요즘 뉴스를 보면 AI 이야기가 빠지지 않습니다.

생성형 AI를 통한 이미지 제작은 물론
산업 자동화까지 AI는 이미 일상 깊숙이 들어왔죠.

‘LLM’, ‘파인 튜닝’, ‘온디바이스 AI’, ‘피지컬 AI’…
이와 함께 AI를 설명하는 단어들도 점점 다양해지고 복잡해지고 있는데요.
낯설지만 앞으로 산업과 일상을 크게 바꿀 중요한 개념들입니다.

이번 <에코용어사전>에서는 AI 발전의 여정을 따라 여섯 가지 핵심 용어를 살펴봅니다.
초기 서비스 개념에서부터 최신 기술, 그리고 미래 산업 적용까지
AI가 어떻게 발전해가고 있는지 살펴보겠습니다.

.

1️⃣ LLM (Large Language Model)

AI 붐의 시작에는 ‘LLM’이 있습니다.

LLM은 ‘대규모 언어 모델’이라는 뜻으로,
인터넷에 흩어진 방대한 텍스트를 학습해
인간처럼 언어를 이해하고 생성할 수 있는 AI입니다.
챗GPT(ChatGPT)와 같은 서비스가 대표적이죠.

이 LLM이 중요한 이유는 단순히 텍스트를 이어 붙이는 것이 아니라,
문맥을 파악하고 새로운 대답을 만들어낼 수 있기 때문입니다.

예전의 AI가 정해진 답만 내놓았다면 LLM은 창의적인 답변까지 가능해진 것이죠.

덕분에 고객 상담, 번역, 글쓰기 등 다양한 분야에서 이미 활용되고 있으며
AI 시대의 초석을 다진 개념이라 할 수 있습니다.

.

2️⃣ 파인 튜닝 (Fine-tuning)

그렇다면 GPT 같은 LLM 모델을 그대로 가져다 쓰면 충분할까요?

그렇지 않습니다.
모든 기업은 자신의 특수한 상황과 데이터를 반영시키고자 하는데
이때 필요한 과정이 바로 ‘파인 튜닝(Fine-tuning)’입니다.

파인 튜닝은 이미 학습된 대형 모델에 추가 훈련을 시켜
특정 목적이나 분야에 맞게 성능을 조정하는 과정입니다.

예를 들어, 의료 분야에서 활용하고 싶다면
의료 기록과 논문 데이터를 추가 학습시켜 전문성을 강화하는 방식으로
기존 LLM을 맞춤형 전문가로 발전시킬 수 있습니다.

이는 비용과 시간을 절약하면서도 정확도 높은 결과를 낼 수 있어
최근 다양한 산업에서 널리 활용되고 있습니다.

.

3️⃣ RAG (Retrieval-Augmented Generation)

RAG(검색 증강 생성)는 최근 AI 연구와 산업 현장에서
가장 주목받는 기술 중 하나인데요.

파인튜닝이 모델 자체를 ‘훈련’하는 방법이라면
RAG는 모델이 외부에서 ‘참고’하는 방법입니다.

기존 AI 모델은 훈련 당시 데이터에만 의존한다는 한계점이 있었습니다.
GPT가 2023년까지의 데이터만 배웠다면
2024년 이후 사건에 대해서는 제대로 답변할 수 없는 것이죠.

RAG는 이 문제를 해결하기 위해 검색(Retrieval) 기능을 추가해
신뢰할 수 있는 외부 데이터베이스나 최신 정보를 찾아서
이를 기반으로 생성(Generation)을 해내는 방식으로 작동합니다.

예를 들어 법률이나 최신 연구 등이 자주 바뀌는 분야에서는
과거 데이터만으로는 정확한 답을 내놓기 어려운데,
이때 RAG는 최신 문서를 불러와 답변을 보강합니다.

.

4️⃣ 온디바이스 AI (On-device AI)

온디바이스 AI는 클라우드에 의존하지 않고
기기 자체에서 AI 기능을 직접 실행하는 기술을 의미합니다.

지금까지 AI는 주로 클라우드 서버에서 무거운 연산을 수행했는데요.
앞으로는 스마트폰이나 자동차처럼 기기 자체에서 AI가 작동하는 시대가 열립니다.

이 기술의 장점은 빠른 응답 속도와 개인정보 보호입니다.
데이터를 클라우드 서버로 보내지 않고 기기 안에서 처리하기 때문에
지연 시간이 줄고 보안성도 강화할 수 있는 것이죠.

이 기술은 앞으로 스마트폰 비서, 자동차 자율주행,
웨어러블 헬스케어 기기 등에 본격적으로 적용될 것으로 보고 있습니다.

.

5️⃣ 피지컬 AI (Physical AI)

AI는 이제 화면 속을 넘어 현실 세계로 확장되고 있습니다.

피지컬 AI란 인공지능이 카메라 등의 센서를 통해 물리적 환경을 인식하고
수집된 정보를 바탕으로 스스로 판단하여
로봇 등의 장치를 통해 물리적인 영향을 미치는 AI 시스템을 뜻합니다.

로봇, 드론, 자율주행차 같은 물리적 장치를 움직이고 제어하는 AI가 여기에 해당하죠.
예를 들어 물류 창고에서 AI 로봇이 스스로 박스를 옮기거나,
건설 현장에서 드론이 데이터를 수집하는 모습이 바로 피지컬 AI의 사례입니다.

이 영역은 제조·건설·물류 등 다양한 산업에서 인력을 보완하고
안전성을 높이는 역할을 할 것으로 기대됩니다.

.

6️⃣ HVAC (Heating, Ventilation, Air Conditioning)

이러한 AI의 발전은 결국 인프라와 연결됩니다.
그 중에서도 데이터센터는 AI 시대의 심장과도 같은 곳인데요.

데이터센터를 안정적으로 운영하려면
서버에서 발생하는 막대한 열을 효과적으로 관리해야 하는데,
이때 핵심 역할을 하는 시스템이 바로 HVAC입니다.

HVAC는 난방, 환기, 공조를 아우르는 시스템으로,
데이터센터의 에너지 효율과 직결됩니다.

최근에는 AI를 활용해 실시간으로 냉각을 최적화하고
전력 사용량을 줄이는 스마트 HVAC 기술이 주목받고 있습니다.

.

AI 서비스가 고도화될수록
데이터를 처리하고 저장해야 하는 양도 급격히 늘어나고 있습니다.

이에 따라 데이터센터 시스템 역시 점점 더 고도화되고 있는데요.

이러한 변화를 뒷받침하기 위해서는
반도체와 데이터센터 분야의 전문 기술이 필수적입니다.

.

이에 SK에코플랜트는 용인 반도체 클러스터 내
SK하이닉스 반도체 생산 시설 4기 및 지원 시설의 설계∙시공을 시작으로
기존에 보유하고 ‘반도체 종합 서비스’ 역량을 접목해 세계 최초의 3단 복합 멀티팹을 보유한
차별화된 첨단 반도체 제조시설을 선보일 계획입니다.

뿐만 아니라 AI 기술 확산으로 폭증한 데이터 처리·저장 수요에 대응하기 위해
울산에 비수도권 최대 규모 ‘AI 전용 데이터센터’ 조성도 진행 중입니다.

특히 연료전지 기반의 안정적인 전력 인프라를 제공할 수 있으며,
연료전지에서 발생하는 열을 활용한 냉각시스템 기술도 자체적으로 보유하고 있죠.

이 때 연료전지 배열 가스를 냉각 및 용수 시스템으로 재활용하는
WHRC(Waste Heat Reuse Chiller, 흡수식 냉온수기)와 같은
열 회수 기술을 고도화하며 지속가능성도 함께 챙기며
차세대 데이터센터 구현을 위해 노력하고 있고요.

AI 시대 첨단 산업 선도를 위해 힘쓰고 있는
SK에코플랜트의 행보에 앞으로도 많은 관심 부탁드립니다!