AWS 기반 R&D 혁신을 통한 Time-to-Market 단축- 이현선 AWS사업개발 담당/ 장석복 LG 사이언스 파크 팀장:: AWS Summit Online Korea 2020
•
0 likes•69 views
발표영상 다시보기: https://youtu.be/9Qz-UH-A-BU Time-to-Market 혁신을 위해 AWS의 HPC (High Performance Computing), 기계학습 등을 R&D에 접목하고 있는 국내외 선진기업 사례를 소개해드립니다.
Recommended
Recommended
More Related Content
What's hot
What's hot (20)
Similar to AWS 기반 R&D 혁신을 통한 Time-to-Market 단축- 이현선 AWS사업개발 담당/ 장석복 LG 사이언스 파크 팀장:: AWS Summit Online Korea 2020
Similar to AWS 기반 R&D 혁신을 통한 Time-to-Market 단축- 이현선 AWS사업개발 담당/ 장석복 LG 사이언스 파크 팀장:: AWS Summit Online Korea 2020 (20)
More from Amazon Web Services Korea
More from Amazon Web Services Korea (20)
AWS 기반 R&D 혁신을 통한 Time-to-Market 단축- 이현선 AWS사업개발 담당/ 장석복 LG 사이언스 파크 팀장:: AWS Summit Online Korea 2020
- 1. © 2020, Amazon Web Services, Inc. or its affiliates. All rights reserved. AWS를 활용한 R&D Time-to-Market 혁신 사례 이현석 사업개발 담당 AWS Korea 장석복 팀장 LG Science Park
- 2. AWS의 Cloud & Emerging Tech 각 C-Suite Persona別 DT에 활용 •내부 DT 사업화 5G+클라우드 / PMI 단축 Trend 적용 사례 •ML & Edge 예측정비 / 수율제고 / 품질관리 CSO •ML 수요 예측 / ERP 이전 운영 고도화 C-Suite別DigitalTransformation활용영역 R&D 제조 SCM / Operatio n 신사업 / M&A 마케팅 / 고객 관리 상품기획 / 차별화 비용 최적화 CMOCOOCFO •ML 개인화 / 다채널 관리 / Contact Center •ML/Big Data/IoT 제품/서비스 Smart化 •HPC Time-to-Market / Emerging Tech 확보 •Migration TCO 절감 & Asset Light化 CTO
- 3. AWS 환경 내 HPC 기반 Design Environment 구축 CAD/CAE/EDA 최적화 달성 VS. •제한된 Computing Power 병목 현상에 부딪힘 •비싼 Shared File Storage에 全 시뮬레이션 정보 저장 •H/W Refresh Cycle에 대한 대응 필요 •값비싼 고사양 Workstation 필요 •Scalability 병렬처리로 Time-to-Market 혁신 •S3/MVNE 등 Storage Option 성능/비용 효율성 •최신 Instance로의 지속적인 혁신 •Thin Client 기반 안정성 높은 Remote Access 가능 산업을 막론하고 다수의 기업들이 AWS HPC를 활용한 Time-to-Market 혁신을 달성 中
- 4. 7nm의 IT challenge & 사업 불확실성 Resource Gap 존재 MediaTek case1 “7nm 차세대 반도체가 고도화된 기술을 바탕으로 생산됨에 따라 디자인의 정교함, EDA workload, 및 compute 스케일 또한 배가 되었으며…사업 불확실성에 따른 R&D 계획 변동으로 인해 resource gap이 증가하는 문제가 발생하고 있습니다.” -Yi-Ching Lee, General Manager, IT, MediaTek VS 필요 리소스량 예측 실제 필요 리소스량 • 트랜지스터 집적도, EDA job 개수, 프로젝트 당 서버 수가 모두 10배 이상 증가함 • 사업 불확실성으로 인해 R&D 계획에 변동 발생 Resource gap 야기됨
- 5. AWS Hybrid Cloud 도입 후 Challenge 해결 가변적 사업 수요에 맞춘 유연적 resource 제공 MediaTek case1 “하이브리드 클라우드 솔루션은 점점 더 진화하고 있고, 더욱 빨리 확산되고 있으며, 더 많은 엔터프라이즈에서 scaling 목적으로 도입하고 있습니다…저희도 AWS 하이브리드 클라우드를 도입해 성공적으로 사업적 유연성에 대응할 수 있었습니다.” -Yi-Ching Lee, General Manager, IT, MediaTek • 5G-SoC tapeout 스케줄에 맞추기 위해 1주일 안에 1,000대 이상의 대용량 메모리 서버가 필요했음 • AWS 클라우드를 도입해 강력한 클라우드 인스턴스를 대거 활용하여 제한된 시간 내에 성공적으로 목표를 달성함 클라우드 도입을 통해 극단적으로 가변적인 사업 수요에 발빠르게 대응 가능 Clou d(가변적 수요) (고정적 수요)
- 6. Hybrid Cloud로 향상된 IT agility로 최초로 클라우드 기반의 EDA로 N7-SoC 생산 성공 MediaTek case1 “자사의 5G SoC tapeout 스케줄을 위해 하이브리드 클라우드를 도입해 IT agility를 향상시킬 수 있었으며, 가변하는 사업 수요 또한 만족시킬 수 있었습니다…결과론적으로 5G SoC 프로젝트는 성공적이었습니다.” -Yi-Ching Lee, General Manager, IT, MediaTek • AWS와의 seamless collaboration을 통해 다음과 같은 성과 달성; 1) 산업 내 최초로 클라우드 기반의 EDA를 바탕으로 N7-SoC 프로젝트를 성공적으로 수행 2) 1,000대의 EC2 Instance를 통해 30,000 Core 확보 1,200만 Core-Hours 활용 Resource gap Closing 3) 대량의 active 데이터 관리
- 7. AWS의 HPC 기반 백만 vCPU 활용 HDD 시뮬레이션 시간 20일에서 8시간으로 단축 Western Digital1) Case2 “기존의 제약들로부터 벗어나면, 그때부터는 워크플로우를 어떻게 하면 이전에는 불가능했을 정도로 가속화시킬 수 있을까 등의 고민을 할 수 있게 됩니다” - Barry Bolding, Director of Business Development, HPC, AWS 클라우드 도입 전 클라우드 도입 후 20일 소요 총 8시간으로 시간 단축 1) Western Digital (WD): 미국의 하드 디스크 생산업체. 2012년 히타치의 하드디스크 사업부를 인수하고 세계 최대의 하드디스크 생산업체로 등극
- 8. AWS HPC 기반 CFD (Computational Fluid Dynamics) 경주 시뮬레이션 시간 수일에서 8시간으로 단축 Formula 1 Case3 “ • Formula 1 팬들의 니즈는 보다 치열한 Race 공기역학이 중요! • Downforce: 구동력강화와 조종성향상을 위해 차체를 노면 쪽으로 누르는 힘 • CFD1) Wind Tunnel2) Track Test의 Golden Triangle로 차량 최적화 • Formula 1 차량 설계의 Key: Aerodynamic Wake Effect의 최소화 • Wake Effect 문제를 AWS HPC기반 CFD로 해결 • One Car 시뮬레이션에 기존 4일 소요 AWS HPC로 Two Car 시뮬레이션 8시간 내 완료 • [신차 개발] 1초 차 Downforce 저감: 30 5%
- 9. AWS ML (Machine Learning) Stack 가장 넓고 완성도 있는 ML 역량 제공 VISION SPEECH TEXT SEARCH NEW CHATBOTS PERSONALIZATION FORECASTING FRAUD NEW DEVELOPMENT NEW CONTACT CENTERS NEW Amazon SageMaker Ground Truth Augmented AI SageMaker Neo Built-in algorithms SageMaker Notebooks NEW SageMaker Experiments NEW Model tuning SageMaker Debugger NEW SageMaker Autopilot NEW Model hosting SageMaker Model Monitor NEW Deep Learning AMIs & Containers GPUs & CPUs Elastic Inference Inferentia FPGA Amazon Rekognition Amazon Polly Amazon Transcribe +Medical Amazon Comprehend +Medical Amazon Translate Amazon Lex Amazon Personalize Amazon Forecast Amazon Fraud Detector Amazon CodeGuru AI SERVICES ML SERVICES ML FRAMEWORKS & INFRASTRUCTURE Amazon Textract Amazon Kendra Contact Lens For Amazon Connect SageMaker Studio IDE NEW NEW NEW NEW NEW +Medical NEW
- 10. Lean ML (Distributed ML) on AWS ML Training 시간 16배 단축 Toyota Research Institute Case4 “우리는 Machine Learning계에 Toyota Production System이 있다면 그것이 무엇일까 계속 고민했다. Distributed Machine Learning on AWS가 바로 ‘Lean’으로 가는 해답이었다. ” -Adrien Gaidon, Machine Learning Lead, TRI • Distributed Machine Learning on AWS 아키텍처를 통해 Iteration Cycle에 대한 소요시간 16배 단축 • 초기 S3 Data를 CPU로 보내 이미지 로딩/변환 후 GPU로 DL 구동 Slow • Performance 최적화 Journey 시작 ‒S3 RAM Disk Distributed FS ‒CPU 증량 P3 P3 분산처리 • Lean: Bottleneck 찾아 최적화하는 것 • Object Detection 후 다음 상황 예측 Collide Prevention 등 수행 • 도로 / 하늘 / 차량 등 고해상도 이미지 Training 시간이 Bottleneck (수개월)
- 11. AWS ML/HPC 서비스 활용 유전체 Classification 정확도/소요기간 혁신 Insitro1) Case5
- 12. Modern Technology 기반 시장 경쟁력 강화 지향 Public Cloud 도입 통한 효과적 기술 역량 확보 Verizon Case6 “AWS는 Verizon Transformation의 Key Component다. Verizon의 에너지는 고객 가치 창출에 집중시키고, AWS의 Cloud 서비스를 통해 On-Demand Scale, 안정성을 확보하여 Application Modernization을 달성중이다. 특히, 먼저 Experiment하고 Fail Fast해서 혁신 속도를 높이는데 AWS를 활용 중이다. ” –Mahmoud El-Assir, SVP & CTO, Verizon • Verizon은 Cloud 등 Technology Journey를 전사적인 차원에서 수행 중 • Modern Technology를 통해 신규 고부가 시장을 창출하는 것이 Mission • 효율성, 스피드, 혁신성에 집중 Cloud로의 전환을 통해 기술 투자를 자본에서 비용으로 전환하는 것이 핵심 • AI/ML, RPA, AR/VR, Chatbot 등 Emerging Tech 적용 차별화된 고객 경험 제공 및 시장 경쟁력 확보
- 14. © 2020, Amazon Web Services, Inc. or its affiliates. All rights reserved. AWS를 활용한 LG 그룹 인공지능 인프라 구축 장석복 팀장 LG Sciencepark
- 15. 목차 1. LG 사이언스파크 소개 3. AI 인프라 활용 4. 맺으며 2. LG 그룹 AI 개발 인프라
- 16. 1. LG사이언스파크 소개 LG사이언스파크는 그룹의 역량을 총집결하여 새로운 기술 및 비즈니스 혁신을 창출하기 위하여 설립 되었으며, 현재는 그룹의 『디지털 트렌스포메이션』, 『미래준비 R&D』를 리딩하는 그룹의 Hub 역할을 하고 있습니다.
- 17. LG, AI 경쟁력 강화 박차…그룹 통합 AI개발 인프라 구축 (‘19.11.26) AWS 클라우드 기반으로 멀티 GPU를 활용… 딥러닝 작업 시간을 30% 이상 단축 개발자들이 손쉽게 AI를 활용할 수 있도록 사용자 그래픽 인터페이스(GUI)를 적용 계열사 간 AI 알고리즘을 공유해 개발자 생태계를 활성화하고 오픈 이노베이션 추진 국내 대기업 가운데 처음으로 ‘퍼블릭 클라우드‘ 기반 구축
- 18. AI 개발인프라 구축 이유 Custom ML 모델학습 단계 데이터수집/저장 학습용 데이터가공/처리 학습환경셋팅 및준비 학습및 모델튜닝 배포 방법1. Pre-packagedAI 사용 방법3. CustomML 모델 학습방법2. AI 플랫폼 기반 개발 AI 개발 방법 그룹의 인공지능/머신러닝 모델을 개발하는 모든 들이 일할 수 있는 환경 노하우를 공유하고 문제를 해결할 수 있는 환경을 제공
- 19. 컴퓨팅자원 포탈 학습 자원 관리 8개계열사AI개발자들의공통인프라로 계열사/프로젝트/사용자단위자원/비용모니터링 특징 학습DB & 인프라 그룹 AI포털 2. 그룹 통합 AI 개발 인프라 1 학습용DB저장소 컨테이너 ML Framework 1 통합 계정관리 자원 & 비용 모니터링 게시판 (Q&A,최신기술) 2 3 프로젝트생성및멤버생성후, ML프레임워크포함된 분석환경빠르게생성 2 AWSEC2와Storage서비스를이용하여 학습용DB저장하고다양한인스턴스사용 3계열사별 그룹 공용 전자 U+ CNS 화학 이노텍 Display 생활건강 하우시스
- 20. 통합 AI 과제/자원 모니터링1 기능 상세 통합로그인 회원계정생성,로그인,계정DB관리 프로젝트현황 계열사별프로젝트진행상황 (과제멤버,과제내용파악) 자원관리 각계열사별과제자원사용현황 비용관리 청구부서단위(개발조직)로세분화된 비용현황
- 21. 포탈 AI개발Hub 쉽고 빠른 학습 자원 생성 및 사용2 • 분석 과제 단위로 프로젝트 관리 • Docker 기반의 컨테이너 개별 생성 • 프로젝트에 할당된 서버 Quota 한도 안에서 필요한 자원 선택 가능 • Custom 분석 환경 생성
- 22. 보안 및 편의성이 높은 아키텍처3 • Architecture 특징 1) 보안성 강화 - 계열사별 VPC 분리 구성하고 학습 전용망 연결 2) 청구부서 (AWS계정) 단위 분리 - 학습 자원 (GPU, EFS 등) 사용량 만큼 분리 청구 지원 - 다양한 Instance Type 지원 (p3, p2, g4dn 등) 3) 학습 준비 및 학습 시간 단축 - 셀프 분석환경 생성, 멀티 GPU 병렬 실행 학습 지원
- 23. 3. AI 인프라 활용 인공지능/머신러닝 통한 문제 해결 과정과 LG AI 우수사례 공유하기 위한 시스템은 AWS 클라우드 기반 AI 개발 인프라를 활용하고 있습니다. 『AI 고급 문제 해결 』인재 육성 『AI우수 사례 공유 시스템』 구축 • LG그룹내AI 전문가양성과정 • 멘토-멘티간현업의문제해결위한협업 • AI연구결과물및활용우수사례의전파/확산 • 알고리즘/데이터/기술문서등AI연구자산공유 CCTV 영상 데이터 <통신> <전자> <화학> <….>
- 24. 4. 맺으며 … AI Best Utilizer
- 25. © 2020, Amazon Web Services, Inc. or its affiliates. All rights reserved.
- 26. 감사합니다 © 2020, Amazon Web Services, Inc. or its affiliates. All rights reserved.