안녕하세요, 테크42입니다.

이번 주는 '무엇에 돈을 쏟아붓고 있는가'라는 질문이 유독 선명했습니다. 국방 드론은 예산이 줄고, 실리콘밸리 투자금은 오픈AI·앤트로픽 단 두 곳에 쏠리고, 엔비디아는 데이터센터를 넘어 허깅페이스와 우주까지 손을 뻗치고 있습니다. 돈의 흐름이 어디로 향하는지 궁금하시다면, 이번 호가 좋은 지도가 될 것입니다.

섬유산업 현장에서는 여전히 사람이 빠르게 돌아가는 원단을 눈으로 좇으며 결함을 찾아낸다. 검사원이 구멍이나 실 빠짐을 놓치면 그 원단은 그대로 다음 공정으로 넘어가고, 몇 주 뒤 고객이 불량을 발견해 클레임을 제기하면 어느 공정에서 문제가 생겼는지 되짚기조차 어렵다. 유준하 오토랩스 대표는 바로 이 지점에 주목했다. 오토랩스는 롤투롤(R2R) 방식으로 생산되는 원단과 펄프·제지 표면을 AI로 검사하는 '오토비전'을 개발하는 제조 AI 스타트업으로, 기존 설비를 통째로 바꾸지 않고 카메라와 조명 장치를 기존 라인에 추가하는 레트로핏 방식을 택했다. 이 솔루션의 핵심은 결함을 찾는 데서 끝나지 않고, 결함 위치와 이미지, 검사 리포트를 남겨 사후 품질 분쟁에 대응할 수 있는 데이터를 만든다는 점이다.

유 대표는 대학 시절 두 차례 B2C 창업을 시도했지만 성과는 신통치 않았다. "경험이 부족했다"고 그는 당시를 돌아봤다. 이후 데이터센터와 스마트공장 인프라를 설계·납품하는 B2B 기업에서 일하며 스마트공장 구축 현장을 가까이서 지켜봤고, 정부가 중소 제조기업의 디지털 전환을 강조하는 것과 달리 실제 현장의 자동화 수준은 기대에 못 미친다는 것을 확인했다. "노동집약적인 환경이나 중소 제조공장들이 사용할 수 있는 스마트팩토리 디지털 전환 솔루션을 만들어볼 수 있지 않을까 생각하면서 창업 아이템을 잡기 시작했다"고 그는 말했다.

2025년 공동창업자들과 함께 오토랩스를 창업한 뒤 유 대표는 예비창업패키지와 앤틀러코리아 인셉션 프로그램을 거치며 프리시드 투자 유치에 성공했다. 그러나 실제 공장에 들어가자 첫 가설부터 흔들렸다. 원단 산업은 이미 생산기지가 인건비 낮은 동남아로 이전한 대표적인 노동집약 산업이었기 때문에, "AI가 사람을 대신해 검사하면 인건비를 줄일 수 있다"는 접근은 시큰둥한 반응만 얻었다. 유 대표는 방향을 바꿔 품질 클레임 비용 절감을 내세웠다. "클레임에 따른 손실을 줄이고 품질을 보증할 증거를 만들어 클레임으로부터 보호받을 수 있도록 해주겠다는 거였다. 그렇게 ROI를 산출할 수 있도록 하니 반응이 달라지더라"고 그는 설명했다.

오토랩스의 기술적 차별점은 대규모 결함 데이터 없이도 설치 직후 바로 불량 탐지를 시작할 수 있다는 것이다. 흥미롭게도 이 기술의 선행 학습 데이터는 암세포 이미지였다. 미세한 형태 이상을 찾아야 하는 의료 이미지와 원단 결함 탐지 사이의 공통점에 주목한 결과다. "선행 학습된 모델을 가지고 현장에 먼저 적용하고, 거기서 수집되는 실시간 데이터를 다시 같이 학습시키면서 뒤에서 AI 모델이 진화하는 선순환 구조를 만들었다"고 유 대표는 말했다. AI가 정상과 다른 영역을 먼저 찾아내면 숙련된 작업자가 실제 결함 여부를 판단하고, 그 판단이 다시 데이터로 축적되는 구조다.

물론 이 알고리즘이 곧바로 공장에서 작동한 것은 아니다. 실험실과 다른 환경 변수들이 연달아 문제를 일으켰다. "어떤 공장은 와이파이가 너무 약해서 AI 모델이 돌아가다가 계속 끊기기도 했고, 외부 빛이나 진동 때문에 시스템이 먹통이 되기도 했다. 에어컨이 안 돌아가는 공장에서는 산업용 PC가 과열돼 꺼지는 문제도 있었다"고 유 대표는 당시를 떠올렸다. 니트 원단은 장력에 따라 폭이 변해 처음 설계한 롤러 구조로는 검사 자체가 어려웠고, 결국 카메라뿐 아니라 롤러와 기계 구조까지 다시 손봐야 했다. 유 대표는 제조 AI 기업에 필요한 역량을 "포기하지 않는 마인드와 새로운 환경에 대한 적응력"이라고 정리했다.

오토랩스는 현재 디자인 파트너 3곳과 채널 파트너 1곳을 확보했고, 펄프·제지 현장은 지난 6월부터 가동을 시작했다. 유 대표는 "펄프 생산라인에서 약 한 달 동안 1780건 이상의 사전에 정의하지 않은 이상 이미지를 축적했다"며, 벌레 결함 데이터를 따로 학습시키지 않았는데도 조그마한 벌레가 눌린 자국까지 실시간으로 잡아낸 사례를 소개했다. 장기 전략은 검사장비 판매에 머물지 않는다. 생산라인이 늘어날수록 사람의 판단이 더해진 데이터가 쌓이고, 이를 '데이터 해자'로 삼아 궁극적으로는 자체 파운데이션 모델을 구축한다는 구상이다.

"저희의 최종적인 목표는 향후 2년 안에 자체적인 파운데이션 모델을 만들어내는 것"이라고 유 대표는 말했다. 우선 공략 분야는 난도가 높은 원단과 상대적으로 패턴이 단순한 펄프이며, 이후 필름과 이차전지 소재, 탄소섬유, 항공우주 소재로 확장한다는 계획이다. 로드맵은 국내 디자인 파트너의 유료 전환을 시작으로 베트남, 미국·일본 시장과 OEM 라이선스 사업까지 이어진다. "오토랩스 하면 중소 제조기업 디지털 전환의 선두주자라는 타이틀을 가지고 싶다. 저희가 구축한 AI 파운데이션 모델이 롤투롤 산업에서는 검사 AI의 표준이 됐으면 한다"고 그는 말했다.

02·"단순 칩 판매는 끝났다" 엔비디아, AI 데이터센터 판도 뒤엎는 신기술 공개
엔비디아가 GPU 단품 경쟁을 넘어 데이터센터 전체를 하나의 시스템으로 제어하는 '데이터 오케스트레이션' 기술로 시장 독점을 강화한다. 차세대 베라 루빈 아키텍처의 베라 CPU는 데이터 병목을 해소해 전체 작업 속도를 3배 이상 끌어올린다.
기사 전문 보기

• 테크42 유튜브채널 [42TV]에서 인터뷰와 포럼 등을 동영상으로 보실 수 있습니다. [42TV 구독]
• 뉴스레터는 매주 화요일 오전 발송합니다. [구독]
• 테크42 지난 뉴스레터 [보기]