1
00:00:00,600 --> 00:00:03,442
안녕하십니까, 에즈웰에이아이입니다.

2
00:00:03,472 --> 00:00:06,617
귀한 자리에 초대해 주셔서 감사합니다.

3
00:00:06,647 --> 00:00:09,338
오늘 드릴 말씀은 한 문장입니다.

4
00:00:09,368 --> 00:00:14,780
물리 세계에도 팹리스가 온다, 그리고 그 무기는 디지털 트윈이다.

5
00:00:14,810 --> 00:00:21,281
이 한 문장을 산업의 흐름과 실제 현장 다섯 곳의 영상으로 증명해 보겠습니다.

6
00:00:22,911 --> 00:00:25,350
이야기는 다섯 걸음으로 갑니다.

7
00:00:25,380 --> 00:00:29,562
산업은 설계하는 쪽과 만드는 쪽으로 나뉘고 있습니다.

8
00:00:29,592 --> 00:00:34,065
나뉘고 나면 가치는 설계를 가진 쪽, 팹리스로 모입니다.

9
00:00:34,095 --> 00:00:37,841
팹리스의 무기는 만들기 전에 검증하는 능력이고,

10
00:00:37,871 --> 00:00:41,472
물리 세계에서 그 도구가 디지털 트윈입니다.

11
00:00:41,502 --> 00:00:45,684
단, 트윈은 그림이 아니라 돌아가는 루프여야 합니다.

12
00:00:45,714 --> 00:00:52,801
그리고 마지막으로, 그 루프를 실제 현장 다섯 곳에서 어떻게 돌렸는지 보여 드리겠습니다.

13
00:00:54,444 --> 00:00:56,805
먼저, 산업의 흐름입니다.

14
00:00:59,044 --> 00:01:01,687
분업은 반도체에서 시작됐습니다.

15
00:01:01,717 --> 00:01:05,459
엔비디아는 설계하고, TSMC는 만듭니다.

16
00:01:05,489 --> 00:01:08,132
이 구조가 화장품으로 왔습니다.

17
00:01:08,162 --> 00:01:14,269
달바는 공장 없이 기획과 브랜드에 집중해 작년 매출이 68% 늘었고,

18
00:01:14,299 --> 00:01:19,922
생산을 맡은 한국콜마와 코스맥스도 역대 최대 매출을 냈습니다.

19
00:01:19,952 --> 00:01:22,751
나뉘었더니 양쪽이 모두 컸습니다.

20
00:01:22,781 --> 00:01:30,611
그런데 건물, 데이터센터, 공장 같은 물리 인프라는 아직 이 분업 이전에 머물러 있습니다.

21
00:01:30,641 --> 00:01:33,598
다음 차례는 바로 물리 세계입니다.

22
00:01:35,227 --> 00:01:38,315
AI 산업을 보면 더 분명합니다.

23
00:01:38,345 --> 00:01:42,935
빅테크 네 곳의 올해 설비투자 계획이 7천억 달러를 넘고,

24
00:01:42,965 --> 00:01:48,134
CoreWeave 한 곳의 수주 잔고만 약 990억 달러입니다.

25
00:01:48,164 --> 00:01:49,537
돈은 충분합니다.

26
00:01:49,567 --> 00:01:54,524
막히는 곳은 전력, 냉각, 부지, 그리고 공사 기간입니다.

27
00:01:54,554 --> 00:01:59,824
데이터센터 전력 수요는 2030년까지 두 배 이상 늘어납니다.

28
00:01:59,854 --> 00:02:04,344
다시 말해, AI의 병목은 물리 세계에 있습니다.

29
00:02:05,973 --> 00:02:09,906
그런데 물리 세계는 여전히 지어 봐야 압니다.

30
00:02:09,936 --> 00:02:16,721
건설 생산성은 20년간 연 1% 늘었고, 제조업은 3.6% 늘었습니다.

31
00:02:16,751 --> 00:02:24,170
건물 운영이 세계 에너지의 30%를 쓰고, 데이터센터 효율은 6년째 제자리입니다.

32
00:02:24,200 --> 00:02:27,498
반도체는 이 문제를 어떻게 풀었을까요?

33
00:02:27,528 --> 00:02:32,094
칩을 굽기 전에, EDA로 수없이 시뮬레이션합니다.

34
00:02:32,124 --> 00:02:35,264
물리 세계에도 EDA가 필요합니다.

35
00:02:35,294 --> 00:02:37,959
그것이 바로 디지털 트윈입니다.

36
00:02:39,588 --> 00:02:43,012
두 번째 장, 팹리스와 디지털 트윈입니다.

37
00:02:45,255 --> 00:02:51,455
팹리스의 경쟁력은 설계 그 자체보다, 만들기 전에 검증하는 능력에 있습니다.

38
00:02:51,485 --> 00:02:56,498
반도체는 설계하고, EDA로 검증하고, 파운드리에 맡깁니다.

39
00:02:56,528 --> 00:02:59,464
물리 세계도 똑같이 갈 수 있습니다.

40
00:02:59,494 --> 00:03:03,288
도면으로 설계하고, 디지털 트윈에서 검증하고,

41
00:03:03,318 --> 00:03:09,254
시공과 제조는 파트너가 맡고, 운영은 AI가 돕되 사람이 승인합니다.

42
00:03:09,284 --> 00:03:12,369
저희는 공장도, 건설 장비도 없습니다.

43
00:03:12,399 --> 00:03:18,450
대신 설계 데이터와 운영 두뇌를 가진, 물리 세계의 팹리스가 되려 합니다.

44
00:03:20,088 --> 00:03:25,053
디지털 트윈이라고 하면 보통 3D 그림을 떠올리십니다.

45
00:03:25,083 --> 00:03:29,081
하지만 그림만으로는 아무것도 바뀌지 않습니다.

46
00:03:29,111 --> 00:03:33,271
첫째, 도면과 센서로 현장을 데이터로 옮깁니다.

47
00:03:33,301 --> 00:03:36,654
둘째, 그 위에서 대안을 돌려 봅니다.

48
00:03:36,684 --> 00:03:40,843
셋째, 결과를 사람이 승인해 현실에 반영합니다.

49
00:03:40,873 --> 00:03:45,194
넷째, 현실에서 잰 값으로 트윈을 다시 고칩니다.

50
00:03:45,224 --> 00:03:50,350
이 루프가 돌 때, 트윈은 보고서가 아니라 도구가 됩니다.

51
00:03:51,988 --> 00:03:55,498
그리고 트윈의 진짜 가치는 여기에 있습니다.

52
00:03:55,528 --> 00:03:58,300
현실에서는 할 수 없는 실험입니다.

53
00:03:58,330 --> 00:04:04,200
공사는 한 번밖에 못 짓지만, 트윈에서는 수백 번 지어 볼 수 있습니다.

54
00:04:04,230 --> 00:04:08,772
2만 명 관중을 실제로 화재 대피시켜 볼 수는 없습니다.

55
00:04:08,802 --> 00:04:15,113
영업 중인 매장이나 가동 중인 데이터센터에서 일부러 고장을 낼 수도 없습니다.

56
00:04:15,143 --> 00:04:18,948
이 다섯 줄이 오늘 보여 드릴 다섯 현장입니다.

57
00:04:20,588 --> 00:04:25,693
이 루프를 빠르게 돌리려면 현장마다 처음부터 만들어서는 안 됩니다.

58
00:04:25,723 --> 00:04:28,607
저희 트윈은 모두 같은 뼈대를 씁니다.

59
00:04:28,637 --> 00:04:35,477
부품은 자체 CAD인 AzwellCraft로 만들고, 설정만 바꾸면 3D와 숫자가 함께 바뀌고,

60
00:04:35,507 --> 00:04:40,402
해설과 제안서는 사내 LLM Minerva가 폐쇄망 안에서 씁니다.

61
00:04:40,432 --> 00:04:44,704
그리고 물리 설비를 다루는 AI는 안전이 먼저입니다.

62
00:04:44,734 --> 00:04:51,365
그래서 처음부터, AI는 제안만 하고 실행은 반드시 사람이 승인하도록 설계했습니다.

63
00:04:52,995 --> 00:04:56,278
세 번째 장, 실제 현장 다섯 곳입니다.

64
00:04:58,508 --> 00:05:03,825
짓는 중인 대형 공사, 개관 전의 공연장, 운영 중인 대형 건물,

65
00:05:03,855 --> 00:05:10,508
설계에서 운영까지 이어지는 데이터센터, 그리고 저희 사옥 같은 일반 건물입니다.

66
00:05:10,538 --> 00:05:13,330
사례마다 같은 순서로 보시겠습니다.

67
00:05:13,360 --> 00:05:18,677
현장의 문제, 트윈 속 실험 영상, 결과, 그리고 인사이트입니다.

68
00:05:20,308 --> 00:05:22,584
첫 번째, 대형 공사입니다.

69
00:05:22,614 --> 00:05:26,581
E사의 대형 복합시설 공사는 33개월짜리입니다.

70
00:05:26,611 --> 00:05:32,884
건물이 영업하는 중에 리모델링을 하면서, 지하를 역타 공법으로 증축합니다.

71
00:05:32,914 --> 00:05:38,572
작년 1월부터 9월까지만 해도 건설 현장에서 210명이 숨졌습니다.

72
00:05:38,602 --> 00:05:41,954
트윈은 37개 작업의 주공정을 계산하고,

73
00:05:41,984 --> 00:05:47,027
작업 기간의 불확실성을 600번 돌려 준공 확률을 냅니다.

74
00:05:47,057 --> 00:05:51,987
그리고 현장 작업자는 매일 트윈으로 오늘 할 일을 받고,

75
00:05:52,017 --> 00:05:54,867
일을 마치면 AI에 보고합니다.

76
00:05:54,897 --> 00:06:01,170
현실에서는 한 번밖에 못 짓는 공사를, 트윈에서는 매일 다시 지어 봅니다.

77
00:06:02,608 --> 00:06:05,826
E사 대형 복합시설의 시공 4D 트윈입니다.

78
00:06:07,608 --> 00:06:12,076
날짜를 움직이면, 그날의 공사 상태가 3D로 차오릅니다.

79
00:06:15,608 --> 00:06:18,738
지하 증축 역타 굴착이 단계별로 내려가고,

80
00:06:18,768 --> 00:06:22,035
깊이와 슬래브, 주공정이 함께 표시됩니다.

81
00:06:27,608 --> 00:06:30,217
과굴착 상황을 넣어 보겠습니다.

82
00:06:30,247 --> 00:06:35,185
계측 알람이 뜨고, 원인 진단과 승인형 조치로 이어집니다.

83
00:06:37,608 --> 00:06:40,972
공정표에서는 기준안 대비 공기 단축 시나리오를,

84
00:06:41,002 --> 00:06:44,757
몬테카를로 600회로 준공 확률 분포를 확인합니다.

85
00:06:48,608 --> 00:06:54,891
18개 계측 센서의 판정과, 영업 중인 매장에 미치는 소음과 보행 영향도 함께 봅니다.

86
00:07:03,608 --> 00:07:09,728
마지막으로, 사내 LLM이 이 수치만을 근거로 기술제안 문단을 직접 작성합니다.

87
00:07:18,608 --> 00:07:22,675
설계, 시공, 운영을 하나의 트윈으로 잇습니다.

88
00:07:25,842 --> 00:07:29,067
트윈은 사무실에서만 보는 것이 아닙니다.

89
00:07:29,097 --> 00:07:33,803
현장 작업자가 매일 아침 트윈으로 오늘 할 일을 받습니다.

90
00:07:33,833 --> 00:07:37,404
4D 공정에서 그날 작업을 작업반별로 나눠,

91
00:07:37,434 --> 00:07:44,457
위치, 수량, 인원, 안전 주의사항과 함께 보내고, 3D에 작업 구역을 표시합니다.

92
00:07:44,487 --> 00:07:50,968
트윈 안에서는 작업자와 펌프카, 크레인, 굴착기가 시간대별로 실제처럼 움직이고,

93
00:07:50,998 --> 00:07:54,224
위험 구역에 들어가면 바로 감지합니다.

94
00:07:54,254 --> 00:07:58,219
반장은 확인 버튼으로 작업을 인지했다고 알립니다.

95
00:07:58,249 --> 00:08:01,882
하루가 끝나면 반장이 말하듯 보고를 남기고,

96
00:08:01,912 --> 00:08:07,986
AI가 이를 수량, 달성률, 지연, 이슈, 내일 잔여량으로 정리합니다.

97
00:08:08,016 --> 00:08:13,044
PM은 이 실적으로 주공정을 다시 계산해 준공 영향을 보고,

98
00:08:13,074 --> 00:08:16,569
AI가 제안한 내일 조정안을 승인합니다.

99
00:08:16,599 --> 00:08:19,380
공정 관리가 하루 단위로 닫힙니다.

100
00:08:20,811 --> 00:08:25,716
아침 7시, 작업반 열 개가 모여 조회와 체조를 합니다.

101
00:08:25,746 --> 00:08:28,263
안전모 색이 곧 작업반입니다.

102
00:08:28,643 --> 00:08:33,876
작업반마다 반장이 TBM을 열어, 오늘 작업과 위험 요인을 공유합니다.

103
00:08:34,256 --> 00:08:39,790
작업자들은 가설 계단을 따라 굴착 바닥까지, 각자의 작업 구역으로 이동합니다.

104
00:08:40,170 --> 00:08:41,835
콘크리트 타설입니다.

105
00:08:41,865 --> 00:08:47,844
펌프카 붐과 레미콘 대기열이 보이고, 진척만큼 타설 면적이 늘어납니다.

106
00:08:48,224 --> 00:08:52,689
철근반은 타워크레인으로 철근 다발을 올려 결속합니다.

107
00:08:52,719 --> 00:08:55,788
인양물 아래는 출입 금지 구역입니다.

108
00:08:56,168 --> 00:09:00,145
굴착 현장에서 작업자가 굴착기 회전 반경에 들어가면,

109
00:09:00,175 --> 00:09:03,598
바로 감지해 반장과 안전관리자에게 알립니다.

110
00:09:03,978 --> 00:09:10,101
이 작업들은 4D 공정에서 작업반별 오늘 작업 지시로 자동으로 만들어져 발송됩니다.

111
00:09:10,481 --> 00:09:15,709
반장은 모바일에서 확인하고, 하루가 끝나면 말하듯 완료 보고를 남깁니다.

112
00:09:16,089 --> 00:09:22,496
AI가 수량, 달성률, 지연, 이슈, 내일 잔여량으로 정리합니다.

113
00:09:22,526 --> 00:09:27,408
83% 달성, 펌프카 고장으로 2시간 지연입니다.

114
00:09:27,788 --> 00:09:31,352
반장이 확인하고 제출해야만 공정에 반영됩니다.

115
00:09:31,732 --> 00:09:34,634
PM은 미확인과 미보고 작업반을 보고,

116
00:09:34,664 --> 00:09:39,661
주공정을 다시 계산해 준공이 0.3일 늦어지는 것을 확인합니다.

117
00:09:40,041 --> 00:09:43,471
보고된 실적은 3D로 다시 재생됩니다.

118
00:09:43,501 --> 00:09:49,447
10시부터 12시까지 타설이 멈췄고, 17%가 내일로 넘어갑니다.

119
00:09:49,827 --> 00:09:53,013
AI가 인원 보강과 예비 펌프카를 제안하고,

120
00:09:53,043 --> 00:09:57,033
PM이 승인하면 준공 영향이 다시 0일로 돌아옵니다.

121
00:09:57,413 --> 00:10:03,639
현장 작업에서 트윈, AI, 공정 관리까지, 하루 단위로 닫히는 루프입니다.

122
00:10:05,277 --> 00:10:10,801
같은 공사를 순타, 역타, 역타 2작업구로 바꿔 가며 돌렸습니다.

123
00:10:10,831 --> 00:10:13,945
제안안은 공기를 2.4개월 줄이고,

124
00:10:13,975 --> 00:10:19,902
계약 기간 안에 끝날 확률을 6.5%에서 79%로 끌어올립니다.

125
00:10:19,932 --> 00:10:24,221
소음과 진동 기준 초과는 18건에서 0건이 됩니다.

126
00:10:24,251 --> 00:10:28,232
제안 단계의 공개 자료와 가정으로 낸 숫자이고,

127
00:10:28,262 --> 00:10:33,013
시공계획서를 받으면 설정만 바꿔 바로 다시 계산합니다.

128
00:10:33,043 --> 00:10:34,865
인사이트는 이것입니다.

129
00:10:34,895 --> 00:10:40,109
공기와 안전 리스크는, 현장이 아니라 트윈에서 먼저 줄입니다.

130
00:10:41,744 --> 00:10:43,600
두 번째, 공연장입니다.

131
00:10:43,630 --> 00:10:47,953
H 아레나는 2만 명 이상이 들어가는 공연장입니다.

132
00:10:47,983 --> 00:10:53,131
발주처가 준 평면도 PDF 열두 장만으로 3D 트윈을 만들었고,

133
00:10:53,161 --> 00:11:03,043
관중 대피, 로봇 순찰, CCTV 배치, 무대 반입, 주차, 청소까지 여섯 가지 운영을 개관 전에 미리 돌려 봤습니다.

134
00:11:03,073 --> 00:11:06,235
가장 중요한 관중 대피부터 보시겠습니다.

135
00:11:07,877 --> 00:11:14,725
2만 2천 명이 정상적으로 나가면, 95%가 빠져나가는 데 12.5분이 걸립니다.

136
00:11:14,755 --> 00:11:21,988
그런데 북측에서 불이 나 게이트 세 곳과 통로 다섯 곳을 쓸 수 없게 되면 16.7분,

137
00:11:22,018 --> 00:11:23,652
33% 늘어납니다.

138
00:11:23,682 --> 00:11:27,896
병목은 콘코스에서 계단 코어로 들어가는 입구였습니다.

139
00:11:27,926 --> 00:11:35,798
코어마다 3미터 보조계단을 두고 남측에 터널을 내는 안을 같은 모델로 다시 돌렸더니, 12.7분.

140
00:11:35,828 --> 00:11:38,725
화재가 없을 때와 거의 같아졌습니다.

141
00:11:40,154 --> 00:11:43,990
아레나 2만 2천 명의 퇴장 시뮬레이션입니다.

142
00:11:44,020 --> 00:11:49,247
좌석에서 통로, 콘코스, 계단 코어를 거쳐 게이트로 나갑니다.

143
00:11:49,627 --> 00:11:51,143
정상 퇴장입니다.

144
00:11:51,173 --> 00:11:55,094
붉은 사람은 줄 서서 기다리는 관중입니다.

145
00:11:55,474 --> 00:12:00,369
위에서 보면, 콘코스에서 계단 코어 입구로 줄이 생기는 것이 보입니다.

146
00:12:02,154 --> 00:12:04,282
이번에는 북측 화재입니다.

147
00:12:04,312 --> 00:12:09,061
게이트와 통로가 막히자, 관중이 남측 게이트로 몰립니다.

148
00:12:18,154 --> 00:12:19,181
개선안입니다.

149
00:12:19,211 --> 00:12:25,822
보조계단과 남측 터널을 더하자, 같은 화재에서도 정상 퇴장 수준으로 돌아옵니다.

150
00:12:27,154 --> 00:12:31,166
3천 명 중형 공연장도 같은 방식으로 확인했습니다.

151
00:12:31,196 --> 00:12:37,663
화재 시 70% 늘던 퇴장 시간을, 출입문 두 곳 추가로 1.3분 줄였습니다.

152
00:12:46,354 --> 00:12:50,160
대피 말고도 다섯 가지 운영을 더 돌렸습니다.

153
00:12:50,190 --> 00:12:53,995
순찰 로봇 16대면 27분에 한 바퀴를 돌고,

154
00:12:54,025 --> 00:12:59,517
행사 중 거점에 세워 두면 화재 지점까지 15초 안에 닿습니다.

155
00:12:59,547 --> 00:13:06,881
CCTV로 95%를 덮으려면 226대가 필요한데, 남는 사각지대는 로봇이 메웁니다.

156
00:13:06,911 --> 00:13:13,784
반입은 4.7시간에서 3.1시간으로, 출차 대기는 15분에서 2분으로 줄어듭니다.

157
00:13:13,814 --> 00:13:15,932
순찰 장면을 보시겠습니다.

158
00:13:17,362 --> 00:13:21,099
순찰 로봇 16대가 1층을 구역별로 나눠 돕니다.

159
00:13:23,362 --> 00:13:26,623
CCTV 사각지대에는 보강 지점을 둡니다.

160
00:13:29,362 --> 00:13:33,978
북측 콘코스에서 화재가 감지되면, 가장 가까운 로봇이 출동하고,

161
00:13:34,008 --> 00:13:36,499
두 번째 로봇은 통제선을 칩니다.

162
00:13:38,362 --> 00:13:44,367
16대가 있으면 평균 116초, 거점에 대기시키면 15초 만에 현장에 닿습니다.

163
00:13:51,562 --> 00:13:56,829
트윈에서 관객 동선과 혼잡을 돌려 보니, 로봇의 기준도 나왔습니다.

164
00:13:56,859 --> 00:14:03,843
역에서 공연장까지 사람을 데려가는 로봇은 군중 위로 보이도록 1.2미터 이상이어야 하고,

165
00:14:03,873 --> 00:14:09,139
사람 걸음에 맞춰야 하며, 군중 속에서 절대 넘어지면 안 됩니다.

166
00:14:09,169 --> 00:14:13,863
그 기준으로 설계한 것이 동행 안내 로봇, Duck Guide입니다.

167
00:14:13,893 --> 00:14:21,593
부품 56개가 겹치지 않는지, 어느 방향에서 얼마의 힘에 넘어지는지까지 만들기 전에 계산했습니다.

168
00:14:21,623 --> 00:14:24,170
설계는 저희가, 생산은 파트너가.

169
00:14:24,200 --> 00:14:27,892
팹리스 구조를 로봇에도 그대로 적용한 것입니다.

170
00:14:29,329 --> 00:14:30,614
Duck Guide입니다.

171
00:14:30,644 --> 00:14:37,190
키 1.27미터, 얼굴은 LED 화면, 큰 신발 속에 바퀴 모터가 들어 있습니다.

172
00:14:40,329 --> 00:14:46,976
외피를 투명하게 하면, 프레임과 배터리, 센서가 빈틈없이 들어간 모습이 보입니다.

173
00:14:47,006 --> 00:14:49,350
아직은 계산 검토 단계입니다.

174
00:14:50,996 --> 00:14:53,692
세 번째, 대형 건물 운영입니다.

175
00:14:53,722 --> 00:15:01,418
빙축열 설비사 F사와 함께 대형마트 세 개 지점의 설비 데이터를 1분 단위로 분석했습니다.

176
00:15:01,448 --> 00:15:05,508
냉방의 99%를 이미 얼음이 맡고 있었습니다.

177
00:15:05,538 --> 00:15:07,780
잘 돌아가고 있었던 겁니다.

178
00:15:07,810 --> 00:15:10,203
그래서 질문은 이것이었습니다.

179
00:15:10,233 --> 00:15:14,445
잘 돌아가는 설비에서, 얼마를 더 줄일 수 있는가.

180
00:15:14,475 --> 00:15:19,746
영업 중인 매장에서 운전을 바꿔 보거나 고장을 낼 수는 없으니,

181
00:15:19,776 --> 00:15:22,927
기계실을 통째로 트윈으로 옮겼습니다.

182
00:15:24,362 --> 00:15:27,232
지점을 고르면 건물 3D로 들어갑니다.

183
00:15:30,362 --> 00:15:36,623
기계실 트윈에서는 냉동기, 빙축열조, 펌프, 밸브의 흐름을 한눈에 봅니다.

184
00:15:41,362 --> 00:15:44,642
설비를 누르면 실시간 값과 추이가 나옵니다.

185
00:15:49,362 --> 00:15:53,336
브라인 유량이 흔들리는 고장을 넣어 보겠습니다.

186
00:15:53,366 --> 00:15:57,032
알람이 뜨고, AI가 원인을 진단합니다.

187
00:16:03,362 --> 00:16:08,485
담당자가 말로 지시하면, 사내 LLM이 이를 제어 태그와 값으로 바꿉니다.

188
00:16:15,362 --> 00:16:19,029
그리고 사람이 승인한 뒤에만 실제 설비에 쓰입니다.

189
00:16:25,896 --> 00:16:26,820
결과입니다.

190
00:16:26,850 --> 00:16:33,344
운전과 설비를 함께 개선하면 전기요금을 6.4% 더 줄일 수 있습니다.

191
00:16:33,374 --> 00:16:38,755
그런데 그중 AI 운전 최적화 몫은 1에서 2%입니다.

192
00:16:38,785 --> 00:16:42,414
나머지는 제빙 효율과 계약전력 조정입니다.

193
00:16:42,444 --> 00:16:46,711
저희는 이 숫자를 고객에게 그대로 말씀드렸습니다.

194
00:16:46,741 --> 00:16:48,620
인사이트는 이것입니다.

195
00:16:48,650 --> 00:16:55,235
AI를 과장하지 않고, 어디서 얼마를 줄일지 실측으로 나눠 보여 줄 때,

196
00:16:55,265 --> 00:16:57,054
고객이 움직입니다.

197
00:16:58,696 --> 00:17:00,897
네 번째, 데이터센터입니다.

198
00:17:00,927 --> 00:17:06,997
GPU 랙 하나가 200킬로와트를 넘어, 이제 공기로는 식힐 수 없습니다.

199
00:17:07,027 --> 00:17:12,799
IT 20메가와트 한 동만 해도 GPU를 빼고 2천억 원이 넘습니다.

200
00:17:12,829 --> 00:17:16,518
설계 대안 하나하나가 곧 큰 투자 판단입니다.

201
00:17:16,548 --> 00:17:19,791
저희는 데이터센터를 네 단계로 다룹니다.

202
00:17:19,821 --> 00:17:25,977
자동 설계 플랫폼, 2기가와트 캠퍼스 트윈, D사의 9메가와트 데이터홀,

203
00:17:26,007 --> 00:17:31,545
그리고 K사 데이터센터 상면에서 실제로 검증한 AI 냉방입니다.

204
00:17:31,575 --> 00:17:34,371
영상 네 편을 이어서 보시겠습니다.

205
00:17:35,802 --> 00:17:39,061
AI 데이터센터 설계 플랫폼입니다.

206
00:17:39,091 --> 00:17:42,193
요구 조건만 넣으면 설계가 끝납니다.

207
00:17:42,573 --> 00:17:47,546
용량, GPU 종류, 이중화, 수전 방식을 입력합니다.

208
00:17:50,802 --> 00:17:56,580
GPU 수, 피크 전력, PUE, 투자비, 연면적이 바로 나옵니다.

209
00:17:56,960 --> 00:18:02,184
전력, 냉방, 공조, 에너지까지 공종별로 설계됩니다.

210
00:18:06,802 --> 00:18:10,891
일반 수전과 초전도 수전 같은 대안을 나란히 비교합니다.

211
00:18:15,802 --> 00:18:20,472
견적은 품목별 투자비부터 10년 총소유비용까지 계산됩니다.

212
00:18:24,802 --> 00:18:29,181
이제 설계 결과로 조립한 3D 디지털 트윈입니다.

213
00:18:29,211 --> 00:18:35,952
부지, 서버동, 수전 설비, 발전기, 방열 설비가 설계 대수 그대로 놓입니다.

214
00:18:36,402 --> 00:18:40,622
외피를 걷고 층을 자르면, 데이터홀의 랙 열과 밀폐 아일,

215
00:18:40,652 --> 00:18:43,278
냉각 배관, 버스웨이까지 보입니다.

216
00:18:43,658 --> 00:18:48,562
랙 앞으로 다가가 장비를 누르면, 그 장비의 설계 수치가 바로 나옵니다.

217
00:18:49,002 --> 00:18:54,171
전기실과 기계실, 옥상 방열 설비, 발전기와 에너지 저장 장치까지,

218
00:18:54,201 --> 00:18:57,684
대수와 배치가 모두 설계 결과를 따라갑니다.

219
00:19:02,602 --> 00:19:09,666
초전도 수전 대안으로 바꾸면, 수전 설비가 초전도 단말과 케이블 트렌치로 바뀌어 면적이 줄어듭니다.

220
00:19:11,202 --> 00:19:14,949
단선도와 냉각 계통도까지 자동으로 나옵니다.

221
00:19:14,979 --> 00:19:18,726
요구 조건에서 도면까지, 몇 분이면 됩니다.

222
00:19:26,969 --> 00:19:30,681
다음은 2기가와트 데이터센터 캠퍼스 트윈입니다.

223
00:19:32,969 --> 00:19:37,558
서버동으로 들어가면 층과 홀, 공조와 급전 계통이 보입니다.

224
00:19:38,969 --> 00:19:43,006
데이터홀에서는 랙과 냉각 장치의 실시간 상태를 봅니다.

225
00:19:48,969 --> 00:19:53,474
가동 중인 데이터센터에서는 절대 할 수 없는 실험입니다.

226
00:19:53,504 --> 00:19:56,400
냉각 장치 한 대를 멈춰 보겠습니다.

227
00:19:56,430 --> 00:20:02,545
알람이 뜨고, AI가 원인을 진단해 조치를 제안하고, 사람이 승인합니다.

228
00:20:10,969 --> 00:20:16,006
154킬로볼트 수전부터 랙까지, 급전 계통이 3D로 이어집니다.

229
00:20:22,969 --> 00:20:26,298
일반 케이블 대신 초전도 케이블을 쓰면,

230
00:20:26,328 --> 00:20:30,422
부지는 25%, 송전 손실은 75% 줄어듭니다.

231
00:20:31,969 --> 00:20:36,455
이 설계 수치만을 근거로, 사내 LLM이 제안 문단을 씁니다.

232
00:20:50,902 --> 00:20:53,067
D사 전산실 트윈입니다.

233
00:20:53,097 --> 00:20:57,962
실제 도면 그대로 기둥과 항온항습실을 모델링했습니다.

234
00:20:58,342 --> 00:21:03,393
수냉 설계안에서 랙과 냉각 장치, 배관까지 3D로 검토합니다.

235
00:21:10,902 --> 00:21:14,090
같은 방에 공냉 설계안을 넣어 봅니다.

236
00:21:14,120 --> 00:21:18,381
전환하는 순간 지표와 배치 검사가 다시 계산됩니다.

237
00:21:25,902 --> 00:21:29,688
2D 평면도에서는 이격 거리를 자동으로 검토합니다.

238
00:21:39,902 --> 00:21:45,108
두 안을 나란히 놓고 IT 용량, 하중, 냉각 방식을 비교합니다.

239
00:21:49,902 --> 00:21:54,686
그리고 이 수치를 근거로 사내 LLM이 제안 문단을 작성합니다.

240
00:22:11,902 --> 00:22:16,740
GPU를 설계했다면, 이제 그 GPU로 돈을 벌어야 합니다.

241
00:22:16,770 --> 00:22:21,313
D사 전산실 한 곳에만 GPU 2,304개가 들어갑니다.

242
00:22:21,343 --> 00:22:25,295
이 GPU가 수익을 내려면 세 가지가 필요합니다.

243
00:22:25,325 --> 00:22:31,196
여러 팀과 고객이 나눠 쓰고, 안전하게 접근하고, 멈추지 않아야 합니다.

244
00:22:31,226 --> 00:22:39,751
첫째, Vulcan은 보유한 GPU 서버를 우리 회사만의 GPU 클라우드로 바꾸는 Private GPUaaS입니다.

245
00:22:39,781 --> 00:22:44,767
메일로 요청하고 며칠씩 기다리던 GPU를 셀프서비스로 바꾸고,

246
00:22:44,797 --> 00:22:47,864
사용량과 과금을 한 화면에서 봅니다.

247
00:22:47,894 --> 00:22:52,732
자체 구축하면 3에서 6개월 걸리는 일을 1주 만에 올리고,

248
00:22:52,762 --> 00:22:56,125
모델과 데이터는 사내에 그대로 남습니다.

249
00:22:56,155 --> 00:23:00,993
둘째, GPU 클러스터에는 고객의 모델과 데이터가 모입니다.

250
00:23:01,023 --> 00:23:03,796
그래서 보안이 곧 영업 조건입니다.

251
00:23:03,826 --> 00:23:07,341
Janus는 공용 계정과 상시 권한을 없애고,

252
00:23:07,371 --> 00:23:11,171
요청해서 승인받은 시간 동안만 접근하게 합니다.

253
00:23:11,201 --> 00:23:16,583
DB 쿼리, 서버 명령, 쿠버네티스 실행까지 모두 Janus를 거쳐,

254
00:23:16,613 --> 00:23:19,432
변조할 수 없는 기록으로 남습니다.

255
00:23:19,462 --> 00:23:23,746
공공과 금융 파일럿에서 감사 대응 시간은 70%,

256
00:23:23,776 --> 00:23:27,102
권한 운영 공수는 50% 줄었습니다.

257
00:23:28,735 --> 00:23:31,424
Vulcan과 Janus의 실제 화면입니다.

258
00:23:31,454 --> 00:23:33,387
왼쪽은 Vulcan 콘솔입니다.

259
00:23:33,417 --> 00:23:38,745
저희 B200 서버의 GPU 여덟 장을 워크스페이스로 나눠 쓰고,

260
00:23:38,775 --> 00:23:43,807
GPU마다 사용률, 메모리, 온도, 전력을 5초마다 봅니다.

261
00:23:43,837 --> 00:23:46,827
목업이 아니라 실제 운영 화면입니다.

262
00:23:46,857 --> 00:23:49,092
오른쪽은 Janus 콘솔입니다.

263
00:23:49,122 --> 00:23:53,924
데이터베이스와 서버, 쿠버네티스 접근을 한 콘솔에서 하고,

264
00:23:53,954 --> 00:24:00,267
승인된 리소스만 열리며, 실행한 쿼리와 명령은 모두 감사 로그로 남습니다.

265
00:24:00,297 --> 00:24:03,136
워크스페이스 발급부터 터미널 접속,

266
00:24:03,166 --> 00:24:08,270
GPU 사용 이력까지, GPU 운영의 전 과정이 기록됩니다.

267
00:24:09,902 --> 00:24:13,503
셋째, 멈추지 않게 지켜보는 것이 AzOne입니다.

268
00:24:13,533 --> 00:24:16,716
AzOne은 애플리케이션, 서버와 GPU,

269
00:24:16,746 --> 00:24:22,302
랙, 그리고 건물 설비, 네 층 모두에서 AI가 근본 원인을 찾습니다.

270
00:24:22,332 --> 00:24:32,427
애플리케이션에서는 배포 직후 오류가 늘면 원인이 된 버전과 호출 구간을 찾고, 서버에서는 GPU 메모리 오류나 NVLink 장애를,

271
00:24:32,457 --> 00:24:42,135
랙에서는 핫스팟과 전력 과부하, 냉각 유량 부족을, 건물에서는 칠러와 펌프, 항온항습기 이상과 그 영향 범위를 짚어 냅니다.

272
00:24:42,165 --> 00:24:45,208
더 어려운 것은 층을 건너는 장애입니다.

273
00:24:45,238 --> 00:24:49,220
예를 들어 AI 서비스 응답이 두 배로 느려졌는데,

274
00:24:49,250 --> 00:24:56,241
실제 원인은 GPU 과열, 랙 흡기 온도 상승, 그리고 냉각 펌프의 유량 저하였습니다.

275
00:24:56,271 --> 00:25:00,292
보통은 IT 팀과 시설 팀이 따로 원인을 찾습니다.

276
00:25:00,322 --> 00:25:05,419
AzOne은 디지털 트윈이 이미 알고 있는 위치와 연결 관계를 따라,

277
00:25:05,449 --> 00:25:08,253
이것을 한 번에 거꾸로 짚어 갑니다.

278
00:25:08,283 --> 00:25:14,119
사내 LLM이 근본 원인 보고서와 조치안을 쓰고, 조치는 사람이 승인합니다.

279
00:25:14,149 --> 00:25:18,029
설계 때 만든 트윈이 운영 관제의 지도가 되는 것.

280
00:25:18,059 --> 00:25:21,800
이것이 설계와 운영을 한 회사가 하는 이유입니다.

281
00:25:23,435 --> 00:25:25,301
실제 AzOne 화면입니다.

282
00:25:25,331 --> 00:25:27,780
왼쪽은 온톨로지 토폴로지입니다.

283
00:25:27,810 --> 00:25:35,799
호스트와 서비스, 데이터베이스가 어디에 있고 서로 어떻게 연결되는지를 AzOne이 자동으로 매핑합니다.

284
00:25:35,829 --> 00:25:41,778
장애가 생기면 이 그래프에서 어디서 시작해 어디로 번지는지 바로 보입니다.

285
00:25:41,808 --> 00:25:44,402
오른쪽은 이상 감지 리포트입니다.

286
00:25:44,432 --> 00:25:57,088
이상 지표와 에러 트레이스, 로그를 묶어서, 데이터 계층 서비스의 오류가 게이트웨이와 서비스 계층으로 번졌다는 원인과 경로를 AI가 문장으로 정리합니다.

287
00:25:57,118 --> 00:26:00,734
버튼 하나로 RCA 보고서까지 만들어집니다.

288
00:26:00,764 --> 00:26:05,691
이 온톨로지에 디지털 트윈의 랙과 냉각 설비 위치가 들어가면,

289
00:26:05,721 --> 00:26:11,086
서버에서 건물까지 같은 그래프 위에서 원인을 따라갈 수 있습니다.

290
00:26:12,516 --> 00:26:15,633
K사 데이터센터의 상면 트윈입니다.

291
00:26:15,663 --> 00:26:20,667
저희가 K사와 함께 만들고, 실제 운영에서 검증했습니다.

292
00:26:21,047 --> 00:26:24,201
냉통로로 찬 공기가 들어가고 열통로로 나오는데,

293
00:26:24,231 --> 00:26:27,874
랙 위로 뜨거운 공기가 되돌아오는 재순환도 보입니다.

294
00:26:28,254 --> 00:26:32,965
온도 뷰로 바꾸면, GPU가 몰린 구역의 핫스팟이 바로 드러납니다.

295
00:26:35,416 --> 00:26:37,738
이제 직접 걸어 보겠습니다.

296
00:26:37,768 --> 00:26:42,597
냉통로를 따라가며 랙마다 흡기 온도와 전력을 확인합니다.

297
00:26:45,916 --> 00:26:51,314
가이드 투어는 콜드 아일에서 랙 전면, 핫 아일, 팬월 순서로 안내합니다.

298
00:26:57,716 --> 00:27:03,314
마지막으로, 현재 운전 정책과 강화학습 정책을 같은 조건에서 비교합니다.

299
00:27:08,216 --> 00:27:14,440
팬 전력은 41% 줄고, 냉수 온도를 올려 칠러 효율이 6% 좋아졌습니다.

300
00:27:15,916 --> 00:27:20,526
1년으로 환산하면 약 670메가와트시를 줄이는 결과입니다.

301
00:27:22,483 --> 00:27:24,381
운영 단계의 결과입니다.

302
00:27:24,411 --> 00:27:32,831
K사 데이터센터 상면에서, 기존에는 모든 팬월이 85%로 일정하게 돌고 냉수는 7도로 나갔습니다.

303
00:27:32,861 --> 00:27:40,096
강화학습 정책은 흡기 온도 상한을 지키면서 구역별로 풍량을 바꾸고 냉수 온도를 올립니다.

304
00:27:40,126 --> 00:27:45,691
실제 검증 결과, 여름 피크 기준으로 상면 평균 흡기 온도가 1도,

305
00:27:45,721 --> 00:27:55,219
핫스팟 최고 온도가 2도 내려갔고, 팬 전력은 41% 줄어 연평균 PUE가 1.31에서 1.28로 낮아졌습니다.

306
00:27:55,249 --> 00:28:03,966
K사는 이런 열관리 경험을 넓혀 데이터센터 냉방 전력비를 약 23% 줄였다고 지난 9월 발표했습니다.

307
00:28:03,996 --> 00:28:12,713
인사이트는, 운영 중인 데이터센터는 실험할 수 없으니 트윈에서 검증한 정책만 현장에 가야 한다는 것입니다.

308
00:28:14,350 --> 00:28:15,259
결과입니다.

309
00:28:15,289 --> 00:28:20,982
설계 플랫폼에 IT 20메가와트 수냉 조건을 넣으면 GPU 9,

310
00:28:21,012 --> 00:28:26,214
792개, 랙 136개, 연간 PUE 1.19가 나옵니다.

311
00:28:26,244 --> 00:28:29,500
D사 전산실에서는 수냉안이 GPU 2,

312
00:28:29,530 --> 00:28:33,726
304개를 담고, 공냉안은 냉각 용량에 막힙니다.

313
00:28:33,756 --> 00:28:36,699
같은 방에 GPU가 1.3배입니다.

314
00:28:36,729 --> 00:28:44,994
운영 단계에서는 K사 데이터센터 상면에서 AI 냉방으로 평균 흡기 온도를 1도 낮췄습니다.

315
00:28:45,024 --> 00:28:46,872
인사이트는 이것입니다.

316
00:28:46,902 --> 00:28:51,254
GPU 수와 수익은 설계 단계의 비교에서 결정되고,

317
00:28:51,284 --> 00:28:55,323
그때 만든 트윈이 그대로 운영 트윈이 됩니다.

318
00:28:56,953 --> 00:28:58,981
마지막, 일반 건물입니다.

319
00:28:59,011 --> 00:29:03,244
대부분의 중소형 건물에는 큰 관리 시스템이 없습니다.

320
00:29:03,274 --> 00:29:06,920
그래서 저희 사옥에서 먼저 해 보고 있습니다.

321
00:29:06,950 --> 00:29:11,036
준공도면으로 지하 1층부터 7층까지 트윈을 만들고,

322
00:29:11,066 --> 00:29:17,063
새 설비 없이 이미 있는 CCTV와 스마트 기기, 전력계를 연결했습니다.

323
00:29:17,093 --> 00:29:20,738
7층 CCTV 6대는 GPU로 사람을 인식해,

324
00:29:20,768 --> 00:29:24,414
트윈에 실시간 위치와 방별 인원을 찍습니다.

325
00:29:24,444 --> 00:29:29,559
사람은 익명 번호로만 다루고, 영상과 얼굴은 저장하지 않습니다.

326
00:29:29,589 --> 00:29:36,615
이 재실 정보로, 사람이 있을 때만 공조와 조명을 켜는 에너지 공조를 할 수 있습니다.

327
00:29:38,053 --> 00:29:40,739
에즈웰 사옥 디지털 트윈입니다.

328
00:29:40,769 --> 00:29:43,934
화면의 값은 시연용 시뮬레이션입니다.

329
00:29:44,314 --> 00:29:49,549
지하 1층부터 7층까지, 층별 전력과 실내 온도가 한눈에 보입니다.

330
00:29:51,053 --> 00:29:56,554
층을 고르면 공조, 조명, 전력계, 센서의 위치가 나타납니다.

331
00:30:01,053 --> 00:30:04,573
공조 실내기를 누르면 실시간 값과 추이를 봅니다.

332
00:30:07,053 --> 00:30:13,269
설정 온도를 바꾸려면 요청하고, 승인을 거쳐 쓰고, 다시 읽어 확인합니다.

333
00:30:13,299 --> 00:30:15,249
모든 과정이 기록됩니다.

334
00:30:23,053 --> 00:30:26,002
1층에는 모듈형 데이터센터가 있습니다.

335
00:30:34,053 --> 00:30:39,380
펌프 정지 고장을 넣으면, 경보와 AI 진단, 조치안이 이어집니다.

336
00:30:47,053 --> 00:30:51,970
관제, 에너지, 데이터센터 운영을 하나의 트윈으로 묶었습니다.

337
00:30:55,186 --> 00:30:58,314
저희 사옥 7층의 실제 트윈 화면입니다.

338
00:30:58,344 --> 00:31:04,631
CCTV 6대가 GPU에서 사람을 인식해, 트윈 평면에 실시간 위치를 찍습니다.

339
00:31:05,011 --> 00:31:10,836
사람은 익명 번호로만 다루고, 방별 인원과 90초 동선이 보입니다.

340
00:31:10,866 --> 00:31:13,052
영상은 저장하지 않습니다.

341
00:31:16,386 --> 00:31:21,208
재실 분석 보고서는 빈 방에 켜져 있던 공조와 조명을 찾아,

342
00:31:21,238 --> 00:31:26,060
사람이 있을 때만 켰다면 얼마나 줄었을지 매일 계산합니다.

343
00:31:26,090 --> 00:31:31,353
이날은 135.6에서 69.3킬로와트시로, 49% 줄었습니다.

344
00:31:31,733 --> 00:31:36,318
사람을 알아보는 트윈이, 공조와 조명을 사람에 맞춰 움직입니다.

345
00:31:37,953 --> 00:31:38,832
결과입니다.

346
00:31:38,862 --> 00:31:47,426
7층의 평일 나흘을 보면, 사람 인식으로 공조와 조명을 켜고 껐다면 전력이 17%에서 49%,

347
00:31:47,456 --> 00:31:49,739
평균 33% 줄었습니다.

348
00:31:49,769 --> 00:31:56,102
가장 큰 낭비는 아무도 없는 복도와 회의실에 켜져 있던 조명과 공조였습니다.

349
00:31:56,132 --> 00:32:01,405
재실은 CCTV로 실제로 센 값이고, 방별 부하는 가정값입니다.

350
00:32:01,435 --> 00:32:07,616
인사이트는, 건물에 이미 있는 CCTV가 가장 싼 재실 센서라는 것입니다.

351
00:32:09,253 --> 00:32:12,389
일반 건물에서 배운 것은 두 가지입니다.

352
00:32:12,419 --> 00:32:15,268
첫째, 센서는 이미 건물에 있습니다.

353
00:32:15,298 --> 00:32:18,723
연결만 해도 측정과 보정의 루프가 닫힙니다.

354
00:32:18,753 --> 00:32:24,768
둘째, 사람이 일하는 공간이라 개인정보를 처음부터 지키도록 설계해야 합니다.

355
00:32:24,798 --> 00:32:28,942
다음 단계는 카메라 위치 보정과 전력 실측을 마치고,

356
00:32:28,972 --> 00:32:37,003
7층에서 사람 인식 공조·조명을 승인형 제어로 시험한 뒤, 같은 틀로 다른 건물에 넓히는 것입니다.

357
00:32:38,633 --> 00:32:41,401
마지막 장, 정리와 제안입니다.

358
00:32:43,633 --> 00:32:46,126
다섯 현장을 한 장에 모았습니다.

359
00:32:46,156 --> 00:32:52,014
공사에서는 리스크를 트윈에서 먼저 줄이고 작업자 보고로 공정을 매일 닫았고,

360
00:32:52,044 --> 00:32:55,659
공연장에서는 바꿀 것을 짓기 전에 찾았습니다.

361
00:32:55,689 --> 00:32:59,164
대형 건물에서는 정직한 숫자가 투자를 열었고,

362
00:32:59,194 --> 00:33:03,790
데이터센터에서는 설계 트윈이 그대로 운영 트윈이 됐습니다.

363
00:33:03,820 --> 00:33:09,398
일반 건물에서는 CCTV 하나로 사람을 알아보고 공조를 맞추고 있습니다.

364
00:33:09,428 --> 00:33:16,688
물리 세계의 팹리스는, 이 루프를 가장 빠르고 가장 정직하게 돌리는 회사라고 저희는 믿습니다.

365
00:33:18,333 --> 00:33:20,253
수익원은 네 가지입니다.

366
00:33:20,283 --> 00:33:24,785
설계 단계의 트윈 프로젝트, 운영 단계의 AI 관제 구독,

367
00:33:24,815 --> 00:33:32,856
Vulcan과 Janus, AzOne으로 이루어진 GPU 운영 플랫폼, 그리고 로봇 설계 IP입니다.

368
00:33:32,886 --> 00:33:37,808
한국에서 데이터센터, 공사, 건물, 공연장 레퍼런스를 쌓고,

369
00:33:37,838 --> 00:33:41,859
이를 건설사와 데이터센터 운영사로 넓혀 갑니다.

370
00:33:41,889 --> 00:33:46,066
특히 데이터센터 고객은 설계 트윈에서 AI 냉방,

371
00:33:46,096 --> 00:33:49,961
그리고 GPU 운영까지 한 번에 이어집니다.

372
00:33:49,991 --> 00:33:52,662
설계에서 한 번, 운영에서 매달.

373
00:33:52,692 --> 00:33:55,512
같은 고객과 오래 가는 구조입니다.

374
00:33:57,143 --> 00:33:59,284
한 줄로 말씀드리겠습니다.

375
00:33:59,314 --> 00:34:05,023
짓기 전에 트윈에서 돌려 보고, 지은 뒤에는 AI가 운영합니다.

376
00:34:05,053 --> 00:34:08,281
이 길을 함께 걸을 파트너를 찾습니다.

377
00:34:08,311 --> 00:34:14,330
데이터센터 운영사, 건설사와 시설 소유주, 그리고 제조 파트너 여러분.

378
00:34:14,360 --> 00:34:19,449
물리 세계의 팹리스, 에즈웰에이아이와 함께 만들어 주십시오.

379
00:34:19,479 --> 00:34:20,379
감사합니다.

