“우리는 테슬라를 넘는다”

튜링의 야마모토 잇세이 CEO(左)와 박정규 겸직교수  

야마모토 잇세이 튜링 공동창립자 겸 CEO                  Yamamoto Issei, CEO of Turing

지난 5월 20일, KAIST 기술경영전문대학원 박정규 겸직교수가 일본의 자율주행 스타트업 튜링(Turing)을 방문해 야마모토 잇세이(山本一成) CEO를 만났다. 야마모토 CEO는 “2030년까지 완전 자율주행 실현”이라는 목표와 함께 테슬라를 추월하겠다는 대담한 비전 'We Overtake Tesla'를 회사의 슬로건으로 내걸고 있다. [편집자 주]

글 | 박정규 겸직교수, KAIST 기술경영전문대학원








대학 재학 시절, 야마모토 잇세이는 일본 장기 아마추어 5단 기력을 보유하고 있었다. 그는 우연한 기회에 컴퓨터 프로그램과 인공지능(AI)을 공부했고, 장기 프로그램인 ‘Ponanza(포난자)’를 개발했다. 초기에는 그다지 장기를 잘 두는 프로그램은 아니었다. 그러나 인공지능 기법을 도입하면서 포난자의 실력이 향상되었고, 2017년 마침내 일본 장기 최고 명인을 꺾는 데 성공했다.
이후 야마모토는 ‘무엇을 더 할 것인가’를 고민하던 중, 카네기멜론대학교(Carnegie Mellon University, CMU)에서 자율주행을 연구하던 아오키 순스케를 만나 2021년, 완전 자율주행 시스템 개발을 목표로 스타트업 ‘튜링’을 공동 창업했다. 회사는 창업 초기부터 인공지능 기반의 엔드 투 엔드(End-to-End, E2E) 방식을 채택해 완전 자율주행 실현을 목표로 하고 있다. 다음은 야마모토 CEO와의 인터뷰 내용이다. 

PARK        최근 자율주행 기술 트렌드는 기존의 규칙 기반(Rule-Based) 방식에서 센서 데이터를 처음부터 끝까지 인공지능으로 통합 처리하는 E2E 방식으로 전환되고 있습니다. 튜링은 E2E 방식을 채택해 완전 자율주행에 도전하고 있는 스타트업입니다. 먼저 간단한 소개를 부탁드립니다. 저는 야마모토 CEO께서 도쿄대학 재학 시절 성적이 좋지 않아 유급을 한 후, 인공지능에 관심을 갖고 본격적으로 공부를 시작한 것으로 알고 있습니다. 
YAMAMOTO        예 맞습니다. 도쿄대학 신입생은 고마바(駒場) 캠퍼스에 먼저 입학합니다. 그리고 성적이 좋지 않으면 혼고 캠퍼스로 갈 수 없는데, 저는 성적이 좋지 않아 유급을 했습니다. 그때 시간적인 여유가 있었습니다. 당시, 앞으로 유망하고 성장할 분야가 어디일지 많은 생각을 했습니다. 2008년이나 2009년쯤이었던 것 같은데, 당시에는 인공지능이 지금처럼 인기가 있지는 않았습니다. 그때는 무어의 법칙에 따라 반도체 집적도가 계속 증가하고 있었고, 그 흐름 속에서 새롭게 도전할 수 있는 분야를 찾다가 인공지능을 공부하게 됐습니다.



 

PARK        그럼, 그때 처음으로 컴퓨터와 인공지능을 접하신 건가요? 
YAMAMOTO        맞습니다. 솔직히 당시에는 키보드를 겨우 칠 수 있는 수준에 불과했습니다. 


PARK        사실 저는 기계공학을 전공했고, 석·박사 과정 중에 프로그램을 짜본 경험이 있습니다. 다만, 그때 제가 했던 것은 어디까지나 정확히 수식화된 이론과 문제가 있고, 그 해답을 구하기 위해 문제를 세부적으로 분해해 컴퓨터를 이용하여 계산하는 방식이었습니다. 일종의 환원주의(Reductionism)에 입각해 프로그램을 짜고 결과를 얻었습니다. 그런데 인공지능을 공부하면서 처음에 상당한 거부감이 있었습니다. 한마디로 ‘이게 뭐지?’라는 생각이 들었습니다. 왜 그런 결과가 나왔는지 정확하게 설명하기 어려웠기 때문입니다. 아마도 제가 기계공학을 전공해서 더욱 그랬는지 모르겠습니다. 혹시 처음 인공지능을 공부할 때, 그런 느낌을 받지 않았나요?   
YAMAMOTO        기계공학뿐 아니라 많은 분야가 환원주의에 기반하고 있습니다. 환원주의란 ‘사물을 분해해 그 세부 구조를 이해해면, 그것의 합인 전체를 이해할 수 있다’는 관점입니다. 이는 인류가 복잡한 문제를 해결하기 위해 지금까지 싸워왔던 가장 중요한 접근 방식입니다. 
환원주의적 접근이 지난 세기 동안 문제를 해결해온 방식이라면, 21세기와 22세기의 문제 해결 방식은 다를 수 있다고 생각합니다. 사실 저는 어릴 때부터 뭔가 나누고 분류(classification)하는 방식을 별로 좋아하지 않았던 것 같습니다. 


PARK        그럼, 처음부터 인공지능이 적성에 잘 맞았던 것 같네요?
YAMAMOTO        가령 분류라는 것도 문화권에 따라 다릅니다. 예를 들어, 나비를 분류할 때 ‘蝶(접, 나비)’은 낮에 활동하는 나비를 뜻하고, 밤에 활동하는 나비는 ‘蛾(아, 나방)’라고 합니다. 그런데 프랑스는 이런 식의 분류가 없습니다. 결국 분류의 방식은 문명에 따라서도, 또 사람의 관점에 따라서도 달라집니다. 즉, 세상을 다양한 기준으로 나누어 보는 방법도 있지만 저는 세상이 꼭 그렇게만 나뉘는 것은 아닐 수도 있다는 생각을 갖고 있습니다. 어쩌면 인공지능이 제 적성에 잘 맞았던 것은 제가 평소에 가지고 있던 이런 철학 때문인지도 모르겠습니다.

 


PARK        아마 제가 인공지능을 처음 접했을 때 느꼈던 거부감을 내려놓고, 그냥 받아들이는 것이 좋겠다고 생각을 바꾸기까지는 거의 4~5년이 걸렸던 것 같습니다. 자동차 산업도 지금 여러 가지 변화가 일어나고 있는데, 기존 자동차 제조사들이 쉽게 받아들이기 어려운 변화 중 하나가 바로 자율주행에 있어서 새로운 방식으로의 전환이라고 생각합니다. 과거에는 규칙기반 방식으로 엔지니어가 어떤 규칙을 만들어서 프로그램을 했지만, 지금은 E2E 방식으로 빠르게 전환되고 있는 것 같습니다. 특히 2025년 상하이 모터쇼를 다녀온 뒤로는 이러한 변화를 더 실감하게 됩니다. 튜링은 처음부터 E2E 방식을 통해 완전한 자율주행을 추구하는 기업이라고 할 수 있겠죠?    
YAMAMOTO        맞습니다. 과거의 자율주행은 ‘인지’, ‘예측’, ‘판단’, ‘제어’ 등 각각의 모듈이 있고 단계적으로 처리하는 방식이었지만, 지금은 일관된 네트워크를 이용하는 방식입니다. 결국, 분류를 하는 것보다 단일화된 네트워크를 이용하고, 무엇이 필요하고 무엇이 필요 없는지를 사람의 손이 아닌 인공지능이 스스로 학습하고 결정하는 방식입니다.






PARK        인공지능을 활용해 E2E 방식으로 자율주행을 구현하는 경우, 경쟁사도 모두 같은 방식으로 접근한다면 어떤 식으로 차별화를 만들어낼 수 있을까요? 결국 인공지능이라고 해도 좋은 성과를 내는 곳이 있는가 하면, 그렇지 못한 곳도 있는 게 현실 아닌가요?
YAMAMOTO        우리는 데이터를 직접 수집합니다. 그래서 인공지능 훈련을 위한 데이터를 상당히 높은 수준으로 관리하는 것을 목표로 합니다. 인공지능 학습에 필요한 데이터를 만들기 위해 사람이 실제 도로에서 직접 운전한 데이터를 수집해야 합니다. 그래서 저희 회사의 현장을 보시면 아시겠지만, 우선 수준 높은 드라이버를 선발해 충분히 훈련시킨 뒤, 실제 도로에서 운전 데이터를 취득하는 방식을 채택하고 있습니다. 이렇게 취득한 데이터는 클렌징(data cleansing)과 검증(validation) 과정을 거치고, 이를 바탕으로 제대로 된 인공지능 모델을 개발해 사용합니다. 진행 중에도 중간 결과를 지속적으로 확인하며, 중간 결과가 기대에 미치지 못할 경우에는 데이터 취득 방법을 바꾸는 등 스스로 개선해 나갑니다. 한마디로, 이 모든 과정을 ‘내재화(內製化)’하고 있습니다. 이런 일은 단순히 엔지니어 개인의 역량 문제라기보다, 회사 조직 구조와 구성원들이 가진 책임감의 문제라고 생각합니다. 물론 뛰어난 AI 개발 인력이 있다는 전제가 있어야겠지만, 이에 더해 회사 조직으로서의 체제와 문화 역시 매우 중요하다고 인식하고 있습니다.


PARK        최근 상하이 모터쇼에 다녀왔습니다. 그곳에서 호라이즌로보틱스(Horizon Robotics)의 자율주행 시스템이 탑재된 차량을 직접 타볼 기회가 있었습니다. 복잡한 중국 도로 환경에서 거의 1시간 동안 자율주행이 이뤄졌는데, 사람이 개입한 건 한 번 정도에 불과했습니다. 중국이 과거와는 달리, 인공지능 분야에서 빠른 속도로 자율주행 시스템을 만들어낸 것을 보고 놀랐습니다. 어떻게 급속한 발전이 가능했을까요? 
YAMAMOTO        지금 이 분야에 뛰어든 사람들이 기본적으로 일정 수준 이상의 역량을 갖춘 이들이라면, 그다음으로 중요한 것은 얼마나 진지하게 문제에 임하는지, 사명감을 갖고 있는지, 그리고 이 일을 진심으로 사랑하는지의 여부라고 생각합니다. 경영자는 이런 인재들이 제대로 일할 수 있도록 장애 요소를 제거해 주어야 합니다. 특히 일본과 한국은 마치 쌍둥이처럼 비슷한 점이 많고, 관료주의적인 성향도 강합니다. 반면, 최근 중국의 IT 출신 스타트업 창업자들은 구성원들이 능력을 발휘할 수 있는 환경을 만들어 주는 데 주력하고 있는 점이 차이를 만든 것이 아닐까 생각합니다.


PARK        현재 튜링은 2030년까지 완전 자율주행을 실현하는 것을 목표로 하고 있습니다. 이제 5~6년밖에 남지 않았는데, 이는 기존의 규칙 기반 방식이라면 자율주행의 수준이 선형적으로 천천히 향상되는 반면, 튜링이 추구하는 E2E 방식은 기술 수준이 지수함수적으로 급격히 발전할 수 있다고 보기 때문인가요?    
YAMAMOTO        최근 LLM, ChatGPT 같은 기술이 눈에 띄게 발전하면서, 어느 정도 상식을 갖춘 인공지능이 만들어졌습니다. 이런 흐름을 보면서, 2030년에 완전 자율주행이 실현되지 못할 이유를 찾지 못하겠습니다.


PARK        튜링은 다른 회사와 달리 VLM(Vision Language Model) 분야에 상당한 역량을 집중하고 있다는 인상을 받습니다. 그 이유가 무엇인가요? 
YAMAMOTO        완전 자율주행을 실현하려면, 시스템이 상식(common sense)을 반드시 갖추고 있어야 합니다. 이는 단순히 차가 차선 사이를 주행하는 기술에 그치는 것이 아니라, 신체성(embodiment)을 갖추도록 만들어야 한다는 의미입니다.
2~3살 된 아이를 떠올려보세요. 이 아이들은 신체를 가진 지능체로 태어나지만, 아직 신체성을 온전히 획득하지 못했기 때문에 다양한 행동을 통해 세상을 학습합니다. 예를 들어 물건을 던지거나, 입에 넣어 보거나, 만져보거나, 때로는 높은 곳에서 떨어져 다치기도 합니다. 이는 물리적 공간에서 행동했을 때 어떤 결과가 발생하는지를 경험을 통해 학습해 나가는 과정입니다. 마찬가지로, 자율주행용 AI도 그러한 경험을 통해 세계를 이해하도록 만들어야 합니다.
이런 이유로, 우리는 대규모 주행 데이터를 수집하고 있습니다. 자율주행을 구현하기 위해서는 우선 ‘운전이란 무엇인가’를 AI에게 가르쳐야 하므로 방대한 양의 실제 데이터를 기반으로 학습시켜야 합니다. 예를 들어 매일 아침 5시에 모여 밤 11시까지, 하루 8시간씩 운전 데이터를 수집하고 있습니다. 교대 시간은 있지만 연중 355일, 주말을 포함해 거의 매일 가동 중입니다. 실제로 튜링에서 가장 큰 팀은 AI 개발팀이 아니라 데이터 수집팀이며, 이 팀에는 테슬라 테스트 드라이버 출신, 경찰 오토바이 부대 출신, 레이싱 드라이버 출신 등 뛰어난 운전 실력을 지닌 전문가들이 다수 포진해 있습니다.
우리는 이들과 함께 ‘운전을 잘한다는 것이 무엇인가’를 명시적으로 언어화하지 않고 이들의 경험치를 그대로 AI에 전수하는 방식으로 학습시키고 있습니다.
또한, 튜링은 고도화된 VLM을 개발하고 있습니다. VLM은 LLM(Large Language Model)의 후속 개념으로, ‘Vision’은 말 그대로 시각 정보, ‘Language’는 언어를 뜻하며, 이를 합쳐 시각-언어 모델이라고 부를 수 있습니다. 이 모델은 자율주행 AI가 상식과 문맥을 이해할 수 있도록 하는 데 핵심적인 역할을 합니다.







PARK        VLM을 개발하려면 상당한 수준의 투자가 필요하지 않습니까? 
YAMAMOTO        우리가 ChatGPT처럼 모든 것을 아는 인공지능을 만들 필요는 없습니다. 필요한 수준에 맞는 인공지능을 만들면 되는데, 우리는 도로와 교통만이 아니라 다소 고도화된 부분인 사람을 이해할 수 있도록 만들고 있습니다. 결국 중요한 것은 일정 수준의 균형이라고 생각합니다.


PARK        중국의 호라이즌로보틱스는 자체적으로 SoC(시스템 반도체)까지 개발하고 있습니다. 반면, 모멘타(Momenta)라는 회사는 SoC 개발은 하지 않고 자율주행 시스템만을 만들어 완성차 업체에 제공하고 있습니다. 튜링은 SoC를 직접 설계할 계획이 있나요? 
YAMAMOTO        튜링은 엔비디아의 SoC를 사용합니다. 물론 SoC가 탑재되는 보드 전체는 저희가 직접 설계하고 있으며 미들웨어도 자체적으로 개발하고 있습니다. 아직 SoC를 설계하고 있지는 않지만, '비원(悲願)'이라고 말하고 싶을 정도로 꼭 개발해 보고 싶습니다.









PARK        튜링에서 개발하고 있는 자율주행 솔루션은 완성차 업체에 공급하는 것을 목표로 하고 있습니까? 아니면 직접 전기차를 만드는 것까지 목표로 하고 있습니까?
YAMAMOTO        저희는 직접 전기차를 만드는 것까지는 고려하고 있지 않으며, 자율주행 시스템을 개발해 완성차 업체에 제공하는 것을 목표로 하고 있습니다. 물론 자동차를 만드는 초기 단계부터 참여해 센서나 여러 가지 장치를 설치할 수 있도록 완성차 업체와 공동으로 작업을 해야 할 필요는 있습니다.


PARK        토요타가 중국에서 모멘타의 자율주행 솔루션을 도입해 차량을 출시했고, 꽤 잘 팔리고 있는 것으로 알고 있습니다. 그렇다면 튜링도 모멘타와 유사한 비즈니스 모델이라고 보면 될까요?     
YAMAMOTO        맞습니다. 다만, 중국의 모멘타는 외국으로 진출하기가 쉽지 않을 것입니다. 그런 상황에서 영국에는 웨이브(Wayve)라는 회사가 있고, 어느 정도 시간이 있는 만큼, 그 사이에 튜링이 자율주행전 솔루션을 완성해 가면 된다고 생각합니다.


PARK        모멘타의 수준은 어느 정도라고 생각하나요? 
YAMAMOTO        사실 모멘타를 리스펙트(respect)합니다. 미국에서 테슬라의 자율주행(FSD)이나 영국에서 웨이브 차량을 직접 타보신 경험이 있나요? 모멘타는 테슬라 수준까지는 아니지만, 그에 못지않은 상당한 수준의 자율주행이 가능하다고 생각합니다.


PARK        미국이나 유럽은 제 개인 예산으로 직접 가서 조사하기가 어려워 아직 시승해 보지는 못했습니다. 현재는 일본과 중국을 중심으로 직접 다니며 조사하고 있습니다. 현재 일본 완성차 업체들의 자율주행 수준과 그 방향성에 대해서는 어떻게 보시나요?
YAMAMOTO        기존 완성차 업체들은 아무래도 환원주의적 사고방식과 워터폴(Waterfall) 개발 방식에 익숙해 있기 때문에, 애자일(Agile) 개발 방식이나 인공지능을 활용한 E2E 방식으로 전환하기가 쉽지 않을 것이라고 봅니다. 이런 상황에서 토요타는 모멘타의 기술력을 인정하고 있으며, 닛산 역시 영국의 웨이브와 자율주행 솔루션을 공동 개발하는 등 AI 중심(AI-centric) 기업과의 협력을 본격화하고 있습니다. 튜링 역시 이러한 흐름에 올라타 사업을 전개하고자 합니다. 
테슬라는 하드웨어와 소프트웨어를 모두 자체 개발할 수 있는 유일한 기업이라는 점에서 정말 대단하다고 생각합니다. 이는 창업자가 하드웨어와 소프트웨어 양쪽을 모두 깊이 이해하고 있기 때문에 가능했다고 봅니다. 중국에서도 AI 중심의 기업들이 빠르게 성장하고 있는 이유는, 소프트웨어를 배경으로 한 창업자들이 많기 때문일 것입니다. 튜링은 이러한 경쟁자들과 맞서 싸워 이기고 싶습니다.



 


PARK    마지막 질문입니다. ‘We overtake Tesla’라는 문구가 회사 비전처럼 크게 적혀 있는 것을 보았습니다. 대개 기업은 이런 것을 크게 적어 놓지 않는데, 특이하다고 생각했습니다. 이 문구에 담긴 의미에 대해 이야기해 주실 수 있을까요?     
YAMAMOTO        테슬라는 자동차 산업에 혁신을 일으킨 회사로, 제가 진심으로 존경하는 기업입니다. 왜 그렇게 과감한 미션을 내세웠는지 그 이유는 분명합니다.
‘AI로 사람들을 설레게 하자’ 같은, 누구나 동의할 만한 미션은 사실 아무런 의미가 없습니다. 그런 미션에는 독창성이 전혀 담겨 있지 않기 때문입니다. 창업 전부터 이런 식의 미션은 절대 내걸지 말자고 결심했습니다.
스타트업은 세상에 혁신을 던지는 존재인데, 모두가 동의하는 미션을 내건다는 것은 이상한 일입니다. 혁신은 언제나 모두의 동의를 받는 일만은 아니기 때문입니다. 그래서 저희는 목표를 크게 잡고, 사람에 따라 호불호가 분명하게 갈리는 미션을 갖기로 창업 전에 이미 결정했습니다.
‘We Overtake Tesla(우리는 테슬라를 넘는다)’라는 미션을 정해 두면, 회사의 모든 일상적인 의사결정은 ‘이 결정이 테슬라를 넘을 수 있는 방향인가?’를 기준으로 이루어지게 됩니다. 튜링은 성장해서 반드시 테슬라를 넘어서거나, 그렇지 않으면 도태되는 길밖에 없습니다. 지금까지 그래왔고 앞으로도 변하지 않을 것입니다.



박 교수가 튜링의 공동 창업자이자 최고인사책임자(CHRO)인 아오키 순스케와 포즈를 취했다.  

---