이제는 Edge 컴퓨팅을 넘어 Edge AI 나아갈 시간

언제 어디서든 데이터를 보내고, 대량의 컴퓨팅 자원을 활용해 분석해서 결과물을 가져다 사용할 수 있는 클라우드 덕분에 기업들은 과거 보다 더 빠르게 의사결정을 내릴 수 있게 되었습니다. 그리고 이는 고스란히 서비스 품질 향상으로 이어졌고, 사용자들은 보다 편리하게 서비스를 이용할 수 있게 되었죠. 그리고 그들은 기업에게 다시 서비스에 대한 피드백을 남기고, 기업은 그 피드백을 빠르게 반영할 수 있어 클라우드의 인기는 꾸준히 증가하고 있습니다.

그런데 클라우드는 태생적으로 데이터를 클라우드 데이터 센터로 보내야 하는 한계가 있습니다. 물론 기업에서 운영하는 거대한 온프레미스 데이터 센터까지 보내기 위해 고가의 전용선을 설치하지 않고 현재 데이터가 있는 그 자리에서 퍼블릭 인터넷을 통해서도 클라우드 데이터 센터로 보낼 수 있는 장점이 있긴 합니다만, 일단 기업에서 사용하는 클라우드 인프라로 데이터를 모아야만 분석하고, 다시 분석 결과가 필요한 곳으로 데이터를 보내야 합니다. 분석해서 의사결정에 활용할 데이터의 양이 많다면, 데이터가 생성된 위치의 인터넷 환경에 따라 클라우드로 데이터를 전송하는 시간 역시 차이가 날 수밖에 없고 일단 데이터가 한데 모여야만 분석을 할 수 있기 때문에, 현장에서 신속하게 데이터 기반 의사결정을 내리기 어려울 수 있습니다.

그래서 이러한 한계를 극복하기 위해 탄생한 것이 있습니다. 클라우드처럼 데이터가 생성된 곳에서 클라우드로 데이터를 보내는 것이 아닌, 데이터가 생성된 바로 그곳 혹은 매우 가까운 곳에서 데이터를 수집하고 분석해 현장에서 빠른 의사결정을 내릴 수 있게 하는 Edge 컴퓨팅입니다.

<이미지 출처 : 더스쿠프, Edge 있게 Edge에 선 스타트업의 비밀>

위와 같이 Edge 컴퓨팅은 IoT 기술의 발전으로 급격하게 커졌습니다. 실제 Edge 컴퓨팅이 가장 활발하게 사용되고 있는 분야도 제조업이고요. IoT 기기들이 생성하는 데이터를 중앙의 거대한 데이터 센터로 보내서 분석하고, 분석 결과를 다시 현장으로 보내서 의사결정에 활용하는 것이 아닌, IoT 기기들이 데이터를 생성한 현장에서 조금 더 작은 규모의 컴퓨팅 자원을 바탕으로 신속하게 분석 후 의사결정을 내리는 것이 제조업에서 활용되는 Edge 컴퓨팅 사례입니다.

그런데, 클라우드도 Edge 컴퓨팅도, 그리고 온프레미스에서도 대량의 데이터를 빠르게 분석하기 위해 필요한 것이 있습니다. 바로 AI입니다. 사람이 일일이 데이터를 정제하고 이리 저리 돌려보고 분석해 내기 어려울만큼 데이터의 양은 엄청나게 증가하고 있기 때문에 AI의 도움은 필연적으로 따라옵니다. 기업들은 데이터 분석에 AI를 활용하기 위해 온프레미스의 커다란 데이터 센터와 클라우드 데이터 센터에서 분산처리에 특화된 GPU를 활용하고 있죠. 최근 가장 각광받고 있는 생성형 AI 역시 고성능의 GPU를 대량으로 장착해 활용할 수 있기 때문에 가능한 기술입니다.

<이미지 출처 : NVIDIA Technical Blog>

그렇다면, 이 GPU가 Edge 컴퓨팅에 적용하면 어떨까요? 중앙의, 대량의 GPU가 장착된 온프레미스나 클라우드로 데이터를 보내지 않고도 Edge 단에서 AI를 활용해 데이터를 분석할 수 있다면, 과거 보다 더 많은 데이터를 분석해낼 수도 있게 되고, 이는 곧 더 정확한 예측이 가능해지니 좀 더 효과적인 의사결정을 내릴 수 있게 되지 않을까요? 

그래서 이번 콘텐츠에서는 Edge 컴퓨팅에 AI가 접목된 Edge AI에 대해 다뤄보려고 합니다. Edge 컴퓨팅 인프라를 제공하는 Lenovo와 AI 데이터 분석의 핵심 자원인 GPU를 공급하는 NVIDIA가 어떤 협력을 하고 있는지, 이 둘의 만남으로 인해 산업 전반의 Edge 컴퓨팅이 어떻게 변화해하고 있는지 살펴보겠습니다.  주요 아젠다는 아래와 같습니다.

이 콘텐츠는 Lenovo의 지원으로 제작되었습니다.

​

1. Edge AI 개념

Deloitte Global은 2023년에 엔터프라이즈 네트워킹은 4%, 엔터프라이즈 IT는 6%의 연간 성장률을 기록할 것임을 전망했는데 엔터프라이즈 Edge는 무려 23% 성장할 것이라고 발표했습니다. 그 어떤 IT 분야보다 Edge의 성장률이 도드라지고 있는데, 그 이유는 그만큼 현장에서 보다 빠른 데이터 기반 의사 결정을 원하고 있기 때문입니다.

앞서 서두에서 언급한 Edge 컴퓨팅이 클라우드 컴퓨팅 대비 가진 장점에 더해 AI가 접목되면 어떤 변화가 생길까요? 그 전에 우선 Edge AI의 개념부터 살펴보겠습니다.

"엣지 AI는 AI 알고리즘을 사용하여 데이터를 처리하고, 특정 요인을 바탕으로 응답을 생성하는 표준 ML 아키텍처의 원리를 바탕으로 합니다. 과거엔 클라우드 기반 API를 통해 중앙 집중식 데이터 센터로 데이터를 전송하고, 그곳에서 데이터를 분석하고 인사이트를 확보했습니다." 출처 : HPE 용어 해설

"엣지 AI는 물리적 세계 전반에 걸쳐 기기에 AI 애플리케이션을 구축하는 것을 뜻합니다. “엣지 AI” 명칭이 부쳐진 이유는 AI 연산이 클라우드 컴퓨팅 설비나 사설 데이터센터 중심에서 이뤄지는 것이 아니라 데이터가 위치한 곳에 근접한 네트워크의 가장자리(엣지) 사용자 주변에서 이뤄지기 때문입니다." 출처 : NVIDIA 블로그

Google에서 Edge AI라고 검색했을 때 가장 위에 나오는 사이트 두 곳의 결과입니다. 둘 다 비슷한데, 핵심은 Edge 단에서 AI를 활용한다는 것인데요. 그렇다면 그냥 Edge 컴퓨팅과 Edge AI는 어떤 차이점이 있는 것일까요? ChatGPT에게 물어봤습니다.

ChatGPT가 설명해 준 Edge AI는 위와 같습니다. Edge 컴퓨팅에 AI가 더해진 것이라고 설명하는데, 제가 Edge AI가 기존의 Edge 컴퓨팅과 어떻게 다른지도 물어봤는데요. Edge AI는 Edge 컴퓨팅의 일부이며 AI 알고리즘이 추가된 것, 이를 통해 실시간 분석이 가능하다는 것이 핵심입니다. 즉, Edge AI는 Edge 컴퓨팅의 장점을 AI 기술을 활용해 더욱 강화시킨 것으로 이해하시면 되겠습니다.

​

2. Edge AI 활용 사례

그렇다면, Edge AI가 기존의 Edge 컴퓨팅이 적용되어 활용되던 분야에서 어떻게 그 효과를 더욱 강화시킬 수 있을 지 살펴볼 차례입니다. 주요 업종 별 사례를 간단히 정리해 보겠습니다.

 1) 스마트 시티, 공공 장소 및 보안을 위한 Edge AI

UN에 따르면 2050년까지 전 세계 인구 중 68%는 도시 지역에 거주하게 될 것이며, 도시들은 전 세계 에너지의 78%를 소비하고 있다고 합니다. OECD는 서비스의 디지털화가 EU 내 도시 중 85%에서 운영 비용을 절감했다고 발표했습니다. 이처럼 도시의 인구는 지속적으로 증가하고 있고, 도시의 운영 효율성 향상을 위해 각종 디지털 기술이 활용되고 있다고 볼 수 있는데요. 그 중심에 Edge 컴퓨팅, Edge AI가 있습니다.

Edge AI는 도시들이 보유한 데이터를 바탕으로 공간 및 인프라의 활용도를 높이고, 사람 및 교통 흐름, 에너지 소비, 환경 변화가 도시 생활이 끼치는 영향을 실시간으로 관리함으로써 도시 생활의 쾌적함을 도울 수 있습니다. 구체적으로 어떻게 도울 수 있는지 정리하면 아래와 같습니다.

• ●공항 관리 : 히트맵을 활용해 탑승객 흐름을 이해해서 체크인 및 보안 대기줄을 줄여주고 주차 운영 자동화를 통해 공항 주변의 교통 혼잡 해결

• ●교통 관리 : 차량 대수와 번호판 인식 기술로 신속하게 신호를 조정해 교통 흐름 개선, 보행자 안전 보장

• ●공공 안전 : 시설물 출입 권한이 없는 사람에 대한 보안 경고, 화재와 같은 안전 사고 발생 시 빠르게 수습, 공기 질 센서에서 수집된 데이터를 빠르게 분석해 지역 별 대기 오염 상황 전파

 2) 소매유통 및 외식 산업을 위한 Edge AI

코로나19 이후로 소매업에 큰 변화가 생겼습니다. 지속적으로 성장해왔던 e커머스는 비대면이 일상화되면서 폭발적으로 성장했고, 이 때 전통적인 오프라인 소매업은 큰 타격을 받았죠. 그래서 소매업에서는 온라인에서 경험했던 편리한 쇼핑 경험을 오프라인으로 가져오기 위해 많은 노력을 하고 있습니다. 

그렇다면 전통의 오프라인 소매업 및 외식 산업이 온라인에서 경험할 수 있는 편리함을 어떻게 매장에서 적용해 오고 있을까요? Edge AI가 가져온 변화의 바람을 간단히 정리했습니다.

• ●자율 쇼핑 : 매장에서 계산 자동화, 상품이 선반을 떠나면 자동으로 주문하는 스마트 캐비넷

• ●매장 분석 : 히트맵을 통한 매장 대기열/대기시간 최적화, 제품 디스플레이 배치 수정 재배치

• ●자산 보호 : 제품 스캐팅 오류, 직원 절도 등을 식별하고 차단

• ●드라이브 스루 : 음성 주문 접수 및 고도화된 추천

• ●옴니채널 관리 : 개인화된 상품 추천 및 동적 가격 책정, 대화형 거래 지원, 실시간 사이버 범죄 보호

• ●지능형 공급 체인 : 정확하고 빠른 수요 예측, 물류 창고에서의 제품 이동 경로 최적화, 배송 최적화

 3) 제조, 공급 체인 및 운송을 위한 Edge AI

제조업은 가장 확발하게 IoT 기기를 사용하는 분야입니다. 그래서 일찍부터 Edge 컴퓨팅을 활용해 왔는데요. 글로벌 시장조사기관 IDC의 조사에 따르면, 자사의 IoT 애플리케이션 사용 확대 및 공정 자동화, 재고 관리 효율화 및 예측의 정확도 향상에 투자하려는 기업들은 50%를 넘었습니다. 자사의 경쟁 우위를 확보하기 위해 다양한 IoT 기기를 사용하고, 그 기기에서 수집된 데이터를 제조 현장에서 AI를 활용해 공정 자동화, 제품 설계 및 배송 프로세스 간소화를 꾀하는 업체들이 늘어나고 있다고 봐도 될 것 같습니다.

그럼, Edge AI는 제조업 분야에서 어떤 역할을 수행할 수 있을까요? 간단히 정리해보면 아래와 같습니다.

• ●품질 관리 자동화 : 생산 라인에서 제품을 검사해 결함 및 불일치 탐지 -> 궁극적으로 품질 검사 자동화 도모

• ●생산 라인 진단 : 생산 라인 장치와 성능 모니터링, 생산량 감소를 야기할 수 있는 병목 구간과 오작동 식별

• ●예측 분석 : 기기로부터 수집된 데이터를 기반으로 생산량 최적화, 생산 라인 모니터링을 통해 잠재적인 안전 리스크를 발견해 조기 대응

• ●로보틱스 : 카메라에 딥러닝 모델을 적용, 무거운 물건 들어 올리기나 분류 작업에 활용

• ●작업자 안전 : 지능형 비디오 분석 기능을 통해 위험이 발생하기 전에 미리 사람에게 인지시켜 위험 상황을 회피

 4) 의료 기관을 위한 Edge AI

의료 산업은 디지털 기술 발달의 혜택을 가장 많이 받고 있는 업종 중 하나입니다. 기술의 도움으로 의료 기관들과 협업해 과거에는 발견하기 어려웠던 새로운 치료약을 빠르게 개발하고, 인프라가 열악한 환경에서도 갖가지 의료 장비를 갖춘 버스를 사용해 고품질의 의료 서비스를 제공하고 있죠. 게다가 Edge AI의 도움으로 보다 정확한 진단, 개인화된 치료와 같은 향상된 의료 서비스를 제공할 수 있고, 나아가 원격의료를 통해 더 많은 사람에게 의료 혜택을 전달할 수 있게 되었습니다.

의료 산업에서 Edge AI가 활약하고 있는 분야를 정리하면 아래와 같습니다.

• ●신약 개발 : 수백 만 개의 분자 모델링, 수 백개의 잠재적 치료제 스크리닝 비용 절감

• ●의료 영상 : 신속한 영상 판독 및 변경 사항 모니터링을 통해 빠르게 환자의 상태를 식별하여 조치

• ●유전체학 : 게놈 분석을 가속화하여 희귀 질병 식별 및 맞춤 치료제 개발 촉진

 5) 에너지 및 통신사업자를 위한 Edge AI

에너지 산업은 지구 온난화와 같은 환경 오염과 매우 밀접하게 연관되어 있습니다. 앞서 도시 인구가 지속적으로 증가해서 2050년에는 전 세계 인구의 68%를 차지할 것이며, 이들이 소비하는 에너지는 전 세계에서 소비되는 에너지의 78%에 달한다고 했던것 기억 나시죠? 이렇게 에너지 소비가 증하면서 필연적으로 따라오는 것이 환경 오염 문제입니다. 그래서 최근 몇 년 동안, 대양열, 풍력, 수력 등 재생 에너지 기술 개발에 열을 올리고 있고 조금씩 성과를 내고 있습니다.

그리고 통신사업자는 에너지 산업군이 더욱 효율적으로 재생 에너지를 생산하고, 에너지 관리 비용을 절감할 수 있도록 돕습니다. 이것을 가능케 하는 것이 에너지를 생산해 내는 바로 그 곳에 위치한 Edge 컴퓨팅입니다. 그럼, 에너지 및 통신사업자들에게 Edge AI는 어떤 도움을 줄 수 있는지 알아볼까요?

• ●스마트 미터링 : 지능형 센서로 정전 및 이상 현상 실시간 탐지, 에너지 사용 최적화를 통한 운영 비용 절감

• ●망 모니터링 : AI 기반 네트워크 모니터링을 통해 보안 위협을 식별하고 잠재적인 시스템 중단 이슈 탐지

• ●데이터 최적화 : 고객 데이터를 분석해 사용량 트렌드 및 고객의 선호 사항에 대핸 통찰력 제공

• ●네트워크 최적화 : 망 성능 최적화, 대기시간 단축을 통해 네트워크 효율성 개선

• ●사전 예방적 망 유지관리 : AI 기반 예측 분석으로 잠재적인 이슈 탐지, 문제가 발생하기 전에 유지관리 전략 추천

​

3. Edge AI 구현을 위한 Lenovo + NVIDIA 솔루션

지금까지 Edge AI란 무엇이고 어떤 분야에 활용되고 있는지에 대해 살펴봤습니다. 그럼 이제 Edge AI를 구현하기 위해 무엇이 필요한지 알아봐야겠죠? Edge 인프라를 제공하는 Lenovo와 AI를 위한 하드웨어와 소프트웨어를 제공하는 NVIDIA가 어떤 솔루션을 제공하고 있는지 한 눈에 살펴보겠습니다. 아래 그림을 참고해 주세요.

Edge AI 솔루션은 Lenovo의 Edge AI Ready 인프라 위에서 NVIDIA의 AI 라이브러리, 툴킷을 기반으로 개발되어 운영됩니다. Lenovo의 Edge 컴퓨팅 인프라에 NVIDIA가 날개를 달아준 겪인데요. 어떤 솔루션들이 있는지 좀 더 자세히 살펴보겠습니다.

 1) Edge AI Lenovo 솔루션

• ■Lenovo ThinkEdge SE70

Lenovo ThinkEdge SE70은 Edge 환경에 최적화된 시스템으로 AI 및 컴퓨터 비젼 애플리케이션을 운영하기에 적합합니다. NVIDIA Carmel ARMv8.2 프로세서에 NVIDIA Volta GPU, 2TB SSD를 갖춘 ThinkkEdge SE70은 CCTV와 같은 비디오 카메라를 사용하는 모든 산업 부문에서 활용되어 기존의 카메라 인프라를 AI 기반 실시간 분석이 가능한 지능형 카메라 인프라로 변화시킵니다.

• ■Lenovo ThinkStation P360 Workstation

Lenovo ThinkStation P360 Workstation은 전문가용 NVIDIA RTX A5000 GPU 카드에 최대 32GB의 초고속 DDR5 메모리 및 4TB의 PCIe 4세대 NVMe SSD를 장착할 수 있습니다. 이러한 강력한 성능을 바탕으로 어느 산업 군에서든 현장에서의 빠른 작업 및 데이터 분석 등을 수행해 사용자의 신속한 의사결정을 돕습니다. 

• ■Lenovo ThinkEdge SE350

Lenovo ThinkEdge SE350은 1U 사이즈의 작은 크기에 최대 16코어를 지원하는 Intel Xeon D-2100 프로세서, 최대 256GB의 메모리와 NVMe SSD 스토리지 드라이브 8개를 갖추고 있습니다. 여기에 AI에 최적화된 NVIDIA T4 GPU가 장착되었고, 0~55도까지의 가혹한 환경에서도 안정적으로 작동될 수 있는 높은 안정성에 더해 서버의 움직임 및 침투 방지를 위한 ThinkShield Key Vault, Key Vault SED 암호화 스토리지 등의 보안 기능이 탑재된 것이 특징입니다.

• ■Lenovo ThinkEdge SE450
  

Lenovo ThinkEdge SE450은 2U 사이즈에 최대 36코어를 지원하는 Intel Xeon Platinum 프로세서, 최대 1TB 메모리와 6개의 2.5인치 드라이브 및 6개의 NVMe SSD 드라이브, 4개의 NVIDIA GPU를 장착할 수 있는 강력한 성능을 바탕으로 Edge AI에 최적화된 서버입니다. 벽에 걸거나 선반에 쌓아올릴 수도 있고, 일반적인 랙에 탑재해서 운영할 수도 있습니다. 영하 5도에서 상온 55도의 환경에서 96시간 동안 작동되는 데에 문제가 없음은 물론, 먼지와 진동이 많은 장소에서의 내구성 테스트도 통과한 것이 특징입니다.

• ■Lenovo ThinkSystem SR645

Lenovo ThinkSystem SR645는 1U 크기에 2개의 AMD EPYC 프로세서와 8TB 메모리, 12개의 NVMe 드라이브에 3개의 GPU를 장착할 수 있는 서버로 일반적인 기업의 데이터 센터에서 엔터프라이즈 급 미션크리티컬 시스템을 운영해도 손색이 없을 정도의 성능을 제공합니다. 전원부까지 이중화 되어있어 Edge에서는 더할나위없이 훌륭한 성능에 안정성까지 보장할 수 있기 때문에 현장의 최전선에서 조금 거리가 떨어진 Near Edge에서 대규모의 데이터를 빠르게 처리할 수 있는 환경을 구축할 수 있습니다.

 2) Edge AI NVIDIA 솔루션

<이미지 출처 : NVIDIA Fellt Command 소개 페이지>

NVIDIA는 AI를 위한 강력한 GPU를 제공하는 것 외에도, 하드웨어 인프라에서 AI 솔루션을 빠르게 개발하고 간편하게 운영할 수 있는 소프트웨어, NVIDIA EGX 스택을 제공합니다. 기업은 NVIDIA가 제공하는 GPU 및 Network Operator를 활용해 Edge단에서 운영되는 AI애플리케이션을 컨테이너에서 효율적으로 운영할 수 있습니다.

<이미지 출처 : NVIDIA Fleet Command 소개 페이지>

NVIDIA는 Edge에서 사용되는 기기들을 간편하면서도 안전하게 관리할 수 있고, 문제가 생겼을 때 원격지에서 빠르게 조치할 수 있도록 돕는 Fleet Command 솔루션을 제공합니다. Fleet Command의 맞춤형 대시보드에서 Edge AI 애플리케이션을 업데이트하고, 시스템 현황을 모니터링하고, 원격으로 기기에 접근해 문제를 해결할 수 있습니다.

​

4. 결론 : Edge AI 구축 시 고려 사항은?

지금까지 Edge AI의 활용 범위와 Lenono, NVIDIA가 제공하는 Edge AI 솔루션은 어떤 것들이 있는지 알아봤습니다. 그렇다면, 우리 회사도 Edge AI 환경 구축해 볼까? 하시는 분들도 계실텐데요. 그 때 어떤 부분을 고려하셔야 하는지, 이 부분을 놓치지 않아야 성공적인 Edge AI 환경 구축 프로젝트를 수행할 수 있는지 간단히 짚어보고 마무리하겠습니다.

• ●기능성 : 기술 제공 업체들이 자신들이 요구하는 Edge 애플리케이션의 기능을 충분히 구현할 수 있는지, 제공해 주는 기술 및 솔루션이 우리 회사 환경에 적합하고 확장 가능한지 등

• ●비용 : 초기 투자 비용 보다는 제공되는 기술의 전체 수명 주기 기반의 비용을 고려해서 투자

• ●공간 요구 사항 : 솔루션의 크기 및 형태가 우리 회사 환경에 설치하는 데에 문제가 없는지 검토

• ●환경 요소 : 제품에 전력 소비량, 원격 전력 관리 가능 여부가 중요하며, 저소음 및 무소음이 요구되는 장소에서도 문제없는 팬리스 및 소음 최적화 장치, 환기 장치 없이 열 관리를 할 수 있는 기능이 포함되었는지 여부

• ●통합 : 산업 현장의 상황을 고려해 IT와 OT 시스템 간 통합 및 운영에 문제가 없는지, 양방향 통신과 데이터 공유가 쉽게 가능한 지 여부
  

• ●유지관리 : 얼마나 자주 업데이트를 해야 하고 하드웨어를 수리해야 하는지, 누가 시스템 장애를 지원하며 서비스 비용은 얼마인지 확인 필요

• ●개인정보보호 및 보안 : 데이터가 중앙 데이터 센터나 클라우드로 이동하지 않고 Edge 솔루션에 저장되기 때문에 Edge단에서 업계 규제 및 데이터 보호 정책을 준수할 수 있는지 검토 필요

기업의 운영 효율성을 위해 클라우드 컴퓨팅이 대세가 되었다면, 이제는 보다 빠른 의사 결정으로 경쟁우위를 확보하기 위해 Edge 컴퓨팅이 새로운 대안으로 떠오르고 있습니다. 여기에 AI까지 가세해서 Edge 컴퓨팅의 위력에 힘을 실어주고 있는 모양새이고요. 제조업의 IoT 기기 활용으로 국한되었던 Edge 컴퓨팅은 AI라는 날개를 달고 전 산업 부분에서 활용될 수 있음을 증명해 보이고 있습니다.

당장 우리가 점심을 먹으러 방문하는 식당 역시 Edge 컴퓨팅이 활용되고 있는 아주 좋은 예로 볼 수 있는데요. 결제 카운터에 있는 POS기기 조차 단순히 결제를 하는 것을 넘어 결제 데이터를 분석해 본사나 재료 공급 업체에 빠르게 주문을 넣을 수 있게 하고, 매출 추이를 분석해 프로모션이나 이벤트를 기획할 기초 데이터를 제공하고, 주문 키오스크에 테이블 주문, 나아가 음식 서빙 로봇까지 사용되고 있습니다. 

<이미지 출처 : Frontiers, Adaptive Extreme Edge Computing for Wearable Devices>

그리고 우리가 손목에 스마트 워치, 귀에 꽂혀있는 무선 이어폰도 작게 보면 하나의 Edge 컴퓨팅입니다. 사용자의 행동 패턴을 분석해 더 나은 행동을 할 수 있도록 제시하고, 주변의 소음을 억제하고, 소리를 더 또렷하고 풍성하게 들려주니까요. 이렇듯 Edge 컴퓨팅은 이미 우리 삶 속에 깊숙히 침투해 있습니다. 따라서, 이미 익숙한 Edge 컴퓨팅을 우리의 일하는 현장으로 가져오는 것은 어색한 일이 아닙니다.

하지만 기업은 Edge 컴퓨팅 환경을, Edge AI를 구현할 때 신중할 수밖에 없습니다. 기존에 운영, 관리하던 환경과 또 다른 환경이니까요. 그래서 Edge AI 환경을 구축할 때 앞서 언급한 고려 사항도 중요하지만, 이러한 사항들을 모두 충족할 수 있는 제대로 된 업체를 선택하는 것이 무엇보다 중요합니다. 그 선택지에 Lenovo와 NVIDIA는 우선 순위에 두고 검토해 보시길 권합니다.

​

더불어 콘텐츠를 꼼꼼히 읽어주신 분들을 위해 퀴즈 이벤트를 진행합니다. 위 배너의 내용을 참고하셔서 아래의 2가지 퀴즈에 참여해 주세요. 힌트는 콘텐츠 내용 속에 있습니다. 정답자에게는 스타벅스 부드러운 디저트 세트 기프티콘이 제공되며, 이벤트 기간 종료 후 정답 공개와 함께 5명을 추첨하여 정답자 분들께 쪽지로 개인정보를 요청드릴 예정입니다.

퀴즈 1. 다음 중, Edge AI에 대한 설명으로 알맞지 않은 것은?

 1) Edge 컴퓨팅 하드웨어에 대량의 데이터를 분산 처리하기 위한 GPU와 AI 기반의 애플리케이션이 접목된 것

 2) Edge AI가 활용되는 대표적인 분야로 스마트 시티, 소매유통, 외식산업, 제조 및 물류, 의료, 에너지 산업 등이 있음

 3) Edge 컴퓨팅의 빠른 의사 결정이라는 강점을 강화하고 데이터 분석 결과의 예측 정확도를 높이기 위해 AI 사용

 4) Edge에서 바로 데이터를 분석하는 Edge 컴퓨팅과는 다르게, Edge AI는 중앙의 클라우드 데이터 센터로 데이터를 보내 AI로 데이터를 분석한 다음, 그 결과를 다시 Edge로 보내줌

퀴즈 2. 다음 중, Edge AI 구현을 위해 고려해야 할 사항으로 알맞지 않은 것은?

 1) 산업 현장과 같은 일반적이지 않은, 혹독한 환경에서도 안정적으로 구동될 수 있는 하드웨어 인프라 필요

 2) 효율적인 AI 애플리케이션 개발 및 운영을 위해 사전에 충분히 검증된 AI 소프트웨어 스택 활용

 3) Edge AI 역시 새로운 인프라 투자이기 때문에 당장의 초기 투자비용을 가장 중요하게 고려해야 함

 4) 데이터가 생성되는 Edge 단에서 업계 규제 및 데이터 보호 정책을 준수할 수 있는지 검토 필요

※ 퀴즈 이벤트 종료되었습니다.

여기까지 Edge 컴퓨팅을 넘어 Edge AI로 가야하는 이유에 대해 정리했습니다. 지금까지 보신 내용은 '레노버 + NVIDIA Edge AI가 주도하는 산업 대전환' 백서 내용을 정리한 것이고요. 보다 자세한 백서의 내용이 궁금하신 분들은 하단의 백서 다운로드 버튼을 클릭해 확인해 보시기 바랍니다.

이 콘텐츠가 평소 Edge 컴퓨팅, 그리고 Edge AI에 대해 궁금증이 많으셨던 분들께 조금이나마 도움이 되었기를 바랍니다. 끝!