엔비디아가 오픈 모델, 데이터, 라이브러리로 구성된 엔비디아 네모트론 3(NVIDIA Nemotron 3) 제품군을 발표했다. 산업 전반에서 투명하고 효율적이며 목적에 맞게 특화된 에이전틱 AI 개발을 지원하기 위한 네모트론 3 모델은 하이브리드 잠재 전문가 혼합 방식(mixture-of-experts : MoE) 아키텍처를 도입했다. 엔비디아는 “개발자가 대규모 환경에서 신뢰할 수 있는 멀티 에이전트 시스템을 구축하고 배포할 수 있도록 돕는다”고 소개했다. 기업들이 단일 모델 기반 챗봇에서 협업형 멀티 에이전트 AI 시스템으로 전환함에 따라, 개발자들은 통신 과부하, 맥락 이탈, 높은 추론 비용 등 점점 더 많은 과제에 직면하고 있다. 또한 복잡한 워크플로를 자동화할 모델을 신뢰하기 위해 투명성에 대한 요구도 커지고 있다. 네모트론 3는 이러한 과제를 해결하며, 고객이 전문화된 에이전틱 AI를 구축하는 데 필요한 성능과 개방성을 제공한다. 네모트론 3 MoE 모델 제품군은 세 가지 규모로 구성된다. ▲네모트론 3 나노(Nano)는 300억 개의 파라미터를 갖춘 소형 모델로, 한 번에 최대 30억 개의 파라미터를 활성화해 목적에 맞는 고효율 작업을 수행한다. ▲네모트론 3 슈퍼(Super)는 약 1000억 개의 파라미터와 토큰당 최대 100억 개의 활성 파라미터를 갖춘 고정확도 추론 모델로, 멀티 에이전트 애플리케이션에 적합하다. ▲네모트론 3 울트라(Ultra)는 약 5000억 개의 파라미터와 토큰당 최대 500억 개의 활성 파라미터를 갖춘 대규모 추론 엔진으로, 복잡한 AI 애플리케이션을 지원한다. 현재 제공 중인 네모트론 3 나노는 컴퓨팅 비용 효율이 가장 뛰어난 모델로, 낮은 추론 비용으로 소프트웨어 디버깅, 콘텐츠 요약, AI 어시스턴트 워크플로, 정보 검색과 같은 작업에 최적화돼 있다. 이 모델은 고유한 하이브리드 MoE 아키텍처를 활용해 효율성과 확장성 측면에서 향상된 성능을 제공한다. 네모트론 3 나노는 네모트론 2 나노 대비 최대 4배 높은 토큰 처리량을 달성하며, 추론 토큰 생성량을 최대 60%까지 줄여 추론 비용을 절감한다. 또한 100만 토큰 컨텍스트 윈도우를 지원해 더 많은 정보를 기억할 수 있으며, 장시간에 걸친 다단계 작업에서도 정보 간 연결성을 높여 정확도를 향상시킨다. 네모트론 3 슈퍼는 낮은 지연 시간으로 다수의 협업 에이전트가 복잡한 작업을 수행해야 하는 애플리케이션에 강점을 보인다. 네모트론 3 울트라는 심층 연구와 전략적 계획 수립이 요구되는 AI 워크플로를 위한 고급 추론 엔진 역할을 수행한다. 네모트론 3 슈퍼와 울트라는 엔비디아 블랙웰(Blackwell) 아키텍처 기반의 초고효율 4비트 NVFP4 훈련 포맷을 사용해 메모리 요구 사항을 줄이고 훈련 속도를 가속화한다. 이러한 효율성 덕분에 기존 인프라에서도 높은 정밀도 포맷 대비 정확도를 유지한 채 더 대규모 모델 훈련이 가능하다. 네모트론 3 모델 제품군을 통해 개발자는 특정 워크로드에 적합한 규모의 오픈 모델을 선택할 수 있다. 또한, 수십 개에서 수백 개의 에이전트로 확장하는 동시에 복잡한 워크플로에서 더 빠르고 정확한 장기 추론 성능의 이점을 누릴 수 있다.     네모트론 3 나노는 현재 허깅 페이스에서 제공되며, 베이스텐(Baseten), 딥인프라(DeepInfra), 파이어웍스(Fireworks), 프렌들리에이아이(FriendliAI), 오픈라우터(OpenRouter), 투게더 AI(Together AI) 등 추론 서비스 제공업체를 통해서도 이용할 수 있다. 네모트론 3 나노는 엔비디아 가속 인프라 전반에서 안전하고 확장 가능한 배포를 위해 엔비디아 NIM 마이크로서비스 형태로도 제공된다. 퍼블릭 클라우드 고객의 경우, 네모트론 3 나노는 아마존웹서비스(AWS)에서 아마존 베드록(Amazon Bedrock, 서버리스 방식)을 통해 제공될 예정이며, 구글 클라우드, 코어위브, 크루소, 마이크로소프트 파운드리, 네비우스, 엔스케일, 요타에서도 곧 지원될 예정이다. 네모트론 3 슈퍼와 네모트론 3 울트라는 2026년 상반기에 제공될 예정이다. 또한, 엔비디아는 전문화된 AI 에이전트를 구축하기 위한 훈련 데이터세트와 최첨단 강화학습 라이브러리 컬렉션을 공개했다. 총 3조 개의 토큰으로 구성된 새로운 네모트론 사전 훈련, 사후 훈련, 강화학습 데이터세트는 고도화된 추론과 코딩, 다단계 워크플로 사례를 풍부하게 제공해 높은 역량을 갖춘 도메인 특화 에이전트 구축을 지원한다. 개발 속도를 높이기 위해 엔비디아는 네모트론 모델의 훈련 환경과 사후 훈련 기반을 제공하는 오픈소스 라이브러리인 네모 짐(NeMo Gym)과 네모 RL을 함께 공개했다. 또한 모델의 안전성과 성능을 검증할 수 있도록 네모 이밸류에이터(Evaluator)도 선보였다. 모든 도구와 데이터세트는 현재 깃허브(GitHub)와 허깅 페이스(Hugging Face)를 통해 제공되고 있다. 네모트론 3는 LM 스튜디오(LM Studio), 라마.cpp(llama.cpp), SGLang, vLLM을 통해 지원된다. 이와 함께 프라임 인텔렉트(Prime Intellect)와 언슬로스(Unsloth)는 네모 짐의 즉시 사용 가능한 훈련 환경을 자사 워크플로에 직접 통합하고 있으며, 이를 통해 강력한 강화학습 훈련 환경에 보다 빠르고 손쉽게 접근할 수 있다. 엔비디아 네모트론은 엔비디아의 소버린 AI 전략을 지원한다. 유럽부터 대한민국에 이르는 다양한 조직들이 자체 데이터, 규제, 가치에 부합하는 AI 시스템을 구축할 수 있도록 개방적이고 투명하며 효율적인 모델 채택을 가능하게 한다. 네모트론 3의 초기 도입 기업으로는 액센츄어, 케이던스, 크라우드스트라이크, 커서, 딜로이트, EY, 오라클 클라우드 인프라스트럭처(OCI), 팔란티어, 퍼플렉시티, 서비스나우, 지멘스, 시놉시스, 줌 등이 있다. 이들은 제조, 사이버보안, 소프트웨어 개발, 미디어, 커뮤니케이션 등 다양한 산업 전반의 AI 워크플로를 구현하기 위해 네모트론 제품군의 모델을 통합하고 있다. 엔비디아의 젠슨 황(Jensen Huang) 창립자 겸 CEO는 “오픈 혁신은 AI 발전의 토대이다. 네모트론을 통해 우리는 첨단 AI를 개방형 플랫폼으로 전환해, 개발자들이 대규모 환경에서 에이전틱 시스템을 구축하는 데 필요한 투명성과 효율을 제공하고 있다”고 말했다. 서비스나우의 빌 맥더멋(Bill McDermott) 회장 겸 CEO는 “엔비디아와 서비스나우는 수년간 AI의 미래를 함께 만들어왔으며, 최고의 순간은 아직 오지 않았다. 오늘 우리는 모든 산업의 리더들이 에이전틱 AI 전략을 빠르게 추진할 수 있도록 지원하는 데 있어 중요한 진전을 이루고 있다. 서비스나우의 지능형 워크플로 자동화와 엔비디아 네모트론 3의 결합은 탁월한 효율, 속도, 정확성을 바탕으로 계속해서 업계 표준을 제시할 것”이라고 말했다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 세계적으로 주목받고 있는 팔란티어(Palantir)의 온톨로지 플랫폼 아키텍처를 소프트웨어 공학 관점에서 분석하고, 오픈소스 기술을 활용한 구현 방법을 정리한다. 팔란티어의 핵심은 기존 시스템을 대체하는 것이 아니라, 통합하고 확장하는 개방성에 있다. 이번 호에서는 국방이나 제조 분야에서 팔란티어가 어떻게 검증된 오픈소스 기술 기반 위에 독자적인 온톨로지(ontology)라는 의미론적 추상화 계층을 구축했는지, 그리고 그 구조를 파헤쳐 본다.   ■ 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   팔란티어 아키텍처 팔란티어 아키텍처의 근간에는 ‘대체가 아닌 통합’이라는 철학이 있다. 이는 기업이 이미 막대한 투자를 한 데이터레이크, ERP, CRM과 같은 기존 IT 환경을 교체하는 대신, 이들을 하나로 묶고 그 가치를 증대시키는 플랫폼 역할을 하는 것이다. 이러한 철학은 아키텍처의 명확한 관심사 분리로 이어진다. 배포, 오케스트레이션, 데이터 처리와 같은 하위 계층은 의도적으로 쿠버네티스(Kubernetes), 스파크(Spark), 플링크(Flink) 등 보편적인 오픈소스 표준 위에 구축된다. 이를 통해 고객의 기존 기술 스택 및 엔지니어링 역량과 마찰 없이 통합된다. 반면, 온톨로지, AI 플랫폼(AIP)과 같은 상위 계층에는 팔란티어의 독자적인 지적 재산이 집중된다. 이 구조는 고객이 새로운 데이터베이스나 컴퓨팅 엔진이 아닌, 기존 자산과 상호 작용하는 새로운 패러다임을 구매하게 만들어 비즈니스 가치를 제안한다. 플랫폼의 안정성과 확장성은 두 가지 핵심 기술, 즉 자율 배포 시스템인 아폴로(Apollo)와 쿠버네티스 기반의 컨테이너 오케스트레이션 기판인 루빅스(Rubix)에 의해 뒷받침된다. 이 기반 위에서 데이터 통합 및 분석 플랫폼인 파운드리(Foundry), 국방 및 정보 분석에 특화된 고담(Gotham), 그리고 AI 모델을 온톨로지와 연결하는 AIP(Artificial Intelligence Platform)가 운영된다.   그림 1. 팔란티어 아키텍처 구조 개념도   그림 2. 국방 분야 서비스인 팔란티어 고담 플랫폼   그림 3. 서비스의 지속적인 자율 통합/배포(CI/CD)를 위한 팔란티어 아폴로   데이터 처리 워크플로 팔란티어의 워크플로는 이기종의 파편화된 데이터 소스를 연결하고, 이를 구조화된 지식으로 변환하여 온톨로지 모델로 변환한다.   데이터 수집 및 파싱 PDF, 문서, 이미지와 같은 비정형 데이터는 먼저 ‘미디어 셋(media sets)’이라는 파일 모음으로 수집된다. 데이터를 파싱하는 과정은 블랙박스가 아니다. 개발자는 파이썬(Python)이나 자바(Java) 변환과 저수준 파일 시스템 API를 사용하여 직접 파이프라인을 구축한다. 이는 결정론적이고, 테스트 가능하며, 버전 관리가 가능한 파이프라인을 통해 신뢰성과 거버넌스를 확보하는 엔지니어링 중심의 접근 방식이다. 더 나아가 AIP는 AI 기반 파싱 기능을 제공한다. 이는 사전 훈련되거나 맞춤화된 AI 모델(예 : NLP 모델)을 파이프라인 내에 통합하여 개체명 인식, 요약과 같은 정교한 작업을 수행하는 방식이다. 이 구조는 엔지니어가 견고한 데이터 파이프라인을 구축하고, AI 엔지니어가 그 안에 두뇌 역할을 하는 모델을 배포하는 효율적인 이중 계층 시스템을 만든다.   기반 처리 기술 이러한 데이터 변환 및 통합 로직은 독점 엔진에 종속되지 않는다. 모든 데이터는 아파치 파케이(Apache Parquet), 아브로(Avro)와 같은 표준 형식으로 저장되며, 대규모 배치 처리를 위한 아파치 스파크, 실시간 스트림 처리를 위한 아파치 플링크와 같은 오픈소스 런타임을 사용한다.   온톨로지 메타모델 온톨로지는 팔란티어의 핵심 차별화 요소로, 기업의 모든 데이터, 모델, 프로세스를 현실 세계의 대응물(공장, 고객, 제품 등)과 연결하는 의미론적, 동역학적 계층이다. 이는 기업의 ‘디지털 트윈(digital twin)’ 역할을 한다. 온톨로지의 개념은 객체 지향 프로그래밍(OOP)과 매우 유사하다. 객체(object)는 클래스(class)에 해당한다. 온톨로지의 ‘항공기’ 객체 유형은 OOP의 Aircraft 클래스와 같다. 속성(property)은 속성(attribute)에 해당한다. ‘항공기’ 객체의 ‘꼬리 번호’ 속성은 Aircraft 클래스의 tailNumber 속성과 같다. 연결(link)은 객체 간의 관계(assOCIation)에 해당한다. ‘조종사’가 ‘항공기’에 탑승한다는 연결은 Pilot 객체와 Aircraft 객체 간의 관계를 정의한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

엔비디아가 엔비디아 다이나모(NVIDIA Dynamo)를 통해 멀티 노드 추론 성능과 효율을 높이고, 아마존웹서비스(AWS), 구글 클라우드, 마이크로소프트 애저, 오라클 클라우드 인프라스트럭처(OCI) 등 주요 클라우드 제공업체와 통합해 AI 추론 가속화를 지원한다고 밝혔다. 엔비디아의 젠슨 황 CEO는 ‘엔비디아 GTC 워싱턴 D.C.’에서 블랙웰이 엔비디아 호퍼(Hopper) 대비 10배의 성능을 제공해 10배의 수익을 창출할 수 있다고 강조했다. 대규모 전문가 혼합 방식(MoE) 모델과 같은 복잡한 AI 모델에서 높은 성능을 달성하려면, 수백만 명의 동시 사용자에게 서비스를 지원하고 더 빠른 응답을 제공하기 위해 추론 작업을 여러 서버(노드)로 분산시켜야 한다. 엔비디아는 다이나모 소프트웨어 플랫폼이 강력한 멀티 노드 기능을 프로덕션 환경에서 지원해, 기업이 기존 클라우드 환경 전반에서도 동일한 벤치마크 최고 수준의 성능과 효율을 달성할 수 있다고 설명했다.     단일 GPU 또는 서버에 탑재 가능한 AI 모델의 경우, 개발자들은 높은 처리량을 제공하기 위해 여러 노드에 걸쳐 동일한 모델 복제본을 병렬로 실행하는 경우가 많다. 시그널65(Signal65) 수석 애널리스트인 러스 펠로우즈(Russ Fellows)는 최근 발표한 논문에서 이 접근법이 72개의 엔비디아 블랙웰 울트라(Ultra) GPU를 활용해 110만 토큰 처리 속도(TPS)라는 처리량을 달성했다고 밝혔다. AI 모델을 확장해 다수의 동시 사용자를 실시간으로 지원하거나, 입력 시퀀스가 긴 고난도 워크로드를 처리할 때, 분산형 서빙(disaggregated serving) 기술을 활용하면 성능과 효율을 더욱 높일 수 있다. AI 모델 서비스는 입력 프롬프트를 처리하는 프리필(prefill)과 출력을 생성하는 디코드(decode) 두 단계로 구성된다. 기존 방식에서는 두 단계 모두 동일한 GPU에서 실행됐는데, 이로 인해 비효율성과 리소스 병목 현상을 유발할 수 있었다. 분산형 서빙은 이러한 문제를 각각 독립적으로 최적화된 GPU로 작업을 지능적으로 분산함으로써 해결한다. 이를 통해 워크로드의 각 부분이 해당 작업에 가장 적합한 최적화 기법을 활용해 실행되도록 보장해 전체 성능을 극대화한다. 딥시크-R1(DeepSeek-R1)과 같은 최신 대규모 AI 추론과 MoE 모델에서는 분산 서비스가 필수이다. 엔비디아는 다이나모가 이러한 분산형 서빙 기능을 GPU 클러스터 전반에서 프로덕션 규모로 손쉽게 구현할 수 있도록 한다고 전했다. 예를 들어, 베이스텐(Baseten)은 엔비디아 다이나모를 활용해 장문 코드 생성을 위한 추론 서비스 속도를 2배 가속화하고 처리량을 1.6배 증가시켰으며, 이는 추가 하드웨어 비용 없이 이뤄졌다. 이러한 소프트웨어 기반의 성능 향상은 AI 제공업체가 인텔리전스를 생산하는 비용을 절감할 수 있도록 한다. 대규모 AI 훈련에서 그랬던 것처럼, 컨테이너화된 애플리케이션 관리의 업계 표준인 쿠버네티스(Kubernetes)는 엔터프라이즈 규모의 AI 배포를 위해 수십 개 또는 수백 개의 노드에 걸쳐 분산형 서빙을 확장하는 데 최적화돼 있다. 현재 엔비디아 다이나모가 주요 클라우드 제공업체의 관리형 쿠버네티스 서비스에 통합됨에 따라, 고객은 GB200, GB300 NVL72를 포함한 엔비디아 블랙웰 시스템 전반에서 멀티 노드 추론을 확장할 수 있으며, 이는 엔터프라이즈 AI 배포에 요구되는 성능, 유연성, 안정성을 제공한다. 대규모 멀티 노드 추론을 실현하려는 움직임은 하이퍼스케일러(hyperscalers)를 넘어 확장되고 있다. 예를 들어, 네비우스(Nebius)는 엔비디아 가속 컴퓨팅 인프라를 기반으로 대규모 추론 워크로드를 처리할 수 있는 클라우드를 설계하고 있으며, 엔비디아 다이나모와 생태계 파트너로서 협력하고 있다. 분산형 AI 추론은 프리필, 디코드, 라우팅(routing) 등 서로 다른 요구사항을 가진 특수 구성 요소들을 조율해야 한다. 쿠버네티스가 직면한 과제는 더 많은 모델 복제본을 병렬로 실행하는 것이 아니라, 이 다양한 구성 요소들을 하나의 통합된 고성능 시스템으로 능숙하게 운영하는 것이다. 엔비디아 그로브(Grove)는 엔비디아 다이나모에서 사용 가능한 API(application programming interface)로, 사용자에게 전체 추론 시스템을 설명하는 단일 고수준 사양을 제공한다. 예를 들어, 사용자는 단일 사양 안에서 “프리필에는 GPU 노드 3개, 디코드에는 GPU 노드 6개가 필요하며, 가능한 가장 빠른 응답을 위해 단일 모델 복제본의 모든 노드가 동일한 고속 인터커넥트에 배치돼야 한다”고 간단히 요구할 수 있다. 해당 사양을 기반으로 그로브는 모든 복잡한 조율 작업을 자동으로 처리한다. 이때, 관련 구성 요소를 정확한 비율과 종속성을 유지한 채 함께 확장하고, 올바른 순서로 실행하며, 빠르고 효율적인 통신을 위해 클러스터 전반에 전략적으로 배치한다. AI 추론이 점점 더 분산됨에 따라, 쿠버네티스, 엔비디아 다이나모, 엔비디아 그로브의 조합은 개발자가 지능형 애플리케이션을 구축하고 확장하는 방식을 간소화한다.

오라클은 더 많은 기업이 퍼블릭 클라우드의 민첩성, 경제성 및 확장성을 누릴 수 있도록 오라클 클라우드 인프라스트럭처(OCI) 전용 리전25(Dedicated Region25)를 출시했다고 발표했다. 기업은 OCI 전용 리전25를 통해 단 몇 주 내에 최소 3개의 랙으로 구성된 풀스택 OCI 환경을 구축할 수 있으며, 공간 제약이 있는 환경에서도 손쉽게 전용 리전을 배포할 수 있다. 지난 2020년 처음 출시된 OCI 전용 리전(OCI Dedicated Region)은 대규모 하이퍼스케일 폼팩터에서 더욱 유연한 배포 형태로 발전해 왔다. 현재 전 세계적으로 60개 이상의 OCI 전용 리전과 오라클 알로이(Oracle Alloy) 리전이 운영 중이거나 계획되어 있으며, 고객은 성능, 거버넌스, 퍼블릭 OCI 환경의 호환성을 저해하지 않으면서 자사 비즈니스 규모에 최적화된 배포 모델을 선택할 수 있다.     OCI 전용 리전25는 OCI의 분산형 클라우드 제품군에 속하며, 모듈형 인프라와 간소화된 서비스 설계를 갖춘 엔터프라이즈급 소버린 클라우드를 통해 공공 및 민간 조직이 민첩성을 높이고 제품 출시 기간을 단축하도록 지원한다. 오라클은 “200개 이상의 AI 및 클라우드 서비스가 내장된 완전한 퍼블릭 클라우드 리전을 3개 랙만으로 구축 가능하고, 하이퍼스케일 수준까지 확장 가능하며, 고객 데이터센터 내에서 안전하게 운영할 수 있도록 지원한다”고 소개했다. 이에 따라 시공간적 제약 혹은 규제 관련 제약으로 전용 클라우드 리전 운영이 어려웠던 고객도 혁신을 가속화하고 새로운 비즈니스 모델을 구현할 수 있게 된다는 것이 오라클의 설명이다. 기존의 전용 클라우드 리전은 많은 조직의 전면적 클라우드 전환에 걸림돌이 되었다. OCI 전용 리전25는 ▲고도화된 네트워크 중심의 모듈형 확장성 ▲하이퍼컨버지드 표준 인프라 ▲통합 다계층(multi-layered) 보안 ▲SaaS, AI를 포함한 퍼블릭 클라우드 수준의 서비스 제공 ▲데이터 주권 요건 지원 ▲오라클 운영 클라우드 리전 등의 이점을 제공하여 클라우드 전환의 방해요소를 제거한다. OCI 전용 리전25는 최소 3개 랙으로 시작해 다운타임이나 재설계 없이 네트워크 확장 랙을 추가함으로써 하이퍼스케일까지 원활하게 확장할 수 있다. 그리고 오라클의 표준화된 고밀도 컴퓨팅 및 스토리지 랙을 활용해 데이터센터 공간 및 전력 사용을 절감할 수 있다. 고객은 더 높은 신뢰성, 빠른 복구 시간, 최대 가동 시간을 확보할 수 있으며, 복잡한 운영 부담 없이 컴팩트한 규모로 운영 가능하다. OCI 전용 리전25는 물리, 가상 전 계층에 걸친 다중적 보안 장치로 데이터와 워크로드를 보호해 높은 수준의 보안, 프라이버시, 규제 요건을 충족할 수 있도록 한다. 통합 다계층 보안 기능으로는 생체인식 잠금(biometric-locked) 랙, 암호화된 소프트웨어 정의 네트워크 패브릭 등이 포함된다. 또한 200개 이상의 OCI AI 및 클라우드 서비스를 고객 환경에서 직접 제공함으로써 데이터 주권 및 데이터 지역성 요건을 충족하면서도 퍼블릭 OCI와 동일한 운영 환경을 구현할 수 있다. 이외에도 정부 및 공공기관이 전체 오라클 클라우드 스택을 자체 환경에 배포하고 데이터 및 시스템에 대한 완전한 통제권을 유지할 수 있도록 함으로써 엄격한 수준의 데이터 주권, 프라이버시, 보안, 규제 요건을 충족할 수 있도록 지원한다. OCI 전용 리전25는 오라클이 직접 운영하는 완전한 클라우드 운영 서비스 형태로 제공되므로, 고객은 인프라 관리가 아닌 혁신에 집중할 수 있다. 스콧 트와들 OCI 제품 및 산업 담당 수석 부사장은 “기업은 가장 큰 가치 창출이 가능한 곳에서 AI와 클라우드 서비스를 자유롭게 구동하길 원하며, 소버린 AI(sovereign AI)에 대한 관심이 높아짐에 따라 데이터의 위치와 데이터 통제에 대한 요건이 엄격해져 이러한 요구 사항이 더욱 강화되고 있다”면서, “OCI 전용 리전25의 출시로 오라클은 사실상 모든 데이터센터로 오라클 클라우드의 역량을 확장할 수 있게 되었다. 이 새로운 배포 옵션은 탁월한 유연성, 운영 단순성 및 엔터프라이즈급 데이터 주권을 제공해 전용 클라우드의 기준을 새롭게 정의하고, 고객이 미래 혁신을 대비할 수 있도록 돕는다”고 말했다.

자동차 HMI 기술 브랜드 실리 아우토   핀란드에 본사를 둔 실리 아우토(Siili Auto)는 일반 소비자에게는 다소 낯설 수 있지만 메르세데스 벤츠, 현대, BMW와 같은 자동차 OEM과 1티어 기업에게는 최신 휴먼 머신 인터페이스(HumanMachine Interfaces : HMI) 기술과 연계된 브랜드로 알려져 있다.현재 에픽게임즈의 골드 서비스 파트너인 실리 아우토는 HMI 개발에 언리얼 엔진을 사용한 경험을 공유했다. ■ 자료 제공 : 에픽게임즈   실리 아우토는 디지털 계기판, 인포테인먼트 시스템, 헤드업 디스플레이(Heads-Up Displays : HUD), 첨단 운전자 보조 시스템(ADAS) 등 오늘날 최신 자동차에서 기대할 수 있는 다양한 시각적 기능을 구현하는 기술을 제공하고 있다. 실리가 설계하거나 개발에 참여한 HMI는 현재 전 세계 도로를 달리는 3000만 대 이상의 차량에 탑재되어 있기 때문에, 이미 꽤 많은 사람이 실리의 기술을 경험해 보았을 것이다. 실리 아우토가 언리얼 엔진에 처음 끌린 이유는 그래픽 퀄리티와 개발의 편의성이었지만, 곧 개발 기간을 획기적으로 줄이면서도 사용자 경험을 향상시킬 수 있다는 점을 알게 됐다.   ▲ ‘Siili Auto | 스포트라이트 | 언리얼 엔진’ 영상   언리얼 엔진으로 개발 기간 단축 언리얼 엔진은 실리 아우토의 시간과 비용을 절감하는 데 도움을 주었으며, 그 중 가장 대표적인 변화가 바로 개발 주기의 단축이다. 실리 아우토의 야미 얘르비외(Jami Järviö) CSM겸 파트너 매니저는 “예전에는 디자이너가 UI와 그 흐름, 그래픽 요소를 다른 툴에서 일일이 정의해야 했다. 그러나 개발자는 실제 HMI를 설계하고 테스트하기 위해 전혀 다른 툴을 사용했다. 그러다 보니 디자인과 실제 구현 사이의 차이를 확인하고, 그에 따라 수많은 버그를 보고해야 했다. 게다가 UI는 계속 업데이트되고 새로운 디자인이 추가되면서 이런 사이클이 끊임없이 반복됐다”고 말했다. 그 결과 전체 디자인 사이클은 약 5년이 걸렸다. 그러나 이제는 디자인 팀과 개발 팀 모두 언리얼 엔진으로 작업하면서 이 주기가 3년으로 단축됐다. 얘르비외는 “블루프린트를 활용하면 디자인부터 테스트까지 개발 속도를 크게 높일 수 있다”면서, “특히 언리얼 엔진에서 디자인할 때 전체 파이프라인의 효율이 크게 향상된다”고 말했다.   ▲ 이미지 출처 : Siili Auto   효율성을 위한 노력 실리 아우토 팀은 언리얼 엔진을 디자인과 개발을 아우르는 툴로 사용하면서 전체 워크플로를 한층 더 효율적으로 만들 수 있었고, 언리얼 인사이트를 활용해 한 단계 더 발전할 수 있었다. 얘르비외는 “우리는 언리얼 인사이트 툴을 사용해 소프트웨어가 하드웨어에서 어떻게 성능을 내는지 측정한다. 보통은 실행 속도, 초당 프레임 수를 측정하고, 문제가 발생하면 메모리 사용량과 CPU 및 GPU 드로 콜도 확인한다. 그리고 문제가 발견되면 코드를 수정하고 하드웨어에서 다시 테스트한다”고 전했다. 또한, “언리얼 엔진의 소스 코드에 접근할 수 있다는 점이 문제 해결과 커스터마이징 모두에서 핵심 역할을 한다. 팀이 원하는 방식으로 코드를 자유롭게 수정할 수 있다는 사실은 HMI 개발에 있어서 무엇보다도 바꿀 수 없는 가치”라고 덧붙였다.   ▲ 이미지 출처 : Siili Auto   손쉬운 통합 언리얼 엔진을 기존 파이프라인에 손쉽게 통합할 수 있다는 점도 실리 아우토에게 플러스 요인이었다. 언리얼 엔진이 C++ 기반이었기 때문에 하드웨어에 임베딩하는 데 거의 문제가 없었다. 얘르비외는 “우리는 강력한 C++ 역량을 기본적으로 갖추고 있었기 때문에 이것은 우리에게는 보너스가 되었다”고 말했다. 이처럼 각각의 장점만 보더라도 언리얼 엔진은 실리 아우토에게 좋은 선택이었지만, 얘르비외는 HMI가 개별적인 요소 이상의 역할을 한다고 강조했다. 운전자에게 브랜드화된 경험을 제공하기 위해서는 모든 것이 함께 어우러져야 한다는 것이다. 그는 “그 차가 감성을 불러일으켜야 하는 차인지, 아니면 일상적인 운행에 최적화된 차인지가 중요하다. 언리얼 엔진의 역량을 활용하면 브랜딩, 감성, 전반적인 사용자 경험까지 모두 구현할 수 있다”고 답했다.   ▲ 이미지 출처 : Siili Auto   ▲ 이미지 출처 : Siili Auto   ▲ 이미지 출처 : Siili Auto   ▲ 이미지 출처 : Siili Auto     ■ 기사 내용은 PDF로도 제공됩니다.

오라클이 세계 식량 시스템의 회복탄력성 강화를 돕는 ‘오라클 거버먼트 데이터 인텔리전스 포 애그리컬처(Oracle Government Data Intelligence for Agriculture)’를 발표했다. 이 AI 설루션은 농업 데이터와 작황 성과에 대한 종합적인 가시성을 제공해 각국의 지도자와 정부 기관이 생산 현황을 수월하게 모니터링하고, 식량 불안정을 초래할 수 있는 문제를 예측하며, 위험을 완화하기 위한 대응 계획을 자동화한다. 세계 각국 정부는 수확 부족이나 과잉 생산에 선제적으로 대응하는 데 필요한 정확하고 시의적절한 농업 성과 및 위험 데이터를 확보하지 못하는 경우가 많다. 오라클 클라우드 인프라스트럭처(OCI)의 보안성, 성능, 확장성을 기반으로 구축된 오라클 거버먼트 데이터 인텔리전스 포 애그리컬처는 독점 데이터와 공개 정부 데이터, 위성 이미지, 기상 데이터, 세부 토양 정보, 과거 작물 기록 등을 포함한 다양한 출처의 방대한 데이터셋을 집계해 농업 생산과 유통에 영향을 미치는 상호 연결된 시스템 및 환경 요인에 대한 핵심 인사이트를 제공한다.     이 애플리케이션은 업계가 직면한 시급한 과제를 해결하도록 설계된 AI 모델을 바탕으로 작물 수확량을 예측하고 잠재적 위협을 탐지하며, 제안된 개입 프로그램의 영향을 모델링하고, 위험을 수치화해 정부가 더 전략적인 농업 계획을 세우고 효율적인 자원 배분을 결정할 수 있도록 한다. 오라클 거버먼트 데이터 인텔리전스 포 애그리컬처는 위협 평가와 식량 안보 모니터링 및 대응 전략에 집중하는 정부 조직을 위해 설계되어 국가의 주요 농업 과제 및 전망에 대한 진척 상황을 명확하게 보여주는 종합 대시보드로 인사이트를 제공한다. 이 시스템은 지속적으로 정보와 작황 진척을 모니터링하여 잠재적 문제를 자동으로 경고한다. 이러한 인사이트를 바탕으로 책임자는 시스템이 식별한 모범 사례를 참고해 위협 대응 및 개입 계획 또는 정책 결정을 수립·모델링할 수 있다. 실행 결과는 설루션에 다시 반영되어 시스템의 이해를 심화하고 향후 대응 권고를 개선한다. 오라클 거버먼트 데이터 인텔리전스 포 애그리컬처는 오라클 디지털 정부 제품군(Oracle Digital Government Suite)의 일부다. 이 제품군은 클라우드 인프라스트럭처 및 AI, 개발 도구, 네트워크 연결, 애플리케이션에 이르는 현대적 설루션 전반을 통해 정부가 고차원 사회적 과제를 해결하고 디지털 전환을 가속화할 수 있도록 지원한다.  오라클의 마이크 시실리아 CEO는 “식량 안보는 모든 국가에 영향을 미치는 글로벌 과제다. 클라우드 컴퓨팅, AI, 위성 기술의 최신 발전을 통해 농업 운영을 완전히 변혁하여 보다 예측 가능한 수확량을 달성할 수 있다”면서, “오라클 거버먼트 데이터 인텔리전스 포 애그리컬처는 이러한 요소를 하나의 안전한 시스템으로 통합해 각국이 식량 시스템의 회복탄력성을 선제적으로 강화하는 데 필요한 가시성과 통찰력을 제공한다”고 말했다.

    편집장 노트 Editor note 김정인 교수 국민대학교 | Kim, Jung In Professor Kookmin University 2025년에 오신 것을 환영합니다. Welcome to 2025 Ian Howell 의장 빌딩스마트인터내셔널 | Ian Howell Executive Chair buildingSMART International buildingSMART International, 임시 CEO 임명 buildingSMART International Announces Interim CEO Appointment | openBIM의 해 The Year of openBIM Aidan Mercer 마케팅 디렉터 빌딩스마트인터내셔널 | Aidan Mercer Marketing Director buildingSMART International 홍콩 국가공인 BIM 자격제도 및 교육체계 소개 Introduction to BIM Certification and Accreditation Schemes in Hong Kong 서준오 부교수 홍콩이공대학교 | Seo, JoonOh AssOCIate Professor Hong Kong Polytechnic University openBIM Awards 2024 하이라이트 openBIM AWARDS 2024 Highlight 빌딩스마트인터내셔널 | buildingSMART International 글로벌 IFC 의무적용 Global IFC Manates 빌딩스마트인터내셔널 | buildingSMART International 인프라 혁신 : 핀란드 교통 인프라 기관의 디지털 트윈 생태계 로드맵 Transforming Infrastructure : The Finnish Transport Infrastructure Agency Roadmap to a Digital Twin Ecosystem Aidan Mercer and Bart Brink buildingSMART International | Aidan Mercer and Bart Brink buildingSMART International 상호 운용성에는 버전 구분이 없습니다 Interoperability has no version number Léon van Berlo Technical Director buildingSMART International | Léon van Berlo Technical Director buildingSMART International 저는 처음부터 Archicad BIM으로 설계 시작했어요 : 경계없는작업실의 류상호 I Started Designing with Archicad BIM from the Beginning : Sangho Ryu of Boundless 류상호 파트너 경계없는작업실 건축사사무소 | Ryu, Sangho Partner Boundless 더 완벽한 목재 구조 설계와 제조를 위한 솔루션 아키프레임 ArchiFrame . | openBIM Awards 2025 제출 안내 openBIM Awards 2025 Submission Guide | IDS 검증 단계 보고서 IDS Validation phase Report | BIM 기본 정보인도지침서(IDM) . | 스마트건설 얼라이언스 BIM기술위원회 2025년 운영계획 . | bSK 뉴스 bSK News | 빌드스마트 컨퍼런스 2024 buildSMART CONFERENCE 2024 | bSI 뉴스 bSI News   출처 : 빌딩스마트협회 파일 다운로드 링크