엔비디아, 2024년 AI 산업 전망 발표

엔비디아가 AI에 대한 엔비디아 전문가들의 2024년도 전망을 발표했다.

산업계 전반에서 혁신적인 신기술에 주목하면서 '생성형 AI', '사전 훈련된 생성 변환기(GPT)'와 같은 새로운 용어와 함께 '대규모 언어 모델(LLM)', '검색 증강 생성(RAG)'도 등장했다.



2023년은 생성형 AI가 놀라운 주목을 받았으며, 큰 화제를 불러일으켰다. 많은 기업이 텍스트, 음성과 비디오를 수집해 생산성, 혁신과 창의성에 혁명을 일으킬 수 있도록 새로운 콘텐츠를 만들어내는 능력을 활용하기 위해 노력하고 있다.

일부 엔비디아 AI 전문가들은 2024년에는 클라우드 서비스 제공업체, 데이터 스토리지와 분석 기업, 또는 빅데이터를 효율적으로 처리, 미세 조정, 배포의 노하우를 가진 다른 기업과의 파트너십, 협업을 구축하는 것이 중요해질 것이라고 예측한다. 

이 모든 것의 중심에는 LLM이 있다. 엔비디아 전문가들은 LLM 연구의 발전이 비즈니스와 엔터프라이즈 애플리케이션에 점점 더 많이 적용될 것이라고 예상한다. RAG, 자율 지능형 에이전트, 멀티모달 인터랙션과 같은 AI 기능은 거의 모든 플랫폼을 통해 더욱 쉽게 액세스하고 배포할 수 있다.


1. 마누비르 다스(MANUVIR DAS) 엔터프라이즈 컴퓨팅 부문 부사장

맞춤형 솔루션이 필요하다: 기업에도 커스터마이징이 도입되고 있다. 기업들은 한두 개의 생성형 AI 애플리케이션을 보유하는 것이 아니라, 비즈니스의 다양한 부분에 적합한 독점 데이터를 사용해 수백 개의 맞춤형 애플리케이션을 보유하게 된다.
오픈소스 소프트웨어가 주도하고 있다: 사전 훈련된 오픈소스 모델 덕분에 특정 분야의 문제를 해결하는 생성형 AI 애플리케이션이 기업 운영 전략의 일부가 될 것이다.

상용 AI와 마이크로서비스: 생성형 AI는 개발자가 복잡한 애플리케이션을 더 쉽게 구축할 수 있도록 애플리케이션 프로그래밍 인터페이스(API) 엔드포인트의 채택에 박차를 가했다.


2. 이안 벅(IAN BUCK) 하이퍼스케일과 HPC 부문 부사장

우주를 향한 도약: AI는 새로운 우주 경쟁이 될 것이며, 모든 국가는 연구와 과학의 획기적인 발전을 주도하고 GDP를 개선하기 위해 자체적으로 우수 센터를 구축하고자 한다.

양자 도약과 한계: 기업 선두주자들은 두 가지 주요 동인을 기반으로 양자 컴퓨팅 연구 이니셔티브를 시작할 것이다. 이는 기존 AI 슈퍼컴퓨터를 사용해 양자 프로세서를 시뮬레이션하는 능력과 하이브리드 클래식 양자 컴퓨팅을 위한 개방적이고 통합된 개발 플랫폼의 가용성이다. 


3. 카리 브리스키(KARI BRISKI) AI 소프트웨어 부문 부사장

RAG에서 부에 이르기까지: 2024년에 기업들이 AI 프레임워크를 도입함에 따라 RAG에 대해 더 많은 이야기를 들을 수 있을 것으로 예상한다. 결론적으로 기업은 의료, 금융, 소매, 제조 등의 분야에서 더 적은 리소스로 더욱 정확한 생성형 AI 애플리케이션을 구현할 수 있다. 최종 사용자는 데이터와 자연스럽고 직관적으로 대화할 수 있는 보다 정교하고 상황에 맞는 멀티모달 챗봇과 맞춤형 콘텐츠 추천 시스템을 기대할 수 있다.

멀티모달리티가 진가를 발휘한다: 텍스트 기반 생성형 AI는 이제 과거의 일이다. 생성형 AI가 아직 초기 단계에 있지만, 많은 업계에서 멀티모달 LLM을 도입할 예정이다. 


4. 니키 포프(NIKKI POPE) AI와 법률 윤리 부문 책임

AI 안전에 대한 목표 설정: 선도적인 AI 조직 간의 협력은 강력하고 안전한 AI 시스템의 연구 개발을 가속화한다. 업계 전반에서 채택될 새로운 표준화된 안전 프로토콜과 모범 사례를 통해 생성형 AI 모델 전반에 걸쳐 일관되고 높은 수준의 안전을 보장할 수 있을 것으로 기대한다.


5. 리차드 캐리스(RICHARD KERRIS) 개발자 릴레이션 부문 부사장 겸 미디어 및 엔터테이먼트 책임

개발의 대중화: 사실상 모든 사람이 어디에서나 개발자가 될 수는 시대가 도래할 것이다. 기존에는 애플리케이션이나 서비스를 개발하려면 특정 개발 언어를 알고 능숙하게 사용할 수 있어야 했다. 컴퓨팅 인프라가 점점 더 소프트웨어 개발 언어에 대한 훈련을 받게 되면서 누구나 애플리케이션, 서비스, 디바이스 지원 등을 기계가 만들도록 명령할 수 있게 될 것이다. 

일부 전문가들은 자신들의 기술이 대체될 것을 우려하지만, 생성형 AI가 특정 작업에 대한 훈련 능력이 향상되는 것이기 때문에 이러한 문제는 사라진다. 
 

6. 킴벌리 파월(KIMBERLY POWELL) 헬스케어 부문 부사장

AI 수술 어시스턴트: 이제는 외과의가 음성으로 수술실 안팎에서 보고 파악한 것을 증강할 수 있다. 기기, 이미징, 로보틱스, 실시간 환자 데이터를 AI와 결합하면 외과의의 훈련이 개선되고, 보다 맞춤형 수술이 가능해지며, 원격 수술 중에도 실시간 피드백과 안내를 통해 안전성이 향상될 것이다. 

생성형 AI 신약 개발 공장: 생성형 AI 분자 생성, 특성 예측과 복잡한 모델링이 지능형 랩 인 더 루프 플라이휠을 구동하고 있다. 이에 따라 임상적으로 실행 가능한 약물 후보 발견 시간을 단축하고 품질을 개선하는 새로운 신약 개발 프로세스가 등장하고 있다.


7. 찰리 보일(CHARLIE BOYLE) DGX 플랫폼 부문 부사장

기업 맞춤형 LLM 클라우드 전환: 2023년에 기업들은 LLM을 처음부터 구축하는 것이 쉽지 않다는 것울 깨달았다. 클라우드 서비스 제공업체, 코로케이션 제공업체, 다른 기업을 위해 데이터를 처리하고 프로세싱하는 업체들은 풀스택 AI 슈퍼컴퓨팅과 소프트웨어로 기업을 지원할 것이다. 이를 통해 사전 훈련된 모델을 맞춤 설정하고 산업 전반에 걸쳐 더 쉽게 배포할 수 있다. 

엔터프라이즈 데이터 레이크에서 LLM 추출: 여러 통계에 따르면 일반적인 기업도 대량의 정보를 저장하고 있다. 대기업의 경우 그 정보는 수백 페타바이트에 달할 수 있다. 


8. 아지타 마틴(AZITA MARTIN) 소매와 소비자 패키지 그룹, 퀵 서비스 레스토랑 부문 부사장

생성형 AI 쇼핑 어드바이저: 소매업체는 고객이 원하는 상품과의 연결뿐만 아니라 개개인의 니즈와 선호도에 맞는 수준 높은 인간적인 옴니채널 쇼핑 경험 제공이라는 두 가지 과제를 안고 있다.

안전한 환경 구축: 전 세계적으로 조직화된 소매업 범죄가 점점 더 정교해지고 조직화됨에 따라 소매업체는 더욱 큰 어려움에 직면하고 있다. 전미(全美)소매업연합회(The National Retail Federation)는 팬데믹 이후 소매점 절도가 급증하면서부터 소매업 범죄 경험 사례가 26.5% 늘어났다고 보고했다. 


9. 레브 레바레디안(REV LEBAREDIAN) 옴니버스(Omniverse) 및 시뮬레이션 기술 부문 부사장

산업 디지털화와 생성형 AI의 만남: 산업 디지털화와 생성형 AI의 융합으로 산업 혁신이 촉진될 전망이다. 생성형 AI는 기하학, 빛, 물리학, 물질, 행동과 같은 물리적 세계의 측면을 디지털 데이터로 더 쉽게 전환할 수 있도록 지원한다. 물리적 세계의 디지털화는 산업 기업의 혁신을 가속화해 제품을 보다 효율적으로 설계, 최적화, 제조, 판매할 수 있도록 한다. 

3D 상호 운용성 실현: 드로잉 보드에서 공장 현장까지 최초로 데이터 상호 운용이 가능해질 것이다. 3D 툴과 데이터 간의 범용 언어인 오픈USD는 데이터 사일로를 허물어 데이터 레이크, 툴 시스템, 전문 팀 간 그 어느 때보다 쉽고 빠른 협업을 지원할 것이다. 

 
10. 신저우 우(XINZHOU WU) 오토모티브 부문 부사장 겸 총괄

차량 생산 수명 주기 현대화: 자동차 업계는 생성형 AI를 도입해 차량의 내부와 외부 모습을 정확히 보여주는 물리적으로 정확하고 사실적인 렌더링을 제공할 것이다. 동시에 설계 검토 시간을 단축하고 비용을 절감하며 효율성을 개선한다.

안전성 확보: 생성형 AI는 자동차 제품 수명 주기 외에도 자율주행차(AV) 개발에서도 획기적인 발전을 이룰 수 있다. 여기에는 기록된 센서 데이터를 완전한 상호작용형 3D 시뮬레이션으로 전환하는 것을 포함한다. 이러한 디지털 트윈 환경과 합성 데이터 생성은 자율주행차를 실제 환경에 구현하기 전 가상에서 대규모로 안전하게 개발, 테스트, 검증하는 데 사용된다. 


11. 밥 피트(BOB PETTE) 엔터프라이즈 플랫폼 부문 부사장

생성형 AI를 통한 재창조: 생성형 AI를 통해 LLM에 음성 명령을 내려 자동차를 설계하거나, 새로운 기술과 설계 원칙을 사용해 도시를 처음부터 새로 설계할 수 있다.

개발자와 기업은 특히 라이더를 사용해 건축과 자연 환경을 정밀한 디테일로 표현하는 포인트 클라우드 데이터 분석에 집중하고 있다. 이는 생성형 AI 가속 워크플로우를 통해 충실도 높은 인사이트와 분석으로 연계된다.

 
12. 길라드 샤이너(Gilad Shainer) 네트워킹 부문 부사장

AI 유입으로 커넥티비티 수요 가속: 기업들이 GPU와 GPU 기반 시스템을 사용해 컴퓨팅을 가속화하는 데 필요한 네트워크 대역폭을 모색하며 네트워킹 효율성과 성능에 대한 관심이 다시 높아질 것이다.

데이터센터 설계 필수 요소: 기업은 모든 데이터센터가 똑같을 필요는 없다는 것을 알게 될 것이다. 데이터센터의 목적을 결정하는 것이 데이터센터 내에서 사용할 적절한 네트워킹을 선택하는 첫 번째 단계다. 기존의 데이터센터는 대역폭이 제한되어 있으며, 대규모 AI 워크로드를 매우 결정적이고 낮은 레이턴시로 구동하기 위해 수천 개의 GPU를 필요로 한다. 


13. 데이비드 레버 주니어(DAVID REBER JR.), 정보 보안 최고 책임자

AI에 보안 모델 적용의 명확성: 앱 중심 보안에서 데이터 중심 보안으로의 전환이 본격화되고 있다. 데이터는 LLM의 기본 공급망이자 생성형 AI의 미래다. 

AI를 통한 보안 확장: 사이버 보안 결함에 AI를 적용하면 이전에는 볼 수 없었던 위협을 감지할 수 있다. 현재 전 세계 데이터의 일부만이 사이버 방어에 사용되고 있다. 그 사이에 공격자들은 잘못된 모든 구성을 계속해서 이용한다. 위협이 계속 증가함에 따라 AI는 기술에 대한 접근을 대중화하는 동시에 차세대 사이버 방어자를 지원할 것이다. 기업이 각 위협을 명확히 파악하는 즉시, AI는 이러한 위협을 방어하고 탐지할 수 있도록 다운스트림 탐지기를 훈련시키는 방대한 양의 데이터를 생성하는 데 사용된다.

 
14. 로니 바시타(RONNIE VASISHTA) 통신 부문 수석 부사장

RAN을 오가는 실행: 5G에 대한 투자 사례에 대대적인 재평가가 예상된다. 새해에는 새로운 수익 창출 애플리케이션을 발굴하기 위해 기존 스펙트럼에서 새로운 수익원을 공격적으로 추구하는 해가 될 것이다. 

챗봇에서 네트워크 관리까지: 통신사들은 이미 고객 서비스와 지원을 개선하기 위해 챗봇과 가상 비서용 생성형 AI를 사용한다. 새해에는 네트워크 계획과 최적화, 결함과 사기 감지, 예측 분석과 유지 관리, 사이버 보안 운영, 에너지 최적화와 같은 영역의 운영 개선을 위해 생성 AI 사용을 두 배로 늘릴 예정이다. 


15. 말콤 드마요(MALCOLM DEMAYO) 금융 서비스 부문 부사장

AI 우선 금융 서비스: AI 발전이 기하급수적으로 증가함에 따라 금융 서비스 기업은 데이터에 컴퓨팅 파워를 제공할 것이다. 기업은 빠른 기술 발전 속에서 집중 리스크를 완화하고 민첩성을 유지해야 하는 필요성에 따라 온프레미스 인프라와 클라우드 기반 컴퓨팅의 확장성이 뛰어난 하이브리드 조합으로 전략적 전환을 시도할 것이다. AI 기반 고객 서비스 지원, 사기 탐지, 리스크 관리 등 가장 핵심적인 워크로드를 처리하는 기업이 이러한 변화를 주도할 것이다. 

 
16. 마크 스필러(MARC SPIELER) 에너지 부문 수석 디렉터

더 빠른 시뮬레이션을 위한 물리-ML(physics-ML): 에너지 기업들은 시뮬레이션을 가속화하고 산업 프로세스를 최적화하며 의사 결정을 향상시키기 위해 점점 물리학 기반 머신 러닝(물리-ML)으로 전환할 것이다. 

LLM - 더 나은 운영 결과를 위한 해결책: LLM은 물리-ML과 결합하여 에너지 장비의 광범위한 기록 데이터와 실시간 센서 입력을 분석하여 잠재적인 장애와 유지 관리 필요성을 사전에 예측한다. 이러한 사전 예방적 접근 방식은 예기치 않은 다운타임을 줄이고 터빈, 발전기, 태양광 패널과 기타 중요 인프라의 수명을 연장한다. 

 
17. 디푸 탈라(DEEPU TALLA) 임베디드 및 엣지 컴퓨팅 부문 부사장

로보틱스 프로그래머의 부상: LLM은 로보틱스 엔지니어의 빠른 발전을 이끌 것이다. 생성형 AI는 로봇용 코드를 개발하고 새로운 시뮬레이션을 생성하여 로봇을 테스트하고 훈련한다. 

LLM의 엔진인 트랜스포머 AI 모델은 로보틱스 엔지니어를 도울 뿐만 아니라 로봇 자체를 더욱 똑똑하게 만들어 복잡한 환경을 더 잘 이해하고 그 안에서 다양한 기술을 더 효과적으로 실행할 수 있다.