최근 반도체 산업에 다시금 순풍이 불고 있다. 산업연구원에 따르면, 6월 제조업 경기가 회복세를 이어갈 것으로 전망되면서 반도체 업계의 긍정적인 흐름이 지속될 것으로 보인다. 이 같은 변화는 반도체 업계에 활력을 불어넣으며, AI 기술의 발전과 더불어 산업 전반에 걸쳐 영향을 미치고 있다. 회복되는 반도체 업황, 경제 성장 이끌어 반도체 산업은 최근 몇 년간 AI 기술의 발전과 맞물려 새로운 국면을 맞이하고 있다. 특히 AI 기술이 다양한 산업 분야에서 폭넓게 적용되면서, 이를 뒷받침하는 반도체의 중요성은 커지고 있다. 산업연구원의 조사에 따르면, 6월 제조업 경기 전망이 긍정적으로 나타난 가운데, 반도체 업계는 뚜렷한 회복세를 보인다. 이번 조사는 업종별 전문가 138명을 대상으로 한 PSI(전문가 서베이 지수) 결과로, 6월 제조업 업황 전망 PSI는 114를 기록하며 6개월 연속 기준치를 웃돌았다. 특히 반도체 업종은 185로 높은 상승세를 유지하고 있어, AI 기술 수요 증가와 맞물려 반도체 산업의 성장 가능성을 엿볼 수 있었다. 반도체는 올해 1분기 기준 국내 500대 기업 실적 개선도 이끌었다. 국내 500대 기업의 영업이익은 전년 동기 대비 57
지난 2022년 오픈AI가 공개한 챗GPT는 전 세계 산업에 충격을 안겼으며, 제조 산업도 예외는 아니었다. 제조 기업들은 AI 도입에 대한 의지를 보였지만, 실제 활용도는 아직 낮은 수준에 머물고 있다. 품질 검사 등에서 AI의 활용 가능성이 높아지고 있으며, 특히 딥러닝 기반 AI 비전 검사 시스템이 주목받고 있다. AI 기술이 발전하면서 제조 공정의 자동화와 최적화가 현실화되고 있다. AI와 데이터를 통해 스스로 최적화하는 미래 공장은 어떤 모습인지 ‘2024 AI 자율제조혁신포럼’에서 박진우 알티엠 부대표가 발표한 내용을 토대로 정리했다. 지난 2022년 오픈AI(OpenAI)가 공개한 챗GPT(ChatGPT)는 전 세계 여러 산업에 새로운 충격을 안겼다. 글로벌 산업 흐름이 인공지능(AI)으로부터 변화할 것이라는 기대 혹은 우려 속에서 AI 기술에 대한 주목도가 급상승했다. 그 양상은 제조 산업도 크게 다르지 않다. 각 제조기업은 AI에 대한 투자와 도입 의지를 속속 드러내며 AI 활용에 대한 로드맵을 지속 내놓고 있는 상황이다. 그런 의지와는 반대로 제조 분야에서의 실제 AI 활용도는 크게 높지 않은 것으로 나타났다. 제조기업을 대상으로 진행한 ‘
생성 AI 기술은 이미지와 동영상을 생성하며 산업 전반에 혁신을 가져오고 있다. 제조업에서 AI 도입이 어려운 이유는 높은 초기 도입비용과 시스템 업데이트의 어려움 때문이다. 생성형 AI와 합성 데이터는 AI 학습을 위한 데이터 문제를 해결하고 비용을 절감할 수 있다. 이 기술은 제조업뿐만 아니라 의료, 금융, 교육 등 다양한 분야에서도 적용 가능하며 시장 변화에 빠르게 적응할 수 있는 유연성을 제공한다. 또한 윤리적, 법적 문제를 해결하고, AI 모델의 성능과 신뢰성을 향상시킨다. 제조 혁신을 위한 생성형 AI 기술에 대해 ‘2024 AI 자율제조혁신포럼’에서 김현수 슈퍼브에이아이 대표가 발표한 내용을 토대로 정리했다. 생성 AI 기술의 혁신적인 발전에 따라, 이제는 텍스트로부터 복잡한 이미지와 동영상까지 생성할 수 있는 AI 서비스가 등장하고 있다. 대표적인 예로는 오픈AI의 다양한 생성 모델과 Stability AI, Midjourney 같은 회사들이 이미지 생성 분야에서 주목받고 있다. 이러한 기술들은 실제 이미지와 구별하기 어려울 정도의 고품질 결과물을 제공하며, 최근에는 동영상 생성까지 가능해진 Sora 같은 제품도 소개되었다. 인지형 AI와 생성
현재 산업은 ‘자동화’를 넘어 ‘자율화’를 최종 지향점으로 분류하고 있다. 이에 지능형 자율 공장이 스마트 팩토리의 진화형으로 기대받는다. 지능형 자율 공장은 무인 또는 최소 작업자로 이루어진 형태의 자동화 생산 설비다. 이는 제조 AI, 디지털 트윈 등 기술이 접목돼 완전 자율화를 이룰 전망이다. 여기서 결국 공장의 모든 것을 연결하는 기술이 중요하다. 다시 말해 공장 요소 간 연결성(Connectivity)이 강조되는 것인데, 이를 위해서는 자동화·지능화·연결화 요소가 잘 조합돼야 한다. 이런 자율 공장의 고도화 단계는 총 네 가지로 구분된다. 첫 번째는 모니터링 및 현상 분석 단계부터 시작된다. 이후 원인을 분석하는 제어·통제를 지나 최적화 분석, 예측·예방을 분석하는 지능 및 자율화에 이르게 된다. 특히 최후 단계에서는 공장 스스로를 진단하는 수준까지 도달하게 된다. 제조 AI 솔루션 업체 인터엑스는 제조 AI 기술을 기반으로 자율 공장을 실현하겠다는 목표 아래 산업 고도화에 기여하고 있다. 이 업체는 제조 AI 및 디지털 트윈 솔루션을 보유했다. 생산조건 최적화 AI 서비스 ‘Recipe.AI’, 품질 예측 및 최적화 AI 서비스 ‘Quality.A
4차 산업혁명은 디지털 전환(DX)을 촉진했고, 이 디지털 전환은 산업의 새로운 역군으로 데이터를 불러왔다. 수많은 산업에서 데이터를 활용하고 이 추세는 증가하고 있지만, 특히 제조 현장에서의 데이터는 제조 영역 고도화의 핵심인 ‘스마트 팩토리’의 주요 요소로 인식된다. 이 데이터는 ‘많이 모으는 것’이 아니라 필요한 데이터만 쏙쏙 도출해 ‘잘 쓰는 것’이 중요하다. 곳곳에 산개된 데이터도 다 같은 데이터가 아니라는 말이다. 데이터도 활용 목적과 쓰임새에 따라 다른 취급을 받는다. 데이터를 잘 쓰기 위해서는 극복하려고 하는 문제를 정의하는 것부터 데이터세트(Dateset)를 구축하는 것까지의 과정을 구조화하는 것이 필요하다. 제조 현장 내 장비와 공정도 사물인터넷(IIoT)을 통해 데이터를 구축하는 과정이 중요한데, 현재는 그 과정이 쉽지 않은 것이 현실이다. 지금도 수많은 공장에서 인공지능(AI)을 활용한 다양한 자동화 프로젝트를 진행하지만 그 수준을 아직 걸음마 단계로 평가된다. 거대언어모델(LLM)로 구축된 AI 모델을 현장에서 활용하는 작업자 입장에서는 똑같은 데이터를 모델에 이식하고 가동하면 같은 패턴의 결과가 도출되기를 원한다. 하지만 현재는 데이
웹·소프트웨어 개발시장 “상황 바뀌었다” 로봇 등 개발시장 “인력수급이 여전히 주요 난제” 지난 2020년, 대한민국의 모든 것을 바꿔놓았다고 해도 과언이 아닌 코로나바이러스는 취업시장에도 변화의 폭풍을 불러일으켰다. 코로나가 한창이던 시기, 기업의 규모를 불문하고 이른바 IT 전문인력, 개발자 수급 광풍이 불었다. 개발자들의 몸값은 부르는 게 값이 됐고 기업들은 높은 비용 출혈을 감수하고서라도 IT 개발 파트 강화를 위해 인력확보 전쟁에 뛰어들었다. 그렇다면 현재 개발자 인력시장의 분위기는 어떨까? IT 전문인력에 대한 수급은 여전히 코로나 때처럼 뜨거울까? 한 편에서는 개발인력 시장의 상황이 코로나때와는 정반대로 가고 있다고 말한다. 하지만, 다른 한 편에서는 여전히 전문적인 개발 인력을 구하는 데 어려움을 겪고 있다고도 한다. 업계에서 말하는 ‘개발자의 難(어지러울 난)’은 이제 정말 끝난 것일까? 현장의 목소리를 들어봤다. 개발 인력 공급이 수요를 추월한 시기…주도권은 이제 기업으로 흔히 ‘개발자’라고 하면 웹 등 홈페이지를 만들거나 솔루션을 위한 소프트웨어 프로그램을 구축하는 것을 떠올린다. 실제로 몇 년 전만 하더라도 기업들은 ‘IT만이 살길’이라
챗GPT를 시작으로 생성형 AI 수요가 급격히 증가하면서 주목받은 건 단연 엔비디아 GPU였다. 이와 동시에 GPU 메모리 성능을 담당하는 HBM(High Bandwidth Memory)이 또 하나의 블루오션으로 각광받고 있다. 이에 HBM 생산을 담당하는 삼성전자와 SK하이닉스의 행보에 업계의 관심이 쏠린다. 양사는 지속적인 기술 개발을 바탕으로 파트너십을 확대하고 생산량을 증대하는 데 집중하고 있다. 차세대 반도체 시장 이끌 HBM HBM은 고대역폭 메모리 기술로, 특히 대용량 데이터를 처리해야 하는 AI 개발에서 중요성이 두드러진다. 이 기술은 D램보다 빠른 속도로 데이터를 처리하며, 3D 스택 메모리 구조를 사용해 칩 간에 더 많은 데이터 통로를 제공한다. 이는 메모리 칩을 수직으로 쌓아 올려 칩과 칩 사이의 거리를 최소화하고, 대역폭을 극대화하는 방식이다. HBM의 특장점은 속도와 효율성이다. HBM은 그래픽 카드, 서버, 네트워킹 하드웨어 및 AI 계산과 같이 많은 양의 데이터를 빠르게 처리해야 하는 시스템에서 최선의 제품으로 자리잡고 있다. 구체적으로, HBM은 데이터 센터의 에너지 효율성을 향상시켜 운영 비용을 절감하는 데 기여한다. 무엇보다
오픈AI의 챗GPT가 처음 등장했을 때 언급됐던 비유 중 하나는 ‘지니의 램프’였다. 대다수의 사용자는 챗GPT에 질문을 입력하기만 하면, 원하는 답변을 얻을 수 있을 것으로 예상했다. 기대와는 달리 챗GPT를 포함한 대다수의 AI 모델은 할루시네이션과 같은 허점을 갖고 있다. 그러나 최근 실무를 지원하는 AI 서비스가 등장하고 있다. 이 서비스들은 정제된 데이터와 분야에 대한 특성을 반영해 업무 생산성을 혁신하고 있다. 다양한 실무 적용 가능한 생성형 AI 생성형 AI는 실무 비즈니스에 혁신적인 변화를 가져오고 있다. 특히 데이터 기반 의사 결정, 콘텐츠 생성, 고객 서비스 개선 등 여러 분야에서 중요한 역할을 수행한다. 이 기술은 대량의 데이터를 분석하고 이해해 실시간으로 유용한 정보를 생성하게 된다. 실무 영역에서 생성형 AI가 활용되는 예시는 다양하다. 한 예로, 마케팅 콘텐츠 자동화가 있다. 생성형 AI는 마케팅 자료를 자동으로 생성해, 광고 문구, SNS 게시물, 블로그 글 등을 효율적으로 생산한다. 고객 서비스 자동화도 대표적인 사례다. 챗봇과 같은 AI 응용 프로그램은 고객 문의에 자동으로 응답하며, 고객 서비스의 효율성을 향상시킨다. 이러한
범용 인공지능(AGI)은 인간과 동등한 수준의 지능을 갖춘 인공지능을 의미한다. 이는 특정 작업을 수행하는 인공지능(AI) 시스템을 넘어 인간이 할 수 있는 거의 모든 종류의 지적 작업을 수행하는 능력을 갖춘 것을 의미한다. 현재의 AI 기술력은 분명 AGI로 향하고 있다. 주요 AI 기업들은 시대적 요구를 반영해 기술 향상에 막대한 비용과 인력을 투자하고 있다. 아직은 AGI가 언제 실현될지 누구도 알 수 없다. 다만 머지않아 도래할 AGI 시대를 대비한 준비는 반드시 필요하다. 시작된 여정 ‘AI에서 AGI로’ AI의 기술 진화 단계를 설명할 때 보통 세 가지 과정으로 구분된다. 첫 번째는 인공지능(AI, Artificial Intelligence)이다. 다음 단계는 범용 인공지능 또는 강인공지능(AGI, Artificial General Intelligence), 마지막 단계로 초인공지능(ASI, Artificial Super Intelligence)에 도달한다. 현재는 AI에서 AGI로 가는 과정이라고 볼 수 있다. 무엇보다 생성형 AI 기술의 등장과 보급 및 확대로, AGI를 실현하기 위한 다양한 시도가 진행되고 있다. 이론적으로 AGI는 인간의 지
생성형 AI는 성장하고 확장하고 있다. 그야말로 생성형 AI의 시대다. 2년전 세간을 놀라게 한 오픈AI의 챗GPT를 시작으로, 기술의 흐름을 주도하는 주요 기업들은 연이어 생성형 AI 모델을 선보이고 있다. 이제는 생성형 AI를 빼놓고 혁신을 논할 수 없는 상황이 됐다. 대다수의 기업은 서둘러 AI 도입을 시도하며, 이를 통해 생산성 개선과 비용 절감을 경험함으로써 미래로 가는 길을 열고 있다. 생성형 AI는 텍스트, 이미지, 음악 등 다양한 형태의 콘텐츠를 인간과 유사한 방식으로 자동 생성하는 기술이다. 최근 몇 년 사이 이 기술은 비약적인 발전을 이뤘으며, 매력적인 연구 주제를 바탕으로 앞으로의 발전 가능성 역시 무궁무진하다. 생성형 AI는 친숙해진 언어모델로부터 이미지나 영상 생성, 멀티모달 AI에 이르기까지 점차 복잡한 작업을 수행하고 있다. 이러한 생성형 AI를 만드는 주요 기업은 기술 개발뿐 아니라 윤리적 및 법적 체계를 구축하고, 접근성 향상 등에 대한 과제 또한 안고 있다. 등장 앞둔 GPT-5, 어떤 혁신 기다리나 오픈AI는 ‘GPT-5’가 곧 출시될 것을 언급했다. 오픈AI 최고운영책임자(COO)인 브래드 라이트캡은 파이낸셜타임스와 인터뷰
지난 4월, 미국 정부가 반도체 기업에 지급하는 보조금 책정이 일단락됐다. 업계에 따르면, 미국 정부는 반도체 기업의 설비 투자를 장려하기 위한 반도체법에 따라 미국에 공장을 짓는 기업에 반도체 생산 보조금과 연구개발(R&D) 지원금을 지원하기로 했다. 이로써 미국 내 파운드리 경쟁이 새로운 국면에 진입한 셈이다. 반도체 고객사인 빅테크가 몰린 미국에서 TSMC를 비롯해 삼성전자, 인텔 등이 참전하는 파운드리 시장 경쟁이 본격화하는 모양새다. 미국내 몸집 키우는 삼성 파운드리 지난 4월 삼성전자는 미국 정부가 자사에 반도체 생산시설 투자 보조금 64억 달러(약 8조9000억 원)를 지원하기로 결정했다고 발표했다. 이에 삼성전자는 미국 텍사스주 테일러시에 170억 달러를 투자해 짓는 파운드리 공장의 규모와 투자 대상을 확대해 총 400억 달러 이상을 투자할 계획이다. 삼성전자는 2022년부터 건설 중인 테일러 공장에 추가로 공장을 짓고, 패키징 시설과 함께 첨단 R&D 시설을 신축해 본격적인 미국 시장 공략에 나선다. 삼성전자의 첫 번째 텍사스 테일러 공장은 2026년부터 4나노미터 및 2나노미터 반도체를 생산할 예정이며 이후 두 번째 공장도 가
AI 반도체는 대량 데이터를 효율적으로 처리해 AI 성능을 향상시키는 중요한 역할을 한다. 이는 에너지 소비를 최소화하며 비용 효율성과 확장성을 제공한다는 점이 핵심이다. 다시 말해 AI 반도체는 AI 기술 발전을 가속하는 요소다. 이런 이유로 세계 유수의 반도체 기업들이 AI 반도체 개발에 집중하고 있다. 압도적인 GPU 성능으로 AI 반도체 시장을 주도하는 엔비디아, 그 아성에 도전하는 인텔과 삼성전자 등이 그 주인공이다. 저만치 달아난 엔비디아, 따라잡을 수 있을까? 지난 3월, 엔비디아는 반도체 업계에 또 하나의 파장을 일으켰다. 엔비디아는 미국 캘리포니아주 새너제이 SAP 센터에서 열린 개발자 컨퍼런스 ‘GTC(GPU Technology Conference) 2024’에서 새로운 AI 칩을 전 세계에 공개했다. 엔비디아는 2019년 이후 5년 만에 오프라인으로 GTC를 개최해 업계의 화제를 모았다. 이 칩은 새로운 그래픽처리장치(GPU) ‘블랙웰’을 기반으로 한 ‘B100’이었다. 블랙웰은 2년 전 발표된 엔비디아 호퍼 아키텍처의 후속 기술로, B100은 기존 최고 성능을 자랑했던 H100을 뛰어넘는다는 평가다. 엔비디아에 따르면, B100의 연산
미쓰비시전기는 제조 분야의 디지털 전환을 위해 스카다(SCADA) 솔루션인 ‘제네시스 64’를 활용하여 공장 자동화와 효율적인 데이터 관리를 추진하고 있다. 이 솔루션은 다양한 오픈 프로토콜과 장비 호환성을 지원하며, 실시간 데이터 추적과 3D 시각화를 통해 공장의 실시간 관리를 가능하게 한다. 또한 미쓰비시전기는 이펙토리 얼라이언스와의 파트너십을 통해 맞춤형 솔루션을 제공하고 있으며, 이를 통해 공장의 낭비를 줄이고 생산성을 증대시키는 것을 목표로 한다. 뿐만 아니라 데이터 분석과 에너지 관리 기능을 통해 공장 운영의 효율성을 높이고, 비용 절감과 지속 가능한 제조 환경을 조성하는 것을 추구한다. ‘제네시스 64’를 활용한 제조 현장의 디지털 전환은 어떤 모습일지, ‘2024 스마트 제조 대전망 온라인 컨퍼런스’에서 한국미쓰비시전기 이승재 그룹장이 발표한 내용을 정리했다. 제조 분야에서 디지털 전환이 진행되면서 제조 공정에 대한 시각화·가시화 전략이 요구되는 추세다. 기존에는 작업자가 직접 제조 현장을 순찰하면서 압력 게이지, 센서값 등을 수집·점검·감시했다. 이를 극복하기 위해 탄생한 기술이 바로 스카다(SCADA) 소프트웨어다. 미쓰비시전기오토메이션는
첨단 기술의 융합과 디지털 변환은 비즈니스에 역동적인 변화를 가져오고 있다. 제조업체들은 이런 변화를 받아들이고 적응하는 것이 중요해지고 있다. 해당 변화는 단순히 기존 프로세스를 변경하는 것이 아니라, 제조 실행 및 전략의 새로운 시대를 예고하는 패러다임의 변화를 의미한다. 엠아이큐브솔루션 박양호 연구소장은 ‘2024 스마트 제조 대전망 온라인 컨퍼런스’에서 제조업 패러다임을 바꿀 디지털 트윈의 적용 사례 및 구축 방안을 소개했다. 그 내용을 정리했다. 디지털 트윈이란 단어는 2002년 미시건대 마이클 그리브스 교수가 PLM에서 최초의 디지털 트윈 개념을 정립한 것으로 인정받고 있다. 여기서 PLM은 현재 대부분 기업에 적용되어 있는 PLM 개념이 아닌, 제품 탄생에서 죽음까지 제품의 전체 수명 주기를 통합하고 운영을 최적화하는 전략을 말한다. 현재 대부분 PLM 솔루션들이 수명 주기 초기 단계인 제품 개발 단계의 솔루션으로 자리 잡고 있다. PLM은 인더스트리4.0 시대에 들어서 디지털 트윈이라는 이름으로 다시 명명됐다. IoT, 로봇, PLC 기술 고도화, ERP 시스템 등의 고도화, 5G 통신, 빅데이터 분석 등 ICT 기술이 뒷받침되면서 전체 라이프
산업 제조 영역에서 디지털 트윈 기술은 빅데이터를 기반으로 현실을 반영하는 가상 모델을 생성하며, 이는 제조 설비의 설계부터 운영까지 전 과정을 가상화하여 효율성을 높이는데 기여한다. 반면, 메타버스는 사회적 활동을 가능하게 하는 가상세계를 제공하며, 이 두 기술은 각각 다른 출발점을 가지고 있지만, 산업 분야에서는 이들의 장점을 접목하여 지속 가능한 발전을 추구한다. 지멘스는 이러한 변화를 주도하기 위해 ‘지멘스 엑셀러레이터(Siemens Xcelerator)’를 통해 파트너와 협력하며 맞춤형 솔루션 개발을 위해 노력하고 있다. 또한 기존 및 신규 공장에 대해 각기 다른 접근 방식을 제안하며, 중소규모 공장도 클라우드 기반 서비스를 통해 접근성을 높이고 자원 효율성을 개선할 수 있다고 제시한다. 지멘스가 제시하는 산업 생산을 위한 혁신 가속화 방안은 무엇인지, ‘2024 스마트 제조 대전망 온라인 컨퍼런스’에서 한국지멘스의 김태호 이사가 발표한 내용을 정리했다. 산업 제조 영역에서의 디지털 트윈 기술은 제조 설비에서 도출된 빅데이터를 가상세계에 도입한 후 테스트를 거쳐 그 결과를 현실에 반영하는 개념이다. 지금은 기존의 단순한 디지털 트윈 활용 흐름과 달리
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김유활 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2025년 04월 16일 16시 02분
