테라에너지/span>

1. 클라우스 서버의 과부하 

기본적으로 AI 기반 모델들은 연산량이 많아 고성능 컴퓨터 기반으로 모델링 되었습니다. 그렇기 때문에 디바이스에서 얻은 데이터들은 클라우드에 위치한 고성능 서버 컴퓨터로 전송되고, 전송된 데이터는 해당 컴퓨터에 탑재된 AI 모델을 이용해 처리하게 됩니다.

물론 클라우드 에서 데이터 과부하가 발생하는 것을 막기위해 FOG라는 것을 두며, 중요한 데이터를 선별하는 변화를 꾀했지만 이 역시 완전한 해결책은 아니었습니다.

결국 클라우드 서버에 몰리는 방대한 데이터로 인해 발생하는 트래픽 문제를 해소하기 위해 Edge Computing이라는 용어가 등장하게 됩니다.

2. 느린 Response Time

기본적으로 데이터 양이 많으면 클라우드까지 왔다갔다 하기에 시간이 오래 걸릴 수 있습니다.

그런데 단말기에서 AI 기법을 적용시키는 경우 고속 Reponse Time이 필요합니다.

예를 들어, 아이의 이상 행동을 감지하거나 자율주행자동차의 경우 기기 자체에서 AI모델을 학습하고 추론할 수 있게 해주어야 합니다.

3. Edge Computing이란? 

Edge Computing(에지 컴퓨팅)은 중앙 집중식 데이터 처리 방식에서 탈피하여 IoT, 스마트폰 및 다른 디바이스와 같은 로컬 디바이스에 데이터 처리 및 저장을 수행하는 기술입니다. 즉, 클라우드 컴퓨팅과 달리 장치 자체에서 데이터를 처리하는 분산 처리 모델입니다.

에지 컴퓨팅은 IoT 및 빅 데이터와 같은 주요 기술들을 탑재한 센서 및 다른 디바이스에서 데이터를 처리하고 분석하는 것을 의미합니다. 이를 통해 데이터 전송 시간과 대역폭 요구 사항이 줄어들어 과부하를 방지하고, 높은 실시간 응답 성능을 제공하며 보안과 밀접한 관련이 있습니다.  또한, 경제 이점도 있습니다.

클라우드에서는 반드시 서버나 인프라를 구축하고 관리하기 위해 많은 비용이 들어갑니다. 하지만 에지 컴퓨팅에서는 클라우드 처리를 그대로 대체하며 해당 로컬 디바이스에 대한 인프라 기술이 제공됩니다.

따라서, 에지 컴퓨팅은 IoT와 인공지능, 머신러닝, 자율주행차, 의료 및 스마트 시티와 같은 다양한 분야에서 일어날 수 있는 데이터 분석, 처리 및 저장의 단기적 이슈를 해결하고, 불가피한 딜레이를 제거해 성능을 향상시키는 기술입니다.

• 집적기술의 발달로 인한 AI chip 발전이 가능
• IoT와 같은 Device에 AI chip이 들어갈 수 있기 때문에 머신러닝이 가능
• 이러한 추세는 sensing과 관련된 IoT디바이스들을 좀 더 능력적으로 만들 수 있게 됨
• 스마트 폰에서는 GPU, CPU 통합 개념인 AP 라는 on - device 가 있음

4. Cloud Computing vs Edge Computing 비교 

이러한 Edge computing 덕분에 클라우드 뿐만 아니라 기계자체에서 AI기술을 적용시킬 수 있게 되었습니다.또한, 딥러닝 학계에서도 고성능 PC를 기반으로 만든 딥러닝 모델을 축소시키려는 Network Compression 분야에 많은 노력을 기울이고 있습니다.