넘버스
넘버스
20세기 초 라이트 형제의 첫 비행은 단 12초밖에 되지 않았다. 하지만 수십 년 만에 비행기는 전 세계 여행에 혁명을 일으켰고 이전에는 상상할 수 없었던 방식으로 세계를 연결했다. 오늘날 인공지능은 틈새 혁신에서 전 세계 산업을 재편하는 유비쿼터스 도구로 전환하면서 비슷한 패턴이 전개되고 있다. 이런 기술 혁명은 “S 커브”라는 프레임워크를 사용하여 시각화하고 이해할 수 있다.
S 커브는 시간이 지남에 따라 기술이 어떻게 성숙해 가는지를 그래픽으로 표현한 것이다. 얼리 어답터, 특수한 사용례, 기술 전문가를 중심으로 천천히 시작된다. 기술이 그 가치를 입증함에 따라 채택이 가속화되고 다양한 산업과 애플리케이션에 더 널리 통합되는 빠른 성장 단계에 접어든다.
그러나 기술이 더 저렴하고 빠르고, 더 효율적으로 발전함에 따라 필연적으로 어떤 논리적 한계(종종 물리 법칙에 기반한 실질적인 물리적 한계로 정의됨)에 도달하고 자연스럽게 S 커브의 '상단'에 안착하게 된다. 기술이 한계에 도달하면 상대적으로 발전 속도가 느려지고 일반적으로 복잡성이 크게 증가한다. 예를 들어 지난 20년간 내연 기관의 효율성 향상을 살펴보라. 시간이 지남에 따라 새로운 기술이 등장하는데, 일반적으로 기존 기술보다 낮은 성능 수준에서 시작하지만 이전 기술을 추월할 수 있는 잠재력을 가진 새로운 S커브가 형성된다.
현재와 미래의 신기술에 투자하고 채택할 시점에 대해 정보에 입각한 결정을 내리고자 하는 기업은 이러한 기술 발전의 고르지 못한 패턴을 이해하는 것이 필수적이다. 특히 AI 기반 또는 지원 기술의 경우 더욱 그렇다.
AI S 커브의 속도를 높이는 요인은?
AI는 진공 상태로 존재하는 것이 아니라 사용례를 가능하게 하는 광범위한 기술 생태계의 일부다. AI(또는 모든 기술)의 도입 궤적을 제대로 이해하려면 다른 기술 간의 시너지를 살펴보는 것이 중요하다. 예를 들어, 신경망 아키텍처의 일종인 트랜스포머는 AI 모델이 인간의 언어를 처리하고 생성하는 방식에 혁신을 가져왔으며, 대형 언어 모델(LLM)도 마찬가지다. 하지만 트랜스포머만이 GPT-3와 같은 LLM에 대한 관심을 불러일으키는 유일한 기술은 아니다. 오히려 LLM에 적용된 트랜스포머와 다른 여러 가지 지원 기술이 AI의 새로운 가능성을 열어주고 있다.무어의 법칙으로 설명되는 컴퓨팅 성능의 기하급수적인 성장은 AI 기술 S커브의 근본적인 원동력이었으며, 앞으로도 계속될 것이다. 컴퓨팅 용량이 계속 증가함에 따라 AI 모델은 점점 더 큰 데이터를 처리하고, 더 복잡한 알고리즘을 담당하며, 이전에는 다루기 힘든 것으로 여겨졌던 문제에 대한 해결책을 찾을 수 있게 되었다. 요점은 기업이 클라우드 컴퓨팅 및 빅 데이터 분석, 무어의 법칙, 오픈소스 소프트웨어 운동과 같은 지원 기술을 고려하고 AI 분야 자체의 연구와 시너지 효과를 내야 AI 혁신과 도입 속도를 더욱 가속화할 수 있다는 것이다.
혁신은 비선형적이며 핵심 분야 외부에서더 발생할 수 있다. 우리는 완전히 새로운 형태의 컴퓨팅이 주도하는 차세대 AI의 물결을 보게 될지도 모른다. 예를 들어, 인메모리 처리 기능을 갖춘 뉴로모픽 컴퓨터는 비 폰 노이만 시스템으로, 완성된다면 행렬 수학을 수행하는 데 필요한 컴퓨팅 파워를 크게 줄여 AI 모델 실행에 엄청난 이점을 제공할 것이다.
노이즈에서 신호 분리하기
오늘날의 AI 환경은 잭슨 폴락의 그림과 매우 흡사하다. 다양한 가능성과 실험이 혼재되어 있다. 하지만 폴록의 그림이 프랙탈에 기반한 것으로 밝혀진 것처럼, AI 분야에서도 발전의 근간에는 패턴이 있다. AI가 발전하면서 우리는 더욱 쉽게 과대광고에 휩쓸리고 직면하는 모든 문제에 AI를 적용해 버린다.일부 AI 애플리케이션은 새로운 것처럼 보이지만 실제로는 새로운 문제를 해결하는 것이 아니라 이미 다른 해결 방법을 알고 있는 작업에 AI를 적용하는 것일 뿐이라는 점을 인식하는 것이 중요한다. “망치만 있으면 모든 것이 못처럼 보인다"는 속담처럼 말이다.
진정한 과제(그리고 가치)는 신호와 노이즈를 구분하여 AI가 진정으로 영향력을 발휘하고 복잡한 문제에 대한 새로운 솔루션을 제공할 수 있는 영역을 식별하는 것이다.
AI 시대의 위험과 보상의 균형 맞추기
AI와 같은 새로운 기술이 등장하고 발전함에 따라 기업은 경쟁력을 유지해야 할 필요성과 초기 도입과 관련된 잠재적 위험 및 불확실성 사이에서 균형을 유지해야 한다.이러한 도전은 새로운 것이 아니다. 클레이튼 크리스텐슨은 ‘혁신가의 딜레마'라는 저서에서 기업이 기존의 수익성 있는 비즈니스 모델을 유지하는 것과 잠재적으로 파괴적인 새로운 기술에 투자하는 것이라는 두 가지 어려운 선택을 설명한다. 그렇다면 기업은 어떻게 이런 결정을 내릴 수 있을까?
한 가지 접근 방식은 분기별 또는 연간 보고의 압박에서 벗어나 장기간에 걸쳐 운영되는 전담 부서를 두는 것이다. 심층 기술과 새로운 비즈니스 모델에 중점을 두고 긴 주기로 운영되는 전담 부서를 두면 기업은 파괴적인 변화와 트렌드에 대한 '조기 경보 레이더'를 만들 수 있다. 이 부서의 임무는 지평을 스캔하고, 잠재적인 혼란을 식별하고, 이를 검증하고, 이러한 문제를 기업의 고위층에 제기하여 종합하는 것이다. 이들은 다음과 같은 질문에 집중한다.
- 이 새로운 기술이 우리 비즈니스에 어떤 의미가 있는가?
- 잠재적인 혼란인가, 기회인가, 아니면 둘 다인가?
- 이에 대응하여 우리의 전략과 역량을 어떻게 조정해야 하는가?
때로는 현재 기술이 S커브의 정점에 도달하고 있으며, 파괴적인 기술이 기존 기술보다 성능이 떨어지더라도 동일한 접근 방식을 통해 얻을 수 있는 추가 이득이 점진적인 투자 가치가 없을 수 있음을 설명해야 한다.
AI 기반 성장의 세 가지 지평
리소스가 제한된 기업의 경우 다른 접근 방식이 필요하다. 먼저 어떤 모드로 운영되고 있는지 파악하는 것이 중요한다. 기술의 기본 원리를 이해하고자 하는 과학적 모드에 속해 있는가? 아니면 특정 문제를 해결하기 위해 기술을 적용하는 데 집중하는 엔지니어링 모드에 있는가?이러한 모드를 구분할 수 있는 리소스가 없다면 세 가지 지평에 시간과 주의를 기울이는 것이 중요하다.
- 첫 번째 지평은 현재이다. 현재 어떤 일이 일어나고 있으며, 현재 운영을 어떻게 최적화할 수 있을까?
- 두 번째 지평은 가까운 미래이다. 앞으로 어떤 일이 일어날 것이며, 이러한 기회를 활용하기 위해 어떻게 포지셔닝할 수 있을까?
- 세 번째 지평은 먼 미래이다. 먼 지평선에는 무엇이 있으며, 장기적으로 우리 산업을 어떻게 변화시킬 수 있을까?
이러한 지평 전반에 걸친 업데이트와 트렌드를 모니터링함으로써 기업은 신흥 기술의 비선형적 발전에 발맞추고 비즈니스에 전략적 돌발 변수가 발생할 가능성을 제한할 수 있다. 이를 위해 반드시 독립적인 부서가 필요한 것은 아니지만, 일상에서 한 발짝 물러나 더 큰 그림을 고려하는 의도적인 노력이 필요하다.
예측의 기술
빠르게 진화하는 AI 환경을 탐색할 때 우리는 경이로운 시선과 경계심을 동시에 가지고 접근해야 한다. S커브는 앞으로의 여정이 선형적인 경로가 아니라 역동적이고 반복적인 과정이라는 것을 상기시킨다. AI S 커브의 역동성과 채택에 영향을 미치는 요인을 파악하면 기업은 성공을 위한 전략적 포지셔닝을 할 수 있다.editor@itworld.co.kr
Tags
Sponsored
Seagate
'반박 불가' 하드 드라이브와 SSD에 관한 3가지 진실
ⓒ Getty Images Bank 하드 드라이브가 멸종할 것이라는 논쟁이 10년 넘게 계속되고 있다. 빠른 속도와 뛰어난 성능이 필요한 애플리케이션에 적합한 플래시 스토리지의 연매출이 증가하고 있는 것은 자명한 사실이다. 하지만, 클라우드의 보편화 및 AI 사용 사례의 등장으로 인해 방대한 데이터 세트의 가치가 높아지는 시대에 하드 드라이브는 플래시 스토리지로 대체할 수 없는 가치를 가지고 있다. 전 세계 엑사바이트(EB) 규모 데이터의 대부분을 저장하는 하드 드라이브는 데이터센터에서 그 어느 때보다 필수적이다. 전 세계 데이터 세트의 대부분이 저장된 엔터프라이즈 및 대규모 클라우드 데이터센터는 데이터 성장에서 핵심이 될 것이다. 하드 드라이브와 SSD를 비교하자면, 하드 드라이브 스토리지는 2022년에서 2027년 사이 6,996EB 증가할 것으로 예상되는 반면, SSD는 1,363EB 증가할 것으로 보인다. ⓒ Seagate 생성형 AI 시대에는 콘텐츠를 경제적으로 저장해야 하기 때문에 플래시 기술과 밀접하게 결합된 컴퓨팅 클러스터는 더 큰 하드 드라이브 EB의 다운스트림 수요를 직간접적으로 촉진할 것이다. 하드 드라이브가 왜 데이터 스토리지 아키텍처의 중심이 될 수밖에 없는지는 시장 데이터를 근거로 설명 가능하다. 가격 책정 근거 없는 믿음 : SSD 가격이 곧 하드 드라이브 가격과 같아질 것이다. 사실 : SSD와 하드 드라이브 가격은 향후 10년간 어느 시점에도 수렴하지 않을 것이다. 데이터가 이를 명확하게 뒷받침한다. 하드 드라이브는 SSD에 비해 테라바이트당 비용 면에서 확고한 우위를 점하고 있으며, 이로 인해 하드 드라이브는 데이터센터 스토리지 인프라의 확고한 주춧돌 역할을 하고 있다. IDC 및 포워드 인사이트(Forward Insights)의 연구에 따르면, 하드 드라이브는 대부분의 기업 업무에 가장 비용 효율적인 옵션으로 유지될 것으로 전망된다. 엔터프라이즈 SSD와 엔터프라이즈 하드 드라이브의 TB당 가격 차이는 적어도 2027년까지 6대 1 이상의 프리미엄이 유지될 것으로 예상된다. ⓒ Seagate 이러한 TB당 가격 차이는 장치 구입 비용이 총소유비용(TCO)에서 가장 큰 비중을 차지하는 데이터센터에서 특히 두드러지게 드러난다. 장치 구입, 전력, 네트워킹, 컴퓨팅 비용을 포함한 모든 스토리지 시스템 비용을 고려하면 TB당 TCO는 하드 드라이브 기반 시스템이 훨씬 더 우수하게 나타난다. ⓒ Seagate 따라서, 플래시는 특정 고성능 작업의 수행에 탁월한 스토리지이지만, 하드 드라이브는 당분간 안정적이고 비용 효율적이며 널리 채택된 솔루션을 제공하는 데이터센터에서 계속해서 주류로 사용될 것이다. 공급과 확장의 관계 근거 없는 믿음 : NAND 공급이 모든 하드 드라이브 용량을 대체할 정도로 증가할 수 있다. 사실 : 하드 드라이브를 NAND로 완전히 교체하려면 감당할 수 없는 설비투자(CapEx)가 필요하다. NAND 산업이 모든 하드 드라이브 용량을 대체하기 위해 공급을 빠르게 늘릴 수 있다는 주장은 재정적, 물류적으로 엄청난 비용이 발생한다는 점을 간과한 낙관적인 생각이다. 산업 분석기관 욜 인텔리전스(Yole Intelligence)의 2023년 4분기 NAND 시장 모니터 리포트에 따르면, 전체 NAND 산업은 2015년~2023년 사이 3.1제타바이트(ZB)를 출하하면서 총 매출의 약 47%에 해당하는 2,080억 달러의 막대한 자본 지출을 투자해야 했다. 반면, 하드 드라이브 산업은 데이터센터 스토리지 수요의 거의 대부분을 매우 자본 효율적인 방식으로 해결하고 있다. 씨게이트가 2015년~2023년 사이 3.5ZB의 스토리지를 출하하며 투자한 자본은 총 43억 달러로, 전체 하드 드라이브 매출의 약 5%에 불과하다. 그러나 NAND 산업의 경우 ZB당 약 670억 달러에 해당하는 금액을 투자한 것으로 나타나 하드 드라이브가 데이터센터에 ZB를 공급하는 것이 훨씬 더 효율적임을 알 수 있다. ⓒ Seagate 작업 부하 근거 없는 믿음 : 올 플래시 어레이(AFA)만이 최신 엔터프라이즈 작업 부하의 성능 요구를 충족할 수 있다. 사실 : 엔터프라이즈 스토리지 아키텍처는 일반적으로 디스크 또는 하이브리드 어레이, 플래시, 테이프를 사용하여 특정 작업 부하의 비용, 용량, 성능 요구 사항에 최적화할 수 있도록 미디어 유형을 혼합한다. 기업이 플래시 없이는 최신 작업 부하의 성능 수요를 따라잡지 못할 위험이 있다는 주장은 다음과 같은 3가지 이유로 반박 가능하다. 첫째, 대부분의 최신 작업 부하에는 플래시가 제공하는 성능상의 이점이 필요하지 않다. 전 세계 데이터의 대부분은 클라우드와 대규모 데이터센터에 저장되어 있으며, 이러한 환경에서는 작업 부하 중 극히 일부에만 상당한 성능이 필요하다는 파레토 법칙을 따르고 있다. 둘째, 예산 제약이 있고 데이터 세트가 빠르게 증가하는 기업들은 성능뿐만 아니라 용량과 비용의 균형을 맞춰야 한다. 플래시 스토리지는 읽기 집약적인 시나리오에서는 탁월한 성능을 발휘하지만 쓰기 작업이 증가하면 내구성이 떨어져 오류 수정과 오버프로비저닝에 추가 비용이 발생한다. 또한, 대규모 데이터 세트나 장기 보존의 경우 영역 밀도가 증가하는 디스크 드라이브가 더 비용 효율적인 솔루션일 뿐만 아니라 수천 개의 하드 드라이브를 병렬로 활용하면 플래시를 보완하는 성능을 달성할 수 있다. 셋째, 수많은 하이브리드 스토리지 시스템은 다양한 미디어 유형의 강점을 단일 유닛에 원활하게 통합하고 최대한으로 활용할 수 있도록 세밀하게 조정된 소프트웨어 정의 아키텍처를 사용한다. 이러한 스토리지는 유연성을 제공하므로 기업은 지속적으로 변화하는 요구 사항에 따라 스토리지 구성을 조정할 수 있다. AFA와 SSD는 고성능의 읽기 집약적인 작업에 매우 적합하다. 하지만 하드 드라이브가 이미 훨씬 낮은 TCO로 제공하는 기능을 AFA로 불필요하게 비싼 방법으로 제공하는 것은 비용 효율적이지 않을 뿐만 아니라, AFA가 하드 드라이브를 대체할 수 있다고 주장하는 근거가 될 수 없다.
Seagate
“작지만 큰 영향력” 하드 드라이브의 나노 스케일 혁신
ⓒ Seagate 플래터당 3TB라는 전례 없는 드라이브 집적도를 자랑하는 새로운 하드 드라이브 플랫폼이 등장하며 디지털 시대의 새로운 이정표를 세웠다. 플래터당 3TB를 저장할 수 있다는 것은 동일한 면적에서 스토리지 용량을 기존 드라이브 대비 거의 두 배로 늘릴 수 있다는 것을 의미한다. 이러한 혁신은 데이터 스토리지의 미래와 데이터센터의 디지털 인프라에 괄목할 만한 영향을 미친다. AI의 발전과 함께 데이터의 가치가 그 어느 때보다 높아졌다. IDC에 따르면 2027년에는 전 세계에서 총 291ZB의 데이터가 생성될 것으로 예측되며, 이는 스토리지 제조 용량의 15배 이상일 것으로 보인다. 대부분의 데이터를 호스팅하는 대형 데이터 센터에 저장된 데이터 중 90%가 하드 드라이브에 저장된다. 즉, AI 애플리케이션의 주도로 데이터가 급증함에 따라 물리적 공간을 늘리지 않으면서도 데이터를 저장할 수 있는 스토리지 기술 혁신이 필요하다. 데이터 스토리지 인프라를 업그레이드하는 것은 단순히 기술적인 문제가 아니라 지금 시대가 직면한 규모, 총소유비용(TCO), 지속가능성이라는 과제에 대한 논리적 해답인 셈이다. 열 보조 자기 기록(HAMR) 기술은 선구적인 하드 드라이브 기술로 드라이브 집적도 향상을 위해 지난 20년 동안 수많은 연구를 거쳐 완성되어 왔다. 씨게이트 모자이크 3+ 플랫폼은 이러한 HAMR 기술을 씨게이트만의 방식으로 독특하게 구현한 것으로, 미디어(매체)부터 쓰기, 읽기 및 컨트롤러에 이르는 복잡한 나노 스케일 기록 기술과 혁신적인 재료 과학 역량을 집약한 결정체다. 이 플랫폼은 데이터 비트를 변환하고 자기 및 열 안정성을 유지하면서 더욱 촘촘하게 패킹해서 각 플래터에 훨씬 더 많은 데이터를 안정적이고 효율적으로 저장할 수 있다. 예를 들어, 기존 데이터센터에 있는 16TB 드라이브를 30TB 드라이브로 업그레이드하면 동일한 면적에서 스토리지 용량을 두 배로 늘릴 수 있다. 더 낮은 용량에서 업그레이드한다면 상승 폭은 더욱 커진다. 이 경우, 테라바이트당 전력 소비량이 40% 감소하는 등 스토리지 총소유비용(TCO)이 크게 개선된다. 또한 효율적인 자원 할당과 재활용 재료 사용으로 운영 비용을 절감하고 테라바이트당 탄소 배출량을 55% 감소시켜 데이터센터가 지속 가능성 목표를 달성할 수 있다. 드라이브 집적도 향상은 하이퍼스케일과 프라이빗 데이터센터의 판도를 바꿀 수 있다. 데이터센터가 급증하며 전력사용량과 탄소배출량 역시 늘어나 데이터센터의 지속가능성이 화두가 되고 있는 가운데, 과학기술정보통신부는 ‘탄소중립 기술혁신 추진전략-10대 핵심기술 개발방향’에서 2030년까지 데이터센터 전력소모량을 20% 절감하겠다고 밝힌 바 있다. 이러한 목표에 발맞춰, 집적도를 획기적으로 개선한 대용량 데이터 스토리지를 활용하는 것은 원활하고 지속적인 AI 모델 학습, 혁신 촉진 및 비즈니스 성공을 위해 필수적이다. 엔터프라이즈 데이터센터의 경우 제한된 공간, 전력, 예산에 맞춰 확장할 수 있는 지속 가능한 방법을 찾아야 한다. 하드 드라이브의 집적도 혁신은 점점 더 커져가는 클라우드 생태계와 AI 시대에 대응하는 해답이자, 동일한 공간에 더 많은 엑사바이트를 저장하면서도 자원 사용은 줄이도록 인프라를 확장할 수 있는 방법이다. 이는 글로벌 데이터 영역에서 경쟁력을 유지하고 글로벌 디지털 경제의 선두주자로서 입지를 강화하는 데 매우 중요하다.
추천기사
