이벤추얼 vs 트레이시스

이벤추얼 장단점

• Pandas에 익숙한 데이터 사이언티스트라면 낮은 학습 곡선으로 바로 사용할 수 있어 진입 장벽이 낮습니다. Rust 기반 코어 덕분에 대용량 이미지·비디오 처리에서 PySpark 대비 10배 이상 빠른 성능을 보여준다는 벤치마크 결과가 있으며, 오픈소스로 공개되어 있어 자체 인프라에 배포하거나 코드를 검수할 수 있습니다. 또한 클라우드 스토리지(S3, GCS, Azure Blob)와 직접 연동해 데이터 이동 없이 원격에서 바로 처리할 수 있어 대용량 데이터를 다루는 팀에 특히 유용합니다.

• 2024년에 설립된 초기 스타트업이라 장기적인 제품 로드맵과 기업 지속성에 대한 불확실성이 있습니다. 한국어 문서나 커뮤니티 지원이 전무해 영어 문서만 의존해야 하며, 아직 GUI 기반 대시보드가 없어 터미널과 코드 중심으로만 작업해야 합니다. 또한 Snowflake나 Databricks처럼 SQL 기반이 아니라 Python 중심이라 기존 데이터 웨어하우스 인프라와 통합할 때 추가 학습과 아키텍처 변경이 필요할 수 있습니다.

트레이시스 장단점

• 가장 큰 장점은 검색 속도와 정확도입니다. 수천 시간 분량의 녹화본에서 특정 대상을 찾는 시간을 며칠에서 단 몇 분으로 단축하며, 허위 알람을 95% 이상 제거하여 보안 팀의 피로도를 획기적으로 낮춰줍니다. 또한 기존 CCTV나 NVR 시스템을 교체할 필요 없이 API나 온프레미스 방식으로 기존 인프라에 지능형 기능을 바로 추가할 수 있다는 유연성이 돋보입니다. 얼굴 정보를 수집하지 않으면서도 추적이 가능해 프라이버시 보호와 보안이라는 두 마리 토끼를 잡았다는 평가를 받습니다.

• 고성능 생성형 AI 모델을 구동하기 위해 강력한 GPU 자원이 필요하므로, 대규모 시스템 도입 시 인프라 구축 비용이나 클라우드 구독료가 중소규모 업체에는 부담스러울 수 있습니다. 또한, 자연어 검색의 정확도가 카메라의 해상도나 조명 조건(야간, 역광 등)에 따라 영향을 받을 수 있으며, 텍스트 프롬프트 해석 능력이 영어에 최적화되어 있어 복잡한 한국어 묘사 시 성능 저하가 발생할 우려가 있습니다. 아직은 대형 보안 기업들에 비해 사용자 커뮤니티나 한글화된 기술 지원 문서가 부족하다는 점도 아쉬운 부분입니다.

이벤추얼 주요 기능

• 이미지·비디오·오디오 멀티모달 데이터 1등 시민 지원
• Rust 기반 고성능 분산 데이터프레임 연산 엔진
• S3·GCS·Azure Blob 클라우드 스토리지 직접 연동
• Apache Iceberg·Delta Lake·Hudi·Paimon 주요 오픈 레이크 포맷 통합
• Ray 클러스터 및 GPU 가속 기반 인프라 관리
• df.shuffle() 등 ML 데이터 준비 전용 API 제공

트레이시스 주요 기능

• 자연어 텍스트 프롬프트 기반 시맨틱 영상 검색
• 얼굴 인식 없는 객체 재식별(Re-ID)로 프라이버시 보호
• 수천 개 RTSP 스트림 동시 실시간 분석
• 허위 알람 필터링으로 보안 팀 피로도 감소
• API·엣지 AI 어플라이언스·독립형 세 가지 배포 방식 지원
• Milestone 및 Hanwha Vision VMS 플러그인 연동