[AI 어플라이언스②] AI 데이터 어플라이언스의 조건은?

실시간
뉴스

[AI 어플라이언스②] AI 데이터 어플라이언스의 조건은?

디지털데일리 발행일 2020-10-04 15:31:37

백지영

URL복사

[디지털데일리 백지영기자] 그동안 IT 업계에선 데이터베이스(DB)나 백업 등 특정 목적을 위한 다양한 어플라이언스(통합시스템)이 등장해 인기를 끌었다.

엔지니어드 시스템이라고 불리는 오라클의 ‘엑사데이타’가 대표적이다. 엑사데이터는 하드웨어와 자사의 데이터베이스관리시스템(DBMS) 소프트웨어를 통합한 어플라이언스 제품군으로 설치 후 별도의 구성없이 곧바로 사용 가능하며 최적화, 자동화, 테스트, 패치 등을 지원하는 것이 특징이다.

대용량 메모리 계층구조나 스마트 플래시 캐시 소프트웨어 등의 지속적인 업그레이드를 통해 DB 성능과 응답속도는 높이고 전력량은 낮춤으로써 시스템을 개선해 왔다. 현재 오라클은 엑사데이타를 이제 자사 클라우드 서비스 상에서 제공하며 활용 범위를 확대하고 있다.

이처럼 어플라이언스 형태의 제품은 초기 도입 측면에선 다소 부담이 될 수 있지만, 사용이 간편하고 성능이 뛰어난 것이 특징이다.

AI 데이터 어플라이언스 역시 하드웨어와 소프트웨어 스택을 통합해 최적화했으며, 사용이 간편한 것이 특징이다. 기업은 이를 통해 하나의 인프라에서 AI 데이터의 수집과 변환, 트레이닝(학습)과 인퍼런싱(추론), 분석, 저장까지 가능하다.

보통 기업에서 AI를 활용한 아이디어나 서비스를 실현하기 위해 데이터 과학자 또는 개발자는 오픈소스 기반 툴이나 라이브러리를 조합해 학습을 반복적으로 진행한다. 모델 최적화 작업을 거쳐 실제 제품에 적용을 한 이후에도 인프라의 용량과 성능 부족 없이 운영이 가능해진다.

AI 데이터 어플라이언스는 일반적으로 AI 및 딥러닝 학습을 가속화할 수 있는 엔비디아의 GPU와 컴퓨팅(서버) 노드와 스토리지, 고속의 네트워크를 가능하게 하는 인피니밴드 등을 통합하고 있다, 여기에 사용자 친화적 API와 컨테이너형 AI 프레임워크, 쿠버네티스 통합 지원을 통해 AI 작업 전체의 생산성을 높이는 방향으로 개선되고 있다.

물론 예산 등 여러 이슈에 따라 모두가 AI 데이터 어플라이언스를 도입할 수 있는 것은 아니다. 하지만 AI 인프라를 구축하려는 대다수의 기업 및 공공기관은 비슷한 구성요소를 요구하고 있다.

실제 조달청 나라장터 게시된 ‘딥러닝용 GPU 서버’, ‘HPC 및 머신러닝/딥러닝 지원 GPU 서버’ 등의 공고를 살펴보면 엔비디아 GPU와 인텔 제온 CPU, 스토리지, 텐서플로우 및 쿠다 툴 킷, 특정 속도 이상의 인터커넥트 밴드위스 등을 제시하고 있다.

사업 면면을 살펴보면 자가 학습이 가능한 개인화된 자율주행 기술 개발이나 AI 합성신약 플랫폼 구축 등 다양하다. 대부분이 하드웨어와 운영체제, 소프트웨어 등이 통합된 통합 솔루션으로 제공할 것을 요구한다.

특히 최적화된 솔루션으로 다수의 이용자가 연산 요청을 할 경우 원활한 서비스 제공이 가능해야 하며, 각 예측 모델의 구성 소프트웨어, 라이브러리 간 충돌을 방지하기 위해 컨테이너화 된 시스템 구성 등도 필요하다.

이에 따라 최근 관련 시장의 수요에 대응하기 위해 국내외 IT기업의 AI 어플라이언스 공급 경쟁도 치열해지고 있다. 특히 퓨어스토리지와 델 테크놀로지스(델 EMC), 효성인포메이션, IBM 등은 스토리지 분야에서의 역량과 엔비디아와의 협력을 강화하며 수년 전부터 관련 시장에 대응하고 있다. 국내 기업들도 파트너십을 통해 AI 어플라이언스 제품을 강화하고 있는 상황이다.

<백지영 기자>jyp@ddaily.co.kr