인텔은 미국 캘리포니아 새너제이에서 열린 OCP(오픈 컴퓨트 프로젝트) 글로벌 서밋에서 인텔 GPU D-시리즈(코드명 크레센트 아일랜드)의 추가 기술 정보를 공개했다. 이와 함께 새로운 인텔 제온(Intel Xeon) 기반의 랙 설계를 선보이고, 에이전틱 AI 확장을 뒷받침하는 개방형 소프트웨어 및 생태계 혁신 전략을 발표했다. 개방형 모델이 에이전틱 AI 도입의 경제성을 재편하면서 유연성과 비용 및 전력 효율성을 갖춘 인프라 수요가 늘고 있다. 인텔은 범용 컴퓨팅, 전용 가속 기술, 개방형 소프트웨어와 표준 기반 시스템을 결합한 개방형 이기종 AI 인프라 전략을 통해 다양한 AI 워크로드 전반의 성능과 효율을 높이고 있다. 에이전틱 AI는 단순 추론을 넘어 정보 검색, 추론, 오케스트레이션, 도구 활용 및 실행으로 이어지는 다단계 워크플로로 확장되고 있으며, 이 과정에서 x86 CPU가 핵심 역할을 수행한다. 개방형 모델은 기업에 다양한 선택지를 제공하지만, 전력 제약과 메모리 병목, 비용 부담으로 인해 AI 인프라 확장은 시스템 차원의 주요 과제로 떠올랐다. 이러한 요구에 대응하기 위해서는 구축과 관리가 간편한 턴키 방식의 이기종 인프라가 요구된다. 인텔은 폭넓은 x86 소프트웨어 생태계를 기반으로 개방형 소프트웨어와 상호운용성을 활용해 CPU, GPU, 특수 가속기를 통합하고, 각 작업에 적합한 컴퓨팅 자원을 연결해 전체 워크플로 전반의 자원 활용도와 효율을 극대화한다는 구상이다. 인텔 데이터센터 시스템 및 설루션 그룹의 니콜라스 뒤베 부사장은 “개방형 모델은 기업이 AI를 도입하는 데 있어 선택의 폭을 넓히고 있다”면서, “이러한 모델의 잠재력을 최대한 실현하려면 다양한 워크로드에 적합한 AI 역량과 컴퓨팅 자원, 비용 효율성을 갖춘 인프라가 필요하다. 이것이 바로 ‘모든 프롬프트를 최적의 컴퓨팅 자원에 배치한다’는 인텔의 접근 방식”이라고 말했다. 인텔은 에이전틱 AI의 증가하는 컴퓨팅 수요에 대응해 파트너들과 공동 개발한 새로운 제온 기반 랙 설계를 공개했다. 이번 설계 중 다수는 데이터센터 인프라의 구축과 통합을 간소화하기 위해 OCP의 오픈 랙 v3(ORv3) 표준을 활용한다. 복잡해지는 에이전틱 AI 환경에서는 워크로드 조율과 데이터 처리, I/O 관리 및 작업 실행을 담당하는 범용 컴퓨팅의 중요성이 커진다. 인텔에 따르면 일부 제온 6+ 구성에서는 총 랙 전력 133.45kW 기준 4만 6000개 이상의 코어로 확장해 CPU 컴퓨팅 집적도를 대폭 높일 수 있다. 제온은 GPU 및 특수 가속기와 함께 작동하며 워크로드를 조율하고 데이터 흐름을 원활하게 유지해 시스템 전반의 실제 작업 처리량을 끌어올린다.     함께 공개된 인텔 GPU D-시리즈는 메모리 집약적인 AI 추론을 지속해서 수행하는 환경에서 비용 효율성을 높이도록 설계됐다. 최신 Xe3P 아키텍처를 기반으로 최대 480GB의 LPDDR5X 메모리와 1.5TB/s의 메모리 대역폭, 1.3페타플롭스(FP8 기준) 연산 성능을 350W 전력 범위 안에서 제공한다. 대규모 언어 모델(LLM), 대규모 콘텍스트 작업 및 동시 추론 서비스에 최적화된 인텔 GPU D-시리즈는 단일 카드에서 최대 3000억 개, 8개 GPU 구성 시스템에서는 1조 개가 넘는 매개변수를 가진 모델을 지원한다. 특히 표준 PCIe 폼팩터와 공랭식 설계, 공통 Xe 소프트웨어 기반을 적용해 별도의 전용 랙이나 냉각 설비를 추가하지 않고도 기존 데이터센터 환경에 유연하게 도입할 수 있다. 인텔 데이터센터 그룹의 아닐 난두리 AI 제품 및 GTM 담당은 “추론은 AI의 핵심 워크로드로 자리 잡고 있으며, 기업에는 적절한 비용으로 필요한 성능을 제공하는 인프라가 필요하다”면서, “인텔은 인텔 GPU D-시리즈를 통해 대규모 추론을 실용적으로 구축하고 비용 효율적으로 확장할 수 있도록 구현하는 데 주력하고 있다”고 설명했다. 인텔은 OEM, ODM, 독립 소프트웨어 공급업체(ISV) 등 다양한 파트너와 협력해 검증된 설루션을 제공하고 있으며, 현재 고객 대상 샘플 공급을 진행 중이다. 소프트웨어 전략에서는 CPU와 GPU 전반을 아우르는 개방형 생태계를 강조한다. 공통 Xe 소프트웨어 기반을 통해 인텔 GPU 간 소프트웨어 이식성을 보장하며, 업계 표준 AI 프레임워크와 추론 런타임을 기본 지원한다. 메타의 뮤즈 글리머와 같은 신규 개방형 모델에는 출시 시점부터 활용 가능한 데이 제로(Day 0) 지원을 제공한다. 엔터프라이즈 환경을 지원하는 인텔 AI 엔터프라이즈 에이전트 툴킷은 제온 프로세서에 최적화된 오케스트레이션 기능을 제공하며, 향후 인텔 GPU로도 확장될 예정이다. 아울러 인텔은 2011년 이후 OCP에 총 116건의 기여를 이어오며 개방형 인프라 표준화에 앞장서고 있다. 이번 서밋에서는 서브랙 가속기 카드 폼팩터를 표준화하기 위한 오픈 어댑터 카드 워킹그룹 활동을 소개하며 하드웨어 상호운용성을 높이는 방안을 제시했다. 이를 통해 기업은 기존 인프라 투자를 유지하면서 새로운 가속기 기술을 안정적으로 통합할 수 있다. 인텔 데이터센터 그룹을 총괄하는 케보크 케치찬 수석부사장은 “에이전틱 AI는 데이터센터에 대한 고객의 요구를 변화시키고 있다”면서, “성공은 단일 구성 요소가 아니라 제온, 목적별 가속 기술 및 상호운용 가능한 소프트웨어를 결합한 개방형 이기종 인프라에 달려 있다. 인텔은 고객이 기존 투자를 활용하는 동시에 새로운 AI 워크로드를 효율적으로 확장할 수 있는 유연한 기반을 구축하도록 지원하고 있다”고 밝혔다.

산업을 위한 AI와 버추얼 트윈 기술 (8)   전과정 평가(LCA)는 원료 채취부터 생산·사용·폐기까지 제품의 환경 영향을 평가하는 방법이다. 그러나 제조 현장에서 제품 옵션과 리비전은 계속 늘어나는 반면, 환경 데이터는 엑셀, 보고서, 공급업체 파일에 흩어져 LCA 결과가 설계 이후에 도착하는 경우가 많다. 이번 호에서는 제품 구조(BOM)를 기준으로 환경 목표와 데이터를 연결하고, 설계 단계에서 감축 대안을 비교/검증하는 방법을 살펴본다.   ■ 곽준범 다쏘시스템코리아 IC본부에서 IE&M(Infrastructure, Energy & Materials) 부문 LCA 설루션 컨설턴트, 설루션 아키텍트를 맡고 있다. 홈페이지 | www.3ds.com/ko   설계 데이터 단절의 문제 제조기업에서 LCA(Life Cycle Assessment)를 수행할 때 가장 먼저 확인하는 것은 평가 대상 제품의 BOM(Bill of Materials)과 리비전이다. 하지만 LCA 담당자는 최신 구성이 무엇인지 다시 확인하고, 설계자는 재료와 형상의 변경이 공정· 운송·사용 단계의 환경 영향에 어떻게 전달되는지 별도로 해석해야 하는 경우가 많다. 공급업체 데이터는 파일로 흩어져 있고 인증 보고서의 기준 형상과 현재 CAD가 같은지도 바로 설명하기 어렵다. 현장이 먼저 막히는 지점은 계산 기능보다 데이터의 연결과 변경관리이다. 이 문제는 계산 정확도만 높인다고 해결되지 않는다. CAD와 PDM/PLM은 설계 형상, 문서, BOM과 리비전을 관리하지만 환경 데이터가 엑셀, 컨설팅 산출물, 공급업체 양식으로 분리되면 제품의 기준선과 평가 결과가 함께 움직이지 못한다. 파일을 복사해 대안을 만들수록 기준 형상·생산 거점·활동 데이터의 관계가 흐려지고 변경 때마다 수집과 검토가 반복된다. 그 결과 LCA는 설계 동결 이후의 보고 업무가 되고, 재료·구조·공정을 바꿀 수 있는 시기를 놓치게 된다. ■ 현장 체크 • 평가 대상 BOM과 리비전을 즉시 특정하기 어렵다. • 설계 변경 때 LCA를 다시 만든다. • 합계값은 있지만 원인 부품·공정을 설명하기 어렵다. • 공급업체 데이터의 출처·품질·승인 상태가 흩어져 있다. ISO 14040/14044 계열의 LCA는 목적 및 범위 정의, 전과정 목록 분석(LCI), 전과정 영향 평가(LCIA), 해석의 네 단계로 구성된다. 그러나 현장에서 중요한 질문은 ‘제품당 몇 kgCO²e 인가’에서 끝나지 않는다. 어느 부품과 생애주기 단계가 영향을 만들었는지, 설계 대안을 적용하면 목표에 얼마나 가까워지는지, 그 결과를 누가 어떤 근거로 승인했는지까지 답할 수 있어야 한다.   근거를 요구하는 시장의 변화 이러한 데이터 단절을 더 이상 내부 업무의 비효율로만 볼 수 없는 이유는 시장의 요구가 달라지고 있기 때문이다. 규제와 공급망의 요구는 일회성 보고에서 제품 단위의 지속적 데이터 관리로 이동하고 있다. EU 에코디자인 규정(ESPR)은 제품군별 위임법을 통해 디지털 제품 여권(DPP)을 적용하는 틀을 마련했고, 여권 데이터의 정확성·완전성·최신성과 상호운용성을 요구한다. EU 배터리 규정도 탄소발자국과 배터리 여권을 제품 모델과 제 조공장 맥락에서 관리하도록 요구한다. OEM과 공급업체 사이의 PCF 교환에서도 합계값뿐 아니라 경계, 방법론, 단위, 기준 기간과 데이터 품질이 함께 설명되어야 한다. 여기에 SBTi는 기업 감축목표를 파리협정의 1.5℃ 방향과 정합된 과학적 경로에 맞추고 검증·공개하도록 이끈다. 결국 ‘얼마를 줄일 것인가?’와 ‘어떤 제품 설계로 줄일 것인가?’를 서로 연결지어야 한다. 이러한 흐름 속에서 필요한 것은 기존 CAD·PDM 업무를 대체하는 또 하나의 시스템이 아니라, 제품 구조 위에 환경 요구사항과 평가 이력을 연결하는 것이다. 규제마다 별도 파일을 추가하면 같은 BOM을 반복해서 해석하고 검증해야 하지만, 제품 구조를 공통 기준으로 삼으면 설계 활동에서 규제 대응의 근거가 함께 생성된다. 즉, ‘보고서를 만들기 위한 LCA’에서 ‘제품을 바꾸기 위한 LCA’로 프로세스를 전환해야 한다.   그림 1. 제품 BOM과 공정 데이터를 연결할 때 기대할 수 있는 업무 변화(자료 : 다쏘시스템코리아)   BOM 기반 환경 요구사항 관리 BOM 기반 LCA의 핵심은 제품 구조를 환경 영향 평가의 기준선으로 활용하는 것이다. BOM에는 부품뿐 아니라 옵션, 수량, 상하 관계, 리비전과 변경 이력이 포함된다. EBOM은 설계 의도를, MBOM과 BOP(Bill of Process)는 실제 제조 경로를 설명한다. 이를 활용하면 사양/공급업체별 제품 구성을 하나의 구조에서 관리하고, 설계 대안을 통제된 시나리오로 비교할 수 있다. 부품별 환경 영향은 완제품으로 집계되고, 완제품의 감축 목표는 서브시스템과 부품의 환경 목표로 배분된다. SBTi(Science Based Targets initiative)는 기업의 과학 기반 감축경로를 정하는 하향식(top-down) 체계다. 다쏘시스템은 2020년 SBTi 참여를 선언한 이후 첫 감축목표를 검증받았으며, 2027년 기준 달성 목표를 2025년에 조기 달성했다. 하여 2026년에는 가치사슬 전반의 2050 넷제로를 위한 신규 목표를 다시 검증받았다. 기업의 감축목표를 달성하려면 이를 재료· 부품·공정 등 구체적인 제품 설계 의사결정으로 전환해야 한다. 그러기 위해 감축목표를 실제 제품과 설계 변경으로 전환하는 것이 필요하며, 이는 BOM 기반 LCA를 통해 기업 목표를 제품· 어셈블리·부품의 환경 목표로 구체화하고, 설계 대안의 예상 감축량과 근거를 상향식(bottom-up)으로 집계하도록 한다. SBTi가 감축 방향을 제시한다면, BOM 기반 LCA는 이를 제품 설계에서 실행하는 역할을 한다     ■ 자세한 기사 내용은 PDF로 제공됩니다.

스트라타시스가 제조 현장에서 양산 확대를 모색하는 산업 제조기업, 자동차 OEM 및 항공우주·방산 생산 라인을 위한 대형 적층제조(AM) 플랫폼인 ‘F870’ FDM 시스템을 발표했다. 스트라타시스의 생산 등급 FDM(Fused Deposition Modeling : 수지 압출 적층 방식) 포트폴리오를 확장하는 F870은 가열 챔버 내에서 높은 대형 조형 성능을 제공하며, 견고하고 내구성 높은 다양한 소재와 낮은 총소유비용을 결합했다. 이를 통해 제조업체는 적층제조 기술을 생산 현장 전반으로 확대할 수 있다. 최근 제조 현장에서는 툴링, 지그, 고정구, 제조 보조 도구, 최종 사용 부품을 필요한 크기, 생산량, 신뢰성에 맞춰 제작할 수 있는 양산형 대형 시스템에 대한 요구가 높아지고 있으며, F870은 이러한 수요에 대응한다.     생산 지원 용도로 설계된 F870은 1000×610×610mm의 조형 크기를 제공한다. 완전 가열식 챔버 내에서 동급 최장의 조형 용량과 함께 나일론 12CF, ASA, ABS 및 새로운 FDM ABS Draft(그레이) 등 산업 등급 소재 포트폴리오를 갖췄다. 특히 탄소 섬유 소재인 나일론 12CF는 높은 강도와 강성, 내구성을 제공해 까다로운 제조 현장의 툴링 및 고정구 제작에 적합하다. 제조업체는 이 플랫폼을 활용해 현장 도입에 필요한 반복 정밀도, 내구성, 처리량을 갖춘 대형 툴링, 고정구, 제조 보조 도구, 최종 부품을 생산할 수 있다. 스트라타시스의 산업용 FDM 기술을 기반으로 개발된 F870은 생산 중심의 적층제조 설루션 포트폴리오를 확장하여, 제조업체가 생산 비용을 절감하고 대응력을 높이며 제조 운영 전반에 적층제조 기술을 확장할 수 있도록 지원한다. 이 시스템은 현재 미국 켄터키주 조지타운의 토요타 생산기술 부문과 미시간주 플리머스의 리비안 오토모티브를 비롯한 주요 제조업체에 도입되고 있다. 이들 기업은 공식 출시에 앞서 제조 현장의 툴링과 제조 보조 도구 제작부터 고급 시제품 제작 워크플로에 이르기까지 다양한 분야에서 플랫폼을 평가하고 있다. 초기 도입 단계에서는 기존에 긴 가공 리드타임이 필요했던 대형 고정구, 조립 공구, 검사 게이지 등 자동차 툴링과 제조 보조 도구를 포함한 생산 지원 분야의 요구를 해결하고 있다. 스트라타시스의 리치 개리티 최고 비즈니스 부문 책임자는 “제조업체는 생산 속도를 높이고, 비용을 절감하며, 시시각각 변하는 공급망과 생산 요구사항에 실시간으로 대응할 수 있는 검증된 설루션을 찾고 있다”면서, “F870은 첨단 제조 전문성과 현장에서 더 큰 툴링, 고정구, 보조 도구를 제작하려는 고객 수요를 깊이 이해하고 있음을 보여주는 차별화된 설루션”이라고 밝혔다. 이어 “이 새로운 플랫폼은 실제 제조 환경에 최적화되어 경쟁력 있는 가격대에서 향상된 조형 용량, 검증된 소재, 높은 생산 신뢰성과 함께 산업용 규모의 제작 성능을 제공한다”고 강조했다.

  로크웰 오토메이션은 김낙현 인더스트리 & OEM 영업 본부장을 로크웰 오토메이션 코리아의 신임 사장으로 선임했다고 밝혔다. 김낙현 신임 사장은 산업 자동화와 소프트웨어, 디지털 전환 및 영업 분야에서 27년 이상 경험을 쌓았다. 산업 현장과 비즈니스에 대한 높은 이해도를 바탕으로 조직 성장을 이끌어 왔다. 김 사장은 2004년 소프트웨어 제품 매니저로 로크웰 오토메이션 코리아에 합류했다. 이후 국내 OEM 영업 매니저, 아시아태평양 안전 및 스마트 디바이스 비즈니스 매니저, 싱가포르 주재 아시아태평양 제조 및 조립 산업 부문 담당, ITD 비즈니스 매니저 등 주요 직책을 역임했다. 최근에는 국내 영업 조직을 총괄하며 자동차, 전기차 배터리, 타이어, 화학, 반도체, 생명과학 등 주요 산업 분야의 비즈니스 성장을 이끌었다. 이를 통해 로크웰 오토메이션의 국내 시장 입지를 확대하는 데 기여해 왔다. 또한 국내 주요 제조 기업을 대상으로 정보 설루션 및 디지털 전환 사업을 확대하며 산업 현장의 생산성과 경쟁력 향상을 지원해 왔다. 김낙현 로크웰 오토메이션 코리아 신임 사장은 “최근 국내 제조업은 인공지능과 디지털 기술의 발전으로 새로운 전환기를 맞고 있다”면서, “로크웰 오토메이션 코리아는 산업 자동화와 디지털 전환 분야에서 축적해 온 기술과 경험을 바탕으로 국내 고객의 생산성과 지속가능성을 높이고, 새로운 성장 기회를 창출할 수 있도록 지원해 나가겠다”고 말했다.

제조 경쟁력을 위한 AI와 시뮬레이션의 결합   제조업에서 효율성은 단순히 비용을 줄이기 위한 수단이 아니다. 앞으로도 경쟁력을 유지하고 지속적인 수익을 창출하기 위한 핵심 조건이다. 전 세계 산업 기계 제조업체들은 인력 부족에 대응하고 혁신 기술을 성공적으로 도입하는 동시에, 비용을 효과적으로 관리해야 하는 복합적인 과제에 직면해 있다. 이러한 목표를 달성하기 위해서는 기존의 생산 환경을 디지털화해야 한다. 디지털 기술을 통해 설계와 생산, 운영 데이터를 연결하고 실제 설비를 구축하거나 변경하기 전에 가상 환경에서 결과를 예측할 수 있어야 생산성과 유연성을 함께 높일 수 있다. 하지만 많은 주문자상표부착생산(OEM) 기업은 여전히 시뮬레이션과 디지털 트윈을 활용하기보다 안전 여유를 지나치게 크게 잡아 공장을 과도하게 설계하거나 필요 이상의 자재를 투입하는 보수적인 방식을 선택한다. 시뮬레이션이 제공할 수 있는 이점이 크다는 사실을 알고 있으면서도, 익숙한 물리적 방식에 의존하는 것이다. 설계 단계에서 디지털 트윈을 활용하면 불필요한 자재와 폐기물을 줄이고 탄소 배출량을 낮추는 동시에 생산 효율을 높일 수 있다. 그러나 시뮬레이션을 효과적으로 활용할 수 있는 전문 인력이 충분하지 않다는 점은 디지털 트윈 도입을 가로막는 중요한 장벽으로 남아 있다. 다행히 이러한 어려움을 해소할 수 있는 기술도 빠르게 발전하고 있다. 특히 AI(인공지능)는 시뮬레이션을 더 쉽게 구성하고 실행할 수 있도록 지원함으로써 디지털 트윈의 진입장벽을 낮추고 있다. 동시에 숙련된 전문가에게는 반복적인 설정 작업을 줄여 더 빠르고 효율적으로 업무를 수행할 수 있는 환경을 제공한다.   시뮬레이션의 진입장벽 낮추기 다른 산업 분야와 비교하면 산업 기계 업계에서 시뮬레이션의 활용도는 아직 높지 않은 편이다. 시뮬레이션을 구축하고 운영할 수 있는 숙련 인력이 부족한 데다, 많은 기업이 시뮬레이션의 투자 대비 수익률(ROI)을 충분히 높게 평가하지 않기 때문이다. 그러나 디지털 트윈은 제조업체가 물리적 설비에 투자하기 전에 가상 환경에서 다양한 가능성을 검토하고, 충분한 정보를 바탕으로 합리적인 의사결정을 내릴 수 있도록 돕는다. 새로운 생산 시스템이나 설비 구성을 검토할 때 실제 장비를 중단하거나 현장 운영에 영향을 주지 않고도 여러 조건과 시나리오를 빠르게 시험할 수 있다. 경우에 따라 시뮬레이션 기반 검증은 며칠 안에 완료될 수 있으며, 이를 통해 보다 최적화되고 유연한 생산 시스템을 신속하게 구축할 수 있다. AI는 이러한 시뮬레이션의 활용 범위를 전문가에서 일반 엔지니어로 넓혀준다. AI가 모델의 경계 조건을 자동으로 인식하고 적합한 소재를 추천하면, 시뮬레이션 경험이 많지 않은 사용자도 복잡한 모델을 보다 쉽게 구성할 수 있다. 한편, 전문 사용자에게도 AI는 강력한 생산성 도구가 된다. 기존에는 모델을 설정하고 조건을 입력하는 데 상당한 시간이 필요했지만, AI가 반복적인 구성 작업을 자동화하면 전문가는 결과를 해석하고 설계를 개선하는 더욱 가치 있는 업무에 집중할 수 있다. AI는 초보 사용자의 기술 접근성을 높이는 동시에 숙련 사용자의 업무 속도와 효율성도 향상시키는 것이다. 국내 제조업 역시 AI를 활용한 디지털 전환을 확대하고 있지만, 아직은 일부 부서나 개별 프로젝트를 중심으로 활용되는 초기 단계에 머물러 있다. 한국지능정보사회진흥원이 2025년 5월 발간한 ‘기업 내 AI 활용 현황 및 애로사항 분석 : 제조업을 중심으로’ 보고서는 국내 제조업의 AI 도입을 저해하는 요인으로 초기 투자 비용 부담과 도입 효과에 대한 불확실성, 실증 사례 부족 등을 지적했다. 기존 설비와 데이터 환경이 서로 단절돼 있어 제조 데이터를 통합하고 AI와 연계하기 어렵다는 점도 주요 과제로 꼽힌다. 따라서 시뮬레이션과 디지털 트윈을 더 많은 사용자가 활용할 수 있도록 대중화하는 것이 중요하다. 그 중심에는 실행 가능한 디지털 트윈(executable Digital Twin : xDT)이 있다. 실행 가능한 디지털 트윈은 실제 장비의 물리적 거동을 나타내는 시뮬레이션 모델을 현장 설비나 에지 시스템, 클라우드 환경에 배포해 실시간으로 운영할 수 있도록 한다. 제조업체는 실제 설비에서 생성되는 데이터를 xDT와 연결해 장비의 현재 상태를 분석하고, 이상 징후를 감지하며, 향후 유지보수 시점을 예측할 수 있다. 실제로 한 밀링 가공 업체는 AI 기반 비전 센서와 xDT를 활용해 가공 과정에서 발생하는 냉각수의 흐름과 절삭 칩의 축적 상태를 분석하고 있다. 이처럼 xDT가 실제 장비와 함께 작동하면, 디지털 트윈은 설계 단계의 검증 도구를 넘어 운영 현장의 의사결정을 지원하는 실시간 시스템으로 발전한다.   AI로 강화되는 시뮬레이션 AI와 시뮬레이션을 결합하면 디지털 트윈의 활용 가능성은 더욱 커진다. 실행 가능한 디지털 트윈이 공장에 효과적으로 통합되면 AI는 장비와 생산 공정에서 생성되는 데이터를 더욱 정교하게 분석해 운영 효율을 높이고 다운타임을 줄일 수 있다. 특히 AI는 실제 생산 현장에서 충분히 확보하기 어려운 데이터를 보완하는 데 중요한 역할을 한다. 정상적으로 관리되는 산업 장비는 대부분의 시간 동안 고장 없이 작동한다. 이는 생산 현장에는 바람직한 일이지만, AI 모델과 디지털 트윈을 개발하는 관점에서는 충분한 고장 데이터를 확보하기 어렵다는 문제로 이어진다. 어떤 조건에서 문제가 발생하며 장비가 고장 직전에 어떤 징후를 보이는지 학습할 수 있는 데이터가 부족하기 때문이다. 이때 AI를 활용해 합성 데이터를 생성하면 실제 현장에서 관측하기 어려운 고장이나 극한 조건을 가상 환경에 구현할 수 있다. 시뮬레이션은 이를 바탕으로 데이터에서 빠진 ‘스트레스 상황’을 보완하고, 현실에 더욱 가까운 가상 장비를 구성할 수 있다. 예를 들어 장비에서 이상 징후가 발견됐을 때 즉시 가동을 중단해야 하는지, 아니면 교체 부품이 도착할 때까지 일정 기간 안전하게 운영할 수 있는지를 판단할 수 있다. 단순히 고장 여부를 예측하는 데 그치지 않고, 생산 일정과 안전성, 유지보수 비용을 함께 고려한 의사결정을 지원하는 것이다. 국내에서도 기업의 디지털 전환을 지원하기 위한 정책적 투자가 확대되고 있다. 산업통상부는 2026년 예산안에서 산업 전반의 인공지능 전환(AX) 확산을 위한 예산을 1조 1347억 원으로 편성했다. 이는 2025년의 5651억 원보다 100.8% 늘어난 것으로, 약 두 배 확대된 규모다. 특히 제조업에 AI를 접목해 생산성을 높이고 제조 비용을 절감하는 AI 팩토리 사업 등에 투자를 확대하고 있다. 이는 AI와 시뮬레이션을 결합한 스마트 제조 기반이 기업 차원의 기술 도입을 넘어 국가 산업정책의 핵심 과제로 다뤄지고 있음을 보여준다. 이러한 움직임은 AI와 디지털 트윈이 개별 기업의 기술 실험을 넘어 산업 현장의 구조적인 문제를 해결하는 기반으로 발전하고 있음을 보여준다. 숙련 인력의 경험과 노하우를 데이터와 디지털 모델로 전환하고, 중소·중견 제조기업도 고성능 인프라와 전문 역량을 공동으로 활용할 수 있게 되면 기술 도입의 문턱은 한층 낮아질 수 있다. 시뮬레이션은 제조기업이 외부 환경의 변화와 예상하지 못한 문제에 더욱 탄력적으로 대응하고, 유연한 운영 체계를 구축하는 데 중요한 역할을 해왔다. 이제 여기에 AI가 결합하면서 시뮬레이션은 더욱 접근하기 쉽고 지능적인 기술로 진화하고 있다. AI와 시뮬레이션의 결합은 공장과 장비를 설계하는 과정을 더 단순하고 직관적으로 만들 뿐 아니라, 장비의 신뢰성과 유지보수 효율을 높인다. 그 결과 제조업체는 다운타임과 자원 낭비를 줄이고 생산성과 전반적인 운영 성과를 향상시킬 수 있다. 디지털 트윈의 가치는 실제 세계를 가상으로 복제하는 데에만 있지 않다. AI를 통해 더 많은 사람이 시뮬레이션을 활용하고, 실제 운영 데이터를 바탕으로 디지털 트윈이 끊임없이 학습하고 발전할 때 그 잠재력이 온전히 실현된다. 궁극적으로 AI와 디지털 트윈의 결합은 제조기업이 더 빠르고 정확하게 판단하고, 변화에 유연하게 대응하며, 지속 가능한 경쟁력을 확보할 수 있도록 하는 핵심 동력이 될 것이다.   ■ 오병준 지멘스 디지털 인더스트리 소프트웨어 한국지사장이다. 30여 년 이상 한국의 여러 글로벌 IT 기업을 거치며 비즈니스 및 기술 전문성을 구축해 왔다. SAS 코리아 대표이사를 지냈으며, 오라클 코리아, 테라데이터 코리아, IBM 코리아 임원으로 재직한 바 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

헥사곤 제조 인텔리전스 사업부가 대형 정밀 계측 및 정렬 소프트웨어인 스페이셜애널라이저(SpatialAnalyzer)에 OPC UA 지원을 도입했다고 밝혔다. 이번 통합은 고정밀 레이저 측정 데이터를 로봇과 자동화 생산 라인을 구동하는 산업용 제어 시스템에 직접 연결한다. 이를 통해 크고 복잡한 부품의 로봇 자동화를 제한했던 정밀도 문제를 해결하는 것이 목표다. 항공우주, 에너지, 조선 등 대형 제조 산업 전반에서는 정밀도를 떨어뜨리지 않으면서 생산량을 늘려야 하는 압박을 받고 있다. 항공우주 분야의 압박 규모는 수치로도 확인된다. 포캐스트 인터내셔널의 2026년 5월 에어버스 및 보잉 주문·인도 보고서에 따르면, 2026년 5월 말 기준 두 제조사의 상업용 항공기 수주 잔고는 1만 6000대 이상이다. 이는 현재 인도 속도로 약 10년 치 생산량에 달하는 규모다. 하지만 로봇만으로는 크고 복잡한 조립품에 필요한 정밀도를 보장할 수 없다. 여기서 PLC나 로봇 같은 산업용 제어 시스템 간의 통신에 사용되는 안전한 공통 표준인 OPC UA가 핵심 역할을 하여 자동화 공정을 가능하게 만든다. 새로운 클라이언트는 안전한 데이터 교환을 위한 암호화 및 인증 기능을 포함한다. 자동화된 OPC UA 워크플로를 구축하는 개발자를 위해 25개의 새로운 MP/SDK 명령어도 지원한다. 헥사곤의 스페이셜애널라이저 제품 매니저인 자크 로저스는 “대형 제조 분야에서 로봇의 필요성이 매우 크지만, 필요한 정밀도로 구멍을 뚫는 등의 작업을 수행하기에는 정확도가 부족하다. 부품이 크고 복잡할수록 정렬이 더 어려워진다”면서, “스페이셜애널라이저는 품질 검사와 복잡한 계측 지원 제조, 조립 공정을 조율하는 소프트웨어로 OEM과 시스템 통합(SI) 업체, 라인 구축업체가 사용하고 있다. 일반적인 모든 계측 장치를 지원하는 이번 출시 시스템을 이용하거나 구축하는 모든 이에게 중요한 의미를 가진다”고 말했다.     헥사곤은 다중 영역 및 다중 툴 교정을 통해 산업용 로봇의 정확도를 최대 10배까지 향상시키는 새로운 로봇 교정 장치인 SARCA도 함께 선보였다. 제조사는 스페이셜애널라이저와 SARCA를 함께 활용해 양산에 들어가기 전 고정밀 작업을 위한 로봇 교정을 진행할 수 있다. 또한 이번 출시를 통해 공간 스캐닝, 반사경을 이용한 기존 레이저 위치 추적, 형상의 고정밀 직접 스캐닝 전반에서 새로운 계측 장치인 라이카 앱솔루트 트래커 ATS800(Leica Absolute Tracker ATS800)을 완벽히 활용할 수 있게 되었다. ATS800 지원은 개편된 헥사곤의 시스템 통합업체 프로그램을 통해 제공되어, OEM 및 통합업체가 구축하는 시스템에 새로운 계측 장치와 기능을 제공한다. 헥사곤의 아지즈 타히리 항공우주 및 방산 부문 글로벌 디렉터는 “고객은 유례없는 항공우주 및 방산 수요에 대응하기 위해 탁월한 제품을 한발 앞서 제공할 더 나은 방법을 원한다”면서, “업계에서 검증받은 스페이셜애널라이저에 강력한 계측용 OPC UA 지원을 결합하여, 안정적인 공정 내에서 새로운 자동화 가능성을 열고 새로운 과제에 성숙한 기반을 마련했다. 시스템 통합업체 프로그램을 통해 제공되는 라이카 앱솔루트 트래커 ATS800의 독보적인 직접 스캐닝 기능을 바탕으로, 글로벌 커뮤니티에 공정 혁신을 가져올 수 있도록 생태계를 지원할 것”이라고 말했다.

앤시스 워크벤치를 활용한 해석 성공 사례   기능 안전(functional safety)은 차량 시스템의 오동작 또는 고장으로 인해 발생할 수 있는 위험을 분석하고 이를 허용 가능한 수준으로 관리하기 위한 개발 접근 방식이다. 최근 차량은 자율주행 및 소프트웨어 중심 구조로 빠르게 변화하고 있으며, 이에 따라 시스템 오류가 실제 안전 문제로 이어질 가능성 또한 증가하고 있다. 이러한 이유로 자동차 산업에서는 차량 전기·전자(E/E) 시스템의 안전성을 체계적으로 개발하고 검증하기 위한 기준으로 ISO 26262를 폭넓게 적용하고 있다. ISO 26262는 안전 요구사항의 정의부터 설계, 구현 및 검증까지 기능 안전 개발 전 과정에서 수행해야 하는 안전 활동과 요구사항을 규정하고 있으며, 자동차 산업에서 기능 안전 확보를 위한 대표적인 국제 표준으로 활용되고 있다.   ■ 우시경 태성에스엔이 AE6팀의 매니저로, Ansys Medini analyze 관련 기술지원, 교육, 컨설팅 업무를 진행하고 있다. 홈페이지 | www.tsne.co.kr   최근 기능 안전 개발에서는 요구사항과 안전 분석 결과를 연계하여 관리하는 모델 기반(model-based) 접근 방식이 확대되고 있다. 앤시스 메디니 애널라이즈(Ansys medini analyze) 는 이러한 모델 기반 기능 안전 개발을 지원하는 플랫폼으로, 요구사항, 안전 분석 및 시스템 아키텍처 간의 추적성과 연계성을 관리하는데 활용되고 있다. ISO 26262는 V 모델(V-Model) 기반의 기능 안전 개발 프로세스를 제시하며, 각 개발 단계에서 수행해야 하는 안전 활동과 검증 절차를 정의하고 있다.   그림 1. 앤시스 세이프티 워크숍   ISO 26262 V 모델 기반 기능 안전 개발 프로세스 ISO 26262는 기능 안전 개발 전 과정에서 수행해야 하는 안전 활동을 정의하기 위해 V 모델 기반의 개발 프로세스를 제시하고 있다. V 모델은 요구사항 정의부터 시스템 설계, 구현 및 검증에 이르기까지 각 개발 단계와 검증 활동 간의 관계를 나타내는 대표적인 기능 안전 개발 프레임워크이다. V 모델의 왼쪽 영역은 개념 수립 및 설계 단계로 구성된다. 개발 초기에는 아이템 정의(Item Definition)를 통해 개발 대상 시스템의 기능과 경계를 정의하고, 위험 분석을 수행하여 안전 목표와 안전 요구사항을 도출한다. 이후 기능 안전 콘셉트(functional safety concept : FSC)와 기술 안전 콘셉트(technical safety concept : TSC)를 수립하고 이를 시스템 설계 단계로 전개하게 된다. 시스템 수준에서 정의된 안전 요구사항은 하드웨어 및 소프트웨어 개발 단계로 전달된다. 하드웨어 개발 단계에서는 하드웨어 아키텍처 설계와 정량적 안전 분석이 수행되며, 소프트웨어 개발 단계에서는 소프트웨어 아키텍처 설계, 구현 및 검증 활동이 수행된다. V 모델의 오른쪽 영역은 검증 및 확인 활동으로 구성된다. 각 개발 단계에서 생성된 산출물은 단위 검증(unit verification), 통합 검증(integration verification), 시스템 통합 시험(system integration test) 등의 과정을 거치며, 최종적으로 안전 검증(safety validation)을 통해 시스템이 의도된 안전 목표를 충족하는지 확인하게 된다. 이와 같은 V 모델 기반 개발 프로세스는 기능 안전 활동을 개발 수명주기 전반에 체계적으로 적용하기 위한 기준을 제공하며, ISO 26262에서 요구하는 안전성 확보 활동의 기반이 된다.   그림 2. ISO 26262 기능 안전 표준 구조   OEM부터 티어 2까지, 모델 기반 안전 개발의 연결고리 자동차 산업은 OEM, 티어 1(tier-1), 티어 2(tier-2)로 이어지는 공급망 구조를 기반으로 개발이 이루어진다. OEM은 차량 수준의 기능과 안전 목표(safety goal)를 정의하고, 티어 1은 이를 기반으로 시스템 아키텍처와 기술 안전 요구사항을 개발한다. 티어 2는 MCU, 반도체, 센서 등 구성요소 수준에서 상세 설계 및 안전 메커니즘 구현을 수행한다. 이 과정에서 각 조직은 서로 다른 관점의 모델과 개발 산출물을 활용하기 때문에 요구사항과 설계 정보의 일관성을 유지하는 것이 중요한 과제로 꼽힌다. 특히 ISO 26262 기반 기능 안전 개발에서는 안전 목표, 기능 안전 요구사항(functional safety requirement : FSR), 기술 안전 요구사항(technical safety requirement : TSR)이 시스템, 하드웨어(HW), 소프트웨어(SW) 수준까지 체계적으로 전개되고 추적되어야 한다. 앤디스 메디니 애널라이즈는 이러한 개발 환경에서 요구사항, 안전 분석 결과 및 시스템 아키텍처를 통합 관리할 수 있는 모델 기반 기능 안전 플랫폼을 제공한다. OEM 수준의 기능 모델과 티어 1의 기술 안전 아키텍처, 티어 2의 구성요소 수준 안전 분석 결과를 연계함으로써 개발 단계 간 추적성을 확보할 수 있으며, 설계 변경 시 영향 범위를 신속하게 파악할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

더 광범위한 타깃에게 창작물을 선보이는 방법   이번 호에서는 관계자 또는 고객이 사용하는 플랫폼이나 기기에 관계없이 이러한 경험을 제공하는 방법을 살펴본다. 배포란 결국 양질의 경험과 이를 활용한 장점을 누릴 사람들 사이에 존재하는 최종적인 마찰 요인을 제거하는 것이다. 이번 호의 내용은 사용자가 중앙 집중화되고 연결된 3D 애셋 라이브러리를 보유하고 있으며, 타깃 사용 사례에 맞게 경험을 구축 및 최적화했음을 전제로 한다. ■ 자료 제공 : 유니티 코리아   ▲ 이미지 제공 : Esri   실시간 3D 경험이 아무리 세련되고 효과적이더라도, 그 유용성은 누가 어디에서 액세스할 수 있는지에 따라 달라진다. 3D 애셋 라이브러리를 연결하고 표준화한 뒤 모델을 타깃 용도에 맞게 최적화했다면, 마지막 단계는 이러한 경험을 필요한 곳, 즉 데스크톱, 모바일, 웹, XR(확장현실) 헤드셋 및 HMI(휴먼-머신 인터페이스) 시스템 전반에 제공하는 것이다. 유니티 인더스트리 커스터머 석세스 부문의 헤닝 린 시니어 디렉터는 “물론 데스크톱 및 모바일과 같은 가장 일반적인 플랫폼에 배포하기가 가장 쉽다. 하지만 XR과 VR(가상현실)은 폼팩터가 그다지 다양하지 않기 때문에 조금 까다로울 수 있다. HMI는 모든 OEM이 다르게 구현하기 때문에 좀더 복잡하다”고 말한다. XR 헤드셋을 사용한 심층 교육 워크스루를 주최하든, 디자인 계획에 대해 협업을 진행하거나 매력적인 고객 경험을 제공하든, 각 플랫폼에는 고유한 강점과 약점, 그리고 활용처가 있다. 웹은 접근성이 뛰어나고, XR·VR은 몰입도를 최대화할 수 있는 최적의 선택이며, 데스크톱과 모바일은 일상적인 사용 면에서 유용하고, HMI는 임베디드 인텔리전스를 제공한다. 이제 목표는 이러한 디자인을 필요로 하는 사람들에게 제공하는 것이다.     최종적인 마찰 요인 : 실험실과 현장 간의 격차 해소 많은 사람이 비슷한 상황을 겪어 봤을 것이다. 인터랙티브 3D 제품 데모는 고사양 워크스테이션에서는 멋지게 보이지만, 공장 현장의 중급 태블릿에서 실행하면 올바르게 작동하지 않는다. 프레임 속도가 급격히 떨어지고, 다운로드가 지연되며, 조명이 강한 환경에서는 XR 트래킹도 끊기고, 다양한 관계자들이 가치를 느끼기도 전에 파일럿 버전이 멈춘다. 여기서 핵심은 이러한 경험이 무조건 ‘잘못된’ 것은 아니라는 점이다. 다만 적절한 방식으로 올바른 곳에 배포되지 않고 있을 뿐이다. 유니티의 사라 래시 산업 부문 시니어 VP 겸 제너럴 매니저는 “많은 조직에서 문제가 되는 것은 제한적인 개발자 리소스 풀이나 자금에 대한 접근성이다. 그래서 POC(proof of concept : 개념 검증) 단계에서 막히는 팀도 많다”면서, “그런 일이 발생하면 반복 작업을 수행하거나 필요한 사항을 변경할 수 있는 역량이 제한된다. 유니티에서는 이를 고려하여 기술을 담당하지 않는 팀도 유니티 애플리케이션에서 아이디어를 구상하고 스스로 디자인 및 반복 작업 프로세스를 시작할 수 있는 유니티 스튜디오(Unity Studio) 설루션을 출시했다”고 말했다.     기술적인 관점에서 배포가 실패하는 데에는 몇 가지 일반적인 이유가 있다. 성능 불일치는 경험이 타깃 하드웨어에 최적화되지 않았을 때 발생한다. 일반적으로 고사양 워크스테이션을 사용하여 경험을 구축하고 프로토타이핑하지만, 모바일, 웹, 스마트폰 또는 XR과 같은 저사양 플랫폼에 맞게 경험을 조정할 수도 있어야 한다. 기기 호환성과 배리에이션으로 인해, 특정 기기에서는 경험이 원활하게 작동하지만 다른 기기에서는 그렇지 않을 수 있다. 경험은 동일한 유형의 시스템(서로 다른 웹 브라우저, 스마트폰, GPU) 간에도 크게 다를 수 있다. 실질적인 조건의 다양성도 방해가 될 수 있다. 예를 들어 일반적인 실험실 환경에서는 XR 애플리케이션이 잘 작동할 수 있지만, 최적화되지 않았다면 밝은 조명의 공장에 배치되는 순간 모션 트래킹이 불안정해질 수 있다. 대규모 프로젝트의 경우, 확장성 문제는 견고한 멀티플랫폼 또는 멀티유저 아키텍처의 부족으로 인해 발생하는 경향이 있다. 예를 들어 CDN(콘텐츠 전송 네트워크)은 여러 대형 모델의 동시 다운로드를 처리하지 못할 수 있다. 마지막으로 인적 요인도 있다. 최종 사용자에 대해 충분한 교육이나 지원이 이루어지지 않으면 도입률이 낮을 수 있다. 겉보기에 사소해 보이는 문제라도 사용자가 바람직하지 않은 우회 방법을 찾게 만들거나 고객이 경쟁사로 돌아서게 만드는 결과로 이어진다. 물론 일부 기기는 다른 기기보다 대응하기 더 어려울 수 있지만, 이는 용도와 원하는 결과에 따라 다르다. 웹 브라우저는 보편적으로 사용되고 있음에도 불구하고 대응이 비교적 어려운 플랫폼에 속하는데, 그 이유는 대부분 제한된 메모리와 전용 GPU의 부재이다. XR 헤드셋(AR 또는 VR)의 경우 성능과 착용감 측면 모두에서 과제를 안고 있다. 차량이나 어셈블리 라인에서 사용되는 임베디드 HMI 시스템은 고도로 맞춤화된 하드웨어에서 실행되는 경향이 있으며, 그래픽스 처리 측면에서는 최상의 성능을 기대하기 어렵다. 이렇게 산적한 과제는 많지만, 배포 준비 상태를 테스트하고 필요에 따라 최적화할 수 있는 확실한 방법이 있다. 적절한 실제 환경의 타깃 기기에서 가능한 한 일찍 자주 테스트를 수행하면 출시 전에 모든 문제를 해결할 수 있다. 린은 “무엇이든 더 일찍 테스트할 수록 최종 제작물 배포가 더 쉬워진다”면서, “중요한 순간에 배포가 문제없이 이루어지도록 실제 엔드포인트에서 미리 테스트해야 한다. 예를 들어, 임베디드 HMI나 XR처럼 복잡한 기기 유형부터 시작해 하드웨어 패턴과 요구 사항을 정확히 파악한 다음, 이를 바탕으로 반복 작업을 통해 개선해 나가야 한다”고 설명했다.     모든 기기 및 최종 사용자를 고려하여 성능에 맞게 최적화 배포는 타깃 기기를 선택하고 그에 맞게 대응하며, 경험을 통해 원하는 결과를 달성하는 툴체인을 최적화하는 작업이다. 권한이 있는 단일 3D 모델은 여러 LOD를 계획하고, 적절한 조명을 적용하며, 기기 유형과 그 성능에 맞춰 물리 설정을 조정할 수 있도록 하면 어떤 플랫폼에서도 잘 작동할 수 있다. 린은 “달성하고자 하는 목표에 따라 다르지만, 어느 정도의 타협을 통해 좋은 결과를 얻을 수 있다. HMI와 XR에서도 마찬가지다. 모든 엔드포인트를 미리 파악하고, 고사양 엔드포인트에 대해 충실도 수준을 일정 수준으로 높이는 것이 중요하다”고 말한다.   ▲ 이미지 제공 : Prespective   웹 : 누구나 원활하게 접근할 수 있는 환경 웹만큼 넓은 도달 범위와 높은 접근성을 제공하는 플랫폼은 없다. 대부분의 웹 브라우저는 HTML5, CSS, 자바스크립트(JavaScript)를 모두 지원한다는 점에서 대체로 상호 호환성이 높다. 동시에, 최신 브라우저 역시 다운로드 용량, 메모리 사용량, 시작 시간과 관련해서는 거의 비슷한 한계를 공유하고 있다. 하지만 대다수의 사용자를 지원하려면 플러그인 없이 3D 그래픽스를 렌더링해야 하며, 이를 위해서는 충분한 하드웨어 성능이 필요하다. 예를 들어 통합 GPU로는 비교적 가벼운 신(scene)을 처리할 수 있지만, 페이로드 셰이더 복잡도가 더 높아지면 대부분의 중급 노트북이나 모바일 기기에서 속도가 느려지게 된다. 특히 고객이 직접 사용한다면 초기 로드 시간을 매우 중요한 자산으로 간주해야 한다. 일반적인 광대역 연결에서 경험이 몇 초 안에 로드되지 않으면 사람들은 계속 머무르지 않을 가능성이 높다. 더 복잡한 애셋의 경우, 모든 것을 한 번에 로드하려고 하기보다는 필요에 따라 여러 LOD를 스트리밍하는 것이 가장 좋다. 기기의 다양성에도 주의해야 한다. 내장형 그래픽스가 탑재된 구형 노트북에서는 사용 경험에 끊김이나 지연이 발생하는 특이 사례가 드러날 수 있다. 이러한 문제를 피하려면 중급 사양의 여러 기기에서 테스트하고, 지원되지 않는 기능에 대해 폴백 옵션을 설정하며, 일반적인 시청 환경에서는 30FPS 이상을 목표로 하는 것이 필요하다. 목표로 삼을 것 : 여러 LOD를 활용하여 텍스처 크기를 적극적으로 관리하고, 보이지 않는 내부 요소의 메시를 제거하거나 단순화하며, 유리, 금속, 페인트, 패브릭처럼 핵심 디테일 영역이 드러나는 ‘대표’ 표면과 상호 작용을 우선적으로 로드하는 스트리밍 콘텐츠 로딩을 적용한다.   ▲ 이미지 제공 : Google Maps   XR : 안정성이 뒷받침되어야 하는 몰입 경험 VR 및 AR(증강현실) 등의 확장현실 경험은 실습 교육이나 복잡한 워크스루처럼 공간적 이해가 중요한 경우 강점을 보인다. 반면 조금만 성능이 떨어져도 바로 문제가 드러난다는 단점도 있다. 대부분의 스탠드얼론 헤드셋은 비교적 고사양이지만 모바일급 칩셋을 사용하며, 사용자의 불편감과 멀미를 방지하려면 높은 수준의 안정적인 프레임 속도가 필요하다. 일반적으로 경험은 해당 기기의 네이티브 주사율로 렌더링되어야 하며, VR 헤드셋의 경우 이는 대체로 90Hz 또는 120Hz이고 FPS로 환산해도 동일하다. 편안한 VR 헤드셋 경험을 제공하려면 72FPS를 최소 기준으로 고려하는 것이 좋다. AR 요구 사항은 타깃 기기에 따라 크게 달라진다. AR의 경우 사용자의 편안함 측면에서 VR과 비슷한 기준이 적용되므로, 72FPS 이상의 안정적인 프레임 속도를 목표로 하는 것이 중요하다. 휴대폰이나 태블릿에서 AR은 카메라 피드와 SLAM(동시적 위치 추정 및 지도 작성)을 렌더 루프에 통합한다. 따라서 최신 기기에서는 60FPS를 목표로 하되, 30FPS 이상을 엄격히 유지해야 한다. 다만 야외 조명과 서멀 스로틀링이 여전히 문제가 될 수 있으므로, 다이내믹 해상도와 쉽게 접근 가능한 기능 토글을 통해 적응성이 높은 경험을 계획해야 한다. 목표로 삼을 것 : 대부분의 경우 미리 베이크된 조명을 사용하고, 저사양 XR 헤드셋이나 모바일 AR 경험을 지원해야 하는 경우 여러 LOD와 단순화된 셰이더를 활용한다.   ▲ 이미지 제공 : CollabXR   데스크톱 : 높은 성능이 요구되는 경험 데스크톱은 세부적인 분석이나 멀티모달 검토에 이상적이지만, 반드시 최고급 GPU를 필요로 하지는 않는 다양한 시나리오에도 활용된다. 일상 업무에서의 디자인 승인, 품질 점검, 안전 가이드, 제조 계획과 같은 작업에서는 높은 충실도를 제공하기보다 신속한 상호 작용과 명확한 검사가 가능한 툴이 유용할 수 있다. 따라서 타깃 기기는 중급 외장 GPU나 최신 내장 그래픽스만으로도 간단한 작업이 가능한 경우가 많다. 이 경우에는 단면 보기(내부를 드러내는 절단면), 측정(스냅 기능을 기반으로 한 정확한 치수 측정), 분해도(부품 설명이 포함된 단계별 어셈블리 뷰)와 같은 결정론적 검토 툴을 우선적으로 고려해야 한다. 대규모 어셈블리 렌더링이나 복잡한 시뮬레이션과 같이 더 무거운 내부 워크로드의 경우에는 워크스테이션급 전용 GPU나 원격 GPU 리소스가 일반적이다. 그러나 모든 최종 사용자가 그렇게 비용이 많이 드는 기기를 필요로 하는 것은 아니다. 고도로 복잡한 콘텐츠를 제작하는 팀에게는 고사양 로컬 하드웨어가 여전히 독보적인 위치를 차지하지만, 소비자에게는 GPU 서버에서 스트리밍되는 세션이 훨씬 더 비용 효율적이다. 목표로 삼을 것 : 타깃 기기에서 일관된 프레임 속도를 유지하면서 안정적으로 유지되는 가장 높은 품질을 기본값으로 설정한다. 결정론적 검토 툴과 온디맨드 스트리밍을 사용하고, 입력에 대한 반응성을 우선적으로 고려한다.     임베디드 HMI : 신뢰성과 즉각적인 명확성 HMI는 제품 자체에 3D를 가져온다. 차량 내 디스플레이, 산업용 관리 패널, 의료 기기 등의 환경에서는 극사실적인 표현보다 가동 시간과 예측 가능성이 훨씬 더 중요하다. 이러한 용도에서는 오퍼레이터가 시간에 민감한 결정을 내려야 하는 경우가 많으며, 대부분의 임베디드 타깃은 서비스 라이프 사이클이 길고 제약이 있는 하드웨어에서 실행된다. 어셈블리 라인과 차량의 임베디드 기기 는 수년간 안정적으로 유지되어야 하므로 소프트웨어가 제한적인 하드웨어 예산을 관리하는 역할을 해야 한다. 일반적인 활용 사례로는 어셈블리 라인의 설정 작업, 단계별 유지 보수 안내 및 교육 또는 로보틱스 시스템에서의 로봇 팔 운동학, 작업 가능 범위, 접근 금지 구역 시각화 등이 있다. 자동차 분야에서는 인터랙티브 3D가 첨단 운전자 지원 시스템에 활용될 수 있다. 이 경우에는 가독성과 부드러운 움직임이 무엇보다 중요한 요소이다. 이는 많은 의료 및 실험실 기기에도 해당되며, 여기서는 규제 및 안전 요구 사항으로 인해 기준이 더욱 엄격해진다. 목표로 삼을 것 : 단순화된 지오메트리와 미리 베이크된 조명은 성능 요구 사항과 로딩 시간을 크게 줄여주며, 벤더의 장기 지원은 임베디드 기기에 대한 지속적인 지원을 보장한다.     지속적인 성공을 위한 배포 운영 및 확장 최고 사양의 기기를 기준으로 디자인한 뒤, UI 요소를 복사하여 인터페이스 전반에 붙여넣고 높은 성능을 요구하는 애셋을 초기 단계에 과도하게 로드하여 저사양 기기를 지원하려고 하는 경우가 많다. 그러나 적절한 엔드 투 엔드 플랫폼을 사용하면 이러한 함정을 피할 수 있다. 자동 스케일링을 사용하고 필요 시 무거운 애셋을 스트리밍할 경우, 경험이 갑작스럽게 끊기는 대신 점진적으로 성능이 저하되도록 할 수 있다. 이렇게 하면 새로고침을 어느 정도 예측할 수 있어 비즈니스 연속성을 보장할 수 있다. 유니티의 프로파일링 툴은 특히 이러한 문제에 대응할 수 있도록 설계되었다. 린은 “유니티는 애셋 로딩 시간, 시작 시간 등을 모니터링한다. 이러한 요소는 HMI 배포에서 특히 중요하다. 실제 기기에서 모델이 어떻게 동작하는지에 대한 양질의 실시간 피드백이 필요하기 때문”이라고 말했다. 초기 배포는 시작에 불과하며, 특히 제작 라인이나 작업 현장의 실시간 디지털 트윈과 같은 프로젝트의 동적인 특성을 고려하면 더욱 그렇다. 성공적인 대규모 운영을 위해서는 버전 불일치 없이 콘텐츠를 제공할 수 있는 예측 가능한 방식, 올바르게 작동하거나 그렇지 않은 요소를 파악할 수 있는 텔레메트리, 문제를 일으키지 않으면서 신속하게 조치를 취할 수 있게 해주는 거버넌스가 필요하다. 린은 “장기적인 롤아웃 전략은 다른 소프트웨어와 거의 동일하다고 생각한다. 물결처럼 단계적으로 확장하면서 가장 가치 있는 분석 자료를 제공할 수 있는 엔드포인트와 사용자를 타게팅하여 프로세스 초기에 버그나 누락된 기능을 식별하고, 다음 사용자나 기기로 롤아웃하기 전에 해결하는 것”이라면서, “결국에는 완전한 일반 액세스 단계에 도달하게 될 것이며, 그때쯤이면 버그는 최소화되고 사용자 경험의 품질은 극대화될 것”이라고 말했다. 이를 위해서는 업데이트 사이클, 기기 텔레메트리, 거버넌스, 장기 지원에 세심한 주의를 기울여야 한다. 린은 “세션 길이와 도입률 같은 요소를 추적하고, 가능하면 경험의 품질과 같은 사항에 대해 최종 사용자로부터 직접 피드백을 구해야 한다”고 권장한다.   ▲ 이미지 제공 : Random42   콘텐츠 제공 및 롤아웃 단계적 롤아웃은 특히 수백 명에서 수천 명의 최종 사용자를 타기팅할 때 효과적이다. 고객 대상 경험이나 여러 공장과 시설에 걸친 대규모 프로젝트라면 단일 현장이나 타깃 사용자 그룹에서 시작하여 문제를 모니터링한 뒤 규모를 확장해 나가는 것이 좋다. 이렇게 하면 예상치 못한 문제의 영향을 완화하고 훨씬 더 쉽게 관리할 수 있다. 또한 원격 설정을 사용하여 애플리케이션이나 경험을 모든 사람에게 배포하되, 특정 기능은 선택한 위치나 사용자 그룹에 대해서만 활성화할 수도 있다. 이밖에도 적절한 CDN을 사용하 여 더 큰 모델을 사전에 캐싱함으로써 네트워크 측면을 계획하고, 주요 업데이트나 다운로드는 혼잡하지 않은 시간대로 설정해 첫날 병목 현상이 발생하는 것을 막을 수 있다.   중요한 기기 데이터 올바른 텔레메트리 데이터를 수집하지 않으면 경험을 통해 원하는 결과를 얻고 있는지 판단하기 어렵다. 누가 경험을 이용하고 있는지, 경험이 의도한 대로 작동하고 있는지를 확인하는 핵심 질문에 대한 답을 찾으려면 도입 및 참여 지표를 트래킹해야 한다. 세션 길이와 사람들이 다시 돌아오는 빈도를 추적하면 프로젝트 성공에 대한 전반적인 감을 얻을 수 있다. 그러나 지속적인 개선과 통합을 위해서는 품질과 성능을 아우르는 더 심층적인 지표가 필요하다. 교육 시뮬레이션과 같은 특정 워크플로의 경우, 교육 단계를 시작한 사용자 대비 이를 완료한 사용자의 비율을 확인할 수 있도록 간단한 워크플로 단계를 정의해야 한다. 또한 기기 유형별로 세분화하여 추가적인 주의가 필요한 그룹이 있는지 확인할 필요가 있다.   ▲ 이미지 제공 : Visionaries 777   ▲ 이미지 제공 : Vodafone Deutschland   복잡하지 않은 거버넌스 거버넌스는 중단과 위험을 완화하기 위해 누가 업데이트를 관리하는지, 롤아웃이 어떻게 구성되는지에 대한 명확한 규칙을 설정하는 것이다. 이상적으로는 각 릴리스마다 지정된 승인자와 백업을 두고, 결정되는 모든 내용을 공유된 곳에 기록해야 한다. 또한 라이브로 전환할 요소는 점검을 거쳐야 하지만, 이러한 절차를 지나치게 복잡하게 하지 않도록 해야 한다. 민감한 데이터를 포함하여 규정 준수 및 보안 검토를 필요로 하는 사례를 제외하면, 타깃 기기에서의 성능 점검과 제품 및 운영 팀의 승인만으로도 충분한 경우가 많다.   장기 및 커뮤니티 지원 하드웨어, 드라이버 및 운영 환경은 항상 장기적인 안정성을 계획하고 새로운 플랫폼과 업데이트가 출시될 때마다 이에 대응할 수 있도록 배포 전략을 조정해야 한다. 특히 장기 지원을 제공하는 전문 산업 벤더와 협력하면, 쉽게 업그레이드할 수 없는 임베디드 HMI가 탑재된 고사양 산업용 시스템에서도 이전 버전의 기기를 계속 지원할 수 있다. 오픈 소스 툴과 애셋도 제공하는 벤더도 많으므로, 검증된 애셋을 재사용하고, 릴리스 및 업데이트 노트를 트래킹하며, 높은 수준의 드라이버, 툴, 기기 및 활용 사례별 지침에 대한 내부 기술 자료를 관리하여 커뮤니티를 지원 체계의 일부로 활용할 수 있다.   시작하기 : 단계별 배포 계획 여러 관계자와 고객이 사용하는 플랫폼에 인터랙티브 3D 경험을 배포하면 어떤 기기에서든 새로운 차원의 정보를 제공할 수 있다. 최첨단 교육 시뮬레이션을 호스팅하든, 데스크톱과 모바일 전반에서 디자인 협업을 수행하든, 웹 브라우저용 고객 경험을 구축하든, 적절한 플랫폼을 선택하면 어떤 타깃 환경에서도 최적화된 결과를 얻을 수 있다. 이를 달성하는 데 필요한 내용을 요약하면 다음과 같다. 다양한 관계자를 기기 및 사용자 컨텍스트에 연결한다. 플랫폼별 성능 벤치마크를 정의한다. 문제를 조기에 식별할 수 있도록 제한된 수의 플랫폼에서 파일럿 버전을 배포한다. 콘텐츠 제공 및 텔레메트리를 설정한다. 업데이트와 지원을 위한 거버넌스 역할을 수립한다.     ■ 기사 내용은 PDF로도 제공됩니다.

인공지능(AI) 및 자동화 워크로드가 에지로 이동함에 따라 컴퓨팅 수요는 지속적으로 증가하고 있지만 기존 에지 인프라의 전력, 공간, 성능 제약은 여전히 그대로 유지되고 있다. AMD가 공개한 새로운 AMD 에픽(EPYC) 8005 서버 CPU는 이러한 환경에서 높은 성능과 낮은 전력 소비, 그리고 컴팩트한 서버 설계를 동시에 제공하도록 설계됐으며 에지, 통신, 클라우드 스토리지 환경 전반에서 새로운 가능성을 지원한다. AMD 에픽 8005 서버 CPU는 8코어부터 최대 84코어까지 AMD ‘젠 5(Zen 5)’ 아키텍처 기반 코어를 제공하며, 70W에서 225W TDP 범위의 단일 소켓 플랫폼으로 구성된다. 이전 세대인 AMD 에픽 8004 서버 CPU 대비 성능과 효율이 향상됐다. AMD는 64코어 기반의 이전 세대 제품과 비교해 새로운 84코어 AMD 에픽 8635P 서버 CPU가 최대 40% 높은 정수 연산 성능과 9.5% 향상된 와트당 성능을 제공한다고 밝혔다. 경쟁 x86 CPU와 비교했을 때에도 2.1배 더 많은 코어 수와 10W 낮은 TDP를 바탕으로 최대 91% 높은 정수 연산 성능을 나타내며, 성능 향상과 저전력, 컴팩트 소켓 설계를 통해 에지 환경에서 높은 성능을 제공하는 단일 소켓 시스템 구축이 가능하다는 것이 AMD의 설명이다.     한편, AMD 에픽 8635P 서버 CPU는 최상위 에지 CPU 경쟁 제품 대비 더 높은 와트당 성능을 제공하며 DDR5 메모리 및 PCIe Gen 5 대역폭과 함께 x86 및 AVX-512 호환성을 지원한다. 이를 통해 컴퓨팅 성능, 메모리, 대역폭, 연결성을 균형 있게 제공하며 고밀도 에지 구축 환경에 최적화된 플랫폼을 구현한다. AMD 에픽 8005 서버 CPU는 공간과 전력 제약이 큰 통신, 에지, 고밀도 스토리지 노드 환경에 최적화됐다. 고밀도 에지 구축 환경을 위한 단일 소켓 설계로 낮은 전력 소비에서도 높은 성능을 제공하며 까다로운 워크로드 지원이 가능하다. 넓은 열 동작 범위를 지원해 저소음 공랭 시스템 구축이 가능하고 NEBS 규격 인증 설계를 지원하는 기능을 제공해 오엠(OEM)이 혹독한 실외 및 통신 환경에서도 안정적으로 동작하는 서버를 제공할 수 있다. x86 및 엔터프라이즈급 RAS 기반의 빠르고 안정적인 현대화도 지원한다. 에픽 8005 서버 CPU는 통신, 리테일 에지, 클라우드 스토리지 환경에서 새로운 수준의 성능과 지능형 서비스를 지원하도록 설계됐다. AMD는 블로그를 통해 84코어 AMD 에픽 8005 CPU가 차세대 오픈 및 독자형 vRAN 구축을 지원할 것이라고 밝혔다. 높은 CPU 집적도와 전력 효율뿐 아니라 vRAN 워크로드의 성능 요구사항, 특히 연산 집약적인 레이어(Layer) 1 처리를 지원하기 위한 통신 특화 최적화 기능도 추가됐다. LDPC 최적화는 레이어 1 성능 향상에 초점을 맞추고 있으며 지연시간 감소와 5G 워크로드를 위한 전방 오류 수정 처리 가속화를 통해 추가적인 레이어 2 처리 리소스를 확보할 수 있도록 지원한다. 이를 통해 일관된 vRAN 동작 특성을 유지하고 업링크 처리량 향상 및 매시브(Massive) MIMO 구축을 위한 추가 여유 자원을 제공한다.