5G 특화망이 스마트팩토리와 물류, 제조 현장의 디지털 전환을 이끄는 핵심 인프라로 부상하면서, 국내 기업의 도입 부담을 낮출 지원 체계에도 관심이 커지고 있다. 한국전파진흥협회(RAPA)가 추진하는 ‘차세대 특화망 도입을 위한 기업 지원 프로그램’은 망 설계부터 무선 성능 평가, 환경 신뢰성 검증, 최종 품질 검증 보고서 발급까지 전주기 지원을 제공하는 것이 특징이다. 특히 자체 검증 역량이 부족한 중소 제조사에는 실질적인 도움이 될 수 있다. 한국전파진흥협회 박세호 센터장은 “기관이 발급하는 검증 보고서는 중소 제조사의 기술 신뢰도를 증명하는 강력한 무기”라며 “수요 기업의 초기 도입 리스크를 줄이고, 실질적인 공급 계약 성사로 이어질 것으로 기대된다”고 밝혔다. 5G 특화망, 산업용 무선통신, 스마트팩토리 확산의 현실적 기반을 마련하는 프로그램이라는 평가다. 글로벌 산업 현장이 무인 자동화와 지능형 생산 거점으로 탈바꿈하면서, 5G 특화망(이음 5G)은 공장 전체를 유기적으로 조율하는 핵심 무선 인프라로 떠올랐다. 초저지연·고대역폭·보안성을 무기로 자율주행로봇(AMR), 비전 AI(Vision AI), 실시간 로봇·기계 제어 등 피지컬 AI(Physic
스마트팩토리와 물류 자동화 확산으로 5G 특화망(이음 5G) 도입 수요가 커지고 있지만, 높은 구축비용과 복잡한 운영 부담은 여전히 기업의 큰 고민이다. 최대식 브이씨솔루션즈 대표는 이러한 문제를 해결하기 위한 핵심 전략으로 현장 맞춤형 5G 특화망 설계, 4.7GHz 중심의 효율적 주파수 선택, 핵심 구간만 적용하는 하이브리드망 구축, 단계적 라이선스 운영 방안을 제시했다. 여기에 RFI·RFP·PoC·OM으로 이어지는 표준화 로드맵까지 더해, 불필요한 투자와 공급업체 종속을 줄이면서도 비용 효율과 생산성을 동시에 높일 수 있는 현실적인 5G 특화망 도입 전략을 제안했다. 글로벌 산업 현장에서 5G 특화망(이음 5G)이 스마트팩토리와 물류 자동화의 핵심 인프라로 떠올랐지만, 정작 도입을 검토하는 기업은 다양한 허들에 직면했다. 고가의 장비 가격, 통신 전문 인력 고용 부담, 유지보수 방향성 부재 등 병목이다. 특히 서비스 목적에 맞지 않는 과도한 인프라 투자와 대용량 라이선스 계약이 기업의 비용 부담을 가중시키는 주요 원인으로 지적된다. 최대식 VC솔루션즈 대표는 “5G 특화망은 기업의 운영비용을 절감하고 생산성을 극대화하는 자산이어야 한다”며 현장 맞춤형
5G 특화망이 AI 자율제조와 피지컬 AI 시대를 구현할 핵심 인프라로 부상하고 있다. 제조 현장이 기존 스마트팩토리를 넘어 AI가 로봇과 설비를 실시간으로 판단·제어하는 ‘AI 팩토리’로 진화하면서 초저지연·초연결·고신뢰성을 갖춘 산업 전용 네트워크의 중요성도 커지는 모습이다. 김태윤 AI 네트워크 얼라이언스(AINA) 산업융합위원회 위원장은 “5G 특화망은 단순한 통신망 교체가 아니라 우리 기업의 제조 경쟁력을 실제 수치로 증명해내는 전략적 투자이자 국가 AI 인프라의 대동맥”이라고 강조했다. 실제 5G 특화망은 제조 생산성 향상과 불량률 감소, 물류 효율화, 산업안전 강화뿐 아니라 로봇과 센서, 생산설비를 실시간으로 연결하는 기반으로 주목받고 있다. 특히 산업단지 AX 전환이 본격화되면서 5G 특화망은 스마트팩토리를 넘어 AI 팩토리와 피지컬 AI 생태계를 구현하는 핵심 연결망으로 자리매김할 전망이다. AI 자율제조가 ‘전용 고속도로’를 요구한다 제조업의 디지털 전환이 새로운 단계로 접어들고 있다. 과거 스마트팩토리의 핵심이 생산설비 자동화와 데이터 수집이었다면 이제 제조 현장의 화두는 AI가 스스로 판단하고 로봇과 설비를 움직이는 ‘AI 자율제조’다.
AI 대전환(AX)이 제조·물류·조선 등 산업 현장으로 확산되면서 5G 특화망(이음5G)이 피지컬 AI 시대를 구현할 핵심 네트워크 인프라로 부상하고 있다. 생성형 AI를 넘어 로봇과 AI 비전, AMR·AGV, 디지털트윈이 생산 현장에서 실시간으로 연결되는 만큼 초고속·초저지연·초연결과 안정성, 보안성을 갖춘 산업 전용망의 중요성도 커지고 있다. 김경빈 한국방송통신전파진흥원(KCA) 과장은 “AI가 사무실 화면 안에 머물 때는 통신망이 크게 문제되지 않지만, 로봇이 생산라인을 돌아다니고 카메라와 설비 데이터가 쉼 없이 오가기 시작하면 이야기가 달라진다”며 “AI를 현장으로 끌어내리는 순간 망은 곧 성능의 한계선이 된다”고 강조했다. 국내 5G 특화망은 현재 39개 기업·기관, 111개소로 확산됐으며, 향후 AI 공장과 자율제조·자율물류를 연결하는 ‘산업의 신경망’으로 역할이 더욱 커질 전망이다. AI가 화면 밖으로 나왔다…‘통신망’이 산업 경쟁력이 된 시대 산업계의 디지털 전환을 설명하던 중심 키워드가 DX(Digital Transformation)에서 AX(AI Transformation)로 빠르게 이동하고 있다. 변화의 핵심은 AI가 더 이상 컴퓨
지난 4월 출시된 ‘오즈모 포켓 4(Osmo Pocket 4)’를 쓰면서 가장 인상에 남은 부분은 이런 ‘짐벌형 핸드헬드(Handheld) 카메라’를 떠올렸을 때 기대하게 되는 점이었다. 가벼웠고, 빨리 꺼낼 수 있었고, 급한 현장에서도 스마트폰과 별개로 곧바로 촬영에 들어갈 수 있었다. 대신 빠르게 방향을 틀거나 피사체가 바뀌는 순간에는 한 박자씩 늦게 따라오는 짐벌과 추적성이 아쉬움으로 남았다. 그 뒤 나온 후속작 ‘오즈모 포켓 4P(Osmo Pocket 4P)’는 조금 다른 기능적 노선을 탔다. 포켓 4의 기본 형태는 유지하면서 20mm 광각 옆에 60mm 중망원(Medium Telephoto) 카메라를 하나 더 달았다. 1배 확대(Zoom)에서는 넓게 보고, 3배에서는 별도 중망원 렌즈로 넘어가는 물리적 듀얼 카메라(Physical Dual-camera) 구조다. 얹는 게 있으면 내주는 것도 있었다. 포켓 4보다 몸집·무게가 늘었고, 가격도 한 단계 올라갔다. 실제로 손에 쥐었을 때도 차이는 체감됐다. 가벼운 기기를 들었다기보다 조금 더 제대로 된 촬영 장비를 쥔 느낌. ▲ 오즈모 포켓 4P를 실제 현장에서 활용하는 모습(좌)과 기기가 담아낸 현장 화
챗GPT(ChatGPT)가 인공지능(AI)을 사용자 화면(UI)에서 체감케했다면, 피지컬 AI(Physical AI)는 그 지능을 현실 세계로 구현하는 기술 방법론이다. 기존 AI가 텍스트·이미지를 만드는 이른바 생성형 AI(Generative AI)라면, 피지컬 AI는 카메라·센서로 실제 환경을 읽는다. 물리 법칙과 상황을 파악해 다음 동작을 예측하고, 로봇·설비·모빌리티 등 하드웨어를 직접 제어하는 차세대 기술 체계인 것. 현시점 글로벌 로봇 분야에서 휴머노이드 로봇(Humanoid Robot)이 피지컬 AI의 대표 격으로 주목받지만, 핵심은 대상을 가리지 않는다는 점이다. 제조 장비, 물류 시스템, 자동차, 농기계, 무인항공기(드론) 등 실제 환경에서 스스로 판단하고 움직이는 시스템 전반으로 확장하고 있다. 이러한 피지컬 AI는 갑자기 나타난 기술 개념이 아니다. 로보틱스(Robotics), 컴퓨터 비전(Computer Vision), 강화학습(Reinforcement Learning), 제어공학(Control Engineering), 체화 AI(Embodied AI) 등 다양한 분야가 오랫동안 쌓아온 결과다. 달라진 건 이 기술들이 통합돼 활용된다는
PAGO DeepACT DEFENSE·ATTACK·Detection-Engineering 3대 핵심 브랜드 공식 런칭 대규모 분석과 반복 업무는 AI가, 위협 맥락 판단과 대응 우선순위는 보안 전문가가 담당 공격 이전 위험 검증부터 위협 발굴과 탐지 고도화 실제 대응까지 단일 사이클로 연결 파고네트웍스가 지난 1일 그랜드 인터컨티넨탈 서울 파르나스에서 PAGO Security Summit 2026을 열고 이와 함께 진행한 미디어 브리핑에서 AI 시대 보안 환경 변화에 대응하는 새로운 Security Operations 전략을 공개했다. 파고네트웍스는 이 자리에서 전략을 구현하는 3대 핵심 브랜드 PAGO DeepACT DEFENSE와 PAGO DeepACT ATTACK 그리고 PAGO DeepACT Detection-Engineering을 공식 런칭했다. 권영목 파고네트웍스 대표는 브리핑에서 올 상반기 AI로 무장한 공격이 현실이 된 점을 출발점으로 제시했다. 권 대표는 "우리가 취약점을 찾기 전에 공격자가 먼저 찾고 더 빨리 침투해 들어오는 감당할 수 없는 스피드로 공격이 들어왔다"고 말했다. 그는 강력한 기술이 부정적 방향과 긍정적 방향 양쪽으로 쓰일 수
제조 인공지능 전환(AX) 전략 논의해 “인력난·고령화 대응 해법 모색” 사회적 배려 계층 아동 대상 로봇 창의교실 전개...AI·로봇 교육 접점 확대 노린다 현시점 국내 제조 현장에서는 작업자 부족과 고령화가 생산 라인의 자동화를 재촉하고 있다. 이 와중에 로봇 투입만으로는 부족하다는 분석이 이어지고 있다. 설비·공정 데이터를 읽고 판단하는 인공지능(AI)까지 결합해야 생산성 개선 폭을 키울 수 있다는 요구가 커졌다는 뜻이다. 로봇 산업의 확산 조건도 달라졌다. 기술 자체의 성능뿐 아니라 현장 적용을 뒷받침할 실증(Pilot) 체계와 이를 다룰 인력이 필요하다는 의견이다. 장기적으로는 산업 기반을 이어갈 교육 접점까지 함께 요구되는 양상이다. 한국로봇산업진흥원(KIRIA)은 최근 제조 현장과 교육 현장을 오가며 이 기반을 넓히고 있다. 경상남도에서는 지역 제조·로봇 기업과 제조 인공지능 전환(AX) 전략을 논의했고, 대구에서는 사회적 배려 대상 아동을 대상으로 로봇 체험 교육을 진행했다. 인력난·고령화 겹친 경남 제조업...로봇에 AI를 결합하라 자동차·조선·기계·부품 산업이 밀집한 경상남도 제조 현장에서는 인력 구조와 공정 운영 문제가 먼저 테이블에 올랐
로봇 전문 교육 거점 개편...인공지능(AI), 제조 인공지능 전환(AX), 피지컬 AI(Physical AI) 등 교육 범위 확대한다 레인보우로보틱스, 연구개발(R&D) 현장 개방해...청년 인재와 로봇 업체 연계 도모 유티정보와 도로 교통 피지컬 AI 공동 연구도 “인지·판단부터 현장 조치까지 겨냥” 로봇 산업의 현장 확산에는 기술만큼 사람이 필요하다. 산업용 로봇을 다루는 숙련도에 인공지능(AI) 활용 역량이 더해지고, 교육 과정은 실제 기업의 연구개발 환경과 맞물려야 한다는 게 업계 공통 의견이다. 이렇게 개발을 마친 기술에는 다시 산업과 생활 공간에서 작동 여부를 검증하는 과정이 뒤따른다. 한국로봇융합연구원(KIRO)이 이러한 지점을 동시에 겨냥하고 있다. 기존 로봇 전문 교육 거점은 AI·로봇 융합 교육기관으로 재편했다. 청년 인재에게는 국내 로봇 업체의 연구실을 개방했고, 도로 교통 분야에서는 관제 시스템과 로봇을 결합한 피지컬 AI(Physical AI) 실증 준비에 들어갔다. 인재를 교육하는 시설과 인력을 필요로 하는 기업, 기술이 작동해야 할 실제 현장을 잇는 움직임이다. 제조 인공지능 전환(AX)부터 휴머노이드 로봇(Humanoid
제조업의 인공지능 전환(AX)을 위해서는 휴머노이드나 거대 AI 모델 도입에 앞서 현장 데이터를 어떻게 확보하고 연결할 것인지부터 살펴야 한다는 지적이 나왔다. 공장 설비와 기업마다 제각각인 데이터 형식을 표준화하지 않으면 AI 도입 과정의 상당 부분을 데이터 정리와 변환에 써야 해 투자 대비 효과(ROI)를 확보하기 어렵다는 설명이다. 이정준 국제전기기술위원회(IEC) 이사·서울대학교 공학전문대학원 교수는 지난 28일 경기 성남시 판교타운홀에서 열린 ‘2026 제6회 디지털 ESG 조찬회’에서 ‘제조 AX와 피지컬 AI, 어떻게 구현할까?: 데이터를 중심으로’를 주제로 발표하며 이같이 밝혔다. 이 교수는 최근 제조업계에서 AI 팩토리와 피지컬 AI, 자율공장, 휴머노이드 등의 개념이 빠르게 확산하고 있지만 실제 제조 현장의 고민은 이보다 구체적이라고 짚었다. 그는 “실제로 공장을 운영하시는 분들은 ‘저건 먼 얘기고 지금 당장 어떻게 할 건데’라는 질문에 답을 찾아야 한다”며 “결국 AI를 어떻게 활용할 것인가의 관점에서 접근해야 하고, 그러려면 AI를 돌릴 데이터가 도대체 어디에 있는지부터 봐야 한다”고 말했다. 제조 AI의 현실적 활용, 예지보전·품질검사
청소를 로봇에게 맡긴 사람들. 이들은 돌려받은 시간을 들고 개장 전의 쇼핑몰 매장 사이를 달렸다. 평소 쇼핑객이 오가던 통로에는 러닝복을 맞춰 입은 500여 명의 참가자가 빼곡히 들어찼다. 부모는 아이의 손을 잡았고, 러너는 손목에 찬 기록계 버튼을 눌렀다. 출발선에 섰을 때 기자가 거둔 첫 인식은 다름 아닌 '의구심'이었다. 평소 마라톤 대회에 꾸준히 참가하는 기자 입장에서 보면, 로봇 청소기 업체 주관 러닝 행사는 브랜드 홍보라는 목적에 마라톤 대회의 형식을 적당히 덧댄 이벤트 정도로 보였기 때문이다. 하지만 막상 뚜껑을 열어보니 주차 관리, 참가 등록, 출발 통제, 코스 운영, 완주 기록 측정, 메달 각인에 이르기까지 일반 러닝 대회의 기본 구조가 매끄럽게 이어졌다. 쇼핑몰 바닥 역시 예상과 달리 발을 헛밀어내지 않고 잘 감겼다. 여기에 냉방이 가동된 실내 코스 덕분에 한여름 특유의 찌는 열기와 습도도 빠져 있었다. 현장에 참가한 기자는 가족 단위 참가자를 피해 수차례 주행선을 바꾸고, 실내 위성항법시스템(GPS)의 오차까지 감수한 끝에 기록계가 멈춰 선 숫자는 19분21초. 5km 코스 기준 개인 최고 기록이다. 로보락(Roborock)은 지난 22일
규격이 다른 상자·포대·통(Barrel) 등을 작업자가 일일이 옮기던 항만. 이 같은 하역(Unloading) 구조를 뒤집은 솔루션은 서로 다른 화물을 같은 외형에 담은 컨테이너다. 내용물은 그대로지만 선박·철도·트럭이 화물을 넘겨받는 접점은 하나로 통일됐다. 국제표준화기구(ISO)는 컨테이너의 외부 치수와 등급을 규정했다. 이에 화물과 이동 경로가 달라져도 형태와 관계없이 같은 규격을 적재하고 이동시켰다. 이러한 표준화가 확보한 것은 화물 내용이 아닌 이를 담는 용기의 크기와 적재 기준이다. 그러면서 대상물·경로가 달라져도 운송망 전체를 다시 설계할 필요가 줄었다. 앞서 항만에서 효과를 입증한 표준화 방식은 자동화 현장으로 확장되고 있다. 초기 물동량과 제품 형태에 맞춰 설치한 컨베이어·크레인·분류기는 주문 구조가 바뀌면 이송 동선과 보관 구조를 다시 짜야 했다. 실제 물량이 예상보다 적으면 돈을 들여 설치한 설비 일부가 쓰이지 않은 채 남았다. 시장은 빠르게 바뀌는데 설비는 고정돼 있는 문제. ▲ 규격·형태가 다른 상자·포대가 고정형 컨베이어를 따라 하역 구간을 이동하고 있다. 설비가 설치된 경로에 맞춰 물품의 이동 동선이 결정되는 기존의 일반적인 구조다
물리 자산·생산라인·공장 전체를 가상으로 구현…실시간 모니터링·고장 예측·공정 최적화 지원 디지털 트윈(Digital Twin)이 현대 제조업에서 가장 혁신적인 기술 중 하나로 부상하고 있다. 물리적 자산, 생산라인, 공장 전체를 동적으로 가상 구현함으로써 제조업체는 운영 현황을 실시간으로 파악하고, 생산 공정을 최적화하며, 장비 고장을 사전에 예측하고, 지속적으로 생성되는 운영 데이터를 기반으로 의사결정을 내릴 수 있게 됐다. 디지털 트윈은 혁신적 개념에서 출발해 현대 제조업을 변화시키는 핵심 기술로 발전하고 있다. 물리적 자산, 생산라인, 공장 전체에 대한 동적 가상 표현을 생성함으로써 제조업체는 이전에는 확보하기 어려웠던 수준의 운영 가시성을 확보하고 있다. 이 기술은 조직이 장비를 실시간으로 모니터링하고, 생산 공정을 최적화하며, 장비 고장이 발생하기 전에 이를 예측하고, 운영 데이터의 지속적인 흐름을 기반으로 정보에 근거한 결정을 내릴 수 있도록 한다. 인더스트리 4.0이 성숙함에 따라 디지털 트윈은 설계, 제조, 검사, 유지보수, 제품 수명주기 관리를 하나의 통합 디지털 생태계로 연결하는 지능 계층이 되고 있다. 과거에는 각각 독립적으로 운영되던
챗GPT(ChatGPT)가 인공지능(AI)을 사용자 화면(UI)에서 체감케했다면, 피지컬 AI(Physical AI)는 그 지능을 현실 세계로 구현하는 기술 방법론이다. 기존 AI가 텍스트·이미지를 만드는 이른바 생성형 AI(Generative AI)라면, 피지컬 AI는 카메라·센서로 실제 환경을 읽는다. 물리 법칙과 상황을 파악해 다음 동작을 예측하고, 로봇·설비·모빌리티 등 하드웨어를 직접 제어하는 차세대 기술 체계인 것. 현시점 글로벌 로봇 분야에서 휴머노이드 로봇(Humanoid Robot)이 피지컬 AI의 대표 격으로 주목받지만, 핵심은 대상을 가리지 않는다는 점이다. 제조 장비, 물류 시스템, 자동차, 농기계, 무인항공기(드론) 등 실제 환경에서 스스로 판단하고 움직이는 시스템 전반으로 확장하고 있다. 이러한 피지컬 AI는 갑자기 나타난 기술 개념이 아니다. 로보틱스(Robotics), 컴퓨터 비전(Computer Vision), 강화학습(Reinforcement Learning), 제어공학(Control Engineering), 체화 AI(Embodied AI) 등 다양한 분야가 오랫동안 쌓아온 결과다. 달라진 건 이 기술들이 통합돼 활용된다는
수출기업을 향한 탄소배출 데이터 제출 요구가 공급망 전반으로 확산하고 있다. 기업들의 과제도 탄소배출량을 산정하는 데서 데이터를 어떻게 관리하고 주고받을지로 넓어지고 있다. 고객사마다 다른 양식과 산정 기준에 대응하면서 생산량·에너지 사용량 등 민감한 정보를 보호하고, 한 번 확보한 데이터를 여러 거래처에 활용할 수 있는 시스템의 필요성이 대두되고 있다. 대한상공회의소와 한국산업단지공단이 20일 공개한 ‘산업단지 탄소배출 관리(MRV) 플랫폼 수요조사’에 따르면 수출기업 300개사 가운데 99.3%가 고객사로부터 탄소배출 데이터 제출을 이미 요청받았거나 앞으로 받을 예정이라고 답했다. 90.3%는 자신들도 협력사에 탄소데이터를 요구하고 있거나 요구할 계획이라고 응답했다. 탄소데이터 제출 요구가 원청에서 협력사로 이어지는 구조가 확산하고 있는 셈이다. 데이터 관리 방식은 기업마다 달랐다. 복수응답 결과 전사적자원관리(ERP) 등 사내 시스템을 활용한다는 기업이 66.3%였지만, 엑셀·수기문서로 관리한다는 응답도 42.4%에 달했다. 고객사가 제공하는 개별 서식을 이용한다는 기업은 38.8%였다. 대한상의와 산단공은 기업들이 고객사 요구에 맞춰 데이터를 다시 가
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘, 이준원 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김진희 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 이메일 : help@hellot.net | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2026년 09월 08일 17시 38분
