엣지 컴퓨팅과 인공 지능 전략이 서로를 보완해야 하는 이유

컴퓨팅 성능을 데이터 소스와 최종 사용자에게 더 가깝게 적용할 수 있기 때문에 많은 기업에서 엣지 컴퓨팅 사용 사례를 탐색하기 시작했습니다. 동시에 인공지능이나 머신러닝이 탐구되거나 구현될 수 있으며, 발견의 자동화와 데이터 기반 통찰력 도출도 인정되었습니다. 그러나 엣지 전략과 AI 전략을 적극적으로 결합하지 않으면 변화의 가능성을 놓치게 됩니다.

인공지능 분야 참여

에지 분석과 데이터 분석이 융합되고 있다는 분명한 징후가 있습니다. 데이터에 따르면 2025년까지 엣지 데이터 생성이 33% 증가해 데이터의 1/5 이상을 차지할 것으로 예상됩니다. 2023년까지 데이터 분석 전문가는 엣지 데이터 생성 및 분석에 에너지의 50% 이상을 집중할 것입니다. 엣지 솔루션은 기업의 사명을 달성하는 데 매우 또는 극도로 중요합니다. 리더 중 78%는 엣지가 AI와 ML에 가장 큰 영향을 미칠 것이라고 믿습니다.

전통적으로 기업은 분석을 수행하고 가치를 추출하기 위해 원격 데이터를 데이터 센터나 상용 클라우드로 전송해야 합니다. 이는 데이터 볼륨 증가, 네트워크 액세스 제한 또는 없음, 실시간으로 더 빠른 의사 결정에 대한 필요성 증가로 인해 엣지 환경에서는 어려울 수 있습니다.

그러나 오늘날 소용량 칩셋, 고밀도 컴퓨팅 및 스토리지, 메시 네트워킹 기술의 향상된 가용성은 기업이 AI 워크로드를 데이터 생산 소스에 더 가깝게 배포할 수 있는 기반을 마련했습니다.

Edge AI 시작하기

에지 AI 사용 사례를 활성화하려면 실시간에 가까운 데이터 의사결정이 사용자 경험을 크게 향상하고 임무 목표를 달성할 수 있는 위치를 식별하세요. 법 집행, 사이버 보안 및 보건 조사를 지원하기 위한 차세대 비행 키트에 초점을 맞춘 엣지 사용 사례가 점점 늘어나고 있습니다. 조사관이 후속 처리를 위해 데이터를 수집한 경우 새로운 배포 제품군에는 현장에서 데이터를 처리하고 탐색하기 위한 고급 도구가 포함되어 있습니다.

다음으로 대량의 엣지 데이터를 전송할 위치를 결정하세요. 데이터를 원격 위치에서 처리할 수 있는 경우 결과만 전송하면 됩니다. 데이터의 작은 부분만 이동함으로써 대역폭을 확보하고 비용을 절감하며 더 빠르게 결정을 내릴 수 있습니다.

느슨하게 결합된 에지 구성요소를 활용하여 필요한 컴퓨팅 성능을 달성하세요. 단일 센서로는 처리를 수행할 수 없습니다. 그러나 고속 메시 네트워크는 연결된 노드를 허용하며, 그 중 일부는 데이터 수집을 처리하고 다른 일부는 처리 등을 처리합니다. ML 모델은 지속적인 예측 정확성을 보장하기 위해 에지에서 재교육될 수도 있습니다.

원격 AI를 위한 코드형 인프라

에지 AI의 모범 사례는 인프라 코드입니다. 인프라 코드를 사용하면 물리적 하드웨어가 아닌 구성 파일을 통해 네트워크 및 보안 구성을 관리할 수 있습니다. 인프라 코드를 사용하면 구성 파일에 인프라 사양이 포함되므로 구성을 더 쉽게 변경 및 배포하고 환경이 일관되게 프로비저닝되도록 할 수 있습니다.

또한 마이크로서비스를 사용하고 그 안에서 실행하고 엣지에서 CI/CD 파이프라인, Giitops 등과 같은 개발 운영 기능을 활용하여 ML 모델을 프로덕션 환경에 반복적으로 배포하고 한 번에 코드를 작성할 수 있는 기능을 제공하는 것도 고려하세요. 어디서나 사용할 수 있습니다.

우리는 엣지와 코어에서 일관된 기술과 도구를 사용해야 합니다. 이렇게 하면 특별한 전문 지식이 필요하지 않고 일회성 문제가 방지되며 더 쉽게 확장할 수 있습니다.

현실 세계와 그 너머의 Edge AI

군대부터 법 집행 기관, 중요 인프라를 관리하는 기관에 이르기까지 모든 사람이 엣지에서 AI를 수행합니다. 예를 들어, 국제 우주 정거장.

국제 우주 정거장에는 연구 및 실험 운영을 위한 현장 실험실이 있습니다. 한 가지 예에서, 과학자들은 국제 우주 정거장에서 발견된 미생물의 DNA 게놈 서열을 분석하는 데 중점을 두었습니다. 게놈 서열 분석은 방대한 양의 데이터를 생성하지만 과학자들은 그 중 일부만 분석하면 됩니다.

과거에 국제 우주 정거장은 중앙 집중식 처리를 위해 모든 데이터를 지상국으로 전송했으며, 종종 시퀀스당 수 테라바이트의 데이터가 포함되었습니다. 과도기적 전송 속도에서는 데이터가 지구상의 과학자들에게 도달하는 데 몇 주가 걸릴 수 있습니다. 그러나 엣지와 인공지능의 힘을 활용해 연구는 국제우주정거장에서 직접 이루어지며 결과만 지상으로 전송된다. 이제 당일 분석도 가능합니다.

이 시스템은 공간과 전력이 제한된 환경에서 관리하기 쉽습니다. 소프트웨어 업데이트는 꼭 필요한 순간까지 추진되고 ML 모델 교육은 현장에서 수행됩니다. 그리고 시스템은 향후 다른 유형의 ML 기반 분석을 처리할 수 있을 만큼 충분히 유연합니다.

인공 지능과 엣지 컴퓨팅을 결합하면 기업은 어디서나 분석을 수행할 수 있습니다. AI는 코어부터 엣지까지 공통 프레임워크를 사용하여 원격 위치에서 확장 및 확장될 수 있습니다. 데이터가 생성되고 사용자가 상호 작용하는 위치 가까이에 분석을 배치하면 더 빠르게 의사 결정을 내릴 수 있고, 서비스를 더 빠르게 제공할 수 있으며, 필요한 곳이면 어디든 작업을 확장할 수 있습니다.

위 내용은 엣지 컴퓨팅과 인공 지능 전략이 서로를 보완해야 하는 이유의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!