인공지능(AI) 데이터를 빠르게 수집, 추론, 분석할 수 있는 어플라이언스가 최근 인기를 끌고 있다. AI는 이제 기업 경쟁력 강화를 위한 필수요소다. 하지만 AI 서비스를 위한 인프라를 구축하는 것은 또 다른 얘기다.
특히 개인정보관련 법률이 얽혀있을 경우 클라우드나 외부 데이터센터를 사용하기도 어렵다. 최근 GPU와 올플래시 미디어를 결합한 AI 어플라이언스 시장이 주목을 받고 있는 이유다. 이에 디지털데일리는 AI 어플라이언스 정의와 시장 현황, 향후 전망에 대해 3회에 걸쳐 분석해본다<편집자 주>
[디지털데일리 백지영기자] 이제 인공지능(AI)과 머신러닝, 딥러닝 등을 통한 경쟁력 확보는 IT뿐 아니라 전 산업분야에서 빼놓고 말하기 어렵다.
흔하게는 ‘챗봇(채팅로봇)’이나 스마트홈 서비스부터 자산관리나 세금 신고와 같은 금융분야, 맞춤형 소비 분석을 통한 개인화된 마케팅 제공. 유전체 분석과 같은 헬스케어 분야까지 AI가 활용되지 않는 분야는 찾아보기 힘들 정도다,
실제 시장조사기관 가트너에 따르면, 올해까지 80%의 기업들이 AI를 도입할 것으로 예상된다. 이는 2년 전 수치다. 최근 코로나19 대응에 따른 비대면 비즈니스 확대로 AI 활용이 더 가속화될 전망이다.
국내에선 지난 2016년 3월 구글의 인공지능(AI) 기술을 ‘알파고’와 이세돌 9단과의 대국에서를 패배를 기점으로 시장이 주목받기 시작했다. AI가 우리나라 IT 미래 성패를 좌우할 새로운 기술 패러다임으로 부각되면서 공공은 물론 전 산업군에서 AI에 대한 투자가 지속됐다.
특히 정부가 최근 발표한 ‘한국판 뉴딜정책’에 따라 AI를 통한 경쟁력 확보가 포스트 코로나 시대의 핵심 사업으로 급부상했다. 정부는 AI 학습용 데이터 구축과 AI 바우처, AI 데이터 가공바우처 사업, AI융합 프로젝트(AI+X) 등을 통해 디지털 뉴딜 정책을 추진한다.
이중에서도 정부는 AI 학습용 데이터 구축사업에 2925억원의 예산을 배정했다. AI는 양질의 데이터를 기반으로 기계학습(머신러닝) 과정을 거쳐 형성된다. 적은 양의 데이터로 AI를 학습하는 기술도 개발됐지만 데이터의 질과 양은 여전히 중요하다. 이세돌 9단을 꺽은 구글 알파고도 바둑 기보를 학습한 끝에 막강한 실력을 갖출 수 있었다.
정부는 이같은 AI 데이터를 담을 데이터 댐 프로젝트를 통해 AI 경쟁력을 끌어올릴 방침이다. 자연어와 헬스케어, 자율주행, 농축수산, 국토환경, 안전, 미디어, 제조 등 10대 분야 150종의 AI 학습용 데이터 구축사업이 진행된다.
이같이 각 분야에서 수집·축적된 방대한 데이터를 잘 학습시켜 심도 싶은 인사이트를 얻기 위해선 이를 빠르고 안전하게 처리할 IT 인프라는 필수다. 이에 따라 지난 수년 간 AI 데이터에 최적화된 인프라(시스템)가 출시되고 있다. 하드웨어와 AI를 위한 소프트웨어를 유기적으로 결합한 ‘AI 전용 어플라이언스’는 공공기관과 기업에 잇달아 도입되고 있다.
보통 AI 어플라이언스는 컴퓨팅과 저장장치(스토리지)에 엔비디아 GPU와 올플래시, 딥러닝 프레임워크, 인피니밴드 등이 통합된 장치다. 보통 AI 구축에는 알고리즘과 데이터 사이언스, IT인프라 세가지 요소가 필요하다. 그동안 GPU나 딥러닝 프레임워크는 비약적인 발전을 거듭했지만, 실제 데이터를 처리하고 저장하는 컴퓨팅 및 스토리지, 네투워크 인프라와의 결합은 잘 이뤄지지 못했다.
이처럼 각 요소가 유기적으로 결합돼 성능이 강화된 AI 어플라이언스를 통해 몇 달이 걸리던 AI 프로젝트를 단 몇시간 내 시작할 수 있는 것이 강점이다. 한 IT업계 관계자는 “머신러닝이나 딥러닝 데이터가 방대해질수록 알고리즘은 정확해지는데, 기존에 갖고 있는 인프라로 AI인프라를 구현하려면 매우 복잡하고 사용이 어렵다”고 AI 어플라이언스 출시 배경을 밝혔다.
실제 이미 국내외 대기업들은 이같은 AI 어플라이언스를 도입해 인프라 활용율을 최대로 높였으며, 관련 제품 출시 시간도 단축할 수 있었다는 설명이다.
