SIMTOS 2026 기간 중 캐드앤그래픽스 주관으로 4월 16일~17일 진행된 ‘피지컬 AI&디지털 트윈 컨퍼런스’와 ‘뿌리산업&소부장 컨퍼런스’에서는 디지털 트윈과 피지컬 AI(physical AI)를 중심으로 제조산업의 디지털 전환과 자율 제조의 비전을 공유했다. 이번 행사는 AI(인공지능) 기술을 융합하여 현장의 숙련된 노하우를 데이터화하며, 스스로 판단하고 실행하는 지능형 생산 체계를 향한 근본적인 체질 개선 방안을 집중적으로 논의했다. 또한 제조산업의 AX(인공지능 전환) 실행 전략과 소부장(소재·부품·장비) 산업의 생존을 위한 R&D 정책 방향이 제시되었다. ■ 정수진 편집장     한국공작기계산업협회의 김현무 선임본부장은 개회사를 통해 오늘날 제조업이 마주한 거대한 변화의 물결을 짚었다. “최근 제조업계는 디지털 트윈과 피지컬 AI를 중심으로 그 어느 때보다 빠르게 디지털 전환을 맞이하고 있다. 현실의 생산 환경을 가상 공간에 정밀하게 구현하고 AI가 스스로 판단해 최적화하는 자율 제조 시스템은 이제 선택이 아닌 필수가 되었다”라고 전한 김현무 선임본부장은 “공작기계는 여전히 제조의 심장이다. 아무리 첨단 기술이 고도화되고 AI가 제조 분야의 의사결정을 주도하더라도, 이를 실제 현실에서 제품으로 구현해 내는 물리적인 바탕은 결국 공작기계”라고 역설했다. 또한, “앞으로 우리 제조업의 경쟁력은 이러한 디지털 기술과 공작 기술이 얼마나 높은 수준으로 융합되는지에 따라 판가름 날 것”이라고 전망했다.   ▲ 한국공작기계산업협회 김현무 선임본부장   피지컬 AI·디지털 트윈으로 실현하는 자율 제조의 미래 4월 16일에는 ‘피지컬 AI&디지털 트윈 컨퍼런스’가 진행됐다. 다섯 편의 발표에서는 단순한 자동화를 넘어 로봇이 인간의 숙련도를 학습하고 스스로 최적의 의사결정을 내리는 피지컬 AI와 이를 뒷받침하는 디지털 트윈 기술의 융합 사례가 다뤄졌다. 로봇, 자동차, 조선 등 각 분야의 전문가들은 파편화된 데이터를 통합하고 일하는 방식 자체를 혁신해야만 진정한 자율 제조 생태계를 구축할 수 있다고 입을 모았다.   ▲ 한국로봇산업진흥원 전진우 수석연구원   한국로봇산업진흥원 제조로봇본부의 전진우 수석연구원은 ‘피지컬 AI의 부상, 제조 강국의 길’을 주제로 한 발표에서, 피지컬 AI가 주도할 제조 산업의 미래를 조명했다. 그는 인공지능이 내린 똑똑한 판단을 실제 물리적인 행동으로 연결하는 것이 피지컬 AI의 핵심이라고 강조했다. “세상의 모든 제조 환경과 인프라가 인간을 기준으로 설계되어 있기 때문에, 사람의 형태를 한 휴머노이드 로봇이 가장 경제적이고 효율적인 실행 도구가 될 수밖에 없다”는 것이 전진우 수석연구원의 분석이다. 한편으로 그는 “제조 AX(인공지능 전환)는 로봇을 도입하는 것으로 그치지 않는다”면서, 눈앞에 보이는 로봇 하드웨어의 도입에만 집착해서는 안 된다는 충고도 전했다. 진정한 제조 혁신을 위해서는 일하는 방식 자체를 근본적으로 바꿔야 한다는 것이다. 구체적으로는 현장 장인들의 숙련된 솜씨와 암묵적인 노하우를 다중 감각 데이터로 변환하고 기록하여 로봇의 뇌를 구축하는 작업이 반드시 선행되어야 한다. 전진우 수석연구원은 “다가올 피지컬 AI 시대의 진정한 승부처는 단단한 기계 장비가 아니라, 로봇을 똑똑하게 움직이게 할 양질의 현장 데이터를 어떻게 수집하고 자산화할 것인지 치열하게 고민하는 데 달려 있다”고 조언했다.   ▲ 현대자동차·기아 이현우 팀장   현대자동차·기아의 이현우 팀장은 ‘피지컬 AI와 디지털 트윈을 통한 자율제조혁신’을 주제로 AI 기반 자율 제조를 향한 혁신의 여정을 소개했다. 그는 자율 제조 공장이라는 자동차 제조 산업의 새로운 변화와 함께, 피지컬 AI 및 디지털 트윈을 융합한 자율 제조 혁신이라는 비전을 소개했다.   ▲ HD한국조선해양 이태진 전무   HD한국조선해양의 이태진 전무는 ‘조선 미래를 위한 차세대 설계/생산 통합 플랫폼과 피지컬 AI’를 주제로 발표를 진행했다. 인력난과 복잡해진 선박 건조 환경을 극복할 해법으로 미래형 조선소의 청사진을 제시한 이태진 전무는 “디지털 매뉴팩처링, 디지털 트윈, 피지컬 AI의 세 가지 키워드가 삼위일체되는 것이 지능형 자율운영 조선소의 핵심”이라고 강조했다. 가상 공간의 시뮬레이션 결과가 실제 현장에서 피지컬 AI의 행동으로 이어지고, 디지털 트윈이 두 세계를 빈틈없이 연결해야 진정한 자율 제조가 완성된다는 것이다. 이를 위한 우선 과제로는 파편화된 데이터의 통합이 꼽힌다. 이질적인 시스템의 언어를 온톨로지(ontology) 기술로 하나로 묶어내 단일한 진실의 원천(single source of truth)을 만들어야만 AI가 상황을 정확히 인지하고 올바른 의사결정을 내릴 수 있다는 것이 이태진 전무의 설명이다. 그는 “거대한 야드 위 수많은 로봇과 설비가 충돌 없이 조화롭게 일하는 완벽한 오케스트레이션(orchestration)을 구현하는 것이 대한민국 조선업의 압도적 경쟁력을 지켜낼 열쇠가 될 것”이라고 전했다.   ▲ 한국산업기술기획평가원 김성호 본부장   한국산업기술기획평가원(KEIT)의 김성호 본부장은 ‘제조 AX(M.AX) 얼라이언스 구성·성과 및 운영방향’에 대해 소개하면서, 대한민국 제조업의 강점을 결집하고 지능화된 산업 생태계를 구축하겠다는 비전을 제시했다. 1300개가 넘는 기관이 참여하는 M.AX 얼라이언스(맥스 얼라이언스)는 자동차, 로봇, 조선, 반도체 등 핵심 분야별로 특화된 AI 모델과 하드웨어 기술력을 확보하는 데 주력하고 있다. 김성호 본부장은 데이터 수집부터 기술 개발, 제품 실증에 이르는 전 주기의 로드맵을 설명했다. 특히 2026년에는 약 1조 1000억 원 규모의 예산이 투입되어 ‘AI 팩토리 선도 프로젝트’와 단기 상용화 사업인 ‘AI 스프린트’ 등이 가속화될 전망이다. 또한 민간 투자를 유도하기 위한 국민성장펀드 협력 체계와 GPU 등 필수 인프라 지원책을 병행하여 기업들이 글로벌 시장에서 경쟁력을 갖출 수 있는 토양을 마련한다. 김성호 본부장은 “궁극적으로 맥스 얼라이언스는 개별 기업의 성공을 넘어 제조 AX 세계 최강국으로 도약하기 위한 핵심 거점 역할을 수행할 것”이라고 밝혔다.   ▲ KAIST 장영재 교수   KAIST의 장영재 교수는 ‘제조 피지컬 AI & 제조 자동화’를 주제로 한 발표에서, 다수의 이기종 로봇이 조화롭게 협업하는 무인 공장 통합 운영 시스템인 ‘카이로스’를 소개하면서 제조 피지컬 AI의 실질적인 적용 방안을 제시했다. 과거에는 개별 장비나 로봇 자체의 지능 고도화에만 집중했지만, 실제 생산 현장에서는 수많은 기계가 서로 얽히며 예상치 못한 충돌과 병목 현상이 발생할 수밖에 없다. 장영재 교수는 “이를 근본적으로 해결하기 위해 탄생한 카이로스는 공장 전체의 맥락을 조망하며, 인공지능이 스스로 상황을 판단하고 작업을 지시하는 거대한 ‘공장 운영체제’ 역할을 수행한다”고 설명했다. 또한, 장영재 교수는 “첨단 기술의 도입이 단순한 보여주기식에 그쳐서는 안 된다”면서, “결국 진정한 제조 혁신은 파편화된 AI 기술의 나열이 아니라 공장 전체의 운영 흐름을 통합적으로 통제하는 데서 시작한다”고 전했다. 또한, 스마트폰 앱을 내려받듯이 소프트웨어 업데이트만으로 기계의 성능이 끊임없이 진화하는 소프트웨어 중심의 아키텍처로 탈바꿈하는 근본적인 체질 개선을 거쳐야 제조 혁신이 완성될 수 있다고 덧붙였다.   ■ 같이 보기 : [포커스] 글로벌 공급망 위기 돌파구, 소부장 및 뿌리산업의 AX 전략     ■ 기사 내용은 PDF로도 제공됩니다.

마이크로소프트는 애저 로컬(Azure Local)의 확장성을 강화해 단일 소버린 환경 안에서 서버를 최대 수천 대까지 배포할 수 있는 대규모 클라우드 인프라 환경을 공개했다. 전 세계적으로 디지털 주권과 보안 규제가 강화되면서 데이터 통제권을 유지하면서도 규모를 확장할 수 있는 클라우드 인프라 전략이 중요해지는 추세이다. 이에 따라 주권 환경에서 운영 통제권을 유지하며 대규모 업무를 수용할 수 있는 확장형 인프라의 필요성이 커지고 있다. 마이크로소프트 소버린 프라이빗 클라우드의 기반이 되는 애저 로컬은 조직이 소유한 하드웨어에서 클라우드와 일관성 있는 인프라 환경을 구현한다. 특히 인터넷 연결이 분리된 환경에서도 유연하게 배포할 수 있으며, 보안과 컴플라이언스 설정을 로컬에서 직접 관리하는 운영 제어권을 제공한다. 마이크로소프트는 이를 통해 조직이 데이터 통제권을 유지하는 동시에 산업 현장의 대규모 업무를 로컬 환경에서 실행할 수 있다고 설명했다. 국가 기간 시설이나 규제 산업에서 사용하는 소버린 프라이빗 클라우드(sovereign private cloud)는 대규모 업무를 수용할 수 있는 확장성이 필수이다. 애저 로컬은 별도의 구조 재설계 없이도 단일 소버린 경계 안에서 서버 규모를 수백 대에서 수천 대까지 유연하게 확장하도록 지원한다. 인프라 확장에 따른 운영 연속성을 위해 복원력도 높였다. 애저 로컬은 확장된 장애 도메인과 인프라 풀을 통해 하드웨어 장애가 서비스 중단으로 이어지는 것을 방지한다. 이를 통해 클라우드 연결 환경과 관계없이 핵심 서비스의 안정적인 운영을 돕는다. 데이터가 많이 발생하는 AI(인공지능) 추론과 분석 업무도 자체 인프라에서 수행한다. 고성능 GPU 인프라를 바탕으로 민감한 AI 모델과 데이터를 조직의 직접 통제 아래 보호한다. 접근 관리와 감사 및 컴플라이언스 제어 역시 소버린 경계 안에서 유지된다. 배포 규모가 커지면서 워크로드 배치 옵션도 다양해졌다. 애저 로컬은 대규모 소버린 프라이빗 클라우드 구축부터 분산형 AI 업무까지 지원 범위를 넓혔다. 이를 통해 데이터 집약적이거나 응답 속도가 중요한 애플리케이션을 소버린 경계 내에서 실행할 수 있다. 글로벌 기업과 공공기관의 도입도 이어지고 있다. 미국 통신사 AT&T는 핵심 인프라의 완전한 운영 제어권을 얻기 위해 애저 로컬을 도입했다. 네덜란드 토지 등기소는 국가의 민감한 공공 데이터에 대한 주권 통제 목적으로 이를 활용한다. 이탈리아의 파이버콥 또한 전국 단위의 소버린 클라우드와 AI 서비스를 제공하기 위해 에지 로케이션 전반에 애저 로컬을 구축하고 있다.     애저 로컬은 현재 데이터온, 델 테크놀로지스, 에버퓨어, 히타치 반타라, HPE, 레노버, 넷앱 등 주요 글로벌 파트너사의 컴퓨팅과 엔터프라이즈 스토리지 플랫폼을 통해 이용할 수 있다. 조직은 이를 통해 기존 스토리지 영역 네트워크 투자를 보호하고 소버린 환경에서 컴퓨팅과 스토리지 자원을 독립적으로 확장할 수 있다. 플랫폼 컴퓨팅 기반은 인텔 제온 6 프로세서가 제공한다. 제온 6는 최신 기업 워크로드의 집적도와 성능 요구사항을 충족하도록 설계됐다. 특히 인텔 AMX 기반의 AI 가속 기능은 별도의 특화 인프라 없이 소버린 환경에서 AI 업무를 실행하도록 지원한다. 한편 애저 로컬은 엄격한 데이터 레지던시와 인터넷 연결이 분리된 환경, 규제 대상 업무, 현장에서의 AI 실행 등 다양한 요구사항을 충족하도록 설계됐다. 에지 환경의 단일 노드부터 대규모 데이터센터까지 유연하게 확장할 수 있으며 애저를 통해 일관된 수명 주기 관리를 제공한다. 마이크로소프트의 더글라스 필립스 스페셜라이즈드 클라우드 사장 겸 최고기술책임자는 “애저 로컬과 검증된 컴퓨팅 및 스토리지 플랫폼, 가속 컴퓨팅 플랫폼, 칩셋의 결합은 소버린 인프라 배포를 지원하는 데이터센터 규모의 스택을 제공한다”면서, “이를 통해 데이터와 모델, 실행 과정이 조직의 통제 환경 안에 안전하게 유지될 수 있다”고 밝혔다.

제조 산업의 디지털 전환은 이제 단순한 자동화나 시스템 도입의 단계를 넘어섰다. 최근 산업 현장에서 화두가 되는 것은 AX(AI Transformation), 즉 인공지능이 실제 공정과 의사결정에 얼마나 깊이 관여하며 성과로 연결되는가에 대한 문제다. 이러한 변화의 중심에서 엘리스그룹 (https://elice.io) 은 교육 기업의 정체성을 넘어, AI 인프라·클라우드·산업별 솔루션을 아우르는 ‘AI 풀 스택 기업’으로 진화하며 제조 AX의 새로운 기준을 제시하고 있다. ▲ 엘리스그룹 김재원 대표 AI 교육 기업에서 AI 풀스택 기업으로 엘리스그룹은 가상화 실습 환경 기반의 AI 교육 실습 플랫폼 ‘엘리스LXP’를 통해 국내 AI 교육의 표준을 정립해 온 기업이다. 대학과 공공기관, 기업 교육 현장에서 축적한 실습 중심 교육 경험은 엘리스의 출발점이었다. 그러나 엘리스는 교육을 출발점으로 삼아, AI를 실제 현장에서 작동시키는 기술로 영역을 확장해 왔다. 기업의 DX를 넘어 AX 전환을 설계하는 핵심 파트너로 자리매김한 것이다. 김재원 대표는 이러한 변화에 대해 “AI는 교육만으로 완성되지도, 인프라만으로 작동하지도 않는다. 엘리스는 교육과 인프라, 그리고 산업 현장을 하나의 흐름으로 연결하는 구조를 만들고자 했다”고 설명한다. 엘리스그룹의 핵심 경쟁력은 교육과 인프라를 동시에 보유한 독특한 사업 구조에 있다. 엘리스는 현재 고성능 GPU 기반의 모듈형 데이터센터 ‘엘리스 AI PMDC(Portable Modular Data Center)’와 AI 특화 클라우드 솔루션 '엘리스클라우드'를 운영하며, 기업 맞춤형 AI 솔루션 개발과 인재 양성 교육을 병행 제공하고 있다. 특히 엘리스 AI PMDC는 데이터 주권과 보안이 중요한 제조 현장을 겨냥한 이동식 모듈형 데이터센터로, 짧은 시간 안에 프라이빗 클라우드 환경을 구축할 수 있는 것이 특징이다. 공장 내부 설치가 가능해 민감한 공정 데이터를 외부로 반출하지 않고도 AI를 운용할 수 있으며, 가상화된 환경에서 효율적인 인프라 운영이 가능하도록 설계됐다. 김 대표는 “제조 현장에서 AI를 도입하지 못하는 가장 큰 이유는 기술 부족이 아니라 데이터 주권과 보안에 대한 우려”라며, “PMDC는 이러한 현실적인 장벽을 해결하기 위한 엘리스의 해답”이라고 강조한다. 제조 AX의 A to Z를 제시하다 엘리스그룹은 ‘교육부터 인프라까지 아우르는 제조 AX의 A to Z’를 핵심 전략으로 내세운다. 단일 기술이나 제품이 아닌, 제조 AX 전 과정을 하나의 로드맵으로 제시하는 것이 엘리스의 전략이다. 엘리스는 임원을 위한 AX 전략 교육부터 실무 임직원을 위한 AI 활용 교육까지, 직급·산업별 맞춤형 AX 교육 커리큘럼을 운영한다. 데이터 및 인프라 진단을 시작으로, 임원 및 실무자 AX 교육, 맞춤형 PoC 진행, 엘리스클라우드 기반 AX 솔루션 개발, 전사 확산으로 이어지는 종합 AX 로드맵을 제안한다. 김 대표는 “인프라를 구축했지만 이를 운영할 인력이 없거나, 교육은 받았지만 실습할 환경이 없는 기업이 여전히 많다”며, “당사는 이 단절을 없애는 데 집중하고 있다”고 부연했다.  에이전틱 AI로 제조 현장의 판단을 자동화하다 최근 엘리스그룹이 주력하는 분야는 에이전틱 AI(Agentic AI) 기반 제조 AX다. 이는 단순히 데이터를 분석하는 수준을 넘어, AI가 스스로 문제를 인식하고 판단하며 공정을 최적화하는 자율적 시스템을 의미한다. 엘리스는 자체 개발한 VLM 기반 AI 문서 분석 솔루션을 비롯해, 제조 현장의 방대한 매뉴얼과 공정 기록을 학습하는 산업 맞춤형 AI 솔루션을 선보이고 있다. 이러한 솔루션은 숙련 인력의 경험에 의존하던 현장 업무를 AI가 신속하고 정확하게 지원하도록 돕는다. 김 대표는 “제조 현장의 경쟁력은 결국 얼마나 빠르고 정확하게 판단하느냐에 달려 있다”며, “에이전틱 AI는 사람의 의사결정을 보조하는 수준을 넘어, 공정 자체를 지능화하는 핵심 기술”이라고 강조한다. 데이터 주권과 보안, 그리고 검증된 AX 역량 제조 AX 시장은 현재 ‘도입’보다 ‘안착’이 더 큰 과제로 떠오르고 있다. 많은 기업이 생성형 AI와 에이전틱 AI 도입을 검토하고 있지만, 핵심 제조 데이터의 외부 유출 우려와 내부 인력 부족이라는 현실적인 문제에 직면해 있다. 엘리스그룹은 이러한 문제를 AI 풀 스택 역량으로 해결한다. 고객의 요구에 따라 온프레미스, 프라이빗 클라우드를 유연하게 구성하며, PMDC 기반 구조를 통해 물리적으로 격리된 폐쇄형 환경에서의 AI 운영을 가능케 한다. 특히 현대차 남양연구소와 제조 AI 솔루션을 공동 개발한 경험은 엘리스의 보안 신뢰도와 공정 이해도를 동시에 입증하는 사례로 평가받는다. 대규모 제조 기업의 복잡한 보안 요구사항을 아키텍처 설계 단계부터 반영할 수 있는 역량은 엘리스의 중요한 경쟁력이다. 김 대표는 “AX는 단기간에 끝나는 프로젝트가 아니다. 인프라, 보안, 인재가 함께 준비되지 않으면 결국 현장에서 멈추게 된다”고 강조하며, 엘리스가 인프라와 교육을 수직 계열화해 AX 상용화의 허들을 낮추고 있다고 설명했다. ▲ 엘리스 AI PMDC 모형 현장에서 완성되는 AX, 그리고 글로벌 확장 엘리스그룹의 궁극적인 목표는 기술이 현장에서 완성되는 선순환 구조를 만드는 것이다. 이를 위해 업종별 제조 AX 레퍼런스 아키텍처와 맞춤형 AX 교육 커리큘럼을 고도화할 계획이다. 자동차, 부품, 식음료 등 산업별로 요구되는 AI 역량을 정교하게 정의하고, PMDC와 에이전틱 AI를 결합해 공장 단위의 AI 생태계를 완성한다는 구상이다. 또한 국내에서 검증된 PMDC와 AX 솔루션을 기반으로 글로벌 제조 거점으로의 진출도 추진한다. 데이터 주권 걱정 없이 AI를 활용할 수 있는 인프라와 교육 패키지를 글로벌 시장에 확산시켜, 글로벌 AI 클라우드 시장에서의 영향력을 확대해 나갈 방침이다. 김 대표는 “제조 AX는 국가와 산업을 가리지 않는 공통 과제”라며, “국내에서 검증된 엘리스의 모델을 글로벌 제조 현장으로 확장해 나가겠다”고 밝혔다.  ‘현장에서 즉시 작동하는 AI’를 만나다 엘리스그룹이 시장에서 지향하는 바는 분명하다. 막연한 AI 기술이 아닌, 제조 현장에서 즉시 작동하는 AI의 실체를 보여주는 것이다. 엘리스는 이를 통해 데이터 주권과 보안, 인력 문제로 AX 도입을 망설이던 기업들에게 현실적인 해법을 제시하고자 한다. 현장의 실무자부터 경영진까지 엘리스의 AI 풀스택 솔루션을 통해 자사 AX의 청사진을 구체화할 수 있을 것으로 기대된다. 교육과 인프라, 그리고 산업 현장을 하나로 연결하는 엘리스그룹의 AX 전략이 제조 산업의 새로운 기준으로 자리 잡을지 주목된다.  

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.

구글이 지능적인 오픈 AI 모델인 ‘젬마 4(Gemma 4)’를 선보인다. 젬마 4는 고급 추론과 에이전트 기반 워크플로를 위해 특수 설계되었으며, 파라미터당 높은 수준의 지능을 제공하는 것이 특징이다. 구글은 첫 번째 버전을 출시한 이후 개발자들이 젬마를 4억 회 이상 다운로드했으며, 10만 개 이상의 변형 모델로 구성된 젬마버스 생태계를 구축해 왔다고 밝혔다. 젬마 4는 이러한 개발자들의 요구를 반영해 AI의 가능성을 확장하는 방향으로 개발되었다. 구글은 개발자 생태계를 지원하기 위해 젬마 4를 상업적 활용이 가능한 아파치 2.0 라이선스로 제공한다고 밝혔다.  이 모델은 제미나이 3와 동일한 연구 및 기술을 기반으로 한다. 이용자의 하드웨어에서 직접 실행할 수 있는 강력한 성능을 갖췄으며, 개방형 모델과 폐쇄형 툴을 아우르는 조합을 제공한다. 구글은 젬마 4를 네 가지 크기로 제공한다. 효율성을 강조한 E2B(Effective 2B)와 E4B(Effective 4B), 그리고 대형 모델인 26B MoE와 31B Dense로 구성된다. 구글에 따르면 31B 모델은 업계 표준인 아레나 AI 텍스트 리더보드에서 오픈 모델 기준 3위를 기록했으며, 26B 모델은 6위에 올랐다. 젬마 4는 20배 큰 모델보다 우수한 성능을 보이기도 한다. 이러한 성능 향상을 통해 개발자는 적은 하드웨어 자원으로도 높은 수준의 AI 기능을 구현할 수 있다. 특히 에지 컴퓨팅 환경에서는 E2B와 E4B 모델이 온디바이스 활용성을 확장하며 멀티모달 기능과 낮은 지연 시간을 지원한다.   ▲ 4월 1일 기준 Arena.ai 챗 아레나에서 오픈 모델 성능 대비 크기 비교(출처 : 구글)   젬마 4는 안드로이드 기기부터 노트북 GPU, 개발자 워크스테이션까지 다양한 하드웨어에서 효율적으로 실행되고 미세 조정될 수 있도록 설계되었다. 주요 특징으로는 다단계 계획 수립이 가능한 고급 추론 기능과 함수 호출 및 구조화된 JSON 출력을 지원하는 에이전트 기반 워크플로가 꼽힌다. 또한 고성능 오프라인 코드 생성 역량을 갖춰 개인 워크스테이션을 AI 코드 어시스턴트로 활용할 수 있다. 모든 모델은 비디오와 이미지를 기본 처리하며 140개 이상의 언어를 지원한다. 컨텍스트 윈도는 모델 크기에 따라 128K에서 최대 256K까지 제공한다. 하드웨어 환경에 따른 최적화도 이루어졌다. 26B 및 31B 모델은 개인용 컴퓨터에서 오프라인 기반의 높은 지능을 구현한다. 단일 80GB 엔비디아 H100 GPU나 일반 소비자용 GPU에서도 구동이 가능하다. 모바일과 IoT 기기를 위한 E2B 및 E4B 모델은 메모리 사용량과 배터리 소모를 최소화하도록 설계되었다. 픽셀 팀과 퀄컴, 미디어텍 등 하드웨어 파트너와의 협업을 통해 스마트폰과 라즈베리 파이 등에서도 지연 시간 없이 오프라인으로 실행된다. 신뢰성과 안전성 측면에서도 구글의 독점 모델과 동일한 보안 프로토콜이 적용된다. 개발자는 구글 AI 스튜디오나 구글 AI 에지 갤러리에서 젬마 4를 직접 탐색할 수 있으며, 허깅 페이스, 캐글, 올라마 등을 통해 모델 가중치를 다운로드할 수 있다. 구글 클라우드의 버텍스 AI와 클라우드 런 등을 통한 서비스 확장도 가능하며, 엔비디아와 AMD GPU 등 다양한 하드웨어 플랫폼에서 최적화된 성능을 제공한다.

캐드앤그래픽스 CNG TV는 ‘AI 에이전트 대전환, 전문성 설계부터 코딩 혁명까지’를 주제로 인공지능팩토리 김태영 대표와 소이랩(SOY.LAB) 최돈현 대표를 초청, 방송을 진행했다. 이번 방송에서는 CNG TV 전문위원인 한국건설기술연구원 강태욱 연구위원의 사회로 최근 뜨거운 이슈가 되고 있는 AI 에이전트 트렌드에 대해 살펴보았다. 자세한 내용은 다시보기 페이지에서 확인할 수 있다.   CNG TV 발표자 - 김태영 대표(인공지능팩토리), 최돈현 대표(SOY.LAB)   AI 에이전트 대전환 시대, 전문가의 설계와 코딩 혁명이 가져올 미래 단순한 도구 활용을 넘어 AI 에이전트(AIA)가 업무의 주축이 되는 대격변의 시대가 도래했다. 기술의 단순 재현(Representation)을 넘어 전문가가 직접 시스템을 설계(Design)하고 지휘(Orchestration)하는 생존 전략이 필요한 시점이다. 인공지능팩토리 김태영 대표와 SOY.LAB 최돈현 대표는 이번 방송을 통해 AI 에이전트의 최신 흐름과 실무 적용 방안을 심도 있게 다루었다. AI 에이전트의 진화: 툴 콜링에서 자율적 임무 수행까지 AI 기술은 LLM(대규모 언어 모델)에서 시작하여 RAG(검색 증강 생성), 멀티턴 대화, 그리고 도구를 직접 호출하는 '툴 콜링(Tool Calling)' 단계로 빠르게 진화했다. 과거에는 개발자만이 API를 통해 도구를 연결할 수 있었으나, MCP(Model Context Protocol)의 등장으로 일반 엔지니어도 다양한 외부 기능을 에이전트에 연결할 수 있는 길이 열렸다. 특히 최근 주목받는 '오픈클로(OpenClaw)' 시스템은 하트비트(Heartbeat) 기능을 통해 에이전트를 주기적으로 깨워 스스로 업무를 수행하게 한다. 이는 사용자가 일일이 명령을 내리는 리액티브(Reactive) 방식을 넘어, AI가 스스로 판단하고 실행하는 프로액티브(Proactive) 방식으로의 전환을 의미한다. 김태영 대표는 실제 실험을 통해 에이전트의 자율적 업무 가능성을 확인했다고 밝혔다. 바이브 코딩과 코딩 에이전트가 만드는 생산성 혁명 '바이브 코딩(Vibe Coding)'의 등장은 개발 생태계에 큰 충격을 주었다. 커서(Cursor)나 클로드 코드(Claude Code)와 같은 에이전트는 파일 시스템에 접근하여 스스로 코드를 수정하고 실행하며, 사용자의 의도(Vibe)만으로 결과물을 만들어낸다. 이러한 에이전트는 단순히 코드 작성에 그치지 않고 문서 작성, PPT 제작, 웹페이지 구축 등 다양한 스킬(Skill)을 장착하여 범용적인 업무 비서로 진화하고 있다. 하지만 에이전트가 공유기 설정을 변경하거나 시스템 보안을 위협할 수 있는 수준까지 발전함에 따라, 격리된 환경(샌드박스)에서의 운영과 시스템적 보안 설계가 필수가 되었다. 시댄스 2.0과 비주얼 생성 AI의 격변 영상 및 이미지 생성 분야에서도 거대한 변화가 일어나고 있다. 바이트댄스(Bytedance)의 '시덴스(Seedance) 2.0'은 실사에 가까운 고품질 영상 생성 능력을 보여주며 기존의 글로벌 모델들을 위협하고 있다. 이미지 한 장으로 비행기 탈출 장면과 같은 역동적인 영상을 생성하거나, 짧은 명령만으로 고수준의 광고 영상을 제작하는 것이 가능해졌다. 또한 '컴피 클라우드(Comfy Cloud)'의 등장은 고가의 그래픽 카드 없이도 저렴한 비용으로 전문가급 워크플로우를 구축할 수 있게 했다. 이는 개인이 GPU 자원을 클라우드에서 활용하며 복잡한 노드 기반의 생성 프로세스를 운영할 수 있게 됨으로써, 1인 창작자의 기술적 진입 장벽을 혁신적으로 낮추었다. 전문가의 역할 변화와 미래 지향적 관점 AI가 숙련가의 영역을 대체함에 따라, 인간 전문가의 역할은 '어떻게 만드느냐'보다 '무엇을 설계하느냐'로 이동하고 있다. 최돈현 대표는 인문학적 소양과 예술적 통찰력을 바탕으로 한 전문성이 결여된 AI 결과물은 시장에서 오래 살아남기 어렵다고 강조했다. 앞으로의 산업 구조에서는 큰 기업에 소속된 인재보다, AI 에이전트를 지휘하여 가치를 창출하는 '1인 기업가'의 비중이 높아질 것으로 예측된다. 따라서 기술에 매몰되기보다 본연의 도메인 지식을 강화하고, AI를 효율적으로 지휘하는 설계 능력을 갖추는 것이 생존의 핵심이다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   최근 인공지능 분야의 주요 화두는 단연 ‘공간 지능(spatial intelligence)’의 구현이다. 단순 2D 이미지나 단일 3D 객체(object) 생성에 머물렀던 기존의 기술적 한계를 넘어, 물리적 환경의 기하학적 구조와 상호작용을 포괄적으로 이해하는 거대 월드 모델(LWM : Large World Models)이 새로운 대안으로 부상하고 있다. 특히, 페이페이 리(Fei-Fei Li) 교수가 이끄는 월드랩스(World Labs)의 ‘마블(Marble)’ 출시는 이러한 패러다임 전환을 알리는 핵심 마일스톤이다. 이번 호에서는 최근 오토데스크와 월드랩스의 대규모 전략적 파트너십을 중심으로, 마블의 기술적 아키텍처와 통합 파이프라인, 그리고 이에 대응하는 오픈소스 3D 생성 모델의 발전 동향을 기술적 관점에서 분석하고자 한다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/ GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   그림 1. 월드랩스가 개발한 오토데스크의 마블 서비스   그림 2. 월드랩스가 개발한 오토데스크의 마블 서비스   오토데스크 마블의 기술적 배경 마블은 오토데스크가 직접 개발한 제품이 아니다. 이 모델은 ‘AI의 대모’라 불리는 페이페이 리 교수가 설립한 AI 스타트업 월드랩스가 개발한 핵심 생성형 3D 월드 모델이다. 오토데스크는 2026년 2월 월드랩스에 대규모 전략적 투자를 단행하며, 자사 소프트웨어와의 통합 파트너십을 발표했다.   그림 3. 페이페이 리 교수의 월드랩 연구실 멤버들(출처 : techfundingnews)   마블의 구체적인 첫 코드 작성일이 공식적으로 공개되지는 않았으나, 회사의 설립과 주요 제품 마일스톤을 통해 개발 타임라인을 추론할 수 있다. 초기 R&D 및 시작(2024년 1월) : 페이페이 리 교수를 비롯한 최고 수준의 AI 연구진이 3D 환경 생성과 실시간 시뮬레이션을 목표로 2024년 1월에 월드랩스를 공동 창립했다. 마블의 근간이 되는 ‘공간 지능’ 연구와 코어 모델 개발은 이때 본격적으로 시작되었을 것으로 분석된다.을 거쳐, 마블의 첫 번째 제한적 베타 버전이 공개되었다. 프로토타입 및 베타(2025년 9월) : 약 1년 8개월의 딥테크 연구 기간 정식 출시(2025년 11월 12일) : 텍스트, 이미지, 비디오 등을 입력받아 상호작용 가능한 3D 환경을 즉석에서 구축하는 마블 프론티어 모델이 일반 대중에게 정식 론칭되었다.   마블의 핵심 기술 스택 마블은 단순히 2D 이미지를 이어 붙이는 비디오 생성 AI가 아니라, 물리적 공간의 3차원 구조를 완벽히 이해하는 거대 월드 모델(LWM) 아키텍처를 채택하고 있다. 3D 표현 포맷(3D Gaussian Splatting) : 시점이 변하면 형태가 무너지는 기존 생성 모델의 한계를 극복하고, 변형 없이 영구적으로 보존되는 3D 환경을 생성한다. 결과물은 3D 가우시안 스플랫이나 메시(mesh) 형태로 다운로드하여 언리얼, 유니티 등 다른 게임 엔진으로 내보낼 수 있다. 실시간 프레임 모델(RTFM : Real-Time Frame Model) : 2025년 10월에 도입된 핵심 렌더링 기술이다. 단일 GPU 환경에서도 실시간으로 월드를 생성하고 상호작용할 수 있도록, 기존 프레임들을 일종의    ‘공간 메모리’로 활용해 높은 디테일을 유지한다. 웹 렌더링 엔진(SparkJS.dev) : 별도의 무거운 클라이언트 없이 웹 브라우저 환경에서 매끄러운 3D 렌더링을 구현하기 위해 Three.js를 기반으로 한 독자 렌더러 ‘SparkJS.dev’를 사용한다. 이는 가우시안 스플랫과 전통적인 WebGL 애셋(glTF 모델 등)을 자연스럽게 혼합한다. 공간 편집 도구(Chisel) : 사용자가 직접 상자나 평면 같은 단순한 원시 도형(primitive)으로 3D 뼈대를 잡으면, AI가 맥락을 파악해 시각적 디테일과 텍스처를 입히는 하이브리드 3D 편집을 지원한다.   오토데스크 생태계와의 결합 전략 기존 스테이블 디퓨전 기반 3D 생성이 단일 객체를 깎아내는 데 집중했다면, 마블은 단일 이미지나 텍스트에서 거대한 3D 가상 세계 전체를 생성한다. 이를 오토데스크의 생태계와 결합하는 것이 이번 협업의 핵심이다. 백본 모델(backbone models) : 단순 2D 픽셀 패턴 모방을 넘어 3D 공간의 기하학(geometry), 재질, 빛의 반사, 물리 법칙을 추론하는 거대 세계 모델(LWM)을 백본으로 사용한다. 월드랩스의 핵심 개발진(NeRF 창시자 등)의 배경을 고려할 때, NeRF 및 차세대 뉴럴 렌더링 기술이 결합되어 시점 변화에 완벽히 대응하는 일관된 3D 신(scene)을 연산한다. 학습 데이터 종류(training data) : 일반적인 2D 이미지 쌍을 넘어 3D 레이아웃, 공간 깊이(depth) 데이터, 카메라 트래킹(pose)이 포함된 다중 시점 영상, 그리고 오토데스크가 강점을 가진 기하학적/물리적 CAD 시뮬레이션 데이터 등 복합적인 고차원 데이터로 학습된다. 오토데스크와의 통합 파이프라인(integration workflow) 편집 가능한 3D 신 : 비디오 영상(예 : 오픈AI 소라)이 아닌, 구조화되고 상호작용 가능한 3D 환경 자체를 출력한다. 라스트 마일 편집(last-mile editing) 생태계 : 마블이 프롬프트로 전체 공간의 초안을 생성하면, 이를 오토데스크의 마야, 3ds 맥스, 레빗 같은 전통적인 소프트웨어로 넘긴다. 이후 아티스트나 엔지니어가 직접 폴리곤 토폴로지, 리깅, 정밀한 재질 수정을 거쳐 최종 결과물을 완성한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   최근 인공지능 분야의 주요 화두는 단연 ‘공간 지능(spatial intelligence)’의 구현이다. 단순 2D 이미지나 단일 3D 객체(object) 생성에 머물렀던 기존의 기술적 한계를 넘어, 물리적 환경의 기하학적 구조와 상호작용을 포괄적으로 이해하는 거대 월드 모델(LWM : Large World Models)이 새로운 대안으로 부상하고 있다. 특히, 페이페이 리(Fei-Fei Li) 교수가 이끄는 월드랩스(World Labs)의 ‘마블(Marble)’ 출시는 이러한 패러다임 전환을 알리는 핵심 마일스톤이다. 이번 호에서는 최근 오토데스크와 월드랩스의 대규모 전략적 파트너십을 중심으로, 마블의 기술적 아키텍처와 통합 파이프라인, 그리고 이에 대응하는 오픈소스 3D 생성 모델의 발전 동향을 기술적 관점에서 분석하고자 한다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/ GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   그림 1. 월드랩스가 개발한 오토데스크의 마블 서비스   그림 2. 월드랩스가 개발한 오토데스크의 마블 서비스   오토데스크 마블의 기술적 배경 마블은 오토데스크가 직접 개발한 제품이 아니다. 이 모델은 ‘AI의 대모’라 불리는 페이페이 리 교수가 설립한 AI 스타트업 월드랩스가 개발한 핵심 생성형 3D 월드 모델이다. 오토데스크는 2026년 2월 월드랩스에 대규모 전략적 투자를 단행하며, 자사 소프트웨어와의 통합 파트너십을 발표했다.   그림 3. 페이페이 리 교수의 월드랩 연구실 멤버들(출처 : techfundingnews)   마블의 구체적인 첫 코드 작성일이 공식적으로 공개되지는 않았으나, 회사의 설립과 주요 제품 마일스톤을 통해 개발 타임라인을 추론할 수 있다. 초기 R&D 및 시작(2024년 1월) : 페이페이 리 교수를 비롯한 최고 수준의 AI 연구진이 3D 환경 생성과 실시간 시뮬레이션을 목표로 2024년 1월에 월드랩스를 공동 창립했다. 마블의 근간이 되는 ‘공간 지능’ 연구와 코어 모델 개발은 이때 본격적으로 시작되었을 것으로 분석된다.을 거쳐, 마블의 첫 번째 제한적 베타 버전이 공개되었다. 프로토타입 및 베타(2025년 9월) : 약 1년 8개월의 딥테크 연구 기간 정식 출시(2025년 11월 12일) : 텍스트, 이미지, 비디오 등을 입력받아 상호작용 가능한 3D 환경을 즉석에서 구축하는 마블 프론티어 모델이 일반 대중에게 정식 론칭되었다.   마블의 핵심 기술 스택 마블은 단순히 2D 이미지를 이어 붙이는 비디오 생성 AI가 아니라, 물리적 공간의 3차원 구조를 완벽히 이해하는 거대 월드 모델(LWM) 아키텍처를 채택하고 있다. 3D 표현 포맷(3D Gaussian Splatting) : 시점이 변하면 형태가 무너지는 기존 생성 모델의 한계를 극복하고, 변형 없이 영구적으로 보존되는 3D 환경을 생성한다. 결과물은 3D 가우시안 스플랫이나 메시(mesh) 형태로 다운로드하여 언리얼, 유니티 등 다른 게임 엔진으로 내보낼 수 있다. 실시간 프레임 모델(RTFM : Real-Time Frame Model) : 2025년 10월에 도입된 핵심 렌더링 기술이다. 단일 GPU 환경에서도 실시간으로 월드를 생성하고 상호작용할 수 있도록, 기존 프레임들을 일종의    ‘공간 메모리’로 활용해 높은 디테일을 유지한다. 웹 렌더링 엔진(SparkJS.dev) : 별도의 무거운 클라이언트 없이 웹 브라우저 환경에서 매끄러운 3D 렌더링을 구현하기 위해 Three.js를 기반으로 한 독자 렌더러 ‘SparkJS.dev’를 사용한다. 이는 가우시안 스플랫과 전통적인 WebGL 애셋(glTF 모델 등)을 자연스럽게 혼합한다. 공간 편집 도구(Chisel) : 사용자가 직접 상자나 평면 같은 단순한 원시 도형(primitive)으로 3D 뼈대를 잡으면, AI가 맥락을 파악해 시각적 디테일과 텍스처를 입히는 하이브리드 3D 편집을 지원한다.   오토데스크 생태계와의 결합 전략 기존 스테이블 디퓨전 기반 3D 생성이 단일 객체를 깎아내는 데 집중했다면, 마블은 단일 이미지나 텍스트에서 거대한 3D 가상 세계 전체를 생성한다. 이를 오토데스크의 생태계와 결합하는 것이 이번 협업의 핵심이다. 백본 모델(backbone models) : 단순 2D 픽셀 패턴 모방을 넘어 3D 공간의 기하학(geometry), 재질, 빛의 반사, 물리 법칙을 추론하는 거대 세계 모델(LWM)을 백본으로 사용한다. 월드랩스의 핵심 개발진(NeRF 창시자 등)의 배경을 고려할 때, NeRF 및 차세대 뉴럴 렌더링 기술이 결합되어 시점 변화에 완벽히 대응하는 일관된 3D 신(scene)을 연산한다. 학습 데이터 종류(training data) : 일반적인 2D 이미지 쌍을 넘어 3D 레이아웃, 공간 깊이(depth) 데이터, 카메라 트래킹(pose)이 포함된 다중 시점 영상, 그리고 오토데스크가 강점을 가진 기하학적/물리적 CAD 시뮬레이션 데이터 등 복합적인 고차원 데이터로 학습된다. 오토데스크와의 통합 파이프라인(integration workflow) 편집 가능한 3D 신 : 비디오 영상(예 : 오픈AI 소라)이 아닌, 구조화되고 상호작용 가능한 3D 환경 자체를 출력한다. 라스트 마일 편집(last-mile editing) 생태계 : 마블이 프롬프트로 전체 공간의 초안을 생성하면, 이를 오토데스크의 마야, 3ds 맥스, 레빗 같은 전통적인 소프트웨어로 넘긴다. 이후 아티스트나 엔지니어가 직접 폴리곤 토폴로지, 리깅, 정밀한 재질 수정을 거쳐 최종 결과물을 완성한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

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.