模力方舟（Gitee AI）

模力方舟（Gitee AI）란?

모력방주（Gitee AI）は AI 애플리케이션 개발을 위한 "원스톱" 플랫폼으로, 다양한 사전 훈련 모델을 모아 모델 체험, 추론, 훈련, 배포부터 애플리케이션까지의 관련 기능을 제공합니다. 플랫폼의 핵심 목표는 개발자가 인프라를 직접 관리하지 않고 모델을 더 빠르게 비즈니스나 애플리케이션에 통합할 수 있게 하는 것입니다.

플랫폼 내에서 사용자는 온라인 체험과 표준 인터페이스를 통해 모델 추론을 수행할 수 있으며, 맞춤형이 필요할 경우 모델 미세 조정과 데이터 전처리를 할 수 있습니다. 컴퓨팅 측면에서는 탄력적 GPU 컴퓨팅 리소스를 임대하며 다양한 GPU 유형 선택을 지원합니다. 또한, 애플리케이션 개발자를 위한 애플리케이션 마켓과 배포 수익화 지원을 제공하여 모델 결과를 사용 가능한 애플리케이션으로 게시하고 "모델에서 애플리케이션까지"의 폐쇄 루프 프로세스를 형성합니다.

주요 기능

Serverless 대형 모델 추론 API: 추론 시나리오를 위한 API 서비스를 제공하며, 하부 인프라 관리가 불필요함을 강조; 자동 확장/축소, GPU 가속, 저지연 특성 지원(페이지 표기 기준).
온라인 모델 체험 및 표준 인터페이스: 모델 체험 진입점을 제공하며 OpenAI SDK와 호환되는 표준 인터페이스를 지원하여 기존 애플리케이션이나 개발 워크플로에 쉽게 통합.
다중 모달 모델 커버리지 및 지속 업데이트: 텍스트, 이미지, 오디오, 다중 모달 등 다양한 모델 유형 지원, 모델 지속 업데이트 강조.
모델 미세 조정 및 훈련 추적: 모델 미세 조정(Model Finetune) 기능 제공; 데이터 전처리(예: 이미지 라벨링 및 자르기) 포함, 시각화 훈련 추적 기록 제공(예: Loss 배치별 변화).
탄력적 GPU 컴퓨팅 임대(Reserved GPUs): 주문형 GPU 컴퓨팅 임대, 단일 카드부터 대규모 클러스터까지 지원, 시간 단위 임대 및 시작/중지 기능.
국산 이종 컴퓨팅 적응: NVIDIA GPU 외에 Moore Threads, Ascend 등 국산 이종 컴퓨팅 선택 지원, 국산 소프트/하드웨어 기술 스택 적응 및 최적화 제공.

模力方舟（Gitee AI） 사용 방법

추론 경로 선택
먼저 플랫폼에서 모델 체험; 이후 플랫폼의 표준 인터페이스( OpenAI SDK 호환) 또는 추론 API를 통해 모델을 애플리케이션에 통합.
맞춤형 필요 시: 데이터 준비 및 미세 조정
비즈니스 데이터 준비 후 플랫폼 내장 데이터 전처리 도구(예: 이미지 라벨링/자르기)로 처리; 미세 조정 모듈에서 훈련 시작, 시각화 인터페이스에서 훈련 추적 정보(예: Loss 등 지표) 확인.
컴퓨팅 및 개발 환경 주문형 구성
탄력적 컴퓨팅 필요 시 GPU 주문형 임대; 브라우저 작업 구역에서 내장 프레임워크 및 Jupyter 개발 환경으로 개발 및 검증.
배포 및 애플리케이션화(애플리케이션 마켓 상장)
모델 기능을 서비스화 후 플랫폼 애플리케이션 마켓으로 배포 및 상장; 플랫폼의 프로모션 및 상업화 지원과 결합해 사용자에게 서비스 게시.

사용 사례

추론 API로 텍스트 또는 다중 모달 기능 빠르게 출시: 애플리케이션에 표준 추론 API 통합으로 텍스트 생성 및 이미지/오디오 관련 기능 구현, 플랫폼의 자동 확장/축소 특성으로 급증 트래픽 대응.
특정 비즈니스 데이터 맞춤 미세 조정(이미지 관련): 플랫폼 내장 이미지 라벨링 및 자르기 도구로 데이터 전처리 후 모델 미세 조정; 시각화 훈련 추적으로 Loss 배치별 변화 확인, 훈련 스키마 반복 지원.
시간 단위 GPU 임대로 훈련/추론 및 자원 제어: 훈련 또는 추론 작업에서 시간 단위 GPU 컴퓨팅 임대, 언제든 시작/중지로 작업 부하 및 자원 사용 리듬 맞춤.
국산 컴퓨팅 옵션 필요 시 배포 자원 계획: 배포 또는 훈련 환경에서 국산 이종 컴퓨팅 옵션 필요 시 Moore Threads, Ascend 등 지원 활용해 자원 선택 및 계획.
모델 결과를 사용 가능 애플리케이션으로 게시: 애플리케이션 마켓 프로세스로 서비스 상장 및 배포, 상장/심사/프로모션/트래픽 분발 메커니즘으로 사용자에게 기능 제공.

자주 묻는 질문

1. 플랫폼에서 인프라를 직접 관리해야 하나요?
플랫폼 추론 API는 serverless 방식으로 인프라 자가 운영 불필요 강조. 탄력적 GPU 임대 선택 시에도 플랫폼 제공 자원 사용; 페이지에서 사용자 정의 운영 여부 추가 세부 사항 없음.

2. 기존 코드 직접 통합 가능한가요?
플랫폼은 OpenAI SDK 호환 표준 인터페이스 지원 선언. OpenAI SDK 워크플로 사용하는 애플리케이션이라면 플랫폼 모델을 기존 개발 방식에 쉽게 통합.

3. 미세 조정 및 훈련 과정 모니터링 지원하나요?
지원. 페이지에서 모델 미세 조정 서비스 제공, 내장 시각화 훈련 추적 기록(예: Loss 배치별 변화) 언급.

4. 국산 GPU 또는 이종 컴퓨팅 지원하나요?
지원. 페이지에서 NVIDIA GPU 외 Moore Threads, Ascend 등 국산 이종 컴퓨팅 선택 명시, 국산 소프트/하드웨어 기술 스택 적응 및 최적화 제공.

5. 모델에서 애플리케이션까지 게시 기능 제공하나요?
제공. 페이지에서 AI 애플리케이션 개발자向け 애플리케이션 마켓 기능 나열, 상장/서비스 배포/상업화 수익화 관련 전체 체인 지원.

대안

자체 모델 추론 서비스 구축(자가 관리 추론 프레임워크/서버): 하부 운영에 숙련된 팀, 고도 맞춤 제어 필요한 시나리오 적합. serverless 추론 대비 인프라 및 운영 작업 더 필요.
일반 클라우드 AI 추론 플랫폼/모델 호스팅 서비스: 모델 추론 및 배포에 사용 가능하나, 인터페이스 표준, 모델 체험, 애플리케이션 상장/생태 연동 여부에서 모력방주（Gitee AI)의 "원스톱" 경로와 다를 수 있음.
오픈소스 훈련 및 미세 조정 툴체인(자체 훈련 자원 결합): 훈련 프로세스 및 환경 완전 제어 희망 사용자 적합. 플랫폼 내장 미세 조정 및 시각화 추적 대비 자가 구축은 더 많은 자율 관리 필요.
애플리케이션 빌드 플랫폼(로우코드/워크플로 오케스트레이션) + 외부 모델 API: 애플리케이션 프로토타입 빠르게 구축 목표 시 워크플로 오케스트레이션과 외부 모델 기능 조합 가능; 모델 체험/훈련/배포 등 링크 자가 연결 필요, 단일 플랫폼 폐쇄 루프 의존 아님.