# GPT-6 아스트라로 CAD가 95%, 다음은 설계 및 공장?

> https://bookfactory.kr/board/ai-tech/16611
> 게시판: AI·머신러닝
> 작성자: admin
> 작성일: 2026-09-16T07:37:35.176Z

---

![見出し画像](https://assets.st-note.com/production/uploads/images/310764666/rectangle_large_type_2_9fc85861ca5ed81ab6cd1686d99e7900.jpeg?width=1280)

챗 AI 다음에는 무엇이 올까.

파벨 5.1이나 GPT-6 아스트라를 보면서, 다음에 나올 것은 이미 눈에 들어오고 있으며, 단순한 더 똑똑한 챗봇 그 이상일 것이다.

AI는 스스로 컴퓨터를 조작하며, 여러 사람으로 업무를 분담하고 3D 공간을 만들며, 로봇을 움직이고 연구 장비를 작동시키기 시작하고 있다.

앤서니(Anthropic)에 이르러서는 미래에 AI들 간의 교류가 인간들 간의 교류나 인간과 AI의 교류를 능가할 가능성까지 공식적으로 언급하고 있다.

수년 전까지 인공지능(AI)은 화면 속에서 텍스트를 생성하는 존재로 여겨졌습니다. 하지만 지금은 업무, 인터넷, 설계, 공장, 연구실 등 다양한 분야에서 활용이 확대되고 있습니다.

따라서 어떤 모델이 가장 현명한지뿐만 아니라, 몇 시간 동안 안정적으로 작동할 수 있는지, 얼마나 많은 도구를 사용할 수 있는지, 실제 기계를 물리적 AI로 어떻게 활용하고 있는지에 대한 질문도 중요합니다.

투자 주제도 보나 보듯 거기서 흘러나올 것 같은 느낌이 있었습니다.

## AI는 스스로 일을 진행하기 시작했다.

이전까지의 챗봇 AI는 인간이 일을 작은 조각으로 나누어 넘겨받는 방식이었다.

AI는 회사를 조사하고, 재무제표를 읽고, 표를 만들고, 경쟁사와 비교하고, 보고서를 작성하는 등 각 단계별 작업을 도와주지만, 진행 관리는 여전히 사람의 몫이었습니다.

에이전트가 되면, 목적을 전달한 후 AI가 스스로 과정을 구성한다. 검색을 하고, 데이터를 가져와, 프로그램을 실행하고, 파일을 다루고, 중간 결과를 확인하고, 실패하면 다른 방법을 시도한다.

어려운 문제를 해결할 수 있는 것만으로는 부족하고, 얼마나 활동 시간을 확보할 수 있는지 궁금한가요? 도구를 처리 속도 저하 없이 사용할 수 있는지, 실패한 후 다시 일어서서 진행할 수 있는지, 하나의 일을 끝까지 완료할 수 있는지 확인해야 합니다.

2026년의 경쟁은 상당히 이 과제의 해결에 진전되고 있다.

## 다음은 AI들이 서로 업무를 분담하는 것에 대해 논의하고 있습니다.

모든 것을 하나의 AI에게 맡길 필요는 없어지고 있습니다.

조사를 수행하는 AI, 계산을 수행하는 AI, 코드를 작성하는 AI, 검수를 수행하는 AI입니다. 마지막으로 다른 AI가 종합합니다. 이는 회사의 분업과 유사합니다.

Anthropic는 2026년 8월에 발표한 여러 AI 연구에서 미래 AI 간의 상호작용이 상당히 증가하여 인간 간 또는 인간과 AI 간의 양을 넘어설 수도 있을 것으로 예상했다.

이것이 정말 진행되면, 인터넷 사용 방식도 바뀔 것이다.

구매 AI가 부품을 찾고, 판매 AI와 가격 및 배송 일정을 협상하며, 물류 AI가 배송하고, 회계 AI가 지불한다.

현재 인공지능(AI)들이 서로 직접 브라우저를 열어 처리하던 업무의 일부를 수행하게 된다.

인터넷에서 가장 많은 통신을 하는 주체가 인간이 아니라는 이야기이며, 소프트웨어를 인간이 사용하는 것만을 전제로 한다면 부족해집니다.

## 인공지능 간의 영역 다툼까지 벌어지고 있다

단지, 에이전트 수를 여러 명 배치한다고 해서 반드시 뛰어난 팀이 되는 것은 아니라는 뜻입니다.

Anthropic의 실험에서는 AI들이 서로 같은 업무나 자원을 놓고 경쟁할 때 영역 다툼이 발생하는 사례가 나타났으며, 조건에 따라서는 상대방을 방해하기 위해 계정을 무효화하거나 경쟁 프로세스를 중단시키거나, 심지어 자기 복제형 멀웨어까지 사용하는 행동이 관찰되기도 했다.

실험에 관한 이야기이고, 현재 내부 AI가 일상적으로 그런 일을 하는 것은 아니지만, 수치가 증가한 세상에서는 권한, 접근해도 되는 데이터, 실행 로그, 비상시 중단 방법 등이 명확하게 드러나게 된다.

AI가 증가할수록 인증, 감사, 통신 제어 등 AI 관리 시장이 더욱 확대될 것으로 예상된다.

## 중국 AI의 가격만으로는 5년 후를 판단할 수 없다.

중국산 AI에 대해서는 성능이 향상되고 요금이 저렴해져서 결국 중국 세력이 승리한다는 이야기가 자주 보인다.

모델 단체의 가격 성능비만 놓고 보면, 앞으로도 그 판단은 더욱 굳어질 것이다. 특히 챗이나 짧은 추론의 경우에는 더욱 그렇게 보일 것이다.

동일한 성능, 동일한 신뢰성, 동일한 실용성을 갖춘다면 당연히 더 저렴한 AI를 선택하면 됩니다.

하지만 현재의 경쟁 상황을 보면, ‘싸우면 된다’거나 ‘싼 게 비지떡이다’라는 생각에는 부정적이다.

미국 기업들을 보면 가격만을 경쟁하고 있는 것처럼 보이지는 않는다.

장시간 활동하는 에이전트, 외부 도구, 연구, 3D, 로봇, 실험 장비

모델을 아직 현명하게 만드는 데도, 에이전트 AI가 미래를 내다보고 있다고 생각한다.

몇 시간에서 며칠까지 걸리는 일을 끝까지 처리한다. 논문을 읽고 실험 조건을 생각한다. 로봇이나 장비를 안전하게 작동시킨다. 중간에 문제가 발생해도 스스로 수정하여 계속하거나, 이처럼 장소에서는 벤치마크상의 작은 차이가 현장에서는 상당히 큰 차이로 나타날 수 있다.

연구는 특히 화학, 신약, 재료, 반도체 장비 분야에 깊이 관여하기 시작하면, 실험 데이터와 운영 노하우가 매일 축적된다.

AI는 다음 실험 조건을 설정하고 결과를 분석하며, 이를 바탕으로 다음 조건을 결정하는 과정에서 사용한 연수가 그 자체로 자산이 된다.

특허, 고객 인정, 양산 기술 등은 명백히 선두 기업이 유리하며, 이러한 분야에서 먼저 진출하면 뒤늦게 저렴한 모델을 제시하는 것만으로 따라잡을 수 있을지 의문이다.

현재 토큰 단가를 그대로 5년 뒤의 지배에 연결하는 것은, 스스로를 일찍 생각하고 있다고 생각한다.

## 3D 모델링 및 CAD 작업도 많이 발전했습니다.

파벨 5.1이나 GPT-6 아스트라를 보면서 이번에 특히 3D가 놀라웠다.

3D 형태에서 CAD 프로그램을 재구성하는 BenchCAD에서는 GPT-6 Astra가 95.9%, Fable 5.1이 84.3%라는 수치가 나타나고 있다. 평가 조건에 차이가 있는 만큼 숫자만으로 승패를 판단할 수 있는 것은 아니지만, 3D를 실제로 다루는 능력이 상당히 향상되었다는 것을 알 수 있다.

게임에서는 이제 실제로 사용되기 시작했다.

Playco는 GPT-6 Astra를 Unity나 Godot에 직접 연결하여 AI에게 게임의 장면을 편집하게 하고, 실제로 플레이하며 테스트하여 문제점을 찾아 수정하는 전체 과정을 진행하고 있다.

이전 모델과 비교했을 때 사람이 직접 수리하는 횟수가 50% 감소했다는 보고이다.

제가 관심을 가지고 있는 것은 3D 이미지가 더 깔끔해진 것보다 AI가 편집 가능한 3D 공간 자체를 직접 체험할 수 있게 되었다는 점입니다.

게임이라면 스테이지를 만들고 그대로 실행하여 테스트할 수 있습니다.

건축 분야라면 CAD나 BIM을 활용하면서 설계안을 여러 형태로 제작하는 단계에 자연스럽게 관여할 것입니다.

제조업 분야에서는 부품이나 설비의 3D 모델을 제작하여 바로 시뮬레이션에 활용할 수 있습니다.

게임, 건축, 제품 설계는 인건비 및 개발 기간이 크다.

여기 AI가 들어오면 개발 비용 이야기가 완전히 달라 보일 것 같습니다.

## AI를 움직이는 반도체까지 AI가 설계하기 시작했다.

반도체 설계는 상당한 수준에 도달하고 있다.

Synopsys는 2026년 7월, NVIDIA와 협력하여 반도체 설계 검증을 장시간 자동으로 반복하는 AI 에이전트를 발표했다.

사양 및 설계 데이터를 읽고 테스트 계획을 수립하여 검증하고, 결함의 원인을 찾아 다시 테스트하는 전 과정을 거쳤으며, 해당 회사는 검증 완료된 RTL까지의 시간을 최대 50배 단축하고 커버리지를 20% 개선했다고 발표했다. 수주 분의 수작업을 몇 시간 동안 에이전트 실행으로 축소한 사례를 제시하고 있다.

열 설계 및 전자 기기 냉각 시뮬레이션까지, 자동으로 설정, 분석, 결과 처리를 수행하는 워크플로우도 존재하며, 이는 매우 흥미로운 순환이라고 생각한다.

AI에는 고성능 반도체가 필요하며, AI가 빠르게 이를 설계한다. 그 새로운 반도체로 인해 또 다른 AI가 발전할 수 있다.

AI 관련 주식이라고 하면 반도체를 판매하는 회사에 눈이 가기 쉽지만, 반도체를 만드는 데까지 걸리는 시간을 줄이는 EDA(Electronic Design Automation)나 CAE(Computer-Aided Engineering)도 상당히 흥미롭게 보입니다.

## 연구 개발 단계에서는 이미 상용화가 시작되고 있습니다.

연구 개발에 인공지능을 도입하는 것은 아직 먼 일은 아니며, 이미 우리 주변의 상품에도 적용되고 있다.

시생堂은 액센츄어와 공동 개발한 처방 개발 AI를 자사의 연구 기반 VOYAGER에 탑재하여 2024년부터 본격적으로 가동하고 있다.

100년 이상의 연구에 쌓여온 50만 건 이상의 처방 및 연구 지견을 AI로 활용할 수 있도록 구축한 결과물입니다.

2026년 1월에는 이 시스템을 활용한 첫 번째 제품으로, 향, 색조, SPF를 결합한 미스트형 선케어 개발에 대한 발표가 있었다.

물론 AI만으로 무작정 상품을 만들었다는 의미는 아니고, 연구원들과 함께 개발하고 있습니다.

그럼에도 광고 문구나 이미지 제작 AI부터 상품의 속성을 구상하는 AI까지, 다양한 분야에서 변화가 상당히 크다고 생각합니다.

로레알 역시 상당히 발전된 연구를 진행하고 있으며, 인공지능(AI)을 활용하여 분자가 피부나 모발에 어떻게 작용하는지 예측하고, 스킨케어 제품에 사용하던 분자를 샴푸에 응용하는 연구도 진행하고 있다.

2026년 7월에는 AI를 활용하여 상품 개발이 이전의 약 4배의 속도로 진행되었다고 회사 관계자가 설명했다. 4배라는 것은 상당한 규모이며, 동일한 연구원 수라도 이전보다 더 많은 후보를 시도할 수 있고, 하나의 상품을 만드는 데 걸리는 시간도 단축된다.

식품 분야에서도 Mondelez가 Oreo와 Chips Ahoy 제품 개발에 AI를 활용하여 개발 기간을 수개월에서 수주 정도로 단축했다는 보도가 나오고 있습니다.

화장품도 식품도 원료나 배합을 조금만 바꾸어도 후보가 한꺼번에 늘어나는 만큼, 이러한 시행착오가 많은 분야는 AI와 매우 잘 맞을 것 같습니다.

## 다음은 AI가 실험을 직접 수행한다.

현재 시생도스와 로레알은 인공지능이 후보를 제시하거나 예측하는 역할을 중심으로 하고 있으며, 실험 자체는 아직까지 사람의 참여가 상당하다.

다음에도 그곳도 자동화가 진행될 것입니다.

Anthropic는 2026년 8월, AI 에이전트에서 연구 장비를 조작하기 위한 Model Hardware Standard를 연구 프리뷰로 공개했다.

대상은 현미경, 액체 처리 장치, 로봇 암 등 양자 컴퓨터 관련 설비의 레이저 조정까지 포함한다.

연구 장치는 제조사마다 작동 방법과 소프트웨어가 다르기 때문에, 지금까지는 여러 장비를 묶어 자동화하는 것만으로도 상당히 번거로웠다.

Anthropic에 따르면, 과거에는 이러한 장비들의 연합에 수시간에서 수개월이 걸리기도 했으나, 이제는 수시간에서 수분 정도로 단축될 수 있는 경우도 있습니다.

AI는 과거의 실험 결과를 확인하고 다음 조건을 설정하여 장치를 작동시키고, 결과를 확인하여 다시 다음 조건을 결정한다.

이 정도까지 연결되면 연구 방식 자체가 바뀐다.

아직 연구 프리뷰나 초기 도입 단계이지만, 사람들이 떠난 후에도 AI와 장치가 실험을 계속하는 연구실은 이제 더 이상 상상에 그치지 않는다고 생각한다.

일본에서도 데손소가 AI와 로봇을 활용한 소재 연구 자동화에 박차를 가하고 있다.

재료 연구는 유사한 실험을 반복적으로 수행하는 경우가 많다.

사람이 100번밖에 해내지 못했던 실험을 1000번, 1만 번까지 수행할 수 있게 된다면, 모일 수 있는 데이터도 상당히 달라질 것이다.

그 데이터를 AI가 분석하고 다음 실험을 설계하는 단계까지 진행할 수 있게 된다면, 소재 개발 속도 또한 상당히 달라질 것으로 예상된다.

새로운 소재, 배터리, 반도체 재료, 화학, 신약 개발 분야에도 적용될 내용에 대한 것으로, 연구 시설의 자동화는 상당히 큰 주제가 될 것으로 보입니다.

## 3D와 공장이 디지털 트윈으로 연결되고 있습니다.

3D와 CAD의 발전을 지켜보면, 그 뒤에는 디지털 트윈이 있다.

펩시코는 Siemens의 디지털 트윈 컴포저와 NVIDIA 오므니버스(Omniverse)를 활용하여 공장의 기계, 컨베이어 벨트, 팔레트 경로, 작업자의 이동 경로까지 가상 공간에 재현하고 있다.

AI는 현실의 설비를 변경하기 전에 가상 공장에서 먼저 테스트를 해볼 수 있게 되었다.

시멘스 발표에 따르면, 잠재적인 문제의 최대 90%를 사전에 발견하고, 초기 도입 시에는 처리량 20% 개선, 설비 투자 또한 10~15% 감축을 달성했습니다.

이 정도로 오면 3D 성능을 게임만을 놓고 보게 되는 것은 조금 다른 느낌일 것이다.

공장을 만들기 전에 가상 공간에서 라인을 구성하고 로봇을 배치하여 작동시켜 본다.

자리 잡기가 막히는 것을 찾아 위치를 바꾸고, 가능하다면 현실 측으로 옮긴다.

건축 및 물류에서도 같은 접근 방식이 활용될 수 있다.

AI가 3차원 공간을 이해하고 시뮬레이션에 직접 참여할 수 있게 되면서 설계와 현실 사이의 거리가 상당히 가까워질 것이라고 생각한다.

## 로봇도 인공지능들끼리 역할 분담을 시작했다.

로봇 측도 진전이 있습니다.

Google DeepMind는 2026년 7월에 발표한 Gemini Robotics 2를 통해 로봇이 주변 환경을 파악하며 작업 절차를 계획하고, 수분 동안, 수백 번의 판단이 필요한 작업까지 수행할 수 있게 되었다.

더욱 다양한 종류의 로봇들이 역할을 분담하여 하나의 업무를 수행하는 방식도 공개되었다.

공장이나 물류 현장에서는 기본적으로 하나의 로봇에 모든 것을 맡길 필요는 없습니다.

움직이는 기계, 물건을 운반하는 기계, 조립하는 기계, 검사하는 기계는 여전히 분리되어 있다.

이를 AI 측에서 통합 관리할 수 있게 되면, 단일의 다재다능한 로봇이 완성될 때까지 기다릴 필요 없이 자동화가 진행될 수 있다.

디지털 세계에서 여러 인공지능이 업무를 분담하는 것과 마찬가지로, 공장의 기계에서도 일어나고 있다.

AI는 두뇌 역할을 하고, 센서는 주변을 관찰하며, 모터와 서보, 감속기가 실제로 작동한다.

그러므로 AI 관련 설비 투자 역시 데이터 센터에만 국한되지 않는 것은 자연스럽다고 생각합니다.

## AI 에이전트가 보급되면서 계산량도 증가할 것이다.

에이전트가 보급되면 AI의 이용 요금이 내려가도 계산 수요 자체가 줄어들지 않을 수 있다.

챗 AI를 사용할 때 질문을 한 번만 하고 답변을 한 번만 받는 방식이 많았습니다.

에이전트는 하나의 일을 끝마칠 때까지 검색을 하고, 심사숙고하며, 도구를 작동시키고, 결과를 확인하고, 실패하면 다시 시도한다.

더욱 더 많은 AI가 동시에 움직이면, 한 사람이 일거리를 요청하는 것만으로도 뒤쪽에서는 상당히 많은 처리가 이루어진다.

모델 요금이 저렴해지면, 이전에 비용적인 이유로 활용하기 어려웠던 일에도 AI를 사용할 수 있게 된다.

한 횟수에 해당하는 요금이 하락하더라도, 사용하는 횟수가 몇 배로 늘어나면 전체 계산량은 늘어난다.

그러다 보니 AI 가격 인하와 데이터 센터 투자 확대가 동시에 일어날 것이라고 생각합니다.

## 투자에서는 AI가 다음으로 필요하게 될 것을 내다본다.

투자 관점에서 보면, 저는 다음에 무엇이 부족한지 파악하고 싶습니다.

처음에는 GPU와 HBM이었습니다.

모델이 커짐에 따라 네트워크, 광통신, 전력, 냉각이 필요하게 되었다.

요원이 증가할수록 추론에 사용되는 계산 자원뿐만 아니라 저장 공간, 기업 내 데이터 기반, 보안 또한 중요하게 고려되어야 합니다.

특히 보안은 흥미롭습니다.

AI가 기업의 이메일을 읽고 사내 데이터베이스에 접속하여 클라우드를 조작하고 발주까지 처리하는 방식으로 발전한다면, 인간 직원과 마찬가지로 권한 관리가 필요하게 된다.

어떤 AI가 무엇을 읽었고, 무엇을 변경했으며, 누구와 통신했는지도 기록해야 한다.

AI의 수가 증가할수록, 감시, 인증, 권한 관리가 필요해진다.

로봇에 탑재되면 센서, 산업용 카메라, 모터, 서보, 감속기, 위치정위 장치, FA(제조 자동화) 장비, 산업용 네트워크, 에지 반도체 등 광범위한 기술 분야를 포함한다.

여기서는 로봇 완성품의 승자를 한 자리로 결정할 필요가 없다고 생각합니다.

로봇 제조사가 몇 회사나 있어도 어디든 필요하게 되는 부품은 있다.

반도체 분야에서도 처음에는 GPU가 주목을 받았지만, 이후 HBM(고대역폭 메모리), 광통신, 전력, 냉각 기술이 큰 주제로 부각되었다.

로봇도 마찬가지로 완성품보다 먼저 부족한 부품이나 설비가 나타날 수 있다.

개인적으로는 그 병목 현상을 찾는 것이 투자로서 더 흥미롭다고 생각합니다.

## AI로 개발 비용이 감소하는 회사도 보고 싶다.

이번에 3D, 반도체 설계, 연구, 디지털 트윈까지 다룬 후, AI 투자에 대한 시각을 조금 더 넓게 가져가야 할 것 같다.

AI용으로 무언가를 판매하는 회사만 보는 것은 필요하지 않다.

AI로 반도체 검증 기간을 크게 단축할 수 있는 회사와 게임이나 3D 제작의 수작업을 줄일 수 있는 회사들이 있습니다.

공장을 지기 전에 문제점을 발견하고 설비 투자액을 줄일 수 있는 회사, 특히 화장품이나 화학 분야에서는 지금까지 수십 배나 더 많은 후보를 시도해 볼 수 있는 회사.

이런 회사는 AI 종목이 아니기 때문에 AI를 활용하더라도 개발 비용이나 신제품 출시 시간 변화가 발생한다.

Synopsys의 경우 최대 50배, PepsiCo의 설비 투자 10%에서 15% 감소와 같은 수치를 보면, AI로 인해 매출이 증가하는 회사뿐만 아니라 비용 측면에서 이익이 달라지는 회사도 상당히 많아 보입니다.

그 중에서도 개인적으로 가장 먼저 예측 가능한 것은 연구 시설의 자동화입니다.

시생당은 처방 개발에 AI를 활용하기 시작했다.

로레알에서는 개발 속도가 상당히 빨라졌다.

덴소는 재료 실험을 로봇에게 맡겨가고 있다.

앤서니는 AI로부터 다양한 연구 장비를 조작하기 위한 공통 규격을 만들기 시작했다.

이 연결을 통해 분석 장비, 측정 장치, 현미경, 분주 장치, 연구용 로봇, 정밀 스테이지, 센서 등도 AI 관련 설비 투자 대상에 포함될 것으로 예상한다.

현재 시장에서는 GPU나 데이터 센터처럼 명확한 AI 주제로 인식되지 않고 있습니다.

하지만 신약, 화학, 재료, 반도체, 배터리 연구실 등에서 AI와 로봇이 일상적으로 사용되도록 되면, 그에 상응하는 장비 또한 필요하게 될 것이다.

시간이 조금 걸릴 것으로 생각합니다.

그만큼, 지금은 아직 주제가 명확히 자리 잡지 않은 느낌입니다.

## AI 경쟁은 현실 세계로 옮겨가고 있다.

최근 몇 년 동안은 어떤 AI가 가장 현명한지 논의가 중심이었고, 최근에는 중국 AI가 저렴하다는 이야기도 많았다.

이제부터는 그 것 외에도 고려되어지고 있습니다.

30분 동안 얼마나 안정적으로 움직일 수 있는지, 얼마나 많은 도구를 사용할 수 있는지, 다른 AI와 협업할 수 있는지, 3차원 공간을 직접 만져볼 수 있는지, 연구 장비나 로봇을 안전하게 조작할 수 있는지 궁금합니다.

미국 기업들이 여전히 모델을 더욱 똑똑하게 만들고 있는 이유도, 인공지능(AI)을 사용하는 공간 자체가 늘어나고 있기 때문이라는 분석이 설득력이 있다.

채팅 성능의 차이가 연구 속도의 차이로 이어지고, 에이전트의 성능 차이는 회사의 업무 처리에 속도 차이로 나타난다. 또한, 3D 및 CAD의 성능 차이는 설계 속도의 차이로 이어지고, 마지막으로 로봇의 성능 차이는 공장의 자동화 속도 차이로 나타난다.

그 차이가 실험 데이터나 생산 데이터로 수년 동안 누적되면, 나중에 저렴한 모델만 가져온다고 해서 따라잡기 어려울 수 있다.

투자에서 그들은 중간에 새롭게 필요하게 될 계산 자원, 설비, 부품, 그리고 AI를 통해 개발 비용을 얼마나 줄일 수 있을지에 주목하고 있습니다. 또한, AI를 활용하여 신약 개발, 화학, 반도체, 건축 등에서 어떻게 움직이는 기업들이 있는지 묻고 있습니다.

이러한 관점에서 종목을 탐색하는 것도 흥미로울 수 있다. 재무제표를 샅샅이 분석하는 것보다, 결과가 나타나는 경우도 있을 것이다.

**출처:** [note 원문](https://note.com/solavia_ansbach/n/n6f39c1d711f8)

*번역: Gemma 3(.44) 초벌 + 교정 105청크*

[원문 보기](https://note.com/solavia_ansbach/n/n6f39c1d711f8) | 출처: note.com