산업 디지털 전환을 위한 버추얼 트윈 (1)   이번 호부터 산업 분야에서 버추얼 트윈(virtual twin)을 구축하고 활용하기 위한 다쏘시스템의 솔루션을 살펴본다. 첫 번째로 소개하는 다이몰라(CATIA Dymola)는 모델 기반 시스템 설계와 시뮬레이션을 위한 툴이다. 다이몰라는 다양한 산업 분야에서 사용되며, 기계, 전기, 열, 유체, 제어 시스템 등 다양한 시스템의 거동(behavior)을 모델링 및 시뮬레이션할 수 있다. 다이몰라를 알기 위해서는 우선 모델리카(Modelica)에 대해 알아야 한다.   ■ 안치우 다쏘시스템코리아의 카티아 인더스트리 프로세스 컨설턴트로 CATIA Dymola를 활용한 1D 시뮬레이션을 담당하고 있다. 관심 분야는 Modelica, FMI, 1D~3D 코시뮬레이션, SysML 기반의 Modelica 모델 개발이며 LG전자, 삼성전자, SK하이닉스 등 다수의 프로젝트 및 제안을 수행하고 있다. 홈페이지 | www.3ds.com/ko   1D 시뮬레이션이란 시간의 흐름에 따라 지배 방정식을 1차원으로 한정지어 계산하는 방법을 의미한다. 예를 들어, 스프링-댐퍼 시스템에서 길이 방향인 하나의 차원에서 수학적 모델링을 통해 빠른 시간 내에 결과를 도출해 검토할 수 있다. 장점으로는 모델 구성 및 검토의 시간이 빠르고, 표현의 제약이 적으며, 시스템간 상호 작용을 효율적으로 검토 가능하다. 단점으로는 시스템의 기능을 수식화하기 위해 도메인(domain)에 대한 높은 이해도가 필요하고, 인풋(input) 정보의 품질에 따라 아웃풋(output)이 민감하게 반응한다.   모델리카는 시스템 모델링을 위한 언어이다. 모델리카(Modelica)는 1996년 모델리카 어소시에이션(Modelica Association)에 의해 개발된 시스템 모델링을 위한 언어이다. 무료로 사용할 수 있고, 여러 개발자 및 전문가에 의해 개발되고 있다. 모델리카는 시스템 모델링을 지원하며, 다쏘시스템에서는 시스템 모델링의 원활한 시뮬레이션을 위한 솔버 알고리즘을 개발하고 있다. 다이몰라에는 모델 시뮬레이션을 위한 다양한 솔버가 내장되어 있다. 사용자는 문제 해결을 위한 미분방정식에 대한 표현을 모델리카 문법에 맞게 표현함으로써 시뮬레이션을 위한 모델링은 끝났다고 볼 수 있으며, 이러한 이유 때문에 모델리카는 C, C++, 포트란(Fortran) 등 타 언어에 비해 코드량이 적다는 것을 알 수 있다. 모델리카의 모델링 방법에는 텍스트 타입으로 방정식을 정의할 수 있고, 또한 유저에게 친근한 GUI(그래픽 사용자 인터페이스)를 활용한 객체 모델링 기반으로 모델을 구성할 수 있다.    모델리카는 비인과적/인과적 해석을 모두 지원한다. 인과적(causal) 모델링과 비인과적(acausal) 모델링은 둘 다 시스템이나 현상을 설명하고 예측하기 위한 방법론이다.   그림 1   비인과적 모델링은 원인과 결과 간의 인과 관계를 명확히 구분하지 않고 시스템의 구성요소 간의 관계를 모델링하는 방법이다. 이 방법은 일반적으로 동적 시스템의 거동을 설명하거나 예측할 때 사용하며, 시스템의 구성 요소와 그들 간의 관계를 수학적 방정식으로 표현하여 시스템의 동작을 설명한다. 각 요소가 다른 요소에 의해 어떻게 영향을 받는지를 보다 전체적으로 이해하는 데에 도움이 된다. 인과적 모델링은 원인과 결과 간의 인과관계를 중심으로 모델을 구성한다. 이 모델링 기법은 일반적으로 인과관계를 고려하여 시스템의 동작을 설명하고 예측한다. 예를 들면 A가 B에 어떻게 영향을 주는지, 또는 어떤 요인이 결과에 어떻게 기여하는지를 분석한다. 주로 원인과 결과 간의 관계를 나타내는 도표나 그래프를 사용해 시각화하며, 시간의 흐름을 고려하여 이전 사건이 이후 사건에 어떻게 영향을 미치는지를 이해한다.  비인과적 모델링은 물리적 시스템의 동작을 설명하는데 유용하다. 예를 들어, 열 전달, 유체 흐름, 전기 회로 등과 같은 시스템에서 원인과 결과 간의 명확한 인과 관계를 파악하기 어려운 경우가 있다. 이러한 시스템은 에너지, 질량 또는 정보의 흐름을 모델링하여 설명할 수 있다.    모델리카는 해석 솔버에 대한 개발이 필요 없다. 실제 모델링 후 유저는 소스코드를 볼 수 있고, 해석 결과를 확인 할 수 있다. 그렇지만 솔버에 대한 구현 방식은 확인할 수 없다. 다이몰라에 솔버가 내장되어 있어 유저는 미분방정식에 대한 표현을 모델리카 문법에 맞게 표현하면, 유저가 모델링한 시스템에 대한 해석 결과를 확인할 수 있다. 이러한 이유로 인해 모델리카의 코드량은 타 언어에 비해 적다. 솔버가 해석 결과를 보여주기 위해 <그림 2>를 참조하면, 모델리카 file(*.mo)를 C 언어로 변환하고 참조할 라이브러리와 함께 컴파일을 수행하기 때문에 유저는 이 과정을 인식하지 못하는 경우가 많다.   그림 2     ■ 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.

개발 및 공급 : 엔비디아 주요 특징 : AI 처리를 위한 3세대 텐서 코어 및 레이 트레이싱을 위한 2세대 RT 코어 탑재, 암페어 아키텍처 기반의 CUDA 코어 탑재해 그래픽/컴퓨팅 처리속도 향상, 전문가 작업의 데이터를 처리속도 향상 위한 메모리 대역폭 증가, 효율적인 비디오 처리를 위한 인코딩/디코딩 엔진 탑재 등   엔비디아가 새로운 엔비디아 RTX A400과 RTX A1000 GPU를 통해 RTX 전문가용 그래픽 제품을 확장하고, 디자인을 비롯한 AI 기반 생산성 워크플로를 강화한다고 밝혔다. 디자인과 생산성 애플리케이션 전반에 걸친 AI 통합이 새로운 기준으로 자리잡으면서 고급 컴퓨팅 성능에 대한 수요가 증가하고 있다. 즉, 전문가와 크리에이터들은 프로젝트의 규모와 복잡성 또는 범위에 관계없이 향상된 컴퓨팅 성능을 활용해야 한다. 엔비디아 암페어(Ampere) 아키텍처 기반의 RTX A400과 RTX A1000 GPU는 이렇게 증가하는 수요를 충족하기 위해 개발됐으며, AI와 레이 트레이싱 기술에 대한 접근성을 확대해 전문가들이 일상적인 워크플로를 혁신하는데 필요한 도구를 제공한다.   ▲ 엔비디아 RTX A400   향상된 성능으로 창의성 및 효율 향상 지원 RTX A400 GPU는 RTX 400 시리즈 GPU에 가속화된 레이 트레이싱과 AI를 도입했다. 이 GPU는 AI 처리를 위한 24개의 텐서 코어(Tensor Cores)를 탑재해 기존 CPU 기반 솔루션을 넘는 성능을 제공한다. 이를 통해 전문가들은 지능형 챗봇, 코파일럿과 같은 최첨단 AI 애플리케이션을 데스크톱에서 직접 실행할 수 있다. 또한 GPU는 실시간 레이 트레이싱을 제공하므로 크리에이터는 생생하고 물리적 정확도가 높은 3D 렌더링을 제작할 수 있다. A400은 시리즈 최초로 4개의 디스플레이 출력을 지원해 금융 서비스, 명령과 제어, 유통, 운송과 같은 산업에 필수적인 고밀도 디스플레이 환경에 적합하다. 엔비디아 RTX A1000 GPU는 RTX 1000 시리즈 GPU에 처음으로 텐서 코어와 RT 코어를 도입했다. 이를 통해 전문가와 크리에이터를 위한 가속화된 AI와 레이 트레이싱 성능을 제공한다. A1000은 72개의 텐서 코어를 탑재해 이전 세대에 비해 업그레이드된 성능을 갖췄다. 스테이블 디퓨전(Stable Diffusion)과 같은 도구에서 3배 이상 빠른 생성형 AI 프로세싱을 제공하며, 18개의 RT 코어는 그래픽과 렌더링 작업 속도를 최대 3배까지 높여 2D와 3D CAD, 제품과 건축 설계, 4K 비디오 편집과 같은 전문적인 워크플로를 가속화한다. 더불어 A1000은 이전 세대보다 최대 38% 더 많은 인코딩 스트림을 처리하고 2배 더 빠른 디코딩 성능을 제공하는 등 비디오 처리 능력을 높였다.   ▲ 엔비디아 RTX A1000   차세대 기능을 통한 성능 강화 A400과 A1000 GPU는 싱글 슬롯 디자인에 전력소비량이 50W이며, 콤팩트하고 에너지 효율적인 워크스테이션을 위해 향상된 기능을 제공한다.  2세대 RT 코어 : 건축 도면, 3D 디자인, 콘텐츠 제작 등 모든 전문 워크플로를 위한 실시간 레이 트레이싱, 사실적인 물리 기반 렌더링과 시각화, 정확한 조명과 그림자 시뮬레이션으로 작업 품질을 높일 수 있다. 3세대 텐서 코어 : 생성형 AI, 이미지 렌더링 노이즈 제거, 딥러닝 슈퍼 샘플링과 같은 AI 증강 도구와 애플리케이션을 가속화해 이미지 생성 속도와 품질을 개선한다.  암페어 아키텍처 기반 쿠다 코어 : 암페어 아키텍처 기반의 쿠다(CUDA) 코어는 이전 세대 대비 최대 2배의 단정밀도 부동 소수점 처리량으로 그래픽과 컴퓨팅 워크로드의 속도를 크게 높인다. 4GB/8GB 메모리 : A400 GPU의 4GB와 A1000 GPU의 8GB GPU 메모리는 다양한 전문가용 요구 사항을 충족한다. 여기에는 기본적인 그래픽 디자인과 사진 편집부터 텍스처나 고해상도 편집, 데이터 분석이 필요한 까다로운 3D 모델링 등이 포함된다. 또한 이 GPU들은 이전 세대보다 메모리 대역폭이 증가해 데이터를 더 빠르게 처리하고 대용량 데이터 세트와 장면을 더 원활하게 처리할 수 있다. 인코딩/디코딩 엔진 : 7세대 인코드(NVENC)와 5세대 디코드(NVDEC) 엔진을 탑재한 새 GPU는 효율적인 비디오 처리를 기능을 제공한다. 이를 통해 초저지연으로 고해상도 비디오 편집, 스트리밍, 재생을 지원한다. 또한 AV1 디코드가 포함돼 더 많은 비디오 포맷을 더 효율적이고 원활하게 재생할 수 있다.   RTX 솔루션의 활용 범위 확대 엔비디아는 새로운 GPU가 최첨단 AI, 그래픽, 컴퓨팅 기능 등을 통해 사용자의 생산성을 높이고 창의적인 가능성을 열어준다고 전했다. 레이 트레이싱 렌더링과 AI가 포함된 고급 워크플로를 통해 전문가들은 작업의 한계를 뛰어넘고 놀라운 수준의 사실감을 구현할 수 있다. 기획 담당자들은 강력하고 에너지 효율적인 새로운 컴퓨팅 솔루션을 에지 배포에 사용할 수 있다. 크리에이터는 편집과 렌더링 속도를 높여 더욱 풍부한 시각적 콘텐츠를 제작할 수 있다. 건축가와 엔지니어는 아이디어를 3D CAD 개념에서 실제 디자인으로 원활하게 전환할 수 있다. 스마트 공간에서 작업하는 경우에는 공간 제약이 있는 환경에서 실시간 데이터 처리, AI 기반 보안, 디지털 사이니지 관리 등에 GPU를 사용할 수 있다. 또한 의료 전문가들은 더 빠르고 정밀한 의료 영상 분석을 수행할 수 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

더욱 빠르고 효율적인 제품 개발을 위한 AI 기술 본격화 추진   제조산업에서도 AI(인공지능)에 대한 관심이 높아지고 있다. 한편으로 실질적인 AI 도입과 활용에 대한 제조업계의 고민도 커졌다. 알테어는 시뮬레이션, HPC, 클라우드, 데이터 애널리틱스 등 자사의 기술 역량을 바탕으로 제조산업을 위한 AI 기술 개발을 가속화하고 있으며, 향후 본격적으로 제조시장에 확산시킨다는 전략을 내세웠다. ■ 정수진 편집장   ▲ 한국알테어 이승훈 기술 총괄 본부장은 제품 개발에서 AI의 활용이 구체화되고 있다고 짚었다.   제조산업에서 AI에 대한 관심이 높아지고, 도입과 활용이 확산되는 배경은 무엇이라고 보는지 제품의 생산 방식이 다품종 소량 생산 방식이 확대되면서 제품의 개발 주기가 꾸준히 짧아지고 있다. 이에 따라 제품 개발과 관련한 예측과 의사결정은 더욱 빨라져야 한다는 요구도 높다. 이를 위해 프로토타입을 만들어 실험하는 방식에서 컴퓨터와 CAE 소프트웨어를 사용하는 시뮬레이션으로 변화해 왔는데, 시뮬레이션 역시 해결해야 하는 과제가 있다. 시뮬레이션을 활용하려면 전문적인 엔지니어링 지식이 필요하고, 시뮬레이션에 걸리는 시간이 더욱 빨라지는 제품 개발 주기에 맞추기 어려워졌다. 시뮬레이션이 제품의 초기 개발에서 생산까지 더욱 폭넓게 쓰이는 상황이 시뮬레이션 기반의 의사결정에 걸리는 시간을 늘리게 된 측면도 있다. AI는 이에 대한 해결책으로 관심을 모으고 있다. 제조업체에서 실험 데이터와 해석 데이터가 상당히 쌓여 있는 상황인데, 이를 AI 학습에 활용해서 빠르게 인사이트를 얻고 제품 개발에 반영할 수 있겠다는 아이디어가 이제 구체화되고 있는 시점이라고 볼 수 있겠다.   최근 AI와 관련한 제조산업의 동향이나 이슈가 있다면 제조업체에서 해석 데이터와 실험 데이터가 쌓여 있기는 한데, 이 데이터가 각 엔지니어의 PC에 흩어져 있는 것이 현실이다. 이에 따라 여러 곳에 저장된 데이터를 통합 관리하는 시스템에 대한 요구가 있다. 또한, 이 데이터를 AI에 활용하기 위한 추가 가공의 자동화에 대한 목소리도 있다. 엔지니어링 데이터를 AI에 활용하기 위해서는 AI에 맞는 데이터의 전처리(pre-processing)가 중요하다. 전처리란, 아무렇게나 쌓여 있는 데이터를 분류하고 AI에 적용하기 위해 적절한 포맷의 데이터로 변환하는 작업을 가리킨다. 이 부분에서 많은 제조기업 고객사들이 데이터를 어떻게 가공해야 할 지에 대한 고민을 갖고 있기도 하다. 이전에는 파이썬(Python)과 같은 프로그래밍 언어를 배워서 데이터 변환 코드를 만들어야 했는데, 알테어는 데이터를 자동으로 변환할 수 있는 솔루션을 제공해 쌓여 있는 데이터의 분류와 정제 과정을 더 쉽게 할 수 있도록 돕는다. 이런 부분에서 LG전자의 사레를 소개할 만하다. LG전자는 알테어와 협업해서 해석 엔지니어가 퇴근한 후에 해석 데이터를 취합하고 변환과 AI 학습까지 수행하는 자동화 시스템을 구축했다. 학습된 AI는 웹 환경에서 설계 엔지니어에게 필요한 데이터를 제공하고, 설계 엔지니어는 제품에 대한 치수나 조건을 입력하면 시뮬레이션을 거치지 않고 빠르게 가상 시험 결과를 확인할 수 있게 됐다. AI는 제품의 초기 개발 단계뿐 아니라 전체 개발 과정에 적용할 수 있다. 초기 단계에서는 실험에서 나온 데이터가 존재한다면 이를 기반으로 어떤 결과가 나올지 쉽게 확인할 수 있다. 이후 단계에서도 다양한 데이터를 학습해 추가적인 예측을 할 수 있고, 대시보드 등을 통해 누구나 데이터 및 예측 결과를 확인하거나, 몇 가지 조건을 입력해 새로운 예측을 할 수 있는 단계로 나아갈 수도 있다. 최종 단계의 데이터는 후속 제품이나 다른 제품을 개발할 때 활용하는 것도 가능하다.   제품 개발 사이클의 단축이라는 점에서는 시뮬레이션이 가져다 줄 수 있는 이점과 비슷한 부분이 있어 보인다. AI의 역할은 시뮬레이션을 보완하는 것인가, 아니면 시뮬레이션을 대신할 수 있는 것인가 지금은 AI가 기존의 시뮬레이션을 완전히 대체할 수 있는 단계는 아니다. 하지만 AI를 통해 제품의 초기 개발 단계에서 데이터 기반의 예측 결과를 빠르게 얻을 수 있고, 향후 설계를 위한 인사이트를 얻을 수 있다는 점에서 의미가 있다. AI를 학습시키기 위한 데이터는 필요하기 때문에 시뮬레이션은 여전히 중요하다. 지금의 상황은 실험이나 해석 데이터를 기반으로 AI를 통해 인사이트를 얻는 단계라고 볼 수 있다. 시뮬레이션이 자리잡기까지의 과정을 살펴보면, 초기에는 실험과 시뮬레이션을 함께 사용하다가 시뮬레이션 부분이 강화되면서 실험의 비중을 줄여 왔다. 앞으로 AI 기술이 더욱 발전하고 데이터가 더 많이 쌓인다면 AI가 확대되고 시뮬레이션이 줄어들 수도 있을 것 같다. 이런 흐름은 단계적으로 일어날 수도 있고, 제품별로 변화의 속도가 달라질 수도 있다고 본다.   ▲ 알테어는 시뮬레이션과 연계해 제조 분야에서 활용할 수 있는 AI 솔루션을 내세운다.   제조산업의 AI 활용을 위한 알테어의 기술 차별점은 무엇인지 알테어는 멀티피직스 시뮬레이션뿐 아니라 복잡한 시뮬레이션을 활용하기 위한 고성능 컴퓨팅(HPC)과 클라우드, 데이터 애널리틱스와 AI 등 폭넓은 기술 역량을 갖추었다는 점에서 차별점이 있다고 본다. 이는 온프레미스와 클라우드, CPU 컴퓨팅과 GPU 컴퓨팅을 모두 지원해 시뮬레이션 및 AI를 유연하게 활용하도록 도울 수 있다는 뜻이다.  알테어는 지난 2022년 데이터 기반 AI를 위한 머신러닝 분석 플랫폼인 래피드마이너(RapidMiner)를 인수하면서 AI 분야 진출을 시작했다. 래피드마이너는 제조뿐 아니라 BFSI(은행.금융.서비스.보험) 등 다양한 산업에서 활용할 수 있는 솔루션이다. 예를 들어, 고객 지원이나 불만사항에 대한 다응, 주가 예측 등에도 래피드마이너가 유용하다. 또한, 2023년부터는 래피드마이너 등 기존 제품군으로 AI 시장에 대응하는 것 외에 제조산업을 타깃으로 하는 특화 기술을 개발했고, 올해는 이 부분을 본격적으로 선보이고자 한다. 제조산업을 위한 알테어의 AI 기술로는 설계 탐색과 최적화를 위한 디자인AI(DesignAI), 비슷한 형상을 자동 인식하고 분류하는 셰이프AI(shapeAI), 해석 결과를 학습해 물리현상을 빠르게 예측하는 피직스AI(physicsAI), 시스템 레벨에서 빠른 3D → 1D 변환을 위한 롬AI(romAI)가 있다.  이런 AI 기술은 적은 수의 데이터로도 학습이 가능하며, 알테어의 기존 시뮬레이션 솔루션 제품군에 들어가는 형태로 제공되어 익숙한 인터페이스로 사용할 수 있다. 하이퍼메시(HyperMesh)에는 이미 피직스AI와 셰이프AI가 포함되어 있고 향후 심랩(SimLab)과 인스파이어(Inspire)를 비롯해 다양한 솔루션에 AI가 추가될 예정이다. 알테어는 래피드마이너를 활용한 데이터 기반의 AI와 시뮬레이션 기반의 AI를 모두 지원한다. 그리고 타사 솔루션의 데이터를 활용할 수 있는 개방성과 유연한 라이선스 사용도 장점으로 내세우고 있다.    향후 제조 분야의 AI 전망과 알테어의 전략을 소개한다면 AI에 대한 고객들의 기대치가 높다고 느낀다. 알테어는 지난 4월 4일 ‘AI 워크숍’을 진행했는데, 기업의 의사결정권자부터 현업 엔지니어까지 예상보다 많은 분들이 참여해 높은 관심을 보였다. 관심이 높은 만큼 실제 활용 방향에 대한 고민이 많다는 것을 알 수 있었다. 사용자의 기대치와 실제로 할 수 있는 것 사이의 거리, 알테어와 같은 솔루션 기업과 사용자인 제조기업의 시각차도 어느 정도 확인할 수 있었다. 이런 부분은 고객들을 많이 만나고 의견을 나누면서 간극을 좁혀야 할 것 같다. 당장 AI가 시뮬레이션을 완벽하게 대체하기는 어렵겠지만, 클라우드 기반의 통합 환경에서 시뮬레이션과 AI를 통합해 사용할 수 있도록 하는 것을 목표로 삼고 있다. 클라우드는 데이터의 통합 관리와 공유 측면에서도 이점이 있다고 본다. 시뮬레이션과 AI를 위해 대규모 데이터를 관리하기 어려운 소규모 기업은 클라우드의 장점에 주목할 만하다고 본다. 한편으로 보안 등의 우려를 가진 기업에게는 프라이빗 클라우드 환경을 제공해 데이터 보안을 유지하면서 알테어 원 클라우드와 동일한 환경에서 작업할 수도 있다. 알테어는 AI 솔루션 제품군을 빠르게 업데이트하면서 사용자의 피드백을 반영하고 있다. 고객들이 AI에 대해 갖고 있는 기대치 또는 눈높이가 상당히 높은 것으로 보여서, 이에 대응해 경쟁 우위를 확보하고자 노력 중이다. 제조 분야에서도 AI에 대한 관심이 높지만, 어떻게 활용할지에 대한 고민이 큰 상황으로 보인다. 알테어는 이런 부분에서 도움을 줄 수 있도록 AI 기술 개발과 함께 커스터마이징과 컨설팅 등을 폭넓게 제공하고자 한다. 본사의 개발팀과도 활발히 소통하면서 사용성이나 적용 범위 등에 대한 고객의 어려움을 덜고, 최대한 빠르게 고객이 원하는 AI를 구현할 수 있도록 할 계획이다.     ■ 기사 내용은 PDF로도 제공됩니다.

로크웰 오토메이션이 지난 3월 열린 ‘2024 스마트공장·자동화산업전’에 참가해 생산 최적화부터 디지털 전환과 지속가능성을 위한 자사의 기술을 선보였다. 로크웰 오토메이션은 생산/제어 설비부터 클라우드 및 AI(인공지능) 소프트웨어까지 폭넓은 솔루션 포트폴리오를 바탕으로 제조기업의 빠른 디지털 전환을 지원한다는 비전을 소개했다. ■ 정수진 편집장   제조 혁신을 위해 클라우드와 AI에 대한 관심 증가 로크웰 오토메이션의 스콧 울드리지 아태지역 사장은 로크웰 오토메이션의 연례 스마트 제조 리포트 내용을 인용해 “에너지 비용, 물가, 인건비의 상승에 대응하기 위한 자동화와 최적화가 제조산업이 꼽은 주요 과제였다. 또한, 많은 기업이 기술 투자를 늘릴 계획을 갖고 있는데, 기술 투자 분야 중에서는 클라우드와 SaaS(서비스형 소프트웨어)가 몇 년간 각광을 받고 있다. 제조 플랫폼을 쉽고 일관된 방식으로 배포하는 데에 기업들이 관심을 가진 것으로 볼 수 있다”고 소개했다. 로크웰 오토메이션에 따르면, 물가 상승과 인력 부족 문제에 대응해 생산성을 높이기 위한 목적으로 기업들이 AI에 대한 투자를 확대하고 있는 것으로 나타났다. 특히 생성형 AI 및 인과추론 AI가 많은 관심을 받고 있으며, 이미 투자 성숙 단계에 접어든 기업도 적지 않은 상황이다. 로크웰 오토메이션의 설문조사에서는 응답 기업의 85%가 AI 도입 계획이 있다고 답했다. 제조산업에서 AI를 활용하는 목적으로는 품질 개선, 사이버 보안, 로보틱스, 경로 최적화, AMR(자율 이동 로봇) 등이 꼽히면서, AI는 산업 자동화의 핵심 기술로 자리매김할 전망이다.   ▲ 공장의 VR 시뮬레이션을 위한 로크웰 오토메이션의 에뮬레이트3D 플랫폼   스마트한 디지털 제조의 지향점은 자율 운영 공장 로크웰 오토메이션 코리아의 이용하 대표이사는 “전 세게 디지털 전환 시장은 작년 9372억 달러 규모이고, 오는 2032년에는 7조 33억 달러까지 성장할 것”이라면서, “특히 제조 시스템과 공장이 많은 아시아 태평양 지역은 시장 비중은 낮지만 가장 빠르게 성장할 전망”이라고 소개했다. 이런 성장세의 배경으로는 최신 기술의 발전과 함께 코로나19 이후 비즈니스 운영의 디지털화에 대한 요구가 늘어난 점이 꼽힌다. 로크웰 오토메이션이 제조 디지털 전환의 핵심으로 꼽은 것은 ‘스마트 제조’이다. 스마트 제조는 생산 최적화, 직원 역량 강화, 탄력성 구축, ,지속가능성 추진, 트랜스포메이션 가속화 등의 비즈니스 결과를 목표로 한다.  로크웰 오토메이션은 미래의 자동화 공장이 사람의 개입을 최소화하면서 스스로 학습하고 최적화하는 형태가 될 것으로 보고 있다. 또한, 자동화 역량의 개선과 적응형 기술의 결합을 통해 자율 운영 공장으로 진화할 것으로 전망한다. 울드리지 사장은 “로크웰 오토메이션은 산업 자동화 및 디지털 전환 분야의 전문 기업으로서 산업 트렌드를 이해하고 기술 전문성을 갖추고 있다. 이런 역량을 바탕으로 최근의 주요한 트렌드인 자율 운영 분야에 대응하고 있다”고 설명했다. 로크웰 오토메이션은 제조 엔지니어와 데이터 과학자의 참여를 통해 AI 기술을 내재화하고 있으며, 다양한 기술을 추가할 수 있는 비선형성과 알고리즘 기반의 최적화를 지원한다. 또한, 엔비디아와의 파트너십을 통해 AI 칩으로 제조 데이터를 분석하고 자율 운영 공장으로 발전시켜 나간다는 계획을 소개하기도 했다.   ▲ 로크웰 오토메이션은 스마트공장·자동화산업전에서 디지털 제조를 위한 자사의 기술을 소개했다.   디지털 제조를 위한 기술 포트폴리오 제공 로크웰 오토메이션은 디지털 제조를 위한 자사의 핵심 역량으로 신규 공장 설계, 자동화 및 제어, 생산 물류, 에지 컴퓨팅 및 클라우드 등 폭넓은 기술 포트폴리오를 소개했다. 공장 및 생산 라인의 설계를 위해서 로크웰 오토메이션은 시뮬레이션 기반으로 공장을 건설하기 전에 테스트와 최적화를 할 수 있는 에뮬레이트3D(Emulate3D) 플랫폼을 제공한다. 자동화/제어 영역에서는 챗GPT(ChatGPT)로 빠르게 제어 코드를 생성하고, 개별 제어기에 AI를 내장해 빠른 문제 해결을 지원한다. 생산 물류 분야에서는 AI를 활용해 AGV(무인 운반 차량)의 효율적인 이동 경로를 생성하거나 이동형 로봇, 독립 카트 등의 기술을 적용해 창고 . 생산 시설 . 창고의 사이클을 자동화할 수 있도록 돕는다. 에지/클라우드를 위해서는 드라이버/PLC/에지에 AI를 탑재해 다수의 현장을 한 곳에서 관리하거나 ERP와 연결하는 등의 이점을 제공한다. 또한 MES(제조 실행 시스템), 데이터 애널리틱스 및 시각화 등을 위한 제조 산업 클라우드를 지원한다. 사이버 보안도 클라우드와 AI의 도입 과정에서 중요한 요소인데, 로크웰 오토메이션은 고객사의 시스템 구축 및 운영을 위해 직접 모니터링을 지원하며 엔지니어링 서비스와 원격 모니터링을 연중 무휴로 제공하고 있다. 이용하 대표이사는 국내 스마트 공장의 시장 가능성에 대해서 긍정적으로 전망했다. 또한 “무엇보다 디지털 전환은 빠르게 시작하는 것이 중요하다. 로크웰 오토메이션은 공장의 설계와 운영, 사이버 보안, 유지보수를 위한 폭넓은 솔루션과 서비스를 제공한다. 또한 디지털 전환을 위한 기술, 인력, 경험, 사례를 갖고 있는 것도 강점이다. 이를 바탕으로 제조산업 고객의 디지털 전환을 효과적으로 지원할 것”이라고 전했다. 울드리지 사장은 “한국은 디지털 기술 도입의 선두주자라고 생각한다. AI, 클라우드, 에지 등의 기술 개발에 있어서도 한국이 글로벌 시장을 선도하면서 회복탄력성을 갖춘 제조 환경을 확산시키는 데에 기여할 것으로 기대한다”고 전했다.     ■ 기사 내용은 PDF로도 제공됩니다.

  INFOWORLD   Focus 17　디지털 제조 & 뿌리산업 컨퍼런스, 디지털 기술 기반의 제조산업 혁신 및 성장 전략 소개 22　빌드스마트포럼 2024, Al와 메타버스의 시너지로 변화하는 AEC 탐구 24　마이다스아이티, 제조산업을 위한 CAE 기술과 솔루션 로드맵 제시 26　로크웰 오토메이션, AI·클라우드 접목한 디지털 제조 기술 소개 28　한국산업지능화협회, ‘2024 스마트공장엑스포와 산업지능화 콘퍼런스’ 개최 51　오라클, 모던 데이터 플랫폼 및 데이터베이스 혁신 전략 발표 54　델 테크놀로지스, AI 시대 겨냥한 기업용 PC 제품군 소개 56　레노버, “더 많은 CPU 코어로 워크스테이션 성능 높인다”   People&Company 30　한국알테어 이승훈 기술 총괄 본부장　더욱 빠르고 효율적인 제품 개발을 위한 AI 기술 본격화 추진 33　데이터킷 필리프 블라슈 CEO　CAD 데이터 변환과 상호운영성 기술로 한국 시장 공략 강화   Case Study 36　책임감 있는 AI 활용 및 향상된 모델 훈련　유니티 뮤즈의 텍스처/스프라이트 생성 및 파운데이션 모델 New Products 40　리브랜딩과 함께 건축 설계의 생산성 강화　캐드마스터 2025 44　AI로 생산성 높이는 기업용 PC 프로세서　라이젠 프로 8040/8000 시리즈 46　AI 기반 워크플로 강화하는 전문가용 GPU　RTX A400/A1000 48　콘텐츠 생성의 퍼포먼스와 효율 강화　언리얼 엔진 5.4 프리뷰 58　이달의 신제품   Column 62　디지털 지식전문가 조형식의 지식마당 / 조형식　디지털 엔지니어링의 프레임워크와 네 가지 스피어 64　책에서 얻은 것 No. 19 / 류용효　기업 성장 맵 – 엔비디아 편   On Air 73　캐드앤그래픽스 CNG TV 지식방송 지상중계　배터리 산업 동향과 배터리 최적화를 위한 설계/시뮬레이션 기술 60　New Books 68　News   Directory 123　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 74　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　오픈AI CLIP 모델의 이해/코드 분석/개발/사용 82　복잡한 모델에서 인사이트를 얻고 설계 의사결정을 돕는 직스캐드 (2) / 이소연　포인트 클라우드 기능 85　새로워진 캐디안 2024 살펴보기 (5) / 최영석　캐디안 2024의 스크립트 기능 88　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2025 (1) / 천벼리　아레스 캐드 2025의 새로운 기능   Reverse Engineering 94　문화유산 분야의 이미지 데이터베이스와 활용 사례 (5) / 유우식　고지도 데이터베이스   Analysis 103　시뮤텐스 소프트웨어를 활용한 복합소재 해석 (2) / 씨투이에스코리아　시뮤필의 복합재 수지 해석 기능 소개 106　앤시스 워크벤치를 활용한 해석 성공사례 / 노은솔　PyMAPDL의 기초부터 활용까지 110　산업 디지털 전환을 위한 버추얼 트윈 (1) / 안치우　1D 시뮬레이션을 위한 카티아 다이몰라 120　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (9) / 나인플러스IT　미래 자동차 설계를 위한 DNS, LES, RANS 시뮬레이션   Mechanical 114　제품 개발 혁신을 가속화하는 크레오 파라메트릭 10.0 (12) / 김주현　사용자 정의 피처의 생성 및 활용   캐드앤그래픽스 2024년 5월호 목차 from 캐드앤그래픽스  

데이터 클라우드 기업 스노우플레이크가 높은 개방성과 성능을 내세운 엔터프라이즈급 대규모 언어 모델(LLM)인 ‘스노우플레이크 아크틱(Snowflake Arctic)’을 출시했다. 스노우플레이크의 전문가혼합(MoE) 방식으로 설계된 아크틱은 기업의 복잡한 요구사항 처리에도 최적화되어 SQL 코드 생성, 명령 이행 등 다양한 기준에서 최고 조건을 충족한다. 특히 아크틱은 무료로 상업적 이용까지 가능한 아파치 2.0 라이선스로, 스노우플레이크는 AI 학습 방법에 대한 연구의 자세한 사항을 공개하며 엔터프라이즈급 AI 기술에 대한 개방 표준을 제안했다. 또한 아크틱 LLM은 스노우플레이크 아크틱 모델군(Snowflake Arctic model family)의 일부로, 검색 사용을 위한 텍스트 임베딩 모델도 포함됐다. 오픈소스 모델인 아크틱은 코드 템플릿과 함께 추론과 학습방식을 선택할 수 있는 유연성도 제공한다. 사용자는 엔비디아 NIM, 텐서RT-LLM(TensorRT-LLM), vLLM, 허깅페이스(Hugging Face) 등 기업이 선호하는 프레임워크로 아크틱을 사용하고 커스터마이징할 수 있다. 스노우플레이크 코텍스(Snowflake Cortex)에서는 서버리스 추론을 통해 아크틱을 즉시 사용할 수도 있다. 스노우플레이크 코텍스는 완전 관리형 서비스로, 허깅페이스, 라미니(Lamini), 마이크로소프트 애저, 엔비디아 API 카탈로그, 퍼플렉시티(Perplexity), 투게더 AI(Together AI) 등 다양한 모델 목록과 함께 데이터 클라우드에서 머신러닝 및 AI 솔루션을 제공한다. 아마존웹서비스(AWS)에서도 아크틱 사용이 가능해질 예정이다.     스노우플레이크는 기업이 각자의 데이터를 활용해 실용적인 AI/머신러닝 앱 제작에 필요한 데이터 기반과 최첨단 AI 빌딩 블록을 제공한다. 고객이 스노우플레이크 코텍스를 통해 아크틱을 사용할 경우 데이터 클라우드의 보안 및 거버넌스 범위 내에서 프로덕션급 AI 앱을 적정 규모로 구축하는 것이 더욱 쉬워진다.  아크틱 LLM이 포함된 스노우플레이크 아크틱 모델군에는 스노우플레이크가 최근 출시한 최첨단 텍스트 임베딩 모델 중 하나인 아크틱 임베드(Arctic embed)도 포함된다. 이 제품은 아파치 2.0 라이선스로 오픈소스 커뮤니티에서 무료로 사용할 수 있다. 5가지 모델로 구성된 이 제품군은 허깅페이스에서 바로 사용할 수 있으며, 스노우플레이크 코텍스에 내장돼 프라이빗 프리뷰 형태로 공개될 예정이다. 유사 모델의 약 3분의 1 크기인 이 임베딩 모델은 높은 검색 성능을 발휘하도록 최적화되어, 기업들이 검색증강생성(RAG) 또는 시맨틱 검색 서비스의 일부로 고유의 데이터 세트를 LLM과 결합할 때 효과적이고 경제적인 솔루션을 제공한다. 스노우플레이크의 슈리다 라마스워미(Sridhar Ramaswamy) CEO는 “스노우플레이크 AI 연구팀은 AI 분야 최전방에서 혁신을 이끌며 자사에 중요한 전환점을 마련했다”면서, “스노우플레이크는 오픈소스로 업계 최고 성능과 효율을 AI 커뮤니티에 공개하면서 오픈소스 AI가 지닌 가능성의 영역을 넓혀가고 있다. 고객에게 유능하면서도 믿을 수 있는 AI 모델을 제공할 수 있는 스노우플레이크의 AI 역량도 높아지고 있다”고 말했다.

마이크로소프트가 생성형 AI 기술로 다양한 국내 산업의 고객 서비스 혁신과 비즈니스 성장을 지원하며 AI 트랜스포메이션 혁신 사례를 구축하고 있다고 소개했다. 마이크로소프트는 AI 기술이 조직 경쟁력 유지를 위한 필수적인 비즈니스 요소가 될 것으로 전망하고 있다. 마이크로소프트가 의뢰한 글로벌 시장 조사기관 IDC의 연구 결과에 따르면 조사에 참여한 응답자 71%가 이미 회사에서 AI를 사용하고 있으며, 이들은 평균적으로 1년 2개월 만에 AI 투자에 대한 수익을 실현하고 있는 것으로 나타났다. 이 연구는 전 세계 2100명 이상의 비즈니스 리더와 의사 결정권자를 대상으로 실시됐다. 마이크로소프트는 애저 오픈AI 서비스(Azure OpenAI Service)를 통해 향상된 컴플라이언스, 데이터 보안 강화, 확장성, 책임 있는 AI 등 차별화된 서비스를 제공하고 있다. 이 서비스는 전 세계 1만 8000개 이상의 조직과 포춘 500대 기업 중 절반 이상이 사용하며 전 세계 조직의 AI 트랜스포메이션 속도를 가속화하고 있다. 마이크로소프트는 국내에서도 자사의 AI 기술을 도입해 업무 프로세스를 혁신하고 새로운 비즈니스 모델 개발에 나서는 기업들이 늘고 있다고 전했다. LG전자의 H&A본부는 생성형 AI 기반 빅데이터 분석 솔루션인 찾다(CHATDA)를 도입해 고객 요구 사항을 효과적으로 파악하고 사용자 경험을 개선했다. 이 시스템은 마이크로소프트 애저 환경과 애저 오픈AI 서비스를 활용해 데이터 보안과 안정성을 강화한다. 또한, 자연어 처리 기능으로 현업의 분석 요구사항에 부합하는 데이터를 정밀하게 선별하고, 이를 기반으로 분석 코드를 자동 생성 및 실행한다. 이를 통해 법무검토, 데이터 탐색, 가공 분석에 소요되던 시간이 평균 5일에서 30분으로 단축돼 업무 효율성이 향상됐다.     AI 서비스 플랫폼 기업 뤼튼테크놀로지스는 애저 오픈AI 서비스와 프로비전드 스루풋(Provisioned Throughput : PTU)를 도입해 이전보다 두 배 이상 증가한 사용자 트래픽을 안정적으로 처리하고 있다. 이러한 운영 안정성과 지속적인 서비스 개선을 바탕으로, 뤼튼 서비스의 고객 만족도를 나타내는 NPS(Net Promoter Score) 점수가 30% 이상 향상됐다. 크래프톤의 AI 전문 스튜디오인 렐루게임즈도 애저 오픈AI 서비스를 도입해 새로운 게임 개발에 나서고 있다.  특히 오는 6월 출시를 앞둔 '언커버 더 스모킹 건'은 플레이어가 용의자와 대화하며 사건을 해결하는 추리 게임으로, 플레이어의 자유도를 높여 실제와 유사한 현실감 있는 게임 환경을 제공한다. 렐루 게임즈는 이를 구현하기 위해 대형언어모델(LLM)의 애플리케이션 프로그래밍 인터페이스(API)를 70% 이상 사용하고 있다.  배달 플랫폼 ‘배달의 민족’을 운영하는 우아한형제들은 애저 오픈AI 서비스를 활용해 고객 상황에 맞는 메뉴를 제안하는 ‘메뉴뚝딱AI’ 서비스를 선보여 고객 편의성을 높였다. 이 서비스는 고객이 작성한 리뷰를 분석해 음식 특성과 주문 성향을 파악하는 키워드를 추출하고, 시간대·식사 동반자·상황·맛 등을 고려해 안전성 검증을 거친 120종의 컨텍스트를 통해 사용자에게 맞춤형 메뉴를 추천한다. 융합 사고력 기업 크레버스는 마이크로소프트 AI 솔루션을 도입해 자동으로 과제를 평가하고 개인 맞춤형 피드백을 제공하는 시스템을 구축, 학생들의 만족도를 크게 높였다. 이 과정에서 평균 3.5일이 걸렸던 과제 채점 시간이 7초로 단축돼 실시간 피드백을 제공하고 있으며, 운영 비용도 약 85% 절감될 것으로 기대하고 있다. 반려로봇 개발기업 효돌은 AI 기반 대화형 AI 돌봄 로봇 ‘효돌 2.0’에 애저 오픈AI 및 애저 코그니티브 서비스(Azure Cognitive Services)를 도입해 음성 엔진을 개선하고 대화 기능을 고도화했다. 이를 통해 사용자와의 친밀감이 기존 대비 10% 이상 증가됐으며, 맞춤형 신경망(Custom Neural) 기반 STT/TTS 엔진을 활용해 시니어층의 우울증이나 치매 징후를 조기에 발견하고 정신 건강 상태를 진단할 수 있게 됐다. 한국마이크로소프트의 조원우 대표는 “AI 기술은 한국의 산업 전반에 긍정적인 변화를 가져오고 있다”며, “앞으로도 마이크로소프트는 가장 신뢰할 수 있는 AI 트랜스포메이션 파트너로서 국내 기업들이 AI를 통해 업무 프로세스를 혁신하고, 더 나은 고객 경험을 제공할 수 있도록 적극 지원할 것”이라고 전했다.

캐디안은 다양한 플랫폼을 지원하는 ‘아레스캐드 2025(AresCAD 2025)’를 출시했다고 밝혔다. 독일의 그래버트(Graebert)가 개발하고 캐디안이 공급하는 이 도면설계 툴은 PC·모바일·클라우드 등 여러 환경에서 사용 가능하다.   아레스캐드 2025는 파일 오픈 속도가 평균 40% 향상되었고, 줌(zoom) 기능도 22% 개선되었다. 또한, 오픈AI(OpenAI)의 기술을 기반으로 하는 ARES AI(A3) 도우미가 포함되어 있어 계산 수행 및 기술적 질문에 대한 답변도 가능하며, 맥OS 사용자를 위한 인쇄창 UI도 윈도우와 동일하게 최적화되었다. ARES AI(A3)는 다양한 언어로 소통을 가능하게 하며, 다른 사용자가 아레스 캐드로 마이그레이션할 경우 익숙하지 않은 기능을 쉽게 찾고 트리니티 협업 기능이나 BIM 기능을 배울 수 있도록 돕는다. 이 외에도 시빌 3D(Civil 3D) 지원, DWG 파일을 DGN 포맷으로 내보내기, 테이블 자동 채우기(auto-fill) 기능, 동적 블록(dynamic block) 라이브러리 강화 등이 추가되어 사용자의 편의성을 개선했으며, 치수 스타일 관리자 UI 개선, 3D 비주얼 스타일 지원 및 BIM 도면이 개선되었다.     데스크톱 버전인 아레스 커맨더(ARES Commander), 클라우드 버전인 아레스 쿠도(ARES Kudo), 모바일 버전인 아레스 터치(ARES Touch) 등 세 가지 플랫폼을 지원하는 ‘삼위일체(trinity)’ 개념의 아레스캐드 2025 버전은 태그 지정, QR 코드, 클라우드 필드 등 협업 기능이 강화되었기 때문에, 도면 설계자와 관리자는 도면 설계 및 아이디어 공유 등 협업 과정을 효과적으로 진행할 수 있다. 웹 기반 CAD인 아레스 쿠도는 리본 메뉴  인터페이스를 도입했으며, 모바일 기반의 아레스 터치는 향상된 편집 기능을 통해 사용자 편의성이 강화되었다. 캐디안은 “국내외에서 900만 명 이상의 설계자가 사용하는 아레스캐드는 오토캐드의 DWG와 호환되며, 글로벌 설치 라이선스 수에서도 높은 점유율을 보이고 있다”면서, “아레스캐드는 연간 라이선스 뿐만 아니라 영구 라이선스와 네트워크 라이선스도 제공하기 때문에 사용자에게 선택의 폭을 제공하면서 라이선스 부담을 줄일 수 있다”고 전했다.

엔비디아가 새로운 엔비디아 RTX A400과 RTX A1000 GPU를 통해 RTX 전문가용 그래픽 제품을 확장하고, 디자인을 비롯한 AI 기반 생산성 워크플로를 강화한다고 밝혔다. 디자인과 생산성 애플리케이션 전반에 걸친 AI 통합이 새로운 기준으로 자리잡으면서 고급 컴퓨팅 성능에 대한 수요가 증가하고 있다. 즉, 전문가와 크리에이터들은 프로젝트의 규모와 복잡성 또는 범위에 관계없이 향상된 컴퓨팅 성능을 활용해야 한다. 엔비디아 암페어(Ampere) 아키텍처 기반의 RTX A400과 RTX A1000 GPU는 이렇게 증가하는 수요를 충족하기 위해 개발됐으며, AI와 레이 트레이싱 기술에 대한 접근성을 확대해 전문가들이 일상적인 워크플로를 혁신하는데 필요한 도구를 제공한다.   ▲ 엔비디아 RTX A400   RTX A400 GPU는 RTX 400 시리즈 GPU에 가속화된 레이 트레이싱과 AI를 도입했다. 이 GPU는 AI 처리를 위한 24개의 텐서 코어(Tensor Cores)를 탑재해 기존 CPU 기반 솔루션을 넘는 성능을 제공한다. 이를 통해 전문가들은 지능형 챗봇, 코파일럿과 같은 최첨단 AI 애플리케이션을 데스크톱에서 직접 실행할 수 있다. 또한 GPU는 실시간 레이 트레이싱을 제공하므로 크리에이터는 생생하고 물리적 정확도가 높은 3D 렌더링을 제작할 수 있다. A400은 시리즈 최초로 4개의 디스플레이 출력을 지원해 금융 서비스, 명령과 제어, 유통, 운송과 같은 산업에 필수적인 고밀도 디스플레이 환경에 적합하다.   ▲ 엔비디아 RTX A1000   엔비디아 RTX A1000 GPU는 RTX 1000 시리즈 GPU에 처음으로 텐서 코어와 RT 코어를 도입했다. 이를 통해 전문가와 크리에이터를 위한 가속화된 AI와 레이 트레이싱 성능을 제공한다. A1000은 72개의 텐서 코어를 탑재해 이전 세대에 비해 업그레이드된 성능을 갖췄다. 스테이블 디퓨전(Stable Diffusion)과 같은 도구에서 3배 이상 빠른 생성형 AI 프로세싱을 제공하며, 18개의 RT 코어는 그래픽과 렌더링 작업 속도를 최대 3배까지 높여 2D와 3D CAD, 제품과 건축 설계, 4K 비디오 편집과 같은 전문적인 워크플로를 가속화한다. 더불어 A1000은 이전 세대보다 최대 38% 더 많은 인코딩 스트림을 처리하고 2배 더 빠른 디코딩 성능을 제공하는 등 비디오 처리 능력을 높였다. 엔비디아 RTX A400과 A1000 GPU에 탑재된 2세대 RT 코어는 건축 도면, 3D 디자인, 콘텐츠 제작 등 모든 전문 워크플로를 위한 실시간 레이 트레이싱, 사실적인 물리 기반 렌더링과 시각화, 정확한 조명과 그림자 시뮬레이션으로 작업 품질을 높일 수 있다. 3세대 텐서 코어는 생성형 AI, 이미지 렌더링 노이즈 제거, 딥러닝 슈퍼 샘플링과 같은 AI 증강 도구와 애플리케이션을 가속화해 이미지 생성 속도와 품질을 개선한다. 암페어 아키텍처 기반의 쿠다(CUDA) 코어는 이전 세대 대비 최대 2배의 단정밀도 부동 소수점 처리량으로 그래픽과 컴퓨팅 워크로드의 속도를 크게 높인다. A400 GPU의 4GB와 A1000 GPU의 8GB GPU 메모리는 다양한 전문가용 요구 사항을 충족한다. 여기에는 기본적인 그래픽 디자인과 사진 편집부터 텍스처나 고해상도 편집, 데이터 분석이 필요한 까다로운 3D 모델링 등이 포함된다. 또한 이 GPU들은 이전 세대보다 메모리 대역폭이 증가해 데이터를 더 빠르게 처리하고 대용량 데이터 세트와 장면을 더 원활하게 처리할 수 있다. 7세대 인코드(NVENC)와 5세대 디코드(NVDEC) 엔진을 탑재한 새 GPU는 효율적인 비디오 처리를 기능을 제공한다. 이를 통해 초저지연으로 고해상도 비디오 편집, 스트리밍, 재생을 지원한다. 또한 AV1 디코드가 포함돼 더 많은 비디오 포맷을 더 효율적이고 원활하게 재생할 수 있다. A400과 A1000 GPU는 싱글 슬롯 디자인에 전력소비량이 50W에 불과하며, 콤팩트하고 에너지 효율적인 워크스테이션에 인상적인 기능을 제공한다.  엔비디아는 새로운 GPU가 최첨단 AI, 그래픽, 컴퓨팅 기능 등을 통해 사용자의 생산성을 높이고 창의적인 가능성을 열어준다고 전했다. 레이 트레이싱 렌더링과 AI가 포함된 고급 워크플로를 통해 전문가들은 작업의 한계를 뛰어넘고 놀라운 수준의 사실감을 구현할 수 있다. 기획 담당자들은 강력하고 에너지 효율적인 새로운 컴퓨팅 솔루션을 에지 배포에 사용할 수 있다. 크리에이터는 편집과 렌더링 속도를 높여 더욱 풍부한 시각적 콘텐츠를 제작할 수 있다. 건축가와 엔지니어는 아이디어를 3D CAD 개념에서 실제 디자인으로 원활하게 전환할 수 있다. 스마트 공간에서 작업하는 경우에는 공간 제약이 있는 환경에서 실시간 데이터 처리, AI 기반 보안, 디지털 사이니지 관리 등에 GPU를 사용할 수 있다. 또한 의료 전문가들은 더 빠르고 정밀한 의료 영상 분석을 수행할 수 있다.