팝콘사의 채승엽 대표가 우리나라의 SDV 발전을 위해 올바른 정책 개발을 위한 SDV 정의, 새로운 E/E 아키텍처, 반도체, 파트너십의  조화, Chiplets 방식 고성능 반도체, SW 인재 확보 방안에 대해 말한다.   

글 | 채승엽 대표, PopcornSAR, sychae@popcornsar.com 

채승엽 대표는 AUTOSAR 분야에서 16년 이상 개발 활동을 하고 있다. 2008년~2010년 10월까지 일본 JASPAR에서 Classic Platform 표준화 활동에 참여했고, 2017년부터 AUTOSAR 협회에서 Adaptive Platform 표준화 멤버로 활동하고 있다. 2014년 AUTOSAR Adaptive Platform 전문기업 PopcornSAR를 창립해 Adaptive Platform 도구 및 스택 국산화에 성공했다.  

연재기획: 
1. 중국 정부 주도 SDV API 표준화 및 양산 적용 - 일본 정부, 토요타-혼다-닛산에 긴급대책 요청
2. 토요타의 아린 OS 양산 적용 및 전략
3. 우리나라의 SDV 현황 및 방향 
4. 미국 GM, Stellantis의 SDV 전략 및 현황
5. 독일 VW와 Bosch의 SDV 전략 및 현황
6. AWS Cloud Native 개발 환경으로 양산 적용한 Volvo와 BMW 

연관기사: 지멘스, 소프트웨어 정의 반도체 이네이블러 (autoelectronics.co.kr)


우리나라의 SDV 국가 정책 현황 

필자는 2023년부터 과학기술정보통신부, 2024년 8월부터 산업통상자원부 SDV 분과 위원으로 활동하면서 정부, 기업, 대학 등의 다양한 SDV 의견 및 정보를 듣게 됐다. 먼저 SDV를 논하기 위해서는 SDV 산업의 정의가 중요하다는 것을 깨달았다. SDV 산업의 정확한 정의 없이 국가 정책을 정할 수 없다. 하지만 SDV에 대한 정의에 대한 국내 전문가들 의견이 서로 많이 다르다. 
필자 의견은 SDV 정의는 국제표준 단체인 ‘SDV ALLIANCE’를 따르는 것이 올바르다는 판단이다. 왜냐면 자동차는 글로벌 시장이고, 여기서 많은 이해관계자의 의견을 통합해 정리했고 이 정의를 정책에 반영해야 글로벌 경쟁력이 될 수 있기 때문이다. 국가가 바라는 것도 국가 정책이 우리나라 기업들이 글로벌 경쟁력을 높이는 것이라고 생각한다.



글로벌 SDV 협의체 SDV ALLIANCE의 SDV 정의 

2024년 1월 9일 SDV ALLIANCE가 출범했고 SDV를 정의했다. SDV ALLIANCE는 기존 표준화 단체의 연합으로 AUTOSAR, COVESA, Eclipse SDV, SOAFEE 등 4개 연합과 함께 출범했다(그림 1).



그림 1 | 4개 단체 연합의 SDV ALLIANCE


4개 단체는 목표하는 바, 표준화 범위도 다르다. 그래서 4개 단체가 SDV 범위 전체에서 영역을 나눠 협력한다. 각각 단체가 고민하는 SDV 표준화 범위는 다음과 같다(그림 2).

 [참고: SDV ALLIANCE 설명 영상 (2024.06.11 AOC 2024)  https://www.youtube.com/watch?v=Wrdl8aTMBRk 

1) AUTOSAR:  Classic AUTOSAR와 Adaptive AUTOSAR를 SDV 어떻게 적용할 것인가?
2) COVESA:  SDV에 대한 차량 데이터를 클라우드에 어떻게 저장하고 활용할 것인가?
3) Eclipse SDV:  SDV에 대해 어떤 오픈소스를 가져다 사용할 것인가?
4) SOAFEE:  SDV에 대해 AUTOSAR 및 OS (Android,  QNX ,  VxWorks 등)를 어떻게 클라우드 네이티브 개발 환경으로 제공할 것인가?





그림 2 | 각 SDV 관련 단체의 다른 표준화 영역


SDV ALLAINCE의 SDV 정의는 다음과 같다. 
SDV는 하드웨어 중심에서 소프트웨어 중심으로 전환된 차량을 의미한다. 이 개념은 차량 기능이 소프트웨어에 의해 정의되고 제어되며, 새로운 기능과 서비스를 도입하고, 차량 수명 주기를 연장하며, 항상 최신 상태로 유지하고, 안전(Safe)하고 보안(Secure)된 상태로 만드는 데 중점을 둔다. SDV는 차량 사용자(Vehicle User)와 제조업체 간 새로운 관계와 비즈니스 기회를 창출할 수 있는 가능성 제공을 목표로 한다. SDV ALLAINCE는 차량 양산 이후의 차량 사용자가 차량 제어 애플리케이션을 개발해 넣을 수 있는 생태계를 언급한다. 이것은 중국 정부의 2022년 11월 10일 CAAM-SDV 백서( http://sdv.caam.org.cn/uploads/file/20221118174907_103.pdf )와 동일한 내용이다. 즉, SDV는 차량 제어 애플리케이션을 개발할 수 있는 생태계가 존재해야 한다. 

차량 사용자(Vehicle User)가 차량 제어 애플리케이션을 개발을 할 수 있는 생태계를 구축하려면 무엇을 해야 하는가?
첫째, SDV API를 표준화해야 한다. 둘째, 차량 데이터는 활용할 수 있게 클라우드에 저장돼 있어야 한다. 셋째, 클라우드 네이티브 개발 환경[통합 개발 환경(IDE) 및 가상제어기]을 제공해야 한다.  SDV API의 표준화에 대해 이야기하면, SDV API 표준화 방식은 크게 둘로 나눌 수 있다. 하나는 내재화 방식으로, 기업이 내부적으로 자체 표준을 개발하는 것을 의미한다. 토요타와 폭스바겐이 대표적인 예다. 다른 하나는 개방형 방식으로, 외부와 협력해 표준을 구축하는 방식으로, 중국 정부가 주도하는 SDV API가 이에 해당한다. 여기서는 일반적으로 전 세계 시장의 80%를 차지하고 있는 AUTOSAR 표준을 따르는 것이 권장된다. 토요타, 폭스바겐, 중국 정부 모두 AUTOSAR를 선택해 SDV API 표준을 구축하고 있다. 하지만 목표 시장이 전 세계의 20% 정도라면, 굳이 AUTOSAR를 선택하지 않고 독자 기술로 개발하는 것도 가능하다. 참고로 2023년도 세계 1위 토요타도 시장점유율은 10.7%에 불과하다. 중요한 것은 차량 사용자가 차량 제어 애플리케이션을 개발할 수 있는 생태계를 구축하는 것이다.

차량에서 생성되는 데이터는 막대하며, 이를 효과적으로 관리하고 활용하기 위해서는 클라우드 저장소가 필수적이다. 클라우드에 데이터를 저장하면, 다양한 애플리케이션이 실시간으로 여기에 접근할 수 있고, 이를 통해 인사이트를 도출하고 차량 성능을 향상시킬 수 있다. 또, 클라우드 기반 데이터 저장소는 확장성과 유연성을 제공해, 필요한 경우 데이터 용량을 빠르게 증가시키거나 다른 시스템과 통합하는 것이 용이하다.
SDV는 클라우드 네이티브 개발 환경을 제공해야 한다. 이는 IDE와 가상 제어기를 클라우드 기반으로 제공하는 것을 말한다. 클라우드 네이티브 개발 환경은 개발자들이 물리적 하드웨어에 의존하지 않고, 어디서든 차량 제어 애플리케이션을 개발하고 테스트할 수 있게 한다. 또한, 가상 제어기를 사용하면 실제 차량 없이도 다양한 시나리오를 시뮬레이션할 수 있어 개발 및 테스트 과정에서 효율성을 극대화할 수 있다. 이는 개발 주기를 단축하고, 더욱 안정적이고 혁신적인 애플리케이션을 빠르게 시장에 출시하는 데 중요한 역할을 한다. 예를 들어, 삼성전자 전장사업팀은 24년 2월 삼성전자 기술 블로그( https://techblog.samsung.com/blog/article/277 )에서 클라우드 네이티브 개발 환경의 중요성을 ‘개발자들은 웹 브라우저를 통해 언제 어디서나 개발을 시작할 수 있다. 클라우드 네이티브 플랫폼은 가상 타깃을 사용해 실제 하드웨어 없이도 소프트웨어 개발과 테스트가 가능하도록 하고, 클라우드에서 빌드된 바이너리를 수정 없이 하드웨어에 배포할 수 있다’고 언급하면서 실제 디지털 콕핏 사례를 보여줬다.  

위 언급한 내용 외에도 SDV를 실현하려면, 소프트웨어 중심으로 차량 기능과 성능을 정의하기 위한 새로운 E/E 아키텍처 도입, 차량 반도체 도입 및 자체 개발, 전략적 파트너십 구축을 고려해야 한다.


새로운 E/E 아키텍처, 반도체, 파트너십의 조화       
 
SDV를 위한 아키텍처는 현재 크게 2가지로 나뉜다. 첫째는 완성차가 리딩해 특정 티어 1이 ECU 및 HW를 가져오더라도 고성능 제어기(Cental Computer)의 SW에서 해결하는 중앙집중형 아키텍처이고 둘째는 강력한 티어 1(티어 0.5라고도 함)이 리딩해 다양한 완성차 고객에게 표준화된 HW를 바탕으로 가격 및 제품 경쟁력을 제공하는 Zonal 아키텍처가 있다.

중앙집중형 아키텍처의 대표적인 사례는 미국 테슬라다. 토요타는 중앙집중형 아키텍처를 위해 아린 OS를 만들고 있다. 중앙집중형이 성공하려면 자체 고성능 반도체를 직접 만들어야 한다. 한편, Zonal 아키텍처의 대표적인 사례는 중국의 화웨이다. 어느 방식이 맞다고 판단할 수는 없지만, SDV 비즈니스 전략에 따라 아키텍처가 정해진다고 볼 수 있다. 

토요타는 덴소와 함께 SDV 개발에 나서고 있는데, 덴소는 오로지 토요타 차량을 위해 이 기술을 최적화하려는 전략을 실행 중이다. 이 중앙집중형 아키텍처 전략으로, 토요타, 덴소와 지분관계가 있는 파트너들이 중심이 돼 SDV 컨소시엄을 구성하고 있다. ‘쇼군 전략’이라고 표현할 수 있는 토요타는 일본의 Open SDV API 표준화 작업에 불참을 선언했고, 그들의 아린 OS에 집중하겠다고 했다. 반면 혼다, 닛산, 미쓰비시 등 3사는 그리고 24년 8월 1일 SDV 공동개발 연합을 선언했다. 

토요타는 2026년 아린 OS가 적용된 렉서스 전기차에 중앙집중형 아키텍처에 Zonal 아키텍처가 반영된 형태로 양산한 후 2030년 중앙집중형 아키텍처로 양산을 목표로 한다. 




그림 3 | 덴소의 토요타를 위한 SDV SW 전략(24. 7. 12)
https://www.denso.com/-/media/global/about-us/investors/business-briefing/2024-software/2024-software_strategy_briefing_en.pdf 



그림 4 | 토요타, SDV 실현 위해 덴소 중심 SDV 컨소시엄 구축(24. 7. 12)


토요타는 이 중앙집중형 아키텍처를 위한 ‘Chiplets’ 방식의 고성능 AI 반도체를 만들려 23년 12월 1일 14개(OEM 6개, 티어 1 3개, 반도체 3개, EDA 2개) 기업(표 1)과 ASRA(Advanced SoC Research for Automotive, https://asra.jp )를 만들었다. 자체 개발 Chiplets 방식의 고성능 AI 차량 반도체는 2030년 양산 적용을 목표로 한다.



표 1 | 일본 Chiplets 방식의 고성능 차량 AI 반도체 ASRA 참여 기업


“Part 1. 중국 정부 주도 SDV API 표준화 및 양산 적용”에서 언급했듯이 화웨이는 iDVP(Intelligent Digital Vehicle Platform) Zonal 아키텍처로 중국 내 14개 완성차에 22년부터 양산 적용을 해왔다. 화웨이는 중국 정부의 SDV API 표준화에 힘입어 iDVP를 중심으로 70개 이상의 전략적 파트너를 구축했다. 대표적인 파트너는 보쉬, 콘티넨탈, 셰플러, KOSTAL, BYD Technology, ADIENT, NAEN 등이 있다. 중국 내 티어 1의 ECU도 iDVP와 연동해 Zonal 아키텍처가 반영돼 양산 적용됐다. 



그림 5 | 화웨이의 iDVP Zonal 아키텍처로 중국 내 많은 완성차가 양산됨, S&P Global.



일본은 왜 자체 개발 고성능 AI 반도체에 Chiplets 방식을 적용하는가? 

먼저, Chiplets 방식 고성능 반도체 생산은 2019년 AMD가 데스크톱 PC용 CPU Ryzen 3000시리즈에 적용했었고, 인텔은 2023년 CPU와 GPU를 통합한 데스크톱 PC용 Meteor Lake 시리즈를 양산했다. 
인텔은 2024년 8월 8일 중국 선전서 차량용 AI 반도체 Arc A760A를 발표했는데, 이는 6나노 공정 X86 기반의 1.95 GHz 속도의 28개 Xe 코어, 16 GB GDDR6 비디오 메모리, 시스템 버스 PCIe 4x16, 전력소비 12 ~ 45 W, AI 성능 229 TOPS를 제공하는 게 특징이다. AEC-Q100 인증도 받아 -40 ~ 105도에서 동작한다. 중국의 Zeekr, 미국의 Karma Automotive가 채택했다고 알려진 Arc A760A는 2025년 1분기 대량 생산을 시작한다. 

24년 8월 8일, 인텔 Arc A760A 발표 영상:
https://www.intel.com/content/www/us/en/newsroom/news/intel-brings-discrete-gpu-automotive-ai-cockpit.html#gs.dv0el8 

인텔l Arc A760A의 차별성은 1개 SoC에 여러 화면을 출력하기 위해 Hypervisor의 SW용 VirtIO 방식이 아닌 HW용 SR-IOV 기술 적용해 기존 약 43% 효율성의 VirtIO보다 99% 효율성인 HW용 SR-IOV을 선보인 것이다.



그림 6 | 인텔 Intel Arc A760A 기반 중앙집중형(Zonal) 아키텍처(24. 8. 8)


그림 7 | Intel Arc A760A의 Central Compute, 2개 PCB 기판 사용(24. 8. 8)


그림 8 | Hypervisor의 SW용 VirtIO 방식이 아닌 HW용 SR-IOV 기술 적용
(Intel의 HW용 SR-IOV 기술:
https://www.intel.com/content/www/us/en/newsroom/news/intel-plans-for-software-defined-vehicle.html#gs.dctbe9 )


반도체 회사 입장에서 고성능 AI 반도체가 Chiplets 방식을 사용할 밖에 없는 이유는 크게 2가지 기술적 이슈에 있다. 
(‘Chiplets 설계, NVIDIA가 결국 할 수밖에 없는 이유’, 24. 1: https://www.youtube.com/watch?v=q7zuZLoY8X0 ) 
첫째, 반도체 웨이퍼에 채우는 칩 다이 크기가 수율에 영향을 준다(그림 8), 즉, 칩 다이가 클수록 웨이퍼에서 낭비 발생이 높아지고, 반도체 수율이 급격히 떨어진다(반도체 공급에도 영향). 따라서 생산 비용이 급격히 높아진다(표 2). 코로나 시기에 자동차 회사들은 반도체 공급 부족으로 인한 차량 생산 지연을 경험해봤다.



표 2 | M1, M1Pro, M1Max 생산 비용





그림 9 | Apple 노트북의 M1, M1Pro, M1Max 칩 다이와 수율 관계
(Apple 반도체 수율 및 가격, 21. 10. 28:
https://medium.com/macoclock/is-apple-fleecing-you-a682c851a48e )


둘째, 반도체 나노 공정의 기술적 한계와 가격이다(그림 9). 나노 공정이 정밀할수록 1개 반도체 웨이퍼 다이의 크기를 더 줄일 수 있다. 하지만 5나노 공정 이하에서는 아날로그 I/O와 메모리를 더 줄일 수 없다. 또 5나노 이하부터는 나노 공정 가격이 급등한다. 인텔도 1.8나노 기술력을 보유하고 있지만, 6나노 공정으로 차량 AI 반도체를 만들었다. 

(AMD가 Chiplets 방식을 선택한 이유, 22. 12.12: https://www.club386.com/amd-radeon-rx-7900-xtx-review-rise-of-the-chiplets/ )



그림 10 | AMD가 Chiplets를 선택한 이유. 나노 공정의 기술적 한계와 가격


일본 완성차의 Chiptlets 방식 채택은 위 2개 이유를 포함하면서 자동차 분야의 특성에 따른 한 가지 이유가 더 있다. 이는 고가 차량에서 중저가 차량까지 적용하는데 필요한 반도체 기능을 Chiplets로 조합할 수 있고, 해당 Chiplets에 구성된 Chiplets 별 SW 패키지를 일체화해 차량 반도체를 만들겠다는 것이다. 이것을 자동화하는 차량 SW 패키지 자동 생성 개발 툴을 덴소가 2027년 상용화한다는 목표다. 일본 완성차는 중앙집중형 아키텍처의 고성능 AI 반도체로서 Chiplest 기술로 Ucle(Universal Chiplet Interconnect express) 규격을 사용해 내부 Chiplet SoC 간 지연이 20ns 정도면 적합하다고 판단했다.



그림 11 | 차종에 따른 Chiplet SoC 조합과 차량 SW 패키지 자동 생성 툴


가장 중요한 SW 인재 확보           

SDV를 실현하려면 SW 인재 확보가 가장 중요하다. 
차량 SW 인재가 얼마나 부족한지에 대한 덴소의 조사에 따르면, 일본 내 차량 SW 인력은 24년 현재 6.5만 명이고, 2030년이면 14.7만 명이 필요하다. 24년 기준 덴소 전체 인력은  16.2만 명, 이 중 SW 인력은 1.2만 명(일반 IT 1만 명 + 차량 관련 0.2만 명)이다. 2030년이 되면 SW 개발 인력은 1.5배인 1.8만 명인데, SW 개발량은 3배(2배 효율 필요), SW 매출은 4배(0.8조엔)가 된다. 즉, 이것을 달성하기 위해서는 SW 인력 채용만으로는 어렵다는 것이다.

보쉬는 2026년까지 전 세계 약 40만 명의 직원에게 리스킬링(Reskilling)을 추진하기 위해 약 2.8조 원을 투자할 계획이다. 덴소는 이러한 보쉬의 SW 인재 전략을 벤치마킹하고 있으며, 토요타는 2025년까지 9천 명의 직원을 대상으로 리스킬링을 실시하고 있다.

*   리스킬링(Reskilling) : 기존 직원들에게 새로운 기술과 지식을 학습하도록 하여, 변화하는 산업 환경에 적응할 수 있도록 하는 교육 프로그램이다. 예를 들어서 공장 노동자가 개발자로 전직하기 위해서 프로그래밍 언어를 습득

사실, 2002년 당시 필자는 삼성전자 CTO 전략실 기술기획팀에 근무하면서 이건희 회장의 요청으로 진행된 ‘삼성전자 SW 경쟁력 강화 방안 TF’에서 활동했는데, 당시에도 SW 인력 채용만으로는 충분한 SW 인재 확보가 어렵다는 것을 인식해 리스킬링 의무화를 전사적으로 펼친 바 있다. 심지어 팀원이 아무리 바쁘더라도 장기간 진행하는 SW 교육에 보내지 않은 임원, 팀장에게는 인사 평가에 불이익이 반영됐다. 이를 통해 삼성전자는 빠르게 SW 경쟁력을 확보할 수 있었으며, 피처폰부터 스마트폰으로의 전환과 반도체에서 SW 경쟁력으로 이어갈 수 있었다. 

삼성전자뿐 아니라, LG전자도 비슷한 전략을 사용했다. LG전자는 모바일 사업을 정리하고 전장사업으로 전환하면서 리스킬링을 실시했다. 이 과정에서 LG전자는 2016년부터 2018년까지 2년 6개월 동안 팝콘사와 단독 계약을 통해 ‘Classic AUTOSAR’ 교육을 실시했고, 초/중/고급 과정을 통해 총 408명의 Classic AUTOSAR 전문가를 육성했다. 이런 리스킬링 노력 덕분에 LG전자는 전장사업에서 흑자 전환을 성공적으로 이뤄내며 사업 안정성을 확보할 수 있었다.

<저작권자 © AEM. 무단전재 및 재배포, AI학습 이용 금지>