YOLO Vision 2025를 놓치지 마세요!
2025년 9월 25일
10:00 — 18:00 BST
하이브리드 이벤트
엣지 AI가 장치에서 실시간, 안전하고 효율적인 AI 처리를 가능하게 하여 의료 및 자율 주행 차량과 같은 산업을 어떻게 변화시키는지 알아보세요.
엣지 AI는 인공지능(AI) 및 머신러닝(ML) 알고리즘이 데이터 생성 소스에 가까운 하드웨어 장치에서 로컬로 처리되는 분산 컴퓨팅 패러다임입니다. 데이터를 중앙 집중식 클라우드 서버로 보내 처리하는 대신, 엣지 AI는 장치 자체에서 직접 추론을 수행합니다. 이 접근 방식은 대기 시간을 크게 줄이고, 데이터 개인 정보 보호를 강화하며, 대역폭 요구 사항을 낮추므로 즉각적인 결과가 필요하고 간헐적인 인터넷 연결 또는 연결이 없는 상태에서 작동해야 하는 애플리케이션에 이상적입니다. 성장하는 엣지 AI 시장은 다양한 산업 전반에서 엣지 AI 채택이 증가하고 있음을 반영합니다.
일반적인 엣지 AI 워크플로우에서 데이터는 물리적 장치의 카메라 또는 마이크와 같은 센서에 의해 수집됩니다. 그런 다음 이 데이터는 장치의 로컬 프로세서에서 실행되는 사전 학습된 최적화된 ML 모델에 직접 공급됩니다. 프로세서는 종종 특수 AI 가속기 또는 SoC(System-on-a-Chip)로, 모델을 실행하여 객체 식별 또는 명령 인식과 같은 출력을 생성합니다. 이 전체 프로세스는 외부 네트워크에 의존하지 않고 밀리초 단위로 발생합니다.
이를 위해서는 매우 효율적인 모델과 특수 하드웨어가 필요합니다. 모델은 에지 장치의 제한된 계산 및 메모리 제약 조건 내에 맞도록 모델 양자화 및 모델 가지치기와 같은 기술을 통해 최적화되어야 합니다. 하드웨어 솔루션은 NVIDIA Jetson과 같은 강력한 모듈부터 저전력 마이크로컨트롤러 및 Google Edge TPU 및 Qualcomm AI 엔진과 같은 특수 가속기에 이르기까지 다양합니다.
에지 AI와 에지 컴퓨팅은 밀접하게 관련되어 있지만, 뚜렷한 개념입니다.
엣지 AI는 특히 컴퓨터 비전 분야에서 가장 필요한 곳에서 지능적인 실시간 의사 결정을 가능하게 함으로써 산업을 혁신하고 있습니다.
엣지 AI는 이점에도 불구하고 몇 가지 과제가 있습니다. 엣지 장치의 제한된 컴퓨팅 성능 및 메모리로 인해 개발자는 YOLO 제품군의 모델과 같은 고효율 모델과 NVIDIA TensorRT 및 Intel의 OpenVINO와 같은 최적화 프레임워크를 사용해야 합니다. 수천 개의 분산 장치에서 모델 배포 및 업데이트를 관리하는 것은 복잡할 수 있으며, 종종 강력한 MLOps 플랫폼과 Docker와 같은 컨테이너화 도구가 필요합니다. 또한 다양하고 예측할 수 없는 실제 조건에서 일관된 모델 정확도를 보장하는 것은 개발자에게 중요한 과제로 남아 있습니다.
