로크웰 오토메이션이 어니언소프트웨어, 시스코, 마키나락스와 함께 지난 14일 서울 양재 엘타워에서 ‘데이터센터 혁신 컨퍼런스’를 개최했다고 밝혔다. 한국데이터센터연합회(KDCEA)가 후원한 이번 컨퍼런스는 데이터센터 산업이 직면한 도전 과제를 해결하고 실질적인 해결책을 제시하는 것을 목표로 했다. 글로벌 데이터센터 시장은 클라우드 및 AI 기술의 확산으로 급성장하고 있지만 전문 인력 부족, 고도화된 고객 요구, ESG 규제 강화 등 새로운 과제에도 직면하고 있다. 이번 컨퍼런스에서는 이러한 문제를 해결하기 위한 최신 기술과 혁신적 사례가 공유됐으며 데이터센터 산업의 비전과 방향성이 논의됐다. 컨퍼런스는 KDCEA 송준화 사무국장의 산업 현황과 과제 발표로 시작됐다. 이어 데이터센터 솔루션 전문 기업 어니언소프트웨어의 조창희 대표가 기조연설에서 데이터센터 디지털 전환이 가져올 혁신적 변화를 강조하며 업계 리더들이 창출할 미래 가치를 소개했다. 로크웰 오토메이션 코리아의 이원석 상무는 데이터센터 운영 효율성을 극대화하기 위한 컨트롤 플랫폼을 소개했다. 이 플랫폼은 서버 설치 면적 감소, 애플리케이션 수명 연장, 시스템 가용성 및 복구기능 향상 등을 지원하며 가상
유아이패스(UiPath)는 2025년 AI와 자동화 분야의 발전을 이끌 핵심 트렌드를 발표했다. 유아이패스는 2025년에는 AI와 자동화가 통합돼 업무의 미래를 혁신하며, 사람과 기계 간 전례 없는 수준의 효율성, 생산성, 협업을 실현할 것으로 예측했다. 이 혁신의 중심에는 에이전트 AI의 급부상, 엔터프라이즈 소프트웨어에 내장된 ‘아웃사이드-인’ AI와 내부 데이터를 관리하고 활용하는 새로운 LLM 기반의 접근 방식 등을 꼽았다. 유아이패스가 선정한 핵심 트렌드는 다음과 같다. 트렌드 1: 에이전트 AI의 시대, 생각에서 행동으로 전환 AI 에이전트는 자율적인 이해, 계획, 실행 능력을 바탕으로 소프트웨어 로봇만으로는 해결할 수 없던 복잡한 사용 사례를 처리할 수 있게 된다. 이를 통해 기업은 더욱 빠른 혁신과 고객 상호작용, 그리고 높은 효율성과 생산성을 실현할 수 있다. 첨단 AI와 머신러닝 모델의 발전으로 AI 에이전트는 생성형 AI의 콘텐츠 생성이나 질문 응답을 뛰어넘는 고도화된 역량을 갖추게 됐다. 이러한 목표 및 액션 지향적 에이전트는 여러 복잡한 태스크, 까다로운 의사 결정, 엔드 투 엔드 프로세스를 자율적으로 수행할 수 있다. 최근 실시된 설
SAS가 발표한 ‘2025년 AI 트렌드 전망’은 AI 기술이 단순한 혁신을 넘어 산업과 사회 전반에 중대한 영향을 미칠 주요 과제를 제시했다. 특히, 에너지 효율성과 지속 가능성, 데이터 품질 문제, 그리고 클라우드 기반 IT 합리화 등 다양한 관점에서 논의된 9가지 트렌드는 기업과 조직에 AI 전략의 새로운 전환점을 요구하고 있다. 1. 더 빠른 모델 학습을 통한 탄소 발자국 감소 AI의 속도와 알고리즘 효율성은 클라우드 소비와 에너지 절감을 위한 핵심 요소로 떠오르고 있다. 이는 AI 산업이 환경적 지속 가능성을 강화하는 데 기여할 수 있음을 시사한다. 특히 제조업과 자동차 산업에서 이미 이룬 에너지 효율 향상처럼, AI 기술도 지속 가능한 성장을 위한 압박을 받고 있다. 2. AI 공격과 사회적 위협 AI의 활용 확대는 동시에 허위 정보 및 사회적 규범 조작과 같은 부작용을 초래하고 있다. 이는 민주주의 체제와 기업 윤리에 중요한 도전 과제가 되고 있으며, 조직은 AI 원칙과 정책 수립을 통해 이에 대응해야 한다. 특히 정보 보안 및 신뢰 구축이 기업의 경쟁력을 좌우할 중요한 요소로 부각되고 있다. 3. 불량 데이터가 초래하는 AI 격차 AI 모델의
슈나이더 일렉트릭이 액체 냉각 및 열 관리 솔루션 전문 기업 모티브에어 경영권 지분 인수를 위한 계약을 체결했다고 20일 밝혔다. 생성형 AI와 대규모 언어 모델(LLM)의 도입으로 디지털화가 가속화되면서 전력 수요가 급증했다. 이는 데이터센터와 같은 고성능 컴퓨터 시스템의 높은 발열을 초래해 열 관리 문제도 덩달아 심화되고 있다. 그러나 기존의 공랭식(공기 냉각 방식) 냉각만으로는 이러한 발열을 처리하는 데에 한계가 있어 보다 효율적인 액체 냉각 솔루션이 필요하다. 이에 업계 전문가들은 향후 몇 년간 액체 냉각 솔루션 시장이 연평균 30% 이상의 성장을 기록할 것으로 전망하고 있다. 슈나이더 일렉트릭은 이번 인수계약을 통해 향후 다이렉트 투 칩(D2C) 액체 냉각(Liquid Cooling) 및 고용량 열 관리 솔루션 포트폴리오를 강화할 것이라고 전했다. 뉴욕 버팔로에 본사를 둔 모티브에어는 1988년 설립 이래 열 관리용 냉각기를 포함 냉각수 분배 장치(CDU), 후면 도어 열 교환기(RDHX), 콜드 플레이트 및 열 발산 장치(HDU) 등과 같은 높은 수준의 열 관리 제품군을 제공해왔다. 피터 허윅 슈나이더 일렉트릭의 CEO는 “이번 모티브에어 인수는
지속가능성은 현대 산업에서 필수적인 요소로 자리 잡고 있으며, ESG(Environmental, Social, Governance)는 이를 대표하는 개념이다. 슈나이더 일렉트릭은 지속가능성을 핵심 가치로 삼아 다양한 혁신을 이루어낸 기업으로, ‘IMPACT starts with us’라는 슬로건을 내걸고 있다. 이 기업은 지속가능성 사업부를 통해 전 세계적으로 중요한 성과를 창출하며 2050년 넷제로 달성을 목표로 다각적인 접근을 시도하고 있다. 에코스트럭처(EcoStruxure)와 같은 디지털 솔루션을 통해 에너지 관리 및 지배구조 혁신을 실현하고 있다. 지속가능성은 미래 산업의 핵심 트랜드 글로벌 산업은 수차례의 산업혁명을 거쳐 현재에 이르렀다. 이 과정에서 기술 발전과 체제 진보 측면에서 역사적인 고도화를 경험했다. 현재 이른바 ‘5차 산업혁명’을 앞두고 있는 산업은 유례없는 트렌드 전환에 직면해 있다. 지속가능성(Sustainability)이 이 양상에서 핵심으로 작용하고 있다. 지속가능성은 그동안 ‘성장’에 초점을 맞춰 진행되었던 산업혁명에 새로운 시각을 제시한 개념입니다. 이 개념은 4차 산업혁명에서 5차 산업혁명으로 넘어가는 과정에서 시스템을 운
HPE는 5세대 AMD 에픽(EPYC) 프로세서와 AMD 인스팅트(Instinct) MI325X 가속기를 탑재한 복합 AI 모델 학습용 HPE 프로라이언트 컴퓨트 XD685(HPE ProLiant Compute XD685) 서버를 출시했다. 새로운 HPE 시스템은 대규모 언어 모델(LLM) 학습, 자연어 처리 및 멀티 모달 학습을 위한 고성능의 에너지 효율적 인공지능(AI) 클러스터를 신속하게 배포할 수 있도록 최적화됐다. AI의 잠재력을 실현하고 인력 생산성, 의료, 기후 과학 등 다양한 분야에서 획기적인 성과를 이끌어내기 위한 경쟁이 치열해지고 있다. 이러한 잠재력을 극대화하기 위해 AI 서비스 제공업체, 정부, 대규모 모델 개발자들은 신속하게 시장에 출시할 수 있는 유연하고 고성능의 솔루션을 필요로 한다. 트리시 댐크로거 HPE HPC 및 AI 인프라 솔루션 부문 수석 부사장 및 책임자는 “대규모 언어 모델을 효율적으로 학습하려면 뛰어난 확장성, 대규모 병렬 컴퓨팅 성능, 그리고 HPE의 고성능 컴퓨팅 솔루션만이 제공할 수 있는 독보적인 서비스가 필요하다”며 “AMD와 협력해 HPE 프로라이언트 컴퓨트 XD685로 AI 모델 개발자 시장의 수요에 부응하
4차 산업혁명은 디지털 전환(DX)을 촉진했고, 이 디지털 전환은 산업의 새로운 역군으로 데이터를 불러왔다. 수많은 산업에서 데이터를 활용하고 이 추세는 증가하고 있지만, 특히 제조 현장에서의 데이터는 제조 영역 고도화의 핵심인 ‘스마트 팩토리’의 주요 요소로 인식된다. 이 데이터는 ‘많이 모으는 것’이 아니라 필요한 데이터만 쏙쏙 도출해 ‘잘 쓰는 것’이 중요하다. 곳곳에 산개된 데이터도 다 같은 데이터가 아니라는 말이다. 데이터도 활용 목적과 쓰임새에 따라 다른 취급을 받는다. 데이터를 잘 쓰기 위해서는 극복하려고 하는 문제를 정의하는 것부터 데이터세트(Dateset)를 구축하는 것까지의 과정을 구조화하는 것이 필요하다. 제조 현장 내 장비와 공정도 사물인터넷(IIoT)를 통해 데이터를 구축하는 과정이 중요한데, 현재는 그 과정이 쉽지 않은 것이 현실이다. 지금도 수많은 공장에서 인공지능(AI)을 활용한 다양한 자동화 프로젝트를 진행하지만 그 수준을 아직 걸음마 단계로 평가된다. 거대언어모델(LLM)로 구축된 AI 모델을 현장에서 활용하는 작업자 입장에서는 똑같은 데이터를 모델에 이식하고 가동하면 같은 패턴의 결과가 도출되기를 원한다. 하지만 현재는 데이