Menu
NO.1: P2P 거래소 디시
NO.2: P2P 코인 구매
NO.3: p2p 비트코인 찾기
NO.4: 바이낸스 p2p 거래 방법
NO.5: 비트코인 p2p 거래 방법
NO.6: 비트코인 p2p 디시
NO.7: 코인 P2P 거래 디시
NO.8: 코인 P2P 거래 불법
NO.9: 코인 P2P 거래소
NO.10: 테더 P2P 거래
한동수 교수 연구팀‘스펙엣지’
데이터센터 대신 주변 GPU로
LLM 인프라 비용 67.6% 낮춰 데이터센터 외부의 소비자급 그래픽처리장치(GPU)를 활용해 대형언어모델(LLM) 인프라 비용을 낮추는‘스펙엣지’기술을 개발한 한국과학기술원(KAIST) 전기및전자공학부 한동수 교수 연구팀이 기념촬영을 하고 있다.왼쪽부터 박진우 박사,조승근 석사과정,한 교수.KAIST 제공 
한국과학기술원(KAIST) 연구진이 소비자급의 저렴한 그래픽처리장치(GPU)를 활용해 인공지능(AI) 서비스를 더 싸게 제공하는 기술을 개발했다.해당 기술이 상용화되면 더 많은 사용자들이 고품질의 AI 서비스를 부담 없이 이용할 수 있게 된다.
KAIST는 전기및전자공학부 한동수 교수 연구팀이 데이터센터 외부의 소비자급 GPU를 활용해 대형언어모델(LLM) 인프라 비용을 크게 낮추는 기술‘스펙엣지(SpecEdge)’를 개발했다고 28일 밝혔다.스펙엣지는 데이터센터의 GPU와 개인 PC·소형 서버 등에 탑재된‘엣지 GPU’가 역할을 나눠 LLM 추론 인프라를 구성하는 방식이다.해당 기술을 적용한 결과 기존 데이터센터 GPU만 사용하는 방식에 비해 토큰당 비용이 약 67.6% 절감됐다.
연구팀은 기술 개발에‘추측적 디코딩’이라는 방법을 활용했다.엣지 GPU에 배치된 소형 언어모델이 토큰 시퀀스(단어 또는 단어 일부가 순서대로 이어진 형태) 초안을 생성하면,코인 P2P 거래 사이트데이터센터의 대규모 언어모델은 이를 검증·수정한다.엣지 GPU는 서버의 응답을 기다리지 않고 계속 단어를 만들어 LLM 추론 속도와 인프라 효율을 동시에 높인다.실제 데이터센터 GPU에서만 추측적 디코딩을 수행하는 방식과 비교해 비용 효율성은 1.91배,서버 처리량은 2.22배 향상됐다.또 일상적인 인터넷 속도에서도 문제없이 작동해 실제 서비스에 바로 적용할 수 있는 기술임을 확인했다.
이번 연구에는 KAIST 박진우 박사와 조승근 석사과정이 함께 참여했다.연구 결과는 이달 2~7일 미국 샌디에이고에서 열린 인공지능 분야 최고 권위 국제 학회인 신경정보처리시스템 학회에서 상위 3.2%의‘스포트라이트’논문으로 발표됐다.
