- 소식
- 2025.05.28
 미국의 인공지능 기업인 허깅페이스(Hugging Face)가 인공지능(AI) 모델의 수가 100만 개를 초과했다고 발표했습니다. 현재 매 10초마다 새로운 저장소(모델, 데이터셋, 스페이스)가 생성되고 있으며, 향후에는 코드 저장소 수만큼의 모델이 등장할 것이라고 예상하고 있습니다. 이처럼 머신러닝 분야가 빠르게 확장됨에 따라 AI 모델들은 크기와 기능적 분류(코드, 가중치, 데이터의 오픈 상태 등의 공개 여부, 언어, 이미지, 음성 등), 그리고 서비스 수준 등 다양한 기준에 따라 세분화되고 있습니다. 이와 같은 기술의 발전과 함께 AI 개발 환경은 AI 모델을 개발하고 운영하는 데 필요한 데이터 처리 도구, GPU 및 고성능 컴퓨팅 인프라, 다양한 연계 기술과 서비스 구조 등 더 많은 요소들을 고려해야 하는 복합적인 구조로 진화하고 있습니다. 이러한 흐름 속에서, AI 개발 환경 플랫폼을 제공하는 클루닉스는 AI 개발자 및 관계자가 'AI 개발 환경에서 가장 중요하게 생각하는 요소가 무엇일지'에 대해 물었습니다. 지난 5월 14일부터 16일까지 3일간 개최되는 AI EXPO KOREA 2025에 참가해 AI 개발자 및 관련 업종 종사자 515명을 대상으로 설문조사가 실시되었으며, 그 결과 응답자의 약 70% 이상이 ‘사용 편의성’과 ‘데이터 관리’를 가장 중요한 요소로 꼽았습니다. 이러한 결과는 복잡해지는 개발 환경 속에서 더욱 직관적이고 효율적인 사용과 운영을 우선적으로 추구하고 있음을 보여줍니다.
▲ 클루닉스가 실시한 설문조사 결과
1. 사용 편의성 (간편한 환경 구성) (39%)AI 개발자 혹은 관련 업종에 있는 사람들 515명 중 39%가 ‘사용 편의성(간편한 환경 구성)’을 가장 중요하게 생각한다고 답했습니다. 실제로 많은 개발자들이 ‘복잡한 환경 구성’ 때문에 업무 시간을 낭비하고 있습니다. 특히 쿠버네티스, 컨테이너, 패키지 호환성 등의 초기 설정에 어려움을 겪는 경우가 많습니다. 한 설문조사에 따르면 IT 전문가의 38%는 AI 성공의 가장 큰 걸림돌로 ‘기술 인프라’를 꼽을 정도로 인프라의 복잡성에 직면해 있습니다.
환경 구성을 간편하게 하고 개발 업무 또한 간소화할 수 있는 웹 UI 기반의 솔루션을 사용하면 편의성을 대폭 향상시킬 수 있습니다. 더불어 인프라를 한 눈에 관리하는 다양한 기능이 탑재되어 있는 솔루션을 채택하면 관리자의 업무 효율성 또한 높일 수 있습니다.
2. 데이터 관리 및 전처리 지원 (32%)
AI 개발 환경에 있어 가장 중요하게 생각하는 것에 ‘데이터 관리 및 전처리 지원’이 두 번쨰로 높은 순위를 차지하여, 32%의 인원이 응답했습니다. 실제로 데이터 준비는 AI 프로젝트에서 가장 시간이 많이 소요되는 부분으로, 데이터 사이언티스트의 전체 작업 중 전처리 과정이 60%에 달한다는 연구 결과도 있습니다.
데이터를 잘 준비하기 위해서는 관리가 제대로 되어 있어야 합니다. 데이터가 여러 서버에 분산되어 있거나, 버전 관리가 되지 않는 경우 협업의 비효율성이 극대화될 수 있습니다. 아렌티어 딥러닝은 데이터를 불러오고 전처리하고 다시 나누는 일련의 과정이 단일 플랫폼 안에서 통합적으로 이뤄지기 때문에, 개발자 간의 협업뿐 아니라 반복 실험에서도 큰 효율을 얻을 수 있습니다.
3. GPU 자원 관리 및 효율성 (16%)최근 몇 년간 AI 개발 현장에서는 ‘GPU 품귀 현상’이라는 말이 일상적으로 들릴 정도로, GPU 자원 확보가 모든 기업과 개발자들의 가장 큰 고민 중 하나였습니다. 물론 GPU를 추가적으로 확보하는 것도 매우 중요하지만, 단순히 많은 자원을 보유하는 것보다는 이미 보유하고 있는 자원을 제대로 활용하고 있는지 따져보는 것이 매우 중요합니다. GPU가 유휴 상태로 방치되거나 사용량에 대한 가시성이 부족하거나 자원 분배가 효율적으로 이뤄지지 않을 경우 자원의 활용도가 저해될 수 있습니다. 최근 지속되는 GPU에 대한 관심으로, 클루닉스의 설문조사에서도 GPU 자원 관리 및 효율성에 대한 응답이 전체에서 16%를 차지했습니다.
▷ GPU 잘 활용하고 있나? 최적화하는 방법 자세히 보러가기
4. 다양한 오픈소스 및 외부 레지스트리 연동 (7%)Ai 모델 개발 비용이 기하급수적으로 증가하면서, 많은 개발자들이 오픈소스 모델에 주목하고 있습니다. 실제로 2023년에 새로 출시된 모델의 65.7%는 오픈소스로 만들어졌습니다. 그러나 단순히 오픈소스 프레임워크를 활용하는 것만으로는 눈에 띄게 경쟁력을 확보하기 어렵습니다. 이에 따라 이제는 다양한 외부 레지스트리(Docker Hub, NVIDIA NGC, Artifact Hub, Red Hat Quay 등)와의 연동이 필수적인 요소로 부상하고 있습니다.
이러한 레지스트리 연동은 개발자가 최신 AI 프레임워크, 라이브러리, 컨테이너 이미지 등을 손쉽게 불러와 활용할 수 있게 해줄 뿐 아니라, 데이터와 모델의 일관성 있는 보존, 재현성 확보, 그리고 잠재적인 데이터 병목 현상을 예방하는 데 중요한 역할을 합니다.
5. 협업 및 이미지 공유 (4%)
AI 모델 개발에 있어 중요한 점은 개발자 간의 유연하고 정확하면서 빠른 협업입니다. 일반적으로 개발자가 만든 모델 환경을 공유하고자 할 때, 대부분은 Docker 이미지로 이를 패키징합니다. 하지만 이미지 생성과 관리가 어렵거나, 공유를 위한 체계가 갖춰져있지 않다면 협업의 효율성이 저해될 수 있습니다.
6. 자동 스케줄링 및 자원 분배 (2%)이번 설문조사에서 가장 낮은 비율을 차지가힌 했으나, 실제로 자원이 부족해지는 순간에는 스케줄링 기능의 유무가 해당 프로젝트의 성패를 가르기도 합니다. AI 워크로드는 수동 확장에 의존하면 높은 수요 하에서 성능 저하를 겪거나 수요가 변동하거나 감소할 때 자원을 낭비하게 됩니다.
아렌티어 딥러닝에는 클루닉스가 독자 개발한 GPU 스케줄링이 탑재되어 있어 효율적이고 전략적인 GPU의 활용이 가능합니다. 특히 컨테이너, VM, 베어메탈 개발 환경에서 필요한 pGPU, vGPU, MIG 등 GPU 특성에 맞는 스케줄링을 제공하여 컴퓨팅 자원 효율성을 극대화하고 유휴 시간을 감소시킬 수 있습니다.
급변하는 시장과 고객 요구에 맞춰 진화하는 플랫폼, 아렌티어 딥러닝넷앱의 ‘데이터 복잡성 보고서 2025’에 따르면 글로벌 기술 경영진의 40%는 2025년에 회사에 AI 및 데이터 관리에 대한 전대미문의 투자가 요구될 것이라고 예상하고 있습니다. 또한 데이터 통합이 AI 성공의 중요한 원동력으로 떠오르고 있으며, 글로벌 기술 경영진의 79%가 최적의 AI 성과를 달성하기 위해 데이터 통합이 중요함을 인식하고 있습니다.
클루닉스가 실시한 이번 설문을 통해, 개발자들은 단순히 “빠른 성능”만을 원하는 것이 아니라 생산성을 높여주는 환경, 유연한 도구 구성, 협업과 효율적인 자원 활용을 중요하게 생각한다는 것을 확인할 수 있었습니다. 이는 AI 기술의 급속한 발전과 개발 환경의 복잡성이 증가하고 있는 현실을 여실히 반영하고 있습니다.
아렌티어 딥러닝은 이러한 고객의 니즈를 충족할 수 있는 솔루션입니다. 아렌티어 딥러닝에 대해 깊이 있는 설명이 필요하거나 추가적인 궁금증이 생기면 언제든지 클루닉스에 문의해주시기 바랍니다. 아렌티어 딥러닝은 AI 개발의 복잡성을 나누고 가능성을 더하여 고객의 혁신에 함께합니다.
[참고자료] [1] https://www.hasa.re.kr/content/83
|
- 이전글
- 다음글