기사 제공처 : 아이티인사이트 / 등록기자: 최시훈 [기자에게 문의하기]  0 /  

해당 기사에 관련하여 문의하기에 남겨주시면 "최시훈"기자에게 전송됩니다

 이름

 연락처

- -

 이메일

 확인

D2S의 통합 플랫폼이 킬러 문제를 겨냥한 이유

소재 개발의 병목 로스앨러모스 국립 연구소(Los Alamos National Laboratory) 출신 과학자가 설립한 스타트업 디스커버리 2 스케일(Discovery 2 Scale, D2S)이 인공지능(AI)과 로봇공학을 결합한 첨단 소재 제조 플랫폼을 뉴멕시코 주 남베 푸에블로에 구축한다고 2026년 10월 발표했다. 이 소식은 단순한 스타트업 설립 발표가 아니다.

수십 년간 제조업을 가로막아 온 구조적 병목, 즉 새로운 소재를 발견한 뒤 대량생산으로 이어지는 과정에서 발생하는 시간·비용 장벽을 기술로 압축하려는 시도다. D2S의 핵심 결론은 명확하다.

AI가 실험 설계를 최적화하고 로봇이 합성·검증을 연속 수행함으로써, '발견에서 양산'까지의 경로를 단축할 수 있다는 것이다. 이 접근이 군사 응용과 핵융합 같은 고난도 수요처에서 실증되면, 제조 역량의 분기점이 될 가능성이 크다.

스케일업이 왜 어려운가 D2S 창립자 겸 CEO 사류 펜신(Saryu Fensin)은 Manufacturing.net과의 인터뷰에서 "새로운 소재를 발견하는 것이 더 이상 어려운 부분이 아니다. 어려운 부분은 그것이 작동함을 증명하고 대규모로 만드는 방법을 알아내는 것"이라고 말했다.

이 발언은 소재 개발의 병목이 어디에 있는지를 정확히 짚는다. 창의적 발견 자체는 AI의 도움으로 점점 자동화되고 있다. 반면 '확증과 스케일업' 단계, 즉 발견된 소재가 실제로 작동함을 증명하고 그것을 산업 규모로 만드는 과정은 여전히 비용과 시간을 집중적으로 소모한다.

따라서 핵심 논점은 이렇다. AI와 로봇을 통합한 제조·시험 인프라가 실제로 스케일업 시간과 비용을 얼마나 줄일 수 있는가, 그리고 그 변화가 지역·국가 수준의 산업·안보 정책에 어떤 영향을 미치는가다. AI·로봇 통합의 기술적 근거

D2S의 접근법은 AI 모델을 활용한 실험 설계와 로봇 자동화된 합성·시험을 하나의 흐름으로 잇는 데 있다. 기존의 인간-실험-분석-반복 사이클을 병렬화하고 실험 횟수를 줄여 시간을 단축하는 구조다.

광고

실무적으로는 합성 조건, 조성비, 열처리 프로파일 등을 AI가 제안하고 로봇이 연속적으로 제조·검증하는 방식을 취한다. 본지 분석에 따르면 이 접근은 실험 사이클을 기존 인력 기반 방식 대비 상당 폭 단축할 잠재력이 있으나, 구체적인 단축 수치는 공정 유형과 소재 특성에 따라 달라지므로 D2S의 실증 결과가 나오기 전에는 단정하기 어렵다. 분명한 것은 제조 단계의 자동화가 재현성과 공정 이행성(tech transfer)을 높여 상용화 리스크를 낮출 수 있다는 점이다.

데이터 수집이 자동화되면 이후 반복 실험의 정확도도 함께 높아진다.

군사·에너지 분야로 확장되는 파급력과 지역 효과

적용 분야와 정책적 함의 Manufacturing.net 보도는 D2S의 적용 예로 군사용 경량 장갑과 핵융합 에너지용 방사선 저항 소재를 제시했다. 두 분야 모두 요구 성능이 극단적으로 높고 규격화·안전 검증이 까다로워, 상용화 단계에서 실패율이 높다.

D2S의 기술이 이들 수요를 충족시키면 미국 국방부 또는 에너지부의 연방 연구 자금 연계가 촉진될 가능성이 크다. 뉴멕시코 주는 D2S의 본사 설립을 통해 연방 자금 기반 연구를 민간으로 유치하고 첨단 제조 역량을 확대하려는 전략을 선택했다. 지역 산업정책 차원에서 의미 있는 사례 연구가 될 수 있다.

고용 측면에서 D2S는 80명 이상의 과학자·기술자·고숙련 인력을 고용할 예정이다. 이는 지역 고급 인력 수요와 교육·훈련 요구를 동시에 만들어낸다. 경제적·공급망 영향과 한국에 대한 시사점

소재의 스케일업 비용과 시간은 최종 제품의 가격 경쟁력과 직결된다. 고성능 전자재료나 방사선 저항 합금의 단가가 낮아지면, 국방 장비와 에너지 설비 제조사가 원가 구조를 재설계할 여지가 생긴다.

한국 기업과 연구기관은 두 차원에서 대응해야 한다. 첫째, AI·로봇 기반 소재 개발 파이프라인을 도입해 소요 기간을 단축해야 한다.

둘째, 상용화 역량(공정 이행, 품질 인증, 대량 제조)을 확보하기 위한 국내 인프라 투자와 인력 양성이 필요하다.

광고

한국은 반도체·배터리·복합소재 분야에서 이미 고도화된 생산 역량을 갖추고 있다. D2S와 유사한 모델은 이 생태계에 빠르게 흡수될 잠재력을 지닌다.

반론과 재반박

한국 제조업과 연구현장에 남긴 과제와 대응 방향

'AI·로봇을 도입해도 스케일업의 본질적 리스크를 완전히 없앨 수는 없다'는 반론은 타당하다. 스케일업 과정에서는 장비 스케일 차이, 원자재 변동성, 안전·규제 이슈 등이 실험실 환경과 현장 환경에서 다르게 작용하기 때문이다. 그러나 이 반론이 놓치는 지점이 있다.

AI·로봇 기반 플랫폼은 초기부터 변동성을 더 체계적으로 탐지하고, 반복 데이터를 축적해 예측 모델을 정밀하게 만든다. 초기 투자로 스케일업 실패 확률을 낮추면 장기적으로 전체 개발 비용이 감소하고, 결과적으로 상용화 가능성이 높아진다는 경제적 논리도 성립한다.

기술이 모든 리스크를 제거하지는 못하지만, 리스크의 성격을 바꾸고 관리 가능한 수준으로 낮추는 역할을 한다는 점이 핵심이다. 구조적 함의와 전망 D2S 사례는 소재 혁신 생태계의 지형을 바꿀 가능성이 있다.

전통적으로 소재 과학은 발견-검증-스케일업으로 이어지는 긴 가치사슬을 가졌다. AI·로봇 통합은 이 사슬의 일부를 단축하고 병렬화한다.

이 변화는 두 가지 구조적 영향을 낳는다. 초기 단위 연구보다 엔드투엔드(end-to-end) 플랫폼에 대한 R&D 투자 비중이 커질 가능성이 크다.

또한 뉴멕시코처럼 연방 자금 연계를 통해 민간 첨단 제조 허브를 형성하는 모델이 늘어나면, 지역 간 기술·인력 유인 경쟁이 심화된다. 한국은 이러한 변화에 대응해 연구 인프라의 통합과 산업-학계-정부의 공동 투자 모델을 구체적으로 검토할 시점이다.

결론 D2S의 시도가 단기간에 모든 문제를 해결하지는 못하더라도, 소재 산업의 상용화 병목을 해소하는 방향으로 제조업의 흐름을 바꾸는 계기가 될 것으로 판단한다. 핵심은 AI·로봇의 기술적 통합 자체가 아니라, 그 통합이 만들어내는 시간·비용 축소와 그에 따른 정책·산업 재편이다.

광고

한국 산업계와 정책결정자는 연구 성과의 '실용화' 단계에 대한 투자를 재설계하고, 인력 양성과 인프라 구축을 통해 이번 변화의 기회를 산업 경쟁력으로 연결해야 한다. 한국의 소재 연구와 제조 인프라가 '스케일업의 시대'에 맞는 투자 우선순위를 갖추고 있는지 점검할 때다.

FAQ

Q. 일반 중소기업이 AI·로봇 기반 소재 스케일업에 참여하려면 무엇을 먼저 준비해야 하는가

A. 대다수 중소기업이 자체적으로 풀스택 AI·로봇 인프라를 갖추기는 현실적으로 어렵다. 초기 투자 비용이 크고 전문 인력 확보가 어렵기 때문이다. 현실적인 진입 경로는 민간-공공 협력형 테스트베드나 산학 공동연구에 참여해 시범공정을 경험하고, 공정 표준화와 데이터 수집 역량을 단계적으로 축적하는 것이다. 이러한 협력 모델이 확산되면 중소기업도 상용화 단계의 파트너로 진입할 기회가 늘어날 것이다.

Q. 이번 사례가 한국의 국가안보·에너지 분야에 미칠 직접적 영향은 무엇인가

A. D2S는 군사용 경량 장갑과 핵융합용 방사선 저항 소재 등 고난도 수요를 핵심 적용 분야로 삼고 있다. 이러한 소재는 높은 성능 기준과 장기간 검증을 필요로 하기 때문에 국가 차원의 지원과 연계될 가능성이 크다. 한국이 유사 기술을 확보하면 국방·에너지 분야의 핵심 부품 공급 안정성을 높이고 비용 경쟁력을 개선할 수 있다.

Q. D2S 방식이 기존 소재 연구개발(R&D) 투자 구조에 미치는 영향은 무엇인가

A. 기존 R&D 투자는 개별 실험·단위 연구 중심으로 분산 배치되는 경향이 있었다. AI·로봇 기반 엔드투엔드 플랫폼이 확산되면, 플랫폼 자체에 대한 초기 집중 투자 후 반복 실험 비용을 낮추는 구조로 전환된다. 이는 정부와 기업 모두 R&D 예산 배분 방식을 재검토하게 만들며, 연구 성과의 상용화 속도를 평가 지표로 삼는 투자 기준도 함께 바뀔 것으로 전망된다.

※ 이 기사는 Manufacturing.net의 2026년 10월 보도를 참조하여 작성하였다.

▶ 법률 고민이 있다면 → 김연순법률노트 무료상담 바로가기