2030년대를 주도할 에지 컴퓨팅: 다음 10년의 컴퓨팅이 지금부터 시작된다

미래의 AI를 보려면 버지니아 북부의 서버 농장이나 샌프란시스코의 스타트업 인큐베이터를 떠나서 플로리다 주 포트로더데일 근처의 카워시 회사에 가보세요.

이곳의 운영을 담당하는 지능은 카워시 업계에서 업계 선두주자로 알려진 Sonny’s The CarWash Factory라는 회사에서 나왔습니다. Sonny’s는 컨베이어식 카워시 장비의 세계 최대 제조업체입니다. 이 회사는 전통적으로 브러시, 비누, 벨트로 정의되는 비즈니스이지만, 코드로 정의되는 비즈니스를 추구하고 있습니다. 수천 개의 장소에서 이들은 수십 년 동안 사용된 소나를 컴퓨터 비전으로 대체하여 밀리초 안에 차량을 측정하고, 라이센스 플레이트 인식으로 즉시 로열티 등록을 진행하며, 드라이브업 키오스크에서 대화형 AI를 테스트하고 있습니다.

수십억 달러가 차기 ChatGPT 스타일의 제품을 추구하는 투자에 사용되고 있는데, 많은 분석가들이 이미 실제 채택을 앞서는 투자라고 경고합니다. 한편, 조용한 혁명이 주차장, 공장, 해상, 병원 지하실에서 일어나고 있습니다.

우리는 분기점을 목격하고 있습니다. 한쪽에는 소비자 AI가 있습니다. 화려하고, 보조금이 주어지고, 운영 비용이 많이 듭니다. 다른 한쪽에는 물리적 AI가 있습니다. 무성하고, 단단한 ROI에 뿌리박고 있으며, 지연이나 다운타임을 허용할 수 없는 산업에서 이미 운영을 재정의하고 있습니다.

이 분할은 향후 10년을 정의할 것입니다. 2010년대는 장치 연결(IoT)이었고, 2020년대는 데이터가 생성되는 곳에서 처리하는 것(edge 컴퓨팅)이었지만, 2030년대는 즉시 데이터에 대한 행동을 취하는 것입니다. 이것은 에지 AI의 시대입니다.

예상치 못한 곳에서의 혁신

물리적 상품에 뿌리박은 산업에서는 클라우드가 종종 너무 멀리 있습니다. 물리적으로도 운영적으로도 그렇습니다.

예를 들어, 소매 시장은 매장에서 재고 기록과 현실 간의 격차를 가지고 있습니다. 의류는 이동되고, 시도되고, 잘못 배치되어 전통적인 데이터베이스가 분 단위로 구식이 됩니다. 그러나 일부 회사들은 매장이 데이터베이스가 되는 모델로 이동하고 있습니다. 천장에 부착된 RFID 스캐너는 실시간으로 의류를 추적하여 어떤 제품이 피팅룸에 들어갔는지, 어떤 제품이 결코 떠나지 않았는지, 특정 사이즈가 어디에 갔는지 식별합니다. 그들은 기록을 업데이트하는 것이 아니라 물리적 공간을 실시간으로 디지털화하고 있습니다. 이것은 로컬 처리만이 가능하게 합니다.

의료 분야도 유사한 경로를 따르고 있습니다. 현대의 CT와 MRI 스캔은 환자당 기가바이트 단위의 데이터를 생성하며, 이 데이터는 너무 무거우며 클라우드로 전송하기에는 너무 민감합니다.答案은 파이프를 키우는 것이 아닙니다. 그것은 스캐너에 AI를 가져오는 것입니다. 병원들은 현지에서 추론을 실행하며, 환자 데이터를 현지에서 유지하면서 초 단위로 진단 정보를 제공하고 있습니다.

해양 산업도 유사한 제약을 직면하고 있습니다. 컨테이너 선은 엔진, 항법 시스템, 화물 센서에서 운영 데이터를 테라바이트 단위로 생성합니다. 그러나 중양의 연결성은 기가바이트당 수천 달러의 비용이 듭니다. 선박 회사들은 에지 서버를 선상에 배치하여 이 데이터를 현지에서 처리하고, 엔진 고장을 예방하는 예측 유지 보수 모델을 실행하고 있습니다. AI는 선박과 함께 이동하는 것입니다. 클라우드는 간단히 그만큼遠い 곳에 도달하지 못합니다.

이것들은 연구 개발 실험들이 아닙니다. 에지에서 컴퓨팅을 통해 해결된 운영 문제들입니다.

3계층 아키텍처

기업 인프라가 어디로 향하고 있는지 이해하려면 주머니 속의 전화기를 보세요. 애플 인텔리전스는 3계층 컴퓨팅 모델을 대중에게 소개했습니다. 속도 위한 온디바이스 처리, 더 무거운 작업 위한 프라이빗 컴퓨트 계층, 그리고 광범위한 지식 위한 클라우드입니다. 산업 환경은 이 아키텍처를 채택하고 있습니다. 편리함 때문이 아니라 물리학 때문입니다.

인간형 로봇의 새로운 물결을 고려해 보세요. 이 기계들은 배터리로 작동합니다. 그들은 등에 슈퍼컴퓨터를 실을 수 없으며, 클라우드를 즉시적인 안전 결정을 위해 의존할 수 없습니다. 대신, 그들은 중간 계층에 의존합니다.

• 디바이스(로봇): 즉각적인 동작과 안전을 현지에서 처리합니다.

• 프라이빗 에지: 공장 바닥의 로컬 서버에서 무거운 추론과 기계 대형 조정을 처리합니다.

• 클라우드: 글로벌 소프트웨어 업데이트와 훈련을 위해 예약됩니다.

2010년대는 클라우드 우선이었다. 2030년대는 에지 우선이 될 것입니다. 클라우드는 필요할 때만 사용됩니다.

이 아키텍처는 실제 제약을 해결합니다. 로봇은 배터리로 작동하며, 무거운 컴퓨팅 부담을 지울 수 없습니다. 공장 바닥은 밀리초 단위의 응답 시간을 필요로 하는데, 클라우드 지연으로는 제공할 수 없습니다. 병원에서 환자 데이터는 규제 준수를 위해 현지에서 유지되어야 합니다. 중간 계층은 무거운 추론 작업을 처리하고, 기기 대형을 조정하며, 현지 운영과 글로벌 시스템 사이에서 버퍼 역할을 합니다. 이것을 로컬 데이터 센터를 하나의 서버 랙으로 압축하여 공용 인터넷에 절대触れない 채로 테라바이트를 처리하는 것으로 생각해 보세요. 로봇이 안전 조치를 실행해야 할 때, 현지에서 처리합니다. 로봇이 하루 운영에 따라 내비게이션 모델을 업데이트해야 할 때, 에지 서버가 그것을 밤에 처리합니다. 제조업체가 새로운 기능을 출시할 때, 클라우드가 그것을 내립니다. 각 계층은 그들이 가장 잘하는 것을 합니다.

“다이얼업” 시대의 종말

이 아키텍처적 변화에도 불구하고, 현실은 여전히 복잡합니다. 물리적 AI는 현재 “다이얼업” 시대에 있습니다. 운영 리더들은 “블랙 박스”로 고민합니다. 서로 통신하지 않는 사람 수, 비디오 분석 또는 센서와 같은 고유한 장치입니다. 이것은 이메일, 지도, 사진을 위한 별도의 장치를 가지고 다니는 것과 같습니다.

우리는 이제 20,000개 이상의 위치에서 이 패치워크를 통일된 에지 플랫폼으로 대체하는 조직을 보고 있습니다. 이는 새로운 애플리케이션을 하드웨어 프로젝트가 아닌 소프트웨어 업데이트로 롤아웃할 수 있도록 합니다.

동시에, Starlink와 같은 LEO 위성 네트워크는 연결되지 않은 영역을 제거하고 있습니다. 새로운 경제가 랜드라인을 건너뛰고 모바일로 바로 이동한 것처럼, 해양, 광업, 철도와 같은 산업은 중앙 집중식 클라우드 아키텍처를 완전히 건너뛰고 있습니다. 그들은 물리적 운영의 물리학이 요구하는 분산된 에지 AI로 이동하고 있습니다.

투자 역설

물리적 AI는 결코 “ChatGPT 모멘트”를 가질 수 없습니다. 그것은 할 수 없습니다. 생성형 AI의 오류는 바이러스성 스크린샷입니다. 물리적 AI의 오류는 안전 위험이 될 수 있습니다.

이것이 왜 이 분야의 진보가 폭발적인 것이 아니라 꾸준한 것인지 설명합니다. Waymo는 주요 도시로 확장하기 전에 테스트와 시뮬레이션에 10년 이상을 보냈습니다. 의료 분야에서 스캔을 분석하는 AI는 FDA 승인을 받은 의료 기기입니다. 안전과 성숙도를 다운로드할 수 없습니다. 그것을 얻어야 합니다.

투자 역설은 간단합니다. 화려한 소비자 AI가 헤드라인을 지배하지만, 운영 AI가 경제를 지배합니다. 2030년대는 가장 바이럴 모델을 가진 회사에 속하지 않을 것입니다. 필요한 모든 곳에 지능을 배치할 수 있는 회사에 속할 것입니다.

세계 어디에서나 Sonny’s 기술로 구동되는 카워시에 들어가서 시스템이 차량을 인식하고 자연스럽게 말할 때, 그것을 파티 트릭으로 보지 마세요. 그것을 청사진으로 보세요. 그것은 인프라입니다. 그리고 오늘날 이를 구축하는 회사는 다음 10년의 경쟁 우위를 구축하고 있습니다.