본문으로 건너뛰기
피드

메가존클라우드 컨소시엄, 사우디 아람코에서 국산 AI 반도체 실증한다

ai-ml 약 5분
vote
0
댓글
북마크

메가존클라우드가 퓨리오사AI, NC AI, 업스테이지, 유라클과 함께 사우디 아람코 디지털 환경에서 국산 NPU 기반 AI 서버 실증에 들어간다. 목표는 플랜트 2D 도면을 AI로 파싱해 3D 디지털 트윈 애셋을 자동 생성하고, GPU 대비 추론 성능과 전력 효율을 수치로 입증하는 것.

  • 1

    사우디 아람코 디지털에 퓨리오사AI 국산 NPU 서버를 구축해 해외 실증을 진행함

  • 2

    2D 플랜트 도면을 AI로 분석해 1분 이내 3D 렌더링을 만드는 서비스가 핵심 과제임

  • 3

    GPU 대비 추론 성능 15% 이상, 전력 효율 20% 이상 개선을 목표로 잡음

  • 4

    폐쇄망 에너지·플랜트 환경에서 국산 NPU가 GPU를 대체할 수 있는지 검증함

  • 국산 AI 반도체가 이번엔 꽤 빡센 현장으로 들어감. 메가존클라우드가 KRFSAI 컨소시엄 주관사로 선정돼 사우디 아람코 디지털에서 국산 NPU 서버 실증을 진행함

    • 참여사는 메가존클라우드, 퓨리오사AI, NC AI, 업스테이지, 유라클
    • 사업은 과학기술정보통신부와 정보통신산업진흥원(NIPA)의 2026년 AI-반도체 해외실증 지원 사업임
  • 실증 대상이 그냥 테스트랩이 아니라 세계 최대 석유생산 기업 아람코의 디지털 전담 법인이라는 점이 포인트임

    • 아람코 디지털 인프라에 퓨리오사AI의 국산 NPU인 RNGD 서버를 구축함
    • 에너지·플랜트 산업 특성상 폐쇄망, 보안, 안정성 요구가 강해서 반도체 실증 난도가 꽤 높음
  • 만드는 서비스는 플랜트 엔지니어링 2D 도면을 AI가 읽고 3D 디지털 트윈 애셋으로 자동 변환하는 구조임

    • 기존에는 2D 도면 검토, 수작업 3D 모델링, 문서화가 이어지는 식이라 시간과 비용이 많이 듦
    • 이번 실증은 이 과정을 AI 기반으로 자동화해 현장 업무 효율을 검증하는 게 목표임

중요

> 목표 수치가 꽤 구체적임. GPU 대비 AI 추론 성능 15% 이상 향상, 전력 효율 20% 이상 개선, 도면 객체 인식 정확도 90% 이상, 3D 렌더링 생성 시간 1분 이내를 제시함.

  • 컨소시엄은 같은 AI 모델을 GPU와 NPU 환경에서 각각 돌려 비교 측정할 예정임

    • 비교 항목은 추론 성능, 전력 효율, 안정성
    • 결과는 공인시험성적서로 제출해 국산 NPU의 경쟁력을 수치로 보여주겠다는 계획임
  • 역할 분담도 꽤 선명함. 이건 단일 솔루션 판매가 아니라 풀스택 실증에 가까움

    • 메가존클라우드는 사업 총괄, 현지 사업 개발, 하이브리드 클라우드 통합 관제 콘솔, 데이터 관리 정책, 보안·AI 컴플라이언스 가드레일을 맡음
    • 퓨리오사AI는 NPU 서버와 AI 추론 환경 구축·최적화를 담당함
    • NC AI는 AI 기반 3D 렌더링과 디지털 트윈 서비스를 개발함
    • 업스테이지는 산업 특화 대규모 언어 모델(LLM)과 모델 개발·최적화를 맡음
    • 유라클은 LLMOps와 AI 인프라 운영·모니터링 기능을 구현함

기술 맥락

  • 이번 실증의 핵심은 “NPU가 GPU보다 싸고 전기를 덜 먹는다”는 주장만 하는 게 아니라, 실제 폐쇄망 산업 환경에서 같은 모델을 돌려 비교한다는 점이에요. 에너지·플랜트 쪽은 보안과 안정성이 중요해서 단순 클라우드 데모로는 설득이 잘 안 되거든요.

  • 2D 도면에서 3D 디지털 트윈 애셋을 만드는 작업은 AI가 잘하면 효과가 바로 보이는 영역이에요. 도면 객체를 90% 이상 정확도로 인식하고 1분 안에 렌더링까지 만든다면, 사람이 반복적으로 하던 모델링 초안 작업을 크게 줄일 수 있어요.

  • 풀스택 구성이 중요한 이유는 칩만 좋아서는 현장에 못 들어가기 때문이에요. NPU 서버, 산업 특화 LLM, 3D 렌더링 서비스, LLMOps, 관제 콘솔, 보안 가드레일까지 같이 붙어야 실제 운영 환경에서 “이거 계속 써도 되겠다”는 판단이 나와요.

  • 한국 개발자 입장에서는 국산 AI 반도체가 데이터센터 밖 산업 현장에서 어떤 지표로 평가받는지 보는 사례라 의미가 있어요. 추론 성능, 전력 효율, 안정성, 객체 인식 정확도처럼 구매자가 실제로 볼 숫자가 전면에 나오기 시작했다는 게 포인트예요.

국산 AI 반도체가 진짜 산업 현장에 들어가려면 벤치마크 숫자보다 폐쇄망, 보안, 운영 안정성 같은 까다로운 조건을 통과해야 함. 이번 실증은 단순 홍보가 아니라 에너지·플랜트 도메인에서 NPU 상용 가능성을 따져보는 테스트베드에 가까움.

댓글

댓글

댓글을 불러오는 중...

ai-ml

유튜브, AI 생성 영상에 자동 라벨 붙인다

유튜브가 사실적으로 보이거나 의미 있게 AI로 변경·생성된 콘텐츠에 더 눈에 띄는 라벨을 적용하고, 제작자가 AI 사용 여부를 밝히지 않아도 내부 신호로 감지되면 자동 라벨을 붙이겠다고 밝혔다. 다만 라벨만으로 추천 노출이나 수익화 자격이 바뀌지는 않으며, 제작자는 YouTube Studio에서 잘못된 판정을 수정할 수 있다.

ai-ml

테크 CEO들의 'AI 만능론', 숫자는 아직 그렇게 말하지 않는다

테크 업계에서 AI를 이유로 한 대규모 감원과 조직 재편이 이어지는 가운데, Box 창업자 애런 레비는 CEO들이 실제 업무의 마지막 1마일을 모른 채 AI 에이전트의 능력을 과대평가하고 있다고 지적했다. 2026년 첫 5개월 동안 이미 11만5430명이 해고됐고, 여러 연구는 AI 도입이 체감 생산성만큼 실제 생산성을 끌어올렸다는 근거가 아직 약하다고 말한다.

ai-ml

오픈AI와 앤트로픽, 코딩 에이전트로 드디어 돈 되는 시장을 찾은 듯

사이먼 윌리슨은 오픈AI와 앤트로픽이 코딩 에이전트와 기업용 과금으로 진짜 제품-시장 적합성을 찾았다고 봐. 개인 구독자에게는 월 100달러 플랜이 싸게 느껴지지만, 기업 고객은 이제 사용량 기준 토큰 가격을 그대로 내기 시작했고 이게 대형 고객 예산을 빠르게 흔들고 있다는 얘기야.

ai-ml

컴팔과 GMI 클라우드, 대규모 추론용 AI 인프라 구축 협력

컴팔이 실리콘밸리 기반 AI 인프라 기업 GMI 클라우드와 협력해 대규모 추론과 에이전틱 AI 워크로드에 맞춘 GPU 서버 인프라를 구축한다고 발표했어. COMPUTEX 2026에서는 NVIDIA HGX B300을 지원하는 Compal SGX30-2 같은 고성능 AI 서버 플랫폼도 선보일 예정이야.

ai-ml

AI 쓰면 편해진다더니, 직장인들은 ‘AI 과부하’에 지쳐가는 중

국내 직장인들이 AI 전환 압박, AI 답변 검증 부담, 대체 불안 때문에 피로감을 호소하고 있어. 중앙일보 설문에서는 5284명 중 31.6%가 ‘AI 답변 검증에 시간이 더 걸릴 때’를 가장 지치는 순간으로 꼽았고, 기업들은 무작정 AI 사용량을 밀어붙이는 방식에서 업무 방식 재설계로 넘어가야 한다는 지적이 나와.