미국 시장에서 입지를 확고히 하기 위한 중요한 단계로, 에지 AI 솔루션의 선두주자인 Stream Analyze가 Microchip 및 여러 미국 기업과 협력하여 혁신적인 기술을 미국에 도입하고, 체인톱 같은 도구에 AI를 통합하는 작업을 진행하고 있습니다. 2015년 스웨덴 업살라에서 설립된 Stream Analyze는 방대한 학술 연구를 바탕으로 잔디 깎기 기계, 광산 장비, 지게차 등 전통적인 장비의 기능을 AI 기능으로 향상시켜 변화를 추구하고 있습니다.
Stream Analyze의 COO인 다니엘 스파르(Daniel Spahr)는 “우리의 목표는 에지 분석 또는 에지 AI를 통해 고객을 지원하는 것”이라고 말했습니다. 그는 최근 영상 인터뷰에서 미션을 간단하게 요약했습니다: “어리석은 것들을 스마트하게 만드는 것.”
AI 체인톱의 필요성은?
AI 기반 체인톱의 실용적인 필요성에 대해 궁금할 수 있습니다. 그 장점은 상당합니다. 예를 들어, 로그 작업에서 관리자가 체인톱 전체를 모니터링해야 할 때, AI를 통해 연료 수준, 장비 성능 및 유지보수 필요 사항에 대한 실시간 업데이트를 받을 수 있어 신속한 교체와 최소한의 다운타임을 달성할 수 있습니다.
이러한 에지 AI의 수요는 체인톱을 넘어 확장됩니다. 인프라 센서를 전문으로 하는 Eloque와 같은 기업은 효율성을 개선하고 비용을 절감하며 운영 연속성을 유지하기 위해 사전 문제 감지의 중요성을 강조합니다. 또 다른 경쟁자인 Sima.AI는 군용 드론과 같은 고수요 애플리케이션에 적합한 코드 없는 에지 AI 플랫폼을 제공하며, 최근 7000만 달러의 자금을 확보하여 에지 AI 기술에 대한 투자자의 관심이 높아지고 있음을 보여줍니다.
Stream Analyze의 종합 에지 AI/ML 솔루션
스파르에 따르면 Stream Analyze는 "기계 학습 작동을 위한 엔드 투 엔드 플랫폼"으로 자리 잡고 있습니다. 이들의 기술은 클라우드 업로드를 위한 관련 데이터를 효율적으로 식별하며, 불필요한 데이터 수집으로 인한 비용과 자원 소모를 줄입니다. “데이터 오프로드와 저장은 비용이 많이 들므로, 로컬 처리 방식이 하이브리드 솔루션을 제공합니다.”라고 스파르는 설명했습니다.
특히 저조도 지역의 에지 AI 애플리케이션은 강인성을 요구합니다. Stream Analyze의 공동 창립자이자 CEO인 얀 닐손(Jan Nilsson)은 “연결이 되기도 하고 안 되기도 합니다. 마모는 지속적으로 발생하므로 장치 내 분석이 필요합니다. 우리의 기술은 통신 인프라에 독립적입니다.”라고 언급했습니다.
회사의 솔루션은 SA 엔진, SA 스튜디오, SA 스테이징, SA 연합 서비스 등을 포함하여 에지에서 AI 모델을 배포할 수 있는 포괄적인 플랫폼을 제공합니다. 사전 제작된 템플릿이 제공되지만, 고객들은 종종 SA 스튜디오를 사용하여 모델을 맞춤화합니다.
사용자 친화적이며 신속한 배포
Stream Analyze는 특정 산업 요구 사항에 맞춰 AI를 설계하며, 종종 마이크로컨트롤러를 사용합니다. 이러한 설정은 실시간 데이터 처리를 가능하게 하며, 데이터 과학자와 엔지니어 모두에게 사용하기 용이합니다. 스파르는 “경쟁 기술은 종종 내장 프로그램이나 펌웨어 업데이트가 필요해 느리고 위험할 수 있습니다.”라고 덧붙였습니다.
또한 Stream Analyze의 기술은 장치에서 직접 모델을 신속하게 배포하고 조정할 수 있도록 하여, 시장 출시 시간을 단축시킵니다. 단 17kB의 최소 메모리 풋프린트를 가진 이들의 솔루션은 AWS Greengrass나 TensorFlow Lite보다 뛰어난 성능을 보여주어 다양한 애플리케이션에 적합합니다.
Stream Analyze는 고객의 프라이버시를 중요시하여 기업들이 특정 사용 사례에 대한 정보를 공유하지 않고도 기술을 맞춤화할 수 있도록 지원합니다. 닐손은 “각 고객은 고유하며, ‘하나의 정답이 모든 경우에 맞는 것이 아닙니다.’”라고 말했습니다. “그들은 플랫폼을 독립적으로 구현하여 분석에 대한 기밀성을 유지합니다.”
Stream Analyze는 미국 시장에 진출하면서 사업을 확장할 뿐만 아니라, 기업들이 이전에는 불가능했던 정보 기반의 실시간 의사 결정을 통해 데이터를 활용하는 방식을 혁신할 것으로 기대하고 있습니다.
순위 목록
