′AI-정의 차량′은 어디까지 실체인가

AI-Defined Vehicle(AIDV)는 CES 2026 이후 자동차 산업의 새로운 화두로 떠올랐지만, 아직 개념과 현실, 비전과 마케팅이 혼재된 영역이다. 이 글은 AIDV를 단순한 유행어나 SDV의 재포장이 아닌 '근거 있는 조건부 비전'으로 규정하고, SDV와의 연속성, AI 성숙도 프레임, 그리고 안전보증(Assurance Argument)을 중심으로 그 실체를 분석한다. AIDV의 미래를 결정하는 것은 더 큰 AI 모델이 아니라, AI를 안전하게 검증·배포·관리할 수 있는 수명주기 거버넌스와 규율이다.

글 | 세온이앤에스 (Seon ENS, Inc.)






CES 2026을 기점으로 자동차 산업의 담론이 "software-defined"에서 "AI-defined"로 이동하고 있다. 그러나 SDV 전환조차 미완성인 산업이 다음 패러다임을 말하는 것은 발전의 신호인가, 성숙 곡선을 건너뛰려는 조급함인가. 세온이앤에스가 발간한 백서 「AIDV: New Vision or Another Hype?」는 이 질문에 "근거 있는 조건부 비전"이라는 답을 내놓는다. 기반 기술은 이미 상용화 단계에 들어섰지만, 차량 단위 AIDV의 성패를 가르는 것은 AI의 크기가 아니라 그것을 안전하게 배포/감시/갱신/회수하는 규율이라는 것이다.



또 하나의 약어인가: 질문의 출발점

자동차 산업만큼 약어에 익숙한 분야도 드물다. ADAS, EV, ACES, 그리고 지난 5년간 업계의 언어를 지배해 온 SDV까지, 모두 "이번에야말로 진짜 전환"이라는 확신과 함께 등장했다. 그런데 자동차를 "기계에서 소프트웨어 플랫폼으로" 바꾸겠다던 SDV의 약속이 아직 진행형인 지금, 업계는 다시 AIDV(AI-Defined Vehicle)라는 새 깃발을 들었다. Frost & Sullivan은 CES 2026에서 산업 담론이 "AI-defined"로 이동했다고 진단했다.
이 상황을 객관적으로 판단하려면 세 가지가 필요하다. 용어를 엄밀히 정의해 마케팅적 관점을 걷어내는 것, 무엇이 상용화되었고 무엇이 입증되지 않았는지를 사실에 따라 구분하는 것, 그리고 "예/아니오"의 단정 대신 독자가 스스로 판단할 수 있는 기준을 제시하는 것이다.



정의부터: AI는 기능인가, 아키텍처인가

최근 학술 문헌은 AIDV를 "AI 기반의 자율적 추론이 하나의 아키텍처 구성요소로 작동하여, 차량이 다른 개체와의 상호작용을 스스로 매개하고 지속적으로 적응하는 차량"으로 정의한다(Frontiers in Robotics and AI, 2026). 핵심은 AI가 놓이는 위치다. 전형적 SDV에서 AI는 고정된 아키텍처 안의 개별 기능(feature)이지만, 목표형 AIDV에서 AI는 차량을 규정하는 아키텍처 계층(architecture layer)이 된다.
주의할 점은 AIDV가 SDV의 대체가 아니라 연속이라는 사실이다. Qualcomm은 AIDV 소프트웨어를 상위 'AIDV 인프라'와 하위 'SDV 기반 인프라'의 2계층으로 규정하며 "AIDV는 SDV의 토대 위에 세워진다"고 명시한다. 그렇다면 "SDV도 안 됐는데 AIDV?"라는 물음은 AIDV를 시기상조로 모는 근거가 아니라, AIDV가 반드시 통과해야 할 관문을 규정하는 셈이 된다. 질문의 성격이 "비전이냐 과장이냐"에서 "순서와 조건을 지킬 수 있느냐"로 바뀌는 것이다.
그렇다면 AIDV는 AI를 많이 쓰는 SDV의 재포장에 불과한가. 백서가 짚는 차이는 정도가 아니라 성격에 있다. 배포 후 진화가 예외적 업데이트가 아니라 아키텍처의 상시 속성이 되고, AI 모델의 구조가 E/E 아키텍처를 결정하는 일차적 설계 입력이 되며(McKinsey, 2026), 주요 거동의 일부가 사전 규칙이 아니라 상호작용/데이터로도 만들어지고 다듬어진다는 점이다. 다만 이 세 가지가 차량 전체에서 관철된 사례는 아직 드물다.



혼란을 걷어내는 틀: 공통 기반과 두 개의 축

"AIDV가 이미 왔는가"라는 논쟁의 상당 부분은 성격이 다른 것들을 하나의 기준으로 재기 때문에 발생한다. 백서는 이를 하나의 공통 기반과 서로 독립적인 두 개의 분석 축으로 분리한다(그림1 참조).
공통 기반: 중앙/존 컴퓨팅, AI SoC, 데이터/MLOps, OTA, 검증(V&V)/모니터링 체계. 성숙도의 한 단계가 아니라 모든 단계를 떠받치는 토대다.
"통합 성숙도" 축: AI가 차량에 통합되는 범위다. 음성인식 같은 AI 기능이 탑재된 SDV(상용) → 콕핏/ADAS 등 하나의 도메인이 AI 기반으로 만들어지는 AI-native 도메인(상용/확산) → 다수의 AI-native 도메인이 차량 단위로 통합되는 AIDV(검증/형성 중)로 나아간다.
"학습/변경 위험도" 축: 모델이 바뀌는 방식이다. 배포된 가중치가 고정된 고정 모델 추론, 오프보드에서 재학습/검증을 마친 뒤 OTA로 배포하는 오프보드 갱신 모델, 운행 중 모델 자체가 적응적으로 변하는 운행중 적응적 갱신 모델로 구분된다. 마지막 방식은 고도의 엔지니어링과 높은 리스크를 수반하지만, 가장 적응적으로 대응할 수 있어 잠재 고객가치가 크다.

 


두 축은 독립적이다. 특정 도메인만 온라인 적응할 수도 있고, 차량 전체가 AI 중심으로 통합됐어도 모델 변경은 검증된 OTA로만 수행할 수 있다. 특히 주목할 통찰은 운행 중 학습이 "더 발전한 차량"의 지표가 아니라 더 높은 위험을 수반하는 변경 방식일 뿐이라는 점이다. 현재 상용화된 AI 기능의 대부분은 고정 모델 추론 또는 오프보드 갱신 방식이며, 통제된 OTA만으로 진화하는 차량 단위 AIDV도 개념적으로 가능하다. 한편 생성형 AI로 코드/테스트를 만드는 AI 보조 개발은 차량의 성숙도가 아니라 기업의 개발 프로세스에 속하므로, 이 축들과 구분해야 한다.



토대의 현주소: SDV는 미완성의 진행형

AIDV가 SDV 위에 선다면 토대의 상태가 검토의 출발점이다. 데이터가 말하는 SDV의 현주소는 "전략적으로는 최우선, 실행은 미완성"이다.
방향은 수렴한다. 80개 이상 OEM/공급사 설문에서 응답자의 45%가 SDV 전환을 최우선 전략 과제로 꼽았고, 조사 대상 OEM의 90% 이상이 존(zonal) 아키텍처 채택을 결정했으며 OEM 응답자의 80%는 이미 이전을 시작했다(IoT Analytics, 2025). McKinsey는 2035년까지 도메인/존 아키텍처가 생산의 75% 이상을 차지할 것으로 전망한다.
문제는 속도와 실행이다. 글로벌 OEM의 소프트웨어 지출은 2021년 약 260억 유로에서 2024년 약 400억 유로로 늘었지만(Roland Berger, 2025), OEM의 평균 소프트웨어 개발 기간은 40개월을 넘어서며 통합과 후반부 검증이 지연의 주요 원인으로 지목된다(Spread.ai, 2025). 폭스바겐의 소프트웨어 자회사 CARIAD가 다년간 60억 유로대의 손실 끝에 외부 협력 체계로 전환한 사례는, 레거시 조직/아키텍처/공급망의 통합 복잡성이 얼마나 큰 장벽인지 보여주는 경고로 읽어야 한다.
주목할 변화도 있다. 차량 신뢰성/안전이 사이버보안을 제치고 OTA 배포의 가장 큰 장벽으로 인식되기 시작했다는 점이다(IoT Analytics, 2025). 소프트웨어로 무엇이든 바꿀 수 있다는 가능성은, 그 변경이 안전을 해치지 않는다는 보증이 없다면 오히려 불신을 낳는다.



상용화된 것과 입증되지 않은 것

"이미 상용화됐다"는 진술도 개별 사례의 증거 상태는 서로 다르다. AI 모델은 하드웨어처럼 "양산"한다기보다 공개/제품화/배포/차량 적용으로 구분하는 편이 정확하며, 백서는 사례를 발표/채택/SOP/출하/운영으로 나누어 읽을 것을 제안한다.

 


발표와 리드 고객 확보, 특정 도메인의 차량 적용, 그리고 다도메인 통합/고객 인도는 서로 다른 증거 단계다. 오픈소스 VLA 모델의 공개와 리드 고객 발표는 강한 신호이지만, 그 모델이 탑재된 차량의 실제 고객 인도까지 자동으로 입증하지는 않는다. 위 사례들은 어디까지나 인포테인먼트/ADAS 기반/기능 층위이며, 차량 전체가 AI로 정의되는 완성형 AIDV의 사례가 아니다.
층위 혼동도 경계해야 한다. 생성형 AI가 개발 공수를 줄인다는 분석은 개발 조직의 AI 전환 근거이지 AIDV 차량이 실재한다는 근거가 아니며, 중국 업체의 빠른 반복은 SDV 실행력의 근거이지 차량 단위 AIDV의 검증 사례가 아니다.



의심과 기대, 둘 다 옳다

의심의 근거는 네 가지다. 첫째, 토대인 SDV 실행이 미완성이다. 둘째, 자율주행 지연이라는 선례가 있다. McKinsey는 레벨 4 이상 자율주행이 2035년에도 판매 비중 약 1%에 그칠 것으로 전망하는데, "차가 스스로 학습/판단한다"는 AIDV의 가장 급진적 영역이 바로 이 지연된 영역에 뿌리를 둔다. 셋째, 운행 중에 학습하는 시스템의 안전을 보장하는 확립된 방법론이 아직 존재하지 않는다(Frontiers, 2026). 넷째, 데이터/비용/보안 부담과 함께 소비자 지불 의향 등 고객가치의 검증 근거가 부족하다.
기대의 이유도 세 가지다. 첫째, 중앙/크로스도메인 컴퓨팅과 차량용 파운데이션 모델 등 기반 기술과 일부 AI-native 기능이 상용화되고 있다. 둘째, 경제 구조가 이 방향을 뒷받침한다. McKinsey는 AI가 전체 자동차 소프트웨어 시장 가치의 약 70%에 해당하는 기능을 개선할 수 있다고 분석하며, 소프트웨어/전장 시장 전체가 2025년 3,360억 달러에서 2035년 5,190억 달러로 성장할 것으로 전망한다. 더 근본적으로는 AI 모델 아키텍처가 차세대 E/E 아키텍처의 일차적 설계 입력이 되고 있다. 셋째, 생성형 AI가 개발 공수 25~30% 절감, 출시 기간 최대 40% 단축의 잠재효과를 보이며(BCG, 2026) 개발 방식 자체를 바꾸고 있다.
요컨대 AIDV를 향한 힘의 상당 부분은 마케팅이 아니라 반도체/모델/시장/개발 경제학이라는 구조에서 나온다. 다만 그 힘이 현재 입증한 것은 기반 요소와 AI-native 기능이지, 완성형 차량의 수준은 아니다.



'조건부 비전'의 세 조건과 관찰 신호

차량 단위 AIDV가 실체가 되려면 세 조건이 함께 충족되어야 한다. (1) 적용 범위에 필요한 SDV 기반의 성숙, (2) 통제된 학습/변경관리와 안전보증의 성숙, (3) 검증된 고객가치/수익 모델이다. 하나라도 미충족이면 그 부분의 주장은 입증 수준이 제한된다. AIDV의 운명은 AI 기술의 화려함이 아니라, 결코 화려하지 않은 이 세 조건을 얼마나 착실하게 만족시키느냐에 달려 있다.
이 조건들은 선언이 아니라 관찰로 확인되어야 한다. 어떤 "AI 차량" 발표가 나왔을 때 다음을 물으면 과장과 실체를 빠르게 가를 수 있다. 단순 기능 발표인가 차량 적용인가. SOP인가 실제 출하인가. 특정 도메인인가 다도메인 통합인가. 고정 모델인가 검증 후 OTA인가. 안전 논거와 롤백 절차가 있는가. 그리고 고객이 실제로 비용을 지불하는가.



성패를 가르는 관문: 학습하는 시스템의 안전보증

세 조건 중 가장 어렵고 결정적인 것이 안전보증이다. 기존 안전 논거는 대체로 명세된 기능, 통제된 구성/변경, 추적 가능한 수명주기를 전제로 구축되는데, AI 요소의 출력 불충분, 데이터 의존성, 성능 불확실성, 일반화 한계는 이 전제와 긴장 관계에 있다.
이 공백을 보완하기 위해 ISO/PAS 8800:2024(도로차량: 안전과 인공지능)가 발행되었다. 단일 제품 인증제도가 아니라 AI 안전 수명주기를 다루는 공개규격으로, 강건성/편향/일반화/데이터 품질에 대한 안전보증 활동을 요구하는 것으로 해설된다. ISO 21448(SOTIF)과의 관계는 상/하위 위계가 아니라 시스템 수준의 기능 불충분과 AI 요소 수준의 불충분을 연결하는 상호보완 관계로 이해하는 것이 정확하다. 여기에 ISO/SAE 21434와 UNECE R155/R156이 함께 작동한다.
핵심 개념은 안전보증 논거(assurance argument)다. AI의 불확실성을 전제한 위에서 왜 이 시스템이 충분히 안전하다고 주장할 수 있는지를 구조적으로 입증하는 증거 체계다. 학술 자료가 제안하는 AI-디지털트윈 검증 루프의 요점도 차량이 현장에서 자유롭게 학습한다는 것이 아니라, 후보 변경을 별도 환경에서 평가하고 사전에 정의/검증한 안전 제약을 통과한 것만 배포하며 롤백을 보장하는 통제된 갱신 절차라는 데 있다. "지속적 진화"라는 급진성을 "변경관리/회귀검증/롤백"이라는 규율로 길들이는 장치인 셈이다.
백서의 핵심 명제는 여기서 완성된다. 과장은 검증에서 걸러지고, 비전은 검증으로 완성된다. 차량 단위 AIDV의 문턱은 더 큰 모델이나 더 빠른 반도체가 아니라, 학습하는 시스템에 대한 안전 논거를 구성/유지하고 변경을 관리/감시/회수할 수 있는 수명주기 역량이다.



맺음말: 'AI'의 크기가 아니라 규율이 가른다

AIDV는 마케팅이 지어낸 허상이 아니다. 반도체/모델/시장/개발 경제학이라는 구조적 힘이 같은 방향을 가리키는, 실체가 있는 산업 방향이다. 그러나 차량 전체가 AI 중심으로 통합되고 배포 후에도 통제된 절차를 통해 진화하는 차량 단위 AIDV는 아직 보편적으로 증명되지 않았다. 백서의 평결이 "근거 있는 조건부 비전"인 이유다.
이 결론은 대칭적이지 않다는 점도 짚어둘 만하다. 기술과 산업 구조 관점에서 AIDV의 방향성은 근거가 비교적 강하지만, 소비자가 그 가치를 인식하고 비용을 지불하는가 하는 사업성은 아직 충분한 근거가 확인되지 않았다.
실천의 방향은 역할에 따라 다르다. 경영/전략 관점에서는 토대(중앙집중 아키텍처/OTA/검증 파이프라인)를 완성하는 것이 곧 AIDV를 준비하는 일이다. 개발/운영 관점에서는 AI 보조 개발과 데이터/MLOps가 차량 성숙도와 별개로 지금 착수 가능한 영역이다. 그리고 안전 관련/안전 핵심 AI 기능을 개발하는 조직에는 학습형 시스템의 안전보증 역량(ISO/PAS 8800과 SOTIF의 연계, 변경영향/회귀검증, 모니터링/롤백)이 특히 우선순위가 높다. AIDV가 지연되더라도 손해가 적고, 실현되면 결정적 우위가 되기 때문이다.
"SDV도 안착하지 못한 지금 AIDV를 말하는 것"은 조급함일 수도, 새로운 시대를 조망하는 통찰일 수도 있다. 둘을 가르는 것은 시점이 아니라 태도다. AIDV를 화려한 목적지로만 좇는다면 과장에 가까워지고, SDV 여정의 다음 관문으로 이해하며 안전보증과 수명주기 거버넌스라는 역량을 갖춘다면 도달 가능한 비전이 된다. 지금 자동차 산업에 필요한 것은 더 많은 지능이 아니라, 그 지능을 검증 가능하게 다스릴 더 깊은 규율(discipline)이다.

본 기사는 세온이앤에스 백서 「AIDV: New Vision or Another Hype?」(2026)를 바탕으로 작성되었다.

AEM(오토모티브일렉트로닉스매거진)

---