1만 양자비트 이상이 가시권, 차세대 기기의 공급망 구축으로 양자컴퓨터

양자컴퓨터

2026년은 1만 개 이상의 양자비트를 갖춘 차세대 양자컴퓨터 실현을 위한 기반을 다지는 해가 될 전망이다. 시스템의 대규모화를 위해 부품을 공급하는 국내 제조업체 등을 중심으로 공급망 구축이 진행되고 있다. 향후에는 실용적인 계산에 활용할 수 있는 대규모 차세대 기기 개발이 핵심 과제로 떠오를 것이다.

-- 후지쓰가 목표로 하는 이정표 --
후지쓰는 1만 개 이상의 양자비트를 갖춘 초전도 방식 양자컴퓨터를 2030년도(2031년 3월 결산기)까지 개발하겠다는 계획을 내세우고 있다. 국내외 부품 업체와 공동 개발한 부품을 조합해 대규모 양자 시스템을 구축해 나간다. 양자비트 수가 많을수록 복잡한 계산이 가능해지며, 소재 개발 등 실용적인 계산에 응용될 전망이다.

실용 수준의 계산이 가능한, 오류 내성 범용 양자컴퓨터(FTQC)를 실현하려면 일반적으로 100만 양자비트가 필요하다고 한다. 다만 후지쓰와 오사카대학 연구에 따르면, 계산 방식을 최적화하면 약 6만 양자비트로도 기존 컴퓨터를 능가하는 속도로 양자 알고리즘을 실행할 수 있다고 한다. 1만 양자비트는 그 목표를 향한 하나의 이정표가 된다.

후지쓰는 2025년 4월에 256 양자비트 양자컴퓨터를 개발했으며, 이 시스템을 발전시켜 2026년도에는 1000 양자비트, 2030년도에는 1만 양자비트로 확장해 나갈 계획이다. 1만 양자비트 시스템에서는 오류로부터 보호된 250개의 ‘논리 양자비트’를 구축할 수 있을 것으로 보인다. 양자컴퓨터에서는 여러 양자비트를 결합함으로써 오류 검출과 정정을 가능하게 하며, 이 집합을 논리 양자비트라고 부른다.

텍스트 내용을 기반으로 화상 토큰을 가지치기 압축

파나소닉 홀딩스가 미국 캘리포니아대학 버클리캠퍼스(UCB) 등과 협력해 개발한 'SparseVLM'은 시각 언어 모델(VLM: Vision Language Model)의 추론 처리를 인식 정밀도를 거의 유지하면서 고속화할 수 있는 기술이다. 정지 영상이나 동영상에 관련된 질의응답 등, 문장(프롬프트)과 동시에 화상(이미지)을 입력하는 다양한 태스크를 기존의 VLM 모델에 추가하는 것만으로 고속으로 실행할 수 있으며, 추가 학습은 전혀 필요 없다.

통상적인 LLM과 비교하면, VLM의 실행에는 엄청난 연산 능력과 메모리가 필요하다. 입력된 화상을 변환한 토큰이 문장의 토큰에 비해 압도적으로 많기 때문이다. 특히 고해상도의 정지 영상이나 장시간의 동영상을 모두 토큰으로 변환하면 그 수가 방대해져 한정된 컨텍스트 길이의 한계에 가까워진다.

‘3D 프린터 성장기’의 토대 마련

대형 건설사들이 건설용 3D 프린터 기술 개발에 매진하고 있다. 시미즈건설, 다이세이건설, 오바야시구미 3사는 모두 3D 프린터가 건설 현장에 보급되는 미래상을 그리고 있다. 인력 부족을 배경으로 시공 자동화와 노동 절감을 추진하고 있다.

“건설용 3D 프린터를 현장에서 일상적으로 사용할 수 있는 기술로 만들고 싶다.” 대형 건설사의 기술 개발자들은 이같이 입을 모은다. 시미즈건설, 다이세이건설, 오바야시구미 3사는 2010년대 이후 자체적으로 3D 프린터를 개발하며 실적을 쌓아 왔다. 그럼에도 3D 프린터는 아직 도입기를 벗어나지 못했다는 것이 각 사의 공통된 인식이다.

건설 현장에 로봇을 도입하는 흐름과 마찬가지로, 언젠가는 3D 프린터가 당연하게 활약하는 ‘성장기’가 도래할 것을 내다보고 있다. 시공 자동화를 목표로 연구개발은 점점 더 활기를 띠고 있다.

도쿄메트로, 매년 12일간 실시해 온 조사 없애

도쿄지하철(도쿄메트로)이 NEC 및 NEC통신시스템과 공동으로 레일 영상을 통해 AI(인공지능)가 부식을 감지하는 시스템을 개발해 2025년 8월, 지요다선(千代田線)에 본격적으로 도입했다. 이 부식 감지 시스템으로 매년 약 12일간 실시해 온 심야의 상세 조사를 없앨 수 있었다고 한다.

-- AI가 직접 부식을 감지하지 않아 --
이 부식 감지 시스템은 전차 하부에 탑재된 카메라로 레일 등을 촬영하고, 그 영상을 AI가 분석하는 구조이다. 촬영된 영상이 저장된 SSD를 매월 두 번 꺼내어 그 데이터를 클라우드에 업로드한다.

클라우드에는 영상을 축적하는 데이터베이스와 부식 측정 서버, AI 처리 서버가 있다. 운용 담당자가 분석 지시를 내리면, AI 처리 서버가 레일 영상을 분석한다. 분석 결과는 데이터베이스에 다시 저장되며, 운용 담당자는 부식 측정 서버를 통해 분석 결과를 확인한다.

부식 측정 서버와 AI 처리 서버를 분리한 이유는 코스트 때문이다. 도쿄지하철의 고무카이토쿠다이키(小向得大輝)철도본부는 “종량 과금제 클라우드 서비스를 이용하고 있기 때문에 AI로 분석하는 고성능 서버를 지속적으로 사용하면 코스트가 증가한다.”라고 말한다.

EDR이 무력화된 아사히와 아스크루, 회피 방법은 ‘우회’와 ‘무효화’ 두 가지

아사히 그룹 홀딩스(GHD)는 2025년 9월 29일에, 아스크루는 같은 해 10월 19일에 랜섬웨어 공격 피해를 입었다고 발표했다. 두 기업 모두 공격을 받은 이후 2개월 이상 출하량 감소 등 사업에 악영향을 겪었다.

두 기업의 공통점은 EDR(Endpoint Detection and Response)을 도입했음에도 불구하고 피해가 확대되었다는 점이다. EDR은 컴퓨터나 서버 등 엔드포인트에 존재하는 위협을 탐지, 조사, 대응하는 보안 제품이다.

아사히 GHD는 같은 해 11월 27일 기자회견에서 “EDR을 도입했지만 공격자의 수법이 정교하고 고도화되어 탐지하지 못했다”(가쓰키 아쓰시 사장)고 밝혔다. 아스크루는 같은 해 12월 17일 취재에서 “(공격자는) EDR 등 취약점 대응 소프트웨어를 무효화하고 파일 쓰기 권한을 획득해 랜섬웨어를 배치했다”(이케다 가즈유키 CDXO)고 설명했다.

두 기업은 EDR이 어떻게 회피되었는지는 밝히지 않았다. 이에 대해 악성코드 대응 전문가인 미쓰이물산 시큐어디렉션의 요시카와(吉川) 분석기술자에게 랜섬웨어 공격자가 자주 사용하는 EDR 회피 수법을 물었다.
 

서버 액침의 수요 증가에 기대

ENEOS가 서버를 액체에 담가 냉각시키는 액체냉각용 서멀 그리스를 개발했다. 주로 CPU(중앙처리장치)나 GPU(그래픽처리반도체) 등 고온 부위에 도포해 히트싱크와 접착시키는 용도로 사용된다. ENEOS는 데이터센터와 AI(인공지능) 서버용 액침 냉각을 위해 석유 및 바이오매스 유래 냉각액을 판매하고 있다. 앞으로 액침 냉각 시스템에 대한 수요가 증가할 것으로 보고, 자사 제품 종류에 맞춰 냉각액에 녹지 않는 그리스를 준비해 냉각액과의 세트 판매를 목표로 한다.

‘CES 2026’에서 냉각액에 담근 그리스를 전시했다. 기존의 석유계 성분을 사용한 그리스는 같은 석유 유래 냉각액에 쉽게 섞이면서 녹아버린다. 그래서 그리스에는 냉각액과 비슷한 성분을 피하고 냉각액에 용해되지 않도록 조성을 조정했다.

GPU 간 연결에도 활용

AI(인공지능)의 보급으로 하이퍼스케일러(초대형 클라우드 사업자)가 운영하는 데이터센터 내에서 초당 테라비트(Tbps)급 대용량 데이터 교류의 필요성이 대두되고 있다. 이를 실현하기 위해 최근, 전기 회로가 담당하던 일부를 광 회로로 대체하는 광전융합 도입이 가속화되고 있다. 앞으로 서버 랙 내부에서는 GPU(화상처리 반도체)와 같은 AI 반도체 간 연결에도 광전융합이 활용될 것으로 전망된다.

-- 광전 융합은 이미 보급, 랙 간을 광 케이블로 연결 --
현 데이터센터의 서버 랙은 네트워크 스위치가 계층적으로 연결되어 있는 스위치층으로 구성된 구조로 되어 있다. 네트워크 스위치 간 연결에는 플러그형 광 트랜시버(플러그블)가 사용되며, 광 엔진 1개당 400G~800Gbps로 통신하는 경우가 많다. 랙 내부는 빛이 아닌 구리선을 사용한 전기 전송이 주류이다. 코스트·신뢰성·유지보수성의 측면에서 구리선이 더 우수하기 때문이다.