Chapter 3: Siemens·Rockwell·ABB — 전통 OT 기업의 피지컬AI 전환

3.1 OT(운영기술)와 IT의 융합 — 전통 강자들의 딜레마

NVIDIA가 "공장을 통째로 가상에서 짓는 회사"로 자신을 재포지셔닝하는 동안, 정작 지난 50년간 그 공장 안에서 PLC·SCADA·MES·로봇 컨트롤러를 깔아 온 OT(Operational Technology) 강자들은 어떤 답을 내고 있는가. Siemens(1847년 설립, 독일)·Rockwell Automation(1903년, 미국)·ABB(1883년, 스위스)는 모두 100년 이상의 산업 자동화 자산을 보유한 회사들이다. 이들은 각 공장의 시멘트 바닥 밑에 깔린 케이블, 캐비닛 안의 PLC, 라인 옆의 로봇 팔을 실제로 만들어 팔아 온 기업들이고, 그 설치된 자산(installed base)의 규모가 수십조 원에 이른다.

이 회사들이 직면한 딜레마는 명료하다. 수십 년간 깔아 온 인프라는 자산이지만 동시에 부채다. NVIDIA가 OpenUSD·Omniverse·Isaac으로 그린필드(green-field) 공장의 표준을 새로 쓰는 동안, OT 기업들은 이미 가동 중인 수만 개 공장의 PLC·SCADA를 단번에 교체할 수 없다. 동시에 신흥 플랫폼들과 경쟁하지 않으면 "현장 자산은 우리, AI 두뇌는 NVIDIA"라는 분업 구도에서 부가가치 사슬의 하단으로 밀려난다. 결국 세 회사가 2025-2026년에 선택한 길은 "신흥 플레이어와의 전면 경쟁이 아닌 깊은 협력" — 모두 NVIDIA와 다년 파트너십을 체결하면서, 자사의 도메인 자산(현장 데이터·제어 SW·로봇 펌웨어)을 NVIDIA 스택의 산업 도메인 어댑터로 재포지셔닝했다.

이 챕터는 세 회사가 같은 NVIDIA 파트너 카드를 어떻게 다른 방식으로 활용하는지를 본다. Siemens는 디지털 엔터프라이즈 + 산업 메타버스, Rockwell은 에지 generative AI + Omniverse 디지털트윈, ABB는 로봇 시뮬레이션의 sim-to-real 격차 해소에 각각 집중한다. 코스맥스 같은 화장품 ODM 입장에서는 이미 자사 공장에 들어와 있는 PLC·MES 벤더(상당수가 Siemens 또는 Rockwell)가 어떤 AI 기능을 제공하기 시작하는지가 가장 직접적인 의사결정 변수다.

3.2 Siemens — 디지털 엔터프라이즈 전략

NVIDIA와 산업용 AI 운영체제 공동 구축

2026년 1월 CES에서 Siemens와 NVIDIA는 "Industrial AI Operating System" 공동 구축을 발표했다 ^[8]. Siemens가 보유한 수백 명의 산업 AI 전문가와 PLM·CAE·EDA·MES 소프트웨어 자산, NVIDIA의 AI 인프라·시뮬레이션 라이브러리·블루프린트가 결합돼 디자인→엔지니어링→제조→운영→공급망까지 산업 가치사슬 전체를 단일 운영체제 위에 올린다는 구상이다. 첫 청사진은 독일 Erlangen에 있는 Siemens 자체 전자 공장으로, 2026년 안에 세계 최초의 fully AI-driven, adaptive 제조 사이트로 전환된다. EDA 소프트웨어에는 NVIDIA NIM·Nemotron이 직접 통합되고, Siemens 시뮬레이션 포트폴리오 전체가 CUDA-X로 GPU 가속된다.

이 발표의 의미는 NVIDIA 챕터(2장)에서 본 Omniverse·Isaac·Jetson 스택이 현장의 SW와 한 몸이 됐다는 점이다. 과거 NVIDIA 디지털트윈은 "예쁜 시각화"에 머물 위험이 있었지만, Siemens TIA Portal·Teamcenter·Opcenter MES와 직접 연결되면 PLC 로직 변경이 디지털트윈에서 검증되고, MES 작업지시가 Omniverse 시뮬레이션에 즉시 반영된다. 이 통합은 신흥 플레이어 단독으로는 만들 수 없는 종류의 자산이며, Siemens가 협력 카드로 들고 온 가장 큰 패다.

Digital Twin Composer와 PepsiCo 사례

같은 CES 2026에서 Siemens·NVIDIA·PepsiCo 3자가 발표한 Digital Twin Composer는 산업 메타버스를 가장 구체적으로 정량화한 사례다 ^[10]. PepsiCo의 음료 공장 한 곳을 Digital Twin Composer + NVIDIA Omniverse + computer vision으로 통째 디지털트윈화한 결과:

• 잠재 품질 이슈의 90%까지 사전 식별 — 물리적 변경을 가하기 전 AI 에이전트가 시뮬레이션·테스트·정제 사이클을 돌려 라인 변경의 위험을 미리 잡아낸다.
• 처리량 20% 증가 — 동일 라인에서 시뮬레이션 기반 최적화만으로 산출.
• Capex 10–15% 절감 — 라인 신·증설 시 over-engineering 제거.
• 거의 100%에 가까운 design validation 커버리지 — 설계 단계에서 검증되지 못한 채 양산에 들어가는 변경이 사실상 사라진다.

이 수치들이 화장품 ODM 입장에서 흥미로운 이유는, PepsiCo의 음료 공정이 "고속·다품종 충전 + 라벨링 + 패키징"이라는 점에서 코스맥스 충전·포장 라인과 구조적으로 닮았기 때문이다. 다양한 SKU를 짧은 배치로 흘리는 라인의 변경 cost가 가장 큰 골치인데, Digital Twin Composer가 보여준 "변경 전 90% 이슈 사전 잡기"는 ODM의 변경 관리 비용을 결정적으로 줄일 수 있는 도구다.

Mendix 저코드로 현장 직원도 AI 앱 개발

Siemens가 보유한 또 다른 카드는 Mendix — 2018년 인수한 AI 지원 low-code 애플리케이션 개발 플랫폼이다 ^[4]. Mendix는 Siemens Xcelerator 디지털 비즈니스 플랫폼의 임베디드 환경으로, 워크플로우·재고·생산 일정·품질 관리·SCM·예측 정비·데이터 시각화 앱을 코드 없이 만들게 해 준다. 2025년 Gartner Magic Quadrant for Enterprise Low-Code Application Platforms Leader로 선정됐고, Siemens Energy 한 곳에서만 200개 이상의 사내 앱이 Mendix로 운영 중이다. Opcenter Execution MES도 Mendix 통합으로 코딩 없이 적응형 MES 앱을 생성할 수 있다.

이 점이 코스맥스급 ODM에게 매력적인 이유는 "AI 적용에서 가장 큰 병목이 IT 인력 부족"이라는 현실 때문이다. 2장에서 본 NVIDIA 스택은 강력하지만 전문 ML 엔지니어를 요구한다. 반면 Mendix는 현장 OT 엔지니어·생산관리 직원이 직접 자기 라인의 SCADA 데이터를 끌어와 대시보드와 간단한 AI 추론을 붙이는 길을 연다. 한국 중견 제조사가 흔히 가진 "AI는 좋다는데 사람이 없다"는 문제의 부분 해법이다.

다만 Mendix가 만능은 아니다 — 복잡한 커스텀 로직은 결국 Java/Python fallback이 필요하고, Mendix DSL 자체의 학습 곡선도 존재한다. Siemens Inspekto 같은 시각 품질 검사(20 샘플로 1시간 미만 학습), Audi 차체 공장의 5M 용접/일 25배 가속, Senseye 예측 정비 generative AI 등 Siemens 자체 AI 도구들 ^[9]과 결합되면, "현장에서 즉시 만질 수 있는 AI"의 폭이 확연히 넓어진다. Amberg 공장은 1,000개 이상의 센서와 AI 예측 정비로 25% 정비 비용 절감을 이미 달성했다.

3.3 Rockwell Automation — 제조 특화 AI

2025 Smart Manufacturing Report — 95%가 AI 투자 계획

Rockwell이 매년 발간하는 State of Smart Manufacturing Report의 10주년 판(2025년)은 17개국 1,500개 이상의 제조사를 대상으로 한 글로벌 설문이다 [Rockwell Automation, 2025a]. 가장 강력한 단일 수치는 "95%의 응답자가 향후 5년간 AI/ML에 투자 중이거나 계획 중"이라는 점이다. 단순 인지가 아니라 예산·조직 변화의 단계로 진입했다는 뜻이다. 그 외 주요 발견:

• 품질 관리가 2년 연속 1위 AI 사용 사례 — 2025년 응답자의 50%가 품질 관리에 AI를 적용 예정. 화장품 ODM의 핵심 KPI(불량률·재작업률)와 정확히 일치.
• Generative·causal AI 투자 YoY +12% — 단순 비전 AI를 넘어 LLM·인과 추론으로 영역 확장.
• 사이버 보안이 2위 외부 리스크 — 2025년 49%가 사이버 보안에 AI 활용 예정(2024년 40%에서 상승). OT 네트워크가 IT와 연결되면서 등장한 새 위협.
• "AI 적용 능력"의 스킬 중요도 10% → 약 50% YoY 점프 — 현장 인력이 갖춰야 할 핵심 역량 인식이 1년 만에 5배.

이 설문이 코스맥스 같은 한국 중견 제조사에게 던지는 메시지는 명료하다. "AI 투자 여부"는 더 이상 차별화 포인트가 아니다. 95%가 이미 그 방향이라면, 차별화는 "어디에·얼마나 빠르게·얼마나 정교하게" 적용하느냐로 이동했다.

NVIDIA Nemotron Nano와 제조 특화 LLM

2025년 11월 시카고에서 열린 Automation Fair 2025에서 Rockwell은 NVIDIA와 함께 에지 기반 generative AI를 발표했다 ^[7]. 핵심은 NVIDIA Nemotron-Nano-9B-v2 기반의 SLM(small language model)을 FactoryTalk Design Studio에 통합한 것. 이 SLM은 다음 위치에서 모두 실행 가능하다:

• HMI 패널(현장 조작 패널) — 작업자가 자연어로 라인 상태 질의·조작 가능.
• Industrial appliance(산업용 박스 PC) — 라인 옆에 설치되는 표준 산업 컴퓨터.
• Desktop IDE — 엔지니어 PC에서 PLC 코딩 보조.
• 서버/private cloud — 사이트 단위 통합 추론.
• Air-gapped 배포 — 인터넷 차단 환경에서도 동일하게 작동.

이 마지막 항목, air-gapped 배포가 핵심이다. 2장에서 본 클라우드 LLM(GPT·Claude)은 지능 수준이 높지만 데이터를 외부로 보내야 한다. 화장품·제약·반도체처럼 레시피·공정 파라미터가 영업 비밀의 핵심인 산업에서는 이 데이터가 OpenAI·Anthropic 서버에 들어가는 것 자체가 받아들이기 어렵다. Nemotron-Nano 9B + 에지 박스 조합은 모델 가중치를 사이트 내부에 두고, 추론·예측·작업자 응답을 외부 통신 없이 처리한다. 추론·예측성·반응성에서 다른 SLM 대비 우수한 성능을 보고했다.

물론 한계도 명확하다. 9B 파라미터 모델로 GPT-4·Claude 4급의 복잡한 multi-step reasoning은 어렵다. 산업 도메인에 fine-tuning을 추가해야 실전 성능이 나온다. 그러나 "PLC 로직 수정 자동 제안", "알람 메시지 자연어 요약", "정비 매뉴얼 검색" 같은 한정된 task에는 이 정도 모델로 충분하고, 데이터 보안과 즉시성을 동시에 잡는 거의 유일한 길이다.

Omniverse 통합으로 디지털트윈 확장

Rockwell의 또 다른 NVIDIA 카드는 Emulate3D + NVIDIA Omniverse API 통합(2025년 초 완료)이다 ^[6]. Emulate3D는 Rockwell이 인수해 보유한 디지털트윈 SW로, OpenUSD 인터오퍼러빌리티와 NVIDIA RTX 렌더링이 결합되면서 factory-scale 동적 디지털트윈을 만들 수 있게 됐다. 2025년 GTC에서 공개된 Emulate3D Factory Test는 가상 controls testing과 Factory Acceptance Testing(FAT) 자동화를 시연했다 — 즉, 새 라인을 물리적으로 가동하기 전 PLC·SCADA·로봇 코드를 가상에서 통합 검증하는 표준 절차를 디지털트윈으로 옮긴 것이다.

타깃 산업으로 명시된 6개는 CPG·식음료·라이프사이언스·반도체·자동차·자재 핸들링. 이 중 CPG와 라이프사이언스가 화장품 ODM의 인접 산업이다. 한 가지 주의점은 Rockwell 자사 SW lock-in 위험 — Emulate3D는 강력하지만 Rockwell 컨트롤러·Studio 5000 환경에 최적화돼 있어, 다른 벤더 PLC가 섞인 공장에서는 통합 비용이 추가된다. 코스맥스처럼 다양한 라인 벤더가 혼재한 환경에서는 "우리 라인의 PLC가 어느 벤더인가"가 Rockwell vs Siemens 도구 선택의 첫 변수가 된다.

3.4 ABB — 로봇과 HyperReality

RobotStudio HyperReality — 40% 비용 절감, 99% 정확도

세 회사 중 ABB가 가장 강한 영역은 로봇이다. 자동차 차체 용접·도장, 식품 음료 패키징, 화학·제약 분주 같은 task에서 ABB 로봇은 글로벌 점유율 상위권을 유지해 왔다. 2026년 ABB가 발표한 RobotStudio HyperReality는 이 자산을 NVIDIA Omniverse와 결합한 결과물이다 ^[2]:

• NVIDIA Omniverse 라이브러리를 RobotStudio에 통합 — 광선추적·물리 엔진·USD 기반 자산이 ABB 로봇 시뮬레이션 환경에 직접 들어왔다.
• 실 로봇과 동일한 펌웨어의 가상 컨트롤러 — 가상 로봇이 실제 로봇 펌웨어를 그대로 실행. 시뮬레이션에서 짠 프로그램이 실제 로봇에서 동일하게 작동.
• 가상-실세계 99% 정확도 — sim-to-real fidelity가 99%에 도달.
• 개발·생산 비용 최대 40% 절감 — 물리 프로토타입 제거와 반복 테스트 가상화로 산출.
• Setup·commissioning 80% 단축 — 신규 라인의 셀 셋업·검증 시간이 5분의 1로.
• Time-to-market 50% 단축 — 신차종·신제품 라인 가동까지의 총 기간 절반.

2026년 하반기 출시 예정이며 Foxconn이 첫 파일럿 고객이다. 한 가지 한계는 ABB 자체 컨트롤러·로봇에 한정된다는 점 — KUKA·FANUC·Yaskawa 로봇이 섞인 환경에서는 cross-vendor 일반화가 검증되지 않았다.

이 99% 정확도와 40% 비용 절감 수치가 NVIDIA의 일반 Omniverse·Isaac sim-to-real과 다른 점은 "벤더 자사 펌웨어"라는 결정적 차이에 있다. 일반 시뮬레이터는 동역학·센서를 일반 모델로 근사하지만, ABB는 자기 로봇의 정확한 펌웨어 동작을 알기 때문에 sim-to-real 격차의 가장 큰 원인을 원천적으로 제거할 수 있다. 이는 신흥 플레이어가 따라잡기 매우 어려운 종류의 도메인 자산이다.

제약·화학·소비재 분야 레퍼런스

ABB의 자동차 분야 Robotics Survey 2025는 OT 기업이 보는 시장의 온도를 보여준다 ^[1]:

• 31%의 응답자가 자동화·로봇 투자 증가를 비용·경쟁 압박 대응의 핵심 전략으로 꼽음.
• 33%가 비용 통제를 향후 12개월 1위 전략 우선순위로 지목.
• 30%가 인력난·임금 상승을, 34%가 에너지·자재 비용을 주요 도전으로.
• 64%가 자동차 제조에서 AMR(Autonomous Mobile Robot) 사용 증가 예상.

이 수치들은 자동차 산업 한정이지만 화장품 ODM에도 시사점이 크다. "비용 통제 1위 우선순위 + 인력난 + 에너지 비용 상승"이라는 3중 압박은 코스맥스가 직면한 환경과 동일하다. 그리고 ABB의 답은 명확하다 — AMR 확산과 AI 기반 자연어 robot programming. ABB가 2024년 AI 스타트업 챌린지에서 우승자로 선정한 T-Robotics(자연어 + 정밀 제어)와 Mbodi(자연어 학습)는 모두 "엔지니어가 코드 없이 자연어로 로봇에 새 task를 가르치는" 방향이다. 다품종 소량 라인에서 신제품마다 로봇을 재프로그래밍해야 하는 ODM에게 이 방향은 결정적이다.

Hyundai Motor Group의 Boston Dynamics 인수와 Atlas 공장 투입

ABB·Siemens·Rockwell이 기존 자산 위에 AI를 얹는 동안, 현대차 그룹은 Boston Dynamics 인수(2021)를 통해 다른 길을 택했다. CES 2026에서 발표된 현대차 그룹의 AI 로보틱스 전략은 다음과 같다 ^[3]:

• 2028년부터 미국 조지아 HMGMA 공장에 Atlas 휴머노이드를 sequencing task로 배포 — 자동차 부품 정렬·공급 작업이 첫 task.
• 2030년 component assembly·반복 동작·중량물 task로 확대.
• 미국 사업에 $26B 투자, 연간 30,000 로봇 생산 가능 신규 공장 건립.
• Hyundai Mobis가 actuator 공급, Google DeepMind와 차세대 humanoid 전략 파트너십.
• Atlas 양산은 Boston Dynamics 본사에서 이미 시작.

이 발표가 갖는 의미는 "기존 OT 벤더의 점진적 통합"과는 다른 패러다임을 보여준다는 것이다. 현대차는 자사 공장을 휴머노이드 로봇이 사람과 함께 일하는 환경으로 직접 재설계하고 있다. 단기(2028)는 sequencing 같은 비교적 단순한 task로 시작하지만, 2030 시점에서는 일반 조립 작업으로 확장된다는 로드맵이다. 한국 제조 생태계 안에서 Atlas가 실제 라인에 투입된다는 것은 협력사·부품사·공정 표준에 연쇄적 영향을 준다.

다만 이 로드맵은 장기 발표 위주로 단기 검증이 부재하고, 30,000대 양산 능력 vs 실제 수요 사이의 간극도 검증되지 않았다. 코스맥스 같은 ODM 입장에서 휴머노이드는 "2027년까지 모니터링, 2028-2030 사이 파일럿 검토"가 합리적 시야 거리다.

3.5 전통 OT 기업이 시사하는 것

세 회사를 한 표로 정리하면 다음과 같다.

피지컬AI 도입은 "교체"가 아닌 "통합"

세 회사 사례에서 일관되게 나오는 메시지는 명확하다. 피지컬AI는 기존 OT 자산을 교체하는 것이 아니라 통합하는 일이다. NVIDIA의 Omniverse·Isaac만으로는 PLC 로직, MES 작업지시, 로봇 펌웨어, SCADA 데이터를 다룰 수 없다. 반대로 Siemens·Rockwell·ABB만으로는 LLM·sim-to-real·디지털트윈의 최신 AI 기능을 따라잡을 수 없다. 두 세계가 합쳐진 결과가 2025-2026년의 산업 AI 운영체제다.

이 점이 한국 중견 제조사에게 결정적이다. 코스맥스 같은 회사가 "AI 도입"을 시작할 때 가장 큰 함정은 기존 자산을 무시하고 NVIDIA·OpenAI 같은 새 스택만으로 그린필드 시도를 하는 것이다. 이 방식은 PoC에서는 멋지지만 양산 라인에서 거의 실패한다 — 기존 PLC·MES와의 통합 비용이 본 AI 투자의 3-5배로 부풀어오르기 때문이다. 반대로 자사 공장에 깔린 Siemens·Rockwell·ABB 자산이 어떤 AI 기능을 새로 제공하기 시작하는지부터 점검하면, 통합 비용이 대폭 낮아진다.

기존 자산을 활용한 단계적 접근

세 회사의 도구를 코스맥스 같은 ODM이 단계적으로 도입하는 시나리오:

• 0–6개월: Vendor inventory — 인천·평택·상해 라인의 PLC·MES·로봇 벤더를 정리. 각 벤더의 2025-2026년 AI 로드맵 확인. Siemens 비중이 높으면 Mendix·Industrial AI OS 우선, Rockwell이 높으면 FactoryTalk + Nemotron, ABB 로봇이 많으면 HyperReality.
• 6–12개월: 1개 라인 파일럿 — 가장 변경 빈도가 높은 충전·포장 라인 1개에 (a) Siemens Inspekto 또는 Rockwell vision QC를 도입(20-샘플 학습으로 결함 탐지), (b) 같은 라인에 디지털트윈 미니 버전(Digital Twin Composer 또는 Emulate3D)을 구축해 SKU 변경 시뮬레이션을 시도.
• 12–24개월: Air-gapped LLM 도입 — 레시피·공정 파라미터 보안이 중요한 공정에 Rockwell-Nemotron 또는 Siemens Industrial Copilot 류 air-gapped SLM을 도입. PLC 로직 수정 보조, 알람 자연어 요약, 정비 매뉴얼 RAG 검색이 첫 task.
• 24–36개월: 디지털트윈 풀 사이트 — 1개 사이트(예: 평택)를 PepsiCo-Siemens 모델로 풀 디지털트윈화. 처리량 20%, capex 10-15% 절감을 KPI로 설정.

코스맥스 같은 중견 기업에게 주는 시사점

코스맥스 임원실 관점에서 이 챕터의 핵심 takeaway는 다음 4가지다.

첫째, NVIDIA 한 곳만 보지 말 것. 2장에서 본 NVIDIA 스택은 강력하지만 그 자체로는 공장 라인 위에서 작동하지 않는다. 자사 공장에 이미 들어와 있는 Siemens·Rockwell·ABB 같은 OT 벤더가 어떤 AI 기능을 새로 제공하기 시작하는지가 더 빠른 진입점이다.

둘째, 에지·air-gapped LLM이 결정적. 화장품 ODM의 핵심 자산은 브랜드사가 위탁한 처방·공정 파라미터다. 클라우드 LLM에 이 데이터를 보내는 것은 대부분의 글로벌 브랜드 계약에서 금지된다. Rockwell-Nemotron 같은 9B 에지 SLM이 air-gapped 환경에서 작동한다는 사실은 ODM의 보안 요구와 AI 활용을 동시에 만족시키는 거의 유일한 길이다.

셋째, 자연어 robot programming에 집중. ABB의 T-Robotics·Mbodi 우승, Siemens NX CAM Copilot, Rockwell FactoryTalk Copilot이 모두 같은 방향이다. 다품종 소량 라인에서 신제품마다 로봇·포장기 재프로그래밍이 필요한 ODM에게 이 방향은 비용 구조 자체를 바꾼다. 95% 기업이 AI 투자 계획이라는 [Rockwell Automation, 2025a] 시점에서, ODM이 차별화하려면 "어떤 AI를 도입했는가"가 아니라 "현장 인력이 얼마나 빠르게 새 task를 가르칠 수 있는가"가 KPI가 된다.

넷째, 휴머노이드는 모니터링 단계, 협동로봇·AMR은 실행 단계. 현대차-Atlas 사례는 인상적이지만 2028 sequencing → 2030 assembly 로드맵이다. 코스맥스가 2026-2027 시점에서 실행할 영역은 휴머노이드가 아니라 ABB·FANUC·UR 협동로봇과 AMR이고, 이들의 자연어 programming·sim-to-real 도구가 충분히 성숙했다.

다음 4장에서는 같은 풍경을 컨설팅사(McKinsey·BCG·Deloitte·PwC)의 ROI 모델·로드맵 관점에서 다시 본다. OT 기업이 "어떻게 만들 것인가"를 답한다면, 컨설팅사들은 "얼마를 벌 것인가"와 "어떤 순서로 투자할 것인가"를 답한다.

참고문헌

1. ABB Robotics and AMS (2025). ABB-AMS Automotive Manufacturing Outlook Survey 2025. Automotive Manufacturing Solutions / ABB Robotics. https://www.automotivemanufacturingsolutions.com/reports/amsabb-automotive-manufacturing-outlook-survey-2025-cost-pressures-bite-but-ev-and-hybrid-optimism-persists/2588253
2. ABB Robotics and NVIDIA (2026). Closing the Sim-to-Real Gap: How ABB's RobotStudio HyperReality Enables Industrial-Scale Physical AI. ABB Press Release. https://new.abb.com/news/detail/134178/wbstr-closing-the-sim-to-real-gap-how-abbs-robotstudior-hyperreality-enables-industrial-scale-physical-ai
3. Hyundai Motor Group and Boston Dynamics (2026). Hyundai Motor Group Announces AI Robotics Strategy to Lead Human-Centered Robotics Era at CES 2026. Hyundai Press / CES 2026. https://www.hyundai.com/worldwide/en/newsroom/detail/hyundai-motor-group-announces-ai-robotics-strategy-to-lead-human-centered-robotics-era-at-ces-2026-0000001100
4. Mendix and Siemens (2025). Mendix Low-Code Platform within Siemens Xcelerator (Smart Manufacturing). Mendix / Siemens Press. https://www.mendix.com/siemens/
5. Rockwell Automation (2025a). 10th Annual State of Smart Manufacturing Report 2025. Rockwell Automation Industry Report. https://www.rockwellautomation.com/content/dam/rockwell-automation/documents/pdf/campaigns/state-of-smart-2025-cpg/INFO-BR029C-EN-P.pdf
6. Rockwell Automation and NVIDIA (2024). Rockwell Automation Brings Autonomous Operations to Life Using NVIDIA Omniverse. Rockwell Press Release / NVIDIA Case Study. https://www.rockwellautomation.com/en-us/company/news/press-releases/Rockwell-Automation-Brings-Autonomous-Operations-to-Life-Using-NVIDIA-Omniverse.html
7. Rockwell Automation and NVIDIA (2025). Rockwell Automation to Advance Industrial Intelligence Through Edge-Based Generative AI with NVIDIA Nemotron. Rockwell Press Release (Automation Fair 2025). https://www.rockwellautomation.com/en-us/company/news/press-releases/rockwell-automation-to-advance-industrial-intelligence-through-e.html
8. Siemens and NVIDIA (2026). Siemens and NVIDIA Expand Partnership to Build the Industrial AI Operating System. NVIDIA Newsroom / CES 2026. https://nvidianews.nvidia.com/news/siemens-and-nvidia-expand-partnership-industrial-ai-operating-system
9. Siemens and NVIDIA Blog (2025). Siemens Makes Factory Floors Smarter With Industrial AI. NVIDIA Blog. https://blogs.nvidia.com/blog/siemens-industrial-ai/
10. Siemens, NVIDIA, and PepsiCo (2026). Siemens Brings Industrial Metaverse to Life with Digital Twin Composer (PepsiCo Collaboration). Siemens News / CES 2026. https://news.siemens.com/en-us/digital-twin-composer-ces-2026/