2024년 17가지 예측: 넝마에서 부로, 비틀매니아, 국보급 보물까지

올해의 단어상 경쟁에서 ‘생성형 AI’와 ‘사전 학습된 생성형 트랜스포머’가 선두를 달리고 있는 가운데 여러 경쟁자가 등장했습니다. 모든 분야에서 이러한 획기적인 발전을 활용하기 위해 ‘대규모 언어 모델’과 ‘검색 증강 세대(RAG)‘와 같은 혁신적인 기술에 주목하고 있습니다.

제너레이티브 AI 한 해의 시작은 미약하게 시작되었지만 끝은 화려하게 마무리되었습니다. 많은 기업들이 텍스트, 음성 및 비디오를 수집하여 생산성, 혁신 및 창의성에 혁명을 일으킬 수 있는 새로운 콘텐츠를 만들어내는 능력을 활용하기 위해 서두르고 있습니다.

기업들은 이러한 트렌드를 타고 있습니다. 맥킨지 앤 컴퍼니 에 따르면 기업 데이터로 학습된 OpenAI의 ChatGPT와 같은 딥러닝 알고리즘은 63개의 비즈니스 사용 사례에서 연간 2조 6천억 달러에서 4조 4천억 달러에 해당하는 가치를 창출할 수 있다고 합니다.

상당한 양의 내부 정보를 탐색하고 처리하는 것은 일반적으로 인공 지능 기능의 확장을 방해하는 가장 큰 장애물 중 하나로 간주됩니다. 인공지능에 정통한 NVIDIA의 일부 전문가들에 따르면, 2024년에는 선도적인 클라우드 서비스 제공업체, 데이터 스토리지 및 분석 회사, 그리고 방대한 데이터 세트를 손쉽게 처리, 정제 및 효과적으로 배포하는 데 능숙한 기타 조직과의 전략적 제휴 및 협업 노력이 더욱 강조될 것으로 예상됩니다.

대규모 언어 모델 가 그 중심에 있습니다. NVIDIA 전문가들은 LLM 연구의 발전이 비즈니스 및 엔터프라이즈 애플리케이션에 점점 더 많이 적용될 것이라고 말합니다. RAG , 자율 지능형 에이전트 및 멀티모달 인터랙션과 같은 AI 기능은 거의 모든 플랫폼을 통해 더 쉽게 액세스하고 더 쉽게 배포할 수 있게 될 것입니다.

내년에 예상되는 개발에 대해 NVIDIA 전문가로부터 인사이트를 얻으세요:

마누비르 다스
엔터프라이즈 컴퓨팅 부문 부사장

기업들은 보편적인 접근 방식이 아닌 인공지능을 통해 개인화된 맞춤형 경험을 제공하는 방향으로 나아가고 있습니다. 앞으로 기업들은 한두 가지의 일반적인 AI 솔루션에만 의존하는 것이 아니라 고유한 독점 데이터 세트를 활용하여 기업 운영의 다양한 측면을 위해 특별히 설계된 수많은 전문 애플리케이션을 구현할 것입니다.

라이브 환경에 이러한 맞춤형 언어 모델(LLM)을 배포하면 추론, 추상화, 일반화(RAG) 기능이 통합되어 다양한 데이터 소스와의 원활한 통합을 통해 정확도를 높이고 포괄적인 응답을 생성할 수 있습니다. Amdocs, Dropbox, Genentech, SAP, ServiceNow, Snowflake와 같은 주목할 만한 조직에서 RAG 및 LLM 기술을 활용한 새로운 생성형 AI 애플리케이션 개발에 착수했습니다.

제너레이티브 인공 지능을 위한 오픈소스 사전 학습 모델을 사용할 수 있게 됨에 따라 이러한 기술을 활용하여 특정 도메인 문제를 해결하는 애플리케이션이 기업 운영 계획의 기본 요소로 통합될 가능성이 높습니다.

이러한 최첨단 방법론을 독점 정보 또는 실시간 데이터와 통합함으로써 조직은 운영 전반에 걸쳐 효율성을 높이고 비용을 절감할 수 있습니다. 인공지능 기술의 발전으로 클라우드 기반 인프라, 인공지능 모델 마켓플레이스, 로컬 서버 등 다양한 플랫폼에 걸쳐 컴퓨팅 리소스 및 인공지능 프레임워크에 대한 접근성이 향상되고 기존 데이터센터, 네트워크 에지, 개별 워크스테이션에 통합될 것으로 예상됩니다.

생성형 인공 지능의 등장으로 상용 솔루션을 통해 복잡한 소프트웨어 시스템을 쉽게 개발할 수 있도록 특별히 맞춤화된 애플리케이션 프로그래밍 인터페이스(API)의 활용이 증가했습니다.

2024년에는 개발자가 서비스형 래피드API(RAG)와 같은 인공지능 마이크로서비스 구현을 통해 기존의 인공지능 모델을 활용함에 따라 소프트웨어 개발 키트와 애플리케이션 프로그래밍 인터페이스가 새로운 차원으로 발전할 것으로 예상됩니다. 이를 통해 조직은 현재 비즈니스 데이터에 실시간으로 액세스할 수 있는 지능형 지원 시스템과 요약 생성 도구를 사용하여 AI 기반 효율성의 완전한 역량을 발휘할 수 있습니다.

제공된 API 엔드포인트를 활용하면 개발자는 모델과 프레임워크를 지원하는 데 필요한 기본 인프라를 관리해야 하는 부담을 덜 수 있습니다. 이를 통해 애플리케이션 내에 이러한 엔드포인트를 원활하게 통합할 수 있으므로 직관성 향상, 신속한 응답성, 개인별 선호도에 따른 맞춤 설정이 특징인 보다 간소화된 사용자 경험을 제공할 수 있습니다.

IAN BUCK
하이퍼스케일 및 HPC 부문 부사장

인공지능의 발전은 연구와 과학을 비롯한 다양한 분야에 혁명을 일으켜 궁극적으로 전례 없는 규모의 경제 성장과 번영을 가져올 엄청난 잠재력을 가지고 있기 때문에 이 분야에서 우위를 점하기 위한 국가 간 글로벌 경쟁이 벌어지고 있습니다.

가속 컴퓨팅의 발전으로 각국은 적은 수의 노드만으로 매우 효과적이고 대규모의 성능을 갖춘 엑사스케일 인공 지능 시스템을 구축할 수 있게 되었습니다. 정부가 지원하는 이러한 생성형 인공지능에 초점을 맞춘 우수 센터는 고용 기회 창출과 미래 과학, 연구 및 엔지니어링 전문가 양성을 목표로 하는 대학 프로그램의 강화를 통해 경제 발전을 촉진할 것으로 기대됩니다.

퀀텀의 도약과 한계: 기업 리더들은 기존 AI 슈퍼컴퓨터를 사용하여 양자 프로세서를 시뮬레이션할 수 있는 능력과 하이브리드 클래식 양자 컴퓨팅을 위한 개방형 통합 개발 플랫폼의 가용성이라는 두 가지 핵심 동인을 기반으로 양자 컴퓨팅 연구 이니셔티브를 시작할 것입니다. 이를 통해 개발자는 양자 알고리즘을 구축하기 위해 맞춤형 전문 지식이 필요하지 않고 표준 프로그래밍 언어를 사용할 수 있습니다.

양자 컴퓨팅은 한때 컴퓨터 과학 영역의 전문 영역으로 인식되었지만, 학술 기관 및 국립 연구소와 함께 기업의 노력과 통합되면서 그 중요성이 점점 더 부각될 것으로 예상됩니다. 이러한 변화는 재료 과학, 제약 연구, 아원자 물리학, 공급망 관리와 같은 분야에서 상당한 발전을 촉진할 것으로 예상됩니다.

카리 브리스키
AI 소프트웨어 부문 부사장

인공지능 프레임워크의 채택이 증가함에 따라 2024년에는 재심증강세대(RAG)에 대한 관심이 높아질 것으로 예상됩니다.

기업이 인공지능 애플리케이션과 서비스를 생성하기 위한 대규모 언어 모델(LLM)을 개발함에 따라, 특정 사용 사례에 대한 정확하고 적절한 데이터의 가용성 부족으로 인해 발생할 수 있는 부정확하거나 비논리적인 응답과 같은 LLM의 단점을 해결하기 위한 솔루션으로 반복 주의 게이트(RAG)가 점점 더 많이 고려되고 있습니다.

시맨틱 검색을 활용함으로써 조직은 자사의 독점 정보를 통합하여 기존의 오픈 소스 기본 모델을 사용할 수 있으며, 이를 통해 런타임 처리 중에 각 모델에 제출되기 전에 인덱스에서 관련 데이터를 추출하는 검색 쿼리를 수행할 수 있습니다.

이 연구 결과가 시사하는 바는 가상 비서가 자연어 입력을 해석하고 그에 따라 응답을 렌더링하는 능력이 점점 더 향상됨에 따라 의료, 은행, 상거래 및 생산과 같은 분야와 관련된 인공 지능 애플리케이션에서 조직이 더 적은 수단을 사용하면서도 더 높은 수준의 정확도를 달성할 수 있다는 것입니다. 결과적으로 최종 고객은 데이터에 손쉽게 액세스하고 상호 작용할 수 있는 보다 인간과 유사한 상호 작용 프로세스를 촉진하는 고급 대화형 에이전트와 맞춤형 정보 제안 시스템을 만나게 될 것으로 예상할 수 있습니다.

멀티모달리티는 인공지능 영역에서 떠오르는 트렌드로, 텍스트 기반 생성 모델은 점차 쓸모가 없어지고 있습니다. 아직 개발 초기 단계이지만 많은 분야에서 텍스트, 오디오, 시각적 입력의 조합을 처리하여 표 형식의 데이터, 그래픽 표현 또는 다이어그램과 관련하여 매우 적절한 답변을 제공할 수 있는 멀티모달 언어 모델을 채택할 것으로 예상됩니다.

메타(Meta), 오픈AI(OpenAI)와 같은 선구적인 기업들이 제공하는 혁신을 통해 멀티모달 생성 인공지능의 영역은 더욱 광범위한 인간의 감각 경험을 아우르며 크게 확장될 것으로 전망됩니다. 결과적으로 이러한 기술 발전은 물리학과 생명과학을 비롯한 다양한 분야에서 혁신을 촉진하는 동시에 사회 전반의 발전에 기여할 것입니다. 또한 기업들은 PDF, 그래픽 일러스트레이션, 차트 기반 디스플레이, 슬라이드 프레젠테이션과 같은 형식을 활용하여 단순한 텍스트 표현을 넘어 정보를 분석할 수 있는 능력을 갖추게 될 것입니다.

니키 포프
인공지능 및 법률 윤리 책임자

저명한 인공지능 기관 간의 협력은 신뢰할 수 있고 안전한 인공지능 기술의 조사 및 발전을 가속화할 것으로 예상됩니다. 그 결과, 범용적으로 구현될 생성형 인공지능 모델과 관련하여 안전을 위한 표준화 지침과 최적의 방법이 확립되어 다양한 분야에서 균일하고 높은 수준의 보호를 보장할 수 있을 것으로 기대할 수 있습니다.

인공 지능의 영역에서 기업들은 복잡한 인공 지능 알고리즘의 추론을 밝히기 위해 혁신적인 기술과 접근 방식을 채택하면서 인공 지능 시스템 내에서 투명성과 이해 가능성을 강조할 것으로 예상됩니다. 제너레이티브 AI의 영역이 보안에 대한 공동의 노력으로 수렴됨에 따라 이러한 첨단 기술은 향상된 신뢰성, 신뢰성, 인간의 도덕적 기준을 반영하는 윤리적 원칙 준수를 보여줄 것으로 예상됩니다.

리차드 케리스
개발자 관계 담당 부사장, 미디어 및 엔터테인먼트 총괄

특정 프로그래밍 언어에 대한 사전 지식 없이도 누구나 쉽게 개발자가 될 수 있는 개발의 민주화가 급속도로 다가오고 있습니다. 과거에는 애플리케이션이나 서비스를 개발하려면 특정 언어에 대한 전문 지식이 있어야 했습니다. 하지만 소프트웨어 개발 언어를 이해하고 실행할 수 있는 첨단 컴퓨팅 인프라가 등장하면서 사실상 누구나 시스템에 다양한 유형의 프로그램, 서비스, 디바이스 관련 구성 요소를 손쉽게 생성하도록 지시할 수 있게 되었습니다.

앞으로 기업에서는 인공지능 시스템과 전문 소프트웨어 애플리케이션 개발에 능숙한 인재를 더 많이 채용할 것으로 예상됩니다. 따라서 맞춤형 제품과 서비스를 만드는 데 필요한 능력을 갖춘 사람들에게는 훨씬 더 많은 기회가 생길 것입니다. 자연어 처리 기술이 널리 보급되면 음성 명령을 통한 인간과 기계 간의 의사소통이 용이해져 컴퓨터와의 상호작용이 구두로 지시하는 수준으로 단순화될 것입니다.

영화와 노래의 “지금 그리고 그때”: Fab Four의 “새로운” AI 증강 노래 가 새로운 비틀매니아를 불러일으킨 것처럼, 최초의 장편 제너레이티브 AI 영화의 서막은 영화 산업에 충격파를 불러일으킬 것입니다.

제너레이티브 인공지능을 활용하면 35mm 필름 카메라로 영상을 촬영하던 영화 제작자가 IMAX 포맷으로 촬영할 때보다 훨씬 적은 비용으로 70mm 장편 영화로 변환할 수 있게 됩니다. 이러한 발전은 더 다양한 감독들이 영화 제작 과정에 참여할 수 있게 해줄 것입니다.

자연어 처리 및 이미지 인식 소프트웨어를 사용하여 아티스트는 서면 설명, 이미지 또는 비디오 클립의 형태로 입력을 제공함으로써 새로운 형태의 시각적 미디어를 만들 수 있습니다.이 분야의 일부 사람들은 이러한 발전이 일자리 감소로 이어질 수 있다는 우려를 표명하고 있지만, 시간이 지남에 따라 이러한 기술이 개선되고 그 역량이 더욱 전문화되어 인간 장인이 다양한 프로젝트에 집중하고 사용자 친화적인 도구를 활용할 수 있는 기회를 열어 창의성을 발휘할 수 있을 것으로 기대됩니다.

킴벌리 파월
헬스케어 부문 부사장

수술 절차는 인공 지능의 통합으로 진화하여 외과의가 수술실 환경 안팎에서 시각적 인식과 이해도를 높이기 위해 음성을 활용할 수 있게 되었습니다.

기기, 영상, 로봇 공학 및 실시간 환자 데이터를 AI와 결합하면 외과의사 교육이 개선되고, 수술 중 개인 맞춤화가 가능하며, 원격 수술 중에도 실시간 피드백과 안내를 통해 안전성이 향상됩니다. 이는 특히 저소득 및 중저소득 국가에서 1억 5천만 건의 수술이 필요하지만 건이 이루어지지 않고 있는 건의 격차를 줄이는 데 도움이 될 것입니다.

신약 개발 과정에서 생성적 인공 지능의 출현으로 잠재적 치료제를 식별하는 새로운 접근 방식이 등장했습니다. 이 방법에는 분자 생성, 특성 예측, 복잡한 모델링과 같은 고급 AI 기술을 활용하여 폐쇄형 피드백 루프에서 작동하는 ‘지능형 실험실’을 구축하는 것이 포함됩니다. 이러한 기능을 활용하면 임상적으로 실행 가능한 약물 후보를 식별하는 데 필요한 일정을 간소화하는 동시에 전반적인 품질을 향상시킬 수 있습니다.

신약 개발을 위한 첨단 인공지능(AI) 시설은 이제 전체 게놈 서열, 고도의 원자 분해능 기기, 연중무휴 중단 없는 운영 능력을 갖춘 완전 자동화된 실험실 시스템을 활용하여 방대한 의료 데이터 세트를 활용합니다. 이러한 기술 혁신을 통해 컴퓨터가 방대하고 복잡한 데이터베이스 내에서 패턴을 식별하고 복잡한 연결을 설정할 수 있게 되었으며, 이는 과거에는 사람의 오랜 실험 관찰과 수동 분석에 의존하지 않고는 불가능하다고 여겨졌던 작업입니다.

찰리 보일
DGX 플랫폼 부사장

진취적인 조직들은 클라우드 컴퓨팅 환경 내에서 맞춤형 대규모 언어 모델(LLM)을 배포하는 것의 가치를 인식하고 있습니다. 하지만 이러한 고급 시스템을 자체적으로 구축하는 것은 기업에게 힘든 작업이 될 수 있습니다.이 과정에서 최첨단 하드웨어 및 소프트웨어 인프라를 확보하기 위해 상당한 자본 지출이 필요한 경우가 많으며, 리소스를 효과적으로 할당하기 위해 다른 프로젝트보다 우선순위를 정해야 하는 과제를 안고 있습니다.

클라우드 서비스 제공업체, 코로케이션 시설 및 다른 조직을 대신하여 데이터를 처리하고 처리하는 기타 기관은 사전 학습된 머신러닝 모델을 사용자 정의하고 다양한 산업에 효율적으로 배포하는 데 포괄적인 지원을 제공함으로써 엔드투엔드 AI 컴퓨팅 기능의 채택을 촉진할 것으로 예상됩니다.

엔터프라이즈 데이터 레이크에서 LLM 금맥 찾기: 대기업의 경우 수백 페타바이트에 이르는 등 일반 기업이 저장하는 정보의 양에 대한 통계는 무수히 많습니다. 하지만 많은 기업이 실행 가능한 인사이트를 얻기 위해 그 절반도 안 되는 정보를 마이닝하고 있다고 보고합니다.

2024년에 기업들은 생성형 인공 지능(AI)의 잠재력을 활용하여 채팅 로그, 비디오 영상, 소스 코드 등 처리되지 않은 방대한 양의 정보를 분석하고 활용하여 개인화된 대규모 언어 모델(LLM)을 생성할 것으로 예상됩니다. AI로 강화된 고성능 컴퓨팅 시스템을 도입함으로써 조직은 비정형 데이터 세트에서 인사이트를 탐색하고 추출하여 다양한 쿼리를 처리하고 새로운 잠재 고객을 식별할 수 있는 멀티모달 모델 개발을 촉진할 수 있습니다. 이러한 발전은 표 형식의 데이터를 검토하는 능력을 훨씬 뛰어넘어 기업이 복잡한 문의에 대해 매우 상세한 답변을 제공하고, 의료 영상 결과의 이상 징후를 파악하고, 소매 시장에서 진화하는 소비자 패턴을 인식할 수 있게 해줍니다

AZITA MARTIN
소매 부문 부사장

소매업체는 고객이 원하는 제품을 찾아야 한다는 요구와 모든 채널에서 개인화되고 원활한 쇼핑 경험을 제공해야 한다는 요구 사항을 모두 충족해야 하는 과제에 직면해 있으며, 이는 인간 고객 서비스 담당자와 동등하거나 그 이상의 수준에서 제공되어야 합니다.

이러한 목표를 달성하기 위해 리테일러들은 리테일러의 고유한 브랜드, 상품, 고객 정보를 사용하여 철저한 훈련을 거친 인공지능 기반의 고급 쇼핑 도우미를 출시할 준비를 하고 있으며, 그 결과 고도로 숙련된 개인 비서에게 기대할 수 있는 수준의 전문성을 재현하면서 브랜드의 특정 스타일과 톤에 부합하는 경험을 제공하는 동시에 프로세스 전반에 걸쳐 맞춤형 안내를 제공할 수 있게 되었습니다.이 선구적인 방법론을 구현함으로써 브랜드는 맞춤형 지원 제공을 통해 차별화되고 고객 충성도를 높일 수 있을 것으로 기대됩니다.

안전을 위한 설정: 조직화된 소매 범죄가 점점 더 정교해지고 조직화됨에 따라 전 세계 소매업체들은 점점 더 큰 도전에 직면하고 있습니다. 전미 소매업 연맹은 팬데믹 이후 소매점 절도 사건이 급증한 이후 소매업체들이 이러한 사건이 무려 26.5%나 급증했다고 보고했습니다.

매장 내 고객과 직원의 안전을 보장하기 위해 소매업체는 컴퓨터 비전 및 물리적 보안 정보 관리 소프트웨어와 같은 첨단 기술을 도입할 예정입니다. 이러한 도구는 다양한 보안 시스템의 데이터를 통합하여 대규모 상품 무단 반출을 비롯한 잠재적 위협이나 의심스러운 활동을 식별하는 데 인공 지능을 활용할 수 있게 해줍니다. 또한 이러한 조치를 통해 리테일러는 악의적인 행동에 선제적으로 대응하고 매장 전체에 안전한 분위기를 유지할 수 있습니다.

REV LEBAREDIAN
옴니버스 및 시뮬레이션 기술 부문 부사장

산업 디지털화와 생성적 인공지능의 결합은 산업 환경에 큰 변화를 일으킬 잠재력을 가지고 있습니다. 제너레이티브 AI는 형상, 조명, 물리 법칙, 물질, 행동 등 실재하는 세계의 다양한 측면을 디지털 정보로 효과적으로 변환할 수 있습니다. 이 프로세스를 민주화함으로써 산업체는 아이템을 보다 능숙하게 개발, 미세 조정, 제작, 마케팅하는 능력을 향상시켜 생산성을 높일 수 있습니다. 또한 가상 시뮬레이션 플랫폼을 구축하여 자율주행 로봇이나 자율 주행 차량과 같이 물리적 세계의 영역 내에서 작동할 수 있는 미래의 AI 시스템을 훈련하기 위한 합성 데이터를 생성할 수 있습니다.

3D 상호 운용성을 구현하여 설계 단계부터 생산 설비에 이르기까지 전체 제조 공정에서 원활한 커뮤니케이션과 정보 교환이 가능해졌습니다. 이는 업계 관행에서 디지털 도구의 통합이 크게 발전했음을 의미합니다.

제조, 제품 디자인, 소매, 전자상거래, 로봇 산업에서 세계에서 가장 영향력 있는 소프트웨어 및 실무자 기업들이 새로 설립된 OpenUSD 얼라이언스에 참여합니다. 3D 툴과 데이터 간의 범용 언어인 OpenUSD 는 데이터 사일로를 허물어 산업 기업이 데이터 레이크, 툴 시스템, 전문 팀 간에 그 어느 때보다 쉽고 빠르게 협업하여 이전에는 번거롭고 수동적이었던 산업 공정의 디지털화를 가속화할 수 있도록 지원합니다.

XINZHOU WU
자동차 부문 부사장 겸 총괄 책임자

자동차 제조 공정은 제너레이티브 AI로 알려진 첨단 인공지능 기술을 접목하여 혁신을 맞이할 것입니다. 이러한 혁신을 통해 차량의 외관과 내부를 매우 정밀하고 시각적으로 사실적으로 묘사할 수 있어 검토 과정을 단축하고 비용을 절감하며 자동차 부문의 전반적인 효율성을 향상시킬 수 있습니다.

점점 더 많은 자동차 제조업체가 설계 및 엔지니어링 소프트웨어 애플리케이션을 실제 조립 공장의 가상 복제본과 통합하여 지능형 생산 현장을 구축하는 이 혁신적인 접근 방식을 채택할 것으로 예상됩니다. 이러한 전략은 비용을 최소화하는 동시에 전체 공정의 효율성을 최적화하여 제조 라인을 중단할 필요성을 없애줄 것으로 예상됩니다.

생성형 인공 지능은 보다 몰입감 있는 대화형 경험을 제공하여 소비자 조사 및 구매를 향상시킬 수 있는 잠재력을 가지고 있습니다. 예를 들어, 자동차 제조업체는 온라인 컨피규레이터와 3D 시각화 도구에 제너레이티브 AI를 활용하여 고객이 자신의 취향에 따라 이상적인 차량을 설계하고 맞춤화할 수 있도록 지원할 수 있습니다. 또한 증강 현실 데모와 가상 시승에도 제너레이티브 AI를 사용하여 소비자가 구매 결정을 내리기 전에 가상으로 제품을 살펴볼 수 있도록 할 수 있습니다. 이러한 혁신적인 제너레이티브 AI의 적용은 전반적으로 소비자에게 더욱 매력적이고 만족스러운 쇼핑 경험을 선사할 것으로 기대됩니다.

안전은 우연이 아닙니다: 제너레이티브 AI는 자동차 제품 수명 주기를 넘어 기록된 센서 데이터를 완전한 인터랙티브 3D 시뮬레이션으로 전환하는 등 자율주행차(AV) 개발에서도 획기적인 발전을 이룰 수 있습니다. 이러한 디지털 트윈 환경과 합성 데이터 생성 는 실제 환경에 배포하기 전에 가상으로 대규모의 AV를 안전하게 개발, 테스트 및 검증하는 데 사용될 것입니다.

고급 생성 AI 모델은 사용자에게 향상된 개인화를 제공할 수 있는 혁신적인 자동차 AI 시스템 개발을 촉진할 뿐만 아니라 차량 안팎에서 새로운 기능과 안전 조치를 도입할 수 있을 것으로 기대됩니다.

다가오는 운전 경험은 일련의 첨단 기술 향상을 통해 점진적으로 안전하고 지능적이며 만족스러운 경험을 선사할 예정입니다.

밥 페테
엔터프라이즈 플랫폼 부문 부사장

생성형 인공지능(AI)은 도시 계획뿐만 아니라 차량 설계 과정에 접근하는 방식을 혁신할 수 있는 잠재력을 가지고 있습니다. 고급 언어 모델을 활용하면 이제 개인이 간단한 언어 명령을 통해 자동차나 도시에 대한 자신의 비전을 전달할 수 있습니다. 이 획기적인 기능을 통해 보다 효율적이고 간소화된 제작 프로세스를 구현하는 동시에 혁신적인 디자인 방법론과 원칙을 탐구할 수 있습니다. 이처럼 제너레이티브 AI는 창의력을 키우고 이 분야에서 새로운 가능성을 열어준다는 측면에서 중요한 진전을 의미합니다.

제너레이티브 인공지능의 발전은 건축, 엔지니어링, 건설 및 운영(AECO) 분야의 혁신을 위한 길을 열었습니다. 수많은 스타트업과 고객이 설계 최적화, 시장 조사, 프로젝트 관리, 예측 모델링 등 다양한 애플리케이션에서 이 기술을 구현하는 데 주력하고 있는 가운데, AI가 이 분야의 미래를 형성하는 데 필수적인 역할을 할 것으로 보입니다. 이러한 기능을 활용함으로써 업계는 생산성 향상, 자원 소비 감소, 새로운 생산 방법의 이점을 누리는 동시에 환경 보호도 도모할 수 있습니다.

개발자와 기업들은 인공 환경과 자연 환경을 매우 세밀하게 표현하기 위해 라이다 기술을 활용하는 포인트 클라우드 데이터 분석에 중점을 두고 있습니다. AI로 강화된 워크플로우를 사용하면 이러한 유형의 데이터를 분석할 때 더 높은 수준의 정확성과 심도 있는 결과를 얻을 수 있습니다.

길라드 셰이너
네트워킹 담당 부사장

인공지능의 급증으로 네트워크 연결성 향상에 대한 관심이 높아지면서 기업들은 그래픽 처리 장치(GPU) 및 관련 기술을 활용하여 보다 신속한 데이터 처리를 위한 충분한 네트워크 용량 확보에 힘쓰고 있습니다.

조 단위의 대규모 언어 모델(LLM)을 효과적으로 활용하기 위해 더 빠른 네트워크 속도와 더 넓은 커버리지에 대한 요구가 증가하고 있습니다.제너레이티브 인공 지능 솔루션을 빠르게 구현하려는 조직은 고급 네트워킹 기술에 투자하거나 이미 이를 구현한 클라우드 서비스 제공업체에 의존하는 것을 고려해야 합니다. 원활한 연결성을 달성하기 위해서는 이러한 기능을 최첨단 하드웨어 및 소프트웨어 구성 요소와 함께 포괄적인 시스템 아키텍처 내에 통합하는 것이 필수적입니다.

효과적인 데이터센터 아키텍처의 핵심은 모든 시설이 획일적인 표준을 준수해야 하는 것은 아니라는 점을 인식하는 데 있습니다. 최적의 네트워킹 솔루션에 도달하려면 먼저 데이터센터의 의도된 기능을 파악해야 합니다. 기존 데이터센터는 대역폭 용량이 제한적인 반면, 대규모 인공 지능 작업을 처리하도록 설계된 시설은 최소한의 지연 시간으로 정확하고 신속한 처리를 보장하기 위해 수천 개의 GPU(그래픽 처리 장치)가 필요합니다.

네트워크의 효율성은 사용량이 가장 많은 기간 동안의 성능을 평가하여 정확하게 평가할 수 있습니다. 향후 최적의 성능을 보장하기 위해서는 남북 트래픽과 인공지능(AI) 중심의 동서 네트워크를 위한 별도의 관리 시스템을 구현해야 합니다. 이러한 네트워크에는 고성능 컴퓨팅, AI 애플리케이션, 대규모 클라우드 환경을 지원하는 맞춤형 컴퓨팅 리소스가 내장되어야 합니다.

DAVID REBER JR.
최고 보안 책임자

대규모 언어 모델(LLM)과 생성적 인공 지능의 주요 공급망이 데이터로 이동함에 따라 애플리케이션 중심의 보안 패러다임에서 데이터 중심의 보안 패러다임으로의 전환이 탄력을 받고 있습니다. 기업들은 점점 더 큰 규모로 이 문제에 직면하면서 인력, 절차, 기술을 재평가하여 보안 소프트웨어 개발 프로세스(SSDP)를 재구성해야 합니다. 이러한 변화는 개별 기업을 넘어 투명성의 진정한 의미를 정의하면서 신뢰성에 대한 새로운 기준을 수립하기 위한 업계 내 공동의 노력이 필요합니다.

인공지능의 환경이 크게 변화하면서 사이버 공간의 혁명적인 새 시대가 열리고 있습니다. 자연어 인터페이스를 통합하는 방향으로 패러다임이 변화함에 따라 이러한 새로운 트렌드에 맞는 혁신적인 소프트웨어 개발 방법론이 등장할 것입니다. 이러한 진화 과정은 최첨단 기술 솔루션을 옹호하는 선구적인 업계 선구자들에 의해 주도될 것입니다.특히 고급 AI 결과물을 빠르게 제작할 수 있는 Meta의 라마 2와 같은 오픈소스 언어 모델 간의 원활한 통합에 대한 수요가 증가할 것입니다. 결과적으로 이러한 강력한 발전은 지능형 시스템이 우리가 일하는 방식을 변화시키는 데 중추적인 역할을 하는 새로운 자동화 시대를 열 것입니다.

사이버 보안 조치를 강화하는 데 인공 지능을 활용하면 이전에 식별되지 않은 위협을 탐지할 수 있습니다. 현재 전 세계 데이터의 극히 일부만이 보호 목적으로 활용되고 있음에도 불구하고 악의적인 공격자들은 발견할 수 있는 모든 취약점을 지속적으로 악용하고 있습니다.

인공지능을 실험적으로 적용하면 사이버 보안 조치를 통해 조직 내에서 예기치 못한 위험과 위험을 감지하는 데 통찰력을 제공할 수 있습니다. 기업 직원을 위한 사이버 코파일럿 어시스턴트를 구현하면 피싱 공격이나 잘못된 설정과 같은 보안 위반을 쉽게 탐색할 수 있습니다. 효과를 극대화하기 위해 기업은 전문 영역과 개인 영역의 경계에서 발생하는 개인정보 보호 문제를 해결하여 데이터 중심 생태계 전반에서 협력적인 보호를 가능하게 해야 합니다.

인공지능의 활용은 기술에 대한 접근성을 넓힐 뿐만 아니라 지속적인 위협에 대응하기 위해 새로운 사이버 보안 전문가 집단을 양성하는 데에도 도움이 될 것입니다. 특정 위험에 대한 이해도가 높아지면 AI는 방대한 양의 정보를 생성하여 후속 탐지 시스템에 이러한 위험을 방지하고 식별하도록 지시할 수 있습니다.

로니 바시스타
통신 부문 수석 부사장

5세대 무선 네트워크의 투자 근거를 무선 액세스 네트워크 인프라를 향하거나 멀어지는 것과 관련하여 크게 재평가할 것으로 예상합니다.

5G 기술이 도입된 지 5년이 지난 지금, 네트워크 커버리지와 용량은 모두 기하급수적으로 증가했습니다. 그러나 이러한 발전에도 불구하고 수익 창출은 정체되어 있으며, 주로 독점적이고 경직된 인프라 유지와 관련된 비용이 증가하고 있습니다. 또한 5G 무선 액세스 네트워크(RAN)의 활용률은 약 40%로 예상보다 현저히 낮습니다.

내년에는 수익 창출이 가능한 새로운 사용 사례를 발굴하여 현재 주파수 할당 내에서 수익 창출 기회를 확대하는 데 집중할 것입니다.또한, 통신 사업자들은 범용 빌딩 블록을 기반으로 한 다목적 인프라에 우선순위를 두면서 보다 적응력 있는 자본 지출 방식을 채택할 것입니다. 또한 인공 지능 기술은 생산성 향상, 수완성 강화, 상당한 비용 절감을 통해 운영을 간소화하는 데 중추적인 역할을 할 것입니다. 궁극적으로 이러한 노력의 성공 여부는 6세대 무선 네트워크 개발에 대한 투자 수준에 큰 영향을 미칠 것입니다.

통신 회사들은 챗봇과 가상 비서를 통해 고객 서비스를 향상시키기 위해 생성형 인공지능(AI)을 활용하고 있습니다. 앞으로 이러한 기업들은 네트워크 계획 및 최적화, 장애 및 사기 사례 식별, 미래 트렌드 예측, 유지보수 일정 수립, 사이버 보안 감독, 에너지 소비 최적화 등 운영의 다양한 측면에 제너레이티브 AI를 확대 적용할 것입니다.

생성형 인공 지능의 보편화와 전략적 중요성이 커짐에 따라 이러한 성장을 수용할 수 있는 새로운 AI 공장 인프라를 개발하는 것이 필수적이 되었습니다. 이에 따라 통신사들은 자체적으로 AI 팩토리를 구축하는 동시에 외부 개발자를 위한 서비스형 플랫폼으로 제공할 가능성이 높습니다. 이 종합적인 인프라는 무선 액세스 네트워크(RAN)를 보조 테넌트로 통합할 수 있는 기능도 갖춰야 합니다.

말콤 데마요
금융 서비스 부문 부사장

금융 서비스 제공업체는 인공지능(AI)을 운영의 주요 구성 요소로 우선시하는 방식으로 AI를 활용할 것으로 예상됩니다. AI의 발전이 기하급수적으로 진행됨에 따라 이러한 기관은 AI의 기능을 활용하여 대량의 데이터를 효과적으로 관리함으로써 컴퓨팅 리소스가 주로 정보 처리에 전념하던 기존의 패러다임을 전환할 수 있을 것입니다.

기업의 IT 아키텍처는 로컬 인프라와 원격 클라우드 기반 리소스로 구성된 적응형 다목적 프레임워크로 진화하여 단일 소스에 대한 과도한 의존으로 인한 잠재적 위험을 최소화하는 동시에 빠른 기술 발전에 대응할 수 있는 대응력을 확보하는 방향으로 나아갈 것으로 예상됩니다. AI로 강화된 고객 지원 시스템, 사기 식별, 위험 평가 및 기타 주요 운영 기능과 관련된 벤처 기업의 성공 여부가 이러한 전환을 형성하는 데 중추적인 역할을 할 것입니다.

마크 슈필러
에너지 부문 수석 이사

물리학-머신러닝 통합의 발전은 계산 시뮬레이션의 속도를 크게 높이는 동시에 에너지 부문에서 운영 효율성을 개선하고 전략적 선택에 대한 정보를 제공할 것으로 기대됩니다.

물리-머신러닝(Physics-ML)은 전통적인 물리 기반 모델과 최첨단 머신러닝 기술을 결합한 혁신적인 접근 방식으로, 복잡한 물리 현상을 매우 효과적으로 시뮬레이션할 수 있는 수단입니다. 예를 들어, 에너지 탐사 및 추출 분야에서 Physics-ML은 지하 지질 구조의 시뮬레이션을 신속하게 생성하여 유망한 탐사 위치를 식별하고 운영 및 생태학적 위험을 평가할 수 있는 기능을 제공합니다.

풍력 및 태양광 발전을 비롯한 재생 에너지 분야의 발전은 예측 유지보수에서 물리학-머신러닝(물리학-ML)의 중요한 역할에 기인합니다. 이를 통해 에너지 기업은 잠재적인 장비 오작동을 예측하고 적시에 유지보수 절차를 수행하여 운영 중단과 비용을 최소화할 수 있습니다. 컴퓨팅 리소스와 데이터 접근성이 기하급수적으로 증가함에 따라 물리-ML은 에너지 조직이 시뮬레이션 및 모델링 문제를 해결하는 방식을 혁신하여 효율성을 높이고 환경적으로 책임감 있는 에너지 발전 관행을 실현할 것으로 기대됩니다.

LLM을 물리-ML과 통합함으로써 이러한 고급 시스템은 방대한 양의 과거 데이터는 물론 다양한 유형의 에너지 장비에서 수집한 실시간 센서 정보를 분석할 수 있습니다. 이를 통해 임박한 오작동과 유지보수 요구 사항을 사전에 정확하게 예측하여 예기치 않은 다운타임을 최소화하고 풍력 터빈, 발전소, 태양광 전지 등과 같은 중요한 구성 요소의 서비스 수명을 연장할 수 있습니다. 또한 LLM은 유지보수 일정을 세밀하게 조정하고 리소스를 신중하게 할당하여 필요한 수리 및 평가가 신중하게 수행되도록 보장할 수 있습니다. 결론적으로, LLM 기술을 예측 유지보수 관행에 통합하면 에너지 공급업체는 상당한 비용을 절감하는 동시에 최종 사용자가 신뢰할 수 있는 에너지 공급에 기여할 수 있을 것으로 기대됩니다.

Deepu Talla
임베디드 및 에지 컴퓨팅 부문 부사장

고급 인공 지능, 특히 대규모 언어 모델(LLM)의 출현으로 로봇 공학 분야에서 로봇 공학자와 프로그래머의 역량이 크게 향상될 것으로 예상됩니다.이러한 LLM은 로봇이 다양한 작업을 자율적으로 수행하는 데 활용할 수 있는 복잡한 알고리즘과 프로그래밍 언어를 생성할 수 있습니다. 또한, 생성형 AI 시스템은 이러한 로봇이 테스트와 훈련을 받을 수 있는 시뮬레이션 환경을 생성하여 시간이 지남에 따라 로봇이 적응하고 성능을 개선할 수 있도록 할 수 있습니다. 결과적으로 LLM 및 기타 AI 기술과 로봇 엔지니어링의 통합은 이 분야의 빠른 발전을 촉진하고 보다 효율적이고 효과적인 자동화 솔루션을 위한 기반을 마련할 것으로 기대됩니다.

LLM은 3차원 장면을 자율적으로 생성하고, 환경을 구성하고, 제공된 입력에 따라 에셋을 생성하는 기능을 통해 시뮬레이션 개발 프로세스를 가속화할 수 있는 잠재력을 가지고 있습니다. 이렇게 생성된 시뮬레이션 에셋은 인공 데이터 생성, 로봇 기술 훈련, 로봇 애플리케이션 평가 등 다양한 애플리케이션에서 중추적인 역할을 할 것으로 기대됩니다.

대규모 언어 모델(LLM)의 원동력이 되는 트랜스포머 인공지능 모델은 로봇 엔지니어의 작업을 지원할 뿐만 아니라 로봇이 복잡한 주변 환경을 이해하고 다양한 작업을 보다 능숙하게 수행할 수 있는 능력을 향상시킴으로써 로봇의 지능을 더욱 높일 수 있도록 지원합니다.

로봇 공학 분야가 크게 성장하기 위해서는 로봇이 다양한 상황에 보다 빠르고 쉽게 적응할 수 있는 능력을 개발하는 것이 필수적입니다. 이는 시뮬레이션 환경에서 훈련하고 평가할 수 있는 생성형 인공 지능 모델을 활용함으로써 달성할 수 있습니다. 이러한 첨단 기술은 점점 더 유능하고 다재다능하며 사용자 친화적인 로봇의 개발을 촉진하는 데 큰 가능성을 가지고 있습니다.