오토모티브 일렉트로닉스 매거진_전체기사

LYNWAY’s Zheng Zhilei on where AI-driven lamp development stands today

한상민 기자_han@autoelectronics.co.kr — 2026-10-06 16:53:48+0900

AI가 자동차 램프 개발 프로세스에 들어오는 방법

한상민 기자_han@autoelectronics.co.kr — 2026-10-06 16:45:12+0900

LYNWAY의 ISD 인터랙티브 디스플레이(왼쪽)와 지능형 프로젝션 헤드램프(오른쪽) 디지털 트윈 도구. 시제품을 만들기 전에 표시 효과를 비교한다.

자동차 램프의 표시 효과를 확인하는 데 시제품 제작과 검증까지 3~4개월이 걸렸다면, 그 판단을 설계 단계로 앞당길 수 있을까. LYNWAY의 정즈레이는 디지털 트윈으로 빛을 미리 비교하고, AI 에이전트를 사내 지식과 개발 도구에 연결하는 방법을 소개했다. 개발 초기에 더 많은 대안을 살펴보되, 실제 도로에서의 정확성과 안전성은 엔지니어가 검증해야 한다.

글 | 한상민 기자_han@autoelectronics.co.kr
IN ENGLISH

엔지니어가 자동차 램프에 표시할 이미지를 설계한다. 광원의 위치와 픽셀 배열을 정하고, 광학 모듈과 소프트웨어를 개발해 시제품을 만든다. 그런데 차량에 장착하고 보니 문자가 흐리거나, 예상했던 거리에서 그래픽이 깨져 보인다. 설계를 고치고 시제품을 다시 만들어야 한다.
“대략 3~4개월이 필요했고, 비용도 30만 위안 이상 들 수 있었습니다.”
LYNWAY의 정즈레이(Zheng Zhilei) 램프 R&D센터 책임자는 기존 개발 과정을 이렇게 설명했다.
그가 던진 질문은 시제품을 만든 뒤에야 확인할 수 있었던 빛을 개발 앞단에서 볼 수 없겠느냐는 것이었다. 지난 8월 광저우에서 그가 보여준 것은 ISD 인터랙티브 디스플레이와 지능형 프로젝션 헤드램프를 위한 두 가지 디지털 트윈이었다.
자동차 램프의 역할은 도로를 비추는 데서 넓어지고 있다. 픽셀을 개별 제어해 차량 외부에 문자와 그래픽, 경고 패턴을 표시한다. 같은 이미지라도 픽셀의 크기와 간격, 투사거리, 광학 모듈, 밝기와 주변 환경에 따라 다르게 보인다. 설계 화면의 이미지가 실제 차량에서도 의도한 대로 보일지는 따로 확인해야 한다.
LYNWAY의 도구에서는 표시 이미지와 거리, 화면 크기, 픽셀 수와 크기, 밝기와 색상 등의 조건을 바꾸며 결과를 비교할 수 있다. ISD 시뮬레이터는 같은 컨텐츠를 컬러와 그레이스케일로 나란히 보여줬다. 아래에는 표시 조건과 램프 커버의 광학 효과를 조정하는 항목이 배치됐다. 엔지니어는 설정에 따라 표시가 어떻게 달라지는지 한 화면에서 비교한다.
프로젝션 헤드램프 도구는 횡단보도, 공사 구간, 눈송이, 차량 앞 도로에 펼치는 라이트 카펫 같은 투사 패턴을 불러온다. 광학 모듈과 투사면의 관계를 가상공간에 재현하고, 이미지의 크기와 선명도, 각도와 밝기를 살펴본다. 실물 시제품을 만들기 전에 설계안을 비교하고 후보를 좁히는 방식이다.
3~4개월과 30만 위안은 디지털 트윈으로 없앴다고 입증한 시간과 비용이 아니다. 정즈레이가 설명한 기존 시제품 제작·검증 과정에 필요한 규모다. 도입 전후의 절감 수치는 제시되지 않았는데, 이 접근의 의미는 검증 순서를 바꾸는 데 있다. 시제품이 완성된 뒤 처음 보던 결과를 설계 단계에서 미리 살펴보는 것이다.

정즈레이는 기업의 AI 활용이 개인용 프롬프트 엔지니어링에서 지식과 도구, 규칙을 연결하는 'Harness Engineering'으로 옮겨가고 있다고 설명했다.

답하는 AI에서 도구를 쓰는 AI로

정즈레이의 관심은 디지털 트윈에서 끝나지 않았다. 생성형 AI를 엔지니어 개인의 질의응답 도구에서 기업의 개발업무 안으로 가져오는 것이 그의 과제다.
실제 램프 개발에는 사내 설계 데이터와 법규, 시험규정, 전문 소프트웨어와 장비, 검토·승인 절차가 함께 작동한다. 대화창에 질문을 잘 입력하는 것만으로는 이 환경을 다룰 수 없다.
“저희는 이런 기업급 엔지니어링 환경을 ‘Harness Engineering’이라고 부르고 있습니다.”
여기서 Harness는 차량의 와이어링 하니스가 아니다. 모델이 판단을 담당한다면, Harness는 모델을 기업의 지식과 도구, 규칙, 업무절차에 연결하는 기반이다. 정즈레이는 에이전트가 도구를 호출하고 자신의 오류를 수정할 수 있게 될수록, 기업이 Harness를 통해 에이전트의 권한과 사용 도구, 관리·감독 방식을 정해야 한다고 설명했다.
LYNWAY의 AI 환경 구축은 2025년 3분기 GPU 서버 도입으로 시작됐다. 사내 AI 플랫폼과 전문도구 라이브러리를 마련한 뒤, 2026년 상반기에는 APT Coder와 APT Node, 기업용 위챗(WeCom) 봇을 도입했다. 3분기 목표는 기업 지식베이스 구축이다. 정즈레이는 이 체계를 사내에 배치한 대형모델, 자체 에이전트 도구, 기업 지식베이스 포털로 설명했다.
그는 APT Node를 ‘Harness Agent’, 곧 가상의 직원으로 소개했다. 지식베이스 질의응답과 문서 처리, 자동화 도구 개발을 맡아 반복적인 일상 업무의 일부를 처리한다. APT Coder는 자연어로 제시한 요구사항을 바탕으로 프로젝트 분석과 코드 작성을 돕는다. WeCom 봇은 직원들의 업무 질문에 답하고 공지나 이메일 문장을 다듬는다.
시험 보고서 생성, 휘도·감마 분석, 시뮬레이션 작업 관리 화면도 보여줬다. 서로 다른 장비의 데이터를 모으고 형식을 통일해 보고서로 만드는 반복작업부터 자동화하는 접근이다.
정즈레이는 LYNWAY의 에이전트가 실제 업무를 수행하는 세 번째 단계로 들어가고 있다고 말했다. 에이전트가 스스로 계획하고 실행한 뒤 결과를 검사하고 수정하는 폐루프다. 현재 마련한 것은 업무별 도구들이고, 이를 하나의 에이전트 체계로 연결하는 것이 그가 그리는 다음 단계다.

화면에서 맞는 빛, 도로에서도 맞을까

디지털 트윈으로 개발 앞단에서 판단할 수 있는 것과 실물로 확인해야 할 것은 나눠 봐야 한다. 가상화면에서는 픽셀 배열과 투사 이미지의 크기, 예상되는 표시 효과를 빠르게 비교할 수 있다. 실제 광학성능과 주변광의 영향, 노면에 따른 왜곡, 사람이 느끼는 가독성과 눈부심은 측정과 실차 평가를 거쳐야 한다.
AI는 비용이 큰 문제를 개발 초기에 검토하도록 돕는다. 어떤 설계안을 시제품으로 만들지 결정하기 전에 더 많은 대안을 살펴보고, 눈에 띄는 문제를 먼저 걸러낼 수 있다.
정즈레이가 Harness의 역할로 꼽은 관리·감독도 이 과정에서 구체화돼야 한다. 모델을 사내에 배치한 것은 설계 데이터를 외부 모델로 보내는 위험을 줄일 수 있는 선택이다. 그래도 에이전트가 어떤 데이터를 참조했고 무엇을 자동 처리했는지, 누가 결과를 검토하고 승인했는지는 기록으로 남겨야 한다.
정즈레이가 설명한 변화는 램프 자체에만 머물지 않는다. 픽셀과 소프트웨어로 빛을 제어하는 제품이 늘면서, 그 빛을 설계하고 검증하는 도구도 달라지고 있다. 3~4개월 뒤 시제품에서 처음 보던 표시 결과를 설계 단계에서 미리 살펴볼 수 있게 된 것이다. 화면에서 선택한 빛이 실제 도로에서도 정확하고 안전한지는 여전히 엔지니어가 시험하고 판단해야 한다.

회사 소개 | LYNWAY
LYNWAY는 2018년 APT Electronics와 지리자동차 계열사가 각각 49%, 51%를 출자해 설립한 자동차 조명 기업이다. 지리 측 지분은 이후 야오닝테크놀로지로 이전됐다. APT는 2021년 증자를 통해 지분을 51%로 높였고, 2023년 12월 야오닝의 나머지 49%를 인수해 LYNWAY를 완전자회사로 편입했다.
APT는 2003년 홍콩과학기술대학교에서 출발해 2006년 광저우 난사에 법인을 설립했으며, 2024년 홍콩증권거래소에 상장했다. LYNWAY 닝보 공장의 계획 생산능력은 연간 램프 120만 세트다. 회사는 지리, 링크앤코, 지커, 스마트 차종에 램프를 공급한다고 설명한다. 2024년 APT의 지리 관련 기업 매출은 9억 200만 위안으로 전체 매출의 34.8%였다.
APT는 약 24억 8,000만 위안을 투자해 광저우 난사에 생산·R&D 거점도 구축하고 있다. 공시자료에 따르면 가동 후 계획 생산능력은 연간 전조등 70만 세트, 후미등 70만 세트와 자동차용 HUD 20만 대다.

차세대 ADAS 레이다, 신호처리 아키텍처 경쟁으로

한상민 기자_han@autoelectronics.co.kr — 2026-10-06 11:23:02+0900

차세대 ADAS 레이다에는 강한 반사 신호 속의 약한 표적을 찾아내고, 가까이 있는 물체를 구분하는 능력이 요구된다. 늘어난 데이터를 실시간으로 처리하면서 변화하는 알고리즘에도 대응해야 하는 만큼, 센서의 정보 품질과 유연한 신호처리 아키텍처를 함께 최적화하는 일이 중요해지고 있다.

글 | 이 상 민 한국지사장, 칼테라

첨단 운전자 지원 시스템(ADAS)이 고도화되면서 차량용 레이다가 처리하는 주행 환경도 매우 복잡해지고 있다. 도심에서는 차량, 보행자, 자전거, 이륜차를 동시에 인식해야 하고, 고속도로에서는 더 먼 거리의 물체를 빠르게 감지해야 한다. 악천후 상황이나 복잡한 교차로처럼 센서가 안정적인 정보를 확보하기 어려운 상황에서도 일관된 성능이 요구된다.
이에 따라 차량용 레이다의 역할 역시 단순한 거리와 속도 측정을 넘어 여러 표적을 동시에 구분하고, 서로 가까이 있는 물체를 분리하며, 상대적으로 약한 신호까지 안정적으로 탐지하는 방향으로 확대되고 있다.
이 과정에서 주목할 부분이 레이다 반도체의 신호처리 구조다. 센서가 더 많은 정보를 확보할수록 이를 실시간으로 처리해야 하는 반도체의 부담도 커지기 때문이다. 단순히 최대 연산 성능을 높이는 것만으로는 충분하지 않다. 다양한 레이다 알고리즘과 주행 환경에 따라 연산 자원을 효율적으로 배분하고 활용할 수 있는 구조가 함께 필요하다.
레이다 신호처리에는 거리, 속도, 각도 정보를 추출하기 위한 다양한 연산이 사용된다. 또한 표적 탐지와 분리, 잡음 억제, 간섭 대응 등 여러 알고리즘이 동시에 작동한다. ADAS 기능이 고도화될수록 이런 알고리즘 역시 복잡해질 수밖에 없다.
따라서 최근 차량용 레이다 반도체에서는 특정 알고리즘에 최적화된 고정형 구조가 아닌, 다양한 연산 요구에 유연하게 대응할 수 있는 아키텍처가 중요해지고 있다. 연산을 병렬로 수행하고 필요한 자원을 상황에 따라 활용할 수 있다면 새로운 알고리즘이 적용되더라도 기존 하드웨어를 보다 효율적으로 사용할 수 있기 때문이다.

이런 방향은 실제 제품 개발에서도 나타나고 있다. 칼테라는 차세대 레이다 신호처리 아키텍처인 RSP 2.0을 개발해 ADAS 레이다용 SoC에 적용했다. 특정 연산 방식에 구조를 고정하기보다 여러 신호처리 작업을 병렬로 처리하고, 알고리즘 변화에 유연하게 대응할 수 있도록 설계한 것이 특징이다.
그러나 신호처리 성능만으로 레이다의 실제 성능이 결정되는 것은 아니다. 센서가 처음부터 얼마나 많은 정보를, 얼마나 안정적인 품질로 확보하는지도 중요하다. 이를 위해 최근 레이다 시스템에서는 송수신 채널을 확대하고 신호 품질과 간섭 대응 능력을 높이는 방향의 기술 개발이 함께 이뤄지고 있다.
이런 하드웨어 개선은 표적의 방향을 보다 정밀하게 파악하고 서로 가까운 물체를 구분하는 데 활용될 수 있다. 동시에 향상된 신호 품질은 주변의 강한 반사 신호나 잡음 속에서도 상대적으로 약한 표적을 찾아내는 데 도움을 준다.
실제 주행 환경에서는 이런 기술의 중요성이 더욱 커진다. 예를 들어 가드레일이나 대형 차량처럼 강한 반사 신호 주변에 보행자나 이륜차가 위치할 수 있고, 여러 차량이 비슷한 속도로 가까이 이동하는 상황도 빈번하다. 이때 레이다는 단순히 물체의 존재 여부를 판단하는 것을 넘어 각각의 표적을 정확하게 구분해 차량의 주행 판단에 필요한 정보로 전달해야 한다.

결국 차세대 차량용 레이다의 경쟁력은 하나의 사양이나 수치만으로 평가하기 어려워지고 있다. 센서가 확보하는 정보의 양과 품질, 이를 빠르게 처리할 수 있는 연산 성능, 그리고 변화하는 알고리즘에 대응할 수 있는 신호처리 아키텍처가 함께 작동해야 하기 때문이다.
반도체 업체의 역할 역시 단순한 칩 공급을 넘어 개발 보드와 소프트웨어 플랫폼 등을 제공하고, 고객사가 자체 알고리즘을 구현하고 검증할 수 있도록 지원하는 방향으로 확대되고 있다.
이런 변화는 국내 완성차와 부품 업계에도 중요한 과제가 되고 있다. ADAS의 적용 범위가 확대되고 글로벌 시장에서 안전 성능에 대한 요구가 높아질수록 센서, 반도체, 알고리즘을 개별적으로 고려하기보다 하나의 시스템으로 최적화하는 접근이 중요해질 것이다.
차세대 ADAS 레이다의 경쟁은 결국 '얼마나 많은 연산을 수행할 수 있는가'에서 '확보한 데이터를 얼마나 효율적으로 처리하고 실제 도로 환경에서 의미 있는 센싱 정보로 전환할 수 있는가'로 이동하고 있다. 이런 변화에 대응할 수 있는 유연한 신호처리 구조와 시스템 설계 역량이 앞으로 차량용 레이다의 핵심 경쟁력을 결정하게 될 것이다.

우븐 시티 1년, 2020년의 꿈에서 남은 것과 바뀐 것

한상민 기자_han@autoelectronics.co.kr — 2026-10-06 10:14:00+0900

토요타 우븐 시티 1기 구역. 옛 히가시후지 공장 자리에 들어선 작은 도시는 단계적으로 넓어지고 있다.

2018년, 폐쇄를 앞둔 공장에서 한 직원이 이곳은 어떻게 되느냐고 물었다. 7년 뒤 그 땅에 도시가 들어섰고, 다시 1년이 지났다. 2020년 토요타가 이 도시에 걸었던 꿈 가운데 무엇이 남았고 무엇이 바뀌었는지, 그리고 이 작은 마을이 토요타가 소유하지 않은 세상에서도 쓸모를 가질 수 있는지를 살펴봤다.

글 | 한상민 기자 _ han@autoelectronics.co.kr
IN ENGLISH

“이곳은 어떻게 되는 건가요”
2018년, 폐쇄가 결정된 토요타자동차 동일본 히가시후지 공장에서 한 직원이 도요다 아키오 당시 사장에게 물었다. 동북 지역 공장으로 옮겨 계속 차를 만들고 싶지만, 가족 사정으로 따라가지 못하고 회사를 떠나야 하는 사람들이 있다. 그들을 생각하면 기쁜 마음으로 떠날 수 없다. 토요타는 앞으로 이곳을 어떻게 할 생각인가.
도요다 사장은 앞으로 50년 동안 자동차 개발에 기여할, 자율주행 같은 기술을 실증하는 커넥티드 시티로 바꾸고 싶다고 답했다. 회사가 승인한 계획이 아니라 현장서 처음 꺼낸 개인적인 구상이었다. 1967년 가동을 시작한 공장은 53년 동안 약 752만 대의 자동차를 만들었고, 7,000명이 이곳을 거쳐 갔다.
2020년 1월 CES에서 도요다 사장은 그 구상을 세계에 공개했다. 처음에는 미시간의 M-City 같은 자율주행 시험장을 검토했지만, 실제 도시를 짓고 사람들이 살게 하자는 생각으로 옮겨갔다. 그는 ‘꿈의 구장’이라 부르며 영화의 대사를 빌렸다.
“그것을 만들면 그들이 올 것입니다.”
도시는 지어졌다. 2025년 9월 출범한 우븐 시티에는 2026년 9월 현재 스소노시와 인근 지역 출신을 포함해 약 80세대 160명의 위버(Weaver)가 산다. 인벤터(Inventor)는 31곳이고, 주민을 중심으로 약 30건의 실증이 진행돼 왔다. 다섯 달 전인 4월에는 인벤터 24곳, 위버 약 100명이었다. 거주 인원은 1기 수용 인원 약 300명의 절반을 넘는다. 8월 시즈오카현 주민을 대상으로 한 입주 모집에는 1,000건 넘는 신청이 들어왔고, 약 25세대가 2027년 3월 무렵 입주할 예정이다. 10월 1일부터는 일반인 방문 프로그램도 일본 전역으로 확대했다. 사람들이 오기 시작했지만, 그 규모와 방식은 2020년의 발표보다 훨씬 단계적으로 바뀌었다.
1년 전 AEM은 1기 건물이 완공됐을 때 이 도시를 ‘절반의 성공’이라 부르며 또 다른 연구개발센터, 그 이상이 될까를 물었다. 적어도 연구개발센터는 만들어졌다. 1주년에 물어야 할 것은 그다음이다. 자동차 회사는 왜 도시까지 필요하다고 생각했으며, 그 이유는 6년이 지난 지금도 유효한가.

보행자 우선으로 설계된 1기 구역 교차로. 차량과 신호, 서버의 연동을 함께 시험한다.

한집에서 태어난 세 가지 꿈

2020년의 우븐 시티에는 적어도 세 가지 기대가 겹쳐 있었다.
출발점은 창업가의 약속이다. 폐쇄를 앞둔 직원에게 건넨 대답이었고, 직기 회사에서 출발한 토요타가 스스로에게 들려주는 이야기이기도 했다. 도요다 사키치는 밤늦게 베틀을 돌리던 어머니를 위해 자동직기를 만들었다. 도요다 사장은 CES 연설 끝에 토요타가 직기를 만드는 회사로 시작했으며, 이제 새로운 도시를 함께 짜고 싶다고 말했다. 우븐이라는 이름도 그 역사와 이어진다.
같은 연설에는 사업의 계산도 들어 있었다. 도요다 사장은 도시를 가상세계에 먼저 짓고 독창적인 디지털 운영체제를 만들겠다며 “아마 다른 사람도 사용할 수 있을 것입니다”라고 말했다. 두 달 뒤 토요타와 NTT는 서로 약 2,000억 엔 규모의 지분을 취득하는 자본제휴를 발표했다. 공동 스마트시티 플랫폼을 우븐 시티와 시나가와역 앞 NTT 부지에 구현하고 다른 도시로 넓힌다는 계획이었다.
여기에 현장에서 직접 보고 고치는 토요타의 개발 방식이 더해진다. 소프트웨어와 AI가 차량의 가치를 좌우할수록 문제는 코드와 데이터, 시스템 사이의 상호작용에서도 생긴다. 사람이 사는 도시는 그 변화를 생활 속에서 살펴볼 현장이다.
세 가지 기대는 처음엔 한 조직 안에 있었다. 2020년 토요타가 TRI-AD를 우븐 플래닛으로 재편할 때, 운영회사 우븐 알파는 우븐 시티와 차량 소프트웨어 플랫폼 Arene을 함께 맡았다.
도요다 사장은 우븐 플래닛에 개인 자격으로 출자하겠다는 뜻도 밝혔다.
“이는 미래에 대한 답이 없기 때문입니다. 기업은 ‘어느 정도 수준의 이익을 얻기 위해 이 정도 투자한다’는 논리에 근거해 의사결정을 내리고, 큰 조직은 과거의 성공과 경험을 바탕으로 일을 하려고 합니다만, 나는 다른 방식으로 일을 하려 합니다.”
6년 동안 세 꿈은 서로 다른 길을 걸었다.
Arene은 양산의 길로 갔다. 2023년 초대 CEO 제임스 커프너가 물러난 뒤 덴소 출신 구마베 하지메가 뒤를 이었다. Arene은 신형 RAV4에 처음 양산 적용된 뒤 신형 Lexus ES로 넓어졌다. 우븐 시티와 Arene은 지금도 우븐 바이 토요타(WbyT) 안에 있지만, 공개된 성과는 각각 마을 안의 실증과 양산차에서 나왔다. 구마베 CEO는 올해 4월 Arene이 장기적으로 사람과 모빌리티, 인프라를 연결하는 기반으로 발전할 수 있다고 봤다.
토요타와 NTT의 공동 구상에도 변화가 보인다. 2024년 10월 양사는 2030년까지 합계 5,000억 엔을 투자해 사람·모빌리티·인프라를 잇는 ‘모빌리티 AI 기반’을 만들고, 2028년 무렵부터 사회에 도입하겠다고 밝혔다. 목표는 교통사고 제로였다. 사토 고지 당시 사장은 이를 이전 협력의 연장선에 놓았지만, 2020년 스마트시티 플랫폼의 이후 경과는 설명하지 않았다.
도시의 데이터 기반 자체가 사라진 것은 아니다. WbyT는 올해 도시 전역의 데이터를 통합하는 Infra Hub와 개인의 의사와 프라이버시를 고려해 데이터를 활용하는 Data Fabric을 공개했다. 이것이 2020년의 플랫폼을 이어받은 것인지, NTT와 어떤 역할을 나누는지는 확인되지 않는다. 도시 운영체제와 외부 사업화, 교통안전은 이제 한 묶음으로 설명되지 않는다.
자율주행에서 도시가 맡을 몫도 달라졌다. 2020년 청사진에는 자율주행차를 위한 도로가 있었다. 지금은 드문 도로 상황을 학습하려면 큰 규모의 운행 데이터가 필요한데, 수백 명의 마을이 이를 혼자 제공할 수는 없다. 2025년 토요타는 웨이모와 자율주행차 플랫폼 및 개인 소유차 적용을 함께 검토하는 기본 합의를 맺었고, WbyT도 참여한다. 우븐 시티는 도로 시설과 차량을 함께 시험한다.
도시 규모도 달라졌다. 2020년 CES에서 도요다 사장은 약 2,000명으로 시작해 단계적으로 늘리겠다고 했다. 지금은 2,000명이 전체 부지의 최종 목표다. 1기는 약 300명이고, 2028년 11월 2기 공사가 끝나면 합계 약 900명이 된다. 처음의 출발이 지금은 최종 목표가 됐다.
그러나 물리적 설계는 남았다. 지상에는 보행자 전용 길, 보행자·개인 이동수단이 함께 쓰는 길, 자율주행 이동수단의 길이 나뉘고 지하에는 물류의 길이 만들어졌다. 2020년의 답은 콘크리트로 굳었고, 2026년의 질문은 그 위를 오가는 소프트웨어와 데이터로 옮겨갔다.
도요다 회장은 2025년 2월 준공식에서 이곳을 ‘영원히 미완성인 도시’라 불렀다. 도시가 보여줘야 할 것은 완성된 미래만이 아니다. 같은 장소에서 시험 대상을 바꾸고, 실패를 고치고, 다시 확인할 수 있느냐다.

옛 공장 시설을 고쳐 만든 Inventor Garage. 자동차를 만들던 크레인 아래에서 이제 시제품을 만든다.

작은 마을이 가진 것

1기 구역의 면적은 약 4만 7,000㎡다. 이 마을의 힘은 규모보다 시험 환경을 함께 설계할 수 있다는 데 있다. 실제 도시의 도로와 신호, 건물 설비와 통신 기반은 주인이 달라서 신호 하나를 바꾸는 데도 여러 기관의 결정이 필요하다. 우븐 시티에서는 토요타와 WbyT가 도로와 신호, 건물과 데이터 기반을 엮어 시험 조건을 정할 수 있다.
실험은 주거 구역에서만 이뤄지지 않는다. 4월 운영을 시작한 Inventor Garage에서는 시제품을 만들고, Inventor Field에서는 통제된 조건으로 검증하며, 주거 구역에서는 생활 속에서 시험한다. Garage는 옛 공장의 프레스 시설을 활용했다.
자동차 개발자라면 HIL을 떠올릴 수도 있다. 제어기를 가상 환경에 연결해 입력을 바꾸며 반응을 확인하듯, 우븐 시티는 차·신호·서버·건물 설비의 관계를 실제 공간에서 바꿔본다. 다른 점은 그곳에 주민이 산다는 것이다. 그래서 검증 대상은 장치의 성능에서 생활에 미치는 영향까지 넓어진다.
도요다 사장이 2020년에 말한 ‘완전히 통제된 지역’은 중요한 자산이다. 그러나 주민의 데이터 제공에는 선택이 필요하고, 인벤터는 각자의 기술을 가지고 들어온다. 토요타와 WbyT가 설계하는 것은 시험 환경이다. 결과를 다른 차와 도로에 적용할지는 도시 밖의 여러 주체가 결정한다.
이 설계의 자유가 드러나는 곳은 교차로다. 토요타가 출범 전 공개한 설명에 따르면 1기 구역의 보행자 신호는 녹색이 기본이고, 차량이 지날 때 적색으로 바뀐다. e-Palette의 위치와 속도를 받은 서버가 교차로 도착 시점을 계산해 신호 변경을 요청한다. 보행자를 먼저 두도록 신호의 기본값을 정하고, 차량과 신호의 통신을 함께 설계하고 고칠 수 있다는 것, 그것이 이 마을이 보여주는 첫 장면이다.
실제로는 신호가 의도대로 바뀌지 않은 일도 있었다. 도요다 다이스케 당시 WbyT 부사장은 4월 우븐 시티에서 열린 기술 공개 행사 KAKEZAN에서 차량이 접근하면 녹색으로 바뀌어야 할 신호가 30분 넘게 적색으로 남은 사례를 공개했다. 연결된 시스템의 문제는 주민의 생활로도 이어졌다. 도요다 다이스케는 인증 시스템 장애로 사람들이 출입하지 못하거나 옥상에 갇혔고, 한밤중 인프라 오류로 도시 전체의 조명이 켜져 잠든 주민들이 깨기도 했다고 밝혔다. 작동을 멈춘 이동수단을 세 사람이 들어 옮겨야 했던 일도 있었다. 그는 교통과 에너지, 인증과 모빌리티를 각각 최적화하는 대신 서로 연결하고, 실험에 맞춰 바꿀 수 있도록 직접 구축·운영하고 있다고 설명했다. 개별 장치가 작동하는 것과 연결된 시스템 안에서 생활이 유지되는 것은 서로 다른 검증 과제다. 다만 공개된 설명은 실패의 장면까지다. 각 장애의 원인을 어떻게 찾아 고쳤고, 이후 재발했는지는 제시하지 않았다.
토요타는 이와 별도로 통합 ANZEN 시스템을 시험해 왔다. 일본어로 ‘안전’을 뜻하는 ANZEN은 영상을 해석하는 AI Vision Engine, 행동을 해석·예측하는 Behavior AI, 운전자와 주변 조건에 맞춰 주행을 돕는 Drive Sync Assist로 구성된다. 차량과 신호의 카메라 영상을 분석해 행동을 예측하고, 정보를 보행자와 운전자에게 전달한다.
WbyT는 2026년 안에 AI Vision Engine 2.0을 내놓아 상황을 언어로 설명하는 기능을 확장하고, 사건의 원인 추론과 특정 행동 탐지 기능을 더할 계획이다. 10개 이상의 벤치마크에서 세계 최고 수준의 점수를 기록했다는 회사 발표는 각 벤치마크의 기준과 방식에 따라 구축한 내부 평가환경의 결과이며, 일반 도로에서의 안전 효과를 뜻하지는 않는다.
이 실증은 토요타 그룹의 다른 안전 실험과 나란히 놓을 때 의미가 선명해진다. 토요타 모빌리티 기금이 추진하는 오키나와의 유이마루 프로젝트는 커넥티드카 운전 데이터와 경찰의 사고 데이터를 겹쳐 위험 구간을 찾아냈다. 렌터카의 차내 화면으로 운전자에게 위험을 알리고, 오키나와현 경찰과 함께 도로 대책을 세웠다. 기금의 2025년 8월 발표에 따르면 사고가 잦던 옛 이사 교차로에서는 속도 억제 폴 설치 등의 대책으로 사고율이 약 60% 줄었다. 남의 도로에서, 경찰과 손잡고, 작은 개입으로 거둔 결과다.
이노우에 사장은 올해 초 “사고 제로는 차의 성능만으로 달성할 수 없다”고 말했다. 유이마루가 운전자에게 알리고 도로에 폴을 세웠다면, 우븐 시티는 신호의 판단 방식과 차량 소프트웨어, 카메라와 AI 모델을 함께 고쳐 시험할 수 있다.
마을의 실험은 자동차 밖으로도 넓어졌다. AI로봇협회(AIRoA)는 9월 24일 기준 11가구에 가정용 로봇을 도입해 정리와 운반 같은 생활 지원 작업을 1,000건 이상 시험했다. 이 가정 실증에는 도시 밖의 개발자와 연결될 계획도 있다. AIRoA는 7월 경제산업성과 NEDO의 GENIAC 사업에 선정돼, 우븐 시티 세대를 포함한 35세대에서 약 7,000시간의 로봇 동작 데이터를 수집할 계획이라고 밝혔다. 데이터는 시각·언어·행동을 연결하는 VLA 모델의 학습과 평가에 쓰고, 다른 로봇 사업자와 AI 개발자도 활용할 수 있도록 정리한다.
AIRoA는 실가정에서 데이터를 계속 모으려면 안전성·프라이버시·거주자의 동의 관리 등 기술 개발만으로 풀리지 않는 과제가 있다고 설명했다. 주민의 생활과 선택은 실험의 조건이면서, 외부로 옮겨야 할 운영 경험이기도 하다.
주민의 참여가 운영 결정을 바꾼 사례는 있다. 스타트업 대상 Toyota Woven City Challenge 공모 결선에서 주민들도 투표에 참여했고, 주민과 심사위원의 지지를 반영해 선정 기업을 당초 3개사에서 4개사로 늘렸다. 다만 어떤 실험을 들일지 결정하는 참여와 제품 설계의 개선은 구분해서 봐야 한다.
같은 조건은 한계도 만든다. 이곳에 살며 실증에 참여하는 사람은 약 160명이다. 이 표본으로는 드물게 일어나는 사고의 통계를 얻기 어렵고, 한 회사가 설계한 장소에서 거둔 결과가 주인이 여럿인 일반 도로에서 재현되리라는 보장도 없다. 이 마을이 먼저 겪어볼 수 있는 것은 차와 신호, 로봇과 건물, 주민과 데이터가 함께 시험에 들어올 때 생기는 문제다.

통제된 조건에서 기술을 검증하는 Inventor Field.

도시 밖으로 가는 세 갈래 길

도시의 가치는 밖에서 확인돼야 한다. 성과를 옮길 길은 세 갈래다.
첫째는 양산차다. 도시에서 발견한 문제가 어느 차량의 요구사항이나 시험 항목을 바꿨는지 보여주는 사례는 아직 공개되지 않았다. 같은 회사 안에 있어도 Arene과 도시의 성과가 저절로 연결되는 것은 아니다. WbyT의 장 프랑수아 캄포 부사장은 올해 초 17년 된 일본 차를 모는 어머니의 이야기를 꺼냈다. 어머니에게 중요한 것은 밤새 소프트웨어에 어떤 변화가 생겼든 아침에 차가 시동이 걸리느냐다. 도시에서 발견한 위험이 차량의 요구사항과 검증 과정에 반영되고 양산차의 신뢰성으로 이어져야 차량 개발에 기여했다고 말할 수 있다.
둘째는 일반 도로다. 2026년 9월 3일 WbyT와 시즈오카현은 기술과 제품의 개발·실증을 추진하고 그 성과를 사회에 적용하기 위한 협약을 맺었다. WbyT는 2026회계연도 안에 ANZEN 실증을 도시 밖으로 넓혀 현 공용차에 장치를 달고 데이터를 모은다. 미시마시를 중심으로 한 모빌리티 서비스 실증도 검토한다. 일반 도로에는 제조사와 연식이 다른 차, 연결되지 않은 보행자, 기존 신호가 있다.
우븐 시티 안에서는 도로와 신호, 차량과 데이터의 조건을 함께 설계할 수 있었다. 일반 도로에서는 그 권한이 줄어든다. ANZEN의 외부 실증은 같은 기술이 통제할 수 없는 조건에서도 쓸모를 갖는지 확인할 기회다.
셋째는 제품이다. 2020년 도요다 사장이 말한 “아마 다른 사람도 사용할 수 있을 것”과 나란히 볼 만한 기술이 나왔다. 8월 공개자료에 따르면, 로봇을 자동문·엘리베이터와 연결하는 Robot Platform이 판매를 준비한다. 제조·물류 현장의 변경안을 가상으로 검증하는 Digital KAIZEN Platform은 일본과 해외에서 실증 중이다. 전기차 배터리를 에너지 자원으로 쓰는 xEV-VPP도 50대로 상용화 전 시험을 진행한다. 도시에서 시험한 도구를 외부로 옮기는 길이다.
평가 기준은 경영진의 판단에도 달려 있다. 토요타 CFO를 지낸 곤 겐타는 2023년부터 WbyT의 CFO로 Arene과 우븐 시티의 재무를 맡았고 2025년 토요타 CFO로 돌아간 뒤 2026년 4월 사장이 됐다. 그는 손익분기 판매량을 낮추는 일을 과제로 내걸었다. 2020년 도요다 아키오가 이익의 논리와 다른 방식으로 일하겠다며 출자한 조직의 재무를 본 사람이, 이제 토요타 전체의 수익을 책임진다. 우븐 시티의 구상과 출범을 이끈 도요다 다이스케는 8월 토요타로 복귀했다. 이 인사만으로 투자 방침의 변화를 말할 수는 없다. 그러나 긴 연구 기간을 요구하는 프로젝트를 어떤 기준으로 평가할지는 우븐 시티를 볼 때 빼놓을 수 없는 변수다.

2025년 9월 출범식 무대의 도요다 아키오 회장과 도요다 다이스케. 도시를 구상한 사람과 도시가 계속돼야 할 이유를 찾을 사람.

꿈의 구장, 그다음 질문

1년 동안 이 마을에서 무엇을 함께 시험할 수 있는지는 보이기 시작했다. 확인되지 않은 것은 그 현장이 토요타의 경쟁력이 되는가다. 도시 전체의 투자액이 공개되지 않아 성과를 비용과 견주기 어렵다. 기술의 외부 매출, 일반 도로에서의 ANZEN 안전 효과, 도시에서 발견한 문제가 양산차 개발에 반영된 사례도 아직 확인되지 않았다. 이 현장이 자동차 회사의 미래를 바꿀지는 여전히 시험 중이다.
도요다 다이스케는 4월 행사에서 우븐 시티가 100년 뒤에도 남아 있겠느냐는 질문을 받고, 이 장소를 유지하는 일 자체가 유일한 목적이 되지 않도록 하겠다고 답했다. 이곳을 충분히 활용해 더 나은 사회를 만드는 것이 목표라고 했다.
도시의 존속과 도시가 만든 성과의 확산은 같은 일이 아니다. 2018년 공장 직원의 질문은 이 땅을 어떻게 할 것이냐였다. 토요타는 그 땅에 작은 도시를 지었고, 사람들이 오기 시작했다. 그 질문에는 절반쯤 답이 나온 셈이다. 꿈의 구장이 남긴 질문은 그다음이다. 그곳에 모인 사람들이 어떤 경기를 하느냐, 그리고 그 결과가 담장 밖에서도 통하느냐.

※ AEM은 WbyT에 실증의 설계 변경 사례와 외부 적용 경로 등을 서면 질의했다. WbyT는 1주년 발표와 KAKEZAN 관련 공개자료를 안내했다.

Software Defines What a Vehicle Can Do. Semiconductors Define What Software Can Become

2026-10-01 14:27:17+0900

소프트웨어가 차량 기능을 정의하고, 반도체가 이를 구현한다

2026-10-01 14:13:37+0900

“SDV에서 반도체는 신뢰할 수 있는 컴퓨팅, 초고속 연결, 강력한 보안, 지능형 전력 관리를 가능하게 한다. 인피니언은 깊이 있는 시스템 이해와 강력한 애플리케이션 전문성을 바탕으로 자동차 업계가 SDV의 시장 출시 기간을 단축할 수 있도록 적극 지원하고 있다.”
피터 쉬퍼(Peter Schiefer), 인피니언 테크놀로지스 오토모티브 사업부 사장

IN ENGLISH

소프트웨어 정의 차량(Software-Defined Vehicle, SDV)은 더 이상 비전이 아닌 자동차 산업 전반의 전략적 핵심 과제가 되었다. 오늘날 차량 아키텍처에 대한 결정은 혁신을 얼마나 빠르게 확장할 수 있는지, 시스템을 얼마나 안전하게 발전시킬 수 있는지, 그리고 이를 얼마나 경제적으로 유지할 수 있는지를 좌우한다.

현재 생산되는 신차의 약 10%는 도메인(Domain)/존(Zonal) 혼합 아키텍처를 채택하고 있다. 이 비중은 2030년에 약 40%로 증가할 것으로 예상된다. 또한 SDV는 자율주행 기술의 시장 확산을 가속화할 수 있다. 현재 신차의 약 30%가 운전자 보조 및 자율주행 기능을 탑재하고 있으며, 이 비중은 2030년까지 약 55%로 높아질 것으로 예상된다.

하지만 모든 소프트웨어 기능은 하드웨어 기반 위에 구축된다. 무선(Over-the-air, OTA) 소프트웨어 업데이트는 차량 수명 주기 전반에 걸쳐 가능하지만, 하드웨어에 대한 결정은 차량 개발 초기 단계에서 이루어져야 한다. 결국 하드웨어가 소프트웨어 진화의 범위를 결정한다.

SDV의 숨은 동력

잘못된 반도체 선택은 개발 지연, 기능 축소, 비용이 많이 드는 재작업으로 이어질 수 있다. 반면 올바른 반도체 선택은 컴퓨팅, 연결성, 전력 분배, 사이버 보안을 유기적으로 통합해 OTA 업데이트를 원활하게 지원하고, 플랫폼 간 소프트웨어 재사용을 가능하게 하며, 차량의 전체 수명주기 비용을 낮출 수 있다. 적절한 반도체 선택은 존 기반 E/E(Electrical/Electronic) 아키텍처의 배선 길이를 최대 600m까지 줄일 수 있으며, 스마트 전력 분배를 통해 에너지 효율을 약 20% 높일 수 있다.

소프트웨어가 목표와 방향을 설정한다면, 반도체 하드웨어는 그 실행을 결정한다. 지연 시간(Latency), 안전성, 보안, 에너지 효율, 수명주기 동안의 업그레이드 가능성 모두 반도체에 의해 좌우된다.

마이크로컨트롤러(MCU)는 이러한 실행의 핵심에 있다. 이는 소프트웨어 플랫폼에 수십억 달러를 투자하는 자동차 제조사에게 반도체 선택의 중요성을 더욱 높이고 있다. 결국 SDV의 성공은 하나의 핵심 질문으로 귀결된다.

“진정한 시스템 이해를 바탕으로 SDV의 성공을 뒷받침할 반도체와 MCU를 누가 제공할 수 있는가?”

SDV 아키텍처와 MCU에 대한 오해 바로잡기

존(Zonal) 개념이 확산되면서 컴퓨팅 아키텍처와 차량 네트워크는 점점 더 중앙집중화되고 있다. 이 과정에서 자동차용 MCU의 역할에 대한 의문도 자주 제기된다.
다음 네 가지 기술적 오해를 살펴볼 필요가 있다.

오해 1: 존 아키텍처가 성숙해짐에 따라 MCU는 MPU(Microprocessor Unit)로 대체될 것이다.
현실은 그렇지 않다. 존(Zone)은 공간적 개념이며 컴퓨팅 성능을 의미하는 것이 아니다. MCU는 데이터를 실시간으로 처리해 차량 내 데이터 트래픽을 줄이고, 결정론적(Deterministic)이며 안전이 중요한 제어 기능을 가능하게 한다.
예를 들어 인피니언의 AURIX™ TC4x MCU는 MPU가 제공할 수 없는 액추에이터 제어와 전력 분배에 필요한 실시간 성능과 기능 안전을 제공한다.

오해 2: 고성능 MCU는 MPU의 기능을 따라잡을 수 없다.
이는 설계 목표 자체를 잘못 이해한 것이다. 최신 고성능 MCU는 40,000DMIPS 이상의 성능을 제공하며, 하드웨어 기반 안전성 분리(Safety Partitioning), 통합 보안 모듈(HSM), 1마이크로초 미만의 인터럽트 지연 시간을 지원한다.

오해 3: MPU가 실시간 애플리케이션에서 MCU 기능을 흡수할 것이다.
기능안전 요구사항 때문에 현실적으로 어렵다. 실시간 제어 루프는 지연 시간이 보장되는 전용 리소스가 필요하다. 또한 존 아키텍처는 물리적 액추에이터 가까이에서 동작하는 분산 제어 기능을 추가적으로 요구한다.

오해 4: MCU 수요는 파워트레인에만 의존한다.
전기차는 내연기관 차량보다 훨씬 더 많은 MCU를 필요로 한다. 배터리 관리 시스템(BMS), 인버터 제어, DC-DC 컨버터, 온보드 충전기 등은 각각 전용 MCU가 필요하다. 전동화는 MCU 수요를 줄이는 것이 아니라 오히려 더욱 확대시키고 있다.

양산까지의 여정 가속화

컴퓨팅은 SDV의 핵심 하드웨어 요소이지만 유일한 요소는 아니다. 자동차 제조사는 컴퓨팅, 연결성, 전력 및 보안 전반에 걸쳐 시스템 수준의 이해를 제공하고, 이를 바탕으로 양산 검증된 반도체 솔루션, 레퍼런스 디자인, 검증 프레임워크 및 툴체인을 제공하여 개발 일정을 단축하고 출시 위험을 줄일 수 있는 반도체 파트너가 필요하다.

이것이 바로 인피니언 SDV 전략의 기반이다. 인피니언은 폭넓고 최적화된 반도체 제품 포트폴리오를 통해 자동차 제조사를 지원하는 것을 목표로 한다. 자동차 제조사는 검증된 하드웨어 및 시스템 솔루션을 활용해 SDV 개발을 가속화할 수 있다. 인피니언은 고성능 컴퓨팅 플랫폼과 안전한 고속 연결성을 스마트하고 효율적인 전력 분배와 결합해 안정적인 자동차 아키텍처를 위한 포괄적인 기반을 제공한다.

대표적인 예로, AURIX™ TC4x 제품군은 최신 TriCore™ 프로세서와 포괄적인 사이버 보안 기능을 갖춘 인피니언의 대표 실시간 MCU 플랫폼이다. 또한 확장 중인 RISC-V 로드맵은 유연성과 장기적인 확장성을 제공한다. 연결성 분야에서는 BRIGHTLANE™ 이더넷 포트폴리오가 멀티 기가비트급 데이터 전송 속도를 제공하며, 센서 융합에 필수적인 TSN(Time-Sensitive Networking)을 지원한다. 또한 PROFET™ Wire Guard eFuse와 같은 전력 분배 안전 솔루션은 기능 안전을 구현할 수 있도록 지원할 뿐 아니라 에너지 효율 향상에도 기여한다.

여기에 폭넓은 전동화 포트폴리오가 더해진다. 인피니언은 배터리 관리 IC부터 트랙션 인버터용 고효율 전력 변환 솔루션까지 SDV 아키텍처가 요구하는 전력 인프라 전반을 제공한다.

SDV 구현

차세대 자동차 아키텍처는 인피니언이 실제 SDV 애플리케이션에서 어떤 가치를 제공하는지를 이미 보여주고 있다. 이러한 아키텍처는 중앙 컴퓨팅, 고속 연결, 효율적인 전력 관리를 담당하는 인피니언의 핵심 부품을 통합하고 있다. 또한 소프트웨어와 하드웨어를 분리함으로써 원활한 OTA 업데이트를 지원하며, 자동차 제조사가 변화하는 사용자 요구에 신속하게 대응할 수 있도록 해준다.

SDV 아키텍처가 만들어가는 미래

SDV 경쟁은 자동차 E/E 아키텍처를 혁신하는 새로운 소프트웨어 전략이며, 이것은 단지 시작에 불과하다. SDV는 오늘날의 커넥티드카와 미래의 자율주행 시스템을 잇는 기술적 가교 역할을 한다.
중앙집중형 컴퓨팅, 실시간 제어, 보안 연결, 지능형 전력 관리를 위한 반도체는 신뢰의 기반이다.
오늘날 도로 위를 달리는 모든 SDV는 AI 기반 학습 시스템을 갖추고 있으며, 안전하고 신뢰할 수 있는 자율주행으로 나아가는 또 하나의 단계다. 자동차 산업의 미래는 소프트웨어 지능과 하드웨어 신뢰성이 만나는 곳, 그리고 반도체가 비전을 합리적인 가격의 사용자 경험으로 구현하는 곳에서 시작될 것이다.

IN ENGLISH

AIDV: The Right to Take the Wrong Turn

한상민 기자_han@autoelectronics.co.kr — 2026-09-22 16:48:19+0900

AI와 자동차의 경험: 잘못된 길로 갈 권리

한상민 기자_han@autoelectronics.co.kr — 2026-09-22 16:21:56+0900

Mercedes-Benz가 그리는 hyper-personalised customer experience. 자동차는 운전자의 습관과 상황을 이해해 필요한 기능과 서비스를 먼저 제안하는 방향으로 가고 있다.

자동차는 운전자를 더 정확하게 이해하고 그 이해를 행동으로 옮기기 시작했다. 하지만 무엇을 원하는지를 아는 것과 어디까지 대신해도 되는지는 별개의 문제다. AI가 더 많은 선택과 실행을 맡을수록 묻고 기다리고, 때로는 아무것도 하지 않는 능력도 중요해진다. '자동차의 경험' 시리즈는 이 일곱 번째 이야기로 마무리된다. Memory Lane에서 시작해 Top Gear, Systems Over Cylinders, Audi F1, Whose Experience, Begin Again을 거쳐 온 질문들이 이번 글에서 다시 만난다.

글 | 한상민 기자 _ han@autoelectronics.co.kr
IN ENGLISH

월요일 아침이다. 커피를 마시며 오늘 일정을 확인한다. 출근할 시간이 되자 차는 차고에서 나온다. 실내 온도는 이미 맞춰져 있고 라디오와 볼륨도 평소대로 준비돼 있다. 차에 타자 MBUX Virtual Assistant가 목적지를 제안한다. 회사로 간다. 평소 들르던 드라이브스루는 건너뛴다. 내가 이미 집에서 커피를 마셨다는 것을 알고 있기 때문에.
이건 상상이 아니다. Mercedes-Benz가 그리고 있는 hyper-personalised customer experience의 한 장면이다. 자동차가 운전자의 습관과 일정, 필요를 이해하고 하루를 이어주는 미래다. 자동차는 운전자가 무엇을 원하는지 매번 묻지 않고 이미 알고 있는 것을 바탕으로 먼저 준비한다. 자동차가 나를 이해한다는 것은 대체로 이런 식이다.
그런데 오늘 내가 회사가 아니라 바다에 가고 싶다면 어떨까.
별일은 아니다. 내비게이션에 어느 해변을 입력하면 그만이다. 차가 회사를 제안했다고 해서 내가 회사에 가야 하는 건 아니다. 음악이 마음에 들지 않으면 바꾸면 되고 실내 온도가 싫으면 다시 맞추면 된다. 대부분 쉽게 되돌릴 수 있다. 그래서 질문은 차가 내 선택을 막느냐가 아니다.
자동차가 하려는 일이 목적지를 맞히고 음악을 추천하는 데서 끝나지 않는다면 이야기가 달라진다. 충전소를 추천하는 것과 직접 선택하는 것 사이에는 큰 차이가 있다. 예약까지 하면 또 다르다. 결제하면 돈이 움직인다. 그 결과가 캘린더와 다른 서비스까지 이어지면 차가 한 행동의 영향은 더 넓어진다. AI 에이전트가 자동차에 들어오는 것은 차가 나를 더 잘 안다는 것만을 뜻하지 않는다. 아는 것을 행동으로 옮기기 시작한다는 뜻이다. 차는 내가 회사에 갈 것이라는 사실을 정확하게 맞힐 수 있지만, 정확하게 맞혔다는 것이 나를 대신해 거기까지 움직여도 된다는 것은 아니다.

HARMAN Ready Care는 운전자의 인지·시각 부하와 상태를 감지해 필요한 순간 개입한다. 안전을 위한 행동과 편의를 위한 선제적 행동에는 서로 다른 기준이 필요하다.

먼저 움직이는 차

자동차는 오래전부터 사람보다 먼저 움직였다. 바퀴가 잠기려 하면 ABS가 작동한다. 자세를 잃으려 하면 ESC가 개입한다. 충돌 위험이 커지는데 운전자가 반응하지 않으면 AEB가 브레이크를 밟는다. 이럴 때는 자동차가 묻지 않는다.
"브레이크를 밟아도 될까요?"라고 물어서는 안 되는 순간이기 때문이다.
자동차 산업은 수십 년 동안 이런 판단을 발전시켜 왔다. 위험을 더 빨리 감지하고, 더 정확하게 판단하고, 필요한 순간 더 빨리 개입하는 것이 이런 안전기술의 발전이었다. 그런데 AI가 콕핏으로 들어오면서 자동차가 먼저 움직일 수 있는 일이 크게 늘고 있다. 하지만 모든 행동에 AEB의 논리를 적용할 수 있는 것은 아니다. 예를 들어, HARMAN의 Ready Care와 Ready Engage를 나란히 놓으면 그 차이가 보인다.
Ready Care는 운전자의 상태를 살핀다. AI와 센싱 기술을 이용해 인지·시각 부하와 호흡 등을 살피고 주의분산이나 졸음을 감지해 필요한 순간 맞춤형 개입을 제공한다. 운전자가 위험한 상태라면 먼저 움직이는 이유는 분명하다. Ready Engage는 Luna라는 AI 아바타를 통해 음성과 시각 정보를 이용한 개인화된 상호작용을 제공한다. 탑승자의 필요를 예상하고 자연스럽게 반응하며, 자동차 안에서 보다 개인화된 경험을 만드는 쪽을 향한다.
둘 다 사람을 읽고 먼저 반응할 수 있다. 하지만 졸음이 감지된 운전자에게 경고를 보내는 일과 좋아할 것 같은 컨텐츠를 먼저 제안하는 일을 하나의 잣대로 판단할 수는 없다. 후자가 위험하다는 이야기도 아니다. 마음에 들지 않으면 다른 것을 고르면 된다. 하나는 안전을 위해 기다리지 않아야 한다. 다른 하나는 편의를 위해 기다리지 않아도 되는 경우다. 예측의 정확도가 행동의 권한까지 결정해 주지는 않는다.

BMW Intelligent Personal Assistant는 운전자의 과거 행동을 바탕으로 기능을 먼저 제안한다. 반복해서 받아들이지 않는 제안은 더 이상 보여주지 않는 것도 개인화의 일부다.

거절도 데이터다

BMW에는 매우 작은 사례가 있다. BMW Intelligent Personal Assistant는 운전자의 과거 행동을 바탕으로 먼저 제안할 수 있다. 운전자가 이전에 Sport Mode를 사용했다면 적절한 도로에서 다시 Sport Mode를 제안하는 식이다.
그런데 운전자가 이런 제안에 여러 번 반응하지 않거나 무시하면 시스템은 그것도 배운다. 그리고 제안을 그만둔다. 더 많은 데이터를 처리하는 것도 아니고, 운전자를 놀라게 할 새로운 기능을 실행하는 것도 아니기 때문에 대단한 AI처럼 보이지는 않을 수 있다. 하지만 아무것도 하지 않기 때문에 흥미롭다. 개인화는 보통 사용자가 무엇을 원하는지 더 잘 알아내는 기술로 설명되고, 자주 가는 장소, 좋아하는 음악, 반복해서 사용하는 기능을 기억해 다음에 먼저 준비한다. BMW의 사례는 반대다.
거절도 데이터인 것이다. Yes를 반복한 것이 취향이라면 No를 반복한 것도 취향이다. 무엇을 원하는지를 학습한다면 무엇을 원하지 않는지와 언제 제안을 그만둘지도 배워야 한다. 그렇다고 모든 무응답이 거절은 아니다. 운전 중 제안을 놓쳤거나 그 순간의 상황과 맞지 않았을 수도 있으므로, 한 번의 침묵보다 명시적인 거절과 반복된 무반응, 이후의 행동을 함께 봐야 한다.

쏘카 모두의주차장 AI 음성 주차권 구매 서비스. AI가 조건을 이해해 주차장을 추천하고 결제 단계까지 연결하지만, 마지막 구매는 사용자가 직접 확정한다.

최근 국내에서는 또 하나의 흥미로운 사례가 나왔다. 쏘카의 주차 플랫폼 '모두의주차장'은 9월 17일 AI 음성 주차권 구매 서비스를 시작했다. 이전에는 목적지 검색부터 주차장 비교, 상세 내용 확인, 권종과 시간 설정, 차량 확인, 결제까지 최대 12단계를 거쳐야 했다. 이제는 "강남역 근처에 2시간만 주차할 곳 찾아줘"라고 말하면 AI가 장소와 시간, 가격대, 주차 형태 등의 조건을 이해해 후보를 추천하고 결제 단계까지 데려간다. 단계의 상당 부분이 사라졌지만 마지막 하나 '결제하기'는 없애지 않았다. 쏘카는 개인정보 보호와 결제 안전을 위해 AI의 역할을 추천과 결제 단계 진입까지로 제한하고, 마지막 구매는 사람이 직접 누르게 했다. 중요한 건 언제나 사람이 마지막 버튼을 누르는 게 아니라, 무엇을 맡겼고 그 맡김을 언제든 거둬들일 수 있느냐다. 음악 한 곡을 잘못 골랐다면 다음 곡을 누르면 되고, 목적지를 잘못 제안했다면 다시 입력하면 된다. 반면 결제가 끝난 뒤에는 취소나 환불이 필요하다. 다른 일정이나 서비스까지 연동됐다면 되돌려야 할 일은 더 많아진다.
차가 먼저 움직이는 일이 많아질수록 틀릴 확률만 볼 게 아니라, 틀렸을 때 무엇을 되돌려야 하는지도 봐야 한다. 없애도 되는 마찰과 남겨야 할 마찰은 그때 갈린다.

맥락을 이해하는 HMI는 필요한 정보를 먼저 보여줄 수 있다. 그러나 무엇을 보여줄 것인지와 사용자가 익숙한 환경까지 바꿀 것인지는 다른 문제다.

덜 묻는 자동차

자동차 HMI는 오랫동안 질문의 수를 줄이는 쪽으로 발전해 왔다. 개인화는 반복을 덜어줄 뿐 아니라, 내가 직접 찾지 않았던 선택을 먼저 보여주기도 한다. 시트와 온도, 음악과 목적지를 매번 처음부터 설정할 필요는 없다. 충전할 때 여러 앱을 오가고 계정을 다시 입력하는 번거로움도 없어지는 편이 낫다.
HARMAN은 최근 자동차 HMI의 변화를 'From Buttons to Behavior'라고 표현했다. 기능이 빠르게 늘면서 운전자가 처리해야 할 정보도 많아졌고, HMI는 고정된 메뉴에서 맥락과 행동을 읽는 쪽으로 이동하고 있다. 개인화는 반복된 패턴과 상황 정보를 바탕으로 필요한 것을 골라 보여주고 상호작용을 줄이는 수단이 된다. 행동 기반 시스템은 한 번의 입력만 보는 것이 아니라 장기간의 행동 패턴을 학습해 먼저 반응한다.
좋은 방향이다. 우리도 자동차와 매 순간 대화하고 싶지는 않다. 월요일마다 회사에 간다는 것을 차가 알고 있다면 매번 "어디로 갈까요?"라고 묻는 것이 이상하다. 여행 중이라는 것을 알아챈 차가 그 상황에 필요한 정보를 먼저 보여줄 수도 있다.
하지만 필요한 정보를 먼저 보여주는 것과, 내가 익숙한 대시보드까지 알아서 바꾸는 것은 같은 일이 아니다. 자동차의 AI 에이전트가 더 많은 일을 맡게 될수록, 사용자가 무엇을 원하는지 알아내는 능력만으로는 충분하지 않다는 차이가 중요해진다. 아직 결정하지 않았다는 것도 알아야 한다. 때로는 한 번 더 묻는 것이 필요하고, 때로는 대답을 기다려야 한다. 또 어떤 때는 여러 번 거절당한 뒤 조용히 사라져야 한다. 묻지 않는 것이 언제나 배려는 아니다.
지난 8월 서울 코엑스, 2026 퓨처 모빌리티 위크에서 LG전자 홍현택 연구위원은 AIDV 시대에는 이동시간 자체가 경험의 가치가 되며, 음성·시선·감정·생체 신호로 탑승자 상태를 파악해 맞춤형 서비스를 제공하는 인 캐빈 AI를 개발 중이라고 밝혔다. 피곤한 사람에게 맞는 컨텐츠를 제안한다고 선택권이 사라지는 것은 아니다. 문제는 차가 피곤한 얼굴은 읽을 수 있어도, 내가 아직 마음을 정하지 않았다는 것까지 읽을 수 있느냐다. 그리고 자동차가 나를 점점 더 정확하게 이해하고, 내가 다시 선택해야 할 순간을 계속 줄여준다면 사람의 선택에 어떤 변화가 있을 것인가. 아직은 모른다. 다만 자동차가 행동을 읽고 의도를 예상해 먼저 반응하는 쪽으로 가고 있는 것은 분명하다.
지난 여름 'Begin Again'에서 자동차가 나를 아무리 잘 기억해도 아직 내가 되어보지 않은 사람까지 기억할 수는 없다고 썼다. 이번에는 그보다 가까운 곳을 보면, 자동차가 나를 정확하게 예측한 다음, 그 판단을 어디까지 행동으로 옮길 것인가가 질문이 된다.

MB.DRIVE ASSIST PRO의 cooperative steering은 운전 지원 중에도 운전자가 조향에 개입할 수 있게 한다. 운전자의 보정을 시스템 전체에 대한 거부로 해석하지 않는 방식이다.

손이 방향을 바꿀 때

흥미롭게도 운전 지원에서는 한 가지 작은 실마리를 찾을 수 있다.
Mercedes-Benz가 CES 2026에서 공개한 MB.DRIVE ASSIST PRO는 SAE 레벨 2 운전 지원으로 도심에서 목적지까지 주행을 돕는다. cooperative steering이라고 부르는 방식 덕분에 시스템이 작동하는 동안에도 운전자는 언제든 조향을 보정할 수 있고, 그 입력만으로 시스템 전체가 해제되지는 않는다. 기능 자체가 새로운 것이 아니라, 운전자 개입을 곧바로 시스템에 대한 거부나 완전한 인수로 해석하지 않는 방식이 중요하다. 운전자와 시스템 중 하나가 모든 것을 가져야 할 이유는 없다. 물론 이 원리를 음악이나 일정에 그대로 옮길 수는 없다. 안전을 다루는 운전 지원과 생활 속 선택에는 각각 요구되는 책임과 개입의 정도가 있다.
여기서 생각해 볼 것은 사람이 다시 들어왔을 때 시스템이 무엇을 해야 하느냐다. Top Gear에서 우리가 본 살아있음은 세 사람이 서로를 정확히 읽어서 생긴 것이 아니었다. 그들은 어긋났고, 다른 선택을 했고, 그 차이가 관계를 만들었다. 차가 사람을 더 잘 이해하게 된다고 해서 그 살아있음까지 대신할 수 있는 것은 아니다. 좋은 AI가 할 일은 더 강하게 설득하는 것이 아니라, 사람이 다른 선택을 할 자리를 남겨두는 것일 수 있다.

실행 다음의 능력

"Execution is what wins."
HARMAN Automotive의 크리스티안 소보트카 CEO는 올해 초 AI와 머신러닝 같은 기술 자체는 이제 자동차에서 차별점이 아니라고 말했다. AI를 넣었다는 사실보다 실제 자동차에서 제대로 작동하게 만드는 능력이 중요하다는 뜻이다. 자동차 AI가 데모를 넘어 실제 차량으로 들어갈수록 실행할 수 있는 일은 더 많아진다. 그래서 이제 어려운 질문은 실행 그 자체보다 앞에 있다.
언제 하는가. 어디까지 하는가. 언제 다시 묻는가.
이건 모델의 정확도만으로 답할 수 있는 질문이 아니다. 틀렸을 때 쉽게 되돌릴 수 있는지, 돈이나 일정처럼 다른 서비스까지 움직이는지, 안전 때문에 기다릴 수 없는 일인지, 사용자의 의도가 정말 끝난 것인지도 봐야 한다.
Cinemo의 이반 딤코비치는 여행 계획을 예로 들었다. AI가 경로상의 호텔을 찾고 옵션을 비교해 예약까지 준비할 수는 있다. 그렇다면 사용자에게 묻지 않고 예약을 확정하고 신용카드 결제까지 해도 될까. 어떤 사람은 원하겠지만, 어떤 사람은 마지막 확인만큼은 직접 하고 싶어 할 수 있다. 95%의 확신으로 음악 한 곡을 고르는 데 필요한 권한과 결제를 끝내는 데 필요한 권한을 똑같이 볼 수 없다. 사용자가 이미 맡긴 일이라면 다시 물을 필요가 없을 수도 있다. 아직 생각하고 있는 일이라면 기다리는 편이 낫다.
지난 6월 'Whose Experience'에서, AI 에이전트가 콕핏에 들어오는 순간을 두고 '권한은 이동하는데, 그 권한이 어디로 갔는지에 대한 규칙은 아직 완성되지 않았다'고 썼었다. 이번에는 그다음을 묻는다. 자동차가 사용자의 의도를 읽었다면, 그 권한을 언제 행동으로 옮겨도 되는지를. 바로 실행할지, 먼저 물을지, 제안만 할지, 거절당하면 그만둘지, 기술적으로 가능하지만 하지 않게 할 것인지.
자동차 AI의 완성도는 무엇을 얼마나 많이 해주는지만으로 평가하기 어려워질 것이다. 하지 않아야 할 때 하지 않는 능력도 필요하다. 앞선 글에서 디코니움의 Guang Yang이 말한 Seamless Experience를 SDV 시대 자동차의 새로운 '천장'이라고 소개했다. 그 방향은 여전히 유효하지만, 매끄러운 경험은 아무것도 묻지 않는 경험이 아니다. 충전할 때마다 다른 앱을 열고 싶지는 않다. 차에 탈 때마다 내가 누구인지 다시 설명하고 싶지도 않다. 그러나 쏘카가 남겨둔 마지막 '결제하기'처럼, 없애지 않는 편이 나은 마찰일 수도 있다.

Memory Lane에서 시리즈를 시작하게 했던 오래된 Chevrolet Suburban. 가족이 무엇을 원하는지 예측하지도, 다음 목적지를 제안하지도 않았다. 그저 그들의 시간과 함께 갔다.

다시, 우회

이 일곱 편의 이야기가 시작된 지난해 연말, 우리는 오래된 Chevrolet Suburban 한 대를 봤다.
한 노부부가 그 차를 타고 지나온 시간을 돌아봤다. 크리스마스트리 농장과 아이스링크를 지나고, 길가에 멈추고, 흙길을 달리고, 오래된 헛간에 들어갔다. 어린아이들은 그 헛간으로 들어갔다가 어느새 어른이 되어 나왔다. 차에는 빈 시트가 남았다. 한때 함께했던 개도 사라졌다. 그 부부는 이렇게 말했다. "쉽지 않았지." "쉬웠으면 좋겠어?" "아니, 그냥 그대로였으면 좋겠어." 그 차는 가족이 무엇을 좋아하는지 학습하지 않았다. 다음 목적지를 제안하지 않았다. 예약하거나 결제하지 않았다. 오늘의 기분도 몰랐다. 그저 함께 갔다.
당시 우리는 그 이야기를 보며 추억은 선택보다 우회에서 생길 때가 있다고 썼다. 이게 미래의 자동차가 과거처럼 아무것도 몰라야 한다는 뜻은 아니다. 이제 자동차는 우리가 어디로 가는지, 무엇을 듣는지, 어디에서 멈추는지, 무엇을 반복하는지와 같은 훨씬 많은 것을 알 수 있다. 그리고 우리가 무엇을 하려는지도 조금씩 알아가고 있다. 그건 더 좋은 자동차를 만들 수 있는 능력이다.
Audi F1 편에서는 실수가 다음 개선을 위한 데이터가 되는 세계를 봤다. 하지만 시스템의 실수와 사람의 우회는 같은 것이 아니다. 자동차는 오랫동안 사람이 저지르는 위험한 실수를 줄이는 방향으로 발전해 왔다. 앞으로는 생활의 번거로운 선택도 더 많이 대신할 것이다. 충돌 직전 브레이크를 밟지 않는 운전자에게 자동차는 물러서서는 안 된다. 브레이크를 밟지 않은 것은 오류이기 때문이다. 하지만 좋아하지 않는 음악을 고르고, 추천하지 않은 식당에 가고, 조금 돌아가는 길을 택하고, 어느 월요일 갑자기 회사 대신 바다를 향하는 선택까지 자동차가 더 나은 답으로 바꿔줄 필요는 없다. 월요일 아침의 바다는 오류가 아니다. 그 선택이 반드시 좋은 선택일 필요도 없다. 바다에 갔다가 후회할 수도, 식당이 형편없을 수도 있다. 돌아간 길이 정말 시간 낭비였을 수도 있다. 그래도 그것은 내가 한 선택이다.
자동차가 나를 더 많이 알게 될수록 어려워지는 일은 예측이 아니다. 예측에서 벗어난 나를 오류로 볼지, 변화로 볼지 가리는 일이다. 그래서 필요한 것은 모든 잘못된 선택을 없애는 능력만은 아닐 것이다. 많이 아는 차가 언제 움직이지 않을지를 아는 것. 어쩌면 그것도 사람과 함께하는 방법일 수 있다.

내가 어느 날 다른 길을 택했을 때, 그 차는 어디까지 따라와 줄 것인가.

Beyond 102.5 cd/m², Brighter Was No Safer: Why Professor Lin Yandan Measured Automotive Lighting Through Human Responses

한상민 기자_han@autoelectronics.co.kr — 2026-09-18 14:02:07+0900

자율주행 외부 조명, 102.5 cd/㎡ 이후 더 밝아도 안전하지 않았다

한상민 기자_han@autoelectronics.co.kr — 2026-09-18 13:47:15+0900

중국 자동차기업들은 차량이 사람보다 먼저 감지하고 판단하며 반응하는 미래를 그리고 있다. 구현할 수 있다는 것과 사람에게 안전하고 편안하다는 것은 다른 문제다. 푸단대학교 린옌단 교수는 자동차 조명의 색과 밝기부터 건강 콕핏까지, 기술의 효과를 사람의 반응으로 증명하는 방법을 보여줬다.

글 | 한상민 기자 _ han@autoelectronics.co.kr
IN ENGLISH

야간 도로에서 파란색 표시등을 켠 차량이 달린다. 중국에서 '샤오란덩(작은 파란불)'으로 불리는 이 빛은 레벨 2 운전자 지원 시스템이 작동 중임을 외부에 알리는 표시로 빠르게 확산됐다. 업계와 소비자에게는 이 등이 켜지는 순간이 사실상 자율주행의 시작처럼 받아들여졌다. 그러나 중국의 정책 방향은 반대쪽으로 움직였다. 레벨 2는 어디까지나 운전자를 돕는 기술일 뿐, 자동차가 운전을 맡는 자율주행이 아니라는 것이다. 2026년 7월 중국은 이 등에 제동을 걸었다. 현행 외부조명 표준 GB 4785가 애초 허용하지 않는 색인 데다, 야간 눈부심과 주변 운전자의 판단 방해가 안전 문제로 지적됐기 때문이다.
파란불이 사라져도 차량이 자신의 자동화 상태와 의도를 외부에 전달해야 할 필요까지 사라지는 것은 아니다. Matrix LED와 픽셀 조명, 노면 프로젝션 같은 새로운 eHMI(External Human Machine Interface)가 그 자리를 넘보고 있다. 표시방식이 달라진다고 질문까지 달라지는 것은 아니다.
사람은 그 빛을 더 빨리 알아보는가. 의미를 정확하게 이해하는가. 더 밝고 화려하게 만들수록 실제로 더 안전해지는가.
푸단대학교 린옌단(Lin Yandan) 교수의 연구는 특정 표시등의 허용 여부가 아니라 그 질문을 사람의 반응으로 측정했다. 실험에서 청색은 흰색보다 빨리 시선을 끌었다. 그러나 밝기가 약 102.5 cd/㎡를 넘어서자 식별성은 더 뚜렷하게 개선되지 않았고, 인지부하와 눈부심 불쾌감은 계속 증가했다. 기술은 더 밝은 빛을 만들 수 있었지만, 사람은 더 많은 정보를 얻지 못했다.

청색 표시등은 흰색보다 대비효과 24%, 차량 식별 평가 14% 높게 나타났다. 그러나 그 우위가 밝기와 결합할 때는 다른 문제였다.

청색은 빨리 보였지만, 밝기에는 한계가 있었다

자율주행차는 운전자의 눈맞춤이나 손짓을 대신할 수단이 필요하다. 보행자와 다른 운전자는 차량이 출발하려는지, 정지하거나 양보하는지, 지금 자율주행 중인지를 알아야 한다. 자동차 조명이 도로를 비추거나 차량을 장식하는 부품을 넘어 차량의 상태와 의도를 외부에 알리는 eHMI로 바뀌는 것이다.
린 교수는 자율주행 상태를 알리는 표시등의 청색과 흰색을 비교한 연구를 소개했다. 청색 표시등은 흰색보다 참가자가 처음 바라보기까지 걸린 시간이 짧았다. 대비효과는 24%로 나타났고 평균 주시시간도 더 길었다. 차량 식별에 대한 평가는 청색이 흰색보다 14% 높았다. 청색이 더 빨리 눈에 띈다는 결과다. 그러나 시선을 끌었다는 것만으로 사고위험까지 낮아졌다고 할 수는 없었다.
연구진은 참가자 26명을 대상으로 실제 차량의 야간 관찰실험을 진행했다. 표시등의 밝기는 101.5 cd/㎡에서 103.75 cd/㎡까지 네 단계로 나눴고, 세 가지 설치 위치와 세 가지 관찰거리를 조합했다. 인지부하에서는 밝기와 설치 위치 모두 유의한 주효과를 보였다(각각 p<.001). 중앙선에 배치한 표시등은 그릴 면적형이나 전면유리 라인형보다 인지부하가 뚜렷하게 낮았다. 밝기가 102.5 cd/㎡를 넘어서자 식별성은 더 좋아지지 않았지만, 인지부하와 눈부심에 따른 비용은 계속 올라갔다.
슬라이드에는 결과를 요약한 문장이 떠 있었다.
"‘눈에 띌수록 안전하다’는 단순한 논리를 바꾸다."
"색깔 하나만 보고 안전성을 판단해서는 안 됩니다. 자동차 조명의 안전성은 색상과 밝기, 설치 위치, 관찰거리와 실제 교통환경을 함께 고려해야 합니다."
102.5 cd/㎡는 모든 자율주행 표시등에 적용할 수 있는 안전기준은 아니다. 26명이 참여한 특정 차량과 야간 관찰조건에서 확인된 값이고, 연령과 시각특성, 날씨와 도로환경이 달라지면 결과도 달라질 수 있다. 표준이나 제품기준으로 쓰려면 더 다양한 조건에서 반복 검증이 필요하다. 그래서 숫자가 보여주는 것은 정답이 아니라, 기술적으로 구현할 수 있는 최대치와 사람에게 적절한 값이 서로 다를 수 있다는 사실이다.
이 실험은 여러 발표의 한 조각이었다. Desay SV는 AI Agent가 사용자의 의도를 이해하고 여러 기능을 스스로 연결하는 자동차를, XPENG은 시트가 탑승자의 자세와 신체상태를 감지해 먼저 반응하는 미래를, Dongfeng은 지능형 섀시가 도로와 차량의 한계를 미리 판단하는 방향을 각각 발표했다. 차가 사람보다 먼저 감지하고 판단하고 행동한다는 흐름이 그 자리를 채웠다.
린 교수의 발표 화면 첫 장에는 이 흐름에 각주를 다는 문장이 걸려 있었다. 자동차 조명이 시스템급 전환기에 들어섰다는 것. 전동화·지능화·네트워크화·경험화가 겹치는 지금 조명의 기본 기능은 보고 보이는 데 머물지 않는다. 환경 감지, 정보 교환, 안전 경고, 감정 표현, 건강 경험까지 그가 나열한 역할은 길었고, 그걸 뒷받침할 경쟁력도 광학설계 하나가 아니라 재료와 측정·검증, 표준·법규와 인간공학으로 나눠 잡았다. 조명 실험은 그중 측정·검증의 한 갈래였을 뿐이었다.

26명 참가자의 야간 실차 관찰실험 결과, 102.5 cd/㎡를 넘어서자 식별성 개선은 멈췄지만 인지부하와 눈부심은 계속 증가했다.

제품이 달라졌다면 측정법도 달라져야 한다

측정이 바뀌어야 하는 이유는, 조명이 더 이상 하나의 목적에서 완성된 상태로 존재하지 않기 때문이다. 자동차 조명은 기존 시험법이 만들어질 당시의 제품이 아니다. 차량 전폭을 가로지르는 2m 이상의 램프가 나왔고, 하나의 발광면에 여러 기능 영역과 고밀도 LED 모듈이 들어간다. 기존 평가는 여전히 법규가 지정한 몇 개 지점의 광도와 배광을 재는 데 머물러 있다. 린 교수는 이를 "새로운 도전이 체계의 반복 개선을 강요한다"고 정리했다. 규제가 먼저가 아니라 제품이 먼저 바뀌고 측정 체계가 뒤쫓아가는 상황이다.
긴 발광면에서는 발광중심을 하나로 정하기 어렵다. 항저우 위안팡광전은 머신비전으로 각 발광점의 공간좌표를 직접 찾는 방식을 제안했다. 영상측정과 좌표변환을 결합해 수평·수직 위치오차까지 확인한다. HUD도 사정은 비슷하다. 차량마다 곡면유리와 표시영역이 달라 고정된 시험장비로는 대응하기 어렵다. 상하이 푸잔즈넝은 유연한 검사 아키텍처를 구축해 신차 양산과 애프터마켓, 해외 납품에 대응했다. 다축 플랫폼과 이미지 알고리즘, 데이터 추적을 결합한 이 접근은 검사를 단일 지점의 파라미터 측정에서 제품 전 과정의 품질관리로 옮겨놓고 있었다.
렌즈가 특정 각도의 태양광을 좁은 영역에 모으는 집광현상도 새로운 과제다. 국부적으로 에너지가 쌓이면 내부 소재가 변색되거나 변형되고, 심하면 기능 자체가 망가진다. 완성된 램프의 초기 광학 성능만 재서는 발견하기 어려운 위험이다. 린 교수가 소개한 시험 절차는 세 단계였는데, 자연 태양광에 가까운 빛으로 사전 조사하고, 서로 다른 고도각과 방위각에서 렌즈 모듈이나 램프 전체를 스캔하고, 고온 환경을 재현해 극한 조건에서의 저항력을 평가하는 순서다. 그녀는 태양광 집광을 램프의 전 수명주기 안전검증 표준에 포함시켜야 한다고 제안했다.
발표는 측정에서 멈추지 않았다. 픽셀 헤드램프용 실리콘 집광기와 폴리우레탄 열용융 접착제 사례를 들며, 스마트 램프의 경쟁력이 광학 성능뿐 아니라 원가와 생산효율, 장기 신뢰성에서도 결정된다고 짚었다. 더 지능적인 조명을 규모 있게 만들려면 그걸 구성하고 밀봉하는 재료부터 달라져야 한다는 것이다. 측정범위 역시 출고 시점에서 멈출 수 없다. 스마트 램프에 센서와 제어기, 소프트웨어가 더 많이 들어갈수록 평가할 대상도 열과 재료, 전자장치와 알고리즘, 생산편차와 사용기간까지 늘어난다.

도로 위에 보행자 횡단 유도 정보를 직접 투사하는 DLP 인터랙션. 다만 도로 요철과 의미 오독 위험은 아직 남은 과제다.

조명은 신호를 넘어 의미를 전달한다

린 교수는 미래 차량 조명이 독립적으로 조명이나 신호 기능만 수행하지 않는다고 말했다. 센서, 도메인 컨트롤러, 카메라, 도로 환경, 클라우드 데이터와 협업해야 한다. 앞서 언급한 픽셀 조명이 대표적으로, 적응형 주행빔(ADB)은 그 픽셀 단위의 정밀함을 광학 성능과 실시간 환경 감지에 결합해, 맞은편 차량만 동적으로 가리는 기술이다. 자율주행 식별등은 법규 준수와 외부 식별성을 통해 주행 모드를 전달하고, eHMI는 인간이 이해할 수 있는 방식으로 의도를 해석해 보행자와 다른 도로 이용자에게 정보를 조직해 전달한다.
"미래의 차량 조명 시스템은 '도로를 비추는 것'에서 한 걸음 더 나아가 '정보를 조직하고' '의도를 해석하는' 방향으로 가야 합니다. 명확하고 안정적이며 이해 가능한 광신호를 통해, 교통 참여자 사이의 정보 비대칭을 낮춰야 합니다."
DLP 투사형 조명도 같은 맥락이다. 차량은 도로 위에 차선변경 안내와 사각지대 경고, 보행자 횡단 유도 같은 정보를 표시할 수 있다. 다만 도로 요철과 차량 자세 변화가 투사 선명도에 영향을 주고, 의미 오독이 안전사고로 이어질 수 있으며, 법규가 어디까지 허용할지도 아직 정해지지 않았다.
"투사형 상호작용은 이상적인 렌더링 이미지에 머물러서는 안 됩니다. 실제 차량과 실제 도로에서 검증하고 표준화된 평가체계를 만들어야 합니다."

건강 콕핏은 '건강'과 '편안함' 같은 감각적 개념을 정량화하고 검증하는 것을 목표로 한다. CCRT 프레임은 차주의 실제 피드백을 제품 정의지표로 바꾸는 역할을 한다.

사람이 조명의 다음 스펙

린 교수의 시야는 조명이 직접 손대지 않는 영역까지 넓어졌다. 자율주행이 사람의 역할을 없애는 것이 아니라, 직접 운전에서 여러 차량을 감시하고 필요할 때 개입하는 일로 바꾼다는 사례였다.
무인차량 원격조작에서는 조작자가 직접 작업자에서 원격 감독자로 바뀌면서, 안구운동과 뇌파, 근적외선 신호를 함께 이용해 인지피로와 조작위험을 읽는 복합지표가 필요해졌다.

여기서 던진 질문은 빛이 잘 보이는가만으로는 부족하다는 답을 만든다. 그 빛이 몸에 어떻게 작용하는가까지 봐야 한다는 것이다. 서남교통대학은 내인성 광감수성 망막신경절세포(ipRGCs)가 매개하는 광생물 효과가 각성도, 인지 수행능력, 정서상태에 영향을 준다는 것을 보여줬다. 조명이 시각 신호를 넘어 사람의 생리 리듬 자체를 건드릴 수 있다는 근거다. 상하이해양대학이 제안한 경량 관계인식 네트워크 MEXNet은 이 문제를 반대 방향에서 다뤘다. 조명 인간공학 분석을 아예 알고리즘 설계 안에 넣어 실제 광환경이 운전자 모니터링 시스템(DMS)의 성능을 좌우한다는 점을 짚었다. 실험실에서 정확히 작동하던 감지 알고리즘이 역광이나 야간, 터널과 불균일한 조명에서는 성능을 잃을 수 있다는 것이다. 처음부터 말하려던 것과 같은 이야기가 반복된 것이다.
건강 콕핏 파트에서는 CCRT라는 프레임이 등장했다. 사용자 경험을 위한 공학적 번역기. 실제 차주의 피드백과 주관평가·생리지표·객관수치가 입력으로 들어가 전 시나리오 실차시험과 다원 융합분석을 거치면 제품 정의지표와 핵심 통점이 출력으로 나온다. 통점은 공간, 동적 승차감, 멀미, 시트 압력 네 가지로 모인다. 캐빈 내부 조명도 이 틀 안에 있다. 운전 시나리오와 탑승자 요구에 따라 동적으로 조절되는 상호작용, 밝기와 색온도·리듬광이 주는 편안함과 정서조절까지 조명 역시 "건강"과 "편안함"을 정량화할 대상이다.
"건강 콕핏은 환경, 온습도, 진동, 시트 지지력, 시각 부하와 다중 모드 생리 데이터를 함께 다뤄야 합니다. 평가방법을 세워 '건강', '편안함', '고급감' 같은 감각적 개념이 정량화되고 검증되고 공학적으로 구현될 수 있게 해야 합니다."

다시, 102.5 cd/㎡

조명은 시스템이었지만, 그 바닥의 기준은 사람이었다. 102.5 cd/㎡는 그 기준을 숫자 하나로 보여준다. 더 밝게 만들 기술은 있었지만, 그 이상에서 사람은 더 잘 보지 못했고 눈부심과 인지부하만 커졌다. 파란불은 법규로 지울 수 있다. 그러나 그 빛이 대신하려던 과제는 다음 세대의 eHMI에도 그대로 남는다. 사람은 표시를 실제로 빨리 알아보는가. 의미를 정확히 이해하는가. 부담 없이 받아들이는가. 102.5 cd/㎡는 정답이 아니라 이 검증이 아직 끝나지 않았다는 메시지다. 차량이 먼저 판단하고 반응하는 시대일수록 마지막 기준은 사람이어야 한다.

Hyundai's Autonomous Driving Returns to the Starting Line

한상민 기자_han@autoelectronics.co.kr — 2026-09-17 10:52:50+0900

2026년, 현대차 자율주행은 다시 출발선에 섰다

한상민 기자_han@autoelectronics.co.kr — 2026-09-17 10:49:43+0900

2024년 현대차그룹은 끊임없이 학습하고 개선되는 자동차를 말했다. 2년 8개월 뒤, 같은 내용이 '데이터 플라이휠'이란 이름으로 재등장했다. 현재 데이터를 모으는 전용차는 40여 대. 엔비디아 기반 레벨 2+ 차량은 2028년, 자체 개발 Atria AI는 2029년 양산 목표다. 이번 미디어데이가 보여준 것은 완성된 자율주행 기술이 아니라, 지난 개발 방식을 정리하고 데이터와 조직, 양산 일정을 다시 연결한 새 출발점이었다.

글 | 한상민 기자_han@autoelectronics.co.kr
IN ENGLISH

2024년 1월 8일, 라스베이거스. 송창현 당시 포티투닷 대표는 CES 무대에서 자동차를 "끊임없이 학습하고 개선되는 AI 머신"으로 규정했다. 소프트웨어로 정의되는 모든 것(software-defined everything)이라는 화두를 던지며, 지속적인 머신러닝 인프라인 '빅데이터 루프'를 SDV와 차량 데이터 플랫폼에 통합하고 있다고 밝혔다. 차량이 도로에서 데이터를 모으고, AI가 학습하며, 개선된 소프트웨어가 다시 차량에 배포돼 새로운 데이터를 만드는 순환. 자율주행 경쟁에서 데이터의 양과 학습 속도가 제품의 진화 속도를 결정한다는 설명이었다.
그로부터 2년 8개월이 지난 2026년 9월 11일, 장소는 판교 포티투닷 본사로 바뀌었다. 현대차그룹은 이곳에서 처음으로 자율주행 미디어데이를 열고 '데이터 플라이휠'의 본격 가동을 말했다. 박민우 현대차·기아 AVP본부장 겸 포티투닷 대표는 경쟁의 기준부터 다시 정의했다.
"자율주행은 더 이상 특정 기능의 우열을 가리는 경쟁이 아니라는 것입니다. 얼마나 많은 데이터를 확보하고 얼마나 빠르게 학습하며 그 결과를 얼마나 신속하게 실제 제품과 서비스에 반영할 수 있는지가 기업의 경쟁력을 결정하고 있습니다."

명칭과 적용 범위에는 차이가 있지만 빅데이터 루프와 데이터 플라이휠의 기본 원리는 같다. 수집, 학습, 검증, 배포, 재수집을 끊기지 않게 연결하는 것이다. 그렇다면 2024년의 루프와 2026년의 플라이휠 사이에서 무엇이 달라졌을까.
현대차그룹이 이번에 공개한 것은 개념이 아니라 현재의 방식과 양산 일정이었다. 동시에 2024년에 제시했던 비전이 이제야 구체적인 차량과 개발 절차, 조직 체계 위에서 본격적으로 움직이기 시작했음을 보여줬다.

기술 이전에 다시 연결한 것

현재 현대차그룹이 주야간으로 운영하는 데이터 수집 전용차는 40여 대다. 차 한 대당 매주 약 80시간씩 데이터를 수집하는데, 단순 합산하면 전체 플릿에서 주당 약 3,200시간의 주행 데이터가 쌓이는 셈이다. 도로공사와 악천후, 급격한 차로변경, 이면도로 주정차 차량처럼 AI가 판단하기 어려운 상황을 자동으로 선별해 우선 학습시키고(Hard example mining), 실도로 검증에서 확인된 취약 상황을 반복 학습에 반영한다(Continuous training). 실제 주행 데이터를 3차원 환경으로 재구성해 위험하거나 반복하기 어려운 상황을 가상 검증하고, 한국과 미국이 시차를 이용해 개발을 이어받는 Follow-the-Sun 방식도 운영한다.
하지만 이번 발표를 완성된 데이터 순환 체계의 성과 보고로 읽기는 이르다.
현대차그룹의 표현을 따르면, 주요 기술은 올해 초부터 플라이휠에 접목되기 시작했다. 자율주행 기능이 해제되거나 중요 상황이 발생했을 때 데이터를 기록하는 '스페셜 이벤트 리코더(SER)'는 단계적으로 결합되고 있다. 여러 차량과 조직의 데이터를 동일한 기준으로 축적하는 데이터 유니언(Data Union)도 앞으로 구축해야 한다.
현대차·기아가 전 세계 190여 개 국가와 지역에서 연간 700만 대 이상을 판매한다는 사실도 아직 데이터 규모를 뜻하지 않는다.
현대차그룹 스스로도 규모는 잠재력일 뿐이며, 나머지 요소가 갖춰지지 않으면 이 거대한 판매 플릿은 데이터 자산이 아니라 오히려 비용 부담이 된다고 밝혔다. 실제로 지금까지 모인 데이터의 절반 이상은 직진 차로를 정속 주행하는 반복 장면일 뿐이다. 판매 대수가 늘어난다고 학습 가치가 저절로 커지는 것은 아니다. 연간 판매량을 실제 학습자산으로 바꾸려면 데이터 수집에 동의한 양산차, 표준화된 센서와 데이터 형식, 자동 선별, 학습과 검증, 차량 재배포가 하나의 닫힌 순환으로 연결돼야 한다.

중요한 변화는 개별 기술보다 이 연결에 있다.
Atria AI는 박민우 사장 취임과 함께 갑자기 등장한 기술이 아니다. 현대차그룹은 2025년 말 임원인사에서 이미 Atria AI를 SDV 전략의 핵심기술로 공식화했다. 포티투닷에서 Atria E2E 시스템을 개발해 온 정성균 Atria 그룹리더는 이 모델이 처음부터 엔드투엔드로 설계된 것이 아니라, 기능별로 나뉜 모듈러 방식에서 출발해 지금의 형태로 진화해 온 결과라고 설명했다.
Atria를 하나의 신경망이 차량 전체를 직접 지배하는 순수 E2E 시스템으로 이해해서는 안 된다. 공유 백본이 오브젝트 디텍션과 모션 프리딕션 같은 인지 기능, 차로 유지·변경과 경로 생성 같은 주행 판단을 함께 수행하지만, 여기에 액티브 세이프티와 드라이빙·파킹 알고리즘이 결합된다. AI의 판단을 안전한 차량 제어로 연결하는 가드레일과 시스템 이상 시 차량을 최소위험상태로 이동시키는 최종 안전체계도 모델 밖에서 별도로 작동한다. 학습 기반 모델이 담당하는 범위를 넓히는 동시에 양산차가 요구하는 결정론적 안전장치를 그 위에 겹쳐 놓은 방식이다.
플라이휠이라는 인식 자체는 2년 8개월 전부터 있었다. E2E 개발도 이미 진행되고 있었다. 부족했던 것은 실차가 아니라, 그 순환을 대규모로 돌릴 양산차 기반의 데이터 플릿이었다. 루프를 설계한 곳과 그 루프를 실을 차를 만드는 곳이 같은 선상에 있지 않았다. 그래서 박민우 체제에서 달라진 것은 이 기술이 학습할 데이터와 검증 환경, 조직과 양산 계획을 하나의 일정으로 묶은 방식이다.
송창현 전 사장은 두 차례 출사표를 던졌다. 2022년에는 그룹 전체의 SDV 전환을, 2024년에는 양산차에서 수집한 데이터로 자율주행과 모빌리티를 계속 학습시키는 '빅데이터 루프'를 제시했다. 방향이 있었다. 문제는 포티투닷이 개발한 소프트웨어와 현대차·기아 및 계열사의 차량개발, 품질검증, 양산 일정이 하나의 체계로 결합되지 못했다는 데 있다. 이를 실을 차와 대규모 데이터 플릿이 준비되기 전에 목표는 SDV에서 SDx로 확대됐고, 두 차례의 선언은 양산 결과로 완결되지 못했다.
이 재편은 리더십 교체와도 맞물려 진행됐다. 2025년 12월, 자율주행과 SDV 전환을 이끌던 송창현 전 사장은 사임했다. 회사는 "일신상의 사유"라고 설명했지만, 당시 일부 언론은 지지부진한 자율주행 상용화 성과와 개발 방향을 둘러싼 조직 내부의 이견을 배경으로 지목했다. 포티투닷이 자체 조직을 중심으로 자율주행 시스템을 개발했지만, 현대차와 계열사와 개발 내용, 역할이 충분히 공유되지 않았다는 지적이 있었다.
송 전 사장의 퇴임 이후 기존 개발체계도 전환점을 맞았다. 박민우 사장 취임 이후에는 포티투닷과 현대차그룹 내부에 분산돼 있던 역량을 다시 결합하고, 자체 플랫폼 개발을 그룹 차원의 양산계획과 연결하는 방향으로 재편됐다. 박 사장은 2026년 2월 첫 출근 직후 올핸즈미팅을 열고 '원팀'을 강조했다. 현재 AVP본부와 포티투닷은 개발환경과 업무 프로세스, 정보공유 체계를 통합해 사실상 하나의 개발팀으로 움직이고 있다. 포티투닷과 현대차그룹 내부에 흩어져 있던 역량을 결합하는 작업이 플라이휠보다 먼저 필요했던 셈이다.
미디어데이는 Atria의 새 출생신고가 아니다. 이미 개발해 온 Atria를 실제 양산기술로 끌고 갈 조직과 데이터 체계가 어떻게 다시 짜였는지 말한 것이다.

엔비디아로 2028년을 열고 Atria에 1년을 더 준다

현대차그룹이 공개한 투 트랙 전략은 이 재설계의 성격을 가장 분명하게 보여준다.
지난 3월 GTC에서 공개된 것은 현대차그룹의 SDV·플릿 역량과 엔비디아 DRIVE Hyperion을 결합한다는 협력의 큰 방향이었다. 이번 미디어데이는 이를 엔비디아의 플랫폼·소프트웨어, AVP본부의 양산·안전·품질, 포티투닷의 AI 모델·IP 개발이란 구체적인 실행체계와 2028·2029년 일정으로 나눠 설명했다.
첫 번째 트랙은 엔비디아다. 현대차그룹은 엔비디아의 차량용 AI 컴퓨팅 플랫폼과 자율주행 소프트웨어를 SDV 아키텍처에 통합해 2028년 상반기 레벨 2+, 하반기 레벨 2++ 차량 양산을 목표로 한다. AVP본부와 포티투닷, 모셔널이 각각 사용해 온 센서 체계도 엔비디아 드라이브 하이페리온 10을 중심으로 단계적으로 표준화한다.
두 번째 트랙은 Atria다. AVP본부와 포티투닷이 공동 개발하는 E2E 기반 자체 시스템으로, 양산 목표 시점은 2029년 하반기다. 다만 현대차그룹은 이 일정을 확정치로 못 박지 않았다. 최초 양산차의 완성도와 각국의 자율주행 인증 절차에 따라 세부 일정을 유연하게 관리하겠다고 밝혔다.
두 기술은 같은 시점에 최종 승자를 가리는 경쟁 안이 아니다. 엔비디아는 현대차그룹이 2028년부터 자율주행 양산시장에 진입해 차량 통합과 검증, 양산 적용 경험을 먼저 확보하게 해주는 선행 트랙이다. 현대의 자체 두뇌 Atria에는 1년이 더 주어진다. 그 시간 동안 자체 모델과 개발체계, 데이터 플라이휠을 고도화해 2029년 양산으로 연결한다.
현대차그룹이 장기적으로 확보하려는 것은 특정 기능이 아니다. 자체 AI를 지속적으로 학습시키고 개선할 수 있는 능력, 다시 말해 기술의 진화 속도를 스스로 통제할 수 있는 기반이다. 엔비디아가 양산 속도를 앞당기는 역할이라면, Atria는 기술과 데이터 주도권을 내부에 남기는 역할을 맡는다. Make와 Buy 중 하나를 선택하는 대신, Buy로 먼저 시장에 진입하고 Make에 시간을 더 주는 전개다. 다만 엔비디아 기반 차량에서 얻은 데이터가 Atria 학습에 어느 범위까지 활용되는지, 두 시스템의 데이터 형식과 사용권이 어떻게 연결되는지는 공개되지 않았다. 데이터 유니언도 우선 현대차·기아와 포티투닷, 모셔널 등 그룹 내부의 활용 효율을 높이는 단계에서 출발한다. 투 트랙의 성패는 두 개의 양산 일정을 지키는 데서 끝나지 않는다. 서로 다른 차량에서 얻은 경험이 실제로 자체 AI의 학습 속도를 높일 수 있어야 한다.

영상이 보여준 것과 남겨둔 것

현대차그룹은 Atria AI를 탑재한 SDV 테스트베드가 서울 도심을 주행하는 영상을 공개했다.
박민우 사장과 정성균 GL이 동승해 고속도로·간선도로·교량·도심 구간을 지나며 개발 과정과 판단 로직을 직접 설명하는 영상, 그리고 혼잡한 출근시간대의 강남, 대형 차량 통행이 많은 잠실, 비가 내리는 판교에서 촬영한 3편의 원테이크 영상이 함께 공개됐다. 여기에 정차 차량 회피, 갑작스러운 끼어들기, 비보호 좌회전, 혼잡 구역 보행자 감지, 이면도로 대향차 대응 등 10개의 대표 에지 케이스를 담은 별도 영상도 포함됐다.
공개된 구간(레벨 2++ 수준)에서는 운전자 개입이 없었다. Atria가 일부 복잡한 도심 상황에서 차량과 보행자, 차선과 신호를 종합해 주행할 수 있다는 사실은 확인할 수 있다. 새로 정비된 데이터 수집과 반복학습 체계가 Atria의 도심주행 개발에 어떻게 적용되고 있는지를 공식적으로 보여준 결과이기도 하다.
그러나 몇 편의 영상으로 기술 성숙도를 판단할 수는 없다. 전체 시험주행 거리와 개입 및 해제 횟수, 촬영한 영상 가운데 공개본을 선택한 비율, 같은 구간의 반복 성공률, 센서 구성과 정확한 ODD는 공개되지 않았다. 영상은 Atria의 개발 현황과 특정 시나리오 대응을 보여줬지만 양산 준비 수준 전체를 증명하지는 않는다.
VLA는 아직 시뮬레이션 검증 단계다. 공개 영상도 실제 차량을 운전한 결과가 아니라, 주행 로그를 입력해 상황 해석과 언어적 추론을 평가한 것이다. 실차 테스트는 올해 말부터 내년 초 시작된다. 자체 시스템 개발에서 현재 양산을 겨냥한 주축은 Atria E2E이고, VLA는 그 이후를 준비하는 연구 축이다.
Atria의 다음 단계가 VLA 연구만 있는 것도 아니다. 현대차그룹은 국토교통부와 함께 Atria AI 탑재 SDV 페이스카를 연내 광주광역시에 투입해, 레벨 4 기술 요소를 실차에서 사전 검증할 계획이다. 여기서 확보한 복잡한 국내 도로의 주행 시나리오는 다시 데이터 플라이휠에 연결해 학습과 검증에 활용할 계획이다. 당장의 양산 축이 레벨 2+와 레벨 2++라면, 같은 데이터 기반 위에서 레벨 4 실증도 함께 진행되는 셈이다.

플라이휠 그 이후

그래서 이번 발표에서 영상보다 중요한 것은 플라이휠의 실체다.
현대차그룹은 이를 '본격 가동'이라고 표현했다.
주요 기술은 올해부터 연결되기 시작했고, SER과 데이터 유니언은 단계적으로 더해진다. SER은 수동 요청과 급가속·급제동 같은 이상상황 자동 감지, 자율주행 해제 시점을 계기로 이벤트 전후 15초 동안의 센서·차량신호·Atria 내부 처리 결과를 기록해 무선으로 전송하고, 어노테이션까지 자동으로 연결한다. 현재 40여 대인 수집차를 언제 몇 대의 양산차로 확대할지도 공개하지 않았다.
2024년 현대차그룹은 자동차를 끊임없이 학습하고 개선되는 AI 머신으로 만들겠다고 했다. 2026년에는 그 학습을 실제로 돌릴 데이터 플라이휠의 작동 방식과 Atria의 양산 일정을 내놓았다. 두 발표 사이에는 기술개발만 있는게 아니다. 2027년 4분기로 제시됐던 Atria의 일정은 2029년 하반기로 늦춰졌다. 리더십이 바뀌었고 조직이 다시 묶였으며, 독자개발만으로 시간을 맞추는 대신 엔비디아와 Atria를 2028년과 2029년에 차례로 배치하는 로드맵을 만들었다. 박민우 사장의 말대로 자율주행 경쟁의 본질이 학습 속도라면, 현대차그룹의 진짜 시험은 이번에 공개한 도심주행 영상 이후에 시작된다.
40여 대의 전용차를 연간 700만 대의 잠재력과 어떻게 연결할 것인가, 엔비디아로 먼저 얻은 양산 경험을 자체 기술 진화로 어떻게 이어갈 것인가에 대한 것이다. 현대차그룹은 자율주행 시스템의 본격 양산이 시작되면 5년 안에 그동안 경쟁사들이 쌓아온 누적 데이터 양을 추월할 수 있을 것으로 내다본다. 2028년 엔비디아 기반 양산 시점을 대입하면 2033년 무렵이라는 계산이 나오지만, 현대차그룹이 직접 못 박은 시점은 아니다. 그 전망이 2029년 Atria 양산 시점까지 얼마나 실현돼 있을지가 현대차그룹의 진짜 시험대다. 그래서 판교 미디어데이는 최종 답이 아니다.
2029년 Atria AI가 양산될 때, VLA와 월드모델로 진화하는 자율주행 경쟁 속에서 현대차의 자체 AI는 어디까지 와 있을까. 다음 답은 2028년 양산차가, 그리고 2029년 Atria가 내놓아야만 한다.

China's V2X 2030: From Commercial Vehicles to Motorcycles

한상민 기자_han@autoelectronics.co.kr — 2026-09-16 15:38:00+0900

중국 V2X 2030, 상용차에서 오토바이까지

한상민 기자_han@autoelectronics.co.kr — 2026-09-16 15:26:47+0900

중국은 상용차 LTE-V2X 의무화 추진에 이어 9개 부처 국가계획으로 차량과 도로의 직접통신을 확대하고, 이제 오토바이와 취약도로이용자까지 연결하려 한다. 인도는 2028년 모든 신차의 V2V 의무화를 추진하고 일본은 레벨 4 자율주행을 위한 V2X 인프라 시간표를 세웠다. 아시아가 V2X를 실증에서 안전요건으로 옮기는 동안 우리나라에서는 이미 구축한 산업 생태계를 지켜달라는 호소문이 나왔다.

글 | 한상민 기자_han@autoelectronics.co.kr
IN ENGLISH

교차로 오른쪽에서 오토바이 한 대가 접근한다. 자동차의 카메라에서는 보이지 않는다. 도로변에 세워진 대형차가 시야를 가렸고 레이다도 아직 오토바이를 포착하지 못했다. 하지만 자동차는 오토바이의 위치와 속도, 진행 방향을 이미 알고 있다. 오토바이가 C-V2X 직접통신으로 자신의 존재를 알렸기 때문이다.아직 중국 도로에서 일반화된 장면은 아니다.
그러나 이 장면을 현실로 만들기 위한 표준 제정이 시작됐다. 중국모터사이클상회는 2026년 8월 10일 '오토바이 및 모페드 C-V2X 직접통신 시스템 기술요건 및 시험방법'을 올해 첫 번째 단체표준 개발계획에 포함했다고 공고했다. 계획번호는 2026-19다. 톈진내연기관연구소, 톈진모터사이클기술센터가 제정을 주도한다. 중국 오토바이 분야의 국가표준 제정에 참여해온 기관이다.
아직 완성된 표준도 의무규정도 아니지만 입안 심사를 통과해 개발계획에 들어간 상태다. 그러나 적용 대상은 분명하다. 지금까지 자동차와 도로 인프라를 중심으로 논의돼온 C-V2X 직접통신을 오토바이와 모페드로 확장하는 것이다. 자동차가 감지해야 할 대상이었던 이륜차가 자신의 움직임을 직접 전송하는 통신 주체가 되는 것이다.
중국 자동차산업의 V2X 업무에 정통한 한 관계자는 중국 산업계가 C-V2X 적용 범위를 취약도로이용자(VRU)로 확대하려 한다고 설명했다. 그는 현재 이 표준이 오토바이 업계에서 시작됐지만 중국정보통신연구원(CAICT)과 긴밀히 협력하고 있고, 단계적으로 자동차에 폭넓게 적용되는 국가표준으로 발전할 가능성이 높다고 내다봤다. 또, 초기 사용 사례가 C-NCAP 2027에서 다루는 취약도로이용자 관련 시나리오를 중심으로 검토될 가능성이 크다고 덧붙였다. 자동차의 카메라와 레이다, 라이다를 대신하는 장치가 아니라 "VRU에 하나의 안전 계층을 더하는 것"이다.
대형차 옆을 통과하는 오토바이, 주차 차량 뒤에서 교차로로 진입하는 이륜차, 차량의 사각지대에 머무는 모페드는 자동차 센서가 다루기 어려운 대상이다. 차체가 작고 움직임이 빠르며, 갑작스럽게 방향을 바꾼다. 건물이나 다른 차량에 가려지면 센서 성능이 아무리 좋아도 감지할 수 없다. C-V2X는 보이지 않는 대상을 보는 센서가 아니다. 상대방이 자신의 존재를 무선 신호로 먼저 알리는 별도의 정보 경로다.

상용차에서 시작된 7초

오토바이 표준은 따로 떨어진 프로젝트가 아니다. 중국은 이미 상용차부터 C-V2X의 초기 장착 기반을 만들기 시작했다.
본지는 중국 교통운수부가 영업용 차량의 LTE-V2X 직접통신 시스템 장착을 강제성 국가표준안에 포함해 의견수렴에 들어갔다고 보도했다. '영업용 차량 운행안전 기술 및 관리 요구사항' 제4.6항은 트레일러를 제외한 영업용 차량이 직접통신 기반의 차량 정보 상호작용 시스템을 갖추고, 차량 대 차량과 차량 대 인프라 안전경고 기능을 제공하도록 요구한다.
출발점은 전방 차량이 비상등이나 타이어 이상 신호를 보내는 '이상 차량 경고', 노변장치(RSU)가 도로 붕괴와 결빙, 미끄러운 노면을 알리는 '도로 위험 경고' 두 가지다. 적용 조건과 성능 기준은 더 구체적이다. 시속 60 km에서는 충돌예상시간 7초 이상, 80 km에서는 8초 이상 전에 이상 차량을 경고해야 한다. 도로 위험은 해당 지점에 도달하기 10초 이상 전에 알려야 한다.
2026년 1월 중국 옌청 시험장에서는 시간당 50 mm 이상의 인공강우와 가시거리 50 m 이하의 모의 안개 속에서 시험이 진행됐다. 시속 60 km로 달리던 화물차에 LTE-V2X를 작동시키자 운전자는 충돌 7초 이상 전에 경고를 받았다. 같은 조건에서 V2X를 끄고 AEB만 작동시킨 차량은 정지 표적을 충분한 거리에서 인식하지 못했다. AEB는 작동하지 않았고 차량은 표적과 충돌했다. 물론, 이 결과를 V2X가 AEB보다 우수하다는 증거로 읽어서는 안 된다. 시험에서 V2X가 한 일은 자동제동이 아니라 음성경고였고 실제 브레이크는 운전자가 밟았다. 진짜 의미는 폭우와 안개로 센서의 시야가 가려질 때 위험을 전달하는 두 번째 경로가 작동했다는 점이다.
중국은 그 7초를 실증에 남겨두지 않고 사고 위험과 운행거리가 크고, 만재 시 제동거리가 긴 상용차부터 규제에 넣었다. 표준안이 확정될 경우 일정한 준비기간을 거쳐 새로 도로운송 시장에 진입하는 차량부터 적용된다. 표준 제정 완료 목표는 2027년 7월이다. 차량 출고 단계에서 장착 수요를 만들고, 칩과 모듈, OBU, RSU의 양산을 촉진한 뒤 군집주행과 자율 화물운송으로 이어가겠다는 산업적 목적도 제정 설명서에 담겼다.
남은 질문은 어떤 차량과 어떤 안전 시나리오부터 적용할 것인가. 중국이 내놓은 첫 번째 답은 상용차와 고장 차량, 도로 위험. 두 번째 답은 오토바이와 취약도로이용자다. 악천후에 가려진 정지 차량과 교차로에 가려진 오토바이는 서로 다른 위험이다. 그러나 대응 원리는 같아 자동차 센서가 볼 수 없는 순간에도 위험 정보가 차량에 도착하도록 만드는 것이다.

두 발표 사이에 놓인 9개 부처 계획

오토바이 단체표준만 보면 이륜차 업계의 개별 프로젝트로 볼 수 있다. 그러나 공고 한 달 뒤 나온 국가계획과 함께 보면 의미가 달라진다.
중국 공업정보화부는 국가발전개혁위원회, 공안부, 교통운수부, 상무부, 자연자원부, 주택도농건설부, 시장감독총국, 국가인터넷정보판공실 등 8개 부처와 함께 9월 10일 '지능형 커넥티드 신에너지자동차 산업 발전 제15차 5개년 계획(工信部联规函〔2026〕305号)'을 발표했다. 이 계획은 2030년까지 고속도로와 도시고속도로, 일부 도시도로에서 고도자율주행을 구현하고 자동운전 기능을 갖춘 차량을 규모화해 적용한다는 목표를 제시했다. 자동운전 시스템을 탑재한 차량의 안전성은 인간 운전자를 크게 넘어서는 수준으로 끌어올리겠다고 명시했다.
C-V2X는 이 목표를 뒷받침하는 통신 기반으로 들어갔다. 주요 도시와 일부 고속도로의 5G·5G-A 커버리지를 확대하고, C-V2X 직접통신 RSU를 구축한다. 차량의 5G·5G-A 및 C-V2X 직접통신 능력 보급률을 높이고, 교통신호와 표지, 차선 등 도로시설의 디지털화를 추진한다.
계획이 그리는 흐름은 네 단계로 이어진다. 먼저 주요 교차로와 도로 구간에 감지·에지컴퓨팅·통신 능력을 갖추게 한다.
이렇게 모인 정보는 도시와 고속도로를 아우르는 클라우드 제어 기반으로 올라간다. 클라우드는 교통통제와 사고 정보를 정리해 다시 차량으로 내려보낸다. 그리고 이 순환이 쌓이면 차량과 차량, 차량과 도로가 함께 인지하고 판단하는 기능이 규모 단위로 작동하기 시작한다. 중국이 말하는 '차·도로·클라우드 일체화'다.이는 RSU 몇 대를 설치하는 실증사업의 표현이 아니다. 차량 탑재율, 도로 디지털화, 통신 인프라, 클라우드 플랫폼, 협력 인지와 의사결정을 하나의 보급 흐름에 넣었다. 자동차가 판단에 사용하는 정보의 범위를 주변 차량과 도로, 클라우드로 넓히는 접근이다. 여기에 오토바이가 들어간다. 자동차와 RSU가 서로 통신해도 도로 위의 오토바이가 이 순환에서 빠져 있으면 사각지대는 남는다. 오토바이 C-V2X 표준은 9개 부처 계획에 담긴 차량 직접통신 보급과 RSU 구축보다 작은 뉴스로 보이지만, 노변장치-클라우드-차량으로 이어지는 통신망이 실제 안전망이 되기 위해 마지막으로 연결해야 할 대상이 누구인지를 잘 보여준다.

자동차 OEM에 남은 과제

오토바이 C-V2X는 오토바이 업계만의 일이 아니다. 자동차가 그 메시지를 받아 판단하지 못하면 안전기능은 완성되지 않는다. 메시지 수신과 인증, ADAS 센서융합, 위험 판단, 운전자 경고, 오경보 관리, 사이버보안, 기능안전성과 실차 검증이 차량 측에서 준비돼야 한다. 향후 제동이나 회피제어까지 연결하려면 책임 범위와 안전요건도 다시 정해야 한다.어떤 정보와 기능이 먼저 들어갈지는 표준안이 공개돼야 알 수 있다.
다만 관계자의 설명처럼 C-NCAP 2027의 VRU 관련 시나리오와 연결될 경우, 자동차의 수동적 수신 기능만으로 끝나지 않을 가능성이 높다. 오토바이 표준은 송신 단말의 규격인 동시에 자동차 ADAS가 새로운 외부 정보를 어떻게 신뢰하고 사용할 것인지 묻는 표준이 된다.중국의 적용 순서는 선명해지고 있다. 사고 위험과 사회적 비용이 큰 상용차에 초기 장착 수요를 만들고, 국가계획을 통해 RSU와 차량 탑재율을 함께 높인다. 이어 자동차 센서가 놓치기 쉬운 오토바이와 VRU로 통신 대상을 넓힌다. 규제가 차량을 만들고, 차량이 인프라 투자의 가치를 높이며, 인프라가 다시 차량 장착의 효용을 키운다. 중국은 오래된 V2X의 ‘닭과 달걀 문제’를 적용 순서로 풀고 있다.

인도는 모든 신차, 일본은 L4 인프라

중국만 움직이는 게 아니다. 인도 도로교통·고속도로부는 중앙자동차규칙 개정안을 통해 C-V2X 기반 V2V 도입을 추진하고 있다. 개정안에 따르면 2027년 10월 1일부터 V2V 시스템을 장착한 L·M·N급 차량은 AIS-230을 준수해야 한다. 2028년 10월 1일부터는 새로 생산되는 모든 L·M·N급 차량에 AIS-230 기반 V2V 시스템을 탑재하도록 할 계획이다.L급에는 이륜차와 삼륜차가 포함된다. 중국이 오토바이와 모페드용 C-V2X 기술요건과 시험방법을 만들기 시작했다면, 인도는 이륜차·승용차·버스·화물차를 아우르는 신차 전체의 적용 시점을 제시한 것이다. 개정안이 현재 내용대로 확정·시행될 경우, 인도는 C-V2X 기반 V2V를 신차 전반에 의무화하는 최초의 대규모 자동차 시장이 될 가능성이 있다.
한편, 일본은 다른 경로를 택했다. 총무성은 2026년 7월 '자율주행 사회를 뒷받침하는 통신 인프라 전략'을 발표하고 4G·5G 이동통신과 V2X 직접통신의 역할을 구분했다. 이동통신이 넓은 지역의 정보와 클라우드 연결을 담당한다면, V2X 직접통신은 신호와 교차로, 합류, 사각지대처럼 낮은 지연과 높은 신뢰성이 필요한 안전정보를 맡는다. 일본은 13개 선행 사업화 지역과 주요 고속도로를 중심으로 레벨 4 자율주행 서비스를 확대하고, 2026~2027년 도쿄·나고야·오사카권에서 5.9GHz V2X 기술 기준과 통신규격을 우선 마련할 계획이다. 이후 기존 5.9GHz 무선국의 주파수 이전과 전국 적용을 추진한다.중국이 차량 탑재와 RSU 확산을 제도적으로 밀고, 인도가 모든 신차의 V2V 의무화 일정을 제시했다면, 일본은 통신과 주파수, 인프라, 레벨 4 서비스를 하나의 국가 시간표에 넣었다. 이처럼 세 나라의 방식은 같지 않다. 중국은 고위험 차량과 구체적인 경고 기능에서 시장을 열고 인도는 방대한 이륜차와 자동차 시장 전체에 공통 통신 기반을 넣으려 한다. 일본은 자율주행 서비스가 필요한 도로와 지역부터 통신 인프라를 맞춘다.공통점은 실증사업의 수를 늘리는 데 머물지 않고 어떤 차량에 어떤 주파수와 표준으로 언제부터 적용할지를 정하기 시작했다는 것이다.

한국에서 나온 것은 호소문

중국의 오토바이 표준 공고와 9개 부처 계획이 이어지고, 인도와 일본이 각자의 적용 일정을 제시하는 동안 한국에서 나온 것은 새로운 보급계획이 아니다. 국내 V2X 생태계를 지켜달라는 업계의 호소문이었다.
"최근 수년간 계속되고 있는 국내 V2X 정책의 불확실성과 동력 상실로 인해, 10년 넘게 공들여 쌓아 올린 기술력과 글로벌 사업 경쟁력이 순식간에 붕괴될 위기에 처해 있습니다."
한국C-ITS협의회 부회장사 에티포스의 홍승수 최고사업책임자(CBO)는 중국의 제15차 5개년 계획이 발표된 뒤 국토교통부와 과학기술정보통신부, 산업통상자원부에 공개 호소문을 보냈다. 그는 한국이 지난 10년간 V2X 전용 모뎀 칩셋 팹리스부터 모듈, RSU·OBU 장비, 서비스와 소프트웨어까지 전 주기를 아우르는 드문 산업 생태계를 만들었다고 했다.
그는 이어 정부의 구체적인 추진 의지와 후속 정책, 예산이 보이지 않는 사이 국내 기업들이 하나둘 사업을 포기하고 있으며, 생존을 위해 국내 시장을 떠나거나 해외로 눈을 돌릴 수밖에 없다고 호소했다. 한번 사라진 기업과 인력, 공급망을 복원하려면 더 많은 시간과 비용이 든다는 경고도 덧붙였다.
물론 홍 CBO의 의견을 곧바로 한국 V2X 산업 전체의 단일 입장으로 볼 수는 없다. 그러나 중국, 인도, 일본의 움직임과 나란히 놓으면 그가 무엇을 두려워하는지는 분명해진다. 한국은 C-ITS와 LTE-V2X를 시험했고, 통신 칩과 모듈, 기지국과 단말을 개발했다. 기술이 잘 동작하는지 확인하는 단계는 오래전에 지났다. 지금 남아 있는 것은 어느 차량군에 어떤 안전기능부터 적용하고, 차량 장착과 도로 인프라를 어떤 순서로 확대할 것인지에 대한 결정이다.
중국과 한국의 격차를 기술 수준만으로 설명할 수 없는 이유다. 중국은 상용차에서 첫 수요를 만들고, 9개 부처 계획으로 차량과 도로의 보급 방향을 정한 뒤, 오토바이와 VRU까지 연결하려 한다. 인도는 2028년이라는 날짜를 제시했고, 일본은 레벨 4 서비스와 5.9GHz 인프라의 지역별 일정을 정했다. 옌청 시험장에서 화물차가 받은 7초의 경고는 기술 하나의 승리가 아니다. 자동차의 눈이 가려지는 순간에도 위험을 전달할 다른 길이 열릴 수 있다는 증명이었다. 중국은 그 7초를 상용차 규제로 옮기고, 국가 인프라로 확장하며, 이제 자동차가 보지 못하는 오토바이까지 연결하려 한다. 한국에 남은 질문은 C-V2X가 필요한가가 아니라, 이미 만든 기술을 어떤 차량과 어떤 안전 시나리오에 먼저 적용할 것인지, 그리고 그 첫 번째 날짜를 언제로 정할 것인지다.

IEEE 802.15.4AB: UWB의 진정한 잠재력 실현

글 | Andrew Zignani, Senior Research Director, ABI Research — 2026-09-15 12:01:19+0900

차 문 앞에 섰는데도 디지털 키가 늦게 반응한다면, 문제는 UWB의 정확도가 아니라 제한된 링크 버짓에 있을 수 있다. IEEE 802.15.4ab는 통신 범위와 안정성, 전력 효율을 높여 UWB를 디지털 키에서 센싱과 개인화 서비스로 확장하려는 차세대 표준이다. 이 글은 ABI Research가 기존 UWB의 한계와 새 표준의 변화를 짚고, STMicroelectronics의 ST64UWB가 이를 어떻게 구현하는지 설명한다.

글 | Andrew Zignani, Senior Research Director, ABI Research

IEEE 802.15.4z의 도입으로 초광대역(UWB) 기술은 빠르게 핵심 무선 연결 기술 중 하나로 자리잡고 있다. 자동차 디지털 키 애플리케이션에서의 초기 성공과 더불어, UWB는 보안 거리 측정, 레이더 및 센싱의 진화된 조합과 저지연 및 고처리량 통신을 지원할 수 있는 역량을 바탕으로 소비자, 자동차, 상업, 산업, 스마트 시티 환경 전반에 걸쳐 보다 다양한 사용 사례를 만들고자 한다. 이에 ABI Research는 해당 기술이 2025년부터 2030년 사이 가장 빠르게 성장하는 무선 연결 기술 중 하나가 될 것으로 전망하고 있다.그러나 자동차 디지털 키 애플리케이션에서의 이러한 초기 성공은 기존 UWB 기술의 링크 버짓 한계를 드러냈다. 이러한 한계는 실제 적용 시나리오에서의 신뢰성, 전력 소모, 정확도, 실질적인 동작 범위 측면에서 최종 사용자 경험을 크게 저하시킬 수 있으며, 자동차 및 기타 환경 전반에서 가치 있는 신규 서비스의 창출 가능성을 저해할 수 있다.
다행히도 UWB 기술은 빠르게 진화하고 있으며, 현재 최신 IEEE 802.15.4ab 개정안(차세대 UWB라고도 함)에 대한 작업이 이미 활발히 진행 중이다. 해당 기술은 약 12~18개월 내에 도입될 것으로 예상된다. 이 개정안은 Multi-Millisecond(MMS) 및 Narrowband-Assisted(NBA) 등 여러 새로운 기능을 도입한다.이러한 새로운 기능은 UWB 기술의 링크 버짓을 최대 30데시벨(dB)까지 개선하는 것을 목표로 한다. 이러한 개선은 IEEE 802.15.4z 대비 약 30배의 범위 향상을 가능하게 하며, 자동차 디지털 키 및 기타 보안 거리 측정 애플리케이션을 포함한 다양한 영역에서 다음과 같은 이점을 제공한다.

- 더 높은 링크 버짓을 통해 다양한 환경에서 디바이스의 위치를 더욱 신뢰성 있게 파악할 수 있다(예: 뒷 주머니 시나리오, 다중 경로 환경).
- 위치 측위(localization) 세션이 실제로 필요한 경우에만 시작되므로 전력 소모를 줄일 수 있다(예: 사무실 주차장에서 차량으로 이동하는 시나리오).
- 거리 측정 세션이 실제로 필요할 때만 시작되므로, 여러 사용자 간의 간섭과 혼잡을 최소화할 수 있다.
- 다중 경로 환경(비가시선 시나리오)에서도 단일 측정만으로 높은 정확도를 보장할 수 있다.

주요 자동차 OEM은 이미 현행 요구사항 명세에 IEEE 802.15.4ab NBA MMS 거리 측정을 포함하기 시작했다. 이들은 시장에 이미 보급된 수억 대 규모의 IEEE 802.15.4ab 호환 스마트폰 기반과 향후 몇 년간 빠르게 증가할 것으로 예상되는 출하량으로부터 이점을 확보할 것으로 기대하고 있다. 이러한 흐름은 칩셋 공급업체 및 UWB 산업 컨소시엄의 초기 지지와 신규 시장 진입 업체들의 참여로 더욱 강화되고 있다. 또한 자동차 제조사의 폐쇄형 에코시스템은 HF(고주파)/LF(저주파) 키 포브가 IEEE 802.15.4ab 기반 대안으로 대체되면서 지속적으로 진화하고 있다. 이러한 전환은 IEEE 802.15.4ab가 이전 세대 대비 훨씬 향상된 사용자 경험을 제공할 수 있게 되면서 가능해졌다. ABI Research는 IEEE 802.15.4ab로의 전환이 UWB 기술의 미래 성공에 핵심적인 요소가 될 뿐만 아니라 비교적 빠르게 진행될 것이라고 판단하고 있다. 더 넓은 범위에서 우수하고 일관되며 예측 가능한 성능을 제공하고, 가치 있는 신규 서비스와 경험을 창출하며, 기존 기술로는 구현이 어려웠던 새로운 UWB 사용 사례를 가능케 하는 역량은, 2030년까지 예상되는 14억 대 디바이스 출하 규모를 넘어 UWB 시장 확산을 가속화하는 데 핵심적인 역할을 할 것이다.
한편 IEEE 802.15.4ab의 향후 발전 방향에 대한 또 다른 긍정적인 신호는 STMicroelectronics와 같이 스마트 모빌리티 및 자동차 산업에서 혁신의 역사를 보유한 주요 반도체 업체들의 지원이다. ST는 현재 IEEE 802.15.4ab 개정안의 최종 표준화를 진행 중인 IEEE 802.15.4 태스크 그룹에 적극 참여하고 있으며, UWB Alliance, omlox, Connectivity Standards Alliance(CSA), Car Connectivity Consortium(CCC), FiRa Consortium 등 주요 UWB 컨소시엄의 오랜 회원사로 활동하고 있다. 이와 관련하여 ST는 향후 IEEE 802.15.4ab 차세대 UWB 기술 지원을 통해 STM32 무선 MCU 제품군과 생태계를 확장해 나갈 계획이다. 향후 UWB 솔루션은 고도로 최적화된 고성능 무선 MCU로 구성될 예정이며, 이는 점점 다양해지는 UWB 거리 측정 및 센싱 기능을 지원하고, OEM과 최종 사용자 모두에게 보다 신뢰성 높고 안정적인 사용자 경험을 제공할 수 있을 것으로 기대된다.본 백서는 UWB 기술의 성장 기회에 대한 개요를 제공하고, IEEE 802.15.4z의 기존 한계를 설명하며, 차세대 IEEE 802.15.4ab 표준의 주요 이점을 강조한다. 또한 해당 표준의 다양한 기능이 자동차 디지털 키 애플리케이션을 비롯한 주요 애플리케이션에 실질적인 이점을 제공하고, 나아가 미래 UWB 사용 사례와 서비스가 구축될 수 있는 견고한 토대를 어떻게 마련하는지를 다룬다.

초광대역(UWB) 기술 소개

UWB는 IEEE 802.15.4a, IEEE 802.15.4z 및 향후 도입될 IEEE 802.15.4ab 표준을 기반으로 하는 단거리 임펄스 무선 기술로, UWB를 지원하는 디바이스 간 상대 위치를 안전하고 정밀하게 계산할 수 있다. IEEE 802.15.4ab의 경우, 아래에 보다 상세히 설명되어 있는 NBA MMS 거리 측정과 같은 새로운 기법을 통해 가시선 거리 환경(line-of-sight)에서 650m 이상의 거리에서도 동작할 수 있으며, 센티미터 수준의 정확도를 제공한다. 이름에서 알 수 있듯이 UWB는 넓은 채널 대역폭(500MHz 이상)과 짧은 2나노초(ns) 펄스를 사용하여 두 디바이스 간 전파 비행 시간(ToF, Time-of-Flight)을 정밀하게 측정한다(예: 스마트폰과 차량, 키 포브와 도어락, 실시간 위치 시스템(RTLS)의 앵커 포인트와 태그). 또한 디바이스의 상대 위치를 즉시, 그리고 지속적으로 추적할 수 있어 실시간 거리 측정이 가능하다. 이와 함께 다양한 지원되는 토폴로지를 통해 디바이스의 정확한 위치와 방향을 파악할 수 있다. 예를 들어 UWB 기반 도어락은 사용자가 문 기준 어느 쪽에 위치해 있는지, 문 쪽으로 접근 중인지 또는 멀어지고 있는지를 판단할 수 있다. 사용자의 의도를 파악하는 이 기능은 보안을 강화하고 사용자 경험을 향상시키며, 유용한 근접 기반 서비스 개발을 가능하게 한다.또한 UWB는 특히 위치 정확도, 지연 시간, 견고성, 보안 측면에서 다른 기술 대비 여러 가지 이점을 제공한다. 다른 기술들은 일반적으로 수신 신호 강도 지표(RSSI) 기법을 통해 신호 강도로부터 거리 및 위치 정보를 계산하는 경우가 많다. 그러나 이러한 시스템은 비인가 원격 사용자가 수행하는 릴레이 스테이션 공격에 노출될 수 있으며, 이는 무선 신호를 가로채고 스푸핑하는 과정을 통해 잘못된 측정값을 유발할 수 있다.
반면 UWB의 ToF 방식은 디바이스 간 실제 근접 여부를 보다 정확하게 판단할 수 있어 이러한 공격을 효과적으로 방지한다. 또한 UWB는 넓은 대역폭과 짧은 펄스를 활용해 저지연과 다중 경로 환경에서도 우수한 성능을 동시에 제공함으로써, UWB 거리 측정 기법의 견고성과 무결성을 높인다. 이를 통해 실시간이면서도 높은 신뢰도의 위치 추정이 가능하다. 더 나아가 UWB의 ToF 구현 방식은 장애물 및 간섭에 대한 저항성이 훨씬 높으며, 기존 대체 기술과 비교했을 때 가시선 및 비가시선 적용 시나리오 모두에서 강력한 측위 성능을 제공한다.지난 10년 동안 IEEE 802.15.4a 기반 솔루션은 고정밀 실내 RTLS 애플리케이션에서 점차 도입이 확대되어 왔으며, 한편 2020년에 발표된 IEEE 802.15.4z 개정안 개발을 통해 해당 기술에 보안 확장 기능이 추가되었다. 이러한 개선을 통해 UWB는 안전하고 인증된 센티미터 수준의 정밀 거리 및 위치 측정을 제공할 수 있게 되었으며, 자동차, 모바일, 스마트 홈, 스마트 빌딩, 그리고 기타 소비자, 산업 및 IoT 솔루션 제공업체들이 요구하는 다양한 보안 정밀 거리 측정 및 위치 추적 애플리케이션을 구현할 수 있게 되었다. IEEE 802.15.4z의 도입은 스마트폰 내 UWB 탑재 확대를 이끌었으며, 이는 주로 자동차 디지털 키 및 개인 추적 애플리케이션(CCC의 Digital Key 3.0 사양 기준), 그리고 Apple AirTag와 같은 디바이스에서 활용되고 있다. 또한 BMW, Tesla, Audi, Polestar, Volvo, Hyundai, Mercedes-Benz, Porsche, Toyota, Volkswagen 등 주요 자동차 OEM들은 이미 차량 보안 접근 애플리케이션에 IEEE 802.15.4z를 적용하고 있다. ABI Research는 2030년까지 전체 차량의 53%가 UWB 기술을 탑재할 것으로 예상하고 있다. 이러한 디지털 키 애플리케이션은 이제 UWB 기반 스마트 도어락 및 상업용 출입 통제 리더를 통해 가정 및 상업용 건물 출입 영역으로까지 확장되고 있다.

기존 UWB 기술의 한계

도표 1에서 확인할 수 있듯이, UWB 기술은 이미 상당수의 디바이스에 채택되어 있으며 고유한 특성 덕분에 다른 무선 솔루션 대비 보안 거리 측정 애플리케이션에 매우 적합하다. 한편 새로운 UWB 지원 디바이스 및 칩셋 발표, UWB 칩셋 및 플랫폼의 확산, 여러 UWB 관련 인수 사례, UWB 표준 및 산업 컨소시엄의 지속적인 발전, 그리고 신규 사용 사례에서의 UWB 기술 시연은 UWB가 가장 빠르게 성장하는 무선 연결 기술 중 하나로 자리매김하는 데 기여할 것이다. 디바이스 출하량은 2025년부터 2030년까지 연평균 성장률(CAGR) 21%를 달성하여 연간 약 14억 대에 이를 것으로 예상된다. 특히 자동차 시장만 보더라도 2030년까지 5,500만 대 이상의 차량이 UWB 기술을 탑재하여 출하될 것으로 예상되며, 차량당 최대 6개의 앵커와 전용 UWB 키 포브가 함께 적용됨에 따라 이 시기까지 연간 수억 개 규모의 UWB 칩셋이 출하될 것으로 전망된다.

도표 1 | 디바이스 유형별 UWB 지원 디바이스 출하량 전 세계 시장: 2024~2030년(출처 | ABI Research)

그러나 실제 환경에 UWB 기술을 적용하는 과정에서 기존 IEEE 802.15.4z 기술의 여러 한계가 확인되었다. 이러한 한계는 신뢰성, 전력 소모, 정확도, 그리고 동작 범위 측면에서 최종 사용자 경험을 저하시킬 수 있다. 주요 과제는 다음과 같다.

규제로 인한 링크 버짓 제한: UWB 기술의 송신 전력은 동일 주파수 대역에서 운영 중인 다른 기술 및 기존 사용자(incumbents)와의 간섭을 방지하기 위해 미국 연방통신위원회(FCC) 및 기타 규제 기관에 의해 엄격하게 제한된다. 그 결과, 기존 UWB의 보안 거리 측정 구현은 링크 버짓이 제한되며, UWB가 효과적으로 거리 측정을 수행할 수 있는 유효 범위 또한 제한적이다. 이를 보완하기 위해 현재 대부분의 UWB 보안 거리 측정 애플리케이션에서는 Bluetooth® Low Energy(LE)를 저전력 디바이스 탐색 및 웨이크업용 무선 기술로 활용하고 있으며, 이는 그림 1에 나타나 있다. 그러나 그림 1과 같이 저전력 디바이스 탐색 및 웨이크업용으로 정의된 Bluetooth® LE에서 UWB로의 핸드오버가 원활하게 이루어지지 않는 경우가 발생할 수 있다. 링크 버짓 부족으로 인해 IEEE 802.15.4z가 거리 측정을 수행할 수 없는 상태에서도 핸드오버가 발생할 수 있으며, 여기에 신호 획득(acquisition) 단계의 높은 전력 소모까지 더해지기 때문이다.

그림 1 | 보안 거리 측정 애플리케이션에서 UWB 및 Bluetooth® LE의 역할(출처 | FiRa Consortium)

디바이스 감지의 불안정성: 실제 사용 환경에서는, 예를 들어 차량이 keyless entry 애플리케이션을 위해 UWB 지원 스마트폰을 탐지하려는 경우 제한된 링크 버짓으로 인해 추가적인 안정성 문제가 발생할 수 있다. 특히 사용자가 스마트폰을 가방이나 주머니에 넣고 있는 상황, 그리고 최악의 경우에는 뒷주머니에 보관한 경우 이러한 문제가 두드러진다. IEEE 802.15.4z는 가시선 환경(line-of-sight)에서 이론적으로 최대 100m까지 지원하지만, 실제 적용 환경에서는 100m보다 훨씬 짧은 유효 범위만 확보되는 경우가 많다. 이는 UWB 기술이 인체 차폐 문제의 영향을 받을 수 있으며, 이로 인해 유효 범위가 감소하거나 신호가 완전히 손실될 수 있기 때문이다. 이러한 디바이스 인식 실패는 사용자 경험을 저하시킬 수 있다. 예를 들어 사용자가 차량 문 앞에 도착했음에도 잠금이 해제되지 않거나 지나치게 늦게 해제되는 상황이 발생할 수 있다. UWB가 소비자와 OEM 모두에게 긍정적인 인식을 형성하기 위해서는 항상 사용자의 기대에 부합하도록 동작해야 한다.

전력 소모: Bluetooth® LE RSSI 기반의 비교적 정확도가 낮은 솔루션을 사용하여 UWB 위치 측위 모드를 활성화할 경우 발생하는 과제 중 하나는 해당 모드가 너무 이른 시점에 활성화될 수 있다는 점이다. 이는 제한된 링크 버짓으로 인해, 사용자가 차량 측위가 요구되는 영역에서 여전히 상당히 떨어져 있는 상황에서도 Bluetooth®에서 UWB로의 핸드오버가 발생할 수 있음을 의미한다. 그 결과 실제로 필요하지 않은 시점에도 UWB 거리 측정이 장시간 지속될 수 있다. 이러한 UWB 위치 측위 모드는 Bluetooth® LE 탐색 모드보다 전력 소모가 더 크기 때문에 전체 시스템의 전력 소모는 실제로 필요한 수준보다 훨씬 높아지게 된다. 이로 인해 사용자 경험 또한 예측하기 어려워지고, 환경 조건이 지속적으로 변화하는 실제 환경에서는 일관성을 유지하는 것 또한 어려워진다.

다중 사용자 채널 혼잡으로 인한 확장성 제한: 대규모 사무실, 공항, 경기장 주차장과 같이 혼잡한 환경에서는 여러 대의 차량(각각 여러 개의 IEEE 802.15.4z 앵커 포함)과 다수의 사용자가 동시에 UWB 기반 위치 측위를 시도할 가능성이 있다. 여기에 링크 버짓 제한으로 인해 위치 측위 모드를 설정하기 위한 올바른 핸드오버 시점을 정확하게 판단하지 못하는 문제가 결합되면 채널 혼잡이 증가할 수 있으며, 그 결과 사용자 경험에도 부정적인 영향을 미칠 수 있다.

다중 경로(Multipath) 간섭 및 비가시선(Non-Line-of-Sight) 성능: UWB는 다른 기술 대비 다중 경로 간섭에 본질적으로 더 강한 특성을 가지고 있지만, 여전히 UWB가 적용되는 많은 환경에서는 신호가 주변 표면에 반사되어 여러 경로를 형성하고, 이로부터 UWB 위치 정보를 도출해야 하는 상황이 발생한다. 이러한 다중 경로 환경은 솔루션의 전체적인 성능과 신뢰성을 저하시킬 수 있다. 한편 향후 UWB 사용 사례 중 다수는 인구가 밀집되고 RF 환경이 까다로운 공간 적용을 요구하며, 동시에 비접촉식 티켓팅과 같은 애플리케이션에서 끊김 없는 초저지연 거리 측정을 필요로 하는 것으로 확인되고 있다.

추가 서비스 구현의 한계: 앞서 언급된 바와 같이, 탐색 모드와 위치 측위 모드 사이에서 사용자의 위치를 정확하고 신뢰성 있게 판단하지 못하는 경우, 자율주행 택시의 승객 위치 파악, 웰컴 라이트 활성화, 사용자가 차량에 접근할 때 차량 서비스 또는 개인화 기능을 원격으로 활성화하는 등의 유용한 신규 중간 단계 서비스 구현이 제한될 수 있다. 사용자의 의도를 정확하게 파악하면서도 일관되고 신뢰성 있는 경험을 제공하는 능력은 사용자의 정확한 위치 정보를 활용하는 서비스를 확장하는 데 있어 핵심 요소가 될 것이다. 한편 새롭게 등장하는 UWB 기반 핸즈프리 결제 및 티켓팅 애플리케이션 역시 성공하려면 항상 사용자 의도를 정확히 인지할 수 있어야 한다.

IEEE 802.15.4AB와 범위 및 안정성 향상을 위한 과제

IEEE 802.15.4z는 2020년에 발표된 비교적 초기 단계의 표준임에도 불구하고, 최신 IEEE 802.15.4 UWB 표준 개정안인 IEEE 802.15.4ab에 대한 작업은 2021년에 시작되었다. 차세대 UWB로 알려진 이 새로운 개정안은 여러 주요 개선 사항을 도입한다. 이는 더 먼 거리까지의 보안 거리 측정 성능과 정확도 향상, 보다 일관된 사용자 경험 제공, 효율성 최적화, 확장성 강화, 그리고 기존 UWB 기술로는 효과적으로 지원하기 어려웠던 새로운 사용 사례 구현을 목표로 설계되었다.향상된 보안 거리 측정 성능을 넘어, IEEE 802.15.4ab는 저지연 데이터 및 오디오 스트리밍을 위한 더 높은 데이터 전송 속도를 지원하며, 표준화된 센싱 기능을 통해 존재 감지, 동작 인식, 킥 센싱, 생체 신호 모니터링 등 다양한 신규 UWB 레이더 애플리케이션을 보다 폭넓게 지원하는 것을 목표로 하고 있다. 핵심 기능은 현재 확정된 상태이며, 해당 개정 작업은 2026년에 완료될 것으로 예상된다. 여러 UWB 업체들은 이미 IEEE 802.15.4ab 호환 솔루션을 개발했거나 향후 지원 계획을 발표한 상태이며, 주요 IEEE 802.15.4z 솔루션 제공업체 다수는 IEEE 802.15.4ab 태스크 그룹에 적극적으로 참여하고 있다. IEEE 802.15.4ab는 IEEE 802.15.4z와의 하위 호환성을 유지하며, IEEE 802.15.4ab에서의 주요 개선 영역은 다음과 같다.

- UWB를 보조하기 위한 협대역 신호 기반의 긴밀 결합 하이브리드 동작에 대한 정의
- IEEE 802.15.4 UWB 대비 향상된 링크 버짓, 송신 시간 감소를 지원하기 위한 추가 코딩, 프리앰블, 변조 방식
- 추가 채널 및 동작 주파수
- 디바이스 밀도가 더 높고 트래픽이 더 많은 사용 사례를 지원하기 위한 간섭 완화 기법
- 고신뢰성 거리 측정을 위한 정확도, 정밀도, 신뢰성 및 상호운용성 개선, 복잡도 및 전력 소모를 줄이기 위한 방식
- 향상된 네이티브 탐색 및 연결 설정 메커니즘
- 존재 감지 및 환경 매핑을 지원하는 센싱 기능
- 저전력·저지연 스트리밍과 더불어, 50Mbps 이상의 처리량을 제공하는 고속 데이터 스트리밍을 지원하는 메커니즘

그러나 IEEE 802.15.4ab의 본래 목적은 다양한 지역의 규제 요구사항을 준수하면서도 앞서 언급된 링크 버짓 문제를 개선하는 데 중심을 두고 있으며, 이는 초기 실제 환경 적용 과정에서 확인된 제한적인 사용자 경험의 주요 원인이었다. 이 개정안의 목표는 거리 측정 성능을 크게 향상시키는 것이다. UWB의 범위를 수백 미터 수준까지 확장하면서, 중요하게는 다중 경로, 채널 혼잡, 인체 차폐, 기타 감쇠 문제로 인해 발생하는 기존 사용자 경험상의 문제를 해결하여 최악의 시나리오까지 대응한다. 이를 통해 모든 환경에서 기본 수준의 성능을 보장하며, 특히 기존 IEEE 802.15.4z가 기대 수준을 충족하지 못했던 실제 적용 환경을 주요 대상으로 한다. IEEE 802.15.4ab에 고도화된 거리 측정 기능을 도입함으로써, 이제 훨씬 더 먼 거리에서도 두 개 이상의 디바이스 간 안전하고 신뢰성 있으며 정확한 거리 측정이 가능해졌으며, 무엇보다도 모든 환경에서 안정적인 거리 측정 성능을 확보할 수 있게 된다. 이는 주로 MMS 및 NBA MMS UWB와 같은 새로운 기법을 통해 구현되며, 추가적인 개선 사항은 현재 직면하고 있는 범위, 전력 및 확장성과 관련된 일부 문제를 해결하는 데에도 도움이 될 수 있다.

MULTI-MILLISECOND (MMS)
IEEE 802.15.4ab에서 도입되는 향상된 거리 측정 기법 중 하나는 MMS다. 기존 UWB 양방향 거리 측정(TWR) 방식에서는 디바이스들이 비교적 긴 거리 측정 패킷을 통해 거리 측정 정보를 교환하는 반면, MMS에서는 UWB 거리 측정 패킷이 최대 16개의 더 작은 프래그먼트로 분할될 수 있으며, 이는 RSF(Ranging Sequence Fragment)와 RIF(Ranging Integrity Fragment)로 구성된다. 이러한 프래그먼트는 연속된 1밀리초(ms) 시간 슬롯을 통해 전송된다. 수신 디바이스는 여러 밀리초에 걸쳐 이러한 프래그먼트로부터 정보를 누적할 수 있으며, 이를 통해 단일 UWB 거리 측정 패킷 대비 결합 에너지를 크게 향상시키고 전체 링크 버짓을 개선할 수 있다. MMS는 1ms를 초과하는 시간 창에 대해 평균 전력을 산출·관리하므로, 각 프래그먼트의 전송 전력은 더 높게 올리되 평균값은 규제 한도 내에서 유지할 수 있다. 반면 기존 방식에서는 이러한 초기 패킷 교환 단계에서 사용되는 에너지에 의해 링크 버짓이 제한된다.
IEEE 802.15.4z 기반 거리 측정 대비 IEEE 802.15.4ab는 단일 MMS만 사용하더라도 18dB의 링크 버짓 향상을 제공할 수 있고, 2, 4, 8, 16개의 반복 프래그먼트를 지원하는 다양한 MMS 모드를 제공한다. 각 MMS 모드에서는 링크 버짓이 추가로 3dB 향상된다. 예를 들어, 2 MMS 모드는 1 MMS 대비 3dB 더 높은 링크 버짓을 제공하며, 4 MMS 모드는 6dB, 8 MMS 모드는 9dB, 16 MMS 모드는 12dB의 향상을 제공한다. 이를 통해 UWB의 거리 측정 범위를 크게 확장할 수 있을 뿐만 아니라, 다중 경로에 대한 내성을 강화하고 간섭을 줄이며, 비가시선 또는 뒷주머니 시나리오에서도 보다 견고한 거리 측정 기능을 구현할 수 있다. 그림 2는 8 MMS 모드에서 추가되는 링크 버짓이 IEEE 802.15.4z 대비 유효 범위를 얼마나 크게 확장할 수 있는지를 보여주며, 그 결과 IEEE 802.15.4ab와 Bluetooth® LE가 사실상 동일한 동작 영역을 갖게 됨을 나타낸다.

그림 2 | 다양한 MMS 모드가 UWB의 링크 버짓 및 범위에 미치는 영향(출처: STMicroelectronics)

그러나 거리 측정 프레임에서 이러한 엄청난 링크 버짓 향상은 데이터 통신 요소가 함께 조정되지 않는다면 충분히 활용되지 못하게 된다. 이를 위해 NBA UWB가 도입된다.

NARROWBAND-ASSISTED (NBA) UWB
MMS는 여러 방식으로 구현될 수 있으며, 여기에는 NBA 방식, UWB 기반 방식 또는 Bluetooth® LE를 활용한 대역 외 방식이 포함된다. 각 방식은 범위, 강인성, 하드웨어 요구사항, 규제 측면에서 각각 고유한 장점과 한계를 가지고 있다. 그러나 IEEE 802.15.4ab의 유효 범위 및 사용자 경험을 향상시키는 데 있어 가장 높은 링크 버짓 향상과 안정성을 보여준 방식은 NBA MMS UWB다. 이 방식은 초기화 및 제어 단계에서 주파수 및 시간 동기화를 제공하기 위해 전용 협대역(narrowband) 신호를 활용한다. 이 협대역 신호는 UWB 채널 9 대비 더 낮은 5725MHz~6425MHz UNII-3 및 UNII-5 주파수 대역에서 동작하기 때문에 해당 신호의 도달 범위는 Bluetooth® LE 탐색 영역까지 확장될 수 있으며, 이는 그림 3에 설명되어 있다.

그림 3 | NBA UWB가 디지털 키 애플리케이션에 미치는 영향(출처: STMicroelectronics)

반면 UWB 기반 MMS는 추가 하드웨어를 필요로 하지 않지만, 거리 측정과 타이밍 및 동기화 데이터를 모두 UWB PHY에서 처리할 경우 전체 링크 버짓이 감소할 수 있으며, 까다로운 RF 환경에서는 성능 저하에 취약해질 수 있다. 시간 동기화를 UWB 대역에서 분리하여 긴밀하게 시간 동기화된 협대역으로 이동시키면 단일 MMS 방식만으로도 최대 18dB의 성능 향상을 제공할 수 있다. 여기에 반복 프래그먼트 수를 증가시키면(최대 16 MMS) 추가로 최대 12dB의 이득을 확보할 수 있다. 이 방식 또한 IEEE에서 정의되고 있는 기술로, UWB PHY와의 더 긴밀한 결합을 통해 보다 예측 가능한 타이밍 및 스케줄링 정보를 제공할 수 있게 한다. 반면 Bluetooth® LE와 같은 대역 외 기술을 활용하는 경우, UWB와의 타이밍 동기화가 더 어려울 수 있으며, 특히 Bluetooth® LE 트래픽이 혼잡한 열악한 RF 환경에서는 전송 및 동기화 지연이 발생할 수 있다는 한계가 있다.

추가적인 개선 사항
UWB PHY에도 다양한 추가 개선 사항이 적용되었다. IEEE 802.15.4ab는 최대 1.95Mbps의 데이터 전송 속도를 지원하는 새로운 변조 방식을 도입했으며, 이는 신호 강도를 향상시켜 거리 측정 성능을 개선하고 뒷주머니 시나리오에서 발생하는 문제를 극복하도록 특별히 설계되었다. 이와 함께 IEEE 802.15.4ab는 선택적 Low-Density Parity-Check(LDPC) 코딩도 도입했으며, 이는 실제 RF 환경 조건에 따라 데이터 속도를 동적으로 조정할 수 있도록 한다. 노이즈가 많은 환경에서는 데이터 속도를 낮춤으로써 신뢰성과 견고성을 향상시킬 수 있다.IEEE 802.15.4ab는 최근 몇 년간 큰 관심을 받아온 센싱 및 레이더 기능의 표준화에도 기여하고 있다. UWB 기술의 부흥을 이끌고 있는 디지털 키 애플리케이션과 함께, 어린이 탑승 감지(CPD), 침입 감지, 좌석 점유 감지, 킥 센싱, 그리고 센트리 모드 활성화와 같은 레이더 기능의 통합은 다시 디지털 키 도입의 확대를 촉진하고 있다. 이러한 복합적인 가치와 새로운 차량 탑승 규제 요구사항을 충족할 수 있는 능력은 차량 내 UWB 도입을 가속화하는 데 매우 매력적인 요소로 작용하고 있으며, 이는 차량 내부 및 외부를 아우르는 추가적인 사용 사례 확산으로도 이어지고 있다. 이러한 기능의 표준화는 센싱이 가치를 제공할 수 있는 자동차 및 기타 환경 전반에서 UWB 채택을 더욱 확대하는 데 기여할 것이다.
한편 IEEE 802.15.4ab에 도입될 MMS 기능은 5가지 거리 측정 모드를 지원하며, 이 중 4개 모드는 일대다 거리 측정을 지원할 수 있다. 자동차 디지털 키 시나리오에서는 여러 응답 디바이스(일반적으로 스마트폰)가 차량에 접근할 수 있으므로, 최상의 사용자 경험을 보장하기 위해 차량 내 IEEE 802.15.4ab 이니시에이터는 여러 디바이스와의 정확한 거리 측정을 효과적으로 수행할 수 있어야 한다. IEEE 802.15.4ab에서 정의된 다양한 기법을 기반으로, 이니시에이터는 각 디바이스의 접근 의도를 더 정확하게 판단할 수 있으며, 차량 내부에 배치된 IEEE 802.15.4z 앵커 포인트로 핸드오버를 수행하여 잠금 해제 영역에 진입한 디바이스에 대해서만 차량 잠금을 해제할 수 있다. 이는 그림 4에 설명되어 있다. 이러한 방식은 대형 주차장과 같이 여러 차량과 디바이스가 동시에 동일한 공간에서 위치 측위를 수행하려는 상황에서 발생할 수 있는 혼잡 문제를 완화하는 데에도 도움이 된다.

그림 4 | 여러 응답 디바이스를 지원하는 일반적인 디지털 키 거리 측정 세션(출처: STMicroelectronics)

IEEE 802.15.4AB가 링크 버짓 및 실제 성능에 미치는 영향

IEEE 802.15.4z는 이상적인 조건에서는 수십 미터 수준의 거리 측정을 지원할 수 있지만, 뒷주머니에 휴대하는 경우처럼 인체 감쇠가 큰 상황이거나 다중 경로 환경 같이 까다로운 RF 환경에 적용되는 경우에는 성능이 몇 미터 수준까지 급격히 감소할 수 있다. 한편 차량 자체는 반사면이 많고 유리 및 금속이 다량 사용되기 때문에 고유한 다중 경로 문제를 유발한다.IEEE 802.15.4ab에 도입된 새로운 기능을 통해 링크 버짓은 최대 30dB까지 향상될 수 있다. 이를 통해 더 먼 거리에서도 동작 가능한 보안 거리 측정 구현이 가능해지며, 뒷주머니 시나리오를 포함한 다양한 환경에서도 안정적으로 동작하고 전력 효율도 향상된다. 또한 상황 인식 기반의 새로운 유용한 사용 사례를 구현할 수 있는 가능성을 열어주며, 장기적으로 UWB 기술의 인프라 요구사항을 줄이는 데에도 기여할 수 있다. 그림 5는 IEEE 802.15.4z와 IEEE 802.15.4ab 간의 링크 버짓 비교를 보여준다.

그림 5 | IEEE 802.15.4z와 IEEE 802.15.4ab의 링크 버짓 비교(출처 | STMicroelectronics)

그림 6과 7은 IEEE 802.15.4ab의 다양한 개선 사항을 통해 응답 디바이스(예: 스마트폰)를 더 정확하고, 더 안정적으로, 더 먼 거리에서, 더 낮은 전력으로 감지할 수 있게 됨으로써, 현재 차량 잠금 해제에 사용되는 단일 앵커 기반 거리 측정과 다중 앵커 기반 위치 측위 간의 핸드오버 과정을 어떻게 최적화할 수 있는지를 시각적으로 보여준다. 새롭게 향상되고 제어 가능한 링크 버짓을 기반으로 Bluetooth® LE 탐색 모드 이후에 IEEE 802.15.4ab 거리 측정 모드를 추가함으로써, 단일 IEEE 802.15.4ab 앵커에서 차량 내 여러 IEEE 802.15.4z 앵커로의 핸드오버는 더 늦은 시점에, 보다 일관되게, 그리고 필요한 경우에만 이루어질 수 있으며, 이를 통해 사용자 경험을 개선하고 전체 전력 소모를 줄일 수 있다.

그림 6 | 기존 IEEE 802.15.4z UWB 디지털 키 구현의 과제(출처 | STMicroelectronics)

그림 7 | IEEE 802.15.4ab가 향상된 디지털 키 성능을 구현하는 방식(출처 | STMicroelectronics)

요약하면, IEEE 802.15.4ab는 현재의 Bluetooth® LE 탐색 영역과 위치 측위 영역 간의 간극을 해소하여 보다 정밀하고 다중 경로 환경에 강인한 일대일 및 일대다 거리 측정을 제공한다. 또한 위치 측위 모드가 훨씬 더 정확한 지점에서 시작되도록 함으로써, 인구가 밀집되어 있는 경기장 주차장과 같이 동일한 인근 영역에서 다수의 세션이 동시에 발생하는 상황에서도 간섭을 줄여 사용자 경험을 향상시킨다. 한편, IEEE 802.15.4ab는 훨씬 더 먼 거리에서도 정밀한 보안 거리 측정을 가능하게 하고 사용자의 접근 의도를 보다 명확하게 파악할 수 있게 함으로써, 내 차 찾기, 웰컴 라이트 활성화, 공조 제어, 인포테인먼트 개인화, 시트 높이 조정 등 여러 가지 유용한 신규 서비스를 제공한다. 이러한 기능은 사전에 정의된 임계값에 따라 활성화된다.
반면, 기존 IEEE 802.15.4z 솔루션에서는 Bluetooth® LE RSSI의 제한적인 정확도로 인해 이러한 핸드오버 과정에서의 오차 범위가 IEEE 802.15.4ab보다 더 크다. 그 결과, UWB 위치 측위 모드는 이른 시점(때로는 거리 측정 영역보다 훨씬 먼 지점)에서 시작되며, 이는 솔루션의 전력 소모를 증가시킬 수 있다. 또한 디바이스 소유자가 차량 주변에 계속 머무르는 경우 UWB 위치 측위 시도가 장시간 지속될 수 있으며, 이로 인해 전력 소모가 더욱 증가한다. 한편, 제한적인 링크 버짓으로 인해 뒷주머니에 있는 휴대폰은 마지막 순간까지 감지되지 않거나 아예 감지되지 않을 수 있다. 이는 사용자 경험을 저해하며, 거리 및 접근 의도에 따라 동작하는 웰컴 라이트 또는 차량 개인화와 같은 유용한 원격 서비스의 추가 도입을 어렵게 만든다.
표 1은 IEEE 802.15.4z와 IEEE 802.15.4ab 개정안의 주요 목적과 차이점을 요약하여 보여준다.

표 1 | IEEE 802.15.4z 및 IEEE 802.15.4ab의 주요 특징

이러한 이점을 바탕으로, CCC는 향후 Digital Key 4.0 사양을 통해 추가적인 기능 향상을 제공하는 것과 더불어 IEEE 802.15.4ab 기술 도입을 적극적으로 추진하고 있으며, 이를 지원하기 위한 전담 실무 그룹도 구성했다. 한편, 여러 자동차 OEM은 이미 NBA 기반 거리 측정을 포함한 IEEE 802.15.4ab를 요구사항 사양에 반영하고 있으며, 표준 개발에 참여하고 있는 업체들은 기존 자동차 기술 주기와 비교할 때 새로운 기술로의 전환이 더욱 빠르게 이루어질 것으로 예상하고 있다. 이는 다음과 같은 다양한 요인에 기인한다.

- IEEE 802.15.4ab는 기존 IEEE 802.15.4z 솔루션에서 비교적 간단한 하드웨어 업그레이드를 통해 구현할 수 있다는 점
- 향후 수년간 스마트폰 및 기타 애플리케이션 분야에서 IEEE 802.15.4ab로의 병행 전환이 이루어질 것으로 예상된다는 점
- 자동차 및 스마트폰 애플리케이션에서 UWB 보급이 확대되고 있다는 점
- 추가적인 차량 내 사용 사례를 위해 거리 측정 기능과 레이더 기능을 결합함으로써 제공되는 부가 가치
- IEEE 802.15.4ab 기술에 기반을 둔 신규 시장 참여자의 등장
- 여러 UWB 관련 산업 컨소시엄의 지원
- 다양한 UWB 애플리케이션을 대상으로 하는 새로운 IEEE 802.15.4ab 칩셋의 출시

그 결과, 2030년까지 UWB를 지원하는 차량의 약 80%가 IEEE 802.15.4ab 기술로 전환될 것으로 예상된다. 또한 향후 수년 내에 해당 기술을 지원하는 수억 대 규모의 스마트폰이 출하될 것으로 전망되며, 이는 이미 구축된 수억 대의 IEEE 802.15.4ab 호환 디바이스에 추가되는 규모다.

디지털 키를 넘어서:
IEEE 802.15.4AB가 가능하게 하는 미래의 UWB 사용 사례

본 백서에서는 주로 UWB 디지털 키 애플리케이션에 초점을 맞추었지만, 더 먼 거리에서 UWB의 보안 거리 측정 기능을 확장함으로써 다양한 새로운 UWB 사용 사례를 구현하고, 기존 기능을 향상시키며, 유용한 신규 서비스 및 기능을 제공할 수 있다. 그림 8에서 FiRa Consortium이 제시한 미래 UWB 사용 사례를 살펴보면, IEEE 802.15.4ab의 향상된 범위 성능과 강인성이 이러한 사용 사례의 성공에 얼마나 중요한 역할을 하는지 쉽게 확인할 수 있다. 이러한 사용 사례 중 다수는 탐색 모드와 위치 측위 사이에서 사용자의 정확한 위치를 파악할 수 있을 뿐만 아니라, 사용자의 접근 의도와 이동 방향을 보다 정확하게 이해하는 데에도 이점을 제공한다.

그림 8 | FiRa UWB 사용 사례(출처 | FiRa Consortium)

가장 대표적인 이점은 주거 환경의 스마트 도어락이나 상업용 출입 통제 리더기와 같은 기타 보안 출입 애플리케이션에서 확인할 수 있다. 이러한 환경은 일반적으로 다중 경로 간섭이 발생하기 쉬운 환경이며, 사용자가 휴대폰을 뒷주머니에 넣어두는 상황에서도 유사한 문제가 발생할 가능성이 높다. IEEE 802.15.4ab는 보다 일관된 사용자 경험을 보장하는 동시에, 사용자의 접근 시 조명 활성화와 같은 원격 홈 서비스를 가능하게 한다.비접촉 티켓 검증 및 교통 요금 결제와 같이 여러 단계에서 사용자의 의도를 확인해야 하는 애플리케이션에서 IEEE 802.15.4ab는 UWB 인프라 구축 비용과 복잡성을 줄임으로써 향후 성공에 핵심적인 역할을 할 것으로 예상된다. 많은 위치 측위 앵커는 일반적으로 천장에 설치되기 때문에 일부 적용 환경에서는 바닥과 천장 사이의 높이만으로도 이미 IEEE 802.15.4z의 범위 한계에 도달하는 경우가 있다. 한편, 다른 위치 측위 애플리케이션에서는 확장된 범위를 통해 앵커 포인트 밀도를 줄일 수 있어 인프라 비용 절감과 더 빠른 투자 수익률(ROI) 확보가 가능하며, 특히 이러한 위치 측위 앵커가 주로 천장에 설치되는 환경에서는 바닥과 천장 사이 높이만으로도 15.4z의 범위 한계에 근접하는 경우가 있다.
UWB용 장거리 추적 애플리케이션은 이제 위치 측위 앵커 포인트를 조밀하게 적용하지 않더라도 구현할 수 있게 되었다. 예를 들어, IEEE 802.15.4ab가 제공하는 향상된 범위를 통해 사람 또는 사물 찾기 사용 사례와 사용자 경험도 더욱 향상될 수 있다. 이를 통해 사용자는 인구 밀집 지역에서 친구나 가족의 위치를 보다 쉽고 정확하게 파악할 수 있으며, 열쇠나 수하물과 같은 분실 물품도 먼 거리에서 찾을 수 있게 된다. 이에 따라 UWB는 실내 환경에서 GNSS(Global Navigation Satellite System)와 유사한 솔루션으로 활용될 수 있다. 혼잡한 주차장에서는 정밀 위치 측정을 기반으로 사용자를 차량 위치까지 안내할 수 있으며, 쇼핑몰에서는 가족이나 친구를 대규모 인파 속에서도 보다 쉽게 찾을 수 있다. 또한 주차장과 같은 다중 경로 환경에서는 확장된 범위 기능과 향상된 성능의 이점을 활용할 수 있는 다양한 차량 대 인프라 애플리케이션이 존재한다. 이는 주차 차단기, 통행료 징수, 드라이브스루와 같은 차량 애플리케이션에서 더욱 큰 효과를 발휘할 가능성이 있으며, 이러한 환경에서는 추가적인 범위 확장과 견고성 향상의 이점이 두드러진다.
현재 생태계는 UWB의 진정한 잠재력의 표면만 건드린 수준에 머물러 있다. 그러나 IEEE 802.15.4ab가 제공할 수 있는 향상된 거리 측정 성능과 링크 버짓 성능은 기존 시장의 사용 사례를 개선하는 동시에 미래의 새로운 사용 사례를 구현하는 데 핵심적인 역할을 할 것이다. 앞서 언급한 FiRa의 미래 목표 사용 사례 중 상당수는 IEEE 802.15.4ab가 제공하는 개선 사항을 통해 큰 이점을 얻을 수 있으며, FiRa Consortium도 최근 이 표준에서 도입되는 새로운 기능을 반영하기 위해 자사 사양을 업데이트하기 위한 새로운 이니셔티브를 출범시켰다. 한편, 개인 디바이스에 대한 논리적 액세스를 비롯해 리테일, 주차장, 대중교통 분야의 비접촉 모바일 결제와 같은 FiRa 3.0 사양에 정의된 일부 사용 사례에서도 이러한 개선 사항의 이점을 활용할 수 있다.요약하면, IEEE 802.15.4ab는 본 백서 앞부분에서 언급한 기존 UWB 기술의 주요 한계 일부를 직접적으로 해결하고 있다. 이를 통해 다음과 같은 다양한 이점을 제공한다.

- 더 높은 링크 버짓을 통해 다양한 환경에서 디바이스의 위치를 더욱 신뢰성 있게 파악할 수 있다(예: 뒷주머니 시나리오, 다중 경로 환경).
- 위치 측위 세션이 실제로 필요한 경우에만 시작되므로 전력 소모를 줄일 수 있다(예: 사무실 주차장에서 차량으로 이동하는 시나리오).
- 거리 측정 세션이 실제로 필요한 경우에만 시작되기 때문에 다수 사용자 간의 간섭과 혼잡을 최소화할 수 있다(예: 경기장 시나리오). 이는 점점 더 많은 사용자가 공공 환경에서 UWB 거리 측정을 사용하게 되는 상황에서 특히 중요해질 것이다.
- 다중 경로 환경(비가시선 시나리오 포함)에서도 단일 측정만으로 높은 정확도를 보장할 수 있다.

궁극적으로 ABI Research는 IEEE 802.15.4ab가 UWB 기술의 미래 성공에 핵심적인 역할을 할 것으로 판단하고 있다. 이는 IEEE 802.15.4ab가 보다 긍정적이고 일관된 최종 사용자 경험을 제공하고, 유용한 신규 서비스와 사용자 경험을 창출하며, 현재 기술로는 구현이 어려운 새로운 UWB 사용 사례를 가능하게 할 수 있기 때문이다. 또한 성공적인 도입은 2030년까지 예상되는 14억 대 규모의 디바이스 출하를 넘어 UWB 기술의 시장 확산을 더욱 가속화하는 데 중요한 역할을 할 것이다.

STMICROELECTRONICS와
새로운 ST64UWB가 UWB 및 디지털 키 혁신을 선도하는 방식

STMicroelectronics는 자동차 전자 분야에서 30년 이상의 경험을 보유한 선도적인 반도체 기업으로, 스마트 모빌리티 포트폴리오를 통해 더욱 안전하고 지속 가능하며 연결성이 뛰어난 주행 경험을 제공한다. 이러한 기반 위에서 ST는 소프트웨어 정의 차량을 위한 차량 전동화, 첨단 주행 시스템, 안전한 차량 연결성이라는 새로운 시대로의 전환을 이끌고 있다.
현재 ST의 무선 연결성 포트폴리오는 자동차, 산업, 소비자 분야를 비롯해 다양한 IoT 애플리케이션을 대상으로 하고 있다. 이 포트폴리오는 Bluetooth® LE, IEEE 802.15.4(Zigbee, Thread, Matter), NFC(근거리 무선 통신)를 비롯해 산업, 헬스케어, 스마트 홈 환경을 겨냥한 Wi-Fi 제품군에 이르기까지 폭넓은 기술을 아우른다. 또한, ST 최초의 모놀리식 IEEE 802.15.4ab UWB 시스템 온 칩(SoC)인 ST64UWB 제품군이 포함된다.ST64UWB 제품군은 세 가지 SoC를 제공한다. ST64UWB-A100 및 ST64UWB-A500은 차량용 디지털 키, 핸즈프리 액세스, 차량 내부 레이더 감지 기능을 지원하며, ST64UWB-C100은 Aliro와 완벽히 호환되는 소비자 및 산업용 핸즈프리 액세스 제어를 지원한다. ST는 이번 신규 제품군 출시와 더불어 현재 개정안을 마무리 중인 IEEE 802.15.4 태스크 그룹에 적극적으로 참여하고 있다. 이와 함께 ST는 UWB Alliance, omlox, Connectivity Standards Alliance(CSA), Car Connectivity Consortium(CCC), FiRa Consortium의 오랜 회원사로 활동하며, UWB 기술의 미래를 만들어가는 데 핵심적인 역할을 수행하고 있다.ST는 UWB 외에도 차량용 디지털 키를 위한 강력한 NFC 솔루션 포트폴리오를 보유하고 있으며, 이를 통해 사용자가 차량에 안전하게 접근할 수 있도록 지원하고 있다. ST는 내장형 보안 요소(eSE), 보안 게이트웨이, 비접촉 NFC 리더기를 기반으로 CCC 디지털 키 사양을 지원하는 턴키 방식의 안전한 NFC 차량 출입 솔루션을 제공한다. 또한 ST의 여러 제품군은 스마트 빌딩 출입을 위한 Aliro 표준도 지원한다.
ST64UWB는 RF 성능, 다양한 활용 사례 통합, 그리고 전용 컴패니언 칩이 필요 없는 고도의 MCU 통합이라는 ST만의 차별화 요소를 모두 결합한 제품이다. ST의 18nm FD-SOI 공정을 기반으로 개발된 이 제품군은 일반적인 벌크 CMOS 대비 약 3dB의 추가 링크 버짓을 제공하며, IEEE 802.15.4ab 표준만으로 구현 가능한 범위를 넘어 약 50% 더 긴 통신 거리를 제공한다. 디지털 측면에서 ST64UWB는 최대 100MHz로 동작하는 Arm Cortex-M85 코어와 통합형 PCM 및 SRAM을 결합했다. 또한 ST64UWB는 IEEE 802.15.4ab NBA MMS를 최대한 활용함으로써, 본 문서 앞부분에서 언급한 뒷주머니, 다중 경로 및 핸드오버 문제를 직접 해결하며, OEM과 최종 사용자 모두에게 더욱 신뢰할 수 있고 견고한 사용 경험을 제공한다. ST64UWB는 ST의 보안 요소, Bluetooth LE 및 NFC 기술과 결합되어, ST를 IEEE 802.15.4z에서 차세대 UWB로의 업계 전환을 이끌어갈 이상적인 파트너로 자리매김하게 한다.

Why Dongfeng Is Turning the Chassis from Limbs into a Cerebellum

한상민 기자_han@autoelectronics.co.kr — 2026-09-15 09:05:10+0900

둥펑은 왜 섀시를 ‘사지’에서 ‘소뇌’로 바꾸는가

한상민 기자_han@autoelectronics.co.kr — 2026-09-15 08:57:31+0900

자율주행시스템이 아무리 정확하게 도로를 보고 경로를 계획해도 자동차가 자신의 접지력과 제동력, 조향능력을 알지 못하면 그 판단을 안전하게 실행할 수 없다. 둥펑자동차는 지능형 주행과 섀시가 서로의 상태와 한계를 주고받고 구동·제동·조향·서스펜션을 하나의 차량 운동으로 조율해야 한다고 말한다. 명령을 받아 움직이던 ‘사지’가 자동차의 물리적 가능성을 판단하는 ‘소뇌’로 이동하고 있다.

글 | 한상민 기자 _ han@autoelectronics.co.kr
IN ENGLISH

차량 앞 과속방지턱이 나타난다. 기존 섀시는 바퀴가 턱을 밟고 차체가 흔들린 뒤 댐퍼를 조절한다. 둥펑자동차가 제시한 지능형 섀시는 카메라로 전방 노면을 먼저 읽고, 바퀴가 닿기 전에 차고와 댐퍼의 작동 상태를 바꾼다.
젖은 도로에서도 마찬가지다. 타이어가 미끄러진 뒤 구동력과 제동력을 조절하는 데 그치지 않는다. 전방 노면의 유형과 마찰계수를 추정하고 차량 하중과 경사도, 속도, 타이어 상태를 결합해 앞뒤 차축의 힘을 미리 배분한다. 실제 바퀴의 움직임이 예상과 다르면 추정값을 다시 고친다. 그러나 과속방지턱을 부드럽게 넘고 빗길에서 미끄러짐을 줄이는 것은 지능형 섀시가 만들어내는 결과의 일부일 뿐이다. 더 큰 변화는 자동차가 전방 환경뿐 아니라 자신의 접지력과 제동력, 조향능력, 고장 상태까지 이해하기 시작했다는 데 있다.
왕덩펑(Wang Dengfeng) 둥펑자동차그룹 연구개발총원 전자·전기 아키텍처 매니저는 이를 ‘사지에서 소뇌로’의 전환이라고 표현했다.
“기존 자동차의 섀시가 명령을 받아 움직이는 사지였다면, 앞으로의 지능형 섀시는 스스로 차량의 상태를 이해하고 여러 액추에이터를 조율하는 소뇌가 돼야 합니다.”
지능형 주행이 이동경로를 계획해도 현재 노면에서 타이어가 확보할 수 있는 접지력과 차량이 낼 수 있는 제동력, 조향과 서스펜션의 응답 능력을 알지 못하면 그 경로는 실행할 수 없는 계획이 될 수 있다. 둥펑이 말하는 피지컬 AI의 핵심은 자동차가 더 잘 판단하는 데만 있지 않다. 자신이 실제로 할 수 있는 움직임을 이해하고, 디지털 판단을 물리적인 행동으로 정확하게 바꾸는 능력에 있다.

자율주행차는 자신의 한계를 알아야 한다

기존 자동차에서는 구동과 제동, 조향, 서스펜션이 각각 개발되고 제어됐다. 자율주행 시스템이 목표 궤적이나 감속도를 전달하면 각 장치가 정해진 명령을 수행했다. 정보는 주로 지능형 주행에서 섀시로 내려갔다.
그러나 계획된 궤적과 자동차가 실제로 수행할 수 있는 운동 사이에는 간극이 있다. 마른 노면에서 가능한 급제동과 회피 조향을 눈길이나 빗길에서 그대로 실행할 수는 없다. 타이어 마모와 차량 하중, 속도와 경사도에 따라서도 가속과 제동, 선회능력이 달라진다. 이 간극을 줄이려면 지능형 주행과 섀시가 서로 정보를 주고받아야 한다. 주행시스템은 카메라와 레이다, 지도 정보를 이용해 전방 노면과 교통상황을 섀시에 알려준다. 섀시는 타이어의 접지력과 차량의 운동 상태, 각 액추에이터가 낼 수 있는 힘과 이상 여부를 다시 주행시스템에 전달한다. 주행시스템은 이 정보를 반영해 자동차가 실제로 수행할 수 있는 경로를 계획한다.
“섀시에는 ‘눈’을 달아 도로와 환경의 상태를 미리 파악하게 해야 합니다. 반대로 지능형 주행시스템에는 차량의 ‘체질’을 알려줘야 합니다. 현재 노면에서 차량이 어느 정도까지 가속하고 제동하며 회전할 수 있는지를 알아야 실제로 실행할 수 있는 경로를 계획할 수 있기 때문입니다.”
지능형 주행이 도로를 보는 눈과 경로를 판단하는 대뇌라면, 섀시는 자동차의 몸이 감당할 수 있는 범위를 계산하는 소뇌다. 둘의 관계도 명령과 실행의 단방향 연결에서 계획과 물리적 가능성을 계속 조정하는 양방향 협업으로 바뀐다.
둥펑은 이 결합을 세 단계로 제시했다. 레벨 1·레벨 2를 대상으로 한 1.0 단계에서는 지능형 주행이 판단하고 섀시가 X·Y·Z축 운동을 협조제어한다. ‘판단 속에 실행이 있는’ 단계다. 레벨 3·레벨 4를 향한 2.0 단계에서는 주행시스템이 섀시의 운동한계를 이해하고, 섀시는 주행 의도를 앞서 받아 제어를 준비한다. 판단과 실행이 서로의 영역 안으로 들어간다. 레벨 5를 향한 3.0 단계는 인식과 판단, 실행이 분리되지 않는 ‘지행일체’다. 주변 환경뿐 아니라 자신의 상태와 운동능력까지 이해하고 변화에 적응하는 이동형 체화지능체가 둥펑이 제시한 장기 목표다.

둥펑이 제시한 지능형 섀시 방안. 섀시가 '눈'으로 노면과 환경을 감지하고, 지능형 주행이 '체질'을 파악해 감지-결정-실행을 하나의 폐루프로 연결한다.

미리 준비하는 차

이런 변화가 가장 직접적으로 드러나는 곳은 제어의 시점이다. 현재의 많은 안전장치는 타이어가 미끄러지거나 차체가 불안정해진 뒤 이를 감지하고 개입한다. 지능형 섀시는 차량이 위험한 노면에 도달하기 전에 필요한 상태를 준비한다.
‘능동 예지형 미끄럼 방지’는 젖은 도로나 눈길, 빙판과 같은 저마찰 노면을 사전에 파악한다. 노면 정보에 차량 하중과 경사, 속도를 결합해 마찰계수를 추정하고 앞뒤 차축의 구동력과 제동력을 미리 배분한다. 저마찰 상태가 이어진다고 판단하면 미끄럼 방지 모드로 전환하고, 바퀴가 실제로 보인 반응을 이용해 노면 추정치를 계속 보정한다.
‘전 지형 사전 인식’은 과속방지턱과 자갈길, 비포장도로, 움푹 팬 노면, 교량 연결부처럼 일정하지 않은 지형을 구분한다. 둥펑은 Detection Transformer로 노면 이상을 검출하고 Vision Transformer로 노면 유형을 분류한다. 여기에 차량 동역학 추정을 결합해 카메라가 본 결과를 자동차가 실제로 경험한 충격과 움직임으로 재확인한다.
시각 정보만 믿을 수는 없다. 젖어 보이지만 실제로는 마른 노면일 수 있고, 그림자나 포장 흔적을 요철로 잘못 판단할 수도 있다. 따라서 카메라가 예측한 노면과 바퀴가 경험한 결과를 비교해 다음 판단을 수정해야 한다. 둥펑이 제시한 방식은 예측값과 관측값을 융합해 앞단의 인식을 물리적 반응으로 검증하는 폐루프다.
이 정보는 ‘예지형 매직카펫 서스펜션’으로 이어진다. 차량이 요철을 통과하기 전에 댐퍼와 차고, 서스펜션의 작동 상태를 바꿔 충격을 줄이고 차체의 자세를 안정시킨다. 도로를 보는 데서 끝나는 것이 아니라, 본 것을 승차감과 안정성을 바꾸는 행동으로 연결한다.
“사고가 일어난 뒤 제어하는 방식에서 위험을 예상하고 준비하는 방식으로 전환하는 것입니다.”

OIB 중앙컴퓨팅 대뇌와 ZCU 제어기를 결합한 플랫폼 구조. OIB에는 화웨이가 개발한 첫 5-in-1 차량용 SoC(MCU·MPU·LSW·PHY·IO 통합)가 탑재된다.

네 개의 액추에이터를 하나의 움직임으로

도로 위 자동차의 움직임은 구동과 제동, 조향, 서스펜션으로 나뉘지 않는다. 가속과 감속은 X축, 좌우 움직임은 Y축, 차체의 상하 운동은 Z축에서 동시에 일어나고 서로 영향을 준다. 둥펑은 이 기능들을 중앙에서 함께 조정하는 X·Y·Z축 통합제어를 추진하고 있다.
그 출발점은 물리적 실행기관의 서비스화다. SOA 아래에서 바이와이어 제동과 조향, 후륜조향, 서스펜션 같은 장치를 소프트웨어가 호출할 수 있는 독립적인 서비스 단위로 추상화한다. 상위 애플리케이션은 각 장치의 내부 작동방식을 모두 알 필요가 없다. 필요한 조향각과 감속도, 차체 높이를 요청하면 각 섀시 장치가 세부 실행을 담당한다. 인터페이스와 하드웨어의 내부 구현을 분리하면 차량이나 부품이 달라져도 상위의 운동제어 기능을 다시 활용할 수 있다. 개별 장치의 제어가 아니라 차량 전체의 움직임을 기준으로 구동과 제동, 조향, 서스펜션을 배분하는 것도 가능해진다.
둥펑은 이를 위해 OIB 중앙컴퓨팅 대뇌와 ZCU 제어기를 결합한 플랫폼을 계획하고 있다. 둥펑에 따르면, OIB에는 화웨이가 개발한 첫 5-in-1 차량용 SoC가 탑재된다. MCU와 MPU, LSW, PHY, I/O를 하나로 통합한 칩으로, 둥펑이 톈위안의 개발원칙으로 제시한 ‘자체개발+공동창조’를 보여주는 구체적인 사례다. OIB는 차체와 동력, 바이와이어 제동과 조향, 서스펜션의 원시 데이터를 받아 X·Y·Z축 통합제어와 영역 간 기능을 판단한다. 고성능 연산이 필요한 제어전략과 브랜드별 운동특성도 OIB에서 구현한다.
반면 ZCU는 조향과 제동처럼 안전에 중요한 기능의 현장 실행과 이중화 제어를 맡는다. 높은 수준의 판단은 중앙으로 올리되, 즉각적인 안전 실행은 액추에이터 가까이에 남긴다. 중앙컴퓨터의 연산성능을 이용하면서 통신 부하와 개별 제어기의 연산 요구를 낮추고, 중앙에 이상이 생겼을 때도 필요한 안전기능을 유지하기 위한 역할분담이다.
둥펑은 이를 대뇌와 심장, 사지의 결합으로 설명했다. OIB와 톈위안 지능형 주행은 대뇌와 눈, 마하 파워트레인은 심장, 바이와이어 섀시는 사지다. 섀시는 단순히 정확하게 움직이는 사지에 머물지 않는다. 차량의 상태를 판단하고 여러 장치를 조율하는 소뇌의 기능까지 맡는다.

왕덩펑 둥펑자동차그룹 연구개발총원 전자·전기 아키텍처 매니저가 광저우에서 열린
제18회 중국(광저우) 자동차부품기술대회에서 ‘사지에서 소뇌로: 둥펑 지능형 섀시 탐색과 실천’을 발표하고 있다.

조향이 고장 나면 제동이 방향을 돕는다

지능형 섀시의 안전은 같은 부품을 하나 더 설치하는 이중화에서 끝나지 않는다. 둥펑이 제시한 ‘영역 간 고장 이중화’는 서로 다른 액추에이터가 상대 기능을 보완하는 방식이다.
조향기능이 제한되면 좌우 바퀴의 제동력이나 구동력을 다르게 배분해 차량의 방향을 보조할 수 있다. 구동과 제동, 조향은 평상시 각자의 기능을 수행하지만, 어느 하나에 이상이 생기면 남아 있는 액추에이터를 조합해 차량을 안전한 상태로 이동시킨다. 부품 단위의 이중화를 차량운동 전체의 이중화로 확장하는 것이다.
이 능력은 레벨 3에서 더 중요해진다. 레벨 2에서는 운전자가 조향하거나 브레이크를 밟아 시스템을 오버라이드한다. 그러나 시스템이 운전업무를 맡는 레벨 3에서는 사람과 ADS 중 누구의 입력을 우선할 것인지가 단순하지 않다. 시스템이 사람의 잘못된 개입을 제한해야 할 수도 있고, 시스템에 문제가 발생하면 운전자가 상황을 파악하고 운전권을 넘겨받을 시간도 필요하다.
둥펑이 제시한 ‘긴급 인수 보조’에서 섀시는 운전자에게 경고만 보내지 않는다. 운전자가 즉시 반응하지 못하는 몇 초 동안 제동과 조향을 보조하고 차체를 안정적으로 유지해 제어권 전환에 필요한 시간을 확보한다. 다만 사람의 입력을 언제 제한하고 언제 우선할 것인지는 섀시 제어만으로 결정할 수 없다. 운전자 상태와 시스템 이상을 얼마나 정확하게 판단했는지, 개입 제한이 새로운 위험을 만들지는 않는지, 사고 시 책임을 어떻게 나눌 것인지도 함께 검증해야 한다.

판단을 현실로 바꾸는 기술

중국의 승용차 제동시스템 표준 GB 21670-2025와 자동차 정보보안 표준 GB 44495-2024, 소프트웨어 업데이트 표준 GB 44496-2024, 자율주행 데이터 기록 표준 GB 44497-2024는 2026년 1월 1일 시행됐다. 자동차 조향시스템의 기본요건을 규정한 GB 17675-2025도 같은 해 7월 1일 시행됐다. 둥펑은 이러한 표준이 지능형 섀시 기술의 양산 적용을 앞당길 것으로 내다봤다. 섀시가 완성차 가치에서 차지하는 비중도 기계식 섀시 시대의 10~15%에서 2018년 전동화 섀시의 15~20%, 2024년 지능형 섀시의 20~25%를 거쳐 2030년 AI Car 단계에는 25~30%까지 높아질 것으로 전망했다.
그러나 지능형 섀시의 가치는 더 많은 전자장치나 더 높은 부품 가격에만 있지 않다. 자율주행이 계획한 궤적을 현재의 자동차가 실제로 수행할 수 있는지 판단하고, 구동과 제동, 조향, 서스펜션을 이용해 그 움직임을 안전하게 완성하는 데 있다. 둥펑이 제시한 OIB 중앙컴퓨팅과 바이와이어 섀시, 영역 간 이중화, 지능형 주행과의 양방향 융합이 어느 수준까지 양산차에 적용됐는지는 별도로 확인해야 한다. 예지제어가 기존 방식보다 안전성과 승차감을 얼마나 개선하는지, 서로 다른 액추에이터를 이용한 고장 대응이 어떤 조건과 속도 영역에서 작동하는지도 시험결과가 필요하다. 레벨 5와 완전한 ‘지행일체’는 현재의 제품 설명이 아니라 둥펑이 설정한 장기 방향이다.
그럼에도 왕덩펑의 발표는 자율주행 개발에서 섀시가 왜 다시 중요해지고 있는지를 선명하게 보여줬다. 자율주행 경쟁은 도로를 얼마나 잘 보고 복잡한 상황에서 어떤 경로를 선택하느냐에 집중해 왔다. 그러나 인식과 경로계획이 아무리 정교해져도 타이어와 제동, 조향, 서스펜션이 그 판단을 물리적으로 구현하지 못하면 자동차는 안전하게 달릴 수 없다.
과속방지턱으로 돌아가 보자. 차량이 턱을 먼저 보고 서스펜션을 준비하는 기능은 지능형 섀시의 작은 사례다. 그 안에는 자동차가 외부 환경을 인식하는 데서 더 나아가 자신의 접지력과 제동력, 조향 능력과 고장 상태를 이해하기 시작했다는 변화가 담겨 있다. 소뇌의 임무는 대뇌의 명령을 그대로 따르는 데 있지 않다. 몸의 상태를 계속 확인하고 여러 사지를 조율해 계획된 움직임을 현실에서 완성하는 것이다. 둥펑이 말하는 피지컬 AI도 자동차가 얼마나 잘 생각하느냐에서 끝나지 않는다. 생각한 것을 자신의 몸으로 얼마나 정확하고 안전하게 실행할 수 있느냐에서 시작된다.

Rescueability Starts with Identification

한상민 기자_han@autoelectronics.co.kr — 2026-09-14 11:26:20+0900

끝나지 않은 NHTSA 규정제정과 FSRI 연구가 드러낸 EV사고 초기 대응의 중요성

한상민 기자_han@autoelectronics.co.kr — 2026-09-14 11:08:09+0900

INTERVIEW

스티븐 라펜타
Steven LaPenta
Battalion Fire Chief of Newark Department of Public Safety Fire Division

구조대원이 올바른 구조 시트를 펼치기 전에 먼저 그 차량이 무엇인지부터 알아야 한다. 뉴어크 소방국 대대장 스티븐 라펜타가 2007년까지 거슬러 올라가는 미완의 연방 기록을 추적하고, 승객석 화재와 배터리 열폭주를 구분하는 데 있어 최신 UL FSRI 연구가 어떤 의미를 갖는지 짚는다.

글 | 한상민 기자 _ han@autoelectronics.co.kr
IN ENGLISH

스티븐 라펜타는 뉴어크 공공안전국 소방국 대대장으로, 화재현장 지휘와 함께 위험물 대응·훈련·특수작전 부서를 겸임하고 있다. 뉴저지 UASI 소방 CBRNE 프로그램과 뉴저지 화재위협 태스크포스에서도 리더십을 맡고 있으며, 뉴저지주 공인 레벨2 소방 교관이다. 37년이 넘는 소방 경력 동안 경찰·소방 통신요원, 소방관, 소방대장, 대대장, 위험물 대응요원, 교관을 두루 거치며 화재현장 작전, 위험물 대응, 기술구조, 차량 구조·추출, 지휘 감독까지 실전 전문성을 쌓았다. 전기차·하이브리드차·수소연료전지차·리튬이온 배터리 시스템이 상황판단과 진압 전술, 구조·추출, 견인·보관에 미치는 영향도 실무적으로 숙지하고 있다. 그의 리더십은 세 원칙에 뿌리를 둔다 — 안전 최우선, 끊임없는 역량 개발, 책임 있는 현장 존재감. 대원 전원을 무사히 귀가시키는 것이 리더의 첫 임무이며, 기술과 전술은 그다음이라고 믿는다. 훈련은 일회성 의무가 아니라 지속적 책무로 보고, 실전 시나리오 기반 학습을 강조한다. 그리고 리더십은 현장에 직접 있고 성과와 부족함 모두를 책임질 때 비로소 신뢰를 만든다고 본다.

연결기사: Rescueability: 자동차 설계 원칙에서 빠진 마지막 요소

PART 1. NHTSA가 이미 써놓은 기록

스티븐 라펜타 대대장이 말하는 차량 외부 식별을 둘러싼 미완의 연방 연대기와 2026년 7월 제출된 대응요원 청원

몇 주 전 메시지를 나눌 때 2007년까지 거슬러 올라가 자료를 준비하고 있다고 하셨죠. 전체를 다 보니 궁금한게, 왜 그렇게 멀리까지 가시는 거죠?
LaPenta 우리 대부분이 배운 교육 자료들이 외부 동력원 식별을 마치 새로운 현장 개념인 것처럼 다루기 때문이에요. 사실은 그렇지 않거든요. 미국 의회는 이미 2007년에 대체연료 차량임을 알리는 영구적이고 눈에 띄는 외부 표시를 의무화했고, 교통부(DOT)에 42개월의 최종규칙 제정 기한을 줬어요. NHTSA는 2014년에 규칙안을 내놨지만 끝내 확정되지 않았죠. 지금도 Unified Agenda에 그대로 남아 있습니다. 별개로, FSRI(Fire Safety Research Institute) 보고서는 초기 상황판단에서 동력원 종류와 배터리 관여 여부를 생명 안전 다음 우선순위로 꼽으면서, 화재가 대원들이 훈련받은 대로 찾는 배지·충전구·배기구를 다 태워버릴 수 있다고 지적해요. 서로 다른 두 문서, 하나는 연방 차원, 하나는 현장 차원인데, 같은 문제에 각자 도달한 거예요.
보고서는 또한 전기차가 화재 상황에서 식별하기 어려울 수 있다고 지적합니다. 같은 모델이라도 동력계통이 다를 수 있고, 배지가 없어질 수 있으며, 충전구도 사라질 수 있고, 배기구는 가솔린차 다수에서도 애초에 없는 경우가 많습니다.

(FSRI 보고서 참고: p.85 – 초기 상황판단에서 동력원 종류와 배터리 관여 여부를 우선순위로 다룬 부분; p.99 – 제조사 대상 표준화된 대응요원용 안전표시 권고; p.129 – 신고접수 및 도착 전 식별; pp.131–133 – 전기차 식별 가이드 및 전술판단 지원 도구(Tactical Decision Aid); pp.131–132 – 배지·배기구·충전구 등 물리적 단서가 왜 충분히 신뢰할 수 없는지에 대한 설명.)

구조대원이 NHTSA의 긴급대응가이드(ERG)를 조회해 Audi A8 L을 찾아본다면, NHTSA는 지난 10년간 잘못된 정보를 게시해 왔다.
Audi A8 L은 미국에서 고전압 리튬이온 배터리를 탑재한 플러그인 하이브리드로 판매된 적이 없다.

의회가 정확히 뭘 요구한 거죠?
LaPenta 2007년 에너지독립안보법(EISA) 105조가 49 U.S.C. §32908을 개정한 겁니다. "소비자 정보" 항목 아래 들어가요. 제조사는 차량이 대체연료로 구동 가능하다는 걸 영구적이고 눈에 잘 띄게 표시해야 했고, 사용설명서 문구와 연료 구획 라벨도 붙여야 했어요. 최종규칙은 42개월 내에 나와야 했고요. 의회가 이걸 소방관들을 위해 만든 게 아니라는 점이 중요합니다. 그 이후 NHTSA가 한 모든 일이 지금 긴급대응과 맞물리는 대목이거든요.

법정 기한은 2011년 6월 19일이었죠. 지금은 어떻게 됐나요?
LaPenta 아직도 열려 있어요. NHTSA의 Unified Agenda에 있는 RIN 2127-AK75 항목은 여전히 2011년 기한을 명시하고, 여전히 2007년 요건 이행을 위한 규정 제정이라고 설명하며, 여전히 "장기 과제(Long-Term Action)"로 분류돼 있고 다음 조치는 "미정"이에요. 2026년 8월 기준 상태가 그렇습니다.

그러다 2014년에 규칙안이 나왔죠. 최초 도착 대원이 그 문서에서 뭘 챙겨가야 할까요?
LaPenta 서로 다른 두 아이디어가 한 문서에 묶여버린 거예요. 의회 요건을 충족시키려고 NHTSA는 모델명 근처, 대개 차량 뒤쪽에 붙이는 알기 쉬운 문자형 배지를 제안했어요. 같은 문서에서 일부 CNG 차량에 쓰이는 파란 다이아몬드 표시도 함께 논의했고, 그런 기호를 표준화하면, 2007년 소비자 고지 목적과는 별개로 독립적인 안전 가치가 있을 수 있다는 의견도 냈어요. 더 나아가 "최초 구조대원의 이용과 안전을 위해" 추가 라벨이나 부착 위치가 필요한지도 물었는데, 후방 충돌 시 뒤쪽 배지가 파손될 수 있다는 이유였어요. 의견접수는 2014년 4월 21일 마감됐고, 최종규칙은 끝내 나오지 않았습니다.

2020년엔 NTSB(National Transportation Safety Board)가 개입했죠. 이게 어떻게 연결되나요?
LaPenta 안전연구 SR-20/01은 리튬이온 배터리 화재가 대응요원에게 안기는 위험, 감전, 열폭주, 재발화, 잔존 에너지를 기록했고, 제조사 가이드가 1차·2차 구조대원을 충분히 보호하는지 물었어요. 식별 요건을 만든 건 아니었죠. 다만 동력 구성이 구조대원이 마주하는 상황 자체를 바꾼다는 것, 그래서 그들이 임무를 제대로 하려면 차량별 정보가 필요하다는 걸 연방 기록에 남긴 겁니다.

2020년에서 곧바로 2024년 12월 최종규칙으로 건너뛰네요. 그 사이 2024년 4월에는 무슨 일이 있었을까요?
LaPenta NHTSA가 FMVSS No. 305a를 제안했어요. ISO 17840 형식에 맞춘 표준화된 구조 시트와 긴급대응 가이드를 만들어서, 대원들이 화재·침수·견인·보관·부품별 위험 정보를 정해진 순서로 찾을 수 있게 하자는 거였죠. 이 제안이 2024년 12월 최종규칙이 됐고요. 하지만 외부 표시는 2024년 4월 규칙안에 애초에 들어 있지 않았어요. NHTSA는 나중에 바로 그 사실을 근거로 외부 표시는 이 규정 범위 밖이라고 밝혔습니다. 제안하지 않은 걸 확정할 수는 없으니까요. 이건 절차적인 벽이지, 그 아이디어에 대한 결론이 아니에요.

그럼 FMVSS No. 305a로 이 문제가 정리된 거 아닌가요?
LaPenta 관련된 다른 질문에 답한 것이지 이 질문에 답한 건 아니에요. 이 규정은 표준화된 긴급대응 가이드와 구조 시트를 ISO 17840 형식으로, 중앙 연방 저장소를 통해 제공하도록 의무화했어요. 준수 시작일은 2025년 12월 22일이었고요. 유용한 문서들이긴 한데, 이건 대원이 지금 어떤 차량의 어떤 사양을 상대하고 있는지 이미 안다는 걸 전제로 해요. ERG 제출이 의무화됐음에도 불구하고, 제조사들은 여전히 NHTSA에 이를 제출하지 않고 있습니다. NHTSA는 작년 NFPA로부터 미완성 저장소를 넘겨받았는데, NFPA는 배지 부착이 의무가 아니며 다수의 제조사·모델·연식에 대한 ERG를 확보하지 못했다고 밝힌 바 있습니다. 게다가 일부 모델은 정보가 잘못 등재돼 있습니다. 2017~2027년형 Audi A8 L은 플러그인 하이브리드로 판매된 적이 없는데도, 뒷좌석 아래 대형 배터리가 있는 것으로 표시돼 있습니다. 이는 구조대원과 탑승자 모두에게 부적절한 구조 방식과 생명을 위협하는 상황을 초래할 수 있습니다. 자동차안전센터(Center for Auto Safety)와 컨슈머리포트를 포함한 의견 제출자들은 표준화된, 영구 부착형 외부 표시를 요구했어요. NHTSA는 그건 제안된 적이 없어서 범위 밖이라고 답했고, 구조대원에게 도움이 될 표시의 종류·위치·효과성은 계속 검토하겠다고 했습니다. 닫힌 게 아니라 미뤄진 거예요.

그럼 이 연대기는 사실 두 개의 서로 다른 줄기가 나란히 흐르는 거네요.
LaPenta 맞아요. 첫 번째 줄기는 2007년 소비자 정보 의무로 영구적 외부 표시, 사용설명서, 연료 구획 라벨, 42개월 내 최종규칙이에요. 두 번째 줄기는 2014년 NHTSA가 인정한, 표준화된 기호가 독립적인 대응요원 안전 기능을 할 수 있다는 것으로, 뒤쪽 배지가 파손됐을 때 두 번째 부착 위치가 필요한지까지 포함해서요. 두 줄기 다 하나의 규정으로 마무리된 적이 없어요. FMVSS No. 305a가 구조대원용 문서는 개선했지만, 외부 표시 의무나 가시성 문제 둘 다 해결하지는 못했습니다. 저의 2026년 7월 청원이 바로 그 풀리지 않은 줄기 위에 놓여 있는 거고요.

그러니까 구조 시트에는 여전히 첫 단계 문제가 남아 있는 거네요.
LaPenta 네. 올바른 시트를 꺼내려면 그 전에 동력 계통부터 식별해야 해요. 같은 모델이 가솔린, 하이브리드, 플러그인 하이브리드, 순수 전기로 다 나오는 상황에서는 더 어렵고, 이미 화재가 배지와 충전구를 태워버린 뒤라면 더더욱 어렵죠. 지난 3월 나온 NIST 기술노트 2365도 국가 사고 데이터가 리튬이온 사고만 따로 뽑아낼 수 있게 짜여 있지 않다고 지적했어요. 그러니까 원자료상의 사고 건수가 실제 규모를 제대로 반영하지 못할 수 있다는 거죠.

대대장님과 다른 분들이 2026년 7월에 청원을 제출하셨죠. 실제로 요구하는 게 뭔가요?
LaPenta 사람들이 짐작하는 것보다 좁은 요구예요. 최초 접근과 상황판단 단계에서, 5분 뒤가 아니라 대원이 차량의 동력·에너지 시스템을 즉시 식별할 방법이 뭐냐는 거죠. VIN 조회, 배지, 앱, 구조 시트, 긴급대응 가이드 등 다 유용하지만, 최초 몇 초 안에는 어느 것도 보장되지 않아요. 이건 긴급대응 식별에 관한 질문이지, 2007년 소비자 고지 법을 소방관 안전법으로 바꿔치기하려는 시도가 아닙니다.
"구조 가능성은 식별에서 시작된다." 이게 VISTA(Vehicle Identification, Safety, Training & Awareness)의 출발점이에요. 윌리엄 S. 러너, 조지프 버코빅, 질베르토 곤살레스, 대니얼 이버러와 제가 vistasafety.org에서 무료로 만들고 있는 자료입니다. 목표는 단순해요. 구조대원에게 더 나은 상황 인식과 안전 정보 접근성을 주고, 실제 사고 대응 방식을 좌우하는 정책·표준 논의에 실질적인 발언권을 주는 것이죠. 전술 매뉴얼이 아니에요. 대원들이 이미 알고 있는 일을 안전하게 할 수 있도록 돕기 위해 존재하는 겁니다.

공개 도켓 번호가 없는 청원? 절차적으로 이게 무슨 의미예요? 그리고 "장기 과제"라는 게 NHTSA식 표현으로 "아직 살아있다"는 뜻인가요, 아니면 "보류됐다"는 암호인가요?
LaPenta 공개 도켓 번호가 없다고 해서 청원이 사라졌다는 증거로 보진 않아요. NHTSA가 검색 가능한 파일을 만드는 그 공개 단계를 아직 밟지 않았다는 증거로 보죠. 49 CFR Part 552에 따르면 청원은 청장에게 올라가 검토를 받고, 승인이든 기각이든 120일 내에 나와야 하는데, 공개 도켓은 NHTSA가 접수 통지나 승인, 기각 같은 걸 발표해야 비로소 생겨요. 그 전까지 "공개 도켓 없음"은 내부 검토 중이거나, 정식 청원으로 접수되지 않았거나, 서류가 미비하다는 뜻일 수 있어요. NHTSA의 계류 청원 목록에 빈칸이 보이는 이유이기도 하고요.
"장기 과제"는 NHTSA만의 암호가 아니라 Unified Agenda 용어예요. Active는 12개월 내 뭔가 예상된다는 뜻이고, Long-Term Action은 RIN은 살아있지만 앞으로 12개월 안에는 공개 조치가 예상되지 않는다는 뜻, Completed는 완료되거나 철회됐다는 뜻이에요. 저는 이걸 "서류상으로는 살아있다"고 표현하는데, 딱 거기까지예요. 실제로는 주차장 같은 거죠. 승인도 아니고, 기각도 아니고, 작업이 진행 중이라는 약속도 아니에요. 그냥 TBD 상태일 뿐이에요.

이 대화에서 NHTSA에 딱 여섯 개 질문만 남길 수 있다면, 뭘 남기시겠어요?
LaPenta 의회가 정한 42개월 기한이 있었는데도 RIN 2127-AK75 최종규칙이 왜 한 번도 나오지 않았나? NHTSA는 49 U.S.C. §32908(g)의 외부 식별 요건이 오늘날 충족됐다고 보는가, 그렇다면 무엇으로 충족됐다고 보나? AK75가 기한을 이렇게 오래 넘기고도 여전히 "장기 과제 / 다음 조치 미정"으로 남아 있는 이유는? 2024년 12월 이후 NHTSA는 대응요원용 외부 표시에 대해 어떤 평가를 진행했나? NHTSA는 대응요원 식별 문제를 AK75의 소비자 정보 문제와 별개로 취급하나? 계류 중인 청원에 대해 NHTSA는 어떤 조치를 예상하냐고 묻고 싶습니다.

차량 식별과 최초 구조대원 안전 관련 연방 기록, 2007~2026
이 연대기는 NHTSA의 의도를 전제하지 않고도 사실만으로 정리할 수 있다.

▶2007년 - 의회가 소비자정보 프로그램의 일환으로 영구적이고 눈에 띄는 외부 대체연료 식별 표시를 의무화.
▶2011년 - 최종규칙 법정 기한 경과. NHTSA의 현재 규제 기록에는 여전히 이 기한이 명시돼 있음.
▶2014년 - NHTSA가 외부 배지 규칙을 제안. 같은 규칙안에서 표준화된 식별 표시가 최초 구조대원 안전에 도움이 될 수 있다는 점을 별도로 인정하고, 충돌 손상으로 뒤쪽 배지를 읽을 수 없게 됐을 때 추가 부착 위치가 필요한지 질문함.
▶2014~2026년 - NHTSA의 현재 규제 일정표에 AK75 최종규칙은 등장하지 않음. 여전히 장기 과제로 남아 있고 다음 조치는 미정.
▶2024년 - NHTSA가 표준화된 긴급대응 문서 요건을 신설하면서도, 표준화된 외부 표시는 이 규정 범위 밖이라고 밝힘. 동시에 최초·2차 구조대원에게 도움이 될 표시의 종류·위치·효과성은 계속 평가하겠다고 함.
▶ 2025년 표준화된 긴급대응 가이드·구조 시트 요건이 의무화됨.
▶2026년 - 구조대원들이 즉각적인 외부 동력원 식별을 다뤄달라며 독립적으로 NHTSA에 청원.

PART 2 두 개의 화재, 하나의 보고서

스티븐 라펜타 대대장이 말하는 2026년 8월 4일 UL FSRI 전기차 화재 보고서

UL 화재안전연구소(UL Fire Safety Research Institute)가 2026년 8월 발표한
「Full-Scale Electric Vehicle Fire Experiments and Recommendations for Fire Incident Response」 보고서 표지.
화재가 진행 중인데도 헤드라이트가 켜져 있는 모습은, 차량의 전기·고전압 시스템이 불길이 보인 뒤에도 여전히 작동 중일 수 있음을 시사한다.

FSRI가 이번에 실차 규모 연소 실험을 18회 진행했어요. 상당한 작업량인데, "좋은 보고서네요, 읽어보세요" 정도로 넘기지 않고 굳이 글을 쓰고 싶었던 이유가 뭔가요?
LaPenta 운영 관련 챕터가 실은 두 가지 역할을 동시에 하고 있는데, 이걸 구분하지 않으면 하나의 지침처럼 읽히기 때문이에요. 그 안에는 승객석 화재도 있고 배터리 열폭주 화재도 있어요. 둘은 완전히 다르게 움직여요. 현장에 도착한 대원은 보고서가 건네는 표현 그대로 행동하게 되지, 세 페이지 뒤에 나오는 각주 속 뉘앙스를 보고 행동하지 않아요.

헤드라인부터 짚어보죠. 전기차 화재가 기본적으로 가솔린차 화재랑 비슷하게 탄다는 게 사실인가요?
LaPenta 대체로는요. 큰 단서가 붙지만. 배터리가 관여하지 않았을 때는 성장 속도, 최대 발열량, 지속 시간 모두 재래식 화재와 비슷해 보일 수 있어요. 같은 실내 소재가 타는 거니까요. 단서는 "배터리가 관여하지 않았을 때"라는 부분이고, 이건 제 의견이 아니라 FSRI의 발견이에요. 화재가 구동 배터리팩까지 번지면 수치가 달라져요. 금속 성분과 불소가 더 많이 나오죠. 지금 바로잡고 싶은 게 하나 있는데, 사람들이 이 불소 관련 발견을 수소 급증이랑 섞어서 말하고 있는데 보고서에 실제로 그렇게 쓰여 있지 않아요. 수소는 다른 부분, 그러니까 담요형 소화 도구 논의에서 나와요. FSRI가 진행한 자유연소 비교는 불소와 배터리 금속에 관한 거지 수소가 아니에요.

그럼 물이 답이라고 하면서, 동시에 배터리에 물을 뿌리는 건 거의 소용없다고도 하잖아요. 이거 모순 아닌가요?
LaPenta 아니요. 서로 다른 두 개의 불이고, 두 수치 다 FSRI 실험에서 그대로 나온 거예요. 물은 200갤런도 안 되는 양으로 1분도 안 돼서 실내 화재를 껐어요. 지속적인 물 살수는 실험 대상 배터리팩에서 진행 중인 열폭주 전파를 멈추지 못했고요. FSRI 지침은 이래요. 주변 노출물을 보호하고, 실내가 재발화하지 않게 관리하고, 배터리는 스스로 다 타게 두라는 거죠. 그렇게 하면 30분도 안 걸리고 물도 약 760갤런 정도 들었어요. 물은 차에는 확실히 효과가 있어요. 다만 열폭주가 이미 진행 중인 셀을 멈추는 도구는 아니라는 것이죠. 이게 모든 대원이 갖고 돌아갔으면 하는 구분이에요.
이번 데이터에서는 첨가제가 순수한 물보다 호스라인 진압 성능을 개선하지 못했습니다. 실험에 사용된 첨가제(보고서에 언급된 F500)는 순수한 물보다 연기 중 불화이온 농도, 즉 불화수소(HF)와 미립자 형태 모두에서 더 높은 수치를 만들어냈습니다. 금속과 다환방향족탄화수소(PAH)는 자유연소 대비 감소했지만, 물만 사용했을 때만큼 줄어들지는 않았습니다. 이 결과는 캡슐화(첨가제 처리)를 배터리팩 화재 자체의 해법으로 볼 근거가 되지 못합니다.

화재 담요는요? 실제로 쓸 만한 도구인가요, 아닌가요?
LaPenta 뭘 하려는 지에 따라 둘 다예요. 이것도 보고서 내용 그대로고요. 실내 화염을 빠르게 잡는 데는 도움이 되고, 물이 없거나 유출수를 흘려보낼 곳이 마땅치 않을 때 특히 유용해요. 못하는 건 배터리 화재를 멈추는 거예요. 오히려 가스를 가둬버리죠. 실험에서는 그 갇힌 가스가 백 드래프트를 일으켰어요. 비슷한 상황에서 실제로 증기운 폭발이 있었던 사례도 최소 한 건 기록돼 있고요. 그리고 사용 후에는 FSRI 지침 자체가 "이건 이제 유해폐기물"이라면서 제대로 폐기하라고 해요. 보고서가 다루지 않는 부분, 그래서 제가 짚고 싶은 부분은 실제로 이걸 어떻게 제염(decontamination)하는지 아무도 알려주지 않는다는 거예요. 재사용 가능한 담요가 시중에 팔리고 있는데, 이건 실질적인 문제예요.

"그냥 태우게 둔다"는 게 전술적으로는 가장 단순한 선택지라고 하는데, 단순하다는 게 실제로 추천할 만하다는 뜻인가요?
LaPenta 서류상으로만 단순해요, 이것도 보고서 자체의 표현이고요. 노출물이 없고 물도 없을 때가 기본 선택지가 되는 건데, 40분에서 80분이면 다 타고 상황이 완전히 종료될 때까지는 90분 정도 잡으면 돼요. FSRI도 솔직하게 인정해요. 이 방법이 어떤 옵션보다도 공기 중 오염물질을 가장 많이 만들어내고, 소속 부서나 대중이 기대하는 그림과 다를 수 있고, "종결"이라는 게 모든 셀이 소진된 걸 눈으로 확인하지 않는 한 위험이 제로라는 뜻이 아니라는 것도요. 여기에 제가 현장에서 덧붙이고 싶은 건 배터리팩은 밀봉된 하나의 물체가 아니라는 거예요. 수천 개의 셀이고, 그중 일부는 튕겨 나가서 좁게 설정한 통제선 바깥까지 날아갈 수 있어요. 단순한 것과 안전한 것, 완결된 것은 같은 말이 아니에요.

보고서는 전기차 특유의 오염물질을 언급하면서도 건강 관련 지침은 바뀌지 않는다고 해요. 이건 양쪽 말을 다 하는 것처럼 느껴지는데요.
LaPenta 사실은 적절한 신중함이지 회피가 아니에요. 배터리가 관여했을 때 미세 불소 입자와 니켈·망간·코발트·리튬 같은 배터리 금속이 더 많이 검출됐어요. 불소는 젖은 피부에 닿으면 불화수소산이 될 수 있고, 금속은 다시 가라앉았다가 나중에 다시 공기 중으로 떠오를 수 있어요. FSRI 스스로의 결론은, 이게 장기적으로 다른 건강 위험으로 이어지는지는 아직 모른다는 것, 더 많은 연구가 필요하다는 것, 그때까지는 동력 계통과 무관하게 노출 관리 지침을 그대로 유지한다는 거예요. 이건 정직한 태도고, 제가 굳이 반박할 부분은 아니에요.

장비 테스트에서는 실제로 뭐가 나왔나요?
LaPenta 차량 인근에서는 전신 방화복과 공기호흡기(SCBA)가 필수라는 건 변함없어요. 다만 샘플링 데이터를 보면 보호에도 한계가 있어요. 금속 오염물질 대부분은 겉감에 머물렀는데, 이건 다행이고요. 가벼운 화합물은 그렇지 않았어요. 일부 다환방향족탄화수소(PAH)가 방습층까지 침투했고, 벤젠 같은 휘발성유기화합물(VOC)는 장비 안쪽 손목밴드에서 장비 바깥에서 측정된 수치에 근접한 값으로 검출됐어요. 호스라인에 붙은 대원들이 가장 많이 노출됐고요. NFPA 1850 세척 절차가 요구되지만, FSRI도 그걸로 다 제거된다고 주장하지는 않아요. 보고서가 명시하지 않는 부분을 제가 덧붙이자면, 방화복은 화학보호복이 아니고, 제조사들도 "세탁하라"는 답 이상의 실질적인 제염 방법을 제공하지 않는다는 거예요.

보고서는 계속 "배터리"를 하나의 물건처럼 말하는데, 이게 중요한 문제인가요?
LaPenta 많이 중요하고, 이 대목은 제가 보고서의 표현 방식 자체에 이의를 제기하고 싶은 부분이에요. FSRI가 다른 곳에서는 모듈과 셀 종류를 이야기하긴 하는데, 운영 챕터는 여전히 "배터리"를 마치 상자 하나처럼 취급해요. 밀봉된 트레이형과 바닥이 뚫린 개방형 팩은 고장 나는 방식이 전혀 달라요. 개방형 구조의 팩을 실은 차가 전복됐다고 생각해보세요. 실내 바닥과 안에 있던 사람 위로 수천 개의 셀이 흩어질 수 있어요. 그중 하나가 열폭주에 들어가면 어떻게 될까요? 예전 범퍼 구조물이 있던 자리에 12볼트 배터리가 놓여 있을 수도 있고요. 마일드 하이브리드 모듈과 800볼트 구동 배터리팩은 전혀 다른 물건이에요. FSRI가 케이스를 절개해서 실험하지 않은 건 맞는 판단이에요. 그건 실험실이 다룰 범위 밖이니까요. 하지만 현장에서 "배터리"는 대개 복수형이고, 겉모습이 똑같은 전 연식 모델이 실제로는 다른 구성을 갖고 있을 수도 있어요. 상자 하나만 찾고 있으면, 이미 가스를 뿜어내고 있는 부분을 그냥 지나칠 수 있어요.

아직 불은 안 붙었는데 쉭쉭 소리가 나면서 연기가 나는 차는 어떻게 다뤄야 하나요?
LaPenta 아직 시작되지 않은 화재로 취급해야 해요. 차고처럼 밀폐된 공간이라면 아직 안 탄 배출 가스가 예고 없이 순간 발화할 수 있어요. 전신 방화복, SCBA, 대기 중인 충수 호스라인, 거리 확보, 증기 경로 확보 등, 이게 기본이고, 보고서 내용과도 일치해요. FSRI는 여기서 가스 측정기가 오히려 오판을 유도할 수 있다고도 지적하는데, 수소가 CO와 LEL 센서에 교차 반응을 일으키기 때문이에요. 보고서가 솔직하게 인정하는 부분이자 사람들이 곱씹어봤으면 하는 건, 이 시나리오에 대한 환기 전술은 아직 아무도 연구한 적이 없다는 거예요. 실제 사고 사례가 너무 적고 실험도 없거든요. 그게 바뀌기 전까지는, 김처럼 보인다고 해서 마스크를 벗을 이유가 되지 않아요.

조기 진압이 유독성 유출수와 연기를 가장 많이 줄여준다고 하셨는데, 뭘 보고 있는지도 모르는 상태에서 어떻게 조기에 진압을 하죠?
LaPenta 아무도 풀지 못한 긴장인데, 이건 FSRI의 문제가 아니라 제가 제기하는 문제예요. 보고서는 그냥 수치만 줄 뿐이거든요. 데이터는 사실이에요. 팩이 관여하기 전에 물을 뿌리면 공중 오염과 유출수 오염 둘 다 가장 많이 줄어들어요. 다만 이건 "이건 그냥 실내 화재다"와 "이건 개방형 배터리팩 위에서 벌어지는 실내 화재다"를 그 자리에서 바로 구분할 수 있다는 걸 전제로 해요. 같은 차체를 쓰는, 외형이 같은 가솔린 모델이 있는 플러그인 하이브리드라면, 행운을 빌어야죠. BEV, 하이브리드, PHEV를 구분하는 눈에 보이는 신호는 장식이 아니에요. 대원이 이미 물을 쏟아붓고 나서야 사실을 알게 되는 대신, 실시간으로 조기 진압의 이점을 실제로 챙길 수 있게 해주는 물건이에요.

"전신 방화복만 입으면 된다"는 조언에서 빠진 사람은 누구인가요?
LaPenta 소방관이 아닌 모든 사람이요. 이건 보고서가 다루는 범위 바깥으로 제가 나가서 하는 말이에요. 보고서는 철저히 소방관에게 쓰여 있거든요. 구조대원은 차량 안이나 바로 옆에서 환자를 처치하고 있고, 경찰은 현장을 통제하고 있어요. 견인업자는 몇 시간, 며칠 뒤에 이 차를 다루죠. 이 사람들 대부분은 제대로 된 보호장비가 없고, 계획 논의에 끼는 경우도 거의 없어요. 제 자녀들 중에 경찰이 있고 구조 쪽 친구들도 있어서, 저한테는 추상적인 이야기가 아니에요. 구경꾼을 대피시켜야 하는 사람도 있고요. 그건 누구고, 그 일을 하는 동안 뭘 입고 있나요?

처음에는 단순한 승객석 화재로 판단했다가, 나중에 배터리팩이 관여했다는 걸 확인한 사고를 직접 다뤄보신 적 있나요?
LaPenta 승용차로는 개인적으로 없어요. 제가 겪은 건 이미 진압을 시작한 뒤에 리튬이온이라는 걸 중간에 확인한 대형 화물트럭 사고들이었어요. 외부 표시가 전혀 없었고, 우연히 알게 됐죠. 공개된 사례로는 NTSB 고속도로 사고조사 보고서 HIR-23/02가 있어요. 대원들이 30~45초 만에 불의 대부분을 진압했는데 앞쪽 한 군데가 계속 타고 있었고, 분말소화기로 껐더니 재발화했어요. 그때 서야 남아 있던 휠에 붙은 엠블럼을 보고 테슬라라는 걸 확인했고, 긴급대응 가이드를 꺼내서 다시 물로 전환했죠. 45분 뒤에 또 재발화했고, 결국 차를 들어올려서 밑으로 물을 넣어야 했어요. 최초 신고는 그냥 차량 화재였고, 배터리 관여는 대원들이 이미 진압에 들어간 뒤에야 확인됐어요. NFIRS, 지금은 NERIS인데, 여기에는 동력 종류나 팩 관여 여부를 강제로 기록하게 하는 항목이 아직 없어요. 그래서 이런 화재 대부분이 애초에 전기차로 분류되지도 않아요.

재발화 위험은 견인·보관업체에 실제로 어떻게 전달되나요, 그리고 그걸 전달할 책임은 누구한테 있나요?
LaPenta 서류상으로는 인계 절차가 있어요. 현장에서는 들쭉날쭉하거나 아예 이뤄지지 않는 경우가 많고, 이게 바로 이런 차들이 견인차 위에서, 보관소 마당에서 계속 재발화하는 큰 이유예요. 제가 지휘관에게 기대하는 건 이런 겁니다. 사고 전 과정에서 대기측정을 계속하고, 회수 작업 중에는 소방차를 현장에 대기시키고, 불안정한 배터리를 견인업체에 그냥 넘기지 말고, 보관소까지 따라가서 운영자에게 직접 브리핑하는 것, 재발화, 가스 방출, 며칠·몇 달 뒤에도 나타날 수 있는 지연 열폭주, 15미터 격리까지 포함해서요. 차와 함께 이동해야 하는 필수 서류도 없고, 연방 차원의 이력 관리 체계도 없어요. NHTSA와 SAE J2990은 그저 정보가 아래로 전달돼야 한다고 말할 뿐, 그걸 강제하는 장치는 없고요. NTSB가 배터리 화재 4건을 조사했는데, 그중 3건이 견인 또는 보관 중에 재발화했어요. 뉴저지주에는 견인업체나 보관시설에 대한 전기차 관련 주 차원의 자격 요건 자체가 없습니다.

구조대원이나 경찰관이 전기차 배터리 화재 관련 기본 보호장비나 교육을 받은 사례를 보신 적 있나요?
라펜타 이건 제가 직접 겪은 걸로 말씀드릴 수 있어요. 저희 가족과 친구들 중에 경찰, 구조 쪽이 있는데, 아무도 전기차 배터리 화재 관련 교육이나 보호장비 안내를 받은 적이 없어요. 전국 단위 설문조사를 보면 경찰과 구조대원이 전체 구조대원 그룹 중 전기차 교육 이수율이 가장 낮았어요. 40% 이상이 아예 교육을 받은 적이 없었고, 존재하는 교육과정조차 국가 EMT 시험이나 필수 자격증에 포함돼 있지 않아요. 뉴저지주도 전형적인 경우예요. 주 의료서비스국(OEMS)의 구조대원 의무 규정도 없고, 경찰교육위원회의 경찰관 의무 규정도 없어요. A4005/S2530 법안이 구조대원과 소방관 모두에게 전기차 위험 관련 과정을 의무화하려 하고 있는데, 아직은 발의된 법안일 뿐 실제 커리큘럼은 아니에요.

소방서장이 이 글을 딱 한 번만 읽는다면, 가져가야 할 한 가지는 뭘까요?
LaPenta 이 부분은 보고서가 아니라 제 생각이에요. 서로 다른 화재 두 개지, 하나가 아니라는 것. 실내 화재는 일반 자동차 화재처럼 움직이고 물이 해결해 줘요. 배터리 화재는 진압에 대체로 반응하지 않아요. 노출물을 관리하고, 셀이 다 꺼졌다고 함부로 단정하지 말아야 해요. 담요도, "그냥 태우기"도 어느 쪽도 대가 없는 해결책은 아니에요. 오염물질은 이미 기록됐고, 건강 관련 과학이 아직 그걸 따라잡지 못하고 있을 뿐이에요. 보호장비는 필수지만 완전한 보호는 아니에요. 그리고 이 모든 건 똑같은 문제로 다시 돌아가요. 접근하는 순간, 그 차량 혹은 불이 붙은 그 차 안에 실제로 뭐가 들어있는지 아는 것이 중요하다는 것이죠.
NHTSA는 2014년에 이 질문을 던졌고, 2024년 규정 제정 과정에서 다시 떠올랐어요. 구조 시트는 유용해요. 하지만 30피트 떨어진 곳에서 눈으로 볼 수 있는 걸 대체하지는 못해요.

마지막으로, 이 연구가 하지 않은 것 중에 기사에 꼭 남았으면 하는 게 있다면요?
LaPenta 몇 가지 있는데, 다 FSRI 자체의 한계 섹션에 나온 내용이지 제 해석이 아니에요. 최고 농도나 시간대별 농도는 측정하지 않았고, 평균값만 실험했어요. 팩 안으로 물을 주입하는 도구는 테스트하지 않았어요. 보고서는 그냥 뚫지 말라고만 해요. 아직 불이 붙지 않고 가스만 새는 차량에 대한 환기 전술은 누구도 테스트한 적이 없고요. 그리고 담요와 차량 하부 노즐을 함께 쓴 유출수는 일반 호스라인 유출수보다 더 지저분했는데, 이 부분을 다룬 전체 유출수 연구는 아직 심사 중이에요. 이 중 어느 것도 운영 챕터 안에 있는 그 긴장을 없애주지는 않아요. 하나의 대응지침으로 서로 다른 두 종류의 화재를 모두 다룰 수 없는 이유가 바로 여기 있는 거죠.

참고자료 및 추가 읽을거리

2007년 에너지독립안보법 105조 (공법 110-140) https://www.congress.gov/bill/110th-congress/house-bill/6
2014년 규칙안, RIN 2127-AK75 (대체연료차량 배지, 연료구획 라벨 및 소비자정보 규정) https://www.govinfo.gov/content/pkg/FR-2014-02-20/pdf/2014-02957.pdf
RIN 2127-AK75에 대한 NHTSA Unified Agenda 항목 https://www.reginfo.gov/public/do/eAgendaViewRule?RIN=2127-AK75&pubId=202510
NTSB 안전연구 SR-20/01 https://www.ntsb.gov/safety/safety-studies/Pages/HWY19SP002.aspx
FMVSS No. 305a 최종규칙 https://www.govinfo.gov/content/pkg/FR-2024-12-20/pdf/FR-2024-12-20.pdf
NIST 기술노트 2365 https://nvlpubs.nist.gov/nistpubs/TechnicalNotes/NIST.TN.2365.pdf
UL FSRI 전기차 화재 보고서 (2026년 8월 4일) https://fsri.org/research-update/researchers-release-evidence-based-ev-battery-fire-response-considerations
VISTA (vistasafety.org) https://vistasafety.org
NTSB 고속도로 사고조사 보고서 HIR-23/02 https://www.ntsb.gov/investigations/AccidentReports/Reports/HIR2302.pdf
NHTSA 임시 가이드 - 고전압 배터리 견인·회수·보관 https://www.nhtsa.gov/sites/nhtsa.gov/files/811576-interimguidehev-hv-batt_towing-recovery-storage-v2.pdf
Liu 외, "1차 구조대원은 전기차 화재에 준비돼 있는가? 전국 설문조사," Accident Analysis & Prevention (2023) https://pubmed.ncbi.nlm.nih.gov/36436440/
뉴저지주 S2530 (전기차 화재 대응요원 교육 법안, 2026년 회기) https://pub.njleg.gov/Bills/2026/S3000/2530_I1.HTM

How XPENG Is Redefining the Seat as Something That Senses, Decides, and Acts

한상민 기자_han@autoelectronics.co.kr — 2026-09-10 13:36:10+0900

XPENG이 시트를 감지·판단·실행으로 재정의하는 법

한상민 기자_han@autoelectronics.co.kr — 2026-09-10 13:30:34+0900

등받이를 128도까지 눕히는 '무중력 모드' 스케치. 다리받침이 올라가며 하중이 등·허리·엉덩이·다리로 분산된다.

등받이가 약 128도까지 눕고 다리받침이 올라오는 ‘무중력 모드’는 미래 시트의 변화를 가장 쉽게 보여준다. 하지만 XPENG이 보는 다음 경쟁은 각도나 마사지 포인트의 숫자가 아니다. 시트가 탑승자의 체형과 자세, 압력분포와 생체신호를 읽고 필요한 반응을 스스로 판단하는 능력에 있다. 사람이 명령하면 움직이던 시트에서 사람이 말하기 전에 몸의 변화를 알아채는 시트로. 자동차에서 가장 오랫동안 사람의 몸과 맞닿아 있는 부품이 달라지고 있다.

글 | 한상민 기자 _ han@autoelectronics.co.kr
IN ENGLISH

등받이가 뒤로 움직인다. 다리받침이 올라오고 몸의 하중은 등과 허리, 엉덩이와 다리로 분산된다. XPENG의 인테리어·시트 총괄 엔지니어 마자(Ma Jia)는 등받이를 약 128도까지 눕혀 우주에서 떠 있는 것과 비슷한 자세를 만드는 ‘무중력 모드’를 미래 시트의 한 장면으로 제시했다.
눈에 먼저 들어오는 것은 각도다. 하지만 그가 강조한 것은 128도라는 숫자가 아니었다. 자동차 시트는 오랫동안 조절 기능을 늘리는 방향으로 발전했다. 전후 이동과 등받이 각도 조절에서 시작해 다방향 전동조절과 메모리, 열선, 통풍, 마사지, 전동식 요추지지와 다리받침이 차례로 더해졌다. 과거 10만 달러급 고급차에서나 경험할 수 있었던 기능이 중국에서는 이제 10만 위안(2,000만 원)대 차량에도 적용된다.
기능이 빠르게 대중화되면서 기존 방식의 차별화에는 한계가 생겼다. 마자는 마사지 기능을 예로 들었다.
“마사지 포인트를 16개에서 18개, 다시 22개로 계속 늘리는 경쟁도 가능하겠지만, 시트 내부의 물리적인 공간에는 한계가 있습니다.”
조절축 하나, 마사지 포인트 몇 개를 더 넣는 것으로 만들어낼 수 있는 차이는 점점 작아진다. 그가 제시한 다음 단계는 시트가 사람에 맞춰지는 방식으로 바꾸는 것이다.
“앞으로 시트는 명령을 기다리는 수동적인 하드웨어가 아니라 사용자의 상태와 의도를 스스로 이해하고 먼저 반응하는 능동형 지능체가 될 것입니다.”
사람마다 키와 체중, 체형이 다르다. 같은 사람도 하루 종일 같은 자세로 앉지 않는다. 주행시간과 노면, 피로 정도에 따라 몸의 자세가 달라지고 압력이 집중되는 곳도 바뀐다. 기존 시트는 이런 차이를 사용자의 조작으로 해결했다. 불편하면 등받이를 움직이고 허리가 뻐근하면 요추지지를 조절하고 피곤하면 마사지 버튼을 눌렀다.
마자가 말하는 미래 시트에서는 이게 달라진다. 사람이 먼저 불편함을 느끼고 버튼을 찾기 전에 시트가 몸의 변화를 알아채는 것이다.

사람의 몸과 가장 오래 맞닿아 있는 곳

카메라는 탑승자를 바라보고 마이크는 목소리를 듣는다. 레이다와 초음파 센서도 실내의 사람과 움직임을 감지한다. 시트에는 이들과 다른 특징이 하나 있다. 사람이 차에 타 있는 동안 몸의 가장 넓은 부분과 계속 맞닿아 있다는 것이다.
그 접촉면에는 생각보다 많은 정보가 있다. 압력센서를 이용하면 체중이 어디에 실리고 있는지, 탑승자가 한쪽으로 기울어 앉았는지, 자세가 어떻게 변하는지 파악할 수 있다. 여기에 차량의 카메라와 레이다, 생체센서가 더해지면 체형과 자세뿐 아니라 얼굴 표정과 시선, 심박과 호흡 같은 상태까지 함께 볼 수 있다.
문제는 이 정보를 얼마나 많이 얻느냐가 아니라 무엇에 쓰느냐다. 탑승자가 한쪽으로 기울어 앉으면 압력분포에 맞춰 지지력을 바꿀 수 있다. 같은 자세가 오래 이어지면 피로가 집중되기 전에 등받이나 쿠션의 지지 위치를 조절할 수 있다. 마사지 역시 정해진 프로그램을 반복하는 대신 피로가 집중된 부위에 맞춰 위치와 강도, 리듬을 달리할 수 있다.
게다가 시트에서 얻은 정보는 시트 안에서 끝날 필요도 없다. 심박이나 호흡에서 평소와 다른 변화가 나타나면 탑승자에게 알리고, 필요하면 공조와 조명, 음악, 마사지 같은 실내 기능을 함께 조절하는 식이다.
또, 열선과 통풍, 마사지, 요추지지는 이미 존재하는 기능이지만, 달라지는 것은 이 기능을 누가, 언제 켜느냐에 있다. 지금까지는 사람이 판단했다. 춥다고 느끼면 열선을 켜고, 허리가 불편하면 요추지지를 움직였다. 앞으로는 차량이 탑승자의 상태를 먼저 파악하고 필요한 기능을 골라 움직일 수 있다. 개별 기능의 성능보다 이들을 적절한 순간에 함께 움직이는 능력이 중요해진다.
건강 관련 기능에는 분명한 선도 있다.
“시트가 의료기관을 대신해 질병을 확정적으로 진단한다는 의미가 아닙니다. 여러 생체신호와 탑승자의 상태를 지속적으로 관찰해 위험 가능성을 조기에 인식하고 적절한 대응을 지원하는 것입니다.”
자동차 안은 의료기기를 사용하는 환경과 다르다. 노면에서 올라오는 진동이 있고 사람이 계속 움직이며 옷의 두께와 앉은 자세도 제각각이다. 심박과 호흡을 읽을 수 있다는 것과 그 정보로 질병을 판단할 수 있다는 것은 전혀 다른 문제다. 따라서 현실적인 역할은 진단이 아니라 변화를 알아채는 것이다. 평소와 다른 신호가 계속되는지 살펴보고 탑승자에게 알리거나 다른 차량 기능과 연결해 대응하는 것이다. 이를 위해서는 센서 정확도뿐 아니라 오경보를 어떻게 줄일지도 검증해야 한다.

시트가 데이터를 수집하고(감지) 상태를 판단해(결정) 조절 동작을 실행하는 3단계 순환. XPENG이 그리는 '지능형 시트'의 기본 골격이다.

편안함도 기억에서 예측으로

시트가 현재의 몸 상태를 알 수 있다면 다음에는 앞으로 필요한 상태를 예상할 수 있다.
날씨와 시간, 이동경로와 예상 주행시간, 사용자의 과거 이용습관을 함께 이용하는 것이다. 추운 겨울 아침에는 탑승 전에 열선을 준비하고, 장거리 이동이 예상되면 피로가 쌓인 뒤 마사지 기능을 켜는 대신 그 전에 자세와 압력분포를 조금씩 바꿀 수 있다. 평소와 다른 자세로 앉았다면 저장된 위치를 그대로 재현하지 않고 등받이와 쿠션, 헤드레스트와 다리받침을 다시 맞출 수도 있다.
여기서 기존 메모리 시트와 차이가 생긴다. 메모리 시트는 사람이 가장 편안하다고 생각한 위치를 저장해 다시 불러온다. 하지만 사람에게 편안한 자세가 언제나 같은 것은 아니다. 출근길 30분과 고속도로를 세 시간 달릴 때 필요한 자세가 다르고, 몸이 피곤한 날과 그렇지 않은 날도 다르다.
앞으로의 개인화는 하나의 위치를 기억하는 것에서 그날의 상황에 맞는 위치를 찾는 방향으로 바뀐다. 사용자가 시트의 자동조절을 다시 수정하는 행동도 중요한 정보가 된다. 시트가 요추지지를 높였는데 사용자가 다시 낮췄다면 다음에는 같은 조건에서 다른 선택을 할 수 있다. 이런 과정이 반복되면 사용자가 직접 조절해야 하는 횟수는 자연스럽게 줄어든다.
개인화가 한 차량에만 머물 필요도 없다. 시트 위치와 지지강도, 온도와 마사지 방식, 이용습관을 사용자 계정과 연결하면 다른 차량에서도 자신의 설정을 불러올 수 있다. 자가용을 바꾸었을 때뿐 아니라 렌터카나 공유차에 탑승했을 때도 사용자를 확인한 뒤 시트를 맞추는 방식이다. Robotaxi처럼 이용할 때마다 다른 차를 타게 되는 서비스에서는 이런 기능의 의미가 더 커진다.
지금의 메모리 시트는 자동차가 운전자를 기억하는 것이지만 앞으로는 운전자의 설정이 자동차를 따라다니는 것이 아니라 사람을 따라다닐 수 있다. 그리고 이 순간부터 데이터 문제가 따른다. 시트 위치와 온도 정도라면 비교적 단순하지만, 체형과 체중, 자세, 심박과 호흡까지 저장한다면 이야기가 달라진다. 어떤 정보를 남길 것인지, 다른 차량으로 무엇을 보낼 것인지, 사용자가 이를 확인하거나 삭제할 수 있는지에 대한 기준이 필요하다. OEM과 모빌리티 플랫폼, 시트 공급사 가운데 누가 데이터를 관리하고 책임질 것인지도 실제 서비스에서는 피할 수 없는 문제다.
마자의 발표는 개인화가 차량을 넘어 이동할 가능성을 보여줬지만 이 부분까지 구체적인 답을 내놓지는 않았다. 시트가 사람을 더 잘 이해할수록 다루게 되는 정보도 더 개인적인 것이 된다는 점은 기술의 편리함과 별도로 따져볼 필요가 있다.

날씨·경로·이용습관을 학습해 필요한 상태를 미리 준비하는 예측형 조절, 그리고 계정을 통해 다른 차량으로도 이어지는 개인화 설정.

레빌 3에서 깨우고, 레벨 4에서는 재운다

자율주행 수준이 올라가면 시트에 요구되는 역할도 달라진다.
레벨 2와 레벨 3에서는 시스템이 일부 운전 태스크를 수행하더라도 운전자는 여전히 운전과 연결돼 있다. 특히 레벨 3에서는 시스템이 요청하면 운전자가 운전권을 다시 받아야 한다. 운전자의 시선과 자세, 피로와 각성상태를 확인하고 필요할 때 다시 운전에 집중할 수 있도록 만드는 것이 중요하다. 시트가 운전자의 몸 상태를 알고 있다면 이 과정에도 관여할 수 있다. 지나치게 이완된 자세를 조정하거나 마사지와 진동 등을 이용해 각성을 유도하고 운전권 전환을 준비하도록 할 수 있다.
레벨 4가 되면 상황은 반대다. 운전자는 승객이 되고 항상 전방을 바라볼 필요가 없어진다. 긴 슬라이드 레일을 따라 시트를 이동시키거나 회전해 탑승자가 서로 마주 볼 수 있고, 등받이와 다리받침을 조절해 휴식이나 업무에 맞는 공간을 만들 수 있다. 같은 지능형 시트가 레벨 3에서는 운전자가 잠들지 않도록 해야 하고 레벨 4에서는 편안하게 쉴 수 있도록 해야 하는 셈이다.
이 차이는 시트가 차량의 운행상태와 분리돼 움직일 수 없다는 것을 보여준다. 지금 어떤 자율주행 기능이 작동하고 있는지, 운전자가 언제 다시 운전을 맡아야 하는지, 현재 시트 자세가 허용되는 상황인지까지 알아야 한다.
128도 무중력 자세도 다시 봐야 한다. 등받이를 크게 눕히거나 시트를 회전시키는 것은 편안함에는 도움이 될 수 있지만 충돌안전에서는 훨씬 어려운 문제가 된다. 탑승자의 위치와 자세가 달라지면 시트벨트가 몸을 구속하는 방식이 달라지고 에어백과 탑승자의 상대적인 위치도 변한다. 충돌 순간 몸이 움직이는 궤적 역시 일반적인 착좌 자세와 같지 않다.
따라서 시트의 자유도가 커지려면 시트벨트와 에어백, 탑승자 감지와 구속시스템도 함께 바뀌어야 한다. 편안한 자세를 만드는 것과 그 자세에서 사람을 안전하게 보호하는 것은 다른 기술문제다.

레벨 2~3에서는 운전자의 각성을 유지하고, 레벨 4+에서는 승객의 휴식을 지원한다. 같은 시트가 자율주행 수준에 따라 정반대 역할을 맡는다.

128도로 눕는 것보다 중요한 것

미래 시트에는 더 많은 기능이 들어갈 수 있다. 헤드레스트에 지향성 스피커와 능동소음제어를 적용하면 한 사람은 영화를 보고 다른 사람은 음악을 듣거나 회의를 하는 식으로 시트마다 다른 음향공간을 만들 수 있다. 햅틱 장치는 영상과 게임의 움직임을 촉각으로 전달하고, 조명과 변색유리, 공조를 연동해 사람마다 다른 환경을 만들 수도 있다.
하지만 중요한 것은 기능의 숫자가 아니다. 마자가 그린 미래 시트의 핵심은 이미 존재하는 기능들을 사용자의 상태에 맞춰 움직이는 데 있다. 그는 미래 시트를 “사용자를 미리 이해하고 필요한 서비스를 먼저 제공하는 감성적 동반자이자 건강을 지키는 파트너”라고 표현했다.
128도까지 눕는 등받이는 이런 변화를 가장 쉽게 보여주는 장면이다. 그러나 각도 자체가 시트를 지능적으로 만드는 것은 아니다. 누구에게 그 자세가 필요한지, 언제 그렇게 움직여도 되는지, 그 상태에서 사람을 어떻게 편안하고 안전하게 지킬 것인지가 더 중요하다.
시트의 다음 경쟁은 128도 너머에 있다.

Why Desay SV Is Moving from Component Supplier to Co-Designer

한상민 기자_han@autoelectronics.co.kr — 2026-09-10 10:07:09+0900

Desay SV는 왜 부품사서 공동설계자로 이동하나

한상민 기자_han@autoelectronics.co.kr — 2026-09-10 10:01:34+0900

AI Agent가 차량의 여러 기능을 연결하고 판매 이후에도 계속 진화하려면 기존의 일회성 개발·납품 방식으로는 부족하다. Desay SV는 주행과 차량제어, 콕핏, 클라우드를 하나의 사용자 경험으로 묶는 ‘슈퍼 에이전트’를 구상하고 있다. 이 변화는 AI 기능의 추가를 넘어 완성차업체와 티어 1이 무엇을 함께 설계하고 어디까지 책임질 것인지 다시 묻는다.

글 | 한상민 기자 _ han@autoelectronics.co.kr
IN ENGLISH

Desay SV의 저우젠 매니저가 "AI Agent가 이끄는 자동차 가치의 새 패러다임: 파라미터 경쟁에서 경험의 공명으로"를 주제로 발표했다. 자동차 지능화 경쟁이 사양 경쟁에서 사용자 경험 경쟁으로 옮겨간다.

자동차에는 이미 많은 기능이 들어가 있다. 대형 디스플레이, 고성능 칩, 카메라와 센서, 음성비서와 각종 앱은 더 이상 일부 프리미엄 모델만의 특징이 아니다. 화면은 커지고 연산 성능은 높아졌으며, 차량이 처리할 수 있는 기능도 계속 늘고 있다. 그러나 비슷한 하드웨어와 소프트웨어가 여러 브랜드에 빠르게 적용되면서 사양만으로 차이를 설명하기는 어려워졌다. 처음에는 새로웠던 기능도 반복해서 경험하면 더 이상 특별하게 받아들여지지 않는다.
사양은 계속 높아지지만, 사용자가 체감하는 새로운 가치는 그만큼 커지지 않는다. 기능이 부족해가 아니다. 시트와 공조, 조명과 음악, 내비게이션과 외부 서비스가 각각 잘 작동하더라도 사용자의 상황에 맞춰 함께 움직이지 못하면 하나의 경험이 되지는 않는다.
Desay SV의 저우젠(Zhou Jian)은 자동차 지능화 경쟁의 다음 단계를 ‘경험의 공명’이라고 말했다. 사용자의 상태와 이동 상황을 자동차가 이해하고, 흩어진 기능을 필요한 순간에 조합하는 것. 저우젠은 자동차 지능화 경쟁의 전반부가 파라미터와 기능의 경쟁이었다면, 후반부는 사용자 경험의 경쟁이 될 것이라고 전망했다.
탑승자가 피곤하다면 시트와 공조, 조명과 음악을 동시에 조절할 수 있다. 도착이 늦어질 것으로 예상되면 경로만 다시 계산하는 데 그치지 않고 일정과 목적지 서비스까지 함께 조정할 수 있다. 중요한 것은 기능을 더 추가하는 게 아니라 이미 갖춘 기능들이 누구를 위해, 언제 함께 움직일지를 결정하는 능력이다. Desay SV가 AI Agent를 바라보는 관점이다.

기능 수가 아니라 기능을 움직이는 방식

현재 차량용 음성비서는 대부분 사용자의 발화를 인식해 정해진 기능을 실행한다. 에어컨을 켜고 목적지를 검색하거나 음악을 재생할 수 있지만, 여러 요청의 관계를 이해해 작업 순서를 만들고 결과까지 관리하는 데는 한계가 있다. 사용자가 말하지 않은 상황까지 파악해 다음 행동을 제안하는 것도 어렵다. 저우젠은 Agent가 단순히 한 번의 질문에 답하는 챗봇이 아니라고 강조했다.
Desay SV가 제시한 AI Agent는 사용자의 의도를 파악하고, 목표를 이루는 데 필요한 과정을 계획하며, 차량 안팎의 기능과 서비스를 호출해 실제 행동으로 옮기는 실행 주체다. "근처에 커피숍이 있느냐"는 질문에 매장 목록을 보여주는 것으로 끝나지 않고, 사용자의 목적지와 도착시간, 선호를 확인하고 적절한 매장을 찾은 뒤 주문과 결제, 수령시간까지 연결하는 식이다.
이 과정에는 하나의 음성모델보다 훨씬 넓은 차량 시스템이 관여한다. 카메라와 마이크, 차량 제어장치는 탑승자와 주변 환경, 차량 상태를 감지한다. 차량 측 음성인식과 데이터 서비스는 즉각적인 응답과 기본적인 제어를 담당한다. 복잡한 질의와 다중 의도 분석, 지식 검색과 장기기억은 클라우드와 대형모델이 지원한다. 차량제어 Agent와 모빌리티 Agent, 지식 Agent, 생활서비스 Agent, 의사결정 Agent는 각자의 역할을 수행하면서 하나의 목표를 위해 협력한다.
기억은 Agent가 일반적인 기능에서 개인화된 서비스로 발전하기 위한 핵심 요소다. 짧은 대화만 저장해서는 차량이 시간이 지날수록 사용자에게 적응할 수 없다. 단기·중기·장기 기억을 연결해 선호와 습관, 반복되는 이동패턴을 축적해야 같은 질문을 되풀이하지 않고 더 적절한 판단을 내릴 수 있다. 사용자가 평일 아침마다 같은 목적지로 이동하고 특정 온도와 음악을 선호한다면, 차량은 매번 명령을 기다리기보다 현재 상황을 확인해 필요한 기능을 먼저 제안할 수 있어야 한다.
그렇다고 모든 판단을 클라우드에 맡길 수는 없다. 자동차는 통신이 불안정한 도로나 지하공간에서도 주행과 안전에 필요한 기능을 계속 수행해야 한다. 응답 지연이 차량제어의 지연으로 이어져서도 안 된다. Desay SV는 차량 측 AI가 즉각적인 응답과 핵심 제어를 담당하고, 클라우드가 복잡한 작업과 외부 서비스, 장기기억과 지속적인 학습을 지원하는 역할 분담을 제시했다. 대형모델은 두 영역을 연결하면서 Agent의 범용성과 새로운 기능의 개발 속도를 높이는 기반이 된다.
이 방식에서 자동차는 명령을 하나씩 받아 실행하는 수동적인 도구에서 벗어난다. 사용자의 의도와 현재 상황을 함께 이해하고, 필요한 기능을 고르고, 실행 결과를 다시 확인하는 능동적인 시스템으로 바뀐다. 자동차가 사람을 기다리는 수동적 도구에서 사람을 이해하고 먼저 행동하는 지능형 동반자로 바뀌는 것이다.

Desay SV가 제시한 AI Agent 아키텍처. 차량 측은 즉각적인 응답과 핵심 제어를, 클라우드는 복잡한 작업과 서비스 생태계를 담당한다. 대형모델은 두 영역을 연결하며, 단기·중기·장기 기억을 바탕으로 Agent의 범용성과 개발속도를 높인다.

콕핏을 넘어 차량 전체로

AI Agent가 차량 전체의 조정자가 되려면 콕핏 안에만 머물 수 없다. 현재 자동차에서는 콕핏과 지능형 주행이 서로 다른 조직과 기술체계에서 개발되는 경우가 많다. 콕핏은 디스플레이와 인포테인먼트, 음성인식과 애플리케이션을 다루고, 지능형 주행은 센서와 인지, 판단과 차량제어를 담당한다. 그러나 사용자에게 이동과 차내 생활은 분리된 경험이 아니다.
지능형 주행시스템이 교통정체나 도로 상황을 분석해 도착시간의 변화를 판단하면 콕핏 Agent는 그 정보를 활용해 일정을 조정하거나 목적지 서비스를 제안할 수 있다. 탑승자의 피로가 감지되면 시트와 공조, 조명과 음악을 조절하는 동시에 운전자에게 휴식을 권하고 안전과 관련된 대응을 실행할 수 있다. 차량의 배터리 잔량과 충전소 혼잡도, 사용자의 일정이 함께 고려돼야 충전 시점과 장소도 제대로 결정할 수 있다.
사용자 인터페이스 역시 고정된 메뉴와 앱의 집합에서 벗어나게 된다. 모든 운전자에게 같은 화면과 기능을 보여주는 대신, 현재 상황과 의도에 필요한 정보가 먼저 나타나는 동적 인터페이스로 발전한다. 사용자가 기능의 위치와 조작 방법을 기억하는 것이 아니라, Agent가 필요한 기능을 찾아 적절한 방식으로 제시한다.
Desay SV가 궁극적인 목표로 제시한 것은 통합 인지와 통합 의사결정, 통합 실행, 지속적인 학습 능력을 갖춘 ‘슈퍼 에이전트’다. 하나의 거대한 모델이 차량의 모든 일을 직접 처리한다는 의미가 아니라, 서로 다른 영역의 Agent와 차량 기능, 외부 서비스를 조정해 사용자에게 하나의 결과로 전달하는 상위 체계다.
이를 뒷받침하려면 Agent만 개발해서는 부족하다. 차량에서 AI를 구동할 컴퓨팅 플랫폼, 여러 기능과 서비스를 연결하는 AI OS, 기존 차량이나 다양한 전자 아키텍처에 AI 기능을 확장할 수 있는 AI Box가 함께 필요하다. 설계와 검증, 생산과 판매 이후의 업데이트까지 AI를 적용할 수 있는 개발체계도 갖춰야 한다. Desay SV가 AI Agent를 개별 콕핏 기능이 아니라 차량 플랫폼의 변화로 보는 이유다.
여기에서 Desay SV의 기존 사업영역도 다시 연결된다. 콕핏과 디스플레이, 도메인 컨트롤러, 지능형 주행, 차량 네트워크를 각각 공급하는 것만으로는 통합된 사용자 경험을 만들기 어렵다. 서로 다른 도메인에서 발생한 정보가 하나의 의사결정으로 이어지고, 그 결정이 차량제어와 외부 서비스에서 함께 실행돼야 한다. AI Agent는 분리돼 있던 기술 영역을 사용자 경험을 중심으로 묶는 접점이 된다.

Desay SV는 OEM과의 협력을 기능·플랫폼·사용자 경험·AI 역량의 네 단계로 확장해왔다. 2019년 콕핏 플랫폼 공동개발을 시작으로 2023년 고객 맞춤형 콕핏 기능 구현, 2024년 다수 고객과의 상호작용 경험 최적화를 거쳐 2026년 Alibaba Cloud와 공동 AI 연구실을 설립했다.

납품에서 공동설계로

AI Agent가 바꾸는 것은 차량의 작동 방식만이 아니다. 사용자가 차량에 비용을 지불하는 방식도 달라질 수 있다. 저우젠은 완성차를 한 번에 구매하고 끝나는 방식에서 벗어나 판매 이후 소프트웨어 업데이트를 통해 점진적으로 새로운 기능과 혜택을 제공하는 쪽으로 수익모델이 옮겨갈 것으로 봤다.
이 변화는 완성차 업체와 공급사의 사업관계에도 이어진다. 기존 개발구조에서는 OEM이 요구사항을 정하고 공급사가 그에 맞춰 하드웨어와 소프트웨어를 개발해 납품했다. 공급사의 책임과 사업기회는 양산 시점을 중심으로 형성됐다. 하지만 AI Agent는 차량이 판매된 이후에도 데이터를 통해 학습하고 새로운 기능과 서비스를 추가해야 한다. 사용자의 반응과 서비스 이용 방식이 달라지면 Agent의 판단과 인터페이스도 조정돼야 한다. 새로운 외부 서비스가 연결되고 차량 소프트웨어가 업데이트될 때마다 전체 경험을 다시 검증해야 한다. 개발과 양산, 판매 이후의 운영을 분리한 일회성 납품방식으로는 대응하기 어렵다. 저우젠은 AI Agent 시대에는 여기서 한 단계 더 나아가 장기적인 동반개발과 역량 공동 창출이 필요하다고 했다.
Desay SV는 협력의 범위를 기능, 플랫폼, 사용자 경험, AI 역량이라는 네 단계로 넓혀왔다. 특정 기능을 고객 요구에 맞춰 개발하는 데서 출발해, 콕핏과 Agent가 작동하는 공통 플랫폼을 함께 만들고, 기술개발에 앞서 사용자가 실제로 경험할 장면을 OEM과 정의하는 것이다.
그 과정은 단계적으로 진행됐다. 2019년에는 고객사와 콕핏 플랫폼을 공동개발했고, 2023년에는 특정 고객의 콕핏 기능을 구현했다. 2024년에는 여러 고객과 상호작용 경험을 최적화했으며, 2026년에는 Alibaba Cloud와 공동 AI 연구실을 설립해 대형모델과 클라우드, 차량용 AI 역량을 함께 개발하는 단계로 협력 범위를 확대했다.
이 연혁에서 중요한 것은 협력 프로젝트의 수가 아니다. Desay SV의 역할이 개별 기능의 구현에서 플랫폼 공동개발로, 다시 사용자 경험의 공동 정의와 AI 역량의 공동 구축으로 이동하고 있다는 점이다. AI Agent가 차량의 여러 영역을 연결하고 판매 이후에도 계속 진화할수록 공급사는 정해진 사양을 구현하는 역할만으로 남기 어렵다. 완성차 업체와 초기 개념부터 플랫폼을 설계하고, 양산 이후에는 데이터와 업데이트를 통해 경험을 개선하는 공동설계자가 되려는 것이다.
물론, 이런 전환이 곧바로 OEM과 티어 1 사이의 선을 없애는 것은 아니다. 오히려 Agent가 더 많은 차량 기능과 데이터를 연결할수록 역할과 책임을 명확히 나누는 일이 중요해진다. 사용자의 데이터와 장기기억을 누가 관리할 것인지, 인터페이스의 주도권을 누가 가질 것인지, 차량제어와 생활서비스를 연결하는 권한을 누가 설계하고 검증할 것인지가 남는다. Agent의 판단이 안전과 관련된 차량 동작에 영향을 준다면 오류와 사고에 대한 책임도 구체적으로 정해야 한다.
수익배분 역시 피할 수 없는 문제다. 차량 판매 이후 추가되는 서비스에서 발생한 가치를 OEM과 티어 1, 클라우드와 모델 제공사, 외부 서비스 사업자가 어떻게 나눌지에 따라 협력 방식이 달라질 수 있다. 개방적인 생태계가 필요하다는 원칙에는 동의하기 쉽지만, 데이터와 고객 접점, 의사결정 권한을 실제로 나누는 일은 기술 통합보다 어려울 수 있다.
AI Agent 경쟁은 더 좋은 음성비서나 더 큰 대형모델을 탑재하는 것으로 끝나지 않는다. 차량의 전체 수명주기 동안 주행과 차량제어, 콕핏과 클라우드를 하나의 경험으로 관리해야 한다. OEM은 차량과 브랜드의 통제력을 유지하면서 외부 역량을 활용하는 협력 방식이, 티어 1에는 납품 이후까지 책임질 소프트웨어와 데이터 역량이 요구된다.
저우젠이 말한 '경험의 공명'은 자동차산업의 역할 분담에 대한 질문으로 이어진다. 흩어진 기능을 누가 하나의 경험으로 만들고 판매 이후까지 개선할 것인가. 그 답이 AI Agent 시대 티어 1의 자리를 결정한다.

Desay SV는 AI Agent를 공통 기반으로 삼아 통합 인지와 의사결정, 실행, 지속적인 진화 능력을 갖춘 차량 전체 지능형 아키텍처를 구상한다. 이를 통해 콕핏과 지능형 주행을 통합하고, 크로스도메인 시나리오와 개인화 인터페이스를 구현한다.

How Hello Is Turning the Mobility Experience of 340 Million Users into an Operating System

한상민 기자_han@autoelectronics.co.kr — 2026-09-09 16:57:30+0900

Hello가 3억 4,000만 명 이동 경험을 운영체계로 바꾸는 법

한상민 기자_han@autoelectronics.co.kr — 2026-09-09 16:51:58+0900

자율주행차 한 대를 움직이는 것과 수천 대를 매일 운행하는 것은 다른 문제다. Hello Autonomous는 3억 4,000만 명이 넘는 카풀 이용자 기반과 모빌리티 운영 경험을 Robotaxi로 확장하고 있다. 기술을 시연하는 데 그치지 않고 배차·충전·정비·관제까지 연결해 반복 가능한 사업으로 만들겠다는 구상이다.

글 | 한상민 기자 _ han@autoelectronics.co.kr
IN ENGLISH

검증된 자율주행 기술을 어떻게 매일 출차하고 충전하며 정비하고 승객을 태우는 지속 가능한 서비스로 전환할 것인가. 류샤오시(Liu Xiaoxi) Hello Autonomous 부사장은 Robotaxi가 자율주행 알고리즘만의 사업이 아니라고 말한다.
차를 직접 운전하는 사람이 사라져도 이용자가 원하는 시간에 안전하고 효율적으로 이동해야 한다는 모빌리티 서비스의 본질은 달라지지 않는다. 오히려 사람이 빠진 자리는 더 정교한 시스템으로 채워져야 한다. 운전자는 주행만 담당하지 않기 때문이다. 차량 상태를 확인하고 작은 이상을 감지하며 승객을 응대하고 돌발상황을 처리한다. 이런 차에서는 모든 판단과 행동이 차량과 클라우드, 관제센터의 몫이 된다. 자율주행 수준이 높아질수록 사업자가 해야 할 운영 책임도 함께 커진다.

CATL·Ant Group·Alibaba·Hello 4개사가 2025년 자율주행 사업 진출을 위한 전략적 협력을 체결했다. 4개사가 공동 설립한 자오푸 인텔리전트 테크놀로지는 1단계 합계 출자·투자 규모 30억 위안 이상을 레벨 4급 자율주행 기술 연구개발과 상용화에 투입한다.

3억 4,000만 명의 이동 경험

류샤오시는 Hello를 공유자전거와 배터리 교환, 카풀, 렌터카를 모두 운영하며 수 킬로미터의 단거리 이동부터 수백 킬로미터의 장거리 이동까지 포괄하는 플랫폼이라고 소개했다.
Hello는 자동차 제조사도, 전통적인 자율주행 스타트업도 아니다. 공유자전거에서 출발해 공유 이륜차와 라이더 대상 배터리 교환, 카풀, 렌터카를 아우르는 종합 모빌리티 플랫폼으로 성장했다. 이 다양한 이동 수요를 하나의 플랫폼에서 연결한다.
Hello의 카풀 누적 이용자는 3억 4,000만 명을 넘었다. Hello가 Robotaxi 시장 진입의 근거로 내세운 것도 자율주행 특허나 시험차량 대수가 아니라, 이 방대한 이용자 접점과 운영경험이었다.
운전자를 제거한다고 새로운 모빌리티 사업이 저절로 만들어지는 것은 아니다. 차량의 배차와 충전, 세차, 정비, 사고 대응, 결제와 고객서비스가 매일 반복돼야 한다. 출근 시간에 어느 지역으로 차량을 보낼지, 언제 충전하고 회수할지, 이상징후가 있는 차량을 계속 운행할지 정비소로 보낼지도 결정해야 한다. 한 대의 차가 기술적으로 달리는 것과 대규모 차량을 매일 움직이는 것은 전혀 다르다.
Hello는 이 운영 경험을 자율주행으로 확장하기 위해 2025년 4월 CATL, Ant Group과 전략적 협력을 체결했다. 이어 6월 세 회사의 투자법인이 상하이 자오푸 인텔리전트 테크놀로지를 공동 설립했다. 등록자본은 12억 8,800만 위안이며, 발표된 1단계 합계 출자·투자 규모는 30억 위안을 넘는다. 여기에 Alibaba는 클라우드 연산과 Qwen 대형모델을 중심으로 협력한다.
'자오푸'는 중국 고대에 뛰어난 마차 운전술로 이름을 알린 인물이다. 이동수단을 능숙하게 다루는 존재라는 의미를 회사 이름에 담았다. Hello가 이용자와 서비스 운영을 맡고, CATL은 배터리와 에너지 생태계, Ant Group은 결제와 디지털 서비스, Alibaba는 클라우드와 대형모델을 지원한다. 자율주행을 하나의 기술 제품이 아니라, 차량·에너지·결제·AI·운영이 연결된 산업으로 보는 구성이다.
후발주자라는 점은 기술 선택에도 영향을 미쳤다. Hello는 기존 자율주행 기업들이 밟아온 모듈형 기술의 진화 과정을 반복하는 대신 처음부터 엔드투엔드 아키텍처를 선택했다. 전통적인 자율주행 시스템은 감지와 인지, 예측, 의사결정, 계획, 제어를 여러 모듈로 나눈다. 오랫동안 검증된 방식이지만, 모듈이 늘어나면 시스템이 복잡해지고 한 단계에서 발생한 오차가 다음 단계로 전달될 수 있다. Hello는 카메라와 라이다, 밀리미터파 레이다, SD 맵에서 들어오는 정보를 통합해 특징 추출과 벡터화, 확산 모델, 의사결정과 계획을 하나의 폐루프로 연결한다. 정해진 규칙을 단계별로 조합하기보다 실제 주행데이터에서 차량의 행동을 학습하는 것이다.

Hello Autonomous는 감지·예측·의사결정·계획·제어를 여러 모듈로 나누는 전통적인 Robotaxi 아키텍처 대신 엔드투엔드 통합 아키텍처를 선택했다. 카메라와 라이다, 밀리미터파 레이다, SD/LD Map에서 들어오는 정보를 특징 추출과 벡터화, 확산모델, 의사결정·계획으로 연결한다.

엔드투엔드 AI를 양산차에 싣다

류샤오시는 엔드투엔드 기술을 구현하려면 대규모 데이터와 대규모 연산 능력, 대형모델이 필요하며, Hello는 이 세 가지를 기반으로 차량과 클라우드가 반복해서 학습하는 체계를 만들고 있다고 설명했다.
엔드투엔드 시스템에는 방대한 데이터와 연산자원이 필요하다. Hello는 2026년까지 양산 개발에 사용할 수 있는 1,000만 개 이상의 적합한 데이터 클립을 구축할 계획이다. 실제 모빌리티 서비스에서 확보한 운전행동 가운데 학습가치가 높은 장면을 자동으로 찾고 정제한 뒤, AI의 사전 검증과 사람의 2차 검증을 거쳐 학습데이터로 전환한다. 목적은 원시 주행기록을 많이 저장하는 것이 아니다. 운전자 개입이 필요했던 순간이나 다른 차량과 보행자의 예상하기 어려운 행동, 복잡한 교차로와 공사구간처럼 모델 성능을 높일 수 있는 장면을 신속하게 찾아 다시 학습에 투입하는 것이다.
이를 위해 Alibaba Cloud에 1만 장급 GPU 연산 클러스터를 구축하고 있다. Qwen 연구진과는 데이터 마이닝 대형모델과 월드모델 기반 시뮬레이션, VLA(Vision-Language-Action) 폐루프 모델을 공동개발한다. 차량이 데이터를 만들고 클라우드가 이를 선별해 모델을 학습한 뒤 개선된 모델을 다시 차량으로 배포한다. 실제 운행에서 새로운 문제가 발견되면 같은 과정을 반복한다.
예를 들어, Leapmotor가 주행데이터를 국가와 차종을 넘어 반복해서 사용하는 검증자산으로 바꿨다면, Hello는 데이터를 선별·학습·배포의 폐루프에 넣어 모델의 개선 속도로 전환하려 한다. 두 회사 모두 데이터 총량보다 다시 사용할 수 있는 형태로 정제하는 능력을 강조했다. 그러나 AI 모델만으로 Robotaxi를 만들 수는 없다. 알고리즘은 장시간의 고빈도 영업 운행을 견디는 차량 위에서 작동해야 한다.

Robotaxi HR1

Hello의 첫 번째 Robotaxi인 HR1(Hello Robot 1)은 Dongfeng Venucia 차량을 기반으로 개발됐다. 완성된 승용차에 센서와 컴퓨터를 추가한 단순 개조차가 아니라, 개발 초기부터 Robotaxi의 차량 규격과 양산 요구사항을 반영한 전용 모델이다. HR1은 제동, 통신, 전원, 감지, 연산, 측위 등 여섯 영역에 리던던시 설계를 적용했다. 주제동 계통에 이상이 생기면 보조제동 계통이 차량을 정지시키고, 듀얼 SIM·듀얼 링크 5G TBOX를 통해 서로 다른 통신망과 클라우드에 연결한다. 12V 주전원과 백업 전원을 분리하고, 카메라·라이다·밀리미터파 레이다를 결합해 주변 환경을 중복해 감지한다. 주·보조 연산장치는 모두 차량용 도메인 컨트롤러를 사용하며 합산 연산성능은 2,200 TOPS 이상이다. 하나의 연산장치나 통신망에 문제가 생겨도 안전운행이나 정차가 가능하도록 한 것이다.
승하차 과정도 운영 안전의 일부다. 승객이 문을 여는 순간 자전거나 전동이륜차, 오토바이 또는 보행자가 접근할 수 있다. 자율주행시스템이 직접 일으킨 충돌이 아니더라도 Robotaxi 사업자가 관리해야 할 위험이다. HR1은 이러한 근거리 접근을 감지하기 위한 별도의 감지장치도 차량 주변에 배치했다.
Hello는 환경·기후, 내구·신뢰성, E/E 아키텍처, EMC, 밀봉·방호, 성능·안전 등 여섯 종류의 완성차 검증체계를 HR1에 적용했다. 영하 40℃부터 영상 85℃까지의 환경과 고빈도 운행, 반복적인 도어 개폐를 시험한다. 전원과 통신의 이중화에 더해 밀리초 수준의 고장진단과 격리기능을 적용해 ASIL-D 수준의 기능안전성 요구에도 대응한다.
핵심은 차량이 한 번 성공적으로 주행하는지를 입증하는 데 있지 않다. 수많은 승객을 태우고 장시간 반복 운행하면서도 같은 성능과 안전을 유지할 수 있는지를 확인하는 것이다.

Hello의 첫 번째 Robotaxi인 HR1(Hello Robot 1)은 Dongfeng Venucia 차량을 기반으로 개발됐다. 감지와 연산, 측위, 통신, 전원, 섀시 등 여섯 영역에 리던던시 설계를 적용했으며, 주 컴퓨팅 시스템과 리던던시 시스템의 합산 연산성능은 2,200 TOPS를 넘는다.

매일 출차시키는 운영체계

류샤오시는 현장의 운영자와 안전요원이 모든 차량의 실시간 상태를 파악하고, 사고가 발생하면 즉시 기록을 확인해 데이터를 보고하며, 출차계획과 운영 효율까지 하나의 시스템에서 관리해야 한다고 말했다.
Hello의 차별점이 가장 선명하게 드러나는 부분은 자율주행 알고리즘보다 강조하는 이 운영 플랫폼이다. Robotaxi 사업자는 모든 차량의 상태를 실시간으로 파악해야 한다. 어떤 차량을 언제 출차시키고, 어느 시점에 충전하거나 정비할지 결정해야 한다. 운행 중 이상이나 사고가 발생하면 차량 상태와 운행기록을 확인하고 관련 데이터를 보존해야 한다.
원격안전요원의 업무도 같은 체계에 들어간다. 한 명의 요원이 몇 대를 감독할 수 있는지, 어떤 경고를 먼저 처리할지, 개입 이후 차량을 계속 운행할지 회수할지를 관리해야 한다. 차량별 운행시간과 공차율, 충전시간, 정비 빈도, 고객불만과 수익성까지 연결돼야 비로소 하나의 사업이 된다.
이 과정은 자율주행 알고리즘 바깥에 있지만 상용화의 중심이다. 차량이 기술적으로 달릴 수 있어도 충전과 정비, 관제와 배차가 연결되지 않아 멈춰 있다면 수익을 만들지 못한다. 자율주행차를 개발하는 능력과 대규모 차량을 매일 운행하는 능력은 서로 다른 경쟁력이다. Hello가 말하는 Robotaxi 상용화의 두 바퀴가 기술과 운영인 이유다. 엔드투엔드 모델과 이중화된 전용 차량이 안전하고 양산 가능한 주행을 만든다면 배차와 관제, 충전, 정비, 안전관리 시스템은 그 차량을 매일 도로에 내보낸다.

콕핏 AI Agent

운전자가 사라진 차량은 새로운 서비스 공간으로 확장될 수 있다. 승객은 이동 중 영상과 음악을 이용하고, 목적지와 도착시간에 맞춰 음식이나 커피를 주문할 수 있다. 이를 연결하는 접점이 승객의 상황과 의도를 이해하고 여러 서비스를 실행하는 콕핏 AI Agent다. 예를 들어 승객이 커피를 원한다고 말하면 AI Agent가 목적지와 도착시간을 확인하고, 적절한 매장을 찾아 주문과 결제를 끝낸 뒤 승객의 도착에 맞춰 음료가 준비되도록 하는 식이다. 운임 외 생활서비스가 차량 운영 플랫폼과 연결되면 이 운전자 없는 차량은 이동수단에서 새로운 소비와 서비스의 접점으로 확장된다. 다만 이는 완성된 사업모델이라기보다 Hello가 제시한 방향일 뿐이다.
HR1의 실제 운행 규모와 안전성, 차량 가동률, 원격 개입 빈도, 대당 운영비와 수익성은 앞으로 확인해야 할 핵심 지표다. 제시한 기술과 투자 규모만으로 아직 대규모 상용화의 성공을 단정할 수는 없다. 그럼에도 류샤오시는 Robotaxi 경쟁의 질문이 달라지고 있음을 말했다. 이제 중요한 것은 자율주행차가 달릴 수 있느냐만이 아니라, 수많은 차량을 매일 안전하게 출차시키고 실제 이동 수요와 연결하며, 고장이 나면 회수하고 다시 도로로 돌려보낼 수 있느냐가 되고 있다.
자율주행 상용화의 승부는 알고리즘을 완성하는 데서 끝나지 않는다. 그 알고리즘을 태운 차량이 오늘 운행을 마친 뒤, 다음 날 다시 도로로 나가는 순간부터 시작된다.

Driving 1 Million km, Keeping Just 40,000 km: How Leapmotor Turns Global Driving Data into Reusable Validation Assets

한상민 기자_han@autoelectronics.co.kr — 2026-09-09 16:44:09+0900

Leapmotor가 글로벌 주행 데이터를 검증자산으로 바꾸는 법

한상민 기자_han@autoelectronics.co.kr — 2026-09-09 16:39:34+0900

B05

100만 km를 달렸지만 개발과 검증에 다시 사용할 수 있는 시나리오 지식으로 남은 것은 약 4만 km였다. Leapmotor는 세계 각지에서 수집한 데이터를 선별하고 라벨링해 다른 국가와 차종, 다음 프로젝트에서 재사용할 수 있는 자산으로 만들고 있다. Stellantis와의 글로벌 사업이 확대되는 가운데, 더 많은 시험차를 운행하는 능력보다 한 번 얻은 도로의 경험을 세계에서 다시 사용하는 능력이 시장 진입의 새로운 조건이 되고 있다.

글 | 한상민 기자 _ han@autoelectronics.co.kr
IN ENGLISH

Leapmotor의 글로벌화는 빠르게 진행됐다. 2023년 10월 Stellantis와 글로벌 전략적 파트너십을 맺은 뒤 2024년 2월 양사는 섀시 기술을 공동으로 조율했다. 같은 해 5월 Leapmotor International이 공식 출범했고, 7월에는 첫 번째 전기차가 중국에서 유럽으로 선적됐다. C10과 T03는 유럽 13개국에 진출했고 B10은 파리모터쇼에서 세계 최초로 공개됐다. 이후 판매 지역은 남미와 멕시코까지 확대됐다.
그러나 자동차를 해외에 보내는 것과 세계 각지에서 같은 품질을 보장하는 것은 다른 문제다. 국가마다 법규와 도로 여건, 기후, 교통문화와 운전습관이 다르기 때문이다. 중국의 복잡한 도로에서 충분히 검증한 차량이라도 유럽의 회전교차로와 노면전차, 중동의 고온과 모래먼지, 동남아시아의 폭우와 침수, 미주의 장거리 고속주행을 그대로 통과할 수 있다고 단정할 수 없다. Leapmotor 글로벌 검증 및 R&D 디지털화 책임자인 스웨이(Shi Wei)는 이런 문제를 시험기록이 아니라 자산의 문제로 바꿔놓았다.
"데이터는 자산이 아닙니다."

Leapmotor는 100만 km의 원시 주행 데이터 가운데 약 4%인 4만 km만이 정제와 라벨링을 거쳐 재사용 가능한 시나리오 지식으로 남는다고 설명했다.

100만 km 가운데 자산으로 남은 4%

Leapmotor는 중국을 포함한 32개국, 195개 도시를 포괄하는 글로벌 시나리오 자산체계를 구축했다고 밝혔다. 누적 주행거리는 2022년 10만 km에서 2023년 30만 km, 2024년 60만 km, 2025년 85만 km로 늘었고 2026년에는 100만 km에 도달했다.
그러나 스웨이는 이 100만 km 전체를 자산으로 계산하지 않았다. 차량이 달리면서 축적한 원시 데이터는 선별과 정제, 라벨링을 거쳐 실제 개발과 검증에 다시 사용할 수 있어야 비로소 자산이 된다는 것이다.
Leapmotor가 제시한 정제 과정은 가혹하다. 원시 데이터를 100%라고 했을 때 의미 있는 유효 시나리오는 35%만 남는다. 검증에 활용할 수 있도록 라벨링된 샘플은 12%로 줄고, 최종적으로 재사용할 수 있는 시나리오 지식은 4%에 불과하다. 100만 km를 달려 확보하는 실질적인 검증자산은 약 4만 km라는 계산이다. 희소한 것은 원시 데이터가 아니라 세 단계의 정제를 거쳐 남은 4%다. Leapmotor는 이 전환율을 자산의 '두께'로 설명했다.
"전환율을 1%포인트 높이면 1만 km의 시나리오 자산을 추가로 확보하는 것과 같은 효과가 생깁니다."
무조건 더 많은 시험차를 운행하는 것보다 이미 수집한 데이터에서 가치 있는 장면을 찾아내는 능력이 중요하다는 의미다.
시나리오 데이터는 네 경로에서 들어온다. 자체 개발·시험차량이 70%로 가장 크고, 실제 시장에서 운행되는 양산차 표본이 15%를 차지한다. 고객 불만과 평가, 인터뷰 등 VOC가 5%, Stellantis를 비롯한 전략적 파트너와 공동으로 구축한 시나리오가 나머지 10%다.
출처가 다른 데이터는 클라우드 시나리오 허브로 모인다. 동일한 규칙에 따라 정제되고 라벨링된 뒤 개발·검증 조직에 배포된다. 수집한 데이터를 다음 날까지 자산 라이브러리에 반영하는 'T+1' 체계도 운영한다. 특히 VOC는 고객 서비스 기록으로만 남지 않는다. 안전과 승차감, 효율, 에너지 소비, 신뢰성, 사용자 경험이라는 여섯 개 차원으로 분류된다. 특정 환경에서 급제동이 불편했다는 고객의 말은 당시 도로 여건과 차속, 장애물, 주변 차량, 날씨, 시스템 판단을 포함한 검증 시나리오로 바뀐다. 사용자의 불만을 엔지니어링 언어와 시험 조건으로 바꾸는 것이다.
글로벌 시나리오 자산의 가치는 이동성에서 결정된다. 해외에서 수집한 데이터를 해당 국가에서 한 번 사용하고 폐기한다면 현지 시험 비용은 계속 늘어난다. 반대로 해외에서 발견한 상황을 중국의 개발현장이나 다른 시장에서 재현할 수 있다면 같은 데이터가 여러 제품과 지역의 검증에 반복적으로 사용된다.
Leapmotor에 따르면 해외에서 확보한 시나리오 가운데 59%는 다른 시장으로 이전 가능한 유형으로 분류됐다. 유럽의 법규·교통 시나리오가 15%, 중동의 고온·모래먼지가 12%, 동남아시아의 우기·침수가 18%, 미주의 장거리 고속주행이 14%다. 유럽에서 수집한 회전교차로와 노면전차 관련 상황을 중국의 시험환경에서 재현하고, 중동의 50℃ 고온이나 동남아시아의 폭우·침수 조건을 반복 시험에 투입하는 방식이다.
Stellantis와의 협력은 이런 자산 이동을 실제 글로벌 개발업무로 확장하는 통로다. 양사는 데이터를 양방향으로 이동시키고 시나리오 공동 구축과 도로시험, 유럽 법규 및 현지화 검증을 함께 수행하며, 유럽 관련 자산의 50% 이상을 이 방식으로 확대할 수 있다고 밝혔다.
"한 번 수집해 세계에서 사용하는 것입니다."
글로벌화의 의미도 달라진다. 자동차와 개발 조직을 국가마다 그대로 복제하는 대신, 한 지역에서 얻은 검증지식을 다른 지역과 차종, 다음 프로젝트에서 사용할 수 있도록 만드는 것이다. 실제 도로만으로 모든 위험 조건과 한계 조건을 확보할 수는 없다. 발생 빈도가 매우 낮거나 의도적으로 재현하기 위험한 상황도 있다. Leapmotor는 실제로 수집한 시나리오를 정제하고 여러 조건을 조합한 뒤, AI로 새로운 시험 시나리오를 생성하는 체계를 구축하고 있다.
생성 방식은 운행 조건 자극, 한계 조건 자극, 고장 주입, 노화 자극, 복합 조건 생성 등 다섯 가지다. 차속과 경사, 장애물 배치를 바꾸거나 센서 고장과 통신 단절을 주입하고, 야간·폭우·공사구간·센서 이상을 한 상황 안에 결합할 수 있다. Leapmotor는 제한된 실제 시나리오를 종자 데이터로 삼아 시험 가능한 범위를 넓히려 한다. '10%의 실제 시나리오에서 100%의 한계범위로'라는 구상 아래 검증 모듈을 10배로 확대한다는 목표다.

Leapmotor의 글로벌 시나리오 데이터는 개발·시험차량 70%, 양산차 표본 15%, 고객의 소리(VOC) 5%, 전략적 파트너와의 공동 구축 10%로 구성되며, 클라우드 시나리오 허브를 통해 T+1으로 자산화된다.

시나리오는 시장 진입을 입증하는 기록이 된다

검증은 요구사항 정의에서 시나리오 구축과 데이터 검증, 시뮬레이션 회귀, 시험장과 실차시험으로 이어지는 V모델 기반 폐루프로 관리된다.
Leapmotor가 제시한 검증 게이트에서는 시나리오 라이브러리의 요구조건을 충족해야 시뮬레이션 단계로 넘어간다. 시뮬레이션 회귀를 통과해야 시험장 검증에 들어갈 수 있고, 시험장의 폐루프 검증을 마친 기능만 양산단계로 이동한다. 개발 후반이나 실차시험에서 발견할 문제를 데이터와 시뮬레이션 단계에서 먼저 찾기 위한 방식이다.
이런 변화는 개발 효율만의 문제가 아니다. 자율주행차가 실제 시장에 들어가기 위해 안전성을 무엇으로 입증할 것인가라는 규제 문제와 맞닿아 있다. 스웨이는 중국의 GB 44721-2026 자율주행시스템 안전 요구사항과 UN WP.29의 ADS 글로벌 기술규정을 함께 언급하며, 이제는 시험을 완료했는지보다 어떤 시나리오를 어떤 조건에서 검증했는지, 결과와 문제 해결 과정을 추적할 수 있는지가 더 중요해졌다고 말했다.
Leapmotor는 2026년 시험규정과 통합 시나리오 플랫폼, 글로벌 수집망을 구축하고 시험 디지털화 적용범위를 80%까지 높인다는 계획이다. 2027년에는 AI 시나리오 생성과 월드모델을 검증 업무에 적용해 자산 재사용률 60%를 달성하고, 2028년에는 축적한 방법론을 산업 표준과 글로벌 검증 능력으로 확대한다는 로드맵을 제시했다.
"우리가 해야 할 일은 데이터를 자산으로 만들고, 자산을 능력으로 만들며, 그 능력을 표준으로 발전시키는 것입니다."
스웨이의 발표가 보여준 것은 100만 km라는 시험 규모 자체가 아니다. 중요한 숫자는 정제 후 남은 4만 km이며, 그중 얼마를 다른 국가와 차종, 다음 개발 프로젝트에서 다시 사용할 수 있느냐다.
글로벌화의 다음 단계에서 필요한 것은 더 많은 주행거리가 아니라, 한 번 확보한 시나리오를 세계 어디에서든 다시 꺼내 쓸 수 있는가다. 그러나 검증 가능한 차량을 만들었다고 곧바로 사업이 되는 것은 아니다. 다음 문제는 그 기술을 매일 움직이는 서비스와 운영체계로 바꾸는 일이다.

Leapmotor에 따르면 해외에서 확보한 시나리오 가운데 59%는 다른 시장으로 이전 가능한 유형이다. 유럽의 법규·교통, 중동의 고온·모래먼지, 동남아시아의 우기·침수, 미주의 장거리 고속주행 시나리오를 다른 국가와 차종의 검증에 재사용한다.

Inside Chinese Automakers' Second Globalization:

한상민 기자_han@autoelectronics.co.kr — 2026-09-09 16:32:53+0900

중국차의 두 번째 글로벌화, 그 안쪽

한상민 기자_han@autoelectronics.co.kr — 2026-09-09 16:29:00+0900

광저우시는 제18회 중국(광저우) 자동차부품기술대회에서 자율주행 모빌리티 업계 협약과 자율주행 대중교통 공유 모빌리티 이니셔티브를 공식 발표했다. 개발기술을 실제 운영과 공공 이동서비스로 확장하려는 중국 자동차산업의 움직임을 보여준다.

지난 호에는 AAG 2026을 통해 중국차가 해외에 도착한 뒤의 이야기를 전했다. 부품을 공급하고 차량을 수리하며, 진단정보와 고객서비스를 현지에 뿌리내리는 과정이었다. 이번에는 그보다 앞선 개발과 운영의 현장으로 들어갔다. 세계의 도로가 개발 데이터가 되고, 자율주행차가 매일 운행하는 서비스가 되며, AI의 판단이 시트와 섀시의 움직임으로 나타나기까지의 과정이다. 같은 주 광저우에서 만난 일곱 발표는 중국 자동차산업의 경쟁력이 완성차 밖에서 어떻게 만들어지고 있는지를 보여줬다.

글 | 한상민 기자 _ han@autoelectronics.co.kr

IN ENGLISH

연결기사: Leapmotor가 글로벌 주행 데이터를 검증자산으로 바꾸는 법
Hello가 3억 4,000만 명 이동 경험을 운영체계로 바꾸는 법
Desay SV는 왜 부품 공급사에서 공동설계자로 이동하나
XPENG이 시트를 감지·판단·실행으로 재정의하는 법
둥펑은 왜 섀시를 ‘사지’에서 ‘소뇌’로 바꾸는가
자율주행 외부 조명, 102.5 cd/㎡ 이후 더 밝아도 안전하지 않았다
AI가 자동차 램프 개발 프로세스에 들어오는 방법

Auto China 2026, 자동차 산업의 대전이(大轉移)

AEM은 이번에도 메쎄프랑크푸르트 홍콩(Messe Frankfurt Hong Kong)의 초청으로 AAG 2026(Auto Aftermarket Guangzhou) 현장을 취재했다. 지난 호에서는 이 행사를 통해 중국 자동차산업의 글로벌 경쟁이 더 이상 수출 대수만으로 결정되지 않는다고 진단했다. 차가 해외에 도착한 뒤 이를 유지하고 수리하며, 부품과 진단정보를 공급하고, 고객을 지원하는 현지 서비스 체계 확립에 대한 ‘두 번째 글로벌화'를 이야기했다.
그러나 해외 서비스망은 이미 완성된 차량을 받아 움직이는 후방 기반이다. 그 차량이 서로 다른 국가의 도로와 기후, 법규를 견디고 현지에서 발견된 문제를 다음 제품에 반영하려면, 개발단계부터 글로벌 시장을 다루는 방식이 달라져야 한다.
같은 주, 같은 도시 광저우에서 열린 제18회 중국(광저우) 자동차부품기술대회는 그 앞단에서 일어나는 변화를 보여줬다. 발표 주제는 글로벌 검증과 Robotaxi, AI Agent와 지능형 시트, 섀시, 조명과 생성형 AI로 서로 달랐다.
데이터는 더 많이 모으는 데서 그치지 않고 다시 쓸 수 있는 자산으로 정제된다. 자율주행 기술은 배차와 충전, 정비와 안전관제를 포함한 운영으로 확장된다. AI의 판단은 시트와 조명, 구동과 제동, 조향과 서스펜션의 물리적 반응으로 구현된다. 새로운 기능을 얼마나 많이 탑재했는가가 아니라, 도로에서 수집한 경험을 다음 판단과 제품개선에 얼마나 빠르게 다시 투입할 수 있는가의 경쟁이다.

100만 km보다 중요한 4만 km

Leapmotor의 스웨이(Shi Wei)는 32개국 195개 도시에서 축적한 100만 km의 주행데이터를 제시했다. 그런데 그가 정작 강조한 숫자는 100만이 아니다. 원시 데이터에서 의미 있는 장면을 선별하고 라벨링한 뒤, 개발과 검증에 다시 쓸 수 있는 시나리오 지식으로 남는 것은 약 4%인 4만 km다.
수집한 데이터가 많다고 바로 경쟁력이 되지는 않는다. 어느 국가와 차종에서 다시 쓸 수 있는지, 고객의 불만을 시험조건으로 바꿀 수 있는지, 새로운 위험 상황을 시뮬레이션에서 반복할 수 있는지가 중요하다. Leapmotor는 해외에서 확보한 시나리오 가운데 59%가 다른 시장으로 이전 가능한 유형이라고 분석했다.
이 계산은 중국차의 글로벌 검증이 시험 차량을 더 많이 투입하는 단계에서 한 지역의 경험을 다른 지역과 다음 프로젝트에 재사용하는 단계로 이동하고 있음을 보여준다. 개발조직과 시험환경을 국가마다 그대로 복제하지 않고 세계 각지에서 얻은 지식을 이동 가능한 자산으로 만들고 있다.
검증 가능한 차량을 만들었다고 사업이 완성되는 것도 아니다. Hello Autonomous의 류샤오시(Liu Xiaoxi)는 그다음 문제를 운영에서 찾았다.
Hello는 본래 전통적인 자동차 기업이나 자율주행 스타트업이 아니라, 공유자전거와 배터리 교환, 카풀과 렌터카를 운영해 온 모빌리티 플랫폼이다. Hello가 Robotaxi 시장 진입의 근거로 내세운 것도 알고리즘의 성능만이 아니라 배차와 충전, 정비, 결제와 고객서비스를 매일 반복해 온 경험이다. 자율주행차가 기술적으로 달릴 수 있어도 제때 충전하지 못하거나 정비와 안전 관제가 연결되지 않으면 수익을 만들 수 없다. 엔드투엔드 모델과 이중화된 전용 차량이 안전한 주행을 담당한다면, 운영 플랫폼은 수많은 차량을 매일 도로에 내보내고 가동률과 수익성을 관리한다.
따라서 Robotaxi 경쟁 질문도 차량이 스스로 달릴 수 있느냐에서, 수많은 차량을 매일 안전하게 출차시키고 지속 가능한 서비스로 유지할 수 있느냐로 바뀐다.

AI가 판단한 뒤 차는 어떻게 움직이는가

Desay SV와 XPENG, Dongfeng의 발표는 AI를 차량의 물리적인 경험으로 바꾸는 서로 다른 단계를 보여줬다.
Desay SV의 저우젠(Zhou Jian)이 그린 AI Agent는 명령에 답하는 음성비서가 아니다. 사용자의 상황을 이해하고 필요한 작업을 계획해 차량제어와 모빌리티, 생활서비스를 호출하는 실행주체이며, 주행과 콕핏, 차량제어와 클라우드를 사용자의 의도에 맞춰 조정하는 통합 기반이다.
이 구상이 실제로 작동하려면 자동차가 사용자의 말뿐 아니라 신체 상태도 알아야 한다. XPENG의 마자(Ma Jia)는 등받이를 128도까지 눕히는 무중력 시트를 편의장치로만 설명하지 않았다. 시트는 탑승자의 몸과 가장 오래, 넓게 접촉하면서 체형과 자세, 압력분포, 심박과 호흡의 변화를 감지하는 단말이 된다. 기존 시트는 버튼을 누른 뒤 움직였지만, 미래의 시트는 날씨와 이동시간, 과거 습관과 현재의 피로를 분석해 자세와 지지력, 온도와 마사지를 미리 조절한다. 시트 설정을 클라우드 계정에 저장하면 자가용에서 렌터카와 공유차, Robotaxi로 이동할 수도 있다.
Dongfeng의 왕덩펑(Wang Dengfeng)은 같은 문제를 차량 전체의 운동으로 확대했다. 지능형 주행이 대뇌라면 섀시는 몸의 상태를 이해하고 구동과 제동, 조향과 서스펜션을 조율하는 소뇌라는 것이다. 자율주행 시스템이 정교한 경로를 계획해도 현재 노면에서 타이어가 확보할 수 있는 접지력과 차량이 낼 수 있는 제동력, 조향능력을 모르면 그 경로를 안전하게 실행할 수 없다. 지능형 주행은 전방 도로의 정보를 섀시에 보내고, 섀시는 차량이 실제로 수행할 수 있는 운동범위를 다시 알려줘야 한다. 이 양방향 정보가 연결되면 차량은 과속방지턱에 닿기 전에 서스펜션을 준비하고, 젖은 노면에서 미끄러지기 전에 구동력과 제동력을 배분할 수 있다. AI의 판단이 화면 속 정보에서 끝나지 않고 자동차의 물리적 행동으로 이어지는 피지컬 AI다.

왼쪽 위부터 Dongfeng Motor 왕덩펑(Wang Dengfeng), Leapmotor 글로벌 검증 및 R&D 디지털화 책임자 스웨이(Shi Wei), XPENG 인테리어·콕핏 수석엔지니어 마자(Ma Jia). 왼쪽 아래부터 푸단대학교(Fudan University) 교수 린옌단(Lin Yandan), 린웨이 광저우 램프 R&D센터(LYNWAY) 정즈레이(Zheng Zhilei), 헬로 오토노머스(Hello Autonomous) 부사장 류샤오시(Liu Xiaoxi).

좋은 경험은 누가, 무엇으로 증명하는가

기업들이 차량과 부품이 먼저 판단하고 반응하는 미래를 제시했다면, 푸단대학교 린옌단(Lin Yandan) 교수는 그 반응이 사람에게 실제로 안전하고 편안한지를 물었다.
자율주행차의 청색 표시등은 흰색보다 사람의 시선을 빨리 끌었고 차량을 식별하는 데도 유리했다. 하지만 실제 차량을 이용한 야간실험에서는 밝기가 약 102.5cd/㎡를 넘자 식별성의 추가 개선이 뚜렷하지 않았고, 인지부하와 눈부심 불쾌감은 계속 증가했다. 더 잘 보인다는 것과 더 안전하다는 것은 다르다. 같은 색이라도 밝기와 설치 위치, 관찰거리와 주변환경에 따라 사람의 반응이 달라졌다.
건강한 콕핏과 편안한 시트, 자연스러운 AI Agent란 표현도 사람의 시선과 자세, 생체신호와 인지부하를 측정하지 않으면 제품 가치로 입증하기 어렵다. 경험 중심의 경쟁은 사용자의 반응을 측정 가능한 엔지니어링 기준으로 바꾸는 일이다.

3개월 뒤에 볼 빛을 시제품 전에 확인한다

사람의 반응까지 측정했다면 그 결과는 다시 제품개발로 돌아가야 한다. LYNWAY 광저우 램프 R&D센터의 정즈레이(Zheng Zhilei)는 생성형 AI와 디지털 트윈을 램프의 설계와 검증, 보고서 작성에 투입하는 방법을 보여줬다.
새로운 인터랙티브 램프를 설계해 실제 시제품으로 확인하기까지 약 3~4개월이 걸리고, 비용은 30만 위안을 넘을 수 있다. 화면 크기와 픽셀 수, 광학 모듈과 투사거리의 조합이 맞지 않으면 실물을 만든 뒤 다시 설계해야 한다. LYNWAY는 APT Coder와 APT Node, 기업 지식베이스와 업무용 위챗로봇을 통해 사내 규정과 과거 개발자료를 찾고, 코드 작성과 문서처리, 시험데이터 수집과 보고서 생성을 지원하려 한다. ISD 인터랙티브 스크린과 투영형 헤드램프는 디지털 트윈에서 픽셀과 밝기, 색상과 투사효과를 바꿔보며 물리적 시제품 제작 전에 문제를 확인한다.
AI가 실차시험을 없애지는 않는다. 3~4개월 뒤에야 볼 수 있었던 빛을 먼저 보여주고, 실패 가능성이 높은 설계안을 제작 전에 걸러내는 역할을 한다. 가상환경에서 선택한 결과가 실제 도로에서도 정확하고 안전한지는 광학측정과 인간공학 평가, 실차시험을 통과해야 한다.

수출망 뒤에 개발과 운영의 연결이 있다

지난 호의 해외 애프터마켓과 이번에 살펴본 개발·운영 역량이 이미 긴밀하게 연결됐다고 할 수는 없다. 기업들이 제시한 상당수 기술은 개발 중이거나 장기 로드맵에 있으며, 발표에서 주장한 성능과 효율도 실제 양산 규모와 현장에서 확인해야 한다.
그러나 방향은 보였다. 개발단계에서 만들어진 시나리오와 검증기록은 해외의 진단과 정비에 활용될 수 있어야 한다. 현지에서 축적된 고장과 환경, 사용자 데이터는 다시 제품개발로 돌아가야 한다. 차량의 판단은 섀시와 시트, 조명의 물리적 반응으로 구현되고, 그 반응은 사람과 실제 도로에서 검증돼야 한다. 검증 결과는 다시 코드와 설계, 시험조건에 반영돼야 한다.
중국의 두 번째 글로벌화는 해외에 서비스센터와 부품 창고를 세우는 일만을 말하지 않는다. 한 지역에서 얻은 경험을 다른 시장에서 다시 사용하고, 기술을 운영 가능한 서비스로 만들며, 차량의 판단을 사람이 체감할 수 있는 움직임으로 바꾸는 능력까지 포함한다.
일곱 발표가 보여준 것은 하나의 완성된 모델이 아니라, 서로 다른 기업과 연구자가 각자의 위치에서 만들고 있는 개발과 검증, 운영과 경험의 기반이다. 중국차의 다음 글로벌 경쟁은 항구에서 차량을 선적하는 순간 시작되지도, 해외에서 판매한 순간 끝나지도 않는다. 도로에서 얻은 경험을 다음 차량의 데이터와 코드, 서비스와 물리적 반응으로 다시 사용할 수 있을 때, 그 글로벌화는 수출 대수 너머의 산업역량이 된다.

AAG 2026, 역대 최대 규모로 폐막
93개국 5만4,219명 방문…중국 애프터마켓의 해외 진출 창구로

제11회 오토 애프터마켓 광저우(AAG 2026)가 8월 21일 중국 광저우에서 폐막했다. 올해 행사는 폴리 월드 트레이드 엑스포 센터 7개 홀, 8만5,000㎡ 규모로 열려 역대 최대 기록을 세웠다.
전시에는 1,818개 기업이 참가했으며, 93개 국가·지역에서 5만 4,219명이 방문했다. 방문객은 이전 행사보다 7.5% 증가했다. 해외 방문객이 많은 국가는 러시아, 미얀마, 태국, 예멘, 파키스탄, 말레이시아, 사우디아라비아, 이란, 우즈베키스탄, 이집트 순이었다. 국내외 전문 바이어 그룹도 48개에 달했다.
전시장은 부품 및 컴포넌트, 액세서리와 튜닝·자동차 서비스, 재제조 분야를 중심으로 구성됐다. 섀시와 브레이크, 엔진, 하이브리드 파워트레인부터 오프로드·캠핑용품, NEV 관리 제품, 재제조 엔진과 변속기, ECU까지 애프터마켓 전반을 다뤘다. 36개 부대행사에서는 해외시장 진출, 비즈니스 매칭, 자동차 튜닝과 산업 트렌드를 논의했다.

From Cockpit to Central Compute: Why HARMAN Chose Thomas Irawan

한상민 기자_han@autoelectronics.co.kr — 2026-09-04 09:03:49+0900

콕핏에서 센트럴 컴퓨트로…하만이 토마스 이라완을 택한 이유

한상민 기자_han@autoelectronics.co.kr — 2026-09-04 09:00:10+0900

토마스 이라완과 크리스챤 소보트카

HARMAN은 디지털 콕핏을 넘어 ADAS와 센트럴 컴퓨트, SDV 소프트웨어로 사업을 확장하고 있다. ZF ADAS 인수를 앞둔 지금 필요한 것은 서로 다른 기술과 조직을 하나의 양산 비즈니스로 묶는 실행력이다. 보쉬에서 ADAS와 Cross-Domain Computing을 경험하고 ETAS에서 SDV와 오픈소스 생태계를 이끈 토마스 이라완 박사의 영입은 HARMAN이 향하는 다음 단계를 보여준다.

글 | 한상민 기자 _ han@autoelectronics.co.kr
IN ENGLISH

하만(HARMAN)이 토마스 이라완(Thomas Irawan) ETAS 사장 겸 이사회 의장을 Automotive COO 겸 President Designate로 영입했다. 10월 1일 합류하는 이라완은 HARMAN Automotive의 일상적인 실행과 사업성과를 책임지며, Intelligent Cockpit, Car Audio, Connectivity, Automotive Engineering Services와 글로벌 고객 조직의 운영을 맡는다. 현재 추진 중인 ZF ADAS 사업 인수가 완료되면 이 조직도 그의 운영 책임에 포함될 예정이다.
시점과 이력을 나란히 놓고 보면 의미가 읽힌다.
지난 2년 동안 HARMAN은 디지털 콕핏 너머 ADAS와 센트럴 컴퓨트, SDV 소프트웨어로 자동차 사업을 빠르게 넓혀왔다. 이라완은 보쉬에서 ADAS와 Cross-Domain Computing을 경험하고 ETAS에서 SDV와 차량 소프트웨어 사업을 이끈 인물이다. HARMAN이 지금 만들려는 사업의 그림과 이라완의 이력은 상당 부분 겹친다.
HARMAN Automotive의 핵심 사업은 Intelligent Cockpit과 Connectivity, Car Audio다. 하지만 최근 움직임을 보면 HARMAN은 각 제품을 고도화하는 것 이상을 준비해 왔다.
2024년 HARMAN은 Ready Upgrade를 중심으로 콕핏 도메인 컨트롤러의 제품화를 강화했다. OEM별 프로젝트마다 처음부터 다시 개발하는 대신 사전 통합된 하드웨어와 소프트웨어를 활용해 개발기간을 줄이고, 양산 이후에도 기능을 지속적으로 발전시키는 접근이다.
동시에 Ready CQuence를 통해 영역을 차량 소프트웨어 개발과 검증으로 넓혔다. 차량 안에서 소비자가 경험하는 소프트웨어뿐 아니라 그것을 만들고 검증하고 배포하는 과정까지 HARMAN의 사업영역으로 들어오기 시작했다. 콕핏 공급사에서 SDV 플랫폼 회사로 이동하기 위한 기반이었다.
2025년부터는 그 방향이 기술 아키텍처 차원에서 뚜렷해졌다.
HARMAN은 HL Klemove와 함께 Ready Upgrade 콕핏 컨트롤러에 L2 ADAS 소프트웨어와 센서를 결합한 Central Compute Platform을 개발했고, Qualcomm과는 Snapdragon Ride Elite와 Ride Flex를 통해 인포테인먼트와 safety-critical ADAS workload를 하나의 아키텍처에서 함께 처리하는 방향을 구체화했다. 두 협력이 가리키는 결론은 같았다. HARMAN이 원하는 것은 더 강력한 콕핏 ECU가 아니라, 여러 도메인을 통합하는 Cross-Domain Central Compute라는 점이었다.
Ready Care와 Ready Vision, Ready Aware 역시 같은 방향에서 볼 수 있다. 운전자 상태와 차량 주변의 위험, 외부에서 들어오는 정보와 차량이 판단한 내용을 HMI와 연결한다. ADAS가 차량 주변을 보고 판단하는 기술이라면, HARMAN은 그 판단과 차량 내부의 상황, 탑승자의 경험을 연결하려 했다.
지금까지가 파트너십을 통한 검증이었다면, 2025년 12월 HARMAN은 이를 소유의 문제로 바꿨다. 15억 유로를 들여 ZF의 ADAS 사업을 인수하기로 한 것이다. 대상에는 컴퓨팅 솔루션과 스마트 카메라, 레이다, ADAS 소프트웨어 기능뿐 아니라 약 3,750명의 인력이 포함된다. ZF의 ADAS 역량과 HARMAN의 Digital Cockpit을 결합해 중앙집중형 컴퓨팅 설계를 만들고, assisted and automated driving과 safety, user experience를 하나의 shared platform에서 연결하려는 것이다. HARMAN이 산 것은 단순한 ADAS 제품군이 아니다. 차량이 보고 판단하는 영역과 사람이 보고 경험하는 영역을 하나의 컴퓨팅 아키텍처에서 연결할 수 있는 역량이다.
여기서 토마스 이라완의 이력을 보면 이번 인사가 달리 보인다.
이라완은 2006년 보쉬에 합류해 제조 기획과 프로젝트 관리를 거쳐 Bosch Thailand 기술공장장을 지냈고, 이후 Chassis Systems Control 사업부에서 품질경영을 총괄했다. 2018년부터는 Cross-Domain Computing Solutions 사업부 안에서 Driver Experience 사업을 이끌며 assisted, automated and connected driving을 담당했다. 이 시기 그가 이끈 조직은 1,000여 명의 소프트웨어 개발자를 두고 레이더·카메라·초음파 센서부터 ECU, 미들웨어, 애플리케이션 소프트웨어까지 레벨 0~4 자율주행과 주차 기능 전반을 총괄했다. 대표 사례가 Mercedes-Benz S-Class의 레벨 3 자율주행이다. 2022년에는 ETAS 사장 겸 의장으로 이동했다.
ETAS에서 그의 과제는 SDV 시대에 필요한 차량 소프트웨어 기반을 만드는 것이었다. 이라완의 진짜 차별점은 SDV를 제품 하나의 문제가 아니라 산업 전체의 협업 구조 문제로 다뤘다는 데 있다. 2025년 6월 ETAS는 VDA의 오픈소스 소프트웨어 생태계 구축 양해각서에 서명하고 Eclipse S-CORE의 창립 멤버로 참여했다. 이 구상을 VDA에 처음 제안한 사람이 이라완 본인이다. 기업 간 개방형 협업 없이는 SDV의 복잡성을 감당할 수 없다는 그의 오랜 지론을, 업계 전체가 함께 쓰는 공동 스택으로 만든 셈이다. 그의 역할을 단순히 미들웨어 회사의 경영자로만 보기 어려운 이유다.
HARMAN이 앞으로 해결해야 할 문제는 기술 하나를 확보하는 것으로 끝나지 않는다. 기존 Intelligent Cockpit과 Connectivity, Automotive Engineering Services 조직에 ZF ADAS 인력이 새로 합류하고, Qualcomm을 비롯한 반도체·소프트웨어·센서 파트너들과의 협력도 계속돼야 한다. 무엇보다 서로 다른 아키텍처와 요구를 가진 글로벌 OEM들을 상대해야 한다.
HARMAN이 만들어야 하는 것은 모든 것을 혼자 만드는 폐쇄적인 시스템이 아니라, 이들을 하나의 Central Compute와 SDV 전략 안에서 작동하게 만드는 체계다. 여기서 이라완의 또 다른 경험이 의미를 갖는다. OEM과 티어 1, 소프트웨어 기업과 오픈소스 커뮤니티가 참여하는 생태계 속에서 ETAS의 자리를 만들어온 경험, 보쉬라는 거대 조직에서 제조와 품질, ADAS, Cross-Domain Computing을 두루 거친 이력이 대규모 조직을 운영해야 하는 HARMAN에는 중요한 자산이다.
지금 HARMAN에 필요한 사람은 콕핏 전문가 한 명이나 ADAS 전문가 한 명이 아니라, 서로 다른 기술과 조직, 사람을 하나의 사업으로 묶을 수 있는 사람일 수 있다.
HARMAN의 이번 발표에서 크리스챤 소보트카(Christian Sobottka) HARMAN CEO는 차세대 자동차 혁신은 실행에 의해 결정될 것이라며, 이라완의 전략적 시각과 운영 능력, 소프트웨어 경험을 강조했다. 역할도 나눴다. 소보트카는 HARMAN Automotive의 장기전략과 대규모 transformation, ZF ADAS 통합 및 주요 고객·파트너 관계를 계속 이끌고, 이라완은 사업의 일상적인 실행과 운영성과를 책임진다. 이후 Automotive 사업의 운영 책임도 단계적으로 이라완에게 넘어간다.
최근 HARMAN은 비핵심 Digital Transformation Solutions 사업을 매각하며 Automotive에 대한 투자를 늘렸다. 그 끝에서 선택한 사람이 보쉬에서 ADAS와 Cross-Domain Computing을 경험하고, ETAS에서 SDV와 오픈소스 생태계를 직접 만들어온 토마스 이라완이다.
지난 2년이 HARMAN이 콕핏 너머로 사업을 넓히는 시간이었다면, ZF ADAS 인수 이후의 과제는 다르다. 서로 다른 기술과 조직을 통합하고, 콕핏과 ADAS를 하나의 Central Compute 및 SDV 아키텍처로 만들고, 그것을 실제 OEM이 구매하는 양산 비즈니스로 만들어야 한다. 콕핏에서 센트럴 컴퓨트로, HARMAN이 그은 이 궤적 위에서 이라완의 실행력이 시험대에 오른다.

Sam Mahalingam on the Speed of Physics AI and the Need for Physics-Based Validation

한상민 기자_han@autoelectronics.co.kr — 2026-09-02 12:52:18+0900

샘 마할링엄이 말하는 Physics AI의 속도와 물리 기반 검증

한상민 기자_han@autoelectronics.co.kr — 2026-09-02 12:45:22+0900

INTERVIEW
샘 마할링엄
Sam Mahalingam
EVP of Simulation, HPC and AI at Siemens Digital Industries Software

Physics AI는 방대한 설계 공간을 빠르게 탐색하지만, 그 결과는 물리 기반 솔버와 엔지니어의 검증을 거쳐야 신뢰를 얻는다. 지멘스는 설계·시뮬레이션 통합과 개방형 온톨로지, AI가 내장된 전체 엔지니어링 스택을 통해 이 과정을 하나의 워크플로로 연결한다. 산업 AI의 경쟁력은 속도만이 아니라, 실시간 데이터와 물리적 근거에 기반한 ‘Engineering Truth’를 얼마나 확보하느냐에 달려 있다. Siemens Realize Live APAC에서 샘 마할링엄과 이야기를 나눴다.

글 | 한상민 기자_han@autoelectronics.co.kr
IN ENGLISH

산불에서 공장까지, PLM은 어떻게 AI의 판단을 행동으로 연결하는가
다임러트럭, 미래 연결을 위해 과거를 끊다

최근 업계에서는 AI보다 먼저 설계(CAD)와 시뮬레이션이 하나의 워크플로로 통합돼야 한다는 주장이 있습니다. Physics AI가 의미를 가지려면 이런 통합 워크플로가 반드시 전제돼야 합니까?
Mahalingam       설계와 시뮬레이션이 하나의 워크플로 안에서 통합돼야 AI가 가치를 더할 수 있습니다. Physics AI가 진짜 가치를 전달하려면 통합된 작업 환경이 먼저 갖춰져야 한다고 생각합니다. 다만 그 순서가 반드시 '통합이 먼저'는 아닙니다.
먼저 설계자와 해석 엔지니어를 Physics AI 작업에 끌어들여야 합니다. 저는 Physics AI 모델은 오늘날 해석 전문가들이 자신들의 기존 시뮬레이션 데이터를 활용해 만들고, 이를 분석 유형별로 라이브러리 형태로 공개하는 방식이 돼야 한다고 봅니다.
이런 Physics AI 모델 라이브러리가 갖춰지면, '시프트 레프트(shift left)'가 가능해집니다. 즉 설계자가 상세 설계 단계를 거치지 않고도 이 Physics AI 모델을 설계 소프트웨어 안에서 직접 활용해 지금 구상 중인 설계가 실현 가능한지 미리 들여다볼 수 있게 되는 것입니다. 이런 식으로 두 영역이 맞물릴 것으로 봅니다.
먼 미래에는 시뮬레이션과 설계 환경이 설계 툴 안에서 곧바로 결합될 수도 있겠지만, 그렇더라도 시뮬레이션 전문가는 여전히 필요합니다. 개인적으로는 두 역할이 완전히 하나로 합쳐지는 일은 없을 거라고 봅니다. 설계 공간을 좁혀서 상세 해석으로 더 파고들어야 할 몇 개 설계안을 추려낸 뒤에는, 결국 CAE 전문가가 기존 방식의 워크플로를 통해 그 설계 공간을 제대로 검증해야 하기 때문입니다.
그래서 팀이 성숙해가는 방향은 이렇습니다. Physics AI 모델은 먼저 해석 전문가가 만들고, 그렇게 공개된 모델을 설계자가 활용하며, 이후 두 팀이 자연스럽게 손을 맞잡아 반복적으로 개선해나가는 흐름입니다.

전통적 물리 기반 해석과 Physics AI가 실제 엔지니어링 현장에서 어떻게 공존하고 있나요? 엔지니어가 두 방식 중 하나를 선택하는 기준은 무엇입니까?
Mahalingam       저희는 고객에게 여러 도구로 이뤄진 생태계를 제공하고 있습니다. 지금 저희에게는 'Simcenter Engineering Intelligence'라는 애플리케이션이 있습니다. 이 애플리케이션은 설계자든 해석 엔지니어든 모든 엔지니어에게 단일한 화면(single pane of glass)을 제공합니다.
단일 화면이라는 건, CAE 관련 진행 중인 작업 데이터를 전부 관리하고, 메타데이터를 전부 추출하며, Simcenter 포트폴리오 전체의 도구를 그 경험 안으로 끌어올 수 있다는 뜻입니다. 동시에 Physics AI 모델 라이브러리도 함께 관리합니다.
새로운 설계가 들어오면, 예를 들어 원래 설계에서 여러 변형안을 탐색하고 싶은 경우라면, 이 도구가 자동으로 물리 기반 솔버 대신 Physics AI를 추론 엔진으로 쓰라고 추천합니다.
반대로 설계 공간을 좁혀서 몇 개 시뮬레이션만 추가로 검증하면 되는 단계라면, 이번에는 물리 기반 솔버를 쓰라고 추천합니다. 즉 이 애플리케이션은 지금 시뮬레이션 워크플로가 어느 단계에 있는지를 파악해서 그에 맞는 도구를 제안할 만큼 지능적입니다.
여기에 더해 다른 서비스 수준 목표(SLO)에 따라서도 판단을 달리합니다. 예를 들어 컴퓨팅 자원이 부족한 상태에서 설계를 빠르게 검증해야 한다면, 상세 시뮬레이션 단계에서도 Physics AI 접근법을 쓰라고 제안합니다. 반대로 컴퓨팅 자원이 충분하고 설계를 제대로 검증하고 싶다면, 거의 항상 물리 기반 솔버를 추천합니다.
결과적으로 두 방식은 같은 환경 안에 공존하며, 시스템이 지능적으로 선택지를 제시하고 최종적으로는 엔지니어가 그 제안을 따를지, 다른 방식을 택할지 직접 결정하는 것입니다.

신뢰는 어떻게 만들어지는가

Physics AI는 고객의 시뮬레이션 데이터로 학습하는 서로게이트 모델입니다. 안전과 직결된 자동차 설계에서 이 모델의 예측에 오류가 발생했을 때, 규제 당국의 감사(Audit)를 통과할 수 있을 만큼 원인 역추적성(Traceability)이 확보돼 있습니까?
Mahalingam       저희가 말씀드리는 건 특정 해석 유형에 대해 Physics AI가 내놓는 추론 결과가 최종 결론이라는 뜻이 아닙니다. Physics AI는 복잡한 설계와 방대한 설계 공간을 매우 빠르게 탐색하도록 도와주는 도구입니다. 그렇게 한두 개, 많아야 서너 개 설계안으로 좁힌 뒤에는 물리 기반 솔버로 다시 한번 제대로 검증합니다.
안전이 중요한 자동차 설계에 적용할 때도 마찬가지입니다. 서로게이트 모델이 내놓은 결과를 그대로 가져다 양산에 들어가는 방식이 아닙니다. 20여 년 전 CAE가 처음 등장했을 때 시험이 CAE를 검증하는 도구였던 것처럼, 오늘날에는 물리 기반 솔버, 즉 CAE가 Physics AI 설계를 검증하는 도구 역할을 합니다. 이런 검증 구조를 전제로 Physics AI를 활용한다면 규제 준수에도 문제가 없을 것으로 봅니다.

현대차 사례를 보면, Physics AI를 통해 서브시스템 최적화 시간을 1주에서 15분으로 단축했습니다. 앞으로 Physics AI가 생성한 결과가 충돌안전이나 ISO 26262 같은 규제 인증 과정에서도 근거로 인정받을 수 있을까요? 아니면 최종 인증은 기존 물리기반 해석·실제 시험에 의존할까요?
Mahalingam       물리 기반 시뮬레이션이 특정 용도에서 실물 시험을 대신하는 인증 도구로 자리 잡기까지 거의 20년이 걸렸습니다. Physics AI도 비슷한 시간이 더 필요하다고 봅니다. 이 모델들이 가능한 모든 설계안과 변형을 충분히 살펴보고, 조합할 수 있는 데이터를 충분히 학습하기 전까지는 아직 인증 메커니즘으로 다뤄지지는 않을 것입니다. 당분간은 물리 기반 시뮬레이션이 인증 근거로서의 지위를 계속 유지할 것이라는 게 제 생각입니다. 다만 이 모델들이 더 많은 데이터로 계속 진화한다면, 앞으로 5~6년 안에 Physics AI도 실제로 그 인증 메커니즘 역할까지 성숙해질 수 있다고 봅니다.

지멘스는 산업용 AI가 단순한 지원을 넘어 실제 엔지니어링 업무를 수행하는 자율형 AI Agent로 발전하고 있다고 말합니다. 이런 AI Agent가 앞으로도 Human-in-the-loop 구조를 유지할까요? 아니면 일부 엔지니어링 업무는 사람의 승인 없이 완전히 자율적으로 수행되는 단계까지 갈까요? 그 경계는 어디에 있다고 생각하십니까?
Mahalingam       기업 차원에서 완전한 자율성을 달성하는 건 현실적으로 매우 어렵다고 봅니다. 기업들은 앞으로도 산업 전문 인력을 계속해서 더 채용할 것입니다. 왜냐하면 인간의 두뇌는 여전히 세상에서 가장 빠른 패턴 인식 기계이기 때문입니다. 자율 설계를 검증하려면 전문가가 반드시 존재해야 한다고 봅니다. 이런 형태의 휴먼인더루프는 앞으로도 상당히 오래 유지될 거라고 예상합니다. 완전 자율 환경이 될 거라고는 보지 않습니다.
다만 달라지는 부분은 있습니다. 반복적이고 일상적인 업무는 완전히 자율화될 것입니다. 전문가의 판단이 필요한 의사결정 순간에만 전문가가 개입해 승인하는 방식이 될 것입니다. 완전 자율은 아니라는 게 제 생각입니다.

Siemens AI Fabric의 핵심인 Knowledge Graph와 산업 온톨로지를 공개할 계획이라 하셨습니다. 타사의 CAD, CAE 툴을 혼용하는 한국 환경에서도 이 온톨로지가 서드파티 데이터와 매끄럽게 연결되는 개방형 표준입니까, 아니면 지멘스 포트폴리오 내부 완결형 구조입니까?
Mahalingam       지멘스는 항상 개방형 아키텍처를 지향해왔습니다. 저희 전체 전략에서 '어댑티브(adaptive)'가 중요한 축인 이유도 여기에 있습니다. 어댑티브란 저희 제품끼리 잘 통합되는 것뿐 아니라, 시장에 나와 있는 경쟁사 제품, 오픈소스 제품, 자체 개발(홈그로운) 제품과도 잘 통합된다는 의미입니다.
저희가 온톨로지를 구축하는 방식은 PLM 분야에서 쌓아온 경험, 그리고 MES 사업 부문에서 쌓아온 경험을 바탕으로 합니다. 지난 30년 동안 축적한 도메인 지식을 토대로 업계에 공통으로 쓰일 만한 온톨로지를 공개할 예정입니다.
이 온톨로지는 각 기업이 쓰고 있는 이기종 툴체인으로 얼마든지 확장해 적용할 수 있습니다. 즉 저희 PLM 제품을 쓰지 않더라도 이 온톨로지를 매핑해서 다른 PLM 제품, 다른 MES 제품, 다른 ERP 제품과 연결할 수 있다는 뜻입니다. 지멘스의 온톨로지는 RDF를 비롯한 개방형 표준을 기반으로 합니다. 그래서 어떤 기업 시스템에도 이 온톨로지를 공개해 배포할 수 있고, AI가 활용할 수 있는 의미·관계·맥락을 제공할 수 있습니다.

경쟁력은 어디서 나오는가

Physical AI는 결국 시험과 가상 해석을 통해 현실 세계를 학습하는 AI입니다. 시험 장비와 시뮬레이션을 모두 보유한 지멘스의 관점에서 미래 OEM의 진짜 경쟁력은 더 많은 AI 모델입니까, 아니면 실체적인 물리 시험 및 해석 데이터입니까?
Mahalingam       저는 앞으로 완성차의 경쟁 우위는 AI가 만들어내는 속도 향상에서 나온다고 봅니다. 그렇다면 그 우위를 얻으려면 물리 시험 데이터와 시뮬레이션 데이터를 더 많이 보유해야 하느냐는 질문이 남는데, 반드시 그렇지는 않다고 생각합니다.
과거의 시뮬레이션 데이터가 없더라도, 물리 시험 및 물리 기반 시뮬레이션과 높은 상관성을 갖는 데이터를 만들어낼 수 있기 때문입니다. 저희가 Simcenter SimSolid를 자랑스럽게 여기는 이유도 이와 관련이 있습니다. 별도의 메시 생성 없이 CAD 형상에서 직접 해석하는 매우 빠른 솔버이면서도, 기존 FEA 결과와 비교하면 차이가 1~3% 수준이며, 어떤 경우에는 1%에 불과합니다.
따라서 시뮬레이션 데이터와 물리 시험 데이터를 모두 소유해야만 경쟁 우위를 얻는다고는 생각하지 않습니다. 중요한 것은 실제 시험과 물리 기반 시뮬레이션에 높은 상관성을 갖는 데이터를 만들어내고 활용할 수 있는 역량입니다. 그러한 역량이 있다면 AI를 통해 충분한 경쟁 우위를 확보할 수 있습니다.

만약 AI 모델 자체가 점차 범용화된다면, 5년 후 시뮬레이션 시장에서 지멘스(Simcenter)의 진짜 차별화 요소는 AI 기술 자체입니까, 아니면 그 AI가 예측한 물리를 신뢰할 수 있게 만드는 검증 체계입니까?
Mahalingam       아주 좋은 질문입니다. 마침 최근에 링크드인에 같은 주제로 글을 올렸고, 이번 시뮬레이션 팀 발표에서도 다뤘던 내용입니다. 많은 AI 스타트업이 엔지니어링 조직에 다가와 주변부(periphery)에서 AI를 만들겠다고 제안합니다. 서로게이트 모델만 만들어주겠다는 것이죠. "데이터만 주시면 저희가 서로게이트 모델을 만들어드리겠습니다"라는 식입니다.
저희는 여기서 차별화됩니다. 저희는 주변부에서 AI를 '래퍼(wrapper)' 형태로만 제공하는 게 아니라, 저희 시뮬레이션 도구 안으로 AI를 직접 주입하고 있습니다. 그래서 그 차별성이 사라지지 않습니다. 가치가 스타트업 쪽 상류로 옮겨가지 않도록 하는 것이죠.
저희에게 '신뢰할 수 있는 결과(trusted outcomes)'가 그토록 중요한 이유가 여기 있습니다. 스타트업도 서로게이트 모델을 만들 수는 있지만, 그 모델은 기존에 알고 있는 설계, 즉 과거 데이터를 기반으로 한 결과만 알려줄 수 있습니다. 완전히 새로운 설계가 나오면 그 서로게이트 모델은 쓸모가 없어집니다.
그래서 저희는 Physics AI 같은 기술을 도입하면서 그 가치를 시뮬레이션 도구 안에, 즉 물리 기반 시뮬레이션 안에 계속 붙잡아두고 있습니다. 저희 비즈니스 모델 자체가 그런 구조입니다. AI 에이전트를 비롯한 AI 기능 역시 별도의 주변부 도구가 아니라 기존 소프트웨어 안에 직접 통합해 제공할 예정입니다. 이렇게 물리 기반 솔버부터 AI까지 전체 스택을 저희가 제공하기 때문에, 고객 입장에서는 주변부 AI 도구를 위해 스타트업을 찾고, 그 결과를 검증하기 위해 다시 지멘스의 Simcenter 물리 기반 솔버를 사용하는 식으로 여러 회사를 오갈 필요가 없습니다. 이런 식으로 저희만의 가치를 지키면서 AI 스타트업들과 차별화하고 있습니다.

결국 이 모든 게 'Engineering Truth'에 관한 이야기라는 말씀이신 거죠? 제가 제대로 이해한 게 맞습니까?
Mahalingam       네, 정확하게 이해하셨습니다. 산불을 예로 들면, 변수와 주변 환경이 매우 빠르고 역동적으로 바뀝니다. 1분 전 데이터를 바탕으로 대응 계획을 세우는 사이에도 바람의 세기와 같은 조건은 이미 달라질 수 있습니다. 따라서 오래된 스냅샷 데이터가 아니라 실시간 정보가 필요합니다. 비즈니스 데이터에 맥락을 부여하는 것만으로는 충분하지 않습니다. 엔지니어링의 세계에서는 그 정보가 반드시 ‘Engineering Truth’에 근거해야 합니다. 그리고 그런 정보를 제공하는 것이 지멘스와 같은 엔지니어링 기업의 역할입니다.

Daimler Truck Cuts Ties With the Past to Connect the Future

한상민 기자_han@autoelectronics.co.kr — 2026-08-24 07:03:55+0900

다임러트럭, 미래 연결을 위해 과거를 끊다

한상민 기자_han@autoelectronics.co.kr — 2026-08-24 06:45:09+0900

Siemens Realize LIVE APAC에서 이틀에 걸쳐 다임러트럭이 보여준 것은 두 개의 이야기가 아니라 하나의 논리였다. 첫날의 비전이 예지정비와 디지털 트윈으로 가는 미래였다면, 둘째 날 발표는 그 미래를 지탱할 PDM부터 다시 세운 과정이었다. 40년에 걸쳐 복잡해진 제품 데이터 체계를 걷어낸 다임러트럭의 선택은 SDV와 AI 시대를 준비하는 모든 전통 OEM에게 같은 질문을 던지고 있었다.

글 | 한상민 기자 _ han@autoelectronics.co.kr
IN ENGLISH

연관기사: 산불에서 공장까지, PLM은 어떻게 AI의 판단을 행동으로 연결하는가
샘 마할링엄이 말하는 Physics AI의 속도와 물리 기반 검증

Siemens Realize LIVE APAC 첫날, 무대 옆 대형 스크린에는 "Engineering the Future of Trucks"란 문구가 걸려 있었다. 짙은 남색 조명 아래, 다임러트럭 이노베이션 센터 인디아(DTICI)의 라다크리슈난 코닥칼(Radhakrishnan Kodakkal) 매니징 디렉터 겸 CEO가 두 손을 주머니에 찔러 넣은 채 무대를 가로질러 걸어 나와, 10년 뒤에도 계속 진화하는 트럭의 미래를 말했다.
다음 날 전체 일정이 거의 끝나갈 무렵에는 다임러트럭의 디비야 무랄리다란(Divya Muraleedharan) 디퓨티 제너럴 매니저와 만시 토나피(Mansi Tonapi) 시니어 솔루션 아키텍트가 보라색 조명 아래 나란히 섰다. 한 사람은 크림색 재킷을, 다른 한 사람은 스트라이프 블라우스를 입고 있었다. 두 사람이 꺼낸 이야기는 40년 된 PDM을 걷어낸 기록이었다.
두 세션을 나란히 놓으면 40년간 복잡해진 과거의 시스템으로 앞으로 10년 이상 진화할 트럭을 만들 수 있는가란 질문이 떠오른다. 코닥칼이 예지정비와 디지털 트윈, 가상검증으로 이어지는 목적지를 보여줬다면, 무랄리다란과 토나피는 그곳에 도달하기 위해 무엇부터 바꿔야 했는지를 공개했다. 코닥칼이 남겨둔 엔지니어링 기반의 빈칸을 다음 날 발표가 채웠다. 비전은 무대 위에서 완성되지만, 기반은 무대 밖에서 완성됐다.

미래의 트럭은 출고 후에도 설계된다

코닥칼은 브라질 외딴 지역에서 농산물을 운송하는 물류회사를 가정해 설명했다. 지금은 트럭에 이상이 생기면 운전자가 경고등을 보고 무엇이 고장 났는지 짐작해야 한다. 그가 그리는 미래에는 트럭이 스스로 상태를 진단하고, 정비소에 필요한 부품 정보를 미리 전달하며, 지금 당장 멈춰야 하는지 며칠 더 운행해도 되는지까지 판단한다. 여기서 중요한 건 예지정비라는 기능 자체가 아니다. 트럭이 팔리는 순간 개발이 끝나던 시대가 끝났다는 것이다. 코닥칼은 이렇게 말했다.
“트럭은 한번 판매되면 10년, 혹은 그 이상 고객과 함께합니다. 그 10년 동안 기술이 얼마나 많이 진화할지 생각해보십시오.”
그는 상용차가 10년 이상 운행되는 동안 소프트웨어와 사이버보안 규제가 매년 바뀐다고 말했다. 인도의 커넥티비티 프로그램을 검토하다 발견한 것도 같은 문제였다고 했다. 올해 규제 하나, 내년 또 하나, 그다음 해 또 하나. 이런 변화를 차량에 계속 반영하려면 설계와 운영, 정비 데이터를 다시 개발로 연결하는 폐쇄 루프가 필요하다.
그가 화면에 띄운 트럭은 CFD 해석으로 그려진 와이어프레임이었다. 파란 선으로 이뤄진 차체 위로 붉고 노란 열유동 곡선이 흘렀다. 가상검증이라는 말이 그렇게 그림 한 장으로 표현됐다.
그런데 이런 루프를 만들려면 차량보다 먼저 엔지니어링 시스템이 바뀌어야 한다. 차가 똑똑해지기 전에, 조직이 먼저 똑똑해져야 했다.

다임러트럭은 두 번 태어났다

2021년 12월, 다임러트럭은 다임러 AG에서 분리돼 독립기업으로 출범했다. 무랄리다란과 토나피의 발표는 이 시점에서 시작한다.
분사 당시 물려받은 것은 약 1,500개의 애플리케이션과 오래된 PDM이었다. 독립 시스템을 세우는 데 주어진 시간은 3년 반. 가장 쉬운 길은 기존 시스템을 그대로 옮기는 것이지만, 발표의 핵심은 다른 데 있었다. 슬라이드에는 "과거의 복잡성을 다시 만들지 말자"는 문구가 큼지막하게 걸렸다.
슬라이드에는 달 표면에 선 우주비행사 사진이 걸렸고, 캡션으로는 "일생일대의 기회"가 달려 있었다. 분사를 단순한 IT 분리 작업이 아니라, 과거를 다시 선택할 수 있는 기회로 본 셈이다.
“우리는 새로운 회사였지만, 동시에 레거시를 안고 있는 회사였습니다. 이것은 우리에게 일생일대의 기회였습니다.” 무랄리다란이 말했다.
그 기회는 기존 시스템을 그대로 복제하는 데 있지 않았다. 독립기업이 된 지금이라면 무엇을 다르게 설계할 것인지, 레거시가 없는 회사라면 어떤 시스템을 선택할 것인지를 처음부터 다시 묻는 데 있었다.
목표는 세 가지 원칙으로 정리됐다. 표준화, 조화, 그리고 플랫폼. 지역별 커스터마이징을 최소화하고, 사업부별로 흩어진 프로세스를 하나로 조화시키며, 프로젝트 단위가 아니라 플랫폼 단위로 설계한다는 것이다. 지멘스의 Teamcenter를 새 플랫폼의 기반으로 삼고 완전한 클라우드 기반 환경으로 전환하는 방향을 택했다. 새 시스템의 이름은 PLATON이었다. 분사는 다임러트럭에 단순히 자유를 준 사건이 아니라, 미래를 위한 선택을 강제한 사건이었다.
흥미로운 것은 발표팀이 이 작업을 'PLM 전환'이 아니라 'PDM 전환'이라고 불렀다는 점이다. PLM은 요구사항부터 설계, 검증, 제조, 서비스까지 제품 생애주기 전체를 아우르는 훨씬 큰 개념이다. 그런데 이 세션이 다룬 것은 그 생애주기를 떠받치는 아래층, 즉 제품 데이터를 관리하는 기반이다. 새로운 기능을 PLM 위에 얹기 전에, 40년에 걸쳐 복잡해진 제품 데이터 관리 체계부터 다시 세우는 작업인 셈이다. PLATON은 그 자체가 목적지가 아니라 앞으로 확장될 PLM의 백본이었다. 첫날 코닥칼이 그린 AI와 디지털 트윈의 미래까지 시야를 넓히면, 그 출발점에 놓인 엔지니어링 데이터 기반이기도 했다.

복잡성은 옮기는 게 아니라 걷어내는 것이다

“제가 경험한 일부 마이그레이션은 복잡성을 제거한 것이 아니라 다른 곳으로 옮긴 것이었습니다. 한 시스템의 커스터마이징과 레거시 프로세스를 다른 시스템의 새로운 집으로 가져가는 것이었죠.” 무랄리다란이 말했다.
다임러트럭이 피하려 한 것도 바로 이것이었다. 데이터를 옮기면서 기존 시스템이 40년에 걸쳐 만들어낸 예외와 타협까지 그대로 복제한다면, 플랫폼만 새로워질 뿐 엔지니어링의 복잡성은 달라지지 않는다.
프로젝트의 규모는 상당했다. 미주·유럽·아시아 세 대륙, 7개 사업부, 900만 개 객체, 123테라바이트의 파일, 5,200개의 BOM. 여기에 60개 이상의 연계 애플리케이션이 실시간과 배치 방식으로 데이터를 주고받고 있었다.
토나피는 이 규모의 이전이 왜 어려운지를 네 가지로 설명했다. 사업부마다 독립적으로 운영되던 프로세스를 조화시키는 일, 방대한 레거시 데이터를 법적 보관 목적까지 고려해 이전하는 일, 60개가 넘는 연계 시스템의 통합, 그리고 기존 엔지니어링 클라이언트를 새 시스템으로 교체하면서 생산 현장까지 전 과정을 검증하는 일이었다.
초기 접근은 기술 검증에 치우쳐 있었다. PoC는 있었지만 전사적으로 확장할 수 있는 결과물은 없었고, 사업부 사이의 조화 전략과 MVP 기준도 분명하지 않았다. 여기에 시간 압박과 이상적인 해법 사이의 간극이 겹쳤다.
그러자 다임러트럭은 접근법을 바꿨다. 모두의 요구를 보존하는 대신 실제로 확장 가능한 결정을 내리는 쪽을 택했고, 애자일 개발만으로 풀기 어려운 전환의 마감과 품질을 관리하기 위해 품질 게이트 기반 접근으로 전환했다. 이때부터 빅뱅 전환이 현실적인 선택지로 들어왔다.
완벽한 해법을 기다리다 시간을 놓치는 대신, 반복 검증을 전제로 앞으로 나아가는 쪽을 택했다. 완벽보다 진전(Progress over perfection)이었다. 그러나 검증까지 타협한 것은 아니었다.
여기서 가장 큰 저항은 기술이 아니라 조직이었다. 각 사업부는 자신의 프로세스가 특수하며 보존돼야 한다고 여겼다. 발표팀이 꼽은 답은 리더십과 거버넌스를 분명히 하고, 모든 사업부를 의사결정 과정에 참여시켜 책임과 주인의식을 나누는 것이었다.
토나피는 이 과정에서 흔히 과소평가되는 요소로 현업의 조기 참여를 꼽았다.
“비즈니스 조직을 처음부터 참여시켜야 합니다. 그래야 현업의 피드백을 받고, 처음부터 제대로 만들어갈 수 있습니다.”
이는 완성된 시스템을 현업에 전달하고 적응을 요구하는 방식과는 달랐다. 각 사업부가 검증과 의사결정에 일찍 참여하면서 변화의 대상이 아니라 전환의 주체가 되도록 한 것이다. 다임러트럭과 지멘스 양쪽에서 전문가를 찾아 안정적인 팀을 꾸리고, 복잡한 프로세스 안에서도 병렬 작업이 가능하도록 구조를 명확히 했다.
이것은 PDM 교체가 아니라, 기존 시스템이 만들어놓은 예외와 타협을 걷어내는 작업이었다.

빅뱅은 하루였지만, 성공은 반복에서 나왔다

2026년 4월 13일, 다임러트럭은 새 시스템 PLATON으로 한꺼번에 전환했다. 결과는 전 세계 7,000명의 사용자, 123테라바이트의 이전 데이터, 7차례의 주요 테스트 사이클, 1만 5,000건이 넘는 테스트 케이스였다.
규모만 보면 전형적인 빅뱅이다. 그런데 발표에서 강조한 것은 숫자보다 역설이었다. 전환은 하루지만, 준비는 하루가 아니었다는 것이다. 검증은 기본 객체와 속성에서 시작해 하위 제품 구조, 버스와 트럭의 제품 구성, 사업부별 특수 규칙으로 범위를 넓혀갔다. 테스트 역량은 30%에서 60%, 90%, 최종 100%로 단계적으로 올라갔다. CAD 파일이 실제로 열리는지, BOM 구성이 완전한지, 사업부 사이의 데이터 공유 규칙이 유지되는지를 반복적으로 확인한 결과였다.
“마이그레이션 전략은 빅뱅이었지만, 우리의 단계와 검증은 반복적이었습니다.” 토나피가 말했다.
마지막 슬라이드의 제목은 "PLATON is LIVE — Where We Are Today"였다.
이 슬라이드는 발표의 정직함을 보여줬다.
“우리는 완벽하지 않습니다.” 무랄리다란이 말했다.
강력한 사전 계획 덕분에 빅뱅 전환은 예상보다 순조로웠고, 안정적인 운영 체계와 향후 PLM으로 확장할 기반도 마련됐다. 그러나 버그 수정은 여전히 진행 중이고 모든 것을 테스트하지는 못했으며, 전 지역과 시간대에 걸친 성능 안정화도 남아 있었다. PLATON은 가동됐지만 전환이 끝난 것은 아니었다.

미래는 도메인 전문성과 디지털 인텔리전스를 결합하는 조직의 것

다시 첫날 코닥칼의 발표로 돌아가면, 그가 말한 미래의 전제조건이 보인다.
AI가 트럭의 상태를 판단하려면 실시간 운영 데이터만으로는 부족하다. 그 차량이 어떤 사양으로 생산됐는지, 어떤 부품과 소프트웨어가 탑재됐는지, 어떤 조건에서 검증됐는지 알아야 한다. 실시간 데이터와 40년간 쌓인 도메인 지식이 연결돼야 한다.
“미래는 도메인 전문성과 디지털 인텔리전스를 결합할 수 있는 조직의 것입니다.” 코닥칼이 말했다.
두 발표를 나란히 놓으면 그 말의 전제가 보인다. AX는 AI 기능을 하나 더 얹는 프로젝트가 아니다. AI가 판단할 수 있도록 제품과 데이터, 프로세스 사이의 관계를 다시 설계하는 일이다. 이때 과거를 끊는다는 것은 과거의 지식을 버린다는 뜻이 아니다. 다임러트럭이 걷어내려 한 것은 40년 동안 쌓인 제품 지식이 아니라, 그 지식을 가두고 있던 커스터마이징과 예외, 지역별 프로세스와 시스템의 복잡성이었다. 미래의 트럭은 과거의 엔지니어링 지식을 필요로 한다. 다만 과거의 시스템까지 필요로 하는 것은 아니다. 다임러트럭은 미래를 연결하기 위해, 둘을 분리하는 일부터 시작했다.
세션이 끝난 뒤 무랄리다란에게 이런 전환이 전통적인 대형 OEM에서도 가능하다고 보느냐고 물었다. 그녀는 다임러트럭 역시 여러 제품군과 많은 사용자를 가진 만큼 전환이 결코 쉽지 않았다며 답을 분명히 했다. "가능하다고 생각합니다."
규모 자체가 장벽은 아니었다. 문제는 그 규모와 함께 축적된 복잡성을 어디까지 걷어낼 수 있느냐다. 다임러트럭이 미래와 연결되기 위해 먼저 끊어낸 것은 과거가 아니라, 과거가 남긴 복잡성이었다.

혼다, 주행 중 무선충전 기반 기술 개발

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-10-08 09:10:23+0900

혼다자동차 연구개발 자회사 혼다 R&D가 5일 대형 상용 전기차까지 대응할 수 있는 주행 중 무선충전 도로 시스템의 기반 기술을 개발했다고 발표했다. 혼다 R&D와 타이세이(Taisei Corporation), 타이세이 로텍(Taisei Rotec Corporation)은 2027 회계연도(2027년 4월~)부터 일본 공공도로에서 자기 결합 방식의 무선전력전송(Wireless Power Transfer, WPT) 도로 시스템의 실증 시험에 나설 계획이다.

이 시스템은 도로에 전력 송신 장치를 매립하고 차량이 도로를 주행하는 동안 무선으로 전력을 공급하는 동적 무선전력전송(Dynamic Wireless Power Transfer, DWPT) 기술을 기반으로 한다. 혼다는 2021년부터 DWPT 기술을 개발해 왔으며, 물류·운송 분야를 초기 적용 대상으로 삼고 있다.

이번 공동 연구에는 각 사의 기술이 결합됐다. 혼다 R&D는 DC 배전 방식의 도로 매립형 전력 송신 시스템과 차량에 탑재되는 전력 수신 시스템을 개발하고, 타이세이는 고속 응답 DC 전원공급 시스템을 담당한다. 타이세이 로텍은 무선충전 도로의 시공 방법을 개발한다. 3사는 도로포장 구조와 내구성 평가, 기존 도로의 개량 방법, DC 배전 및 무선전력전송 시험도 공동으로 수행했다.

회사	역할
타이세이	DC 전원공급 시스템 개발
혼다 R&D	• 도로에 매설되어 차량에 전력을 공급하는 DC 배전 기반 GA 시스템 개발 • 전력을 공급받는 VA 장치를 장착한 차량 시스템 개발
타이세이 로텍	WPT 도로 건설 방법 개발
3사	• 내장형 GA 시스템을 적용한 WPT 도로의 포장 구조 개발 및 내구성 시험 • WPT 도로 및 관련 장비 개선 방법 개발 • DC 배전 및 WPT 테스트

공동 연구에서 3사의 주요 역할

DWPT 시스템은 크게 지상의 DC 전원공급 시스템, 도로에 매립되는 여러 개의 전력 송신 장치(ground assembly, GA)와 이를 DC로 연결하는 시스템, 차량에 탑재되는 전력 수신 장치(vehicle assembly, VA)로 구성된다. 3사는 타이세이 그룹 미래기술 필드인 T-FIELD/SATTE의 시험도로에서 대형 상용차 적용을 전제로 기술을 검증했다.

특히 약 20톤의 차량 총중량을 견딜 수 있도록 도로 매립형 GA의 내부 구조와 포장 구조를 최적화했다. 대형 차량의 반복적인 통행에 대응할 수 있도록 강도와 내구성을 확보하는 데 초점을 맞췄다.

전력 공급 측면에서는 도로에 매립되는 각 GA 내부의 인버터와 코일을 하나의 DWPT 유닛으로 통합했다. 혼다는 자사가 2026년 9월 말까지 공개된 사례를 조사한 결과, 인버터와 코일을 하나의 DWPT 유닛으로 통합한 방식으로는 세계 최초로 공개된 것이라고 설명했다. DC 배전 구조와 지상의 DC 전원공급 시스템을 결합해 고응답·안정적인 고출력 무선전력전송을 구현한다는 설명이다.

연구 프로젝트에 적용될 혼다 기술

도로 시공 측면에서는 기존 포장도로에 밀링 후 GA를 매립할 수 있는 구조를 적용했다. 밀링 과정에서 발생할 수 있는 도로 표면의 단차에 대응하는 구조를 적용하고, DC 배전 방식을 통해 매립 구간의 배선을 단순화해 부품 수와 시공 작업량을 줄였다. 기존 도로뿐 아니라 향후 포장도로를 재포장 때도 GA를 매립하기 쉽도록 설계했다.

3사는 2026년 말부터 타이세이 그룹의 T-FIELD/TAMRA에 시험주행 도로를 구축하고 추가 검증을 진행한다. 실제 차량을 이용해 바퀴당 49kN 하중을 기준으로 100만 회의 바퀴 하중에 해당하는 장기 내구성 시험을 실시하고, DWPT 성능과 전자기장 누설 대응 방안도 검증할 예정이다.

이후에는 대형 상용차 적용을 고려해 최대 150kW 출력에서의 무선전력전송 성능과 고속 주행 차량에 대한 전력전송 신뢰성을 검증한다. 또한 동일본고속도로(NEXCO East)가 일본 지바현 다테야마 고속도로에서 2027 회계연도부터 추진하는 DWPT 실증 프로젝트인 ‘다테야마 프로젝트(Tateyama Project)’에도 참여할 예정이다.

혼다는 이번 DWPT 기술을 물류 및 운송 분야를 중심으로 실용화하는 한편, 도로 인프라 기업과 정부기관, 에너지 관련 기업 등 자동차 산업 외부의 파트너와도 공동 개발을 이어갈 계획이다.

슈나이더 일렉트릭, 226억 달러에 PTC 인수 ··· 산업 소프트웨어·AI 강화

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-10-07 13:54:49+0900

슈나이더 일렉트릭(Schneider Electric)이 산업용 소프트웨어 기업 PTC를 약 226억 달러(약 30조원)에 인수한다. 양사는 5일 PTC 지분 100%를 주당 205달러에 전량 현금으로 인수하는 최종 계약을 체결했다고 발표했다.

이번 인수를 통해 슈나이더 일렉트릭은 산업용 소프트웨어와 AI 사업을 확대하고, 제품 설계·엔지니어링부터 제조, 운영 및 유지보수까지 산업 전 생애주기를 연결하는 소프트웨어·데이터 기반을 구축한다는 계획이다. PTC는 CAD, PLM, ALM, SLM 등의 소프트웨어를 통해 복잡한 산업 제품의 설계와 엔지니어링, 제품 및 엔지니어링 데이터 관리를 지원하며 전 세계 3만여 고객을 보유하고 있다.

양사는 PTC의 제품·엔지니어링 데이터를 슈나이더 일렉트릭이 보유한 공정·에너지 데이터 기반과 연결해 통합된 디지털 스레드와 AI 데이터 기반을 구축한다는 구상이다. 이를 통해 설계·제조 단계의 데이터와 실제 운영 환경의 데이터를 연결하고, 산업 AI가 제품과 설비의 생산성·효율성·복원력 및 지속가능성 개선에 활용될 수 있도록 한다.

슈나이더 일렉트릭은 이번 거래로 산업용 소프트웨어의 적용 시장이 약 3배 확대될 것으로 예상했다. 인수 이후 소프트웨어·서비스 매출은 그룹 전체 매출의 약 24%를 차지하고, 소프트웨어 인력은 1만5,000명 이상, 소프트웨어 고객은 5만곳 이상으로 확대될 것으로 전망했다.

재무 측면에서는 3년 차까지 연간 2억5,000만 유로의 비용 시너지와 약 8억 유로의 매출 시너지를 창출한다는 목표를 제시했다. 인수 대금은 약 220억 유로 규모이며, 약 50억~60억 유로의 신주 발행과 160억~170억 유로의 신규 부채를 통해 조달할 예정이다. 거래 종결은 PTC 주주 및 규제기관 승인을 거쳐 2027년 3분기로 예상된다.

이번 인수는 슈나이더 일렉트릭이 에너지 관리와 산업 자동화 중심의 사업 영역을 산업 소프트웨어와 AI까지 확장하면서, 설계 데이터와 운영 데이터를 연결하는 산업 디지털화 역량을 강화하려는 전략의 일환으로 볼 수 있다.

보스턴다이나믹스, 신임 CEO에 로히트 프라사드 영입

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-10-07 13:24:55+0900

현대자동차그룹의 로봇 계열사 보스턴다이나믹스(Boston Dynamics)가 6일(현지시간) 아마존 출신 로히트 프라사드(Rohit Prasad)를 신임 최고경영자(CEO)로 임명한다고 발표했다.

이번 인사는 보스턴다이나믹스가 강점을 가진 로봇 기술에 첨단 AI 역량을 결합해 피지컬 AI(Physical AI)의 상용화를 가속화하기 위한 것으로 풀이된다. 프라사드는 10월 7일부터 CEO로 업무를 시작한다.

프라사드는 약 12년간 아마존(Amazon)에서 AI 관련 업무를 수행했다. 초기부터 음성 기반 AI 비서 ‘알렉사(Alexa)’ 개발에 참여했으며, 이후 알렉사 및 인공일반지능(AGI) 조직의 수석부사장 겸 수석과학자로서 AI 기술 개발을 이끌었다. 최근에는 기업용 파운데이션 모델인 ‘아마존 노바(Amazon Nova)’ 제품군 개발을 주도했다.

아마존에 합류하기 전에는 레이시온 BBN 테크놀로지스(Raytheon BBN Technologies)에서 약 14년간 근무하며 머신러닝 연구와 미국 정부 및 기업을 대상으로 한 응용 기술 개발을 수행했다. 기초 AI 연구부터 실제 제품과 서비스로 구현하는 과정까지 경험한 것이 주요 경력으로 꼽힌다.

보스턴다이나믹스는 이번 CEO 선임을 통해 기존 로봇 플랫폼에 첨단 AI 역량을 결합하고, 실제 환경에서 작동하는 지능형 로봇의 제품화와 상용화를 앞당긴다는 구상이다. 회사는 피지컬 AI를 로봇이 실제 환경을 인식하고 상황을 판단해 작업을 수행하도록 하는 기술 영역으로 보고 있으며, 로봇의 이동성과 작업 수행 능력에 AI를 결합하는 데 초점을 맞추고 있다.

특히 현대차그룹의 제조·물류·모빌리티 사업과 보스턴다이나믹스의 로봇 기술을 결합하는 작업도 한층 강화될 것으로 보인다. 현대차그룹은 올해 초 공개한 AI 로보틱스 전략에서 보스턴다이나믹스의 AI 로봇 기술과 그룹의 제조 역량 및 글로벌 가치사슬을 결합해 엔드투엔드(E2E) AI 로보틱스 가치사슬을 구축하겠다고 밝힌 바 있다.

현대차그룹은 제조 현장을 로봇의 학습과 검증을 위한 환경으로 활용하고, 로봇 기술과 부품, 물류, 소프트웨어를 연결해 개발부터 양산 및 서비스 적용까지 이어지는 구조를 구축한다는 계획이다. 특히 휴머노이드 로봇 ‘아틀라스(Atlas)’를 그룹 제조 환경에서 학습시키고 실제 적용 가능성을 검증하는 방안도 추진하고 있다.

보스턴다이나믹스의 제품 포트폴리오는 산업 현장 점검 등에 활용되는 4족 보행 로봇 ‘스팟(Spot)’, 물류·유통 분야의 박스 운반 로봇 ‘스트레치(Stretch)’, 개발 중인 전기식 휴머노이드 플랫폼 ‘아틀라스’로 구성된다. 회사는 로봇의 이동성·손재주·지능을 기반으로 산업 및 상업 환경에서 자동화 적용 범위를 확대하고 있다.

현대차그룹은 보스턴다이나믹스의 지분 확대도 추진하고 있다. 현대차그룹은 지난 7월 소프트뱅크가 보유한 보스턴다이나믹스 잔여 지분과 관련해 기존 계약에 따른 인수 절차를 진행하고 있다고 밝히면서, 그룹의 로봇 관련 사업 간 협력을 강화하고 피지컬 AI 기술의 개발·검증·상용화를 가속하겠다는 방향을 제시했다.

이번 인사는 보스턴다이나믹스가 연구개발 중심의 로봇 기술 확보에서 나아가 AI를 결합한 지능형 로봇의 제품화와 사업 확장에 무게를 두는 과정으로 볼 수 있다. 특히 대규모 소비자 AI 서비스와 파운데이션 모델 개발 경험을 갖춘 프라사드의 합류로 로봇의 물리적 동작 능력과 AI 소프트웨어를 통합하는 전략이 강화될 것으로 예상된다.

현대차그룹 장재훈 부회장 겸 보스턴다이나믹스 이사회 의장은 “보스턴다이나믹스가 보유한 업계 최고 수준의 로봇 기술, 로히트 프라사드가 입증한 AI의 글로벌 규모 제품화 역량, 그리고 현대차그룹의 첨단 제조·물류·모빌리티 역량은 피지컬 AI를 구축하고 확장할 수 있는 강력한 기반을 제공한다”며 “로히트가 실제 환경에서 구현되는 피지컬 AI의 새로운 시대를 이끌게 된 것을 매우 기쁘게 생각한다”고 말했다.

현대차·기아, 아헨 콜로키움서 전동화·수소 기술 경쟁력 공유

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-10-07 11:58:13+0900

현대자동차·기아가 독일 아헨에서 열린 ‘아헨 콜로키움 2026(Aachen Automotive Colloquium 2026)’에서 전동화와 수소연료전지 기술을 비롯한 미래 모빌리티 관련 기술을 소개했다.

아헨 콜로키움 2026 키노트 스피치 패널 토론에 참여한 만프레드 하러 사장(좌측부터 스테판 피싱어 RWTH 아헨공과대학교 교수, 다카시 우에하라 토요타 파워트레인 사장, 카르스텐 헬빙 리비안·폭스바겐 그룹 테크놀로지스 공동 CEO, 만프레드 하러, 루츠 에크슈타인 RWTH 아헨공과대학교 자동차공학연구소장)

현대차·기아는 10월 5일부터 7일까지 열린 이번 행사에서 기조연설과 기술 세션, 기술 전시 및 차량 시승 프로그램 등을 진행했다. 아헨 콜로키움은 완성차 업체와 부품사, 연구기관, 대학 및 산업계 전문가들이 자동차 기술과 산업 발전 방향을 논의하는 기술 콘퍼런스다.

행사 둘째 날인 6일에는 현대차·기아 R&D본부장 만프레드 하러 사장이 ‘경계를 넘어, 지속 가능한 미래를 확장하다’를 주제로 기조연설을 했다. 현대차·기아가 아헨 콜로키움에서 기조연설을 맡은 것은 1987년 행사 시작 이래 처음이다.

하러 사장은 기조연설에서 EV, HEV, EREV, FCEV를 아우르는 xEV 전략을 소개하고 전동화 기술별 강점을 활용해 시장 변화와 고객 요구에 대응하는 방향을 제시했다. 또 자동차 개발 과정에서 엔지니어링 기술과 AI 기반 디지털 역량의 융합이 중요해지고 있으며, AI를 엔지니어의 역량과 창의성을 확장하는 도구로 활용할 수 있다고 밝혔다.

차량이 운전 패턴과 선호도를 학습해 맞춤형 주행 지원을 제공하고, 데이터와 소프트웨어 업데이트를 통해 출고 이후에도 기능을 발전시키는 미래 모빌리티 구상도 소개했다. 현대차·기아는 이를 위해 차량 데이터와 고객 경험을 기반으로 제품과 서비스를 개선하는 ‘데이터 플라이휠(Data Flywheel)’ 구조와 디지털 트윈 및 가상 검증을 활용한 연구개발 체계를 추진하고 있다고 설명했다.

전시장에서는 수소연료전지와 전동화 관련 기술을 선보였다. 수소 분야에서는 PEM(Proton Exchange Membrane, 고분자 전해질막) 수전해 스택, 수소저장탱크, ‘디 올 뉴 넥쏘’의 연료전지 시스템을 전시했다. 전동화 분야에서는 배터리 팩과 셀, 2-스테이지 모터 시스템, 차세대 하이브리드 시스템 변속기(TMED-II), 파워모듈 등을 전시했다.

현대차·기아 부스에 전시된 PEM 수전해 스택, 연료전지 시스템, 수소저장탱크 등 수소에너지 관련 전시물

차량 시승 프로그램도 운영했다. 참가자들은 ‘디 올 뉴 넥쏘’와 ‘GV60 마그마’를 행사장 인근 11~12km 지정 코스에서 주행하며 수소연료전지 차량과 고성능 전동화 차량을 직접 체험했다.

현대차·기아는 행사 마지막 날인 7일 수소, 전동화, 배터리를 주제로 한 기술 세션에도 참여한다. 수소연료전지 기술의 발전 방향과 xEV 전동화 기술의 확장 전략, 차세대 배터리 기반 미래 모빌리티 방향성 등을 다룰 예정이다.

올해 35회를 맞은 아헨 콜로키움은 독일 아헨공과대학교(RWTH Aachen University) 산하 연구기관이 주관한다. 이번 행사에는 글로벌 완성차 업체와 부품사, 연구기관 및 대학 관계자 등이 참가해 자동차 기술과 산업의 발전 방향을 논의했다.

패러데이 퓨처, 피지컬 AI 지주회사로 전환 ··· 로보택시 사업도 추진

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-10-07 10:36:16+0900

미국 전기차 및 인공지능(AI) 모빌리티 제조기업 패러데이 퓨처 인텔리전트 일렉트릭(FFAI)이 전기차 제조 중심의 사업구조에서 벗어나 피지컬 AI 투자, 인큐베이션 및 지주회사로 거듭난다. 로봇 사업은 나스닥 상장사 AIxC와 통합해 독립 상장을 추진하고, 자동차 사업은 로보택시와 EAI 캐빈(EAI Cabin) 기술을 중심으로 확대한다.

AIxC는 기존의 암호화폐 사업 전략을 전면 중단하고, 로봇 연구개발(R&D), 공급망, 제조, 판매, 배치, 데이터 및 운영을 아우르는 ‘Four-Core Full-Stack AI’ 생태계를 중심으로 한 순수 로봇 에코시스템 기업으로 전환할 예정이다.

FFAI는 AIxC를 향후 FF EAI 로보틱스 에코시스템(FF EAI Robotics Ecosystem, FFR)으로 전환할 계획이다. 양사는 로봇 사업의 결합 가치를 약 2억 달러로 제시했으며, 거래가 완료되면 FFAI는 FFR의 최대 지배주주로 남게 된다. 다만 구체적인 거래 조건은 최종 계약과 양사 이사회 특별위원회, 규제기관의 승인을 거쳐 확정될 예정이다.

FFAI는 이와 함께 자동차 사업의 방향도 바꾼다. 자율주행과 공유 자율주행 모빌리티, 모빌리티 서비스 확산에 대응해 자산 부담을 낮춘 사업모델을 모색하고, 로보택시 운영과 인공지능 기반의 지능형 차량 내부 공간 기술인 EAI 캐빈을 결합한 사업으로 자동차 사업을 확장한다.

구체적으로 FFAI는 RoboShare를 통해 로보택시 및 자율주행 공유 모빌리티 사업을 확대할 계획이다. 여기에는 사이버캡(Cybercab) 네트워크와의 연결, FF의 ‘3rd aiSpace’ EAI 캐빈 기술을 다른 지능형 차량에 적용하는 방안, FF 차량을 로보택시 네트워크에 연결하는 방안 등이 포함된다. FFAI는 로봇 서비스형 플랫폼(RaaS)인 RoboShare와 운영 역량을 활용해 차량 자산 등록과 운영, 사용자 서비스 분야에서도 사업 기회를 모색할 계획이다.

이번 사업 전환의 한 축은 FFAI가 보유한 로봇 사업을 별도의 기업으로 성장시키는 것이다. FFAI는 성숙한 사업을 독립적인 상장기업으로 분리하면 사업별 가치와 성장성을 보다 명확하게 평가받을 수 있고, 모회사 차원에서 사업 확장에 필요한 자금을 지속적으로 조달하면서 발생하는 주주가치 희석도 줄일 수 있다고 설명했다.

FFAI의 로봇 사업은 2026년 들어 사업 규모를 확대하고 있다. 회사에 따르면 8월 말 기준 EAI(Embodied AI) 디바이스 누적 판매 및 출하량은 552대이며, 2분기 로봇 제품의 평균 공헌이익률은 30%를 넘어섰다. 누적 매출은 약 152만 달러를 기록했다. 세 가지 로봇 형태에 걸쳐 24개 제품을 출시했으며, 모두 FCC 인증을 획득하고 사용자 인도가 진행 중이라고 FFAI는 밝혔다.

로봇 하드웨어뿐 아니라 EAI Brain, 개발자 플랫폼, 데이터 사업 등으로 생태계를 확대하고 있다는 점도 회사가 강조하는 부분이다. 자체 개발한 EAI Brain은 엔지니어링 테스트 및 공급 단계에 들어갔으며, Developer Platform 1.0은 운영을 시작했다. EAI Data Factory는 실제 로봇 데이터 수집과 학습을 위한 첫 번째 데이터 생산 사이클을 완료했으며, 산업 생산성 솔루션 4종도 출시했다. RoboShare는 유료 주문을 확보했다고 회사는 설명했다.

FFAI는 로봇 사업의 매출이 2026년 710만 달러, 2027년 4,517만 달러로 증가하고, 5년 누적 매출은 약 19억8,000만 달러에 이를 것으로 예상하고 있다. 매출총이익률은 2027년 30.5%에서 2030년 약 54%까지 높이는 것을 목표로 한다. 향후 5년간 연구개발에는 약 3억 달러를 투자할 계획이다. 회사는 이 같은 수치가 예비 전망이며 실제 결과는 크게 달라질 수 있다고 밝혔다.

YT 지아(YT Jia) 패러데이 퓨처(FF) 설립자 겸 글로벌 CEO는 “이번 전략적 전환을 통해 FF가 자동차 산업의 변화에서 다시 한번 주도적인 역할을 할 기회를 얻게 됐다”며 “로봇스 사업과 AIxC를 결합해 독립 상장 로봇 기업을 설립하고, 보다 개방적이고 탄력적인 방식으로 가치를 창출할 것”이라고 말했다.

어플라이드 인튜이션, 혼다·닛산과 협력 ··· 일본 완성차 SDV 개발 지원

박종서 기자_fop1212@autoelectronics.co.kr — 2026-10-06 11:02:04+0900

피지컬 AI 솔루션 기업 어플라이드 인튜이션(Applied Intuition)이 6일 일본 완성차 업체 혼다자동차, 닛산자동차와 각각 차세대 차량 소프트웨어 개발 협력을 발표했다. 두 협력 모두 어플라이드 인튜이션의 자체 소프트웨어 'Vehicle OS'를 활용해 완성차 업체의 소프트웨어 개발을 지원한다는 내용이다.

어플라이드 인튜이션은 혼다와 소프트웨어 정의 차량(SDV) 개발 가속화를 위한 파트너십을 맺었다. 혼다는 어플라이드 인튜이션의 Vehicle OS와 개발 툴을 활용해 중앙집중적이고 업그레이드가 가능한 SDV 플랫폼의 사내 개발 속도를 높일 계획이다. 어플라이드 인튜이션은 Vehicle OS가 하이브리드 차량을 포함한 모든 파워트레인을 지원하며, 혼다가 중시해 온 품질, 안전성, 신뢰성을 유지하면서 개발을 지원한다고 설명했다.

닛산과는 'AI 정의 차량(AI-defined vehicle)' 개발을 위한 협력을 추진한다. 어플라이드 인튜이션은 닛산 내부 엔지니어링 팀과 긴밀히 협력해 차량 소프트웨어 개발을 지원하고, '닛산 스케일러블 오픈 OS'의 핵심이 되는 ECU에서 구동되는 미들웨어를 개발한다. 두 회사는 다양한 차종에 걸쳐 활용될 공통 소프트웨어 플랫폼을 구축하고, AI 기반 도구를 개발 전 단계에 도입해 개발 속도 향상과 지속적인 기능 진화를 도모한다는 방침이다. 양사 관계는 2020년 어플라이드 인튜이션이 닛산 엔지니어링 팀과 개발 툴 협업을 시작하면서 시작됐다.

최근에는 AWS 서밋 재팬(AWS Summit Japan)에서 공동 개발한 데모 차량을 선보인 바 있다. 개발 중인 SDV 플랫폼을 탑재한 '닛산 리프' 시제품을 활용한 이 시연에서는 관람객이 차량의 환영 시퀀스 변경안을 선택하면 엔지니어가 이를 구현 및 검증해 차량에 직접 배포했고, 변경된 동작이 곧바로 차량에 반영됐다. 어플라이드 인튜이션은 통상 수개월이 걸리는 워크플로가 수 분으로 단축됐다고 설명했다.

회사 측은 자동차 소프트웨어 개발이 요구사항 정의, 구현, 공급업체 인계, 테스트, 통합, 검증 단계를 거치는 구조여서 비교적 작은 변경에도 수개월이 걸릴 수 있다고 설명했다. 어플라이드 인튜이션은 Vehicle OS가 요구사항부터 개발, 시뮬레이션, 검증, 디버깅, 배포까지를 AI 기반의 단일 플랫폼으로 연결한다고 밝혔다. 회사는 피지컬 AI용 에이전트형 플랫폼 '다나(Dana)'도 자동차 제조사의 개발 수명주기에 적용해 복잡한 워크플로 자동화와 검증 가속화를 지원할 수 있다고 설명했다.

어플라이드 인튜이션은 유럽과 미국 등 주요 승용차 시장에서 구축한 기존 파트너십을 바탕으로 현재 전 세계 주요 시장의 완성차 업체들과 협력하고 있다. 회사는 혼다와의 협력이 완성차 업체의 소프트웨어 파트너로서 자사의 역할이 확대되고 있음을 보여준다고 밝혔다.

좋은 아이디어는 부족하지 않다, 과제는 통합이다

한상민 기자_han@autoelectronics.co.kr — 2026-10-06 10:54:17+0900

INTERVIEW
마틴 칼
Martin Kahl
Director of Technical, FISITA

자동차 산업에 좋은 아이디어는 많다. 어려운 것은 이를 안전하고 신뢰할 수 있으며 대규모로 구현 가능한 시스템으로 만드는 일이다. 기자와 애널리스트를 거쳐 FISITA 기술 디렉터로 일하는 마틴 칼은 AI가 제품과 조직을 동시에 바꾸는 동안, 경쟁우위는 기술을 통합하고 검증하며 업데이트하는 능력에 있다고 말한다. 한국에서 11월 4일부터 이틀간 열리는 2026 FISITA 서밋을 앞두고, 지역마다 달라지는 산업 전략 속에서 무엇을 함께 풀고 무엇을 다르게 구현해야 하는지 물었다.

글 | 한 상 민 기자 _ han@autoelectronics.co.kr

Automotive World 편집장으로 10년 넘게 일했고, FISITA에 합류하기 전에는 몇 년간 산업 리서치를 했습니다. 기자로서 산업을 취재하던 때와 기술 디렉터로서 산업의 의제를 만드는 일을 돕는 지금, 자동차 산업을 보는 시각은 어떻게 달라졌습니까? 밖에서 산업을 보도할 때는 몰랐지만 지금은 알게 된 것은 무엇입니까?
Kahl       흥미로운 변화였습니다. 기자이자 애널리스트로 일할 때는 경영진이 내놓은 전략을 일단 액면 그대로 받아들인 뒤, 시장이 다른 이야기를 하는지 살펴보는 경우가 많았습니다. FISITA에서는 업계 리더들뿐 아니라, 그 전략을 안전하고 신뢰할 수 있으며 확장 가능한 시스템으로 바꿔내는 일을 맡은 뛰어난 엔지니어들과도 직접 일합니다. 지금 훨씬 분명하게 이해하게 된 것은, 겉보기에 단순한 결정 하나하나 뒤에 얼마나 깊은 상호의존이 있는가 하는 점입니다. 그 자체로는 매력적인 기술이라도 규제, 인프라, 제조, 비용, 안전, 고객 기대를 모두 충족해야 합니다. 좋은 아이디어는 부족하지 않습니다. 진짜 과제는 그것들을 통합하고, 대규모로 실현하는 일입니다.

2026 FISITA 서밋 프로그램을 짜면서, 처음에는 중요해 보였지만 비중이 줄어든 주제나, 반대로 과정 중에 중요성이 커진 주제가 있었습니까? 그런 변화는 지금 업계의 실제 우선순위에 대해 무엇을 말해 줍니까?
Kahl       EuroBrake나 Intelligent Safety Conference 같은 기술 컨퍼런스와 달리, 리더십 서밋에서 하나의 핵심 주제를 골라내는 일은 꽤 어렵습니다. 바로 그 때문에 올해 주제를 '모빌리티의 복잡성을 끌어안다(Embracing the complexities of mobility)'로 정했습니다. 모빌리티에서 목표는 이 기술 아니면 저 기술로 달성되는 경우가 드뭅니다. 답은 대개 '둘 다'입니다. 시장과 용도, 고객이 다르면 필요한 해법의 조합도 달라집니다. 그래서 중요성이 커진 것은 특정 기술 하나가 아니라, 그 결과로 생기는 복잡성을 관리하면서도 장기 목표를 놓치지 않는 업계의 역량이었습니다.

FISITA는 경쟁 이전 단계의 협력(pre-competitive collaboration)을 기반으로 합니다. 실제로 SDV, AI, 배터리 기술, 자율주행 분야에서 기업들이 협력을 시도했지만 합의에 이르지 못한 구체적인 영역이 있습니까? 그런 사례는 무엇이 어려웠습니까?
Kahl       합의에 이르지 못한 것을 협력의 실패라고 보지는 않습니다. 경쟁 이전 단계의 논의에서는 기술적, 규제적, 상업적 차이가 실제로 드러나는 것만으로도 매우 가치가 있습니다. 모든 참여자가 문제를 더 분명하게 이해하고 돌아가기 때문입니다. 가장 어려운 영역은 대개 공통 표준이 독자적 지식재산권, 제품 차별화, 법적 책임, 서로 다른 출시 일정과 맞물리는 곳입니다. SDV 아키텍처, AI 신뢰성 보증, 배터리 데이터, 자율주행 검증에는 모두 이런 긴장이 들어 있습니다.
FISITA의 역할은 이런 중요한 논의가 이뤄지고 서로 다른 관점이 이해될 수 있는 신뢰의 환경을 만드는 것입니다. 이를 주로 전문가 워킹그룹을 통해 하고 있습니다. 워킹그룹은 이 모든 주제와 그 이상을 다루며, 전 세계 그리고 모빌리티 기술 생태계 전반의 엔지니어들을 한자리에 모읍니다.

25년간 이 산업을 취재하고 분석해 온 경험에 비춰 볼 때, AI는 엔지니어링 차원을 넘어 산업 차원의 의사결정 방식을 얼마나 바꿨습니까? 그동안 보도해 온 이전의 기술 전환과 비교해 이번에 진정으로 다르게 느껴지는 점은 무엇입니까?
Kahl       25년 동안 많은 것이 바뀌었지만, AI가 다르게 느껴지는 이유는 제품과 조직에 동시에 영향을 미치고 있기 때문입니다. AI는 이미 백오피스 업무를 빠르게 하고, 데이터 분석의 속도와 폭을 넓히며, 시뮬레이션과 예측, 의사결정 지원에서 새로운 가능성을 열고 있습니다. 산업 차원에서는 계획 주기를 줄이고, 자본을 투입하기 전에 더 많은 시나리오를 시험해 볼 수 있게 합니다.
다만 도입의 속도와 수준은 고르지 않습니다. 어떤 기업은 공격적으로 움직이며 AI를 중심으로 역할과 프로세스를 다시 설계하고 있고, 어떤 기업은 데이터 품질, 거버넌스, 안전, 지식재산권, 인력에 미칠 영향 때문에 사업과 운영에 AI를 훨씬 신중하게 들여오고 있습니다. AI의 가장 큰 차이는 그 영향 범위입니다. AI는 별도의 기술 프로그램이 아니라 거의 모든 기능에 영향을 줄 수 있는 역량이며, 우리는 이제야 그 역할과 영향력이 얼마나 강력한지 보기 시작했습니다.

최근 'AI 정의 차량(AI-defined vehicle)'이라는 용어가 주목받고 있고, 서밋 프로그램에도 반영돼 있습니다. FISITA는 이를 별개의 범주로 봅니까, 아니면 더 넓은 SDV 개념 안의 다음 단계로 봅니까? 업계는 둘 사이를 어디서 구분해야 합니까?
Kahl       FISITA는 이 문제에 대해 공식 입장을 정하지 않습니다. 그 판단은 기업 회원과 학회 회원들에게 맡깁니다. 다만 개인적으로는, AI 정의 차량을 완전히 별개의 범주라기보다 소프트웨어 정의 차량이 진화하는 다음 단계로 봅니다.
최근 한 업계 고위 임원이 제게 이렇게 말했습니다. "이제야 소프트웨어 정의 차량을 이야기하고 있다면, 이미 늦었을지도 모릅니다." AI는 차량의 거의 모든 영역에 어느 정도씩 적용되고 있습니다. 소프트웨어가 아키텍처와 연결성, 업데이트 가능성을 제공한다면, AI는 차량이 데이터를 해석하고 상황에 적응하며 의사결정을 지원하는 방식을 점점 더 좌우합니다.
저는 'AI 정의 차량'이라는 용어가 완성차 업체나 공급업체가 개별 AI 기능을 덧붙이는 수준을 넘어, 차량과 그 개발 생애주기 전반에 지능을 얼마나 설계해 넣고 있는지를 보여주는 말이라고 생각합니다. 신생 제조사들은 기존 체계의 제약이 적은 상태에서 출발했을 수 있지만, AI가 주는 기회가 분명해지면서 기존 완성차 업체들도 빠르게 움직이고 있습니다.

이번 서밋에는 기존 완성차 업체와 신생 모빌리티 기업이 함께 모입니다. 이들은 복잡성을 관리하는 방식에서 근본적으로 다릅니까, 아니면 이제 같은 엔지니어링 과제를 마주하고 있습니까? 이런 환경에서 경쟁우위는 개별 기술의 탁월함에서 그것들을 하나의 시스템으로 통합하는 능력으로 옮겨가고 있습니까?
Kahl       문화, 개발 주기, 조직 체계, 위험 감수 성향에는 실제로 차이가 있습니다. 신규 진입자는 처음부터 소프트웨어와 디지털 아키텍처를 중심으로 회사를 꾸릴 수 있고, 기존 제조사는 안전, 검증, 제조, 글로벌 규모에서 깊은 전문성을 갖고 있습니다.
그러나 주류 차량을 실제 도로에 내놓는 단계에 이르면 엔지니어링 과제는 같아집니다. 모든 회사는 소프트웨어, 전자장치, 파워트레인, 연결성, ADAS, 점점 늘어나는 자동화 기능과 사이버보안을 차량 제조의 기본기와 함께 하나의 믿을 수 있는 시스템으로 통합해야 합니다. 많은 신생 업체가 기존 완성차 업체 출신의 숙련된 엔지니어와 임원을 영입해 온 이유도 여기에 있습니다.
경쟁우위는 기술을 통합하고, 효율적으로 검증하고, 시간이 지나면서 업데이트할 수 있는 능력에 있습니다. 그래서 공급망 전반의 협력이 점점 더 중요해지고 있습니다.

서밋의 지역별 심층 세션은 유럽, 북미, 아시아를 다룹니다. 전동화와 자율주행 같은 해법에서 전 세계 자동차 산업이 공통의 로드맵으로 모일 것이라고 봅니까? 아니면 규제, 인프라, 도로 환경의 차이 때문에 지역마다 다른 길을 걷게 될까요? 결정적인 요인은 기술, 규제, 대중의 수용성, 아니면 다른 무엇입니까?
Kahl       현재 세계 자동차 산업은 세 주요 지역의 정책 결정자들에 의해 형성되고 있으며, 미국, 유럽, 중국은 산업 전략과 자동차 전략에서 서로 다른 방향으로 가고 있습니다.
업계 전문가들이 FISITA의 팟캐스트 'Beyond the Car'에서 이 문제를 다뤘는데, 바로 그 이유로 한 에피소드의 제목이 '글로벌 카여 안녕, 지역 자동차여 안녕하세요(Goodbye global car, hello regional auto)'였습니다. 각 지역은 자국의 역량을 보호하고 키우면서 소비자에게는 매력적인 모빌리티 선택지를 주고 싶어 합니다. 완성차 업체와 공급업체의 과제는 정책 결정자가 요구하는 것과 소비자가 원하는 것 사이에서 균형을 잡는 일입니다.
성공은 기술, 규제, 인프라, 비용, 사용자 경험이 만나는 최적의 균형점을 찾는 데 달려 있습니다. 핵심 기술, 안전 원칙, 검증 방법에서는 어느 정도 공통점이 늘어나겠지만, 단일한 글로벌 로드맵이 나오리라고 보지는 않습니다. 기술은 보급을 가능하게 할 수 있지만, 그 기술이 어디서, 얼마나 빨리 실현 가능해질지는 규제와 대중의 신뢰, 탄탄한 비즈니스 모델이 결정할 것입니다.
가장 바람직한 길은 근거와 안전 성과에 대해서는 국제적으로 기준을 맞추고, 실제 구현은 각 지역의 여건을 반영하도록 하는 것입니다. 그리고 그것이 분열된 세계에서 국제 협력을 촉진하는 FISITA의 역할입니다.

올해 서밋은 FISITA 회장인 김창환 현대자동차 부사장이 주최해 한국에서 열립니다. 글로벌 엔지니어링 관점에서 지금 한국은 어떤 의미를 갖습니까? 해외 참가자들이 서밋과 현대자동차그룹 연구개발 시설 방문을 통해 무엇을 얻어가기를 바랍니까?
Kahl       한국은 역동적이고 빠르게 움직이는 모빌리티 기술 개발의 중심지입니다. 한국의 주요 자동차 그룹들은 배터리와 전기차, 반도체, 소프트웨어 정의 차량과 AI 정의 차량, 자율주행, 로보틱스, 목적기반차량(PBV), 미래항공모빌리티(AAM)에서 세계적 수준의 역량을 갖추고 더 넓은 의미의 모빌리티 기업으로 자리를 옮겨 가고 있습니다. 그 야망이 세계로 뻗어 가는 모습은 현대자동차그룹이 2025년부터 2028년까지 자동차 생산, 철강, 로보틱스에 걸쳐 미국에 260억 달러를 투자하기로 한 계획, 북미 시장을 겨냥해 멕시코에 전기차 생산 기반을 마련하기 위한 기아의 6억 4,900만 달러 투자, 그리고 로보틱스와 미래 모빌리티 역량을 강화하기 위해 현대자동차그룹이 11억 달러를 들여 보스턴 다이내믹스의 경영권 지분을 인수한 데서 볼 수 있습니다.
2026 FISITA 서밋에 참가하는 모든 분이 더 단단한 국제적 관계를 쌓고, 업계의 가장 복잡한 과제는 꾸준한 엔지니어링 대화와 협력을 통해서만, 그리고 물론 이번 행사의 주제처럼 모빌리티의 복잡성을 끌어안음으로써 해결할 수 있다는 점을 더 분명히 느끼고 돌아가기를 바랍니다.

Woven City at one year: what remains of the 2020 vision, and what has changed

한상민 기자_han@autoelectronics.co.kr — 2026-10-06 10:20:38+0900

볼보-와비, 텍사스서 자율주행 트럭 고객 운송 개시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-10-06 09:38:27+0900

볼보그룹 산하 자율주행 전문 기업 볼보 오토노머스 솔루션즈(Volvo Autonomous Solutions, V.A.S.)와 캐나다 자율주행 기술기업 와비(Waabi)가 미국 텍사스에서 첫 고객 대상 자율주행 운송을 시작했다고 5일(현지시간) 밝혔다.

‘와비 드라이버(Waabi Driver)’를 탑재한 장거리 자율주행 전용 트럭 ‘볼보 VNL 오토노머스(Volvo VNL Autonomous)’는 댈러스~휴스턴 구간에서 화물을 제3자 시설로 직접 운송한다. 고객사는 오픈소스 화물 네트워크 업체인 워프(Warp)로, 이 회사는 운송업체와 화주를 대상으로 소량화물(less-than-truckload, LTL)과 전체화물(full-truckload, FTL) 운송 서비스를 제공한다. 현재 자율주행 운송은 운전석에 관찰자(observer)가 탑승한 상태로 이뤄진다.

V.A.S.는 자사의 자율주행 운송 서비스 모델인 'Autona/freight'를 워프의 화물 네트워크에 통합했다. Autona/freight는 볼보 VNL 오토노머스, 와비의 자율주행 기술, 차량 및 운송 관리, 터미널 및 고객 접점, 운영 및 가동 시간 지원을 통합해 확장 가능하도록 설계된 통합 운송 솔루션이다. 볼보 VNL 오토노머스는 처음부터 자율주행을 염두에 두고 설계된 차량으로, 안전 필수 시스템 6개에 대해 이중화 설계를 갖췄으며, 와비 등 파트너사의 자율주행 시스템을 통합할 수 있도록 설계됐다.

LTL 운송은 여러 고객의 화물을 모아 운송하고 분배하는 과정이 촘촘한 일정 아래 조율돼야 하는 분야다. 회사 측은 시설 간 화물을 중간 인계 없이 직접 운송함으로써 워프 같은 LTL 업체가 운송 일정을 보다 예측 가능하게 관리할 수 있다고 설명했다.

V.A.S.와 와비는 댈러스~휴스턴 구간에서 쌓은 실제 운영 경험을 토대로 추가 노선을 준비하여 향후 몇 년간 자율주행 화물 운송 확대를 추진할 계획이다.

TI, 임베디드 전 제품군에 Zephyr RTOS 지원 확대

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-10-02 11:25:21+0900

텍사스 인스트루먼트(Texas Instruments, TI)가 자사 임베디드 포트폴리오 전반에 오픈소스 실시간 운영체제(RTOS)인 Zephyr 지원을 확대한다고 2일 밝혔다.

이번 통합을 통해 TI는 자사 마이크로컨트롤러(MCU), 마이크로프로세서(MPU), 무선 연결 장치 전 제품군에 걸쳐 양산에 바로 적용할 수 있는 통합 개발 환경(Integrated Development Environment, IDE)을 제공한다. 이번 지원 대상에는 초저전력 Arm Cortex-M0부터 고성능 M33 코어까지 아우르는 MCU가 포함된다. TI는 단순한 센싱부터 복잡한 커넥티드 임베디드 시스템까지 활용 사례에 맞춰 확장할 수 있도록 플랫폼을 설계했다고 소개했다.

TI는 개발자가 반도체 공급업체를 바꿀 때 코드를 다시 작성해야 하는 분산된 소프트웨어 생태계의 부담을 줄이는 데 초점을 맞췄다. 다른 플랫폼에서 Zephyr를 사용하는 개발자는 코드베이스를 다시 구축하거나 기존 워크플로를 포기하지 않고 TI 반도체로 전환할 수 있다. 기존 Zephyr 코드베이스와 툴체인, 오픈소스 워크플로를 그대로 유지하고, Zephyr RTOS 환경을 벗어나지 않고 TI의 임베디드 및 아날로그 제품으로 전체 시스템을 설계하는 것도 가능하다.

TI는 Zephyr 기반 소프트웨어 개발 키트(SDK)를 정기적으로 업데이트해 취약점에도 대응한다. 이 업데이트는 리눅스 재단의 장기 지원 체계를 따른다. TI가 업스트림 Zephyr 커뮤니티에 기여하는 코드는 SDK 출시 전에 커뮤니티의 코드 리뷰를 먼저 거친다. TI는 코드와 레퍼런스 설계도 커뮤니티에 제공한다. 개발자는 공개 GitHub 페이지의 CI/CD를 통해 최종 SDK에 반영되기 전의 리소스와 신규 기능을 조기에 이용할 수 있다.

TI는 검증된 릴리스, 마이그레이션 가이드, 하위 호환성 안내 등을 제공해 10년 이상 수명 주기를 지원하는 TI 반도체 기반 제품의 유지보수 부담을 줄일 수 있다고 설명했다. 또한 자사 Zephyr 플랫폼이 사이버 복원력 법(Cyber Resilience Act, CRA)을 준수한다며, EU 시장을 겨냥하는 개발자가 현행 규제 요건 충족에 대한 확신을 갖고 사용할 수 있고 자체 규정 준수 부담도 줄일 수 있다고 밝혔다.

CRA는 디지털 요소를 포함한 제품의 사이버 보안 요구 사항을 규정한 EU 규정이다. 공격에 실제로 악용되는 취약점과 심각한 사고를 보고해야 하는 의무는 2026년 9월 11일부터 적용되고, 필수 보안 요건과 CE 마킹 등은 2027년 12월 11일부터 적용된다. 보고 의무는 이미 EU 시장에 출시된 제품에도 적용되며, 제조사는 악용 취약점을 인지하면 24시간 내 조기 경보를 제출해야 한다. 이 의무는 제품을 만드는 제조사에 부과되므로, 개발자는 SDK 지원과 별개로 자사 제품의 취약점 대응 및 보고 체계를 갖춰야 한다.

지멘스, Simcenter Testlab 업데이트 발표

한상민 기자_han@autoelectronics.co.kr — 2026-10-02 10:25:02+0900

지멘스(Siemens)가 물리적 테스트 소프트웨어 Simcenter™ Testlab™의 최신 업데이트를 발표했다고 2일 밝혔다.

새로운 업데이트는 통합 테스트 워크플로, 자동화, 데이터 관리 기능을 강화해 테스트 설정부터 엔지니어링 인사이트 도출까지 걸리는 시간을 줄이는 데 초점을 맞췄다. 주요 개선 사항은 구조 동역학, 시스템 NVH(소음·진동·불쾌감) 예측, AI 준비 데이터 구축, 충격·진동 테스트 준비 영역이다.

구조 동역학 및 NVH 예측

Simcenter Testlab Neo는 셰이커 데이터 수집, 실시간 시각적 설정 피드백, 완전한 Simcenter SCADAS 하드웨어 지원을 하나의 통합된 구조 동역학 테스트 환경으로 제공한다. 이를 통해 숙련도에 관계없이 모든 사용자가 데이터 품질을 향상하고 설정 오류를 줄일 수 있도록 지원한다.

Simcenter Testlab Neo는 이번 업데이트로 차세대 워크플로로의 전환을 마쳤다. 엔드투엔드 구조 동역학 워크플로를 통합해 수작업을 줄였고, 전문지식이 부족한 팀원도 일관된 방식으로 테스트를 설정 및 수행할 수 있다. 지멘스는 구조 동역학 프로세스 전반에서 최대 35%의 효율 향상을 기대할 수 있다고 밝혔다.

새 시스템 NVH 예측 워크플로는 부품 특성화와 가상 프로토타이핑을 통합했다. 지멘스는 실물 프로토타입 제작 전 성능 평가 속도가 최대 60% 빨라진다고 소개했다.

자동화된 부품 모델 추출 솔루션도 추가됐다. 시스템 수준 NVH 분석에 쓸 재사용 가능한 모델을 만드는 수작업을 줄이는 기능으로, ISO 20270에 따른 NVH 부품 특성화 프로세스를 산업화한다. 측정과 추출 워크플로를 자동화해 최소한의 수작업으로 반복 가능하고 처리량이 높은 부품 테스트를 수행할 수 있도록 지원한다.

AI 준비 데이터 구축

데이터 수집, 분석, 관리를 하나의 환경으로 통합했다. 향상된 주석과 자동화 기능으로 재사용이 쉬운 AI 친화적 데이터셋을 구축할 수 있다. 물리적 테스트 데이터를 가상 데이터로 보완해 AI 모델 학습에 활용하는 기능도 지원한다.

가상 셰이커 테스트

Simcenter Testlab은 가상 셰이커 테스트 기능을 도입해 엔지니어가 전체 테스트 설정을 모델링하고, 인증 시나리오를 평가하며, 고가의 하드웨어를 실제로 테스트하기 전에 컨트롤러 설정을 조정할 수 있도록 지원한다. 이를 통해 우주선의 주요 테스트 캠페인에서 불확실성과 위험을 줄일 수 있다.

항공우주 및 방위산업 팀은 가상 셰이커 테스트로 인증과 내구성 테스트를 사전에 준비할 수 있다. 전체 테스트 설정 모델을 구축해 실물 하드웨어에 본 테스트를 적용하기 전에 여러 시나리오를 평가하는 방식이다.

Simcenter Testlab Go·SCADAS Go

Simcenter Testlab Go와 Simcenter SCADAS Go는 별도 라이선스 없이 사용할 수 있다. Simcenter SCADAS 하드웨어를 이용한 시간 데이터 수집, 모니터링, 검증 과정을 단순화하며, 라이선스 관리, 동글(Dongle), 네트워크 의존성을 없앴다. 기존 하드웨어 투자의 활용도를 높이는 데 목적이 있다.

자세한 내용은 Simcenter Testlab 블로그에서 확인할 수 있다.

현대차·기아, 서울시와 레벨4 자율주행 시내버스 생태계 구축

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-10-02 09:23:30+0900

좌측부터 박민우 현대차·기아 AVP본부장(사장), 오세훈 서울시장, 김정환 서울시버스운송사업조합 이사장

현대자동차·기아가 서울특별시, 서울특별시버스운송사업조합과 '레벨4 자율주행 시내버스 상용화 및 산업 생태계 구축을 위한 업무협약(MOU)'을 체결했다고 1일 밝혔다.

서울시청사에서 열린 협약식에는 오세훈 서울시장, 박민우 현대차·기아 AVP본부장(사장), 김정환 서울특별시버스운송사업조합 이사장 등이 참석했다.

이번 협약은 서울시 내 자율주행 시내버스 실증 및 운영을 통해 레벨4 상용화와 산업 생태계를 조기에 구축하는 것을 목표로 한다.

현대차·기아는 자율주행 시스템의 탑재와 연동에 최적화된 ‘자율주행 특화 버스’를 개발 및 공급한다. 이 차량은 표준화된 센서 구성과 이중화(redundancy) 부품을 갖춘 플랫폼 형태의 차체로 제공된다.

이를 통해 자율주행 개발사는 보다 안정적인 환경에서 기술을 검증 및 개발하고, 운수사는 운행의 연속성을 확보해 운영 효율성을 높일 수 있다. 또한 표준화된 데이터 수집이 가능해져 자율주행 기술 개발에 유리한 환경을 확보할 수 있다.

자율주행 버스 전용 관제 플랫폼도 새로 구축해 이번 실증사업에 투입한다. 이 플랫폼은 실시간 운행 관제를 비롯해 비상상황 모니터링, 차내 위험상황 대응 기능을 제공한다. 현대차·기아는 이를 통해 수집한 운행 데이터를 서울시 버스시스템과 연동하고, 데이터 기반의 생태계 조성에 활용한다는 계획이다.

서울시는 자율주행 시내버스 도입에 필요한 정책 수립과 제도 개선을 지원하고, AI 기반 학습 데이터 공유 등을 추진한다. 서울특별시버스운송사업조합은 운수사의 자율주행 버스 전환과 인력 및 인프라 지원에 협력한다.

박민우 사장은 “자율주행 기술을 시민이 안심하고 이용할 수 있는 대중교통 서비스로 발전시킨다는 점에서 의미가 크다”며 “레벨4 자율주행 시내버스 상용화가 우리나라 자율주행 산업의 새로운 성장 기반을 마련하는 계기가 될 것이라 기대한다”고 말했다.

현대차·기아는 지난 9월 서울시의 ‘자율주행자동차 운송플랫폼 민간사업자’ 공모에 선정됐다. 이에 따라 모빌리티 플랫폼 ‘셔클’을 통해 강남·상암 지역에서 시범운영 중인 자율주행 택시와 새벽동행버스를 이용할 수 있을 전망이다.

LG엔솔, 美 인디고테크와 46시리즈 공급 MOU

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-10-02 08:39:31+0900

LG에너지솔루션이 미국 전기 상용차 스타트업 인디고테크(indiGOTech)와 46시리즈 원통형 배터리 적용을 위한 전략적 업무협약(MOU)을 체결했다고 1일 밝혔다.

양사는 인디고테크가 개발 중인 차세대 전기 상용차 ‘플로 라이드(Flow Ride)’, ‘플로 카고(Flow Cargo)’ 등에 LG에너지솔루션의 46시리즈 배터리 셀을 우선 적용하는 방안을 협의하기로 했다. 공급 계약 논의와 함께 주행거리 연장, 충전 시간 단축 등을 위한 기술 협력도 추진한다.

2010년 설립된 인디고테크는 구동 및 서스펜션 시스템을 바퀴에 통합한 ‘스마트휠(SmartWheels)’ 기술을 보유하고 있다. 이 기술을 바탕으로 물류 및 배송, 차량 호출 서비스 등에 활용될 전기 상용차를 개발하고 있으며, 충전 인프라와 디지털 모빌리티 서비스를 결합한 TaaS(서비스형 교통) 사업도 추진 중이다.

시장조사기관 글로벌마켓인사이트에 따르면 글로벌 전기 밴 시장은 2024년 약 163억 달러에서 연평균 15.5% 성장해 2034년 약 656억 달러 규모에 이를 전망이다.

LG에너지솔루션은 이번 협약으로 북미 시장에서 46시리즈 공급 사례를 확대하게 됐다. 회사는 연내 미국 애리조나 퀸크릭 원통형 배터리 공장 가동을 계획하고 있다. 올해 2분기 기준 원통형 배터리 출하량은 전년 대비 1.5배 늘었다.

인피니언, 태국에 신규 후공정 제조 허브 개소

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-10-01 19:38:39+0900

인피니언 테크놀로지스(코리아 대표이사 이승수)는 방콕 사뭇쁘라깐(Samut Prakan)의 신규 후공정 제조 시설을 공식 개소했다고 1일 밝혔다.

이 시설은 인피니언의 글로벌 제조 기반을 강화하고 더욱 다각화하는 동시에 향후 성장을 위한 생산 역량을 확대한다. 동남아시아 중심부에 전략적으로 위치한 이 시설은 디지털화, 전동화 및 에너지 전환에 힘입어 장기적인 반도체 수요가 지속적으로 증가하는 가운데 전 세계 고객을 지원하기 위한 인피니언의 역량을 강화한다.

미래 성장을 고려해 설계된 이 시설은 최대 5개 모듈까지 확장할 수 있어, 향후 방콕이 인피니언의 최대 후공정 제조 거점 중 하나로 성장할 잠재력을 갖추고 있다. 현재 약 350명이 근무하고 있으며, 첫 번째 건물인 모듈 A의 생산이 본격화되면서 약 1,000명까지 확대될 것으로 예상된다. 새로운 방콕 시설은 인피니언의 글로벌 제조 네트워크를 더욱 다각화하는 동시에, 지속적으로 확대되고 있는 전공정 생산 역량을 보완한다.

인피니언 테크놀로지스의 알렉산더 고르스키(Alexander Gorski) 최고운영책임자(COO)는 “방콕은 뛰어난 입지와 성장 잠재력을 갖춘 인피니언의 중요한 글로벌 제조 거점”이라며 “동남아시아 중심부의 빠르게 성장하는 생태계와 뛰어난 글로벌 물류 접근성을 활용해 제조 네트워크를 더욱 다각화하고 안정적인 생산 역량과 높은 유연성을 바탕으로 고객을 지원할 수 있다”고 말했다.

방콕 시설은 첨단 자동화, 확장 가능한 설계 및 디지털 제조 기반을 결합해 대규모 생산 환경에서 효율적이고 안정적인 고품질 생산을 지원한다. 신규 부지에 처음부터 건설된 이 시설은 인피니언의 기존 후공정 제조 거점에서 축적된 전문성을 활용하는 동시에 변화하는 고객 요구와 신기술, 대량 생산에 유연하게 대응할 수 있도록 설계됐다. 첨단 클린룸과 조립 및 테스트 역량을 갖추고 있으며 높은 수준의 자동화가 적용된 방콕 시설은 웨이퍼 테스트를 비롯한 반도체 후공정 전반을 수행한다.

방콕 시설은 100% 친환경 전력으로 운영되며, 물 재활용 및 빗물 집수 시스템을 적용하고 현장에서 재생에너지를 생산하는 태양광 모듈도 설치했다. 이러한 조치는 자원 효율적인 제조를 지원하고, 전체 가치사슬에 걸쳐 탄소 발자국을 지속적으로 줄이려는 인피니언의 전략적 목표 달성에 기여한다.

BMW 신형 i3, 구동·주행 동역학 제어를 'Heart of Joy'로 통합

박종서 기자_fop1212@autoelectronics.co.kr — 2026-10-01 19:21:57+0900

BMW가 노이에 클라쎄(Neue Klasse) 기반의 첫 순수 전기 3시리즈 ‘BMW i3’를 공개했다. 개발 관점에서 눈에 띄는 대목은 개별 제원보다 구동 제어 구조다. BMW는 구동계와 주행 동역학 기능을 처음으로 하나의 제어 장치에 통합했다.

'Heart of Joy'와 Driving Stack: 기능 통합형 제어

i3의 제어 중심은 'Heart of Joy'라고 하는 고성능 컴퓨터다. Heart of Joy는 노이에 클라쎄에 적용된 6세대(Gen6) 순수 전기 구동 시스템 아키텍처를 위해 개발됐다. BMW 주장으로는 기존 시스템보다 10배 빠르게 동작한다. Heart of Joy의 ‘Driving Stack’은 처음으로 구동계와 주행 동역학에 관한 모든 기능을 하나의 제어 장치에 통합했다. 모터 토크 제어와 섀시 제어가 별도 ECU에서 협조하던 방식과 달리, 단일 연산 영역에서 처리하는 구조다. 내연기관 3시리즈에도 별도의 BMW Driving Stack이 적용된다. BMW는 이를 수십 년간 최적화해 온 시스템을 구동계 특성에 맞게 다듬은 것이라고 설명했다. 양쪽 스택은 각 구동 방식에 맞춘 별개의 솔루션이다.

Gen6 eDrive: 원통형 셀, 800V, 양방향 충전

신형 BMW i3에는 Gen6 eDrive 기술이 적용됐다. 원통형 셀 기반의 새로운 고전압 배터리, 고효율 전기모터, 800V 시스템, 그리고 양방향 충전이 핵심이다. 출시 시점 두 모델 모두 앞뒤 차축에 모터를 각각 얹은 듀얼 모터 사양이다.

	*BMW i3 50 xDrive*	*BMW i3 40 xDrive*
시스템 출력	345kW (469hp)	275kW (374hp)
최대 토크	645Nm	-
제로백(0→100km/h)	4.7초	-
배터리 용량	108.7kWh	82.8kWh
주행거리(WLTP, 최대)	912km	710km
DC 충전	최대 400kW	-

50 xDrive는 DC 충전소에서 10분 만에 최대 423km 주행에 필요한 에너지를 충전할 수 있다. 이 수치는 ISO 12906에 따라 WLTP 사이클로 산정했고, 충전기가 최대 출력을 낼 수 있다는 가정 하에 나온 결과다. 충전 성능은 배터리 상태와 온도, 보조 부하, 차량 충전 설정에 따라 달라진다. 공개된 수치로 단순 환산하면 효율이 대략 11.7~11.9kWh/100km(배터리 용량÷최대 주행거리)다. 이 수준에서 423km를 10분에 채우려면 약 50kWh를 넣어야 하고, 평균 약 300kW에 해당한다. 피크 400kW는 용량 대비 약 3.7C다. 이는 BMW가 밝힌 값이 아닌 추정치이며, 정확한 충전 곡선과 열관리 전략은 공개되지 않았다.
2027년에는 최상위 i3 M60 xDrive M Performance가 추가된다. 현재는 프로토타입 단계라 공식적인 WLTP 연비 및 배출가스 수치는 공개되지 않았다.

소프트웨어: AOSP 기반 OS X와 멀티모달 인터페이스

인포테인먼트와 조작 시스템인 BMW Panoramic iDrive는 BMW Operating System X를 기반으로 한다. OS X는 안드로이드 오픈 소스 프로젝트(AOSP) 기반이며, BMW는 업데이트와 업그레이드 확장성을 설계 목표로 내세웠다. 터치, 햅틱, 음성 기반의 상호작용을 결합한 멀티모달 방식이고, 지능형 퍼스널 어시스턴트에는 아마존 알렉사+ AI 기술이 통합된다. 알렉사+는 2026년 하반기부터 독일과 미국을 시작으로 순차 적용된다.
디스플레이 구성은 Panoramic Vision, 선택 사양 3D 헤드업 디스플레이, 운전자 쪽으로 기울인 17.9인치 센터 디스플레이, 다기능 스티어링 휠 네 요소다. 운전 관련 정보를 운전자 시선 방향에 배치한다는 게 BMW의 설명이다.

ADAS: 레벨 2 고도화와 AI 활용 확대

BMW는 SAE 레벨 2 운전자 보조 시스템과 능동 안전 기능이 이전 세대보다 향상됐다고 밝혔다. 운전자 행동과 보조 시스템 간의 직관적인 상호작용을 처리하는 'Symbiotic Drive'가 적용됐고, 고속도로 보조 기능인 'Motorway Assistant'는 최대 130km/h까지 핸즈프리 주행을 지원한다. 2026년 말까지 독일, 영국, 프랑스, 미국, 캐나다, 일본 등 21개국에서 제공되며 한국은 목록에 포함되지 않았다. 2027년부터는 내비게이션 연동 도심 부분 자율주행 기능이 추가된다. BMW는 부분 자율주행과 주차 상황에서 AI 활용을 늘렸다고 설명했다.

내연기관: BMW M350 xDrive와 Drift Moment

내연기관 라인업의 최상위는 M350 xDrive다. 크랭크샤프트 구동 스타터 제너레이터를 포함한 48V 마일드 하이브리드 시스템이 적용된 3.0L 직렬 6기통 가솔린엔진이 탑재되어 최고 출력 326kW(443hp), 0→100km/h 4.1초, 최고 속도 250km/h(제한)이다.
고효율 가솔린엔진을 탑재한 신형 BMW 3 시리즈 모델 출시와 함께 BMW M350 xDrive와 더불어 직렬 4기통 가솔린엔진을 탑재한 두 가지 모델이 공개됐다. 신형 BMW 3시리즈에 탑재되는 모든 가솔린엔진에는 최신 세대 BMW 'TwinPower Turbo' 기술이 적용됐다.
센터 디스플레이에서 조작하는 'Drift Moment'는 엔진 출력을 후륜에만 전달하는 기능이다. xDrive 차량의 구동력 배분을 운전자가 소프트웨어로 선택하게 한 사례이다.

생산: 공장별 역할 분담

신형 BMW i3는 뮌헨 공장에서 생산되고, 뮌헨은 2027년부터 노이에 클라쎄 전기차 전용 공장이 된다. 내연기관 3시리즈는 딩골핑에서 생산된다. 전기 구동계 핵심 부품과 엔진은 오스트리아 슈타이어 공장이, 고전압 배터리는 바이에른 이르바흐-슈트라스키르헨 공장이 담당한다.

폭스바겐 AG, 단체협약 일부 해지 통보 ··· 재협상 착수

박종서 기자_fop1212@autoelectronics.co.kr — 2026-10-01 09:40:59+0900

독일 폭스바겐 AG가 자동차 산업의 경쟁 환경 변화와 현재의 비용 압박에 대응하기 위해 여러 단체협약을 2026년 말부로 해지한다고 발표했다. 폭스바겐은 이와 함께 독일 금속노조(IG Metall)와 기존 ‘미래 단체협약’에 대한 재검토 협상에 들어갔다.

폭스바겐과 IG Metall은 9월 30일 독일 하노버에서 첫 협상을 진행했다. 양측은 앞서 ‘미래 단체협약’에 포함된 재검토 조항을 발동한 바 있다. 이 조항은 2025년 1월 1일 체결된 협약의 전제 조건이나 경제적 여건에 중대한 변화가 있을 경우 재협상 절차를 진행할 수 있도록 명시하고 있다. 폭스바겐 AG는 현재 상황이 이에 해당한다고 보고 있다.

폭스바겐의 이번 재검토 협상의 목표는 기존에 합의된 조치들을 체계적으로 이행하고, 사회적 책임을 다하는 범위 내에서 인력 감축을 위한 모든 가능한 방안을 총동원하는 것이다. 폭스바겐은 최근 자동차 산업의 경영환경이 크게 변화했으며, 지정학적 긴장과 무역장벽, 특히 중국 업체와의 경쟁 심화가 산업 전반에 영향을 미치고 있다고 설명했다.

아르네 마이스빈켈(Arne Meiswinkel) 폭스바겐 브랜드 인사담당 임원은 “지난 18개월 동안 자동차 산업과 폭스바겐을 둘러싼 경제적 환경이 크게 변했으며, 특히 중국 제조업체들이 경쟁력 있는 가격의 수출품을 앞세워 유럽 시장에서 입지를 확대하면서 가격과 경쟁 압력이 크게 높아졌다”며 "이에 따라 폭스바겐은 ‘미래 계획(Future Plan)’의 조치를 신속하고 체계적으로 실행해 경쟁력을 높여야 한다"고 말했다.

이번 해지 통보를 통해 향후 논의를 위한 협상 여지를 마련한다는 것이 폭스바겐의 설명이다.

다만 폭스바겐은 이번 해지 대상에서 고용보장 조항을 포함한 ‘미래 단체협약(Zukunftstarifvertrag)’을 명시적으로 제외했다. 또한 기존 단체협약은 법률에 따라 효력이 유지되기 때문에 당장 폭스바겐 직원들의 근로조건에는 당분간 아무런 변화가 없을 것이라고 밝혔다.

임금 문제도 협상의 주요 쟁점으로 제시됐다. 폭스바겐은 IG Metall이 예정된 단체교섭에서 요구하고 있는 5% 임금 인상이 현재 회사와 자동차 산업의 상황에 부합하지 않는다고 밝혔다. 대신 간접비를 절감하고 경쟁력 있는 수준으로 조정하는 것이 중요하다는 입장이다.

폭스바겐과 IG Metall은 10월 하반기에 추가 협상을 진행하기로 했다. 이번 협상에서는 기존에 합의한 조치의 이행과 비용 구조 조정, 단체협약의 조정 등에 대한 논의가 이어질 예정이다.

온세미 EPP, 전력 모듈을 팹에서 만든다

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-30 18:58:36+0900

지난 18일 공개된 온세미의 임베디드 파워 플랫폼(Embedded Power Platform, EPP)은 단순히 전력 반도체를 새로운 패키지에 넣는 기술과는 접근방식이 다르다. 핵심은 실리콘 웨이퍼 자체를 전력 시스템 설계의 일부로 활용한다는 것이다.
임병철 온세미 수석 엔지니어(Principle FAE)는 30일 온라인 기자간담회에서 EPP에 대해 “개발 초기 단계부터 전기적인 특성뿐만 아니라 기계적인 특성과 열 설계를 통합해 개발을 시작한다”며 “시스템 차원에서의 접근”이라고 소개했다.
EPP는 12인치 실리콘 웨이퍼를 기반으로 한다. 웨이퍼 내부에 실리콘(Si), 실리콘 카바이드(SiC), 질화갈륨(GaN) 같은 전력 다이를 내장하고, 다이 사이를 재배선층(Redistribution Layer, RDL)으로 연결한다. 드라이버와 컨트롤러도 같은 웨이퍼에 내장할 수 있다. 임 수석 엔지니어는 향후 패시브(수동) 부품도 내장하게 될 것이라고 말했다.

Embedded Power Platform (EPP) 단면

이것은 기존 전력 모듈의 구조와 대비된다. 전통적인 고전력 모듈에서는 전력 다이를 DBC(Direct Bonding Copper)와 같은 기판에 배치하고 와이어 본딩이나 클립 본딩(Clip Bonding) 등을 이용해 연결한다. EPP는 반도체 제조 공정(팹)에서 사용하는 RDL을 전력 소자의 연결에 활용함으로써 기존 패키지 구조에서 발생하는 전기적·열적 제약을 줄이는 데 초점을 맞췄다.

와이어 본딩 대신 RDL

EPP의 핵심은 와이어 본딩을 제거한 전력 경로다. 본딩 와이어는 전력 소자 사이의 연결 과정에서 기생 인덕턴스를 발생시키며, 고속 스위칭 환경에서는 서지 전압과 손실에 영향을 미친다. EPP는 웨이퍼 레벨에서 형성되는 RDL을 이용해 전력 다이 사이를 연결함으로써 이러한 기생 인덕턴스를 낮추는 구조를 구현한다.
임 수석 엔지니어는 '본딩 와이어가 곧 기생 인덕턴스'라며, RDL이 이를 크게 낮춘다고 설명했다. 기생 인덕턴스가 낮으면 전력 소자의 스위칭 특성을 보다 적극적으로 활용할 수 있다. 소자가 아무리 빠르더라도 패키지와 배선의 기생 인덕턴스가 크면 서지 전압과 링잉(Ringing) 때문에 속도를 제한해야 하기 때문이다. 스위칭 속도가 빠른 GaN 소자는 di/dt와 dv/dt가 매우 커 이러한 연결 구조의 영향이 특히 크다.
임 수석 엔지니어는 “EPP는 서지 전압을 낮게 유지하는 만큼 게이트 저항(Rg)을 줄여 스위칭 속도를 높일 수 있고, 그 결과 고주파 동작에도 대응할 수 있다”고 설명했다.
드라이버와 컨트롤러를 전력 소자 바로 옆에 두는 구조도 같은 맥락이다. 외부에 별도로 연결하던 드라이버는 배선 인덕턴스 때문에 노이즈가 생기는데, 이를 패키지 안으로 끌어들이면 제어 성능이 좋아지고 외부 결선이 줄어 시스템이 단순해진다.
EPP의 또 다른 핵심은 열 관리다. 기존 전력 모듈은 구리층 사이에 세라믹 절연층을 끼운 DBC 기판을 쓰는데, 고전압을 절연해야 하는 세라믹층이 열저항을 높이는 요인이 된다. EPP는 반도체 팹 공정으로 절연층을 웨이퍼 내에 직접 구현한다. 임 수석 엔지니어는 얇은 막으로 고전압 절연이 가능해 외부에 별도의 절연층이 필요 없고, 그만큼 모듈 전체의 열저항을 줄일 수 있다고 설명했다.
EPP는 패키지의 전체 면적을 방열 경로로 활용할 수 있다는 점도 특징이다. 전력 다이에서 발생한 열이 실리콘을 통해 패키지 전체로 전달되며, 이를 통해 열저항을 낮출 수 있다.
EPP의 전력 밀도는 단순히 다이를 작게 만드는 것만으로 구현되는 것이 아니다. 전력 소자의 집적, 전기적 연결, 절연, 열 방출을 기계적 구조와 함께 하나의 패키지 안에서 동시에 설계하는 구조가 높은 전력 밀도를 가능하게 한다. 온세미는 애플리케이션에 따라 기존 전력 모듈 대비 3~5배 높은 전력 밀도를 구현할 수 있으며, 전기차 트랙션 인버터에서는 최대 4배 높은 전력 밀도를 구현할 수 있다고 제시했다.

하나의 플랫폼, 여러 개의 다이 조합

EPP의 확장성은 내부에 어떤 다이를 내장하느냐에 달려 있다. 자동차 트랙션 인버터에서는 SiC가 주요 후보가 될 수 있지만, 요구 전력이 낮거나 비용이 민감한 애플리케이션에서는 실리콘(Si)을 선택할 수 있다. 반대로 높은 성능과 스위칭 특성이 필요한 고출력 시스템에서는 SiC 또는 온세미의 버티컬 GaN(vGaN)을 적용할 수 있다.
임 수석 엔지니어는 “하이브리드 자동차(HEV)처럼 상대적으로 낮은 전력이 요구되는 경우 실리콘을 적용할 수 있고, 300kW급 고성능 시스템에서는 SiC나 버티컬 GaN을 적용하는 방식으로 애플리케이션별 최적화가 가능하다”고 말했다.
이처럼 EPP는 특정 전력 반도체를 위한 단일 제품이라기보다 전력 소자와 드라이버, 컨트롤러를 애플리케이션 요구에 맞춰 조합할 수 있는 패키지 플랫폼이라 할 수 있다.
이러한 구조는 자동차에서 특히 의미가 있다. HEV부터 고출력 배터리 전기차(BEV)에 이르기까지 차량마다 요구되는 인버터 출력이 다르지만, 공통 EPP 플랫폼을 기반으로 내부 다이와 구성을 달리하는 방식으로 대응할 수 있기 때문이다.
임 수석 엔지니어는 EPP 기반 설계를 적용했을 때 기존 방식 대비 전기차 트랙션 인버터의 전력 손실이 15% 낮은 결과를 확인했다고 밝혔다.

패키지에서 팹으로

온세미가 EPP에서 강조하는 또 하나의 요소는 반도체 제조 인프라의 활용이다. EPP는 온세미가 이미 보유하고 있는 12인치 실리콘 웨이퍼 제조 인프라와 반도체 공정 기술이 적용된다. 본딩 와이어를 대체하는 RDL과 절연 구조 역시 웨이퍼 공정 단계에서 구현된다.
이 접근 방식은 설계 단계에도 영향을 미친다. 온세미는 전기적·열적·기계적 특성을 함께 고려하는 시뮬레이션과 디지털 트윈 환경을 활용해 실제 제작 전에 설계상의 문제를 파악하는 방식을 강조한다. 이를 통해 시뮬레이션 결과와 실제 제품 사이의 차이를 줄이고 개발 사이클을 단축할 수 있다는 설명이다. 기존 전력 모듈이 전기, 열, 기계 설계를 따로 진행한 뒤 조정하는 방식이었다면, EPP는 처음부터 세 영역을 하나의 설계 문제로 다루는 것이다.
이 때문에 EPP의 경쟁력은 패키지 구조와 함께 반도체 설계·공정·시뮬레이션을 전력 시스템 개발에 연결하는 개발 방식에 있다고 할 수 있다.

자동차에서 AI 전력 인프라로

EPP가 당장 자동차 양산 모듈을 대체하는 단계에 들어선 것은 아니다. 임 수석 엔지니어에 따르면, 온세미는 현재 스바루 등 일부 완성차 업체와 EPP 적용을 논의 중이거나 샘플을 제공해 검증을 진행하고 있다. 일정 기간의 검증 결과를 확보한 뒤 애플리케이션별 모델 전개 방향을 결정할 계획이다.
이번에 EPP의 구체적인 양산 일정은 공개되지 않았다. 기술적으로는 Si, SiC, GaN과 제어 소자를 하나의 플랫폼에 통합하고 전기·열 특성을 함께 최적화할 수 있는 구조를 확보했지만, 자동차에서는 실제 차량 환경에서의 신뢰성 검증과 고객 평가, 양산 승인이라는 과정을 거쳐야 한다.
온세미가 밝힌 EPP 접근 방식을 통한 개발 기간 단축 폭은 4개월이다. 또한, 온세미가 12인치 실리콘 웨이퍼를 4년간 양산에 적용해 왔기 때문에 공정 제어 기술은 이미 검증됐고 양산성도 양호하다는 입장이다. 그러나 이는 웨이퍼 공정 인프라에 대한 이야기다. EPP가 자동차 환경에서 장기간 견딜 수 있는지는 별개의 검증 대상이다.
EPP가 자동차 애플리케이션에서 실제 양산으로 이어지기 위해서는 신뢰성 검증과 고객 평가라는 중요한 관문이 남아 있다. 자동차 양산 관점에서 넘어야 할 문턱은 분명하다. 첫째, 내장 다이와 RDL, 절연층이 열 사이클과 진동 같은 자동차 환경을 견디는 신뢰성 데이터를 제시할 수 있어야 한다. 둘째, 전력 다이와 드라이버, 컨트롤러가 단일 패키지에 내장되는 구조에 어떤 규격 체계를 적용할지 고객과 정리가 되어야 한다. 셋째, 열저항과 절연 성능, 스위칭 특성을 담은 데이터시트와 주문 가능한 부품 번호가 준비돼야 한다. 따라서 EPP의 다음 단계는 이런 검증 자료로 확장성과 양산성을 입증하는 과정이 될 것이다.

이에, 자동차보다 800V 구조를 채택하는 AI 데이터센터가 상대적으로 EPP룰 빠르게 도입할 가능성이 있다. AI 데이터센터는 랙당 전력이 높아질수록 전력 공급과 변환 과정에서 더 높은 전력 밀도를 요구한다. EPP는 이런 환경에서 여러 전력 소자와 제어 기능을 하나의 패키지에 통합해 시스템을 소형화하고, 전력 소자와 제어 기능을 가까이 배치해 전력 경로를 단축하는 방식으로 활용될 수 있다.
온세미는 초기 EPP 기반 솔리드 스테이트 회로 차단기(SSCB) 설계가 기존 설계보다 크기가 약 50% 작고 온도는 20% 낮았다고 소개했다. 이 밖에 고속 충전기, 에너지저장시스템(ESS), 전력망용 전력 변환 등도 적용 후보로 거론된다.
EV와 AI 데이터센터가 800V라는 공통 전압을 사용하는 만큼, AI 인프라에서 쌓은 실적이 자동차 분야 진입을 뒷받침할 가능성도 예상해 볼 수 있다.

온세미, 자동차 사업 넘어 피지컬 AI로 확장

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-30 10:01:52+0900

온세미는 자동차 분야에서 축적한 전력 및 센싱 기술을 기반으로 피지컬 AI 시장으로 사업 영역을 확대한다고 30일 밝혔다. 전동화, 자율주행, 소프트웨어 정의 차량(SDV)을 중심으로 발전해 온 기술을 로봇과 산업 자동화 등 다양한 지능형 시스템에 적용한다는 전략이다.

수디르 고팔스와미(Sudhir Gopalswamy) 온세미 아날로그·혼합신호 및 지능형 센싱 그룹 사장은 인베스터 데이(Investor Day)에서 자동차 사업의 핵심 성장 동력인 전력과 센싱 기술이 차세대 산업 시스템과 피지컬 AI의 기반 기술로 활용될 수 있다고 설명했다.

전동화 분야에서는 실리콘 카바이드(SiC) 기술을 중심으로 전력 효율과 성능을 높이고, 차세대 1,000V 배터리 아키텍처를 겨냥해 1,400V SiC까지 제품 로드맵을 확대한다. 65nm 아날로그·혼합신호 플랫폼 ‘트레오(Treo)’와 임베디드 파워 플랫폼(EPP)을 통해 전력, 센싱, 제어 기능을 통합하는 시스템 수준의 솔루션도 강화한다.

자율주행 분야에서는 이미지, 초음파, 유도식 센싱을 비롯해 간접 비행시간측정(iToF)과 단파장 적외선(SWIR) 센싱으로 포트폴리오를 확대하고 있다. 다양한 센싱 기술을 결합해 조명, 안개, 비, 눈부심 등 복잡한 환경에서도 주변 상황을 인식할 수 있는 센싱 시스템 구축을 지원한다.

SDV 분야에서는 중앙집중형 컴퓨팅과 이더넷 기반 네트워크로 전환되는 차량 전자 아키텍처 변화에 대응한다. 차량 내 배선과 ECU 복잡성을 줄이고 소프트웨어 기반 기능 추가와 업데이트를 지원하는 과정에서 지능형 센싱 및 구동 노드의 역할이 확대될 것으로 보고 있다.

온세미는 이러한 자동차 기술을 자율주행차뿐 아니라 산업 자동화 시스템, 드론, 물류 로봇, 휴머노이드 로봇 등 피지컬 AI 시스템으로 확장한다. 피지컬 AI 기계가 주변 환경을 인식하고 판단한 뒤 실제 동작으로 연결하기 위해서는 센싱과 전력 변환, 모터 제어 및 연결 기술이 함께 필요하다는 판단이다.

고팔스와미 사장은 피지컬 AI를 자율주행차 기술의 확장 영역으로 보고, 기계의 자율성이 높아질수록 센싱·전력 관리·구동을 위한 반도체 탑재량도 증가할 것으로 설명했다. 온세미는 자동차와 산업, 피지컬 AI 시장에 공통으로 활용할 수 있는 전력 및 센싱 플랫폼을 기반으로 새로운 반도체 수요에 대응할 계획이다.

마이크로칩, 10BASE-T1S 신제품 출시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-30 09:34:31+0900

마이크로칩테크놀로지(Microchip Technology)가 10BASE-T1S PMD 트랜시버 LAN8679·LAN8680과 통합 트랜시버를 탑재한 LAN8660X/1X/2X 엔드포인트 제품군을 출시했다.

자동차와 산업, 로보틱스 시스템에서 이더넷 기반 네트워크 적용이 확대되면서 센서와 액추에이터를 네트워크 엣지에 직접 연결하는 구조가 중요해지고 있다. 특히 차량용 조널 아키텍처(Zonal Architecture)에서는 기존의 복잡한 배선 구조를 단순화하고 각 영역의 엣지 노드를 효율적으로 연결하는 것이 주요 과제로 꼽힌다.

LAN8679는 소형 8핀 VDFN 패키지에 표준화된 오픈 얼라이언스 3핀(OA3P) 인터페이스를 적용했다. 이를 통해 핀 수와 설계 복잡성을 줄이면서 공간 제약이 있는 엣지 노드에 10BASE-T1S 연결을 구현할 수 있도록 했다.

LAN8680은 LAN8679의 기능에 전원 관리와 시스템 대기·절전 제어, 워치독 감시 기능을 포함한 시스템 베이시스 칩(System Basis Chip, SBC) 기능을 통합했다. 두 제품 모두 차량 및 산업용 애플리케이션의 환경 조건을 고려해 신뢰성과 안전성을 높이는 방향으로 설계됐다. 차량용 제품은 AEC-Q100 및 ISO 26262 차량 기능 안전 표준을 충족하도록 설계됐다.

함께 출시된 LAN8660X/1X/2X 엔드포인트 제품군은 PMD 트랜시버를 단일 칩 원격 제어 프로토콜(RCP) 솔루션에 통합했다. 외부 PHY 부품 없이 제어 시스템, 조명, 오디오 등 다양한 애플리케이션에서 소형 엣지 노드를 구성할 수 있도록 한 것이 특징이다.

10BASE-T1S의 멀티드롭 토폴로지도 활용한다. 하나의 버스 라인에 다수의 노드를 연결할 수 있어 센서와 액추에이터를 네트워크 엣지에 직접 연결하면서 배선 무게와 시스템 비용을 줄일 수 있다. 별도의 게이트웨이 구성을 줄일 수 있다는 점도 특징이다.

마이크로칩은 이번 제품군을 차량용 조널 아키텍처를 비롯해 산업 자동화, 로보틱스, 항공우주 및 방위 시스템 등에 공급할 계획이다. 이를 통해 싱글 페어 이더넷 기반 연결을 네트워크 엣지까지 확대하고 올-이더넷 아키텍처 구현을 지원한다.

LAN8679, LAN8680, LAN8660X/1X/2X는 현재 제한적으로 샘플 공급이 진행되고 있다.

앤트로픽, 10년간 AI 인프라에 5,180억 달러 투자 약정

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-30 09:23:30+0900

미국 AI 기업 앤트로픽(Anthropic)이 향후 약 10년간 AI 인프라 구축을 위해 최소 5,180억 달러(약 703조 원)를 지출할 계획인 것으로 알려졌다. 이 가운데 약 80%가 취소할 수 없거나 실제 사용량과 관계없이 비용을 지급해야 하는 계약으로 구성된 것으로 파악됐다. 로이터는 앤트로픽의 비공개 기업공개(IPO) 투자설명서를 입수해 이 같은 내용을 보도했다.

앤트로픽은 고성능 AI 시스템에 대한 수요가 향후 가용 컴퓨팅 공급을 넘어설 수 있으며, AI 개발의 주요 잠재적 제약 요인이 컴퓨팅 자원 확보가 될 것으로 보고 장기 계약을 체결했다고 설명했다. 이에 따라 기존의 클라우드 서비스 의존에서 벗어나 전용 데이터센터와 직접 임대한 칩 등 자체 인프라 확보도 확대하고 있다.

세부적으로 앤트로픽은 향후 7~10년 동안 구글에 최소 1,111억 달러, 아마존에 1,100억 달러, 마이크로소프트에 314억 달러 규모의 인프라 서비스 비용을 부담할 계획이다. 이 계약은 일정 수준의 실제 사용 여부와 관계없이 비용을 지급하는 조건을 포함하고 있다. 구글과의 계약은 2026년 4월부터 2033년 7월까지, 아마존과의 계약은 2026년 5월부터 2036년 4월까지 이어진다.

브로드컴과 관련된 장비 임대 의무도 약 1,612억 달러에 달한다. 이 계약 역시 대부분 취소가 불가능한 조건으로 구성됐다. 앤트로픽은 이밖에 일론 머스크가 설립한 xAI와 엔비디아 기반 컴퓨팅 용량을 확보하기 위한 계약을 맺었으며, 계약 규모는 2029년까지 최대 845억 달러에 이를 수 있는 것으로 알려졌다. 다만 이 계약은 90일 전 통지를 통해 취소할 수 있는 조건이다.

AMD와의 관계도 확대되고 있다. AMD는 앤트로픽 주식을 최대 50억 달러 규모로 매입할 수 있는 권리를 확보하는 한편, 200억 달러를 웃도는 규모의 AI 컴퓨팅 용량을 공급할 계획이다.

이번 투자 규모는 오픈AI가 추진하는 5,000억 달러 규모의 AI 인프라 프로젝트 ‘스타게이트(Stargate)’와 비슷한 수준이다. 스타게이트는 오픈AI와 소프트뱅크, 오라클, MGX 등이 비용을 분담하는 구조다.

앤트로픽의 대규모 인프라 투자는 실적에서도 확인된다. 로이터가 입수한 IPO 자료에 따르면, 앤트로픽의 2025년 매출은 약 46억 달러로 전년 대비 12배 증가했지만, 영업손실은 80억6,000만 달러로 전년 29억8,000만 달러보다 확대됐다. 순손실은 약 420억 달러였으며, 이 가운데 약 340억 달러는 향후 주식으로 전환될 수 있는 금융상품의 가치 상승과 관련된 회계상 비용이었다. 2025년 컴퓨팅 및 인프라 지출은 73억3,000만 달러로 전년보다 3배 이상 증가했다.

앤트로픽은 클라우드 사업자에 대한 의존도를 낮추는 동시에 자체 인프라 구축을 확대하고 있다. 그러나 구글, 아마존, 마이크로소프트가 앤트로픽의 투자자이면서 클라우드 공급자, 유통 파트너인 동시에 자체 AI 모델을 개발하는 경쟁자라는 점은 사업 위험 요인으로 제시됐다. 앤트로픽은 이들 기업과의 이해관계가 항상 일치하지 않을 수 있으며, 외부에서 확보한 컴퓨팅 자원의 공급이 축소되거나 가격이 변경될 경우 사업과 재무 상태에 영향을 받을 수 있다고 투자설명서에서 밝혔다.

이번 자료는 AI 모델 경쟁이 모델 성능뿐 아니라 이를 뒷받침할 컴퓨팅 자원과 데이터센터, 가속기 확보 경쟁으로 확대되고 있음을 보여준다. 동시에 수요가 실제 사용량으로 이어지지 않더라도 상당한 비용을 부담해야 하는 장기 계약을 확보했다는 점에서, 향후 AI 서비스 수요와 인프라 활용률이 기업의 비용 구조에 미치는 영향도 주요 변수로 부상할 것으로 예상된다.

다임러 트럭, 상용차 안전 보조 시스템 고도화

박종서 기자_fop1212@autoelectronics.co.kr — 2026-09-29 20:03:27+0900

다임러 트럭이 IAA Transportation 2026에서 교차로와 회전·차선 변경 상황의 충돌 위험에 대응하는 새로운 안전 보조 시스템을 선보였다. 이번에 공개된 액티브 크로스 트래픽 어시스트(Active Cross Traffic Assist)는 트럭이나 버스의 진행 경로를 가로지르는 차량과 이륜차를 감지하는 시스템이다. 장거리 레이다와 다기능 카메라, 단거리 레이다를 결합한 270도 센서 융합 기술을 기반으로 차량 좌우에서 접근하는 교차 차량을 감지한다. 최대 120km/h로 횡단하는 차량과 이륜차를 감지할 수 있으며, 충돌 위험이 확인되면 운전자에게 시각 및 청각 경고를 제공하고 필요에 따라 부분 제동에서 자동 완전 제동까지 개입할 수 있다.

액티브 사이드가드 어시스트 3(Active Sideguard Assist 3)는 기존 측면 보호 기능을 차량 양쪽의 회전과 차선 변경 상황으로 확대했다. 특히 운전석 측으로 회전할 때 반대편에서 빠르게 접근하는 차량을 감지하는 기능이 새롭게 적용됐다. 이 시스템은 6개의 레이다 센서와 다기능 카메라를 활용하며, 최대 120km/h로 접근하는 차량을 감지할 수 있다. 충돌 위험이 발생하면 차량 속도에 따라 시각 및 청각 경고와 제동 개입을 지원한다.

차선 변경 상황에서는 액티브 사이드가드 어시스트 3와 주행 보조 시스템인 ‘액티브 드라이브 어시스트 3(Active Drive Assist 3)’가 연계된다. 인접 차선의 차량으로 인한 충돌 위험이 감지되면 경고를 제공하고, 필요한 경우 운전자가 해제할 수 있는 조향 개입을 통해 차량이 기존 차선으로 복귀하도록 지원한다.

액티브 드라이브 어시스트 3는 레벨 2 수준의 부분 자동화 주행을 지원한다. 차량 간 거리와 속도를 제어하고 차선 내 주행을 보조하며, 정차 및 재출발 기능도 제공한다. 운전자는 스티어링 휠 버튼을 이용해 조향 보조를 빠르게 해제할 수 있으며, 최대 6개의 운전자 카드에 개인 설정을 저장해 인식된 운전자에 맞춰 설정을 적용할 수 있다.

운전자 상태를 감지하는 기능도 강화했다. ‘어텐션 어시스트 2(Attention Assist 2)’는 적외선 카메라를 이용해 운전자의 머리 위치와 시선 방향, 눈꺼풀 움직임 등을 분석하고 주의 분산과 피로, 졸음 가능성을 감지한다. 특히 기존 기능에 미세수면 가능성을 감지하는 기능을 추가했다. 카메라 영상은 저장하거나 외부로 전송하지 않고 시선 방향과 눈의 개폐 정도, 머리 위치 등 분석에 필요한 파라미터만 처리한다.

다임러 트럭은 새로운 안전 보조 시스템을 시뮬레이션, 주행시험장, 실제 도로 주행으로 이어지는 단계적 검증 방식으로 개발했다. 시뮬레이션에서 차량 속도와 교차로 각도, 노면 마찰, 적재량, 차량 종류 등의 조건을 변화시키고, 시험장에서는 실제 교차로와 회전 상황을 재현해 시스템을 검증했다. 이후 실제 도로에서는 오경보 가능성, 운전자 인터페이스와 수용성, 실제 교차로 환경에서의 동작 및 센서 안정성을 평가했다.

검증 과정에서 전 세계 약 600만km의 시험 주행도 진행했다. 액티브 크로스 트래픽 어시스트는 10~80km/h의 차량 속도와 60·90·120도의 교차로 각도를 중심으로 검증했으며, 액티브 사이드가드 어시스트 3의 운전석 측 회전 기능은 10~40km/h의 차량 속도와 최대 100km/h로 접근하는 차량을 대상으로 시험했다.

새로운 액티브 크로스 트래픽 어시스트와 액티브 사이드가드 어시스트 3는 2027년 4월부터 메르세데스-벤츠 악트로스(Actros)와 아록스(Arocs), 메르세데스-벤츠 및 세트라(Setra) 투어링 버스에 적용될 예정이다. 액티브 드라이브 어시스트 3는 우선 악트로스에 적용된다.

시마AI, 1억5,000만 달러 시리즈C 투자 유치

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-29 17:18:40+0900

글로벌 피지컬 AI 기업 시마AI(SiMa.ai)가 1억5,000만 달러 규모의 시리즈C 투자 유치에 성공했다고 29일 밝혔다. 이번 투자 유치로 시마AI의 누적 투자 유치액은 5억 달러, 기업가치는 14억5,000만 달러로 평가됐다.

시마AI는 실제 물리적 환경에서 AI를 실행하는 피지컬 AI에 특화된 반도체와 소프트웨어를 개발하는 기업이다. 2018년 설립됐으며, 크리슈나 랑가사이(Krishna Rangasayee) 창업자 겸 CEO가 회사를 이끌고 있다. 랑가사이는 시마AI 설립 전 머신러닝 반도체 기업 그록(Groq)의 최고운영책임자(COO)를 지냈으며, 자일링스(Xilinx)에서 18년간 근무하면서 사업 총괄과 글로벌 영업 총괄을 맡았다.

시마AI는 피지컬 AI 애플리케이션에 맞춘 실리콘과 소프트웨어를 결합한 풀스택 플랫폼을 제공하며, 로봇과 자동차, 드론 등 엣지 디바이스를 주요 적용 분야로 두고 있다. 회사 이사회에는 자일링스 전 CEO 모셰 가브리엘로프(Moshe Gavrielov)와 인텔 CEO를 지낸 립부 탄(Lip-Bu Tan) 등이 참여하고 있다.

이번 투자 라운드는 피델리티매니지먼트앤리서치컴퍼니와 앰플리파이가 공동 주도했다. 얼라이언스번스타인, 배런 캐피털, JP모건, 미시간주 등이 신규 투자자로 참여했으며, 얼터 벤처 파트너스, 델 테크놀로지스 캐피털, 매버릭 캐피털, +ND 캐피털, 포인트72, 스텝스톤 그룹 등 기존 투자자도 참여했다.

시마AI는 투자금을 피지컬 AI용 에이전틱 소프트웨어 환경인 ‘팔레트 니트(Palette Neat)’ 확장과 차세대 하드웨어 개발에 투입할 계획이다. 차세대 피지컬 AI 전용 실리콘은 1,000 dense TOPS의 연산 성능 구현을 목표로 한다.
또한, 2028년 상반기 머신러닝 IP, 칩렛, 시스템온칩(SoC) 등 차세대 하드웨어 제품군을 출시할 계획이다. 이를 기반으로 중·고급 드론, 휴머노이드 로봇, 자동차 첨단운전자보조시스템(ADAS), AI 기반 자동차 칵핏 등으로 사업 영역을 확대할 계획이다.

시마AI는 피지컬 AI 전용 실리콘과 소프트웨어를 결합한 풀스택 플랫폼을 제공하고 있다. 기존 애플리케이션을 차세대 제품 아키텍처로 이전할 수 있도록 지원하며, 피지컬 AI 애플리케이션의 개발 및 배포 기간 단축을 추진하고 있다.

한편, 카운터포인트리서치는 로보틱스, 자동차, 드론 등 글로벌 피지컬 AI 디바이스 시장의 누적 출하량이 2035년까지 1억4,500만 대에 이를 것으로 전망했다.

테크웨이즈, IPETRONIK ‘ARCOS 2 evo’ 데이터 로거 공급

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-29 16:12:00+0900

자동차 및 전자통신 산업의 평가 시스템 전문기업 테크웨이즈가 이페트로닉(IPETRONIK) 사의 차세대 데이터 로거 ‘ARCOS 2 evo’를 공급한다.

ARCOS 2 evo는 기존 ARCOS 2 로거의 모듈형 구조를 유지하면서 데이터 기록 속도를 높인 제품으로, 복잡한 차량 네트워크 환경에서 다양한 데이터를 수집 및 저장할 수 있도록 설계됐다.

ARCOS 2 evo의 가장 큰 특징은 데이터 기록 성능 향상이다. 최대 6Gbit/s의 쓰기 속도를 지원하며, 2개의 SFP+ 10GbE 인터페이스와 8개의 1GbE 인터페이스를 갖췄다. 또한 CAN, LIN, FlexRay 등 차량 네트워크에 대응하며, 측정 대상과 테스트 환경에 따라 구성을 확장할 수 있다.

차량 네트워크와 외부 장치의 데이터를 함께 수집할 수 있는 인터페이스도 제공한다. 4G 모뎀과 Wi-Fi, GPS 수신기를 내장해 차량 주행시험과 같은 이동 환경에서 데이터를 수집할 수 있으며, USB 카메라와 IP 카메라도 지원한다. CAN·LIN·FlexRay 기반 ‘Wake on Bus’ 기능을 통해 차량 네트워크의 특정 신호를 감지해 데이터 로거를 동작시킬 수 있다.

데이터 손실을 줄이기 위한 기능도 적용됐다. 빠른 기동을 지원하는 ‘Quickstart’와 메시지 손실 방지 기능인 ‘No Message Lost(NML)’를 제공해 차량 시험 과정에서 발생하는 데이터를 안정적으로 기록할 수 있도록 했다. 제품은 IPETRONIK의 데이터 로거 소프트웨어인 dataLog와 IPEmotionRT를 통해 운용할 수 있다.

ARCOS 2 evo는 차량 개발과 테스트 환경을 고려해 내구성도 강화됐다. 검증된 동작 온도 범위는 –40℃~80℃이며, 6.5V~54V DC의 넓은 공급전압 범위를 지원한다. 이에 따라 차량의 전기 시스템이나 테스트 벤치에서 전압 변동과 콜드 스타트(cold start) 등 다양한 전원 조건을 고려한 측정 환경을 구성할 수 있다.

ARCOS 2 evo는 차량 내 네트워크가 복잡해지고 테스트 과정에서 수집해야 하는 데이터의 종류와 양이 증가하는 환경에서 활용할 수 있다. 특히 고속 이더넷과 기존 차량 네트워크를 하나의 데이터 로깅 환경에서 다루면서 차량 시험 및 검증 과정에서 발생하는 대규모 데이터를 기록하고 분석하기 위한 기반으로 활용될 수 있다.

마우저, 대체 에너지 리소스 센터 공개

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-29 15:25:52+0900

마우저 일렉트로닉스가 재생에너지와 에너지 하베스팅, 스마트 그리드 등 대체 에너지 분야의 기술 정보와 설계 인사이트를 제공하는 온라인 리소스 센터를 공개했다.

마우저의 대체 에너지 리소스 센터는 새로운 에너지 개념과 이를 구현하는 데 필요한 부품 및 설계 접근방식을 연결하는 데 초점을 맞췄다. 이 사이트는 에너지 저장, 스마트 그리드, 센서, 전력전자, 사물인터넷(IoT), 인공지능(AI) 등 대체 에너지 시스템을 구성하는 주요 기술에 대한 콘텐츠를 제공한다.

대체 에너지 시스템은 중앙집중형 발전 중심에서 벗어나 생산과 저장, 소비가 다양한 위치에서 이뤄지는 분산형 구조로 변화하고 있다. 마우저는 차세대 태양광 기술부터 자가발전형 IoT 기기에 이르기까지 다양한 기술이 서로 연결되는 에너지 생태계를 주요 기술 영역으로 제시하고 있다.

대표적으로 페로브스카이트-실리콘 탠덤 태양전지는 태양광 발전의 효율과 활용 범위를 확대할 수 있는 기술로 소개된다. 분산형 전력망은 가정과 기업, 지역 단위에서 생산된 에너지를 통합하는 역할을 하며, 에너지 하베스팅 기술은 빛과 열, 진동 등의 주변 에너지를 활용해 IoT 센서에 필요한 전력을 공급하는 방식으로 적용 범위를 넓히고 있다.

리소스 센터에는 마우저 기술팀과 제조사 파트너들이 제공하는 제품 정보와 기술 기사, 블로그, 전자책 등도 포함된다. 마우저는 관련 콘텐츠를 지속적으로 업데이트해 엔지니어가 대체 에너지 기술의 발전 방향을 파악하고 실제 시스템 설계에 적용할 수 있도록 지원할 계획이다.

대체 에너지 애플리케이션을 위한 주요 제품도 함께 소개하고 있다. 이피즈(e-peas)의 AEM13921은 태양광, RF, 진동, 펄스 등 다양한 에너지원에서 에너지를 수확하고 관리하는 초저전력 에너지 관리 PMIC다. 저전력 IoT와 스마트 빌딩, 산업용 센싱 시스템에서 에너지 수확과 저장, 공급을 지원한다.

TE 커넥티비티의 HC-STAK 35 고전압 인터커넥트 시스템은 전기차 및 하이브리드 차량에서 배터리와 인버터, 모터, 전력 분배 시스템 사이의 고전압 전력을 전달한다. 저항과 전력 손실을 줄이는 것이 특징이다.

인피니언 테크놀로지스의 TLE9012DQU는 리튬이온 배터리의 전압과 온도를 측정하고 셀 밸런싱을 조정하는 배터리 모니터링 및 밸런싱 IC다. 전기차와 에너지저장시스템(ESS)의 배터리 셀 상태를 관리해 성능과 신뢰성 향상을 지원한다.

슈나이더 일렉트릭의 Altivar ATV320 태양광 가변속 드라이브(VSD)는 태양광 에너지를 변환·관리해 펌핑 및 관개 설비 등의 모터에 직접 전력을 공급한다. 태양광 발전량만으로 수요를 충족하기 어려운 경우에는 전력망으로 전환할 수 있다.

마우저는 이번 리소스 센터를 통해 발전부터 전력변환, 저장, 관리, 최종 장치에 이르는 대체 에너지 시스템의 각 단계에서 활용되는 전자 기술과 부품 정보를 제공한다. 이를 통해 분산형 에너지 시스템 설계에 필요한 기술 정보를 한 곳에서 확인할 수 있도록 지원한다.

벤틀리모터스, 브랜드 첫 순수 전기차 ‘Torcal’ 공개

박종서 기자_fop1212@autoelectronics.co.kr — 2026-09-29 11:46:21+0900

24일(현지시간) 벤틀리모터스가 영국 런던에서 순수 전기 도심형 럭셔리 SUV ‘토르칼(Torcal)’을 세계 최초로 공개했다. 토르칼은 컨티넨탈 GT, 플라잉스퍼, 벤테이가에 이어 벤틀리 제품 포트폴리오에 네 번째로 합류하는 브랜드 최초의 순수 전기차다.

프랑크-슈테펜 발리저(Frank-Steffen Walliser) 벤틀리모터스 회장 겸 CEO는 "지난 107년간 벤틀리는 여유롭고 강력한 퍼포먼스와 탁월한 안락함, 최고급 천연 소재를 통해 구현되는 정교한 영국의 장인정신, 그리고 영혼이 담긴 사운드를 갖춘 완성도 높은 자동차를 만들어왔다”며 “새로운 토르칼은 이러한 벤틀리의 본질을 그대로 이어가면서도 브랜드를 정의해 온 모든 영역에서 비범한 기준을 제시한다”고 말했다.
그는 이어 “토르칼은 무엇보다도 벤틀리 그 자체다. 장인의 섬세한 손길과 최고급 소재, 첨단 기술을 바탕으로 벤틀리 고유의 헤리티지와 최첨단 혁신을 조화롭게 담아냈으며, 벤틀리 역사상 최고의 모델 중 하나라고 확신한다”고 덧붙였다.

토르칼의 디자인부터 개발, 생산에 이르는 전 과정은 영국 크루(Crewe)에서 이뤄진다.

대담하고 진보적인 디자인

토르칼은 대담하면서도 벤틀리의 DNA를 계승하는 새 디자인 언어를 적용해 낮고 매끄러운 실루엣의 SUV로 완성됐다. 로빈 페이지(Robin Page) 벤틀리모터스 디자인 총괄이 이끄는 크루의 디자인 팀은 토르칼을 통해 벤틀리의 새로운 디자인 방향성을 제시했다.

로빈 페이지 총괄은 “벤틀리를 디자인할 때는 사람들이 사물을 자연스럽게 인식하는 방식을 고려한다”며 “자동차의 디자인은 모든 요소가 한 번에 인식되는 것이 아니라 시각적인 위계에 따라 단계적으로 받아들여지며, 이를 네 가지 ‘리드(Read)’로 정의했다”고 설명했다.

첫 번째 리드는 ‘비례감’이다. 토르칼의 긴 휠베이스와 짧은 오버행, 당당하게 세워진 전면부는 강력한 존재감를 완성하며 벤틀리의 핵심 디자인 원칙인 ‘수직적 우아함(Upright Elegance)’를 구현한다. 여기에 ‘끝없이 이어지는 보닛(Endless Bonnet)’ 디자인 원칙을 결합해 차체의 길이감과 존재감을 강조하고, 한눈에 알아볼 수 있는 벤틀리만의 특징을 완성했다.

두 번째 리드는 차량의 정체성과 표정을 결정하는 ‘그래픽 요소’다. 특히 전면부에는 컨티넨탈 T를 비롯한 벤틀리의 상징적인 모델에서 영감을 받은 디자인 요소가 적용됐으며, 진보한 라이팅 기술과 독창적인 일루미네이티드 다이아몬드 그릴을 통해 이를 현대적으로 재해석했다. 간결하고 정제된 그래픽으로 구성된 후면부에는 EXP 15 콘셉트카를 통해 처음 선보인 디자인 원칙 ‘명예로운 방패(Prestigious Shield)’를 구현했다.

세 번째 리드는 ‘표면 언어’다. 토르칼의 조형과 볼륨감은 보는 사람의 움직임에 따라 빛이 표면과 상호작용하는 방식까지 고려해 세심하게 설계됐다. 불필요한 선을 의도적으로 덜어내고 차체의 면과 비율 만으로 감성과 캐릭터를 드러내도록 했다.

이러한 특징은 ‘헌치(haunches)’라 일컫는 강인한 리어 펜더 라인에서 가장 선명하게 드러난다. 뒤로 갈수록 좁아지는 캐빈과 리어 휠 위로 강조된 차체 볼륨은 디자인 팀이 ‘휴식하는 맹수(Resting Beast)’라고 표현하는 강인한 힘과 응축된 에너지를 드러낸다.

네 번째 리드는 ‘디테일’이다. 벤틀리의 정교한 장인정신은 차량에 가까이 다가설수록 더욱 뚜렷하게 드러난다. 토르칼 곳곳에 적용된 벤틀리의 상징적인 다이아몬드 패턴은 때로는 선명하게, 때로는 표면과 질감, 패턴 속에 추상적으로 표현돼 디자인의 깊이를 더한다.

실내에서도 같은 디자인 철학이 이어진다. 벤틀리 윙 엠블럼에서 영감을 받은 대시보드가 대칭성과 힘, 균형감을 강조하는 한편, 과감하면서도 깔끔한 표면 구성을 통해 가죽과 울, 베니어, 알루미늄 등 각 소재 고유의 질감과 아름다움을 자연스럽게 드러냈다.

널링 마감된 조작장치와 새롭게 해석한 불스아이 송풍구는 벤틀리 고유의 장인정신과 기술의 절묘한 조화를 보여준다. 센터 콘솔과 스티어링 휠에는 직관적 조작이 필요한 주요 기능을 위해 물리 버튼을 유지했으며, 이를 통해 벤틀리 특유의 촉각적인 경험을 선사한다.

시트 역시 토르칼을 위해 새롭게 설계됐다. 기본적으로 시트에는 16-way 전동 조절과 열선, 통풍, 조절식 볼스터 및 새로운 마사지 기능이 적용된다. 선택 사양으로 제공되는 ‘자세 조정 기능’과 ‘스마트 시트 클라이밋’ 시스템을 적용할 경우 장거리 주행 시 시트 형상과 압력 분포, 열선 및 통풍 기능을 지속적으로 조절해 안락함을 극대화한다. 웰니스 시트 스펙(Wellness Seat Specification)을 선택하면 마사지 영역이 등받이에서 시트 쿠션까지 확장돼 등과 어깨는 물론 다리까지 마사지할 수 있다. 뒷좌석에는 벤틀리 최초로 전동 폴딩 기능이 적용된 3인승 시트가 배치된다.

휠은 다양한 마감의 다섯 가지 디자인으로 제공된다. 기본형 토르칼에는 21인치 휠이 기본 적용되며, 토르칼 S에는 10-트윈 스포크 디자인의 22인치 휠이 기본 장착된다. 이 밖에도 공기역학적 성능에 초점을 맞춘 전용 디자인을 포함해 세 가지 22인치 옵션 휠을 선택할 수 있다. 21인치 및 22인치 휠에는 여름용과 겨울용 타이어가 제공되며, 22인치 휠에는 올시즌 타이어도 선택할 수 있다.

토르칼은 지난해 공개된 새로운 벤틀리 윙 엠블럼이 최초로 적용되는 양산 모델이기도 하다.

벤틀리의 헤리티지를 계승하는 퍼포먼스

토르칼은 벤틀리 최초로 순수 전기 파워트레인을 탑재했음에도, 어느 시대의 벤틀리 오너들에게나 익숙한 형태의 여유롭고 강력하면서도 정교한 퍼포먼스를 발휘한다. 토르칼의 최고출력은 888마력(PS)이며, 최대토크는 벤틀리 역사상 어떤 모델보다도 강력한 137.7kg.m(1,350Nm)의 최대토크를 발휘한다. 정지 상태에서 100km/h까지 가속을 2.9초 만에 마친다.

토르칼에는 두 개의 강력한 영구자석 동기식 모터가 탑재된다. 두 모터 모두 교환이 필요 없는 오일이 채워진 드라이 섬프 방식으로 설계됐으며, 전륜 모터에는 오픈 디퍼렌셜이, 후륜 모터에는 각 출력축에 다판식 클러치를 갖춘 록킹 디퍼렌셜이 적용된다.

고전압 배터리는 직렬로 연결된 192개의 리튬이온 파우치 셀로 구성되며, 정격 전압은 800V, 총 순용량은 113 kWh다. 배터리에는 10만 마일(약 16만 1,600km) 또는 10년의 보증이 제공된다.

벤틀리 최초의 풀 액티브 서스펜션과 어댑티브 2-밸브 댐퍼는 안락한 승차감을 구현하는 동시에 주행 모드별로 섀시 특성을 폭넓게 조절한다. 각 댐퍼는 노면과 운전자의 조작에 즉각 반응해 독립적으로 차체를 제어, 승차감과 자세 제어를 최적화한다. 특히, 이 시스템은 댐퍼가 안티 롤 토크를 능동적으로 제어하므로 별도의 안티 롤 바가 필요하지 않다. 전자제어식 올 휠 스티어링은 모든 토르칼에 기본 적용되며, 뒷바퀴를 최대 5도까지 조향한다. 회전반경은 11.1m이다.

기본 제동 시스템은 전륜 420mm, 후륜 370mm 디스크의 철제 브레이크로 구성되며, 선택 사양인 카본 실리콘 카바이드(CSiC) 세라믹 브레이크 시스템은 전륜 440mm, 후륜 410mm 디스크로 구성된다. 두 가지 브레이크 사양 모두 블랙, 레드, 그레이 세 가지 캘리퍼 색상 옵션이 제공되며, 뮬리너를 통해 세 가지 컬러를 추가로 선택할 수 있다.

모든 계절을 아우르는 다재다능함

전장 약 5m의 토르칼은 벤틀리 4도어 라인업 중 가장 짧은 차체에도 탁월한 실내 공간을 확보했다. 460ℓ의 트렁크 공간과 90ℓ의 전방 수납공간을 제공하며, 11.1m에 불과한 회전 반경 덕에 도심에서도 뛰어난 기동성을 발휘한다.

토르칼은 WLTP 기준 최대 600km의 주행거리를 제공한다. 400kW 급속 충전을 이용할 경우 배터리 잔량 10%에서 80%까지 16분 만에 충전할 수 있다. 이는 단 7분 충전만으로 161km의 주행거리를 확보할 수 있다는 의미다.

최신 첨단운전자보조시스템(ADAS)은 주행 및 주차 기능을 통해 보다 쉽고 직관적인 주행 경험을 선사한다. 차량에 탑재된 25개 레이다와 센서, 카메라는 주변 환경을 지속적으로 인식하고 상호작용에 필요한 모든 데이터를 수집한다. 예를 들어 좁은 도로에서 장애물을 마주한 경우, 차량이 이미 인식해 둔 지점까지 자동으로 후진해 통행 공간을 확보할 수 있다.

견인, 차고 주차 및 평행 주차를 지원하는 보조 시스템을 통해 휠 손상을 방지하며, 앱을 통한 원격 주차 기능도 제공한다. 또 정밀한 주차 동작을 차량에 학습시킬 수도 있다. 네 개의 도어에는 레이다 기반 전동 개폐 기능이 적용돼 스스로 여닫히며, 탑승자가 안전벨트를 착용하거나 메인 터치스크린을 조작해 도어를 닫을 수 있다. 운전자는 브레이크 페달을 밟아 운전석 도어를 닫을 수도 있다.

새로운 ‘프로스티드 다이아몬드(Frosted Diamond)’ 스위처블 글라스 선루프는 실내로 유입되는 빛을 유연하게 조절할 수 있으며, 실용적이면서도 럭셔리한 방식으로 실내 분위기를 바꾸는 경험을 제공한다.

장인정신으로 완성한 사운드 경험

1919년 최초의 ‘3리터(3 Litre)’ 모델부터 오늘날에 이르기까지, 강력한 엔진이 만들어내는 박동감은 벤틀리의 역사와 함께해 왔다. 이는 감성적인 요소인 동시에 운전자와 자동차를 연결하는 중요한 피드백 역할을 한다. 개발 팀은 단순한 전자적 모방 사운드를 넘어, 이와 같은 강력한 감각적 연결을 토르칼에서도 구현하고자 했다.

개발 팀은 ‘리듬’이 벤틀리 V8 엔진 사운드가 지닌 매력의 핵심이라는 사실을 발견했고, 드럼과 비올라, 베이스 기타 등 실제 악기 연주를 통해 미세한 변주와 작은 불완전성까지 담은 ‘벤틀리 다이내믹 심포니(Bentley Dynamic Symphony)’를 완성했다.

정지 상태의 잔잔한 박동부터 풀 스로틀 가속에 이르는 모든 영역에서, 사람의 연주로 만들어진 사운드는 단순히 엔진음을 흉내 내는 대신 운전자에게 청각적 피드백을 제공해 차량과의 연결감을 강조한다. 강력하고 힘있는 저주파 사운드는 운전자가 요구하는 토크와 차량 속도에 따라 조정되며, 차량의 움직임과 감각적 피드백을 연결해 일관되고 자신감 있는 제어를 돕는다. 스포츠 모드에서는 다이내믹 심포니의 볼륨이 커지며, 정숙한 주행을 원할 경우 완전히 끌 수도 있다.

청각적 경험은 다른 조작 장치에서도 확인할 수 있다. 가령 방향지시등 사운드는 벤틀리의 가죽 공방에서 망치로 가죽 표면을 두드리는 소리를 직접 녹음해 만들었다. 터치스크린과 디지털 어시스턴트 알림음 역시 크리스털 글라스에서 채취한 실제 소리를 활용해 인간적인 감성을 더했다.

구동 및 기능 사운드 외에도 토르칼에는 두 가지 오디오 사양이 제공된다. 기본 오디오 시스템은 16개의 스피커로 구성돼 620W의 출력을 낸다. 이와 더불어 네임(Naim)과 공동 개발한 1,780W 출력의 28-스피커 시스템을 선택할 수 있다. 네임 오디오는 시트에 촉각 피드백을 제공하는 기능과 앞좌석 헤드레스트 스피커, 돌비 애트모스 7.1 기능을 지원한다.

모든 여정을 맞춤화하는 드라이브 모드와 편의 기능

토르칼의 드라이브 모드는 섀시와 파워트레인 설정에 그치지 않고, 탑승자가 원하는 분위기와 주행 환경에 맞춰 여정 전체를 구성함으로써 럭셔리를 새롭게 해석한다. 네 가지 익스피리언스 모드(Experience Mode)는 조명과 사운드, 공조, 공기 흐름, 디지털 정보를 유기적으로 조율해 각 모드에 맞는 차별화된 실내 분위기를 연출한다.

‘벤틀리 모드(Bentley Mode)’는 따뜻하고 역동적이며 완벽하게 균형 잡힌 설정으로, 안락함과 장인정신을 조화시켜 정제되면서도 운전자 중심의 환경을 구현한다. 반면 ‘컴포트 모드(Comfort Mode)’는 불필요한 자극을 최소화해 한층 차분한 분위기를 조성하며, 필수 정보를 제외한 화면 표시를 줄이는 ‘디지털 디톡스’ 기능도 제공한다.

‘스포츠 모드(Sport Mode)’는 네 가지 모드 중 가장 역동적인 설정이다. 사운드의 몰입감이 더 높아지고, 시각적 요소가 더 집중되며, 조명과 컨트롤 반응을 통해 더욱 목적성이 뚜렷한 분위기를 만든다. 네 번째 ‘리프레시 모드(Refresh Mode)’는 외부 공기 순환량을 늘리고 조명을 밝게 조절한다. 실내 분위기는 보다 가볍고 깨끗하며 활력 있게 바뀌어 탑승객이 심리적 에너지를 회복할 수 있도록 돕는다.

사용자 경험을 높이기 위해 인체공학과 조작 편의성에도 세심한 주의를 기울였다. 벤틀리 전용으로 제작된 커브드 OLED 디스플레이는 깊은 블랙과 선명한 색상, 높은 명암비를 구현해 모든 영역의 시인성과 사용성을 높인다.

안면 인식 기능은 운전자를 자동으로 식별해 시트와 스티어링 휠 위치, ADAS 설정 등 개인화된 사용자 환경을 빠르게 불러온다. 스마트폰을 차량 키처럼 사용할 수 있는 모바일 디바이스 키(Mobile Device Key) 기능도 지원한다.

증강현실 헤드업 디스플레이는 내비게이션 안내와 ADAS 관련 정보를 실제 도로 환경의 회전 지점 및 위험요소와 정렬해 운전자 시야에 직접 투사함으로써 주행 중 도로에서 시선을 떼는 시간을 줄인다.

지속가능성을 고려한 소재

벤틀리는 여러 세대에 걸쳐 최고급 소재와 정교한 장인정신을 바탕으로 자동차 인테리어의 기준을 제시해 왔다. 토르칼은 혁신적인 소재와 지속가능한 접근, 세심한 디테일을 결합해 벤틀리가 제공하는 선택의 가능성을 한층 확장하며, 이를 통해 자동차 럭셔리를 새롭게 정의한다.

메리노 울(Merino Wool)은 패션 업계에서 부드러운 촉감과 뛰어난 보온성, 자연스러운 우아함을 지닌 대표적인 고급 소재지만, 차량용 인테리어로 활용하기에는 내구성이 부족했다. 벤틀리 컬러·소재·마감 팀은 18세기부터 최고급 울 직물을 생산해 온 영국 서머싯의 ‘폭스 브라더스(Fox Brothers)’와 협업을 진행했다. 이를 통해 메리노 울 특유의 부드러운 촉감과 고급스러운 질감에 자동차 실내에 요구되는 높은 수준의 내구성을 더한 세계 최초의 100% 메리노 울 차량용 패브릭을 개발했다. 이 소재는 차량용 울 패브릭 최초로 ‘책임 있는 울 표준(Responsible Wool Standard, RWS)’ 인증도 획득했다.

토르칼을 위해 새롭게 개발된 ‘옴브레 월넛 바이 뮬리너(Ombré Walnut by Mulliner)’는 지속가능한 방식으로 확보한 월넛 자투리 목재와 재활용 크래프트 페이퍼를 최대 1,000겹까지 엄선해 압착한 뒤 1mm 미만 두께로 정밀하게 재단해 완성된다. 깊은 블랙에서 다크 스모크와 라이트 스모크를 거쳐 자연스러운 월넛 색상으로 이어지는 네 가지 톤의 그라데이션을 구현해 전통적인 장인정신에 기반하면서도 현대적이고 지속가능한 럭셔리를 표현한다.

‘선버스트 알루미늄 바이 뮬리너(Sunburst Aluminium by Mulliner)’는 과거 벤틀리의 엔진 턴드 알루미늄 대시보드를 현대적으로 재해석한 새로운 마감이다. 정밀한 3방향 브러시 패턴과 촉각적인 질감을 통해 벤틀리 장인정신의 정교함과 디테일을 새로운 방식으로 보여준다.

폭넓은 인테리어 컬러 팔레트 역시 마련됐다. 틸(Teal), 테라(Terra), 글레이즈(Glaze) 등 신규 컬러를 포함한 15가지 올리브 태닝 가죽과 이에 대응하는 15가지 디나미카(Dinamica), 5가지 컬러의 순수 메리노 울을 선택할 수 있다. 여기에 우드 6종, 테크니컬 피니시 2종, 블랙·그래비티 그레이·리넨·틸·임페리얼 블루·크리켓 볼 등 피아노 피니시 6종의 베니어 옵션이 제공된다.

‘토르칼’과 더욱 스포티한 ‘토르칼 S’ 두 가지 모델

토르칼은 기본형 모델과 더욱 스포티한 ‘토르칼 S’ 두 가지 사양이 제공된다. 기본형토르칼은 최고출력 821마력(PS), 최대토크 121.7kg.m(1,194Nm)를 발휘한다. 정지 상태에서 100km/h까지 3.4초 만에 가속하고 최고속도는 250km/h다. 토르칼 S는 런치 컨트롤 활성화 시 최고출력 888마력(PS), 최대토크 137.7kg.m(1,350Nm)를 발휘하며, 정지 상태에서 100km/h까지 가속 시간은 2.9초, 최고속도는 260km/h에 달한다.

토르칼에는 새틴 실버(satin silver) 외장 디테일과 싱글 톤 컬러 스플릿, 오픈 포어 크라운 컷 월넛이 기본 적용된다. 토르칼 S에는 블랙 컬러의 외장 디테일과 미러 캡이 적용되며 다크 리어 램프, 프론트 범퍼 바디킷과 스포츠 사이드 실 및 리어 디퓨저, 레드 브레이크 캘리퍼, S 펜더 배지와 블랙 벤틀리 윙 배지, S 전용 컬러 스플릿·퀼팅 및 스티치 패턴, 스포츠 페달, 피아노 블랙 베니어, 일루미네이티드 트레드플레이트 및 다이내믹 ‘워터폴’ 무드 라이팅 등 향상된 퍼포먼스에 맞춰 보다 스포티한 디자인 요소를 더했다.

첨단 기술과 장인정신으로 완성한 새로운 세대의 벤틀리

마틴 페이지(Martin Page) 토르칼 제품 라인 총괄은 “새롭고 독창적인 토르칼은 기술로 하여금 벤틀리의 본질을 지배하는 것이 아닌, 오히려 그 가치를 더욱 강화할 수 있도록 세심하게 개발됐다”며 “럭셔리와 정교함, 여유로운 퍼포먼스에 이르기까지 벤틀리를 정의해 온 모든 요소를 한층 더 높은 수준으로 끌어올렸다”고 말했다.

벤틀리의 디자인과 사운드, 장인정신은 오랜 시간 사람과 자동차 사이에 특별한 감성적 유대감을 만들어왔다. 토르칼은 이러한 벤틀리 고유의 가치를 바탕으로 디자인과 엔지니어링, 첨단 기술과 장인정신을 유기적으로 결합했다. 시대를 초월한 장인정신과 최첨단 기술이 조화를 이룬 토르칼은 벤틀리의 본질을 계승하면서도 이를 새로운 방식으로 재해석하며, 미래 벤틀리가 나아갈 새로운 방향을 제시한다.

폭스바겐그룹-PowerCo-Gotion, LFP 배터리 공급망 구축 협력 확대

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-29 11:00:45+0900

대규모 배터리 셀 생산 시설 이미지

폭스바겐그룹과 그룹 산하 배터리 자회사 파워코(PowerCo SE), 중국 배터리 기업 고션하이테크(Gotion High-Tech)가 유럽 내 리튬인산철(LFP) 배터리 공급망 구축을 위해 전략적 협력을 확대한다. 28일(현지시간) 폭스바겐그룹 발표에 따르면, 3사는 스페인 발렌시아, 슬로바키아 슈라니, 모로코 케니트라에 합작사를 설립하고 LFP 배터리 셀과 양극활물질(cathode active materials)의 산업 생산을 추진한다.

이번 협력은 2020년부터 이어온 폭스바겐그룹과 고션의 협력 관계를 배터리 생산과 소재 분야로 확대하는 것이다. 3사는 유럽 내 공동 조달과 판매 활동도 추진하며, 지역 내 배터리 공급망을 구축한다.

발렌시아에서는 현재 건설 중인 파워코의 기가팩토리를 합작사로 이전하는 방안이 추진된다. 파워코가 합작사 지분 51%를 보유해 최대주주로 남고 고션이 49%를 취득한다. 양사는 이 공장을 LFP 기술 기반의 ‘Unified Cell’을 생산하는 유럽 거점으로 육성할 계획이다.

슬로바키아 슈라니에서는 고션이 건설 중인 배터리 셀 공장을 합작사로 전환한다. 고션이 지분 51%, 파워코가 49%를 보유하며, 전기차와 에너지저장장치(ESS)용 LFP 배터리 셀 생산에 초점을 맞춘다.

모로코 케니트라에는 LFP 배터리용 양극재 생산시설을 새로 구축한다. 고션이 지분 51%, 파워코가 49%를 보유하며, 주요 양극활물질의 공급처를 다변화하고 유럽을 중심으로 한 지역 배터리 가치사슬 구축을 지원한다.

투자 규모도 공개됐다. 파워코는 2030년까지 슈라니와 케니트라 합작사에 총 약 4억7,000만 유로를 투자해 각 합작사 지분 49%를 확보할 예정이다. 고션은 발렌시아 합작사에 약 11억 유로를 투자해 49% 지분을 확보할 계획이다.

LFP 배터리는 상대적으로 낮은 비용과 긴 수명, 높은 내구성을 바탕으로 보급형 전기차 시장에서 핵심 배터리 기술로 활용되고 있다. 폭스바겐그룹은 유럽에서 LFP 배터리 수요가 확대될 것으로 보고 있다. 회사가 인용한 자료에 따르면, 유럽 내 LFP 배터리 비중은 현재 약 10%에서 2030년 40~60%까지 높아질 전망이다. 그러나 현재 유럽에는 LFP 배터리 생산시설이 전무한 상황이다.

폭스바겐그룹은 이번 협력을 통해 유럽 내 LFP 배터리 생산을 확대하는 동시에 핵심 양극활물질의 공급원을 다변화해 배터리 공급망의 안정성을 높일 계획이다. 파워코는 이번 협력을 통해 배터리 가치사슬의 회복력을 높이고 산업화를 가속화할 수 있을 것으로 기대하고 있다.

한편, 폭스바겐그룹은 이번 협력과 별도로 고션 지분 5.3%를 매각하기 위한 최종 계약도 체결했다. 거래가 완료된 이후에도 폭스바겐그룹은 고션의 주요 전략적 투자자 지위를 유지할 예정이다. 관련 거래와 합작사 설립은 규제 승인과 고션 주주총회 승인 등 절차를 거쳐 최종 확정된다.

페스카로, 美 ‘Auto-ISAC Cybersecurity Summit 2026’ 참가

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-29 09:19:22+0900

모빌리티 통합 사이버보안 전문기업 페스카로가 오는 10월 6일부터 9일까지 미국 미시간주 노바이(Novi)에서 열리는 ‘Auto-ISAC Cybersecurity Summit 2026’에 참가해 차량 출시 이후까지 이어지는 자동차 사이버보안 관리 전략을 발표한다.

홍석민 페스카로 대표는 이번 행사에서 ‘규제 준수를 넘어, 차량 출시 이후까지 이어지는 사이버보안 관리 전략(Beyond Compliance: How Evolving OEM Expectations Are Reshaping Tier Supplier Cybersecurity)’을 주제로 발표한다. 페스카로는 차량의 소프트웨어와 인공지능(AI) 적용이 확대되면서 출시 이후에도 새로운 보안 위협에 지속적으로 대응해야 하는 환경을 고려해 보안 업무를 통합 관리하고 AI를 활용해 위험 분석 속도를 높이는 방안을 소개할 예정이다.

자동차 사이버보안은 차량 개발 단계에서의 인증과 규제 대응을 넘어 차량이 실제 운행되는 동안 발생하는 위협까지 관리하는 방향으로 범위가 확대되고 있다. 특히 소프트웨어 정의 차량(SDV)과 커넥티드카의 확산으로 차량 내부 시스템뿐 아니라 외부 네트워크와 연결된 다양한 소프트웨어 구성요소에 대한 지속적인 보안 관리가 요구되고 있다.

Auto-ISAC은 자동차 산업 내 위협 정보를 공유하고 사이버 위협에 공동 대응하기 위한 글로벌 사이버보안 협의체다. 제너럴모터스(GM), 포드, 토요타, 현대자동차 등 완성차 기업을 비롯해 제어기 개발사와 반도체 기업 등이 회원사로 참여하고 있다. 미국 도로교통안전국(NHTSA), 사이버보안·인프라보안국(CISA), 연방수사국(FBI) 등 정부기관과도 협력하고 있다.

Auto-ISAC Cybersecurity Summit은 자동차 산업과 정부기관의 보안 리더들이 자동차 사이버보안 현안과 대응 전략을 논의하는 국제 콘퍼런스다. 페스카로는 2024년부터 3년 연속 이 행사에서 발표하며 글로벌 자동차 사이버보안 업계와의 접점을 확대해왔다.

올해는 Auto-ISAC Partner Week와 웨비나에 이어 서밋까지 총 3차례 발표에 참여한다. 이번 서밋에서는 차량의 보안 상태를 출시 시점에 한정하지 않고 차량 생애주기 전반에서 관리하는 접근법과 AI 기반 위험 분석을 중심으로 자사의 기술 및 운영 경험을 소개할 계획이다.

홍석민 대표는 “앞으로 자동차 보안은 인증을 받는 것보다 차량 출시 이후에도 안전한 상태를 계속 유지하는 역량이 더 중요해질 것”이라며 “페스카로는 이미 이를 위한 기술과 운영 경험을 축적해왔으며, 관련 솔루션 수요가 확대되면서 매출 증가가 계속될 것으로 기대한다”고 말했다.

페스카로는 부품 단위 보안 솔루션을 넘어 차량 전체 시스템과 생애주기를 관리할 수 있는 통합 차량보안플랫폼 ‘CSMS 포털’을 제공하고 있다. 또한, 국내 최초로 Auto-ISAC 이노베이터(Innovator) 파트너로 선정된 바 있으며, 이를 기반으로 글로벌 자동차 사이버보안 시장에서 사업 영역을 확대하고 있다.

마이크로칩, 65V 에너지 인식형 디지털 전력 모니터 제품 발표

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-28 11:25:14+0900

마이크로칩테크놀로지(Microchip Technology)가 28일 65V 에너지 인식형 디지털 전력 모니터 제품군인 PAC1761과 PAC1861을 발표했다.

자동차를 비롯해 AI·데이터센터, 네트워킹 및 산업 시스템에서는 효율성을 높이고 증가하는 전력 수요에 대응하기 위해 48V 전력 아키텍처의 적용이 확대되고 있다. 기존의 전력 모니터링이 특정 시점의 전압과 전류를 측정하는 데 초점을 맞췄다면, 고전력 시스템에서는 시간에 따른 에너지 사용 패턴을 파악하고 이를 바탕으로 전력 관리 전략을 수립하는 것이 중요해지고 있다.

PAC1761과 PAC1861은 이러한 전력 관리 요구에 대응하도록 설계된 제품이다. 두 제품은 최대 65V의 전압을 모니터링하면서 전력 측정 데이터를 누적해 에너지 사용량을 분석할 수 있도록 지원한다. 또한 48V 시스템에서 발생할 수 있는 전압 변동과 과도 스파이크에 대응할 수 있도록 고전압 측정 헤드룸과 보호 기능을 제공한다.

마이크로칩 혼합신호 리니어 사업부의 키스 파줄(Keith Pazul) 부사장은 “업계의 관심은 특정 시점의 전력을 측정하는 것에서 벗어나, 전체 시스템과 제품 수명주기 전반에 걸친 에너지 동작을 이해하고 이에 대응하는 방향으로 바뀌고 있다”며 “PAC1761과 PAC1861 제품군은 순간적인 상태를 측정하는 동시에 시간에 따른 에너지 소비량과 가용성을 파악할 수 있도록 해 고객이 보다 높은 성능과 신뢰성을 갖춘 48V 시스템을 구축할 수 있도록 지원한다”고 말했다 이어 “이러한 확장 가능한 저전력 솔루션은 모니터링 오버헤드를 줄이며, 공급 유연성을 높이는 동시에 설계 리스크를 줄일 수 있도록 핀 호환 패키지 옵션을 제공한다”고 말했다.

마이크로칩의 디지털 전력 모니터링 제품은 전압, 전류, 전력의 허용 범위 초과를 감지하는 프로그램 가능한 알림 기능, 갑작스러운 부하 변화를 감지하는 단계별 한계값 감지 기능, 누적 에너지 임계값 설정 기능을 제공한다. 이를 통해 순간적인 전력 상태와 장기적인 전력 사용 패턴을 기반으로 선제적인 시스템 관리가 가능하다.

주요 적용 분야는 자동차, AI·데이터센터, 네트워킹, 산업용 시스템, 서버, 통신 및 PoE(Power over Ethernet), 48V 전력 분배 시스템 등이다.

12비트 PAC1761과 16비트 PAC1861은 VDFN-8(SOT23-8과 유사), VDFN-10, MSOP-10 패키지로 제공되며, 주문 가능한 자동차용 제품 옵션도 포함된다. 또한 핀 호환 옵션을 통해 설계 변경에 따른 위험을 줄이고 인증 및 검증에 필요한 시간을 단축할 수 있다. 이에 따라 요구사항, 제품 공급 상황, 비용 또는 성능이 변하더라도 필요에 따라 제품 간 전환이 가능하다.

개발 지원 도구로는 EV12R33A 평가 보드, 라이브러리가 포함된 Python CLI(Command Line Interface), Linux^® 드라이버 및 다양한 MCU 코드 예제를 포함한 범용 C 라이브러리가 제공된다.

PAC1761과 PAC1861 제품군은 현재 구매 가능하다. MSOP-10 패키지로 제공되는 PAC1761T-3E/E3 및 PAC1861T-1E/3P의 가격은 1만 개 단위 기준으로 개당 0.56달러부터 제공된다. EV12R33A 평가 보드의 가격은 49.00달러다.

AI, 그 다음 단계: DigiKey가 디지털 팀원으로 전문성을 키우고 넓히는 방법

글 | Nick Krmpotich, DigiKey AI 및 지능형 자동화 부문 부사장 — 2026-09-23 13:44:34+0900

DigiKey는 AI를 먼 미래의 변혁이 아니라 지금 일하는 사람의 시간을 되찾아주는 도구로 본다. 회계 부서의 송금 요청 3분의 2를 처리하는 첫 에이전트를 시작으로, 전사 70여 개의 활용 사례가 진행 중이다. DigiKey AI 및 지능형 자동화 부문 부사장 Nick Krmpotich는 가장 어려운 과제가 기술이 아니라 사람의 적응이라고 말한다. 반복 업무가 사라진 뒤, '일을 잘한다'는 것은 무엇을 뜻하게 될까.

글 | Nick Krmpotich, DigiKey AI 및 지능형 자동화 부문 부사장

오랫동안 기술 분야에 몸담으며 기업의 일하는 방식을 바꾼 큰 변화들을 여러 번 겪었습니다. 개인용 컴퓨터와 인터넷부터 클라우드 컴퓨팅과 원격 근무까지, 모든 변화에는 예측과 기대, 그리고 큰 관심이 따라왔습니다.
AI도 여러 면에서 이런 변화들과 닮았지만, 속도가 다릅니다. 대부분의 신기술은 수년에 걸쳐 발전하는데, AI는 매주 달라지는 것처럼 느껴집니다. 그래서 5년 뒤, 10년 뒤 '직업'이 어떤 모습일지 과감하게 예측하고 싶은 유혹이 생깁니다. 하지만 저는 더 단순한 질문을 던집니다. 지금 이 기술로 무엇을 할 수 있을까. DigiKey는 이 질문의 답을 '복잡성'에서 찾고 있습니다.
DigiKey는 전자상거래 플랫폼에서 1,700만 개가 넘는 제품을 판매합니다. 우리 팀들은 매일 제품 사양과 가격 체계, 무역 규정 준수 요건, 제조사 데이터, 고객 문의까지 방대한 정보를 다룹니다. 이 과정에서 전문성이 부족해 생기는 어려움은 거의 없습니다. 문제는 숙련된 인력이 정보를 모으는 데 너무 많은 시간을 쓰고, 정작 자신이 아는 것을 적용하는 데는 너무 적은 시간을 쓴다는 점입니다. AI가 가장 큰 변화를 만들 수 있는 곳이 바로 여기입니다.
저는 팀원들과 이야기할 때 '디지털 인턴'이라는 비유를 자주 씁니다. 늘 도우려 하고, 반복 업무를 마다하지 않으며, 방대한 정보를 몇 초 만에 분류해 내는 인턴이 있다고 생각해 보십시오. 이 인턴은 의미 있는 일을 해낼 수 있지만, 여전히 가이드와 맥락이 필요합니다. 그리고 경험 많은 사람이 그 결과를 검토하고 최종 결정을 내려야 합니다.
제가 AI 에이전트를 바라보는 방식이 바로 이렇습니다. AI 에이전트는 전문가에게 다른 출발점을 줍니다. 직원들은 여러 시스템을 뒤져 데이터를 찾고, 정보를 대조하고, 일상적인 관리 업무를 처리하느라 시간을 쓰는 대신, 기초 작업이 상당 부분 끝난 상태에서 일을 시작할 수 있습니다. 절차를 밟는 데 쓰던 시간을 이제 상황을 판단하고, 문제를 해결하고, 고객과 소통하는 데 쓸 수 있습니다.
AI가 사람들이 번거로워하는 일을 덜어준다면, 사람은 무엇을 할 수 있을지 잘 생각해 봐야 합니다. AI가 맡을 수 있는 일은 흔히 저부가가치 업무로 불립니다. 이런 일을 디지털 인턴이나 AI 에이전트에게 맡기면, 숙련된 직원들은 더 어려운 문제를 풀고, 고객을 돕고, 혁신을 이끄는 데 집중할 수 있습니다.
DigiKey의 AI 전략을 묻는 사람들은 흔히 우리가 미래의 가능성, 그리고 AI가 유통을 어떻게 바꿀지에 집중하고 있다고 생각합니다. 실제로 DigiKey가 집중하는 것은 지금 일하는 사람들의 시간을 아껴주는, 매우 실용적인 비즈니스 문제입니다.
지난 1년간 DigiKey는 '70-20-10' 투자 모델을 따랐습니다. AI 관련 노력의 약 70%는 운영 역량 확장에, 20%는 고객 경험 향상에 쓰고, 나머지 10%는 실험과 장기적 기회를 위해 남겨둡니다.
이 배분은 AI가 발전하면서 많은 조직이 깨달은 사실을 반영합니다. 가장 큰 가치는 일상 업무의 마찰을 없애는 데서 나온다는 것입니다.
DigiKey는 회계, 고객 운영, 무역 규정 준수 같은 부문에서 AI 에이전트를 활용하고 있습니다. 이런 업무에서는 직원들이 정보를 모으고, 여러 시스템을 오가고, 업무에 얽힌 복잡한 규정을 파악하는 데 많은 시간을 씁니다.
많은 경우 일 자체는 어렵지 않습니다. 양이 많고 주변 환경이 복잡할 뿐입니다. 무역 규정 준수를 예로 들어보겠습니다. 수백만 개 제품에 관세가 미치는 영향을 판단하려면 제조사, 생산 시설, 규정, 고객 요구 사항 사이의 복잡한 관계를 따져야 하고, 경우의 수는 빠르게 늘어납니다. AI는 방대한 정보를 빠르게 검토해 가장 중요한 세부 사항을 찾아낼 수 있어, 이런 환경에 특히 잘 맞습니다.

DigiKey 운영센터. AI 에이전트가 정보를 모으고 정리하면, 판단은 사람의 몫으로 남는다.

DigiKey의 첫 번째 에이전트가 남긴 교훈

올해 초 DigiKey는 회계 부서에 AI 에이전트를 도입해 실제 업무에 투입했습니다. 이 에이전트는 고객의 송금 요청 처리를 지원합니다. 이메일을 검토해 요청 내용을 파악하고, 관련 정보를 모은 뒤, 적절한 처리 방안을 직원에게 제안해 승인을 받는 방식입니다. 현재 이 시스템은 송금 요청의 약 3분의 2를 자동화하고 있습니다.
생산성 향상이라는 의미 있는 성과와 함께, 값진 통찰과 교훈도 얻었습니다. 에이전트를 만들기 위해 DigiKey는 이런 시스템을 책임감 있게 운영하는 데 필요한 인프라, 거버넌스, 보안 통제, 운영 프로세스를 갖춰야 했습니다. 그 과정에서 기술이 잘 작동하는 영역과 한계를 보이는 영역, 그리고 사람의 감독이 여전히 반드시 필요한 영역을 알게 됐습니다.
이제 그 교훈을 다시 활용할 수 있습니다. 기회는 더 이상 한 가지 사용 사례에 머물지 않습니다. 현재 DigiKey 전사에서 70개가 넘는 활용 사례가 각기 다른 단계로 도입되고 있습니다. 한번 패턴을 이해하고 나면 새로운 가능성이 열립니다. 조직 전체를 둘러보며 같은 질문을 반복해 던질 수 있습니다. '직원이 여러 시스템을 오가며 정보를 모으고, 정해진 비즈니스 규칙에 따라 판단해야 하는 업무는 무엇인가?' 이런 업무가 AI 기반 워크플로에 가장 잘 맞는 경우가 많습니다. 가장 어려웠던 일은 첫 번째 운영 에이전트를 실제 환경에 배포하는 것이었습니다. 이제 DigiKey는 그동안 배운 것을 확장하는 데 집중할 수 있습니다.

가장 어려운 과제는 기술이 아니라 적응

AI 기술은 놀라운 속도로 발전하고 있습니다. 1년 전만 해도 상상하기 어려웠던 일이 이제는 유능한 에이전트와 함께라면 일상처럼 느껴집니다. 지금 가장 큰 과제는 사람들이 달라진 업무 방식에 적응하도록 돕는 일입니다.
예전에는 시간의 대부분을 행정 업무에 썼습니다. 행정 업무가 점차 자동화되면서 새로운 질문이 생겼습니다. 새로 생긴 시간을 어떻게 써야 할까요?
말처럼 간단한 질문이 아닙니다. 남는 시간을 시스템의 유휴 시간처럼 생각하기 쉽지만, 실제로는 그렇지 않습니다. 오전 내내 데이터를 찾던 사람들은 이제 그 시간을 보고서에서 놓친 부분을 찾아내고, 제조사가 해법을 찾도록 돕고, 고객의 요청을 처리하는 데서 그치지 않고 고객과 소통하는 데 써야 합니다. 눈앞의 문제를 더 깊이 고민하는 데 써야 하는 것입니다.
이런 변화는 DigiKey만의 일이 아닙니다. AI를 시도하는 모든 조직이 비슷한 변화를 마주하게 될 것입니다. 이제 어려운 대화는 기술이 아니라 문화와 리더십, 그리고 반복 업무가 사라진 뒤 '일을 잘한다'는 것이 무엇을 뜻하는지에 관한 것입니다. 이 질문에 답을 찾는 조직이 도구만 사들인 조직보다 앞서 나갈 것입니다.

주목해야 할 흐름

더 많은 관심이 필요한 트렌드를 하나 꼽으라면, 오픈소스 AI 모델의 빠른 발전입니다. 많은 사람이 AI 하면 몇몇 유명 기업을 떠올립니다. 그 플랫폼들도 중요하지만, 특정 분야에서 뛰어난 성능을 내면서 비용은 훨씬 적게 드는 전문 모델들도 계속 등장하고 있습니다.
AI가 기술만이 아니라 경제성의 문제로도 점점 더 많이 논의되고 있다는 점에서 이는 중요합니다.
맞는 모델을 고르는 일은 맞는 도구를 고르는 일과 같습니다. 범용 모델이 이상적인 작업도 있지만, 더 작고 특정 기능에 특화된 모델이 훨씬 적은 비용으로 비슷한 결과를 내는 작업도 있습니다.
AI 도입 규모가 커질수록 이런 판단은 더 중요해집니다. AI로 가장 큰 가치를 만드는 기업은 어떤 모델이 어떤 문제에 맞는지 이해하고, 그 판단을 일관되게 내릴 수 있는 기업일 것입니다.

미래에 대한 전망

5년 뒤, 10년 뒤 AI가 어떤 모습일지 질문을 받을 때마다, 개인용 컴퓨터와 인터넷, 클라우드 컴퓨팅을 두고 오갔던 비슷한 논의가 떠오릅니다. 어느 순간이 되면 기술 자체는 뒤로 물러납니다.
이제 누구도 "저는 업무에 인터넷을 씁니다"라고 자신을 소개하지 않습니다. 누구도 노트북을 혁신 전략이라고 부르지 않습니다. 이런 도구들은 자연스럽게 일하는 방식의 일부가 됐습니다. AI도 같은 방향으로 가고 있다고 생각합니다.
미래는 AI를 쓸 수 있는 조직만의 것이 아닐 가능성이 큽니다. AI를 쓸 수 있는 환경은 점점 보편화되고 있기 때문입니다. 차별화의 핵심은 이 도구들을 신중하고 안전하며 책임감 있게 적용하는 방법을 아는 데 있습니다. 자동화가 가치를 만드는 영역과 사람의 판단이 여전히 필요한 영역을 구분할 줄 아는 것이 중요해질 것입니다.
기존의 원칙은 여전히 유효합니다. 조직은 거버넌스, 보안, 비용, 책임을 신중하게 따져야 합니다. AI가 이런 책임을 없애주지는 않습니다. 오히려 더 중요하게 만듭니다.
AI를 둘러싼 온갖 논의 속에서도, 저는 여전히 가장 중요한 변수는 사람이라고 확신합니다. AI는 정보를 처리하고 복잡한 상황을 헤쳐 나가는 데 도움을 줄 수 있습니다. 하지만 사람의 전문성과 숙련된 직원의 판단은 언제나 가장 중요한 부분으로 남을 것입니다.
Nick Krmpotich는 DigiKey의 AI 및 지능형 자동화 부문 부사장이다. DigiKey는 전 세계 전자 부품 및 자동화 제품 유통을 이끄는 기업으로, 3,000개 이상의 제조사 브랜드가 만든 1,740만 개 이상의 부품을 공급한다.

GM, 폐배터리 핵심 광물로 새 전기차 배터리 만든다

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-23 11:30:32+0900

제너럴모터스(GM)가 사용 후 전기차 배터리에서 회수한 핵심 광물을 새로운 전기차 배터리에 다시 사용하는 폐쇄형 배터리 재활용 실증을 완료했다. GM은 폐배터리에서 회수한 니켈·코발트·망간을 100% 사용해 양극활물질(Cathode Active Material, CAM)을 생산하고, 이를 적용한 배터리 셀을 실제 전기차에 탑재했다.

GM은 22일(현지시간) 지속가능한 전기차 배터리 생태계 구축을 위한 폐쇄형 재활용 시범사업(closed-loop recycling pilot)을 완료했다고 밝혔다. 이번 실증에는 배터리 재활용 기업 서바 솔루션스(Cirba Solutions), 얼티엄셀즈(Ultium Cells), LG에너지솔루션 등이 참여했다.

실증 과정에서 GM은 사용이 끝난 전기차 배터리 80개를 회수해 서바 솔루션스의 재활용 시설에서 처리했다. 이 곳에서 폐리튬이온 배터리를 분해하고 선별하는 과정을 거쳐 얻은 ‘블랙 매스(Black Mass)’에서 핵심 광물을 회수한 뒤 이를 새로운 양극활물질로 가공했다.

이번 공정을 통해 생산된 새로운 양극활물질은 12t 이상으로, 니켈·코발트·망간을 100% 재활용 원료로 사용했다. 생산된 양극활물질은 전기차 배터리에 요구되는 품질, 안전성, 성능 기준을 충족하는지 검증을 거쳤으며, 재활용 원료로 만든 셀의 성능이 순수 원료를 사용한 셀과 동등한 수준임을 확인한 뒤 배터리 셀 제조에 적용했다.

얼티엄셀즈가 이 양극활물질을 활용해 새로운 전기차 배터리 셀을 생산했으며, GM은 이를 배터리 모듈과 팩으로 조립했다. 이후 팩은 미국 팩토리 제로(Factory ZERO)와 스프링힐 조립공장에서 차량에 탑재됐다. 재활용 핵심 광물을 사용한 배터리 셀이 적용된 차량은 캐딜락 리릭(LYRIQ), 리릭-V, 비스틱(VISTIQ), 에스컬레이드 IQ 및 IQL, 쉐보레 실버라도 EV 트레일 보스, GMC 시에라 EV AT4 등이다.

GM에 따르면, 현재 기술로 배터리 재활용 과정에서 회수할 수 있는 핵심 광물의 비율은 공정 조건과 배터리 화학계에 따라 니켈·코발트·망간의 경우 최대 95%, 리튬은 최대 80% 수준이다. GM은 향후 기술 발전에 따라 회수율이 더 높아질 수 있다고 설명했다.

배터리 원료를 회수해 재사용하는 폐쇄형 공급망은 원료 확보와 비용 측면에서 의미가 있다. GM은 배터리 셀에서 원자재가 주요 비용 요인 가운데 하나인 만큼 사용 후 배터리에서 핵심 광물을 회수해 재사용하면 신규 채굴 원료에 대한 의존도를 낮추고 공급망의 회복력을 높이는 데 도움이 될 수 있다고 설명했다.

GM은 배터리 재활용을 배터리 생애주기의 마지막 단계로 보고, 재제조·재생 및 재사용까지 포함한 순환형 배터리 전략을 추진하고 있다. 재제조 및 재생 프로그램을 통해 배터리 팩 부품의 70% 이상을 재사용하는 한편, 차량에서 사용한 배터리를 정지형 에너지저장장치(ESS) 등 다른 용도로 활용한 뒤 최종적으로 소재를 회수하는 방식이다.

GM은 레드우드 머티리얼스(Redwood Materials)와 함께 약 1만 개의 재활용 배터리를 실제 에너지 인프라에 공급하고 있다. 여기에는 북미 최대 규모의 재활용 배터리 마이크로그리드 구축 사업이 포함되며, 향후 미국 내 GM 생산시설에서도 추가 적용을 추진할 계획이다.

GM은 이번 실증을 통해 사용 후 전기차 배터리에서 회수한 소재를 다시 새로운 배터리 셀에 투입할 수 있는 폐쇄형 공급망 경로를 확보했다. 회사는 향후 전기차 보급 확대와 함께 사용 후 배터리 물량이 증가할 것으로 보고, 이번 실증에서 확보한 데이터와 경험을 바탕으로 배터리 소재의 탄소발자국과 비용을 낮추는 방안을 계속 검토할 계획이다.

서바 솔루션즈(Cirba Solutions)는 1991년에 설립된 미국의 대표적인 폐배터리 재활용 및 엔드투엔드(End-to-End) 소재 순환 공급망 전문 기업이다. 수명이 다한 리튬이온 배터리나 제조 스크랩에서 니켈, 코발트, 리튬, 망간 등 핵심 광물을 추출 및 정제하는 기술력을 보유하고 있다.
얼티엄 셀즈(Ultium Cells)는 LG에너지솔루션과 GM이 50%씩 투자하여 설립한 배터리 생산을 위한 합작법인이다.

보스턴다이내믹스, 현대차그룹 美 메타플랜트에 휴머노이드 훈련센터 개소

박종서 기자_fop1212@autoelectronics.co.kr — 2026-09-23 10:33:28+0900

보스턴다이내믹스(Boston Dynamics)는 21일(현지시간) 미국 조지아주 현대자동차그룹 메타플랜트 아메리카(HMGMA)에 로보틱스 메타플랜트 애플리케이션 센터(RMAC)를 개소했다고 밝혔다. RMAC는 휴머노이드 로봇 ‘아틀라스(Atlas)’를 실제 자동차 제조 환경에 투입해 작업을 수행하도록 훈련하고, 제조 현장 적용을 위한 데이터를 확보하는 시험 및 훈련 시설이다.

RMAC에서 아틀라스는 자동차 부품의 물류 및 조립 순서를 준비한 뒤 정해진 순서에 맞춰 부품을 배치하는 작업부터 훈련한다. 보스턴다이내믹스는 향후 적용 범위를 확대해 2030년에는 부품 조립 작업까지 수행하도록 할 계획이다. 장기적으로는 무거운 물체를 들어 올리는 작업을 비롯해 반복적이고 육체적 부담이 큰 작업으로 아틀라스의 활용 영역을 넓힌다는 구상이다.

이번 센터는 휴머노이드 로봇을 실제 제조 현장에서 운용하기 위한 피지컬 AI 개발 및 검증 거점이라는 점에서 의미가 있다. 연구실이나 통제된 환경에서 학습한 로봇을 실제 생산라인에 적용하기 위해서는 작업 공간과 설비, 부품, 작업 순서 등 제조 현장의 다양한 조건에 대응할 수 있는 데이터 확보가 필요하다. RMAC는 이 같은 실제 환경에서 아틀라스의 작업 수행 데이터를 축적하고 훈련하는 역할을 맡는다.

현대차그룹은 아틀라스의 생산 현장 투입도 확대할 계획이다. 그룹은 향후 몇 년 동안 현대자동차와 기아의 글로벌 공장에 2만5,000대의 아틀라스 로봇을 배치한다는 계획을 제시했다. 또한 미국에 연간 3만대 규모의 로봇 생산시설을 구축할 예정이다.

RMAC의 운영 범위도 확대된다. 현재 1단계 시설이 가동을 시작했으며, 2027년에는 HMGMA 내 새로운 건물로 이전해 현재보다 약 10배 규모로 시설을 확장할 예정이다. 확장된 시설에서는 자동차 제조 분야에서 아틀라스의 적용을 계속 준비하는 동시에 다른 산업 분야의 활용 사례도 검토한다.

보스턴다이내믹스는 제조, 항공우주, 반도체, 물류, 식음료, 생명과학 등 기존 로봇 고객들과도 협의를 진행하고 있다. 이를 통해 2027년 아틀라스의 훈련에 필요한 데이터 수집과 작업 개발을 확대할 계획이다. 이는 자동차 제조 현장에서 축적한 휴머노이드 로봇의 작업 경험을 다른 산업으로 확장하기 위한 기반으로 활용될 수 있다.

잭 재코우스키(Zack Jackowski) 보스턴다이내믹스 최고제품·기술책임자는 “현대차그룹과 함께 기업 규모의 피지컬 AI를 개척하고 있다”며 “아틀라스의 공급망, 생산, 테스트 및 배치 역량을 최적화하기 위한 전략을 수립했다”고 말했다. 이어 “RMAC는 로봇이 인간의 잠재력을 극대화하고 작업을 더욱 안전하고 생산적으로 만드는 미래를 구현하기 위한 공동 목표를 뒷받침한다”고 밝혔다.

이번 RMAC 개소는 휴머노이드 로봇 개발의 초점이 로봇 자체의 동작 구현을 넘어 실제 산업 현장에서 반복적으로 작업을 수행하고 학습할 수 있는 데이터와 운영 환경 구축으로 확대되고 있음을 보여준다. 보스턴다이내믹스와 현대차그룹은 자동차 생산 현장을 아틀라스의 초기 적용 분야로 삼은 뒤, 향후 다른 산업으로 활용 범위를 넓혀나갈 계획이다.

코레투라, 벡터·QNX의 ‘Alloy Kore’ 채택

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-23 09:47:20+0900

벡터(Vector)와 블랙베리(BlackBerry Limited)의 자회사 QNX는 22일(현지시간) 다임러트럭과 볼보그룹이 설립한 소프트웨어 정의 차량(SDV) 플랫폼 기업 코레투라(Coretura)가 차세대 소프트웨어 정의 상용차를 위한 SDV 플랫폼의 기반 소프트웨어로 ‘Alloy Kore™(알로이 코어)’를 선정했다고 밝혔다. 이번 선정은 Alloy Kore의 첫 설계 수주(Design Win) 사례다.

코레투라는 상용차용 SDV 플랫폼의 고성능 컴퓨팅(HPC) 환경에 Alloy Kore를 적용한다. 이를 통해 개발 과정에서 발생하는 소프트웨어 통합 복잡성을 줄이고, 차량 출시 이후에도 소프트웨어를 통해 기능을 지속적으로 개선할 수 있는 기반을 마련한다.

코레투라는 차세대 소프트웨어 정의 상용차 개발을 위해 Alloy Kore를 선정했다. © Vector Informatik/QNX

Alloy Kore는 안전 인증을 받은 실시간 운영체제(RTOS)와 사전 통합된 공통 자동차 시스템 서비스를 결합해 HPC 환경 전반에 배포 가능한 단일 차량 소프트웨어 기반을 제공한다. 그 결과 통합 오버헤드가 크게 줄어들고 개발 주기가 단축되며 인증 절차를 간소화할 수 있다. 특히 Alloy Kore는 공통 소프트웨어 기반을 제공해 개발 기업이 애플리케이션 계층의 차별화에 엔지니어링 역량을 집중할 수 있도록 지원한다.

코레투라는 Alloy Kore를 기반으로 벡터의 미들웨어와 통신 및 통합 기술을 결합한 ‘Vector Distribution’을 적용한다. Vector Distribution은 고성능 컴퓨팅 환경에 배포할 수 있도록 자동차용 OS 기반과 관련 소프트웨어 기능을 통합한 구현 방식이다. 코레투라는 이를 통해 상용차 플랫폼의 요구사항에 맞게 조정할 수 있는 검증된 소프트웨어 환경을 확보하고, 여러 개발 프로그램에서 일관된 소프트웨어 기반을 유지할 수 있게 된다.

요한 룬덴(Johan Lundén) 코레투라 CEO는 “코레투라는 아이디어의 속도에 맞춰 모빌리티를 발전시키기 위해 설립됐다”며 “Alloy Kore를 선택한 것은 이러한 방향으로 나아가기 위한 중요한 단계이며, 차량 출시 이후에도 소프트웨어 업데이트를 통해 상용차의 기능과 가치를 지속적으로 높이는 데 도움이 될 것”이라고 말했다.

존 월(John Wall) QNX 사장은 “코레투라는 소프트웨어가 상용차의 혁신을 이끄는 미래에 대한 대담한 비전을 제시하며, Alloy Kore를 SDV 플랫폼의 인증된 기반 소프트웨어 계층으로 선택했다”며 “이는 Alloy Kore가 설계된 목적에 부합하는 적용 사례”라고 말했다.

마티아스 트라우브(Matthias Traub) 벡터 사장 겸 대표이사는 “코레투라의 Alloy Kore 채택은 플랫폼뿐 아니라 소프트웨어 정의 상용차 발전에도 중요한 이정표”라며 “산업계에는 복잡성을 관리하고 혁신을 가속할 수 있는 개방적이고 상용화 준비가 된 소프트웨어 기반이 필요하다”고 밝혔다.

Alloy Kore™

자동차 산업은 수억 줄에 달하는 코드로 구동되는 차량을 향해 빠르게 발전하고 있다. 그러나 현재의 분산된 개발 방식은 비효율성을 초래하고, 시스템 통합의 어려움을 가중시키며, 비용을 증가시키고 있다. Alloy Kore는 안전 인증을 받은 실시간 운영체제(RTOS)에 사전 통합된 공통 자동차 시스템 서비스를 결합해, 고성능 컴퓨팅(HPC) 환경에 적용할 수 있는 단일하고 확장 가능한 차량용 소프트웨어 기반을 제공함으로써 이러한 문제를 해결한다.
이를 통해 소프트웨어 통합에 필요한 작업을 크게 줄이고, 개발 주기를 단축하며, 인증 절차를 간소화할 수 있다. 또한 OEM은 애플리케이션 계층에서 브랜드 차별화를 구현하는 데 엔지니어링 역량과 투자를 집중할 수 있다.

텔레다인르크로이, PCIe 7.0 프로토콜 시스템 출시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-22 17:42:27+0900

텔레다인르크로이(지사장 이운재)는 22일 차세대 PCI Express^®(PCIe^®) 7.0 디바이스와 시스템의 개발, 검증, 디버깅을 지원하는 Summit™ Z74 프로토콜 시스템을 출시했다고 밝혔다.

Summit Z74는 독립형으로 제어된 프로토콜 트래픽을 생성할 수 있으며, Summit M616 프로토콜 분석기와 연동해 PCIe 7.0 분석 및 검증을 단일 환경에서 수행할 수 있다. 텔레다인르크로이에 따르면, 두 플랫폼의 결합을 통해 엔지니어링 팀은 강력한 제어 기능과 가시성을 확보해 상호운용성 문제를 조기에 발견하고, 디버깅 시간을 단축하며, 개발 리스크를 줄일 수 있다.

PCIe 7.0 사양은 PCIe 6.0의 데이터 전송 속도를 64.0 GT/s에서 128.0 GT/s로 두 배 향상시키고, x16 구성 기준 최대 512 GB/s의 양방향 대역폭을 제공한다. 이와 같은 속도에서는 PAM4(Pulse Amplitude Modulation 4-Level) 신호 방식, FLIT 기반 프로토콜, 더욱 복잡해진 시스템 아키텍처로 인해 정교한 검증 도구가 필요하다. 이러한 도구는 정확한 프로토콜 트래픽 생성, 실제 환경과 유사한 워크로드 에뮬레이션, 문제 상황 재현, 개발 전 과정에 걸친 PCIe 링크 동작의 결정론적 제어 기능을 제공해야 한다.

Summit Z74는 PCIe 7.0 기술 개발에 최적화된 유연한 아키텍처를 통해 이러한 과제를 해결한다. 독립적으로 사용할 경우 엔지니어는 제어된 프로토콜 트래픽을 생성하고 디바이스 동작을 테스트하며 특정 조건에서의 응답을 검증할 수 있다. 또한 Summit M616 프로토콜 분석기와 함께 사용할 경우 Summit Z74는 종합적인 디버깅 및 검증 시스템의 일부가 되어 트래픽 생성 기능과 함께 심층적인 프로토콜 캡처, 디코딩, 분석 및 디버깅 기능을 제공한다. 이를 통해 엔지니어링 팀은 링크 트레이닝 동작, 트랜잭션 레벨 이슈, 프로토콜 오류, LTSSM 상태 전이, 상호운용성 문제 및 규격 적합성 검증 과정에서 발생하는 다양한 문제를 업계 표준이자 고객에게 친숙한 Summit 워크플로 내에서 효율적으로 분석, 해결 및 검증할 수 있다.

벡터, 100m 충전 케이블 지원 통신 컨트롤러 보드 공개

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-22 17:14:48+0900

벡터코리아(지사장 장지환)는 지난 20일 폐막한 IAA Transportation 2026에서 DC 충전 인프라용 통신 컨트롤러 보드 'vSECC.InPlug'와 차고지 관리 시스템 ‘vCharM.DMS’를 최초 공개했다고 22일 밝혔다.

벡터의 vSECC.InPlug 통신 제어기 보드가 적용된 LAPP의 투명 DC 충전 커넥터
[이미지 © Vector Informatik GmbH]

충전 통신 기능을 DC 충전 커넥터 내부로 이동시킨 vSECC.InPlug는 차량과 충전기 사이의 케이블 거리를 최대 100미터까지 확장해 전기버스와 전기트럭 차고지(Depot) 운영자가 인프라를 한층 유연하게 설계 및 구축할 수 있도록 지원한다.

기존 DC 충전 구조는 차량과 충전 통신 컨트롤러 사이의 거리가 약 7.5미터로 제한돼 충전 지점과 전력전자장치를 가까운 위치에 배치해야 하는 제약이 있다. 벡터는 vSECC.InPlug를 통해 이 제약을 없앴다. vSECC.InPlug는 차량과의 전력선 통신(PLC)을 담당하며, vSECC와 같은 두 번째 컨트롤러는 중앙 제어 캐비닛에 그대로 배치돼 충전 프로세스, 통신 프로토콜, 전력전자장치 및 백엔드 연결을 계속 관리한다. 이처럼 기능을 분리함으로써 중앙에 배치된 전력전자장치와 충전 커넥터 사이에 긴 케이블을 연결할 수 있으며, 충전 스테이션과 차량 사이의 거리를 최대 100미터까지 확보할 수 있다.

벡터는 LAPP Mobility와 협력해 vSECC.InPlug를 DC 충전 커넥터에 통합했다. LAPP는 이를 적용한 통합 DC 충전 커넥터를 제공하며, 충전 인프라 제조업체는 자체 커넥터 및 시스템 설계에 vSECC.InPlug를 직접 통합할 수도 있다.

vSECC.InPlug는 IEC 61851, DIN SPEC 70121, ISO 15118-2 및 ISO 15118-20 표준을 지원한다.

버스 차고지의 디지털 운영 프로세스를 통합 관리하는 vCharM.DMS는 중소 규모 버스 차고지를 대상으로 하는 시스템이다. 텔레매틱스 데이터, 완성차 업체 백엔드 정보, 정비 및 운행 데이터를 하나로 모아 배차 담당자, 관제 센터, 정비 팀이 동일한 데이터를 실시간으로 공유할 수 있도록 지원한다.

이 솔루션은 지도 및 리스트 뷰를 통해 차량별 주차 위치, 현재 상태, 다음 출발 예정 시간을 한 눈에 파악할 수 있어 운영 효율을 극대화한다. 또한 정비 이력, 결함 보고, 세차, 운전자 교대 정보 등을 종합적으로 반영해 차량의 운행 가능 여부를 사전에 정확히 산출해 준다.

vCharM.DMS는 전기버스 전환 전인 내연기관 운용 단계부터 즉시 도입이 가능하며, 향후 전기버스가 도입되면 벡터의 vCharM 충전 및 에너지 관리 시스템과 연결할 수 있다. 이를 통해 확정된 출발 시간과 필요한 충전량(SoC) 정보를 기반으로 최적의 충전 계획을 자동으로 수행한다.

린레드, 차량용 열화상 센서 ‘CAPT640’ 출시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-22 15:50:53+0900

프랑스 적외선 이미징 기업 린레드(Lynred)가 차량용 열화상 센서 ‘CAPT640’을 출시했다. CAPT640은 야간이나 역광, 헤드라이트 눈부심, 비와 안개 등 가시광 카메라의 인식이 어려운 환경에서 보행자와 자전거 이용자, 동물, 장애물 등을 감지할 수 있도록 개발됐다.

린레드는 22일부터 24일까지 스페인 바르셀로나에서 열리는 자동차 기술 전시회 오토센스(AutoSens)에서 CAPT640을 공개했다.

열화상 이미징은 물체가 자연적으로 방출하는 열에너지를 감지하는 방식이다. 가시광 카메라와 달리 주변 조명에 의존하지 않기 때문에 어두운 환경에서도 물체를 감지할 수 있다. 린레드는 CAPT640을 운전자 보조 시스템에 열화상 이미징을 통합하기 위한 센서로 제시하고 있다.

CAPT640은 12마이크론 픽셀 피치의 마이크로볼로미터 기반 검출기다. 640×480(VGA) 해상도를 지원하며, 넓은 다이내믹 레인지와 높은 열감도(NETD)를 결합해 차량 전방의 장애물을 장거리에서 감지할 수 있도록 설계됐다. 광학 시스템을 통해 집광된 열에너지를 디지털 이미지로 변환하며, 조명이 필요하지 않으면서 낮은 전력으로 동작하는 것이 특징이다.

린레드는 CAPT640이 기존 차량용 열화상 시장의 주요 제품 형태와도 차별화된다고 설명했다. 현재 시장에는 열화상 모듈 형태의 제품이 주로 공급되고 있지만, CAPT640은 베어 다이(bare die) 형태로 판매된다. 이에 따라 자동차 부품업체가 대량 생산을 위한 시스템에 센서를 직접 제조·통합할 수 있도록 했다.

자동차 산업의 품질 요구사항을 충족하기 위한 인증도 확보했다. 린레드는 2025년 말 유럽 열화상 제조업체 가운데 처음으로 자동차 품질경영시스템 표준인 IATF 16949 준수 인증을 획득했으며, CAPT640 역시 이 기준을 충족한다. 이를 기반으로 자동차 산업의 생산부품 승인 절차인 PPAP(Production Part Approval Process)에 필요한 자료를 고객에게 제공할 수 있다.

CAPT640은 자동차 전장부품의 신뢰성을 평가하는 AEC-Q100 Grade 3 인증도 획득했다. -40℃에서 85℃까지의 온도 범위에서 요구되는 기준을 충족하며, 차량에서 발생할 수 있는 열적·기계적·전기적 스트레스에 대한 내구성을 검증했다.

제품 검증 과정에서는 여러 생산 배치에서 약 3,000개의 부품을 대상으로 30개 이상의 시험을 수행했다. 여기에는 차량 운용 중뿐만 아니라 전원이 꺼진 상태에서의 극한 온도 조건을 포함한 온도 사이클 시험도 포함된다.

CAPT640은 우선 야간 투시 시스템을 비롯한 운전자 보조 시스템에 적용될 수 있다. 가시광 카메라와 함께 레이다, 라이다 등 다른 센서와 결합하면 자동긴급제동(AEB) 시스템과 각종 첨단 운전자 보조 기능의 인식 성능을 보완하는 데 활용할 수 있다.

특히 열화상 센서는 야간이나 악천후처럼 가시광 센서의 성능이 떨어지는 상황에서 추가적인 환경 정보를 제공할 수 있어 센서 융합 기반의 차량 인식 시스템에서 활용 범위를 넓힐 수 있다. 린레드는 CAPT640이 향후 자율주행 차량의 센서 구성에도 활용될 수 있다고 설명했다.

CAPT640은 차량 전면 그릴, 앞유리 또는 루프에 장착되는 카메라에 탑재할 수 있다.

규제 및 자동차 안전평가 기준의 변화에도 대응할 수 있도록 개발됐다. 린레드는 미국의 FMVSS 127을 비롯해 유럽과 아시아 지역에서 진행되고 있는 규제 및 평가 기준 변화에 대응하는 데 CAPT640이 활용될 수 있을 것으로 보고 있다. 회사는 미국과 유럽, 아시아 시장을 중심으로 관련 규제 변화에 대응할 수 있는 제품 기반을 확보한다는 계획이다.

린레드는 자동차 시장을 겨냥한 생산 기반도 확대하고 있다. 프랑스 그르노블에 위치한 자사 캠퍼스의 확장 및 현대화에 1억 유로 이상을 투자하고 있으며, 이를 통해 클린룸 생산능력을 두 배로 확대할 계획이다. 자동차 제조업체의 향후 대량생산 수요에 대응하기 위한 생산시설 확충이다.

린레드는 마이크로볼로미터 분야에서 20년 이상의 기술 경험을 보유하고 있으며, 프랑스 원자력에너지위원회(CEA)의 연구기관인 CEA-Leti 등과 연구 협력을 진행해 왔다. 회사는 CAPT640을 통해 기존 적외선 이미징 기술을 자동차 산업의 품질 및 생산 요구사항에 맞춰 적용하면서 차량용 열화상 센서 시장으로 사업 영역을 확대하고 있다.

아인라이드, 엔비디아와 자율주행 트럭 기술 협력 확대

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-22 09:30:19+0900

스웨덴 자율주행 및 전기 화물 운송 기술 기업 아인라이드(Einride AB)가 엔비디아와 손잡고 자율주행 트럭 기술의 상용화와 확대에 나선다. 이미 전기트럭을 고객 운송에 투입하고 있는 아인라이드는 엔비디아의 자율주행 컴퓨팅 플랫폼과 AI 개발 도구를 활용해 대형 화물 운송 환경에 맞는 자율주행 시스템을 구축할 계획이다.

아인라이드는 엔비디아의 자율주행 차량용 플랫폼인 ‘엔비디아 하이페리온(NVIDIA Hyperion)’을 기반으로 차세대 자율주행 시스템 ‘아인라이드 드라이버(Einride Driver)’를 개발한다. 엔비디아 하이페리온은 레벨4 자율주행을 위한 상용 컴퓨팅 및 센서 레퍼런스 아키텍처로, 양사는 이를 대형 화물차의 운행 조건에 맞게 확장한다.

아인라이드는 현재 미국과 유럽, 중동에서 주요 운송업체를 대상으로 수백 대의 전기트럭을 운용하고 있다. 회사는 현재까지 자사 플랫폼을 통해 확보한 고객 수요를 기준으로 2028년까지 운용 차량이 1,500~2,000대로 늘어날 것으로 예상한다. 이 수요 가운데 약 80%는 중장기적으로 자동화에 적합한 운송 수요로 분류하고 있다.

이번 협력에서 아인라이드는 자율주행 시스템의 설계와 통합을 맡는다. 여기에는 자율주행 소프트웨어뿐 아니라 안전성 검증, 규제 승인, 고객 현장 배치까지 포함된다. 엔비디아는 자율주행 시스템을 구동하는 컴퓨팅 플랫폼과 AI 개발 환경을 제공한다.

아인라이드는 NVIDIA Hyperion의 컴퓨팅, 센서, 소프트웨어 및 안전 아키텍처를 대형 화물차에 맞게 조정할 예정이다. 승용차를 중심으로 발전해 온 자율주행 기술을 무거운 화물을 장거리 운송하는 대형 트럭의 차량 구조와 운행 조건에 맞게 확장하는 작업이다.

안전성 검증을 위한 AI 개발 과정에는 엔비디아의 ‘엔비디아 코스모스(NVIDIA Cosmos)’도 활용된다. 엔비디아 코스모스는 실제 주행(카메라) 데이터를 검색하고 선별해 자율주행 시스템이 처리해야 할 복잡한 예외 상황을 찾아내는 데 사용된다. 아인라이드는 여기에 실제 데이터와 유사한 가상 환경에서 생성된 합성 데이터를 추가해 AI 학습 및 검증에 활용되는 데이터의 범위를 넓힐 계획이다.

자율주행 트럭은 승용차와 다른 개발 과제를 갖는다. 차량의 크기와 중량, 제동 특성, 적재 상태, 운행 거리 등이 다르고, 고속도로와 물류 거점, 산업 현장 등 다양한 환경에서 운행해야 한다. 특히 실제 도로에서 드물게 발생하는 상황을 충분히 확보해 자율주행 시스템을 검증하는 것이 중요한 과제다. 아인라이드는 실제 주행 영상에서 복잡한 예외 상황을 찾아내고 합성 시나리오를 추가하는 방식으로 이 문제에 대응한다.

대규모 AI 모델의 학습과 검증에는 ‘엔비디아 블랙웰(NVIDIA Blackwell)’ 아키텍처도 사용된다. 아인라이드는 엔비디아가 대규모 AI 학습 성능을 검증한 클라우드 인프라 제공업체인 엔비디아 엑셈플러 클라우드(NVIDIA Exemplar Cloud) 파트너와 함께 엔비디아 블랙웰 기반 컴퓨팅 인프라를 구축해 자율주행 모델의 학습과 테스트, 개선에 활용할 예정이다.

이번 협력은 단순히 자율주행용 반도체나 컴퓨팅 시스템을 공급하는 형태와는 다르다. 아인라이드가 자체적으로 개발하는 자율주행 기술을 중심에 두고 엔비디아의 차량용 컴퓨팅 및 AI 개발 인프라를 결합하는 구조다. 양사는 특히 대형 화물차에 필요한 센서와 컴퓨팅, 소프트웨어, 안전 기술을 함께 조정하면서 실제 운송 서비스에 적용할 수 있는 자율주행 시스템을 구축한다는 계획이다.

2016년 스웨덴 스톡홀름에서 설립된 아인라이드는 AI 기반 화물 운송 플랫폼과 자체 자율주행 기술, 전기 대형 트럭을 결합한 운송 사업을 전개하고 있다. 이 회사는 화물 운송 서비스(Freight-Capacity-as-a-Service, FCaaS)와 소프트웨어 플랫폼을 아우르는 이중 비즈니스 모델을 통해 북미, 유럽, 중동 지역의 고객 기반을 확보하고 있다.

이번 협력은 이미 전기트럭을 운용하고 있는 아인라이드가 기존 화물 운송 네트워크를 자율주행 운송으로 단계적으로 전환하기 위한 기술 기반을 확보하는 과정으로 볼 수 있다. 향후 핵심 과제는 차량 수를 늘리는 것뿐 아니라 실제 운송 환경에서 축적되는 데이터를 바탕으로 자율주행 시스템을 지속적으로 검증하고, 대형 화물차에 요구되는 안전성과 규제 요건을 충족하면서 운행 범위를 넓히는 데 있다.

세온이앤에스, 자비스와 차량 SW 개발 자동화 협력

한상민 기자_han@autoelectronics.co.kr — 2026-09-21 15:19:09+0900

차량 소프트웨어 개발 자동화 기업 자비스(대표 나동진)와 자동차 소프트웨어 컨설팅·검증 기업 세온이앤에스(대표 정태하)가 차량 소프트웨어 개발 자동화 분야에서 협력한다.

양사는 지난 18일 양사가 보유한 솔루션과 기술 역량, 고객 채널을 상호 보완하기 위한 업무협약(MOU)을 체결했다. 협력 분야는 상호 마케팅, 컨설팅 공동 대응, 공동 기술개발 등 3개 부문이다.

자비스 나동진 대표(왼쪽)와 세온이앤에스 신승환 상무가 MOU 사인을 마치고 기념 사진을 촬영하고 있다.

자비스는 차량용 소프트웨어 개발에 필요한 표준 도구와 코딩 자동화 프로그램을 제공한다. 현대차그룹 사내 스타트업 육성 프로그램인 제로원 컴퍼니빌더를 거쳐 2026년 3월 분사했으며, 요구사항과 설계 작성부터 기능·통합 코드 생성, 단위 검증 코드 생성까지 하나의 툴에서 지원한다.

이번 협력은 자비스의 개발 단계 자동화 기술에 세온이앤에스의 프로세스 컨설팅 및 검증 역량을 결합하는 데 초점이 맞춰졌다.

나동진 자비스 대표는 “요구사항 작성부터 코드 생성, 단위 검증까지 이어지는 자동화에 세온이앤에스의 프로세스 컨설팅과 검증 역량이 더해지면, 고객은 개발 속도와 표준 준수를 함께 확보할 수 있을 것”이라고 말했다.

세온이앤에스는 AUTOSAR 엔지니어링을 비롯해 기능안전(ISO 26262), Automotive SPICE, 사이버보안(ISO/SAE 21434) 컨설팅과 인증 심사, 차량 소프트웨어 개발 및 테스트 서비스를 제공한다.

세온이앤에스의 SEONEX는 고객이 보유한 요구사항 자료와 소스 코드, 모델로부터 요구사항 명세서와 설계서, 13종의 테스트 사양서를 자동 생성한다. 생성된 산출물의 추적성과 Automotive SPICE 4.0 프로세스 적합성을 리뷰 보고서로 제시하며, 산출물은 ALM에 양방향으로 반영할 수 있다.

신승환 세온이앤에스 상무는 “SEONEX는 산출물 생성에 그치지 않고 추적성과 프로세스 적합성을 리뷰해 심사 대응까지 연결하는 솔루션”이라며 “개발 자동화에 강점을 가진 자비스와 만나 고객사의 SDV 전환 부담을 줄이겠다”고 말했다.

양사는 협약에 따라 각사의 고객에게 상대방 솔루션을 소개하고 컨설팅 안건에 공동 대응할 예정이다. 또한, 두 솔루션을 잇는 공동 기술개발 과제를 발굴해 차량 소프트웨어 개발 과정의 자동화 범위를 확대해 나갈 계획이다.

ZF 라이프텍, 탑승자 인식과 보호 간 격차 해소

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-21 10:30:46+0900

ZF 라이프텍(ZF LIFETEC)이 탑승자 모니터링(Occupant Monitoring)과 적응형 안전벨트 시스템을 결합한 통합 차량 안전 기술을 공개한다. 이 솔루션은 카메라와 시트 및 안전벨트 센서로 탑승자의 위치와 체중, 체형 및 자세를 파악하고, 소프트웨어 알고리즘을 통해 에어백과 안전벨트의 작동 전략을 탑승자와 사고 상황에 맞게 조정한다.

ZF 라이프텍은 22일부터 24일까지 스페인 바르셀로나에서 열리는 ‘InCabin Europe 2026’에서 이 기술을 적용한 시연 차량을 선보일 예정이다. 시연에서는 서로 다른 탑승자 크기와 착석 자세에 따라 카메라, 시트 센서, 안전벨트 센서가 수집한 정보를 통합하고, 이를 에어백과 안전벨트의 보호 전략으로 연결하는 과정을 보여준다. 회사는 이번에 선보이는 기술이 현재 이용 가능한 양산 수준의 기술을 기반으로 하며 기존 차량 센서 생태계를 활용한다고 설명했다.

이 기술의 핵심은 인캐빈 센싱을 단순한 탑승자 감지에 그치지 않고 실제 수동 안전 시스템의 제어에 활용하는 데 있다.
카메라와 시트 센서, 안전벨트 센서는 탑승자의 체중과 착석 위치, 자세 등에 관한 정보를 제공한다. ZF 라이프텍은 여러 센서에서 확보한 정보를 결합해 차량 내부의 탑승자 상황을 파악하고, 이를 적응형 보호 전략의 입력 정보로 활용한다.

사고가 발생했을 때는 충돌 방향과 위치, 충돌 강도뿐 아니라 어떤 사람이 어느 좌석에 어떤 자세로 앉아 있는지도 보호 전략을 결정하는 요소가 된다. ZF 라이프텍은 탑승자 인식 시스템과 수동 안전 기술을 하나의 시스템으로 연결해 이러한 정보를 에어백과 안전벨트 제어에 반영한다.
이를 위해 ZF 라이프텍은 탑승자 모니터링과 적응형 구속장치(adaptive restraint) 알고리즘을 비롯해 가변 벤팅(variable venting)과 탑승자 맞춤형 쿠션 크기 조절 기능을 갖춘 적응형 에어백, 다단계 하중 제한 기술이 적용된 안전벨트 시스템 등을 결합한다. 센서가 파악한 탑승자 정보가 보호 시스템에 전달되면 탑승자와 사고 상황에 따라 보다 세분화된 구속 전략을 적용할 수 있다는 설명이다.

이 같은 시스템 통합에는 차량 안전 평가의 변화도 배경으로 작용하고 있다. ZF 라이프텍은 Euro NCAP의 2026년 이후 로드맵에서 탑승자 상태 모니터링(OSM), 착석 위치 및 안전벨트 착용 상태 감지, 동승석 에어백 자동 제어, 탑승자 체형 분류 등의 중요성이 높아지고 있다고 설명했다. 적응형 구속장치 역시 안전 평가에서 비중이 커지고 있다는 것이다.

향후 차량은 다양한 신체 조건과 착석 상황의 탑승자를 인식하고, 이에 따라 에어백과 안전벨트의 에너지 관리 전략을 조정하는 방향으로 발전할 것으로 ZF 라이프텍은 보고 있다. 이에 맞춰 회사는 탑승자 모니터링, 소프트웨어, 수동 안전 기술을 결합하고, 운전자와 동승자를 위한 Dual Contour Airbag 및 ACR.8 계열 안전벨트 기술을 함께 적용한다.

이러한 접근은 인캐빈 센싱의 역할이 운전자 주의 상태나 탑승자 존재 여부를 확인하는 영역에서 실제 충돌 시 보호 성능을 결정하는 안전 시스템으로 확대되고 있음을 보여준다. 센서가 수집한 데이터를 별도의 모니터링 정보로 활용하는 것이 아니라 에어백과 안전벨트의 작동 전략을 결정하는 입력으로 연결하는 것이 핵심이다.

딥인사이트, ‘InCabin Europe 2026’서 카메라·레이다 퓨전 기술 선봬

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-21 09:09:19+0900

인공지능 기반 인캐빈 솔루션 기업 딥인사이트(Deep In Sight)가 22일부터 24일까지 스페인 바르셀로나에서 열리는 ‘InCabin Europe 2026’에 참가해 카메라와 레이다 기반 인캐빈 멀티모달 센싱(In-cabin Multimodal Sensing) 기술을 선보인다. 일본 무라타제작소(Murata)의 인캐빈 레이다와 딥인사이트의 Vision AI 기반 DMS(Driver Monitoring System)·OMS(Occupant Monitoring System)를 결합한 센서 퓨전 기술이 핵심이다.

딥인사이트는 이번 전시에서 무라타와 공동으로 진행하고 있는 ‘카메라·레이다 퓨전 센싱’ 개념검증(PoC) 결과물을 선보인다. 카메라와 레이다가 가진 서로 다른 센싱 특성을 결합해 단일 센서 만으로는 확보하기 어려운 탑승자 정보를 보완적으로 인식하는 기술이다.

PoC는 차량 실내에서 탑승자의 존재 여부(Presence), 위치(Position), 움직임(Movement), 상태(State), 행동(Behavior)를 종합적으로 인지하는 것을 목표로 한다. 카메라는 영상 정보를 기반으로 탑승자의 위치와 움직임, 상태 및 행동을 세밀하게 파악할 수 있는 반면, 레이다는 조명이나 시야 확보 여부 등의 영향을 상대적으로 적게 받으면서 탑승자의 존재와 움직임 등을 감지할 수 있다. 딥인사이트는 두 센서의 특성을 결합해 인캐빈 모니터링의 인지 범위와 강건성을 높이는 방향을 제시한다.

이는 차량내 센싱의 역할을 단순한 탑승자 감지에서 보다 종합적인 상태 인식으로 확대하려는 접근이다. 딥인사이트는 Presence → Position → Behavior → State로 이어지는 인식 영역에 센서 퓨전을 적용하고, 이를 기반으로 차량 내부의 탑승자 상태를 종합적으로 이해하는 ‘Occupant Understanding’으로 기술 영역을 확장한다는 구상이다.

이번 전시에서는 카메라와 레이다의 결합뿐 아니라 rPPG(Remote Photoplethysmography) 기반 Vital Sensing 기술도 선보인다. rPPG는 카메라로 촬영한 영상에서 피부의 미세한 광학적 변화를 분석해 심박수(Heart Rate) 등 생체정보를 비접촉 방식으로 추정하는 기술이다.

딥인사이트는 차량 내 카메라를 활용한 Vital Sensing을 통해 기존 DMS·OMS 중심의 인캐빈 모니터링을 운전자와 탑승자의 신체 상태를 파악하는 Driver & Occupant Condition Monitoring 영역으로 확대한다는 계획이다. 이에 따라 차량 실내 센싱이 탑승자의 존재와 위치를 확인하는 수준을 넘어 행동과 상태, 바이탈 정보까지 통합적으로 인식하는 방향으로 발전할 수 있다는 가능성을 제시한다.

오은송 딥인사이트 대표는 “차량 내 센싱 기술이 고도화되면서 서로 다른 특성을 가진 센서 정보를 융합해 인지 신뢰성과 범위를 높이는 것이 중요해지고 있다”며 “이번 무라타와의 PoC를 통해 비전과 레이다의 상호 보완 가능성을 확인하고, Vital Sensing까지 확장된 차세대 In-Cabin Intelligence의 가치를 OEM 및 티어원(Tier-1) 고객에게 제시할 계획”이라고 말했다.

팩토리얼-미쓰이금속, 전고체 배터리 산업화 협력

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-18 15:20:17+0900

미국 전고체 배터리 기업 팩토리얼 에너지(Factorial Energy)가 일본 소재 기업 미쓰이금속(Mitsui Kinzoku)과 전고체 배터리의 산업화를 위한 전략적 협력에 나선다.

팩토리얼은 17일(현지시간) 미쓰이금속과 자사의 황화물계 전고체 배터리 플랫폼 ‘Solstice(솔스티스)’의 산업화를 지원하기 위한 공동개발협약(JDA)을 체결했다고 밝혔다. 양사는 미쓰이금속의 고체전해질 소재 및 제조 기술과 팩토리얼의 배터리 셀·공정 기술을 결합해 Solstice 플랫폼의 상용화를 위한 제조 기술 및 공급망 구축을 추진한다.

미쓰이금속은 전고체 배터리용 황화물계 고체전해질의 핵심 원천기술을 보유한 소재 기업이다. 이 회사는 2016년 황화물계 고체전해질 ‘A-SOLiD™’를 선보였으며, 일본 사이타마현에 전용 생산공장을 건설하고 있다. 미쓰이금속은 2027년부터 실증 가동을 목표로 소재와 양산 공정 기술을 구축하고 있다.

미쓰이금속은 A-SOLiD™의 높은 이온 전도성과 전기화학적 안정성을 바탕으로 전고체 배터리용 고체전해질 사업을 확대하고 있다. 올해 5월에는 2027~2028년 실용화를 목표로 하는 주요 고객의 전고체 배터리 프로그램에 A-SOLiD를 공급하기로 결정했다고 발표한 바 있다.

팩토리얼은 이번 협력에서 팹리스 방식의 배터리 기술 개발사 역할을 유지하면서 셀 설계와 공정 개발, 공급망 검증, 생산라인 통합, 제조 검증 등을 주도한다. 미쓰이금속은 소재 및 제조 기술을 제공해 Solstice 플랫폼의 산업화와 생산 규모 확대를 지원한다.

Solstice 플랫폼은 높은 에너지 밀도(최대 450Wh/kg)와 향상된 열 안정성을 제공하도록 설계됐다. 팩토리얼은 독자적인 건식 음극 공정을 적용해 제조 과정의 비용 효율성을 높일 수 있다고 소개했다.

이번 협력은 이미 대규모 양산에 들어간 배터리의 생산량을 늘리는 것보다 Solstice의 상용화를 위한 제조 공정과 공급망을 구축하고 생산 확대 가능성을 검증하는 데 초점이 맞춰져 있다. 팩토리얼은 올 1월 승용차 분야에서 첫 상업 주문을 확보했으며, 7월에는 항공우주 분야에서도 첫 상업 주문을 확보했다.

팩토리얼은 앞서 지난 7월 SK온과도 전고체 배터리 제조를 위한 양해각서를 체결했다. 양사는 SK온의 기존 리튬이온 배터리 제조 인프라와 생산 역량을 활용해 팩토리얼의 FEST^Ⓡ 준고체 배터리(Quasi-Solid-State Battery) 기술의 기술적 실현 가능성과 제조 측면의 고려사항을 공동으로 평가하고 있다.

미쓰이금속과의 이번 협력은 SK온과의 제조 인프라 검토에 이어 소재와 셀 기술, 공정 개발, 공급망 검증, 생산라인 통합 및 제조 검증을 아우르는 산업화 협력으로 범위를 넓혔다는 점에서 의미가 있다. 팩토리얼은 이를 통해 Solstice 플랫폼의 상용화에 필요한 제조 기반을 단계적으로 구축해 나갈 계획이다.

로옴 SiC 전력 반도체, BMW ‘Neue Klasse’에 채택

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-18 11:50:30+0900

로옴(ROHM)의 SiC(실리콘 카바이드) 전력 반도체가 BMW의 차세대 전기차 전용 플랫폼 ‘Neue Klasse(노이어 클라쎄)’에 채택됐다.

로옴은 18일 자사 SiC 전력 반도체가 BMW Neue Klasse 전동 파워트레인 시스템의 효율과 성능, 신뢰성 향상에 기여한다고 밝혔다.

SiC는 실리콘 기반 전력 반도체에 비해 낮은 온저항과 높은 내열성, 고전압·고주파 동작 특성을 갖는 소재다. SiC MOSFET은 스위칭 손실과 전도 손실을 줄이고 전력 변환 효율을 높일 수 있다. 또한 전력 변환 과정에서 발생하는 손실을 줄여 시스템의 소형화와 에너지 절감에도 기여한다.

로옴은 자동차용 SiC 기술을 지속적으로 확대해 왔다. 로옴은 2010년 SiC MOSFET 양산을 시작했으며, 자동차용 전력 반도체 분야에서는 AEC-Q101 등 자동차 신뢰성 기준을 충족하는 제품을 개발해 왔다. 2026년 4월에는 기존 4세대 제품 대비 고온 동작 조건에서 온저항을 약 30% 낮춘 5세대 SiC MOSFET을 공개했다.

로옴은 SiC MOSFET뿐만 아니라 SiC 쇼트키 배리어 다이오드(SBD), 풀 SiC 파워 모듈과 이를 구동하기 위한 게이트 드라이버 등 관련 제품과 기술을 함께 제공하고 있다. 로옴은 웨이퍼 제조와 공정 개발부터 패키징, 품질 관리까지 SiC 반도체의 핵심 기술을 자체 개발하고 생산하는 통합 체계도 구축하고 있다.

BMW의 Neue Klasse에 탑재된 로옴의 SiC 전력 반도체는 차세대 전동 모빌리티의 진화에 기여한다 © Copyright BMW AG

이번 BMW 채용과 관련해 볼프람 하르낙(Wolfram Harnack) 로옴 세미컨덕터 GmbH 사장은 “로옴의 SiC MOSFET이 BMW 그룹 Neue Klasse의 6세대 기술에 채용된 것은 자동차 전력전자 분야에서 로옴의 기술력을 보여주는 결과”라며 “로옴은 SiC 기술을 통해 BMW 그룹과 차세대 전동 모빌리티의 발전에 기여할 수 있게 됐다”고 말했다.

로옴은 이번 채용이 고품질·고신뢰성 전력 반도체를 통해 자동차 고객을 지원해 온 장기적인 전략과도 연결된다고 밝혔다.

온세미, 임베디드 파워 플랫폼 공개

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-18 11:08:04+0900

온세미(onsemi)가 실리콘 웨이퍼를 패키지 기반으로 활용하는 새로운 전력 시스템 아키텍처인 ‘임베디드 파워 플랫폼(Embedded Power Platform, EPP)’을 공개했다.

EPP는 전기·열·기계 설계를 초기 단계부터 통합해 AI 인프라, 전동화, 자율 시스템에 필요한 고전력·고효율 전력 시스템 개발을 지원한다.

EPP는 기존 패키지를 단순한 외피가 아닌 시스템 성능을 구성하는 요소로 활용하는 것이 특징이다. 실리콘 웨이퍼 자체를 패키지로 사용해 실리콘, 실리콘 카바이드(SiC), 질화갈륨(GaN) 기술을 하나의 웨이퍼 레벨 아키텍처에 통합할 수 있다. 또한 FET, 드라이버, 컨트롤러 등 여러 디바이스를 단일 패키지에 집적해 전기적·열적·기계적 특성을 함께 최적화한다.

온세미는 이를 통해 기존처럼 전력 전자와 기계·열 설계를 개별적으로 개발하는 방식에서 벗어나 공동 설계와 시뮬레이션, 최적화를 수행할 수 있는 환경을 제공한다고 설명했다. 설계 초기부터 전기·열·기계 특성을 함께 평가함으로써 더 높은 전력 밀도와 시스템 성능을 구현하고 개발 복잡성과 출시 기간을 줄일 수 있다는 것이다.

EPP는 온세미의 12인치 실리콘 웨이퍼 제조 역량을 기반으로 핵심 통합 공정을 반도체 생산 체계에 적용했다. 이를 통해 반도체 설계 도구와 웨이퍼 수준 제조 기술, 시뮬레이션 기술을 전력 시스템 개발에 활용할 수 있도록 했다.

온세미에 따르면 EPP는 애플리케이션에 따라 기존 대비 3~5배 높은 전력 밀도를 구현할 수 있으며, 개발 기간은 최대 4개월 단축할 수 있다. 또한 열 성능을 개선하고 기생 인덕턴스를 줄여 전력 손실을 낮추며, 더 높은 스위칭 주파수와 향상된 제어 성능을 지원한다.

AI 인프라 분야에서는 전력 공급과 변환, 보호 시스템의 공간과 냉각 요구를 줄이는 데 활용될 수 있다. 온세미에 따르면, 초기 EPP 기반 솔리드 스테이트 회로 차단기 설계에서는 기존 대비 크기를 50% 줄이고 온도를 20% 낮췄다.
전기차용 트랙션 인버터에서는 최대 4배 높은 전력 밀도와 15% 낮은 전력 손실을 구현해 인버터의 소형화와 효율 향상을 지원한다. 또한 하나의 공통 플랫폼을 활용해 다양한 차량 모델과 전력 등급에 적용할 수 있도록 설계됐다.

일본 완성차 업체인 스바루는 EPP 초기 협력 파트너로 참여해 향후 전동화 차량 아키텍처 적용 가능성을 평가하고 있다. 스바루는 온세미로부터 엔지니어링 샘플과 시뮬레이션 모델, 기술 지원을 제공받아 차량 성능 향상과 개발 효율화 방안을 검토할 예정이다.

온세미는 연내에 자동차와 AI 분야의 주요 고객 및 생태계 파트너를 대상으로 EPP 샘플 공급을 시작할 계획이다.

래티스, PQC 지원 보안 제어 FPGA와 AI 기반 개발 툴 발표

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-18 10:42:55+0900

래티스 반도체가 보안과 시스템 제어 기능을 강화한 소형 FPGA 신제품과 AI 기반 개발 툴을 동시에 선보였다. 차세대 인프라에 필요한 하드웨어 보안 기능을 FPGA에 통합하는 한편, 자연어를 이용해 설계 작업을 수행할 수 있는 개발 환경을 제공해 하드웨어와 개발 소프트웨어 양쪽에서 경쟁력을 높이겠다는 포석이다.

저전력 프로그래머블 및 플랫폼 펌웨어 기업 래티스 반도체(Lattice Semiconductor)는 17일 자사의 소형 FPGA 플랫폼인 래티스 넥서스 2(Lattice Nexus™ 2)를 기반으로 한 ‘래티스 Mach-N2(Lattice Mach-N2)’ FPGA 제품군을 발표했다. 이와 함께 FPGA 개발 전 과정에 AI를 적용할 수 있는 ‘래티스 프롬프트(Lattice Prompt)’를 공개했다.

Mach-N2는 2024년 말 공개된 넥서스 2 플랫폼을 기반으로 보안 제어 기능을 확장한 제품군이다. 최대 2배 높은 로직 밀도와 향상된 SERDES 대역폭을 제공하며, 최신 시스템온칩(SoC)과 프로세서에 직접 연결할 수 있다. 실시간 시스템 모니터링을 위한 저지연, 확정적 응답과 함께 컴퓨팅, 통신, 산업용 인프라의 전원 시퀀싱 및 시스템 관리 기능을 지원한다.

보안 측면에서는 통합 플래시, 하드웨어 신뢰 기반(Root of Trust), 암호화 유연성(crypto agility)을 갖춘 CNSA 2.0 준수 양자 내성 암호(post-quantum cryptography, PQC) 기술을 결합함으로써 차세대 시스템 전반에 걸쳐 신뢰할 수 있는 상시 가동(always-on) 시스템 제어 및 보안 기능을 제공한다.

온칩 플래시를 적용해 구성 비트스트림과 사용자 플래시 메모리(User Flash Memory, UFM)에 대한 외부 접근을 차단할 수 있으며, 이를 통해 외부 메모리를 사용하는 과정에서 발생할 수 있는 데이터 탈취나 변조 위험을 줄일 수 있다.

위변조 방지 기능은 전압과 온도 등 시스템 상태를 실시간으로 모니터링하고 이상 동작을 감지하는 방식으로 작동한다. 사용자 설정에 따라 위변조가 감지됐을 때 대응 동작을 지정할 수 있다. 이 기능은 사이드채널 공격과 같은 위협을 감지하는 데 활용될 수 있다.

Mach-N2는 인증을 위한 ML-DSA·LMS·XMSS와 키 교환을 위한 ML-KEM을 제공한다. PQC 가속기는 사용자 로직에서 API를 통해 접근할 수 있도록 설계됐다.

Mach-N2는 최대 16Gbps SERDES를 지원하며 PCIe 4.0과 10G 이더넷을 제공한다. 또한 22만 시스템 로직 셀(System Logic Cell, SLC) 기준 30밀리초 이내에 전체 설정을 완료하는 인스턴트 온(Instant-on) 기능과 주(primary), 보조(secondary), 골든(golden) 등 최대 3개의 설정 이미지를 저장하는 기능을 제공해 전원 인가 과정과 오류 복구 상황에서의 시스템 대응력을 높였다.

FPGA 설계에 AI 적용

래티스는 Mach-N2와 함께 AI 기반 FPGA 개발 툴인 래티스 프롬프트도 공개했다.
래티스 프롬프트의 핵심은 개발자가 자연어로 FPGA 설계 작업을 지시하고, 기존 래티스 설계 환경과 연계해 결과를 얻을 수 있도록 한 것이다. 개방형 모델 컨텍스트 프로토콜(Model Context Protocol, MCP)을 이용해 사용자가 선택한 대규모 언어 모델(LLM)과 에이전틱 통합 개발 환경(IDE)을 연결하고, 설계 소프트웨어인 래티스 래디언트(Lattice Radiant)를 백그라운드에서 연동한다.

여기서 래티스 프롬프트 자체가 별도의 LLM을 제공하는 것은 아니다. 개발자는 클로드 코드(Claude Code), 커서(Cursor), 비주얼 스튜디오 코드(Visual Studio Code) 등 자신이 사용하는 LLM 및 IDE를 선택하고, 래티스 프롬프트를 통해 래티스의 FPGA 개발 지식과 설계 툴을 연결하는 방식이다.

래티스 프롬프트는 래티스의 문서와 데이터시트, 지식 기반을 활용해 AI의 응답을 뒷받침한다. 이를 통해 시뮬레이션, 합성, 매핑, 배치 및 배선(P&R), 타이밍 분석, 비트스트림 생성 등 FPGA 설계 플로 전반을 자연어로 수행할 수 있다. 설계 보고서와 문서 생성도 자동화할 수 있다.

특히 래티스 래디언트와 연계해 자연어로 요청한 설계 작업을 실제 FPGA 비트스트림 생성 단계까지 연결할 수 있다는 점이 기존 범용 AI 코딩 툴과 다른 부분이다.

래티스는 일반적인 설계 작업에서 10배 이상의 생산성 향상을 제공할 수 있다고 밝혔다. 래티스 프롬프트는 무료로 제공되며 최신 버전의 래티스 래디언트와 호환된다. 다만 개발자가 사용하는 LLM이나 IDE 자체는 별도로 준비해야 한다.

오토리브, 토요타와 가상 충돌시험 솔루션 평가 착수

박종서 기자_fop1212@autoelectronics.co.kr — 2026-09-17 11:15:16+0900

가상 안전검증이 차량 개발 과정에서 연구개발(R&D)을 보조하는 수준을 넘어 핵심 개발 방식으로 부상하고 있다. 최근 오토리브(Autoliv)가 도요타를 자사 ‘인체 모델(Human Body Model, HBM) 안전 솔루션’의 첫 고객으로 확보하면서, 가상 충돌시험을 실제 개발 공정에 편입시키려는 경쟁이 본격화될 것으로 전망된다.

파비앙 뒤몽(Fabien Dumont) 오토리브 최고기술책임자(CTO)는 “가상시험은 차량 안전개발에서 점점 중요한 역할을 하고 있다”며 “HBM 안전 솔루션은 충돌 상황에서 인체의 반응을 상세하게 분석해 개발 초기부터 안전 성능을 평가하고 최적화할 수 있도록 지원한다”고 말했다.

글로벌데이터(GlobalData)는 이번 오토리브 HBM 안전 솔루션에 대한 토요타의 평가 참여가 자동차 업계에서 가상 충돌시험을 실제 개발 프로세스에 적용하려는 경쟁이 본격화되고 있음을 보여주는 사례라고 평가했다.

마두찬다 팔리트(Madhuchhanda Palit) 글로벌데이터 자동차 담당 수석 애널리스트는 “이번 협력이 확대되면 오토리브는 안전벨트와 에어백 등 승객 보호 시스템에 소프트웨어 기반 분석 역량을 결합해 기존 CAE 및 시뮬레이션 업체들과의 경쟁에서 입지를 강화할 수 있다”고 말했다. 이어 “토요타 역시 안전 성능과 개발 효율성이 중요해지는 환경에서 의사결정 속도를 높일 수 있을 것”이라고 덧붙였다.

설계 초기부터 안전성 검증

이번 협력은 안전검증을 차량 개발 초기 단계로 앞당기는 ‘시프트 레프트(Shift-left)’ 흐름과도 맞닿아 있다. 디지털 시뮬레이션을 설계 초기에 활용하면 개발 후반부의 설계 변경을 줄이고 실제 충돌시험에 투입해야 하는 시험 프로그램을 보다 효율적으로 구성할 수 있다.

오토리브는 이를 통해 기존 부품 공급업체의 역할을 넘어 완성차 업체의 엔지니어링 프로세스에 더 깊게 참여할 수 있다. 장기적으로는 가상 시험 결과와 실제 시험 데이터를 연계해 안전 시스템의 설계와 최적화를 지원하는 방식으로 협력 범위를 확대할 수 있다.

토요타는 HBM을 활용해 인체 상해 메커니즘을 보다 이른 단계에서 분석함으로써 탑승자의 체형과 착좌 자세 등에 따른 안전 시스템의 설계 조건을 세밀하게 검토할 수 있다. 이를 통해 가상 시뮬레이션 결과와 실제 차량의 안전 성능 목표 간 정합성을 높이는 데 활용할 수 있다.

중국 완성차와 글로벌 브랜드 ‘투트랙’ 전략

이번 토요타의 참여는 오토리브가 지난 7월 중국 완성차 업체인 샤오펑(Xpeng), 창청자동차(Great Wall Motor)와 맺은 파트너십과도 연결된다. 글로벌데이터는 이를 빠른 개발 주기를 가진 중국 완성차 업체와의 협력으로 적용 범위를 넓히는 동시에 글로벌 완성차 업체인 토요타를 통해 기술 신뢰성을 확보하려는 움직임으로 해석했다.

토요타 입장에서도 외부의 검증된 개발 도구를 활용하면 자체적으로 인체 모델링 기술과 시뮬레이션 체계를 처음부터 구축하는 데 필요한 비용과 복잡성을 줄이면서 차량 개발 속도를 높일 수 있다.

팔리트 애널리스트는 “오토리브와 토요타의 이번 협력은 가상 충돌시험이 실험적인 부가 요소가 아니라 운영상 필수 요소로 자리 잡아가고 있는 업계의 실용적 방향성을 보여준다”고 말했다.
이어 그는 “토요타 입장에서 잠재적 이점은 상해 메커니즘에 대한 조기 통찰력 확보와 디지털·실물 검증 간 균형을 맞추는 효율성 향상”이라며 “시간이 지나면서 이 같은 기술의 폭넓은 채택은 업계 전반의 가상 안전성 검증 기준을 높이고, 시뮬레이션 정확도와 워크플로 사용 편의성, 실제 결과와의 상관관계를 둘러싼 경쟁을 더욱 치열하게 만들 수 있다”고 전망했다.

오토리브 HBM Safety Suite

■ HBM Safety Suite
오토리브의 HBM Safety Suite는 차량 충돌 상황에서 탑승자의 신체 반응을 가상으로 분석할 수 있는 안전개발 플랫폼이다. 고도화된 인체 모델(Human Body Model, HBM)과 분석 및 시각화 도구를 결합해 탑승자와 차량 구조물, 안전 시스템 간 상호작용을 분석하고 개발 초기부터 안전 성능을 평가할 수 있도록 지원한다. 전통적인 충돌시험용 더미보다 세밀한 인체 해부학적 정보를 기반으로 다양한 충돌 조건과 탑승자 특성에 따른 부상 위험을 분석할 수 있다.

■ SAFER HBM
HBM Safety Suite에 통합된 SAFER HBM은 스웨덴 샬머스공과대학교(Chalmers University of Technology), 오토리브, 볼보자동차가 개발을 시작한 인체 모델이다. 이후 프라운호퍼-샬머스 센터(Fraunhofer-Chalmers Centre)가 창립 기관들과 함께 개발을 이어가고 있다. 성별, 연령, 신장, 체중 등 다양한 도로 이용자의 특성에 맞춰 모델을 변형할 수 있으며, 조직의 응력과 변형률 등을 활용한 부상 분석을 지원한다.

■ Euro NCAP과 HBM
HBM의 활용은 유럽 신차 안전성 평가 프로그램인 Euro NCAP의 향후 평가 체계와도 연계된다. 오토리브에 따르면 SAFER HBM은 Euro NCAP 프로토콜 V1.0(CP-550)의 인증 요건을 충족한다. Euro NCAP은 2026년부터 제조사가 충돌 시뮬레이션에 제출하는 HBM 활용 여부를 공식적으로 수집·검토하기 시작했고, 2026~2028년에는 HBM 기반 평가 프로토콜을 개발할 계획이다. 2029년 이후에는 여성 인체 모델과 보다 세분화된 부상 지표 등을 포함해 HBM 데이터가 차량 안전성 평가에 반영될 가능성이 제시되고 있다.

■ 가상시험과 물리시험의 결합
오토리브는 HBM 기반 가상시험을 물리적 충돌시험을 대체하는 기술이라기보다 이를 보완하는 수단으로 제시하고 있다. 가상시험을 통해 차량 개발 초기 단계에서 다양한 충돌 조건과 탑승자 특성을 검토하고, 실제 충돌시험과 함께 활용해 안전개발의 효율성을 높이는 것이 HBM Safety Suite의 주요 목적이다.

현대차그룹, 자율주행 개발 '데이터 플라이휠' 본격 가동

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-16 14:02:16+0900

11일(금) '현대차그룹 자율주행 미디어데이'에서 공개된 자율주행 차량(왼쪽부터) SDV 테스트베드, 광주 자율주행 실증사업 차량, 데이터 수집 차량

현대자동차그룹이 자율주행 기술 개발에서 데이터를 얼마나 많이 확보하느냐를 넘어, 실도로에서 발생한 데이터를 얼마나 빠르게 AI 학습과 검증에 연결하느냐에 초점을 맞추고 있다. 이를 위해 현대차그룹은 데이터 수집부터 AI 모델 학습, 가상·실차 검증, 차량 적용까지 이어지는 ‘데이터 플라이휠(Data Flywheel)’을 본격 가동했다.

이번 발표에서 주목할 부분은 Atria AI의 주행 성능 자체보다 자율주행 소프트웨어를 지속적으로 개선하기 위한 개발 인프라를 하나의 순환 구조로 구축했다는 점이다. 현대차그룹은 지난 11일 경기도 성남 포티투닷 본사에서 열린 ‘현대차그룹 자율주행 미디어 데이’에서 이 같은 개발 전략과 Atria AI의 개발 현황을 소개했다.

엔비디아로 양산 앞당기고, Atria AI로 핵심 기술 내재화

현대차그룹의 자율주행 전략은 크게 두 갈래다.
첫 번째는 엔비디아와의 협력을 통한 양산 적용 가속화다. 현대차그룹은 엔비디아의 차량용 AI 컴퓨팅 플랫폼과 자율주행 소프트웨어를 SDV 아키텍처에 통합하고, 이를 기반으로 레벨 2+ 차량을 2028년 상반기, 레벨 2++ 차량을 2028년 하반기에 양산한다는 계획이다.
두 번째는 포티투닷과 현대차·기아 AVP본부가 공동 개발하는 Atria AI다. Atria AI는 E2E(End-to-End) 기반의 자체 자율주행 시스템으로, 현대차그룹은 이를 통해 자율주행 핵심 소프트웨어 기술을 내재화한다는 전략이다. Atria AI 기반 레벨 2++ 차량의 양산 목표 시점은 2029년 하반기다.
따라서 이번 발표를 단순히 현대차그룹이 ‘자체 자율주행 AI를 개발한다’는 의미로 해석하기보다는 검증된 외부 기술을 활용해 양산을 앞당기는 동시에, 동일한 차량 생태계에서 축적되는 데이터를 자체 AI 개발에 활용하는 구조를 만드는 과정으로 보는 것이 적절하다.
특히 현대차그룹은 현대차·기아·포티투닷·모셔널 등에 적용되는 센서 체계를 NVIDIA DRIVE Hyperion 10을 중심으로 단계적으로 표준화하고, 데이터의 수집과 활용 체계도 통합한다는 계획을 제시했다.
현대차그룹이 데이터 플라이휠을 강조하는 이유는 단순히 방대한 주행 데이터를 확보하기 위해서가 아니다. 자율주행 AI는 정상적인 주행 데이터가 아무리 많이 축적되더라도 모델이 취약한 특정 상황을 충분히 학습하지 못하면 성능 개선에 한계가 있다. 이에 현대차그룹은 데이터 플라이휠 안에 Hard Example Mining 기법과 Continuous Training 파이프라인을 적용한다.
Hard Example Mining은 AI 모델이 오인식하거나 판단하기 어려워하는 주행 상황(엣지 케이스)을 자동으로 선별해 우선적으로 학습에 활용하는 기술이다. 이렇게 선별된 데이터를 반복 학습에 적용하고, 실제 차량 평가에서 확인된 문제를 다시 데이터 수집과 모델 개선으로 연결한다. 즉, 실도로 주행 → 데이터 수집 → 어려운 사례 선별 → 모델 학습 → 검증 → 차량 적용 → 새로운 데이터 수집이라는 반복 구조를 만드는 것이다.

42dot '비히클 워크샵(Vehicle Workshop)

현대차그룹은 현재 40여대의 데이터 수집 전용 차량을 주야간 운용하고 있다. 도로 공사, 악천후, 급격한 차로 변경, 이면도로의 주정차 차량 등 일반적인 주행 데이터에서 상대적으로 확보하기 어려운 엣지 케이스를 집중적으로 수집한다.
이 구조에서 중요한 것은 데이터를 수집하는 차량의 숫자보다 데이터가 개발 프로세스에 다시 반영되는 속도다. 데이터 플라이휠은 결국 자율주행 소프트웨어의 개발 주기를 단축하기 위한 일종의 지속적인 학습 인프라에 가깝다.
데이터 플라이휠에는 실제 주행 데이터를 이용한 가상 검증도 포함된다. 현대차그룹은 실제 도로에서 확보한 주행 데이터를 3차원 환경으로 재구성하고, 3D Gaussian Splatting 등의 그래픽 기술을 활용해 실제 도로에서 반복하기 어렵거나 위험한 상황을 가상 환경에서 재현하는 방식을 적용하고 있다.
이는 자율주행 개발에서 중요한 변화다. 새로운 AI 모델을 실제 차량에 적용한 뒤 모든 엣지 케이스를 도로에서 다시 검증하는 방식만으로는 학습과 검증 속도를 높이기 어렵기 때문이다.
실도로 데이터와 가상 검증 환경을 연결하면 동일한 상황을 반복적으로 재현하면서 모델의 취약점을 확인할 수 있고, 이후 개선된 모델을 다시 차량에 적용할 수 있다. 결국 실차 테스트와 시뮬레이션을 데이터 플라이휠 안에서 하나의 개발 사이클로 묶는 것이 핵심이다.
현대차그룹이 데이터 플라이휠에 기대하는 또 하나의 기반은 글로벌 양산 규모다.
현대차·기아는 전 세계 약 190개 국가와 지역에서 연간 700만대 이상의 차량을 판매하고 있다. 현대차그룹은 이 글로벌 차량 판매 및 운행 기반을 자율주행 데이터 확보의 기반으로 활용한다는 계획이다.
이를 위해 그룹 내 여러 조직과 차량에서 생성되는 데이터를 동일한 기준으로 축적하고 AI 학습에 활용하는 ‘Data Union’ 체계도 구축한다. Data Union은 단순히 각 회사가 보유한 원본 데이터를 교환하는 개념이 아니라, 차량과 조직별로 생성되는 데이터를 표준화된 센서 아키텍처와 데이터 구조를 기반으로 축적해 AI 학습에 활용하는 데이터 생태계에 가깝다. 초기에는 현대차·기아, 포티투닷, 모셔널 등 그룹 내부의 데이터 활용 효율을 높이는 데 초점이 맞춰진다. 때문에, 이번 발표에서 말하는 데이터 경쟁력은 단순한 데이터 보유량 경쟁과는 다르다.

Atria AI, E2E에서 VLA로 확장

현대차그룹의 자율주행 기술 개발에서 또 하나 눈여겨볼 부분은 VLA(Vision-Language-Action)다. 기존 E2E 자율주행 모델이 차량 주변의 시각 정보를 바탕으로 차량의 행동을 직접 생성하는 방식이라면, VLA는 시각적 정보에 언어 기반의 상황 이해와 추론을 결합해 행동을 결정하는 구조를 지향한다.
포티투닷은 기존 E2E 자율주행 모델과 별도로 VLA 기반 자율주행 기술을 병행 개발하고 있다. 현재는 시뮬레이션 기반 모델 검증 단계이며, 2026년 말부터 2027년 초까지 실제 차량 테스트를 포함한 전체 개발 프로세스를 가동할 계획이다.
여기서 VLA는 단순히 자율주행을 위한 새로운 AI 모델에 그치지 않는다. 현대차그룹은 VLA를 자율주행을 넘어 로보틱스 등 Physical AI로 확장하기 위한 기술 기반으로 보고 있다. 시각 정보를 이해하고 언어적 맥락을 바탕으로 상황을 추론한 뒤 실제 행동으로 연결하는 구조이기 때문이다.

연말 광주 레벨 4 실증, 데이터 플라이휠의 또 다른 시험대

현대차그룹은 올해 말 국토교통부와 협업해 광주에서 실제 도로 기반 레벨 4 자율주행 실증 사업도 추진한다. 이 실증은 통제된 테스트 트랙이 아닌 실제 도로에서 다양한 교통 상황과 예측하기 어려운 변수에 대응하면서 데이터를 확보하는 데 의미가 있다. 현대차그룹은 이 과정에서 확보한 주행 상황과 대응 데이터를 다시 데이터 플라이휠에 반영해 AI 학습과 검증에 활용할 예정이다.
결국, 이번 발표에서 Atria AI의 서울 도심 주행 영상은 하나의 기술 시연이라기보다 현대차그룹이 자율주행 소프트웨어를 개발하는 방식이 ‘완성된 알고리즘을 차량에 적용하는 방식’에서 ‘차량 운행 자체를 지속적인 AI 학습 과정으로 만드는 방식’으로 이동하고 있음을 보여주는 사례로 볼 수 있다.
앞으로 경쟁에서 중요한 것은 특정 시점의 자율주행 기능 수준뿐 아니라, 실제 도로에서 발견되는 문제를 얼마나 빨리 데이터로 전환하고, 이를 모델 학습과 검증에 반영해 다시 차량에 배포할 수 있는지다. 현대차그룹이 엔비디아 기반 양산 플랫폼과 Atria AI를 병행하는 것도 이 같은 지속적인 학습·검증 체계를 확보하기 위한 기술 및 사업 전략으로 해석할 수 있다.
특히 2028년 엔비디아 기반 양산 시스템과 2029년 Atria AI 기반 레벨 2++ 양산이라는 일정이 실제로 진행된다면, 양산 차량에서 생성되는 데이터가 다시 자체 자율주행 AI의 학습 자산으로 축적되는 구조가 만들어지게 된다.

현대차·기아 AVP본부장 박민우 사장

박민우 현대차·기아 AVP본부장(사장) 겸 포티투닷 대표는 “자율주행 경쟁은 더 이상 특정 기능의 우열을 가리는 경쟁이 아니다”며 “얼마나 많은 데이터를 확보하고, 얼마나 빠르게 학습하며, 그 결과를 실제 제품과 서비스에 반영할 수 있는지가 경쟁력을 결정한다”고 말했다.
이어 “자율주행 경쟁의 본질은 결국 학습 속도의 경쟁”이라며 “현대차그룹은 데이터와 AI, 검증이 반복되는 선순환 구조를 기반으로 고객이 신뢰할 수 있는 자율주행 기술을 빠르게 개발해 나갈 것”이라고 밝혔다.

페르세우스, 'GAIA' 보안 부트 솔루션 A-SPICE CL2 인증 획득

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-16 09:19:19+0900

하이퍼바이저(Hypervisor) 및 자동차용 기반 소프트웨어 기업 페르세우스(PERSEUS)가 자사 보안 부트(Secure Boot) 솔루션 '가이아(GAIA)'에 대해 자동차 소프트웨어 개발 프로세스 역량을 인정받았다.

서상범 페르세우스 대표는 15일 자신의 링크드인을 통해 가이아가 TÜV SÜD의 평가를 거쳐 자동차 소프트웨어 개발 프로세스 평가 모델인 Automotive SPICE(A-SPICE) Capability Level 2(CL2) 인증을 획득했다고 밝혔다.

가이아는 시스템이 시작되는 순간부터 신뢰할 수 있는 부트 체인을 구축하도록 설계된 페르세우스의 보안 부트로더 솔루션이다. 보안 부트는 시스템이 부팅되는 과정에서 신뢰할 수 있는 소프트웨어만 실행되도록 검증하는 기술로, 차량용 소프트웨어의 보안성을 확보하기 위한 기반 기술 중 하나다.

이번 CL2 획득은 가이아 자체의 기능뿐만 아니라 이를 개발하는 프로세스의 역량까지 평가받았다는 데 의미가 있다. A-SPICE는 자동차 소프트웨어 및 시스템 개발 프로세스를 평가하기 위해 자동차 업계에서 활용되는 프로세스 평가 모델이다.

페르세우스는 지난해 자사의 하이퍼바이저 '페가수스(PEGASUS)'에 대해 ISO 26262 ASIL-D 기능 안전성 인증을 획득한 바 있다. 페가수스가 기능 안전성 인증을 확보한 데 이어, 이번에 가이아가 A-SPICE CL2를 획득하면서 자동차용 기반 소프트웨어의 안전성과 개발 프로세스에 대한 역량을 강화하게 됐다.

서상범 대표는 게시글에서 “자동차용 기반 소프트웨어에서는 두 가지 모두가 필수적”이라며 “소프트웨어 자체가 신뢰할 수 있어야 하고, 이를 만들어내는 프로세스 역시 신뢰할 수 있어야 한다”고 밝혔다.

이번 성과는 페르세우스가 소프트웨어 정의 차량(SDV)용 기반 소프트웨어 영역에서 고성능 CPU부터 안전 필수 MCU까지 제품 적용 범위를 확대하는 과정에서 거둔 필수 단계라고 할 수 있다.

CATL, 상용차용 차세대 배터리 솔루션 'TECTRANS II' 공개

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-15 15:16:03+0900

주링보(Zhu Lingbo) CATL 글로벌 비즈니스 사업부 CTO

CATL은 14일(현지시간) 독일 하노버에서 열리고 있는 ‘IAA Transportation 2026’에서 상용차용 차세대 배터리 솔루션 ‘TECTRANS II’를 공개했다.

TECTRANS II는 표준화된 배터리 팩을 조합하는 모듈형 구조를 적용해 차량의 용도와 요구되는 에너지 용량에 따라 배터리 구성을 변경할 수 있다.

이 플랫폼은 e-액슬과 중앙 드라이브 방식 모두를 지원하며, 충전과 배터리 교환 방식도 유연하게 적용할 수 있다. 외형 치수와 전기 인터페이스, 통신 프로토콜을 표준화하면서 배터리 기술과 팩 설계는 지속적으로 개선할 수 있도록 설계했다. CATL은 이를 통해 기존 차량 플랫폼의 큰 변경 없이 향후 배터리 기술 업그레이드가 가능하다고 설명했다.

모듈형 설계는 상용차 제조사의 개발 부담을 낮춘다. CATL에 따르면 하나의 플랫폼을 여러 차종에 활용할 수 있어 차량 개발 기간을 최대 50% 단축하고 연구개발 비용을 60~70% 줄일 수 있다.

TECTRANS II 배터리

에너지 성능도 강화했다. TECTRANS II의 중량 에너지 밀도는 170Wh/kg으로, CATL은 업계 평균보다 약 13% 높은 수준이라고 밝혔다. 같은 배터리 용량을 적용할 경우 차량의 적재량을 약 0.6톤 늘릴 수 있다. 최대 구성에서는 1,000km의 주행거리를 지원하며, 메가와트급 급속충전으로 25분 만에 배터리를 80%까지 충전할 수 있다.

전력 효율을 높이기 위해 저임피던스 풀탭(full-tab) 설계도 적용했다. CATL은 이를 통해 시스템 왕복 효율(Round-Trip Efficiency, RTE) 96%를 달성해 충전 과정에서 발생하는 에너지 손실을 줄였다고 설명했다. 대형 트럭용 배터리는 12년, 150만km의 수명을 보장하며, 이 기간 동안 배터리 용량의 70%를 유지하도록 설계됐다.

상용차 운행 환경을 고려한 안전성과 내구성도 강화했다. 배터리 상부에는 고온 성형 강철 커버를 적용했으며, 하부 플레이트는 최대 1,000J의 충격을 견딜 수 있도록 설계했다. 압출 알루미늄 인클로저에는 충격에 강한 리브 구조를 적용해 최대 250kN의 측면 압축 강도를 확보했다. 해안 지역과 한랭 지역의 장기간 운행을 고려해 최대 15년의 부식 방지 성능도 지원한다.

배터리 시스템의 고장 대응을 위한 이중화(redundancy) 구조도 적용했다. 다중 분기 독립형(Multi-branch independent) 배터리 관리 시스템(BMS)을 통해 특정 배터리 분기에 문제가 발생하더라도 나머지 분기가 전력 공급을 지속할 수 있도록 했다. 배터리와 차량의 다른 부품에서 발생한 절연 이상을 구분할 수 있는 고장 진단 기술과 하드웨어·소프트웨어·차량 시스템에 걸친 다층 사이버보안 기능도 적용했다.

CATL은 IAA Transportation 2026에서 DHL 그룹과 유럽 내 '그린 화물 운송 회랑(Green Freight Corridors)' 구축을 위한 양해각서(MoU)를 체결했다. 양사는 DHL의 물류 네트워크와 운송 운영 경험, CATL의 배터리 기술을 기반으로 전기 상용차를 공동 개발하고 실증 사업을 추진할 계획이다.

Electreon, 전기차 무선 충전 솔루션 ‘Lite DOT’ 공개

박종서 기자_fop1212@autoelectronics.co.kr — 2026-09-15 14:44:16+0900

일렉트리온(Electreon)이 승용 및 경상용 전기차를 비롯해 자율주행 차량까지 적용할 수 있도록 설계된 새로운 무선 충전 솔루션을 선보였다.

일렉트리온은 14일부터 20일까지 독일 하노버에서 열리는 ‘IAA Transportation 2026’에서 고정형 무선 충전 솔루션 ‘Lite DOT’를 최초 공개했다. Lite DOT는 최대 11 kW의 충전 전력을 제공하며, 기존 전기차 가정용 충전 연결 방식과 유사한 수준의 충전 용량을 지원한다.

Electreon Lite DOT: 11kW 무선 충전 솔루션으로, 지상형 충전 패드와 벽면 유닛을 적용해
전기 승용차와 경상용차가 주차 중 케이블 연결 없이 자동으로 충전할 수 있다.

Lite DOT는 주차 공간에 설치하는 지상형 충전 패드와 벽면 또는 기둥 등에 설치할 수 있는 월 유닛, ‘Electreon Flow’ 모바일 애플리케이션으로 구성된다. 기존 충전 인프라에 대규모 굴착이나 구조 변경을 하지 않고 설치할 수 있도록 설계한 것이 특징이다.

Lite DOT는 차량이 주차 위치에 도달하면 시스템이 차량을 인식하고 충전을 자동으로 시작한다. 운전자가 충전 케이블을 꺼내 연결하거나 충전이 끝난 뒤 분리할 필요가 없어 충전 과정의 번거로움을 줄일 수 있다.

Lite DOT는 실외와 차고 등 실내 환경에서 모두 사용할 수 있으며, 비와 눈이 내리는 환경에서도 작동하도록 설계됐다. 작동 온도 범위는 –30℃에서 +50℃까지다. 차량에는 별도의 전용 수신기가 필요하며, 수신기는 일렉트리온 또는 업계 파트너사가 공급한다.

Lite DOT는 전기차 플릿 운영에도 적합하다. 기존 유선 충전 방식은 충전 케이블과 커넥터의 잦은 연결 및 분리, 오염, 외부 노출, 차량에 의한 손상 등으로 유지보수 부담이 발생할 수 있다. 반면, 무선 충전을 활용하면 차량의 주차 시간을 충전에 활용하면서 케이블 취급에 따른 관리 부담을 줄일 수 있다.

한편, 일렉트리온은 Lite DOT를 비롯해 정차 중 충전과 주행 중 충전 기술을 개발하고 있다. 회사는 유럽·아시아·북미에서 20개 이상의 프로젝트를 진행하고 있으며, 버스·트럭·밴·승용차 및 자율주행 차량을 대상으로 무선 충전 기술을 적용하고 있다. 올해 미국 무선 충전 기업 InductEV 인수를 완료하면서 관련 특허를 400건 이상으로 확대했다.

웨이모, 2027년 도쿄서 완전 자율주행 택시 서비스

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-15 12:10:37+0900

웨이모(Waymo)가 니혼코츠(Nihon Kotsu), 모빌리티 플랫폼 GO와 손잡고 2027년 도쿄에서 운전자가 탑승하지 않는 무인 자율주행 차량 호출 서비스를 상용화한다. 웨이모는 2025년부터 도쿄 도로에서 진행해 온 자율주행 경험을 기반으로 일본 시장에서 상용 서비스 단계로 전환할 계획이다.

웨이모는 14일(현지시간) 니혼코츠, GO와 2027년 도쿄에서 무인 자율주행 차량 호출 서비스를 상용 출시하기 위한 협력에 공식 합의했다고 밝혔다. 서비스는 초기 소규모 차량으로 시작한 뒤 도쿄 주요 지역으로 확대할 계획이다. 구체적인 차량 규모와 운영 지역은 인허가 및 기술·운영 검증 결과에 따라 결정될 예정이다.

3사는 2025년부터 도쿄에서 웨이모 차량의 주행과 현지화 작업을 진행해 왔다. 지난 1년간 웨이모 차량은 니혼코츠 소속 훈련 인력이 탑승한 상태에서 자율주행하며 좁은 주거지역 도로와 유동 인구가 많은 도심 환경 등에 대응하는 기술을 검증했다.

각 기업은 역할을 나눠 서비스를 운영한다. 웨이모는 자율주행 기술을 제공하고, 니혼코츠는 택시 운영 경험과 현지 서비스 역량을 기반으로 차량 및 운행 관리 등을 담당한다. GO는 자사의 모빌리티 플랫폼을 통해 이용자와 자율주행 서비스를 연결하는 역할을 맡는다.

이용자는 GO 앱을 통해 기존 택시와 웨이모의 자율주행 차량을 모두 호출할 수 있게 된다. 웨이모 앱에서도 자율주행 차량 서비스를 이용할 수 있도록 할 예정이다. 이를 통해 기존 택시 서비스와 자율주행 서비스를 하나의 이동 수단 체계 안에서 제공한다는 구상이다.

웨이모는 이번 서비스를 도쿄의 교통망을 보완하는 새로운 이동 수단으로 활용한다는 방침이다. 특히 일본의 고령화와 향후 운전 인력 부족에 대응할 수 있는 수단으로 자율주행 기술의 활용 가능성을 제시했다. 니혼코츠 역시 자율주행 차량을 기존 택시를 대체하기보다 기존 교통 서비스와 함께 운영하는 방향으로 협력을 추진하고 있다.

웨이모는 현재 미국을 중심으로 매주 50만 건 이상의 자율주행 차량 호출 서비스를 제공하고 있으며, 15개 주요 도시에서 상용 자율주행 서비스를 운영하고 있다. 도쿄 진출은 미국 외 지역에서 자율주행 호출 서비스를 확대하는 사업 전략의 일환이다.

다만, 2027년 상용 서비스 개시는 일본 정부 및 지방 당국의 인허가와 기술·운영 검증 완료를 전제로 한다. 세 회사는 필요한 허가와 면허 확보를 위해 일본 관계 기관과 협의를 진행 중이다.

한편, 웨이모는 14일부터 미국 라스베이거스에서 일반 승객을 대상으로 완전 자율주행 차량 호출 서비스를 시작했다. 초기에는 약 24마일의 서비스 구간에서 운행하며, 향후 클라크 카운티 지역으로 서비스 범위를 확대할 계획이다.

인피니언, AI 가속기용 2A/mm² 스마트 파워 스테이지 출시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-15 11:31:38+0900

인피니언 테크놀로지스(Infineon Technologies AG)가 차세대 AI 가속기와 수직 전력 공급(VPD) 모듈을 위한 듀얼 페이즈 스마트 파워 스테이지 제품군 ‘TDA235E5’와 ‘TDA235E0’을 출시했다.

두 제품은 인피니언의 OptiMOS™ 6 MOSFET과 듀얼 페이즈 드라이버 IC를 6×6×0.8 mm³ 패키지에 통합해 2A/mm²를 초과하는 전력 밀도를 구현했다.

TDA235E5와 TDA235E0은 최대 300A 피크 전류와 120A 총 설계 전류(TDC)를 지원한다. 차세대 AI xPU 가속기는 물론 데이터센터 서버 CPU에도 적용할 수 있으며, 수평형과 수직형 전력 공급 구성을 모두 지원한다.

열 관리 측면에서는 접합부와 패키지 상단 사이의 낮은 열 임피던스 특성을 통해 액체 냉각 시스템과의 통합을 지원한다. 또한 인피니언의 디지털 멀티페이즈 컨트롤러와 결합해 멀티 레일 전원 아키텍처를 구성할 수 있다.

TDA235E5와 TDA235E0는 그리드 인터페이스부터 프로세서 코어 전원 레일까지 데이터센터 전력 공급 체인을 지원하는 인피니언의 AI 서버 전력 공급 솔루션에 통합된다. 인피니언은 실리콘(Si), 실리콘카바이드(SiC), 갈륨나이트라이드(GaN) 등 전력 반도체 기술을 기반으로 AI 데이터센터의 효율과 전력 밀도를 높이는 데 초점을 맞췄다.

TDA235E5와 TDA235E0의 엔지니어링 샘플은 현재 고객 평가용으로 제공되고 있다.

마우저, 마이크로칩 200MHz 32비트 DSC 공급

박종서 기자_fop1212@autoelectronics.co.kr — 2026-09-15 11:04:15+0900

마우저 일렉트로닉스(Mouser Electronics)가 마이크로칩 테크놀로지(Microchip Technology)의 200MHz 32비트 디지털 신호 컨트롤러(DSC) ‘dsPIC33AK256MPS306’을 공급한다.

dsPIC33AK256MPS306은 고분해능 제어와 고속 아날로그 기능, 양자 내성 암호(PQC) 기반 보안 기능을 통합한 제품으로 AI 서버, 데이터센터, 자동차 및 산업용 애플리케이션에 적합하다.

이 제품은 36/48/64핀 VQFN 및 TQFP 패키지로 제공되며, 32비트 또는 64비트 부동소수점 유닛(FPU), 최대 256KB 플래시 프로그램 메모리, 64KB SRAM을 탑재했다. 또한 40MSPS 12비트 ADC, 100MHz 대역폭 연산 증폭기, 5ns 비교기, 고속 PWM 출력, 하드웨어 암호화 가속기 등을 갖추고 있다. 이를 통해 실리콘카바이드(SiC)와 질화갈륨(GaN) 전력 반도체 기반 시스템을 비롯해 서버 전원공급장치, 산업 자동화, 센싱, 터치 제어 및 모터 제어 분야에서 고속 제어 루프를 구현할 수 있다. ISO 26262와 IEC 61508 표준을 준수해 설계됐으며 AEC-Q100 인증도 획득했다.

마우저는 dsPIC33A DSC 제품군 개발을 지원하는 마이크로칩의 ‘EV17P63A 큐리오시티 나노(Curiosity Nano) 평가 키트’도 함께 공급한다. 이 평가 키트는 온보드 디버거를 제공해 별도의 외부 프로그래밍 및 디버깅 장비 없이 프로토타이핑할 수 있으며, 마이크로칩의 MPLAB 에코시스템과 호환된다.

EV17P63A 큐리오시티 나노(Curiosity Nano) 평가 키트

ST, 차내 센싱용 1.1MP 이미지 센서 출시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-15 10:40:26+0900

ST마이크로일렉트로닉스(STMicroelectronics, 이하 ST)가 적외선 기반 차내(in-cabin) 센싱용 1.1MP 차량용 이미지 센서 ‘ST SafeSense VD56GA’를 출시했다. 이 센서는 운전자 및 탑승자 모니터링(DMS/OMS)을 보다 다양한 차량에 적용할 수 있도록 성능과 통합성, 비용 효율성을 강화한 제품이다.

VD56GA는 새로운 후면조사형(backside-illuminated, BSI) 픽셀 아키텍처인 ‘ST DeepNIR’를 적용했다. 기존 세대 제품보다 변조전달함수(Modulation Transfer Function, MTF) 기준 이미지 선명도가 35% 향상됐으며, 양자효율은 약 60% 높아졌다. 이를 통해 적외선 환경에서도 높은 이미지 품질을 제공하며, 디스플레이 아래 카메라와 같은 까다로운 환경에서도 활용할 수 있다.

또한, 높은 이미징 성능을 바탕으로 저렴한 광학계와 단순화된 적외선 조명, 낮은 수준의 광학 필터를 사용할 수 있으며 외부 이미지 처리 장치도 필요하지 않아 카메라 모듈의 전체 시스템 비용과 설계 복잡도를 줄일 수 있다.

VD56GA는 3.7×3.2 mm 크기의 CSP 패키지로 제공돼 공간이 제한된 차내 카메라에 적합하다. 미러, 크롭, 다크 보정, 자동 노출, 구간별 선형 처리 등 다양한 이미지 처리 기능도 센서에 내장했다. 또한 RAW와 YUV 출력 형식을 모두 지원해 다양한 전자 아키텍처와 소프트웨어 환경에 대응할 수 있다.

ST는 VD56GA를 비롯한 차량용 이미지 센서에 대해 프랑스 크롤(Crolles) 공장에서 전공정 생산을 진행하고 아시아에서 패키징하는 수직 통합 제조 체계를 적용한다. 이를 통해 차량용 제품의 공급망 안정성과 품질 관리, 장기적인 공급 지원을 강화하고 있다.

한편, ST는 올해 초 차량용 SafeSense 이미지 센서 누적 출하량 1,000만 개를 기록했다.

전력 모듈이 OEM의 전동화 시스템 복잡성을 관리하는 방법

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-11 18:35:33+0900

전기차 포트폴리오가 확장됨에 따라 완성차 업체(OEM)가 관리해야 할 변수도 급격히 늘고 있다. 차종별로 요구되는 성능 목표, 전압 아키텍처, 반도체 기술, 소싱 전략이 제각각이기 때문이다. 캐나다 부품업체 마그나 인터내셔널(Magna International)은 인버터 내부의 핵심 부품인 전력 모듈을 표준 플랫폼으로 재설계해 복잡성에 대응하고 있다.

전동화의 다음 과제, '복잡성 관리'

전기차(EV) 라인업이 다양해지면서 자동차 업계의 화두는 ‘어떻게 전동화할 것인가’에서 ‘어떻게 여러 차종에 걸쳐 효율적으로 확장할 것인가’로 옮겨가고 있다. 차량 프로그램마다 요구되는 성능, 전압 기준, 반도체 기술, 부품 조달 전략이 서로 다르다 보니, 개발과 공급망 전반에 걸쳐 새로운 복잡성이 발생하고 있다는 것이 업계의 진단이다.
마그나 파워트레인의 피르민 도르프슈테터(Pirmin Dorfstaetter) 제품관리 디렉터는 최근 자사 공식 블로그를 통해 이러한 문제의 해법이 “인버터 깊숙한 곳”에 있다고 설명했다. 인버터는 배터리에 저장된 직류(DC) 전력을 전기 모터 구동에 필요한 교류(AC) 전력으로 변환하므로 eDrive 시스템에서 가장 중요한 부품 중 하나다. 인버터의 중심에는 전력 전달 방식을 제어하며 효율, 열 관리, 패키징, 성능, 시스템 비용에 직접적인 영향을 미치는 전력 모듈이 자리하고 있다.

하나의 아키텍처로 여러 차종 대응

차량 프로그램마다 요구되는 성능 목표, 전압 수준, 반도체 기술이 달라 프로그램별로 인버터를 별도 설계하는 방식은 개발 복잡성을 높일 수 있다. 반면, OEM들은 전기차 포트폴리오가 확장되면서 핵심 시스템을 매번 새로 설계하지 않고도 다양한 애플리케이션을 지원할 방법을 찾고 있다.
마그나는 자사 전동화 부품 브랜드 에텔리전트파워(EtelligentPower™) 제품군에 속하는 ‘마그나 전력 모듈(Magna Power Modules)’을 개발했다. 개별 애플리케이션마다 별도의 엔지니어링 과제로 접근하는 대신, 공통 아키텍처를 기반으로 여러 차량 프로그램을 지원할 수 있는 확장형(scalable) 전력 모듈 플랫폼을 구축한 것이 특징이다.
오늘날 전동화 차량은 실리콘(Si) 또는 실리콘카바이드(SiC) 반도체를 점점 더 많이 활용하고 있으며, 두 기술은 장단점이 뚜렷하다. Si 기반 솔루션은 비용에 민감한 차량 프로그램이나 저전력 애플리케이션에 적합한 반면, SiC 기반 솔루션은 효율, 열 성능, 고전압 대응 능력이 뛰어나 성능과 효율이 우선시되는 애플리케이션에 강점이 있다.
마그나는 OEM이 모든 차량 프로그램에 걸쳐 단일 기술 전략을 선택하도록 강제하는 대신, Si와 SiC 기술 사이를 유연하게 오갈 수 있는 공통 인버터 아키텍처를 제공한다. 이를 통해 플랫폼 재사용성을 높이는 동시에, OEM이 여러 애플리케이션에 걸쳐 비용·효율·성능의 균형을 스스로 조율할 수 있도록 돕는다.

반도체 공급망 변화에 대응하는 '칩 애그노스틱' 전략

반도체 기술이 빠르게 진화하는 상황에서 OEM들은 기술적 전문성과 장기적인 소싱 유연성을 동시에 갖춘 협력사를 찾고 있다. 마그나는 이 두 가지 요구를 모두 충족하는 방향으로 개발 전략을 수립했다.
마그나는 반도체 업체와의 협업을 통해 전력 모듈 기술의 개발과 상용화를 추진하는 한편, 인버터 설계, 시스템 통합, 전기 추진 시스템 분야에서 축적한 자체 역량을 결합하고 있다.
마그나 공통 인버터 아키텍처는 특정 반도체 공급사에 종속되지 않는 '칩 애그노스틱(chip-agnostic)' 설계를 지원하며, 차량 프로그램이 세계 시장으로 확장됨에 따라 변화하는 기술 로드맵, 지역별 규제, 공급망 여건에 OEM이 유연하게 대응할 수 있도록 돕는다. 결과적으로 깊이 있는 기술 협업의 이점과, 글로벌 차량 포트폴리오 전반에서 요구되는 적응성을 동시에 확보한 솔루션이라는 것이 마그나 측 설명이다.

400V·800V를 아우르는 시스템 설계

마그나 전력 모듈은 eDrive 시스템, 인버터, 제어장치, 추진 시스템 통합 분야의 전문성을 바탕으로 시스템 관점에서 설계됐다. 이 플랫폼은 400V와 800V 아키텍처를 모두 지원해, OEM은 폭넓은 차량 애플리케이션에서 공통된 기반 기술을 활용할 수 있다.
모듈은 콤팩트한 패키징, 낮은 부유 인덕턴스(stray inductance) 설계, 냉각 시스템과의 통합을 고려한 구조로 개발돼 효율적인 인버터 통합과 열관리를 지원한다. 마그나의 차세대 eDrive 시스템에 통합되거나, 단독 부품 형태로 OEM에 공급될 수 있어 고객사가 기술 도입 방식을 유연하게 선택할 수 있다는 점도 특징이다.

재설계 없이 변화에 대응하는 것이 핵심

도르프슈테터 디렉터는 성능 요구사항, 전압 아키텍처, 반도체 기술, 소싱 전략이 변화하는 상황에서 핵심 시스템을 매번 다시 설계하지 않고도 대응할 수 있는 능력이 중요하다고 강조했다. 전력 모듈은 인버터 내부의 작은 부품이지만, 효율과 열 관리, 패키징, 성능, 시스템 비용 등 추진 시스템 전반에 영향을 미치기 때문이다.
마그나는 전기 추진 시스템에서 축적한 시스템 설계 역량을 전력 모듈 플랫폼에 적용해 OEM이 다양한 차량 프로그램에 대응하면서도 개발과 공급망의 복잡성을 관리할 수 있는 기반을 제공하고 있다.

전압 유연성(Voltage flexibility): 마그나 전력 모듈은 400V 및 800V 아키텍처를 지원하며, 최대 250kW의 출력 용량을 갖추고 있어 다양한 전기차 및 하이브리드 애플리케이션에 적합하다.
마그나 자체 설계(Magna-owned design): 마그나는 플랫폼을 자체 개발해 성능, 품질, 맞춤화에 대한 높은 수준의 제어권을 확보했다.
고효율(High efficiency): 마그나 전력 모듈은 낮은 부유 인덕턴스 패키지를 적용해 스위칭 동작을 개선하고 에너지 손실을 줄인다.
비용 최적화(Cost optimization): 마그나 전력 모듈은 패키징 복잡성과 제조 비용을 줄이고 칩 면적 활용도를 높여 비용 최적화를 지원한다.
공급망 독립성(Supply chain independence): 마그나 전력 모듈은 높은 수준의 공급망 독립성을 확보하고 있다. 칩 애그노스틱(chip-agnostic) 접근 방식을 통해 반도체를 유연하게 소싱할 수 있어 공급망 리스크를 줄이고 확장성을 확보할 수 있다.
SiC와 Si 간의 상호 교환성(Interchangeability): 마그나는 Si와 SiC 전력 모듈을 상호 교체할 수 있는 방식을 제공한다. 이를 통해 OEM은 하나의 기술 경로에 종속되지 않으면서도 주행거리와 활용성을 갖춘 전기차 중심의 주행 경험을 구현할 수 있다.

앱티브, 차세대 ADAS 스마트카메라 양산 ··· 스트라드비젼 AI 비전 기술 탑재

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-11 16:10:42+0900

앱티브(Aptiv)는 10일(현지시간) 중국 신에너지차(NEV) 제조사의 최신 유럽 시장용 차량 프로그램에 자사의 차세대 ADAS 스마트카메라가 양산 적용됐다고 밝혔다. 이 제품은 중국 현지 엔지니어링 역량과 앱티브의 글로벌 기술 및 개발 자원을 결합해 유럽 시장의 안전 요구사항에 대응하도록 개발됐다.

Aptiv Next-Generation ADAS Smart Camera

차세대 앱티브 ADAS 스마트카메라는 중국산 차량용 SoC와 윈드리버(Wind River)의 Kaiwu RTOS를 기반으로 한다. 8MP 카메라와 120도 화각이 적용됐으며, 스트라드비젼의 AI 비전 인식 기술을 통합해 주행 환경에 대한 인식 성능을 높였다. 앱티브는 이를 통해 유럽의 강화된 안전 기준에 대응하면서 중국 완성차 업체의 글로벌 시장 진출을 지원할 수 있도록 설계했다고 설명했다.

특히 이 스마트카메라는 Euro NCAP 2026 5-Star 안전등급 요구사항을 충족하도록 개발됐다. 완성차 업체가 유럽 시장에 차량을 출시하기 위해 요구되는 안전 기준에 대응할 수 있도록 시스템과 알고리즘을 구성한 것이다. 또한 중국 현지 개발팀과 글로벌 엔지니어링팀의 협업을 통해 유럽의 교통 환경과 도로 조건, 운전 특성에 맞춰 알고리즘을 최적화했다.

하드웨어 측면에서는 단일 SoC에 MCU를 통합한 구조를 적용했다. 이를 통해 기존 구조 대비 하드웨어 크기와 전력 소비를 각각 20% 줄이고 시스템 BOM 비용을 낮추면서도 높은 수준의 인식 및 연산 성능을 확보했다.

스트라드비젼의 AI 비전 인식 소프트웨어는 이 시스템에서 카메라로 입력되는 주행 환경 정보를 처리하고 차량, 보행자, 차선, 교통표지판 등을 인식하는 역할을 담당한다.

이번 양산 적용은 스트라드비젼의 AI 비전 인식 기술이 글로벌 1차 부품사인 앱티브의 차세대 ADAS 스마트카메라 플랫폼에 통합돼 실제 양산 차량에 적용됐다는 점에서 의미가 있다.

한편, 스트라드비젼은 자동차 양산 환경에서 검증된 AI 비전 인식 기술을 기반으로 자동차를 비롯한 다양한 자율형 기기로 적용 범위를 확대하고 있다. 이번 사례를 통해, 스트라드비젼은 중국산 차량용 SoC와 글로벌 자동차 소프트웨어 플랫폼을 결합한 ADAS 시스템에서도 비전 인식 소프트웨어를 공급하며 플랫폼 확장성을 넓혔다.

김준환 스트라드비젼 대표는 "이번 양산은 스트라드비젼의 비전 인식 기술이 중국 완성차의 유럽 진출이라는 실제 시장 요구 속에서, 안전 기준을 충족하는 핵심 기술로 채택됐다는 점에서 의미가 크다"며 "특정 반도체나 지역에 종속되지 않는 기술 경쟁력을 바탕으로 글로벌 1차 부품사들과의 협력을 계속 확대해 나가겠다"고 말했다.

ADI, 알리프 인수 ··· AI 네이티브 프로세싱 플랫폼 확보

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-11 15:18:08+0900

아나로그디바이스(Analog Devices, ADI)가 알리프 세미컨덕터(Alif Semiconductor)를 인수하고 에지에서 실시간으로 인공지능(AI)을 처리할 수 있는 디지털 프로세싱 역량을 강화한다.

ADI와 알리프 세미컨덕터는 ADI가 알리프를 현금 13억5,000만 달러에 인수하는 최종 계약을 체결했다고 9일(현지시간) 밝혔다.

이번 인수는 AI가 언어와 이미지 해석을 넘어 물리적 세계와 직접 상호작용하는 단계로 발전하는 데 대응하기 위한 것이다. ADI는 이러한 기술 영역을 '피지컬 인텔리전스(Physical Intelligence)'로 정의하고 있다.

피지컬 인텔리전스는 모션, 소리, 진동, 전파, 열역학 등 물리적 세계에서 발생하는 다양한 신호를 기반으로 시스템이 현장에서 실시간으로 판단하고 작동하는 것을 의미한다. 특히 전력, 지연시간, 보안, 신뢰성 등 제약 조건이 있는 환경에서는 데이터를 로컬로 처리할 수 있는 기술이 요구된다.

알리프는 고효율 AI 네이티브 마이크로컨트롤러(MCU)와 퓨전 프로세서를 기반으로 에지 인텔리전스 기술을 제공하고 있다. 이종 아키텍처를 적용해 실시간 센서 퓨전과 저지연 추론, 온디바이스 AI를 지원하는 것이 특징이다.

ADI는 알리프의 디지털 프로세싱 플랫폼에 자사의 센싱, 신호 처리, 전력, 연결성 및 애플리케이션 소프트웨어 역량을 결합할 계획이다. 이를 통해 고객이 물리적 환경에서 데이터를 감지하고 분석하며 대응하는 시스템을 보다 빠르게 구축할 수 있도록 한다는 구상이다.

이번 인수를 통해 ADI는 산업, 데이터센터 인프라, 방산, 에너지, 로보틱스, 디지털 헬스 및 웨어러블 등으로 솔루션 적용 범위를 확대할 수 있을 것으로 보고 있다.

ADI는 그동안 물리적 세계의 신호를 전기적 데이터로 변환하는 센싱과 신호 처리, 전력 및 연결성 분야에서 기술 역량을 축적해 왔다. 여기에 알리프의 AI 네이티브 프로세싱 기술을 더해 센싱부터 연산, 전력 관리, 연결성까지 시스템 단위의 솔루션을 제공할 수 있는 기반을 확보하게 됐다.

알리프의 반도체 제품은 현재 양산 출하되고 있으며, 소비재 및 산업 분야 고객사를 대상으로 디자인-윈 성과를 확보하고 있다고 양사는 설명했다.

ADI는 이번 거래를 통해 물리적 세계에서 AI가 요구하는 실시간성과 전력 효율성, 보안 및 신뢰성 등의 요구에 대응하는 동시에 피지컬 인텔리전스 관련 사업 영역을 확대한다는 방침이다.

계약에 따라 ADI는 알리프 주주에게 13억5,000만 달러의 선급 대금을 현금으로 지급한다. 이와 별도로 최대 2억 달러의 조건부 대금을 추가로 지급할 수 있다.

거래는 양사 이사회의 승인을 받았으며, 통상적인 거래 종결 조건 충족과 개정된 1976년 하트-스코트-로디노 반독점개선법(HSR법)에 따른 관련 대기 기간 및 연장 기간의 만료를 전제로 한다.

양사는 이번 인수가 연내 완료될 것으로 예상하고 있다.

“AI는 데이터센터를 넘어 지연시간, 전력, 신뢰성에 타협을 허용하지 않는 물리적 세계로 확장되고 있습니다. 알리프의 디지털 프로세싱 역량과 ADI가 다중 모드 센싱, 신호 처리, 전력, 연결성, 소프트웨어 분야에서 구축한 리더십을 결합해, 고객이 로컬에서 실시간으로 감지, 추론, 작동하는 시스템을 구현할 수 있도록 지원합니다. 이것이 바로 현실에서 구현되는 '피지컬 인텔리전스'입니다.”
빈센트 로쉬(Vincent Roche), ADI CEO 겸 이사회 의장

“처음부터 우리는 전용 저전력 신경망 처리 장치(NPU)를 연결성, 보안, 지능형 전력 관리 기능과 통합한 이종 아키텍처를 설계해, 연산 자원을 필요한 곳에 정확히 제공할 수 있도록 했습니다. ADI가 보유한 물리적 영역에 대한 깊이 있는 전문성과 광범위한 아날로그 시스템 역량을 결합함으로써 우리는 피지컬 인텔리전스의 미래를 이끌어 나갈 솔루션의 적용 범위를 더욱 확장할 수 있게 되었습니다.”
레자 카제로니안(Reza Kazerounian), 알리프 공동 설립자 겸 사장

인팩, 바이코 고밀도 전력 변환 기술로 48V Zone 아키텍처 구현

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-11 12:12:41+0900

인팩(INFAC)이 바이코(Vicor)의 고전력 800V-48V 절연형 레귤레이션 DC-DC 컨버터를 통합한 전기차용 800V 배터리 팩 설계 블록을 공개했다.

이 설계는 DC-DC 변환 기능을 차량 곳곳에 분산된 독립형 서브시스템으로 구성하는 대신 배터리 팩 내부에 통합하는 것이 특징이다. 배터리에서 직접 전압을 낮춰 차량 전체에 안전초저전압(SELV)을 분배함으로써 48V 존(Zone) 아키텍처를 구현한다.

기존 방식에서는 고전압 DC-DC 컨버터가 일반적으로 800V 또는 400V 배터리 어셈블리 시스템(BAS) 외부에 장착된다. 이에 따라 DC-DC 컨버터를 위한 별도의 안전 및 열 관리 시스템이 필요하다.

바이코 DC-DC 컨버터(BCM 및 PRM)는 800V 배터리 팩 내부에 탑재된다. 이를 통해 차량 설계에 필요한 공간과 중량을 줄이고, 배터리 냉각 시스템을 활용해 열 관리 문제에 대응할 수 있다. 이러한 접근 방식은 별도로 설치되는 DC-DC 컨버터를 위한 추가 냉각 시스템을 제거함으로써 비용과 중량을 줄인다. 고밀도 바이코 BCM6135와 PRM3735 레귤레이터의 조합은 까다로운 공간 제약 조건을 충족해 인팩이 새로운 배터리 팩 설계를 구현할 수 있도록 했다.

전기차의 모터와 인버터 시스템은 수백 kW의 전력을 필요로 하며, 이를 위해 고전압 와이어링 하네스와 브래킷, 인클로저가 필요하다. 반면 다른 파워트레인 서브시스템과 차체 및 섀시 전자장치는 3.5~12kW의 전력을 필요로 하며 48V SELV 존 전력 공급 네트워크를 통해 전력을 공급할 수 있다.

고전압 전원과 DC-DC 변환 전력 시스템을 물리적으로 분리할 경우 전력 분배 및 관리 시스템이 중복될 수 있다. 이로 인해 공간과 중량, 비용이 증가하고 두 개의 액체 냉각 시스템이 필요하다.

인팩은 배터리 팩에 이미 열 부하를 관리할 수 있는 액체 냉각 시스템이 탑재돼 있다는 점에 주목했다. 이에 고전압 DC-DC 컨버터를 배터리 팩 내부에 통합하고 기존 냉각 시스템을 활용하는 설계를 적용했다.

이를 통해 기존에는 DC-DC 컨버터를 위해 배터리 팩 외부에 별도로 설치해야 했던 냉각 시스템을 제거할 수 있다. 배터리 팩을 단순한 에너지원이 아니라 중앙 집중형 지능형 전력 허브로 활용하는 접근이다.

차량 배터리 팩 내부에 탑재하기 위해서는 시스템의 폼팩터를 매우 작게 설계해야 했다. 인팩 시스템의 크기는 215×45×82mm(가로/세로/높이)이며, 부피는 793cm³, 중량은 약 1.5kg이다.

이번 설계에는 바이코의 고밀도 BCM6135 DC-DC 컨버터와 PRM3735 레귤레이터가 적용됐다. 두 제품은 고전압을 48V로 변환하고 전압을 조절해 존 아키텍처에 필요한 고출력 완전 절연형 레귤레이션 버스를 구현한다.

인팩은 기존에는 크기 제약으로 인해 DC-DC 변환 기능을 배터리 팩 내부에 탑재하는 데 어려움이 있었다고 설명했다. 전력 관리와 전기적 절연, 안전 요구사항, 전력 모듈 패키징의 견고성 등을 동시에 충족해야 했기 때문이다.

DC-DC 컨버터를 배터리 팩 내부에 배치하면 시스템 차원의 다양한 이점을 확보할 수 있다.
우선 배터리의 액체 냉각 네트워크를 활용해 중복되는 냉각수 회로를 제거하고 열 인터페이스를 줄일 수 있다. 고전압 케이블의 길이와 두께도 줄여 고전압 하네스의 배선과 레이아웃을 단순화할 수 있다.

또한 브래킷과 인클로저, 냉각 부품 수를 줄여 BOM 비용과 중량을 낮추는 것도 가능하다. 연결부와 냉각 경로를 최소화함으로써 누출 지점과 전기적 고장 위험을 줄이고, 외부 인터페이스를 줄여 보다 빠르고 일관된 제조 공정을 구현할 수 있다.

바이코의 고밀도 모듈형 전력 아키텍처는 배터리 통합형 48V 전력 분배를 구현하는 데 필요한 효율성과 확장성, 소형 폼팩터를 제공한다. 이를 통해 배터리 팩을 차세대 전기차의 중앙 전력 관리 및 분배 허브로 활용할 수 있다. 인팩은 자사의 전기차 배터리 팩 설계를 자동차 업계의 48V 존 전력 아키텍처 전환에 맞출 수 있게 됐다.

린레드·콘스텔러, 차세대 적외선 위성 기술 협력

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-10 18:35:37+0900

린레드(Lynred)와 콘스텔러(constellr)가 차세대 적외선 지구관측 기술 개발을 위해 협력한다. 린레드의 적외선 검출 기술은 콘스텔러가 2028년부터 순차적으로 구축할 차세대 위성군의 성능 향상에 활용될 예정이다.

이번 협력은 콘스텔러가 추진하는 차세대 위성군의 유럽 내 산업 기반을 강화하는 동시에 고성능 적외선 기술의 상용 규모 적용을 지원하는 데 목적이 있다. 콘스텔러는 유럽 내 여러 부품공급업체와 협력하는 방식을 채택하고 있으며, 임무와 고객 요구사항에 따라 탑재체와 센서 구성을 선정한다.

양사는 이번 협력을 시작으로 미래 세대 위성을 위한 새로운 검출 솔루션과 첨단 적외선 아키텍처 개발에도 협력할 계획이다. 공간 해상도와 관측 폭(swath), 재방문 주기(revisit frequency)를 크게 개선하면서도 대규모 상업 위성군에 적용할 수 있도록 비용과 크기, 전력 소비, 산업화 수준을 유지하는 것이 목표다.

이번 협력은 린레드의 고성능 적외선 기술 역량과 콘스텔러의 위성 기반 지구관측 시스템 설계·배치 및 상용화 역량을 결합하는 형태로 추진된다. 이를 통해 적외선 기반 지구관측 기술을 개별 위성 단위에서 대규모 위성군으로 확대하는 기반을 마련한다는 구상이다.

콘스텔러는 향후 수년간 수십 기 규모의 적외선 위성을 배치하는 로드맵을 추진하고 있다. 적용 분야는 상업 및 공공기관을 포함한 듀얼유즈(dual-use) 시장으로, 국방·보안, 중요 기반 시설, 에너지, 농업, 도시 회복력, 환경 모니터링 등을 대상으로 한다.

아우모비오, 분산형 브레이크 시스템 공개

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-10 18:03:21+0900

아우모비오(AUMOVIO)가 기존 원박스(one-box) 브레이크 시스템보다 크기와 무게를 줄이면서 제동 성능과 에너지 효율을 높인 분산형 브레이크 시스템을 공개했다. 두 개의 브레이크 액추에이터를 상시 함께 작동시키는 구조를 적용해 고도 자율주행(Highly Automated Driving, HAD) 차량의 제동 안전성을 강화한 것이 특징이다.

분산형 브레이크 시스템은 두 개의 소형 액추에이터가 지속적으로 함께 작동한다. 이를 통해 설치 공간을 줄이고, 설치 유연성을 높이며, 성능을 향상시킬 수 있다.

아우모비오는 10일(현지시간) 차세대 전기유압식 브레이크 시스템인 ‘분산형 브레이크 시스템(Distributed Brake Syste m)’을 공개했다고 밝혔다. 중국 완성차 업체 한 곳으로부터 첫 주문을 받았으며, 생산은 2027년 말 시작될 예정이다.

아우모비오는 이 제품이 최신 차량 전기·전자(E/E) 아키텍처를 활용한 진정한 의미의 브레이크 바이 와이어(Brake-by-Wire) 시스템이라고 소개했다. 운전자의 제동 명령이 브레이크 페달에서 백업 단계까지 전자적으로 전달되며, 기존의 기계·유압식 연결을 사용하지 않는다.

핵심은 두 개의 소형 액추에이터를 활용하는 분산형 구조다. 기존 고도 자율주행용 원박스 브레이크 시스템은 두 개의 브레이크 액추에이터를 갖추더라도 정상 주행에서는 하나만 사용하고 나머지는 백업용으로 대기한다.

반면 아우모비오의 분산형 브레이크 시스템은 두 액추에이터를 상시 작동시켜 필요할 경우 함께 제동력을 생성한다. 각 브레이크 시스템은 비상 상황에서 독립적으로 작동할 수 있도록 설계됐다. 이를 통해 기존 원박스 시스템보다 시스템을 작고 가볍게 만들면서 에너지 효율도 높일 수 있다.

제동 성능도 개선했다. 특히 전기적 고장 등으로 백업 제동이 필요한 상황에서도 네 바퀴 모두에 제동력을 전달할 수 있도록 설계됐다. 아우모비오는 일반적인 다른 브레이크 시스템의 백업 모드가 두 개 또는 세 개의 바퀴에만 작동하는 것과 비교해 안전성을 높일 수 있다고 설명했다. 아우모비오의 주장에 따르면, 이 시스템은 SAE 레벨 5까지의 자율주행에 사용할 수 있다.

분산형 브레이크 시스템은 아우모비오의 브레이크 시스템 로드맵에 포함된 광범위한 솔루션 포트폴리오의 일부다.

차량 내 공간 활용성도 높였다. 기계적·유압식 연결이 필요하지 않기 때문에 전자식 브레이크 페달을 제외한 대부분의 브레이크 구성 요소를 차량 전방에 자유롭게 배치할 수 있다. 이에 따라 기존 브레이크 시스템이 차지하던 공간을 줄이고 대용량 배터리 등 다른 부품을 위한 공간을 확보할 수 있다.

특히 전기차와 하이브리드차뿐 아니라 중복성을 갖춘 최신 E/E 아키텍처를 적용한 내연기관 차량에도 사용할 수 있다. 차량의 전원 공급 지점과 전기 네트워크를 이중화(redundancy)해 유압식 백업 없이도 브레이크 시스템의 중복성을 확보하는 구조다.

브레이크 바이 와이어 구조는 차량 개발과 생산 과정의 부품 공용화에도 도움이 될 수 있다. 아우모비오는 동일한 전자식 브레이크 페달 시스템을 다양한 차량 아키텍처에 적용할 수 있어 좌·우핸들 차량이나 내연기관·전기차에 따라 별도의 브레이크 페달 시스템을 개발할 필요성을 줄일 수 있다고 설명했다. 이에 따라 개발과 생산, 물류 비용 절감도 가능하다.

지능형 이중화 구조를 통해 e-페달의 제동 명령을 두 액추에이터에 전자적으로 전달하고, 두 액추에이터가 함께 작동해 네 바퀴 모두에 높은 제동력을 생성한다.

아우모비오는 이번 분산형 브레이크 시스템을 기존 전기유압식 브레이크와 완전 건식 브레이크 시스템을 아우르는 브레이크 제품군의 새로운 축으로 제시했다. 회사는 2016년 시장에 출시한 MK C1·C2 시리즈의 전기유압식 압력 공급 장치를 통해 1,500만 개 이상의 판매 실적을 확보했으며, 이를 바탕으로 유압식 브레이크의 장점과 전기기계식 브레이크 아키텍처를 결합한 브레이크 바이 와이어 시스템을 개발했다고 밝혔다.

아우모비오는 이번 첫 양산 수주를 계기로 분산형 브레이크 시스템의 대량 생산을 위한 단계에 들어간다는 계획이다. 첫 양산 제품은 2027년 말 생산을 시작할 예정이다.

마우저, 40~650V 전압 지원 온세미 GaN FET 공급

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-10 17:09:25+0900

마우저 일렉트로닉스(Mouser Electronics)가 로보틱스와 산업자동화 등에 활용할 수 있는 온세미(onsemi)의 새로운 가넥서스(GaNEXUS™) GaN FET 제품군을 공급한다. 높은 주파수에서 전력 변환 효율을 높이고 전력 밀도를 개선할 수 있는 질화갈륨(GaN) 기반 전력 반도체는 모터 드라이브를 비롯한 다양한 전력 시스템 설계를 지원한다.

가넥서스 GaN FET는 GaN의 와이드 밴드갭 특성을 활용해 고속 스위칭과 낮은 게이트 및 출력 전하, 높은 효율을 구현하도록 설계됐다. 로보틱스 분야에서는 모터 드라이브와 같은 저전압·중전압 전력 시스템에 적용해 스위칭 손실을 줄이고 전력 밀도와 열 성능을 높이는 데 활용할 수 있다.

특히 가넥서스 제품군은 저전압, 중전압, 고전압 및 초고전압 전력 변환 애플리케이션을 대상으로 40V에서 650V까지의 전압 범위를 지원한다. 높은 동작 주파수를 활용하면 자기 부품의 크기를 줄이면서 전력 밀도를 높일 수 있어 전력 변환 시스템의 소형화에도 기여할 수 있다.

제품군에는 인핸스먼트 모드(enhancement-mode) 방식의 디스크리트 GaN HEMT(high-electron-mobility transistor)가 포함된다. 또한 보호 기능을 통합한 650V 가넥서스 스마트 GaN FET를 제공해 시스템 신뢰성을 높이고 전력 시스템 통합을 간소화할 수 있도록 했다.

가넥서스는 로봇 외에도 AI 서버, 48V 중간 버스 컨버터(Intermediate Bus Converter, IBC), 배터리 백업 유닛(BBU), 산업용 모터 드라이브 등 다양한 전력 시스템에 적용할 수 있다. 저전압 및 중전압 시스템에서는 자기 부품의 크기를 줄이면서 높은 전력 밀도와 효율, 열 성능 및 제어 안정성을 구현하고 스위칭 손실을 낮추는 데 초점을 맞췄다.

고전압 영역에서는 AI 파워 셸프(power shelf), 고전압 DC-DC 변환, 역률 보정(PFC), LLC 전력단 등에 적용할 수 있다. 고주파 AC-DC 및 공진 전력단에서는 자기 부품의 크기를 최대 60%까지 줄일 수 있으며, PFC와 LLC, 고전압 DC-DC 아키텍처의 전력 밀도를 높이고 열 관리 및 운영 비용을 줄일 수 있다.

마우저는 가넥서스 GaN FET가 설계 엔지니어가 전력 시스템의 설계 복잡성을 줄이고 개발 및 인증을 가속화하는 동시에 열 관리와 냉각 요구사항을 완화할 수 있도록 지원한다고 설명했다.

가넥서스 GaN FET에 대한 자세한 정보는 마우저 일렉트로닉스 웹사이트에서 확인할 수 있다.

인피니언, 전력·안전 기능 통합한 전기차 트랙션 인버터용 PMIC 출시

박종서 기자_fop1212@autoelectronics.co.kr — 2026-09-09 11:42:19+0900

인피니언 테크놀로지스는 전기차 및 하이브리드 차량의 고전압 트랙션 인버터를 위한 통합형 전력 관리 IC(PMIC) 'OPTIREG TLE9744QK'를 출시했다고 9일 밝혔다.

이 IC는 전원 공급 기능, 레졸버 여자(excitation) 및 전용 안전 엔진(safety engine)을 하나의 디바이스에 통합했다. 이를 통해 트랙션 인버터 전자제어장치(ECU) 설계를 단순화하고, 마이크로컨트롤러(MCU), 통신 모듈 및 센서에 여러 개의 절연 파워 레일을 제공해야 하는 복잡한 과제를 해결한다. 여러 개의 디스크리트 부품을 단일 칩 솔루션으로 대체함으로써 시스템 비용과 복잡성을 줄인다. 부품 수(BOM)를 크게 감소시키고 대체되는 디바이스 기준으로 PCB 면적을 최대 70%까지 축소하면서 시스템 신뢰성과 기능 안전을 향상시킨다.

이 같은 통합은 핵심 주변 기능들을 실리콘 내부에 직접 내장함으로써 구현됐다. OPTIREG TLE9744QK는 레졸버 여자 신호를 내부에서 생성할 수 있어 외부 레졸버 드라이버 및 모니터링 회로가 필요하지 않다. 또한 다양한 마이크로컨트롤러와 게이트 드라이버에 대해 폭넓은 전원 공급 호환성과 기능적 상호운용성을 제공한다. 이러한 유연성을 통해 시스템 설계자는 대규모 하드웨어 재설계 없이 기존 MCU 플랫폼을 활용할 수 있으며, 이를 통해 제품 출시 기간(Time-to-Market)을 단축할 수 있다. 또한 보드 외부(off-board) 센서 전원 공급을 지원해 시스템 최적화를 위한 설계 유연성을 더욱 높여준다.

이 디바이스는 독립적인 하드웨어 아키텍처를 적용해 시스템 신뢰성과 안전성을 한층 강화한다. 통합 안전 로직(ISL, Integrated Safety Logic)은 위상전류(phase current), DC 링크 전압, MCU 및 게이트 드라이버 상태를 포함한 주요 파라미터를 지속적으로 모니터링한다. 독립적인 2차 안전 경로(secondary safety path)로서, ISL은 메인 MCU가 오동작할 경우 안전 상태를 결정하고 안전 상태로의 전환을 강제한다. 또한 이 보호 기능이 전원 이상 상황에서도 유지될 수 있도록, 메인 저전압 전원이 실패할 경우에도 ISL이 계속 동작할 수 있도록 하는 이중화 전원 입력(redundant supply input)을 제공한다. 이러한 독립 설계는 메인 저전압 전원 장애가 발생하더라도 안전 기능이 영향을 받지 않도록 보장하며, ISO 26262 표준에 따라 개발된 ASIL-D 요구사항을 충족한다.

앱티브, 인터커넥트 사업 브랜드 통합

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-08 09:14:07+0900

앱티브(Aptiv PLC)가 자사의 인터커넥트 사업 포트폴리오를 단일 브랜드로 통합한다고 지난 1일(현지시간) 발표했다.

앱티브에 따르면, 이번 조치로 자회사인 윈체스터 인터커넥트(Winchester Interconnect)와 인터케이블 오토모티브 솔루션즈(Intercable Automotive Solutions, IAS)는 각각 ‘앱티브 인터커넥트(Aptiv Interconnect)’와 ‘앱티브 하이-볼테이지 테크놀로지스(Aptiv High-Voltage Technologies)’라는 새 이름으로 앱티브 브랜드 아래 재편된다. 앱티브는 이번 리브랜딩이 두 사업이 앱티브의 엔지니어드 컴포넌츠(Engineered Components) 부문에서 갖는 전략적 중요성을 반영하는 동시에, 보다 통합된 글로벌 포트폴리오를 통해 고객 대응력을 강화하기 위한 조치라고 설명했다.

앱티브는 이번 브랜드 통합을 통해 자동차, 항공우주·방위, 산업, 통신, 에너지 등 여러 첨단 기술 시장에서 고객과의 접점을 간소화하고, 회사의 역량에 대한 인지도를 높일 수 있을 것으로 기대한다고 밝혔다.

앱티브는 고객이 앞으로도 기존 팀과 계속 협력하고 동일한 기술과 전문 지식을 이용할 수 있을 것이라고 밝혔다. 이번 개편으로 앱티브의 인터커넥트 테크놀로지스(Interconnect Technologies) 조직은 다음과 같이 구성된다.

Aptiv Interconnect (구 Winchester Interconnect): 미션 크리티컬 애플리케이션을 위한 고성능 커넥터, 케이블 어셈블리, 맞춤형 인터커넥트 솔루션의 설계·제조를 선도하는 사업 조직
Aptiv High-Voltage Technologies (구 Intercable Automotive Solutions): 전동화 시스템을 위한 확장 가능한 전력 분배 솔루션을 공급하는 고전압 버스바 전문 조직
Aptiv Connection Systems (브랜드 유지): 소프트웨어 정의 차량 및 전동화 등 차세대 애플리케이션을 위한 전력·신호·데이터 솔루션의 설계 및 최적화를 담당하는 사업 조직

앱티브는 이번 리브랜딩이 상호 보완적인 기술과 역량을 하나의 통합된 시장 입지 아래 결합하려는 회사 전략의 다음 단계라고 밝히며, 동시에 각 사업이 쌓아온 깊이 있는 기술 전문성과 고객 중심 접근은 그대로 유지될 것이라고 덧붙였다.

글로벌 EV 배터리 시장 점유율, 1~7월 CATL 39.9%·BYD 14.7%

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-07 18:43:18+0900

2026년 1~7월 글로벌 전기차(EV·PHEV·HEV) 배터리 시장에서 중국 CATL과 BYD가 시장을 주도한 가운데, 두 기업 간 격차는 더욱 벌어진 것으로 나타났다. 상위 10개사에 진입한 중국계 7개 기업의 합산 점유율은 72.8%에 달했다.

7일 에너지 시장조사업체 SNE리서치에 따르면, 2026년 1~7월 세계 각국에 등록된 전기차의 총 배터리 사용량은 약 725.2 GWh로 전년 동기 대비 20.4% 증가했다. 7월 한 달간 배터리 탑재량은 116.0 GWh로 지난해 같은 기간보다 22.1% 늘어났다.

글로벌 전기차용 배터리 사용량 추이
출처=2026년 8월 Global EV and Battery Monthly Tracker, SNE리서치

1위를 유지한 중국 CATL의 배터리 탑재량은 전년 동기 대비 26.6% 증가한 289.6GWh를 기록했다. CATL의 글로벌 점유율은 지난해 38.0%에서 39.9%로 오르며 40% 선에 육박했다.

2위 BYD는 전년 동기 대비 4.7% 증가한 106.7 GWh를 기록하는 데 그쳐 시장 평균 성장률을 하회했다. 점유율 역시 지난해 16.9%에서 14.7%로 2.2%p 낮아졌다.

두 기업의 합산 점유율은 54.6%로 전년 동기(54.9%)보다 소폭 떨어졌으나, 여전히 글로벌 시장의 절반 이상을 차지했다.

LG에너지솔루션은 60.3 GWh로 전년 동기 대비 4.5% 증가하며 3위를 지켰다. 테슬라, 현대차그룹, GM, 폭스바겐 등 주요 고객사에 공급을 이어갔으나 시장 성장 속도를 밑돌면서 점유율은 9.6%에서 8.3%로 축소됐다.

이어 중국 CALB가 전년 동기 대비 34.3% 급증한 37.3 GWh(점유율 5.1%)로 4위, 고티온(Gotion)이 44.2% 늘어난 34.0 GWh(점유율 4.7%)로 5위에 올랐다.

일본 파나소닉은 테슬라의 북미 판매에 힘입어 7.6% 증가한 26.2 GWh를 기록했으나, 점유율은 4.0%에서 3.6%로 하락하며 6위에 머물렀다. 중국 EVE는 53.1% 성장한 25.0 GWh(점유율 3.5%)로 7위를 기록했다.

글로벌 상위 6개사 배터리 시장 점유율 추이
출처=2026년 8월 Global EV and Battery Monthly Tracker, SNE리서치

SK온은 상위 10개 기업 중 유일하게 역성장을 보였다. 탑재량이 전년 동기 대비 9.8% 감소한 22.3 GWh에 그치며 8위에 머물렀고, 점유율도 4.1%에서 3.1%로 떨어졌다. 포드, 폭스바겐 등 북미 및 유럽 고객사의 전기차 생산 계획 조정이 악영향을 미친 것으로 분석된다.

9위는 중국 에스볼트(SVOLT, 18.9 GWh)가 차지했으며, REPT는 탑재량이 118.5% 급증한 16.9 GWh(점유율 2.3%)를 기록하며 처음으로 톱10에 진입했다. 직전 10위였던 신왕다(Sunwoda)는 순위권 밖으로 밀려났다.

이로써 상위 10개사에 이름을 올린 중국계 7개 기업의 합산 점유율은 72.8%로, 전년 동기 대비 3.1%p 상승하며 과점 체제를 한층 강화했다.

업체별 전기차용 배터리 사용량 상위 10개사
출처=2026년 8월 Global EV and Battery Monthly Tracker, SNE리서치

한편 지역별 배터리 사용량은 유럽이 29.3%, 중국이 16.6% 늘었고, 중국을 제외한 아시아 지역(77.1%)과 남미(192.6%)가 급격한 성장세를 보였다. 반면 북미 지역은 지난해 9월 말 미국의 연방 전기차 세액공제 종료 여파 등으로 신차 중 순수전기차 판매 비중이 6%대로 떨어지며 사용량이 전년 동기 대비 20.2% 감소했다.

메르세데스-벤츠 분사 스타트업 아토스 실리콘, 자금난에 사업 종료

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-07 16:50:29+0900

메르세데스-벤츠에서 분사해 자율주행 및 자율 시스템용 기능 안전성 칩렛 기술을 개발해온 스타트업 아토스 실리콘(Athos Silicon)이 사업 종료를 알렸다. 업계 평가는 긍정적이었지만, 제품 개발과 상용화에 필요한 자금 조달에 실패한 것이 직접적인 원인으로 지목됐다.

2일(현지시간) EETimes에 따르면, 아토스 실리콘은 이사회 결정에 따라 사업을 종료하고 법인을 정리하기로 했다. 찬지브 방가르(Charnjiv Bangar) 전 아토스 실리콘 최고경영자(CEO)는 회사가 많은 노력에도 불구하고 제품화와 상용화를 계속하기 위해 필요한 자금을 확보하지 못했다고 밝혔다.

방가르 전 CEO는 기술 자체가 문제였던 것은 아니라고 선을 그었다. 기술은 기술 커뮤니티와 협력 가능성을 검토한 잠재적 파트너들로부터 긍정적인 평가를 받았지만, 회사의 재무 상황과 지분 구조(cap table)가 문제였다는 것이다.

아토스 실리콘은 메르세데스-벤츠가 약 5년간 내부에서 진행한 반도체 연구개발 프로젝트를 기반으로 설립됐다. 2025년 메르세데스-벤츠에서 독립 법인으로 분사했으며, 메르세데스-벤츠는 전략적 투자를 단행하는 한편 상당한 규모의 지식재산권(IP)을 제공했다. 양사는 아토스 실리콘의 첫 번째 칩렛 기반 참조 설계인 폴라리스(Polaris)와 관련해 협력을 이어갈 계획이었다.

자율주행 기능 안전성 겨냥한 칩렛 아키텍처 개발

아토스 실리콘이 개발한 핵심 기술은 자율주행 및 자율 시스템의 기능 안전성을 높이기 위한 칩렛 기반 아키텍처다.

자율주행 시스템에서는 프로세서나 시스템온칩(SoC)에 문제가 발생하더라도 차량의 핵심 기능이 중단되지 않도록 하드웨어 중복성(redundancy)을 확보하는 것이 중요하다. 기존 방식에서는 복수의 프로세서나 칩을 별도로 구성해 장애 발생 시 다른 칩이 기능을 이어받도록 하고 있다.

아토스 실리콘은 여러 칩렛을 하나의 패키지 안에 구성하고 특허 기반 ‘voting’ 메커니즘을 적용해 칩렛끼리 서로의 상태를 감시하도록 하는 방식을 제안했다. 또한 특정 칩렛에 장애가 발생할 경우 워크로드를 다른 칩렛으로 이동시켜 시스템의 서비스가 중단되지 않도록 하는 기술도 개발했다. 이를 통해 자율주행 시스템에서 요구되는 하드웨어 수준의 이중화와 연속적인 서비스 제공을 구현한다는 전략이었다.

당초 외부 칩렛 결합 방식 추진

아토스 실리콘은 당초 자체적으로 모든 칩렛을 설계하기보다는 외부 업체의 칩렛을 결합하는 멀티벤더 전략을 추진했다. 칩렛 허브 기술을 보유한 드림빅(DreamBig)의 기술 등을 활용해 여러 업체의 칩렛을 통합하는 방식이었다.

2025년 공개된 계획에 따르면, 폴라리스는 3개의 컴퓨팅 다이와 중앙의 캐시 역할을 하는 드림빅의 칩렛 허브(Chiplet Hub), 그리고 신경망처리장치(NPU) 다이로 구성될 예정이었다. 드림빅은 같은 해 아토스 실리콘과의 협력을 공식 발표하면서 자사 칩렛 허브를 폴라리스에 통합한다고 밝혔다. 아토스 실리콘은 이를 기반으로 자동차뿐만 아니라 로봇, 항공우주 분야까지 적용 범위를 확대할 계획이었다.

그러나 Arm이 드림빅을 인수하면서, 아토스 실리콘의 멀티벤더 칩렛 전략에 변화가 생겼다. 아토스 실리콘은 2026년 4월 새로운 로드맵을 공개하면서 자체 설계한 단일 SoC 칩렛을 중심으로 제품 구조를 변경한다고 발표했다. 새로운 칩렛에는 외부에서 확보한 CPU, GPU, NPU IP를 통합하고, 하나의 테이프아웃(tape-out)으로 제작한 칩렛을 활용하는 방식이었다. 이를 통해 개발 및 제조 비용을 낮추면서 자체 기술 경쟁력을 확보한다는 계획이었다.

기술 상용화 앞두고 자금 확보에 실패

아토스 실리콘은 메르세데스-벤츠에서 독립한 이후 자동차 이외의 자율 시스템 시장으로 사업 영역을 확대하려 했다. 메르세데스-벤츠에서 확보한 IP를 다른 자동차 제조업체는 물론 항공기, 드론, 로봇 등 다양한 자율 시스템 분야에 적용할 수 있도록 사업 구조를 마련했다.

그러나 제품 개발과 상용화를 위해서는 추가 자금 확보가 필요했다. 결국 외부 투자 유치에 실패하면서 기술을 실제 제품으로 전환하기 위한 개발을 이어가기 어려운 상황에 직면했다.

아토스 실리콘의 사업 종료에 따라 메르세데스-벤츠에서 라이선스받았던 기존 IP는 메르세데스-벤츠로 반환된다. 분사 이후 아토스 실리콘에서 새롭게 개발한 IP는 개발자에게 귀속되는 것으로 알려졌다.

이번 아토스 실리콘 사례는 자동차용 반도체 분야에서 기술력만으로 상용화에 도달하기 어려운 현실을 보여준다. 특히 기능 안전성과 자율주행을 겨냥한 반도체는 높은 수준의 신뢰성과 검증이 요구되는 만큼 제품 개발부터 양산까지 상당한 시간과 자본이 필요하다.

아토스 실리콘은 메르세데스-벤츠에서 5년간 진행한 연구개발을 기반으로 독립 기업으로 출범했고 칩렛 기반 기능 안전성 아키텍처를 제시했지만, 제품화와 상용화에 필요한 자금 확보에 실패하면서 결국 약 1년간의 독립 기업 활동을 마무리하게 됐다.

마이크로칩-마렐리, SDV 디스플레이 연결 솔루션 공동 개발

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-07 14:39:40+0900

마이크로칩 테크놀로지(Microchip Technology)와 마렐리(Marelli)가 지난 3일 차량 중앙 컴퓨터(통합 ECU)에서 생성된 그래픽과 비디오를 개방형 고속 비디오 전송 규격인 ‘ASA 모션 링크(ASA Motion Link, ASA-ML)’를 통해 디스플레이로 직접 스트리밍하는 기술을 공동 시연했다.

양사는 이번 시연 솔루션이 완성차 업체의 디스플레이 아키텍처를 단순화하고 시스템 비용을 절감하며 부품 조달 유연성을 높여, 소프트웨어 정의 차량(SDV)으로의 전환을 가속화하는 데 기여할 것이라고 밝혔다.

ASA 모션 링크는 완성차 업체, 1차 공급사(Tier 1), 반도체 기업들로 구성된 글로벌 컨소시엄인 ‘자동차 SerDes 얼라이언스(Automotive SerDes Alliance. ASA)’가 제정한 차량용 비디오 연결 및 SerDes (serializer-deserializer) 통신 분야 개방형 표준이다.

이번 시연 아키텍처에서는 중앙 컴퓨터가 생성한 고용량 콘텐츠가 마이크로칩의 VS7000 ASA-ML 칩셋을 거쳐 고속 표준화 링크로 전송된다. 마렐리는 디스플레이 단의 통합을 맡아 ASA-ML 디서리얼라이저(Deserializer)를 최적화함으로써 전송된 표준 비디오 스트림을 디스플레이에서 직접 디코딩하도록 구현했다. 이를 통해 카메라 피드, 내비게이션 지도, 인포테인먼트 그래픽, 차량 제어 인터페이스 등 복잡한 시각 데이터를 지연 없이 동기화해 디스플레이에 출력할 수 있게 되었으며, 디스플레이 측 부품 구조 역시 한층 간소화할 수 있게 되었다.

ASA의 창립 멤버인 마이크로칩은 기존 카메라 애플리케이션에 이어 이번에 디스플레이 연결 영역까지 ASA 기술의 상호운용성을 확장 적용하게 되었다. 이번에 공개된 솔루션은 가혹한 자동차 환경에 대응하기 위해 강화된 보안 및 전송 기술을 대거 탑재했다. 최대 16 Gbps의 데이터 전송 속도를 지원해 다양한 차량용 디스플레이 요구사항을 충족할 수 있는 확장성을 제공하며, 링크 계층 인증 및 암호화 기능, 무손실 데이터 전송, 뛰어난 전자기 간섭(EMI) 내성을 갖추었다. 또한 효율적인 통신을 위해 시분할 듀플렉스 통신(Time Division Duplex, TDD) 기능과 간소화된 순방향 오류 정정(Forward Error Correction, FEC) 기술을 도입함으로써 전체적인 에너지 효율을 높이고 전력 소비를 줄이는 데 성공했다.

양사는 이번에 적용한 접근법이 향후 더욱 고도화될 이더넷 중심의 차량 아키텍처로 진화하는 데 중요한 기술적 발판이 될 것으로 평가했다.
독자적인 비디오 연결 기술 대신 개방형 표준인 ASA-ML을 채택함으로써 서로 다른 부품 제조사의 디스플레이와 콕핏 컴퓨팅 시스템이 하나의 공통 연결 규격 내에서 호환된다. 이로 인해 완성차 업체(OEM)는 특정 공급업체 기술에 대한 의존도를 낮추고, 차량 설계 및 솔루션 조달 시 공급망의 유연성을 확보할 수 있다.

보쉬, IAA 트랜스포테이션 2026서 화물 운송의 미래 청사진 제시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-07 12:03:34+0900

보쉬(Bosch)가 오는 9월 15일부터 20일까지(현지시간) 독일 하노버에서 열리는 세계 최대 상용차 및 물류 박람회 ‘IAA TRANSPORTATION 2026’에 참가해 미래 상용차 산업을 선도할 차세대 기술 포트폴리오를 대거 선보인다.

보쉬는 이번 행사에서 파워트레인, 열관리, 섀시, 자율주행, 커넥티비티, 디지털 서비스 등 화물 운송 전반을 아우르는 혁신 기술을 제시할 예정이다. 이를 통해 상용차 제조사(OEM)와 물류 업체들이 직면한 탄소 중립, 도로 안전 강화, 차량 시스템 복잡성 증가에 대한 해법을 제시한다.

보쉬 파워트레인 기술

보쉬가 이번에 선보이는 핵심 기술 중 하나는 리지드 e액슬(Rigid eAxle)이다. 전기모터와 변속기 등 전동 파워트레인 핵심 부품을 하나로 통합한 리지드 e액슬은 18~49톤급 상용차에 적용되며, 기존 전동식 중앙 구동 방식보다 가볍고 효율적이다. 최대 99% 효율의 실리콘카바이드(SiC) 인버터와 결합하면 화물 운송 운영비를 크게 낮출 수 있다는 게 보쉬 설명이다.

Bosch Rigid eAxle

전기 상용차의 주행거리와 성능을 좌우하는 열관리 분야에서는 800V 아키텍처용 고전압 블로어 모듈을 새롭게 선보인다. 전기 상용차와 오프하이웨이 차량을 겨냥해 개발된 이 솔루션은 핵심 차량 부품에 필요한 만큼의 냉각을 제공해 에너지 소비를 줄여 주행거리와 효율성을 높여준다.

버스와 트럭용 연료전지 시스템도 선보인다. 이 연료전지는 순수 배터리 전기 동력 시스템과 비교 시 시스템 무게 감소, 주행거리 연장, 빠른 연료 보충 시간 등의 장점을 제공한다. 보쉬는 100~300kW 출력대의 소형·고집적 연료전지 시스템 포트폴리오를 갖추고 있다.

시외버스 및 고속버스용 연료전지 시스템

수소엔진도 대체 동력원으로 제시된다. 보쉬는 2025년부터 세계 각지의 시험 차량과 차량 운영 업체에 직분사·흡기 매니폴드 분사 방식의 인젝터와 제어장치, 센서, 수소탱크 시스템용 부품을 공급해왔다. 이 동력 시스템 솔루션은 기존 아키텍처를 기반으로 하기 때문에 자동차 제조업체는 기존 개발 및 생산라인을 그대로 활용할 수 있다. 또한 희토류나 귀금속 등 수급이 어려운 원자재가 거의 필요 없다는 점도 강점으로 꼽힌다. 보쉬는 천연가스·메탄, 에탄올 등 지역별·용도별 대체연료 솔루션도 제공한다.

전기화가 어려운 기존 차량의 탄소 배출을 줄이기 위해, 보쉬는 재생합성연료(HVO 등)를 사용하는 차량 운영사에 디지털 연료 트윈(Digital Fuel Twin)이라는 클라우드 기반 소프트웨어를 제공한다. 이 기능은 대체연료 사용량을 자동으로 추적하고 그에 따른 배출 감축분을 기록한다.

Bosch Digital Fuel Twin

센서·커넥티비티로 안전 강화

2026년 중반부터 EU는 신규 등록 트럭에 센서 기반 운전자 경고 시스템 장착을 의무화했다. 보쉬는 디지털 사이드미러 좌측 디스플레이에 카메라를 통합해 운전자 주의력을 모니터링하는 방식으로 이 규정에 대응한다. 별도 장치를 추가로 설치할 필요가 없어 이미 유럽 트럭 제조업체 두 곳이 이 솔루션을 표준 사양으로 채택했다. 현재는 영상 데이터 처리를 위한 별도 제어장치가 필요하지만, 향후에는 중앙 도메인 컨트롤러가 이 역할을 대신하게 된다.

보쉬 커넥티비티 제어장치

카메라에서 직접 센서 데이터를 융합하는 MPC4 다목적 카메라도 새롭게 소개된다. 이전 모델 대비 연산 성능이 20배 향상되었고, 인공지능을 활용해 차선이탈경고·긴급제동보조 등 운전자보조시스템의 성능을 끌어올린다. 2027년 양산 예정이다.

보쉬 MPC4

카메라와 함께 2027년 선보일 7세대 레이다 센서는 도파관 안테나 기술과 자체 개발한 프로세싱 칩(SoC)을 적용하고, AI 알고리즘으로 신호 품질을 최적화한다. 이 기술은 기존 도메인 제어장치부터 고성능 컴퓨터까지 다양한 전기·전자(E/E) 아키텍처에 유연하게 대응할 수 있다는 게 보쉬의 설명이다.

클라우드 연결을 통한 예측 주행 기능도 강화됐다. 예를 들어, 보쉬의 커넥티드 맵 서비스는 사고, 역주행, 수막현상 등에 대한 실시간 데이터를 분석해 운전자보조시스템을 선제적으로 제어한다. 플릿 매니지먼트 익스텐디드 액세스 제어 시스템은 물리적 키와 스마트폰 앱으로 차량 접근을 관리하며, 디지털 키를 통해 차량 관리자의 배차 업무를 한층 간소화할 수 있도록 돕는다.

보쉬 ADAS 통합 플랫폼

고성능 차량용 컴퓨터와 소프트웨어

보쉬는 점점 복잡해지는 트럭용 시스템에 대응하여 강력하고 확장 가능한 차량용 컴퓨터를 갖춘 중앙집중형 E/E 아키텍처를 개발하고 있다. 인포테인먼트 조작 등 운전자와의 상호작용 기능을 통합한 콕핏 통합 플랫폼이 대표적이다. 여러 도메인을 아우르는 기능을 위해서는 모션·에너지·차체 도메인 기능을 하나의 중앙 컴퓨팅 플랫폼에 결합한 차량 통합 플랫폼을 제공한다. 이러한 고성능 컴퓨터는 무선 소프트웨어 업데이트(OTA)와 보안 게이트웨이 등 온디맨드 기능을 지원하며 소프트웨어 정의 상용차로의 전환을 가능하게 한다.

보쉬 자회사 이타스(ETAS)는 오픈소스 이니셔티브 이클립스 에스코어(Eclipse S-CORE)를 기반으로 한 차량 소프트웨어 플랫폼 스위트를 통해 확장 가능한 차량 아키텍처의 안정적이고 안전한 개발·관리 기반을 제공한다. 기존 제어장치부터 자율주행용 고성능 컴퓨터·플랫폼까지 폭넓게 지원해 고객사가 최신 차량 플랫폼을 효율적으로 구축하고 더 빠르게 시장에 내놓을 수 있도록 지원한다.

또한 이타스는 ASAM SOVD 표준에 기반한 서비스 지향 진단 방식인 차세대 차량 상태·정비 솔루션을 선보일 예정이다. 이 시스템은 차량 데이터, 진단 기능, 서비스 정보를 통합해 소프트웨어 정의 상용차의 복잡한 결함을 신속하게 찾아낸다. 이를 통해 정비소는 수리 계획을 더 효율적으로 세우고, 정비 시간을 단축하며, 초회 수리 성공률(first-time fix rate)을 높일 수 있다. 이렇게 수집된 진단 데이터는 다시 개발·품질보증 과정에 반영돼 차량 개선에 활용할 수 있다.

조향·승객 보호 시스템

완전 전동식 조향 시스템 서보E(ServoE)는 대형 상용차의 조향을 전기 동력만으로 수행하며 오일이 필요 없어 공장 설치가 간편하다. 필요할 때만 전력을 쓰는 파워온디맨드 기능으로 주행 중 에너지 소비를 줄이고, 이중화 설계와 사이버보안 소프트웨어 아키텍처를 갖춰 조향 보조 기능부터 자율주행까지 지원한다. 향후 스티어링휠과 바퀴 사이의 기계적 연결이 필요 없는 스티어바이와이어(steer-by-wire) 기술로 가기 위한 발판이기도 하다.

보쉬 ServoE

중대형 상용차용 서보트윈(Servotwin) 전동유압식 조향 시스템은 유압식 서보콤(Servocom) 조향 시스템과 확장 가능한 전동 서보 유닛을 결합했다. 사이버보안이 강화된 소프트웨어 아키텍처를 통해 SAE 레벨2 조향보조 및 운전자보조 기능을 안정적으로 제어해 장거리 주행 시 운전 편의성과 안전성을 향상시킨다.

보쉬 Servotwin

전동유압식 후륜 조향 시스템은 최대 3개 이상의 앞·뒤 차축을 독립적으로 조향해 회전반경을 줄이고 타이어 조기 마모를 방지한다. 소형 설계 덕분에 모든 표준 파워트레인과 트레일러에 적용할 수 있다.

버스와 중대형 상용차의 조향 메커니즘과 조향 컬럼을 잇는 모듈형 스티어링 샤프트는 주행 중 캡과 섀시 사이의 상대적 움직임을 완전히 흡수하면서도 조향 성능에는 영향을 주지 않으며, 경량화된 초소형 설계로 내부 마찰을 최소화했다.

전기 상용차용 에어백 제어장치는 24V 시스템을 통해 사고 발생 시 고전압 배터리를 차량 전기계통에서 자동 분리해 탑승자와 구조대원을 감전이나 화재 위험으로부터 보호한다. 이 제어장치는 사고 데이터를 내장된 이벤트 데이터 레코더(EDR)에 기록하고, J1939 프로토콜을 통해 실시간으로 차량 내부 네트워크에 충돌 정보를 전송한다.

파트너십 확대로 상용차 제어 포트폴리오 강화

시스템 파트너로서 보쉬는 소프트웨어와 인공지능(AI)을 활용해 차량 내 하드웨어와 디지털 제어 시스템을 아우르는 고객 맞춤형 솔루션을 제공하고 있다.
이 일환으로 보쉬는 지난 2026년 5월, TSF 그룹의 자회사인 브레이크스 인디아(Brakes India Private Limited, BIPL) 및 휠스 인디아(Wheels India Limited, WIL)와 협력해 연내 새로운 합작법인(JV)을 설립하겠다는 계획을 발표한 바 있다.

보쉬는 신설 합작법인을 통해 압축공기 생성 및 처리, 에어 서스펜션, 주차 브레이크용 스마트 액추에이터로 제품 포트폴리오를 대폭 확장할 계획이다. 이를 바탕으로 상용차 시장 내 입지를 더욱 공고히 하는 한편, 소프트웨어 정의 상용차(SDV) 및 커넥티드 운송 솔루션 개발에 한층 박차를 가할 방침이다.