검색 - IT세상을 바꾸는 힘 지디넷코리아

ZDNet 검색 페이지

'그리드'통합검색 결과 입니다. (106건)

태그
기간
- 3개월
- 1년
- 1년 이전

재검색

이노그리드, 국책 R&D 성과 사업화 속도…AI 인프라·플랫폼 역량 결집

이노그리드가 국책 연구개발(R&D)을 통해 확보한 인공지능(AI) 인프라와 플랫폼 기술을 자체 제품에 적용하며 사업화에 속도를 낸다. 이노그리드는 AI 서비스형 플랫폼(PaaS)과 AI 마이크로 데이터센터(MDC) 관련 국책과제에서 확보한 기술과 산업 현장 실증 경험을 자체 제품에 내재화하고 고객 사업으로 연결한다고 8일 밝혔다. 이번 사업화의 기반은 'AI 모델과 서비스 개발을 위한 PaaS 기술 개발(AI-PaaS)'과 '마이크로 데이터센터 연동 스케일아웃 클라우드 개발(AI-MDC)' 등 두 국책과제다. AI-PaaS 과제는 과학기술정보통신부와 정보통신기획평가원(IITP)의 지원을 받아 다양한 클라우드서비스제공사(CSP) 환경에서 AI 모델과 서비스를 개발하고 운영할 수 있는 플랫폼 기술을 확보하는 사업이다. 이노그리드는 주관기관으로 참여해 AI 모델 등록부터 서비스 실행까지 지원하는 통합 게이트웨이와 포털 기술을 개발했다. 참여기관들과 함께 데이터 활용과 모델 실행, 성능 모니터링, 외부 시스템 연동 등 핵심 기술을 확보하고 바이오·물류·문서 분야에서 활용 가능성을 검증했다. AI-MDC 과제에선 국산 AI 반도체를 활용한 마이크로 데이터센터 구축·운영 기술을 개발 중이다. 이노그리드는 분산된 여러 데이터센터의 컴퓨팅 자원을 하나의 클라우드처럼 통합 관리하고 업무 부하에 따라 자원을 배분하거나 확장하는 기술을 담당한다. 이를 기반으로 제조·의료·공공 분야에서 호흡재활 영상 분석과 협업형 자율이동로봇, 지능형 CCTV 관제 등 산업별 실증도 추진 중이다. 지난 1일 열린 성과공유회에선 참여기관들이 주요 개발 기술과 실증 결과를 공유하고 후속 사업화 방향을 논의했다. 이노그리드는 두 과제의 성과를 AI 인프라와 플랫폼이라는 두 축으로 연결할 계획이다. AI-PaaS에서 확보한 모델 개발·학습·배포·운영 기술과 AI-MDC에서 축적한 국산 AI 반도체 기반 인프라 운영 기술을 결합해 통합 AI 서비스 환경을 제공한다는 전략이다. 확보한 기술은 자체 AI 플랫폼 'AI큐브잇'과 AI 인프라 제품에 단계적으로 적용한다. 그래픽처리장치(GPU)와 신경망처리장치(NPU), 중앙처리장치(CPU) 등 다양한 컴퓨팅 자원을 클라우드와 연결하고 AI 서비스 개발부터 운영까지 지원하는 '프롬 xPU 투 AI 플랫폼' 전략도 구체화한다. 이노그리드는 NHN인재아이엔씨와의 합병 이후 제시한 '비전 플러스 2030'에 따라 국내 클라우드 솔루션 1위 도약과 솔루션·서비스 포트폴리오 확대, 고객 기반 확대를 추진하고 있다. 이번 국책과제 성과를 자체 제품 경쟁력 강화와 신규 고객 사업 발굴로 연결한다는 방침이다. 김명진 이노그리드 대표는 "이번 두 과제는 AI 개발·운영 플랫폼과 국산 AI 반도체 기반 AI 인프라라는 두 영역의 기술과 경험을 산업 현장에서 확보·축적하고 있다는 데 의미가 있다"며 "국책 R&D 성과를 자체 제품과 플랫폼에 지속적으로 내재화해 고객이 실제 활용할 수 있는 사업과 서비스로 연결해 나가겠다"고 말했다. 이어 "합병 이후 우리는 '비전 플러스 2030'을 통해 국내 클라우드 솔루션 1위 도약, 솔루션·서비스 포트폴리오 확대, 고객 기반 확대라는 세 가지 목표를 제시했다"며 "프롬 xPU 투 AI 플랫폼 전략을 중심으로 기술 경쟁력을 지속 강화하고 기술 중심 성장을 통해 이러한 목표를 구체적인 제품과 사업 성과로 만들어 나가겠다"고 밝혔다.

2026.10.08 10:57한정호 기자

KCL, 한국에너지공대와 차세대 그리드·전력반도체 생태계 구축 협력

한국건설생활환경시험연구원(KCL·원장 천영길)과 한국에너지공과대학교(KENTECH·총장직무대행 박진호)는 지난 6일 '차세대 그리드·전력반도체 분야 상호 협력 및 산업 생태계 활성화를 위한 업무협약(MOU)'을 체결했다고 밝혔다. KCL과 에너지공대는 협약에 따라 전문지식과 연구 인프라를 연계해 전력반도체와 에너지신산업 분야 전주기 연구개발·시험평가 협력체계를 구축하고, 호남·나주 지역 신규 인프라 확충과 인증체계·표준화를 선도한다는 계획이다. 두 기관은 차세대 그리드와 전력반도체 산업 경쟁력 강화에 협력한다. 특히 각기 보유한 연구 장비와 시험 인프라를 상호 개방해 반도체 소재부터 웨이퍼→패키징→시험평가→고장분석 등 최종 신뢰성 검증까지 원스톱으로 지원함으로써, 국내 기업의 개발 주기 단축과 비용 절감에 실질적으로 기여할 계획이다. 또 에너지공대 내 전용 협력 공간을 조성해 호남권 에너지신산업 클러스터 활성화를 위한 국책 기반구축 사업도 기획·추진해 나갈 방침이다. 천영길 KCL 원장은 “차세대 전력망 안정성과 효율을 좌우하는 핵심부품인 전력반도체는 미래 산업의 핵심기술”이라며 “KCL의 공인 시험평가·인증 역량과 에너지공대의 에너지 R&D 인프라를 결합해 차세대 그리드·전력반도체 분야의 글로벌 경쟁력 확보와 지역 산업 활성화에 기여하겠다”고 밝혔다. 박진호 에너지공대 총장직무대행은 “이번 협약을 통해 에너지공대의 연구성과와 KCL의 시험인증 노하우가 시너지를 창출할 것”이라며 “호남·나주 에너지밸리를 중심으로 전력반도체 전주기 지원 생태계를 구축해 에너지 신기술 허브로 도약하겠다”고 말했다.

2026.10.07 13:52주문정 기자

한화, AI로 데이터센터 전력 낭비 잡는다…美 '차세대 신기술' 선정

한화가 데이터센터의 발전·저장·냉각 설비를 통합 관리하는 인공지능(AI) 기술로 미국 패스트 컴퍼니의 '차세대 신기술'에 선정됐다. 한화는 한화퓨처프루프 자회사 트랜스그리드 에너지의 '에너지플루오'가 패스트 컴퍼니의 '2026 차세대 신기술' 응용 AI 부문에 선정됐다고 밝혔다. 패스트 컴퍼니는 6일(현지시간) 선정 결과를 발표했다. 에너지플루오는 여러 설비로 나뉜 데이터센터의 전력 운영을 하나로 연결하는 시스템이다. 발전설비에서 만든 전력과 에너지저장장치(ESS)에 보관한 전력, 냉각·IT 장비에 필요한 전력을 함께 분석해 운영자가 시설 전체 에너지 사용을 조정하도록 돕는다. 분석에는 실시간 설비 데이터뿐 아니라 외부 환경 변화도 반영한다. 개별 장비의 소비전력을 줄이는 데서 나아가 생산·저장·소비 사이 운영 방식을 조율하는 것이 핵심이다. 회사가 제시한 운영비 절감 목표는 현장 구성에 따라 5~25%다. 주요 설비를 제어하는 최종 권한은 운영자에게 둔다. AI가 데이터를 바탕으로 개선안을 제안하더라도 실행 여부는 사람이 승인하도록 설계했다. 회사에 따르면 시스템의 기반 기술은 지난 3월 AI 기반 제품의 안전성을 평가하는 'UL 3115' 인증을 받았다. 패스트 컴퍼니는 이 시스템이 데이터센터 상태를 살피고 이상 원인을 분석한 뒤 전력 소비를 최적화할 대응안을 마련할 수 있다는 점을 소개했다. 이러한 기능에는 머신러닝과 대규모 언어모델(LLM)이 활용된다. 프라임그룹이 미국 전역에 엣지 데이터센터를 구축하면서 에너지플루오를 도입한 사례도 언급했다. 박영춘 트랜스그리드 에너지 대표는 데이터센터 전력망이 복잡해진 만큼 개별 설비를 따로 관리하는 방식에 한계가 있다고 설명했다. 에너지플루오를 통해 주어진 전력 한도 안에서 더 많은 전력을 IT 설비 가동에 배분하고 여러 시설을 통합적으로 관리하도록 지원한다는 것이다. 트랜스그리드 에너지는 미국에서 데이터센터 등 전력 소비가 큰 시설을 위한 발전설비와 ESS, 관련 인프라를 개발·운영하고 있다. 물리적인 전력설비에 AI와 데이터 분석을 접목하는 에너지 사업을 추진한다. 패스트 컴퍼니는 매년 산업과 사회에 변화를 가져올 잠재력을 갖춘 기술을 '차세대 신기술'로 선정한다. 올해 선정 분야는 응용 AI 등 31개다.

2026.10.07 11:09류은주 기자

AI 모델 개발부터 서비스까지 한 번에…KACI, AI-PaaS 성과 공개

한국인공지능클라우드산업협회(KACI)가 인공지능(AI) 모델 개발부터 실제 산업 서비스 구현까지 지원하는 서비스형 플랫폼(PaaS) 기술의 연구개발 성과 확산에 나선다. 바이오·물류·문서 등 다양한 분야에서 실증한 기술을 실제 서비스 적용과 사업화로 연결한다는 목표다. KACI는 지난 1일 서울 양재 엘타워에서 'AI 모델과 서비스 개발을 위한 PaaS 기술 개발 성과공유회'를 개최하고 AI-PaaS 핵심 기술과 산업별 실증 성과를 공개했다고 2일 밝혔다. 이번 행사는 과학기술정보통신부와 정보통신기획평가원(IITP)이 지원하는 연구개발 과제의 성과를 산업계와 공유하기 위해 마련됐다. 해당 과제는 다양한 클라우드서비스제공사(CSP) 환경에서 클라우드 네이티브 기술을 기반으로 AI 모델과 서비스를 개발하고 외부 시스템 연동부터 서비스 배포까지 지원하는 AI-PaaS 기술 확보를 목표로 추진됐다. 이노그리드가 주관기관을 맡았으며 써로마인드와 한국과학기술정보연구원(KISTI), 바이오브레인, 소프트온넷, 폴라리스오피스, KACI 등이 참여했다. 참여기관들은 AI 모델 개발과 데이터 활용부터 모델 등록·실행, 성능 모니터링, 외부 시스템 연동과 AI 서비스 구현까지 이어지는 기술을 개발했다. 이노그리드는 모델 등록부터 서비스 실행까지 지원하는 AI-PaaS 통합 게이트웨이와 포털을 개발했다. 써로마인드는 AI 모델 개발 워크플로우 통합과 모델 성능 모니터링 체계를, KISTI는 AI-PaaS 데이터 레이크하우스 개발 성과를 각각 공개했다. 산업 현장에 AI-PaaS 기술을 적용한 실증 결과도 공유했다. 바이오브레인은 외부 사전학습 AI 모델 연동·활용 기술을 활용해 백신·신약 분야에서 실증을 진행했다. 소프트온넷은 AI-PaaS 기반 물류 운송자산 관리 비전 AI 서비스를 실증했으며 폴라리스오피스는 AI-PaaS를 활용한 문서 작성·편집 지원 기술을 검증했다. 이를 통해 연구개발 단계에서 확보한 기술을 바이오와 물류, 문서 등 실제 산업 서비스에 적용할 수 있는 가능성을 확인했다는 설명이다. 주관기관인 이노그리드는 연구개발 성과의 사업화에도 나서고 있다. 지난 7월 AI·머신러닝 운영(MLOps) 실행 플랫폼 '에이아이큐브잇(AICubeit)'을 출시했으며 개발 기술을 실제 서비스로 연결하는 작업을 이어갈 계획이다. KACI도 AI-PaaS 산업 네트워크를 활용해 수요기업을 발굴하고 참여기관 간 기술교류와 성과 홍보를 지원한다. 이를 통해 이번 과제에서 확보한 기술의 산업 확산과 후속 사업화를 지원한다는 방침이다. 과제 총괄책임자인 권경민 이노그리드 전무는 "이번 과제를 통해 다양한 CSP 환경에서 AI 모델과 데이터를 활용해 실제 서비스를 개발·운영할 수 있도록 지원하는 AI-PaaS 기술을 단계적으로 확보해왔다"며 "각 참여기관의 전문기술을 연계하고 바이오·물류·문서 등 다양한 서비스 분야에서 실증을 추진했다는 점에서 의미가 있다"고 밝혔다. 이어 "이번 성과공유회를 계기로 개발 기술과 실증성과가 산업계에 보다 폭넓게 공유되고 향후 실제 서비스 적용과 후속 사업화로 이어질 수 있도록 참여기관 간 협력을 지속해 나갈 계획"이라고 말했다.

2026.10.02 14:25한정호 기자

이노그리드, 중소벤처기업연구원 AI 분석환경 구축…가상화·GPU 통합

이노그리드가 기존 가상화 인프라와 그래픽처리장치(GPU)를 하나의 체계에서 운영할 수 있는 인공지능(AI) 분석 환경을 구축했다. 단순히 GPU를 추가하는 데 그치지 않고 기존 IT 인프라를 AI 워크로드까지 확장할 수 있는 구조를 구현해 기업·공공의 AI 인프라 전환 시장 공략에 나선다는 목표다. 이노그리드는 자체 프라이빗 클라우드 플랫폼 '오픈스택잇'과 클라우드 관리 플랫폼 '탭클라우드잇'을 기반으로 중소벤처기업연구원의 'GPU 기반 AI 빅데이터 분석 인프라 구축' 사업을 완료했다고 1일 밝혔다. 이번 사업을 통해 중소벤처기업연구원의 중소기업 빅데이터 플랫폼(SIMS) 분석 환경은 기존 폐쇄형 온프레미스와 물리 PC 중심 구조에서 클라우드 기반 자원 체계로 전환됐다. 고급 분석 모델 개발에 필요한 고성능 GPU 연산 환경도 함께 구축됐다. 핵심은 GPU를 가상화 자원으로 활용할 수 있도록 한 것이다. GPU를 장착한 가상머신(VM)에서 AI 빅데이터 분석을 수행하고 고성능 연산이 필요한 경우 여러 GPU를 결합한 개발용 VM을 활용할 수 있도록 설계했다. GPU 자원은 VM 단위로 할당한다. 분석 과제의 성격과 규모에 따라 필요한 자원을 유연하게 배분할 수 있도록 구성했다. 호스트와 가상서버 단위의 자원 상태를 실시간으로 확인하고 사용 추세를 바탕으로 증설 시점을 예측할 수 있는 모니터링 체계도 적용했다. 이노그리드는 이번 구축 구조를 기존 가상화 환경을 AI 인프라로 확장하는 기반으로 활용할 계획이다. VM웨어 등 외산 가상화 환경을 전환하려는 고객이 기존 VM 워크로드를 프라이빗 클라우드로 옮긴 뒤 멀티·하이브리드 클라우드와 GPU 기반 AI 워크로드까지 하나의 체계에서 운영하도록 지원한다는 구상이다. 최근 AI 인프라 시장의 관심이 GPU 확보에서 확보한 자원을 얼마나 효율적으로 활용하느냐로 확대되는 점도 겨냥했다. 업무용 가상화 환경과 AI 연산 환경을 별도로 운영하는 대신 하나의 관리 체계에서 자원을 배분·제어해 기존 IT 인프라와 AI 인프라 간 단절을 줄이는 방식이다. 이같은 전략은 이노그리드가 추진하는 '프롬 xPU 투 AI 플랫폼(From xPU to AI Platform)' 기술 비전과도 연결된다. GPU뿐 아니라 신경망처리장치(NPU), 중앙처리장치(CPU), 양자처리장치(QPU) 등 다양한 xPU 인프라를 AI 개발·학습·배포·운영 환경까지 단일 컨트롤 플레인으로 연결·제어하는 것이 핵심이다. 이노그리드는 이를 바탕으로 기존 가상화 인프라 현대화에서 멀티·하이브리드 클라우드, GPU 기반 AI 워크로드로 이어지는 확장 구조를 고도화할 계획이다. 고객이 기존 IT 인프라를 모두 교체하지 않고도 필요한 시점과 규모에 맞춰 AI 인프라를 단계적으로 확대할 수 있도록 지원한다는 목표다. 김명진 이노그리드 대표는 "가상화 전환과 GPU 도입을 별개의 과제가 아니라 하나의 체계 안에서 다뤄야 AI 인프라를 효율적으로 확장할 수 있다"며 "이번 사업은 가상화 인프라와 GPU 자원을 한 체계에서 운영하는 구조를 국산 클라우드 플랫폼으로 구현한 사례"라고 말했다. 이어 "기존 인프라 현대화부터 xPU 자원과 AI 개발·운영 환경까지 하나로 잇는 기술 체계를 고도화해 고객이 기존 인프라를 바탕으로 AI 인프라를 넓혀갈 수 있도록 하겠다"고 덧붙였다.

2026.10.01 13:39한정호 기자

이노그리드, 공공 재해복구 고도화 맡는다…5개 기관 12개 시스템 설계

이노그리드가 주요 공공 정보시스템의 재해복구(DR) 체계 고도화에 나선다. 지난해 국가정보자원관리원(국정자원) 대전센터 화재 이후 정부가 정보시스템 이중화와 DR 체계 구축을 확대하는 가운데, 기관별 업무 중요도와 시스템 특성을 반영한 DR 목표모델과 상세설계를 마련한다는 목표다. 이노그리드는 한국지능정보사회진흥원(NIA)이 발주한 '2026년 공공 재해복구시스템(DR) 구축 정보화전략계획(ISP) 사업 6차'의 주관사로 선정돼 사업에 착수했다고 15일 밝혔다. 사업 기간은 계약일부터 내년 1월 28일까지다. 이노그리드는 현재 수행 중인 DR 구축 ISP 5차 사업에 이어 6차 사업까지 연속 수행하며 공공 정보시스템의 업무 연속성과 재해복구 체계 구축을 위한 컨설팅·설계 경험을 확대하게 됐다. 이번 사업 대상은 소방청 3개, 기후에너지환경부 2개, 해양수산부 1개, 행정안전부 2개, 국가보훈부 4개 등 5개 기관의 총 12개 주요 정보시스템이다. 이노그리드는 각 시스템 인프라와 애플리케이션, 데이터, 네트워크, 보안 및 대내외 연계 환경을 분석할 예정이다. 이를 토대로 재난 상황에서도 주요 행정서비스가 중단되지 않도록 시스템별 DR 적용 범위와 목표모델을 구체화할 계획이다. 특히 대상 시스템의 업무 중요도와 서비스 특성에 따라 '액티브-액티브(A-A)'와 '액티브-스탠바이(A-S)' 방식의 DR 체계를 상세설계한다. A-A는 주센터와 DR센터가 동시에 서비스를 처리할 수 있도록 구성하는 방식이며 A-S는 평상시 주센터가 서비스를 담당하다 장애가 발생하면 대기 중인 DR센터로 전환하는 방식이다. 이노그리드는 데이터 복제·동기화와 네트워크·보안 아키텍처, 통합운영·보안관제, 장애 발생 시 서비스 전환 방식 등을 종합적으로 고려해 후속 구축 단계에서 활용할 수 있는 설계안을 마련할 방침이다. 클라우드 기반 DR센터 환경을 고려한 설계도 주요 과제다. 가상화와 베어메탈 등 다양한 인프라 환경을 분석하고 기존 주센터 시스템과의 연계성·호환성, 운영 안정성을 고려해 DR 목표모델을 제시할 계획이다. 기존 사업에서 축적한 경험도 활용한다. 현재 수행 중인 5차 사업과 이번 6차 사업에는 모두 국가보훈부 관련 시스템이 포함돼 있다. 이노그리드는 5차 사업에서 확보한 국가보훈부 업무·시스템에 대한 이해를 6차 사업의 현황 분석과 목표모델 설계에 연계한다는 방침이다. 컨소시엄 참여사인 코넥의 소방청 ISP 수행 경험도 활용한다. 소방청 업무와 정보시스템 환경에 대한 이해를 바탕으로 기관별 특성을 반영한 재해복구 설계의 완성도를 높인다는 계획이다. 이노그리드는 상세설계와 함께 실제 DR 구축을 위한 세부 실행과제와 이행 우선순위도 도출한다. 기관별 구축 절차 가이드와 소요예산, 후속 구축사업을 위한 제안요청서(RFP)까지 마련해 ISP 결과가 실제 구축으로 이어질 수 있도록 지원할 예정이다. 김명진 이노그리드 대표는 "5차 사업에 이어 6차 사업까지 연속 수행하게 된 것은 그동안 축적해온 공공 DR 컨설팅과 데이터센터 구축 경험을 한 단계 더 확장할 수 있는 의미 있는 기회"라며 "각 기관 업무와 시스템 특성을 면밀히 분석해 재난 상황에서도 주요 행정서비스가 안정적으로 이어질 수 있는 실효성 있는 DR 목표모델과 상세설계를 마련하겠다"고 말했다.

2026.09.15 13:56한정호 기자

LS일렉트릭·한전, 전압·주파수 스스로 잡는 배전 기술 개발

LS일렉트릭과 한국전력공사가 재생에너지 확대에 따른 전력망 불안정을 줄이기 위해 차세대 배전 기술을 공동 개발한다. LS일렉트릭은 지난 14일 경기도 안양 LS타워에서 한전과 배전 분야 전력전자 기술 연구·실증을 위한 업무협약을 맺었다고 밝혔다. 핵심 연구 대상은 '그리드포밍'이다. 태양광·풍력·에너지저장장치(ESS)에 연결된 전력변환장치가 전압과 주파수의 기준을 직접 만들어 전력망을 안정시키는 기술이다. 기존 전력망의 기준에 맞춰 작동하는 '그리드팔로잉' 방식과 차이가 있다. 배전용 그리드포밍 기술은 아직 상용화 초기 단계에 있다. LS일렉트릭과 한전은 이번 공동 연구를 통해 국내 실증을 거쳐 해외 수출을 위한 공동 사업화를 추진할 계획이다. 양사는 전력망 상태를 실시간으로 감시·제어하는 스마트 변압기도 개발한다. 소규모 전력망인 마이크로그리드에서는 외부 전력이 끊겨도 자체 전원으로 전력 공급을 재개하는 '블랙스타트' 기능을 연구한다. LS일렉트릭은 전력기기·전력변환 기술을, 한전 전력연구원은 배전망 연구 역량을 제공한다. 양사는 국내 실증으로 기술을 검증한 뒤 해외 시장을 겨냥한 공동 사업화를 추진할 계획이다.

2026.09.15 09:02류은주 기자

카메라 사이 끊긴 동선 잇는다…영상 AI, '탐지' 넘어 '공간 추적'으로

인공지능(AI)이 영상에서 사람이나 차량을 찾아내는 데서 나아가 이동 경로까지 파악하는 단계로 발전했다. 여러 카메라에 흩어진 동일 객체를 연결하고 영상 속 위치를 실제 공간 좌표로 바꿔 촬영 공백이 생겨도 어디서 어디로 움직였는지 추적할 수 있게 됐다. 13일 AI 업계에 따르면 공간 AI 기업 오썸피아는 여러 카메라 영상에 등장하는 동일 객체의 이동 이력을 연결하는 '그리드맵 AI' 고도화 방향을 공개했다. 지난 8월 선보인 '객체 주소화' 기술을 카메라 간 추적과 다중 카메라 융합으로 확대했다. 기존 영상 AI는 화면 안에서 사람이나 차량, 연기 등을 찾아내는 데 강점을 보여왔다. 문제는 대상이 화면 밖으로 사라진 뒤다. 다른 카메라에 같은 사람이 다시 나타나도 각각의 영상으로 남기 때문에 이동 경로를 이어 보려면 별도 분석이 필요했다. 오썸피아는 이 단절을 객체 ID와 공간 좌표로 잇는다. 그리드맵 AI가 영상 속 사람이나 차량을 발견하면 고유 ID를 부여하고 화면 속 위치를 실제 공간 좌표로 변환한다. 여기에 시간과 촬영 카메라 정보를 함께 저장해 객체가 언제 어디에 있었는지를 데이터로 남긴다. 영상 속 객체마다 일종의 '주소'를 붙이는 셈이다. 이 기술은 사람이 A카메라에서 사라진 뒤 B카메라에 나타나면 AI가 외형 특징과 좌표 정보를 비교한다. 같은 객체라고 판단하면 기존 ID를 이어 붙여 이동 이력을 계속 기록한다. 여러 카메라가 같은 대상을 동시에 촬영할 때는 각 영상의 정보를 합친다. 한쪽 화면에서 객체 일부가 가려지거나 위치를 정확하게 파악하기 어려우면 다른 각도의 영상으로 보완하는 방식이다. 이렇게 쌓인 정보는 단순히 영상 속 객체를 찾아내는 데 그치지 않는다. 사람이 어느 방향으로 이동했는지, 특정 공간에 얼마나 머물렀는지, 위험구역에 들어갔는지 등을 시간과 위치를 기준으로 분석할 수 있다. 오썸피아는 현재 개발 중인 '그리드맵 2.0'에 다중 카메라 객체 추적과 행동 분석, 이상행동 탐지 기능을 순차적으로 적용할 계획이다. 이후에는 영상에서 만든 좌표를 드론과 디지털 트윈에도 연결한다는 구상이다. 영상 AI가 이처럼 '탐지'에서 '추적'으로 영역을 넓히는 데는 관제 환경의 변화가 자리한다. 행정안전부에 따르면 2024년 기준 지방자치단체 통합관제센터와 연계된 CCTV는 65만여대로, 관제요원 한 명이 평균 477대를 담당했다. 행안부는 이 가운데 AI 기술이 적용된 비율을 37.5%로 보고 있다. 카메라가 많아질수록 사람이 여러 영상을 번갈아 보면서 같은 사람이나 차량의 이동을 일일이 찾아내기 어렵다. AI가 한 화면에서 이상 상황을 발견하는 것뿐 아니라 서로 다른 영상의 정보를 연결해야 하는 이유다. 영상 AI 업계도 비슷한 방향으로 움직이고 있다. 한화비전은 여러 카메라 영상에서 동일하거나 유사한 인물을 찾아 이동 경로를 좁히는 '유사도 검색' 기술을 선보였고, 엔비디아는 여러 카메라에 잡힌 객체를 하나의 ID와 3차원 공간 좌표로 연결하는 다중 카메라 추적 기술을 공개했다. 오썸피아는 여기에 현장 대응까지 연결한다는 계획이다. 영상 AI가 산불이나 침입자 같은 위험 요소를 발견하면 실제 좌표를 생성하고 해당 위치로 드론을 보내 현장을 확인하는 방식이다. 드론 자동 유도와 디지털 트윈 연계 기능은 단계적으로 개발·검증할 예정이다. 적용 분야도 넓다. 관광시설에서는 방문객 동선과 체류시간을 분석하고 재난 현장에서는 위험 객체의 위치와 이동 경로를 확인할 수 있다. 국방과 공항·항만, 스마트시티에서는 여러 카메라와 센서가 수집한 정보를 하나의 공간 데이터로 연결하는 데 활용할 수 있다는 게 회사 측의 설명이다. 오썸피아는 장기적으로 영상에서 생성한 객체 ID와 좌표를 드론·로봇·디지털 트윈 등 다른 시스템이 함께 활용하는 공간 AI 플랫폼으로 확장한다는 목표다. 민문호 오썸피아 대표는 기자와 통화에서 "GPS가 현실 세계의 위치를 좌표화했다면 그리드맵 AI는 영상 속 객체의 위치와 이동 이력을 좌표화하는 기술"이라며 "서로 단절돼 있던 카메라 영상을 하나의 공간 데이터로 연결하고 탐지 이후의 판단과 현장 대응까지 이어지는 구조를 만들고 있다"고 말했다.

2026.09.13 14:30김동원 기자

[ZD SW 투데이] 칼리버스, 롯데자이언츠 가상 스타일링샵 오픈 外

지디넷코리아가 소프트웨어(SW) 업계의 다양한 소식을 한 눈에 볼 수 있는 'ZD SW 투데이'를 새롭게 마련했습니다. SW뿐 아니라 클라우드, 보안, 인공지능(AI) 등 여러 분야에서 활발히 활동하고 있는 기업들의 소식을 담은 만큼 좀 더 쉽고 편하게 이슈를 확인해 보시기 바랍니다. [편집자주] ◆칼리버스, AI∙3D 로 구현한 롯데자이언츠 가상 스타일링샵 오픈 롯데이노베이트 자회사 칼리버스가 팬덤형 몰입형 이머시브 커머스 서비스로 '롯데자이언츠 가상 스타일링샵'을 선보였다. 롯데자이언츠 가상 스타일링샵은 AI 기반 가상 모델과 디지털트윈 기술을 활용해 팬들이 야구장 굿즈를 시착하고 체험한 뒤 구매까지 이어갈 수 있도록 한 서비스다. AI 스타일링샵에서는 실제 야구장에서 사용되는 의류·액세서리 등 굿즈 33종을 만나볼 수 있으며 진열된 모든 상품을 다양하게 교차 시착해볼 수 있다. 구매는 롯데ON 판매 페이지로 바로 연결돼 탐색부터 한 번에 이용할 수 있다. 이머시브 스토어는 가상 공간에 전시된 상품을 선택하면 상세 페이지 확인과 구매 페이지 연결이 가능하며 스마트폰 자이로센서를 활용해 화면을 움직이며 공간 시점을 자유롭게 전환하고 상품 카테고리별 공간 바로가기 기능으로 원하는 지점까지 빠르게 이동할 수 있는 것이 특징이다. ◆에이아이웍스, 큐알티 MOU 체결…"AI 기반 반도체 신뢰성 검증 혁신" 큐알티(QRT)와 에이아이웍스가 AI 기반 반도체 테스트·분석·검증 협력을 위한 상호양해각서(MOU)를 체결했다. 이번 협약은 반도체 신뢰성 검증 과정에 인공지능(AI) 기술을 접목해 시험 및 분석의 효율성과 정밀도를 극대화하는 것이 핵심이다. 양사는 시험 과정에서 축적되는 대규모 로그 데이터와 불량 분석 데이터를 AI가 스스로 학습하게 하여 이상 징후를 조기에 탐지하는 지능형 검증 체계를 구축한다. ◆코오롱베니트, 클라우데라 '아태지역 올해의 혁신 파트너상 2026' 수상 코오롱베니트가 클라우데라(Cloudera)의 아시아태평양(APAC) 올해의 혁신 파트너상 2026에 선정됐다. 코오롱베니트가 국내 기업 최초로 수상한 브레이크스루 부문은 지난 한 해 AI 분야에서 주목할 고객 레퍼런스와 사업 성과를 확보한 파트너에게 수여된다. 클라우데라는 코오롱베니트의 지속적인 성장과 혁신, 특히 AI 프로젝트를 기업의 핵심 업무(Mission-Critical) 영역으로 확대한 성과를 높이 평가했다. ◆폴라리스오피스·폴라리스AI핸디, 웹기안기 앞세워 공공시장 확대 폴라리스오피스와 폴라리스AI핸디가 한국자산관리공사(캠코) 구축 레퍼런스를 기반으로 공공·엔터프라이즈 웹기안기 시장 공략을 확대한다. 폴라리스 웹기안기는 웹어셈블리(WASM) 기술을 활용해 문서 엔진을 웹 브라우저에서 직접 구동한다. 별도의 문서 변환·필터 서버에 대한 의존도를 낮춰 서버 구축과 운영 부담을 줄일 수 있으며 경쟁력 있는 가격체계를 바탕으로 초기 구축부터 유지관리까지 고려한 총소유비용(TCO) 측면에서도 효율성을 높였다. 여기에 폴라리스AI핸디의 하이브리드 기안기를 결합해 웹 환경 제약도 보완했다. 캠코 구축 과정에서는 PC에 설치된 170개 이상의 폰트, 총 1GB 이상의 데이터를 0.5초 이내에 불러올 수 있도록 구현했다. PC용 한글에서 작성한 내용을 복사·붙여넣기할 때 발생할 수 있는 데이터 누락 문제도 HWP 데이터를 직접 처리하는 방식으로 개선했다. ◆이노그리드-델타시스템, 프라이빗 클라우드 전환 시장 공략 맞손 이노그리드는 델타시스템과 '공공 분야 AI·클라우드·정보보안 사업 협력을 위한 업무협약(MOU)'을 체결하고,공공 프라이빗 클라우드 전환 및 AI 인프라 시장 공동 공략에 나섰다. 이번 협력은 이노그리드가 보유한 클라우드 플랫폼 및 AI 인프라 기술과 30여 년간 델타시스템이 축적해 온 공공 분야 AI·정보보안·SI 사업 수행 역량을 결합해 중앙부처와 지자체, 교육기관 등의 IT 인프라 현대화 수요에 공동 대응하기 위해 추진됐다.

2026.09.10 15:32남혁우 기자

이노그리드, AI 데이터센터 기술 기업 도약…인프라 통합 제어 승부수

이노그리드가 그래픽처리장치(GPU)·신경망처리장치(NPU)·중앙처리장치(CPU) 등 이기종 자원부터 클라우드와 인공지능(AI) 플랫폼까지 단일 운영체계로 관리하는 기술을 앞세워 AI 데이터센터 기술 기업 도약에 박차를 가한다. 이노그리드는 오는 9일부터 11일까지 부산 벡스코에서 열리는 '2026 K-ICT 위크 인 부산'에 참가해 '프롬 xPU 투 AI 플랫폼(From xPU to AI Platform)'을 중심으로 AI 인프라 기술 전략을 선보인다고 8일 밝혔다. 핵심은 GPU·NPU·CPU 등 다양한 xPU 자원부터 클라우드와 AI 워크로드까지 하나의 '컨트롤 플레인'으로 연결·제어하는 기술이다. 인프라와 플랫폼, AI 운영 도구가 각각 분리된 기존 구조에서 벗어나 자원 배치와 운영 정책, 워크로드 실행 환경을 일관된 체계에서 관리하는 방식이다. 이를 통해 AI 인프라의 자원 활용률을 높이는 동시에 복잡해지는 멀티·하이브리드 클라우드 환경의 운영 효율성을 개선한다는 구상이다. 특히 이노그리드는 자체 xPU 기반 AI 인프라 기술과 NHN클라우드의 대규모 리전형 인프라 구축 기술을 결합하는 기술 통합을 준비 중이다. 개별 GPU·NPU 등 컴퓨팅 자원을 제어하는 수준을 넘어 대규모 리전 단위의 AI 인프라 구축과 운영까지 지원할 수 있는 기술 체계를 확보한다는 목표다. 향후에는 xPU 자원 관리와 AI 플랫폼 기술, 대규모 클라우드 인프라 구축·운영 역량을 연계한다. AI 워크로드에 최적화된 컴퓨팅 인프라를 안정적으로 제공하고 AI 데이터센터 구축·운영 전반을 지원할 수 있도록 관련 기술을 고도화할 계획이다. 기존 가상화 환경의 현대화도 이같은 기술 로드맵과 연계한다. VM웨어 환경 전환을 검토하는 고객에게 기존 가상머신(VM) 워크로드의 안정적인 이전과 업무 연속성을 고려한 마이그레이션 방안을 제공한다. 전환된 인프라가 향후 멀티·하이브리드 클라우드와 AI 워크로드까지 확장될 수 있도록 지원해 기존 가상화 인프라의 현대화와 AI 인프라 전환을 함께 추진한다는 방침이다. 이노그리드는 GPU·NPU·CPU뿐 아니라 양자처리장치(QPU)까지 다양한 xPU 인프라를 AI 개발·학습·배포·운영 환경과 연결하는 기술 전략을 추진하고 있다. 서비스형 인프라(IaaS), 서비스형 플랫폼(PaaS), 클라우드관리플랫폼(CMP), 데브옵스(DevOps) 등 기존 클라우드 기술을 기반으로 AI 인프라와 서비스형 GPU(GPUaaS), AI CMP, AI PaaS 등으로 사업 영역도 확대하고 있다. 김명진 이노그리드 대표는 “AI 인프라 경쟁력은 단순히 GPU를 확보하는 데서 끝나는 것이 아니라 다양한 컴퓨팅 자원과 플랫폼, AI 서비스를 얼마나 효율적으로 연결하고 제어하느냐에 달려 있다"며 "프롬 xPU 투 AI 플랫폼 방향 아래 자체 xPU 기술과 대규모 리전형 인프라 구축 역량을 결합해 AI 인프라의 전체 라이프사이클을 제어할 수 있는 기술 체계를 만들어가겠다"고 밝혔다. 이어 "AI 서비스에 필요한 컴퓨팅 환경을 안정적으로 제공하는 AI 데이터센터 기술 기업으로 역할을 확대해 나갈 것"이라고 덧붙였다.

2026.09.08 13:36한정호 기자

[최홍석 칼럼] AI 에이전트가 달리려면 어떤 도로가 필요한가

"AI 추론은 '빠른 망'이 아니라 '예측 가능한 망'을 원한다. 지연이 작은 것보다 지연이 일정한 것이 AI 에이전트 서비스의 품질을 결정한다." 이 시리즈는 지금까지 망을 어떻게 만드는가, 즉 인프라의 언어로 이야기해 왔습니다. 4월 OpenROADM, 5월 SRv6·RON, 6월 소버린 AI, 7월 자율화 거점, 8월 6G 설계 철학, 이 모든 논의가 궁극적으로 수렴하는 질문이 바로 이것입니다. 그 망 위에서 무엇이 달리는가. 2026년, AI 에이전트 서비스가 본격화되면서 네트워크에 완전히 새로운 요구사항이 생겼습니다. 챗봇이 아닙니다. 스스로 계획하고, 도구를 호출하고, 결과를 판단해 다음 행동을 결정하는 에이전틱 AI가 실시간으로 서비스되기 시작했습니다. 이 에이전트들이 달리려면 지금까지와는 다른 종류의 도로가 필요합니다. 그 도로를 누가 깔 것인가, 통신사의 가장 현실적인 기회이자 도전이 여기 있습니다. AI 추론 트래픽은 기존 데이터와 무엇이 다른가 AI 에이전트 서비스가 네트워크에 요구하는 것은 단순한 대역폭 확대가 아닙니다. 트래픽의 성격 자체가 다릅니다. 세 가지 핵심 차이가 있습니다. 첫째, 예측 가능한 지연과 지터입니다. 음성 AI 에이전트처럼 대화형 서비스는 응답이 약 500ms를 넘으면 지연감을 줄 수 있어, 클라이언트 기준 time-to-first-token(TTFT)을 중요한 SLO로 둡니다. 원격 제어·협력 제어와 같은 안전 중요 서비스는 지연과 지터가 안전성에 영향을 줄 수 있으므로, 안전 기능을 원격망 품질에만 의존하지 않고 로컬 폐루프·이중화와 함께 설계해야 합니다. 일반 인터넷 트래픽은 평균 지연만으로도 충분한 경우가 많지만, 실시간 AI 서비스는 워크로드별로 P99 등 꼬리 지연 목표를 관리해야 합니다. 둘째, 버스트성(Burstiness)입니다. AI 에이전트 서비스는 동시 요청이 순간적으로 폭증하는 특성을 가집니다. 중앙 집중식 추론 클러스터는 이 버스트 구간에서 처리 용량이 포화되고, 지연이 급격히 증가합니다. 컴캐스트와 엔비디아의 GTC 2026 벤치마크는 이를 명확히 보여줍니다. 버스트 트래픽 조건(P99)에서 단일 중앙 집중식 클러스터는 오히려 처리량이 감소한 반면, 4개 엣지 사이트에 분산된 AI 그리드는 42,362 토큰/초 처리량을 유지했습니다. 셋째, 멀티-티어 분산 처리입니다. 일부 에이전틱 AI 서비스는 단일 모델만으로 처리되지 않으며, 디바이스·엣지·코어의 서로 다른 모델과 도구가 협력할 수 있습니다. 디바이스에서 경량 추론, 엣지에서 도메인 특화 모델, 코어에서 대형 모델을 선택적으로 활용하는 구조입니다. 다만 일반적인 에이전트 서비스가 계층 간 마이크로초 단위 동기화를 요구하는 것은 아니며, 엄격한 시간 동기는 TSN 기반 산업 제어 등 특정 워크로드의 요구사항입니다. NPU 서버와 AI Grid — 추론 인프라의 새 지형 NPU 서버란 무엇인가 GPU가 병렬 연산에 폭넓게 활용되는 반면, NPU(Neural Processing Unit)는 신경망 연산에 특화된 가속기입니다. 일부 추론 워크로드에서는 NPU가 GPU보다 전력 효율이나 비용 측면에서 이점을 낼 수 있지만, 실제 성능은 모델 구조·정밀도·메모리 구성·배치 크기·소프트웨어 생태계에 따라 달라집니다. CPU가 시스템 운용·데이터 처리를 맡고 NPU 또는 GPU가 AI 연산을 가속하는 이종 컴퓨팅 구조가 일반적입니다. AI Grid — 분산 추론 인프라 엔비디아는 GTC 2026에서 AI 그리드 레퍼런스 아키텍처를 발표했습니다. 핵심은 지역 PoP, 중앙국, 메트로 허브와 엣지 거점에 가속 컴퓨팅을 배치해 지리적으로 분산된 AI 추론 플랫폼을 구성하는 것입니다. 약 10만 개라는 수치는 개별 텔코의 자산이 아니라 전 세계 통신사와 분산 클라우드 사업자가 운영하는 분산 네트워크 데이터센터의 합산 추정치입니다. 기지국은 모든 곳에 추론 서버를 두기보다, 전력·냉각·경제성을 검토해 선택적으로 활용할 수 있는 미래 배치점으로 보는 편이 정확합니다. 한 가지 구현 방식은 코어 AI 팩토리, 지역 엣지 노드, 그리고 선택적 AI-RAN 거점으로 역할을 나누는 것입니다. 코어에서는 대형 모델 학습·파인튜닝과 광역 서비스가, 지역 엣지에서는 지연·데이터 주권·대역폭 요구가 높은 추론이 수행될 수 있습니다. AI-RAN은 RAN과 AI 워크로드의 컴퓨팅 자원 공유를 검증하는 단계이며, 모든 기지국이 사용자 추론을 처리한다는 뜻은 아닙니다. 사용자와 데이터에 가까운 곳에서 처리하면 왕복 구간을 줄일 수 있지만, 종단간 지연은 무선·전송·큐잉·모델 처리 시간을 함께 고려해야 합니다. 통신사가 설계해야 할 네 가지 네트워크 요건 AI 그리드가 제 성능을 발휘하려면 그것을 연결하는 네트워크가 AI 추론 트래픽의 특성을 수용할 수 있어야 합니다. 4개의 구체적 요건이 있습니다. ① SRv6 기반 결정론적 경로 제어 일반 IP 망에서는 혼잡이나 장애에 따라 경로와 지연이 변동할 수 있습니다. SRv6의 SR Policy는 소스에서 명시 경로를 지정하는 기반이 되어, 지연 민감 트래픽의 경로 변동을 줄이는 데 활용할 수 있습니다. 다만 SRv6만으로 결정론적 레이턴시가 보장되지는 않습니다. 보장형 지연을 위해서는 용량 설계, 자원 예약, 입장 제어, 큐잉·스케줄링과 필요 시 DetNet·TSN 같은 메커니즘을 함께 적용해야 합니다. 따라서 SRv6 단일 패브릭은 AI Grid 연결의 유용한 기반이지만, 그 자체가 충분조건은 아닙니다. ② 5G 네트워크 슬라이싱...AI 추론 전용 슬라이스 AI 추론·일반 데이터·IoT 센서 데이터는 서로 다른 QoS 요건을 가질 수 있습니다. 5G 네트워크 슬라이싱은 하나의 물리 인프라 위에서 용도별 논리 네트워크와 정책을 구성하는 기능이며, 실제 보장 범위는 RAN·전송·코어·애플리케이션을 포함한 종단간 설계와 SLA에 좌우됩니다. 노키아와 AWS는 MWC 2026에서 AI가 네트워크 KPI와 상황 정보를 바탕으로 슬라이싱 정책을 조정하고, SMO를 통해 RAN 정책을 적용하는 인텐트 기반 사례를 발표했습니다. 이는 기업 AI가 표준 API로 슬라이스를 직접 협상한 상용 구조라기보다, 자동화된 정책 운영을 향한 실증 사례로 보는 것이 적절합니다. ③ 엣지 UPF 분산 배치 5G 코어의 UPF(User Plane Function)를 엣지 가까이 분산 배치하면 사용자 트래픽을 중앙 코어까지 보내지 않고 인접한 서비스 거점으로 분기할 수 있습니다. 다만 UPF가 AI 추론을 직접 수행하는 것은 아닙니다. UPF는 로컬 브레이크아웃을 제공하고, 인접한 MEC 또는 AI 서버가 추론을 수행하는 구조가 일반적입니다. 지연 개선 효과는 배치 위치·무선 구간·전송망·모델 처리 시간에 따라 달라지며, sub-15ms와 같은 목표는 특정 서비스와 측정 범위를 명시해 검증해야 합니다. ④ gNMI 기반 실시간 레이턴시 가시성 AI 그리드에서는 네트워크 지연·손실·혼잡뿐 아니라 추론 지연, 처리량, 큐 깊이, 가속기 사용률 같은 애플리케이션·플랫폼 지표를 함께 관측하고, 오케스트레이터가 이를 바탕으로 요청을 적절한 노드에 배치하는 구조가 필요합니다. gNMI 스트리밍 텔레메트리는 네트워크 장비 상태를 수집하는 유용한 인터페이스이지만, 추론 성능 관측이나 동적 라우팅 전체를 대신하지는 않습니다. 애플리케이션 관측성, 용량 관리, 정책·트래픽 제어와 결합해야 합니다. 아카마이는 요청을 적절한 컴퓨팅 계층에 매칭해 비용과 레이턴시를 함께 최적화하는 접근을 제시했습니다. 글로벌 Telco의 실제 구현 사례 컴캐스트 × 엔비디아...AI 그리드 레퍼런스 검증 (2026.03) 컴캐스트는 엔비디아와 함께 깊은 분산 네트워크 아키텍처를 AI 그리드로 활용하는 협업을 발표했습니다. 엔비디아가 공개한 벤치마크에서 퍼스널l AI의 음성 소형 언어 모델을 RTX PRO 6000 GPU 기반의 4개 사이트 AI Grid에 분산 배치했을 때, 상관된 버스트 트래픽에서도 음성 상호작용의 종단간 지연을 500ms 목표 안에서 유지했습니다. 같은 시험 조건에서 중앙집중형 구성과 비교한 토큰당 비용 절감은 버스트 시 76.1%였습니다. 이는 특정 모델·하드웨어·트래픽 조건의 결과이며 일반적 비용 절감률로 해석해서는 안 됩니다. SKT × Arm × 리벨리온...국산 NPU 기반 AI 추론 인프라 (2026.04) SKT는 Arm·리벨리온과 3자 협약을 통해 Arm AGI CPU와 리벨리온 RebelCard NPU를 결합한 AI 추론 서버를 공동 개발하고, 자사 AI 데이터센터에서 성능·안정성을 실증하기로 했습니다. A.X K1 모델의 운영도 검토 대상이며, 현 시점에서는 상용 도입 완료가 아니라 개발·검증 단계로 표현하는 것이 정확합니다. SKT는 별도의 GPU 기반 AI 인프라 협력도 추진하고 있어, 향후 NPU와 GPU를 워크로드별로 병행 활용할 가능성이 있습니다. AT&T × 시스코 × 엔비디아...제로-트러스트 AI 추론 아키텍처 (2026.03) AT&T와 시스코는 달라스 디스커버리 디스트릭트에서 엔비디아 GPU와 시스코의 파일럿 플랫폼을 활용한 공개안전 사용사례를 시연했습니다. 이 협력은 전용 IoT 코어, 로컬 트래픽 분기, 엣지 컴퓨팅과 제로-트러스트 보안을 결합해 실시간 AI를 네트워크 가까이 제공하려는 접근입니다. 다만 이는 상용 전면 배치라기보다 시연·파일럿과 산업 적용 확대 단계로 보는 것이 정확합니다. 인도삿 × 노키아 × 엔비디아...소버린 AI 그리드 (2026.06) Indosat Ooredoo Hutchison는 2026년 3월 MWC에서 노키아·엔비디아와 함께 동남아시아 최초의 AI-RAN 기반 레이어3 5G 통화를 실증했습니다. 노키아 에어스케일 무선 장비와 RAN 소프트웨어가 엔비디아 GPU 가속 인프라 위에서 동작하며, AI와 RAN 워크로드를 동일한 컴퓨팅 자원에서 동시에 처리할 수 있음을 기능적으로 검증한 사례입니다. 이후 인도네시아 현장 시험과 망 현대화는 추진 단계이므로, AI 그리드와 AI-RAN의 전국 상용 구현 완료로 단정하지 않는 것이 적절합니다. 한국 통신사의 실행 과제...지금 무엇을 결정해야 하는가 영국 리서치 컨설팅 회사인 Analysys Mason에 따르면 통신사의 GPUaaS 수익은 2024년 1억 달러 미만에서 2030년 96억 달러로 성장할 전망이며, 전 세계 약 30개 사업자가 이미 GPUaaS를 출시했습니다. 다만 맥킨지의 잠재 시장 규모와 Analysys Mason의 Telco 수익 전망은 대상 범위와 산정 방법이 달라 이를 단순 점유율로 비교하기에는 한계가 있습니다. 핵심 메시지는 기회가 존재하되, 통신사가 하이퍼스케일러·네오클라우드와 직접 규모 경쟁하기보다 데이터 주권, 연결성, 지역 엣지, 산업별 통합 서비스처럼 차별화 가능한 영역을 선택해야 한다는 점입니다. 국내 통신사의 현실적 준비 순서는 다음과 같습니다. 결론 : 망이 추론 인프라가 되는 시대, 도로를 먼저 깔아야 한다 AI 에이전트 서비스에는 단순히 빠른 망보다 워크로드별로 예측 가능한 종단간 성능, 관측성, 보안과 비용 효율이 중요합니다. 이 시리즈가 다룬 SRv6 단일 패브릭, OpenROADM 개방 광전송, TM Forum L4 자율화 거점은 이러한 AI 추론 인프라의 기반이 될 수 있습니다. 다만 각각은 충분조건이 아니라, 컴퓨팅·오케스트레이션·보안·운영 설계와 결합돼야 합니다. 엔비디아의 AI 그리드 레퍼런스 설계, SKT의 NPU 기반 추론 서버 개발, 인도삿의 소버린 AI와 AI-RAN 추진은 통신사가 분산 추론 인프라의 유력한 제공자가 될 수 있음을 보여 줍니다. 그러나 CDN·분산 클라우드·엔터프라이즈 엣지 사업자도 경쟁과 협력의 대상입니다. 통신사의 강점은 광범위한 접속망과 지역 거점, QoS·보안·운영 역량을 결합해 특정 산업과 지역에 차별화된 서비스를 제공하는 데 있습니다. "AI 에이전트 시대에 통신사의 역할은 단순한 전송 제공을 넘어, 연결성과 분산 컴퓨팅을 결합한 서비스 운영자로 확장될 수 있습니다. 다만 이 역할은 단독 소유권이 아니라 클라우드·CDN·장비·애플리케이션 사업자와의 생태계 경쟁 및 협력 속에서 형성될 것입니다." 도로가 없으면 어떤 차도 달릴 수 없습니다. AI 에이전트 서비스의 시대에 그 도로를 먼저 깔기 시작하는 통신사가, 다음 10년의 AI 인프라 패권을 가져갑니다.

2026.09.04 11:18최홍석 컬럼니스트

이노그리드, '오픈스택잇 3.5' 출시…AI 인프라 수용하는 가상화 플랫폼으로 진화

이노그리드가 인공지능(AI) 도입이 본격화되면서 빠르게 변화하는 기업 인프라 환경에 맞춘 클라우드 플랫폼을 선보인다. 이노그리드는 자체 가상화 기술을 고도화한 프라이빗 클라우드 플랫폼 '오픈스택잇(Openstackit) 3.5'를 출시했다고 3일 밝혔다. 회사는 이번 버전을 통해 기존 가상화 인프라를 넘어 AI 인프라까지 수용할 수 있는 기반을 마련한다는 계획이다. 오픈스택잇 3.5는 오픈스택 최신 버전인 '가스파초(Gazpacho) 2026.1'을 기반으로 플랫폼 전반을 재구성하고 대규모 인프라 운영에 필요한 핵심 기능을 강화했다. 가장 눈에 띄는 부분은 운영 자동화와 자원 최적화 기능이다. 유지보수가 필요한 서버의 VM을 다른 노드로 자동 이동한 뒤 작업 완료 후 원래 위치로 복원하는 유지보수 모드를 지원한다. 또한 컴퓨트 노드별 자원 사용 현황을 분석해 가상머신(VM)을 최적의 위치로 재배치하는 기능을 강화해 인프라 활용도를 높였다. 서비스 안정성 확보를 위한 고가용성 기능도 고도화했다. 특정 노드에서 장애가 발생할 경우 운영 중인 VM을 정상 노드로 자동 이관하는 인스턴스 HA 기능을 제공한다. 서비스 중단 없이 CPU와 메모리 자원을 확장할 수 있는 핫플러그 기능도 지원해 워크로드 변화에 유연하게 대응할 수 있도록 했다. 대규모 클라우드 환경을 위한 병렬 라이브 마이그레이션 기능도 적용했다. 여러 데이터 전송 작업을 동시에 수행하는 멀티스레드 방식을 활용해 VM 이동 시간을 줄이고 운영 효율성을 높인 것이 특징이다. 관리 기능 역시 한층 강화됐다. 통합 모니터링과 미터링 기능을 통해 물리·가상 인프라의 상태와 자원 사용 현황을 실시간으로 확인할 수 있으며, 인프라 프로비저닝과 자원 생명주기 관리도 자동화했다. AI 인프라 수요 증가에 대응하기 위한 GPU 관리 기능도 새롭게 주목받고 있다. 오픈스택잇 3.5는 GPU 프로비저닝과 자원 할당, 실시간 모니터링, 스케줄링 기능을 지원해 AI 학습과 추론에 필요한 고성능 컴퓨팅 자원을 효율적으로 운영할 수 있도록 했다. 이노그리드는 이를 기반으로 'xPU에서 AI 플랫폼으로(From xPU to AI Platform)' 전략도 본격화한다. CPU·GPU·NPU 등 다양한 xPU 자원을 통합 관리하는 인프라를 시작으로 GPU PaaS, AI CMP, AI PaaS까지 기술 영역을 확장하고, 궁극적으로는 인프라부터 AI 서비스까지 하나의 컨트롤 플레인으로 연결하는 AI 플랫폼을 구축한다는 구상이다. 가상화 플랫폼은 이 전략의 기반 계층 역할을 맡는다. 회사는 향후 오픈스택잇과 클라우드 관리 플랫폼(CMP), PaaS, 데브옵스 기술 간 연계를 강화해 인프라 운영부터 애플리케이션 개발, AI 서비스 배포까지 통합 지원 체계를 구축할 계획이다. VM웨어 전환 시장 공략에도 속도를 내고 있다. 이노그리드는 최근 공공기관과 금융권, 대기업을 중심으로 VM웨어 기반 시스템을 자사 가상화 플랫폼으로 이전하는 프로젝트를 수행하고 있다. 'VM웨어 현대화 프로그램'을 통해 환경 진단부터 마이그레이션, 재해복구(DR), 운영까지 전 과정을 지원하며 전환 수요 확보에 나서고 있다. 반일권 이노그리드 R&D본부 클라우드인프라센터장은 "AI 시대의 가상화 플랫폼은 단순한 VM 운영 도구를 넘어 다양한 컴퓨팅 자원을 안정적으로 수용하고 관리할 수 있는 기반이 돼야 한다"며 "오픈스택잇의 운영 기술을 지속적으로 고도화해 GPU와 AI 인프라까지 아우르는 컴퓨팅 플랫폼으로 발전시켜 나가겠다"고 말했다.

2026.09.03 12:09남혁우 기자

기후부, 연내 'AI 데이터센터 그리드코드' 수립

기후부가 인공지능(AI) 데이터센터의 안정적인 전력공급을 위한 필수 과제인 그리드코드(Grid-Code) 수립과 맞춤형 접속 전략을 논의하기 위한 '인공지능 데이터센터(AIDC) 연구회'가 본격 가동에 들어갔다. 이호현 기후에너지환경부 제2차관은 27일 오후 서울 반포동 한강홍수통제소에서 AIDC 연구회를 주재하고 연내 그리드코드를 수립하기로 했다. 이 차관은 “연구회를 통해 전력계통 여건에 적합한 접속 전략과 제도를 논의할 수 있기를 기대한다”며 “AI 데이터센터가 안정적으로 운영되기 위한 필수 요건인 그리드코드를 올해 안으로 도출을 추진할 계획”이라고 밝혔다. 그리드코드는 전력망에서 안정적으로 전력을 공급받기 위해 필수적으로 갖춰야 하는 기술적인 최소 요건이다. AI 데이터센터는 그래픽처리장치(GPU) 등 민감한 전력전자 설비로 구성돼 있어, 자체 설비 고장 방지와 함께 전기품질을 유지하기 위해 에너지저장장치(ESS)나 무정전 전원공급장치(UPS) 등의 보완설비를 갖추고 있다. 연구회에서는 AI 데이터센터의 설비구성과 함께 수요 유형을 정밀하게 연구하고, 전력사용효율(PUE)도 검토한다. AI 데이터센터의 보완설비 본래의 기능을 침해하지 않는 범위에서 전력계통 안정화에 기여할 수 있도록 접속 전략과 제도를 논의할 계획이다.

2026.08.28 08:46주문정 기자

이노그리드, 전사 AX 추진…직원 전원에 앤트로픽 '클로드' 지원

이노그리드가 앤트로픽의 생성형 인공지능(AI) 업무도구 '클로드'를 도입해 제품 개발부터 일반 업무까지 전사 AI 전환(AX)에 박차를 가한다. 이노그리드는 클로드를 전사 표준 AI 도구로 선정하고 전 직원이 활용할 수 있도록 라이선스 도입을 지원한다고 27일 밝혔다. 동시에 개발과 비개발 조직을 아우르는 'AX혁신TF'를 가동한다. 이노그리드는 AI 활용 방식을 자동화·개선·전환의 세 단계로 확장한다는 구상이다. 반복 업무를 빠르게 처리하는 자동화에서 출발해 업무와 제품 품질을 높이고 최종적으로는 AI를 전제로 일하는 방식 자체를 변화시키는 것이 목표다. 개발 영역은 '혁신개발분과'가 맡는다. 코드 작성과 테스트, 기술 문서화 등 반복 작업에 생성형 AI를 적용하고 개발자는 아키텍처 설계, 코드 리뷰, 보안·성능 검토 등 전문적인 판단이 필요한 영역에 집중하는 구조다. 단순한 코딩 속도 향상을 넘어 개발 리드타임과 스프린트 처리량, 품질 검증 통과율 등을 함께 측정해 AI가 실제 제품 개발 속도와 품질에 어떤 영향을 미치는지를 검증할 예정이다. 비개발 영역에선 제안서 작성, RFP 요건 분석, 계약서 검토, 보고서 및 표준문서 작성 등에 AI를 적용할 계획이다. 이노그리드는 이를 '생산은 AI가 지원하고 판단은 사람이 맡는 구조'로 정의하고 구성원이 분석과 의사결정에 집중하도록 업무 방식을 고도화한다는 방침이다. AX혁신TF는 전사 체감도와 정량효과가 높은 대표 AX 과제 톱3를 선정해 약 3개월간 집중 검증할 예정이다. AI 사용량 자체보다는 개발 생산성, 업무시간 단축 및 투자수익률(ROI) 등 실제 결과를 중심으로 평가한다. 이노그리드 측은 "AI 인프라를 만드는 기업이 AI를 자사 제품과 업무에 어떻게 적용하고 검증하는지를 직접 보여주는 것도 중요한 기술 경쟁력이라는 판단 아래 이번 전사 AX를 추진 중"이라고 밝혔다. 김명진 이노그리드 대표는 "AI를 얼마나 많이 사용하는지가 아니라 제품 경쟁력과 업무 생산성 향상으로 실제 연결되는지가 중요하다"며 "검증된 AI 활용 방식을 기술과 사업, 업무 전반에 내재화해 AX 기업으로 성장하겠다"고 말했다.

2026.08.27 14:49한정호 기자

[AI 리더스] 권경민 이노그리드 CTO "AI 인프라 경쟁력, GPU보다 운영 기술에 달렸다"

"그래픽처리장치(GPU)를 많이 확보했느냐보다 자원을 얼마나 효율적으로 운영하느냐가 앞으로 AI 인프라 경쟁력을 결정할 것입니다." 권경민 이노그리드 최고기술책임자(CTO)는 20일 서울 중구 본사에서 지디넷코리아와 만나 AI 인프라 시장 변화와 운영 기술 전략에 대해 이같이 밝혔다. 최근 정부와 기업들은 대규모 AI 인프라 구축을 목표로 최신 GPU 확보에 나서고 있다. 하지만 고가의 최신 GPU를 확보한 것 자체보다 이 자원을 다양한 워크로드에 맞춰 효율적으로 운영할 수 있는지가 새로운 경쟁력으로 떠오르고 있다는 게 권 CTO의 진단이다. 이노그리드는 이 변화에 맞춰 GPU 운영 효율화 기술을 개발하는 국책 과제 'GRIM-GPU' 프로젝트를 수행 중이다. 단순한 GPU 공유 기술을 넘어 가상머신(VM)과 컨테이너가 혼재된 환경에서 GPU를 유연하게 분할·재구성하고 성능 간섭을 최소화하는 AI 인프라 운영 기술을 확보하는 것이 목표다. GPU 확보 경쟁 다음 단계는 '운영 효율화' 권 CTO는 최근 2~3년 동안 AI 인프라 시장이 급격하게 변화했다고 짚었다. 그는 "초기 AI 시장에선 GPU를 빨리 수급하는 것이 경쟁력이었지만 최근에는 공급 부족 현상이 다소 완화되고 있다"며 "이제는 GPU를 어떤 서비스와 워크로드에 배치하고 기존 장비를 어떻게 효율적으로 활용할 것인지가 더 중요한 시점"이라고 설명했다. 그러면서 글로벌 빅테크와 같은 방식의 AI 인프라 경쟁은 국내 기업이 선택할 수 있는 전략이 아니라고 강조했다. 그는 "국내 소프트웨어(SW) 기업이 글로벌 기업처럼 막대한 자본을 투입해 GPU를 확보하는 방식으로 경쟁하기는 쉽지 않다"며 "기업과 기관이 이미 보유한 GPU를 효율적으로 활용할 수 있도록 지원하는 운영 기술에 집중해야 한다"고 말했다. 이에 이노그리드는 과학기술정보통신부와 정보통신기획평가원(IITP)이 추진하는 GRIM-GPU 프로젝트에 주관기관으로 참여해 GPU 공유와 재구성 기술 연구에 앞장서고 있다. VM·컨테이너 혼재 환경 해결하는 'GRIM-GPU' GRIM-GPU는 정부가 추진하는 AI 클라우드 경쟁력 강화 기술개발 사업 가운데 하나로, VM과 컨테이너가 혼재된 단일 노드 환경에서 GPU를 유연하게 공유하는 기술을 개발하는 것이 주 목적이다. 현재 AI 인프라는 크게 VM 기반 환경과 컨테이너 기반 환경으로 나뉜다. 문제는 두 환경의 GPU 활용 방식이 다르다는 점이다. 공공·금융 분야는 보안성과 격리 수준이 높은 VM을 선호하는 반면, AI 학습과 추론 환경은 쿠버네티스 기반 컨테이너를 중심으로 운영되는 경우가 많은 것으로 알려졌다. 이에 대해 권 CTO는 "기존에는 GPU를 활용하기 위한 VM과 컨테이너 환경을 각각 별도로 구성해야 했지만, GRIM-GPU는 워크로드 특성에 따라 단일 환경에서 GPU를 동적으로 할당하는 기술을 목표로 하고 있다"고 밝혔다. 특히 동적 재구성 기술이 이번 과제의 핵심 연구 분야다. 통상 업무를 하는 주간에는 추론 서비스에 GPU를 사용하다가 야간에는 대규모 AI 학습에 활용하는 구조로 자원 활용 방식을 빠르게 전환할 수 있어야 한다는 관점이 담겼다. 성능 간섭을 최소화하는 스케줄링 기술도 함께 개발 중이다. GPU 메모리와 SM, L2 캐시 등 다양한 자원의 사용 패턴을 분석해 워크로드 간 충돌을 사전에 예측하고 이를 완화하는 방식이다. 권 CTO는 "기존의 엔비디아 MIG 기술을 활용하면 자원 격리 수준은 높일 수 있지만, 다양한 서비스 환경에서 GPU를 빠르게 재구성하는 것은 또 다른 문제"라며 "이번 과제에선 GPU 재구성을 5초 이내에 수행하는 것을 주요 성능 지표(KPI) 가운데 하나로 설정했다"고 말했다. 이어 "GPU 한 장을 하나의 작업에만 사용하는 방식에서 벗어나 여러 워크로드를 동시에 안정적으로 운영할 수 있도록 구성할 것"이라고 덧붙였다. GRIM-GPU는 정부 공개SW 연구개발 과제로 추진되고 있다. 이에 따라 과제 결과물은 오픈소스로 공개된다. 이노그리드는 프로젝트 컨소시엄 차원의 깃허브 저장소를 운영 중이며 올해 하반기에는 초기 기술 버전을 공개할 예정이다. 공개된 기술은 개발자와 연구기관, 기업 등이 자유롭게 활용할 수 있도록 개방할 계획이다. GPUaaS·AI 데이터센터까지…통합 AI 인프라 플랫폼 확장 이노그리드는 이번 연구개발 성과를 단순 국책과제로 끝내지 않고 서비스형 GPU(GPUaaS)와 AI 클라우드 관리 플랫폼(CMP) 등 자사 솔루션으로 확장할 계획이다. 권 CTO는 "GRIM-GPU를 통해 확보한 GPU 공유와 스케줄링, 경량 모니터링 기술을 실제 제품에 적용할 예정"이라며 "궁극적으로는 GPU를 서비스 형태로 제공하는 GPUaaS의 기술적 기반이 될 것"이라고 밝혔다. 최근 NHN인재아이엔씨 합병 이후 회사의 AI 인프라 전략도 더욱 구체화되고 있다. 이노그리드는 프라이빗 클라우드 구축 역량을, NHN은 대규모 인프라 운영 경험을 각각 보유하고 있는 만큼 양사 강점을 결합해 리전형·모듈형 AI 데이터센터 시장을 공략하겠다는 구상이다. 현재 이노그리드는 서비스형 인프라(IaaS)부터 플랫폼(PaaS), 거대언어모델 운영관리(LLM옵스) 등 AI 인프라를 구성하는 솔루션 라인업을 갖췄다. 향후에는 GPU를 비롯한 신경망처리장치(NPU), 양자처리장치(QPU) 등 다양한 연산자원 운영과 AI 에이전트 관리 역량도 키운다는 목표다. 권 CTO는 "3년 안에 AI 데이터센터의 클라우드 영역부터 AI 가속기, 데이터 관리, 에이전트 운영까지 모두 아우를 수 있는 특화 플랫폼을 구축할 것"이라고 강조했다. 끝으로 그는 "GRIM-GPU 국책과제를 통해 얻은 성과를 오픈소스로 공공에 다시 환원할 것"이라며 "국내 AI 개발자와 연구기관이 모두 활용할 수 있는 AI 인프라 생태계를 구축하겠다"고 덧붙였다.

2026.08.20 10:36한정호 기자

[GPU 200% 활용법] GPU 26만장 확보한 정부, 다음은 '운영 효율'…GRIM-GPU 기술 주목

정부가 그래픽처리장치(GPU) 26만장을 신규 확보하면서 인공지능(AI) 인프라의 방향성이 'GPU 운영 효율'로 옮겨가고 있다. 대규모 예산을 들여 GPU를 확보한 만큼 이제 확보한 자원을 다양한 업무 환경에 맞춰 얼마나 유연하게 실제 활용률을 끌어올릴 수 있느냐가 새로운 경쟁력으로 떠오르는 모습이다. 이런 흐름 속에서 과학기술정보통신부와 정보통신기획평가원(IITP)이 추진하는 GPU 공유·재구성 기술 개발 과제 'GRIM-GPU(GPU 재구성 및 간섭 최소화 GPU 공유)' 기술이 주목받고 있다. 19일 관련 업계에 따르면 GRIM-GPU 과제 주관기업으로 이노그리드가 선정돼 산학연 컨소시엄을 이끌며 연구개발을 진행 중이다. GPU 확보 다음은 운영 효율...유연한 자원 분할 지원하는 GRIM-GPU GRIM-GPU는 여러 작업에서 GPU 하나를 함께 사용할 때 발생하는 성능 간섭을 최소화하면서 GPU 자원을 보다 유연하게 분할·재구성해 배분할 수 있도록 하는 GPU 공유 기술이다. 이 기술이 주목받는 이유는 국가 AI 인프라 정책 방향성과 맞닿아 있기 때문이다. 그동안 대규모 AI 구동을 위한 GPU 확보에 집중해왔다. 정부는 아시아태평양경제협력체(APEC) 계기로 GPU 26만장을 신규 확보하며 그동안 국내 AI 연구·산업 확대를 가로막던 컴퓨팅 인프라 병목을 상당 부분 해소했다는 평가를 받는다. 여기에 정부와 클라우드 서비스 기업(CSP) 3사가 참여하는 실무협의체를 통해 1조4천억원 규모 GPU 확보 사업도 본격화된 상태다. 하지만 GPU를 많이 확보하는 것과 GPU를 효율적으로 굴리는 것은 다른 문제다. 현재 시장의 GPU 서비스는 대부분 GPU를 특정 사용자나 작업에 통째로 할당하는 패스스루 방식에 머물러 있다. 구조가 단순하고 성능 예측이 쉽다는 장점은 있지만 고가 장비를 여러 작업이 나눠 쓰기 어렵고 워크로드가 바뀔 때마다 자원을 다시 구성하는 데 수일이 걸린다는 한계가 있다. 특히 공공·엔터프라이즈 환경은 가상환경(VM)과 컨테이너, 온프레미스 등 다양한 작업 환경이 산재하고 어떤 작업은 대규모 자원을 장시간 점유하고 어떤 작업은 일부 자원만 짧게 필요로 하는 등 업무 특성이 다양하다. 이런 수요 편차에 맞춰 GPU를 얼마나 유연하게 배분하고 운영하느냐에 따라 실제 활용도가 크게 달라진다. 그래서 GRIM-GPU은 GPU를 나누는 데 그치지 않고, 공유 과정에서 발생하는 간섭을 예측하고 줄이는 기술까지 함께 지원한다. 여기에 GPU 상태를 실시간에 가깝게 파악할 수 있는 경량 모니터링과 운영 관리 체계까지 더해 효율성을 극대화한다는 방침이다. GRIM-GPU, VM·컨테이너 혼재 환경부터 간섭 제어까지 이노그리드는 이 과제의 주관기업을 맡아 2028년까지 산학연 컨소시엄을 이끈다. 단순히 특정 기업의 기술 개발 프로젝트가 아니라, 정부가 국책 R&D로 지정해 국내 여러 기관이 함께 참여하는 원천기술 확보 사업이다. 이노그리드는 GRIM-GPU 구현을 위해 기술 개발의 초점을 크게 세 갈래로 두고 있다. VM과 컨테이너가 혼재된 환경에서도 GPU 자원을 유연하게 분할·재구성할 수 있는 구조를 마련하는 데 집중하고 있다. 실제 클라우드 현장에서는 단일 환경보다 다양한 워크로드와 운영 방식이 혼재하는 경우가 많은 만큼, 특정 환경에 한정되지 않는 범용성을 확보하겠다는 취지다. 동시에 GPU 공유 과정에서 발생할 수 있는 성능 간섭을 줄이는 기술 개발에도 힘을 싣고 있다. 여러 작업이 하나의 GPU를 함께 사용할 경우 처리량 저하나 지연시간 증가 같은 문제가 발생할 수 있는 만큼, 자원 분배를 넘어 간섭을 예측·완화할 수 있는 운영 기술까지 함께 확보하겠다는 것이다. 운영 단계에서의 가시성을 높이기 위한 경량 모니터링 체계 구축도 주요 과제다. GPU 상태와 자원 사용 현황, 이상 징후를 실시간에 가깝게 파악할 수 있어야 실제 서비스 환경에서 안정적인 운영이 가능하기 때문이다. 이노그리드는 이를 통해 단순한 연구용 기술이 아니라 공공·엔터프라이즈 환경에 적용 가능한 실질적 운영 기술로 고도화하는 데 무게를 두고 있다. 향후 계획도 명확하다. 초기에는 핵심 기능 구현과 성능 검증에 집중하고, 이후에는 실제 클라우드 환경에서 적용 가능한 수준으로 기술 완성도를 높인다는 구상이다. 여기에 산학연 협력을 바탕으로 기술 검증 범위를 넓히고, 단계적으로 오픈소스 공개를 추진해 생태계 확산 기반도 마련할 방침이다. 김명진 이노그리드 대표이사는 "AI 인프라 경쟁은 이제 GPU를 얼마나 확보하느냐를 넘어, 확보한 자원을 얼마나 효율적이고 안정적으로 운영하느냐가 핵심이 되고 있다"며 "GRIM-GPU 과제는 고가의 GPU 자원을 보다 유연하게 활용하고, AI 서비스 확산에 필요한 운영 효율성을 높이기 위한 중요한 연구개발 과제"라고 설명했다. 이어 "이노그리드는 클라우드 컴퓨팅 및 AI 인프라 전문기업으로서 국가 AI 인프라 운영 기술 고도화에 기여하고, 향후 서비스형 GPU*GPUaaS)·AI CMP 등 AI 인프라 기술 스택과 연계해 현장에서 활용 가능한 성과로 이어질 수 있도록 책임감 있게 추진하겠다"고 포부를 밝혔다.

2026.08.19 11:07남혁우 기자

이노그리드, 킨텍스 클라우드 인프라 안정성 높인다…이중화 체계 강화

이노그리드가 킨텍스 클라우드 인프라의 스토리지와 데이터베이스관리시스템(DBMS) 이중화 구축에 앞장선다. 클라우드 가상화 환경과 데이터 저장·보호 체계를 통합해 장애 발생 시에도 안정적으로 서비스를 운영할 수 있는 고가용성 인프라를 구현한다는 목표다. 이노그리드는 '킨텍스 통합 스토리지 및 DBMS 이중화 구축 사업'을 수주했다고 5일 밝혔다. 이번 사업은 클라우드 전용 스토리지와 DBMS를 이중화해 장애 대응 체계를 강화하는 프로젝트다. 앞서 킨텍스는 전산 인프라 구축 과정에서 VM웨어와 레드햇 계열 솔루션 등 외산 대안을 검토한 뒤 이노그리드의 클라우드 가상화 솔루션을 도입해 전체 서비스를 클라우드 환경으로 전환했다. 이번 사업은 기존 클라우드 가상화 환경 위에 스토리지와 DBMS의 고가용성 구조를 추가해 인프라 전반의 안정성을 높이는 데 중점을 뒀다. 이노그리드는 운영 서버와 대기 서버를 연결한 '액티브-스탠바이' 구조를 적용하고 데이터 복제·동기화 체계를 구축해 장애 발생 시 대기 시스템으로 신속하게 전환할 수 있도록 지원할 계획이다. 또 클라우드 전용 스토리지와 오라클 DB 저장소도 이중화한다. 특정 저장소에 장애가 발생하더라도 대체 자원을 활용할 수 있도록 구성해 주요 서비스 영향을 최소화하고 데이터 유실 위험을 줄인다는 구상이다. 데이터 보호 체계도 함께 강화한다. 통합 DBMS에 저장된 개인정보와 주요 정보를 암호화하고 암호화 키를 생성·보관·관리하는 키 관리 환경을 구축해 보안성을 높일 예정이다. 이노그리드는 서버와 스토리지, DBMS, 데이터 동기화 및 보안 솔루션을 기존 클라우드 운영 환경과 유기적으로 연계할 계획이다. 구축 과정에선 기존 업무 시스템에 미치는 영향을 최소화하는 동시에 장애 전환과 데이터 정합성, 시스템 연계 상태 등을 종합적으로 점검할 예정이다. 사업이 완료되면 킨텍스는 클라우드 가상화 인프라부터 데이터 저장, DBMS, 보안까지 연결된 고가용성 운영 환경을 확보하게 될 것으로 전망된다. 김명진 이노그리드 대표는 "클라우드 가상화 환경의 안정적인 운영을 위해선 컴퓨팅·스토리지· DBMS와 데이터 보호 체계가 유기적으로 연결돼야 한다"며 "기존 운영 환경과의 호환성을 바탕으로 장애 발생 시 신속하게 전환하고 데이터 정합성을 유지할 수 있는 인프라를 구축하겠다"고 밝혔다. 이어 "가상화 인프라 구축뿐 아니라 데이터 저장·운영·보안까지 통합 지원할 수 있도록 클라우드 기술과 데이터센터 컴퓨팅 인프라 역량을 지속 고도화하겠다"고 덧붙였다.

2026.08.05 10:14한정호 기자

이노그리드, K-디자인 어워드 수상…클라우드 통합 UI·UX 경쟁력 입증

이노그리드가 자사 클라우드 솔루션에 적용한 통합 사용자환경(UI)·사용자경험(UX) 디자인의 활용성을 인정받았다. 멀티·하이브리드 클라우드와 인공지능(AI) 인프라 확산으로 복잡해진 클라우드 운영 환경에서 사용 편의성을 높였다는 평가다. 이노그리드는 자사 통합 '원(One) UI·UX' 디자인이 'K-디자인 어워드 2026' 커뮤니케이션 부문에서 '위너'를 수상했다고 31일 밝혔다. K-디자인 어워드는 산업·공간·커뮤니케이션 분야의 우수 디자인을 선정하는 국제 디자인 공모전이다. 올해는 전 세계 36개국에서 2690개 작품이 출품됐으며 이 가운데 334개 작품이 수상작으로 선정됐다. 이번 수상작은 탭클라우드잇·오픈스택잇·SE클라우드잇 등 이노그리드의 주요 클라우드 솔루션에 공통 적용되는 통합 디자인 시스템이다. 제품별로 다른 화면 구성을 일관된 UI·UX 체계로 통합해 여러 솔루션을 함께 사용하는 환경에서도 동일한 사용 경험을 제공하도록 설계됐다. 회사 측에 따르면 클라우드 관리 솔루션은 컴퓨팅·스토리지·네트워크 등 다양한 인프라 자원과 운영 정보를 동시에 다루는 만큼 일반 소프트웨어보다 화면과 기능 구성이 복잡한 편이다. 이에 이노그리드는 사용자가 주요 기능과 운영 현황을 보다 직관적으로 확인할 수 있도록 화면 체계와 정보 구성을 개선하는 데 중점을 뒀다. 특히 통일된 화면 체계와 직관적인 정보 구성을 적용해 제품별 학습 부담을 줄이고 복잡한 인프라 정보를 쉽게 파악할 수 있도록 설계했다. 디자인센터와 UX 플랫폼팀, 개발센터가 공동으로 참여해 디자인 완성도와 실제 운영 편의성을 함께 높였다는 게 회사 측 설명이다. 이노그리드는 이번 수상을 계기로 클라우드와 AI 인프라 제품군 전반에 통합 UI·UX 설계 원칙을 확대 적용할 계획이다. 특히 '프롬 xPU 투 AI 플랫폼(From xPU to AI Platform)' 기술 방향에 맞춰 GPU·NPU·CPU·QPU 등 인프라와 AI 개발·학습·배포·운영 환경을 단일 컨트롤 플레인으로 연결하는 과정에서도 일관된 사용자 경험을 제공한다는 방침이다. 윤상준 이노그리드 디자인센터장은 "이번 수상은 복잡한 클라우드 운영 정보를 사용자가 보다 직관적으로 이해하고 활용할 수 있도록 디자인센터와 UX 플랫폼팀, 개발센터가 함께 고민해 온 결과"라고 말했다. 이어 "앞으로도 제품별 특성과 기능은 유지하면서 일관된 사용 경험을 제공하는 원 UI·UX를 지속 고도화해 고객 학습 부담을 줄이고 업무 효율성을 높이는 디자인을 구현해 나가겠다"고 덧붙였다.

2026.07.31 15:39한정호 기자

복잡한 AI 개발환경 하나로…이노그리드, '에이아이큐브잇' 공개

이노그리드가 인공지능(AI) 개발·학습·배포·운영을 단일 환경에서 관리할 수 있는 AI·머신러닝 운영관리(MLOps) 플랫폼을 선보이며 AI 플랫폼 사업 확대에 박차를 가한다. 이노그리드는 쿠버네티스 기반 AI 실행 환경을 워크스페이스 단위로 추상화한 AI·ML옵스 실행 플랫폼 '에이아이큐브잇(AICubeit)'을 정식 출시했다고 30일 밝혔다. 에이아이큐브잇은 프로젝트나 팀 단위로 워크스페이스를 생성하면 쿠버네티스 네임스페이스와 사용자 권한, 개발 환경, 실험 관리 공간, 시크릿 저장 경로 등을 자동으로 구성·연계하는 것이 특징이다. 사용자는 복잡한 쿠버네티스 매니페스트나 레이(Ray) 실행 설정을 직접 작성하지 않고도 AI 개발 환경을 구축할 수 있다. 플랫폼은 데이터셋과 주피터랩(JupyterLab), 모델 학습, 실험, 모델 레지스트리, 배포, 워크플로우, 모니터링 기능을 단일 사용자 환경으로 통합했다. 개발자가 웹 기반 환경에서 데이터 분석과 모델 개발을 진행하고 S3와 허깅페이스 등 외부 저장소 데이터를 연계해 버전별로 관리할 수 있도록 설계했다. 또 사용자 코드 기반 학습과 오토ML, 대규모언어모델(LLM) 파인튜닝도 지원한다. 학습 과정에서 생성된 실행 이력과 파라미터, 성능 지표는 실험 단위로 기록된다. 사용자는 여러 학습 결과를 비교해 배포 후보 모델을 선정하고 모델 레지스트리에 등록할 수 있으며 등록된 모델은 서비스 API 형태로 배포된다. 반복적인 학습과 배포 작업은 워크플로우로 자동화하고 실행 상태와 이력도 통합 관리한다. 운영 영역에선 시크릿 관리 기능으로 비밀번호와 토큰, 접근 키 등 민감정보를 별도로 관리하며 프로메테우스 기반 모니터링을 통해 워크스페이스·노트북·학습·배포·워크플로우 상태는 물론 중앙처리장치(CPU)와 메모리 등 자원 사용 현황도 확인할 수 있다. 이노그리드는 에이아이큐브잇이 온프레미스와 다양한 클라우드 환경을 지원하도록 설계됐다고 설명했다. 환경별로 분산된 AI 개발·실행 도구를 하나의 플랫폼으로 연결해 개발과 운영 전 과정을 일관되게 관리할 수 있도록 지원한다고 밝혔다. 회사는 앞으로 에이아이큐브잇을 '프롬 xPU 투 AI 플랫폼(From xPU to AI Platform)' 기술 로드맵의 핵심 플랫폼으로 발전시킬 계획이다. 향후 LLM옵스 고도화와 대규모 멀티클러스터 관리, 깃옵스(GitOps) 기반 배포 기능을 적용하고 장기적으로는 AI 에이전트가 학습·배포·운영을 지원하는 플랫폼으로 확장한다는 구상이다. 김명진 이노그리드 대표는 "AI 프로젝트의 성패는 모델 개발뿐 아니라 데이터와 학습, 배포, 운영 환경을 얼마나 일관되고 안정적으로 관리하느냐에 달려 있다"며 "에이아이큐브잇은 복잡한 인프라 구성과 여러 운영 도구의 구성·연계 작업을 플랫폼이 처리해 개발자는 모델·서비스 개발에 집중하고 운영자는 정책·거버넌스에 집중할 수 있도록 설계한 제품"이라고 말했다. 이어 "앞으로 xPU 인프라부터 AI 서비스까지 하나의 컨트롤 플레인으로 연결·제어하는 기술 역량을 지속 고도화해 고객이 AI를 보다 빠르고 안정적으로 비즈니스에 적용할 수 있도록 지원하겠다"고 덧붙였다.

2026.07.30 09:22한정호 기자

탈 VM웨어 확산에 국산 SW 공세…오케스트로·이노그리드 전략 차별화

브로드컴 인수 이후 VM웨어의 구독형 계약이 순차적으로 만료되면서 국내 가상화 시장 재편이 본격화하고 있다. 라이선스 비용 부담과 AI 인프라 전환 수요가 맞물리면서 이른바 '탈(脫) VM웨어' 움직임도 확산하는 양상이다. 29일 관련 업계에 따르면 국산 인프라 소프트웨어(SW) 기업 오케스트로와 이노그리드는 이 같은 흐름에 대응한 사업 확대에 속도를 내고 있다. 오케스트로는 AI 인프라 운영체계 전반을 겨냥한 '오케스트로 4.0'을 공개했고, 이노그리드는 NHN인재아이엔씨와의 합병 이후 첫 파트너 행사를 열어 통합법인 사업 전략과 기술 청사진을 제시했다. 시장의 무게중심이 단순 가상화 도입을 넘어 AI 시대 인프라 통제력과 기술 주권 확보로 이동하고 있다는 해석이 나온다. 오케스트로 "통제 어려운 해외 가상화 서비스…AI 시대 종속 우려" 오케스트로는 AI 시대 주권 확보를 위협하는 요소 중 하나로 해외 가상화 서비스 의존을 지목하며 이에 대한 대응 필요성을 강조하고 있다. AI 산업 경쟁의 축이 거대언어모델(LLM)과 GPU 확보를 넘어 실제 산업 현장에서 AI를 안정적으로 운영·통제하는 인프라 SW로 옮겨가고 있는 상황에서, 이를 통합 관리하는 가상화 서비스 제공사가 해외 기업일 경우 정책 변화나 서비스 환경 변화에 국내 수요자가 능동적으로 대응하기 어렵다는 지적이다. 김민준 오케스트로그룹 의장은 '오퍼스(OPUS) 2026'에서 "VM웨어 등 글로벌 가상화 시장의 라이선스 정책과 가격 체계 변화로 국내 기업과 공공기관이 예상치 못한 비용 증가와 운영 부담을 경험한 사례가 늘고 있다"며 "특정 해외 기업에 대한 의존이 국내 IT 투자와 운영 안정성에 직접적인 영향을 줄 수 있다"고 말했다. 이어 "이는 단순한 구매 이슈가 아니라 기술 통제력과 지속가능성의 문제"라며 "AI 주권을 확보하기 위해서는 AI 모델뿐 아니라 인프라 SW에 대한 통제력도 갖춰야 한다"고 강조했다. 김영광 대표 겸 CTO는 이 같은 문제의식에 대한 대응 방안으로 '오케스트로 4.0'을 제시했다. 오케스트로 4.0은 기존 AI 인프라 풀스택 SW에 고객 환경에서 축적한 운영 데이터를 결합해 기획·개발·검증부터 서비스 제공, 기술 지원까지 전 과정을 AI 전환(AX) 기반으로 재편하는 전략이다. 핵심 기술은 온톨로지 기반 지식 그래프 '스코어(SCORE)'와 AI 기반 기술 생성 체계 '오케스트로 젠데브(OKESTRO GenDev)'다. 스코어는 자원·서비스·장애 이력·정책·비용 등 분산된 운영 데이터를 관계망으로 연결해 AI가 실제 운영 환경을 이해하고 판단하도록 지원한다. 젠데브는 이 데이터를 바탕으로 소프트웨어 개발 생애주기(SDLC) 전반에 AI를 적용하는 체계다. 회사 측은 이를 적용할 경우 전체 생산성이 기존 대비 약 10.6배 향상된다고 설명했다. 이 수치는 특정 고객 프로젝트가 아니라 내부 릴리즈 데이터를 측정한 결과라는 게 회사 측 설명이다. 김영광 대표 겸 CTO는 "AI 시대 경쟁력은 더 많은 자원을 보유하는 데만 있는 것이 아니라, 그 자원을 얼마나 잘 이해하고 운영하느냐에 달려 있다"며 "오케스트로 4.0은 고객이 외부 기술 정책에 흔들리지 않고 자율적으로 AI 인프라를 운영할 수 있도록 돕는 체계"라고 말했다. 이노그리드, 합병 시너지로 글로벌 수준 엔지니어링 체계 구축 NHN인재아이엔씨와 합병한 이노그리드는 국내 대표 AI 플랫폼 기업으로 성장하는 한편, VM웨어·레드햇 등 글로벌 솔루션과 경쟁할 수 있는 엔지니어링 역량과 유지보수 체계를 구축하겠다는 비전을 제시했다. 이노그리드는 통합법인의 정체성을 'xPU로부터 AI 플랫폼까지(From xPU to AI Platform)'로 규정하고 AI 인프라부터 플랫폼, 서비스 전반을 아우르는 사업 포트폴리오를 기반으로 AI 데이터센터와 플랫폼 시장 공략을 본격화하겠다는 청사진도 내놨다. 특히 NHN인재아이엔씨와의 합병을 통해 AI 인프라, GPU 서비스, 매니지드 서비스(MSP), 서비스형 데스크톱(DaaS)까지 포트폴리오가 확대된 만큼, 이를 하나의 사업 체계로 연결해 고객에게 통합 제공하는 것이 핵심 경쟁력이 될 것이라고 회사는 설명했다. 이노그리드는 이 과정에서 특정 해외 솔루션이나 클라우드에 대한 의존도를 낮추고 고사가 자율적으로 인프라와 플랫폼을 선택·운영할 수 있는 구조를 만드는 데도 주력하겠다는 입장이다. AI 인프라부터 운영, 플랫폼까지 국내 기업이 통제 가능한 체계를 갖추는 것이 결국 기술 주권 경쟁력으로 이어질 수 있다는 판단이다. 관계사 NHN클라우드와의 협업 확대도 주요 전략으로 제시됐다. 이노그리드는 NHN클라우드와 연계해 공공·금융·기업 시장에서 사업 경쟁력을 높이고 AI 클라우드 수요에 적극 대응할 방침이다. 김명진 대표는 "이제는 직접 영업 중심에서 벗어나 파트너와 함께 성장하는 구조를 만들어야 할 시점"이라며 "전국 지역 거점, 지방 IT기업, 전문 파트너사와 협력을 확대해 AI 데이터센터와 공공·기업 프로젝트를 함께 추진하는 생태계를 만들어 가겠다"고 강조했다.

2026.07.29 08:46남혁우 기자

Prev 1 2 3 4 5 6 Next