인공지능을 A에서 B로 가는 여정으로 비유한다면, 클라우드 컴퓨팅 서비스는 공항이나 고속철도역과 같고, 엣지 컴퓨팅은 택시나 공유 자전거와 같습니다. 엣지 컴퓨팅은 사람, 사물, 데이터 소스 가까이에 위치하며, 스토리지, 컴퓨팅, 네트워크 접근, 애플리케이션 핵심 기능을 통합한 개방형 플랫폼을 채택하여 사용자에게 근접한 서비스를 제공합니다. 중앙 집중식으로 구축된 클라우드 컴퓨팅 서비스와 비교했을 때, 엣지 컴퓨팅은 긴 지연 시간과 높은 트래픽 집중 현상과 같은 문제를 해결하여 실시간 및 높은 대역폭을 요구하는 서비스에 더욱 효과적인 지원을 제공합니다.
ChatGPT의 등장으로 인공지능(AI) 개발에 새로운 물결이 일었고, 산업, 소매, 스마트홈, 스마트시티 등 다양한 분야에 AI가 빠르게 확산되고 있습니다. 애플리케이션 현장에서는 방대한 데이터를 저장하고 처리해야 하는데, 클라우드에만 의존해서는 더 이상 실질적인 수요를 충족할 수 없게 되었습니다. 이에 엣지 컴퓨팅은 AI 애플리케이션의 마지막 단계, 즉 최종 사용자 환경에서의 처리 능력을 향상시키고 있습니다. 중국의 디지털 경제 육성 정책이 적극적으로 추진됨에 따라 중국의 클라우드 컴퓨팅은 포괄적 발전 단계에 접어들었고, 엣지 컴퓨팅 수요가 급증하면서 클라우드, 엣지, 최종 사용자 환경의 통합이 미래의 중요한 발전 방향으로 자리 잡았습니다.
엣지 컴퓨팅 시장, 향후 5년간 연평균 36.1% 성장 전망
엣지 컴퓨팅 산업은 서비스 제공업체의 다양화, 시장 규모의 확대, 응용 분야의 확장 등에서 알 수 있듯이 꾸준한 발전 단계에 접어들었습니다. 시장 규모 측면에서 IDC의 추적 보고서에 따르면 중국의 엣지 컴퓨팅 서버 시장 규모는 2021년 33억 1천만 달러에 달했으며, 2020년부터 2025년까지 연평균 22.2%의 성장률을 보일 것으로 예상됩니다. 설리번은 중국의 엣지 컴퓨팅 시장 규모가 2023년부터 2027년까지 연평균 36.1%의 성장률을 기록하며 2027년에는 2,509억 위안에 이를 것으로 전망하고 있습니다.
엣지 컴퓨팅 생태계 산업이 번창하고 있습니다.
엣지 컴퓨팅은 현재 초기 단계에 있으며, 산업 사슬 내 비즈니스 경계가 비교적 모호합니다. 개별 벤더는 비즈니스 시나리오와의 통합을 고려해야 할 뿐만 아니라, 기술적 차원에서 비즈니스 시나리오 변화에 적응할 수 있는 능력, 하드웨어 장비와의 높은 호환성, 그리고 프로젝트를 성공적으로 수행할 수 있는 엔지니어링 역량을 확보해야 합니다.
엣지 컴퓨팅 산업 사슬은 칩 공급업체, 알고리즘 공급업체, 하드웨어 장치 제조업체, 솔루션 제공업체로 나뉩니다. 칩 공급업체는 주로 최종 사용자 인터페이스(엔드사이드)에서 엣지 인터페이스, 클라우드 인터페이스에 이르는 연산 칩을 개발하며, 엣지 인터페이스용 칩 외에도 가속 카드와 소프트웨어 개발 플랫폼을 지원합니다. 알고리즘 공급업체는 컴퓨터 비전 알고리즘을 핵심으로 범용 또는 맞춤형 알고리즘을 개발하고, 알고리즘 쇼핑몰이나 교육 및 배포 플랫폼을 구축하는 기업도 있습니다. 장비 공급업체는 엣지 컴퓨팅 제품에 적극적으로 투자하고 있으며, 엣지 컴퓨팅 제품의 형태는 지속적으로 다양화되어 칩부터 완제품에 이르기까지 엣지 컴퓨팅 제품의 전체 스택을 점차 구축해 나가고 있습니다. 솔루션 제공업체는 특정 산업 분야에 맞는 소프트웨어 또는 소프트웨어-하드웨어 통합 솔루션을 제공합니다.
엣지 컴퓨팅 산업 애플리케이션은 가속화됩니다.
스마트 시티 분야에서
현재 도시 자산에 대한 종합적인 점검은 주로 수작업 방식으로 이루어지고 있는데, 이 방식은 시간과 노동력이 많이 소모되고, 인력 의존도가 높으며, 점검 범위와 빈도가 낮고, 품질 관리가 어렵다는 문제점을 안고 있습니다. 또한, 점검 과정에서 방대한 양의 데이터가 생성되지만, 이러한 데이터가 비즈니스 역량 강화에 기여하는 데이터 자산으로 전환되지 못하고 있습니다. 본 기업은 AI 기술을 모바일 점검 시나리오에 적용하여 사물인터넷, 클라우드 컴퓨팅, AI 알고리즘 등의 기술을 도입하고 고화질 카메라, 온보드 디스플레이, AI 서버 등의 전문 장비를 탑재한 ‘지능형 시스템 + 지능형 기계 + 직원 지원’ 방식의 점검 시스템을 구축했습니다. 이를 통해 도시 행정을 인력 중심에서 기계적 지능으로, 경험적 판단에서 데이터 분석으로, 수동적 대응에서 능동적 탐색으로 전환하는 데 기여하고자 합니다.
지능형 건설 현장 분야에서
엣지 컴퓨팅 기반 지능형 건설 현장 솔루션은 건설 산업의 기존 안전 모니터링 업무에 AI 기술을 심층적으로 통합합니다. 건설 현장에 엣지 AI 분석 단말기를 설치하고, 지능형 비디오 분석 기술 기반의 시각 AI 알고리즘을 자체 개발하여 실시간으로 감지 대상 이벤트(예: 헬멧 착용 여부)를 감지합니다. 이를 통해 인력, 환경, 보안 등 안전 위험 요소를 식별하고 경보를 제공하며, 위험 요소를 사전에 파악하여 AI 기반 지능형 감시를 수행함으로써 인력 비용을 절감하고 건설 현장의 인력 및 자산 안전 관리 요구를 충족합니다.
지능형 교통 분야에서
클라우드 측-엔드 아키텍처는 지능형 교통 산업에서 애플리케이션 배포를 위한 기본 패러다임으로 자리 잡았습니다. 클라우드 측은 중앙 집중식 관리 및 일부 데이터 처리를 담당하고, 엣지 측은 주로 엣지 측 데이터 분석 및 연산 기반 의사 결정 처리를 제공하며, 엔드 측은 주로 비즈니스 데이터 수집을 담당합니다.
차량-도로 연동, 홀로그램 교차로, 자율 주행, 철도 교통과 같은 특정 시나리오에서는 다양한 종류의 장치에 접근해야 하며, 이러한 장치들은 접근 관리, 종료 관리, 경보 처리, 운영 및 유지 보수 처리를 필요로 합니다. 엣지 컴퓨팅은 이러한 문제를 해결하고, 대규모 시스템을 소규모로 변환하며, 계층 간 프로토콜 변환 기능을 제공하고, 통합적이고 안정적인 접근을 구현하며, 나아가 다양한 데이터에 대한 협업 제어까지 가능하게 합니다.
산업 제조 분야에서
생산 공정 최적화 시나리오: 현재 많은 개별 제조 시스템은 데이터 불완전성으로 인해 제약을 받고 있으며, 전체 설비 효율 및 기타 지표 데이터 계산이 상대적으로 부실하여 효율성 최적화에 활용하기 어렵습니다. 본 시나리오에서는 장비 정보 모델 기반의 엣지 컴퓨팅 플랫폼을 통해 의미 수준의 제조 시스템 간 수평적 및 수직적 소통을 구현하고, 실시간 데이터 흐름 처리 메커니즘을 기반으로 대량의 현장 실시간 데이터를 집계 및 분석하여 모델 기반 생산 라인 다중 데이터 소스 정보 융합을 달성함으로써 개별 제조 시스템의 의사결정을 위한 강력한 데이터 지원을 제공합니다.
장비 예측 유지보수 시나리오: 산업 설비 유지보수는 수리 유지보수, 예방 유지보수, 예측 유지보수의 세 가지 유형으로 나뉩니다. 수리 유지보수는 사후 유지보수에 속하고, 예방 유지보수와 예측 유지보수는 사전 유지보수에 속합니다. 수리 유지보수는 시간, 장비 성능, 현장 조건 등의 요소를 기반으로 장비를 정기적으로 유지보수하는 것으로, 어느 정도 사람의 경험에 의존합니다. 반면 예방 유지보수는 센서 데이터 수집, 장비 작동 상태의 실시간 모니터링, 산업 모델 기반 데이터 분석을 통해 고장 발생 시점을 정확하게 예측합니다.
산업 품질 검사 시나리오: 산업 비전 검사 분야는 전통적인 자동 광학 검사(AOI) 방식이 품질 검사 분야에 처음 도입된 분야입니다. 그러나 AOI 기술은 다양한 결함 유형, 불완전한 특징 추출, 적응형 알고리즘의 확장성 부족, 잦은 생산 라인 업데이트, 알고리즘 마이그레이션의 유연성 부족 등 여러 요인으로 인해 복잡한 시나리오에서 생산 라인의 발전 요구를 충족하기 어려웠습니다. 따라서 딥러닝과 소규모 샘플 학습을 결합한 AI 기반 산업 품질 검사 알고리즘 플랫폼이 전통적인 시각 검사 방식을 점차 대체하고 있으며, 이러한 AI 기반 산업 품질 검사 플랫폼은 기존 머신러닝 알고리즘과 딥러닝 기반 검사 알고리즘의 두 단계를 거쳐 발전해 왔습니다.
게시 시간: 2023년 10월 8일