자율주행 AI 기술의 핵심은 결국 '데이터'에 달려 있어요. 매년 수 페타바이트(PB)씩 쏟아지는 실제 주행 데이터를 얼마나 빠르고 효율적으로 처리하느냐가 기업 경쟁력을 좌우하죠.
최근 HS효성인포메이션시스템이 자율주행 비전 인식 기술 기업 스트라드비젼의 데이터 레이크 고도화 사업을 성공적으로 완료했다는 소식이에요. 단순한 인프라 확장이 아니라, AI 학습과 검증 환경 전반의 효율을 크게 끌어올린 프로젝트라 주목할 만해요.
스트라드비젼이 처한 상황부터 살펴볼게요.
이 회사는 전 세계 고객사 차량에서 수집되는 실제 주행 데이터를 기반으로 AI 모델을 개발해요. 데이터 수집부터 학습, 검증까지 전 과정을 연결한 'AI 데이터 파이프라인'을 자체 운영하고 있죠.
문제는 비즈니스가 성장하면서 데이터 양이 기하급수적으로 늘어났다는 거예요. 게다가 고객사마다 요구하는 커스터마이징 모델도 다양해지면서, 기존 인프라로는 한계가 분명했어요. 특히 GPU를 활용한 AI 학습 환경에서 병목 현상이 발생하면 전체 개발 일정에 차질이 생기기 마련이에요.
HS효성인포메이션시스템은 이 문제를 두 가지 핵심 솔루션으로 해결했어요.
첫 번째는 오브젝트 스토리지 'HCP(Hitachi Content Platform)' 도입이에요. 기존에 클라우드에서 처리하던 대용량 비정형 데이터 작업을 온프레미스 환경에서도 가능하게 만들었죠. 결과적으로 동일한 워크로드를 클라우드 대비 약 30% 절감된 비용으로 수행할 수 있게 됐어요. 스케일아웃이 쉬운 구조 덕분에 앞으로의 확장성도 확보한 셈이에요.
두 번째는 고성능 올플래시 NAS 스토리지 'VSP One File' 도입이에요. 여러 엔지니어와 개발자가 동시에 대규모 데이터셋에 접근해야 하는 환경에서 스토리지 병목은 치명적이거든요. 이 솔루션을 통해 기존 스토리지 대비 최대 10배 이상 빠른 데이터 처리 성능을 구현했어요.
가장 인상적인 건 도입 효과가 빠르게 나타났다는 점이에요.
솔루션 도입 후 단 1주일 만에 GPU 사용률이 10% 이상 증가했다고 해요. GPU 연산 자원이 스토리지 I/O 지연 없이 제대로 활용되기 시작했다는 의미예요. AI 학습과 검증에 걸리는 시간이 줄어들면 그만큼 모델 개발 속도가 빨라지고, 글로벌 고객 요구에 민첩하게 대응할 수 있게 되죠.
이번 협업의 의미를 좀 더 넓게 보면, AI 시대 인프라 전략의 방향성을 보여준다고 할 수 있어요.
스트라드비젼 김인수 센터장은 "단순한 인프라 공급을 넘어 최적화된 설계와 기술을 제공받았다"고 평가했어요. HS효성인포메이션시스템 양정규 대표도 "AI 시대 경쟁력은 데이터를 얼마나 안정적이고 효율적으로 활용할 수 있느냐에 달려 있다"며 중장기 파트너십을 강조했고요.
결국 AI 기업에게 필요한 건 단순히 '더 큰 저장 공간'이 아니에요. 데이터가 흐르는 전체 파이프라인을 이해하고, 병목 구간을 정확히 짚어 해결하는 맞춤형 인프라 전략이 핵심이에요.
자율주행, 생성형 AI 등 데이터 집약적 산업이 빠르게 성장하는 지금, 이런 인프라 고도화 사례는 앞으로 더 많아질 거예요. 여러분의 비즈니스에서는 데이터 인프라가 충분히 받쳐주고 있는지, 한번 점검해 보는 것도 좋겠어요.
📎 관련 링크
HS효성인포메이션시스템 공식 홈페이지: http://www.his21.co.kr
