Microsoft Word - 목차

Transcription

1

2 주간기술동향 포커스... 2 위성기반 M2M/IOT 및 이동체 Connectivity 기술 동향 [이호진/한국전자통신연구원] Ⅰ. 서론 Ⅱ. 위성을 이용하는 M2M/IoT 산업 동향 Ⅲ. 이동체 Connectivity 용 위성 안테나 개발 동향 Ⅳ. 위성기반 IoT 의 표준화 동향 Ⅴ. 결론 기획시리즈 의료영상에서의 인공지능 연구 동향 Ⅰ. 서론 Ⅱ. 의료영상에서의 인공지능 기법 Ⅲ. 자동분류를 위한 인공지능 기법들 Ⅳ. 의료영상에서의 인공지능 활용 예 Ⅴ. 결론 [장용준/한국과학기술원] ICT 신기술 ICT 분야 전략 R&D 추진 방향 Ⅰ. 서론 Ⅱ. ICT R&D 투자 로드맵 추진 절차 Ⅲ. ICT 환경 변화와 핵심 이슈 Ⅳ. ICT R&D 추진전략 Ⅴ. 결론 [이민경 조일구/정보통신기술진흥센터] 최신 ICT 이슈 Ⅰ. 13년 만에 매출 감소한 애플, 활로는 서비스 분야와 법인사업 강화 Ⅱ. 주문형 급유 서비스 등장, 규제 위반 여부 검토 중 Ⅲ. Weekly Brief 2

3 주간기술동향 위성기반 M2M/IOT 및 이동체 Connectivity 기술 동향 이호진 한국전자통신연구원 책임연구원 전통적으로 위성기반 M2M 은 저궤도 위성을 중심으로 적용되어 왔지만, 저궤도 위성군의 2세대 업 그레이드와 IoT 활성화가 서로 맞물려 위성기반 M2M/IoT로 확대되고 있으며, IoT 표준화에도 일부 연계되고 있다. 커넥티드카나 스마트시티, 스마트 환경 등 IoT 물리적 응용 공간 확대로 위성의 적 용 범위가 넓어지고 있으며, 차량, 선박, 항공기에 있어서의 안전 주행/운항뿐만 아니라 승객/승무 원용 브로드밴드를 포함하는 복합 IoT 요구가 증가하여 위성 평판 안테나 개발이 촉진되고 있다. 본 고에서는 이러한 위성기반 M2M/IoT 및 이동체 커넥티비티 기술 동향에 대해서 살펴보고자 한다. I. 서론 위성에서의 M2M 은 석유, 가스 시추, 원격지 에너지 산업, 중장비, 송유관, 전력선 등의 원 격 광역 모니터링 등으로 시작되었지만, 1990 년대 전반에 들어서는 자동차 텔레매틱스, 트럭/트 레일러의 추적 관리, 물류 수송을 위한 솔루션으로 각광을 받았다. 그 후 선박-해안간 통신, 충 돌방지, 항해, 선박자동식별장치(AIS) 등 해양 분야와 항공 텔레메트리, 운항 관제 등의 항공 분 야로 확대되었다. 최근에는 스마트 그리드 에너지, 구급차량 추적, 긴급 구조, 환경 감시, 스마 트시티의 공공 시설물 관리, 스마트 농업, 작황 모니터링 등 전 사회 분야로 적용 분야가 빠르 게 확장되고 있다. NSR(Northern Sky Research)은 2015 년 발간된 보고서에서 위성 M2M/IoT 시장규모는 [그림 1] 과 같이 2014 년 12 억 달러에서 2024 년 23 억 달러로 확대될 것으로 전망하였다[2]. 마켓츠앤마 켓츠(Markets and Markets)는 M2M 위성통신 시장은 2015 년 33.6 억 달러에서 2020 년 59.1 억 달 러로 GAGR 11.9% 성장할 것으로 낙관적인 전망을 하고 있다[3]. * 본 내용은 이호진 책임연구원( , hjlee@etri.re.kr)에게 문의하시기 바랍니다. ** 본 내용은 필자의 주관적인 의견이며 IITP 의 공식적인 입장이 아님을 밝힙니다. 2

4 포커스 Retail Service Revenues($millions) 2, ,500 1, ,500 3,000 2, ,500 1, Units(000s) Land Transport Retail Service Revenues Other Units Other Retail Service Revenues Land Transport Units(000s) <자료> [그림 1] 위성기반 M2M/IoT 서비스 및 기기 시장 전망 본 고에서는 위성 M2M/IoT 시장 동향과 산업 응용 동향을 살펴보고, 이동체 커넥티비티용 위성 안테나 개발 동향과 위성기반 IoT 표준화 동향을 살펴보고자 한다. II. 위성을 이용하는 M2M/IoT 산업 동향 위성 M2M 시장은 셀룰러에 비하면 아주 작은 수준이지만, 앞으로 저속 데이터 이동위성 서 비스(MSS)를 중심으로 물류 추적, 텔레매틱스, 원격 감시 및 제어 등 위성이 강점을 갖는 산업 과 응용 분야를 중심으로 지속적으로 성장할 전망이다. 데이터 양이 많지 않거나 셀룰러 로밍 비용이 비싼 경우, 또한 자체 전원이 없어 지상망을 쓰기가 어려운 경우에는 전력소모가 적은 위성 솔루션이 적격이다. 그러나 NSR 은 위성기반의 M2M/IoT 는 중장기적으로 셀룰러망과 연동 되어 사용될 것으로 전망하고 있다. 특히, 이동하는 자산의 경우, 위성과 셀룰러를 결합하면 추 적 비용과 운용 효율을 높일 수 있어 대부분의 물류회사들이 셀룰러를 기반으로 위성을 추가하 는 형태로 전체 망을 구성할 것이라는 예상이다. 한편, 이동위성 서비스(MSS)는 여전히 M2M/IoT 서비스의 주요 기술적 기반이며 시장에서의 매출과 기기 면에서 절대적이다. 그러나, 브로드밴드를 요구하는 새로운 M2M/IoT 시장이 해상, 항공, 커넥티드카를 중심으로 확대되고 있다. 선박에서는 운항 정보 교환뿐만 아니라 비디오, IP 전화 등의 브로드밴드 인터넷 요구가 증가하고 있고, 국제해사기구(IMO)는 각 선박에게 신원, 정보통신기술진흥센터 3

5 주간기술동향 위치를 주기적으로 보고하도록 규정하고 있다. 한편, 높은 처리 성능을 갖는 이동위성용 통신기 기가 늘어나고 있고, 고속 데이터를 필요로 하는 응용 분야가 늘어나면서 고정위성 서비스(FSS) 기반의 초소형 지구국(VSAT)과 고효율 위성(High Throughput Satellite: HTS)을 사용하는 수요도 커지고 있다. 현재는 주로 북미와 유럽을 중심으로 위성기반 M2M/IoT 수요가 형성되어 있지만, 중동, 아프리카, 아시아의 신흥개도국에서도 수요가 증가할 전망이다[4]. 1. 소형 저궤도 위성군 시스템(Little LEO Constellation) 오브콤은 750km 저궤도에서 군집을 이루어 지구를 커버하는 소형 위성군 시스템으로 비실 시간 메시지 통신 전용시스템이다. M2M 장치는 건조트럭, 냉동트럭, 컨테이너, 포클레인, 송유 관, 계량기/검침기, 저장탱크 등에 설치되고 배터리 소모를 최소화하여 단방향/양방향 통신을 하며, 태양 전지판을 통해 충전되고 있다 년 11 월 현재 오브콤 가입 단말기는 130 만 개 로 알려져 있다. 오브콤 단말기는 대표적으로 OG2, OGi 위성모뎀이 있으며, 크기는 40mm 70mm 0.5mm 로 명함 크기보다 작고, GPS 모듈이 탑재되어 있어 오브콤 VHF-대역과 인마샛 (Inmarsat) L-대역에 모두 접속이 가능하고, 저전력으로 위성 커넥티비티를 제공한다[5]. 최근 오 브콤은 지상 통신망과 M2M/IoT 서비스 플랫폼을 자사의 위성망과 수직결합을 함으로써 소비자 에게 원스톱 서비스를 제공하고 있다. 지상의 기업용 IoT SW 솔루션업체인 인씽크(InSync), 인마 샛 기반의 M2M 서비스업체인 스카이웨이브(SkyWave)를 인수한 것이 대표적인 예이다 년 연말에 발사된 차세대 OG2 위성군은 2016 년 3 월부터 정상 서비스를 개시, 전체 17 개의 차세 대 OG2 위성이 전체 오브콤 M2M 트래픽 60%의 이상을 담당하고 있고, 하루에 15 만 척의 선 박으로부터 약 1,800 만 개의 AIS 메시지를 수신하고 있다. 66 개의 저궤도 위성으로 극지방을 포함한 글로벌 메시 네트워크를 구성하여 음성통화, 인터 넷 등을 실시간으로 제공하는 이리디움은 현재 가입자는 78 만이고, 주로 미국 내 국방 및 M2M 데이터 서비스를 제공하고 있다. 2 세대 시스템인 이리디움 넥스트(NEXT)로 진화하는 계획을 추 진하고 있지만, 첫 위성 발사는 2016 년에 가능할 것으로 보인다. 이리디움 넥스트는 기존 1 세 대 시스템 대비, 대대적으로 통신 성능을 향상시켰을 뿐만 아니라 항공기를 실시간으로 감시할 수 있는 자동감시방송(ADS-B) 기능을 장착하여 위성기반으로 항공기 트래픽 실시간 감시 서비 스를 제공할 계획이다[1]. 이리디움을 사용한 새로운 M2M/IoT 예로서는 이스라엘 길랏샛콤(Gilat Satcom)이 제공하는 목장의 소떼 실시간 원격 모니터링 서비스 등이 있다[6]. 4

6 포커스 글로벌스타는 CDMA 방식을 사용하는 저궤도 위성군 통신시스템으로서, 이미 2013 년 2 월 2 세대 위성 24 기를 발사하여 고도 1,414km 상에 위성군 시스템을 업그레이드한 바 있다. 1 세대 의 9.6kbps 데이터 속도보다 몇 배 이상의 속도를 제공하며, 항공기의 ADS-B 를 매초 실시간으 로 중계해주는 서비스를 제공하고 있다. 저가형 단방향 메시지 전송용 칩셋인 STX3 를 사용하 여 M2M/IoT 솔루션을 제공하고 있으며, GSM 에 비교하여 전력 소모가 적어 배터리 수명이 오래 가고 통신 신뢰도가 높아 그 활용도가 증가하고 있다. 맥주 제조공장으로부터의 수제 맥주 운 반이나[7], 화학약품의 열차 수송의 경우, 글로벌스타 위성채널을 이용하여 실시간으로 데이터 를 수집하여 고객의 회사로 전송하고 있다[8]. 2. 대형 저궤도 위성군 시스템(Big LEO Constellation) 대규모의 소형 위성을 저궤도 평면에 위성군으로 발사하여 위성 브로드밴드 인터넷 서비스 를 계획하고 있는 SpaceX, OneWeb, LeoSat 시스템들이 2020 년경 발사를 목표로 현재 개발되 고 있다[1]. 미국에 있는 삼성연구소에서도 2015 년 8 월에 4,600 개의 소형 위성을 사용하여 글 로벌로 인터넷을 제공하는 저궤도 위성군을 제안한 바 있으며, mm 파 대역을 사용하여 100GHz 이상의 초광대역을 제공하고 Tbps 급의 위성 인터넷 서비스를 제시하였다[22]. 최근, 산업체 IoT 와 B2B 통신을 전용 서비스를 목표로 80 개의 소형 위성으로 구성되는 독 일의 EightyLEO 시스템이 제안되고 있다. EightyLEO 는 지구상 인터넷이 없는 지역을 대상으로 그 80~90% 커버를 목적으로 하는 시스템으로[9] 수송과 물류, 자동차, 정밀농업, M2M, 그리고 정부/군 및 안보 응용 등을 사업 목표 영역으로 하고 있다. 3. 정지위성 MSS 인마샛은 2015 년 9 월부터 IoE(Internet of Everywhere)라는 자체 프로젝트에 의해 L 대역 글 로벌 M2M/IoT 서비스와 선박, 항공기에의 브로드밴드를 제공하여 왔다. IsatData Pro(IDP) 플랫폼 을 이용하여 원격지 컨테이너 등의 이동 모니터링과 추적, 가스 유속 측정 등 저속 텔레메트리 메시지 서비스와 BGAN M2M 을 이용하는 실시간 감시, 대규모 미터링(metering) 및 양방향 IP 데 이터 서비스(99.9% 가용도, 448kbps 대역폭) 제공해 오고 있다[10]. 한편, UAE 기반으로 중동 및 아시아, 아프리카를 대상으로 MSS 를 제공하는 뚜라야(Thuraya) 시스템이 최근 L 대역용 고신뢰도 보안 IP 네트워킹을 제공하기 위한 M2M/IoT 고정 단말기를 개 정보통신기술진흥센터 5

7 주간기술동향 발하고, 미국의 비아샛(Viasat)과 함께 북미 M2M 시장 공략에 나섰다. 중동에서는 뚜라야 위성을 이용하여 원유와 천연가스 저장소를 관리하는 원격지 오일 운용/감시하는 M2M 서비스가 있다. 4. 정지위성 FSS L 대역이 아닌 Ku 또는 Ka 대역을 이용한 FSS 브로드밴드 데이터 요구가 에너지, 항공, 해 상, 유틸리티 등 이동체 시장에서 증가하고 있다. NSR 의 최근 자료를 보면, 주파수 관점에서 볼 때, 약 90% 이상의 매출과 서비스 기기는 기존의 VHF, L 대역에 집중되어 있지만, 나머지 약 10% 매출은 Ku 대역에서 나올 것으로 예상되며, 그 규모도 2013 년 1 억 달러에서 2023 년 약 2 억 달러로 증가할 것으로 전망된다[11]. Ku 대역 단말도 2013 년 약 20 만 개에서 2023 년까지 약 30 만 개로 증가할 것으로 전망되고 있다[12]. Ku 대역 VSAT 은 승객을 태우는 이동체에서 많은 데이터를 송수신하기 위해서 추적 안테나 와 같이 설치하는 일종의 소형 기지국 시스템이다. 최근 차량, 선박, 항공기 등 이동체 내 승객 용 IP 서비스의 도입과 더불어, M2M/IoT 분야에서도 새로운 데이터 서비스의 도입으로 인해 VSAT 도입이 빠르게 증가하고 있다. 예를 들어, 항공기의 경우 기내통신(IFC/IFE) 서비스 외에도 항공기 안전/운행/보전용 텔레매틱스, 실시간 궤적 네비게이션, 클라우드 연동 블랙박스(FDR) 등 브로드밴드 서비스 수요가 증가하고 있다. 항공기나 선박에서는 이동체마다 한 대의 VSAT 단 말과 위성추적 송수신 안테나가 필요하다. VSAT 한 대를 설치하면, 항공기나 선박 내에 많은 IP 단말을 수용하여 동시에 서비스가 가능하고 승객의 단말기를 그대로 사용 가능한 백홀 형태의 서비스가 가능하다는 장점이 있다. III. 이동체 Connectivity 용 위성 안테나 개발 동향 항공기에서는 위성 안테나에 의한 공기저항 증가에 따른 안전 문제와 연료사용 효율성 저 하 문제가 있으므로 안테나의 성능 외에 로우 프로파일 등의 구조가 매우 중요하다. 그 동안 혼합식 위상배열 안테나가 여객기 등에서 사용되어 왔지만, 현재는 기계 부분 없이 전기적으로 만 빔의 고도각, 방위각 추적을 가능하게 하는 전기식 평판 안테나가 개발되고 있다. 더구나 이 기술은 안테나의 SWaP, 즉 크기, 무게, 소모전력을 줄이는 효과가 있어 크게 환영 받고 있다. 그렇지만 아직은 개발 초기라 예상가격이 비싼 편이고, 넓은 대역폭을 유지하면서도 인접위성 6

8 포커스 으로부터의 간섭을 제거해야 하는 등 해결해야 하는 이슈도 남아 있어 2~3 년 후에야 시장이 활성화될 것으로 예상되고 있다. 평판 안테나는 고정용 브로드밴드/위성방송수신(DTH)용과 이동체용으로 나뉘며, 그 중에서 항공기용 이동체 안테나가 가장 활발하게 개발되고 있다. 기존 안테나 업체로는 파나소닉, 길랏, 하니웰, 퀘스트 등이 있고, 신생 업체로는 신콤(Thinkom), 페이저(Phasor), 카이메타(Kymeta) 등 이 있다. NSR 은 평판 안테나 시장이 향후 2~3 년 내 활성화될 것으로 보고 있으며, 2025 년경에 는 매년 7.1 억 달러의 시장이 형성될 것으로 예측하고 있다[13]. 한편, 위성이 Ku 또는 Ka 대역 HTS 로 진화, 확대되고 있는 동향에 따라 위성사용 비용, 대 역폭 수요 등의 이유로 안테나도 Ku/Ka 겸용 또는 Ka 용으로 개발되고 있다. 또한, 저궤도 위성 군 브로드밴드 통신시스템의 경우에도, 위성이 한 지점을 지나가는 시간이 대략 10 분 정도이 므로 안테나가 위성을 정확히 추적하고, 다음 위성으로 신속하게 스위칭해야 하기 때문에, 기 존의 추적 안테나가 아닌 평판 안테나가 매우 중요해질 전망이다. OneWeb, LeoSat 같은 위성 군 설계회사들은 이미 페이저, 카이메타 등과 협력하여 평판 안테나를 개발하고 있다. 1. 차량 분야 자동차의 자율주행을 지원하기 위해서는 네비게이션이나 텔레매틱스 정보는 언제 어디서나 연결될 수 있어야 하지만, 운전자를 위한 대량의 데이터 전송, 인터넷이나 엔터테인먼트 기능 도 필요하므로, 단순히 M2M/IoT 수준의 데이터 전송이 아닌 고속의 데이터 전송이 필요하다. 토 요타가 차세대 커넥티드카 시장에 본격적으로 진출하기 위해 카이메타와 함께 차량용 위성 평 판 안테나를 개발하고 있다 년 1 월 북미 국제 오토쇼에서 평판 안테나가 장착된 토요타 미라이(Mirai) 연료전지 차량을 처음으로 선보였다. 엠테나(mTenna)라고 불리는 메타물질 기반의 평판 안테나는 전기적으로 메타물질 위상배열의 상태를 제어, 안테나 빔 방향을 원하는 방향으 로 이동시키는 기술을 사용한다. 차량용 프로토타입 안테나는 6 각형의 평판 패널로 차량의 지 붕에 모듈로 설치될 수 있고, 대출력이나 대용량을 위해서 모듈을 추가 확대할 수 있도록 되 어 있다. 안테나 구조는 LCD 디스플레이 구조와 비슷하기 때문에, 카이메타는 일본의 샤프(Sharp) 의 평판 LCD 디스플레이 공정을 사용하여 안테나를 개발, 제작하고 있다[14]. 이 안테나는 토요 타의 4Runner SUV 시험용 차량에 설치하여 인텔샛 Ku 대역을 사용함으로 미국 내 8,000 마일의 로드 위성신호 추적시험을 성공적으로 완료했다고 한다[15]. 현재는 약 50Mbps 속도로 데이터 정보통신기술진흥센터 7

9 주간기술동향 를 전송할 수 있다고 하며, 향후 수년 내 Gbps 급 전송속도가 가능할 것이라고 한다[16]. 차량의 커넥티비티는 기본적으로 LTE 를 통해서 제공될 것이며, 대용량의 데이터 다운로드 가 일시에 가능한 위성통신 특성을 고려하면 지도나 펌웨어, 품질관리 등의 OTA(Over-The-Air programming) 업데이트나 게임, 영화/비디오 다운로드에는 위성이 더 효과적이고 경제적이다. 도심 내 위성의 신호차단 현상을 감안하여 카루셀 형태의 데이터 방송 또는 데이터 다운로드 서비스로 사용될 수 있다. 그리고 교통사고, 자연재해 등의 긴급 시 LTE 가 불통인 경우를 대비 한 백업 긴급통신용으로 장착될 수 있다[33]. 평판 안테나가 가용하더라도 기존처럼 애프터 마 켓 형태로 차량 외부에 노출된다면 사람들이 기피할 가능성이 크다. 또한, LTE 와 위성 링크 중 하나를 선택, 스위칭하고 이들 간의 데이터를 연동시켜 주는 서비스가 별도로 제공되어야 하는 점이 있다. 따라서 차량 제조사와 안테나 제조사, 차량통합 IoT 서비스사가 협력하여 커넥티비 티를 제공해야 한다. 안테나는 2017 년에 상용제품이 출시될 것으로 예상되며, 현재는 고가이지 만 시장점유율이 높아지면 가격이 하락할 것으로 기대된다. 2. 해상 분야 항공기용 위성배열 안테나 제조사인 파나소닉이 해상 승객용 브로드밴드 서비스 및 운항 통신을 위한 Ku 대역 선박용 안테나로 경쟁사인 카이메타의 평판 안테나를 사용하기로 하고, 카이메타와 함께 2016 년 말 프로토타입 시험, 2017 년 상용화를 목표로 개발하고 있다. 한편, 페이저는 미국의 해리스 캡락과 함께 크루즈용 Ku 대역 평판 안테나인 ESA(Electronically Steered Antenna)를 개발하고 있다. 항공기 및 해상용 평판 안테나 개발에 집중하는 페이저는 카이메타와는 달리, 메타물질이 아닌 일반적인 패치안테나에 빔 포밍 칩을 연결하는 기술을 사 용하는 반도체기반의 평판 안테나로, 모듈러 구조를 가져 기본 모듈을 여러 장 붙여서 안테나 를 구성할 수 있게 되어 있다[17]. 페이저는 RF 체인을 ASIC 칩화 하여 전체 안테나의 두께를 1 인치로 줄였다. 아직은 시험 중이라고 하며, 2017 년 중반 정도에 출시할 예정이다. 인텔샛은 2016 년 1 월 차세대 HTS 위성인 EpicNG 시리즈 첫 위성인 인텔샛 29e 을 발사하고, 페이저와는 항공기용으로, 라이벌인 카이메타와는 해상과 차량용으로 HTS 용 Ku 대역 안테나를 개발하고 있다. 인텔샛은 Ku 대역을 사용하는 저궤도 위성군 시스템 OneWeb 과 협력하여 2 개 의 시스템에 대해 하나의 통합 단말로 접속이 가능하도록 개발하여 도심지역에서나 극지방을 항해하는 선박에서도 이 안테나를 사용하여 통신할 수 있도록 한다는 것이다. 8

10 포커스 3. 항공기 분야 2000 년대부터 항공기에서 Ku 대역 VSAT 을 이용하여 브로드밴드 통신을 해 왔지만 주로 군용이나 전용기가 대상이었는데, 이제는 국제선 대형여객기나 상용항공기로 확대되고 있다. 기내통신/오락이라는 새로운 승객 서비스뿐만 아니라 안전하고 최적화된 항공운항을 지원할 수 [표 1] 항공기 IFC/IFE 를 위해 적용 또는 개발되고 있는 위성 안테나 종류 및 특성 구분 Thinkom Panasonic Kymeta Phasor 안테나 모델명 대표 시스템 안테나 형상 적용기술 ThinAir Falcon-Ku3030 AURA LE 개발 중 개발 중 Gogo s 2ku 기계식 위상배열 듀얼 (TX, RX 분리) low profile 안테나(188cmx 89cmx10cm) - 내부 디스크의 기계 적 회전에 의한 공 진기반 빔형성(고도 각: +15 to +85, 방위각: 360 ) exconnect broadband, Astronics AeroSat Low profile 위상배열 안테나(높이 6.8cm, 무 게 25kg) - 전기적인 빔 조향 (방위각: 기계식회전): 고도각 20 이상에서 동작 - 기존보다 고전력, 저고도 인텔샛(예정) Flat panel 위상배열 안테나 (크기는 stop sign 표지판 사이즈, 높이는 약 2cm 내외) - TFT 와 전자기적 메 타물질 배열을 결합 한 LCD 디스플레이 형태의 평판 위상배 열 안테나(mTenna) 인텔샛(예정) Flat panel 위상배열 안테나 (2 개의 PCB 사 이에 ASIC 위치, 전체 높이는 2.5cm) - 패치 안테나와 전기 적 빔포밍 기능을 결합한 평판 위상배 열 안테나(ESA) - 모든 RF 체인을 ASIC 화 대역 Ku 대역 Ku 대역 Ku 대역 Ku 대역 전송 속도 설치 (적용) 항공기 하향 최대 90 Mbps (승객당 최대 12Mbps) 상향 최대 15 Mbps Aero Mexico, Virgin Atlantic 에 우선 적용, 2018 년까지 델타항공 에 250 대 예정 미상 기존 모델로 현재까지 1,000 대 설치, backlog 는 1,800 대 미상 2 시간 이상의 국제선 이나 대양횡단 항공편 대형여객기 하향 100Mbps 상향 20Mbps 출시일 2016 년 예정 2015 년 3 월 2017 년 예정 2017 년 중순 예정 타 분야 응용 HTS 위성용 미 공군 K 대역 ThinAir Falcon-Ka2517 인텔샛 EpicNG 스팟빔 용 Ku 안테나 개발 중 해상 분야에 카이메타 와 공동으로 개발, 출시 예정 인마샛 Ka 대역 GX I5 용 항공기안테나 (30~50Mbps) 개발 중 2016 년 해상 및 커넥티드카(토요타)용 안테나 시험 중 인텔샛 EpicNG 스팟빔 용 Ku 안테나 개발 중 년 해상, 육상 분야 출시 예정 인텔샛 EpicNG 스팟빔 용 Ku 안테나 개발 중 안테나 모습 <자료> [20] [21] [14] [23] 정보통신기술진흥센터 9

11 주간기술동향 있어 스마트 항공기라는 개념이 형성되고 있다 년 말레이시아 항공기의 실종사건에 따라 항공기의 실시간 추적 필요성이 제기되면서 실시간 궤적추적 항행, 지상 실시간 기록 블랙박스 등이 개발되는 추세에 있다. 이 링크는 기존에 없던 새로운 브로드밴드 텔레매틱스 일종으로 볼 수 있으며, 보다 신뢰도가 높은 IP 기반의 M2M/IoT 데이터 링크로 구현되고 있다. 사용하는 위성도 인마샛 외에 인텔샛을 비롯하여 지역위성 또는 자국 위성으로 확대되고 있다. 현재 대륙 또는 대양을 횡단하는 대형 여객기에 적용 개발되고 있는 주요 항공기용 안테 나 특성은 [표 1]과 같다[18]-[21],[23]. 한편, 이스라엘의 길랏도 2015 년 Ku 대역 평판형 위상배 열 안테나 개발에 이어 Ka 대역 안테나를 개발하고 있으며, 레이돔까지 포함하여 대략 5cm 정 도의 높이나 아직은 송신배열과 수신배열이 별개로 구현되어 있다[24]. IV. 위성기반 IoT 의 표준화 동향 현재 IoT 표준화 활동 중에서 위성이 가장 관심을 보이고 참여하는 곳은 스마트시티 등에서 활용이 예상되는 저전력 광역 무선 네트워크인 LPWAN(Low Power WAN) 관련 표준이다. 스마트 시티를 비롯하여 수도, 가스, 전기 등의 유틸리티, 농업 등 지상망이 미비한 원격지까지 커버하 거나 글로벌로 전개되는 IoT 응용에서는 저가, 저전력, 커버리지 등에서 위성의 역할을 찾을 수 있다고 생각하는 것이다. 본 장에서는 위성과 연관이 많은 LoRaWAN 과 시그폭스(SigFox)에 대해 서 알아보기로 한다. 1. LoRaWAN IoT/M2M 산업체 표준화 단체 중 위성의 영입에 가장 적극적인 곳은 LoRa Alliance 이다. 이 단 체는 2015 년 11 개 회원사로 시작했지만 지금은 300 개 이상의 회원사를 갖는 단체로, 사업자 간 의 상호호환성을 중시하는 LPWAN 개방형 글로벌 표준인 LoRaWAN 프로토콜을 제안하고 있다. LoRaWAN 은 양방향 통신, 이동성, 위치정보 등을 저전력, 장거리, 저비용의 3 가지 장점을 가지 도록 구현하고 있다. 넓은 지역에 걸쳐 퍼져 있고 저전력 배터리로 동작되는 센서, 기기들이 있 는 환경에서는 위성을 주로 사용하고, 지상망이 효율적인 지역에서는 위성을 백업으로 사용하는 개념이다[25]. 이미 2015 년 11 월 LoRa Alliance 미팅에서 이리디움을 사용하여 LoRaWAN 백홀 통 신을 성공적으로 시연한 바 있다. LoRaWAN 에서는 글로벌 로밍의 편의성 및 비용, 저속 데이터 10

12 포커스 솔루션의 경제성, 저전력 소모 등의 이유로 위성을 택하고 있다[26],[27]. 한편, 정지위성 인마샛은 2016 년 2 월 LoRa Alliance 에 가입하여 IoT 솔루션의 위성 데이터 백홀 기능을 담당하기로 하였다[28]. 인마샛은 ISM 대역에서의 LoRaWAN 클라우드 플랫폼을 위 성에 연결하는 노력을 하고 있다[29]. 2. 시그폭스 LPWAN 프랑스 IoT 스타트업인 시그폭스는 상용 800~900MHz ISM 대역용 트랜시버에 소프트웨어를 탑재하여 기지국을 설치하는 등 저전력 저속 데이터 전용 무선망인 LPWAN 을 구축하고 있다. 시그폭스는 유럽 우주항공회사 ADS, 프랑스 연구기관 CEA-Leti, 엔지니어링 회사 시스메카 (Sysmeca)와 함께 무스탕(Mustang)이라는 프로젝트를 통해 IoT 연결을 위한 지상/위성 네트워크 하이브리드 통합 솔루션용 모뎀 및 통신 프로토콜 개발을 진행하고 있다 년부터 2018 년 까지 3 년짜리 프로젝트로, 제안된 목표 시스템은 듀얼 모드 위성/지상단말을 사용하여 지상망 이 없는 지역이나 고장 시, 또는 중요한 업무로 백업해야 하는 경우에 위성이 자동적으로 스위 칭하도록 하는 방법을 채택하고 있다[30]. 한편, 기존의 Ku 대역 위성방송 DVB-S/S2 수신 모듈인 LNB 에 IP 전송 모듈을 넣어 IoT 네트 워크에 연결시킴으로써 스마트홈, 스마트시티, 대기오염 경고 시설 등의 환경 공공시설로부터 측정한 데이터를 최대 160kbps 로 위성을 통해 전송해 주는 SmartLNB 가 미국에서 M2M/IoT 서 비스를 시작한다. SmartLNB 는 가정 내의 TV 시청 현황, 홈 오토메이션, 안전이나 e-헬스 등의 인터랙티브 서비스를 가능하게 해주는 데, 정지궤도 위성 유텔샛을 이용하여 상향 링크는 데이 터가 생길 때에만 비동기적으로 버스트 형태로 액세스하여 운용 비용을 최소한으로 유지할 수 있도록 하고 있다[31],[32]. V. 결론 전통적으로 저궤도 위성을 중심으로 위성기반 M2M 이 사용되어 왔지만 오브콤, 이리디움, 글로벌스타 등의 저궤도 위성군 시스템도 현재 제 2 세대로 업그레이드가 진행 중이거나 완료 된 상태이며, 향상된 통신 용량, 전송 성능과 맞물려 대역폭이 큰 IoT 응용 서비스, 선박 AIS, 항 공기 ADS-B 등의 새로운 텔레매틱스 서비스가 등장하고 있다. 최대 4,000 개에 달하는 엄청난 정보통신기술진흥센터 11

13 주간기술동향 숫자까지의 위성으로 지구를 뒤덮는 Big LEO 기반 인터넷 시스템이 2020 년경에 순조롭게 출범 한다면 저지연, 광대역, 저비용의 위성기반 M2M/IoT 가 크게 확대될 전망이다. 특히, 글로벌하게 상당한 대역폭을 요구하는 실시간 IoT 응용에 대해서는 경쟁력이 클 것으로 판단된다. IoT 의 표준화 측면에서는 LPWAN 에서 위성의 기술을 활용하고 있으며, 대표적인 것으로 LoRaWAN 과 시그폭스의 LPWAN 이다. 위성은 주로 중요한 물류나 자산의 이동, 로지스틱스, 원 격 자산 관리, 유지보수나 제품 주기관리 등에 활용될 것으로 전망된다. 차량, 해상, 항공기 분야에서의 브로드밴드 커넥티비티를 위해서는 위성추적 안테나의 형상 과 성능이 가장 중요한 요소이다. 현재 평판 위상배열 안테나 개발 경쟁이 치열하며, 위성 운용 사, 서비스 사업자, 안테나 제조사 등이 시장 별로 서로 협력 경쟁하는 구도이다 년이면 평판 안테나가 시장에 출시될 예정이며, 향후 이동체 안테나 시장을 크게 점유할 전망이다. 국내에서는 아직 M2M/IoT 관련하여 새로운 서비스나 기술개발 활동이 눈에 띄지 않고 있다 년에 인텔리안 테크놀로지스가 카이메타의 평판 안테나를 해상단말에 사용하기로 MoU 를 맺고 시험하는 정도이다. KTsat 이나 KTSkylife 는 커넥티드카를 겨냥한 위성방송과 IoT 의 결합 을 추진해 볼 수 있을 것이며, MSS 기반의 M2M/IoT 서비스 개발도 고민할 수 있을 것이다. [ 참고문헌 ] [1] 이호진, 저궤도 위성군 시스템의 부활, ETRI, 전자통신동향분석, 제 30 권, 4 호, , pp [2] [3] [4] [5] [6] [7] [8] pageno=1&q_region=&q_cnty=&q_cnty_name [9] [10] [11] [12] [13] critical-for-leo-success/ 12

14 포커스 [14] [15] APSCC Monthly e-newsletter, February [16] [17] [18] The Aeronautical Market, Satellite Executive Briefing, Jan-Feb. 2016, pp [19] Satellite Ground Systems Market, Satellite Executive Briefing, Nov-Dec. 2015, p.4. [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] 정보통신기술진흥센터 13

15 주간기술동향 의료영상에서의 인공지능 연구 동향 장용준 한국과학기술원 연구조교수 본 고에서는 최근 각광을 받고 있는 인공지능 알고리즘 중 분류 알고리즘에 해당하는 베이지안 분 류법, SVM 분류법, 그리고 ANN 분류법 등에 관해 간략하게 소개하고. 또한 의료영상 관련 문헌들 을 통해 자동분류 알고리즘들이 유방, 폐/흉부, 뇌, 피부, 전립선, 갑상선, 심장, 혈관 등 다양한 분 야의 의료 영상에서 활발하게 적용되고 있음을 살펴볼 것이다. 향후 사물인터넷 및 원격진료 시대 가 본격화되고 지속적인 영상장비 발전 및 영상의 화질 개선 등으로 인해 의료 영상에서의 인공지 능 연구의 활용과 수요는 더욱 증대될 것으로 예상된다. I. 서론 최근 알파고의 바둑 대국을 통해 인공지능에 관한 관심이 크게 증가하였다[1]. 인공지능 알 고리즘들은 의료 분야에 있어서도 활발하게 적용되고 있다. 향후 사물인터넷(Internet of Things: IoT) 기반 생체정보의 수집이 보편화되면 일상생활에서 건강상태를 모니터링하고 이상 유무를 확인하는 데 인공지능 알고리즘들이 다양하게 적용될 것으로 예상된다. 또한, 실제 의료현장에 서는 국내외 영상의학 및 방사선의학과를 중심으로 의료영상에서 인공지능 알고리즘들을 활용 하려는 움직임이 있다. X-ray, 초음파, 컴퓨터단층촬영(Computed Tomography: CT), 자기공명영 상(Magnetic Resonance Imaging: MRI), 양전자단층촬영(Positron Emission Tomography: PET) 등 다 양한 의료진단기기로부터 획득된 의료영상을 임상의사가 판독함으로써 과거에 비해 질병의 조 기 진단 및 치료가 가능해지고, 그 결과 인간수명 연장이 실현되고 있다. 그러나 다양한 진단기 기를 이용하는 환자 수의 증가에 비해 의료진 수의 부족, 인간의 부정확한 판독 및 의사 간 혹 은 동일 의사 내에서의 판독 편차 등으로 인한 오진의 가능성도 문제로 대두되고 있다. 따라서 의료영상에서는 컴퓨터를 활용한 인공지능 알고리즘 기반 진단 시스템을 도입함으로써 이러한 * 본 내용은 장용준 연구조교수( , yjchang@kaist.ac.kr)에게 문의하시기 바랍니다. ** 본 내용은 필자의 주관적인 의견이며 IITP 의 공식적인 입장이 아님을 밝힙니다. 14

16 기획시리즈 문제점들을 보완하고자 하는 다양한 시도가 나타나고 있다. 즉, 임상의사에 의한 의료영상의 판 독에 더해 인공지능을 이용한 진단소견을 보완함(second-opinion 또는 double-reading)으로써 보 다 정확한 진단을 목적으로 하는 연구 등이 활발히 진행되고 있다. 본 고에서는 이러한 연구 경향을 반영하여 의료영상에서의 인공지능 연구에 대한 소개 및 그 활용 예들을 소개하는 것을 목적으로 한다. II. 의료영상에서의 인공지능 기법 의료영상에서 인공지능 알고리즘 적용을 이용한 진단은 대체적으로 [그림 1]과 같은 과정을 거치게 된다. 우선 다양한 의료영상장비들로부터 획득된 의료영상이 입력된다. 그 후 전처리 과 정으로서 입력영상으로부터 원하는 장기 등을 분할하는 과정을 거친다. 분할의 방법은 관심 있 는 장기의 해부학적 및 영상에서의 특징, 병소의 특징 등을 고려하여 적당한 방법을 선택하거 나 조합하여 결정하게 된다. 문턱값 기반 분할, 영역 확장, 액티브 컨투어, 레벨셋 방법, 워터쉐 드 등이 널리 이용되는 분할 방법이며 자세한 내용은 참고문헌 [2]에 나타나 있다. 분할된 영상에서는 자동분류 과정에서 학습을 위해 관심 있는 병소가 포함된 부위를 찾아 내 병소의 유무를 레이블링하는 과정이 필요하다. 이때 분할된 영상을 여러 패치들로 나누고, 조직검사에 의한 병리학적 소견 또는 임상의사의 소견 등을 참값으로 하여 레이블링을 결정하 게 된다. 또한, 패치는 현재 화소를 중심으로 사각형 또는 원 형태를 많이 사용한다. 참고로 참 값(레이블)을 기반으로 학습하는 방법을 지도학습(supervised learning), 참값이 없이 데이터의 특 징 만으로 학습하는 방법을 무지도방법(unsupervised learning)이라고 부르며, 본 고에서는 지도 입력영상 전처리 (관심장기분할 등) 영상특징추출 인공지능 알고리즘 진단 <자료> Kim N. A computer-aided differential diagnosis between UIP and NSIP using automated assessment of the extent and distribution of regional disease patterns at HRCT: comparison with the radiologist's decision. Proceedings of SPIE Medical Imaging [그림 1] 의료영상에서 인공지능 알고리즘 적용을 위한 과정 정보통신기술진흥센터 15

17 주간기술동향 방법만을 고려하기로 한다. 이렇게 레이블 값을 갖는 패치들은 컴퓨터의 자동분류기 내에서 학습과정을 거치게 된다. 학습과정이란 참값이 레이블링되어 있는 패치들로부터 자동분류를 위한 특징들을 산출하는 단 계이다. 입력 의료영상의 각 패치에서는 화소값의 평균, 분산, 엔트로피 등 히스토그램 특징 및 co-occurrence matrix 기반의 텍스처 특징 등 다양한 영상특징들을 추출할 수 있다. 이들을 벡 터로 간주하면 한 패치 영상으로부터 하나의 특징 벡터와 참값 레이블이 결정되며, 여러 패치 영상들의 특징 벡터와 레이블을 기준으로 다양한 자동분류 알고리즘들을 적용하여 모델을 도 출하는 단계를 학습과정이라고 한다. 참고로 학습과정 중 모델의 오버피팅을 막기 위한 방법으 로서 전체 특징 벡터의 일부 요소만을 이용하는 특징 벡터를 도출하는데, 이러한 과정은 전방 위 특징 선택 방법, 후방위 특징 선택 방법 등을 통해 이루어진다. 또한, 특징 벡터의 차원이 너무 클 경우 주성분분석(Principal Component Analysis: PCA)이나 Singular Value Decomposition (SVD) 등 차원 축소 방법들이 적용되기도 한다. 학습과정을 통해 모델을 도출하는 자동분류 방법은 실제 인공지능 알고리즘으로서 컴퓨터 보조진단시스템의 경우 베이지안 분류기(Bayesian Classifier), Support Vector Machine(SVM) 분류 기와 인공신경망(Artificial Neural Network: ANN) 분류기 방법이 가장 널리 이용된다. 이 방법들에 관해서는 다음 장에서 자세하게 다루도록 한다. 학습 데이터를 기반으로 산출된 자동분류기의 성능을 측정하는 데 있어서 이미 학습 때 사 용된 데이터(패치)를 제외해야 공정한 성능 측정이 가능하다. 즉, 기존 학습 데이터로부터 도출 된 자동분류 모델이 새로운 데이터에 대해 어느 정도의 성능을 나타내는지를 측정하는 방법이 필요하다. 현재 자동분류기에서는 기존의 총 데이터를 일정한 비율로 배타적으로 두 집합으로 나눈 후, 한 집합은 학습 데이터로 이용하여 자동분류 모델을 구현하는 데 이용하고, 다른 집합 은 구현된 자동분류 모델의 성능을 측정하는 테스트 데이터로 이용하는 k-fold cross-validation 이라는 방법을 이용한다. k-fold cross-validation 에서는 무작위 샘플링을 통해 총 데이터를 자연 수 k 개의 배타적인 집합으로 분할하며, 이때 각 집합은 (거의) 균등한 데이터 개수를 포함하도 록 분할한다. 그리고 분할된 k 개의 집합 중 (k-1) 개의 집합은 학습 데이터로, 나머지 한 개의 집합은 테스트 데이터로 이용한다. 즉, 학습 데이터로부터 도출된 자동분류 모델을 테스트 데이 터에 적용함으로써 자동분류 모델의 성능을 측정하게 된다. 또 다른 자동분류기의 성능을 측정하는 방법으로서 리시버특성곡선(Receiver Operating 16

18 기획시리즈 Curve: ROC)이라는 방법을 이용하기도 한다. ROC 성능 측정에서는 특정 변수값의 변화에 따른 민감도와 특성도의 변화를 곡선으로 나타내고, 그 곡선 아래의 면적(Area Under Curve: AUC)을 다른 조건에서의 ROC 곡선 및 그 곡선의 AUC 와 비교함으로써 성능을 측정 및 비교하게 된다. 참고로 컴퓨터 보조진단 시스템에서는 특성도 대신 1-거짓긍정오류(false positive rate)를 이용 하는 froc(free-response ROC)라는 방법을 이용한다[4]. III. 자동분류를 위한 인공지능 기법들 본 장에서는 자동분류를 위한 인공지능 기법들 중 베이지안 분류기, SVM, 인공신경망 등의 개념 및 중요 식들을 간략하게 소개한다. 여기에 사용할 공통적인 용어들은 다음과 같다. 클래스 레이블(ω 1, ω 2, ω L )들의 집합 Ω={ω 1, ω 2, ω L } 테스트 데이터의 특징 벡터 x=(x 1, x 2,, x d ) T, x R d 1 학습 데이터의 특징 벡터들(x 1, x 2,, x N )로 구성된 행렬 X R d N 클래스 레이블이란 자동분류기의 결과들이 매칭되는 유한한 개수의 클래스 명칭을 나타낸 다. 예를 들어 의료영상의 경우, 악성/양성 종양(binary class: L=2), 또는 L 개의 특정질환 등을 나타낸다. 1. 베이지안 분류기 베이지안 분류기는 확률 기반의 자동분류기이다. 베이지안 분류기에서는 주어진 관측값의 조건 하에서 어떤 클래스에 속할 확률을 뜻하는 사후확률(posterior probability)이 (1) 그 클래스 가 주어졌을 때 해당 관측값이 나올 확률인 우도(likelihood)와 (2) 그 클래스의 사전확률과의 곱 에 비례한다는 베이지안 정리를 이용하여 다음 식 (1)과 같이 사후확률을 최대화하는, 즉 사전 확률(prior probability)과 우도의 곱 값을 최대화하는 클래스 레이블에 자동분류 결과를 할당하는 분류기이다. 베이지안 분류기: 테스트 데이터를 다음 식을 만족하는 클래스 레이블 k 로 분류한다. k arg max P( x ) arg max P( x ) P( ) (1) i i i 위 식에서 P( x) 는 사후확률, P x ) 는 우도, P ) 는 사전확률을 의미한다. i ( i i i ( i 정보통신기술진흥센터 17

19 주간기술동향 확률분포의 추정은 모수통계방법인 최대 우도 추정(maximum likelihood estimation), 최대 사 후 확률(maximum a posteriori: MAP) 추정 방법 또는 비모수통계방법인 커널 밀도함수 추정 및 k-최근접 이웃(k-Nearest Neighbor: knn) 밀도함수 추정 방법 등을 사용한다. 2. SVM 분류기 SVM 분류기는 데이터 클래스 간의 폭(margin)을 극대화하는 최적화 기반의 분류기이다[5]. [그림 2]는 2 차원 공간에서 선형 SVM 의 예를 나타낸 것이다. 클래스 레이블의 집합 Ω={-1, 1} 는 두 원소(레이블)를 갖고 [그림 2]의 각 점 옆에 그 데이터가 소속된 클래스 레이블이 -1 또는 1 로 표시되어 있다. 이 두 클래스를 오차 없이 구분하는 무한개의 선형식(평면) 중에서 실선처 럼 두 클래스 간의 폭을 최대화하는 선형식(평면)이 바로 SVM 분류기이다. 이러한 SVM 분류기 또는 평면의 방정식을 계산하기 위해 최적화 문제의 도입이 필요하다. 한 점과 평면까지의 거 리는 평면의 식의 계수(w)와 관계가 있고, [그림 2]의 선형식들처럼 클래스 레이블을 y i (=1 또는 -1)라 하면, 두 클래스 간의 폭을 최대화하는 최적화 문제는 다음 식 (2)와 같이 쓸 수 있다. 1 2 min w 2 s. t. y ( x w b) 1 0 i i (2) 식 (2)에 라그랑제 승수 λ을 도입하면 식 (3)의 목적함수로 구성된 최적화 문제로 다시 쓸 수 있다. <자료> 한국과학기술원 자체 작성 [그림 2] 선형 SVM 분류기의 예 18

20 기획시리즈 1 min 2 N 2 w ( y ( x w b) 1) (3) i 1 i i i 식 (3)에 최적화 조건인 Karush-Kuhn-Tucker(KKT) 조건들 및 식 (2)에 Wolfe duality 를 이용하 여 최적화 문제를 다시 정의하면 최종적으로 다음 식 (4)를 만족하는 최적화 문제의 해로부터 최적의 SVM 분류기를 계산할 수 있게 된다. max s. t. N i y 0 0 i i N i i 1 i 2 N i, j y y x x i j i j i j (4) 이렇게 도출된 SVM 분류기는 선형분리가 불가능한 두 클래스의 분류 문제, 비선형 SVM 문 제, 클래스 레이블의 개수가 3 개 이상인 문제 등으로 확장 가능하다. 최적화 식 (4)를 기반으로 선형 SVM 분류기를 이용할 때 두 클래스 레이블 데이터가 완전히 분리가 가능한 문제(예를 들 면 [그림 1])가 아닌 경우에는 여유 변수(slack variable)와 매개변수를 도입하여 위 식 (1)-(3)과 유사한 방식으로 최적화 식을 유도하게 된다. 비선형 SVM 분류기의 경우 식 (4)의 xi xj 대신 다항식 커널 또는 Radial Basis Function(RBF) 커널 등을 대입하여 비선형 SVM 분류기를 생성하 게 된다. 또한, 3 개 이상의 클래스 레이블이 존재하는 SVM 분별 문제는 One-Against-All 또는 One-Against-One 방법을 이용하여 multiclass SVM 으로 확장 가능해진다[6]. 3. 인공신경망 분류기 인공신경망은 인간의 뇌 정보처리를 담당하는 세포(뉴런)의 신호처리 과정을 모방함으로써 기존 기계학습 알고리즘들의 한계를 뛰어넘고자 고안되었다. 뉴런은 세포체(soma), 수상돌기 (dendrite), 축색(axon) 등으로 구성되며, 인간의 뇌는 약 1,000 억 개의 뉴런이 복잡하게 연결되 어 있는 신경망이다. 이에 반해 인공신경망은 뉴런과 인식의 합성어인 퍼셉트론(perceptron)에 기초한다. 퍼셉트론은 입력층(input layer)과 출력층(output layer)으로 구성되며, 각 층은 세포체에 해당하는 데이터 연산을 위한 노드들을 포함한다. 입력층에서 입력된 데이터들은 선형합 연산 을 통해 출력층에 전달된 후, 그 선형합이 활성함수(activation function)에 입력되어 출력된 결과 가 출력층 노드의 결과가 된다. 퍼셉트론에서 사용되는 활성함수는 계단함수 또는 다층 퍼셉트 정보통신기술진흥센터 19

21 주간기술동향 입력층 은닉층 출력층 <자료> 한국과학기술원 자체 작성 [그림 3] 은닉층 1 개를 가진 다층 퍼셉트론 인공신경망 론으로 인공신경망이 확장되면서 미분 가능한 시그모이드 함수(sigmoid function)가 사용되며, 이 활성함수의 도입으로 인해 인공신경망 분류기에서는 비선형 분류가 가능하게 된다. 인공신경망에서 학습은 위 과정 중 선형합 연산에 이용되는 최적의 가중치 벡터를 탐색하 는 문제이다. 출력층 노드들의 결과와 학습 데이터에 주어진 참 클래스 레이블 간의 오차 합을 비용함수로 정의하고, 경사하강법(gradient descent)을 기반으로 최적 가중치 벡터를 탐색하는 방법을 이용한다. 이러한 퍼셉트론의 입력층과 출력층 사이에 은닉층과 그 안의 노드들을 추가 함으로써 다층 퍼셉트론(Multi-Layer Perceptron: MLP) 구조로 확장하게 되며, 일반적으로 인공신 경망은 다층 퍼셉트론 구조를 의미하게 된다. [그림 3]은 한층의 은닉층을 가진 다층 퍼셉트론 인공신경망을 나타낸다. 노드와 노드가 연결된 각 선(에지, 링크)마다 가중치 변수가 할당되며, 비용함수를 최소화하는 가중치 변수들을 오류역전파(error back-propagation) 알고리즘을 이용하 여 계산하게 된다. 이렇게 d 차원의 학습 데이터 N 개를 학습시킨 후 구해진 최적의 가중치 변 수들을 기반으로, 테스트 데이터에서는 가장 큰 출력 노드의 클래스 레이블을 테스트 결과로 인식하게 된다. 인공신경망의 경우, 은닉층의 추가로 인한 층의 깊이가 심화되고 목표 정답없이 학습이 가 능한 Deep Belief Network 등 Deep Learning 으로 발전하게 된다[7]. 이미 소개한 베이지안 분류 기, SVM 분류기, 인공신경망 분류기 등에 관한 자세한 내용은 인공지능 및 패턴 인식에 관한 논문과 책을 참고하도록 한다[8],[9]. 20

22 기획시리즈 IV. 의료영상에서의 인공지능 활용 예 의료 분야에서 데이터는 크게 분자 수준의 데이터, 세포 조직 수준의 데이터, 환자 수준의 데이터, 그리고 인구 역학 수준의 데이터 등으로 구분할 수 있다[10]. 일부 현미경 영상에서 분 자 수준의 데이터를 대략적으로 관찰할 수 있음에도 불구하고, 대다수의 의료영상에서는 세포 조직 수준의 데이터를 다루게 된다. 예를 들어, 영상 상의 조직이 정상인지, 비정상인지, 종양의 경우 양성인지, 음성인지의 분류를 위해 의료영상 관련 인공지능 연구가 활발히 진행되고 있다. 본 장에서는 인간의 장기 별로 인공지능이 의료영상에 적용되고 있는 연구 사례들을 소개하고 자 한다. 1. 유방 영상에서의 인공지능 유방 영상에서 컴퓨터 보조진단시스템을 도입할 경우, 영상의학과 의사만이 판독하는 경우보 다 약 5~12%의 검출율 향상이 있다고 알려져 있다[11]. 유방 영상에서 가장 널리 사용되는 의료영 상 방식은 유방촬영술(mammography)이다. 유방촬영영상에서 보이는 미세석회화(microcalcification) 의 군집은 유방암의 중요한 지표이기 때문에 이를 SVM 또는 ANN 기반으로 자동분별하는 연구 가 활발히 진행되고 있다[11],[12]. [그림 4]는 유방촬영영상에서 상대적으로 높은 화소값을 갖는 점들로 표시되는 미세석회화 영역들과 이를 SVM 을 통해 검출하고 표시한 결과를 나타낸다[12]. 참고문헌 [13]에서는 또한 유방촬영영상에서 관찰되는 침상형 종괴(speculated mass)는 악성일 확률이 높기 때문에 이를 컴퓨터를 이용하여 자동 분별하는 연구가 진행되었다. 즉, 종괴의 선 (a) 유방촬영영상에서의 미세석회화 (b) SVM 자동분류 결과 (c) 문턱값 적용 후 판별된 미세석회화 위치들 <자료> Wernick MN. Machine Learning in Medical Imaging. IEEE Signal Processing Magazine 2010; 27; [그림 4] 유방촬영영상에서의 미세석회화와 SVM 기반 자동분류 결과 정보통신기술진흥센터 21

23 주간기술동향 형적 침상 패턴이 방사형으로 뻗어 나가는 것을 영상의 특징들로 선택하였으며, SVM 분류기를 통해 자동분류한 결과의 우수성을 리시버 특성곡선 분석을 이용하여 증명하였다. 또한 치밀 유 방의 경우, 유방촬영영상과 더불어 초음파영상을 이용하면 유방암의 검진율이 향상된다고 알려 져 있다. 참고문헌 [14]에서는 초음파 유방암 영상에서 삼중음성유방암 판독의 정확도를 향상시 키기 위해 텍스처 영상 특징 기반 SVM 자동분류 방법을 적용하였다. 2. 흉부/폐 영상에서의 인공지능 흉부영상에서 영상장치(CT, MRI 등)의 발전과 대기오염 등으로 인해 이를 판독해야 하는 영 상의학 의사들의 업무는 가중되고 있다. 한편으로는 해부학적으로 미세혈관들과 기도가 만나는 폐 영상의 판독은 숙련된 흉부영상의학 의사들에게도 상당히 힘들어서 의사 간 또는 동일 의사 내에서도 상당한 판독 편차가 존재한다고 알려져 있다[15]. 흉부영상에서의 자동분류 기반 컴퓨 터 보조진단시스템의 이용은 이러한 편차 문제를 극복하고 정량적으로 재현 가능한 판독 결과 를 도출한다는 점에서 꾸준한 연구가 이루어지고 있다[16]. 흉부영상에서 컴퓨터 보조진단시스 템을 구현하는 데 필요한 방법들, 예를 들어 폐/흉곽 분할, 분석 등에 관해 참고문헌 [15]에 대 략적인 정리가 되어 있다. 고해상 CT 영상에서의 미만성 간질성 폐질환의 경우 영상에서 확산 된 음영 패턴의 복잡도와 변화 때문에 판독이 매우 난해하다. 참고문헌 [16]에서는 평균, 분산, 공기 밀도, 결절 성분 등의 패턴을 기본으로 인공신경망을 적용하여 관심영역 기반 컴퓨터 보 조진단시스템을 도입하였다. 참고문헌 [17]에서는 같은 질환에 대해 [그림 5]와 같이 6 가지로 분류되는 영상의학적 부류들을 텍스처, 밀도 및 형태 영상 특징들을 기반으로 자동분류하였다. 구체적으로는 베이지안 분류기와 SVM 분류기를 서로 다른 영상기기 제조회사로부터 획득된 영 상에 적용하여 SVM 분류기의 상대적인 우수성을 주장하였다. (a) 정상 (b) 간유리 음영 (c) 경화성 음영 (d) 망상 음영 (e) 폐기종 (f) 벌집 모양 음영 <자료> Chang Y. A support vector machine classifier reduces interscanner variation in the HRCT classification of regional disease pattern in diffuse lung disease: Comparison to a Bayesian classifier. Medical Physics 2013; 40; [그림 5] 고해상 CT 영상에서의 정상 및 미만성 간질성 폐질환 부류 22

24 기획시리즈 3. 그 외 의료 영상에서의 인공지능 기능적 자기공명영상(Functional Magnetic Resonance Imaging: fmri)은 뇌신경세포의 활동에 따른 혈중 산소와 혈류의 변화 신호를 감지함으로써 뇌 활동을 측정하는 의료영상기법이다. 참 고문헌 [18]에서는 얼굴인식과 위치 매칭 실험을 통해 뇌활동 자극을 준 기능적 자기공명영상 및 자극을 주지 않은 기능적 자기공명영상을 획득한 후, 각 영상을 고차원에서의 한 점으로 간 주하고 그 점이 두 상태(자극의 유/무 상태) 중 어느 상태로 분류되는지를 선형 커널 기반 SVM 을 이용하여 분류하는 실험을 수행하였다. 그 결과 SVM 자동분류 방법은 얼굴인식 실험의 경 우 91.4%, 위치 매칭 실험의 경우 92.9%의 정확도를 보였으며, 피셔 선형 판별 분석(Fisher Linear Discriminant: FLD)에 의한 분류 방법보다 우수한 결과를 나타내었다. 참고문헌 [12]에서는 항불안제/항우울증제를 복용한 환자의 뇌영상과 위약을 복용한 환자의 뇌영상 간의 구분을 위 해 FLD 분류 방법을 적용하였다. 참고문헌 [19]에서는 피부확대경(dermoscopy)으로 획득된 영상 에 베이즈 네트워크, SVM, ANN, 결정 트리 방법을 적용하여 피부암을 판별하는 연구를 수행하 였다. 참고문헌 [20]는 전립선 암 판별을 위해 조직의 현미경 디지털 슬라이드 스캐너 영상에 k-최근접 이웃(k-Nearest Neighbor: knn), 베이지안, 로지스틱, FLD, ANN, SVM 등의 다양한 자동 분류 방법을 적용한 연구들을 소개하고 있다. 참고문헌 [21]에서는 초음파 영상에서 갑상선 결 절의 양성/악성을 분류하는 SVM 분류기 컴퓨터 보조진단시스템을 제안하였다. 참고문헌 [22]에 서는 심장초음파영상(echocardiography)에서 심근경색부위를 분별하는 컴퓨터 보조진단시스템에 대해 베이지안, SVM, FLD 등을 이용한 다양한 방법들을 정리하였다. 참고문헌 [16]에서는 자기 공명 혈관조영영상(Magnetic Resonance Angiography: MRA)에서 두 개 내동맥류를 신속하게 검 출하기 위해 3 차원 영상 강조 필터 및 컴퓨터 보조진단시스템을 활용하였다. V. 결론 본 고에서는 최근 각광을 받고 있는 인공지능 알고리즘들이 다양한 의료영상 분야에 활발 하게 적용되고 있음을 여러 연구들을 통해 살펴보았다. 특히, 컴퓨터 기반 병소를 자동으로 검 출하거나 구분하는 데 있어서 핵심이 되는 지도학습 기반 자동분류 방법들 중 베이지안 분류법, SVM 분류법, 그리고 ANN 분류법에 대해 간략하게 소개하였다. 그리고 실제 의료영상에서 인공 지능 방법들이 활용되는 예들을 설명하였다. 살펴본 바와 같이 의료영상에서의 인공지능 연구 정보통신기술진흥센터 23

25 주간기술동향 는 의학 및 컴퓨터 비전, 영상처리, 기계학습, 패턴인식 등 다양한 연구 분야의 융합을 필요로 하는 분야이다. 향후 사물인터넷 및 원격진료 등의 시대가 본격화되고, 또한 새로운 영상장비들 의 개발, 기존 영상 장비들의 퓨전 영상장치 발전 및 획득한 영상의 화질 개선 등으로 인해 앞 으로 의료 영상에서의 인공지능 연구와 활용 및 수요는 크게 증가할 것으로 예상된다. [ 참고문헌 ] [1 Silver D, et al., Mastering the game of Go with deep neural networks and tree search. Nature 2016: 529; [2] Pham DL, Xu C, Prince JL. Current methods in medical image segmentation. Annu Rev Biomed Eng. 2000;2: [3] Kim N. A computer-aided differential diagnosis between UIP and NSIP using automated assessment of the extent and distribution of regional disease patterns at HRCT: comparison with the radiologist's decision. Proceedings of SPIE Medical Imaging [4] Bandos AI, et al. Area under the Free-Response ROC Curve (FROC) and a Related Summary Index. Biometrics. 2009; 65; [5] Burges CJC. A tutorial on support vector machines for pattern recognition, Data Mining and Knowledge Discovery 1998; 2; [6] Hsu CW, Lin CJ, A comparison of methods for multiclass support vector machines. IEEE Trans. Neural Network 2002; 13; [7] 유병인 외, 인간 수준에 근접한 딥러닝 기반 영상 인식의 동향. 정보과학회지 2015; 33; [8] 오일석. 패턴인식. 교보문고 [9] Bishop, C. Pattern Recognition and Machine Learning. Springer [10] Herland M, et al. A review of data mining using big data in health informatics. Journal of Big Data 2014; 1. [11] Sajda P. Machine learning for detection and diagnosis of disease. Annu Rev Biomed Eng. 2006; 8; [12] Wernick MN. Machine Learning in Medical Imaging. IEEE Signal Processing Magazine 2010; 27; [13] Kim DH. Region based stellate features for classification of mammographic spiculated lesions in computer-aided detection, ICIP [14] Moon WK. Computer-aided diagnosis for distinguishing between triple-negative breast cancer and fibroadenomas based on ultrasound texture features. Medical Physics 2015; 42; [15] Ginneken BV. Computer-Aided Diagnosis in Chest Radiography:A Survey. IEEE Transactions on Medical Imaging 2001; 20; [16] Doi K. Current status and future potential of computer-aided diagnosis in medical imaging. The 24

26 기획시리즈 British Journal of Radiology 78; 2005; S3 S19. [17] Chang Y. A support vector machine classifier reduces interscanner variation in the HRCT classification of regional disease pattern in diffuse lung disease: Comparison to a Bayesian classifier. Medical Physics 2013; 40; [18] Moura o-miranda J. Classifying brain states and determining the discriminating activation patterns: Support Vector Machine on functional MRI data. NeuroImage 2005; 28; [19] Maglogiannis I. Overview of Advanced Computer Vision Systems for Skin Lesions Characterization. IEEE Transactions on Information Technology in Biomedicine 2009; 13; [20] Mosquera-Lopez C. Computer-Aided Prostate Cancer Diagnosis From Digitized Histopathology: A Review on Texture-Based Systems. IEEE Reviews in Biomedical Engineering 2015; 8; [21] Chang Y. Computer-aided diagnosis for classifying benign versus malignant thyroid nodules based on ultrasound images: A comparison with radiologist-based assessments. Medical Physics 2016; 43; [22] * Sudarshan V. Automated Identification of Infarcted Myocardium Tissue Characterization Using Ultrasound Images: A Review.IEEE Reviews in Biomedical Engineering 2015; 8; * 이 논문은 2016 년도 정부(교육부)의 재원으로 한국연구재단 기초연구사업의 지원을 받아 수행된 연구임 (NRF-2013R1A1A ) 정보통신기술진흥센터 25

27 주간기술동향 ICT 분야 전략 R&D 추진 방향 이민경 조일구* 정보통신기술진흥센터 수석연구원 정보통신기술진흥센터 팀장* I. 서론 최근 정부 R&D 는 도전적이고 창의적인 아이디어 발굴을 강조하는 한편, R&D 투자의 전략 성을 동시에 강화하는 추세이다. 이는 연구개발 성과의 질적 수준을 높이기 위해 정부 R&D 의 시스템을 변화시키고자 하는 정부연구개발혁신방안 의 취지에도 잘 나타나고 있다[1]. ICT 분야 도 R&D 의 투자 포트폴리오 다각화를 통한 선도적 R&D 창출 등 R&D 체질 개선으로 기술혁신 을 강화하고, 9 대 전략 산업 육성을 통한 지속 가능한 성장동력 창출을 위해 K-ICT 전략을 수 립[2], R&D 현장에서 실행 중에 있다. ICT R&D 는 정부연구개발혁신방안과 K-ICT 전략의 기본 취지에 따라 정부 R&D 의 투자 전 략성을 보다 강화하기 위해 R&D 투자 로드맵을 마련하였다[3]. R&D 투자 로드맵은 과거 기술의 대안을 시간 좌표로 나열하였던 방식에서 탈피하여 R&D 의 전략성을 강화하고자 기술성, 시장 성 등의 투자 포트폴리오를 분석하여 로드맵을 작성하고, 연도별 투자규모를 제시하는데 중점 을 두었다. 본 고에서는 ICT R&D 투자 로드맵에서 다루었던 ICT R&D 범위와 추진 절차, 그리고 기술 분야별 핵심 이슈, R&D 전략을 간략히 소개하고자 한다. II. ICT R&D 투자 로드맵 추진 절차 ICT R&D 투자 로드맵은 최근의 ICT 환경 변화와 K-ICT 전략, 정부 R&D 혁신방안 등의 정책 환경 변화를 반영하여 ICT R&D 비전과 목표를 설정하고 연도별 적정 R&D 투자 방향성을 제시 하기 위해 2015 년 10 월부터 4 개월 여 동안 진행되었으며, 기술과 시장 동향 조사 및 경쟁력 분석을 토대로 중점 투자 분야를 도출하고, 주요 제품 및 서비스 등 연도별 마일스톤을 설정하 * 본 내용은 이민경 수석연구원( , leemk@iitp.kr)에게 문의하시기 바랍니다. ** 본 내용은 필자의 주관적인 의견이며 IITP 의 공식적인 입장이 아님을 밝힙니다. 26

28 ICT 신기술 기술/시장 동향, 경쟁력 분석 중점 연구개발 영역 도출 비전과 목표 설정 로드맵 작성 - 기술시장 동향 분석 - 기술수준, 역량 분석 - SWOT 분석 - 포트폴리오 평가 - 중점 영역 설정 - 비전, 목표 - 주요 제품 및 서비스 도출 - 중점 영역 동향분석 - 기술개발 확보 전략 - 연도별 투자계획 [그림 1] ICT R&D 투자 로드맵 2020 수립 절차 여 비전과 목표를 세우고, 이에 따라 2020 년까지 R&D 로드맵을 작성하는 과정을 거쳐 수립되 었다. 1. 기술 분야 설정 ICT 는 국가 경제 성장을 견인하는 핵심 수단에서 사회와 경제적 시스템을 혁신하는 원동력 으로 그 위상과 역할이 확대되면서 통신, 네트워크, SW, 디바이스 등 협의의 ICT 에 머무르지 않고 각 산업과의 융합을 촉진하여 새로운 가치를 창출하는 역할로까지 그 범위가 확대되고 있 는 추세이다. 이에 K-ICT 전략의 9 대 전략산업을 적극 수용하는 한편, ICT 융합 촉진에 따른 신 서비스를 반영할 수 있도록 R&D 기술 분야를 조정하여 융합 서비스, 이동통신, 네트워크, 방송 스마트미디어, 전파위성, 기반 SW 컴퓨팅, 소프트웨어(SW), 디지털콘텐츠, 정보보호, ICT 디바이 스 등 10 대 기술 분야로 재편하고 10 대 기술 분야에 대한 로드맵을 작성하였다. 2. 기술, 시장 동향 조사 및 경쟁력 분석 10 대 기술 분야별 국내외 기술, 시장, 특허, 정책 동향 등을 조사하고, 국내 기술수준, 역량 등을 토대로 SWOT 분석, value chain 분석 등 국내 산업 경쟁력을 분석하였다. 특히, 최근 표준 화 및 특허 동향조사 등이 R&D 기획단계에서 중요시 되면서 표준화 대응전략, 특허 메가트랜 드 조사 및 특허 대응전략 등이 함께 분석되었다. 3. 중점 연구 영역 도출 및 목표 설정 R&D 방향성의 이정표로써 R&D 로드맵이 역할을 하기 위해서는 전략적으로 R&D 를 선택하 기 위한 포트폴리오를 마련하는 것이 중요하다. 본 로드맵은 중점 연구 영역을 도출하기 위해 기술성과 시장성 측면의 4 가지 지표를 설정하여 포트폴리오를 분석하였다. 기술성에서는 기술 정보통신기술진흥센터 27

29 주간기술동향 이 가지는 독창성과 차별성을 나타내는 기술의 독창성, 개발된 기술 및 지식의 타 분야 적용 가능성과 기술적인 가치를 측정하기 위한 기술의 활용가치 를 지표로 하였으며, 시장성에서는 기술의 타깃(target) 제품의 시장규모와 장기 성장률을 척도로 하는 시장규모 및 성장률, 기술 개발 성과가 의도하지 않은 형태로 타산업 및 기술에 영향을 미치는 정도나 사회에 긍정적인 영향을 끼치는 긍정적인 외부 효과(Positive externality)를 나타내는 파급효과 를 지표로 하여 10 대 기술 분야별로 분석하였다. 이를 토대로 중점 연구 영역과 요소기술을 발굴하고 도출하였으 며, 연도별 주요 제품 및 서비스를 발굴하고 기술 분야별 R&D 비전과 2020 년 추구해야 할 목 표를 설정하였다. 4. 로드맵 작성 로드맵은 도출된 중점 연구 영역별로 기술개발 필요성을 검토하고, 기술, 시장, 표준화, 특 허 등의 상세 동향을 분석하여, 이에 따른 연도별 기술 확보 전략과 투자계획 등을 포함하였다. 특히, 기술 확보 전략에는 요소기술 별로 자체개발, 국제공동연구, 기술수입 등 기술확보 방법 을 결정하고 기술 확보 시기가 포함되었으며 투자계획에는 요소기술별 개발기간과 연도별 소 요예산, 개발 주체 등이 포함된 중점 추진계획이 마련되었다. III. ICT 환경 변화와 핵심 이슈 최근 ICT 의 가장 큰 흐름은 융합화 로 정리할 수 있다[4]. ICT 융합기술에 의해 촉발되거나 ICT 융합기술 변화를 유인하는 이슈가 부각되어 개인의 삶의 질과 생활 방식이 혁신적으로 변 화하고 있는 추세이다. 융합화는 딥러닝, 하드웨어, 빅데이터 등과 같이 인공지능 연구의 획기 적인 기술 진화를 주도하면서 인간 한계에 도전하게 하고, 헬스케어 등 의료 영역과의 접목 시 도가 다양화되면서 ICT 기업들의 헬스케어 시장 진입을 가속화시키고 있다. 이외에도 자동차, 의료 등 제조업뿐만 아니라 금융 등 전 산업으로까지 ICT 가 확산되면서 새로운 가치가 지속적 으로 창출되고 있으며, 새로운 혁신을 만들어 낼 것이라는 기대를 갖게 한다. 이러한 환경 하에 서 ICT 의 10 대 기술 분야별 이슈와 트랜드를 구체적으로 살펴보고자 한다. 융합 서비스 분야는 과거 기술 중심(technology-driven)의 융합에서 서비스 중심(market-driven) 으로 이동되고 있으며, ICBM(IoT, Cloud, Big data, Mobile)과 인공지능 기반의 표준 플랫폼을 활 28

30 ICT 신기술 용한 생태계를 구축하고 산업간 융합화가 활성화되고 있다. 또한, 융합 서비스별 대표 플랫폼으 로 이합 집산되었던 것이 Winning 플랫폼 중심으로 산업 간 통합하여 연계되고 있다. 보다 구체 적으로 살펴보자. IoT 는 별도 단말을 이용하는 폐쇄적 이용환경에서 스마트폰으로 누구나 쉽게 서비스를 개발하고 활용할 수 있는 개방형 생태계로 진화될 것으로 전망된다. 스마트라이프에 서는 스마트홈 실현을 위해 초연결성을 보장하는 네트워킹 기술과 홈 플랫폼 기술이 부각되고 있으며 홈 기반 에너지 관리, 보안, 생활편의 스마트홈 서비스 수요가 증대되고 있다. 산업융합 에서는 스마트팜을 구성하는 핵심기술인 ICT 기자재, 표준화, 표준시설 보급, 최적 생육 모델링, 에너지 최적화 등에 대한 기술이 확대되는 추세이며, 공공융합에서는 완성차 중심의 수직 생태 계와 달리 민간과 연계한 교통정보 운영모델 개발, 실생활 연계 서비스 발굴을 통한 서비스 중 심의 개방형 교통사업 생태계 육성 수요가 증대되고 있다. 이동통신 분야는 초연결 시대를 맞이하여 네트워크와 데이터 가치의 중요도가 부각되는 상 황에서 디바이스 연결성 제공, 5G 시장점유율을 위한 경쟁이 심화되고 클라우드, 빅데이터 등 새로운 시장에 대한 기회 제공으로 삶의 질에 대한 개선 효과를 기대할 수 있는 이슈를 제기하 고 있다. 이에 따라 음성(2G), 데이터(3G), 영상(4G)에서 5G Gbps 급 초공간, 실감 서비스 실현이 될 것으로 전망된다. 네트워크 분야는 IoT 와 클라우드 확산으로 트래픽이 폭증하고 All Optic 기반의 대용량화로 진화될 것으로 전망된다. 또한, 가상화 및 지능형 인프라 기술의 등장과 물리계층의 보안 취약 등을 고려하여 네트워크 인프라 보안에 대한 필요성이 급증하고 있다. 이에 따라 최근 사물인 터넷 시대와 만물인터넷 시대(Internet of Everything, 100G~1T)를 넘어 All Optical switching(100t 이상)이 가능한 만물 지능 인터넷 시대(Ambient IoE) 가 도래할 것으로 전망된다. 방송스마트미디어 분야는 ATSC 3.0 북미 표준화 조기 확정과 UHD 장비 개발이 시작되는 등 방송장비에 대한 기술 개발이 확대되고 있다. 또한, 방송통신 융합기술의 고도화, 다양한 스마 트기기의 보급 확산에 따라 정보가전을 포함한 미디어의 소비 환경과 이용행태가 급변하고 있 고, 소셜, 실감, 공간, 가상현실 등 미디어 다양성이 확대되고 있다. 전파위성 분야는 미국 FCC 에서 3.5GHz 연방용 대역에 상업용 서비스(이동통신, 비면허기기 등)를 주파수 공유방식으로 신규 도입하는 추가규정제정안(FNPRM)을 발표(2014 년 4 월)하였고, 주파수 할당, 지정, 사용 승인을 받은 자에게 주파수의 전부 또는 일부를 주파수 공동사용에 제 공 가능하도록 하는 법안이 신설(전파법 제 6 조의 3, 2015 년 1 월)되어 IoT 의 핵심인 단말기 간 정보통신기술진흥센터 29

31 주간기술동향 직접통신(D2D) 이 가능해졌다. 이에 따라 2016~2017 년경 관련 제품 상용화가 예상되고 있다. 또 한, 미국, 유럽, 일본 등에서 원격 모니터링, 헬스케어, 유방암 진단 등에 전파를 활용하는 실험 서비스가 진행 중으로 향후 이에 대한 발전이 가속화될 것으로 전망된다. 최근 ICT 융합 서비스 도입 촉진을 통한 신산업 창출을 위해 용도자유대역(K-ICT Free Band) 약 8GHz 폭 주파수 분배 및 기술기준이 고시(2015 년 11 월)되면서 이에 대한 서비스 산업 활성화도 예상된다. 기반 SW 컴퓨팅 분야는 각국의 클라우드 사용 의무화가 확대되고 있는 추세로 미국은 ICT 예산의 25%를 클라우드 사용으로 규정하고 있다. 가트너 하이프 사이클에 의하면 빅데이터는 2013 년에 과잉 기대의 정점 단계였으며, 2014 년부터 실망기(Trough of disillusionment) 시기를 지나 2020 년에는 비즈니스 운영의 기본적인 요소로 자리잡을 것으로 전망되고 있다[5]. SW 분야는 UHD, 홀로그램 등과 같은 3D 콘텐츠, IoT, 거대과학 분야 등에서 초고용량 스트 림 데이터 활용이 확산되고 있고, 스토리지 하드웨어 어플라이언스 기술 중심에서 순수 SW 중 심의 스토리지 관련 특허 출원 등이 증가 추세이다. 또한, MS, Google 등을 중심으로 다국어 처 리 및 화상 통역 전화, 국제회의 및 강연 통역 등 언어 장벽을 허무는 연속 자유발화에 대한 실 시간 동시 통역 기술 경쟁이 시작되었다. 아울러, 증강현실, 가상현실 및 멀티모달 UI/UX 등의 기술이 융합된 편리한 웨어러블 인터페이스가 실생활에 개발 활용되기 시작하는 추세이다. 디지털콘텐츠 분야는 사용자와 실시간 인터랙션할 수 있는 VR 기술이 양방향 방송, 게임, 3D 엔터테인먼트에 활용될 수 있는 수준으로 발전할 것으로 전망된다. 또한 동작, 음성, 얼굴 표정, 생체정보 등의 멀티모달 입력 데이터와 VR 기술의 융합으로 NUI/NUX 기술 수준이 급상승 할 것 이고, Superfast 레이저를 이용하여 낮에도 볼 수 있고 손으로 만질 수 있는 홀로그램 구현과 함께 다양한 센서로부터 얻은 빅데이터 분석을 통해 오감 인식 기술과 뇌파기반 인터페이스 및 생체신호 감성검출 기술이 발전할 것으로 전망된다. 정보보호 분야는 지능화와 은밀화, 대량화되는 사이버 공격으로 인한 위협이 고조되고 있는 가운데, 침해사고 경로가 APT(지능형 지속위협) 공격 등 내부화와 은밀화되고 있으며, 다수의 시스템 장애를 유발하는 5G 급 이상의 DNS 대상 DDoS 공격이 지속적으로 발생되고 있는 상황 이다. 특히, IoT 기기의 급속한 증가에 따라 IoT 기기를 악용한 DDoS 공격, 악성코드 유포 등 IoT 의 보안 위협이 현실화되고 있다. 정보보호는 ICT 기술과 보안 기술이 융합되어 지능화되는 추세로 보안의 영역도 소규모 영업점이나 가정에서 출입국 관리나 국가사회 안전망까지 통합 되는 형태로 발전하고 있다. 30

32 ICT 신기술 ICT 디바이스 분야는 피처폰이나 스마트폰 등과 같이 위치 제약을 극복한 똑똑한 디바이스 인 2 세대 디바이스에서 스마트워치, 가상현실 글라스, IoT 기반 디바이스 등 주변환경과 사용자 가 상호 연동하는 디바이스인 3 세대로 이동 중이다[6]. 이러한 가운데 모바일 AP 와 베이스밴드, 멀티미디어 프로세서 각 개별로 제작되던 방식에서 모든 기능을 통합한 원칩 형태와 더불어 다 양한 사물과 통신을 지원하는 커넥티비티 지능형 반도체 요구가 증대되고 있다. IV. ICT R&D 추진전략 ICT R&D 는 10 대 기술 분야의 미래 핵심 원천기술을 확보하여 ICT 글로벌 기술과 시장 선도 를 위한 중추적 역할을 하고자 한다. 이를 위해 10 대 기술 분야별로 비전과 목표를 설정하고, 연도별 마일스톤에 따른 중장기 R&D 방향성 등 R&D 추진전략을 도출하였다. 각 분야별 R&D 추 진 전략을 살펴보자. 융합서비스 분야는 ICT 융합을 통한 산업의 고부가가치화가 가능하고 신시장 창출 및 ICT 를 접목하여 사회 현안 문제 해결을 위한 기술 확보에 주력할 계획이다. 주요 마일스톤으로 2018 년에 ICBM 기반 공장에너지 관리시스템과 자원 제약형 접속 및 이동성 지원 IoT 시스템을 개발 하고, 2020 년까지 빅데이터 기반 개인건강 예측시스템 등을 확보할 계획이다. 이를 위해 IoT 인 프라 및 공통 생태계 확보를 위한 원천기술과 상용화 기술 개발을 병행하여 추진하고, 금융, 교 통 등의 융합 서비스 기술 확보에 주력할 예정이다. 이동통신 분야는 5G 이동통신 글로벌 경쟁력 선도를 위해 5G 표준특허 경쟁력을 확보하고, 2020 년까지 세계 최초 5G 상용 서비스를 제공하는 데 집중하고자 한다. 이를 위해 사용자 중 심의 융합 이동통신 서비스 핵심기술을 확보하여 테스트베드 구축을 통해 서비스 및 플랫폼 기 반을 마련하는 동시에, 이동통신 단말이나 부품기술 개발에 주력하고자 한다. 주요 마일스톤으 로 2018 년에는 PS-LTE 시스템 시제품을 확보하고, 2020 년까지 모바일 홀로그램 서비스를 지 원하는 5G 시스템 시제품을 개발할 계획이다. 특히, 5G 네트워크 기반의 실시간 맞춤형 정보 제공과 사용자 경험을 극대화할 수 있는 초저지연 글로벌 모바일 서비스 플랫폼을 개발하고, 초연결 기반의 모바일 융합 서비스를 제공하는 5G 기반의 모바일 광대역 인프라 기술과 시공 간에 독립적으로 사물과 인간을 연결하는 근거리 기술 확보에도 주력할 계획이다. 네트워크 분야는 인터넷 기반의 open innovation ICT 인프라 구현이라는 비전 하에, 차별화 정보통신기술진흥센터 31

33 주간기술동향 된 기능 개발을 통한 네트워크 산업 경쟁력 확보와 초연결 신뢰 사회 실현을 위한 네트워크 인 프라 구축을 목표로 하고 있다. 이를 위해 2018 년에는 지능형 콘텐츠 네트워킹 솔루션을 확보 하고, 2020 년까지 프로그래머블 ICT 융합 플랫폼을 개발하기 위해 단순 장비 개발에서 네트워 크 진화를 감안한 플랫폼 개발로 전환하고, 단순 패킷 전달에서 다양한 네트워크 서비스를 지 원하는 통신구조 연구, IoT, CDN(Contents delivery Network) 등 다양성을 지원하는 통신기술을 확보하여 신뢰기반의 인프라 구조 연구부터 유연한 네트워크 관리 기술까지 폭넓은 개발 전략 을 내세우고 있다. 방송스마트미디어 분야는 차세대 방송 및 스마트미디어 핵심 인프라를 확보하여 차별화된 초고품질의 미디어 서비스와 신 산업을 선도하고, 2018 년 평창동계올림픽에 세계 최초로 UHD 지상파 방송 서비스 제공을 목표로 하고 있다. 이를 위해 2018 년 자율 스마트미디어 서비스와 차세대 지상파 방송 송출 및 수신 장비를 개발하고, 2020 년까지 초고품질 미디어 서비스 실현 및 가상 증강 현실 기반의 방송 콘텐츠 제작과 소비 기술을 확보하고자 한다. 특히, 공공 복지 방송은 물론 재난방송 기술 개발을 병행하고, 디지털 사이니지 등을 위한 방송통신융합 단말 기술 개발에도 주력할 계획이다. 전파위성 분야는 전파위성 원천기술 확보와 응용 서비스 발굴을 목표로 하고 있으며, 저주 파 무선충전부터 Thz/IR/가시광선 영역으로까지 주파수 이용을 고도화시킬 계획이다. 이에 따른 주요 전략으로 다양한 전파 응용을 위해 비면허, ISM(Industrial Science & Medical) 대역의 신산 업을 발굴하고, 위성방송과 위성통신, 위성항법 그리고 무인기 등의 활성화를 위한 기반기술을 확보할 계획이다. 주요 마일스톤은 2018 년까지 레이더 센서 SDR(Software Defined Radio) 플랫 폼과 SW 기반 휴대형 계측장비를 개발 완료하고, 2020 년까지 IoT 기기 전파에너지 수집기술과 밀리미터파 적응형의 빔포밍 시스템을 확보하는데 주력할 계획이다. 기반 SW 컴퓨팅 분야는 SW 컴퓨팅의 혁신적인 원천기술을 확보하여 고성능, 지능형 정보 처리 강국 실현을 비전으로 하고 있다. 비전 실현을 위해 클라우드 컴퓨팅과 빅데이터의 기술 력을 향상시키고 특수목적의 HPC 등 차세대 컴퓨팅의 시장 경쟁력 확대를 위한 기술 개발에 주력할 계획이다. 주요 마일스톤으로 2018 년 초절전형 스마트 데이터센터 핵심기술과 초고속 빅데이터 분석시스템을 확보하고, 2020 년까지 영상이해 기반의 시각 지능 플랫폼 및 전문지식 QA 등의 지능정보 SW 를 개발하고자 한다. 특히, SW 스타랩이나 SW 그랜드챌리지를 지속적으 로 추진하고 공개 SW 개발과 활용을 촉진하여 SW 기초 체력을 강화시키고, 국제공동연구 등 32

34 ICT 신기술 을 통한 선진 기술 확보에 주력할 계획이다. SW 분야는 세계 최초와 최고의 SW 개발을 10 개 이상 확보하고, SW 전문기업을 50 개 이상 육성하는 것을 목표로 하고 있다. 연도별 마일스톤은 2018 년 심혈관 진단 치료시스템과 초고용 량을 지원하는 입출력 스토리지 SW 를 개발하고, 2020 년까지 실시간 동시통역 솔루션과 무부 팅 임베디드 운영체제를 확보하고자 한다. 특히, 전략적인 SW 틈새분야를 적극 발굴하고, 기업 주관의 기술 개발을 확대할 계획이며, SW 전문기업 육성을 위한 R&D 전 과정의 품질 관리 추 진을 통해 R&D 성과를 제고하고자 한다. 디지털콘텐츠 분야는 다양한 콘텐츠 개발과 서비스를 통한 디지털콘텐츠 시장의 글로벌 강 국을 실현하는데 필요한 R&D 를 중점적으로 추진하고 있다 년에는 실감 체험형 3D 플랫 폼과 학습자 맞춤형 상호 작용형 창의학습 튜터링 기술을 확보하고, 2020 년까지 지능형 인터 랙션 서비스와 플렌 옵틱 콘텐츠 서비스 기술을 개발할 계획이다. 특히, 디지털콘텐츠 신시장 창출과 생태계 조성을 위한 GCC 1) 프로젝트 및 콘텐츠의 적시 상용화와 중소 콘텐츠 기업의 R&D 역량 강화를 위한 In-house R&D 추진에 주력할 계획이다. 정보보호 분야는 정보보호 세계 일류제품을 10 개 이상 확보하고, 선진국 대비 기술격차를 축소하여 정보보호 산업 신성장동력 확보를 비전으로 하고 있다. 이를 위해 신규 ICBM 환경에 서 발생 가능한 보안 위협의 대응기술을 확보하고 설계에서부터 구현 및 검증까지 전 단계에서 보안을 적용하여 보안 내재화를 최우선으로 하고자 한다. 또한, 국가와 공공 인프라 분야의 보 호를 강화하기 위해 사이버 침해 대응기술 확보와 악성코드 분석 기술을 확보하고자 한다. 이 를 바탕으로 2018 년 IoT 운영체제에 대한 보안기술을 확보하고, 2020 년까지 클라우드 기반 지 능형 보안 기술개발을 완료할 계획이다. ICT 디바이스 분야는 10 대 스마트 디바이스 부품 개발과 매년 200 건 수준의 제품화 개발을 지원하여 스마트 디바이스의 글로벌 시장을 선점하는 것을 비전으로 하고 있다. 특히, 스마트 디바이스 제품화를 위해 창조경제혁신센터, K-ICT 디바이스랩 등 지역거점의 제작 인프라 연계 활용을 강화하여 2018 년 클라우드 기반의 주행상황인지 플랫폼을 개발하고, 2020 년까지 의료 형 3D 프린팅 SW 플랫폼을 개발할 계획이다. 또한, 10 대 스마트 디바이스 부품으로 나노/IoT, 생체신호 측정, 광/이미지센서, 웨어러블 디스플레이, HUD-AR 마이크로, 생체인증, 웨어러블 BAN 통신, LPWA(Low power wide area) 통신, 무선충전/에너지 하베스팅, RF 동작인식 등의 개 1) GCC(Global Creative Content): 콘텐츠 개발, 글로벌 보급확산, 디지털 창작 인력 양성 등의 통합형 R&D 사업 정보통신기술진흥센터 33

35 주간기술동향 발에 주력할 예정이다. V. 결론 지금까지 ICT 분야의 전략적 R&D 추진을 위한 R&D 투자 로드맵에 대해 기술하였다. 본 로드 맵은 2016 년부터 2020 년까지 기술 개발을 위해 필요한 과제맵으로, 약 3 조 원 규모의 연구개 발비가 필요한 것으로 산출되었으며, ICT 분야 최초로 R&D 투자규모 및 투자 포트폴리오에 기 반한 기술개발사업의 로드맵을 마련하고 중장기 R&D 방향성을 제시하였다. 또한, 2016 년 ICT R&D 사업 과제기획에 활용되어 ICT R&D 정책에 반영되었으며, R&D 의 이정표로써의 역할을 톡 톡히 하였다. 일반적으로 로드맵은 매년 대외 환경변화에 맞추어 연동계획으로 수립하고 있으며, 향후 정 부정책과 인공지능 등과 같은 최근 이슈 등 환경변화를 반영하여 기 수립한 로드맵을 보완 및 확장할 계획에 있고, 보완된 로드맵은 타깃 연도에 실현 가능한 ICT 미래상을 제시하여 정부 R&D 뿐만 아니라 민간의 R&D 지표로써 활용할 수 있도록 추진할 계획이다. [ 참고문헌 ] * [1] 정부연구개발혁신방안, 미래창조과학부, [2] K-ICT 전략, 미래창조과학부, [3] ICT R&D 투자로드맵 2020, 정보통신기술진흥센터, [4] ECOsight 3.0: 미래사회 전망, ETRI, , 국민과학기술정서, 미래부, [5] Gartner hyper Cycle for Big data, [6] K-ICT 스마트디바이스 육성방안( 15), 웨어러블 디바이스 산업 백서, Digieco * 본 자료의 환경변화와 핵심이슈, R&D 추진전략은 ICT R&D 투자로드맵 2020 보고서를 토대로 작성되었음 34

36 최신 ICT 이슈 * 최신 ICT 이슈 I. 13 년 만에 매출 감소한 애플, 활로는 서비스 분야와 법인사업 강화 애플의 2016년 2분기 결산 보고에 따르면 13년 연속 이어지던 전년 동기 대비 매출 증가 기록이 중 단되었음. 이로써 여전히 분기마다 100억 달러 이상의 순이익이 쌓이더라도, 애플은 새로운 하드웨 어 혁신을 창출하거나 아니면 하드웨어 비즈니스 이외의 비즈니스 모델을 강화할 것을 기업 안팎 에서 더욱 강력히 요구 받게 될 것으로 보임. 우선 자체 서비스 분야와 법인사업 분야를 보다 강화 할 것이 예상되지만, 각각 애플 생태계의 약화와 후발주자로서 약점이라는 난관을 해결해야 함 애플이 발표한 2016 년 회계연도 2 분기 결산자료는 지금까지와는 다른 의미로 역사적 인데, 13 년 연속 기록해왔던 전년 동기 대비 매출 증가가 중단되었기 때문 지금까지 결산 발표 보도의 제목에는 Record(역대 최고) 라는 단어가 매번 빠지지 않았으 나 이번 발표에는 이 단어를 내걸 지 못하게 되었음 애플에 따르면 2 분기 매출액은 505 억 5,700 만 달러로 전년 동기 대비 13% 하락했으며, 플래그십 제품인 아이폰의 출하대수는 16% 감소한 5,119 만 대를 기록(애플의 회계연도는 10 월에 시작하므로, 2 분기는 2016 년 1~3 월에 해당) 영업이익은 전년 동기 대비 23% 감 소한 139 억 8,700 만 달러였으며, 총 마진율은 전년동기 40.8%에서 39.4% 로 하락 순이익 역시 105 억 1,600 만 달러로 전년 동기 대비 22% 감소했으며, 주 당순이익(EPS)은 18% 감소한 1.90 달 러를 기록 <자료> Yahoo! Finance, [그림 1] 최근 1 년간 애플 주가 추이 * 본 내용과 관련된 사항은 산업분석팀( )과 최신 ICT 동향 컬럼리스트 박종훈 집필위원 (soma0722@naver.com )에게 문의하시기 바랍니다. ** 본 내용은 필자의 주관적인 의견이며 IITP 의 공식적인 입장이 아님을 밝힙니다. 정보통신기술진흥센터 35

37 주간기술동향 당초 애널리스트들이 예측한 아이폰 판매대수 5,100 만 대를 소폭 넘어섰음에도 예상 매출 520 억 달러, 예상 EPS 2.00 달러에 미치지 못하는 결과가 나타난 것은, 고가의 최신 모델 로 업그레이드하는 속도가 낮았기 때문으로 분석 애플은 향후 실적 전망에 대해 밝히며, 3 분기(2016 년 4~6 월)의 매출을 410 억~430 억 달러 범위, 이익률은 37.5~38%의 범위로 예측했는데, 월스트리트저널에 따르면, 이는 애널리스 트들 예측 평균인 매출 473 억 달러, 이익률 39.3%를 밑도는 수치임 [표 1] 애플 2016 년 2 분기 매출 실적 요약(제품별) (단위: 천 대, 백만 달러) 제품 2016 년 2 분기 2015 년 2 분기 전년대비 증감율 판매대수 매출액 판매대수 매출액 판매대수 매출액 아이폰 51,193 32,857 61,170 40,282-16% -18% 아이패드 10,251 4,413 12,623 5,428-19% -19% 맥 4,034 5,107 4,563 5,615-12% -9% 서비스 5,991 4,996 20% 기타 제품* 2,189 1,689 30% 전체 제품 50,557 58,010-13% *기타 제품: 애플 TV, 애플워치, 비츠(Beats) 제품, 아이팟, 애플 브랜드 및 써드파티의 액세서리 <자료> Apple, [표 2] 애플 2016 년 2 분기 매출액 요약(지역별) (단위: 백만 달러) 지역 Q Q Q 직전분기 대비 전년동기 대비 미주 19,096 29,325 21,316-35% -10% 유럽 11,535 17,932 12,204-36% -5% 중화권 12,486 18,373 16,823-32% -26% 일본 4,281 4,794 3,457-11% 24% 기타 아태지역 3,159 5,448 4,210-42% -25% 전체 지역 50,557 75,872 58,010-33% -13% <자료> Apple, 애플 매출 감소의 직접적 원인이 된 아이폰의 실적 감소는 대화면화 특수의 종료와 글로벌 스마트폰 시장의 포화 때문이라는 데 별다른 이견이 없음 애플은 2014 년 9 월 화면 크기를 4 인치에서 4.7/5.5 인치로 확대한 아이폰 6 시리즈를 출 시했는데, 방수 기능이 없다는 점과 함께 화면 크기가 작다는 점 등 아이폰의 약점으로 지 적돼 왔던 부분을 해소하며 많은 사람들을 사로 잡았음 아이폰 발매 후 3 사분기가 지난 2015 년 2 분기(1~3 월)에 6,117 만 대의 판매대수를 기록했 36

38 최신 ICT 이슈 으며, 이는 이전까지 가장 많은 아이폰 판매를 기록했던 2015 년 1 분기의 5,102 만 대를 넘 어선 것이며, 2014 년 2 분기에 비해서는 무려 40%가 증가한 수치 이처럼 2015 년 2 분기는 대화면화를 통한 특수 가 절정에 달한 시기였으므로, 2016 년 2 분기의 전년대비 판매 감소는 어느 정도 불가피했다 말할 수 있음 또 다른 요인은 스마트폰 시장의 포화인데, 애플 발표 직후 IDC 가 발표한 2016 년 1 분기 스마트폰 시장에 관한 보고서에 따르면, 판매대수 기준 상위 5 개사 중 선두 삼성전자와 2 위 애플은 순위 변화는 없지만, 각각 전년 동기 대비 0.6%, 16.3%씩 감소 그러나 상위 5 개사에 단골로 이름을 올렸던 샤오미와 레노버가 순위 밖으로 밀려난 것을 비롯, 기존의 상위 업체들은 일제히 판매대수가 줄어들었음 기존 업체를 대신해 상위 5 위에 오른 업체는 OPPO 와 vivo 라는 중국업체로, 이들은 100 달러 대 제품으로 동남아시아, 인도, 아프리카 시장에 주력하고 있음 또한, 중국에서 스마트폰의 판매대수가 전년 동기 대비 2.5% 증가에 그쳤고, 전세계 스마 트폰 출하량도 전년 동기 대비 0.2% 밖에 성장하지 않아 시장이 포화상태에 이르렀음을 수치로 확인할 수 있게 되었음 [표 3] 2016 년 1 분기 전세계 스마트폰 시장 출하대수 기준 상위 5 개 벤더 (단위: 백만 대) 벤더 2016 년 1 분기 2015 년 1 분기 전년 대비 출하대수 시장점유율 출하대수 시장점유율 증감율 삼성전자 % % -0.6% 애플 % % -16.3% 화웨이 % % 58.4% 오포(OPPO) % % 153.2% 비보(vivo) % % 123.8% 기타 아태지역 % % -11.4% 전체 지역 % % 0.2% <자료> IDC, 분기 실적은 애플이 사업전략의 전환을 모색해야 한다는 신호일 수 있으며, 모바일 디바이 스 비즈니스의 재구성과 새로운 비즈니스로의 전환이 향후 전개될 가능성이 있음 실제 애플은 2016 년 3 월에 아이폰 SE, 아이패드 프로 등의 신제품을 선보였으며, 이번 실적 발표에 비추어 보면 매출 하락에 대비한 선제적 대응이었다는 분석도 가능함 그러나 오해하지 말아야 할 것은, 애플이 13 년 만에 매출 감소, 이익 감소로 전환했다고는 정보통신기술진흥센터 37

39 주간기술동향 하지만 이를 곧 위기로 볼 수는 없다는 것이며, 여전히 분기별로 500 억 달러 이상의 매출 과 100 억 달러 이상의 순익이 애플에 쌓이고 있다는 사실에는 변함이 없음 애플은 현재 기업의 운영은 물론 미래에 대한 투자를 위해서도 넘쳐나는 자금이 있으며, 이를 바탕으로 차분히 지금까지의 사업 전략을 점검하고, 새로운 사업으로의 전환을 도모 해 나갈 것으로 보임 중요한 것은 오히려 애플 이외의 기업들이 애플의 실적을 놓고 어떻게 행동하느냐 하는 것인데, 애플 이외의 기업이라 하면 우선 모바일 시장에서 경쟁하는 삼성전자와 샤오미 등 스마트폰 제조업체들이 있음 다음으로 애플에 부품을 납품하고 있는 대만 TSMC 와 샤프, 재팬 디스플레이 등을 살펴보 아야 하고, 아이폰과 아이패드용 앱을 제공하고 있는 기업들도 애플의 실적과 전략에 영향 을 받고 또한 영향을 미치게 될 것임 일단 애플은 아이폰을 중심으로 한 하드웨어 비즈니스 모델을 계속해 나갈 것이나 호조를 보이고 있는 서비스 분야 사업을 어떻게 가져갈 지에 대해 고민할 것으로 보임 하드웨어 판매를 주력으로 하는 애플이 사업모델을 바꾸지는 않을 것으로 보이며, 이는 399 달러로 판매가격을 맞추면서 최신 성능을 담은 아이폰 SE 모델을 투입한 데서 유추 할 수 있음 아이폰 SE 한 대를 팔아 얻는 이익은 200 달러로, 아이폰 6 를 팔아 얻는 이익 500 달러에 비하면 40%에 불과하지만, 그래도 제로 마진에 근접하는 다른 제조업체들에 비하면 애플 은 여전히 충분한 하드웨어 판매 이익을 확보할 수 있기 때문 그러나 기타 제품 카테고리에서 이를 벌충할 만한 새로운 하드웨어가 부상하지 못한다면, 아이폰 SE 의 등장은 디바이스 판매 수익 모 델에서 아이폰 사용자 기반을 바탕으로 한 비즈니스로 전환해 가는 부분적으로 실시해 가는 신호탄으로 해석할 수도 있음 이런 면에서 주목해 보아야 할 것은, 애플의 주력 제품 판매가 전반적으로 전년대비 마이 너스를 기록하고 있는 가운데, 서비스'와 기 타 제품 카테고리는 각각 20%, 30% 증가했 <자료> TechCrunch [그림 2] 애플이 인수한 Beats 의 제품군 38

40 최신 ICT 이슈 다는 사실 서비스에는 콘텐츠 판매 및 클라우드 서비스 수수료 수익이 포함되며, 기타 제품에는 애 플워치, 애플 TV, 비츠(Beats) 제품 등이 포함됨 특히, 서비스 분야의 2 분기 매출은 59 억 9,000 만 달러로, 아이패드나 맥의 분기 매출을 상 회하므로, 서비스 분야는 향후 애플의 비즈니스 모델 전개에서 관건이 될 수 있을 전망 애플이 서비스를 강화할 것이라는 데에는 큰 이견이 없으나, 자체 서비스 강화에 나설 경우 애플이 구축해 온 생태계와 이해관계 충돌이 생길 수 있다는 점은 애플이 풀어야 할 숙제 애플은 최근 10 억 대의 ios 기기가 활성 상태라 공표했으며, 혼자서 여러 장치를 소유하고 있는 경우도 있겠지만 그런 경우를 감안하더라도 이미 아이폰과 아이패드를 사용하는 사 람들로부터 수익을 확대시킬 여지가 충분함 가령 아이튠즈 스토어의 콘텐츠 판매, 앱스토어의 판매 수수료, 애플 페이의 결제 수수료 수익 등은 사용자가 일상생활에서 아이폰과 아이패드를 이용할 때마다 애플로 들어오는 디바이스 판매 후 수익 이 됨 문제는 이 서비스들의 유형이 자체 서비스와 생태계 서비스의 둘로 나뉘며 그 성격이 상 호 배타적이라는 것으로, 자사 서비스를 통해 보다 다양한 수익원을 확보하려고 하면 애플 의 매력 중 하나인 앱 개발자 커뮤니티들과 이해관계가 부딪히는 딜레마가 발생함 가령 음악 정액 서비스 애플 뮤직(Apple Music) 은 최근 2 개월 만에 200 만 명의 신규 사 용자가 유입되는 등 2015 년 6 월 개시 후 1 년이 채 되지 않아 1,300 만 명의 유료 가입자 를 확보했다고 함 이 추세대로라면 애플 뮤직은 스포티파이(Spotify) 의 유료 회원 수를 1 년 반 만에 따라 잡 을지도 모르는데, 애플이 아이튠즈 이래 음악 사업에 관심을 가지고 있다 해도 이는 애플 생태계에 도움을 주며 순조롭게 성장해 온 스포 티파이의 사업을 훼손하는 결과가 됨 물론 스포티파이는 애플보다 사용자 기반이 큰 안 드로이드에 더욱 주력하겠지만, 애플 뮤직 역시 안드로이드 버전 서비스를 제공 중이며, 어쨌든 모바일 음악 서비스를 제공하려는 기업은 누구라 도 애플이라는 강력한 경쟁자와 대결을 피할 수 <자료> Apple [그림 3] 애플 뮤직 서비스 정보통신기술진흥센터 39

41 주간기술동향 없는 상황임 애플의 표준 앱 노츠(Notes) 의 기능 강화도 마찬가지인데, 노츠는 ios 또는 맥에 기본 설 치되어 있으며 S 와 통합되어 있기 때문에 다른 앱과 연계도 가능하고 아이클라우드와 동 기화도 가능함 이러한 노츠의 기능 강화 정책은 아이폰의 인기 앱인 에버노트(Evernote) 의 매력을 퇴색 시킬 수밖에 없는데, 더욱이 노츠의 월 서비스 비용은 에버노트의 약 절반에 불과 애플은 개발 환경의 정비 등으로 개발자를 지원하긴 하지만, 자사의 과금 비즈니스에 기여 하지 않는 앱 개발 기업에 대해서는 해당 비즈니스를 빼앗는 전략을 취하고 있으며, 애플 제품의 생태계를 위해 이런 모습이 과연 지속 가능할 것인지는 고민할 필요가 있어 보임 서비스 강화와 함께 애플이 강화할 수 있는 또 다른 사업모델의 선택지는 법인 시장 공략을 더욱 가속화하는 것인데, 애플은 이달 11 일 SAP 와 제휴를 발표 애플의 발표가 전세계적으로 크게 보도가 되는 것은 여전히 변함 없지만, 최근에는 발표의 스포트라이트에 다른 IT 대기업이 등장하는 빈도가 늘고 있으며, 유럽을 대표하는 기업용 소프트웨어 벤더 SAP 의 경우도 마찬가지 이미 시스코나 IBM 과 체결한 제휴와 마찬가 지로 애플이 이번에 SAP 와 맺은 제휴도 법 인 시장 최상위 기업과 관계를 돈독히 함으 로써 전세계 기업을 대상으로 한 서비스 제 공 능력을 향상시키는 것이 목적 애플과 SAP 이 협력을 체결함에 따라 아이폰 과 아이패드용 네이티브 앱을 SAP HANA 클 <자료> Apple Developer Magazine [그림 4] 애플과 SAP 의 제휴 효과 라우드 플랫폼의 소프트웨어 기능과 연계할 수 있게 되었음 즉, SAP 의 비즈니스 소프트웨어에 저장되어 있는 데이터를 활용하기 위한 새로운 ios 용 네이티브 앱이 출시된다는 것이며, 이로써 SAP 의 비즈니스 소프트웨어를 이용하는 다수 의 고객 기업들은 모바일 워킹을 지원하기 위한 새로운 수단을 얻을 수 있게 됨 이번 제휴는 양사 모두에 이익이 되는데, 애플은 SAP 의 에코 시스템에 이미 투자한 기업 을 대상으로 업무용으로서 ios 기기의 장점을 어필할 수 있게 되었으며, SAP 는 안전하고 관리가 용이한 ios 앱을 제공할 수 있게 되기 때문 40

42 최신 ICT 이슈 애플은 최근 기업 내에서 ios 기기가 업무에 이용될 수 있게 하기 위해 ios 기기의 보안과 관리성을 강화한다는 계획을 세우고, 이를 실행에 옮기고 있는 것으로 보임 애플의 이런 흐름은 기업용 모빌리티 관리(EMM), 모바일 앱 관리(MAM), 모바일 개발자 에 코시스템에 영향을 미칠 것이며, 이제 ios 는 기업 내 서비스 관리에서 중요한 요소 중 하 나가 될 수 있음 ios 는 앱 환경이 오픈되지 않기 때문에, EMM 이나 MAM 같은 관리 솔루션의 공급업체들은 그 동안 ios 기기에 대해 기능을 제한하지 않을 수 없는 면이 있었음 법인 시장이 요구하는 모든 기능을 현재 애플이 완벽하게 해결하고 있지는 못하지만, SAP 고객 기업들은 지금까지보다 통합된 풍부한 기능을 사용할 수 있게 되었으며, 애플의 OEM 기업이 되어 기업용 시장에 더 파고 들려는 기업이라면 관심을 기울일 필요가 있음 이처럼 애플이 법인시장 강화에 나설 수 있게 배경에는 애플의 강점인 디자인 재능이 법인 시장에서도 셀링 포인트가 될 수 있음을 확신했기 때문이라는 분석도 있음 이러한 분석은 SAP 의 디자인 최고 책임자인 샘 옌이, SAP 의 디자인과 사용자 경험은 세 계적 수준과 거리가 멀지만, 이번 애플과 제휴로 상황이 바뀌게 될 계기가 마련되었다고 평한 데서도 확인할 수 있음 즉, 애플과 협력을 통해 SAP 의 디자인 수준을 끌어 올릴 수 있다고 기대했다는 것임 샘 옌에 따르면, 애플과 SAP 가 협력 가능성을 모색하기 시작한 지는 1 년이 넘었으며, 협 업을 통해 업무 수행을 최적화 할 수 있는 새로운 경험을 만들어 내는 방법을 찾는 기회 가 될 수 있다는 데 양사가 합의하였음 샘 옌은 SAP 가 애플이 이미 확립한 개발자 에코시스템을 활용할 것이라 말하며, 자신들도 SAP 를 개방하여 SAP 를 기반으로 하는 개발을 매우 용이하게 함으로써 애플과 같은 생태 계 구현을 실현하고 싶다는 뜻을 표명 SAP 는 현대적 디자인 원칙을 활용하여 모바일 엔터프라이즈 환경을 현재 보다 레벨 업 하려는 의도를 가지고 있으며, 애플의 디자인 차별화 요소를 이용하여 업무용 앱에서도 일 반 앱과 같은 편리함과 구석구석까지 면밀한 디자인이 가능해지기를 기대하고 있음 이처럼 애플이 법인시장 공략에 적극 나설 환경이 조성된 것처럼 보이긴 하지만, 쉽지 않은 난관을 넘어서야 하는데, 바로 이 시장에서 애플은 미약한 도전자일 수밖에 없다는 사실 기업용 소프트웨어 시장에서 애플은 마이크로소프트라는 거인과 맞닥뜨려야 하며, 수년간 정보통신기술진흥센터 41

43 주간기술동향 마이크로소프트의 견제 속에서도 조금씩 자리를 잡아 오고 있는 구글조차 뒤쫓아 가야 하 는 위치에 있음 모바일 비즈니스에서 차지하고 있는 절대적 위치와 달리, 법인 시장에서는 아직 힘이 미약 한 추격자일 뿐이므로, 애플은 스스로 이런 낯선 상황을 극복하려고 마음먹을 것인지, 아 니면 전혀 새로운 방식으로 시장 자체를 재편해 보려 할 것인지 고민할 것으로 보임 윈도 10 의 새로운 진전과 맞물려 과거 애플 대 마이크로소프트의 소프트웨어 전쟁이나 기 업 데스크톱을 둘러싼 경쟁이 재연될 것으로 보이는데, 하지만 이번 싸움은 그 무대가 기 업의 업무 환경이며, 이 환경은 애플 보다는 MS 의 홈 그라운드라는 것이 애플의 약점 [ 참고문헌 ] [1] CIO, SAP design chief talks details of Apple deal, [2] BGR, Apple Music is growing, but it s not putting a dent in Spotify, [3] Forbes, Apple Takes A Deeper Step Into The Enterprise With SAP Partnership, [4] Engadget, Apple deserves the benefit of the doubt -- for now, II. 주문형 급유 서비스 등장, 규제 위반 여부 검토 중 미국에서는 최근 찾아 와서 휘발유를 넣어 주는 주문형 급유 서비스들이 등장하고 있으며, 매우 유용한 서비스라는 평이지만 그 안전성에 대해 당국이 감시의 눈길을 보내기 시작 주문형 급유, 이동형 급유, 가솔린 우버 등으로 불리는 이 서비스는 위퓨얼(WeFuel), 요 시(Yoshi), 퍼플(Purple), 필드(Filled), 부스터 퓨얼스(Booster Fuels) 등의 스타트업들에 의해 미국 곳곳에서 전개되고 있음 스마트폰 앱을 누르기만 하면 집이나 회사에서 일을 하고 있는 중에 혹은 쇼핑을 하고 있 는 동안 가솔린 탱크를 실은 소형 트럭이 주차장에 와서 연료를 공급해 주는데, 사업자에 따라 1 시간 이내 서비스 제공을 내건 곳도 있음 가솔린 급유는 사람에 따라 귀찮은 일일 수 있으므로, 출퇴근 등에 자주 차를 사용해 일주 일에 몇 번씩 주유소에 들러야 하거나, 복잡한 주유소에서 오래 줄 서는 것을 싫어하는 사 람이라면 주문형 급유 서비스를 확실히 편하다고 느낄 것임 42

44 최신 ICT 이슈 <자료> WEFUEL, [그림 1] 찾아가는 주문형 급유 서비스가 필요한 이유 문제는 소방상 안전 여부인데, 주유소로 영업 허가를 받은 것도 아닌 스타트업 기업들이 대량의 가솔린을 사방으로 나르고 있어 확실히 문제의 소지가 있음 서비스 제공업체들은 자동차 100 대를 가득 채울 정도의 가솔린을 트럭에 싣고 돌아 다니 며 서비스하고 있는데, 특히 문제가 되는 것은 이런 트럭이 도시, 특히 아파트와 병원, 오 피스 빌딩 등 사람들이 밀집해 있는 곳을 주로 찾는다는 것 대부분 국가들이 소방법 등 규제를 통해 주유소 이외에서 휘발유 판매를 허용하지 않는 것과는 달리, 미국은 주유소에서 멀리 떨어진 곳에 사는 사람들 등에 대한 가솔린의 이동 판매를 허용하고 있긴 했었으나, 도시에서 가솔린의 이동 판매에 대해서는 명확한 관련 규 정이 없는 상태임 미국에서 주문형 급유 서비스를 허용할 지 여부는 현재 각 주/군/시 별로 제각각 검토하고 있으며, 샌프란시스코 등은 이 서비스가 규제에 위배된다는 견해를 보이기 시작하고 있음 주문형 급유 서비스의 내용은 업체별로 약간씩 다른데, 매주 정기적으로 같은 장소에서 급 유하기도 하고, 지역에 상관없이 어디든 필요할 때 찾아오는 서비스도 있음 가솔린의 감소 진행 상태를 모니터하거나, 급유 중에 타이어의 공기압을 체크하고 창문을 닦아 주는 등의 부가 서비스를 제공하는 곳도 있으며, 기업과 계약을 맺고 회사 주차장에 서 직원을 위한 서비스를 제공하는 곳도 있음 요금은 회원제로 운영하며 회비를 별도로 받고 주유 시 가솔린 값만 받거나, 매번 5 달러 등 정액 서비스 비용을 받는 경우가 많은데, 어떤 사업자라도 가솔린 값 자체는 지역 내 최저가 를 내세우고 있어 기존 주유소들과 정면 충돌하는 모양새 주유소는 짓고 운영하는데 큰 비용이 들며 에너지 또한 낭비하고 있다는 것이 주문형 급 정보통신기술진흥센터 43

45 주간기술동향 유 서비스 업체들의 논리이며, 100 년 이상 지속되고 있던 주유소에서 주유해야 한다는 사 람들의 습관을 파괴하는 데 적극 나서고 있음 소비자를 직접 찾아가 엔진 오일이나 타이어를 교체하는 서비스는 교체 주기가 길고 긴급 상황이라는 특수성이 있어 반발이 적으나, 주유는 발생이 빈번한 차량 유지 활동이어서 업 계에 미치는 파장이 상대적으로 클 수 있음 이러한 주문형 급유 서비스가 편리함과 가격, 그리고 안전성과 법적 문제 사이를 잘 조율 하여 비즈니스로 성공할 수 있는지에 대해 미국 언론들은 흥미롭게 지켜보고 있음 1 앱으로 급유 주문, 현재 위치 알림, 주유구 개방 2 주유기사 지정 위치 도착 3 주유 중 부가 서비스 제공 4 주유 완료 시 스마트폰 앱으로 알림 <자료> Booster Fuels [그림 2] 부스터 퓨얼스(Booster Fuels)의 서비스 흐름 (Bloomberg, & Chicago Inno, ) 44