AI 요약
우리나라는 제조업 강국의 강점을 활용하여 세계 최초의 초정밀 행동 파운데이션 모델(LAM) 개발에 박차를 가하고 있습니다. 엔비디아와 메타 등 미국 빅테크들이 AI의 '월드 모델' 개발을 주도하고 있으나, 자국 내 제조업 기반 약화로 실제 제조 데이터가 부족하다는 점을 공략한 전략입니다. 과기정통부는 경남 산업단지를 주축으로 2030년까지 가공, 용접, 절삭 등 주요 공정에서 마이크로미터(㎛) 단위의 초정밀 데이터를 수집하는 'PINN 모델 제조 융합 데이터 실증 사업'을 추진합니다. 이 모델은 숙련공의 노하우를 디지털화하고 물리 법칙을 AI에 내재화하여 공정의 인과관계를 설명할 수 있는 '화이트박스' AI를 지향합니다. 정부는 이를 통해 초정밀 제조 장비의 국산화와 AI 기반 공장 솔루션의 글로벌 수출 시대를 열고, 인구 감소로 인한 지역 제조업의 인력 부족 문제를 해결할 계획입니다.
핵심 인사이트
- 2030년 목표 사업: 경남 산업단지 내 기업의 주요 공정에서 마이크로미터(㎛) 단위의 데이터를 수집하여 '물리 정보 신경망(PINN)' 모델 구축을 추진합니다.
- 데이터의 정밀도 격차: 기존의 1Hz~5Hz 수준 모니터링 데이터를 넘어, 100Hz~2kHz에 이르는 초정밀 계측 데이터 100여 종 이상을 확보합니다.
- 사전 검증 성과: 2025년 진행된 사전 검증(PoC)을 통해 경남 8개 기업으로부터 243테라바이트(TB) 규모의 멀티모달 데이터를 이미 확보했습니다.
- 글로벌 협력 및 견제: 엔비디아가 GPU 공급을 약속하며 한국과 손잡는 배경에 국내의 실질 제조 데이터 확보 목적이 있다는 분석이 제기되었습니다.
주요 디테일
- 물리 정보 신경망(PINN): 내부 온도, 습도, 진동 등 미세한 현장 조건과 숙련공의 조치 노하우를 결합하여 물리적 인과관계를 학습하는 모델입니다.
- 경남의 인프라 활용: 자동차, 조선, 방산 등 반도체와 화학을 제외한 모든 제조 데이터가 집결된 경남의 지리적·산업적 이점을 활용합니다.
- 신성델타테크 사례: 플라스틱 사출 공정에서 작업자 행동과 원자재 상태를 연계한 AI 데이터셋을 구축하여 공정 품질을 사전에 예측하는 성과를 거두었습니다.
- 블랙박스 vs 화이트박스: 단순 영상 학습 기반 AI(블랙박스)와 달리, 초정밀 계측 데이터를 활용해 물리 법칙을 이해하고 설명 가능한 AI(화이트박스)를 구현합니다.
- 유남현 교수(경남대) 제언: 제조 공정 데이터는 인터넷에 존재하지 않으며, 각 데이터의 의미를 온톨로지화하여 AI 모델화하는 작업이 필수적임을 강조했습니다.
향후 전망
- 글로벌 시장 선점: 세계 최초 PINN 기반 제조 특화 모델을 오픈소스로 개방하고, 한국형 공장 모델의 전 세계 수출을 본격화할 전망입니다.
- 지역 경제 보호: 숙련 인력이 급감하는 지역 제조업 현장에 AI 기술을 지원하여 지역 경제의 지속 가능성을 확보할 계획입니다.
- 산업 구조의 변화: 하드웨어 중심의 제조 장비 시장이 AI와 소프트웨어가 결합된 고부가가치 서비스 시장으로 재편될 것으로 기대됩니다.