국내 제조업의 인공지능 전환(AX)을 고도화하기 위해 이질적 데이터를 규격화하고, 사후학습을 지원하는 신경망처리장치(NPU) 개발이 시급하다는 지적이 나왔다. 단순한 디지털 전환(DX)을 넘어 인공지능(AI) 중심 완전 자동화를 구현하려면 현장 숙련공의 노하우인 '암묵지'를 데이터화하고, 이를 저비용·고효율로 학습할 수 있는 국산 반도체 생태계가 뒷받침돼야 한다는 내용이다. 

차석근 첨단제조표준화포럼 위원장은 27일 서울 양재에서 개최된 '2026 시스템-반도체 포럼'에서 "이제는 DX를 넘어 AX로 나아가야 할 때"라며 "AX 성패는 결국 생산현장에서 다이내믹하게 움직이는 유효 데이터를 어떻게 수집하고 활용하느냐에 달려 있다"고 강조했다. 

차 위원장은 "센싱 기술로 현장에 숨어 있는 암묵지 데이터를 끌어올려야 하고, 이를 위해 제각각인 생산현장 데이터를 표준화하는 작업이 선행돼야 한다"고 설명했다.

현재 제조현장의 실제 의사결정은 표준작업지침서(SOP) 같은 형식지보다 오랜 경험을 가진 숙련자 감에 크게 의존하고 있다. 차 위원장은 "베테랑 작업자들은 설비에서 발생하는 미세한 진동음, 제품의 색상 변화, 당일 습도 등 정형화되지 않은 조건을 종합 판단해 공정 변수를 미세 조정한다"고 말했다. 

문제는 이러한 판단의 근거가 문서화되지 않아 데이터화하기 까다롭다는 점이다. 불량 예측, 수율 최적화, 이상 탐지 등 AI를 통해 달성하고자 하는 고부가가치 자동화 영역이 바로 이 암묵지에 집중돼 있다는 점이 제조업 AX의 가장 큰 난제다. 차 위원장은 발표자료에서 "기존 형식지만 AI에 학습시킬 경우 현장의 단편적 공정만 자동화될 뿐, 제조업의 핵심 가치를 AI 모델에 담기 어렵다"고 덧붙였다. 

업계는 암묵지를 기계가 인식할 수 있는 구조화·표준화된 데이터 형태로 번역하고, 이를 기반으로 생산공정을 100% 자동화하는 데 역량을 집중하고 있다. 

제조 데이터의 높은 이질성은 걸림돌이다. 공장 내부에는 여러 벤더의 설비와 서로 다른 세대 장비가 혼재돼 있다. 통신 프로토콜과 단위, 샘플링 주기, 태그 명명 규칙 등이 제각각 얽혀 있다. 이에 따라 일정한 규격에 맞춰 암묵지를 정제하는 표준화 프로세스가 필수다.

"피지컬 AI 시대, 학습 가능한 NPU가 핵심"

포럼에서는 '학습 기능'을 내장한 NPU 개발 필요성도 논의됐다. 장성준 한국전자기술연구원(KETI) 센터장은 "현재 시장에 나와 있는 NPU가 주로 추론 기능에 초점이 맞춰져 있는 것은 사실이지만, 미래에는 NPU가 학습 기능까지 수행하는 방향으로 나아가지 않을까 한다"고 전망했다.

장 센터장은 "로봇 파운데이션 모델은 범용 작업에 특화돼 새로운 작업에 직면했을 때는 제대로 대응하지 못할 가능성이 크다"며 "생산현장에서 발생하는 소량 샘플 데이터만으로도 실시간 학습을 수행할 수 있는 능력이 필수이고, 이때 온디바이스 NPU나 그래픽처리장치(GPU)가 경량 학습을 지원할 수 있어야 한다"고 짚었다.

관련기사

아울러 제조현장 내 온프레미스 환경에서 사후학습과 파인튜닝(미세조정) 역할이 커지고 있다고 덧붙였다. 그는 "중앙 GPU 데이터센터에서 1차로 학습된 거대 모델을 가져와 각 팩토리의 고유 데이터에 맞게 파인튜닝하는 과정이 핵심"이라며 "이 과정에서 NPU가 같이 학습을 담당할 수 있으면 총소유비용(TCO)이 절감될 것"이라고 설명했다.

다만 장 센터장은 "현재 국내 반도체 생태계에는 학습 기능을 지원하는 토종 NPU가 전무한 실정"이라며 "아마존웹서비스(AWS)의 트레이니움이나 구글의 텐서처리장치(TPU)처럼 국내에서도 학습을 지원하는 NPU가 나와야 한다"고 말했다.