저널

VLM 영상분석: 기존 AI CCTV와 무엇이 다른가

VLM 영상분석은 CCTV 장면을 문장으로 읽고 문장으로 찾는 방식입니다. 기존 AI CCTV 탐지와의 차이, 오탐 판정과 자연어 검색에서 달라지는 점, 도입 전에 확인할 조건을 정리했습니다.

보도자료

슈퍼브에이아이, LH에 VLM 기반 하자 자동분류 시스템 공급... 18,000가지 유형 이미지 한 장으로 처리

슈퍼브에이아이가 한국토지주택공사(LH)에 VLM 기반 하자 자동분류 시스템을 구축하는 1차 사업을 완료했습니다. 1만 8천여 가지 조합에 이르던 분류 체계를 단일 모델로 압축해, 사진 한 장으로 다섯 항목을 동시에 분류합니다. 연간 400만 장 규모를 검출 정확도 90% 이상, 1초 이내로 실시간 처리합니다.

성공사례

[성공 사례] LH, 하자 18,000가지 조합을 VLM으로 분류하다

VLM 하자 자동 분류로 LH가 18,000가지가 넘는 분류 조합을 이미지 한 장으로 처리하는 24시간 실시간 접수 체계를 구축한 사례입니다.

보도자료

슈퍼브에이아이, 엔비디아 'AI 데이 서울 2026'에서 활용 사례 발표

슈퍼브에이아이가 오는 9일부터 이틀간 서울에서 열리는 엔비디아 ‘AI 데이 서울 2026’에서 엔비디아 코스모스를 활용한 합성 데이터 생성 방식을 발표합니다. 삼성전자·SK하이닉스·LG전자 등 국내 주요 기업이 참여해 AI 모델 개발부터 로봇, 반도체, 데이터센터까지 활용 사례를 공유하는 자리입니다.

이벤트 및 웨비나

공공안전을 위한 비전 인텔리전스: SWIPE 발표 정리

고정 CCTV가 닿지 않는 곳에 로봇을 보내고 모든 카메라의 화면을 하나의 3D 지도 위에서 읽는 방법을 한-싱 과학치안 협력 프로그램(SWIPE) 발표 세미나에서 소개했습니다. 발표 내용과 현장 사례를 정리했습니다.

보도자료

“막내에게 데이터 맡기면 ‘막내 AI’ 나온다” 제조 AX의 함정

이현동 슈퍼브에이아이 부대표가 제조 AX의 출발점은 모델 선정이 아니라 숙련자의 판단 기준을 데이터에 담는 일이라고 강조했습니다. 데이터 정리를 경험이 적은 직원에게 맡기면 '막내 AI'가 나온다며, 성과도 모델 정확도가 아니라 처리량과 재작업 감소로 평가해야 한다고 짚었습니다.

성공사례

[성공 사례] 엘에프아이티: 라벨링에서 비식별화까지, 공공 데이터 3년

엘에프아이티는 2023년 공공 AI 데이터 구축 과제로 슈퍼브에이아이 플랫폼을 도입한 뒤 두 차례 계약을 이어 가며, 별도 용역이던 비식별화까지 라벨링과 한 공정으로 합친 사례입니다.

AI 인사이트

[슈퍼브 인사이트] AI 에이전트에게 일을 맡기기 전, 확인할 6가지 ✅

AI 에이전트가 사람 대신 판단하고 행동하는 시대, 믿고 맡길 수 있는 에이전트의 조건은 무엇일까요. 시스템 이해부터 권한, 맥락, 거버넌스, 사용자 의도, 설명까지 여섯 가지 원칙을 짚어봅니다.

저널

VLA·RFM·WFM·VLM은 무엇이 다른가: 로봇 AI 모델 4종 비교

VLM은 텍스트를, VLA는 행동을, WFM은 다음 장면을 출력합니다. RFM은 범용성을 가리키는 범주입니다. 네 모델의 차이와 각각에 필요한 데이터를 정리했습니다.

보도자료

차문수 슈퍼브에이아이 CTO, ‘한국 AI 미래 바꿀 30인’ 선정

차문수 슈퍼브에이아이 CTO가 MIT 테크놀로지 리뷰 코리아의 ‘THE AI 30: 한국 AI의 미래를 바꾸는 30인'에 선정됐습니다. 범용 AI가 풀지 못하는 산업 현장의 문제를 겨냥해, 제한된 학습 데이터만으로 새로운 물체를 인식하는 산업용 비전 AI를 개발해온 성과를 인정받았습니다.

저널

피지컬 AI 용어집: 로봇 학습 데이터·시뮬레이션·3D 복원 용어 40개

VLA와 RFM은 어떻게 다르고, 에피소드는 무엇이며, 3DGS 복원은 왜 바로 시뮬레이션에 못 쓰는지. 피지컬 AI 실무에서 마주치는 용어 40개를 한 곳에 정리했습니다.

저널

로봇 AI는 왜 ImageNet이 없을까: 정답지로 채점할 수 없는 시험

비전 AI 시험은 OMR 채점이고 로봇 AI 시험은 구술면접입니다. 정답지 대조가 왜 성립하지 않는지, 그래서 업계가 어떻게 시켜 보고 세는지를 정리했습니다.

AI 인사이트

[슈퍼브 인사이트] 🤖 로봇이 할 수 있는 일은 74%, 인건비보다 싼 일은 0.3%. ROI는 어떻게 될까요?

로봇은 이미 미국 물리 노동의 74%를 할 수 있지만 인건비보다 싸게 하는 일은 0.3%뿐입니다. 그 격차가 어디서 생기는지 앤트로픽 연구 원문으로 읽어봤습니다.

공공·보안 사례

AI CCTV 영상관제 가이드: 방식 비교와 도입 절차

AI CCTV 영상관제의 개념과 방식 비교, 산업별 적용 결과, 기존 CCTV로 시작하는 도입 절차를 한 편에 정리한 가이드입니다.

성공사례

[성공 사례] 발전소 안전작업허가를 돕는 이동형 AI CCTV

허가서 체크로 끝나던 위험작업 안전조치 확인을 작업 중으로 넓힌 사례입니다. 국내 열병합발전소 운영사는 작업 현장을 따라 옮기는 이동형 AI CCTV로, 고정형 카메라가 닿지 않던 구역까지 관제 범위를 넓혔습니다.

저널

비전 AI 도입 PoC 설계 가이드: 기간·데이터·성공 기준

PoC 실패의 원인은 대부분 모델 성능 바깥에 있습니다. 성공 기준 네 가지와 설계 절차를 정리한 가이드입니다.

보도자료

[AI시대 일의 재편] 확보한 시간 '기획·신뢰'에 쏟는 슈퍼브에이아이

슈퍼브에이아이가 AI 도입 후 달라진 일의 모습을 전했습니다. 3~5일 걸리던 뉴스레터 제작이 반나절로 줄면서 확보한 시간을 기획과 사람을 만나는 일에 쓰고 있다고 밝혔습니다. AI 콘텐츠가 넘쳐날수록 무엇을 말할지 정하고 신뢰를 만드는 사람의 역할은 더 커진다고 강조했습니다.

저널

데이터 라벨링 업체 선정 가이드: 세 유형 비교와 RFP 질문 8개

라벨링 업체는 인력 규모로 고르면 실패합니다. 세 유형의 차이와 RFP에 넣을 질문 여덟 개를 정리한 선정 가이드입니다.

저널

AI CCTV 구축 업체 선정 시 확인할 7가지

데모 정확도만 보고 업체를 고르면 현장에서 멈춥니다. 구축 업체 선정 시 확인할 일곱 가지와 답변 정리 양식입니다.

AI 인사이트

[슈퍼브 인사이트] 모든 지표가 정상인데, 비용은 계속 새고 있었다니!⛲️(신뢰 엔지니어의 등장)

모든 지표가 초록불인데 결과만 서서히 어긋나는 실패가 있습니다. 데이터를 다루는 일의 기준이 '제때 정확하게 전달했는가'에서 '이 데이터 위에 세운 AI를 믿을 수 있는가'로 옮겨가는 흐름을 살펴봅니다.

저널

자체 구축 vs 외주 vs 플랫폼: 비전 AI 데이터 파이프라인 총비용

세 방식의 총비용은 구성 자체가 다릅니다. 금액 대신 비용 항목으로 비교하고 조건별로 맞는 방식을 정리했습니다.

저널

로봇 학습 데이터 조달 가이드: 공공 데이터셋부터 구축 업체 선정까지

로봇 학습 데이터를 구하는 경로는 네 가지입니다. 공공·공개 데이터셋으로 되는 구간과 안 되는 구간, 구축 업체를 고를 때 확인할 기준, 비용을 좌우하는 변수를 정리했습니다.

보도자료

'로봇 눈'의 진화…슈퍼브AI, 'K-엑사원 데이터 공장' 가동

피지컬 AI 경쟁의 승부처가 하드웨어를 넘어 실환경 데이터와 학습 역량으로 옮겨가고 있습니다. 슈퍼브에이아이는 가정 50곳에서 촬영한 4억 프레임을 108만 프레임으로 큐레이션하고, 이 중 30만 프레임을 학습용 자산으로 전환하고 있습니다.

이벤트 및 웨비나

비전 AI 해커톤 1등 수상자는 무엇을 만들었을까? SEEN, PPE 탐지 넘어 산업안전 의사결정으로

Superb AI × B.D.A.I 비전 AI 해커톤 1등 SEEN은 이미지 2만 장과 어노테이션 19만 개로 만들어졌다. 물류센터에서 본 위험 구역 문제를 PPE 탐지 서비스로 옮기고, 4주 만에 mAP50 0.843 모델과 대시보드까지 완성한 과정을 정리한다

저널

데이터 라벨링 외주 비용: 단가를 정하는 5요소와 견적 체크리스트

라벨링 외주 견적은 단가표 하나로 정해지지 않습니다. 비용에 들어가는 다섯 요소와 업체 비교가 가능해지는 견적 요청 체크리스트를 정리했습니다.