(리포트 뜯어보기) ai to AI: 위기를 기회로, AIoT(Artificial Intelligence of Things)

ⓒ pixabay

 

안녕하세요. 케이입니다.

방문해 주셔서 감사합니다.😊

 

COVID-19 이후로 IoT 디바이스의 확대와 인공지능의 도입이 보다 가속화되고 있으며, IoT 와 AI 를 결합한 AIoT 에 대한 관심도 높아지고 있다고 말씀하시네요. 실제 AIoT를 활용하고 있는 업체도 있는만큼 관심을 가져볼 필요성이 있어 보입니다. 

---

COVID-19 이후, 스마트 홈과 비대면/접촉 시스템 확대

OVID-19 이후로 많은 변화가 일어나고 있습니다. 재택근무나 온라인 수업과 같은 다양한 이유로 집에서 보내는 시간이 증가하면서 스마트 홈(Smart Home) 생태계의 빠른 확대가 이루어지고 있지요.

 

스마트 홈 (smart home, 가정 자동화, home automation, 스마트 하우스 ,smart house)
자동화를 지원하는 개인 주택을 말한다. 가정 자동화에서는 Wi-Fi가 주로 원격 모니터링 및 제어에 사용된다. 가정 자동화 기기는 인터넷을 통해 원격으로 모니터링되고 제어되는 사물 인터넷(IOT)의 중요한 구성요소이다. 현대의 가정 자동화 시스템은 일반적으로 사용자 인터페이스로 제어되는 "게이트웨이"라는 중앙 허브에 연결된 스위치와 센서로 구성되며, 이 포트는 주로 벽걸이형 터미널, 휴대폰 소프트웨어, 태블릿 컴퓨터 또는 웹 인터페이스와 상호작용하며 종종 인터넷 클라우드 서비스를 통해 이뤄진다.

샤오미(Xiaomi)의 조사에 따르면, 5명 중 3명은 여가와 업무환경이 하나가 되면서 집에서 휴식과 즐거움을 찾을 수 있는 개인 공간을 마련하는 것이 어렵다고 답했습니다. 이를 해결하기 위해서 응답자의 66% 가량은 개인 공간을 마련하기 위해 재배치가 필요하다고 주장했고, 특히 MZ세대에서 두드러졌습니다. 밀레니엄 세대의 80%, Z세대는 91%가 공간 재배치가 꼭 필요하다고 답했지요.

 

샤오미 (Xiaomi)
중화인민공화국의 베이징에 본사를 두고 있는 전자제품 제조 및 판매회사이다. 세계에서 4번째 규모의 휴대전화 제조업체이며, 주로 휴대전화, 모바일 앱, 랩톱 및 관련 가전제품을 설계, 개발 및 판매한다.


MZ세대
밀레니얼(Millennials)의 M과 제네레이션(Generation)의 Z가 합쳐진 말이다. M세대는 1980년대 초~부터 2000년대 초 출생한 세대로 정보기술(IT)에 능통하며 대학 진학률이 높다는 특징이 있다. Z세대는 1990년대 중반~2000년대 초반 출생한 세대로 디지털 환경에서 자란’ 디지털 네이티브(디지털 원주민)’라는 특징이 있다.

공간의 효율적 활용을 위한 욕구는 스마트 홈 기기 구매로 이어졌습니다. 집에 머무는 시간이 증가함에 따라서 소비자들은 2개의 스마트 장치를, Z 세대는 평균 3개를 구매하였습니다. 그리고 구매한 기기에 상관없이 82%나 되는 소비자들은 스마트 기기의 사용이 상당한 이점을 보유하고 있다는데 동의하였지요. COVID-19 가 종식되기 전까지 이러한 현상은 이어지며, 스마트 홈 생태계는 점차 확산될 것으로 예상됩니다. 또한 소비자의 60% 이상이 백신이 널리 보급된 이후에도 집에서의 활동을 계속 유지할 것으로 밝힌 점을 생각하면, 일시적인 현상이 아니라 생활 트렌드의 구조적인 변화로 이어질 가능성이 높습니다.

 

또한 의료 시스템에서도 많은 변화를 가져오고 있습니다. 대면과 접촉이 어려워짐에 따라서 IoT 디바이스나 센서 등을 활용한 비대면/접촉 시스템의 도임이 확대되고 있고, 인공지능을 활용하여 COVID-19 기간 동안 중요한 작업을 수행하는 데 필요한 인력을 최소화하려는 움직임이지요. 이미지를 감식하는 기법인 CNN과 열 스캔이 가능한 카메라를 활용하여 질병, 발한 및 변색이 있는 사람들을 감지하고, 이를 시스템에 알리는 방식은 이미 확산되고 있습니다. 질병의 전파를 줄이기 위해 질병에 노출된 사람을 모니터링하여 접촉자에게 경고하거나, 진단용 챗봇의 제공, 환자의 위험 예측 등에도 인공지능이 활용되고 있습니다.

 

IoT (Internet of Things, 사물인터넷)
각종 사물에 센서와 통신 기능을 내장하여 인터넷에 연결하는 기술. 즉, 무선 통신을 통해 각종 사물을 연결하는 기술을 의미한다. 인터넷으로 연결된 사물들이 데이터를 주고받아 스스로 분석하고 학습한 정보를 사용자에게 제공하거나 사용자가 이를 원격 조정할 수 있는 인공지능 기술이다. 여기서 사물이란 가전제품, 모바일 장비, 웨어러블 디바이스 등 다양한 임베디드 시스템이 된다. 사물인터넷에 연결되는 사물들은 자신을 구별할 수 있는 유일한 아이피를 가지고 인터넷으로 연결되어야 하며, 외부 환경으로부터의 데이터 취득을 위해 센서를 내장할 수 있다.

CNN (Convolutional neural network, 합성곱 신경망)
시각적 영상을 분석하는 데 사용되는 다층의 피드-포워드적인 인공신경망의 한 종류이다. 딥 러닝에서 심층 신경망으로 분류되며, 시각적 영상 분석에 주로 적용된다. 또한 공유 가중치 구조와 변환 불변성 특성에 기초하여 변이 불변 또는 공간 불변 인공 신경망 (SIANN)으로도 알려져 있다. 영상 및 동영상 인식, 추천 시스템, 영상 분류, 의료 영상 분석 및 자연어 처리 등에 응용된다.

동시에 IoT 디바이스와 센서 등을 활용하여 원격 의료를 행하거나 원격으로 데이터를 수집하여 주기적으로 재훈련되는 알고리즘 분석을 통해 의사와 의료 제공자에게 자료를 제공해주는 시스템의 도입도 확대되고 있습니다. Mfine, Practo, Doc-Clocker, CMED Health 등이 현재 개발 중이며, 점차 많은 업체들이 원격 의료를 지원할 예정입니다.

이처럼 COVID-19 확산으로 IoT 디바이스가 확대되고, 인공지능(AI)의 도입이 보다 가속화됨에 따라 함께 관심이 높아지고 있는 주제가 있습니다. 바로 AIoT(AI+IoT, Artificial Intelligence of Things) 입니다.

 

AIoT(Artificial Intelligence of Things)란?

AIoT(지능형 사물인터넷)란 인공지능(AI)과 사물인터넷(IoT, Internet of Things)을 통합한 개념입니다. 기존의 사물인터넷 시스템에서는 인터넷에 연결된 디바이스에서 생성된 데이터를 클라우드로 보내 처리한 이후 다시 해당 디바이스나 연관된 데이터로 보내는 방식이었다면, AIoT는 개별 디바이스나 에지(Edge)에 인공지능이 개입하여 데이터를 처리한다는 차이가 있지요. IoT 를 감각기관이라고 표현한다면, 인공지능이 두뇌역할을 하는 것으로 표현할 수도 있겠네요.

 

엣지 컴퓨팅 (edge computing)
사용자 또는 데이터 소스의 물리적인 위치나 그 위치와 가까운 곳에서 컴퓨팅을 수행하는 것을 말한다. 컴퓨팅 서비스를 사용자가 사용하는 단말 장치와 가까운 위치에서 처리하게 되면 사용자는 더욱 빠르고 안정적인 서비스를 제공받을 수 있으며 기업은 유연한 하이브리드 클라우드 컴퓨팅의 이점을 얻을 수 있다. 엣지 컴퓨팅은 기업이 다수의 위치에서 공통의 리소스 풀을 사용하여 데이터 연산 및 처리를 분산시킬 수 있는 방법 중 하나이다.

물론 IoT 와 인공지능 자체만으로도 성장성은 충분히 큽니다. IoT 의 경우, 의료기기나 가정 및 건물 자동화에서 산업자동화에 이르기까지 모든 분야에서 기기가 증가했습니다. 장치도 웨어러블, 센서, 가전제품, 의료 모니터 등 다양하구요. IDC(International Data Corporation)와 McKinsey의 예측에 따르면 2025년까지 연결된 IoT 디바이스는 416억개, 시장규모는 4조~11조달러 규모로 가파른 성장이 예상됩니다. 늘어나는 데이터와 기술의 발전에 힘입어 인공지능 소프트웨어 시장도 1,200 억달러 시장으로 성장할 전망입니다.

 

IDC (International Data Corporation, 인터내셔널 데이터 코퍼레이션)
미국의 IT 및 통신, 컨수머 테크놀로지 부문 시장조사 및 컨설팅 기관이다. 1964년 패트릭 맥거번(Patrick Joseph McGovern) 등이 설립했다. IDC는 전 세계 110여개 국가에 1,100명 이상의 시장 분석 전문가를 두고 있다. IDC는 테크놀로지 부문의 미디어 및 리서치, 이벤트 그룹인 IDG의 자회사이다. 본사는 미국 매사추세츠주에 있다.

McKinsey & Company (맥킨지 앤드 컴퍼니)
1926년에 시카고 대학교 경영대학원 교수이자 공인회계사인 제임스 맥킨지가 창업했고, 1939년에 하버드에서 로스쿨과 비즈니스 스쿨을 졸업한 마빈 바우어 변호사가 영입되어 현재의 기반과 체재를 설립한 컨설팅 회사다. 회사 이름의 '컴퍼니'는 동료들이라는 의미라고 한다. 미국의 잡지 《뉴스위크》는 '뛰어난 우수 가장 영향력이 있는 컨설팅 회사'로, 영국의 신문 《파이낸셜 타임즈》는 '세계적으로 선도적인 컨설턴트 기관'이라고 평가한 바 있다.

하지만 인공지능과 IoT라는 두 가지 기술 트렌드를 결합한다면 시너지는 보다 커질 것으로 기대됩니다. IoT에서 생성된 데이터를 인공지능이 학습하고, 이러한 통찰력을 바탕으로 효과적인 결정을 내릴 수 있는 ‘지능형’ 서비스가 가능해지기 때문입니다. 또한 에지 장치에서 실행됨에 따라서 계산을 데이터가 생성되는 곳과 더 가까운 곳에서 진행할 수 있고, 결국 클라우드 분석의 필요성과 비용을 낮출 수 있다는 추가적인 장점도 보유하고 있습니다. IoT의 잠재력을 최대한 발휘하는데 인공지능이 기여하는 셈이지요.

앞서 언급했던 스마트 홈의 확대와 비대면/접촉 시스템의 적용도 AIoT의 적용이자, 앞으로의 기회요인입니다. 가트너에 따르면 2022 년까지 기업 IoT 프로젝트에 80% 이상이 인공지능을 적용하며 AIoT의 확대가 예상됩니다. 또한 스마트 공장처럼 기업과 관련한 영역에서도 적용될 뿐만 아니라 스마트 홈, 스마트 시티에서 보다 활용성이 높을 것으로 기대됩니다.

또한 Forbes에서는 다음과 같은 점에서도 AIoT의 잠재력을 높게 평가하고 있습니다. 인공지능을 적용하는 방식이 전통적인 클라우드 방식이 아님에 따라서 익명의 거대 기술 데이터를 공유하지 않고, 즉각적으로 판단할 수 있게 됩니다.

 

Forbes (포브스)
미국의 출판 및 미디어 기업이다. 포브스의 주력 출판인 《포브스 잡지》는 2주(격주)마다 발간된다. 주요 경쟁 업체로는 포춘(Fortune, 2주마다 발행)과 블룸버그 비즈니스위크(Bloomberg Business Week, 주간지)가 있다. 미국 부자 명단(the Forbes 400) 및 백만장자 명단(list of billionaires)을 발표하는 것으로 유명하다.

클라우드 컴퓨팅 (cloud computing)
사용자의 직접적인 활발한 관리 없이 특히, 데이터 스토리지(클라우드 스토리지)와 컴퓨팅 파워와 같은 컴퓨터 시스템 리소스를 필요시 바로 제공(on-demand availability)하는 것을 말한다. 일반적으로는 인터넷 기반 컴퓨팅의 일종으로 정보를 자신의 컴퓨터가 아닌 클라우드에 연결된 다른 컴퓨터로 처리하는 기술을 의미한다. 공유 컴퓨터 처리 자원과 데이터를 컴퓨터와 다른 장치들에 요청 시 제공해준다. 구성 가능한 컴퓨팅 자원(예: 컴퓨터 네트워크, 데이터 베이스, 서버, 스토리지, 애플리케이션, 서비스, 인텔리전스)에 대해 어디서나 접근할 수 있는, 주문형 접근(on-demand availability of computer system resources)을 가능케 하는 모델이며 최소한의 관리 노력으로 빠르게 예비 및 릴리스를 가능케 한다. 클라우드 컴퓨팅과 스토리지 솔루션들은 사용자와 기업들에게 개인 소유나 타사 데이터 센터의 데이터를 저장, 가공하는 다양한 기능을 제공하며 도시를 거쳐 전 세계로까지 위치해 있을 수 있다. 클라우드 컴퓨팅은 전기망을 통한 전력망과 비슷한 일관성 및 규모의 경제를 달성하기 위해 자원의 공유에 의존한다.

 

AIoT 와 IoT 의 차이 – 전처리와 액션

IoT와 AIoT의 차이, 즉 인공지능이 IoT에서 어떻게 적용되고, 어떤 차이가 있는지를 살펴볼 필요가 있습니다. 데이터를 수집(Collect)하여, 저장(Storage)하고 처리(Process)하며, 분석(Analysis)한 이후 제어(Control)하는 과정은 같지만, AIoT 의 경우, 인공지능이 데이터의 전처리(Preprocess)와 액션(Action)에 개입한다는 차이를 보입니다.

IoT 가 시행하는 정기적인 데이터 수집과 인공지능이 전처리하는 것과의 차이점과 이점은 카메라의 예로 설명할 수 있습니다. IoT 기반에서는 카메라 장치 또는 센서가 모든 프레임을 캡처하여 스토리지 설정으로 보내지만, AIoT의 경우, 인공지능이 머신러닝 혹은 딥러닝을 통하여 시스템에서 요구하는 객체, 혹은 이상과 같은 의미 있는 프레임만 캡쳐하여 전송하게 됩니다. 카메라와 같은 이미지뿐만 아니라 음성(Voice)과 정형 또는 비정형 데이터와 같은 다른 데이터 형식에서도 적용할 수 있지요.

 

머신 러닝 (machine learning, 기계 학습)
경험을 통해 자동으로 개선하는 컴퓨터 알고리즘의 연구이다. 인공지능의 한 분야로 간주된다. 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야이다. 가령, 기계 학습을 통해서 수신한 이메일이 스팸인지 아닌지를 구분할 수 있도록 훈련할 수 있다. 기계 학습의 핵심은 표현(representation)과 일반화(generalization)에 있다. 표현이란 데이터의 평가이며, 일반화란 아직 알 수 없는 데이터에 대한 처리이다. 이는 전산 학습 이론 분야이기도 하다. 다양한 기계 학습의 응용이 존재한다. 문자 인식은 이를 이용한 가장 잘 알려진 사례이다.

딥러닝 (deep structured learning, deep learning, hierarchical learning, 심층 학습)
여러 비선형 변환 기법의 조합을 통해 높은 수준의 추상화(abstractions, 다량의 데이터나 복잡한 자료들 속에서 핵심적인 내용 또는 기능을 요약하는 작업)를 시도하는 기계 학습 알고리즘의 집합으로 정의되며, 큰 틀에서 사람의 사고방식을 컴퓨터에게 가르치는 기계학습의 한 분야라고 이야기할 수 있다.

액션의 경우에도 앞선 전처리와 유사합니다. 예를 들어 소방 및 건물 유지관리를 위한 시스템을 생각해보겠습니다. AIoT에서는 문제가 발생하였을 때, 사전에 분석된 이상 상황과 이를 바탕으로 한 추가 분석을 기반으로 사전에 준비된 액션을 취하게 됩니다. 중앙에 정보를 전달하기만 하는 IoT 방식과 달리 추가적인 손상을 방지할 수 있고, 전체적인 유지보수 비용을 낮출 수 있게 되는 것이지요. 보고에서 끝날 것인가, 자체 시스템에서 분석하고, 예상하여 초기대응을 할 수 있는가의 차이로 생각해볼 수도 있겠네요.

 

Bosch – 중요 성장전략인 AIoT

글로벌 기업 중에서는 독일의 Bosch가 AIoT 사업을 적극적으로 펼치고 있습니다. 보쉬 이사회 멤버인 마이클 볼(Michael Bolle)은 인공지능과 연결성을 결합하여 AIoT를 구성함으로 에너지 효율성을 개선하고 COVID-19에 대응하며, AIoT가 보유한 잠재력을 확대하기 위해 많은 노력을 기울일 것으로 밝혔습니다.

 

Robert Bosch (로버트 보쉬)
자동차 및 산업 기술, 소비재 및 빌딩 기술 분야의 선도적 기업이다.

최근 버추얼로 진행되었던 CES 2021 에서도 Bosch 는 에너지 효율 개선 및 코로나 팬데믹 극복을 돕는 AIoT 기술 솔루션을 선보였습니다. 공기의 질이나 상대적 습도 등의 요소 등을 알려주는 인공지능이 적용된 센서를 활용하여 공기 중의 에어로졸의 집중도에 대한 정보를 제공함으로 COVID-19 대응에 중요한 정보를 제공하거나 손가락 스캔을 통해 빈혈 감지가 가능한 휴대용 헤모글로빈 모니터를 통하여 랩 테스트나 채혈 필요 없이 인공지능 기반으로 30초 내에 결과를 도출하는 방식이지요.

 

CES (Consumer Electronics Show, 소비자 가전 전시회)
해마다 1월이 되면 네바다 라스베이거스에서 열리는, 대중에게는 공개가 되지 않는 견본시이다. 주로, 미국의 소비자 기술 협회로부터 지원을 받는다. 이 전시회에서 수많은 제품 프리뷰가 쏟아지며 새로운 제품들이 들어선다. 이 전시회는 라스베이거스 컨벤션 센터에서 열린다. CES는 컴덱스가 취소된 뒤로 주된 기술 관련 견본시 가운데 하나로 여겨지고 있다.

랩 테스트 (Lab Tests, 진단검사의학 검사)
환자로부터 채취된 검체로 질병의 진단, 예방 및 치료를 위해 실시하는 검사 및 건강인으로 부터 채취된 검체로 건강의 손상이나 전반적인 건강상태를 평가하는 모든 종류의 검사를 말한다.

또한 Bosch의 스타트업 Security and Safety Things에서는 개방형 카메라 플랫폼용 소프트웨어 솔루션을 사용하여 이 카메라는 매장에 있는 사람의 수가 일반적인 COVID-19 제한 사항을 준수하는지 여부를 감지할 수 있는 시스템도 출시했습니다. 지능형 비디오 분석이 통합된 솔루션으로 비접촉 방식을 통해 익명으로 체온을 고정밀(최대 편차 0.5도)로 측정 가능합니다.

 

현재까지 Bosch에서는 AIoT와 관련한 상품이 가정용으로 천 만개 정도의 IoT디바이스가 판매되었으며, 2020년에만 약 400백만개가 판매되었습니다. 그리고 기술의 발전과 COVID-19의 지속 영향 등으로 올해까지 약 2천만개로 늘어날 것으로 기대됩니다.

또한 AIoT 적용은 가정용만이 아닌 산업에서도 이루어지고 있습니다. Bosch 의 첫 번째 AIoT 공장인 Dresden wafer fab이 대표적이지요. 데이터 기반으로 공정이 지속적으로 개선되고, 4차산업의 새로운 기준으로 제시한 공장으로 인공지능을 통하여 1) 웨이퍼 공장에서 발생한 문제를 발견 후 평가할 수 있고, 2) 제품에서의 오류를 찾아낼 수 있으며, 3) 오류에 대한 원인을 직시 분석하고, 4) 공정에 수정 반영하여 제품의 신뢰성을 높이는 것을 목표로 하고 있습니다. AIoT를 적용함으로 생산 프로세스와 반도체 품질 개선, 공정의 안정성 등을 달성할 수 있고, 생산 스케줄링에 대한 관리도 진행함에 따라서 시간 및 비용 절감에도 기여할 전망입니다.

2021 년부터는 Bosch 가 보유한 50 여개의 글로벌 파워트레인 공장에서 유사한 솔루션이 적용될 예정입니다. 800여개 이상의 생산라인에서 발생하는 생산 과정에서의 비정상 사례와 오작동을 감지하고 방지함을 통해 효율과 생산성을 높이고, 비용 절감 효과를 가져올 수 있겠지요. 자사 공장뿐만 아니라 타업체향으로도 솔루션을 제공할 것으로 예상됩니다.

 

파워트레인
동력장치에서 동력의 발생원인 원동기에서 실제로 일을 하는 부분까지의 전달장치를 지칭하는 단어. 자동차에서는 엔진~구동바퀴(drive wheel) 사이의 모든 기관을 지칭한다.

 

중국 – 2025 년까지 가파른 성장 기대

주요 지역 중에서는 중국의 성장에 주목할 필요가 있습니다. 전망기관인 아이리서치에 따르면 5세대 이동통신(5G), 데이터센터 등 사물인터넷 인프라의 고속성장을 바탕으로 2025 년까지 중국의 AIoT 시장 규모는 7500 억 위안 수준으로 커질 전망입니다. 이미 관련 기업 투자 건수도 2015~2019 년 사이에 1700 여 건이 이루어졌고, 투자 규모도 1920 억 위안 수준으로 대규모로 이루어졌습니다. 중국 정부도 인공지능을 필두로 적극적인 지원을 펼칠 전망입니다.

 

아이미디어 리서치 (艾媒咨询, iiMedia Research)
중국에서 가장 오래된 인터넷 관련 시장조사 업체. 중국 IT 관련 특정 업종 시장현황에 대한 분석 컬럼에서 가장 많이 인용되는 보고서 중 하나이다.

5G (fifth generation technology standard, 5세대 이동 통신)
2018년부터 채용되는 무선 네트워크 기술이다. 26, 28, 38, 60 GHz 등에서 작동하는 밀리미터파 주파수를 이용하는 통신이다. 2017년 12월의 3GPP 릴리스 15가 5G의 가장 일반적인 정의이다. 일부는 더 엄격한 ITU IMT-2020 정의를 더 선호하지만 훨씬 더 빠른 속도의 고주파수 대역만 포함하고 있다.

데이터 센터 (data center)
서버 컴퓨터와 네트워크 회선 등을 제공하는 건물이나 시설을 말한다. 서버 호텔(server hotel)이라고도 부른다. 데이터 센터는 인터넷의 보급과 함께 폭발적으로 성장하기 시작했다. 인터넷 검색, 쇼핑, 게임, 교육 등 방대한 정보를 저장하고 웹 사이트에 표시하기 위해 수천, 수만 대의 서버 컴퓨터가 필요하게 되자, 이 서버 컴퓨터를 한 장소에 모아 안정적으로 관리하기 위한 목적으로 인터넷 데이터 센터를 건립하게 되었다. 통신업체의 데이터 센터는 인터넷 데이터 센터(Internet data center, IDC), 클라우드 서비스를 위한 데이터 센터는 클라우드 데이터 센터(cloud data center)로 부르기도 하나, 요즘 이러한 용어들의 구분은 거의 사라지고 데이터 센터라는 용어 하나로 통합되어 쓰이고 있다.

인프라 (Infra, Infrastructure, 기반 시설, 기간 시설)
경제 활동의 기반을 형성하는 기초적인 시설과 시스템(fundamental facilities and systems)을 말하며, 도로나 하천, 항만, 공항 등과 같이 경제 활동에 밀접한 사회 자본을 말한다. 최근에는 학교나 병원, 공원과 같은 사회 복지, 생활환경 시설 등도 포함시킨다. 이 "인프라"는 범위를 확장하여, "결제 인프라", "배송 인프라"처럼, "기반"을 뜻하는 용어로 쓰이기도 한다.

중국 내에서 AIoT 와 관련하여 클라우드 기업, 인공지능 전문 기업, SI 기업, IoT 기업을 중심으로 확대될 것으로 기대되는 가운데 가장 적극적인 사업전략을 펼치고 있는 기업으로 샤오미를 꼽을 수 있습니다. 향후 10년 동안의 핵심전략으로 ‘모바일(스마트폰) x AIoT’를 핵심 전략으로 내세웠고, 향후 5 년간 약 1 억 위안 규모의 투자계획을 밝혔습니다. 스마트폰의 확장을 통하여 더 많은 사용자와 산업을 확보하고 그 과정에서 확보한 엄청난 양의 트래픽과 데이터를 통하여 비즈니스 모델의 해자를 구축하는 것을 목표로 하고 있습니다.

 

SI (System Integration)
기업이 필요로 하는 정보시스템에 관한 기획에서부터 개발과 구축, 나아가서는 운영까지의 모든 서비스를 제공하는 일을 하는 업체이다. 즉, 보통 기업이나 관공서의 하청을 받아 시스템의 기획/개발/유지보수/운영 등을 대신 해주는 업종이라고 할 수 있다.

화웨이도 도입-연결-생태계 관점에서의 AIoT 전략을 밝힌 바 있습니다. 스마트홈 플랫폼인 하이링크(HiLink)와 스마트기기용 인공지능인 하이 AI(HiAI)를 활용할 계획이지요. 알리바바도 모든 사물에 인공지능을 탑재하겠다는 ‘만물소성’이라는 계획 하에 전자상거래, 금융, 물류, 클라우드 컴퓨팅에 이은 주요 핵심 전략으로 AIoT 를 바라보고 있습니다. 이미 다양한 규모 업체에 투자가 진행된 만큼 대기업뿐만이 아닌 스타트업과 중견기업의 참여도 보다 활발해질 것으로 기대되네요.

 

또한 실생활에서의 도입도 다른 지역보다 빠르게 검토되고 있습니다. 하수와 관련된 부분을 예로 들 수 있겠네요. 중국의 많은 도시에서는 하수를 거리의 배수관에 투기하는 부당한 행위가 발생하고 있습니다. 오수/오물 투기 행위를 적발하기 위해서는 신속한 대응이 필요하지만, 일반적으로 이러한 동작은 몇 초 안에 발생하므로 적발하기 어렵다는 문제를 가지고 있습니다. 도시 인프라의 감시장치가 실시간 영상을 제공할 수 있지만, 전담 직원을 배정하여 수동으로 감시하는 것은 비효율적이지요.

AIoT 를 활용하면 기존의 모니터링 시스템을 활용하여 개선이 가능합니다. 에지 단계에서 1) 누군가가 배수구에 접근하는 여부를 감지하는 ‘침입 인식’과 2) 하수를 투기하는 활동을 인지하는 ‘활동 인식’을 훈련하여 감지하는 것이지요. 반복되는 훈련과 업데이트를 통하여 두 가지 인식은 보다 더 나은 정확도를 달성할 수 있게 됩니다. 또한 용량과 처리속도를 위하여 배수구 주변만을 인식하게 하고, 침입과 활동 모두에 해당되는 상황이 발생하게 되면, 해당 이미지(영상)을 클라우드에 전송하고, 알림을 전송하면 됩니다.

이밖에도 기존 인프라와 시스템에 인공지능을 추가하여 활용할 수 있는 AIoT는 다양할 수 있습니다. 기술적인 문제 이외에 개인정보 문제와 다양한 이슈가 생길 수 있겠지만, 효용성을 감안하면 빠른 적용이 기대됩니다.

 

AIoT 가 가져올 다양한 변화

AIoT 가 적용되면서 기대할 수 있는 변화는 다양합니다. 운영 효율성을 높일 수 있는 부분부터 위험관리, 새로운 제품과 서비스 출시, 유지보수, 고객 경험 등이 대표적이지요. 하나씩 설명드려보겠습니다.

운영 효율성 향상 - 인간의 눈에는 보이지 않는 실시간 운영 데이터의 패턴을 처리 및 감지할 수 있으며 해당 데이터를 사용하여 실시간으로 운영 조건을 설정할 수 있어 최적의 비즈니스 결과를 얻을 수 있습니다. 따라서 생산 프로세스를 최적화하고 워크플로우를 개선하여 효율성을 높이고 운영 비용을 절감하는 데 도움이 될 수 있습니다.

개선된 위험 관리 - 인공지능이 데이터를 사용하여 적시에 위험을 식별하고 프로세스를 최적화하여 안전을 높이고 손실을 줄이며 더 나은 정보에 입각한 비즈니스 결정을 내릴 수 있도록 도와줍니다. 항공사의 기계적 결함 예측 및 공장 현장의 안전 위험 감지를 예로 들 수 있겠네요.

새로운 제품 및 서비스 – 인공지능은 음성 인식, 얼굴 인식 및 예측 분석과 같이 이전에 존재하지 않았던 기술을 가능하게 했습니다. 새로 생성된 이러한 기능은 배달 서비스 또는 재난 수색 및 구조 작업, 스마트 비디오 초인종, 음성 기반 가상 비서 및 차량 또는 건물 자동화 시스템의 예측 유지 관리에 로봇을 사용하는 것처럼 많은 산업에서 응용할 수 있겠네요.

효과적인 유지보수 - 제조에서 장비 고장으로 인한 기계의 계획되지 않은 가동 중지 시간은 비즈니스에 큰 지장을 줄 수 있습니다. AIoT 를 도입하게 되면 기계의 데이터를 분석하고 사전에 유지보수를 예약하여 장비 고장을 예측하는 데 도움이 되며, 결과적으로 계획되지 않은 다운타임의 발생률과 비용을 줄일 수 있습니다.

 

다운타임 (downtime, outage duration)
시스템을 이용할 수 없는 시간을 일컫는다. 이용 불가능의 의미는 시스템이 오프라인이거나 사용할 수 없는 상황에 놓이는 상태를 가리킨다. 이 용어는 일반적으로 네트워크와 서버에 적용된다. 이와의 반의어로는 업타임이 있다.

향상된 고객 경험 – 소매부문에서 AIoT는 고객 인텔리전스, 인구 통계 정보 및 고객 행동을 기반으로 쇼핑 경험을 맞춤화하고 개인화된 추천을 제공하는 데 도움이 됩니다.

이러한 변화들이 산업에 적용되면 어떨까요?

일반적으로 AIoT의 확대가 기대되는 대표적인 분야로 스마트 홈, 웨어러블, 스마트시티 등을 꼽습니다. 스마트시티에서 AIoT는 보다 효율적인 도시를 만들고, 인프라를 유지하며, 커뮤니티를 위한 공공서비스를 개선하는 새로운 방법을 제시할 수 있습니다. 수많은 센서 및 IoT 장치에서 데이터를 수집 및 분석하고 실시간으로 조정하는 데 사용할 수 있는 실행 가능한 통찰력을 추출하기는 작업은 사람보다 인공지능이 보다 효율적이기도 하구요. 실행가능한 서비스에는 폐기물 관리, 주차 관리, 교통 관리 및 스마트 조명과 같은 공공 서비스가 포함됩니다. 예를 들어 드론을 사용하여 실시간으로 교통량을 모니터링하고 데이터를 사용하여 교통 체증을 관리하고 줄이기 위해 신호등이나 차선 할당을 조정하는 모든 과정이 사람의 개입 없이도 가능해질 전망입니다.

 

웨어러블 테크놀로지 (wearable technology, 착용 기술)
정보통신(IT) 기기를 사용자의 몸(손목, 팔, 머리 등)에 지니고 다니는 기기로 만드는 기술을 말한다. 미국 군사 훈련용으로 개발된 것을 시초로 하여, 스마트워치와 같은 웨어러블 컴퓨터, 스마트 의류(smart clothes), VR을 위한 HMD(Head-mounted display)기기, 피부 이식용 임플란트 등으로 응용되어 다양한 산업 분야에 활용되고 있다. 일상 생활에 사용되는 시계, 안경, 옷, 헬멧 등에 접목되어 웨어러블 IT 기술은 사용자에게 언제 어디서나 컴퓨팅 환경을 제공한다.

스마트시티 (Smart city , 스마트 도시)
다양한 유형의 전자 데이터 수집 센서를 사용하여 자산과 자원을 효율적으로 관리하는 데 필요한 정보를 제공하는 도시 지역이다. 여기에는 시민, 장치, 자산으로부터 수집하여, 교통 및 운송 시스템, 발전소, 급수 네트워크, 폐기물 관리, 법 집행, 정보 시스템, 학교, 도서관, 병원 및 기타 커뮤니티 서비스를 모니터링하거나 관리하기 위해 처리하거나 분석되는 데이터가 포함된다. 스마트 시티의 개념은 도시 운영 및 서비스의 효율성을 최적화하고 시민들과의 연결을 위해 네트워크에 연결된 다양한 물리적 장치이다.

스마트시티와 연동된 자율주행 차량은 AIoT를 통하여 교통을 탐색하고 변화하는 교통, 날씨 또는 도로 상황에 대응하거나 보행자의 행동을 예측합니다. 다른 한편으로는 수집된 사용 데이터를 기반으로 차량의 상태를 측정하고 유지 보수를 위한 예측 권장 사항을 제공하는 데에도 사용할 수 있습니다.

운송 및 물류도 효율적인 활용이 가능합니다. GPS 추적기 및 센서에서 수집된 데이터를 기반으로 차량의 실시간 모니터링 및 차량의 사전 예방적 유지 관리와 함께 예측 유지 관리를 사용하여 차량 관리에 응용 프로그램을 찾습니다. 또한 실시간 내비게이션을 통해 차량 운영자가 연료 비용을 줄이고 차량 유지 관리를 추적하며 안전하지 않은 운전자 행동을 식별하는 데 도움이 됩니다.

 

앞서 언급한 스마트 홈, 웨어러블, 스마트시티 이외에도 AIoT는 다양한 산업에서 적용 가능합니다.

농업에서도 AIoT의 혜택을 받을 수 있지요. 대표적으로 기상 조건, 물 사용량, 온도 및 작물/토양 조건에 따라 매개변수를 조정하는 지능형 시스템을 만드는 데 사용됩니다. 센서의 데이터는 작물 선택, 비료, 관개 및 해충 방제에 대한 최적의 결정을 내리기 위해 분석됩니다. 이를 바탕으로 농부들이 수확량을 높이고 작물 계획을 위한 계절 예측 및 날씨 예측을 수행하고 자원을 가장 최적의 방식으로 활용하도록 돕습니다. 또한 컴퓨터 비전은 농작물과 대규모 농지를 모니터링하여 문제 영역을 식별하고 필요할 때 경고를 생성하는 데 사용됩니다.

빌딩과 같은 건축물 관리에도 유용합니다. AIoT 는 건물 사용 및 사용자 선호도 데이터를 기반으로 조명 및 기후 제어를 조정하여 기업이 에너지 비용을 절감하고 건물 에너지를 효율적으로 만들 수 있도록 도와줍니다. 그리고 건물 시스템의 상태에 대한 진단 데이터 사용하여 사전에 수리 및 유지보수가 가능하므로 기업이 비용을 절감할 수 있게 됩니다. 

의료 분야에서도 AIoT 는 영상 데이터 분석을 통한 질병 감지 및 진단, 센서를 통한 환자 정보의 원격 모니터링 및 이상 징후 발견 시 경보 발생, EHR(전자 건강 기록) 및 약물 상호 작용 예측. 또한 로봇 수술 시스템은 매우 복잡하고 정밀한 수술을 수행하거나 지원하며 수술을 용이하게 합니다.

 

EHR (Electronic Health Records, 전자 건강 기록)
디지털 형태로 체계적으로 수집되어 전자적으로 저장된 환자 및 인구의 건강정보이다. 이러한 기록은 서로 다른 헬스케어 환경에서 공유될 수 있다. 기록들은 네트워크로 연결된, 엔터프라이즈 규모의 정보시스템 및 다른 정보 네트워크와 교환을 통해 공유된다. EHR은 인구통계학, 병력, 약물복용 및 알레르기. 예방접종 상태, 검사실 검사결과, 영상의학 이미지, 생체징후, 나이와 성별같은 개인적인 통계 그리고 청구정보를 포함하는 일정범위의 데이터를 포함할 수 있다

전력부족 위기도 AIoT 에게는 기회요인

인공지능에 관심이 높아지는 와중에 일어난 COVID-19 사태로 스마트 홈을 비롯한 IoT 생태계의 성장과 비대면/접촉 시스템의 확대가 AIoT 에게는 기회요인으로 작용하고 있습니다. 이외에도 다른 기회요인이 있습니다. 바로 전력부족에 대한 우려이지요.

AIoT가 가지는 장점 중에 하나는 비용, 특히 에너지 소비량의 감소입니다. 분석과 의사 결정을 에지로 가져옴으로써 클라우드로 전송해야 하는 데이터의 양을 줄여 클라우드와의 연결 및 서비스와 관련된 비용을 줄이게 된 것이지요. 실제로 IMEC에서도 데이터를 로컬에서 처리할 수 있으면 많은 에너지를 절약할 수 있다고 언급했습니다. 특히 글로벌 데이터센터의 에너지 소비량도 많지만, 장치에서 데이터센터 간 전송에서 사용되는 에너지 양도 유사한 수준으로 많기 때문에, 장치에서 많은 것들이 수행된다면 효과가 클 수 있다고 했지요.

 

IMEC (Interuniversity Microelectronics Center)
나노 전자 및 디지털 기술 분야에서 활동하는 국제적인 연구 개발 기관이다.

과거에는 인공지능의 모델의 복잡성으로 인해 주로 클라우드에서 실행될 수밖에 없었지만 컴퓨팅 기능과 인공지능의 발전으로 에지에서 수행할 수 있는 능력이 커지게 됨에 따라 가능하게 되었지요. 최근에는 리소스가 제한된 MCU에 적합한 TNN(Thin Neural Network)를 적용하고 있기도 합니다. 결론적으로 기술의 발달에 힘입어 에지에서 인공지능이 적용됨에 따라 클라우드와의 연결을 줄일 수 있게 되었고, 보안과 개인정보에 대한 우려도 낮아지게 되었습니다. 그리고 낮은 대기시간과 전력 사용으로 이어지게 됩니다.

 

MCU (microcontroller unit)
마이크로프로세서와 입출력 모듈을 하나의 칩으로 만들어 정해진 기능을 수행하는 컴퓨터를 말한다.

물론 전력을 효율적으로 사용하는 하드웨어를 설계하면 AIoT 가 가지는 에너지 절감의 매력도가 낮아질 수 있습니다. 현재 인공지능 연산이 주로 이루어지는 그래픽 프로세서(GPU) 이후로 등장한 구글의 TPU는 동일한 양의 전력을 소비하면서 초당 더 많은 연산을 가능하게 하게 합니다. 산업 분야마다 특화된 반도체가 나온다면 효율성은 더욱 향상될 수 있겠지요. 하지만 에너지 단위당 수행할 수 있는 TOPS/W 관점에서 1 TOPS/W 를 100 이나 10,000 TOPS/W 로 획기적으로 높이기에는 한계가 있기에 다양한 방식의 접근이 필요할 수밖에 없지요.

 

GPU (graphics processing unit, 그래픽 처리 장치)
컴퓨터 시스템에서, 그래픽 연산을 빠르게 처리하여 결괏값을 모니터에 출력하는 연산 장치이다.

TPU (Tensor Processing Unit, 텐서 처리 장치)
구글에서 2016년 5월에 발표한 데이터 분석 및 딥러닝용 하드웨어이다. 구글 자체 텐서플로 소프트웨어를 이용한다. 구글은 2015년에 내부적으로 TPU를 사용하기 시작했으며 2018년 서드파티용으로 판매를 시작했다.

TOPS/W (전력효율성)

AIoT 와 LCA(Life Cycle Assessment)와의 만남

AIoT 의 도입으로 다양한 분야에서 데이터를 취득하여 분석하는 방식이 가능해지면서 전과정평가(LCA, Life Cycle Assessment) 관점에서 산업 혹은 제품의 효율성, 특히 전력 감소와 환경 개선을 생각하는 움직임도 나타나고 있습니다.

 

전 과정 평가 (life-cycle assessment)
제품 또는 시스템의 모든 과정인 원료채취 단계, 가공, 조립, 수송, 사용, 폐기의 모든 과정에 걸쳐 에너지와 광물자원의 사용과 이로 인한 대기 및 수계, 토양으로의 환경 부하량을 정량화하고 이들이 환경이 미치는 잠재적 악영향을 규명하고, 환경부하가 환경에 미치는 영향을 평가하여, 이를 저감, 개선하고자 하는 기법이다.

이 기법의 대상으로는 단순한 제품에서 복잡한 시스템에 이르기까지 목적에 따라 자유롭게 설정할 수가 있으며, 환경에 대한 영향은 국지적인 환경오염물의 배출뿐만 아니라 자원,에너지의 소비 또는 인간의 건강,생태학적 영향까지 포함한다. 이 기법의 목적은 인간활동의 다양한 국면에서 환경부하를 저감하는 방향으로 의사결정을 하기 위한 판단재료를 제공하는 데 있으며, 이러한 측면에서의 평가방법이 지역환경문제와 동시에 지구환경문제를 억제하는 데 있어 유효하다. 전 과정 평가에서는 관련된 투입물과 산출물에 대한 목록을 작성하고 이들과 연관된 잠재적인 환경영향을 평가하며, 연구목적과 관련해서 목록분석 결과와 영향평가 결과를 해석함으로써 제품과 연관된 환경측면과 잠재적인 환경영향을 평가한다. 기본적인 구성은 목적 및 범위의 설정, 목록분석, 영향평가, 결과해석으로 이루어져 있다.

 

먼저 전과정평가(LCA)는 국제적으로 표준화된 방법론(ISO 14040)입니다. 수명주기 목록(LCI, Life Cycle Inventory) 및 수명주기 영향 평가(LCIA, Life Cycle Impact assessment) 등도 함께 고려되기도 하지요. 주로 지속 가능성의 프레임워크에서 LCA 가 도입되고 있으며, 제품 및 서비스의 전체 수명 주기에 걸쳐 전반적인 환경 부담을 줄이는 데 도움이 되도록 더 많이 사용되고 있습니다.

 

소프트웨어 프레임워크 (software framework)
복잡한 문제를 해결하거나 서술하는 데 사용되는 기본 개념 구조이다. 간단히 뼈대, 골조(骨組), 프레임워크(framework)라고도 한다. 이렇게 매우 폭넓은 정의는 이 용어를 버즈워드(buzzword)로서, 특히 소프트웨어 환경에서 사용할 수 있게 만들어 준다.

대표적으로 LCA는 자동차산업에서 주로 언급되고 있습니다. 자동차의 경우, 지금까지는 차를 사용하는 기간에 발생하는 배출량에 초점이 맞추어졌었지만, 점차 차를 생산하기 위해 원재료를 채굴하고 가공하는 과정에서부터 폐차하기까지의 과정에서 발생하는 전체적인 배출량으로 규제의 초점이 이동하고 있지요.

LCA 관점에서 접근하여 효율성을 개선하려는 움직임은 어떤 것들이 있을까요?

 

탄소 배출량을 줄이기 위한 건물 시스템 최적화

건물은 많은 에너지를 소비합니다. 비영리 에너지 효율 옹호단체인 에너지 절약 연합(Alliance to Save Energy)은 건물이 미국 전체 에너지 소비의 약 40%를 차지하고 온실 가스 배출량의 비슷한 비율을 차지한다고 말합니다. 글로벌 관점에서도 40% 수준의 에너지를 소비하며, 탄소 배출량은 1/3을 차지합니다. 추정에 따르면 상업용 건물에 사용되는 에너지의 약 45%가 HVAC(난방, 환기 및 공조) 시스템에 의해 소비되고 그 중 30%가 종종 낭비되는 것으로 나타났습니다.

수명 주기관점에서 본다면, 건물을 건축하는 과정에서 발생하는 비용은 25%이고, 운영 단계에서 발생하는 비용이 75%를 차지합니다. 운영 단계에서 HVAC 을 비롯하여 에너지 효율을 개선한다면, 에너지 비용을 줄임과 동시에 탄소배출량도 감소시킬 수 있게 되겠죠.

 

HVAC (heating, ventilation, & air conditioning, 공기조화기술)
난방, 환기, 냉방 즉 이들을 통합하여 실내 및 자동차 환경의 안락을 위해 쓰이는 기술이며 HVAC 시스템 설계는 열역학, 유체역학, 열 전달에 기초하여, 주요 기계공학의 한 분야로 되어 있다. HVAC는 초고층 건물을 비롯한 중대형 산업, 오피스 건물의 설계, 수족관과 같은 해양 환경에 중요하다. 그 까닭은 안전과 건강한 건물 조건이 실외의 신선한 공기를 이용하여 온도와 습도와 관련하여 제어되기 때문이다.

Aurecon 에서는 AIoT 를 활용하여 다양한 연령과 성능의 냉각기 5 개가 설치된 상업용 건물의 냉각시스템의 에너지 효율성을 개선하였습니다. 센서와 측정기기를 활용하여 데이터를 수집하고, 분석을 통해 냉각 수요에 맞게 제어하는 방식을 통하여 기존 대비 10~15%의 에너지를 절약하게 되었죠. 전력사용량이 줄어들면서 연간 800톤 정도의 탄소배출 감소를 가져오기도 했지요. 신규 건축부터 도입된다면 더욱 효율적으로 설계가 가능하겠지만, 기존 건물에도 도입이 가능하다는 점이 중요합니다.

 

Aurecon (아우레콘)
호주와 남아프리카에 본사를 둔 엔지니어링 설계 회사

 

LCA 의 도입 이후 AIoT 의 적용 기대

또한 IoT의 빠른 발전으로 LCA의 도입이 어려웠거나 부정확했던 산업에서도 효과적인 LCA 모델을 구축할 것으로 기대됩니다. IoT의 도입과 LCA 모델이 구체화되면, 이후 인공지능이 적용되면서 추가적인 개선이 가능해지겠지요. 윈드터빈을 예로 들어보겠습니다.

기존까지 윈드터빈은 타 산업의 LCA 기준을 차용함에 따라서 현장에서의 평가도 좋지 않았고, 결과에 대해서도 확신할 수가 없었습니다. 하지만 IoT의 도입을 통하여 터빈의 전체 수명 주기 동안 에너지 소비 및 환경 영향 데이터를 실시간으로 수집하는 것이 가능해졌습니다. 객관성과 정확성을 보장할 뿐만 아니라 풍력 터빈과 풍력 터빈의 상태와 위치를 모니터링할 수 있게 되었지요. 이를 기반으로 설계, 원료 획득, 생산 및 제조, 운송 및 설치, 운영 및 유지보수, 복구 및 폐기 단계 등 부품에서 제품에 이르는 풍력 터빈의 에너지 소비 평가 및 환경 영향 평가를 달성하는 IoT 기반의 새로운 LCA 아키텍처가 제안되게 되기도 했습니다.

기존과 비교하면, 데이터 사전 처리, 목표 정의 및 범위 지정, 재고 분석 및 영향 평가에 발생했던 업무부담은 37.6% 감소하였습니다. 또한 결과의 정확도도 34%가량 향상되었습니다. 다양한 산업에 LCA로의 효율적인 접근은 확장될 것으로 기대합니다. AIoT도 더불어 확대될 것으로 예상되네요.

 

또 다른 기회요인, 유럽의 그린딜(Green Deal)

유럽에서 인공지능을 적용하여 기후변화에 대응하기 위한 노력을 펼치고 있다는 점도 또 다른 기회요인입니다. EU 집행위원회에서 지속 가능, 기후 중립, 자율 효율적인 경제를 구축하기 위한 디지털 전환을 적극적으로 추구하고 있고, 인공지능이 이를 실현하는데 중요한 역할을 감당할 것으로 언급했습니다. 올해 5월 발간된 ‘유럽 그린딜에서 인공지능의 역할(’The role of Artificial Intelligence in the European Green Deal)’에서도 인공지능이 탄소중립에 도달하고, 에너지 소비와 인간 활동에 부정적인 영향을 줄이는데 도움이 될 수 있는 부문별 응용 분야를 발표하기도 했습니다. AIoT 와 직접적으로 관련된 내용은 아니었지만, 적용했을 때의 시너지를 감안하면 도입은 가속화될 것으로 전망합니다.

 

유럽 그린딜
2019년 12월 11일, EU 집행위원회는 '유럽 그린딜(European Green Deal)'을 발표했다. 그린딜은 2050년 기후중립 목표 달성을 위해 사회 전 분야를 전환하기 위한 정책패키지이다.

 

 

 

 

21/08/31 SK증권 Analyst 권순우

 

 

---

 

마치며

 

사실 AIoT는 처음 들어보는 용어였는데 스마트 홈, 스마트 공장, 스마트 시티 등을 구축하는데 한 축을 담당할 가능성이 높아 보이네요. 여러 분야에 접목되고 있고 요즘 대두되고 있는 그린딜 쪽에도 응용하게 된다면 입지가 더욱 확고해지리라 생각됩니다. 비록 관련된 기업 소개는 없었지만, AIoT가 그리는 미래를 상상해볼 수 있는 시간이어서 즐거웠네요. 한편으론 보안성 또한 강화해야 하지 않을까란 생각도 듭니다.

 

 

 

감사합니다. 오늘도 많이 배우고 갑니다.😊