지멘스 디지털 인더스트리 소프트웨어가 5월 21일 웨스틴 서울 파르나스에서 Simcenter Technology Conference(STC)를 개최했다. 알테어 인수 완료 1년 만에 처음 열린 통합 기술 행사다. 시뮬레이션, 테스트, HPC, AI를 아우르는 통합 포트폴리오를 공개했지만, 이날 키노트와 관계자들과의 짧은 대화를 따라가 보면 행사의 무게가 다른 곳에 실려 있음을 알 수 있었다. 지멘스는 시뮬레이션 툴의 업그레이드를 발표한 게 아니다. 제조업을 위한 산업용 AI 플랫폼 전략 전체를 꺼내놓고 있었다.

글 | 한상민 기자_han@autoelectronics.co.kr
IN ENGLISH






새로운 경쟁, 설계의 질에서 검증 속도로

“플래카드 하단에 Altair Technology Conference를 작은 글씨로 병기해달라고 부탁했습니다. 알테어를 사랑하시던 고객분들이 ATC는 어디 갔냐고 오해하실까 봐요.”
지멘스 디지털 인더스트리 소프트웨어 오병준 한국지사장은 오프닝에서 행사 이름 이야기부터 꺼냈다. 작년까지 Altair Technology Conference(ATC)였던 행사가 올해엔 Simcenter Technology Conference(STC)로 바뀌었기 때문이다. 알테어 고객의 투자를 보호하고 기술 지원을 지속하겠다는 것이다. 합병 1년, 그 이름은 바뀌었지만, 자산은 끊기지 않는다는 약속이었다.
첫 번째 키노트에 나선 샘 마할링엄(Sam Mahalingam) 수석부사장 겸 시뮬레이션 부문 총괄은 제조업이 마주한 현실을 말했다. 수치부터 눈에 들어온다. 컨셉에서 프로토타입까지 평균 23주, 엔지니어링 시간의 60%가 데이터 관리에 소모되고, 엔지니어 한 명이 평균 15개 이상의 단절된 시스템을 오가며 일한다. 여기에 전처리만 300개 부품 기준 약 10시간, 수치 해석에 최대 20시간, 후처리에 또 수 시간이 더해진다. 설계 공간 전체를 탐색하려면 약 2주가 필요하다. 시스템들이 서로 연결되지 않아 데이터는 재생성되고, 재생성된 데이터는 또 검증이 필요하고, 그 검증에도 시간이 걸린다. 툴 성능이 아니라 데이터가 흐르지 못하는 게 원인이다. 
샘은 여기서 기술 채택 속도 자체가 달라졌다고 말했다. 퍼스널 컴퓨터가 주류가 되는 데 10년, 인터넷이 10년을 더 걸렸다. 그런데 생성형 AI는 불과 2년 만에 주류가 됐다. 
“AI가 엔지니어링의 언어를 어떻게 배울 수 있을까요? 제조업에 AI를 어떻게 가르칠까요?” 샘이 꺼낸 이 질문은 키노트 전체의 무게를 싣고 있었다. 
대부분의 생성AI가 인터넷 텍스트 데이터로 학습된 것과 달리, 엔지니어링의 세계는 그 데이터 자체가 다르다. 3D 기하학, 물리 법칙, 재료 특성, 하중 조건. 이런 것들은 텍스트로 학습될 수 없다. 필요한 것은 단순한 생성형 AI가 아니라, 엔지니어링 데이터를 이해하고 연결하며 검증 흐름까지 다룰 수 있는 산업용 AI의 구조다. 지멘스가 알테어를 인수한 이유도, 새로운 심센터 포트폴리오를 구성한 것도 여기서 시작된다.
오 지사장은 이에 대한 현실을 중국과의 비교로 말했다.
“중국은 왜 빠를까요? 설계, 해석, 생산 각 영역 내부의 효율은 한국이 앞서 있지만, 사일로 간 연결은 느립니다. BYD는 설계에서 양산까지 18개월 이상 단축했고 지금도 줄여가고 있습니다.”
사일로가 연결되지 않으니 데이터가 재생성되고, 재생성된 데이터를 검증하는 데 또 시간이 걸린다. 샘이 AI를 꺼낸 것은 그 검증에 걸리는 시간을 기술로 줄이자는 것이고, 오 사장이 사일로 연결을 꺼낸 것은 데이터가 재생성되지 않도록 구조 자체를 바꿔야 한다는 것이다. 



샘 마할링엄 수석부사장이 제시한 제조업 현실.
컨셉에서 프로토타입까지 평균 23주, 엔지니어링 시간의 60%가 데이터 관리에 소모되고 엔지니어 한 명이 15개 이상의 단절된 시스템을 오간다. 



Physics AI, 엔지니어링 진실로 학습한 AI

이에 대한 지멘스의 답은 Physics AI에서 시작한다. 알테어가 보유한 기하학적 딥러닝(Geometric Deep Learning) 기술을 기반으로 구축한 서로게이트 모델로, 고객이 수십 년간 축적한 시뮬레이션 데이터를 학습시켜 기존 물리 기반 솔버 대비 최대 1,000배의 속도를 제공한다.
샘은 키노트에서 세 단계를 나란히 놓았다. 전통적 시뮬레이션 해석, 메시 없이 형상에 직접 작동하는 Simcenter SimSolid(30배), 그리고 Simcenter Physics AI(1,000배). 그러나 숫자가 핵심이 아니다. 같은 시간 안에 검토할 수 있는 설계안의 수 자체가 달라진다는 것이다.
“우리의 Physics AI 모델은 인터넷 데이터로 학습된 파운데이션 모델이 아닙니다. 고객이 자신의 데이터로 직접 학습시키는 모델입니다.”
이것은 파운데이션 모델 자체를 부정하는 말이 아니다. 지멘스는 산업용 파운데이션 모델을 직접 구축하고 있다. 범용 인터넷 데이터가 아니라, 고객의 CAD, 시뮬레이션, 시험 데이터, 물리 기반 해석 결과가 학습의 기반이 된다. 그 위에서 Physics AI가 설계안을 빠르게 예측하고 검증한다. 엔지니어링 진실로 학습한 파운데이션 모델이라는 개념이다.
고객의 지식자산(IP)이 외부로 나가지 않으면서 AI의 추론 속도를 얻는다. 온프레미스, 하이브리드, 퍼블릭 클라우드 모두에서 작동하되, 데이터는 고객의 단일 테넌시 안에 머문다. 모델 학습도 데이터 과학자나 코딩 없이 웹 브라우저에서 포인트-앤-클릭으로 완료된다. 수십 년간 엔지니어 개인이 관리해 온 시뮬레이션 자산을 기업 전체가 공유하는 AI 자산으로 전환하는 구조다.
실제 고객 사례도 있다. 롤스로이스는 SimSolid로 가스 터빈 엔진 구조해석을 수개월에서 수일로 단축했다. 현대자동차그룹은 AI 기반 서브시스템 매개변수 최적화 프로세스를 1주에서 15분으로 줄였다. 94% 단축이다. 현대자동차는 별도 사례에서 기존 규칙 기반 제어 대비 에너지를 30% 절감하고 동일 전력에서 냉각 효율을 16% 높였다. LG VS는 여러 소프트웨어로 나눠 처리하던 기계적 충격, 열 응력, 동특성 해석을 단일 모델과 솔버로 통합해 개발 시간을 약 20% 단축했다. SK이노베이션은 배터리 전극 코팅 공정에서 코팅 균일도를 11% 향상시키고 불량률을 50% 낮췄다. 사례마다 숫자는 다르지만 방향은 같다. 같은 시간 안에 더 많은 설계를 검증하고, 더 나은 결과를 더 낮은 비용으로 만들어낸다는 것이다.
이규원 수석본부장은 이 Physics AI 구조를 엔지니어의 현장 관점에서 풀었다. 그가 제시한 것은 세 종류의 Simcenter AI다. 해석 준비 시간을 단축하는 ShapeAI, 기하학적 딥러닝으로 빠른 해석 예측을 수행하는 Physics AI, 고충실도 해석·시험 데이터를 학습해 실시간 모델을 생성하는 romAI. 기존 딥러닝이 정형 데이터로 추세를 예측하는 데 강했다면, Physics AI는 3D CAD, 메시, 시험 데이터 같은 비정형 데이터를 직접 다룬다.
“Physics AI와 HEEDS를 결합하면 단일 워크플로 안에서 수백 개의 설계안을 원 클릭으로 자동 생성하고 동시에 검토할 수 있습니다.”
이 위에 세 단계의 AI 비서 개념이 얹힌다. 해석 모델을 점검하고 자연어로 정보를 찾는 지능형 비서, 해석 결과를 분석하고 최적안을 제안하는 숙달된 파트너, 반복 업무를 자율 실행하는 자율형 실행자. 에이전트 AI는 현재 개발 단계로, 연말 또는 내년 출시 예정이다.
“피직스는 신뢰할 수 있는 결과를 만들고, AI는 지능과 속도를 더하고, 데이터는 그 결과를 업무 성과와 연결하는 맥락을 제공합니다. 세 가지가 동시에 작동될 때 비로소 엔지니어링 AI의 실체적 가치가 만들어집니다.”



전통적 시뮬레이션 해석, SimSolid(30배), Physics AI(1,000배)의 세 단계 비교. 숫자보다 중요한 것은 같은 시간 안에 검토할 수 있는 설계안의 수가 달라진다는 것이다. 


Siemens AI Fabric 아키텍처.
하단 AI Foundation, 중간 AI 네이티브 산업 앱, 상단 에이전트 엔터프라이즈 플랫폼의 세 층으로 구성된다. 어떤 클라우드, 어떤 에이전트 프레임워크와도 연결된다. 



신뢰의 조건, 지멘스가 그리는 산업 AI 플랫폼

검증 속도를 줄이는 게 첫 번째 축이라면, 두 번째 축은 연결이다. 샘이 Trusted Outcomes라는 이름으로 소개한 것은 단순 AI 기능의 묶음이 아니다.
지멘스가 Siemens AI Fabric이라 부르는 아키텍처는 세 층으로 구성된다. 하단에 Industrial Foundation Model, 중간에 AI 네이티브 산업 앱들(Simcenter, Teamcenter, Opcenter, Designcenter 등), 상단에 에이전트 엔터프라이즈 플랫폼이 있다. 각 제품 안에는 코파일럿과 에이전트가 내장되고, MCP(Model Context Protocol) 엔드포인트와 스킬 파일이 외부에 공개된다. 고객이 자체 에이전트를 만들 수도 있고, 지멘스의 에이전트를 고객사 오케스트레이션 플랫폼에 가져다 쓸 수도 있다. 어떤 에이전트 프레임워크, 어떤 클라우드, 어떤 데이터 플랫폼과도 연결된다.
이 구조의 핵심은 Knowledge Graph, 즉 시맨틱 레이어다. 서로 다른 데이터 사일로들을 연결하고, 산업 온톨로지를 구축해 AI가 데이터의 의미를 이해하며 작동할 수 있게 만드는 기반이다.
“에이전트와 그 결과물을 신뢰하려면, 반드시 시맨틱 레이어가 필요합니다.” 샘이 말했다.
에이전트의 신뢰성은 데이터의 정확성이 아니라, 데이터 간 관계의 의미를 AI가 이해하느냐에서 나온다. 지멘스는 이 산업 온톨로지를 직접 구축해 공개할 계획이다. PLM, BMS, ERP 등 자사 소프트웨어뿐만 아니라 서드파티 데이터 소스도 연결한다. 알테어의 Rapid Miner가 이 시맨틱 레이어 기술의 핵심 인프라로 들어온다.
그 신뢰의 근거는 구조에 있다. 코파일럿에 쓰이는 LLM은 외부 모델이지만, RAG 데이터베이스와 그래프 RAG 커넥터는 기업 내부에 위치한다. 에이전트가 실행하는 모든 액션에는 추적 가능한 데이터 출처가 기록된다. 보안은 정책이 아니라 설계로 푸는 문제다.



“내재화가 오히려 느릴 수 있다” 
한국 제조업의 현실

Physics AI로 검증 속도를 줄이고, 시맨틱 레이어로 데이터를 연결하고, 에이전트로 워크플로를 자동화하는 것. 지멘스가 그리는 그림은 여기까지다. 그런데 이걸 혼자 다 할 수 있는 회사는 없다. 오병준 지사장은 그런 현실을 인정했다.
오 지사장의 오프닝은 그래서 기술 소개보다 제조업 전략에 대한 것이었다. 과거 기술이 정적일 때는 탑 매니지먼트가 결정하고 아래로 내려보내는 방식이 통했다. 그러나 지금은 AI가 전 직원이 접근하는 환경이다. 기술의 성숙기가 오기도 전에 이미 다음 과도기가 시작된다. 가트너의 기술 성숙도 곡선이 작동하지 않는다. 새로운 기술은 너무 빠르게 나오고, 어떤 기술에 베팅할지의 판단이 점점 어려워지고 있다. 워킹 레벨의 실무자들이 새 기술을 탐색하고 실험할 수 있는 게이트웨이가 필요하고, 탑에서는 그 실험들이 회사의 방향과 정렬되도록 커뮤니케이션 구조를 바꿔야 한다.
“내재화 노력들이 갖고 있는 맹점이 느릴 수 있습니다. 내가 선택한 테크놀로지가 접목되기 전에 또 새로운 테크놀로지가 나오면 어떻게 할 거냐. 그러면 내재화의 방향을 또 바꿔야 되고, 혁신의 결과물을 만드는 속도가 오히려 더 느려질 수 있습니다.”
내재화의 철학이 틀린 게 아니라, 기술 변화의 속도가 내재화의 시간을 추월해버린 것이다.
오 지사장은 파트너십 아키텍처를 제안했다. 기업이 스스로 할 수 있는 영역을 50%라고 했을 때, 나머지 50%를 어떤 파트너와 채울 것인가. 그 파트너들의 개방성과 혁신성이 자사의 혁신 속도에 직접 영향을 준다는 것이다. 지멘스는 이미 NVIDIA, AWS, SAP, SKT와 개방형 혁신 생태계를 구축하고 있다. NVIDIA와는 디지털 트윈 렌더링과 피지컬 AI 학습 환경에서 협력하고 있고, AWS와는 클라우드 인프라 위에서의 서비스 모델을 함께 만든다. SAP과는 PLM 시스템과 ERP가 데이터 모델 레벨에서 매칭되는 인터페이스를 이미 5~6년 전부터 함께 개발해 왔다.
“파트너들이 얼마나 개방적이고 혁신적이고 양방향 소통에 능한가가 더 중요한 시대가 됐습니다.”
이 파트너십 아키텍처가 실제로 작동하는 현장이 있다. HD현대다.




HD현대 유영웅 상무가 발표에서 제시한 디자인 스파이럴(Design Spiral). 1959년 정립된 이 설계 방법론은 60년 넘도록 조선 설계의 근간이었다. 요구사항에서 출발해 반복하며 최적 설계로 나아가는 이 구조는 개별 툴 업그레이드로는 풀리지 않는다. 



“가진 게 없어서 오히려 자유로웠다”
HD현대의 증명

HD현대의 기술기획 담당 유영웅 상무의 발표는 이날 가장 현실적인 이야기였다. 그는 조선업의 디지털 전환이 왜 늦었는지부터 털어놨다. 
쓰고 있는 CAD 자체가 오래됐고, 설계 데이터를 현장으로 내려보내는 데 막힘이 있었다. 그게 조선산업 전체의 문제다. 선박은 인류 최고의 운송 수단이지만 만드는 방식은 놀라울 정도로 바뀌지 않았다. 크루즈선 하나에 90만 개 부품, 1,000만 시간의 제조 시간. 미국 뉴포트뉴스의 항공모함 전문 조선소는 7년에 한 척을 만든다. HD현대는 1년에 150척을 건조한다. 하루에 생산해야 하는 설계 데이터의 양, 현장에 내려보내야 하는 데이터의 양이 많고 복잡하다.
“선박은 부품 수와 복잡도 면에서 가장 지저분한 제품입니다.” 유 상무가 말했다.
조선 설계의 핵심은 60년 넘게 이어온 디자인 스파이럴(Design Spiral)이다. 임무 요구사항에서 출발해 초기·계약·기능·상세·생산 설계 단계를 반복하며 중심으로 가는 구조다. 각 단계를 거칠 때마다 선체 저항, 안정성, 추진력, 구조 강도, 전기 배선이 서로 맞물리며 끊임없이 충돌한다. 저항이 너무 높아 재설계하면 안정성이 무너지고, 안정성을 맞추면 객실이 줄어들고, 엔진을 키우면 기관실을 다시 설계해야 한다. 이런 반복의 구조는 개별 툴의 업그레이드로는 풀리지 않는다. 필요한 것은 모든 설계 프로세스를 하나의 중앙화된 환경으로 가져오는 완전히 통합된 솔루션이다.
HD현대는 2022년부터 디지털 전환을 본격 검토했고, 2년간 여러 벤더와 PoC를 거쳐 지멘스를 파트너로 선택했다. 2028년부터 전사 플랫폼 전환에 들어간다.
“설계의 정밀함과 해석의 깊이, 이 두 축이 한 플랫폼으로 만났습니다. 이건 단순한 툴 도입이 아니라 설계·해석·생산을 잇는 단일 디지털 백본을 세울 결정적 기회입니다.”
지멘스와 알테어의 통합이 HD현대에게는 CAD와 해석 툴을 하나의 디지털 스레드로 연결하는 기반으로 읽혔다. 알테어는 지오메트리 기반으로 빠르게 메시를 생성하고 인사이트를 줄 수 있는 툴로서 오래전부터 신뢰해 온 플랫폼이었다. 
“가진 게 없었기 때문에 조금 더 풀린 마음으로 시작할 수 있었던 것 같아요.”
레거시 시스템이 없었기 때문에 새 플랫폼 도입의 저항이 적었다. 이는 마치 BYD가 내연기관 유산 없이 전기차 개발에 뛰어든 것과 닮은 데가 있다. 
HD현대의 디지털 전환 로드맵은 세 단계다. 2023년까지 눈에 보이는 조선소, 2026년까지 연결·예측·최적화된 조선소, 2030년까지 지능형 자율운영 조선소. 현재는 두 번째 단계 진행 중이다. 팔란티어 시스템을 도입해 연결과 예측 최적화 기반을 구축하고 있고 성과도 내고 있다. NVIDIA와 협업으로 조선소 전체를 디지털 트윈으로 구현한 데모도 공개했다. 오 지사장이 말한 파트너십 아키텍처가 조선소 현장에서 실제로 일어나고 있었다.




Simcenter Press Machine 부스. 디지털 트윈이 물리 머신을 제어하고 물리 데이터가 AI 모델로 피드백되는 루프가 행사장에서 실제로 작동하고 있었다. 버추얼 센서가 고가의 물리 센서를 대신해 설계부터 운영까지 Simcenter 하나로 연결하는 장면이다.



Physics AI 기반 생성형 설계, 시뮬레이션의 다음 전진

HD현대가 보여준 것이 개방 혁신의 실제라면, 샘은 다음 단계를 말하기 시작했다.
물리 기반 시뮬레이션이 사라지지는 않는다. AI가 설계 탐색의 폭을 넓히고, 최종 설계는 여전히 물리 기반 솔버로 검증한다. 안전과 직결된 제품 설계에서는 통계적 결과가 아니라, 물리에 기반한 지상 진실(ground truth)이 필요하다. 사람들은 안전이 큰 문제일 때 통계적 결과를 신뢰하지 않는다. 시뮬레이션 솔버의 역할은 사라지는 것이 아니라, AI가 넓힌 설계 탐색의 결과를 최종적으로 검증하는 기준점으로 더 중요해진다.
Physics AI 기반 생성형 설계는 그 다음 단계다. AI가 성능 목표를 입력받아 설계를 자동 생성하고, 검증에서 목표에 미달하면 설계를 다시 수정해 제조가능한 CAD로 출력한다. 요구사항에서 설계로, 물리 검증을 거쳐, 제조가능한 형상으로 이어지는 완전한 루프다. 지금까지 시뮬레이션이 설계를 검증하는 도구였다면, 여기서는 설계를 만들어내는 도구가 된다. 이것의 현실화는 눈앞에 와 있다.
전자기, 구조, 공력 분야에서 알테어가 채운 빈 자리들이 통합 포트폴리오의 완성도를 높였다. 자사 소프트웨어든 타사든 관계없이 끊김 없는 워크플로를 제공하겠다는 것이 지멘스의 방향이다.



시뮬레이션의 미래는 더 빠른 해석이 아니다

STC에서 지멘스가 말한 것은 시뮬레이션 소프트웨어의 업그레이드가 아니다. Physics AI, 시맨틱 레이어, 에이전트 오케스트레이션, 산업 온톨로지, 디지털 스레드, 이것들은 엔지니어링 데이터가 흐르고, AI가 그 위에서 판단하고 행동하며, 설계에서 생산까지 단일 맥락으로 연결되는 미래다. 
“기술적인 내용도 중요하지만, 소재·부품·장비·공정·공장에 이르는 전체 라이프사이클이 디지털화되고 데이터를 공유하는 체계로 발전해야 합니다. 대기업과 협력사 간 공급망 전체가 디지털 스레드로 연결되는 체계가 한국 제조업이 가야 할 방향입니다.” 오 지사장이 말했다.
알테어 인수는 포트폴리오 확장에 그치지 않는다. 알테어가 가진 기하학적 딥러닝과 HPC 기술, Rapid Miner의 시맨틱 레이어는 Physics AI와 Knowledge Graph의 핵심 인프라다. 지멘스는 알테어를 산 게 아니라, 이미 그리고 있던 아키텍처를 완성하기 위해 필요한 조각들을 가져갔다.
시뮬레이션의 미래는 더 빠른 해석이 아니다. 엔지니어링 진실로 학습한 AI가 설계를 탐색하고, 에이전트가 워크플로를 실행하며, 디지털 스레드가 그 결과를 생산까지 연결하는 시스템이다. 지멘스는 지금 그 시스템의 OS를 짜고 있다. STC는 이름만 바뀐 행사가 아니었다.


 

AEM(오토모티브일렉트로닉스매거진)