AIoT는 차세대 거대 플랫폼 전환이다
한때 소프트웨어가 세상을 삼켰습니다. 이제는 하드웨어가 소프트웨어를 다시 삼키고 있습니다.
이는 소비자용 가젯에 관한 이야기가 아닙니다. 산업용 하드웨어에 관한 이야기입니다. 센서, 카메라, 엣지 노드는 에너지, 제조, 물류의 중추를 형성합니다.
이 하드웨어에 AI를 더하면 AIoT가 됩니다.
웹 및 모바일 개발자는 다른 규칙을 적용받습니다. 그들은 안정적인 인터넷과 깨끗한 데이터를 전제로 합니다. 하지만 AIoT는 이러한 전제를 무너뜨립니다.
센서 데이터는 종종 지저분합니다. 다음과 같은 상황을 마주하게 될 것입니다:
- 오프라인 센서로 인한 Null 값
- 글리치(glitch)로 인한 극단적인 이상치(outliers)
- 동기화 실패로 인한 타임스탬프 누락
- 데이터 스트림의 긴 공백
AI 모델은 이러한 혼란을 처리할 수 있어야 합니다. 파이프라인은 탄력적(resilient)이어야 합니다. 엣지 디바이스는 클라우드 없이도 의사결정을 내려야 합니다. 이러한 시스템은 물리적 자산을 제어하기 때문에 실패의 대가가 매우 큽니다.
진정한 AIoT 시스템은 5개의 계층으로 구성됩니다:
- 엣지 계층 (Edge Layer)
- 마이크로컨트롤러 및 임베디드 시스템
- 엣지 AI 추론
- 로컬 의사결정
- 연결 계층 (Connectivity Layer)
- MQTT, LoRaWAN, Zigbee와 같은 프로토콜
- 엣지-클라우드 브릿징
- 신뢰할 수 있는 펌웨어 업데이트
- 데이터 계층 (Data Layer)
- 시계열 데이터베이스
- 스트림 처리
- 데이터 품질 파이프라인
- AI/ML 계층 (AI/ML Layer)
- 예지 보전(Predictive maintenance) 모델
- 물리적 공간을 위한 컴퓨터 비전
- 실시간 이상 탐지
- 애플리케이션 계층 (Application Layer)
- 운영 대시보드
- 알림 시스템
- 산업용 소프트웨어와의 통합
이를 처음부터 구축하는 것은 느리고 비용이 많이 듭니다. 기업들은 이제 이러한 문제를 더 빠르게 해결하기 위해 공유 인프라를 구축하고 있습니다.
가장 어려운 문제들은 여전히 해결되지 않은 채 남아 있습니다:
- 장애 발생 시 로컬 데이터와 클라우드 데이터의 동기화 유지
- 진동 및 소리와 같은 서로 다른 센서 유형의 결합
- 물리적 환경에서의 오경보(false alarms) 감소
- 먼지나 열악한 조명 환경에서도 작동하는 컴퓨터 비전
- 복잡하고 연결된 기계의 고장 예측
웹과 모바일 시장은 성숙했습니다. 수익률은 낮습니다. AIoT는 초기 단계입니다.
엣지 AI와 센서 파이프라인을 마스터하는 엔지니어가 이 다음 물결을 주도할 것입니다. 산업계의 수요는 증가하고 있지만, 전문가의 공급은 부족합니다.
물리적 세계가 소프트웨어 시대로 진입하고 있습니다.
엣지 AI에 대한 여러분의 경험은 어떠신가요? 어떤 어려운 문제에 직면하셨나요? 댓글로 의견을 공유해 주세요.