소프트웨어 정의 차량에서 AI 정의 차량으로: 자동차의 차세대 진화
소프트웨어 정의에서 AI 정의로: 자동차의 차세대 진화
자동차는 더 이상 단순히 스마트해지는 것이 아닙니다. 그들은 이해하고, 적응하고, 행동하기 시작했습니다. 업계에서는 이러한 전환을 위한 디지털 기반을 이미 구축했습니다. 2024년 1월, Qualcomm은 Snapdragon 디지털 섀시 솔루션을 탑재한 차량이 3억 5천만 대 이상 전 세계에서 운행되고 있다고 보고했습니다. 다음 단계는 AI 정의 차량으로, 지능을 사용해 도로 상황을 해석하고, 객실을 개인화하고, 부품 고장을 예측하고, 에너지 소비를 최적화합니다. 이러한 진화는 이미 차량 개발 프로그램에 적용되고 있습니다. 2025년 1월, NVIDIA는 Toyota가 AI 지원 DRIVE AGX Orin 플랫폼과 안전 인증 DriveOS를 사용하여 차세대 차량을 제작할 것이라고 발표했습니다. 경쟁 우위는 차량에 얼마나 많은 소프트웨어가 포함되어 있는지가 아니라 해당 소프트웨어가 얼마나 안전하고 지속적으로 학습하고 가치를 창출할 수 있는지에 따라 점점 더 달라질 것입니다.
이러한 변화는 생산 중심 기술에서 뚜렷이 나타납니다. 2024년 1월 Bosch와 Qualcomm은 단일 시스템 온 칩에서 인포테인먼트 및 고급 운전자 지원 기능을 작동할 수 있는 중앙 차량 컴퓨터를 시연하여 별도의 도메인별 컴퓨팅 시스템의 필요성을 줄였습니다. NVIDIA의 DRIVE Thor 플랫폼은 차량의 더 높은 컴퓨팅 강도에 대한 수요가 증가하고 있음을 보여줍니다. 조종석, 주차 및 자동 운전 작업 부하를 지원하기 위해 최대 2,000테라플롭스의 성능을 갖춘 중앙 집중식 차량 컴퓨터가 도입되었습니다.
소프트웨어 업데이트도 규제된 수명주기 책임이 되었습니다. 1월 22일 발효된 UN 규정 No. 156nd2021년부터 자동차 제조업체는 공식적인 소프트웨어 업데이트 관리 시스템을 구축하고 안전 관련 소프트웨어 버전에 대한 통제력을 유지해야 합니다.
기존 차량 소프트웨어는 주로 미리 정의된 규칙을 따르고 개별 기능 영역 내에서 작동하며 개발 중에 예상되는 조건에만 반응합니다. AI 정의 차량은 인식, 상황별 추론 및 지속적인 차량 학습을 추가합니다. NVIDIA는 이러한 전환을 더 큰 AI 모델, 더 큰 컴퓨팅 용량, 더 광범위한 차량 데이터 사용으로 이동하는 것으로 설명합니다.
AI 정의 자동차를 만들기 위한 경쟁은 단일 혁신으로 정의되는 것이 아니라 제조업체가 차량과 차량의 더 넓은 수명주기 전반에 걸쳐 인텔리전스를 얼마나 효과적으로 적용하는지에 따라 정의됩니다. 운전 안전, 운전석 경험, 차량 건강, 에너지 관리, 자동차 개발 및 제조 등 상호 연결된 5개 영역에서 가장 많은 기회가 나타나고 있습니다.
지능형 운전 및 예측 안전
AI는 감지된 위험에 대한 반응에서 도로 사용자와 교통 상황이 어떻게 전개될 수 있는지 예측하는 것으로 차량 안전을 변화시키고 있습니다. 카메라, 레이더, LIDAR, 운전자 모니터링 시스템 및 차량 모션 센서를 AI 기반 센서 융합과 결합하여 보행자를 식별하고, 차선 행동을 해석하고, 운전자의 주의를 평가하고, 예방 조치를 시작할 수 있습니다.
자동 비상 제동은 AI 지원 인식 및 개입의 잠재적 가치를 보여줍니다. 미국 도로교통안전청은 2024년 자동 비상 제동 표준이 최소 24,000명의 부상을 예방하고, 최소 360명의 생명을 구하며, 연간 50억 달러 이상의 재산 피해를 방지할 수 있을 것으로 추정했습니다.
AI 정의 차량은 이 아이디어를 한 단계 더 발전시킵니다. 제동, 조향 및 운전자 모니터링을 별도의 기능으로 처리하는 대신 이를 통합하여 위험에 대한 공유된 보기를 생성합니다. 이를 통해 차량은 주변에서 일어나는 일을 더 잘 이해하고 더 효과적으로 대응할 수 있습니다.
적응형 및 상황 인식 조종석
디지털 조종석은 화면 기반 제어 센터에서 자연스러운 대화, 사용자 선호도 및 여행 상황을 이해할 수 있는 지능형 인터페이스로 진화하고 있습니다. AI 비서는 운전자가 여러 메뉴를 탐색할 필요 없이 내비게이션, 엔터테인먼트, 실내 온도 조절, 충전 및 차량 정보를 연결할 수 있습니다.
BMW는 Amazon Alexa+ 기능으로 강화되고 Amazon의 Alexa Custom Assistant를 기반으로 하는 AI 지원 지능형 개인 비서가 2026년 하반기에 BMW iX3에 데뷔할 수 있다고 발표했습니다. 이 시스템은 대규모 언어 모델을 사용하여 자유 형식 음성을 이해하고, 단일 문장으로 여러 질문을 처리하며, 후속 요청에 응답합니다. 사용자는 차량의 기능 및 일반 지식 주제와 관련된 질문을 할 수 있습니다. 시간이 지남에 따라 조종석은 일상적인 여행을 인식하고, 충전 또는 휴게소를 권장하고, 객실 설정에 적응하고, 운전자의 과거 행동에 따라 차량 기능을 설명할 수 있습니다.
예측 차량 상태 및 가동 시간
AI는 또한 유지 관리를 고정된 일정이나 경고등 대응에서 구성 요소 상태에 대한 지속적인 평가로 바꾸고 있습니다. 온도, 진동, 결함 코드, 작동 부하, 수리 내역 정보를 분석하여 차량이 고장을 일으키기 전에 비정상적인 동작을 식별할 수 있습니다. 2026년 3월, Mack Trucks는 자사의 AI 기반 GuardDog Connect 플랫폼이 결함 코드 뒤에 숨은 의미를 해석하고 95% 확실성으로 수리가 필요할 수 있다고 보고했으며, 대시보드에 코드가 표시되기 전에 코드를 예측하는 경우도 많았습니다. Mack는 또한 적응형 유지 보수 계약을 통해 계획된 가동 중지 시간을 38% 줄였으며 최적화된 오일 배출 간격을 통해 트럭당 연간 약 USD 6,000를 절약할 수 있다고 보고했습니다.
에너지 및 파워트레인 인텔리전스
전기 및 하이브리드 차량에서 AI는 전력 수요를 예측하고 에너지 분배를 관리하며 불필요한 에너지 소비를 줄여 에너지 사용을 최적화할 수 있습니다. 교통 상황, 경사도, 온도, 운전 행동, 배터리 상태 및 충전기 가용성을 평가하여 보다 정확한 범위 추정 및 충전 권장 사항을 생성할 수 있습니다. 변화하는 작동 조건에서 배터리 충전 상태, 상태 및 남은 유효 수명을 추정하기 위한 기계 학습 모델도 개발되고 있습니다.
BMW는 이전 충전 중지 데이터의 백엔드 분석을 사용하여 경로 안내를 개선합니다. 회사는 이 분석을 통해 시스템에 기록된 충전 지점의 약 1/3에 대해 보다 정확한 위치 정보를 제공했다고 보고했습니다.
엔지니어링과 제조 전반에 걸친 AI
AI는 제너레이티브 디자인, 코딩, 시뮬레이션, 가상 검증, 공장 물류, 품질 검사 및 공급망 계획에 적용되고 있습니다. 이를 통해 엔지니어는 실제 프로토타입을 제작하기 전에 다양한 설계 및 테스트 시나리오를 검토할 수 있는 동시에 개발 주기를 단축할 수 있습니다.
BMW의 레겐스부르크 공장에서 GenAI4Q 시스템은 매일 제조되는 약 1,400대의 차량에 대한 개별 품질 검사 권장 사항을 생성합니다. AI는 실시간 제조 정보와 함께 차량 사양을 분석하여 각 차량 단위에 적합한 검사 순서를 결정합니다. 마찬가지로 General Motors도 AI, 디지털 트윈, 로봇 공학 및 시뮬레이션을 통합하여 가상 테스트를 가속화하고 제조 프로세스를 최적화하고 있습니다.
AI로 정의된 자동차 경쟁은 누가 가장 지능적인 자동차를 만드는가에 국한되지 않고 적용 범위를 더욱 넓힐 것입니다. 또한 누가 해당 차량을 가장 효율적으로 개발, 제조, 지원하고 지속적으로 개선하는지에 따라 달라집니다.
AI 정의 차량은 여러 지능형 기능의 통합입니다. 클라우드 및 개발 생태계는 지속적인 학습 루프로 작동합니다. 센서는 먼저 도로, 운전자, 승객, 배터리, 파워트레인 및 주변 환경에 대한 정보를 캡처합니다. 차량 내부의 고성능 컴퓨터는 안전에 중요한 정보를 로컬로 처리하며, 여기서 즉각적인 결정은 클라우드 연결에 의존할 수 없습니다.
중앙 집중식 컴퓨팅은 이러한 인텔리전스의 기반을 제공합니다. 2026년 1월 Qualcomm과 Leapmotor는 조종석, 고급 운전자 지원 시스템, 차체 제어 및 연결성을 결합한 D19용 통합 중앙 컴퓨팅 시스템을 발표했습니다. 이러한 기능을 통합하면 아키텍처 복잡성이 줄어들고 AI 모델이 이전에 분리된 차량 도메인 전반에 걸쳐 정보를 사용할 수 있습니다.
클라우드는 다른 역할을 수행합니다. 대규모 데이터 저장, 모델 교육, 차량 분석, 소프트웨어 배포 및 수천 대의 차량에 대한 패턴 비교를 지원합니다. 예를 들어 현대자동차그룹은 OTA 업데이트를 통해 진화할 수 있는 개인화된 비서, 지능형 인포테인먼트, 적응형 편의 기능을 지원하기 위해 NVIDIA와 함께 AI 모델을 개발하고 있습니다. 그러나 이러한 학습 주기를 구축하려면 제조업체는 차량 원격 측정, 대리점, 서비스 기록, 고객 플랫폼 및 연락 센터 전반에 걸쳐 종종 분리되어 있는 정보를 연결해야 합니다.
디지털 트윈은 변경 사항이 실제 프로토타입에 도입되기 전에 차량 시스템, 공장 및 운영 시나리오를 테스트할 수 있는 가상 표현을 제공하여 스택을 완성합니다. BMW는 30개 이상의 생산 현장에서 디지털 트윈 애플리케이션을 확장하여 이전에는 몇 주 동안 물리적 테스트가 필요했던 수정 사항을 가상으로 평가할 수 있게 되었습니다.
자동차 AI의 주요 과제는 더 이상 모델의 성능을 입증하는 것이 아닙니다. 수백만 대의 차량에서 안전하고 일관되며 경제적으로 작동할 수 있도록 보장하는 것입니다. 파일럿은 선택한 경로, 공장 라인 또는 데이터 세트에서 성공할 수 있지만 생산 시스템은 다양한 기후, 도로 조건, 언어, 차량 구성 및 연결 수준에서 작동해야 합니다. 아래 그래프는 지난 몇 년간 자율주행의 규모가 점점 커지고 있음을 보여줍니다. Waymo가 공개한 탑승자 전용 마일리지 기반은 2023년 1월 약 100만 마일에서 2026년 3월까지 2억 2,060만 마일로 확장되었습니다.
제조업체는 시스템이 불확실성을 인식하고, 드문 시나리오를 관리하고, 센서, 데이터 또는 모델이 부적절할 때 안전한 대체 상태로 들어갈 수 있다는 증거를 요구합니다.
ISO/PAS 8800:2024는 대량 생산 도로 차량의 안전 관련 AI를 다루고 AI 시스템의 한계와 실패로 인해 발생하는 불합리한 위험에 대한 보장을 지원합니다. 이러한 시스템이 확장됨에 따라 사이버 보안 및 소프트웨어 거버넌스는 차량 수명주기 전반에 걸쳐 지속적으로 관리되어야 합니다. UNECE 규정 번호 155는 사이버 보안 관리와 지속적인 위험 평가를 요구합니다. 규제에 대한 기대도 더욱 까다로워지고 있습니다. 관련 고위험 시스템의 경우 유럽 연합 AI법은 수명 주기 위험 관리, 적절한 데이터 세트, 문서화, 인간 감독, 정확성, 견고성 및 사이버 보안을 요구합니다.
상용화와 관련된 과제도 마찬가지로 중요합니다. 자동차 제조업체는 컴퓨팅 비용, 통합 복잡성 및 업데이트 책임을 모니터링하면서 반도체 공급업체, 소프트웨어 개발자, 클라우드 플랫폼 및 부품 제조업체를 조정해야 합니다. AI 모델, 안전 사례, 사이버 보안 제어, 데이터 거버넌스, 업데이트 프로세스를 별도의 기술 프로젝트가 아닌 하나의 생산 시스템으로 설계하는 회사는 성공적으로 확장될 것입니다.
자동차가 단순히 운전자 명령에 응답하는 것에서 운전자를 대신하여 독립적으로 결정을 내리는 것으로 진화함에 따라 자동차 인텔리전스의 다음 단계가 등장할 것입니다. 에이전트 시스템은 경로를 계획하고, 충전 중지를 식별하고, 객실 설정을 조정하고, 승인된 지불을 관리하고, 상황 변화에 따라 여행을 수정할 수 있습니다. 2025년 1월, Mercedes-Benz와 Google Cloud는 MBUX 가상 도우미용 자동차 AI 에이전트를 출시하여 Google 지도 데이터를 사용하여 다단계 대화와 개인화된 내비게이션 지원을 가능하게 했습니다.
AI 정의 시대의 리더십은 고립된 기능 출시보다는 확장 가능한 인텔리전스 생태계를 구축하는 능력에 더 많이 의존하게 될 것입니다. 자동차 제조업체는 중앙 집중식 차량 컴퓨팅을 관리되는 데이터, 시뮬레이션, 클라우드 인프라 및 제조 시스템과 연결하는 동시에 안전성, 효율성, 품질 및 고객 가치를 측정할 수 있는 개선을 제공하는 애플리케이션의 우선 순위를 지정해야 합니다.
