클라우드 컴퓨팅

클라우드 컴퓨팅은 서버, 스토리지, 데이터베이스, 네트워킹, 소프트웨어, 분석 및 인텔리전스를 포함한 컴퓨팅 서비스를 인터넷("클라우드")을 통해 주문형으로 제공하는 것입니다. 조직은 자체 컴퓨팅 인프라를 소유하고 유지 관리하는 대신 Amazon Web Services(AWS), Google Cloud 또는 Microsoft Azure와 같은 클라우드 공급자로부터 이러한 서비스에 액세스할 수 있습니다. 이 모델은 더 빠른 혁신, 유연한 리소스 및 규모의 경제를 가능하게 하여 현대적인 인공 지능(AI) 및 머신 러닝(ML)의 필수 기반이 됩니다. 국립 표준 기술 연구소(NIST)에서 정의한 핵심 아이디어는 구성 가능한 컴퓨팅 리소스의 공유 풀에 대한 유비쿼터스하고 편리한 주문형 네트워크 액세스를 제공하는 것입니다.

클라우드 컴퓨팅 작동 방식

클라우드 공급자는 막대한 양의 하드웨어를 갖춘 글로벌 데이터 센터 네트워크를 유지 관리합니다. 그들은 다양한 모델을 통해 서비스를 제공하며 가장 일반적인 모델은 다음과 같습니다.

• IaaS(Infrastructure as a Service): 가상 머신, 스토리지 및 네트워킹과 같은 기본 컴퓨팅 리소스를 제공합니다. 이를 통해 사용자는 최대한의 제어력을 확보할 수 있으며 사용자 지정 딥 러닝 환경에 적합합니다.
• PaaS(Platform as a Service): 고객이 인프라 구축 및 유지 관리의 복잡성 없이 애플리케이션을 개발, 실행 및 관리할 수 있도록 플랫폼을 제공합니다. 여기에는 관리형 데이터베이스 및 Kubernetes 서비스가 포함됩니다.
• 서비스형 소프트웨어(SaaS): 인터넷을 통해 소프트웨어 애플리케이션을 구독 기반으로 제공합니다. Ultralytics HUB는 컴퓨터 비전 모델을 훈련하고 관리하기 위한 도구를 제공하는 SaaS 플랫폼의 예입니다.

이러한 구조는 비용 절감, 글로벌 확장성, 고성능, 강화된 데이터 보안과 같은 주요 이점을 제공하며, 이는 CSA(Cloud Security Alliance)와 같은 기관과의 협력을 통해 관리됩니다.

AI 및 머신 러닝에서 중요성

클라우드는 오늘날 AI 개발의 주요 엔진입니다. Ultralytics YOLO와 같은 고급 모델을 훈련하려면 막대한 컴퓨팅 성능과 데이터가 필요하며, 이는 종종 로컬에서 호스팅하는 것이 비현실적입니다.

주요 용도는 다음과 같습니다:

• 강력한 모델 학습: 클라우드는 대규모 데이터 세트에 대한 분산 학습에 필요한 GPU 및 TPU와 같은 고성능 하드웨어에 대한 액세스를 제공합니다. Ultralytics HUB 클라우드 학습과 같은 플랫폼은 이를 활용하여 모델 개발을 가속화합니다.
• 대규모 데이터 세트 관리: AI 모델은 방대한 양의 학습 데이터를 기반으로 학습됩니다. 클라우드 스토리지 솔루션은 ImageNet부터 객체 탐지와 같은 특정 작업을 위한 사용자 정의 컬렉션에 이르기까지 이러한 데이터 세트를 위한 확장 가능하고 접근 가능한 저장소를 제공합니다.
• 확장 가능한 모델 배포: 모델이 학습되면 클라우드에 배포하여 실시간 추론을 수행할 수 있습니다. 클라우드의 탄력적인 특성 덕분에 애플리케이션은 수요 변동에 따라 자동으로 확장될 수 있으며, 이는 MLOps의 핵심 원칙입니다. 다양한 모델 배포 옵션에 대한 자세한 내용은 저희 문서를 참조하십시오.

실제 애플리케이션

1. 자동차 분야의 AI: 자율 주행 차량을 개발하는 회사는 페타바이트 단위의 운전 데이터를 수집합니다. 그들은 보행자, 차량 및 도로 표지판을 식별할 수 있는 인식 모델을 훈련하고 검증하기 위해 클라우드 기반 GPU 클러스터를 사용하며, 이에 대한 자세한 내용은 자동차 솔루션 페이지의 AI에서 확인할 수 있습니다.
2. 헬스케어 분야의 AI: 연구 병원은 안전한 HIPAA 규정 준수 클라우드 환경을 사용하여 의료 영상 분석를 위한 진단 모델을 훈련할 수 있습니다. 익명화된 데이터를 풀링하여 PyTorch와 같은 프레임워크를 사용하여 X-선 또는 MRI에서 이상 징후를 감지하는 강력한 모델을 구축하여 헬스케어 분야의 AI 개선을 위해 더 빠르고 정확한 진단을 내릴 수 있습니다.

클라우드 컴퓨팅 vs. 관련 개념

• 서버리스 컴퓨팅: 서버리스 컴퓨팅은 클라우드 컴퓨팅에 대한 대안이 아니라 클라우드 컴퓨팅 내의 실행 모델입니다. 더 광범위한 클라우드 컴퓨팅은 가상 서버(IaaS) 관리를 포함할 수 있지만, 서버리스는 모든 서버 관리를 추상화합니다. 코드를 (함수 형태로) 제공하기만 하면 클라우드 공급자가 이를 실행하기 위한 리소스를 자동으로 프로비저닝하여 필요에 따라 0에서 대규모 볼륨으로 확장합니다.
• 엣지 컴퓨팅: 엣지 컴퓨팅은 데이터 소스에 가까운 네트워크의 "엣지"에 있는 장치에서 로컬로 데이터를 처리하는 것을 포함합니다. 이는 클라우드 컴퓨팅의 중앙 집중식 모델과 반대입니다. 그러나 이들은 종종 하이브리드 접근 방식으로 함께 사용됩니다. 예를 들어 NVIDIA Jetson과 같은 엣지 AI 장치는 초기 객체 감지를 수행한 다음 장기 저장, 집계 또는 보다 집중적인 분석을 위해 관련 메타데이터만 클라우드로 보낼 수 있습니다. 이 접근 방식은 엣지의 낮은 지연 시간과 클라우드의 막대한 성능을 결합합니다. 엣지 장치에 애플리케이션 배포에 대한 자세한 내용은 블로그에서 확인할 수 있습니다.