엔비디아, 2022년 AI 산업 전망 발표
2021년 12월 10일
트위터로 보내기페이스북으로 보내기구글플러스로 보내기

엔비디아(www.nvidia.co.kr, CEO 젠슨 황)의 전문가들은 AI와 가속 컴퓨팅에 대한 내년도 전망을 발표했다.

 

대화형 AI: 작년에는 캐릭터 중심 접근법을 구체화하기 위해 대화형 AI가 실시간 상호 작용을 허용함으로써 비디오 게임을 더 몰입하게 만드는 데 사용될 것이라고 예측했다. 올해 대화형 AI는 게임이 아니라 업무에 적용될 것이다. 

 

기업들은 자연어 처리를 활용해 보다 효율적이고 효과적으로 작업할 수 있게 하는 새로운 대화형 AI 도구를 경쟁적으로 배포할 것이다. 2022년에 음성 합성은 인간의 목소리만큼 감정과 설득력을 전달할 수 있게 되어 유통, 은행, 의료 등의 산업이 고객을 더 잘 이해하고 더 나은 서비스를 제공하는 데 도움이 될 것이다. 

 

고객 이해하기: 자연어 처리를 넘어 다른 기업이나 고객과의 상호 작용을 위해 음성과 텍스트를 모두 활용하는 회사는 사람이 말하는 내용의 맥락이나 감정을 이해하기 위해 AI를 사용할 것이다. 예를 들면 고객의 불만이나 상사의 냉소적인 반응 등을 파악하기 위해서이다. 프로그래머의 작업 효율성을 높여 주는 OpenAI 깃허브 코파일럿(Github Copilot)과 같은 도구의 채택이 가속화될 것이다.

 

프로그래밍 가능한 자동차: 구매하는 순간 차의 가치가 떨어지는 시대는 곧 사라질 것이다. 더 많은 자동차 제조업체가 자동 무선(OTA) 업데이트를 통해 새로운 애플리케이션과 서비스를 지원할 수 있는 소프트웨어 정의 아키텍처를 구축하여 운전 경험을 재창조하는 것을 보게 될 것이다. 자동차는 갈수록 더 개선되고 안전해질 것이다. 

 

통근 스트레스 해소: 소프트웨어 정의 방식으로의 전환은 일상적인 운전의 스트레스와 번거로움을 없애는 데도 도움이 된다. AI 어시스턴트가 개인 비서 역할을 해주어 보다 안전하고 편리하며 즐거운 차량 경험을 선사한다. 차량 탑승자는 항상 켜져 있는 지능형 서비스에 액세스하여 추천, 경고, 차량 제어 등에 실시간 대화형 AI를 사용할 수 있다.

 

장거리 주행을 위한 설계: 자동차 제조업체는 더 많은 엔드-투-엔드 스택을 검증하고 심층 신경망 모델을 훈련하기 위해 시뮬레이션과 디지털 트윈 사용에 막대한 투자를 시작할 것이다. AI와 데이터 분석은 광범위한 주행 조건에 대해 자율주행 자동차를 훈련하고 검증하는 데 도움이 되며 장거리 주행을 위한 안전성을 보장할 것이다.

 

새로운 3D 표준: 가상 세계를 설명하기 위한 3D 표준의 발전을 보게 될 것이다. 현실 세계의 모든 것에 대해 정확하고 풍부한 디지털 대응물을 구축하는 것은 컴퓨터 과학에서 가장 큰 도전 중 하나다. 개발자, 기업, 개인 사용자는 인터넷과 웹의 초창기 시대와 유사한 기본 공개 표준에 기여할 것이다. 유니버설 씬 디스크립션(USD)과 glTF와 같은 표준은 Web3나 디지털 트윈의 기본 요구 사항을 충족하기 위해 빠르게 진화할 것이다. 

 

차세대 AI를 위한 합성 3D 데이터: AI의 혁신 속도는 지난 10년 동안 가속화되었지만 AI는 대량의 고품질 및 다양한 데이터 없이는 발전할 수 없다. 오늘날의 현실 세계에서 포착되고 인간이 분류한 데이터는 다음 수준의 인공지능으로 도약하기에는 품질과 다양성 면에서 충분하지 않다. 2022년에는 고급 신경망을 훈련하기 위해 물리적으로 정확한 월드 시뮬레이터에 의해 가상 세계에서 생성된 합성 데이터가 폭발적으로 증가하는 것을 보게 될 것이다. 

 

시뮬레이션을 통한 산업 재창조: 많은 업계가 운영 효율성과 비용 절감 가능성 덕분에 디지털 트윈과 가상 세계를 검토하고 채택하기 시작했다. 현실 세계에서 구축하는 모든 것을 디지털로 표현하려면 비행기, 자동차, 공장, 다리, 도시, 심지어 지구까지 가상 세계의 대응물이 있어야 한다. 디지털 트윈에 고충실도 시뮬레이션을 적용함으로써 실제 세계에서 구축하기 훨씬 전에 복잡한 설계를 경험, 테스트하며 최적화할 수 있다.

 

AI로 약물 발견 백만 배 가속화: 알려진 단백질 구조의 천 배 폭발을 일으키는 알파폴드(AlphaFold)와 로제타폴드(RoseTTAFold)의 동시 혁신과 수천 개 이상의 잠재적인 화학 화합물을 생성할 수 있는 AI는 약물을 발견할 기회를 백만 배 증가시켰다. 분자 시뮬레이션은 표적과 약물 상호 작용을 완전히 인 실리코(in silico)로 모델링하는 데 도움이 된다. 백만 배로 늘어난 기회를 따라잡기 위해 AI는 시스템 크기와 시간 규모에서 양자 정확도에 이르기까지 새로운 차원의 분자 시뮬레이션을 도입하는 데 도움을 주고 있다. 

 

AI로 SaaS 의료기기 개발: AI는 의료기기 산업에 비용 최소화/절감, 자동화, 접근성 증가, 제품 수명에 걸친 지속적 혁신 등 엄청난 기회를 제공한다. 의료기기 업체는 하드웨어 공급을 넘어 기기를 원격으로 업그레이드하여 배포 후에도 계속 사용할 수 있는 서비스로서의 소프트웨어(SaaS) 시스템 제공사로 진화할 것이다. 

 

연합 학습이 가능한 AI 2.0: AI 애플리케이션 개발자가 AI 기술을 산업화하고 애플리케이션의 비즈니스 이점을 확장하려면 AI는 특정 단체, 기관, 지역에 소속되지 않은 외부 데이터에 대해 훈련, 검증되어야 한다. 연합 학습은 강력한 AI 모델을 공동으로 구축하고 민감한 데이터를 공유하지 않으며 외부에서 모델을 검증하는 데 필수다.

 

AI4Science: 이 분야는 계속해서 상당히 성숙해지고 실제 세계에 영향을 미칠 것이다. AI는 슈퍼컴퓨팅 규모에서 HPC와 긴밀하게 통합되고 날씨, 기후 모델과 같은 영역에서 전례 없는 규모와 충실도로 과학적 시뮬레이션과 모델링을 가능하게 할 것이다. AI는 신약과 치료법의 발견에 획기적인 발전을 가져오고 의료에 혁명을 일으킬 것이다. 연합 학습과 개인정보 차등보호가 널리 채택되어 의료 등의 민감한 데이터 공유가 활성화될 것이다. 

 

알고리즘 개발: 시뮬레이션의 기반이 되는 알고리즘 개발의 놀라운 발전과 대규모 강화 학습을 처리하는 GPU의 기능이 기대된다.

 

통신 엣지로 이동하는 AI: 5G는 엣지 컴퓨팅에 새로운 기회를 열 것이다. 고객이 특정 애플리케이션에 전용 대역폭을 할당할 수 있는 네트워크 슬라이싱, 비유선 환경에서 초저지연, 보안과 격리 개선 등의 주요 이점이 있다. 

 

AI-on-5G는 새로운 엣지 AI 사용 사례를 가능하게 한다. 여기에는 공장 자동화, 공장 로봇, 모니터링, 검사와 같은 ‘4차 산업’ 사용 사례, 유료 도로와 차량 원격 측정 애플리케이션과 같은 자동차 시스템은 물론 유통, 도시, 공급망 애플리케이션의 스마트 스페이스 등이 포함된다. 

 

AI와 OT 솔루션의 융합: 새로운 엣지 AI 애플리케이션은 지능형 공장을 포함한 지능형 공간의 성장을 주도하고 있다. 이러한 공장은 검사와 예측 유지보수를 위해 카메라와 여러 센서를 사용한다. 그러나 감지는 첫 번째 단계일 뿐이며 감지 후 조치도 취해야 한다. 이를 위해서는 추론을 수행하는 AI 애플리케이션과 조립 라인, 로봇 팔 또는 픽앤플레이스(pick-and-place) 장비를 관리하는 모니터링 및 제어(OT) 시스템 간의 연결이 필요하다. 

 

현재 이 두 애플리케이션 간의 통합은 맞춤형 개발 작업에 의존하고 있다. 올해에는 산업 환경에서 엣지 AI 도입을 단순화하는 AI와 기존 OT 관리 솔루션의 더 많은 통합이 예상된다.

 

AI로 노동력 부족 문제 해결: 노동력 부족과 더 빠른 서비스에 대한 고객 수요가 증가하는 가운데 패스트푸드 음식점은 자동화된 주문 접수에 AI를 활용할 것이다. 추천 시스템과 결합된 자연어 이해와 발화의 발전 덕분에 패스트푸드 음식점은 자동 주문을 도입하여 드라이브 스루 시간을 단축하고 추천 서비스를 개선할 것이다. 슈퍼마켓과 대형 할인점 등의 유통업체는 지능형 비디오 분석과 컴퓨터 비전의 사용을 늘려 자동 결제와 자율/무인 쇼핑을 가능하게 것이다. 

 

물류 최적화를 위한 AI 활용: AI의 가장 큰 힘은 엄청나게 복잡한 문제를 단순화하는 데 있는데요. 공급망 최적화는 유통업체가 재고 확보와 더 빠른 배송에 대한 고객 요구를 충족하는 데 중요한 영역이 될 것이다. AI는 더욱 빈번하고 정확한 예측을 가능하게 하여 적절한 제품이 적시에 적절한 매장에 배치되도록 보장한다. 

 

컴퓨터 비전과 로봇은 물류 센터에 AI 인텔리전스를 추가할 것이다. 자율 지게차, 로봇, 지능형 멀티 셔틀 캐비닛과 같은 솔루션은 컨베이어 공회전과 다운타임을 줄이고 품목의 픽앤팩(pick-and-pack)을 자동화하여 처리량을 두 배로 늘릴 것이다. 데이터 과학을 활용한 라스트마일 배송은 동적 경로 재지정, 시뮬레이션, 1초 미만의 솔버 응답 시간을 지원한다. 

 

고객과 하나되기: 유통업체는 방대한 양의 데이터를 보유하고 있지만 실시간으로 처리하는 데 어려움을 겪는 경우가 많다. 유통업체는 AI를 활용해 데이터를 거의 실시간으로 분석하여 고객에 대한 360도 시야를 제공함으로써 보다 개인화된 제안과 추천을 통해 수익과 고객 만족도를 높일 수 있다. 2022년에는 고도로 개인화된 쇼핑 경험을 제공하는 많은 유통업체를 보게 될 것이다.

 

음성이 ID가 되는 시대: 금융 기관은 사기를 방지하고 고객 알기(KYC)와 자금 세탁 방지(AML)과 같은 규정을 준수하기 위해 AI에 막대한 투자를 할 것이다. 온라인 거래 인증에 고객의 음성을 활용하거나 인증에 눈 생체 인식 기술을 사용하는 기관도 있다. 

 

그래프 신경망은 금융 기관의 AI 연구자과 실무자가 엔티티와 데이터 포인트 간의 관계를 이해하는 데 사용하는 새로운 기술이다. 사기 예방을 강화하고 관계를 매핑하여 사기를 보다 효과적으로 방지하는데 중요한 역할을 한다. 

 

ESG를 위한 AI: 소비자와 정부 기관은 점점 더 기업에 환경 영향, 사회, 기업 거버넌스(ESG)에 대한 책임을 요구하고 있다. 기업은 ESG와 관련된 기업 성과를 추적하는 데 필요한 모든 데이터를 분석하는 딥 러닝과 자연어 처리 모델을 비롯한 AI 모델을 실행하기 위한 컴퓨팅 성능 증대에 투자할 것이다. 또한 ESG 벤치마크 대비 기업의 성과를 비교 측정하기 위해 외부에서 사용 가능한 데이터를 분석해야 한다.

 

이해를 높이기 위한 대규모 언어모델 배포: 2022년에는 더 많은 산업과 사용 사례에 서비스를 제공하기 위해 사용되는 대규모 언어모델(LLM)의 가속화된 성장을 보게 될 것이다. 방대한 양의 일반 또는 산업별 데이터에 대해 교육을 받은 LLM은 전문 훈련이나 감독 없이도 심층 도메인 질문에 답하고, 언어를 번역하고, 문서를 이해, 요약하고, 스토리를 작성하고 프로그램을 계산할 수 있다. 이미 LLM은 언어나 도메인별 AI 챗봇과 서비스를 구축하는 데 사용되어 전 세계적으로 연결과 소통을 개선하고 있다. 

 

늘어나는 코로케이션 데이터센터 이용: 많은 기업이 클라우드 컴퓨팅으로 전환하면서 자체 데이터센터를 운영하지 않는다. 이에 따라 기업들은 2022년에 고성능 AI 인프라를 위한 코로케이션 서비스 활용을 고려하게 될 것이다. 연중 24시간 가동을 보장해주는 배포의 용이성과 인프라 전문가의 지원을 통해 더 많은 기업이 필요할 때 언제 어디서나 안전하게 제공되는 주문형 리소스의 이점을 누릴 수 있다.

 

컴퓨팅의 새로운 단위가 된 데이터센터: 이전에 단일 컴퓨터에서 실행되었던 애플리케이션은 더 이상 단일 상자에 맞지 않는다. 컴퓨팅의 새로운 세계는 점점 더 소프트웨어 정의와 하드웨어 가속화 방식이 될 것이다. 애플리케이션의 세분화와 방대한 데이터 세트 활용에 따라 네트워크는 많은 서버들이 컴퓨터처럼 함께 작동하는 고속도로와도 같다. 소프트웨어 정의 데이터 처리 장치는 분산 스위치, 로드 밸런서, 방화벽, 데이터센터 규모의 컴퓨터를 함께 연결하는 가상화된 저장 장치 역할을 한다. 

 

제로 트러스트에 대한 신뢰 증가: 애플리케이션과 디바이스가 데이터센터와 엣지 간에 원활하게 이동함에 따라 기업은 마이크로서비스를 검증하고 구성해야 한다. 제로 트러스트는 회사 시스템에 연결된 모든 사람을 인증하고 모니터링하여 악의적인 행위자가 네트워크에 침투하려고 시도하지 않는지 확인해야 한다고 가정한다. 엣지와 네트워크 내의 각 노드에서 모든 것이 보호되어야 한다. 데이터는 IPSEC와 TLS 암호화를 사용해 암호화되어야 하며 모든 노드는 고급 라우터와 방화벽으로 보호되어야 한다.

 

가속화된 데이터 과학 플랫폼으로 엔터프라이즈 데이터 레이크 개선: 엔터프라이즈 빅데이터 전략의 기반을 형성하는 데이터 레이크에 대해 많은 연구가 있었다. 엔터프라이즈 데이터 레이크는 대규모 데이터 처리에 효과적이지만 머신 러닝 훈련과 추론 파이프라인에서 격리, 분리됨에 따라 지난 몇 년 동안 광범위한 유용성이 거의 동결됐다. 2022년에 데이터 레이크는 세 가지 변곡점(중앙 집중식 인프라, 쿠버네티스(Kubernetes) 기반 애플리케이션의 민첩성, 동급 최고의 작업에 적합한 스토리지)으로 인해 엔드-투-엔드 데이터 파이프라인을 통해 마침내 현대화될 것이다. 

 

주류 AI 도입으로 MLOps 성장 촉진: 전 세계의 AI 개척자들이 개발과 생산 AI 워크플로우 관리를 돕는 맞춤형 MLOps 솔루션을 구축했다. 클라우드 기반 개발 경로를 선택한 많은 얼리 어답터는 MLOps 기술 추가를 지연시킬 수 있었다. 기업이 AI 사용을 확대하고 가속화된 인프라를 온프레미스로 가져옴에 따라 이제 격차를 발견하고 있다. 이 요구 사항을 해결한다면 내년에 MLOps 솔루션의 광범위한 채택이 촉발될 것으로 예상된다. 

 

초가속 AI 도입 시대 진입

계속되는 팬데믹으로 인해 많은 기업과 연구기관이 발명과 재창조를 가속화하는 시대가 열렸다는 점은 의심의 여지가 없다. 이들의 목표는 장기적인 이익과 급진적인 변화를 추구하면서 오늘의 요구 사항을 충족하는 단기적 조치를 세우는 것이다. AI를 더 적극적으로 수용하여 불확실성을 해결하는 기업들이 2022년에 또 다른 위험을 겪게 될지 아니면 탄탄대로를 달리게 될지 지켜봐야 할 것이다.

그래픽 / 영상
많이 본 뉴스