2026.09.01 화요일
검색
'경량화' 검색결과
기간검색
-
~
검색영역
검색어
-
![[현장] 자율주행 패권 경쟁 해법은 AI 고도화…데이터·피지컬 AI가 좌우한다](https://image.ajunews.com//content/image/2026/08/26/20260826162312529981.jpg)
자율주행 패권 경쟁 해법은 'AI 고도화'…"데이터·피지컬 AI가 좌우한다" [경제일보] 자율주행 경쟁에서 앞서기 위해서는 데이터를 많이 확보하는 데 그치지 않고, AI 모델의 지속적인 개선으로 연결하는 기술력이 필요하다는 진단이 나왔다. 경험하지 못한 주행 상황까지 예측하고 대응하는 피지컬 AI와 파운데이션 모델 개발이 자율주행 기술 경쟁의 핵심 과제로 떠올랐다는 설명이다. 26일 서울 강남구 코엑스에서 열린 ‘2026 자율주행 산업 컨퍼런스’에서는 현대자동차 이경민 상무, 한국자동차연구원 전병욱 소장, 서울대학교 최준원 교수가 차례로 강연에 나서 자율주행 AI의 발전 방향을 제시했다. 이 상무는 ‘데이터 플라이휠을 통한 자율주행 모델의 지속 개선’, 전 소장은 ‘피지컬 AI 시대, 자율주행 패권 경쟁과 K-모빌리티 전략’, 최 교수는 ‘자율주행 파운데이션 모델의 핵심 설계 쟁점과 발전 방향’을 주제로 발표했다. 이경민 상무는 자율주행 모델을 지속적으로 개선하려면 데이터를 확보하는 데 그치지 않고, 학습과 검증까지 연결하는 구조를 만들어야 한다고 설명했다. 수집한 데이터를 분석·선별해 모델을 학습하고 검증한 뒤 차량에 적용하고, 다시 새로운 데이터를 확보하는 순환 구조가 핵심이라는 설명이다. 이 상무는 “데이터가 핵심이라기보다 데이터를 돌릴 수 있는 프레임이 핵심”이라며 “데이터 플라이휠은 기본적으로 데이터 수집, 데이터 학습, 학습된 모델이나 룰을 다시 데이터로 연결하는 구조”라고 말했다. 실제 주행에서 확보되는 데이터 가운데 모델 성능을 높이는 데 필요한 데이터는 일부에 불과하다는 점도 짚었다. 일반적인 직진 주행보다 차선 변경이나 돌발 상황처럼 모델이 취약한 상황을 골라내고 이를 학습에 활용해야 한다는 것이다. 이 상무는 “실제 데이터를 취득하고 나서 그걸로 학습하면서 끝나는 게 아니라 3D로 구성하고 다양한 상황을 만들어서 시뮬레이션을 통해 검증할 수 있어야 한다”고 말했다. 데이터의 양을 늘리는 것만큼 모델 성능을 떨어뜨리는 문제 상황을 빠르게 찾아내는 과정도 중요하다고 봤다. 문제의 원인을 분석해 다시 학습에 반영하고, 시뮬레이션과 실제 차량 테스트를 통해 안전성을 확인해야 한다는 설명이다. 이어 전병욱 소장은 대규모 데이터를 학습하는 AI를 넘어 물리 세계를 이해하고 예측하는 피지컬 AI가 자율주행의 다음 경쟁 영역이 될 것으로 내다봤다. 전 소장은 “AI 모델은 확보한 데이터에 대해서는 굉장히 잘하지만 예측 불가능한 데이터에 대해서는 상당히 취약하다”며 “데이터 규모는 필요조건일 뿐이고, 결국 자율주행을 하려면 물리 세계를 이해하고 예측하는 일반 지능이 필요하다”고 말했다. 야간이나 폭설, 동물 출현처럼 실제 도로에서 발생 빈도가 낮은 상황은 아무리 많은 데이터를 확보하더라도 충분히 학습하기 어렵다고 설명했다. 이런 상황에 대응하려면 과거 사례를 암기하는 방식에서 벗어나 물리 법칙과 인과관계를 이해하는 AI가 필요하다는 것이다. 전 소장은 월드 모델을 대표적인 기술로 꼽았다. 월드 모델은 물리 법칙과 인과관계를 학습해 특정 행동 이후 발생할 상황을 예측하는 모델이다. 국내 자율주행 산업에는 현재 기술을 빠르게 확보하면서 차세대 기술 개발을 병행하는 투트랙 전략을 제시했다. 전 소장은 “2세대 자율주행을 최대한 빠르게 추격하면서 3세대 자율주행을 선점하는 전략으로 가야 한다”며 “AI 모델 경량화와 차량용 추론 반도체 개발도 함께 이뤄져야 한다”고 강조했다. 마지막으로 최준원 교수는 자율주행 파운데이션 모델의 핵심 과제로 엣지 케이스 대응과 모델 구조, 연산 효율, 시뮬레이션 검증을 제시했다. 갑자기 차량이 끼어들거나 동물이 도로에 나타나는 등 규칙을 일일이 설정하기 어려운 상황에 대응하는 능력이 중요하다는 설명이다. E2E 방식은 인지부터 계획까지 하나의 AI 모델로 연결해 전체 과정을 하나의 목적에 맞춰 최적화할 수 있다는 점에서 기존 모듈러 방식과 차이가 있다고 설명했다. 최 교수는 파운데이션 모델을 주변 환경을 이해하는 ‘씬 인코더’와 차량의 행동을 생성하는 ‘액션 디코더’로 구성하는 방식도 소개했다. 센서에서 들어오는 정보를 3차원 공간으로 변환하고 이를 토큰화해 시공간 정보를 압축하는 구조다. 최 교수는 “주변 씬에 대한 시공간 정보를 잘 압축해서 표현하는 게 굉장히 중요하다”며 “엣지 케이스 대응을 위해 차량과 주변 객체의 속도, 가속도, 위치 등 다양한 정보를 학습하는 과정이 필요하다”고 말했다. 연산 효율 역시 실제 차량 적용을 위한 주요 과제로 꼽았다. 차량 주변의 넓은 영역을 높은 해상도로 처리하면 연산량이 크게 늘어나는 만큼 시공간 정보를 압축하고 과거 정보를 활용해 필요한 정보만 처리하는 방식이 필요하다는 설명이다. 실제 도로에서 확보하기 어려운 엣지 케이스를 다루기 위해서는 시뮬레이션도 필요하다. 최 교수는 “도로에 나가면 엣지 케이스도 별로 없고 AI 모델을 바로 도로에 나가서 하기에는 위험하기도 하다”며 시뮬레이션을 통한 안전성 검증의 필요성을 강조했다. 향후에는 실제 주행 데이터를 증강해 엣지 케이스를 확보하고 시뮬레이터에서 모델의 안전성과 성능을 검증하는 연구가 중요하다고 설명했다. 강화학습을 활용한 모델 안정성 향상과 실제 차량에서 구동할 수 있도록 모델을 경량화하는 작업도 주요 과제로 꼽았다.2026-08-26 16:58:23
-
초거대 AI도 '가볍게'…노타, 국가대표 AI 최적화 속도 [경제일보] 국가대표 인공지능(AI) 모델 경쟁이 단순한 성능 경쟁에서 실제 산업 현장에서 얼마나 효율적으로 구동할 수 있느냐를 따지는 방향으로 확대되고 있다. 정부의 '독자 AI 파운데이션 모델(독파모)' 프로젝트에서도 모델 성능뿐 아니라 자원 활용 효율성과 산업 확장성 등이 평가 요소로 떠오른 가운데 국내 기업들의 관련 기술 확보에도 속도가 붙고 있다. 20일 AI 모델 경량화 및 최적화 기술 기업 노타는 자사의 AI 모델 경량화 및 최적화 기술을 바탕으로 국가대표 AI 모델의 활용 경쟁력 강화에 나선다고 밝혔다. 최근 정부가 발표한 독파모 프로젝트 2차 평가에서 업스테이지, SK텔레콤, LG AI연구원 등 3개 컨소시엄이 3차수 진출팀으로 선정됐다. 정부는 단계 평가에서 모델의 정량적 성능뿐 아니라 자원 활용 효율성, 사용성과 실용성, 다양한 산업·서비스 환경으로의 확장 가능성 등을 종합적으로 평가했다고 설명했다. 해당 평가 기준은 국내 AI 경쟁의 기준이 모델 자체의 성능을 넘어 실제 활용 가능성으로 확대되고 있는 것으로 분석된다. 초거대 AI는 모델 규모가 커질수록 GPU와 메모리 등 인프라에 대한 부담도 커지는 만큼 기업과 기관이 실제 서비스를 구축하려면 연산 자원과 운영 비용을 낮추는 기술이 필수적인 것이다. 업스테이지 컨소시엄에서 AI 모델 경량화와 최적화를 맡고 있는 노타는 정부의 평가와 기조에 맞춰 '솔라' 계열 모델의 국내 인프라 활용성을 높이는 데 집중하고 있다. 모델의 성능을 최대한 유지하면서 연산 자원과 메모리 사용량을 줄여 다양한 하드웨어와 서비스 환경에서 구동할 수 있도록 지원하는 방식이다. 앞서 노타는 독파모 2차 평가 결과 발표에 앞서 업스테이지의 '솔라 오픈 2' 경량화 모델을 글로벌 AI 플랫폼 허깅페이스에 공개했다. 기존 모델을 구동하는 데 엔비디아 H100 GPU 8장이 필요했던 환경을 2장으로 줄일 수 있도록 최적화한 해당 모델은 글로벌 누적 다운로드 8만건을 기록했다. 솔라 오픈 2는 2500억개의 매개변수를 갖춘 대규모 AI 모델이다. 노타는 모델 가중치를 INT4와 NVFP4 기반 4비트 형식으로 변환하고 중요도가 낮은 연산 모듈을 선별적으로 정리하는 방식으로 모델을 경량화했다고 설명했다. 그 결과 가중치 저장에 필요한 메모리를 기존 500.6GB에서 117.8GB로 76.5% 줄인 것으로 나타났다. 메모리 용량을 기준으로 H100 GPU 8장이 필요했던 모델을 2장으로 구동할 수 있게 된 것이다. 초거대 AI 모델의 활용 과정에서 발생하는 GPU 확보와 전력, 운영 비용 부담을 낮추고 실제 서비스 적용 가능성을 높인 것으로 평가된다. 특히 업스테이지 컨소시엄은 AI 모델뿐 아니라 국산 AI 반도체와의 결합도 추진하고 있다. 독파모 2차 평가 과정에서 퓨리오사AI의 국산 신경망처리장치(NPU)를 활용해 국산 AI 소프트웨어와 하드웨어 생태계를 연계한다는 계획이다. AI 모델과 반도체를 함께 최적화하는 구조가 자리 잡으면 특정 해외 GPU에 대한 의존도를 낮추면서 국내 인프라 환경에 맞는 AI 서비스 구축도 가능해질 전망이다. AI 모델의 경량화는 독파모뿐 아니라 향후 AI 산업 전반에서도 중요성이 커지고 있다. 기업이 자체 서버에 AI를 구축하는 온프레미스 환경부터 엣지·온디바이스 AI까지 활용 영역이 확대될수록 제한된 연산 자원에서 모델을 구동할 수 있는 기술이 필요하기 때문이다. 향후 독파모 3차수 경쟁에서도 모델의 절대적인 성능과 함께 얼마나 적은 자원으로 안정적인 서비스를 구현할 수 있는지가 주요 경쟁 요소가 될 것으로 전망된다. 국산 AI 모델을 개발하는 데 그치지 않고 국산 반도체, 경량화 기술, 서비스 플랫폼을 연결해 실제 산업 현장에 적용할 수 있는 생태계를 구축하는 것이 국가 AI 경쟁력 확보의 핵심 과제로 떠오르고 있다. 채명수 노타 대표는 "국가대표 AI 모델이 다양한 산업 현장에서 비용 효율적으로 활용될 수 있도록 최적화 기술을 지속적으로 고도화할 것"이라며 "업스테이지와 함께 독파모 3차수 평가에서도 좋은 성과를 거둘 수 있도록 최선을 다하겠다"고 말했다.2026-08-20 08:18:35
-
![[AI시대 대격변] AI의 무대가 바뀐다…데이터센터서 단말·공장으로 옮겨가는 AI](https://image.ajunews.com//content/image/2026/08/19/20260819142630737782.jpg)
"AI의 무대가 바뀐다"…데이터센터서 단말·공장으로 옮겨가는 AI [경제일보] 생성형 인공지능(AI) 확산으로 대규모 연산을 데이터센터에서 처리하는 방식이 주류로 자리 잡은 가운데 AI를 단말과 산업 현장에 직접 배치하는 '온디바이스 AI'와 '엣지 AI'가 새로운 경쟁 영역으로 부상하고 있다. 영상 분석과 로봇, 자동차, 스마트팩토리 등 실시간 대응과 데이터 보안이 중요한 분야에서는 모든 데이터를 중앙 데이터센터로 전송하는 방식에 한계가 있기 때문이다. 국내 기업들도 AI 반도체와 경량화된 AI 모델을 결합해 현장에서 AI를 구동하는 사업에 속도를 내고 있다. 19일 업계에 따르면 최근 AI 산업의 경쟁 구도가 대규모 데이터센터와 GPU 확보에서 AI 연산을 실제 서비스가 발생하는 현장으로 분산하는 방향으로 확대되고 있다. 생성형 AI 서비스가 고도화하면서 데이터센터의 대규모 GPU 연산 능력이 중요해졌지만, 모든 데이터를 클라우드나 데이터센터로 보내 처리할 경우 네트워크 지연과 데이터 전송 비용, 보안 등의 문제가 발생할 수 있기 때문이다. 특히 카메라와 센서를 통해 주변 환경을 실시간으로 인식해야 하는 로봇과 자동차, 산업 현장에서는 AI 연산을 가까운 곳에서 처리하는 것이 중요하다. 이에 AI 모델과 연산 장치를 단말이나 현장에 배치하는 온디바이스 AI와 엣지 AI가 주목받고 있다. 온디바이스 AI는 스마트폰이나 로봇, 자동차 등 기기 자체에서 AI 연산을 수행하는 방식이며, 엣지 AI는 데이터가 발생하는 현장과 가까운 서버나 장비에서 AI 연산을 처리하는 개념이다. 두 방식 모두 중앙 데이터센터에 대한 의존도를 낮추고 민감한 데이터를 외부로 전송하지 않으면서 실시간으로 AI를 구동할 수 있는 것으로 평가된다. 이에 AI 반도체 경쟁도 단순히 GPU와 NPU 가운데 어느 쪽이 우위에 있느냐를 넘어 사용처에 맞는 연산 구조를 확보하는 방향으로 바뀌고 있다. 대규모 AI 모델 학습에는 GPU가 활용되고, 현장에서 반복적으로 수행되는 추론 작업은 전력 효율과 지연 시간 등을 고려해 NPU를 활용하는 방식이다. KT는 국산 AI 반도체와 자체 대규모 언어 모델(LLM)을 결합한 기업용 AI 어플라이언스를 출시하며 이 같은 시장 변화에 대응하고 있다. KT가 선보인 'KT NPU LLM 스테이션'은 국내 AI 반도체 기업 리벨리온의 추론 특화 신경망 처리 장치(NPU) 'ATOM-MAX'와 KT의 독자 LLM '믿음 K 2.5 Pro', 운영 API 플랫폼을 하나의 서버에 통합한 완제품형 장치다. 기업 내부에 장비를 설치해 데이터와 AI 연산을 사내에서 처리할 수 있도록 한 것이 특징이다. 망 분리 등 보안 규제가 적용되는 공공·국방·제약·제조·금융 분야에서 외부 클라우드 기반 생성형 AI를 활용하기 어려운 기업을 겨냥한 것으로 풀이된다. KT는 향후 이를 피지컬 AI를 위한 엣지 데이터 센터로 확대해 저전력·저지연 AI 인프라로 활용한다는 계획이다. 제조 현장에서도 AI 연산을 현장 가까이에서 처리하려는 움직임이 나타나고 있다. 포스코DX는 국산 AI 반도체를 활용해 산업 현장에서 발생하는 비정형 데이터를 분석하는 플랫폼 개발에 나섰다. 공장 내 카메라와 센서 등에서 발생하는 데이터를 현장에서 AI로 분석해 설비와 작업 환경을 실시간으로 판단하는 방식으로, 제조 현장의 AI 적용 범위를 확대하려는 시도다. 특히 제조업에서는 생산 과정에서 발생하는 영상·센서 데이터의 양이 많고 외부 전송이 제한되는 경우도 있어 모든 데이터를 중앙 서버로 보내 분석하는 데 비용과 시간이 발생한다. 포스코DX는 현장에서 AI 추론을 수행하면 필요한 데이터만 선별해 처리할 수 있어 실시간성이 중요한 품질 검사와 이상 징후 탐지 등에서 활용도가 높아질 것으로 전망하고 있다. AI가 실제 공간에서 움직이는 피지컬 AI 시장이 커질수록 이러한 엣지 AI 수요도 확대될 전망이다. 로봇과 드론, 자율주행차 등이 주변 환경을 실시간으로 인식하고 판단하려면 카메라와 각종 센서에서 발생하는 데이터를 빠르게 처리해야 한다. 자동차 역시 운전자 상태 분석이나 주행 환경 판단 등 일부 AI 연산을 차량 내부에서 처리하는 구조가 확대될 것으로 분석된다. 이 과정에서 AI 반도체 성능뿐 아니라 AI 모델 최적화와 소프트웨어 생태계 구축도 중요해지고 있다. 같은 NPU를 사용하더라도 AI 모델을 하드웨어 특성에 맞게 최적화하지 못하면 기대한 성능과 전력 효율을 확보하기 어렵기 때문이다. 온디바이스 AI 시장의 경쟁은 'GPU 대 NPU'의 단순한 대결보다는 AI 연산을 어디에서, 어떤 방식으로 처리할 것인지에 대한 경쟁으로 확대될 전망이다. 데이터센터에서 단말과 공장, 자동차, 로봇 등으로 AI의 무대가 넓어지면서 AI 반도체 기업뿐 아니라 통신사와 제조·플랫폼 기업까지 새로운 시장을 둘러싼 경쟁에 뛰어들고 있다. 이진형 KT AX사업본부장 상무는 "'KT NPU LLM 스테이션'은 KT의 AX 풀스택 역량과 국산 반도체를 결합해 소버린 AI를 실제 산업 현장에서 즉시 사용할 수 있도록 만든 것"이라며 "데이터 주권을 지키면서 AI 전환을 시작하려는 기업과 기관에 가장 현실적인 선택지가 될 것"이라고 말했다.2026-08-19 14:30:55
-
카카오모빌리티, 강남 자율주행 3배 늘린다…실증 넘어 상용화 속도 [경제일보] 카카오모빌리티가 서울 강남에서 운행 중인 자율주행차를 기존 2대에서 6대로 늘린다. 심야 시간대 이동 수요에 대응하는 동시에 실제 도심에서 발생하는 다양한 돌발 상황 데이터를 확보해 자율주행 기술의 상용화 수준을 높이려는 전략이다. 별도 앱 없이 카카오T에서 이용할 수 있는 서비스 구조를 갖춘 만큼 자율주행을 단순 실증이 아닌 실제 이동 서비스로 정착시키겠다는 목표도 공개했다. 19일 카카오모빌리티는 자체 기술 기반 자율주행 서비스 '서울자율차'의 운행 차량이 기존 2대에서 6대로 오는 20일 확대한다고 밝혔다. 운행 구간도 교통약자 보호구역까지 넓어진다. 카카오모빌리티는 지난 3월 서울시 자율주행자동차 여객운송사업자로 선정돼 강남 일대에서 심야 시간대 자율주행 서비스를 운영해왔다. 이번 증차는 단순한 공급 확대보다 자율주행 기술 고도화를 위한 데이터 확보를 목적으로 진행된다. 자율주행차가 실제 도로를 주행하면서 마주하는 상황은 도로 환경과 시간대, 교통량에 따라 달라지는 만큼 차량 운행 규모가 커질수록 다양한 주행 데이터를 확보할 수 있기 때문이다. 특히 강남은 자율주행 기술을 검증하기 어려운 대표적인 도심 환경으로 꼽힌다. 차량과 보행자가 밀집한 데다 이륜차 운행, 불법 주정차, 무단횡단 등 예측하기 어려운 상황이 빈번하게 발생하기 때문이다. 자율주행 시스템이 정형화된 도로 환경을 벗어나 실제 도심에서 얼마나 안정적으로 대응할 수 있는지를 확인하기에 적합한 환경으로 알려졌다. 앞서 카카오모빌리티는 지난 5개월간 강남에서 축적한 주행 데이터를 바탕으로 도심 특화 'AI 플래너'를 고도화해왔다. AI 플래너는 자율주행차가 주변 환경을 인식한 뒤 주행 경로와 차량 움직임 등을 판단하는 핵심 기술이다. 특히 인지부터 판단, 제어까지 하나의 통합 AI 모델이 수행하는 E2E(엔드 투 엔드) 자율주행 기술을 실제 도심 환경에서 검증하고 있다. 차량 대수를 3배로 늘리면서 다양한 도로 상황에서 발생하는 이른바 '엣지케이스' 데이터를 더 빠르게 확보하고 이를 AI 학습에 반영한다는 계획이다. 엣지케이스는 일반적인 주행 상황과 달리 자율주행 시스템이 대응하기 어려운 예외적인 상황을 의미한다. 자율주행 기술이 일정 수준 이상 고도화되면서 단순히 정상적인 주행을 수행하는 능력보다 예외 상황에서 얼마나 안정적으로 대응하는지가 중요한 기술 경쟁력으로 떠오르고 있다. 카카오모빌리티는 차량 증차와 함께 교통약자 보호구역으로 운행 범위도 확대한다. 보호구역 진입 시 제한속도의 80% 이하로 감속하고 어린이 등 보행자의 돌발 행동에 대비해 급가속을 제한하는 별도 안전 제어 알고리즘을 적용했다. 센서 최적화와 알고리즘 경량화를 통해 인지 성능과 처리 속도도 개선했다. 보호구역 진입 전후에는 자율주행 매니저에게 시청각 알림을 제공해 운행 과정에서 안전 확인이 이뤄지도록 했다. 교통약자 보호구역 운행은 자율주행 서비스가 단순히 정해진 노선을 따라 이동하는 수준을 넘어 도로 환경에 따라 주행 전략을 바꿀 수 있는지를 검증하는 과정이다. 특히 어린이와 보행자가 갑작스럽게 도로에 진입하는 상황처럼 예측하기 어려운 환경에서 차량의 감속과 제어가 안정적으로 이뤄지는지 평가된다. 운행 시간 확대를 위한 준비도 진행하고 있다. 카카오모빌리티는 지난 6월부터 강남 일대에서 주간 시간대 데이터를 별도로 학습해왔다. 심야 시간대보다 차량과 보행자가 많은 주간 도심 환경에서 운전자들의 주행 패턴과 교통 상황을 분석하며 향후 주간 운행에 필요한 기술을 검증하고 있다. 현재 서울자율차는 밤 10시부터 다음날 오전 5시까지 심야 시간대에 운행된다. 강남은 심야 시간대에도 유동인구와 택시 수요가 높은 지역인 만큼 카카오모빌리티는 자율주행차를 활용해 이동 공백을 일부 해소한다는 계획이다. 서비스 접근성도 일반 택시와 유사한 형태로 구축했다. 이용자는 카카오T 앱에서 택시 메뉴를 선택한 뒤 운행 구역 내 출발지와 목적지를 입력하고 호출 과정에서 '서울자율차'를 선택하면 된다. 별도의 자율주행 전용 앱을 설치하거나 별도로 회원가입할 필요가 없다. 자율주행차를 호출하기 어려운 경우에는 일반 택시 등 다른 이동 수단으로 연결하는 방식도 적용했다. 자율주행 기술을 직접 체험하는 데 그치지 않고 기존 모빌리티 플랫폼의 호출·배차 시스템 안에 자율주행을 포함시키는 방식이다. 카카오모빌리티는 향후 강남에서 축적한 주행 데이터를 바탕으로 자율주행 알고리즘과 시스템 안정성을 지속적으로 개선하고 운행 범위를 확대한다는 방침이다. 자체 자율주행 기술과 카카오T 플랫폼을 결합해 자율주행을 실제 생활 속 이동 수단으로 정착시키겠다는 목표다. 류긍선 카카오모빌리티 대표는 "자체 자율주행 기술력과 안정적인 운영 성과를 바탕으로 운행 규모를 늘려 심야 시간대 시민들의 이동 편의를 높이고, 교통약자 보호구역까지 기술 영역을 확충하게 됐다"며 "실증 운행을 통한 데이터 확보로 기술 완성도를 계속 높여가는 한편, 플랫폼 기술을 기반으로 지자체·기술기업 등과 협력해 자율주행 생태계 활성화에 적극 기여하겠다"고 말했다.2026-08-19 11:15:00
-
한온시스템 HICE 모듈, 'PACE 어워드' 최종후보…車 열관리 기술력 인정 [경제일보] 한온시스템이 전기차 열관리 기술력을 앞세워 글로벌 자동차 산업 기술상 최종 후보에 올랐다. 핵심 열관리 부품을 하나의 모듈로 통합해 차량 내 공간 활용도를 높이고 시스템 복잡성을 줄인 기술이 평가 대상에 선정됐다. 12일 한온시스템에 따르면 회사가 개발한 초소형 통합 냉매 모듈(HICE)은 '2026년 오토모티브 뉴스 PACE 어워드' 최종 후보에 선정됐다. 올해 31회를 맞은 PACE 어워드는 미국 자동차 전문 매체 오토모티브 뉴스가 주관하는 자동차 산업 기술 시상식이다. 기술 혁신성과 사업 성과 등을 기준으로 자동차 산업의 주요 기술을 선정한다. HICE 모듈은 전동 컴프레서, 전자식 팽창밸브, 수냉식 응축기, 내부 열교환기, 칠러 등 주요 냉매 열관리 부품을 하나의 단일 유닛으로 통합한 제품이다. 기존 여러 부품으로 구성된 냉매 시스템을 하나로 통합해 완성차 업체의 조립 공정을 단순화하고 차량 내 패키징 공간을 확보할 수 있도록 설계됐다. 무게는 16kg으로 경량화했다. 냉매 흐름과 온도를 빠르고 정밀하게 제어할 수 있어 급속 충전이나 고성능 주행 등 열관리 부담이 커지는 상황에서도 안정적인 성능을 확보할 수 있다는 게 회사 측 설명이다. 전기차의 에너지 효율과 주행거리 향상에도 기여할 수 있으며 전용 사운드 커버를 적용해 실내 소음·진동(NVH) 성능도 높였다. 실제 차량 적용을 통한 상용화도 이뤄졌다. HICE 모듈은 BMW의 전기 스포츠유틸리티차량(SUV)인 iX3에 처음 적용됐다. 이수일 한온시스템 대표이사 부회장은 "HICE 모듈은 단순한 부품 최적화를 넘어 시스템 전체를 재설계한 열관리 분야의 패러다임 전환이자 전기차 구조 혁신의 결실"이라며 "차세대 전기차 열관리 솔루션의 시장을 지속적으로 선도해 나갈 것"이라고 했다.2026-08-12 10:03:05
-
LG유플러스, AI가 인터넷 이상 미리 감지…'셀프힐링' 기술 검증 [경제일보] LG유플러스가 인터넷 품질 이상을 인공지능(AI)이 스스로 감지하고 대응하는 지능형 홈 네트워크 기술을 검증했다. 장애가 발생한 뒤 복구하는 기존 방식에서 벗어나 가정용 공유기 내부에서 AI가 네트워크 상태를 분석하고 품질 저하 가능성을 사전에 찾아내는 방식이다. LG유플러스는 글로벌 반도체 기업 브로드컴과 협력해 와이파이8(Wi-Fi 8) 플랫폼 기반 홈 네트워크 자동 복구(Self-Healing) 기술을 실증했다고 밝혔다. 클라우드 서버가 아닌 공유기에서 AI 모델을 직접 구동하는 엣지 AI 기술의 적용 가능성을 확인한 것이 핵심이다. LG유플러스는 기존 클라우드에서 운영하던 네트워크 품질 예측 AI 모델을 공유기에서도 작동할 수 있도록 경량화했다. 브로드컴은 AI 연산을 지원하는 신경망처리장치(NPU)가 탑재된 와이파이8 플랫폼을 제공했다. 양사는 공유기가 네트워크 품질 데이터를 실시간으로 분석하고 장애 징후를 사전에 감지하는 환경을 구현했다. 인터넷 품질 저하가 예상되면 AI가 네트워크 설정을 최적화하고 자동 복구를 수행하는 방식이다. 이를 통해 공유기는 단순히 인터넷 신호를 전달하는 장비에서 네트워크 상태를 스스로 판단하고 관리하는 지능형 장비로 역할을 확대할 수 있다. ◆ 장애 발생 후 대응에서 사전 관리로 홈 네트워크에 연결되는 기기가 늘면서 네트워크 품질 관리도 복잡해지고 있다. 스마트TV와 IPTV, 게임기, IoT 기기 등이 하나의 공유기에 연결되는 데다 생성형 AI, 클라우드 게임, 초고화질 콘텐츠 등 안정적인 네트워크를 요구하는 서비스도 늘고 있다. AI가 공유기 내부에서 네트워크 데이터를 분석하면 중앙 서버까지 데이터를 보내고 다시 명령을 전달받는 과정이 줄어 보다 빠른 대응이 가능하다. 특히 이번 기술은 장애 발생 후 복구보다 품질 저하 이전의 이상 징후를 찾아 대응하는 데 초점을 맞췄다. 다만 이번 결과는 기술 실증 단계다. 실제 상용화를 위해서는 다양한 가정 환경에서 AI의 이상 탐지 정확도와 자동 복구 성능, 실제 고객 체감 품질 개선 효과 등을 추가로 검증해야 한다. 이번 기술의 기반은 브로드컴의 와이파이8 플랫폼이다. AI 연산을 지원하는 NPU가 탑재되면서 공유기 자체에서 네트워크 데이터를 분석하고 판단할 수 있는 환경이 마련됐다. LG유플러스는 자체 네트워크 품질 예측 기술을 결합해 클라우드에서 활용하던 AI 모델을 공유기 환경에 맞게 경량화했다. 신남승 브로드컴 코리아 무선 브로드밴드 영업총괄 전무는 “브로드컴의 와이파이8 플랫폼에서 AI 모델을 직접 구동해 공유기가 지능형 품질 관리 플랫폼으로 확장될 수 있음을 입증했다”며 “LG유플러스와 협력을 지속 확대하겠다”고 말했다. 이진혁 LG유플러스 Consumer서비스개발Lab 상무는 “AI를 네트워크 장비 내부에서 직접 구동하는 엣지 AI 기술의 가능성을 확인했다”며 “고객이 체감하는 품질을 AI가 스스로 관리하는 지능형 홈 네트워크 구현을 위해 관련 기술을 지속 고도화하겠다”고 말했다. LG유플러스는 이번 실증을 시작으로 와이파이8 환경에서 AI 기반 네트워크 관리 기술을 추가 검증할 계획이다. 실제 서비스로 이어질 경우 공유기가 인터넷 연결 장비를 넘어 네트워크 품질을 스스로 진단하고 관리하는 AI 플랫폼으로 진화할 수 있을 전망이다.2026-08-09 10:54:51
-
포카리스웨트도 무라벨…동아오츠카, 친환경 포장 확대 [경제일보] 동아오츠카가 친환경 포장 확대에 속도를 내고 있다. 포카리스웨트 500㎖ 제품에 라벨을 제거한 ‘무라벨’ 제품을 새로 내놓으며 자원 절감과 분리배출 편의성 개선에 나섰다. 28일 동아오츠카는 포카리스웨트 500㎖ 무라벨 제품을 출시했다고 밝혔다. 제품 외부 비닐 라벨을 없애 플라스틱 재활용 효율을 높이고 소비자의 분리배출 부담을 줄이겠다는 취지다. 라벨을 제거하면서도 브랜드 식별이 가능하도록 병 디자인과 캡 색상 등을 유지했다. 이번 조치는 친환경 포장 전략의 연장선에 있다. 동아오츠카는 2024년 340㎖ 제품에 처음으로 무라벨을 적용한 데 이어 적용 범위를 500㎖까지 확대했다. 소비자 사용 편의와 환경 부담을 동시에 줄이기 위한 선택이라는 설명이다. 효과도 구체적이다. 회사에 따르면 500㎖ 무라벨 제품을 100만병 생산할 경우 약 900㎏의 비닐 사용을 줄일 수 있다. 라벨 제거로 분리배출 과정이 간단해지고 플라스틱 순환 재활용률 개선에도 도움이 될 전망이다. 생활 속 작은 변화가 누적되면 환경 부담을 줄이는 데 의미 있는 기여를 할 수 있다는 계산이다. 포카리스웨트는 앞서도 포장 개선을 꾸준히 이어왔다. 페트병 라벨에 절취선을 적용해 소비자가 손쉽게 라벨을 분리할 수 있도록 했고 올바른 분리배출 문화를 확산하기 위한 ‘블루라벨 캠페인’도 전개했다. 제품 개선과 캠페인을 병행해 소비자 인식 변화를 유도해 왔다. 식품·음료 업계 전반에서도 친환경 포장 전환이 빠르게 진행되고 있다. ESG 경영 요구가 커지고 재활용 규제가 강화되면서 라벨 제거와 경량화 포장 도입이 확산되는 흐름이다. 기업 입장에서는 비용 부담이 따르지만 장기적으로는 브랜드 가치와 규제 대응 측면에서 불가피한 선택으로 받아들여진다. 박철호 동아오츠카 대표는 “무라벨 출시는 소비자의 분리배출 편의성을 높이고 자원순환을 일상에서 실천할 수 있도록 하기 위한 노력”이라며 “앞으로도 환경을 고려한 제품 개선을 지속하겠다”고 말했다. 포카리스웨트는 안정적인 브랜드 인지도와 소비자 충성도를 기반으로 친환경 전환을 이어가고 있다. 제품 경쟁력에 환경 요소를 더해 지속가능 소비 흐름에 대응하겠다는 전략이 뚜렷하다. 업계에서는 무라벨 제품 확대가 향후 음료 시장의 표준으로 자리 잡을 가능성에 주목하고 있다.2026-07-28 14:47:54
-
AI 팩토리 시대 핵심은 경량화…노타, 솔라 오픈2 메모리 76% 줄였다 [경제일보] 생성형 인공지능(AI)의 경쟁 기준이 빠르게 변화하고 있다. 과거에는 얼마나 큰 AI 모델을 만들 수 있느냐가 경쟁력이었다면 최근에는 이를 얼마나 효율적으로 운영할 수 있는지가 핵심 요소로 떠오르고 있다. AI 에이전트 시대가 본격화되면서 기업들이 마주한 과제 역시 성능 경쟁을 넘어 GPU 비용과 운영 효율성 확보로 확대되는 가운데, 노타가 대규모 AI 모델을 GPU 2장만으로 구동할 수 있는 경량화 기술을 선보이며 기업들의 AI 전환(AX) 비용 절감에 나섰다. 27일 노타는 업스테이지와 함께 참여 중인 정부 독자 AI 파운데이션 모델 프로젝트의 2차 성과물인 '솔라 오픈2' 전용 경량화 모델을 공개했다고 밝혔다. 최근 글로벌 AI 시장에서는 딥시크와 문샷 AI의 '키미' 시리즈 등 고성능 오픈 웨이트 모델이 주목받고 있다. 다만 AI 경쟁의 기준은 단순히 모델 성능을 넘어 실제 업무 환경에서 얼마나 효율적으로 활용할 수 있는지로 확대되고 있다. 특히 문서 업무와 코딩, 검색, 툴 호출 등을 수행하는 AI 에이전트가 확산되면서 토큰 사용량과 연산 비용이 크게 증가하고 있어 AI 운영 비용을 낮추는 경량화 기술이 새로운 경쟁력으로 부상하고 있다. 기업들의 AI 인프라 경쟁 역시 새로운 국면을 맞고 있다. AI 팩토리와 AI 데이터센터 구축 경쟁이 본격화되면서 GPU 확보가 중요한 과제로 떠올랐지만, 높은 구축 비용과 전력 소비는 여전히 기업들의 부담으로 꼽힌다. 같은 성능을 보다 적은 GPU로 구현할 수 있다면 인프라 구축 비용과 운영 비용을 동시에 절감할 수 있는 만큼 AI 경량화 기술의 중요성도 커지고 있다. 솔라 오픈2는 문서 업무와 코딩, 툴 호출, 다단계 추론 등 실제 기업 업무에 활용할 수 있는 AI 에이전트 구현에 초점을 맞춘 대규모 언어모델(LLM)이다. 총 2500억개의 매개변수를 갖추고 있으며 실제 작업 시에는 필요한 150억개의 매개변수만 활성화하는 '전문가 혼합(MoE)' 구조를 채택했다. 하나의 모델 안에 있는 여러 연산 모듈 가운데 일부만 선택적으로 활용하는 방식으로 연산 효율성을 높인 것이 특징이다. 노타는 해당 솔라 오픈2의 기능을 실제 기업 환경에 보다 효율적으로 배포할 수 있도록 데이터 기반 MoE 양자화와 라우터 인지형 MoE 양자화, 비균일 전역 프루닝 기술 등을 적용했다고 설명했다. 양자화는 모델을 보다 낮은 정밀도의 데이터 형식으로 변환해 메모리 사용량을 줄이는 기술이며, 프루닝은 중요도가 낮은 연산 모듈을 선택적으로 제거해 모델을 경량화하는 기술이다. 특히 데이터 기반 MoE 양자화에는 모델 가중치를 4비트 저정밀 형식으로 변환하면서도 모든 전문가 모듈이 안정적인 통계치를 확보할 수 있도록 캘리브레이션 데이터를 합성하는 'PASCAL-MoE' 기술이 활용됐다. 라우터 인지형 MoE 양자화에는 양자화 이후에도 라우터가 전문가 모듈을 안정적으로 선택할 수 있도록 자체 개발한 양자화 알고리즘이 적용됐다. 이를 통해 노타는 원본 모델의 가중치 메모리를 기존 500.6GB에서 117.8GB로 약 76.5% 줄이는 데 성공했다고 강조했다. 기존에는 엔비디아 'H100 GPU' 8장이 필요했던 환경을 GPU 2장만으로 구동할 수 있도록 최적화했으며, 양자화 이후에도 AI 에이전트의 핵심 기능인 툴 호출 성능을 안정적으로 유지하는 것으로 알려졌다. 실제로 글로벌 AI 시장 역시 성능 경쟁에서 운영 효율성 경쟁으로 무게 중심이 이동하고 있다. 높은 성능의 AI 모델을 보다 적은 인프라로 구동할 수 있는 기술이 기업들의 AI 도입 장벽을 낮추는 핵심 요소로 떠오르면서 경량화 기술이 AI 팩토리 시대의 필수 기술로 자리 잡고 있는 것이다. 노타는 이번 솔라 오픈2 경량화 모델을 통해 국내 기업들이 보다 적은 비용으로 AI 에이전트를 도입하고 활용 범위를 확대할 수 있을 것으로 기대하고 있다. 특히 별도의 대규모 GPU 인프라를 구축하기 어려운 기업들도 효율적으로 AI 서비스를 운영할 수 있도록 지원해 AI 전환을 가속화한다는 계획이다. 노타가 공개한 솔라 오픈2 전용 경량화 모델은 글로벌 AI 플랫폼 허깅페이스를 통해 확인할 수 있다. 김태호 노타 CTO는 "이번 성과는 대규모 MoE 모델을 기업이 실제 도입할 수 있는 형태로 최적화했다는 데 의미가 있다"며 "기업이 자사의 인프라와 예산에 맞춰 에이전트 AI를 도입하고 활용 범위를 확장할 수 있도록 모델 구조와 하드웨어 환경에 최적화된 양자화 및 경량화 기술을 지속해서 고도화하겠다"고 말했다.2026-07-27 14:27:30
-
LLM 넘어 피지컬 AI 시대…노타, AMD와 로보틱스 시장 정조준 [경제일보] 생성형 인공지능(AI) 경쟁이 초거대언어모델(LLM)을 넘어 현실 공간에서 스스로 판단하고 움직이는 '피지컬 AI'로 확대되고 있다. 로봇이 제한된 연산 자원에서도 AI를 안정적으로 구동하기 위해서는 AI 모델을 경량화하고 최적화하는 기술의 중요성이 커지는 가운데, 노타가 글로벌 반도체 기업 AMD와 손잡고 로보틱스 시장 공략에 나선다. 24일 노타는 미국 샌프란시스코에서 열린 'AMD 어드밴싱 AI 2026'에서 AMD 로보틱스 파트너 네트워크에 참여하며 온디바이스 AI 최적화 기술을 로보틱스 분야로 확대한다고 밝혔다. 최근 글로벌 AI 시장은 생성형 AI를 넘어 AI 에이전트와 피지컬 AI 경쟁으로 빠르게 이동하고 있다. 특히 로봇이 사람과 상호작용하고 주변 환경을 인식해 자율적으로 동작하기 위해서는 AI 모델을 실제 하드웨어 환경에 맞춰 최적화하는 기술이 핵심 경쟁력으로 떠오르고 있다. AI 모델의 성능이 높아질수록 요구되는 연산량과 메모리 사용량도 함께 증가하는 만큼 전력과 메모리, 연산 자원이 제한된 로봇 환경에서는 AI 모델을 그대로 적용하기 어렵기 때문이다. 이에 글로벌 빅테크들은 반도체와 소프트웨어, 로보틱스 기업들을 연결하는 생태계를 구축하며 피지컬 AI 시장 선점에 나서고 있다. AMD 로보틱스 파트너 네트워크는 AMD의 컴퓨팅 기술을 기반으로 임베디드와 엣지, 클라우드 환경에서 로보틱스 솔루션의 개발과 배포를 지원하는 개방형 생태계다. 제조 전문기업(ODM)과 독립 소프트웨어 공급업체(ISV), 센서 공급업체, 시스템 통합업체(SI) 등이 참여해 로보틱스 솔루션의 개발부터 배포까지 전 과정에서 협력한다. 케이비 탄자부르 바스카르 AMD 로보틱스 총괄은 "AMD 로보틱스 파트너 네트워크는 제조 전문기업, 독립 소프트웨어 공급업체, 시스템 통합업체를 하나로 연결해 산업 전반에서 확장 가능한 로보틱스 솔루션 구현을 지원한다"며 "하드웨어와 소프트웨어, 생태계 협업을 결합한 통합 접근 방식을 통해 로보틱스 혁신을 가속화하고 파트너의 시장 기회를 확대하는 것을 목표로 한다"고 말했다. 노타는 이번 파트너 네트워크 참여를 통해 AI 모델 경량화와 하드웨어 맞춤형 최적화 기술을 로보틱스 분야에 본격적으로 적용할 계획이라고 설명했다. 로봇에 탑재되는 프로세서와 시스템 환경에 맞춰 AI 모델의 크기와 연산량, 메모리 사용량 등을 최적화해 제한된 연산 자원에서도 안정적으로 AI를 구동할 수 있도록 지원한다는 구상이다. 특히 로봇은 스마트폰이나 서버와 달리 제한된 전력과 연산 자원 속에서 실시간으로 주변 환경을 인식하고 판단해야 하는 만큼, AI 모델을 얼마나 효율적으로 실행할 수 있는지가 서비스 경쟁력을 좌우하는 것으로 알려졌다. 온디바이스 AI 기술을 활용하면 데이터를 외부 서버로 전송하지 않고도 기기 내부에서 AI를 실행할 수 있어 응답 속도와 보안성 측면에서도 강점을 갖는다. 노타의 AI 최적화 기술은 온디바이스 AI를 넘어 피지컬 AI 구현의 핵심 기반 기술로도 주목받고 있다. 로봇이 실제 공간에서 자율적으로 움직이고 작업을 수행하기 위해서는 AI 모델이 다양한 하드웨어 환경에서도 안정적으로 동작해야 하기 때문이다. 앞서 노타는 스마트시티와 산업 안전, 모빌리티 등 다양한 엣지 AI 분야에서 AI 모델 최적화 기술을 확보해 온 바 있다. 이번 AMD 로보틱스 파트너 네트워크 참여를 계기로 해당 기술의 적용 범위를 로보틱스 분야까지 확대하며 글로벌 시장 공략에도 속도를 낸다는 방침이다. 노타는 AMD 로보틱스 파트너 네트워크 참여 기업들과 협력을 확대하며 산업 현장에서 활용 가능한 피지컬 AI 솔루션 확산에도 나설 계획이다. 채명수 노타 대표는 "피지컬 AI가 산업 현장에서 실질적인 가치를 제공하기 위해서는 AI 모델을 실제 로봇의 연산 및 메모리 환경에 맞게 최적화하는 기술이 필수적"이라며 "AMD 로보틱스 파트너 네트워크 참여를 계기로 온디바이스 AI 최적화 기술을 로보틱스 분야로 확대하고, AMD 로보틱스 파트너 네트워크 참여 기업들과 협력해 산업 현장에서 활용 가능한 피지컬 AI 솔루션 확산에 기여하겠다"고 말했다.2026-07-24 08:30:20
-
롯데칠성, 플라스틱 3000t 줄였다…온실가스 17%↓ [경제일보] 롯데칠성음료가 플라스틱 감축과 탄소 저감을 앞세워 ESG 경영에 속도를 내고 있다. 23일 롯데칠성음료에 따르면 패키징 혁신을 통해 지난해 약 3000t의 플라스틱 배출량을 줄였다고 밝혔다. 생수병 입구 높이를 낮추고 경량 캡을 도입하는 등 용기 구조를 개선해 810t을 감축했고 페트병 원재료인 프리폼 경량화로 1650t을 추가 절감했다. 어셉틱 페트 도입으로도 240t을 줄였다. 재생원료 확대도 본격화했다. 롯데칠성음료는 지난해 100% 재생 플라스틱으로 만든 ‘칠성사이다’ 페트병을 선보인 데 이어 ‘아이시스’와 ‘펩시 제로슈거 라임’ 등 주요 제품으로 적용을 확대했다. 올해 약 3억 개의 재생 페트병을 생산해 6000t 이상의 재생원료를 사용할 계획이다. 정부 기준(10%)도 3분기 내 조기 달성이 예상된다. 탄소 저감 성과도 이어졌다. 롯데칠성음료는 지난해 공정 개선과 재생에너지 확대 등을 통해 약 6400t의 온실가스를 감축했다. 이는 2018년 대비 17% 줄어든 수준이다. 군산공장에는 주정 부산물을 활용한 바이오가스 발전 설비를 도입해 연간 약 5000t의 온실가스를 줄였고 태양광 발전과 매립가스(LFG) 연료 전환 등으로 추가 감축 효과를 냈다. 전기차 도입도 확대해 누적 630대를 운영 중이다. 롯데칠성음료는 2021년 ‘2040 탄소중립’을 선언하고 단계적으로 실행 중이다. 올해는 온실가스 1만t 이상 추가 감축을 목표로 하고 있다. 롯데칠성음료 관계자는 “공정 혁신과 재생에너지 확대를 통해 ESG 경영을 강화하고 있다”며 “환경과 사회를 동시에 고려한 지속가능 전략을 이어갈 것”이라고 말했다.2026-07-23 16:07:45
-
![[경제일보] 타이어코드 섬유 기술로 세계 1위…HS효성,미래소재로 확장](https://image.ajunews.com//content/image/2026/07/23/20260723093526814454.png)
타이어코드 섬유 기술로 세계 1위…HS효성,미래소재로 확장 [경제일보] 자동차에는 수많은 기업의 기술이 집약돼 있다. 차체와 엔진, 배터리처럼 눈에 보이는 부품이 주목받지만, 자동차의 안전성과 내구성을 떠받치는 핵심 소재는 대부분 외부에 드러나지 않는다. 타이어의 형태를 유지하는 타이어코드와 시트벨트용 원사, 에어백 원단 등이 대표적이다. HS효성은 이처럼 완제품 뒤에 가려진 소재를 세계 1위 사업으로 키워왔다. PET 타이어코드와 시트벨트용 원사, 에어백 원단을 기반으로 자동차 내장재와 탄소섬유, 아라미드 등으로 사업 영역을 꾸준히 넓혔다. 완제품 제조사가 쉽게 교체하기 어려운 핵심 소재 공급자로 자리 잡는 것이 HS효성이 계승한 효성의 성장 방식이다. HS효성은 2024년 7월 효성그룹의 인적분할을 통해 출범했다. 조현상 HS효성 부회장은 창립 2주년을 맞아 그룹의 핵심 경영 키워드로 ‘헤리티지 DNA’를 제시했다. 효성이 60년간 축적한 기술력과 품질 경쟁력, 고객 신뢰를 계승해 미래 시장에서도 초격차를 만들겠다는 구상이다. 보이지 않는 소재, 세계 1위 장벽 HS효성의 산업적 뿌리는 타이어코드다. 타이어코드는 고무 내부에서 골격 역할을 하며 타이어의 형태를 유지하고, 주행 과정에서 발생하는 충격과 하중을 견디게 하는 핵심 보강재다. 자동차 안전과 직결되는 소재인 만큼 신규 업체가 개발한 제품이 곧바로 공급되기는 어렵다. 타이어 제조사의 품질 검사를 거쳐 실제 납품에 이르기까지 통상 2~3년의 테스트가 필요하다. HS효성첨단소재가 PET 타이어코드 시장에서 20년 넘게 세계 1위를 유지해온 배경에도 이 같은 높은 진입장벽이 있다. 회사는 폴리에스터와 나일론 타이어코드의 원재료부터 최종 제품까지 전 공정 기술을 보유하고 있다. 강도와 수축률, 내열성 등 고객사가 요구하는 물성을 구현하려면 원사 생산부터 연사와 제직, 열처리에 이르는 전체 공정을 정밀하게 조정해야 한다. HS효성첨단소재는 축적된 공정 기술을 바탕으로 고객사별 요구에 맞춘 제품을 공급하고 있다. 효성은 1968년 울산공장에서 타이어코드지 생산을 시작했고, 1978년 국내 최초로 폴리에스터 타이어코드지 공업화에 성공했다. 이후 글로벌 타이어 업체와 장기 공급 관계를 확대하는 한편 베트남과 중국, 미국 등에 생산기지와 현지 창고를 구축했다. 고객사 인근에서 제품을 공급해 납기 대응력과 공급 안정성을 높이기 위한 전략이다. 고객사와 공동 연구개발을 진행하며 차세대 타이어의 규격과 성능에 맞춘 소재를 함께 개발하는 점도 강력한 진입장벽으로 작용한다. 장기간의 품질 인증과 전 공정 기술, 글로벌 생산망, 공동개발 체계가 결합하면서 고객사가 단기간에 공급처를 교체하기 어려운 구조가 형성됐다. HS효성첨단소재는 올해 4월 추진하던 타이어 스틸코드 사업 매각도 철회했다. 국제 정세 불안으로 공급망 안정성의 중요성이 커진 데다 전기차용 고성능 타이어 시장의 성장 가능성이 높아졌다는 판단에서다. 스틸코드는 타이어 내부에서 하중을 지지하는 강선 소재다. 전기차는 배터리 무게로 인해 내연기관차보다 차량 중량이 무거워 고강도 타이어 보강재의 중요성이 더욱 크다. HS효성은 국제 정세 불안과 유가 상승, 전기차 수요 확대 등을 고려할 때 스틸코드 수요가 꾸준히 증가할 것으로 판단했다. 에어백과 자동차 인테리어, 탄소섬유·아라미드 사업에서 나타난 매출 확대와 수익성 개선 흐름도 매각 철회의 배경으로 제시했다. 이번 결정은 단기적인 투자재원 확보보다 타이어코드와 스틸코드, 비드와이어를 함께 공급하는 종합 타이어보강재 체제를 유지하는 데 무게를 둔 선택으로 풀이된다. 기존 고객 관계와 글로벌 공급망 경쟁력을 지키는 것이 장기적으로 더 큰 가치가 있다고 판단한 것이다. 헤리티지 DNA, 미래소재로 확장 HS효성은 타이어코드에서 축적한 산업용 섬유 기술을 탄소섬유와 아라미드로 확장하고 있다. 탄소섬유 브랜드 ‘탄섬’과 아라미드 브랜드 ‘알켁스’를 앞세워 수소에너지와 전력, 우주항공, 방산 시장을 공략한다. 탄소섬유는 무게가 가볍고 강도가 높아 수소 고압용기와 항공·우주 분야 등에 활용된다. 아라미드는 내열성과 인장강도가 뛰어나 방탄 장비와 광케이블, 산업용 호스, 고성능 타이어 보강재 등에 사용된다. HS효성 관계자는 “탄소섬유와 아라미드는 항공기 동체와 우주발사체, 방산 소재 등에 폭넓게 사용되고 있다”고 했다. 탄소섬유는 항공기와 무기체계의 경량화에, 아라미드는 방탄 장비와 전기차용 타이어코드 등에 적용되고 있다. 다만 미래소재 사업은 생산능력 확대만으로 성과를 담보하기 어렵다. 중국 업체들의 공급 확대와 가격 경쟁이 심화하는 상황에서 설비 가동률과 판매가격을 동시에 지켜야 하기 때문이다. HS효성은 수소 고압용기와 전력망, 드론, 항공우주, 방산 등 성능과 인증이 중시되는 시장을 중심으로 신규 판매처 확보에 나서고 있다. 고객사의 제품 개발 단계부터 참여해 장기 공급자로 자리 잡은 타이어코드 사업의 성공 방식을 미래소재 분야에도 적용하겠다는 전략이다. 항공우주와 방산 분야의 긴 인증 기간은 변수다. 소재의 기술적 적용 가능성을 실제 양산 공급과 안정적인 수익으로 연결하기까지 상당한 시간이 필요할 수 있다. 기존 사업을 유지하면서 미래소재 투자도 병행해야 하는 만큼 재무 부담을 관리하고 신사업의 수익화 시점을 앞당기는 것이 과제로 남는다. HS효성은 AI·데이터 인프라 기업인 HS효성인포메이션시스템도 보유하고 있다. 이 회사는 스토리지와 서버, 클라우드, 빅데이터, AI 플랫폼 등을 공급한다. 소재 제조와 AI 기술을 결합할 경우 생산공정 최적화와 품질 관리, 예측정비, 공급망 관리 등에서 협업 여지가 크다. 다만 현재까지 HS효성인포메이션시스템과 HS효성첨단소재가 협업을 통해 직접적인 사업 성과를 창출한 사례는 뚜렷하지 않다. AI 사업은 아직 소재 경쟁력을 높이는 실질적인 수단이라기보다 앞으로 연결고리를 만들어야 할 영역에 가깝다. 계열사 간 협업이 생산성 향상과 비용 절감, 신규 고객 확보로 이어져야 그룹 포트폴리오의 시너지 역시 구체적으로 확인될 수 있다. 업계 관계자는 “HS효성은 출범 3년 차의 신생 그룹이지만 산업적 뿌리는 효성이 60년간 축적한 소재 기술과 고객 신뢰에 닿아 있다”며 “‘헤리티지 DNA’는 과거의 유산을 미래 사업의 성과로 연결하겠다는 선언”이라고 했다. 이어 “타이어 속 실 한 가닥을 세계 1위 사업으로 키운 경험은 HS효성의 분명한 자산”이라며 “타이어코드에서 구축한 초격차를 미래 시장에서 재현할 수 있을지가 출범 3년 차 HS효성의 다음 성장을 가를 분기점”이라고 덧붙였다. [아주경제 2026년 07월 23일자 13면에 게재된 기사입니다.]2026-07-23 09:39:57
-
AI 인프라도 '튜닝' 경쟁…노타, AWS AI칩 최적화 시장 진출 [경제일보] 엔비디아 GPU를 대체할 인공지능(AI) 인프라에 대한 관심이 높아지는 가운데 AI 모델을 클라우드 환경에 맞게 최적화하는 시장도 함께 성장하고 있다. AI 서비스 확산으로 인프라 비용 부담이 커지면서 AWS의 자체 AI 칩인 '트레이니움'과 '인퍼런시아'를 도입하려는 기업이 늘고 있지만, 기존 AI 모델을 새로운 칩 환경에서 효율적으로 구동하기 위해서는 별도의 최적화 작업이 필요하기 때문이다. 7일 노타는 AWS AI 칩 환경에서 기업 고객이 AI 모델의 성능을 극대화할 수 있도록 지원하는 AI 모델 경량화 및 튜닝 서비스를 출시했다고 밝혔다. 노타는 AWS 공인 파트너 자격으로 트레이니움과 인퍼런시아 환경에 맞춘 모델 최적화 서비스를 제공한다. 최근 생성형 AI 도입이 확산되면서 기업들의 관심은 AI 모델 개발뿐 아니라 운영 비용 절감으로도 옮겨가고 있다. 이에 노타는 대규모 언어 모델(LLM)을 서비스하는 기업들이 GPU 확보 비용과 전력 소비 부담이 커지면서 AWS를 비롯한 글로벌 클라우드 사업자들이 자체 개발한 AI 칩 도입을 검토하는 사례가 증가한 것으로 분석한다. AWS의 트레이니움은 AI 모델 학습을, 인퍼런시아는 AI 추론을 위해 설계된 전용 칩이다. AWS는 자체 AI 칩을 통해 가격 대비 성능과 에너지 효율을 높이는 전략을 추진하고 있으며, 글로벌 AI 기업들도 이를 활용해 인프라 비용 절감에 나서고 있다. 다만 기존 AI 모델을 새로운 AI 칩 환경으로 이전하는 과정은 쉽지 않은 것으로 알려졌다. 모델 구조와 연산 방식이 하드웨어마다 달라 별도의 포팅과 최적화가 필요하며, 이를 수행할 전문 인력도 부족한 상황이다. 이로 인해 AI 모델을 다양한 칩 환경에 맞게 경량화하고 성능을 조정하는 최적화 기술의 중요성이 커지고 있다. 노타는 해당 수요를 겨냥해 자사 AI 모델 최적화 플랫폼 '넷츠프레소'를 기반으로 기술검증(PoC)과 모델 포팅, 경량화, 성능 튜닝까지 전 과정을 지원한다. AI 모델 크기를 최대 90% 이상 줄이면서도 정확도를 유지할 수 있도록 지원하고, AWS AI 칩 환경에 맞춘 최적 배포를 제공하는 것이 특징이다. 특히 노타는 AWS 트레이니움과 인퍼런시아 환경에서 대규모 언어 모델을 최적화한 경험도 확보했다고 설명했다. 320억개 파라미터 규모 언어 모델에 경량화 기술을 적용해 모델 크기를 68% 줄이면서도 정확도 손실은 1% 미만으로 유지한 사례를 확보했으며, 다양한 AI 모델 아키텍처에 대한 포팅과 튜닝 경험도 축적했다고 강조했다. 앞서 노타는 모바일 기기뿐 아니라 데이터센터와 엣지 디바이스 등 다양한 환경에서 AI 모델 최적화 기술을 제공해온 바 있다. 그동안 삼성전자, Arm, 퓨리오사AI, 모빌린트 등과 협력하며 하드웨어별 AI 모델 경량화 기술을 검증했으며, 이번 서비스를 계기로 클라우드 AI 인프라 영역까지 사업을 확대한다는 전략이다. 채명수 노타 대표는 "AWS AI 칩은 뛰어난 가격 대비 성능을 제공하며, 노타는 이러한 AWS 칩의 성능을 고객이 자사 모델에서 온전히 활용할 수 있도록 모델 튜닝을 지원한다"며 "AWS AI 칩 기반 인프라 도입을 검토하는 기업 고객에게 실질적인 비용 효율화 성과를 제공하겠다"고 말했다.2026-07-07 08:23:06
-
리벨리온, 스퀴즈비츠 인수...'AI 반도체' 넘어 풀스택 AI 승부수 [경제일보] 정부가 AI 반도체와 피지컬 AI, AI 데이터센터를 국가 전략사업으로 육성하는 '3대 AI 메가프로젝트'를 추진하는 가운데 리벨리온이 AI 추론 최적화 전문기업 스퀴즈비츠를 인수하며 풀스택 AI 인프라 기업으로의 전환에 속도를 내고 있다. AI 반도체 성능 경쟁을 넘어 소프트웨어와 추론 서빙까지 아우르는 통합 AI 플랫폼 경쟁에 뛰어든 것으로 분석된다. 30일 리벨리온은 AI 추론 최적화 전문기업 스퀴즈비츠를 인수한다고 밝혔다. 이번 인수를 통해 기존 NPU(신경망처리장치) 하드웨어 중심 사업에서 소프트웨어 최적화와 추론 서빙까지 하나의 플랫폼으로 제공하는 통합 AI 인프라 기업으로 사업 영역을 확대한다는 전략이다. 이번 인수는 정부의 AI 산업 육성 기조와도 맞닿아 있는 것으로 풀이된다. 정부는 지난 29일 AI 반도체와 피지컬 AI, AI 데이터센터를 중심으로 한 3대 AI 메가프로젝트를 발표하며 국내 AI 인프라 경쟁력 강화에 나섰다. 리벨리온 역시 지난 3월 국민성장펀드 1호 직접투자 기업으로 선정되며 이른바 'K-엔비디아' 육성 전략의 핵심 기업으로 꼽힌 바 있다. IT 업계에서는 이번 인수의 핵심을 단순한 기업 결합보다 AI 추론 역량 확보에서 찾고 있다. 생성형 AI 서비스가 빠르게 확산되면서 AI 모델 자체의 성능뿐 아니라 실제 서비스 환경에서 얼마나 빠르고 효율적으로 추론을 수행하느냐가 핵심 경쟁력으로 떠오르고 있기 때문이다. AI 추론은 이용자의 요청을 처리해 결과를 생성하는 과정으로, 서비스 속도와 운영 비용, 안정성을 좌우하는 요소로 꼽힌다. 리벨리온이 인수한 스퀴즈비츠는 AI 모델 최적화와 경량화 기술을 보유한 딥테크 스타트업으로 평가된다. 다양한 하드웨어 환경에서 AI 모델의 처리 속도를 높이고 운영 비용을 낮추는 기술력을 갖췄으며, 인텔과 엔비디아 등 글로벌 AI 기업들과 협업 레퍼런스를 확보했다. 또한 네이버와 카카오로부터 투자도 유치하며 기술력을 인정받았다. 양사는 이미 2년 이상 기술 협력을 이어온 검증된 파트너로 알려졌다. 지난 2024년 리벨리온 NPU 기반 생성형 AI 모델 경량화 기술을 공동 개발한 데 이어, 국내 개발자 커뮤니티를 대상으로 오픈소스 추론 프레임워크 'vLLM' 관련 밋업과 워크숍을 공동 개최하는 등 NPU 기반 AI 생태계 확산에도 협력해 왔다. 이번 인수를 계기로 리벨리온은 AI 반도체와 소프트웨어, 모델 최적화, 추론 서빙을 하나의 플랫폼으로 제공하는 엔드투엔드 AI 인프라 역량을 확보하게 된다. 특히 복잡한 AI 서비스 구축 과정을 단순화하고, 보다 효율적인 AI 서비스 운영 환경을 제공받을 수 있을 것으로 전망된다. 앞서 리벨리온은 지난 2024년 사피온코리아와의 합병을 통해 국내 AI 반도체 업계 통합을 이끌었으며, 이번에는 소프트웨어 역량까지 내재화하며 사업 영역을 한층 넓히게 됐다. 박성현 리벨리온 대표는 "기술적 역량과 훌륭한 인재들이 개별 기업의 경계를 넘어 결집할 때 한국의 AI 인프라 생태계가 새로운 가능성을 만들어낸다고 믿는다"며 "리벨리온은 스퀴즈비츠와 힘을 합쳐 하드웨어와 소프트웨어, 그리고 시스템 수준의 대규모 AI 인프라를 아우르는 기업으로 거듭나 글로벌 시장에서 그 믿음을 증명할 것"이라고 말했다. 김형준 스퀴즈비츠 대표는 "스퀴즈비츠의 AI 추론 최적화 기술이 리벨리온 NPU 생태계를 더욱 폭넓게 확장시킬 것"이라며, "리벨리온과의 시너지를 바탕으로 하드웨어와 소프트웨어가 함께 최적화되는 풀스택 AI 인프라를 구현하고, 고객들이 리벨리온 NPU 기반에서 AI 서비스를 더욱 쉽고 경제적으로 운영할 수 있도록 지원하겠다"고 말했다.2026-06-30 14:06:56
-
![[전문가 기고] ③ 하드웨어의 숙명, 경직된 자본을 깨워라 — 인프라 기업과 STO의 필수불가결한 미래](https://image.ajunews.com//content/image/2026/06/28/20260628121742203679.jpg)
③ 하드웨어의 숙명, '경직된 자본'을 깨워라 — 인프라 기업과 STO의 필수불가결한 미래 [경제일보] 대한민국 경제를 일으켜 세운 주역은 거대한 제철소, 대규모 석유화학 단지, 그리고 전국을 거미줄처럼 얽은 전력망과 같은 중후장대형 인프라 산업이었다. 이 단단한 하드웨어 자산들은 국가 경제의 뼈대를 이루며 가장 확실한 부를 창출해 왔지만, 자본의 관점에서는 치명적인 숙명을 안고 있다. 바로 막대한 초기 투자 비용과 긴 자본 회수 기간으로 인한 자본의 경직성이다. 한 번 구축된 인프라는 수십 년에 걸쳐 감가상각되며 서서히 가치를 회수한다. 고금리와 글로벌 공급망 다변화로 자본의 기회비용이 천문학적으로 치솟은 현대의 거시경제 환경 속에서, 이처럼 무거운 물리적 자산에 자본이 묶여 있는 구조는 기업의 재무적 기동성을 제약하는 가장 큰 족쇄가 되고 있다. 기존의 전통적인 자산 유동화 방식인 프로젝트 파이낸싱(PF)이나 자산유동화증권(ABS)은 대규모 금융 비용과 복잡한 발행 절차, 그리고 철저히 대형 금융기관 위주의 폐쇄적 구조라는 한계를 지닌다. 특히 신재생에너지 인프라나 중소형 전력망, 에너지저장장치(ESS)처럼 분산형·지능형으로 진화하는 현대의 인프라 자산들은 기존의 거대 금융 문법으로는 기민하게 자금을 조달하기 어렵다. 글로벌 선도 인프라 기업들이 토큰증권(STO)이라는 새로운 금융 영토에 사활을 걸기 시작한 이유가 바로 여기에 있다. STO는 대규모 설비 투자의 리스크를 무수히 많은 디지털 조각으로 분산해 기업의 재무 부담을 덜어내는 자산 경량화 전략의 핵심 열쇠이기 때문이다. 인프라 STO의 본질은 단순히 물리적인 콘크리트 구조물이나 철골 시설을 조각내어 파는 소유권의 분할이 아니다. 그 시설이 가동되면서 미래에 지속적으로 만들어낼 흐름, 즉 가치와 수익권을 토큰화하는 것이다. 송전선 위를 흐르는 전기, 파이프라인을 타고 이동하는 에너지, 태양광 패널이 흡수한 햇살이 실시간 데이터로 치환되어 투자자들에게 조작 불가능한 배당의 근거를 제공한다. 이 단계에 이르면 과거 창고나 부지 속에 무겁게 정체되어 있던 하드웨어 자산은 실시간으로 자본이 유입되고 순환하는 살아 있는 금융 플랫폼으로 탈바꿈한다. 인프라는 더 이상 장부 속 고정자산에 머물지 않는다. 운영 데이터와 수익 흐름, 투자자의 참여가 결합된 디지털 금융 인프라가 된다. 전략 원자재를 확보하는 업스트림 단계가 산업 자본 대전환의 훌륭한 시작이었다면, 그 원자재가 흘러 들어가 부가가치를 창출하는 인프라망을 구축하고 유동화하는 과정은 이 거대한 가치사슬의 완성이다. 원자재 조달에서 인프라 운영, 그리고 지능형 제어에 이르는 다운스트림 전 과정이 하나의 데이터로 이어질 때 비로소 자본은 정체 없이 흐를 수 있다. 하드웨어의 경직성을 깨고 금융의 유연성을 덧입히는 이 필연적인 여정 위에서 대한민국 산업 자본은 새로운 진화의 문을 열고 있다. STO는 단순한 금융 기법이 아니다. 무거운 인프라 자산을 다시 움직이게 하고, 잠들어 있던 산업 자본을 깨우며, 제조 강국 대한민국이 디지털 금융 강국으로 나아가기 위한 새로운 연결 언어다. [필자 소개] 구교성 | 클레버스(CLEBUS) 의장 2001년 ‘질문·답변을 통한 정보 제공 방법’ 및 ‘대표 키워드 검색’ 등 원천 특허를 출원하며 일찍이 인터넷을 통한 지식 공유와 빅데이터 기반의 인공지능 시대를 예견했다. 국경 없는 가치 공유와 결제 생태계를 목표로 2006년 클레버스를 설립했다. 이후 2019년 블록체인 기술의 도래와 함께 무형의 지식 자산을 넘어 실물 자산과 에너지 인프라를 토큰화하는 혁신으로 시야를 확장했다. 현재 클레버스를 통해 실물자산(RWA) 거래소를 포괄하는 초연결 생태계를 구축하고 있으며 선박과 같은 대규모 인프라부터 공공 자산에 이르는 디지털 트윈 및 STO 인증 프로젝트를 전개하며 글로벌 실물자산 금융화 시대를 개척하고 있다. 또한 클레버스 초연결 생태계의 기축자산통화인 클레코인(CLE)은 현재 고팍스(GOPAX) 가상자산거래소에 상장되어 거래 중이다.2026-06-28 16:00:00
-
AI 추론 최적화 수요 확대…노타, 상반기 수주 174억원 기록 [경제일보] 생성형 인공지능(AI) 시장이 '학습' 중심 경쟁에서 실제 서비스를 운영하는 '추론' 경쟁으로 빠르게 이동하면서 AI 모델을 효율적으로 구동하는 최적화 기술의 중요성이 커지고 있다. 이에 피지컬 AI와 온디바이스 AI 확산으로 제한된 연산 자원에서도 AI를 안정적으로 실행하려는 수요가 늘어나면서 AI 경량화 기술 기업인 노타의 사업 기회도 확대되는 모습이다. 26일 노타는 올해 2분기 수주액이 약 61억원을 기록했다고 밝혔다. 지난해 같은 기간 약 28억원과 비교하면 두 배 이상 증가한 규모다. 1분기 수주액 약 113억원을 포함한 상반기 누적 수주액은 약 174억원으로 집계됐다. 최근 AI 산업은 거대언어모델(LLM)의 성능 경쟁을 넘어 실제 서비스 환경에서 얼마나 빠르고 효율적으로 AI를 실행할 수 있는지가 핵심 경쟁력으로 떠오르고 있다. AI 모델 규모가 커질수록 연산량과 전력 소비가 증가하는 만큼, 반도체 성능을 최대한 활용하면서도 추론 속도를 높이는 최적화 기술이 기업들의 새로운 투자 분야로 부상하고 있는 것이다. 특히 제조 현장과 자율주행, 로봇, 스마트시티 등 피지컬 AI 분야가 확대되면서 클라우드 서버가 아닌 단말기에서 AI를 직접 구동하는 온디바이스 AI 시장도 빠르게 성장하고 있다. 산업 현장에서는 네트워크 연결 여부와 관계없이 실시간으로 AI를 실행해야 하는 사례가 늘어나면서 AI 모델을 경량화하고 하드웨어 환경에 맞게 최적화하는 기술 수요가 확대되고 있다. 이에 노타는 시장 변화에 맞춰 AI 최적화 플랫폼 '넷츠프레소'와 AI 비전 솔루션 'NVA(노타 비전 에이전트)'를 양축으로 사업을 확대하고 있다. 노타에 따르면 플랫폼 부문은 올해 2분기 전년 동기 대비 184% 성장했다. 최근 AI 반도체 기업 모빌린트와 넷츠프레소 라이선스 계약을 체결하면서 삼성전자, 퓨리오사AI, Arm 등에 이어 반도체 및 하드웨어 기업과의 협력 범위를 지속 확대하고 있다. 넷츠프레소는 AI 모델을 반도체와 하드웨어 환경에 맞춰 경량화·최적화하는 플랫폼이다. 제한된 연산 자원에서도 AI 모델을 안정적으로 구동할 수 있도록 지원하며, 피지컬 AI와 온디바이스 AI뿐 아니라 데이터센터 환경에서도 AI 추론 효율을 높이는 기술로 활용되고 있다. 노타는 AI 반도체 종류가 다양해질수록 각 칩 특성에 맞는 최적화 기술의 중요성도 함께 높아지고 있다고 설명했다. 산업 현장 중심의 AI 솔루션 사업도 성장세를 이어갔다. NVA 솔루션 부문은 지난해 같은 기간보다 약 1.8배 성장했다. 제조업과 건설, 플랜트, 산업안전 분야를 비롯해 영상 관제와 도시 안전, 교통 인프라 등 다양한 분야에서 적용 사례를 확대하며 사업 기반을 넓히고 있다. 최근에는 교통 영상 기반 비전언어모델(VLM) 분석과 다중 운집 분석 등 공공안전 분야 레퍼런스도 확보했다. 산업 현장과 도시 인프라에서 클라우드 의존도를 낮추고 현장 단말에서 AI를 즉시 실행하려는 수요가 늘면서 NVA의 적용 범위도 지속 확대되고 있다. IT 업계에서는 향후 AI 시장 경쟁이 모델 자체의 성능뿐 아니라 얼마나 다양한 반도체 환경에서 효율적으로 구동할 수 있는지가 중요 요인으로 작용할 것으로 전망하고 있다. AI 서비스가 제조와 모빌리티, 로봇, 공공안전 등 실제 산업 현장으로 확산될수록 추론 최적화와 경량화 기술은 AI 생태계의 핵심 기반 기술로 자리 잡을 것이라는 분석이다. 특히 노타는 플랫폼과 솔루션을 동시에 확대하며 AI 최적화 시장 공략에 속도를 낸다는 전략이다. 플랫폼 사업에서는 반도체 및 컴퓨팅 환경 전반으로 협력 범위를 넓히고, 솔루션 사업에서는 산업안전과 모빌리티, 교통, 공공안전 등 피지컬 AI 수요를 기반으로 레퍼런스를 확대해 AI 추론 최적화 시장에서 경쟁력을 강화한다는 계획이다. 채명수 노타 대표는 "AI가 다양한 디바이스와 산업 현장으로 확산될수록, 제한된 자원 안에서 AI를 빠르고 안정적으로 실행하는 추론 최적화 기술의 중요성은 더욱 커지고 있다"며 "올해 2분기 수주 성과는 넷츠프레소를 중심으로 한 반도체향 사업 확대와 NVA 기반 경량 AI 솔루션의 현장 적용성이 함께 입증된 결과"라고 말했다.2026-06-26 15:16:27
많이 본 뉴스
영상
Youtube 바로가기
![[데스크칼럼] 수출 68.7% 증가, 숫자가 너무 좋아서 더 걱정되는 이유](https://image.ajunews.com/content/image/2026/09/01/20260901104454687091_518_323.jpg)