인간의 오감은 다양한 외부 정보를 받아들이는 중요한 창구다. 오감 중 어느 한 쪽에 기능이 약화되면 정보 수용이 제한될 수 있다. 특히 눈을 통해 받아들이는 정보는 엄청나다. 이는 사람뿐만 아니라 기계에서도 마찬가지다. 인공지능의 눈 역할을 하는 컴퓨터 비전 기술은 스마트폰 안면 인식부터 휴머노이드 로봇까지 다양하게 활용된다. 이들 장치에서는 시각 정보를 고해상도로 인식하는 것이 중요하다. 이에 카이스트 전기및전자공학부, 미국 매사추세츠공과대(MIT), 마이크로소프트 공동 연구팀은 적은 GPU(그래픽처리장치) 메모리만으로도 인공지능(AI)이 세상을 더 선명하게 볼 수 있도록 하는 범용 기술을 개발해 메모리 효율을 최대 16배 높였다고 17일 밝혔다. 이 기술은 인공지능 및 컴퓨터 비전 분야 국제 학술대회인 ‘CVPR 2026’에서 지난 7일 발표됐고 계산 자원의 효율적 활용을 인정받아 ‘CVPR 컴퓨트 골드 스타’ 상을 받았다. 연구 과정의 투명성과 재현 가능성 부분에서도 인정받아 ‘트랜스패런시 챔피언’에도 선정됐다. 최근 휴머노이드 로봇, 자율주행 시스템, 현실의 물리적 환경과 변화를 학습해 예측하는 AI 모델인 세계 모델은 연산 속도를 높이고 메모리 사용량을 줄이기 위해 입력 영상을 저해상도로 압축해 활용하고 있다. 문제는 압축하는 과정에서 작은 물체나 얇은 구조물, 미세한 결함 같은 중요한 시각 정보가 손실될 수 있다는 점이다. 또 모든 영상을 고해상도로 처리하면 막대한 GPU 메모리와 연산 자원이 필요한 실시간 처리가 어려워진다. 이는 스마트폰 같은 소형 기기나 기동성이 중요한 휴머노이드 로봇이 주변 환경을 정밀하게 인식해야 하는 상황에 빠르게 대처할 수 없게 만든다. 이에 연구팀은 입력 이미지의 경계와 구조 정보를 활용해 저해상도 특징 정보를 고해상도로 복원하는 ‘업샘플 애니씽’(Upsample Anything)을 개발했다. 기존 기술은 새로운 환경이나 데이터에 적용하기 위해 별도의 재학습이나 복잡한 최적화 과정을 거쳐야 했지만 이번 기술은 추가 데이터 학습 없이 입력 이미지 한 장만으로 최적의 복원 방식을 찾아낼 수 있어 다양한 환경에 즉시 적용할 수 있다. 또 모든 시각 정보를 고해상도로 저장·처리하지 않고 핵심 정보만 압축해 활용함으로써 GPU 메모리 사용량을 크게 줄였다. AI 연구에서 주로 사용되는 약 5만 픽셀, 224×224 크기 이미지를 기준으로 0.4초의 짧은 계산만으로 원본에 가까운 시각 정보를 복원했고 GPU 메모리 효율도 최대 16배까지 향상시키는 것으로 확인됐다. 연구를 이끈 김창익 카이스트 교수는 “제한된 연산 자원만으로도 AI가 주변 환경을 더욱 정밀하게 인식할 수 있게 한 이번 기술은 스마트폰 같은 소형 기기는 물론 작은 물체를 정확하게 식별하고 조작해야 하는 휴머노이드 로봇, 자율주행 시스템, 온디바이스 AI 등 다양한 차세대 인공지능 분야에 폭넓게 활용될 수 있을 것”이라고 밝혔다.

북한이 국제사회의 대북 제재를 뚫고 엔비디아의 구식 그래픽처리장치(GPU) 등을 확보해 인공지능(AI) 분야에서 연구 성과를 내고 있다는 분석이 나왔다. 김민정 국가안보전략연구원 첨단기술전략센터장이 16일 발표한 ‘북한 AI 역량 평가와 안보적 함의-음성 AI 기술과 연산 환경을 중심으로’ 보고서에 따르면 북한 김일성종합대학, 국가과학원, 리과대학 등 연구기관은 엔비디아의 테슬라 P100, 지포스 RTX 2070 등 그래픽처리장치와 퀄컴의 스냅드래곤 820 등을 신경망, 음성합성, 억양 식별 등 분야에 활용했다. 언급된 장비들은 모두 2016~2018년에 출시된 것이며 미국의 포괄적 대북 수출 통제 조치에 따라 북한 반입이 금지돼 있다. 그러나 북한은 중국 등 제3국을 통해 중고 장비 등을 확보한 것으로 추측된다. 실제로 북한 연구기관이 공개한 보고서에는 엔비디아의 테슬라 P100, RTX 2070을 사용했다고 밝힌 대목이 있는 것으로 알려졌다. 북한이 AI 기반 시설을 보유하고 있다고 보기 어렵지만, 연구소급 서버와 민수용 그래픽카드를 통해 감시·식별·음성처리·영상추적 기능을 반복 실험할 수 있는 최소 연산 여건을 확보한 것이라는 해석이 나온다. 김 센터장은 또 북한 연구진이 휴대전화에 퀄컴의 스냅드래곤 820을 사용한 데 대해서는 북한의 인공지능 연구가 서버 장비 학습 이외에도 소형 장비 검증 단계에 진입했음을 시사한다고 분석했다. 그는 북한의 AI 장비·환경에 대해 “구세대 GPU, 민수용 그래픽카드, 휴대 단말기급 연산칩을 활용한 특정 임무형 AI 기능 구현 단계로 평가된다”며 “안면인식, 음성합성, 억양 식별, 영상 추적 등 특정 임무 기능을 구현할 수 있는 수준”이라고 설명했다. 구식 엔비디아 GPU, 군사력 증강에 영향 미칠까북한이 국제사회의 제재를 뚫고 엔비디아 등 유력 업체의 GPU를 확보할 루트를 얻었다면 이는 군사력 향상에도 영향을 미칠 가능성이 있다. 김 센터장이 언급한 대로 AI가 가장 먼저 쓰이는 분야는 폐쇄회로(CC)TV의 얼굴인식이나 위성사진 분석, 차량 번호판 인식 등이다. 이러한 분야는 향후 사람 대신 AI가 전장에서 특정 차량이나 인물을 자동 탐지하도록 만들 수 있다. 더불어 북한은 우크라이나 전쟁에 러시아를 위한 파병을 보낸 뒤 실전에서 드론의 성능과 사용법 등을 숙지했다. 비록 구식 GPU이긴 하나 이를 이용한 AI 연구는 드론의 영상을 자동 분류하거나 이동 물체를 추적하도록 하는 시스템 연구에 활용될 가능성이 있다. 이 밖에도 이미 북한이 전 세계에 입증한 사이버 테러와 해킹 능력이 AI와 만나 대량 데이터를 분류하고 피싱 메시지를 자동으로 생성하게 하거나 악성코드를 심는 작업 등이 수월해질 수 있다. 다만 현재 북한이 우회 경로로 입수했다고 추정되는 엔비디아 GPU 장비만으로는 최첨단 무기를 설계하거나 기존 무기를 혁신적으로 바꾸기는 어렵다. 따라서 전문가들은 북한이 확보한 엔비디아 장비가 소형 장비 및 드론 영상 분석, 얼굴·인물 식별, 사이버 작전 지원 등에 활용될 가능성이 있다고 전망한다. 한국 군사력 5위, 북한은?한편 북한의 군사력은 전 세계 145개국 중 31위로 평가됐다. 군사력 평가기관 글로벌파이어파워(GFP)는 2026년 한국의 국방력을 5위, 북한을 31위로 평가했다. GFP는 △총인구, 군사조직 규모 △항공기, 헬기, 전차, 포, 함정 등 장비의 수 △국방비, 구매력 평가(PPP), 외환 및 금 보유고 등 재정 △공항, 항구, 터미널, 철도, 도로 등 사회기반 시설 △석유 생산량 및 소비량 등 자원 △국토 면적, 해안선 길이 등을 고려해 국가별 순위를 정한다. 대다수의 평가 항목에서 한국이 북한을 크게 앞서지만, 병력 규모 면에서는 북한의 상비군(약 132만명)이 한국(약 45만명)보다 약 3배 앞서는 것으로 나타났다. 다만 전시 때 병력을 보충하고 국가 방위력을 유지하는 핵심 지표인 예비군 규모는 한국이 앞선다. 한국의 예비군 동원력은 310만명으로 세계 3위로, 북한(56만명)과의 격차가 5배에 이른다. GFP는 핵무기 등 비대칭전력과 사이버·드론 전력은 군사력 평가에 반영하지 않았다. 그럼에도 기동력·화력·정밀 타격 능력 등에서 한국이 북한을 압도해 실질적인 억지력을 갖췄다는 평가가 나온다.

네이버클라우드가 전장에서 활용할 수 있는 인공지능(AI) 청사진을 공개하며 전장 데이터를 통합 분석하는 ‘전장 AI 플랫폼’ 구축에 나섰다. SK텔레콤은 군 전용 거대언어모델(LLM), 현대로템은 AI가 탑재된 무인로봇 개발에 속도를 내고 있다. AI가 전쟁 수행 방식의 핵심 변수로 떠오르면서 ‘국방 AI 전환(AX)’과 관련해 국내 기업들이 시장 선점 경쟁에 본격적으로 뛰어들고 있다. 네이버클라우드는 전날 대전컨벤션센터(DCC)에서 열린 ‘소버린 AI 기반 국방 AX 발전 전략 세미나’에서 국방 AI 비전을 공개했다고 11일 밝혔다. 핵심은 텍스트·음성·영상·지도 등 서로 다른 형태의 데이터를 통합 분석하는 ‘옴니모달 AI’다. 옴니모달 AI는 정찰 드론 영상, 무전 내용, 전술 지도 등 서로 다른 형태의 데이터를 한꺼번에 분석해 전장 상황을 통합적으로 이해하는 기술이다. 전장에 흩어진 정보를 모아 ‘무슨 일이 벌어지고 있는지’를 실시간으로 이해하고 향후 상황까지 예측하는 것이 목표다. 네이버클라우드는 이를 위해 국방 AX 전담 태스크포스(TF)인 ‘디펜스 프론티어’를 신설했다. 현장 엔지니어를 전진 배치하는 FDE(Forward Deployed Engineer) 체계를 통해 실제 작전 환경에 AI를 신속하게 적용하겠다는 구상도 내놨다. 국방 전용 AI 데이터센터 구축 방안도 공개했다. 육해공군과 합동참모본부 데이터를 통합 학습하는 중앙 데이터센터를 구축하고 전방 부대와 함정, 이동형 지휘소 등에는 엣지(소형) 데이터센터를 배치해 통신이 끊긴 상황에서도 AI가 작동하는 체계를 구축하겠다는 계획이다. SK텔레콤은 군 전용 AI 모델 개발에 나서고 있다. SK텔레콤은 최근 국방부, 과학기술정보통신부와 손잡고 자체 초거대 AI 모델인 ‘A.X K1’을 기반으로 국방 특화 AI를 개발하기로 했다. A.X K1은 5190억개의 매개변수를 갖춘 국내 최대 규모 AI 모델이다. SK텔레콤은 이를 군 내부 폐쇄망 환경에서도 구동할 수 있도록 경량화해 국방 특화 sLLM(소형 언어모델) 형태로 공급할 예정이다. 정부는 국가 AI 프로젝트 차원에서 그래픽처리장치(GPU) 자원을 지원하며 국방 AI 개발을 뒷받침하고 있다. 현대로템은 AI를 실제 무기체계에 적용하는 ‘피지컬 AI’ 분야를 맡고 있다. 현대로템은 최근 산업통상자원부와 국방과학연구소가 발주한 피지컬 AI 관련 국책 과제를 잇달아 수주했다. 사람의 음성이나 문자 명령만으로 여러 대의 무인로봇을 동시에 통제하는 통합 관제 시스템과 디지털 트윈 기반 시뮬레이터 개발이 핵심이다. 향후에는 병사 한 명이 자연어 명령만으로 다수의 무인차량 ‘HR-셰르파’와 다족보행로봇을 동시에 지휘하는 유·무인 복합전투체계(MUM-T) 구현도 가능할 것으로 기대된다.

배경훈 부총리 겸 과학기술정보통신부 장관이 국민 모두에게 인공지능(AI)의 편리함과 혜택을 제공하기 위한 ‘모두의 AI’ 서비스를 올해 말 개시하고, 2028년 이후에도 무료로 제공한다고 밝혔다. 또 그래픽처리장치(GPU)와 공격적인 AI 인프라 투자를 통해 우리나라도 앤트로픽의 ‘클로드 미토스’와 같은 프런티어 모델 개발에 도전해야 한다고 강조했다. 배 부총리는 지난 29일 서울 중구 중앙우체국에서 열린 정부 출범 1주년 계기 기자간담회에서 “AI가 만들어내는 특정 부, 사람을 대신한 AI가 만들어낸 성과물, 부의 편중 등 이슈들은 사회적으로 논의가 필요하다”며 “문제를 풀 수 있는 방법으로 ‘모두의 AI’를 제시하면서 AI 에이전트 시대를 준비하겠다고 한 것”이라며 이렇게 말했다. 모두의 AI는 이재명 정부의 역점 사업으로, 사용자 물음에 단순히 대답만 하는 기능을 넘어 복잡한 행정·사무 서류를 알아서 작성해 주는 식으로 ‘사이버 개인 비서’ 역할을 할 예정이다. 또 챗봇 기능과 함께 AI를 잘 활용하기 어려운 노년층이나 소외계층을 대상으로 한 특화 모델 서비스도 제공한다. 배 부총리는 AI 3대 강국 도약 목표에 대해서도 언급했다. 그는 “우리 전체 예산이 미국 빅테크 기업 1개 투자 수준”이라며 “이제는 우리도 미국, 중국과 동등한 수준의 인공지능(AI) 프런티어 모델을 만드는 데 도전할 때가 왔다“고 언급했다. 주요 2개국(G2)에 해당하는 미국·중국과 달리 한정된 자원으로 높은 성과를 얻어낸 만큼, 공격적인 투자가 뒷받침되면 프런티어 모델에 도전할 수 있다는 취지다. 배 부총리는 정부와 민간에서도 이런 공감대가 형성되고 있다고 전했다. 실제로 미국 스탠퍼드대 ‘사람 중심 AI 연구소’(HAI)가 선정한 ‘주목할 만한 AI’에 한국 모델은 2024년 1개에서 2025년 8개가 포함됐다. 이에 우리나라는 미국(50개)·중국(30개)에 이은 3위를 기록했다. 배 부총리는 정부출연연구기관(출연연)에 대해서는 “조직 개편을 논의하기보다는 임무중심 과제를 잘 셋업 하는 게 중요하다”며 “이게 잘 동작하면 조직개편 논의를 할 수 있겠지만, 출연연별 명확한 임무, 대형과제를 설정해 이를 잘 달성할 수 있도록 목적을 명확히 할 것”이라고 짚었다. 출연연에선 연구과제중심제도(PBS) 폐지와 공통 행정 전문화 등의 개편이 진행되고 있다. 출연연 처우에 관해서는 “민간 기업과 갭이 생기면서 내부적으로도 논의하고 있고 발표될 내용이 있을 것”이라고 말했다. 배 부총리는 우주항공 분야 육성을 두고 “지금 정도 수준 투자로는 우주항공 세계 5대 강국이 쉽지 않은 상황”이라며 “정부 차원에서 어떤 수준으로 투자해야 하고 발전시켜 나가야 할지 논의하는 단계”라고 했다.

- 분산 서빙 기반 추론 최적화… 보유 GPU 인프라 활용 효율 높여- 고부하 환경서 토큰 출력 속도 2.2배 향상… AI 서비스 응답 지연 완화- 국내 유일 GPU·국산 NPU 이기종 가속기 지원… 소버린 AI 인프라 선택권 확대 AI·클라우드 소프트웨어 전문 기업 오케스트로(대표 김범재, 김영광)는 보유 GPU 인프라의 활용 효율을 높여 기업 AI 서비스의 추론 병목을 줄이는 AI 추론 운영 플랫폼 ‘콘체르토 AI(CONCERTO A.I.)’를 선보였다고 29일 밝혔다. 생성형 AI 도입이 확산되면서 기업 AI 인프라의 핵심 과제는 GPU 확보에서 추론 운영 효율화로 전환되고 있다. AI 챗봇, 업무 자동화 에이전트, 검색증강생성(RAG) 기반 서비스 등 상시 운영 AI 서비스가 늘어나면서 모델 호출과 추론 연산 수요도 함께 증가하고 있다. 에이전트형 AI 환경에서는 단일 요청이 복수의 모델 호출과 반복 연산으로 이어져 추론 작업량이 단기간에 급증할 수 있다. GPU를 보유하더라도 추론 요청이 특정 자원에 집중되면 병목으로 인한 응답 지연과 자원 낭비가 동시에 발생하는 구조적 문제가 따른다. 콘체르토 AI는 분산 서빙 기반의 추론 최적화를 핵심 기술로 채택했다. 기존 단일 처리 방식은 질문 분석과 답변 생성을 동일 GPU 자원에서 처리해 요청 집중 시 전체 응답 속도가 저하된다. 콘체르토 AI는 두 작업을 분리해 각각에 적합한 자원을 배치함으로써 병목을 줄인다. 여기에 키-값 캐시(KV Cache) 최적화와 메모리 재사용 기술을 적용해 초기 응답 시간과 토큰 처리 속도를 개선하고, 실시간 대기열·자원 상태 기반 지능형 라우팅 기능을 결합해 고부하 환경에서도 응답 성능을 유지한다. 오케스트로가 자체 온프레미스 AI 인프라 환경에서 수행한 벤치마크 테스트에 따르면, 동시 요청이 집중되는 고부하 환경에서 콘체르토 AI의 분산 서빙 방식은 기존 단일 처리 방식 대비 토큰 출력 속도를 2.2배 높게 유지한 것으로 나타났다. 운영 자동화 기능도 탑재됐다. 콘체르토 AI는 AI 모델 배포부터 추론 요청 처리, 자원 배분, 성능 모니터링까지 LLMOps에 필요한 기능을 단일 플랫폼에서 제공한다. 표준화된 모델 패키징 기술을 기반으로 쿠버네티스 파드(Pod) 생성부터 엔드포인트 연결까지 배포 과정을 자동화하며, 배포 이후에는 초기 응답 시간·토큰 처리 속도·자원 사용량 등 주요 지표를 통합 모니터링 환경에서 확인할 수 있다. 인프라 호환성 측면에서는 엔비디아 GPU 외에 리벨리온·퓨리오사AI 등 국산 NPU 환경까지 지원하는 이기종 가속기 구조를 채택했다. 오케스트로 측은 GPU와 국산 NPU를 아우르는 상용화 수준의 AI 추론 운영 플랫폼은 국내에서 콘체르토 AI가 유일하다고 밝혔다. 이를 통해 기업·기관은 프라이빗 AI 및 소버린 AI 환경에서 특정 하드웨어 벤더 의존도를 낮추고 서비스 특성과 보유 인프라에 맞춰 추론 자원을 구성할 수 있다. 김범재 오케스트로 대표는 “기업 AI 인프라의 과제는 더 많은 GPU를 확보하는 것에서 보유 자원을 얼마나 효율적으로 운영하느냐로 옮겨가고 있다”며 “콘체르토 AI를 기반으로 기업이 보유한 AI 인프라의 활용 효율을 높이고, 프라이빗 AI 환경에서도 안정적인 AI 서비스 운영을 지원하겠다”고 밝혔다.

ChatGPT 출시 이후 인공지능(AI)은 일상생활의 필수 도구로 자리 잡고 있으며 국민의 생활 방식과 근로자의 작업 방식에 혁신적 변화를 가져오고 있다. 최근 ChatGPT를 능가하는 제미나이, 클로드의 출시로 AI에 대한 사회적, 경제적 의존도는 더욱 심화하고 있다. AI 기술은 미국이 주요 생성형 AI 서비스와 핵심 기술을 중심으로 주도하고 있으나 중국도 딥시크, 큐원 등 막대한 인구가 제공하는 데이터와 자체 기술을 기반으로 미국의 AI를 급속히 추격하고 있다. 현 정부에서 AI 3강 실현을 선언하며 국내 AI 기술의 경쟁력을 미국, 중국 수준으로 높일 필요성이 절실한 상태다. AI 실현에 필요한 AI 풀스택은 미국 국립표준기술연구소(NIST)의 클라우드 컴퓨팅 참조구조(CCRA)를 기반으로 보면 피지컬 AI, LLM과 같은 ‘서비스 계층’, 운영체제(OS), 가상화, 클라우드 관리 플랫폼(CMP), 미들웨어 플랫폼, 재해복구(DR) 등의 기능을 수행하는 ‘자원 추상화 제어 계층’, GPU, 네트워크, 데이터센터와 같은 ‘물리자원 계층’의 3계층으로 크게 구분할 수 있다. 관점에 따라 약간의 차이는 있지만 아마존웹서비스(AWS)는 이를 AI 스택, 엔비디아는 AI 팩토리를 위한 풀스택이라고 부른다. 정부는 AI 기술 강화를 목표로 그랜드 AI 챌린지, 독자 파운데이션 모델 개발 사업 등을 통해 LG AI연구원 엑사원, 업스테이지 솔라 등의 국산 LLM을 글로벌 수준으로 도약시키기 위해 집중적으로 지원하고 있는데 이는 AI 서비스 계층에 해당한다. 퓨리오사AI, 리벨리온을 통한 NPU 개발, 엔비디아의 GPU 확보 및 지원은 물리자원 계층에 해당한다. 대통령 공약 사항인 “AI는 게임 체인저, 100조 원 규모 투자와 국가 AI 인프라 구축 추진” 선언에 따라 국가AI데이터센터(AIDC) 추진, 지자체‧공공기관‧민간의 적극적 AIDC 구축 추진, AIDC 진흥을 위한 특별법 제정 등이 급물살을 타고 있는데 이 또한 물리자원 계층에 해당한다. 이러한 사항들을 기반으로 보면 한국은 AI 3강을 향해 필요한 물리적 기반을 빠르게 갖춰가고 있다. 그러나 GPU와 데이터센터를 대규모로 확보하더라도 이를 충분히 활용하지 못하면 AI 경쟁력으로 이어지기 어렵다. 확보한 GPU를 실제 서비스와 산업 현장에서 충분히 활용하려면 자원을 효율적으로 묶고 배분하며 격리하고 복구해 서비스 형태로 제공하는 소프트웨어 역량이 함께 뒷받침돼야 한다. 특히 AI 활용이 학습을 넘어 대규모 추론으로 확산하면서 GPU를 무작정 증설하기보다 이미 보유한 자원의 처리 효율을 높이는 추론 운영 플랫폼의 중요성도 커지고 있다. 분산 서빙 기반의 추론 최적화 소프트웨어는 낮은 GPU 활용률 문제를 완화하고 AI 서비스 효율을 높이는 핵심 기술이다. 이 계층이 약하면 고가의 GPU와 데이터센터는 온전히 국가 경쟁력으로 전환되기 어렵다. 문제는 이러한 역할을 담당하는 자원 추상화 제어 계층, 즉 AI 인프라 소프트웨어에 대한 지원이 빠져 있다는 점이다. 비유하자면 머리와 하체는 튼튼해지고 있는데 허리가 부실해 상하체가 끊겨 있어 제대로 능력을 발휘할 수 없는 셈이다. 주요국은 이미 이 지점에 주목하고 있다. AI 기술 주권의 완성을 위해서는 AI 풀스택 전반, 즉 서비스 계층, 자원 추상화 제어 계층, 물리자원 계층 모두에 걸친 균형 잡힌 기술 발전이 필요하다. 특히 물리자원과 AI 서비스를 안정적으로 운영하고 제어하는 클라우드·엣지 인프라 SW는 AI 시대의 기술 자립을 뒷받침할 핵심 전략 영역이다. 유럽 역시 이러한 관점에서 IPCEI-CIS 프로젝트를 추진하며 최대 12억 유로의 공공 지원과 약 14억 유로의 민간 투자를 바탕으로 차세대 클라우드·엣지 인프라와 서비스 기술을 개발하고 있다. 이는 단순한 인프라 구축을 넘어 멀티클라우드·엣지 환경의 근간이 되는 데이터 처리·공유 SW 등 인프라 SW 역량 강화에 중점을 두고 있다. 일본은 경제산업성을 중심으로 AI 개발에 필요한 컴퓨팅 자원 정비를 지원하고 있다. 경제안전보장추진법에 따라 5개 사업계획에 최대 725억 엔을 지원하며 AI 개발에 필요한 연산 자원을 국내에서 안정적으로 공급할 기반을 확충하고 있다. 이는 GPU 서버 확보에 그치지 않고 개발자와 기업이 필요한 자원을 클라우드 방식으로 활용할 수 있게 하는 인프라 SW 역량을 함께 키우려는 접근이다. 중국도 신창 정책을 바탕으로 핵심 IT 스택의 자립을 추진하고 있다. 반도체와 장비뿐 아니라 AI 시스템 SW 분야에서도 자국 SW 사용을 확대하고 외산 의존도를 낮추려는 움직임이 이어지고 있다. 이는 기술 자립의 범위가 물리자원 계층을 넘어 인프라 SW 계층까지 확장되고 있음을 보여준다. 즉 주요국의 AI 시대 육성 정책은 주권 회복 및 자립을 위해 AI 풀스택 전층에 걸쳐 기술 자립화를 추진하는 방향으로 가고 있다. 그에 비해 우리나라는 SW가 AI를 탄생시킨 핵심 기술이고 클라우드와 같은 자원 추상화 기술이 AI 풀스택의 중간 허리 위치의 핵심 기술임에도 불구하고 AI 관련 예산 지원을 서비스 계층과 물리자원 계층에 집중하고 있다. 자원 추상화 제어 계층에 해당하는 인프라 SW와 클라우드 분야의 지원은 일부는 이미 익숙한 오래된 단어라 유행이 지나갔다고 생각하고 있고 일부는 우리가 할 수 없는 영역이라고 생각하며 포기하고 있다. AI 인프라 SW 육성을 간과한 결과 최근 AIDC 구축 과정에서 수백 대~수천 대의 GPU 서버를 하나의 자원처럼 연결하고 운영할 클러스터 관리 SW가 없어 고가의 외산 솔루션에 의존해야 하는 상황이 발생하고 있다. 문제의 본질은 GPU와 데이터센터를 얼마나 많이 확보하느냐가 아니라 이를 갖추고도 자원 배분과 운영 최적화의 주도권을 우리 기술로 확보하지 못한다는 데 있다. AI 강국으로 가기 위해서는 장비를 들여오는 데 그치지 않고 이를 실제 서비스로 전환할 인프라 SW 역량을 축적해야 한다. AI는 컴퓨터 과학 또는 SW의 한 분야로 학습과 추론을 풀기 위한 알고리즘과 데이터로 구성되는 분야다. 그동안 정부는 SW 강국, 인재 양성을 강조하며 이를 실현하기 위해 많은 노력을 기울여왔다. SW가 AI를 탄생시킨 핵심 기술임에도 AI와 AX 시대가 도래하면서 그 원천인 SW 기술을 외면하는 모순적 현상이 발생하고 있다. 클라우드 컴퓨팅 기술도 이미 완성된 기술 또는 글로벌 빅테크가 주도하는 분야로 간주해 AI 클라우드 분야 외에는 정부 투자가 축소되고 있고 SW 분야의 정부 투자도 거의 사라지고 있는 상황이다. 서비스 계층과 물리자원 계층에 몸담고 있는 전문가나 기업들은 전혀 관심을 보이지도 않고 무시하고 있지만 외산이 장악했던 영역에서 국산 SW로 자립 기반을 다져 온 경험이 있는 한국 SW 업계는 충분한 성공 잠재력을 가지고 있다. 실제 공공뿐 아니라 제조‧통신‧금융 등 주요 산업 현장에서 서버 가상화와 AI 클라우드 SW의 국산 전환이 본격화되고 있다. 대규모 데이터센터와 핵심 업무 시스템에서 외산 인프라 SW 환경을 국산 SW로 전환해 운영하는 사례는 국내 인프라 SW가 물리자원의 활용 효율을 높이고 성능을 극대화하며 안정적인 서비스 운영을 뒷받침할 수 있음을 보여준다. 이는 AI 인프라 SW 역시 우리가 주도적으로 키워갈 수 있는 전략 영역임을 시사한다. 그럼에도 한국의 AI 인프라 SW 시장이 브이엠웨어(VMware), AWS, 애저(Azure)와 같은 글로벌 솔루션의 거대한 파도에 노출되어 있는 현실에 국내 SW 업계는 노심초사할 수밖에 없다. 유럽, 중국, 일본은 빅테크의 쓰나미에 대비해 열심히 둑을 쌓고 체질을 강화하고 있는데 우리는 너무나 방심하고 있어 풍전등화 상황이다. 지금이라도 서비스 계층과 물리자원 계층을 연결하는 자원 추상화 제어 계층, 즉 AI 인프라 SW 관련 산업과 기술 자립화에 대한 과감한 투자를 통해 AI 3강과 AI 자주권 실현의 필수 조건인 AI 풀스택의 균형적인 발전을 반드시 이루어야 한다. 나연묵 단국대학교 AI융합연구원 원장

현재 미니 PC 시장에서 가장 인기 있는 제품은 아마도 ‘맥 미니’일 것입니다. 특히 ‘로컬 인공지능(AI)’ 돌리기에 적합한 M4 프로 맥 미니가 큰 인기를 끌고 있습니다. 맥 미니는 LLM을 로컬로 장시간 돌릴 때 몇 가지 큰 장점이 있습니다. 우선 통합 메모리 구조로 메모리의 3분의2를 GPU에 할당해 큰 모델을 돌릴 수 있으며 데이터가 CPU와 GPU를 오가면서 시간과 연산 자원을 낭비할 필요가 없습니다. 여기에 매우 전력 소모량이 적어서 장시간 돌려도 전기료가 적게 나옵니다. 차지하는 면적이 매우 적은 것도 장점입니다. 이런 이유로 맥 미니는 24시간 돌릴 수 있는 인공 지능 비서인 ‘오픈 클로’(Open Claw)용으로 품귀 현상을 보일 정도로 인기가 좋습니다. 600만원이 넘는 그래픽 카드인 RTX 5090는 속도는 더 빠를지 몰라도 메모리는 32GB로 한정돼 돌릴 수 있는 모델 크기에 제한이 있고 엔비디아의 AI 미니 PC인 ‘DGX 스파크’는 128GB라는 대용량 메모리를 갖췄지만 최근 가격이 꽤 올라 맥 미니가 AI용으로 훨씬 더 가성비 있는 제품이 된 상태입니다. AI 미니 PC의 인기가 좋아지면서 또 다른 CPU 및 GPU 제조사인 AMD 역시 대항마를 출시해 이 시장에서 경쟁을 예고하고 있습니다. 최근 AMD는 자체 AI PC인 ‘라이젠 AI 헤일로 개발자 플랫폼’(Ryzen AI Halo Dev Platform, 이하 라이젠 AI 헤일로)을 선보였습니다. 최대 16코어 CPU와 라데온 8060S (40코어 RDNA 3.5) GPU, 50 TOPS XDNA 2 NPU를 지닌 라 데온 AI MAX+ 395를 대표 제품으로 내세운 라이젠 AI 헤일로는 최대 128 GB LPDDR5X-8000와 2TB SSD를 지원하면서도 맥 미니와 견줄 수 있는 작은 크기를 자랑합니다. 최대 TDP는 120W로 다소 높지만, 고성능 그래픽 카드와 비교하면 감당할 만한 수준입니다. AMD는 이 모델의 시작 가격이 3999달러이고 최대 128GB 메모리를 탑재해 200B의 큰 파라미터를 지닌 모델도 로컬로 구동할 수 있다고 설명하고 있습니다. 여기에 라이젠 AI 맥스 400 시리즈를 탑재한 2세대 모델의 경우 192GB 버전이 존재하고 최대 160GB나 되는 메모리를 GPU로 할당할 수 있어 최대 300B에 달하는 거대한 모델도 돌릴 수 있습니다. 또 AMD는 라이젠 AI 헤일로가 맥 미니보다 일부 생성형 AI에서 최대 4배 정도 빠르다고 주장하고 있는데, 훨씬 저렴한 제품과 비교하는 것이 과연 맞는 비교인지 궁금해지는 대목이기도 합니다. 오히려 비슷한 가격대인 맥 스튜디오와의 비교는 끝까지 보여주지 않는 점이 더 흥미롭습니다. 참고로 맥 스튜디오 M4 맥스 64GB 제품은 1TB SSD 기준 464만원이고 M3 울트라 96GB 1TB SSD 기준 659만원입니다. 시작 가격인 3,999달러를 현재 환율로 환산하면 600만원이 좀 넘는데 10% 부가세 가산 시 660만원 이상으로 M3 울트라 96GB와 비교가 맞지 않나 생각입니다. 여기에는 나름의 속사정이 있습니다. M3 울트라는 메모리 대역폭이 819 GB/s에 달해 토큰 생성 속도가 꽤 빠릅니다. 반면 AMD 라이젠 AI Max+ 395의 메모리 대역폭은 약 256 GB/s (쿼드 채널 LPDDR5x 8000 기준)으로 훨씬 느리기 때문에 직접 비교를 피한 것으로 보입니다. 오히려 M4 프로의 메모리 대역폭이 273 GB/s로 비슷합니다. 한편 비슷한 AI 미니 컴퓨터인 엔비디아 DGX 스파크와 비교해서는 일부 LLM 모델에서 토큰 속도가 더 빠르다고 주장하고 있습니다. 구체적으로 GPT OSS (120B)는 7% 이상, Qwen 3.5 (122B)는 12% 이상, Qwen 3.6 (35B)는 4% 이상, GLM 4.7 (30B)은 14% 이상입니다. 따라서 라이젠 AI 헤일로는 직접 경쟁 상태인 DGX 스파크보다 일부 모델에서 약간 더 나은 성능을 지니고 있으며 x86 CPU라 윈도우 OS도 구동이 가능하다는 것이 핵심이라고 하겠습니다. DGX 스파크는 개인용 컴퓨터보다는 미니 서버에 가까운 물건으로 일반 소비자용 PC처럼 사용이 어렵지만, 라이젠 AI 헤일로는 윈도우 OS를 설치해서 그런 식으로도 사용 가능합니다. 차라리 맥 미니와의 무리한 비교보다 이점에 초점을 맞춰 발표하는 게 더 낫지 않았나 하는 생각입니다. 가격 포지션으로 큰 차이가 나는데도 맥 미니를 주요 라이벌로 설정한 이유는 역설적으로 그만큼 맥 미니의 인기가 높다는 반증일 것입니다. DGX 스파크처럼 비싼 가격을 받아야 하지만, 맥 미니처럼 인기를 끌 수 있는 제품이 될 수 있을지 궁금해지는 발표입니다.

경북 포항에 세포 단위 시료 연구 장비가 구축되면서 전국 연구자를 대상으로 공동 활용에 들어간다. 포항시는 포스텍(포항공대) 세포막단백질연구소에 극저온전자단층촬영(Cryo-ET) 장비와 GPGPU(범용 연산 그래픽 처리 장치) 기반 데이터 처리 인프라가 구축돼 이달부터 전국 산학연 연구자를 대상으로 공동 활용 서비스를 시작했다고 20일 밝혔다. Cryo-ET는 생체 시료를 극저온 상태로 동결한 뒤 전자빔으로 다양한 각도에서 촬영해 나노미터 수준의 3차원 고해상도 구조 정보를 얻는 첨단 분석 기술이다. 해당 장비는 지난해 9월 국내 최초로 세포막단백질연구소에 도입됐다. 특히 Cryo-ET 데이터는 촬영 이후 정렬·재구성·후처리 등 고성능 연산이 필수인 경우가 많다. 이에 연구소는 대규모 연산 자원이 가능한 GPGPU와 스토리지·네트워크를 포함한 분석 인프라를 최근 마련했다. 공동 활용 서비스는 신청과 심의, 사용자 교육, 측정, 데이터 처리, 결과 전달까지 전 과정을 지원한다. 이를 통해 수도권과 비수도권, 기관 규모에 따른 연구 인프라 격차를 줄여 첨단 분석 장비 접근성을 확대할 수 있을 것으로 기대된다. 이달부터 예약 포털을 통해 이용 신청을 받고 있고, 심의와 우선순위 기준에 따라 장비 사용과 분석 지원을 제공한다. 향후 정기 교육과 워크숍, 기술 컨설팅 등을 병행해 Cryo-ET 활용 저변 확대에도 나설 예정이다. 이지오 세포막단백질연구소장은 “Cryo-ET 활용에 필수적인 데이터 처리 인프라와 운영 체계를 함께 마련했다는 점에서 의미가 크다”며 “전국 연구자들이 공동 활용 서비스를 통해 보다 신속하고 안정적으로 첨단 분석을 수행할 수 있도록 지원하겠다”고 말했다.

GPU 추가 학습 없이 글로벌 AI 추론 성능 3위 달성 국내 인공지능(AI) 스타트업 비드래프트(VIDraft Inc.·대표 김민식)가 추가 GPU 학습 과정을 거치지 않고도 최상위권 추론 성능을 도출하는 대형언어모델(LLM) 프레임워크 기술을 공개했다. 비드래프트는 자사가 개발한 ‘Darwin Family’ 계열 모델의 핵심 기술을 담은 연구 논문을 공개하고, 관련 핵심 기술 3건에 대한 국내 특허를 출원했다고 밝혔다. 이번에 등록된 논문은 「Darwin Family: MRI Trust Weighted Evolutionary Merging for Training Free Scaling of Language Model Reasoning」으로, 현재 Hugging Face Papers와 오픈소스 아카이브 arXiv(등록번호 2605.14386)에 게재된 상태다. 본 연구에는 비드래프트 소속 연구원 7명이 공동 저자로 참여 명단을 올렸다. Darwin Family는 기존 AI 개발 과정에서 필수로 여겨졌던 추가 학습(Post training) 없이 모델 병합만으로 고성능 추론 능력을 구현하는 새로운 방식의 AI 모델 프레임워크다. 핵심 기술은 MRI Trust Fusion, 14차원 적응형 병합 게놈(Merge Genome), 아키텍처 매퍼(Architecture Mapper) 등 세 가지로 구성된다. MRI Trust Fusion은 모델 각 레이어의 기능적 중요도를 분석한 뒤 신뢰 파라미터를 기반으로 동적 융합을 수행하는 기술이다. 이를 통해 GPQA 정확도를 기존 방식 대비 2.5%포인트 향상시켰다는 설명이다. 또한 14차원 병합 게놈 기술은 어텐션과 FFN, 임베딩 등 모델 내부 구성 요소를 세밀하게 제어하며 경사하강법 없이 진화 탐색만으로 최적 병합 전략을 자동 탐색한다. 아키텍처 매퍼는 Transformer와 Mamba 등 서로 다른 AI 구조 간 결합을 가능하게 하는 기술로, 추가 재학습 없이 이종 모델 교배를 구현한다. Darwin Family는 Hugging Face가 주관하는 AI 성능 벤치마크인 ‘GPQA Diamond(Graduate Level Google Proof Q＆A)’ 평가에서 글로벌 3위를 기록했다. 해당 지표는 박사 학위 소지자 수준의 과학적 추론 능력을 평가하는 대표적 기술 지표다. 비드래프트는 별도의 파인튜닝이나 사후 학습을 거치지 않고도 수백억 파라미터 규모의 Fully Trained 모델들의 성능 데이터 수준을 상회했으며, 최소 4B부터 최대 35B 규모에 이르기까지 다양한 모델 세그먼트 구간에서 부모 모델 대비 실질적 성능 향상 수치를 검증했다고 밝혔다. 국내 정량 평가 지표에서도 상위 순위를 점유하고 있다. 과학기술정보통신부와 한국지능정보사회진흥원(NIA)이 주관·운영하는 ‘K-AI 리더보드’에서는 Darwin 기반 모델들이 2위, 3위, 4위, 5위, 7위, 8위를 동시에 기록 중인 것으로 집계됐다. 특히 현재 1위 모델과의 데이터 점수 격차는 0.001점 범위 내에 있는 것으로 확인됐다. 비드래프트에 따르면 공식 모델 공개 이후 45일 만에 파생·양자화 레포지터리 88개와 개별 모델 파일 473개가 생성됐다. GGUF 양자화 분야 개발자 bartowski와 mradermacher 등 글로벌 오픈소스 커뮤니티 개발자들도 Darwin 모델군 배포와 최적화 작업에 참여하고 있다. 현재 Darwin 모델은 Windows·Linux·Mac 환경의 GGUF 포맷을 비롯해 Apple MLX, AWQ, NVIDIA Blackwell 전용 NVfp4 등 다양한 플랫폼을 지원한다. 김민식 비드래프트 대표는 “Darwin 생태계의 확산 속도와 규모는 국내 AI 모델 역사에서도 보기 드문 수준”이라며 “세계 최상위권 양자화 개발자들의 자발적 참여와 폭넓은 플랫폼 지원 체계를 기반으로 글로벌 AI 표준 생태계로 진입하고 있다”고 밝혔다. 한편, 이번 연구는 과학기술정보통신부 재원으로 수행된 ‘AI컴퓨팅자원활용기반강화(GPU 임차 지원) 사용자 지원사업’의 지원을 받아 진행됐다.

전남 해남군 솔라시도 기업도시가 국가 인공지능(AI) 경쟁력을 좌우할 거대한 ‘데이터 허브’로 탈바꿈한다. 4000억 원의 출자금을 포함해 오는 2030년까지 총 2조4000억 원이 투입되는 이번 사업은 대한민국 디지털 대전환의 핵심 이정표가 될 전망이다. 전남도는 과학기술정보통신부가 주관하는 ‘국가 AI컴퓨팅센터’ 건립 사업의 최종 사업자로 삼성SDS 컨소시엄이 확정됐다고 15일 밝혔다. 이번 컨소시엄에는 삼성SDS를 필두로 네이버클라우드, 삼성전자, 삼성물산, 카카오, KT, 클러쉬 등 국내 내로라하는 ICT 기업들과 전남도, 서남해안기업도시개발이 대거 참여해 공신력을 높였다. 국가 AI컴퓨팅센터는 AI 연구와 서비스 개발에 필수적인 컴퓨팅 자원을 한데 모아 관리하고, 이를 산업계와 연구계에 적기 공급하는 ‘국가적 AI 병기창’ 역할을 수행한다. 규모 면에서도 압도적이다. 오는 2028년까지 그래픽처리장치(GPU) 1만 5000장을 우선 확보하고, 2030년까지 총 5만 장을 단계적으로 구축해 세계적 수준의 연산 능력을 갖출 계획이다. 현재 실시설계 수립과 특수목적법인(SPC) 설립 절차가 막바지에 다다랐으며, 오는 7월 착공해 2028년 하반기부터 본격 가동에 들어간다. 센터 운영의 생명줄인 전력 공급 문제도 해결됐다. 최근 한국전력공사는 해남군 산이면 상공리 일원에 지하 1층, 지상 4층 규모의 ‘산이변전소’ 신축 인허가를 최종 승인했다. 154㎸급 최첨단 설비를 갖춘 이 변전소는 센터와 함께 오는 7월 착공해 2028년 4월 완공될 예정이다. 전남도는 이번 센터 건립이 가져올 파급 효과에 주목하고 있다. 관련 기업 입주와 전문 인력 유입이 본격화되면 약 6조 4000억 원의 생산 유발 효과와 1조 5000억 원의 부가가치 창출, 1만 9500명의 고용 창출이 이뤄질 것으로 내다보고 있다.

데이터 유출 막고 행정 효율 높여민관 협력 ‘소버린 AI 전략’ 가늠자국내 최고 수준의 인공지능(AI) 기술력을 국방 행정 전반에 투입하는 국방 인공지능 전환(AX) 프로젝트가 본궤도에 오른다. 정부가 추진하는 ‘독자 AI 파운데이션 모델’ 프로젝트를 국방 현장에 적용하는 첫 사례로, 국가 안보와 직결된 데이터 주권을 민간 기술로 확보하는 ‘소버린 AI’ 전략의 가늠자가 될 전망이다. SK텔레콤은 14일 서울 중구 본사에서 국방부와 ‘독자 AI 모델의 국방 분야 활용’을 위한 업무협약(MOU)을 체결했다고 밝혔다. 이번 협력은 SK텔레콤이 지난 1월 국내 최초로 매개변수 5000억개를 돌파하며 과기정통부의 독자 AI 모델 프로젝트 2단계에 진출시킨 ‘A.X K1’을 국방 환경에 최적화해 이식하는 것이 핵심이다. 범용 모델을 빌려 쓰는 단계를 넘어 안보 특수성을 반영한 ‘전용 엔진’을 구축한다는 방침이다. 국방부는 이번 협약을 계기로 2분기 중에 과기정통부의 ‘국가 AI 프로젝트’를 통해 확보한 GPU 자원을 SK텔레콤에 배정하기로 했다. 고성능 AI 모델 개발에 필수적인 연산 자원을 정부가 직접 지원하고, 민간은 독자 모델과 경량화 기술을 제공해 국가 연구개발(R＆D) 인프라와 민간 기술력의 시너지를 극대화하는 구조다. 보안이 생명인 국방 환경을 고려해 기술적 해법도 정교화한다. SK텔레콤은 대규모 모델의 연산 부담은 낮추되 처리 속도는 높이는 경량화 기술을 전면에 배치한다. 특히 외부 클라우드 연결이 제한되는 폐쇄적인 군 네트워크 특성에 맞춰 국방 데이터를 집중 학습시킨 ‘온프레미스’형 AI를 구현한다. 이를 통해 데이터 유출을 원천 차단하면서 군 행정 효율성을 끌어올린다는 구상이다. 전준범 국방부 국방인공지능기획국장은 “이번 협약은 독자 AI 파운데이션 모델을 기반으로 국방 AX가 한걸음 도약하는 결정적 계기”라며 “민간과의 협력을 지속 확대해 국방 전반에 AI를 효과적으로 안착시키겠다”고 밝혔다. 김명국 SK텔레콤 인더스트리얼 AI 본부장 역시 “데이터 주권과 보안이 중요한 금융, 제조 등 공공 영역 전반으로 K-AI 경쟁력을 확산해 나가겠다”고 했다.

한국전력공사(이하 한전)가 지난 3월 23일 전남 나주 본사에서 AI 경영혁신 선포식을 열고, ‘AI와 에너지의 결합을 통해 세계 최고의 에너지 AI 플랫폼 사업자로서 도약하겠다’(The Best Energy AI Platform Provider)는 비전과 로드맵을 공식 발표했다. 이날 선포식에는 김동철 한전 사장과 경영진을 비롯해 기후에너지환경부, 한국지능정보사회진흥원(NIA) 등 유관기관 관계자들이 참석했다. 특히 김 사장이 휴머노이드 로봇과 함께 입장하는 퍼포먼스를 선보이며, AI가 주도할 전력산업의 미래를 상징적으로 보여줬다는 게 한전 관계자의 설명이다. 한전은 에너지 안보와 기후 위기 대응 등의 복잡한 난제 해결을 위해 AI를 경영혁신의 핵심 동력으로 활용할 방침이다. 고객감동·안전·ESG 경영 전반은 물론, 전력 공급의 전 과정에 AI를 본격 도입해 전력망 운영의 효율을 높이고, 일하는 방식의 근본적 변화를 꾀한다는 전략이다. 이날 한전은 ▲데이터 ▲솔루션 ▲인프라 ▲거버넌스·협력체계 ▲역량·문화를 AI 대전환 로드맵의 5대 중점전략으로 제시했다. 전력데이터에 의미와 맥락을 부여하는 데이터 온톨로지(Ontology·지식체계)를 구축해 AI가 즉시 활용할 수 있는 데이터 기반을 갖추는 것을 목표로, 기존 나주와 대전 데이터센터 두 곳을 AI데이터센터로 전면 전환하고 고성능 GPU자원을 확충해 AI솔루션을 구동할 핵심 인프라를 구축한다. 또한, AI 위험관리 체계를 만들어 안전성과 신뢰성을 확보하고, 공공기관 유일의 AI 전문 연구기관인 한전 AI연구소와 KENTECH 등과의 협업체계도 갖춘다. 아울러 ‘AI 퍼스트(First)’ 문화를 조성해 핵심 인력의 확충과 전문 역량을 집중 육성한다. 한전은 이와 같은 세부 과제를 속도감 있게 추진하기 위해 최근 신설된 ‘AI혁신단’을 중심으로 전사적 역량을 결집하고, 이를 통해 전력망 적기 건설과 국민 체감형 서비스 제공 등 실질적인 성과를 도출한다는 계획이다.

전남 기업도시 솔라시도가 미래 국가 경쟁력을 좌우할 핵심 인프라인 ‘국가 AI 컴퓨팅 센터’ 구축 부지로 확정되면서 전남 인공지능(AI) 산업 대전환의 발판을 마련했다. 전남도는 과학기술정보통신부의 국가 AI 컴퓨팅 센터 건립 사업에서 해남 솔라시도에 입지를 제안한 삼성SDS 컨소시엄이 최종 참여자로 확정됐다고 밝혔다. 삼성SDS를 주축으로 구성된 컨소시엄은 초거대 AI 연산을 위한 고성능 컴퓨팅 인프라 구축과 안정적 운영 능력을 입증하며 최종 참여자로 선정됐다. 이번 선정은 전남도의 AI 데이터센터 입지 준비와 국내 최고 수준의 IT 서비스 기업인 삼성SDS 컨소시엄의 기술 역량이 결합한 결과라는 평가다. 국가 AI 컴퓨팅 센터는 AI 연구·개발과 서비스 제공에 필요한 AI 컴퓨팅 자원을 집적해 운영·관리하고 산업·연구계 등에 공급하는 시설이다. 정부는 2028년까지 그래픽처리장치(GPU) 1만 5000장, 2030년까지 5만 장을 단계적으로 확보해 운영할 계획이다. 현재 실시설계 수립과 신규 특수목적법인(SPC) 설립을 진행 중이며, 7월쯤 착공해 2028년 하반기 본격 가동을 목표로 하고 있다. 국가 AI 컴퓨팅 센터는 출자금만 4000억원이며, 2030년까지 2조 4065억원이 투입되는 사업이다. 솔라시도 일대에 관련 기업 입주와 전문 인력 유입이 가속화될 전망이며 이를 통해 6조 4000억원의 경제 유발 효과와 1조 5000억원의 부가가치 창출과 1만 9500여명의 고용 창출이 기대된다. 김영록 전남도지사는 “이번 성과는 전남도가 그동안 공들인 ‘솔라시도 데이터센터 클러스터’ 조성 사업의 결정적 마중물이 될 것”이라며 “삼성SDS 컨소시엄과의 견고한 파트너십을 통해 글로벌 수준의 컴퓨팅 환경을 조성하고, 전남을 대한민국 디지털 대전환의 심장부로 만들겠다”고 밝혔다.

광주시가 ‘세계적 자율주행 실증도시 도약’을 목표로 국내 모빌리티 선도기업들과 ‘K-자율주행 국가대표팀’을 결성했다. 광주시는 13일 김대중컨벤션센터 전시장에서 ‘자율주행 실증도시 조성 사업’의 성공적 추진을 위한 ‘대한민국 자율주행팀 업무협약’을 체결했다. 협약에는 광주시, 국토교통부, 한국교통안전공단, 현대자동차, 삼성화재, 라이드플럭스, 오토노머스에이투지(A2Z) 등 자율주행 산업을 견인하는 민·관·연 7개 기관이 참여했다. 참여 기관들은 ‘대한민국 글로벌 자율주행 3대 강국 도약’을 위한 전략적 협력체계를 구축하기로 했다. 이번 협약의 핵심은 대한민국 자율주행 산업의 역량을 총결집한 ‘국가대표급 협력 모델’이 탄생했다는 점이다. 참여 기관들은 광주를 세계적인 자율주행 실증 모델 도시로 조성하기 위해 각 분야의 전문성을 결합하기로 했다. 국토부는 정책·제도 수립 및 행정적 지원을 포함해 사업을 총괄하며, 한국교통안전공단은 전반적인 사업 관리와 행정 지원·기술적 성과 검증을 수행한다. 참여 기업들은 자율주행 차량 공급, 기술 제어 지원, 실시간 차량 모니터링 환경 제공, 자율주행 전용 보험 상품 및 사고 대응 안전망 구축 등을 맡아 실증의 실효성을 높이게 된다. 광주시는 ‘인공지능 대표도시’로서 보유한 독보적인 기반시설(인프라)을 실증사업에 전폭 지원한다. 국내 유일 국가 AI데이터센터의 GPU 자원을 활용해 자율주행 차량이 수집하는 방대한 데이터를 실시간으로 학습하고 고도화할 수 있는 환경을 제공한다. 또 실증 참여 기업들을 위해 ▲광주미래차모빌리티진흥원 내 기업 상주 공간 및 관제센터 제공 ▲공공기관 부지를 활용한 전용 차고지 및 충전 스테이션 구축 ▲자율주행 사고 대응 안전망 구축 등을 지원한다. 자율주행 실증도시 조성 사업은 국비 610억원을 투입해 2026년부터 2028년까지 3년간 추진하는 전국 최초 대규모 자율주행 실증 프로젝트다. 사업 계획에 따라 광주에는 자율주행차량 200대가 투입돼 시범운행을 진행한다. 특히 이 사업은 광주에서 확보한 실증 데이터를 활용, 인공지능이 인지부터 제어까지 자율주행의 전 과정을 통합·수행하는 ‘E2E(End-to-End) 기반 인공지능 기술’ 검증에 주력한다. 광주시는 도심과 농촌이 복합된 지형적 특성을 활용해 실증구역을 단계적으로 확대하며 기술적 완성도를 확인할 계획이다. 광주시는 이 사업을 ‘AI 모빌리티 국가시범도시 조성’, ‘미래차 산업 혁신 클러스터’와 연계해 지역 경제의 핵심인 자동차 산업의 대전환을 이끌어낼 방침이다. 강기정 광주시장은 “기아와 GGM이라는 2개의 완성차 공장을 가지고 있는 광주가 또 한 번 새로운 역사를 쓰게 됐다”며 “자율주행 실증을 시작으로 AI와 모빌리티 산업을 완성할 수 있도록 모든 역량을 집중하겠다”고 말했다.

- 112.5억 원 규모 연구개발 착수… 국산 AI 반도체 생태계 확산 주도- 국산 NPU·PIM 기반 클라우드 SW 스택 개발… GPU 중심 인프라 한계 극복- AI 모델 허브 구축… 최적화 모델 1,000개 이상 확보 목표 AI·클라우드 소프트웨어 전문 기업 오케스트로(대표 김범재, 김영광)는 과학기술정보통신부와 정보통신기획평가원(IITP)이 주관하는 ‘AI 반도체 특화 클라우드 네이티브 SW 스택 및 모델 허브 기술 개발’ 과제의 주관기관으로 선정됐다고 8일 밝혔다. 이번 연구개발 사업의 총규모는 112억 5000만원으로, 2026년부터 2029년까지 4년간 수행될 예정이다. 본 과제는 국산 NPU(신경망처리장치)와 PIM(지능형 메모리) 등 차세대 AI 가속기가 범용 클라우드 환경에서 기능할 수 있도록 클라우드 기반 운영 체계를 구축하는 것이 목적이다. 이를 통해 국산 AI 반도체의 생태계를 확장하고 활용도를 높이는 체계를 마련할 방침이다. 오케스트로는 이번 과제를 수행하며 AI 반도체 전용 클라우드 네이티브 SW 스택의 기술 수준을 높인다. 세부 개발 항목에는 ▲컨테이너 런타임 인터페이스(CRI) 호환 기술 ▲가속기 자원의 직접 접근을 지원하는 패스스루(Pass-through) 기술 ▲마이크로서비스 아키텍처(MSA) 프레임워크 등이 포함된다. 이는 기존 GPU 중심 인프라의 구조적 특성을 보완하고, 국산 NPU 자원을 유연하게 할당·운영할 수 있는 표준 체계를 수립하기 위함이다. 이와 함께 국산 AI 반도체 기반 서비스 확산을 위해 학습·추론 모델을 손쉽게 등록·배포할 수 있는 ‘AI 모델 허브’ 플랫폼도 구축한다. 모델 컨테이너화 자동화 기술과 메타데이터 관리 체계를 기반으로 운영될 예정이며, 과제 종료 시점까지 1000개 이상의 최적화 모델 확보를 목표로 한다. 특히 최근 수요가 빠르게 증가하고 있는 초거대 언어 모델(LLM) 실증 사례를 확보해 상용화 가능성을 검증한다. 국내 중소·벤처기업이 고가의 외산 GPU 의존도를 낮추고, 국산 AI 반도체 기반의 고성능 서비스를 보다 신속하게 개발·출시할 수 있도록 지원할 방침이다. 이번 연구 성과는 정부가 추진 중인 ‘K-클라우드 프로젝트’와 2026년부터 본격화되는 ‘국가 AI 컴퓨팅 인프라’ 구축 사업과 연계돼 실제 데이터센터 운영 환경에 적용될 예정이다. 오케스트로는 커널 레벨의 정밀 모니터링과 분산 추적 기술을 통합해 AI 워크로드 예측 정확도를 글로벌 최고 수준인 99%까지 끌어올리고, 대규모 AI 서비스 운영에 필요한 안정성과 신뢰성을 입증할 계획이다. 김범재 오케스트로 대표는 “이번 과제는 국산 AI 반도체가 글로벌 시장에서 경쟁력을 확보하는 데 필요한 핵심 소프트웨어 기반을 마련한다는 점에서 의미가 크다”며 “하드웨어와 소프트웨어가 유기적으로 결합되는 AI 컴퓨팅 환경을 구현해 국내 AI 인프라 자립도를 높이고, 국산 AI 반도체 생태계 확산에 기여하겠다”고 밝혔다.

공용 연구용 AI 가속기 인프라 구축으로 지역 산학협력 거점 조성 및 산업 AI 전환 본격화 한동대학교가 글로컬대학 지원사업의 일환으로 지난 5월 7일 교내 제네시스랩 장응복홀에서 ‘2026 AI 가속기 및 산학협력 포럼’을 개최했다. 이번 행사에서는 국내 대학 중 최초로 구축된 엔비디아(NVIDIA) DGX B200 기반 AI 가속기의 도입 성과와 향후 운영 로드맵이 발표됐다. 행사는 한동대 AI혁신센터 실장 이한진 교수의 진행으로 ▲AI 가속기 도입 성과 및 운영 계획 발표(AI혁신센터 이정훈 실장)를 시작으로 ▲한동대 AI 연구진 소개 ▲AI 분야 산학협력 우수사례 발표(최희열 교수) ▲엔비디아의 AI 가속기 기술 소개(국내 총판 류평수 부사장) ▲한동대 교수진 및 참석 기업·기관 간 네트워킹 순으로 진행됐으며, 관련 기업 및 기관 관계자 약 80명이 참석했다. 한동대 AI혁신센터는 초저지연·고성능 GPU 인프라를 기반으로 연구 역량을 높이고 기업 협력 수요에 대응할 수 있는 실행 체계를 마련했다. 센터는 DGX B200 GPU 서버(Blackwell 180GB x 8) 1식과 RTX PRO 6000 GPU 서버(Blackwell 96GB x 8) 2식을 구축하여 초대형 모델 학습과 다중 사용자 연산 환경을 동시에 지원한다. 또한 NVLink 5 기반 약 100ns(≈10-7초) 수준의 초고속 연결을 통해 여러 장의 GPU를 하나의 초대형 GPU처럼 통합 활용할 수 있어, 대규모 AI 모델 학습과 고속 연산 효율을 높인 것이 특징이다. 아울러 한동대는 외부와 분리된 보안형 AI 가속기 인프라를 구축하여 국가핵심기술, 방산, 보안등급 데이터 등 높은 보호 수준이 요구되는 분야에서도 활용 가능한 연구 환경을 마련했다. 민감한 내부 데이터도 내부 통제형 환경에서 안전하게 활용할 수 있도록 데이터 반출 통제, 접근 권한 관리, 망 분리, 암호화 저장 체계를 강화함으로써 보안성과 연구 활용성을 동시에 확보한 공용 AI 인프라 체계를 구축했다. 이번 구축은 단순한 장비 확보를 넘어 국내 대학 최초 B200 도입이라는 상징성과 함께 지역에서도 수도권 수준 이상의 첨단 AI 연구개발이 가능한 협력 거점을 조성했다는 점에서 의미가 크다. 한동대는 이를 바탕으로 AI 인프라의 지역 불균형을 완화하고, 포항을 중심으로 지역 기업 및 협력기관과의 산학협력을 본격 확대할 계획이다. 특히 포항 지역의 주력 산업인 철강, 제조, 에너지, 바이오, 물류 분야와의 연계를 통해 실질적인 산학협력을 추진하고 뉴로메카, 동국산업, 한국로봇융합연구원, 포스텍 생명공학연구센터 등 참여기업 담당자와의 네트워킹을 통해 산업 현장의 수요를 발굴·예측하며 협력을 단계적으로 확대해 나갈 예정이다. 한동대학교는 자원 제공 방식에서 나아가 교육, 수요 발굴, 공동연구, 인프라 활용을 통합한 ‘AI 가속기 활용 패키지 지원’을 운영한다. 이를 통해 AI 전문인력과 전담 조직이 부족한 지역 산업체도 단계별 교육과 맞춤형 프로젝트를 통해 AI 도입 가능성을 구체화하고, DGX B200 및 RTX 기반 AI 가속기 인프라를 활용한 실질적 연구개발로 이어갈 수 있도록 지원할 계획이다.

한때 ‘시대에 뒤처졌다’는 평가까지 받던 인텔이 인공지능(AI) 시대의 중심으로 돌아오고 있다. 생성형 AI 시장이 학습 중심에서 실제 서비스를 수행하는 ‘추론’과 ‘에이전틱 AI’ 시대로 이동하면서 중앙처리장치(CPU)의 가치가 재부상하고 있어서다. 6일(현지시간) 뉴욕증시에서 인텔은 전 거래일 대비 4.49% 오른 113.01달러에 마감했다. 올해 들어 주가는 186.97% 급등하며 닷컴버블 당시 기록했던 사상 최고가도 넘어섰다. 2년 전만 해도 20달러대 주가로 ‘해체설’까지 거론됐으니, 극적인 반전이다. 인텔의 지난 1분기 매출은 135억 8000만 달러로 시장 전망치를 웃돌았고, AI 데이터센터 부문 매출은 전년 대비 22% 증가한 51억 달러였다. 배경은 AI 산업의 구조 변화다. AI 시장은 엔비디아 그래픽처리장치(GPU) 중심의 학습 단계가 주도했지만, 서비스를 수행하는 추론 단계 비중이 빠르게 커지고 있다. AI 에이전트와 피지컬 AI의 확산으로 복잡한 순차 연산과 시스템 제어를 담당하는 중앙처리장치(CPU)의 중요성이 재부상했다. AI 에이전트는 답변 생성을 넘어 데이터 호출, 작업 스케줄링, 시스템 제어 등을 반복 수행해야 한다. 병렬 연산에 강한 GPU뿐 아니라 복잡한 순차 처리와 자원 제어를 담당하는 CPU 역할이 필수적이다. 업계에서는 과거 1대 8 수준이던 CPU와 GPU 비중이 향후 1대 1 수준까지 근접할 수 있다는 전망도 나온다. 립부 탄 인텔 최고경영자(CEO)는 최근 실적 발표에서 “1년 전에는 생존 가능 여부가 화두였다면 지금은 얼마나 빨리 제조 역량을 확대해 수요를 충족할 수 있는지가 핵심 과제”라고 말했다. 인텔은 최근 AMD와 AI 컴퓨트 익스텐션 공동 개발에 나섰고, 애플은 공급망 다변화를 위해 인텔 파운드리 활용 가능성을 검토 중인 것으로 알려졌다. 테슬라가 차세대 반도체 생산시설 ‘테라팹’에 인텔의 14A 공정을 도입하기로 하면서 파운드리 경쟁력 회복 기대감도 커지고 있다. 미국 행정부도 반도체 보조금 지급 과정에서 인텔 지분 10%를 확보하며 반도체 공급망의 핵심 축으로 인텔을 지원하고 있다.

E-GENE™ ITSM 기반으로 대규모 GPU 인프라 운영 체계 고도화주요 IT 프로세스 데이터화… 추적성·운영 효율 강화IT서비스관리(ITSM) 전문기업 에스티이지(STEG, 대표 임현길)는 SK텔레콤의 GPU 클러스터 운영 관리를 위한 차세대 ITSM 구축을 완료했다고 6일 밝혔다. SK텔레콤은 가산 AI 데이터센터에서 엔비디아 고성능 GPU B200 1000장 이상을 단일 GPU 클러스터로 구성해 구독형 AI 클라우드 서비스(GPUaaS)를 운영하고 있다. 이번 사업은 GPU 클러스터 인프라 관리 체계를 고도화해 고밀도 GPU 환경에서 자원 활용도와 서비스 품질을 높이는 데 초점을 맞췄다. STEG는 자사 ITSM 솔루션 ‘E-GENE™ ITSM’을 적용해 고성능 인프라 환경에 특화된 운영·관제 체계를 구축했다.데이터센터 상면도를 기반으로 서버의 물리적 위치를 직관적으로 확인할 수 있도록 했으며, 장비별 상세 사양과 네트워크 포트 연결 상태, 소프트웨어 설치 현황 등을 통합 관리할 수 있도록 구현했다. 또 장애 발생 시 문제 지점을 빠르게 식별할 수 있도록 해 대응 시간을 단축하고, 대규모 GPU 자원의 효율적 운영을 지원하도록 설계됐다. 이와 함께 주요 IT 운영 프로세스를 데이터 기반으로 관리할 수 있도록 체계를 구축했다.변경 이력과 승인 프로세스 등 운영 이력을 추적·보관할 수 있도록 함으로써 IT 일반통제(ITGC)와 감사 대응에 필요한 추적성과 투명성을 강화했다. SK텔레콤은 이번 차세대 ITSM 구축을 통해 고밀도 GPU 환경 운영 효율을 높이는 동시에 감사 및 컴플라이언스 대응 체계도 강화할 수 있을 것으로 기대하고 있다.특히 안정적인 AI 인프라 운영 기반을 마련해 GPUaaS 서비스 경쟁력 확보에도 도움이 될 것으로 보고 있다. 임현길 STEG 대표는 “국내 AI 인프라 경쟁력과 연결되는 SK텔레콤의 GPU 운영 환경 구축에 참여하게 돼 의미가 크다”며 “공공·금융·엔터프라이즈 시장에서 축적한 경험을 바탕으로 대규모 AI 환경에서도 안정적인 ITSM 서비스를 제공해 나가겠다”고 밝혔다. 한편 STEG는 노코드 플랫폼 ‘E-GENE™’을 기반으로 ITSM을 비롯해 자산관리(ITAM), 엔터프라이즈 서비스관리(ESM) 등 다양한 B2B IT 서비스를 자체 개발하고 있다.ITSM 솔루션은 온프레미스와 클라우드(SaaS) 환경 모두 지원하며, 클라우드 보안인증(CSAP)을 획득해 공공·금융 분야의 보안 요구사항에도 대응하고 있다.

부산시가 고성능 컴퓨팅 자원을 보유하지 못해 인공지능(AI) 신기술, 제품 개발에 어려움을 겪는 지역 기업을 지원하는 사업을 추진한다. 시는 ‘부산 인공지능(AI) 기업 고성능 컴퓨팅 지원사업’ 참여기업을 오는 30일부터 모집한다고 29일 밝혔다. 컴퓨팅은 컴퓨터를 사용해 데이터를 처리하고, 문제를 해결하는 활동을 말한다. 최근 AI 기술이 급격하게 확산하면서 대규모 연산력을 제공하는 고성능 컴퓨팅 수요가 폭증하고 있다. AI 기업들이 새로운 기술과 제품을 개발하는 데 고성능 컴퓨팅 자원이 필요하지만, 관련 기반을 구축하려면 막대한 비용이 든다. 이 때문에 지역 중소·신생기업 등은 신기술, 제품 개발에 어려움을 겪는다. 이에 시는 지역 중소·중견기업, 신생기업, 대학 연구소 등에 클라우드 방식의 고성능 컴퓨팅을 지원하기로 했다. 기업이 고성능 컴퓨팅 자원을 임차해 사용하고, 관련 비용을 시가 지원하는 방식이다. 구체적으로 대규모 연산을 위한 그래픽 처리장치(GPU) 서버 이용료를 90%까지, 최대 3000만원 한도로 지원한다. 초기 모델 검증에 필요한 경량화 컴퓨팅 자원이 필요한 경우는 500만 원까지 비용을 지원한다. 지원 대상으로 선정된 기업에는 개발하는 모델의 특성, 데이터 규모를 분석해 최적 컴퓨팅 자원 규모를 제안하는 컨설팅도 제공한다. 컴퓨팅 자원 운영 경험이 부족한 초기 창업기업에는 관련 실무 교육도 제공한다. 참여를 희망하는 기업이 다음 달 13일까지 부산정보산업진흥원 홈페이지(bipa.kr)에서 신청하면 시는 심사를 거쳐 지원 대상을 선정한다. 시는 이번 사업을 통해 고성능 컴퓨팅 지원 활용이 어려웠던 지역 중소·신생 기업의 AI 기술, 제품 개발이 촉진될 것으로 기대한다. 부산시 관계자는 “인프라 부족으로 기술 개발에 어려움을 겪는 지역 AI 기업에 실질적인 해결책을 제시하는 사업이 될 것”이라며 “앞으로도 현장의 목소리를 반영한 지원을 통해 지역 AI 산업 생태계가 기초 역량을 탄탄하게 갖추도록 돕겠다”라고 밝혔다.

지금 세계는 디지털 전환(DX)을 넘어 인공지능(AI)이 산업의 모든 영역을 장악하는 ‘인공지능 전환’(AX) 시대로 진입했다. 특히 AI가 제조 현장에서 직접 데이터를 읽고 판단하며 실행하는 ‘피지컬 AI’로 진화하면서 산업의 근간이 송두리째 바뀌고 있다. 주요 선진국들이 AI를 국가 안보 차원의 핵심 과제로 삼는 이유도 명확하다. 제조업 비중이 높은 대한민국이 글로벌 AI 리더로 도약하려면 산업의 뿌리인 중소기업의 성공적인 AX가 어느 때보다 절실하다. 하지만 혁신의 당위 뒤에 가려진 중소기업의 현실은 냉혹하다. 대다수 중소기업이 이른바 ‘삼중고’라는 거대한 벽에 가로막혀 있어서다. 첫째는 데이터 확보의 어려움이다. 노후화된 설비와 체계적인 관리 시스템의 부재로 AI 도입의 기초인 양질의 데이터 확보가 쉽지 않다. AX에 대한 경영진의 낮은 인식도 혁신 동력을 약화하는 결정적인 원인이다. 둘째는 고질적인 인력난이다. 현장에서 실질적으로 AI를 구현하고 운영할 전문 인력이 턱없이 부족하다. 중소기업이 고숙련 인재를 채용하고 유지하기에는 비용적 부담이 너무나 크다. 이는 대기업과의 기술 격차가 더욱 커지는 결과로 이어진다. 마지막은 경영적 불확실성이다. 막대한 투입 비용 대비 실질적인 생산성 향상 효과가 검증되지 않았다는 점은 중소기업들이 선뜻 AX의 길로 들어서는 것을 주저하게 만든다. 이러한 교착 상태를 타파할 실천적 해결사로 고용노동부의 ‘AI 특화 공동훈련센터’가 주목받고 있다. 현재 많은 기업이 AX의 필요성을 느끼지만 중소기업은 자원 확보에 한계가 있다. 정부가 이를 해결하고 국가적인 AI 경쟁력을 높이기 위해 설립한 이 센터는 중소기업에 AI 관련 직무 훈련을 제공하는 전문 기관이다. 쉽게 말해 개별 중소기업이 자체적으로 갖추기 어려운 고가의 AI 인프라와 교육 프로그램을 공동으로 이용할 수 있도록 만든 ‘AI 거점’으로, 단순 이론 교육을 넘어 중소기업의 AX 고도화를 이끄는 핵심 동력이다. 특히 현장의 실질 데이터를 활용한 ‘실무형 PBL(과제수행형) 훈련’은 교육 성과가 즉각적으로 공정 개선에 반영되도록 돕는다. 또 기업의 워크플로 진단부터 맞춤형 교육, AI 내재화를 위한 전문가 코칭 및 상담까지 이어지는 종합 지원 패키지는 기업에 든든한 지침이 된다. 단순히 교육생을 배출하는 것에 그치지 않고, 기업의 제조 현장이 AI를 통해 실제로 혁신될 수 있도록 전 과정을 밀착 지원하는 것이 이 센터만의 독보적 차별점이다. 이와 같은 혁신적인 훈련 모델이 현장에서 지속해서 작동하려면 정부의 지원이 뒷받침되어야 한다. AI 기술의 빠른 변화를 따라잡기 위한 고성능 그래픽처리장치(GPU) 인프라 구축은 물론 이를 관리·운영하는 인력의 전문성 강화와 증원이 필수적이다. 이는 일회성 지원을 넘어 우리 제조 산업의 미래 생존권을 확보하기 위한 ‘국가적 전략 투자’로 인식되어야 한다. 대기업과 대학, 훈련기관, 지자체 그리고 정부가 머리를 맞대고 구축한 AI 특화 공동훈련센터 모델이 전국 현장으로 확산할 때 우리 중소기업은 비로소 세계 시장에서 피지컬 AI를 선도하는 리더로 거듭날 수 있을 것이다. 지금이 바로 강력한 민관 거버넌스를 바탕으로 AI 강국의 토대를 견고히 다져야 할 적기다. AI 문명으로의 대전환 시대, 다 함께 손잡고 ‘대한민국 AI 고도화’를 실천해야 한다. 중소기업의 AX 성공이 곧 국가 경쟁력의 핵심이며 그 중심에 AI 특화 공동훈련센터의 역할이 있음을 잊지 말아야 한다. 최재붕 성균관대 기계공학과 교수