GigaOM Radar Edge Platform Leader & Outperformer 2024 | 
새로운 기술과 새로운 기술이 폭넓게 받아들여지려면 새로운 비즈니스 효율성을 실현하고 소비자에게 가치를 제공할 수 있어야 합니다. AI, 빅 데이터, 클라우드 컴퓨팅 및 IoT가 개별적으로 그리고 결합하여 그 가치를 입증했습니다. 이러한 기술을 통해 기업은 최대 수백만 개의 소스에서 엄청난 양의 데이터 스트리밍을 캡처하여 대규모 클라우드 데이터 센터에 저장하고 머신 러닝(ML) 및 인공 지능(AI) 기술을 사용하여 거의 실시간으로 귀중한 인사이트를 도출할 수 있습니다.
우리는 2014년 Verizon Media에서 빅 데이터와 인공 지능의 여정을 시작했습니다. 페타바이트급 데이터를 수집할 수 있는 클라우드 기반 플랫폼을 구축하고 머신 러닝을 사용하여 실시간에 가까운 인사이트를 제공하여 전송 네트워크의 성능을 개선하고 네트워크 전반의 효율성을 높이며 더 나은 고객 경험을 제공합니다. 그런 다음 고객이 무선 사용 데이터를 사용하여 고객 행동에 대한 통찰력을 얻을 수 있도록 AI 및 빅 데이터 애플리케이션을 추가로 구축했습니다.
여러 면에서, 이러한 기술 발전은 이미 산업에 혁명을 일으키고 있으며, 우리는 길고 흥미 진진한 길의 시작에 불과합니다. 그러나 빅 데이터, 클라우드 기반 AI 및 IoT를 통해 클라우드의 처리 지연 및 지연 시간, 스토리지 비용, 보안 및 개인 정보 보호 문제로 인해 가장 강력하고 가치 있는 애플리케이션이 대부분 구현되지 않았습니다. 그리고 AI를 사용하면 며칠, 몇 분 또는 몇 초 내에 답변이 돌아오는 것은 용납되지 않습니다. 많은 애플리케이션에서 인텔리전스는 몇 밀리초 이내에 즉시 적용되어야 합니다.
이러한 장애물을 극복하기 위한 가장 확실하고 설득력 있는 해답은 프로세싱을 최종 디바이스 또는 데이터 생성 소스에 더 가까운 네트워크 에지로 이동하는 것입니다. Verizon은 전 세계 거의 모든 인터넷 사용자로부터 방대한 네트워크 용량과 10-25밀리초의 지연 시간을 제공하는 CDN을 갖춘 에지 컴퓨팅 분야의 선두 기업입니다. 주니퍼의 5G 네트워크는 <지연 시간이 훨씬 더 적은 워크로드에 대해 10ms의 지연 시간을 제공합니다. AI, IoT 및 빅 데이터 처리와 결합된 에지 컴퓨팅의 출현은 완전히 새로운 서비스와 소비자 가치의 문을 열어줍니다. 인텔리전스를 엣지에 배치함으로써 획기적인 AI 애플리케이션이 이제 거의 실시간으로 작동할 수 있습니다.
Verizon의 글로벌 에지 컴퓨팅 역량과 AI 노하우를 결합한 Verizon은 Edge AI라고 하는 완전히 통합된 플랫폼을 설계 및 구축했으며, 그 위에 특정 수직 애플리케이션을 개발하고 있습니다. 이 플랫폼은 종단 간 에지 AI 솔루션을 위한 모든 구성 요소가 이미 구축되어 있는 동종 최초의 플랫폼입니다.
AI 애플리케이션을 에지로 이동함으로써 가치를 높일 수 있는 기회는 엄청납니다. 강력한 Edge AI 솔루션을 시장에 출시할 수 있는 역량을 갖춘 네트워크 및 솔루션 제공업체에게 엄청난 기회를 제공합니다. 여러 가지 면에서, 이 솔루션은 기존 강점을 바탕으로 새로운 서비스, 사용 사례 및 애플리케이션을 수용할 수 있는 지능적이고 안전하며 확장 가능하고 안정적인 플랫폼을 구축할 수 있는 토대를 마련하여 서비스 오퍼링과 완벽하게 통합됩니다.
ABI Research는 최근 “5G와 AI: 차세대 사회 및 비즈니스 도약을 위한 재단”이라는 제목의 보고서에서 엣지 컴퓨팅과 AI가 결합하여 제공하는 낮은 지연 시간이 “우리가 살고 일하는 방식을 변화시킬 것”이라고 예측했다. 이 보고서는 이러한 기술이 “기존 기술로는 불가능한 소비자 및 기업 부문에서 다양한 새로운 비즈니스 기회를 창출할 수 있는 길을 열어줄 것”이라고 말했다. ABI Research는 에지에 배포된 AI 및 ML 애플리케이션이 2025년까지 3조 1천억 달러의 가치를 창출할 것으로 추정하고 있습니다. 기술이 성숙함에 따라 2035년 세계 국내총생산(GDP)의 9.2%에 해당하는 가치창출이 예상된다. 아래 차트에서 볼 수 있듯이 이러한 엄청난 경제적 영향은 주로 이러한 기술을 조합하여 사용할 경우 생산성이 향상될 수 있습니다.
그림 1: 15년 이내에 에지 컴퓨팅은 GDP에 상당한 영향을 미칠 것입니다.
에지 컴퓨팅의 중요성 증가
For 지난 10년 이상 기업들은 IoT 장치 및 센서로부터 데이터를 수집하거나 시설 전체에 배치된 카메라와 마이크에서 시각적 및 오디오 녹음을 수집한 후 이를 중앙 데이터 센터 또는 클라우드로 전송하여 추가 분석 및 저장을 수행했습니다.
IoT 장치의 수가 계속 증가함에 따라 이러한 접근 방식은 여러 가지 문제를 안고 있습니다. 기술 분석가 회사 IDC는 2025년까지 557억 대의 IoT 디바이스가 연결될 것으로 예상하고 있습니다. 그들은 이러한 장치가 73.1 제타바이트 (ZB)의 데이터를 생성 할 것이라고 언급하며, 이는 2019의 18.3 ZB보다 크게 증가한 것입니다. IDC는 이러한 성장으로 인해 조직은 장기적인 데이터 스토리지 전략을 재고하고 에지에서 분석/AI의 기회를 모색해야 할 것이라고 주장합니다.
수천 개의 센서를 보유한 산업 또는 제조 기업을 생각해 봅시다. 센서의 수가 증가함에 따라 이러한 센서에서 클라우드로 흘러 들어오는 방대한 양의 데이터를 전송하고 분석을 수행한 다음 결과를 제조 위치로 다시 전송하여 해당 데이터에서 얻은 통찰력에 따라 조치를 취하는 것은 실용적이지 않습니다. 이 프로세스에는 다음과 같은 여러 가지 과제가 있습니다.
-
모든 데이터를 클라우드로 전송하려면 막대한 대역폭이 필요함
-
클라우드에 모든 것을 저장하면 클라우드 스토리지 비용이 기하급수적으로 증가합니다.
-
특정 유형의 민감한 정보를 클라우드로 이동하면 해당 데이터가 위험에 처하게 됩니다.
이러한 운영 효율성 문제는 CDN의 일부로 근처에서 실행되는 서버든 공용 또는 사설 네트워크를 위한 5G MEC(Mobile Edge Computing) 인프라를 통해 온프레미스에서 실행되는 서버든 에지 컴퓨팅을 통해 모두 해결되거나 최소한 현저하게 최소화됩니다.
마지막으로 Edge AI의 가장 중요한 측면 중 하나는 실시간 사용 사례에 대한 낮은 지연 시간을 제공하는 기능입니다. Edge AI는 처리 기능을 최종 장치에 가깝게 배치함으로써 데이터 수집/수집, 처리 및 최종 작업에 필요한 작업 간의 지연을 크게 줄입니다. 대기 시간 단축은 커넥티드 차량과 몰입도 높은 게임 및 미디어 경험에서 보다 지능적이고 빠르게 변화하는 제조 환경에 이르기까지 혁신적인 애플리케이션을 구현하는 데 매우 중요합니다.
또한 Edge AI는 심해 시추 장비, 연구선 또는 공항과 같이 안정적인 인터넷/Wi-Fi 연결(또는 전혀)이 불가능한 환경에서 연결된 IoT 장치 및 ML 애플리케이션을 사용할 수 있습니다. 유해 가스의 존재와 같은 환경 조건을 모니터링하는 지능형 응용 프로그램은 클라우드 연결에 의존하는 경우 쓸모가 없습니다.
Edge AI 애플리케이션
Edge AI는 광범위한 산업 및 사용 사례에서 많은 새로운 응용 프로그램을 위한 기술 플랫폼이 될 잠재력을 가지고 있습니다. 예를 들어, Edge AI는 제조 부문에서 보다 예측 분석, 자동화된 공장 바닥, 재구성 가능한 생산 라인 및 최적화된 물류 등 Industry 4.0 이니셔티브를 광범위하게 구현할 수 있도록 지원합니다. 미디어 및 엔터테인먼트는 Edge AI를 사용하여 콘텐츠를 현지화하고 개인화를 향상시킬 수 있습니다. Edge AI는 교육/공공 부문, 원격 의료 분야에서 보다 진보된 애플리케이션을 지원하거나 운송 자동화를 한 차원 높여 도시 인프라를 전반적으로 개선할 수 있습니다. 가능성은 거의 무한합니다.
Edge AI 플랫폼의 기능과 다양성을 보여주기 위해 다음과 같은 여러 프로토타입과 데모를 개발했습니다.
-
예측 장애 감지 솔루션
-
컴퓨터 비전을 사용하는 소매용 스마트 선반 시스템
-
실험실 또는 제조 시설의 낯선 사람 감지 시스템
-
품질 보증을 위한 자동 광학 검사 시스템
예측 오류 감지 애플리케이션의 경우 센서가 모터 및 기타 장비에 장착되고 온도, 진동 및 전류에 대한 신호를 Edge AI 플랫폼으로 지속적으로 스트리밍하도록 구성됩니다. AI는 모든 데이터를 클라우드로 전송하는 대신 데이터를 지속적으로 로컬에서 분석하여 특정 모터가 고장날 때를 예측합니다. 공장 또는 유지보수 감독자는 이상 및 고장 상태를 정확하게 감지하여 생산 중단을 방지하기 위한 시정 조치를 취할 수 있습니다. 또한 데이터 저장 및 분석이 공장 위치 내에서 이루어지기 때문에 조직은 보다 적시에 알림을 받을 수 있으며 데이터 보안이 향상되고 데이터 스토리지 및 대역폭 비용이 절감됩니다.
그림 2. Edge AI가 주도하는 예측 장애 분석은 예기치 못한 장애 및 가동 중단의 위험을 최소화할 수 있습니다.
자동화된 소매 재고 추적 시스템의 작동 프로토타입에서 자율 선반 스캐닝 로봇은 Edge AI 플랫폼에서 실행되는 ML 모델에 카메라 피드를 전달합니다. 이 시스템은 객체를 인식하고 재고 세부 정보를 대시보드로 전달하여 재고 상태에 대한 보다 빈번하고 정확하며 포괄적인 통찰력을 제공하며 재고 부족에 대한 실시간 상태 모니터링 및 알림을 제공합니다.
그림 3. Edge AI가 지원하는 자동화된 리테일 재고 추적 기능을 통해 추세 모니터링을 위한 인사이트를 제공하고 실시간 알림을 제공합니다.
전자 잠금 장치 및 기타 보안 조치에도 불구하고, 무질서하게 늘어나는 제조 시설 또는 실험실 환경에서 제한된 구역에 대한 무단 접근을 방지하는 것은 어려울 수 있습니다. 이 시스템은 시설 전체의 비디오 피드를 Edge AI에 통합함으로써 얼굴 인식을 사용하여 낯선 사람을 감지하고 보안 담당자에게 실시간 알림을 제공할 수 있습니다.
그림 4. Edge AI는 컴퓨터 비전을 사용하여 제조 또는 실험실 환경에서 낯선 사람을 식별함으로써 보안을 개선합니다.
Edge AI 및 컴퓨터 비전의 또 다른 사용 사례는 제조 라인의 자동 광학 검사입니다. 이 경우, 조립된 부품은 자동화된 시각적 분석을 위해 검사 스테이션을 통해 전송됩니다. Edge AI 컴퓨터 비전 모델은 누락되거나 잘못 정렬된 부품 또는 기타 결함을 감지하여 검사 상태를 보여주는 실시간 대시보드에 결과를 제공합니다. 데이터가 추가 분석을 위해 클라우드로 다시 흐를 수 있기 때문에 ML 모델을 지속적으로 개선하여 오탐률을 줄일 수 있습니다. 이 시스템은 결함 식별의 속도와 정확성을 높여 제조 수율을 개선하고 공정 처리량을 높입니다.
이러한 예에서 알 수 있듯이, AI 및 컴퓨팅 용량을 클라우드 서비스와 직접 통합하면 조직은 점점 더 정교하고 혁신적인 사용 사례를 시장에 출시할 수 있습니다. 완전히 통합된 플랫폼인 Edge AI는 이러한 사용 사례를 실현하는 데 따르는 장애물을 크게 줄여줍니다.
다음 3부작 시리즈에서는 Edge AI 플랫폼의 요소에 대해 자세히 살펴보겠습니다.
Contact 귀사의 애플리케이션이 Edge AI 플랫폼의 이점을 어떻게 활용할 수 있는지 자세히 알아보시기 바랍니다.
