기고 | 2023년 클라우드 기반 AI 플랫폼의 주요 트렌드

퍼블릭 클라우드 분야의 주요 기업 모두가 AI 애플리케이션 개발을 위한 다양한 수준의 서비스 포트폴리오를 제공하고 있다. 마이크로소프트 애저 AI, 구글의 버텍스AI, 아마존의 세이지메이커 등은 전체 AI와 ML 워크플로우를 위한 통합 환경, 선행 학습 모델에 대한 API, 다양한 오픈소스 프레임워크 지원, AI 데이터를 준비하고 처리하기 위한 데이터 플랫폼 등을 모두 제공하고 있다. 이런 서비스들은 앞으로도 계속 발전하고 새로운 기능, 빨라진 속도, 개선된 UI, 성능을 향상시킨 사전 학습 모델 및 추가 모델 등을 지속적으로 소개할 것이다.

애플리케이션 중심 AI 플랫폼의 부상
그러나 2023년에 우리가 주목할 수 있는 대상은, 범용 클라우드를 기반으로 하는 AI 플랫폼 위에 특정 산업을 위하거나 도메인을 특화한 ‘애플리케이션 중심의 AI 플랫폼’이다. 산업과 데이터를 결합해 특정 산업에 초점을 맞춘 서비스는 향후 기본적으로 AI 알고리즘과 프로세스를 특정 도메인 데이터와 결합하고 서비스 제공자의 전문성을 담게 된다.

예를 들어 골드만 삭스의 금융 클라우드는 헤지 펀드, 자산 관리자 및 기타 기관 고객을 위한 클라우드 네이티브 금융 데이터 관리 및 분석 솔루션을 AWS 위에 제공한다. 국내 기업 마인즈랩의 ‘마음.AI’같이 AI 휴먼 서비스에 특화한 AI 플랫폼이 범용 플랫폼 위에서 특정 분야를 위한 통합 서비스를 제공한다.

데이터 플랫폼을 제공하는 스노우플레이크와 데이터브릭스 같은 기업 역시 AI 기능을 강화할 수밖에 없기 때문에 범용 AI 플랫폼을 제공하는 클라우드 기업과 AI 영역에서 본격적으로 경쟁할 것이다. 데이터 레이크를 효과적으로 구성하고 데이터 분석 기능을 강화한다는 것은 결국 AI 기술을 활용하는 방향으로 갈 것이기 때문이다.

클라우드용 AI 칩과 AI 슈퍼 컴퓨터 경쟁이 더욱 치열해진다
AI 칩 수요의 상당 부분은 데이터센터에서 발생한다. AI 모델의 복잡도와 데이터의 규모가 비약적으로 증가하면서 초대형 모델을 클라우드에서 지원하기 위해 AI 전용 칩 성능 향상을 위한 경쟁이 더욱 치열해질 것이다. 퀄컴에 따르면 AI 칩 시장은 2025년까지 700억 달러 규모로 성장할 것이며 전체 반도체 시장에서 차지하는 비중이 10%가 될 것이다.

엔비디아는 마이크로소프트와 협력해 A100와 H100를 대규모로 사용하는 AI 슈퍼컴퓨터를 개발 중에 있으며, 초당 400기가비트 속도를 지원하는 퀀텀-2 인피니밴드 네트워킹 기술을 사용할 것이다.¹

이보다 앞서 메타는 AI 리서치 슈퍼클러스터(RSC)라는 AI용 슈퍼컴퓨터를 2022년 1월에 발표했다. 그러나 RSC는 초기에 6,080개의 엔비디아 A100를 포함해 대부분 엔비디아의 기술을 기반으로 구축할 예정이다. 또한 이를 기반으로 AI 리서치 스토어 같은 새로운 서비스를 제공할 것이다.

이에 대항해 구글은 2022년 5월에 4세대 TPU v4를 공개했다. 인텔 또한 하바나 인수 후에 이 분야에서 움직이고 있으며 세리브래스, 그래프코어, 삼바노바 시스템 같은 새로운 플레이어도 주목해야 한다.

로우코드/노코드 초자동화 확산
가트너의 2022년 최고 전략 기술 동향 리포트에서는 초자동화가 비즈니스 모델 혁신 또는 파괴를 통한 성장 가속화에 대한 요구와 프로세스 및 운영 우수성의 기본 토대가 된다고 봤다. 마이크로소프트는 이그나이트 2022에서 이를 지원하는 행보를 보였다. 인텔리전트 데이터 플랫폼에 분석 및 데이터 거버넌스 제품을 넣었고, 데이터 인프라 서비스와 애저 클라우드의 통합 방식을 지속적으로 개선하는 움직임을 나타냈다.

초자동화에서는 자연어 처리와 생성 기술이 핵심이다. 향후 생성형 AI까지 통합하면서 클라우드 기반의 AI 서비스를 더욱 확장할 것이다. 한 문장의 자연어로 된 요구 사항만으로 자동화 플로우를 제시하고 다양한 업무 프로세스를 자동화한다. 음성을 통해 코드 생성까지 도전하는 코파일럿 같은 사례는 자동화 수준을 더욱 강화할 것이며, 이는 마이크로소프트의 파워 오토메이트뿐만 아니라 세이지메이커나 버텍스 AI에서도 더 새로운 모습을 보이게 될 것이다.

지속가능한 AI 플랫폼
GPT-3와 같이 대형 언어 모델에 기반을 둔 파운데이션 모델은 이제 자연어를 넘어 비전, 음성, 생성형으로 진화하고 있다. 그러나 이에 대한 비판 중 하나가 이들이 사용하는 에너지 규모가 너무 크며 탄소 발자국 문제를 야기한다는 점이다.

AI 시스템의 단일 학습이 자동차 한 대가 평생 배출하는 이산화탄소보다 5배 더 오염시킨다는 연구가 있다. 학습과 별개로 총 에너지 소비의 70-80%가 추론에 의해이뤄진다는 분석도 있다.² 메타는 ‘지속가능한 AI’라는 논문을 통해 AI가 환경에 미치는 영향을 조사하고 이를 해결하는 방법을 연구하고 행동을 촉구하자는 주장을 했다. 앨런 AI 연구소는 마이크로소프트 애저에서 실행되는 머신러닝 프로그램의 전기 사용량을 측정하는 도구를 만들었다.

기후 위기에 대한 사회적 공감과 각국 정부의 노력은 클라우드 제공 기업의 AI 플랫폼이 좀 더 환경 친화적이고, 탄소 배출을 줄이고 에너지 소비를 최소화하는 쪽으로 기술 개발을 하도록 압력을 가할 전망이다. 2023년에는 이 이슈가 기업 이미지 정도가 아니라 AI 플랫폼을 제공하는 클라우드 컴퓨팅 기업의 새로운 책임 문제로 등장할 것이다.


<sup>1. Reuters, “Nvidia says it is working with Microsoft to build ‘massive’ cloud AI computer,” Nov 17, 2022
2. McDonald, J., et. al., “Great Power, Great Responsibility: Recommendations for Reducing Energy for Training Language Models,” May 19, 2022</sup>

* 한상기 대표는 서울대와 카이스트를 졸업하고 삼성전자, 다음과 같은 기업에서 근무하고 카이스트, 세종대 교수를 역임했다. 테크프론티어를 설립해 기술 전략 컨설팅과 정책 자문을 하면서 다양한 매체에 기고를 하고 관련 저서를 출간했다. ciokr@idg.co.kr