[2023 AWS re:Invent] Emerging tech

by
세션명

Emerging tech
(신흥 기술 (Hybrid, 퀀텀컴퓨팅, HPC, IoT))

강연자
  • Bill Vass, Vice President, Engineering, AWS
  • Rainer Brehm, CEO Factory Automation, Siemens
핵심 내용 요약
  • 기업들이 AWS를 통해서 어떻게 최첨단 혁신을 이루고 있는지 설명
  • Connect and collect everything
  • Software-defined everything
세션 키워드
  1. Hybrid Environments
  2. Edge Computing
  3. High Performance Computing
  4. Quantum Computing
  5. IoT
  6. Digital Twin
  7. Simulation & Testing
세션 요약자

베스핀글로벌 PS본부 서비스실 박상웅 님

기술 변화의 변곡점에 대한 설명

  • 과거에는 추진하지 못했던 것들이 컴퓨팅과 스토리지의 성장으로 가능
  • 규모와 관계없이 모든 산업에서 접근 가능한 디지털 트윈
  • 소프트웨어 정의 및 ML 최적화 (클라우드라서 가능)

93년 이후, 현재까지 5배 이상 빠르게 진행

아마존의 관점에서 보는 AWS FlyWheel을 통해 완벽하게 전달하고 싶었지만, 아래 2가지 요소들로 인해 불가능
(하지만, 이런 과정들이 반복될 때 점점 더 좋아지고 있는 걸 알 수 있음)

  1. 모든 기술이 적당한 시점에 캐치업 하지 못함
  2. 이를 수행하는 것은 매우 복잡 하였음

FlyWheel은 아래와 같은 요소들의 반복으로 이루어짐

  • Connect & Collect
  • Real & Synthetic Data
  • Software-defined
  • Digital Twin
  • Simulation & Testing
  • Optimize with ML
  • Push to Production

해당 작업을 수행하기 위한 연결 구성 요소에 대해 강력한 보안/확장성/지속성 확보 필요

  • 비용 절감, 혁신에 대한 가속화, 성과를 높이고, 조금 더 나은 고객 경험 제공 필요

보안에 대한 상세한 정의 (군용 보안 등급)

  • IL 레벨 6 인증, 계층화된 암호화, 강력한 Firewall
  • 보안에 초점을 둔 300개가 넘는 클라우드 제품

부연설명 – Impact Level 6+

AWS Edge 컴퓨팅 : 정보 저장 및 컴퓨팅 능력을 해당 정보를 생성하는 디바이스와 이를 소비하는 사용자에게 더 가까이 제공하는 프로세스

엣지 컴퓨팅이 중요한 이유

  • 지연 시간 감소/속도 개선
  • 데이터 보안 강화
  • 생산성 향상
  • 원격 데이터 수집
  • 비용 절감
  • 안정적인 성능

AWS 인프라는 에너지 효율이 3.6배 이상 높고, 탄소 배출량을 88% 정도 감소

  • 2025년 100% 재생 에너지 사용
  • 2040년 탄소 배출량 zero 달성

Connect and collect에 대해 얘기하면서 매일 얼마나 많은 디바이스가 AWS IoT에 관리되고 있는지 통계 발표

핸드폰 앱을 다운로드하여 모바일에서 취합된 센서 정보를 통해 수집되는 데이터 시연 (개인 정보는 취합되지 않음)

Kinesis, Snowball 등을 통해 취합된 Real data로 합성 데이터를 만들고 가상 환경에서 시뮬레이션이 가능
이런 시뮬레이션 환경들은 실제로는 절대 구현 불가능

실제 이미지 데이터와 합성된 이미지 데이터를 추출, LLM을 만들어서 활용 가능

스마트 시티, 공장, 건물, 기업 등 다양한 분야에서 이런 방식으로 클라우드에 데이터를 적재하여 활용 가능

신체, 인간, 신체의 일부, 장기, 자동차, 선박, 비행기, 공장 등에서 취합된 모든 데이터를 AWS IoT TwinMaker에서 활용 가능

엔비디아 사례 설명

HPC 인프라가 자동차 설계에 어떻게 활용 되는지에 대한 사례 소개

  • 차세대 차량을 설계하기 위해 AWS ParallerCluster / AWS Batch 사용
  • 실제 경주 데이터를 취합, 클라우드에서 다시 실험하여 최적화 진행

ML을 통한 최적화 사례 설명

  • 스테이블 디퓨전을 통해 이미지 생성(타이탄 모델 사용)
  • LLM에서 아직까지는 3D 모델링에 대한 사례가 많지 않아 연구가 필요
  • Mesh 생성하고 시뮬레이션 실행

해당 내용을 프로덕션 환경에 반영, 지속적인 FlyWheel 활동을 통해 제품 향상 가능

헬싱키 지하철역의 TwinMaker 활용 사례 설명

  • 에스컬레이터와 엘리베이터의 실시간 움직임 모니터링 가능
  • 다양한 상황들에 대한 시뮬레이션 가능
    (기차가 고장나면 어떻게 되는지? 한꺼번에 많은 열차가 오면 어떻게 되는지? 콘서트가 열려서 많은 사람들이 모이면 어떻게 되는지?
    향후 유지관리는 어떻게 할지?)

Bespin’s Comment

  1. 모든 것에 연결되고 수집된다는 키워드(Connect and collect everything)가 굉장히 인상적이었고,
    Digital Twin으로 발표된 사례 (자동차 시뮬레이션, 헬싱키 지하철역)는 굉장히 흥미로웠습니다.
  2. 이러한 기술을 한국에서 구현하려면 개인정보 보호, 보안 등 넘어야 할 허들이 많은 점은 고민이 됩니다.
Written by 박 상웅 / Sangung Park
Cloud Engineer