성공적인 유동 해석을 위한 케이던스의 CFD 기술 (9)   이번 호에서는 다양한 유형의 난류 모델과 사용 시기, 그리고 복잡한 형상을 위한 고충실도 난류 모델링에 있어 케이던스의 밀레니엄 M1 CFD 슈퍼컴퓨터가 어떻게 혁신을 가져오는지에 대해 소개한다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   자동차 산업은 거의 매일 새로운 혁신과 개발이 등장하며 끊임없이 발전하고 있다. 자동차 업계는 전기 구동 차량과 대량 생산이 증가하는 추세에 발맞춰, 보다 지속 가능한 미래를 만들기 위해 노력하고 있다. 2022년 전 세계 자동차 생산량은 5.7% 증가하여 8540만 대를 생산할 것으로 예상된다. 그러나 업계는 여러 디자인 또는 새로운 헤드라이트, 스플리터, 사이드 스커트 추가와 같은 아주 작은 디자인 변경에 대해서도 풍동 테스트 또는 프로토타입 테스트를 수용하면서 연비 기준을 충족해야 하는 과제에 직면해 있다. 그 결과, 항력 계수 등 관심 있는 유동장 정보와 성능 관련 수치를 예측하여 필요한 실험 횟수를 크게 줄일 수 있는 시뮬레이션 기반 접근 방식이 점점 더 인기를 얻고 있다. 유체 흐름의 난류를 이해하고 전산 유체 역학(CFD) 시뮬레이션을 통해 동일한 난류를 재현하려면 다양한 난류 모델을 사용해야 한다. 자동차 애플리케이션과 리소스 가용성에 따라 적합한 난류 모델을 선택하면 설계 주기를 단축하는 데 도움이 될 수 있다.      유체의 난류 모델링 난류는 압력과 속도의 혼란스러운 변화를 특징으로 하는 불규칙한 흐름을 일컫는 용어이다. 우리는 일상 생활에서 난류를 경험하며 공기 역학, 연소, 혼합, 열 전달 등과 같은 다양한 엔지니어링 응용 분야에서 중요한 역할을 한다. 하지만 유체 역학을 지배하는 나비에-스토크스 방정식은 매우 비선형적인 편미분 방정식이며 난류에 대한 이론적 해법은 존재하지 않는다. 난류는 광범위한 공간적, 시간적 규모를 포함하기 때문에 모델링과 시뮬레이션이 어려울 수 있다. 일반적으로 큰 와류는 난기류에 의해 생성된 에너지의 대부분을 전달하고 작은 와류는 이 에너지를 열로 발산한다. 이 현상을 ‘에너지 캐스케이드’라고 한다. 수년에 걸쳐 다양한 난기류 모델링 접근법이 개발되었으며, 가장 일반적인 세 가지 접근법을 간략히 설명하면 다음과 같다.   직접 수치 시뮬레이션(DNS) DNS에서는 모델이나 근사치 없이 미세한 그리드와 매우 작은 시간 단계를 사용하여 모든 규모에서 난기류를 해결한다. DNS의 계산 비용은 엄청나게 높지만 결과는 가장 정확하다. DNS 시뮬레이션은 난류장에 대한 포괄적인 정보를 제공하기 위한 ‘수치 실험’으로 사용된다.   대규모 와류 시뮬레이션(LES) 이름에서 알 수 있듯이 이 난류 모델링 기법은 큰 소용돌이를 해결하고 보편적인 특성을 가진 작은 소용돌이를 모델링한다. LES 시뮬레이션은 최소 길이 스케일을 건너뛰어 계산 비용을 줄이면서도, 시간에 따라 변화하는 난기류의 변동 요소를 자세히 보여준다.   레이놀즈-평균 나비에-스토크스 모델(RANS) RANS 방정식은 나비에-스토크스 방정식의 시간 평균을 취하여 도출되었다. 난기류 효과는 미지의 레이놀즈 응력 항을 추가로 모델링하여 시뮬레이션한다. RANS 시뮬레이션은 평균 흐름을 해결하고 난류 변동을 평균화하므로 다른 두 가지 접근 방식보다 훨씬 비용 효율적이다.   올바른 선택 - DNS, LES 또는 RANS 올바른 난류 모델을 선택하는 것은 모든 시뮬레이션의 중요한 측면이며, 이는 주로 시뮬레이션의 목적, 흐름의 레이놀즈 수, 기하학적 구조 및 사용 가능한 계산 리소스에 따라 달라진다. 학술 연구의 경우 DNS 시뮬레이션은 난류의 근본적인 메커니즘과 구조를 이해하는데 가장 적합한 결과를 제공한다. DNS는 레이놀즈 수가 낮은 경우에 적합하지만, 막대한 시간과 리소스가 필요하기 때문에 대부분의 산업 분야에서는 실용적인 선택이 아니다. 반면에 LES는 일반적으로 레이놀즈 수가 높은 복잡한 형상을 포함하는 산업용 사례를 처리하는데 적합한 옵션이다. LES가 생성하는 고충실도 결과물은 경쟁이 치열한 자동차 시장에서 중요한 한 차원 높은 성능 개선이 가능한 설계를 가능하게 한다. RANS 시뮬레이션은 LES에 비해 근사치의 범위가 넓기 때문에 정확도가 떨어진다. 그러나 정확도와 계산 비용 간의 균형으로 인해 RANS는 계산 리소스와 시뮬레이션 시간이 제한된 업계 사용자에게 일반적인 솔루션이다. 이 방법은 또한 짧은 시간 내에 여러 사례를 분석해야 할 때 널리 사용된다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 생성형 AI의 멀티모달 딥러닝 기술 확산의 계기가 된 오픈AI(OpenAI)의 CLIP(Contrastive Language-Image Pre-Training, 2021) 코드 개발 과정을 분석하고, 사용하는 방법을 정리한다.    ■ 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. 이메일 | laputa99999@gmail.com 페이스북 | www.facebook.com/laputa999 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | http://www.facebook.com/groups/digestpodcast CLIP은 구글이 개발한 자연어 번역 목적의 트랜스포머 모델, 비전 데이터 변환에 사용되는 VAE(Variational Autoencoder) 개념을 사용하여 멀티모달 학습 방식을 구현하였다. 이번 호에서는 그 과정을 설명하고 파이토치로 직접 구현하는 과정을 보여준다. CLIP을 이용하면 유튜브, 넷플릭스와 같은 영상에서 자연어로 질의해 해당 장면을 효과적으로 검색할 수 있다. 참고로, CLIP에서는 트랜스포머가 핵심 컴포넌트로 사용되었다. CLIP과 같이 트랜스포머가 자연어 번역 이외에 멀티모달의 핵심 기술이 된 이유는 비정형 데이터를 연산 가능한 차원으로 수치화할 수 있는 임베딩 기술의 발전과 트랜스포머의 Key, Query, Value 입력을 통한 여러 학습 데이터 조합이 가능한 특징이 크게 작용했다.    그림 1. 멀티모달 시작을 알린 오픈AI의 CLIP 모델(Learning Transferable Visual Models From Natural Language Supervision, 2021)   트랜스포머와 VAE를 이용한 멀티모달 CLIP 네트워크를 좀 더 깊게 파헤쳐 보도록 한다. 앞서 설명된 트랜스포머, 임베딩과 관련된 개념에 익숙하다면, CLIP을 이해하고 구현하는 것이 그리 어렵지는 않을 것이다.    CLIP에 대한 이해 오픈AI에서 개발한 CLIP 모델은 공유 임베딩 공간 내에서 이미지 및 텍스트 형식을 통합하는 것을 목표로 했다. 이 개념은 기술과 함께 이미지와 텍스트를 넘어 다른 양식을 수용한다.(멀티모달) 예를 들어, 유튜브 등 비디오 애플리케이션 내에서 텍스트 검색 성능을 개선하기 위해 공통 임베딩 공간에서 비디오 및 텍스트 형식을 결합하여 모델을 학습시켰다. 사실, 임베딩 텐서를 잠재 공간(Latent Space)으로 이기종 데이터를 변환, 계산, 역변환할 수 있다는 아이디어는 VAE 기술, 구글의 트랜스포머 논문(2017)을 통해 개발자들 사이에 암시되어 있었다. 이를 실제로 시도해본 연구가 CLIP이다.  참고로, CLAP(Contrastive Language-Audio Pretraining)은 동일한 임베딩 공간 내에서 텍스트와 오디오 형식을 통합하는 또 다른 모델로, 오디오 애플리케이션 내에서 검색 기능을 개선하는 데 유용하다. CLIP은 다음과 같은 응용에 유용하다. 이미지 분류 및 검색 : CLIP은 이미지를 자연어 설명과 연결하여 이미지 분류 작업에 사용할 수 있다. 사용자가 텍스트 쿼리를 사용하여 이미지를 검색할 수 있는 보다 다양하고 유연한 이미지 검색 시스템을 허용한다. 콘텐츠 조정 : CLIP은 부적절하거나 유해한 콘텐츠를 식별하고 필터링하기 위해 이미지와 함께 제공되는 텍스트를 분석하여, 온라인 플랫폼의 콘텐츠를 조정하는 데 사용할 수 있다. 참고로, 메타 AI(Meta AI)는 최근 이미지, 텍스트, 오디오, 깊이, 열, IMU 데이터 등 6가지 양식에 걸쳐 공동 임베딩을 학습하는 이미지바인드(ImageBind)를 출시했다. 두 가지 모달리티를 수용하는 최초의 대규모 AI 모델인 CLIP은 이미지바인드 및 기타 다중 모달리티 AI 시스템을 이해하기 위한 전제 조건이다. CLIP은 배치 내에서 어떤 N×N(이미지, 텍스트) 쌍이 실제 일치하는지 예측하도록 설계되었다. CLIP은 이미지 인코더와 텍스트 인코더의 공동 학습을 통해 멀티모달 임베딩 공간을 만든다. CLIP 손실은 트랜스포머의 어텐션 모델을 사용하여, 학습 데이터 배치에서 N개 쌍에 대한 이미지와 텍스트 임베딩 간의 코사인 유사성을 최대화하는 것을 목표로 한다.  다음은 이를 설명하는 의사코드이다. 1. img_en = image_encoder(I)   # [n, d_i] 이미지 임베딩 인코딩을 통한 특징 추출  2. txtxt_emdn = textxt_emdncoder(T)    # [n, d_t] 텍스트 임베딩 인코딩을 통한 특징 추출 3. img_emd = l2_normalize(np.dot(img_en, W_i), axis=1)    # I×W 결합(조인트) 멀티모달 임베딩 텐서 계산 4. txt_emd = l2_normalize(np.dot(txtxt_emdn, W_t), axis=1)  # T×W 결합(조인트) 멀티모달 임베딩 텐서 계산 5. logits = np.dot(img_emd, txt_emd.T) * np.exp(t)   # I×T * E^t 함수를 이용한 [n, n]코사인 유사도 계산 6. labels = np.arange(n) 7. loss_i = cross_entropy_loss(logits, labels, axis=0)  # 이미지 참값 logits과 예측된 label간 손실 8. loss_t = cross_entropy_loss(logits, labels, axis=1)  # 텍스트 참값 logits과 예측된 label간 손실 9. loss = (loss_i + loss_t)/2   # 이미지, 텍스트 손실 평균값   실제 오픈AI 논문에는 <그림 2>와 같이 기술되어 있다.(동일하다.)   그림 2     ■ 자세한 기사 내용은 PDF로 제공됩니다.

앤시스코리아는 다국어 AI 가상 어시스턴트인 ‘앤시스GPT(AnsysGPT)’를 출시했다고 밝혔다. 챗GPT(ChatGPT) 기반으로 구축된 앤시스GPT는 앤시스 엔지니어의 전문 지식 및 AI를 융합해 연중무휴로 신속하게 고객을 지원하는 범용 도구다. 이 가상 어시스턴트는 앤시스 데이터를 기반으로 훈련되어 고객의 가장 시급한 엔지니어링 관련 질문에 유용한 답변을 즉각적으로 제공할 전망이다. 앤시스GPT는 고객이 앤시스 제품, 관련 물리학 및 기타 복잡한 엔지니어링 질문을 할 수 있도록 연중무휴로 가상 어시스턴트에 대한 접근성을 제공한다. 안전하고 사용하기 쉬운 인터페이스를 통해 설계자와 엔지니어가 다양한 공통 언어로 실시간 응답을 받아 시뮬레이션 설정을 간소화하고 관련 학습 기회를 탐색할 수 있도록 지원한다. 최신 버전의 앤시스GPT는 응답 정확성, 성능 및 데이터 규정 준수에 대한 테스트를 거쳐 개발됐다. 앤시스GPT는 제품 설명서, 제품 및 엔지니어링 관련 교육 자료, 자주 묻는 질문(FAQ), 기술 마케팅 자료, 앤시스 학습 포럼 등을 포함한 새로운 퍼블릭 소스로부터 지식을 습득한다. 앤시스는 강화된 인프라를 통해 수천 명의 사용자를 수용할 수 있도록 향상된 보안과 확장성을 제공할 계획이다.     콘티넨탈 오토모티브 루마니아의 유겐 딘카(Eugen Dinca) 열 시뮬레이션 수석 엔지니어는 “복잡한 시뮬레이션은 초보자와 숙련된 엔지니어 모두에게 설정하기 어려울 수 있기에 앤시스GPT의 유용성은 더욱 빛을 발할 것”이라며, “앤시스GPT는 사용하기 쉽고 신뢰할 수 있으며 관련성이 높고 정확한 정보가 빠르게 표시된다는 장점이 있다. 예를 들어, 내가 질문하면 필요한 모든 정보와 관련 문서로의 링크가 포함된 답변을 받게 되는 것”이라고 전했다. 앤시스의 앤소니 더슨(Anthony Dawson) 고객 우수성 부문 부사장은 “앤시스GPT의 출시는 앤시스 고객을 위한 혁신적인 AI 기반 기술 지원 수단의 가용성을 나타낼 것”이라며, “앤시스GPT는 고객이 복잡한 질문에 대한 답변을 스스로 찾을 수 있도록 돕는 보조 도구다. 이번에 출시된 버전은 사용자를 위한 응답 정확도, 성능, 데이터 보안 및 준수성이 향상되어 사용자의 가장 중요한 엔지니어링 질문에 정확하고 신속한 답변을 제공한다”고 밝혔다.

협회지 보러가기   세계 톱 30위권 건축 회사의 BIM 전환 사례 ― LWK+PARTNERS. BIM implementation Case Study of Top 30 Global Architectural Firms ― Building Together with LWK + PARTNERS 그라피소프트 | GRAPHISOFT SE Unlocking the Full Potential of BIM with Open BIM: Insights from a BIM Enrichment Course in Korea Unlocking the Full Potential of BIM with Open BIM: Insights from a BIM Enrichment Course in Korea Calvin Keung Dr City University of Hong Kong | Calvin Keung Dr City University of Hong Kong BIM: from the office to the site with AR BIM: from the office to the site with AR Alexander Sidorov COO GAMMA Technologies | Alexander Sidorov COO GAMMA Technologies 2022/2023 국내 BIM 도입현황 설문 조사 결과 2022/2023 Survey on the Status of BIM Adoption in Korea 이경하 책임연구원 빌딩스마트협회 | Lee, Kyungha Senior researcher buildingSMART Korea 이강 연세대학교 건설IT연구실 | Lee, Ghang Building Informatics Group, Yonsei University 2020 국내 BIM 도입현황 설문 조사 결과 2020 Survey on the Status of BIM Adoption in Korea 이경하 책임연구원 빌딩스마트협회 | Lee, Kyung Ha Senior researcher buildingSMART Korea 이강 교수 연세대학교 건설IT연구실 | Lee, Ghang Professor Building Informatics Group, Yonsei University 건축설계와 BIM - 사회연결망 분석 기법을 활용한 건축설계 도서 작성 오류 발생 원인 분석 Architectural Design and BIM - Analysis of Errors in Architectural Design Book Writing Using Social Network Analysis Techniques 조태용 전무, 본부장 ㈜디에이건축 DXLab | Cho, Taeyong Executive Director DA GROUP, DXLab 인공지능 기반의 건축설계 자동화 기술개발 - 정부 R&D : “연구단 자체실증 Test (3차년도)” Development of Artificial Intelligence baesd Architectural Desigen Automation Technologies-R&D Project : “Research Group Self-verification Test(3rd year).” 조찬원 기술연구소장 ㈔빌딩스마트협회 | Jo, Chanwon Director of Research Center buildingSMART Korea 박소현 ㈔빌딩스마트협회 | Park, Sohyun buildingSMART Korea 디지털 데이터를 활용한 시공현장 사례 및 단계별 기술적용 방안 소개 Case Report: Use of Digital Data on Construction Sites and Its Application by Stage 백대성 선임 연구원 빔스온탑엔지니어링 | Baek, Daesung Senior Researcher BIMSONTOP ENGINEERING 건축설계 자동화와 디지털 트랜스포메이션 Architectural Design Automation and Digital Transformation 양기인 마스터 ㈜삼우종합건축사사무소 | Yang, Kiin Senior Architect SAMOO Architects & Engineers 소규모 건축사사무소 BIM 활용기 : 김국환건축사사무소 BIM use in a small architectural firm : KKH Architects 김국환 소장 김국환건축사사무소 | Kim, Kookhwan Architect KKH Architects 고객 주도의 사무 모듈 설계: 데이터 기반의 권고 사항 수용 Client-Enabled Office Modular Design: Embracing Data- Driven Recommendations 김인한 교수 경희대학교 | Kim, Inhan Professor Kyung Hee University Saddiq Ur Rehman 석박사 통합과정 연구원 경희대학교 | Saddiq Ur Rehman Combined Master’s and Ph.D Researcher Kyung Hee University 2023년 하반기 스마트 건설과 BIM 기술 동향 . 강태욱 연구위원, 공학박사 한국건설기술연구원 | Kang, Tae Woo Ph.D, Research Fellow KOREA INSTITUTE of CIVIL ENGINEERING and BUILDING TECHNOLOGY  

오토데스크는 설계와 제조 워크플로를 연결하여 건물 설계 및 시공 프로세스를 간소화하는 클라우드 기반 솔루션인 ‘오토데스크 인폼드 디자인(Autodesk Informed Design)’을 공개했다. 건축가는 인폼드 디자인을 통해 유효한 결과를 도출하는 사전 정의된 맞춤형 건축 제품을 사용하여 작업할 수 있으며, 제조업체는 제품을 설계 이해 관계자와 공유할 수 있다. 오토데스크는 인폼드 디자인이 지원하는 정보 기반 설계를 통해 제조 원리를 건축 환경에 적용하는 ‘산업화된 건설(industrialized construction)’을 실현하고 건축, 엔지니어링, 건설 및 운영(AECO) 산업을 혁신하는 데 도움을 줄 수 있을 것으로 기대하고 있다. AECO 업계는 인구 증가, 도시화, 글로벌 주택 위기에 대응해야 한다는 압박을 받고 있다. 예를 들어, 2030년까지 약 30억 명의 인구를 수용하려면 매일 10만 채의 저렴한 주택을 새로 건설해야 한다. 또한 건설산업은 낭비가 많은 산업 중 하나이며 전 세계 이산화탄소 배출량의 거의 40%를 차지하기 때문에, 지속가능성을 개선해야 한다는 압박에 직면해 있다. 인폼드 디자인은 오토데스크 디자인 및 제작 플랫폼(Design and Make Platform) 환경의 일부로, 전체 프로젝트 라이프사이클에 걸쳐 팀, 데이터 및 워크플로를 통합하여 더 나은 결과물을 더 빠르게 제공하는 클라우드 연결 소프트웨어 솔루션을 포함한다. 오토데스크는 인폼드 디자인을 통해 AECO 산업이 지속 가능성을 전반적으로 포함하는 산업화된 환경으로 나아갈 수 있도록 지원할 계획이다.      인폼드 디자인은 레빗과 인벤터 등 오토데스크의 두 가지 산업 솔루션에 대한 무료 애드인으로 제공된다. 레빗 2024용 애드인인 ‘오토데스크 인폼드 디자인 포 레빗(Autodesk Informed Design for Revit)’은 설계 전문가가 제조 가능한 건축 제품을 사용하여 설계의 확실성과 품질을 높일 수 있다. 레빗용 애드인은 ▲제품 템플릿을 탐색하고 제조 수준의 디테일을 디자인 파일에 원활하게 통합할 수 있고 ▲건물의 요구 사항에 맞게 건축 제품을 맞춤화하여 제조업체의 사양을 준수할 수 있다. 그리고 ▲설계 결정이 정확하고 제조 가능한지 확인함으로써 프로젝트 위험을 줄이고 오류를 방지한다. 이를 통해 설계 품질을 개선하고 워크로드 용량을 늘리며 오류와 재작업을 줄여준다.  제품 관리자와 제품 엔지니어를 위한 인벤터용 오토데스크 인폼드 디자인(Autodesk Informed Design for Inventor)은 제조 역량을 고객 요구사항에 맞출 수 있다. 인벤터 2024용 애드인은 ▲건축 제품의 파라메트릭 모델을 생성하여 설계자와 협업하고 규정을 준수하는 버전만 사용하는지 확인할 수 있다. 또한 ▲BIM(빌딩 정보 모델링) 콘텐츠를 정의하여 건축 제품이 프로젝트 요구 사항을 충족하고 다른 구성 요소 및 업계 표준과 호환되는지 확인한다. 이외에도 ▲제품 문서화를 간소화하고 제작에 필요한 결과물을 생성할 수 있는 등 더욱 간소화된 설계 및 제조 프로세스를 제공한다.  오토데스크의 라이언 맥마흔(Ryan McMahon) 인폼드 디자인 부문 이사 겸 총괄 매니저는 “오늘날 AECO 업계의 업무 방식은 지속 가능하지도, 확장 가능하지도 않다. 업계가 보조를 맞추려면 더 많이, 더 빠르게, 더 지속 가능하게 건설해야 한다. 그 해답은 바로 산업화된 건설”이라면서, “오토데스크 인폼드 디자인은 설계와 제작을 처음부터 연결하여 산업화된 건설 워크플로를 현실로 구현한다. 이 솔루션은 건축가가 확실하게 설계하고 계획을 실시간으로 검증하는 동시에, 제품 관리자와 엔지니어가 정확한 제조 정보를 설계 팀과 공유할 수 있도록 지원한다. 그 결과 프로젝트가 더 빠르게 완료되고 품질이 향상되며 낭비가 줄어든다”고 전했다.

어도비가 패션 디자이너 크리스찬 코완(Christian Cowan)과 손잡고, 2024 F/W 뉴욕 패션 위크 쇼에서 어도비 프림로즈(Adobe Primrose) 기술을 활용해 전자 장치를 통해 재구성할 수 있는 웨어러블 의상을 공개했다. 어도비는 이번 협업에 대해 “크리에이터가 혁신적인 기술을 사용해 패션 디자인의 한계를 뛰어넘을 수 있는 미래 가능성을 제시한다”고 전했다. 프림로즈 기술로 제작된 어도비×크리스찬 코완 드레스는 코완의 F/W 콜렉션 메인 룩으로 공개됐다. 꽃잎 모양으로 레이저 커팅된 폴리머 분산형 액정 크리스탈 소재를 사용한 디자인은 전자 장치를 통해 코완의 상징적인 별 모양 패턴으로 바뀌며 드레스에 생동감을 부여한다. 또한 각 꽃잎 아래에는 연성 인쇄 회로 기판이 깔려 있어, 꽃잎 색상을 회색과 아이보리 색상으로 번갈아가며 바꿀 수 있다.   어도비 툴은 이 드레스 디자인 프로세스의 각 단계에서 중요한 역할을 했다. 어도비 일러스트레이터로 연성 인쇄 회로 기판 매핑, 패턴 스케치, 꽃잎 위치와 같은 기초 작업을 진행했으며, 어도비 애프터 이펙트를 통해서 매력적인 모션 그래픽으로 드레스에 생동감을 불어넣었다.     2023 어도비 MAX에서 공개된 어도비 프림로즈 드레스는 원단을 살아 숨 쉬는 예술 작품으로 변화시키는 혁신적인 기술을 선보였다. 코완과의 협업은 MAX 이벤트 이후 두 달이 채 되지 않은 시간 동안 콘셉트에서 웨어러블 제품으로 진척됐다.  크리스찬 코완은 “항상 한계를 뛰어넘고 새로운 작업 방식을 수용하기 위해 노력하는 사람으로서, 프로젝트 프림로즈 기술의 가능성을 본 순간부터 2024 F/W 뉴욕 패션 위크에서 어도비와 협력하며 패션과 기술의 접점을 더 깊이 탐구하고 싶다는 생각을 했다”면서, “프로젝트 프림로즈로부터 많은 영감을 얻었지만, 그 중에서도 특히 하나의 의상을 여러 번 반복해서 만들 수 있는 지속가능성에 끌렸다. 이처럼 영향력 있는 기술을 사용해 이전과는 다른 방식으로 원단과 디자인에 생명을 불어넣는 법을 선보일 수 있게 됐다”고 전했다. 어도비의 개빈 밀러(Gavin Miller) 리서치 총괄은 “크리스찬 코완과의 협업은 디자이너가 더 큰 꿈을 꾸고 주변 환경과 상호작용하며 진화하는 의상을 구상하도록 지원할 뿐 아니라, 어도비 제품군이 새로운 가능성의 영역을 개척하는 방법을 제시한다”면서, “프림로즈를 통해 정적인 의상도 예술과 기술의 역동적인 표현으로 탈바꿈할 수 있게 됐다. 프림로즈 기술로 구동되는 어도비 크리스찬 코완 드레스는 크리에이티브와 디자인의 미래를 만들어가는 어도비의 지속적인 비전을 담고 있다”고 말했다.

어도비는 ‘디지털 고객 경험 현황’ 보고서에서 AI(인공지능) 주도의 고객 경험에 대한 아시아 태평양 지역 소비자의 선호도가 글로벌 선두 수준인 반면, 이 지역 브랜드들의 최신 AI 혁신 활용도는 상대적으로 뒤처진다고 밝혔다. 디지털 고객 경험 현황 보고서는 옥스퍼드 이코노믹스(Oxford Economics)가 2023년 6월부터 8월까지 소비자 4000명과 브랜드의 임원 및 직접 보고자 1500명을 대상으로 진행한 글로벌 설문조사를 기반으로 작성됐다. 보고서에 따르면, 아태지역 소비자의 절반에 가까운 48%의 응답자가 인간과의 상호 작용보다 AI 지원 툴이나 서비스를 선택하겠다고 답해 전 세계 평균치(38%)보다 높았다. 그리고 많은 수의 응답자들은 특히 새로운 제품과 서비스를 탐색할 때 인간과 AI라는 두 가지 옵션을 모두 사용하기를 원했다. 생성형 AI를 통한 고객 경험의 이점을 기대하는 아태지역 소비자들의 요구에도 불구하고, 아태지역 브랜드는 글로벌 기업들에 비해 뒤처지고 있는 것으로 나타났다. 글로벌 브랜드 중 18%가 생성형 AI를 활용해 고객 경험 이니셔티브를 강화하고 있는 반면, 아태지역 브랜드는 11%에 그쳤다. 또한 유럽과 미국 브랜드는 이미 AI 전용 예산과 내부 사용 정책을 갖추고 있는 가능성이 아태지역 브랜드보다 두 배 더 높은 것으로 나타났다. 한편으로, 아태지역 브랜드는 향후 12개월 내 생성형 AI 역량을 개선하기 위해 노력하고 있다고 답했다. 47%의 브랜드는 이러한 노력이 주요 고객 경험 과제라고 응답했으며, 고객 경험 기술 스택 통합과 함께 전략적 어젠다의 최우선 순위로 꼽았다.     데이터 관행에 대한 소비자의 관심은 생성형 AI로 확장되고 있다. 아태지역 소비자들은 브랜드가 생성형 AI를 사용할 때 자신의 개인 데이터가 동의 없이 사용되거나(62%) 너무 많은 데이터가 수집되는 것(60%)을 전 세계 소비자 중 가장 많이 우려하는 것으로 확인됐다. 반면 아태지역에서 내부 사용 정책을 수립하기 위한 이니셔티브를 진행하고 있거나 완료한 브랜드는 6%에 불과해, 여전히 많은 브랜드가 소비자의 기대를 충족하고 신뢰를 훼손하지 않도록 보장하는 더욱 강력한 AI 안전 장치를 구축해야 한다는 요구에 대응하지 못하는 것으로 나타났다. 어도비의 던컨 이건(Duncan Egan) 아시아 태평양 및 일본 디지털 경험 마케팅 부사장은 “이번 조사에 따르면 아태지역 소비자는 전 세계 어느 지역보다 빠르게 생성형 AI를 수용하고 있다. 이는 아태지역 브랜드도 인지하고 있으며, 도입이 늦어질 수는 있지만 빠르게 개선될 것으로 예상한다”면서, “대부분의 아태지역 브랜드는 고객 경험 선호도에 발맞추지 못하면 상업적으로 큰 타격을 입을 수 있다는 사실을 인지하고 있다. 따라서 적응 가능한 개인화된 경험과 이를 뒷받침하는 고객 데이터 및 인사이트에 초점을 두고 있다”고 전했다.

글 : 수미르 바티아(Sumir Bhatia) /  레노버 인프라스트럭처 솔루션 그룹(ISG) 아시아태평양 사장   레노버에서 바라본 2023-2024 기술 트렌드 전략적 탐색 및 향후 전망   2023 결산 -  5G와 엣지컴퓨팅의 융합, 대형 언어 모델(LLM)을 통한 생성형 AI, 메타버스 등 중추적인 역할  2023년은 다양한 기술들이 역동적으로 출현했던 한 해로써 IT 테크 생태계의 핵심적인 시기로 손꼽힌다. 특히 AI, 5G, 클라우드 컴퓨팅, 엣지 컴퓨팅, AR, VR 등에 이르는 테크 스펙트럼은 주목할 만한 진화의 과정을 겪어 왔다. IDC에서 실시한 ‘CIO 테크놀로지 플레이북(CIO Technology Playbook) 2023’ 조사에 따르면 한국 기업의 84%가 비즈니스 운영에 AI를 이미 사용하고 있거나 향후 12개월 내로 도입할 계획인 것으로 나타났다. 이처럼 수많은 한국 기업과 최고정보책임자(CIO)들은 AI도입에 대한 강한 의지를 가지고 있으나, 아직까지는 계획 초기 단계에 머물러 있는 것으로 드러났다. AI 투자를 통해 가치를 창출하려면 현 상황에 대한 집중 분석이 필요한 것처럼, CIO들은 AI가 가장 큰 영향력을 끼칠 수 있는 핵심 영역을 확인한 후 AI 도입에 대한 최종 의사 결정을 내릴 것으로 예상된다. 2023년을 마무리하며, 다음은 지난 한 해 동안 산업 전반을 재편하는 데 중추적인 역할을 한 핵심 기술들이다. •    5G와 엣지 컴퓨팅의 융합: 국내 5G 가입자가 약 3천만 명을 넘어서자 인프라 비용 및 보안 등 새로운 우려 사항이 발생하기 시작했다. 이러한 문제를 해결하기 위해 엣지 컴퓨팅을 선택하는 기업들이 점차 늘어나고 있으며, 기업들은 엣지를 통해 실시간 데이터 처리를 통한 예측 분석, 대역폭 최적화, 사용자 경험을 향상시키고 있다. •    대형언어모델(LLM)을 통한 생성형 AI 강화: LLM은 생성형 AI에 필수적인 요소로써, 자연어를 이해하고 콘텐츠를 생성하며 고객들과의 더 나은 상호 작용을 돕는다. 그러나 편향되거나 의도치 않은 콘텐츠를 생성할 수 있다는 우려 속 사용자 신뢰도를 유지하기 위해 LLM의 책임감있는 사용이 무엇보다 중요해졌다. •    메타버스의 발전: 메타버스는 기업들이 고객을 위한 몰입형 및 대화형 경험을 제공하기 위해 AR, VR, NFT를 활용하기 시작하며 주목받기 시작했다. 더불어 지금의 메타버스는 마케팅, 제품 개발 및 서비스 향상 등을 위한 도구로써 기업의 수익 구조를 새롭게 구성할 수 있는 수단으로 진화해가고 있다. 지금까지 기업들은 끊임없이 진화하는 디지털 환경에 발맞춰 왔다. 이러한 모멘텀을 지속하기 위해 기업 내 IT 리더 및 최고경험관리자(CXO)들은 2024년에 떠오를 미래 기술 트렌드에 대비할 필요가 있다. 2024 떠오를 미래 기술 트렌드 - 엣지 AI, 하이브리드 AI, 확장 현실(XR), 데이터 마스킹 등 제시  •       엣지 AI: 엣지 AI는 사물인터넷(IoT)과 결합되고 5G를 활용하며 개인정보 보호를 우선시하는 형태로, 향후 의료, 제조 및 소매업 등 다양한 산업에 혁신을 일으킬 것이다. 일례로 엣지 AI는 실시간 의료 진단 및 예측, 맞춤형 고객 경험을 가능케 한다. 또한, 자율주행 차량은 엣지 AI를 통해 도로에서의 신속한 의사결정이 가능하며 스마트 시티에서는 도시 상황을 실시간 분석함으로써 공공 안전을 향상시킬 수 있다. 이처럼 엣지 AI는 다양한 분야에서 패러다임의 전환을 불러올 것으로 예상된다. •       하이브리드 AI: 기업들은 생성형 AI 어플리케이션을 맞춤형으로 구현하기 위해 완전히 통합된 시스템을 필요로 한다. 이를 위해 엣지에서 클라우드에 이르는 다양한 환경에서의 AI 기반 컴퓨팅이 필요하게 될 것이다. •       확장 현실(XR)을 통한 메타버스 강화: 기업들은 XR을 활용하여 버츄얼 쇼룸 및 이벤트, 몰입형 트레이닝, 공동 작업 공간, 3D 데이터 시각화 등을 구현함으로써 메타버스에 대한 존재감을 향상시킬 수 있다. XR를 전략적으로 활용한다면 고객들의 참여도를 높이고 기업 혁신을 촉진할 수 있을 것이다. •       데이터 마스킹: 갈수록 증가하는 사이버 위협과 엄격한 데이터 보호 규정에 따라 데이터 마스킹 소프트웨어에 대한 수요가 크게 증가할 것으로 예상된다. 예를 들어 의료 분야에서는 환자 기록을 익명화하여 연구를 수행하고, 리테일 산업에서는 향후 분석에 쓰일 수 있는 고객 신원을 보호하며, 금융 기관은 테스트 중 중요한 데이터를 보호할 수 있게 된다. •       메타 클라우드: 멀티 클라우드 채택이 증가함에 따라, 여러 클라우드 환경과 공급업체의 사용으로 인해 조직 내 복잡성이 증가하고 있다. 메타 클라우드는 API를 활용해 호환성 계층을 구축하여 보다 복잡한 멀티 클라우드 환경을 관리하는 효과적인 방법을 제공한다. 또한, 기업들이 다양한 클라우드 플랫폼 전반에 걸쳐 데이터를 관리하고 애플리케이션을 지속적으로 보호할 수 있도록 지원한다. •       하이브리드 클라우드 데이터 관리 솔루션: 하이브리드 및 AI 시대의 고급 데이터 관리 솔루션은 복잡한 데이터 문제를 해결하는 클라우드 네이티브 아키텍처를 제공한다는 점에서 2024년에 중요한 역할을 하게 될 것이다. •       엔터프라이즈 AI: 기업 내 AI 채택이 증가하면서, 엔터프라이즈 AI 또한 2024년 주요 기술 트렌트로 부상할 것이다. 기업 및 조직 프레임워크 안에서 AI를 통해 필요한 정보를 추출하고 평가를 내리며 이를 통해 적절한 해결책을 제시할 수 있게 될 것이다. •       지속가능성 프레임워크: 기업들은 지속가능성 프레임워크 및 전략을 구축하고 환경 관리 시스템을 통합함으로써, 기업이 환경에 미치는 영향을 줄이고 운영 효율성을 높이는 데 초점을 맞출 것이다. 최근에는 데이터 센터 화재와 관련된 우려가 고조되며, 탄소 배출 및 에너지 소비 감축에 도움을 주는 액체 냉각 기술에 관심이 집중되고 있다. 전문적인 AI 제품이 만들어내는 시너지 효과는 지금의 기술 혁신 시대를 이끌어가는데 매우 중요하다. 기업 내 모든 디바이스 및 인프라 전반에 걸쳐 원활한 커뮤니케이션과 동일한 알고리즘 사용을 보장하기 위해서, 기업들은 AI에 대한 전반적인 준비가 필요하다. 한 해를 맞이하는 지금 새로운 기술들을 적극적으로 수용하는 자세를 갖춘다면, 시대의 흐름을 미리 읽을 뿐만 아니라 기업 경쟁력을 유지할 수 있을 것이다. 격변하는 IT 환경 속 비즈니스 흐름을 탐색하고 단순 생존을 넘어 성공을 이뤄내기 위한 열쇠는 유망 기술 트렌드를 능동적으로 파악하려는 자세에 달려 있다.

2024 AI 시장 전망, 출처: 빙크리에이터(AI로 만든 이미지)   인공지능(AI) 및 분석 선두 기업 SAS가 2024년 AI 시장 전망을 발표했다. 이번 발표는 AI의 주요 트렌드, 비즈니스 및 기술 발전을 예측하고, 각 산업에서 AI의 활용과 사회적, 경제적 영향에 대한 깊이 있는 인사이트가 제공되었다.   SAS가 제시하는 2024년 기업이 주목해야 할 12가지 AI 시장 및 기술 전망은 무엇일까?   1.    생성형 AI, 산업별 AI 전략 강화 2024년에 기업들은 생성형 AI를 산업별 AI 전략을 보완 및 강화하는 요소로 활용하게 될 것이다. 예를 들어, 금융권에서는 스트레스 테스트 및 시나리오 분석에 사용되는 시뮬레이션 데이터를 통해 위험을 예측하고 손실을 예방하며, 의료 서비스 산업에서는 개인 맞춤형 치료 계획을 세울 수 있을 것이다. 또 제조업의 경우, 생성형 AI를 활용해 생산 과정을 시뮬레이션 할 수 있어 품질, 안정성, 유지보수, 에너지 효율성 및 수율에 대한 개선 사항을 파악할 수 있다. 2.    AI 활용 새로운 일자리 창출 2023년에는 AI로 인해 사라질 일자리를 걱정했다면, 2024년에는 AI가 창출할 일자리에 관심이 높아질 것이다. 대표적으로 모델의 잠재력을 실제 적용과 연결시키는 프롬프트 엔지니어링(Prompt Engineering)을 예로 들 수 있다. AI는 기술 수준과 직무에 관계없이 모든 실무자의 업무 효과와 효율성을 높이는데 도움을 준다. 2024년 이후 몇 년 동안은 새로운 AI 기술이 고용 시장에 일시적인 혼란을 야기할 수 있지만, 앞으로 경제 성장을 견인할 많은 신규 일자리와 직무를 창출할 것이다. 3.    책임감 있는 AI 마케팅 강화 마케팅 담당자는 AI의 오류를 인식하고 편견이 개입할 수 있는 가능성을 경계하는 등 의식적으로 책임감 있는 마케팅을 실천해야 한다. AI는 마케팅과 광고 프로그램을 개선할 수 있는 가능성을 제시하지만, 편향된 데이터와 모델은 편향된 결과를 가져올 수 있기 때문이다. SAS 마케팅 부서는 마치 식품 성분표와 같은 AI를 위한 모델 카드를 사용하고 있다. AI를 생성하거나 적용하는 사람은 그 영향력에 대한 책임이 있기 때문에 모든 마케팅 담당자는 기술적 노하우에 관계없이 모델 카드를 검토하고, 알고리즘의 효과 및 공정성을 검증하며 필요에 따라 이를 조정할 수 있어야 한다. 4.    금융권, AI로 증가하는 사기 범죄 대응 소비자들이 금융 사기에 대한 경각심을 높이고 있지만, 사기꾼들은 생성형 AI와 딥페이크 기술을 활용해 수십조 원 규모에 달하는 사기 실력을 키우고 있다. 피싱 메시지는 더 정교해지고, 가짜 웹사이트는 진짜처럼 보이며, 사기꾼은 몇 초 만에 음성을 복제할 수 있다. 금융기관이 급증하는 피싱 및 다양한 사기에 대해 더 큰 책임을 지도록 하는 규제 변화로 인해 그간 AI 도입에 미온적이었던 은행 및 소규모 금융 기관들이 AI를 적극적으로 도입하게 될 것이다. 5.    CIO, 쉐도우 AI(Shadow AI) 문제 직면  과거에 ‘쉐도우 IT’로 어려움을 겪었던 CIO들은 이제 IT 부서의 공식 승인이나 모니터링 없이 조직에서 사용하거나 개발한 솔루션인 이른 바 ‘쉐도우 AI’에 직면하게 될 것이다. 직원들은 생산성 향상을 위해 좋은 의도로 생성형 AI 도구를 지속적으로 사용할 것이며, CIO는 이를 어느 정도까지 수용해야 하는지, 관련 위험으로부터 조직을 보호하기 위한 안전장치 마련에 고민하게 될 것이다. 6.    새로운 첨단 기술로 멀티모달 AI(Multimodal AI)와 AI 시뮬레이션이 부상할 것 생성형 AI의 차세대 목표는 텍스트, 이미지 및 오디오를 단일 모델로 통합하는 멀티모달 AI(Multimodal AI) 구현이다. 멀티모달 AI는 다양한 범위의 입력을 동시에 처리할 수 있어 더 많은 상황 인식 애플리케이션으로 효과적인 의사 결정을 가능하게 한다. 일례로 3D 객체, 환경 및 공간 데이터의 생성이 가능하며 증강현실(AR), 가상현실(VR), 디지털 트윈과 같은 복잡한 물리적 시스템의 시뮬레이션 등에 적용될 수 있다. 7.    디지털 트윈 도입 가속화 AI와 사물인터넷(IoT) 분석과 같은 기술은 제조, 에너지, 정부 등 경제의 중요한 산업 부문에 활력을 불어넣고 있다. 공장 근로자나 기업 경영진은 이러한 기술을 이용해 대용량 데이터를 기반으로 더 나은 의사결정을 신속하게 내릴 수 있다. 2024년에는 실시간 센서와 운영 데이터를 분석하고 공장, 스마트 도시, 에너지 그리드와 같은 복잡한 시스템의 복제본을 생성하는 디지털 트윈 기술이 확산되면서 AI와 IoT 분석의 도입이 가속화될 것이다.  8.    보험업계, AI로 기후 위기 대처 기후 변화는 이제 막연한 추측을 넘어 실질적인 위협이 되었다. 자연재해로 인한 전 세계 보험 손실액은 2022년에 1,300억 달러를 넘어섰고, 전 세계 보험사들은 경제적 압박을 느끼고 있다. 이러한 위기에서 살아남기 위해 보험사들은 자사가 보유한 방대한 데이터 저장소의 잠재력을 활용해 유동성을 강화하고 경쟁력을 갖추기 위해 AI를 도입할 것이다. AI는 보험사가 동적인 보험료 책정 및 위험 평가에서 이익을 실현하는 것 외에도 보험 청구 처리, 사기 탐지, 고객 서비스의 자동화와 품질 개선에 도움을 줄 것이다. 9.    정부 내 AI 중요성 확대  AI가 인력 수급에 미치는 영향은 정부에서도 예외가 아니다. 전문가들의 높은 급여 요구에 따라 정부는 AI 인재를 영입하고 유지하는데 어려움을 겪고 있지만, 규제 정책을 지원하기 위해 전문성을 갖춘 인재를 적극적으로 채용할 것이다. 기업과 마찬가지로 정부도 생산성 증가, 단순 업무 자동화 및 인력 부족 문제를 해소하기 위해 AI와 분석에 점점 더 의존하게 될 것으로 전망된다. 10.    생성형 AI로 환자 치료 개선 건강을 증진하고 환자 및 보험 가입자 경험을 개선하기 위해 의료기관 및 보험사는 2024년 임상 실험에 사용할 환자별 아바타 생성, 개인화된 치료 계획 생성 등 맞춤형 의료를 위한 생성형 AI 기반 도구 개발에 적극적으로 나설 것이다. 또한 임상 의사결정 지원을 위한 생성형 AI 기반 시스템이 등장해 보험자, 의료 서비스 제공자 및 제약사에 실시간으로 지침을 제공하게 될 것이다. 11.    신중한 AI 적용이 보험사의 성패를 좌우할 것 현재 보험사들은 각자의 비즈니스 모델에 맞추지 않은 자율 시스템을 빠른 속도로 도입하고 있다. 이들은 AI를 이용해 보험 청구를 신속히 처리함으로써 지난 몇 년간의 실적 부진을 상쇄할 것으로 기대하고 있지만 구조조정 후 남은 인력에 업무가 집중돼 AI를 적정 규모에 윤리적으로 배포하기 위한 관리 업무에 어려움을 겪을 것이다. AI에 대한 절대적 믿음을 갖게 될 경우 잘못된 사업 판단을 발생시켜 기업의 붕괴를 초래할 수 있다.  12.    공중 보건 부문에서 학계의 AI 활용 폭 증가 공중 보건은 전례 없는 속도로 기술 현대화를 실현하고 있다. 약물 과다 복용이나 독감 경계 등 공중 보건의 개입이 필요한 요소를 예측하는데 데이터를 사용하는 것은 필수적이다. 예측과 모델링은 빠르게 공중 보건 업무의 기반이 되고 있지만 정부는 여전히 학계의 도움을 필요로 하고 있다. 글로벌 팬데믹 이후 국민 보호를 위해 뛰어난 기술과 협업이 필요하다는 인식이 확고해졌기 때문에 정부를 대신해 AI 기반 모델링과 예측을 수행하는 학계 연구원들이 점차 늘어날 것이다. 주재영 SAS코리아 대표이사는 “AI의 잠재력은 무한하며, 그 활용 범위가 점점 확대되고 있는 만큼 2024년에는 기업이 더 현명한 의사결정을 내리고, 산업별 문제를 해결하며, 개인 맞춤형 서비스를 제공하는 데 AI 기술이 많은 도움을 줄 것”이라며, “SAS는 AI 및 분석 선두 기업으로서 AI 트렌드를 선도하고 고객들이 신뢰할 수 있는 AI를 구축, 활용할 수 있도록 적극 지원할 계획”이라고 말했다.   

에릭슨엘지는 최근 발간된 ‘에릭슨 모빌리티 보고서(Ericsson Mobility Report)’에서 일부 시장의 경제적 어려움과 지정학적 불안에도 불구하고 5G 시장이 성장하고 있다고 전했다. 보고서에 따르면 2023년 5G 신규 가입은 2022년보다 63% 증가한 6억 1000만 건이며, 2023년 말까지 전 세계 모바일 가입의 약 20%를 차지할 전망이다.  2023년 말부터 2029년까지 6년 동안 전 세계 5G 가입 건수는 16억에서 53억으로 330% 이상 증가할 것으로 예상된다. 전 세계 5G 커버리지는 2023년 말에 45%에 도달하고 2029년 말에는 85%에 이를 것으로 보인다.     스마트폰당 전 세계 평균 데이터 소비량은 계속 증가하고 있다. 전체 모바일 데이터 트래픽은 2023년 말부터 2029년 말 사이에 3배 증가할 것으로 예상된다. 이는 향상된 기기 기능, 데이터 집약적인 콘텐츠 증가, 구축된 네트워크 성능의 지속적인 개선과 같은 요인에 따른 것이다. 에릭슨은 “전 세계적으로 더 많은 소비자가 5G를 수용하고 새로운 사용 사례가 등장하면서, 데이터 트래픽의 추가 성장이 일어날 것”이라면서, “대부분의 트래픽은 사람들이 많은 시간을 보내는 실내에서 발생하므로, 실외 뿐 아니라 실내에서도 5G 미드밴드 커버리지를 확장해야 할 필요성이 커지고 있다”고 분석했다. 전 세계 5G 미드밴드 인구 커버리지는 2022년 30%에서 올해 40%로 증가했는데, 에릭슨은 5G 미드밴드가 고용량과 넓은 커버리지를 결합하여 완전한 5G 경험을 제공하는 데 적합할 것으로 보고 있다.  한편, 보고서는 제조 산업에서 5G가 어떻게 생산량의 주요 결정 요인이 되는지, 그리고 자원의 급속한 변화와 재분배를 지원하는데 필요한 민첩성을 어떻게 구현하는지에 대해서도 소개했다. 생산 공장에는 작업자를 위한 무선 태블릿, 주문형 원격 지원, AGV 및 로봇, 품질 모니터링을 위해 AI 데이터를 수집하는 센서와 카메라 등이 네트워크와 연결된다.  에릭슨 보고서는 “5G 네트워크는 넓은 지역을 수용하는데 더 적합하며, 이런 면적을 커버하는 데 필요한 와이파이 액세스 포인트 수는 일반적으로 5G 실내 라디오 수보다 훨씬 많다. 또한 와이파이 네트워크에서는 액세스 포인트 간의 핸드오버로 인해 짧은 트래픽 중단이 발생할 수 있다”고 짚었다. 특히 최대 10만 제곱미터인 일반적인 제조 작업 공간보다 5배 이상 큰 ‘기가팩토리’에서 수요에 맞춰 생산 라인 및 공장 자원을 빠르게 변경하거나 재배치하기 위해서는 5G 기반의 무선 네트워크가 적합하다는 것이 에릭슨의 시각이다.  에릭슨의 프레드릭 제이들링(Fredrik Jejdling) 네트워크 사업부문장 겸 수석 부사장은 “올해 전 세계적으로 6억 건 이상의 5G 가입이 추가되고 모든 지역에서 증가하는 가운데 고성능 연결에 대한 수요가 강력하다는 것은 분명하다”면서, “5G의 출시가 계속되고 있으며 5G 독립형(standalone) 네트워크의 수가 증가하고 있어 소비자와 기업 모두를 위해 더욱 다양하고 새로운 요구사항에 대한 애플리케이션을 지원할 수 있는 기회가 제공되고 있다”고 전했다.