Summary

  • 건설 현장의 높은 사고율과 규제 강화로 AI 기반 지능형 관제 잠재 수요 증가 
  • NPU 서버와 멀티모달 AI 모델 파이프라인으로 지능형 관제 솔루션 구현
  • GPU & NPU 하이브리드 시스템: 기존 GPU 기반 코드, AI 서빙 SW와의 높은 호환성으로 별도의 전환 비용, 리소스 없이 NPU 환경에 손쉽게 이식
  • 전력 소모와 발열량 감소로 관제센터 서버실 TCO 절감 효과 입증

Challenge

정부의 ‘중대재해처벌법’ 시행으로 건설현장 등 산업 안전 의무가 강화되었지만, 국내 건설현장을 포함한 산업재해 사망자 비율은 여전히 OECD 평균을 크게 웃돌고 있습니다. 근로자의 생명과 안전은 물론, 기업과 사회적 비용 측면에서도 선진적인 산업 현장 사고 예방 시스템의 도입이 요구되고 있습니다. 건설 현장의 경우, 다수의 인원과 장비가 밀집하고 이동하는 환경의 특성을 고려했을 때, 현장 감독 및 CCTV 관제 요원의 물리적인 관리만으로는 한계가 존재합니다. 이러한 지점에서 CCTV 영상 기반 AI 사전 예방 및 자동화 시스템의 도입이 주목받고 있습니다. 

다만, 산업 현장에 AI 안전 관제 솔루션을 구축하기 위해서는 다양한 고려사항과 과제가 존재합니다. 우선, 건설 현장에 특화된 AI 모델이 개발되어야 합니다. 이를 위해 공사 환경의 위험 요인을 분석하고, 관련된 현장 데이터 확보와 정제의 과정이 필요합니다. 또한, 의미 있는 이벤트를 탐지하고 이를 관제요원에 명확하게 안내할 수 있는 서비스 파이프라인이 요구됩니다. 이에 더하여, 시스템 전반을 관제 센터 내 서버실이라는 한정된 구역에 효율적으로 구축할 수 있어야 합니다. 서버실 내 물리적 공간, 냉각 시스템, 수전용량 등 환경 조건을 충족하는 효율적인 인프라의 구성이 필요합니다. 일반적인 GPU 기반의 AI 하드웨어는 높은 도입 비용은 물론, 막대한 소비 전력과 발열 등으로 제반 조건이 제한된 서버실에서 운영하기에 부담이 상당한데, AI 시스템이 고도화될수록 부담이 가중될 수 있습니다.

Solution

코오롱베니트는 비전 모델과 언어 모델을 결합한 멀티모달, GPU와 NPU를 결합한 하이브리드 인프라로 기존 시스템의 제약을 극복하는 차별화된 AI 기반 안전 관제 시스템, ‘AI 비전 인텔리전스’를 개발했습니다. 코오롱베니트의 ‘AI 비전 인텔리전스’는 CCTV 영상과 건설 현장 데이터를 결합한 멀티모달 구조의 인공지능 모델로 현장 내 안전모 미착용, 위험 구역 접근, 신호수 부재, 중장비 접근 등 다양한 위험 요소를 실시간으로 탐지하고 언어적 알림으로 변환하는 시스템입니다.

특별히 주목할 부분은 멀티모달 구조를 활용하여, 단순 객체 감지뿐만이 아닌 위험 요인의 맥락을 파악하여 의미 있는 이벤트를 정교하게 안내할 수 있는 시스템을 구축했다는 점입니다. 예를 들어, 현장 내 중장비가 접근할 시 이를 탐지하고 주변 작업자의 유무, 신호수의 배치 유무 등을 파악하여 신호수의 신속한 배치와 중장비 주변 안전 확보에 대한 경고를 관제요원에게 구체적인 형태로 안내하는 방식입니다. 이러한 구조는 높은 정확도를 확보하고 오탐지를 방지하며 탐지된 위험 상황을 구체적으로 전달함으로써 사고 예방율을 크게 높이는 데에 기여합니다. 

또한, AI 비전 인텔리전스는 훈련 및 영상 처리용 GPU와 추론용 리벨리온 NPU를 결합하여 시스템 운영 효율성을 높인 솔루션입니다. 현장 데이터의 학습과 CCTV 영상 처리 과정은 GPU에서 수행하고, AI 모델은 저전력으로 고성능 추론이 가능한 리벨리온 NPU 서버에 배포하여 객체 탐지와 언어 생성의 추론 부분을 담당하도록 하는 하이브리드 시스템입니다. 특히, LLM의 경우, 고성능 라이브러리 vLLM을 적용하여 LLM 추론 성능 및 운영 편의성을 강화하였습니다. NPU 도입 과정에는 리벨리온 SDK가 활용되었으며, 기존 GPU 기반의 코드 및 시스템 전반을 손쉽게 이식 가능한 높은 호환성으로 별도의 전환 비용과 추가 리소스 소모 없이 적용되었습니다.

Result

코오롱베니트의 AI 비전 인텔리전스는 코오롱글로벌 건설 현장 관리를 위한 관제센터에 적용되었습니다. 위험 요인을 사전에 파악하고 이를 구체적으로 전달하는 자동화된 시스템의 도입으로, 관제요원은 적확하게 위험 상황을 이해하고 예방 관점의 현장 조치가 가능합니다. 이는 궁극적으로 사고 예방율을 크게 높이는 데에 기여할 것으로 기대됩니다. 

또한, 리벨리온의 NPU 서버는 기존 GPU 서버 대비 유사 서비스 운영에 요구되는 전력 소비를 최대 50% 절감하고 발열량을 약 45% 감축하였습니다. 이는 서버실 내 인프라 운영 비용 감축을 시사하고, 인프라 고도화 시 수전용량, 냉각 시스템 등 관제센터 전반의 TCO 절감 달성으로 연결됩니다.  

이와 같은 솔루션 전반은 코오롱베니트의 자체 기술력과 국산 AI 모델, 국산 AI 반도체인 리벨리온의 NPU를 활용했다는 점에서 한국형 소버린 AI 패키지를 구축했다는 큰 의미를 가지고 있습니다. 향후 ‘한국형 AI 육성 전략’에 발맞추어 자체 기술 기반의 AI 생태계를 조성하고, 산업 현장에 실질적 가치를 제공하는 AI 신사업을 확대해갈 것으로 주목받고 있습니다. 

“리벨리온의 ATOM은 응용 범위가 매우 넓은 NPU입니다. 저희는 GPU ・ NPU 하이브리드 시스템, 멀티모달 추론 등 폭넓은 활용성을 기반으로 안전 관제 솔루션 ‘AI 비전 인텔리전스’를 구현하였고, 우수한 추론 성능과 전력 효율, SW 편의성을 확인하였습니다. 이러한 성과를 바탕으로, 자체 기술 기반의 소버린 AI 생태계를 확대해나갈 예정입니다.” 

Appendix: NPU 활용 가이드

지금 바로 시작하기: 사전 훈련된 모델 준비 → RBLN 컴파일러를 이용한 모델 컴파일 → 컴파일된 모델 로드 및 추론