엣지 컴퓨팅: 네트워크 경계에서 AI 배포 가속화

엣지 컴퓨팅에 대한 관심이 커지고 있지만, 많은 이들이 여전히 그 아키텍처를 이해하기 어려워합니다. 인공지능에 대해서도 같은 모호함이 존재하며, AI를 엣지로 이동시키는 아이디어는 더욱 당혹스럽게 느껴질 수 있습니다.

DUNELM Associates의 매니징 파트너 마틴 데이비스(Martin Davis)는 엣지 AI가 종종 '기사에서 인용되는 단순한 이론'으로 치부된다고 지적합니다.

그럼에도 불구하고 산업 및 엔터프라이즈 리더들은 더 이상 엣지 AI를 무시할 수 없습니다. 전통적으로 딥러닝과 컴퓨터 비전 같은 컴퓨팅 집약적 작업은 중앙 집중식 데이터 센터에 상주했습니다. 그러나 고성능 네트워킹과 온프레미스 하드웨어의 확산으로 순수 클라우드 중심 모델에서 엣지로의 전환이 가능해졌다고 컨설턴트 차이탄 샤르마(Chaitan Sharma)는 말합니다. '하루아침에 일어나지는 않겠지만, 필연적입니다.' 가트너는 2025년까지 기업 데이터의 75%가 엣지에서 처리될 것으로 예측하며, Grand View Research는 2025년까지 엣지 컴퓨팅 시장이 연평균 54% 성장할 것으로 전망합니다.

산업 현장의 엣지

엣지 컴퓨팅의 정확한 위치를 정의하는 것은 모호할 수 있습니다. 오픈 엣지 컴퓨팅 용어집(Open Glossary of Edge Computing)은 이를 네트워크의 논리적 끝단에 컴퓨팅 자원을 제공하는 것으로 설명합니다. 기존 데이터 센터와 클라우드 너머에 위치한 엣지는 네트워크의 '라스트 마일'에 초점을 맞추며, 데이터 생성 디바이스와 개인에게 물리적으로 더 가까이 계산을 가져옵니다.

[IoT World는 북미 최대 IoT 행사로, 전략가·기술자·구현자가 모여 AI, 5G, 엣지를 산업에 적용합니다. 지금 티켓을 예약하세요.]

공장, 광산 등 산업 현장은 클라우드 컴퓨팅만 의존할 때 어려움을 겪습니다. 일반적인 공장은 99.9999%의 네트워크 가용성과 밀리초 단위 지연 시간을 요구하며, 종종 데이터를 구내 밖으로 전송하는 것을 제한합니다. 역사적으로 이러한 시설은 광범위한 케이블링과 벤더별 유선 프로토콜에 의존해 파편화된 기술 생태계를 초래했습니다. 엣지 컴퓨팅은 이러한 이질적 구성 요소를 통합하는 경로를 제공합니다. Ovum의 'Market Radar: CSPs' Industrial IoT Strategies and Propositions'에서 강조된 바입니다.

클라우드와 독립적으로 실행되는 엣지 배포는 모든 데이터 패킷을 로컬에서 처리하는 순수 온디바이스 컴퓨팅 모델과 다릅니다. 온보드 컴퓨팅은 즉각적인 중요 의사결정을 가능하게 하지만, Digi International의 연구혁신 수석 디렉터 하랄드 렘머트(Harald Remmert)는 필요한 하드웨어가 비싸고 복잡한 머신러닝 워크로드 실행에 종종 부족하다고 지적합니다.

반면, 공장 내 AI 강화 엣지 솔루션은 수많은 기계의 데이터를 집계하고 맥락화하여 그렇지 않으면 가동 중단을 초래할 문제를 정확히 찾아내고 예측할 수 있습니다. 공정 산업 머신러닝 전문 기업 오거리(Augury)의 아키텍처 책임자 갈 벤-하임(Gal Ben-Haim)은 초저지연이 필수적이지 않더라도 엣지 기반 추론이 대규모 애플리케이션을 가능하게 한다고 강조합니다.

그러나 엣지에서 머신러닝을 배포하는 것은 단순하지 않으며, 성숙한 모델과 새로운 배포-관리 전략이 필요하다고 벤-하임은 설명합니다.

클라우드에서 엣지로, 다시 클라우드로

특정 엣지 유스케이스는 중앙 클라우드 인프라와 완전히 독립적으로 작동하지만, 대부분의 분석가는 엣지 컴퓨팅을 분산-중앙화 연속체의 일부로 봅니다. 전통적인 데이터 센터에서 벗어나는 것이 아니라 '휴전'을 제공한다고 가트너 분석가 밥 길(Bob Gill)은 2018년 웨비나에서 언급했습니다.

Trend Micro의 인프라 전략 부사장 빌 말릭(Bill Malik)은 엣지 컴퓨팅이 클라우드를 대체하지 않을 것이라고 경고합니다.

Futurum Research의 수석 분석가 다니엘 뉴먼(Daniel Newman)도 동의합니다. 완전히 독립적인 엣지를 정당화하는 시나리오는 소수에 불과합니다.

일반적으로 데이터는 엣지와 클라우드 간에 양방향으로 흐릅니다. 클라우드는 에너지 사용 변화나 대기 질 같은 거시적 트렌드 포착에 뛰어나고, 엣지 컴퓨팅은 즉각적이고 맥락별 통찰을 제공한다고 말릭은 말합니다.

액센추어(Accenture)는 엣지 컴퓨팅을 클라우드의 자연스러운 확장으로 간주합니다. '많은 고객이 클라우드 분석 및 머신러닝과 함께 엣지를 활용하여 혁신적인 비즈니스 서비스를 개척합니다.'라고 액센추어 테크놀로지의 매니징 디렉터 겸 네트워크 프랙티스 리드 찰스 네볼스키(Charles Nebolsky)는 말합니다. 사례로 액센추어의 'Connected Mine' 프로그램이 있습니다. 채굴 기업의 갱내 작업을 최적화합니다. 네볼스키는 드릴링 리그의 고해상도 비디오를 사용하여 실시간으로 암석 밀도를 평가하도록 엣지 컴퓨팅을 통합했다고 설명합니다. 이 데이터는 드릴의 각도와 속도를 자동 조정하고 예측 정비를 가능하게 합니다. '고밀도 비디오 스트림에 필요한 대역폭을 클라우드로 전송하려면 막대한 비용이 듭니다.'라고 그는 덧붙입니다.

볼보 트럭(Volvo Trucks)은 최신 모델의 텔레매틱스와 원격 진단을 통해 이 양방향 모델을 보여줍니다. 온보드 컴퓨터가 비정상 파라미터를 플래그하고 고장 코드를 생성하면, 텔레매틱스 시스템이 볼보의 업타임 센터(Uptime Center)로 스트리밍합니다. 센터는 정비소, 딜러, 고객 서비스 팀 간의 대응을 조정합니다. 온보드 진단이 실시간 문제 해결을 돕는다면, 중앙 집중식 클라우드 구성 요소는 외부 이해관계자가 정비 방문을 준비할 수 있게 합니다.

SAS의 IoT 디렉터 빌 로버츠(Bill Roberts)는 볼보가 엣지 분석, AI, 머신러닝을 통합하는 지배적 성숙도 모델로 나아가고 있다고 관찰합니다. '다음 논리적 단계는 트럭의 엣지가 실행 가능한 결함 데이터를 걸러내도록 하는 것입니다.' 로버츠는 제안합니다. '이로써 대역폭이 확보되어 더 많은 텔레매틱스를 수집, 더 풍부한 클라우드 기반 분석이 가능해집니다. 그런 통찰은 시나리오에 따라 엣지나 클라우드에 배포될 수 있습니다.''

분산 에너지 자원 통합 테스트 베드는 하이브리드 분산-클라우드 컴퓨팅의 대안을 보여줍니다. 기존 중앙 집중식 AC 그리드가 태양광, 풍력 같은 분산 DC 소스를 최적으로 활용하기 어려운 점을 해결합니다. 테스트 베드는 전략적으로 배치된 하드웨어 전반에 실시간 엣지 분석을 배포하여 레거시 장비를 중앙 집중식 감독과 통합하면서 자율적이고 반응적인 운영을 가능하게 합니다. '플랫폼은 자율 운영과 엣지 분석을 지원하면서 하나 이상의 제어 센터에 데이터와 제어 신호를 공급합니다.'라고 RTI의 미래 그리드 시장 개발 디렉터 에릭 펠트(Erik Felt)와 소프트웨어 통합 엔지니어 닐 푸터프(Neil Puthuff)는 설명합니다.

5G의 등장은 기존 데이터 센터를 넘어선 엣지 아키텍처에 대한 관심을 더욱 자극했습니다. 아직 소수 기업만이 5G 지원 엣지 프로젝트를 시범 운영했지만, 네트워크 성숙에 따라 이 환경은 진화할 것입니다. 하랄드 렘머트는 이점이 클라우드 컴퓨팅과 유사하지만 지연 시간이 감소하며, 아키텍처가 머신러닝 워크로드에 점점 더 선호된다고 강조합니다.