엑소와트, 소형 AI로 정확도·비용 개선

ai.euno.news 자동 뉴스 요약

태양광 에너지 시스템 업체 엑소와트(Exowatt)가 아마존 세이지메이커 AI(Amazon SageMaker AI)의 서버리스 모델 맞춤화 기능으로 업무별 소형 모델을 미세조정해 범용 프런티어 모델보다 높은 정확도를 기록했다. AWS 머신러닝 블로그에 따르면 이 모델들은 엣지와 클라우드 환경을 각각 겨냥하며, 비용은 프런티어 모델보다 최대 49분의 1로 낮췄다.¹

엑소와트의 주력 제품 P3는 광학 렌즈로 태양 에너지를 모아 장주기 열 배터리에 저장한 뒤, 필요할 때 열기관으로 전기를 생산한다. 전력망에 연결하는 일반 태양광 설비와 달리 데이터센터 구내에서 직접 전력을 공급해 수년이 걸릴 수 있는 전력망 연결을 기다리지 않아도 된다는 게 회사 설명이다.

문제는 운영 규모였다. 엑소와트의 에너지 관리 시스템(EMS)은 부품의 비정상 동작, 연결 끊김, 허용 범위를 벗어난 전압 같은 경보를 계속 생성한다. 현장 장비가 수천 대로 늘어나면 사람이 모든 경보를 실시간으로 살펴보기 어렵다. 엑소와트는 경보 상태를 읽고 다음 조치를 결정하거나 권고하는 AI 에이전트가 필요했다.

범용 프런티어 모델은 이 조건에 맞지 않았다. 경보 분류에는 엑소와트 고유의 하드웨어와 데이터, 운영 규칙이 필요했다. 현장에는 GPU가 없고 인터넷 연결도 불안정할 수 있어 클라우드 호출에 의존하기 어려웠으며, 반복되는 판단을 모두 프런티어 모델에 맡기면 장비 수에 따라 비용도 커졌다. 이에 엑소와트는 GPU 없는 엣지 제어기에서도 실행할 만큼 작으면서 특정 업무에는 충분히 정확한 모델을 미세조정했다.

기존 방식에서는 오픈 웨이트 모델을 고른 뒤 컨테이너와 학습 절차를 직접 만들고, GPU 인스턴스 종류와 용량까지 정해야 했다. 선택한 인스턴스를 확보하지 못하면 실험이 늦어지거나 중단됐다. 서버리스 맞춤화로 바꾼 뒤에는 원시 운영 데이터를 검증된 학습 세트, 미세조정 모델, 평가를 마친 배포 산출물로 전환하는 과정을 반복 가능한 파이프라인으로 묶었다. AWS는 이 작업 기간이 수개월에서 수일로 줄었다고 밝혔다.

다만 공개된 결과는 경보 분류와 에너지 시장 분석이라는 두 가지 좁은 업무에서 나온 첫 산출물이다. 정확도의 구체적인 수치와 평가 방식, 비교한 프런티어 모델은 제공된 자료에 제시되지 않았다. 따라서 “프런티어 모델을 앞섰다”는 결론은 AWS와 엑소와트가 설정한 특정 평가 범위의 성과로 읽어야 한다.

읽기 목록은 이 브라우저에 저장됩니다.