정하는 등 ‘다시 돌아가는’ 작업이 필연적으로 발생한다. 이때 중요한 건 계산 성능보다도 프로젝트가 계속 이어지는지 여부다. 메시가 늘어난 상태에서 트리 이동, 특정 파트 및 면 선택 같은 동작이 불규칙하게 멈추면 이후 단계에서 재 메시나 후처리로 넘어가는 속도가 눈에 띄게 떨어진다. 이번 구성에서는 메시를 1mm로 굉장히 작게 분할하여도 작업을 중단시킬 정도로 흔들리는 형태는 두드러지지 않았다.   테스트 2-3 : XY 스테이지 정해석(앤시스)   그림 11. XY 스테이지 정해석 컨투어   이번 테스트는 Static Structural의 결과가 Mechanical에서 로드되어, 컨투어로 시각화되었다. 계산 후 결과를 불러와 렌더링하고, 필요한 뷰를 만들고, 캡처 가능한 상태로 정리하는 후처리 루틴이 매끄럽게 진행되었다. 현업과 연구에서 시간은 계산에서만 쓰이지 않는다. 결과를 열고, 표시 항목을 바꾸고, 시점을 정리하고 캡처하는 과정이 반복된다. 특히 조립체 모델에서는 내가 보고 싶은 위치에 대한 시점 찾기 과정에서 버벅임이 심한 경우가 대다수다. 이번 테스트에서는 결과 컨투어를 띄운 이후 확대 및 회전 등 기본 조작을 수행하며 캡처 가능한 상태로 정리하는 흐름으로 진행되었고, Z북 울트라 G1a에서 충분히 프로젝트 관리가 가능하였다. 해석 솔버 작동 시간은 유체 해석급으로 복잡한 메시와 연산량이 요구되지는 않았기에 10분 이내로 해석은 완료되었다.   테스트 3 : XY 스테이지 열해석(앤시스)   그림 12. XY 스테이지 열해석 컨투어   이번 테스트의 경우 정상상태 열 해석의 결과 화면이며, 각각 온도와 열량 결과 항목을 표시하였다. 이번 테스트는 정적, 열 해석을 각각 돌린 것이 아니라 워크벤치에서 하나의 프로젝트를 묶어 반복 업데이트하는 형태로 운영하였다. 실제 해석 업무에서 체감 생산성을 좌우하는 것은 솔버의 단발적인 성능만이 아니다. 경계조건인 열원, 대류, 접촉 등을 수정하고, 다시 업데이트한 뒤, 동일한 뷰에서 결과를 재확인 및 캡처하는 과정을 반복하면서 목표하는 컨투어가 나오고, 분석한 결과와 동일한지 확인하는 과정이 정말 중요하다. 열 해석은 15분 이내 수준에서 비교적 빠르게 완료되었다. 이 정도 솔버 시간이 확보되면 열원 크기나 경계조건 같은 변수를 바꿔가며 파라미터 시뮬레이션 형태로 반복 실행하는 운영도 현실적인 선택지가 된다.   테스트 4 : AMD 소프트웨어를 통한 해석 속도 개선 테스트   그림 13. 아드레날린 에디션 그래픽 설정   Z북 울트라 G1a는 AMD 전용 그래픽 드라이버 및 그래픽 옵션 설정을 통합 관리하는 소프트웨어 아드레날린 에디션(Adrenalin Edition)을 적용할 수 있는데, 이를 통해 <그림 13>과 같이 Gaming → Graphics 메뉴에서 그래픽 옵션을 선택할 수 있다. 이 화면은 본래 게임 환경을 대상으로 한 옵션이 포함되어 있으나, 이번 테스트에서는 해석에 필요한 더 조밀한 메시와 대형 형상들의 결과 표시를 검토하는 상황에서 실무자의 뷰포트 조작이 더 부드러워지는지, 또는 반대로 표시 지연이 발생하는지 확인하는 목적으로 진행된다.   테스트 4-1 : 메시 사이즈 조밀화 구간 작업감 검증 테스트   그림 14. A : 메시 1mm Sizing 적용 시   그림 15. B : 메시 0.5mm Sizing 적용 시   앞선 테스트 2-2(메시 작업)에서 강조했던 포인트는 단순히 메시가 생성되느냐가 아니었다. 실사용에서 메시 작업은 직후에 끝나는 경우가 거의 없고, 모델을 다시 손보거나(형상 수정과 구속 변경), 특정 부위만 더 촘촘히 쪼개거나(Refine), 조건은 바꿔 반복 수행하는 과정이 기본 루틴이 된다. 이때 체감상 생산성을 좌우하는 건 계산 성능만이 아니라 메시가 늘어난 상태에서도 트리 이동, 파트 및 면 선택, 화면 회전과 같은 기본 조작이 끊기지 않고 이어지는지에 있다. 한 번 버벅거림이 시작되면, ‘재메시 – 솔브 – 후처리’로 넘어가는 전체 흐름이 눈에 띄게 느려진다는 점이 있다. 이번 테스트 4에서는 AMD의 아드레날린 에디션 소프트웨어를 설치한 뒤, 그래픽 옵션을 적용한 상태에서 해석 프로그램 메시 조밀화 구간의 작업감을 다시 확인하는 형태로 진행했다. 메시 사이즈를 낮춰 요소 수가 증가하는 상황에서 안정성이 유지되는지 체크하는 것을 목적으로, 테스트는 기존 프로젝트 흐름을 유지하되 메시 사이즈를 다르게 적용하여 비교했다. 비교 조건은 A와 B로 메시를 생성한 후 화면 회전과 줌, 그리고 트리 이동과 특정 파트의 면 선택 등을 반복하였다. 결과적으로 조밀화 자체가 부담인 B 조건에서도 멈춤이 덜한 것을 확인하였다. 이 작업에서 핵심 부담은 결국 작업의 흐름이 끊기는 것이다. 이번 설정에서는 조밀한 메시에서도 작업을 중단시킬 정도로 흔들리는 패턴은 보이지 않았다. 메시 사이즈를 0.5mm까지 낮춰도 조작이 꺾이지 않는다는 점과 아드레날린 설정 적용 이후 메시 상태에서의 화면 반응성이 안정적으로 유지되는 방향으로 체감되었다.   테스트 4-2 : 모달해석 테스트   그림 16. 모달해석 결과 화면(모드 형상 컨투어)   아드레날린 설정 후, 기존 XY 스테이지 프로젝트 흐름에 모달해석을 추가로 수행했다. 특히 모달해석은 결과 확인 과정에서 모드 형상 확인, 애니메이션 재생, 값 확인 및 캡처를 반복 수행하게 되는데, 그래픽과 솔버 시간 감소를 확인하기 위해 필수적으로 해석을 진행하였다. 모달해석 결과는 Mechanical에서 바로 로드되어 모드(Mode) 별 주파수 테이블과 함께 표시되었고, 결과 항목을 전환해도 화면 반응이 끊기지 않았다. 특히 모달해석에서는 에니메이션 재생을 수행했을 때 조작이 툭툭 끊기는 것 없이 안정적으로 확인이 가능하였다. 이어서 모달해석은 다른 구조 해석이나 열 해석과는 상이하게 경계 조건에 따라 솔버 시간이 3~4배는 더 걸리게 된다. 아드레날린 설정을 통해 그래픽 끊김이 발생하지 않는 선에서 옵션을 변경하여 솔버를 진행하였을 때 소요되는 결과를 확인하였다.   그림 17. 아드레날린 에디션 적용 전/후 솔브 시간 비교   <그림 17>에서 확인할 수 있듯이 동일 모달해석 케이스에서 약 32분에서 23분으로 솔버 시간이 줄어드는 결과를 확인했으며, 약 9분 31초 수준으로 29% 수준의 시간 단축을 통해 솔버 사용 속도가 눈에 띄게 증가했음을 확인하였다. 이 차이는 단일 요인(그래픽 옵션)만으로 원인을 단정하기는 어렵지만, 단일 해석 설정에서 아드레날린 에디션 적용 이후 동일 케이스를 반복 수행했을 때 솔버 시간이 감소하는 경향이 확인되었다는 점에서 의미가 있었다. 특히 연구 및 실무 환경에서는 모달해석을 단독으로 한 번만 돌리는 경우가 드물고, 메시 조정과 결과 확인이 반복되기 때문에, 5~10분 단위의 차이도 누적되면 전체 작업 흐름에 영향을 준다. 이번 테스트에서는 그 누적이 실제로 체감될 정도로 줄어들었고, 속도 개선 가능성을 확인할 수 있었다. XY 스테이지 테스트는 한 번 만든 지오메트리를 워크벤치에서 계속 돌릴 때, 실제로 프리징 없이 곧바로 다음 루프로 넘어갈 수 있는지를 확인하는 과정이었다. 기본 테스트(테스트 1~3)만으로도 Z북 울트라 G1a은 해석자로서 굉장히 만족스러웠고, 특히 작업 흐름을 끊어버리는 프리징이 거의 없었다는 점에서 큰 점수를 주고 싶었다. 여기에 추가로 테스트 4인 AMD 아드레날린 에디션 적용 후의 작업 흐름도 함께 확인하였다. 조밀 메시에 대한 결과 화면처럼 그래픽적으로 무거워지는 구간에서도 전체 해석 흐름이 무너지지 않는지를 다시 점검하였고, 추가로 수행한 모달 해석에서도 결과 확인 과정이 한 번에 이어지는 형태로 진행됐다. 특히 솔버 시간 측면에서는 동일 케이스에서 소요시간이 감소하는 결과도 확인되어, 단순하게 돌아간다는 수준을 넘어 반복 수행 관점에서 체감 효율을 한 단계 더 끌어올릴 여지가 있다는 인상을 받았다. 결국 해석 실무자 입장에서 중요한 것은 케이스를 최적화하기 위해 나누고 설정을 바꾸고 결과를 정리하는 과정을 포함해 작업자가 하루 동안 수행하는 작업을 노트북에서 유지할 수 있는가에 있다. 이번 리뷰는 그 과정이 끊기지 않는지에 초점을 두고 진행했고, 추가 테스트 적용 결과까지 포함해 그 목적에 맞는 형태로 마무리되었다. 견적 상담 문의하기 >> https://www.hp.com/kr-ko/shop/hp-workstation-amd-app   ■ 정수진 한국공학대학교 메카트로닉스공학과 석사과정으로, CAE 해석 및 설계 검증, 시뮬레이션 최적화, 멀티피직스 관련 연구과제를 담당하고 있으며, 주로 구조, 열, 유체 시뮬레이션 기반 해석 연구를 진행하고 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

인텔은 지난 1월 28일 ‘2026 AI PC 쇼케이스 서울’을 통해 최첨단 18A 공정이 적용된 차세대 프로세서 ‘인텔 코어 울트라(Core Ultra) 시리즈 3’를 국내에 공식적으로 선보였다. 이번 신제품은 기존 모델 대비 전력 효율을 높이고 그래픽과 AI 연산 성능을 향상시킨 것이 특징이다. 인텔은 온디바이스 AI의 보안성과 효율을 앞세워 클라우드 의존도를 낮추고 사용자 경험을 혁신하겠다는 의지를 밝혔다. 또한 한국 시장의 전략적 중요성을 강조하면서, PC를 넘어 에지 AI 분야까지 생태계를 확장하겠다는 비전을 제시했다. ■ 정수진 편집장   18A 공정 기반의 차세대 아키텍처와 혁신 기술 집약 코드명 팬서레이크인 인텔 코어 울트라 시리즈 3는 인텔의 18A 반도체 공정 기술을 기반으로 설계된 첫 번째 플래그십 프로세서이다. 각 트랜지스터에 공급되는 전력을 정밀하게 제어하는 게이트 올 어라운드(GAA) 구조의 리본펫(RibbonFET)과 복잡한 칩의 전력 배선 구조를 단순화해 칩 밀도를 높이는 파워비아(PowerVia) 기술이 적용되어 전력 및 공간 효율을 높인 것이 특징이다. 성능 코어(P-코어)와 효율 코어(E-코어)로 구성된 하이브리드 코어 아키텍처를 재설계한 것도 눈에 띈다. 인텔은 18A 공정에 맞춰 성능 코어와 효율 코어를 전면 재설계했다고 밝혔는데, 특히 저전력 아일랜드(Low Power Island)에 위치한 4개의 효율 코어에 추가 캐시를 탑재해서 더 많은 워크로드를 저전력으로 처리할 수 있도록 설계되었다. 인텔의 조쉬 뉴먼(Josh Newman) 컨수머 PC 부문 총괄은 “코어 울트라 시리즈 3는 NPU(50 TOPS)와 GPU(120 TOPS) 등을 합쳐 플랫폼 전체에서 최고 180 TOPS의 AI 연산 성능을 제공한다”면서, “이를 통해 보안을 유지하면서도 기기 내에서 로컬 LLM(거대 언어 모델)을 원활하게 구동할 수 있다”고 소개했다. 또한, 코어 울트라 시리즈 3는 차세대 내장 그래픽인 인텔 아크(Arc) B390을 탑재했다. 아크 B390은 Xe3 아키텍처를 기반으로 12개의 Xe 코어와 96개의 XMX 엔진, 이전 세대 대비 2배 늘어난 16MB의 L2 캐시를 탑재했다. 이를 통해 이산형(discrete) 모바일 GPU에 맞먹는 성능을 제공한다는 것이 인텔의 설명이다.   ▲ 인텔의 조쉬 뉴먼 컨수머 PC 부문 총괄이 코어 울트라 시리즈 3를 소개했다.   루나레이크 대비 향상된 전성비와 AI 성능 구현 이번 신제품은 이전 세대인 루나레이크와 비교해 CPU/GPU 성능과 전력 효율, AI 성능 등에서 폭넓은 개선이 이뤄졌다. 코어 울트라 시리즈 3는 최대 8개의 효율 코어를 추가로 구성해서 루나레이크 대비 멀티스레드 성능이 최대 60% 향상되었으며, 전반적인 CPU 속도 역시 60% 더 빨라졌다. 또한, 동일한 싱글 스레드 성능을 최대 40% 더 낮은 전력으로 구현할 수 있다. 인텔은 “시스템 전체의 전력 소모를 줄여서, 배터리 수명을 시간 단위가 아닌 일(days) 단위로 측정할 수 있을 만큼 연장했다”고 전했다. GPU 성능 역시 내장 그래픽 크기를 키우고 아키텍처를 개선하면서, 루나레이크 대비 게이밍 그래픽 성능이 77% 이상 향상되었다. 이는 60W로 구동되는 경쟁사 랩톱 GPU의 성능과 맞먹으면서도 45W의 더 적은 전력을 소비하는 수준이라는 것이 인텔의 설명이다. 이외에 96개의 AI 가속기(XMX)를 내장해 AI 성능을 이전 세대 대비 약 2배 가까이 끌어올렸으며, AI 추론 성능은 53% 향상되었다. 이와 함께 50 TOPS 성능의 저전력 NPU를 별도로 탑재해서, 화상 회의의 배경 흐림이나 오디오 노이즈 제거, 보안 작업 등의 상시 AI 작업을 최소화된 배터리 소모와 함께 구동할 수 있도록 했다. 뉴먼 총괄은 “인텔의 접근 방식은 인텔 코어 울트라 시리즈 3 아키텍처와 곧 출시될 차세대 시리즈 3 코어를 중심으로, 단일 아키텍처 기반에서 폭넓은 제품 포트폴리오를 제공하는 것이다. 이를 통해 다양한 세그먼트별 수요와 가격대, 지역별 요구사항을 포괄할 수 있도록 설계했다”고 전했다.   PC를 넘어 온디바이스·에지 AI까지 영역 확장 인텔은 350개 이상의 독립 소프트웨어 공급업체(ISV)와 협력해서 500개 이상의 AI 기능에 최적화된 환경을 갖추고 있다고 전했다. 또한, 인텔의 오픈비노(OpenVINO) 툴킷을 통해 개발자들이 맞춤형 하드웨어 재작성 없이도 파이토치(PyTorch)나 라마(Llama) CCP 등 최신 생성형 AI 모델과 비전 모델을 즉시 배치하고 최적화할 수 있도록 지원한다. 예를 들어, 어도비 프리미어 프로(Adobe Premiere Pro)에서는 GPU 기반 AI를 통해 사용자가 입력한 설명만으로 원하는 미디어나 영상을 손쉽게 검색할 수 있다. 줌(Zoom)에서는 NPU를 활용하여 시스템 전력 소모를 줄이면서도 가상 링 조명 효과나 배경 어둡게 하기 등의 기능을 지원한다. 또한, 마이크로소프트와 긴밀히 협력해 코파일럿 플러스(Copilot+)의 차세대 AI 경험을 윈도우 11 생태계 전반에서 지원한다. 기업 환경에서는 클라우드로 데이터를 전송할 때 발생하는 보안 우려에 대해 민감할 수밖에 없다. 인텔은 “민감한 데이터는 기업 내부(로컬)에서 유지하면서 AI 기반 생산성 작업을 안전하게 수행할 수 있는 온디바이스 AI 환경을 제공한다”고 전했다. 인텔은 코어 울트라 시리즈 3를 통해 PC를 넘어 에지 AI(edge AI) 시장으로 확장한다는 계획도 소개했다. 스마트 공장, 스마트 시티, 헬스케어 등 에지 환경에서도 코어 울트라 시리즈 3의 AI 성능과 전력 효율을 그대로 활용할 수 있다는 것이다. 인텔은 코어 울트라 시리즈 3가 환경을 실시간으로 인지해야 하는 로보틱스나 품질 관리용 비전 언어 모델(VLM) 구동에 적합하다는 점을 내세운다. 뉴먼 총괄은 “경쟁사의 AI 가속기 설루션과 비교해 LLM 지연 시간(latency) 성능을 2배가량 높였으며, 영상 분석 애플리케이션에서 총소유비용(TCO)을 2배 이상 개선했다”면서, “외장 그래픽 카드 없이도 내장된 GPU와 NPU만으로 환경을 인지하고 기계를 정밀하게 제어할 수 있다”고 소개했다.     국내 AI 생태계 전략 및 비즈니스 비전 소개 최근 메모리 가격이 오르면서 PC 가격에 대한 부담이 커지고 있다. 인텔은 이런 우려에 대응하고 소비자의 다양한 세그먼트별 수요를 충족하기 위해, 시리즈 3 단일 아키텍처 기반의 폭넓은 제품 포트폴리오를 제공한다는 계획을 소개했다. 조쉬 총괄은 “이전 세대가 프리미엄 및 게이밍에 집중했다면, 시리즈 3은 다변화된 가격대와 지역별 요구사항을 모두 포괄할 수 있도록 설계해서 파트너사이 각자의 시스템 가격 목표에 맞춰 시장에 정밀하게 대응할 수 있도록 지원할 것”이라고 밝혔다. 인텔은 자사의 AI 기술력을 PC 디바이스에 한정짓지 않고 스마트 공장, 첨단 헬스케어 등 에지 AI 시장으로 확장하고 있다. 이 부분에서도 국내 파트너와의 협업을 추진 중인데, 대표적으로 스마트 공장 및 비전 인식 AI 분야에서는 LG이노텍과, 실시간 영상 진단 등 디지털 헬스케어 분야에서는 삼성메디슨과 협력하면서 에지 영역의 AI 컴퓨팅 생태계를 구축하고 있다. 인텔은 한국 시장을 AI PC 및 AI 반도체 생태계의 전략적 핵심 기지로 삼고 있다고 전했다. 인텔코리아의 배태원 사장은 “우리나라는 전 세계에서 새로운 기술을 가장 빠르게 수용하는 역동적인 시장으로, 인텔 코어 울트라 시리즈 3의 글로벌 첫 출시 국가 중 하나로 선정되었다. 실제로 2025년 기준 국내 주요 리테일 채널에서 판매된 인텔 칩 기반 AI PC 비중이 이미 40%를 넘어설 만큼 높은 수요를 보이고 있다”고 설명했다. 또한 삼성전자, LG전자 등 국내 주요 파트너와 협력해 폭넓은 AI PC 라인업을 제공하고, 생태계를 한 차원 더 도약시키겠다는 전략을 밝혔다. 최근 AI 반도체 트렌드에서 CPU, GPU뿐만 아니라 메모리의 중요성도 부각되고 있다. 인텔은 세계적인 메모리 선도 기업인 삼성전자와 SK하이닉스를 포함한 국내 AI 관련 생태계의 핵심 기업들과 협력을 지속하면서 AI 반도체 리더십을 탄탄히 다지겠다는 계획이다.     ■ 기사 내용은 PDF로도 제공됩니다.