오토모티브 일렉트로닉스 매거진_전체기사

China Moves to Mandate LTE-V2X for Commercial Road Transport Vehicles

한상민 기자_han@autoelectronics.co.kr — 2026-07-27 13:24:29+0900

중국·일본·인도, V2X 도입 경쟁 가속

한상민 기자_han@autoelectronics.co.kr — 2026-07-27 13:19:31+0900

중국이 상용 차량에 LTE-V2X 직접통신 시스템 장착을 의무화하는 강제성 국가표준안을 공개하고 의견수렴에 들어갔다. 표준안은 V2V 이상 차량 경고와 V2I 도로 위험 경고를 규정했으며, 폭우·안개 모의시험에서 V2X는 충돌 7초 전에 경고한 반면, AEB는 작동하지 않았다. 중국은 C-V2X를 실증기술에서 의무 안전요건으로 전환하는 동시에 칩·모듈·OBU·RSU 생태계의 대규모 양산을 추진하려 한다.

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

시간당 50mm 이상의 인공강우와 가시거리 50m 이하의 모의 안개. 시속 60km로 달리던 화물차 앞에는 정지 표적이 놓여 있었다. LTE-V2X 직접통신을 켜자, 운전자는 충돌 7초 이상 전에 경고를 받고 제동에 들어갔다. 같은 조건에서 V2X를 끄고 자동긴급제동시스템(AEB)만 작동시킨 시험차량은 목표물을 충분한 거리에서 인식하지 못했다. AEB는 끝내 작동하지 않았고, 시험차량은 목표물과 충돌했다.
2026년 1월 14일부터 29일까지 중국 옌청 시험장에서 나온 결과다. 중국의 V2X 표준 제정 설명서에 따르면, 이 시험에는 교통운수부 도로과학연구원을 비롯해 China Information and Communication Technologies Group, CICT Connected Technology, Huawei Device와 Seres Auto, FAW Jiefang, CATARC 관련 시험기관이 참여했다. 화물차 대 화물차, 화물차 대 승용차 시나리오 모두 시속 80km에서 TTC 8초 이상 전에 경고가 이뤄졌고, 노변장치(RSU)에서 화물차를 거쳐 승용차로 이어지는 연쇄경고도 정상 작동했다고 밝혔다.
이 결과가 V2X가 AEB보다 우수하거나 이를 대체한다는 뜻은 아니다. 이 표준안이 요구하는 것도 V2X와 자동제동의 직접 연계가 아니다. 부록 A가 의무화한 것은 운전자에 대한 음성경고이며, 옌청 시험에서도 V2X 경고를 받은 뒤 실제 제동은 운전자가 했다. 핵심은 시야가 가려지거나 센서가 제 기능을 하지 못할 때, 운전자에게 더 일찍 위험을 알리는 별도의 정보 경로를 확보하는 것이다.

무엇이 공개됐나

중국 교통운수부가 조직한 강제성 국가표준 제정 계획 「영업용 차량 운행안전 기술 및 관리 요구사항」이 의견수렴에 들어갔다. 계획번호 20254333-Q-348인 이 표준은 제정 기간 22개월로 추진되는 안전 분야의 강제성 국가표준이며, 기술관리는 전국 도로운송 표준화 기술위원회(TC521)가 맡는다. 주요 초안 작성은 교통운수부 도로과학연구원이 주도했다.
아직 최종 확정된 표준은 아니다. 표준안 상태는 의견수렴 진행 중이다. 따라서 중국이 LTE-V2X 의무화를 확정했다고 할 수는 없다. 정확한 것은 중국이 상용 차량의 LTE-V2X 직접통신 시스템 의무 장착을 강제성 국가표준안에 포함하고 의견수렴에 들어갔다는 것이다.
표준안 제1장(범위)은 적용 대상을 중국 도로에서 사용되는 영업용 여객자동차, 영업용 화물자동차, 그리고 견인차와 트레일러로 구성된 자동차 열차로 규정한다. 승용차를 포함한 모든 신차가 아니다. LTE-V2X 조항인 제4.6항은 트레일러를 제외한 상용 차량에 적용된다.
표준 작성에는 도로과학연구원 외에 BYD, Yutong, Foton, Sinotruk, Dongfeng Liuzhou, XCMG, King Long, Zhongtong Bus, Huawei Device, CICT Connected Technology 등 완성차·통신·시험기관이 참여했다. 다만 참여가 각 기업의 초안 전면 지지나 즉시 양산 적용을 뜻하지는 않는다.

제4.6항이 요구하는 것

표준안 제4.6항은 다음과 같이 명시한다.
"상용 차량(트레일러 제외)은 직접통신 기반의 차량 정보 상호작용 시스템을 갖춰야 한다. 해당 시스템의 기술적 요구사항은 GB/T 45315의 규정을 준수해야 하며, 부록 A에 따른 차량 대 차량(V2V) 및 차량 대 인프라(V2I) 안전경고 기능을 갖춰야 한다."
이는 권고나 참고사항이 아닌 '갖춰야 한다'는 의무 표현이다. 부록 A는 규범적 부록으로 명기돼 있다. 참고자료가 아니라 본문과 함께 반드시 준수해야 하는 부속서라는 의미다.
여기서 말하는 통신방식은 PC5 직접통신이다. 차량이 기지국이나 클라우드를 거치지 않고 주변 차량, 노변장치와 직접 신호를 주고받는 방식이다. 통신망이 약하거나 끊긴 산악지역이나 교외에서도 경고가 전달될 수 있다는 것이 제정 설명서가 이 기술을 선택한 배경이다.

두 가지 경고, 고장 차량과 도로 붕괴부터

표준안 부록 A는 두 가지 사용 사례만 규정한다.
이상 차량 경고는 전방 차량이 기본안전메시지(BSM)를 통해 비상등 작동(HazardLights)이나 타이어 공기압 이상(FlatTire) 신호를 보낼 때 작동한다. 후방 차량은 이를 수신해 운전자에게 최소한 음성으로 경고해야 한다. 시험 기준은 시속 60km에서 충돌예상시간(TTC) 7초 이상, 80km에서 8초 이상이며, 각 속도에서 5회 중 최소 4회를 통과해야 한다.
도로 위험 경고는 노변장치가 도로 붕괴, 노면 결빙, 노면 미끄러움 정보를 전송할 때 작동한다. 60km와 80km 모두 위험지점 도달 10초 이상 전에 음성경고를 제공해야 한다.
제정 설명서는 이 10초라는 수치가 하나의 제동모델만으로 나온 것이 아니라고 설명한다. 도로 위험은 경계가 불분명하고 심각성도 사전에 알기 어려워 운전자가 통과할지, 우회할지, 정지할지 판단하는 시간이 추가로 필요하다. 여기에 만재 화물차가 시속 80km에서 안전하게 정지하거나 회피하는 데 걸리는 시간 약 7~8초, 그리고 후방 추돌 방지를 위한 안전여유 2~3초가 더해졌다.
부록 A는 시험장비와 시험환경 조건도 구체적으로 규정한다. 시험에 사용되는 목표 차량 또는 목표물의 직접통신 거리는 개방되고 장애물과 간섭이 없는 조건에서 200m 이상이어야 하며, 애플리케이션 계층 기준 종단간 통신지연은 50ms 이하여야 한다. 시험용 RSU에는 300m 이상의 직접통신 거리를 요구한다.
제정 설명서가 LTE-V2X의 기술적 특성으로 제시한 30ms 미만의 지연과, 부록 A가 시험장비 조건으로 규정한 50ms 이하는 성격이 다른 수치다.

왜 상용 차량부터인가

제정 설명서는 최근 3년간 발생한 일정 규모 이상의 중대사고에서 도로 화물차 관련 비중이 80%를 넘었고, 야간 사고 비중이 50%에 가까웠다고 밝힌다. 비와 안개 등 악천후로 인한 사고도 늘어나는 추세라고 적었다. 황허대교 다중추돌사고, 메이다고속도로 차양 구간 사고, G30 롄훠고속도로 사고 등이 낮은 가시거리와 노면 파손 상황에서 영업용 차량의 대응 능력 부족을 드러낸 사례로 인용됐다.
운행거리가 길고 범위가 넓은 상용 차량의 특성도 이유로 제시됐다. 만재 상태의 화물차는 제동거리가 길고, 대형차가 후방 차량의 시야를 가리는 경우도 많다. 사고 위험과 사회적 비용이 크다는 점에서, 영업용 차량부터 적용해 안전효과와 산업적 실행 가능성을 함께 확보하려는 접근이다.

당장 전면 시행은 아니다

표준안 제8장은 시행 시점을 단계별로 나눠 규정한다. 표준 자체는 공표 후 12개월 뒤 시행될 예정이며, LTE-V2X 관련 제4.6항은 표준 시행일부터 제25개월째부터, 새로 도로운송 시장에 진입하는 상용 차량에 적용된다. 최종 표준 공표부터 실제 적용까지 약 3년의 준비기간이 주어지는 구조다. 현재 운행 중인 차량 전체에 즉시 후장착을 요구하는 규정으로 읽을 근거는 아직 없다.

산업정책

제정 설명서는 산업적 목적도 감추지 않는다. 단기적으로는 상용 차량의 출고 단계 장착을 통해 시장을 형성하고, 중기적으로는 칩·모듈·차량단말(OBU)·노변장치(RSU)의 양산을 촉진하며, 장기적으로는 군집주행과 자율 화물운송의 통신 기반을 마련한다는 구상이다. 궁극적인 목표로는 중국의 C-V2X 기술 및 표준 주도권 강화를 명시했다.
안전규제이면서 동시에 칩과 모듈, 단말, 인프라 시장에 초기 수요를 만들어주는 산업정책이라는 뜻이다. 차량 장착이 늘면 노변장치 구축의 경제성이 높아지고, 인프라가 늘면 다시 장착의 가치가 커진다. 중국은 이 순환의 시작점을 규제로 정하려는 것으로 보인다.

중국이 택한 방식은 완결된 답은 아니다. 인프라 구축 비용, 실제 도로에서의 상호운용성, 사이버보안, 오경보 관리, 기존 차량과의 혼재 문제는 여전히 남아 있다. 다만 중국은 어떤 차량군에, 어떤 기능을, 어떤 성능 기준으로 적용할지 구체적인 숫자를 내놓기 시작했다.
한편 우리나라에서는 LTE-V2X 실증 이후 전국 확산을 위한 C-ITS 본사업 예산이 마련되지 않아 정책 추진이 정체돼 있다는 업계의 지적이 나온다. 한국의 C-V2X 논의는 오랫동안 통신방식과 인프라 구축 순서를 둘러싼 논쟁을 반복해 왔다. 이제 물어야 할 질문은 어느 통신기술이 우월한가가 아니라, 어떤 차량과 어떤 안전 시나리오부터 실제로 적용할 것인가다. 고장 차량과 도로 위험 경고처럼 좁고 구체적인 시나리오에서 한국도 첫걸음을 뗄 수 있는지, 차량 의무장착과 인프라 구축을 어떤 순서로 연결할 것인지, 국내 상용차·부품업계가 중국에 수출할 때 이 강제성 표준의 영향을 어떻게 받을 것인지가 남은 숙제다.
옌청 시험장에서 화물차가 받은 7초의 경고는 기술 하나의 승리가 아니었다. 카메라가 보지 못하는 순간을 무선 신호가 대신 본 것에 가까웠다. 중국은 그 7초를 실증에서 규제로 옮기는 절차에 들어갔다.

인도, C-V2X 의무화 추진…2028년 모든 신차 V2V 탑재 예정

인도 도로교통·고속도로부(MoRTH)는 「중앙 자동차 규칙(Central Motor Vehicles Rules, 1989)」 개정안을 통해 C-V2X 기반 V2V(차량 간 직접통신) 도입을 추진하고 있다. 개정안에 따르면 2027년 10월 1일부터 V2V 시스템을 장착한 L·M·N급 차량은 AIS-230 기술 표준을 충족해야 하며, 2028년 10월 1일부터는 모든 신규 L·M·N급 차량에 AIS-230 기반 V2V 시스템 탑재를 의무화할 계획이다.
업계에서는 인도가 일본 정부와 산업계, Qualcomm, Harman 등 글로벌 기업과 협력을 확대하며 C-V2X 생태계 구축을 추진하고 있다는 점에 주목하고 있다. 개정안이 예정대로 시행될 경우, 인도는 세계 최초로 C-V2X 직접통신(V2V)을 신차에 의무화해 대규모 상용화하는 국가가 될 가능성이 있다.

일본, V2X 기반 L4 자율주행 전략 공식화

일본 총무성은 2026년 7월 14일 「자율주행 사회를 뒷받침하는 통신 인프라 전략」을 발표했다. 이 전략은 4G·5G 이동통신과 V2X 직접통신의 역할을 구분하고, V2X를 신호·교차로·합류·사각지대 정보를 실시간으로 제공하는 핵심 안전 인프라로 규정했다.
일본은 2026회계연도부터 주요 고속도로와 13개 선행 사업화 지역을 중심으로 자율주행 서비스를 확대하고, 2026~2027년 도쿄·나고야·오사카권의 5.9GHz V2X 기술 기준과 통신 규격을 우선 마련할 계획이다. 이후 2030년까지 기존 5.9GHz 무선국의 주파수 이전과 전국 단위 표준 적용을 추진한다.
중국이 LTE-V2X 직접통신의 차량 탑재와 확산을 제도적으로 밀어붙이고 있다면, 일본은 V2X·5G·주파수 정책·인프라 구축을 하나의 국가 로드맵으로 묶어 레벨 4 자율주행 상용화 기반을 만들고 있다.

개발자의 관점에서 본 Alloy Kore 기반 SDV 개발

글 | Hearst Auto — 2026-07-21 14:57:50+0900

자동차 산업이 소프트웨어 정의 차량(SDV) 시대로 전환되면서 경쟁력은 더 이상 운영체제(OS)를 처음부터 직접 만드는 데 있지 않다. 개발자의 역량은 복잡한 기반 소프트웨어를 얼마나 효율적으로 통합하고, 그 위에서 차별화된 차량 경험을 얼마나 빠르게 구현하느냐로 이동하고 있다. Vector와 QNX가 공동 개발한 Alloy Kore는 이러한 변화 속에서 OEM과 티어 1이 기반 통합 대신 애플리케이션 혁신에 집중할 수 있도록 설계된 SDV용 기반 소프트웨어 플랫폼이다.

글 | Hearst Auto
출처 | MotorTrend

자동차 산업이 SDV로 전환하면서 시장에 출시되는 최신 차량에도 큰 변화가 나타나고 있다. 눈에 띄는 특징은 더 많은 기능과 첨단 기술, 우수한 커넥티비티이다. 그러나 사실 실질적인 변화는 겉모습 아래의 훨씬 깊은 곳에서 이뤄진다.
새로운 세대의 디지털 아키텍처가 종래의 자동차 소프트웨어 개발 절차를 근본적으로 뒤흔들고 있다. 차량 컴포넌트의 상호 연결성이 증가하고 소프트웨어 중심으로 진화하면서, 기존 방식의 차량 소프트웨어 개발은 한계에 직면하고 있으며, 산업 전반의 혁신 속도를 저해할 위험도 있다.
글로벌 보안 및 안전 규제와 인증 요건이 빠르게 확대되고, 최첨단 기능을 갖춘 차량에 대한 소비자의 기대치까지 높아지면서 현대 자동차 소프트웨어 개발의 복잡성은 갈수록 통제하기 어려운 수준에 이르고 있다. 이런 혼돈 속에서, 시장을 선도하는 두 기업, 벡터와 QNX가 공동 개발한 새로운 기반 소프트웨어 플랫폼 Alloy Kore™는 개발 프로젝트의 핵심 영역을 안정화하고 간소화할 수 있는 기회를 제공한다. 최신 SDV를 하나의 도시에 비유한다면 Alloy Kore는 전기와 상수도처럼 도시 운영을 뒷받침하는 핵심 인프라에 해당한다. 반면 OEM은 건축 양식과 문화처럼 그 도시만의 고유한 정체성과 차별성을 정의하는 역할을 한다. 이런 관점에서, Alloy Kore는 OEM 및 티어 1 개발팀에 사전 인증을 거친, 통합이 용이한 솔루션을 제공함으로써 최신 소프트웨어 개발 및 배포 과정을 대폭 간소화한다. 이를 통해 개발자들은 기반 구성과 통합 부담을 줄이고, 실제 애플리케이션 작업에 훨씬 더 집중할 수 있다.

확장의 위기

자동차 소프트웨어 개발 초기에는 모든 것이 기초적인 단계에 머물러 있었다. 개별 하드웨어 컴포넌트는 차량 내에서 각각 독립적인 기능을 수행했으며 서로의 존재를 알지 못했다. 예를 들어, 와이퍼 컨트롤러가 헤드라이트 컨트롤러와 소통할 일은 없었다. 각 컴포넌트가 독립적으로 동작했기 때문에, 이를 위한 각각의 소프트웨어를 개발 역시 비교적 단순했다.
하지만 시간이 지나면서 상황은 크게 달라졌다. 점점 더 많은 시스템이 서로 연결되고, 공유 시스템과 컨트롤러로 관리되고 있다. BMW의 Heart of Joy, Mercedes의 MB.OS, Rivian의 2세대 플랫폼 등의 시스템이 정보를 공유하고 협업하는 소수의 강력한 시스템으로 통합되면서, HPC 중심의 중앙 집중식 아키텍처나 Zonal 아키텍처가 표준으로 자리 잡고 있다.
문제는 여러 공급업체가 제공하는 각기 다른 소프트웨어 구성 요소를 하나의 시스템으로 통합하고 확장하는 과정에서 발행한다. 벡터의 워크플로 아키텍트이자 소프트웨어 플랫폼 개발 및 Alloy Kore 플랫폼 구축에 참여한 Max Ferdinand Suffel은 다음과 같이 설명한다.
“소프트웨어 통합의 파편화는 SDV 전환을 지연시키는 주요 원인입니다. 서로 다른 컴포넌트를 통합하는 과정에서 예측 불가능한 동작이 발생하고, 이는 비용이 큰 재작업으로 이어질 뿐 아니라 생산 일정 지연과 리콜 발생의 위험까지 높입니다.”
게다가 상황은 앞으로 더욱 복잡해질 전망이다. 과거에는 자동차가 한 번 출고되면 이후 크게 달라지지 않았다. 하지만 앞으로는 훨씬 더 오랫동안 업데이트가 가능해야 한다. Suffel은 “오늘날에는 향후 10년, 15년에 걸쳐 새로운 기능이 계속 추가되기를 기대한다”고 말한다.
이는 단순히 기능 추가에만 국한되지 않는다. 자동차 제조업체는 앞으로 10년 이상 보안 및 안전 업데이트를 제공해야 하며, 이는 기술적 과제를 넘어 조직 전반의 변화를 요구한다. Suffel은 “소프트웨어 개발 및 엔지니어링 조직 전체가 진화해야 한다”고 지적했다.

확장성을 높이는 간소화

자동차와 같은 통합 시스템에서 실행되는 코드를 개발할 때 흔히 사용되는 방식은 소프트웨어를 여러 계층으로 나누는 것이다. 가장 아래에는 하드웨어 또는 메카트로닉 계층이 있다. 이 계층은 최신 자동차 곳곳에 있는 수많은 센서 및 시스템과 통신하는 데 필요한 시스템 수준의 세부 사항을 담당한다.
중간 계층들이 어느 정도의 상호 통신을 처리한다. 최종 사용자에게는 드러나지 않지만, 바로 이 지점에서 통합과 관련된 난관과 확장성 문제가 빠르게 커진다. 이런 파편화는 자동차 소프트웨어 개발자들에게 점점 더 큰 과제로 다가오고 있다.
마지막으로, 최상위에는 이른바 애플리케이션 계층이 있다. 이는 터치스크린 인터페이스부터 능동안전 시스템에 이르기까지, 운전자가 경험하는 차량의 동작과 기능을 정의하고 영향을 미치는 다양한 요소를 포괄한다.
Suffel은 이렇게 말한다. “OEM은 자신들에게 가장 중요한 영역, 즉 애플리케이션 계층에 집중해야 합니다. 이 계층이야말로 차량 구매자가 실질적인 차이를 체감하는 지점이기 때문입니다. 따라서 목표는 통합의 부담을 플랫폼 제공업체로 이전하는 것입니다.”

Alloy Kore는 사전 통합 및 사전 인증을 거친 차량용 기반 소프트웨어 플랫폼이다. 자동차 소프트웨어 개발자는 이 플랫폼을 토대로 차별화된 USP를 개발해 최종 사용자에게 제공하는 데 집중할 수 있다.

Alloy Kore의 역할

바로 여기서 Alloy Kore가 등장한다. Suffel은 이 차량용 기반 소프트웨어 플랫폼을 일종의 ‘기판’에 비유하며, 개발자들이 안정성은 물론 차량용 소프트웨어 개발의 수많은 난제를 해결하는 데 있어 전적으로 의지할 수 있는 존재라고 설명한다.
Suffel은 이렇게 말한다. “정말 견고합니다. 마치 집의 토대와 같죠.”
Alloy Kore는 소프트웨어 컴포넌트를 통합하는 과정에서 발생하는 숨겨진 비용과 위험을 상당 부분 해소한다. 검증된 QNX 및 벡터의 기술을 바탕으로 구축된 이 플랫폼은 일원적인 사전 통합 소프트웨어 기반을 제공한다. 덕분에 OEM 및 티어 1 공급업체의 개발자들은 자체 플랫폼을 구축하는 복잡한 과정 없이 혁신적인 소비자용 애플리케이션 및 경험의 제공이라는 본연의 업무에 집중할 수 있다.
그에 못지않게 중요한 점은 Alloy Kore가 최신 SDV의 안전 및 보안 요건을 기본적으로 충족해 현재뿐 아니라 미래의 모든 세대 차량에도 적합하다는 것이다. Suffel은 이렇게 설명한다. “사전 통합과 사전 인증을 거쳤으며 뛰어난 성능을 제공합니다. 결국, OEM은 우리의 솔루션을 통해 시간과 비용을 모두 절약할 수 있습니다.”
이런 효과는 초기 결과만으로도 입증된다. 얼리 액세스 릴리즈에서는 개별 스택을 사용할 때보다 통신 지연 시간이 85% 감소했으며, 전체 CPU 부하는 절반으로 줄어들었다.

혼돈 대신 체계적인 구성으로

Alloy Kore와 같은 소프트웨어 플랫폼을 활용하면 탄탄한 기반을 마련해 베이직 소프트웨어 개발 업무의 부담을 획기적으로 줄일 수 있다. 그러나 모든 사용사례를 차량에 성공적으로 통합해야 한다는 과제가 아직 남아 있다. 최신형 자동차는 고도로 복잡한 시스템인 데다, 개발자는 여전히 도메인 전용 미들웨어와 애플리케이션 계층 자체를 통합해야 한다. 수많은 사용사례와 개별 구성 요소가 존재하며, 모든 것이 개발자의 의도대로 동작하려면 이러한 요소를 적절하게 구성해야 한다.
점토로 조형하는 것과 모델 키트를 조립하는 것으로 비유하면 이해하기 쉽다. 점토 조형에서는 모든 요소를 정교하면서도 정확하게 빚어내야 한다. 그리고 완성된 조형물의 개별 부품을 재사용하는 것은 사실상 불가능하다. 반면 키트를 조립한다면 복잡한 조형물을 훨씬 더 빠르게 만들 수 있으며, 각 부품을 재사용하는 것도 가능하다. 하지만 그 모든 부품이 어떻게 맞물리는지 알려주는 설명서가 필요하다. 게다가 모델이 복잡해질수록 사용 설명서도 그만큼 방대해질 것이다.
Alloy Kore는 이런 복잡성을 최대한 덜어내 일관적이고 이해하기 쉬운 구성 방식을 제공한다. 또한 개발자들이 이미 사용하고 있는 다양한 버전 관리 시스템 및 기타 구현 툴과도 매끄럽게 연동된다.
“우리는 모든 것을 코드로( Everything as Code ) 전략을 따릅니다. 이는 곧 구성을 버전 관리가 가능한 데이터 형식으로 변환하고 파이썬 등 프로그래밍 언어로 생성할 수 있다는 의미입니다.”
Suffel이 설명한다.
널리 보급된 최신 프로그래밍 언어와 개발 툴을 활용하면 자동차 소프트웨어 개발은 더욱 현대적이고 개발자들에게 매력적인 분야로 거듭날 수 있다. 이를 통해 소프트웨어 구성 프로세스의 상당 부분을 자동화할 수 있으며, 동시에 AI 에이전트가 반복적이고 복잡한 구성 작업을 관리하여 개발자를 지원한다.
이는 한층 효율적이고 예측 가능한 소프트웨어 개발로 이어진다. 개발자는 구성 파일을 해석하고 업데이트하는 데 들이는 시간을 줄이고, 최신 차량의 가능성을 확장하는 코드를 작성하는 데 전념할 수 있다.

더 나은 차량을 넘어

자동차 소프트웨어 개발 환경은 급변하고 있으며, 이런 환경에서 발생할 수 있는 모든 잠재적 위험을 단번에 해소할 묘책은 존재하지 않는다. 또한, Alloy Kore와 같은 기반 소프트웨어 플랫폼이 조직 구조의 문제점까지 해결해 주는 것은 아니다. 따라서 조직 구조도 역시 함께 진화해야 한다. 그러나 Alloy Kore는 갈수록 복잡해지는 개발 환경에서 솔루션의 구축, 테스트, 배포에 필요한 간접 비용을 획기적으로 줄일 수 있다. 이를 통해 개발자는 다양한 툴을 활용해 차세대 SDV 개발에 집중 할 수 있으며, 모든 요소를 처음부터 구축해야 하는 부담도 덜 수 있다. Alloy Kore는 개발의 기반이자 동시에 끊임없이 진화하는 플랫폼이다. 다음 단계로는 Alloy Kore 위에 추가 계층을 구축하여 고성능 온보드 칩 및 시스템과 연동하는 것은 물론, 기존 차량 아키텍처와 최신 서비스 지향 시스템 간의 연결 고리를 강화할 예정이다. 이는 자동차 소프트웨어 개발을 다시 한번 미래로 이끄는 동력이 될 것이다.
그것조차 서막에 불과할지도 모른다. Suffel은 이렇게 말한다.
“소프트웨어 정의 시스템은 어디에나 있습니다. 로봇이나 자동화 시스템, 의료 기기 등 다방면에 활용되고 있죠. 자동차 소프트웨어 개발 및 규제가 엄격한 산업 분야에서 35년 이상의 경험을 쌓아 온 벡터는 개발 주기를 단축하고 시스템을 최적화하는 데 특화된 기업입니다. 다른 신흥 산업들을 살펴보면, 필요한 점과 난관은 모두 유사합니다. 벡터의 범용 솔루션은 그러한 환경까지도 뒷받침할 수 있습니다. Alloy Kore의 원리는 자동차는 물론, 그 이상의 어떠한 시스템이든 견고하고 탄탄한 기반 플랫폼이 될 수 있는 수많은 솔루션의 예시 중 하나일 뿐입니다.”

이 컨텐츠는 MotorTrend가 광고주와 협력해 제공한 협찬 컨텐츠다. 광고주는 본 컨텐츠를 홍보하기 위해 비용을 지불했으며, 컨텐츠에 영향을 미쳤거나 직접 작성했을 수 있다. 컨텐츠에 표현된 견해는 광고주의 견해이다.

Eclipse SDV, LG Electronics on the Code-First Philosophy

한상민 기자_han@autoelectronics.co.kr — 2026-07-21 10:29:32+0900

Eclipse SDV, LG전자가 설명한 Code First SDV

한상민 기자_han@autoelectronics.co.kr — 2026-07-21 10:24:09+0900

표준은 어디에서 만들어질까.자동차 산업은 오랫동안 회의실이라고 믿었다. 문서를 만들고, 회의를 하고, 합의한 뒤 개발하는 것이 당연한 순서였다. 하지만 Eclipse SDV는 전혀 다른 길을 제시한다. 먼저 코드를 공개하고, 함께 검증한 뒤, 그 경험으로 표준을 만든다. LG전자가 말한 'Code First'는 단순한 오픈소스 전략이 아니라 자동차 산업이 협업하는 방식을 바꾸자는 것이었다.

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

자동차 산업에서 소프트웨어는 오랫동안 두 갈래 길밖에 없었다. 직접 만들거나(Make), 사 오거나(Buy). 그런데 지난 7월 1일 본지가 수원컨벤션센터에서 개최한 Automotive Innovation Day 2026 무대에서 이철희 LG전자 SDV SW 플랫폼 프로젝트 리더 겸 Eclipse SDV Korea Ambassador는 이 오래된 이분법이 더 이상 성립하지 않는다고 말했다.
“저희는 기존 선택지였던 Make와 Buy 사이에 Collaboration을 선택한 겁니다.”
이 말은 그의 강연에 대한 이야기의 전부라고 해도 과언이 아니었다. LG전자가 왜 자동차 소프트웨어를 오픈소스로 만들고, 경쟁사와 코드를 공유하며, ‘표준을 따라가는 나라’였던 한국이 ‘표준을 만드는 나라’가 되려 하는지의 답 모두가 이 세 번째 선택지, Collaboration에서 출발한 것이다.

Make와 Buy 사이에서

이철희 리더는 자동차 업계가 왜 이 낯선 세 번째 선택지를 택할 수밖에 없었는지부터 설명했다.
“기존의 자동차 업계에서는 소프트웨어에 대해 각자 만들거나 아니면 사 와서 사용했습니다. 그런데 각자 만들게 되면 소프트웨어 스택은 점점 늘고, SDV 시대가 돼 이는 더욱 늘어나는데 개발자 수는 한정돼 있습니다.”
Make의 첫 번째 함정은 인재 전쟁이었다. 이철희 리더는 두 번째 함정도 짚었다.
“또, 소프트웨어 개발을 다 일일이 하다 보면 납기를 못 맞추는 경우가 생겼고요.”
그렇다면 Buy는 대안이 될 수 있었을까. 이철희 리더는 고개를 젓는다.
“물건을 사 오는, 소프트웨어를 사 오는 입장에서 보면 버전에 대한 의존성, 다음 모델, 그다음 모델에 대한 미래 의존성까지 굉장히 부담되는 게 현실입니다. 그리고 어떤 특정 플랫폼에 의존했을 때 그 플랫폼이 표준이 아니라고 하면 그건 더더욱 문제가 있죠.”
만들면 인재가 없고, 사면 미래를 저당 잡힌다. 이 딜레마 앞에서 자동차 업체가 도달한 결론이 협업이다. 이철희 리더는 이 부분을 다음과 같은 비유로 정리했다.
“바퀴를 수십 번 만들고 수십 번 다시 발명할 필요는 없다고 생각한 거죠.”
그렇게 2023년 3월, 완성차와 부품사들이 함께 참여하는 Eclipse SDV Working Group이 출범했다. 그런데 이 조직이 내건 원칙은 협업이라는 부분에서 흔히 상상하는 것과는 달랐다.

오픈소스 조직 형태의 세 유형

“소스 코드 먼저 오픈해라”

자동차 산업은 원래 규제와 문서의 산업이다. 이철희 리더는 이 업계의 오랜 관행을 이렇게 짚었다. “이 업계에 계시는 여러분들은 문서를 굉장히 잘 만드십니다. 요구사항 문서, 회의 자료 그리고 회의를 위한 회의 자료, 뭐든 이렇게 잘 만들어요.”
문서 → 회의 → 표준 → 개발. 이 순서는 자동차 산업이 반세기 넘게 해 온 것이다. 회의에서 논의하고, 문서로 정리하고, 여러 이해관계자가 표준으로 확정한 다음에야 비로소 코드를 짠다. 문제는 이 순서 자체에서 시간이 너무 오래 걸린다는 거다.
Eclipse SDV는 이런 순서를 통째로 뒤집었다. 표준을 정해놓고 그 표준에 맞춰 코드를 짜는 대신, 코드를 먼저 짜고 그 코드들을 서로 맞춰본 다음 표준을 확정한다. 즉 코드 → 검증 → 표준이다. 이철희 리더는 이 방식을 이렇게 설명했다.
“Eclipse SDV는 약간 다른 길로 가보자고 했습니다. 소스 코드부터 먼저 공개하자. 그리고 서로의 소스 코드를 맞춰보면서, 실제로 잘 맞았던 경험을 바탕으로 표준을 만들자는 것입니다.”
여러 업체가 각자 짠 코드를 실제로 맞대어 보고 그 과정에서 검증된 방식이 표준으로 자리 잡는다.
표준은 회의실에서 문서로 합의되는 게 아니라, 여러 회사의 코드가 실제로 맞물려 돌아갈 때 만들어진다. 이게 이른바 ‘Code First’ 철학이다.
왜 이런 역발상이 필요했을까. 이철희 리더가 소개한 Eclipse Foundation의 태생 자체가 그 답이다. 2001년 IBM이 이클립스 IDE를 오픈소스로 공개했을 때, 업계는 오히려 이를 불신했다. ‘IBM이 오픈한 솔루션을 어떻게 믿고 쓰냐’는 우려였다. 그 불신을 넘어서기 위해 2004년 특정 기업이 주도하지 않는 벤더 중립 거버넌스 조직, 즉 Eclipse Foundation이 설립됐다.
이철희 리더는 이 역사를 이렇게 요약했다.
“오픈소스가 아니라 오픈 컬래버레이션을 해야된다라고 하는 생각으로 만들어진 것입니다. 저는 사실 이게 이 발표의 시작점이라고 생각합니다.”
문서가 아니라 코드로, 위계가 아니라 신뢰로, 자동차 산업이 표준을 만드는 방식 자체가 바뀌고 있다는 것을 강조했다.

Eclipse Trustable SW Framework의 6대 원칙

코드보다 사람

하지만 코드를 공개하는 것만으로는 협업이 완성되지 않는다. 이철희 리더는 이렇게 말했다.
“소스 코드를 GitHub에 누구든지 올릴 수 있죠. 근데 해당 프로젝트에 대한 수정, 프로젝트를 어떻게 운영할 것인지, 프로젝트가 지향하는 목표가 다른 기업이나 이해관계자들과 합의가 되지 않는다면 협업이라고 할 수가 없습니다. 단순히 솔로, 싱글 벤더 프로젝트죠.”
이철희 리더가 정의하는 진짜 협업, Open Collaboration은 다른 기준을 요구한다. 여러 이해관계자가 프로젝트의 방향과 규칙에 함께 합의한다. 그리고 이런 구조를 지탱하는 것이 사람이다.
“아무리 좋은 프로젝트도 사람이 없으면 프로젝트는 중단되고 멈추게 됩니다. 경쟁사끼리 코드를 공유하는 일이 실제로 가능했던 이유도 사람과 사람 사이의 관계입니다. 협업의 핵심은 코드가 아니라 사람 간의 관계, 사람 간의 신뢰입니다.”
BMW와 메르세데스 벤츠, LG전자와 보쉬, 현대모비스처럼 서로 경쟁하거나 갑을 관계에 있는 업체들이 같은 테이블에 앉을 수 있었던 것이 바로 이 신뢰 때문이다.
오픈소스가 안전한지 묻는 질문에도 이철희 리더는 같은 논리로 답했다. 세이프티나 시큐리티에 대한 걱정 이면에는 누가 만들었는지, 어떻게 책임지는지 모른다는 신뢰의 부재가 있다. 그래서 이 문제를 기술로 막는 대신, 증거를 쌓아 신뢰를 증명하는 방식으로 풀어야 한다.

표준을 따르는 데서, 만드는 것으로

이런 철학은 이제 한국에서도 현실이 되고 있다. LG전자가 2025년 12월 서울에서 주최한 Eclipse SDV 커뮤니티 행사에는 OEM, 티어 1, 반도체 업체, 클라우드 업체, 스타트업, 대학까지 약 120명이 모였다. 이철희 리더는 이를 계기로 한국에서도 오픈소스가 가능하다는 확신을 얻었다.
LG전자가 오픈소스를 택한 이유는 세 가지였다. 이철희 리더는 이렇게 정리했다.
“첫 번째는 표준입니다. 표준이 만들어진 이후에 따라갈 것인가, 아니면 먼저 진입해서 비차별화 영역 안에서 우리가 표준을 만들 것인가, 그래서 저희는 후자를 선택했고, 표준을 만들기로 결정했습니다. 두 번째, 저희는 소프트웨어 기술력을 보여주고 싶었습니다. 마지막으로는 혼자서는 절대 SDV를 달성할 수 없다는 것을 인정했습니다.” LG전자의 Pullpiri·Timpani는 그 결정의 결과물이다.
그리고 이런 움직임은 LG전자 한 곳에 그치지 않는다. 현대모비스는 올해 초 자체 오픈소스 프로젝트 SSAM을 공개했고, 81개 회원사가 참여한 표준화 협력체 K-SDV가 SDV 표준을 위한 협력체를 운영하고 있다. 정부도 2026년 5월 말, SDV 국가표준, 오픈소스 기반 AI-SDV 플랫폼, SDV 미들웨어 개발을 주제로 총 3개 국책과제를 공고하며 여기에 힘을 보탰다. 세 과제 모두 42개월, 각각 149.9억 원 규모다. 자동차 업체 개별의 선택이었던 오픈소스가 이제 국가 단위의 표준화 전략으로 옮겨간 셈이다.
“한국도 이제 SDV 표준을 만들어서 어떻게 글로벌하게 나갈 수 있는지를 고민하기 시작했다는 것이 굉장히 긍정적인 부분입니다.”
이철희 리더는 이 흐름을 이렇게 말하며 세 문장으로 메시지를 정리했다.
“첫 번째, SDV는 절대 한 기업이 다 만들 수는 없다고 봅니다. 두 번째, 오픈소스의 핵심은 코드가 아니라 협업입니다. 세 번째, 한국은 더 이상 따라가는 위치가 아니라 표준을 함께 만드는 위치로 이동하고, 더 빠르게 가야 합니다.”
이날 강연에 따르면, SDV 시대의 경쟁은 더 이상 누가 더 많은 소프트웨어를 보유했는가가 아니다. 누가 더 빨리 표준을 만드는 생태계 안으로 들어가느냐다. LG전자가 말한 Code First는 그 질문에 대한 하나의 답이었다. 그리고 그 표준은 더 이상 회의실에서 만들어지지 않는다.

이철희 리더의 AID 2026 폐막 강연은 어쩌면 Eclipse SDV가 말하는 Collaboration을 가장 먼저 보여준 사례였는지도 모른다. 당초 본지는 Eclipse Foundation의 유럽 관계자에게 강연을 요청했지만 이미 일정이 잡혀 참석이 어려웠다. 그래서 Eclipse SDV 측은 프로젝트를 이끌고 있는 LG전자의 이철희 리더를 연사로 연결했다. 강연자는 바뀌었지만 Eclipse SDV가 전하려는 메시지는 그대로 이어졌다. Collaboration은 이철희 리더의 발표가 시작되기 전부터 이미 진행되고 있었다.

ADAS 경쟁력, 이제는 신호처리 플랫폼을 주목할 때

글 | 이 상 민, 칼테라 한국지사장 — 2026-07-20 15:40:42+0900

ADAS 경쟁력은 이제 센서의 개수나 성능만으로 결정되지 않는다. 차량이 방대한 레이다 신호를 얼마나 빠르고 정확하게 처리해 의미 있는 판단으로 연결하느냐가 새로운 경쟁력이 되고 있다. 칼테라는 차세대 레이다 신호처리 플랫폼을 통해 ADAS의 경쟁 기준이 하드웨어에서 연산 아키텍처와 소프트웨어 플랫폼으로 이동하고 있다고 설명한다.

글 | 이상민, 칼테라 한국지사장

첨단 운전자 지원 시스템(ADAS) 기술을 이야기할 때 가장 먼저 떠올리는 것은 센서다. 이때 흔히 나오는 질문은 카메라가 몇 개 들어가는지, 레이다의 탐지 거리가 어느 정도인지와 같은 것들이다. 물론 센서는 ADAS의 핵심 요소다. 그러나 실제 양산 차량에 적용하는 단계에서는 품질 좋은 센서를 탑재하는 것만으로 충분하지 않다. 센서가 받아들인 신호를 얼마나 빠르게 처리하고, 복잡한 도로 환경에서 필요한 정보만 얼마나 정확하게 추출하며, 이를 차량이 판단할 수 있는 형태로 안정적으로 전달하는지가 ADAS 경쟁력을 좌우한다.

센서보다 중요한 것은 신호처리다

결국 ADAS의 경쟁력은 감각 신경에 해당하는 센서와 뇌에 해당하는 연산 플랫폼이 얼마나 잘 결합되는지에서 판가름 난다. ADAS 기능이 고도화되고 차량 한 대에 들어가는 센서 수가 늘어나면서 레이다의 역할도 확대되고 있다. 이제 레이다는 앞차와의 거리나 속도를 감지하는 수준을 넘어 더 넓은 범위에서 더 많은 물체를 구분하고 복잡한 주행 상황을 이해해야 한다.
문제는 그만큼 처리해야 할 데이터와 연산 부담도 커진다는 점이다. 자동차는 전력, 공간, 비용의 제약이 큰 환경이기 때문에 제한된 조건 안에서 수 밀리초 단위의 실시간 판단을 구현해야 한다. 특히 고속 주행 상황에서는 몇 밀리초의 처리 차이도 안전에 영향을 줄 수 있다. 따라서 앞으로의 레이다 경쟁은 단순한 하드웨어 스펙만으로 설명하기 어렵다. 송수신 채널 수, 감지 거리, 해상도도 중요하지만, 신호가 들어온 뒤 이를 얼마나 빠르게 처리하고 의미 있는 결과로 바꾸는지가 더욱 중요해지고 있다.
업계에서 레이다 신호 처리 플랫폼을 차세대 레이다 칩의 핵심으로 보는 것도 이 때문이다. 칼테라도 차세대 ADAS용 고성능 밀리미터파 레이다 SoC를 선보였고, 여기에 새로운 아키텍처를 적용해 높은 연산 성능과 유연한 알고리즘 실행 환경을 제공하고 있다. 이 아키텍처는 레이다 신호 입력부터 데이터 출력까지 전 과정을 처리한다. 고정된 연산만 수행하는 장치가 아니라 다양한 레이다 알고리즘을 유연하게 실행할 수 있는 신호 처리 플랫폼이라는 점이 특징이다.
자체 테스트에 따르면 이 아키텍처는 복잡한 레이다 신호 행렬을 입력받아 다양한 속도와 각도를 포함한 2차원 평면 검출 등 주요 연산을 약 6밀리초 안에 수행했다. 기술적 내용은 다소 복잡할 수 있지만 의미는 분명하다. 레이다가 받아들인 방대한 데이터를 매우 짧은 시간 안에 처리해 차량이 판단할 수 있는 정보로 바꿔준다는 뜻이다. ADAS가 실제 도로에서 빠르게 반응하고 안전을 확보하려면 이러한 처리 속도가 관건이 된다.

유연한 아키텍처가 성능을 만든다

앞으로 레이다가 풀어야 할 과제도 더 많아질 것이다. ADAS 기능을 탑재한 차량이 늘어나면서 도로 위에서는 여러 차량의 레이다 신호가 동시에 오가게 되고, 이에 따라 레이다 간섭 문제가 더욱 중요해진다. 또한 복잡한 도로 환경에서는 허상을 인식하거나 실제 물체와 불필요한 신호를 구분해야 하는 경우도 많다. 신호를 정교하게 처리하고, 물체를 분류하며, 불필요한 신호를 제거하는 후처리 기술이 레이다 성능을 좌우하는 핵심 영역으로 부상하고 있다.
기존의 고정형 신호 처리 구조로는 이런 변화에 유연하게 대응하기 어렵다. 예를 들어 레이다 간섭 문제의 경우, 단순히 시간 영역에서 신호를 부드럽게 만드는 방식만으로는 간섭 신호와 실제 유효 신호를 정교하게 구분하기 어렵다. 필요한 신호까지 손상될 수 있고, 오히려 오검출 가능성이 커질 수도 있다. 칼테라는 이를 다차원 신호 관점에서 접근해 유효 신호는 보존하면서 불필요한 간섭을 줄이는 항간섭 알고리즘을 개발했다.
이런 알고리즘은 계산량이 많고 처리 과정도 복잡하다. 결국 높은 연산 성능과 유연한 구조가 뒷받침돼야 한다. 점군 강화, 특징 추출, 물체 분류, 허상 제거, 초해상도 처리 같은 후처리 알고리즘은 지능형 주행 레이다의 성능을 좌우할 핵심 기술이다. 이런 알고리즘은 차종, 센서 배치, 주행 시나리오, 기능 요구사항에 따라 달라지기 때문에 고객사는 자신만의 알고리즘을 빠르게 시험하고 칩 위에 효율적으로 배포할 수 있어야 한다.
칼테라의 새로운 아키텍처는 이 지점에서 더 큰 자유도를 제공한다. 사용자 정의 프로그래밍을 지원하기 때문에 플랫폼의 연산 자원을 유연하게 활용할 수 있고, 다양한 맞춤형 계산 작업을 구현할 수 있다. 칼테라는 CNN 합성곱 신경망 추론 작업을 안정적으로 실행하는 개념 검증을 완료했고, 점군 분류와 허상 제거 같은 전통적인 레이다 알고리즘 프로토타입도 구현했다. 이는 고객사가 해당 아키텍처를 기반으로 자신만의 알고리즘 체계를 구축하고, 차별화된 기술 경쟁력을 만들 수 있다는 의미다.
이런 성능을 가능하게 하는 핵심은 아키텍처 설계다. 칼테라의 새로운 아키텍처는 병렬 연산 구조와 재구성 가능한 구조를 통해 다양한 레이다 알고리즘을 효율적으로 처리할 수 있도록 설계됐다. 또한 듀얼 스레드 구조를 통해 실시간성이 높은 작업과 후처리 작업을 나누어 수행할 수 있어, 단일 스레드로 11밀리초가 걸리던 작업을 듀얼 스레드 병렬 처리로 6밀리초 이내에 완료할 수 있었다. 이는 제한된 칩 면적과 전력 안에서 높은 연산 성능을 확보해야 하는 자동차용 반도체에 중요한 설계 방향이다.

ADAS 경쟁은 플랫폼 경쟁으로 향한다

자동차 산업에서 이런 분명하다. 완성차 업체와 부품사는 더 높은 성능을 원하지만, 동시에 개발 기간 단축과 양산 안정성도 요구한다. 새로운 알고리즘을 적용할 때마다 하드웨어 구조를 다시 바꾸거나 긴 시간 동안 수작업 최적화를 반복해야 한다면 시장 변화에 빠르게 대응하기 어렵다.
소프트웨어 생태계도 함께 중요하다. 아무리 좋은 연산 플랫폼이라도 개발자가 쉽게 다루지 못하면 양산 프로젝트에서는 한계가 있다. 칼테라 역시 드라이버, 시뮬레이션, 메모리 관리 도구 등 개발 툴체인을 고도화하고 있다. 고객사가 알고리즘을 더 빠르게 검증하고, 문제를 더 쉽게 찾고, 양산 적용까지의 시간을 줄일 수 있도록 하기 위해서다.
앞으로 ADAS는 단순히 더 많은 센서를 탑재하는 방향으로만 발전하지 않을 것이다. 더 많은 데이터를 더 빠르게, 더 정확하게, 더 유연하게 처리하는 방향으로 진화해야 한다. 운전자는 레이다 칩 안에서 어떤 연산이 이뤄지는지 알지 못한다. 그러나 그 연산이 충분히 빠르고 정확할 때 차량은 더 일찍 위험을 감지하고 더 안정적으로 대응할 수 있다.
ADAS의 미래 경쟁력은 더 이상 “무엇을 감지할 수 있는가”에만 머물지 않는다. 감지한 신호를 얼마나 빠르게 이해하고, 얼마나 안정적으로 판단으로 연결하며, 얼마나 유연하게 새로운 기능으로 확장할 수 있는지가 중요해진다. 센서의 시대를 넘어, 신호 처리 플랫폼의 시대가 오고 있다.

SDV Strategy: Build, Buy or Partner?

By Sarada Vishnubhatla_sarada@autoelectronics.co.kr — 2026-07-20 11:18:16+0900

SDV 전략, 자체 개발인가 구매인가 파트너십인가

글 | 사라다 비슈누밧틀라(Sarada Vishnubhatla) sarada@autoelectronics.co.kr — 2026-07-20 11:10:24+0900

AID 2026에서 발표 중인 제프 워커 CCO.

INTERVIEW
제프 워커
Jeff Walker, CCO at SDVerse

소프트웨어 정의 자동차(SDV) 시대에 기술력만으로는 더 이상 경쟁력을 담보할 수 없다. OEM은 이제 소프트웨어를 사내에서 직접 개발할 것인지, 외부에서 조달할 것인지, 아니면 생태계 전반에 걸쳐 파트너십을 맺을 것인지 새로운 균형점을 찾아야 하는 상황에 놓여 있다. SDVerse의 최고상업책임자(CCO) 제프 워커가 자동차 소프트웨어 조달 방식의 변화, 소프트웨어 마켓플레이스의 부상, 그리고 글로벌 SDV 생태계가 나아갈 방향에 대해 이야기했다.

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

“하루만 더 있었으면 좋았을 텐데.”
이건 어느 기조연설자의 말이 아니라 내가 한 말이다. 그리고 여기에는 이유가 있다.
수원에서 열린 이번 오토모티브 이노베이션 데이(AID)는 나의 첫 참석이었다. 무엇보다 뿌듯했던 것은 우리 팀이 몇 달간 노력을 통해 또 한 번의 성공적인 행사, 정확히는 15회째를 만들어내는 과정을 직접 지켜본 것이었다.
가장 놀라웠던 것은 참가자, 연사, 전시 기업들과의 대화가 얼마나 자연스럽게 시작되었는가였다. 한국 엔지니어든, 글로벌 기술 기업 리더든, CEO든 모두가 편하게 다가갈 수 있는 사람들이었다. 한국인은 낯을 가린다는 이야기를 자주 들어왔고 어느 정도는 사실일지 모르지만, 막상 대화가 시작되면 다들 따뜻하고 사려 깊고 놀라울 만큼 너그러웠다. 하루짜리 행사는 좋은 분위기 속에 마무리되었지만, 나는 그 대화들을 이어가고 싶다는 아쉬움에 하루가 더 있었으면 좋겠다고 생각했다.
인도에서 먼 길을 날아온 나는 몇 건의 인터뷰를 녹음하고, SDV 관련 다양한 주제를 다루는 여러 트랙에 참석했으며, 기조연설들을 통해 많은 것을 배울 수 있었다.

그 첫 번째 인터뷰를 소개한다.
SDVerse의 최고상업책임자(CCO) 제프 워커와의 대화다. 제프의 시각은 근본적으로 'SDV를 만드는 비즈니스'에 관한 것이며, 바로 이 점이 이번 인터뷰를 특별하게 만든다.
수십 년간 자동차 산업의 경쟁력은 생산 규모, 엔지니어링 역량, 공급망 효율성으로 정의돼 왔다. 그러나 오늘날 이런 차별화 요소들은 빠르게 소프트웨어에 자리를 내주고 있다. 차량이 소프트웨어 정의 플랫폼으로 진화하면서, 완성차 업체들은 새로운 현실과 마주하고 있다. 소프트웨어 개발 비용은 가파르게 상승하고, 개발 주기는 짧아지며, 모든 것을 사내에서 개발하던 기존 방식은 더 이상 지속 가능하지 않다는 것이다. 전 세계 완성차 업체들은 이런 전환에 저마다 다른 방식으로 접근하고 있지만, 근본적인 목표는 동일하다. 소프트웨어를 더 빠르게 공급하고, 비용을 절감하며, 수명 주기 내내 지속적으로 진화할 수 있는 차량을 만드는 것이다. 이 과정에서 소프트웨어는 독립된 제품으로 자리 잡고 있으며, 조달 방식이 변화하고, 자동차 생태계 전반에 걸친 협업의 중요성은 그 어느 때보다 커지고 있다.
인터뷰에서 제프 워커는 이런 변화가 완성차 업체의 전략에 어떤 영향을 미치는지, 소프트웨어 마켓플레이스가 왜 부상하고 있는지, 그리고 진화하는 SDV 환경이 한국과 인도 같은 시장의 공급업체, 스타트업, 자동차 생태계에 어떤 의미를 갖는지 이야기했다. 그는 자동차 산업이 더 이상 고립된 채로 혁신할 수 없는 이유를 설명하며, 여러 쟁점들을 연결해 산업이 나아가는 큰 그림을 그려 보였다.

“우리 산업에는 더 많은 협업이 필요합니다. 더 많은 파트너십이 필요합니다.
더 유연하고 마찰 없이 함께 일하는 방식이 필요합니다.”

제프 워커, SDVerse 최고상업책임자(CCO)

OEM 이사회에서 가장 자주 오가는 세 가지 질문이 뭘까요?
Jeff Walker       가장 고전적인 질문이죠. 직접 만들 것인가, 아니면 구매할 것인가. 완성차 업체들은 자원과 자금을 어디에 투자할지를 두고 딜레마에 빠져 있습니다. 인재를 내부에서 채용하고 육성할 것인가, 아니면 외주를 줄 것인가. 소프트웨어도 마찬가지입니다. 외부에서 조달하면 라이선스 비용이 발생하죠.
두 번째는 확장성에 관한 것입니다. 하나를 설계한 뒤 이를 여러 지역에 걸쳐 확장하면서도 각 지역 시장의 요구를 충족시키려면 어떻게 해야 하는가. 이는 특히 전통적인 완성차 업체들에게 큰 과제입니다. 백지 상태에서 시작하는 기업들, 특히 중국에서 나온 신생 제조사들은 여기서 유리합니다. 처음부터 확장성을 염두에 두고 플랫폼을 설계할 수 있으니까요.
세 번째는 속도입니다. 새로운 아키텍처를 얼마나 빠르게 출시할 수 있는가. 하지만 이는 다시 자본 투자 문제로 돌아옵니다. 속도에는 돈이 들기 때문입니다. 완성차 업체들은 현재의 아키텍처를 조금 더 오래 끌고 갈 수 있을지, 아니면 지금 새로운 아키텍처에 투자해야 할지를 고민합니다. 이는 시장이 요구하는 기능에 달려 있습니다.
이 질문들은 모두 서로 연결돼 있습니다. 투자의 균형을 맞추는 것, 지역별 요구사항을 충족시키면서 글로벌하게 확장하는 것, 적절한 속도로 새로운 아키텍처를 출시하는 것, 그리고 기존 고객을 계속 지원하는 것. 이것이 바로 오늘날 OEM에서 오가고 있는 논의라고 생각합니다.

OEM이 어떤 소프트웨어를 직접 개발하고 어떤 소프트웨어를 생태계에서 조달할지 결정할 때, 무엇이 그 판단의 기준이 됩니까?
Jeff Walker       지역에 따라 답이 조금 다릅니다. 유럽의 완성차 업체들은 운영체제(OS)를 직접 소유하는 데 집중하고 있습니다. 핵심 아키텍처를 통제하고 이를 여러 차량 플랫폼에 걸쳐 확장하고 싶어 하기 때문입니다. 이들의 전략은 핵심 부분에 대한 소유권은 유지하면서, 필요한 소프트웨어 구성 요소는 파트너십을 통해 확보하는 것입니다.
북미에서는 사고방식이 조금 다릅니다. 완성차 업체들은 주로 '공급업체 종속(lock-in)'에 대한 두려움에 이끌립니다. 특정 공급업체가 소프트웨어 아키텍처를 정의했다는 이유만으로 몇 년씩 그 업체에 라이선스 비용을 지불하는 상황에 놓이고 싶지 않은 것이죠. 일본, 한국, 인도에서도 비슷한 힘이 작용하고 있다고 생각합니다. 비중은 다를 수 있지만, 모두 비슷한 질문과 씨름하고 있습니다. 또 하나 중요한 고려 요소는 역량입니다. 이것을 직접 만들 인재와 엔지니어링 자원이 있는가. 없다면 그 역량을 확보하는 데 상당한 선행 투자가 필요합니다.
중국은 흥미로운 사례입니다. 비즈니스 모델 자체가 다르기 때문입니다. 화웨이 같은 기업들이 소프트웨어 생태계의 상당 부분을 제공하고, 완성차 업체는 주로 차량 제조와 통합에 집중합니다. 역할을 분담하는 방식 자체가 다른 것이죠. 어떤 길을 택하든, 모두가 같은 방향으로 가고 있습니다. 이제는 되돌아갈 수 없습니다. 남은 것은 그곳에 어떻게 도달하느냐는 질문뿐입니다.

OEM이 마켓플레이스를 통해 소프트웨어를 조달할 준비가 정말로 돼 있다고 보십니까?
Jeff Walker       SDVerse는 본질적으로 '연결 플랫폼'입니다. OEM과 공급업체가 자신들이 만들고자 하는 것에 맞는 미들웨어, 소프트웨어 애플리케이션, 디지털 엔지니어링 툴을 찾도록 돕습니다. 저희는 마켓플레이스에 등록된 솔루션에 대해 완전히 중립적입니다. 오픈소스든, 독점 소프트웨어든, 엔지니어링 서비스든 상관없이 중립 플랫폼을 유지하고, 이것이 OEM이 저희를 신뢰하는 이유 중 하나입니다. 마켓플레이스는 '누가 공급하는가'가 아니라 '기술적으로 얼마나 적합한가'로 움직입니다.
OEM이 또 하나 깨닫는 것은 얼마나 많은 시간을 절약할 수 있는가입니다. 적합한 소프트웨어를 찾는 데 몇 달을 쓰는 대신, 몇 분 안에 후보를 좁힐 수 있습니다. 저희가 마켓플레이스에 구축한 AI 기능을 이용하면 사용자가 기술 사양서를 업로드했을 때 플랫폼이 700개가 넘는 소프트웨어 목록 중 가장 근접한 매칭을 자동으로 찾아줍니다. 강력한 기능이죠.
그렇다고 해도 이 접근 방식 자체는 여전히 진화하는 중입니다. OEM은 아직도 소프트웨어 개발을 어떻게 가속화할지 모색하고 있고, SDVerse는 이를 가능하게 하는 도구 중 하나입니다. 저는 업계가 소프트웨어 환경이 얼마나 빠르게 변화하고 있는지, 전 세계적으로 얼마나 많은 선택지가 존재하는지를 아직 완전히 인식하지 못했다고 생각합니다. 마켓플레이스는 단지 무엇이 존재하는지를 발견하고 정리해주는 것만으로도 가치를 갖게 됩니다. OEM이 이미 관계를 맺고 있던 공급업체가 특정 소프트웨어 제품을 보유하고 있다는 사실을 마켓플레이스에서 찾고 나서야 알게 된 사례도 있었습니다. 이미 존재하는 것을 발견해내는 능력, 이것이 정말 중요합니다.
오픈소스도 이 대화의 또 다른 축입니다. 업계 전반에서 아직 완전히 이해되고 있지는 않습니다. 대부분의 소프트웨어 개발자, 많은 엔지니어들은 이해하고 있지만, 더 넓은 생태계는 아직도 이를 효과적으로 다루는 법을 배우는 중입니다. 작년 어느 서밋에서 좋은 비유를 들었습니다. “오픈소스는 공짜 맥주가 아니라 공짜 강아지 같은 것이다”라고요. 즉, 라이선스 비용은 내지 않아도 지속적인 책임은 여전히 남는다는 뜻입니다. 유지보수를 해야 하고, 커뮤니티에 수정 사항을 기여해야 하며, 시간을 들여 이를 지원해야 합니다. 오픈소스는 소프트웨어 개발 비용을 줄이는 핵심 수단이지만, 동시에 다른 사고방식과 명확한 운영 전략을 요구합니다. OEM은 이를 어떻게 자신들의 계획에 반영할지 아직 배우는 중입니다. 저는 오픈소스가 필수적이라고 믿지만, 업계가 완전히 성숙하기까지는 시간이 걸릴 것입니다. S-CORE 같은 이니셔티브가 중요한 이유도 여기에 있습니다.

OEM 생태계에 신뢰를 심어주기 위한 전략은 무엇입니까?
Jeff Walker       신뢰를 쌓는 것 자체가 전략입니다. 신뢰는 말한 것을 실제로 실행하고, 꾸준히 결과를 내는 데서 얻어집니다. 예를 들어 프라이버시와 보안은 저희 마켓플레이스에 처음부터 내장돼 있습니다. 모든 참여자에게 필수적이기 때문이죠. 기업들은 자신들의 지식재산을 SDVerse에 올렸을 때 그것이 보호받는다는 확신이 필요합니다. 자사의 정보가 오직 자신들이 선택한 상대에게만 공개된다는 확신이 필요하죠.
동시에 저희는 SDVerse 같은 소프트웨어 마켓플레이스가 왜 존재하는지, 업계에 어떤 가치를 가져다주는지를 계속해서 증명해 나가고 있습니다. 그것이 바로 신뢰를 쌓는 방식입니다. 결과로 보여주는 것이죠.
물론 업계를 선도하는 이름들이 플랫폼에 있다는 것도 도움이 됩니다. 북미에는 세계적으로 인지도 있는 브랜드인 GM이 있습니다. 한국, 인도에 명망 있는 자동차 기업들이 있고, 저희는 그들과도 함께 일하고 싶습니다. 이들이 플랫폼에서 새로운 소프트웨어 솔루션을 발견하고 성장하는 SDVerse 생태계의 일원이 되기를 바랍니다.

인도 시장에 대한 질문으로 자연스럽게 이어지네요. 인도의 완성차 업체와 소프트웨어 기업들은 어떻게 야망을 가속화하고 있으며, SDVerse는 인도에서 무엇을 하고 있습니까?
Jeff Walker       저희는 인도 자동차 생태계가 글로벌 산업에 가져다주는 인재, 역량, 엔지니어링 효율성을 잘 알고 있고, 이를 적극적으로 활용하고 싶습니다. 지금 저희의 초점은 더 많은 심포지엄, 컨퍼런스, 업계 행사에 참여해 SDVerse라는 이름을 알리는 데 있습니다. 저희 마켓플레이스에 있는 OEM은 인도 공급업체가 SDVerse에 더 많이 들어오기를 바란다는 점을 구체적으로 꼽았습니다. 인도를 비용 부담이 크지 않으면서도 명확한 기술 리더로 보고 있기 때문입니다. 그래서 이는 SDVerse에게 우선순위 과제입니다. 이와 관련해 저는 이미 인도의 최소 30개 공급업체와 협의 중입니다. 흥미롭게도 대화는 거의 항상 하나의 질문으로 귀결됩니다. GM, 스텔란티스 같은 글로벌 완성차 업체들과의 사업을 SDVerse가 어떻게 키워줄 수 있는가.
또한 인도의 기업가와 기업들은 검소하고 실용적이라고 말씀드리고 싶습니다. 저희는 그들을 대신해 완성차 업체들에게 다가갈 자격이 있다는 것을 인도 생태계에 증명해야 합니다. SDVerse는 새로운 비즈니스 모델이기 때문에, 이것이 어떻게 작동하고 어떤 가치를 만들어내는지를 직접 보여줘야 합니다. 일단 SDVerse에 등록되면, 글로벌 OEM에서 소프트웨어 조달을 결정하는 사람들 앞에 바로 놓이게 됩니다. 저희는 그 완성차 업체들이 인도의 기술 생태계, 소프트웨어 기업, 기술 공급업체, 1차 협력사와 협력하기를 원한다는 것을 알고 있습니다.

SDVerse가 인도와 아시아 전역으로 입지를 넓혀가면서, 한국의 OEM과 공급업체에게는 어떤 기회가 있다고 보십니까?
Jeff Walker       우선 한국과 인도라는 두 기술 강국이 있습니다. 둘 다 소프트웨어, 시스템 엔지니어링, 자동차 분야에서 깊은 전문성을 갖고 있습니다. 이 두 나라의 강점이 결합되면 강력한 조합이 됩니다. 여기에는 더 넓은 지정학적 차원도 있습니다. 한국과 인도는 유럽, 북미, 그 밖의 글로벌 시장의 고객·파트너들과 협력하기에 좋은 위치에 있습니다. 이는 이들이 입지를 넓히고 시장 점유율을 확보할 실질적인 기회가 됩니다.
저는 글로벌 환경이 변화하는 방식 속에서 한국과 인도의 자동차 산업 모두 혜택을 볼 수 있다고 믿습니다. 공급망이 다변화되고 기업들이 기술 파트너십을 넓히려는 상황에서, 이 두 나라는 유리한 위치에 있습니다. 많은 국가들에게 신뢰받는 파트너이며, 이는 그들이 발판으로 삼을 수 있는 강점입니다.

한국은 오랫동안 전자, 제조, 정밀 엔지니어링 분야의 선두주자였습니다. 산업이 SDV로 전환하는 지금, 한국의 OEM과 공급업체는 어디쯤 와 있다고 보십니까? SDVerse를 통해 어떤 흐름이 감지됩니까?
Jeff Walker       한국은 전통 자동차 산업 전반과 비슷한 위치에 있다고 생각합니다. SDV로의 전환은 테슬라와 중국의 여러 완성차 업체들이 주도하고 있고, 한국을 포함한 전통적인 완성차 업체들은 이를 따라잡기 위해 애쓰고 있습니다. 이 전환에 엄청난 자금을 투자해 왔죠.
혁신의 속도는 점점 빨라지고 있고, 경쟁자들은 더 빠르게 차량을 개발하며 고객의 기대를 충족시킬 새로운 방법을 찾아내고 있습니다. 이는 우리 모두가 더 빠르게 움직이도록 자극이 되어야 합니다. 다행히 한국은 성공에 필요한 모든 요소를 갖추고 있습니다. 세계적 수준의 기술, 뛰어난 엔지니어링 인재, 그리고 정밀 제조에 대한 깊은 문화가 있죠.
제가 한국 자동차 산업에서 정말 존경하는 부분 중 하나는 안전, 품질, 엔지니어링 규율에 대한 흔들림 없는 집중입니다. 이들은 고품질 기술을 제공하는 것으로 강력한 글로벌 평판을 쌓아왔고, 신뢰할 수 있는 파트너로 인식되고 있습니다. 이런 평판은 SDV로의 전환이 계속되는 가운데 글로벌 입지를 넓혀갈 훌륭한 토대가 됩니다.
이런 흐름은 SDVerse에서도 이미 반영되고 있습니다. 실제로 한국은 저희 마켓플레이스에서 다른 어느 개별 국가보다 많은 브랜드를 보유하고 있습니다. 현재 저희 마켓플레이스에서 가장 빠르게 성장하는 지역이기도 하고요. 미국에 본사를 둔 다국적 기업들까지 포함하면 수치는 달라지지만, 국가별 생태계로 보면 한국이 단연 돋보입니다.

SDV에 대해 업계가 여전히 가지고 있는, 반드시 바뀌어야 할 오해가 있다면 무엇입니까?
Jeff Walker       좋은 질문입니다. 가장 큰 오해 중 하나는 SDV가 단순히 인포테인먼트나 HMI에 관한 것이라는 생각입니다. 그렇지 않습니다. SDV는 근본적으로 소프트웨어 우선(software-first) 사고방식을 받아들이는 것에 관한 것입니다. 소프트웨어를 중심에 두고 차량을 설계한 다음, 그 소프트웨어를 뒷받침할 하드웨어를 개발하는 것, 그게 SDV입니다. 이는 자동차 산업이 전통적으로 차량을 설계해온 방식과는 다른 접근입니다.
지금 우리는 그 전환의 한가운데에 있습니다. 저는 아직 목적지에 도달하지 못했다고 생각합니다. 아마 절반쯤 왔을 겁니다. 하지만 그것이 바로 진짜 사고방식의 전환입니다.

Why Is Renault Building a Separate Digital Experience in Korea?

한상민 기자_han@autoelectronics.co.kr — 2026-07-16 16:31:29+0900

르노는 왜 한국서 디지털 경험을 만드나

한상민 기자_han@autoelectronics.co.kr — 2026-07-16 16:17:49+0900

'넥스트라이즈 2026'의 르노코리아 부스. 얼핏 보면 AI 음성비서와 차량용 게임, 택시 앱, 3D 내비게이션을 전시한 공간처럼 보인다. 그러나 조금 더 들여다보면 다른 그림이 나타난다. 카카오는 모빌리티 서비스와 자율주행을, 티맵은 공간 정보와 경로를, 스매시랩스는 컨텐츠를, 발레오는 차량 센서 데이터를 가져왔다. 르노는 이 서로 다른 기술과 서비스를 'AI 오케스트레이터'란 이름 아래 차 안에서 하나의 사용자 경험으로 묶으려 하고 있었다. 이 글은 AI 기능 하나를 소개하려는 글이 아니라, 르노코리아가 왜 글로벌 공통 플랫폼 대신 한국을 위한 별도의 디지털 경험을 만들고 있는지, 그리고 그 과정에서 한국이 르노그룹 안에서 어떤 역할을 맡아가고 있는지를 기록한 현장 리포트다.

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

코엑스 A홀, 르노코리아 부스에 들어서면 처음엔 방향 감각을 잃는다. 자동차 회사 부스인데 화면이 너무 많다. 오른쪽은 카카오모빌리티와 발레오, 왼쪽은 티맵모빌리티와 스매시랩스. 좀 더 안쪽으로 들어가 시승차 필랑트의 스티어링을 잡아도 인스트루먼트 패널과 그 옆 대형 디스플레이가 압도한다. 그리고 거기에 별이 흐르는 보라색 화면과 함께 목소리 하나가 응답한다.
"안녕, 나는 르노코리아."
자기소개부터 하는 이 AI는 르노코리아가 '오케스트레이터'라 부르는 것이다.
지난 6월, 서울 코엑스에서 열린 '넥스트라이즈 2026'에서 르노코리아는 '모빌리티 심포니'란 컨셉으로 부스를 꾸몄다. 현장에서 시연을 체험하고, 관계자들과 이야기를 나눴다. 결론적으로, 이 전시의 핵심은 AI 기능 하나가 아니었다.

단순 명령을 넘어선다는 것

실제로 조작한 화면은 이랬다. "온도를 22도로 설정해줘"라고 말하자, AI는 "완료됐습니다. 모든 좌석의 온도를 22도로 설정했습니다"라고 답했다. 그 직전 화면에는 "이미 스포츠 모드(다이내믹 모드)로 설정돼 있습니다"라는 글이 남아 있었다. 적어도 대화 세션 안에서는 앞선 설정 상태를 이어받고 있는 것처럼 보였다. 이어 "근처 마트로 가자"는 말에 AI가 "가까운 마트 목록입니다. 어디로 안내할까요?"라며 두 곳을 순서대로 띄웠다.
기능만 보면 여느 음성비서와 크게 다르지 않다. 그런데 르노가 설명하는 방향은 조금 다르다. 르노 관계자는 "단발성 명령을 실행하는 것을 넘어, 차량 기능, 내비게이션, 인포테인먼트 기능 및 외부 서비스를 하나의 일관된 상호작용으로 연결할 수 있는 지능형 레이어 역할을 하도록 설계됐다"고 밝혔다. 르노는 이 시스템을 'intelligent layer'라고 표현했다. 개별 기능을 나열하는 것이 아니라, 차량 기능과 외부 서비스를 조율하는 별도의 층을 만든다는 의미다.
르노가 굳이 '레이어'라는 표현을 쓴 것은 우연이 아니다. 다만 그 아래 구체적으로 무엇이 돌아가는지는 확인할 수 없었다. LLM이 외부 API 기반인지 자체 파인튜닝 모델인지, 클라우드와 온디바이스 처리 비중이 어떻게 나뉘는지 물었지만, 르노 관계자는 "특정 기술적 선택 사항들이 르노코리아의 지적 재산이자 여전히 평가 중인 단계이므로 구체적으로 공개할 수 없다"고 답했다.

지연 시간이란 과제

내비게이션 안내를 요청하자 화면 왼쪽에 "Thinking..."이란 문구가 잠깐 떴고, 이어 "원일사까지 약 8분(1.8km) 소요됩니다. 안내를 시작할까요?"라는 답이 나왔다. 그런데, 그 몇 초의 공백이 유독 신경쓰였다.
세계 여러 곳의 차량용 AI를 접해본 입장에서 응답 지연은 반복적으로 마주치는 문제다. 이 부분을 짚어 묻자 르노 관계자는 이렇게 답했다. "특히 주의력과 안전이 중요한 차량 환경에서 고객은 응답이 즉각적으로 이루어지기를 기대합니다. 현 단계에서 구체적인 성능 목표를 공개할 수는 없지만, 로컬 처리와 클라우드 처리의 균형을 맞추는 다양한 아키텍처를 적극적으로 평가하고 있습니다." 가능한 많은 요청을 차량 내 AI 컴퓨팅 플랫폼에서 처리하고, 필요한 경우에만 클라우드를 활용하는 아키텍처까지 검토하고 있다는 것이다. 부스에서 만난 다른 르노코리아 관계자도 "그 부분은 지금 저희 팀이 계속 들여다보고 있는 곳"이라고 말했다.

글로벌 플랫폼에서 갈라진 한국형 브랜치

현장에서 가장 많은 생각을 하게 한 대목은, 르노코리아의 인포테인먼트 체계가 본사와 다르다는 얘기였다. 르노 관계자는 "한국 시장은 특히 내비게이션 분야에서 구체적인 요구 사항이 있다"며 "이런 요구를 해결하기 위해 르노코리아는 주요 국내 서비스와의 통합을 가능하게 하는 특화된 인포테인먼트 시스템을 개발하고 있다"고 밝혔다.
대부분의 글로벌 완성차 업체는 정반대 방향으로 간다. 하나의 플랫폼을 만들어 전 세계에 공통으로 적용하는 게 원가와 개발 효율 측면에서 유리하기 때문이다. 그런데 르노코리아는 글로벌 플랫폼을 그대로 적용하기보다 한국 시장에 맞춘 별도의 인포테인먼트 분기를 개발하고 있다.
그 배경에 대해 르노 관계자는 "모든 엔지니어링 영역에서 르노코리아는 르노 그룹 R&D의 전문 지식과 자원을 활용하는 동시에, 르노코리아 차량과 한국 시장에 맞는 솔루션을 개발하는 데 전념하는 '소프트웨어 스튜디오 & 디지털 랩'을 R&D 센터 내에 설립했다"고 답했다. AI 오케스트레이터는 바로 이 조직에서 나온 대표 프로젝트다. 다만 그 위상에 대한 표현은 여전히 신중했다. 개념증명(PoC)으로 시작된 것이 점차 우리 미래 인포테인먼트 전략의 중요한 기둥으로 발전했다는 설명이다. 완성된 전략이라기보다는, PoC에서 출발해 지금은 그 이상의 무게를 부여받은 상태인 것이다.

티맵모빌리티 존의 3D 내비게이션

카카오모빌리티 부스의 그랑 콜레오스 기반 컨셉카. 지붕 위 라이다·카메라 패키지만 보면 지도 제작 차량처럼 보이지만, 뒷좌석 승객용 디스플레이와 라이드헤일링 브랜딩은 이 차가 로보택시 컨셉임을 보여준다. MOU 발표문의 고정밀 지도란 표현과 현장에서 나온 로보택시 설명 사이의 간극이 이 한 대의 차 안에 담겨 있다

택시 앱과 3D 내비게이션 뒤에 있는 것

그러면 왜 한국에서 이런 실험을 벌일까. 르노 관계자는 이 질문에 대해 비교적 분명하게 답했다. "기흥에 R&D 센터를, 부산에 공장을 두고 운영하는 것은 세계에서 가장 까다로운 고객 기반과 티맵·카카오 같은 선도 기업들이 끊임없이 혁신하는 가장 역동적인 기술 생태계에 우리가 노출돼 있다는 의미입니다. 이런 환경은 차세대 디지털 경험을 개발하고 검증하는 데 이상적인 플랫폼입니다."
카카오모빌리티 데모는 그랑 콜레오스의 파노라마 스크린으로 카카오T 택시기사 앱을 구동하고, 뒷좌석에 승객용 엔터테인먼트를 붙이고 있다. 하지만 여기에 그치지 않는다. 차량 지붕에는 라이다(LiDAR)와 카메라 센서 패키지가 얹혀 있었는데, 택시 앱 시연용 컨셉카치고는 낯선 장비였다.
"카카오모빌리티와 자율주행 분야에서 첫 협력을 보여드리는 것입니다. 카카오모빌리티와 L2++ 이상의 다양한 영역에서 협력할 예정입니다. 이건 로보택시 컨셉이고, 지붕 위 장비는 카카오모빌리티의 데이터 수집 센서에 대한 것입니다.”
티맵모빌리티 존의 3D 내비게이션도 마찬가지다. 실제 도로처럼 입체적으로 렌더링된 화면 위로 표지판과 건물이 지나가고 차선 단위의 안내가 가능하다. 아직까지 이런 맵이 한국에 적용된 적은 없다. 르노 관계자는 "우리의 소프트웨어 기반 PoC는 향후 12개월 이내 양산 배포 가능성을 평가한다는 명확한 목표를 가지고 개발된다"며, "티맵에 대한 대중 반응이 매우 고무적이었다"고 답했다.

스매시랩스의 리듬 게임과 발레오의 XR 데모는 컨셉이 아니다, 이미 필랑트 양산차에 탑재돼 서비스 중인 기능이다.

컨텐츠인가, 센서인가

스매시랩스 존에서는 AI가 생성한 음악에 맞춰 '여럿이' 즐기는 리듬 게임 'R:러쉬'가 데모되고 있었다. 차량 스피커와 화면을 활용한 게임 컨텐츠다. 반면, 발레오 존은 조금 다른 이야기를 하고 있었다. 전시된 'R:레이싱'은 얼핏 차량용 레이싱 게임처럼 보였지만, 실제로는 발레오의 XR SDK를 활용한 증강현실 화면이었다. 도로 위 차량과 사물에는 실시간으로 인식 박스가 씌워졌는데, 이는 게임 연출이 아니라 ADAS 카메라가 실제로 인식하고 있는 대상을 그대로 시각화한 것이었다.
르노 관계자는 "ADAS 시스템 카메라와 초음파 센서를 활용하고 있다"고 설명했다. 차량의 눈이 보는 것을 게임의 형식을 빌려 탑승자에게 그대로 보여준 셈이다. 카카오 부스의 라이다가 자율주행 데이터를 모으고 있었다면, 발레오 부스의 카메라는 이미 차에 있던 안전 센서를 엔터테인먼트로 돌려쓰고 있었던 셈이다. 스매시랩스가 차량 안에서 사람들이 무엇을 할 것인가를 보여줬다면, 발레오는 차량이 무엇을 보고 감지하는가를 보여줬다.
카카오·티맵·발레오·스매시랩스와의 협력 전반에 대해 르노 관계자는 "넥스트라이즈에서 선보인 기술들을 독립적인 프로젝트로 봐서는 안 되며, 더 큰 장기 전략의 예시로 봐야 한다"고 말했다.

하나로 모이는 디지털 경험

부스를 돌다보면 그룹 내 르노코리아의 역할을 묻는 질문에 다다르게 된다.
"르노 그룹 내에서 르노코리아의 역할은 인포테인먼트, 커넥티비티, ADAS 기술 분야에서 최고 수준의 경험을 기대하는 고객들을 위한 D 및 E 세그먼트 차량의 허브 역할을 하는 것입니다."
다만 이 말을 곧바로 '르노그룹의 디지털 허브'란 의미로 받아들이기는 어렵다. 예를 들어, AI 오케스트레이터는 초기에 르노코리아 고객만을 염두에 두고 개발됐지만, 그 과정과 결과는 르노 본사와 공유되고, 다른 성공적인 혁신 사례들이 그러하듯 그 요소들이 르노 그룹 내에서 더 넓게 적용될 가능성이 열려 있다는 정도다. AI 오케스트레이터 전체를 그룹 표준으로 이식하겠다는 약속이 아니다.
넥스트라이즈에서 본 것은 기능 몇 개의 전시가 아니라, 서로 다른 기술과 서비스가 하나의 차량 경험으로 확장될 수 있다는 가능성이었다. 카카오T 택시 앱이 파노라마 스크린에서 그대로 구동되고, 티맵의 3D 내비게이션이 실제 도로처럼 입체적으로 렌더링되고, AI가 앞서 설정한 주행 모드를 이어받아 온도를 조절해주는 모든 장면은, 한국의 지도와 컨텐츠, 모빌리티 서비스, 사용자 요구를 하나의 차량 경험으로 묶는 시도다. 그러면서 AI의 구체적인 모델과 아키텍처는 결정되거나 공개되지 않았고, 응답을 기다리는 화면에는 여전히 "Thinking..."이 떠 있다. 카카오모빌리티와의 협업이 서비스를 위한 인터페이스 시연을 넘어 어떤 수준의 자율주행까지 갈지, 르노코리아가 말하는 "12개월 이내 양산 가능성 평가"란 개발 원칙이 실제 차량 프로그램으로 이어질지도 여전히 지켜봐야 한다.
그럼에도 불구하고 분명한 것은, 르노코리아가 더 이상 본사의 시스템을 한국에 옮겨오는 역할에만 머물지 않는다는 것이다. 그래서 AI 오케스트레이터의 의미는 기술 하나가 아니라 역할의 변화다. 새로운 디지털 경험을 만들고 검증하는 조직으로의 이동.
'AI 오케스트레이터'는 그 변화를 가장 상징적으로 보여주는 이름이었다.

"40 Middleware Are Too Many" — What ETAS's Detlef Zerfowski Really Said About the Future of SDV

한상민 기자_han@autoelectronics.co.kr — 2026-07-16 09:55:50+0900

SDV, “40개의 미들웨어는 너무 많다”

한상민 기자_han@autoelectronics.co.kr — 2026-07-16 09:35:14+0900

7월 1일 오전 9시, 수원컨벤션센터에서 열린 AID 2026의 포문을 연 ETAS 데틀레프 제르포브스키 부사장은 지금 자동차 산업이 어디에 서 있는지, 어디로 가야 하는지를 하나의 질문으로 정리했다. "40개의 미들웨어는 너무 많습니다"라면서. 이는 단순히 미들웨어 숫자에 대한 불만이 아니다. OEM이 모든 것을 혼자 만들 수 있다는 오래된 믿음, 그리고 SDV 시대에도 모두가 같은 기반을 각자 다시 만들고 있는 산업의 구조를 향한 문제 제기였다.

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

40개 미들웨어는 너무 많다

“40개의 미들웨어는 너무 많습니다. 40이라는 숫자는 수사가 아닙니다. 우리가 실제로 세어본 숫자입니다.”
7월 1일 아침 9시 수원컨벤션센터. AID 2026의 첫 번째 마이크를 잡은 ETAS의 데틀레프 제르포브스키(Dr. Detlef Zerfowski) 엔지니어링 엑설런스 부사장이 던진 첫 마디였다.
유럽과 미국, 중국을 오가며 목격한 소프트웨어 정의 차량(SDV) 생태계에서, 지금 이 순간 실제로 개발되고 있는 미들웨어의 개수가 40개에 달한다는 것이다. 그리고 그는 곧바로 이 발표에서 가장 중요한 말을 던졌다.
“우리는 여러 OEM이 모든 것을 스스로 하려다 처참하게 실패하는 것을 봤습니다. 이건 믿음이 아니라, 실제로 지켜본 결과입니다.”
30분짜리 키노트, 여기에 발표 전체의 결론이 들어 있었다. SDV 시대에 자동차 산업이 반복하고 있는 실수, 그리고 그 실수를 되풀이하지 않기 위한 해법 ‘Open Core’, 그 실체인 Eclipse S-CORE 프로젝트. 그렇게 Automotive Innovation Day 2026이 막을 올렸다.

소프트웨어는 소프트웨어가 아니다

제르포브스키의 발표는 통념을 깨는 것에서 시작했다.
“많은 사람들이 ‘소프트웨어’를 이야기합니다. 그런데 그 말은 이미 틀렸습니다(That’s already wrong). 자동차 안팎에는 근본적으로 다른 다섯 개의 소프트웨어 세계가 존재합니다.”
그림은 이렇다. 첫째, 깊이 임베디드된 ECU(Deeply Embedded ECU). 엔진 관리, ESP, 에어백을 제어하는 하드 리얼타임(hard real-time) 소프트웨어의 세계다. CAN, FlexRay, 기능안전성(ISO 26262), V-모델, ASPICE란 익숙한 단어들이 지배한다.
“이 소프트웨어는 물리적 실체와 매우 가깝습니다. 내연기관을, 차량 거동을, ESP의 동작 방식을 이해해야 합니다.” 이건 바로 제어 엔지니어의 영역이다.
둘째, 마이크로프로세서 기반의 차량 컴퓨터(Vehicle Computer). 카메라, 라이다, 초음파 데이터가 흘러드는 데이터 기반 세계다. 이런 소프트웨어는 컴퓨터 과학자들이 만드는 것이지, 프로그래밍을 배운 제어 엔지니어가 만드는 것이 아니다. QNX나 Linux 같은 POSIX 기반 운영체제가 하드웨어와 상위 소프트웨어 레이어를 분리해주는 세계이기도 하다.
셋째, 클라우드(Cloud). OTA와 원격 서비스가 살아 있는 영역. 자동차 산업이 최근에서야 도입하고 있는 DevOps 방식은 사실 클라우드 개발에서는 이미 오래전부터 확립되어 있던 것이다. 넷째, 인포테인먼트(Infotainment). 안드로이드와 iOS가 이미 주도권을 가져간, 그러나 기능안전성과는 무관했던 세계다.
마지막은 흔히 잊히는 영역인 툴링(Tooling)이다. AI 기술을 기반으로 지금 가장 빠르게 발전하고 있는 영역이지만, 이 역시 앞의 네 가지와는 완전히 다른 배경에서 나온다.
이 다섯 세계는 개발 방식도, 필요한 인력도, 심지어 사고방식도 서로 다르다. 그래서 제르포브스키가 한 말은, “단 하나의 회사가 이 모든 것을 혼자서 소유하고 주도할 수는 없습니다”였다.

SDV의 진짜 문제는 기술이 아니라 경제

발표의 두 번째 축은, 어쩌면 청중이 가장 곱씹어야 했을 대목이다. 제르포브스키가 짚은 문제는 기술적 난이도가 아니라 산업의 구조, 즉 경제였다.
그는 슬라이드 하나에 OEM이 겪는 여섯 가지 고통을 정리해 넣었다. 시장 출시 시간(Time-to-Market)과 혁신 압박, 중복된 개발·통합·검증 노력, 벤더 락인(Lock-in), 조직 파편화, 컴플라이언스 부담, 그리고 20년 이상 지속되는 유지보수. 그리고 그 위에 ‘콘웨이의 법칙(Conway’s Law)‘을 겹쳐 올렸다.
“여러분은 오직 여러분 자신의 조직 구조에 따라서만 무언가를 개발할 수 있습니다. 개발 부서들이 여전히 사일로화돼 있다면, 그 결과물인 소프트웨어도 서로 맞물리지 않습니다.” 제르포브스키가 말했다.
이것은 단순한 조직론이 아니다. 지금 자동차 업계에 미들웨어가 40개나 존재하는 이유를 그는 이 법칙 하나로 설명했다. 즉 40개의 미들웨어는 기술이 부족해서 생긴 결과가 아니라, 40개의 서로 다른 조직이 각자의 벽 안에서 각자의 답을 만든 결과다.
모두가 똑같은 것을 반복해서 만들고 있다. 바닥 공사를 다시 하고, 또 하고, 또 하는 것. 이것이 그가 진단한 SDV 산업의 진짜 문제다. 그리고 회사의 몸집이 작을수록 이 중복 비용의 부담은 더 커진다. 시장 출시 시간, 락인, 파편화, 유지보수 등 모든 고통은 하나의 근본 원인, ‘경제적으로 감당할 수 없는 중복’에서 갈라져 나온 증상들이다.

자동차는 스마트폰이 아니다

“우리는 지금 스마트폰 이야기를 하는 게 아닙니다. 결함이 있는 소프트웨어를 탑재한 휴대폰, 혹은 보안이 뚫린 휴대폰은 여러분의 생명에 위협이 되지 않습니다. 하지만 시속 100, 150킬로미터로 고속도로를 달리고 있는 중에 여러분의 차가 멈춘다면, 그것은 여러분 자신의 생명뿐 아니라 다른 사람들의 생명까지 위협할 수 있습니다.”
이 대조는 발표 전체를 떠받치는 철학이다. 차량용 오픈소스가 일반적인 오픈소스와 결코 같을 수 없는 이유다. 그는 이를 ISO 26262 기반의 인증(Homologation), 제동·조향·운전자 지원에 적용되는 ASIL 등급, 지름길 없는 광범위한 테스트, 새로운 취약점이나 오작동을 절대 허용하지 않는 소프트웨어 업데이트, 그리고 20년 이상 지속되는 유지보수 등 구체적인 목록으로 풀었다. 그리고 이런 철학이 향한 곳이 보안이었고, 반복해서 강조한 단어가 소프트웨어 유지보수와 보안 위험성이었다. 이 두 가지 모두 앞으로 몇 달, 몇 년 사이에 크게 증가할 것이기 때문이다.
성공적인 사이버 공격이 차량 안전을 직접 훼손할 수 있고, 극단적으로는 누군가가 차량을 해킹해서 원격 무기로 사용하는 시나리오까지 이어질 수 있다. 자동차 산업에서 오픈소스가 그저 ‘무료 소프트웨어’가 아니라, 20년짜리 안전·보안 책임을 짊어진 인프라가 돼야 하는 이유다.

Open Core라는 답

문제, 원인, 제약이 모두 제시된 자리에서 제르포브스키는 ‘Open Core’란 해법을 꺼냈다.
OEM 각자 앱-미들웨어-OS/가상화-코어 미들웨어 레이어-HPC까지 똑같은 구조를 따로따로 쌓아 올리는 모습이 있고, 다른 쪽엔 그 밑단을 하나의 공유된 오픈 코어로 모으고, OEM과 통합자, 하드웨어 티어가 그 코어를 둘러싼 커뮤니티로 함께 참여하는 그림이 있다.
“협업 접근법을 취하더라도 그 기능은 사내에서 자체 개발했을 때와 정확히 동일합니다. 초기 제품 기능성은 어느 쪽이든 동일합니다.” 제르포브스키가 말했다.
즉 Open Core는 기능을 희생하는 타협이 아니라, 같은 결과를 훨씬 적은 중복 비용으로 얻는 구조다. 그 위에서 얻는 이득은 비용 효율성, 짧은 시장 출시 시간, 지속적인 혁신, 강화된 취약점 탐지, 그리고 효율적인 SW 라이프사이클 유지보수로 이어진다.
이 Open Core의 실제 이름은 Eclipse S-CORE.
“S-CORE는 2022년경, 유럽연합이 유럽 자동차 산업의 공공 자금 지원 프로젝트를 논의하던 자리에서 시작됐습니다. 저는 개인적으로 그 초기 논의에 참여했습니다.” 제르포브스키는 이 프로젝트의 태생을 직접 증언했다.
2025년 5월 12~14개 유럽 기업이 VDA 주도로 양해각서(MoU)에 서명했다. 그는 이 MoU의 공동 저자였다. 이후 책임이 Eclipse Foundation으로 넘어갔다. 2026년 1월 CES에서는 BMW, Mercedes-Benz, Stellantis, Bosch, Qualcomm, 그리고 한국의 42dot, LG, 현대모비스 등을 포함한 훨씬 더 많은 기업이 서명 명단에 이름을 올렸다.
이것이 작동하는 이유는 세 가지 원칙 때문이다. 벤더 중립적 거버넌스(어느 한 회사도 프로젝트 방향을 좌우하지 않는 평평한 운동장), 견고한 IP 관리(읽을 수만 있고 기여할 수는 없는 ‘가짜 오픈소스’와의 결정적 차이), 그리고 상업 친화적 라이선싱(여러분의 미들웨어 위에 쌓은 독점적 레이어를 오픈소스로 공개하도록 강요받지 않습니다)이다. 그리고 여기에 자동차 산업 전체의 사고 전환을 요구하는 한 가지가 더 올려진다.
“명세 우선이 아니라 코드 우선(Code-first, not specification-first)입니다. 우리는 늘 요구사항 우선으로 접근해 왔습니다. 이제는 그 반대입니다.”

S-CORE는 하이프가 아니라 현실이 됐다

제르포브스키는 Eclipse S-CORE의 그간 성과에 대해 이야기하기 시작했다.
2024년 10월 시작된 S-CORE는 그해 12월 약 3,000줄이던 코드가 2025년 3월 30만 줄, 9월 78만 줄을 거쳐 2026년 6월 현재 190만 줄에 도달했다. 기여자는 약 454명이다. 지난 6개월 동안만 2,000건 이상의 풀 리퀘스트가 통합됐고, 4,000건 이상의 풀 리퀘스트가 2024년 12월 이후 종료됐다. 처리 속도는 대부분 24시간 이내.
“우리는 지금 몇 주, 몇 달이 아니라, 몇 시간 단위를 이야기하고 있는 것입니다.”
제르포브스키가 강조했다.
상위 기여자의 70%는 하나가 아닌 여러 프로젝트 영역을 넘나들며 활동하고, 코드 기여의 절반은 제출된 바로 그날 병합된다. 제기된 작업 항목 3건 중 2건은 원래 담당자가 아닌 다른 커뮤니티 멤버가 해결한다.
즉, S-CORE가 더 이상 유럽발 정책 문서 속 개념이 아니라, 살아 움직이는 개발 커뮤니티라는 것이다. 그리고 이 신뢰를 바탕으로 로드맵이 뒤따르고 있다. v0.5는 2025년에 공개됐고, v1.0은 2026년 안에 완성돼 OEM과 티어 1의 실제 개발에 쓰일 수 있다. ETAS의 배포판인 Vehicle Software Platform Suite는 2027년 개발 착수 준비를 마치고, 2028년 기능 완성, 그리고 2029년 양산 개시(SOP)에 도달한다.
“이 방식의 솔루션을 채택하고자 하는 OEM은 2029년경부터 본격적인 양산 차량 출시에 이를 사용할 수 있습니다.”
그는 자동차 산업 특유의 신중함도 함께 짚었다. S-CORE 프로젝트 자체가 안전 인증서를 받는 것은 아니다. 계속 변화하는 오픈소스 코드 베이스는 애초에 인증 대상이 될 수 없기 때문이다. 대신 S-CORE는 처음부터 자동차 업계의 안전 규칙에 맞춰 설계돼 있어 이를 가져다 제품화하는 티어 1들이 자신의 배포판을 인증받기가 훨씬 쉬워진다. 실제로 이날 로드맵에서도 인증 대상으로 표시된 것은 S-CORE 자체가 아니라, 그다음 단계인 ETAS의 배포판이었다.

OEM은 무엇을 만들어야 하는가

발표의 마지막에 제르포브스키는 이 모든 이야기를 하나의 실질적 아키텍처로 정리했다.
예를 들어, ETAS의 Vehicle Software Platform Suite에서, 마이크로컨트롤러의 하드 리얼타임 영역은 여전히 AUTOSAR Classic이 지킨다.
“저는 AUTOSAR Classic이 사라진다고 말하는 것이 아닙니다. 절대 아닙니다.”
대신 마이크로프로세서 쪽, QNX와 Linux 위에서 ADAS/AD 프로파일, 범용 프로파일, 빠른 앱 개발 프로파일이라는 세 갈래로 S-CORE 기반의 새 층이 자리 잡는다.
즉 미래는 대체가 아니라 공존이다. MCU에는 AUTOSAR Classic, HPC에는 S-CORE다. 그리고 이 아키텍처가 향하는 최종 목적지는, 공통의 기반은 함께 짓고 OEM은 그 위에서만 차별화하는 것이다.
“여러분의 개발 팀이 다른 모든 사람도 똑같이 다시 만들고 있는 동일한 기반 배관을 다시 만드는 대신, 실제로 여러분을 차별화하는 기능을 만드는 데 집중할 수 있도록 해주는 것입니다.”
이것은 30분 전 강연을 연 말, “40개의 미들웨어는 너무 많습니다. 오픈소스 기반의 솔루션으로 함께 나아갑시다”와 같은 이야기다.
그의 30분은 이렇게 정리할 수 있다. SDV의 승자는 모든 것을 만드는 기업이 아니라, 무엇을 함께 만들고 무엇을 차별화할지 아는 기업이다.

Newark Battalion Fire Chief Petitions NHTSA to Mandate Exterior Propulsion-Type Identification for Vehicles — Formally Received July 1

한상민 기자_han@autoelectronics.co.kr — 2026-07-14 14:27:55+0900

Every Two Weeks, Everything Changes: Rescueability, Information, and the Cost of Silence

한상민 기자_han@autoelectronics.co.kr — 2026-07-14 14:03:48+0900

2주마다 모든 게 바뀐다: 구조 가능성, 정보, 그리고 침묵의 대가에 관한 이야기

한상민 기자_han@autoelectronics.co.kr — 2026-07-14 13:51:45+0900

2024년 방한 때의 러너 CEO.

윌리엄 S. 러너 William S. Lerner, CEO, WSL Consulting

전기차와 리튬이온 안전이라는 세계에서 땅은 잠시도 흔들림을 멈추지 않는다. 구조와 대응 분야에서 업계가 예의주시하는 독립 목소리 중 한 명인 윌리엄 S. 러너 WSL 컨설팅 CEO가 지난 인터뷰 이후 2주 만에 AEM을 다시 찾았다. 그가 가져온 이야기들은 표면적으로는 서로 무관해 보인다. 후방 비상 도어 릴리스가 확인되지 않은 닷지 차저, 지프 랭글러 4xe 리콜, 나트륨이온 배터리 판매 홍보, 추진 방식 표시를 요구하는 NHTSA 청원, 새로운 BMW X5 도어 디자인, 그리고 시연을 위해 차량 두 대를 빌려주기를 거절한 딜러십. 따로 읽으면 이는 서로 관계없는 여섯 개의 이야기지만, 함께 읽으면 하나의 뿌리를 공유한다. 시스템 어딘가에는 존재하지만, 정작 그것을 필요로 하는 사람에게 제때 닿지 않는 정보라는 뿌리다. 이런 흐름은 1부에도 이어진다. 러너는 완성차 업체의 파일럿 프로그램 안에서 자신의 차량 식별 특허를 어떻게 배치할 것인지, 배터리 열화가 왜 단순한 보증 기간의 문제로 환원되지 않는지, 그리고 결국 소유자에게 알릴 책임은 누구에게 있는지를 설명한다.

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

윌리엄 S. 러너, FRSA — WSL 컨설팅 CEO
윌리엄 S. 러너는 WSL 컨설팅의 CEO이자 20건 이상의 특허를 보유한 독립 발명가다. 그는 전기차·리튬이온·모빌리티 시대를 위한 위험 평가 및 대응 전략 개발에 주력하며, FBI, 국토안보부(DHS), 화재조사기관, 공항소방구조대(ARFF), 주요 교통 인프라 기관들과 협업해왔다. 그는 세계 최대 규모의 터널, 항만, 교량, 주차 인프라 — 12만 개 이상의 주차 공간을 포함해 — 에 대한 위험 평가를 수행했으며, 독성 배터리 잔류물과 2차 오염을 포함한 신종 위험을 이해관계자들에게 알리는 데 중요한 역할을 해왔다. 그는 인터모달 리뉴어블스(Intermodal Renewables)의 공동 창립자이기도 하다.

AEM은 뉴어크 소방국 배틀리언 치프 스티븐 라펜타,
WSL 컨설팅 CEO 윌리엄 S. 러너와의
장시간 인터뷰, 그들의 현장 조사, 그리고 미국 NHTSA에 제출된 규칙제정 청원서를 바탕으로,
자동차 산업이 아직 설계하지 않은 마지막 안전 원칙,
Rescueability(구조 가능성)를 조명한다.

Series
① Rescueability — 자동차 설계 철학에서 빠진 마지막 요소
② 자동차는 충돌을 견뎠다. 그러나 구조를 위해 설계됐는가
윌리엄 S. 러너 & 스티븐 라펜타 대담
③ 2주마다 모든 것이 바뀐다
윌리엄 S. 러너가 말하는 구조 가능성, 정보, 그리고 침묵의 대가
④ 뉴어크 소방대대장, NHTSA에 차량 추진방식 외부 식별 의무화 청원
"구조대는 몇 초 안에 판단해야 하지만, 그 차가 전기차인지조차 알 수 없다"

※ 이 시리즈는 지면과 온라인에 나뉘어 게재되며, 각 기사는 단독으로도 완결되도록 구성했습니다.
이에 따라 에스컬레이드 IQ 딜러샵 사례 등 핵심 장면은 일부 기사에서 반복 언급됩니다.

1부. 구조 가능성, 배터리, 그리고 최초 90일

상어 지느러미 모양 LED, B필러 QR코드, 웨어러블 신호와 같은 시스템은 사고 발생 후 몇 초 이내에 작동하도록 설계돼 있습니다. 구조 가능성을 위한 완성차 업체와의 파일럿 프로그램에서 어떤 요소를 가장 먼저 도입하겠습니까, 그리고 그 이유는 무엇입니까?
Lerner       가장 기본적이면서도 비용 효율이 높은 구현을 최우선으로 삼겠습니다. 새로운 기능이 완성차 업체의 디자인 철학이나 판매 중인 차량의 미관을 해쳐서는 안 되고, 지나치게 복잡해서도 안 됩니다. 모든 차량에 자연스럽게 통합돼야 하며, 필요할 때만 눈에 보여야 합니다. 제 목표는 완성차 업체들이 제 작업을 문제로 여기지 않도록 하는 것입니다. 구현과 관련해서는 그들이 사용하지 않는 공간을 활용하겠습니다. 예를 들어 B필러는 대개 검은색이고, 앞으로 그곳에 카메라와 센서가 점점 더 많이 배치될 것입니다. 테슬라의 경우 카메라가 투명한 개구부 뒤에 위치합니다. 제 시각 표시장치는 바로 그 투명한 영역에 숨겨질 것입니다. 상어 지느러미의 경우도 마찬가지입니다. 보이지 않는 채로, 그저 공급업체에 전달할 사양일 뿐입니다.
그렇다면 어떻게 작동할까요? 약 5밀리미터 크기의 작은 LED입니다. 드론 충돌 방지등에 사용되는 것과 동일한 LED입니다. 이 초소형, 초고출력 LED는 3마일, 즉 5킬로미터 거리에서도 식별이 가능합니다. 미국 연방항공청(FAA)이 이 거리를 요구하고 있고, 여러 제조사에서 손쉽게 구할 수 있습니다. 전력 소모가 적고, 차량 배터리 시스템이 고장 나더라도 예비 배터리를 갖출 수 있습니다. 투명한 형태로 만들 수 있어 유리에 자연스럽게 녹아들 수 있습니다. 충돌, 추진 계통 이상이 발생하면 점등되어 차량의 추진 방식을 표시하며, 계기판에 표시되는 경고등을 그대로 반복해서 보여줍니다. 어떤 이상 상황이든 이 표시등이 켜집니다.
사고를 당한 차량은 자동으로 비상등을 켜고, 도움을 요청하고, 에어백을 전개하거나 다른 기능을 작동시킬 수 있습니다. 시각 표시장치는 사고나 오작동을 알리는 신호를 받았을 때 단순히 점등될 뿐입니다. 이는 주변 사람들과 최초 구조대에 즉시 그 차량이 무엇인지 알려줍니다. 주변에 있던 사람, 경찰관, 혹은 주차장 관리인이 그저 콜센터에 "차량에 문제가 생겼고, 초록색과 주황색 불빛이 깜빡이는 게 보입니다"라고 말하면 됩니다. 그러면 그들은 구조대에게 정확히 어떤 상황에 대응해야 하는지 전달합니다.
다음 단계의 구현은 더 많은 차량 정보를 제공하는 것입니다. 즉 배터리 용량, 충전 포트 위치, 전동식 접이형 도어 핸들, 수동 릴리스가 없는 전동식 실내 손잡이, 접합유리, 충전 상태, 탑승 인원, 고전압 차단 위치, 저전압 차단 위치 등입니다. 이후에는 동일한 정보를 사용자의 스마트워치와 스마트폰으로도 전송할 수 있습니다. 주차장에서는 인프라 자체로 전송될 수 있습니다.
인천의 전기차 화재는 약 600대의 차량이 있는 주차장에서 발생했습니다. 사고가 발생한 차량은 자신의 추진 방식을 점등하고, 그 신호를 즉시 주차장 사무실이나 건물 관리자, 최초 대응 센터로 전송할 수 있었을 것입니다. 이런 상황에서는 1초가 중요하며, 구조대원들이 가장 안전하고 효율적인 구조를 수행할 수 있도록 모든 수단을 갖추게 해야 합니다. 제가 만든 것은 모든 완성차 업체가 판매하는 모든 차량에 원하는 방식으로 구현할 수 있는 플랫폼입니다. 차량은 저마다 다르지만, 정보는 통일된 형식으로 전달돼 즉시 이해될 수 있습니다.

만일 OEM이 단일 모델로 파일럿을 진행한다면, 첫 90일은 어떤 모습일까요? 그리고 그 방에는 완성차 업체, 소방 당국, 정부 중 누가 있어야 할까요?
Lerner       첫 90일은 대중, 경찰, 구조대, 건물 관리자 등을 대상으로 한 시연이 될 것입니다. 다양한 거리, 야간, 밝은 햇빛 아래, 다른 차량에 가려진 상태, 터널과 주차장 안에서 시각 표시장치를 점등해 보일 것입니다. 이 드론 충돌 방지 LED는 가장 밝은 햇빛 속에서도, 트럭 뒤에 가려진 상태에서도 식별할 수 있습니다. 반밀폐 공간에서는 그 빛이 공간 전체를 밝힙니다.
터널이나 다리 위에서는 차량 자체는 보이지 않아도, 터널 벽에 반사되는 불빛은 보일 것입니다. 이 정보는 매우 중요합니다. 전기차 화재는 섭씨 약 1,650도에서 2,760도(화씨 3,000~5,000도)에 이를 수 있고, 이 온도는 철을 녹이고 센서, 조명, 통신 장비, 카메라를 파괴합니다. 카메라나 센서가 없는 어두운 터널 안에서 차량을 식별할 유일한 방법은 차 스스로가 그 정보를 제공하는 것뿐입니다. 지금 우리가 가진 것은 사실상 무의미해진 비상등뿐입니다. 우리는 매장에 들러 음료를 살 때 딱지를 떼이지 않으려고 비상등을 켜거나, 그랩(Grab) 기사들이 호출한 승객에게 자신의 위치를 알리기 위해 비상등을 사용합니다. 이 새로운 정보는 차량 사고 상황에만 한정되며, 소유자가 다른 목적으로 사용할 수 없습니다. 오직 사고 상황을 위해 예약된 신호입니다.
첫 90일 동안 우리는 경찰, 최초 구조대, 정부 관계자, 차량 설계자, 부품 제조업체와 논의를 진행합니다. 이들은 이것이 왜 제시되고 있는지, 그리고 이것이 모두를 위한 안전을 어떻게 바꿀 수 있는지 이해해야 합니다. 아무런 정보 없이 사고를 신고했는데 구조대원이 도착했다고 상상해보십시오. 그들은 차량을 식별하기 위해 접근해야 하는데, 심각한 충돌 후 야간이거나 차량이 트럭 뒤나 터널 안에 가려져 있다면 그것은 결코 쉬운 일이 아닙니다. 우리는 최초 신고 시점부터 구조와 진압 작업이 완료되는 시점까지 시간을 측정합니다.
그런 다음 같은 시연을 시각 표시장치와 함께 진행합니다. 그러면 모두가 그 이점을 확인하게 됩니다. 목격자나 경찰관의 최초 신고가 "사고가 발생했고, 차량에서 주황색과 파란색 불빛이 번쩍이고 있습니다"가 된다는 뜻입니다. 이는 지령센터 요원에게 그 차량이 무엇인지 즉시 알려주고, 그들은 최초 대응자들에게 도착하기도 전에 그것이 전기차임을 전달합니다.
전기차의 진압은 내연기관 차량과는 완전히 다릅니다. 가장 기본적으로 말하면, 전기차는 차체 하부에 매트리스 크기의 배터리를 장착하고 있고, 내연기관 차량은 앞쪽 보닛 아래에 동력계통이 있습니다. 엔진룸에는 물이 필요 없고, 대개 차량 하부에 물이 필요합니다. 루시드 같은 일부 차량은 배터리가 실내 캐빈 쪽에 있기 때문에 내부에서 냉각해야 합니다. 화재의 발생 지점이 아닌 곳에 시간과 물을 낭비하며 진압하는 상황을 상상해보십시오. 정보는 최선의, 그리고 가장 효율적인 대응으로 이어집니다.

배터리 열화는 시간이 지남에 따라 위험을 높입니다. 차량의 수명주기에서 어느 시점에 그 위험이 용납할 수 없는 수준이 되며, 그것을 소유자에게 알릴 책임은 누구에게 있습니까?
Lerner       배터리 열화는 실제로 시간이 지남에 따라 위험을 증가시키며, 여기에는 수많은 독립적 요인이 작용합니다. 스마트폰을 예로 들어보겠습니다. 우리 모두 스마트폰의 수명이 한정되어 있어 언젠가는 새 배터리나 새 휴대전화가 필요하다는 것을 압니다. 애플과 삼성이 밝힌 바에 따르면 600회에서 2,000회의 충전 사이클을 가질 수 있습니다. 하지만 휴대전화를 무선 충전패드 위에 직사광선을 받으며 놓아두거나, 떨어뜨리거나, 물에 젖게 하거나, 화면을 깨뜨리면 배터리 수명과 충전 사이클, 용량이 줄어듭니다. 배터리는 낙하, 학대, 물, 극심한 열에 취약합니다. 현실적으로 모든 휴대전화는 평생 이런 상황 중 하나 혹은 여럿을 겪게 됩니다.
우리는 외출을 계획하면서 나가기 전에 배터리를 80%에서 100%까지 채우기도 합니다. 배터리를 가득 채우는 것도 일종의 혹사입니다. 지금은 초고속 충전이 등장했습니다. 이 역시 배터리에는 또 다른 형태의 혹사입니다. 예전에는 휴대전화에 저전력 벽걸이 충전기를 썼습니다. 지금은 노트북과 같은 고출력 벽걸이 충전기로 급속 충전이 가능하도록 설계됩니다. 제 휴대전화에는 충전, 고속충전, 초고속충전이라는 세 가지 충전 표시가 있습니다. 같은 배터리라도 전류 세기가 다르게 충전되는 것입니다.
이런 배터리들은 소유자에게 스트레스 징후를 보일 수 있습니다. 예를 들어 만졌을 때 뜨겁다는 것을 느낄 수 있습니다. 전기차 배터리는 끊임없이 물리적으로 혹사당합니다. 우리가 망치로 두드리거나 벽에 부딪히는 것은 아니지만, 배터리는 움직이는 물체 안에 있습니다. 차량은 험한 도로를 달릴 때 흔들리고, 극심한 더위, 비, 눈, 추위, 경미한 사고 등에 노출됩니다. 배터리는 정상적인 충전과, 장거리 여행을 앞두거나 하루의 볼일을 다 처리할 수 있는 충분한 주행거리를 확보하려는 소유자의 필요에 따른 완충을 경험하게 됩니다. 집에서 완만하고 느리게 충전될 수도 있고, 주차장의 서드파티 급속충전기로 충전될 수도 있습니다. 이 충전기가 배터리에 해를 끼칠 수 있으며, 실제로 충전 중일 때 배터리 관련 사고가 늘어나는 것을 확인할 수 있습니다.
이상적인 온도에서 적절히 관리·충전·방전되고, 온도가 조절되는 환경에 보관되며, 움직이지도 젖지도 않는 고품질 배터리는 실제 세계에서 사용되거나 차량에 장착된 경우와는 매우 다른 결과를 낳습니다. 과속방지턱에서 차 하부를 실수로 긁는 것만으로도 배터리가 손상되어 몇 초 만에 고장 모드에 빠질 수 있습니다. 배터리는 고장 나도록 설계되지 않았지만, 그것이 놓인 환경은 결코 친절하지 않습니다. 설계된 대로 작동하지 않는 배터리는 이미 고장을 향한 길 위에 있는 것입니다.
전기차는 인천 사고에서 우리가 목격했듯, 그저 서 있던 상태에서 단 4초 만에 완전히 화염에 휩싸일 수 있습니다. 설계된 대로 작동하지 않는 차량은 절대 운전하거나, 실내에 주차하거나, 건물 근처에 두어서는 안 됩니다. 대중과 멀리 떨어진 곳으로 옮겨야 합니다. 화재 이전에 발생하는 유독가스 배출은 심각한 건강상의 영향을 줄 수 있습니다. 우리는 인천에서 이를 목격했습니다. 대피했던 건물로 주민들이 돌아왔을 때, 어린아이들은 눈 자극을, 노인들은 피부 자극을 겪었습니다. 배터리 배출물이 건강에 어떤 영향을 미치는지에 대한 데이터와 지식은 거의 없습니다. 리튬이온 노출에 대한 진단, 치료, 치료법은 존재하지 않으며, 그 영향은 종종 인생을 바꿔놓습니다. 우리는 그저 증상만을 치료할 뿐입니다. 지금은 극도로 신중해야 할 때입니다.
저에게는 매일이 배움의 시간입니다. 이제 모든 변수를 다 경험했다고 생각할 때쯤 새로운 변수가 등장해 모든 것을 바꿔놓습니다. 캐딜락 에스컬레이드 IQ 전기 SUV가 그렇습니다. 캐딜락 딜러 방문은 제 인식의 지형을 바꿔놓았습니다. 이 9,100파운드(4,127킬로그램)짜리 전기차는 단단한 케이싱 안에 이중으로 쌓인 배터리를 탑재하고 있습니다. 배터리는 205킬로와트시(205kWh)이고, 700마력이 넘는 출력을 냅니다. 거대한 차체에 거대한 출력을 갖춘 차량입니다. 포르쉐 718 박스터와 동일한 0-60마일 가속 시간을 냅니다. 이중 적층 배터리는 잠재적으로 두 배의 문제를 안고 있습니다. 어떻게냐고요? 고장 위험이 커지고, 한 스택의 셀 하나가 고장 나면 그것이 두 스택 모두에 영향을 미칠 수 있습니다.
우리가 처음 전기차를 접했던 2010년 닛산 리프 같은 차량은 더 친환경적이도록 설계된 저출력 차량이었습니다. 시간이 흘러 오늘날에는 포르쉐보다 빠르도록 설계되고 있습니다. 배터리가 커질수록, 그리고 우리가 그것에 기대하는 성능이 클수록, 문제나 고장, 열 관련 사고의 가능성도 커집니다.
저에게 모든 것을 정말로 바꿔놓은 순간은 차량 앞부분을 보고 영업사원에게 앞범퍼 하단에 왜 여러 개의 공기 흡입구가 있는지 물었을 때였습니다. 그는 "바깥이 더울 때 배터리팩을 냉각하는 팬이 있습니다"라고 답했습니다. 그것은 충격적이었습니다. 제 머릿속에는 즉시 이런 생각이 떠올랐습니다. 배터리가 고장 나고 팬에 전원이 없다면? 노면에서 반사되는 열은 어떻게 하나? 팬이 작동하지 않으면? 우리 모두 어느 시점엔가 배터리가 방전된 차량을 경험한 적이 있습니다. 그러니 캐딜락은 설계된 대로 유지되려면 끊임없이 냉각되고 온도가 관리되어야 하는 차량을 만든 셈입니다. 배터리를 그냥 열화되도록 내버려 둘 수는 없고, 그렇게 되면 차량은 설계된 대로의 최적 상태가 아니게 됩니다. 이것은 매우 비현실적인 구현입니다. 몇 주간 여행을 떠난다면 어떻게 될까요? 팬이 고장 난다면? 예상치 못한 정체로 긴 여정 후 배터리가 소진된다면?
제 견해로는 이 설계가 추가적인 고장 시나리오를 만들어낼 수 있습니다. 능동 냉각 없이는 배터리가 뙤약볕 아래 놓여있을 수 없기 때문입니다.
"소유자에게 알릴 책임은 누구에게 있는가"라는 질문은 이제 매우 복잡한 문제가 되었습니다. 예전에는 소유자가 주행거리 감소를 알아차리거나, 서비스센터가 테스트를 진행해 배터리 교체가 필요할 수 있다고 알려주는 방식이었습니다. 보증 기간이 특정 기간으로 정해진 데는 이유가 있습니다. 대부분의 전기차는 8년 보증을 제공합니다. 왜일까요? 8년 차가 지나면 문제가 시작될 수 있기 때문입니다. 그러니 에스컬레이드 EV 이전에는 상황이 더 선형적이었습니다. 즉, 여름철 며칠간의 폭염처럼 유별난 경우가 아니라면 배터리는 외부 온도에 대한 걱정 없이 그냥 놓여 있을 수 있었습니다.
에스컬레이드 IQ는 우리가 이전에 알던 배터리 열화 개념을 완전히 뒤집어놓았습니다. 열화는 소유 첫 주에도 일어날 수 있습니다. 실외 주차를 하고, 여름철에 2주간 출장을 가야 한다고 가정해봅시다. 차량은 뙤약볕 아래 익어가고, 배터리는 소진되거나 냉각 시스템이 고장 날 수 있습니다. 이는 배터리가 제조사의 사양 범위를 벗어나게 만듭니다. 그렇다면 누구의 책임일까요? 온도가 조절되는 차고 안에 두지 않은 당신입니까, 아니면 항상 냉각이 필요한 배터리를 판매한 캐딜락입니까? 그리고 실제 세계에서 팬 부품 고장과 충전 상태 저하가 일어날 수 있다는 사실은요? 우리는 미지의 영역에 있습니다. 그리고 우리는 밀폐된 팩 안의 배터리 손상 정도를 어떻게 알 수 있을까요?
내연기관 차량은 몇 주간 실외에 세워두거나, 몇 주간 실내에 세워둘 수 있습니다. 최악의 경우라 해봐야 배터리가 방전되어 점프 스타트가 필요한 정도입니다. 캐딜락은 어떨까요? 배터리는 항상 최적의 온도 상태로 유지되어야 합니다. 그것은 누구도 원하지 않는 골칫거리입니다. 안타깝게도 한 차량이 새롭고 참신한 무언가를 도입하면 다른 업체들도 이를 뒤따르곤 합니다. 페라리 루체 EV가 더 크거나 강력한 배터리를 도입하면서 이 배터리 냉각팬 시스템도 함께 도입할까요? 누가 알겠습니까? 앞으로의 모든 고성능 전기차가 이 시스템을 필요로 하게 될까요? 포뮬러 E 차량들도 모두 팬 시스템을 갖추게 될까요? 이런 점들이 제 일과 역할을 더 복잡하고도 흥미롭게 만듭니다. 에스컬레이드 IQ에 대한 데이터가 나오면 다시 인터뷰를 진행하시죠.

2부. 2주 후: 현장에서 얻은 여섯 가지 교훈

대화를 나눈 지 2주 후, 윌리엄 S. 러너는 다시 AEM에 연락을 취했다. 그는 단 14일 사이에 일어난 여러 사건과 관찰이 전기차 안전과 구조 가능성에 대한 자신의 생각을 다시 한번 바꾸어놓았다고 말했다. 다음 여섯 가지 소회는 그의 육성 그대로 전한다.

Lerner 지난 2주 동안 정확히 무엇이 바뀌었는지 설명해드리겠습니다. 정말 많은 일이 있었습니다. 몇 가지 기본 정보부터 시작하겠습니다. 소니는 1991년에 18650 배터리를 개발했는데, 이는 전통적인 소형 배터리보다 더 큰 출력을 필요로 하는 모든 종류의 기기에서 가장 널리 쓰이는 셀입니다. 이 배터리들은 차량과 모빌리티 기기에 사용됩니다. 그것이 오늘날 우리가 서 있는 곳의 출발점이었습니다. 닛산은 2010년 미국 시장에 오늘날 우리가 아는 첫 "대중 시장 전기차"를 선보였습니다. 이제 우리는 기준 데이터를 갖게 됐습니다. 2012년으로 넘어가면, 테슬라가 모델 S를 출시하고, 이것이 전기차 혁명의 시작입니다. 2012년을 출발점으로 삼는다면, 왜 우리가 여전히 모든 것을 이해하는 초기 단계에 있는지 설명이 됩니다. 제 견해로는 진정한 의미 있는 출발점으로부터 이제 겨우 14년이 지났을 뿐입니다.
테슬라는 빠르고, 세련되고, 혁신적이었으며, 욕망의 대상이었습니다. 속도, 안전, 그리고 자율주행 능력에 있어 배터리 유토피아를 약속한 최초의 차량이었고, 전통적인 계기판 대신 거대한 현대적 태블릿을 갖추고 있었습니다. 그것은 차가 아니라, 바퀴 달린 배터리였습니다. 빠르고 화려하며 시장을 뒤바꾸는 비전이었습니다. 당신은 차를 사는 것이 아니라 하나의 비전을 사고 엘리트 네트워크의 일원이 되는 것이었습니다. 그들은 또한 자체 브랜드 충전기와 편리한 공용 충전망을 도입했습니다. 그럼 다시, 지난 매우 유익했던 2주로 돌아가겠습니다:

2026 닷지 차저. 이 EV 버전은 전면이나 측면에 엠블럼이 전혀 없다. 1966년 오리지널 모델을 연상시키는 만화 같은 이미지가 가솔린과 EV 버전 모두에 등장하며, 엠블럼은 모든 버전에서 동일하다.

닷지 차저의 후면 뷰. 범퍼에 각인된 Daytona는 스텔란티스가 완전 전기 버전에 붙인 이름이다. 그 아래, 지면을 향해 각인된 Fratzonic은 이 차량에 가짜 배기음이 탑재돼 있음을 뜻하며, 닷지는 고객들이 이를 원한다고 판단했다. 대중과 구조대가 EV는 조용하다고 생각하는 상황에서 이는 혼란을 더 키운다. Fratzonic과 Daytona 어느 쪽도 알려진 배터리 용어와는 관련이 없다.

1. 닷지 차저
가솔린과 전기차 두 가지 형태로 판매되는 완전히 새로운 닷지 차저를 보러 닷지 딜러에 갔습니다. 4도어 버전에 집중했습니다. 이것은 그야말로 판도를 바꾸는, 그리고 정말 값진 학습 경험이었습니다. 이 차량은 네 개의 문 모두에 전동식 외부 도어 핸들과 전동식 버튼식 도어 오프너를 갖추고 있습니다. 차에 탔더니 "12V 배터리 부족"이라는 메시지가 떴습니다. 그것은 외부와 내부의 전동식 도어 핸들과 버튼이 작동하지 않게 된다는 뜻입니다. 문에 수동 릴리스가 있다는 것을 알고 있었으므로, 배터리 부족이나 전기적 결함, 사고 상황에서 운전자와 탑승자가 그 위치를 알고 접근할 수 있는지 파악해야 했습니다. 앞좌석의 릴리스는 반쯤 숨겨진 위치에서 찾아 차량에서 빠져나올 수 있었습니다. '잘했다, 닷지'라고 생각했습니다.
그런 다음 뒷좌석에 탑승해 같은 방식으로 핸들을 찾아 빠져나오는 과정을 반복했습니다. 이 딜러십 방문 동안, 저도 딜러십 직원도 뒷문에 대한 비상 릴리스를 찾을 수 없었습니다. 만약 차량의 다른 곳에 그런 장치가 있다면, 우리의 점검 과정에서는 확인되지 않았습니다. 다시 매장 안으로 들어가 모든 영업 담당자들에게 물었습니다. "좀 도와주시겠어요? 차저의 뒷문 비상 릴리스를 찾을 수가 없는데, 있긴 한 겁니까?" 한 선임 팀원이 즉시 "물론 있죠, 제가 보여드리겠습니다"라고 답했습니다. 우리는 밖으로 나갔고, 그는 제가 방금 세 차례 반복했던 탐색 과정을 그대로 되풀이했습니다. 그는 매우 당혹스러운 표정을 지으며 "있는 줄 알았는데, 뒤쪽에는 없네요"라고 말했습니다.
저는 물었습니다. "사고 상황에서 뒷좌석 승객은 어떻게 빠져나갑니까?" 그의 대답은 이랬습니다. "앞좌석 승객이 뒷문을 열어서 도와줘야 합니다." 놀라운 일이었습니다. 어디서부터 이야기해야 할지 모르겠습니다. 이는 딜러십 방문 중 현재 판매되고 있는 차량에서 뒷문 수동 릴리스를 찾을 수 없었던 첫 사례였습니다. 영업팀조차 그것이 없다는 사실을 몰랐는데, 고객들이 어떻게 알겠습니까? 뒷좌석 탑승자는 비상시 어떻게 빠져나갈까요? 닷지는 왜 이렇게 만들었을까요?

닷지 데이토나의 실내. EV와 가솔린 버전이 동일하다. 앞문에는 외부 전동식 도어 오프너가 있고, 네 개의 문 모두 전동 푸시 버튼으로 열린다. 앞좌석에는 패널 아래 숨겨진 수동 릴리스 레버가 있지만, 뒷좌석에는 수동 릴리스 핸들이나 레버가 전혀 없다. 배터리가 방전되면 이 모든 것이 작동하지 않아, 뒷좌석 탑승자는 빠져나갈 방법이 없다.

딜러샵을 방문했을 때, 주행거리 14마일인 2026 닷지 차저에 탑승했다. 계기판에는 즉시 12V 배터리 부족 경고가 떴다. 이는 외부와 내부 전동식 도어 메커니즘 모두를 고장 나게 할 수 있어, 밖에 있는 사람은 들어가지 못하고 뒷좌석 탑승자는 나가지 못하게 될 수 있다. 뒷좌석에는 앞좌석과 달리 수동 릴리스 핸들이 없기 때문이다.

2. 지프 랭글러 4xe
한 지인의 아들이 지프 랭글러 4xe를 갖고 있는데, 이 차량은 끊임없이 리콜이 이어지는 플러그인 하이브리드로, 리콜된 배터리에 대한 현재까지의 해결책이 없습니다. 저는 예전 컨설턴트 업무를 위해 이 차량과 집단소송 사건들을 연구해야 했고, 그래서 이 차량을 매우 면밀히 지켜봐 왔습니다. 그의 아들은 아버지가 차를 팔거나 다른 차로 바꾸라고 반복해서 요청하는 것을 무시했습니다. 그는 전기차나 플러그인 하이브리드에 아무 문제가 없다고 생각했고, 아버지가 '잠재적' 문제를 지적하는 것이 부질없다고 여겼습니다.
그 지인이 저에게 전화해 아들이 또다시 '차량을 주행하거나 충전하거나 차고나 건물 안에 주차하지 말라'는 리콜 통지를 받았다고 말했습니다. 그는 다시 딜러를 찾았고, 정비사는 그에게 이렇게 말했다고 합니다. "배터리 점검등이 켜지거나 뒷좌석에서 연기가 보이면, 폭발하거나 죽기 전까지 차에서 빠져나올 시간이 30초밖에 없습니다." 그것은 아들에게 충격적이었고, 이제 그들은 이 차를 처분하는 작업을 진행 중입니다.
그것이 사실이었을까요? 러너는 그 정비사의 발언이 시간을 다소 과장했을 수 있으며, 상황에 따라 1~2분 정도가 더 현실적일 수 있다고 말했습니다. 랭글러 4xe의 배터리는 뒷좌석 쿠션 바로 아래, 캐빈 내부에 있으며, 하드탑 버전에서는 가스 배출이 밀폐 증기운 폭발(CVCE, Confined Vapor Cloud Explosion)을 일으켜 지붕을 날려버리고 탑승자를 질식시킬 수 있습니다. 이런 일은 여러 차례 발생했으며, 심지어 차고 문을 날려 거리로 날아가게 한 적도 있습니다.
이 이야기의 교훈은 무엇일까요? 그것은 제 지인에게는 승리였고, 우리가 사람들에게 안전 강연이나 부모의 조언, 동료 심사를 거친 자료를 차량 선택에 반영하도록 기대할 수 없다는 증거이기도 했습니다. 아들은 자신이 받아들일 준비가 되었을 때, 그리고 자신이 신뢰하는 출처로부터 사실을 받아들였습니다. 그것은 승리였고, 우리가 배워야 할 교훈은 이것이 결국 각자의 시간표 안에서, 자신이 믿는 신뢰할 수 있고 지식 있는 출처로부터 모두에게 이해될 수 있기를 바란다는 것입니다. 우리는 결코 포기하거나 희망을 잃어서는 안 됩니다.

ERG 가이드 147항에는 리튬이온과 나트륨이온이 동일한 위험을 나타낸다고 명시돼 있다. 리튬이온은 위험하다고 여겨지는 반면, 많은 기업이 나트륨이온은 더 안전하며 발화하지 않고 열이나 독성물질을 발생시키지 않는다고 주장한다. 그것은 사실이 아니다.

3. 나트륨이온에 관한 주장들
저는 대규모 인프라 프로젝트를 위한 대용량 전력 수요를 감당하는 임시 에너지 저장 관련 새로운 역할을 곧 시작할 예정입니다. 에너지 팜이라고 부르는 것이 더 정확한 설명일 것입니다. 제가 속한 팀이 나트륨이온 배터리는 화재가 나지 않고 열도 거의 발생시키지 않는다고 주장하는 한 회사와 만나야 하는지 질문을 받았습니다.
제 의견과 말도 중요하지만, 결국 지배하는 것은 과학과 데이터입니다. 미국 교통부 파이프라인 및 위험물 안전관리국(PHMSA)이 발간한 응급대응 가이드북(Emergency Response Guidebook)의 147번 가이드, 224/225쪽을 이메일로 보냈습니다. 한 문장이 제가 받은 질문에 대한 답이 되었습니다.
"리튬이온과 나트륨이온 배터리는 인화성 액체 전해질을 포함하고 있으며, 고온에 노출되면 가스를 방출하고 발화하며 스파크를 일으킬 수 있다."
ISO에서 10년을 보내는 동안 저는 국제연합의 위험물 운송 권고사항-모델 규정에 기여한 바 있습니다. 이는 도로, 철도, 해상을 아우르는 위험물 운송 규칙을 표준화하기 위해 국제연합이 발간한, 전 세계적으로 인정받는 비구속적 지침입니다. "UN 오렌지북"이라 불립니다. 과시나 연설, 강의, 논쟁적 논쟁은 필요 없었습니다. 한 문장이면 충분했습니다.
저는 청중에 맞게 접근 방식을 조정합니다. 그 팀은 저를 찾아와 "세계 최고 전문가"라고 불렀습니다. 기분이 좋았습니다. 하지만 그 누구도 "전문가"가 아닙니다. 왜냐하면 이 이야기는 아직 쓰이는 중이기 때문입니다. 저 자신을 포함해 누구도 이 분야의 새로운 에너지나 안전 "전문가"라고 부르지 않을 것입니다. 우리 모두는 이 문제가 실시간으로 역동적으로 진화하는 가운데, 답과 가장 안전하고 최선의 길을 필사적으로 찾고 있을 뿐입니다. 질문은 던져졌고, 답변되었고, 받아들여졌으며, 이제 조직에 영향을 미칠 수 있는 다음 문제로 넘어갔습니다.

4. NHTSA 청원
차량이 전기차인지, 가솔린인지, 하이브리드인지, 플러그인 하이브리드인지 식별하기 위한 청원이 NHTSA에 제출됐습니다. NHTSA는 미국 교통부(DOT) 산하의 국가고속도로교통안전국입니다. 최초 구조대와 대중은 차량의 추진 방식이 무엇인지 알아야 합니다. 이는 서로 다른 대응 과제, 진압 방식, 화재 하중, 독성물질, 건강, 인프라 문제를 만들어내기 때문입니다.
그렇다면 2주 사이에 무엇이 바뀌었을까요? 만약 NHTSA가 새로운 표준을 위한 청원을 받아들인다면, 이는 완성차 업체들에게 더 나아져야 한다는 것을 보여주고, 대중과 구조대에게 이 심각한 위험을 진지하게 받아들여 제 역할을 하고 있음을 증명하는 것이 됩니다. 만약 청원이 거부된다면, 이는 여전히 이전과 다를 바 없다는 뜻입니다. 저는 경력 초반에 이 기관이 대체로 업계의 자율 규제를 허용한다는 이야기를 들었습니다. 물론 제 반응은 이랬습니다. "자율 규제는, 특히 안전 문제에 있어서는 거의 효과가 없습니다." 당시 NHTSA의 고위 책임자는 아무런 답변을 하지 않았습니다. 그는 지금 개인 변호사로 활동하고 있습니다.
청원의 수용 혹은 거부는 세계, 구조대원, 대중에게 그들이 어느 편에 서 있는지를 보여줄 것입니다.

청원서 다운로드: https://drive.google.com/file/d/1h3T4S-xOriKrlFkuvo0k6d0pQxar1xAR/view?usp=drive_link

5. BMW X5
4번의 연장선입니다! BMW가 방금 2027년형 X5의 이미지를 공개했습니다. 이는 BMW의 가장 인기 있고 잘 팔리는 SUV 중 하나입니다. 생산은 8월 노스캐롤라이나에서 시작됩니다. 2027년형은 완전히 새로워졌고, 급진적으로 달라졌습니다. 마침 중국의 새 규정이 완전 은폐형 전자식 도어 핸들 디자인을 2027년부터 금지하는 방향으로 움직이고 있는 시점에, BMW는 측면 도어 패널에 핸들이 전혀 없는 모델을 내놓았습니다. 대신 B필러에 전동으로 작동하는 작은 날개형 장치를 도입했습니다. 그 날개는 매우 작고 좁으며, 버튼을 눌러야 문이 열립니다.
이전 인터뷰에서도 논의했듯이, 완성차 업체는 신차를 설계할 때 구조대원을 참여시켜야 합니다. 제 견해로는, 설계 초기 단계에 그들이 참여했더라면 이런 방식은 결코 승인되지 않았을 것입니다. 제가 파악한 정보로는 수동 기계식 우회 장치를 확인할 수 없었고, 당길 만한 것도 전혀 없어 보였습니다. 구조대원은 장갑을 착용하는데 그 작은 지느러미 안에는 손이 들어가지 않기 때문입니다. 게다가 구조를 더욱 어렵게 만드는 것은, 이 차량이 일반 자동차 유리처럼 깨지지 않는 접합유리를 사용한다는 점입니다. 원래 몇 초 만에 끝나야 할, 사고나 화재 후 환자를 차량에서 빼내는 구조 작업이 훨씬 더 오래 걸릴 수 있습니다. 어떤 시나리오에서는, 화재가 난 전기차라면 구조 작업이 상당히 더 어려워질 수 있다고 우려됩니다.
제가 정말 놀랐던 점은, BMW의 그 어떤 디자이너도 두꺼운 겨울용 장갑을 끼고(어쨌든 4륜구동 SUV이니 말입니다) 실제로 밖에서 문을 열어보려 시도하지 않았다는 것입니다. 그리고 두 번째로 논의해야 할 것은 고객의 필요에 관한 문제입니다. 미국에서 이런 SUV들은 종종 러닝보드를 장착해 승하차 편의성을 몇 인치에서 1피트가량 밀어내는데, 왜냐하면 이것들이 측면 도어 아래에서 돌출돼 있기 때문입니다. 그렇다면 기하학적 관점에서, 어린이, 젊은 성인, 이동에 어려움이 있는 사람, 관절염이 있는 사람, 혹은 "평균 성인 신장" 범위를 벗어나는 성인들에게 이것이 어떻게 작동할까요? 작동하지 않습니다. 그리고 같은 지느러미형 오프너를 장착한 더 큰 X7이 출시되면 문제는 더욱 복잡해질 것입니다.
한 세기 동안 '도어 핸들'로 알려져 온 그 영역에 대한 정의는 이제 전 세계적인 의미를 잃었습니다. BMW는 이를 이제 "문이 아니라 앞뒤 창문 사이 공간, 즉 B필러라고 알려진 곳에 위치한 작은 전동식 지느러미"로 대체했습니다. 보시다시피 저에게는 매일이 모험입니다.

6. 매우 뒤틀린 로빈 후드 이야기
독자 여러분, 스트레칭도 하고, 커피도 한잔 하고, 잠시 쉬었다가 이 복잡한 이야기를 위해 돌아와 주십시오. 저는 미국 북동부의 부유한 지역에 있는 매우 고급스러운 시설에 있었습니다. 2분만 운전해도 수백만 달러짜리 저택이나 그에 못지않게 값비싼 차를 볼 수 있는 곳이었습니다. 어떤 이유에서인지 저에게 말을 걸어오기 시작한 매우 사교적인 한 여성 옆에 있었습니다. 그녀는 매우 친절해 보였고, 자신이 목격한 끔찍한 교통 체증과 사고에 관해 이야기하고 있었습니다. 우리는 전기차와 제가 하는 일에 관해 이야기했습니다. 그녀는 자신이 그런 문제들, 위험성, 차이점을 몰랐다는 사실을 믿을 수 없어 했습니다. 그녀는 매료된 듯 보였습니다. 그녀는 이어 매년 자신과 남편이 도움이 필요한 구조대원들에게 기부하는 자선 행사에서 테이블을 산다고 말했습니다. 그녀는 테이블 전체에 얼마를 내는지(1만 달러) 말해주었고, 이 자선단체가 소방관 부모를 잃어 생명보험이나 보상이 시작되기 전 절박하게 자금이 필요한 두 가족에게 5만 달러를 지급한다고 설명했습니다. 놀랍지 않습니까?
그녀는 이어 자신의 가족이 인근 도시에서 기아 딜러십을 운영한다고 말했습니다. 저는 최근 업데이트 이후 전면부와 측면에 배지가 없어 앞, 옆, 뒤에서 거의 동일해 보이는 기아 코나 가솔린 차량과 전기차 각각 한 대씩, 총 두 대를 빌릴 수 있는지 물었습니다. 그녀는 남편에게 물어보겠다고 했습니다. 첫 번째 이메일에는 그러고는 싶지만 전시장 공간이 부족하다는 내용이 담겨 있었습니다. 저는 케이블 TV 인터뷰용 'B롤' 촬영을 위해 딱 한 시간, 어디에든 주차해두어도 되니 차량 두 대만 필요하다고 답했습니다. 그녀는 이렇게 답했습니다. "도와드리고 싶지만, 그 도시에는 주차공간과 여유 공간이 부족해서 어렵겠어요."
요청이 왜 거절됐는지 알지 못합니다. 하지만 이 경험은 추진 방식의 차이와 전기차 안전에 관한 논의가 업계 일부에서는 때로 민감한 주제일 수 있다는 사실을 다시금 일깨워주었습니다. 그녀는 제 인터뷰를 모두 읽고 영상도 시청했으며, 그 소중한 정보에 감사를 표했습니다. 이상적으로는, 더 적은 수의 구조대 가족들이 이런 자선단체를 필요로 하는 세상이 돼야 할 것입니다. 제 견해로는, 교육과 인식에 대한 더 많은 투자가 자선의 도움이 필요해지기 전에 비극을 예방하는 데 기여할 수 있을 것입니다.

새로운 메르세데스 CLA EV. 이 차량이 전기차임을 나타내는 후면 배지가 없다. 연료 주입구 커버는 가솔린 모델과 동일한 크기다. 그릴은 뚜렷하게 돋보이고, 그 위에 통풍구가 있으며, 전면 양쪽에는 개방형 통풍구가 있다. 이는 EV를 가솔린 차량처럼 보이게 만드는 새로운 기준점이다.

맺음말
어느 한 대화에서 한 걸음 물러서서 보면, 업계의 많은 이는 구조대와 소비자가 그 정보를 점점 더 필요로 함에도 불구하고 추진 방식의 차이를 공개적으로 드러내기를 꺼리는 듯합니다. 제 견해로는, 그것이 이 전환기의 좀 더 조용한 도전 과제 중 하나입니다. 어느 한 회사나 개인의 문제가 아니라, 비상 상황이 그 문제를 강제하기 전까지 이런 차이를 드러내지 않으려는 업계 전반의 망설임 말입니다.
함께 놓고 보면, 위의 여섯 가지 이야기는 사실 여섯 대의 서로 다른 차량에 관한 것이 아닙니다. 그것들은 하나의 반복되는 결함에 관한 이야기입니다. 시스템 어딘가에, 딜러, 정비사, 규제 당국, 제조사에 존재하지만, 그것을 필요로 하는 사람, 즉 운전자든 구조대든 딜러십 매장에 서 있는 고객이든, 그 사람에게 제때 닿지 않는 정보 말입니다.
독자 여러분과 제가 함께 일하는 이들, 그리고 저를 위해 일하는 이들에게 정말 중요한 저의 마지막 생각은 이것입니다. 저는 리튬이온 배터리, 전기차, 모빌리티 기기가 위험하며 잠재적인 공공의 위협이라는 것을 전 세계 모든 사람에게 보여주는 데 흔들림 없이 매달리며 논쟁을 부추기고 대립적으로 행동하는 "과학 덕후"나 안전에만 몰두하는 전문가가 아닙니다. 제 접근 방식은 이렇습니다. “지금 이 시점에서 우리가 서 있는 곳은 여기이며, 목표는 안전이고, 모두가 필요하고 원하는 정보를 얻고, 자신이 구매하거나 그 주변에 있는 것들의 위험과 차이를 이해하도록 하는 것입니다."
"아는 것이 힘이다"는 가장 좋아하는 격언 중 하나입니다. 교육, 논의, 인식은 즐겁고 계몽적일 수 있습니다. 그리고 그래야만 한다고 생각합니다. 그 누구도 사실과 사실, 교훈으로 두들겨 맞고 싶어 하지 않습니다. 지금은 배우고, 탐구하고, 모두를 위해 세상을 더 안전한 곳으로 만들기에 아주 좋은 시기입니다. 우리가 최전선에서 하는 일과 균형을 맞추려면 즐거움과 웃음도 있어야 합니다.
이 인터뷰를 마치자마자 저는 반드시 "강남스타일" 춤을 연습해서, 지금 우리가 아는 케이팝을 세상에 소개한 싸이(PSY)의 전 세계적 신드롬에 경의를 표해야 합니다. 아이러니하게도 그 해는 테슬라 모델 S가 출시된 해와 같은 해였습니다. 서울의 그 웅장한 동상 아래에서 영상을 본 후, 제 춤 동작을 좀 더 잘 다듬을 수 있었더라면 좋았을 것 같습니다. 어쩌면 테슬라의 걸윙 도어가 열리는 모습을 흉내 내는 팔동작을 넣을 수 있을지도 모르겠네요.
제 춤 동작 영상을 보내달라는 요청으로 제 받은편지함이 폭발할 것 같은 예감이 듭니다. 저는 지금 댄 하트먼(Dan Hartman)의 클래식 디스코곡 "Relight My Fire"에 맞춰 출 춤 동작을 고민하고 있습니다. 안전하게, 정보에 밝게, 질문을 멈추지 말고, 우리의 진화하는 세상에 대한 흥분을 결코 잃지 마시길 바랍니다.

편집자 주: 2부는 최초 인터뷰로부터 2주 후 러너가 제공한 후속 관찰과 논평으로 구성됐다. 서술된 주장과 경험은 그의 개인적 관찰로, AEM이 검증하진는 않았다.

The Car Was Built to Survive. Was It Built for Post-Crash Rescue?

한상민 기자_han@autoelectronics.co.kr — 2026-07-14 11:39:00+0900

차는 살아남도록 설계됐다. 그런데 구조되도록 설계는 되었는가?

한상민 기자_han@autoelectronics.co.kr — 2026-07-14 11:18:05+0900

EV 화재는 더 이상 단순한 기술적 문제가 아니다. 그것은 누가 차 안에 있는지, 누가 구하러 오는지, 어떤 차인지, 그리고 그 둘 사이에 얼마나 많은 장벽이 놓여 있는지의 문제다. WSL 컨설팅 CEO이자 독립 EV 리스크 발명가인 윌리엄 S. 러너와 뉴어크 소방국 배틀리언 치프 스티븐 라펜타는 서로 다른 위치에서 같은 현실을 목격해왔다. 한 사람은 특허와 안전 컨설팅에서, 다른 한 사람은 현장 지휘의 경험에서 말한다. 그러나 두 사람 모두 같은 결론에 도달했다. 설계는 구조에 등을 돌렸고, 그 대가는 이미 치러지고 있다는 것이다. 다음은 두 사람과의 대화 전문이다.

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

공항이 찾아왔다

두 분 모두 현재 어떤 상황에 계신가요? 윌리엄, 뭔가 새로운 일이 진행 중이라고 들었습니다.
Lerner 저는 이번 9월부터 항공 부문 컨설팅 역할을 시작합니다. 아직 공식 발표는 하지 않았습니다. 전기 항공기, 헬리콥터, eVTOL, 드론이 빠르게 확대되면서 이 역할을 제안받았습니다. 규모가 아니라 운항 빈도 면에서 가장 바쁜 곳 중 하나를 맡아달라는 요청을 받았습니다.
지상에서 리튬이온 화재를 진압하는 것만으로도 이미 충분히 어렵습니다. 이제는 그것이 제 머리 위에서 일어나는 상황까지 다뤄야 합니다. 전기 헬리콥터는 테슬라 세미트럭만큼 크고 강력한 배터리를 가질 수 있습니다. 미국은 드론 우위, 그리고 첨단 항공 모빌리티(AAM) 부문의 리더가 되겠다는 의지를 선언했으므로, 우리가 알던 항공 산업은 극적으로 변화할 것입니다. 제 담당 범위는 항공기 자체뿐 아니라 공항 내 모든 지상 장비, 그리고 에어사이드·그라운드사이드·항공운영구역(AOA) 내에서 운행되는 모든 차량을 포함합니다. 헬리콥터가 기계적 결함, 배터리 문제, 예기치 못한 기상 현상으로 인해 추락하면 이를 경착륙(hard landing)이라고 부릅니다. 그 헬리콥터가 전기식이라면, 완전히 다른 문제가 됩니다.
이전에 저는 뉴욕·뉴저지 항만청(Port Authority) 전체 자산에 대한 최초의 포괄적 리스크 평가와 권고안을 수행했습니다. 항만청은 준정부적, 반자치적 기관으로, 세계에서 가장 붐비는 버스터미널(맨해튼 미드타운의 포트 오소리티 버스터미널), 교량(조지 워싱턴 브리지), 터널(링컨 터널)을 포함합니다. 제 평가는 또한 전국에서 가장 붐비는 항만, 철도, 사무용 빌딩, 그리고 JFK·뉴어크국제공항·라과디아를 포함한 다섯 개 공항까지 포함했습니다. 추가로 지상, 지하, 노상의 여러 주차 구조물을 조사해야 했는데, 이는 12만 대 이상을 수용하는 주차 공간이었습니다. 제가 왜 이 일을 했을까요? 리튬이온과 관련된 모든 것이 기관 전체와 여행 대중에게 어떤 영향을 미칠지 기관의 경영진에게 보고하기 위해서였습니다. 연간 6억 명의 방문객, 8,000명의 직원, 그리고 항공 구조 소방대(ARFF) 요원 90명을 포함한 약 2,300명의 항만청 경찰 인력이 그 대상입니다.

라펜타 치프, 당신도 새로운 파트너십을 결성했다고 들었습니다.
LaPenta 윌리엄과 저는 팀을 꾸렸습니다. 여기에 한 명의 파트너가 더 있는데, 아프가니스탄 참전 경력이 있는 전직 특수작전 요원 출신으로 경찰관과 교정직 공무원으로도 근무했고, 지금은 AI와 스타트업 분야에서 활동하고 있습니다. 저는 현장 경험과 훈련을 담당하고, 그는 비즈니스 구조와 기술을 담당합니다. 저는 뉴어크 소방국에서 650명의 소방관을 총괄하고 훈련 아카데미를 운영하고 있으며, 협력 범위는 비밀경호국(Secret Service), 국방부, FBI, 뉴저지주 경찰, 뉴어크국제공항 등 연방·주 기관으로까지 확장됩니다. 뉴어크는 미국에서 가장 복잡한 관할구역 중 하나입니다. 다중 경보 구조물 화재, 유해물질 사고, 포트 뉴어크 선박 화재 등 저는 모든 경험과 계급을 거쳐 이 자리까지 왔습니다.

차는 자신이 EV라고 말하지 않는다

차량 식별이 현장에서 느끼는 첫 번째 문제라고 말씀하셨습니다. 구체적으로 어떤 모습인가요?
LaPenta 출동 지령이 오면 우리는 이동하는 동안 가능한 한 많은 정보를 수집하려 합니다. 이를 '사이즈업(size-up)'이라고 부릅니다. 문제는 차량 화재나 교통사고 신고를 받았을 때, 현장에 도착하기 전에는 그 차가 EV인지 내연기관차인지 알 방법이 거의 없다는 것입니다. 완전히 예측 불가능한 상황이 됩니다.
번호판을 촬영하거나 VIN 번호를 조회할 수 있는 디지털 앱들이 존재하지만 실용적이지 않습니다. 안전하지도 않습니다. 훈련 기준상 내연기관차 사고 현장에서는 최소 30미터, EV 현장에서는 최소 45미터 떨어져 있어야 합니다. 하지만 밤에, 차가 옆으로 뒤집혀 트럭 뒤에 가려져 있고, 안에 사람이 갇혀 있는 상황에서 45미터 떨어진 곳에서 그 차가 EV인지 어떻게 알 수 있을까요?
원자력 발전소나 위험물 운송 차량의 경우, 외부 표식과 경고판(placard)이 즉각적으로 특수 위험의 존재를 알려줍니다. 대응요원들은 연기가 보인다고 무작정 뛰어들지 않습니다. 그런 표식들은 현장에 도착하기도 전에 우리의 전술적 접근 방식을 근본적으로 바꿔놓습니다. 철도 차량이나 위험 화물을 실은 다른 차량에도 같은 원칙이 적용됩니다.
그러나 지금의 자동차, 특히 전기차는 이런 핵심 정보를 제공하지 않습니다. 대응요원이 외관만으로 고전압 시스템이나 리튬이온 배터리 위험을 식별할 수 있는 신뢰할 만한 방법은 대개 존재하지 않습니다. 현재 경보가 접수되면 지령센터는 주소, 사업체명, 그리고 데이터베이스에 저장된 특수 위험 정보(예: 원자력 발전소) 등 도착 전 사이즈업에 유용한 정보를 제공합니다. 전기차에도 이에 상응하는 시스템이 필요합니다. 표준화된 외부 표식을 통한 명확한 식별은 대응요원들에게 동일한 수준의 핵심 인식을 제공할 것입니다. 이 정보는 우리가 이동 중에도 전술을 조정할 수 있게 해주며, 전술은 생명을 구합니다.

Lerner 제조사들은 이 문제를 더 악화시키고 있습니다. 메르세데스 G-바겐의 전기차 버전은 뒷면 배지에 그냥 'G580'이라고만 적혀 있습니다. 앞이나 옆에서는 그것이 EV인지 알 수 없습니다. 캐딜락 에스컬레이드 IQ도 마찬가지입니다. 전기차임을 나타내는 외부 표시가 사실상 없습니다. 과거에는 막힌 라디에이터 그릴이 EV를 나타내는 시각적 단서였습니다. 이제는 그 방법이 통하지 않습니다. 배터리 냉각 팬 때문에 그릴이 열려 있어야 하기 때문입니다.
2027년 1월 1일부터 완전히 은닉된 순수 전자식 자동차 도어 핸들에 대한 중국의 금지 조치가 시행됩니다. 공업정보화부(MIIT)가 의무화한 이 규정은 중국에서 판매되는 모든 신형 승용차에 기계식이며 전력에 의존하지 않는 릴리스 방식의 외부·내부 도어 핸들을 갖추도록 요구합니다. 규정을 준수하지 않는 차량은 등록 자체가 불가능해집니다. 중국이 공식적으로 이 위험을 가장 먼저 인정한 것입니다. 이제 거의 모든 신차에 전자식 도어 핸들을 적용하고 있는 메르세데스 같은 제조사들은 중국 시장용으로 별도의 도어를 제작해야 합니다. 같은 차라도 나라마다 다른 문이 달리게 되는 것입니다. 새로 출시될 모델과 현재 생산 중인 모델 모두에서 이 혼란은 이제 막 시작되고 있습니다.

캐딜락 에스컬레이드 IQ EV. 4,127킬로그램(9,100파운드)의 이 EV는 이중 적층 배터리를 견고한 케이싱 안에 담고 있다. 수많은 통풍구 때문에 가솔린 차량처럼 보인다. 이 흡입구들은 실제로 작동하는데, 더운 날씨에 배터리팩을 식히기 위해 팬이 가동돼야 하기 때문이다. 이는 배터리를 소모시켜 배터리팩을 결함 모드로 몰아넣을 수 있다. 실제로 가솔린 버전의 흡입구가 더 작다. EV로서는 최초의 사례이며, 구조대가 과거에 단서로 삼던 특징들이 이제는 무의미해졌다.

한국은 현재 전자식 도어 핸들 금지가 진행되고 있지 않습니다. 이에 대해 어떻게 보시나요?
Lerner 위험은 명백합니다. 중국의 금지 결정은 결국 전 세계를 바꿔놓을 것입니다. 중국이 이 핸들이 안전하지 않다고 공식 선언한 이상, 다른 나라들도 따를 수밖에 없을 것입니다. 한국은 이것을 면밀히 주시해야 합니다. 대중의 관점에서 보면, 소비자가 판매원에게 "제가 사려는 신형 메르세데스는 왜 구식 핸들이 달려 있나요?"라고 묻는 흥미로운 시기가 올 것입니다. 그리고 금지된 핸들을 가진 차를 팔거나 교환하려는 소유자들은, 그 차가 '위험하다'고 판정될 경우 불확실한 중고차 시장에 직면하게 될 것입니다. 어떤 부모가 그런 차를 가족을 위해 사겠습니까?

LaPenta 전적으로 동의합니다. 전자식 도어 핸들은 구조대원과 갇힌 탑승자 모두에게 중대한 장벽이 될 수 있습니다. 전자식 도어 릴리스 시스템을 갖춘 차량에서는, 충돌 피해 정도와 무관하게 차량이 전력을 잃으면 문이 열리지 않을 수 있습니다. 예를 들어, 저는 신형 내연기관(ICE) 차량이 전면부가 방화벽까지 밀려 들어간 정면 충돌 사고에 출동한 적이 있습니다. 그런 심각한 구조적 손상에도 불구하고, 운전자는 정상적으로 차에서 나올 수 있었고 모든 문이 설계대로 작동하고 열렸습니다.

딜러샵에서 발견한 것

두 분 모두 캐딜락 딜러샵을 직접 방문하셨습니다. 에스컬레이드 IQ를 살펴보고 무엇을 발견하셨나요?
LaPenta 충격적이었습니다. 외관부터 시작하면, EV 버전과 ICE 버전 사이에 거의 차이가 없습니다. 유일한 구분점은 방향지시등 근처의 사이드 마커였습니다. 그릴은 오히려 더 닫힌 게 아니라 더 열려 있습니다. 냉각 팬 때문입니다. 과거에는 밀폐된 그릴이 EV의 시각적 단서였습니다. 에스컬레이드 IQ는 정반대입니다. 열린 그릴은 이제 아무것도 말해주지 않습니다.
도어 핸들은 일반 핸들처럼 보이지만 전자식입니다. 문을 열려면 손가락이 들어가는 홈 안의 버튼을 눌러야 합니다. 프렁크(앞 트렁크)는 내부 스위치나 외부 센서를 통해서만 열 수 있습니다. 수동 릴리스는 없습니다. 슬라이드식 수납 트레이가 배터리 구획 전체를 덮어 접근을 완전히 차단합니다. 저는 훈련받은 소방관인데도 고전압 차단 장치가 어디 있는지 끝내 알아내지 못했습니다.
프렁크 내부에는 3인치×2인치 크기의 컬러 스티커가 부착돼 있지만, 실제 480V 고전압 및 12V 시스템의 위치 표시는 검은색 플라스틱 위에 검은색 텍스트와 기호로 양각 처리돼 있습니다. 이런 저대비 표시는 가시성이 떨어지며, 정면 충돌 후 손상되거나 사라질 경우 대응요원에게 사실상 쓸모가 없어집니다. 게다가 자동차용 플라스틱과 접착제는 상당한 온도 한계를 갖고 있습니다. 대부분의 플라스틱 부품은 재질에 따라 대략 섭씨 105도에서 200도 혹은 그 이상에서 녹기 시작합니다. 예를 들어 폴리에틸렌은 대개 섭씨 105~135도에서 녹고, 폴리카보네이트는 섭씨 220~250도에서 녹습니다. 기본적인 차량용 스티커 역시 화씨 46도(섭씨 8도) 정도의 최소 부착 온도를 가지며, 그보다 낮은 온도에 노출되면 접착력과 장기 내구성이 크게 저하될 수 있습니다.
이제 현실적인 시나리오를 생각해봅시다. 이 차가 전신주를 들이받았고, 뒤집혀 있고, 비가 오고, 밤입니다. 저는 고전압 전원을 차단해야 하는데 어디 있는지 모릅니다. 문은 전자식이라 수동으로 열리지 않습니다. 프렁크에는 수동 릴리스가 없습니다. 고전압 시스템이 아직 살아있을 수 있어 절단을 시작할 수도 없습니다. 제 손은 완전히 묶여 있는 셈입니다.

Lerner 이건 GM의 오래된 패턴입니다. 약 10년 전, GM의 배터리 담당 임원이 캐딜락 리릭(Lyriq)의 응급 대응 가이드를 다시 써달라고 제게 요청한 적이 있습니다. 저는 두 가지 조건을 걸었습니다. 첫째, 이 차량과 관련된 리튬이온 사고에 대응한 첫 구조대원은 24시간 동안 모니터링을 받아야 한다는 것. 둘째, 가이드에는 이 차량이 24시간 이내에 재점화되거나 유독 가스를 방출할 수 있다고 명시돼야 한다는 것. 둘 다 적용되지 않았습니다. 그들은 대중을 겁먹게 할까 두려워했을 수 있니다. 유사한 다른 차량은 그렇지 않은데 이 특정 차종만 탑승자와 구조대원을 더 일관되게 보호하는 다른 대응 가이드를 가질 수는 없다는 논리였을 수 있습니다. 오늘날 캐딜락의 EV는 사실상 모두 같은 부품을 사용하며, 더 큰 모델은 단지 더 큰 배터리, 또는 IQ처럼 이중으로 적층된 배터리를 가질 뿐입니다.
그 시절을 돌이켜보면 제가 이 일을 얼마나 오래 해왔는지 알 수 있습니다. 처음 시작했을 때 저는 앞을 내다보며, 항상 최악의 상황을 대비하고 최선을 바라는 태도를 가졌습니다. 헌신적인 안전 전문가라면 마땅히 그래야 합니다. 그렇다면 지금 재점화 문제는 어떤 상황일까요? 3개월입니다. 유독 배출물 모니터링은 어떤가요? 대응요원이나 탑승자의 남은 평생입니다. 충격적이죠? 전혀 그렇지 않습니다. 이것은 과학과 논리에 근거한 것입니다. 배터리에서 정확히 어떤 독성물질이 배출되는지 우리는 모릅니다. 배터리 안에 정확히 무엇이 들어있는지 우리가 모르기 때문입니다. 그것은 공개될 의무가 없습니다. 같은 생산연도의 동일한 테슬라 모델도 서로 다른 배터리를 가질 수 있습니다. EV 배터리가 타면 차체 전체가 함께 타는데, 그 안에는 다른 배터리들, 액체류, 금속, 플라스틱 등이 있습니다. 이것은 서로 상호작용하는 매우 복잡한 독성 칵테일이 됩니다. 그래서 10년 전에 제가 옳다고 생각했던 것이 오늘날에는 완전히 틀린 것이 됐습니다. 리튬이온 유독 배출물 노출에 대한 진단, 치료, 치료법은 존재하지 않고, 허용 가능한 잔류물 수준도, 확립된 2차 오염률도 없습니다. 그것은 옻나무(poison ivy)와 같습니다. 표면에 남아 있다가, 닦아내도, 다시 활성화될 수 있습니다. 우리는 아무도 예상하지 못했고 어떤 차원에서도 준비되지 않은 매우 심각한 국면에 진입하고 있습니다. 제 말을 의심하십니까? 가까운 응급실에 가서 의료팀, 의사, 종양학자들을 인터뷰하고 물어보십시오. 그들은 여러분에게 해줄 수 있는 게 없습니다. 그들은 그저 증상이 나타날 때마다 대증치료를 하고 집으로 돌려보낼 뿐입니다. 저는 병원에서 대응요원과 경찰을 위한 행사를 주최한 적이 있습니다. 그들을 응급실로 데려갔고, 그들은 어떤 교과서나 영상, SNS 게시물로도 얻을 수 없는 방식으로 이것을 이해하게 됐습니다. 그들은 그 시나리오에 노출됐고, 그들의 안전지대이자 안전망인 응급실조차 그들을 위해 해줄 수 있는 게 거의 없었습니다.
이를 진정으로 이해하는 또 다른 방법은 EV 사고 이후의 소화용수와 빗물에 대한 과학적 데이터를 통해서입니다. 화재 진압에 사용된 물은 잔류성 화학물질(forever chemicals)과 섞입니다. 만약 손상된 상태의 차량이 야외로 옮겨진다면, 빗물이 배터리의 잔류성 화학물질 및 독성물질과 섞입니다. 우리는 토양 채취 및 분석을 통해 이를 알고 있습니다. 우리는 지금 가장 강력한 데이터가 수집되고 있는 한복판에 있습니다. 루턴 공항, 1,500대의 차량이 파괴됐고, 구조물과 차량 모두 오염됐습니다. 5년짜리 복원 계획이 세워졌으며, 잔류성 화학물질이 토양으로 침출되어 런던 북부 대수층으로 유입된 것이 확인됐습니다.
에스컬레이드 IQ의 무게는 9,100파운드, 약 4,127킬로그램입니다. 그것으로도 크기가 부족하다면, 에스컬레이드 IQ L을 구입할 수 있는데, 길이가 4.2인치 늘어나 총 228.5인치, 즉 5.8미터, 19피트에 달합니다. 이 수치 중 하나는 와닿을 것입니다. 배터리 용량은 205킬로와트시이며, 출력은 700마력을 넘습니다. 0-100km/h 가속 시간은 포르쉐 718 박스터와 비슷합니다. 배터리는 이중으로 적층돼 있어, 한 셀의 결함이 두 스택 모두로 전파될 수 있습니다. 미국에 EV가 처음 등장했을 때는 2010년형 닛산 리프였습니다. 이후 모델들도 여전히 저출력의, 환경친화적인 차량이었습니다. 이제 우리는 포르쉐보다 빠른 차를 만들면서 그에 걸맞게 배터리를 채워 넣고 있습니다. 배터리가 커지고 요구하는 것이 많아질수록 실패 가능성도 커집니다. 배터리가 커질수록 유독 배출물도 커집니다.
몇 년 전, 저는 화씨 4,000~5,000도에 달할 수 있는 EV 화재 온도에 온통 집중했습니다. 저는 장비가 그 온도를 견디지 못한다는 것을 알고 있었습니다. 안면부는 화씨 375도에서 파손되고, 넥후드는 화씨 780도까지만 견딜 수 있습니다. 그렇다면 지금 제 초점은 무엇일까요? 화재 발생 이전의 배출물입니다. 그것이 이 사건에서 가장 위험한 부분입니다. 어떻게 아느냐고요? 데이터입니다. 부검입니다. 갇힌 탑승자는 몇 분 만에 독성물질로 질식사합니다.
다시 딜러샵 경험으로 돌아가면, 저는 영업사원에게 물었습니다. "앞범퍼 하단에 왜 여러 개의 공기 흡입구가 있나요?"라고. 그는 "날씨가 더울 때 배터리팩을 식혀주는 팬이 있습니다"라고 답했습니다. 그 순간 일련의 질문들이 제 머릿속에 몰려들었습니다. 배터리가 죽으면 팬도 전력을 잃습니다. 포장도로에서 올라오는 복사열은요? 팬이 고장 나면요? 출장으로 2주간 야외 주차장에 세워두면 어떻게 될까요? 캐딜락은 지속적인 냉각이 필요한 차를 판매하고 있습니다. 배터리가 죽으면 전자식 문, 전자식 트렁크, 전자식 핸들, 그 어느 것도 열리지 않습니다, 설령 안에 사람이 있어도 말입니다. 그리고 지속적인 냉각이 필요하다는 것은 열화가 소유 첫 주부터 시작될 수 있다는 뜻입니다. 이것은 우리가 이전에 이해했던 배터리 열화와는 근본적으로 다른 문제입니다. 캐딜락은 배터리를 충전 상태로 유지하거나 온도 조절이 되는 환경에 두지 않으면 제조사 사양을 벗어나도록 보장된 차량을 설계, 제작, 판매한 것입니다. 이것은 대중과 인프라에 충격적이고 위험한 일입니다. 그리고 기억하십시오, 이것은 하나의 팩에 담긴 가장 큰 이중 배터리 아키텍처를 가진, 가장 강력한 SUV 중 하나입니다. 이것은 실패를 위한 레시피이며, 만약 아파트 단지나 오피스 콤플렉스의 주차장에서 발화한다면 공중보건 위기가 될 것입니다.

EV 화재 이후 전형적인 거동. 차량은 최대 3개월까지 언제든 재점화될 수 있다. 가스 방출도 계속될 수 있는데, 구조대와 대중은 불이 보이지 않으면 안전하다고 생각하는 경우가 많지만 그렇지 않다.

노출된 차량 섀시. 개별 오픈 아키텍처 배터리팩이 그대로 드러나 있다.

불 앞에서 손이 묶이다

설계 엔지니어들이 공기역학, 스타일링, 충돌 안전성, 비용을 최적화할 때, 구조 가능성은 그 과정 어디에 위치합니까?
LaPenta 솔직히 말하면? 나중에 생각하는 항목입니다. 최우선 순위는 충돌 안전성입니다. 에어백, 탑승자 보호 구조물, 에너지 흡수 부품. 그다음이 공기역학, 스타일링, 비용입니다. 구조 가능성, 구조대가 실제로 차 안에 들어가 사람을 꺼낼 수 있는가는 그 과정 어디에도 실질적으로 나타나지 않습니다.
요즘 자동차는 충돌에는 더 강해졌지만, 역설적으로 사람을 구조하기는 더 어려워졌습니다. 초고장력 강판, 보론 보강재, 하이드로포밍 레일, 주조 마그네슘 부품, 그리고 EV의 일체형 배터리팩까지. 이런 기술들은 차량을 더 안전하게 만들지만, 구조대 입장에서는 절단하기 더 어려운 차체와 줄어든 접근 공간, 그리고 고전압 시스템과 잔류 에너지라는 새로운 위험을 떠안게 합니다. 그래서 최근 소방 교육에서는 예전처럼 무조건 차를 절단하는 대신, 차체를 밀거나 이동시키는 '전략적 변위(Strategic Displacement)' 같은 새로운 전술까지 가르치고 있습니다. 결국 이는 한 가지 사실을 보여줍니다. 오늘날의 차량 구조는 예전보다 훨씬 더 오래 걸리고, 훨씬 더 복잡해졌다는 것입니다.
충돌 안전성 최적화에 관한 학술 문헌에서조차 구조 가능성 지표는 거의 명시적으로 통합되지 않습니다. 모든 것이 탑승자 운동학, 침입 한계, 생체역학적 부상 기준에 관한 것입니다. 일본 NCAP은 구조 가능성이나 도어 개방성 점수를 포함하려는 제한적인 시도를 했지만, 이것이 전 세계 설계 기준에서 지배적인 위치를 차지하지는 못했습니다. 구조 가능성은 충돌 보호가 실패했을 때 생명을 구해야 하는 공공안전 전문가들의 부담으로 남겨져 있습니다.
구체적으로 말하면, 보강된 구조물과 숨겨진 고전압 부품들은 소방관과 구조 인력을 더 느리고 정밀한 전술로 몰아넣습니다. 현장 체류 시간이 늘어납니다. 그 시간 동안 위험 노출은 커집니다: 감전 위험, 손상된 배터리로 인한 열폭주, 유독 배출물, 구조적 불안정성 등 모든 것이 환자가 여전히 차량 안에 갇혀 있는 동안 일어납니다.
2018년 5월 8일의 포트로더데일 사건이 이를 명확히 보여줍니다. 2014년형 테슬라 모델 S가 고속으로 바리케이드를 들이받고 화재가 발생했습니다. 앞좌석 탑승자 두 명이 갇혔고, 세 번째 탑승자는 튕겨 나갔습니다. 포트로더데일 소방구조대가 도착했을 때 차량은 이미 전체가 불에 휩싸여 있었습니다. 리튬이온 배터리 시스템은 이후 재점화돼, 구조팀이 고전압 부품을 피하기 위해 전술을 계속 수정해야 했습니다. NTSB가 조사했으며, 미국 소방청 지침에 문서화돼 있습니다.

EV 사고 현장에 도착했을 때 실제로 무슨 일이 벌어집니까? 설명하고 싶은 다른 문제들이 있나요?
LaPenta 현장에 도착하면 저는 360도 사이즈업부터 시작합니다. 차량을 식별하고 사고 중 튕겨 나갔을 수 있는 희생자를 수색해야 합니다. 만약 EV라면 저의 전술적 접근 전체가 바뀝니다. ICE 차량이라면 저는 어떤 화재든 진압할 수 있습니다. 가솔린이든 디젤이든, 저는 그럴 역량이 있고 제 장비가 저를 보호해줍니다. 리튬이온 배터리 화재라면 상황은 완전히 다릅니다. 차량에 안전하게 접근해 작업을 시작할 수 없습니다. 그것은 특히 화재와 갇힘이 동반될 때 전체 역학을 바꿔놓습니다.
저는 먼저 고전압 전원을 차단해야 하는데, 어디 있는지 모릅니다. 문은 전자식이라 수동으로 열 수 없습니다. 차량이 전력을 잃으면 문은 그냥 열리지 않습니다, 설령 안에 사람이 갇혀 있어도요. 프렁크에는 수동 릴리스가 없습니다. 제가 절단을 시작했다가 고전압 부품에 접촉하면, 제 소방관은 감전되고 이는 종종 죽음을 의미합니다.
라미네이트 유리는 완전히 새로운 장벽이 됐습니다. 이제 많은 차량이 소음 저감을 위한 '어쿠스틱 글라스', 또는 자외선 차단용 솔라 글라스로 마케팅되는 라미네이트 유리를 사용합니다. 전통적으로는 센터 펀치로 강화유리를 깨뜨릴 수 있었습니다. 라미네이트 유리는 금만 갈 뿐 깨지지 않습니다. 시민들이 글로브박스에 넣어두는 비상 탈출 도구는 더 이상 통하지 않습니다. 우리 소방국에는 이를 다룰 수 있는 도구가 있지만 시간이 더 걸립니다. 그리고 승객이 스스로 탈출을 시도한다면 불가능합니다. 강철 금고를 망치로 두드리면서 열리기를 기대하는 것과 같습니다.
몇 달 전, 22세 청년이 테슬라 모델 3 사고 후 911에 전화했습니다. 소송에 문서로 기록된 그 긴급 통화 녹음은 이렇습니다: "숨을 못 쉬겠어요, 죽을 것 같아요, 갇혔어요." 구조대가 도착했을 때 그의 유해는 뒷좌석에서 발견됐습니다. 그는 앞뒤 창문을 발로 차고 심지어 주먹으로 쳤지만 깨지지 않았습니다. 어떤 사람도 새로운 자동차용 라미네이트 및 단열 유리를 깰 수 없습니다. 망치로도 깨지지 않습니다. 그의 가족은 테슬라를 상대로 소송 중입니다. 캐나다와 인도에서도 구조대가 바로 옆에 서 있으면서 탑승자가 차 안에서 죽는 것을 지켜본 적이 있습니다. 왜일까요? 그들이 할 수 있는 게 없었기 때문입니다. 구조를 시도했다면 그것은 그들에게 사형선고나 다름없었을 것입니다. 이미 두 번 일어난 일입니다.

Lerner 저는 블룸버그 기자인 다나 헐(Dana Hull)과 이야기를 나누고 있었는데, 그녀에게 자신용, 아내용, 아들용으로 각각 한 대씩 테슬라 세 대를 소유한 한 의사에 대해 이야기했습니다. TV에서 우리의 한 시간짜리 인터뷰를 본 후, 그는 손해를 보면서도 세 대 모두를 팔기로 결정했습니다. 그는 이렇게 말했습니다. "제가 어떻게 이걸 몰랐을까요? 제 아내와 아들이 이 차들을 운전하고 있는데." 대부분의 사람들은 차를 팔고 심각한 재정적 손실을 감수할 여유가 없습니다. 다행히 그는 그럴 수 있었습니다. EV를 소유하고 있다면 그 차량을 이해해야 합니다. 앞뒤의 수동 릴리스 위치를 찾아두고, 가족과 그 차에 타는 모든 사람에게 알려주십시오. 이렇게 알려주십시오: 쉭쉭거리거나, 딱딱거리거나, 타닥거리는 소리가 들리거나 연기가 보이면, 가능한 한 빨리, 가능한 한 멀리 차에서 벗어나라고. 휴대폰이나 안경을 가지러 돌아가지 말라고요.
저는 중국에서 나온 영상을 봤습니다. 차가 도로를 벗어났고, 10초 이내에 연기가 보였습니다. 30초 이내에 승객석 전체가 화염에 휩싸였습니다. 탑승자는 문을 열 수 없었습니다. 유리는 깨지지 않았습니다. 사람들이 시신을 꺼내는 것을 볼 수 있습니다. 우리는 '가짜뉴스'와 AI 조작의 세상에 살고 있어서, 물론 우리는 그것이 가짜 영상이라는 말을 들었지만 그렇지 않습니다. 그것은 감시 카메라가 설치된 건설 현장이었습니다. 대중은 부정확한 정보에 시달리고 있고 신뢰할 만한 출처에 대한 불신이 커졌습니다. 우리가 지금 이 지경에 이른 것은 소셜미디어와 과학적 데이터 조작 때문입니다. 이제 사실은 논쟁의 대상이 되고 조작됩니다. 이것은 AI가 점점 더 그럴듯해지면서 갈수록 심해지는 일상적인 투쟁입니다. 사람들은 왜 집을 짓거나 리모델링할 때 납 페인트나 석면 단열재를 쓰지 않을까요? 두 재료 모두 위험하며 금지돼 있습니다. 솔직히 저는 그것들이 건강에 위험하다는 것을 처음 발견하고 금지시켜야 했던 사람들에게 공감합니다. 저는 대부분의 사람들에게, 그들이 안전하다고 생각하는 것이 항상 안전한 것은 아니라고 말하고 있습니다. 쉬운 일이 아닙니다.

방화복은 리튬이온을 모른다

개인보호장비(PPE)도 심각한 문제라고 말씀하셨습니다.
LaPenta 미국 소방관 보호 장비의 표준은 NFPA 1970입니다. 1970년에 제정돼 지속적으로 개정돼 왔고 가장 최신 버전은 2025년판입니다. 하지만 이것은 근본적으로 구조물 화재 대응을 위해 설계된 것입니다. 비교해보자면, 1950년대부터 1960년대 후반까지는 주택 화재 시 대피할 수 있는 시간이 약 20분이었습니다. 현대 건축자재와 현대 가구로 채워진 주택은 이제 3~5분 만에 플래시오버, 전면 연소에 도달합니다. 세상은 그만큼 빠르게 변했습니다. 우리 장비는 그 속도를 따라가지 못했습니다. 집안 각 방에 있는 리튬이온 배터리 개수를 세어보면 놀랄 것입니다. 각각이 소방관과 주택 거주자 모두에게 심각한 위험을 나타냅니다. 전동 칫솔, TV 리모컨, 휴대폰, 무선 배터리, 무선 청소기, 노트북, 자동차 키 페어, 화재 경보기 등등요.
리튬이온 화재는 섭씨 1,800도에서 3,000도를 넘는 온도를 발생시킵니다. 제 SCBA(공기호흡기) 안면부의 열 한계는 약 375도입니다. 그 이상에서는 안면부가 균열되고, 부풀어 오르고, 밀폐력을 잃습니다. 이런 장비를 착용한 채 리튬이온 차량 화재에 안전하게 접근할 수 없습니다. 만약 원자력 사고라면 화학 보호복을 입겠지만, 그것은 열 저항력이 없습니다. 리튬이온 화재는 극한의 열과 화학적 독성 모두에 대한 보호를 동시에 요구합니다. 우리가 가진 장비는 어느 쪽도 제대로 다루지 못합니다.

Lerner 피부는 신체에서 가장 큰 장기입니다. 니코틴 패치가 경피로 물질을 전달하는 것처럼, 리튬이온 화재에서 방출되는 유독 화합물은 방화복을 뚫고 피부를 통해 흡수됩니다. SCBA는 폐는 보호하지만 피부는 보호하지 못합니다. 어떤 경우에는 피부를 통한 흡수가 실제로 흡입보다 더 효율적입니다. 코발트를 예로 들면, 작은 금속성 화합물은 일단 혈류에 들어가면 절대 빠져나가지 않습니다. 여러분은 평생 그것을 몸에 지니고 살게 됩니다.
2022년 Szmytke 등의 파일럿 연구는 실제 EV 배터리 화재 연소 생성물에 소방 장비 샘플을 노출시켰고, 표준 구조물용 방화복이 리튬이온 화재 특유의 화학적 오염물질에 대해 제한적이거나 사실상 무의미한 보호만을 제공한다는 것을 발견했습니다. 다환방향족탄화수소, 포름알데히드, 코발트, 리튬 및 기타 중금속이 야외 시나리오에서조차 장비에 축적됐습니다. 현재 진행 중인 FPRF/NCSU InToxFire 프로젝트는 이러한 결과를 훨씬 더 큰 규모로 확인하고 확장하고 있습니다. 미국에서 저를 끊임없이 놀라게 하는 것은, 우리에게는 미국 밖에서 나온 확정적인 데이터가 있는데도, 구조대원과 대중이 의존하는 많은 '보호' 단체들이 노골적으로, 고의적으로 그 위험을 축소한다는 것입니다. 그들은 유독 배출물이 여러 조건에서 여러 차례 실험실 테스트를 거쳤고, 통기성 요건 때문에 구조대원의 장비를 뚫고 침투하는 것이 확인됐다는 과학적 데이터를 가져다가, 그것을 전부 '~일 수도 있다'거나 '~할 가능성이 있다'로 바꿔놓습니다. 미치게 만드는 일입니다. 그래서 저는 전 세계 데이터와 사실 정보에 집중하고 있습니다. 생명 안전 문제, 특히 그것이 편의를 위해, 제품을 팔기 위해, 혹은 가짜 '표준'을 유지하기 위해 조작되거나 희석될 때 무관용 정책을 갖고 있습니다.

LaPenta 2차 오염도 심각한 문제입니다. 현장의 잔류물은 장갑에, 장비에, 방화복에 남습니다. 제염 없이 화재 현장을 옮겨 다니면 잔류물이 축적됩니다. 다음 근무조가 출근하면 그 오염된 장비를 착용하고, 오염된 좌석에 앉고, 오염된 장비를 만진 후 샌드위치나 쿠키를 먹고, 다음 신고에 출동합니다. 저는 이미 부서에 일반 명령을 내렸습니다: 폐기물 처리시설이나 재활용센터에서 발생한 모든 화재는 SCBA를 포함한 완전한 보호장비를 요구한다고요. 왜냐하면 우리는 무엇이 타고 있는지 모르기 때문입니다.
지역사회 리스크 저감 계획을 수립하기 위해 실시한 100명의 지역주민 대상 내부 설문조사에서, 응답자의 50%가 리튬이온 배터리를 일반 생활쓰레기로 버린다고 답했습니다. 이 수치는 어느 정도 신중하게 해석되어야 합니다. 부적절한 폐기에 대한 자기보고 데이터는 사회적 바람직성 편향(social desirability bias)에 취약한데, 대부분의 사람들이 배터리를 쓰레기에 버리는 것이 안전하지 않거나 눈총받는 일이라는 것을 느끼기 때문이며, 위험을 이해하는 사람들조차 적절한 수거 지점이 불편할 경우 종종 쓰레기통을 기본 선택지로 삼습니다. 그럼에도 이런 근본적인 패턴은 실재하며 중요합니다: 그런 배터리들이 재활용센터나 생활쓰레기 더미에 섞여 들어가 발화하면, 출동한 소방관은 그것이 리튬이온 화재라는 것을 전혀 알지 못합니다. 나무든, 덤불이든, 무엇이든 리튬이온이 섞여 있는 화재는 이제 리튬이온 사고로 분류됩니다. 배터리 하나가 모든 것을 바꿔놓습니다. 그래서 저는 제 부서의 모든 쓰레기 및 재활용 관련 화재 대응에 완전한 보호장비를 의무화했습니다.

Lerner 50%라고요? 그 통계에 이의를 제기해서 죄송하지만, 리튬이온 배터리를 재활용센터로 가져가는 평범한 시민을 한 명도 만나본 적이 없습니다. 배터리는 세 가지 이유로 고장 납니다: 제조 단계에서의 내재적 결함, 사용 중의 물리적 남용과 오용, 그리고 자연스러운 수명 종료입니다. 모든 배터리는 결국 고장 납니다. 제가 이 일을 시작했을 때, UL의 '교육' 스핀오프인 FRSI의 한 리더급 인물이 리튬이온 배터리 고장률이 백만분의 1이라고 주장한 적이 있습니다. 저는 뉴욕타임스 기자에게 전화를 걸어, 우리 둘 다 같은 기사를 위해 인터뷰를 받았으니 그 수치가 틀렸다고 말했습니다. 그리고 이렇게 말했습니다. ”지하실에 있는 오래된 TV 리모컨에서 배터리를 꺼내보세요. 몇 개는 누액이 새고 있을 겁니다.” 그것이 현실입니다. 부풀어 오르거나 하얀 잔류물이 있는 리튬이온 배터리를 본 적이 없는 사람이 있을까요? 우리 모두 언젠가 본 적이 있습니다. 리모컨이나 라디오가 작동을 멈추고, 배터리를 갈려고 뒷면을 열면, 거기 있습니다.
더블린의 한 컨퍼런스에서, 오랫동안 이 일을 해온 한 구조대원이 4기 전립선암 진단을 받았다고 말했습니다. 그는 자신의 전신 스캔을 보여주며 말했습니다: "이것은 직업병입니다."라고. 방광암 발병률은 일반 인구보다 300배 높습니다. 전립선암도 크게 증가했습니다. 소방관의 피부암 발병률은 지난 10년간 58% 증가했습니다. 공통 요인이 무엇일까요? 그것은 정확히 세계적인 리튬이온의 확산과 궤를 같이합니다.
영국의 한 소방관은 세 차례 수술을 받았고 결국 엄지손가락을 절단했습니다. 유독 잔류물이 몸속으로 침투해 조직을 파괴하고 있었습니다. 손을 씻지 않고 얼굴을 만지거나, 음식을 먹거나, 어떤 표면과 접촉하면 그것은 몸속으로 들어갑니다. 이것은 리튬이온 배터리 화재만의 문제가 아닙니다
모든 현대 자동차는 어느 정도의 리튬이온을 포함하고 있습니다. 심지어 일반 내연기관차도 리튬이온 보조 배터리를 가지고 있습니다. 일반적인 현대 자동차는 600~800파운드의 플라스틱을, 그리고 탄소섬유도 포함하고 있습니다. 우리는 그저 일반적인 차량 화재라고 생각하며 대응하지만, 현대 자동차는 위험한 환경입니다. 그리고 플러그인 하이브리드는 양쪽의 최악을 결합한 것입니다. 큰 배터리와 가솔린 엔진, 그리고 가득 찬 연료탱크의 가능성까지요.

물속에서도 탄다

포트 뉴어크 선박 화재에 대해 이야기해주실 수 있나요?
LaPenta 2023년 7월이었습니다. 중고차를 싣던 로로선(Ro-Ro, 롤온/롤오프 선박)에서 뉴저지 포트 뉴어크에 화재가 발생했습니다. 그 화재로 동료 두 명을 잃었습니다.
처음 화물 목록을 확인했을 때는 배에 EV가 없다는 이야기를 들었습니다. 하지만 물은 아무런 차이를 만들지 못했습니다. 화재는 잦아들지 않았습니다. 소방관들이 가시적인 화재 없이 진화됐다고 보고한 이후에도 여러 갑판으로 번졌습니다. 강철은 화씨 2,700도에서 녹습니다. 사진을 보면 구조 지지빔이 그냥 붕괴돼 있었습니다. 이후 EV와 하이브리드 차량이 배에 실려 있었고 불에 타고 있었다는 것이 밝혀졌습니다. FEMA와 국토안보부가 추적한 바에 따르면, 태평양을 횡단하던 여러 로로선이 EV 화재로 침몰했습니다. 그리고 이 차량들은 물속에서도 계속 탑니다.

Lerner 전 세계 소방국들이 EV를 물로 채운 대형 덤스터에 담그는 시도를 했습니다. 연기가 계속 올라왔고, 물이 끓었고, 차량은 물속에서도 불이 붙었습니다. 저는 충격을 받았습니다. 그 잘못된 시도 자체가 아니라, 수중 용접, 기술적으로는 발열 절단(exothermic cutting)이라고 불리는 것에 대해 아무도 배우거나 들은 기억이 없다는 사실에 충격을 받았습니다. 모두가 손쉬운 해결책을 원하지만, 그런 것은 현재 존재하지 않습니다. 그리고 화재가 진압된 것처럼 보인 후에도 재점화는 일어날 수 있습니다 며칠 후, 몇 주 후에. 초기 진압 이후 몇 달이 지나 재점화된 사례들이 문서로 기록돼 있습니다.

LaPenta 제가 이걸 직접 경험했습니다. 테슬라가 고속도로에서 물체와 충돌했습니다. 알루미늄 배터리 트레이가 손상됐습니다. 탑승자들은 대시보드가 크리스마스 트리처럼 반짝이더니 차가 전력을 잃었다고 진술했습니다. 그들은 차에서 내려 911에 신고했고, 걸어가고 있는 동안 차량이 화염에 휩싸였습니다. 진압 후, 고속도로에는 8,000개의 배터리 셀이 흩어져 있었습니다. 도로 위에 8천 개의 셀입니다. 그 사건은 차량 설계에 일관성이 전혀 없다는 것을 다시 한번 일깨워줬습니다. 모든 제조사, 모든 모델이 다릅니다. 저는 다음에 대응할 차량이 어떻게 만들어졌는지 알 방법이 없습니다. 그리고 8,000개의 셀 하나하나가 발화해 20미터, 즉 65피트 거리까지 뜨거운 총알처럼 튈 수 있었습니다. 어떻게 자신과 팀, 그리고 대중을 보호할 수 있을까요? 우리 장비는 방탄이 아닙니다.

e-모빌리티 기기들도 점점 커지는 문제라고요?
LaPenta 극적으로 그렇습니다. EV를 살 여유가 없는 사람들도 전동 스쿠터, 호버보드, 전동자전거는 살 수 있고, 가격이 낮을수록 배터리 품질도 낮습니다. 도시 환경에서 특히 심각합니다. 아파트 건물 18층에서 전동자전거로 인해 발생한 화재에 출동한 적이 있습니다. 소유자는 도난이 걱정돼 그것을 집 안으로 들여왔거나, 배터리를 분리해 실내에서 충전하고 있었습니다. 이 때문에 고층 주거 건물의 화재가 증가하고 있습니다.

배터리는 언제 위험해지는가

배터리 열화, 위험이 용납할 수 없는 수준이 되는 시점은 언제이고 소유자에게 이를 알릴 책임은 누구에게 있나요? 이 부분을 좀 더 깊이 다루고 싶습니다.
Lerner 스마트폰으로 생각해보십시오. 애플과 삼성은 600~2,000회의 충전 사이클을 제시하지만, 그것은 이상적인 조건에서의 이야기입니다. 휴대폰을 직사광선에 두거나, 무선 충전 패드에 너무 오래 올려두거나, 떨어뜨리거나, 물에 젖거나, 화면이 깨지면 수명은 급격히 줄어듭니다. 배터리는 남용을 좋아하지 않고, 모든 스마트폰은 평생 그런 일 중 최소 하나는 겪습니다.
EV 배터리는 매일 남용당합니다. 험한 도로에서의 진동, 여름 더위, 겨울 추위, 경미한 충돌, 급속 충전, 부분 충전 등이 그겁니다. 배터리를 80%에서 100%까지 채우는 것은 배터리에 스트레스를 줍니다. 장거리 여행 전에 100%까지 충전하는 것은 자연스럽게 느껴지지만, 그것을 반복하면 열화를 가속시킵니다. 저는 자신의 EV에서 얻는 추가 주행거리가 믿기지 않을 정도라고 말하는 사람을 아직 들어본 적이 없습니다. 모두가 차가 약속을 지키지 못한다고 불평합니다. 해결책이 무엇일까요? 더 자주 충전하는 것입니다.
제 휴대폰에는 세 가지 충전 표시가 있습니다: 충전 중, 급속 충전, 초급속 충전. 같은 배터리에 다른 수준의 전류가 흐르는 것입니다. 초급속 충전은 배터리 입장에서 또 다른 형태의 남용입니다. 중국의 테슬라 슈퍼차저 데이터는 과도한 충전이 시간이 지나면서 배터리에 미치는 영향을 이미 문서화했습니다.
과속방지턱에서 차 하부를 긁는 것만으로도 배터리는 손상될 수 있습니다. 그 순간 배터리는 고장 모드에 진입할 수 있고, 때로는 몇 초 안에 열폭주가 뒤따릅니다. 배터리는 고장 나지 않도록 설계되지만, 그것이 놓인 환경은 그 설계가 무한정 버티기에는 너무 가혹합니다.
에스컬레이드 IQ는 이 문제를 완전히 다른 차원으로 끌어올렸습니다. 이전에는 배터리 열화가 대체로 선형적이었습니다. 시간이 지나면서 주행거리가 줄고, 서비스센터 점검에서 경고가 뜨면 그에 대응하면 됩니다. 대부분의 EV 배터리 보증은 8년인데, 그때쯤 문제가 시작되는 경향이 있기 때문입니다. 그런데 에스컬레이드 IQ는 다릅니다. 열화가 소유 첫 주부터 시작될 수 있습니다. 야외 주차장에 2주간 세워두면 팬이 과열되거나 배터리가 제조사 사양 이하로 방전될 수 있습니다. 팬 부품이 고장 나거나, 여름 폭염이 닥쳤을 때 충전 상태가 낮다면 어떻게 될까요? 유럽의 현재 폭염을 보십시오. 우리는 아무도 대비하지 못한 기록적인 고온을 목격하고 있습니다. 열 수 없는 밀폐 팩 안에서 배터리 손상 정도를 어떻게 평가할까요? 테슬라에 8,000개의 개별 셀이 있다면, 그중 단 하나의 셀이 고장 나서 열폭주에 들어가는 것만으로도 배터리팩 전체가 휘말릴 수 있습니다. ICE 차량이라면 몇 주간 야외에 주차해도 배터리가 방전돼 점프 스타트를 하면 그만입니다. 에스컬레이드 IQ는 그렇게 간단하지 않습니다.
누가 소유자에게 알릴 책임이 있을까요? 제조사가 그래야 하지만 하지 않을 것입니다. 그 위험을 공개적으로 인정하는 것이 판매에 영향을 미치기 때문입니다.
소비자들이 스스로 평가할 방법이 없는 새로운 배터리 화학기술도 등장하고 있습니다. 나트륨이온, 전고체, 그 밖의 새로운 기술들이 시장에 진입하고 있습니다. 각 화학기술은 서로 다른 열적, 화학적, 전기적 위험을 나타냅니다. 나트륨이온 배터리는 충돌 손상이나 구조 과정에서 리튬이온과는 완전히 다르게 거동할 수 있습니다. 현장에서 이를 식별할 방법이 없다면, 소방관은 잘못된 격리 절차나 도구 배치를 적용할 수 있고, 훨씬 더 큰 위험에 처하게 됩니다.
아이러니하게도, 저는 지난주 군에서 사용해온 '더 안전한' 나트륨이온 에너지 저장 시스템을 평가해달라는 요청을 받았습니다. 2년간 막대한 전력이 필요한 대형 인프라 프로젝트를 위한 것이었습니다. 그 회사가 제게 뭐라고 했을까요? 나트륨이온은 발화하지 않으며 열을 발생시키지 않는다고 했습니다. 그것은 명백히 과학적 거짓말입니다. 나트륨이온과 리튬이온 배터리 모두 전해질을 가지고 있고 언제든지 재점화될 수 있습니다. 그 정보는 미국 교통부 파이프라인 및 위험물 안전관리국(PHMSA)과 캐나다 교통부가 발간한 구조대응 가이드북(Emergency Response Guidebook) 147항, 224~225페이지를 통해 전 세계적으로 확인할 수 있습니다. 해당 항목에는 "화염 폭발 효과와 함께 급격히 연소할 수 있음", "근접한 다른 배터리에 점화될 수 있음"이라는 문구가 명시돼 있습니다. 더 큰 문제는 그런 허위 정보로 미군에 이것을 배치해 모두를 위험에 빠뜨렸다는 것이었습니다. 제가 강경하고, 까다롭고, 요구가 많고, 한 치의 "뭐, 알다시피"식의 여지도 남기지 않는 것처럼 들리십니까? 물론입니다. 그 조직과 그곳에서 일하고 방문하는 사람들을 보호하기 위해 고용됐고, 궁극적으로 그 모든 것에 책임이 있습니다. 이것은 사고가 발생했을 때 모든 사람의 미래를 결정짓는 매우 중대한 역할입니다.

5킬로미터 밖에서도 보이는 LED

특허 시스템과 관련해서, 글로벌 OEM이 파일럿 프로그램을 운영한다면 어디서부터 시작해야 하고 어떻게 해야 할까요?
Lerner 가장 기본적이고 가장 비용 효율적인 구현부터 시작합니다. 새로운 기능은 자동차 제조사의 설계 철학을 훼손하거나 지나치게 복잡해서는 안 됩니다. 모든 차량에 매끄럽게 통합돼야 하고, 필요할 때만 보여야 합니다. 제 목표는 제조사들이 이것을 문제로 여기지 않도록 하는 것입니다. 제 구현 방식이 필요로 하는 공간은 제조사가 아직 사용하지 않는 공간입니다.
핵심 부품은 3~5밀리미터의 LED입니다. 드론 충돌방지등에 사용되는 것과 동일한 소자입니다. 이 초소형, 초고출력 LED는 5킬로미터 거리에서도 보입니다. 미국 연방항공청(FAA)은 드론 충돌방지등에 이 거리를 요구합니다. 전력 소모가 매우 적고, 차량 전원 시스템이 완전히 고장 나도 작동하는 독립 백업 배터리를 가질 수 있으며, 투명하게 만들어져 유리 뒤에 숨길 수 있습니다. 정상적인 상태에서는 완전히 보이지 않습니다.
B필러는 보통 검은색이며 카메라와 센서가 이미 장착돼 있는 경우가 많습니다. 테슬라에서는 카메라가 투명한 개구부 뒤에 위치합니다. 그 동일한 공간을 활용합니다. 샤크핀 안테나도 같은 방식으로 작동합니다. 제조사의 관점에서 이것은 기존 공급업체에 부품 하나를 추가해달라고 요청하는 것에 불과합니다.
작동 로직은 단순합니다. 충돌 감지, 배터리 이상, 계기판 경고등 중 어느 것이든 LED를 트리거합니다. 차량들은 이미 충돌 감지 시 비상등을 작동시킵니다. 이 시각적 표시기는 그 동일한 신호에 연결되어 함께 작동합니다. 색상과 점멸 패턴은 추진 방식을 전달합니다. 만약 목격자나 경찰관이 신고 전화를 걸어 "차량에 문제가 있는데, 주황색과 파란색 불빛이 번갈아 깜빡이고 있다"고 하면, 지령관은 즉시 그것이 EV임을 알게 됩니다. 그 정보는 현장에 도착하기 전에 출동하는 소방팀에게 전달됩니다. 그들은 소방서를 떠나는 순간부터 사건에 대해 다르게 생각하기 시작합니다. 도착 후 차량을 식별하는 데 걸리는 시간이 사라집니다. 그 몇 분이 누군가의 생사를 가를 수 있습니다.
터널이나 교량에서는, 설령 차량이 보이지 않아도 빛이 벽에 반사되어 신호가 전달됩니다. EV 화재는 현장에서 발생하는 복사열을 제외하고도 화씨 4,000~5,000도의 열을 발생시킵니다. 그 온도에서는 센서, 조명, 통신 장비, 카메라가 모두 파괴됩니다. 오직 독립적으로 정보를 전송하는 시스템만이 그런 조건에서 작동할 수 있습니다.
다음 단계는 배터리 용량, 충전구 위치, 충전 상태, 탑승 인원, 고전압·저전압 차단 위치를 실시간으로 전송하는 것입니다. 운전자의 스마트워치와 휴대폰뿐 아니라 주차 인프라에도 전송됩니다. 인천 EV 화재는 지하주차장에서 발생했습니다. 만약 그 차량에 이 시스템이 있었다면, 신호는 주차장 관리사무소나 대응요원 콜센터로 직접 전달되었을 것입니다. 4초 만에 완전 연소에 도달한 화재에서, 몇 분의 차이가 600대 차량의 운명과 귀환한 주민들의 건강을 바꿀 수 있었을 것입니다.
이 플랫폼의 핵심은 각 제조사가 자신들의 차량에 맞는 방식으로 구현할 수 있다는 것입니다. 차량은 다를 수 있지만, 정보는 항상 동일한 방식으로 전달되며, 이를 받는 누구나 즉시 이해할 수 있습니다.
아이러니하게도, 저는 최근 회의 때문에 왕복 두 시간을 운전해야 했는데, 제가 하마터면 연루될 뻔했던 사고를 두 건이나 목격했습니다. 첫 번째는 제 바로 몇 대 앞에서 일어났습니다. 경찰차가 모두를 좌우로 비키게 해서 지나가려는 것을 봤습니다. 몇 분 후 무엇을 봤을까요? 앞부분이 앞유리까지 찌그러진 고출력 가솔린 차량이었습니다. 시속 70마일로 달리고 있었을 것입니다. 부딪힌 차는 수백 피트 떨어진 곳에 있었습니다. 젊은 운전자는 차량에서 50피트 떨어진 잔디밭에 앉아 있었고, 무보호 상태의 경찰관은 차 옆에 서 있었습니다.
분석해봅시다. 경찰관과 운전자는 자신들이 위험한 상황에 있지 않다는 것을 알고 있었습니다. 좁은 도로였고, 모두가 창문을 열고 지나갔습니다. 흔한 광경이었습니다. 그런 다음 사방에서 여러 대의 소방차와 구급차가 오는 것을 봤습니다. 구조대원들은 현대의 어떤 차량 사고도 유해물질 현장이 될 수 있다는 이유로 SCBA와 장비를 착용하도록 훈련받습니다. 그렇다면 그 지역에 이미 있던 사람들은 차량 바로 옆에 있었는데, 몇 분 후 도착한 대응요원들만 보호받는 것인가요?
두 번째 사건도 거의 동일했습니다: 가솔린 SUV였고, 에어백이 터졌고, 앞부분이 찌그러졌고, 차량을 견인할 준비가 된 견인트럭과 경찰관이 있었지만 운전자는 여전히 운전석에 앉아 있었습니다. 그는 혼란스러워 보였지만 부상당한 것처럼 보이지는 않았습니다. 생명안전의 관점에서 제가 운전자보다 더 혼란스러웠습니다. 차를 멀리 세우고 지켜봤습니다. 사이렌 소리를 들었나요, 불빛을 봤나요? 아니요. 이 사람은 심각한 사고를 당했는데 왜 즉각적인 의료 평가를 받지 못했을까요? 자원이 부족한 외딴 지역이었나요? 아닙니다. 세계에서 가장 부유한 교외 지역 중 하나인 코네티컷주 그리니치였습니다. 이런 유형의 사고로 사람이 죽을 수 있습니다. 다이애나 왕세자비도 그랬습니다. 뇌출혈, 두개내 출혈은 즉시 사람을 죽이거나 지연된 죽음으로 나타날 수 있습니다. 그녀의 어이없는 죽음은 부분적으로 안전벨트를 매지 않았기 때문이고 이 탑승자 안전에 대한 전환점이 될 것이라 생각했지만 안타깝게도 그러지 못했습니다.
이 두 사건을 EV로 바꿔봅시다. 운전자가 나올 수 있었을까요? 예를 들어 사이버트럭이었다면 답은 '아니오'입니다. 왜일까요? 전자식 도어 릴리스를 제어하는 12볼트 배터리는 앞부분에 있고 고장 났을 것이기 때문입니다. 이것은 전 세계적으로 주목받은 블룸버그 영상에 기록돼 있습니다. 경찰관이 사이버트럭에 들어갈 수 있었을까요? 아니요. 전력도 핸들도 없습니다. 이 역시 그 영상에 기록돼 있습니다. 배터리팩이 손상된 상태에서 운전자가 차량 밖으로 나오지 못했다면 살아남았을까요? 아니요. 역시 블룸버그 영상에 기록돼 있습니다. 그 지역은 안전한가요? 전혀 그렇지 않습니다. 배터리 셀은 최대 20미터까지 뜨거운 총알처럼 튀어나가며, 종종 찬물을 끼얹었을 때 이런 행동을 시작합니다. 우리는 구조대원들이 화염 진압을 시작하며 이제 더 안전해졌다고 생각하는 것을 봅니다. EV의 경우는 정반대입니다. 찬물이 셀에 닿으면 셀을 자극하고, 종종 사방으로 로켓처럼 튀어 나갑니다. 이런 행동에 대한 전 세계 구조대원들의 데이터가 있습니다.
제가 가장 먼저 바꿨을 것은 그 지역의 즉각적인 대피와 도로 폐쇄였을 것입니다. 그렇다면 그 경찰관은 차량의 추진 방식에 대해 생각했을까요? 그는 살펴보지도, 차량을 식별하려 하지도 않았습니다. 운전자에게 물어봤을까요? 아니요. 흥미롭게도 그 차량은 가솔린 차였지만, 정확히 같은 모델이 작년에 고성능 EV로도 출시됐습니다. 그런 추진 방식에 대한 추측은 더 이상 있어서는 안 됩니다.

OEM이 단일 모델로 파일럿을 진행한다면, 첫 90일은 어떤 모습일까요? 그리고 누가 그 자리에 있어야 할까요?
Lerner 첫 90일은 연속적인 시연의 연속입니다. 경찰, 소방관, 건물 관리자, 그리고 일반 대중에게 다양한 조건에서 보여주는 것입니다. 밤에, 직사광선 아래에서, 트럭 뒤에 가려진 차량으로, 터널 안에서, 지하주차장에서 드론 충돌방지 LED는 잘 보입니다. 밝은 햇빛 아래에서도 보입니다. 반밀폐 공간에서는 빛이 벽에 반사돼, 차량 자체는 보이지 않아도 신호는 읽을 수 있습니다.
그 과정 내내, 경찰, 소방국, 정부 관계자, 차량 설계자, 부품 제조사들이 모두 한 방에 있으면서 왜 이것이 필요한지, 그리고 이것이 안전을 어떻게 바꾸는지 이해합니다. 그런 다음 측정합니다. 최초 신고부터 진압 및 구조 완료까지 모든 것을 시간으로 측정하고, 시스템이 작동하는 상태로 동일한 시나리오를 실행해 다시 시간을 잽니다. 정보가 즉시 제공될 때와 정보가 없을 때의 차이를 보여주면, 그 가치는 명확해집니다.
첫 신고자가 "주황색과 파란색 불빛이 깜빡인다"고 말하는 순간, 지령센터는 그것이 EV임을 알고 소방팀은 EV 프로토콜로 대응합니다. 예전에는 도착해서야 발견하던 것을 이제는 출발 전에 압니다. EV 화재 진압은 ICE 화재 진압과 완전히 다릅니다. ICE 차량에서는 엔진룸에 물을 뿌립니다. EV에서는 차량 아래로 물을 넣어야 할 수도 있습니다. 배터리가 캐빈 안에 있는 루시드 같은 차량은 캐빈 내부에서 냉각해야 합니다. 어떤 테슬라는 실제로 8,000개의 셀 전체를 땅으로 떨어뜨리는데, 이는 세 번째 전술적 접근법을 나타냅니다. 공격 방향은 특정 차량의 아키텍처와 배터리팩에 따라 근본적으로 다릅니다. 그것을 가는 길에 아는 것과 도착한 후 알아내는 것의 차이가 생사를 가릅니다.
OEM, 소방국, 정부 이 세 주체 모두가 그 자리에 있어야 합니다. OEM만 있으면 대화는 비용으로 귀결됩니다. 소방국만 있으면 실행이 이뤄지지 않습니다. 정부의 참여 없이는 의무화가 없습니다.
한국은 이 세 이해관계자가 통합적인 방식으로 더 가까워질 수 있는 구조를 갖고 있습니다. 한국에서 파일럿이 진행된다면 저는 초기 기간 동안 무상으로라도 지원할 의향이 있습니다. 단일 모델부터 시작하십시오. 예를 들어 제네시스 GV90 전기 버전 같은 것 말입니다. 일단 데이터가 쌓이기 시작하면 모든 것이 바뀝니다. 그리고 이해하십시오, 이것은 정적인 상황이 아니라 동적인 상황입니다. 우리가 더 많이 배울수록 모든 대응요원, 시민, 국가가 적응하고 변화할 수 있게 해줍니다. 제가 제공하는 것은 정보이며, 그 정보는 앞으로 여러 세대에 걸쳐 사용될 수 있고, 모두가 이 사고에 어떻게 대처할지 스스로 선택할 수 있게 해줍니다. 한국은 통합된 소방체계를 갖고 있으니 시작하기 좋은 곳입니다. 미국은 그렇지 않아서, 한 사건에 두 개 부서가 출동해도 서로 다른 진압 방식, 관행, 도구가 사용될 수 있습니다. 이 단절된 시스템에는 일관성이 필요합니다. 저는 그 가능성을 제공하기 위해 10년을 일해왔습니다. 자신들이 다뤄야 할 차량이 무엇인지에 대한 기본 지식을 가진 부서들은 지금 최선을 다할 수 있는 힘을 얻고, 전술을 무한히 바꿀 수 있게 됩니다.

IIHS와 HLDI는 미국 최고의 충돌 테스트 및 손실 예방 기관이다. 사이버트럭은 이들의 최고 등급인 "Top Safety Pick+"를 받았다. 이들은 사고 후 탑승자의 생존 가능성만 평가할 뿐, 사고 후 탈출이나 진입은 고려하지 않으며, 배터리 안전성이나 화재, 유독가스 배출도 평가 항목에 넣지 않는다. 이들에게는 사고 후 핸들이 열리지 않는다는 데이터도 있지만, 사이버트럭에는 핸들 자체가 없고 도어 오프너를 제어하는 배터리가 프론트 범퍼 뒤에 위치해 사고 후 작동을 멈출 수 있다.

NHTSA의 구조대응 가이드(ERG)는 수년간, 여러 모델과 제조사에 걸쳐 불완전한 상태다. 의무 사항도 아니고 부정확한 경우도 많다. 아우디 A8 L은 2017년부터 2026년까지 미국에서 오직 가솔린 차량으로만 판매됐다 — 플러그인 하이브리드로 판매된 적이 없는데도 — 구조 가이드에는 잘못 등재돼 있어, 이는 구조 지연이나 잘못된 구조 방식으로 이어져 구조대와 탑승자를 위험에 빠뜨릴 수 있다.

설계실에는 소방관이 없다

구조 가능성이 충돌 안전성과 동등한 수준의 공식 설계 요건이 돼야 한다고 주장하셨습니다. 근거는 무엇이며, 그런 규제에는 무엇이 포함되어야 할까요?
LaPenta 충돌 안전성 기준은 수십 년에 걸쳐 사망자를 줄여왔습니다. 그것은 규제가 효과가 있다는 증거입니다. 하지만 사고 후 생존은 초기 충격 보호에만 좌우되지 않습니다. 적시의 구조와 의료 개입, '골든아워'가 결정적입니다. 갇힌 탑승자는 훨씬 더 높은 부상 심각도 점수와 사망률을 보입니다. 설계가 구조를 방해하면, 그것은 충돌 안전성이 만들어낸 생존 여력을 훼손합니다.
규제가 포함해야 할 핵심 요소들은 다음과 같습니다. 첫째, 표준화된 테스트 프로토콜입니다. 구조 시간과 접근성은 모의 충돌 조건 하에서 측정되어야 합니다. 표준 구조 도구로 필러와 로커를 절단하는 시간, 배터리 격리 시간, 문 개방력 등 정량화 가능한 지표가 돼야 합니다. 둘째, 필수 설계 요소입니다. 고전압 부품 및 절단 지점에 대한 구조 대응형 표식과 라벨, 도구 삽입을 위한 최소 접근 치수, EV와 하이브리드의 신속한 에너지 격리를 위한 규정 등입니다. 셋째, 데이터 요건입니다. OEM은 제3자 테스트를 통해 검증된 차량별 구조 데이터가 포함된 구조대응 가이드(ERG)를 지속적으로 제공해야 합니다. 넷째, 성능 지표입니다. 일본 NCAP의 제한적 선례를 발전시켜, 정량화된 구조 가능성 점수를 안전등급에 통합하고 인센티브와 페널티를 부여해야 합니다. 다섯째, 이해관계자 참여입니다. 자동차 제조사, NFPA와 IAFF 기준 하에서 운영되는 소방서, 그리고 연구자들 간의 협력이 필수적입니다.
여섯째, 이게 결정적인데, 즉각적인 차량 추진 방식 식별입니다. 심각한 충돌 상황에서도 읽을 수 있는 표준화된 외부·내부 표시가 필요합니다. 발광 또는 반사형 배지, 계기판 및 외부 디스플레이, QR 연동 시스템 등은 추진 방식(BEV, PHEV, HEV, FCEV)과 배터리 상태, 충전 수준, 손상 상태, 잔존 에너지, 열폭주 위험 지표를 즉시 전달해야 합니다. 배지가 가려질 정도로 심하게 손상된 차량에서도, 구조대원은 ERG나 수동 점검에 의존하지 않고 즉시 위험을 평가할 수 있어야 합니다.
이것은 리튬이온만의 문제가 아닙니다. 나트륨이온, 전고체, 그리고 다른 새로운 배터리 화학기술이 빠르게 시장에 진입하고 있습니다. 각각은 서로 다른 열적, 화학적, 전기적 위험을 나타냅니다. 표준화된 외부 추진 방식 식별 없이는, 소방관이 현장에서 파워트레인을 잘못 식별하고 고전압 시스템 근처에서 절단을 시작할 수 있으며, 이는 치명적인 결과를 초래할 수 있습니다.

Lerner ERG 구조대응 가이드의 정확성도 해결해야 할 문제입니다. NHTSA와 NFPA의 데이터베이스에는 많은 차량 모델과 연식이 누락되어 있거나 잘못된 정보로 등재돼 있습니다. 2024년형 아우디 A8은 플러그인 하이브리드로 등재되어 있지만, 그 버전은 2017년부터 2026년까지 미국 시장에서 판매된 적이 없습니다. 세계 최대 규모의 소방국 중 하나인 뉴욕소방국(FDNY, 소방관 1만 1,000명)은 현장 인력이 사용하는 모바일 앱에 그 잘못된 정보를 탑재하고 있습니다. 현장 판단을 좌우하는 잘못된 정보는 부상과 죽음으로 이어질 수 있습니다. 어떤 모델은 앱에서 이용 가능하지만 2021년형에서 끝나 있기도 합니다. 그렇다면 그 차량이 2026년형인 것을 안다면 어떻게 해야 할까요? 같은가요? 다른가요? 어떻게 알 수 있을까요? 이것은 작은 문제가 아닙니다. 2023년형 BMW X5와 2024년형 BMW X5는 배지까지 동일하게 똑같이 생겼습니다. 그러니 같은 방식으로 구조하면 되겠죠? 절대 아닙니다. 2024년형은 엔진 옆에 약 110개의 개별 리튬이온 셀로 이루어진 리튬이온 마일드 하이브리드 배터리를 가지고 있습니다.
저는 자동차 제조사가 새로운 플랫폼을 설계할 때 구조 전문가가 그 자리에 있어야 한다는 결론에 도달했습니다. 라펜타 치프가 접근할 수 없는 곳에 고전압 차단 케이블을 숨기기 전에, 그를 데려와서 물어보십시오: "이 배치가 괜찮습니까?" 그것이 전부입니다. 비용은 들지 않습니다. 구조 전문가들은 무상으로 그렇게 할 것입니다.

LaPenta 건설업계도 마찬가지입니다. 아무도 100층짜리 고층빌딩을 짓기 전에 소방관에게 묻지 않습니다. 저는 특정 차량에서 어떻게 사람을 구출했는지, 어디서 막혔는지, 무엇이 효과가 있었고 무엇이 없었는지에 대한 실전 경험을 갖고 있습니다. 그 경험이 설계 과정에 반영돼야 합니다. 구조 전문가를 설계 과정에 먼저 참여시키는 OEM은 "우리는 소비자 안전을 최우선으로 한다"고 말할 자격을 얻습니다. 그것은 공공 안전의 문제일 뿐 아니라 브랜드로서도 가치가 있습니다. 저는 현대자동차든 어떤 OEM이든 무상으로 의견을 제공할 수 있습니다. 그들이 요청하기만 하면 됩니다.

Lerner 테슬라의 이미지를 생각해보십시오. 테슬라가 세계에서 가장 혁신적인 자동차 회사였던 시절이 있었습니다. 이제는 테슬라와 화재가 같은 문장에서 언급됩니다. 오토파일럿 사고는 일상적인 일이 되었습니다. 제조사들은 현실을 직시해야 합니다. 저는 그들을 공격하려는 게 아닙니다. 가능한 작은 설계 변화들, 가능한 작은 협력들이 있습니다. 그것들이 쌓이면 차이를 만듭니다. 그리고 가장 먼저 시작하는 브랜드가 신뢰를 되찾는 브랜드가 될 것입니다. 우리는 더 이상 안주하거나, 우리가 세계적 규모의 위기에 있지 않다고 생각할 수 없습니다.

2027 BMW X5의 전동식 도어 오프너 — B필러에 있는 작은 지느러미 모양의 돌출부.

한국이 할 수 있는 것

마지막으로 한국 이야기를 해보죠. 중앙집중형 소방체계는 미국의 분산된 시스템과 비교해 어떻고, 한국이 현실적으로 할 수 있는 것은 무엇일까요?
LaPenta 한국에는 국가 소방청이 있습니다. 전국적으로 표준화된 지휘, 통합된 훈련 아카데미, 중앙집중형 자원 배분이 모두 가능합니다. 미국에는 2024년 기준 약 2만 7,000개의 소방서가 독립적으로 운영되고 있습니다. 80% 이상이 자원봉사 또는 자원봉사 위주입니다. 전업 또는 대부분 전업으로 운영되는 부서는 약 18%에 불과하지만, 이들이 인구의 대다수를 보호합니다.
이 분산된 구조가 만들어내는 문제는 명확합니다. 예산은 지방세와 기부금에 의존합니다. 인력 수준, 훈련 품질, 장비의 노후도는 부서마다 크게 다릅니다. NFPA 기준은 연방법이 아니라서 각 부서가 채택하거나 무시할 수 있습니다. 설문조사에 따르면 소방서의 31%가 EV 화재 훈련을 전혀 받지 못했습니다. 자원봉사 소방관들은 낮에 다른 직업을 갖고 있다가 신고가 오면 집에서 출동합니다. 대응 시간은 상당히 깁니다. 미국 구조대원의 3분의 2가 자원봉사자입니다. 도시 지역에서는 소방국이나 응급의료서비스(EMS)가 먼저 도착할 수 있지만, 농촌 지역에서는 경찰이 먼저 도착하는 경우가 많습니다. 보호장비도, 준비도 없이, 리튬이온 화재 훈련도 없이, 적절한 보호장비도 없이 말입니다.
한국의 다양한 도시 경관은 중요한 맥락을 더합니다. 초현대적 고층 지구와 첨단 인프라가 수백 년 된 사찰, 궁궐, 한옥마을, 유적지와 나란히 존재합니다. 북촌 같은 역사적 도심의 좁은 골목이나 전통시장은 소방 장비의 접근과 기동을 심각하게 제한합니다. 그런 공간에서의 EV나 전동스쿠터 화재는 인접한 목조 건물, 문화유산지, 밀집된 시민들을 빠르게 위협할 수 있습니다.
리튬이온 화재와 새로운 배터리 화학기술의 물리적 특성은 이 위험을 증폭시킵니다. 열폭주는 섭씨 1,800도에서 3,000도를 넘는 온도를 발생시키고, 진압하기 어려운 강렬한 화염을 만들며, 유독하고 인화성 있는 가스를 방출하고, 셀을 최대 20미터까지 날려 보내며, 초기 진압 후 며칠에서 최대 3개월까지 재점화될 수 있습니다. 단층 목조 한옥 건물들은 약 3미터 간격으로 붙어 있습니다. EV 화재는 그런 건물들을 강렬한 복사열과 직접적인 화염 접촉에 노출시킬 것입니다. 20미터까지 튀는 발화 셀은 그 반경 내의 모든 것을 위협하는 위험 지대를 만듭니다.
2024년 6월 24일 화성에서 발생한 아리셀 리튬이온 배터리 제조공장 화재를 기억하십니까? 배터리 저장구역에서 시작된 화재가 열폭주를 통해 급속히 확대돼 23명의 노동자가 사망했습니다. 짙은 유독 연기가 몇 분 만에 시설 전체로 퍼졌습니다. 만약 유사한 규모의 화재가 역사지구의 좁은 골목에서 발생한다면 어떤 일이 벌어질까요?

Lerner 인천 화재는 일어날 수 있는 모든 일을 이미 보여줬습니다. 2024년 8월, 지하주차장에 주차된 메르세데스 EQE 한 대에서 시작된 화재가 600대의 차량으로 번졌습니다. 주민들은 며칠간 집으로 돌아가지 못했고, 돌아갔을 때 아이들은 눈 자극을 호소했고 노인들은 피부 이상을 보였습니다. HF(불화수소산)가 건물의 구조 자재에 깊이 침투해 완전히 제거될 수 없었습니다.
2026년 6월 현재, 상업용이나 주거용 구조물에서 HF 잔류물을 완전히 복원할 수 있는 신뢰할 만한 방법은 없으며, HF 노출에 대해 일관되게 효과적인 의학적 치료법도 없습니다. 확정적인 진단도, 치료법도 없습니다. 증상은 관리될 뿐 해결되지 않습니다. HF는 토양과 지하수도 오염시킵니다. 장기적인 환경 영향은 실재합니다. 그렇기 때문에 단 한 건의 EV 화재도 단순한 차량 화재가 아닙니다. 'HF'라는 용어가 알려진 것과 알려지지 않은 화학물질, 금속, 발암물질의 유독한 혼합물을 뜻하는 편의적 표현이라는 것을 기억하십시오. 만약 그것이 "시안화물과 포름알데히드, 그리고 기타 알려지지 않은 독소와 잔류성 화학물질"이라고 불렸다면 더 심각하게 받아들여졌을 것입니다. 안타깝게도 저는 그 명명위원회의 일원이 아니었습니다.
한국이 2~3년 내에 현실적으로 실행할 수 있는 것은 다음과 같습니다. 첫째, 전국적으로 표준화된 차량 구조 프로토콜과 필수 장비를 갖추는 것입니다. 중앙집중형 조달로 모든 부서를 균일하게 갖출 수 있고, 앱이나 차량 텔레매틱스를 통한 실시간 ERG 통합도 기존 기술을 활용해 실현 가능합니다. 미국에서는 부서 간 편차 때문에 이것이 불가능합니다. 둘째, 국가 차량 구조 데이터베이스와 OEM의 의무적 데이터 제출입니다. 신모델 출시 전 구조 프로파일 제출을 요구하고, 중앙집중형 훈련 업데이트와 통합합니다. 셋째, 리튬이온 화재에 특화된 PPE 업그레이드입니다. 불화수소산, 중금속, 기타 열폭주 부산물에 저항력 있는 장비로 전국적으로 교체하는 것으로, 2022년 Szmytke 연구와 진행 중인 InToxFire 프로젝트의 결과를 즉시 적용할 수 있습니다. 중앙집중형 권한은 신속한 사양 결정, 테스트, 조달, 훈련 통합을 가능하게 하며, 한국의 역사지구와 대체 불가능한 문화유산지 인근에서 활동하는 소방관들을 직접적으로 보호합니다.
미국의 분산된 구조는 이 모든 것을 훨씬 더 어렵게 만듭니다. 지방 자치권은 NFPA 지침 채택을 일관성 없게 만듭니다. 새로운 훈련 커리큘럼이나 전문 장비는 예산이나 기술적 전문성 부족으로 자금이 지원되거나 실행되지 못하는 경우가 많습니다. 협조는 상호지원(mutual aid)이나 연방 보조금 같은 자발적 메커니즘에 의존하며, 한국 같은 중앙집중형 시스템의 강제력은 전혀 없습니다. 그 결과는 고르지 못한 대비태세, 중복된 노력, 그리고 리튬이온 배터리 사고 같은 새로운 위협에 대한 느린 전국적 대응입니다.
좋게 들리시죠? 안타깝게도 그중 일부는 환상입니다. 왜일까요? 열과 유독 배출물로부터 구조대원을 제대로 보호할 수 있는 장비가 현재 존재하지 않기 때문입니다. 저는 더 나은, 더 보호 성능이 높은 장비를 요청했지만 업체의 리더들로부터 현재로서는 불가능하다는 말을 들었습니다. 그들이 냉담하고 무관심하다고 느끼실 수도 있지만, 다른 관점도 있습니다. 그들은 자신들의 장비가 무엇에 맞서 싸우도록 설계해야 하는지 모릅니다. 장비와의 상호작용과 침투를 막아야 할 독소가 무엇인지 아무도 완전히 이해하지 못하고 있습니다.

LaPenta 저는 이것을 공개적으로 말합니다: 우리는 이미 현장에서 지고 있다. 장비는 따라오지 못하고, 정보는 없고, 설계는 우리에게 불리하게 작용하고 있습니다. 소방관의 생명은 그 차량 안에 있는 사람의 생명과 동일한 가치를 지닙니다. 구조대원은 누군가의 아버지, 아들, 딸, 손주입니다. 차 안에 갇힌 사람과 똑같이요. 적절한 보호 없이 그들을 현장에 보내는 것은 그 사람을 무방비 상태의 차량에 남겨두는 것과 다르지 않습니다. 둘 다 용납할 수 없습니다.
그리고 우리는 PTSD에 대해 이야기해야 합니다. 소방관이 차 안에서 가족이 불에 타는 것을 지켜보면서도 아무것도 할 수 없을 때, 그 소방관은 남은 평생 그 장면을 안고 살아갑니다. 그런 상황이 얼마나 더 쌓여야 변화가 시작될지 생각하는 것이 두렵습니다. 사람들은 소방국이 도착해서 모든 것을 해결해주기를 기대합니다. 그 기대에 부응할 수 없는 날들이 점점 더 잦아지고 있습니다.

Lerner 한국의 가장 큰 강점은 하나의 결정이 나라 전체를 바꿀 수 있다는 것입니다. 미국에서는 한 부서가 접근 방식을 바꿔도 옆 부서는 그것을 전혀 알지 못합니다. 한국은 지금 그 강점을 활용할 수 있습니다. 하지만 그 결정이 올바른 방향으로 가려면, 그 과정은 현장에 있는 사람들과의 대화에서 시작돼야 합니다. 지침을 내리고 떠나버리는 것만으로는 충분하지 않습니다. 구조대원들에게 무엇이 필요한가? 현장에서 무엇이 작동하지 않는가? 그것을 직접 들어야 하고, 해결책은 함께 만들어져야 합니다. 저는 평소에 이렇게 들리지 않지만, 저는 낙관주의자입니다. 우리에게는 세상을 바꿀 기회가 있습니다. 그것이 필요하고, 제 목표는 정보입니다. 정확한 정보야말로 모두가 지금, 그리고 앞으로 여러 세대에 걸쳐 더 안전한 결정을 내릴 수 있게 해줄 것입니다.

윌리엄 S. 러너 (William S. Lerner, FRSA), WSL 컨설팅 CEO
윌리엄 S. 러너는 WSL 컨설팅의 CEO이자 20건 이상의 특허를 보유한 독립 발명가다. EV, 리튬이온, e-모빌리티 시대의 리스크 평가와 대응 전략 개발에 주력해왔으며, FBI, 국토안보부(DHS), 화재 조사 부서, 공항 소방구조대(ARFF), 주요 교통 인프라 기관들과 협력해왔다. 세계 최대 규모의 터널, 항만, 교량, 주차 인프라(12만 대 이상의 주차 공간 포함)에 대한 리스크 평가를 수행했으며, 배터리 유독 잔류물과 2차 오염 등 새롭게 부상하는 위험에 대해 이해관계자들에게 경고하는 데 핵심적인 역할을 해왔다. 인터모달 리뉴어블스(Intermodal Renewables)의 공동 창업자이기도 하다.

스티븐 라펜타 (Steven LaPenta), 뉴저지주 뉴어크시 공공안전국 배틀리언 파이어 치프
스티븐 라펜타는 현재 뉴어크 공공안전국 소방부에서 배틀리언 파이어 치프로 재직 중인 평생 소방 경력자다. 유해물질, 훈련, 특수작전, 뉴저지 UASI 소방 CBRNE(화학·생물·방사능·핵·폭발물) 리더십 역할도 겸하고 있으며, 뉴저지주 공인 2급 소방 강사이기도 하다. 그의 업무는 대응요원 안전, 현장 지휘 지원, 공공 보호, 병력 보호, 제염, 환경 모니터링, 현장 관리, 훈련을 포함한다. 포트 뉴어크의 대형 선박 화재 대응팀의 일원이었으며, 여러 고위급 조사에서 증언한 바 있다. 현재 윌리엄 S. 러너와 함께 리튬이온 화재 대응 최전선에서 활동하고 있다.

청원서 다운로드: https://drive.google.com/file/d/1h3T4S-xOriKrlFkuvo0k6d0pQxar1xAR/view?usp=drive_link

Rescueability — The Missing Principle in Automotive Design

한상민 기자_han@autoelectronics.co.kr — 2026-07-14 10:09:16+0900

Rescueability: 자동차 설계 원칙에서 빠진 마지막 요소

한상민 기자_han@autoelectronics.co.kr — 2026-07-14 09:56:45+0900

캐딜락 에스컬레이드 IQ EV. 4,127킬로그램(9,100파운드)의 이 EV는 이중 적층 배터리를 견고한 케이싱 안에 담고 있다. 수많은 통풍구 때문에 가솔린 차량처럼 보인다. 이 흡입구들은 실제로 작동하는데, 더운 날씨에 배터리팩을 식히기 위해 팬이 가동돼야 하기 때문이다. 이는 배터리를 소모시켜 배터리팩을 결함 모드로 몰아넣을 수 있다. 실제로 가솔린 버전의 흡입구가 더 작다. 구조대가 과거에 단서로 삼던 특징들이 이제는 무의미해지고 있다.

자동차는 충돌을 견디도록 설계돼 왔다. 그러나 사고 이후 탑승자가 스스로 탈출할 수 있는지, 구조대가 차량에 접근하고 고전압을 차단할 수 있는지, 차량의 추진방식을 외부에서 즉시 식별할 수 있는지는 여전히 주요 설계 기준이 아니다. 뉴어크 소방국의 스티븐 라펜타 배틀리언 치프와 WSL 컨설팅의 윌리엄 S. 러너 CEO는 이런 공백에 대해 'Rescueability', 즉 구조 가능성이라고 부른다. 전동식 도어 핸들, 라미네이트 유리, 대용량 배터리, 외부 식별의 부재가 구조 현장에 어떤 문제를 남기는지, 그리고 왜 구조 가능성이 자동차 산업의 다음 화두가 될 수 있는지 살펴본다.

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

우리는 이미 알고 있었다

2년 전, 인천의 한 아파트 지하주차장에서 메르세데스 EQE 한 대가 아무런 예고 없이 불길에 휩싸였다. 차주도, 관리인도, 소방대도 그 차가 불이 날 것이라는 사실을 몰랐다. 화재는 순식간에 지하주차장 전체로 번져 600여 대의 차량을 오염시켰다. 대피했던 주민들이 돌아왔을 때, 아이들은 눈 자극을, 노인들은 피부 자극을 호소했다.
그 사이 세계 각국에선 전동식 도어 핸들 문제가 수면 위로 올라왔다. 미국에선 22세 청년이 Tesla Model 3 안에서 “숨을 쉴 수 없다, 갇혔다”고 911에 신고하면서 사망했다. 라미네이트 유리를 발로 차고 주먹으로 쳤지만 깨지지 않았다. 그의 가족은 현재 소송 중이다. 중국은 2027년 1월 1일부터 완전 은닉형 전자식 도어 핸들을 사실상 금지하고, 모든 신차에 전력 상실 시에도 작동하는 기계식 개방 기능을 의무화했다.
인천, 미국, 중국. 서로 다른 나라에서 벌어진 이 세 사건은 같은 질문으로 이어진다. 자동차는 충돌에는 대비하고 있지만, ‘구조’에는 어떤가라고.
6월과 7월, AEM과 인터뷰를 한 뉴어크 소방국의 배틀리언 파이어 치프 스티븐 라펜타(Steven LaPenta)와 WSL 컨설팅의 CEO 윌리엄 S. 러너(William S. Lerner)는 같은 답을 했다. 핵심은 EV나 배터리 자체보다, 그 위험을 전제로 하지 않은 자동차의 설계에 있다는 것이다.

Rescueability란 무엇인가

두 사람이 공통으로 쓴 단어가 있다. 구조 가능성(Rescueability). 표준어도 자동차 공학의 정식 용어도 아니지만, 지금 이 문제를 설명하는 데 이보다 정확한 말은 없다.
“충돌 안전성 시험은 사람이 벽을 들이받았을 때를 기준으로 합니다. 사고 후 당신이 차량에서 나올 수 있는지, 구조대가 차량 안으로 들어갈 수 있는지는 시험하지 않습니다.” 라펜타가 말했다.
Rescueability란 무엇인가.
▶탑승자가 사고 후 스스로 탈출할 수 있는가 ▶구조대가 차량 내부에 신속히 접근할 수 있는가 ▶차량을 즉시, 외부에서 식별할 수 있는가 ▶고전압을 안전하게 차단할 수 있는가 ▶차량의 설계 자체가 구조 작업을 방해하지 않는가.
이런 논의는 분명 세계적으로 진행되고는 있지만 다섯 가지 중 단 하나도 현재 국제 자동차 안전 규정에 공식적으로 존재하지는 않는다.

루시드 배터리팩 전시 사진. 이 차량은 전 세계에 판매되며 미국과 사우디아라비아에서 생산된다. 개별 셀은 오픈 케이싱 안에 담겨 스케이트보드형 언더플로어 플랫폼 위에 통합돼 있다. 러너에 따르면, 화재 시 가스가 방출될 수 있으며, 일부 사례에서는 셀이 최대 50피트 거리까지 비산하는 것이 관측된 바 있다.

아무도 요구하지 않는 것은 설계되지 않는다

왜 이런 개념이 지금까지 설계 테이블에 오르지 못했을까. Euro NCAP도, IIHS도, NHTSA도 신차 안전등급을 매길 때 구조 가능성을 측정 항목에 넣지 않는다. 소비자도 차를 살 때 "이 차는 사고 후에 내가 나올 수 있는가"를 묻지 않는다. 투자자도 이 항목으로 기업가치를 평가하지 않는다.
"엔지니어들이 공기역학, 스타일링, 충돌 안전성, 비용을 최적화할 때, 구조 가능성은 그 의사결정 과정에 없습니다. 저는 특정 차량에서 사람을 꺼내기 위해 어떤 독특한 문제를 겪었는지 말해줄 수 있습니다. 하지만 아무도 묻지 않습니다." 라펜타가 말했다.
이 공백은 자동차에서 그치지 않는다. 러너는 뉴욕·뉴저지 항만청(Port Authority) 전체 자산에 대한 최초의 포괄적 리스크 평가를 수행한 바 있다. JFK, 뉴어크국제공항, 라과디아를 포함한 공항 다섯 곳, 조지 워싱턴 브리지, 링컨 터널, 그리고 12만 대 이상을 수용하는 주차 인프라까지가 그 대상이었다. 연간 6억 명이 이용하는 이 인프라에 리튬이온 관련 위험이 어떤 영향을 미칠지가 평가의 핵심이었다. 그는 최근 전기 항공기와 eVTOL, 드론을 다루는 항공 부문 컨설팅 역할도 새로 맡았다고 밝혔다. EV 화재를 계기로 구조 가능성을 고려해야 하는 영역이 자동차를 넘어 공항, 대형 인프라 시설로 확장되고 있다는 뜻이다.
"아무도 100층짜리 고층빌딩을 짓기 전에 소방관에게 묻지 않습니다." 라펜타가 말했다.
그는 자동차 회사가 새로운 플랫폼을 설계할 때도 구조 전문가가 처음부터 설계실에 함께 있어야 한다고 주장한다. 러너도 마찬가지다.
"라펜타 치프가 접근할 수 없는 곳에 고전압 차단 케이블을 숨기기 전에, 그를 데려와서 물어보십시오. '이 배치가 괜찮습니까?' 그게 전부입니다. 비용은 들지 않습니다. 구조 전문가들은 무상으로 그렇게 할 것입니다."
예를 들어, 라미네이트 유리는 이런 공백이 만들어낸 가장 구체적인 결과물이다. 소음 저감과 자외선 차단을 위해 도입된 이 유리는 일반 강화유리처럼 센터펀치로 깨지지 않는다. 금만 갈 뿐이다. 탑승자가 비상 탈출 도구를 갖고 있어도 소용없다. 소방관의 절단 도구는 통하지만, 도착까지 걸리는 몇 분이 생사를 가른다.

EV 화재 이후 전형적인 거동. 차량은 최대 3개월까지 언제든 재점화될 수 있다. 가스 방출도 계속될 수 있는데, 구조대와 대중은 불이 보이지 않으면 안전하다고 생각하는 경우가 많지만 그렇지 않다.

구조는 식별에서 시작된다

구조 가능성의 공백은 모든 차량에 해당하지만, 전기차에서는 그 무게가 완전히 달라진다. 고전압 잔류 에너지, 열폭주, 재점화, 유독가스라는 변수가 더해지기 때문이다.
리튬이온 배터리 화재는 화씨 3,000도에서 5,000도, 섭씨로 환산하면 약 1,650도에서 2,760도에 이르는 온도를 낸다. 초기 진압에 성공한 것처럼 보여도, 며칠에서 최대 3개월까지 재점화가 가능하다는 게 라펜타의 설명이다. 인천 사고에서는 차량이 발화 후 수초 만에 화염에 휩싸였다. 그 짧은 시간 안에 구조대원이 접근 방식, 진화 전술, 격리 범위를 다시 판단할 여유는 없다.
"저희가 현장에 도착했는데 구조를 할 수 없고, 절단을 할 수 없고, 유독가스로부터 자신을 보호할 장비가 없다면 어떻게 하겠습니까. 그 차는 타게 둬야 합니다." 라펜타가 말했다.
구조대에게 가장 중요한 첫 번째 정보는 화재의 크기가 아니라 차량의 정체다. 그것이 내연기관차인지, 하이브리드인지, 전기차인지에 따라 접근 방식과 위험 평가는 완전히 달라진다. 그것은 단순한 분류 문제가 아니다. 차량의 추진방식에 따라 구조대가 접근해야 하는 거리, 진압 위치, 필요한 보호 장비, 냉각과 격리 절차, 그리고 사고 이후 차량을 어떻게 견인하고 보관할지까지 모두 달라진다. 다시 말해, 차량의 추진방식을 모른다는 것은 구조대가 어떤 위험을 상대하고 있는지 모른 채 현장에 들어가는 것과 같다.
그런데 오늘날 많은 차량은 외관만으로 추진방식을 식별하기 어렵다. 그나마 한국은 번호판 색상이 달라 최소한의 기회는 있지만, 대부분 국가는 그렇지 않고, 일부 전기차는 아예 내연기관 모델과 거의 동일하게 보여, 구조대가 차량 가까이 접근하기 전까지는 이를 확인할 방법이 없다.
“과거에는 막힌 라디에이터 그릴, 배기구의 부재, 파란색 엠블럼 같은 시각적 단서가 전기차를 구분하는 기준이었는데, 최근에는 공기역학과 디자인 통합, 브랜드 일관성을 이유로 내연기관차와 전기차의 외관 차이가 빠르게 사라지고 있습니다. 플랫폼 공유가 늘어나면서 같은 차체가 내연기관, 하이브리드, 전기차로 동시에 판매되는 경우도 많아졌습니다.” 러너가 말했다.
구조대 입장에서는 과거에 존재하던 시각적 단서들이 점점 사라지고 있는 셈이다.
라펜타가 최근 NHTSA에 제출한 청원도 Rescueability 전체를 다루지는 않는다. 그가 가장 먼저 요구한 것도 구조의 첫 단계인 '외부 식별성'이다.

청원서 다운로드: https://drive.google.com/file/d/1h3T4S-xOriKrlFkuvo0k6d0pQxar1xAR/view?usp=drive_link

차량 후면의 실버라도 엠블럼. 쉐보레 보타이는 크기가 극적으로 커진 반면, 모델명은 작아졌다. 이는 현재 트렌드다: 차량의 구체적 속성, 파워트레인, 추진방식이 아니라 브랜드를 강조하는 것.

딜러십에서 발견한 것

라펜타와 러너는 함께 딜러십을 찾아 캐딜락 에스컬레이드 IQ를 직접 살펴본 적 있다. 외관상 내연기관 버전과 EV가 거의 구분되지 않았다. 방향지시등 근처 마커 정도가 유일한 차이였다. 과거에는 막힌 라디에이터 그릴이 EV를 나타내는 시각적 단서였지만, 이 차는 배터리 냉각 팬 때문에 그릴이 오히려 더 열려 있다. 그 단서마저 통하지 않는 차였다.
더 큰 문제는 내부다. 도어 핸들은 일반 핸들처럼 보였지만 실제로는 전동식이었다. 프렁크를 열 수동 스위치가 없었다. 고전압 차단 장치에 접근하려면 배터리 구획을 덮는 슬라이드식 트레이를 제거해야 했는데, 이를 표시하는 라벨은 있었지만 검은색 플라스틱 위에 검은색 글자로 각인되어 있어 식별이 거의 불가능했다.
"저는 이 일을 하도록 훈련받은 사람인데도, 차단 장치가 어디 있는지 끝내 찾지 못했습니다." 라펜타가 말했다.
러너는 비슷한 경험을 GM과의 인연에서 겪었다고 말했다. 약 10년 전 GM의 한 배터리 담당 임원으로부터 캐딜락 리릭의 긴급 대응 가이드를 검토해달라는 요청을 받았고, 그는 최초 구조대원을 24시간 모니터링할 것, 차량이 24시간 이내 재점화될 수 있다는 사실을 가이드에 명시할 것을 제안했다고 했다. 러너는 당시 자신이 제안한 내용이 채택되지 않았다고 했다.
에스컬레이드 IQ의 무게는 약 4,127킬로그램, 배터리 용량은 205킬로와트시다. 러너와 라펜타는 이런 이중 적층 구조가 열전파 측면에서 새로운 검증 과제를 제기한다고 본다. 배터리 냉각을 위한 팬 시스템도 새로운 변수다. 팬이나 전원 계통 이상은 배터리 관리 및 차량 기능에 추가적인 변수가 될 수 있으며, 일부 전동식 기능의 가용성에도 영향을 미칠 가능성이 있다.
그러나 라펜타와 러너는 이 문제를 제조사를 비난하기 위한 사례로 보지 않는다. 오히려 아직 누구도 구조 가능성을 설계 목표로 요구하지 않았기 때문에 발생한 산업 전체의 공백이라고 본다.
그렇다면 OEM은 구조 가능성으로 무엇을 얻을 수 있는가.

OEM이 얻는 것

구조 가능성을 설계에 반영하는 일은 자동차 회사에 부담이 아니라 기회다. 가장 먼저는 브랜드 신뢰다. Volvo가 '안전'이라는 단어를 오랫동안 브랜드 자산으로 써온 것처럼, 구조 가능성은 아직 누구도 선점하지 않은 영역이다.
"구조 전문가를 설계 과정에 먼저 참여시키는 OEM은 '우리는 소비자 안전을 최우선으로 한다'고 말할 자격을 얻습니다. 그것은 공공 안전의 문제일 뿐 아니라 브랜드로서도 가치가 있습니다."
라펜타가 말했다. 여기에 법적 리스크 감소, ESG 관점의 구조대 안전 서사, 규제를 앞서가는 선도자 지위까지 더해진다.
러너가 거듭 강조하는 것은 비용이다. 그는 새로운 부품이나 별도의 설계 변경 없이, 기존 공급업체에 부품 하나를 추가해달라고 요청하는 정도로 충분하다고 말한다.
"비용은 사실상 들지 않습니다. 구조 전문가들은 무상으로라도 그렇게 할 것입니다."
러너의 말이다. 그렇다면 그들은 구조 가능성을 어떻게 구현할 수 있다고 보는가.

정보는 새로운 안전장치다

라펜타와 러너가 강조하는 건 새로운 부품이 아니라 새로운 발상이다.
"이런 상황에서는 1초가 중요하고, 최초 구조대원들은 가장 안전하고 효율적으로 대응할 수 있도록 필요한 정보를 가져야 합니다. 저희의 솔루션은 결국 정보입니다." 러너가 말했다.
그는 그들의 접근을 '안전 기능'이 아니라 '정보'라는 틀로 설명한다.
러너가 자신의 특허 포트폴리오(20건 이상)를 바탕으로 제시하는 구상 중 하나는 이렇다. 차량 외장 일부에 평소에는 보이지 않는 고휘도 LED를 숨겨두고, 충돌이나 배터리 이상이 감지되는 순간 추진방식을 색과 패턴으로 알리는 방식이다. 이후 단계에서는 배터리 용량, 충전 상태, 탑승 인원, 고전압·저전압 차단 위치 같은 정보가 구조대의 웨어러블 기기나 인프라로 전달되는 그림까지 그는 구상하고 있다.
"목격자나 경찰관이 신고 전화에서 차량에 문제가 있고 불빛이 번갈아 깜빡인다고 말하는 순간, 지령센터는 그 차량이 EV라는 걸 압니다. 구조대가 현장에 도착하기 전에 이미 그 정보가 전달되는 겁니다."
물론 이는 러너가 제안하는 여러 가능한 해법 중 하나다. 구조 가능성을 구현하는 방식은 다양한 기술적 경로를 통해 달성할 수 있고, 이 아이디어 역시 그중 하나의 출발점일 뿐이다.

2027 BMW X5의 전동식 도어 오프너 — B필러에 있는 작은 지느러미 모양의 돌출부.

중국이 먼저 인정한 것

중국 공업정보화부(MIIT)는 2027년 1월 1일부터 완전 은닉형 전자식 도어 핸들을 사실상 금지하고, 모든 신차에 전력 상실 시에도 작동하는 기계식 수동 개방 기능을 의무화했다. 세계 최대 EV 시장이 전동식 도어 핸들 단독 구조의 위험성을 공식적으로 인정한 사건이다. 메르세데스처럼 신차 대부분에 전자식 핸들을 적용해온 제조사들은 중국 시장용으로 별도의 도어 구조를 설계해야 하는 상황에 놓였다.
러너는 이런 흐름이 한국에도 곧 도달할 것이라 본다.
“이 결정은 결국 다른 시장에도 영향을 줄 것입니다. 소비자가 판매원에게 '제가 사려는 신형 차는 왜 구식 핸들이 달려 있나요'라고 묻는 시기가 올 겁니다.” 러너가 말했다.
그럼에도 구조 가능성 자체를 요구하는 국제 규정은 여전히 사실상 존재하지 않는다. 탈출성 시험도, 구조성 시험도, 전동식 핸들에 대한 표준화된 시험도, 라미네이트 유리에 대한 구조 대응형 기준도 없다. 일본 NCAP이 도어 개방성 점수를 포함하려는 제한적 시도를 했을 뿐, 전 세계 설계 기준에서 지배적 위치를 차지하지는 못했다.

청원, 그리고 그 한계

이런 공백을 메우려는 첫 시도가 지난 7월 1일 워싱턴DC에 접수됐다.
라펜타가 개인 자격으로 제출한 규칙제정 청원이 미국 교통부(DOT)와 도로교통안전국(NHTSA) 법무실에 정식으로 접수된 것이다. 청원은 모든 신규 차량이 추진방식을 외부에서 즉시 식별할 수 있도록 표준화된 표시 체계를 도입하자는 내용을 담고 있다. 국가교통안전위원회(NTSB)가 조사한 전기차 화재 3건에서 고전압 배터리 재점화가 총 15차례 발생했다는 기록, 워싱턴주 조사에서 견인업체의 62%가 사고 차량의 전기차 여부를 확인할 시스템조차 갖추지 못했다는 결과가 근거로 제시됐다.
청원이 곧 규제로 이어지는 것은 아니다. 미국의 정식 규칙제정 절차는 접수 이후에도 수년이 걸릴 수 있고, 기각될 가능성도 배제할 수 없다. 그럼에도 이 청원이 갖는 의미는 작지 않다.
라펜타는 이렇게 말한다.
“NHTSA가 이 청원을 받아들인다면, 이는 자동차 회사들에게 더 나아져야 한다는 신호를 보내고, 대중과 구조대에게 이 위험을 진지하게 받아들이고 있다는 걸 증명하는 셈이 됩니다. 기각된다면, 그건 그냥 예전과 다를 바 없다는 뜻이 됩니다.”
수용이든 기각이든, 차량 추진방식의 외부 식별 문제가 미국 연방 규칙제정 절차의 공식 의제로 제기됐다는 사실 자체가 이 청원의 의미다.
구조대와 차량의 상호작용 문제가 정책 의제로 부상하고 있다는 점은 자율주행 분야에서도 확인된다. 2026년 7월 미국 도로교통안전국(NHTSA)은 운전자 없는 자율주행차가 소방차와 구급차의 진로를 막거나, 플래시 라이트·연기·화재·교통 통제 장비를 제대로 인식하지 못한 사례가 반복되고 있다며 업계에 공개적인 시정 요구(Call to Action)를 발표했다. 이는 구조 가능성이 전기차 화재나 전동식 도어 핸들 문제를 넘어, 미래 모빌리티 전체가 해결해야 할 시스템 요구사항으로 확대되고 있음을 보여준다.
구조 가능성이 승용차 시장에서 당장 새로운 규제로 이어질 가능성은 높지 않지만, 자동차 산업의 많은 변화가 그랬듯, 규제는 종종 선도 기업의 자발적 시도 뒤에 따라왔다. 충돌 안전성이 그랬고, ADAS도 그랬다.

닷지 차저의 실내. EV인 Charger Daytona와 가솔린 Sixpack 모델은 동일한 차체와 도어 구조를 공유한다. 앞문에는 외부 전동식 도어 오프너가 있고, 네 개의 문 모두 전동 푸시 버튼으로 열린다. 앞좌석에는 패널 아래 숨겨진 수동 릴리스 레버가 있지만, 뒷좌석에는 별도의 수동 릴리스 장치가 확인되지 않는다. 배터리 전원이 상실될 경우, 뒷좌석 탑승자의 비상 탈출은 매우 어려워질 수 있다.

마지막 사용자는 누구인가

자동차는 점점 더 똑똑해지고, 더 조용해지고, 더 빨라지고 있다. 하이브리드, 플러그인, EV는 늘고, 종류와 관계없이 화재도 늘고 있다. 그러나 사고 이후 인간을 어떻게 구조할 것인가라는 질문은 여전히 설계 테이블 밖에 남아 있다.
사고가 발생한 순간, 차량의 마지막 사용자는 구조대다. 그들은 차량을 설계한 엔지니어가 한 번도 고려하지 않은 방식으로 그 차량을 다뤄야 한다. 어두운 밤, 뒤집힌 차, 빗속에서, 장갑을 낀 손으로, 수천 도의 열 앞에서.
“구조대원의 생명은 차량 안에 있는 사람의 생명과 같습니다. 그들도 누군가의 아버지이고, 아들이고, 손자입니다.” 러너의 말이다. 라펜타는 현실을 덧붙인다. “저희가 현장에 도착했는데 구조를 할 수 없고, 절단을 할 수 없다면, 그 차는 타게 둬야 합니다. 그 사람들은 죽을 것입니다.”
앞으로 구조 가능성은 도어 개방 시간, 외부 식별성, 고전압 차단 접근성, 구조 절차 수행 시간과 같은 정량적 지표로 발전할 가능성이 있다. 구조 가능성은 새로운 기술이 아니다. 자동차가 마지막 순간까지 사람을 보호하기 위해 갖춰야 할 가장 기본적인 책임일지도 모른다. 자동차는 사고를 피하도록 설계된다. 그러나 모든 사고를 피할 수는 없다. 사고가 일어났을 때, 그 차는 사람을 구할 수 있도록 설계되어 있는가. 당신의 차는, 구조될 수 있도록 설계되어 있는가.

AI Doesn't Replace SDV — It Depends on It

한상민 기자_han@autoelectronics.co.kr — 2026-07-13 13:14:28+0900

AI는 SDV를 대체하지 않는다 — SDV에 기댄다

한상민 기자_han@autoelectronics.co.kr — 2026-07-13 12:59:46+0900

미래의 차가 수십 개의 AI 에이전트에 의해 동시에 움직일 때 정말 중요한 것은 그 에이전트들이 얼마나 똑똑하냐가 아니다. 누가 그것들을 감독하고, 어떤 원칙으로 통제하느냐다. TrustMotion의 CTO 슈테판 폴레드나 박사가 'AID 2026' 키노트에서 던진 메시지가 이것이었다. 그에 따르면, 차안의 피지컬 AI는 더 이상 선택 사항이 아니다. 그러나 AI 정의 차량(AI-Defined Vehicle)은 소프트웨어 정의 자동차(SDV)를 대체하지 않는다. 오히려 SDV 위에 구축되며, SDV 없이는 안전할 수 없다. 그리고 결국 안전을 결정하는 것은 모델에 대한 신뢰가 아니라, 그 모델을 물리 법칙과 안전 경계 안에 묶어두는 시스템 아키텍처다.

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

폴레드나(Dr. Stefan Poledna, TrustMotion)는 작은 정정으로 발표를 시작했다.
청중 대부분은 그의 회사를 여전히 TTTech Auto로 기억하고 있다. 이름은 바뀌었지만 사명은 바뀌지 않았다고 짧게 짚은 뒤, 곧바로 본론으로 들어갔다.
피지컬 AI의 토대로서의 안전과 결정론.

AI는 이미 차 전체로 퍼지고 있다. ADAS 쪽에서는 경로 계획과 객체 탐지를, 인포테인먼트 쪽에서는 음성 제어와 예측 경로 안내를 맡고 있다. 폴레드나에 따르면 이제는 운전자가 평소 생각조차 안 하는 영역까지 들어가고 있다. 예를 들면, 네트워크 침입 탐지, 레이다와 라이다를 융합해 차가 원래 갖지 못했던 데이터를 만들어내는 가상 센서, 배터리 상태 모니터링, 심지어 공조 제어까지 말이다. 이제 중요한 건 그 목록이 아니다. 중요한 건 AI가 더 이상 하나의 기능이 아니라 인프라가 됐다는 사실이다.
폴레드나의 표현을 빌리면, 이것이 Edge AI에서 Physical AI로의 전환이다.
그는 오늘날의 AI를 “애플리케이션에 국한돼 있을 뿐, 시스템을 인식하지는 못하는” 상태라고 표현했다. 콕핏 쪽 모델과 인지 쪽 모델이 각자 고립된 채 자기 논리만으로 돌아간다는 것이다. Physical AI는 그 고립이 끝나는 순간 시작된다.

“여러 AI 시스템을 안전하게, 결정론적으로, 실시간으로 오케스트레이션해서 물리적 세계를 제어하는 것, 그것이 핵심입니다.” 폴레드나가 말했다.
그리고 바로 이것이, AI 정의 차량이 SDV를 대체하는 게 아니라, SDV를 필요로 하는 이유라고 강조했다.
“AI 정의 차량이 SDV를 대체하는 게 아니라는 점을 이해하는 게 중요합니다. 오히려 SDV가 AI 정의 차량의 기반입니다.”
무언가를 학습시키려면 차에서 데이터를 꺼내야 한다. 학습된 것을 배포하려면 무선 소프트웨어 업데이트가 있어야 한다. 그리고 애초에 그 모델을 구동하려면 SDV의 중앙·존형 컴퓨팅 자원이 필요하다. 이건 둘 중 하나를 고르는 문제가 아니다.

하나의 두뇌, 세 겹의 안전장치

이 논지는 하나의 그림에서 강하게 드러났다.
배터리, 섀시, ADAS, 중앙 컴퓨팅, 존, 보안, 콕핏, 인포테인먼트 등 차량의 각 도메인은 저마다의 AI 에이전트를 갖는다. 이 에이전트들은 모두 하나의 'Super AI Agent'로 보고를 올린다. 그 Super AI Agent는 'Safety Monitor' 안에 자리한다. Safety Monitor는 다시 폴레드나가 그저 'Safety & Supervision'이라 이름 붙인 바깥층 안에 있다. 차 안의 모든 지능을 감싸는 세 겹의 동심원인 셈이다.
이는 사실상, AI를 그 자체로는 신뢰할 수 없다고 전제할 때 자율 기계의 운영체제가 어떤 모습이어야 하는지를 보여주는 스케치였다.

하나의 두뇌가 아니라, 항시 감시받는 하나의 두뇌. 이 동심원들은 빠르게 움직이지 않는다. 그리고 그것이 설계 의도다. 도메인 에이전트들이 끊임없이 재학습되고 조정되는 빠른 루프가 허용되는 건, 오직 그 바깥의 느린 루프, 즉 동심원 자체가 전혀 움직이지 않기 때문이다.
폴레드나는 같은 논리를 하나의 예로 보여줬다. 구동계와 배터리 시스템을 AI로 더 똑똑하게 최적화하면 전기차의 주행거리를 1~2%p 더 짜낼 수 있다. 운전자가 바로 체감하는 이득이다. 하지만 그 최적화는 물리 모델이 설정한 안전 경계, 즉 좀처럼 바뀌지 않는 안전 가드레일 안에서만 허용된다. 차는 더 똑똑해지지만, 그 가드레일은 거의 움직이지 않는다.
그는 그 안전장치가 없을 때 어떤 일이 벌어지는지도 가감 없이 짚었다. 차량의 기능이 에이전틱 AI가 호출할 수 있는 API로 노출되는 순간, 그 모델에게 차가 할 수 있는 모든 것을 무제한으로 맡길 수는 없다. 그는 안전하지 않은 명령 체인이 어두운 고속도로를 달리던 차량의 헤드라이트를 꺼버려 충돌로까지 이어졌던 사고들을 언급하며, 청중 다수가 이미 알고 있을 사례라고 말했다. 운전자는 살아남았지만, 애초에 일어나서는 안 될 일이었다. 해법은 에이전트를 더 신뢰하는 것이 아니라, 차량이 그 명령을 실행하기 전에 검사하는 안전장치에 있다.

안전장치를 실리콘에 새기다

이는 아키텍처 차원에서 미들웨어의 역할을 CPU 워크로드 스케줄링 그 이상으로 밀어붙인다. 이제 미들웨어는 GPU, NPU, AI 가속기를 그것들을 감시하는 안전 모델과 나란히 중재해야 한다. 결정론적 자원 관리, 혼합 안전등급 실행, 종단 간 지연시간 보장까지 최선을 다하는 수준이 아니라 반드시 지켜야 하는 요구사항으로서 말이다.
폴레드나는 NXP의 S32N7과 함께 이것이 실리콘 위에서 어떤 모습인지 보여줬다. 이는 도메인별로 조직된 컴퓨팅, 그 모든 도메인 아래에서 돌아가는 안전·보안 레이어, 무거운 AI 워크로드를 위한 외부 NPU까지 안전 정합성, 자원 라우팅, 장애 격리가 그 위에서 돌아가는 소프트웨어의 속성이 아니라 칩 자체의 속성이 되는 구조다.
TrustMotion 자체의 MotionWise도 바로 이런 종류의 하드웨어 위로 확장되고 있다. MW Schedule, MW Communication, MW Orchestrate, 그리고 그 밑에 있는 MW Safety Middleware라는 작은 제품군으로서, 한 번 개발된 소프트웨어가 매번 더 적은 검증 노력으로 중앙 ECU와 존 ECU 사이를 오갈 수 있도록 만들어졌다.
폴레드나는 마지막으로 그의 팀, 자신의 개발 프로세스로 시선을 돌렸다. 관찰(Observe)-학습(Learn)-해결(Solve)-오케스트레이션(Orchestrate)-배포(Deploy)-측정(Measure)으로 이어지는 6단계 루프를 차량이 아니라 오케스트레이션 레이어 자체에 적용해 실제 실행 데이터를 근거로 끊임없이 재조정한다고 설명했다.

그의 마지막 슬라이드는 청중에게 이렇게 권했다.
AI 워크로드를 가져와서, 목표 하드웨어 위에서 만들고, 함께 안전하게 최적화하고, 확신을 갖고 배포하라고.
지난 10년간 업계는 소프트웨어 정의 자동차가 무엇인지를 두고 논쟁했다. 다음 10년은 더 어려운 질문으로 시작될지 모른다.
실패하면 사람이 죽을 수도 있는 기계 안에서, 수십 개의 AI 시스템을 누가 감독할 것인가.
폴레드나의 답은, AI는 SDV를 대체하지 않는다. 오히려 SDV에 기댄다. 그리고 마지막까지 인간을 지켜주는 것은 모델의 지능이 아니라, 그 아래 놓인 물리학이다.

연결기사: TrustMotion: SDV의 시스템 오케스트레이터

TrustMotion: SDV의 시스템 오케스트레이터

한상민 기자_han@autoelectronics.co.kr — 2026-07-13 10:53:58+0900

INTERVIEW
크리스 그린트리 Chris Greentree ,CEO/GM
슈테판 폴레드나 Dr. Stefan Poledna, CTO
조재윤 Jaeyoon Cho, Country Manager
TrustMotion

소프트웨어 정의 자동차(SDV)는 이미 업계의 다음 경쟁 전장이 됐다. 그러나 AI, 중앙집중형 컴퓨팅, 존 아키텍처를 둘러싼 모든 논의 이면에는 더 근본적인 질문이 자리한다. 누가 이 전체 시스템을 오케스트레이션할 것인가. 수원에서 열린 AID 2026에서 AEM은 TrustMotion의 크리스 그린트리 GM, 슈테판 폴레드나 CTO, 조재윤 지사장을 만나 미들웨어가 어떻게 시스템 오케스트레이션 레이어로 진화하고 있는지, AI가 기능안전성과 어떻게 공존할 수 있는지, "차이나 스피드"가 글로벌 차량 개발을 어떻게 재편하고 있는지, 그리고 진정한 소프트웨어 정의 자동차를 만들기 위해 무엇이 필요한지 이야기를 나눴다.

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

왜 지금 TrustMotion인가

20년간 Honeywell에서 자동차 하드웨어, 소프트웨어, 인포테인먼트를 다뤘고, 이후 Elektrobit, NNG, WideSense를 거치셨습니다. 그런 이력을 놓고 볼 때, 왜 지금 TrustMotion입니까? 그 많은 선택지 중에서 이 기회를 택한 개인적인 이유가 궁금합니다.
Chris Greentree 좋은 질문입니다. 제 커리어만 보면 이번 결정은 자동차 업계 경력에서 그저 또 하나의 단계처럼 보일 수 있으니까요. 하지만 제게는 지금이 그 여정에서 가장 흥미로운 순간입니다. 그리고 그 시작은 이력서에 적히기 훨씬 전부터였습니다.
저는 기계공학을 전공했습니다. 기어다닐 때부터 손에 렌치를 쥐고 있었죠. 아버지가 정비소를 운영하셨고, 저는 순전히 기계적인 관점에서 차를 고치며 자랐습니다. 하지만 동시에 늘 컴퓨터에 빠져 있었고, 열 살 때부터 코드를 짰습니다. 제게 소프트웨어는 한 번도 도구 이상이었던 적이 없습니다. 그저 또 다른 렌치, 망치, 드라이버였을 뿐입니다.
Honeywell에서 보낸 20년은 차량이 전자화되는 과정을 지켜본 시간이었습니다. 낡은 기계식 테스트 리그를 자동화해 12시간 걸리던 터보차저 테스트를 4시간 이내로 단축했고, 완전 자동화된 상태에서 데이터 품질과 재현성도 훨씬 좋아졌습니다. 저는 그때 소프트웨어가 무엇을 할 수 있는지 진지하게 보기 시작했다고 생각합니다. 그곳에서의 마지막 6년 동안, 저는 수익화된 자동차 소프트웨어 사업을 만들었습니다. 당시 팀원 중 일부는 한국에 있었고, Hyundai는 지금도 그들의 고객입니다. 2017년에 회사를 떠난 이유는 사업을 제대로 키우는 데 필요한 투자 수준이 당시로서는 갖춰지지 않았기 때문입니다. 이후 Elektrobit로 옮겼고, 그곳에서 소프트웨어는 진짜 차별화 요소가 됐습니다. 3,000명이 넘는 조직, 그리고 전 세계 고객 기반을 갖춘 규모였죠. 그곳에서 저는 힘든 비즈니스 교훈도 배웠습니다. OEM들은 나사, 금속 박스, 바퀴처럼 눈에 보이는 물건을 사는 데 익숙했지, 소프트웨어를 사는 데는 익숙하지 않았습니다. 눈에 보이지 않는 소프트웨어에 어떻게 비용을 지불해야 하는지 OEM들이 이해하도록 돕는 과정 자체가 하나의 전환이었습니다.
NNG에서는 커넥티드 서비스가 사용자 경험을 어떻게 바꿀 수 있는지 보았지만, 동시에 비즈니스 모델 전체의 전환이 필요할 만큼 가격 경쟁이 치열한 시장도 겪었습니다. 그 경험이 저를 몇몇 스타트업으로 이끌었고, 그중 WideSense에서 AI에 본격적으로 뛰어들었습니다. 대중교통을 위한 에너지 효율과 자산 배치를 최적화하는 일이었는데, 20년 전 Honeywell에서 함께 일했던 CTO와 다시 손을 잡았습니다. 이후 WideSense는 상장 기업에 매각됐고, 그 덕분에 저는 자동차 분야의 더 많은 스타트업들과 일할 기회를 얻었습니다.
이 모든 과정에서 분명해진 것, 그리고 이게 핵심이라고 생각하는데요, 앞으로 10년은 더 나은 ECU나 더 많은 소프트웨어 기능에 관한 이야기가 아니라는 점입니다. 근본적으로 소프트웨어로 정의되고, 지능을 갖추고, 끊임없이 진화할 수 있는 차량에 관한 이야기입니다. 그리고 SDV는 5년 전 업계가 기대했던 '판매 후 수익화의 성배'가 아닙니다. 시장에서 계속 의미 있는 존재로 남기 위해 필요한 안정적인 기반입니다. TrustMotion은 바로 그 교차점에 있습니다: 기능안전성, 임베디드 소프트웨어, 차량 모션 제어에 대한 깊은 전문성을 갖추고, OEM이 전기/전자 아키텍처를 다시 설계하는 바로 이 시점에 서 있으니까요. 그리고 이제 NXP와 함께, 그 소프트웨어 전문성이 세계적 수준의 반도체 기술과 결합됩니다. 공급업체, 소프트웨어 기업, 모빌리티 기업을 오가며 커리어를 쌓아온 끝에, 저는 그저 업계에 참여하는 것이 아니라 그 미래를 만드는 데 일조할 수 있는 곳에 있고 싶었습니다. 그것이 이번 결정을 쉽게 만든 이유입니다.

중립성이라는 질문

TrustMotion은 NXP 소속이면서도 스스로를 '중립적 공급자'라고 강조합니다. 하지만 경쟁 SoC를 쓰는 OEM 입장에서는 TrustMotion이 진짜로 중립적일 수 있는지 의문을 가질 수 있습니다. Bosch 소속인 ETAS가 겪는 것과 같은 긴장 관계입니다. 이 부분을 어떻게 관리하고 있습니까?
Chris Greentree TrustMotion에서 중립성은 단순한 주장이 아니라 운영 방식 자체에 내재돼 있습니다. MotionWise는 하드웨어를 추상화하고 소프트웨어를 하위 SoC로부터 분리합니다. 그래서 칩 플랫폼 전반에 걸쳐 이식이 가능하죠. 차량의 칩이 한 벤더에서 모두 나오지 않는 이상 이는 필수적입니다. 우리는 여러 실리콘 벤더, 서드파티 소프트웨어 파트너, OEM, 티어-1과 공개적으로 협력합니다. 그리고 고객 프로젝트 간에는 엄격한 데이터 거버넌스 장벽을 유지합니다. TISAX 인증을 받은 것도 바로 이 분리를 지키기 위해서입니다. 경쟁사의 실리콘을 쓰는 고객과 마주 앉을 때 이 부분이 가장 중요해집니다.
제가 팀에게 가장 자주 쓰는 비유는 iPhone입니다. iPhone 화면은 Apple이 만들지 않습니다. Apple의 최대 경쟁자인 Samsung이 만들죠. 단순히 그게 최고 수준의 화면이기 때문입니다. TrustMotion도 같은 방식으로 움직입니다: 우리는 SDV를 위한 최고 수준의 안전 소프트웨어가 되고자 합니다. 그래서 Renesas, Infineon, ST 입장에서도 결국 MotionWise와 일하는 것 외에는 실질적인 대안이 없도록 말이죠. 고객이 NXP 실리콘과 조합한다면 추가적인 이점이 있습니다. 우리가 그 하드웨어의 DNA를 이해하고 있으니까요. 하지만 다른 실리콘 벤더와 함께여도 우리 소프트웨어는 여전히 우위를 제공합니다. 특히 통신 스택에서, 우리는 세계적 수준의 결함 허용(fault-tolerant) 통신을 구축합니다.
그리고 솔직히 말하자면, Renesas, Infineon, ST는 우리 고객이 아닙니다. Bosch, Aptiv, Hyundai, 포드, GM, BMW, Mercedes가 우리 고객입니다. 이 고객들이 여러 실리콘 벤더를 보드 전반에 걸쳐 함께 쓴다면, 실제로 모든 OEM이 그렇게 하고, Renesas에 크게 의존하는 일본 OEM들도 마찬가지입니다. 그들이 진짜로 원하는 것은 그 모든 실리콘에서 동일하게 작동하는 소프트웨어 스택입니다. 그래서 Renesas와 Infineon도 결국 우리와 함께 일하고 싶어 할 겁니다. Samsung이 Apple에 부품을 공급하는 이유와 똑같습니다: 최종 고객은 최고 수준을 요구하니까요.
여기에 한 가지 더 있습니다. 오늘날 칩은 점점 복잡해져서, 최신 SoC 중 일부는 그야말로 '복잡성의 괴물'이라 불릴 정도입니다. 하드웨어 혼자서는 이 복잡성을 제대로 활용할 수 없습니다. 그 복잡성을 추상화하고 실행, 통신, 보안, 안전을 함께 다루는 소프트웨어 플랫폼이 필요합니다. NXP가 고성능 칩과 그것을 뒷받침하는 고성능 소프트웨어를 결합하고자 하는 이유도 여기에 있습니다: NXP의 CoreRide 플랫폼과 짝을 이루면, MotionWise는 고객이 자신들의 KPI에 맞춰 하드웨어와 소프트웨어 성능을 최적화하고, 안전·보안을 고려한 통합 속도를 높이며, CI/CD 기반 소프트웨어 팩토리로 연결할 수 있게 해줍니다.

MotionWise, 그 이후

저를 포함해 업계의 많은 사람들이 TrustMotion을 여전히 TTTech Auto로, 혹은 그냥 'MotionWise 회사'로 기억합니다. 리브랜딩만으로는 그렇게 빨리 정체성이 바뀌지 않습니다. 5년 후 사람들이 TrustMotion을 어떤 회사로 기억하길 원하십니까? 그리고 슈테판, TTTech Auto 시절부터 MotionWise를 만들어온 입장에서, 오늘날 그 핵심은 무엇입니까?
Chris Greentree 5년 후, 저는 TrustMotion이 미들웨어 공급자가 아니라 소프트웨어 및 AI 정의 차량을 위한 신뢰받는 시스템 오케스트레이터로 기억되길 바랍니다. 하드웨어, 소프트웨어, AI를 하나로 묶어 안전하고 확장 가능한 차량 플랫폼을 만드는 파트너로 말입니다. 그것은 개별 제품과 구성 요소를 덜 생각하고, 플랫폼 전체를 훨씬 더 많이 생각한다는 뜻입니다. OEM, 티어 1, 칩 벤더, 소프트웨어 파트너들이 하나의 개방적이고 신뢰할 수 있는 환경에서 실제로 함께 일할 수 있게 하는 레이어 말이죠.
왜 그냥 'MotionWise 회사'가 아니냐고요? SDV에서 가장 어려운 문제는 어느 한 층위의 문제가 아니라, 하드웨어와 소프트웨어와 AI가 하나의 통일된 시스템처럼 움직이게 만드는 일이라고 보기 때문입니다. TTTech Auto와 MotionWise는 우리에게 안전, 결정론적 동작, 시스템 수준의 우수성에 대한 깊은 전문성을 주었고, 그 기반은 여전히 우리 핵심에 남아 있습니다. 하지만 '오케스트레이션'이 실제로 어떤 모습인지 가장 잘 보여주는 사례는 우리가 이더넷으로 해온 일입니다: 이더넷을 SDV의 진짜 백본으로 만드는 것, 그래서 OEM들이 오디오 오버 이더넷을 비롯한 여러 기능을 제로·저지연 통신을 갖춘 저비용 엔드 노드까지 포함해, 안정적이고 견고한 시스템 위에서 운영할 수 있게 하는 것입니다.
그 역할을 하나의 이미지로 고른다면 이렇습니다: 저는 SDV의 배관공으로 보이고 싶습니다.

Dr. Stefan Poledna 이 SDV 전환은 근본적으로 시간이 지나도 업그레이드할 수 있는 소프트웨어를 차량에 담는 방식입니다. 그리고 이는 두 가지를 의미합니다: 나중 단계에서도 업그레이드를 밀어넣을 수 있기 때문에 차량을 더 빨리 시장에 낼 수 있고, 지속적으로 최적화하고 기능을 더하면서 차량의 생애 가치를 더 오래 유지할 수 있습니다. 이를 위해서는 컴퓨팅 자원을 빠르고 안전하게 소프트웨어에 배치할 수 있는 런타임과 실행 환경이 필요합니다. 차량은 결정론적이고, 안전하고, 보안이 확보된 상태를 유지해야 하기 때문입니다.
나아가 한 번 개발된 소프트웨어 구성 요소가 엔트리, 미드레인지, 하이엔드 차량 모델 전반에 배포될 수 있어야 합니다. 마치 하나의 iPhone 업그레이드가 여러 iPhone 모델에 동시에 적용되는 것과 비슷합니다. 다만 여기서는 기준이 훨씬 높습니다. 그 업그레이드가 모든 런타임 구성과 아키텍처에 걸쳐 실시간 동작, 안전, 보안을 그대로 유지해야 하기 때문입니다. MotionWise가 바로 이를 가능하게 하는 장치입니다: 여러 모델과 여러 전기/전자 아키텍처에 걸쳐 안전과 실시간 결정론적 동작을 그대로 유지시켜 줍니다.

슈테판 폴레드나는 회사의 기술적 DNA이고, 이제 CTO 역할로 옮겨갑니다. 당신은 GM을 맡고요. 두 분 사이의 역할 분담은 어떻게 설계되어 있고, 서로 어떻게 보완합니까? 최근에 실제로 견해가 갈렸던 사례가 있었습니까?
Chris Greentree 슈테판과 저는 매우 상호보완적인 역할을 맡고 있습니다. CTO이자 공동창업자로서 그는 회사의 기술적 DNA를 대표합니다. 그의 초점은 기술 비전, MotionWise 같은 플랫폼의 발전, 그리고 안전·결정론·시스템 아키텍처에서 앞서 나가는 것입니다. GM으로서 제 역할은 그 기술 리더십을 고객 가치와 비즈니스 성과로 옮기는 것입니다. 운영 확장, 고객 관계 강화, 시장에서의 실행력 확보죠. 지금, 합류 후 첫 3개월 동안 제가 집중하는 것은 오늘날 비즈니스의 근본적인 경제 구조가 어디에 있고 어디로 가야 하는지를 이해해서, 단기 우선순위와 장기 경로를 함께 제대로 맞추는 일입니다. 슈테판은 TrustMotion 뿐 아니라 NXP 전체가 앞으로 10년간 올바른 소프트웨어 비전을 갖추도록 하는 데 집중하고 있습니다. 자동차, 로보틱스, 의료 등, TTTech Auto의 오랜 DNA가 안전하고 제로 지연의 통신을 소프트웨어 정의 생태계에 가져다줄 수 있는 모든 곳에 적용되는 빌딩 블록들이죠. 이게 잘 작동하는 이유는 우리가 긴밀하게 정렬돼 있기 때문입니다. 기술 전략과 비즈니스 전략이 함께 움직이는 것, 이는 SDV에서 대단히 중요합니다. 혁신이 규모 있게 배포되지 못하면 아무 의미가 없으니까요.

Dr. Stefan Poledna 이건 전환의 순간에 놓인 팀 전체의 노력입니다. AI가 빠르게 밀려오고 있고, 그것은 우리가 고객의 문제를 그들이 제기하기도 전에 미리 내다봐야 한다는 뜻입니다. 고객이 '이런 문제가 있는데 해결해 줄 수 있느냐'고 물어오는 순간이면 우리는 이미 늦은 겁니다. 우리는 아직 최전선에 있는 문제에 대한 답을 이미 갖고 있어야 합니다. TTTech부터 TrustMotion까지, 회사는 늘 스스로를 이렇게 자리매김해 왔습니다: 결정론적이고 안전 등급의 소프트웨어에서 기술 리더로서 말이죠. 우리는 레거시 툴링에서 최저가를 좇은 적이 없습니다. 크리스는 비즈니스 쪽을, 저는 기술 리더십 쪽을 맡습니다. 그렇게 돼야 하는 게 맞습니다.

SDV는 실제로 어디서 무너지는가

SDV 전환 현장에서는 기술 자체보다 조직과 검증이 더 큰 장벽이라는 이야기가 자주 나옵니다. 실제 경험은 어땠습니까?
Chris Greentree 강하게 동의합니다. 오늘날 대부분의 SDV 프로그램에서 실제로 발목을 잡는 것은 더 이상 개별 기술이 아닙니다. 조직과 검증입니다.
조직부터 보면, 어느 OEM의 조직도를 봐도 그 차량의 아키텍처 다이어그램과 닮아 있습니다. 차량 자체의 아키텍처는 소프트웨어 중심으로 바뀌고 있는데, 소유권은 여전히 예전 방식대로 기능별로 나뉘어 있기 때문입니다. 이 불일치가 실제 마찰을 만듭니다: 우리는 하나로 결정돼야 할 사안에 대해 각자 부분적인 소유권만 가진 여러 팀들이 모인 회의에 앉아 있곤 합니다. 이는 우리가 그저 헤쳐 나가야 할, 이미 알려진 현실입니다.
그다음은 검증입니다: 레거시 OEM은 잘 확립된 인증(homologation) 프로세스를 운영합니다. 통상 설계 동결(design freeze) 이후 24개월, 두 번의 겨울과 두 번의 여름을 거칩니다. 우리가 하려는 것은 안정적이고 검증된 플랫폼을 가능한 한 빨리 OEM의 손에 쥐어주는 것입니다. 그곳이 바로 OEM이 자신들만의 차별화, 즉 '매직'을 만들기 시작하는 곳이니까요. 일단 그 안정적인 토대를 확보하면, 매번 전체 검증 주기를 다시 거치지 않고도 그 위에서 계속 반복 개발을 이어갈 수 있습니다.
제가 그리는 이상적인 SDV 시나리오는 이렇습니다: 기능이 다 익은 바나나가 되었을 때가 아니라, 아직 바나나 씨앗일 때, 나무조차 자라기 전에 차량을 출시하는 것입니다. 안정적인 플랫폼이 있으면 출시 이후에도 계속 새로운 기능을 쌓고 검증할 수 있기 때문입니다.
이는 특히 안전 관련 기능에서 심각한 과제입니다. 그래서 우리는 AI에게 활동할 수 있는 샌드박스를 주고자 합니다. 고객이 그 경계를 절대 깨뜨리지 않으면서 검증할 수 있는, 안전 환경으로 둘러싸인 공간 말이죠.

Dr. Stefan Poledna 둘 다 구조적인 문제입니다. 더 나은 툴링만으로는 해결되지 않습니다. 내부적으로 우리가 지속적 통합과 지속적 배포에 그토록 집중하는 이유도 여기에 있습니다. 야간 빌드, 야간 테스트, 완전 자동화, 그리고 결정론적 실행 환경에 대한 전면 검증입니다. 앞으로는 이것이 고객 플랫폼과 직접 연결되는 방향으로 확장될 것이라고 봅니다. 그래서 검증이 조직의 경계를 넘어 이어지도록 말이죠. 이는 고전적인 결정론적 알고리즘과 안전을, 같은 런타임 안에서 AI 알고리즘과 함께 아우르는 지속적 테스트·통합·검증으로의 업계 전반의 이동입니다. 우리 플랫폼이 바로 여기서 힘을 발휘합니다: 이 다양한 기능들을 담아 하나의 통일된 시스템으로 작동하게 만듭니다. SDV에서의 성공은 최고의 개별 기능으로 정의되지 않습니다. 전체 시스템을 프로덕션 환경에서 얼마나 안정적으로, 얼마나 빠르게 검증하고 배포할 수 있느냐로 정의됩니다.

중국 OEM들은 '차이나 스피드'를 만들어냈습니다. 18~24개월이던 개발 주기가 이제는 중국, 한국, 유럽 모두에서 12개월 수준으로 압축되고 있다고 알려져 있습니다. 이 현상을 어떻게 평가하십니까? 글로벌 OEM들은 무엇을 배워야 하고, 무엇을 절대 따라 해서는 안 됩니까?
Chris Greentree 차이나 스피드는 단순히 개발 속도의 문제가 아닙니다. 고객을 대하는 사고방식의 문제입니다. 중국 OEM들은 소비자의 말에 귀를 기울이고, 그 소비자가 기다리지 않는다는 것을 압니다. 독일 소비자는 어떤 기능을 위해 4년을 기다릴 수 있지만, 중국 소비자는 그렇지 않습니다. 그리고 유럽, 북미, 한국의 젊은 소비자들도 점점 마찬가지가 되어가고 있습니다. 중국 OEM들이 실제로 만들어낸 것은 고객 피드백, 엔지니어링, 검증, 출시 사이의 훨씬 짧아진 주기입니다. 이것이 단순히 '더 빠르다'는 것보다 훨씬 더 큰 진짜 성취입니다.
저는 그 이면의 문화도 가까이서 봤습니다. 2003년부터 2005년 사이에 중국에서 살았는데, 아파트에서 사무실로 출근하는 매일매일 새 건물이 올라가고 있었습니다. 그 속도는 그래프 위의 지표 하나가 아닙니다. 시스템 전체와 그 안의 사람들이 사고하도록 짜인 방식 그 자체입니다.
SDV가 여기서 중요해진다고 생각합니다: 차이나 스피드 자체보다도 더 빠르게 움직일 수 있게 해주니까요. 생산 시점에는 존재조차 몰랐던 기능을 나중에 소프트웨어로 추가하는 플랫폼을 출시할 수 있습니다. 물론 기본 기능에 대해 가능한 한 낮은 컴퓨팅 오버헤드를 갖춘 안정적인 플랫폼을 OEM에게 먼저 제공했다는 전제하에서 말이죠. 그래야 OEM이 자신들만의 '매직'을 만들고, 나중에 교체할 여유를 가질 수 있습니다.

Dr. Stefan Poledna 그리고 그 고객 중심성은 검증에 대한 부담을 더욱 키웁니다. 새로운 기능이 시스템을 안전 경계 밖으로 절대 밀어내지 않는다는 확신이 있어야 합니다. 이것이 바로 우리의 correct-by-design(설계 단계부터 올바르게) 접근이 만들어진 이유입니다: 플랫폼 자체에 내장된 툴링과 분석을 통해, 변경 사항이 출시되기 전에 실제 영향이 검토됩니다. 실시간 성능이 유지되는지, 모든 것이 안전한 상태로 남는지를 확인하는 것이죠. 이는 자동화를 늘리고, 테스트 반복 횟수를 줄이며, 결과적으로 전체 프로세스의 속도를 높입니다. 그것이 속도를 좇는 올바른 방식입니다. 안전, 품질, 사이버보안, 장기적인 유지보수성에서 지름길을 택하는 것은 그렇지 않습니다.

소프트웨어 비용, 누가 지불하는가

자동차 소프트웨어 미들웨어 기업들의 수익 모델이 궁금합니다. OEM은 소프트웨어에 지출하기를 꺼리고, 티어 1 공급업체는 마진 압박을 받고 있습니다. TrustMotion이 지속 가능한 비즈니스로 성장하려면 결국 누가 비용을 지불해야 합니까, 그리고 왜 그렇습니까?
Chris Greentree 우리 같은 위치에 있는 기업들은 진짜 혁신을 이끌고 OEM의 문제를 실질적으로 해결할 책임이 있습니다. 지금까지 업계는 대체로 개별 ECU를 가능하게 하는 빌딩 블록만 제공했을 뿐, 더 폭넓은 SDV 과제는 다루지 못했습니다. 가치사슬은 지금 이동하고 있고, 누가 무엇에 비용을 지불하는지도 함께 바뀌고 있습니다. 예전에는 소프트웨어가 하드웨어에 묶여 있어 비용 구조에서 사실상 보이지 않았습니다. 그 모델은 무너지고 있습니다. OEM은 소프트웨어를 ECU의 한 구성 요소가 아니라 별도의 전략 자산으로 점점 더 많이 구매하고 있습니다.
OEM은 여전히 차량 플랫폼, 고객 관계, 생애주기 수익을 소유합니다. 다만 지불 방식이 바뀌고 있을 뿐입니다. OEM은 미들웨어, OS, 시스템 통합 같은 핵심 플랫폼 소프트웨어에 직접 비용을 지불합니다. 티어 1은 공동 투자하고 통합하며, 자신들의 시스템 납품에 미들웨어를 내장시킵니다. 우리 같은 소프트웨어 공급자는 라이선스, 엔지니어링 서비스, 장기 로열티를 통해 수익을 냅니다. 여러 층으로 구성된, 생태계 기반의 모델인 셈이죠. 미들웨어는 단순한 비용 항목이 아닙니다. 앞으로 더 큰 비용을 피할 수 있게 해주는 장치입니다: 통합과 재검증 작업의 축소, 더 큰 전략적 독립성, 그리고 완전히 새로운 수익 모델을 만들 실질적인 기회 말이죠.

AI, 물리학, 그리고 신뢰의 한계

AI는 이제 모든 산업의 기반이 된 듯합니다. 자동차 업계에서 AI가 가져오는 변화 중 가장 과대평가된 것과 가장 과소평가된 것은 무엇이라고 보십니까?
Chris Greentree AI는 분명 우리 업계에서 가장 혁신적인 힘 중 하나입니다만, 저는 양쪽 극단에서 모두 잘못 평가되고 있다고 생각합니다.
과대평가된 것, 첫째, AI만으로 '자율주행을 해결'할 수 있다는 것입니다. 엔드 투 엔드 AI 모델과 VLM은 차세대 시스템에서 실제로 힘을 얻고 있고, 더 나은 모델과 더 많은 데이터만 있으면 완전한 자율주행이 저절로 실현될 것이라는 강한 믿음이 있습니다. 하지만 실제로는, 단일한 모놀리식 AI 모델 하나에 운전 결정을 전적으로 맡길 만큼 안전하지 않습니다. AI 모델 자체는 물론, 다른 소프트웨어, 컴퓨팅, 통신 구성 요소의 실패까지 처리할 수 있는 안전하고 보안이 확보된, 이중화된 아키텍처가 필요합니다.
둘째, 보이지 않는 복잡성보다 눈에 보이는 기능에 쏠리는 관심입니다. 화제의 중심은 사용자가 볼 수 있는 것들, 즉 AI 코파일럿, ADAS 기능, 생성형 인터페이스에 있지만, 진짜 과제이자 진짜 가치는 행동이 예측 가능하고 인증 가능해야 하는 결정론적 안전 필수 시스템에 AI를 통합하는 데 있습니다.
과소평가된 것, 첫째, 엔지니어링 생산성과 통합의 엔진으로서의 AI입니다. AI가 가져오는 가장 즉각적인 영향은 반드시 차량 기능이 아니라, 차량이 개발되는 방식 그 자체에 있습니다. 코딩 자체는 AI가 대신 생성하면서 그 중요성이 낮아지는 대신, 명세, 안전, 보안의 중요성은 훨씬 커집니다. 기능 혁신에서 엔지니어링 가속화로의 이 이동이야말로 오늘날 실제로 많은 가치가 만들어지는 곳입니다. 관심은 덜 받고 있지만요.
둘째, AI가 불러오는 검증 과제의 규모입니다. 에이전틱 AI는 사실상 확장 가능한 프로그래밍 팀을 제공하지만, 전통적인 자동차 시스템은 결정론적이었고, AI 기반 의사결정은 통계적이고 비결정론적인 동작, 제한된 설명가능성, 그리고 막대한 데이터 수집·정제·주석 작업을 수반합니다. 이는 검증을 훨씬 더 복잡하고 자원 집약적으로 만듭니다.
셋째, AI는 단일 지점 솔루션이 아니라 시스템 수준의 역량으로 작동한다는 점입니다. 그 진짜 가치는 차량의 엣지 시스템, 클라우드와 데이터 파이프라인, 개발·운영 프로세스 전반에 함께 통합되었을 때에야 비로소 드러납니다. 업계도 점점 이 사실을 인식하고 있습니다.

Dr. Stefan Poledna 구체적인 기술적 논점 하나를 더하고 싶습니다: 검증의 과제입니다. 오늘날의 기술 수준은 명확합니다: 단일한 모놀리식 AI 모델 하나로는, 그저 더 많은 데이터로 훈련하고 모델을 계속 반복 실행하는 것만으로는 필요한 안전 수준에 도달할 수 없습니다. 우리는 모놀리식 AI 블랙박스 모델 하나에만 인간의 생명을 맡길 수 없습니다. 기술이 아직 그 수준에 있지 않은 것이 명확합니다. 훈련을 더 많이 하는 것을 넘어서, 이중화와 다양성을 갖춘 진짜 안전장치가 필요합니다.
일부 영역에서는 AI를 피할 수 없는 게 사실입니다. 인지, 객체 분류 같은 영역에서는 AI 방식이 전통적 방식을 명백히 능가하기 때문입니다. 이런 영역에서 할 수 있는 것은, 서로 다른 데이터로 학습되고 서로 다른 모델 유형을 가진 여러 AI 모델을 병렬로 운영해, 동일한 실패 양상을 공유하지 않도록 하는 것입니다. 강력하면서도 서로 다른 두 모델을 결합하면 필요한 안전 수준에 도달할 수 있습니다.
다른 영역에서는 물리학이 AI의 가드레일이 됩니다. 차량 동역학, 마찰, 안정성, 열 한계 등 이런 것들은 이미 제어 법칙을 알고 있어, AI가 도출한 궤적이 '이렇게 주행하라'고 말하면 그 법칙에 비추어 검증하고, 안전하지 않으면 거부합니다. 이는 단순히 테스트를 더 하는 것이 아니라 근본적으로 다른 종류의 엔지니어링입니다.

AI와 자율주행 시대에, ISO 26262 같은 안전 인증 체계는 결정론적 시스템을 전제로 만들어졌지만 AI는 본질적으로 확률적입니다. 이 둘은 근본적으로 충돌하고, 이는 시장에도 영향을 미치고 있습니다. TrustMotion은 이 모순을 어떻게 보고 있습니까?
Dr. Stefan Poledna 솔직히 말씀드리겠습니다: AI는 그 자체만으로는 아직 인간의 생명을 맡길 수 있는 대상이 아닙니다. 더 많은 데이터로 훈련하고 모델을 계속 반복 실행하는 것만으로는 그 수준에 도달할 수 없습니다. GPU를 더 쓰고 가상 훈련을 더 하기만 하면 충분하다고 믿는 사람이 있다면, 틀렸습니다. 그것은 모델을 더 좋게 만들 뿐입니다. 생명을 맡길 만큼 충분히 좋게 만들지는 못하고, 런타임 동작을 결정론적으로 만들지도 못합니다.
이것이 ISO 26262를 AI에 그대로 적용할 수 없는 이유이기도 합니다. 표준 자체가 나쁘다는 것이 아니라, 요구사항, 설계, 코드, 테스트 케이스를 중심으로 만들어졌고, 이는 결정론적으로 코딩된 동작을 전제한다는 것입니다. 그런데 AI는 그렇지 않습니다. '의도된 기능(intended functions)'의 안전을 다루는 SDV 특화 표준을 검토하는 업계 차원의 시도들이 진행 중이며, 표준 자체도 진화하고 있습니다: ISO 26262는 전기/전자 시스템의 결함을 관리하고, SOTIF(ISO 21448)는 시스템이 올바르게 작동하더라도 그 자체의 한계나 환경의 복잡성 때문에 여전히 안전하지 않을 수 있는 위험을 다룹니다. 업계는 순수하게 결정론적인 안전 모델에서, 결정론과 확률론이 결합된 위험 프레임워크로 이동하고 있습니다. 그리고 앞서 말씀드렸듯, 이중화와 물리적 가드레일이 AI를 그 안에 묶어두는 실제 작업을 하는 곳이 바로 여기입니다.

Chris Greentree 실무적으로는, AI를 미션 플래닝과 모션 플래닝에 활용하고, 그 계획된 움직임이 차량을 불안정한 상태로 밀어넣지 않는지 물리 모델로 검증한다는 뜻입니다.
Dr. Stefan Poledna 배터리도 같은 논리가 적용됩니다. AI가 배터리 최적화를 수행한다면요.
Chris Greentree 여전히 그 명령이 배터리를 열 한계 너머로 밀어붙이지 않는지 최종 검증을 거칩니다.
Dr. Stefan Poledna 그래서 AI는 확률적 동작을 들여오지만, 안전은 선택사항이 되지 않습니다. 오히려 시스템 수준의 규율이 됩니다. AI를 따로 떼어내 인증하는 것이 아니라, 그 불확실성에도 불구하고 시스템을 안전하게 지켜주는 아키텍처를 인증하는 것입니다. 인증은 이제 구성요소 수준의 문제라기보다 시스템 수준의 문제가 되어가고 있습니다.

다가올 10년

10년 전만 해도 이 업계의 경쟁은 더 나은 개별 부품을 만드는 일이었습니다. 이제는 OEM, 티어 1, 반도체 기업, 소프트웨어 기업 모두가 플랫폼과 생태계를 이야기합니다. 앞으로 10년간 결정적인 역량은 무엇이 될 것이며, TrustMotion은 그 게임에서 어떤 위치를 원합니까?
Chris Greentree 저는 업계가 개별 구성 요소 최적화에서 시스템 복잡성 관리로 근본적으로 이동했다고 봅니다. 10년 전에는 최고의 ECU나 센서를 만드는 것이 성공이었습니다. 앞으로는 최고의 개별 구성 요소를 가진 쪽이 아니라, 전체 차량 플랫폼을 생태계 전반에 걸쳐 규모 있게 통합하고 지속적으로 진화시킬 수 있는 쪽이 승자가 될 것입니다. 차량은 부품의 집합이 아니라 통합된 소프트웨어 플랫폼이 되어가고 있습니다. 가치는 규모나 제조 역량보다 소프트웨어 역량, 통합 성숙도, 생태계 통제력 쪽으로 이동하고 있습니다. 지금 정말로 중요한 것은 시스템 수준의 통합, 생애주기 전반을 관통하는 진짜 플랫폼적 사고, 그리고 단순한 공급망이 아니라 생태계를 운영할 수 있는 능력입니다.
우리의 목표는 분명합니다: TrustMotion을 SDV 생태계의 시스템 오케스트레이터이자 신뢰 레이어로 자리매김시키는 것입니다. 또 하나의 점 솔루션이 아니라, 전체 시스템이 그 위에서 돌아가는 기반 말입니다. 우리는 하드웨어, 미들웨어, 애플리케이션을 연결하는 시스템 레벨에 자리하며, 아키텍처가 더 이질적으로 변해가는 와중에도 동작이 예측 가능하고 안전하게 유지되도록 합니다. 그리고 OEM이 전체에 대한 통제력을 잃지 않으면서도 여러 파트너를 끌어들일 수 있는 레이어를 제공합니다. 이 새로운 세계에서 가장 큰 가치는 가장자리가 아니라, 전체 시스템을 규모 있게 신뢰할 수 있고 배포 가능하게 만드는 데서 만들어집니다. 승자는 개방된 생태계 전반에서 복잡한 소프트웨어 정의 시스템을 하나로 묶어낼 수 있는 쪽이 될 것입니다. 그리고 그것이 TrustMotion이 스스로에게 원하는 역할입니다: 확장 가능하고 신뢰할 수 있는 자율주행을 가능하게 하는 레이어.

Dr. Stefan Poledna 배포 수준까지 내려가 보면, 이것이 바로 '오케스트레이션'이 실제로 의미하는 바입니다. 한 번 개발해서 어디에나 배포한다(develop once, deploy everywhere). 신규 진입자들이 기존 OEM을 앞질러온 이유 중 하나는 구조적인 것입니다. 한두 개 차량 모델만 출시하는 신생 기업은 모든 것을 그린필드로 지을 수 있고 빠르게 움직일 수 있습니다. 여러 브랜드에 걸쳐 엔트리, 미드레인지, 하이엔드 모델을 가진 기존 플레이어는 완전히 다른 문제에 직면합니다. 그리고 신규 진입자들도 자신들의 라인업을 키워가면서 결국 비슷한 과제에 부딪히게 될 것입니다. 바로 여기서 우리 플랫폼이 진짜 힘을 발휘합니다. 소프트웨어 기능을 한 번 개발해, 지속적인 검증과 통합, 통신, 스케줄링을 바탕으로 여러 플랫폼에 완전 자동화된 방식으로 배포합니다. 그렇게 소프트웨어는 한 번 만들어져 여러 곳에 배포됩니다. 여기서 중립성도 다시 중요해집니다: 차량 수준에서는 어떤 단일 반도체 공급자도 차 안의 모든 칩을 공급하는 일이 없을 것이므로, 오래된 모델과 새 모델, 엔트리부터 하이엔드까지 하나의 소프트웨어 버전을 배포할 수 있으려면 그 중립적인 위치가 필요합니다. 저는 이를 '한 번 개발해서 어디에나 배포한다'고 부릅니다.

한국 시장의 전략적 의미

TrustMotion은 AI 자체보다 AI의 안전한 운영을 가능케 하는 시스템 오케스트레이션의 중요성을 강조합니다. 동시에 한국은 현대자동차그룹을 필두로 SDV 전환을 빠르게 추진하고 있습니다. AI 기반 SDV에서 가장 흔히 간과되는 부분은 무엇이라고 보십니까? 그리고 TrustMotion에게 한국 시장은 어떤 전략적 의미를 갖습니까?
Jaeyoon Cho 한국 OEM은 AI 기반 ADAS, AI 콕핏, 차량 내 에이전트 등 폭넓은 영역에서 AI 도입을 가속화하고 있습니다. 동시에 SDV 아키텍처와 중앙집중형 컴퓨팅 플랫폼으로도 공격적으로 이동하고 있습니다. 저는 이것이 매우 긍정적인 전환이며, 한국을 자동차 산업의 미래를 이끄는 선도국 중 하나로 자리매김시킨다고 봅니다.
다만 현장에서 관찰되는 한 가지는, 논의의 상당 부분이 여전히 AI 모델 자체의 성능 향상에 집중돼 있는 반면, AI를 차량 시스템 안에서 안전하게 운영하는 방법에는 상대적으로 관심이 덜하다는 점입니다. 일반적인 IT 시스템과 달리, 차량은 실시간 성능과 기능안전성을 요구합니다. AI 모델이 아무리 고도화돼도, 그 결정은 차량의 물리적 한계 안에 머물러야 하고 엄격한 안전 요구사항을 준수해야 합니다.
따라서 앞으로 가장 중요한 과제 중 하나는 AI와 안전 필수 기능이 공존할 수 있는 시스템 아키텍처를 구축하는 일입니다. AI는 새로운 가치를 만들어낼 수 있어야 하는 한편, 시스템 자체는 AI가 만들어낸 결과물을 정의된 안전 경계 안에서 검증하고 관리할 수 있어야 합니다.
이런 문제의식 아래, TrustMotion은 AI와 안전 필수 기능이 함께 안전하고 신뢰성 있게 작동할 수 있는 런타임 환경을 가능하게 하는 시스템 오케스트레이션 기술을 제공하는 데 집중하고 있습니다. 우리는 또한 에지 AI와 피지컬 AI 애플리케이션을 위한 물리 모델을 도입해, AI가 생성한 차량 제어 명령이 안전한 운영 한계 안에 머물도록 하고 있습니다.
이것이 TrustMotion의 글로벌 성장 전략에서 한국이 그토록 중요한 시장인 이유 중 하나입니다. 전 세계 많은 기업이 SDV를 이야기하지만, 대량 양산 차량에 SDV 아키텍처를 실제로 적용하면서 동시에 중앙집중형 컴퓨팅과 AI 기반 차량 플랫폼까지 함께 발전시키는 OEM은 제한적입니다. 그런 의미에서 한국은 미래의 차량 아키텍처가 구상되는데 그치지 않고 실제 프로그램에서 구현되고 검증되는 가장 중요한 레퍼런스 시장 중 하나입니다.
한국의 티어 1 공급업체도 상당한 과제에 직면해 있습니다. ECU 통합과 중앙집중-(Central-Zonal) 아키텍처로의 전환이 가속화되면서, 이들은 갈수록 치열해지는 글로벌 경쟁, 그리고 자체 시스템 설계 책임을 확대하려는 OEM의 움직임 속에서 새로운 역할과 새로운 가치 원천을 만들어내야 합니다. 이런 환경에서는, 한쪽이 제품을 개발하고 다른 쪽은 그저 구매하는 전통적인 공급자-고객 모델만으로는 새롭게 떠오르는 과제를 해결하거나 의미 있는 혁신을 이끌어내기에 충분하지 않습니다. 그 어느 때보다, 업계는 기업들이 함께 개발하고, 검증하고, 지속적으로 기술을 발전시킬 수 있는 파트너십을 필요로 합니다.
이런 이유로, TrustMotion Korea의 역할은 제품을 소개하거나 판매하는 것을 훨씬 넘어섭니다. 우리는 고객이 SDV 전환을 헤쳐 나가고 실행하도록 돕는 신뢰받는 파트너가 되고자 합니다. 특히 시스템 오케스트레이션, AI 기반 차량 시스템의 안전한 운영, 그리고 페일 오퍼레이셔널(fail-operational) 아키텍처 구현과 같은 영역에서 고객과 긴밀히 협력하고자 합니다.
궁극적으로, AI 시대의 경쟁력은 누가 가장 많은 AI를 도입하느냐가 아니라 누가 가장 안전하고 신뢰할 수 있는 AI 기반 SDV를 만들어내느냐로 결정될 것입니다. 저는 한국이 이런 전환을 세계적 규모로 이끌어갈 야심과 역량을 모두 갖춘 몇 안 되는 시장 중 하나라고 믿습니다.

AEM 독자들에게 전하는 말

Chris Greentree 이 시장에 대해 정말 큰 기대를 갖고 있습니다. 저는 20년 넘게 한국을 오가고 있는데, 이곳 도로 위에서 실제 차량 혁신을 계속 목격하고 있습니다. 저는 우리가 업계의 전환점에 서 있다고 생각합니다. 그리고 더 많은 SDV가 도로를 달리게 될수록, 현대적인 차량의 운전자이자 소유자로 사는 일이 더욱 흥미로워질 것입니다.

Dr. Stefan Poledna 저는 한국 자동차 산업과 지난 수년간 이룬 발전에 진심으로 깊은 인상을 받았습니다. 우리가 그 일부라는 사실이 자랑스럽고, 우리 소프트웨어가 이미 한국 도로 위 차량들에서 실제로 작동하고 있다는 사실도 자랑스럽습니다. 우리는 그 위에서 계속 쌓아가고, 이 업계의 소중한 파트너로 계속 남고자 합니다.

연결기사: AI는 SDV를 대체하지 않는다 — SDV에 기댄다

TrustMotion: The System Orchestrator for the Software-Defined Vehicle

한상민 기자_han@autoelectronics.co.kr — 2026-07-13 09:40:33+0900

키사이트, 차량용 이더넷 수신기 컴플라이언스 테스트 솔루션 공개

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-07-30 10:04:36+0900

키사이트테크놀로지스(Keysight Technologies)가 차세대 차량용 네트워크 검증을 위한 새로운 오토모티브 이더넷 수신기(Rx) 컴플라이언스 테스트 솔루션을 발표했다.

오토모티브 이더넷 수신기(Rx) 컴플라이언스 솔루션

이 솔루션은 10BASE-T1S부터 10GBASE-T1까지 폭넓은 이더넷 규격을 지원하며, 존 아키텍처(Zonal Architecture)와 소프트웨어 정의 차량(SDV)으로 전환하는 자동차 업계의 네트워크 검증 요구에 대응하도록 설계됐다.

자동차 전자·전기(E/E) 아키텍처가 중앙집중형 구조로 변화하고 차량 내 데이터 트래픽이 급증하면서 오토모티브 이더넷은 더 높은 대역폭과 안정성, 확장성을 요구받고 있다. 특히 차세대 차량 플랫폼에서는 물리 계층(PHY)의 신뢰성을 확보하기 위한 수신기(Rx) 컴플라이언스 테스트가 핵심 검증 항목으로 부상하고 있다.

키사이트는 이러한 요구에 대응하기 위해 두 가지 새로운 테스트 솔루션을 선보였다.
첫 번째는 10BASE-T1S 수신기 테스트 솔루션이다. 이 솔루션은 존 컨트롤러와 엣지 디바이스를 연결하는 멀티드롭(Multi-drop) 기반 10BASE-T1S 이더넷 네트워크 검증을 지원한다. 10BASE-T1S 수신기 테스트 솔루션은 비티파이 디지털 테스트 솔루션(BitifEye Digital Test Solutions GmbH)과 공동 개발한 자동 테스트 소프트웨어를 통해 OPEN Alliance TC14 PMA Test Suite 5.2.1 규격에 따른 PHY 수신기 컴플라이언스 검증을 수행할 수 있다.
또한 10BASE-T1S 미디어 컨버터(Media Converter), 링잉 보드(Ringing Board), MDI 어댑터(Adapter)를 활용해 채널 손상(Channel Impairment)과 결합 노이즈(Coupled Noise) 환경에서 수신기의 비트 오류율(bit error rate, BER)을 측정할 수 있으며, 멀티드롭 네트워크 테스트 기능을 통해 확장형 존 아키텍처의 통신 성능과 안정성도 검증할 수 있다.

함께 공개된 nGBASE-AU 광학 오토모티브 이더넷 테스트 솔루션은 차세대 차량용 고속 광통신 네트워크를 위한 테스트베드다. IEEE 802.3cz Amendment 7(2023)과 OPEN Alliance TC7 테스트 하우스 사양을 지원하며, 증가하는 대역폭 요구와 전자기 간섭(EMI) 내성, 장거리 통신 환경을 고려해 설계됐다.
이 솔루션은 TDFOM, OMA, ER, AOP, OAR 등 광 신호 품질 평가를 위한 측정 기능을 제공하며, 키사이트 DCA-M N1092A 및 N1092C 오실로스코프와 N1077B 클록 복구 장비를 지원한다. 또한 FlexDCA 소프트웨어를 통해 표준 규격 기반 컴플라이언스 테스트와 개발 단계의 맞춤형 테스트를 자동화할 수 있도록 했다.

다쏘시스템, 부산 테크노 센터 개소 — 조선해양·국방 디지털 전환 지원

박종서 기자_fop1212@autoelectronics.co.kr — 2026-07-30 09:39:12+0900

'다쏘시스템 부산 테크노 센터' 개소식에서 (왼쪽부터) 정운성 다쏘시스템코리아 대표이사, 이길섭 한화오션 부사장, 김동현 부산시 미래기술전략국장, 파스칼 달로즈 다쏘시스템 회장 겸 최고경영자가 개소를 축하하는 케이크 커팅식을 하고 있다.

다쏘시스템(https://www.3ds.com/ko)은 부산광역시 동구 초량동에 조선해양·국방 산업의 디지털 전환을 지원하는 '다쏘시스템 부산 테크노 센터(Dassault Systèmes Busan Technology Center)'를 지난 29일 개소했다고 30일 밝혔다. 센터는 조선해양·국방 산업의 스마트 설계·시뮬레이션 역량을 강화하고, 제조혁신 분야 인재 양성을 지원해 국가 핵심산업의 경쟁력을 높이는 것을 목표로 한다.

개소식에는 다쏘시스템 임직원과 지역 주요 기관 관계자들이 참석했다.
다쏘시스템은 1997년 한국 시장에 진출한 이후 2010년 대구에 설립한 '다쏘시스템 R&D 센터'를 중심으로 조선해양 산업을 위한 3D 기술 투자를 이어왔다. 부산 센터 개소는 이 투자를 확장해, 조선해양의 핵심 거점인 부산에서 국방 산업까지 아우르는 디지털 전환을 직접 지원하기 위한 조치다.

'다쏘시스템 부산 테크노 센터'에는 다쏘시스템코리아 임직원을 위한 업무 공간과 고객·파트너를 위한 체험·협업 공간이 함께 조성됐다. 공간 구성은 다음과 같다.
- 테크놀로지 센터(Technology Center): '3D익스피리언스' 플랫폼과 산업 솔루션을 체험할 수 있는 공간. 센스 컴퓨팅 기반 VR 체험 공간과 미니 조선소(Mini Shipyard) 데모존 포함
- 공용 공간(Multi-Purpose Room): 회의, 교육, 토론 등 협업 활동을 위한 공간
- 사무 공간(Dassault Systèmes Office Zone): 다쏘시스템 임직원의 업무 공간
- 워크 라운지(Work Lounge): 업무와 함께 세미나, 고객 행사, 네트워킹 이벤트 등을 운영하는 공간

정운성 다쏘시스템코리아 대표이사는 "다쏘시스템 부산 테크노 센터는 대한민국 조선해양 산업의 심장인 부산에서 다쏘시스템의 기술력과 노하우를 모아, 조선해양은 물론 국방 산업의 디지털 전환을 지원하기 위해 마련한 공간"이라며 "이 센터를 거점으로 지역 조선소·방산 기업과의 협업을 강화하고, 관련 분야 인재 양성과 스마트 제조 혁신을 지원하겠다"고 말했다.

다쏘시스템은 이번 센터 개소를 계기로 조선해양·국방 산업 분야의 3D 설계·시뮬레이션 기술 지원을 확대하고, 지역 기업이 글로벌 경쟁력을 갖춘 스마트 제조 기업으로 성장하도록 협력 체계를 구축할 계획이다.

마우저, 차세대 모빌리티의 혁신 위한 온라인 리소스 센터 공개

한상민 기자_han@autoelectronics.co.kr — 2026-07-29 14:30:41+0900

마우저 일렉트로닉스(Mouser Electronics)는 모빌리티 혁신 기술에 초점을 맞춘 포괄적인 운송 리소스 센터(transportation resource center)를 통해 엔지니어를 지원한다고 밝혔다. 시스템이 지속적으로 발전함에 따라 엔지니어들은 전력 관리, 기능 안전, 실시간 의사결정 및 인프라 통합과 관련한 복잡한 요구사항에 직면하고 있다. 이 허브는 이처럼 변화하는 과제에 설계 엔지니어가 효과적으로 대응하고, 미래 운송 솔루션의 개발을 가속화할 수 있도록 심층적인 기술 정보와 리소스를 제공한다.

모빌리티가 보다 친환경적이고 자율적인 시스템으로 발전함에 따라, 엔지니어들은 최신 인프라와 안전 및 성능과 관련한 새로운 과제에 직면하고 있다. 새롭게 부상하는 도심 항공 모빌리티(urban air mobility, UAM) 플랫폼은 신뢰할 수 있는 전기 추진 시스템과 충전 인프라를 지원하는 설계를 필요로 하며, 수소 연료전지 시스템은 효율성을 극대화하기 위해 첨단 전력 관리 솔루션을 요구한다. 또한, 로보택시와 자율 운송 시스템의 확산으로 고성능 센싱, AI 기반 의사결정, 기능 안전에 대한 요구도 증가하고 있다. 마우저의 운송 리소스 센터는 전문 기술 콘텐츠와 실용적인 인사이트, 그리고 개념 설계에서 실제 구축 단계에 이르기까지 차세대 모빌리티 솔루션을 구현하는 데 필요한 최신 제품 정보 등을 제공함으로써 엔지니어들이 이처럼 변화하는 설계 요구사항에 효과적으로 대응할 수 있도록 지원한다.

이 콘텐츠 센터는 마우저의 기술팀과 신뢰할 수 있는 제조사 파트너들이 엄선한 기사와 블로그, 전자책, 그리고 업계 선도적 제조사들의 신제품 정보 등 다양한 콘텐츠로 구성되어 있다. 특히, 기술 콘텐츠에서는 새로운 인프라와 첨단 전력 관리, 그리고 검증된 실제 구축 전략을 통해 엔지니어들이 지능형 자율 전기 모빌리티 시스템을 더욱 발전시킬 수 있는 방안도 심도 있게 다루고 있다.

마우저는 업계에서 가장 광범위한 반도체 및 전자부품을 보유하고 있으며, 다음과 같은 운송 애플리케이션을 위한 최신 솔루션도 공급하고 있다:

NXP 반도체(NXP Semiconductors)의 FRDM-A-S32K312 평가보드는 자동차, 산업 및 IoT 애플리케이션을 위해 설계된 유연한 개발 플랫폼이다. 이 보드는 아두이노 우노(Arduino UNO) 호환성과 OpenSDA 디버깅, USB 타입-C(Type-C®) 연결, 모터 제어 및 통신을 위한 확장 기능까지 갖추고 있어 엔지니어들이 보다 효율적으로 시스템을 개발하고, 신속하게 프로토타이핑을 수행할 수 있는 플랫폼을 제공한다.
마이크로칩 테크놀로지(Microchip Technology)의 PIC32CM SG 32비트 Arm® Cortex®-M23 마이크로컨트롤러(MCU)는 저전력 성능과 첨단 보안, 안전 및 연결 기능을 갖추고 있다. 최대 72MHz로 동작하는 이 디바이스는 CAN-FD와 USB를 지원하며, Arm 트러스트존(TrustZone®) 기반의 통합 하드웨어 보안 기능을 통해 산업 및 자동차 애플리케이션을 위한 안전한 임베디드 설계를 가능하게 한다.
TE 커넥티비티(TE Connectivity)의 AMPSEAL 내구성 헤더는 운송, 산업 및 가혹한 환경의 애플리케이션을 위해 신뢰성 높고 안전한 PCB 연결을 제공한다. 또한, 고전류 애플리케이션을 지원하고 다양한 구성 옵션을 제공하는 AMPSEAL 내구성 헤더는 전기차(EV)와 공장 자동화, 로보틱스 및 스마트 인프라를 위한 견고하고 확장 가능한 시스템을 구현할 수 있도록 지원한다.
암페놀(Amphenol)의 자회사인 사인 시스템즈(Sine Systems)의 AHD 시리즈(AHD Series™) 커넥터는 비용 효율적이면서도 신뢰성이 높은 진단 연결 솔루션을 제공한다. 업계 표준 6핀 및 9핀 커넥터와 상호 호환되는 이 시리즈는 다양한 운용 환경에 적합하도록 비밀폐형 및 환경 밀폐형 모두 나사식 구성으로 제공된다. 또한, AHD 시리즈 커넥터는 J1939 타입 1 및 타입 2 옵션도 갖추고 있어 운송 및 산업 애플리케이션 시스템에 유연하고 견고한 연결을 제공한다.

마우저의 새로운 운송 리소스 센터는 https://resources.mouser.com/transportation에서, 마우저의 모든 뉴스 및 주요 최신 제품 정보는 https://www.mouser.kr/newsroom/에서 확인할 수 있다.

글로벌 공인 유통기업 마우저 일렉트로닉스는 가장 다양한 최신 반도체와 전자부품 및 산업 자동화 제품을 공급한다™. 마우저의 고객은 제조사가 생산하여 출처 확인이 가능한 100% 정품을 구매할 수 있다. 마우저의 웹사이트에서는 고객이 더욱 빠르게 설계할 수 있도록 제품 데이터시트, 제조사별 레퍼런스 설계, 애플리케이션 노트, 기술 설계 정보, 엔지니어링 도구 및 기타 유용한 정보, 기술 리소스 센터 등 광범위한 기술 리소스 라이브러리를 제공한다.

엔지니어는 마우저가 제공하는 무료 전자 뉴스레터를 통해 최신 업데이트된 흥미로운 제품, 기술 및 애플리케이션 뉴스를 계속 접할 수 있다. 마우저의 고객과 구독자는 각자의 고유한 프로젝트 요구 사항에 따라 마우저의 이메일 뉴스 및 레퍼런스 구독을 맞춤화할 수 있으며, 다른 어떤 유통기업보다 더 많은 맞춤형 서비스와 제어 권한을 엔지니어에게 제공한다. 새로운 기술, 제품 동향 등에 대한 자세한 정보는 https://sub.info.mouser.com/subscriber-kr에서 등록하여 확인할 수 있다.

'AI-정의 차량'은 어디까지 실체인가

글 | 세온이앤에스 (Seon ENS, Inc.) — 2026-07-28 09:20:42+0900

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

글 | 세온이앤에스 (Seon ENS, Inc.)

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

또 하나의 약어인가: 질문의 출발점

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

정의부터: AI는 기능인가, 아키텍처인가

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

혼란을 걷어내는 틀: 공통 기반과 두 개의 축

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

그림 1 AI-Defined Vehicle 성숙도

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

토대의 현주소: SDV는 미완성의 진행형

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

상용화된 것과 입증되지 않은 것

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

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

의심과 기대, 둘 다 옳다

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

'조건부 비전'의 세 조건과 관찰 신호

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

성패를 가르는 관문: 학습하는 시스템의 안전보증

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

맺음말: 'AI'의 크기가 아니라 규율이 가른다

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

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

테라 퀀텀-에이펙스에이아이, 장기 운용 커넥티드 시스템에 양자내성 보안 구현

한상민 기자_han@autoelectronics.co.kr — 2026-07-27 12:48:49+0900

양자 기술기업 테라 퀀텀(Terra Quantum)과 소프트웨어 정의 차량·지능형 머신용 안전 소프트웨어 기업 에이펙스에이아이(Apex.AI)가 2026년 7월 27일, 로봇 소프트웨어 환경과 클라우드 제어 시스템 간 통신에 포스트양자 암호(PQC)를 구현했다고 발표했다. 미국 국립표준기술연구소(NIST)가 표준화한 알고리즘을 기반으로 한다.

양사는 이번 구현을 통해 기존 통신 방식과 분산형 소프트웨어 아키텍처를 그대로 두고도 연결형 로봇, 자동차, 방산 시스템이 클라우드 서비스와 안전하게 정보를 주고받을 수 있음을 확인했다. 애플리케이션을 대대적으로 바꾸지 않고도 장기 운용 시스템에 양자내성 보안을 도입할 수 있는 방안이라는 것이 양사의 설명이다.

왜 지금 포스트양자인가
양자 컴퓨팅 기술이 발전하면서, 현재 널리 쓰이는 공개키 암호화 알고리즘 상당수는 암호학적으로 유의미한 성능을 갖춘 양자컴퓨터 앞에서 취약해질 것으로 예상된다. 소프트웨어 정의 차량, 자율 시스템, 연결형 로봇, 국가 안보 데이터, 수십 년 단위로 운용되는 플랫폼일수록 이 문제는 장기 과제가 된다. 이런 시스템은 모니터링, 진단, 소프트웨어 업데이트, 차량·장비 관리, 원격 운영을 위해 클라우드 서비스와의 통신에 점점 더 의존하고 있다.

무엇을 구현했나
이번 솔루션은 테라 퀀텀의 포스트양자 암호 기술을 에이펙스에이아이의 Apex.OS와 결합한 것이다. Apex.OS는 소프트웨어 정의 로봇과 지능형 머신의 기반을 이루는 플랫폼으로, 이번 구현에서는 자율·연결형 시스템의 엣지-클라우드 통신 구간을 보호하는 역할을 맡았다.

핵심은 기존 통신 워크플로우와 애플리케이션 아키텍처를 바꾸지 않았다는 점이다. 애플리케이션이나 통신 프레임워크의 재설계 없이, 취약한 암호 기술만 교체하는 방식으로 기업이 표준화된 포스트양자 보안을 도입할 수 있게 했다. 이를 통해 기업은 운영 중단을 최소화하면서 장기 운용 커넥티드 시스템을 포스트양자 시대에 대비시킬 수 있다.

경영진 코멘트
테라 퀀텀의 CEO 겸 창립자·회장인 마르쿠스 플리치(Markus Pflitsch)는 "연결형 인텔리전트 시스템은 빠르게 핵심 인프라로 자리잡고 있다"고 말했다. 그는 "현재 도입되는 차량, 로봇, 산업용 시스템은 양자컴퓨터가 기존 암호 체계를 위협하기 시작할 시점에도 여전히 운영되고 있을 가능성이 높다"며 "기업은 그 순간을 기다릴 수 없다"고 밝혔다. 이어 "이번 구현은 NIST 표준 포스트양자 암호가 오늘날의 클라우드 연결형 시스템을 보호할 준비가 됐음을 보여주며, 기존 아키텍처를 중단하거나 재설계하지 않고도 양자내성을 확보할 수 있는 경로를 제시한다"고 덧붙였다.

테라 퀀텀의 CTO 플로리안 노이카르트(Florian Neukart) 박사는 포스트양자 암호로의 전환이 "실용적이고 표준에 기반해야 하며, 기업이 이미 운영 중인 소프트웨어 시스템과 원활하게 연동돼야 한다"고 말했다. 그는 "에이펙스에이아이와의 협력은 애플리케이션 로직이나 통신 아키텍처를 바꾸지 않고도 NIST 표준 포스트양자 암호를 현대적인 로봇·SDV 환경에 통합할 수 있음을 보여준다"며 "기존 개발 워크플로우를 유지하면서 암호 체계의 복원력을 강화함으로써, 기업들이 지금부터 양자내성 보안 전환을 시작할 수 있도록 지원한다"고 말했다.

에이펙스에이아이의 CEO 얀 베커(Jan Becker) 박사는 "소프트웨어 정의 차량, 지능형 머신, 연결형 방산 시스템은 운용 수명주기 전반에 걸쳐 클라우드 인프라와의 신뢰할 수 있는 통신에 점점 더 의존하고 있다"고 말했다. 그는 "테라 퀀텀과의 협력은 개발자에게 필요한 유연성, 확장성, 통신 모델을 유지하면서도 표준화된 포스트양자 암호를 현대적인 로봇 소프트웨어 환경에 통합할 수 있음을 보여준다"며 "수년에서 수십 년 동안 운영될 플랫폼을 개발하는 기업에게 포스트양자 보안 대비는 점점 더 중요한 수명주기 과제로 떠오르고 있으며, 아키텍처와 제품 기획의 초기 단계부터 고려돼야 한다"고 말했다.

어디에 적용되나
이번 구현은 로봇, 자율 모빌리티, 산업 자동화, 제조, 물류, 항공우주, 방산, 핵심 인프라 등 미션 크리티컬한 연결 자산을 운용하는 산업에 특히 적합하다. 이들 분야에서는 현재 도입 중인 장비와 시스템이 암호학적으로 유의미한 양자컴퓨터 등장 이후에도 계속 운용될 가능성이 높아, 운용 수명주기 전반에 걸친 보안 유지가 요구된다.

양사는 이번 공동 솔루션이 개별 플랫폼의 보안을 넘어, 클라우드·엣지·자율 네트워크·임무 네트워크 전반에서 운영되는 상호연결 시스템 복합체(System-of-Systems)에 양자내성 보호를 제공한다고 설명했다. NATO의 다중 영역 작전(Multi-Domain Operations) 개념에서는 지상, 공중, 해상, 사이버, 우주 등 여러 작전 영역에서의 협업과 임무 수행에 복원력과 상호운용성을 갖춘 통신 인프라가 필수적이다. 이번 아키텍처는 복잡한 소프트웨어 정의 운영 생태계 전반에서 안전한 정보 교환과 안정적인 임무 수행을 지원하는 확장 가능한 기반이라는 것이 양사의 설명이다.

각국 정부와 산업계가 NIST 포스트양자 암호 표준 도입에 속도를 내는 가운데, 이번 협력은 기존 소프트웨어 정의 시스템을 재설계하지 않고도 표준화된 기술로 양자내성 통신 체계 전환을 지금부터 시작할 수 있음을 보여주는 사례다.

테라 퀀텀 소개
테라 퀀텀 그룹(Terra Quantum Group)은 독일과 스위스에 기반을 둔 양자 기술 기업으로, '서비스형 양자(Quantum as a Service, QaaS)'를 세 가지 축으로 제공한다. 서비스형 양자 알고리즘(Quantum Algorithms as a Service)은 하이브리드 양자 최적화, 하이브리드 양자 신경망 등의 라이브러리를 통해 물류 문제 해결이나 패턴 인식 과제를 지원하며, 고객 맞춤형 알고리즘 개발과 기존 알고리즘 조정도 함께 이뤄진다. 서비스형 양자 컴퓨팅(Quantum Computing as a Service)은 자체 고성능 시뮬레이션 기반 양자처리장치(QPU)와 양자 생태계 내 실물 QPU 접근성을 제공하며, 네이티브 QPU도 개발 중이다. 서비스형 양자 보안(Quantum Security as a Service)은 안전한 양자·포스트양자 통신을 위한 독자 솔루션을 전 세계에 공급한다.

에이펙스에이아이(Apex.AI®) 소개
에이펙스에이아이는 모빌리티 시스템용 안전 인증(safety-certified) 소프트웨어를 개발하는 글로벌 소프트웨어 기업으로, 소프트웨어 정의 차량(SDV) 및 차세대 모빌리티 전환을 목표로 한다. 2017년 얀 베커와 데얀 판게르치치가 공동 설립했으며, 미국 캘리포니아 팔로알토에 본사를 두고 독일 뮌헨·슈투트가르트, 일본 도쿄, 한국 판교에 지사를 운영한다. AGCO, Airbus Ventures, Canaan, Continental AG, Daimler Truck, HELLA Ventures, Jaguar Land Rover의 InMotion Ventures, LG전자, Lightspeed, Orillion, Toyota Ventures, Volvo Group Venture Capital, ZF 등으로부터 7,500만 달러 이상을 유치했다.

대표 제품 Apex.OS는 Apex.Grace와 Apex.Ida 두 가지 핵심 구성 요소로 이뤄져 있다. 자세한 내용은 LinkedIn과 에이펙스에이아이 웹사이트에서 확인할 수 있다.

매스웍스, 매트랩 내 AI 에이전트의 엔지니어링 워크플로우 실행 및 검증 지원

한상민 기자_han@autoelectronics.co.kr — 2026-07-22 13:46:44+0900

AI 에이전트가 매트랩 에이전틱 툴킷을 활용해 필터 애널라이저(Filter Analyzer) 앱에서 FIR 필터 설계를 비교하는 모습.

엔지니어드 시스템 설계를 위한 수학적 컴퓨팅 소프트웨어를 개발하는 매스웍스(MathWorks)가 모델 컨텍스트 프로토콜(Model Context Protocol, MCP) 기반의 두 가지 신규 오픈소스 툴인 매트랩 MCP 서버(MATLAB MCP Server)와 매트랩 에이전틱 툴킷(MATLAB Agentic Toolkit)을 공개했다.
이 두 툴을 활용하면 AI 에이전트가 매트랩 코드를 작성하고, 실행 중인 매트랩 세션에서 이를 실행하며, 출력값이나 오류를 분석하고, 올바른 결과에 도달할 때까지 반복적으로 개선할 수 있다. 또한 결과 검증과 엔지니어링 전문성에 기반한 최종 판단은 엔지니어가 담당하도록 함으로써, AI와 엔지니어가 협업하는 개발 환경을 지원한다.

이번 신규 기능은 매트랩 사용자, 에이전트 기반 워크플로우를 구축하는 응용 AI 엔지니어, AI 지원 엔지니어링 환경을 관리하는 플랫폼 팀을 대상으로 한다. 에이전트는 매트랩에서 코드를 직접 실행함으로써 결정론적 연산, 수치 해석, 실행 가능한 모델을 바탕으로 추론한다. 이를 통해 AI는 확률적 추론에서 실행 기반 결과를 도출하는 방식으로 전환되며, 엔지니어링의 엄격성을 강화한다. 또한 엔지니어는 출력값을 검토하고 예상 동작과 비교하며 반복적으로 워크플로우를 개선하는 등 엔지니어링 개발의 핵심 절차를 통해 결과를 검증할 수 있다.

기존 대화형 AI에서 완전 자율형 에이전틱 AI로 발전하는 과정.

디에고 탐부리니(Diego Tamburini) 심데이터(CIMdata) AI 프랙티스 총괄은 “조직들이 모델 기반 설계와 엔지니어링 분야에 에이전틱 AI를 도입하면서 관심의 초점이 코드 생성에서 기존의 다분야 엔지니어링 툴체인 내에서 신뢰할 수 있는 실행으로 옮겨가고 있다”며, “엔지니어는 문제를 정의하고 결과를 검증하며 전반적인 관리·감독을 계속 담당하는 반면, AI 에이전트는 반복적이고 정형화된 작업이 필요한 작업을 점점 더 많이 맡아 인간의 효율성과 효과성을 높이고 있다. 이는 실제 실행과 검증이 AI 기반 엔지니어링 프로세스에 대한 신뢰를 뒷받침하는 휴먼인더루프(human-in-the-loop) 워크플로우의 중요성을 보여준다”고 말했다.

매트랩 에이전틱 툴킷은 코딩 에이전트에 필요한 스킬과 플러그인을 제공하며, 에이전트는 매트랩 MCP 서버를 통해 매트랩과 연결된다.

매트랩 MCP 서버와 매트랩 에이전틱 툴킷은 오픈소스 패키지로 제공된다. 개발자와 조직은 이를 통해 클로드 코드(Claude Code), 깃허브 코파일럿(GitHub Copilot), 오픈AI 코덱스(OpenAI Codex), 제미나이 CLI(Gemini CLI) 등 다양한 에이전틱 툴을 활용해 자체 환경에서 매트랩을 활용한 에이전트 기반 워크플로우를 확인하고, 확장하며, 통합할 수 있다. 이는 다양한 AI 에이전트 프레임워크 간 상호운용성을 지원하며, 매트랩을 차세대 에이전트 기반 엔지니어링 생태계의 기반 인프라로 자리매김하도록 지원한다.

세스 디랜드(Seth DeLand) 매스웍스 생성형 AI 제품 매니저는 “AI 에이전트는 설계와 시뮬레이션, 분석에 사용되는 툴과 직접 상호작용을 할 수 있을 때 엔지니어링 분야에서 가장 큰 효과를 발휘한다”며, “에이전트가 매트랩 워크플로우를 실행하고 반복적으로 개선할 수 있도록 함으로써, AI 기반 반복 개발 과정을 엔지니어가 실제 개발과 검증에 사용하는 동일한 계산 환경과 연결하고 있다. 이를 통해 팀은 LLM이 생성한 코드에서 실행 가능하고 테스트 가능한 결과로 나아갈 수 있으며, 일관된 엔지니어링 프레임워크 내에서 개발을 수행할 수 있다”고 말했다.

자세한 내용은 매트랩과 시뮬링크를 위한 에이전틱 AI (https://www.mathworks.com/products/matlab/agentic-ai.html) 페이지에서 확인할 수 있다.

NXP, 차량용 SAF9800 프로세서 출시…라디오와 AI·ML 기반 오디오 솔루션 통합

한상민 기자_han@autoelectronics.co.kr — 2026-07-22 13:40:06+0900

SAF9800은 자동차 제조사에 규제와 시스템 복잡성 등 새로운 라디오 과제에 대응하기 위한 유연성을 제공한다.

NXP 반도체가 인포테인먼트 아키텍처를 간소화하도록 설계된 새로운 차량용 오디오·라디오 프로세서 SAF9800을 발표했다.
SAF9800은 아날로그 라디오(AM·FM)와 AI·ML 기반 오디오 처리를 범용성 높은 단일 칩에 통합해 다양한 차세대 차량의 요구를 충족한다. 자동차 제조업체는 이를 통해 시스템 복잡성을 줄이고 글로벌 차량 플랫폼 전반으로 기능을 확장할 수 있다. SAF9800은 아날로그 라디오 수신과 고성능 오디오 처리를 하나의 통합 솔루션으로 결합해 기존에 여러 개의 개별 라디오와 오디오 부품이 필요했던 기능을 확장 가능한 단일 장치에 통합할 수 있다.

더불어 SAF9800은 AI 기반 음향 소스 분리 기술을 활용해 음성 명령, 기계적 고장음, 긴급 사이렌과 같은 중요한 소리를 심한 배경 소음으로부터 분리한다. 기존 필터링 방식은 차량 내부와 같은 복잡한 음향 환경에서 제대로 작동하지 않는 경우가 많기 때문에, 동적 실시간 오디오 추출을 위한 최적의 솔루션으로 머신러닝이 주목받고 있다.

NXP 반도체의 인포테인먼트 및 오디오 시스템 부문 수석 부사장 겸 총괄 매니저인 존 반 덴 브락(John van den Braak)은 “자동차 업계는 분산된 하드웨어 중심의 인포테인먼트 시스템에서 통합된 소프트웨어 정의 아키텍처로 전환하고 있다” 며, “SAF9800은 방송 라디오와 디지털 오디오 등 수명 주기가 긴 인포테인먼트 핵심 요소를 AI/ML 기반 오디오 기능과 결합한다. 이 기능은 차량 내 경험을 향상시키고, 차량 내 오디오 센싱을 가능하게 하며, 기능성 오디오 사용 사례를 지원한다. 엄격한 글로벌 RF와 오디오 요구사항을 충족하는 유연한 단일 칩 솔루션을 통해 NXP는 자동차 제조업체가 개발을 간소화하고, 변화하는 시장 수요에 맞춰 플랫폼을 확장할 수 있도록 지원한다"고 말했다.

SAF9800은 신경망 처리 기능이 통합된 HiFi 5 오디오 DSP와 NXP의 하드웨어 기반 바이쿼드(biquad) 가속기를 통합해 이전 세대 대비 10배 이상의 오디오 처리 성능을 제공한다. 고정된 신호 처리 방식이 아닌 데이터 기반 알고리즘을 활용해 실시간 노이즈 저감, 음성·소리 분류, 향상된 적응형 차량 내 청취 경험 등 고도화된 오디오 활용 사례를 구현할 수 있다.

소프트웨어 정의 아키텍처를 위해 설계된 SAF9800은 소프트웨어를 통한 기능 확장성을 지원한다. 자동차 제조업체는 이를 통해 하드웨어 변경 없이 라디오와 오디오 기능을 구성하고, 업그레이드하며, 차별화할 수 있다.

자동차 제조업체들은 변화하는 라디오 정책 환경, 진화하는 소비자 기대, 차량용 라디오의 기술적 과제에 대응하고 있다. 일례로 현재 미국에서는 차량 내에서 AM을 포함한 방송 라디오에 계속 접근할 수 있도록 보장하기 위한 법안이 추진되고 있다. 동시에 전기차의 등장은 새로운 신호 간섭 문제를 야기하고 있기 때문에, 차세대 차량에서 아날로그 방송의 역할과 구현 방식을 둘러싼 업계의 논의가 더욱 활발해지고 있다. 이러한 과제에 대응하기 위해서는 자동차 제조업체가 다양한 선택지를 확보할 수 있도록 지원하는 유연한 솔루션이 필요하다.

SAF9800은 라디오와 오디오 처리를 확장 가능한 단일 칩 솔루션으로 통합하고, 주요 지원 기능을 제공함으로써 차량 내 라디오 관련 과제에 대응한다. 축소된 시스템 점유 공간과 간소화된 통합을 통해 자동차 제조업체는 변화하는 글로벌 요구사항에 유연하게 대응할 수 있다. 또한 NXP는 새로운 SAF9800 제품군에 최신 AM 노이즈 제거 기술인 EVAM-lite를 적용해, 전기차에서 발생하는 AM 주파수 대역의 신호 간섭 문제를 해결할 수 있도록 지원한다.

SAF9800 차량용 오디오·라디오 프로세서는 올해 5월부터 공급되고 있다. 고객에게는 설계를 가속화하기 위한 개발 지원과 소프트웨어 지원 도구가 함께 제공된다.

dSPACE CEO "SDV 시대, 개발과 검증은 동시에 시작해야"

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-07-21 09:11:16+0900

dSPACE의 CEO 카스텐 호프(Dr. Carsten Hoff) 박사가 SIL 중심의 시프트 레프트(Shift-left) 전략과 CI·CD·CT 기반의 지속적 검증, AI 및 개방형 플랫폼을 통해 개발 속도와 품질을 동시에 높이는 테스트∙검증 전략을 제시했다. SDV 시대에는 기존 개발 및 테스트 방식으로는 한계가 있으며, 이러한 접근방식이 필요하다는 것이 그의 핵심 메시지다.

카스텐 호프 박사는 지난 9일 서울 양재동 엘타워에서 열린 'dSPACE User Conference Korea 2026' 기조연설에서, 소프트웨어 정의 차량(SDV)이 자동차 개발 방식을 근본적으로 바꾸는 상황에서 기존 HIL(Hardware in the Loop) 중심 테스트 전략만으로는 더 이상 대응할 수 없다고 지적했다.
그는 "테스트와 검증은 더 이상 개발이 끝난 뒤 수행하는 단계가 아니라 소프트웨어가 작성되는 순간부터 함께 시작되어야 한다"며 SIL을 중심으로 한 지속적 검증(Continuous Validation) 체계를 강조했다.

그가 제시한 메시지는 단순히 SIL(Software in the Loop)을 확대하자는 수준이 아니다. 개발 파이프라인 전체를 SIL과 HIL을 하나의 연속된 검증 체계로 연결하고, AI와 파이썬 기반 자동화, 개방형 표준, 검증 오케스트레이션까지 하나의 플랫폼으로 통합하는 것이다.

결함은 늘어나는데 SOP 일정은 그대로

호프 박사는 자동차 업계가 공통으로 직면한 가장 큰 문제로 ‘증가하는 소프트웨어 결함’을 지목했다. 그는 차량 양산 개시(SOP) 이전까지 해결해야 할 결함의 수는 지속적으로 증가하는 반면, 개발 일정은 오히려 짧아지고 있다고 지적했다. 또한 개발 조직은 비용 절감과 생산성 향상이라는 과제까지 동시에 떠안고 있어, 기존 개발 및 검증 방식만으로는 이러한 요구를 충족하기 어려운 상황이라고 진단했다.

“우리 모두가 직면한 과제는 분명합니다. 테스트와 검증 속도를 높이고 비용을 줄이며 효율을 극대화해야 합니다.”

그는 이러한 도전 과제를 심화시키는 핵심 요인으로 SDV 아키텍처를 꼽았다. 실제로 중앙집중형 컴퓨팅 구조가 확산되면서 ECU 수는 감소하고 있지만, 소프트웨어 기능은 꾸준히 늘고 있다. 여기에 OTA 업데이트가 일반화되면서 완성차 업체들은 분기마다 새로운 소프트웨어 배포를 목표로 삼고 있다. 호프 박사는 이러한 환경에서는 기존의 테스트 방식을 유지해서는 한계가 있으며, 개발 초기 단계부터 테스트를 수행하는 새로운 접근방식이 필요하다고 설명했다. 그의 기조연설의 방점도 바로 이러한 ‘시프트 레프트' 테스트 전략에 맞춰졌다.
그는 기존 자동차 개발에서는 개발 조직과 테스트 및 검증 조직이 분리돼 있어, 테스트와 검증이 프로젝트 후반부에 집중되는 구조라고 지적했다. 그러나 SDV 시대에는 소프트웨어 복잡성과 개발 속도가 동시에 높아지면서 이러한 순차적 개발 방식은 한계에 이르렀다고 진단했다. 이에 따라 개발과 검증을 병행해 초기 단계에서 결함을 발견하고 수정하는 시프트 레프트 접근방식이 필수적이라고 강조했다.

“소프트웨어 개발을 시작하는 순간부터 테스트와 검증도 동시에 시작해야 합니다.”

개발 초기 단계에는 실제 하드웨어가 준비되어 있지 않기 때문에, 시뮬레이션 기반의 검증 환경이 출발점이 된다. 이후 테스트는 CI·CT 파이프라인과 연계돼 개발 전 과정에서 지속적으로 수행되며, MIL(Model in the Loop), SIL, HIL은 서로 분리된 단계가 아니라 하나의 연속적인 검증 체계로 운영되어야 한다. 호프 박사는 이를 “하나의 연속적인 흐름(Wave)”라고 표현했다.
즉, 개발자가 SIL에서 작업하다가 어느 시점에 갑자기 HIL로 넘어가는 것이 아니라 동일한 테스트 자산과 동일한 환경을 유지한 채 검증 수준만 점진적으로 확대하는 구조다.
흥미로운 부분은 dSPACE가 실제 고객 프로젝트에서 확인한 SIL 활용 방식이다. 당초 dSPACE는 SIL이 기능 검증이나 알고리즘 개발 중심으로 활용될 것으로 예상했지만, 실제 대규모 고객 프로젝트에서는 전혀 다른 결과가 나타났다.
dSPACE의 가장 큰 SIL 고객 중 한 곳의 경우, 그들이 수행하는 테스트 케이스의 대부분이 소프트웨어 통합(Software Integration) 테스트였다고 한다. 이는 SDV에서 가장 어려운 문제가 개별 기능이 아니라 여러 소프트웨어 모듈이 결합되는 통합 단계라는 점을 보여준다. ECU 수가 감소하더라도 하나의 중앙 컴퓨터 안에서 실행되는 애플리케이션 수는 크게 증가했기 때문이다. 결국 SIL은 단순히 개발 초기 검증 도구가 아니라 소프트웨어 통합 플랫폼으로 진화하고 있다는 것이 호프 박사의 설명이다.

프로토타입 차량에서 SIL 중심 개발로

그는 시프트 레프트의 경제적 효과를 구체적인 사례를 통해 설명했다. 독일의 한 OEM으로부터 들은 사례라며, 그는 프로토타입 차량 한 대의 전체 라이프사이클 비용이 약 100만 유로에 달한다고 밝혔다. 또 BMW의 차세대 전기 SUV인 iX3 개발 과정에서는 약 500대의 프로토타입 차량이 사용됐다는 사례도 언급했다.
그는 이러한 현실 때문에 프로토타입 차량에서 수행하던 작업을 HIL로 이전하고, 다시 HIL에서 수행하던 작업을 가능한 한 SIL로 옮겨야 한다고 설명했다.

“프로토타입 차량에서 하던 작업을 HIL 테스트 환경으로 가져와야 합니다. 하지만 동시에 HIL에서 가상제어기 레벨 3 단계로 옮길 수 있는 부분이 있는지도 살펴봐야 합니다. 더 나아가 소프트웨어 개발자들이 가상제어기 레벨 1이나 레벨 2 단계부터 미리 작업을 시작할 수 있는지도 봐야 합니다. 이를 통해 개발 속도를 크게 향상시킬 수 있습니다.”

소프트웨어 공학에서는 결함을 늦게 발견할수록 수정 비용이 기하급수적으로 커진다는 것이 정설이다. 실제로 개발 초기 단계에서 잡을 수 있는 결함을 양산 직전이나 필드에서 발견하면 수정 비용이 수십 배로 늘어난다. 호프 박사는 dSPACE 고객사인 스텔란티스(Stellantis)로부터 확인한 세 가지 수치를 공개했다.

첫 번째, 개발 성숙도가 약 6개월 빨라졌다.
두 번째, 전체 버그의 약 80%가 SIL 단계에서 발견됐다.
세 번째, 전체 테스트 케이스의 약 80%가 SIL 환경에서 수행된다.

더 흥미로운 점은 테스트 운영 방식이다. 호프 박사에 따르면, 스텔란티스는 SIL 테스트를 CI/CD/CT 파이프라인과 연결해 매일 밤 자동 실행하고, HIL 테스트는 일주일에 한 번 수행한다. 이는 SIL이 개발 속도를 담당하고 HIL이 최종 하드웨어 검증을 담당하는 역할 분담이 이루어지고 있음을 보여준다. 호프 박사는 이를 HIL 대체 전략으로 이해해서는 안 된다고 선을 그었다.

“SIL은 HIL을 대체하는 것이 아니라 그 위에 더해져서 속도와 효율성을 높이는 것입니다.”

즉 HIL 수를 줄이는 것이 아니라 HIL이 수행해야 하는 검증의 품질과 효율을 높이는 것이 목적이라는 설명이다.

SIL과 HIL은 하나의 검증 플랫폼으로

호프 박사는 SIL과 HIL이 별도의 툴셋을 사용하는 구조를 지적했다. SIL 전용 툴과 HIL 전용 툴을 각각 운영할 경우 테스트 자산을 재사용할 수 없고, 테스트 케이스를 이중으로 작성해야 하며, 그 과정에서 자동화 파이프라인 구축도 어렵기 때문이다.
그가 제시한 원칙은 명확했다. 모델링 환경, 테스트 자산, 산출물, 자동화 체계는 SIL과 HIL 전 구간에서 동일하게 유지되어야 하며, 유일하게 바뀌어야 할 것은 시뮬레이터뿐이라는 것이다. 이 때문에 dSPACE는 FMI(Functional Mock-up Interface)을 비롯한 개방형 표준을 적극 활용하고 있다고 소개했다. 폐쇄형 생태계가 아니라 다양한 개발 환경과 연동되는 개방형 플랫폼을 지향한다는 의미다. FMI는 다양한 개발 툴 벤더가 FMU(Functional Mock-up Unit) 컨테이너 파일 형태로 제공하는 시뮬레이션 모델을, 특정 툴에 종속되지 않는 방식으로 교환하고 통합할 수 있도록 하는 개방형 표준이다.
HIL 전략도 SDV 아키텍처 변화에 맞춰 재편되고 있다. dSPACE는 컴포넌트 HIL(Component HIL)을 통해 개별 컴포넌트를 검증하고, 이후 존 HIL(Zonal HIL)을 거쳐 클러스터 HIL(Cluster HIL) 또는 멀티존 HIL(Multi-Zonal HIL), 가상 차량 HIL(Virtual Vehicle HIL)과 차량 레벨 통합 HIL로 확장하는 구조를 제안했다. 특히 올해 출시 예정인 SCALEXIO Essential은 컴포넌트 HIL 시장을 겨냥한 보급형 솔루션이다.
호프 박사는 일부 고객이 여전히 대형 HIL 시스템에서 단순 컴포넌트 테스트를 수행하는 사례를 언급하며 이는 비용과 효율성 측면에서 적절하지 않다고 지적했다.

“항상 목적에 맞는 환경에서 올바른 테스트를 수행해야 합니다.”

HIL도 AI도 하나의 플랫폼으로 통합

호프 박사는 대규모 HIL 랩(Lab)을 운영하는 고객일수록 효율성 제고 차원에서 개별 장비의 가동 상태와 활용도를 실시간으로 파악하고 관리하는 것이 중요하다고 지적했다. 이를 위해 dSPACE는 올 초 “XIL Farm Management” 개념을 공개했다.
XIL Farm Management는 HSIL(Hybrid Simulation Integration Layer)을 통해 모든 HIL 시스템의 상태를 중앙에서 모니터링하는 구조다. 이를 통해 사용자는 어떤 HIL 시스템이 테스트를 수행 중인지, 어떤 시스템이 유휴 상태(idling)인지, 어떤 시스템에서 오류가 발생했는지를 실시간으로 확인할 수 있다. 특히 이 솔루션은 dSPACE 장비뿐 아니라 개방형 인터페이스를 통해 타사 장비까지 함께 관리할 수 있다. 또한, SIL 환경도 통합 관리해 전체 검증 자원의 활용도를 높일 수 있도록 설계됐다.
이번 호프 박사의 기조강연에서 특히 눈에 띄는 단어는 '파이썬(Pyth on)이었다. 기존 테스트 자동화가 사용자 인터페이스(UI) 기반 환경을 중심으로 구성되었다면, dSPACE는 파이썬 기반 Test Automation SDK를 새롭게 제공한다. 이를 통해 pytest, Allure 등 오픈소스 생태계와 자연스럽게 연동할 수 있다. 호프 박사는 일부 고객이 기존의 대형 UI 기반 테스트 툴에서 벗어나 파이썬 중심 환경으로 이동하고 있다고 밝혔다. 또한, 파이썬 기반 환경은 AI를 이용한 테스트 케이스 자동 생성과도 연결될 수 있다고 소개했다.
그는 “dSPACE는 ‘AI 툴’이라는 이름으로 별도의 제품처럼 마케팅 하지 않는다”며 “대신 각 시스템 안에 내재된 하나의 ‘기능’으로 소개한다”고 강조했다.

Test Automation SDK는 파이썬 기반의 추상화 계층으로, 개발자와 AI가 통합된 단일 인터페이스를 통해 SIL과 HIL 테스트 환경을 보다 쉽고 일관되게 활용할 수 있도록 지원한다.

예를 들어 dSPACE의 ADAS 및 자율주행(AV) 데이터 관리 툴에는 AI 기반 시나리오 검색 기능이 통합돼 있으며, 코드 생성 툴인 TargetLink는 신경망으로부터 C 코드를 자동 생성할 수 있다.
Virtual ECU 생성 과정에는 Microsoft Copilot 기반의 Virtual ECU Agent가 적용되고 있으며, 향후에는 AI가 HIL 워크플로 자체를 자동 구성하는 기능도 제공할 계획이다. 즉 AI는 개발자가 별도로 사용하는 독립적인 애플리케이션이 아니라 기존 검증 프로세스 전체를 자동화하는 기반 기술로 자리 잡고 있다는 의미다.

최종 목표는 'Validation Orchestration'

호프 박사는 dSPACE가 궁극적으로 지향하는 구조를 ‘Validation Orchestration’이라고 소개했다. 최상위 계층에서는 하나의 검증 오케스트레이션 시스템이 전체 테스트를 관리한다.
그 아래에는 모델과 애플리케이션이 위치하고, 가장 하단에는 VEOS 기반 SIL 시뮬레이터와 SCALEXIO HIL 플랫폼이 배치된다. 중요한 것은 상위 계층은 그 아래에 어떤 시뮬레이터가 사용되든 동일한 방식으로 동작한다는 점이다. 결과적으로 SIL과 HIL의 경계는 사용자에게 드러나지 않으며, 두 환경은 하나의 검증 플랫폼처럼 운영된다.
호프 박사는 연설을 마치며 dSPACE가 단순한 테스트 장비 공급업체가 아니라 엔지니어링 서비스와 컨설팅을 함께 제공하는 회사라는 점을 강조했다. 80개 이상의 파트너 생태계를 구축하고 있으며 반도체 기업과의 조기 협력을 통해 최신 실리콘 플랫폼에 빠르게 대응하고 있다는 설명도 덧붙였다.
특히 NVIDIA와의 협력은 앞으로 더욱 강화될 분야로 소개했다. 그는 양사가 OEM 프로젝트를 공동 수행하고 있으며 NVIDIA 플랫폼을 보다 쉽게 검증할 수 있도록 긴밀한 협력을 확대하고 있다고 밝혔다.

HIT-RSS테크윈, 세계 수준 유연 전자피부(E-skin) 양산기술로 한국 시장 공략

박종서 기자_fop1212@autoelectronics.co.kr — 2026-07-20 13:00:31+0900

중국 우한(武漢)에 본사를 둔 세계적인 유연 전자피부(Flexible E-skin) 센서 기업 HIT(화웨이코 지능기술유한공사, HIT Co., Ltd.)가 한국의 전자부품 유통 및 기술지원 전문기업 RSS테크윈(RSS Techwin)과 전략적 파트너십을 체결하고, 한국 시장 공략에 본격 나선다.
이번 협업을 통해 HIT는 자체 개발한 고감도 정밀 전자피부 센서 제품군을 헬스케어, 피지컬AI·AGI·휴머노이드, 자동차 시트·핸들 등 패브릭 내장재, EV 충전기 등 고감도 센싱이 요구되는 분야를 중심으로 한국 미래산업 전반에 공급한다는 목표다. 해당 센서는 로봇 손가락 끝에 부착해 1g 수준의 미세한 압력까지 감지할 수 있어, 두부처럼 무르고 손상되기 쉬운 물체도 파손 없이 파지할 수 있는 정밀도를 갖췄다.
화중과학기술대학교(HUST)와의 산학협력에서 출발한 HIT는 '유연 전자센서(e-skin)' 분야에서 중국을 대표하는 혁신기업으로 꼽힌다. 휴머노이드 로봇, 매트리스·베개 등 헬스케어 제품, 의료 분야에 적용 가능한 초민감·고내구성 센서를 개발하고 자체 양산 설비를 구축해 성능과 가격 양면에서 경쟁력을 확보했다는 설명이다.

HIT 제품군은 가볍고 얇으면서도 넓은 면적을 커버하는 Flexible 폼팩터가 특징으로, 방수 기능과 변형 가능성, 손쉬운 접착성을 두루 갖췄다. 감도 면에서는 0.001N~0.01N 수준, 즉 0.1g~1g급의 미세한 촉감까지 잡아내는 초고감도 센싱을 구현했으며, 정교한 손끝 촉각피부부터 몸통을 감싸는 대면적 전자피부, 발바닥·가슴·허리에 적용하는 스킨케어 제품까지 폭넓은 라인업을 갖추고 있다. 여기에 Roll-to-Roll(R2R) 완전 인쇄 방식의 대량생산 체제를 구축해 가격 경쟁력까지 확보했다는 설명이다. 이런 기술력을 바탕으로 HIT는 중국 휴머노이드 로봇 촉각센서 시장에서 높은 점유율을 차지하고 있으며, 토요타 운전석 시트에도 이미 양산 공급하고 있다.

HIT의 핵심 경쟁력은 크게 네 갈래로 정리된다. 우선 최신 세대 e-skin은 1g 수준의 무게까지 감지하며 100만 회에 달하는 압력 테스트를 통과할 만큼 초민감 센싱 능력을 갖췄다. 화중과기대(HUST) 교수진과 공동연구를 이어가는 산학협력 모델을 통해서는 산업과 학계의 융합으로 상용화 속도를 끌어올리고 있으며, 기존 연구용 센서 대비 내구성을 대폭 강화해 실제 산업 현장에 바로 적용할 수 있는 수준까지 완성도를 높였다는 설명이다. 아울러 독일 뮌헨에서 열린 로봇기술 라운드테이블 등 국제 무대에도 참여하며 글로벌 기술 교류에도 나서고 있다.

경쟁사와 비교하면 HIT의 위치는 비교적 뚜렷하다. 산업용 센서 시장의 강자인 3M은 글로벌 유통망과 안정적인 품질을 앞세우지만 유연 센서 분야에 대한 집중도는 상대적으로 낮은 편이고, 이미지·터치 센서에서 두각을 나타내는 소니(Sony)는 대규모 R&D 역량과 소비자 시장에서의 강세를 갖췄으나 의료·로봇용 e-skin 라인업은 제한적이라는 평가를 받는다. 반면 HIT는 초민감·고내구성 성능에 더해 대면적 유연 시트와 Roll-to-Roll 대량양산 체제를 함께 갖춘 것이 강점으로 꼽히며, 다만 글로벌 브랜드 인지도가 상대적으로 낮다는 점은 과제로 남아 있다.

한국 파트너사인 RSS테크윈의 문양현 대표는 “한국은 IT, 자동차, 반도체, 스마트팩토리 산업에서 세계 기술을 선도하고 있고, 4차산업의 미래를 이끌 AI·피지컬AGI·휴머노이드 분야에 대한 정부 정책과 투자를 전폭적으로 확대하고 있다”며 “HIT의 전자피부 기술에 RSS테크윈이 자체 개발한 제어 모듈을 결합한 고감도 유연 전자센서(E-skin) 제품은 피지컬AI, AGI, 휴머노이드, 헬스케어, 자동차 시트 등 광범위한 분야에서 핵심적인 역할을 할 것으로 기대한다”고 말했다. 그는 이어 “한국이 HIT의 글로벌 진출을 위한 교두보가 될 것으로 확신한다”고 덧붙였다.

HIT의 유연 전자피부 센서는 이미 중국 대기업과 일본 토요타 시트에 적용돼 양산 중이다. 2024년에는 e-skin이 약 200대의 휴머노이드 로봇에 탑재됐고, 2025년 1분기에는 주문량이 1,000대에 근접한 것으로 전해진다. 샤오미(Xiaomi)와 케플러(Kepler) 등 로봇 기업의 휴머노이드 로봇 200대 이상에도 적용됐으며, 연말까지 약 500대 수준으로 공급이 확대될 것으로 예상된다. 자동차 부문에서는 시트 압력분포 감지용 패브릭 센서와 핸들·접촉면용 유연 센서 등 자동차급 e-skin을 연 200만 개 규모로 생산할 수 있는 양산라인이 가동 중이며, 로봇 외 산업용 대량 공급 기반도 확보한 상태다. 한국에서는 바이오 매트리스, 자동차, 휴머노이드 시장을 중심으로 공략에 나설 계획이다.

HIT는 산업용 RFID·지능형 센서·식별 솔루션을 기반으로 성장한 기업으로, 2023년 기준 중국 산업용 RFID 분야 시장점유율 1위를 기록했다. 우한 둥후신기술개발구(東湖高新區)의 광전자·정보산업 클러스터와 연결된 생태계에 위치해 기술 인력, 산학연 협력, 지역 산업 네트워크 측면에서 강점을 갖고 있다. 초기 산업용 RFID 하드웨어 시스템 전문 공급업체로 출발했으며, 이후 유연 지능형 센서(전자피부)와 관련 솔루션으로 사업 영역을 확장하며 지능형 기술 기업으로 포지셔닝을 넓혀가고 있다.
RSS테크윈은 자동차·전자·환경 분야에 혁신적인 기술과 제품을 공급하는 글로벌 지향 기업이다. 2025년에는 인도 현지 법인을 설립해 한국 제조업체의 인도 진출을 지원하는 컨설팅 사업을 전개하고 있으며, 2026년 초 HIT 전자센서의 한국 파트너십을 체결하고 헬스케어(매트리스)·자동차 내장재 시장을 중심으로 공략하고 있다.

인피니언, 정밀 위치 측정·존재 감지 통합 칩 출시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-07-16 11:36:34+0900

인피니언 테크놀로지스는 정밀 위치 측정과 스마트 존재 감지 기능을 단일 칩에 통합한 AIROC™ UWB 제품군 'TSL100'을 출시했다고 16일 밝혔다.

거리 측정(ranging)과 센싱 기능을 통합한 TSL100은 보안 차량 액세스, 차량 내 존재 감지, 출입 통제, 비접촉 결제, 발권, 실내 내비게이션, 자산 추적, 충돌 회피 등의 애플리케이션을 지원한다.

인피니언은 신규 아키텍처를 적용해 전력 소비를 줄이고 보안성을 강화했다고 설명했다. 또한 IEEE 802.15.4ab 등 차세대 UWB 표준을 지원할 수 있도록 설계된 확장형 플랫폼으로, CCC(Car Connectivity Consortium), Aliro, FiRa 등 주요 업계 컨소시엄 표준을 준수한다고 밝혔다.

UWB 기술은 수십 센티미터 이하의 높은 위치 정확도와 낮은 전력 소비, 강력한 보안성을 바탕으로 디지털 키와 실내 위치 측정 서비스의 주요 기술로 주목받고 있다. 특히 차량 및 건물 출입 제어, 자산 추적, 실내 내비게이션 등의 애플리케이션은 스마트폰이 주머니 안에 있는 비가시선 환경에서도 안정적인 위치 측정이 가능해야 하며, 중간자 공격과 같은 보안 위협에도 대응해야 한다. 이에 따라 정밀 거리 측정과 안정적인 RF 성능, 보안 기능을 동시에 제공하는 UWB 솔루션의 중요성이 커지고 있다.

AIROC UWB TSL100 제품군은 차량용과 컨슈머·산업용으로 제공된다. 차량용 TSL111A는 AEC-Q100 인증을 획득한 제품으로, 자동차 OEM과 1차 협력업체를 대상으로 한다. 이 제품은 CCC 디지털 키, 스마트 키(Key Fob), NCAP 규격 기반 차량 내 존재 감지, 킥 센싱(Kick Sensing), 침입 감지 등 자동차 애플리케이션을 지원한다.

컨슈머 및 산업용 버전인 TSL111C는 스마트 출입 제어, 자산 추적, 비접촉 결제, 디바이스 위치 찾기, 실내 내비게이션 등을 주요 적용 분야로 한다.

인피니언은 거리 측정과 센싱 기능을 하나의 칩에 통합함으로써 별도의 센싱 서브시스템이 필요하지 않아 시스템 복잡성을 줄이고 설계를 간소화할 수 있다고 설명했다.

개발자를 위한 엔지니어링 샘플 키트도 함께 제공될 예정이다. 이 키트는 거리 측정 정확도와 센싱 범위, 전력 소비 등 시스템 수준의 성능 평가를 지원하며, 하드웨어와 소프트웨어의 병행 개발을 통해 차세대 UWB 기반 제품의 개발 및 시장 출시 기간을 단축할 수 있도록 지원한다.

로옴, 업계 최고 수준 Wide-SOA 실현한 MOSFET 양산

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-07-16 10:56:31+0900

로옴(ROHM) 주식회사는 자동차의 안전 기능 및 보호 회로용 100V MOSFET 'RS4P063BPHZG'를 6월부터 양산을 개시했다고 16일 밝혔다.

5060 사이즈 패키지를 채용한 RS4P063BPHZG는 넓은 전압 범위에서 업계 최고 수준의 Wide-SOA(Safe Operating Area)을 실현했다.
로옴에 따르면, 2차 항복의 발생을 억제하는 설계를 통해 V_DS=100V, P_W=100μs 조건에서 동일한 사이즈의 일반 제품 대비 약 5배 높은 SOA 내량을 실현했다. 이에 따라 에어백용 인플레이터 점화 회로, 안전벨트 프리텐셔너의 구동 회로 등 순간적으로 높은 전력 부하가 발생하는 차량용 애플리케이션에서 신뢰성을 향상시킬 수 있다. 또한 표준 5060 사이즈 패키지를 채용함으로써, 기존 레이아웃을 활용한 대체 검토가 용이해 설계 변경에 따른 공수 및 비용을 줄일 수 있다.

한편, 로옴은 차량용 Wide-SOA 대응 MOSFET인 HPLF8080 패키지 제품(8.0×8.0mm)과 TOLG (TO-Leaded with Gullwing) 패키지 제품 (9.9×11.7mm)의 개발에도 착수했다.

CAPAS 2026 성료 ··· 中 서남부 자동차 공급망 혁신 기틀 마련

박종서 기자_fop1212@autoelectronics.co.kr — 2026-07-15 09:48:15+0900

사진=Messe Frankfurt (Shanghai)

중국 서남부 자동차 시장의 핵심 자원 집약과 공급망 혁신을 도모하는 ‘제12회 청두 국제 자동차 부품 및 애프터마켓 서비스 전시회(CAPAS Chengdu 2026)’가 성공리에 막을 내렸다.

지난 5월 21일부터 23일까지 사흘간 청두 센추리시티 신국제전시컨벤션전시센터에서 열린 이번 행사에는 상업용차, 신에너지, 지능형 커넥티디비티, 애프터마켓 서비스, 자동차 문화 등 산업 전반을 아우르는 최첨단 제품과 기술이 총출동했다.

올해 CAPAS 2026은 총 53,000㎡ 규모의 전시 공간에 805개 기업이 참가했으며, 23,525명의 방문객이 찾은 것으로 집계됐다. 행사 기간 중 산업 교류를 위한 부대행사도 총 27건 개최됐다.

메쎄 프랑크푸르트(상하이)의 제임스 유(James Yu) 총괄지배인(General Manager)은 “CAPAS 청두가 중국 서남부의 무역과 수출 기회를 연결하는 전략적 플랫폼으로 자리 잡았음을 입증했다”며 “우리의 목표는 업계 간 자원 연결성을 강화하고, 국내외 기업이 지역 산업의 성장 흐름에 맞춰 상생할 수 있는 미래지향적 자동차 생태계를 구축하는 것”이라고 전했다.

사진=Messe Frankfurt (Shanghai)

신에너지·지능형 기술부터 재제조·튜닝까지 ··· 가치사슬 전반 조명

이번 전시회는 자동차 산업의 가치사슬 전체를 입체적으로 조명해 참가업체들의 호평을 받았다.
상업용차 존은 전동화, 부품 유지보수, 인재 양성에 초점을 맞췄다. 치톈모터(Chitian Motor)의 샤오쥔양 해외사업부 총괄은 “이번 행사에서 신에너지 광산용 트럭을 홍보하며 서남부 시장 내 네트워크를 확장하고 현지 애프터마켓 시스템을 개선하는 성과를 거뒀다”고 평가했다.

신에너지 및 지능형 커넥티비티 존은 수소연료 솔루션과 지능형 운전 핵심 기술이 눈길을 끌었다. 청두 통광 왕리안 테크놀로지의 스리둥 부총경리는 “전시 3년 동안 관람객의 질적 수준과 전동화·지능화 기술의 진보를 실감했다. 첫날부터 완성차 업체, 티어 1(배터리·모터·제어기) 공급업체, 투자 그룹의 의사결정권자들과 성공적으로 연결됐다”고 전했다.

재제조 전시존(Remanufacturing Display Area)은 친환경 자원순환 트렌드에 발맞춰 신설됐다. 충칭 위샹 자동차부품 재제조의 왕하이옌 회장은 “CAPAS는 중앙아시아, 아프리카, 중동 등 해외 바이어와 연결되는 주요 채널”이라며 “재제조 제품의 해외 시장 경쟁력을 다시 한번 확인했다”고 언급했다.

정비 존 & 액세서리·튜닝 존은 친환경 도장 설비, 자동 세차기 등 고도화된 정비 장비와 함께 개성 있는 자동차 문화 수요를 겨냥한 맞춤형 부품이 대거 전시됐다. 이 곳에서는 해외 무역 파트너 및 크로스보더 이커머스 바이어들과의 활발한 수주 상담이 이어졌다.

이 외에도 국외 수출 및 내수 활성화를 위해 사천성 내 16개 파빌리온을 비롯해 충칭, 허베이, 광저우 등 중국 주요 지역 연합관이 조성되어 완성차 및 엔진 제조업체와의 활발한 비즈니스 미팅이 이루어졌다.

27개 부대행사 개최 ··· 공급망 매칭 및 글로벌 네트워킹 성과

사진=Messe Frankfurt (Shanghai)

전시 기간 중 열린 27개의 동시 개최 행사도 큰 호응을 얻었다. ‘2026 산업망 수요-공급 매칭 시리즈(창안자동차 세션)’에서는 자율주행 반도체 기업 오토칩스(AutoChips) 등이 완성차 제조사와의 직접적인 협력 기회를 확보했다.

또한 글로벌 바이어들을 위한 ‘VIP 바이어 비즈니스 매칭 프로그램’을 통해 호주, 브라질, 카자흐스탄, 태국, 말레이시아, 타지키스탄 등 28개 국가 및 지역의 바이어들이 참가해 실질적인 계약을 체결했다.

타지키스탄 X-Auto Spare Parts의 하미드 마지둘라 구매 담당자는 “중앙아시아 시장용 승용차 및 SUV 부품을 조달하기 위해 방문했으며, 충칭의 재제조 솔루션 공급업체와 협력하기로 합의했다”고 밝혔다.

사진=Messe Frankfurt (Shanghai)

한편, CAPAS 2027은 2027년 5월 20일부터 22일까지 개최될 예정이다. CAPAS는 중국국제무역촉진위원회 자동차산업분과(CCPIT-Auto), 메쎄 프랑크푸르트(상하이), CCPIT 사천성 위원회(CCPIT-Sichuan)가 공동 주최한다.

오토메카니카 상하이 2026, 전시컨퍼런스 플랫폼 글로벌 혁신·지속가능성에 맞춰 재편

한상민 기자_han@autoelectronics.co.kr — 2026-07-14 15:00:53+0900

오토메카니카 상하이가 21회째를 맞아 2026년 12월 2일부터 5일까지 상하이 국립전시컨벤션센터(NECC)에서 개최된다.
이번 전시회는 16개 홀과 메자닌 전 층, 총 39만㎡ 규모의 전시장을 통째로 사용하며, 참가 기업은 7,600개사에 이를 것으로 예상된다.
전시회는 '기술 혁신', '제품 진화', '서비스 고도화'라는 세 가지 핵심 테마를 중심으로 최신 글로벌·중국 내수 자동차 트렌드를 폭넓게 조명한다.

컨퍼런스 프로그램, 전시장 곳곳과 유기적으로 연결
나흘간의 전시 기간 동안 약 100개의 컨퍼런스, 워크숍, 포럼이 진행되며, 전시 부스에서의 인터랙티브 시연과 글로벌 업계 대담을 하나의 흐름으로 엮는다. 대표 프로그램으로는 국제자동차산업컨퍼런스(International Automotive Industry Conference) 산하 CEO 서밋을 비롯해 자율주행, 지능형 콕핏, 배터리 기술, 반도체를 다루는 일련의 기술 세미나, 그리고 글로벌 투자 촉진과 국제 협력, 사업의 글로벌화를 지원하는 '글로벌 콜렉티브(Global Collective)' 컨퍼런스가 포함된다.
전시회는 OEM, 부품 공급사, 자동차 기술 기업 간 전략적 파트너십을 촉진하는 '자동차 수급 매칭 시리즈(Automotive Supply-Demand Matching Series)' 등 다양한 매칭 프로그램도 제공하며, 중국 내에서 연중 지속되는 네트워킹 기회를 통해 공급망 전반의 모멘텀을 유지한다는 방침이다.

차세대 기술이 전시의 중심에 서다
이번 오토메카니카 상하이에서는 참가 기업의 절반가량이 신에너지 관련 제품 및 서비스를 선보일 예정이다.
'뉴 에너지 & 커넥티비티' 부문은 전기 파워트레인, 자율주행, 임바디드 AI(embodied AI), 충전 및 배터리 스와핑 인프라, 지능형 섀시, 열관리 시스템 등을 아우르며 규모를 20% 확대한다. 하이브리드, 연료전지, 수소 솔루션 등 차량의 성능·안전성·사용자 경험을 높이는 기술들도 함께 전시된다.
이 외에도 부품 및 구성품, 전기전자 시스템, 액세서리 및 커스터마이징, 진단·정비, 차체·도장, 타이어·휠 부문의 업그레이드가 두드러지게 소개된다. 첨단 부품, 스마트 타이어, 경량 휠, 신에너지차량(NEV)용 정비·점검 솔루션, 인포테인먼트 전자장치, 고성능 튜닝 제품 등은 승용차와 상용차 모두에 걸친 기술 발전을 보여준다.

자동차 산업의 영역 확장에 대응해 2026년의 핵심 테마로 'Automotive+'가 새롭게 등장한다. 이는 전시와 부대행사 전반에 걸쳐 전개되며, 차량이 신기술 및 여타 산업 영역과 어떻게 결합해 지능형 모빌리티 인프라를 구축할 수 있을지에 초점을 둔다. 관련 핵심 플랫폼인 'Innovation4Mobility'를 통해 AI, 신에너지 솔루션, 하드웨어-소프트웨어 통합, 로보틱스가 어떻게 융합되며 이것이 차세대 차량에 어떤 의미를 갖는지를 탐구한다.
기술의 진화와 밸류체인 가속화에 따라 표준화 및 인증의 중요성도 함께 커지고 있다. 오토메카니카 상하이는 시험·인증 기관들과의 협력을 강화해 업계 표준에 대한 논의를 이어가며, 제품의 안전성과 신뢰성을 확보하고 글로벌 시장 요건에 부합하도록 지원함으로써 제조사들이 표준을 벤치마킹하고 동종 업계로부터 학습해 개발 속도를 높일 수 있도록 돕는다는 계획이다.

지속가능성, 산업 전반과 전시장 운영에 두루 반영
이런한 기술 발전의 배경에는 지속가능성과 환경 보호를 향한 글로벌 흐름이 자리하고 있다. 정부 차원의 정책과 친환경 전환 움직임은 탄소 배출 저감과 내연기관(ICE) 효율 개선을 위한 디지털화 노력으로 이어지고 있으며, 오토메카니카 상하이는 확장된 제품 전시, 지정 구역, 테마형 부대행사를 통해 이러한 흐름을 뒷받침한다.
일례로 리매뉴팩처링(remanufacturing)은 순환경제로의 전환에서 핵심적인 역할을 맡는다. 2040년까지 1,400만 개의 전기차 배터리가 폐기될 것으로 전망되는 가운데, 리매뉴팩처링 구역은 파워 배터리, 전기 모터, 전자 제어 시스템, 에어컨 컴프레서, 열관리 유닛 등 NEV 부품 영역으로 커버리지를 넓혔다. 내연기관 차량 부품의 혁신적 재활용 솔루션에도 초점을 맞추며, 이는 검사·인증 체계 성숙과 함께 업계 내 리매뉴팩처링에 대한 인식 제고로 이어질 전망이다.
지속가능성은 인재 양성과 문화적 측면으로도 확장된다. '엘리트 패스웨이 프로그램(Elite Pathway Programme)'은 경영진과의 대담, 강연, 학술 교류를 통해 젊은 전문 인력의 성장을 지원하며, 신에너지차량 중심의 워크숍은 애프터마켓 서비스 역량 개발을 다룬다. 모터스포츠, 자동차 라이프스타일, 고성능 커스터마이징을 테마로 한 다양한 체험 프로그램도 마련된다.

오토메카니카 상하이 개요
오토메카니카 상하이는 메세 프랑크푸르트(상하이)와 중국국가기계공업국제유한공사(SINOMACHINT)가 공동 주최한다. 문의는 메세 프랑크푸르트(홍콩)(+852 2802 7728) 또는 웹사이트 www.automechanika-shanghai.com, 이메일 auto@hongkong.messefrankfurt.com을 통해 가능하다.

美 뉴어크 소방대대장, NHTSA에 '전기차 외부 식별 의무화' 청원

한상민 기자_han@autoelectronics.co.kr — 2026-07-14 14:22:07+0900

미국 뉴저지주 뉴어크 소방국(Newark Fire Division) 스티븐 라펜타(Steven LaPenta) 배틀리언 파이어 치프가 제출한 ‘차량 추진방식 외부 식별 의무화’ 규칙제정 청원(Petition for Rulemaking)이 지난 7월 1일 미국 워싱턴DC 소재 교통부(DOT)·미국도로교통안전국(NHTSA) 법무실(Chief Counsel)에 정식 접수됐다. 이 청원은 모든 신규 차량이 내연기관차(ICE), 하이브리드(HEV·PHEV), 배터리전기차(BEV) 등 추진방식을 외부에서 즉시 식별할 수 있도록 표준화된 표시 체계를 도입하자는 내용을 담고 있다.
30년 이상 현장을 지휘해 온 라펜타 치프는 개인 자격으로 제출한 청원서에서 현재 제조사들이 사용하는 배지와 트림명 표기가 브랜드마다 제각각이며, 크기가 작고 통일성이 없어 사고·화재·야간·악천후 상황에서는 사실상 식별이 불가능하다고 지적했다.
그는 "대응요원들은 차량에 접근하는 첫 몇 초 안에 생사를 가르는 판단을 내려야 하지만, 정작 그 차량이 전기차인지조차 알 수 없는 경우가 많다"고 주장했다.

청원서는 특히 배터리 전기차가 고전압 잔류에너지, 열폭주(Thermal Runaway), 지연 재점화, 유독·가연성 가스 배출 등 내연기관차와는 다른 위험 요인을 갖고 있다고 강조한다. 이 때문에 초기 대응 단계에서 차량의 추진방식을 파악하지 못하면 접근, 구조, 진화, 격리 등 모든 전술적 판단이 지연되거나 잘못될 수 있으며, 이는 대응요원과 탑승자 모두의 안전을 위협할 수 있다는 설명이다.
청원서는 국가교통안전위원회(NTSB)가 조사한 전기차 화재 3건에서 고전압 배터리의 재점화가 총 15차례 발생했다는 기록과, 워싱턴주 전기차 화재 연구에서 견인업체의 62%가 사고 차량의 전기차 여부를 확인할 시스템조차 갖추지 못했다는 조사 결과를 근거로 제시했다. 또한 미국 에너지부(DOE) 통계상 현재 미국 도로 위 전기차가 580만 대를 넘어섰고, 2023년 한 해에만 140만 대 이상이 신규 판매되는 등 전동화 속도에 비해 식별 체계는 사실상 제자리걸음을 하고 있다고 지적했다.

라펜타 치프는 특정 기술이나 디자인을 강제하자는 것이 아니라고 선을 그었다.
청원서는 "외부에서 육안으로 식별 가능할 것", "주간·야간 모두 인식 가능할 것", "표준화된 위치에 부착될 것", "충돌·화재 초기 상황에서도 내구성을 유지할 것" 등 성능 기준만 제시하고 있으며, 최종 디자인은 향후 공식 규칙제정 절차를 통해 결정하도록 여지를 남겼다.
적용 대상 역시 신규 제작 차량으로 한정했으며, 우선 내연기관·하이브리드·플러그인 하이브리드·배터리 전기차를 대상으로 하고 수소연료전지차(FCEV) 등은 추후 포함 여부를 결정하도록 제안했다.

청원서는 "차량 추진방식은 더 이상 단순한 제품 정보가 아니라 긴급 대응과 구조 활동에 직접적인 영향을 미치는 안전 정보"라고 강조하며, 국가 차원의 통일된 외부 식별 체계 구축이 필요하다고 주장했다.
이번 청원은 전기차 화재와 배터리 안전 문제가 세계적인 이슈로 부상하는 가운데, 현직 소방 지휘관이 미국 연방 규칙 제정 절차를 통해 '차량 추진방식 자체를 새로운 안전 정보로 다뤄야 한다'고 공식 요구한 사례라는 점에서 주목된다.
한편, 해당 청원서는 NHTSA에 제출된 공개(public) 문서로, 누구나 열람할 수 있다. 라펜타 치프는 청원서 전문 공개 및 원문 링크 제공에도 동의했다.

벡터, 서비스 지향 차량 진단 토털 솔루션 출시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-07-14 12:08:33+0900

벡터코리아(지사장 장지환)는 서비스 지향 차량 진단(Service-Oriented Vehicle Diagnostics, SOVD)을 위한 즉시 도입 가능한 엔드투엔드(End-to-End, E2E) 툴체인을 출시했다고 14일 밝혔다.

이 솔루션은 완성차 업체(OEM)와 부품 공급업체가 차세대 차량 아키텍처에 현대적인 진단 방식인 SOVD를 효율적으로 테스트하고 평가 및 통합할 수 있도록 지원한다.

SOVD는 소프트웨어 기반 차량과 기존 메카트로닉스 차량에서 진단을 수행할 수 있도록 통일된 API(Application Programming Interface)를 제공하는 표준 기술이다. 벡터는 차세대 차량의 진단 시스템 개발을 지원하기 위해 기존 검증된 툴과 새롭게 개발된 기술들을 하나의 포괄적인 ‘SOVD 툴체인’으로 결합했다.

벡터(Vector)는 엔드투엔드 SOVD 솔루션을 통해 최신 차량 진단 시스템의 도입을 간소화한다. [그림=벡터]

이 토털 솔루션은 진단 명세(Specification) 및 검증(Validation) 단계부터 차량 내 SOVD 실제 구현 및 활용에 이르기까지 개발의 모든 단계를 아우른다. 또한, 각 프로젝트의 요구사항에 맞춰 유연하게 조정할 수 있다. 사용자는 통합된 벡터 툴을 통해 SOVD 표준을 일관되게 구현함으로써 전체 개발 비용과 노력을 줄이고, 개발 주기를 단축할 수 있다.

벡터 SOVD 툴체인의 핵심은 새롭게 추가된 ‘SOVD 익스플로러(SOVD Explorer)’이다. SOVD 익스플로러는 개별 차량 부품뿐 아니라 차량 전체를 진단할 수 있도록 설계된 전용 진단 툴이다. SOVD 표준에 맞춤화되어 개발자가 SOVD를 활용하고, 이를 통해 차량 데이터를 읽고/쓰는 과정을 지원한다. 특히, 모든 SOVD API 기능에 대한 직관적인 액세스, 차량 상태의 구조화된 시각화 정보, 자동화 옵션 등을 제공함으로써 소프트웨어 정의 차량(SDV)의 진단 시스템 개발 과정을 간소화했다.

벡터는 SOVD를 보다 쉽게 도입할 수 있도록 3단계 구현 모델을 제시한다. 1단계에서는 차량을 전혀 개조하지 않고도 기존 UDS(통합 차량 진단) 기반 차량에서 SOVD 개념을 테스트할 수 있다. 2단계에서는 차량 네트워크 내에서 기술을 직접 테스트하여 성능과 리소스 소모량을 평가한다. 3단계에서는 SOVD 스택을 차량 아키텍처에 통합하게 된다.
벡터는 초기 신속한 시작을 돕기 위해 SOVD 익스플로러와 ‘SOVD 클래식 진단 어댑터’가 포함된 ‘벡터 SOVD 스타터 키트(Vector SOVD Starter Kit)’도 함께 제공한다.

자동차서 검증된 기술로 로보틱스 정조준

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-07-09 20:53:58+0900

"자동차 산업이 걸어온 길이 로봇 산업이 걸어갈 길이다."
텍사스 인스트루먼트(TI)가 자동차와 로보틱스 산업의 기술적 접점을 제시하며 자동차에서 축적된 시스템 수준의 기술이 차세대 로봇 개발을 가속화할 수 있다는 비전을 제시했다.
TI는 9일 서울 양재동 엘타워에서 'TI 모빌리티 & 로보틱스 세미나 2026(TI Mobility & Robotics Seminar 2026)'를 개최했다.
이날 행사에는 200여 명의 자동차 및 로보틱스 분야 개발자와 업계 관계자들이 참석했다. TI는 자동차와 로보틱스 산업이 공통으로 직면한 시스템 수준의 기술 과제를 짚어보고, 이를 해결하기 위한 반도체 솔루션과 레퍼런스 디자인을 소개했다.
세미나에서는 이더넷 기반 실시간 액추에이션 루프, 모터 드라이버와 센싱 및 통신, 레이다와 비전, 엣지 AI, 실시간 지능형 제어, 48V 전력 시스템 등 차세대 모빌리티와 로보틱스에서 공통적으로 요구되는 핵심 기술이 다뤄졌다. TI는 특히 자동차 산업에서 이미 검증된 기능 안전(Functional Safety)과 실시간 제어, 전력 관리 기술을 로보틱스에 적용함으로써 개발 위험을 줄이고 제품 출시 기간(Time-to-Market)을 단축할 수 있다고 강조했다.

박중서 TI코리아 대표가 '자동차에서 로보틱스로: 검증된 반도체 플랫폼이 지능형 시스템을 이끄는 방법'을 주제로 기조강연을 하고 있다.

기조강연에 나선 박중서 TI코리아 대표는 글로벌 모바일 로봇 시장의 성장 가능성을 제시했다. 그는 욜그룹(Yole Group)의 시장조사 자료를 인용하며 "2025년 글로벌 모바일 로봇 시장 규모는 10억 달러에도 미치지 못했지만 2030년에는 약 60억 달러 규모로 성장할 것으로 전망된다"며 "연평균 성장률이 56%에 달하는 매우 빠른 성장 시장"이라고 설명했다.
그러나 높은 성장률만으로 시장이 확대되는 것은 아니라는 점도 함께 강조했다. 그는 무엇보다 안전성을 가장 중요한 과제로 꼽았다. 로봇이 인간과 같은 공간에서 함께 작업하고 공존하기 위해서는 기능 안전뿐 아니라 사용자로부터 신뢰를 얻을 수 있는 수준의 안전성이 확보돼야 한다는 것이다.
가격 경쟁력도 또 다른 핵심 요소로 제시됐다. 박 대표는 "아무리 뛰어난 기술이라도 소비자가 감당할 수 있는 수준의 가격이 아니라면 시장 확대에는 한계가 있다"며 "반도체 역시 이러한 가격 경쟁력을 뒷받침해야 한다"고 말했다.
TI가 추구하는 '합리적인 가격의 반도체를 통해 더 나은 세상을 만든다'는 비전 역시 이러한 시장의 요구와 맞닿아 있다는 설명이다.
박 대표는 한국이 향후 글로벌 로봇 산업에서 중요한 역할을 수행할 것이라고 전망했다. 그 근거로 그는 골드만삭스의 분석을 인용하며, 한국이 세계적인 로봇 기업과 전기·전자 산업에서의 경쟁력을 동시에 보유하고 있으며, 배터리 분야에서도 세계 최고 수준의 기술력을 갖추고 있다는 점을 들었다.
또한, 제조 현장에서 생성되는 방대한 데이터를 확보할 수 있다는 점도 강점으로 꼽았다. 산업단지와 생산 현장에서 축적되는 데이터를 로봇에 적용하면 생산 자동화를 더욱 고도화할 수 있으며, 제조 경쟁력과 우수한 기술 인력을 기반으로 한국 기업들이 글로벌 로봇 시장에서 중요한 위치를 차지할 수 있다는 설명이다.

로봇 산업이 풀어야 할 네 가지 숙제

박 대표는 로봇 산업의 성장에는 여전히 해결해야 할 기술적 과제가 많다며, 네 가지 핵심 과제로 꼽았다.
첫 번째는 인지(Perception) 기술이다. 로봇은 카메라뿐 아니라 레이다, 라이다, 촉각 센서, 토크 센서 등 다양한 센서를 통해 주변 환경을 인식해야 한다. 사람은 주변 환경에 존재하는 수많은 노이즈 속에서도 필요한 정보만 자연스럽게 선택하고 판단하지만, 로봇은 여전히 이러한 수준의 인식 능력을 구현하기 어렵다.
또한, 사람은 물체를 잡을 때 손가락에 전달되는 미세한 감각과 힘의 변화를 자연스럽게 반영하지만, 이러한 감각을 로봇이 구현하기 위해서는 방대한 데이터셋과 정교한 AI 학습이 필요하다.
두 번째는 제어(Control) 기술이다.
최근 달걀을 깨뜨리지 않고 집어 옮기거나 공을 던지고 받는 휴머노이드 로봇이 등장하면서 로봇 제어 기술이 한 단계 진화했음을 보여주고 있다. 그러나 인간에게는 무의식적으로 수행하는 이러한 동작도 로봇에게는 AI 기반 인식과 정밀한 모션 제어가 결합돼야 가능한 작업이다. 공을 던지고 받는 과정에서는 비전 센서를 통해 공의 위치와 궤적을 실시간으로 추적하고, AI가 이를 분석해 최적의 동작을 계산한 뒤 모터를 정밀하게 제어함으로써 자연스러운 움직임을 구현한다.
세 번째는 기능 안전이다.
산업 현장을 넘어 가정에서도 휴머노이드 로봇이 활용되기 위해서는 예상하지 못한 오작동이나 돌발 행동이 발생하지 않아야 한다.
박 대표는 "안전은 아무리 강조해도 지나치지 않다"고 강조했다.
마지막 과제는 전력 효율이다.
휴머노이드는 자동차처럼 대용량 배터리를 탑재할 수 없다. 제한된 크기와 무게 내에서 높은 연산 성능과 다양한 센서를 구동하면서도 배터리 사용 시간을 확보해야 한다.
결국 로봇 산업의 경쟁력은 단순히 더 높은 성능이 아니라 제한된 전력과 공간 안에서 안전성과 경제성까지 동시에 만족시키는 데 있다는 설명이다.

자동차를 닮아가는 로봇의 발전 방향

로봇 산업은 산업용 로봇에서 서비스 로봇, 그리고 휴머노이드로 진화하고 있다. 초기에는 자동차 공장과 철강 공장 등에서 위험하고 반복적인 작업을 수행하는 산업용 로봇이 중심이었다면, 이후에는 AMR(자율이동로봇)과 AGV(무인운반차)가 물류와 생산 현장으로 확산됐고, 최근에는 서빙 로봇과 로봇청소기 등 서비스 로봇이 일상 속으로 들어오고 있다.
박 대표는 "과거와 비교하면 로봇청소기의 성능이 완전히 달라졌다"며 센서와 AI 기술의 발전이 서비스 로봇의 성능을 크게 끌어올렸다고 평가했다.
이러한 기술 발전의 배경에는 AI와 센서 기술의 고도화뿐 아니라 자동차 산업에서 축적된 시스템 기술이 자리하고 있다. 박 대표는 로봇 산업이 직면한 인지와 제어, 기능 안전, 전력 효율 등의 과제는 자동차 산업이 이미 오랜 기간 축적해 온 기술과 맞닿아 있다고 설명했다.
그는 전기차를 예로 들었다. 전기차가 처음 등장했을 당시만 해도 충전 인프라 부족과 주행거리 불안은 가장 큰 걸림돌이었다. 그러나 충전 인프라가 빠르게 확대되면서 이러한 문제는 점차 해소됐고, 자동차 기술 역시 효율과 안전성을 중심으로 빠르게 발전했다.
대표적인 사례가 전원 아키텍처의 변화다.
자동차 산업에서는 오랫동안 12V 전원 시스템이 표준으로 사용돼 왔지만, 최근에는 48V 기반 전원 시스템이 빠르게 확산되고 있다. 48V 시스템은 단순히 전압을 높이는 것이 아니다. 동일한 전력을 더 적은 전류로 전달할 수 있어 와이어 하네스의 무게와 부피를 줄일 수 있으며, 이는 차량 경량화와 전력 효율 향상, 원가 절감으로 이어진다.
여기에 자율주행을 위한 다양한 센서와 V2X, OTA(Over-the-Air) 업데이트 등 새로운 기술들이 더해지면서 자동차는 점차 하나의 고성능 컴퓨팅 플랫폼으로 진화하고 있다.
박 대표는 "이러한 변화는 결국 로봇이 앞으로 해결해야 할 과제와 거의 동일하다"고 설명했다. 인지와 센싱, 정밀한 모터 제어, 기능 안전, 전력 효율, 실시간 통신 등은 자동차와 로봇이 공통적으로 요구하는 핵심 기술이라는 것이다.
특히 자동차 산업은 기능 안전과 신뢰성이 중요하다. 박 대표는 이러한 자동차용 반도체와 시스템 설계 경험을 로보틱스에 적용하면 개발 리스크를 줄이고 제품 개발 기간도 단축할 수 있다고 강조했다.

SDV 아키텍처가 로봇 개발의 기준이 된다

이 같은 공통점을 바탕으로 TI는 소프트웨어 정의 차량(SDV) 시대에 구축된 시스템 아키텍처가 로봇에도 그대로 적용될 수 있다고 설명했다.
대표적인 예가 차세대 존(Zone) 아키텍처다.
TI는 차량 내부 통신을 고속 이더넷(Ethernet) 중심으로 재구성하는 존 아키텍처를 통해 SDV 구현을 지원하고 있다. 기존 자동차는 CAN과 LIN 등 여러 통신 방식을 혼용했지만, SDV에서는 차량 전체를 하나의 고속 이더넷 네트워크로 연결하는 방향으로 진화하고 있다.
특히 이더넷 링(Ring) 백본 구조는 하나의 통신 경로에 문제가 발생해도 다른 경로를 통해 데이터를 전달할 수 있어 자율주행과 같이 안전이 중요한 애플리케이션에서 높은 신뢰성을 제공한다.
TI는 또한 AVB(Audio Video Bridging)를 활용한 Audio over Ethernet을 통해 차량 내 오디오 배선을 줄이고, 10BASE-T1S 기반 'Ethernet to the Edge' 기술을 이용해 센서와 액추에이터까지 이더넷 연결을 확대하는 방안을 소개했다.
이러한 구조는 차량뿐 아니라 휴머노이드와 서비스 로봇에서도 동일한 효과를 기대할 수 있다.
전원 시스템 역시 SDV와 로보틱스가 공유하는 핵심 기술 가운데 하나다.
TI는 차량 전체에 48V 전력을 분배하고, 각 존(Zone) 컨트롤러에서 DC/DC 컨버터를 이용해 필요한 곳에서만 12V를 생성하는 분산형 전원 아키텍처를 소개했다.
이 방식은 기존 12V 기반 장치와의 호환성을 유지하면서도 차량 전체의 와이어 하네스 무게를 줄일 수 있으며, 전력 손실 감소와 원가 절감에도 기여한다.
이 같은 접근 방식은 휴머노이드 로봇에도 그대로 적용될 수 있다. 로봇 역시 제한된 배터리 용량 안에서 높은 연산 성능과 다양한 센서를 동시에 구동해야 하기 때문이다.
박 대표는 결국 전력 효율을 얼마나 높일 수 있느냐가 자동차와 로봇 모두의 경쟁력을 결정하는 핵심 요소라고 설명했다.
TI가 강조한 또 하나의 차별점은 시스템 수준(System-Level)의 접근이다.
박 대표는 "센싱이나 모터 제어, 통신, 전력 관리 등은 어느 하나의 반도체만으로 해결할 수 있는 문제가 아니다"라며 시스템 전체를 고려한 설계가 중요하다고 말했다.
이를 위해 TI는 자동차 분야에서 축적한 시스템 설계 경험을 기반으로 로보틱스에도 동일한 접근 방식을 적용하고 있다.
현재 TI는 약 8만5천 종의 아날로그 및 임베디드 프로세싱 제품을 보유하고 있으며, 센싱부터 모터 제어, 통신, 전력 관리에 이르기까지 로봇 시스템을 구성하는 거의 모든 영역을 지원할 수 있는 포트폴리오를 제공하고 있다.
여기에 TI 레퍼런스 디자인(TIDA)을 통해 회로도와 설계 자료는 물론 실제 측정 데이터와 시뮬레이션 결과까지 함께 제공한다. 개발자는 이를 활용해 개별 부품을 조합하는 수준을 넘어 시스템 단위에서 제품을 설계하고 검증할 수 있다.
박 대표는 이러한 시스템 수준 접근이 자동차 산업이 오랜 시간 축적해 온 기술을 로보틱스 분야에 보다 빠르게 적용할 수 있는 기반이 될 것이라고 설명했다.
이번 세미나에서는 자동차에서 검증된 기술이 실제 로보틱스에 어떻게 적용될 수 있는지를 보여주는 다양한 데모도 함께 소개됐다.
대표적인 사례가 기능 안전(Function Safety) 기반의 휴머노이드 인식 시스템이다. TI는 IWR6843AOP mmWave 레이다 센서와 LP87745 기능 안전 PMIC(Power Management IC)를 적용한 TIDA-010281 레퍼런스 디자인을 소개했다. 이 솔루션은 SIL-2(System Integrity Level 2) 기능 안전 규격을 지원하며, 사람의 존재와 움직임을 안정적으로 감지하는 것은 물론, 전원 시퀀싱과 실시간 고장 진단, 안전 모니터링 기능을 함께 제공한다.
휴머노이드 로봇은 앞으로 사람과 동일한 공간에서 함께 작업하는 환경이 늘어날 것으로 예상되는 만큼, 단순히 사람을 인식하는 수준을 넘어 시스템 이상을 실시간으로 감지하고 안전하게 대응하는 기능이 필수적이다. TI는 자동차용 기능 안전 기술을 그대로 로보틱스에 적용함으로써 보다 안전한 휴먼-로봇 인터랙션(HRI)을 구현할 수 있다고 설명했다.
AI 기반 비전 시스템도 자동차와 로보틱스의 접점을 보여주는 대표적인 사례다.
TI는 TDA54 ADAS SoC와 2세대 C7 NPU를 기반으로 보쉬(Bosch)와 협력해 차세대 중앙집중형 컴퓨팅(Central Compute) 환경에서 실시간 버드아이뷰(Bird's-eye View) 기술을 구현해다. 이 솔루션은 최대 5~7개의 카메라 영상을 통합해 차량 주변 360도 공간을 실시간으로 인식하며, 최대 400TOPS 수준의 AI 연산 성능을 활용해 트랜스포머 기반 신경망을 실행한다. 또한, BEVFormer-tiny 등 BEV(Bird's-Eye View) 기반 AI 모델을 지원하며, 보쉬의 AI 개발 툴체인과 TDA54 Virtualizer Development Kit(VDK)를 활용해 실제 실리콘 제작 이전 단계에서도 AI 모델의 성능을 검증할 수 있도록 지원한다.
이러한 기술은 자율주행뿐 아니라 이동형 로봇과 휴머노이드 로봇의 주변 환경 인식에도 그대로 적용될 수 있다.
이번 세미나에서 TI가 전달한 메시지는 분명했다. 자동차와 로보틱스는 서로 다른 산업처럼 보이지만, 시스템 관점에서 요구하는 기술은 점점 더 유사해지고 있다는 것이다.
주변 환경을 정확하게 인식하는 센싱 기술, 실시간 AI 추론, 정밀한 모터 제어, 저전력 설계, 기능 안전, 실시간 통신 등은 모두 자동차 산업이 오랜 기간 축적해 온 핵심 기술이다. 앞으로 로봇 산업 역시 이러한 기술을 기반으로 발전할 것이라는 것이 TI의 시각이다.
이러한 변화는 반도체 공급 방식에도 영향을 미치고 있다. 과거에는 개별 칩의 성능이 경쟁력이었다면, 이제는 여러 반도체를 어떻게 하나의 시스템으로 통합하고 최적화하느냐가 중요한 경쟁 요소로 떠오르고 있다.
TI는 약 8만5천 종의 아날로그 및 임베디드 프로세싱 제품과 자동차 분야에서 축적한 시스템 설계 경험을 바탕으로, 개별 디바이스가 아닌 시스템 수준의 접근 방식을 제공하고 있다. 여기에 레퍼런스 디자인(TIDA)을 통해 회로도와 설계 자료, 시뮬레이션 결과, 실측 데이터까지 공개함으로써 개발자들이 검증된 시스템을 기반으로 제품 개발을 시작할 수 있도록 지원하고 있다.
박중서 대표는 "자동차 산업이 수십 년에 걸쳐 해결해 온 기술적 과제를 로봇 산업이 다시 처음부터 반복할 필요는 없다"며 "자동차에서 이미 검증된 시스템 아키텍처와 반도체 기술을 로보틱스에 적용한다면 보다 빠르고 안전하게 차세대 지능형 시스템을 구현할 수 있을 것"이라고 말했다.

TI의 로봇 팔·손 모터 제어 데모. 팔 관절부(사진 하단 보드)는 풀 전력 스테이지, EtherCAT 통신, BiSS 인코더, GaN FET, 전류 센싱을 위한 델타-시그마(ΔΣ) 모듈레이터가 포함된 단일 관절용 레퍼런스 디자인이다. 손목 부위(사진 상단 초록 LED 보드)는 하나의 C2000 DSP로 단일 EtherCAT 연결을 통해 6개의 모터를 동시에 제어할 수 있는 다축 로봇 손 설계다. SPI를 비롯한 다양한 인코더 인터페이스를 지원하며, 3상 게이트 드라이버와 전류 센싱 기능을 통합해 부품 수를 줄인다. 두 설계 모두 실시간 이더넷 통신으로 다축 동작을 동기화하며, 최대 1kW까지 구동 가능한 컴팩트한 구조가 특징이다.

TI는 SDV 구현을 위해 차량의 E/E 아키텍처를 시스템 관점에서 재구성해야 한다고 강조했다. 이를 위해 고속 이더넷 기반의 차량 네트워크와 48V 전원 시스템을 중심으로 한 존(Zone) 아키텍처를 제시했으며, 이를 통해 통신 신뢰성과 전력 효율을 높이고 배선 무게와 복잡성을 줄일 수 있다고 설명했다. 또한 중앙집중형 컴퓨팅과 OTA(Over-the-Air) 소프트웨어 업데이트를 결합해 차량의 기능을 지속적으로 개선하는 SDV 구현 방향을 소개했다.

TI는 차세대 SDV 전원 아키텍처로 차량 전체에 48V 전력을 분배하고, 각 존(Zone)에서 DC/DC 컨버터를 이용해 기존 12V 장치에 필요한 전원을 공급하는 분산형 전원 구조를 제시했다. 이를 통해 기존 12V 시스템과의 호환성을 유지하면서도 와이어 하네스의 무게와 부피를 줄여 에너지 효율과 원가 경쟁력을 동시에 높일 수 있다고 설명했다.

TI는 IWR6843AOP mmWave 레이다 센서와 LP87745 기능 안전 PMIC를 기반으로 한 TIDA-010281 레퍼런스 디자인을 통해 SIL-2 기능 안전 규격을 지원하는 휴머노이드 로봇 인식 시스템을 소개했다. IWR6843AOP를 활용해 사람의 존재와 움직임을 안정적으로 감지하고, LP87745를 통해 전원 시퀀싱과 고장 보고(Fault Reporting), 안전 모니터링을 수행함으로써 사람과 로봇이 함께 작업하는 환경에서 안전성과 신뢰성을 높일 수 있다.

TI는 TDA54 ADAS SoC를 기반으로 보쉬(Bosch)와 협력해 차세대 중앙집중형 컴퓨팅(Central Compute) 환경에서 실시간 버드아이뷰(Bird's-eye View)를 구현한 기술을 소개했다. 최대 5~7개의 카메라 영상을 통합해 차량 주변 360도 공간을 실시간으로 인식하며, 2세대 C7 NPU를 활용해 최대 400TOPS 수준의 트랜스포머 기반 신경망을 효율적으로 실행할 수 있다. 또한 BEVFormer-tiny를 비롯한 custom-BEV 기반 신경망 모델을 지원하며, 보쉬의 AI 개발 툴체인과 TDA54 Virtualizer Development Kit(VDK)를 통해 신경망 최적화와 실리콘 제작 이전(pre-silicon) 단계에서 소프트웨어 개발 및 성능 검증을 지원한다.

칼테라, 차세대 mmWave 레이다로 국내 ADAS 시장 공략

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-07-03 09:25:44+0900

자동차용 밀리미터파(mmWave) 레이다 및 초광대역(UWB) 칩 전문기업 칼테라(Calterah)가 국내에서 차세대 자동차 레이다 솔루션을 처음 공개하며 한국 ADAS 시장 공략에 나섰다.

칼테라는 지난 1일 수원컨벤션센터에서 열린 '오토모티브 이노베이션 데이 2026(AID 2026)'에 참가해 차세대 밀리미터파 레이다 SoC와 UWB 솔루션을 전시하고, 국내 완성차 및 자동차 부품업체와의 협력 확대에 나섰다고 밝혔다.

칼테라(Calterah)는 AID 2026에 참가해 지난 6월 출시한 차세대 밀리미터파 레이다인 쿤룬 프로를 국내에서 처음 선보였다.

이번 행사에서 가장 주목받은 제품은 지난 6월 출시된 차세대 5T4R 밀리미터파 레이다 SoC '쿤룬-프로(Kunlun-Pro)'다. 국내에서 처음 공개된 이 제품은 기존 제품 대비 10배 향상된 RSP 2.0(Radar Signal Processor)을 탑재했으며, CPU 성능과 메모리 용량을 강화하고 신호대잡음비(SNR)를 2.5dB 이상 개선했다. 또한, 가상 채널 수를 25% 확대해 더 먼 거리에서도 차량과 보행자 등 표적을 안정적으로 탐지하고 추적할 수 있도록 설계됐다.

칼테라는 이와 함께 도어, 사이드, 테일게이트 레이다용 6T6R 77/79GHz 밀리미터파 레이다 SoC '쿤룬-USRR(Kunlun-USRR)'도 선보였다.
쿤룬-USRR은 최대 5GHz 대역폭의 FMCW 파형과 자체 개발한 레이다 신호처리기(RSP), 225MHz ARC® 듀얼코어 프로세서를 하나의 칩에 통합한 제품이다. 높은 성능과 비용 효율을 동시에 구현했으며, 안테나 인 패키지(AiP) 기술을 적용한 CAL77D366-AB는 도어, 사이드, 테일게이트 등 설치 공간이 제한된 차량 부위에서도 주변 장애물을 정밀하게 감지해 도어 개폐 과정에서 발생할 수 있는 충돌 위험을 줄일 수 있도록 설계됐다. CAL77D366-AF는 코너 레이다를 비롯한 L2·L2+ ADAS 시스템에 적용할 수 있다.

세계 최초로 IEEE 802.15.4ab 표준을 지원하는 UWB SoC '두베(Dubhe)'는 MMS UWB 기술을 적용해 최대 400m 거리 측정을 지원하며, 초저전력 설계와 함께 FiRa 4.0, CCC 디지털 키 3.0 등 글로벌 표준을 지원한다. 이를 기반으로 디지털 키와 키포브는 물론 차량 내·외부 레이다, 킥 센싱, 아동 존재 감지(CPD) 등 다양한 스마트 액세스 기능 구현이 가능하다.

이상민 칼테라 한국 지사장은 발표를 통해 '커뮤니케이션과 센싱: 미래 모빌리티를 위한 칼테라의 통합 SoC 비전'을 주제로 mmWave 레이다와 UWB를 통합한 센싱·커넥티비티 기술과 실제 차량 적용 사례를 소개했다.

이상민 칼테라 한국 지사장

이상민 지사장은 "센싱과 커넥티비티가 하나로 융합되는 흐름 속에서 mmWave 레이다와 UWB를 모두 자체 설계하는 칼테라의 경쟁력이 더욱 중요해지고 있다"며 "이번 AID 2026을 계기로 국내 완성차 및 부품업계와 협력을 확대하고 한국 시장에 최적화된 솔루션을 지속적으로 제안해 나가겠다"고 밝혔다.

인피니언, 8Tx8Rx 이미징 레이다 MMIC 양산

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-07-03 09:00:56+0900

인피니언 테크놀로지스(코리아 대표이사 이승수)는 차세대 8Tx8Rx 레이다 트랜시버 RASIC™ CTRX8188F의 양산을 시작했다고 밝혔다. CTRX8188F는 AURIX™ TC45와 결합해 엣지 프로세싱을 지원하도록 설계됐으며, 중앙집중형 레이다 아키텍처를 구현하는 업계 최초의 MMIC다.

자동차 업계 최초 8Tx8Rx 이미징 레이다 MMIC

중앙집중형 레이다 시스템은 원시 센서 데이터를 차량 중앙 컴퓨터로 직접 전송해 처리하는 새로운 설계 방식으로, 기존 엣지 처리 방식 대비 비용을 절감하면서 성능을 크게 개선할 수 있다. 완성차 및 1차 협력사들이 ADAS 및 자율주행 플랫폼 투자를 확대하는 가운데, CTRX8188F는 비용과 성능 요구를 동시에 충족한다.

ADAS 시장은 규제 강화와 차량 안전에 대한 소비자 요구 증가로 빠르게 성장하고 있다. CTRX8188F는 이러한 요구를 충족하도록 설계됐으며, 업계 최고 수준의 신호대잡음비(SNR)와 잡음 지수(NF) 성능을 제공해 최대 400m 거리에서 보행자 및 차량을 감지할 수 있는 4D 및 HD 이미징 레이다 구현을 가능하게 한다.

CTRX8188F는 인피니언 2세대 CMOS 공정을 기반으로 한 양산형 8Tx8Rx 레이다 트랜시버이다. 인피니언 2세대 CMOS 공정은 기존 RF 반도체 대비 더 높은 성능과 낮은 비용을 제공해 자동차 레이다 시장에서 경쟁력을 강화한다. 또한 32Tx32Rx를 넘어서는 캐스케이딩 구성을 지원해 단일 확장형 아키텍처로 엔트리 ADAS부터 고급 자율주행 시스템까지 다양한 이미징 레이다 요구사항을 충족할 수 있다. 구성 가능한 CSI-2 인터페이스는 기존 및 차세대 SerDes, 비대칭 이더넷 통신 기술과의 호환성을 제공하며, 주요 자동차 SoC 공급업체의 중앙 처리 솔루션과의 통합을 간소화해 개발 리스크를 줄이고 시장 출시 기간을 단축한다.

인피니언은 고객 개발 비용 절감과 개발 기간 단축을 위해 다양한 구성의 CARKIT 레이다 개발 플랫폼을 제공한다. CARKIT은 중앙집중형 및 엣지 레이다 아키텍처를 모두 지원하며, 고객이 전체 프로젝트 투자 이전에 신속하게 시스템 설계 평가 및 프로토타이핑을 수행할 수 있도록 한다. 포함된 소프트웨어 툴, 예제 코드, GUI는 설계 단계에서 엔지니어링 리소스 부담을 줄여 다양한 규모의 고객 프로젝트에서 레이다 기술 도입 장벽을 낮춘다.

CTRX8188F 레이다 MMIC 및 CARKIT 모듈 샘플은 현재 다양한 구성으로 제공되고 있다.

"V2X는 자율주행을 넘어 모든 도로 이용자를 위한 보편적 안전 인프라"

박종서 기자_fop1212@autoelectronics.co.kr — 2026-07-02 10:39:18+0900

한국C-ITS산업협의체(KCITSA)는 7월 1일 국회의원회관 제2세미나실에서 열린 '더 안전한 자율주행을 위한 디지털 인프라 정책 과제' 국회 토론회가 성황리에 마무리됐다고 밝혔다.

이번 토론회는 더불어민주당 송기헌 국회의원이 주최하고 글로벌정책실증연구원(CODIT), 한국C-ITS산업협의체(KCITSA), 한국ITS학회가 공동 주관했으며, 자율주행 시대에 필요한 디지털 도로 인프라 정책과 V2X 기반 안전체계 구축 방안을 논의하기 위해 마련됐다.

당초 60석 규모로 준비된 행사에는 약 150명이 참석해 자율주행과 C-ITS 정책에 대한 높은 관심을 보여줬다. 참석자들은 V2X 기술이 자율주행차 지원을 넘어 일반 차량, 보행자, 교통약자까지 보호하는 미래 교통안전 인프라라는 데 공감했다.

행사에서는 정부와 학계, 산업계가 디지털 도로 인프라의 발전 방향을 제시했다.

송기헌 의원은 AI 특화도시와 C-ITS를 연계한 국가 경쟁력 확보의 필요성을 강조했으며, 국토교통부 홍복의 과장은 2030년까지 AI 기반 ITS 클라우드 체계 구축과 서비스 모델 및 제도 정비 계획을 소개했다.

정홍종 한국C-ITS산업협의체 대표는 "세계 시장은 통신 규격 경쟁을 넘어 안전 데이터 플랫폼 경쟁으로 전환되고 있다"며 "기존 C-ITS 인프라를 AI 기반 데이터 플랫폼으로 발전시켜 보행자와 교통약자까지 포함하는 국가 안전망으로 확대해야 한다"고 말했다.

종합토론에서는 국민대학교 정구민 교수가 좌장을 맡아 국내 V2X 산업 재도약과 실질적인 서비스 발굴의 필요성을 제시했으며, 오토노머스에이투지 한지형 대표는 자율주행 서비스 확대를 위해 차량과 인프라가 공통으로 활용할 수 있는 데이터 표준 마련이 중요하다고 강조했다.

한국C-ITS산업협의체는 이번 토론회에서 논의된 내용을 바탕으로 국토교통부, 경찰청 등 관계 부처와 협력을 강화하고, 정책 제안과 제도 개선, 학술행사 등을 지속 추진할 계획이다.

정홍종 대표는 "이번 토론회는 C-ITS 산업 재도약의 출발점"이라며 "정부와 긴밀히 협력해 국민 안전과 국내 모빌리티 산업 발전에 기여할 수 있도록 지속적인 정책 활동을 이어가겠다"고 밝혔다.

사진 설명

'더 안전한 자율주행을 위한 디지털 인프라 정책 과제' 국회 토론회 참석자들이 기념촬영을 하고 있다.
(오른쪽부터) 강경표 한국교통연구원 팀장, 홍복의 국토교통부 과장, 김호준 에티포스 대표, 한지형 오토노머스에이투지 대표, 최광주 아이티텔레콤 대표, 정구민 국민대학교 교수(한국모빌리티학회 회장·한국ITS학회 부회장), 송기헌 국회의원, 박만복 국립한국교통대학교 교수, 송해영 CODIT 글로벌정책실증연구원 원장, 정홍종 웨이티즈 대표(한국C-ITS산업협의체 대표), 박동주 서울시립대학교 교수(한국ITS학회 회장), 최인성 한국교통안전공단 자동차안전연구원 처장, 백승걸 한국도로공사 단장.

Insights from Vector Informatik's Global and India Leadership

Sarada Vishnubhatla_sarada@autoelectronics.co.kr — 2026-06-22 15:00:44+0900

Vector Informatik의 글로벌 및 인도 리더십의 통찰

글 | 사라다 비슈누바틀라(Sarada Vishnubhatla) _ sarada@autoelectronics.co.kr — 2026-06-22 14:48:07+0900

좌측 벡터 마티아스 트라우브 사장

INTERVIEW
마티아스 트라우브
Dr. Matthias Traub, President of Vector Informatik GmbH

AEM은 NASSCOM IoT & AI 우수센터(Centre of Excellence)가 CAAR, IIT Madras와 공동으로 주최한 ‘Automotive Innovation & AI Meet 2026’ 행사를 계기로, Vector Informatik GmbH의 사장 겸 매니징 디렉터인 마티아스 트라우브(Dr. Matthias Traub) 박사, 그리고 Vector Informatik India의 사장 겸 매니징 디렉터인 브라흐마난드 파틸(Brahmanand Patil)과 단독 인터뷰를 진행한 특별한 기회를 가졌다. 대화 중 마티아스 트라우브 박사는 자동차 소프트웨어, 플랫폼 개발, 조직 혁신 전반에 걸친 수십 년의 경험에서 비롯된 글로벌한 시각을 보여줬다. 이번 대화에서는 소프트웨어 정의 차량(SDV)에서 그가 말하는 이른바 ‘AI 정의 모빌리티(AI-defined mobility)’로의 산업 전환, OEM과 공급업체의 역할 변화, 에이전틱 소프트웨어 개발의 현실, 그리고 야심찬 SDV 비전을 양산 가능한 제품으로 구현하기 위해 필요한 조직적 변화에 대해 폭넓게 논의했다. 마티아스 트라우브 박사, 파틸 매니징 디렉터와의 인터뷰 발췌문이다.

글 | 사라다 비슈누바틀라(Sarada Vishnubhatla)_sarada@autoelectronics.co.kr
IN ENGLISH
연결기사: 차량에서 인텔리전스 엔지니어링으로의 전환

소프트웨어 정의 자동차(SDV)란 개념은 지난 수년간 자동차 산업의 비전 중심에 자리해 왔습니다. 그런데 여러 시장에서 SDV에 대한 야심찬 비전과 실제 양산 차량에서의 대규모 구현 사이에는 여전히 간극이 존재하는 것으로 보입니다. 글로벌 OEM과 티어 1들과 긴밀히 협력해 오신 입장에서, 현재 이 전환 과정에서 산업이 어느 위치에 와 있다고 보십니까? 또한 비전이 실행으로 이어지지 못하게 만드는 가장 과소평가된 장벽은 무엇이라고 생각하십니까?
Traub        오늘날 대부분의 OEM은 기술적 관점에서 SDV가 어떤 모습이어야 하는지에 대해 비교적 명확한 비전을 가지고 있습니다. 산업 전반적으로 존 아키텍처(zonal architecture), 중앙집중형 컴퓨팅 플랫폼, 그리고 견고한 OTA(Over-The-Air) 업데이트 역량과 같은 개념을 중심으로 폭넓은 공감대가 형성돼 있습니다. 일부 OEM은 상당한 진전을 이뤘지만, 다른 OEM은 여전히 이런 역량을 갖추기 위해 노력하고 있는 단계입니다. 진짜 과제는 이런 비전을 대규모 양산으로 옮기는 데 있습니다.
제가 보기에 가장 과소평가된 장벽은 기술 자체가 아니라 운영 모델입니다. SDV를 성공적으로 구현하기 위해서는 OEM이 소프트웨어 개발 생애주기 전반에 대한 주도권을 가져야 하고, 명확한 거버넌스 체계를 수립해야 하며, 생태계 전반에 걸친 책임 구조를 새롭게 정의해야 합니다. OEM과 공급업체 간의 전통적인 관계는 변화하고 있으며, 조직들은 이에 맞춰 적응해야 하는 상황에 놓여 있습니다.
오랜 역사를 가진 자동차 기업들은 또한 상당한 레거시 제약에도 직면해 있습니다. 수십 년간 누적된 차량 변형 모델, 소프트웨어 복잡성, 그리고 사일로화된 개발 프로세스는 전환 노력을 더디게 만들 수 있습니다. 과거에는 ADAS, 인포테인먼트, 차체 전자장치(body electronics)와 같은 영역들이 각각 독립적으로 개발됐습니다. 그러나 고성능 컴퓨팅 플랫폼으로의 전환이 진행되면서 이러한 기능들은 점점 공통 아키텍처 위로 통합되고 있으며, 이는 새로운 작업 방식과 훨씬 더 긴밀한 도메인 간 협업을 요구합니다. 결국 산업이 마주한 과제는 SDV 비전을 정의하는 일이 아니라, 그 비전을 양산 현실로 만들기 위해 조직과 프로세스, 파트너십을 적응시키는 일입니다.

AI-Defined Mobility를 향한 첫 조건, 검증

ADAS 및 자율주행 개발 분야에서 일부 AI 애플리케이션은 인지, 시뮬레이션, 엔지니어링 생산성 등의 영역에서 이미 명확한 성과를 내고 있는 반면, 다른 영역들은 여전히 발전 중인 단계에 머물러 있습니다. 박사님이 보시기에 AI가 현재 실질적인 가치를 창출하고 있는 영역은 어디이며, 여전히 과장된 기대에 머물러 있는 영역은 어디입니까?
Traub       AI는 이미 로그 분석, 이슈 트리아징(triaging), 테스트 생성 등 소프트웨어 엔지니어링 워크플로 전반에서 상당한 생산성 향상을 가져오고 있습니다. ADAS 영역에서는 AI가 이미 핵심 기술로 자리 잡았습니다. 대부분의 선도 개발사들은 순수 규칙 기반 알고리즘에서 벗어나, 최신 세대의 고성능 차량용 컴퓨팅 플랫폼을 기반으로 한 신경망 기반의 AI 주도 접근 방식으로 전환했습니다.
그러나 안전성과 정확성을 대규모로 입증하는 부분에 있어서는 여전히 기대와 현실 사이에 간극이 존재합니다. 코너 케이스(corner case), 커버리지 논증(coverage argument), 엔드 투 엔드 검증, 안전성 증명 등은 여전히 주요 과제로 남아 있습니다. 이 영역들은 깊은 도메인 전문성과 숙련된 엔지니어가 여전히 필수적인 부분입니다. 전반적으로 저는 AI를 엔지니어링 책임을 대체하는 것이 아니라 가속화하는 존재로 보고 있습니다. 인간의 전문성은 여전히 필수적입니다. 따라서 조직들은 엔지니어들이 점점 더 역량이 강화되는 AI 및 에이전틱 시스템을 효과적으로 감독하고, 검증하며, 협업할 수 있도록 교육과 역량 강화에 투자해야 합니다.

자동차 안전 표준은 전통적으로 예측 가능성, 추적성, 검증 가능성을 중심으로 구축돼 온 반면, AI 기반 시스템은 본질적으로 확률적이고 비결정적인 특성을 지니고 있습니다. 이 두 패러다임이 근본적으로 상충한다고 보십니까, 아니면 산업이 이를 조화시킬 실질적인 방법을 찾아가고 있다고 보십니까? 또한 Vector는 AI 기반 시스템의 안전한 도입을 지원하기 위해 툴체인, 테스트, 검증 접근 방식을 어떻게 발전시키고 있습니까?
Traub       전통적인 자동차 안전 엔지니어링과 AI 기반 시스템의 관계는 산업이 새롭게 대응해 나가야 할 영역으로, 학습 기반 구성요소를 결정론적 안전 메커니즘과 분리하고, 세이프티 엔벨로프(safety envelope), 모니터링 기능, 폴백(fallback) 전략을 도입함으로써 다뤄지고 있습니다. Vector에서는 기존의 확립된 안전 표준과의 정합성을 유지하면서, 순수 시나리오 기반 검증에서 보다 데이터 중심적인 접근 방식으로 발전해 나가고 있습니다. 핵심 초점 중 하나는 학습 데이터와 모델 구성에서부터 AI 시스템이 생성하는 결과물에 이르기까지, 증거가 재현가능하고 추적가능한 상태로 유지되도록 보장하는 것입니다.

책임과 OTA 시대의 거버넌스

차량의 의사결정이 사전 정의된 규칙보다 학습된 모델에 점점 더 의존하게 되면서, 책임 소재 또한 더욱 복잡해지고 있습니다. 사고가 발생했을 경우, OEM과 공급업체, 기술 제공업체 간의 책임은 어떻게 정의돼야 한다고 보십니까?
Traub       전체 시스템에 대한 책임과 최종 출시 결정은 앞으로도 OEM에게 있을 것입니다. 공급업체는 자신들이 제공하는 부품과 기술에 대한 책임을 계속해서 지며, 기술 및 툴 제공업체는 검증, 추적성, 테스트, 개발 지원과 관련된 역량을 제공하는 역할을 합니다. 변화하고 있는 것은 협업의 성격입니다. OEM, 공급업체, 기술 파트너 사이의 전통적인 경계는 점점 덜 경직되어 가고 있으며, 개발과 검증, 생애주기 관리 전반에 걸쳐 훨씬 더 긴밀한 협력이 요구되고 있습니다. 점점 더 많은 경우 OEM과 기술 제공업체의 엔지니어들이 각자 고립되어 일하기보다 통합된 팀을 이루어 함께 일하는 모습을 보게 됩니다. 저는 이런 협업 모델이 향후 소프트웨어 및 AI 주도 차량 개발의 청사진이 될 것이라고 믿습니다.

차량이 점점 더 소프트웨어 중심으로 정의되면서, 차량은 공장을 떠난 이후에도 오랫동안 계속해서 진화해 갑니다. AI 기반 시스템에 대한 OTA 업데이트는 안전성, 사이버보안, 컴플라이언스, 규제 승인과 관련된 새로운 과제들을 불러옵니다. 산업이 이러한 변화에 충분히 대비되어 있다고 보십니까? 그리고 Vector는 이처럼 커지는 복잡성을 OEM들이 관리할 수 있도록 어떻게 돕고 있습니까?
Traub       산업의 준비 수준은 기업마다 다르지만, 더 큰 과제는 대부분 기술이 아니라 거버넌스입니다. 반드시 다뤄야 할 핵심 질문들이 있습니다. 누가 소프트웨어 변경을 승인하는가? 배포 전에 어떤 증거가 필요한가? 안전성과 보안성은 어떻게 검증되어야 하는가? 그리고 문제가 발생했을 때 어떤 롤백 메커니즘이 마련되어 있어야 하는가? 이는 오늘날 산업이 풀어가고 있는 가장 중요한 과제들 중 하나입니다.
Vector에서는 고객들이 견고한 업데이트 및 거버넌스 프레임워크를 구축할 수 있도록 돕고 있습니다. 여기에는 안전성 및 사이버보안 아티팩트 관리, 안전한 소프트웨어 공급망 확보, 서명된 릴리스 유지, 그리고 완전한 소프트웨어 추적성 제공이 포함됩니다. OEM은 특정 차량 구성에서 정확히 어떤 소프트웨어 버전이 실행되고 있는지, 그리고 차량 생애주기 전반에 걸쳐 업데이트를 어떻게 안전하게 배포할 수 있는지에 대한 가시성을 확보해야 합니다. 이를 달성하기 위해서는 차량 생애주기 전반에서 소프트웨어 추적성, 거버넌스, 안전성, 사이버보안을 결합한 견고한 엔드 투 엔드 툴체인이 필요합니다. 우리의 역할은 깊이 있는 자동차 도메인 전문성과 개발, 배포, 그리고 지속적인 차량 운영에 걸친 AI 기반 솔루션을 결합함으로써, 고객들이 이런 전환을 헤쳐 나갈 수 있도록 지원하는 것입니다.

인도가 자동차 소프트웨어 허브가 된다

OEM들이 점점 더 소프트웨어 개발을 내부화함에 따라, Vector와 같은 기술 제공업체의 역할은 어떻게 변화하고 있습니까? 그리고 한국과 인도와 같은 시장에서 지역별 역학 관계는 어떻게 다르게 나타납니까?
Traub       특히 한국과 같은 시장에서는 OEM들이 소프트웨어 개발에 대한 주도권을 더 크게 가져가는 명확한 흐름이 나타나고 있습니다. 그 결과, 우리의 역할은 전통적인 엔지니어링 공급업체에서 확장가능한 엔드 투 엔드 소프트웨어 개발을 가능하게 하는 소프트웨어 기반(foundation) 제공업체로 진화하고 있습니다. 우리는 개발, 통합, 검증, 운영을 생애주기 전반에 걸쳐 연결하는 지능형 소프트웨어 생태계를 제공합니다. 이를 통해 고객들은 어떤 역량을 내부적으로 개발하고 어디에서 파트너의 지원을 받을지 자유롭게 결정할 수 있으며, 동시에 상호운용성을 보장하고 컴플라이언스 전문성과 통합 지원을 소프트웨어 개발의 필수적인 일부로 만드는 일관된 기반에 의존할 수 있습니다. 우리의 접근 방식은 서로 다른 워크플로, 프로세스, 조직 모델에 매끄럽게 통합되며, 일관성과 유연성을 동시에 보장하면서 특정 요구에 맞춰 조정될 수 있습니다.
지역별 역학 관계는 상당히 다릅니다. 한국은 주로 지배적인 한 OEM의 전략에 의해 형성되어 있어 비교적 통일된 생태계를 이루고 있습니다. 반면 인도는 훨씬 더 다양하며, OEM들과 글로벌 기업들이 각기 다른 소프트웨어 전략을 추구하고 있습니다. 이는 더 큰 유연성을 요구하지만, 동시에 인도가 글로벌 자동차 소프트웨어 및 엔지니어링 허브로서의 위상을 계속 강화해 나가는 가운데 상당한 기회를 만들어내고 있습니다.

AI와 소프트웨어 정의 모빌리티가 자동차 산업을 재편함에 따라 엔지니어의 역할과 조직 구조 또한 빠르게 변화하고 있습니다. Vector는 내부적으로 이러한 전환을 어떻게 경험하고 있으며, 고객들 사이에서는 어떤 변화를 관찰하고 있습니까?
Traub       소프트웨어 개발 조직 전반에서 요구되는 역량과 역할에 상당한 변화가 일어나고 있습니다. 더 많은 개발 활동이 자동화되거나 에이전트의 지원을 받게 되면서, 시스템 엔지니어링, 소프트웨어 아키텍처, 데이터 엔지니어링, 검증 엔지니어링, MLOps의 중요성이 커지고 있습니다. 엔지니어들은 개별 작업을 수행하는 역할에서 벗어나, 전체 개발 워크플로를 조율하고 검증하는 역할로 이동하고 있습니다. 그 결과 소프트웨어 개발, 사이버보안, 기능 안전(functional safety) 팀 간의 더욱 긴밀한 협업이 필수적인 요소가 되고 있습니다.
Vector 내부적으로도 이런 전환은 조직 및 인력 측면의 변화를 이끌고 있습니다. 역량 강화에 대한 상당한 투자와 더불어, 우리는 개별 제품 중심의 구조에서 벗어나 생애주기 전반에 걸쳐 매끄러운 소프트웨어 개발을 지원하는, 보다 통합적이고 기능 간 협업이 가능한 모델로 발전해 나가고 있습니다. 고객들 사이에서도 유사한 변화가 나타나고 있습니다. OEM과 공급업체 모두 AI, 에이전틱 워크플로, 시스템 엔지니어링 역량에 대규모로 투자하고 있습니다. 흥미로운 관찰 중 하나는, 소프트웨어 중심의 신생 기업들이 종종 속도와 민첩성을 우선시하지만, 때로는 자동차 안전성, 사이버보안, 규제 준수의 복잡성을 과소평가하는 경우가 있다는 점입니다.

Vector는 글로벌 차원과 인도 시장 모두에서 앞으로 자사의 역할을 어떻게 정의하고 있습니까? 시간이 지나면서 회사가 더 큰 시스템 통합 책임을 맡게 될 것이라고 보십니까?
Traub       우리는 특히 존 아키텍처, 고성능 컴퓨팅 플랫폼과 같은 SDV 관련 영역에서 더 큰 시스템 통합 책임을 맡아가게 될 것으로 보고 있습니다. 다만 우리의 초점은 차량 전체 스택을 통합하는 데 있지 않습니다. 센서, 액추에이터, 그리고 특정 하드웨어 영역에 가까운 분야들은 계속해서 1차 공급업체를 포함한 다른 생태계 파트너들이 담당하게 될 것입니다.
이런 여정에서 인도는 특히 중요합니다. 인도는 중요한 자동차 시장이라는 점을 넘어, Vector와 많은 고객들에게 점점 더 전략적인 엔지니어링 및 혁신 허브로 자리매김하고 있습니다. 소프트웨어 정의 모빌리티가 계속 진화함에 따라, 인도는 차세대 자동차 소프트웨어 및 엔지니어링 역량을 형성하는 데 있어 점점 더 중요한 역할을 하게 될 것입니다.

왼쪽부터 비노드 벤카테스와란 박사, 크리슈난난다 셰노이, 마티아스 트라우브 박사, 라가벤드라 K. A., 브라흐마난드 파틸.

소프트웨어 정의 모빌리티의 새로운 허브:
Infosys와 Vector, 모빌리티 CoE 공개

Infosys와 Vector Informatik의 전략적 협력으로 탄생한 모빌리티 우수센터(Mobility Center of Excellence, CoE)가 최근 Vector Informatik GmbH의 사장 겸 매니징 디렉터인 마티아스 트라우브 박사에 의해 개소식을 가졌다.
벵갈루루 일렉트로닉 시티의 Infosys 캠퍼스에 위치한 이 CoE는 클라우드 및 엣지 기술, 통합 차량·클라우드 플랫폼, 첨단 테스트 및 검증 역량, 그리고 소프트웨어 팩토리 솔루션에 대한 전문성을 결합해 SDV 개발을 가속화하도록 설계됐다. 이 CoE는 HIL/SIL 테스트, 자동화된 검증 프레임워크, 엔지니어링 서비스, 최첨단 툴체인과 같은 역량을 통해 보다 빠르고 효율적인 개발을 가능하게 하며, 이를 통해 자동차 기업들이 혁신을 주도하고, 소프트웨어 품질을 개선하며, 차세대 모빌리티 솔루션의 출시 시간을 단축할 수 있도록 지원한다.

INTERVIEW
브라흐마난드 파틸
Brahmanand Patil, President of Vector Informatik India

인도 시장의 관점에서, 브라흐마난드 파틸은 글로벌 자동차 기술 트렌드가 어떻게 현지 현실로 옮겨지고 있는지에 대해 현장감 있는 시각을 제시했다. 이 대화는 자동차 소프트웨어 혁신에서 인도가 맡고 있는 역할의 확대, 엔지니어링 인재와 조직 구조의 진화, 대규모 SDV 프로그램에서 얻은 교훈, 그리고 소프트웨어 및 AI 주도 모빌리티의 다음 단계로 나아가는 과정에서 OEM들이 마주하는 기회와 과제에 초점을 맞췄다. 브라흐마난드 파틸과의 대화 발췌문이다.

글 | 사라다 비슈누바틀라(Sarada Vishnubhatla)_sarada@autoelectronics.co.kr

인도는 전통적으로 자동차 소프트웨어 분야의 글로벌 엔지니어링 허브로 여겨져 왔습니다. AI 기반 개발이 가속화되는 가운데, 차세대 자동차 소프트웨어 및 AI 혁신을 선도하는 중심지로 부상하기 위해 인도가 활용할 수 있는 고유한 강점은 무엇입니까?
Patil       인도의 가장 큰 강점은 엔지니어링 인재의 깊이와 다양성입니다. 인도는 임베디드 시스템, 소프트웨어 엔지니어링, 클라우드 기술, 고성능 컴퓨팅, AI 전반에 걸쳐 강력한 역량을 구축해 왔습니다. 오늘날 인도를 독특한 위치에 놓는 것은 이런 역량들을 결합해 소프트웨어 스택 전체를 아우르는 솔루션을 만들어낼 수 있는 기회입니다. 우리는 또한 GCC(Global Capability Centre, 글로벌 역량 센터) 내부에서 중요한 진화가 일어나고 있음을 보고 있습니다. 많은 GCC들이 실행 중심의 업무에서 벗어나 이제는 아키텍처, 제품 설계, 혁신에 기여하고 있습니다. 이런 변화는 인도가 단순히 글로벌 프로그램을 지원하는 역할을 넘어, 자동차 소프트웨어의 미래를 형성하는 데 훨씬 더 큰 역할을 할 수 있게 해줍니다.

인도는 대부분의 글로벌 OEM과 티어 1, 기술 기업들의 엔지니어링 센터를 보유하고 있습니다. 이런 환경 속에서 Vector India는 고객들이 빠르게 변화하는 소프트웨어 및 모빌리티 트렌드에 앞서 나가도록 어떻게 돕고 있습니까?
Patil       우리 역할의 핵심 중 하나는 글로벌 지식을 인도 생태계로 가져오는 것입니다. Vector는 전 세계 자동차 기업들과 긴밀하게 협력하고 있기 때문에, 여러 지역에 걸친 신기술, 개발 관행, 산업 과제에 대한 가시성을 확보하고 있습니다. 고객들은 점점 더 우리에게 단순히 툴과 솔루션 뿐만 아니라, 산업이 어떻게 변화하고 있는지에 대한 인사이트도 함께 기대하고 있습니다. Vector의 글로벌 엔지니어링 및 제품 팀과의 긴밀한 연결을 통해 우리는 글로벌 혁신과 현지 구현 사이의 가교 역할을 할 수 있습니다.

많은 SDV 관련 논의가 기술에 초점을 맞추고 있지만, 실제 성공을 좌우하는 것은 종종 실행입니다. SDV 프로그램이 실제로 성과를 내기 위해 무엇이 필요한지 보여주는 사례를 공유해 주실 수 있습니까?
Patil       우리가 얻은 가장 큰 교훈 중 하나는 한 인도 OEM이 추진한 대규모 SDV 프로그램에서 비롯됐습니다. 목표는 단순히 차량을 개발하는 것이 아니라, 미래 대응이 가능한 소프트웨어 아키텍처를 구축하는 것이었습니다. 인상적이었던 점은 그들이 가진 비전의 명확함과 생태계 전체를 한자리에 모으려는 의지였습니다. 기술 파트너, 공급업체, 엔지니어링 팀들이 초기 단계부터 협력하며, 아키텍처 결정, 종속성(dependency), 과제들에 대해 거리낌없이 논의했습니다.
초점은 단순히 이더넷 연결성이나 OTA 역량과 같은 기술을 도입하는 데 있지 않았습니다. 해당 OEM은 시간이 지나며 확장 가능하고 미래의 요구사항을 지원할 수 있는 아키텍처를 만들고자 했습니다. 그에 못지않게 중요했던 것은 주요 관계자들이 정기적으로 한자리에 모여 사일로 속에서가 아니라 함께 문제를 해결하는 협업의 문화였습니다. 이 경험은 한 가지 단순한 사실을 다시 확인시켜 주었습니다. 성공적인 SDV 전환은 기술의 문제이기도 하지만, 그만큼 사람과 프로세스, 협업의 문제이기도 하다는 것입니다.

실행에서 혁신 거점으로 이동

인도가 SDV로 가는 과정에서 오늘날 가장 큰 역량 격차는 어디에 있다고 보십니까? 그리고 생태계는 이를 어떻게 메울 수 있습니까?
Patil       저는 인재 부족이 문제라고 보지 않습니다. 임베디드 소프트웨어, AI, 클라우드 플랫폼, 고성능 컴퓨팅 전반에 걸쳐 역량은 이미 존재합니다. 더 큰 과제는 이런 전문 분야들을 하나로 모으고, 현대적인 소프트웨어 개발 관행을 가능하게 하는 일입니다. 임베디드 소프트웨어 엔지니어들은 클라우드 네이티브 및 DevOps 접근 방식에 대한 노출을 더 많이 늘려야 하며, AI 및 소프트웨어 엔지니어들은 안전이 중요한(safety-critical) 자동차 시스템의 현실을 이해해야 합니다. 기회는 이러한 역량들이 한데 모이는 더 많은 기능 간 협업 팀과 개발 환경을 만들어내는 데 있습니다.

ECU, 커넥티비티, AI 기반 기능들에 걸쳐 복잡성이 커지는 가운데, Vector India는 안전성과 품질, 컴플라이언스를 희생하지 않으면서 OEM과 티어 1들의 개발을 가속화하도록 어떻게 돕고 있습니까?
Patil       우리의 가장 큰 강점은 글로벌 전문성과 현지 참여의 결합입니다. 인도 고객들은 Vector India의 역량뿐만 아니라, Vector의 글로벌 조직 전반에서 활용 가능한 경험, 툴, 엔지니어링 지식의 혜택도 함께 누릴 수 있습니다. 동시에 우리는 승용차부터 이륜차, 삼륜차, 라스트마일 모빌리티 플랫폼에 이르기까지 인도 시장 고유의 특성을 잘 이해하고 있습니다. 글로벌 모범 사례와 현지 시장에 대한 이해를 결합함으로써, 우리는 고객들이 자동차 소프트웨어에 요구되는 안전성과 품질 기준을 유지하면서도 개발을 가속화할 수 있도록 돕고 있습니다.

성패는 기술보다 실행

인도는 여전히 가격에 민감한 시장입니다. 정교한 소프트웨어 플랫폼과 개발 툴 필요성, 비용에 대한 기대를 어떻게 균형 있게 조율하고 있습니까?
Patil       비용이 논의의 일부인 것은 분명하지만, 고객들은 점점 더 초기 투자 비용만이 아니라 총소유비용(TCO)을 고려하는 방향으로 나아가고 있습니다. 신뢰성 있는 소프트웨어는 테스트 부담을 줄이고, 필드 이슈를 최소화하며, 리콜 위험을 낮추고, 장기적인 유지보수성을 향상시킵니다. 고객들이 생애주기 전반의 영향을 평가하기 시작하면, 대화는 보통 비용에서 가치로 옮겨가게 됩니다. 우리의 접근 방식은 단계적 도입, 맞춤형 배포 모델, 프로그램별 지원 등을 통해 유연성을 유지하는 동시에, 고객들이 합리적인 비용과 장기적인 경쟁력을 균형 있게 갖춘 로드맵을 수립하도록 돕는 것입니다.

인도는 글로벌 자동차 기업들의 혁신을 형성하는 데 있어 어떤 역할을 맡기 시작했습니까?
Patil       인도는 단순한 실행 센터를 넘어, 점점 더 혁신의 원천이 되어가고 있습니다. 이곳의 엔지니어링 팀들은 글로벌 프로그램에 영향을 미치는 아이디어, 아키텍처, 솔루션을 만들어내고 있습니다. 우리는 현지에서 개발된 엔지니어링 솔루션과 테스트 시스템이 글로벌 팀들에 의해 채택되고 여러 지역에 걸쳐 복제되는 모습을 보아왔습니다. 이는 인도 자동차 소프트웨어 생태계의 성숙도와 글로벌 기업들이 인도 엔지니어링 역량에 갖는 신뢰가 점점 커지고 있음을 동시에 보여줍니다. 이런 흐름이 계속됨에 따라, 인도는 자동차 소프트웨어 및 모빌리티 기술의 미래 방향을 정의하는 데 있어 점점 더 중요한 역할을 하게 될 것입니다.

The Shift from Engineering Vehicles to Engineering Intelligence

Sarada Vishnubhatla_sarada@autoelectronics.co.kr — 2026-06-22 14:33:18+0900

차량에서 인텔리전스 엔지니어링으로의 전환

글 | 사라다 비슈누바틀라(Sarada Vishnubhatla) _ sarada@autoelectronics.co.kr — 2026-06-22 13:04:23+0900

인공지능이 자동차를 재정의하는 지금 핵심 질문은 ‘AI가 무엇을 할 수 있는가’가 아니라, ‘AI가 번성할 수 있는 토대를 누가 구축할 것인가’로 바뀌었다. 데이터, 인프라, 검증 프레임워크, 그리고 지능형 모빌리티를 가능하게 하는 디지털 생태계가 그 토대다. 최근 인도 소프트웨어서비스산업협회(NASSCOM)의 NASSCOM Centre of Excellence가 주관하고 CAAR(Centre of Excellence in Advanced Automotive Research) 및 IIT 마드라스(IIT Madras)가 공동개최한 ‘Automotive Innovation & AI Meet 2026’은 자동차·기술·스타트업·연구 생태계 전반의 리더들을 한자리에 모았다. AI는 많은 대화를 지배했지만, 행사의 본질은 결국 덜 화려한 작업을 향했다. 자동차 AI가 책임감 있게 확장될 것인지, 아니면 좌초될 것인지를 결정짓는 공유 인프라, 검증 프로세스, 생태계 구조 구축을 말했다. 행사의 단독 미디어파트너로서 AEM이 이를 정리했다.

글 | 사라다 비슈누바틀라(Sarada Vishnubhatla) _ sarada@autoelectronics.co.kr
IN ENGLISH
연결기사: Vector Informatik의 글로벌 및 인도 리더십의 통찰

산제이브 말호트라(Sanjeev Malhotra) MeitY NASSCOM Centre of Excellence CEO

생태계 협력의 토대를 놓다

개회사에서 산제이브 말호트라(Sanjeev Malhotra) MeitY NASSCOM Centre of Excellence CEO는 협력의 기조를 제시했다. AI, 자율주행, 소프트웨어 정의 자동차(SDV) 같은 신기술이 자동차 산업을 계속해서 변환시키는 가운데, 산업계·학계·스타트업·정부·연구 기관이 아이디어를 나누고 기존 사고에 도전하며 혁신을 가속할 플랫폼의 필요성이 커지고 있다. 그의 발언은 거의 모든 세션을 관통한 하나의 전제를 담고 있었다.
“자동차 혁신의 다음 장은 어떤 개별 기술 못지않게 생태계 아키텍처에 달려 있다는 것이 분명합니다. 중앙 정부의 강력한 지원과 독려를 바탕으로, 앞으로 몇 달 안에 이 부분에서 의미 있는 도입이 이뤄질 것으로 봅니다.”
한국·일본·유럽에서 활동하는 글로벌 자동차 전자 부품 공급업체와 기술 기업들에게 인도의 이런 궤적은 직접적인 함의를 갖는다. 인도는 엔지니어링·R&D 허브로서의 위상을 강화하는 동시에, 글로벌 SDV 공급망에 투입될 플랫폼·표준·혁신 프레임워크를 점점 더 주도적으로 형성해 나가고 있다.

자동차 혁신 생태계 구축

이 행사는 인도 고유의 요구에 맞춘 기술을 개발해야 한다는 절박한 필요성을 공명했다.
아난드 락슈마난(Anand Lakshmanan) CAAR(IIT 마드라스) 수석 프로젝트 자문은 솔루션을 수입하는 것과 자체 개발하는 것 사이의 격차를 지적했다.
“CAAR는 혁신적인 기술 개발을 지원하기 위해 스타트업을 육성하고 있습니다. 한편으로는 틈새 기술을 지원하고, 다른 한편으로는 산업계의 과제를 해결하기 위해 노력합니다.”
그는 산제이브의 의견에 동의하며, 학계·산업계·정부 간의 긴밀한 협력은 선택이 아니라 연구를 배치가능한 솔루션으로 전환하기 위한 전제 조건이라고 강조했다.
그는 새로운 시각을 제안했다. “인도는 아직 SDV 도입 초기 단계에 있습니다. 그렇다면 바로 지금 이 단계에서 AI를 접목하지 않을 이유가 있을까요?”

SDV를 넘어 AI 정의 모빌리티로

글로벌 자동차 산업이 나아가는 방향은 이제 정해졌다. 여러 연사가 업계가 이미 SDV 패러다임을 넘어 일부가 ‘AI 정의 모빌리티(AI-Defined Mobility)’라 부르는 단계로 이동하고 있음을 인정하고 묘사했다. 인공지능이 차량 내부뿐 아니라 계획·설계부터 배치·반복까지 전체 엔지니어링 라이프사이클에 걸쳐 내재화되는 단계다.
그 함의는 기술을 훨씬 넘어선다. AI 중심 엔지니어링 워크플로는 조직 구조를 재편하고, OEM–티어 1–기술 생태계 전반에서 요구되는 역량을 재정의할 것으로 예상된다. 인도도 아직 소폭이지만 분명히 따라잡고 있다.
구루 프라사드(Guru Prasad A S) L&T Technology Services 글로벌 모빌리티 부문 총괄은 엔지니어와 AI 에이전트가 개발 프로세스 전반에 걸쳐 협업하는 하이브리드 딜리버리 모델의 등장을 설명했다. AI는 인간의 전문성을 대체하는 것이 아니라 가속기로 기능하면서 생산성을 높이고 개발 주기를 단축한다. LTTS는 이를 엔지니어링 인텔리전스(Engineering Intelligence)로 부른다.
그는 인도 자동차 분야의 대규모 AI 배치를 가로막는 세 가지 구조적 장애물을 짚었다. 첫째는 데이터 접근성이다. 고객들은 AI의 가치를 이해하지만, 데이터 기밀성에 대한 우려가 모델 구축·훈련에 필요한 데이터셋의 가용성을 종종 제한한다. 둘째는 구조화된 AI 도입 로드맵의 부재다. 안전 필수 시스템이 엄격하고 단계적인 검증을 요구하는 산업에서 특히 어려운 과제다. 셋째는 아키텍처 문제다.
“오늘날 많은 조직이 개별 애플리케이션에 AI를 내재화하려 합니다. 진정한 게임 체인저는 소프트웨어 스택 내에 전용 AI 레이어를 도입하는 것입니다. 미들웨어 레이어 위에 위치하여 차량 데이터를 중앙에서 처리하고 여러 애플리케이션에 인텔리전스를 제공하는 레이어 말입니다.”
아누라아그 바르드와즈(Anuraag Bhardwaj) 캡제미니(Capgemini) 부사장 겸 자동차 산업 플랫폼 총괄은 더 강력해진 컴퓨팅 플랫폼, 확장되는 실세계 데이터셋, 성장하는 에지 케이스 라이브러리의 수렴이 이미 차량 개발 주기를 단축시키고 있다고 지적했다.
“인도는 기술적으로 진화하고 있습니다. 칩은 점점 강력해지고, 클라우드 관련 레이턴시도 계속 줄이고 있습니다. 기술 토대는 이미 마련됐습니다.”

자동차 AI 뒤에 숨겨진 인프라

AI가 보이는 표면이라면, 인프라는 그 기반이다. 그리고 여러 연사는 그 기반이 규모를 결정짓는 요인일 수 있다고 논의했다.
라자고팔란 라자파(Rajagopalan Rajappa) Tata Elxsi CTO는 그 기반이 요구하는 것을 제시했다. 고정밀 지도, 대규모 주행 데이터셋, 롱테일 시나리오 데이터베이스, 디지털 트윈, 시뮬레이션 환경, 그리고 혁신을 위한 공통 기반으로 기능할 수 있는 오픈 AI 프레임워크다. 이런 공유 자산 없이는 인도의 특수한 도로 조건과 모빌리티 패턴을 다룰 수 있는 주권형 자동차 AI 모델을 구축할 수 없다.
“생성형 AI와 트랜스포머 아키텍처가 등장하면서, 이제는 단순히 소프트웨어 정의 차량의 문제가 아닙니다. 방향은 분명합니다. AI가 기능 정의, 사용자 경험, 소프트웨어 아키텍처, 나아가 자율주행 시스템의 진화까지 점점 더 형성하는 AI 정의 차량으로 향하고 있습니다. 그러나 가장 중요한 고려사항은 지속 가능하고 책임감 있는 AI를 개발하는 것입니다.”
인프라 과제는 소프트웨어 배포 자체에까지 확장된다. 나빈 크리슈나파(Naveen Krishnappa) 벡터 인포마틱(Vector Informatik) 기술 리드 겸 제품 전문가는 OTA 업데이트를 SDV의 기본 역량으로 규정하면서도, 소비자 가전에서는 없는 리스크를 수반한다고 지적했다. 스마트폰 업데이트와 달리 차량 소프트웨어 변경은 안전 필수 기능에 영향을 미치는 경우가 많다. 수백만 대 차량에 걸친 배포를 관리하려면 보안 클라우드 인프라, 롤백 메커니즘, 업데이트가 실패하더라도 차량 운행 가능성을 보장하는 안전 아키텍처가 필요하다.
사이버보안도 관련 우려 사항이었다. 티루 스리니바산(Thiru Srinivasan) CAAR CEO는 차량이 더욱 연결될수록 하드웨어·소프트웨어·테스트 환경 전반에 걸쳐 복원력을 구축해야 할 필요성을 강조했다. 이 과제는 추가되는 인텔리전스의 양에 비례해 커진다.

윗줄 좌측부터 MeitY NASSCOM Centre of Excellence 산지브 말호트라 CEO, CAAR, IIT Madras 아난드 락슈마난 Senior Project Advisor, LTTS 구루 프라사드 Global Head – Mobility Practice, Capgemini 아누라아그 바르드와즈 VP & Head – Automotive Industry Platform, Tata Elxsi 라자고팔란 라자파 CTO.
아랫줄 좌측부터 Vector Informatik 나빈 크리슈나파 Technical Lead & Product Expert, CAAR 티루 스리니바산 CEO, KPIT 비크란트 쿠마르 AVP & Business Leader, Accenture 스리니바사 프라사드 M.N. Associate Director, Mercedes-Benz Research & Development India 포오자 아룬 VP.

신뢰, 검증, 안전: 진짜 난제

지능형 시스템을 구축하는 것은 가능해지고 있다. 하지만 그 시스템이 안전하고 신뢰할 수 있으며 신뢰성 있음을 입증하는 것은 별개의 문제다. 그리고 이 행사의 대부분 평가에 따르면, 더 어려운 문제다.
비크란트 쿠마르(Vikrant Kumar) KPIT AVP 겸 딜리버리 비즈니스 리더는 검증이 무너지는 지점을 정확히 짚었다. 모델 훈련용 대규모 데이터셋은 확보할 수 있지만 검증 데이터셋이 실세계 조건을 충분히 다양하고 대표성 있게 담보하는 것은 별개다.
“통제된 개발 환경과 예측 불가능한 도로 조건 사이의 격차가 복잡성을 더합니다. 합성 데이터와 시뮬레이션이 개발을 가속할 수 있지만, 실세계 검증은 여전히 불가결합니다.”
규제 준비 부족이 어려움을 가중시킨다. AI 기술은 그 배포·검증·책임을 규율하는 프레임워크보다 빠르게 발전하고 있다. 쿠마르는 신뢰는 말이 아니라 입증된 안전 결과, 효과적인 규제, 책임감 있는 도입을 통해 점진적으로 구축될 것이라고 제안했다.
스리니바사 프라사드(Srinivasa Prasad M N) Accenture 어소시에이트 디렉터는 책임 소재의 차원을 검토했다. 차량이 점점 더 소프트웨어 중심으로 진화함에 따라, 공급업체·기술 제공업체·엔지니어링 파트너로 구성된 광범위한 생태계 전반에서 책임은 실제로 누구에게 귀속되는가?
“OEM은 고객과 직접 대면하는 주체로서 궁극적으로 책임을 집니다. 그렇다 해도 이는 연쇄적 피해이며, 나머지 생태계, 벤더, 티어 1, 엔지니어링 서비스 제공업체 등도 그 영향을 받게 됩니다. SDV는 여전히 진화 중인 영역이고 개념도 아직 성숙하지 않았지만, 엄격한 규제와 안전 프레임워크가 신뢰성과 책임성 모두를 강화할 것이라 봅니다.”
구루 프라사드는 제동장치, 조향, 에어백, ADAS 같은 안전 필수 시스템은 저위험 애플리케이션에서 고위험 사용 사례로 신중하게 단계를 밟아가는 배치 전략이 필요하다는 점을 재확인했다. 바로 그렇기 때문에 책임감 있는 AI의 도입이 필수적이며, 지름길을 허용할 여지는 거의 없다.

차량을 넘어: 지능형 에너지의 부상

여러 세션은 대화를 차량 자체를 넘어 차량이 점점 더 의존하고 기여하게 될 에너지 시스템으로까지 확장했다.
포오자 아룬(Pooja Arun) 메르세데스-벤츠 연구개발 인디아(Mercedes-Benz Research & Development India) 부사장은 배터리 관리 시스템이 사후 모니터링 도구에서 배터리 거동을 예측하고 실시간으로 성능을 최적화하는 예측 인텔리전스 플랫폼으로 진화하는 과정을 설명했다.
“배터리 기술은 프로세서와 같고, 소프트웨어 인텔리전스는 운영체제와 같습니다. 인텔리전스나 강력한 프로세서가 없다면 효율적으로 만들 수 없습니다.”
그의 프레이밍은 시사적이었고 함의는 상당했다. 전동화는 단순히 화학의 문제가 아니다. 배터리 성능을 관리하고 최적화하는 소프트웨어 인텔리전스가 셀 자체만큼이나 중요할 수 있다.
인프라에 대해서도, 충전기 배치만으로는 충분하지 않다고 그는 설명했다.
“기반 에너지 인프라 역시 증가하는 수요를 지원할 수 있어야 합니다. 바로 여기서 V2G(Vehicle-to-Grid), 스마트 충전, AI 기반 에너지 최적화 같은 기술이 점점 중요해집니다.”
전기차는 단순히 전력을 소비하는 존재가 아니다. 필요할 때 에너지를 저장·관리·공급할 수 있는 분산 에너지 자산이다. 이 논의는 모빌리티와 에너지 인프라 사이의 경계가 이미 무너지고 있음을 보여주었다.

연결된 모빌리티의 미래 구축

행사 마지막 세션들은 시야를 더 넓혔다. 차량과 에너지 시스템을 넘어 연결된 모빌리티의 더 광범위한 아키텍처로.
티루 스리니바산은 차량 간 통신, 중앙집중식 컴퓨팅 아키텍처, 사이버보안, 그리고 운전자의 인지 부하를 줄이기 위해 설계된 고급 HMI 시스템에서 떠오르는 기회들을 짚었다.
라마크리슈나 스리니바산(Ramakrishna Srinivasan) IIT 마드라스 모빌리티 및 지능형 교통 협력체(Mobility and Intelligent Transportation Collaborative, MInT) CEO는 경계를 차량·인프라·교통 네트워크 전반에 걸친 원활한 데이터 교환으로 더욱 밀어붙였다.
“데이터 가용성이 높아지고 컴퓨팅 역량이 계속 발전함에 따라, 우리는 모빌리티 시스템 전체를 이해하고 최적화하는 모델을 구축하기에 더 나은 위치에 있습니다. 시스템 수준의 효율 향상은 더 지속 가능한 교통 생태계를 만드는 데 필수적입니다.”

야망은 실재한다. 격차도 마찬가지다.

Automotive Innovation & AI Meet 2026이 분명히 한 것은, 산업계가 자신이 어디로 가야 하는지 이해한다는 점이다. 그러나 더 어려운 작업, 그곳에 도달하는 데 필요한 데이터 기반, 시뮬레이션 환경, 검증 프레임워크, 협력 구조를 구축하는 일은 아직 대부분 앞에 놓여 있다. 인도의 역할은 커지고 있다. 그 야망이 조금 더 빨리 실현될지, 아니면 조금 더 늦게 실현될지는 두고 볼 일이다.

Begin Again, and What a Car Must Never Let Go Of

한상민 기자_han@autoelectronics.co.kr — 2026-06-17 16:14:13+0900

비긴 어게인, 그리고 차가 놓지 말아야 할 것

한상민 기자_han@autoelectronics.co.kr — 2026-06-17 16:10:07+0900

6월 17일, Begin Again이 국내 극장에 다시 걸렸다. AEM이 이 영화를 꺼낸 이유는, 12년 전 영화가 지금 자동차 산업에 묻는 질문이 있기 때문이다. 자동차는 AI와 SDV, 플랫폼과 데이터의 시대로 향하고 있다. 하지만 더 똑똑해지는 과정에서 무엇을 끝까지 놓지 말아야 할까. 이 글은 영화 리뷰가 아니다. 댄이 그레타의 노래에서 아직 존재하지 않는 드럼 소리를 듣던 순간부터, 재규어 Mark X, 아이오닉 5 N, 페라리의 물리 버튼 복귀, 그리고 오래된 서버번 광고까지 이어지는 이야기다. Begin Again의 Again은 새로운 시작이 아니라, 잊고 있던 무언가를 다시 듣게 되는 순간인지도 모른다. 지금 자동차도 같은 질문 앞에 서 있다.

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

댄의 귀
댄의 귀에 소리가 들어오는 장면이 있다. 그레타가 바의 무대 위에서 기타를 치며 노래를 부르고 있을 뿐인데, 댄에게는 드럼과 베이스가 들리고 피아노가 들어오고 바이올린이 켜진다. 실제로는 아무것도 없다. 이건 관객에게 들리지 않는 댄한테만 들리는 것이다.
프로듀서란 아직 존재하지 않는 소리를 먼저 듣는 사람이다. 기억하는 사람이 아니라, 발견하는 사람이다. 지금 이 노래가 무엇이 될 수 있는지, 그레타 자신보다 먼저 듣고 알고 그렇게 끌고 갈 수 있는 사람이다. 그리고 그 귀는 아무에게나 열리지 않는다.
‘Begin Again’에서 비긴 어게인이 가능한 사람은 정해져 있다. 댄과 그레타같은 사람이 할 수 있다. 이건 재능의 문제가 아니라, 충동에 나가떨어지지 않는, 소중한 것을 지킬 줄 아는 사람에 대한 것이다.
데이브(마룬5의 애덤 리바인)는 달랐다. 사람들이 열광하기 시작하자 그 흐름에 휩쓸렸다. 성공이 오자 그 음악은 상품이 됐고, 감정도 상품이 됐다. 막을 이유를 찾지 못한 사람이다. 댄의 아내도 그랬다.
댄과 그레타는 서로에게 감정이 생겼을 때, 이어폰을 나눠 꽂고 뉴욕을 걸었다. 포옹도 아니고 키스도 아니고, 같은 음악을 같은 순간에 들었다. 그리고 그 밤이 다른 방향으로 흐르려는 순간, 방 안에는 스티브가 있었고, 그들은 아무 말 필요 없이 거리로 나왔다. 음악은 거기서 멈췄다.
댄은 음반사에서 쫓겨났고 가족을 잃었고 술을 마셨다. 바닥에 와 있었다. 근데 바닥에서도 잃지 않은 게 있었다. 좋은 노래가 뭔지 아직 알고 있었다. 아마 그것만은 잃어버리지 않았던 것 같다.

댄의 재규어
1964년생. 댄과 같은 시대를 살아온 차. 재규어 Mark X는 그의 모든 것을 말해준다.
아날로그 게이지, 우드 패널, 육중한 스티어링 휠이 두드러지는 그 실내를 보면 엔진이 어떻게 돌아가는지, 속도가 얼마인지, 연료가 얼마나 남았는지 전부 보인다. 숨겨진 게 없다. 그 아날로그 공간 자체가 댄이 음악을 듣는 방식이고, 사람을 대하는 방식이고, 삶을 사는 방식이다. 한때 최고였고, 지금은 낡았지만, 그 안에서는 아직 모든 게 보이는 차.
영화 포스터에는 그레타와 댄이 이 차의 보닛 위에 나란히 앉아 있고 둘 사이에 기타가 놓여 있다. 차는 배경이 아니라, 두 사람의 중심이다. 그리고 포스터 위에는 이런 질문이 적혀 있다.
“Can a Song Save Your Life?”
(이 문구는 영화의 원래 제목이었으나, 정식 개봉 때 Begin Again으로 바뀌면서 제목 자리에서 내려와 포스터의 질문형 태그라인으로 남았다)
재규어는 댄이라는 인간의 본성과 현재에 대한 증거다. 숨겨진 게 없는 사람. 과정이 보이는 사람. 그래서 바에 없는 드럼이 울렸던 것이다.
요즘 차는 다 안으로 숨긴다. 소프트웨어 안으로, 디스플레이 안으로, 추상화 계층 안으로. 심지어 송풍구도 사라지고, AI가 먼저 말을 건다. 손끝에 닿는 것이 점점 줄어들고, 무슨 소리가 나는지 점점 안 들린다.
우리는 연결된다고 믿었지만, 대부분의 시간은 각자의 화면 안에서 보냈다. 차도 그런 길을 가고 있는지 모른다. 버튼 하나가 사라질 때마다, 소리 하나가 설계될 때마다, 그 차는 조금씩 댄의 귀를 닫는다.

Can a Song Save Your Life?
자동차도 같은 질문 앞에 선 것이다.
그래서 현대 아이오닉 5 N은 전기차에 가상 기어 변속과 가상 엔진 사운드를 넣었다. 실제로 없는 기어와 없는 저항을 만든 것이다. 가짜라는 비판도 있었지만, 핵심은 달랐다. 전동화 이후 사라진 운전의 리듬을 손끝과 귀에 다시 돌려주려 한 시도였다.
페라리는 반대 방향에서 같은 질문의 답을 찾았다. 고객들의 요구에 따라 스티어링 휠의 햅틱 버튼을 다시 물리 버튼으로 되돌리기 시작했고, 이미 판매된 일부 모델에도 레트로핏 프로그램을 제공하기 시작했다. 더 진보한 인터페이스를 만드는 것이 아니라, 미래를 향해 넣었던 기술을 다시 빼는 일이었다. 손끝에 남아 있던 감각을 되찾기 위해서였다. 포르쉐가 터치스크린 속에서도 공조 물리 버튼을 굳이 남겨둔 이유도, 과정은 손끝에 있어야 하고, 사람은 눈이 아니라 몸으로 기억한다고 믿었기 때문이었다.
녹음 초반, 댄은 골목길 아이들에게 돈을 쥐어주고 코러스로 끌어들였다. 마지막에 그레타는 댄과 함께 메이저 레이블 계약을 거부하고 1달러에 그녀의 첫 앨범을 풀기로 결정했다. 그리고 댄의 친구 힙합 뮤지션 CeeLo Green이 이 소식을 그의 팬들에게 퍼뜨렸다. 좋은 음악은 듣는 귀만으로는 충분하지 않다. 누군가는 그 소리를 세상에 닿게 해야 한다. 문제는 상업성이 아닌 것이다. 무엇을 잃으면서까지 상업성을 선택했느냐다.
자동차도 그 균형을 알고 있는 브랜드가 살아남는다. 아이오닉 5 N이 주목받은 이유, 포르쉐 911이 60년 넘게 사랑받는 이유도 같다. 성능 때문만은 아니라, 사람들이 그 차에서 여전히 그 차다운 무언가를 느끼기 때문이다. 레거시는 결과가 아니라, 무엇을 끝까지 놓지 않았는지에서 만들어진다.
그런데 그건 페라리나 포르쉐 같은 차종만의 이야기가 아니다.

시간을 싣는 차
댄의 귀가 아직 없는 소리를 들었다면, 정말 좋은 차는 아직 오지 않은 시간을 싣는다.
댄의 재규어가 한 사람의 삶을 보여준 차라면, 연말에 쓴 크리스마스 시즌 광고 속 서버번은 가족의 시간을 싣는 차였다. 그 1987년형 서버번은 댄의 재규어처럼 새 차가 아니라, 낡고 긁힌 차였다.
부부는 그 차를 타고 매년 가족 오두막으로 향한다. 차가 달리는 동안 수십 년이 왔다갔다 한다. 아이들이 뒷좌석에서 자라고, 다툼이 있고, 화해가 있고, 장소와 노래가 흐른다. 트럭의 스펙은 한 줄도 나오지 않았다. 차가 실어 나른 것은 사람과 시간이었다. 그런 시간은 알고리즘이 추천해 주는 것이 아니라, 함께 살아내야 만들어진다.
사람은 혼자 다시 시작하지 못한다.
스티브가 그레타를 그 바에 데려가지 않았다면 아무것도 시작되지 않았을 것이다. 댄의 딸 바이올렛이 없었다면 댄의 회복은 음악으로만 끝났을 것이다. 사람들은 혼자 움직이기 위해 차를 사지 않는다. 그리고 혼자서는 다시 시작하기도 어렵다. 그곳의 모두가 그런 사람들이었다. 누군가가 먼저 손을 내밀어야 한다.

다시 듣게 되는 것
그 바에 있던 사람들은 바닥 직전이었다. 그레타도, 댄도, 뉴욕의 누군가도. 그 공간에서 그레타가 노래를 했고, 그 노래가 들린 순간 바닥에 있던 사람들이 조금씩 움직이기 시작했다.
영화는 그 바 장면을 세 번이나 보여준다. 같은 노래, 같은 바, 같은 밤. 그레타의 시선, 댄의 시선, 그 공간 전체의 시선. 같은 노래도 누가 듣느냐에 따라 다른 노래가 된다.
댄이 지금의 자동차를 탔다면 어땠을까.
그레타의 노래를 듣기도 전에 AI가 “이 노래는 히트 가능성 17%”라고 알려줬다면 그는 여전히 그 드럼 소리를 들을 수 있었을까. 아마 듣지 못했을 것이다. 숫자가 먼저 오면, 귀는 닫힌다. AI는 분석할 수 있다. 하지만 댄의 귀는 분석한 것이 아니었다. 그레타가 아직 아무것도 아닐 때, 그냥 믿은 것이다. 분석은 가능성을 계산하지만, 발견은 아직 존재하지 않는 것을 듣는 일이다.
자동차의 AI는 매일 가는 길, 즐겨 듣는 음악, 운전 습관, 기분까지 우리를 기억하려 한다. 기억이 많아질수록 예측은 정확해진다. 하지만, 예측이 정확해질수록 우리는 점점 더 우리가 이미 알고 있는 자신만 만나게 된다. 기억된 나와 아직 발견되지 않은 나는 다르다. 기억은 과거의 나를 정확하게 돌려주지만, 내가 아직 되지 않은 나에게는 닿지 못한다.
댄은 그레타의 과거를 분석한 것이 아니었다. 그레타 자신도 아직 모르는 소리를 들었다. 그 순간 댄에게 필요했던 건 데이터가 아니라 귀였다.
영화엔 다른 노래가 있다. Lost Stars. 길 잃은 별을 설명하는 노래가 아니라, 아직 빛나기 전의 별을 누가 먼저 알아보느냐에 대한 노래처럼 들린다.
Begin Again. 제목의 Again이 전부다. 새로운 것을 시작하는 이야기가 아니다. 소중한 것을 끝까지 놓지 않은 사람이 바닥에서 그것을 다시 듣게 되는 이야기다.
자동차는 우리를 기억할 수 있지만, 우리가 될 수 있는 사람까지 기억해 주지는 못한다.

차량용 전력 반도체 소자의 EMI 감소

글 | 주시 감비노(Giusy Gambino) 외, STMicroelectronics — 2026-06-16 13:33:31+0900

전자기 적합성(EMC)은 전자기 환경에서 소자, 장비 또는 시스템이 열화나 오작동 없이 의도한 대로 작동하는 역량을 의미한다. EMC 관점에서는 전자파 간섭(EMI)이 중요한 과제로 부각된다. EMI 완화는 특히 현대의 자동차 전력 전자 분야에서 중요한데, 이는 전동화, 연결성, 소프트웨어 정의 제어의 확대로 인해 효율성과 보호 기능뿐만 아니라 전자기적으로도 견고한 장치가 요구되기 때문이다. 전도 방출 및 방사 방출은 스위칭 성능, 진단 정확도, 기능 안전을 저해하지 않으면서 신중히 제어해야 한다.
이 논문은 자동차 전력 소자의 주요 EMI 요인을 설명하고, 규정 준수와 시스템 견고성을 위한 설계 전략을 제시한다. 다기능적 특성으로 인해 전자기 교란에 민감한 지능형 전력 스위치와 스마트 전자 퓨즈를 중점적으로 다룬다. 본 연구에서는 STi2Fuse VNF9Q20SF를 대표적인 실증 사례로 채택한다. 이 소자는 내장형 퓨즈 기능과 소프트웨어 기반의 동작 설정이 가능한 4채널 하이사이드 드라이버로서, 보호 및 진단 기능을 온전히 유지하면서도 EMI 감소를 효과적으로 지원한다. 전압 방법을 사용해 전도 방출을 실험적으로 측정한 결과를 CISPR 25 5등급 한계값과 비교했으며, 이를 통해 해당 소자가 자동차 EMC 규정을 충족함을 확인했다.

글 | 주시 감비노(Giusy Gambino), 마케팅 커뮤니케이션 매니저
야스민 아비게일 치아렌자(Yasmin Abigail Chiarenza), 애플리케이션 엔지니어
세바스티아노 그라소(Sebastiano Grasso), 애플리케이션 매니저,
ST마이크로일렉트로닉스(STMicroelectronics)

체계적으로 설계된 시스템에 적절히 구현된 집적 회로에는 심각한 전자기 적합성 문제가 거의 생기지 않는다. 반면, 부실하게 설계된 IC가 탑재된 시스템은 기본적인 EMC 요건을 충족하기 어렵고, 시간과 비용이 많이 드는 과정일 수 있다. EMI를 줄이는 것은 현대 전자 설계에서 기본적인 요구사항이 되었으며, 특히 자동차 애플리케이션에서 중요하다. 차량의 전동화, 연결성, 소프트웨어 정의 제어 수준이 발전함에 따라 노이즈는 계속 증가한다. 이때 전력 소자는 효율성과 보호 기능을 제공하며 안정적으로 작동해야 한다. 이 시나리오에서 EMI는 단순 규정 준수의 문제가 아니라 신뢰성, 안전성, 견고성, 장기적 제품 품질을 직접적으로 뒷받침하는 핵심 요인이다.
자동차 설계자는 명확한 과제에 직면하고 있다. 시스템은 스위칭 정확도, 진단 무결성, 기능 안전을 유지하면서 엄격한 방출 요구사항을 충족해야 한다. 전력 분배 아키텍처가 더 지능화되고 분산되며, 시스템이 전반적으로 한층 복잡해짐에 따라 이 균형은 더욱 중요해진다. 스마트 전자 퓨즈와 지능형 전력 스위치는 이러한 전환의 중심에 있으며, 보호, 모니터링, 제어 기능을 하나의 소자에 통합한다. 다만 이러한 장점이 있는 만큼, 개발 초기 단계부터 EMI 복원력을 해결해야 한다는 점도 고려해야 한다.

자동차 전력 소자 내 EMI

EMC 문제는 일반적으로 칩 내 문제나 외부 간섭 문제로 분류할 수 있다.

- 칩 내 EMC 문제는 하나 이상의 회로에서 생성된 신호나 노이즈가 같은 칩 내 다른 회로의 작동을 방해할 때 발생한다.
- 외부 결합 EMC 문제는 IC에서 생성된 신호나 노이즈가 칩 외부의 회로나 소자에 간섭할 때 발생한다. 반대로 외부에서 발생하는 노이즈가 IC의 적절한 작동에 방해할 때도 마찬가지다.

따라서, EMI는 소자 내부 및 외부의 여러 요인으로 인해 발생할 수 있다. 내부 요인에는 스위칭 과도현상, 기생 인덕턴스, 기생 커패시턴스가 포함된다. 이러한 현상은 고속 전력 스위칭 과정에 내재된 특성이며, 급격한 전류 및 전압 천이가 발생할 때 현저히 드러난다. 외부 요인으로는 무선 주파수 결합, 공급 라인의 전도 노이즈, 인근 전자 장비나 하네스에서 발생하는 교란 등이 있다.
이러한 메커니즘은 저주파와 고주파 모두 방출할 수 있다. 저주파 노이즈는 출력 단계에서 스위칭 활동과 연관이 있는 경우가 많으며, 고주파 성분은 내부 클럭과 타이밍 구조에서 발생할 수 있다. 그 결과로 생성된 스펙트럼이 자동차의 하위 시스템과 중첩될 수 있으므로, EMI 완화는 소자에 한정된 문제가 아니라 시스템 차원의 문제로 다뤄져야 한다.
EMI의 영향은 방출 테스트 실패에 그치지 않는다. 스위칭 정밀도를 떨어뜨리고, 진단 측정 품질을 저하시키며, 장기적인 견고성까지 저해할 수 있다. 안전 관련 애플리케이션에서는 보호 기능과 폴백 모드의 신뢰성에 영향을 미칠 수 있다. 이러한 이유로, EMI를 고려한 설계는 프로토타입 검증 이후보다는 개발 초기에 시작해야 한다. EMC 측면에서는 예측 가능한 성능을 유지하면서도 다중 제어 장치, 하네스, 부하, 센서, 통신 선로가 공존해야 하기 때문이다.
CISPR 25 기생 방출 표준의 첫 번째 버전은 2002년에 발표됐으며, 전자 시스템 수준에서의 테스트 설정을 정의한다. 특히 CISPR 25와 같은 표준은 전도 방출과 방사 방출을 평가하는 구조화된 프레임워크를 제공한다. 이를 바탕으로 엔지니어는 하드웨어와 다른 온보드 전자장치 사이에 간섭이 발생하지 않는지 검증할 수 있다(그림 1).

그림 1. CISPR 25 표준

CISPR 규격집은 세 가지 수준으로 구성되어 있다. 기본 표준은 일반 표준과 제품 표준에서 규범적으로 인용된다. CISPR 표준은 현재 날짜 명시 참조를 사용하므로, 해당 문서는 특정 인용 판본이다.
하지만 규정 준수를 최종 목표로 간주해서는 안 된다. 이는 실제 전자기적 운용 환경에 최적화된 설계로부터 도출되는 정량적 결과물에 해당한다. 스마트 전력 소자의 경우, 스위칭 속도, 진단 기능, 보호 응답, 방출 성능 간의 신중한 균형이 필요하다.

지능형 전력 스위치와 스마트 퓨즈

자동차 회로 보호 소자는 전통적인 퓨즈와 릴레이의 역할을 훨씬 능가하는 수준으로 발전했다. 이 소자는 부하 제어, 고장 처리, 모니터링, 진단, 프로그래밍 가능한 동작을 통합한 구조로 구현된다. 이러한 특징은 가시성과 적응성이 점점 더 중요해지는 현대 전력 분배 아키텍처에서 특히 중요하다.
스마트 전자 퓨즈는 영역 및 분산 아키텍처의 핵심 구성 요소로 부상하고 있다. 이는 고장 상태에 신속히 대응하고, 제어형 복구를 지원하며, 중앙 제어 장치에 상세한 정보를 제공한다. 이를 통해 시스템 보호 강화는 물론, 구성 요소 절감, 배선 단순화, 아키텍처 효율성 향상까지 실현한다.
이러한 소자는 EMI 스트레스 환경에서도 안정성을 유지하며 제대로 작동해야 한다. 소자의 작동은 정확한 감지와 정밀한 출력 제어에 좌우되는데, 이 두 요소 모두 전기 노이즈에 취약하다. 따라서 EMI 복원력은 선택적 기능이 아니라 기본적인 설계 요구사항이라고 할 수 있다.
소프트웨어 기반 동작 설정은 스마트 전력 소자의 EMI를 효과적으로 낮춘다. 이 방식은 소자를 고정된 동작 프로파일에 종속시키지 않고, 설계자가 애플리케이션에 따라 핵심 파라미터를 조정할 수 있도록 한다. 이러한 유연성은 부하 상태, 케이블 길이, EMC 목표가 현저하게 달라질 수 있는 자동차 플랫폼에서 유용하다.

A. 스위칭 슬로프 제어
스위칭 슬로프 제어는 EMI 완화에 중요한 기술이다. 설계자는 상태 간 출력 전환 속도를 조정함으로써, 노이즈 발생에 기여하는 급격한 전압 및 전류 변화를 줄일 수 있다.

B. 주파수 성형 및 클럭 디더링
또 다른 유용한 기술은 클럭 디더링이라고도 하는 주파수 성형이다. 소자는 내부 클럭 신호의 스펙트럼 에너지를 약간 확산해, 특정 주파수에서 피크 방출을 줄일 수 있다. 이는 노이즈를 완전히 제거하는 것이 아니라 에너지를 더 균일하게 재분배함으로써, 규정 준수 여유를 개선하고 시스템 통합을 용이하게 하는 경우가 많다. 실제로 확산 스펙트럼 변조는 광범위한 주파수 대역에 스펙트럼 에너지를 분산시켜 EMI를 완화하는 데 활용된다.

C. 진단 및 보호 동작
소프트웨어 기반 구성은 진단과 보호 동작에도 중요하다. 시스템은 소자가 고장을 보고하고, 전류를 모니터링하며, 실시간으로 반응을 조정할 수 있는 경우에 더 높은 가시성과 제어력을 얻게 된다. 이는 안전과 규정 준수가 공존해야 하는 애플리케이션에서 유용하다.

실험적 검증

실험적 검증을 위한 테스트 대상 소자로 STi2Fuse VNF9Q20SF가 사용된다. 이는 자동차 전력 분배 애플리케이션에 적합하게 설계된 4채널 하이사이드 드라이버로, 퓨즈 기능이 내장되어 있다. 이 소자는 첨단 진단 및 보호 기능을 통합하므로 견고성과 제어 기능이 모두 필요한 아키텍처에 적합하다.
주요 기능으로는 프로그래밍 가능한 전류 제한, 고장 보고, 전류 감지, 내장 자체 테스트, SPI 기반 구성이 있다. 이러한 기능 덕분에 강력한 안전 프로파일을 유지하면서 지능형 전력 분배를 지원할 수 있다. 이 아키텍처는 고장 응답이 정확하고 추적 가능하며 예측 가능해야 하는 시스템에서 더 큰 가치를 지닌다.
EMI 관점에서 VNF9Q20SF는 소프트웨어 제어 스위칭 동작과 고급 내부 관리 기능 덕분에 의도치 않은 방출을 줄여준다. 다만 최종 전자기 성능은 PCB 레이아웃, 디커플링, 리턴 경로, 접지, 커넥터 배치, 케이블 배선, 하네스 길이, 부하 특성 등 전체 시스템에 따라 달라진다.
소자가 생성하는 전도 방출은 하네스를 통해 다른 구성 요소, 하위 시스템 또는 공급 네트워크로 전파된다. 이는 전압 방법 또는 전류 방법을 사용하여 측정할 수 있다. 본 연구에서는 전압 방법이 채택됐으며, 그림 2에 소개된 설정을 사용한다.

그림 2. 전압 방법을 사용한 전도 방출 측정 설정

각각의 의미
- LISN: 라인 임피던스 안정화 네트워크
- DUT: 테스트 중인 소자

측정은 다음과 같은 조건에서 수행되었다.
- VBAT = 13V
- 상온
- 채널 0, 1, 3은 Fail-safe 모드에서 꺼져 있음
- 27W + 5W 전구가 장착된 DC(5V) 및 PWM(100Hz, 50% 듀티 사이클)의 직접 입력으로 구동되는 채널 2

채널 2가 활성화되면 피크 검출로 측정한 노이즈를 CISPR 25 5등급 한계값과 비교한다(그림 3).

그림 3. CISPR 25 한계값과 노이즈 측정 비교

피크 감지는 방출된 신호에서 각 고조파의 최댓값을 포착해, 최악의 방출 시나리오를 나타낸다. 이와 유사하게, 방출량이 평균 한계값 이하인지 확인하기 위한 평균 감지가 수행되었다. VNF9Q20SF 스마트 전자 퓨즈는 가장 엄격한 표준인 CISPR 25 5등급의 피크 한계값을 충족한다.
이 결과는 자동차 전력 소자에서 EMI 규정 준수가 단일 기능에 의해 달성되는 것이 아니라 소자 아키텍처, 제어 전략, 시스템 구현의 상호작용을 통해 이루어진다는 점을 강조한다. 소프트웨어 구성 가능 스위칭 동작은 발생 지점에서 방출을 줄일 수 있으며, 견고한 감지 및 진단 메커니즘은 노이즈가 심한 상태에서도 기능을 유지하는 데 도움이 된다.
동시에 이 측정 결과를 통해 지능형 전력 소자의 주요 장점을 희생하지 않고도 CISPR 25 5등급과 같은 엄격한 표준을 충족할 수 있음이 확인된다. 이로 인해 스마트 퓨즈는 미래의 자동차 아키텍처, 특히 보호된 배전·진단·EMC 성능이 공존해야 하는 환경에서 실질적 선택지가 된다.

결론

EMI 감소는 현대 자동차 전력 소자의 핵심 요건이다. 이는 규제 준수, 안정적 작동, 기능 안전, 진단 무결성, 장기적 시스템 품질을 뒷받침한다. 자동차 아키텍처가 갈수록 전동화되고 소프트웨어 정의 방식으로 진화함에 따라, EMI를 고려한 설계의 중요성은 더욱 커질 것이다.
VNF9Q20SF와 같은 스마트 전자 퓨즈는 보호, 진단, 전자기 복원력을 단일 플랫폼에 통합할 수 있음을 보여준다. 엔지니어는 소프트웨어 기반 제어, 지능형 스위칭 동작, 견고한 시스템 통합을 통해 혹독한 자동차 운용 환경에 적합한 솔루션을 개발할 수 있다.

참조
[1] VNF9Q20SF, 4-channel high-side driver with STi2Fuse protection for automotive power distribution applications.
[2] CISPR 25:2021, Vehicles, boats and internal combustion engines - Radio disturbance characteristics - Limits and methods of measurement for the protection of on-board receivers, Edition 5.0, Dec. 2021.
[3] R. Letor and R. Crisafulli, “Smart power devices and new electronic fuses compliant with new E/E architecture for autonomous driving,” AEIT International Conference of Electrical and Electronic Technologies for Automotive (AEIT AUTOMOTIVE), 2-4 July 2019.
[4] G. Gambino and S. Grasso, “Key strategies & design tips to ensure EMI compliance using intelligent power switches”, Whitepaper, Sep. 2025.

SIMULIA User Day: Why MODSIM Came Before AI at Dassault Systemes

한상민 기자_han@autoelectronics.co.kr — 2026-06-15 15:28:41+0900

SIMULIA User Day, 다쏘가 AI보다 MODSIM을 먼저 말한 이유

한상민 기자_han@autoelectronics.co.kr — 2026-06-15 14:52:08+0900

6월, 다쏘시스템의 SIMULIA User Day는 AI를 말한 행사였지만, 무대 위에선 AI보다 MODSIM이 더 강조됐다. 다쏘시스템이 반복한 것은 더 큰 AI 모델이나 더 빠른 알고리즘이 아니라, 설계와 해석을 연결하는 워크플로, 그 과정에서 쌓이는 데이터, 그리고 처음부터 끝까지 따라갈 수 있는 추적성이었다. AI가 엔지니어링을 바꾸고 있는 것은 사실이다. 하지만 그 AI가 작동하기 위해선 여전히 사람과 데이터, 연결된 프로세스가 중요하다. 그래서 이날 AI는 마지막 단계로 등장했다. 지금 산업 현장에서 AI 경쟁의 본질은 더 똑똑한 모델을 갖는 것이 아니라, 그 모델이 믿고 일할 수 있는 맥락을 누가 더 많이 갖고 있는가에 있다.

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

“40시간 걸리던 작업이 MODSIM으로 4시간이 되고, AI를 쓰면 4초가 될 수 있습니다.”
다쏘시스템 SIMULIA의 CEO 미셸 애시(Michelle ASH)가 SIMULIA User Day 2026 무대에서 한 말이다.
지금 시뮬레이션의 화제는 AI다. 하지만 이날 가장 강조된 것은 AI가 아니라 MODSIM이었다. 애시 CEO는 MODSIM을 AI를 쓰기 위한 첫 단계라고 했고, SIMULIA 월드와이드 MODSIM 및 AI 기술 영업 부문의 프란체스코 폴리도로(Francesco POLIDORO) 본부장은 그 단계를 한참 더 풀어 말했다. LG전자 김용연 연구위원은 산업 전체가 AI로 빠르게 움직이는 동안 그들의 조직에 아직 오지 않은 변화를 말했고, 다시 애시 CEO는 인터뷰에서 AI를 믿을 수 있는 조건을 말했다.
AI를 말하러 모인 사람들이 AI보다는 설계와 해석을 연결하는 방법, 그 과정을 남기는 방법, 그리고 엔지니어가 일하는 방식을 더 오래 설명했다. 이 글은 그 순서를 따라간다.

40시간이 4초가 되는 이유

‘40시간 걸리던 작업이 MODSIM으로 4시간이 되고, AI를 쓰면 4초가 될 수 있다’는 말과 함께 포드는 “MODSIM이 엔지니어링에 다시 즐거움을 가져다줬다”고 말한다. 애시는 이 포드의 사례와 숫자를 하일라이트했다.
설계와 해석을 따로 진행할 때는 하나의 설계안을 검토하는 데 40시간이 걸렸다. MODSIM을 적용한 뒤 그 시간은 4시간으로 줄었다. 중요한 것은 같은 시간에 한 개가 아니라 열 개의 설계안을 검토할 수 있게 됐다는 것이다.
MODSIM은 다쏘가 설계(CAD, CAE)와 해석(시뮬레이션)을 하나의 데이터 위에서 함께 다루는 방식에 붙인 이름이다. 지금까지 이 두 작업은 따로 진행됐다. 설계자가 형상을 만들면 그 파일을 해석 엔지니어에게 넘기고, 해석 엔지니어는 메시를 만들어 시뮬레이션을 돌렸다. 결과를 보고 설계를 바꾸면, 이 과정을 처음부터 다시 해야 했다. 그런데 MODSIM이 이 둘을 같은 데이터 위에 올려놓고, 설계가 바뀌면 시뮬레이션도 곧바로 따라 움직이게 만들었다. 궁극적으로 4시간에서 4초까지 줄이는 데가 AI의 영역이다.
다쏘는 전 세계 1,600명의 SIMULIA 인력 가운데 절반가량을 R&D에, 그중 약 400명을 Abaqus, PowerFLOW, CST Studio Suite, Simpack 같은 솔버 개발에 투입한다. 이 솔버들을 GPU에서 3배에서 최대 25배까지 빠르게 돌리는 작업을 NVIDIA와 협력해 진행 중이다. 이 NVIDIA와의 협력은 크게 두 갈래인데, 솔버를 GPU에서 더 빠르게 돌리는 일, 그리고 NVIDIA의 데이터센터 자체를 다쏘의 시뮬레이션으로 설계하는 일이다. 양사가 발표한 다섯 개 협력 분야 중 애시 CEO가 직접 관여하는 건 데이터센터 개발과 피지컬 AI의 산업 적용 두 가지다.
“MODSIM은 AI를 쓰기 위한 첫 번째 단계입니다.”
4초라는 시간은 그 앞의 단계가 갖춰지지 않으면 의미를 가질 수 없다. 솔버를 빠르게 만들고, 그 위에 MODSIM으로 설계와 해석을 연결하고, 그런 다음 AI를 올린다. 그리고 그 위에 다시 올라가는 게 데이터센터 설계와 산업용 에이전트 플랫폼이다.
SIMULIA User Day의 전체 순서가 이랬다.

왜 MODSIM인가

“수행한 작업의 대부분은 파일을 이리저리 전달하고 변환하는 과정에서 사라집니다.”
폴리도로 본부장이 기존 모델링-시뮬레이션 프로세스를 설명하며 한 말이다. 설계자는 형상을 만들고 그 파일을 해석 엔지니어에게 넘긴다. 해석 엔지니어는 메시를 만들어 솔버를 돌린다. 설계가 바뀌면 이 과정을 처음부터 다시 시작해야 한다. MODSIM은 이 선형 구조를 순환형으로 바꾼다. 설계와 시뮬레이션이 같은 데이터 위에서 동시에 진행된다.
MODSIM이 통합하는 영역은 구조 해석 하나가 아니다. 구조(Structures), 유체(Fluids), 모션(Motion), 진동·음향(Vibro-acoustics), 전자기(Electromagnetics)까지 다섯 갈래의 물리 도메인이 하나의 객체 위에 올라간다. 이 다섯 도메인은 다쏘가 오랜 시간 사들인 솔버들의 역사이기도 하다. CST, exa, wave6, Opera 같은 이름들이 바로 다쏘가 인수해 온 회사들의 흔적이다. MODSIM은 그 레거시를 하나의 플랫폼으로 가져온 작업이다.
동일한 데이터 모델, 동일한 사용자 환경 안에서 형상을 바꾸면 해석 쪽에 알림이 가고, 몇 번의 클릭으로 결과가 다시 나온다. 폴리도로의 발표에서는 이 장면이 굴착기 시트, 로봇 팔의 전기모터, 음료수 병의 사출 성형 사례에서 반복됐다.
“이 형상에 대해 어떤 시뮬레이션이 수행됐는지 언제든 추적할 수 있습니다. 그 결과의 근거가 된 모델이 무엇인지도 역으로 따라갈 수 있습니다. 이렇게 맥락을 가진, 구조화된 데이터가 AI를 위한 출발점이 됩니다.”
음료수 병을 설계한다면, 사출 성형으로 패리슨의 두께를 최적화하고 그 결과를 그대로 압착·낙하 시뮬레이션에 연결한다. 이 전체 과정을 템플릿으로 묶으면, 스크립트나 복잡한 코딩 없이 전문가가 아니어도 웹 화면에서 몇 개의 파라미터만 조정해 같은 분석을 반복할 수 있다.
기술 이야기는 여기까지다. 문제는 이 기술이 회사 안으로 들어갈 때 무엇이 어떻게 다르냐는 것이다.

AI보다 먼저 바뀌는 것

산업 전체로 보면 변화의 속도는 가팔랐다. 1년 전만 해도 제조·기계 분야에서 AI를 전혀 사용하지 않는다는 응답은 91%였다. 그런데 1년 만에 그 비율은 55%로 줄었고, 제조업의 Agentic AI 도입률은 6%에서 24%로 네 배가 됐다. AI는 더 이상 실험 단계의 기술이 아니다. 실제 업무 안으로 들어오기 시작했다.
기계공학 직군의 GDPval 점수도 같은 방향을 가리킨다. 산업 전문가와 동등한 수준을 50점으로 놓을 때, 작년 이맘때 25.3점이었던 점수는 20개월 만에 49.5점이 됐다. 전문가 수준에 거의 도달한 셈이다.
그런데 LG전자 김용연 연구위원이 본 문제는 다른 곳에 있다.
“대부분의 CAE 엔지니어들은 회사에서 큰 힘을 발휘할 수 있는 곳에 없습니다. 데이터를 가장 먼저 들여다보는 사람들이 그 데이터로 회사를 움직이는 위치에는 있지 못합니다.”
김 연구위원에 따르면, 제품 하나를 개발할 때 거치는 업무는 22종, 상세 업무로는 약 440개다. 그런데 그중 34%는 문서 작업과 보고서에 잠식돼 있다. 산업 전체의 AI는 전문가 수준에 가까워지고 있는데, 실제 조직은 여전히 데이터를 전달하고 정리하는 일에 많은 시간을 쓰고 있다.
그래서 김 위원의 해법 순서는 도구가 아니라 데이터에서 시작됐다. 설계 지식의 데이터 맵을 구축하고, 부서 사이에 끊어진 디지털 스레드를 연결한다. AX를 DX화하고, DX를 CX화한다. 그리고 사내 데이터 연결에서 멈추지 않고, 고객과 협력사까지 같은 디지털 스레드 안으로 끌어들인다.
“물리성. 사람의 손에 닿는 영역은 아직도 기계공학 엔지니어들이 분명히 필요한 분야입니다.”
도구보다 데이터, 데이터보다 연결이 먼저다. 이것은 폴리도로가 “맥락을 가진 구조화된 데이터가 AI의 출발점”이라고 한 것과 같다. 그런 맥락을 만드는 일이 모든 곳에서 여전히 진행 중이다.

신뢰는 구조에서 나온다

AI가 엔지니어링에 들어올 때 가장 먼저 나오는 질문은 성능이 아니다. 결과를 믿을 수 있는가, 이 설계가 어디서 왔고, 어떤 해석을 거쳤고, 누가 바꿨으며, 어떤 근거로 최종안이 됐는가다. 애시 CEO가 IP 보호를 묻는 질문에 가장 먼저 추적성을 꺼낸 이유도 그랬다.
“저희는 CAD부터 다양한 시뮬레이션 작업, MODSIM을 통한 변경 사항, 그리고 최종적으로 검증된 제품까지 그 전체를 추적할 수 있습니다.”
이것은 단순한 데이터 관리 설명이 아니다. 제품이 만들어지는 과정 전체를 거꾸로 따라갈 수 있어야 AI의 답도 신뢰할 수 있다는 뜻이다. 최종 검증까지 가지 못한 설계, 시도됐다가 폐기된 부품, 중간에 바뀐 파라미터까지 시스템 안에 흔적으로 남는다. 그래야 인증과 검증, 감사가 가능해진다.
권한도 같은 문제다. 애시는 데이터를 세 영역으로 나눠 설명했다. 누구나 접근할 수 있는 정보, 다쏘의 산업 지식과 노하우, 그리고 고객의 IP다. 에이전트형 AI가 작업할 때 중요한 것은 단순히 얼마나 많은 데이터에 접근하느냐가 아니라, 누가 어떤 데이터에 접근할 수 있는지를 명확히 정하는 일이다. 같은 회사 안에서도 어떤 사용자는 특정 정보에 접근할 수 있고, 다른 사용자는 접근할 수 없어야 한다. 다쏘가 말하는 주권 클라우드와 AI 데이터 거버넌스는 이 경계를 관리하는 구조다. AI를 현장에 들여오기 위해서는, 먼저 AI가 어디까지 알고 어디까지 행동할 수 있는지를 정해야 한다.
추적 가능한 데이터가 실제로 어떤 모습인지는 이날 데모에서도 확인할 수 있었다. F1 차량이 실제 크기로 가상 공간에 떠올랐고, 그 위로 공기의 흐름과 압력이 색으로 입혀졌다. 중요한 것은 시각화 자체가 아니었다. 화면을 채운 데이터가 CAD에서 시작해 MODSIM을 거쳐 생성된 해석 결과라는 점이다. 설계와 해석, 변경 이력이 같은 맥락 안에서 연결돼 있었기 때문에 가능한 장면이었다.
LG전자의 발표 역시 다른 말로 같은 문제를 이야기하고 있었다. 요구사항, 설계, 검증, 대응으로 이어지는 단계마다 데이터가 끊기고, 그 결과가 다음 의사결정으로 이어지는 데 시간이 걸린다. 김 위원은 이를 ‘단절된 디지털 스레드’라고 불렀다. 다쏘가 추적성과 신뢰를 이야기했다면, LG전자는 연결되지 않은 데이터가 조직 안에서 어떤 비용을 만드는지를 보여준 셈이다.

전문가는 사라지지 않는다

동료(Companion). SIMULIA User Day 내내 반복된 단어다.
다쏘는 AURA, LEO, MARIE를 Assistant나 Agent가 아니라, Virtual Companion이라 불렀다. AURA는 ‘The Business Expert’, LEO는 ‘The Engineer’, MARIE는 ‘The Scientist’였다. LEO는 레오나르도 다빈치, MARIE는 마리 퀴리에서 이름을 가져왔다. AURA는 사람이 아니라 AI 에이전트들이 스스로 지은 이름으로 ‘Assisting You to Realise your Ambitions’의 줄임말이다. 말 그대로 또 다른 동료이기 때문이다.
이 동료가 할 수 있는 일의 범위는 분명히 그어져 있다.
“비전문가의 활용은, 상대적으로 위험이 낮은 영역에 머물 거라고 봅니다. 설계 단계에서 물리적 거동을 점검하고 설계를 조정하는 것, 그 정도죠. 최종 검증, 안전 요건과 인증 요건을 점검하는 단계는 여전히 전문가의 몫입니다. 어떤 정부나 신중한 기업도 그 부분을 당분간 바꾸지는 않을 거예요.” 애시 CEO가 말했다.
전문가의 역할은 사라지는 게 아니라 옮겨진다. 직접 모든 작업을 수행하는 사람에서, 비전문가가 쓸 워크플로와 가드레일을 설계하는 사람으로 바뀐다. 도구가 허용된 범위 안에서 쓰이고 있는지 점검하고, 마지막 검증을 책임지는 역할이다. 애시는 그녀의 배경에서 광산의 대형 트럭을 예로 들었다. 운전은 이미 자동화됐지만, 사람의 판단이 사라진 것은 아니다. 자동화된 운행도 여전히 사람이 정한 한계와 절차 안에서 움직인다.
이런 역할 이동은 워크플로 자체의 재설계를 동반한다. 다쏘의 한 고객사는 처음 5개 워크플로에서 시작했지만 이후 52개를 추가로 찾아냈고, 지금은 57개를 다시 설계하고 있다. 이건 워크플로가 잘못된 게 아니라, 과거의 맥락에선 충분히 최적화돼 있었지만 새 기술 위에서는 최적화 자체가 다시 설계돼야 했던 것이다.
Agent는 대신 행동한다. Companion은 함께 행동한다.
이날 AI가 가장 마지막에 있던 이유는, MODSIM, 데이터, 추적성 등은 모두 AI가 혼자 할 수 없는 것이기 때문이다. MODSIM 없이는 4시간이 없고, 데이터 없이는 추적성이 없고, 사람 없이는 검증과 통제가 불가능하다.

Beginning Model

모두가 산업용 파운데이션 모델을 이야기하는 시대다. 시간이 지나면 모델 자체는 서로 닮아갈 수 있다. 애시 CEO도 이를 ‘Beginning Model’이라고 불렀다. 차이는 모델 그 자체가 아니라, 그 위에 무엇을 쌓느냐에서 생긴다.
다쏘가 반복해 말한 것도 AI 모델이 아니다. CAD에서 시뮬레이션, 제조, 데이터 관리, 공급망까지 이어지는 하나의 플랫폼이다. 제품을 만들기 전에 가상에서 먼저 만들고, 떨어뜨리고, 조립하고, 다시 쓰는 전 과정을 연결하는 방식이다. LG전자는 그 비전이 한 회사의 연구소 안으로 들어갔을 때의 모습이었다. 수많은 업무를 분해하고, 단절된 디지털 스레드를 찾아내고, 검증 단계에 몰려 있던 리소스를 설계 초기로 앞당기는 일.
SIMULIA User Day에서 AI는 새로운 기능으로 등장하지 않았다. AI가 제대로 동작하기 위해 엔지니어링이 먼저 어떻게 바뀌어야 하는지를 보여주는 마지막 단계로 말해졌다.

The Core Driver Accelerating the SDV Era: KD Sets the Standard for Next-Generation Autonomous Driving and Infotainment with Automotive Optical Multi-giga Technology

by KD — 2026-06-10 11:38:49+0900

SDV 시대를 앞당기는 핵심 동력: KD, 차량용 ‘Optical Multi-giga Technology’로 차세대 자율주행 및 인포테인먼트 표준 제시

글 | KD — 2026-06-10 11:19:20+0900

KD의 차량용 광학 네트워크 아키텍처 개념도. 도메인 컨트롤러를 중심으로 IO Zone Concentrator, 센서, 액추에이터, ADAS 시스템이 연결되며, 각 데이터 링크는 트랜시버-커넥터-광섬유-커넥터-트랜시버의 3요소 구조로 구성된다.

IN ENGLISH

◼︎배경: 레거시 카퍼(Copper) 케이블의 한계와 마주한 완성차 업계

수십 년 동안 구리 트랜시버는 저비용과 높은 견고성의 균형 덕분에 자동차 네트워크의 표준으로 자리 잡아왔다. 그러나 이런 유형의 트랜시버는 차폐 연선(shielded twisted pair) 환경에서 최대 10Gb/s까지만 구현할 수 있기 때문에 물리적 한계에 도달하고 있는 반면, 첨단 운전자 지원 시스템(ADAS), 자율주행, 통합 커넥티비티의 대역폭 수요는 10Gb/s를 훨씬 초과하는 속도를 요구하고 있다. 이런 속도 이상에서는 구리가 전송 거리, 간섭 취약성, 에너지 소비 측면에서 상당한 제약을 받게 될 수밖에 없다. 특히 전기차의 경우 이런 한계는 더욱 치명적이며, 에너지 효율과 차량 주행거리는 배선 하니스의 무게와 상호 연결에 소비되는 전력의 영향을 직접적으로 받게 된다.
자율주행 레벨 3 이상 고도화와 고해상도 IVI 시스템의 확대로 차내 데이터 트래픽이 기하급수적으로 증가에 따라, 기존 구리선(Copper) 기반 멀티기가비트 이더넷은 늘어나는 대역폭을 감당하기 위해 케이블이 두꺼워져 차량 무게를 증가시킬 뿐만 아니라, 가혹한 차량 환경에서 발생하는 전자파 간섭(EMI) 및 전자파 적합성(EMC) 이슈를 해결하기 위해 막대한 차폐 비용의 요구 및 향후 추가적인 속도 증가에 어려움이 예상된다.

◼︎기술 혁신: KD의 Optical Multi-giga Technology

전기전자공학회(IEEE)와 업계 전문가들의 추정에 따르면, 고도 자율주행 기능을 갖춘 차량은 센서의 수와 종류에 따라 150Gb/s 이상의 원시(raw) 실시간 데이터를 생성할 수 있다. 이런 아키텍처는 이미 2030년까지 최대 25Gb/s, 이후에는 50Gb/s 수준의 속도를 처리할 수 있는 내부 통신 링크를 요구하고 있으며, 이는 현재 구리 기반 기술의 한계(연선 기준 최대 약 10Gb/s)를 초과하는 수준이다.
이런 기술 및 시장흐름에 따라, KD는 전자, 광학, 기계 기술을 하나의 장치에 깊이 통합한 솔루션을 개발했으며, 이를 통해 구리 기반 솔루션과 유사하거나 그보다 더 낮은 비용을 달성했다. KD가 선보이는 ‘차량용 광학 멀티기가비트 기술(Optical Multi-giga Technology)’은 이런 글로벌 OEM 및 티어 1의 고충을 근본적으로 해결하는 광학기반 차세대 네트워킹 솔루션이다.
광섬유(Glass Optical Fiber)를 매체로 사용하는 이 기술은 초당 수십 기가비트(Gbps)의 대역폭을 안정적으로 전송하면서도, 자동차 엔지니어들이 가장 까다롭게 여기는 물리적·환경적 제약을 완벽히 극복했으며, 다음과 같은 주요 핵심기술 특징을 보여준다.

구리 케이블(SDP1)의 주파수 대역별 신호 감쇠 특성과 광섬유(OM3)의 비교 그래프. 구리는 고주파 구간에서 감쇠가 급격히 증가하고 노화(aging) 후 신호 품질이 저하되는 반면, 광 트랜시버는 감쇠 보상 회로가 불필요해 실리콘 면적 축소, 저지연, 저전력 소비, 원가 절감이 가능하다.

1. Multi-Gbps 초고속 데이터 전송 - 고해상도 카메라 및 센서 환경에서 요구되는 대용량 데이터를 안정적으로 처리할 수 있도록 Multi-Gbps급 전송 성능을 지원하며, 이는 ADAS 및 Autonomous Driving 시스템에서 요구되는 실시간 데이터 처리 환경에 적합하다
2. Lower weight - Increased overall fuel efficiency, especially in EV 광 케이블 기반 구조는 기존 Copper 하네스 대비 경량화에 유리하다. 이는 전기차 효율 향상과 차량 설계 최적화 측면에서도 중요한 장점으로 작용한다.
3. Security proved - Not easy hackable로 강화되는 Automotive Security와 함께 보조를 맞춘다
4. EMC-free - 광통신은 전자파 간섭에 매우 강한 특성을 가진다. Optical Multi-giga Technology는 고전압 기반 전기차 환경에서도 안정적인 데이터 전송 품질을 유지할 수 있으며, EMC 대응 부담을 줄일 수 있다.
5. Galvanic Isolation – 광케이블로 연결되는 양단을 절연시키는 효과로인해, 예상치 못한 Surge나 전기적 이상신호의 전달을 원천적으로 봉쇄한다
6. Small bending radius. – GOF 광케이블은 접히는 반경에 제한이 없으며, 그 Bending 횟수도 구리 대비 월등히 크다
7. IEEE 802.3cz standard compliant. – Global Standard로 누구에게나 열린 그리고 안정적인 표준화
8. Longer range - 차량 내 중앙집중형 아키텍처 및 Zonal Architecture 확대에 따라 장거리 데이터 전송 요구가 증가하고 있다. Optic은 Up to 40 meters with 4 inline connectors을 제공한다
9. 확장성 - Same Harness up to 100 Gb/s.

KD 광섬유 케이블의 극소 굽힘 반경 시연. 구리 동축 케이블로는 불가능한 수준의 굴곡이 신호 손실 없이 구현되며, 반복 굽힘 횟수에서도 구리 대비 압도적인 내구성을 보인다(좌).
KD 차량용 광학 커넥터 3D 렌더링. 듀플렉스(2채널) 구조로 설계된 이 커넥터는 차량 환경의 진동, 온습도 가혹 조건에 대응하며, 기존 차량 네트워킹 아키텍처와의 호환성을 고려한 인터페이스를 채택하고 있다(중).
KD 차량용 광학 트랜시버 핵심 광학 엔진 클로즈업. 전자·광학·기계 기술이 하나의 패키지에 집적된 이 모듈은 구리 기반 솔루션과 유사하거나 낮은 원가로 멀티기가비트급 차량 광통신을 실현하는 핵심 소자다(우).

[KD 핵심 기술 사양]
- 물리 계층 대역폭: 최소 10Gbps ~ 최대 50Gbps+ 100Gbps 확장 가능
- 전자파 노이즈: EMI / EMC 무결성 (Zero EMI)
- 중량 절감 효과: 기존 카퍼 동축 케이블 대비 최대 60% 경량화
- Supported max channel length: >40m for at least up to 50Gbps
- Latency: 10BASE-AU 1.1㎲ / 25BASE-AU 0.45㎲ / 50BASE-AU 0.23㎲

광케이블의 물리적 특성이 자동차 네트워크에 제공하는 가치 매핑. 경량·소형·내구성은 하네스 설계 유연성으로,
고대역폭은 200Gbps급 미래 대응 능력으로, EMI/EMS 강건성은 개발 비용 절감으로,
비전도성은 접지 및 화재 리스크 제거로, 지속가능성은 탄소발자국 6분의 1 수준으로 이어진다.

◼B2B 핵심가치(Why Optics?)

1. 엔지니어가 신뢰하는 '물리적 완벽성(Perfect EMC Free)’
광학 기술은 신호 전송 과정에서 전자파를 유도하거나 받지 않는다. 고전압 배터리와 인버터 주변을 통과하더라도 신호 왜곡이나 패킷 손실이 전혀 없어, 하드웨어 설계 엔지니어들은 EMC 필터 및 차폐 스크린 설계에 소요되는 개발 기간(Time-to-Market)을 획기적으로 단축할 수 있다.

2. 의사결정권자가 확신하는 '비즈니스 경제성(TCO 절감 및 경량화)’
차량 경량화는 전기차(EV)의 주행거리 연장과 직결된다. KD의 광 케이블 하네스는 기존 와이어링 하네스 대비 최대 60% 이상 가볍고 유연해 차량 조립 공정을 단순화할 뿐만 아니라, 보다 경쟁력 있는 가격의 배경이 된다. 아울러 가파르게 상승하는 원자재(구리) 리스크로부터 자유로워 장기적인 총소유비용(TCO) 절감과 공급망 안정성을 보장한다.

3. 글로벌 표준 및 검증된 신뢰성(Automotive Reliability)
차량용 컴포넌트가 갖춰야 할 가혹한 내구성을 충족한다. 고온·다습·진동 등 차량 고유의 내부 환경 신뢰성 평가를 통과했으며, 글로벌 표준 기구인 IEEE의 차량용 광학 규격을 준수해 기존 차량 네트워킹 아키텍처와의 매끄러운 호환성을 자랑한다.

KD 광학 멀티기가비트 시스템 검증 테스트베드.
다수의 광 트랜시버 모듈과 케이블로 구성된 이 환경에서 IEEE 802.3cz 규격 적합성, 장거리 전송 성능, 차량 환경 내구성 등 핵심 신뢰성 항목이 검증된다.

◼결론: 미래 모빌리티 아키텍처의 필수 선택

자동차 산업은 이제 단순한 전기·전자 시스템을 넘어 데이터 중심 플랫폼으로 진화하고 있다. 차량 내 데이터 트래픽이 지속적으로 증가하는 상황에서 기존 네트워크 구조만으로는 미래 요구사항을 만족시키기 어렵다.
이에 광 기반 초고속 네트워크는 이런 한계를 극복할 수 있는 유력한 대안으로 주목받고 있으며, 주요 글로벌 OEM 및 티어 1들에게서 SDV 및 자율주행 시대의 핵심 인프라로 자리잡고 있다.
KD는 Optical Multi-giga Technology는 단순히 데이터 전송 속도를 높이는 것을 넘어, 완성차 업체가 복잡한 SDV 아키텍처를 가장 안전하고 경제적으로 구현할 수 있도록 돕는 엔지니어링 솔루션 제공자가 될 것이다.

SDV 시대, 구리가 넘지 못하는 속도와 거리의 벽

Will Cars Become Data Centers?

한상민 기자_han@autoelectronics.co.kr — 2026-06-10 10:55:13+0900

SDV 시대, 구리가 넘지 못하는 속도와 거리의 벽

한상민 기자_han@autoelectronics.co.kr — 2026-06-10 10:46:04+0900

INTERVIEW
카를로스 파르도
Carlos Pardo, CEO of KD

SDV와 자율주행의 확산으로 차량 내 데이터 트래픽이 폭발적으로 증가하면서 수십 년간 자동차 네트워크를 지배해온 구리 기반 통신이 속도와 거리라는 물리적 한계에 부딪히고 있다. 스페인 광통신 전문기업 KD는 IEEE 802.3cz 표준을 주도하며 차량용 광통신 에코시스템을 구축해왔고, 현재 미국·유럽·중국에서 8개의 디자인 윈과 40여 개 OEM의 평가를 이끌어내고 있다. 구리에서 광으로의 전환은 먼 미래의 이야기가 아니라 이미 진행 중인 현실이라고 Carlos Pardo CEO는 말한다. AEM이 그를 만났다.

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

IN ENGLISH

연결기사: SDV 시대를 앞당기는 핵심 동력: KD, 차량용 ‘Optical Multi-giga Technology’로 차세대 자율주행 및 인포테인먼트 표준 제시

카메라 16개, 그 데이터를 구리가 감당할 수 있는가

최근 자동차 산업이 SDV로 급격히 진화하고 있습니다. 이에 따라 차내 '네트워크 대역폭'의 한계가 심각한 문제로 떠오르고 있지요?
Pardo 산업 자체가 SDV를 넘어 이제는 '데이터 구동형 차량(data-driven vehicle)'으로 진화하고 있다고 봅니다. ADAS 시스템이 요구하는 방향과 같은 것이죠. 최신 차량을 보면 카메라만 최대 16개가 탑재되고, 라이다와 레이다도 함께 들어갑니다. 그리고 이 센서들의 해상도와 속도는 계속 높아지고 있습니다. 차량 안에서 이 모든 데이터가 이동하려면 매우 높은 전송 속도가 필요합니다. 이게 비트레이트가 급격히 증가하는 핵심 이유이고, 결국 차량 네트워크 아키텍처 전체를 새로 정의해야 하는 상황으로 이어지고 있습니다.

기존의 구리 케이블 기반 통신 기술이 가진 한계는 무엇이며, 왜 지금 광학(Optical) 기술이 그 대안으로 주목받아야 합니까?
Pardo 구리의 한계를 이해하는 가장 쉬운 방법은 데이터센터를 보는 것입니다. 데이터센터에서 구리에서 광으로 전환을 강제하는 요인이 두 가지 있는데, 하나는 속도이고 하나는 거리입니다. 구리는 케이블의 주파수 응답 특성상 속도에 한계가 있고, 속도가 높아질수록 커버할 수 있는 거리가 짧아집니다. 반면 광통신은 40미터, 300미터도 처리할 수 있습니다. 그 외에도 고속에서 구리를 사용하면 EMC(전자파 적합성) 규제를 맞추는 것이 매우 복잡해진다는 문제도 있습니다.

자동차는 왜 광통신으로 가야 하는가

처음부터 자동차를 위해 설계된 광통신

KD가 개발한 'Optical Multi-giga Technology'의 핵심 기술적 메커니즘과 타사 대비 가장 차별화된 경쟁력은 무엇입니까?
Pardo 세 가지 핵심 기술을 말씀드리겠습니다. 첫 번째는 시스템 설계입니다. 지금으로부터 5~6년 전 표준화 작업을 시작할 때부터, 우리가 정의한 IEEE 표준(IEEE 802.3cz)은 자동차 환경의 온도, 습도, 진동, 먼지 등 가혹한 조건을 모두 수용할 수 있도록 설계됐습니다. 링크 버짓(link budget)을 충분히 확보하는 것이 핵심이었고, 이 통신 시스템 자체가 처음부터 자동차용으로 설계되었다는 점이 중요합니다. 두 번째는 구현 방식입니다. 트랜시버의 모든 전자 소자를 하나의 단일 패키지에 완전 통합했습니다. 일반 부품처럼 조립할 수 있는 형태입니다. 이 방식이 저비용과 높은 견고성을 동시에 실현하는 핵심입니다. 세 번째는 에코시스템입니다. 커넥터 제조사, 광섬유 공급사, 테스트 장비 업체들과 함께 우리를 중심으로 한 생태계를 구축했습니다. 구리 대비로 보면, 시스템 설계 측면에서는 훨씬 높은 속도와 긴 거리를 더 견고하게 처리할 수 있다는 것이 핵심입니다. 구현 측면에서는 모든 것을 단일 부품으로 통합하고 광섬유와 커넥터가 구리보다 훨씬 저렴하기 때문에 결과적으로 더 낮은 원가를 실현합니다. 에코시스템은 다른 광학 경쟁사들에 대한 방어막이 됩니다. 주요 광섬유 제조사와 커넥터 제조사들이 이미 우리와 함께하고 있기 때문입니다.

차량용 부품은 진동, 극한의 온·습도 등 매우 까다로운 신뢰성 기준을 요구합니다. 광케이블의 특성상 취약할 수 있는 '내구성' 문제를 KD는 어떤 혁신 기술로 극복하셨나요?
Pardo 광통신이 매우 취약하다는 인식이 있는데, 이건 광섬유 그 자체만 봤을 때의 이야기입니다. 가느다란 섬유 하나만 있으면 쉽게 부러지겠죠. 하지만 자동차용으로 설계된 케이블은 외부 보호 재킷이 있어서 매우 강합니다. 실제로 부러뜨리려 해도 부러지지 않을 정도입니다. 오히려 구리보다 내구성이 뛰어납니다. 구리 케이블은 여러 번 구부리면 결국 끊어지지만, 광섬유는 수백만 번 구부려도 끊어지지 않습니다. 시스템 설계 측면에서는 데이터센터와 비교해 자동차용으로 두세 배 더 넉넉한 광학 링크 버짓을 확보했습니다. 거리가 더 짧음에도 불구하고 그렇게 한 이유는, 제품 수명 동안 플라스틱의 열화나 커넥터 정렬 오차 등으로 인한 성능 저하를 모두 흡수할 수 있도록 하기 위해서입니다. 광통신에서 가장 취약한 부분이라 할 수 있는 레이저도, 처음 설계 단계부터 영하 40도에서 125도까지의 온도 범위와 15년 수명, 열 사이클에 따른 기계적 스트레스를 모두 검증하도록 설계했습니다. 솔직히 말씀드리면, 지금 우리 솔루션이 구리보다 더 견고하다고 생각합니다.

카메라와 센서 수 증가에 따라 차량 내 데이터 트래픽이 급증하면서, 자동차 이더넷 역시 구리에서 광으로의 전환 가능성이 논의되고 있다.

구리보다 20% 싸고, EMC 걱정도 없다

글로벌 OEM이나 티어 1이 KD의 기술을 도입했을 때 얻을 수 있는 구체적인 비용 절감 및 경제적 이점은 무엇입니까?
Pardo   네 가지 사례를 말씀드리겠습니다. 첫째, 링크 단가입니다. 트랜시버, 커넥터, 광섬유를 포함해 구리와 1대1로 비교해 보면, 우리가 달성한 통합 방식 덕분에 일반적으로 약 20% 저렴합니다. 둘째, EMC 설계 비용 절감입니다. 광통신은 EMC 문제가 없습니다. 지금 고속 케이블을 설계할 때는 특별한 배선 경로를 잡아야 하고, 페라이트 코어 같은 부품도 추가해야 합니다. 꽤 복잡한 엔지니어링 작업인데, 광통신에서는 이런 작업이 전혀 필요 없습니다. 셋째, 트래픽 통합입니다. 차량 한쪽에 카메라가 두 대 있다고 가정해 보겠습니다. 구리를 쓰면 카메라마다 케이블 한 가닥씩 필요합니다. 광통신을 쓰면 두 카메라의 트래픽을 하나로 묶어서 단일 링크로 보낼 수 있습니다. 네트워크 아키텍처가 훨씬 단순해지는 것입니다. 넷째, 미래 확장성입니다. 광통신은 1기가비트부터 100기가비트까지 커넥터와 광섬유를 그대로 쓸 수 있습니다. 구리는 속도가 올라갈수록 케이블 규격이 달라지고 25기가, 100기가에서는 병렬 레인과 다른 커넥터가 필요해 점점 복잡해집니다. 광통신은 커넥터도, 광섬유도 모든 속도에서 동일합니다. 이것 역시 단순화이고 비용 절감입니다.

구리 기반 차량용 이더넷 생태계는 여전히 매우 강력합니다. KD는 광통신이 공존하게 될 영역과 실제로 대체하게 될 영역의 현실적 경계를 어떻게 보고 있습니까? 그 경계는 어떤 계기를 통해 이동하게 될 것이라고 예상하십니까?
Pardo   맞습니다. Marvell, Broadcom, NXP는 구리에 주력하고 있습니다. 이유가 있습니다. 그들도 미래에는 광이 필요해질 것을 알지만, 지금은 AI 관련 광학 엔지니어링에 모든 자원을 쏟아붓고 있어서 자동차용 광학에 투자할 여력이 없는 것입니다. KD는 그 공백을 파고들고 있습니다. 구리에서 광으로 전환점이 만들어지는 요인은 말씀드린 바처럼 두 가지입니다. 하나는 속도, 하나는 거리입니다. 속도는 센서의 비트레이트가 계속 높아지면서, 그리고 트래픽 통합을 하다 보면 10기가비트를 넘어 12, 25, 50기가비트로 가야 하는 상황이 옵니다. 거기서 구리의 EMC 문제와 비용이 현실적인 한계에 부딪힙니다. 거리 측면에서는, 구리는 속도가 높아질수록 커버 거리가 짧아집니다. 7미터 이상의 거리가 필요한 구간, 예를 들어 트럭이나 버스 같은 대형 차량에서는 이미 광통신이 필요한 상황입니다.

자동차 산업은 매우 보수적입니다. KD는 기술 자체보다 무엇을 먼저 설득해야 한다고 보셨습니까? 대형 파트너들이 결국 움직이게 만든 핵심 요소는 무엇이었다고 생각하십니까?
Pardo   OEM들이 보수적이라는 것에는 동의합니다. 그런데 저는 OEM을 두 부류로 봅니다. 하나는 비트레이트가 계속 높아지는 이상 언젠가는 반드시 광통신이 필요하다는 것을 이미 인식하고 미리 평가와 컨셉 개발을 시작한 곳들입니다. 실제로 광통신을 적용한 차량 개발을 이미 진행 중인 OEM들도 있습니다. 또 다른 부류는 아직 관망하면서 남이 먼저 하는 것을 지켜보는 곳들입니다. 현실을 말씀드리자면, 저희는 이미 8개의 디자인 윈(design win)을 확보했습니다. 미국, 유럽, 중국에서 이미 광통신 탑재를 결정한 차들이 있다는 뜻입니다. 새로운 미디어 도입에 따른 리스크를 줄이는 방법으로 단계적 접근을 택하는 OEM도 있습니다. 링크 하나만 먼저 적용해 1~2년 테스트해 본 뒤, 그 다음에 점차 확대하는 방식입니다. 이게 현명한 접근이라고 생각합니다. 현재 파이프라인에는 40여 개의 OEM이 평가(PoC) 또는 디자인 윈 단계에 있습니다. 대다수의 OEM이 이미 기술을 테스트하고 있고, 이건 실제로 일어나고 있는 일입니다.

MOST의 실패에서 배운 것, 개방과 통합

2010년 창업 당시 자동차용 광통신은 MOST의 단종 이후 사실상 한 번 포기된 영역처럼 보였습니다. 그 시점에 플라스틱 광섬유 기반으로 다시 시작한 이유는 무엇이었습니까?
Pardo   2010년에 창업할 때, 우리는 자동차 산업이 결국 광통신으로 가야 할 것이라는 확신이 있었습니다. 당시 MOST가 플라스틱 광섬유(POF)와 적색 LED를 쓰고 있었는데, 우리는 기존 미디어에서 최선을 끌어내자는 생각으로 시작했습니다. MOST가 150Mbps에 머물던 시절, 우리는 1기가비트 기술을 개발했습니다. 그리고 MOST보다 훨씬 강건한 솔루션을 만들었습니다. 그런데 당시 MOST가 왜 쇠락했는지 분석해 보니 두 가지 이유였습니다. 하나는 가격, 그리고 또 하나는 독점 구조였습니다. 당시 SMSC(현재 Microchip)가 주도하는 독점 생태계였기 때문에 세컨드 소스를 만들기가 매우 어려웠습니다. 그래서 우리는 처음부터 개방 표준 기반으로 설계하고, 구리보다 저렴하고 더 강건한 광학 시스템을 만들겠다는 목표를 잡았습니다. 처음부터 자체 광학 소자를 개발하고 완전 통합을 추구한 이유도 바로 그것입니다.

이 혁신적인 기술을 개발하는 과정에서 가장 큰 기술적 장벽은 무엇이었으며, 경영자로서 어떻게 돌파하셨습니까?
Pardo   기술적으로 1기가비트 개발에서 가장 어려웠던 것은 LED의 비선형성 문제였습니다. 우리가 사용하던 LED가 충분히 선형적이지 않았는데, 이 비선형성 때문에 시스템이 150Mbps 이상을 넘어가지 못하고 있었던 것입니다. 이를 해결하기 위해 새로운 수학적·알고리즘 기법을 개발해 칩 자체에서 채널의 비선형성을 보상하는 방식을 구현했습니다. 이게 1기가비트 달성의 핵심이었고, 정말 어려운 도전이었습니다. 상업적인 측면에서는 역시 보수적인 시장이 가장 큰 벽이었습니다. 신규 업체를 좋아하지 않는 산업이니까요. 신뢰할 수 있는 파트너이고 기술이 충분히 견고하다는 것을 업계에 납득시키는 과정이 매우 길었습니다. 하지만 지금은 수백만 포트를 판매했고, 1기가비트 기술 기반 차량이 이미 다수 운행 중입니다. 일관된 메시지와 표준화 주도, 그리고 긍정적인 기술 평가 결과들이 쌓이면서 가능해진 것입니다.

이미 시작된 전환, 한국만 보고 있다

차량용 통신 기술은 글로벌 표준 선점이 매우 중요합니다. 현재 KD의 표준화 참여 현황이나 인증 성과는 어떻게 됩니까?
Pardo   처음부터 표준화가 필수라고 판단했습니다. 자동차 산업은 더 이상 독점 솔루션을 선호하지 않습니다. 1기가비트와 현재의 멀티기가비트 기술 모두 IEEE와 OPEN Alliance 표준으로 만들었고, 표준화 작업을 직접 주도했습니다. ISO에서는 케이블, 커넥터, 테스트 방법 정의에도 적극 참여하고 있습니다. 우리 같은 기술 기업이 표준화에 참여하지 않으면 시장에서 팔 수 없다고 생각합니다. 그 성과가 바로 지금의 표준입니다. 표준이 공표되었고, 업계가 그 기술을 채택하는 방향으로 컨센서스가 형성되고 있습니다.

파트너십이 확대되고 있습니다. 완전한 차량용 광통신 에코시스템이 형성되기 위해 아직 가장 부족한 부분은 어디입니까?
Pardo   솔직히 에코시스템 자체는 이미 갖춰졌다고 봅니다. 우리 외에도 트랜시버 제조사들이 있고, 여러 커넥터 제조사, 광섬유 공급사, 테스트 장비 업체들도 있습니다. 마지막 남은 단계는 최종 부품 인증(qualification)입니다. 지금 케이블, 커넥터, 광섬유 커넥터 공급사들과 협력해서 최종 인증 작업을 진행 중입니다. 이 인증이 완료되면 바로 양산에 들어갈 수 있습니다. 내년 중에 완료될 계획으로 마무리 단계에 있습니다. 한국 시장에 대해 말씀드리자면, 한국에서 아쉬운 것은 커넥터나 하네스를 개발할 수 있는 국내 업체들입니다. 현재 커넥터와 광섬유 공급사들이 모두 해외 업체들입니다. 또 한국 OEM과 티어 1들이 적어도 링크 하나만이라도 테스트해 보겠다는 결정을 내리지 않고 있다는 점도 아쉽습니다. 업계가 빠르게 움직이고 있고 이런 개발들이 보안상 비공개로 진행되는 만큼, 한국이 광통신 전환에서 다소 뒤처질 수 있다는 우려가 있습니다.

중국의 광통신 채택 트렌드와 잠재적 경쟁사들은 어떤 상황입니까?
Pardo   자동차에서 광통신을 사용하는 다른 제안들이 나오고 있다는 것, 그 자체가 속도가 높아질수록 광통신이 자동차에서 필수가 된다는 우리 시각이 옳다는 것을 증명합니다. 중국이 광산업 기반이 강하고 많은 제안을 내놓고 있으며, 이 흐름을 선도하고 있다는 것은 긍정적입니다. 다만 KD가 중국에 전달하고 싶은 메시지는 이것입니다. IEEE 802.3cz 표준은 처음부터 자동차 환경에 맞게 설계된 글로벌 표준입니다. 충분한 링크 버짓, 고온 내구성, 15년 수명에 대한 신뢰성이 검증돼 있습니다. 데이터센터용 트랜시버를 그냥 가져다 쓰는 방식으로는 자동차의 요구사항을 충족하기 어렵습니다. 중국이 광통신을 채택하는 것은 환영하지만, 자동차를 위해 제대로 설계된 표준으로 가야 한다고 생각합니다.

표준은 만들어졌고 실제 레퍼런스도 등장했습니다. 차량 내 광통신이 주류 연결 기술로 자리 잡는 임계점이 언제, 어떤 계기로 올 것이라고 보십니까?
Pardo   이건 이미 일어나고 있습니다. 속도와 거리에 대한 필요가 그 동력입니다. 그런데 우리가 보는 또 다른 측면이 있습니다. OEM들이 광통신을 쓰기 시작하면, 구리보다 훨씬 강건하고 단순하고 저렴하다는 것을 직접 경험하게 됩니다. 그러면 더 낮은 속도의 링크에도 광통신을 적용하려 할 것입니다. 1기가비트부터 100기가비트까지 같은 트랜시버와 커넥터, 광섬유를 쓸 수 있으니까요. 제 생각에는 10기가와 25기가 영역에서 이미 임계점에 다가서고 있습니다. 그리고 고속 구간에서 광통신을 채택한 이후에는, 구리에서 광으로 전환한다는 심리적 장벽이 깨지기 때문에 저속 영역으로도 자연스럽게 확산될 것입니다. 시장은 더 커질 수 있습니다. 미래의 자동차는 구리 배선 덩어리가 아니라 광통신으로 연결되는 차량이 될 것입니다. 더 강건하고 가볍고 저렴한 차. 미래를 위해 제대로 준비된 차. 저는 그 변화가 자동차 산업에 그런 의미로 남기를 바랍니다.

마지막으로 한국 독자들에게 한 말씀 부탁드립니다.
Pardo   차량 내 광통신은 곧 하이테크이고, 자동차가 나아가는 방향입니다. 구리 통신에 머무는 것은 자동차가 할 수 있는 것을 스스로 제한하는 것입니다. 완전 자율주행차, 로보택시를 실현하려면, 광통신이 그것을 저비용으로 쉽게 가능하게 하는 백본입니다. 구리에 머무는 것은 자동차에 적용되는 피지컬 AI를 제한하는 것입니다. 한국은 속도를 내야 한다고 생각합니다. 중국은 물론 미국과 유럽도 광통신 채택에 빠르게 나가고 있습니다. 먼저 링크 하나만 써보시기 바랍니다. 테스트해 보시면 정말 좋다는 걸 아시게 될 겁니다. 그러면 분명히 더 많은 곳에 쓰고 싶어지실 것입니다.

Whose Experience Is It Anyway?

한상민 기자_han@autoelectronics.co.kr — 2026-06-09 13:04:55+0900

자동차 경험은 누구의 것이 되는가

한상민 기자_han@autoelectronics.co.kr — 2026-06-09 12:57:14+0900

과정은 숨고, 책임은 남는다. 우리는 AI 에이전트를 편리한 비서로 생각한다. 하지만 에이전트는 단순히 명령을 수행하는 존재가 아니라, 무엇을 보여주고, 무엇을 추천하며, 어떤 서비스를 호출할지 결정하는 존재다. 사용자는 더 적게 조작하지만, 누군가는 더 많이 결정한다. 자율주행과 ADAS에서 반복적으로 마주쳤던 것, 시스템이 결정하지만 책임은 따라가지 않는다는 것이 이제 콕핏 안에서도 나타나기 시작했다.

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

라스베가스로 가는 길, 테슬라를 타는 사람과 다른 전기차를 타는 사람의 경험은 다를 수 있다.
테슬라는 자체 Supercharger 네트워크 안에서 충전 경로를 자동으로 계획하고, 충전소 도착 전에 배터리를 미리 예열해 두며, 결제는 자동으로 처리된다. 다른 전기차를 타는 사람은 비슷한 기능을 갖춘 차에서 앱을 열고, 계정을 확인하고, 네트워크 호환 여부를 따져야 한다. 기능 차이가 아니라, 생태계 통합성의 차이다.
Auto China 2026 전시장에서도 비슷한 장면이 있었다. Xiaomi는 SU7과 YU7을 단순한 전기차로 전시하지 않았다. 차 옆에는 HyperOS, AI 음성비서, 스마트홈 연동 시나리오가 함께 있었다. 사용자가 차 안에서 새로운 시스템을 배우는 것이 아니라, 이미 쓰던 생태계가 자동차 안으로 이어진 것이다. 전시의 깊은 곳에는 자동차 자체보다도 그 자동차가 연결될 생태계가 있었다.
지금까지 차에서는 사람이 먼저 움직였다면, 이제는 시스템이 먼저 움직인다. 이 차이가 지금 자동차 산업 전체로 번지고 있다. 그리고 그 안에는 생각보다 큰 질문이 자라고 있다.
‘앞으로 자동차 경험은 누구의 것이 되는가’란.

앱은 사라지지 않는다. 보이지 않게 될 뿐

자동차 안에서 앱의 시대가 열린 것은 그리 오래된 일이 아니다.
내비게이션 앱, 음악 앱, 충전 앱, 주차 앱. 사용자는 필요한 순간마다 화면을 열고, 찾아서 실행했다. 스마트폰이 차 안에 들어온 것이다. 그런데 그 앱들은 대부분 OEM의 것이 아니었다. OEM은 화면을 제공했고, 앱은 대개 외부에서 왔다. 2014년 Apple CarPlay, 이후 Android Auto가 등장했을 때 OEM은 내비게이션, 음악, 메시징 같은 경험의 일부가 스마트폰 생태계에 의해 결정될 수 있다는 것을 이미 알고 있었지만, 대부분 받아들였다. 소비자가 원했기 때문이다. 그 선택은 당시 현실 안에서 나온 판단이었다.
지금은 콕핏에 또 다른 게 올라오기 시작했다. AI 에이전트.
이 에이전트는 앱과 다르다. 앱은 사용자가 열어야 작동하지만, 에이전트는 사용자가 열기 전에 이미 판단을 한다. 목적지까지의 경로, 충전 잔량, 일정, 날씨, 이전 주행 패턴 같은 맥락을 읽고 필요한 서비스를 대신 호출한다. 사용자가 내비게이션, 충전, 음악 앱을 열지 않아도 시스템이 알아서 채워간다.
에이전트가 오면 앱은 뒤편으로 물러난다. CarPlay가 사용자가 보는 인터페이스를 바꿨다면, 에이전트는 사용자가 무엇을 선택할지를 대신 결정하기 시작한다. 이에 따라 경쟁의 양상도 달라진다. 더 좋은 앱을 만드는 싸움이 아니라, 에이전트가 판단하는 순간에 누가 선택받느냐의 싸움으로 바뀐다.

AI 시대에 헤드유닛의 핵심 과제는 기능을 늘리는 것인가, 아니면 차량과 외부 생태계 사이의 경계를 설계하는 것인가.

경계를 설계하는 자와 경계를 없애려는 자

그런데 그 선택의 기준은 누가 만드나.
최근 LG전자 Vehicle Solution은 이 질문을 정면으로 꺼냈다. 그들은 답이 기능 확장이 아니라 경계 설계라고 했다. 에어컨 제어처럼 차 안에서 즉각 처리돼야 하는 것, 음악 스트리밍처럼 클라우드와 연결돼야 하는 것, 결제나 일정 관리처럼 스마트폰 생태계와 맞물려야 하는 것, 어디까지가 차의 일이고, 어디서부터가 외부 서비스의 일인지를 정하는 것이 헤드유닛의 역할이라고 했다. AI 에이전트가 차에 들어올 때 핵심 질문은 차가 어떤 경험에 대해 책임을 져야 하는가이며, 개인화는 지속적 학습이 아니라 동의와 맥락을 중심으로 설계돼야 한다고 했다.
그러면서 비슷한 시기 LG는 또 다른 측면도 강조했다. “Google과 주요 글로벌 테크 파트너들과의 협력을 통해 차별화된 경험을 계속 제공하겠다”고.
경계를 설계해야 하면서도 플랫폼 위에 올라가야 하는 상황. LG는 Qualcomm의 Snapdragon Cockpit Elite Platform 위에서 단일 SoC로 다중 디스플레이를 동시 제어하는 솔루션을 공개했다. Google의 Android Automotive OS 기반에서 운전자 화면에는 내비게이션, 조수석에는 유튜브, 뒷좌석에는 각자 다른 컨텐츠가 동시에 흐른다.
LG는 스스로를 ‘오케스트레이터’라고 부른다. 그런데 오케스트레이터는 악보를 쓰지 않는다.
이런 구조 내에서는 역할이 나뉜다. 지도·POI·충전 추천처럼 외부 서비스 영역에서는 Google과 같은 플랫폼 사업자의 영향력이 크다. 단일 모델이 아니라 복수의 LLM이 레이어별로 혼재하는 구조도 자리를 잡아가고 있다. 또, 차내 서비스와 에이전트 판단 규칙은 OEM이 설계한다. OEM은 에이전트가 판단하기 어려운 순간, 사용자와 더 많은 소통이 필요한 순간의 기준을 직접 정한다. 그리고 LG든 Bosch든 Harman이든, 통합자는 이 OEM 룰 안에서 각자의 역할을 찾는다.
자동차의 에이전트는 스마트폰과 다르다. 임베디드와 클라우드를 동시에 요구하고, 경험·안전·정책이 한꺼번에 걸리기 때문에 단일 플레이어가 모든 것을 가져갈 수 없다. 그런데 베이징에서는 달랐다. 티어 1과 OEM이 경계를 설계하는 동안, 경계 자체를 무의미하게 만드는 움직임이 있었다.
Xiaomi는 자동차를 HyperOS 생태계의 마지막 노드로 전시했다. 사용자가 새 시스템을 배우는 것이 아니라, 이미 쓰던 생태계 안으로 차가 들어오는 것. Huawei는 한 걸음 더 나아가, 전동화 파워트레인부터 지능형 주행, 콕핏, AI 에이전트, 앱 생태계까지 한 부스에 넣었다. 아예 경계가 필요 없는 자리를 만들고 있었다. 티어 1이 경계를 설계하겠다고 할 때, 그 경계 위의 질서는 이미 다른 곳에서 만들어지고 있었다. 싸움은 누가 경계를 설계하느냐가 아니라, 누가 권한의 출처가 되느냐였다.
차량 안전, 브랜드 경험, 데이터 정책은 OEM이 쉽게 내줄 수 없는 영역이다. 데이터 주권과 프라이버시를 요구하는 서구 시장에서는 그 경계를 설계하는 능력이 오히려 진입 조건이기도 하다. 차의 상태와 맥락을 API로 열어 외부 서비스와 연결하려는 시도도 늘고 있다. 그러나 API가 열린다고 경험의 질서까지 자동으로 정리되는 것은 아니다. 문제는 연결이 아니라, 그 연결 위에서 누가 경험의 질서를 만들고 어떤 기준으로 추천을 결정하느냐다.

샤오미는 AI 모델(MiMo), 운영체제(HyperOS), 자체 SoC(XRING)를 통해 차량 경험 전반을 아우르는 생태계 구축에 나서고 있다.

과정은 숨고, 책임은 남는다

여기서 한 가지를 짚어야 한다. 자동차의 에이전트는 다르다.
임베디드와 클라우드 하이브리드로 작동해야 하고, 통신이 끊겨도 차는 달려야 하며, 안전 판단은 실시간이어야 한다. 경험, 안전, 정책의 이 세 가지가 자동차 에이전트의 결정 변수에 포함된다. 그리고 그 무게가 가장 선명하게 드러나는 것이 책임이다.
최근 특정 배달 앱에서 라이더 부족을 이유로 영업 중인 가게가 영업하지 않는 것처럼 표시되고, 실제 반경과 다르게 배달 가능 구역이 설정된다는 사실이 드러났다. 사용자는 자기가 선택한다고 생각하지만, 선택지 자체가 이미 설계된 것이다.
이런 상황이 콕핏으로 들어오면 어떻게 되겠는가. AI가 “12분 뒤 충전소가 있습니다. 들를까요?”라고 물으면 사용자는 고개를 끄덕이며 대답한다. 그런데 그 충전소가 왜 그 충전소인지 알 수가 없다. 가장 가까워서인지, 충전이 가장 빠른 곳이어서인지, 아니면 OEM과 계약된 사업자이기 때문인지. 에이전트가 대신 선택하는 프로세스에서 사용자는 결과를 경험하지만, 과정은 점점 볼 수 없게 된다. 자율주행이라면 차원이 다른 이야기다. AI가 경로를 결정하고 차가 스스로 움직이는 순간, 권한의 이동은 서비스 선택의 문제가 아니라 생사의 문제가 된다.
OEM은 차를 만들고, 티어 1은 시스템을 구현 통합하고, 빅테크는 플랫폼을 제공한다. 무언가 잘못되면 책임은 누구에게 가는가. 권한은 이동하는데, 그 권한이 어디로 갔는지에 대한 규칙은 아직 완성되지 않았다.

자동차 경험은 누구의 것인가

자동차 산업은 오랫동안 운전자의 손을 줄이는 기술을 개발해 왔다. 이제는 운전자의 선택까지 줄이기 시작했다. Auto China 2026을 취재하면서 반복적으로 마주친 미래가 콕핏 안에서도 그대로 나타나고 있었다. 시스템이 결정하지만, 책임은 따라가지 않는다.
‘우리는 더 이상 자동차를 보지 않는다’란 글을 쓴 적이 있다. 우리가 본 것은 차가 아니라, 차 안에서 흘러가는 시간이었고, 그 시간의 질이 곧 경험이었다고 했다. Xiaomi가 전시장에 HyperOS를 가져온 것도, Huawei가 생태계 전체를 한 부스에 넣은 것도 결국 그 시간을 설계하겠다는 것이다.
OEM, 티어 1, 플랫폼 기업, 생태계 기업이 동시에 그 자리를 향해 움직이고 있다. 그 판단들이 쌓이는 동안, 경험이 좋아지는 것과 그 경험을 대신 선택하는 권한이 이동하는 것이 동시에 일어나고 있다. 그리고 후자에 대한 규칙은 아직 완성되지 않았다.
자동차 경험을 대신 선택하는 권한은, 지금 누구의 것인가.

국내 최대 미래차 기술 컨퍼런스 AID 2026, 7월 1일 개최

박종서 기자_fop1212@autoelectronics.co.kr — 2026-06-04 11:25:38+0900

AI가 자동차를 재정의한다 IN ENGLISH

자동차 산업이 소프트웨어 정의 자동차(SDV)를 넘어 AI가 차량의 기능과 경험을 직접 정의하는 ‘AI-Defined Vehicle(AIDV)’ 시대로 진입하고 있다. 코드가 곧 차량이 되는 이 전환의 속도는 OEM부터 티어 1, 반도체·소프트웨어 기업까지 산업 전 계층의 구조적 대응을 요구하고 있다.
이런 변화의 중심에서, AEM(Automotive Electronics Magazine)이 주최하는 국내 최대 미래차 기술 컨퍼런스 ‘Automotive Innovation Day 2026(AID 2026)’이 오는 7월 1일 수원컨벤션센터에서 개최된다.

올해로 15회를 맞는 AID는 역대 최대 규모인 참가자 1,000명 이상, 연사 40명 이상, 전시기업 40개 이상을 기록하며, 자동차 소프트웨어 기술과 AI 융합의 현주소를 국내에서 가장 넓고 깊게 조망하는 플랫폼으로 자리매김한다. AID 2026은 단순히 개별 기술을 나열하는 행사가 아니다. 차량 소프트웨어 아키텍처, AI, 자율주행, 사이버보안, 차량 네트워킹, 전동화에 이르기까지 자동차를 구성하는 모든 기술 레이어를 하나의 행사 안에서 연결해 산업의 실제 전환 방향을 보여주는 것이 목표다.

기조연설: 글로벌 전문가 5인의 시각

올해 기조연설에는 자동차 소프트웨어 아키텍처, AI 안전성, 사이버보안, 전동화 분야의 글로벌 전문가들이 참여해 AIDV 전환의 핵심 의제를 짚는다.

Dr. Detlef Zerfowski | 부사장(VP Engineering Excellence), ETAS
“Software Defined Vehicle - 40 middleware are too many”
Bosch와 ETAS에서 25년 이상 자동차 소프트웨어 전략을 이끌어 온 제르포프스키 박사는 OEM이 독자 미들웨어에서 오픈소스 협업 모델로 전환하는 흐름, Eclipse S-Core 프로젝트, 그리고 AI 기반 개발 툴체인의 방향성을 공유한다. 독자 솔루션의 확장성 한계를 인정한 산업이 어떤 구조적 선택을 해야 하는지를 정면으로 다룬다.

Dr. Stefan Poledna | Founder & CTO, TrustMotion
“Safety & Determinism as the Foundation of Physical AI in Mobility and Robotics”
TrustMotion의 창립자이자 CTO인 Dr. Stefan Poledna는 모빌리티와 로보틱스 영역에서 Physical AI를 구현하기 위해 필요한 안전성, 결정론적 시스템 아키텍처, 미들웨어 플랫폼의 역할을 설명할 예정이다.

김의석(Eui-seok Kim) | Global CTO, AutoCrypt
Arvind Murthy | CCO, Elektrobit

“Harmonization of Cybersecurity and Safety in the SDV Era”
자율주행 및 자동차 사이버보안 분야의 국내 대표 전문가인 김의석 CTO는 확장되는 SDV 공격 표면에 대응하기 위한 사이버보안과 기능안전성의 조화, UNECE R155·R156 등 글로벌 규제 대응 전략을 다룬다.

전병욱(Byeongwook Jeon) | AI·자율주행기술연구소장, 한국자동차연구원(KATECH)
“Toward the AIDV Era Beyond SDV”
현대자동차 리서치 펠로우, MIT-HMC 임베디드 Physical AI Lab 창립 책임자를 거쳐 2026년 3월부터 KATECH AI·자율주행기술연구소를 이끌고 있는 전병욱 소장은 On-Device Physical AI와 세계 모델 기반 자율주행 아키텍처를 통해 SDV를 넘어 AIDV로 가는 경로를 제시한다.

이철희(Chulhee Lee) | Eclipse Pullpiri & Timpani 프로젝트 리드, LG전자
“Eclipse SDV 오픈소스 생태계 현황과 전망(TBD)”
LG전자 이철희 책임연구원은 Eclipse SDV를 대표해 발표에 나선다. Eclipse Foundation 산하 Eclipse SDV는 글로벌 OEM, 티어 1, 소프트웨어 기업들이 참여하는 대표적인 차량용 오픈소스 협력 프로젝트로, 이번 세션에서는 Pullpiri와 Timpani 프로젝트를 중심으로 오픈소스 기반 SDV 생태계의 현황과 전망을 공유할 예정이다.

특별 발표: 산업 구조와 시장을 읽는 시각

기조연설 외에도 세 명의 전문가가 산업 맥락을 제시하는 특별 발표를 진행한다.

이항구 박사 | 교수, 평택대학교
“글로벌 EV 산업 현황과 전망”

차재오 | 상무(Global Software Dept.), 한온시스템
“AD·SDV 환경에서 열관리 시스템의 가치 창출”

박철완 박사 | 스마트모빌리티학부 교수, 서정대학교
“그린카 콘서트를 넘어서: 어떤 EV와 배터리가 살아남는가”

Jeff Walker / Chief Commercial Officer, SDVerse
Inside the OEM Boardroom: How the World’s Leading Automakers Are Approaching the SDV

6개 트랙, 40명 이상의 연사

AID 2026은 오전 9시부터 오후 5시 20분까지 6개 병렬 트랙으로 운영된다. SDV 트랙 3개(1A·1B·1C), 자율주행·AI 트랙 2개(2A·2B), 전동화·에너지 트랙 1개(3)로 구성되며, 각 트랙은 참여자의 역할과 관심 분야에 맞게 깊이 있는 기술 세션을 제공한다.

Track 1A·1B·1C - SDV & Digital Experience
차량 소프트웨어 아키텍처, 미들웨어, OTA, 디지털 트윈, DevOps, UX/HMI, 차량 OS 및 라이프사이클 관리를 다룬다.
주요 발표 세션은 다음과 같다.

Seon ENS 신승환 이사 - AI가 코드를 작성할 때, 증거의 주인은 누구인가: ASPICE 워크 재고
VWAY 김인택 이사 - ASPICE 4.0을 위한 AI 기반 요구사항 검증과 품질
ETAS Korea 최규해 이사 - 자동차 사이버보안 자동화: AI 기반 온톨로지 모델
MDS Intelligence 김진광 - 요구사항에서 구현까지 SW 컴포넌트 의존성 정형화
AutoCrypt 심상규 부사장 - SDV 플랫폼의 사이버보안 전략
PopcornSAR 채승엽 대표 - SDV를 위한 AI 기반 자동화(Agentic AI 적용 사례)

Vector Korea 황재영 수석 - 10BASE-T1S 통신과 Zenoh-Pico
Techways 이민형 매니저 - Zonal Architecture 검증: 10BASE-T1S 활용
A2MAC1 김광남 - 기능 규모 기반 소프트웨어 비용 추정
IAV GmbH Jan Weber - SDV 아키텍처 마스터링: UBER-X 원칙의 실현
MDS Intelligence 여동근 팀장 - SDV 시대의 실시간 아키텍처: Roundtrip Engineering
Green Hills Software 전병민 FAE - Mixed-Criticality Systems 구축의 도전

FESCARO 구성서 상무 - 감사 불 끄기 탈출: 일상 워크플로우를 감사 대비 증적으로
RTI(Real-Time Innovations) 박지웅 - DDS 기반 SDV 툴체인 혁명
QNX Korea 류민희 차장 - SDV를 위한 Foundation SW 플랫폼
TrustMotion 살바도르 로드리게스 부사장 - SDV Zonal Architecture의 결정론적 통신
Microchip Technology Sven Semmler - 10BASE-T1S 엔드포인트 탐색·설정·제어
tracetronic Korea 김택현 상무 - AI로 코드에서 차량까지 24시간: one 플랫폼

Track 2A·2B - Autonomous Driving & AI
ADAS, 자율주행, AI 기반 개발, 센서 퓨전, 차량 데이터 활용, V2X, 엣지 AI 및 차량 지능화 기술을 다룬다. 주요 세션은 다음과 같다.

Valens Semiconductor Adar Segal - MIPI A-PHY: 차세대 자동차 센싱의 기반
AutoCrypt 송종혁 박사 - AI 기반 모빌리티 해킹 트렌드
SLEXN 유승우 부사장 - AI-SDLC: AI 기반 R&D 가속화와 품질 혁신

STMicroelectronics 임태현 - Stellar P3E: 자동차 엣지 인텔리전스 소개
Calterah Semiconductor Sam Lee - 통신+센싱 통합 SoC 비전
Teledyne LeCroy 오창훈 - Multi-Node 환경에서 10BASE-T1S 디버깅
IPG Automotive Korea 김동환 - AI 에이전트와 VIRTO를 활용한 자율주행 개발 루프
Rohde & Schwarz Korea 남찬우 - 오실로스코프를 활용한 멀티페이즈 벅 컨버터 측정
Emerson-NI 남규 - ADAS·자율주행 ECU 검증을 위한 유연하고 확장 가능한 플랫폼 아키텍처

Track 3 - EV & Energy

한온시스템 차재오 상무는 ‘AD·SDV 환경에서 열관리 시스템의 가치 창출(Value Creation of Thermal Management Systems in AD and SDV)’을 주제로 소프트웨어 중심 차량과 자율주행 시대에 열관리 기술이 갖는 새로운 역할과 비즈니스 가치를 소개한다.
Ansys(Part of Synopsys)의 박동진 시니어 엔지니어는 ‘Motor-CAD와 optiSLang을 활용한 EV 모터 통합 설계 및 최적화’를 통해 전기차 구동모터 개발 과정에서의 시뮬레이션 기반 설계 혁신 사례를 발표한다.
Analog Devices의 David Ka Automotive FAE는 ‘48V and Beyond: Power Solutions for Enabling Software-Defined EV’를 주제로 SDV 기반 전기차 아키텍처를 구현하기 위한 차세대 전력 솔루션과 전원 설계 방향을 설명한다.
평택대학교 이항구 교수는 ‘글로벌 EV 산업 현황과 전망(Current Situation and Forecast of Global EV Industry)’을 통해 글로벌 전기차 시장의 변화와 주요 국가별 경쟁 구도를 분석한다.
서정대학교 박철완 교수는 ‘Beyond Green Car Concert: Which EVs and Batteries Will Outlast the Hype?’를 주제로 전기차와 배터리 산업의 장기 생존 가능성을 기술·시장·정책 관점에서 진단할 예정이다.

스폰서 및 전시
AID 2026에는 국내외 자동차 기술 생태계를 대표하는 40개 이상의 기업이 스폰서 및 전시 파트너로 참여한다.

Diamond | AutoCrypt
Platinum | TrustMotion, ETAS
Gold | SLEXN, Vector, Techways, Seon ENS, VWAY, RTI, A2MAC1, IAV, Vicor, Calterah, MDS Intelligence, QNX, MDS Tech, Analog Devices, Microchip, STMicroelectronics, Rohde & Schwarz, Teledyne LeCroy, tracetronic, FESCARO, IPG Automotive, Valens, Mouser, Ansys, TI, Norbyss, Emerson-NI
Silver | PopcornSAR, SDVerse
Bronze | TASKING, MathWorks, INNOX, Intrepid, Sparrow, 한일프로텍, Keysight, ELMOS, SEGGER, Tosun, Quest Global, IVIS, intoPIX

주최사 코멘트

윤범진 AID 2026 컨퍼런스 디렉터는 “올해 AID는 역대 최대 규모의 연사, 스폰서, 전시기업이 참여하는 행사로 준비됐다”며 “참가자들이 하루 동안 기술 발표, 전시, 네트워킹을 통해 SDV와 AI 전환의 실제 해법을 확인할 수 있도록 프로그램과 현장 운영을 세밀하게 구성했다”고 말했다.

AEM 한상민 편집장은 “자동차 산업은 소프트웨어를 추가하는 단계를 넘어, AI가 차량의 기능과 경험을 정의하는 시대로 이동하고 있다”며 “AID 2026은 SDV, AI, 자율주행, 사이버보안, 전동화 분야의 전문가들이 한자리에 모여 미래 자동차 산업의 방향성을 논의하는 국내 대표 기술 플랫폼”이라고 말했다.

행사 개요
행사명: Automotive Innovation Day 2026(AID 2026)
일시: 2026년 7월 1일(수) 08:00 - 17:20
장소: 수원컨벤션센터
주제: From Code to AI & Experience - Driving Future Mobility
규모: 참가자 1,000명+ | 연사 40명+ | 전시기업 40개+ | 참가기업 300개+
주요 분야: SDV, AI, 자율주행, 사이버보안, 차량 네트워킹, 전동화
주최: Automotive Electronics Magazine(AEM)

등록 및 문의
등록 페이지: https://autoelectronics.co.kr/AID2026/
사전등록 문의: 김준형 실장 - 02-841-0017 / webmaster@smartn.co.kr
일반 문의: 박종서 매니저 - 02-6951-1049 / fop1212@smartn.co.kr
PM: 윤범진 디렉터 - 02-841-0583 / bjyun@autoelectronics.co.kr

Agratas: Engineering ‘Intelligent Energy’ Through a Data-First Architecture

By Sarada Vishnubhatla _ sarada@autoelectronics.co.kr — 2026-06-02 11:46:05+0900

배터리의 재정의, 아그라타스가 꿈꾸는 ‘인텔리전트 에너지’

글 | 사라다 비슈누바틀라(Sarada Vishnubhatla) _ sarada@autoelectronics.co.kr — 2026-06-02 11:25:44+0900

INTERVIEW
파라빈 스와미나탄
Pravin Swaminathan
VP of Agratas Energy Storage Solutions

타타그룹이 직접 배터리 사업에 뛰어든 것은 단순한 수직계열화나 제조 확장이 아니다. 아그라타스는 처음부터 데이터를 설계의 중심에 놓고, 배터리를 소모되는 부품이 아닌 학습하는 자산으로 정의하고 있다. 인도의 극한 기후와 가격 민감성, 글로벌 공급망의 불안정성 등 모든 변수를 케미스트리와 디지털 인텔리전스로 동시에 풀어가려는 것이다.

글 | 사라다 비슈누바틀라(Sarada Vishnubhatla) _ sarada@autoelectronics.co.kr

IN ENGLISH

“강점은 비용도, 속도도 아닙니다. 시스템이 어떻게 설계되었느냐입니다.”
아그라타스 에너지 스토리지 솔루션(Agratas Energy Storage Solutions)의 데이터·비즈니스 혁신 부문 부사장 프라빈 스와미나탄(Pravin Swaminathan)은 이 한 문장으로 자신들이 무엇을 다르게 하고 있는지를 정리했다.
158년 역사의 타타그룹 안에서 가장 젊은 기업이지만, 아그라타스는 이미 그룹의 셀 제조 분야에서 가장 중요한 전략적 야심 중 하나를 대표한다. 이 대화는 주요 글로벌 OEM이 완전히 새로운 셀 제조 사업을 처음부터 어떻게 구축하고 있는지를 직접 들을 수 있는 드문 기회였다. 아그라타스가 어떻게 명확한 방향성을 갖고 형성되고 있는지, 데이터를 모든 것의 중심에 두는 ‘인텔리전트 에너지’ 비전에 뿌리내리고 있는지를 보여줬다.

타타그룹의 글로벌 배터리 부문인 아그라타스는 자동차 및 에너지 저장 분야를 위한 고성능 친환경 리튬이온 배터리 셀과 팩을 제조한다. 현재 타타모터스와 재규어 랜드로버(JLR)를 주요 고객으로 두고 있으며, 향후 더 많은 고객을 확보하기 위해 인도 구자라트주 사난드와 영국 서머셋 그래비티 스마트 캠퍼스에 대규모 기가팩토리를 건설 중이다. 320에이커 부지의 사난드 시설은 초기 20GWh 생산 능력을 목표로 개발 중이며, 2027년 리튬이온 셀 양산을 시작할 예정이다. 영국 기가팩토리는 40GWh 규모로 계획되고 있다.

아그라타스의 사업은 세 축으로 구성된다. 승용·상용 전기차용 EV 배터리, 재생에너지 저장과 계통 안정성을 위한 그리드 에너지 저장 시스템(ESS), 그리고 차세대 배터리 기술을 위한 R&D다. 아그라타스는 이 세 영역을 독립된 사업이 아니라, 시장 수요와 고객 요구에 따라 함께 진화하는 상호 연결된 구조로 바라본다. 모빌리티는 세계적으로 중요한 성장 동력이고, ESS는 재생에너지 인프라 확장과 함께 빠르게 부상하고 있다. R&D는 두 영역 모두를 관통하는 기반으로 남는다.

아그라타스의 사무실 벽에는 타타그룹 창립자 잠셋지 타타(Jamsetji Tata), J.R.D. Tata, 그리고 라탄 타타(Ratan Tata)의 사진과 함께 ‘Rooted in Legacy. Driven by Responsibility’란 문구가 있다. 150년 넘게 이어져 온 타타그룹의 철학이다. 배터리를 단순한 제조 사업이 아니라 데이터, 추적성, 지속가능성을 중심으로 설계하려는 아그라타스의 접근이 이런 가치관의 연장선상에 있다.

새로운 서사의 정의

아그라타스에게 ‘디지털 네이티브(born digital)’란, OEM이 실험적으로 셀 제조에 발을 들이고 싶다는 욕구가 아니라 필요에서 비롯된 것이다. 그리고 단순히 최신 소프트웨어를 도입하는 것과도 거리가 멀다. 디지털 네이티브는 근본적인 아키텍처 우위를 처음부터 설계하는 것을 의미한다. ‘그린필드’ 조직으로서 아그라타스는 레거시 기업에서 흔히 나타나는 파편화와 통합의 제약을 물려받지 않고 처음부터 시스템을 구축할 수 있는 능력을 갖추고 있다.

프라빈은 이렇게 말한다. “기존 기업들은 대부분 서로 다른 디지털화 단계에서 구축된 복잡한 레거시 시스템 환경 속에서 운영됩니다. 그 시스템들은 지속가능성을 핵심에 두고 설계된 것이 아닙니다. 서로 다른 시점에 디지털화된 파편적인 시스템들이 존재하죠. 우리는 그것과 다릅니다. 디지털 네이티브로 태어났기 때문에 모든 통합의 복잡성을 처음부터 건너뛸 수 있습니다. 이는 R&D, 제조, 공급망, 배터리 전체 생애주기를 연결하는 통합된 디지털 스레드를 만들어낼 수 있다는 것을 의미합니다.”

이 기반 위에서 아그라타스는 AI가 단순한 보조 역할을 넘어, 정해진 운영 범위 안에서 스스로 프로세스를 관리하는 자율 운영을 향해 점진적으로 나아가고 있다. 프라빈은 이를 구체적인 사례로 설명한다.
배터리 전극 제조 공정에서 슬러리(활물질 혼합액)의 점도를 실시간 성능 데이터와 연계하면, 시스템이 편차를 감지하고 공정 파라미터를 동적으로 조정할 수 있다. 적정 점도는 균일한 코팅을 보장하면서 침전과 입자 응집을 방지한다. 점도가 지나치게 높거나 낮으면 제조 불량으로 이어진다. 이 과정에서 AI는 단순한 예측을 넘어 더 깊은 패턴과 인사이트를 발굴해낸다.

아그라타스의 강점은 EV와 ESS 응용 분야 모두를 지원하기 위해 업스트림, 미드스트림, 다운스트림 전체 가치사슬에 걸쳐 소재와 인텔리전스를 통합하는 데에도 있다.
프라빈은 “강점은 비용도, 속도도 아닙니다. 시스템 자체가 어떻게 설계되었느냐입니다”라고 강조한다. 최종 사용자에게 미치는 영향에 대해서는 “더 안전한 배터리, 일관된 성능, 신뢰할 수 있는 충전 경험을 의미합니다. 자체 성능 데이터와 차량 데이터를 긴밀히 연계함으로써 사후 대응에서 사전 최적화로 전환할 수 있습니다”라고 말한다.

320에이커 부지에 조성되는 사난드 시설은 초기 목표 생산 용량 20GWh로 개발 중이며, 2027년 리튬이온 셀 생산을 시작할 예정이다.

화학을 소유한다는 경쟁 우위

배터리 화학 기술을 직접 보유하는 것이 왜 게임 체인저가 되는가?
데이터가 성능을 이해하는 방식을 정의한다면, 화학 기술은 성능이 실제로 구현되는 방식을 결정하기 때문이다. 인도처럼 운용 환경, 비용 민감도, 사용 패턴이 글로벌 기준과 크게 다른 시장에서 아그라타스는 화학 기술의 자체 보유가 경쟁 우위가 된다고 믿는다.
프라빈은 단호하게 말한다.

“인도는 특히 가격에 민감하고, 운용 조건도 훨씬 가혹합니다. 극단적인 기온을 경험하는 환경에서 단순히 셀을 수입해 조립하는 방식에만 의존한다면, 현지 운용 현실에 맞게 엔지니어링할 수 있는 능력이 처음부터 제한됩니다.”

고온 환경에서 일반 리튬이온 셀은 열적 스트레스, 전해질 분해, 장기 용량 저하로 인한 가속 열화에 취약하다. 아그라타스는 열 안정성이 높은 화학 기술, 현지 환경에 맞춘 엔지니어링, 실제 운용 조건을 중심으로 구축된 첨단 열 관리 시스템으로 이 과제를 정면으로 다루고 있다.
프라빈은 “앞으로는 다양한 응용 분야와 시장 요구에 맞춘 멀티 케미스트리 전략을 추진할 것입니다. 비용 효율성, 에너지 밀도, 지속가능성 등의 요소를 균형 있게 고려하면서 검증된 화학 기술과 신규 화학 기술 모두를 연구할 것입니다”라고 말한다.
이 현지화 우선 접근 방식은 중국과 한국의 강자들이 지배하는 세계 배터리 시장에서 아그라타스가 스스로를 차별화하는 방식을 형성한다. 글로벌 선두 기업들은 LFP, 급속충전, NCM 화학 기술, 차세대 전고체 배터리 등 핵심 기술을 꾸준히 발전시키고 있다. 아그라타스는 이에 맞서 다른 포지션을 취한다. 소재 개발과 셀 제조를 통합하는 동시에 공급망을 현지화하는 것이다. 제조, 디지털 인텔리전스, 차세대 기술이 함께 작동하는 복원력 있고 미래 준비된 배터리 생태계를 구축하는 데 초점을 맞추고 있다.

그러나 종이 위의 배터리 사양과 실제 세계에서의 성능은 종종 다른 이야기다. 이는 근본적인 질문을 제기한다. 배터리는 표준화된 제품으로 봐야 하는가, 아니면 맥락에 적응해야 하는 시스템으로 봐야 하는가? 설계 의도와 실제 성능 사이의 간극은 이제 개발 이후에 처리할 문제가 아니다. 배터리 전략 자체가 어떻게 진화해야 하는지의 핵심에 있다.
프라빈은 이렇게 부연한다. “미래로 나아가면서 우리는 디지털 기술로 차량의 운용 피드백을 수집하고, 이 데이터를 R&D에 다시 연결할 것입니다. 이를 통해 최적화 기회를 추적하고 성능을 정교하게 조율할 수 있습니다. 특정 시장의 경제성을 진짜로 실현하려면, 관련 화학 기술에 대한 직접적인 소유권이 필수입니다.”

영국 기가팩토리는 40GWh 용량으로 계획되고 있다.

배터리는 더 이상 부품이 아니다

SDV 시대에 배터리는 차량의 나머지 부분이 소프트웨어 주도 변환을 겪는 동안 수동적인 하드웨어 부품으로 남을 수 없다. 이 전환은 이제 자동차 파워트레인 생태계 자체를 재정의하고 있다. 전통적으로 OEM이 사양을 정하면 티어 1 공급업체가 그에 맞춰 제품을 구축했다. 그러나 아그라타스는 기존의 OEM-공급업체 관계를 넘어 전략적 플랫폼 파트너십을 구축하려 한다.

“티어 1이 차량 데이터, 셀 성능, 실제 사용 패턴에 접근할 수 있는 고품질 데이터 교환을 의미합니다. 이를 통해 OEM과 티어 1 공급업체 모두 배터리의 건강 상태(SoH, State of Health)를 더욱 정밀하게 예측할 수 있게 됩니다.”

이는 EV 산업이 직면한 가장 큰 과제 중 하나인 주행거리 불안을 해소하는 데 특히 중요하다. 배터리 SoH가 시간이 지남에 따라 저하되면, 계기판에 표시되는 주행 가능 거리와 실제 사용가능한 거리 사이의 간극이 벌어진다. 정확한 SoH 예측은 고객 신뢰와 예측 가능성을 높이는 데 핵심이 된다.
이런 데이터 파트너십의 진화는 배터리가 더 이상 정적인 기계 부품이 아니라, 지속적인 진화가 가능한 에너지 시스템으로 여겨지는 더 넓은 산업 전환을 반영한다. 배터리-서비스(BaaS) 개념이 여전히 잠재적 가능성으로 머물러 있는 가운데, 아그라타스는 확장가능한 서비스 모델이 생애주기 가시성이 기반 레이어로 먼저 확보될 때만 실현될 수 있다고 본다.

완공을 앞둔 벵갈루루 R&D 센터. 데이터와 인텔리전스를 핵심으로 구축되는 이 시설은 아그라타스의 인텔리전트 에너지 비전을 실현할 거점이 된다.

실험실의 한계를 넘어

배터리 개발은 오랫동안 반복적인 실험실 테스트에 크게 의존해왔다. 시간이 많이 걸리고, 자원 집약적이며, 기능 간 단절도 잦은 과정이다. 아그라타스는 성공적인 결과와 실패 모두에서 지속적으로 학습하는 통합 배터리 인텔리전스 플랫폼을 구축함으로써 이 사이클을 압축하려 한다.

프라빈은 “시뮬레이션과 AI 예측으로 구동되는 모델은 실험 횟수를 줄이면서도 더 빠른 속도로 제품을 개선할 수 있게 해줍니다. 또한 글로벌 규제 환경이 변화하는 상황에서, 이러한 요구사항들이 별도의 준수 레이어로 취급되는 것이 아니라 우리 시스템에 처음부터 내재되어 있기 때문에 우리는 더 유리한 위치에 있습니다”라고 설명한다.

소재 추적성이 그 한 예다. 아그라타스는 이미 가치사슬 전반에 걸쳐 추적성 메커니즘을 내재화했으며, 글로벌 및 인도 규제가 계속 발전하는 상황에서도 배터리 패스포트 체계를 선제적으로 준비하고 있다. 배터리 패스포트는 배터리의 원산지, 구성 요소, 성능, 지속가능성 지표를 QR 코드로 기록하는 디지털 생애주기 문서다. EU는 2027년부터 2kWh 이상 배터리에 이를 의무화할 예정이며, 인도는 자국의 국가 신원 시스템인 아다르(Aadhaar)에서 이름을 딴 ‘배터리 아다르(BPAN)’라 불리는 유사 체계를 개발 중이다.

프라빈은 “우리는 에너지 효율적인 제조에 대해 이야기하고 있습니다. 데이터 계보를 통해 순환경제 원칙과 탄소중립 책임을 시스템에 직접 설계해 넣었습니다”라고 말한다.
긴 품질 보증 기간이 불확실성을 보완하는 수단으로 쓰이는 업계에서, 불확실성 자체를 줄이는 것이 경쟁 우위가 된다.

에너지 자립을 향한 설계

이 모든 것의 배경에는 더 큰 방향이 있다. 인도와 글로벌 시장 모두의 에너지 자립에 기여하는 것. 아그라타스에게 이것은 먼 미래의 선언이 아니라, 처음부터 시스템을 설계하는 방식의 직접적인 결과다. 인도와 영국 두 거점은 각각의 전략적 역할을 가지면서도, 품질·추적성·운영 효율성에 강한 중점을 둔 지능형 디지털 통합 생태계를 중심으로 설계된 회사의 장기 전략 안에 함께 놓여 있다.
타타그룹의 일원이라는 사실은 분명 산업적 깊이와 생태계 이점을 제공한다. 그러나 아그라타스의 진짜 강점은 다른 곳에 있다. 배터리를 화학만이 아니라 소프트웨어와 인텔리전스에 의해 함께 형성되는 진화형 시스템으로 바라보는 시각이다.

고전압 EV 충전 아키텍처 위한 OBC 시스템 솔루션 가이드

2026-05-28 14:23:52+0900

온보드 충전기(OBC)는 배터리 전기차(BEV)와 플러그인 하이브리드 전기차(PHEV)의 고전압 배터리 팩을 충전하는 데 사용된다. 이 장치는 차량 설계에 직접 통합돼 그리드에서 공급되는 AC 전력을 차량의 배터리 팩에 적합한 DC 전력으로 변환한다. 이런 기술로 전기차 운전자는 가정이나 공공 충전소에서 편리하게 차량을 충전할 수 있다. 이 글에서는 엘리트 실리콘 카바이드(EliteSiC) MOSFET를 중심으로 OBC 성능 향상을 위한 온세미의 대표 솔루션을 소개한다. 설계자들은 OBC 시스템 설계에 필요한 다양한 기술을 이해하고, 차세대 전기차 충전 아키텍처 구현에 필요한 요소들을 확인할 수 있다.

글 | Onsemi

온보드 충전기 - 블록 다이어그램
OBC의 파워 스테이지(PFC, DC-DC)는 전기차(EV) 배터리 팩 전압에 따라 다른 전력 부품을 사용한다. 그림 1은 400V EV 배터리 아키텍처를 위한 다이어그램이다. 최대 650V 등급의 전력 스위칭 디바이스가 필요하며, 높은 전류와 전압 과도 현상에 대비한 전압 마진이 필수적이다.
온세미의 인터랙티브 블록 다이어그램에는 800V EV 배터리 아키텍처 블록 다이어그램 버전도 포함되며, 최대 1200V 등급의 전력 디스크리트 디바이스와 자동차용 파워 모듈이 사용된다.
블록 다이어그램에는 절연 게이트 드라이버, 보조 전원 공급 장치, 다양한 컨트롤러도 포함된다. 신호 측정과 컨디셔닝은 OpAmps, CSA, 온도 센싱으로 구현할 수 있다. CAN과 LIN 트랜시버는 자동차 네트워크 내에서 빠르고 안정적인 통신을 보장한다. MCU 작동을 지원하기 위해, 순간적인 과도 전압 클램핑 기능과 낮은 커패시턴스를 갖춘 ESD 보호 디바이스가 중요 신호의 무결성을 보호한다.

그림 1 | OBC 블록 다이어그램

EliteSiC MOSFET으로 OBC 성능 향상시키기
전기차 OBC 설계 트렌드가 고전력·고주파 스위칭으로 빠르게 전환됨에 따라 해당 애플리케이션을 위한 SiC MOSFET 수요도 증가하고 있다. 이에 따라 온세미의 SiC 기술인 EliteSiC를 바탕으로, 우수한 스위칭 성능과 작은 역회복 특성을 갖춘 EliteSiC MOSFET을 활용한 브리지리스 PFC 토폴로지가 설계자들에 의해 채택되고 있다. 1200V EliteSiC MOSFET은 800V 배터리 자동차 아키텍처에서 광범위하게 활용된다.

- 평면 설계로 수명 기간 동안 RDS(ON), VGS(TH), 바디 다이오드 전압 강하에 드리프트가 발생하지 않으며,
음극 게이트 드라이브 전압에서도 작동 가능하다.
- MOSFET의 권장 온 스테이트 게이트 전압은 18V이지만, 구형 SiC MOSFET 게이트 드라이브 회로와의 호환성 유지를 위해 15V까지 작동 가능하다.

온세미의 M3S는 1200V EliteSiC MOSFET의 2세대 제품으로, 스위칭 성능 개선과 면적당 온저항 RSP를 줄이는 데 중점을 둔다. M3S는 전도 손실과 스위칭 손실 간의 탁월한 균형을 제공해, PFC와 같은 하드 스위칭 애플리케이션에 이상적이다. 또한 M3S의 낮은 RDS(ON) 값은 회로 토폴로지 특성상 스위칭 손실이 크게 감소하고, 전도 손실이 주요한 LLC, CLLC, PSFB(Phase Shifted Full Bridge)와 같은 소프트 스위칭 애플리케이션에서도 강력한 경쟁력을 제공한다. M1과 M3S 세대 SiC MOSFET에 대한 자세한 비교는 AND90204 애플리케이션 노트(Application Note)에서 확인할 수 있다.
M3S는 1세대 제품인 M1보다 총 게이트 전하 QG(TOT)가 더 적게 필요하며, 그림 2에서 볼 수 있듯이 게이트 드라이버의 싱킹(sinking)과 소싱(sourcing) 전류를 크게 감소시킨다. 또한 M3S는 기존 M1 대비 RDS(ON) * QG(TOT)의 성능지표(figure of merit, FOM)를 44% 개선했다.
그림 3은 주어진 조건에서 M3S의 향상된 스위칭 성능을 보여준다. M3S는 M1 대비 EOFF는 40%, EON은 20~30%, 총 스위칭 손실은 34% 낮다. 고주파 스위칭 애플리케이션에서는 잠재적으로 더 높은 RDS(ON)의 단점을 상쇄시킨다.

그림 2 | 총 게이트 전하 QG(TOT) [nC] @ 800V/40A, 10mA 전류 구동

그림 3 | 드레인 전류 ID 스위칭 손실 [A] @ VDS = 800V, VGS = -3V/18V, RG = 4.7 mΩ

SiC MOSFET 활용한 고전압 애플리케이션 절연 게이트 드라이버
SiC MOSFET가 자동차 전력 전자 애플리케이션에서 사용량이 증가함에 따라, 특수한 드라이버가 필요해졌다. 절연 게이트 드라이버는 MOSFET과 IGBT의 안정적인 제어를 지원하며, SiC 기술이 요구하는 초고속 스위칭 속도와 시스템 크기 제약 조건을 충족하도록 설계됐다. 스위칭 손실을 최소화하고 전력 스위칭 디바이스의 성능을 최대한 활용하기 위해서는, 게이트 드라이브 전압을 최적화하는 것이 매우 중요하다.
SiC MOSFET은 Si MOSFET보다 게이트 임계 전압 제어에서 어려움을 겪는다. SiC MOSFET은 권장 게이트 드라이브 전압에서 게이트 전압에 대한 의존도가 Si 디바이스보다 크다. SiC MOSFET은 더 높은 양극 게이트 드라이브 전압(+20V)이 필요하며, 애플리케이션에 따라 -2V에서 -6V 범위의 음극 OFF 게이트 전압이 필요하다. 이는 SiC MOSFET의 VGS 임계값이 낮아 원치 않는 턴온(turn-on) 현상이 발생할 수 있기 때문이다. SiC MOSFET을 효율적으로 구동하기 위해서는 애플리케이션 노트 AND90063/D에서 안내하는 온세미의 절연 게이트 드라이버 사용 가이드라인을 참고할 수 있다.
온세미는 SiC MOSFET, Si 파워 MOSFET, IGBT 게이트 드라이브를 위한 다양한 절연 게이트 드라이버를 제공한다. 갈바닉(Galvanic) 절연 부품 로드맵은 새로운 기능을 통해 전파 지연과 CMTI 성능을 더욱 향상시킬 예정이다. 광범위한 게이트 드라이버 평가 보드(evaluation boards, EVB) 포트폴리오는 신속한 프로토타이핑을 지원한다.

NCV51561, NCV51563 절연형 듀얼 채널 게이트 드라이버
NCV 51561와 NCV 51563은 4.5A/9A 소스·싱크 피크 전류를 제공하는 절연형 듀얼 채널 게이트 드라이버다. 이들은 Si와 SiC 파워 MOSFET 구동을 위해 설계됐으며, 짧고 균일한 전파 지연 시간을 제공한다. NCV51561 EVB를 통해 절연 게이트 드라이버 애플리케이션을 직접 테스트할 수 있다.

- NCV51561, NCV51563은 두 개의 로우사이드 스위치, 두 개의 하이사이드 스위치, 또는 프로그래밍 가능한 데드타임을 갖춘 하프 브리지 드라이브(그림 5) 등 다양한 구성에 사용 가능
- 최대 5ns 지연 매칭으로 전형적 36ns 전파 지연, 독립적인 UVLO 보호 기능 제공
- ANB를 통한 단일 또는 듀얼 입력 모드 지원, 5kV 갈바닉 절연으로 최대 1500(1850)VDC 피크 전압 허용
- CMTI ≥ 200kV/μs, 8mm 연면 거리(creepage distance)의 SOIC-16WB 패키지 제공

그림 4 | 온세미 NCV51561 게이트 드라이버

그림 5 | NCV51561 또는 NCV51563을 사용한 전형적 애플리케이션 회로

그림 6 | NCV51561의 SOIC-16 패키지 내부

온세미는 광범위한 전기차 애플리케이션을 위한 유연한 OBC와 인프라 충전 솔루션을 제공한다. 고객은 이번 가이드를 통해 OBC 시스템에 적용할 수 있는 전력 스위칭 디바이스, 게이트 드라이버 등 핵심 기술을 이해하고, 최적의 성능을 구현할 수 있다. 또한 전기차 충전 아키텍처의 효율성과 신뢰성을 높여 차세대 e-모빌리티 혁신을 가속화한다.

One Year After the Altair Integration, What Siemens Is Building Is Not a Simulation Tool

한상민 기자_han@autoelectronics.co.kr — 2026-05-27 13:14:16+0900

알테어 통합 1년, 지멘스가 하는 건 시뮬레이션 툴이 아니다

한상민 기자_han@autoelectronics.co.kr — 2026-05-27 12:00:30+0900

지멘스 디지털 인더스트리 소프트웨어가 5월 21일 웨스틴 서울 파르나스에서 Simcenter Technology Conference(STC)를 개최했다. 알테어 인수 완료 1년 만에 처음 열린 통합 기술 행사다. 시뮬레이션, 테스트, HPC, AI를 아우르는 통합 포트폴리오를 공개했지만, 이날 키노트와 관계자들과의 짧은 대화를 따라가 보면 행사의 무게가 다른 곳에 실려 있음을 알 수 있었다. 지멘스는 시뮬레이션 툴의 업그레이드를 발표한 게 아니다. 제조업을 위한 산업용 AI 플랫폼 전략 전체를 꺼내놓고 있었다.

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

오병준 지사장

새로운 경쟁, 설계의 질에서 검증 속도로

“플래카드 하단에 Altair Technology Conference를 작은 글씨로 병기해달라고 부탁했습니다. 알테어를 사랑하시던 고객분들이 ATC는 어디 갔냐고 오해하실까 봐요.”
지멘스 디지털 인더스트리 소프트웨어 오병준 한국지사장은 오프닝에서 행사 이름 이야기부터 꺼냈다. 작년까지 Altair Technology Conference(ATC)였던 행사가 올해엔 Simcenter Technology Conference(STC)로 바뀌었기 때문이다. 알테어 고객의 투자를 보호하고 기술 지원을 지속하겠다는 것이다. 합병 1년, 그 이름은 바뀌었지만, 자산은 끊기지 않는다는 약속이었다.
첫 번째 키노트에 나선 샘 마할링엄(Sam Mahalingam) 부사장 겸 시뮬레이션 부문 총괄은 제조업이 마주한 현실을 말했다. 수치부터 눈에 들어온다. 컨셉에서 프로토타입까지 평균 23주, 엔지니어링 시간의 60%가 데이터 관리에 소모되고, 엔지니어 한 명이 평균 15개 이상의 단절된 시스템을 오가며 일한다. 여기에 전처리만 300개 부품 기준 약 10시간, 수치 해석에 최대 20시간, 후처리에 또 수 시간이 더해진다. 설계 공간 전체를 탐색하려면 약 2주가 필요하다. 시스템들이 서로 연결되지 않아 데이터는 재생성되고, 재생성된 데이터는 또 검증이 필요하고, 그 검증에도 시간이 걸린다. 툴 성능이 아니라 데이터가 흐르지 못하는 게 원인이다.
샘은 여기서 기술 채택 속도 자체가 달라졌다고 말했다. 퍼스널 컴퓨터가 주류가 되는 데 10년, 인터넷이 10년을 더 걸렸다. 그런데 생성형 AI는 불과 2년 만에 주류가 됐다.
“AI가 엔지니어링의 언어를 어떻게 배울 수 있을까요? 제조업에 AI를 어떻게 가르칠까요?” 샘이 꺼낸 이 질문은 키노트 전체의 무게를 싣고 있었다.
대부분의 생성AI가 인터넷 텍스트 데이터로 학습된 것과 달리, 엔지니어링의 세계는 그 데이터 자체가 다르다. 3D 기하학, 물리 법칙, 재료 특성, 하중 조건. 이런 것들은 텍스트로 학습될 수 없다. 필요한 것은 단순한 생성형 AI가 아니라, 엔지니어링 데이터를 이해하고 연결하며 검증 흐름까지 다룰 수 있는 산업용 AI의 구조다. 지멘스가 알테어를 인수한 이유도, 새로운 심센터 포트폴리오를 구성한 것도 여기서 시작된다.
오 지사장은 이에 대한 현실을 중국과의 비교로 말했다.
“중국은 왜 빠를까요? 설계, 해석, 생산 각 영역 내부의 효율은 한국이 앞서 있지만, 사일로 간 연결은 느립니다. BYD는 설계에서 양산까지 18개월 이상 단축했고 지금도 줄여가고 있습니다.”
사일로가 연결되지 않으니 데이터가 재생성되고, 재생성된 데이터를 검증하는 데 또 시간이 걸린다. 샘이 AI를 꺼낸 것은 그 검증에 걸리는 시간을 기술로 줄이자는 것이고, 오 사장이 사일로 연결을 꺼낸 것은 데이터가 재생성되지 않도록 구조 자체를 바꿔야 한다는 것이다.

샘 마할링엄 부사장이 제시한 제조업 현실.
컨셉에서 프로토타입까지 평균 23주, 엔지니어링 시간의 60%가 데이터 관리에 소모되고 엔지니어 한 명이 15개 이상의 단절된 시스템을 오간다.

이규원 본부장

Physics AI, 엔지니어링 진실로 학습한 AI

이에 대한 지멘스의 답은 Physics AI에서 시작한다. 알테어가 보유한 기하학적 딥러닝(Geometric Deep Learning) 기술을 기반으로 구축한 서로게이트 모델로, 고객이 수십 년간 축적한 시뮬레이션 데이터를 학습시켜 기존 물리 기반 솔버 대비 최대 1,000배의 속도를 제공한다.
샘은 키노트에서 세 단계를 나란히 놓았다. 전통적 시뮬레이션 해석, 메시 없이 형상에 직접 작동하는 Simcenter SimSolid(30배), 그리고 Simcenter Physics AI(1,000배). 그러나 숫자가 핵심이 아니다. 같은 시간 안에 검토할 수 있는 설계안의 수 자체가 달라진다는 것이다.
“우리의 Physics AI 모델은 인터넷 데이터로 학습된 파운데이션 모델이 아닙니다. 고객이 자신의 데이터로 직접 학습시키는 모델입니다.”
이것은 파운데이션 모델 자체를 부정하는 말이 아니다. 지멘스는 산업용 파운데이션 모델을 직접 구축하고 있다. 범용 인터넷 데이터가 아니라, 고객의 CAD, 시뮬레이션, 시험 데이터, 물리 기반 해석 결과가 학습의 기반이 된다. 그 위에서 Physics AI가 설계안을 빠르게 예측하고 검증한다. 엔지니어링 진실로 학습한 파운데이션 모델이라는 개념이다.
고객의 지식자산(IP)이 외부로 나가지 않으면서 AI의 추론 속도를 얻는다. 온프레미스, 하이브리드, 퍼블릭 클라우드 모두에서 작동하되, 데이터는 고객의 단일 테넌시 안에 머문다. 모델 학습도 데이터 과학자나 코딩 없이 웹 브라우저에서 포인트-앤-클릭으로 완료된다. 수십 년간 엔지니어 개인이 관리해 온 시뮬레이션 자산을 기업 전체가 공유하는 AI 자산으로 전환하는 구조다.
실제 고객 사례도 있다. 롤스로이스는 SimSolid로 가스 터빈 엔진 구조해석을 수개월에서 수일로 단축했다. 현대자동차그룹은 AI 기반 서브시스템 매개변수 최적화 프로세스를 1주에서 15분으로 줄였다. 94% 단축이다. 현대자동차는 별도 사례에서 기존 규칙 기반 제어 대비 에너지를 30% 절감하고 동일 전력에서 냉각 효율을 16% 높였다. LG VS는 여러 소프트웨어로 나눠 처리하던 기계적 충격, 열 응력, 동특성 해석을 단일 모델과 솔버로 통합해 개발 시간을 약 20% 단축했다. SK이노베이션은 배터리 전극 코팅 공정에서 코팅 균일도를 11% 향상시키고 불량률을 50% 낮췄다. 사례마다 숫자는 다르지만 방향은 같다. 같은 시간 안에 더 많은 설계를 검증하고, 더 나은 결과를 더 낮은 비용으로 만들어낸다는 것이다.
이규원 수석본부장은 이 Physics AI 구조를 엔지니어의 현장 관점에서 풀었다. 그가 제시한 것은 세 종류의 Simcenter AI다. 해석 준비 시간을 단축하는 ShapeAI, 기하학적 딥러닝으로 빠른 해석 예측을 수행하는 Physics AI, 고충실도 해석·시험 데이터를 학습해 실시간 모델을 생성하는 romAI. 기존 딥러닝이 정형 데이터로 추세를 예측하는 데 강했다면, Physics AI는 3D CAD, 메시, 시험 데이터 같은 비정형 데이터를 직접 다룬다.
“Physics AI와 HEEDS를 결합하면 단일 워크플로 안에서 수백 개의 설계안을 원 클릭으로 자동 생성하고 동시에 검토할 수 있습니다.”
이 위에 세 단계의 AI 비서 개념이 얹힌다. 해석 모델을 점검하고 자연어로 정보를 찾는 지능형 비서, 해석 결과를 분석하고 최적안을 제안하는 숙달된 파트너, 반복 업무를 자율 실행하는 자율형 실행자. 에이전트 AI는 현재 개발 단계로, 연말 또는 내년 출시 예정이다.
“피직스는 신뢰할 수 있는 결과를 만들고, AI는 지능과 속도를 더하고, 데이터는 그 결과를 업무 성과와 연결하는 맥락을 제공합니다. 세 가지가 동시에 작동될 때 비로소 엔지니어링 AI의 실체적 가치가 만들어집니다.”

전통적 시뮬레이션 해석, SimSolid(30배), Physics AI(1,000배)의 세 단계 비교. 숫자보다 중요한 것은 같은 시간 안에 검토할 수 있는 설계안의 수가 달라진다는 것이다.

Siemens AI Fabric 아키텍처.
하단 AI Foundation, 중간 AI 네이티브 산업 앱, 상단 에이전트 엔터프라이즈 플랫폼의 세 층으로 구성된다. 어떤 클라우드, 어떤 에이전트 프레임워크와도 연결된다.

신뢰의 조건, 지멘스가 그리는 산업 AI 플랫폼

검증 속도를 줄이는 게 첫 번째 축이라면, 두 번째 축은 연결이다. 샘이 Trusted Outcomes라는 이름으로 소개한 것은 단순 AI 기능의 묶음이 아니다.
지멘스가 Siemens AI Fabric이라 부르는 아키텍처는 세 층으로 구성된다. 하단에 Industrial Foundation Model, 중간에 AI 네이티브 산업 앱들(Simcenter, Teamcenter, Opcenter, Designcenter 등), 상단에 에이전트 엔터프라이즈 플랫폼이 있다. 각 제품 안에는 코파일럿과 에이전트가 내장되고, MCP(Model Context Protocol) 엔드포인트와 스킬 파일이 외부에 공개된다. 고객이 자체 에이전트를 만들 수도 있고, 지멘스의 에이전트를 고객사 오케스트레이션 플랫폼에 가져다 쓸 수도 있다. 어떤 에이전트 프레임워크, 어떤 클라우드, 어떤 데이터 플랫폼과도 연결된다.
이 구조의 핵심은 Knowledge Graph, 즉 시맨틱 레이어다. 서로 다른 데이터 사일로들을 연결하고, 산업 온톨로지를 구축해 AI가 데이터의 의미를 이해하며 작동할 수 있게 만드는 기반이다.
“에이전트와 그 결과물을 신뢰하려면, 반드시 시맨틱 레이어가 필요합니다.” 샘이 말했다.
에이전트의 신뢰성은 데이터의 정확성이 아니라, 데이터 간 관계의 의미를 AI가 이해하느냐에서 나온다. 지멘스는 이 산업 온톨로지를 직접 구축해 공개할 계획이다. PLM, BMS, ERP 등 자사 소프트웨어뿐만 아니라 서드파티 데이터 소스도 연결한다. 알테어의 Rapid Miner가 이 시맨틱 레이어 기술의 핵심 인프라로 들어온다.
그 신뢰의 근거는 구조에 있다. 코파일럿에 쓰이는 LLM은 외부 모델이지만, RAG 데이터베이스와 그래프 RAG 커넥터는 기업 내부에 위치한다. 에이전트가 실행하는 모든 액션에는 추적 가능한 데이터 출처가 기록된다. 보안은 정책이 아니라 설계로 푸는 문제다.

“내재화가 오히려 느릴 수 있다”
한국 제조업의 현실

Physics AI로 검증 속도를 줄이고, 시맨틱 레이어로 데이터를 연결하고, 에이전트로 워크플로를 자동화하는 것. 지멘스가 그리는 그림은 여기까지다. 그런데 이걸 혼자 다 할 수 있는 회사는 없다. 오병준 지사장은 그런 현실을 인정했다.
오 지사장의 오프닝은 그래서 기술 소개보다 제조업 전략에 대한 것이었다. 과거 기술이 정적일 때는 탑 매니지먼트가 결정하고 아래로 내려보내는 방식이 통했다. 그러나 지금은 AI가 전 직원이 접근하는 환경이다. 기술의 성숙기가 오기도 전에 이미 다음 과도기가 시작된다. 가트너의 기술 성숙도 곡선이 작동하지 않는다. 새로운 기술은 너무 빠르게 나오고, 어떤 기술에 베팅할지의 판단이 점점 어려워지고 있다. 워킹 레벨의 실무자들이 새 기술을 탐색하고 실험할 수 있는 게이트웨이가 필요하고, 탑에서는 그 실험들이 회사의 방향과 정렬되도록 커뮤니케이션 구조를 바꿔야 한다.
“내재화 노력들이 갖고 있는 맹점이 느릴 수 있습니다. 내가 선택한 테크놀로지가 접목되기 전에 또 새로운 테크놀로지가 나오면 어떻게 할 거냐. 그러면 내재화의 방향을 또 바꿔야 되고, 혁신의 결과물을 만드는 속도가 오히려 더 느려질 수 있습니다.”
내재화의 철학이 틀린 게 아니라, 기술 변화의 속도가 내재화의 시간을 추월해버린 것이다.
오 지사장은 파트너십 아키텍처를 제안했다. 기업이 스스로 할 수 있는 영역을 50%라고 했을 때, 나머지 50%를 어떤 파트너와 채울 것인가. 그 파트너들의 개방성과 혁신성이 자사의 혁신 속도에 직접 영향을 준다는 것이다. 지멘스는 이미 NVIDIA, AWS, SAP, SKT와 개방형 혁신 생태계를 구축하고 있다. NVIDIA와는 디지털 트윈 렌더링과 피지컬 AI 학습 환경에서 협력하고 있고, AWS와는 클라우드 인프라 위에서의 서비스 모델을 함께 만든다. SAP과는 PLM 시스템과 ERP가 데이터 모델 레벨에서 매칭되는 인터페이스를 이미 5~6년 전부터 함께 개발해 왔다.
“파트너들이 얼마나 개방적이고 혁신적이고 양방향 소통에 능한가가 더 중요한 시대가 됐습니다.”
이 파트너십 아키텍처가 실제로 작동하는 현장이 있다. HD현대다.

HD현대 유영웅 상무가 발표에서 제시한 디자인 스파이럴(Design Spiral). 1959년 정립된 이 설계 방법론은 60년 넘도록 조선 설계의 근간이었다. 요구사항에서 출발해 반복하며 최적 설계로 나아가는 이 구조는 개별 툴 업그레이드로는 풀리지 않는다.

“가진 게 없어서 오히려 자유로웠다”
HD현대의 증명

HD현대의 기술기획 담당 유영웅 상무의 발표는 이날 가장 현실적인 이야기였다. 그는 조선업의 디지털 전환이 왜 늦었는지부터 털어놨다.
쓰고 있는 CAD 자체가 오래됐고, 설계 데이터를 현장으로 내려보내는 데 막힘이 있었다. 그게 조선산업 전체의 문제다. 선박은 인류 최고의 운송 수단이지만 만드는 방식은 놀라울 정도로 바뀌지 않았다. 크루즈선 하나에 90만 개 부품, 1,000만 시간의 제조 시간. 미국 뉴포트뉴스의 항공모함 전문 조선소는 7년에 한 척을 만든다. HD현대는 1년에 150척을 건조한다. 하루에 생산해야 하는 설계 데이터의 양, 현장에 내려보내야 하는 데이터의 양이 많고 복잡하다.
“선박은 부품 수와 복잡도 면에서 가장 지저분한 제품입니다.” 유 상무가 말했다.
조선 설계의 핵심은 60년 넘게 이어온 디자인 스파이럴(Design Spiral)이다. 임무 요구사항에서 출발해 초기·계약·기능·상세·생산 설계 단계를 반복하며 중심으로 가는 구조다. 각 단계를 거칠 때마다 선체 저항, 안정성, 추진력, 구조 강도, 전기 배선이 서로 맞물리며 끊임없이 충돌한다. 저항이 너무 높아 재설계하면 안정성이 무너지고, 안정성을 맞추면 객실이 줄어들고, 엔진을 키우면 기관실을 다시 설계해야 한다. 이런 반복의 구조는 개별 툴의 업그레이드로는 풀리지 않는다. 필요한 것은 모든 설계 프로세스를 하나의 중앙화된 환경으로 가져오는 완전히 통합된 솔루션이다.
HD현대는 2022년부터 디지털 전환을 본격 검토했고, 2년간 여러 벤더와 PoC를 거쳐 지멘스를 파트너로 선택했다. 2028년부터 전사 플랫폼 전환에 들어간다.
“설계의 정밀함과 해석의 깊이, 이 두 축이 한 플랫폼으로 만났습니다. 이건 단순한 툴 도입이 아니라 설계·해석·생산을 잇는 단일 디지털 백본을 세울 결정적 기회입니다.”
지멘스와 알테어의 통합이 HD현대에게는 CAD와 해석 툴을 하나의 디지털 스레드로 연결하는 기반으로 읽혔다. 알테어는 지오메트리 기반으로 빠르게 메시를 생성하고 인사이트를 줄 수 있는 툴로서 오래전부터 신뢰해 온 플랫폼이었다.
“가진 게 없었기 때문에 조금 더 풀린 마음으로 시작할 수 있었던 것 같아요.”
레거시 시스템이 없었기 때문에 새 플랫폼 도입의 저항이 적었다. 이는 마치 BYD가 내연기관 유산 없이 전기차 개발에 뛰어든 것과 닮은 데가 있다.
HD현대의 디지털 전환 로드맵은 세 단계다. 2023년까지 눈에 보이는 조선소, 2026년까지 연결·예측·최적화된 조선소, 2030년까지 지능형 자율운영 조선소. 현재는 두 번째 단계 진행 중이다. 팔란티어 시스템을 도입해 연결과 예측 최적화 기반을 구축하고 있고 성과도 내고 있다. NVIDIA와 협업으로 조선소 전체를 디지털 트윈으로 구현한 데모도 공개했다. 오 지사장이 말한 파트너십 아키텍처가 조선소 현장에서 실제로 일어나고 있었다.

Simcenter Press Machine 부스. 디지털 트윈이 물리 머신을 제어하고 물리 데이터가 AI 모델로 피드백되는 루프가 행사장에서 실제로 작동하고 있었다. 버추얼 센서가 고가의 물리 센서를 대신해 설계부터 운영까지 Simcenter 하나로 연결하는 장면이다.

Physics AI 기반 생성형 설계, 시뮬레이션의 다음 전진

HD현대가 보여준 것이 개방 혁신의 실제라면, 샘은 다음 단계를 말하기 시작했다.
물리 기반 시뮬레이션이 사라지지는 않는다. AI가 설계 탐색의 폭을 넓히고, 최종 설계는 여전히 물리 기반 솔버로 검증한다. 안전과 직결된 제품 설계에서는 통계적 결과가 아니라, 물리에 기반한 지상 진실(ground truth)이 필요하다. 사람들은 안전이 큰 문제일 때 통계적 결과를 신뢰하지 않는다. 시뮬레이션 솔버의 역할은 사라지는 것이 아니라, AI가 넓힌 설계 탐색의 결과를 최종적으로 검증하는 기준점으로 더 중요해진다.
Physics AI 기반 생성형 설계는 그 다음 단계다. AI가 성능 목표를 입력받아 설계를 자동 생성하고, 검증에서 목표에 미달하면 설계를 다시 수정해 제조가능한 CAD로 출력한다. 요구사항에서 설계로, 물리 검증을 거쳐, 제조가능한 형상으로 이어지는 완전한 루프다. 지금까지 시뮬레이션이 설계를 검증하는 도구였다면, 여기서는 설계를 만들어내는 도구가 된다. 이것의 현실화는 눈앞에 와 있다.
전자기, 구조, 공력 분야에서 알테어가 채운 빈 자리들이 통합 포트폴리오의 완성도를 높였다. 자사 소프트웨어든 타사든 관계없이 끊김 없는 워크플로를 제공하겠다는 것이 지멘스의 방향이다.

시뮬레이션의 미래는 더 빠른 해석이 아니다

STC에서 지멘스가 말한 것은 시뮬레이션 소프트웨어의 업그레이드가 아니다. Physics AI, 시맨틱 레이어, 에이전트 오케스트레이션, 산업 온톨로지, 디지털 스레드, 이것들은 엔지니어링 데이터가 흐르고, AI가 그 위에서 판단하고 행동하며, 설계에서 생산까지 단일 맥락으로 연결되는 미래다.
“기술적인 내용도 중요하지만, 소재·부품·장비·공정·공장에 이르는 전체 라이프사이클이 디지털화되고 데이터를 공유하는 체계로 발전해야 합니다. 대기업과 협력사 간 공급망 전체가 디지털 스레드로 연결되는 체계가 한국 제조업이 가야 할 방향입니다.” 오 지사장이 말했다.
알테어 인수는 포트폴리오 확장에 그치지 않는다. 알테어가 가진 기하학적 딥러닝과 HPC 기술, Rapid Miner의 시맨틱 레이어는 Physics AI와 Knowledge Graph의 핵심 인프라다. 지멘스는 알테어를 산 게 아니라, 이미 그리고 있던 아키텍처를 완성하기 위해 필요한 조각들을 가져갔다.
시뮬레이션의 미래는 더 빠른 해석이 아니다. 엔지니어링 진실로 학습한 AI가 설계를 탐색하고, 에이전트가 워크플로를 실행하며, 디지털 스레드가 그 결과를 생산까지 연결하는 시스템이다. 지멘스는 지금 그 시스템의 OS를 짜고 있다. STC는 이름만 바뀐 행사가 아니었다.

Bosch Switches On Level 3 in China

한상민 기자_han@autoelectronics.co.kr — 2026-05-22 16:52:23+0900

보쉬, 중국에서 레벨 3를 켜다

한상민 기자_han@autoelectronics.co.kr — 2026-05-22 16:36:24+0900

보쉬 모빌리티 마르쿠스 하인(Markus Heyn) 회장이 Auto China 2026 보쉬 부스에서 지능주행·차량운동제어·스마트 콕핏 융합 전략을 발표하고 있다.

보쉬는 중국의 속도를 단순히 관찰하지 않았다. 그 속도 안으로 들어가 개발하고, 시험하고, 학습하는 방식을 선택했다. 그러나 빠른 실행이 곧 검증의 생략을 뜻하지는 않는다. 보쉬는 중국에서 레벨 3 자율주행을 먼저 실증하면서도 안전과 책임, 시스템 검증이라는 티어 1의 본질을 붙잡고 있다. 중국에서 배운 것을 글로벌로 확장하겠다는 것은 그런 전략의 상징이다.

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

“이것은 먼 미래가 아닙니다. 지금 빠르게 현실이 되고 있습니다.”
4월 24일, Auto China의 보쉬 부스. 보쉬 모빌리티 회장 마르쿠스 하인(Markus Heyn)이 화면 속 하나의 장면을 꺼냈다. 휴가를 떠나는 운전자. 도심 정체를 차가 스스로 빠져나가고 산길 빙판을 시스템이 조용히 처리한다. 마지막 구간에서 마침내 운전자가 다시 핸들을 잡는다.
이런 현실의 출발점이 우시(Wuxi)다.
하인 회장은 “소프트웨어와 AI가 이끄는 모빌리티의 새 시대가 열렸습니다. 중국에서 개발하고 학습한 것을 글로벌로 확장하겠습니다”고 말했다.
보쉬는 중국에서 무엇을 먼저 실증하고, 어디로 가져가려 하는가.

레벨 3, 두 개의 트랙이 동시에 간다

보쉬의 자율주행 전략은 2026년 현재 두 개의 트랙이 나란히 움직인다. 하나는 이미 시장에 내려간 E2E 양산 트랙이다.
Chery Exeed의 Sterra ET와 Exlantix ES에 탑재됐다. 지난해 11월부터 시작된 중국 지능주행 대회에서 타이저우, 원저우, 진화, 우후 4개 도시 연속 1위를 기록했다. 보쉬는 이 시스템을 ‘1-Stage E2E’라고 부른다. 인식·계획·실행을 하나의 루프로 묶은 구조로, 밀집 교통에서 돌발 장애물까지 하나의 모델이 처리한다.
다른 트랙이 레벨 3다. 2026년 3월, 보쉬는 우시의 실제 도로에서 레벨 3 자율주행 차량을 테스트할 수 있는 허가를 받았다. 글로벌 티어 1으로는 가장 먼저다. 이 시스템은 최대 시속 120 km, 가시거리 300 m 이상 조건에서 고속도로와 도시 고속화도로의 자동 차선변경과 내비게이션 유도 주행을 지원한다.
레벨 3. 처음으로 책임이 차량으로 넘어가기 시작하는 영역이다.
“AI를 모든 소프트웨어 컴포넌트에 적용하고 이를 리던던시 세이프티 아키텍처와 결합합니다. 차량의 모든 도메인에 대한 이해가 우리를 레벨 3 양산의 이상적인 파트너로 만듭니다.”
하인 회장이 말했다.
이 시스템의 아키텍처에는 눈에 띄는 선택이 있다. 레벨 3 시스템은 두 개의 독립된 경로를 동시에 운영한다. 하나는 양산 레벨 2 소프트웨어, 다른 하나는 레벨 4를 대비한 소프트웨어다. 동일한 구조의 시스템만 중복할 경우, 같은 방식으로 동시에 실패할 가능성이 있다. 서로 다른 방식의 중복이어야 진짜 안전 중복이고, 레벨 2 소프트웨어를 재활용하는 만큼 비용 통제에도 유리하다.
E2E 양산이 시장을 만들고, 레벨 3 실증이 다음 세대를 준비한다. 두 트랙이 나란히 달리는 동안, 보쉬는 데이터와 검증의 레이어를 쌓는다.

Auto China 2026 보쉬 부스. 전시 기간 내내 인파가 몰렸다

AI는 들어가되, 추적 가능해야 한다

중국 시장에서 가장 큰 변화가 무엇이냐는 질문에 보쉬는 속도보다 폭을 먼저 말한다.
엔트리 세그먼트부터 프리미엄까지 모든 차급을 커버하는 ADAS 솔루션, 그리고 로컬에 최적화된 개발. 지난해 중국에서 판매된 신차 중 약 3분의 2에 레벨 2 운전자 지원 시스템이 탑재됐다. 보쉬는 그 시장에서 이미 선두권이다.
그리고 AI는 그 방식을 바꾸고 있다. 장면을 이해하고 맥락을 해석한다. 환경 인식과 주행 궤적 계획에 AI를 활용하면서, 차는 앞을 내다보고 다른 도로 사용자의 행동을 예측하며 목적지까지 안전하게 도달하기 위한 다음 단계를 계산한다. 인식에서 계획까지, AI가 파이프라인 전체로 들어왔다.
그런데 여기서 보쉬가 붙잡는 원칙이 있다. 생성형 AI로 학습 속도가 빨라지고 비용은 줄었지만, 보쉬는 “실도로 테스트와 데이터 기반 검증 같은 검증 방법은 계속 중요하다”고 강조한다.
이런 원칙은 갑자기 나온 것이 아니다. 보쉬 CTO 마티아스 필린(Matthias Pillin)은 지난해 The Autonomous에서 “실제 도로에서 문제가 생겼을 때 추적·검증하고 안전하게 형식 승인을 받으려면 반드시 구조가 필요하다”며 E2E를 쓰되, 블랙박스는 거부한다는 원칙을 말했었다.
레벨 3에서 리던던시와 다층적 보안 설계가 중요한 이유도 같다. AI의 판단이 늘어날수록, 그 판단을 검증하는 층위도 두꺼워져야 한다. 이런 입장은 파운데이션 모델 기반 루프 단축을 경쟁력의 중심에 놓는 중국 자율주행 스타트업들과 구별된다. 보쉬는 AI를 학습 가속의 도구로 쓰면서도, 판단을 추적·검증할 수 있는 구조를 놓지 않으려 한다. 판단이 AI로 이전될수록, 그 판단을 추적해야 하는 요구는 더 강해진다.

보쉬 부스의 브레이크 바이와이어(Brake-by-Wire) 전시 코너. 스크린에는 눈길 위 테스트 영상이 재생되고 있었다.

바이와이어가 없으면 레벨 3도 없다

레벨 3는 소프트웨어만으로 완성되지 않는다. AI의 판단을 물리적 실행으로 옮기는 경로가 신뢰할 수 있어야 한다. 보쉬가 Auto China에서 레벨 3와 함께 바이와이어 기술을 전면에 내세운 이유가 바로 그것이다.
브레이크 바이와이어(Brake-by-Wire)는 신규 개발 브레이크 액추에이터와 기존 ESP 시스템을 결합한 이중 구조다. 페달과 바퀴 사이의 물리적 연결이 사라지고, 전자 신호가 그 자리를 채운다.
보쉬는 이미 5개 제조사와 공급 계약을 체결했고, 2026년 중반 승용차 양산이 시작된다. 2027년부터는 로보택시 플랫폼에도 들어간다. 스티어 바이와이어(Steer-by-Wire)는 올해 중국 시장에서 복수의 플랫폼에 양산 진입한다. 주차 시에는 부드럽게, 와인딩 도로에서는 스포티하게, 소프트웨어가 조향비를 실시간으로 바꾼다. 그 위에 차량 운동관리 시스템 VMM(Vehicle Motion Management)이 있다. 제동·조향·파워트레인·서스펜션을 소프트웨어로 통합 제어하며, 100개 이상의 기능을 지원한다. 가장 구체적인 사례가 긴급 회피 조향(AES, Autonomous Emergency Steering)이다. 갑작스러운 장애물로 제동 거리가 부족한 순간, 시스템은 위험을 파악하고 최적 회피 경로를 계산하며 브레이크와 조향을 동시에 제어해 차량 자세를 유지한다. 빙판 노면에서도.
중국 OEM과 함께 이 기능의 양산 준비를 완료하기까지 걸린 시간이 6개월이다. 보쉬는 “VMM과 지능형 운전자 지원 시스템을 결합할 때 정말 흥미로워진다”고 말했다.
SDV 시대, 자율주행 소프트웨어와 차량 운동 제어 기술의 통합은 이미 시작됐다. 보쉬는 이 기술들이 이미 어떻게 상호작용하는지 보고 있다. 개별 기능의 경쟁이 아니라 시스템 통합의 경쟁. 보쉬가 자신을 정의하는 방식이다.

중국에서 먼저, 세계로

보쉬 모빌리티의 2025년 중국 매출은 1,223억 위안, 약 151억 유로다. 전년 대비 4.9% 성장했고, 중국 완성차 업체와의 거래 비중이 절반을 넘겼다.
보쉬는 “개발 사이클의 속도도 빨라지고 있으며, AI가 더 빠르고 효율적으로 되는 데 상당히 기여한다”고 말했다. 중국의 속도를 보쉬도 피할 수 없다. 다만 그 속도 안에서 보쉬가 붙잡는 것은 검증과 책임이다.
중국 브랜드의 해외 진출 모델 300개를 지원했고, eAxle은 중국에서 먼저 개발·양산된 뒤 아시아와 유럽으로 역이전됐다. E2E 자율주행도 같은 경로를 밟고 있다. 중국에서 개발한 1-Stage E2E 시스템은 지난해 독일로 건너가 몇백 시간의 학습을 거쳐 IAA에서 시연됐다. 보쉬에게 중국은 테스트베드가 아니라 혁신의 원천이다.
“고도로 자동화된 주행 기능에 대한 고객 관심은 중국에서 특히 높습니다. 다른 시장들은 현재 여전히 더 신중합니다.”
하인 회장이 말했다. 중국이 먼저 열리고, 보쉬는 그 시장에서 쌓은 것을 글로벌로 가져간다. “우리는 한 시장의 지식을 다른 시장으로 이전할 수 있습니다. 중국과 서구 제조사 모두를 위한 선호 파트너가 되는 것이 우리의 목표입니다.”
슈테판 하르퉁(Stefan Hartung) 회장도 같은 무대에서 말했다.
“미래는 포트폴리오와 공급망을 지역 조건에 맞게 조정하면서, 동시에 세계 수준의 품질을 제공할 수 있는 기업의 것입니다.”
미래의 차는 더 정교해질 것이고, 기계·전자·소프트웨어를 하나의 지능형 시스템으로 연결하는 데 강점을 가진 기업에게 유리하다. 보쉬는 자체 센서, 자체 알고리즘, 자체 검증, 자체 섀시 기술을 가진 채로 중국 AI 생태계 한가운데 들어섰다. 플랫폼 위의 레이어가 되는 동시에, 그 레이어를 어디까지 책임질지를 스스로 정의하려 한다. 그것이 중국에서 보쉬가 하고 있는 일이다.

Auto China: Where the Industry's Center of Gravity Shifted

한상민 기자_han@autoelectronics.co.kr — 2026-05-20 15:29:49+0900

Kotei's 80:20: An Experiment in AI-Based Automotive Software Engineering

한상민 기자_han@autoelectronics.co.kr — 2026-05-20 11:23:58+0900

Kotei의 80:20, AI 기반 SW 엔지니어링 실험

한상민 기자_han@autoelectronics.co.kr — 2026-05-20 11:13:08+0900

Auto China 2026 Kotei 전체 부스 전경. ‘AI + 자동차 소프트웨어 업계 리더’란 슬로건과 함께 SDW, AI x Automotive 두 축이 부스 전면에 배치돼 있다.

자동차 소프트웨어 개발 자동화와 가상 검증은 이미 글로벌 업계 전체가 향하는 방향이다. Auto China 2026의 Kotei 부스가 흥미로웠던 것은 새로운 개념의 발명이라기보다, 이 흐름을 중국 OEM의 짧은 개발 주기와 해외 규제 대응 문제에 맞춰 재구성하고 있었다는 점이다. AI Agent, AUTOSAR 자동화, 시뮬레이션 기반 규제 검증은 모두 같은 질문으로 이어진다. 앞으로 자동차 소프트웨어 경쟁은 기능 자체보다, 그것을 얼마나 빠르고 반복 가능하게 개발·검증·배포할 수 있는가의 경쟁으로 이동하고 있다.

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

베이징 전시장 한쪽 스크린에 독일 도로교통법이 실시간으로 돌아가고 있었다.
항목마다 녹색 또는 붉은색. 준수했거나, 준수하지 못했거나. 타임스탬프까지 찍힌 비준수 이력. 차량은 시뮬레이션 안에 있다.
“ADAS 제품은 반드시 지역별 규제를 완료해야 합니다.”
설명원이 말했다. 당연한 말이다. 하지만 당연하지 않은 것이 있다. 이걸 보여주는 회사가 중국 우한에 본사를 둔 소프트웨어 기업이라는 것. 그리고 화면 속 법규가 중국이 아니라 독일 기준이라는 것이다.
Kotei. 2002년 우한에서 설립됐다. 선전증시 상장사이며 직원은 약 1,800명. 스마트 콕핏, 자율주행, AUTOSAR 기반 차량 소프트웨어 플랫폼, 지능형 내비게이션, XCU에 이르는 풀스택 자동차 소프트웨어를 다룬다. 한국에는 이런 독립 소프트웨어 전문기업이 존재하지 않는다.

부스 안에는 하드웨어가 없다. 정확히는, 있지만 없는 것과 같다. 유리 케이스 안에 ECU 보드 몇 개가 조용히 놓여 있다. 파트너사의 하드웨어다. 보드마다 ‘KOTEI A²OS inside’ 라벨이 붙어 있다.
“저희는 소프트웨어만 제공합니다. 하드웨어는 고객사가 만듭니다.”
Auto China 2026의 Kotei 부스는 차량 소프트웨어 자체보다, 그것을 만드는 방식에 대한 이야기를 하고 있었다. 부스 전면에는 두 개의 축이 나란히 배치돼 있었다. 왼쪽 대형 스크린에는 ‘SDW- AI 기반 차세대 소프트웨어 개발 패러다임’이라는 문구와 함께 ‘SDW 3.0 vs 업계 현황’ 비교표가 펼쳐져 있었고, 오른쪽에는 ‘데이터 드리븐 ADAS 개발 플랫폼’이라는 간판 아래 6단계 폐루프 애니메이션이 반복 재생되고 있었다.

Kotei 부스 A²OS 전시 구역. 표준 AUTOSAR 계층 아키텍처를 기반으로 E-GAS 구조 설계와 AUTOSAR Agent 기반 BSW 자동 구성 기능이 스크린에 설명돼 있다.
유리 케이스 안 파트너사 ECU 보드들에는 ‘KOTEI A²OS inside’ 라벨이 붙어 있다.

에이전트가 코드를 짠다

Kotei의 핵심 플랫폼은 SDW(Software DreamWorks)다. 구조는 멀티 에이전트 시스템이다. REQ Agent가 요구사항을 분석하고, DEV Agent가 코드를 생성하며, TEST Agent가 테스트를 자동화하고, PM Agent가 프로젝트를 관리한다. 각 개발 단계 위에 AI가 보조적으로 붙는 구조가 아니라, 개발 단계 자체를 AI Agent 중심으로 다시 설계한 형태다.
Kotei가 강조하는 수치는 ‘80:20’이다. AI 자동화 80%, 인간 개입 20%. AUTOSAR 설정, 코드 생성, 유닛 테스트까지 LLM 기반으로 처리된다. 부스 스크린에는 SDW 3.0과 기존 업계 방식의 비교표가 나란히 펼쳐져 있었다. 한쪽에는 엔지니어가 툴체인을 직접 조작하는 전통 방식, 다른 쪽에는 AUTOSAR Expert Agent가 지식 그래프 기반으로 설정을 제안하고 오류를 실시간 수정하는 방식이 대비돼 있었다.
80%라는 숫자는 Kotei의 주장이다. 하지만 이 회사가 강조하는 핵심은 단순한 자동화 비율이 아니다. Kotei가 바꾸려는 것은 코드를 작성하는 속도보다, 요구사항·설정·검증·테스트를 연결하는 개발 루프 자체다.
물론 이런 방향 자체가 완전히 새로운 것은 아니다. 이미 Vector, Elektrobit, ETAS 같은 글로벌 자동차 소프트웨어 기업들도 개발 자동화, CI/CD, 가상 검증, AI 기반 엔지니어링 방향으로 이동하고 있다. 다만 Kotei는 이를 중국 OEM의 짧은 개발 주기와 AI 기반 워크플로 중심으로 더 강하게 밀어붙이고 있다는 점에서 차이를 만든다.
엔지니어의 역할 역시 달라진다. 툴을 직접 조작하던 사람이 AI에게 목표와 방향을 지시하는 사람으로 이동한다. Kotei는 이를 ‘operator에서 commander로의 전환’이라고 설명한다. 이른바 ‘메타 소프트웨어’ 포지션이다. 소프트웨어를 만드는 소프트웨어라는 의미다.
이런 포지셔닝이 현실성을 갖는 배경에는 중국 OEM의 개발 속도가 있다. 중국 신차 개발 주기는 이미 12~18개월 수준까지 짧아졌다. 이 속도 압박 속에서 개발 자동화 레이어에 대한 수요 역시 빠르게 커지고 있다. SDW는 바로 그 영역을 겨냥한다.

‘데이터 드리븐 ADAS 개발 플랫폼’ 전시 구역. 실도로 데이터 수집부터 라벨링, 모델 학습, 시뮬레이션 테스트, 소프트웨어 수정까지 6단계 폐루프 플로우가 반복 재생되고 있다.
데스크 위 제품 카드에는 DreamCar DataLoop 솔루션이 소개돼 있다.

규칙이 코드가 된다

부스 안쪽으로 들어서면 설명의 흐름이 달라진다. 이 구역의 화두는 개발 자동화가 아니라 규제 검증이다.
‘데이터 드리븐 ADAS 개발 플랫폼’ 간판 아래 6단계 루프가 반복 재생되고 있었다. 실도로 데이터 수집 → 데이터 관리 → 데이터 라벨링 → 알고리즘 모델 학습 → 시뮬레이션 테스트 → 소프트웨어 수정. 데이터 수집·관리·라벨링을 담당하는 DreamCar DataLoop와 시뮬레이션 환경 DreamCarSim이 하나의 플랫폼으로 연결된다.
“예를 들어 비 오는 상황, 흐린 날씨 같은 조건들을 라벨링합니다. 그리고 그 데이터를 사용해 ADAS 알고리즘 모델을 학습시킵니다.” 설명원이 말했다.
여기서 눈에 띈 것은 루프의 마지막 단계였다. 시뮬레이션 결과가 단순 기능 검증에서 끝나는 것이 아니라, 각국 도로교통 규정과 자동으로 대조된다. 스크린에는 ‘Compliant Rules / Non-Compliant Rules’ 체크리스트가 실시간으로 녹색과 붉은색으로 표시됐다. 독일 도로교통법 기준 항목들이 줄지어 있었고, 비준수 이력에는 타임스탬프까지 붙어 있었다.
“ADAS 제품은 반드시 지역별 규제를 완료해야 합니다. 이 소프트웨어를 통해 레벨 3 이상의 규제를 검토하고, 차량이나 알고리즘이 실제 규정을 충족하는지 확인할 수 있습니다.”
여기서 등장하는 파트너가 FORVIA HELLA 산하의 Ignite다. Ignite는 2025년 초 설립된 순수 소프트웨어 전문 조직이다. 핵심 제품은 Traffic Rules Engine. 각국 교통법규를 기계가 읽을 수 있는 코드 형태로 변환하고, 자율주행 차량의 판단이 실제 법규를 준수하는지 실시간으로 검증하는 소프트웨어다. TUV Rheinland와 공동 개발됐으며, 미국 DMV, EU R157, 중국 GB/T 세 개 시장 법규를 이미 지원하고 있다.
Kotei의 DreamCarSim과 Ignite의 Traffic Rules Engine은 서로 다른 빈틈을 채운다. DreamCarSim은 고충실도 자율주행 시뮬레이션 환경을 제공하지만 법규 엔진이 없고, Ignite는 법규를 코드화할 수 있지만 시뮬레이션 환경이 없다. 둘이 결합하면 실도로 없이 가상 환경에서 법규 준수 검증이 가능한 구조가 완성된다. Kotei는 이것을 ‘Regulation as Code’라고 부른다.
흥미로운 것은 이 솔루션의 시작점이다. 레벨 3보다 먼저 레벨 2++가 언급됐다. 지금 실제 시장이 그곳에 있기 때문이다. 현재 중국 OEM들의 NOA 경쟁은 이미 레벨 2++ 영역에서 본격화됐고, 이를 유럽·미국 시장으로 수출하려면 각국 법규 인증이 가장 큰 장벽이 된다. Kotei + Ignite 솔루션이 겨냥하는 첫 번째 고객 역시 유럽 진출을 노리는 중국 OEM들이다.

시뮬레이션 기반 규제 검증 데모 화면.
가상 주행 시뮬레이션 결과가 독일 도로교통법 등 각국 규정 항목과 실시간 대조되며, 준수 항목은 녹색, 비준수 이력은 타임스탬프와 함께 붉은색으로 표시된다.

기술보다 먼저 필요한 것

FORVIA와의 파트너십 서명 주체가 Kotei Germany라는 점은 이 회사의 유럽 전략을 이해하는 중요한 단서다. Kotei는 이미 독일 법인을 포함해 일본·북미·유럽 등 6개 글로벌 거점을 운영 중이다.
이 유럽 사업의 설계자는 Lv Nan이다. Kotei 글로벌 VP이자 Kotei Germany CEO인 그의 경력은 Continental에서 시작해 Akebono Brake 중국 대표를 거친다. FORVIA HELLA Ignite와의 파트너십 서명 역시 그의 이름으로 진행됐다.
유럽 시장 진입은 기술만으로 설명되지 않는다. 데이터 주권, GDPR, 사이버보안 인증, 공급 안정성 같은 비기술 요소를 이해할 수 있는 현지 네트워크가 필요하다. Lv Nan의 이력은 Kotei가 단순 개발 외주 기업이 아니라, 글로벌 자동차 공급망 안에 들어가려는 전략을 드러낸다.

자동차 SW 개발 방식이 바뀌고 있다

Kotei는 차량 소프트웨어를 만드는 소프트웨어 공급 기업, 이른바 메타 소프트웨어 포지션을 지향하고 있다. SDW의 80% 자동화 주장은 아직 검증이 필요한 캐치프레이즈일 수 있다. Ignite와의 협력 역시 실제 양산 레퍼런스가 쌓이기까지 시간이 필요하다. 다만 Kotei는 이미 Horizon Robotics Journey 6 기반 주행·주차 통합 솔루션을 양산 중이다.
중요한 건 방향이다.
중국 SDV 경쟁은 이제 차량 기능 경쟁만이 아니라, 그 기능을 얼마나 빠르게 반복 개발하고 검증할 수 있는가의 경쟁으로 이동하고 있다. SDV가 아키텍처 변화였다면, Kotei가 말하는 AIDV(AI Defined Vehicle)는 그 위를 채울 코드 자체를 AI가 생성하고 검증하는 단계로 가는 것을 포함한다. 자동차 소프트웨어 개발 방식이 바뀌고 있다면, Kotei는 그 새로운 것을 먼저 실험하려는 회사 중 하나다. 그리고 그 첫 번째 시험지가 유럽이다.

Auto China 2026, 자동차 산업의 대전이(大轉移)

한상민 기자_han@autoelectronics.co.kr — 2026-05-19 16:41:35+0900

전이는 조용히 오지 않았다. Auto China 2026은 중국 자동차 산업이 표면이 아니라, 체계 자체가 바뀌었음을 보여준 현장이었다. 빅네임들이 전면에서 생태계를 재편하는 동안, 이름보다 실력을 숨긴 조용한 부스들이 그 아래 층위를 바꾸고 있었다. 이 글은 중국에서, 그리고 중국과 서구 간 전이를 동시에 기록한다. 자동차는 다른 존재로 이동하기 시작했다.

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

자동차 산업의 새로운 레이어들

Auto China 2026의 부스들은 각각 다른 제품을 보여주는 것처럼 보였지만,
실제로는 하나의 거대한 스택을 드러내고 있었다.

어떤 기업은 AI 모델을 만들고,
어떤 기업은 차량 내부 데이터 흐름을 바꾸고,
어떤 기업은 지도를 운영체계로 확장하며,
어떤 기업은 유리를 인터페이스로 바꾸고 있었다.

그리고 글로벌 Tier 1은 그 위에서 검증과 책임의 구조를 다시 만들고 있었다.

이 시리즈는 개별 기업 소개가 아니다.
중국에서 시작되고 있는 새로운 자동차 산업의 레이어 구조를 따라가는 기록이다.

NOA와 L2+++의 확산, 자율주행은 시간 싸움
Horizon Robotics, 저 벽에 왜 Bosch와 ZF가 있는가
글로벌에 노크하는 중국 Autolink
Seeway.ai, 지도 회사는 더 이상 지도를 팔지 않는다
Rockchip, “바람 먼저 끄고 다시 켜”를 실행하다
Kotei의 80:20, AI 기반 SW 엔지니어링 실험
NanoAR, 유리가 스크린이 되는 날

Finale: 보쉬, 중국에서 레벨 3를 켜다

전시장 한켠, 투명한 유리 필름 위로 황금빛 말 한 마리가 달리고 있었다. 그 너머로 전시장 풍경이 그대로 보였다. 두 개의 상이 동시에 존재하는 표면. NanoAR의 풀-도메인 윈도 디스플레이다.
멀지 않은 곳, Rockchip 부스의 검은 터미널 화면에서는 로그가 쉼 없이 흘렀다. “바람 먼저 끄고, 10초 뒤 다시 켜.” AI 보드는 100ms 이내에 응답했다. 인터넷도, 클라우드도 없었다. 모든 처리는 차 안에서 끝났다.
CATL 부스에서는 ‘6분 완충 · 1500 km 주행 · No Liquid Electrolyte’라는 문구 아래 Shenxing Battery III 실물 팩 구조가 펼쳐져 있었다. DeepRoute.ai 부스에서는 창업자 맥스웰 저우(Maxwell Zhou)가 단상에 올라 말했다. “자율주행 안전성을 10배, 100배 끌어올리려면 대형 파운데이션 모델 없이는 불가능합니다.” Horizon Robotics 부스 벽에는 Bosch와 ZF의 실물 ECU 모듈이 나란히 걸려 있었다.
전시장 한가운데에서 폭스바겐은 Xpeng과 24개월 만에 공동개발한 ID. UNYX 09를 공개했다. Xiaomi는 SU7·YU7와 함께 자체 SoC XRING O1, 충돌 테스트 영상, 배터리 보호 구조, 가전 생태계까지 한 부스에 쏟아냈다. Huawei는 쇼에서 가장 큰 부스를 차지했다. 단순히 공간이 넓었던 게 아니라, 자동차 산업 안에서 그들의 위치를 말하고 있었다.

사실 이것들은 서로 다른 회사의 서로 다른 기술 이야기가 아니다. 380,000㎡의 거대한 전시장 안에서 동시에 울린 하나의 질문이었다.
자동차란 무엇인가.
현장을 찾은 독일 MHP의 아우구스틴 프라이델(Augustin Friedel)은 이렇게 말했다.
“중국 생태계 안에서 직접 개발하지 않는 기업은 결국 백미러를 통해 그 변화를 바라보게 될 뿐입니다. 이제는 ‘In China for China’를 넘어 ‘In China for the World’가 새로운 전략 언어가 되고 있습니다.”
영국 SBD Automotive의 앤드류 하트(Andrew Hart) 역시 비슷한 이야기를 꺼냈다.
“서구 OEM은 중국을 떠날 여력이 없고, 중국 OEM은 중국에만 집중할 여유가 없습니다. 점점 더 많은 OEM이 생태계 플레이어가 되고 있습니다.”
4월 말. 사흘간 쉼 없이 걸어 다녔다. 1,451대 전시, 181개 월드 프리미어. 세계 신기록이지만 숫자는 부차적이다. Auto China 2026은 신차 발표회가 아니라, 자동차 산업 전체의 무게중심이 이동하는 현장이었다.

Bosch는 중국의 속도 안으로 들어가면서도, 검증과 책임을 붙잡은 채 중국과 유럽 사이를 연결하고 있었다.

1막 · The Ground Shifts
중국을 떠날 수 없는 서구 OEM

2023년 IAA, BYD 부스가 유럽 최대 모터쇼를 잡아먹었을 때 서구 업계의 반응은 대체로 관망이었다. '중국차가 팔린다. 상품성이 올라왔다'였다. 2026년 베이징은 그 관망이 끝났다는 확인이었다.
OEM의 대응은 폭스바겐이 가장 직접적으로 보여준다. “Developed in China, for China.” Xpeng과 공동 개발한 CEA(China Electronic Architecture) 플랫폼으로 ID. UNYX 09를 24개월 만에 완성했다. 전통적인 OEM 개발 주기의 절반도 안 된다. ID. ERA 9X에는 Momenta 강화학습 월드 모델 R7이 탑재됐다. 2026년부터 CEA 기반 차량에 온보드 AI 에이전트가 들어간다. 폭스바겐은 중국으로 들어가 중국처럼 개발하는 것을 전략으로 삼았다.
티어 1의 대응은 다른 방향이다. Bosch CTO 마티아스 필린은 지난해 IAA 직후 열린 The Autonomous에서 이미 이런 변화를 말했다. 중국에서 개발한 2-stage E2E AI 시스템을 독일로 가져와 '몇백 시간'의 학습으로 IAA에서 시연했다. 단, 완전한 블랙박스가 아니라 E2E 위에 VLM을 얹는 하이브리드다. 실제 도로에서 문제가 생겼을 때 추적하고 검증할 수 있어야 한다는 이유에서다. 중국 안으로 들어가는 것이 아니라, 중국에서 만들어 글로벌로 가져간다. Bosch는 이제 중국에서 레벨 3를 먼저 실증하고 세계로 옮길 계획이다. Horizon Robotics 부스 벽에 Bosch와 ZF ECU 모듈이 걸린 장면이 그런 방향을 말해준다. 칩을 누가 만들고, 그 위에 누가 올라타는지. 누가 플랫폼이 되는가의 질문이었다.
그러나 이런 ‘전이’는 한 방향이 아니다. 서구가 중국의 속도를 배우는 동안, 중국도 변하고 있다. 속도에서 책임으로.
중국 MIIT는 레벨 3 자율주행 요건 초안에서 시스템의 최소위험조치를 강제하기 시작했다. DSSAD도 의무화 흐름이다. 현장에서 만난 한 중국 자율주행 개발사 임원이 말했다. “지능주행의 핵심은 속도가 아니라 경계다.” 중국이 글로벌로 나가기 위해 책임을 배우고 있다는 신호다.

Huawei는 쇼에서 가장 큰 부스를 차지했다. 단순히 공간이 넓었던 게 아니라, 자동차 산업 안에서 지금 그들의 위치를 보여주고 있었다.

2막 · The Ecosystem Rewrites the Rules
자동차 밖 논리가 자동차 안으로 들어왔다

1장 · The Visible Giants
이름을 아는 회사들이 전면에 나섰다

Auto China 2026에서 진짜 무서웠던 건 BYD의 물량도 CATL의 스펙도 아니었다. 자동차 산업의 방식을 배운 적 없는 회사들이 전시장 안으로 통째로 걸어 들어온 것이었다.
Xiaomi 부스를 한 바퀴 돌면 이게 느껴진다. SU7·YU7 옆에 XRING O1 자체 SoC, MiMo 기반 AI 에이전트, HyperOS 생태계가 함께 놓여 있었다. 자동차는 Xiaomi 사용자 경험의 마지막 디지털 노드처럼 배치돼 있었다. Xiaomi가 말하는 건 “우리도 자동차를 잘 만든다”가 아니라, “자동차는 우리 생태계의 마지막 노드”였다. 그러면서 충돌 테스트, 배터리 보호 구조, 섀시 구조까지 전면에 내세웠다. 앱을 만들던 회사가 차체 강성을 말하기 시작한 것은 아이디어가 아니라 번호판을 단 것이었다.
Huawei는 더 나아갔다. Yinwang(引望)을 통해 자율주행 알고리즘부터 콕핏 하드웨어까지 수직 계열화했다. ADS 5.0은 충돌 위험 50% 감소를 주장하며 AITO·Arcfox에 레벨 3 고속도로 자율주행을 달아 출시했다. Huawei 부스는 그런 의도를 가장 구체적으로 드러낸 공간이었다. 전동화 파워트레인 DriveONE, 차량 운동 제어 XMC, 지능형 주행 ADS/CAS, 콕핏 HarmonySpace, AI 에이전트와 앱 생태계까지 개별 부품 전시가 아니었다. 차량의 전기·전자·소프트웨어·AI·경험 레이어를 층위별로 쌓아 하나의 차량 운영체계처럼 보여줬다. 스펙 수치 대신 도심 통근, 장거리 여행, 야외 주행이라는 실제 시나리오를 전면에 세웠다. 기술을 성능이 아니라, 경험과 안전, 승차감의 문제로 다뤘다. Huawei가 원하는 건 인포테인먼트의 개선이 아니라, 차가 운영되는 방식 자체를 설계하는 시스템 사업자의 자리였다.
Huawei가 차량의 운영체계와 지능 레이어를 설계한다면, BYD는 다르다. 배터리·모터·반도체·소프트웨어·충전·ADAS까지 직접 만들고 직접 판다. 플랫폼을 노리는 게 아니라, 플랫폼 자체가 되려 한다.
CATL 부스도 배터리 공급사 전시가 아니다. Shenxing III, Qilin III, 응축형 배터리, 나트륨이온 기반 Naxtra Battery, 교체형 배터리 시스템까지 한 공간에 배치하며 충전 속도·저온 성능·안전·수명·원가·자원 순환을 하나의 산업 인프라로 묶었다. 6분 충전, 1500 km 주행, -30℃ 충전, No Liquid Electrolyte은 스펙 경쟁이 아니라, EV 사용자가 실제로 느끼는 불안 요소를 하나씩 제거하겠다는 메시지다. BYD가 완성차 실행 시스템이라면, CATL은 에너지 저장·충전·운영·순환 전체가 자동차 산업의 중심 운영체계가 된다는 사실을 보여주는 공간이었다.

중국 SDV 생태계에서 이제 어떤 회사들은 하나의 기능만 파는 게 아니라, 지능형 차량이 실제 작동하고 해외로 확장하기 위해 필요한 ‘보이지 않는 인프라’를 만들기 시작했다.

2막 2장 · The Other Side of the Floor
빅네임 너머, 더 깊은 전이

빅네임들의 부스를 지나치면 다른 공간들이 있다. 규모는 그들만 못하지만, 이 회사들이야말로 중국 자동차 산업이 표면이 아니라 아래쪽부터 바뀌고 있음을 정확히 보여준다. 전시장의 진짜 깊이가 여기 있다.
Rockchip의 온디바이스 AI는 클라우드 없이 100ms 이하로 차량 기능을 제어한다. 지연·대역폭·데이터 주권이라는 현실적 제약이 클라우드 의존 구조를 흔들기 시작했다. Kotei의 SDW는 멀티 에이전트 시스템으로 AUTOSAR 설정부터 코드 생성·테스트까지 처리한다. 인간 개입 20%, AI 자동화 80%. 엔지니어가 코드를 짜는 게 아니라, AI 에이전트가 짠다. 이는 소프트웨어 개발 문법이 AI로 바뀌고 있다는 신호 이상이다.
Seeway.ai는 지도 회사 NavInfo에서 데이터 컴플라이언스·ADAS·콕핏·칩·글로벌 전개 지원까지 묶는 SDV 인프라 회사로 변신했다. 중국 규제를 가장 깊게 이해하는 회사가 그 이해로 글로벌을 공략하는 역설이다. Autolink는 200만 대 이상의 양산 레퍼런스 위에서 광통신 기반 중앙집중형 컴퓨팅 아키텍처를 글로벌 OEM에 제안하기 시작했다. NanoAR은 유리 자체를 인터페이스로 만든다. 파티션·선루프·사이드 윈도·윈드실드 전체가 디스플레이 레이어가 된다.
이 회사들을 각각 소개하면 기술 이야기지만, 한데 놓고 보면 구조의 변화가 보인다. Xiaomi, Huawei, BYD, CATL이 전면에서 생태계를 재편하는 동안, 이 회사들은 그 생태계가 실제로 작동하는 아래에서 새로운 질서를 만들어 간다. 자동차 산업이 표면만 바뀐 게 아니라는 증거다. 그 안에서 자동차는 더 이상 제품이 아니다. 운영되는 시스템이다. 그리고 그 시스템 안에서 기존의 OEM·티어 1 구조가 근본적인 변화의 질문을 받는다.

3막 · The Loop That Outruns the Project
속도가 아니라 루프가 경쟁력이다

‘차이나 스피드’란 말에는 보통 두 가지 반응이 나온다. “역시 중국은 빠르다”이거나, “품질에 문제가 있을 것”이다. 하지만 정확한 반응은 따로 있다.
“어떻게 저런 속도가 가능한 실행 체계를 설계했는가.”
전통적인 OEM 개발은 선형이다. 기획 → 설계 → 샘플 → 검증 → SOP. 각 게이트를 통과하는 문화다. 실패가 뒤에서 발견되면 비용이 폭발하기 때문에 앞에서 최대한 봉인한다. 중국은 일단 내고 → 보고 → 고치고 → 다시 낸다. OTA는 업데이트 수단이 아니라 개발 프로세스 자체다. 스마트폰·앱·플랫폼 산업의 체질이 자동차로 들어왔다.
이런 루프의 실체를 가장 구체적으로 들려준 것은 DeepRoute.ai의 루안춘(Chong Ruan)이었다. DeepSeek의 전 수석 과학자 출신은 "진짜 경쟁력은 모델 자체가 아니라 얼마나 빠르게 반복하고 개선할 수 있는가에 있습니다"라고 말했다. 과거 100시간 이상 걸리던 데이터 수집 → 학습 → 테스트 → 수정 사이클이, 파운데이션 모델 기반 사전 분석과 클라우드 시뮬레이션으로 10시간 수준으로 단축된다. 루프가 10배 빨라졌다는 말이다.
BYD는 이 구조의 가장 큰 증거다. 배터리·모터·파워 일렉트로닉스·반도체·금형·인테리어·익스테리어를 내부화하며 자동차 회사를 넘어 하나의 산업 운영체로 움직인다. 285만 대 이상의 보유 차량, 하루 1.8억 km 이상의 주행 데이터는 판매량 자랑이 아니라, AI 학습 규모 자체, 경쟁력이다. 데이터가 루프를 돌리고, 루프가 다음 세대 ADAS와 소프트웨어를 만든다. 에너지·제조·소프트웨어·데이터를 하나의 실행 루프로 묶는 회사. 중국 자동차 경쟁력이 가격이 아니라, 수직통합과 데이터 규모에서 나온다는 것을 가장 직접적으로 보여주는 상징이다.
그런데 왜 이런 루프를 모두가 가질 수 없을까? 루프를 설계하지 못하는 게 아니라, 루프를 설계할 이유가 없었던 것이다. 전통적인 구조에서 속도는 리스크였다. 검증되지 않은 채로 내보내는 것은 리콜이고, 리콜은 브랜드에 대한 것, 생존이다. 물론 이 논리는 틀리지 않지만, 문제는 그 논리가 유효하던 시장이 바뀌었다는 것이다. OTA로 고칠 수 있는 소프트웨어와, 리콜해야 하는 하드웨어가 같은 차 안에 공존하기 시작한 순간, 검증 우선의 선형 개발은 속도 우선의 루프에 뒤처지기 시작한다.
Autolink 부스에서 나온 답이 이를 말해준다.
“많은 OEM의 기존 개발 프로세스, 조직 구조, 공급업체 관리 체계는 원래 분산형 E/E 아키텍처를 기반으로 만들어졌습니다. 중앙집중형으로 전환하려면 E/E 아키텍처, 소프트웨어 개발 방법론, 테스트·검증 프레임워크까지 근본적으로 다시 생각해야 합니다.”
장벽은 기술이 아니다. 기반 기술은 빠르게 성숙하고 있다. 하지만 더 큰 장벽은 조직 구조와 기존 방식에 대한 관성이다.
이것이 차이나 스피드의 실체다. 지금도 심심치 않게 나오는 ‘야근’ 뉴스가 아니라, 회사와 공급망 전체가 실행 루프를 설계해 놓은 결과다. 그 루프 밖에 있는 조직은, 루프 안의 조직이 한 바퀴 돌아올 때마다 조금씩 뒤처진다. 문제는 그 간격이 선형으로 벌어지지 않는다는 것이다.

AI는 점점 더 많은 판단을 가져가고 있었다. 문제는 이제 얼마나 잘 달리느냐가 아니라, 그 판단의 책임을 누가 지는가였다.

4막 · The Minority Report
권한은 이동하고, 책임은 남는다

자동차 산업의 변화를 설명할 때 하나의 프레임을 여전히 쓰고 있다. ‘Minority Report’.
중국이 미래를 예측했다는 뜻이 아니다. 우리가 당연하다고 믿어온 전제들, 자동차 개발은 오래 걸린다, 품질은 긴 검증 끝에 확보된다, 소프트웨어는 자동차의 보조 기능이다. 중국은 이 전제들 앞에 ‘정말 그런가?’라고 질문했고, 그 질문을 말이 아니라 실행으로 밀어붙였다.
영화에서 ‘프리크라임’ 시스템은 ‘예측’을 말하지만 실제로는 범인을 지목하는 ‘권력’으로 작동한다. 시스템이 미래를 본다고 믿는 순간, 권한은 시스템으로 넘어간다. 그런데 책임은 따라 가지 않는다.
자동차 산업에서도 같은 구조가 만들어지고 있다. AI가 경로를 설계하고 판단을 만들고 차가 움직인다. 예를 들어, Huawei ADS 5.0이 레벨 3 판단을 내린다. Kotei 에이전트가 소프트웨어를 만든다. Rockchip이 차 안에서 명령을 실행한다.
DeepRoute.ai의 VLA는 이 구조를 가장 구체적으로 드러낸다. 인접 차선 차량이 신호 없이 급감속했을 때, 시스템은 단순히 브레이크를 밟지 않는다. 신호 없는 급감속 → 전방 버스의 임시 정차 → 보행자 출현 가능성 → 충돌 방지를 위한 감속이란 사고의 흐름을 거쳐 판단한다. 그리고 루안춘의 말이 이를 압축한다. “도구를 두뇌로 삼지 말라.”
판단을 AI에 맡기되, 그 판단의 방향을 설계하는 것은 여전히 사람이어야 한다는 뜻이다. 그런데 현실에서 그 경계는 점점 흐려지고 있다. 판단의 권한은 시스템으로 넘어간다. 그런데 책임은 따라 가지 않는다. 사고가 나면? 책임은 OEM, 운영자, 공급망으로 돌아온다.
데이터도 같은 구조다. “모델은 가져갈 수 있습니다. 근데 데이터는 못 건드립니다.” AI가 판단하고, 모델은 공급사가 만들고, 데이터는 OEM이 쥔다. 사고가 나면 책임은 누구에게 돌아가는가? 사용자 데이터는 누구의 것인가? 차 안에서 생기는 서비스 수익은 누가 가져가는가? 우리는 하드웨어를 납품하는 회사인가, 아니면 운영되는 플랫폼의 일부를 책임지는 회사인가.
Horizon Robotics 부스 벽에 Bosch와 ZF가 걸려 있는 장면. 그것을 보면 이 질문은 이미 현실이 됐다. Bosch와 ZF가 Horizon의 칩 위에 탄다는 것은, 자동차 산업에서 누가 플랫폼이 되고 누가 그 위 레이어가 되는지를 말하는 신호다. 티어 1에게도 같은 질문이 그대로 돌아온다.
이런 긴장을 국가도 인식하고 있다. 중국 MIIT가 2026년 2월 공개한 레벨 3·레벨 4 강제 안전 표준 초안은 두 가지를 동시에 요구한다. 운전자가 응답하지 않을 때 시스템이 스스로 차선을 바꾸고 안전하게 정차할 것. 항공기 블랙박스와 같은 DSSAD를 의무 탑재해 그 판단의 흔적을 데이터로 남길 것. 누가 판단했는지 기록하고, 책임은 제도가 묻겠다는 것이다. 2027년 7월 시행 예정인 이 강제 표준을 충족하지 못하면 중국 내 생산·판매·수입이 전면 금지된다.
권한이 이동할수록 책임의 질문은 더 커진다. 그리고 그 어긋남이 앞으로 이 산업 안에서 가장 뜨거운 싸움터가 될 것이다.

마지막 · The Question Left Open
그 다음은 누가 쓰는가

Auto China 2026이 끝났다. BYD는 실행 시스템을, CATL은 에너지 플랫폼을, Xiaomi는 소비자 전자 생태계를, Huawei는 플랫폼 주도권을 보여줬다.
폭스바겐과 Bosch는 중국의 속도 안에서 재학습하는 글로벌 OEM과 티어 1의 현재를 보여줬다. 이들 모두의 공통점은 자동차를 기계가 아니라 운영 시스템으로 본다는 점이다. 중국은 실행 체계를 재설계했다. 서구는 중국의 속도를 따르면서 책임을 방어선으로 세우고 있다.
그런데 전시장에서 사람들을 가장 오래 머물게 만든 건 플랫폼도 데이터도 아니다. 권한이 이동하고 책임이 남는 구조, 루프가 루프를 앞서는 경쟁, 생태계가 생태계를 삼키는 재편, 이 모든 것이 결국 도달하려는 곳은 누군가가 차 안에 앉아 느끼는 것. 그래서 가장 마지막 질문은 언제나 경험이었다.
AUDI E7X의 뒷좌석 리모컨은 센터 콘솔 아일랜드 뒤쪽에 숨겨져 있다. 버튼을 누르면 느리고 정밀하게 열린다. SenseAuto 부스에서는 AI 에이전트가 음성 한 마디로 블랙박스 영상을 찾아냈다. SAIC-Huawei의 Z7에서는 분산된 디스플레이들이 연결돼 컨텐츠가 지능적으로 흐르고 조명과 오디오가 하나의 감각으로 조율된다. 폭스바겐 그룹 Diconium의 광양(Guang Yang)은 이런 흐름을 이렇게 정리했다.
"훌륭한 자동차 UX는 단지 화면 크기나 기능 목록이 아니라 미세 상호작용 속에 있습니다. 방향은 더 많은 디지털 접점이 아니라, 더 똑똑한 조율입니다."
경험은 아직 쓰이지 않은 게 아니라, 누가 더 진짜로 쓰기 시작했냐는 것이다.

Auto China의 기사들은 그 전이의 현장 기록이다.
칩 위에 올라탄 Bosch와 ZF, 클라우드 없이 차 안에서 실행되는 AI, 파운데이션 모델을 양산 현실로 옮기는 선택, 중국 규제를 가장 깊게 이해하는 회사가 그 이해로 글로벌을 공략하는 역설, 200만 대 레퍼런스 위에서 글로벌 OEM에 노크하는 방식, 엔지니어 대신 에이전트가 짜는 코드, 그리고 유리를 스크린으로 만드는 날. 각각은 하나의 퍼즐 조각이고, 한데 놓으면 하나의 그림이 된다.
자동차 산업의 대전이.
전시장을 나오기 전, 다시 NanoAR 부스 앞에 멈춰 섰다. 투명한 유리 위로 황금빛 말이 여전히 달리고 있었다. 그 너머로는 전시장 풍경이 그대로 보였다. 두 개의 상이 동시에 존재하는 표면. 현실과 디지털, 자동차와 플랫폼이 겹치고, 물리적 기계와 AI 시스템이 동시에 존재하고, 서구와 중국이 서로를 배우며 재구성되는 지금. 어쩌면 Auto China 2026은 바로 그 중첩과 전이가 실제 산업 구조로 나타난 현장이었는지도 모른다. 자동차는 다른 존재로 이동하기 시작하고 있었다.

공중에 떠 있는 황금빛 말은 단순 디스플레이 데모가 아니었다. 자동차 유리 전체가 인터페이스가 되는 순간이었다.
두 개의 상이 동시에 존재하는 표면.
현실과 디지털, 자동차와 플랫폼이 겹치고, 물리적 기계와 AI 시스템이 동시에 존재하고,
서구와 중국이 서로를 배우며 재구성되는 지금.
Auto China 2026은 바로 그 중첩과 전이가
실제 산업 구조로 나타난 현장이었는지 모른다.

NanoAR, The Day Glass Becomes a Screen

한상민 기자_han@autoelectronics.co.kr — 2026-05-18 11:37:29+0900

NanoAR, 유리가 스크린이 되는 날

한상민 기자_han@autoelectronics.co.kr — 2026-05-18 11:06:41+0900

터치 필름 기반 인터랙션 데모. 손가락 입력으로 파티션 윈도의 컨텐츠를 사이드 윈도로 이동시키고 조작도 할 수 있다.

Auto China에서 NanoAR이 보여준 것은 더 큰 스크린이 아니라, 유리 자체가 인터페이스가 되는 장면이었다. 파티션, 선루프, 사이드 윈도, 윈드실드가 모두 디스플레이 레이어가 되면서 자동차 실내는 미디어 공간으로 바뀐다. 현장 시연은 완벽하지 않았지만, 투명한 유리 위에 두 개의 상이 동시에 존재하는 장면은 충분히 인상적이었다. SDV 시대의 UX는 화면을 더하는 것이 아니라, 이미 존재하는 표면을 어떻게 재정의하느냐의 문제로 가고 있다.

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

부스 입구, 말 한 마리가 달리다

Auto China 2026 전시장 한켠, 파란 부스 입구 상단에 황금빛 말 한 마리가 달리고 있었다. 그런데 그 말이 달리는 표면은 불투명한 패널이 아니었다. 투명한 유리 같은 필름 위로 말의 형상이 선명하게 떠 있었고, 필름 너머로는 전시장 풍경이 그대로 보였다. 두 개의 상이 동시에 존재하는 표면. 그게 Photonic Crystal이 이번 전시에서 내건 첫 번째 장면이었다.
부스 현판에는 세 단어가 나란히 적혀 있었다. "WORLD PREMIERE. FULL-DOMAIN WINDOW. AUTOMOTIVE-GRADE." 세계 최초 공개, 차량 전체 윈도 적용, 그리고 양산 등급. 이 세 단어가 NanoAR(Photonic Crystal)이 Auto China 2026에서 꺼낸 메시지의 전부였다.
부스 안에는 검은색 세단 한 대가 세워져 있었다. 외관만 보면 평범한 차다. 하지만 사람들이 줄을 서서 뒷문을 열고 들어가고 있었다.
“이건 일반 디스플레이가 아니에요.”

아델 리우(Adele Liu) 글로벌 세일즈 매니저가 차 옆에 서서 방문객들에게 기술을 설명하고 있었다. 누군가 당연한 듯 물었다. “요즘 모든 차가 디스플레이를 씁니다만, 이건 다른 겁니까?” 그녀가 답했다.
“맞아요. 이건 투명 디스플레이입니다.”

차 안으로 들어갔다. 후석 공간은 어두웠다. 그런데 어두운 만큼 더 선명하게 보이는 것들이 있었다. 앞 좌석 뒷면 전체를 채운 대형 투명 스크린 위로 선명한 그래픽이 흘렀다. 더 위쪽 선루프 유리 전체에는 은하수 영상이 펼쳐져 있었다. 오른쪽 사이드 윈도에도 같은 그래픽이 표시되고 있었다. 앞을 보면 스크린, 위를 보면 은하, 옆을 보면 또 다른 화면. 차 안 전체가 하나의 디스플레이 공간이었다. 그리고 어디에도 기존 패널은 없다.
“이건 터치 필름입니다. 유리 위에 붙이는 나노 광학 소재에요. 프로젝터의 빛을 받아 화면을 만들면서도, 반대편 빛은 그대로 통과시킵니다.”
투과율 80% 이상, 헤이즈 2% 미만. 이 수치가 의미하는 것은 영상이 표시되는 동안에도 창문 너머 바깥이 보인다는 것이다. 필름 자체가 화면이자 유리인 상태다.

앞을 보면 스크린, 위를 보면 은하, 옆을 보면 또 다른 화면. 차 안 전체가 하나의 디스플레이 공간이었다. 그리고 어디에도 기존 패널은 없다.

프로젝터는 뒷좌석 중앙 콘솔에 있었다

한 가지 궁금증이 생겼다. 저 영상은 어디서 나오는 것인가. 발 아래를 보니 뒷좌석 중앙 콘솔 위에 손바닥만 한 DLP 프로젝터 하나가 올라가 있었다. 작은 상자였다. 그 장치 하나가 앞 파티션 스크린과 천장 선루프 영상을 동시에 만들고 있었다. 해상도는 프로젝터에 따라 달라진다. 최대 8K까지 구현이 가능하다.
“LG 프로젝터를 사용하면 더 높은 화질이 가능해요.” 리우 매니저가 덧붙였다.

양산 차량에 프로젝터는 실제로 어떻게 통합될까.
용징 왕(Yongjing Wang) CTO는 “현재 구성에서는 센터 콘솔 암레스트 내부에 통합하는 방식을 쓰고 있지만, 차량 구조나 OEM 패키징 제약에 따라 헤드라이너 안쪽이나 시트 아래 등 다양한 위치에 유연하게 배치할 수 있도록 설계돼 있습니다”라고 설명했다.
필름이라는 형태가 프로젝터 배치의 자유도를 함께 만들어내는 것이다.
이런 구조가 갖는 의미는 작지 않다. 기존 자동차 디스플레이는 패널 자체를 차에 실어야 한다. 때로는 무겁고, 두껍고, 설계 제약이 크다. 반면 이런 방식에서 패널은 단지 필름이다. 유리에 붙이면 된다. 프로젝터는 별도로 장착하거나 차량 구조 안에 통합할 수 있다. 형태도 고정형 리지드 구조와 말아서 보관할 수 있는 롤러블 구조 모두가 가능하다.

손가락이 화면을 밀었다

시연이 시작됐다. 리우 매니저가 대형 투명 파티션 스크린을 손가락으로 스와이프했다. 화면 위에 떠 있던 컨텐츠가 옆 사이드 윈도 쪽으로 이동했다.
“보이시죠? 두 화면이 서로 연결돼 있어요. 파티션에서 사이드로, 위로도 밀어 올릴 수 있고, 반대로도 됩니다.”

터치 필름이기에 가능한 기능이었다. 단순히 영상을 투사하는 표면이 아니라, 손가락 입력을 받는 인터랙티브 인터페이스다. 리우 매니저는 차량 상태 확인 화면도 열었다. 배터리 잔량, 공조 상태, 온도 설정. 화면 안에 BYD 앱 인터페이스가 떠 있었고 조작할 수 있었다.
다만 시연 중 앱 반응이 조금 느렸다.
“지금 앱이 좀 느려요. 스마트폰 앱 쪽 문제예요.”

좌측 시트에 앉아 있던 리우가 사람을 건너 우측 사이드 윈도에 뜬 공조 화면에서 온도를 조절하려니 터치 위치가 닿지 않아 애를 먹기도 했다. “손이 닿기엔 조금 머네요.” 그녀가 웃으며 말했다.
문득, 무릎 앞에 놓인 프로젝터, 느린 앱과 같은 장면이 이 시연이 단지 연출된 게 아니라 실제 동작하는 프로토타입이라는 것을 새삼 느끼게 해줬다.

터치 필름 기반 인터랙션 데모. 손가락 입력으로 컨텐츠를 이동시킬 수 있다. 사이드 윈도의 인터랙티브 UI를 통해 정보를 탐색할 수 있다.

게임은 앞에서, 우주는 위에서

파티션 스크린에 앵그리버드 게임 화면이 떴다. 10여 년 전 유행했던 그 게임을 손가락으로 직접 터치해 진행할 수 있었다. 다음엔 K-POP 뮤지션 ‘소녀시대’가 나오는 뮤직비디오가 올라왔다. 후석에 앉은 채로 앞 스크린 가득 인물이 나타났다.
리우 매니저가 이 장면의 핵심 시나리오를 설명했다.
“충전 중에 영화를 보는 거예요. 그리고 필요할 때 다시 공간을 비워둘 수 있습니다.” 전기차 충전 시간을 미디어 공간으로 전환하는 것. 중국 자동차 시장에서 반복적으로 등장하는 ‘제3의 공간’ 개념이었다.

부스 안쪽 보드에는 이런 기술의 방향이 한 문장으로 적혀 있었다.
“Glass as display, windows as interfaces, the cabin as a cinema.”
자동차를 제3의 공간으로 만들겠다는 것이다. NanoAR이 이 기술에 붙인 이름은 Full-Vehicle Transparent Interactive Display Solution이다.

모드를 고르고 들어가 앵그리버드를 스와이프로 당겨 타깃을 향해 날린다. 투명 파티션 스크린 위에서 실행된 게임 데모.

차 밖에서 본 풍경

차 밖의 광경은 또 다르다. 윈드실드를 보면 그 너머 전시장이 보이는 동시에 유리 표면 위에 영상이 겹쳐 보였다. 안과 밖이 모두 살아있는 상태. 글래스를 가리지 않고 윈드실드 자체도 디스플레이가 된 상태였다.
AR-HUD는 윈드실드 전체를 투명 HUD로 쓰는 시도다. 기존 AR-HUD가 좁은 시야각(FOV)과 큰 부피 때문에 적용 차종이 제한됐던 문제를 나노 광학 필름 기반으로 풀겠다는 방향이다. FOV 13도 이상, 부피 1리터 미만으로 기존 기술 대비 10분의 1 수준을 목표로 한다.
또, AR-HUD와 기술적 원리는 유사하지만, 표시 영역을 윈드실드 하단 전체로 확장한 Panoramic HUD도 있었다. BMW가 선보인 것처럼 필러 투 필러(Pillar-to-Pillar) 방식으로 횡으로 길게 펼친 디스플레이다.
“디스플레이 밝기가 10,000nit를 넘기 때문에 직사광선이 들어오는 상황에서도 이미지를 충분히 선명하게 볼 수 있습니다.”

왕 CTO는 밝은 환경에서도 쓸 수 있는지에 대해 이렇게 답했다. 다만 트레이드오프도 솔직하게 인정했다.
“투과율을 높이면 시스루 성능은 좋아지지만, 밝은 환경에서의 이미지 대비는 프로젝터 출력과 필름 게인에 영향을 받습니다. 적용 환경에 따라 그 균형을 조정하는 것이 저희 역할입니다.”

양산까지 얼마나 남았나

‘Make Every Window a Display.’ 이것은 NanoAR이란 기술 브랜드에 대한 Photonic Crystal사의 슬로건이다.
Photonic Crystal은 2017년 미국 산타클라라와 중국 선전에 거점을 둔 광자결정 디스플레이 기술 회사다. NanoAR은 이 회사의 핵심 브랜드로, 중국·미국·일본에 관련 특허를 보유하고 있으며 automotive-grade 인증도 통과했다. Fuyao Glass America를 포함한 복수의 자동차 유리 제조사와 협력 중이다.
리우 매니저와 왕 CTO는 이미 구체적인 양산 프로젝트가 있다고 설명했다. 한 대형 OEM이 신차 선루프 영역에 이 기술을 적용하고 있으며 해당 차량은 2027년 출시 예정이라고 했다. 아시아의 한 유력 OEM과도 PoC(개념 검증) 단계의 협력이 진행 중이라고 덧붙였다. 독일의 한 업체와는 컨셉카를 공동 제작한 경험이 있고, 유럽 프리미엄 OEM과도 쇼룸 방문과 샘플 제공이 이뤄졌다고 밝혔다. CES 2025에서는 롤러블 투명 디스플레이 기술을 공개했고, 이번 Auto China에선 그것을 포함해 차량 실내 전체를 커버하는 통합 솔루션을 처음으로 선보였다.

왕 CTO와 함께. 뒤쪽 윈드실드에 ‘트랜스포머’ 영화가 상영되고 있다.

스크린이 아니라 공간이 바뀐다

차에서 나오면, 다시 부스 입구의 황금 말이 여전히 투명한 표면 위를 달리고 있다.
자동차 실내 디스플레이는 오랫동안 ‘얼마나 큰 스크린을 넣느냐’의 경쟁이었다. 센터 디스플레이가 커지고, 클러스터가 파노라믹이 되고, HUD가 더 넓어지고 있다. 하지만 그 스크린들은 차 안 어딘가에 박혀 있는 것이다. 윈도는 여전히 윈도다.
Photonic Crystal이 이번 전시에서 말한 것은 조금 다른 방향이다. 스크린을 더 크게 만드는 것이 아니라, 이미 존재하는 유리 표면 전체를 디스플레이 레이어로 바꾸는 것. 파티션도, 선루프도, 사이드 윈도도, 윈드실드도. 차 안 모든 유리가 필름 한 장으로 화면이 된다면, 차 안이 바뀌는 것이 아니라 차 안을 구성하는 방식 자체가 바뀌는 것이다.
현장 시연은 퍼펙트는 아니었다. 하지만 파티션 스크린은 실제로 빛났고, 천장의 은하수는 실제로 펼쳐졌으며, 유리 너머로 전시장이 보였다. 두 개의 상이 하나의 유리 위에 동시에 존재하는 장면은 적어도 이 기술이 렌더링이 아니라는 것을 말해주고 있었다.
선루프에 이 기술을 적용한 차가 2027년에 나온다. 유리 제조사들이 이미 이 필름을 받아 테스트 중이다. 어떤 OEM과 티어 1에게 이 기술은 ‘먼 얘기’처럼 보인다면, 어디에선 그 거리가 생각보다 짧을 수 있다. 유리가 더 이상 수동적인 표면으로 남지 않을 것이란 신호다. 인카 UX 경쟁의 일부는 화면의 크기를 넘어 존재하는 표면을 얼마나 지능적인 인터페이스로 바꾸느냐로 바뀌고 있다.

Rockchip Executes: "Turn Off the Airflow, Then Turn It Back On"

한상민 기자_han@autoelectronics.co.kr — 2026-05-14 14:50:38+0900

Real-time mcp_vhal-hvac API call logs scrolling on the terminal screen. A single command - "Turn off the airflow first, then turn it back on after 10 seconds" - executes in sequence: fan_speed level: 0 → nanobot response → fan_speed level: 2.

On a small board, voice commands are actually executing vehicle functions in real time. With Rockchip, AI has moved beyond competing on cloud-based large models - it is now reacting, reasoning, and controlling functions from inside the car. Real-world constraints of latency, bandwidth, and data sovereignty are amplifying the importance of on-device AI and local inference. Rockchip's booth at Auto China 2026 was a window into the execution layer that China's edge AI is building inside the automobile.

By Sang Min Han _ han@autoelectronics.co.kr
한글로보기

Logs were scrolling up a black terminal screen, one after another.
mcp_vhal-hvac_fan_speed → level: 0
mcp_vhal-hvac_air_circulation → inside
"Turn off the airflow first, then turn it back on after 10 seconds," came the voice command. The screen responded immediately.
fan_speed level: 2
"The AC fan has been turned off. It will automatically resume at level 2 in 10 seconds."
Nanobot replied.
Time to first response: under 100ms. And all of it was processed inside the vehicle - no internet required.
This was the most striking moment at the Rockchip booth. Not a massive autonomous driving demo car, not a flashy NOA visualization. At the center of the booth sat small AI boards, a display, and that black terminal log screen. Overhead, a sign read: "AI Exhibition Zone."
The deeper you walked into the booth, the more clearly these small moments explained the fundamental shift underway inside China's automotive industry. AI is no longer confined to the cloud. It is coming into the car. And it isn't just a voice assistant - it is actively controlling real vehicle functions.

Why Rockchip Came to Auto China

Rockchip is a Chinese fabless semiconductor design company founded in 2001. Starting with digital audio and video chips, it has since expanded significantly into AIoT, automotive electronics, and robotics. The Hurun Report placed it among the top 10 of its 2025 China AI Top 50 ranking.
On the automotive side, Rockchip leads with SoCs like the RK3588M, RK3576M, and RK3572M - chips optimized for smart cockpits, instrument clusters, entertainment screens, HUDs, DLP systems, and in-cabin vision. The RK3588M supports driving up to seven displays simultaneously from a single chip and can also handle AVM functionality.
A Rockchip representative pointed to one of the small boards in the booth and began his explanation.
"We are a chip company, and within China we are one of the leaders in this field. We do a lot of work on the AI chip side in particular.“

The Yonghu AI Assistant demo station. The RK3576M + RK1828 board is on display; the product card on the left lists key capabilities including colloquial command comprehension, state memory, and multi-step instruction execution.

RK3576: The Sweet Spot of Edge AI

The centerpiece of the Auto China 2026 demo was on-device AI powered by the RK3576. Inside a transparent acrylic case, the actual board, heatsink, and connection ports were all exposed. A display beside it showed an HVAC control UI in operation.
Within Rockchip's lineup, the RK3576 occupies the sweet spot between performance and power efficiency. It features an octa-core CPU with four Cortex-A72 and four Cortex-A53 cores, a proprietary NPU delivering 6 TOPS, and an ARM Mali-G52 MC3 GPU. It supports 8K video codecs and operates across an industrial temperature range of -40°C to 105°C. Since its launch in July 2024, it has seen rapid adoption in edge AI, smart HMI, and multimedia signal processing.
"This part here is the AI chip. It's our latest, and the TTFT - Time To First Token - and TPS - Tokens Per Second - performance are quite good. The response speed is fast. TTFT is around the 100ms level."
TTFT is an increasingly critical metric in generative AI and LLM systems. It measures the time from when a user inputs a command to when the model delivers its first output - ultimately determining the perceived responsiveness of an AI interaction. In real-time environments like vehicle cabins, sensitivity to this figure is even greater.

"Turn Off the Fan, Turn It Back On After 10 Seconds“

The most impressive moment was not the hardware specs. It was that terminal screen.
mcp_vhal-hvac_fan_speed, mcp_vhal-hvac_temperature, mcp_vhal-hvac_air_circulation - vehicle function calls scrolled in real time. On one side of the screen, the name "nanobot" appeared. This was not simple UI animation. An LLM-based command orchestration architecture was executing live.
"Let's try putting in one command. Something like: 'Turn off the fan first, then turn it back on after 10 seconds.'"
The representative ran the demo himself. The moment the command was given, the screen responded instantly. The terminal log unfolded in sequence: fan_speed level: 0 → nanobot response: "The AC fan has been turned off. It will automatically resume at level 2 in 10 seconds." → fan_speed level: 2.
"You see that? The response speed is under 100ms. Quite fast."
Natural language commands were connected directly to the vehicle function API. Looking closely at the terminal log, it became clear that nanobot was decomposing a complex instruction - set main temperature to 18°C, set secondary temperature to 25°C, set airflow direction to face, activate seat heating at level 2, enable internal air circulation - into sequential API calls and executing them one by one. AI was not simply holding a conversation. It was calling and executing real vehicle functions.
Input methods were also flexible.
"Typing works, and voice ASR works too. Both are supported."
The representative then summed up the core of the demo in a single line.
"All of this is processed internally. No internet needed."
Yonghu AI Assistant: MCP-Based In-Vehicle AI Agent Architecture
The name of the booth demo was Yonghu AI Assistant. According to the product card, the demo runs on a combination of the RK3576M and RK1828 chips, with a model based on Qwen3-4B.
What made it interesting was that this went well beyond simple voice recognition. The product card listed capabilities including understanding colloquial commands, executing complex multi-step instructions, remembering user preferences, and invoking vehicle control tools. It was described as understanding everyday expressions like "I can't stretch my legs" or "I can't see clearly ahead."
Structurally, the system connects to the vehicle's VHAL (Vehicle Hardware Abstraction Layer) via MCP (Model Context Protocol). An agent uses LLM-based natural language reasoning to directly call vehicle function APIs. Where earlier automotive voice control centered on fixed keyword recognition, the architecture has now shifted to LLM-based contextual interaction.

The Omni Multimodal Perceptual Vehicle Control demo station. A camera is connected to the RK3576M + RK1828 board; the panel on the right lists voice-controllable commands covering everything from climate on/off to seat heating, defrost, and air circulation - all modeled on real vehicle control scenarios.

Omni Multimodal Perceptual Vehicle Control: Vision Enters the Picture

At a separate station within the same booth, another demo was running - this one with a camera connected. Named Omni Multimodal Perceptual Vehicle Control, it also ran on the RK3576M + RK1828 combination, with a multimodal model based on Qwen3-Omni-4B.
The key was that vehicle control and visual recognition were unified into a single system. Functions including climate on/off, temperature adjustment, fan speed, airflow direction, seat heating, defrost, and interior/exterior air circulation were all linked to voice commands - while simultaneously, the camera recognized individuals and generated real-time descriptive text. Image input, text generation, and vehicle interaction were all executing on a single edge device.
On a nearby screen, yet another AI Box demo was running. Qwen2.5-VL-7B and Qwen3-VL-4B models ran on the RK3576M + RK1828, recognizing movements of people in front of the camera and generating real-time descriptive outputs like: "Non-threatening event: a person approached the vehicle but did not make contact with the body."
"The camera recognizes the person, and the result is reflected here immediately. All on-device," the representative said, pointing to the camera feed.

The AI Box demo screen. The camera recognizes a person and generates the text "Event: a person approached the vehicle but did not make contact with the body" in real time. The result of a Qwen-based Vision-Language model running locally on the RK3576M + RK1828 edge AI board.

The Direction: The Car as Endpoint

While the demos ran in a controlled booth environment and questions about production timelines and target OEMs went unasked, one thing was clear after walking the floor: Rockchip is no longer simply an automotive MCU company. The booth displayed the slogan "Seven Product Lines, Upgraded Value for In-Vehicle Products" alongside AI, automotive vision, and intelligent cockpit zones laid out side by side. The boundary between automotive and consumer AI was visibly blurring.
Why run AI inside the vehicle at all? The first reason is latency. In-cabin interactions are sensitive even to delays of a few hundred milliseconds. A TTFT at the 100ms level meaningfully changes the actual interaction experience. The second is bandwidth. Continuously streaming all multimodal AI and vehicle sensor data to the cloud carries substantial real-world cost. The third is privacy and regulation. Demands for data sovereignty and local processing within the automotive industry are growing stronger. Ultimately, many functions are likely to execute directly inside the vehicle. That is why the edge AI competition is not simply a race of TOPS numbers - it is a problem that requires simultaneously solving latency, thermal management, power efficiency, local inference, and multimodal processing.

The Rockchip booth at Auto China 2026. In front of a white demo car, the AI exhibition, automotive vision, and intelligent cockpit zones are laid out side by side.

Where AI Comes Down

For the past few years, the generative AI industry has been largely a cloud AI competition - models trained on massive data centers and GPU clusters. But when the conversation shifts to real industrial deployment, the story can change.
What Rockchip and many Chinese technology companies demonstrated at Auto China 2026 was exactly that. Rockchip in particular showed AI operating at the lowest layer of this shift: executing at the actual device edge.
The automobile is one of the most important execution spaces for that shift. AI is no longer confined to data centers. It has already arrived - inside the vehicle's function calls and HVAC control logs.

Rockchip, “바람 먼저 끄고 다시 켜”를 실행하다

한상민 기자_han@autoelectronics.co.kr — 2026-05-14 14:39:17+0900

터미널 화면에 실시간으로 올라가는 mcp_vhal-hvac API call 로그.
“바람 먼저 끄고, 10초 뒤 다시 켜”라는 명령 한 문장이 fan_speed level:0 → nanobot 응답 → fan_speed level:2 순서로 실행되는 과정이 보여진다.

작은 보드 위에서 음성으로 차량 기능 호출이 실제로 실행되는 장면. Rockchip과 함께 AI는 이제 클라우드의 대형모델 경쟁을 넘어, 차 내부에서 반응하고 판단하고 기능을 제어하는 단계로 내려오고 있다. 지연, 밴드위스, 데이터 주권이라는 현실적인 조건은 온디바이스 AI와 로컬 추론의 중요성을 더욱 키우고 있다. Auto China 2026의 Rockchip 부스는 중국 에지 AI가 자동차 안에서 어떤 실행 레이어를 만들고 있는지를 보여준 현장이었다.

글 한상민 기자_han@autoelectronics.co.kr
IN ENGLISH

검은 터미널 화면 위로 로그가 계속 올라가고 있었다.
mcp\_vhal-hvac\_fan\_speed → level: 0mcp\_vhal-hvac\_air\_circulation → inside
“바람 먼저 끄고, 10초 뒤 다시 켜.”라고 말하니, 화면이 바로 다시 움직였다.
fan\_speed level: 2
“에어컨 풍량이 꺼졌습니다. 10초 후 자동으로 2단으로 복구됩니다.”
나노봇(nanobot)이 응답했다.

반응까지 걸린 시간은 100ms 이하. 이 모든 것은 인터넷 없이 차량 내부에서 처리됐다.
이건 Rockchip 부스에서 가장 인상적이었던 장면이었다. 거대한 자율주행 데모카나 화려한 NOA 시각화가 아니라, 이곳 부스 중심에는 작은 AI 보드들과 디스플레이, 그리고 저 검은 터미널 로그 화면이 놓여 있었고, 천장에는 'AI전시구역'이란 문구가 있었다.
부스 안으로 들어갈수록, 이런 작은 장면들이 지금 중국 자동차 산업 안에서 벌어지고 있는 근본적인 변화를 차례로 설명했다. AI는 클라우드 위에만 머물러 있지 않다. 자동차 안으로 들어오고 있다. 그리고 그것은 단순 음성비서 수준이 아니라, 실제 차량 기능을 제어한다.

Auto China에 온 Rockchip의 이유

Rockchip은 2001년 설립된 중국의 팹리스 반도체 설계 기업이다. 초기에는 디지털 오디오·비디오 칩으로 시작했지만, 지금은 AIoT·자동차 전자·로봇 분야까지 사업 범위를 크게 넓혔다. Hurun Report가 뽑은 ‘2025 중국 AI 기업 50강’ 중 상위 10위 안에 이름을 올리고 있다.
차량 제품 라인에서 Rockchip은 RK3588M, RK3576M, RK3572M 같은 SoC를 전면에 내세운다. 이 칩들은 스마트 콕핏, 인스트루먼트, 엔터테인먼트 스크린, HUD, DLP, 차량 내부 비전 시스템에 최적화돼 있다. RK3588M은 단일 칩으로 최대 7개 화면을 동시에 구동을 지원하고, AVM 기능도 처리할 수 있다.
Rockchip 관계자는 부스 안의 작은 보드를 손으로 가리키며 설명을 시작했다.
“저희는 칩을 만드는 회사고, 중국 내에서는 이 분야 리더 중 하나라고 보시면 됩니다. 특히 AI 칩 쪽을 많이 하고 있습니다.”

RK3576: edge AI의 '스위트스폿'

Auto China 2026에서 데모의 핵심을 담당한 것은 RK3576 기반 온디바이스 AI였다. 투명 아크릴 케이스 안에 실제 보드와 히트싱크, 연결 포트들이 노출돼 있었고, 옆 디스플레이에는 HVAC 제어 UI가 떠 있었다. RK3576은 Rockchip의 라인업에서 성능과 전력 효율 사이 ‘스윗스폿’으로 자리잡고 있는 칩이다. 4개의 Cortex-A72와 4개의 Cortex-A53으로 구성된 옥타코어 CPU, 6 TOPS의 자체 개발 NPU, ARM Mali-G52 MC3 GPU를 탑재하고 있다. 8K 비디오 코덱 지원과 함께 -40℃에서 105℃까지 산업용 동작 온도를 지원한다. 2024년 7월 출시 이후, 에지 AI·스마트 HMI·멀티미디어 신호 처리 분야에서 빠르게 채택되고 있다.
“이 부분이 AI 칩입니다. 가장 최신 칩이고 TTFT(Time To First Token)랑 TPS(Tokens Per Second) 성능이 꽤 좋습니다. 응답 속도도 빠르고요. TTFT는 100ms 정도 수준입니다.”
TTFT는 최근 생성형 AI와 LLM 시스템에서 점점 중요하게 다뤄지는 지표다. 사용자가 명령을 입력한 뒤 모델이 첫 반응을 출력하기까지 걸리는 시간으로, 결국 AI 인터랙션의 체감 반응성을 결정한다. 특히 차량 내부처럼 실시간 인터랙션이 중요한 환경에서는 더 민감하다.

“바람을 껐다가 10초 뒤 다시 켜라”

가장 인상적이었던 장면은 하드웨어 스펙이 아니었다.
mcp\_vhal-hvac\_fan\_speed, mcp\_vhal-hvac\_temperature, mcp\_vhal-hvac\_air\_circulation 같은 vehicle function call이 실시간으로 표시됐다. 화면 한쪽에는 ‘나노봇’이란 이름이 보였다. 단순 UI 애니메이션이 아니라, LLM 기반 command orchestration 구조가 실제로 실행되고 있었다.
“예를 들어 명령을 하나 넣어보죠. '바람 먼저 끄고, 10초 뒤 다시 켜' 이런 식입니다.”
관계자가 직접 데모를 보여줬다. 명령하자 화면이 즉시 반응했다. 터미널 로그에는 fan\_speed level: 0 → nanobot 응답 "“에어컨 풍량이 꺼졌습니다. 10초 후 자동으로 2단으로 복구됩니다” → fan\_speed level: 2의 순서가 그대로 펼쳐졌다.
“보이시죠? 반응 속도가 100ms 이하입니다. 상당히 빠릅니다.”
자연어 명령이 vehicle function API와 직접 연결됐다. 실제로 터미널 로그를 자세히 보면, 나노봇이 ‘주온도 18도 설정, 부온도 25도 설정, 에어 방향 얼굴 쪽, 시트 히팅 2단계, 내부 공기 순환’ 같은 복수의 HVAC 파라미터를 순차적으로 API call로 분해해 실행하는 게 선명하게 드러났다. AI가 단순히 대화하는 것이 아니라, 실제 차량 기능을 호출하고 실행한다.
입력 방식도 유연했다.
“타이핑도 되고, 음성 ASR도 됩니다. 다 가능합니다.”
그리고 관계자는 이 데모의 핵심을 짧게 요약했다.
“이건 전부 내부에서 처리됩니다. 인터넷 없어도 됩니다.”

‘용호 AI Assistant’ 데모 스테이션. RK3576M+RK1828 보드가 전시돼 있고, 좌측 제품 카드에는 구어체 명령 이해, 상태 기억, 다단계 지시 실행 등 주요 기능이 명시돼 있다.

‘용호 AI Assistant’: MCP 기반 차량 AI agent 구조

부스 데모의 이름은 ‘용호 AI Assistant’. 제품 카드에 따르면, 이 데모는 RK3576M + RK1828 칩 조합 위에서 실행된다. 모델은 Qwen3-4B 기반이다.
흥미로웠던 것은 단순 음성인식이 아니었다. 제품 카드에는 구어체 명령 이해, 복잡한 다단계 지시 실행, 사용자 선호 기억, 차량 제어 도구 호출 같은 기능들이 함께 적혀 있었다. “자리가 없어”, “앞이 안 보여” 같은 일상 표현까지 이해한다고 설명했다.
구조적으로 보면, 이 시스템은 차량 VHAL(Vehicle Hardware Abstraction Layer)과 MCP(Model Context Protocol) 방식으로 연결된 에이전트가 LLM의 자연어 추론을 통해 차량 기능 API를 직접 호출하는 형태다. 과거 차량 음성제어가 정해진 키워드 인식 중심이었다면, 지금은 LLM 기반 컨텍스트 인터랙션 구조로 이동하고 있다.

Omni 멀티모달 인지형 차량 제어 데모 스테이션. RK3576M+RK1828 보드에 카메라가 연결돼 있고, 우측 패널에는 음성으로 제어 가능한 명령어 목록이 나열돼 있다. 공조 온·오프부터 좌석 히팅·제상·공기 순환까지 실제 차량 제어 시나리오를 상정하고 있다.

Omni 멀티모달 인지형 차량 제어: 비전이 더해지다

같은 부스 안 다른 스테이션에서는 카메라가 연결된 별도 데모가 실행되고 있었다. 이름은 ‘Omni 멀티모달 인지형 차량 제어’. 이 데모 역시 RK3576M + RK1828 조합 위에서 구동됐으며, Qwen3-Omni-4B 기반 멀티모달 모델이 적용돼 있었다.
핵심은 차량 제어와 비전 인식이 하나로 연결된다는 점이었다. 공조 온·오프, 온도 조절, 풍량, 풍향, 좌석 히팅, 제상, 내·외기 순환 같은 기능들이 음성 명령과 연결돼 있었고, 동시에 카메라는 사람을 인식해 실시간 설명 텍스트를 생성했다. 이미지 입력과 텍스트 생성, 차량 인터랙션이 모두 하나의 에지 디바이스 위에서 실행되고 있었다.
옆 스크린에서는 또 다른 AI Box 데모가 진행 중이었다. RK3576M + RK1828 위에서 Qwen2.5-VL-7B, Qwen3-VL-4B 모델이 실행됐고, 카메라 앞 사람의 움직임을 인식해 “무위협 이벤트: 사람이 차량에 접근했지만 차체에 닿지 않음” 같은 설명 문장을 실시간으로 생성했다.
“카메라가 사람을 인식하고, 결과가 바로 여기 반영됩니다. 전부 온디바이스입니다.”
관계자가 카메라 화면을 가리키며 말했다.

AI Box 데모 화면. 카메라가 인물을 인식하고 ‘이벤트: 사람이 차량에 접근했지만 차체에 닿지 않음’이란 텍스트를 실시간으로 생성하고 있다. Qwen 기반 Vision-Language 모델이 RK3576M+RK1828 edge AI 보드 위에서 로컬 실행된 결과다.

차가 엔드포인트가 되는 방향

부스를 둘러보고 나면 Rockchip은 이제 단순 차량용 MCU 회사가 아니다. 부스 안에는 ‘7대 제품 라인, 차량 탑재 제품 가치 업그레이드’란 슬로건과 함께 AI, 차량용 비전, 지능형 콕핏이 나란히 배치돼 있었다. 자동차와 consumer AI 사이의 경계가 흐려지고 있었다.
왜 굳이 차 내부에서 AI를 실행하려 할까. 당연히 이유는 지연이 첫 번째다. 차량 내부 인터랙션은 수백 ms 수준의 지연에도 민감하다. TTFT 100ms 수준의 응답은 실제 인터랙션 경험을 크게 바꾼다. 둘째는 밴드위스 문제다. 멀티모달 AI와 차량 센서 데이터 전체를 지속적으로 클라우드로 보내는 것은 현실적 부담이 크다. 셋째는 프라이버시와 규제다. 자동차 산업에서 데이터 주권과 로컬 처리 요구는 갈수록 강해지고 있다. 결국 많은 기능이 차량 내부에서 직접 실행될 가능성이 높다. 그래서 에지 AI 경쟁은 단순히 TOPS 숫자 경쟁이 아니라, 지연, 발열, 전력효율, 로컬 추론, 멀티모달 프로세싱 전체를 동시에 해결해야하는 문제다.

AI가 오는 자리

최근 몇 년 동안 생성형 AI 산업은 대부분 클라우드 AI 경쟁이었다. 거대한 데이터센터와 GPU 클러스터 위에서 모델이 학습됐다. 그러나 실제 산업 적용 단계로 오면 이야기는 달라질 수 있다. Rockchip을 비롯해 많은 중국의 기술기업들이 Auto China 2026에서 보여준 것이 그것으로, 특히 Rockchip은 이런 흐름의 가장 아래쪽 레이어, 실제 디바이스 에지에서 실행되는 AI를 보여줬다.
자동차는 그 가장 중요한 실행 공간 중 하나다. AI는 더 이상 데이터센터 안에만 머물러 있지 않다. 그것은 이미 차량 내부의 기능 호출과 HVAC 제어 로그 위로 왔다.

Auto China 2026 Rockchip 부스. 흰색 데모카 앞으로 AI 전시 · 차량용 비전 · 지능형 콕핏 구역이 나란히 펼쳐진다.

Horizon Robotics: Why are Bosch and ZF on that wall?

한상민 기자_han@autoelectronics.co.kr — 2026-05-13 14:46:24+0900

Horizon Robotics, 저 벽에 왜 Bosch와 ZF가 있는가

한상민 기자_han@autoelectronics.co.kr — 2026-05-13 14:23:10+0900

Horizon Robotics 부스 전경. 보라색 HSD 데모카 뒤로 '생태합작방안' 파트너 월이 보인다.

Auto China 2026에서 가장 인상적이었던 장면 중 하나에는 중국 스마트 드라이빙 솔루션 기업 Horizon Robotics의 부스 벽이 있었다. 그곳에는 Bosch, ZF, CARIZON 같은 이름이 실제 ECU 모듈과 함께 걸려 있었다. 단순 협력사 나열처럼 보일 수도 있지만, 이는 지금 자동차 산업에서 누가 AI 컴퓨팅 솔루션을 만들고, 누가 그 위로 연결되기 시작했는지를 보여준 것이었다.

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

Auto China 2026의 Horizon Robotics 부스에는 보라색 세단 한 대가 중앙에 놓여 있었다. 차체 측면에는 'HSD(Horizon SuperDrive)'라는 브랜드가 선명했다. 시선을 뒤로 옮기면 벽 하나에 수십 개의 실물 ECU 모듈이 Bosch, ZF, CARIZON, ASTEMO, BYD, Chery, Freetech, iMotion, TCL 등 파트너사 로고와 함께 걸려 있었다.
Bosch와 ZF가 왜 여기 있을까.
중국 스마트 드라이빙 솔루션 스타트업의 부스 한복판에 말이다.
Horizon Robotics는 2015년 바이두(Baidu) 딥러닝 연구소 출신의 위카이(Yu Kai)가 설립했다. 흔히 ‘중국의 ADAS 컴퓨팅 솔루션 기업’으로 불리지만, Auto China에서 마주한 이 회사는 더 이상 그 자리에만 있지 않았다. Mobileye가 알고리즘을 팔고, NVIDIA가 컴퓨팅 파워를 판다면, Horizon은 중국 OEM이 그 둘 없이도 자율주행 스택 전체를 구성할 수 있게 하려는 회사처럼 보였다. 이 부스가 보여준 건 칩보다, 그 위에 누가 연결되기 시작했는가였다.

부스 내 Journey 세대별 타임라인. Journey 2(2019)에서 Journey 6(2024)까지, 칩 로드맵이 아닌 자율주행 대중화 단계를 표시하고 있다.

ADAS에서 NOA로: Journey 세대와 HSD의 의미

Horizon의 스마트 드라이빙 칩 제품군 이름은 ‘Journey’다. 부스에 전시된 타임라인을 보면 Journey 2(2019), Journey 3(2020), Journey 5(2021), Journey 6(2024)의 순서로 이어진다. 그런데 이 타임라인은 단순한 세대별 성능 스펙 표가 아니다. 각 세대 옆에는 '첨단 운전자 지원 및 능동안전 표준화', '고속도로 NOA 선도', '시티 NOA', '전 시나리오 통합 주행' 같은 기능 단계가 함께 적혀 있다. Horizon은 칩의 진화가 아니라, 중국 자율주행 기술이 실제 양산 시장 안으로 들어온 과정을 설명했다.
“저희 Journey는 패밀리 이름 같은 개념입니다. 지금 중국에서 400개 이상 차종, 40개 이상 브랜드와 협업하고 있고, 중국에서 양산하는 거의 모든 OEM이 저희 솔루션을 가지고 있다고 보시면 됩니다. 스마트 드라이빙 칩만 따로 보자면, 중국에서 유일하게 1,000만 대 이상 양산 공급한 업체입니다.”
웨이 펭(Wei Feng) 시니어 디렉터가 말했다.
주목할 것은 하드웨어가 아닌 솔루션 레이어다. HSD는 Journey 칩 위에 얹히는 자율주행 기능 솔루션이다. Horizon은 처리 하드웨어 공급에서 멈추지 않는다. 알고리즘, 기능 스택, 그리고 OEM 통합까지 직접 관여한다. HSD 브랜드가 붙은 데모카가 부스 한 가운데에 위치한 이유다.
유리 케이스 안에 전시된 HSD 컴퓨트 보드가 이를 상징적으로 보여준다. 회로 기판(PCB), 방열 설계, 커넥터 배치까지 필터 없이 공개됐다. 과거 중국 자율주행 기업들이 알고리즘 데모와 화면 시연에 집중했다면, Horizon은 자동차 등급 하드웨어 실물을 전면에 내세운다. 화면이 아니라 보드. 데모가 아니라 양산의 흔적이다.

유리 케이스 안에 전시된 HSD 보드. PCB, 방열 구조, 커넥터까지 공개하며 양산 가능한 티어 1임을 강조한다.

양산과 실사용 데이터

Journey 6와 HSD는 부스를 위한 이름이 아니다. 웨이 펭 디렉터는 지난해 11월 Journey 6 기반 ‘HSD 600’ 솔루션을 탑재한 차량이 처음 양산됐다고 말했다. 그 차량에는 라이다 1개, 카메라 10~11개, 레이다 3개가 들어갔다. 이후 관련 차종의 양산이 계속 이어지고 있다.
흥미로운 것은 실제 사용 데이터다. 펭 디렉터에 따르면, Chery 차량 사례에서 HSD 솔루션이 탑재된 차량 옵션 선택 비율은 77%, 도심 NOA를 켠 상태가 전체 주행거리의 거의 50%를 차지한다. 이것은 실사용 기반 자율주행 채택의 티핑포인트다. 그래서 시연 영상이 아닌 실제 사용자 데이터란 점을 Horizon은 반복해서 강조했다.
라이다를 둘러싼 전략적 선택도 눈에 띈다. OEM의 원가 구조에 맞춰 유연성을 가져간다.
“지금 중국 차들이 다 라이다를 달고 있지만, 원가 절감 때문에 빼려는 차들도 많아지고 있습니다. 프리미엄 차량은 라이다를 유지하는 경우가 많고, 판매가가 높지 않은 차들은 라이다를 옵션으로 두고 있습니다. 그래서 Horizon의 솔루션은 라이다를 선택 사양으로 가져갑니다.”

'생태합작방안' 파트너 월. Bosch, ZF, CARIZON, BYD, Freetech 등 글로벌 Tier 1과 중국 OEM의 실물 ECU 모듈이 함께 걸려 있다.

파트너 월이 말하는 것 - CARIZON, Bosch, ZF

다시 그 벽으로 돌아간다. ‘생태합작방안’이란 문구가 눈에 띄었다.
파트너사의 실물 ECU 모듈이 빼곡하게 걸려 있는 이 벽은 단순 협력사 명단이 아니다.
핵심에는 CARIZON이 있다. CARIZON은 폭스바겐의 소프트웨어 부문 CARIAD와 Horizon이 설립한 합작법인이다. CARIAD가 60% 지분을 보유하며, 폭스바겐그룹은 이 파트너십과 JV에 약 24억 유로를 투입하기로 했다. 독일 OEM의 소프트웨어 조직이 중국 AI 스택과 손을 잡은 것이다. 중국 시장에서는 독일식 소프트웨어 전략만으로 충분하지 않다는 현실이 반영된 것이다. CARIZON은 중국 시장용 차세대 폭스바겐 모델을 위한 지능형 주행 플랫폼 개발을 맡고 있다.
Bosch와 ZF 같은 글로벌 티어 1도 같은 흐름 위에 있다. 이들은 Horizon의 칩을 기반으로 자신들의 ADAS ECU를 설계하고 있다. 경쟁자가 아니라 파트너로서. Horizon은 ‘티어 2’ 공급사로, 글로벌 티어 1들이 그 위에 쌓아 올리는 컴퓨팅 기반을 제공한다. 중국 로컬 AI 스타트업이 글로벌 티어 1의 컴퓨팅 플랫폼 안으로 들어가기 시작한 것이다.
웨이 펭 디렉터는 “인도에서는 올해 양산이 시작됐습니다”라고 말했다.

이번 Auto China에서 공개된 Starry. '중국 최초 콕핏-주행 통합 컴퓨팅 플랫폼'을 표방하며 650 TOPS, 5nm 공정, 273GB/s 대역폭을 명시하고 있다.

Starry - 다음 전선: 콕핏-주행 통합

이번 Auto China에서 Horizon이 공개한 또 하나의 존재가 있다.
Starry. 작은 투명 돔 안에 전시된 이 칩의 하단에는 수치들이 새겨져 있다.
650 TOPS, 5nm 공정, 273GB/s 초고대역폭. 그리고 그 위에 ‘중국 최초 콕핏-주행 통합 전체 차량 지능형 컴퓨팅 플랫폼’. 콕핏 도메인과 스마트 드라이빙 도메인의 통합이다.
물론 이런 통합은 Horizon만의 이야기가 아니다. Huawei, Qualcomm, NVIDIA Thor, 그리고 중국 신흥 칩 기업들 모두가 여러 ECU의 집합체가 아닌 하나의 중앙집중형 지능 컴퓨터를 향해 움직이고 있다.
Horizon은 Starry를 통해 기존 콕핏 ECU와 ADAS ECU를 통합함으로써 차당 BOM과 시스템 복잡도를 낮출 수 있다고 강조했다. 현장과 발표 자료에서는 수천 위안 수준의 비용 절감 가능성도 제시됐다. 콕핏-주행 통합은 기술 논리만이 아니라 원가와 개발 속도의 문제이기도 하다.
KaKaClaw 데모는 이런 방향이 실제로 어디까지 왔는지를 보여준다. 한쪽 화면에는 NOA 실주행 시각화, 다른 쪽에는 AI 어시스턴트가 사용자와 상호작용하는 인터페이스가 동시에 펼쳐졌다. 성격(Soul), 기능(Skill), 기억(Memory)을 갖춘 차량 AI 에이전트라는 개념으로, 자율주행과 AI 인터랙션을 하나의 시스템으로 묶으려 한다.

KaKaClaw 데모 화면. 왼쪽에는 NOA 실주행 화면, 오른쪽에는 AI 어시스턴트 인터랙션 UI가 동시에 구현돼 있다.

남은 질문

Horizon Robotics는 이미 중국 자동차 산업 안에 깊숙이 들어가 있다. Auto China에선 실물 ECU가 걸려 있고, 파트너 이름이 붙어 있으며, 양산 차량이 서 있고, 실사용 주행 데이터가 수치로 제시됐다.
그러나 남은 질문은 Horizon 하나에 관한 것이 아니다. CARIZON 사례가 보여주듯, 글로벌 OEM과 티어 1이 중국 AI 컴퓨팅 스택 위로 올라가기 시작했다면, 그것은 단지 한 회사의 성장이 아니라, 자동차 산업 안에서 AI 컴퓨팅의 중심축이 이동하고 있다는 신호다. Bosch와 ZF의 로고가 벽에 걸려 있는 이유도 여기서 찾을 수 있다. 이들은 Horizon 생태계 안으로 들어온 파트너들이었다. Horizon이 확고하게 티어 2 컴퓨팅 기반으로 자리 잡은 그 위에서.

Horizon Robotics 웨이 펭(Wei Feng) 시니어 디렉터와 배종호(Pei Zhonghao) 디렉터.

A Map Company No Longer Sells Maps

한상민 기자_han@autoelectronics.co.kr — 2026-05-12 15:52:48+0900

Seeway.ai, 지도 회사는 더 이상 지도를 팔지 않는다

한상민 기자_han@autoelectronics.co.kr — 2026-05-12 15:34:38+0900

Auto China 2026 Seeway.ai 부스. 천장의 발광 링 구조물 아래 ‘지견신경’이란 슬로건이 걸려 있다.

Seeway.ai는 지도 벤더라는 말로 설명하기 어려운 회사였다. 지도와 로컬라이제이션에서 출발했지만, 지금은 데이터 컴플라이언스, ADAS, 콕핏, 칩, 글로벌 전개 지원까지 차량 지능화의 여러 계층을 함께 묶으려 하고 있다. Auto China 2026의 이 부스가 흥미로웠던 이유는 중국 SDV 생태계가 단순 기능 경쟁을 넘어 실제 양산과 해외 확장을 가능하게 하는 보이지 않는 인프라를 준비하고 있음을 보여줬기 때문이다. 이 기사는 Seeway.ai라는 한 회사를 통해 중국식 신형 티어 1이 어떤 모습으로 등장하고 있는지를 들여다본 기록이다.

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

Auto China 2026의 Seeway.ai 부스 천장에는 거대한 AI 조형물이 걸려 있었다. 발광하는 원형 링 구조물. 그 아래에는 ‘지견신경’이라는 슬로건이 있었다. 대략적으로 번역하면 ‘AI가 새로운 경계를 연다’는 의미다. 새로운 경계를 연다는 말은 인상적이지만 질문도 생긴다. 무엇으로, 그리고 무엇을 위해 여는 것인지.
부스 안으로 들어서자 오히려 혼란이 더 깊어졌다. Cockpit, NOA, localization, data compliance, AI agent, embodied AI 같은 단어들이 곳곳에 공존한다. 이곳은 더 이상 지도를 파는 회사 부스처럼 보이지 않는다.
Seeway.ai는 한때 NavInfo였다. 중국에서 상업용 차량 디지털 지도를 구축한 초기 기업 중 하나였고, 2002년 중국 정부로부터 국가 지도·측량 라이선스를 받은 첫 번째 회사 중 하나였다. 하지만 지금 이 회사는 스스로를 다른 이름으로 부르고 있다. 그리고 그들이 실제로 판매하고 있는 것도 더 이상 단순 지도 데이터가 아니다. 이 회사가 팔고 있는 것은 중국에서 차량 AI가 실제 서비스로 작동하기 위해 필요한 보이지 않는 전제 조건들이었다.
Seeway.ai 측은 이 변화를 ‘전환(transition)’이 아니라 ‘비로소 보이게 됐다(recognition)’는 표현으로 설명한다. 지난 20년 동안 지금 업계가 ‘지능형 차량의 기반 인프라’라고 부르는 것을 계속 구축해 왔고, 시장이 바라보는 방식이 달라진 것은 완전히 다른 일을 시작했기 때문이 아니라, 원래 보이지 않던 것들이 이제야 보이기 시작했기 때문이라는 것이다.

규제가 먼저다

부스 안쪽 터치스크린에는 거대한 무인 광산 트럭 화면이 떠 있다. 그 옆에는 ‘무인 광산 트럭 컴플라이언스 시나리오’란 문구가 적혀 있다. 자동차 전시회에 광산 차량이? 하지만 맥락이 보이기 시작하자, 이것이야말로 부스 전체를 관통하는 핵심 주제라는 것을 깨달았다.
중국에서 카메라, 라이다, 위치 정보를 다루는 자율주행 시스템은 반드시 국가 데이터 규제를 통과해야만 한다. 수집된 도로 데이터는 비식별화 과정을 거쳐야 하고, 지리 정보는 중국 표준 좌표계 기준으로 다시 재구성돼야 한다. 그리고 이 모든 과정은 감사 가능한 체계 안에서 관리돼야 한다.
Seeway.ai 측은 이를 이렇게 설명했다.
“중국에서는 고속도로 NOA나 자율주행 기능이 탑재된 차량이라면 카메라와 라이다 데이터가 반드시 중국 규정을 충족해야 합니다. 데이터는 우선 비식별화돼야 하고, 지리 정보 역시 중국 표준에 맞게 재구성돼야 합니다. 현재 저희의 데이터 컴플라이언스 시장 점유율은 40% 이상입니다.”
40%라는 숫자는 시장 점유율 이상의 의미를 갖는다. 그것은 Seeway.ai가 2002년 이후 축적해온 지도 라이선스, 정부 네트워크, 그리고 규제 대응 경험의 결과다. 중국에서 NOA 기능을 실제 양산차에 적용하려면 OEM은 반드시 이 규제 허들을 넘어야 한다. 그리고 Seeway.ai는 자신들을 그 과정을 가장 효율적으로 해결할 수 있는 플레이어로 포지셔닝하고 있다.
중국에서 자율주행은 더 이상 단순한 알고리즘 정확도나 TOPS 경쟁만의 문제가 아니다. 차량이 수집하는 카메라, 라이다, 위치, 지도 데이터 전체가 규제 프레임워크 안에서 처리돼야 한다. 데이터 반출, 비식별화, 지리 정보 관리, 규제 준수는 실제 서비스 단계에서 가장 먼저 부딪히는 현실적인 장벽이 되고 있다.
그런데 Seeway.ai가 설명하는 진짜 어려움은 사람들이 예상하는 것과 조금 다르다. 기술적으로 보면 각각의 문제에는 개별 해결책이 있다. 지도 계약을 새로 맺고, GDPR 컨설턴트를 고용하고, 지역마다 로컬라이제이션 벤더를 붙이면 된다. 하지만 중국 OEM이 8개 시장에서 동시에 출시 속도로 이 모든 것을 운영하려 하면, 실패 원인은 하나의 링크가 끊어지는 것이 아니다. 시스템 전체의 복잡성이 일정과 비용을 계속 증폭시키면서 결국 경쟁력을 약화시키기 때문이다. 그래서 실제로 필요한 것은 개별 부품 공급업체가 아니라 end-to-end 전체 stack을 책임질 수 있는 단일 파트너라는 것이다. Seeway.ai가 바로 여기서 출발하고 있었다.

xD Map의 3단계 구조와 업계 진화 경로. HD 고정밀 지도에서 SD+ 증강 지도로의 수렴 흐름이 한 화면에 정리돼 있다.

지도는 가벼워지고, 의미는 깊어진다

부스 안의 또 다른 스크린에는 ‘xD Map’이란 개념이 전시돼 있다. 구조는 3단계 피라미드 형태였다. 맨 아래에는 Road Layer, 그 위에는 RTTI(실시간 교통 정보), 그리고 최상단에는 Semantic Lane Layer가 배치돼 있다. 그 옆 다이어그램은 더 흥미롭다. HD High-Precision Map → Lightweight HD Map → SD Standard Map → SD+ Enhanced Map. 무거운 HD Map 구조에서 점점 더 가벼운 형태로 이동하는 흐름이다. 그리고 그 종착점에는 다음과 같은 문구가 적혀 있다.
“업계 합의와 비용·사용자 경험 사이의 최적 균형.”
Seeway.ai는 HD Map을 부정하고 있는 것이 아니다. 대중형 NOA 시대에 맞게 HD Map을 다시 가볍게 재구성하고 있다. 지도는 여전히 필요하다. 하지만 모든 정보를 초고정밀 형태로 유지하는 것은 비용과 운영 측면에서 지나치게 부담이 커진다. 그래서 산업의 방향은 Light HD Map, SD+ Enhanced Map, semantic road layer 쪽으로 이동하고 있다.
Seeway.ai 측은 이 흐름을 이렇게 설명한다. 고속도로 환경에서는 도로 geometry가 상대적으로 안정적이기 때문에 SD+ Enhanced Map만으로도 충분한 성능을 제공할 수 있다. 비용은 훨씬 낮고 업데이트 주기는 더 빠르다. 반면 모든 도로에서 full HD precision을 유지하는 경제성은 대중형 city NOA 시장에서 현실적으로 성립하기 어렵다. 그리고 city NOA의 핵심은 더 많은 기하학적 정밀도가 아니라는 것이 Seeway.ai의 판단이다. 핵심은 semantic depth다. 즉, “차선이 어디에 있는가?”가 아니라 “그 차선이 무엇을 의미하는가?”를 이해하는 것이다.
특히 Semantic Lane Layer는 단순히 차선 위치만 표현하는 개념이 아니다. 교차로 topology, 신호 phase context, 각 junction에서 허용되는 행동까지 포함한다. 인간이 읽는 지도가 아니라 AI가 이해하고 추론하기 위한 도로 표현 방식이다. 이것은 정밀도를 포기하는 것이 아니라 precision-to-cost ratio를 다시 균형화하는 작업이다.
즉, 20년 동안 HD Map을 만들어온 회사가 이제 HD Map 이후의 시대를 이야기하는 것이다.
HD Map은 사라지지 않을 것이다. Robotaxi 운영이나 premium highway NOA 같은 고부가 영역에서는 계속 남는다. 하지만 대규모 대중 시장 기준으로 산업의 방향은 이미 움직였다. Seeway.ai는 그 합의를 만드는 데 스스로가 중요한 역할을 해왔다고 설명한다.

파트너 로고 대형 스크린. Qualcomm, Huawei, BYD, Toyota, DENSO, Volkswagen, Microsoft 등 글로벌 OEM·Tier 1·클라우드 업체들과의 협력 현황을 보여준다.

단일 창구 전략

부스 안 파트너 로고 화면에는 Qualcomm, Huawei, BYD, Toyota, DENSO, Valeo, Volkswagen, Microsoft 그리고 수많은 중국 AI 스타트업 로고들이 빼곡하게 들어서 있다.
Seeway.ai 측은 그들의 역할을 이렇게 설명했다.
“중국 OEM이 글로벌 시장으로 수출하려면 지역마다 다른 지도 서비스 업체들과 각각 계약해야 합니다. 하지만 저희 솔루션은 이 모든 서비스를 하나로 통합할 수 있습니다. infotainment 측면에서는 OEM이 CVAI 하나만 상대하면 됩니다.”
Seeway.ai가 하려는 것은 더 넓다. 중국 OEM이 글로벌 시장으로 나갈 때 마주치는 지도 사업자, GDPR, 지역 규제, localized HMI 파편화를 하나의 계층에서 해결하려 하고 있다. OEM이 국가별로 각각 다른 지도 사업자와 계약하는 대신, Seeway.ai가 하나의 통합 창구(single integration window)가 되려는 것이다. 이는 최근 중국 SDV 생태계에서 반복적으로 나타나는 패턴과도 닮았다. Huawei가 HiCar를 통해 cockpit 생태계를 확장했던 방식, Horizon Robotics가 Journey SoC를 중심으로 알고리즘 생태계를 구축하는 방식처럼, Seeway.ai 역시 지도·규제·글로벌 배포 계층을 점점 자기 내부로 흡수하고 있다.
부스 한쪽에는 일본 내비게이션 UI, 중동 지역 화면, 북미용 인터페이스가 나란히 전시돼 있었다. 그 위에는 다음과 같은 문구가 적혀 있다.
“모든 차량과 모든 시장을 위한 내비게이션을 정의한다.”
그래서 이곳은 지도 회사가 아니라, 중국 OEM을 위한 글로벌 소프트웨어 게이트웨이처럼 느껴졌다.

렌더링 이미지 대신 실물 ECU와 히트싱크가 아크릴 케이스 안에 전시돼 있다. ‘우리는 양산 가능한 공급업체’라는 메시지를 하드웨어로 직접 말하는 장면이다.

히트싱크가 증명한다

아크릴 케이스 안에는 렌더링 이미지 대신 실제 ECU 박스와 도메인 컨트롤러, cockpit 모듈이 전시돼 있다. 히트싱크와 커넥터 구조까지 그대로 노출돼 있다. 사실 이런 장면은 Auto China 2026에서 반복적으로 나타났다. Horizon Robotics, Autolink, Seeway.ai 같은 중국 자율주행 업체들은 PCB 설계, thermal 구조, 커넥터 아키텍처를 적극적으로 전면에 내세우고 있다. 메시지는, 우리는 더 이상 데모 스타트업이 아니라 실제 양산 가능한 automotive supplier라는 것이다. Seeway.ai는 실제로 양산 레퍼런스를 강조했다.
둥펑의 프리미엄 브랜드 Voyah는 Seeway.ai의 highway NOA 솔루션을 처음 양산 적용한 OEM이다. 양산은 2024년 8월부터 시작됐고, 현재 이 차량은 중국 시장에서 가장 많이 판매되는 MPV 중 하나로 자리잡고 있다.
그들의 자율주행 stack은 Horizon Robotics의 Journey 6 시리즈 기반이다. Journey 6B는 기본 L2 ADAS, lane centering, automated parking, remote parking을 담당하고, Journey 6E는 highway NOA, 램프 진입·진출, 자동 차선 변경을 처리한다. Journey 6P는 최대 500 TOPS 기반 city NOA를 지원한다. 차량 포지션과 기능 단계에 따라 서로 다른 SoC를 조합하는 방식이다. 그리고 그 위에 Seeway.ai는 perception, driving, parking 알고리즘과 cockpit 기능을 통합한다.
Seeway.ai와 Horizon Robotics의 관계는 일반적인 SoC 구매 관계보다 훨씬 깊게 통합돼 있다. Seeway.ai 측이 쓰는 표현은 “특정 silicon architecture를 중심으로 한 systems integration”이다. Horizon의 Journey architecture는 알고리즘, toolchain, inference runtime까지 integrator에게 공개돼 있고, 바로 그 개방성이 Seeway.ai가 자사의 지도 데이터, localization engine, compliance framework에 최적화된 application-layer stack을 구축할 수 있게 만든다. 핵심은 이 architecture가 silicon 위의 가치 계층(value layer)을 직접 가져갈 수 있게 해준다는 점이다.
PhiGo Entry 주행·주차 통합 솔루션은 이미 300만 세트 이상의 design win을 확보했고, PhiGo Max는 1000+ TOPS 기반 end-to-end city NOA를 목표로 하고 있다. 그리고 Seeway.ai는 현재 중국에서 Horizon Robotics의 가장 큰 고객이라고 설명한다.
칩 사업도 빠르게 확장되고 있었다. 자회사 AutoChips의 SoC와 MCU 누적 출하량은 이미 수억 개 규모에 도달했다. 이 칩들은 cockpit, body control, infotainment 전반에 사용되고 있었고, CarPlay, Android Auto, Huawei HMS 같은 글로벌 생태계와의 연동도 지원하고 있었다. 업계에서는 이런 저가형 automotive SoC를 ‘출해신기(出海神器)’라고 부르기도 한다. 문자 그대로 중국 OEM의 해외 진출을 위한 ‘마법 무기’ 같은 존재라는 의미다.

Voyah MPV 전시 차량. Seeway.ai의 highway NOA 솔루션이 양산 적용된 레퍼런스 사례다.

경계가 사라진 자리

부스 중앙 전시 차량 옆에는 세 개의 디스플레이가 나란히 놓여 있었다. 왼쪽은 운전 정보, 가운데는 메인 cockpit 인터페이스, 오른쪽은 3D avatar UI다. 지도, 음악, 대화 인터페이스가 하나로 연결돼 있다.
Seeway.ai가 설명하는 ‘창보일체’ 구조는 cockpit과 parking 기능을 하나의 Qualcomm 8155 칩 위에서 동시에 처리하는 통합 구조다. 그 위에서 동작하는 AI agent는 스타벅스 예약, 목적지 설정, 음악 재생 같은 기능들을 수행한다. 이 시스템은 클라우드만 의존하지 않는다. terminal 내부에서도 8 TOPS 연산 성능으로 동작하며, AI 생성 이미지와 모델도 로컬 디바이스 안에서 직접 실행된다. 실제 데모에서도 카메라 인식과 음성 interaction 상당 부분이 차량 내부 디바이스에서 직접 처리되고 있었다. 핵심은 차 안에서 독립적으로 동작하는 AI agent다.
중국 SDV 생태계에서 가장 빠르게 변화하고 있는 것 중 하나는 cockpit, autonomous driving, AI assistant 사이의 경계가 사라지고 있다는 점이다. Huawei, XPENG, Li Auto 모두 같은 방향으로 움직이고 있다. 차량이 하나의 ‘moving intelligent entity’로 진화할수록 cockpit은 그 지능이 사용자와 만나는 접점이 된다. 그리고 Seeway.ai 역시 바로 그 위치를 노리고 있다. 데이터 컴플라이언스, localization, ADAS 알고리즘, 해외 내비게이션 통합, cockpit AI interface를 하나의 흐름으로 묶으려 하고 있다.
흥미로운 점은 이 회사가 자동차에서 끝나려 하지 않는다는 것이다. Seeway.ai 측은 embodied AI 시스템과 로봇 역시 MCU와 제어 기술이 필요하다고 설명했다. 차량에서 축적된 localization과 edge AI 경험이 이제 로봇 같은 physical AI 영역으로 확장되고 있다는 의미다.

지역별 지도 사업자와 연동된 글로벌 내비게이션 솔루션 전시. 유럽·일본·중동·북미 시장별 인터페이스가 한 테이블 위에 펼쳐져 있다.

규제가 수출 무기가 되는 순간

Seeway.ai는 중국 내수 시장을 위한 회사가 아니다. Seat orientation adaptation, 168개국 인증 지원, 지역별 지도 통합, GDPR 대응, 해외 cockpit 솔루션. 이 모든 것이 부스 안에서 강조됐다.
Seeway.ai 측은 현재 중국의 intelligent driving을 “frontier”라고 표현한다. 이 시장의 공급업체들이 세계에서 가장 진보된 기능들을 제공하고 있다는 것이다. 그리고 중국 AI frontier는 더 이상 중국 내부만의 이야기가 아니다. 한국, 일본, 글로벌 시장으로의 확장을 포함하고 있다. 그 수단은 단순한 알고리즘 자체가 아니다. 규제 대응 능력과 지역 통합 역량을 하나의 솔루션으로 패키징하는 것이다.
여기에는 하나의 역설도 존재한다. 중국 규제 인프라를 가장 깊게 이해하는 회사가, 바로 그 이해를 기반으로 글로벌 시장을 공략하고 있다는 점이다. Seeway.ai CEO인 패트릭 챙(Patrick CHENG)은 이것을 ‘Physical AI 시대의 새로운 Scaling Law’라고 설명한다.
Capability = Data Quality × Expression Paradigm × Data Volume.
기존 Scaling Law는 물리 세계에서는 더 이상 충분하지 않다. 이제 중요한 것은 단순 raw data volume이 아니라, 공간 데이터의 품질, 통합된 표현 체계, compliant data channel이다. 그리고 바로 이 세 가지가 Seeway.ai가 지난 20년 동안 구축해 온 것들이다.
Auto China 직전에 열린 베이징 로봇 마라톤은 이 방향성을 구체적으로 보여준 사례다. Seeway.ai는 여러 참가팀에게 고정밀 지도, 고정밀 positioning, 데이터 컴플라이언스 지원을 제공했고, 실제 복잡한 환경 안에서 완전 자율주행이 수행됐다. Seeway.ai 측은 이것을 단순한 concept demo가 아니라 capability transfer의 증명으로 설명한다. 자동차 stack과 robotics stack은 우선 perception과 localization 계층에서 먼저 만나고, 이후 decision과 control 영역으로 확장될 것이라는 판단이다.
“예전에는 매출이 1억 달러 수준이었지만, 지금은 25억 달러 규모입니다.”
목표는 ‘자동차가 도로를 이해하게 만드는 것’에서 ‘로봇이 세상을 이해하게 만드는 것’으로 이동하는 것이다. Auto China 2026의 Seeway.ai 부스는 그 전환의 현재를 보여준 장면이었다.

Seeway.ai의 환샤오 왕(Huanxiao Wang) 매니저와 함께.

Beyond Speed and Cost: How Autolink Is Approaching the Global Market

한상민 기자_han@autoelectronics.co.kr — 2026-05-11 17:21:52+0900

글로벌에 노크하는 중국 Autolink

한상민 기자_han@autoelectronics.co.kr — 2026-05-11 17:02:18+0900

PCIe over Fiber와 MIPI over Fiber 기반 차량 네트워크 데모.
Autolink는 광통신 기반 중앙집중형 컴퓨팅 구조를 통해 차세대 SDV 아키텍처 방향을 제시했다.
목표 SOP는 2028년이다.

Auto China 2026에서 흥미로웠던 것은 이미 수백만 대 규모 양산 레퍼런스를 확보한 상태에서, 중국의 티어들이 SDV 아키텍처 전체를 어떻게 글로벌 OEM에게 제안하기 시작했는가였다. Autolink 부스는 중앙집중형 컴퓨팅, 광통신, AI 개발 워크플로, 그리고 글로벌 검증 체계까지 연결된 중국 SDV 티어 1의 현재 위치를 보여주고 있었다.

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

Auto China 2026에서 Autolink 부스를 찾은 것은 사실 특별한 기대 때문이 아니었다. Qualcomm 기반 콕핏 도메인 컨트롤러 공급사.
이 정도면 Desay SV 같은 중국 굴지의 티어 1과 크게 다르지 않다는 생각이었다. 실제 그들에 따르면 시장 규모 기준 2위다.
"시장 점유율을 보면 Desay가 사이즈는 더 크죠."

Autolink 관계자가 직접 한 말이다. 그런데 이 말이 나온 상황이 흥미롭다. 규모는 낮추면서도 이어지는 설명은 좀 달랐다. 중앙 컴퓨팅, 광 기반 차량 네트워크, AI 기반 개발 자동화, 로보틱스 연계까지, Autolink도 단순 콕핏 티어 1이라기보다는 SDV의 미래 실행을 설계하려는 회사로 들렸다. 또, 그 방향이 보쉬, 아우모비오, 현대모비스, LG전자와 같은 글로벌 티어 1과 어떻게 같고, 다른지를 부스에서 읽을 수 있는 가장 흥미로운 대목이었다.

이미 수백만 대가 깔렸다

Autolink의 Qualcomm 3세대 8155 플랫폼 기반 차량 출고량은 이미 200만 대를 넘었다. Qualcomm 4세대 플랫폼은 2025년 10월 SOP를 시작해 현재 콕핏·ADAS 표준 도메인으로 공급 중이다. 100개 이상의 차종에 공급 경험도 확보하고 있으며, 100개 이상 국가에 공급되고 있다. 빠른 것은 숫자만이 아니다. 중국 내수 시장의 극심한 가격 경쟁과 짧은 개발 사이클 속에서 이 양산 레퍼런스를 쌓아왔다는 것 자체는 하나의 역량이다.
자동차 산업에서 양산 레퍼런스는 다음의 수주 조건인 만큼 글로벌 OEM, 티어 1이 주력하는 스마트 콕핏·통합 제어 영역에서 중국 로컬 업체의 존재감이 달라졌다는 사실을 부정하기 어렵게 됐다. 현장에서 만난 다른 관계자도 목소리를 낮추며 귀띔했다.
"글로벌 티어 1들도 지금 이 솔루션을 매우 심각한 경쟁자로 알고 있어요."

AUTOSAR Agent 기반 AI 워크플로 구조. Autolink는 AI를 차량 기능이 아니라 개발 프로세스 안으로 넣고 있었다(위).
Qualcomm과 Autolink가 공동으로 전시한 단일 SoC 기반 콕핏·주행 통합 컴퓨팅 플랫폼.

속도와 비용, 스스로 긋는 선

일단 중국 콕핏 티어 1의 가장 현실적인 강점은 속도와 비용이다. Qualcomm 최신 SoC를 가장 빠르게 차에 올리는 쪽이 중국 업체들이다. 이미 Autolink가 Qualcomm 3세대에서 4세대로의 전환을 양산 수준에서 완료했고, 5세대 8797 SoC 기반 중앙 컴퓨팅 데모카를 Auto China에서 공개한 것도 그 연장선이다.
"8797 원칩으로 콕핏 구동, 자율주행 구동, 차체 제어까지 모두 통합한 구조입니다."

단순히 최신 칩을 올렸다는 이야기가 아니다. 콕핏과 ADAS, 차체 제어를 하나의 컴퓨팅 구조로 묶는 것은 SDV 시대 중앙집중형 E/E 아키텍처 그 자체다. 여기에 DCU에는 AMD 칩을 함께 사용하고 있다.
중국 로컬 고성능 칩과의 경쟁 구도에서 Qualcomm을 선택한 이유도 분명했다.
"Qualcomm의 5세대 칩을 보면 일단 SoC 프로세스가 3나노미터 레벨까지 내려갑니다. 프로세스상으로는 아직 중국 국내 업체 중에서 그 정도까지 할 수 있는 업체는 없습니다."

중국 로컬 SoC 업체들이 빠르게 치고 올라오고 있지만, 최첨단 공정 기준으로는 아직 Qualcomm과의 격차가 존재한다는 현실적인 판단이다. 다만 Autolink가 말하는 격차는 공정 노드만이 아니다. 소프트웨어 생태계 성숙도, 툴체인 지원, 글로벌 양산 검증 경험까지가 그 실체다.
"최고 성능, 전력 효율, 통합된 글로벌 개발 지원이 필요한 고성능 중앙집중형 컴퓨팅 플랫폼의 경우, Qualcomm은 현재 글로벌 양산 프로그램에서 핵심 플랫폼 선택지 중 하나입니다." 중국 반도체 기업들의 발전을 면밀히 추적하면서 멀티 플랫폼 전략도 열어 두겠다는 입장이지만, 글로벌 프로그램 수행의 기준점은 여전히 Qualcomm이다.
Autolink는 화웨이처럼 에코시스템 전체를 장악하는 그런 회사는 아니다. 스스로도 이렇게 선을 긋는다.
"에코시스템까지는 아니고요, 콕핏 시스템 중 애플리케이션 레이어까지는 저희 제품 영역에 포함해서 제공해드리고 있습니다. 저희는 그냥 칩을 갖고 토털 제어 솔루션을 제공해드리는 거죠."

흥미로운 것은 화웨이와의 차별화를 의식하면서도 스스로를 '중앙집중형 컴퓨팅 통합 사업자'로 위치 짓는 점이다. Autolink는 콕핏, ADAS, 바디 제어를 포함한 핵심 도메인의 통합을 지원함으로써 OEM에게 개방적이고 유연하며 확장가능한 컴퓨팅 기반을 제공하고자 한다.
“일률적인 생태계 접근 방식을 추구하기보다는, 글로벌 OEM들이 중앙집중형 아키텍처로 전환하는 과정에서 신뢰할 수 있는 기술 파트너가 되는 것을 목표로 합니다."

SDV 시대로 넘어가면서 콕핏, ADAS, 차체 제어의 경계 자체가 흐려지는 상황에서 컴퓨팅에서 애플리케이션 레이어까지의 수직 구조를 통합해 공급하는 역할은 기존 티어 1과 겹치는 부분이다.

광통신과 AI 워크플로 - 어디까지 왔는가

Autolink가 Auto China에서 가장 전면에 내세운 기술 중 하나는 차량 내부 광통신이었다. 데모카 내부와 전시 패널에는 PCIe over fiber, MIPI over fiber, Optical Communication High Performance ZCU란 문구가 반복됐다. 부스를 돌다 보면 이 단어들이 자연스럽게 눈에 밟힌다.
이 방향이 나온 배경은 SDV 시대 데이터 폭증 문제다. L2+++, L3 수준으로 올라갈수록 카메라, 레이다, 디스플레이, AI inference 데이터는 기하급수적으로 늘어나고, 기존 구리선 기반 E/E 구조만으로는 장기적으로 한계가 있다는 논의가 업계 안에서 진행 중이다. Autolink는 구리 기반 아키텍처의 한계를 네 가지로 정리한다. 대역폭과 전송 거리의 물리적 제약, 전기차 환경에서의 복잡한 EMC 문제, 와이어링 하네스가 차량에 더하는 무게와 공간 부담, 그리고 실시간 센서 퓨전과 빠른 의사결정을 요구하는 고수준 자율주행에서의 지연 시간 이슈다.
"현재 자동차에서 광통신이 널리 사용되지는 않지만, 다음 세대 E/E 아키텍처를 위한 데이터 전송 기술로 적용하고 있습니다."

Autolink는 이를 2026년 1월 CES에서 처음 공개했고, 중국 광통신 모듈 업체와 협업해 광통신 제어 모듈을 통합했다. AEC-Q104 인증까지 완료한 상태로, 이미 차량 탑재 가능한 수준이다. 목표 SOP는 2028년이다.
다만 관계자는 "일단 수주 상황을 한번 봐야겠죠"라고 덧붙였다. 현재는 세미 센트럴 컴퓨팅 구조로 8797 중앙 컴퓨터 단위의 수주를 받은 상태지만, 전체 시스템 컨셉 단계까지는 아직 가지 못했다. 중국 OEM과 유럽 OEM 각각 한 곳과 이 방향으로 논의가 진행 중이다.

AUTOSAR Agent 전시도 눈에 띄었다. 화면에는 AUTOSAR Requirement, Config, Test, Workflow Processing Engine, Knowledge Base Learning Engine, DeepSeek/GPT를 연결한 구조가 표시돼 있었다. AI를 차량 내 기능이 아니라, 차량 개발 워크플로 자체 안으로 집어넣는 것이다. Autolink가 가장 현실적인 적용 분야로 꼽는 것은 테스트다.
"SDV 기능의 복잡도가 빠르게 증가함에 따라 기존의 수작업 기반 테스트 케이스 개발, 회귀 테스트 실행, 결과 분석 방식은 확장하기 점점 어려워지고 있으며, 개발 프로세스의 주요 병목 중 하나로 부상하고 있습니다."

Rockchip 기반 온디바이스 AI BOX, ModelBest와의 멀티모달 AI 협업도 같은 방향이다. 부스 안에서 이 모든 것이 Qualcomm, AMD, Tata Elxsi, 로보틱스 기업들과 연결된 협력 형태로 제시됐다. 혼자 모든 것을 하기 보다는 SDV 실행의 허브가 되려는 방향이다.

Tata Elxsi와의 협업 전시. 중국 SDV 하드웨어와 인도 소프트웨어 역량의 연결.

글로벌로 나올 수 있는가 - 남은 숙제들

현재 Autolink는 독일, 일본, 미국, 한국에 기술 지원 및 비즈니스 거점을 두고 있다. 한국 거점 관계자는 현대차 출신이다. 또 상하이자동차에서 오랜 기간 일한 경험을 가진 인물이 부스를 안내했다. OEM의 개발 구조와 요구 기준을 내부에서 이해하는 인물 그 자체가 Autolink가 한국 시장을 어떻게 보고 있는지를 보여줬다. Tata Elxsi와의 협업은 인도 소프트웨어 엔지니어링 역량과 중국 SDV 하드웨어 에코시스템을 연결한다. 실제 글로벌 네트워크를 만드는 방향이다.
글로벌 OEM이 중국 SDV 공급업체에 대해 가장 자주 꺼내는 질문은 크게 두 가지다. 첫째는 생태계 호환성이다. 기본 소프트웨어, 클라우드 서비스, 툴체인, 사이버보안 프레임워크를 포함한 글로벌 소프트웨어 생태계와 실질적으로 통합될 수 있는가. 둘째는 규제 준수다. 기능안전성, 사이버보안, 데이터 프라이버시를 중심으로 시장별로 달라지는 규제 요구사항을 아키텍처 수준에서 체계적으로 대응할 수 있는가. Autolink는 ISO 26262, ISO/SAE 21434, GDPR 등 관련 글로벌 표준과 프레임워크에 맞춰 개발 프로세스를 정렬하고 있다고 말한다.
"단순히 글로벌 시장에 진출하는 것을 넘어, 다양한 규제 및 생태계 환경 안에서 현지에 통합될 수 있도록 지원한다"는 것이 Autolink의 표현이다.
그러나 부스에서 가장 솔직한 대목은 따로 있었다. 완전한 중앙집중형 SDV 아키텍처가 대규모 양산에 도달하는 것을 막고 있는 가장 큰 기술적 장벽이 무엇이냐는 질문에, Autolink의 대답은 기술이 아니라 조직이었다.
"많은 OEM의 기존 개발 프로세스, 조직 구조, 공급업체 관리 체계는 원래 분산형 E/E 아키텍처를 기반으로 만들어졌습니다. 중앙집중형 컴퓨팅 아키텍처로 전환하려면 차량 전체 E/E 아키텍처, 소프트웨어 개발 방법론, 나아가 테스트 및 검증 프레임워크까지 근본적으로 다시 생각해야 합니다."
기반 기술은 빠르게 성숙하고 있지만, 더 큰 장벽은 전통적인 OEM의 조직 구조와 기존 방식에 대한 관성이다. 이는 역설적으로 Autolink가 글로벌 OEM의 내부 구조를 얼마나 현실적으로 보고 있는지를 드러낸다. 그리고 그 관성을 넘어서는 것이 단순한 가격 경쟁이나 기술 우위만으로는 해결되지 않는다는 것도.

중국 콕핏 티어 1이 던지는 질문

Autolink는 지금 중국 내수에서 검증된 속도와 비용 경쟁력, 그리고 글로벌 시장이 요구하는 신뢰 사이에 서 있고, 이를 빠르게 좁히려 한다. 반대로 글로벌
티어 1에게 이런 흐름이 달갑지 않은 것은 단순히 경쟁사가 늘어났기 때문이 아니다. 중국 업체들이 글로벌 OEM의 문을 두드리는 방식이 단순 가격 경쟁에서 SDV 아키텍처 전체를 통합 제안하는 방식이 됐기 때문이다. 게다가 그 제안의 출발점에 이미 수백만 대 규모의 양산 레퍼런스가 있다.
Autolink 스스로는 이를 경쟁이 아닌 협력 관계로 설명한다.
"미래의 방향은 협력과 상호 보완성에 있습니다. 중국 기업들은 빠른 혁신과 효율적인 적용을 제공할 수 있고, 글로벌 파트너들은 글로벌 프로그램 수행 경험, 시스템 견고성, 프로세스 성숙도 측면에서 깊은 경험을 제공합니다. 결국 '중국의 속도'와 '글로벌 표준'을 성공적으로 결합하는 기업들이 SDV 산업의 발전을 이끌 유리한 위치에 서게 될 것입니다."

Auto China 2026의 Autolink 부스가 보여준 게 바로 그것이었다. 중국 콕핏 티어 1은 더 이상 단순 부품 공급사로 설명할 수 없다. 글로벌 시장에 온갖 허들을 극복하고 어디까지 갈 것인지만 남았다.

Autolink 케빈 류(Kevin Lu, 좌측) 국제 비즈니스 이사와 이제민(Jeremy Lee, 우측) 한국 지사장.

As NOA and L2+++ Expand, Autonomous Driving is Now a Race against Time

한상민 기자_han@autoelectronics.co.kr — 2026-05-11 11:21:55+0900

NOA와 L2+++의 확산, 자율주행은 시간 싸움

한상민 기자_han@autoelectronics.co.kr — 2026-05-11 10:54:40+0900

INTERVIEW
맥스웰 저우
Maxwell Zhou
CEO, DeepRoute.ai

이 글은 DeepRoute.ai란 회사를 탐구하며 자율주행의 경쟁 기준이 어떻게 바뀌고 있는지를 따라가는 글이다. 자율주행은 오랫동안 무엇을 정확하게 보느냐의 문제로 설명돼 왔다. 하지만 실제 도로 위에서 더 어려운 문제는 본 것을 어떻게 이해하고 행동으로 옮기느냐다. Auto China 2026에서 DeepRoute.ai가 말한 파운데이션 모델과 Physical AI는 바로 이 전환점에 놓여 있었다. 테슬라와 같은 방향을 보되, OEM이 사용할 수 있는 방식으로 이를 옮기려는 DeepRoute.ai의 선택은 한국 OEM과 티어 1에게도 가볍지 않은 질문을 던진다. 지금 자율주행 경쟁은 기술의 가능성을 묻는 단계에서 그 가능성을 언제 양산으로 갈 수 있을지를 묻는 단계로 이동하고 있다. 그리고 그 질문에 답할 시간은 1년도 채 남지 않았다.

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

맥스웰 저우(Maxwell Zhou) CEO가 키노트를 위해 플로어에 오를 때, 그의 표정은 편안한 옷차림만큼 여유 있어 보이진 않았다. Auto China 2026의 DeepRoute.ai 부스에서 키노트. 그는 압도적 규모와 바쁜 스케줄 때문인지 조금은 피곤해 보였다.
"처음엔 이게 이렇게 긴 싸움이 될 줄 몰랐습니다. 돌이켜보면 정말로 긴 여정이었습니다."

댈러스의 텍사스 대학교에서 AI 박사과정을 마치고, 2019년 2월 중국 선전에서 DeepRoute.ai를 공동창업한 지도 벌써 7년. 그 시간의 궤적에 대한 언급은 자율주행 산업의 방향을 통째로 바꿀 다음 선언을 위한 독백이었다.
"자율주행의 안전성을 10배, 100배 끌어올리려면 대형 파운데이션 모델 없이는 불가능합니다."

저우 CEO는 "자율주행의 안전성을 10배, 100배 끌어올리려면 대형 파운데이션 모델 없이는 불가능합니다"라고 말했다.

4월 25일, 13:00, A4홀: 기준이 바뀌다

자율주행 기술의 역사는 사실 '분리'의 역사다. 인식(Perception), 예측(Prediction), 판단(Decision), 계획(Planning), 각각의 기능이 독립적인 모델로 구현되고, 엔지니어들은 그 사이를 규칙으로 이었다. 카메라가 보행자를 감지하면 그 정보가 예측 모듈로 넘어가고, 판단 모듈이 결정을 내리고, 계획 모듈이 경로를 생성했다. 정교하게 조립된 파이프라인이었다. 그런데 그 정교함 속에 함정이 있었다. 모듈과 모듈 사이를 이어 붙일 때마다 정보가 손실되고, 규칙이 예상하지 못한 상황이 올 때마다 시스템은 실수를 했다.
DeepRoute.ai는 창업 당시부터 이런 한계를 인식했다. 그것이 초기 융합 네트워크(Early Fusion Network)를 먼저 도입한 이유였다. 원시 센서 데이터 수준에서 정보를 합치는 이 방식은 BEV(Bird's Eye View)와 트랜스포머(Transformer) 기반 자율주행 아키텍처의 초기 흐름과 맞닿아 있었고, 이건 당시 업계에서 드문 선택이었다. 2022년에는 SD 지도만으로 내비게이션을 구현하는 2단계 신경망 구조를 선보였고, 2023년에는 중국 최초의 맵리스(Map-less) 솔루션을 출시했다.
그리고 2024년 양산 차량에 E2E(End-to-End) 모델을 탑재하는 데 성공했다. 카메라 영상이 들어오면 주행 액션이 바로 나오는 방식, 이른바 'Vision-in, Action-out' 아키텍처로, 중간의 모듈 파이프라인이 사라졌다. 2025년에는 시각 입력과 판단 과정을 하나의 모델 안에서 연결하는 VLA(Vision-Language-Action) 모델을 양산하는 데 이르렀다. OEM을 제외한 중국의 독립 자율주행 솔루션 공급사 중 E2E 양산을 최초로 달성했고, VLA 양산에 이른 유일한 업체가 됐다.
사실, 이런 흐름은 DeepRoute.ai만의 것은 아니다. 테슬라는 이미 동일한 방향을 걸어왔다. 차이는 DeepRoute.ai가 OEM에 솔루션을 공급하는 3자 공급사라는 점이다. 테슬라가 데이터, 모델, 차량을 하나의 루프로 묶어 내부에서 완성한다면, DeepRoute.ai는 외부 OEM이 그들의 기술과 인프라를 사용할 수 있는 형태로 옮긴다. 데이터는 각 OEM 안에 남고, DeepRoute.ai의 모델은 그 위에서 작동한다.
"단순히 특정 기능을 수행하는 모델이 아니라, 현실 세계를 이해하고 해석하는 모델입니다. 테슬라와 함께 이런 완전한 E2E 아키텍처를 실제로 구현해 낸 기업은 매우 드뭅니다."

같은 방향을 보면서, 다른 방식으로 구현하려는 시도. 저우 CEO가 DeepRoute.ai를 스스로 정의한 위치다.

2025년, 한 번의 실패와 조직의 해체

그런데, 이런 DeepRoute.ai의 이야기를 순탄한 성공담으로 읽으면 곤란하다. 저우 CEO가 Auto China 무대에서 꺼낸 것은 성과 목록만이 아니었다.
"2025년에 대형 모델을 차량에 적용하려 했지만, 기존 방식으로는 불가능하다는 것을 깨달았습니다. 그리고 우리는 완전히 새로운 조직과 새로운 인재가 필요하다는 결론을 내렸습니다."

2025년, 이미 E2E 양산을 달성하고 중국 3자 ADAS 시장에서 선두권 점유율을 확보하던 시점에 DeepRoute.ai는 기존의 개발 방법론을 넘어 새로운 AI 기반 패러다임으로 나아가는 결단을 내렸다. 전통적인 분리 기능 조직으로는 파운데이션 모델의 복잡성을 감당할 수 없다는 판단이었다. ‘조직 자체를 AI 네이티브로 전환해야 한다’는 결론이 새로운 인재 영입으로 이어졌다.
그 신호탄이 루안춘(Chong Ruan)의 합류였다. DeepSeek의 전 수석 과학자. DeepSeek는 2025년 초, 소수의 인력과 제한된 자원으로 GPT-4급 성능을 구현하며 전 세계 AI 업계를 흔들었던 중국 AI 연구소다.
그가 자율주행 회사로 이동했다는 사실은 여러 층위의 메시지를 담고 있다. 첫째, DeepRoute.ai가 자율주행을 순수한 AI 연구 문제로 재정의하고 있다는 것, 둘째, 적은 자원으로 높은 성능을 뽑아내는 효율 중심의 모델 개발 철학이 자율주행에 이식된다는 것. DeepSeek가 AI 업계에서 보여준 것이 정확히 그것이었다.
기술 환경의 변화도 이 결단을 뒷받침했다.
저우 CEO는 "2025년까지 멀티모달 모델은 충분히 성숙하지 않았습니다. 하지만 2026년 들어 Gemini, OpenAI, DeepSeek에서 큰 기술적 돌파가 이뤄졌습니다"라고 말했다.

DeepRoute.ai는 기술이 완전히 성숙하기를 기다린 것이 아니라, 먼저 조직과 개발 방식을 바꿨다. 그리고 2026년 멀티모달 모델의 진전은 그 결정을 실제 양산 전략으로 밀어 올리는 동력이 됐다.

작은 모델의 한계와 파운데이션 모델

문제는 E2E 모델이 정답의 전부가 아니라는 것을 DeepRoute.ai 스스로 먼저 인식했다는 데 있다. 수백 킬로미터를 주행하다 보면 소형 모델이 이해하지 못하는 임계 상황(Critical Scenario)은 반드시 나온다. 아무것도 없는 교차로에서 버스가 갑자기 멈추고 그 사이로 보행자가 뛰어든다. Y자 교차로의 사각지대, 시간제 버스 전용 차선의 표지, 이런 상황을 패턴 인식 수준의 소형 모델이 맥락으로 이해하기란 구조적으로 어렵다.
"특정 상황에서는 잘 작동하지만, 모든 상황, 모든 도시, 모든 시간에서 안전하지는 않습니다." 저우 CEO가 말했다.

현재 그들의 ADAS는 C-NCAP 2024 평가에서 95.2% 득점률로 별 5개를 받았다. 출발점은 높다. 문제는 그 다음이다. 중국 시장을 보면 이런 현실은 더 명확하게 드러난다. 대다수 업체는 여전히 소형 모델에 머물러 있다. 개발 비용이 낮고 양산 속도는 빠르기 때문이다. 단기적으로는 합리적인 선택처럼 보이지만, DeepRoute.ai의 판단은 달랐다. 소형 모델로 달성할 수 있는 안전성의 한계는 이미 보이고, 이를 돌파하려면 파운데이션 모델 외에는 방법이 없다.
DeepRoute.ai가 택한 파운데이션 모델은 수십억 개 파라미터를 가진 멀티모달 모델을 자율주행의 기반으로 삼는다. 이 모델은 사전학습(Pre-training), 후학습(Post-training), 주행 데이터 학습까지 다층적인 과정을 거친다.
단순히 특정 기능을 수행하는 것이 아니라, 물리 세계를 이해하고 해석하는 모델이다.
루안춘은 이 구조를 세 가지 능력으로 정리했다. 실제 차량을 제어하는 Driving, 차량의 행동을 언어로 설명하는 Analyzer, 그리고 행동의 좋고 나쁨을 판단하는 Critic이다. 중요한 것은 이 세 가지가 별도의 모델이 아니라는 점이다. 하나의 파운데이션 모델이 세 가지 능력을 동시에 갖는다. 전체 파운데이션 모델이 400억 개 파라미터 규모라면, 실제 차량에 탑재되는 Driver Model은 70억 개 이하 파라미터로 압축된다. 필요한 기능만 추출하고 압축하는 방식이다.
Analyzer는 주행 중에는 작동하지 않는다. 학습과 디버깅 단계에서 핵심 역할을 맡는다. 차량이 특정 상황에서 왜 그 판단을 내렸는지를 분석하고 설명하는 이 능력이 모델 개선의 속도를 결정한다.
루안춘은 "진짜 경쟁력은 모델 자체가 아니라 얼마나 빠르게 반복하고 개선할 수 있는가에 있습니다"라고 말했다.

과거 100시간 이상이 걸리던 데이터 수집→학습→테스트→수정의 사이클이 파운데이션 모델을 활용한 사전 분석과 클라우드 기반 시뮬레이션으로 10시간 수준으로 단축됐다.

DeepRoute.ai는 자율주행을 단순한 인식(perception) 문제가 아니라, Driver·Analyst·Critic 구조를 기반으로 한 ‘Physical AI’ 문제로 재정의했다.
Auto China 2026 현장에서 발표 중인 DeepRoute.ai의 루안춘.

"생성할 수 있다면, 이해하는 것이다" - Physical AI의 개념

DeepRoute.ai가 강조하는 또 하나의 축은 'Physical AI'다. 단순한 이미지 인식을 넘어, 현실 세계의 물리적 역학 관계를 이해하고 생성할 수 있는 능력. 저우 CEO는 이를 이렇게 설명한다.
"최근의 영상 생성 AI들을 보면 1년 전과 비교할 수 없을 만큼 실제 물리 법칙을 따릅니다. 생성할 수 있다면, 그 물리 법칙을 이해하고 있는 것입니다."

이 철학은 그들의 VLA 아키텍처에 직접 반영돼 있다. VLA는 BEV 영상과 라이다 데이터를 시각 인코더로 처리하고, 텍스트 인코더와 결합해 하나의 모델로 통합한다. 출력은 두 갈래다. 궤적(Trajectory)을 생성하는 Trajectory Decoder와 사고의 흐름(Chain of Thought, CoT)과 액션을 언어로 출력하는 Text Decoder. 이 Chain of Thought 능력이 방어 운전(Defensive Driving)을 가능하게 한다. 인접 차선 차량이 신호 없이 급감속했을 때, VLA는 단순히 브레이크를 밟는 것이 아니라, '신호 없는 급감속 - 전방 우측 버스의 임시 정차 - 보행자 출현 가능성 높음 - 충돌 방지를 위해 감속'이란 사고의 흐름을 거쳐 판단한다. 사람이 운전할 때 무의식적으로 하는 '불안한 예감에 기반한 감속'을 모델이 언어로 구조화해 실행하는 것이다.
시나리오 의미 이해(Semantic Understanding)도 이런 흐름 위에서 작동한다. 시간제 버스 전용 차선, 합류 차선, 과속방지턱, 공사 구역 - 텍스트 기호로 구성된 도로 상황을 맥락으로 이해하고 경로를 결정한다. 음성제어(Voice Control)도 이 구조에서 자연스럽게 파생된다. 운전자가 "앞차와 더 가까이", "좀더 빠르게" 등과 같이 말하면 종방향 거리나 가속을 조정하고, "끼어들기 방지"를 요청하면 차선 변경 전략 자체를 바꾼다.
이쯤에서 자연스럽게 따라오는 질문은, VLA와 파운데이션 모델이 어디까지 DeepRoute.ai의 자체 개발인가 하는 것이다. 여기에는 오픈소스 기반 아니냐는 질문도 있다.
"우리는 오픈소스 기반이 아닙니다. 처음부터 만들었습니다. 오픈소스는 제약이 많고 메인스트림을 바꿀 수 없습니다. 그래서 처음부터 이렇게 한 겁니다. 근데 안 믿어요. 다들 안 믿습니다." 저우 CEO가 웃으며 말했다.

4월 26일, 13시 40분, 주차장: 차가 말한다

말은 말이고, 차는 차다. 인터뷰와 강연이 실제 도로에서 어떻게 작동하는지를 확인하는 방법은 하나뿐이다. 실차 테스트는 A2홀 밖 주차장에서 시작됐다. 계기판 오른쪽에 'NOA' 표시가 떴다. 기능이 활성화됐다는 신호였다. 동시에 왼쪽 화면에 로그가 올라오기 시작했다. 누군가 물었다.
"이거 클라우드에 저장되는 겁니까?" 동석한 DeepRoute.ai 관계자가 답했다. "아닙니다. 이건 모니터링 툴입니다. 상용 기능은 아닙니다." 데이터는 차 안에 있다.

차는 1시간을 달렸다. 베이징 도심의 도로는 DeepRoute.ai가 강연장에서 설명한 임계 상황의 목록을 하나씩 꺼내놓았다. 3차로짜리 로터리에서 차는 차선을 골랐다. 합류 차량이 빈번한 인터체인지에서도 속도와 간격을 조율했다. 보행 신호와 차량 신호를 제대로 지키지 않는 사거리 등 중국에서 드물지 않은 풍경이 이어졌다. 필요하면 차는 서행하거나 멈추고 기다렸다. 전시장으로 돌아오는 길은 꽉 막혔다. 정체 구간에서도 차는 스스로 섰다가 흘렀다. 개입은 없었고, 내가 운전할 때보다 편안하게 느껴졌다.
파운데이션 모델이 주장하는 맥락 이해가 실제로 어느 수준인지를 한 번의 시승으로 단정하기는 어렵지만, 적어도 이 차는 강연장의 슬라이드와 같았다.

차는 1시간을 달렸다. 베이징 도심의 도로는 DeepRoute.ai가 강연장에서 설명한 임계 상황의 목록을 하나씩 꺼내놓았다. 3차로짜리 로터리에서 차는 차선을 골랐다. 합류 차량이 빈번한 인터체인지에서도 속도와 간격을 조율했다. 보행 신호와 차량 신호를 제대로 지키지 않는 사거리 등 중국에서 드물지 않은 풍경이 이어졌다. 필요하면 차는 서행하거나 멈추고 기다렸다. 전시장으로 돌아오는 길은 꽉 막혔다. 정체 구간에서도 차는 스스로 섰다가 흘렀다. 개입은 없었고, 내가 운전할 때보다 편안하게 느껴졌다.

"도구를 두뇌로 삼지 말라"- 루안춘이 말하는 조직 전환

루안춘이 Auto China에서 기술만 이야기한 것은 아니었다. 그는 발표 말미에 조직과 사람의 문제를 꺼냈다. DeepSeek 출신답게, 그의 시선은 모델 아키텍처에서 인간-AI 협업 구조로 이동했다.
"과거에는 보행자 인식, 신호등 인식 등 각 기능마다 개별적인 작은 모델을 사용했습니다. 이 방식은 모델이 많아질수록 개발, 관리, 인력 측면에서 큰 부담이 됩니다. 이제 사람은 새로운 기술을 이해하고 활용해야 합니다. 하지만 도구를 '두뇌'로 사용해서는 안 됩니다. 도구는 어디까지나 도구일 뿐입니다."

이는 단지 조직론에 그치지 않는다. 파운데이션 모델 중심의 자율주행을 구현하려면 엔지니어들이 AI의 판단을 검증하고 방향을 설정하는 역할을 맡아야 한다. AI가 드라이버가 되는 상황에서 사람은 그 드라이버를 훈련하는 코치가 된다. DeepRoute.ai가 '슈퍼히어로급 인재'가 필요하다고 말한 이유다. 수백억 개 파라미터 모델을 다루고, 데이터를 설계하고, 피드백 루프를 구성할 수 있는 사람. 그런 인재는 전 세계적으로 극소수다. 루안춘 본인이 그 신호다.
DeepSeek에서 제한된 자원으로 최고 수준의 모델을 만들어낸 연구자가 자율주행 회사로 이동했다는 것은, 이 산업이 더 이상 자동차 엔지니어링의 문제가 아니라 AI 연구의 최전선이 됐다는 것을 보여준다. 그리고 그 방향에서 DeepRoute.ai는 의도적으로 움직이고 있다.

시장 점유와 데이터의 방정식 - 100만 대가 말하는 것, 그리고 한국

기술의 방향이 아무리 옳아도, 시장에서 살아남지 못하면 의미가 없다. DeepRoute.ai가 기술 논쟁과 동시에 집착하는 숫자가 있다. 양산 차량 탑재 대수다.
2025년 말 기준 누적 20만 대 이상, 월 3만 5,000대 이상. 2025년 10월 기준 중국 3자 ADAS 공급사 시장 점유율 약 40%, 전년 동기 대비 성장률 5배. GWM, Geely, Leapmotor 등 5개 OEM과 양산 협력 중이며, 40개 이상의 차종이 후보로 올라와 있다. GWM의 Wey Lanshan 모델은 그들의 시스템 탑재 이후 판매량이 3배 이상 급증했다. 2026년 말 누적 100만 대, 2027년 말 200만 대가 목표다.
숫자의 이면에는 구조적 논리가 있다. 자율주행은 데이터가 모델을 키우고, 모델이 성능을 높이며, 그 성능이 다시 더 많은 양산 계약을 불러온다. 실차 탑승 현장에서 나온 한마디가 이를 말했다.
"100만 대가 깔리면 100만 대의 데이터, 200만 대면 200만 대의 데이터가 쌓입니다. 이게 차이입니다."

그렇다면 이 방정식이 한국 시장으로도 옮겨올 수 있을까. 실차 동행 과정에서 이 질문이 나왔다. 예를 들어 현대차와 협업한다면 어떻게 되느냐는 것이다.
"모델은 가져갈 수 있습니다. 근데 데이터는 못 건드립니다."

DeepRoute.ai가 중국 OEM에서 가져가는 것은 모델과 개발 경험이지, 원천 주행 데이터 자체가 아니다. 한국에서 생성된 데이터는 한국 OEM의 통제 아래 있어야 하고, 민감 정보는 필터링된 뒤 제한적으로만 공유될 수 있다. "결국 리스크는 데이터 반출이냐 유출이냐"라는 말이 나온 것도 여기서였다. 현재 가능한 해법은 사실상 블랙박스에 가까운 협업 구조다. OEM이 데이터를 먼저 수신하고, 필요한 범위 안에서만 정보를 열어주는 방식이다. 내부는 완전히 열리지 않는다.
이런 제약 속에서도 맵리스(Map-less) 전략은 글로벌 확장을 위한 현실적인 해법으로 작동한다. HD 지도에 의존하지 않기 때문에 지도 제작 비용이 없고, 업데이트가 늦은 지역에서도 즉시 적용할 수 있다. 독일 사무소 개소와 GCC 지역 확장 역시 이 전략의 연장선에 있다. 그리고 이 맥락에서 한국은 자연스러운 동일 좌표가 된다.

별도 인터뷰는 DeepRoute.ai 부스 2층 미팅룸에서 진행됐다. 통유리로 된 접견실이었다. 맞은편 전시장이 한눈에 내려다보였고, 그 시선의 정면에 Xiaomi 부스가 있었다. Xiaomi는 차를 만들어 소프트웨어를 얹고, DeepRoute.ai는 소프트웨어만 만들어 남의 차에 올린다.

4월 26일 15시, A4홀: 경로를 확인하다

별도 인터뷰는 DeepRoute.ai 부스 2층 미팅룸에서 진행됐다. 통유리로 된 접견실이었다. 맞은편 전시장이 한눈에 내려다보였고, 그 시선의 정면에 Xiaomi 부스가 있었다. 자동차를 만들겠다고 선언한 지 3년 만에 SU7을 양산해 시장을 뒤흔든 그 회사다. DeepRoute.ai와 Xiaomi가 유리 한 장을 사이에 두고 마주 보고 있었다. Xiaomi는 차를 만들어 소프트웨어를 얹고, DeepRoute.ai는 소프트웨어만 만들어 남의 차에 올린다. 자율주행이라는 같은 목적지를 완전히 반대 방향에서 걸어온 두 회사다.
DeepRoute.ai의 포지션을 이해하려면 비교해 볼 수 있는 두 개의 회사가 필요하다. Waymo와 Xpeng이다. Waymo는 오랫동안 자율주행의 기준으로 여겨져 왔다. 레벨 4의 기술력, HD 지도 기반, 소수의 고비용 차량으로 특정 도시에서 운행하는 방식. 그러나 이 모델은 대량 생산으로 이어지지 않았다. 재정 지원이 중단된 Cruise 사례는, 기술을 포함해 상업적 규모와 연결되지 못할 때 어떤 한계에 부딪히는지를 보여준다. DeepRoute.ai가 처음부터 대량 양산을 전략의 중심에 놓은 것은 이런 맥락 위에서다. 데이터는 규모에서 나오고, 규모는 양산에서 나온다.
Xpeng은 또 다른 기준점이다. "Xpeng은 일정 수준의 진전을 보이고 있다"란 저우 CEO의 평처럼, Xpeng은 OEM이면서 자체 자율주행 기술을 내재화한 몇 안 되는 기업이다. 그러나 OEM이 직접 파운데이션 모델을 구축하려면 인재와 연산 자원의 임계치를 넘어야 한다. 그 임계치를 넘을 수 있는 OEM은 전 세계적으로 극소수다. 대부분의 OEM에게는 DeepRoute.ai와 같은 3자 공급사가 여전히 현실적인 선택이다.
경쟁 구도는 저가, 중가, 고가 세그먼트로 나뉜다. "Momenta가 미드까지 먹으면, 하이엔 못 간다. 그럼 그건 우리 영역"이라는 현장의 말처럼, DeepRoute.ai가 파운데이션 모델과 VLA에 집중하는 것은 기술 우위가 프리미엄 세그먼트를 방어하기 때문이다.
2027년까지 레벨 2++, +++를 완성해야 한다는 시간 압박도 작용하고 있다. 대부분의 OEM에게 남은 시간은 길지 않다. 실제로는 1년 안에 방향을 정하고 결과를 만들어야 한다. 지금 검증되고 있는 것은 단순한 기술이 아니다. 파운데이션 모델이 양산 환경에서 소형 모델 대비 10배 수준의 안전성을 확보할 수 있는지, 데이터가 OEM 내부에 머무는 구조에서도 플라이휠이 실제로 작동하는지, 그리고 이 방정식이 중국을 넘어 글로벌에서도 성립하는지다. 한국 OEM 역시 이 질문 앞에 서 있다. 방향을 정하지 않는 것도 하나의 선택이지만, 그 선택에도 비용이 있다. DeepRoute.ai의 베팅은 크고, 방향은 분명하다.

A4홀: 마지막 루트

DeepRoute.ai의 목적지는 어디일까.
저우 CEO는 다음과 같이 DeepRoute.ai의 장기 비전을 밝혔다.
“우리는 미래에 물리적인 세계의 AI 인프라 역할을 주도하는 회사가 되는 것을 목표로 합니다. 통신이나 전력 공급망처럼, 우리는 실제 세계의 운영을 뒷받침하는 범용 AI 파운데이션으로 성장해 나갈 것입니다. 물리적 세계의 지능화에 있어, DeepRoute.ai는 이 파운데이션 인프라의 핵심 축이 될 것입니다.”

SDV 시대, 차량용 SW 개발, C로 충분한가?

글 | 신승환 상무, Seon ENS _ shshin@seonens.com — 2026-05-07 10:00:14+0900

수 년 혹은 몇 십년 간 축적된 C 코드베이스를 폐기하지 않고도 메모리 안전성과 성능을 동시에 확보할 수 있는 길이 열렸다. 세온이앤에스와 자비스(JARBIS)가 ARM Cortex-M4 베어메탈과 현대오토에버 mobilgene 플랫폼 위에서 검증한 Rust 적용 실증 결과를 소개한다.

글 | 신승환 상무, Seon ENS _ shshin@seonens.com

메모리 안전성 위기, 자동차 산업도 예외 아니다

오늘날 자동차 한 대에 탑재되는 소프트웨어는 1억 라인을 넘본다. SDV 전환으로 ECU 통합이 가속화되면서 단일 제어기가 처리해야 할 기능은 기하급수적으로 늘고 있다. 자율주행, V2X, OTA가 더해질수록 결함 발생 확률 또한 함께 커진다.
Microsoft는 자사 CVE의 약 70%가 메모리 안전성 결함에서 비롯된다고 밝힌 바 있다. 버퍼 오버플로우, Use-after-free, 데이터 레이스는 IT 시스템에서는 패치로 대응하지만, 차량용 임베디드에서는 인명과 직결된다. Google Android 팀이 메모리 안전 언어 비중을 높여 메모리 안전 취약점 비율을 2019년 76%에서 2024년 24%로 끌어내린 사례는 시사하는 바가 크다.
C 언어는 임베디드의 표준이지만, 메모리 관리 책임을 전적으로 프로그래머에게 부여하는 설계 철학이 구조적 한계의 근원이다. MISRA C 같은 코딩 규칙은 정적 분석과 코드 리뷰에 의존하므로 복잡한 포인터 앨리어싱이나 멀티코어 데이터 레이스는 런타임까지 살아남는다. 결국 도구의 문제가 아니라 언어 자체의 문제다.

글로벌 동향 - 인증 컴파일러와 정부 권고

이러한 인식은 빠르게 확산되고 있다. 컴파일러 툴체인 인증 영역에서의 변화가 대표적이다. 독일 HighTec은 Infineon AURIX와 ARM 기반 Stellar 등 특정 MCU/툴체인 조합에 한해 ISO 26262 ASIL D 수준의 도구 인증(Tool Qualification)을 획득한 Rust 컴파일러를 공급하고 있다. 이는 Rust 언어 일반에 대한 안전 인증이 아니라, 해당 MCU와 툴체인 조합에서 안전 개발 경로가 마련됐음을 의미한다. 즉 모든 환경에서 Rust가 즉시 ASIL 개발에 사용가능해졌다는 뜻은 아니지만, 조건이 맞는 영역에서는 도입 장벽 중 하나가 낮아지고 있다고 볼 수 있다.
미국 백악관 ONCD는 2024년 2월 "Back to the Building Blocks" 보고서를 통해 메모리 안전 언어로의 전환을 국가 차원에서 권고했다. 안전이 최우선인 자동차 산업에 시사하는 바가 더욱 크다.

성능 검증 - Cortex-M4에서 C와 대등한 수준

세온이앤에스와 자비스는 STM32F446RE(ARM Cortex-M4) 보드에서 C와 Rust의 성능을 직접 비교했다. 핵심은 GCC와 LLVM이라는 컴파일러 백엔드 차이를 제거하기 위해 양측 모두 동일한 LLVM 20.1.7 백엔드(Clang/LLVM과 Rust 기본 LLVM)를 사용했다는 점이다. DWT 사이클 카운터로 CPU 사이클을 직접 측정하고, 어셈블리 수준에서 화이트박스 분석을 병행했다.
산술, 메모리 접근, 제어흐름, 알고리즘, 통신, 수학 연산 등 ECU 실연산을 포괄하는 6개 카테고리, 16개 벤치마크의 결과는 다음과 같다.

- Rust 우위 7개 / C 우위 8개 / 동등 1개 - 전반적으로 대등
- Rust 최대 우위: DMA 메모리 +68%, 행렬 연산 +57%, 배열 접근 +33%
- C 최대 우위: 함수 호출 +83%, 제어흐름 +36%

수치 해석에는 단서가 필요하다. 본 비교는 각 언어에서 실무적으로 사용되는 관용적 코드(idiomatic code) + 기본 컴파일 설정을 전제로 한 결과다. 예컨대 C에서도 restrict 키워드를 명시적으로 사용하거나 memcpy() 표준 라이브러리를 활용하면 Rust와 유사한 수준의 최적화 경로를 기대할 수 있으나, 실무에서 이를 일상적으로 사용하지 않는 관행을 반영하여 본 비교에서는 사용하지 않았다. 따라서 위 수치는 "Rust가 본질적으로 C보다 빠르다"는 일반적 결론으로 확장될 수 없으며, 관용적 작성 방식과 기본 설정의 차이까지 함께 반영된 실무적 경향으로 읽는 것이 적절하다.
이러한 단서를 전제로 본 결과를 보면, Rust 우위의 한 동인으로 소유권 기반 noalias 최적화가 관찰된다. Rust의 소유권 규칙은 "이 참조는 다른 참조와 메모리 영역이 겹치지 않는다"는 보증을 컴파일러에 제공하므로 LLVM이 더 공격적인 루프 언롤링과 중복 로드 제거를 안전하게 수행할 수 있는 조건이 형성된다. C에서는 프로그래머가 restrict를 명시해야 하는 정보가 Rust에서는 언어 규칙으로 표현된다는 차이다.
C 우위 항목 중 함수 호출 격차는 Rust 컴파일러가 기본적으로 프레임 포인터를 유지하는 설정에서 비롯되며, -C force-frame-pointers=no 옵션으로 조정 가능하다. 즉 언어의 본질적 한계라기보다는 기본 설정의 차이로 보는 편이 적절하다.
핵심 통찰은 보편적 우열의 선언이 아니다. 특정 조건에서 안전성 강화와 성능 유지·개선이 동시에 가능하다는 점, 즉 "안전성과 성능은 양자택일"이라는 기존 이분법이 항상 성립하지는 않을 수 있다는 점이다.

안전성 검증 - CAN 스택 결함 주입 실증

성능이 동등하다면, 다음 질문은 "안전성은 실제로 작동하는가"다. 연구진은 AUTOSAR 계층 구조를 참조하여 CAN 통신 스택을 Rust로 구현하고(MCAL은 STM32F446RE bxCAN 레지스터 직접 제어, no_std staticlib 빌드), 의도적 결함을 주입했다.
컴파일 타임 결함 차단의 효과는 결정적이었다. [u8; 8]을 요구하는 함수에 [u8; 4]를 전달하는 코드는 C에서는 포인터 퇴화로 경고 없이 빌드되어 런타임에 버퍼 오버리드를 일으키지만, Rust에서는 빌드 자체가 불가능하다. 8바이트 버퍼의 인덱스 8 접근 또한 Rust에서는 컴파일 타임 또는 런타임 바운드 체크로 차단된다.
ISR-메인 루프 공유 자원 무결성 측정 결과도 인상적이다. Rust 임베디드 크레이트의 Mutex를 적용한 CAN 메시지 처리는 평균 31 사이클, 표준편차 0의 완벽한 결정론적 동작을 보였다. Mutex 미적용으로 ISR 간섭이 발생하면 평균 38 사이클이지만 표준편차가 26으로 흔들리고 30~116 사이클의 비결정적 지터가 관찰됐다. Mutex 추가로 인한 본질적 비용은 14 사이클 - 16MHz 기준 1마이크로초 미만이며, 이는 C에서 __disable_irq()/__enable_irq()를 직접 호출할 때도 동일하게 지불해야 하는 비용이다. 즉 Rust 추상화 계층 자체의 오버헤드는 사실상 없다.
Panic Handler Fail-safe는 ISO 26262 Fail-safe 설계 취지에 부합하는 메커니즘을 단 98바이트, 31 사이클(약 2마이크로초)로 구현 가능함을 보였다. 정의되지 않은 동작으로 잘못된 제어 명령이 계속 전달되는 것보다, 2마이크로초 안에 안전 상태로 전환되는 편이 기능안전 관점에서 압도적으로 유리하다.

FFI 통합 - 기존 C 코드베이스와의 점진적 공존

가장 현실적인 질문은 "수십 년 축적된 AUTOSAR C 코드베이스와 어떻게 통합할 것인가"다. 현실적인 한 가지 접근이 FFI(Foreign Function Interface)다. Rust FFI는 C ABI와 직접 호환되며, JNI나 ctypes와 달리 추가적인 런타임 계층이 없어 함수 호출 수준의 오버헤드는 매우 작다.
다만 FFI를 "비용이 거의 없는 통합 수단"으로만 보는 것은 적절하지 않다. 함수 호출 오버헤드와는 별개로, ABI 호환성 확보, C/Rust 간 데이터 레이아웃 설계, 두 빌드 시스템의 통합 등 시스템 수준의 엔지니어링 비용은 별도로 고려해야 한다. 즉 "FFI를 쓰면 자동으로 통합된다"가 아니라, "FFI는 통합의 출발점이며 그 위에 신중한 설계가 얹혀야 한다"는 관점이 필요하다.
통합 아키텍처 자체는 비교적 단순하다. Rust 소스를 Cargo로 크로스 컴파일하여 정적 라이브러리(.a)를 생성한 뒤(thumbv7em-none-eabihf, staticlib, panic = "abort", codegen-units = 1), AUTOSAR 빌드 시스템(SCons/CMake)이 이를 기존 C 소스, BSW, RTE와 함께 링킹한다. AUTOSAR 빌드 시스템 측에서는 일반적인 C 라이브러리 하나가 추가되는 형태이므로, 기존 빌드 시스템 자체에 대한 변경 부담은 크지 않다. 다만 실제 통합 단계에서는 SCons와 Cargo 빌드를 연결하기 위한 최소한의 설정 작업이 필요하며, "AUTOSAR 빌드 시스템을 전혀 손대지 않는다"는 의미는 아니다.
인터페이스 설계는 세 어트리뷰트의 조합으로 이뤄진다. #[no_mangle]은 이름 맹글링을 비활성화하고, extern "C"는 C 호출 규약을 적용하며, #[repr(C)]는 구조체 메모리 레이아웃을 C와 일치시킨다. C 측 AUTOSAR SWC에서는 일반적인 외부 함수 호출과 동일하게 Rust 함수를 사용한다.
Rust 코드가 삽입되는 지점은 SWC의 Runnable 내부다. MCAL, BSW, RTE는 기존 C가 그대로 동작하고, Runnable 내에서 C 래퍼를 통해 Rust FFI 함수가 호출된다. RTE 스케줄링과 BSW 스택은 변경이 없다. 무엇보다도 Runnable 단위 점진 전환이 가능하다는 점이 결정적이다. 하나의 SWC 안에서도 일부 Runnable만 Rust로 옮기고 나머지는 C로 유지할 수 있어, 리스크를 통제하면서 비중을 늘려갈 수 있다.

mobilgene 플랫폼 구동 결과

이론적 아키텍처를 넘어, 양산 플랫폼 계열 환경에서의 구동도 확인됐다. 현대오토에버의 mobilgene 플랫폼(AUTOSAR Classic 4.4, R44)과 NXP S32K312 EVB(ARM Cortex-M7, 120MHz, 2MB Flash, 256KB SRAM), Lauterbach TRACE32 디버거 조합으로 시험을 진행했다.
테스트는 7개 카테고리, 26개 FFI 함수로 설계됐다. 기본 연산, 메모리 접근, 제어흐름, 통신 프로토콜(CAN 프레임, CRC, 링버퍼), 실시간 태스크(스케줄링, 세마포어, 메시지 큐), 알고리즘(정렬, 검색, 필터, PID 제어), 하드웨어 인터페이스(GPIO, 레지스터, 인터럽트)까지 ECU 연산 패턴을 폭넓게 다뤘다. 각 함수별 1,000회 이상 반복 측정, 첫 100회는 워밍업으로 제외, 평균·표준편차·95% 신뢰구간·변동계수 산출, t-test/Mann-Whitney U(p<0.05) 검정으로 통계적 유의성을 확인했다.
결과는 26개 FFI 함수 전체가 mobilgene AUTOSAR Classic 4.4 플랫폼에서 정상 구동됐다. 의미는 세 가지다.

1. no_std와 staticlib 조합으로 AUTOSAR BSW 스택과 무결한 통합이 가능하다.
2. ECU의 주요 연산 패턴 전반을 Rust FFI로 구현·실행할 수 있다.
3. 기존 AUTOSAR 빌드 시스템(SCons)과 Cargo 빌드를 최소한의 수정으로 통합할 수 있다.

이는 Rust-AUTOSAR FFI 통합이 연구실 수준의 개념 증명이 아니라, 양산 플랫폼 계열 환경에서 구동이 확인된 실현 가능한 전략임을 보여준다.

3단계 점진적 도입 로드맵

전면 전환은 현실적이지도, 바람직하지도 않다. 연구진이 제안하는 도입 경로는 다음 3단계다.

1단계 - 유틸리티/알고리즘 모듈: CRC 계산, 룩업 테이블, 디지털 필터 등 BSW나 하드웨어 의존성이 없는 순수 연산 모듈에서 시작한다. 입출력이 명확하고 C 구현과의 동치성 검증이 쉬우며, 문제 발생 시 즉시 롤백할 수 있다. 이 단계의 진정한 목적은 팀 역량 확보, 빌드 파이프라인 구축, FFI 인터페이스 패턴 수립, 테스트 방법론 정립 등 이후 단계의 기반을 마련하는 데 있다.

2단계 - Safety-critical SWC 확장: ASIL 등급이 부여된 안전 관련 모듈(CAN/LIN 통신 처리, 센서 데이터 검증, 진단 모듈)에 적용한다. Rust의 컴파일 타임 안전성 보장은 ISO 26262가 요구하는 소프트웨어 안전성 확보에 유리한 특성을 제공한다. 다만 실제 ASIL 적용에는 별도의 안전 논증(Safety Case)과 ISO 26262 Part 8 기반의 도구 인증이 선행되어야 한다.

3단계 - Rust 네이티브 AUTOSAR 바인딩: 개별 함수 수준의 FFI를 넘어, AUTOSAR BSW API에 대한 체계적인 Rust 바인딩을 구축하여 SWC 전체를 Rust로 작성한다. bindgen 기반 자동 바인딩 생성과, Rust 타입 시스템을 활용한 안전한 래퍼 API 설계가 핵심 과제다. 이 단계에 이르면 Rust는 AUTOSAR 생태계의 일급 시민(first-class citizen)이 된다.

핵심은 "모든 것을 한 번에 바꾸겠다"가 아니라 "증명된 만큼만 확장하겠다"는 자세다.

맺음말 - "도입 타당성을 본격 검토할 시점"

본 실증은 세 가지 축을 정량적으로 검증했다. 첫째, ARM Cortex-M4 동일 LLVM 백엔드 비교에서 Rust는 C와 대등한 성능을 보였고, noalias 최적화로 특정 영역에서는 C를 상회했다. 둘째, 컴파일 타임 결함 차단, 14 사이클 Mutex 오버헤드, 31 사이클 Panic Handler 레이턴시는 Rust의 안전성 메커니즘이 실시간 ECU 환경에서 실용적임을 입증했다. 셋째, mobilgene 플랫폼 위 26개 FFI 함수의 정상 구동은 AUTOSAR Classic과의 실제적 통합 가능성을 확인시켰다.
기존 AUTOSAR 빌드 시스템에 최소한의 변경만으로 통합할 수 있고, BSW 스택에 영향을 주지 않으면서, Runnable 단위로 하나씩 전환해 나갈 수 있다는 사실은 실무적 도입 가능성이 충분함을 시사한다. 차량용 소프트웨어 복잡도 증가와 SDV 전환이 가속화되는 지금, Rust는 더 이상 "관심을 가져볼 만한 언어"가 아닌 "도입 타당성을 본격적으로 검토해야 할 기술"이다.
이 글은 세온이앤에스·자비스(JARBIS) 공동 백서 「차량용 임베디드 소프트웨어에서의 Rust 적용 전략 - FFI 기반 AUTOSAR 통합을 중심으로」(2026)를 바탕으로 작성되었다.

ICS Korea, 내달 1일 ‘Automotive Innovation Day 2026’ 참가

박종서 기자_fop1212@autoelectronics.co.kr — 2026-06-26 17:17:10+0900

지난해 'AID 2025' 에 참가했던 ICS Korea 부스 전경

인트레피드컨트롤씨스템즈코리아(이하 ICS Korea)가 오는 7월 1일 개최되는 ‘Automotive Innovation Day 2026(AID 2026)’에 참가해, 차세대 차량용 네트워크 10BASE-T1S를 기반으로 한 DoIP·DDS·Zenoh-Pico 솔루션과 Edge AI 데이터 로깅 솔루션을 선보인다고 밝혔다.

ICS Korea는 CAN/CAN FD, LIN, Automotive Ethernet(100/1000/2.5G/5G/10GBASE-T1, 10BASE-T1S 등), FlexRay 등 다양한 차량용 네트워크의 분석·검증·테스트를 위한 소프트웨어와 하드웨어를 제공하는 글로벌 기업이다. 미국 미시간주에 본사를 둔 ICS의 솔루션은 포드(Ford), 재규어 랜드로버(Jaguar Land Rover), 도요타(Toyota) 등 글로벌 완성차 업체가 채택하고 있으며, 특히 제너럴 모터스(General Motors, GM)에서는 표준 툴로 활용되고 있다. 국내에서도 주요 완성차 업체를 비롯해 Tier-1·2 공급사, 연구기관 등 다양한 고객사에서 널리 사용되고 있다.

이번 전시에서 ICS Korea는 차세대 차량용 네트워크로 주목받는 10BASE-T1S 환경에서 DoIP, DDS/RTPS 및 Zenoh-Pico 통신을 직접 구현하고 분석하는 데모를 시연한다.

10BASE-T1S는 CAN/CAN FD·LIN의 제한된 대역폭, 그리고 100/1000BASE-T1 특유의 점대점(P2P) 통신 방식에서 비롯되는 복잡한 배선 문제와 게이트웨이 부담을 줄이기 위한 대안으로 주목받고 있다. 하나의 버스에 여러 노드를 연결하는 멀티드롭(Multidrop) 구조를 지원하면서도 이더넷 기반 IP 통신을 그대로 수용할 수 있다. 또한 기존 CAN/LIN 대비 향상된 10Mbps의 통신 속도를 제공하여, 관련 기술 개발도 빠르게 진행되고 있는 네트워크이다.

먼저 DoIP(Diagnostics over Internet Protocol, ISO 13400)는 이더넷의 넓은 대역폭과 IP를 활용해 진단메시지를 송·수신할 수 있는 프로토콜이다. 10BASE-T1S와 결합할 경우 별도의 프로토콜 변환 게이트웨이 없이 엣지 노드까지 IP 기반 진단통신을 직접 수행할 수 있다.

또한 차량용 이더넷의 Middleware Protocol 중 DDS/RTPS와 Zenoh-Pico도 SDV(Software Defined Vehicle) 및 Zonal Architecture 환경에서 주목받고 있다. DDS(Data Distribution Service)는 OMG(Object Management Group)가 표준화한 데이터 중심(Data-Centric)의 발행·구독(Publish–Subscribe) 미들웨어 표준이며, 토픽(Topic)과 Q o S(서비스 품질)를 기반으로 발행자와 구독자를 분리해 실시간성·확장성·신뢰성이 요구되는 프로토콜로써 이미 항공 및 의료기기 사업분야에서 폭넓게 활용되고 있다.

Zenoh-Pico는 발행·구독·쿼리(Pub/Sub/Query)를 통합한 Zenoh 프로토콜의 C 구현체로, 마이크로컨트롤러 등 자원이 제한된 임베디드 엣지 장치에서도 동작하도록 설계되었다. DDS/RTPS와 Zenoh-Pico는 모두 10BASE-T1S 기반 네트워크 환경에서 SDV와 Zonal Architecture를 뒷받침하는 기술로 주목받고 있다.

ICS Korea는 자사의 소프트웨어와 하드웨어를 활용해 DoIP·DDS/RTPS·Zenoh 패킷을 직접 생성·송수신하고, 실제 데이터 모니터링 환경에서 패킷이 어떻게 표시되는지를 시연할 예정이다. 아울러 ICS Korea가 무상으로 제공하는 ICSCAP 플러그인을 통해 자사 하드웨어로 수집한 데이터를 Wireshark로 전달하고, 캡처한 패킷을 프로토콜별로 디코딩해 분석하는 과정도 함께 선보인다.

이와 함께 ICS Korea는 Edge AI 데이터 로거 신제품 neoVI FIRE 3 Compute를 공개한다. ICS Korea의 neoVI 데이터 로거 제품군은 CAN/CAN FD, LIN, 아날로그 신호는 물론 영상·음성·GPS 데이터까지 장비 내 SD카드에 저장한 뒤 이를 추출해 후분석할 수 있는 다채널 데이터 로깅 장비다. neoVI 데이터 로거는 글로벌 시장에서 제너럴 모터스(GM)를 중심으로 폭넓게 채택되어 왔으며, 국내에서는 현대·기아자동차를 비롯한 주요 완성차 업체의 데이터 로거로 활용되고 있다.

이번에 공개하는 neoVI FIRE 3 Compute는 CAN/CAN FD 16채널, LIN 8채널, 아날로그 4채널을 지원하는 다채널 로거 neoVI FIRE 3에 Raspberry Pi CM5를 결합한 제품이다. 차량 데이터를 수집하는 동시에 Linux 환경에서 사용자 애플리케이션을 실행할 수 있는 엣지 컴퓨팅 기반 통합 환경을 제공하며, 이를 통해 데이터 수집과 동시에 차량 내부에서 Edge AI 추론을 즉시 수행할 수 있어 방대한 차량 네트워크 데이터를 효율적으로 선별·로깅하는 새로운 테스트 환경을 제시한다.

ICS Korea 관계자는 “차량용 네트워크의 진화와 함께 AI 기반 기술의 차량 탑재가 빠르게 진행되면서, 이를 검증·테스트·계측하는 기술의 중요성도 그만큼 커지고 있다”며 “이번 전시에서는 이러한 변화에 맞춘 다양한 데모를 준비한 만큼, 부스를 방문해 자유롭게 상담하고 직접 확인해보길 바란다”고 밝혔다.

한편, ICS Korea의 다양한 차량용 네트워크 솔루션은 수원컨벤션센터에서 개최되는 ‘AID 2026’의 16번 부스에서 직접 확인할 수 있다.

서울로보틱스, 국토부 AI 특화 시범도시 강원권 사업 참여

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-06-24 10:57:57+0900

인프라 기반 자율운영 소프트웨어 기업 서울로보틱스가 현대자동차 등과 국토교통부 ‘AI 특화 시범도시 사업’ 강원권 사업 기관으로 선정됐다.

이번 사업은 도시 전반에 AI를 접목해 ’K-AI 시티’를 구현하는 국가 프로젝트다. 원주시는 원주형 AI 혁신 모델을 제안해 강원권 대상지로 최종 선정됐다. 이 사업은 국비 1,434억 원과 지방비 489억 원을 포함해 총 1,981억 원 규모로 추진된다.

우선지구로 지정된 강원원주혁신도시에는 순환형 자율주행 셔틀과 로보버스 등 미래 모빌리티 서비스를 비롯해 도시 재난 안전, AI 헬스케어, 피지컬 AI 기반 스마트 주거 서비스가 단계적으로 도입될 예정이다. 사업은 2026년 하반기부터 1년간 기본구상을 거쳐 2027년 시범도시 지정 이후 2030년까지 진행된다.

사업 컨소시엄은 주관사 에스트래픽을 비롯해 현대자동차, 서울로보틱스, NHN클라우드, 솔트룩스, 원주미래산업진흥원, 강원대학교 원주캠퍼스 등 7개 기관으로 구성됐다.

서울로보틱스는 디지털 트윈, AI 모델, 다중 에이전트, 피지컬 AI 등 사업의 핵심 소프트웨어 분야 가운데 마스터 디지털 트윈과 피지컬 AI(이기종 로봇 통합관제) 영역을 담당한다. 특히 모빌리티와 로봇 서비스 분야를 맡게 된 현대자동차와 협력해 도시 단위 자율운영 체계 구축에 참여한다.

서울로보틱스의 접근 방식은 개별 차량이 아닌 공간 자체를 자율화하는 것이다. 차량 한 대에 센서와 연산 장치를 다는 기존 방식과 달리, 도로와 건물 등 도시 인프라에 설치된 센서를 활용해 공간을 인식한다. 수집된 데이터는 마스터 디지털 트윈에 실시간으로 반영되며, 도시 운영자는 이를 기반으로 교통 흐름, 보행자 밀도, 사고 징후 등을 한눈에 파악하고 시뮬레이션을 통해 대응할 수 있다.

피지컬 AI 플랫폼은 자율주행 셔틀과 로보버스를 비롯해 배송, 청소, 보안, 병동 이송, 순찰 등 제조사와 도메인이 다른 수십 종의 로봇을 도시 차원에서 통합 관제한다. 또한 인프라가 수집한 사각지대 정보를 차량 및 로봇 운영자와 공유함으로써 개별 센서 만으로는 포착하기 어려운 위험 요소를 사전에 감지할 수 있도록 지원한다.

서울로보틱스는 이러한 기술이 폭설과 폭우 등 악천후에서도 다중 센서 시스템을 기반으로 안정적으로 작동하며, 센티미터 단위의 인식 정확도를 제공한다고 설명했다.

이한빈 서울로보틱스 대표는 “차량이 아닌 인프라에 자율운영 기능을 구현하는 방식이기 때문에 차종이나 제조사에 관계없이 적용할 수 있으며, 일본 닛산 공장 등 현장에서 이를 입증해 왔다”며 “이번 국책사업 참여로 공장과 물류에 집중됐던 사업 영역을 공공 도시 인프라로 넓히고, ’산업용 자율주행 솔루션 프로바이더’에서 ’스마트 시티를 아우르는 자율운영 종합 솔루션 프로바이더’로 거듭나는 계기가 될 것”이라고 말했다. 이어 그는 “도시 단위로 반복 적용할 수 있는 시장에 현대자동차 등 컨소시엄과 함께 진입해 안정적인 성장 기반을 마련하겠다”고 덧붙였다.

서울로보틱스에 따르면, 인프라 기반 차량 무인이송 기술이 적용된 일본 닛산 공장에서는 숙련 운전자 5명이 1시간 30분에 처리하던 차량 50대 이동 작업을 모니터링 인력 1명이 6~7분 만에 처리하고 있다.
또한 서울로보틱스는 한화솔루션과 울산복합도시개발 프로젝트를 통해 KTX 울산역 일대 신도시 ’뉴온시티’에 스마트 모빌리티 인프라를 구축하기 위한 업무협약을 체결했다. 이 프로젝트는 도시 설계 단계부터 도로 인프라에 센서를 반영해 차량 흐름을 실시간으로 파악하고, 대중교통 구간에 무인 셔틀을 도입하는 내용을 포함한다. 서울로보틱스는 토요타 자율주행 부문 우븐(Woven)과도 협력 방안을 논의 중이다.

카리아드, 베를린에 1천명 규모 자동차 소프트웨어 캠퍼스 개소

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-06-24 09:46:50+0900

폭스바겐그룹의 소프트웨어 자회사 카리아드(CARIAD)가 23일(독일 현지시간) 독일 베를린에 자동차 소프트웨어 캠퍼스(CARIAD Automotive Software Campus) 개소 소식을 알렸다.

개소식에는 올리버 블루메(Oliver Blume) 폭스바겐그룹 최고경영자(CEO)와 피터 보쉬(Peter Bosch) 카리아드 CEO, 율리아 클뢰크너(Julia Klöckner) 독일 연방의회 의장, 힐데가르트 뮐러(Hildegard Müller) 독일자동차산업협회(VDA) 회장, 랄프 빈터게르스트(Ralf Wintergerst) 독일 디지털산업협회(Bitkom) 회장이 참석했다.

새 캠퍼스에는 약 1,000명의 전문 인력이 근무하며, 이들은 소프트웨어 정의 차량(SDV)을 위한 AI 기술을 개발한다. 개발 분야는 자율주행 시스템을 위한 환경 인식 기술부터 AI 기반 음성 비서에 이르기까지 다양하다.

폭스바겐그룹은 AI 활용을 통해 자체 소프트웨어 개발 역량을 강화한다는 방침이다. 올리버 블루메 CEO는 “폭스바겐그룹에게 AI 정의 차량(AI-defined Vehicle)은 차세대 모빌리티를 의미한다”며 “카리아드와 그룹 브랜드, 그리고 주요 파트너들과 이러한 개발을 지속적으로 추진해 나가고 있다”고 말했다.
이어 그는 “베를린 자동차 소프트웨어 캠퍼스에서는 더욱 안전하고, 편안하며 매력적인 주행 경험을 제공하는 기술이 개발되고 있다”며 “이는 그룹의 혁신을 위한 중요한 기반이며, 이를 통해 경쟁력을 지속적으로 강화하고 자동차 업계의 글로벌 기술 선도 기업으로 나아가기 위한 또 하나의 단계”라고 밝혔다.

카리아드는 베를린 캠퍼스 개소를 통해 기존 7개 지역에 분산돼 있던 AI 전문 역량을 하나의 중앙 AI 캠퍼스로 통합했다. 피터 보쉬 CEO는 “미래의 자동차는 스스로 말하고, 듣고, 운전하게 될 것”이라며 “이 캠퍼스에서는 차량의 환경 인식부터 운전자와의 지능형 상호작용에 이르기까지 미래 자동차에 필요한 감각과 두뇌 기술을 개발한다”고 밝혔다.
그는 “확장 가능한 AI 플랫폼을 개발하고 차량 내 AI 애플리케이션을 안전하고 안정적으로 통합함으로써 차량 내 사용자 경험을 한 차원 끌어올리고자 한다”고 덧붙였다.

베를린 캠퍼스는 미국 마운틴뷰, 인도 벵갈루루, 중국 상하이와 허페이 등으로 이어지는 글로벌 카리아드 개발 네트워크의 일부이다. 이곳에서는 ‘코드에서 자동차까지(From Code to Car)’라는 개발 원칙 아래 소프트웨어 개발부터 차량 적용까지 통합 개발 체계를 운영한다.
카리아드는 이러한 긴밀한 협업 체계를 통해 개발 기간을 단축하고 비용 효율성을 높일 수 있을 것으로 기대하고 있다.

카리아드는 현재 베를린 캠퍼스에서 폭스바겐그룹 브랜드를 위한 양산 수준의 AI 기술 개발을 진행하고 있다.
대표적으로 AI 기반 ‘카리아드 ADAS 스택(CARIAD ADAS Stack)’은 개발 전 과정에 AI 모델을 적용한 통합 자율주행 플랫폼이다. 이 기술의 첫 번째 버전은 향후 출시될 폭스바겐 ID. EVERY1 차량에 적용될 예정이다.

또 다른 핵심 기술인 ‘AI 기반 카리아드 디지털 어시스턴트(CARIAD Digital Assistant)’는 운전자의 의도와 희망 사항을 이해하고 경로 계획 수립과 같은 복잡한 태스크를 수행하는 AI 비서이다. 카리아드는 음성 인식부터 차량 내 다양한 AI 에이전트를 조율하는 오케스트레이터 기능까지 전체 아키텍처를 개발하고 있다. 이 기술은 포르쉐 마칸(Macan)과 카이엔 일렉트릭(Cayenne Electric)에 ‘보이스 파일럿(Voice Pilot)’이라는 이름으로 처음 적용되며, 이후 폭스바겐그룹의 다른 차량으로도 확대 적용될 예정이다.

벡터코리아, ‘2026 K-모빌리티 테크 어워드’ SDV 플랫폼 혁신 부문 수상

한상민 기자_han@autoelectronics.co.kr — 2026-06-18 10:51:09+0900

자동차의 시동이 걸리고, 브레이크가 작동하며, 차선을 인식하는 순간마다 차량 내부에서는 수십 개의 ECU(Electronic Control Unit)가 동시에 움직인다. 오늘날 전 세계 도로를 달리는 자동차의 ECU 100억 개 이상이 벡터(Vector)의 소프트웨어와 개발 환경을 기반으로 개발·검증되고 있다.
벡터코리아아이티(대표이사 장지환·토마스 벡)는 이러한 기술력을 바탕으로 ‘2026 K-모빌리티 테크 어워드’에서 SDV 플랫폼 혁신 부문을 수상했다.
이번 수상은 단순한 소프트웨어 공급업체를 넘어 국내 자동차 산업의 개발 프로세스를 디지털화·자동화·표준화하는 핵심 기술 인프라로서의 역할을 인정받은 결과다.

국내 자동차 산업에서 벡터의 존재는 눈에 잘 드러나지 않는다. 그러나 현대자동차, 기아, 현대모비스, HL만도 등 주요 OEM과 Tier 1의 ECU 개발 및 검증 현장에는 벡터의 기술이 깊숙이 자리하고 있다.
대표 솔루션인 CANoe, MICROSAR, CANape, VectorCAST 등은 차량 네트워크 설계와 분석, AUTOSAR 기반 소프트웨어 개발, 테스트 자동화, 기능안전 및 사이버보안 대응에 활용되고 있다. 특히 실제 차량 제작 이전 단계에서 시뮬레이션과 가상 검증을 수행하는 ‘시프트 레프트(Shift-Left)’ 개발 방법론 확산에도 중요한 역할을 해왔다.

벡터는 글로벌 자동차 소프트웨어 표준인 AUTOSAR의 창립 멤버로 활동하며 표준 수립을 주도해 왔다. 벡터코리아아이티는 이러한 글로벌 기술과 표준을 국내 자동차 산업에 연결하는 가교 역할을 수행하고 있다.
소프트웨어 정의 자동차(SDV) 전환이 가속화되면서 벡터의 역할은 더욱 확대되고 있다. 최근 벡터와 QNX가 공동 개발한 차량용 파운데이셔널 소프트웨어 플랫폼 ‘Alloy Core’는 CES 2026에서 Best in Show를 수상했으며, 벡터는 글로벌 SDV 시상 프로그램인 MotorTrend SDV Innovator Awards의 공식 파트너로 참여하며 기술 리더십을 인정받고 있다.

국내에서는 이러한 글로벌 기술을 기반으로 OEM과 Tier 1을 대상으로 SDV 개발 환경과 검증 체계를 제공하며 소프트웨어 중심 차량 개발 전환을 지원하고 있다.
벡터코리아아이티의 활동은 기술 공급에만 머물지 않는다. 회사는 ‘Vector Academy’를 통해 CAN·Automotive Ethernet 통신, AUTOSAR, 기능안전, 사이버보안, 테스트 자동화 등 자동차 소프트웨어 분야의 전문 교육을 운영하고 있으며, 연간 약 2,000명의 엔지니어를 대상으로 교육을 진행하고 있다.
또한 현대모비스, LG전자, LG이노텍 등 주요 기업과의 협력을 통해 표준화와 개발 인프라 확산에도 참여하며 국내 자동차 소프트웨어 생태계의 경쟁력 강화에 기여하고 있다.

장지환 벡터코리아아이티 대표이사는 “벡터코리아아이티는 SDV 시대의 핵심 기술 인프라를 공급하며 대한민국 자동차 소프트웨어 생태계 발전에 기여하고 있다”며 “단기적인 성과보다 고객사와 산업 생태계의 장기적인 성장을 지원하는 것이 우리의 역할이라고 생각한다”고 말했다.

에티포스, IndustryARC 'V2X Chipset Market' 보고서에 핵심 기업으로 등재

한상민 기자_han@autoelectronics.co.kr — 2026-06-17 17:05:39+0900

에티포스가 개발한 ESAC 국내 최초 5G-V2X 통신 모뎀칩

차세대 지능형교통체계(C-ITS) 및 자율주행 V2X 통신 반도체 전문기업 ㈜에티포스(대표 김호준)는 세계적 시장조사기관 IndustryARC가 발간한 2026년판 「V2X Chipset Market」 보고서에 자사와 핵심 제품 ESAC(Ettifos SIRIUS Accelerator Chip) 칩셋이 정식 수록되었다고 밝혔다. 이 보고서는 Qualcomm, Huawei, NXP, Samsung, Autotalks 등 글로벌 선도 기업과 함께 에티포스를 Company Profile 대상 10대 기업(섹션 18.6)에 포함했으며, 한국의 V2X 전용 반도체 기업이 이 보고서의 단독 프로파일 대상으로 채택된 것은 이번이 처음이라고 회사측은 설명했다.

보고서 내 등재 내용

회사측에 따르면 IndustryARC는 보고서 전반에서 에티포스 관련 내용을 단독 기업 프로파일, 핵심 기술 인용, 북미 시장 분석 사례 등 여러 차원에서 다루고 있다. 단독 프로파일에는 사업 개요(Business Overview)와 제품 포트폴리오(ESAC RSU·OBU·5G-V2X 모뎀칩, V2X Modem IP & Protocol Stack License), 최근 동향(Developments)이 별도 페이지로 배정됐다. Executive Summary에는 2025년 10월 ESAC 공개 사실이 LTE-V2X와 5G-V2X를 동시 지원하는 한국 최초의 V2X 전용 ASIC으로 명시됐다고 회사측은 전했다.

보고서에 반영된 주요 실적으로는 NICE평가정보 TI-1(최고등급) 획득, ISO 9001·14001·45001 통합인증, 미국 애리조나주 매리코파 카운티(Maricopa County) V2X 공공 인프라 사업 참여(한국 기업으로는 처음으로 미국 연방·주정부 V2X 사업에 참여한 사례로 소개됐다), BABA(Build America, Buy America) Act 컴플라이언스, Audi·Kapsch·Qualcomm과의 상호운용성 실증 등이 포함됐다. 특히 북미 시장 분석을 다룬 미국 챕터에서는 에티포스가 미국 V2X 인프라 확산의 핵심 공급사로 직접 인용됐다고 회사측은 밝혔다.

등재의 의의

회사측은 이번 등재의 의미를 세 가지로 설명했다. 첫째는 글로벌 공신력 확보다. 5,000개 이상 기업과 50여 개국을 대상으로 시장을 분석하는 IndustryARC 보고서에 글로벌 톱티어 반도체 기업들과 동일한 선상에서 다뤄졌다는 점에서, 외부 제3의 기관으로부터 기술력을 검증받았다는 의미가 있다고 밝혔다.

둘째는 투자자·금융기관 대상 신뢰도 제고다. 에티포스는 2026년 하반기 시리즈C 투자유치와 2028년 코스닥 기술특례상장을 추진 중인데, 자사 발행 자료가 아닌 독립 시장조사기관의 검증 자료라는 점에서 IR 과정의 외부 레퍼런스로 활용될 수 있다고 설명했다.

셋째는 해외 영업 측면의 활용 가능성이다. 회사측에 따르면 보고서는 ESAC 칩을 해외 칩 대체가 가능한 100% 자체 IP 기반 제품으로 평가하면서, 미국의 핵심반도체 수출·수입 규제 대응이 가능하다는 점을 함께 기술했다. 현재 8개국에 RSU·OBU 등 C-ITS 장비를 공급 중인 에티포스는 기존에 BABA Act 적격성과 OmniAir·FCC 인증, TTA 성능 인증 등 미국 공공조달 요건을 충족하고 있어, 이번 등재가 미국·유럽 V2X 인프라 수주 경쟁력 강화에 도움이 될 것으로 기대한다고 밝혔다.

IndustryARC 소개

IndustryARC는 미국 뉴저지와 인도 하이데라바드에 거점을 둔 시장조사·컨설팅 기관으로, 50여 개국·5,000개 이상 기업을 대상으로 반도체·자동차·통신·헬스케어 등 25개 산업 분야에서 연간 800편 이상의 시장 분석 보고서를 발간하고 있다. 회사측은 IndustryARC가 V2X·자율주행·차량용 반도체 등 커넥티드 모빌리티 분야에서 톱티어 시장조사기관으로 평가받으며, Qualcomm·NXP·Samsung·Intel 등 글로벌 반도체 기업과 주요 투자기관·컨설팅 펌의 핵심 레퍼런스로 활용된다고 전했다. 이번 「V2X Chipset Market」 보고서(2026년판)에는 글로벌 V2X 칩셋 시장을 선도하는 톱10 Company Profile이 수록됐으며, 에티포스는 한국 기업으로는 유일하게 프로파일 대상으로 채택됐다.

회사 코멘트

김호준 에티포스 대표는 "이번 IndustryARC 보고서 등재는 에티포스가 보유한 SDM 기반 5G-V2X 통신모뎀 반도체 IP 기술과 ESAC 칩셋의 차별화된 경쟁력, 그리고 글로벌 V2X 시장에서의 입지가 세계적 시장조사기관의 객관적 검증을 통해 인정받은 결과"라고 말했다. 이어 "이를 발판으로 2027년 ESAC 양산을 본격화하고 미국·일본·유럽 V2X 수주를 가속화하는 한편, 2028년 코스닥 기술특례상장을 추진해 글로벌 V2X 팹리스 반도체 기업으로 도약해 나가겠다"고 밝혔다.

엘텍알에프, 파이썬 기반 개방형 EMC 테스트 자동화 솔루션

한상민 기자_han@autoelectronics.co.kr — 2026-06-17 16:54:48+0900

국내 무선 전파 측정 솔루션 전문기업 엘텍알에프(L.TECH RF)가 파이썬 기반의 개방형 GUI 플랫폼을 탑재한 컴팩트형 EMC 테스트 자동화 시스템 'iAMP 지능형 EMC 테스트 자동화 시스템(EL-EMC Master)'을 출시했다고 밝혔다. 연구실 책상 위에서 실시간으로 전자파적합성(EMC) 내성을 디버깅할 수 있도록 설계된 제품으로, 회사측은 비용 부담과 폐쇄적인 소프트웨어 환경이라는 기존 EMC 테스트 환경의 한계를 해소하는 데 초점을 맞췄다고 설명했다.

5G FR1, Wi-Fi 6E 등 고속·초고주파 무선 통신 기술이 확산되면서 전자파적합성 및 내성 검증의 중요성이 커지고 있다. 그러나 로데슈바르즈(R&S), 키사이트, AR 등 글로벌 기업이 주도하는 EMC 풀-컴플라이언스 (Full-compliance) 장비는 도입 비용이 수억~수십억 원에 달하고, 전용 소프트웨어 역시 수천만 원대에 폐쇄적인 구조로 운용되는 경우가 많다. 이런 환경에서 중소·벤처기업과 대학 연구실은 공인인증기관의 시험 일정을 기다리거나, 제한된 테스트 기회에 비용을 집중해야 하는 부담을 겪어온 것으로 알려졌다.

엘텍알에프에 따르면 이번 시스템의 핵심은 파이썬 기반의 완전 개방형 GUI 플랫폼이다. 전용 제어 스크립트 (iAMPControl.py) 를 통해 사용자가 실험 환경에 맞춰 직접 코드를 수정하고 기능을 확장할 수 있도록 구성했다. 또한 방사 내성(Radiated Immunity), 전도 시험(Conducted Test), 이동통신·Wi-Fi 신호 감수성 시험(Vector Susceptibility), S-파라미터(S11/S21) 측정 등을 하나의 인터페이스에서 전환하며 수행할 수 있고, 측정 결과는 PDF나 엑셀 형식의 시험성적서(Test Report)로 자동 변환되는 기능을 제공한다고 회사측은 설명했다.

출력 스펙에 대해서는 회사측이 수백 W급 앰프를 탑재한 글로벌 기업 장비와 비교해, 출력 자체보다 최신 무선 표준 대역에 대한 최적화와 신호 안정성에 주력했다는 입장을 밝혔다. 시스템에는 Becker iAMP300600047-R(50W) 앰프 모듈이 탑재되어 3.5GHz 및 5.0~6.0GHz 대역에 최적화되어 있으며, 주파수 소싱 과정의 신호 왜곡을 최소화하고 타겟 전계를 제어하는 'ALC(자동레벨제어) Stable' 메커니즘을 적용했다고 설명했다. 아울러 앰프의 온도, 전류, 반사 전력을 실시간으로 모니터링하는 'VSWR SAFE' 기능을 통해 시스템 안정성을 확보했다고 덧붙였다.

엘텍알에프 관계자는 "연구개발 현장에서 EMC 테스트의 접근성을 높이는 것이 이번 제품의 목표"라고 말했다.

한국가스젠, 자체 설계 수소압축기 기반 수소충전소용 수소압축패키지 공급

박종서 기자_fop1212@autoelectronics.co.kr — 2026-06-17 16:10:50+0900

수소충전 인프라의 핵심 장비인 수소압축기의 성능과 신뢰성이 중요해지는 가운데, 한국가스젠(대표 설청원)이 내구성과 유지보수성을 강화한 수소용 고압 압축기를 선보이며 수소충전소 시장의 주목을 받고 있다.

한국가스젠이 직접 설계 및 제작한 수소용 고압 압축기는 압축 피스톤의 밸런스와 냉각 효율을 개선한 것이 특징이다. 이를 통해 가스 씰 수명을 50% 이상 향상시켜 최대 2,000시간까지 운용할 수 있다. 구조도 간단해 씰 교체와 수리가 용이하다.

한국가스젠은 수소 승압에 최적화된 고효율 가스 피스톤 설계로 ‘초고압 가스압축기용 피스톤헤드를 구비한 압축기’와 ‘스크레이퍼가 장착된 초고압 가스압축기용 피스톤헤드를 구비한 압축기’에 대한 2건의 특허를 출현했다.

이 수소압축기를 적용한 한국형 수소압축패키지는 차량용 연료전지 시스템에 최적화된 고압 수소압축기로, 유압 압축 방식을 채택해 시간당 50kg에서 최대 500kg까지 충전할 수 있다. 이 한국형 모델의 국산화율은 95%에 이른다. 수소 및 유압 라인에는 냉각 및 히팅 시스템을 적용해 계절과 운전 환경에 대한 대응력을 높였다. 또한, 센서 및 전장 부품은 수소 방폭 규격을 적용해 안전성과 신뢰성을 높였다.

온사이트(On-site)용 수소압축패키지는 튜브트레일러를 통해 압축하는 형태가 아닌 현장에서 생산된 수소를 바로 압축하는 방식이다. 최대 450bar까지 수소를 압축할 수 있으며, 에너지 효율을 고려한 설계를 통해 전력 사용을 최소화하는 동시에 간단한 구조와 직관적인 설계로 유지보수가 용이하다.

자체 수소압축기가 설치된 한국형 피스톤 수소압축패키지(좌)와 온사이트용 피스톤 수소압축패키지(우)

제품의 핵심 경쟁력은 피스톤 및 바렐 구조를 개선해 왕복 운동 시 피스톤의 균형을 최적화한 점이다. 여기에 효율적인 냉각 시스템을 적용해 가스 씰의 내구성을 극대화했으며, 체계적인 예방점검 시스템을 구축해 압축기 고장으로 인한 수소충전소 운영 중단을 최소화한다.
한국가스젠은 전문 A/S팀을 통해 신속한 유지보수 체계도 운영할 계획이다. 특히 초기 2년간 무상 A/S 서비스를 제공해 운영자의 유지관리 부담을 줄이고 안정적인 장비 운용을 지원할 예정이다.

설청원 한국가스젠 대표는 “단순한 장비 제작과 공급을 넘어, 현장의 요구를 반영한 지속적인 기술 혁신과 문제 해결을 통해 안정적인 수소 인프라 구축에 기여하겠다”며 “축적된 전문 기술력과 현장 대응 역량을 바탕으로 앞으로도 수소충전소의 든든한 파트너로서 자리매김하겠다”고 포부를 밝혔다.

한편, 한국가스젠은 올 11월 4일부터 6일까지 일산 킨텍스에서 열리는 ‘World Hydrogen EXPO 2026(H2 MEET)에서 한층 업그레이드된 수소압축기 제품군을 선보일 계획이다.

TI, EIS 통합 배터리 모니터 ‘BQ79826Z-Q1’ 출시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-06-10 17:18:52+0900

텍사스 인스트루먼트(TI)가 업계 최다 수준의 배터리 셀 측정을 지원하는 전기화학 임피던스 분광법(EIS) 엔진 통합 배터리 모니터 ‘BQ79826Z-Q1’을 출시했다.

BQ79826Z-Q1은 전기차와 에너지저장시스템(ESS)의 배터리 관리 시스템(BMS)에 예측 지능과 실시간 진단 기능을 제공해 안전성과 성능 향상, 배터리 수명 연장을 지원한다.

BQ79826Z-Q1의 가장 큰 특징은 EIS(Electrochemical Impedance Spectroscopy) 엔진을 통합한 점이다. EIS는 배터리 내부 상태를 실시간으로 분석해 셀 내부의 잠재적인 이상 징후를 조기에 감지하는 기술이다. TI는 이를 통해 열 폭주(Thermal Runaway)와 같은 위험 상황을 사전에 감지하고 대응할 수 있도록 지원한다고 설명했다.

원지아 리우(Wenjia Liu) TI BMS 부문 부사장 겸 총괄 이사는 “EIS 엔진이 내장된 높은 셀 카운트의 배터리 모니터는 셀 내부 상태를 정밀하게 파악하고 풍부한 화학적 데이터를 제공함으로써 시스템 소프트웨어가 실시간으로 정보에 기반한 의사결정을 내릴 수 있도록 지원한다”고 말했다.

BQ79826Z-Q1은 장치당 최대 26개의 배터리 셀을 지원한다. 이는 경쟁 솔루션보다 8개 더 많은 셀을 하나의 장치에서 관리할 수 있는 수준으로, TI는 단일 칩 기준 이전 세대 대비 최대 44% 많은 채널을 모니터링할 수 있다고 밝혔다. 이를 통해 필요한 배터리 모니터 수를 줄여 BOM(Bill of Materials) 비용과 시스템 복잡도를 낮추고 보드 공간도 절감할 수 있다.
또한 BQ79826Z-Q1은 BQ79881-Q1 팩 모니터 및 TI 통신 브리지와 함께 사용할 경우 다양한 모듈 크기와 배터리 화학 조성, 기구 설계에 대응할 수 있는 확장형 BMS 칩셋 구성이 가능하다. TI는 이를 통해 엔지니어가 하나의 플랫폼으로 다양한 애플리케이션을 개발할 수 있어 개발 부담을 줄이고 제품 출시 기간도 단축할 수 있다고 설명했다.

측정 정확도도 향상됐다. BQ79826Z-Q1은 –40℃부터 +125℃까지의 전 온도 범위에서 2mV 미만의 전압 정확도를 유지하며, 고해상도 아날로그-디지털 컨버터(ADC)와 초저잡음 특성을 기반으로 정밀한 충전 상태(State of Charge, SOC) 계산을 지원한다. EIS 기술을 함께 활용하면 배터리 온도와 충전 상태를 더욱 정확하게 예측할 수 있어 배터리 성능 저하를 최소화하고 수명 연장과 충전 속도 개선에도 기여할 수 있다.

이와 함께 BQ79826Z-Q1은 기존 솔루션 대비 최대 5배 빠른 EIS 측정 속도를 제공하며, 셀당 최고 수준의 기능 안전 전압 판독 기능을 지원한다. 또한 자동차 기능 안전성 국제 표준인 ISO 26262의 최고 등급인 ASIL-D(Automotive Safety Integrity Level D)를 충족해 안전성이 요구되는 차량용 및 에너지저장시스템 설계에 활용할 수 있도록 했다.

TI는 6월 9일부터 11일까지 독일 뉘른베르크에서 열리는 PCIM 2026에서 BQ79826Z-Q1을 EIS 지원 BMS 레퍼런스 설계와 함께 공개했다. 행사에서는 11kW 단일 단계 양방향 온보드 충전기와 50kVA 솔리드 스테이트 변압기 셀 스택, Flex 기술 기반 SiC 전력 MOSFET 단락 보호 기술 등도 함께 선보였다.

한편 BQ79826Z-Q1의 사전 생산 수량은 현재 TI.com에서 주문할 수 있으며, 양산 제품은 2026년 말부터 공급될 예정이다. TI는 평가 모듈(EVM)과 레퍼런스 디자인 등 개발 지원 툴을 제공한다.

NXP, 차량용 레이다 SoC ‘SAF8444’ 출시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-06-10 16:49:05+0900

NXP 반도체가 고성능, 저전력 특성을 결합한 차량용 주파수 변조 연속파(FMCW) 레이다 시스템온칩(SoC) ‘SAF8444’를 출시했다.

SAF8444는 28nm RFCMOS 기반 레이다 원칩 아키텍처를 적용해 시스템 비용과 전력 소비를 낮추면서도 레벨2(L2)와 레벨2+(L2+) 첨단운전자보조시스템(ADAS)을 지원한다.

SAF8444는 열관리 부담을 줄이고 차량 통합을 간소화해 전체 시스템 비용 절감에 기여하도록 설계됐다. 특히 가격 경쟁이 치열한 보급형 및 엔트리급 차량 플랫폼에서도 고성능 ADAS 기능을 보다 폭넓게 적용할 수 있도록 지원한다.

최근 유로 NCAP 2030(Euro NCAP 2030) 등 자동차 안전 기준이 강화되면서 자동차 제조사와 부품업체들은 저조도 환경의 보행자 감지와 악천후 상황에서도 안정적인 성능을 구현해야 하는 과제에 직면해 있다. 일반적으로 이러한 요구를 충족하기 위해서는 중앙 컴퓨팅 자원과 처리 성능을 확대해야 해 비용과 발열, 시스템 복잡성이 증가하는 문제가 발생한다.

SAF8444는 카메라와 레이다 데이터를 칩 내부에서 직접 융합하고 센서 단계에서 인식 수준의 처리를 수행함으로써 이러한 한계를 해결한다. 이를 통해 중앙 ADAS 컴퓨팅 자원에 대한 의존도를 줄이고 차량 아키텍처를 단순화하는 동시에 시스템 복잡성과 전력 소비, 전체 부품 비용 절감에 기여한다.

SAF8444는 NXP의 28nm RFCMOS 공정을 기반으로 76~81GHz 자동차 레이다 대역에서 동작하며 단거리와 중거리, 장거리 레이다 감지를 모두 지원한다. 적응형 크루즈 컨트롤(ACC)과 자동 긴급 제동(AEB), 사각지대 감지, 주차 보조 등 주요 ADAS 기능 구현에 활용할 수 있다.
또한 Arm Cortex-A53 애플리케이션 프로세서와 Arm Cortex-M7 실시간 코어, DSP를 지원하는 NXP의 싱글 프로세싱 툴박스(Single Processing Toolbox, SPT) 레이다 가속기를 통합했다. 듀얼 스레드 레이다 가속기를 통해 고도화된 레이다 간섭 완화 기능도 지원하며, 레이다 밀도가 높은 환경에서도 안정적인 동작을 제공하도록 설계됐다.

SAF8444는 NXP의 레이다 SDK와 안전 프레임워크, 보안 구성 요소, 개발 도구 등 소프트웨어 생태계의 지원을 받으며, 차량 내 네트워킹과 전력관리반도체(PMIC) 솔루션 등과도 연계된다.

SAF8444는 현재 사전 양산 단계에 있으며, 차세대 전방 및 코너 레이다 설계를 목표로 주요 고객을 대상으로 개발 지원이 진행되고 있다.

ST, 차량용 IMU ‘ASM330LHHG1’ 출시 ··· 추측항법 정확도 향상

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-06-10 16:16:43+0900

ST마이크로일렉트로닉스(STMicroelectronics, 이하 ST)가 자동차 환경에 최적화된 관성측정장치(IMU) ‘ASM330LHHG1’을 출시했다. 이 제품은 저 노이즈 센서와 온도 보상 기능, 6채널 동기화 출력을 통해 추측항법(Dead Reckoning) 정확도를 높여 차량 내비게이션과 포지셔닝 성능 향상을 지원한다.

ASM330LHHG1은 –40℃에서 +125℃까지의 온도 범위에서 동작하도록 설계됐으며, 차량 내 주변 온도가 높은 구역을 포함한 다양한 위치에 탑재할 수 있다. ST는 이를 통해 자동차 업계에서 요구하는 고정밀 위치 추적 및 내비게이션 성능을 지원할 수 있다고 설명했다.

최근 승용차와 상용차, 산업용 및 농업용 차량에서는 GNSS(Global Navigation Satellite System) 기반의 위치 추적과 운전자 지원 기능이 확대되고 있다. 특히 위성 신호가 일시적으로 끊기거나 교란되는 상황에서도 연속적인 위치 정보를 제공하기 위해서는 고성능 추측항법 기술이 필요하다.
ASM330LHHG1은 3축 가속도 센서와 3축 자이로스코프 데이터를 동기화해 출력함으로써 추측항법 연산과 모션 데이터 상관 분석, GNSS 융합 과정에서 일관된 신호 타이밍을 제공한다. 두 센서 모두 최신 MEMS 공정을 적용해 저 노이즈 특성을 구현했으며, 내장된 온도 보상 기능으로 다양한 환경에서도 안정적인 성능을 유지할 수 있도록 설계됐다.

가속도 센서는 ±16g의 풀스케일 범위를 지원하며, 자이로스코프는 ±125dps부터 ±4000dps까지 확장 범위를 제공한다. 낮은 바이어스 드리프트 특성을 갖춰 V2X(Vehicle-to-Everything) 시스템과 텔레매틱스, 전자 통행료 징수(eTolling), 도난 방지, 충격 감지, 사고 재구성, 진동 모니터링 등 다양한 차량용 애플리케이션에서 정밀한 모션 데이터를 제공할 수 있다.

ASM330LHHG1은 고성능과 저전력 요구사항을 모두 만족할 수 있는 듀얼 동작 모드를 지원하며, I²C와 MIPI I3C^®, SPI 등 다양한 디지털 인터페이스를 제공해 시스템 통합을 지원한다. 또한 3KB 용량의 내장 FIFO 버퍼를 탑재해 호스트 프로세서의 부하와 전력 소모를 줄일 수 있도록 했다.

ASM330LHHG1은 AEC-Q100 인증을 획득했으며, 현재 2.5mm×3mm 크기의 LGA-14L 패키지로 양산되고 있다.

페스카로, 임원진 4인 자사주 2만주 장내 매수 ··· 중장기 성장 자신감 반영

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-06-10 14:30:10+0900

차량 통합보안 플랫폼전문기업 페스카로(FESCARO, 대표 홍석민)는 주요 임원진이 총 2억원 규모의 자사주 20,000주를 장내 매수했다고 10일 밝혔다.

이번 자사주 매입에는 구성서 최고사업책임자(CSO), 이영탁 최고재무책임자(CFO), 정재욱 전장사업본부장, 진학성 사이버보안사업본부장이 참여했다. 회사는 이번 매입이 책임경영을 강화하고 주주가치를 높이기 위한 의지를 보여주는 동시에, 회사의 중장기 성장 가능성에 대한 경영진의 자신감을 반영한 것이라고 설명했다.

페스카로는 자동차 사이버보안 사업을 기반으로 전장제어기 분야까지 사업 영역을 확대하고 있다. 지난해 전장제어기 개발사 모트랩(MOTLAB)을 인수한 데 이어, 올해 자동차부품 제조기업 JS오토모티브를 인수하며 사이버보안과 전장소프트웨어, 생산을 아우르는 소프트웨어 정의 차량(SDV) 통합 공급체계를 구축했다.

실적도 성장세를 이어가고 있다. 페스카로는 올해 1분기 연결 기준 매출 65억5,000만원을 기록해 전년 동기 대비 105% 증가했으며, 영업이익은 5억7,000만원으로 6배 이상 확대됐다.

이영탁 페스카로 CFO는 “임원진들의 자사주 매입은 회사의 성장 가능성과 미래 가치에 대한 확신을 바탕으로 결정했다”며 “자동차 사이버보안과 전장사업의 시너지를 기반으로 지속적인 성장과 기업가치 제고를 위해 노력하겠다”고 말했다.

페스카로는 전장부품 보안 솔루션과 차량통신 보안솔루션, 규제대응 IT 솔루션인 CSMS Portal 등을 제공하고 있다. 최근에는 자동차 분야에서 축적한 기술력과 사업 경험을 바탕으로 농기계와 건설기계, 로봇 등 모빌리티 전반으로 사업 영역을 확대하고 있다.

온세미, 인터랙티브 시뮬레이션 도구 ‘엘리트 페어링 스튜디오’ 공개

박종서 기자_fop1212@autoelectronics.co.kr — 2026-06-10 09:59:06+0900

온세미(onsemi)가 실리콘 카바이드(SiC) 기반 전력 전자 설계를 지원하는 온라인 설계 도구 ‘엘리트 페어링 스튜디오(Elite Pairing Studio)’를 공개했다. 이 인터랙티브 툴은 엔지니어가 애플리케이션 요구사항에 적합한 SiC MOSFET과 게이트 드라이버 조합을 빠르게 분석하고 성능을 검토할 수 있도록 지원하는 플랫폼이다.

최근 AI 데이터센터와 전기차, 산업용 시스템 등 고성능 전력 전자 애플리케이션이 확대되면서 게이트 드라이버와 스위칭 디바이스 간 최적의 조합을 찾는 작업의 중요성이 커지고 있다. 그러나 기존에는 방대한 데이터시트 비교와 스프레드시트 분석, 반복적인 시뮬레이션 및 실증 테스트를 거쳐야 해 설계 과정에 많은 시간과 노력이 필요했다.

온세미는 이러한 문제를 해결하기 위해 엘리트 페어링 스튜디오를 개발했다. 이 도구는 엔지니어가 요구사항에 따라 적합한 온세미 SiC MOSFET과 게이트 드라이버 조합을 단계적으로 탐색하고, 다양한 후보를 비교할 수 있도록 지원한다. 이를 통해 설계 초기 단계에서 반복 작업을 줄이고 전력 아키텍처 최적화를 지원한다.

엘리트 페어링 스튜디오는 클라우드 기반 환경으로 제공되며, 사용자는 온세미 웹사이트 내 전용 작업 공간에서 다양한 디바이스 조합을 검토할 수 있다. 선택한 SiC MOSFET과 호환되는 게이트 드라이버 조합을 평가하고, 업계에서 널리 활용되는 검증된 공식과 실제 성능 계산을 기반으로 분석 결과를 제시한다. 평가 로직도 공개돼 사용자가 분석 근거를 직접 확인할 수 있다.

엔지니어는 엘리트 페어링 스튜디오를 통해 스위칭 타이밍과 게이트 전압·전류(V/I) 파형, 디바이스 정격 대비 전압 오버슈트 마진, 턴온·턴오프 에너지 등 스위칭 손실 정보를 확인할 수 있다. 또한 인터랙티브 파형 뷰어를 통해 각 조합의 특성을 시각적으로 비교하면서 전자기 간섭(EMI) 특성과 신뢰성 마진에 영향을 미치는 요소를 설계 초기 단계에서 분석할 수 있다.

온세미는 엘리트 페어링 스튜디오를 자사의 시뮬레이션 환경과도 연계했다. 스튜디오에서 생성한 PLECS 시스템 수준 시뮬레이션 모델은 온세미 엘리트 파워 시뮬레이터(Elite Power Simulator)로 이어져 효율과 열 특성, 손실 성능 등을 추가로 분석하고 최적화할 수 있다.

회사 측은 이 같은 개발 환경을 통해 초기 부품 선정 단계에서 얻은 인사이트를 시스템 수준의 성능 향상으로 연결할 수 있으며, AI 데이터센터와 전기차, 산업용 시스템, 전기화 인프라 등 다양한 고성능 애플리케이션 설계 과정의 효율을 높일 수 있다고 설명했다.

블루투스 SIG, 시장 대시보드 공개

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-06-09 12:02:42+0900

블루투스 기술 표준을 관리·감독하는 비영리 조직인 블루투스 SIG(Bluetooth Special Interest Group)가 글로벌 블루투스 시장의 성장 추이와 전망을 확인할 수 있는 ‘블루투스 시장 대시보드(Bluetooth Market Dashboard)’를 공개했다.

새롭게 선보인 이번 대시보드는 기존 연례 시장 보고서를 발전시킨 인터랙티브 플랫폼으로, 블루투스 디바이스 출하량과 시장 성장 추세, 애플리케이션별 전망 데이터를 지속적으로 제공한다. 기업들은 이를 활용해 기술 도입 현황과 시장 변화를 분석하고 제품 개발과 투자 전략 수립에 참고할 수 있다.

대시보드에 따르면 전 세계 블루투스 디바이스 출하량은 2026년 약 60억 대에 이를 것으로 예상되며, 이후 지속적인 성장세를 이어가 2030년에는 연간 80억 대 규모를 넘어설 전망이다.
성장을 견인하는 분야는 스마트폰과 PC, 태블릿 등 기존 플랫폼 디바이스뿐 아니라 무선 오디오와 웨어러블 기기다. 여기에 스마트 가전, 전자 가격 표시기(ESL), 기업용 자산 추적, 헬스케어 모니터링 기기와 함께 자동차 디지털 액세스 시스템에서도 블루투스 기술 도입이 확대되고 있는 것으로 분석됐다.
특히 자동차 산업에서는 블루투스 기반 디지털 키와 차량 접근 시스템이 새로운 성장 분야로 주목받고 있다. 블루투스 LE(Low Energy)를 비롯해 오라캐스트(Auracast™) 브로드캐스트 오디오, 블루투스 채널 사운딩(Bluetooth Channel Sounding) 등 최신 기술은 위치 인식 정확도 향상과 보안 액세스 기능 강화에 기여하며 차량과 사용자를 연결하는 기술로 활용 범위를 넓혀가고 있다.

시장 대시보드는 이어버드와 PC, 스마트워치, 추적 태그, 조명, 연속 혈당 측정기 등 20개 이상의 주요 애플리케이션별 시장 규모와 성장 전망도 제공한다.
이 가운데 전자 가격 표시기와 상업용 스마트 조명, 냉난방 환기 제어(HVAC), 보안 시스템, AR·VR 디바이스는 높은 성장세가 예상되는 분야로 꼽혔다. 전자 가격 표시기의 경우 출하량이 2026년 4,650만 대에서 2030년 1억7,570만 대로 증가할 것으로 전망됐으며, 스마트빌딩 분야 역시 같은 기간 약 3배 성장할 것으로 예측됐다.

AR·VR 디바이스 시장도 게임과 교육·훈련, 협업 분야를 중심으로 확대되면서 2026년 4,870만 대에서 2030년 1억4,790만 대 수준으로 성장할 것으로 예상됐다.

블루투스 SIG는 이번 시장 대시보드를 통해 블루투스 생태계를 이끌 핵심 기술과 애플리케이션, 시장 동향을 지속적으로 제공함으로써 산업계가 새로운 비즈니스 기회를 발굴하고 기술 전략을 수립하는 데 활용할 수 있을 것으로 기대하고 있다.

키사이트, 광대역 무선 설계·검증 가속 위한 RF 신호 분석기 출시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-06-09 11:39:59+0900

키사이트테크놀로지스가 차세대 무선 시스템의 설계와 검증을 지원하기 위한 새로운 RF 신호 분석기 제품군을 선보였다. 최대 8GHz 분석 대역폭과 최대 67GHz 주파수 범위를 지원하는 프로급 모델과, 일상적인 무선 개발 환경에 최적화된 전문가급 모델을 통해 복잡해지는 RF 검증 환경에서 측정 효율성과 신뢰성 향상을 지원한다.

최근 무선 시스템은 더 넓은 대역폭과 높은 주파수, 다중 안테나(MIMO) 아키텍처를 채택하면서 설계 및 검증 과정이 한층 복잡해지고 있다. 엔지니어는 여러 차례의 신호 캡처와 반복 테스트를 수행하더라도 신호 특성을 완전히 파악하기 어려워 개발 일정 지연과 측정 불확실성 증가 등의 문제에 직면하고 있다.

키사이트가 이번에 출시한 프로급 XA6 SA6320A와 전문가급 XA5 SA6210A 신호 분석기는 이러한 과제를 해결하기 위해 설계됐다. 두 제품은 설계, 디버깅, 검증 워크플로를 간소화하고 반복 테스트를 줄이는 동시에 차세대 무선, 레이다 및 광대역 시스템의 특성 분석 과정에서 높은 측정 신뢰도를 제공하도록 개발됐다.

프로급 XA6 SA6320A(좌)와 전문가급 XA5 SA6210A(우) 신호 분석기

상위 모델인 XA6 SA6320A는 최대 8GHz 분석 대역폭과 최대 67GHz의 풀 프리셀렉션(full preselection)을 지원해 광대역 및 밀리미터파 애플리케이션 분석 역량을 강화했다. 이를 통해 광대역 신호를 한 번에 포착해 보다 폭넓은 신호 분석이 가능하며, 복잡한 측정 과정을 단순화할 수 있다.

또한 높은 성능의 표시 평균 노이즈 레벨(DANL), 위상 노이즈 및 오류 벡터 크기(EVM) 성능을 기반으로 미세한 스푸리어스와 간섭 신호, 광대역 신호 품질 저하 요인을 정밀하게 식별할 수 있다. GPU 기반 복조 기능을 적용해 광대역 5G NR EVM 측정 시간도 단축했으며, 최대 80MHz 분해능 대역폭(RBW)을 지원해 규격 준수 측정에도 활용할 수 있다.

전문가급 XA5 SA6210A는 연구개발과 검증, 제조 환경을 겨냥한 제품으로 최대 32GHz까지 이미지 프리(image-free) 방식의 빠른 스윕 측정을 지원한다. 이를 통해 로우 레벨 신호와 스푸리어스 방사를 보다 신속하게 탐지할 수 있으며, 최대 2GHz 분석 대역폭으로 5G, 무선랜(WLAN), 초광대역(UWB), 레이다 등 다양한 무선 애플리케이션을 지원한다.

특히 독창적인 듀얼 수신기 아키텍처를 채택해 5G NR과 WLAN MIMO 측정은 물론 교차 상관 오류 벡터 크기(ccEVM) 측정까지 하나의 장비에서 수행할 수 있도록 했다. 또한 기존 X-시리즈 SCPI 명령과의 호환성, 확대된 디스플레이와 개선된 사용자 인터페이스를 제공해 기존 RF 테스트 환경에서의 전환 부담도 줄였다.

인피니언, 205℃에서 동작하는 전기차용 SiC 모듈 공개

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-06-04 18:26:21+0900

인피니언 테크놀로지스(Infineon Technologies, 이하 인피니언)가 최대 205℃의 고온에서 연속 동작할 수 있는 전기차(EV) 인버터용 실리콘 카바이드(SiC) 전력 모듈을 선보였다.

인피니언은 4일 최대 205℃ 접합 온도에서 연속 동작이 가능한 1300V SiC 모듈(FS01M9R13A7MA2B)을 출시했다고 발표했다. 기존 전기차 인버터용 전력 모듈의 일반적인 허용 용도는 175℃ 수준이다.

이번 신제품은 자동차 제조사와 부품업체가 기존 인버터 플랫폼에서 더 높은 피크 출력과 연속 출력 전력을 구현할 수 있도록 지원한다. 또한 신규 설계에서는 냉각 시스템과 전체 시스템 구조를 단순화해 비용을 낮출 수 있다.

인피니언은 동작 온도 향상을 통해 기존 설계 대비 최대 15% 높은 출력 전류를 구현할 수 있으며, 이를 통해 인버터의 전력 밀도를 높일 수 있다고 설명했다. 특히 모듈 크기와 풋프린트, 인터페이스를 기존 제품과 동일하게 유지해 별도의 대규모 재설계 없이 기존 플랫폼에 적용할 수 있도록 했다.

이 같은 드롭인(Drop-in) 호환성은 차량 제조사가 기존 검증 및 인증 체계를 유지하면서도 성능을 향상시킬 수 있게 해 개발 비용과 시장 출시 기간 단축에 도움이 될 것으로 기대된다.
높아진 동작 온도는 냉각 시스템 설계에도 영향을 미친다. 더 높은 접합 온도를 허용함에 따라 인버터는 더 작고 단순한 냉각 시스템을 적용할 수 있으며, 이는 시스템 비용 절감과 차량 경량화, 에너지 효율 향상으로 이어질 수 있다.

스테판 오버스리브니히(Stefan Obersriebnig) 인피니언 오토모티브 고전압 사업부 수석부사장은 고전압 전력 제품 혁신을 통해 전기차 구동계의 성능과 효율을 지속적으로 향상시키고 있으며, 높은 동작 온도는 고객에게 설계 유연성을 제공하는 동시에 시스템 비용 절감에도 기여한다고 설명했다. 또한 이러한 기술 혁신이 전기차 보급 확대를 위한 경쟁력 있는 플랫폼 개발에 도움이 될 것으로 내다봤다.

이번 제품은 높은 동작 온도뿐 아니라 HybridPACK Drive 제품군 최초로 1300V 차단 전압을 지원하는 점도 특징이다. 이를 통해 900V 이상의 고전압 배터리 시스템을 적용한 전기차에서도 인버터의 성능과 효율, 내구성을 강화할 수 있다.

인피니언은 향후 기존 1200V SiC 모듈 제품군에도 205℃ 동작 기술을 확대 적용해 전기차 시장의 고성능·고효율 요구에 대응한다는 계획이다.

Korea's Largest Future Mobility Tech Conference AID 2026 Opens July 1 in Suwon

박종서 기자_fop1212@autoelectronics.co.kr — 2026-06-04 11:39:29+0900

센스톤, 현대차그룹 전략적 투자 유치

박종서 기자_fop1212@autoelectronics.co.kr — 2026-06-02 10:23:56+0900

인증보안 전문기업 센스톤이 현대자동차그룹으로부터 전략적 투자를 유치하며 제조업 운영기술(OT) 보안 시장 공략에 속도를 낸다.

센스톤은 현대차그룹이 제3자 배정 유상증자 방식으로 전략적 투자를 단행했다고 2일 밝혔다. 센스톤은 이번 투자가 단순 재무적 투자를 넘어 글로벌 제조 현장을 운영하는 현대차그룹이 OT 보안의 중요성과 센스톤의 기술 경쟁력을 높게 평가한 결과라고 설명했다.

최근 스마트팩토리와 소프트웨어 정의 팩토리(SDF), 원격 유지보수 환경이 확대되면서 제조 현장의 PLC, HMI, RTU, SCADA 등 OT 엔드포인트를 겨냥한 사이버 위협이 증가하고 있다. 이에 따라 네트워크 경계 중심 보안에서 나아가 실제 설비 접근 주체를 검증하는 식별·인증 기반 접근통제가 새로운 보안 영역으로 부상하고 있다.

센스톤은 이러한 환경 변화에 대응해 OT 인증보안 기술을 개발해 왔다. 핵심 기술인 OTAC(One-Time Authentication Code)는 고정 비밀번호나 지속적인 네트워크 연결 없이도 단방향 다이내믹 인증을 지원해 폐쇄망 중심의 산업 환경에 적용할 수 있도록 설계됐다.
회사는 이를 기반으로 PLC, HMI, RTU, DCS, SCADA 등 다양한 OT 엔드포인트에 적용 가능한 ‘OTAC Trusted Access Gateway(TAG)’를 중심으로 사업을 확대하고 있다. 이 솔루션은 기존 설비 교체나 OEM 지원, 기존 설정 변경 없이도 사용자 인증과 접근통제를 강화할 수 있는 것이 특징이다.

센스톤은 한국수자원공사와의 공동 과제를 통해 국가 기반시설 분야 실증 레퍼런스를 확보했으며, 글로벌 에너지 솔루션 기업의 생산 현장에도 OTAC Trusted Access Gateway(TAG)를 공급해 민간 산업 분야 적용 사례를 구축했다. 또한 LS일렉트릭을 비롯한 국내외 PLC 제조사들과 개념검증(PoC) 및 제품 개발 협력을 진행하고 있다.

센스톤은 AI 기반 자동화와 제조 디지털 전환이 가속화될수록 OT 엔드포인트에 대한 식별·인증·접근통제의 중요성이 더욱 커질 것으로 보고, 관련 기술 고도화와 글로벌 협력을 지속 확대할 계획이라고 밝혔다.

ST, 차량용 배터리 관리 IC ‘L9963F’ 출시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-06-02 09:42:31+0900

ST마이크로일렉트로닉스(이하, ST)가 리튬 배터리 팩 관리에 필요한 모든 기능을 갖춘 차량용 배터리 관리 IC(Battery Management IC) ‘L9963F’를 출시했다.

L9963F는 하이브리드 차량과 순수 전기차를 비롯해 산업용 에너지 저장 시스템(ESS), 48V 및 96V 애플리케이션용 리튬 배터리 팩 관리에 필요한 기능을 통합한 제품이다. 기존 L9963E를 기반으로 내부 성능을 개선했으며, 하드웨어와 소프트웨어 변경 없이 기존 제품을 대체할 수 있도록 완전한 호환성을 제공한다.

이 제품은 단일 IC로 최대 14개의 직렬 셀을 모니터링할 수 있으며, 여러 개를 연결하면 최대 434개 셀 규모의 대형 배터리 팩 구성도 지원한다. 또한 쿨롱 카운팅 기능을 통해 차량 시동 상태와 관계없이 배터리 팩의 과전류를 감지하고, 이중화된 셀 측정 경로를 통해 기능 안전성을 높였다.

L9963F는 최대 200mA의 셀 밸런싱 전류를 지원하며, 저전력 동작 모드에서도 배터리 보호 기능을 유지하는 사일런트 밸런싱 기능을 제공한다. 여기에 16비트 전압 ADC를 통합해 최대 오차 ±2mV 수준의 정밀한 셀 전압 측정이 가능하다.

또한 ISO 26262를 준수하고 ASIL-D 등급 기능 안전성 애플리케이션을 지원하도록 설계됐으며, 최대 31개의 IC를 연결한 환경에서도 높은 동기화 정확도와 고속 절연 직렬 통신 기능을 제공한다.

ST는 L9963F가 전기차와 에너지 저장 시스템의 배터리 상태 모니터링, 셀 밸런싱, 기능 안전성 요구사항을 충족할 수 있도록 설계됐다고 설명했다.

L9963F는 현재 10mm×10mm TQFP64 패키지로 공급되고 있으며, 1,000개 구매 기준 가격은 개당 4.6달러부터 시작한다.

오토모티브 일렉트로닉스 매거진_전체기사

China Moves to Mandate LTE-V2X for Commercial Road Transport Vehicles

중국·일본·인도, V2X 도입 경쟁 가속

개발자의 관점에서 본 Alloy Kore 기반 SDV 개발

​​​​​​​Eclipse SDV, LG Electronics on the Code-First Philosophy

Eclipse SDV, LG전자가 설명한 Code First SDV

ADAS 경쟁력, 이제는 신호처리 플랫폼을 주목할 때

SDV Strategy: Build, Buy or Partner?

SDV 전략, 자체 개발인가 구매인가 파트너십인가

Why Is Renault Building a Separate Digital Experience in Korea?

르노는 왜 한국서 디지털 경험을 만드나

"40 Middleware Are Too Many" — What ETAS's Detlef Zerfowski Really Said About the Future of SDV

SDV, “40개의 미들웨어는 너무 많다”

Newark Battalion Fire Chief Petitions NHTSA to Mandate Exterior Propulsion-Type Identification for Vehicles — Formally Received July 1

Every Two Weeks, Everything Changes: Rescueability, Information, and the Cost of Silence

2주마다 모든 게 바뀐다: 구조 가능성, 정보, 그리고 침묵의 대가에 관한 이야기

The Car Was Built to Survive. Was It Built for Post-Crash Rescue?

차는 살아남도록 설계됐다. 그런데 구조되도록 설계는 되었는가?

Rescueability — The Missing Principle in Automotive Design

Rescueability: 자동차 설계 원칙에서 빠진 마지막 요소

AI Doesn't Replace SDV — It Depends on It

AI는 SDV를 대체하지 않는다 — SDV에 기댄다

TrustMotion: SDV의 시스템 오케스트레이터

TrustMotion: The System Orchestrator for the Software-Defined Vehicle

키사이트, 차량용 이더넷 수신기 컴플라이언스 테스트 솔루션 공개

다쏘시스템, 부산 테크노 센터 개소 — 조선해양·국방 디지털 전환 지원

마우저, 차세대 모빌리티의 혁신 위한 온라인 리소스 센터 공개

'AI-정의 차량'은 어디까지 실체인가

테라 퀀텀-에이펙스에이아이, 장기 운용 커넥티드 시스템에 양자내성 보안 구현

매스웍스, 매트랩 내 AI 에이전트의 엔지니어링 워크플로우 실행 및 검증 지원

NXP, 차량용 SAF9800 프로세서 출시…라디오와 AI·ML 기반 오디오 솔루션 통합

dSPACE CEO "SDV 시대, 개발과 검증은 동시에 시작해야"

HIT-RSS테크윈, 세계 수준 유연 전자피부(E-skin) 양산기술로 한국 시장 공략

인피니언, 정밀 위치 측정·존재 감지 통합 칩 출시

로옴, 업계 최고 수준 Wide-SOA 실현한 MOSFET 양산

CAPAS 2026 성료 ··· 中 서남부 자동차 공급망 혁신 기틀 마련

오토메카니카 상하이 2026, 전시컨퍼런스 플랫폼 글로벌 혁신·지속가능성에 맞춰 재편

美 뉴어크 소방대대장, NHTSA에 '전기차 외부 식별 의무화' 청원

벡터, 서비스 지향 차량 진단 토털 솔루션 출시

자동차서 검증된 기술로 로보틱스 정조준

칼테라, 차세대 mmWave 레이다로 국내 ADAS 시장 공략

인피니언, 8Tx8Rx 이미징 레이다 MMIC 양산

"V2X는 자율주행을 넘어 모든 도로 이용자를 위한 보편적 안전 인프라"

Insights from Vector Informatik's Global and India Leadership

Vector Informatik의 글로벌 및 인도 리더십의 통찰

The Shift from Engineering Vehicles to Engineering Intelligence

차량에서 인텔리전스 엔지니어링으로의 전환

Begin Again, and What a Car Must Never Let Go Of

비긴 어게인, 그리고 차가 놓지 말아야 할 것

차량용 전력 반도체 소자의 EMI 감소

SIMULIA User Day: Why MODSIM Came Before AI at Dassault Systemes

SIMULIA User Day, 다쏘가 AI보다 MODSIM을 먼저 말한 이유

The Core Driver Accelerating the SDV Era: KD Sets the Standard for Next-Generation Autonomous Driving and Infotainment with Automotive Optical Multi-giga Technology

SDV 시대를 앞당기는 핵심 동력: KD, 차량용 ‘Optical Multi-giga Technology’로 차세대 자율주행 및 인포테인먼트 표준 제시

Will Cars Become Data Centers?

SDV 시대, 구리가 넘지 못하는 속도와 거리의 벽

Whose Experience Is It Anyway?

자동차 경험은 누구의 것이 되는가

국내 최대 미래차 기술 컨퍼런스 AID 2026, 7월 1일 개최

Agratas: Engineering ‘Intelligent Energy’ Through a Data-First Architecture

배터리의 재정의, 아그라타스가 꿈꾸는 ‘인텔리전트 에너지’

고전압 EV 충전 아키텍처 위한 OBC 시스템 솔루션 가이드

One Year After the Altair Integration, What Siemens Is Building Is Not a Simulation Tool

알테어 통합 1년, 지멘스가 하는 건 시뮬레이션 툴이 아니다

Bosch Switches On Level 3 in China

보쉬, 중국에서 레벨 3를 켜다

Auto China: Where the Industry's Center of Gravity Shifted

Kotei's 80:20: An Experiment in AI-Based Automotive Software Engineering

Kotei의 80:20, AI 기반 SW 엔지니어링 실험

Auto China 2026, 자동차 산업의 대전이(大轉移)

자동차 산업의 새로운 레이어들

NanoAR, The Day Glass Becomes a Screen

NanoAR, 유리가 스크린이 되는 날

Rockchip Executes: "Turn Off the Airflow, Then Turn It Back On"

Rockchip, “바람 먼저 끄고 다시 켜”를 실행하다

Horizon Robotics: Why are Bosch and ZF on that wall?

Horizon Robotics, 저 벽에 왜 Bosch와 ZF가 있는가

A Map Company No Longer Sells Maps

Seeway.ai, 지도 회사는 더 이상 지도를 팔지 않는다

Beyond Speed and Cost: How Autolink Is Approaching the Global Market

Eclipse SDV, LG Electronics on the Code-First Philosophy

NOA와 L2+++의 확산, 자율주행은 시간 싸움