인공지능(AI) 산업의 기술 판도가 흔들리는 양상이다. 모델 크기와 추론 속도를 주요 경쟁 요소로 삼았던 기존 트렌드가 전환되는 모습. 이제 시장은 기업 업무를 대행하는 '에이전트(Agent)', 토큰(Token)을 생산하는 'AI 공장(AI Factory)', 모니터 화면에서 벗어나 실제 하드웨어를 구동하는 ‘피지컬 AI(Physical AI)’로 향하는 모양새다. 데이터센터 역시 단순한 서버의 집합체에서 벗어나 전력·냉각·네트워크·보관소·보안·소프트웨어등을 통합 설계하는 인프라로 진화하는 추세다. 이 가운데 토큰은 생성형 AI(Generative AI)가 텍스트·명령을 처리하고 결과를 출력할 때 사용하는 기본 단위다. 컴퓨터는 사람처럼 문장 전체를 한 번에 이해하지 못하고, 글자를 잘게 쪼개서 인식한다. 쉽게 말해, 토큰은 그 쪼개진 글자 한 조각 한 조각을 뜻하는 것이다. 글로벌 컴퓨팅 기술 업체 엔비디아(NVIDIA)의 수장 젠슨 황(Jensen Huang) 최고경영책임자(CEO)는 AI 팩토리를 토큰을 생산하는 시설로 규정하며, 컴퓨팅 성능을 수익 구조와 직접 연결했다. 그에 따르면, 에이전트는 이 패러다임 전환의 핵심 근간이다. 단순 답변 생성 프
설계 속도와 품질 검증이라는 두 가지 요구 사이에서 균형을 찾지 못해 제품 개발 일정이 지연되거나 검증 프로세스가 형식화되는 문제가 제조 현장 곳곳에서 반복되고 있다.설계 속도와 품질 검증이라는 두 가지 요구 사이에서 균형을 찾지 못해 제품 개발 일정이 지연되거나 검증 프로세스가 형식화되는 문제가 제조 현장 곳곳에서 반복되고 있다. 설계·해석 데이터가 개인 PC나 부서별 서버에 분산 저장되면서 이력 관리가 어려워지고 엔지니어 개인 역량에 의존하는 구조가 고착화되는 현상도 심화되고 있다. 이러한 문제의식 속에서 시뮬레이션 프로세스 혁신을 통해 설계 속도와 데이터 자산화를 동시에 실현하는 방법을 집중적으로 다루는 온라인 웨비나 '설계는 더 빠르게, 해석은 더 쉽게, 데이터는 더 안전하게: 제조 혁신을 완성하는 시뮬레이션 프로세스'가 오는 6월 24일(수) 오후 2시부터 3시까지 온라인으로 개최된다. 이번 웨비나는 단순한 도구의 변화를 넘어 일하는 방식의 혁신을 핵심 메시지로 내세운다. 시뮬레이션을 돌리는 문턱을 낮춰 설계 가속도를 높이는 동시에 그 결과물을 유실 없이 자산화하는 시스템을 다루며 앞서가는 제조 기업들이 이를 차세대 제품 개발의 무기로 활용하는 실전
공식 기술 행사 ‘심센터 테크놀로지 콘퍼런스 2026(Simcenter Technology Conference 2026)’ 열어 산업용 AI 및 물리 기반 시뮬레이션 통합 엔지니어링 포트폴리오 공개 “설계·해석·생산 등 개별 사일로 극복하도록 돕겠다...생애주기 데이터로 연결” 전략 내놔 지멘스 디지털 인더스트리 소프트웨어(이하 지멘스)가 자사 기술 포럼 ‘심센터 테크놀로지 콘퍼런스 2026(Simcenter Technology Conference 2026)’를 열었다. 이 자리에서 지난해 인수합병(M&A)한 소프트웨어 기술 업체 ‘알테어(Altair)’와의 통합 엔지니어링 포트폴리오를 공개했다. 행사는 지멘스·알테어의 글로벌 통합 프로세스 이후 국내에서 처음으로 마련된 공식 기술 세션이다. 사측은 이번 행사에서 산업용 AI(Industrial AI)와 시뮬레이션 기반의 가상 인프라를 융합해 제조업의 디지털 전환(DX)을 주도하겠다는 구상을 내놨다. 현장에는 국내 주요 제조·엔지니어링 영역의 학계·연구기관 관계자가 참여해 산업별 엔지니어링 혁신 사례와 고도화 전략을 공유했다. 지멘스는 이번 콘퍼런스를 통해 시뮬레이션, 물리적 테스트, 고성능 컴퓨팅(H
시뮬레이션과 테스트 데이터를 단순 소모 자원이 아닌 재사용 가능한 지식 자산으로 전환해 R&D 생산성을 높이려는 움직임이 제조·엔지니어링 업계에서 빠르게 확산되고 있다. 반복되는 후처리 작업과 중복 시뮬레이션으로 인한 비효율을 줄이고 축적된 엔지니어링 데이터를 Industrial AI 학습에 직접 활용하려는 수요 또한 커지고 있다. 이번 웨비나 '시뮬레이션 워크플로 자동화를 넘어: Industrial AI를 위한 엔지니어링 데이터 인텔리전스'는 제조·엔지니어링 기업을 대상으로 시뮬레이션·테스트 데이터를 자산화해 Industrial AI를 가속하는 Rescale Data Intelligence & AI의 실제 활용 방안을 다룬다. 특히 최근 NVIDIA GTC 2026에서 발표된 Rescale의 디지털 엔지니어링 플랫폼 비전을 바탕으로 Data Intelligence·AI Physics·Agentic Engineering이 어떻게 결합돼 엔지니어링 업무를 자동화·고도화하는지 소개하고, 글로벌 트렌드와 함께 시뮬레이션 데이터 재사용과 중복 작업 제거 및 후처리 자동화를 통해 얻을 수 있는 R&D 생산성 향상 효과를 사례 중심으로 공유한다.
H200 그래픽처리장치(GPU) 서버 등 고성능 연산 인프라 확충 나서 “피지컬 AI 개발 기반 구축” 휴머노이드 로봇, 산업용 로봇, 자율주행로봇(AMR) 등 다종·이기종 로봇 자원을 하나로 빅웨이브로보틱스가 고성능 그래픽처리장치(GPU) 인프라를 전격 확충하고, 이를 기반으로 피지컬 AI(Physical AI) 현장 솔루션 개발·사업화에 나선다. 사측은 이번 투자를 통해 다종·이기종 로봇을 단일 통합 운영체계에 ‘통합 관리(Orchestration)’하는 방향을 구상했다. 이를 통해 휴머노이드 로봇(Humanoid Robot), 산업용 로봇, 자율주행로봇(AMR) 등 다양한 로봇 폼팩터(Form-factor)를 실제 산업 현장에서 활용하는 인프라를 구축한다. 또한 이 같은 인프라 확보로, 인공지능(AI) 추론과 대규모 학습 속도를 높일 방침이다. 개별 로봇 성능보다 서로 다른 시스템을 하나의 흐름으로 조율하는 역량이 피지컬 AI 시대의 핵심 경쟁력이라는 판단에서다. 이 과정에서 최근 H200 GPU 서버 두 대 등 총 16개 GPU 규모의 고성능 연산 인프라를 확보한 것으로 알려졌다. 사측 관계자에 따르면, 산업 현장에서는 휴머노이드 단독 도입보다 기존
미국 자율주행 솔루션 기업 싱엔(Cyngn)이 엔비디아(NVIDIA)의 시뮬레이션 플랫폼에 고정밀 자율주행 지게차 모델을 통합해 산업용 로봇 배치 속도를 높이고 있다. IT 매체가 보도한 바에 따르면, 싱엔(나스닥: CYN)은 자사의 고정밀 지게차 차량 모델을 엔비디아의 개방형 자율 시스템 개발 시뮬레이션 프레임워크인 아이작 심(Isaac Sim)에 통합하고 있다고 밝혔다. 이 통합을 통해 엔비디아의 시뮬레이션 플랫폼에 고정밀 차량 동역학 모델을 연동함으로써, 싱엔은 자율주행 지게차의 테스트를 더 빠르게 수행하고, 위험을 줄이며, 검증 효율을 높일 수 있게 됐다. 매체에 따르면, 이번 성과는 싱엔의 자율주행 지게차 프로그램을 강화하는 조치로, 특히 과거에 자율주행 지게차 100대를 선주문한 아라우코(Arauco)와의 협업에 힘을 싣는 것으로 평가됐다. 지난해 동안 싱엔과 엔비디아의 엔지니어링 팀은 고급 엔지니어링 도구를 활용해 제작한 싱엔의 정교한 지게차 모델이 아이작 심 환경에서 실행되도록 공동 작업을 진행했다. 이 지게차 모델은 업계 표준 형식인 기능 모형 단위(FMU·Functional Mock-up Units)로 내보내졌으며, 양측은 싱엔의 타이어 및
모티프테크놀로지스(Motif Technologies) 컨소시엄 합류 심레디(Sim-Ready) 3D 데이터, 비전·언어·행동(Vision·Language·Action) 모델 등 피지컬 AI 학습 토대 마련한다 “정밀 3차원(3D) 컴퓨터지원설게(CAD) 생성부터 시뮬레이션 데이터 변환 기술로 인공지능 전환(AX) 견인” 엔닷라이트가 모티프테크놀로지스(Motif Technologies) 컨소시엄에 합류해, 국내 독자 인공지능(AI) 파운데이션 모델 구축을 위한 국가 프로젝트에 본격 착수한다. 모티프테크놀로지스 컨소시엄은 국가 AI 경쟁력 강화를 목표로, 300B 파라미터급 추론형 거대언어모델(LLM) 구축하는 연합체다. 이어 시각·언어(Vision·Language) 모델, 비전·언어·행동(Vision·Language·Action 이하 VLA) 모델 등까지 단계적으로 모델을 고도화하는 ‘대한민국 AI 파운데이션 모델 구축 프로젝트’를 진행한다. 해당 컨소시엄은 모델 가중치, 코드, 연산 최적화 라이브러리 등을 상업용 오픈소스로 공개해, 국내 AI 산업 생태계 전반의 기술 자립과 성장을 견인한다는 방침이다. 엔닷라이트는 이번 프로젝트에서 AI가 물리 세계를 이해하
최근 제조·물류 현장의 경쟁은 자동화 설비의 도입 숫자로 판단되지 않는다. 센서와 장비는 한층 촘촘해졌고 데이터도 이전보다 훨씬 많이 쌓이는 상황이다. 하지만 현장에서는 이 다음 단계로의 전진을 원한다. 측정된 정보가 얼마나 빠르게 판단으로 이어지는지, 그 판단이 로봇·설비의 동작으로 얼마나 자연스럽게 연결되는지, 예외 상황이 발생했을 때 공정과 물류 흐름이 얼마나 빨리 다시 안정되는지가 새 경쟁력으로 떠올랐다. 이 같은 흐름은 공장을 보는 시선을 ‘도입’에서 ‘운영’으로 옮겨 놓고 있다. 개별 장비의 성능을 높이는 데 머물던 방식으로는 공급망 변동성, 에너지 부담, 안전과 품질, 인력 공백이 한꺼번에 겹치는 현장을 감당하기 어렵기 때문이다. 지난 4일 열린 ‘제36회 스마트공장·자동화산업전(Automation World 2026, AW 2026)’은 이런 변화 속에서 자율성(Autonomy)·지속가능성(Sustainability)의 동력을 내세우며, 로보틱스·소프트웨어·물류·비전·제어 등 기술이 하나의 운영 체계로 이어지는 장면을 전시장 전면에 펼쳐 보였다. 겉으로 화려하게 보이지는 않지만, 로봇의 완성도를 좌우하는 로보틱스 기술을 조명한다. 물체를 다루는
창고와 물류 현장에서 로봇 도입을 검토하는 기업들이 시뮬레이션 기반 분석을 통해 투자 수익성과 자동화 효과를 사전에 검증하려는 움직임이 커지고 있다. 로봇 비즈니스 전문 매체 로보틱스 비즈니스 뉴스(Robotics Business News)에 따르면 로보티온(Roboteon)의 최고마케팅책임자(CMO) 댄 길모어(Dan Gilmore)는 자사가 개발한 ‘로보틱스 투자 임팩트 분석(Robotics Investment Impact Analysis)’이 실제 창고 데이터를 활용한 벤더 중립 시뮬레이션으로 자동화 투자 평가 방식을 바꾸고 있다고 밝혔다. 길모어 CMO는 이 매체와의 인터뷰에서 시뮬레이션 기반 분석이 기업의 로봇 투자 평가 방식을 어떻게 재편하고 있는지, 로보티온의 로보틱스 투자 임팩트 분석 개발 배경, 자동화 투자 수익률(ROI) 달성에서 오케스트레이션 소프트웨어가 어떤 역할을 하는지, 그리고 기업들이 창고 로봇 도입에서 더 명확한 수익과 더 빠른 가치 실현을 요구하면서 데이터 기반 시뮬레이션이 왜 필수 도구가 되고 있는지를 설명했다. 길모어 CMO는 먼저 이 분석 도구 개발 배경에 대해, 로보티온이 원래 자사 내부 목적을 위해 시뮬레이션 기반 도구
제조 현장에 생성형 AI(Generative AI)를 도입하고도 변화가 체감되지 않는 대목이 있다. 질문에 대한 답은 매끄럽게 돌아오지만, ▲설계 변경 ▲검증 ▲제조 검토 등으로 이어지는 실제 프로젝트를 최종 종결(Sign-off) 짓는 힘이 없기 때문이다. 다쏘시스템이 올해 ‘3D익스피리언스 월드 2026(3DEXPERIENCE World 2026 이하 3DXW 2026)’에서 정조준한 영역 중 하나도 여기다. 실제로 설계, 검증, 수정·승인, 생산 연계 주기를 맡는 ‘제품 개발 기술(Engineering)’ 조직은 실질적인 실행력 있는 AI를 갈망한다는 것. 쉽게 말해, 문장을 수려하게 다듬는 인공지능(AI) 작가가 아니라, 요구 조건에서 실행까지의 프로세스를 끝까지 매듭짓는 AI 해결사가 필요하다는 것이다. 현장이 마주한 병목은 '결정'과 '실행'의 단절에서 발생한다. 거대언어모델(LLM)이 텍스트의 확률적 조합에 능숙할지라도, 물리적 제약 조건을 통과해야 하는 엔지니어링의 연쇄 공정을 가동하기에는 한계가 명확하기 때문이다. 요구 사항 정리부터 모델 수정, 시뮬레이션 준비를 거쳐 의사결정과 제조 가능성 재확인으로 이어지는 이 과정을 줄여야만 생산성의 속
생성형 AI(Generative AI)가 산업 현장으로 스며드는 속도는 빨라지고 있다. 하지만 정작 그 인공지능(AI) 방법론의 성패를 가르는 기준은 여전히 과거의 관행에 머물러 있는 것으로 분석된다. 현시점 산업 내 경쟁력의 핵심은 똑똑한 AI 모델 차용보다 더 높은 가치를 요구하고 있다. 현장 내 노하우를 어떤 방식으로 기록하고, AI 사용료를 어떤 예산으로 결재하며, 한 번 만든 결과물을 어떻게 복기해 활용할지가 관건이다. 이 가운데 설계·제조의 실질적인 생산성은 AI 알고리즘의 신묘함보다 ▲데이터 거버넌스 ▲학습 곡선 ▲과금 구조 등 현장 변수에서 먼저 결정된다. 이렇게 조직 경영의 새로운 접근법으로 떠오른 AI는 조직을 운영하는 데 핵심 시스템으로 거듭난 모양새다. 이 같은 전환점에서 업무 시스템을 새로 설계하지 못하는 조직은 똑똑한 AI를 도입하더라도, 실제 현장에서는 조금의 변화도 일으키지 못하는 정체 상태에 머물게 된다. 결국 AI 트렌드에서의 혁신점은 신기술 도입을 가로막는 조직 내의 구시대적 규칙을 얼마나 현실적으로 개선하느냐에 있다. 가상 동반자, 지식 자산을 실시간 의사결정 동력으로 바꾸는 전략 이달 1일(현지시간) 미국 텍사스주 휴스턴
프로젝트를 새로 시작하는 순간은 즐겁다. 특히 설계단에서 새로운 제품을 구상하고 성능 목표와 디자인 콘셉트를 기획하며 기대감에 부푼다. 하지만 현실의 변수가 등장하는 순간 상황은 반전된다. 일정·예산, 규격·인증, 제조 가능성· 원가 구조 등이 한데 얽히면, 설계자는 도면과 형상 대신 각종 문서 파일에 함몰될 수 있다. 수많은 프로젝트가 이 지점에서 동력을 상실하는 이유다. 캐나다 출신의 엔지니어 겸 크리에이터 제이 보글러(Jay Vogler)는 이 흐름을 5단계의 곡선으로 정의한다. 프로젝트는 ‘설렘(Idea hits)’에서 출발해 ‘복잡함(Problems begin)’과 ‘좌절(Pit of despair)’의 구간을 거치고, 다시 ‘몰입(Flow)’을 지나 ‘사후 확신(Finish)’에 도달한다. 핵심은 이 곡선의 완주 빈도와 끝맺음, 그리고 그 경험이 개인의 기억을 넘어 조직의 자산으로 치환되는지 여부다. 프랑스 소재 시뮬레이션 및 3차원(3D) 설계 솔루션 업체 다쏘시스템(Dassault Systèmes)의 에노비아(ENOVIA)·시뮬리아(SIMULIA)·델미아웍스(DELMIAWorks)는 이 곡선의 복잡한 과정을 이어주는 연결 고리다. 프로젝트를 끝
‘제21회 한국 로봇 종합 학술대회’ 참가...휴머노이드 로봇 중심 차세대 연구·교육 기술 시연 가상환경(VR) 원격 조작 환경, 오픈소스 기반 모방학습(Imitation Learning) 등 연구 기술 인프라 공개 빅웨이브로보틱스는 지난 4일 열린 7일까지 개최된 ‘제21회 한국 로봇 종합 학술대회(KRoC)’에 후원사로 참가해 휴머노이드 로봇(Humanoid Robot) 중심의 차세대 연구·교육 솔루션을 대거 선보였다. 한국 로봇 종합 학술대회는 국내 로봇 공학 분야 전문 학술대회다. 한국로봇학회가 주관해 국내외 로봇 관련 학계 전문가와 산업계 인사가 한자리에 모이는 교류의 장이다. 올해 21회를 맞이한 이번 대회는 최신 로봇 기술의 학문적 성과를 공유하는 논문 발표뿐만 아니라, 휴머노이드 로봇, 자율주행 기술, 인공지능(AI) 제어 등 기술이 논의됐다. 사측은 연구 현장에서 즉시 활용 가능한 실전형 학습 환경을 제시해 학계의 주목을 받았다. 구체적으로 연구·교육용 로봇 도입 시 발생하는 컨설팅, 기술 지원, 운영 관리를 통합한 아카데믹 서비스 ‘이지케어(EasyCare)’를 소개했다. 이 서비스는 연구·교육 주체가 로봇 운영에 따르는 행정적·기술적 부담
실시간 데이터와 예측 분석으로 격변하는 품질 관리 패러다임 일본식 장인정신과 미국식 통계관리의 경계에 머물렀던 무결점 생산이, 디지털 트윈 기술의 도입으로 이제는 실현 가능한 '운영 전략'으로 자리잡고 있다. 실시간 모니터링과 예지보전, 그리고 자동화된 계측이 결합된 새로운 품질 관리 패러다임이 산업 현장에 혁신을 일으키고 있다. ‘무결점 제조’란 단어는 오랜 시간 제조업계에서 완벽함을 추구하는 신화 혹은 철학적 이상처럼 여겨져 왔다. 생산 과정에서 불량률 ‘제로’에 도전하는 이 야심찬 목표는, 인간의 경험에 의존한 샘플링 검사와 온라인/오프라인 테스트, 시간차 피드백에 번번이 현실의 벽에 부딪혔다. 그러나 기술 발전은 변화의 실마리를 제공하고 있다. 바로, 가상과 현실, 데이터와 물리적 세계를 매끄럽게 연결하는 ‘디지털 트윈’이 무결점 생산의 패러다임을 근본부터 뒤바꾸고 있다. 전통적 품질 관리의 한계와 전환점 지금까지의 품질 관리 프로세스는 대개 생산 완료 후 결함을 식별하고, 원인을 분석하는 사후 관리에 집중돼 왔다. 인간의 직접 검사와 통계적 샘플링, 분절된 데이터 구조는 각종 불량이나 부적합을 완전히 예방하기 어렵게 만들었다. 게다가 시간적·공간적으
지난 1일부터(현지시간) 나흘간 미국 텍사스주 휴스턴에 있는 조지 R. 브라운 컨벤션 센터(George R. Brown Convention Center)에서 ‘다쏘시스템 3D익스피리언스 월드 2026(Dassault Systèmes 3DEXPERIENCE World 2026 이하 3DXW 2026)’이 전개됐다. 본 행사는 키노트, 라이브 데모, 대규모 전시장 등으로 이어지는 전형적인 글로벌 컨퍼런스의 아키텍처를 갖추며 막을 올렸다. 그러나 무대 뒤를 관통하는 어젠다는 명료했다. 피지컬 AI(Physical AI), 산업용 월드 모델(Industrial World Model), 버추얼 동반자(Virtual Companions), 그리고 글로벌 경진대회까지. 미래형 제조 생태계를 위한 기술 설계도였다. “인공지능(AI)과 가상 공장을 어디까지 신뢰하고, 어떤 영역을 인간의 고유한 판단으로 남겨둘 것인가” 피지컬 AI, 공장을 통째로 가상 환경에 집약하는 新 성장동력 사측이 올해 내세운 피지컬 AI는 현실의 설비를 그대로 옮겨 놓은 ‘버추얼 트윈 공장(Virtual Twin Factory)’이 주요 콘셉트였다. 이는 공정·품질·운영 데이터를 실시간으로 학습하는
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 06월 06일 17시 22분
