AI 결정화를 위한 에지 컴퓨팅 이점

아키텍처를 둘러싼 혼란과 마찬가지로 에지 컴퓨팅에 대한 관심이 계속해서 커지고 있습니다. 인공 지능의 경우에도 상황은 비슷합니다. AI를 엣지로 옮길 가능성은 더 많은 혼란을 야기하는 레시피처럼 들릴 수 있습니다.

DUNELM Associates의 관리 파트너인 Martin Davis는 엣지에서 인공 지능을 수행하는 것은 종종 "기사에 인용된 이론일 뿐"이라고 말했습니다.

그러나 산업 및 기업 조직이 엣지 AI의 개념을 무시하기가 점점 더 어려워지고 있습니다. 딥 러닝 및 컴퓨터 비전과 같은 리소스 집약적 작업은 전통적으로 중앙 집중식 컴퓨팅 환경에서 수행되었습니다. 그러나 고성능 네트워킹 및 컴퓨팅 하드웨어의 가용성이 증가함에 따라 컨설턴트 Chaitan Sharma는 "중앙 집중식 클라우드 아키텍처를 [에지]로 전환"할 수 있는 가능성이 열렸습니다. "하루아침에 되지는 않겠지만 불가피하다." Gartner는 2025년까지 엔터프라이즈 데이터의 4분의 3이 에지에서 처리될 것으로 예측하고, Grand View Research는 에지 컴퓨팅 시장이 2025년까지 연간 54%의 속도로 확장될 것으로 예측합니다.

최첨단 산업

에지 컴퓨팅이 정확히 어디에서 발생하는지에 대한 질문이 항상 명확한 것은 아닙니다. Edge Computing의 Open Glossary는 아키텍처를 "네트워크의 논리적 극단에 컴퓨팅 기능을 전달하는 것"으로 정의합니다. 기존 데이터 센터 및 클라우드 외부에 위치한 에지는 네트워크의 '라스트 마일'에 집중되어 있으며 데이터 또는 정보를 생산하는 사물 및 사람과 최대한 가깝습니다.

[ IoT 세계 는 전략가, 기술자 및 구현자가 연결하여 IoT, AI, 5G 및 에지를 산업 분야 전반에 걸쳐 실행하는 북미 최대 IoT 이벤트입니다. 지금 티켓을 예약하세요. ]

공장이나 광산과 같은 환경에서 클라우드 컴퓨팅을 사용하는 것이 어렵다는 점을 감안할 때 산업 부문은 에지 컴퓨팅 아키텍처의 좋은 후보입니다. 예를 들어 공장은 99.9999% 가동 시간과 짧은 밀리초 대기 시간에서 높은 네트워크 안정성을 요구할 수 있으며 데이터를 오프프레미스로 보내는 데 제약을 가할 수 있습니다. 이러한 제한 사항을 감안할 때 대부분의 공장은 전통적으로 산업 공급업체의 물리적 케이블 및 독점 유선 프로토콜을 배포했습니다. Ovum Market Radar:CSP의 Industrial IoT Strategies and Propositions에 따르면 엣지 컴퓨팅과 같은 기술이 통합에 도움이 될 수 있는 "단편화된 기술 환경"이 그 결과입니다.

클라우드 없이 작동하는 에지 컴퓨팅 아키텍처는 모든 데이터가 개별 장치에서 처리되는 로컬 컴퓨팅 시나리오와 혼동되어서는 안 됩니다. Digi International의 연구 및 혁신 수석 이사 Harald Remmert에 따르면 이러한 온보드 컴퓨팅은 실시간으로 중요한 의사 결정을 지원할 수 있지만 장치 하드웨어는 비용이 많이 듭니다. 또한 머신 러닝과 같은 작업을 지원하기 위한 이러한 로컬 컴퓨팅 구성의 기능은 종종 제한적입니다.

반대로 공장의 AI 지원 에지 컴퓨팅 시스템은 여러 기계의 데이터를 컨텍스트화하여 다운타임을 유발하는 문제를 감지하고 궁극적으로 예측할 수 있습니다. 프로세스 산업을 위한 기계 학습 기술을 만드는 회사인 Augury의 아키텍처 책임자인 Gal Ben-Haim은 "엣지에서 기계 학습 추론을 수행하는 것은 짧은 대기 시간이 필요하지 않은 경우에도 애플리케이션 규모를 가능하게 합니다."라고 결론지었습니다.

그렇다고 해서 에지에서 머신 러닝을 배포하는 것이 반드시 쉬운 것은 아닙니다. Ben-Haim은 "더 성숙한 머신 러닝 모델과 배포를 관리하는 새로운 방법이 필요합니다."라고 말했습니다.

클라우드에서 엣지로, 그리고 그 뒤로

일부 에지 컴퓨팅 시나리오는 중앙 집중식 컴퓨팅 모델을 전혀 사용하지 않을 수 있지만 많은 분석가는 에지 컴퓨팅이 분산 및 중앙 집중식 측면이 있는 컴퓨팅의 연속체를 가능하게 한다고 보고 있습니다. 가트너의 분석가 밥 길은 2018년 웨비나에서 에지 컴퓨팅이 중앙 집중식 데이터 센터에서 멀어지는 추력을 나타내는 대신 "휴전"을 제공한다고 말했습니다.

“에지 컴퓨팅의 일부 모델은 클라우드를 대체할 것이라고 주장합니다. 저는 그런 일이 일어날 것이라고 믿지 않습니다.”라고 Trend Micro의 인프라 전략 담당 부사장인 Bill Malik이 말했습니다.

Futurum Research의 수석 분석가인 Daniel Newman은 "에지가 독립적인 사용 사례가 거의 없습니다.

대부분의 경우 데이터 흐름은 에지와 클라우드 간에 양방향입니다. 클라우드는 에너지 소비 또는 대기 질 변화와 같은 2차 효과와 광범위한 추세 추적을 촉진할 수 있지만 "에지 컴퓨팅은 현지 질문에 대한 현지 답변을 제공합니다"라고 Malik은 말했습니다.

Accenture는 에지 컴퓨팅을 클라우드 확장으로 보고 있습니다. Accenture Technology의 매니징 디렉터 겸 네트워크 실무 책임자인 Charles Nebolsky는 "Edge는 새롭고 가치 있는 비즈니스 서비스를 가능하게 하기 위해 클라우드 분석 및 머신 러닝 기술과 함께 많은 고객이 사용하고 있습니다. 한 가지 예는 광산 회사가 광산 운영을 관리하는 방법을 간소화하기 위한 Accenture의 Connected Mine 이니셔티브입니다. Nebolsky는 "우리는 시추 장비의 고해상도 비디오를 사용하여 암석 밀도를 결정하는 산업용 광산 클라이언트에서 에지 컴퓨팅으로 Connected Mine 솔루션을 확장했습니다."라고 덧붙였습니다. 이 기능을 통해 드릴은 실시간으로 각도와 속도를 조정하고 장비의 예측 유지 보수를 지원할 수 있습니다. Nebolsky는 "필요한 고밀도 비디오 스트림의 대역폭은 직접 클라우드 처리를 위해 비용 효율적인 방식으로 초당 필요한 프레임으로 클라우드로 다시 전송할 수 없습니다."라고 말했습니다.

이러한 순환 데이터 흐름의 또 다른 예는 최근 차량에 텔레매틱스 및 원격 진단 시스템을 배포하는 볼보트럭을 통해 들 수 있습니다. 시스템은 부분적으로 비정상적인 매개변수를 감지하고 문제 코드를 트리거하는 온보드 컴퓨터를 사용하여 작동합니다. 거기에서 텔레매틱스 시스템은 문제가 있는 운영 데이터를 볼보의 업타임 센터로 스트리밍하여 수리점, 딜러 및 고객 서비스 에이전트와 같은 관련 당사자와 응답을 조정할 수 있습니다. 트럭의 온보드 컴퓨팅은 문제를 진단하는 데 도움이 되지만 배포의 중앙 집중식 측면에서는 수리점과 딜러가 유지 관리를 위해 도착하는 트럭을 준비할 수 있습니다.

SAS의 IoT 이사인 빌 로버츠(Bill Roberts)는 “볼보는 에지 분석, 인공 지능 및 머신 러닝과 관련된 공통 성숙 모델이 빠르게 발전하고 있습니다. 합리적인 다음 단계는 트럭의 에지 컴퓨팅 기능이 실행 가능한 오류 데이터를 결정하도록 하는 것입니다. 이러한 전환은 "추가 텔레매틱 데이터를 수집하기 위한 대역폭은 클라우드에서 개발된 더 많은 분석적 통찰력으로 이어집니다"라고 Roberts는 말했습니다. "이러한 통찰력은 사용 사례에 따라 에지 또는 클라우드 어디에서나 운용할 수 있습니다."

분산 에너지 자원 통합 테스트 베드는 분산 및 클라우드 컴퓨팅이 결합된 또 다른 예를 제공합니다. 이 프로젝트는 태양열 패널이나 풍력 터빈과 같은 분산된 직류 소스의 전력을 효율적으로 사용하는 데 어려움을 겪는 기존의 중앙 집중식 교류 전력망에 대한 대안을 제공합니다. 에릭 펠트(Erik Felt)의 미래 그리드 시장 개발 이사에 따르면 테스트 베드는 그리드 전체에 산재된 하드웨어에 배포된 실시간 에지 기반 분석을 활용하여 실시간 응답 및 자율 운영의 전체 기능으로 이기종 레거시 장비와 중앙 집중식 제어를 연결합니다. RTI 및 Neil Puthuff, RTI의 소프트웨어 통합 엔지니어. 플랫폼은 자율 운영 및 에지 기반 분석을 지원하는 동시에 하나 이상의 제어 센터에 데이터와 제어를 제공합니다.

5G 연결은 또한 기존 데이터 센터 외부에서 컴퓨팅을 가능하게 하는 에지 아키텍처에 대한 관심을 불러일으켰습니다. 5G 지원 에지 컴퓨팅 프로젝트를 수행하는 조직의 예는 거의 없지만 5G 네트워크가 성숙함에 따라 변경될 수 있습니다. 이 접근 방식의 이점은 클라우드의 이점과 유사하지만 대기 시간이 더 짧다고 Remmert는 말했습니다. "이 아키텍처는 기계 학습 애플리케이션에 매우 인기가 있습니다."라고 그는 결론지었습니다.