기업이 인공지능을 한 단계 더 발전시킬 수 있는 방법

기업은 분산 하이브리드 클라우드 아키텍처를 사용하여 인공 지능을 배포함으로써 점점 더 경쟁 우위를 확보하고 있습니다.

이는 두 가지 요인에 의해 발생합니다. 첫째, 이전보다 엣지에서 더 많은 데이터가 생성되고 있습니다. 실제로 2025년에는 기업에서 생성된 데이터의 50%가 기존 데이터 센터나 클라우드 컴퓨팅 외부에서 처리될 것으로 예상됩니다. 최근 글로벌 설문조사에 따르면 IT 의사 결정자의 78%가 IT 인프라를 디지털 엣지로 전환하는 것이 비즈니스의 미래 보장 우선순위라고 생각하는 것으로 나타났습니다.

둘째, 처리를 위해 대량의 데이터를 중앙 집중식 AI 교육 인프라 엔진으로 이동한다는 것은 기업이 귀중한 시간과 비용을 소비하게 된다는 것을 의미합니다. 게다가 규정 준수 및 개인 정보 보호 규정으로 인해 AI 데이터 처리 및 분석이 원산지 국가에 유지되어야 하는 경우가 많으며, 이는 여러 국가에 걸쳐 워크로드를 분산하는 것을 더욱 정당화합니다.

분산 AI가 기업의 비용 절감, 규제 요구 사항 충족, 새로운 기술 발전 지원에 도움이 되는 세 가지 산업 사용 사례를 살펴보겠습니다.

비용을 절감하면서 실시간 소매 통찰력 확보

많은 대형 소매업체는 분산된 디지털 인프라 전략을 활용하여 경쟁 우위를 찾고 있습니다. 그들은 최근 IDC가 확인한 점점 더 대중화되는 AI 배포 전략을 사용하고 있습니다. 즉, 클라우드나 지역 데이터 센터와 같은 코어에서 AI를 개발하고 엣지에 AI 추론 모델을 배포한 다음 이에 맞게 새로운 지역 데이터로 재교육하는 것입니다. 응용 프로그램.

예를 들어, 분산 하이브리드 클라우드 모델을 사용하는 소매업체는 먼저 매장 내 카메라 정보와 재고 관리 데이터를 호스팅 대도시 데이터 센터로 보내 지역 AI 모델을 구축하고 연합 AI 접근 방식을 활용하여 지역 모델을 통합할 수 있습니다.

그런 다음 이러한 최적화된 AI 모델을 매장에 배포하여 낮은/예측 대기 시간 AI 모델 추론을 수행하여 재고, 직원 교대 관리, 구매자 구매 추세 예측 및 광고 배치 권장 사항에 대한 통찰력을 얻습니다.

하나의 대도시 데이터 센터에서 AI 추론 엔진을 배포하는 것이 각 소매점에서 이러한 서버를 유지 관리하고 서비스하는 것보다 비용 효율적입니다. 이 분산형 AI 인프라를 통해 소매업체는 한 영역에 대한 통찰력을 신속하게 처리하고 분석하여 궁극적으로 수익을 개선할 수 있습니다.

비디오 감시 시 개인 정보 보호 및 규정 준수를 유지하세요

UNCTAD에 따르면 전 세계 대다수(71%)의 국가에 개인 정보 보호 및 데이터 보호에 관한 법률이 있습니다. 분산 데이터 관리 및 인공 지능 아키텍처는 기업이 규정 준수를 보장하는 데 핵심적인 역할을 할 수 있습니다.

예를 들어, 전 세계 여러 대도시 지역에 사이트를 두고 있는 대규모 부동산 관리 회사는 전 세계 수백 대의 보안 카메라에 분산 AI 아키텍처를 활용하여 데이터가 수집되는 곳에 AI를 배포함으로써 현지 개인 정보 보호 규정을 준수할 수 있습니다. 규정 준수.

비즈니스가 운영되는 여러 국가에 중앙 집중식 시설을 보유하면 데이터가 시작된 국가와 동일한 규정 준수 규정이 없을 수 있는 다른 국가로 데이터를 전송하여 비즈니스가 현지 개인정보 보호법을 위반하지 않도록 할 수 있습니다.

개인 정보 보호 및 데이터 사용 규정 준수를 지원하는 것 외에도 이 모델은 AI 추론 스택을 시설별로 호스팅하는 것이 아니라 수백 개의 위치에 있더라도 단일 메트로 위치에서 호스팅하여 비용을 절감합니다. 둘 다 동작 감지 데이터를 처리합니다. 현장.

영역 업데이트를 통한 자율 주행

첨단 운전자 지원 시스템(ADAS)으로 구현된 자율 주행 차량은 인공 지능 인프라 없이는 해결할 수 없는 몇 가지 사용 사례가 있습니다. ADAS는 차량이 주변 환경과 어떻게 상호 작용해야 하는지 결정하기 위해 인공 지능이 필요합니다. 특히 자전거 타는 사람이나 보행자와 같은 취약한 도로 사용자와 상호 작용할 때 더욱 그렇습니다.

인공지능 모델을 훈련하기 위해 테스트 차량에서 생성되는 데이터의 양은 엄청납니다. 레벨 2 및 레벨 3 ADAS(차량은 속도 조절, 제동, 환경에 따른 판단 가능)의 경우 각 차량에서 생성되는 데이터의 양은 엄청납니다. 하루는 20TB에서 60TB입니다. 인공 지능을 통해 연결된 차량은 기존 인프라를 사용하는 것보다 테스트 차량에서 이러한 대규모 데이터 세트를 더 빠르고 비용 효율적으로 수집하고 처리할 수 있습니다.

분산 AI 인프라는 차세대 차량 이동성과 자율성을 정의합니다. 예를 들어 연결된 차량은 고화질 지도를 사용하여 자동차에 표지판과 거리에 대한 정보를 제공합니다.

하지만 밤새 공사 구역이나 도로 위험이 나타나면 어떻게 될까요? 각 차량이 도로 위험을 개별적으로 처리하도록 요구하는 대신 분산 AI 인프라를 사용하면 이러한 위험을 지역 위치로 전송한 다음 위험을 모든 차량에 전달할 수 있습니다. 영역.

데이터의 흐름을 따라가세요

인공지능만큼 데이터의 중력을 느끼는 것은 없습니다. AI 인프라를 최대한 활용하려면 기업은 이를 중앙, 지역 또는 로컬 배포의 가치를 평가해야 합니다. 그렇게 하면 시간, 비용, 귀중한 대기 시간을 절약할 수 있습니다.

위 내용은 기업이 인공지능을 한 단계 더 발전시킬 수 있는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!