오토모티브 일렉트로닉스 매거진_전체기사

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 원리가 '데이터 플라이휠'이란 이름으로 재등장했다. 현재 데이터를 모으는 전용차는 40여 대. 엔비디아 기반 차량은 2028년, 자체 개발한 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 순환이었다. 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.
다만 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. 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 없었던 것은 아니다. 문제는 포티투닷이 개발한 소프트웨어와 현대차·기아 및 계열사의 차량개발, 품질검증, 양산 일정이 하나의 체계로 결합되지 못했다는 데 있었다. 이를 실을 차와 대규모 데이터 플릿이 준비되기 전에 목표는 SDV에서 SDx로 확대됐고, 두 차례의 선언은 결국 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 퇴임 배경으로 지목했다. 당시 상황을 아는 현대차그룹 관계자에 따르면, 포티투닷은 자체 조직을 중심으로 자율주행 시스템을 개발했지만 현대차와 계열사 내부에서도 개발 내용과 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. Atria에는 1년이 더 주어진다. 그 시간 동안 자체 모델과 개발체계, 데이터 플라이휠을 고도화해 2029년 양산으로 연결한다.
현대차그룹이 장기적으로 확보하려는 것은 특정 기능만이 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 영상만으로 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 증명하는 자료는 아니다.
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 진행되고 있는 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. 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.
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

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.

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.

마우저, Euro 7 시행으로 자동차 배출 제어 및 모니터링 수요 확대 전망

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-04 13:23:07+0900

유럽연합(EU)의 Euro 7 자동차 배출가스 규제 시행이 다가오면서 자동차의 배출가스 제어뿐만 아니라 브레이크와 타이어 마모 입자, 배터리 내구성 등을 관리하기 위한 센싱 및 모니터링 기술의 중요성이 높아질 전망이다. 이에 따라 자동차 업계에서는 정밀 센서와 자동차용 마이크로컨트롤러(MCU), 전력관리 IC(PMIC) 등을 활용한 전자 시스템 설계가 확대될 것으로 예상된다.

마우저 일렉트로닉스(Mouser Electronics)는 제조사들이 2026년 말부터 시작되는 Euro 7의 첫 번째 규제 시행 시점에 대응하면서 첨단 센싱, 전력 관리 및 차량 모니터링 기술에 대한 수요가 증가할 것으로 전망했다.

Euro 7은 2026년 11월 29일부터 EU에서 판매되는 모든 신규 승용차와 승합차에 적용되며, 2027년 11월 29일부터는 새롭게 판매되는 모든 경형 차량(LDV)으로 적용 범위가 확대된다. 2028년부터는 트럭과 버스에도 적용될 예정이다. EU 역외 자동차 제조사 역시 EU 시장에 차량을 판매하기 위해서는 이 규정을 충족해야 한다.

이번 규제의 특징 중 하나는 기존 배기가스뿐만 아니라 브레이크 및 타이어 마모로 발생하는 비배기 배출물까지 규제 대상에 포함한다는 점이다. 또한 많은 차량 범주에서 규제 준수를 확인해야 하는 기간이 최대 10년, 20만km까지 확대된다.

미세 플라스틱에 대한 관심도 높아지고 있다. 마우저에 따르면 지난 1년간 전 세계적으로 미세 플라스틱에 대한 구글 검색량은 135% 증가했으며, 일부 연구에서는 브레이크에서 발생하는 입자가 전 세계 미세 플라스틱의 약 28%를 차지하는 것으로 나타났다. 이에 따라 차량의 배출물 관리 범위가 배기 시스템에서 차량 전반으로 확대되고 있다.

마우저의 마크 패트릭(Mark Patrick) 기술 콘텐츠 디렉터는 Euro 7 규제 대응에 첨단 전자 기술과 실시간 차량 모니터링 기술의 중요성이 커질 것으로 예상했다. 특히 배기 및 비배기 배출물을 정밀하게 감지하고, 배출가스 제어 시스템의 전력 관리를 수행하며, 장기간 정확도를 유지할 수 있는 차량용 모니터링 기술에 대한 설계 수요가 증가할 것으로 내다봤다.

배출가스부터 배터리까지 전자 시스템 역할 확대

Euro 7 대응을 위한 자동차 전자 시스템은 크게 배기가스 및 후처리 제어, 브레이크 및 타이어 미세입자 관리, 배터리 내구성 및 차량 모니터링 분야에서 확대될 것으로 예상된다.

배기가스 및 후처리 제어 분야에서는 실제 주행 환경이 다양해지는 만큼 배출가스 상태를 정밀하게 측정하고 제어하는 기술이 중요해진다. 질소산화물(NOx), 미립자, 압력, 온도 등을 측정하는 고정밀 센서를 자동차용 MCU 및 PMIC와 결합해 배출가스 제어 시스템의 정확성과 안정성을 높이는 방식이다.

브레이크와 타이어에서 발생하는 미세입자에 대한 관리도 새로운 전자 시스템 수요를 형성할 것으로 예상된다. 차량에 탑재되는 센싱 및 제어 시스템뿐만 아니라 브레이크 분진과 타이어 마모를 측정하고 새로운 소재와 제동 기술의 성능을 검증하기 위한 테스트·측정 시스템에서도 관련 전자 기술의 활용이 확대될 수 있다.

전동화 차량에서는 배터리 모니터링의 중요성도 높아진다. Euro 7이 일정한 주행 거리와 기간에 걸쳐 구동용 배터리가 최소 성능을 유지하도록 요구함에 따라 하이브리드 및 전기차의 배터리 상태와 에너지 흐름, 시스템 진단을 정밀하게 관리하는 기술이 필요해진다.

장기간 정확도 유지하는 전자 설계 중요

Euro 7은 단순히 배출가스 기준을 강화하는 데 그치지 않고 차량의 장기간 운행 과정에서 배출 성능과 주요 시스템의 상태를 관리하도록 요구한다. 이에 따라 관련 전자 시스템 역시 가혹한 자동차 환경에서 장기간 정확성과 신뢰성을 유지할 수 있도록 설계해야 한다.

마크 패트릭 디렉터는 Euro 7 대응을 위해 엔지니어들이 미세입자 및 모니터링 요구사항을 충족하는 동시에 가혹한 환경에서 장기간 규격을 유지할 수 있는 전자 시스템을 설계해야 한다고 설명했다. 이는 부품 선정뿐만 아니라 열 관리와 시스템 강건성 측면에서도 새로운 설계 과제가 될 수 있다는 분석이다.

결국 Euro 7은 자동차 제조사와 부품업체의 배출가스 제어 기술뿐만 아니라 센서, MCU, 전력관리 IC, 연결성 디바이스 및 테스트·측정 장비 등 차량 전반의 전자 시스템 설계에도 영향을 미칠 것으로 예상된다. 특히 내연기관 차량의 배출가스 관리에서 전동화 차량의 배터리 상태 관리, 브레이크와 타이어에서 발생하는 비배기 입자 관리까지 규제 범위가 확대되면서 차량의 배출 및 상태를 지속적으로 감지하고 제어하는 전자 기술의 역할이 더욱 커질 전망이다.

자세한 내용은 다음 링크에서 확인할 수 있다.

블루투스 SIG, 일본 법인 설립 ··· 아·태 지역 회원사 지원 강화

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-02 18:52:45+0900

블루투스 기술 표준을 관리하는 비영리 조직 블루투스 SIG(Special Interest Group)가 일본 내 공식 법인인 블루투스 SIG Japan G.K.를 설립했다.

블루투스 SIG는 도쿄에 본사를 둔 일본 법인을 통해 일본을 비롯한 아시아태평양 지역의 회원사 지원을 확대할 계획이라고 2일 밝혔다. 이와 함께 일본 내 협업과 교육, 시장 개발을 활성화하기 위한 블루투스 JMG(Bluetooth Japan Member Group)도 출범했다.

일본은 블루투스 SIG의 주요 회원 커뮤니티 가운데 하나다. 블루투스 SIG에 가입한 일본 기업은 창립 이후 2,900곳 이상으로, 회원사 규모에서 전 세계 3위를 기록하고 있다. 블루투스 제품 인증 건수에서도 일본은 세계 3위에 해당한다.

블루투스 SIG는 일본 법인 설립을 계기로 현지 회원사 및 업계 관계자와의 교류와 협력을 확대하고 일본 내 블루투스 생태계의 성장을 지원한다는 계획이다.

오는 10월에는 일본 내 다양한 활동도 예정돼 있다. CEATEC 2026 전용 세션, 업계 관계자가 참여하는 블루투스 일본 서밋(Bluetooth Japan Summit) 2026, 첫 번째 블루투스 JMG 킥오프 미팅 등이 진행될 예정이다.

블루투스 JMG에는 일본에서 활동하는 블루투스 SIG 프로모터(Promoter) 및 어소시어트(Associate) 회원사가 참여하게 된다.

블루투스 SIG는 일본 내 공식 거점과 회원사 협력 조직을 기반으로 현지 기업의 참여를 확대하고, 일본에서 축적된 기술 및 시장 경험이 글로벌 블루투스 생태계의 발전으로 이어질 수 있도록 지원할 방침이다.

마우저, 노르딕 최신 연결성 솔루션 공급

박종서 기자_fop1212@autoelectronics.co.kr — 2026-09-02 18:06:13+0900

마우저 일렉트로닉스는 노르딕 세미컨덕터와의 공인 유통 파트너십을 기반으로 블루투스 저에너지(BLE) 무선 SoC와 셀룰러 SiP, 전력관리 IC(PMIC) 등을 포함한 다양한 제품과 개발 키트를 공급한다고 2일 밝혔다. 양사는 2011년부터 유통 파트너십을 이어오고 있다.

대표 제품인 nRF54L15-DK 개발 키트는 BLE 무선 SoC인 nRF54L 시리즈를 위한 평가 및 프로토타이핑 플랫폼이다. BLE의 주요 기능과 통신 프로토콜을 지원하며 산업용 사물인터넷(IIoT), 가상현실·증강현실(AR/VR), 자산 추적, 스마트홈 등 다양한 무선 애플리케이션 개발에 활용할 수 있다.

nRF54LM20A 및 nRF54LM20B 무선 SoC 기반 애플리케이션 개발을 위한 nRF54LM20-DK도 공급한다. 단일 보드로 구성된 이 개발 키트는 nRF 커넥트 소프트웨어 개발 키트(SDK)의 소프트웨어 샘플, 모듈 및 라이브러리를 제공해 개발자가 무선 SoC의 기능을 활용할 수 있도록 지원한다.

nRF54LM20A와 nRF54LM20B는 BLE, 블루투스 메시, 매터(Matter), 알리로(Aliro), 스레드(Thread), 지그비(Zigbee) 및 독자적인 2.4GHz 프로토콜을 지원한다. 독자적인 2.4GHz 프로토콜은 최대 4Mbps의 데이터 전송 속도를 제공하며, 두 제품 모두 고속 USB를 지원한다.

특히 nRF54LM20B에는 액손(Axon) 신경망 프로세싱 유닛(NPU)이 탑재됐다. 이를 기반으로 건강·생체정보 및 활동 추적, 음성 제어 및 오디오 분류, 저해상도 비전 등 엣지 AI 애플리케이션 개발을 지원한다.

LTE-M/NB-IoT SiP인 nRF9151을 평가할 수 있는 NRF9151-SMA-DK도 공급한다. nRF9151은 DECT NR+와 GNSS를 지원하며, 개발 키트에는 SMA 커넥터가 적용돼 실험실 장비를 이용한 전도 측정이나 외부 안테나를 활용한 현장 테스트가 가능하다.

이 개발 키트의 베타 버전 모뎀 펌웨어는 NB-IoT NTN(위성 통신)도 지원한다. 셀룰러·NTN용 타오글라스 안테나와 GNSS용 교세라 안테나가 포함되며, 도이치 텔레콤, 오노몬도, 모노고토의 IoT SIM 카드도 제공된다.

전력관리 분야에서는 nPM2100 PMIC를 설정할 수 있는 NPM2100-EK 평가 키트를 공급한다. 별도의 코드 작성 없이 PMIC를 구성할 수 있으며, 비충전식 배터리 기반 제품의 전력관리 요구사항에 대응하도록 설계됐다.

nPM2100에는 자동 패스스루(auto-pass-through) 모드를 지원하는 초고효율 부스트 레귤레이터가 탑재돼 배터리의 가용 수명을 최대한 활용할 수 있도록 한다. NPM2100-EK를 PC에 연결하면 PMIC 설정을 구성하고 호스트 마이크로컨트롤러 애플리케이션에 통합할 수 있는 코드를 생성할 수 있다. 또한 다양한 1차 전지 구성을 지원하는 6개의 교체형 배터리 홀더가 포함된다.

비쉐이, 고전류용 저상형 커먼 모드 초크 2종 출시

박종서 기자_fop1212@autoelectronics.co.kr — 2026-09-02 17:49:16+0900

비쉐이 인터테크놀로지(Vishay Intertechnology)가 자동차, 에너지 및 산업 분야의 고전류 애플리케이션을 위한 저상형(low profile) 커먼 모드 초크(common mode chokes) 2종을 출시했다.

비쉐이는 1일(현지시간) 상용 등급의 ‘ICMS2321-10’과 자동차 등급의 ‘ICMS2321-1A’를 출시했다고 밝혔다. 두 제품은 표면실장(SMD) 및 스루홀(Through-Hole) 방식의 패키지로 제공되며, 최대 30A의 정격 전류와 코일 간 1500V_DC의 절연 내압을 지원한다.

이번 제품은 저상형 설계를 적용해 크기와 부피를 줄였으며, 이에 따라 충격과 진동에 대한 내성을 높였다. 개선된 코어 설계를 통해 최대 150℃의 고온 환경에서도 성능과 포화 전류 특성을 향상시켰다.

또한 자체 차폐 구조와 견고한 설계를 적용해 DC/DC 컨버터, 고전압 인버터, EMI 필터, 모터 제어 및 기타 회로의 고전류 노이즈 억제용 필터 등에 사용할 수 있다. 자동차 등급 제품인 ICMS2321-1A는 AEC-Q200 인증을 획득했으며, 차량용 온보드 차저(OBC)에 적합하도록 설계됐다.

ICMS2321-10과 ICMS2321-1A는 표면실장 및 스루홀 방식 외에도 인덕턴스, 임피던스, 직류 저항(DCR), 정격 전류 등을 애플리케이션에 맞게 맞춤 설정할 수 있다.

표면실장 단자는 테이프·릴 포장으로 제공되며, 자동 실장 장비인 픽앤플레이스(pick-and-place) 공정과 호환된다. 이를 통해 다양한 PCB 레이아웃과 자동화된 조립 환경에 대응할 수 있다.

두 제품은 RoHS 규정을 준수하며 할로겐 프리 및 비쉐이 그린(Vishay Green) 기준을 충족한다. ICMS2321-10과 ICMS2321-1A의 샘플 및 양산 제품은 현재 공급 가능하며, 리드타임은 12주다.

소프트웨어 재사용과 DO-178C

편집부 — 2026-09-02 16:58:12+0900

[출처=TASKING]

“저희는 이 소프트웨어를 ISO 26262나 ISO 61508 등의 표준을 준수하여 개발했어요. 그런데 굳이 처음부터 다시 개발해야 할까요?”

항공우주 프로그램에 참여하는 조직이 늘면서 이런 질문도 점점 더 자주 제기됩니다. 다행히도 답은 “아니오”입니다. DO-178C는 처음부터 항공기용으로 개발되지 않았다는 이유만으로 이미 검증된 소프트웨어를 폐기하도록 요구하지 않습니다. 그렇다고 특정 환경에서 문제없이 작동한 소프트웨어가 다른 환경에서도 자동으로 적용될 수 있다고 보는 것도 아닙니다. 중요한 것은 기존 소프트웨어를 재사용할 수 있는지를 판단하는 것이 아니라, 해당 소프트웨어를 새로운 배포 환경(deployment context)에 도입할 때 무엇이 달라지는지를 이해하는 것입니다.

오늘날 소프트웨어 개발은 재사용을 전제로 한다

오늘날 대부분의 임베디드 소프트웨어 프로젝트는 빈 소스트리(empty source tree)에서 시작하지 않습니다. 애플리케이션 자체를 새로운 제품에 맞춰 처음부터 개발하는 경우에도 일반적으로 이미 존재하는 소프트웨어에 의존합니다. 운영체제(OS), 보드 지원 패키지(BSP), 통신 스택, 미들웨어, 암호화 라이브러리, 컴파일러 런타임 라이브러리, 생성 코드, 자체 개발한 프레임워크 등이 최종 실행 이미지 구성에 모두 활용됩니다.

이것은 결코 잘못된 소프트웨어 개발 방식이 아닙니다. 오히려 오늘날 임베디드 시스템이 개발되는 일반적인 방식입니다. 이미 검증된 소프트웨어를 재사용하면 비용을 절감하고 개발 시간을 단축할 수 있으며, 엔지니어링 조직은 수년간 축적한 경험을 바탕으로 새로운 시스템을 개발할 수 있습니다.

항공우주 분야로 진출한다고 해서 이러한 현실이 달라지는 것은 아닙니다. 다만 기존 소프트웨어가 인증된 항공 시스템의 일부로 사용되기 위해서는 그 전에 새롭게 답해야 할 몇 가지 질문이 있습니다.

새로운 배포 환경에 따라 달라지는 인증 논거

DO-178C는 애플리케이션 소프트웨어가 독립적으로 존재하는 것이 아니라는 점을 전제로 합니다. 소프트웨어는 특정 프로세서에서 실행되며, 특정 개발·컴파일·테스트 툴체인을 사용하여 개발됩니다. 또한 특정 하드웨어와 연동되고 다른 소프트웨어 구성 요소와 통신하며, 부여된 소프트웨어 레벨에 따라 정의된 기능을 수행하는 시스템의 일부로 동작합니다.

이러한 요소 가운데 어느 하나라도 달라지면 소프트웨어의 배포 환경(deployment context)도 달라지며, 바로 이것이 DO-178C가 중요하게 보는 부분입니다. 실제 운용 환경에서 성공적으로 작동했다는 사실은 분명 중요한 근거가 될 수 있습니다. 하지만 새로운 항공기용 애플리케이션에 필요한 입증 자료를 대신할 수는 없습니다. 기존 환경에서의 성공적인 운용은 소프트웨어에 대한 신뢰도를 높여주지만, DO-178C 적합성을 입증하는 것은 아닙니다.

입증 자료의 격차 해소
IEC 61508이나 이를 기반으로 한 표준인 ISO 26262, IEC 62304, EN 50716 등을 경험했다면 DO-178C에서 요구하는 많은 엔지니어링 절차가 이미 익숙할 것입니다. 요구사항 관리, 양방향 추적성, 검토, 정적 분석, 테스트, 형상 관리 등은 모두 기능 안전성 분야와 밀접한 관계가 있습니다.

차이는 안전보증 논거(assurance argument)에 있습니다. 기능 안전성은 요구되는 무결성 수준을 달성하기 위해 충분한 조치가 적용됐는지를 확인합니다. 반면, DO-178C는 적용 가능한 모든 라이프사이클 목표(lifecycle objective)를 충족했는지, 그리고 이를 객관적이고 검토 가능한 입증 자료를 통해 증명할 수 있는지를 확인합니다.

이러한 차이는 기존 소프트웨어를 재사용하는 데 필요한 노력에도 영향을 미칩니다. 공인된 기능 안전성 프로세스에 따라 개발된 소프트웨어라면 요구사항, 설계 문서, 검토 결과, 테스트 및 추적성 자료 등이 이미 갖춰져 있을 수 있습니다. 반면, 보다 비공식적인 방식으로 개발해 온 소프트웨어는 정상적으로 작동하는 소스 코드만 남아 있을 수도 있습니다. 둘 중 어느 쪽도 그 자체로 적합하거나 부적합하다고 볼 수는 없습니다. 결국 차이는 새로운 환경에 적용하기 위해 보완해야 할 입증 자료의 격차(evidence gap)가 얼마나 큰가에 있습니다.

[출처=TASKING]

‘안전 설계’가 기존 소프트웨어의 재사용을 막는 것은 아니다

항공우주 분야에서는 ‘안전 설계(safety by design)’를 강조하지만, 그렇다고 소프트웨어가 반드시 현재의 DO-178C 라이프사이클에 따라 개발됐어야 한다는 의미는 아닙니다.

DO-178C는 과거의 개발 과정을 재현하거나 기존 소프트웨어가 마치 최근에 개발된 것처럼 다루도록 요구하지 않습니다. 대신 새로운 배포 환경에서 해당 소프트웨어가 의도된 용도를 충족할 수 있음을 입증할 수 있는 충분한 근거를 요구합니다.

이를 위해서는 소프트웨어가 어떤 기능을 수행하도록 설계됐는지, 어떤 가정을 전제로 하는지, 어떤 인터페이스에 의존하는지, 어떤 환경에서 동작하게 되는지를 이해해야 합니다. 이러한 정보가 이미 확보돼 있다면 상당 부분 재사용할 수 있습니다. 반면, 필요한 정보가 없다면 소프트웨어가 DO-178C 라이프사이클에 본격적으로 포함되기 전에 해당 정보를 복원하고 문서화한 뒤 검증해야 할 수 있습니다.

결국 목표는 정상적으로 작동하는 소프트웨어를 다시 개발하는 것이 아닙니다. 새로운 역할에 해당 소프트웨어를 적용하는 것이 적절하다는 사실을 입증하는 것입니다.

문서의 모음이 아닌 하나의 입증 체인 구축

항공우주 분야에 진출하는 조직이 가장 먼저 이해해야 할 중요한 개념적 변화는 인증을 위한 입증 자료가 서로 별개의 보고서를 모아 놓은 형태로 구성되는 것이 아니라는 점입니다.

요구사항, 아키텍처, 소스 코드, 검토 결과, 검증 결과, 구조적 커버리지, 타깃 측정 결과, 규정 준수 보고서 등은 모두 하나의 입증 체인(evidence chain)을 구성합니다. 소프트웨어가 발전하면 이 입증 체인도 함께 발전합니다. SOI(Stage of Involvement) 검토에서 인증 기관이 확인하는 것은 개별 산출물뿐만 아니라, 각 산출물을 연결하는 일관성과 추적성입니다.

프로젝트 규모가 커지고 복잡해질수록 이러한 관계를 수작업으로 관리하기는 점점 더 어려워집니다. 이 지점에서 검증되고 신뢰할 수 있는 개발 및 검증 툴체인이 중요한 역할을 합니다.

[출처=TASKING]

LDRA 툴 제품군은 요구사항 추적성, 정적·동적 분석, 테스트, 구조적 커버리지, 규정 준수 보고 기능을 지원합니다. TASKING BlueBox와 winIDEA는 실제 타깃 환경에서 실행 과정, 타이밍 및 트레이스 동작을 확인할 수 있도록 지원합니다. 이들 툴을 함께 사용하면 반복적인 엔지니어링 작업을 줄이면서 입증 체인의 무결성을 유지할 수 있습니다.

기존 소프트웨어에는 수년간 축적된 엔지니어링 투자가 녹아 있습니다. 여기에는 축적된 경험과 도메인 지식은 물론, 실제 환경에서 검증된 동작 특성이 반영된 경우도 많습니다. DO-178C는 이러한 투자를 포기하도록 요구하지 않습니다.

다만 새로운 배포 환경이라는 관점에서 기존 소프트웨어를 검토하고, 새로운 배포 환경에 맞춰 소프트웨어와 이를 뒷받침하는 입증 자료를 함께 조정할 것을 요구합니다. <끝>

※ 본 기사는 TASKING 웹사이트에 게재된 “Software reuse and DO-178C: Adapting to a new deployment context”를 기반으로 작성되었습니다.

DO-178C는 항공기 탑재 시스템 및 장비에 사용되는 소프트웨어의 개발과 인증을 위한 국제적 지침이다. 소프트웨어의 계획, 개발, 검증 및 인증 과정에서 충족해야 할 목표와 활동을 제시하며, 시스템 고장이 항공기 안전에 미치는 영향에 따라 DAL A부터 E까지 안전성 등급을 구분해 요구되는 입증 수준을 차등 적용한다. 이를 통해 항공 소프트웨어가 의도된 기능을 안전하게 수행한다는 것을 객관적인 자료로 입증하도록 하고 있다.

프로토타입부터 양산을 위한 산업용 SBC

편집부 — 2026-09-02 10:24:33+0900

생산 라인이 멈추는 것보다 더한 악몽은 없습니다. 모두에게 시간과 비용 손실을 초래하기 때문입니다. 제조업에서 예기치 않은 조업 중단으로 인한 손실 비용은 현재 모든 산업 분야를 통틀어 시간당 평균 26만 달러(약 3억6,000만 원)에 이르는 것으로 애버딘 리서치(Aberdeen Research)는 분석합니다.(자동차 제조공장의 경우 이 비용은 시간당 230만 달러를 넘어선다.)

산업 자동화, 에지 컴퓨팅, AI 기반 애플리케이션이 계속해서 확장됨에 따라 이러한 손실 비용을 방지하기 위해 단일 기판 컴퓨터(Single-Board Computer, SBC)의 신뢰성 요구가 점점 더 높아지고 있습니다. 산업용 SBC는 컴퓨터의 모든 필수 요소를 단일 기판에 담아 처리 능력과 연결성을 소형 크기로 구현해 까다로운 산업 환경에 이상적입니다.

최근 진행된 화상토론에서 라즈베리 파이(Raspberry Pi), 게이트웍스(Gateworks), NXP 반도체, EDATEC의 전문가들과 함께 최신 임베디드 및 에지 컴퓨팅 시스템에서 산업용 SBC의 역할이 점점 더 중요해지고 있는 현상에 대해 자세히 짚어봤습니다.

SBC의 부상

산업 자동화와 에지 컴퓨팅의 성장과 함께 SBC의 사용량이 급증하고 있습니다. 산업용 SBC는 소프트 프로그래머블 로직 컨트롤러(Programmable Logic Controllers, PLC) 및 머신 비전을 포함한 다양한 애플리케이션에 유연하고 확장 가능한 플랫폼을 제공합니다.

SBC의 활용 범위는 단순히 공장 안으로 제한되지 않습니다. 의료 기기, 석유 및 가스전 제어 장치, 전력망 모니터링, 철도 시스템 등 신뢰성이 필수인 임베디드 및 에지 컴퓨팅 시스템에도 널리 사용됩니다. 게다가 드론, 무인항공기(UAV), 우주 및 차량 대 사물 통신(V2X) 솔루션과 같은 미래 지향적인 애플리케이션야에서도 SBC의 활용이 주목받고 있습니다.

산업용 SBC의 가장 큰 장점 중 하나는 기존 전자 장치가 작동하기 어려운 환경에서도 작동할 수 있다는 점입니다. 내구성이 뛰어나 온도, 습도, 먼지 등 전자 장치의 성능을 위협할 수 있는 열악한 산업 환경에 이상적입니다. 이러한 조건을 견딜 수 있도록 SBC는 신뢰성을 가장 고려하여 설계되었습니다. 예를 들어 부품 수가 적어 부품 하나가 고장 나더라도 고장 발생 가능성이 낮습니다. 또한 SBC는 전력 변동에도 잘 대처할 수 있으며 연속 작동을 위해 설계되었습니다.

에지 컴퓨팅이 성장함에 따라 이러한 속성에 대한 수요도 증가하고 있습니다. 이를 통해 에지 컴퓨팅 애플리케이션은 정보를 실시간으로 처리하여 더 빠른 의사결정과 더 높은 효율성을 달성할 수 있습니다.

실제 설계 과제 극복

SBC는 여러 장점이 있지만, 엔지니어가 직면할 수 있는 과제는 SBC를 프로토타입에서 실제 배포 시스템으로 전환하는 것입니다. 에지 AI와 같은 대규모 애플리케이션에 SBC를 도입하는 경우 메모리, 발열, 비용 등 다양한 제약 요소가 있을 수 있습니다.

시간 민감성 워크로드(time-sensitive workload)를 처리하려면 컴퓨팅이 데이터 수집 지점에 더 가까워야 합니다. 여기에는 품질 보증 및 예측 유지보수(predictive maintenance)를 위한 머신 비전과 함께 단순히 원시 데이터가 아닌 실행 가능한 인사이트를 제공하는 AI 기반 분석이 포함됩니다. 이러한 요구 사항을 충족하기 위해서 엔지니어는 NXP 등이 제공하는 프로세서를 통해 컴퓨팅 성능, 연결성, 에너지 효율성의 균형을 맞춰야 합니다.

엔지니어들은 컴퓨팅 성능, 연결성, 에너지 효율을 균형 있게 제공하는 프로세서를 필요로 한다. [출처=DigiKey]

라즈베리 파이의 수석 영업 담당자인 데이브 리(Dave Lee)는 “에지 워크로드가 점점 더 까다로워짐에 따라 메모리는 중요한 고려 사항이 되었다”며 “현재 시장에서는 메모리와 RAM이 전례 없는 수준으로 부족한 상황인데, 이는 주로 클라우드 업체들이 높은 수준의 메모리 대역폭을 사용하고 있기 때문”이라고 말합니다.

데이터가 CPU에서 보조 및 주변 장치로 이동하는 SBC의 경우, 고강도 에지 애플리케이션에서 메모리 부하가 더욱 커질 수 있습니다. 이에 대응해 라즈베리 파이는 DRAM과 스토리지용 메모리를 여러 공급업체로부터 조달할 수 있도록 공급망을 다변화하고 있습니다. 한 가지 해결책은 클램셸(clamshell) 방식으로, 기판에 두 개의 DRAM을 탑재하는 것입니다. 예를 들어 구하기 어려운 4GB 메모리가 필요한 경우, 라즈베리 파이는 2GB 메모리 모듈 두 개를 사용하는 방식으로 대체할 수 있도록 합니다.

라즈베리파이는 DRAM과 스토리지용 메모리의 공급처를 다변화해 조달하고 있다. [출처=DigiKey]

산업 환경에서 전력 공급의 안정성은 또 다른 중요한 문제입니다. 전력 공급 중단은 데이터 손상, 저장 장치 손상, 막대한 가동 중단 비용을 초래할 수 있습니다. EDATEC은 SBC가 견딜 수 있는 전자기 간섭(EMI), 정전기 방전(ESD) 내성, 광절연 또는 정전용량 절연 등을 고려하여 사양 이상의 부품을 선정함으로써 이러한 문제를 해결합니다. 예를 들어 24V 입출력(IO) 단자에 80V 정격부품을 사용함으로써 뛰어난 안정성을 보장합니다. 또한 슈퍼커패시터 백업과 같은 전력 손실 방지 솔루션을 제공하여 메모리나 장기 비휘발성 저장 장치를 손상시키지 않고 안전하게 시스템을 종료할 수 있도록 지원합니다.

산업 환경의 전원 불안정으로 인한 데이터·스토리지 손상과 가동 중단에 대응하기 위해 EDATEC는 규격 이상의 성능을 고려해 부품을 선정한다. [출처=DigiKey]

환경 내구성(Environmental durability) 또한 최우선 과제입니다. 게이트웍스는 장치가 전원공급장치에 연결되지 않거나 팬과 같은 열관리 장치가 없는 극한의 산업 환경에서도 견딜 수 있도록 견고한 전원공급장치(power supplies)를 설계했습니다. 이러한 전원공급장치는 무거운 트랙터가 강한 진동을 일으키는 광산부터 위험하거나 극한 온도 조건에 있는 공장, 국방 산업, 심지어 우주 공간에 이르기까지 모든 환경에서 뛰어난 성능을 발휘합니다.

게이트웍스(Gateworks)는 전원공급장치에 연결되지 않거나 팬과 같은 열관리 장치가 없는 극한의 산업 환경에서도 안정적으로 작동할 수 있는 고내구성 전원공급장치를 설계했다. [출처=DigiKey]

이러한 사례들은 산업용 컴퓨터 업계가 처리 능력뿐 아니라 가장 열악한 환경에서도 안정적으로 작동하는 신뢰성을 중요한 성능 기준으로 삼는 방향으로 변화하고 있음을 보여줍니다.

차세대 에지 컴퓨팅 구현

SBC는 산업 시스템의 미래를 대표합니다. 그 결과 향후 몇 년 동안 이 산업의 경쟁이 훨씬 더 치열해질 것입니다. 경쟁이 심화되는 환경에서는 기술 생태계 전반에 걸친 협력이 더욱 중요해질 것입니다. 하나의 공급업체가 에지 컴퓨팅의 모든 요구 사항을 충족할 수는 없습니다. 오히려 프로세서 제조업체, 기판 설계업체, 시스템 통합업체, 소프트웨어 개발자, 유통 파트너가 협력하여 혁신을 촉진하는 것이 성공의 열쇠가 될 것입니다.

이러한 협업을 통해 제품을 그 어느 때보다 빠르게 시장에 출시할 수 있습니다. 이미 기존 방식을 고수하던 사람들이 SBC를 고려하기 시작했습니다. 이는 SBC가 더 빠른 프로토타이핑과 확장성, 뛰어난 유연성, 다양한 가격대를 제공하기 때문입니다. 검증된 하드웨어 솔루션을 활용하면 엔지니어는 개발 기간을 최대 6개월까지 줄이면서도 특정 애플리케이션에 맞게 솔루션을 맞춤 설정할 수 있는 자유를 누릴 수 있습니다.

DigiKey는 고객에게 필요한 기술, 공급업체, 리소스를 연결함으로써 이러한 협력 생태계에서 핵심적인 역할을 수행하고 있습니다. 엔지니어가 NXP 프로세서를 평가하든, 라즈베리 파이로 프로토타입을 제작하든, 게이트웍스 및 EDATEC의 산업용 솔루션을 배포하든, DigiKey는 프로젝트를 진행하는 데 필요한 구성 요소와 완제품 시스템 모두에 대한 접근성을 제공합니다.

산업용 SBC는 자동화, 에지 컴퓨팅, AI의 미래에 중요한 역할을 담당할 것입니다. 신뢰성, 성능, 유연성 측면에서 상당한 이점을 제공하는 산업용 SBC는 앞으로 다양한 애플리케이션에 널리 통합될 것으로 예상됩니다. [끝]

숀 루크(Shawn Luke)는 전 세계 전자부품 및 자동화 제품의 첨단 유통 분야에서 글로벌 리더로서 지속적인 혁신을 주도하는 DigiKey의 기술 마케팅 엔지니어다. DigiKey는 약 3,000개의 유수 브랜드 제조업체에서 제공하는 1,740만 개 이상의 부품을 공급하고 있다.

LG에너지솔루션, 美 스맥오버 리튬과 탄산리튬 10년 공급 계약 체결

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-01 17:52:40+0900

LG에너지솔루션이 미국 리튬 개발업체와 장기 공급 계약을 체결하고 북미 지역 배터리 핵심 소재 공급망 강화에 나선다.

LG에너지솔루션은 미국 스맥오버 리튬(Smackover Lithium)과 탄산리튬 장기 공급 계약을 체결했다고 1일 밝혔다.

스맥오버 리튬은 미국 리튬 개발업체 스탠다드 리튬(Standard Lithium)과 노르웨이 국영 에너지 기업 에퀴놀(Equinor)이 설립한 합작법인이다.

이번 계약에 따라 LG에너지솔루션은 스맥오버 리튬이 본격적인 양산에 들어가는 2029년부터 10년간 총 8만톤 규모의 탄산리튬을 공급받을 예정이다. 회사 측은 해당 물량이 1회 충전으로 500km 이상 주행할 수 있는 고성능 전기차 약 180만대를 생산할 수 있는 규모라고 설명했다.

스맥오버 리튬은 미국 아칸소주에서 추진 중인 ‘남서부 아칸소 프로젝트(South West Arkansas Project)’를 통해 탄산리튬을 생산할 계획이다. 이 프로젝트에는 염수에서 리튬을 직접 추출하는 직접리튬추출(Direct Lithium Extraction, DLE) 기술이 적용된다.

[출처=Smackover Lithium]

DLE는 지하 염수에서 리튬을 선택적으로 추출하는 방식으로, 전통적인 리튬 생산 방식과 비교해 토지 사용과 물 소비 등을 줄일 수 있는 기술로 평가된다. 스맥오버 리튬은 이를 통해 탄소배출을 최소화하는 방식으로 고품질 탄산리튬을 생산할 계획이다.

이번 계약은 북미 지역에서 배터리용 핵심 광물의 현지 공급망을 확보한다는 점에서 의미가 있다. 특히 북미 시장에서 전기차뿐만 아니라 에너지저장장치(ESS) 수요가 확대되면서 리튬인산철(LFP) 배터리 등에 사용되는 탄산리튬의 안정적인 조달이 중요해지고 있다.

탄산리튬은 LFP 배터리와 삼원계 배터리의 주요 원재료로 사용된다. 고성능 삼원계 배터리에 주로 사용되는 수산화리튬과 함께 전기차와 ESS용 배터리 생산에 필요한 핵심 광물로 꼽힌다.

LG에너지솔루션은 미국 현지에서 생산되는 탄산리튬을 장기간 확보함으로써 북미 지역의 핵심 광물 공급망을 강화한다는 계획이다. 회사 측은 현지에서 생산된 원재료를 활용함으로써 미국 인플레이션 감축법(IRA)상 핵심 광물 관련 요건에도 대응할 수 있을 것으로 기대하고 있다.

LG에너지솔루션은 현재 북미 지역에 8개 생산시설을 구축·운영하고 있다. 이번 계약을 통해 북미 현지에서 핵심 원재료를 조달하고 배터리를 생산하는 공급망 체계를 한층 강화한다는 방침이다.

LG에너지솔루션 구매센터장 이강열 전무는 “스맥오버 리튬과의 이번 파트너십은 북미 전략 시장에서 친환경적으로 생산된 핵심 광물을 확보해 공급망 안정성을 고도화한 의미 있는 성과”라며 “미국 현지 생산과 원재료 조달을 통해 한층 경쟁력 있고 지속가능한 제품을 제공해 나갈 것”이라고 말했다.

LG에너지솔루션은 북미뿐 아니라 주요 리튬 생산국의 기업들과 장기 공급 계약을 확대하며 원재료 조달처를 다변화하고 있다. 앞서 칠레 SQM과 10만톤 규모의 수산화리튬 및 탄산리튬 장기 공급 계약을 체결했으며, 호주 라이온타운(Liontown)과는 175만톤 규모의 리튬 정광 공급 계약을 맺었다.

Direct Lithium Extraction (DLE)의 특징
DLE는 기존 방식에 비해 염수에서 리튬을 보다 효율적이고 지속가능하게 추출할 수 있다. 이 기술은 경암 채굴(hard rock mining)이나 증발 공정(evaporative processes)에 비해 토지 사용 면적이 작다는 장점이 있다. 또한 경암 채굴과 증발 공정은 시간이 오래 걸리고 많은 양의 물을 소비한다. 반면, DLE는 배터리급 리튬 제품 생산에 적합한 고순도 리튬을 보다 일관되고 효율적으로 생산할 수 있다.

현대차, 2030년 글로벌 판매 555만대 목표 ··· 로보틱스·자율주행 사업 확대

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-01 17:03:38+0900

호세 무뇨스 대표이사, 박민우 사장을 비롯한 현대차 경영진이 '2026 CEO 인베스터 데이'에서 애널리스트 질문에 답하고 있다. [사진=현대차]

‘2026 CEO 인베스터 데이’ 개최 ··· 2030년 영업이익률 9% 이상으로 상향
100종 이상 신차 출시·글로벌 생산능력 확대 ··· SDV·AI·배터리 경쟁력 강화

현대차는 지난달 26일 서울 여의도 콘래드서울에서 ‘2026 CEO 인베스터 데이’를 열고 중장기 전략과 전략적 파트너십을 기반으로 한 미래 사업 확장 계획을 공개했다.

이날 행사에는 호세 무뇨스 대표이사(CEO·사장)와 박민우 AVP본부장(사장) 겸 포티투닷 대표이사, 김창환 전동화에너지솔루션담당(부사장), 이승조 재경본부장(CFO·부사장) 등 주요 경영진이 참석했다.

호세 무뇨스 현대차 대표이사 사장은 이날 행사에서 “기술·피지컬 AI 기업으로 전환하면서도 자동차 사업의 경쟁력을 놓치지 않겠다”며 완성차와 미래 기술을 두 축으로 한 성장 전략을 제시했다.

호세 무뇨스 현대차 대표이사(CEO·사장)

현대차는 2030년까지 글로벌 판매량을 555만대로 확대한다는 기존 목표를 유지한다. 올해 목표인 415만8,000대와 비교하면 139만2,000대 늘어난 규모다. 이를 위해 2026년부터 2030년까지 부분 변경과 파생 트림 등을 포함해 100종 이상의 신차를 출시하고 권역별 시장 특성에 맞춘 현지화 전략을 추진한다. 이 가운데 18개 이상 차종은 기존에 판매 차종이 없던 신규 차급(세그먼트)에 신규 출시하는 완전 신차가 될 전망이다.

2030년까지 공격적인 신차 출시, 권역별 성장전략 추진

북미 시장에서는 하이브리드 차량의 판매 확대와 함께 현지 생산 및 부품 조달 비중을 높인다. 2030년까지 하이브리드 신차 10종을 출시하고 하이브리드 판매 비중 50%를 달성한다는 목표다. 미국에서 생산하는 차량의 부품 현지화율도 현재 60%에서 2030년 80%까지 끌어올릴 계획이다.

유럽에서는 전동화 포트폴리오를 확대한다. 2030년 전기차 판매량을 42만대까지 늘리는 것이 목표다. 지난해 유럽 전기차 판매량 11만6,000대와 비교하면 약 4배에 해당한다. 유럽 전용 전기차 아이오닉 3에는 차세대 인포테인먼트 시스템 ‘Pleos Connect’를 적용하고, 1회 충전 주행거리는 500km 수준을 확보한다. 글로벌 생산능력도 127만대로 확대해 판매 목표 달성을 뒷받침한다.

유럽 전용 전기차 '아이오닉3'

제네시스는 ‘GV90’를 시작으로 올해부터 새로운 10년을 향한 도약에 나선다. 특히 제네시스의 첫 하이브리드 모델 ‘GV80 하이브리드’와 주행거리 연장형 전기차(EREV), 고성능차까지 더한 럭셔리 라인업을 완성하고, 스페인과 오스트리아 등 신규 시장 진출도 강화할 계획이다.
GV80 하이브리드는 내연기관 모델 대비 연비 효율을 약 25% 개선했으며, 내년 초 출시 예정인 제네시스 EREV SUV는 1000km 이상의 주행거리를 목표로 한다. 제네시스는 2030년까지 40여개국에서 35만대 판매 달성을 계획하고 있다.

제네시스의 첫 하이브리드차 'GV80 하이브리드'

전략적 파트너십 기반 미래사업 확장

미래 사업 분야에서는 로보틱스와 자율주행 사업 확대에 속도를 낸다. 현대차는 로보틱스 사업과 관련해 로봇의 대규모 생산과 배치를 추진하고 금융 지원까지 확대한다는 계획을 밝혔다. 산업용 로봇의 실제 생산 현장 적용을 위한 준비도 진행한다.

현대차는 보스턴다이나믹스와 협업해 제조 AI 로보틱스 기술 상용화를 추진하고 있다. 지난 6월 미국에 문을 연 산업용 로봇 훈련·검증 센터인 RMAC(Robot Metaplant Application Center)는 실제 생산 현장과 동일한 환경에서 제조용 AI 로봇을 훈련하고 실전 데이터를 수집하는 역할을 한다. 현대차는 연말까지 RMAC 부지를 현재 규모의 10배 수준으로 확대하고, 각종 시험·검증을 거쳐 2028년부터 미국 조지아주 현대차그룹 메타플랜트 아메리카(HMGMA)에 산업용 휴머노이드 로봇 ‘아틀라스’를 실전 배치할 계획이다.

자율주행 분야에서는 자체 기술과 외부 파트너십을 병행해 경쟁력을 높인다. 현대차는 오는 4분기 HMGMA에서 생산한 아이오닉 5 기반 로보택시를 웨이모에 공급할 예정이다. 향후 자율주행차 분야에서 위탁생산 사업도 확대한다. 현대차가 지분을 보유한 자율주행 합작법인 모셔널은 올해 말 아이오닉 5 로보택시 상용화를 준비하고 있으며, 유럽과 아시아·태평양 지역으로 사업 확대를 추진한다.

SDV와 자율주행 기술 고도화를 위한 데이터 활용 체계 구축에도 나선다. 현대차가 추진하는 ‘Data Flywheel’은 차량에서 데이터를 수집하고 분석한 뒤 AI와 서비스를 개선하고, 개선된 기능을 OTA를 통해 다시 차량에 배포하는 데이터 선순환 구조다. 차량 아키텍처부터 데이터, AI, 검증, OTA를 하나의 체계로 연결해 차량이 운행될수록 소프트웨어와 서비스가 고도화되는 구조를 구축한다는 전략이다.

차량 내 사용자 경험도 소프트웨어 중심으로 전환한다. 이미 차세대 인포테인먼트 시스템 ‘Pleos Connect’와 생성형 AI 에이전트 ‘Gleo AI’를 개발해 양산차에 적용하고 있다.

박민우 현대차그룹 AVP본부장(사장) 겸 포티투닷 대표이사

자율주행 기술은 확보된 데이터를 AI가 학습해 지속적으로 성능을 고도화하는 체계를 구축하고 있다. 현대차그룹은 엔비디아 생태계를 기반으로 그룹사 센서 체계를 표준화하고, 현대차·기아·포티투닷·모셔널 등이 확보한 자율주행 데이터를 일관된 기준으로 통합·활용할 수 있는 체계를 마련하고 있다.

또한 연말에는 전남 광주특별시에 자율주행 AI ‘아트리아 AI’를 투입해 자율주행 모델 고도화에 필요한 돌발 상황 데이터를 확보할 계획이다. 2028년에는 엔비디아와의 전략적 협업을 통해 첫 SDV 양산 모델에 레벨2+ 수준의 자율주행 기술을 적용하고, 주행 데이터를 다시 AI 학습에 활용해 기능을 고도화하는 선순환 구조를 구축한다는 목표다. 이후 레벨2+부터 레벨4까지 자율주행 기술을 단계적으로 확대 적용할 계획이다.

자율주행 데이터 증가에 대응하기 위한 인프라도 구축한다. 현대차는 2029년부터 5만장 이상의 GPU를 수용할 수 있는 새만금 AI 데이터센터를 가동할 계획이다. 100MW급 규모로 5만장 이상의 그래픽처리장치(GPU)를 수용할 수 있도록 구축해 대규모 자율주행 데이터의 저장·처리와 AI 학습을 지원한다.

배터리: 성능, 가격 경쟁력, 내구성, 안전 기술력까지 확보

배터리 분야에서는 고에너지 밀도와 고출력을 동시에 확보한 고성능 배터리 셀을 자체 개발하는 데 성공했다. 현대차에 따르면, 이 배터리는 기존 하이니켈(High-Nickel) 배터리 대비 출력 성능을 2배 이상 높이고 충전 시간을 40% 단축할 수 있다.

고성능 배터리는 내년 상반기 출시 예정인 EREV에 적용된다. EREV는 일반적인 전기차보다 배터리 용량을 50% 미만으로 줄이면서도 동등한 수준의 배터리 성능과 전기차 주행 감성을 구현하는 것을 목표로 한다.

대량판매 모델에는 원가 경쟁력을 고려한 미드니켈 NCM(니켈·코발트·망간) 배터리도 적용한다. 현대차는 동일한 부피의 리튬인산철(LFP) 배터리와 비교해 미드니켈 NCM 배터리가 약 30% 많은 에너지 용량을 확보할 수 있다고 설명했다.

배터리 관리 기술도 고도화한다. 클라우드 기반 배터리관리시스템(BMS)을 통해 2028년까지 배터리 수명을 평균 20% 향상시키고, 배터리 열전이 방지 기술인 TRP(Thermal Runaway Protection)를 개발해 ‘GV90’에 적용할 계획이다.

TRP는 고온의 열이 인접 셀로 전이되는 현상을 차단하고 고열 가스를 효과적으로 배출하도록 설계된 기술이다. 기존의 열전이 지연 방식에서 나아가 배터리 내부의 열 확산을 구조적으로 차단하는 것이 특징이다. 클라우드 기반 BMS가 셀의 이상 징후를 실시간으로 감지해 사전 조치를 수행하는 1차 방어선이라면, TRP는 열이 인접 셀로 확산되는 것을 차단하는 2차 방어선 역할을 한다. 현대차는 NCM 배터리의 각형 및 파우치형 셀을 대상으로 200회 이상의 반복 시험을 통해 TRP 기술의 안전성을 검증했다고 밝혔다.

김창환 현대차그룹 전동화에너지솔루션담당(부사장)

2030년 영업이익률 목표 9% 이상으로 상향

미래 사업 확대와 함께 수익성도 개선한다. 현대차는 2030년 영업이익률 목표를 9% 이상으로 높였다. 하이브리드 판매 확대와 전사적인 원가 절감 계획을 반영한 것으로, 영업이익 총 규모도 기존 계획보다 11% 확대할 계획이다.

매출원가율은 차량 전 주기에 걸친 원가 혁신과 현지화를 통해 2030년까지 당초 계획보다 3%포인트 낮출 계획이다. 현대차는 이를 통해 완성차 사업의 수익성을 유지하는 동시에 소프트웨어, 자율주행, 로보틱스, AI, 배터리 등 미래 사업 경쟁력을 확보한다는 전략이다. 특히 대규모 양산체계에서 확보되는 주행 데이터와 AI, 데이터 처리 인프라를 연결해 SDV와 자율주행 기술을 지속적으로 고도화하고, 로봇과 자율주행차를 실제 생산·서비스 현장에 투입하는 피지컬 AI 기업으로 전환한다는 구상이다.

모비루스, 민군기술적용연구사업 선정 ··· 자율농작업 로봇 개발 착수

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-01 14:20:50+0900

피지컬 AI 전문기업 모비루스가 국방 분야에서 축적된 기술을 농업 분야에 적용해 모듈형 자율농작업 로봇 개발에 나선다.

모비루스는 방위사업청이 출연하고 국방과학연구소 민군협력진흥원이 전담하는 민군기술적용연구사업(스핀오프)에 선정됐다고 1일 밝혔다.

왼쪽부터 모비루스 AI연구소 최성균 소장, 모비루스 조병호 대표, 민군협력진흥원 박재현 부장, 국방과학연구소 송종탁 책임

민군기술적용연구사업은 국방 분야에서 개발 및 축적된 기술과 노하우를 민간으로 이전해 실용화 가능성을 검토하고, 민간 산업의 경쟁력 향상과 함께 민군 간 기술 이전과 활용을 확대하는 것을 목적으로 한다.

모비루스가 수행하는 과제는 ‘노동력 절감과 농작업 효율 향상을 위한 모듈형 자율농작업 로봇 플랫폼 및 원격 모니터링 시스템 개발’이다. 사업 기간은 2026년 7월 1일부터 2028년 6월 30일까지 24개월이며, 총사업비는 약 16억원 규모다.

모비루스는 지난 8월 27일 경기도 성남 본사에서 민군협력진흥원 관계자 등이 참석한 가운데 사업 착수식을 개최하고 본격적인 개발에 들어갔다.

이번 과제는 농촌 지역의 인력 부족과 고령화에 따른 농작업 효율 저하에 대응하기 위한 것으로, 다양한 농작업에 활용할 수 있는 자율작업 로봇 플랫폼 구축이 핵심이다.

개발 플랫폼은 운반과 방제 등 작업 유형에 따라 서로 다른 작업 모듈을 장착할 수 있도록 설계될 예정이다. 이를 통해 단일 로봇 플랫폼을 다양한 농작업에 활용할 수 있는 구조를 구현한다.

원격 모니터링 시스템도 함께 개발된다. 작업자는 현장에 직접 상주하지 않고도 로봇의 위치와 작업 상태, 이상 여부 등을 실시간으로 확인하고 제어할 수 있다. 이를 통해 농작업 로봇의 원격 운영과 작업 관리 기능을 확보할 수 있다.

모비루스는 농기계 자율작업 통합제어 솔루션 ‘오토가이아(AutoGaia)’와 안전 솔루션 ‘세이프가이아(SafeGaia)’ 등을 개발하며 확보한 자율주행, 센서 융합, 원격관제 기술 역량을 이번 농업용 로봇 플랫폼 개발에 적용할 예정이다.

모비루스는 향후 과제 수행 결과를 바탕으로 실제 농가 현장 실증을 거쳐 상용화를 추진하고, 장기적으로는 해외 시장 진출의 거점을 마련할 계획이다.

모비루스는 농기계 자율작업 통합제어 솔루션 ‘오토가이아’와 안전 솔루션 ‘세이프가이아’, 차량용 인포테인먼트(IVI) 시스템 등을 주요 사업으로 하는 피지컬 AI 전문기업이다. 경기도 성남시에 본사를 두고 있으며, 국내외 완성차 및 모빌리티 업체를 대상으로 자율주행·통합관제 관련 기술을 개발 및 공급하고 있다.

BMW i벤처스, 코드래빗의 시리즈C 투자 라운드 참여

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-09-01 09:47:56+0900

BMW그룹의 독립 벤처캐피털 BMW i벤처스(BMW i Ventures)가 인공지능(AI) 기반 소프트웨어 코드 검토 플랫폼 기업 코드래빗(CodeRabbit)에 투자했다.

BMW i벤처스는 최근 코드래빗의 1억4,300만 달러(약 1,900억원) 규모 시리즈C 투자 라운드에 참여했다고 밝혔다. 이번 투자 라운드는 아토미코(Atomico)와 스매시 캐피털(Smash Capital)이 공동 주도했으며, 코드래빗의 기업가치는 15억 달러로 평가됐다.

코드래빗은 소프트웨어 코드가 승인 및 배포되기 전에 변경 내용을 AI로 검토하는 플랫폼을 제공한다. 이 플랫폼은 기존 소프트웨어 맥락과 관련 요구사항, 테스트 결과를 종합적으로 고려해 잠재적인 품질·보안·신뢰성 문제를 찾아낸다. 또한, 코드가 사람이 작성한 것인지 AI 모델이 생성한 것인지와 관계없이 독립적인 검토를 수행하는 것이 특징이다. 이를 통해 개발팀은 코드 변경 사항을 안전하게 평가하고 실제 배포할 준비가 된 변경 사항을 판단할 수 있다.
즉 생성형 AI와 코딩 에이전트의 활용이 확대되면서 소프트웨어 개발 과정에서 생성되는 코드의 양이 증가하고 있는 만큼, 개발 조직이 코드 변경 사항을 대규모로 검증하고 관리할 수 있도록 지원한다.

BMW와 코드래빗은 2년 이상 협력해 AI 기반 소스코드 검토 솔루션을 개발 및 배포해왔다. 현재 코드래빗의 AI 에이전트는 전 세계 1,000명 이상의 BMW 소프트웨어 개발자가 차량용 소프트웨어를 개발하고 품질을 검증하는 데 활용되고 있다.

BMW i벤처스는 이번 투자를 통해 코드래빗의 기술과 성장 가능성에 대한 기대를 나타냈다. 카스퍼 세이지(Kasper Sage) BMW i벤처스 매니징 파트너는 자동차 기업의 디지털 전환을 위해서는 높은 수준의 엔지니어링 효율성과 안정적인 소프트웨어가 필요하다며 코드래빗이 개발자의 코드 품질 향상과 업무 효율성 개선을 지원하는 핵심 기술이 되고 있다고 평가했다.

코드래빗은 이번 투자금을 활용해 글로벌 사업 확대와 연구개발 및 제품 개발을 강화할 계획이다. 특히 개발자와 AI 에이전트가 생성하는 소프트웨어 변경 사항을 검토하고 우선순위를 정하며, 변경 사항의 영향을 파악하고 배포 이후까지 모니터링하는 에이전틱 변경 관리(Agentic Change Management) 분야로 플랫폼을 확대하고 있다.

에이전틱 변경 관리는 기존 AI 코드 검토 기능을 소프트웨어 변경 관리 영역으로 확장한 개념이다. 코드 변경 과정에서 잠재적인 문제가 발견되면 코딩 에이전트가 자동으로 수정 작업을 수행하고 새로운 검토를 요청할 수 있다. 다만 최종적으로 변경 사항을 승인하고 배포할지는 사람이 결정하는 구조다.

코드래빗에 따르면 현재 매주 200만건 이상의 코드 검토가 이뤄지고 있으며, 전 세계 1만7,000개 이상의 고객사와 오픈소스 프로젝트가 서비스를 이용하고 있다. 전년 대비 매출은 5배 이상 증가했다.

코드래빗은 유럽 시장 확대에도 나서고 있다. 최근 런던에 유럽 거점을 마련했으며 런던과 유럽연합(EU) 지역에서 50명의 정규직 직원을 두고 있다. 향후 유럽 사업을 확대하는 동시에 일본을 비롯한 아시아 주요 시장에도 진출할 계획이다.

BMW i벤처스는 실리콘밸리와 독일 뮌헨에 기반을 둔 BMW그룹의 독립 벤처캐피털로, 자동차와 제조, 공급망의 미래를 변화시키는 스타트업에 투자하고 있다. 주요 투자 분야는 피지컬 AI(Physical AI), 에이전틱 AI(Agentic AI), AI 네이티브 기업용 소프트웨어 및 산업용 소프트웨어 등이다.

BMW i벤처스는 2011년 설립 이후 90개 이상의 기업에 투자했으며, 운용자산(AUM)은 11억 달러 규모다.

엘모스, 차세대 유니버설 스마트 LIN 모터 컨트롤러 E523.62

엘모스코리아 — 2026-08-28 15:45:00+0900

ARM Cortex-M23 탑재로 성능·효율 극대화 ··· 전장 부품 소형화 가속
BLDC·스테퍼·DC 모터 통합 제어 지원 ··· ASIL B 안전 규격 대응

차량용 반도체 전문 기업 엘모스(Elmos Semiconductor SE, 한국 지사 엘모스 코리아)가 12V 차량용 애플리케이션에 최적화된 고집적 모터 컨트롤러 E523.62를 선보이며 전장 시장 공략에 속도를 낸다.
E523.62는 32비트 ARM^® Cortex^®-M23 마이크로컨트롤러(MCU)와 고전압 아날로그 모터 드라이버를 소형 폼팩터의 단일 패키지에 통합한 것이 특징이다. 강력한 연산 성능의 마이크로컨트롤러와 파워스테이지 직접 회로가 결합된 E523.62는 저전력에서 중전력 수준의 액추에이터 및 팬(Fan) 애플리케이션에 최적의 솔루션을 제공한다. 내부 메모리로는 64KByte 플래시 메모리와 4KByte SRAM, 512Byte EEPROM을 탑재하고 있다.

‘일당백’ 제어 능력 ··· 모터 종류 가리지 않는 범용성

E523.62의 장점 중 하나는 뛰어난 범용성으로 3상 BLDC 모터, 2상 스테퍼 모터 또는 최대 2개의 일반 DC 모터를 제어할 수 있다. 또한, 통합 측정 시스템이 집적되어 있어 센서리스 폐루프(Sensorless Close-loop) 제어를 위한 다양한 입력 시그널을 제공하고, 저전압 및 과전압, 과전류, 온도 과부하 등으로부터의 시스템 보호 기능과 과부하 감지를 위한 드레인-소스 전압 모니터링 등 일체의 모니터링 및 진단 기능을 지원한다.

가혹 환경을 견디는 고신뢰성 설계

전장 부품 특유의 가혹한 환경에 대비해 신뢰성도 대폭 강화했다. 접합부 온도(Junction temperature) 기준 –40℃에서 +150℃의 폭넓은 동작 범위를 보장한다. 특히 기능 안전성 국제 표준인 ISO 26262에 따라 개발되어 자동차 안전 무결성 등급인 ASIL B 요구사항 역시 지원한다.

주문 정보

스마트한 저전력 기술 및 차량 통신·프로그래밍 편의성 극대화

E523.62는 12V 차량용 보드넷을 위한 스마트 전원 공급 블록을 갖추고 있으며, 설정에 따라 7V 미만의 저전압으로 구동이 가능하고 25℃(Typ.) 기준 30μA 딥 슬립 모드로 소비 전력을 낮출 수 있다. 통신과 프로그래밍 기능도 강화됐다. LIN 프로토콜 전용의 32KByte SysROM과 시리얼 인터페이스를 내장해 공정 최종 단계(EOL)에서 펌웨어를 고속으로 프로그래밍할 수 있다. ISO17987 및 SAE-J2602-2 국제 표준을 충족하는 LIN 2.2 인터페이스는 자동 통신속도 보정(Autobaud), 자동 주소 지정(SNPD), 슬립 모드 등 핵심 기능을 완비해 기존 차량용 LIN 버스 시스템과의 완벽한 호환성을 보장한다. 특히 높은 수준의 정밀도를 필요로 하는 절대 위치 측정(Absolute positioning) 기능을 구현하기 위해 외부 센서 구동을 위한 5V/3mA 전원과 아날로그/디지털 GPIO 등 다양한 데이터 인터페이스 역시 제공한다.

엘모스코리아의 홍기범 지사장은 “E523.62는 워터 밸브, 공조 시스템(HVAC) 플랩, 중소형 냉각팬 등 다양한 차량용 부품의 성능을 한 단계 끌어올릴 것”이라며 “고집적화를 통한 비용 절감과 ASIL B 기반의 안전성을 동시에 확보해 전장 시장의 새로운 표준이 될 것으로 기대된다”고 전했다.

전형적인 동작 회로

데이터시트, 샘플, EVA Kit 등 문의: 엘모스코리아 (Elmos Korea Co., Ltd.)
전화번호: 031-714-1131 / 이메일: sales-korea@elmos.com

Gaming Is Just the Beginning

한상민 기자_han@autoelectronics.co.kr — 2026-08-27 10:53:59+0900

SmashLabs가 자동차를 새로운 디지털 미디어로 보는 이유

한상민 기자_han@autoelectronics.co.kr — 2026-08-27 10:49:46+0900

INTERVIEW
니콜로 카폰
Niccolò Cappon, CEO of SmashLabs

차량용 게임은 정말 새로운 인카 경험일까. SmashLabs의 대답은 오히려 게임이 핵심이 아니라는 것이다. 게임은 차량이라는 공간에 맞는 디지털 경험을 만들기 위한 가장 까다로운 출발점일 뿐이다. 르노코리아 필랑트의 R:Rush에서 시작해 차량 데이터와 경험 생태계, 주행자동화가 만들어낼 새로운 시간까지, SmashLabs가 그리고 있는 것은 게임을 넘어 하나의 새로운 디지털 미디어가 되는 자동차다.

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

르노코리아 필랑트(Filante)의 센터 디스플레이 위에서 리듬게임 하나가 돌아간다. 화면을 스치는 노트를 박자에 맞춰 누르는 방식, 어디서 본 듯한 구성이다. 스마트폰과 콘솔에는 이보다 화려한 리듬게임이 이미 넘친다. 그런데 이 게임은 'R:Rush'라는 이름을 달고 전국 170여 개 르노코리아 전시장에서 토너먼트까지 열렸다. 화면만 보면 특별할 게 없는 게임이 왜 완성차 브랜드의 전국 전시장 이벤트로 이어졌을까.
이 게임을 만든 회사에 물었다. 데모만 보면 그렇게 혁신적으로 느껴지지 않는데, 왜 르노는 SmashLabs를 중요한 파트너로 여기는가. 이탈리아의 부티크 게임·기술 스튜디오 SmashLabs의 니콜로 카폰(Niccolò Cappon) 대표는 이렇게 답했다.
"이유 있는 지적입니다. 그리고 여러 면에서 그게 바로 핵심입니다.”
화면에 보이는 게임이 전부가 아니라는 뜻이다. 그렇다면 SmashLabs가 실제로 만들려는 것은 무엇일까.

게임회사가 아니다

카폰 대표는 SmashLabs를 게임회사가 아니라 "차량 안에서 디지털 경험을 만드는 회사"라고 정의한다. 게임을 첫 진입점으로 택한 이유도 단순히 재미 때문이 아니다.
"게임은 우리의 진입점일 뿐입니다. 가장 몰입도가 높으면서 기술적으로도 가장 까다로운 컨텐츠이기 때문입니다.”
지연시간, 입력장치, 몰입감, 사용자 경험을 한꺼번에 풀어야 하는 컨텐츠가 게임이라는 것이다. 회사가 만든 원형 게임은 'Smashworld: Beat Explorers'라는 음악 기반 게임이다. R:Rush는 기존 게임을 기반으로 브랜드에 맞는 새로운 얼굴과 경험을 입히는 방식인 셈이다. 르노가 SmashLabs에 실제로 원한 것도 완성된 게임 한 편이 아니었다. 카폰 대표는 이렇게 풀어냈다.
"둘 다였습니다. 하지만 아이디어가 먼저였죠. 게임은 무엇이 가능한지를 보여줬고, 더 큰 목표는 자동차가 어떻게 엔터테인먼트 플랫폼이 될 수 있는지를 탐색하는 것이었습니다."
표준 게임을 바탕으로 르노의 아이덴티티와 대표 차종에서 영감을 받은 브랜드 경험을 만들면서, 컨텐츠 공급이라는 논의는 자연스럽게 경험을 만드는 작업으로 옮겨갔다고 말했다.

자동차 화면은 큰 스마트폰이 아니다

카폰 대표가 자동차 업계에 대해 자주 지적하는 ‘오해’가 있다.
"가장 큰 오해는 인카 경험을 그저 큰 스크린에 띄운 스마트폰 앱으로 여기는 것입니다.”
자동차가 스마트폰 화면을 그대로 옮겨놓는 데 그친다면, 사람들이 자기 손안의 기기 대신 굳이 차량 시스템을 쓸 이유가 없기 때문이다. 진짜 기회는 차량 데이터와 시스템, 그리고 자동차라는 고유한 환경을 컨텐츠가 실제로 활용하는 데 있다는 것이다.
어떤 데이터와 센서를 우선 활용하느냐고 묻자 카폰 대표는 특정 항목을 꼽지 않았다.
"중요한 것은 하나의 특정 기능이 아닙니다. 차량과 그 주변 환경에 지능적으로 반응하는 경험을 만들 수 있느냐가 중요합니다."
제조사마다 우선순위와 기술 아키텍처가 다른 만큼 SmashLabs의 플랫폼 역시 이에 맞춰야 한다는 설명이다. 그래서 SmashLabs가 만들려는 것도 낱개의 앱이 아니다.
"개별 애플리케이션이 아니라, 서로 연결된 고품질 경험의 생태계를 만드는 것이 우리의 목표입니다.”
컨텐츠와 디자인, 사용자 경험 전반에 걸친 일관성이 제조사와 사용자 모두에게 더 큰 장기적 가치를 만든다는 것이다.
이 생태계에 언젠가 제3의 개발자들이 들어올 수 있느냐는 질문에는 신중하게 답했다. 차량용 컨텐츠 제작은 여전히 기술적으로 복잡하고 제조사마다 다르며, 산업이 성숙해질수록 그 복잡성을 낮추는 일이 중요해질 것이라는 정도였다. 아직 플랫폼을 열겠다는 구체적인 계획을 밝힌 단계는 아니다.

자동차 안의 '죽은 시간'을 바꾼다

카폰 대표는 차 안에서 보내는 시간을 다시 정의하고 싶어 한다. 거창한 미래의 자율주행차보다 그가 먼저 꺼낸 것은 우리가 이미 차 안에서 보내고 있는 평범한 시간이었다.
"충전을 위해 멈추는 시간은 엔터테인먼트를 즐기는 시간이 될 수 있고, 학교 앞에서 아이를 기다리는 시간은 가족과 함께 보내는 좋은 시간이 될 수 있습니다. 같은 차 안에서든 서로 다른 차에 타고 있든 승객들이 멀티플레이 경험을 함께할 수도 있죠."
그가 원하는 것은 단순히 기다리는 시간을 컨텐츠로 채우는 데 그치지 않는다. 함께 놀고 연결되면서 이동 자체와는 다른 기억을 만드는 것이다.
"우리에게 성공은 단순합니다. 목적지에 도착했는데도 사람들이 바로 차에서 내리고 싶어 하지 않을 만큼 매력적인 경험을 만드는 것입니다."
시간이 늘어나는 이유는 기술적으로도 설명된다. 레벨 3·4 자율주행은 탑승자의 역할 자체를 바꾼다. 운전에 쏟던 주의가 줄어드는 만큼 디지털 컨텐츠에 쓸 수 있는 시간이 늘어나고, 경험을 설계하는 방식도 지속시간과 몰입도, 편의성과 접근성까지 함께 달라져야 한다. 더 이상 뒷좌석 승객만 즐겁게 하는 문제가 아니라, 차량 전체가 새로운 경험의 공간이 된다.
5년 뒤 사람들이 차 안에서 실제로 무엇을 하고 있을 것 같으냐고 묻자 그의 답은 담백했다. 주행의 자동화가 계속 발전하면서 사람들은 차 안에서 보내는 시간을 놀이와 시청, 업무와 휴식, 다른 사람과의 연결에 점점 더 많이 쓰게 될 것이라고 했다. 그리고 그 경험은 차량 환경과 그 순간 자체에 점점 더 맞춰질 것이라고 덧붙였다.

자동차는 새로운 디지털 미디어가 될 수 있는가

게임 이야기를 한참 했지만, 카폰 대표가 그리고 있는 차 안의 미래가 온통 게임으로 채워져 있는 것은 아니다.
"게임은 차 안에서 가능한 것의 한 가지 표현일 뿐입니다. 엔터테인먼트와 웰니스, 앰비언스, 사회적 상호작용이 결합해 캐빈에서만 가능한 순간들을 만들 수 있다는 점에도 똑같이 기대하고 있습니다."
충전하는 동안 사람을 편안하게 해주는 경험일 수도 있고, 가족을 연결하는 경험일 수도 있다. 자동차 브랜드가 고객과 지금까지와는 다른 방식으로 관계를 만드는 공간이 될 수도 있다. 카폰 대표는 자신이 자동차에서 보고 있는 가능성을 이렇게 정리했다.
"자동차는 완전히 새로운 디지털 미디어가 될 잠재력을 가지고 있습니다."
자동차 업계는 이제 막 그 가능성을 들여다보기 시작했을 뿐이라고 그는 말했다.
다시 필랑트의 센터 디스플레이로 돌아가 보면, R:Rush는 여전히 평범한 리듬게임처럼 보인다. 다만 그 화면 뒤에서 SmashLabs가 실제로 겨누고 있는 것은 게임 한 편이 아니라, 자동차 안에서 이제 막 생겨나기 시작한 시간 그 자체다. 다음 인카 경험 경쟁은 자동차 안에서 새롭게 생겨나는 시간을 누가, 어떻게 채우느냐로 향하고 있다.

After Chinese Cars Hit the Global Road

한상민 기자_han@autoelectronics.co.kr — 2026-08-25 15:40:34+0900

중국차가 세계로 나간 뒤

한상민 기자_han@autoelectronics.co.kr — 2026-08-25 14:00:46+0900

중국차의 해외진출이 새로운 단계로 넘어가고 있다. 이제 차를 얼마나 많이 수출하느냐뿐만 아니라, 그 차가 달리는 곳에 부품과 정비, 진단 데이터와 서비스까지 함께 뿌리내리냐는 것이다. AAG 2026에서 만난 중국 애프터마켓 기업들은 유럽과 아세안, 중앙아시아를 향한 다음 전략을 이야기했다. 그리고 8월 20일 중국 OEM이 보여준 자율주행과 스마트 섀시, 지능형 콕핏은 이들이 앞으로 상대해야 할 자동차가 얼마나 빠르게 달라지고 있는지를 보여줬다. 광저우에서 중국 자동차산업의 '두 번째 글로벌화'를 봤다.

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

연관기사: AAG 2026 검증자산에서 로보택시 운영, 피지컬 AI와 사용자 경험까지
Automechanika Shanghai 2025와 China for China 그 이후
Auto China 2026, 자동차 산업의 대전이(大轉移)

2026년 8월 19일 오전, 광저우 폴리 월드 트레이드 엑스포 센터 로비에 금색과 붉은색 사자 두 마리가 섰다. 제11회 Auto Aftermarket Guangzhou(AAG) 2026의 개막을 알리는 사자춤. 이날 문을 연 전시장에는 1,818개 기업이 모였고, 그 통로마다 중국산 브레이크 패드와 센서, 램프, 냉각시스템, 정비 데이터가 해외 바이어를 기다리고 있었다.
그런데 8월 19일 오후, 누군가는 이 화려한 풍경과 정반대의 이야기를 했다.
"중국차는 많이 들어왔지만, 문제가 생기면 수리할 사람이 없습니다."

카자흐스탄 현지 관계자가 애프터마켓 전문가 다이천(Dai Chen)에게 전했다는 말이다. 중국 자동차산업이 세계시장에서 마주한 다음 문제를 이보다 짧게 잘 설명할 수는 없을 것이다. 차는 이미 국경을 넘었지만 차가 팔린 뒤 필요한 부품과 정비, 진단 데이터와 서비스는 아직 그 속도를 따라가지 못하고 있는 것이다.
그래서 이번 AAG 2026에서 가장 많이 들은 단어가 부품, 전기차가 아니라 '해외진출'이었다. 중국 자동차산업의 첫 번째 글로벌화가 자동차를 세계에 파는 일이었다면, 두 번째 글로벌화는 그 자동차가 달리는 곳에 부품·정비·데이터·서비스의 생태계를 심는 일이다.
2015년에 처음 열린 이 전시회는 올해 8만 5,000㎡ 규모, 7개 전시홀에서 열렸다. 전년 대비 전시면적은 6.3%, 참가기업 수는 2% 늘었다. 35개 강연과 포럼이 사흘간 동시에 진행됐고, 68개 국가·지역에서 참관객이 방문했으며 48개의 해외 바이어 대표단이 광저우를 찾았다.
전시장 안쪽은 그 자체로 하나의 축소판 지도였다. 자동차 전조등의 차종별 호환표를 벽 전체에 붙여놓은 부스 옆으로, Changan·Chery·GAC·BAIC·Volkswagen 같은 완성차 브랜드 로고를 원형으로 둘러 붙인 부품업체의 협력사 벽이 서 있었다. 몇 걸음 더 들어가면 차량 래핑 필름 재단 소프트웨어 회사의 부스가 나왔는데, 세계지도 위에 중국 내 4만여 곳, 120여 개국 해외 1만 5,000여 곳의 누적 고객이 붉은 점으로 표시돼 있었다. 냉각시스템, 산소센서, 도어락 액추에이터처럼 자동차 한 대의 가장 작은 부분을 만드는 회사들이 통로마다 나란히 자리를 잡고 해외 바이어를 기다리고 있었다. 전시장 곳곳의 이런 장면들은 이미 해외를 향해 움직이고 있는 중국 부품 공급망을 보여줬다.
개막식 리셉션에서 마이크를 잡은 Messe Frankfurt(HK) Ltd의 피오나 치우(Fiona Chiew) 총경리는 이렇게 말했다.
"지난 10년간 AAG는 광저우를 기반으로 화남지역 자동차 애프터마켓과 글로벌 자원을 연결하는 다리를 구축해왔습니다."
또, 공동주최사인 중국기계국제협력유한공사(SINOMACHINT)의 쑨룬하이(Sun Run Hai) 총경리는 "자동차 애프터마켓은 '규모 확대'와 '소비 업그레이드'라는 두 개의 엔진이 동시에 이끄는 새로운 발전 단계에 들어서고 있습니다"라며 구조적인 진단을 했다.

문제는 중국차가 세계로 나가는 속도를 정비망과 부품 공급, 데이터 인프라가 따라가지 못했다는 데 있다. 그리고 더 어려운 문제가 기다리고 있다. 지금 중국 기업들이 만들고 있는 자동차는 과거보다 훨씬 고치기 어려운 자동차란 사실이다. 8월 20일, 같은 광저우의 무대에 오른 중국 완성차 기업들이 바로 그런 자동차를 보여줬다.

5,350억 달러짜리 지도

이런 흐름을 가장 넓은 틀에서 짚은 사람은 매직큐브 오토애프터마켓(Magic Cube Auto-Aftermarket)의 창립자 다이천이었다. 8월 19일 오후 1시 30분 첫 발표자로 무대에 오른 그가 제시한 자료에 따르면, 2026년 글로벌 자동차 애프터마켓 규모는 5,350억 달러다. 2022년 4,280억 달러에서 자라난 수치이며, 2032년에는 7,200억 달러에 이를 것이라는 전망이다. 성장의 축은 세 가지다. 세계 자동차 평균 차령이 12.5년까지 올라간 점, 전기차와 지능형 차량 보급으로 전자부품 비중이 커진 점, 그리고 독립 애프터마켓과 디지털 유통채널이 완성차 순정부품의 자리를 잠식하는 점이다.
2008년 정비 체인 사업으로 이 업계에 들어온 그는 51개 정비점을 운영했고, 2015년에는 매직큐브 칼리지(Magic Cube College)의 해외연수 프로그램으로 1,411명의 중국 기업인을 해외로 이끌었다. 2023년에는 eBay, TecAlliance와 함께 MCAA(Magic Cube Autoparts Alliance)를 만들었고, 지금은 세계 230곳 이상의 부품 유통업체를 회원으로 묶고 있다.
"이제 논점은 해외로 나갈 것인가가 아닙니다. 어떻게 올바르게 해외로 나갈 것인가입니다."

이 한마디 뒤로 그는 세계 애프터마켓을 유럽, 동남아시아, 중앙아시아, 중동, 러시아, 남미 여섯 권역으로 나눠 훑었다. 그가 제시한 자료에 따르면 규제와 인증이 촘촘한 유럽에서는 가격 경쟁에서 가치 경쟁으로 옮겨가야 하고, 역내 관세가 단계적으로 낮아지는 동남아시아에서는 현지 기후와 차량 사양에 맞춘 재설계가 필요하다. 정비 인프라가 정비 대상 차량의 증가 속도를 따라가지 못하는 중앙아시아에서는 앞서 언급한 것처럼 그 공백 자체가 기회다.
두 번째 축은 전기차 부품이다. 초기에 보급된 전기차들이 운행한지 5~8년에 접어들며 배터리 성능 저하와 모터 노후화가 정비 수요를 만들어내기 시작했다. 신차 판매가 아니라 이미 도로 위에 있는 차량이 애프터마켓을 키우고 있다. 이 시장에서 중국 배터리 기업의 위치는 CATL과 BYD 두 회사만으로 세계 점유율 절반을 넘어설 만큼 이미 뚜렷하다.
이 모든 것을 로드맵으로 압축하면 3단계가 된다. 1~2년의 단기에는 터키나 모로코처럼 유럽 시장 접근성이 높은 국가에 조립공장을 세우고, 3~5년의 중기에는 BYD나 CATL처럼 이미 해외에 자리 잡은 기업의 공급망에 참여하며, 5년 이상의 장기에는 독일·헝가리·스페인 같은 자동차산업 거점에 생산기지와 연구개발센터를 세우는 것이다. 이 마지막 단계에 이르면 기업의 정체성도 바뀐다. "유럽에 수출하는 중국 공급업체"가 아니라 "유럽에서 개발하고 생산하며 서비스하는 현지 공급업체"가 되는 것이다.

좌측부터 다이천, 성커, 펑하이룽

가격으로 들어갈 수 있지만 가질 수는 없다

그러나 시장이 크다는 것과 그 시장을 가질 수 있다는 것은 다른 문제다. 오히려 성장하는 시장일수록, 가격 경쟁력만 믿고 뛰어든 기업이 걸려 넘어지는 함정도 함께 커진다.
메콩연구소(Mekong Institute)의 란창-메콩 협력 전문가(Lancang-Mekong Cooperation Expert)이자 '성커의 해외진출 노트' 칼럼을 쓰는 성커(Sheng Ke)가 8월 19일 오후에 짚은 것이 바로 이 점이었다.
FMI(Future Market Insights)에 따르면 아세안 애프터마켓은 2025년 312억 달러에서 2030년 465억 달러, 2036년 750억 달러로 성장하며 연평균 성장률은 8.3%다. 아세안 핵심 6개국에서 운행 중인 차량은 1억 대를 넘는다. 여기서 경쟁구도는 세 진영으로 나뉜다. 일본계는 수십 년간 구축한 순정부품 체계와 공식 정비망으로 중고가 시장을 장악하고 있고, 유럽계는 럭셔리 세분시장에서 기술력과 브랜드 역사를 무기로 고급시장을 지킨다. 중국은 공급망 비용과 가격 경쟁력을 앞세워 신흥시장에서 빠르게 침투하는 중이다. 문제는 그 다음이다.
중국 부품기업이 해외진출 과정에서 거치는 상태를 성커는 세 단계로 나눴다. 막 출발해 좋은 제품만 있으면 팔릴 것이라 믿고 무역상이나 대형 도매업체에 의존하는 단계, 매출은 붙었지만 유통업체의 반응에만 의존해 시장을 읽다 보니 정작 최종 소비자의 실제 수요를 알지 못하는 단계, 그리고 판매량이 정체되고 유통업체의 가격 압박이 심해지는 단계다. 이 마지막 상태를 '채널에 붙잡힌 상태'라고 한다.
슬라이드 한쪽에는 붉은 글씨로 쓴 문구가 있었다. 이는 위험한 '가위 효과'로, 수출 물량은 지수적으로 늘어나는데 브랜드와 이익은 함께 늘지 않는 현상이다.
이런 함정은 세 가지로 구체화된다. 첫째는 채널 의존이다. 처음 진입하는 기업에게 현지 대형 도매상은 매력적인 파트너처럼 보이지만, 관계가 깊어질수록 최종 사용자가 누구인지, 실제 판매가격이 얼마인지에 대한 정보는 유통업체의 것이 된다. 캄보디아 같은 시장에서는 거래대금 회수에 반년이 걸리기도 하고, 현지 도매상들은 오랜 인간관계로 유통망을 장악하고 있어 단기간에 대체하기 어렵다. 처음부터 100만 달러 규모의 대량 주문을 제시하는 고객도 반드시 좋은 고객은 아니다. 대량 주문을 미끼로 가격을 낮춘 뒤 공급업체를 종속시키는 경우가 있기 때문이다. 둘째는 제품의 현지 적합성이다. 아세안에는 좌핸들과 우핸들 차량이 함께 존재하고, 같은 모델이라도 중국 내수용과 아세안용 사양이 다르며, 고온·고습·염분이라는 환경조건까지 고려해야 한다. 셋째는 컴플라이언스다. 인도네시아의 SNI 인증처럼 국가별 규제가 다르고, 브레이크 패드처럼 안전과 직결된 부품에서 인증 없이 사고가 발생하면 법적 책임으로 이어진다.
그렇다고 아세안이 비관적인 것만은 아니다. 구조적인 기회가 있다. 그 배경에는 중국 신에너지차의 해외진출이 있다. 태국의 전기차 침투율은 이미 12%에 이르렀고, 아세안에서 경쟁력을 가진 중국 완성차 업체는 BYD, Chery, Geely 등이 있다. 완성차가 먼저 나가면 애프터마켓이 뒤따른다. 중국 부품업체는 차량이 팔린 뒤 시장을 찾아나설 것이 아니라, 완성차가 나갈 때부터 공급과 서비스 관계를 만들어 함께 움직여야 한다는 것이다.
특히 인도네시아는 인구 2억 8,000만 명으로 아세안 최대 시장이며, 아세안 전체 국내총생산(GDP)의 약 40%를 차지한다. 동시에 1만 7,000개의 섬으로 이뤄진 군도국가다. 물류 측면에서는 불리해 보이지만, 시장이 워낙 분산돼 있어 경쟁업체도 단기간에 전국망을 장악하기 어렵다는 점에서 먼저 제대로 된 유통망을 구축한 기업에는 오히려 진입장벽이 된다.
"인도네시아를 뚫으면 사실상 아세안을 뚫은 것과 같습니다."

실행 조언은 구체적이다. 회사의 최고 책임자가 직접 현지에 가서 최소 반년 이상 머물러야 하고, 매년 현장을 방문할 때도 관광객이 아니라 컨설턴트의 시선으로 정비소와 유통망을 관찰해야 한다. 최소 2년의 손실을 감당할 재무 여력 없이는 성급하게 나가서는 안 되며, 현지 산업협회의 시장 데이터를 확보하는 데 약 20만 위안 수준의 예산을 선제적으로 투입할 필요가 있다. 현지 이공계 대학생들과 관계를 만들어 이들을 테스트와 시장 실행 인재로 키우고, 화교 네트워크와 중국어 소셜미디어에만 머무르지 말고 현지 소비자가 직접 참여하는 컨텐츠를 만들어 현지 문화 속으로 들어가야 한다.
"가격으로 시장에 들어갈 수는 있지만 가격만으로 시장을 가질 수는 없습니다."

정비기업에 부족한 것은 데이터가 아니라 표준

현지에 뿌리내린 뒤에는 더 어려운 문제가 기다린다. 나간 부품을 누가, 무엇을 근거로 고칠 것인가.
정비정보 플랫폼 아이반셔우(AIWrench)의 총경리 펑하이룽(Feng Hailong)은 8월 19일 오후, 바로 이 질문에서 답을 말했다. 그가 짚은 것은 중국 정비업계의 현실적인 문제였다.
작업량 판단 오류로 재작업이 발생하고, 숙련도 부족으로 부품을 반복해서 탈착하다 손상시키는 경우가 있다. 부품 자체에는 문제가 없는데도 공급망 업체가 책임을 떠안는 상황이 생기는 것이다. 여기에 공임 문제가 겹친다. 그가 제시한 자료에 따르면 BMW 공식 서비스의 시간당 공임은 900위안을 넘을 수 있는 반면, 일반 정비업체가 받는 공임은 시간당 200위안 안팎에 불과하다. 그러나 작업자 임금과 임대료, 사회보험을 계산하면 1·2선 도시 정비업체의 실제 인건비는 결코 낮지 않다.
"많은 사람이 정비업체에 데이터가 부족하고 트래픽이 부족하다고 생각합니다. 실제로 가장 부족한 것은 표준입니다."

슬라이드 한 장이 이 말을 실제 화면으로 보여줬다. 이에 따르면 배기가스 터보차저 냉각액 회귀관로를 탈거·장착·교체하는 작업 하나에 표준 공정번호가 매겨져 있고, 작업시간은 시스템 기준 53공시로 제시됐고, 시간당 단가 960위안, 참고 총액은 4,240위안이었다. 정비사가 경험과 감으로 판단하던 영역을 표준화된 공정과 시간, 가격으로 바꾼 것이다. 부품 위치와 회로도, 고장진단 이력, 정비 영상과 매뉴얼이 하나의 인터페이스 안에 통합돼 있어, 정비사가 화면을 열면 "이 부품을 교환하라"가 아니라 어떤 공구가 필요한지, 볼트를 어느 토크로 조여야 하는지까지 순서대로 안내받는다.
이 회사는 중국 국내에서 유럽·미국·일본계 주요 브랜드 대부분을 이미 지원하고 있고, 글로벌판에서도 BMW와 벤츠를 포함한 지원 브랜드를 꾸준히 늘려가는 중이다. 중요한 것은 어떤 브랜드를 지원하느냐가 아니라, 중국에서 축적한 정비 지식과 작업 표준을 하나의 패키지로 만들어 해외로 가져간다는 방향이다.
"제품만 가지고 나가면 기억되지 않습니다. 기술과 서비스, 데이터를 함께 가져가야 합니다."

중국에서는 가격을 높이기 어려운 정비 데이터도 해외에서는 운영과 서비스를 결합해 더 높은 가치를 만들 수 있다. 여러 브랜드의 정비 데이터를 하나의 플랫폼으로 묶는 것 역시 개별 브랜드 데이터를 각각 구매해야 하는 해외 정비업체에는 경쟁력이 될 수 있다.
"표준화된 도구로 공임의 가치를 재구축하고, 시스템화된 방법으로 인력 문제를 해결해 정비기업이 기술 서비스라는 본질로 돌아가도록 함으로써 지속가능한 성장을 실현합니다."

펑하이룽의 이야기를 정비업계만의 움직임으로 볼 필요는 없다. 중국차의 해외진출을 따라 시험과 인증, 표준도 함께 국경을 넘고 있다. CATARC는 이미 2018년 인도네시아에서 중국-아세안 자동차 표준·법규 연구센터를 출범시켰고, 말레이시아에서는 현지 기관과 차세대 자동차의 표준·법규와 시험·인증 협력을 추진해왔다. 2026년 6월에는 태국에도 동남아 시험·인증 서비스 거점을 마련했다. 차를 수출한 뒤 중국이 해외로 가져가려는 것은 이제 부품만이 아니라, 자동차를 시험하고 인증하고 고치는 ‘체계’ 그 자체다.

유럽의 중고부품이 중국의 원재료가 되는

글로벌화는 한 방향으로만 흐르지 않는다. AAG에서 만난 또 하나의 공급망은 중국에서 유럽으로 가는 것이 아니라, 유럽에서 중국으로 향하고 있었다. 독일에서 회수된 발전기와 스타터 모터, 조향장치 같은 중고 부품, 즉 코어(Core)를 중국의 재제조 산업과 연결하는 것이다.
함부르크에 본사를 둔 라우딘 인터내셔널(Laudin Internationaler Handel GmbH)은 이 역방향 공급망 한가운데 있는 회사다. 실제 전시에도 참가했다.
독일 공급망은 세 기둥으로 이뤄진다. 첫째, 독일의 승용차 보유량은 약 5,000만 대이고 평균 차령은 10.9년이다. 차량이 오래될수록 발전기, 스타터 모터, 조향장치 같은 부품의 교환 수요가 늘어난다. 둘째, 독일의 정비 인건비가 높다 보니 문제가 생긴 부분만 수리하기보다 해당 부품 전체를 교체하는 방식이 일반적이다. 셋째, 유럽에는 성숙한 중고부품 반환 체계인 코어 리턴(Core Return) 시스템이 자리 잡고 있어, 재제조 가치가 남은 부품이 지속적으로 시장에 회수된다.
문제는 그 다음이다. 핵심 도전 중 하나는 중고부품 공급과 재제조 생산 수요의 불일치다. 코어의 가용성이 일정하지 않아 재제조 생산능력 계획이 흔들린다.
다른 하나는 자동차 전자화와 소프트웨어 통합이 전통적인 재제조 기술을 따라잡지 못하는 문제다. 신세대 전자제어장치(ECU)와 스마트 시스템은 하드웨어를 물리적으로 복원하는 것만으로는 되살릴 수 없다. 차량과 통신하고 소프트웨어를 넣어야 하며, 경우에 따라 제조사의 공식 인증 권한이 필요하다.
이런 지적은 펑하이룽이 말한 표준·데이터 문제와 다른 층위에서 같은 이야기를 한다. 자동차 부품의 가치가 더 이상 금속과 기계만으로 완결되지 않는다는 것이다. 부품에 데이터와 소프트웨어 접근권, 추적성이 함께 붙어야 재사용도 재제조도 가능해지는 시대가 오는 것이다. 그리고 8월 20일, 그 어려운 자동차를 실제로 만들고 있는 중국 기업들이 같은 도시의 다른 무대에 올랐다.

AAG 2026에서 Desay SV와 중국 시험·인증기관 CVC가 자동차 전자 품질·신뢰성 공동연구실 설립을 발표했다. CVC는 국가 스마트자동차 부품 품질검사시험센터를 운영하며 자동차 전장 시험·인증과 표준화를 수행한다.

자동차를 설명하는 말이 바뀌었다

브레이크 패드와 스타터 모터, 중고 코어와 정비 공임, 해외 유통망을 이야기하던 광저우는 8월 20일에는 자동차를 완전히 다르게 말하고 있었다.
로보택시, 인공지능, 스마트 섀시, 지능형 콕핏, 생체신호, 디지털트윈이었다. 얼핏 두 자리는 서로 다른 자동차산업을 이야기하는 것처럼 보이지만, 8월 19일 애프터마켓 관계자들이 고민했던 자동차와 8월 20일 완성차 기업, 테크기업들이 만들고 있는 자동차는 같은 차다. 오늘 완성차 업체가 만드는 차가 5년, 10년 뒤 애프터마켓이 고쳐야 할 차가 되기 때문이다.
둥펑(Dongfeng)의 왕덩펑(Wang Dengfeng)은 자동차를 스스로 움직이는 지능형 개체(moving embodied intelligent agent)로 정의했다. 그의 설명에 따르면 스마트 드라이빙은 자동차의 대뇌, 스마트 섀시는 소뇌, 구동·제동·조향은 팔다리에 해당한다. 과거에는 브레이크가 브레이크였고 조향이 조향이었다면, 이제는 인지와 판단, 제어와 액추에이션이 소프트웨어로 이어진 하나의 시스템이 된다는 뜻이다. 8월 19일 라우딘 인터내셔널이 신세대 전자제어장치와 스마트 시스템은 전통적인 재제조 기술만으로 대응하기 어렵다고 지적했던 이유가 8월 20일 구체적인 자동차의 모습으로 나타난 셈이다.
샤오펑(XPENG)의 마자(Ma Jia)가 소개한 시트는 심박과 호흡을 읽어 운전자의 상태를 인지하고, 명령이 내려지기 전에 먼저 반응한다. 과거 애프터마켓에서 시트는 가죽을 갈거나 모터를 손보는 대상이었다. 그러나 센서와 전자제어장치, 소프트웨어, 사용자 인터페이스가 하나의 부품 안에 들어온 시트라면 이야기가 달라진다. 이걸 나중에 고칠 사람에게 필요한 것은 부품번호가 아니라 진단 데이터와 회로도, 소프트웨어, 작업절차, 캘리브레이션 방법이다. 8월 19일 펑하이룽이 던진 말, "정비기업에 부족한 것은 데이터가 아니라 표준"이란 것이 여기서 다시 깊이 다가온다.
립모터(Leapmotor)의 자오차오(Zhao Qiao)는 32개국 195개 도시에서 축적한 글로벌 자율주행 검증 데이터를 공개했다. 중국에서 만든 차를 그대로 해외로 실어 파는 단계를 지나, 각 지역의 도로와 기후, 사용 조건에서 차량을 직접 검증하는 단계까지 왔다는 뜻이다. 8월 19일 성커가 아세안 시장을 향해 던진 경고와 정확히 맞닿는다. 좌핸들과 우핸들이 섞여 있고 고온·고습·염분 환경인 아세안에서 중국 내수용 제품을 그대로 가져가면 안 된다는 경고였다. 완성차 업체들은 이미 같은 문제를 차량 개발 단계에서부터 겪고 있다. 현지화는 애프터마켓만의 숙제가 아니라 중국 자동차산업 전체의 숙제인 셈이다.
헬로(Hello Inc.)는 레벨 4 자율주행 로보택시 사업을 소개하며 차량 판매를 넘어 운행과 서비스로 사업 영역을 넓히고 있다. 로봇 손을 이용한 콕핏 내구성 테스트, 딥시크(DeepSeek) 기반 디지털트윈으로 조명을 개발하는 사례도 함께 소개됐다. 자동차라는 제품만 지능화되는 것이 아니라, 그 제품을 개발하고 검증하는 방법 자체가 인공지능으로 옮겨가고 있다는 뜻이다.
AAG의 큰 테마는 애프터마켓이고 다른 하나는 미래차 기술이다. 그러나 시간축을 조금만 옮겨놓으면 모두 같은 이야기다. 둥펑이 말한 지능형 섀시도, 샤오펑이 보여준 센서화된 시트도, 립모터가 세계 각지에서 검증하고 있는 차량도 언젠가는 정비소의 리프트 위에 올라간다. 애프터마켓의 다음 경쟁은 부품을 얼마나 싸게 공급하느냐가 아니라, 소프트웨어로 정의된 자동차를 누가 끝까지 유지할 수 있느냐의 경쟁이 될 가능성이 크다. 펑하이룽이 정비의 표준을 말하고 라우딘 인터내셔널이 전통적인 재제조의 한계를 지적했던 이유다. 중국 완성차가 자동차를 바꾸는 속도만큼, 중국의 애프터마켓도 함께 바뀔 것이다.

좌측부터 두번째가 쑨룬하이, 우측부터 두번째가 피오나 치우 총경리.

다리를 놓는 사람들

전시장을 다시 걸어 나오는 길, 부스들은 여전히 붐볐다. 헤드램프 호환표를 벽 전체에 걸어놓은 부스, 원형으로 완성차 브랜드 로고를 두른 협력사 벽 사이로 이베이 모터스(eBay Motors)의 부스가 나왔다.
"이베이가 중국 자동차부품 산업의 해외진출을 돕는다"는 문구 아래, 파트너사 오렌지 커넥스(Orange Connex)의 물류 네트워크가 배너로 걸려 있었다. 상담 테이블에는 중국 기업 관계자들이 둘러앉아 입점 절차와 물류 조건을 확인하고 있었다. 부품을 만드는 회사부터 데이터를 파는 회사, 배송을 책임지는 회사까지, 해외진출이라는 같은 목적지를 향해 서 있는 모습이었다.
이 모든 것을 하나로 묶는 축은 메세 프랑크푸르트(Messe Frankfurt)의 전시 네트워크다. 중국 기업에게 이 네트워크가 의미 있는 것은 각각의 전시회가 따로 떨어진 행사가 아니기 때문이다. 광저우에서 해외진출 방법을 배우고 첫 바이어를 만난 기업은 몇 달 뒤 자카르타에서 현지 유통업체를 만나고, 쿠알라룸푸르와 호치민에서 또 다른 아세안 시장을 시험할 수 있다. 메세 프랑크푸르트가 이 기업들에 파는 것은 어쩌면 전시부스 몇 칸이 아니라, 중국 기업이 새로운 시장에 반복해서 접속할 수 있는 경로다. 적어도 AAG에서 본 메세 프랑크푸르트의 역할은 상품을 전시하는 공간을 넘어 중국 공급망의 시장 진입 인프라 쪽으로 확장되고 있었다.
AAG 입구에는 이 회사가 아시아 각지에서 준비 중인 자매전시회 안내판이 나란히 세워져 있었다. 9월 인도네시아에서 처음 열리는 오토메카니카 자카르타(Automechanika Jakarta)를 시작으로, 12월 상하이, 이듬해 상반기 베이징과 쿠알라룸푸르, 청두, 그리고 호치민까지 이어지는 일정. 광저우에서 만난 중국 공급업체와 해외 바이어가 몇 달 뒤 다른 도시에서 다시 마주칠 수 있다.
다이천이 2017년부터 메세 프랑크푸르트와 협력해 만든 MCAA의 해외 네트워크, 성커가 강조한 현지 뿌리내리기, 펑하이룽이 제시한 정비 표준과 데이터, 라우딘 인터내셔널이 보여준 역방향 공급망은 서로 다른 곳에서 출발했지만 같은 곳을 향한다. 부품을 파는 것에서 시작해 정비 데이터를, 표준을, 신뢰를, 그리고 마지막에는 현지에서의 정체성을 파는 것으로 옮겨간다. 피오나 치우가 개회식에서 말한 "글로벌 자원을 연결하는 다리"는 여기서 비로소 실제 의미를 얻는다.
피오나 치우는 개회식에서 이렇게 말했다.
"11년째에 접어든 지금, 우리는 과거의 성과에 머무르지 않고 지난 10년간 축적한 산업 경험을 바탕으로 서비스를 더욱 깊이 있게 발전시키고 있습니다."
쑨룬하이는 "이 전시회를 모두가 매년 다시 만나고 싶어 하는 '오랜 친구' 같은 자리로 만드는 것은 더욱 오랜 노력을 필요로 합니다"라고 말했다.

광저우에서 만난 것은, 중국 자동차산업이 지금 하고 있는 일은 더 이상 차만 파는 것이 아니라, 차가 팔린 뒤 5년, 10년 동안 그 차를 고치고, 부품을 대고, 데이터를 제공하고, 고객을 유지하는 일까지 함께 짊어지려 하는 이야기였다. 8월 19일과 20일, 광저우 폴리 월드 트레이드 엑스포 센터의 서로 다른 무대와 통로에서 오간 이야기들은 중국 자동차산업의 다음 과제가 어디에서 시작되는지를 보여줬다. 완성차 수출이 이미 증명된 속도라면, 애프터마켓의 해외진출은 아직 증명되지 않은 지구력이다.

Cinemo Bring Your AI™: Why the Smartest Car of the Future Might Not Need More Hardware

By Cinemo — 2026-08-25 10:01:39+0900

Bring Your AI™: 미래의 가장 똑똑한 차에 더 많은 하드웨어가 필요치 않은 이유

글 | Cinemo — 2026-08-25 09:55:02+0900

Cinemo Bring Your AI™ - 스마트폰을 활용한 AI 기반 차 내 경험

AI는 몇 달 단위로 진화하지만 자동차는 개발에 수년이 걸리고 10년 이상 도로를 달린다. Cinemo Bring Your AI™는 더 많은 AI 하드웨어를 차량에 내장하는 대신, 차량과 스마트폰, 클라우드에 워크로드를 지능적으로 분산하는 아키텍처를 제안한다. 차량은 안전한 인터페이스를, 스마트폰은 빠르게 진화하는 연산 능력과 개인화를, 클라우드는 대규모 추론을 담당한다. 미래의 가장 똑똑한 차는 더 많은 하드웨어가 아니라, 이미 존재하는 연산 자원을 가장 적절하게 활용하는 차일 수 있다.

글 | Cinemo
IN ENGLISH

연관기사: 에이전틱 AI와 컨텐츠 탐색이 바꾸는 차내 경험의 미래

인공지능은 자동차 산업이 한 번도 경험해 보지 못한 속도로 진화하고 있다. 대형 언어 모델(LLM)은 몇 달 단위로 성능이 향상되고, 스마트폰은 매년 하드웨어가 갱신되며, 완전히 새로운 AI 서비스가 거의 매주 등장한다. 반면 차량은 개발에만 수년이 걸리고, 통상 10년 이상 도로 위에서 운행된다.
이런 혁신 주기의 차이는 OEM에게 점점 더 커지는 과제를 안긴다. 신차가 양산에 들어갈 때쯤이면, 개발 단계에서 선택한 AI 하드웨어는 이미 최신 기술 수준에 뒤처져 있을 수 있다. 차량의 수명 기간 내내 AI 역량이 계속 진화하는 상황에서, 차에 점점 더 많은 AI 연산 능력을 내장하는 방식은 그 타당성을 설명하기가 점점 더 어려워지고 있다.
그런데 자동차 업계는 애초에 잘못된 문제를 풀고 있는 것은 아닐까?
오늘날 혁신의 상당 부분은 더욱 강력한 AI 하드웨어를 차량에 탑재하는 데 집중돼 있다. 하지만 가장 뛰어난 AI 플랫폼이 이미 운전자의 주머니 속에 있다면 어떨까?
현대 스마트폰은 어느새 놀라울 만큼 강력한 AI 기기로 발전했다. 멀티코어 CPU, GPU, 전용 NPU를 갖춘 스마트폰은 정기적인 하드웨어 세대교체의 혜택을 누리면서 콤팩트한 LLM을 기기 자체에서 직접 구동할 수 있다. 차량과 달리 스마트폰은 끊임없이 진화한다.
이는 다른 종류의 아키텍처 질문을 제기한다. 차에 AI 하드웨어를 얼마나 많이 통합해야 하는가를 묻는 대신, 각 AI 워크로드가 실제로 어디에 있어야 하는가를 물어야 할지도 모른다.

차량용 AI는 어디서 실행돼야 하나

헤드유닛은 전통적으로 차량 내 지능의 중심으로 여겨져 왔다. 차량이 점점 더 소프트웨어 중심으로 변화하면서 자연스러운 대응은 인포테인먼트 플랫폼에 더 많은 연산 능력과 전용 AI 가속기, 더욱 정교한 소프트웨어 스택을 통합하는 것이었다.
그러나 AI 워크로드는 전통적인 인포테인먼트 애플리케이션과는 근본적으로 다르다. 지연 시간, 프라이버시, 연결성, 연산 요구 사항에 따라 로컬에서, 원격에서, 혹은 여러 기기에 걸쳐 실행될 수 있다. 지능은 더 이상 하나의 전자제어장치(ECU)에 묶여 있을 필요가 없다.
이런 접근 방식이 Cinemo Bring Your AI™ 아키텍처의 토대를 이룬다.
차량을 주된 AI 컴퓨터로 다루는 대신, Cinemo Bring Your AI™는 지능을 서로 보완적인 세 개의 플랫폼에 분산시킨다. 차량은 신뢰할 수 있는 사용자 상호작용, 미디어 통합, 차량 기능에 대한 안전한 접근을 책임진다. 스마트폰은 주된 AI 런타임이 되며, 클라우드 서비스는 더 큰 모델이나 지속적으로 업데이트되는 지식이 필요할 때마다 가용 역량을 확장한다.
차량은 신뢰할 수 있는 인터페이스와 결정론적 시스템 통합, 차량 데이터에 대한 접근을 제공한다. 스마트폰은 빠르게 진화하는 AI 연산 능력과 개인화, 연결성, 로컬 지능을 제공한다. 클라우드는 대규모 추론과 지속적으로 확장되는 지식에 대한 접근을 제공한다.
모든 AI 워크로드를 억지로 차에 밀어 넣는 대신, 이 아키텍처는 각 워크로드가 기술적으로 가장 적합한 곳에서 실행되도록 한다.

스마트폰을 AI 런타임으로

온디바이스 추론 기술의 최근 발전은 이런 접근 방식을 점점 더 현실적으로 만들고 있다.
Gemma, Qwen과 같은 오픈 언어 모델은 이제 구글 LiteRT-LM, llama.cpp 등 성숙한 추론 런타임을 활용해 최신 스마트폰에서 직접 실행할 수 있다. 사용 가능한 하드웨어에 따라 추론은 GPU 또는 전용 신경망 처리장치(NPU)에서 이뤄지며, 차량 내부에 전용 AI 하드웨어를 갖추지 않고도 다수의 대화형 AI 활용 사례에 충분한 성능을 제공한다.
마찬가지로 중요한 것은 실행 위치가 더 이상 한 곳에 고정되지 않는다는 점이다. 어떤 워크로드는 지연 시간을 최소화하고 프라이버시를 보호하기 위해 스마트폰에서 전적으로 실행될 수 있다. 다른 워크로드는 로컬 AI 에이전트와 클라우드 서비스를 결합할 수 있으며, 더 높은 연산이 필요한 작업은 원격에서 실행되는 더 큰 파운데이션 모델을 활용할 수 있다. 따라서 실행 모델은 차량 하드웨어의 성능에 제약받는 대신 각 애플리케이션의 요구 사항에 맞춰 유연하게 적용될 수 있다.

Cinemo의 스마트폰 기반 AI 아키텍처

차량은 가볍게 유지한다

분산형 AI 아키텍처는 차량 자체도 단순하게 만든다. 점점 더 복잡해지는 AI 프레임워크를 헤드유닛에 내장하는 대신, 차량은 이미 잘 해내고 있는 일, 즉 정보 표시, 오디오 관리, 미디어 통합, 차량 기능에 대한 안전한 접근 제공에 집중할 수 있다.

음성 채널
운전자는 이미 자신의 스마트폰에 있는 어시스턴트와 대화한다. 차 안에서 이 상호작용은 차량의 마이크와 스피커를 통해 구현되며, 어시스턴트 화면을 헤드유닛 디스플레이에 투영하거나 헤드유닛 자체의 네이티브 인터페이스를 통해 전달된다. 둘 중 어느 방식을 택할지는 OEM이 결정하며, 어느 쪽이든 운전자가 이미 익숙한 대화형 경험은 그대로 차 안으로 이어진다.

데이터 채널
이와는 별도로, 지연 시간이 짧은 블루투스 연결이 스마트폰과 차량을 연결한다. 이는 Cinemo Bring Your AI™가 차량 기능과 데이터에 접근하기 위해 사용하는 채널로, 의도적으로 가볍게 설계됐다. OEM이 허용할 경우 헤드유닛이 차량 기능을 스마트폰에 노출하는 데 필요한 모든 것을 제공하면서도 씬 클라이언트(thin client) 상태를 유지하며, 특정 프로젝션 프레임워크에 대한 의존성도 추가하지 않는다.

음성 비서를 넘어서

이 아키텍처를 단순한 음성 비서로만 이해한다면 그 잠재력을 과소평가하는 것이다.
스마트폰에 탑재된 AI 런타임은 여러 AI 에이전트를 동시에 구동하고, 운전자가 이미 자신의 스마트폰에서 사용 중인 어시스턴트를 통해 접근할 수 있는 기능들로 제공하며, 차량 전반에 걸쳐 일관된 경험을 유지한다. 자연어 상호작용은 차량 제어 기능에 대한 접근을 단순화하고, 대화형 컨텐츠 탐색을 지원하며, 로컬 또는 클라우드 기반 지식 소스에서 정보를 가져오고, 완전히 새로운 차량 내 경험을 가능하게 한다.
AI 런타임이 헤드유닛과 독립적으로 진화하기 때문에, 새로운 언어 모델, 추론 프레임워크, AI 에이전트는 다음 세대 차량을 기다릴 필요 없이 지속적으로 도입될 수 있다. 혁신의 속도는 자동차 개발 주기가 아니라 소비자 기술의 흐름을 따르게 된다.
OEM 입장에서 이는 차량 내 전용 AI 하드웨어에 대한 의존도를 낮추는 동시에, 여러 차급에 걸쳐 고도화된 AI 경험을 확장할 수 있게 해준다. 운전자는 차량이 공장을 떠날 당시의 성능에 머무는 대신, 이미 보유한 스마트폰과 함께 자연스럽게 향상되는 AI 경험의 혜택을 누리게 된다.
Cinemo Bring Your AI™는 모든 AI 워크로드가 스마트폰에 있어야 한다고 주장하지 않는다. 안전에 직결되는 차량 기능은 언제나 내장된 상태로 남을 것이며, 클라우드 서비스는 대규모 추론이나 지속적으로 업데이트되는 지식이 필요한 역량을 계속 제공할 것이다.
더 유력한 미래는 지능이 이 세 플랫폼 전체에 분산되는 모습일 것이다. 차량은 신뢰할 수 있는 인터페이스와 차량 시스템에 대한 안전한 접근을 제공한다. 스마트폰은 빠르게 진화하는 AI 연산 능력과 개인화, 로컬 지능을 제공한다. 클라우드는 필요할 때마다 사실상 무제한에 가까운 확장성을 제공한다.
AI가 소비자 기술의 속도로 계속 진화하는 가운데, 이런 분산형 아키텍처는 차량의 수명 기간 내내 차량 내 경험을 최신 상태로 유지할 수 있는 실질적인 방법을 제시한다. 이제 질문은 더 이상 "내일의 차량에 AI 하드웨어를 얼마나 많이 통합해야 하는가"가 아니라, "이미 존재하는 플랫폼들에 AI 워크로드를 얼마나 지능적으로 분산시킬 수 있는가"이다.

The Future of the In-Car Experience, Shaped by Agentic AI and Content Discovery

한상민 기자_han@autoelectronics.co.kr — 2026-08-25 09:41:11+0900

에이전틱 AI와 컨텐츠 탐색이 바꾸는 차내 경험

한상민 기자_han@autoelectronics.co.kr — 2026-08-25 09:33:17+0900

INTERVIEW

이반 딤코비치
Ivan Dimkovic
Co-Founder & Technical Strategic Advisor
Cinemo

차내 AI 경쟁의 승부처는 더 큰 모델이나 화려한 데모가 아니다. 양산차에서 안정적으로 작동하며 차량과 탑승자, 그 순간의 맥락까지 이해하는 능력이 진짜 차이를 만든다. 이반 딤코비치 Cinemo 공동창업자는 차내 경험이 앱 중심에서 의도 중심으로 이동하고 있으며, 가장 큰 AI가 아니라 가장 잘 이해하는 AI가 미래를 주도할 것이라고 말한다.

글 | 한상민 기자_han@autoelectronics.co.kr

IN ENGLISH

연관기사: Bring Your AI™: 미래의 가장 똑똑한 차에 더 많은 하드웨어가 필요치 않은 이유

자동차 산업은 SDV 시대를 넘어 AI 에이전트의 시대로 확장되고 있습니다. 업계의 관심은 대부분 더 큰 모델과 더 뛰어난 에이전트에 쏠려 있는데요. Cinemo의 관점에서 AI 에이전트 시대의 진짜 경쟁의 핵심은 무엇이며, 업계가 오늘날 간과하고 있는 것은 무엇이라고 보십니까?
Dimkovic 모두가 더 큰 모델과 더 뛰어난 에이전트에 대해 이야기합니다. 흥미로운 주제이긴 하지만, 저희가 보는 진짜 경쟁의 지점은 거기에 있지 않습니다. 인상적인 AI 데모를 만드는 것은 오늘날 누구나 할 수 있는 일입니다. 진짜 도전은 그 기술이 양산 차량에서 완벽하게 작동해야 할 때 시작됩니다.
자동차는 스마트폰이 아닙니다. 고속도로를 주행하며 AI 비서에게 특정 차량 기능을 활성화하는 방법을 물었다면, 즉시 정확한 답을 받아야 합니다. 실수가 허용될 여지가 거의 없습니다.
그래서 품질과 신뢰성이야말로 진짜 차별화 요소가 될 것입니다. 자동차용 AI는 변화하는 네트워크 환경에서도 안정적으로 작동하고, 할루시네이션을 피하고, 차량을 정확히 이해하고, 일관된 결과를 내놓아야 합니다. 열 번 중 아홉 번을 잘 작동해도 운전자는 실패한 한 번을 기억합니다. 자동차 분야에서 신뢰는 일관성을 통해 쌓입니다.
업계는 표준화의 중요성 또한 과소평가하고 있습니다. AI 에이전트의 역량은 결국 접근할 수 있는 데이터에 달려 있습니다. 공통 인터페이스와 표준화된 차량 데이터가 없다면, 아무리 뛰어난 모델이라도 잠재력을 온전히 발휘할 수 없습니다.

더 큰 모델보다 중요한 것

AI 에이전트의 기능은 시간이 지날수록 점점 더 표준화될 가능성이 높습니다. 만약 그렇게 된다면, 고객이 특정 브랜드를 선택하고 신뢰하게 만드는 궁극적인 요인은 무엇일까요? 브랜드, 경험, 데이터, 생태계 등 여러 요소 중 무엇이 가장 중요한 경쟁 차별화 요소가 될 것이라고 보십니까?
Dimkovic       AI가 널리 보급될수록 기술 그 자체는 차별화 요소로서의 힘을 잃게 될 것입니다. 진짜 관건은 그 지능이 차량과 브랜드 경험에 얼마나 자연스럽게 녹아드는가입니다.
제가 보기에 다음 차별화 요소는 초개인화(hyper-personalization)입니다. 단순히 플레이리스트를 기억하는 수준이 아니라, 차량과 탑승자, 그리고 주변 상황을 함께 이해하는 것입니다. 일반적인 어시스턴트는 질문에 답할 수 있습니다. 하지만 뛰어난 차량 내 어시스턴트는 차량이 이미 알고 있고 할 수 있는 것들, 즉 시트 설정, 공조, 운전자 지원 기능, 탑승자 인식, 엔터테인먼트와 연결됩니다. 제가 혼자 운전 중이라면 업무 메일을 소리 내어 읽어주는 것도 괜찮습니다. 하지만 잘 알지 못하는 사람이 동승하고 있다면 차량은 기밀 정보를 공유하지 말아야 한다는 것을 알아야 합니다. 아이들이 뒷좌석에 있다면 연령에 맞는 컨텐츠를 추천해야 합니다.
차량 기능의 발견(feature discovery)도 마찬가지입니다. 오늘날의 자동차는 수많은 기술로 채워져 있고, AI는 운전자가 미처 몰랐던 유용한 기능을 찾아내는 데 도움을 줄 수 있습니다.
이는 프리미엄 차량에만 국한될 필요가 없습니다. Cinemo Bring Your AI™를 활용하면 차량, 클라우드, 개인 기기의 연산 능력을 결합해 보급형 차량에서도 프리미엄 수준의 디지털 경험을 제공할 수 있습니다.
앞으로 두각을 나타낼 브랜드가 반드시 가장 큰 AI 모델을 보유한 곳은 아닙니다. 차량과 운전자, 그리고 그 순간을 이해하는 AI를 가진 브랜드일 것입니다.

AI 에이전트, 컨텐츠 플랫폼, 안드로이드 오토모티브 OS, 애플 카플레이가 모두 차량 내 경험의 일부가 되어가고 있습니다. 이런 환경에서 OEM이 직접 통제권을 유지해야 할 영역과 파트너와의 협업이 더 나은 전략이 되는 영역은 각각 어디라고 보십니까?
Dimkovic       저는 이것을 양자택일의 문제로 보지 않습니다. 고객마다 기대하는 경험이 다르기 때문입니다. 어떤 운전자는 아이폰을 연결해 카플레이를 실행하고 그 안에 머무릅니다. 반면 어떤 운전자는 차량 자체가 브랜드의 일부처럼 느껴지는 완전히 통합된 디지털 경험을 기대합니다. 두 방식 모두 계속 공존할 것입니다.
OEM은 차량을 특별하게 만드는 데이터와 지능에 대한 통제권만큼은 반드시 유지해야 합니다. 이는 개인화되고, 맥락을 인식하며, 안전한 AI 경험의 기반이 됩니다. 데이터를 소유한다는 것은 곧 책임을 진다는 의미이기도 합니다. 고객은 자신의 정보가 안전하고 투명하게 다뤄지기를 기대하기 때문입니다.
동시에, 소프트웨어 스택의 모든 계층을 자체 개발할 필요는 없습니다. 데모나 프로토타입을 만드는 것은 그 어느 때보다 쉬워졌습니다. 하지만 수백만 대의 차량에서 수년간 안정적으로 작동하는 양산 수준의 솔루션을 만드는 것은 전혀 다른 차원의 도전입니다.
바로 여기서 전문 파트너의 가치가 발휘됩니다. OEM은 자사 브랜드를 차별화하는 부분에 집중하고, 이미 검증된 기술에 대해서는 전문가에게 맡기는 것이 좋습니다. 그래야 품질, 안전, 브랜드 정체성을 희생하지 않으면서 혁신 속도를 높일 수 있습니다.

두 시스템이 동일한 기능을 제공하더라도, 하나는 그저 하나의 기능으로 남고 다른 하나는 사용자에게 "이 차는 나를 이해한다"는 느낌을 줄 수 있습니다. 예를 들어 동승자가 무심코 "피곤한데 뭐 좀 틀어줘"라고 말했을 때, 정확한 추천을 내놓는 것과 자연스럽고 의미 있게 느껴지는 추천을 내놓는 것 사이에는 차이가 있습니다. 이 차이를 만드는 것은 무엇이라고 보십니까?
Dimkovic       바로 개인화입니다! 저희는 이를 흔히 단순히 반응하는 AI와 상황을 진정으로 이해하는 AI의 차이로 설명합니다.
일반적인 AI도 정확한 답을 내놓을 수 있습니다. 하지만 진정으로 지능적인 자동차 경험을 위해서는 맥락이 필요합니다. AI 시스템이 운전자의 취향, 습관, 환경을 더 깊이 이해할수록 상호작용은 더 자연스럽고 가치 있게 느껴집니다.
AI는 선호하는 음악, 컨텐츠 취향, 운전 습관 등의 행동 패턴을 학습해 정말로 개인적으로 느껴지는, 일반적이지 않은 추천을 제공할 수 있습니다. 저희 AI 프로토타입을 테스트하면서 실제로 이런 경험을 했습니다. 제 취향에 대해 더 많은 맥락을 제공한 뒤 받은 추천을 보고 '그래, 오늘 딱 이걸 보고 싶었어'라고 생각한 적이 있습니다. AI가 차량과 탑승자를 함께 이해할 때, 그것은 더 이상 하나의 기능으로 느껴지지 않고 진정으로 지능적인 어시스턴트처럼 느껴지기 시작합니다.

앱에서 의도로, 차에서 디지털 생태계로

생성형 AI와 에이전틱 AI는 사람들이 컨텐츠를 발견하고 소비하는 방식을 바꾸고 있습니다. 오늘날의 앱 중심 모델을 넘어 차량 내 디지털 경험이 앞으로 어떻게 진화할 것으로 보십니까?
Dimkovic       저는 우리가 앱 중심 인터페이스에서 의도(intent) 중심 경험으로 이동하고 있다고 봅니다.
오늘날의 차량은 이미 수백 가지 기능을 제공하고 있고, 자동차 소프트웨어 업계에서 일하는 저조차도 몰랐던 기능을 발견할 때가 있습니다. 운전자가 점점 더 복잡해지는 메뉴나 수십 개의 앱을 탐색하도록 기대하는 방식은 더 이상 지속 가능하지 않습니다.
대신 AI가 주요 인터페이스가 될 것입니다. 운전자는 메뉴를 뒤지는 대신 원하는 바를 그저 말로 설명하고, AI는 그 의도를 이해해 알맞은 차량 기능에 접근하고 필요한 서비스를 백그라운드에서 조율합니다.
흥미로운 점은 AI가 사용자가 미처 몰랐던 기능을 발견하도록 돕는다는 것입니다. 어시스턴트는 유용한 차량 기능을 먼저 제안하거나, 현재 주행 상황에서 사용 가능한 기능을 설명하거나, 경험을 향상시킬 새로운 서비스를 추천할 수도 있습니다.
미래는 차량에 더 많은 앱을 추가하는 것이 아니라, 기술 자체가 배경 속으로 사라지도록 만드는 것입니다. 가장 좋은 인터페이스는 운전자가 원하는 바를 표현하기만 하면 차량이 나머지를 알아서 처리하는 인터페이스입니다.

AI 에이전트가 차량 내 의사결정에서 더 큰 역할을 맡게 되면서, 사용자들은 실제로 어느 정도의 자동화를 원할까요? 사용자 통제와 자동화 사이의 균형에 대해 Cinemo는 어떻게 보고 있습니까?
Dimkovic       정답은 하나가 아닙니다. 사람마다 기대치가 다르기 때문입니다. 어떤 사용자는 더 많은 작업을 기꺼이 AI에 위임하지만, 어떤 사용자는 확실히 직접 통제하기를 원합니다. 이는 지역, 고객군, OEM 브랜드에 따라서도 달라집니다.
간단한 예로 여행 계획을 들어보겠습니다. AI 어시스턴트는 경로상의 적당한 호텔을 찾고, 옵션을 비교하고, 예약까지 준비할 수 있습니다. 하지만 사용자에게 묻지 않고 예약을 확정하고 신용카드로 결제까지 진행해야 할까요? 어떤 사용자에게는 편리하겠지만, 어떤 사용자는 항상 최종 확인을 직접 하고 싶어 할 것입니다.
Cinemo는 AI가 사용자를 대체하는 것이 아니라 힘을 실어주어야 한다고 믿습니다. 그래서 저희 기술은 매우 유연하게 설정할 수 있도록 설계돼 있습니다. OEM은 AI에 얼마만큼의 자율성을 부여할지, 그리고 어느 지점에서 사람이 개입해야 할지를 직접 결정할 수 있습니다.
결국 자동화는 신뢰를 쌓는 문제입니다. 훌륭한 AI는 운전자에게서 통제권을 빼앗지 않습니다. 반복적인 작업은 대신 처리하되, 중요한 결정은 사용자가 원하는 시점에 직접 내릴 수 있도록 남겨둘 것입니다.

최근 Cinemo는 에이전틱 AI와 BYOD(Bring Your Own Device)의 융합을 강조해왔습니다. 이는 차량 내 경험의 중심이 차량 자체에서 사용자의 더 넓은 디지털 생태계로 옮겨가고 있다는 신호일까요? Cinemo는 이러한 전환을 어떻게 바라보고 있습니까?
Dimkovic       경험의 중심이 차량에서 멀어지고 있다고 표현하지는 않겠습니다. 오히려 그 중심이 더 넓어지고 있다고 보는 것이 맞습니다.
소비자용 기기의 성능은 놀라울 정도로 발전했습니다. 최신 태블릿과 5년 된 차량의 인포테인먼트 하드웨어를 비교해보면, 태블릿의 연산 능력이 더 뛰어날 가능성이 큽니다. 동시에 차량은 도로 위에서 수년간 사용되는 반면, 스마트폰과 태블릿은 훨씬 자주 교체됩니다.
바로 여기에서 Cinemo Bring Your AI™가 힘을 발휘합니다. 이는 통합된 자동차 경험을 희생하지 않으면서도 이러한 추가적인 연산 능력을 제조사가 활용할 수 있게 해줍니다. 이는 임베디드 하드웨어가 제한적일 수 있는 보급형 차량에 특히 유용하지만, 프리미엄 차량에도 시간이 지남에 따라 그 성능을 확장할 수 있다는 이점을 제공합니다. 목표는 차량의 연산 능력을 스마트폰으로 대체하는 것이 아니라, 이 모든 기기가 매끄럽게 함께 작동하도록 만드는 것입니다.

중국 OEM들은 빠른 개발 주기와 새로운 사용자 경험으로 업계의 판도를 바꾸고 있습니다. Cinemo가 가장 주목하는 중국 OEM의 접근 방식의 변화는 무엇이며, 글로벌 OEM이 여기서 배울 만한 교훈이 있다면 무엇입니까?
Dimkovic   많은 중국 OEM이 가진 강점 중 하나는 비교적 백지 상태에서 출발했다는 점입니다. 수십 년간 이어져 온 레거시 소프트웨어 플랫폼에 얽매이지 않았기에, 현대적인 아키텍처를 채택하고 매우 빠르게 움직일 수 있었습니다. 기존 글로벌 OEM들은 다른 도전에 직면해 있습니다. 이들은 기존 차량 플랫폼을 지원하는 동시에 차세대 SDV·AI 정의 차량을 개발해야 합니다. 혁신과 연속성 사이의 균형을 맞추는 일은 결코 쉽지 않습니다.
소프트웨어 기업으로서 저희가 얻은 핵심 교훈은 아키텍처의 유연성입니다. 저희는 항상 기술을 크로스플랫폼으로 설계해, 고객사가 처음부터 다시 시작하지 않고도 새로운 하드웨어 플랫폼과 소프트웨어 아키텍처를 도입할 수 있도록 해왔습니다. AI 역량이 이토록 빠르게 진화하는 상황에서 이러한 유연성은 더욱 중요해지고 있습니다.
성공은 단순히 더 빠르게 개발하는 데서 오지 않습니다. 지속적으로 진화할 수 있는 소프트웨어 플랫폼을 구축해, OEM이 차량의 전체 수명 주기 동안 신뢰성과 미래 대응력을 유지하면서 새로운 기능을 제공할 수 있게 하는 데서 옵니다.

출시되는 차에서 계속 진화하는 차로

오늘날 OEM은 더 빠른 개발, 더 높은 비용 효율성, 차별화된 사용자 경험이라는 세 가지 과제를 동시에 해결해야 합니다. 고객사들이 오늘날 직면한 가장 큰 고민은 무엇이며, Cinemo는 이를 어떻게 해결하고 있습니까?
Dimkovic       저희 고객사들이 오늘날 직면한 가장 큰 과제 중 하나는 기술 변화의 속도입니다. 자동차 산업의 개발 주기는 수년에 걸쳐 있습니다.
예를 들어, 현재 설계 중인 많은 차량들은 2028년, 심지어 2029년이 되어야 고객에게 전달됩니다. 그때쯤이면 AI 모델과 연산 능력은 지금과 비교할 수 없을 만큼 발전해 있을 것입니다. 이는 OEM에게 어려운 계획상의 딜레마를 안깁니다. 지금부터 하드웨어를 과도하게 갖춰 비용을 높일 것인가, 아니면 불과 몇 년 뒤 최신 AI 경험을 지원하지 못하는 차량을 출시할 위험을 감수할 것인가.
Cinemo는 답이 단순히 하드웨어를 더 많이 추가하는 데 있지 않다고 믿습니다. 답은 차량의 수명 주기 동안 유연하게 유지되는 소프트웨어를 구축하는 데 있습니다. 저희의 Bring Your AI™와 같은 접근 방식은 제조사가 수년 전에 사양이 정해진 임베디드 하드웨어에만 의존하지 않고도 시간이 지남에 따라 새로운 기능을 제공할 수 있게 해줍니다. 저희의 목표는 단순합니다. 차량이 공장을 떠나는 그날뿐 아니라 수명 주기 전체에 걸쳐 관련성을 유지하도록 돕는 것입니다.

Cinemo는 미디어 솔루션 기업으로 출발해 이후 AI, 클라우드 서비스, 멀티스크린 경험, 컨텐츠 오케스트레이션으로 사업을 확장해 왔습니다. 앞으로 Cinemo는 어떤 기업으로 진화하고자 합니까?
Dimkovic       Cinemo는 업계와 함께 진화해 왔습니다. 저희가 처음 시작했을 때는 대화의 대부분이 미디어 재생에 관한 것이었습니다. "이 코덱을 지원하나요?", "이 포맷을 스트리밍할 수 있나요?" 같은 질문들이었죠. 오늘날 이런 질문들은 훨씬 더 큰 그림의 일부에 불과합니다.
차량, 스마트폰, 클라우드 서비스, 스마트홈은 점점 더 긴밀히 연결되고 있고, 여기에 AI가 모든 것에 걸쳐 또 하나의 지능 층을 더하고 있습니다. 저희가 주목하는 것은 이들 영역을 하나로 연결해, 사용자가 그 이면의 기술을 전혀 의식하지 않을 만큼 매끄럽게 작동하도록 만드는 일입니다. 지능이 차량 안에서 작동하든, 개인 기기에서 작동하든, 클라우드에서 작동하든 그것은 중요하지 않아야 합니다. 경험은 그저 자연스럽게 느껴져야 합니다.
AI가 디지털 경험을 더욱 정교하게 만들수록 그 이면의 복잡성도 계속 커지고 있습니다. 바로 여기서 Cinemo가 가치를 만든다고 믿습니다. 저희는 항상 확장 가능한 소프트웨어 플랫폼과 지식재산을 구축해 업계 전반의 과제를 해결하는 데 집중해 왔습니다. 검증된 기술을 제공함으로써 고객사가 더 빠르게 혁신하고, 더 효율적으로 뛰어난 사용자 경험을 만들 수 있도록 돕는 것이 저희의 목표입니다.

앞으로 5년을 내다볼 때, 차량 내 경험의 미래를 형성할 단 하나의 가장 큰 힘은 무엇이라고 보십니까? AI 에이전트, 컨텐츠 생태계, 클라우드 서비스, BYOD, 차세대 디스플레이 기술 등 여러 트렌드 중 하나를 꼽는다면 무엇이며, 그 이유는 무엇입니까?
Dimkovic       하나를 꼽아야 한다면 인공지능입니다. 단지 AI 모델의 성능이 더욱 향상될 것이기 때문만이 아니라, 오늘날 여전히 사일로로 분리돼 작동하는 여러 시스템을 마침내 하나로 연결할 수 있기 때문입니다.
5년은 AI에게 긴 시간입니다. 2021년을 돌아보면, 대형 언어 모델이 일상의 일부가 될 것이라고 믿었던 사람은 상대적으로 소수였습니다. 오늘날 그것은 어디에나 있습니다. 5년 후 정확히 어디에 도달해 있을지 예측하는 것은 불가능하지만, AI가 놀라운 속도로 계속 진화하리라는 것만은 분명합니다.
가장 기대되는 부분은 AI가 디지털 생태계의 여러 부분을 하나로 엮어낼 수 있다는 점입니다. 차량은 소프트웨어 정의화되고 점점 더 연결되고 있지만, 여전히 여러 독립적인 시스템으로 구성되어 있습니다. AI가 차량, 개인 기기, 클라우드 서비스로부터 더 풍부한 맥락 정보에 접근하게 되면서, 사용자가 요청하는 것뿐 아니라 특정 상황에서 실제로 필요로 하는 것까지 이해할 수 있게 될 것입니다.
궁극적인 목표는 운전자가 차량을 배우는 데 들이는 시간을 줄이고, 그저 즐기는 시간을 늘리는 것입니다. 차량은 사용자의 취향을 이해하고, 필요를 예측하고, 시간이 지남에 따라 자연스럽게 적응해야 합니다. 새 차로 바꾸더라도 그 개인화된 설정들 상당수는 자동으로 따라와야 합니다. 저는 여전히 직접 운전하는 것을 즐깁니다. 확실히 저는 자동차 애호가입니다. 하지만 교통 정체 속에 갇혀 있을 때는요? 차량이 대신 운전을 맡아준다면, 저는 기꺼이 다른 일에 집중하겠습니다.

AIDV와 SDV 이후의 자동차 지능

한상민 기자_han@autoelectronics.co.kr — 2026-08-14 12:40:20+0900

전 병 욱
KATECH AI·자율주행기술연구소장

SDV는 오랫동안 자동차 산업이 도달해야 할 목표처럼 이야기돼 왔다. 그러나 전병욱 한국자동차연구원 연구소장은 AID 2026에서 SDV를 AI를 담기 위한 ‘판’으로 다시 규정하고, 데이터 암기를 넘어 미래를 예측하는 월드 모델을 그다음 단계로 제시했다. AIDV는 아직 완성된 기술 체계가 아니다. 그럼에도 인지와 판단 사이에 ‘예측’을 넣은 그의 설명은 SDV 이후 자동차 지능이 향할 방향과 아직 풀지 못한 질문을 함께 보여줬다.

글 | 한상민 기자_han@autoelectronics.co.kr

"SDV를 해야 되는 이유는 AI 때문이었습니다. SDV 그 자체는 판을 깔아주는 플랫폼에 불과했습니다."
2026년 7월 1일 수원컨벤션센터에서 열린 AID 2026 무대에서 전병욱 한국자동차연구원(KATECH) AI·자율주행기술연구소장은 지금까지 자동차 업계가 공들여온 SDV 전환 작업을 이렇게 선 그었다. 소프트웨어 정의 자동차란 용어가 산업의 목표어처럼 통용된 지 몇 년이 지난 시점에서 그는 SDV를 목적지가 아니라 경유지로 다시 놓았다.

SDV는 AI를 위한 판

중앙집중형 아키텍처와 ECU 통합, 와이어링 축소, OTA 무선 업데이트는 모두 제조사 입장에서 분명한 이득이다. 문제는 이것만으로는 소비자가 차를 바꿀 이유가 되지 않는다는 데 있다. 소비자가 실제로 체감하는 변화는 자율주행, 대화형 인캐빈 지능, 그리고 시트·서스펜션 같은 기능 제어의 개인화다. 이 세 가지는 모두 AI가 있어야 작동한다.
전 소장은 SDV의 한가운데 놓인 HPC(고성능 컴퓨터)를 가리키며, 이 장치의 존재 이유가 AI를 차량 안에서 돌리기 위한 것이라고 짚었다. SDV가 자동차의 뼈대를 바꿨다면, 그 뼈대 위에서 무엇을 할 수 있는지를 바꾸는 건 AI라는 것이다.

인지와 판단 사이에 '예측'을 넣다

핵심은 자율주행 AI의 세대 전환. 전 소장은 이 흐름을 세 단계로 나눴다.
무한한 에지 케이스를 사람이 일일이 규칙으로 옮겨 적어야 했던 1세대 룰 기반 방식, 대량의 주행 데이터를 학습해 정답 확률을 끌어올리는 2세대 엔드투엔드 방식, 그리고 3세대로 제시한 월드 모델 기반 방식. 월드 모델은 물리 세계의 인과관계를 학습해 보지 못한 상황까지 일반화하려는 접근이다. 물론 그 가능성은 아직 검증된 결과보다 지향점에 가깝고, 이 구분도 업계가 공식적으로 합의한 단계는 아니다.
일론 머스크는 한때 사람이 지켜보지 않아도 되는 수준의 자율주행에 도달하려면 100억 마일의 주행 데이터가 필요하다고 말한 바 있다. 전 소장은 그 수치를 다시 끌어와 데이터가 아무리 쌓여도 감독형에서 비감독형으로의 전환이 자동으로 보장되지 않는다는 논지로 이어갔다. 그가 든 비유는 수능이었다.
문제집을 많이 풀면 시험을 잘 볼 수는 있지만, 만점을 받으려면 내가 풀어본 문제 안에서만 시험이 출제돼야 한다는 전제가 필요하다. 그럴 수 없기 때문에 필요한 건 공식을 이해하는 힘, 즉 처음 보는 응용문제도 풀어낼 수 있는 이해력이라는 것이다. 물론 월드 모델이 데이터를 대체하는 것은 아니다. 데이터에 담기지 않은 상황까지 일반화해 대응하기 위한 접근이다.
이 구분에서 눈에 띄는 것은 '예측'의 등장이다. 기존의 제어는 인지, 판단, 제어 세 단계로 이뤄진다. 전 소장이 설명한 월드 모델 기반 제어는 여기에 예측을 끼워 넣는다. 인지, 예측, 판단, 제어. AI가 행동에 나서기 전에 내부적으로 다음 순간, 그다음 순간의 상태를 미리 돌려본다. 그는 이를 사람의 판단 과정에 빗댔다. 걸어가다 앞에 빙판길이 보이면 사람은 발을 딛기 전에 이미 미끄러져 넘어지는 장면을 머릿속으로 그려보고, 그 상상을 근거로 걸음을 옆으로 옮긴다. 빙판길을 실제로 밟아본 적이 없어도 노면 마찰과 몸의 움직임 사이의 관계를 이해하고 있으면 위험을 미리 예측하고 행동을 바꿀 수 있다는 논리다.
이 예측이 학습되는 경로도 말했다. 현실 데이터를 가상 환경으로 옮기는 real-to-sim 과정을 거쳐 가상 환경에서 반복 학습하고, 다시 이를 현실로 옮길 때 발생하는 격차인 sim-to-real gap을 줄여간다. 전 소장은 엔비디아의 자율주행 모델 알파마요(Alpamayo)와, 물리 세계를 생성하고 예측하는 월드 파운데이션 모델 플랫폼 코스모스(Cosmos)를 함께 사례로 들었다. 엔비디아 역시 알파마요를 코스모스 기반의 자율주행 VLA(Vision-Language-Action) 생태계로 소개하고 있다. 알파마요는 시각 정보를 언어적 추론과 행동으로 연결하는 VLA 모델이다. 언어 출력이 내부 추론을 그대로 재현한다고 볼 수는 없지만, 판단을 검토할 수 있는 추가 단서를 제공한다. 함께 언급한 PilotNet의 히트맵 역시 모델이 영상의 어느 영역에 민감하게 반응했는지 보여주는 설명 가능성 기술이다.

AI가 움직이는 차를 어떻게 믿을 것인가

다만 AIDV가 완성된 기술 체계로 제시된 것은 아니다. 기존 SDV와 구별되는 구체적인 차량 아키텍처나 개발·검증 체계까지 내놓지는 않았다. 월드 모델의 예측 불확실성을 어떻게 측정하고 비결정적인 AI를 어떻게 검증할지, 제한된 차량 컴퓨팅 자원에서 어느 수준까지 실행할 수 있을지에 대해서도 구체적인 답은 제시되지 않았다. AIDV는 그 자체로 완성된 결과라기보다, SDV 이후의 방향을 설명하기 위해 전 소장이 제시한 하나의 틀이었다.
챗봇의 오답은 정보의 오류로 끝날 수 있지만, 자동차나 로봇을 제어하는 AI의 오판은 물리적 사고로 이어질 수 있다. 앞서 데이터와 일반화의 한계를 짚은 전 소장은 문제를 신뢰성과 보안으로 확장했다.
신뢰성의 문제는 AI가 블랙박스라는 데서 출발한다. 내부에서 어떤 계산을 거쳐 결론에 도달했는지 알기 어렵다는 것이다. 이를 열어보는 기술이 앞서 언급한 설명 가능한 AI다. 보안의 문제는 조금 다르다. 전 소장은 사이버 공격이 AI의 오판으로, 그 오판이 다시 충돌이나 비정상 조향 같은 물리적 피해로 이어지는 연쇄를 설명했다. 그는 해킹을 완전히 막는 일은 애초에 불가능하다고 했다. 목표는 공격을 원천 차단하는 데서 끝나지 않는다. 방어가 뚫린 상황에서도 차량이 안전한 상태로 전환되도록 만들어야 한다는 것이다.
사실 AID 2026의 다른 키노트도 이런 질문을 하고 있었다. TrustMotion의 스테판 폴레드나 CTO는 피지컬 AI를 위한 결정론적 실시간 실행을 강조했고, AutoCrypt의 김의석 사장과 Elektrobit의 아빈드 머시 CCO는 사이버보안과 기능안전성의 조화를 다뤘다. 접근은 달랐지만 무게중심은 같았다. AI를 자동차에 넣을 수 있는가에서, AI가 움직이는 자동차를 어떻게 신뢰할 것인가로 질문이 옮겨가고 있다.
마지막으로 전 소장은 자동차와 로봇 사이의 구분이 점점 의미를 잃고 있다고 말했다. 자율주행차는 바퀴 달린 로봇이라는 것. 자동차와 로봇이 센서, AI 모델, 컴퓨팅과 제어라는 공통 기반 위에서 만나고 있다. 그의 시각에서 아직 폼팩터가 정립되지 않은 로봇보다 이미 대량생산 기반을 갖춘 자동차가 피지컬 AI의 첫 번째 적용처다.

그의 논리를 따르면, 피지컬 AI 시대의 승부처는 모델과 데이터의 규모만으로 결정되지 않는다. 디지털 지능을 현실 세계의 안전한 행동으로 옮겨낼 수 있는가에 달려 있다. SDV가 목적이 아니라 판이었다는 말로 돌아가 보면, 이 말이야말로 그 판 위에 무엇을 지어야 하는지에 대한 답인 셈이다.

Valens: Driving MIPI A-PHY from Specification to Industry Adoption

By Sarada Vishnubhatla _ sarada@autoelectronics.co.kr — 2026-08-14 09:44:16+0900

발렌스, MIPI A-PHY를 규격에서 산업 표준으로 이끌다

글 | 사라다 비슈누밧틀라(Sarada Vishnubhatla) _ sarada@autoelectronics.co.kr — 2026-08-14 09:35:27+0900

INTERVIEW

아다르 세갈
Adar Segal
SVP & Head of Automotive Business
Valens Semiconductor

MIPI A-PHY가 규격을 넘어 실제 양산을 향해 움직이고 있다. 발렌스 세미컨덕터는 개방형 생태계와 장거리·고신뢰성 커넥티비티를 앞세워 한국과 인도의 자동차 프로젝트를 확대하고 있다. 센서에 A-PHY를 직접 통합하면 외장형 브리지 IC와 주변 부품을 줄여 차세대 차량의 카메라 시스템을 더 작고 단순하게 만들 수 있다.

글 | 사라다 비슈누밧틀라(Sarada Vishnubhatla) _ sarada@autoelectronics.co.kr
IN ENGLISH

모든 자동차 기술은 언젠가 기술 사양보다 상용화 여부가 더 중요해지는 시점을 맞이한다. MIPI A-PHY 역시 지금 그 전환점을 지나고 있는 것으로 보인다. 양산 프로젝트가 속도를 내고 있고, 생태계가 확장되고 있으며, 기술은 실제 차량 탑재에 한 걸음씩 가까워지고 있다.
최근 몇 년 사이 차량 내 커넥티비티에 요구되는 조건은 크게 달라졌다. ADAS 수준이 높아지고 차량이 소프트웨어 중심 아키텍처로 전환되면서, 카메라·레이다·라이다에서 쏟아지는 방대한 센서 데이터를 지연이나 패킷 손실, 신호 열화 없이 장거리로 전송해야 하는 과제가 생겼다. 동시에 완성차 업체들은 배선 복잡도와 차량 중량, 전체 시스템 비용을 낮추는 데도 계속 신경을 쓰고 있다.
이런 변화를 이끄는 기업 중 하나가 발렌스 세미컨덕터(Valens Semiconductor)다. DSP 기반 물리계층 기술을 앞세운 이 회사는 MIPI A-PHY 표준을 실제 구현 가능한 기술로 만드는 데 핵심적인 역할을 해왔다. 적응형 등화(adaptive equalization), 실시간 잡음 제거, 재전송 메커니즘을 통해 단순하고 저렴한 케이블로도 고속통신의 신뢰성을 확보하는 동시에, 현대 차량이 마주한 전자파 간섭(EMI) 문제까지 함께 해결한다.
A-PHY가 본격적인 산업 표준으로 자리잡아가는 가운데, 발렌스는 완성차와 티어 1, 반도체 파트너들과 협력하며 양산 프로젝트를 지원하고 있다. 제15회 Automotive Innovation Day를 계기로 오토모티브 일렉트로닉스는 아다르 세갈(Adar Segal) 발렌스 세미컨덕터 SVP 겸 오토모티브 사업부장과 유상봉(Eric Yoon) 발렌스 세미컨덕터 코리아 지사장을 만나 MIPI A-PHY를 둘러싼 산업의 흐름, 한국과 인도에서 커지는 기회, 그리고 차세대 차량 아키텍처에서 개방형 커넥티비티가 갖는 의미를 들었다.

“커넥티비티는 차세대 차량에서 가장 중요한 안전 계층 중 하나가 될 것입니다”
아다르 세갈(Adar Segal), SVP - Head of Automotive Business, Valens Semiconductor

AI 기반 차량에서 고속 커넥티비티는 어떤 역할을 하게 될까요.
Segal       커넥티비티의 역할은 더 이상 단순히 데이터를 한 지점에서 다른 지점으로 옮기는 데 머물지 않습니다. 안전을 담보하고, 업계가 신뢰할 수 있는 레벨 2, 레벨 2+, 레벨 3, 그리고 궁극적으로는 레벨 4 자율주행에 도달할 수 있도록 뒷받침하는 것이 본질입니다.
커넥티비티는 방대한 센서 데이터가 간섭이나 손실 없이 실시간으로 중앙처리장치에 도달하도록 보장해야 합니다. 동시에 완성차 업체들은 유연성을 원합니다. 특정 벤더에 종속되지 않고 개방형 표준을 채택해 경쟁을 유도하고, 더 나은 가격 조건을 확보하고자 합니다. 이러한 기술적·상업적 요구를 동시에 충족시키는 일이 오늘날 자동차 커넥티비티 업계가 마주한 가장 큰 과제 중 하나가 되고 있습니다.

발렌스 세미컨덕터는 인도 시장을 어떻게 보고 있습니까.
Segal       인도는 우리에게 점점 더 중요해지는 시장입니다. 이스라엘과 인도 사이의 긴밀한 관계가 기술·혁신 분야의 협력을 촉진해온 것과 별개로, 인도 자동차 산업 자체의 성장 모멘텀이 상당합니다. 정부 주도의 대표단 방문을 계기로 여러 첨단기술·자동차 기업들과의 접점이 마련됐고, 그중 상당수가 지속적인 협력 관계로 발전했습니다. 이미 인도 현지에서 근무하는 직원들이 있고, 본사 팀 역시 고객 및 파트너와의 관계를 강화하기 위해 정기적으로 인도를 방문하고 있습니다.
이번 주 한국에서 진행한 미팅에서도 여러 기업이 인도를 자동차 산업의 다음 주요 성장 시장으로 꼽았습니다. 우리도 같은 흐름을 보고 있습니다. 인도 완성차 업체들이 소프트웨어 정의 차량(SDV)과 상위 레벨 ADAS에 대한 투자를 가속화하면서, 고속이면서도 안정적인 차량 내 커넥티비티에 대한 수요는 앞으로 크게 늘어날 것으로 보고 있습니다.
우리는 이미 인도의 주요 완성차 업체 및 티어1 공급사들과 함께 MIPI A-PHY와 발렌스의 VA7000 칩셋 패밀리를 소개하는 작업을 진행하고 있습니다. 차량이 더 많은 센서를 탑재하고 중앙집중형 아키텍처로 전환됨에 따라, 완성차 업체들은 차량 수명주기 전체에 걸쳐 높은 대역폭과 뛰어난 신뢰성을 함께 제공할 수 있는 커넥티비티를 필요로 합니다. 우리 기술이 이러한 전환을 뒷받침할 수 있다고 보고 있습니다.

한국 역시 유망한 시장으로 언급했습니다. 발렌스에게 한국이 전략적으로 중요한 이유는 무엇입니까.
Segal       우리는 한국에 탄탄한 현지 팀을 구축해왔습니다. 한국이 미래 차량을 위한 첨단 기술을 개발하는, 세계에서 가장 혁신적인 자동차 생태계 중 하나라고 판단하기 때문입니다.
한국의 완성차 업체 및 협력사들과 성공적으로 협업하려면 현지 파트너십과 장기적인 협력 관계를 구축하는 것이 필수적입니다. 그것이 우리가 한국 시장에서 입지를 넓혀가는 데 있어 가장 우선하는 부분입니다.

지난 몇 년간 고속 커넥티비티에 대한 완성차 업체들의 요구사항 가운데 가장 크게 달라진 점은 무엇입니까.
Segal       가장 큰 변화는 독점적인(proprietary) 기술 대신 개방형 표준으로 무게중심이 옮겨간 것입니다. 완성차 업체들은 특정 벤더에 의존하기보다 공급망에 대한 통제력을 더 갖고 싶어합니다. 동시에 안전 규제가 계속 강화되면서 커넥티비티 솔루션에 요구되는 기준도 높아지고 있습니다. 완성차 업체들은 이제 신뢰성과 기능안전성을 동시에 만족시키면서도 전체 시스템 비용을 낮춰줄 수 있는 기술을 기대하고 있습니다.

많은 기업들이 AI 연산 성능에 집중하고 있습니다. 발렌스의 관점에서 진짜 제약은 컴퓨팅에 있습니까, 아니면 센서 데이터를 프로세서까지 신뢰성 있게 저지연으로 전달하는 데 있습니까.
Segal       현대 차량의 아키텍처는 빠르게 변화하고 있습니다. 연산은 점점 중앙집중형 컴퓨팅 아키텍처로 통합되는 한편, 존 컨트롤러(zonal controller)는 차량 가장자리에서 데이터와 기능을 취합합니다. 즉 카메라, 레이다를 비롯한 센서들은 가공되지 않은 방대한 데이터를 더 긴 거리에 걸쳐 중앙 컴퓨터로 전송해야 하고, 이 과정을 오류나 지연 없이 실시간으로 수행해야 합니다.
차량이 대형화되고 센서 수가 계속 늘어나면서 대역폭 요구치도 함께 커지고 있습니다. 우리가 보기에 신뢰할 수 있는 고속 커넥티비티는 업계가 마주한 가장 까다로운 과제 중 하나이며, 바로 그 지점에서 우리 기술이 가치를 만들어냅니다.

원론적으로는 누구나 개방형 표준을 지지한다고 말합니다. 그러나 실제 양산 프로젝트에서는 여전히 어떤 상호운용성 문제가 남아 있습니까.
Segal       표준이라는 이름이 붙었다고 해서 모두 진정으로 개방적인 것은 아닙니다. 진정한 개방형 표준을 설계하려면 여러 기업이 함께 참여하고 경쟁할 수 있도록 하겠다는 의지가 필요합니다.
발렌스의 목표는 언제나 완성차 업체, 티어 1과 티어 2 공급사, 반도체 기업들이 함께 A-PHY 표준을 채택하도록 유도해 생태계 전체를 키우는 것이었습니다. 이런 생태계를 만드는 데에는 시간이 걸립니다. A-PHY 자체는 새로운 참여자의 시장 진입을 막지 않지만, 일부 경쟁 기술은 여전히 폐쇄적인 성격을 지니고 있습니다. 업계는 아직 진화하는 과정에 있습니다.

광통신(optical connectivity)이 장기적으로 구리 기반 A-PHY의 경쟁 기술이 될 수 있다고 보십니까. 광통신이 해결할 수 있지만 구리는 해결하기 어려운 문제가 있다면 무엇입니까.
Segal       완성차 업체들과 계속 이야기를 나누고 있는 주제이지만, 현재로서는 차량 내부에 광통신을 구축하는 데 따르는 복잡성이 여전히 큰 걸림돌입니다. 차량은 수년에 걸쳐 지속적인 진동과 움직임, 가혹한 운용 환경에 노출됩니다. 많은 완성차 업체들은 현재의 광통신 솔루션이 양산에 필요한 장기 내구성과 신뢰성, 비용 효율성을 충족한다고 아직 확신하지 못하고 있습니다.
반면 구리는 계속 진화하고 있습니다. 최신 동축 및 구리 케이블은 갈수록 경쟁력 있는 가격에 우수한 성능을 제공하고 있습니다. 우리 관점에서는 케이블 자체가 제약이 아닙니다. 물리계층 기술이 충분히 견고하다면 단순하고 저렴한 구리 케이블로도 매우 높은 데이터 전송률을 구현할 수 있습니다. 바로 그것이 우리가 풀고 있는 문제입니다. 저렴한 자동차용 배선으로 신뢰할 수 있는 고속통신을 구현하는 것입니다.

윤양호
Eric Yoon
GM, Valens Semiconductor Korea

아다르 세갈이 MIPI A-PHY의 글로벌 확산과 자동차 커넥티비티 시장의 구조적 변화를 이야기했다면, 윤양호 지사장은 산업용 애플리케이션과 자동차 PoC, 현지 생태계 구축을 중심으로 한국 시장에서의 접근 방식을 설명했다.

발렌스는 한국 시장에서 입지를 적극적으로 넓혀왔습니다. MIPI A-PHY 도입을 이끌기 위한 전략은 무엇입니까.
Yoon       발렌스 코리아는 산업용과 자동차용 두 영역에서 동시에 기회를 모색하고 있습니다. 처음에는 개발 주기가 상대적으로 짧은 산업용 애플리케이션에 집중했고, 현재 우리 솔루션은 의료 및 로보틱스 분야에서 실제 양산을 앞둔 애플리케이션에 적용돼 있습니다.
자동차 프로젝트는 산업용보다 훨씬 긴 검증 주기를 필요로 합니다. 그렇지만 한국의 완성차 업체, 티어 1, 기술 파트너들과 함께 미래 차량 프로그램을 위한 MIPI A-PHY 검증을 적극적으로 진행하고 있습니다. 현지 생태계 파트너들과는 향후 센서 통합을 위한 협력도 함께 추진하고 있습니다.
궁극적인 목표는 한국의 파트너들과 긴밀히 협력해 탄탄한 MIPI A-PHY 생태계를 구축하는 것입니다. 단순히 발렌스의 칩을 공급하는 데 그치는 것이 아니라, 국내 자동차 산업이 개방형 표준 기반의 커넥티비티로 전환할 수 있도록 필요한 파트너와 기술 기반을 함께 만드는 것이 중요하다고 보고 있습니다.

한국에서는 어떤 A-PHY 애플리케이션이 가장 먼저 양산에 들어갈 것으로 예상합니까.
Yoon       현재로서는 해외 완성차 업체에 공급되는 서라운드 뷰 모니터링(SVM) 시스템이 가장 먼저 양산에 진입할 가능성이 높다고 보고 있습니다.
그다음으로는 상용차와 특수차량을 위한 멀티 카메라 시스템을 주목하고 있습니다. 이런 차량은 8채널 이상의 카메라를 사용하는 경우가 많고, 일반 승용차보다 훨씬 긴 전송 거리를 필요로 합니다. 관련 프로젝트들이 진행되고 있기 때문에 2027년에서 2028년 사이에는 수출 시장을 중심으로 실제 상용화 사례가 나올 수 있을 것으로 예상하고 있습니다.

40미터가 넘는 전송 거리가 필요한 상용차 활용 사례에는 어떤 것들이 있습니까.
Yoon       대표적인 사례가 관절형 버스나 대형 트랙터-트레일러, 특수 대형 트럭, 건설장비 등에 적용되는 서라운드 뷰 시스템과 CMS, 즉 전자식 사이드미러 시스템입니다.
예를 들어 트랙터-트레일러의 경우 견인 트랙터에서 트레일러 후미까지 신호를 전달해야 하는데, 케이블이 차량 내부에서 직선으로 연결되는 것은 아닙니다. 여러 구조물을 피해 복잡한 경로를 따라 배선해야 하기 때문에 실제 케이블 길이는 30~40미터를 쉽게 넘어갈 수 있습니다.
대형 물류 트럭이나 건설장비도 마찬가지입니다. 사각지대를 줄이기 위해 차량의 전후좌우뿐 아니라 하부까지 여러 대의 고해상도 카메라를 설치할 수 있고, 경우에 따라 3D 라이다와 같은 센서도 함께 사용하게 됩니다. 이런 센서에서 발생하는 데이터를 압축에 의존하지 않고 중앙 ECU까지 안정적으로 전달하려면 장거리에서도 신호 품질이 유지돼야 합니다. 이런 애플리케이션이 바로 초장거리 A-PHY의 장점이 가장 분명하게 드러날 수 있는 영역입니다.

한국에서 진행 중인 자동차 PoC는 현재 어느 단계에 와 있습니까.
Yoon       현재는 시스템 검증 단계까지 진행됐습니다. 국내 주요 카메라 모듈 공급사와 티어 1 파트너들과 협력해 A-PHY 트랜시버 칩셋을 적용한 회로 설계 검토를 완료했고, 실제 보드 제작도 마쳤습니다.
여기에 그치지 않고 실제 완성차 테스트 차량에 시스템을 탑재해 경쟁 기술과의 비교 시험도 진행했습니다. 이 과정에서 성능과 안정성 측면에서 충분한 경쟁력을 확인했습니다. 이제 중요한 것은 이런 기술 검증 결과를 실제 차량 프로그램과 양산 프로젝트로 연결하는 것입니다.

A-PHY를 센서에 직접 내장하면 구체적으로 어떤 부품을 없앨 수 있습니까.
Yoon       A-PHY를 센서 모듈에 직접 통합하면 가장 먼저 별도의 외장형 SerDes 송신기, 즉 브리지 IC를 제거할 수 있습니다. 지금은 센서에서 생성된 데이터를 외부 SerDes 송신 IC를 통해 전송하는 구조가 일반적이지만, A-PHY IP를 센서 SoC 안에 직접 통합하면 이 외장 송신기가 필요하지 않게 됩니다.
그렇게 되면 자연스럽게 주변 부품도 줄어듭니다. 외장 크리스털이나 오실레이터를 비롯해 일부 전원관리 부품, 디커플링 커패시터와 같은 수동소자의 수를 줄일 수 있습니다. 그 결과 PCB 공간과 BOM을 줄일 수 있고, 카메라 모듈 자체를 더욱 작게 설계할 수 있습니다.
부품 수가 감소하면 발열과 제조 측면에서도 이점이 생깁니다. 열관리 설계가 단순해지고 PCB 레이어 수를 줄일 가능성도 커지며, 조립 공정과 제조비용도 낮출 수 있습니다. 결국 A-PHY 통합은 단순히 통신 방식 하나를 바꾸는 문제가 아니라 센서 모듈의 전체 시스템 설계를 단순화할 수 있다는 의미가 있습니다.

MIPI A-PHY가 한국에서 주류 자동차 커넥티비티 표준으로 자리 잡으려면 어떤 변화가 필요하다고 봅니까.
Yoon       가장 중요한 것은 생태계입니다. 한국 자동차 시장은 오랫동안 GMSL과 같은 독점적인 SerDes 기술을 사용해왔기 때문에, 단순히 새로운 칩이 나왔다고 해서 시장이 바로 바뀌지는 않습니다. A-PHY가 주류가 되려면 글로벌 MIPI 표준을 중심으로 국내에서도 여러 업체가 참여할 수 있는 생태계를 만들어야 합니다.
이를 위해서는 국내 티어1과 부품 공급사들이 함께 움직여야 합니다. A-PHY 칩셋뿐 아니라 센서에 통합되는 IC, 케이블, 커넥터까지 표준을 기반으로 한 새로운 밸류체인이 형성돼야 합니다. 여러 공급사가 같은 표준 위에서 경쟁할 수 있어야 완성차 입장에서도 공급망의 선택지가 늘어나고, 개방형 표준의 장점이 실제 비즈니스에서도 나타날 수 있습니다.
또 하나 중요한 것은 A-PHY만의 장점이 분명하게 드러나는 새로운 활용 사례를 만들어내는 것입니다. 예를 들어 15미터 이상의 긴 케이블이 필요한 대형 상용차나 특수차량, 또는 매우 강한 EMI 환경에서 안정적으로 데이터를 전송해야 하는 차세대 SDV 아키텍처가 그런 시장이 될 수 있습니다. 기존 기술로 구현이 어렵거나 비용 부담이 컸던 영역에서 먼저 성과를 보여준다면 A-PHY의 시장 확대도 빨라질 수 있습니다.
결국 완성차와 티어 1의 인식이 바뀌어야 합니다. A-PHY를 기존 SerDes를 단순히 다른 제품으로 교체하는 선택지로 보는 것이 아니라, 개방형 글로벌 표준을 기반으로 공급망을 확대하고 시스템 구조를 단순화할 수 있는 새로운 커넥티비티 아키텍처로 이해하도록 만드는 것이 중요합니다. 그런 인식이 자리 잡아야 MIPI A-PHY가 신규 차량 프로그램의 기본적인 설계 선택지 가운데 하나로 올라갈 수 있다고 보고 있습니다.

From Silicon to Software: Quest Global's Engineering Blueprint for the SDV Era

By Sarada Vishnubhatla _ sarada@autoelectronics.co.kr — 2026-08-12 13:20:15+0900

실리콘서 SW까지: SDV 시대 위한 퀘스트 글로벌의 엔지니어링 청사진

글 | 사라다 비슈누밧틀라(Sarada Vishnubhatla) _ sarada@autoelectronics.co.kr — 2026-08-12 12:57:49+0900

INTERVIEW
박 현 철
Charles Park
Country Manager of Quest Global

SDV의 경쟁은 새로운 기술을 개발하는 데서 끝나지 않는다. 실리콘과 소프트웨어, AI와 클라우드를 하나의 차량 아키텍처로 통합하고, 이를 검증해 안정적인 양산으로 옮기는 실행력이 진짜 승부처다. AID 2026에서 만난 찰스 박 퀘스트 글로벌 코리아 대표와 함께, 엔지니어링 파트너의 역할이 어떻게 달라지고 있는지, 그리고 한국이 왜 SDV 산업화의 중요한 증명 무대가 될 수 있는지 살펴봤다.

글 | 사라다 비슈누밧틀라(Sarada Vishnubhatla) _ sarada@autoelectronics.co.kr
IN ENGLISH

수원컨벤션센터 로비, AID 2026의 오후. 부스마다 데모 화면이 돌아가고 통역기가 오가는 소음 속에서, 박현철(Charles Park) Quest global 코리아 대표는 노트북을 펼쳐놓고 있었다. 화면에는 실리콘 설계도와 미들웨어 스택 다이어그램이 겹쳐 있었다.
"여기서부터 여기까지가 다 우리 일입니다."
그가 손가락으로 화면을 훑으며 말했다.
반도체에서 소프트웨어까지, 그 사이 어디에도 경계선을 긋지 않는다는 뜻이었다.

프로토타입 단계부터 들어가는 엔지니어링

박 대표에게 소프트웨어 정의 자동차(SDV)는 코드의 문제가 아니다. 필요한 기술 요소는 이미 대부분 존재하거나 빠르게 성숙하고 있다. 진짜 어려움은 그것들을 양산 가능한 차량으로 엮어내는 실행력에 있다.
Quest global 같은 엔지니어링 파트너가 투입되는 시점도 달라졌다. 아키텍처가 확정된 뒤 뒷단에서 작업을 넘겨받는 방식이 아니라, 프로토타이핑 단계부터 함께 들어간다. OEM이 찾는 것은 정해진 사양을 그대로 실행해줄 손이 아니라, 개발 속도를 끌어올리면서 동시에 리스크를 줄여줄 파트너다.
"오늘의 질문은 OEM이 티어 1과의 협력 관계를 얼마나 효율적으로 유지하고 발전시키느냐입니다. 다음 경쟁력은 실행에서 나옵니다. 기술을 얼마나 빨리 프로토타입으로 옮기고, 그것을 다시 안정적인 양산 시스템으로 전환하느냐가 진짜 차이를 만듭니다." 박 대표가 말했다.
그는 이렇게 덧붙였다. "우리는 빠른 구현과 검증을 돕습니다. OEM과 티어 1이 점점 기술 통합자로 바뀌어가는 지금, 엔지니어링 파트너와의 협업은 선택이 아니라 필수에 가까워지고 있습니다."

한국이라는 증명의 무대

박 대표가 주목하는 또 하나의 변수는 한국의 산업 생태계다. 완성차, 반도체, 전자, AI 기업이 밀접하게 얽혀 있는 구조는 SDV의 개발과 산업화 속도를 끌어올릴 수 있는 자산이라는 것이다.
제품 라인업이 상대적으로 단순한 해외 완성차와 달리, 한국 OEM은 경차부터 프리미엄 세단, SUV, 상용차까지 폭넓은 차종에 걸쳐 SDV 아키텍처를 동시에 구현해야 하는 과제를 안고 있다.
"한국 OEM이 이토록 다양한 라인업 전반에 SDV를 어떻게 이식하고 양산해내는가는 앞으로 업계 전체가 참고할 만한 사례가 될 겁니다." 박 대표는 말했다.
그가 보기에 한국의 강점은 개별 기술이 아니라 이 생태계 자체다.

실리콘에서 소프트웨어로

이 협업 구조가 가장 뚜렷하게 드러나는 곳은 반도체다. SDV 아키텍처가 정교해질수록 컴퓨팅 플랫폼은 산업 전체를 가르는 변수가 되어가고 있다. 고성능 컴퓨팅, AI 추론, 인포테인먼트, ADAS, 자율주행, 전동화 등 모든 영역이 점점 더 고도화된 실리콘 위에서 돌아간다.
Quest global은 하드웨어와 소프트웨어를 별개 영역으로 다루지 않는다. 반도체 설계와 임베디드 소프트웨어부터 미들웨어, 클라우드 연결 플랫폼, OTA 프레임워크, 커넥티드 서비스까지 실리콘에서 소프트웨어로 이어지는 전체 밸류체인에 걸쳐 있다.
"커스텀 실리콘과 ASIC은 자동차 기술을 차별화하는 데 점점 더 중요해지고 있습니다. 우리는 반도체 기업과 함께 실리콘 설계·개발·검증을 진행하는 동시에 SDK와 미들웨어, 애플리케이션을 포함한 소프트웨어 레이어를 만듭니다."
하드웨어와 소프트웨어를 함께 엔지니어링함으로써, 퀘스트 글로벌은 통합 과정에서 발생하는 복잡성을 초기에 풀어내고, 새로운 컴퓨팅 플랫폼이 OEM과 티어 1에 더 빠르게 자리 잡도록 돕는다.

버즈워드 너머의 AI

AI는 흔히 차세대 차량을 정의하는 기술로 소개되지만, 박 대표는 그보다 지금 당장의 실용성에 방점을 찍는다.
엔지니어링 현장 안에서 AI는 이미 여러 영역에 스며들어 있다. 자율주행과 ADAS의 인지 시스템부터 배터리 관리, 섀시 제어, 검증 자동화까지. 그 역할은 차량 내부는 물론 엔지니어링 프로세스 자체로도 계속 확장되는 중이다.
Quest global은 AI를 엔지니어링 그 자체에 적용한다. 소프트웨어 검증을 가속하고, 인포테인먼트와 클러스터 디스플레이 테스트를 여러 사양에 걸쳐 개선하며, 더 빠르고 촘촘한 테스트 커버리지로 생산성을 끌어올린다. 박 대표는 AI가 엔지니어를 대체하는 도구가 아니라, 점점 복잡해지는 SDV 플랫폼을 더 효율적으로 개발하고 검증하게 해주는 수단으로 본다.

국경 없는 엔지니어링

SDV 프로그램의 특성상, 엔지니어링은 더 이상 한 지역 안에서 완결될 수 없다. 모든 역량을 내부에서 갖추는 방식은 점점 비현실적인 선택지가 되어가고 있다. Quest global은 자사의 글로벌 엔지니어링 네트워크가 여기서 실질적인 가치를 만든다고 본다.
"한국의 뛰어난 코어 엔지니어링 역량은 SDV 전환의 중심에 있습니다. 우리의 가치는 글로벌 규모와 로컬 밀착을 함께 갖췄다는 데 있습니다. 한국 OEM과 티어 1이 필요한 시점, 때로는 차량 사양이 확정되기도 전에 특화된 엔지니어링 역량에 접근할 수 있도록 돕습니다."
기존의 아웃소싱 모델이 작업을 지역별로 단순 분산했다면, Quest global은 기술 전문성에 따라 역할을 배분한다. 고객 접점은 현지에 가깝게 유지하되, 소프트웨어 엔지니어링과 검증, 실리콘 설계, AI 기반 테스트는 글로벌 센터에 분산돼 있다.
"인도를 비롯한 다른 엔지니어링 센터들도 동일한 프로세스와 품질 기준, 리뷰 체계를 따릅니다. 그래서 여러 지역에 흩어진 팀이 하나의 조직처럼 움직일 수 있습니다."
이 모델은 초기 개발 단계와 이후 확장 단계 모두에서 힘을 발휘한다.
"분산된 엔지니어링은 여러 시간대에 걸쳐 작업이 끊이지 않고 이어지게 해줍니다. 검증 주기를 앞당기고 개발 일정을 압축하는 데 도움이 됩니다." 박 대표가 말했다.
인도는 이 네트워크 안에서 특히 중요한 축으로 떠올랐다. 글로벌 엔지니어링 허브일 뿐 아니라, 그 자체로 비중 있는 자동차 시장으로도 성장하고 있기 때문이다. 박 대표는 이런 협업 구조가 고객의 프로그램 리스크를 낮추면서도 엔지니어링 품질을 훼손하지 않는 비용 효율을 만들어낸다고 본다. 한 영역의 결정이 차량 전체 서브시스템에 영향을 미치는 지금, 시스템 단위의 접근은 점점 더 중요해지고 있다.

인재라는 과제

업계의 시선이 AI와 자율주행, 첨단 반도체에 쏠려 있는 사이, 박 대표는 또 다른 문제를 짚었다. 인재다. 많은 조직에게 인재와 전문성을 확보하는 일은 점점 더 어려워지고 있다.
"인력 격차는 자동차 산업이 마주한 가장 중요한 과제 중 하나이면서, 동시에 가장 저평가된 문제이기도 합니다. 이건 단순한 인력 수급 문제가 아닙니다. 조직 전체의 전환, 지속적인 학습, 엔지니어링 역량에 대한 장기적 투자가 필요한 일입니다." 박 대표는 강조했다.
Quest global은 이에 대응해 직원 리스킬링과 역량 개발에 꾸준히 투자해왔다. 박 대표에게 향후 10년의 승부처는, 새로운 기술을 누구보다 빠르게 자기 역량으로 흡수해내는 조직이 될 것이다. Quest global이 세계에서 가장 어려운 엔지니어링 문제를 풀어주는 파트너를 자처하는 이유도 여기 있다.
SDV 시대는 흔히 소프트웨어 혁명으로 불린다. 하지만 박 대표는 그것이 동시에 엔지니어링의 혁명이라고 본다. 성패를 가르는 것은 누가 가장 앞선 기술을 개발하느냐가 아니라, 누가 그것을 가장 빠르게 통합하고 검증하고 양산으로 옮기느냐다. 완성차 업계가 협업 생태계에 점점 더 의존하는 지금, Quest global 같은 회사는 단순한 엔지니어링 서비스 제공자가 아니라, 혁신을 양산 가능한 모빌리티로 바꿔내는 전략적 파트너로 자리를 옮기고 있다.
실리콘과 소프트웨어, AI와 글로벌 엔지니어링 인재를 하나의 개발 생태계로 엮어내는 능력. 그것이 다음 10년, 이 산업의 진짜 경쟁력이 될지도 모른다.

“Yesterday’s Data Is Dangerous”

한상민 기자_han@autoelectronics.co.kr — 2026-08-12 08:23:19+0900

산불에서 공장까지, PLM은 어떻게 AI의 판단을 행동으로 연결하는가

한상민 기자_han@autoelectronics.co.kr — 2026-08-12 08:06:59+0900

AI가 오래된 정보를 믿고 자동차의 설계를 바꾼다면 어떻게 될까. 공급망이 끊기고, 소프트웨어가 업데이트되고, 차량의 구성과 생산 조건이 계속 달라지는 시대에는 '무엇이 지금 사실인가'를 아는 일이 AI의 성능만큼 중요해졌다. 지멘스는 그 답을 더 큰 AI가 아니라, 설계부터 시뮬레이션·생산·운영까지 제품의 변화를 끊임없이 추적하는 데이터에서 찾고 있다. 산불 이야기로 시작된 리얼라이즈 라이브의 메시지를 따라가 봤다.

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

연관기사: 다임러트럭, 미래 연결을 위해 과거를 끊다
샘 마할링엄이 말하는 Physics AI의 속도와 물리 기반 검증

산불과 현재성

지난 6월 미국 디트로이트, 그리고 8월 4일 인도 벵갈루루. 두 도시의 리얼라이즈 라이브 무대에서 지멘스 디지털 인더스트리 소프트웨어의 토니 헤멀건(Tony Hemmelgarn) 사장 겸 최고경영자(CEO)는 같은 이야기로 기조연설을 열었다. 산불이었다.
우연한 반복이 아니다. 토니에게 산불은 극적인 도입부 하나가 아니라, 지멘스가 올해 전 세계 고객에게 던지려는 질문 그 자체를 담은 은유였다. 왜 그가 대륙을 옮겨가며 같은 비유를 다시 꺼냈는지를 따라가면, 지멘스가 AI에게 무엇을 맡기려 하는지가 보인다.
산불 현장의 지도는 하루를 넘기지 못한다. 위성 영상, 연료 지도, 풍향, 소방대 위치, 확산 예측 모델이 매 순간 새로 갱신되고, 어제 그어놓은 안전구역은 바람의 방향이 바뀌는 순간 함정으로 바뀐다.
"어제의 데이터는 매우 위험합니다."
정보가 부족해서 문제가 아니다. 정보는 넘친다. 문제는 그 정보들을 지금 이 순간의 하나의 그림으로 합칠 수 있느냐다.
토니는 이 장면을 곧바로 제조업으로 옮겨왔다. 공급망은 하룻밤 사이 끊어지고, 특정 소재는 어느 날 갑자기 구할 수 없게 되며, 한 지역의 생산을 다른 지역으로 옮겨야 하는 상황도 갑자기 닥친다. 제품 자체도 고정돼 있지 않다. 기계 중심이던 제품이 반도체와 소프트웨어가 결합된 복합 시스템으로 바뀌고, 그 구성은 출하 이후에도 계속 바뀐다.
그래서 산업에 필요한 것은 흔들리지 않는 완벽한 계획이 아니라, 현실이 바뀌는 순간 계획도 함께 바꿀 수 있는 능력이다. 산불 현장에서 진압하고 살아남는 소방대와 공급망 붕괴에서 버티는 제조사는 같은 질문 앞에 선 것이다. 지금 무엇이 바뀌었고, 그것이 내가 서 있는 자리에 어떤 영향을 미치는지.
그렇다면 AI는 산업의 '지금'을 어디에서 찾아야 하는가. 지멘스는 그 답을 새로운 AI 모델이 아니라 20년 넘게 쌓아온 PLM에서 찾고 있다.

AI가 믿을 '지금'은 어디에 있는가

지멘스의 AI 전략 출발점은 Teamcenter(PLM)다.
"AI는 Engineering Truth 위에 세워졌을 때만 실제로 작동합니다. Teamcenter는 고객이 정확하고 신뢰할 수 있고 관리되고 연결된 데이터를 얻으러 가는 바로 그곳입니다."
토니는 Engineering Truth를 관리하는 핵심 기반으로 Teamcenter를 말했다.
여기에는 실무적인 이유가 있다. AI는 데이터를 먹고 자라지만, 산업 현장에서는 데이터가 많다는 사실 자체는 별 의미가 없다. 어떤 제품 버전의 데이터인지, 왜 그렇게 설계됐는지, 어떤 부품과 물려 있는지, 실제 물리법칙과 시뮬레이션으로 검증된 값인지, 누가 그 속성을 볼 권한이 있는지, AI가 내린 판단이 다시 설계변경과 생산으로 이어질 수 있는지까지 확인돼야 한다. 데이터 레이크 하나로는 이 조건을 다 채우기 어렵다.
조 보먼(Joe Bohman) PLM 제품 총괄 부사장은 실제 고객과 나눈 대화를 예로 들었다. CIO들은 스노우플레이크, 데이터브릭스, 팔란티어 같은 데이터 플랫폼을 선택했다고 말하지만, 정작 엔지니어링 부문은 그 도구를 제대로 활용하지 못해 어려움을 겪고 있었다. 이유는 엔지니어링 데이터의 복잡성이었다.
토니는 같은 이야기를 자신의 방식으로 풀었다. 제품 데이터를 달리는 사람에 비유하며, "스냅샷을 찍으면 산소 소비량과 페이스, 거리는 알 수 있지만 2분 뒤에 무슨 일이 벌어질지는 모릅니다"라고 말했다. 대부분의 데이터 레이크는 이런 스냅샷에 머문다는 것이다. 신뢰할 수 있는 결과는 데이터가 아니라 맥락을 필요로 한다는 게 그의 결론이었다.
그래서 지멘스의 새 Intelligence Center X가 다르다고 내세우는 게 두 가지다.
Teamcenter를 통해 최신 제품 구성과 변경 맥락을 추적할 수 있다는 것, 그리고 제품 구성과 관계가 스냅샷이 아니라 살아있는 형태로 유지된다는 것이다. 이것은 지멘스가 산업 AI에서 범용 데이터 플랫폼과 다른 경쟁력을 어디에 두고 있는지 보여준다. 그 답은 엔지니어링 데이터와 그 맥락이다.
행사 첫날 별도로 진행한 인터뷰에서, 시뮬레이션·HPC·AI 사업을 총괄하는 샘 마할링엄(Sam Mahalingam) 부사장에게 이날 메시지의 핵심이 결국 Engineering Truth에 있는 것인지 물었고, "그렇다, 정확하게 이해하셨습니다"란 답을 받았다.
그는 "팔란티어는 비즈니스 데이터에 아주 훌륭하게 맥락을 제공할 수 있지만 엔지니어링의 세계는 Engineering Truth 위에 근거해야 합니다"라고 말했다.
토니는 지난 18개월 동안 Teamcenter를 향한 관심과 성장이 뚜렷하게 커졌다고 말했다. 기업들이 AI를 실제로 적용하려는 단계에 들어서면서, 그 이전에 신뢰할 수 있는 데이터 기반이 없다는 사실을 뒤늦게 깨닫고 있다는 것이다. 생성형 AI가 확산될수록 PLM은 낡은 시스템으로 밀려나는 대신 오히려 더 앞자리로 불려나오고 있다.

스냅샷이 아니라 살아 있는 제품

지멘스가 말하는 제품은 더 이상 기계 하나가 아니다.
통합회로(IC) 제품을 총괄하는 앙쿠르 굽타(Ankur Gupta)는 오늘날 AI 가속기 칩 한 개에 트랜지스터가 약 2000억 개 들어간다는 수치로 이야기를 열었다. 이 정도 밀도의 반도체를 3차원으로 쌓아 올리면 내부에 열이 갇힌다. 그 열이 하나의 물리현상으로 어떻게 이동하는지가 굽타가 든 예의 핵심이었다.
지멘스의 EDA 도구가 나노미터 단위의 칩과 패키지 열 모델을 만들면, 이 모델은 Simcenter로 넘어가 보드와 시스템 수준의 열 거동을 계산한다. 결과는 다시 제품의 방열 구조와 외함 설계에 반영되고, 가동 이후에는 센서 데이터와 연결돼 냉각 제어에 활용된다. 지멘스가 칩투시스템(chip-to-system)이라고 부르는 것은 이처럼 하나의 물리현상이 칩에서 제품, 운영까지 끊기지 않고 이동하는 흐름이다.
이 연결은 설계와 시뮬레이션에서 끝나지 않는다. 굽타는 벵갈루루에서 실제 데이터센터의 칩이 처한 조건과 워크로드에 따라 공급전압을 낮춰 전력 소비를 줄이는 사례를 소개했다. 칩은 최악의 조건을 전제로 여유를 두고 설계되지만 실제 운용 환경이 항상 그 조건에 놓이는 것은 아니다. 센서와 소프트웨어로 실제 상태를 파악하면 그 여유를 전력 절감에 활용할 수 있다는 것이다. 굽타는 실제 데이터센터에서 14%의 전력 절감 효과를 측정했다고 말했다.
그는 같은 접근이 자동차에서는 배터리 효율 향상과 주행거리 확대로 이어질 수 있다고 설명했다. 11일 서울에서 굽타에게 칩투시스템 최적화가 실제 차량에서도 실시간으로 전력 소비를 줄일 수 있는지 다시 물었고, 그는 "가능하다"며, 칩의 실제 상태에 맞춰 기능 오류가 발생하지 않는 범위에서 공급전압을 낮추는 방식이라고 설명했다. 이어 칩은 최악의 조건을 기준으로 설계되지만 실제 사용 환경은 다르다며, 이 과정에서 센서와 소프트웨어 기술을 가진 proteanTecs와 협력하고 있다고 설명했다.
반도체 하나를 설계하는 일조차 이제 그 칩이 들어갈 전체 시스템을 이해하는 문제로 확장되고 있다.
PLM이 EDA와 소프트웨어 요구관리(ALM), 전장 설계, 시뮬레이션까지 끌어안아야 하는 이유가 여기 있다. 지멘스가 포괄적 디지털 트윈이라고 부르는 것은 반도체, 인쇄회로기판, 와이어링 하니스, 전기·전자 아키텍처, 기계 형상, 소프트웨어, 시뮬레이션, 제조, 운영을 한 데이터 위에서 연결하는 작업이다. 칩 하나 또는 기구 형상 하나만 보여주는 것은 지멘스가 말하는 포괄적 디지털 트윈이 아니다.

데이터를 판단과 행동으로 바꾸는 층

이 데이터 전체를 관리하는 것과, 그 데이터를 근거로 실제 판단을 내리는 것은 별개의 문제다. 지멘스가 두 달 전 발표한 Intelligence Center X는 그 간극을 메우기 위한 신제품이다. 조 보먼은 이를 이렇게 표현했다.
"Intelligence Center X는 이런 AI 네이티브 산업용 애플리케이션들을 이해하는, 한 곳에서 완결되는 에이전트형 개발 환경입니다."
세 층으로 나눠 볼 수 있다. 맨 아래에는 Teamcenter, 전사적자원관리(ERP), 고객관계관리(CRM), 제조실행시스템(MES) 같은 사내 시스템에 흩어진 데이터의 관계와 의미를 연결하는 온톨로지와 지식 그래프가 있다. 그 위에 산업용 머신러닝과 물리 기반 AI, 대형언어 모델이 얹히고, 맨 위에서 사람과 AI 에이전트가 실제 업무와 설계변경을 실행한다.

통찰에서 설계변경까지

이런 데이터가 실제로 어떻게 움직이는지는 토니가 첫날 기조연설에서 직접 든 사례에서 드러난다. 한 글로벌 항공기 제조사가 보유한 제트기 함대에서 계획에 없던 운항 중단이 반복됐는데, 원인은 착륙장치를 펼치는 과정에서 생기는 유압 누유와 압력 급상승이었다. 처음에는 개별 기체의 문제처럼 보였지만, 공력·구조·유압계통을 함께 담은 포괄적 디지털 트윈으로 분석하자 난기류가 랜딩기어 도어에 가해지는 하중을 흔들었고 그 변동이 유압계통의 압력 급상승으로 이어졌다는 사실이 드러났다. 개별 고장이 아니라 반복되는 문제였다.
토니는 여기서 Intelligence Center X를 등장시켰다.
"이 기체 함대의 운항 데이터를 물리 기반 시뮬레이션과 결합해 근본 원인을 짚어냅니다." Teamcenter가 같은 문제의 영향을 받을 기체 구성을 찾아내면, Intelligence Center X는 부품을 다시 설계할지, 정비주기를 조정할지, 비용을 감수할지를 비교한다. 통찰에서 결정으로, 결정에서 행동으로 이어지는 하나의 에이전트형 워크플로가 만들어진다.
다음 날 조 보먼은 바로 이 사례를 이어받아 실제 워크플로를 시연했다.
Teamcenter Copilot에 "이 변경을 릴리스하도록 도와달라"고 요청하자, 영향도 분석이 곧바로 시작됐다. 전통적인 방식이라면 몇 시간에서 며칠씩 걸릴 일이 몇 초 만에 끝났다. 이어서 Intelligence Center X로 넘어가, 공급망과 협력사 리스크를 낮출 수 있는 대체 부품을 회사 전체 데이터에서 찾아냈다. 마지막으로 이 유압계통 변경이 실제로 작동할지 검증할 시뮬레이션 데이터까지 찾아 연결해, 변경을 실제 생산에 반영해도 좋은지를 확인했다. 기존 분석 플랫폼 다수가 통찰을 제공하는 데서 멈췄다면, 지멘스는 그 통찰이 설계변경과 생산계획으로 되돌아가는 고리를 만들려 하고 있다.

Physics AI, 빠르게 고르고 물리로 검증하다

Physics AI는 계산을 대신하는 도구가 아니라, 계산을 걸 곳을 더 똑똑하게 고르는 도구다.
"물리 엔진 자체는 바뀌지 않습니다. 바뀌는 것은 그 엔진을 얼마나 똑똑하게 겨누느냐입니다. 결정론적 진실을 대체하는 게 아니라, 그것을 확장 가능하게 만드는 것입니다."
시뮬레이션·HPC·AI 사업을 총괄하는 샘 마할링엄은 현대자동차 사례를 들었다. 트럭 프레임에 캡, 데크, 서스펜션이 붙는 하위 시스템 최적화 작업이 기존 방식으로는 일주일 걸렸는데, Physics AI로는 15분이면 끝났다. CAD 형상을 넣으면 곧바로 굽힘 변위(bending displacement) 예측값이 나오는 방식으로, 실제 CAE 해석 결과와 비교한 정확도는 R² 0.98~0.99 수준이었다.
이 속도가 안전과 규제를 다루는 자동차 설계에서 믿을 만한지 물으니, 마할링엄은 Physics AI는 최종 결론을 내리는 도구가 아니라고 선을 그었다.
“Physics AI는 복잡한 설계를 탐색하고 방대한 설계 공간을 아주 빠르게 훑는 걸 돕습니다. 후보를 한두 개, 서너 개로 좁히고 나면, 그때 물리 기반 솔버로 진짜 검증에 들어갑니다. 물리 기반 시뮬레이션은 여전히 인증을 위한 최종 검증 수단으로 남을 것입니다."
그는 유한요소해석이 자동차 인증 도구로 자리 잡는 데도 20년 가까이 걸렸다며, Physics AI가 지금 당장 인증 수단이 되지는 않는다고 덧붙였다. 다만 검증 데이터가 충분히 쌓이면 앞으로 5~6년 안에 Physics AI도 인증 과정에서 일정한 역할을 맡을 가능성이 있다고 봤다.

공장에서 닫히는 고리

이런 신뢰의 고리가 실제 공장에서 어떻게 닫히는지는 지멘스의 독일 전자공장 사례가 보여준다. 지멘스 디지털 로지스틱스를 이끄는 볼커 알브레히트(Volker Albrecht)는 자사 공장을 산업 AI의 실증 현장으로 쓰고 있다며 엔비디아와 함께 진행한 사례를 소개했다. 표면실장(SMT) 라인에서 이상 신호가 잡히자, 현장 작업자는 에이전트에게 원인을 물었다.
"가능성은 세 가지다. 기계이거나, 공정이거나, 설계이거나." 에이전트는 이렇게 답했고, 계속 분석할지 확인을 구한 뒤 세 갈래를 모두 짚어 나갔다. 결과는 RJ45 커넥터의 설계 문제였다. 표면실장 방식으로 붙어 있던 RJ45 커넥터를 기계적 강도 문제 때문에 관통 실장(through-hole) 방식으로 바꿔야 한다는 결론이었다. 에이전트는 이 결론을 근거로 Teamcenter에 개선 워크플로를 만들 것인지 다시 물었고, 승인이 떨어지자 실제 기술변경 절차가 시작됐다.
여기서 끝나지 않았다. 설계 하나를 바꾸면 그 변화가 생산라인 전체에 어떤 영향을 미치는지 다시 확인해야 한다. 엔비디아와 함께 구축한 Digital Twin Composer 위에서 이 공장의 라인을 통째로 시뮬레이션한 결과, 자재 흐름이 지연되는 구간이 새로 확인됐다. 이 시뮬레이션은 수십만 번 반복해서 돌릴 수 있고, 그 결과를 바탕으로 실제 생산 조치를 결정한다. 알브레히트는 이 공장이 매년 7%의 생산성 향상을 요구받는다고 말했다. 이런 반복 시뮬레이션이 그 목표를 뒷받침한다.

전체 흐름을 다시 산불 현장에 겹쳐보면 같은 패턴이 보인다. 바람이 바뀐 것을 감지하고, 지금의 상황을 하나의 그림으로 확인하고, 영향 범위를 판단한 뒤 계획을 바꾼다. 공장에서도 이상 신호를 감지하고, 최신 제품 구성과 설계 의도를 조회하고, 원인을 판단해 설계를 바꾼 뒤 그 결과를 다시 시뮬레이션으로 검증한다.
차이는 AI가 답을 내놓느냐에 있지 않다. 그 답이 현재의 제품 구성과 설계 의도, 물리적으로 검증된 데이터 위에 서 있는지, 그리고 실제 설계변경과 생산 조치로 이어질 수 있는지가 중요하다. 지멘스가 말하는 산업 AI는 통찰을 생성하는 데서 끝나는 AI가 아니라, 통찰을 검증하고 행동으로 옮긴 뒤 그 결과를 다시 데이터로 되돌리는 AI다.

어제의 데이터로는 오늘의 공장을 움직일 수 없다. 지멘스가 AI 시대에도 PLM을 중심에 두는 이유다.

왼쪽부터 토니 헤멀건 CEO, 조 보먼 PLM 총괄 부사장, 샘 마할링엄 시뮬레이션·HPC·AI 총괄 부사장, 앙쿠르 굽타 IC 총괄.