인텔이 AI 에이전트의 작업 분배와 실행을 맡는 CPU, 대용량 메모리를 탑재한 추론 GPU, 로봇의 제어와 AI 연산을 함께 처리하는 프로세서를 앞세워 AI 사업 확장 전략을 공개했다. 여러 AI가 자료를 찾고 프로그램을 실행하며 결과를 검증하는 과정에서는 GPU의 연산 성능과 함께 CPU, 메모리, 네트워크를 균형 있게 구성해야 한다는 설명이다. PC와 산업용 장비에서 AI를 직접 실행하는 방식도 주요 과제로 제시했다.

인텔은 12일 서울 삼성동 코엑스에서 ‘2026 인텔 AI 서밋 서울’을 개최했다. 올해 세 번째로 열린 행사에는 국내외 파트너와 업계 관계자 약 1,000명이 참여했다. 레노버, LG전자, SK하이닉스, SK텔레콤, 삼성전자 등 총 52개 기업과 중소벤처기업부, 정보통신산업진흥원, 창업진흥원, 서울 AI 허브 등 5개 정부·공공기관이 함께했다.

2026 인텔 AI 서밋 서울 현장

발표는 소버린 AI와 이기종 AI 인프라, 맞춤형 반도체, 엣지·피지컬 AI, 에이전틱 AI와 AI PC, 스타트업 생태계를 다뤘다. 국내 23개 기업이 초기 참여사로 합류한 ‘K-AI 풀스택 얼라이언스’ 출범도 발표했다. 파트너 세션에서는 레노버가 산업별 AI 활용 사례를, SK하이닉스가 AI 확장에 필요한 메모리와 시스템 구조의 변화를 설명했다.

배태원 인텔코리아 대표이사가 ‘2026 인텔 AI 서밋 서울’ 개회사에서 AI를 활용한 사업 기회와 구현 방안, 파트너와의 협력 방향을 소개하고 있다.

답변 생성 뒤에도 계속되는 작업…CPU가 에이전트의 실행을 맡는다

아닐 난두리(Anil Nanduri) 인텔 데이터센터 AI 제품 및 GTM 총괄은 에이전틱 AI에 맞는 ‘적정 규모의 인프라’를 제안했다. 지금까지 더 큰 AI 모델을 실행하기 위한 시스템 확장이 주된 관심이었다면, 에이전트 환경에서는 서로 다른 작업을 어떤 자원에 배분할지까지 설계해야 한다고 설명했다.

AI 에이전트는 모델을 호출해 답변을 만드는 과정에서 데이터를 검색하고 외부 도구를 사용한다. 생성한 코드를 실행하거나 결과를 검증한 뒤 다시 모델에 요청을 보내기도 한다. 사용자가 최종 결과를 보기 전까지 이런 과정이 반복되면서 토큰 사용량과 실행 작업이 함께 늘어난다.

아닐 난두리 인텔 데이터센터 AI 제품 및 GTM 총괄이 검색, 도구 호출, 작업 실행, 결과 검증을 반복하는 AI 에이전트에 필요한 인프라를 설명하고 있다.

난두리 총괄은 이때 CPU가 작업을 분류하고 요청을 적절한 모델과 연산 장치로 보내는 제어 역할을 맡는다고 설명했다. 실행 단계에서는 격리된 환경인 샌드박스를 구성하고 가상머신을 구동하며, 검색과 API 호출 등 모델 주변의 업무를 처리한다. 에이전트가 동시에 많이 작동할수록 이를 조율할 CPU 코어와 메모리 대역폭도 필요해진다.

모델 선택의 폭이 넓어지는 흐름도 언급했다. 가중치를 공개한 모델의 성능이 높아지면서 기업이 필요한 작업에 맞춰 모델을 고르고, 실행 위치와 비용을 직접 관리할 여지가 커졌다는 것이다. 난두리 총괄은 모델의 크기뿐 아니라 입력 문맥의 길이, 동시 실행 수, 추론 과정에서 생성되는 캐시까지 고려해 인프라를 구성해야 한다고 말했다.

인텔은 제온 제품군으로 이런 작업을 지원한다는 계획이다. 발표에서는 최대 288개의 E코어를 갖춘 ‘클리어워터 포레스트’와 P코어 기반 제온 6를 소개했다. AI 연산용 AMX와 데이터 이동·압축 등을 지원하는 내장 가속 기술도 제시했다. 2027년을 향한 차세대 로드맵으로는 최대 256개 코어를 제공하는 ‘다이아몬드 래피즈’를 언급했다.

랙 전체의 처리 밀도를 높이는 구성도 다뤘다. 난두리 총괄은 약 5만 개에 이르는 CPU 코어와 100~150kW 전력을 다루는 고밀도 랙을 예로 들었다. 파트너들이 제온 6 기반 랙 설계를 공급하고 있으며, 고객의 설치 환경에 맞춰 공랭·수랭 방식과 개방형 랙 표준을 활용한다.

350W 추론 GPU, 기본 160GB에 파트너 설계로 최대 480GB

추론용 GPU로는 코드명 ‘크레센트 아일랜드’ 기반 인텔 GPU D 시리즈를 소개했다. 난두리 총괄은 실제 칩을 들어 보이며 개발 상황을 설명하고, 단일 카드에서 실행한 영상 생성과 연산 성능 비교 결과를 공개했다.

발표에서 제시한 PCIe 카드의 전력은 350W다. LPDDR5X 메모리를 사용하며, 인텔 기본 카드의 메모리 용량은 160GB다. 파트너가 설계하는 구성에서는 최대 480GB까지 지원한다. 메모리 대역폭은 초당 1.5TB이며, 32개의 Xe 코어와 256개의 XMX 행렬 연산 엔진을 갖췄다.

난두리 총괄은 큰 모델과 긴 문맥을 메모리에 올리고 여러 에이전트를 동시에 실행할 때 메모리 용량이 처리 가능한 작업 수에 영향을 준다고 설명했다. 연산 성능이 충분해도 모델과 실행 중인 작업의 데이터를 저장할 공간이 부족하면 더 많은 카드를 사용해야 한다는 것이다. 크레센트 아일랜드는 이런 추론 환경에서 메모리 용량과 전력, 처리 성능을 함께 고려한 제품으로 소개됐다.

영상 생성 시연에서는 텍스트를 입력해 서울을 배경으로 한 영상을 만드는 모델을 GPU 한 장에서 실행했다. 난두리 총괄은 해당 영상 생성 작업이 약 2분 이내에 수행됐다고 설명했다. 금융 시뮬레이션 분야에서는 블랙숄즈, 이항모형, 몬테카를로 방식 등의 연산을 예로 들며, RTX PRO 6000과 비교한 자체 시험에서 일부 작업의 성능이 최대 5.9배 높게 나왔다고 밝혔다.

이날 공개한 시연과 성능 비교는 개발 단계의 결과다. 난두리 총괄은 정식 출시 전 하드웨어와 프리알파 단계 소프트웨어를 사용했다고 설명했다. 비교 제품의 전력은 600W, 크레센트 아일랜드는 350W로 제시했으며, 발표한 배수는 전력당 성능으로 환산한 값이 아니라 해당 시험의 처리 성능이라고 덧붙였다.

소프트웨어에서는 vLLM, SGLang, 파이토치 등 개발자들이 사용하는 도구와의 연동을 추진한다. 기존 코드를 크게 바꾸지 않고 모델을 실행하고, 새롭게 공개되는 주요 모델도 빠르게 지원한다는 방침이다. 공급 형태 역시 PCIe 카드뿐 아니라 파트너의 시스템 설계에 활용할 수 있는 칩과 랙 단위 구성으로 넓힌다.

아닐 난두리 인텔 데이터센터 AI 제품 및 GTM 총괄이 vLLM과 파이토치 등을 지원하기 위한 추론 GPU ‘크레센트 아일랜드’의 소프트웨어 구성을 소개하고 있다.

추론 인프라에는 삼바노바의 SN50 가속기도 활용한다. 제온 CPU는 작업 조율과 실행을, 인텔 GPU는 대용량 메모리를 활용한 추론과 입력 처리를, SN50은 낮은 지연시간이 필요한 추론을 담당하는 구성이다. 입력을 처리하는 프리필과 응답 토큰을 생성하는 디코드의 요구가 다르기 때문에, 실제 서비스에 필요한 비율로 자원을 조합하겠다는 설명이다.

아닐 난두리 인텔 데이터센터 AI 제품 및 GTM 총괄이 PC와 워크스테이션부터 엣지 장비와 데이터센터까지 아우르는 에이전틱 AI 제품군을 소개하고 있다.

SK하이닉스, 메모리를 모아 공유하는 시스템 제안

주영표 SK하이닉스 부사장은 AI 에이전트가 확산되면 메모리 용량과 성능에 대한 요구가 더 커질 것으로 봤다. 발표에서는 한 대형 모델의 파라미터를 저장하는 데만 3TB 이상의 메모리가 필요한 사례를 들며, 모델을 담을 공간과 데이터를 빠르게 읽어오는 성능을 함께 확보해야 한다고 설명했다.

코딩 에이전트가 코드를 생성하고 컴파일한 뒤 오류를 수정하는 동안 사용자는 결과를 기다린다. 여러 에이전트가 역할을 나눠 일하는 환경에서도 사람은 처음 지시하고 마지막 결과를 확인하는 정도로 개입한다. 주 부사장은 중간 작업을 수행하는 기계 간 통신과 연산이 빨라질수록 사용자의 대기시간이 줄어들기 때문에, 에이전트 환경에서는 메모리 요구가 완화되기 어렵다고 말했다.

주 부사장은 연산 칩 주변에 메모리와 연결부를 계속 추가할 물리적 공간이 제한돼 있다고 지적했다. 업계가 3차원 적층 기술을 개발하는 동시에 CPU 메모리, SSD, 다른 서버의 저장 공간까지 활용하고 있지만, 데이터를 옮기고 여러 장치가 공유하는 과정에서도 병목이 발생한다는 것이다.

SK하이닉스가 제시한 방향은 개별 CPU·GPU의 메모리를 유지하면서, 여러 연산 장치가 함께 사용하는 대규모 메모리 풀을 별도로 두는 구조다. 각 서버가 필요한 최대 용량을 따로 확보하는 대신 추가 자원을 공유해 메모리 이용률을 높이고, 용량 확장도 쉽게 하겠다는 구상이다.

주 부사장은 이를 집마다 자동차를 여러 대씩 보유하는 방식과 필요한 차량을 공유하는 방식에 빗댔다. 각 가정의 기본 차량은 유지하되 추가 수요를 공유 차량으로 충당하듯, 연산 장치에 직접 연결한 메모리와 공동으로 사용하는 메모리를 함께 운영한다.

AI 추론 과정의 정보를 재사용하기 위해 저장하는 KV 캐시가 대표적인 적용 대상이다. 기존 구조에서는 한 GPU가 다른 GPU에 데이터를 전달하려면 상대 메모리에 공간이 생길 때까지 결과를 보관해야 할 수 있다. 공유 메모리 풀이 있으면 작업을 끝낸 GPU는 결과를 그곳에 저장하고 다음 작업을 진행하며, 다른 GPU는 필요한 시점에 데이터를 가져갈 수 있다.

발표에서는 CPU·GPU 랙 옆에 수십~수백TB 규모의 메모리를 모은 랙을 배치하는 구성을 제시했다. 랙 간에는 네트워크를 통해 메모리를 공유하고, 랙 내부에서도 CXL 같은 연결 기술을 이용해 자원 활용을 최적화할 수 있다고 설명했다. 기대 효과로는 메모리 이용률 개선, 응답시간 단축, 데이터 관리 복잡도 감소를 들었다.

파트너와 수행한 평가는 대화와 작업을 여러 차례 반복하는 멀티턴 에이전트 시나리오를 대상으로 했다. 이런 환경에서는 문맥이 길어지며 KV 캐시가 늘어난다. 저장 공간이 부족해 기존 캐시를 버리면 나중에 같은 정보를 다시 계산해야 하고, 일부 요청의 응답이 유난히 늦어지는 문제가 생길 수 있다.

주 부사장은 대용량 메모리 풀에 KV 캐시를 보관한 뒤 재사용하는 방식에서 평균 응답시간과 지연이 길게 나타나는 구간의 응답시간이 개선됐다고 밝혔다. 공유 메모리에 접근하는 데 걸리는 시간은 로컬 메모리보다 길 수 있지만, 캐시를 버리고 다시 계산하는 것보다는 유리했다는 설명이다. SK하이닉스는 인텔을 비롯한 파트너, 고객, 학계와 함께 이런 구조의 연구와 평가를 진행하고 있다.

주영표 SK하이닉스 부사장이 KV 캐시 처리 방식에 따른 첫 토큰 응답시간을 비교하고 있다. 발표 자료에서 첫 토큰까지 걸린 평균 시간은 캐시를 재계산할 때 80.76초, 원격 CXL DDR에 저장한 캐시를 재사용할 때 15.45초였다.

PC 안에서 계속 일하는 AI…‘에이전트를 위한 컴퓨터’ 구상

댄 로드리게스(Dan C. Rodriguez) 인텔 부사장은 PC와 엣지에서 AI를 실행하는 방법을 설명했다. 화상회의, 문서 작성, 이메일, 메신저 등 여러 업무가 이어지는 PC에서 AI가 정보를 찾고 요약하려면 사용자의 작업 맥락을 이해하면서 기기 안에서 빠르게 처리할 수 있어야 한다고 말했다.

댄 로드리게스 인텔 엣지 컴퓨팅 그룹 총괄 부사장이 PC와 산업 현장의 장비에서 AI를 직접 실행하는 방안을 소개하고 있다.

코어 울트라 시리즈 3에는 CPU, GPU, NPU가 하나의 시스템온칩으로 결합돼 있다. 일상적인 작업의 응답성은 CPU가, 그래픽과 높은 연산 성능이 필요한 AI 작업은 GPU가, 장시간 지속되는 저전력 AI 처리는 NPU가 맡도록 작업을 배분할 수 있다. 로드리게스 부사장이 제시한 상업용·소비자용 시장의 제품 설계 수는 300개 이상이다.

인텔이 제시한 PC의 발전 방향은 에이전트가 사용자의 업무 맥락을 바탕으로 지속적으로 작동하는 환경이다. 필요한 API와 모델, 실행 성능을 갖춰 AI가 여러 애플리케이션에 걸친 작업을 수행하도록 한다는 계획이다.

PC를 보완하는 별도 구상으로는 ‘에이전트를 위한 컴퓨터’를 소개했다. 사람이 목표를 전달하면 에이전트가 관련 정보를 모으고 계획을 세운 뒤 애플리케이션과 서비스를 오가며 작업을 완료하는 형태다. 에이전트가 계속 실행되고 데이터에 접근해야 하는 만큼 로컬 연산 자원이 필요하며, 추가 자원이 필요할 때는 클라우드를 함께 사용하는 하이브리드 방식을 제안했다.

로봇 제어와 AI를 한 칩에…움직이지 않는 산업용 장비도 대상

로드리게스 부사장은 엣지 AI를 데이터센터 시스템을 작게 줄이는 방식으로 구현하기 어렵다고 설명했다. 매장 계산대, 공장의 산업용 PC, 의료장비, 교통 인프라 등은 설치 공간과 전력, 비용, 반응시간의 제약이 서로 다르기 때문이다.

산업 현장에서는 영상과 언어를 함께 이해하는 비전언어모델(VLM), 여기에 행동까지 연결하는 비전언어행동모델(VLA)이 기존 컴퓨터 비전과 함께 사용된다. 물체를 식별한 뒤 주변 상황을 해석하고, 어떤 행동을 할지 결정해 실제 장치를 제어하는 과정이 실시간으로 이어져야 한다.

피지컬 AI의 적용 대상도 휴머노이드에 한정하지 않았다. 자율이동로봇, 무인운반차, 협동로봇, 로봇팔은 물론 움직이지 않는 산업용 PC도 센서 입력을 해석하고 설비를 제어하는 역할을 할 수 있다고 설명했다. 유통에서는 재고 보충과 판촉 활동, 교육에서는 수업 구성, 의료에서는 환자 상태 관찰, 제조에서는 생산라인의 문제 감지와 조치 등을 적용 분야로 들었다.

인텔은 로봇의 실시간 제어와 피지컬 AI 처리를 코어 울트라 시리즈 3 기반 단일 SoC에서 지원하는 구성을 제시했다. 제어용 칩과 AI 처리용 칩을 별도로 두는 설계에서 발생하는 부품 수와 시스템 복잡도를 줄이는 접근이다. 로드리게스 부사장은 로봇이 현장에 배치되려면 비용과 규모의 경제를 충족하고, 예측 가능한 방식으로 동작하며, 다양한 소프트웨어를 활용할 수 있어야 한다고 말했다.

개발 지원에는 센서와 입출력 구성을 포함한 로보틱스 레퍼런스 플랫폼, 샘플 애플리케이션과 벤치마크를 제공하는 로보틱스 AI 스위트가 포함된다. 오픈비노 피지컬 AI와 피지컬 AI 스튜디오를 활용하고, ROS 2 및 실시간 리눅스 환경을 지원한다. 개발자가 사용하는 커뮤니티 프레임워크와 인텔 도구를 연결해 학습·개발한 모델을 현장 장비에 배포하도록 돕는 방식이다.

보다 넓은 엣지 시장을 위해서는 개발자용 오픈소스 도구와 라이브러리, 성능을 검증한 하드웨어 구성, 산업별 레퍼런스 앱을 함께 제공한다. 하드웨어 업체는 검증된 시스템 구성을 활용하고, 소프트웨어 업체와 시스템 통합업체는 샘플 코드와 벤치마크를 기반으로 애플리케이션을 개발할 수 있다.

초음파 장비·광산 로봇·자율공장으로 이어진 적용 사례

삼성메디슨과의 협업에서는 염증성 장질환 평가에 사용하는 장벽 두께 측정 사례를 소개했다. 장벽 영역을 자동으로 구분하고 두께를 측정하는 알고리즘을 코어 울트라에서 실행하는 방식이다. 인텔은 오픈비노 등을 활용해 별도 GPU 없이 작업을 처리하고, AI 성능을 4.2배 높인 비교 결과를 제시했다.

호주 로봇기업 ADR 사례에서는 광산처럼 공간이 좁고 안전 확보가 필요한 환경을 다뤘다. 제온, 코어 울트라, 오픈비노를 활용해 라이다, 열화상, 일반 영상, 가스 농도 등 여러 센서 데이터를 실시간으로 분석한다. 발표에서 소개한 ADR 자체 벤치마크 결과는 전체 시스템 속도 1.5배 향상, 엣지 AI 처리 여력 40% 개선이다.

다임테크놀로지와는 자율공장을 위한 협력을 소개했다. 로봇과 AI 하드웨어, IT 시스템, 물류가 하나의 시스템처럼 작동하도록 인텔 엣지 기술과 오픈 엣지 플랫폼을 활용하는 구상이다. 로봇, 산업용 기계, 컴퓨팅 인프라를 포함하는 레퍼런스 아키텍처를 마련하고 에이전틱 AI와 피지컬 AI를 함께 적용한다는 계획이다.

맞춤형 반도체, 설계부터 패키징까지 고객별 협업

마커스 로렌스(Marcus Lawrence) 인텔 중앙 엔지니어링 그룹 커스텀 실리콘 GTM 총괄은 작업 특성에 맞춰 반도체를 설계하는 방식을 제안했다. AI 처리 규모와 데이터 이동량이 증가하면 1% 수준의 성능·효율 개선도 사업 비용에 영향을 줄 수 있다고 봤다. 이를 위해 특정 작업에 필요한 구조를 반도체 설계 단계부터 반영해야 한다고 말했다.

마커스 로렌스 인텔 중앙 엔지니어링 그룹 커스텀 실리콘 GTM 총괄이 AI 처리 규모가 커질 때 반도체의 성능과 전력 효율 개선이 운영비에 미치는 영향을 설명하고 있다.

인텔이 제공하는 범위에는 AI 가속기용 주문형 반도체(ASIC), 엣지 ASIC, 칩렛, 첨단 패키징을 이용한 이기종 연산 장치 통합이 포함된다. 고객이 확보한 기술과 개발 단계에 따라 설계 서비스, 제조 공정, 패키징을 조합할 수 있도록 협업 방식을 나눴다.

전체 설계를 맡기는 턴키 방식에서는 아키텍처부터 제조에 필요한 설계 데이터까지 작업을 수행하며, 인텔 또는 외부 파운드리 공정을 활용할 수 있다. 고객이 자체 설계와 반도체 설계자산(IP)을 보유했다면 이를 중심으로 SoC와 패키지를 공동 설계하고, 필요한 인텔 IP나 칩렛을 추가한다.

이미 외부 공정으로 설계한 제품을 인텔 파운드리로 옮기는 방식도 제시했다. 이 경우 전력·성능·면적을 조정하고 패키징, 제조, 공급망을 연결한다. 고객이 반도체를 확보한 상태에서는 패키지 설계와 칩렛 조합을 지원하며, 기존 인텔 제품을 고객 요구에 맞게 조정하는 협업도 가능하다고 설명했다.

마커스 로렌스 인텔 커스텀 실리콘 GTM 총괄이 턴키 설계, 공동 설계, 파운드리, 패키징, 기존 제품 맞춤화 등 다섯 가지 반도체 협업 방식을 소개하고 있다.

로렌스 총괄은 NPU, GPU, x86 연산 기술 등 기존 IP를 고객 설계에 통합할 수 있다고 말했다. 한국의 메모리·제조 기반과 AI 반도체 기업을 협업 대상으로 언급하며, 고객이 시작하는 단계에 맞춰 필요한 설계와 생산 지원 범위를 정하겠다고 밝혔다.

레노버, 기상 분석과 도로 위 생태계 관찰에 AI 적용

신규식 한국레노버 대표는 데이터를 클라우드, 데이터센터, 엣지 가운데 어디에서 처리할지 업무별로 결정해야 한다고 설명했다. 데이터의 성격, 보안과 규제, 비용, 실시간 처리 요구가 다르기 때문에 여러 환경을 연결하는 하이브리드 AI가 필요하다는 입장이다.

신규식 한국레노버 대표가 업무에 맞춰 클라우드, 데이터센터, 엣지를 연결하는 하이브리드 AI 전략을 소개하고 있다.

국내 사례로는 기상청을 소개했다. 레노버와 인텔은 AI 및 고성능 컴퓨팅 기술을 결합해 방대한 기상 데이터를 분석하는 환경을 지원한다. 신 대표는 기상 정보가 일기예보뿐 아니라 국민 안전과 산업 활동, 국가의 의사결정에도 사용되는 만큼 대규모 데이터에서 패턴을 찾는 컴퓨팅 역량이 필요하다고 말했다.

덴마크에서는 차량 약 100대에 레노버 엣지 솔루션을 탑재해 도로 주변 식물을 인식·분석하는 사례를 제시했다. 생태계에 피해를 줄 수 있는 식물을 파악해 위험 정보를 전달하는 방식으로, 발표에서는 관련 식물 지도를 만드는 데 약 한 달이 걸렸다고 소개했다.

개인용 AI는 사용자의 정보와 업무 방식을 이해하는 비서 형태로, 기업용 AI는 데이터·컴퓨팅·보안·솔루션을 연결하는 형태로 발전할 것으로 봤다. 레노버는 AI PC와 워크스테이션, 데이터센터, 엣지 제품을 연결해 사용 목적에 맞는 실행 환경을 제공하겠다는 계획을 밝혔다.

23개사 K-AI 풀스택 얼라이언스, 국산 서버 중심으로 협력

인텔코리아는 국내 AI 생태계 협력을 위한 K-AI 풀스택 얼라이언스를 출범시켰다. 초기 참여 기업은 23개사다. 소버린 AI와 피지컬 AI를 대상으로 하드웨어, 소프트웨어, 산업별 AI 솔루션과 서비스를 연결하는 협력체다.

얼라이언스는 국산 서버를 중심으로 AI 인프라와 소프트웨어를 결합하고, 고객 요구에 맞는 구성을 제공하는 것을 목표로 한다. 참여 기업들이 각자의 기술을 연결해 AI 수요 변화에 대응하고 국내 공급 기반을 강화한다는 방침이다.

산토시 비스와니탄 인텔 아시아태평양 지역 총괄은 한국이 가진 메모리 반도체와 연구개발 역량, 제조·로봇 활용 경험을 협력 기반으로 제시했다. 소버린 AI를 위해 모든 인프라 요소를 직접 통제해야 하는 것은 아니라며, 한국이 보유한 모델과 메모리, 인프라 기술을 지역 수요에 맞게 조합할 기회가 있다고 설명했다.

AI를 데이터가 생성되는 곳에서 처리하는 방식도 강조했다. 현장의 데이터를 데이터센터로 보내고 결과를 다시 받는 과정에는 지연과 비용, 데이터 유출 우려가 따르기 때문이다. 개인이 자신의 데이터와 모델을 활용하는 AI, 산업 현장에서 즉시 처리하는 엣지 AI를 한국 기업이 사업화할 분야로 꼽았다. 인텔은 한국 기업의 제품을 해외 고객과 연결하는 역할도 하겠다고 밝혔다.

산토시 비스와니탄 인텔 아시아태평양 지역 총괄이 사용자가 자신의 데이터와 모델을 기기에서 직접 활용하는 개인용 AI 구상을 설명하고 있다.

배태원 인텔코리아 대표이사는 개회사에서 AI를 적용할 기회, 구현 방법, 협력 파트너를 행사에서 찾아야 할 세 가지 과제로 제시했다. CPU와 GPU, 가속기의 특성을 활용하고 데이터센터·PC·현장·로봇 가운데 처리 위치를 선택할 때 성능, 비용, 실제 운영 환경을 함께 고려해야 한다고 말했다.

스타트업 지원 20개사로 확대…제조 AI 실증과 해외 진출 연계

목승환 중소벤처기업부 실장은 스타트업의 기술 개발과 함께 초기 판로 및 해외 진출을 지원하는 정책 방향을 설명했다. 정부와 공공기관이 첫 고객이 돼 현장의 문제를 스타트업 기술로 해결하고, 실증과 구매로 이어지도록 지원하겠다는 구상이다. 성장 단계별 투자를 통한 AI·딥테크 유니콘 육성과 국세청 협력을 통한 세정 지원도 언급했다.

목승환 중소벤처기업부 실장이 AI 스타트업 가운데 매출을 올린 기업의 비중이 2025년 92.8%를 기록했다고 설명하고 있다.

제조 분야에서는 2030년까지 스마트 제조혁신에 5조 원 이상을 투입하는 ‘중소제조 피지컬 AI 확산 전략’을 소개했다. 디지털 전환(DX)으로 확보한 데이터를 인공지능 전환(AX), 로봇 전환(RX)과 연계하는 계획이다. 제조 현장에서 필요한 기술과 AI 스타트업의 제품을 연결할 수 있는 분야로 설명했다.

중기부와 인텔은 글로벌 기업 협업 프로그램인 어라운드엑스(AroundX)의 ‘인지니어스(InGenius)’를 통해 AI 스타트업을 지원하고 있다. 목 실장은 2024년 시작한 협력에서 그동안 매년 10개사를 지원했으며, 올해는 지원 규모를 확대해 20개사를 함께 육성하고 있다고 밝혔다. 참여 기업의 기술 개발과 제품 검증, 글로벌 협력 및 해외 진출을 지원한다.

인텔코리아는 서울 AI 허브와도 국내 AI 스타트업의 기술 경쟁력과 성장을 지원하기 위한 업무협약을 체결할 계획이다. 양측은 유망 기업의 AI 솔루션 개발·검증 역량을 높이고 기술 협력 기회를 확대한다. 목 실장은 해외 거점과 투자 연계 액셀러레이팅 프로그램을 통한 지원을 설명하고, 오는 12월 9~11일 코엑스에서 열리는 컴업에서 스타트업과 투자자, 대·중견기업의 협력 기회를 넓히겠다고 말했다.

이번 서밋의 오후 프로그램은 AI 인프라·소버린 AI, 피지컬 AI·생태계, 엔터프라이즈·엣지 AI 등 세 개 트랙으로 구성됐다. KTNF, HPE, 씨게이트, ASUS, 메가존클라우드, 네이버, 신세계I&C, KT, 델 테크놀로지스 등이 분야별 기술과 적용 사례를 다루며, 피지컬 AI 스튜디오 핸즈온 세션과 파트너 전시도 마련했다.

이준문 기자/jun@newstap.co.kr

ⓒ 뉴스탭(https://www.newstap.co.kr) 무단전재 및 재배포금지