A: 엣지 AI는 라인에서 실시간 추론과 밀리초 응답을 담당하고, 클라우드 AI는 전사 데이터 학습, 모델 반복, 사이트 간 협업을 담당합니다. 결합의 핵심 이점은 실시간성을 유지하면서 지속적으로 진화하는 지능을 얻는 것입니다. 전통적 방식은 로컬 산업용 PC에 규칙을 하드코딩해 지능이 없거나, 모든 데이터를 클라우드로 보내 결과를 기다려 너무 느립니다.
I. 역할 분담: 엣지는 속도, 클라우드는 범위
엣지 AI는 산업용 PC, 엣지 게이트웨이, 어플라이언스에 배포되어 실장기, 사출기, CNC 옆에서 밀리초에서 초 단위 응답이 필요한 비전 검사, 진동 모니터링, 소규모 공정 파라미터 조정을 수행합니다. 클라우드 AI는 여러 라인과 작업장의 데이터를 모아 모델 학습, 수율 추세 분석, 공장 간 스케줄링 최적화를 합니다. 한 전자 공장이 SMT 실장 결함을 검출할 때 엣지는 오프셋과 땜납 부족을 실시간 판정하고, 클라우드는 매주 새 데이터로 모델을 재학습해 갱신된 모델을 엣지로 되돌려 보내 폐루프를 형성합니다.

II. 협력 방식: 모델 배포와 데이터 피드백
실제로 엣지 AI는 추론을 수행하고 어려운 사례와 신뢰도가 낮은 샘플을 클라우드로 되돌려 보내며, 클라우드는 라벨링, 학습, 검증 후 새 모델을 엣지로 푸시합니다. 이 과정은 라인을 세울 필요가 없고 모든 원본 영상을 클라우드로 올리지 않아 대역폭을 절약하고 응답을 앞당깁니다. 한 자동차 부품 기업이 브레이크 패드 표면 결함을 검사한다고 가정하면 엣지는 1초 안에 결과를 반환하고 클라우드는 매월 모델을 반복 개선하여 미검률이 단계적으로 낮아집니다.
III. 기존 방식 대비 이점

첫째, 응답 시간이 초에서 밀리초로 줄어듭니다. 완전 클라우드 방식은 네트워크 지터에 취약합니다. 둘째, 엣지가 전체 데이터가 아닌 어려운 사례만 반환하므로 대역폭과 저장 비용이 급감합니다. 셋째, 모델이 계속 진화합니다. 전통적 규칙 알고리즘은 변경마다 정지와 재작성이 필요하지만 엣지와 클라우드 조합은 라인을 세우지 않고 반복합니다. 넷째, 원본 데이터가 공장을 떠나지 않고 피처나 비식별화 샘플만 전송되므로 프라이버시와 컴플라이언스가 개선됩니다.
IV. MES, ESOP와의 통합
엣지 AI 판정이 작업지시, 배치, 설비에 착지할 때만 실제 가치를 만듭니다. ZEVON이 MES + AI 방향에서 취하는 접근은 엣지 AI 검사 결과와 설비 상태를 MES 작업지시에 직접 기록하고, 동시에 ZEVON ESOP를 통해 최신 작업 지시와 모델 버전을 작업 스테이션 단말로 푸시하여 작업자와 엣지 장치가 같은 기준을 보게 하는 것입니다. ZEVON은 현재 15개 이상 산업에서 120개 이상 고객에 서비스하며, 이 엣지·클라우드·MES·ESOP 조합은 전자, 자동차 부품, 신에너지 시나리오에서 이미 성숙했습니다.
요약: 아직 순수 규칙이나 순수 클라우드 방식을 쓰고 있다면 한 라인에서 엣지 AI 파일럿으로 시작해 어려운 사례 피드백과 모델 배포 경로를 검증한 뒤 여러 라인과 공장으로 확장하십시오. 핵심은 엣지와 클라우드의 경계를 정의하는 것입니다. 엣지에 학습을 시키지 말고 클라우드에 실시간 제어를 시키지 마십시오.