델 테크놀로지스가 클라우드 서비스 사업자(CSP)를 위한 서버 신제품 2종과 및 에지 워크로드를 위한 컴팩트한 구성의 신제품 2종을 발표했다. 델이 이번에 파워엣지 서버 포트폴리오에 추가한 신제품은 다양한 규모의 CSP를 비롯해 에지 데이터를 서비스하는 소규모 사업자들이 인프라 운영을 간소화할 수 있도록 설계됐다. 또한 차세대 기술들을 적용하고 다양한 범위의 워크로드 처리에 용이하게끔 향상된 성능을 구현했다. ‘델 파워엣지 R670 CSP 에디션(Dell PowerEdge R670 CSP Edition)’과 ‘델 파워엣지 R770 CSP 에디션(Dell PowerEdge R770 CSP Edition)’ 서버는 CSP 기업이 가상화나 데이터 분석과 같은 고밀도 및 스케일 아웃 클라우드 워크로드를 구동하는데 최적화된 성능을 제공한다. R670 CSP 에디션과 R770 CSP 에디션을 도입하는 고객은 ‘델 얼리 액세스 프로그램(Dell Early Access Program)’을 활용해 해당 제품의 설계를 사전에 검토하여 서비스 개시일부터 즉시 운영 환경을 확장할 수 있다.   ▲ 델 파워엣지 R770 CSP 에디션   이번에 공개한 두 신모델은 델 테크놀로지스의 스마트 쿨링(Smart Cooling) 기술로 설계되어 에너지 효율적이며 변화하는 환경에 지능적으로 적응이 가능하다. 냉기 통로(cold aisle)를 최적화한 전면부 I/O나 유연한 구성이 가능한 컴팩트한 폼 팩터로 구축 및 서비스가 간편하여 전문 데이터 센터에 적합하다. 파워엣지 R670 CSP 에디션과 R770 CSP 에디션은 인텔 제온 6 이피션트(Intel Xeon 6 Efficient) 코어 프로세서를 탑재하여 이전 세대 제품 대비 랙당 최대 2.3배 향상된 성능을 제공한다. 오픈BMC(OpenBMC) 기반의 ‘델 오픈 서버 매니저(Dell Open Server Manager)’가 탑재되어 대규모 이기종 환경을 위한 개방형 에코시스템에서 관리를 간소화한다. 델은 이번 CSP 에디션 서버를 통해 파워엣지 포트폴리오에 ‘데이터센터-모듈러 하드웨어 시스템(DC-MHS) 아키텍처를 처음 선보인다. DC-MHS 아키텍처는 서버를 표준화하고 설계 및 고객 선택권을 개선하여 기존 인프라스트럭처에 보다 쉽게 서버를 통합할 수 있도록 지원한다. ‘오픈 컴퓨트 프로젝트(Open Compute Project)’의 일부인 DC-MHS는 델과 인텔을 포함한 6개 기업이 협력해 데이터센터, 에지 및 엔터프라이즈 인프라의 상호 운용성을 높이기 위해 하드웨어 기술을 새롭게 설계하는 이니셔티브이다. ‘델 파워엣지 T160(Dell PowerEdge T160)’ 및 ‘델 파워엣지 R260(Dell PowerEdge R260)’은 강력하고 고밀도의 서버 구성을 필요로 하는 소규모 기업 및 원격 사무실에 적합한 컴팩트 사이즈로 제공된다. 일반 서버 대비 42%의 크기로 물리적 설치 공간이 거의 절반에 불과한 스택형 T160은 도색을 입히지 않은 메탈 섀시를 비롯한 지속 가능한 소재의 사용을 늘려 탄소 배출량을 줄였으며, 이전 세대와 비교해 전력 효율이 최대 23% 향상됐다. R260 또한 물리적 설치 공간을 24% 줄여 높은 활용도를 제공한다. 두 서버 모두 인텔 제온 E-2400 프로세서를 탑재하여 이전 세대 대비 두 배의 성능을 제공한다. T160은 에지 환경의 근거리에 구축해 실시간 데이터 처리를 수행하려는 조직에 이상적이다. R260은 지연 시간을 최대 50%까지 줄여서 에지 환경에 근접한 가상화 구축에 적합하다. 열악한 환경에서도 안정적으로 구동할 수 있도록 필터 베젤이 장착되어 있어 먼지 및 윤활용제로부터 내부 하드웨어를 보호하고, 공기 흐름을 방해하지 않아 최적의 성능과 방음을 보장한다. 한국 델 테크놀로지스의 김경진 총괄 사장은 “컴퓨팅 집약적인 워크로드를 실행하는 동시에 전력 소비를 줄이고 탄소 배출량을 관리하기 위해 최신 기술이 적용된 서버로 교체하고자 하는 수요가 늘어나고 있다”고 말하며, “델 파워엣지 포트폴리오에는 30년 이상 IT 인프라 기술의 중추적인 역할을 맡아온 델의 경험이 집약되어 있다. 델은 에지, 코어 데이터센터, 클라우드 전반의 워크로드를 지원함으로써 고객들이 계속해서 진화하는 비즈니스 요구에 효과적으로 대응하도록 돕는다”고 덧붙였다. 델 파워엣지 R670 CSP 에디션과 R770 CSP 에디션은 7월 중 일부 클라우드 서비스 공급업체를 대상으로 출시되며, 이후 전체적인 공식 판매가 이루어질 예정이다. 델 파워엣지 T160 및 R260은 5월 중 한국을 비롯한 전 세계에 출시될 예정이다.

레노버는 에지부터 클라우드까지 하이브리드 AI 혁신을 지원하기 위해 새로운 맞춤형 AI 인프라 시스템 및 솔루션 제품군을 발표했다. 레노버는 다양한 환경과 산업에서 컴퓨팅 집약적인 워크로드를 처리하기 위해 폭넓은 GPU 옵션과 높은 냉각 효율성을 지닌 솔루션을 선보인다.    ▲ 씽크시스템 SR685a V3 GPU 서버   레노버는 AMD와 협력하여 씽크시스템(ThinkSystem) SR685a V3 GPU 서버를 선보였다. 이 서버는 고객에게 생성형 AI 및 대규모 언어 모델(LLM)을 포함해 컴퓨팅 수요가 많은 AI 워크로드를 처리하는데 적합한 성능을 제공한다. 또, 금융 서비스, 의료, 에너지, 기후 과학 및 운송 업계 내 대규모 데이터 세트를 처리하기 위한 빠른 가속, 대용량 메모리 및 I/O 대역폭을 제공한다. 새로운 씽크시스템 SR685a V3은 엔터프라이즈 프라이빗 온프레미스 AI와 퍼블릭 AI 클라우드 서비스 제공자 모두에게 최적화된 솔루션이다. 씽크시스템 SR685a V3는 금융 서비스 분야에서 사기 탐지 및 예방, 고객확인정책(KYC) 이니셔티브, 리스크 관리, 신용 발행, 자산 관리, 규제 준수 및 예측을 지원하도록 설계되었다. 4세대 AMD 에픽(EPYC) 프로세서와 AMD 인스팅트 MI300X GPU을 탑재하고 있으며, AMD 인피니티 패브릭으로 상호연결되어 1.5TB의 고대역폭(HBM3) 메모리, 최대 총 1TB/s의 GPU I/O 대역폭 성능을 제공한다. 공기 냉각 기술로 최대 성능을 유지하고 엔비디아의 HGXTM GPU와 향후 AMD CPU 업그레이드를 지원하는 등 유연성도 높였다. 레노버는 AMD EPYC 8004 프로세서를 탑재한 새로운 레노버 씽크애자일(ThinkAgile) MX455 V3 에지 프리미어 솔루션으로 에지에서 AI 추론 및 실시간 데이터 분석을 제공한다. 이번 다목적 AI 최적화 플랫폼은 에지에서 새로운 수준의 AI, 컴퓨팅 및 스토리지 성능을 제공하며, 높은 전력 효율성을 제공한다. 온프레미스 및 애저 클라우드와의 원활한 통합을 지원하며, 고객이 간소화된 라이프사이클 관리를 통해 총소유비용(TCO)을 절감하고 향상된 고객 경험을 얻으며 소프트웨어 혁신을 보다 빠르게 채택하도록 돕는다. 리테일, 제조 및 의료 분야에 최적화된 해당 솔루션은 낮은 관리 오버헤드, 레노버 오픈 클라우드 자동화(LOC-A) 툴을 통한 신속한 배포, 애저 아크(Azure Arc) 지원 아키텍처을 통한 클라우드 기반 매니지먼트, 마이크로소프트와 레노버가 검증한 지속적인 테스트와 자동화된 소프트웨어 업데이트를 통한 보안, 신뢰성 향상 및 다운타임 절감 등을 주요 특징으로 한다.   ▲ 씽크시스템 SD535 V3 서버   레노버와 AMD는 열효율성이 뛰어난 다중 노드의 고성능 레노버 씽크시스템 SD535 V3 서버도 공개했다. 이 제품은 단일 4세대 AMD 에픽 프로세서로 구동되는 1S/1U 절반 너비 서버 노드로 집약적인 트랜잭션 처리를 위해 랙당 퍼포먼스를 극대화시켰다. 이는 모든 규모의 기업을 위한 클라우드 컴퓨팅, 대규모 가상화, 빅 데이터 분석, 고성능 컴퓨팅 및 실시간 전자 상거래 트랜잭션을 포함해 워크로드에 대한 처리 능력과 열 효율성을 극대화한다. 한편, 레노버는 기업이 AI 도입으로 역량을 강화하고 성공을 가속화할 수 있도록 레노버 AI 자문 및 프로페셔널 서비스를 발표했다. 이 서비스는 모든 규모의 기업이 AI 환경에서 효율적인 비용으로 신속하게 알맞는 솔루션을 도입하고 AI를 구현할 수 있도록 다양한 서비스, 솔루션 및 플랫폼을 제공한다. 이 과정은 5단계, ‘AI 발견, AI 자문, AI의 빠른시작, AI 배포 및 확장, AI 관리’로 정리할 수 있다. 레노버는 먼저 보안, 인력, 기술 및 프로세스 전반에 걸쳐 조직의 AI 준비도를 평가하고, 이를 기반으로 조직의 목표에 맞는 가장 효과적인 AI 채택 및 관리 계획을 제안한다. 그런 다음, 레노버 전문가들은 이에 필요한 AI 요소를 설계 및 구축하고, AI 구현을 위한 도구 및 프레임워크를 배포하며, AI 시스템을 유지, 관리 및 최적화할 수 있는 지침을 제공한다. 마지막으로 레노버는 고객과 협력하여 배포부터 시작해 IT 제품 라이프사이클 전반을 지원하고, AI 사용 사례와 AI 성숙도가 함께 성장할 수 있도록 AI 이노베이터 생태계를 지속적으로 관리 및 발전시키고 있다.  레노버 AI 자문 및 프로페셔널 서비스를 통해 고객은 전문적인 IT 팀의 지원을 받아 AI 구현의 복잡성은 완화하고 실질적인 비즈니스 성과를 빠르게 낼수 있다. 레노버는 엔드 투 엔드 서비스, 하드웨어, AI 애플리케이션 및 서비스를 총동원해 고객이 AI 여정의 모든 단계에서 성장하도록 돕는다. 이는 결국 AI 도입을 간소화하여 모든 규모의 조직을 대상으로 AI 접근성을 높이고 산업 전반에 걸쳐 혁신적인 인텔리전스를 구현할 수 있도록 지원한다.  금융 서비스나 의료 업계 분야의 고객은 대량의 데이터 세트를 관리해야 하며 이는 높은 I/O 대역폭을 필요로 하는데, 레노버의 이번 신제품은 중요한 데이터 관리에 필수인 IT 인프라 솔루션에 초점을 맞추었다. 레노버 트루스케일 (Lenovo TruScale)은 고객이 까다로운 AI 워크로드를 서비스형 모델로 원활하게 통합할 수 있도록 유연성과 확장성을 지원한다. 또, 레노버 프로페셔널 서비스(Lenovo Professional Services)는 고객이 AI 환경에 쉽게 적응하고, AI 중심 기업들이 끊임없이 진화하는 요구사항과 기회를 충족할 수 있도록 돕는다. 레노버의 수미르 바티아(Sumir Bhatia) 아시아태평양 사장은 “레노버는 AMD와 함께 획기적인 MI300X 8-GPU 서버를 출시하며 AI 혁신에 앞장섰다. 레노버는 대규모 생성형 AI 및 LLM 워크로드를 처리할 수 있는 고성능을 제공함으로써 AI의 진화를 포용할 뿐만 아니라 더욱 전진시키고 있다. AMD의 최첨단 기술을 기반에 둔 우리의 최신 제품은 시장을 선도하겠다는 포부를 담고 있다. CIO의 AI 투자가 45% 증가할 것으로 예상됨에 따라, AMD MI300X 기반 솔루션의 포괄적인 제품군은 조직의 지능적인 혁신 여정에 힘을 실어줄 것”이라고 말했다.  레노버 글로벌 테크놀로지 코리아 윤석준 부사장은 “레노버는 하이브리드 AI 솔루션을 통해 국내에 다양한 기업을 지원하며 AI 혁신에 앞장서고 있다. 올해 한국 기업의 95% 이상이 생성형 AI에 투자할 계획을 갖고 있는 가운데, AI 도입이 증가하고 있다는 사실은 분명하다. 우리는 AI가 경쟁 우위를 확보하는 데 중추적인 역할을 한다는 점을 인지하고 AMD와 협력하여 포괄적인 AI 시스템 및 솔루션 제품군을 출시했다. 레노버는 금융 서비스 분야의 통찰력 가속화부터 의료산업 내 성능 강화까지 혁신적인 인텔리전스 분야를 선도하고 있다. AMD 기술로 구동되는 신규 씽크시스템 및 씽크애자일 제품은 에지 및 클라우드 환경 전반에 걸쳐 전례 없는 성능과 효율성을 제공하며 AI 배포를 혁신한다”고 전했다.

디지털 지식전문가 조형식의 지식마당   지난 호 칼럼에서 디지털 수명 주기 프레임워크에 대해서 설명하였다. 일반적으로 프레임워크(framework)는 복잡한 문제를 해결하거나 복잡한 구조를 구축할 때 기반으로 쓰이는 기본 구조를 말한다. 디지털 엔지니어링은 매우 복잡한 문제를 해결해야 한다. 특히 제품 개발과 동시에 제품의 디지털 트윈(digital twin)도 개발해야 한다.  이것은 제품 개발에서 두 가지 트윈인 물리적 트윈과 디지털 트윈을 동시해 개발해야 하는 것을 의미하며, 이것을 모두 충족할 수 있는 디지털 스레드(digital thread) 환경을 구축해야 한다. 또한 최근에 화두로 부상하고 있는 소프트웨어 정의 x 또는 소프트웨어 중심 x(software-defined x)의 프로세스를 포함해야 한다.    그림 1. 디지털 제품/시스템 수명주기 프레임워크    <그림 1>의 프레임워크에서는 지식과 기술의 영역으로 정의한 네 가지 스피어(sphere)로 크게 분류하였다.  각 스피어는 고유의 특성이 있어서 그 분야의 전문 특성과 지식이 있다. 또한 각 스피어 사이에는 보이지 않는 경험과 지식과 패러다임의 벽이 존재한다. 스피어를 사용한 이유는 보이지 않는 장벽을 가지고 있기 때문이다. 첫 번째 영역은 제품 또는 시스템으로 대표되는 물리적 스피어(physical sphere)이며, 제품 부품으로 구성되어 있다. 이것을 가상 스피어와 비교한다면 디지털 트윈이 되는 것으로 공장에서 직접 생산되는 물리적 실체(physical entity)이다. 두 번째는 가상 스피어(virtual sphere)이다. 디지털 트윈은 가상 스피어로 가상세계(virtual world)이며 현실세계(real world)의 제품이나 시스템과 연동된다. 이것은 물리적 스피어의 경험과 지식 그리고 감각과 패러다임이 존재한다. 단지 소프트웨어 코딩 지식이나 제품의 물리적 지식이나 경험이 있다고 자동적으로 가상 스피어의 디지털 트윈을 만들 수 있는 것이 아니다. 세 번째는 정보 스피어(information sphere)로 현재까지 제품 개발에 핵심적 역할을 하고 있는 산업용 소프트웨어(industrial software) 영역이다. 이곳에는 다양한 컴퓨터 지원 개발 기술(CAx : Computer-Aided Everything)이 있으며, 대표적으로 컴퓨터 지원 설계 시스템(CAD), 컴퓨터 지원 제조(CAM), 컴퓨터 지원 해석 시스템(CAE) 등으로 제품의 데이터와 정보를 생성한다. 생성된 데이터는 제품 수명주기 관리(PLM) 시스템 안에서 자동화되고 저장된다.  네 번째는 사이버 스피어(cyber sphere)로 소프트웨어 중심 x의 영역이다. 주로 코딩의 영역으로 물리적 기능을 가상화(virtualization)하는 영역이다.    그림 2. 네 가지 스피어   가상 스피어와 사이버 스피어는 디지털 영역(digital domain)이지만, 정보 스피어는 물리적 영역(physical domain)과 디지털 영역으로 구분된다. 왜냐면 디지털 목업(digital mockup)이나 시뮬레이션(simulation)도 있지만 아직도 이 영역에서 물리적 시험(physical test) 등이 많이 필요하며, 미래에도 완전히 디지털화(digitalization)하기에는 갈 길이 멀다. 앞으로 가장 발전할 분야는 사이버 스피어 분야이다. 현재는 소프트웨어 정의 x로 발전 중이지만, 가까운 미래에는 소프트웨어 플랫폼(software platfom)으로 발전할 가능성이 높다.  그러나 새로운 기술과 접근 방법에는 리스크가 많다. 이런 리스크 관리를 하지 않으면 제품 개발이나 엔지니어링 분야에서 크게 낭패를 볼 수 있다. 다른 비즈니스 분야의 디지털 전환이나 인공지능 분야와 다르게 산업 분야는 리스크(risk)가 소비자나 사용자에게 엄청난 파급효과가 있다.   최근 보잉의 사례에서 보는 것과 같이 과도한 디지털 전환으로 아날로그 지식 엔지니어를 해고하는 바람에 엄청난 위기를 가져오고 있다. 지난 1월 보잉 737 맥스 항공기의 문짝이 비행 중 뜯어져 나가는 사고가 발생했다. 알고 보니 조립 과정에서 아예 나사를 빼먹었기 때문이라는 사실이 드러나 충격을 줬다. 보잉이 지난 20년 동안 비용 절감을 위해 아웃소싱을 대폭 확대하면서 숙련된 엔지니어들이 떠났고, 결국 심각한 항공기 품질 저하로 이어졌다.   지난 4차 산업혁명의 초기에 제너럴 일렉트릭(GE)은 디지털 트윈 사업을 제일 먼저 시작했다. 야심차게 시작한 프레딕스(Predix) 플랫폼은 실패하였고, GE 디지털 회사는 다른 회사에게 팔려갔다. 2000년대 초에도 지엠(GM) 자동차가 CAD와 PLM에 지나치게 의존하다가 기업이 어려워진 적이 있다. 기술은 어디까지 기술적 역량이지, 인간의 다양한 역량을 대체할 수 없다. 이런 사례는 현재 진행 중인 디지털 전환과 인공지능 전환(AI transformation)에 대해서 많은 교훈을 준다. 대부분 실제 경험보다는 연구만 하는 학자나 미디어에서 아직 리스크가 많은 기술에 대해 지나치게 낙관적으로 접근한다. 기술 낙관론이라는 낙관주의 편향(optimism bias)이다. 실제 산업계에서는 이런 것이 커다란 위험요소가 된다.    결론적으로 이런 접근방법에서 가장 중요한 것은 속도보다는 방향성이다.  네 가지 스피어에서 접근방법은 각 스피어의 지식과 경험과 패러다임이 어떻게 연결 및 연동할 것인가에 대한 구체적인 방법과 도구를 발굴해야 한다. 그리고 이에 대한 디지털 전략과 디지털 리스크를 만들어야 한다. 그러므로 이런 프레임워크를 사용해서 구체적인 실행 목록을 만드는데 사용할 수 있다. “완벽한 형태는 공이며, 모든 것은 구체에서 시작한다.(The perfect form is the sphere, and everything originates from the sphere.)” - 플라톤   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘PLM 지식’, ‘서비스공학’,  ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

알테어가 기업 내 분산된 다양한 데이터를 통합하고 관리하는 ‘데이터 패브릭’ 솔루션과 데이터를 그래프 형태로 모델링하는 ‘그래프 데이터베이스’ 기술을 보유한 전문 기업 ‘케임브리지 시맨틱스(Cambridge Semantics)’를 인수했다고 발표했다. 케임브리지 시맨틱스는 2007년 IBM 첨단기술그룹 출신의 혁신/엔지니어링 팀이 설립한 기업이다. 이번 인수로 알테어는 IBM 네티자(IBM Netezza)와 아마존 레드시프트(Amazon Redshift) 데이터웨어하우스 개발에 핵심적인 역할을 한 케임브리지 시맨틱스의 기술 인력도 영입하게 됐다.  알테어의 샘 마할링감 최고기술책임자(CTO)는 “이번 인수로 알테어의 분석/데이터 사이언스 팀에 탁월한 데이터웨어하우징 전문성을 보유하게 됐다”면서, “데이터 생성에서 실제 비즈니스 영향까지, 전체 데이터 라이프사이클을 완벽히 이해하는 엔지니어링 그룹을 갖추게 됐다”고 설명했다. 케임브리지 시맨틱스의 지식 그래프, 데이터 거버넌스, 가상화, 검색 기술은 알테어의 데이터 분석 플랫폼인 ‘래피드마이너’에 통합돼 기존 데이터 준비, ETL, 데이터 사이언스, BI, MLOps, 워크로드 관리 등의 기능과 시너지를 낼 예정이다. 알테어의 짐 스카파 CEO는 “지식그래프는 데이터 패브릭의 핵심 요소로서 기업의 분산 데이터를 통합해 통찰력 있는 의사결정과 혁신적 데이터 활용을 가능케 한다”면서, “케임브리지 시맨틱스 인수로 대규모 데이터와 복잡한 질의 처리, 비즈니스 컨텍스트를 제공하여 AI의 단점인 할루시네이션(hallucination : 환각현상) 문제의 해결이 가능한 최고 수준의 지식 그래프 기술을 확보했다”고 밝혔다.  

케이던스 디자인 시스템즈는 지속 가능한 데이터센터 설계와 최신화를 촉진하는 종합 AI 기반 디지털 트윈 솔루션을 출시하면서, 데이터센터 에너지 효율과 운영 용량 최적화를 지원한다고 밝혔다. 국제에너지기구(IEA)에 따르면 미국 내 데이터센터가 전기 사용 총량에서 차지하는 비중이 2023년 기준으로 4%를 넘어섰으며, 향후 수십 년간 기하급수적으로 증가할 전망이다. 케이던스의 리얼리티 디지털 트윈 플랫폼은 데이터센터 설계자 및 운영자가 데이터센터의 복잡한 시스템을 탐색하고 데이터센터 컴퓨팅 및 냉각 리소스의 비효율적인 사용에 따른 용량 부족 문제를 해결함으로써, 전력 부족 시대에 AI 기반 워크로드 최적화로 환경에 미치는 영향을 완화하는데 도움을 줄 수 있다.  케이던스의 리얼리티 디지털 트윈 플랫폼(Cadence Reality Digital Twin Platform)은 전체 데이터센터를 가상화하고 AI, 고성능 컴퓨팅(HPC) 및 물리 기반 시뮬레이션을 사용하여 데이터센터의 에너지 효율을 개선해준다. 물리적 데이터센터의 포괄적인 디지털 트윈을 생성함으로써, 진화하는 비즈니스 및 환경 관련 요구사항에 발맞춰 정밀한 인프라 계획, 분석 및 관리 능력을 제공하는 것이다.      케이던스 리얼리티 디지털 트윈 플랫폼은 모델 생성 및 시뮬레이션에 AI를 사용하여 공기 흐름, 풍속, 공기 흡입을 막는 장애물, 내/외부 온도 변화 등 데이터센터 운영에 영향을 미치는 물리적인 외부 요인을 예측한다. 고급 모델링 기능을 통해 광범위한 설계 시나리오 및 운영 전략을 시뮬레이션하고, 각 데이터센터별로 에너지 효율이 가장 큰 솔루션을 찾아낸다. 그리고, 설계 프로세스에 외부 환경 요인을 통합하여 탄력적인 개발뿐 아니라 지속 가능한 데이터센터 운영을 가능하게 한다. 이 플랫폼은 각 프로젝트의 세부 요건에 맞는 자동화된 상세 리포트를 제공하여, 잠재적인 에너지 절감 및 효율성 향상에 대한 심층적인 이해를 지원한다. 또한, 여러 냉각 시스템이 에너지 소비에 미치는 영향을 평가하여 가장 효과적인 냉각 솔루션에 대한 통찰력을 제공한다. 이외에도 케이던스의 멀티피직스(multi-physics) 솔버에 통합되어 칩렛(chiplet)에서 기후에 이르기까지 동일한 정확성을 갖는 고용량 멀티 도메인 엔진을 구현할 수 있는 것이 특징이다. 케이던스는 이 플랫폼을 통해 모든 산업서 차세대 데이터센터 및 AI 공장의 개발을 가속화할 수 있으며, 엔비디아 옴니버스(NVIDIA Omniverse) 개발 플랫폼과 통합되어 최대 30배 더 빠른 설계 및 시뮬레이션 워크플로를 구현할 수 있다고 설명했다. 케이던스의 톰 베클리(Tom Beckley) 커스텀 IC &PCB 그룹 수석 부사장 겸 총괄은 “데이터센터가 AI의 급속한 성장에 직면하여 지속가능성과 에너지 효율에 우선순위를 두어야 한다는 압박을 받고 있는 상황”이라면서, “리얼리티 디지털 트윈 플랫폼이 데이터센터 설계 및 운영의 모든 측면을 최적화하여 에너지 효율을 개선하고, 보다 더 효율적이고 탄력적이며 환경 친화적인 길을 열어줄 것”이라고 설명했다.

슈나이더 일렉트릭이 인텔 및 레드햇과 차세대 개방형 자동화 인프라를 위한 협력에 나섰다고 밝혔다. 슈나이더 일렉트릭은 인텔 및 레드햇과 함께 에코스트럭처 오토메이션 엑스퍼트(EcoStruxure Automation Expert)의 확장 버전인 새로운 소프트웨어 프레임워크인 분산형 제어 노드(DCN : Distributed Control Node)를 선보였다. 슈나이더 일렉트릭의 에코스트럭처 오토메이션 엑스퍼트는 IEC61499 국제 표준을 기반으로 한 범용 자동화 제품이다. 이 시스템은 개방형 플랫폼으로, 기본 하드웨어 인프라와 상관없이 독립적으로 소프트웨어 애플리케이션을 모델링하고 배포해 소프트웨어 중심의 자동화 어플리케이션을 구축할 수 있다. 슈나이더 일렉트릭과 인텔, 레드햇이 협력한 새로운 소프트웨어 프레임워크는 두 가지 요소로 구성된다. ACP(고급 컴퓨터 플랫폼)는 가상화 및 모니터링 기능과 함께, 워크로드를 안전한 프로그래밍 방식으로 배포할 때 필요한 콘텐츠 제어 및 자동화 기능을 제공해 제어 워크로드를 감독한다. DCN은 인텔 아톰(Intel Atom) x6400E 시리즈 프로세서를 사용하는 저전력 산업용 시스템으로, 사용자에게 더 큰 유연성과 성장을 제공할 수 있는 개방형 자동화 접근 방식의 핵심이다. 슈나이더 일렉트릭은 이 프레임워크가 개방적이고 상호 운용 가능하며 안전한 아키텍처를 갖춘 산업 공정 자동화 시스템을 만들기 위해 고안된 개방형 프로세스 자동화 포럼(OPAF)의 비전에 부합한다고 설명했다.     인텔의 산업 솔루션 총괄 관리자인 크리스틴 볼레스(Christine Boles) 네트워크 및 엣지 사업부 부사장은 “개방적이고 상호 연결된 상용 솔루션은 고정된 기능의 독점 장치에서 유연하고 동적인 소프트웨어 기반 인프라로의 전환에 도움될 것”이라며, “인텔은 생태계 전반에 걸쳐 개방형 시스템 접근 방식을 추진한 오랜 역사를 가지고 있다. 이번 협력을 통해 범용 컴퓨팅 및 운영 체제를 기반으로 구축된 차세대 분산 제어 노드를 선보이는 소프트웨어 정의 제어 시스템(Software-based infrastructure)을 개발하게 됐다”고 설명했다. 레드햇의 프란시스 초우(Francis Chow) 차량 내 운영 체제 및 에지 부문 부사장 겸 총괄 관리자는 “레드햇은 제조 업체가 작업 현장에서 자율 운영을 구현할 수 있도록 지원하기 위해 최선을 다하고 있다”며, “슈나이더 일렉트릭 및 인텔과의 협력을 통해 플랫폼 접근 방식을 활용하여 고급 자동화 및 상호 운용성을 갖춘 확장 가능한 소프트웨어 정의 공장 및 운영을 구축하는 데 도움을 줄 수 있다”고 밝혔다. 슈나이더 일렉트릭의 나탈리 마코트(Nathalie Marcotte) 프로세스 자동화 부문 수석 부사장은 “새롭게 선보인 소프트웨어 프레임워크는 효율적이고 미래 지향적인 분산 제어 시스템을 만들기 위한 2년간의 공동 혁신의 결과물”이라면서, “DCN 프레임워크는 개방형 자동화 접근 방식을 육성하여 산업 기업이 미래를 위해 성장하고 혁신할 수 있도록 지원하는 핵심이다. 상호 운용성과 이식성은 고객이 자신의 비즈니스 요구 사항에 맞춰 기술을 자유롭게 구성할 수 있도록 한다”고 전했다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 생성형 AI 모델 학습과 같이 현재도 다양한 곳에서 필수로 사용되는 강화학습 딥러닝 기술의 기본 개념, 이론적 배경, 내부 작동 메커니즘을 확인한다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 이메일 | laputa99999@gmail.com 페이스북 | www.facebook.com/laputa999 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | http://www.facebook.com/groups/digestpodcast   강화학습은 바둑, 로봇 제어와 같은 제한된 환경에서 최대 효과를 얻는 응용분야에 많이 사용된다. 강화학습 코딩 전에 사전에 강화학습의 개념을 미리 이해하고 있어야 제대로 된 개발이 가능하다. 강화학습에 대해 설명한 인터넷의 많은 글은 핵심 개념에 대해 다루기보다는 실행 코드만 나열한 경우가 많아, 실행 메커니즘을 이해하기 어렵다. 메커니즘을 이해할 수 없으면 응용 기술을 개발하기 어렵다. 그래서 이번 호에서는 강화학습 메커니즘과 개념 발전의 역사를 먼저 살펴보고자 한다. 강화학습 개발 시 오픈AI(OpenAI)가 개발한 Gym(www.gymlibrary.dev/index.html)을 사용해 기본적인 강화학습 실행 방법을 확인한다. 참고로, 깃허브 등에 공유된 강화학습 예시는 대부분 게임이나 로보틱스 분야에 치중되어 있는 것을 확인할 수 있다. 여기서는 CartPole 예제로 기본적인 라이브러리 사용법을 확인하고, 게임 이외에 주식 트레이딩, 가상화폐, ESG 탄소 트레이딩, 에너지 활용 설비 운영과 같은 실용적인 문제를 풀기 위한 방법을 알아본다.   그림 1. 강화학습의 개념(출처 : Google)   강화학습의 동작 메커니즘 강화학습을 개발하기 전에 동작 메커니즘을 간략히 정리하고 지나가자.   강화학습 에이전트, 환경, 정책, 보상 강화학습의 목적은 주어진 환경(environment) 내에서 에이전트(agent)가 액션(action)을 취할 때, 보상 정책(policy)에 따라 관련된 변수 상태 s와 보상이 수정된다. 이를 반복하여 총 보상 r을 최대화하는 방식으로 모델을 학습한다. 정책은 보상 방식을 알고리즘화한 것이다. <그림 2>는 이를 보여준다. 이는 우리가 게임을 하며 학습하는 것과 매우 유사한 방식이다.   그림 2. 강화학습 에이전트, 환경, 액션, 보상 개념(출처 : towardsdatascience)   강화학습 설계자는 처음부터 시간에 따른 보상 개념을 고려했다. 모든 시간 경과에 따른 보상치를 동시에 계산하는 것은 무리가 있으므로, 이를 해결하기 위해 DQN(Deep Q-Network)과 같은 알고리즘이 개발되었다. 모든 강화학습 라이브러리는 이런 개념을 일반화한 클래스, 함수를 제공한다. 다음은 강화학습 라이브러리를 사용한 일반적인 개발 코드 패턴을 보여준다.   train_data, test_data = load_dataset()  # 학습, 테스트용 데이터셋 로딩 class custom_env(gym):  # 환경 정책 클래스 정의    def __init__(self, data):       # 환경 변수 초기화    def reset():       # 학습 초기 상태로 리셋    def step(action):       # 학습에 필요한 관찰 데이터 변수 획득       # 액션을 취하면, 그때 관찰 데이터, 보상값을 리턴함 env = custom_env(train_data)  # 학습환경 생성. 관찰 데이터에 따른 보상을 계산함 model = AgentModel(env)      # 에이전트 학습 모델 정의. 보상을 극대화하도록 설계 model.learn()                       # 보상이 극대화되도록 학습 model.save('trained_model')    # 학습된 파일 저장 # 학습된 강화학습 모델 기반 시뮬레이션 및 성능 비교 env = custom_env(test_data)  # 테스트환경 생성 observed_state = env.reset() while not done:    action = model.predict(observed_state) # 테스트 관찰 데이터에 따른 극대화된 보상 액션    observed_state, reward, done, info = env.step(action)    # al1_reward = env.step(al1_action) # 다른 알고리즘에 의한 액션 보상값과 성능비교    # human_reward = env.step(human_action) # 인간의 액션 보상값과 성능비교   ■ 상세한 기사 내용은 PDF로 제공됩니다.

자율주행 시뮬레이션 전문기업 모라이는 RIS 대구경북지역혁신플랫폼 미래차전환부품사업단과 대구경북지역 미래차융합전공 인재 양성을 위해 협력을 진행하고 있다고 소개했다. 협력의 일환으로 모라이는 영남대학교 캠퍼스를 디지털 트윈으로 가상화하고, 이를 기반으로 자율주행차량의 시험과 검증을 위한 테스트 베드를 구축했다고 밝혔다. 영남대학교는 이번 디지털 트윈 맵 구축으로 자율주행 테스트 베드를 확보함으로써, 미래 모빌리티 기술 연구 기반을 강화하게 되었다. 미래차전환부품사업단은 대구경북지역의 대표 핵심 분야인 미래차전환 부품산업의 혁신을 주도하고자 영남대학교를 중심으로 미래차 전환 맞춤형 인재양성 및 지역정착 지원, 미래차 전환 혁신 기술 개발, 미래차 생태계 구축 및 기업 지원의 업무를 수행하고 있다. 모라이는 대구경북지역혁신풀랫폼에 소속된 미래차전환부품사업단과 영남대학교 전기차융합부품트랙의 지자체-대학 협력기반 지역혁신사업(RIS)을 지원했다. RIS 사업은 지자체와 대학 및 지역혁신기관이 지역 혁신 플랫폼을 구축해 산업 수요 맞춤형 중장기 발전 계획을 수립하고, 발전 목표에 따른 핵심 분야를 선정, 이와 연계한 대학교육과 지역산업 혁신을 추진하도록 지원하는 사업이다.     모라이는 영남대학교 캠퍼스내의 차량이 운행할 수 있는 도로를 중심으로, 약 82만평 규모의 영남대 캠퍼스 전체를 디지털 트윈 맵으로 구축했다. 실제 캠퍼스 환경을 정밀하게 모사하여, 실제 도로 조건에서 발생할 수 있는 다양한 시나리오를 테스트할 수 있도록 했다. 이로써 영남대학교의 자율주행 연구원 및 학생들은 가상의 영남대학교 캠퍼스 맵에서 자율주행차량의 주행 알고리즘이나 시스템 안전성 검증 등 다양한 자율주행 연구를 수행할 수 있다. 미래차전환부품사업단 부단장인 영남대학교 미래자동차공학과 권성진 교수는 “자율주행 시뮬레이션 전문기업인 모라이와 협력해 자율주행 테스트 환경 기반을 마련했다. 현재 영남대학교에서는 모라이의 자율주행 시뮬레이션 소프트웨어를 활용해 자율주행자동차, 자율주행 인공지능 교육 과정을 운영하고 있다”면서, “이번 디지털 트윈 구축을 통해 학생들은 실제와 유사한 조건에서 다양한 검증이 가능해 자율주행 기술의 이해와 응용 능력을 향상은 물론, 미래 자동차 산업을 이끌어나갈 전문가로 성장하는 기반이 될 것으로 기대한다”고 말했다. 모라이의 정지원 대표는 “영남대학교 학생들과 연구원들은 모라이의 자율주행 시뮬레이션 소프트웨어를 통해 자율주행차의 성능 및 안전성 검증 연구를 가상의 환경에서 효율적이고 비용 효과적으로 수행할 수 있어, 자율주행 기술 연구의 질적 향상에도 기여할 것으로 기대한다. 모라이는 다양한 협력 프로그램을 통해 지역 산업의 발전과 모빌리티 산업 성장을 위해 계속해서 지원할 계획”이라고 말했다. 

  엔비디아와 시스코는 양사간 협력을 통해 데이터센터용 AI 인프라 솔루션을 제공할 계획이라고 밝혔다. 이 솔루션은 간편한 배포와 관리를 통해 AI 시대에서 기업들이 성공하기 위해 요구되는 대규모 컴퓨팅 성능을 지원하는 것이 목적이다.   엔비디아는 GPU로 시작해 현재는 AI 분야에서 강력한 기술을 갖추고 있으며, 시스코는 이더넷 네트워킹 분야에서 전문성과 파트너 생태계를 갖추고 있다. 두 기업은 협력을 강화해 보안성이 뛰어난 이더넷 기반 인프라로 고객의 원활한 AI 전환을 지원하겠다는 비전과 다짐을 공유했다. 엔비디아는 시스코와 함께 지난 몇 년 동안 웹엑스(Webex) 협업 장치와 데이터센터 컴퓨팅 환경 전반에 걸쳐 광범위한 통합 제품 솔루션을 제공했다. 이 솔루션은 유연한 업무 공간, AI 기반 회의, 가상 데스크톱 인프라를 갖춘 하이브리드 업무 환경을 구현한다. 양사는 앞으로 데이터 센터 분야에서 파트너십을 더욱 강화한다고 밝혔다. 이를 통해 기업에게 확장 가능하고 자동화된 AI 클러스터 관리, 자동화된 문제 해결, 높은 수준의 고객 경험 등을 제공할 계획이다.  양사는 엔비디아의 최신 텐서코어 GPU를 시스코 M7세대 통합 컴퓨팅 시스템(UCS) 랙, 블레이드 서버에서 사용할 수 있게 지원한다. 여기에는 시스코 UCS X-시리즈와 UCS X-시리즈 다이렉트가 포함된다. 이를 통해 데이터센터와 에지에서 광범위한 AI와 데이터 집약적 워크로드를 위한 최적의 성능을 발휘한다. 또한, 보다 안전하고 안정적이며 우수한 프로덕션 AI를 위한 소프트웨어 프레임워크, 사전 훈련된 모델과 개발 툴을 포함하는 엔비디아 AI 엔터프라이즈(AI Enterprise)가 시스코 글로벌 채널을 통해 제공된다. 한편, AI 클러스터의 간편한 배포와 관리를 위해 시스코 검증 설계(Cisco Validated Designs, CVD) 기반의 레퍼런스 아키텍처가 제공된다. 이는 가상화, 컨테이너화된 환경 등 다양한 사용 사례에서 규모와 관계없이 이용할 수 있고, 컨버지드와 하이퍼 컨버지드 옵션 모두 지원된다. 엔비디아 AI 엔터프라이즈를 활용해 생성형 AI 추론을 수행하는 플렉스포드(FlexPod)와 플래시스택(FlashStack)용 CVD는 2024년 2월 중 공개될 예정이며, 향후 더 많은 CVD가 제공될 예정이다. 이외에도 엔비디아와 시스코는 ▲AI 인프라 관리와 운영을 간소화하는 온프레미스 및 클라우드 기반 관리 ▲클라우드나 온프레미스 네트워크에서 발생하는 문제에 대해 AI 기반 인사이트와 자동화된 문제 해결 제공 ▲AI 기능을 통해 도메인 전반의 실시간 원격측정 컨텍스트화 및 디지털 경험을 개선하기 위한 가시성 확보 ▲AI와 자동화의 도입을 위한 지원과 안내를 받을 수 있는 글로벌 파트너 생태계 등을 제공한다. 시스코의 척 로빈스(Chuck Robbins) CEO는 “AI는 우리가 일하고 생활하는 방식을 근본적으로 바꾸고 있다. 역사적으로 볼 때 이 정도 규모의 변화는 기업이 인프라를 재고하고 재설계해야 한다는 것을 보여준다. 엔비디아와 파트너십을 강화함으로써 기업들은 대규모 AI 솔루션을 구축, 배포, 관리, 보호하는 데 필요한 기술과 전문성을 갖추게 될 것”이라고 말했다. 엔비디아의 젠슨 황(Jensen Huang) CEO는 “모든 기업이 생성형 AI로 비즈니스를 혁신하기 위해 경쟁하고 있다. 우리는 시스코와의 긴밀한 협력을 통해 기업들이 역사상 가장 강력한 기술인 AI의 혜택을 누리는 데 필요한 인프라를 그 어느 때보다 쉽게 확보하도록 지원하고 있다:고 전했다.