AI 시대의 재택근무는 여러 대의 컴퓨터를 하나의 효율적인 시스템으로 관리하는 방법을 찾아야 했습니다. 제가 마주한 문제는 골드 트레이딩과 같은 고부하 작업과 높은 리소스를 필요로 하는 AI 작업을 동시에 처리해야 한다는 것이었습니다. 세 대의 기기가 서로 다른 역할을 수행하면서도 효과적으로 연결되도록 작업을 분담하는 것은 흥미로운 프로젝트가 되었습니다.
각 기기의 역할 정의
제 Mac Mini M4 Pro는 높은 속도가 필요한 작업의 메인 머신으로 사용됩니다. 예를 들어, 일상 업무, 골드 트레이딩을 위한 MetaTrader 5 앱 실행, 그리고 iCafeFX 앱의 일상 사용 등이 여기에 해당합니다. 골드 트레이딩은 실시간 결정이 중요하기 때문에 여기서 가장 빠른 응답이 필요합니다.
개인 스토리지는 데이터 허브 역할을 하며, 다른 두 기기의 작업에서 생성된 모든 데이터를 기록합니다. 이는 우리 컴퓨터 시스템을 하나로 묶어주는 닻과 같습니다. 골드 트레이딩 데이터, 가격 이력, 심지어 AI 작업 결과까지 모든 것이 여기에 저장됩니다.
고부하 작업을 위한 RTX 5060 Ti 워크스테이션
RTX 5060 Ti가 장착된 Windows 워크스테이션은 전문적인 고부하 작업을 위한 머신입니다. 저는 이 기기를 AI 모델 학습과 높은 컴퓨팅 파워가 필요한 렌더링 작업에 사용합니다. 특히 이미지 생성을 위한 FLUX 모델과 복잡한 자연어 처리 작업을 위한 Typhoon 모델을 실험하는 장소입니다.
이 기기는 대형 모델을 실행할 수 있는 충분한 성능을 갖추고 있습니다. 특히 아직 실사용 준비가 되지 않은 새로운 모델을 실험할 때 유용합니다. 우리 머신 팀은 이 기기를 백그라운드 계산 서버로 설정하여 Mac Mini가 원활하게 작동할 수 있도록 했습니다.
시스템 간 협업
가장 중요한 것은 이 세 기기의 협업입니다. 저는 Redhat MCP AI를 기기 간 데이터 연결의 중개자로 사용하여 데이터를 지속적으로 공유하고 활용할 수 있도록 합니다. 예를 들어, Mac Mini에서 작업하다가 Windows 워크스테이션에 있는 모델을 사용해야 할 때, 데이터는 빠르게 해당 기기로 전송됩니다.
효율적인 워크플로우 구축에는 상당한 시간이 필요합니다. 특히 각 기기가 자신의 역할을 인지하고 혼란 없이 동시에 작동하도록 하는 것이 중요합니다. 개인 스토리지가 데이터 허브 역할을 함으로써 이러한 연결이 원활하게 이루어질 수 있습니다.
실제 사용에서의 성능
이 시스템을 일정 기간 운영한 후, 특히 AI 작업 측면에서 실제 성능을 측정했습니다. 1차 음성 인식 작업은 약 3.4초 만에 응답할 수 있으며, 이는 이 유형의 작업에 대해 매우 빠른 속도입니다. 기기에 실행되는 언어 모델은 초당 25-28 토큰의 속도로 처리할 수 있어 일상 사용에 충분합니다.
텍스트 유사도 테스트는 0.9956이라는 높은 결과를 보여주어 시스템이 정확하게 작동함을 입증했습니다. 골드 트레이딩 사용이든 AI 작업이든, 모든 것이 성능 문제 없이 원활하게 동시에 작동할 수 있습니다.
다중 머신 시스템 구축에서 얻은 교훈
다중 컴퓨터 시스템 구축은 결코 쉬운 일이 아닙니다. 특히 네트워크 연결과 파일 공유 관리에 대해 많은 교훈을 얻었습니다. 중요한 것은 각 기기가 무엇을 할 수 있고 무엇을 할 수 없는지 명확히 역할을 정의하는 것입니다.
또 다른 중요한 점은 중요한 데이터가 정기적으로 백업되도록 하는 것입니다. 개인 스토리지가 데이터 허브 역할을 함으로써 모든 데이터가 안전하고 시스템 내 모든 기기에서 접근 가능하다고 확신할 수 있습니다.
시스템의 다음 단계
미래에는 이 시스템을 더욱 발전시킬 계획입니다. 특히 AI 시스템과 골드 트레이딩 간의 연결을 강화하여 금 가격 추세를 더 잘 분석할 수 있는 모델을 구축하는 것이 목표입니다. 또한 작업 효율성을 높이기 위해 새로운 모델을 실험하는 것도 제가 집중하고 있는 목표 중 하나입니다.
실제 골드 트레이딩을 시도해보고 싶은 분들을 위해: 우리 파트너를 통해 XM 계좌 개설
