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
견고했던 ‘매그니피센트 7’의 위상에 균열이 일어나고 있다. 세계 IT 기술을 좌우하는 7곳의 빅테크를 지칭하는 매그니피센트 7은 지난해 주가총액이 두 배 이상 상승하며, 그야말로 미국 증시 광풍을 이끌었다. 그러나 최근 빅테크 간 격차가 조금씩 벌어지고 있다. 그 차이를 야기한 것은 아이러니하게도 현재까지의 성장을 이끈 AI다. 생성형 AI 붐을 타고 몸값을 높여왔던 매그니피센트 7은 이제 AI에 대한 투자와 성과의 기로에서 새로운 국면을 맞았다. 상승세 끌어온 매그니피센트 7, 올해는? 매그니피센트 7은 미국 빅테크인 마이크로소프트(MS)와 애플, 엔비디아, 알파벳, 아마존, 메타, 테슬라 등 7개 기업을 의미하는 용어다. 이들은 미국 증시를 이끌며 연일 최고가 행진을 이어가고 있다. 지난 2월 기준 7개 기업의 전체 시가총액은 13조1000억 달러를 기록하며, G20 국가에서 시장 규모 2위인 중국(11조5000억 달러)을 추월했다. 이 같은 흐름은 올해에만 스탠더드 앤드 푸어스(S&P) 500지수를 16차례나 갱신할 정도로 파급력이 컸다. 지난해 생성형 AI가 시장에서 본격적인 확산 조짐을 보임에 따라, 매그니피센트 7은 AI라는 거대한 파도를
이코노미스트 임팩트는 최근 전 세계 이산화탄소 배출량의 3분의 1을 산업계가 주로 에너지 사용으로 인해 발생시킨다고 보도했다. 과거의 에너지 효율화 노력에도 불구하고, 업계 리더들 사이에서 제조업을 포함한 에너지 효율화 프로그램을 개발하여 현재의 에너지 위기와 기후 비상사태를 해결하려는 움직임이 다시 활발해지고 있다. 전 세계 에너지 부문에 대한 정책 권고, 분석 및 데이터를 제공하는 정부 간 기구인 국제에너지기구에 따르면, 지속적인 에너지 효율 프로그램을 통해 산업 부문에서 배출되는 탄소 배출량의 70%를 잠재적으로 제거할 수 있다고 한다. 제조업체의 경우 에너지 및 기후 위기를 해결하기 위해서는 환경에 미치는 영향과 자원 사용을 최소화하는 지속 가능한 관행이 필수적이다. 예를 들어 주문자 상표 부착 생산업체(OEM)는 에너지를 절약하면서 필요한 유연성과 처리량을 제공하는 '친환경' 기계를 제공함으로써 차별화할 수 있다. 로봇 공학, 머신비전, 인공지능(AI)을 포함한 자동화 기술은 이러한 노력에서 중추적인 역할을 한다. 자동화, 에너지 효율성과 지속가능성을 높인다 자동화된 제조는 본질적으로 지속 가능하다. 자동화를 통해 기업은 환경에 미치는 부정적인 영향
2024년에도 빅테크의 진격은 계속된다. 빅테크가 연이어 발표하는 생성형 AI 기술은 기존 모델 성능을 가뿐히 뛰어넘으며 새로운 기능을 선보이고 있다. 텍스트를 넘어 음성 및 이미지, 영상 등을 생성하며 다양한 산업 분야에 적용 사례를 만들고 있다. 최근 빅테크가 발표한 생성형 AI 서비스 역시 일상의 편의와 업무환경의 혁신을 가져옴으로써 변화를 만들어내고 있다. 이처럼 생성형 AI는 빅테크가 쏟아붓는 막대한 예산과 그에 따른 기술개발이 낳은 결정체라고 해도 과언이 아니다. 구글, 제미나이 1.5 프로의 등장 구글이 자체 개발한 멀티모달 AI 모델 제미나이 1.0 프로의 업데이트 버전을 공개했다. ‘제미나이 1.5 프로’는 구글 최신 AI 모델인 ‘제미나이 1.0 울트라’와 비슷한 성능으로 텍스트·이미지·음성·영상을 생성하는 중형 멀티모달 모델이다. 구글은 제미나이 1.5 프로가 기존 1.0 프로보다 동시에 정보를 처리하는 능력이 향상돼 긴 문맥을 이해하는 역량이 뛰어나다고 밝혔다. 제미나이 1.5 프로는 최대 100만 개의 토큰 처리 능력을 갖춘 것으로 알려졌다. 이는 기존 1.0 프로가 수행하는 3만2000개의 토큰 처리 규모를 아득히 뛰어넘는 수준이다.
3차원 측정기(CMM)는 1960년대로 거슬러 올라가는 풍부한 역사를 가지고 있다. CMM은 50년 이상 계측 분야의 초석이 되어 왔으며, 제조업체가 물체를 정밀하고 정확하게 측정하고 검사하는 방식에 혁신을 가져왔다. 창립 이래 CMM은 항공우주에서 자동차에 이르기까지 다양한 산업의 증가하는 수요를 충족하기 위해 지속적으로 발전해 왔으며, 제조된 부품의 품질과 적합성을 보장하는 데 중추적인 역할을 해왔다. 새로운 제조 시대의 정점에 서 있는 지금, CMM의 발전 궤적을 살펴보고 향후 수십 년 동안 이러한 기계가 어떻게 계속 변화할지 추측하는 것은 매우 중요하다. 역사적 관점 CMM의 뿌리는 제조 산업에서 정확한 치수 측정의 필요성이 가장 중요해진 시기로 거슬러 올라갈 수 있다. 최초의 CMM은 1960년대 후반에 아날로그 기술에 의존하여 기본적인 측정 기능을 제공하는 제품으로 출시되었다. 수년에 걸쳐 아날로그 기술에서 디지털 기술로 전환되면서 복잡한 형상을 측정할 때 정확도, 반복성 및 효율성이 향상되는 중요한 이정표가 마련되었다. CMM 기술의 진화 측정 정확도 및 정밀도의 발전: 계측 분야에서 더 높은 정확도와 정밀도를 향한 끊임없는 추구는 지난 50년
AI 발전은 인류에 혜택으로 돌아오지만 이면도 존재한다. 대표적인 예가 딥페이크다. 해커들은 AI와 딥러닝의 발전으로 인해 진짜 같은 가짜 사진, 영상 및 음성을 생성하는 능력을 증가시켰다. AI를 차치하더라도 단기간의 급격한 기술 발전은 딥페이크와 같은 부작용을 낳기도 한다. 이에 정부 및 주요 기업은 AI가 미칠 부정적인 영향에 대비해 다양한 제도와 가이드라인을 만드는 추세다. 반면 이 같은 규제가 도리어 AI 발전 속도를 저해할 수 있다는 목소리도 나오고 있다. 현실로 다가온 딥페이크 위협 지난 1월 미국을 대표하는 팝스타인 테일러 스위프트의 얼굴 사진이 합성된 이미지가 SNS를 통해 확산된 사건이 화제가 됐다. 현재 삭제된 이 이미지는 X, 인스타그램, 레딧 등에서 공유되면서 4700만 조회 수를 기록하기도 했다. 이 끔찍한 합성 이미지를 만드는데 적용된 기술이 딥페이크다. AI 탐지 기업인 리얼리티 디펜더는 이 합성 이미지가 AI 모델을 사용해 생성된 것이라고 확신했다. 딥페이크란 '딥러닝(Deep learning)'과 '가짜(Fake)'란 말의 합성어로, 최근에는 AI 기술을 기반으로 만들어낸 부정적인 창작물로서의 의미가 강하다. 같은 달 또 다른
AI 반도체 수요가 상승하고 있다. 이에 다수의 AI 기업이 자체 AI 칩 개발에 주력하는 추세다. 이는 고객의 요구에 특화한 솔루션을 제공하고, 예측할 수 없는 활용 가능성에 대비하기 위함이다. 이처럼 AI 칩 개발 경쟁은 미래 기술 혁신에 대한 흥미로운 전망을 제시함으로써 대중의 기대를 높이고 있다. 주요 기업들은 다음 단계에서 일어날 혁신에 대비해 치밀한 전략 구상에 나서고 있다. 시장은 자체 칩을 원한다 지난 2월, 오픈AI 샘 올트먼 CEO의 폭탄 발언이 AI 업계를 강타했다. 그의 입에서 나온 금액이 상상을 초월하는 천문학적 금액이었기 때문이다. 고성능 AI 반도체를 생산하기 위해 샘 올트먼이 언급한 펀딩 금액은 무려 7조 달러, 한화로는 9300조 원에 달하는 거액이다. 챗GPT의 창시자의 선포였기에, AI 업계는 진지하게 실현 가능성을 점쳐보고 있다. 샘 올트먼은 거대한 계획 안에 주요 반도체 기업과의 협력이 필요함을 밝혔으며, 그가 그리는 큰 그림에 포함될 가능성이 높은 기업들도 함께 주목받았다. 오픈AI 사례에서 말해주듯이 결국 AI 기업이 자체 칩 개발에 열을 올리는 이유는 높은 성능과 효율성을 갖춘 특화한 솔루션을 제공해 시장 경쟁에서