AMD Dev Day Shanghai에서의 Ultralytics: 로컬 AI와 에이전트 시스템의 만남

Ultralytics는 AMD Dev Day Shanghai에 참석하여 AMD와 파트너사가 AI 인프라의 다음 단계를 어떻게 형성하고 있는지 확인했습니다. 이번 행사에서 가장 강력하게 전달된 메시지는 분명했습니다. AMD AI에 대한 논의가 단일 모델을 넘어 배포 가능한 AI 시스템으로 향하고 있다는 점입니다. 발표, 제품 데모, 파트너 토론 전반에 걸쳐 가장 핵심적인 주제는 agentic AI, 로컬 AI 배포, 오픈 소스 생태계, 그리고 이러한 시스템을 대규모로 실용화하기 위해 필요한 개발자 도구였습니다.

AMD 회장 겸 CEO인 Lisa Su는 *“오늘날만큼 기술 분야에 있기 흥미로운 시기는 없었습니다.”*라고 언급했습니다.

실제 AI 제품을 구축하는 팀에게 이러한 변화는 매우 중요합니다. 이는 시장의 다음 단계에서 성공하기 위해서는 단순히 단일 최첨단 모델에 의존하기보다, 팀이 워크플로우를 얼마나 잘 조정하고, 추론 비용을 제어하며, 민감한 데이터를 보호하고, 작업에 적합한 배포 환경을 선택할 수 있는지에 달려 있다는 것을 시사합니다.

Link to this sectionAMD의 메시지: AI에는 풀스택 컴퓨팅 전략이 필요하다#

AMD Dev Day 전반에 걸쳐 나타난 주요 테마는 AMD가 AI 시대를 위한 완전한 엔드투엔드 컴퓨팅 제공업체로 자리매김하려는 노력이었습니다. AMD는 폐쇄적인 독점 스택이 아닌 개방형 소프트웨어 생태계를 강조하면서 클라우드, 클라이언트, 엣지 환경 전반에서 AI 워크로드를 지원하는 접근 방식을 제시했습니다.

이러한 프레임워크는 AI 개발이 어떻게 진화하고 있는지를 반영하기 때문에 중요합니다. 현대적인 AI 제품을 구축하는 것은 더 이상 단순히 모델 API를 학습시키거나 호출하는 것에 그치지 않습니다. 팀은 로컬 실험, 멀티 에이전트 워크플로우, 추론 최적화, 워크스테이션급 테스트 및 엔터프라이즈 배포를 지원해야 할 필요성이 커지고 있습니다. AMD의 행사 메시지는 자사의 하드웨어 전략을 이러한 광범위한 소프트웨어 및 시스템 현실과 일관되게 연결했습니다.

이러한 포부는 행사 중 Lisa Su에 의해 *“우리는 생태계 곳곳에 AI를 도입하고자 합니다.”*라는 말로 명확하게 요약되었습니다.

그림 1. 상하이 AMD Dev Day 행사 무대에 선 Lisa Su.

Link to this section에이전트 AI가 행사의 지배적인 주제였습니다#

하루 종일 반복된 아이디어가 하나 있다면, 그것은 전통적인 LLM 상호작용에서 에이전트 AI 시스템으로의 전환이었습니다. 연사들은 이 변화를 단발성 프롬프트와 응답에서 멀티 에이전트 오케스트레이션으로 이동하는 것으로 묘사했습니다. 여기서 서로 다른 에이전트들은 워크플로우 전반에 걸쳐 계획하고, 실행하고, 검토하며 협업합니다.

이는 에이전트 시스템이 AI 스택에 새로운 요구 사항을 부과하기 때문에 중요합니다. 행사에서 정의한 바에 따르면, 이러한 시스템은 GPU 성능뿐만 아니라 반복적인 추론 루프와 다단계 실행을 지원하기 위한 상당한 CPU 처리 능력, 데이터 흐름 오케스트레이션, 메모리 용량이 필요합니다.

개발자와 AI 팀에게 주는 교훈은 단순히 가장 뛰어난 모델을 선택하는 것보다 효과적인 AI 시스템을 구축하는 것에서 경쟁 우위가 나올 수 있다는 점입니다. 모델을 워크플로우, 도구, 로컬 데이터 및 비즈니스 프로세스에 연결하는 능력 자체가 제품의 핵심적인 부분이 되고 있습니다.

Link to this section로컬 AI 배포가 더욱 전략적으로 변하고 있습니다#

AMD Dev Day의 또 다른 주목할 만한 주제는 로컬 AI 배포에 대한 강조였습니다. AMD와 파트너사들은 고급 AI 워크로드가 노트북, 워크스테이션, 엔터프라이즈 하드웨어를 포함하여 작업이 발생하는 장소와 더 가까운 곳에서 실행되어야 할 필요성이 커지고 있다는 점을 반복적으로 언급했습니다.

그 이유는 행사 내내 일관되었습니다:

• 더 낮은 지연 시간(Latency)
• 더 나은 데이터 개인 정보 보호
• 민감한 워크플로우에 대한 더 강력한 제어
• 클라우드 API 비용에 대한 의존도 감소

AMD는 Ryzen AI Max 395를 그 주장의 핵심 근거로 제시하며, 최대 128GB의 통합 메모리를 탑재하고 샤딩 없이 단일 메모리 풀에서 대규모 모델을 로컬로 실행할 수 있는 구성의 이점을 강조했습니다. 또한 이 행사에서는 Radeon AI Pro R9700 및 AMD Threadripper Pro 9000을 사용하여 배포 전 테스트 및 로컬 확장을 수행하는 워크스테이션급 개발 환경을 선보였습니다.

전반적인 메시지는 클라우드가 사라진다는 것이 아니었습니다. 대신 행사는 로컬과 클라우드 환경이 함께 작동하는 하이브리드 모델을 제시했습니다. 보다 일상적이고 지연 시간에 민감하거나 개인 정보 보호가 중요한 작업은 로컬에서 실행하고, 더 까다로운 작업은 필요할 때 클라우드로 확장할 수 있습니다.

Link to this sectionAI 추론 비용과 토큰 수요가 인프라 선택을 결정짓고 있습니다#

AMD Dev Day는 또한 이러한 아키텍처 결정 뒤에 숨겨진 경제적 압박을 강조했습니다. 행사 연사들은 토큰 수요의 급격한 증가, 추론 비용 상승, 그리고 이로 인해 AI 제품을 구축하는 개발자와 기업이 겪는 압박을 강조했습니다.

이러한 프레임워크 안에서, 로컬 AI는 기술적인 전략인 동시에 비용 관리 전략으로 제시되었습니다. 행사의 반복된 메시지는 AI의 차기 단계에서는 단순히 가장 많은 컴퓨팅 자원을 소비하는 팀이 아니라, 컴퓨팅 자원을 가장 효율적으로 사용하는 팀이 보상받게 될 것이라는 점입니다.

AI 구축자에게 이는 실질적인 신호입니다. 이제 인프라 결정은 제품 결정과 다름없습니다. 지연 시간, 개인 정보 보호, 메모리, 토큰 비용은 더 이상 부차적인 엔지니어링 세부 사항이 아닙니다.

그림 2. AMD Versal AI Edge Series Gen2 VEK385 평가 키트.

Link to this sectionAMD ROCm과 오픈 소스 AI 생태계#

AMD Dev Day에서 얻은 또 다른 주요 교훈은 오픈 소프트웨어 생태계의 중심적인 역할입니다. AMD는 ROCm, 주요 프레임워크에 대한 제로 코드 변경 지원, Hugging Face와 ModelScope를 통한 300만 개 이상의 모델 지원, 새로운 모델 출시에 대한 데이 제로(day-zero) 지원 목표를 강조했습니다.

AMD의 AI 제품 관리 선임 이사인 Nick Ni는 이러한 강조점을 다음과 같이 잘 요약했습니다: “사실 이 자리에 계신 대부분의 분들께는 소프트웨어가 핵심 이야기입니다.”

또한 행사는 개발자 중심의 여러 이니셔티브를 강조했습니다:

• 중국 개발자를 위한 무료 GPU 액세스를 제공하는 AMD AI Developer Cloud
• AMD GPU 런타임 옵션을 통합한 ModelScope Studio
• 단계별 가이드를 제공하는 AMD AI Playbooks
• 최근 몇 달 동안 10만 명 이상의 개발자가 추가된 개발자 프로그램

행사의 이 부분은 하드웨어 성능만으로는 채택을 주도할 수 없다는 기본적인 사실을 강조했기 때문에 특히 중요하게 느껴졌습니다. 개발자는 성숙한 도구, 익숙한 프레임워크, 문서, 그리고 실험을 위한 마찰 없는 환경이 필요합니다. 생태계에 관한 이야기가 바로 성능 주장을 사용 가능한 플랫폼으로 전환하는 핵심입니다.

Link to this sectionAMD Dev Day에서 중국이 주목받은 이유#

AI 시장에서 중국의 역할은 또 다른 반복된 주제였습니다. 여러 연사는 중국이 특히 효율성, 로컬 배포, 실용적인 엔지니어링 제약 조건이 중요한 영역에서 오픈 소스 AI 혁신을 선도하는 환경이라고 설명했습니다.

Zero One AI 및 Stepfun과의 파트너십이 이 점을 뒷받침하는 데 사용되었습니다. 행사 자료에는 로컬 배포를 위해 Ryzen AI Max 아키텍처를 기반으로 Zero One AI와 공동 구축한 엔터프라이즈 멀티 에이전트 올인원 시스템과, AMD 하드웨어에 최적화되어 에이전트 작업을 위해 설계된 Stepfun 모델이 소개되었습니다.

더 큰 의미는 중국이 거대한 AI 시장일 뿐만 아니라 로컬 AI 배포, 오픈 소스 모델, 비용 효율적인 인프라 설계를 위한 중요한 테스트 베드라는 점입니다.

Link to this sectionAMD Dev Day Shanghai에서 Ultralytics가 얻은 것#

Ultralytics 팀의 관점에서 AMD Dev Day에서 얻은 가장 유용한 신호는 추상적인 AI 성능이 아닌 배포 가능한 AI 시스템에 대한 집중이었습니다. 이번 행사는 개발자와 기업이 실제로 프로덕션 환경에서 AI를 어떻게 실행하고, 통합하며, 보호하고, 확장할 수 있는지에 일관되게 초점을 맞추었습니다.

여기에는 다음과 같은 질문이 포함됩니다:

• 무엇을 로컬에서 실행하고 무엇을 클라우드에서 실행해야 하는가?
• 팀은 지연 시간과 개인 정보 보호에 대해 어떻게 생각해야 하는가?
• 개발자는 비용이 많이 드는 추론 API에 대한 의존도를 어떻게 줄일 수 있는가?
• 어떤 도구와 소프트웨어 계층이 AI 플랫폼을 더 쉽게 채택하도록 만드는가?

이러한 질문들은 실용적이며, 성공적인 AI 제품이 어떻게 구축되는지를 결정짓습니다. 또한 이는 우리가 Ultralytics YOLO 모델을 구축하고 출시하는 방식에서 직접적으로 고민하는 질문들이기도 합니다. 모델이 노트북에서 실행되든, 워크스테이션에서 실행되든, 아니면 클라우드 인스턴스에서 실행되든, 배포 유연성은 우리에게 항상 핵심 설계 제약 사항이었으며 나중에 고려할 사안이 아니었습니다.

AMD Dev Day에서 강조된 오픈 소스 생태계와 추론 효율성에 대한 추진은 우리가 이미 믿고 있는 바를 강화했습니다. 즉, 가장 유용한 AI 도구는 특정 공급업체나 플랫폼을 중심으로 인프라를 다시 구축할 필요 없이 실제 하드웨어와 실제 워크플로우에 적합한 도구라는 점입니다.

그림 3. 상하이 AMD Dev Day의 Ultralytics 팀.

Link to this section마무리 생각#

AMD Dev Day Shanghai는 한 가지를 분명하게 보여주었습니다. AI 인프라에 대한 논의가 성숙해지고 있다는 것입니다. 초점은 원시 모델 규모 자체에서 AI를 현실 세계에서 유용하게 만드는 데 필요한 더 광범위한 시스템으로 옮겨가고 있습니다. 에이전트 워크플로우, 로컬 AI 배포, 오픈 소스 도구 및 인프라 효율성이 이번 행사 전반에 걸쳐 가장 뚜렷한 주제였습니다.

AI 제품을 구축하는 팀에게 이러한 변화는 주목할 가치가 있습니다. 다음 단계의 발전은 단순히 가장 큰 모델을 선택하는 것이 아니라, 올바른 아키텍처, 올바른 배포 모델, 그리고 올바른 개발자 생태계를 선택하는 데서 올 수 있습니다.

컴퓨터 비전 시스템을 구축하고 있으며 추론을 온디바이스(on-device), 온프레미스(on-premise), 혹은 클라우드 중 어디에서 실행해야 할지 고민 중이라면, Ultralytics YOLO 모델은 이러한 유연성을 염두에 두고 설계되었습니다. GitHub 저장소를 탐색하여 시작하거나, 컴퓨터 비전이 제조 및 물류 분야의 실제 배포에 어떻게 적용되는지 확인하고, 라이선스 옵션을 검토하여 구축을 시작해 보십시오.