AI 인프라 구축 고민, 한방에 해결!

현대의 비즈니스 환경에서 AI는 점점 중요해지고 있습니다. 특히, 기업 고유의 LLM(언어 모델) 및 생성형 AI는 개인화된 서비스, 고객 경험 향상, 그리고 새로운 비즈니스 모델 창출 등 다양한 분야에서 혁신적인 변화를 가져오고 있죠. 금융 기업들은 생성형 AI를 활용해 개인화된 투자 전략을 제안하거나, 고객의 금융 행동 패턴을 분석하여 맞춤형 금융 상품을 추천해 주고, 의료 분야에서는 LLM을 활용하여 복잡한 의료 기록을 자동으로 요약하거나, 환자의 증상을 입력받아 진단을 도와주는 챗봇을 제공합니다.

또한 자동차 회사들은 GPU를 활용하여 자율주행 차량의 센서 데이터를 처리하고, 실시간으로 주행 경로를 최적화합니다. 이를 위해 대량의 주행 데이터를 학습하여 자동차의 자율주행 알고리즘을 지속적으로 향상시키고 있고요. 영화 및 게임 산업에서는 GPU를 사용하여 매우 사실적인 그래픽을 생성하거나, VR 및 AR 환경에서의 사용자 경험을 향상시키는 데 필요한 실시간 렌더링을 진행하고 있습니다.

이러한 AI의 활용은 강력한 컴퓨팅 능력을 필요로 하는데, 특히 병렬 연산에 특회된 GPU 컴퓨팅이 큰 역할을 하고 있습니다. GPU는 순차처리에 특화된 CPU와 달리 병렬 처리가 강점이어서, 대량의 데이터를 빠르게 처리할 수 있죠. 이는 AI 모델 학습에서 특히 중요한데, 대규모 데이터셋을 사용하여 모델을 훈련시키기 위해선 강력한 성능의 GPU 컴퓨팅 자원이 필수적입니다.

이와 같은 상황에서, NVIDIA, Lenovo, VMware와 같은 기업들은 각각의 전문성을 바탕으로 AI 및 GPU 컴퓨팅의 발전을 주도하고 있습니다. 이번 콘텐츠에서는 이들 기업이 어떻게 협력하여 혁신적인 솔루션을 제공하고 있는지 자세히 살펴보겠습니다. 주요 아젠다는 아래와 같습니다.

이 콘텐츠는 Lenovo의 지원으로 제작되었습니다.

레노버의 백서 "Lenovo Generative AI 플랫폼" 를 통해 더 자세한 내용을 확인하실 수 있습니다.  

백서 다운로드 바로가기 

​

1. AI 개발 트렌드와 NVIDIA, Lenovo, VMware 3사의 역할

AI 연구를 위해 NVIDIA, Lenovo, VMware 3사는 오랫동안 협력해 왔습니다. AI 개발 트렌드에 따른 3사의 역할을 살펴보기 전에, 먼저 3사의 특징을 간단히 짚어보겠습니다.

 1) NVIDIA

GPU 컴퓨팅은 오랫동안 NVIDIA가 주도해 왔습니다. NVIDIA는 GPU 기술의 선구자로서, 그들의 기술은 현대의 AI 연구와 개발에 있어 핵심적인 역할을 하고 있죠. 특히 CUDA (Compute Unified Device Architecture)는 NVIDIA의 병렬 컴퓨팅 플랫폼 및 API로써 개발자들이 NVIDIA GPU에서 고성능의 계산 작업을 수행할 수 있도록 도와줍니다. 게다가 CUDA는 딥러닝 및 AI 연구에서 핵심적으로 사용되며, TensorFlow, PyTorch 등 대부분의 딥 러닝 프레임워크와 호환되죠. NVIDIA는 강력한 GPU와 자체 서버인 DGX를 앞세워 GPU 컴퓨팅 하드웨어 인프라를 선도하고 있을 뿐만 아니라 CUDA와 다양한 자체 AI 소프트웨어 스택을 통해 AI를 위한 소프트웨어 부문도 이끌어 가고 있다고 봐도 됩니다.

 2) Lenovo 

Lenovo는 세계적인 서버 및 데이터 센터 솔루션 제공업체로, 그들의 고성능 서버 라인업인 ThinkSystem에 NVIDIA GPU를 장착하여 대량의 데이터 처리 및 AI 모델 학습에 최적화된 안정적인 하드웨어 인프라를 제공합니다. 게다가 LiCO(Lenovo Intelligent Computing Orchestration)라는 AI 및 HPC(High Performance Computing) 작업을 위한 소프트웨어 스택을 제공하며, 이를 통해 사용자는 자원 관리, 작업 스케줄링 및 모니터링을 효과적으로 수행할 수 있습니다.

 3) VMware

VMware는 가상화 및 클라우드 인프라스트럭처 솔루션의 선두 주자로, 그들의 기술은 AI 애플리케이션의 안정적인 운영을 지원합니다. vSphere with Kubernetes를 통해 개발자와 IT 운영 팀은 컨테이너 기반의 AI 애플리케이션을 더욱 효과적으로 관리하고 운영할 수 있고요. 가상화된 네트워크 및 보안 솔루션인 NSX-T Data Center로 AI 애플리케이션의 통신을 안전하고 효율적으로 관리합니다. 게다가 업계 최고의 소프트웨어 정의 스토리지 솔루션인 vSAN은 대규모의 데이터를 저장하고 처리하는 AI 작업에 필요한 고성능 스토리지를 제공하고 있죠.

이러한 솔루션들은 NVIDIA, Lenovo, VMware가 각각의 분야에서 AI 및 GPU 컴퓨팅의 발전을 주도하고 있음을 보여줍니다. 그리고 기업들이 자체적인 LLM 및 생성형 AI 솔루션을 구축하고 운영하는 데 큰 공헌을 하고 있습니다.

그렇다면, 앞으로의 AI 개발 트렌드는 어떻게 흘러가고 NVIDIA, Lenovo, VMware 3사는 어떤 역할을 할 수 있을까요? 미래의 AI 개발 트렌드를 크게 4가지 관점에서 알아보겠습니다.

• ●AI 모델의 복잡성 증가
  

최근의 AI 모델들은 복잡성이 증가하고 있습니다. 이는 더 높은 컴퓨팅 파워와 효율적인 하드웨어 인프라를 필요로 합니다. 이러한 상황에서 NVIDIA는 고성능의 GPU를 통해 복잡한 모델의 연산을 지원하며 Lenovo는 이러한 GPU를 효과적으로 활용할 수 있는 서버 인프라를, VMware는 복잡한 환경에서도 가상화와 클라우드 기반의 솔루션으로 안정적인 운영할 수 있도록 돕습니다.

• ●엣지 컴퓨팅의 성장

AI를 활용한 데이터 처리는 더 이상 중앙화된 데이터 센터에서만 이루어지지 않습니다. IoT와 연결된 디바이스에서의 실시간 처리가 중요해지면서 엣지 컴퓨팅의 중요성이 증가하고 있습니다. 이러한 엣지 컴퓨팅의 성장속에서 NVIDIA는 Jetson과 같은 엣지 디바이스를 제공하여 실시간 AI 처리를 지원합니다. Lenovo는 엣지 환경에 최적화된 서버와 저장 장치를 제공하며, VMware는 엣지 환경에서도 안정적인 가상화 솔루션을 제공하여 연결성과 안정성을 보장하고 있습니다.

• ●AI 모델의 보안 및 개인정보 보호

AI 모델의 학습 데이터와 결과에는 많은 개인정보와 민감한 정보가 포함될 수 있습니다. 이에 따라 모델의 보안 및 개인정보 보호가 큰 이슈로 부상하고 있는데요. Lenovo와 NVIDIA는 하드웨어 및 소프트웨어 수준에서의 보안 기능을 지속적으로 개발하고 통합해, 외부의 보안 위협으로부터 안전한 하드웨어 인프라를 제공합니다. 그리고 VMware는 하드웨어 인프라 위에서 활용되는 데이터의 보안 및 가상화 환경에 최적화된 보안 솔루션을 제공하여 AI 작업의 보안을 강화하고 있습니다.

• ●전이 학습과 모델 재사용
  

매번 새로운 데이터로 모델을 처음부터 학습시키는 것은 시간과 리소스가 많이 듭니다. 이에 따라 전이 학습과 모델의 재사용이 중요한 트렌드로 부상하고 있죠. NVIDIA의 GPU와 관련 라이브러리는 전이 학습을 효율적으로 지원하며 Lenovo의 서버는 빠르게 변하는 작업 환경을 지원하는 데에 안성맞춤입니다. VMware는 여러 작업 환경 간에 자원을 효율적으로 배분하여 전이 학습과 같은 작업을 지원하고 있습니다.

* 전이 학습 : 이미 학습된 모델의 지식을 새로운, 다른 작업에 재활용하는 학습 방법. 개와 고양이 이미지를 가지고 개와 고양이를 구별하는 AI 모델을 학습시켰다면 이 모델의 데이터를 가져와 미세조정한 뒤 리트리버나 웰시코기 등 특정한 동물을 구별하는 데에 활용할 수 있음

​

2. 3사 협력의 결과물 : Lenovo Generative AI 플랫폼

NVIDIA, Lenovo, VMware 3사는 앞서 살펴본 AI 개발 트렌드에 알맞은 맞춤형 플랫폼을 선보이고 있습니다. AI의 유행에 불을 당긴 ChatGPT와 같은 거대언어모델, LLM(Large Language Models)에 최적화된 생성형 AI 전용 플랫폼인데요. 여기서 생성형 AI가 무엇인지 자세히 다룰 필요는 없을 것 같고, Lenovo Generative AI 플랫폼의 특징을 간단히 살펴보겠습니다.

• ■아키텍처

<보다 큰 사이즈의 아키텍처는 첨부의 백서에서 확인하실 수 있습니다.>

생성형 AI, 그리고 LLM을 위해서는 강력한 GPU 컴퓨팅 자원이 필요합니다. Lenovo는 자사의 서버 하드웨어에 NVIDIA L40s GPU를 장착하고, 가상화 환경에서 AI 워크로드와 데이터 운영 및 하드웨어 자원을 효율적으로 활용할 수 있도록 도와주는 솔루션인 VMware Private AI Foundation과 기업이 다양한 유형의 AI 모델을 빠르게 개발할 수 있도록 돕는 NVIDIA AI Enterprise 프레임워크를 결합한 풀스택 AI 플랫폼을 제공하고 있습니다.

AI 연구의 시작은 AI를 위한 환경을 갖추는 것 부터인데, 이 과정이 만만치 않습니다. 어떤 하드웨어와 소프트웨어를 사용하는 것이 나을지, 그리고 향후 규모가 커져 확장이 필요할 때 제대로 확장할 수 있는지, 학습 및 추론 성능은 제대로 나올수 있는지에 대한 충분한 검증 과정이 필요하죠. 하지만, 이미 NVIDIA, Lenovo, VMware 3사가 검증한 아키텍처를 기반으로 설계된 Lenovo Generative AI 플랫폼은 기업이 자체적인 하드웨어 인프라 위에 오픈소스 기반의 소프트웨어 스택을 올리고 AI 모델 훈련을 수행할 수 있는 환경을 갖추는 데에 필요한 노력을 상당부분 절감시켜 줄 수 있습니다.

따라서, 기업은 Lenovo Generative AI 플랫폼을 도입해 곧바로 자신들이 확보한 데이터를 기반으로 AI 모델을 학습시킬 수 있습니다. 이는 곧 기업의 AI 연구 속도를 향상시켜 다른 AI 기업들과의 경쟁에서 앞서나갈 수 있는 토대가 되는, Lenovo Generative AI 플랫폼의 가장 큰 강점이라고 할 수 있겠습니다.

• ■NVIDIA L40s GPU

<보다 큰 사이즈의 아키텍처는 첨부의 백서에서 확인하실 수 있습니다.>

OpenAI의 ChatGPT 3.5는 NVIDIA A100 GPU를 2만대 넘게 사용한다고 알려져 있습니다. NVIDIA A100의 후속 제품인 H100은 가격이 수천만원에 달할 정도로 비싸지만 현재 시장에서 품귀현상에 이를 정도로 인기가 좋은데요. 사실, 자체적인 AI를 개발하기 위해 뛰어든 모든 기업들이 ChatGPT와 같은 거대한 AI 모델을 개발하려는 것은 아닙니다. 그들이 가진 데이터를 기반으로 학습하고 추론하면 되는데, 이제 막 AI를 시작하려는 기업에게 NVIDIA A100이나 H100은 다소 과할 수 있거든요.

그래서 NVDIIA는 AI의 대중화를 위해 새로운, 보다 컴팩트한 크기의 데이터센터 GPU인 L40s를 최근에 출시했습니다. 이전 세대인 Ampere 아키텍처 기반의 NVIDIA A100보다 성능은 좀 더 뛰어난데 전력 효율은 더 좋고요. 가격도 30% 더 저렴하고 공급도 원활해서 구하기도 쉽습니다. 따라서, 이미 충분히 AI 연구에 익숙해져있어 NVIDIA H100과 같은 초고성능의 GPU가 필요한 기업이 아니라면, NVIDIA L40s가 제격입니다. Lenovo Generative AI 플랫폼은 NVIDIA L40s GPU를 사용하며, 물론H100 GPU를 장착한 모델을 선택할 수도 있습니다.

​

3. Lenovo Generative AI 플랫폼 활용 방안

그렇다면 Lenovo Generative AI 플랫폼을 어느 분야에 어떻게 활용할 수 있을까요? 업종 별로 나누어 각각의 상황을 가정하고, Lenovo Generativ AI 플랫폼이 필요한 이유, 그리고 사용했을 때 얻을 수 있는 기대효과로 간단히 정리해 보겠습니다.

 1) 스마트 제조 기업

• ■상황 가정
  

스마트 제조 기업은 제조 공정 중의 다양한 데이터를 수집하고 분석하여 효율적인 생산 및 품질 관리를 위한 인사이트를 얻고자 합니다. 이를 위해 실시간으로 센서 데이터 분석, 이미지 인식을 통한 품질 검사, 그리고 예측 유지보수 등의 다양한 AI 기반 작업을 필요로 합니다.

• ■AI 플랫폼이 필요한 이유

• ①복잡한 AI 모델 지원 : NVIDIA의 GPU는 복잡한 AI 모델의 빠른 학습과 추론을 지원합니다.
  

• ②엣지 컴퓨팅 : 제조 현장의 실시간 데이터 처리를 위해, Generative AI 플랫폼과 Lenovo의 엣지 서버, 그리고 NVIDIA의 엣지 디바이스를 활용하면 현장에서의 실시간 분석이 가능해집니다.
  

• ③안정적인 가상화 환경 : VMware의 가상화 솔루션을 사용하면 디바이스에서 수집된 다양한 유형의 데이터와 분석 결과를 안전하게 보호하고, 여러 워크로드를 동시에 안정적으로 실행하고 관리할 수 있습니다.

• ■기대효과

• ①효율적인 생산:  실시간 분석을 통해 생산 공정의 문제점을 즉시 파악하고 조정, 최적화할 수 있습니다.
  

• ②품질 향상 : 이미지 인식 및 분석을 통해 제품의 불량률을 줄이고 고객 만족도를 높일 수 있습니다.
  

• ③비용 절감: 예측 유지보수를 통해 장비의 수명을 연장시키고, 불필요한 정비 비용을 줄일 수 있습니다.

2) 헬스케어 서비스 기업

• ■상황 가정
  

헬스케어 서비스 기업은 환자의 진료 기록, 의료 영상, 유전자 정보 등 다양한 데이터를 활용하여 질병 예측, 치료 방법 추천, 환자 모니터링 등의 서비스를 제공하고자 합니다. 특히, MRI, CT, X-ray 같은 의료 영상 데이터를 분석하여 질병을 빠르게 진단하고, 최적의 치료 방안을 찾는 것이 중요합니다.

• ■AI 플랫폼이 필요한 이유

• ①고해상도 의료 영상 처리 : NVIDIA의 GPU는 고해상도 의료 영상의 빠른 처리와 딥러닝 기반 진단을 가능하게 합니다.
  

• ②데이터 보안 및 저장 : Lenovo의 서버 인프라와 관리 솔루션은 대용량의 의료 데이터를 안전하게 보관하고 빠르게 접근할 수 있도록 지원합니다.
  

• ③가상화 및 원격 진료 : VMware의 가상화 솔루션을 통해 안정적인 가상화 환경에서 원격 진료 서비스와 의료 데이터 접근이 가능해 집니다.

• ■기대효과

• ①정확한 진단 : AI 기반의 이미지 분석을 통해 질병을 빠르고 정확하게 진단할 수 있습니다.
  

• ②효율적인 치료 방안 제시 : 환자의 데이터를 기반으로 최적의 치료 방안을 AI가 추천하며, 의사의 결정을 보조할 수 있습니다.
  

• ③확장 가능한 서비스 : 원격 진료나 원격 모니터링 서비스를 안정적으로 제공하여 서비스 영역을 확장하고, 환자의 접근성을 높일 수 있습니다.

3) 이커머스 플랫폼 기업

• ■상황 가정
  

이커머스 플랫폼 기업은 수많은 사용자와 상품 데이터를 가지고 있으며, 이 데이터를 활용하여 사용자에게 개인화된 쇼핑 경험을 제공하고자 합니다. 또한 실시간 판매 트렌드, 재고 관리, 고객 문의 응답 등의 다양한 작업을 자동화하고 싶어합니다.

• ■AI 플랫폼이 필요한 이유

• ①실시간 추천 시스템 : NVIDIA의 GPU를 활용하여 실시간으로 사용자의 행동과 기존 구매 데이터를 분석하고, 개인화된 상품 추천을 제공할 수 있습니다.

• ②데이터 저장 및 처리 : Lenovo의 서버는 방대한 양의 이커머스 데이터를 안정적으로 저장하고 빠르게 처리하는 데 도움을 줍니다.
  

• ③안정적인 서비스 운영 환경 : VMware의 솔루션을 이용해 이커머스 플랫폼의 다양한 기능들을 안정적으로 운영하며, 피크 시간의 대량 접속에도 원활한 서비스를 제공할 수 있습니다.

• ■기대효과

• ①맞춤형 쇼핑 경험 : 사용자의 선호와 행동을 기반으로 한 AI 기반 추천 시스템을 통해 증가된 판매량과 고객 만족도를 달성할 수 있습니다.
  

• ②효율적인 재고 관리 : 판매 트렌드 예측과 재고 최적화를 통해 불필요한 재고 비용을 줄이고 품절로 인한 매출하락 위험을 최소화시킬 수 있습니다.

• ③자동화된 고객 서비스 : AI 기반의 챗봇 및 고객 응답 시스템을 통해 고객 문의를 신속하게 처리해서 고객 만족도를 높일 수 있습니다.

4) 금융권 기업

• ■상황 가정
  

금융권 기업은 고객의 개인 및 금융 정보를 다루기 때문에 사이버 공격의 주요 대상 중 하나입니다. 이런 공격으로부터 고객의 정보와 자산을 보호하려면 실시간으로 위협을 감지하고 대응할 수 있는 체계가 필요합니다. 그리고 생성형 AI를 활용해 외부의 사이버 위협은 물론 내부 임직원 대상 보안 인식 강화에도 활용하고자 합니다.

• ■AI 플랫폼이 필요한 이유

• ①실시간 위협 감지 : NVIDIA의 GPU를 활용하여 대량의 트래픽 데이터를 실시간으로 분석, 비정상적인 패턴이나 알려진 위협 시그니처를 탐지할 수 있습니다.
  

• ②데이터 중앙화 및 보안 : Lenovo의 서버 솔루션은 금융 데이터의 중앙화, 암호화, 백업 등을 안정적으로 지원합니다.
  

• ③가상화된 보안 환경 : VMware의 솔루션을 통해 보안을 강화한 가상화 환경을 제공해 악성코드에 감염된 인스턴스를 즉각 격리시켜 위협이 대량으로 퍼지는 것을 방지함으로써 데이터와 시스템을 보호할 수 있습니다.

• ■기대효과

• ①가상 환경에서의 위협 시나리오 테스팅: 생성형 AI를 사용하여 실제 금융 시스템과 유사한 가상 환경을 구축하고, 다양한 사이버 공격 시나리오를 생성하여 테스팅할 수 있습니다. 이를 통해 금융 기관은 자신들의 보안 체계가 다양한 위협에 어떻게 대응하는지 평가하고, 미리 대비할 수 있습니다.
  

• ②사기 거래 탐지: AI를 통해 학습된 거래 패턴과 현실의 거래 패턴을 비교하여 사기 거래나 비정상적인 거래를 실시간으로 탐지할 수 있습니다.
  

• ③사용자 행동 학습 및 검증: AI는 사용자의 일반적인 행동 패턴을 학습하고, 이를 기반으로 생성된 패턴과 실제 사용자의 행동을 비교합니다. 만약 큰 차이가 발견되면, 보안 위협으로 판단하여 알림을 보내거나 해당 활동을 차단할 수 있습니다.
  

• ④보안 교육 및 트레이닝: 생성형 AI를 사용하여 가상의 사이버 공격 시나리오를 만들어, 직원들에게 보안에 대한 교육과 트레이닝을 제공할 수 있습니다.

​

4. 결론 : AI를 시작하기 위해 필요한 시간과 노력을 전부 AI 비즈니스에 쏟으려면

지금까지 NVIDIA, Lenovo, VMware 3사가 AI 개발 트렌드에 어떻게 기여할 수 있고, 그들의 협력 결과물인 Lenovo Generative AI 플랫폼이 가진 특징과 활용 방안에 대해 살펴봤습니다. 앞서 잠깐 언급했듯이 Lenovo Generative AI 플랫폼의 진정한 가치는, 기업이 자신들만의 AI 연구를 시작하기 위해 갖춰야 할 인프라 차원의 노력을 크게 절감시켜줄 수 있다는 것인데요. 이로써 기업은 데이터 학습을 통해 AI 모델의 성능을 끌어올리고, 추론된 결과를 비즈니스에 반영해서 기업의 경쟁력을 강화시키는 데에 자원을 집중할 수 있습니다.

그렇다고 AI를 시작하려는 모든 기업에 Lenovo Generative AI 플랫폼이 정답이라는 이야기는 아닙니다. 기업마다 처한 상황은 다르기 때문에 Lenovo Generative AI 플랫폼만 도입하면 바로 AI 연구를 시작할 수 있는 기업이 있는 반면, AI 인프라를 마련하기 전에 먼저 AI 인적자원부터 확보하는 것이 먼저인 기업들도 있을 테니까요. 만약, 어느정도 AI 인적자원 확보가 된 기업이라면, Lenovo Generative AI 플랫폼을 도입하기 전에 아래 내용을 중점적으로 검토해 볼 필요가 있습니다.

• ●ROI (투자 수익률): Lenovo Generative AI 플랫폼을 도입한다는 것은 기존에 없던 새로운 인프라에 투자한다는 것입니다. 따라서 향후 몇 년안에 투자한 금액을 회수할 수 있을지에 대한 면밀한 검토가 최우선 사항으로 진행되어야 하겠고요. 더불어 Lenovo Generative AI 플랫폼이 아닌 기존에 보유한 서버 인프라에 NVIDIA L40s GPU만 도입해서 GPU 컴퓨팅 자원을 마련할 수도 있을겁니다.
  

• ●경쟁 기업과의 비교 : NVIDIA, Lenovo, VMware 외에도 많은 기업들이 AI 인프라와 관련된 솔루션을 제공하고 있습니다. 물론 GPU는 NVIDIA 외에는 대체제가 없다고 봐도 되고, Lenovo와 VMware도 각자의 분야에서 업계를 리딩하고 있는 선도기업이긴 합니다만, 시장에 경쟁 기업들이 없는 것은 아니기 때문에 반드시 비교 검토해보실 것을 권합니다.

• ●실제 사용자 피드백 : Lenovo Generative AI 플랫폼은 최신 솔루션이라 실제 사용자의 의견을 구하기는 쉽지 않을겁니다. 하지만 NVIDIA, Lenovo, VMware 3사가 AI 인프라를 위해 제공하는 다양한 기술, 솔루션들은 이리 오랫동안 시장에서 사용되어 왔기에, AI 전문 커뮤니티나 동종 업계 동향을 살펴보면서 피드백을 수집할 필요도 분명 있다는 점을 기억해 주시기 바랍니다.

어쨌든 중요한 것은, AI를 시작하기 위한 환경을 갖추는 데에 들일 노력을 실제 AI 모델을 개발하고 기업 고유의 비즈니스에 적용하는 데에 기업의 모든 역량을 집중해야 한다는 것입니다. 이를 위해 Lenovo Generative AI 플랫폼이 어떻게 도와줄 수 있는지는 앞서 충분히 설명해 드린 것 같고요. 결국 기업의 경쟁력은 한정된 자원을 어떻게 더 효율적으로 영리하게 활용하느냐에 달려있다는 것을 기억해 주시기 바랍니다.

여기까지 기업 고유의 LLM, 생성형 AI 등 AI 개발에 최적화된 Lenovo Generative AI 플랫폼에 대해 자세히 살펴봤고요. 플랫폼에 대한 보다 구체적인 수치 및 세부 내용은 첨부의 백서를 참고해 주시기 바랍니다. 이 콘텐츠가 본격적으로 뛰어들기 위해 준비 중인 기업의 IT 담당자 분들께 조금이나마 도움이 되었기를 바랍니다. 끝!