생성형 AI(Generative AI)의 확산 이후 각 기업은 실효성 있는 성과를 요구하고 있다. 하지만 기업 상당수는 여전히 실질적인 투자수익률(ROI)을 확보하지 못하고 있는 것으로 진단된다. 이에 따라 기술적 초점은 단순한 대화형 인터페이스 구축에서 한 차원 높은 가치를 요구한다. 설계, 시뮬레이션, 제조, 거버넌스 등 핵심 산업 프로세스에 인공지능(AI)을 어떻게 유기적으로 통합하느냐가 관건인 모습이다. 이는 기업의 수익 구조를 근본적으로 재설계하는 ‘동력의 최적화’가 필수임을 시사한다. 업계는 먼저 파편화된 데이터를 통합하는 과정이 전제돼야 한다고 주장한다. 가상 환경에서의 정밀한 시뮬레이션으로 현실의 변수를 제어하는 설계 방식은 이제 산업의 본질적인 프로세스로 자리 잡았다. 이러한 흐름 속에서 기술적 가능성을 실제 비즈니스 가치로 치환하기 위한 고도화 전략 논의가 절실해지는 시점이다. 엔지니어링·제조의 경계가 희미해지는 4차 산업의 정점에서는 가상 세계의 ‘시뮬레이션’ 데이터가 주요 방법론으로 낙점됐다. 이는 AI의 학습 정밀도를 결정짓는 주요 재료가 된다. 데이터를 답습하는 과거형 AI만으로는 한계가 명확하기 때문에, 가상 공간에서 수조 개의 시
2019년에 Google사가 개발한 초전도체를 이용한 양자 컴퓨터(초전도형 양자 컴퓨터)에서 고전적인 컴퓨터로 해결할 수 없는 문제를 푸는 양자 초월이 증명되었다. 그 후, 여러 기업에서 중성 원자, 이온 트랩, 빛, 실리콘 등 다양한 양자를 활용한 방식의 양자 컴퓨터 개발이 보고되었으며, 양자 컴퓨터 연구의 중심은 소수의 양자 비트로 할 수 있는 기초적인 연구 주제에서 대규모의 양자 비트를 실현하기 위한 연구 주제로 점차 옮겨가고 있다. 초전도형 양자 컴퓨터는 초전도체를 이용하는 디바이스이기 때문에 10mK 정도의 극저온까지 장치를 냉각할 필요가 있지만, 기본적인 구성 요소는 반도체 장치와 같은 고체 디바이스다. 따라서 기존 실리콘 반도체를 이용한 고전적인 컴퓨터와 유사한 이미지로 개발 항목을 생각할 수 있어 실용화를 위한 로드맵 작성이 용이하며, 초전도형 양자 컴퓨터 벤더로부터 상세한 로드맵이 제시되고 있다. 이 때문에 다양한 양자 컴퓨터가 있는 가운데, 초전도형 양자 컴퓨터는 가장 기대되고 진입하는 기업 수도 가장 많은 방식이다. 대규모 초전도형 양자 컴퓨터를 향한 과제 그림 1에 현재 시판되고 있는 수백 양자 비트급 양자 컴퓨터를 이미지한 그림을 나타
양자 컴퓨터는 현재 널리 사용되는 컴퓨터 중에서도 슈퍼컴퓨터라고 불리는 가장 빠른 컴퓨터를 이용해도 계산이 어려운 대규모의 데이터 분석, 신약 개발 시뮬레이션, 대규모 최적화 문제 해결 등에 큰 기대를 받고 있다. 이 양자 컴퓨터는 양자역학의 ‘양자 중첩’이나 ‘양자 얽힘’과 같은 특유의 현상을 이용해서 병렬 계산을 하는 컴퓨터가 된다. 양자 컴퓨터에 이용되는 연산자로서 사용되는 양자 비트 또는 양자 게이트 방식에는 광형, 이온 트랩형, Si 스핀형, 냉각 원자형 등 여러 종류가 있는데, 현재 가장 진전된 것은 초전도 양자 비트를 이용한 초전도 양자 컴퓨터이다. 조합 최적화 문제에 특화된 양자 어닐링형 상용 양자 컴퓨터가 개발되어 세계를 놀라게 한 이후, 각 기관의 개발 경쟁이 급속히 가속화되었다. 현재 초전도 양자 컴퓨터는 범용 계산도 가능한 게이트형 개발이 주류를 이루고 있다. 이 초전도 양자 컴퓨터는 트랜스몬(transmon) 회로를 이용한 양자 비트의 미약한 포톤의 진동을 초전도 마이크로파 회로로 수신하는 방식을 이용하고 있다. 양자 비트를 5GHz로 동작시키는 경우 1포톤의 에너지 S는 약 250mK의 미약한 신호가 된다. 이 미약한 신호를 수신하기
최신 자동차 산업에서는 자동화와 디지털화의 흐름이 뚜렷하게 나타나고 있다. 첨단 운전자 보조 시스템(ADAS)부터 인포테인먼트 시스템에 이르기까지, 현대의 자동차는 점점 더 디지털 기술에 대한 의존도를 높여가고 있다. 이러한 변화의 중심에는 아날로그-디지털 컨버터(ADC)가 있다. ADC는 현실 세계의 아날로그 신호를 차량용 컴퓨터 시스템이 처리할 수 있는 디지털 데이터로 변환하는 핵심 장치다. 이 글에서는 차량 시스템의 성능을 최적화하고 안전성을 향상시키는 데 있어 ADC가 어떻게 활용되고 있는지를 살펴보고자 한다. 차량용 시스템 내 ADC의 이해 차량용 시스템에서 ADC는 다양한 센서로부터 수집된 아날로그 신호를 디지털 데이터로 변환한다. 이때 사용되는 센서는 온도·압력 센서와 같은 기본 장치부터 레이더(Radar), 라이다(LiDAR)와 같은 고정밀 광학 센서에 이르기까지 매우 다양하다. 차량용 컴퓨터 시스템은 이렇게 변환된 디지털 데이터를 기반으로 주행 관련 의사결정을 내리고, 각종 기능을 제어하며, 운전자에게 필요한 정보를 제공한다. 특히 고정밀 ADC는 뛰어난 해상도와 정확도를 바탕으로 차량용 시스템의 핵심 부품으로 자리 잡고 있다. 아날로그 신호
사람이 물건을 만졌을 때에 느끼는 금속과 같은 차가운 촉감이나 목재 특유의 따뜻함, 솜의 포근한 감촉과 같은 촉각으로부터 느끼는 질감은 뇌의 처리에 의해 부여된다. 질감을 느끼는 방식은 과거의 경험이나 나이에 따라 개인차가 발생한다. 예를 들어 숙련된 목수는 목재를 만지는 것만으로 목재의 상태나 품질을 순간적으로 간파하는 뛰어난 촉각 감성을 가지고 있으며, 의사는 환자를 촉진함으로써 미묘한 이상을 발견할 수 있다. 사람이 물건을 만졌을 때에 뇌 안에서 느끼는 질감은 개인차가 있기 때문에 몇 가지 요소로부터 감각을 얻고 있는지 해명하는 것은 어렵다. 그러나 생리학적으로 본 촉각 수용기의 종류를 고려해 크게 ‘압력’, ‘진동’, ‘온도’의 세 가지 요소로부터 복합적으로 판단하고 있다고 할 수 있다. 이는 해부학적으로도 지적되고 있는데, 선행 연구에서도 감각 시험을 통해 이들 인자를 확인하고 있으며, 세 가지 인자로 재질 인식의 시스템을 구축하는 데 성공했다. 이 글에서는 질감의 요소를 질감 인자라고 부르며, 각각 ‘경도 인자’, ‘표면 상태 인자’, ‘온도 인자’라고 부른다. 특정 감각에 주목한 것으로, 표면 상태에 주목한 촉각 감성의 연구나 열 촉각에 관한 연
스마트공장 도입이 확산됐지만, 국내 제조 현장에서는 여전히 납기 지연과 계획 변경이 반복된다. ERP와 MES가 구축돼 있음에도 불구하고 생산 일정은 엑셀과 경험에 의존하는 경우가 많다. KSTEC 이윤준 기술이사는 이러한 현실을 두고 “데이터는 충분하지만, 그 데이터를 기반으로 미래를 예측하고 판단하는 체계가 없다”고 지적한다. 실제로 제조업의 디지털 전환은 설비 자동화와 실적 관리 단계에 머물러 있고, 수요 변동·설비 장애·긴급 주문에 선제적으로 대응하는 생산계획 체계는 부재한 경우가 많다. 이 간극을 메우는 해법으로 주목받는 것이 APS(Advanced Planning & Scheduling)다. KSTEC이 공개한 SyncPlan APS는 ERP와 MES 사이에서 수요 계획, 생산 계획, 공정 스케줄링을 연결하며, 다단계 계획과 목표 기반 알고리즘을 통해 납기, 재고, 설비 가동률을 동시에 고려한 의사결정을 가능하게 한다. 스마트공장 고도화의 다음 단계는 더 많은 데이터를 쌓는 것이 아니라, 계획을 중심으로 한 의사결정 구조를 만드는 데 있다. 스마트공장 고도화의 벽, ‘계획’이라는 블라인드 스폿 국내 제조업은 지난 10여 년간 빠르게 자동화와
제조 현장에 AI를 도입했지만, 실제로 운영되는 사례는 많지 않다. 수많은 제조 AI 프로젝트가 PoC 단계에서 멈추거나 양산 라인에 안착하지 못한 채 사라졌다. 이 문제를 기술 한계로만 설명하는 시선도 여전하다. 그러나 라온피플 윤기욱 CTO는 제조 AI의 실패 원인을 전혀 다른 지점에서 짚는다. “제조 AI는 기술 문제가 아니라 운영 구조의 문제”라는 것이다. GPU 인프라와 AI 전문 인력을 전제로 설계된 기존 접근 방식은 오래된 생산 라인과 복잡한 공정 환경을 가진 제조 현장과 충돌할 수밖에 없었다. 여기에 데이터 관리, 모델 유지, 성능 저하 대응이라는 현실적인 과제가 더해지며 제조 AI는 ‘도입은 했지만 쓰이지 않는 기술’로 남았다. 라온피플은 제조 AI 플랫폼 ‘NAVI AI PRO’, 통합 MLOps 플랫폼 ‘EZ PLANET’, 생성형 AI 기반 지능형 관제 ‘Odin AI’, AI 에이전트 ‘HI FENN’을 통해 이 구조적 한계를 재정의하고 있다. 여기서는 제조 AI와 생성형 AI가 어떻게 ‘현장에서 살아남는 기술’로 전환되고 있는지를 짚는다. 제조 AI는 왜 현장에 정착하지 못했나 제조 AI는 오랫동안 ‘도입 대비 효과가 불분명한 기술’
스마트 팩토리와 자동화가 제조·물류 현장의 필수 조건으로 자리 잡았지만, 여전히 많은 현장에서는 ‘완전한 자율’에 이르지 못하고 있다. 로봇은 도입됐지만 환경 변화에 취약하고, 시스템은 복잡하며, 비용 부담은 여전히 높은 것이 현실이다. 특히 자율이동로봇(AMR)의 핵심 요소인 센서와 자율주행 기술이 외산에 의존해온 구조는 국내 산업 자동화의 한계로 지적돼 왔다. 이러한 가운데 유진로봇은 라이다 센서부터 자율주행 알고리즘, 현장 적용 솔루션까지 전 영역을 자체 기술로 내재화하며 스마트 팩토리 자동화의 새로운 해법을 제시하고 있다. 단순한 물류 자동화를 넘어, 로봇이 스스로 환경을 인식하고 판단하며 인간과 공존하는 ‘자율제조’ 단계로의 진화를 어떻게 구현하고 있는지, 그리고 그 기술이 실제 산업 현장에서 어떤 변화를 만들고 있는지에 주목할 필요가 있다. 인구 구조 변화와 숙령공·인력 부재는 글로벌 제조 산업이 직면한 가장 큰 과제로 분석된다. 공장·물류센터에서 물건을 실어 나를 인력이 사라지는 시대. 그 빈자리를 메우기 위해 등장한 기술 대안이 바로 로봇이다. 특히 자율주행로봇(AMR)은 이제 선택이 아닌 생존을 위한 필수 인프라가 됐다. 하지만 시장 팽창 속
로봇 산업의 화두는 이제 ‘얼마나 정교하게 움직이느냐’보다 ‘얼마나 작고, 가볍고, 효율적으로 움직이느냐’로 옮겨가고 있다. 특히 휴머노이드와 협동로봇을 중심으로 소형·경량화 경쟁이 본격화되면서, 로봇 구동부를 구성하는 모터·감속기·제어 기술은 더 이상 개별 부품의 성능 문제가 아닌 ‘통합 설계’의 영역으로 진입했다. 딩스코리아 장준호 대표가 제시한 ‘소형 모터 기반 로봇 구동 통합 솔루션’은 이러한 산업적 전환점을 정확히 겨냥한다. 복잡한 배선 구조와 과도한 공간 점유, 충격과 내구성의 한계를 동시에 안고 있던 기존 로봇 구동 방식에서 벗어나, 하나의 조인트 모듈로 정밀 제어·내구성·확장성을 모두 해결하겠다는 접근이다. 이는 단순한 부품 혁신이 아니라, 로봇 설계와 개발 방식 자체를 바꾸는 제안이라는 점에서 주목할 만한 해법으로 평가된다. 국내 로봇 산업이 글로벌 3대 강국으로 도약하기 위한 결정적 분수령을 맞이했다. 정부의 대규모 투자와 기업의 프로젝트 집중에도 불구하고, 여전히 로봇 제조 원가의 약 70% 이상을 차지하는 하드웨어 부품의 ‘내재화’와 ‘비용 최적화’는 해결되지 않은 숙제다. 특히 모터(Motor)·감속기(Reducer)·제어기(Contr
스마트 팩토리가 더 이상 새로운 화두가 아닌 시대에, 제조 현장의 경쟁력을 가르는 기준은 설비 자동화 수준이 아니라 ‘데이터를 어떻게 연결하고 활용하느냐’로 옮겨가고 있다. 현장에서 생성되는 생산·물류·설비 데이터가 경영 시스템과 단절된 채 흩어져 있다면, 아무리 많은 시스템을 도입해도 의사결정은 느릴 수밖에 없다. 이러한 문제의식 속에서 비젠트로는 ERP와 MES를 개별 시스템이 아닌 하나의 유기적 구조로 통합하는 접근법을 제시하고 있다. 비젠트로 김병수 상무는 제조 데이터가 실시간으로 연결되고, 현장의 변화가 즉각 경영 지표로 반영되는 구조야말로 자율형 스마트 팩토리로 가는 핵심 조건이라고 강조한다. 엑셀 중심의 수작업 관리, 시스템 간 데이터 불일치, 현장 가시성 부족이라는 국내 제조사의 고질적 한계를 어떻게 해소할 수 있을지, 비젠트로의 솔루션이 그 해법을 제시한다. 국내 제조 현장의 스마트 팩토리 전환이 단순한 외형 성장을 넘어 ‘질적 고도화’라는 중대한 임계점에 도달했다. 정부의 강력한 드라이브와 기업의 대규모 투자로 자동화 설비와 로봇 도입은 가시적인 성과를 거뒀으나, 정작 이를 운영하는 ‘디지털 혈맥’인 데이터 연동에서는 여전히 심각한 병목 현
제조 현장에서 자동화의 무게 중심이 빠르게 이동하고 있다. 무인지게차와 AGV, 자동창고가 늘어났음에도 공장이 기대만큼 빨라지지 않는 이유는 ‘장비’가 아니라 ‘흐름’에 있다. 미라콤아이앤씨 김이루 상무는 제조 현장 최적화를 가로막는 핵심 원인으로 물류 흐름의 단절을 지목하며, 제조 물류 자동화의 해법으로 소프트웨어 중심 통합 제어 전략을 제시했다. 생산 공정은 고도화됐지만, 공정 간 이동과 반송이 사람 중심으로 운영되는 한 공장 전체 최적화는 불가능하다는 진단이다. AGV와 자동창고, 컨베이어를 개별 장비가 아닌 하나의 시스템으로 묶는 MCS·WCS, 그리고 MES 연계를 통해 생산과 물류를 실시간으로 연결하는 구조가 새로운 기준으로 떠오르고 있다. 제조 물류 자동화는 이제 인력 대체를 넘어, 공장을 멈추지 않게 만드는 핵심 경쟁력이 되고 있다. 자동화된 공장이 멈추는 이유 제조 현장은 이미 상당 부분 자동화됐다. 생산 설비는 고속화·지능화됐고, 검사 공정은 데이터 기반으로 품질 편차를 줄여왔다. 하지만 많은 현장에서 공정 전체의 체감 생산성은 기대만큼 오르지 않는다. 미라콤아이앤씨 김이루 상무는 이 지점을 제조 물류에서 찾는다. 그는 “설비는 자동화됐지만
산업 현장에서 디지털 전환(DX)은 더 이상 새로운 화두가 아니다. 자동화와 데이터 기반 운영은 이미 많은 기업의 일상이 됐다. 이제 산업계의 질문은 다음 단계로 옮겨가고 있다. 인공지능은 과연 공장과 설비, 생산 현장에서 어떻게 작동해야 하는가, 그리고 그 전환을 누가, 어떤 방식으로 이끌 것인가다. 출범 10주년을 맞은 한국산업지능화협회는 이 질문에 가장 가까이 서 있는 조직 중 하나다. 그리고 이러한 변화를 가장 가까운 자리에서 견인해 왔다. 법·제도 정비부터 산업 AI 협력 생태계 구축, 기업 현장 중심의 인재 양성까지 협회의 역할은 산업 전반을 관통해 왔다. 특히 최근에는 제조 자동화를 넘어 AI가 스스로 판단하고 최적화하는 자율제조, 데이터 주권을 전제로 한 산업 데이터 스페이스, 그리고 물리적 세계와 결합하는 Physical AI까지 산업 패러다임의 다음 단계를 준비하고 있다. 협회 출범 10주년을 맞아 만난 이길선 전무는 “앞으로의 경쟁력은 기술 보유 여부가 아니라, 누가 먼저 현장에 적용했느냐에 달려 있다”고 강조한다. 산업 AX 시대를 앞두고, 협회가 그리고 있는 다음 10년의 청사진을 짚어봤다. Q. 한국산업지능화협회는 2015년 출범 이
현대차 — 4Q 실적 부진 불구, 신차 효과로 눈높이 완화 기대 한화리서치는 현대차에 대해 목표주가를 65만원으로 상향하며 투자의견 Buy를 유지했다. 현재가 52만8,000원(1월 29일 기준) 대비 23.1%의 상승 여력이 있다는 분석이다. 목표주가는 2026년 예상 EPS 45,513원에 Target P/E 14.3배를 적용해 산출됐다. 4Q25 실적은 매출액 46.8조원(분기 최대)을 기록했으나, 영업이익은 1.7조원(-39.9%)으로 추정치와 컨센서스를 크게 하회했다. 실적 부진의 주요 원인으로는 관세 부담(기존 관세 물량 판매 비중)과 북미·유럽 경쟁 심화에 따른 인센티브 증가가 지목됐다. 2026년 가이던스는 판매 416만대, 매출 성장률 1~2%, 영업이익률 6.2~7.3%로 보수적인 수준이어서 눈높이 하향이 필요하다는 분석이다. 다만 북미 팰리세이드 HEV 등 신차 효과로 부진이 완화될 가능성도 언급됐다. 2026년 실적 전망은 매출액 190.4조원, 영업이익 12.2조원, 지배주주순이익 9.9조원이다. 삼양식품 — 공급 증설 램프업으로 2026년 계단식 성장 기대 한화리서치는 삼양식품에 대해 목표주가를 190만원으로 상향하며 투자의견 Buy
어도비 포토샵이 파이어플라이 기반 생성형 인공지능 편집 기능 업그레이드를 포함한 새 편집 도구를 공개했다. IT 매체 엔가젯(Engadget)에 따르면 어도비 포토샵은 1월 29일(현지 시간) 크리에이터를 위한 여러 신규 기능을 도입했다. 이번 업데이트에는 현재 다양한 서비스에서 공통적으로 채택되고 있는 인공지능 기반 기능이 포함됐다. 어도비는 파이어플라이(Firefly) 생성형 인공지능 플랫폼으로 구동되는 제너레이티브 필(Generative Fill), 제너레이티브 익스팬드(Generative Expand), 리무브(Remove) 도구를 개선했다. 엔가젯은 이들 이미지 편집 도구가 이제 2K 해상도 결과물을 제공하고, 인공적인 흔적(아티팩트)은 줄이면서 세부 묘사를 강화해, 사용자가 입력한 프롬프트와 더 잘 맞는 결과를 내도록 업그레이드됐다고 보도했다. 또한 제너레이티브 필의 레퍼런스 이미지(Reference Image) 옵션도 개선됐다. 이 기능은 장면의 기하 구조를 인식하는 ‘지오메트리 인식(geometry-aware)’ 결과를 제공해, 기존보다 장면과 더 잘 맞는 이미지를 생성하도록 조정됐다. 어도비는 이 밖에 신규 기능으로 다이내믹 텍스트(Dynam
소셜미디어 플랫폼의 10대 사용자 중독과 정신 건강 악영향을 둘러싼 첫 배심 재판이 미국에서 시작돼 메타와 구글이 법정에 서고, 틱톡과 스냅챗은 각각 원고와 합의로 소송에서 빠지게 됐다. 미국 IT 매체 매셔블(Mashable)은 인스타그램을 운영하는 메타(Meta)와 유튜브를 운영하는 구글(Alphabet 산하 구글)이 소셜미디어 관련 소송과 관련해 배심 재판에 직면했다고 보도했다. 배심은 인스타그램과 유튜브 같은 플랫폼이 10대 이용자에게 의도적으로 중독적 행동을 유도했는지 여부를 판단하게 된다. 보도에 따르면 재판은 1월 27일(현지 시간) 시작될 예정이며, 소송은 이들 기업이 알고도 중독 행동, 자해, 자살 생각으로 이어지는 사이트 기능을 만들어냈다고 주장하고 있다. 소송은 K.G.M.으로만 신원이 공개된 19세 사용자와 그의 어머니가 제기했으며, 원고는 개인에 대한 금전적 손해배상과 함께, 피고로 지목된 플랫폼들이 과도한 사용을 억제할 수 있도록 사이트 설계를 변경하도록 강제하는 것을 목표로 하고 있다. 원고가 낸 최초 청구에는 메타와 구글뿐 아니라 스냅챗(Snapchat)의 모회사 스냅(Snap)과 동영상 플랫폼 틱톡(TikTok)도 피고로 포함됐
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: 2026년 03월 09일 18시 14분
