인공지능(AI)이 실존하는 육체를 얻은 모습이다. 그동안 반도체·서버의 영역에 머물던 인공지능(AI)이 물리 환경을 직접 움직이기 시작했다. ‘제45회 타이베이 국제 컴퓨터 전시회(COMPUTEX TAIPEI 2026)’는 이 같은 AI의 가시적인 진화와 상용화 가능성을 제시한 무대다.
대만 타이베이시 난강구 소재 주요 전시장 ‘타이베이난강전람관(Taipei Nangang Exhibition Center Hall)’에는 서버, 에지 컴퓨팅(Edge Computing), 전력·냉각 인프라 등 기존 전시 콘셉트를 이어가는 제품이 놓였다. 여기에 로보틱스 인프라 기술이 더해지며 AI를 실제 장비로 구동하기 위한 연산·전원·제어 기반이 함께 배치됐다.
1편에서 신이구 ‘타이베이세계무역센터(Taipei World Trade Center Exhibition Hall)’가 로봇 본체와 적용 장면을 보여줬다면, 난강 전시장은 그 로봇을 움직이는 연산·전력·제어 기반을 전면에 세웠다.
이번 [봇규가 간다] 컴퓨텍스 로봇 특집은 두 개의 현장으로 나눠 본다. 2편은 난강에서 로봇을 움직이는 기반 기술을 들여다본다. 로봇은 원격 조작(Teleoperation), 에지 AI 연산, 센서 연결, 모델 학습, 전원 공급, 무정전 전원공급장치(UPS)가 함께 맞물려야 한다. 이 전시장에서 소개된 서버, 칩(Chip), 에지 컴퓨팅, 전력 인프라는 AI가 물리 장비로 내려오기 전 거치는 후방 구조를 다룬다.
< 에버미디어 > 말귀 알아듣고 관절 꺾는 로봇, 명령이 실전 구동으로 구현되는 순간
로봇 동작을 관장하는 기술 방법론이 난강 전시장에서 만난 첫 장면이다. 글로벌 에지 AI 및 비디오 캡처 솔루션 업체 에버미디어(AVerMedia)는 로봇 팔(Robot Arm) 텔레오퍼레이션 데모를 가지고 나왔다. 로봇 팔, 카메라, 에지 AI 장비, 모니터링 화면이 한데 융합된 모습.
이 가운데 로봇 팔은 작은 블록을 집고 옮겼고, 이를 도와주는 관계자는 조이스틱 형태의 컨트롤러로 동작 흐름을 확인했다. 앞서 1편에서 신이 전시장이 로봇의 몸을 주로 보여줬다면, 에버미디어 부스는 그 몸에 명령을 보내고, 해석한 후 실행시키는 기술 체계를 검증했다.
캐서린 팡(Catherine Fang) 에버미디어 매니저는 이 구조에 대해, AI에서 로봇 실행까지 이어지는 하나의 파이프라인이라고 설명했다. 그는 “핵심은 단순 원격조작이 아닌, 사용자 명령이 들어온 후 AI 에이전트(Agent)가 의도를 해석하는 것”이라며 “이후 에지 장비가 로봇 팔에 동작을 전달하고, 운영 상태가 원격으로 모니터링되는 구조”라고 메커니즘을 내세웠다.
이때 ▲자체 에지 컴퓨팅 하드웨어 브랜드 ‘센스엣지 개발 키트(SenseEdge Development Kit)’ ▲엔비디아 자율형 AI 에이전트 실행·제어 소프트웨어 엔비디아 네모클로(NVIDIA NemoClaw) ▲엔비디아 휴머노이드 특화 컴퓨팅 솔루션 ‘엔비디아 젯슨 토르(NVIDIA Jetson Thor)’ 등 플랫폼이 융합된다.
명령 입력은 메신저 애플리케이션 ‘텔레그램(Telegram)’에서 시작됐다. 예를 들어, 사용자가 “테이블을 치워라”와 같은 메시지를 보내면, 에버미디어 연산 장비 라인업 ‘인퍼런스 스테이션(Inference Station)’이 이를 받아 AI 에이전트가 작업 의도를 분석한다. 이후 센스엣지 개발 키트가 명령을 수신하고 로봇 팔 동작으로 옮긴다.
팡 매니저는 “사용자가 직접 로봇 옆에 있지 않아도 명령은 외부에서 들어올 수 있고, AI가 그 의도를 작업으로 바꾼 뒤 로봇이 실행하는 방식”이라고 말했다. 이어 “현장에서는 로봇 팔 동작을 직접 확인할 수 있도록 컨트롤러를 함께 사용했지만, 데모의 중심은 사용자 조작, AI 에이전트, 에지 추론 장비가 단일 파이프라인으로 통합된 점”이라고 덧붙였다.
▲ 기자가 해당 텔레오퍼레이션 과정을 경험하고 있다. (촬영·편집 : 타이베이(대만)=헬로티 최재규 기자)
이 구조에서 젯슨 토르는 로봇의 현장 판단·실행을 맡는 에지 AI 기술 체계로 배치됐다. 로봇 팔은 클라우드에서 모든 판단을 기다리는 장비라기 보다, 가까운 에지 장비에서 명령을 받아 움직였다. 카메라·센서는 작업 대상과 주변 상태를 읽고, AI 에이전트는 사용자 의도를 작업 단위로 바꿨다.
원격 모니터링 과정도 별도로 제시됐다. 모든 과정은 에버미디어의 관리 시스템 ‘ERMI Out-of-Band’으로 모니터링되는 구조다. 사용자는 외부에서 시스템 상태를 확인하고, 문제가 생겼을 때 장비 운영을 이어갈 수 있어야 한다. 현장에서의 로봇 텔레오퍼레이션은 조작 기술인 동시에 운영 기술이다.
부스 한편에는 무인항공기(드론) 원격 운용 데모도 함께 놓였다. ‘아리아 400(Aria 400)’은 위성항법시스템(GNSS)이 제한된 환경에서의 원격 비행, 5G 기반 연결, 온보드(On-board) AI 처리, 실시간 영상 AI 분석이 주요 기능으로 소개됐다.
사측이 출품한 드론은 보호 가드, 카메라, 탑재형 연산 장치를 갖춘 형태다. 이 데모 역시 로봇 팔과 같은 방향을 가리킨다. 물리 장비가 움직이려면 현장 장비 안에서 데이터를 처리하고, 외부와 끊기지 않게 연결되면서 원격에서 상태를 확인할 수 있어야 한다는 메시지다.
< 어드밴텍 > “로봇 완제품은 없다” 센서부터 소프트웨어 스택까지 해체한 내부 조립도
앞서 에버미디어가 원격 명령과 에지 실행 파이프라인의 실체를 보여줬다면, 글로벌 산업용 컴퓨터(IPC) 및 산업용 사물인터넷(IIoT) 업체 어드밴텍(Advantech)은 로봇 생태계를 구성하는 ‘빌딩 블록(Building Blocks)’ 전략을 전달했다. 부스에서는 휴머노이드 로봇(Humanoid Robot), 자율주행로봇(AMR), 사족 보행 로봇 등을 제작할 때 필수적으로 요구되는 기술 영역을 모듈별 아키텍처로 제시했다.
센서, 제어기, 에지 AI 컴퓨팅, 통신 인프라, 소프트웨어 등 기술 체계(Stack)을 해체해 전시했다. 쉽게 말해 로봇의 밑바닥부터 새로 개발할 필요가 없다는 점을 강조한 것이다. 검증된 연산·제어·센서 모듈을 레고 블록처럼 가져다 조립하는 구조. 현장 관계자에 따르면, 로봇 개발 기간을 줄이는 일종의 기술 패키지다.
이 가운데 기자의 눈길을 끈 부분은 ‘휴머노이드 로봇 역량 맵(Humanoid Robot Capability Map)’이다. 이들의 지향점을 묘사한 존인데, 휴머노이드 플랫폼 각 요소에 맞춰 카메라, 센서, 제어 보드, 모터 모듈 등 핵심 부분을 지도화한 연출이다. 인간의 각 부위가 유기적 기능을 수행하기 위해 어떤 하드웨어가 맞물려야 하는지 직관적으로 시각화한 곳이다.
현장 관계자는 “휴머노이드는 하나의 독립된 완제품처럼 보이지만 실제로는 인식, 제어, 통신, 에지 연산, 센서 융합이 동시에 맞아떨어져야 구동된다”며 “이 고난도 구성 요소를 개발자가 즉각 가져다 쓸 수 있도록 패키징해 제공하는 것이 자사 로봇 빌드 방법론”이라고 설명했다.
실제 역량 맵을 기준으로 왼쪽에는 공간 AI 비전과 센싱, 모션 제어 기능이 촘촘히 이어졌고, 오른쪽에는 고속 로밍 통신과 에지 AI 컨트롤러, 동적 이동 제어 기술이 배치됐다.
이 모듈화 전략이 중요한 이유가 있다. 휴머노이드 개발은 외형이나 모터 설계가 끝이 아니다. 시각 카메라, 심도 센싱 카메라(Depth Sensing Camera), 모션 컨트롤러, 보행 균형 모듈, 무선 통신망이 동시에 탑재돼야 한다. 어드밴텍은 파편화되기 쉬운 이 요소를 하나의 일체형 제품군으로 묶어 개발 주기를 단축시키겠다는 방향성을 강조한다.
‘로보틱스 빌딩 블록(Robotics Building Blocks)’ 존은 이러한 메시지를 더욱 확장한 곳이다. 개발자가 특정 센서 공급사에 종속되지 않는 개방형 환경을 보장하고, 표준화된 모듈형 아키텍처로 시스템 통합 난도를 낮추는 구조다.
관계자는 “실제 로봇 개발 현장에서는 다종·이기종 부품이 서로 다른 공급망을 통해 유입된다”고 분석했다. 그러면서 “이 과정에서 중요한 과제는 개발자가 빠르게 부품을 통합하고 실시간 미세 조정을 먹일 수 있는 공통 아키텍처를 제공하는 것”이라고 부연했다.
실물로 공개된 AMR 제어 시스템 ‘AFE-A702’는 엔비디아의 로봇운영체제(ROS) ‘엔비디아 아이작 ROS(NVIDIA Isaac ROS)’에 대응하는 동시에, 엔비디아 젯슨 토르를 탑재해 참관객에게 조명받았다. 젯슨 T5000·T4000 아키텍처를 기반으로, 최대 2070 TFLOPS FP4의 추론 성능을 뿜어낸다는 설명이다.
여기에 온디바이스(On-device) 생성을 위한 오픈 소스 AI 모델 가동을 겨냥해, 최대 128GB의 메모리를 확보한 점도 특징이다. 실시간 추론 연산, 멀티 센서 연결, 구동부(Actuator) 제어 등 로봇 프로세스를 하나의 칩으로 해결하도록 유도하는 에지 AI 컨트롤러다.
사족 보행 로봇 분야 역시 ‘MIO-5379’ 메인보드를 중심으로 한 하드웨어 구성도를 공개했다. 사족 보행 로봇과 같이 소형화 폼팩터(Form-factor)에도 동일한 통합 병목 현상이 반복되고 있음을 시사하는 대목이다. 로봇의 형태가 족(Feet)형이든 바퀴(Wheel)형이든 본질은 같다는 뜻이다. 외부 환경을 실시간 인지하고, 균형을 유지하며 모터를 제어해 물리적 반응 속도를 극대화하는 파이프라인이다.
< 베코우 > 카메라 하나·컴퓨터 하나로는 부족하다, 즉시 연산하는 에지 컴퓨터의 생존기
글로벌 산업용 컴퓨터(IPC) 및 임베디드(Embedded) 솔루션 업체 엔노콘(ENNOCONN) 계열사도 이번 전시장에 부스를 꾸렸다. 베코우(Vecow)는 로봇을 현장 에지에서 가동할 컴퓨팅 장비를 들고 나왔다. 현장에는 스마트 리테일, 자율 이동, 로봇 솔루션, 오토모티브 컴퓨팅을 잇는 장비·패널이 배치됐다. 로봇이 데이터를 인식·판단하고 이동하기 위한 에지 연산 기반 기술이다.
베코우 관계자는 “로봇은 카메라 하나, 컴퓨터 하나로 움직이는 장비가 아니다. 센서에서 들어오는 데이터를 현장 가까운 곳에서 처리하고, 그 결과를 바로 이동·조작으로 넘겨야 한다”고 말했다.
특히 그는 로봇용 에지 컴퓨팅의 역할을 설명하며 “클라우드로 모든 판단을 보내는 기존 방식만으로는 이동 중인 장비를 안정적으로 제어하기 어렵다”며 “로봇 가까이에 있는 컴퓨팅 장비가 인식·판단·제어를 나눠 맡아야 제대로 된 가동이 가능하다”고 덧붙였다.
이어 관계자는 “로봇 개발에서 중요한 것은 센서를 많이 붙이는 것이 아니라, 그 센서 데이터를 실제 동작으로 연결하는 구조”라고 설명했다. 차세대 ROS인 ‘ROS 2’부터 인식·내비게이션·조작·시뮬레이션은 서로 분리된 항목처럼 보이지만 현장에서는 하나의 흐름으로 연결돼야 한다는 강조점이다.
이 가운데 이들이 내세우는 핵심 장비는 ‘EAC-7000’이다. 엔비디아 젯슨 기반 임베디드 AI 컴퓨팅 시스템이다. 젯슨 T5000·T4000 모듈을 지원하는 구성이었다. 이 장비가 겨냥한 곳은 로봇과 자율 이동체다. 로봇이 현장에서 움직이려면 카메라·라이다(LiDAR)·센서 등에서 도출되는 데이터를 동시에 받아야 한다.
이 데이터는 클라우드로만 보낼 수 없다. 이동 중인 로봇은 현장 가까운 장비에서 즉시 판단해야 한다. 베코우가 제시한 이 젯슨 기반 에지 컴퓨터는 로봇의 눈·귀에서 들어오는 데이터를 현장 안에서 처리하고, 내비게이션·조작·추론으로 넘기는 역할이다.
관계자는 “EAC-7000은 로봇이나 이동체가 여러 카메라와 네트워크 장비를 동시에 쓰는 상황을 고려한 플랫폼”이라며 “GMSL(Gigabit Multimedia Serial Link) 카메라, PoE(Power over Ethernet), 이더넷(Ethernet)처럼 현장에서 바로 필요한 입출력을 한 시스템 안에 넣는 것이 중요하다”고 말했다. 고성능 AI 연산만이 아니라 센서와 네트워크, 주변 장비도 로봇용 에지 컴퓨팅의 핵심이라는 설명이다.
이 밖에 부스에는 자율주행 모바일 로봇을 위한 비전언어(VL) 모델 추론 솔루션도 공개됐다. 로봇이 장애물을 감지하는 수준을 넘어서도록 지원하는 솔루션이다. 주변 장면을 이해하고, 이동 상황을 해석하는 방향을 제시하는 기술 메커니즘이 주목 포인트다. 관계자는 “자율 이동체는 앞에 무엇이 있는지만 보는 단계에서 그치면 안 된다. 주변 환경을 이해하고, 그 이해를 바탕으로 다음 행동을 정해야 한다”고 강조했다.
< 기가바이트 > 실전 투입되기 전, 로봇은 이미 서버 안에서 수만 번의 실패를 겪었다
AI 서버 및 고성능 컴퓨팅(HPC) 인프라 제조사 기가바이트(GIGABYTE)는 피지컬 AI(Physical AI) 개발을 위한 서버와 시뮬레이션 인프라를 내놨다. 엔비디아의 차세대 로봇 인프라용 그래픽처리장치(GPU) 아키텍처 ‘엔비디아 베라(NVIDIA Vera)’ 기반 플랫폼이 이에 해당한다.
여기에 수랭(Liquid Cooling) 서버, 현실·가상·현실 전이(Real2Sim2Real) 등 기술 구조를 배치했다. 로봇이 현장에서 움직이기 전 필요한 데이터 생성, 모델 학습, 시뮬레이션, 에지 배포의 후방 공정에 가까웠다.
기가바이트 관계자는 “피지컬 AI는 로봇을 바로 현장에 넣는 문제만이 아니라, 현장 데이터를 어떻게 만들고 검증해 다시 실제 장비로 보내느냐의 문제”라고 설명했다. 이어 그는 “현실 데이터를 시뮬레이션으로 옮기고, 모델을 학습한 뒤 다시 에지와 실제 현장으로 내려보내는 구조가 필요하다”고 부연해 말했다.
이때 현실·가상·현실 전이 방법론은 실제 환경의 물리적 위험 요소를 가상 시뮬레이터에서 검증한 후 로봇·설비·장비에 이식하는 것이다. 실제 현장에서 수집된 데이터는 디지털 트윈(Digital Twin)과 시뮬레이션 환경으로 들어간다. 그 안에서 합성 데이터(Synthetic Data) 생성, 모델 훈련, 검증 과정을 거친다. 이후 결과는 에지 장비와 실제 현장으로 다시 들어간다. 로봇을 곧바로 공장에 넣어 반복 실험하기보다, 서버 안에서 먼저 상황을 만들고 위험을 줄이는 구조다.
관계자는 “로봇 개발에서 서버는 로봇이 마주할 상황을 먼저 만들고, 실패 가능성을 줄이도록 기여하는 현장 투입 전 검증 기반”이라고 언급했다. 로봇이 실제 공간에서 움직이는 장면은 마지막 단계고, 그 앞단에는 데이터, 시뮬레이션, 학습 인프라가 먼저 놓인다는 설명이다.
전시장에는 ‘엔비디아 HGX 베라 CPU 플랫폼(NVIDIA HGX Vera CPU Platform)’도 함께 놓였다. 기가바이트는 이를 고성능 AI 서버 토대로 배치했다. 로봇 모델 학습, 산업 시뮬레이션, 영상·센서 데이터 처리, 에지 배포 전 검증은 모두 대규모 연산을 요구한다. 피지컬 AI가 로봇 몸체에만 머물지 않고 데이터센터급 연산 인프라와 연결되는 이유다.
엔비디아의 수장 젠슨 황(Jensen Huang) 최고경영책임자(CEO)가 공개한 차세대 AI 서버 아키텍처 ‘엔비디아 HGX 루빈 NVL8(NVIDIA HGX Rubin NVL8)’ 기반 수랭식 서버도 전시됐다. 이 가운데 엔비디아 HGX 루빈 NVL8은 이번 컴퓨텍스 기간에 맞춰 함께 진행된 ‘엔비디아 GTC 타이베이 2026(NVIDIA GTC Taipei 2026)’ 키노트에서 공개됐기에 높은 관심을 받았다.
현장 관계자에 따르면, 고밀도 AI 연산 장비는 전력·냉각 문제를 함께 야기한다. 모델이 커지고 시뮬레이션 규모가 확대될수록 서버 랙 안의 열과 전력 밀도도 올라가기 때문이다. 기가바이트는 수랭 구성을 통해 피지컬 AI 개발이 소프트웨어와 알고리즘뿐 아니라 물리적 인프라 설계까지 요구한다는 점을 드러냈다.
관계자는 “고밀도 연산을 안정적으로 유지하려면 전력과 냉각 구조가 함께 가야 한다”고 짚었다. 이어 “로봇과 피지컬 AI가 확장될수록 현장 장비 뒤에는 더 큰 학습·검증 인프라가 필요해진다”고 덧붙여 말했다.
< 레몬ET > 소형 에지부터 대형 AI 추론 장비까지...데이터센터 밖에서 세분화되는 전력 세포
로봇 실행 구조가 에지 컴퓨팅과 서버로 확장되자 전원공급장치도 중요한 기술 요소로 주목받고 있다. AI 전원공급장치(PSU) 브랜드 레몬ET(LEMON ET)는 AI 장비 안쪽의 전원부를 강조했다. 고성능 연산 장비가 현장에 확산되면서 장비 내부 전원부의 역할도 커질 것이라는 어젠다다.
이들은 1650와트(W)급 ATX 3.1 PSU를 내세웠다. 이 제품은 PCIe 5.1 레디, 80 PLUS 티타늄, 고효율 설계를 특징으로 한다. 고성능 GPU를 장착한 워크스테이션, 에지 AI 장비, 소형 AI 서버 등에서 안정적인 전력 공급을 겨냥한 구성이다.
현장 관계자는 "AI 연산 장비는 높은 부하가 걸리는 상황에서 전력을 안정적으로 공급하는 전원부가 함께해야 완성된다"며 GPU 소비전력이 높아질수록 PSU도 시스템 안정성을 좌우하는 요소가 된다는 설명을 이었다.
실제로 업계에서는 AI 워크스테이션, 영상 추론 장비, 로봇 개발용 테스트 시스템은 모두 GPU 부하를 견뎌야 한다는 의견을 함께한다. 로봇이 직접 연결되지 않아도, 로봇 모델을 학습하고 테스트하는 현장 장비 안에는 이런 전원부가 필수라는 뜻이다. 이에 대해 관계자는 "장비가 고성능 GPU를 쓰는 순간 PSU는 안정 운용을 위한 기반 부품이 된다"고 전했다.
사측은 제어 구조도 함께 강조했다. 전력 출력 효율을 높이고 부하 상황에서도 전력 흐름을 정밀하게 제어하는 방향이다. 로봇 개발 장비가 GPU에 의존할수록 내부 전원부도 정밀 제어와 고효율 설계를 요구받는다는 생각에서다.
< 슈나이더일렉트릭 > 로봇이 멈추지 않으려면...데이터센터 랙 바깥, 현장으로 온 전력 보호망
로봇 생태계를 위한 전력 보호 기법도 등장했다. 앞선 부스들이 로봇을 구동하는 연산·제어·전원공급 기반을 제시했다면, 글로벌 에너지 관리 및 산업·공장 자동화(FA) 솔루션 업체 슈나이더일렉트릭(Schneider Electric)은 다른 시각의 기술을 제안했다. ‘기반 전력망’이다.
부스에는 UPS와 랙(Rack) 기반 전력 보호 제품군이 놓였다. 로봇 본체와 직접 맞닿은 외형 전시는 아니나, 피지컬 AI가 현장 필드로 내려갈수록 전력 안정성은 로봇 운용의 필수적인 기본 조건이 된다는 트렌드를 전한 것.
이창호 슈나이더 일렉트릭 코리아 팀장은 “지금은 대형 데이터센터 중심이지만, 결국에는 에지단으로 전력 인프라의 중심추가 계속 넘어갈 것”이라며 에지를 사용자와 현장에 가장 가깝게 전진 배치되는 것으로 정의했다. AI 연산 장비와 로봇이 공장, 물류 거점, 매장 인프라 가까이 배치될수록 전력 보호 장치 역시 동선에 맞춰 이동한다는 취지다.
전시장에 놓인 제품은 랙마운트형 UPS와 전력 보호 라인업이다. 하이퍼스케일 데이터센터(Hyperscale Data Center)에서는 3상(3-Phase) UPS가 메인이지만, 장비가 현장 가까이 내려오면 단상 UPS의 역할이 커질 것이라는 이 팀장의 인사이트다.
이 팀장은 “에지 쪽으로 진입하면 전력이 끊기는 순간 공정이 끊길 수 있기 때문에 단상 UPS 시장이 더 활성화될 것”이라고 내다봤다. AI·로봇이 에지로 내려올수록 전력 보호 체계도 대형 시설 내부에만 갇혀 있을 수 없다는 뜻이다.
이 흐름은 로봇의 실전 구동과 직결된다. 로봇 자체는 내장 배터리로 움직이더라도, 충전 스테이션, 관제 시스템, 에지 서버, 영상 처리 비전 장비는 모두 유선 전력망에 묶여 있다. AMR이 스스로 충전대로 돌아오려면 충전 인프라가 상시 살아 있어야 한다. 로봇을 제어하는 에지 컴퓨터와 통신 장비가 멈추면 현장 무인 가동도 함께 끊긴다. UPS는 로봇 기체 자체보다, 로봇을 움직이게 만드는 주변 연결 인프라를 수호하는 마지막 안전장치다.
대형 AI 팩토리 관점에서는 서버, GPU, 수랭식 냉각 장치가 높은 전력 밀도를 요구하지만, 에지 AI 환경에서는 접근 방식이 달라진다. 공장 한쪽의 AI 추론 랙이나 물류 거점의 로봇 관제 장비 등은 사용자 밀착형으로 설치되기 때문이다. 실제로 이때는 대형 설비용 3상 전력이 아닌, 랙·장비·현장 단위의 단상 UPS와 전력 보호 장치가 필수적이다.
슈나이더일렉트릭 에지 전력 브랜드는 이 같은 다운사이징(Downsizing) 전환을 직관화했다는 평가다. 이러한 랙 내장형 UPS는 현장 에지 장비실의 전력 중단을 차단하고, 바닥 설치형 장비는 소규모 분산 현장을 보호하는 구조라는 것이다.
이 팀장은 “폼팩터는 달라도 전력이 불안정할 때 장비가 돌발 멈추지 않도록 버텨내며 사용자가 비상 대응할 골든타임을 확보해 주는 것이 핵심 가치”라고 강조했다.
헬로티 최재규 기자 |
