오토모티브 일렉트로닉스 매거진_전체기사

Autonomous Driving Becomes a Strategic Battleground: The U.S. Moves to Set the Rules

2026-03-30 14:30:01+0900

자율주행 패권 경쟁… 미국, 규칙을 서두르다

글 | 김 우 진 파트장, 현대자동차 R&D 본부 법규인증실 — 2026-03-30 14:23:50+0900

미 워싱턴 D.C. Russell Senate Office Building 전경. Photo by ajay_suresh

자율주행을 둘러싼 논의는 오랫동안 ‘안전한가, 위험한가’란 질문에 머물러 있었다. 그러나 미국 상원의 공청회는 한 걸음 더 나아갔다. 이제 질문은 ‘도입할 것인가’가 아니라, ‘누가 더 빨리, 더 안전하게, 더 유리한 규칙 아래 도입할 것인가’로 바뀌고 있다. 현대자동차 김우진 파트장의 글은 그 변화의 결을 차분하게 따라간다. 미국이 왜 중국을 의식하는지, 왜 연방 차원의 프레임워크를 서두르는지, 그리고 그 와중에도 프라이버시와 사이버보안, 원격 운영, 접근성 같은 숙제가 왜 더 중요해졌는지를 입체적으로 보여준다.

글 | 김우진 파트장, 현대자동차 R&D 본부 법규인증실
IN ENGLISH

미국 상원 상무·과학·교통위원회는 지난 2월 ‘Hit the Road, Mac: The Future of Self-Driving Cars’란 제목의 공청회를 실시했다. 이 공청회는 미래 교통기술의 주도권을 둘러싼 중국과의 경쟁 속에서 연방정부가 국가 차원의 안전 기준을 수립하고 자율주행차의 성장을 촉진할 것을 촉구하기 위해 마련됐다. 그리고 다음과 같은 네 명의 전문가들이 증인으로 참석했다.

- 라스 모라비(Lars Moravy) 부사장, 테슬라 차량 엔지니어링 부문
- 마우리시오 페냐(Mauricio Pena) 최고안전책임자, 웨이모
- 제프 패라(Jeff Farrah) CEO, 자율주행산업협회(Autonomous Vehicle Industry Association)
- 브라이언트 워커 스미스(Bryant Walker Smith) 부교수, 사우스캐롤라이나대학교

미국 의회에서 자율주행을 주제로 공청회를 개최하는 것은 흔한 일이다. 주로 연방 자율주행 규제를 만드는 과정에서 의견과 이슈들을 확인하는 목적으로 진행된다. 그런데 이번 공청회는 예년과 조금 다른 분위기가 느껴졌다. 과거에는 자율주행차의 안전에 대한 우려, 사회적 이슈 등을 토의하며 도입의 득과 실에 대한 입장이 분명히 맞서는 구도였다.
하지만 이번엔 자율주행차의 도입은 피할 수 없는 방향임을 전제로, 미국이 이 산업에서 글로벌 리더십을 갖추기 위해 어떻게 하면 빠르고 안전하게 도입할 수 있는지를 논의하는 성격이 짙었다. 그 과정에서 생길 수 있는 문제를 진단하고 현실적인 해결책을 찾아보자는 목적도 엿보였다.
이는 공청회 제목에서부터 드러났다. ‘Hit the Road, Mac’을 우리말로 옮기면 ‘이제 도로로 나가라, 맥’이라는 뜻이다. 1950년대 유명한 재즈 곡 ‘Hit the Road Jack’을 패러디하며, ‘이제 자율주행차가 도로로 나갈 때다’라는 메시지를 유머러스하게 담아낸 것이다.
약 2시간 30분가량 진행된 공청회에서는 미국의 글로벌 리더십 수호, 중국과의 경쟁 전략, 데이터 프라이버시, 사이버보안, 원격 운영, 그리고 교통약자의 이동권 보장이 주요 주제로 다뤄졌다.

글로벌 리더십 수호,
중국 견제 전략

최근 몇 년간 AI 기술이 주도하는 중국의 자율주행 산업이 급격히 성장하자, 미국 정부의 공식 행사에서도 중국을 견제하는 목소리는 자연스러운 모습이 됐다.
중국과 관련된 이슈는 공청회 내내 언급됐다. 웨이모의 마우리시오 페냐 CSO는 모두 발언에서 웨이모가 미국 상무부가 지난해 제정한 중국산 커넥티비티 부품 사용 금지법을 지지한다고 선언했음에도 불구하고, 공청회 내내 중국 차량(지커)을 사용해 자율주행차를 개발하는 것 아니냐는 질문을 수차례 받았다. 페냐 CSO는 그때마다 자율주행 시스템은 웨이모가 직접 만들고 단지 여러 플랫폼(차량)을 가져와 사용하는 것이라며, 법에 위배되는 커넥티비티 부품이 장착돼 있지 않다고 설명했다.
공청회에 참석한 많은 의원은 “미국이 리더십을 확보하려면 어떻게 해야 하는가?”, “중국과의 경쟁에서 패배하면 어떤 일이 일어나는가?” 등의 질문을 증인들에게 거침없이 쏟아냈다.
웨이모의 페냐 CSO는 법적 프레임워크 부재가 미국의 장애물로 작용할 경우, 중국이 세계 자율주행 기술 표준을 설정하게 될 것이라고 경고했다. 테슬라의 라스 모라비 부사장도 미국이 규제와 표준을 주도하지 못할 경우 중국이 시장 주도권을 가져갈 것이라고 말했다. 중국이 공격적으로 로보택시 상용화 확대를 노리는 상황에서 미국 의회가 조치를 취하지 않으면 혁신과 리더십이 중국으로 넘어갈 수 있다는 공통된 경고였다.
미국의 리더십 확보를 위해 가장 필요한 것으로는 규제 개선이 꼽혔다. 상원 위원회 위원장 테드 크루즈는 모두 발언을 통해 연방 차원의 명확한 규제 프레임워크 없이 주별 규제만 존재하는 현재 상황이 미국 리더십에 큰 해를 끼친다고 지적했다. 테슬라와 웨이모 역시 미국이 자율주행 글로벌 리더십을 유지하기 위해서는 통일된 법과 규제의 정비가 절실하다고 주장했다.
테슬라의 라스 모라비 부사장은 현재 미국의 연방 자동차 법규가 자율주행과 소프트웨어 OTA 업데이트 등의 기술을 고려하지 않고 만들어졌다며, 1958년 연방항공청(FAA)이 항공 혁신을 촉진한 것처럼 미국 교통부가 자율주행에 대한 국가 표준을 관리할 수 있어야 한다고 지적했다. 당시 미국에서는 군용기와 민항기가 급증하고 제트 여객기가 등장하며 다양한 사고가 발생했는데, 항공 안전 규제가 관할별로 분산되고 내용도 노후화돼 있다는 문제가 있었다. 이에 Federal Aviation Act of 1958에 따라 FAA가 설립돼 항공 안전 규제 권한이 연방정부로 일원화됐고, 인증·운항 규제·관제·조종사 자격 등을 연방 단일 기준으로 관리할 수 있게 됐다.
웨이모의 페냐 CSO는 미국과 중국이 현재 자율주행 기술 분야에서 기업 대 기업이 아니라 국가 간 경쟁을 벌이고 있으며, 자율주행은 항공우주 분야와 견줄 수 있는 거대한 산업이라고 설명했다. 중국 자율주행 기업이 국가 제도의 전폭적인 지원으로 급성장하며 빠르게 글로벌 확장을 노리는 가운데 미국이 국가 단위 자율주행 법제도를 마련하지 못한다면 글로벌 표준을 중국에 넘겨주게 될 것이라는 주장이었다.
웨이모는 의회가 한 세대에 한 번 있을 기회를 갖고 있다며, ①범국가적 안전 프레임워크 구축 ②범국가적 안전 데이터 보고 체계 구축 ③연방안전규제 FMVSS의 현대화 ④AV Accessibility Act 추진을 우선순위로 연방 입법 활동이 추진돼야 한다고 주장했다.

데이터 프라이버시

공청회에서는 데이터 프라이버시에 대한 논의도 치열하게 이뤄졌다. 데이터 프라이버시는 이미 사회적 관심이 높아진 사안이다. 특히 지난 2024년 GM의 고객 운행 데이터가 보험사에 제공돼 고객도 모르는 사이 보험료가 급증한 이슈가 불거진 이후, 미국 의회는 자동차 기업이 고객 데이터를 어떻게 안전하게 보호하고 관리하는지 지속적으로 주시하고 있다.
자율주행차에는 수많은 외부 카메라와 실내 모니터링용 내부 카메라가 장착돼 차량 안팎의 상황을 실시간으로 수집하기 때문에 데이터 프라이버시 이슈가 상시적으로 발생할 수 있다. 공청회에서 한 의원은 웨이모 로보택시에 장착된 카메라가 총 몇 개인지, 그를 통해 수집한 데이터를 어떻게 관리하는지, 관련 내부 정책은 무엇인지를 구체적으로 질의했다. 같은 질문은 테슬라 라스 모라비 부사장에게도 이어졌다. 웨이모와 테슬라 모두 원론적인 수준의 답변에 그쳤으나, 미국 의회가 자율주행차의 데이터 프라이버시에 앞으로도 높은 관심을 유지할 것임을 분명히 보여준 장면이었다.

사이버보안

사이버보안은 자율주행차의 안전한 상용화를 위해 가장 중요하게 다뤄야 할 과제 중 하나다. 그러나 사이버보안 역시 자율주행과 마찬가지로 미국 연방 차원의 단일 규제가 없고, NHTSA가 제조사들의 자발적 준수를 요구하는 가이던스 문서를 배포하는 데 그치고 있다. 일부 의원들이 웨이모와 테슬라의 사이버보안 대응 수준을 질의하자, 두 증인 모두 문제없다는 확신에 찬 답변을 내놓았다.
특히, 테슬라의 라스 모라비 부사장은 보안 연구자들이 취약점을 발견해 공식 보고하면 경제적 보상을 제공하는 ‘버그 바운티 프로그램’을 운영하는 완성차 기업은 테슬라가 유일하다는 점을 강조하며 자신감을 드러냈다.
중국 지커의 차량을 활용한 로보택시 개발 과정에서 사이버보안 우려가 제기되자, 웨이모의 페냐 CSO는 외부와의 접점 자체가 없어 사이버 공격이 불가능하며 실제로 공격을 받은 이력도 없다고 설명했다.

원격 운영

공청회에 참석한 민주당 에드 마키 의원은 자동차 산업에 대한 깊은 이해를 갖춘 베테랑답게 웨이모의 원격 운영에 대한 날카로운 질문들을 이어갔다. 이 장면은 공청회의 백미로 남았다.
지난해 샌프란시스코 일대 대규모 정전 사태 당시 웨이모 로보택시들이 그대로 멈춰버리는 일이 발생하면서 원격 운영 이슈가 다시 수면 위로 떠올랐다. 자율주행차의 원격 운영에 대해서는 아직 관련 법규가 없고, 기업들도 구체적인 정보를 공개하지 않고 있었다.
에드 마키 의원은 작심한 듯 관련 질문을 쏟아냈다. 웨이모가 실제로 원격 운영자를 고용하고 있는지, 그들의 역량과 자격, 그리고 근무지가 어디인지를 상세히 물은 결과, 웨이모가 고용한 원격 운영자 일부가 필리핀에 있다는 사실이 드러났다. 에드 마키 의원은 미국에서 운행되는 로보택시에 원격 접속할 수 있는 인력이 해외에 있다는 것은 심각한 안전 문제라고 지적했다. 아울러 로보택시 상용화로 줄어드는 일자리를 미국 내에서 보전하지 않고 해외에서 창출한 것 역시 비판했다.

웨이모의 실태

공청회가 끝난 이후에도 웨이모의 해외 원격 운영자 고용 사실은 여러 전문가로부터 비판을 받았다.
카네기멜론대학교에서 자율주행을 연구하는 필립 쿠프만 교수는 웨이모가 공청회에서 원격 운영자 관련 질문에 정확한 정보를 제공하지 못했다고 지적하며 언론의 추가 취재를 촉구했다. 조지아주 버디 카터 하원의원은 숀 더피 교통부 장관에게 서한을 보내 웨이모의 해외 원격 운영에 대한 조사를 촉구했다. 또, 카터 의원은 미국 도로에서 운행하는 로보택시의 통제권이 미국의 사법권 밖에 있고 미국 도로 환경과 법규를 충분히 이해하지 못하는 인력의 영향을 받는 것은 심각한 안전 문제라고 지적했다.
공청회 직후 웨이모의 라이언 맥나마라 부사장은 약 10페이지 분량의 서한을 작성해 에드 마키 의원실에 제출했다. 서한에는 웨이모가 약 70명의 원격 운영자를 고용하고 있으며, 이들이 필리핀·애리조나·미시건의 원격 센터에서 근무한다는 내용이 담겼다. 또, 복잡하고 긴급한 업무를 수행하는 인력은 모두 미국에 근무한다고 밝혔다. 웨이모 측은 원격 운영이 차량을 직접 제어하거나 상시 모니터링하는 방식이 아님을 분명히 했다. 원격 운영자들은 로보택시로부터 특정 정보에 대한 요청이 들어올 때만 대응하며, 로보택시는 이 지원을 채택하거나 무시할 수도 있다고 설명했다.
또한 실제로 차량을 직접 제어하는 방식이 아닌 만큼 레이턴시 문제에도 덜 민감하다고 덧붙였다. 다만 필리핀 원격 센터의 레이턴시는 평균 250 ms로 인간의 눈 깜박임(100~400 ms)과 유사한 수준이라고 설명했다.

공청회 이후

에드 마키 의원의 집요한 질문 덕분에 그동안 베일에 가려져 있던 웨이모의 원격 운영 실태가 조금씩 드러나기 시작했다. 앞으로도 로보택시 기업의 원격 운영 실태는 규제 당국과 언론을 통해 지속적인 관심을 받을 것으로 예상된다.
자율주행 소프트웨어가 모든 시나리오에 대응할 수 있게 되기 전까지 부족한 역량을 원격 지원으로 보완할 수밖에 없다. 또, 비용 최소화를 위해 인건비가 낮은 해외로 눈을 돌리는 것은 어느 정도 이해할 수 있는 선택이다.
그러나 이미 인도 등 아시아 지역의 해외 텔레오퍼레이터 활용이 일반화된 다른 산업과 달리, 안전에 민감하고 국가 경쟁력과도 직결되는 자율주행 산업에서의 해외 원격 운영 인력 활용은 쉽게 용납되지 않는 분위기다.

교통약자 이동권 보장

공청회에서는 교통약자 접근성 이슈도 다뤄졌다.
지난해 7월 발의된 AV Accessibility Act는 로보택시 이용 과정에서 장애인이 비장애인 대비 불편함을 겪지 않아야 한다고 요구하고 있다. 자율주행 시대에 장애인의 접근성을 법으로 개선하겠다는 취지다. 핵심은 휠체어 탑승이 가능한 로보택시를 제공해야 한다는 것이다. 현재도 일반 라이드헤일링 서비스에 휠체어 탑승 가능 차량이 있지만 수요 대비 공급이 턱없이 부족해 장애인 이용자들의 불편이 크다.
공청회에서 웨이모와 테슬라를 대표한 증인들은 휠체어 접근 차량 보유 현황에 대한 답변을 요구받았다. 하지만 현재 운행 중인 웨이모 로보택시 중 휠체어 탑승 가능 차량 비율을 묻는 질문에 페냐 CSO는 답변하지 못했다. 테슬라가 오스틴에서 운행 중인 로보택시에 휠체어 탑승이 불가능한 것이 사실이냐는 질문에 라스 모라비 부사장은 그렇다고 인정하며, 아직 기업들이 로보택시 장애인 접근성과 관련해 해결해야 할 과제가 많음을 보여줬다.

안전 위해 당장 할 수 있는 것부터

브라이언 워커 스미스 교수는 이번 공청회에서 특정 기업에 속하지 않은 유일한 증인이었다. 다른 증인들이 소속 기업의 성과와 가능성을 피력한 반면, 브라이언 교수는 좀 더 사회 전반의 관점에서 발언했다.
그는 자율주행이 모든 안전 문제를 해결해 줄 것이라고 믿는 오만함을 경계해야 한다고 주장했다. 기술과 정책의 역사는 언제나 옛 문제를 새로운 문제로 대체하는 과정이며, 그 새로운 문제가 이전보다 덜 나쁘기를 바라는 과정이라고 설명했다. 존경받는 엔지니어들은 겸손하게 정부와 다른 연구자들의 의견을 경청해야 한다고도 강조했다.
또한 자율주행차의 안전성을 판단하는 가장 좋은 기준은 그 기술을 개발하고 운영하는 회사의 신뢰성이라고 밝혔다. 자율주행차의 진짜 운전자는 회사이며, 신뢰할 수 있는 회사는 자신의 안전 철학을 설명하고 왜 그것이 합리적으로 안전한지를 투명하게 공개할 의무가 있다고 했다. 문제를 숨기지 않고 피해를 즉각적이고 공개적으로 해결해야 하며, ‘문제가 있었지만 해결했다’는 식의 불투명한 소통을 해서는 안 된다고 덧붙였다.
브라이언 교수는 안전은 결혼식이 아니라 ‘결혼’이라고 말했다. 일회성 테스트와 인증·승인 절차로 끝나는 것이 아니라, 해당 차량이 도로 위에 존재하는 한 지속적으로 안전성을 입증해 나가는 약속이 필요하다고 했다. 또, 연방 정부가 이를 감시하기 위한 전문 인력을 확충해야 한다고 촉구했다.
끝으로, 통일된 연방 규정을 만드는 것도 중요하지만 주정부의 역할은 여전히 유지돼야 한다고 했다. 연방 규정의 부재 속에 주정부가 자체 규제를 통해 기업들의 안전한 자율주행차 운행을 지원하며 쌓아온 노하우와 전문성을 충분히 활용해야 한다는 것이다.

이 공청회는 지금까지 수차례 진행된 것과 다른 비장함이 느껴졌다. 미국이 자율주행 산업에서 글로벌 리더십을 중국에 빼앗기지 않기 위해 정부와 기업이 해야 할 노력이 무엇인지 진지하게 마주하는 모습이었다. 동시에 자율주행차의 최우선 가치는 안전임이 다시 한번 확인됐고, 기업들이 이 문제를 투명하게 다뤄야 한다는 메시지도 분명하게 전달했다.

We No Longer Look at Cars

한상민 기자_han@autoelectronics.co.kr — 2026-03-30 09:45:57+0900

우리는 더 이상 자동차를 보지 않는다

한상민 기자_han@autoelectronics.co.kr — 2026-03-30 09:29:37+0900

우리는 차를 본 적이 없다. 차 안에서, 혹은 차를 둘러싼 맥락 안에서 흘러가는 시간을 봤다.

이 글은 자동차 산업 분석이 아니다. SDV, 전동화, 플랫폼 경쟁을 다루지만, 그런 단어로 풀지 않는다. 출발은 Top Gear이고 도착은 질문이다. 지난 수년간 모빌리티 산업의 변화를 기업과 강연장에서 이야기해왔고, 그 모든 설명이 끝난 자리에서 스스로를 위해 쓴 것이다. 업계가 입버릇처럼 말하는 '사용자 경험'이 실제로 무엇인지, 그 질문을 Top Gear에서 '본능의 질주(F1: Drive to Survive)'까지 자동차를 둘러싼 컨텐츠의 변화 안에서 추적한다.

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

자동차를 던져 넣던 시절

도로 양옆에 사람들이 서 있다. 처음에는 그냥 구경 나온 사람들처럼 보였다. 누군가는 손을 흔들었고 누군가는 폰을 들고 있었다. 차는 속도를 조금 늦췄고, 카메라는 여전히 돌아가고 있었다. 그런데 그다음부터는 빠르게 진행됐다. 누군가 소리를 질렀고, 돌이 날아왔고, 유리창이 깨졌다. 차는 더 이상 풍경 속을 달리는 소품이 아니었다. 사람들의 표정이 굳었고, 제작진은 짐을 챙기기보다 버리기 시작했다. 그 장면을 보면서, 우리는 차가 얼마나 좋은지 생각하지 않았다. 저 차에 무슨 엔진이 들어갔는지, 서스펜션이 어떤지도 중요하지 않았다. 그 자리를 빠져나갈 수 있을지, 그리고 세 사람이 괜찮을지를 보고 있었다.

2014년 아르헨티나. 포클랜드 전쟁을 연상시키는 번호판을 달고 촬영을 강행하다 현지인들의 습격을 받은 사건이었다. Top Gear 역사상 가장 논란이 됐던 에피소드 중 하나다. 그런데 그 장면이 보여준 건 단순한 해프닝이 아니었다. 차가 어떤 상징이 될 수 있는지, 그리고 그 차를 타고 있는 사람들이 어떤 상황에 처했는지를 카메라가 그대로 담았다.
그게 Top Gear였다. 자동차를 설명하지 않고, 자동차를 던져 넣는 방식. 제레미 클락슨(Jeremy Clarkson)은 늘 무언가를 과장했고, 리처드 해몬드(Richard Hammond)는 늘 위험한 쪽으로 갔으며, 제임스 메이(James May)는 항상 뒤에서 엉뚱한 짓을 하고 있었다. 그런데 이상하게도 그 셋이 같이 있을 때 자동차는 단순한 기계가 아니게 되었다. 차는 고집이 있었고, 성격이 있었고, 때로는 배신도 했다.
트랙에서의 랩타임도 마찬가지였다. 단순히 몇 초 빠르냐의 문제가 아니었다. 그 몇 초 안에 담긴 차의 성격, 그걸 밀어붙이는 사람의 태도, 그리고 그걸 보는 우리의 기대가 전부 섞여 있었다. ‘Star in a Reasonably Priced Car’에서 누군가가 코너를 돌다가 살짝 밀리는 순간, 그건 단순한 운전 실수가 아니라 그 사람의 전부처럼 보였다. 자동차는 그걸 드러내는 도구였다.
그 시절 차는 달랐다. 소리가 달랐고, 진동이 달랐고, 고장 나는 방식까지 달랐다. 그 차이는 설명하지 않아도 느껴졌다. 그래서 Top Gear는 설명이 필요 없었다. 보여주면 됐다.
그런데 어느 순간부터, 그런 장면이 점점 줄어들기 시작했다.

클락슨(가운데), 해먼드(우측), 메이. 우리가 Top Gear에서 본 건 차가 아니라 이 세 사람이 만들어낸 살아있는 맥락이었다. 출처 | The James May Board

우리가 본 건 차가 아니었다

Top Gear가 톱이었던 이유를 내연기관의 특성으로만 설명하면 절반밖에 맞지 않는다. 자동차 프로그램은 Top Gear 말고도 수십 개였다. 그런데 그 프로그램들은 아무도 기억하지 않는다.
Top Gear를 Top Gear로 만든 건 세 사람의 관계였다. 클락슨이 과장하면 해먼드가 흥분했고, 메이가 현실로 끌어내렸다. 그 티키타카는 예측이 안 됐다. 언제 터질지, 어디서 어긋날지, 누가 먼저 포기할지 그 불확실성이 긴장을 만들었다. 차는 그 관계를 드러내는 무대였다.
Top Gear를 보면서 경험한 건 자동차가 아니었다. 세 사람이 만들어낸 살아있는 맥락이었다. 차는 그 맥락 안에서 비로소 성격을 얻었다. 그래서 어떤 브랜드인지, 어떤 스펙인지까지 기억에 남았다. 경험이 정보를 끌어올린 것이다. 그게 차 브랜드에 대한 영향력이 됐고, 구매 결정까지 움직였다.
그 세 사람이 사라지자 같은 차, 같은 트랙, 같은 포맷은 남았지만, 아무도 보지 않았다.

균열은 안에서 시작됐다

촬영이 끝난 뒤 사소해 보이는 일이 크게 번졌다. 현장 안에서 쌓여 있던 피로와 긴장이 한순간에 터졌고, 결국 손이 올라갔다. BBC는 빠르게 결정을 내렸고, 클락슨은 떠났다. 2015년이었다.
이 사건을 스캔들로만 읽으면 놓치는 게 있다. 타이밍을 봐야 한다. 클락슨이 떠난 2015년은 테슬라가 이미 자동차의 미래를 상징하는 브랜드로 자리 잡고 있었고, 디젤게이트를 전후해 유럽 완성차 업계가 전동화 쪽으로 급격히 기울기 시작하던 시기였다. 프로그램이 흔들린 게 아니라, 프로그램이 서 있던 땅이 흔들리고 있었다.
새로운 Top Gear는 스튜디오도, 트랙도, 포맷도 그대로였다. 그런데 이상하게도 아무것도 같지 않았다. 사람들이 웃는 타이밍이 어긋났고, 자동차는 여전히 등장했지만 더 이상 드라마를 만들지 못했다.
‘이거 진행자 문제인가, 아니면 차가 달라진 건가.’
그 두 가지는 동시에 일어나고 있었다.

2008년 테슬라는 Top Gear에 출연했고, 얼마 후 BBC를 고소했다. 테슬라는 Top Gear 안에서 인정받으려 하지 않았다. 그냥 그 밖에서 커버렸다.

차가 너무 잘해서 생긴 일

내연기관 시대의 자동차가 왜 볼 수 있는 대상이었는지는 그것이 불완전했기 때문이다. 소리는 차마다 달랐고, 진동은 노면을 그대로 전했으며, 과열과 누유와 변속 충격은 드라마의 재료였다. 차가 고장 나면 그건 실패가 아니라 이야기였다. 어떤 조건에서 어떻게 버티는가, 어디서 먼저 포기하는가란 불확실성이 긴장을 만들었다.
전기차는 그 긴장을 소거했다. 가속은 더 강해졌는데, 역설적으로 극적인 순간이 사라졌다. 기어를 올릴 때 온몸으로 느끼던 그 충격, 코너에서 뒷바퀴가 살짝 밀리던 순간의 긴장, 그것들은 결함이 아니라 차가 살아있다는 신호였다. 소리가 없어지고, 변속이 없어지고, 차는 원하는 대로 움직였다. 예전 같으면 차가 버텨야 할 순간에 시스템이 그냥 해버렸다.
(기계적) 문제가 없다는 게 문제였다.
운전 지원 시스템이 더해지면서 직접 개입해야 할 순간은 계속 줄었다. 차선을 잡아주고, 앞차와의 거리를 유지하고, 주차를 대신한다. 동시에 차량의 두뇌가 중앙으로 모였다. 수십 개로 분산돼 있던 제어장치가 하나의 컴퓨터로 통합되고, 차의 성격은 하드웨어가 아니라 소프트웨어로 결정되기 시작했다. 그리고 그 소프트웨어는 무선으로 업데이트된다. 어제의 차와 오늘의 차가 같은 차인지 불분명해진 것이다.
달라진 건 성능이 아니었다. 드라마의 구조가 달라진 것이다.

여행만 남았다

그 사이에서 셋은 자리를 옮겨 The Grand Tour를 시작했다.
처음에는 모든 게 더 커졌다. 황량한 들판이나 항구 한복판에 거대한 텐트가 세워졌고, 조명이 켜지면 화면의 중심에 다시 그 세 사람이 있었다. 관객은 환호했고, 그 순간 자동차보다 먼저 다시 만난 셋이 보였다.
그런데 몇 시즌이 지나자 이상한 변화가 보였다. 스튜디오가 사라지고 있었다. 고정 코너는 줄어들고, 남는 건 여행이었다. 몽골에서 차를 직접 만들고, 나미비아를 건너고, 콜롬비아 정글에서 길을 잃었다. 차는 계속 나오지만, 점점 덜 중요해졌다.
대신 갈수록 또렷해진 것은 세 사람이 서로를 어떻게 대하는지, 누가 먼저 포기하는지, 누가 끝까지 버티는지였다. 긴장의 원천이 차에서 인간관계로 이동한 것이다. 차가 더 이상 예전 같은 방식으로 사건을 만들지 못하자, 제작진은 본능적으로 다른 긴장을 찾아갔다. 그리고 그 긴장의 원천은 결국 사람이었다.

더그 드무로(맨 위)는 버튼 하나를 10분째 설명하고, 카와우는 숫자로 차를 대결시키고, 기기를 보는 MKBHD(맨 아래)는 스마트폰 다루듯 차를 리뷰한다.
차가 달라진 게 아니라, 차를 보는 방식이 달라진 것이다.

버튼 설명을 10분 동안 보는 이유

비슷한 시기에 YouTube를 켜면 전혀 다른 장면이 나온다. 더그 드무로(Doug DeMuro)는 차 문을 열고 닫으면서 버튼 하나하나를 짚는다. 이 버튼은 이런 상황에서 이렇게 작동한다. 저 버튼은 왜 거기 숨어 있는지 끝까지 따라간다. 10분, 20분이 지나도 그냥 보게 된다.
왜 그게 재미있는 걸까. 차가 너무 완벽해진 탓이다. 성능의 불확실성이 사라진 자리에서 유일하게 남은 미지의 영역이 인터페이스다. 이 차는 어떻게 생각하는가. 어디에 무엇을 숨겨놨는가. 그 탐색이 예전의 랩타임이 있던 자리를 차지하게 된 것이다.
카와우(Carwow)의 드래그 레이스가 지금 시대를 대표하는 자동차 컨텐츠 형식이 된 것도 같은 이유다. 복잡한 맥락을 걷어내고 숫자로 대립시킨다. 차가 더 이상 스스로 긴장을 만들지 않게 되자, 컨텐츠가 대신 긴장을 설계하고 있다. 테크 유튜버 마퀴스 브라운리[Marques Brownlee(MKBHD)]가 자동차를 리뷰하는 순간이 자연스럽게 느껴지기 시작한 것도 이런 흐름이다. 화면 반응 속도, 소프트웨어의 완성도, AI 응답의 자연스러움. 스마트폰을 다루듯 차를 다룬다. 차가 디바이스가 됐기 때문이다.
넷플릭스의 ‘본능의 질주(Drive to Survive)’에서는 드라이버가 싸우고, 팀이 갈등하고, 누군가는 밀려난다. 이게 F1 역사상 가장 많은 새 팬을 만들어낸 컨텐츠가 됐다. 차가 아니라 사람이 긴장을 만든다는 것을 가장 극단적인 형태로 증명한 사례로, 역설적으로 자동차 산업의 위기를 증명하는지도 모른다. 자동차의 완성도가 드라마를 거세해버린 시대에 미디어는 차가 잃어버린 ‘불확실성’이란 연료를 인간의 욕망과 갈등에서 추출해 수혈하고 있는 셈이다.
컨텐츠의 단위는 바뀌었다. 차 한 대가 하나의 이야기였던 시절은 끝났다. 지금은 경험의 조각이 단위다. 그 조각을 가장 잘 다루는 사람이 자동차를 가장 잘 설명하는 사람이 됐다. 운전의 물리적 개입이 줄수록 속도의 체험은 도로 밖 컨텐츠와 차량 내부 인터페이스로 이동한다.

넷플릭스의 'F1, 본능의 질주'는 레이스가 아니라 인간 드라마다. 차가 잃어버린 불확실성을 사람의 욕망과 갈등에서 되살린 것이다.

2026년 아우디는 F1에 들어왔다. 레이스가 아니라 경험의 생태계에 올라타기 위해.

그 말을 가장 많이 쓴 자리에서

사용자 경험. 이 말은 지난 몇 년 동안 자동차 산업에서 가장 많이 쓰인 단어 중 하나다. 강연장에서도, 기고문에서도, 인터뷰에서도 빠지지 않았다. 그런데 이상하게도, 그 말을 가장 많이 쓰는 자리에서 그게 정확히 무엇인지 말하는 사람은 드물었다. 나도 그랬다. 그러다 어느 날 Top Gear를 떠올렸다.
Top Gear에서 우리가 경험한 것과, 차 안에서 우리가 경험하는 것이 사실 같은 것은 아닐까. 둘 다 결국 시간과 관계와 맥락의 총합이라면. 미디어 경험과 제품 경험은 다른 개념이다. 하지만 우리가 무언가를 경험으로 느끼는 방식은 그 대상이 무엇이든 놀랍도록 비슷하게 작동한다.
우리는 언제나 차를 본 게 아니었다. 차 안에서, 혹은 차를 둘러싼 맥락 안에서 흘러가는 시간을 봤다. 그리고 그 시간의 질이 곧 경험이었다.

편안함 뒤에 남는 것

충전소에 차를 세워놓고 30분을 기다린 적이 있다. 충전 속도는 나쁘지 않았고, 시스템도 잘 돌아가고 있었다. 그런데 그 30분은 이상하게 길었다. 업데이트를 했더니 화면이 완전히 바뀌어 있던 날도 있었다. 버튼 위치가 달라졌고, 익숙하던 기능이 다른 메뉴로 들어가 있었다. 더 좋아진 거라고 하는데, 그날은 계속 헤맸다. 이런 일들은 몇몇 사람의 예외적인 불운이 아니다. 한 유럽 브랜드는 무선 업데이트를 통해 이미 판매된 차량의 열선 시트를 구독 서비스로 전환했다. 소유한 기능을 나중에 잠가버린 것이다. 소비자 반발로 철회됐지만, 그 사건은 중요한 것을 드러냈다. 소프트웨어로 정의되는 차는 구매 순간에 완성되지 않는다. 정책이 바뀌면 차가 바뀐다.
자동차를 보는 기준이 달라지기 시작한다. 출력이나 연비가 아니라, 얼마나 덜 귀찮은지, 얼마나 자연스럽게 맞춰주는지, 얼마나 시간을 덜 빼앗는지, 경험이란 기능의 합이 아니다. 시간과 편리와 감정의 총합이다.

차는 이제 노드다

이런 인식이 자동차 산업의 경쟁 구조를 바꿨다. 그리고 그 변화를 가장 먼저, 가장 철저하게 이해한 건 전통 완성차 브랜드가 아니었다.
미국 서부 고속도로를 장거리로 달릴 때, 테슬라를 타는 사람과 다른 전기차를 타는 사람의 경험은 다르다. 충전 경로가 자동으로 계획되고, 충전소에 도착하면 차가 배터리를 미리 예열해 두고, 결제는 자동으로 처리된다. 다른 전기차를 타는 사람은 충전기 호환 여부를 확인하고, 앱을 열고, 카드를 꺼냈다. 차의 성능 차이가 아니다. 차를 둘러싼 시스템의 차이다.
샤오미 스마트폰을 쓰는 사람이 샤오미 차에 탄다. 주머니에서 폰을 꺼내지 않아도 문이 열리고, 음악과 설정이 거의 그대로 이어진다. 처음 타는 차인데 낯설지 않다. 이미 쓰고 있던 시스템의 연장이기 때문이다. 화웨이도 비슷하다. 집에서 쓰던 앱으로 에어컨을 켜두고 내려오면 차 안 환경이 어느 정도 맞춰져 있다. 완전히 같은 건 아니지만, 새로 배워야 한다는 느낌은 아니다.
자동차는 이제 그런 생태계 안의 노드다. 차 한 대를 잘 만드는 것, 차를 중심으로 연결된 환경 전체를 설계하는 것은 다른 문제다. 지금 경쟁이 후자에서 벌어지고 있었다.

Kara and Nate. 팬데믹이 하늘길을 막자 밴을 샀다. 목적지가 사라진 자리에서 이동 중의 시간 자체가 컨텐츠가 됐다.

차 안에서 흘러가는 시간

요즘 여행 유튜브에는 이상한 장면이 자주 나온다. 목적지에 대한 설명이 아니라, 이동하는 차 안의 시간이다. 창밖이 흘러가고, 조수석에서 과자를 뜯고, 누군가 졸다가 깨고, 별 의미 없는 대화가 이어진다. 그런데 사람들이 그걸 본다.
왜 목적지보다 이동 중의 시간을 보게 됐을까. 차가 공간이 됐기 때문이다. 운전을 덜 해도 되는 환경으로 넘어오면서, 차 안의 시간이 달라졌다. 도착을 기다리는 시간이 아니라, 그 자체로 머무는 공간이 된 것이다. 화면이 있고, 음악이 있고, 대화가 있고, 때로는 아무것도 하지 않아도 되는 시간이 있다.
그게 Top Gear와 다르지 않다. Top Gear에서도 가장 기억에 남는 장면은 트랙이 아니었다. 고장 난 차 안에서 세 사람이 나누는 대화, 어딘가에서 길을 잃는 순간, 아무도 먼저 말하지 않는 침묵. 차는 그 시간을 담는 용기였다.

경험을 정의하는 차

물론 그 불완전함을 그리워한 건 소비자가 아니라 카메라였다.
그래서 이쯤 되면 다시 Top Gear 이야기로 돌아가게 된다. 왜 그 프로그램은 더 이상 돌아갈 수 없는가. 클락슨 사건 때문만도 아니고, 진행자가 바뀌어서만도 아니다. 그 프로그램이 서 있던 기반이 두 겹으로 무너졌기 때문이다. 하나는 차의 불완전함이 사라진 것이고, 다른 하나는 경험을 만들어주던 세 사람이 사라진 것이다.
소프트웨어로 정의되는 차는 지금 그 자리를 향해 가고 있다. 맥락을 기억하고, 번거로움을 줄이고, 사용자의 습관을 배우고, 관계처럼 느껴지는 무언가를 만들려 한다. 방향은 맞다. 그런데 여기서 더 솔직해질 필요가 있다.
세 MC가 만들던 것은 단순한 정보도, 단순한 친밀감도 아니었다. 예측 불가능한 인간 사이의 긴장이었다. 누가 먼저 포기할지, 어디서 어긋날지, 누가 끝까지 버틸지 아무도 몰랐다. 바로 그 불확실성이 경험을 살아 있게 만들었다. 반대로 지금 시스템이 잘하는 것은 우선 다른 쪽이다. 맥락을 기억하고, 번거로움을 줄이고, 사용자가 멈칫하는 순간을 없애는 일이다. 그건 분명 가치 있다. 다만 그것이 Top Gear가 만들던 것과 같은 종류의 경험인지, 비슷한 무엇인지, 아니면 전혀 다른 관계인지는 아직 알 수 없다.
‘기능을 정의하는 차에서 경험을 정의하는 차로.’ 이 말은 쉽게 나온다. 하지만 경험을 정의하는 것이 정말 소프트웨어인지, 관계인지, 혹은 그 사이 어디쯤에 있는 것인지는 아직 열려 있다. 좋은 SDV는 아마 더 많은 기능을 넣는 차가 아니라, 말하지 않아도 알아주는 차에 가까울 것이다. 그러나 그 ‘알아줌’이 인간이 만들어내던 살아 있는 감각을 대신할 수 있는지는 아직 누구도 증명하지 못했다.

다음 시대의 Top Gear는

앞으로의 자동차 컨텐츠는 더 빠른 차도, 더 큰 소리도, 더 위험한 도전도 아닐 것이다. 보이지 않는 것들일 것이다. 같은 차인데 업데이트 전후로 왜 다르게 느껴지는지, 생태계가 다른 두 차를 같은 조건에서 탔을 때 무엇이 달라지는지, 시스템이 나를 얼마나 기억하는지, 그 시간이 얼마나 덜 귀찮은지. 다음 시대의 자동차 이야기는 점점 그런 것들로 이동할 것이다.
이것들은 랩타임처럼 숫자로 곧바로 나오지 않는다. 배기음처럼 귀로 들리지도 않는다. 그러나 분명히 느껴진다. 그리고 누군가 그 차이를 장면으로 만들고, 드라마로 만들 수 있다면, 그게 다음 시대의 Top Gear가 될 것이다.
다만 그 전에, 피하지 말아야 할 질문이 있다.
우리는 번거로움을 줄이고 편함을 얻었다. 차는 더 이상 쉽게 고장 나지 않고, 길을 잃지 않고, 우리를 자주 배신하지도 않는다.
그런데 이상하게도, 그 배신 안에 뭔가가 있었다.

편해진 대신 우리는 무엇을 잃었는지, 우리는 이를 정확히 알고 있는지.
그리고 세 사람이 만들던 그 살아있음을 시스템에게 기대하는 것이 맞는 질문인지.

그 살아있음의 정체가 관계였다면, 시스템이 가야 할 방향은 조금 달라진다.

SDV and Lighting: Where Light Speaks and Sensors Read

한상민 기자_han@autoelectronics.co.kr — 2026-03-25 14:42:15+0900

라이팅과 SDV: 빛은 말하고 센서는 읽는다

한상민 기자_han@autoelectronics.co.kr — 2026-03-25 14:14:58+0900

INTERVIEW
강 석 원 대표이사
Ray Kang, RVP ams OSRAM Group

부품에서 시작한 이야기는 감각으로 옮겨간다. ams OSRAM 코리아 강석원 대표이사의 설명 속에서 빛과 센서는 더 이상 개별 기능 부품에 머물지 않는다. 그것들은 차량이 무엇을 보고 있고 무엇을 하려 하는지를 드러내는 인터페이스로 이동하고 있다. 이 글은 강 대표의 말을 따라 조명 기술이 어떻게 새로운 역할로 확장되는지를 좇는다. 외부 조명의 소통 기능, 실내 라이팅의 네트워크화, 그리고 센싱의 인간 중심 이동을 따라가다 보면, SDV 시대의 라이팅은 스타일을 넘어 관계와 소통에 대한 것으로 읽히기 시작한다.

글 | 한상민 기자_han@autoelectronics.co.kr

IN ENGLISH

부품에서 시작한 이야기는 감각으로 옮겨간다.
ams OSRAM 코리아 강석원 대표와의 인터뷰는 회사 소개로 시작됐다. 오스트리아 그라츠의 AMS와 독일 뮌헨의 OSRAM이 결합해 만들어진 지금의 ams OSRAM은 여전히 두 개의 헤드쿼터를 유지하며 ‘센서’와 ‘빛’이란 두 개의 축을 함께 붙들고 있다. 창립 120주년 이야기와 함께 LED 시장에서의 위상, 오토모티브 중심의 고부가가치 전략, emitter라 부르는 광원 기술, 그러니까 LED, micro LED, mini LED, laser, 광 센서와 바이오 센서, ToF(Time-of-Flight) 센서, 여기에 이를 구동하는 IC까지 전체 포트폴리오가 차례로 펼쳐졌다. LED 분야에서 2025년에 1위에 올라섰다는 설명도 빠지지 않았다.
처음에는 전형적인 반도체·부품 회사의 단단한 기업 소개처럼 들렸다. 그런데 듣고 있으면 중심이 조금씩 앞으로 나왔다. 무엇을 몇 개나 만드느냐보다, 그 기술들이 자동차 안으로 어떻게 이어지고 어떤 역할을 맡게 되는가가 더 크게 들렸다. 빛은 그냥 비추는 부품으로 남지 않았고, 센서도 그냥 읽는 부품으로 머물지 않았다. 둘은 같이 움직이며 차량이 외부를 보고, 내부를 읽고, 운전자와 탑승자, 그리고 주변 사람들에게 상태와 의도를 전달하는 역할로 묶였다.

“저희는 이미 시스템 파트너로서의 그런 정체성을 오래전부터 가지고 있었습니다. 한 번도 그냥 단순한 부품 공급사로 생각해 본 적이 없습니다.”

이런 기술은 OEM이나 티어 1에 전달한다고 해서 저절로 완제품이 되지도 않는다. 차량의 개발 초기 단계부터 긴밀하게 협업하며 기술 지원을 해야 하고, 시스템의 전체 사양도 처음부터 함께 짜야 한다. 앞에서 길게 펼쳐졌던 회사 소개도 그 안에서 다시 읽혔다.
광원과 센서, IC와 오토모티브 램프의 이야기는 결국 자동차의 빛과 감각을 처음부터 함께 설계할 수 있는가이고, 그래서 ams OSRAM은 자신을 조명 회사나 센서 회사로만 두지 않고 자동차의 빛과 감각을 초반부터 함께 설계하는 자리에 스스로를 놓고 있었다.

포토닉스 파워하우스
조명도, 센서도 아닌 통합된 기술

ams OSRAM이 스스로를 ‘포토닉스 파워하우스’라고 부르는 이유도 그 연장선에 있다.
전자공학이 전자를 다룬다면 포토닉스는 광자, 곧 빛을 다루는 기술이다. 회사 브로슈어에 있으면 흔하게 지나갈 수 있는 표현인데, 실제 설명 안에서는 꽤 구체적이다. 보통 LED 업체는 광원에 강하고, 센서 회사는 센서에, 종합 반도체 회사는 IC에 강하다. 그런데 ams OSRAM은 광원을 만들고, 그 광원을 구동하는 IC를 설계하고, 그 빛을 감지하는 센서까지 함께 다룬다. 빛을 내고, 제어하고, 다시 읽는 전체 루프를 하나의 체계 안에 넣고 있다. 강 대표는 이를 두고 “보통 광원 업체가 IC를 개발할 수 있는 역량을 가진 곳은 전무하다고 보시면 됩니다”라고 했다.
자동차에서는 이런 구조가 훨씬 더 중요해진다. 특정 부품 하나가 아무리 좋아도 전체 시스템 안에서 맞지 않으면 의미가 없다. 스펙보다 더 오래 남는 것은 신뢰성이고, 양산과 수명, 그리고 필드에서의 일관성은 그보다 더 까다롭다. ams OSRAM이 여전히 전통적인 오토모티브 램프 사업(벌브·할로겐·HID)을 안고 가는 것도 이런 시간과 무관하지 않다. 반도체 회사라면 이미 접었을 영역이 이들에게는 자동차 품질과 고객 대응의 시간이 축적된 기반으로 남아 있다.

“저희는 정말로 차량 초기 단계부터 긴밀한 협업을 통해 실제로 기술 지원을 해 드려야 되고 시스템의 전체적인 사양도 초기 단계부터 협업을 해야 됩니다.”

어떤 제품은 엔지니어링 단계부터 들어가고, 어떤 제품은 그보다 더 앞선 선행 디자인 단계부터 OEM과 붙어야 한다. 예를 들어, 초소형 광원을 고밀도로 집적해 정교한 표현을 가능하게 하는 마이크로 LED나, 얇은 필름 형태로 빛을 구현해 표면 자체를 바꾸는 ALIYOS® 같은 기술은 차량 디자인이 잡히는 단계부터 함께 논의되지 않으면 의미가 없다. 자동차에서 빛이 점점 더 많은 의미를 갖게 될수록 조명은 마지막에 붙는 장식이 아니라 처음부터 구조 안에 들어와야 하는 요소가 된다. SDV와 존/중앙 아키텍처로 갈수록 빛과 센싱의 전략적 가치는 올라가고, 그 둘을 함께 다루는 회사의 위치도 자연히 앞으로 당겨진다.

EVIYOS® 2.0은 2만 5,600개의 픽셀을 단일 칩에 집적한 멀티픽셀 헤드램프다.
(손가락 크기만한) LED 칩과 Companion ASIC이 하나의 시스템으로 작동하며, 조명과 로드 프로젝션을 동시에 구현한다.

빛은 비추는 게 아니라 ‘말한다’
외부 조명이
인터페이스가 되는 순간

자동차에서 조명은 오랫동안 두 가지 역할에 묶여 있었다. 앞을 밝히는 일, 그리고 브랜드의 얼굴을 만드는 일. 그런데 ams OSRAM이 외부 조명을 설명하는 방식은 이미 그 다음으로 가 있었다. 대표 기술로 나온 것은 멀티픽셀 헤드램프 ‘EVIYOS® 2.0’였다.
2만 5,600개의 픽셀이 집적된 LED 어레이. 숫자 자체보다 중요한 건 그 픽셀 수가 바꾸는 역할이다. 기존 ADB(Adaptive Driving Beam)가 수십 픽셀, 많아야 100개 수준에서 상대 차량의 눈부심을 피하고 조사 범위를 조정했다면, 이제는 수만 개 단위의 픽셀을 통해 빛이 거의 디스플레이처럼 움직인다. 바뀐 것은 밝기의 정밀도보다 기능의 성격이다. 빛이 정보를 싣기 시작한 것이다.

“자율주행이든 ADAS 기능이 고도화된 차량이든 결국은 소통을 해야 합니다. 차량이 스스로 판단한다고 해서 끝나는 게 아니라, 그 정보를 운전자에게도 알려야 하고 주변 사람들에게도 전달해야 하니까요. 그런데 그걸 소리로만 전달한다는 건 사실상 말이 안 되죠.”

예를 들어, 전방 100 m 지점의 보행자를 차가 이미 라이다나 다른 센서로 인식했다면, 그 정보를 계기판 아이콘 하나나 경고음으로만 처리하는 것이 아니라 로드 프로젝션으로 도로 위에 직접 띄워 경고하는 편이 훨씬 직관적이다. 그러면 운전자는 차가 무엇을 보고 있는지 바로 이해하게 된다. 차선 변경도 마찬가지다. 깜빡이에만 의도를 맡겨두는 대신 바닥에 라이트 카펫을 그려 차가 어느 방향으로 움직일지를 보여주는 순간, 외부 조명은 스타일링이 아니라 인터페이스가 된다.

“확실하게 자율주행차가 주변하고 소통할 수 있는 방법은 빛밖에 없는 거거든요.”

조명은 더 이상 앞을 비추는 장치가 아니다. 차가 무엇을 보고 있고, 무엇을 하려 하고, 지금 어떤 상태에 있는지를 밖으로 드러내는 말이 된다.
이런 흐름은 이미 양산차로 내려왔다. 심지어 굉장히 어드밴스된 기술인데도 OEM이 가장 상위 차종에만 넣지 않고 오히려 볼륨카에 먼저 넣었다. 투아렉, 시아트나 오펠, A3급 차종까지 내려왔다. 렌터카로도 경험할 수 있다. 이는 외부 조명의 진화가 더 화려해졌다는 뜻이 아니라, 더 실제적인 UX와 안전의 개념으로 내려왔다는 뜻이다.

“이게 고객들한테는 굉장히 직관적으로 받아들여지는 새로운 사용자 경험(UX)이 되거든요.”

그리고 또 다른 상상이 이어졌다. 지금도 차 밖에서는 ‘내가 자율주행 모드다’를 알리기 위한 컬러, 이를테면 사이언 블루 같은 개념이 도입되고 있는데, 다음 단계에서는 센서와 접목해 차가 서 있는 사람을 인식했을 때 “내가 당신을 인지했어”란 사실을 빛으로 알려주는 방식까지 도입되게 된다. 컬러일 수도 텍스처일 수도 있다. 중요한 것은 빛이 단순 조명에서 관계의 신호로 넘어가는 점이다.

OSIRE® E3731i(RGBi) 기반 렌티큘러 무드램프. IC 내장 구조로 별도 보정 없이 균일한 색상과 밝기를 구현한다.

실내의 빛도 시스템이 된다
OSP와 앰비언트 라이팅의 진화

실내로 시선을 옮기면 빛의 역할은 또 다르게 전개된다. 앰비언트 라이팅은 오랫동안 감성 옵션처럼 다뤄졌다. 있으면 좋고, 없다고 해서 차의 본질이 흔들리지는 않는다. 그런데 LED 수가 수백 개에서 수천 개로 늘어나는 순간, 문제는 분위기가 아니라 제어다. 색이 예쁘냐가 아니라, 그 많은 노드를 어떻게 균일하게 맞추고 자동차 수준의 품질로 통제할 것인가가 된다.
ams OSRAM은 이 문제를 LED 내부에 IC를 통합한 구조로 풀고 있다. 생산 단계에서 각 LED의 밝기, 색상, 전압 특성을 내부 IC에 저장해두고, MCU와 통신이 붙는 순간 자동 보정을 한다. 그러면 별도의 보정 작업 없이도 균일한 밝기와 색상을 구현할 수 있고, 기존처럼 복잡한 후보정 절차나 병렬 드라이버 구성을 가져가지 않아도 된다. RGBi(OSIRE® E3731i) 제품은 하나의 데이지 직렬 구조만으로도 MCU에서 자동 연산을 통해 색상을 구현할 수 있다. 실내 조명이 예뻐지는 데서 끝나는 게 아니라, 네트워크화된 시스템으로 바뀌는 방식이다.

“목적은 이제 안드로이드 같은 거예요.”

말은 곧 OSP(Open System Protocol)로 이어졌다. ams OSRAM은 이 프로토콜을 ISO 표준으로 올리는 작업을 진행 중이다. 특정 회사만 쓰는 닫힌 규격이 아니라, 모두가 함께 쓸 수 있는 공용 기반을 깔아두겠다는 것이다.

“문을 열어 나중에 경쟁자들도 함께 놀 수 있는 공공 놀이터를 만드는 거죠. 그 몇 천 개나 들어가는 LED를 일일이 색감을 맞추고 보정하고 유저가 원하는 색감을 제공한다는 게 사실은 네트워크 프로토콜 없이는 불가능한 상황이거든요.”

실내의 빛은 그렇게 장식에서 구조로 간다. 많이 들어갈수록 중요한 것은 제어가 되고, 제어가 많아질수록 중요한 것은 부품 하나가 아니기 때문이다.

ALIYOS® Rear Combi Lamp 구조. 투명 foil 기판 위에 mini LED 플립칩을 실장해 두께 400μm의 얇고 유연한 리어램프를 구현한다.
PCB 없이 표면 자체가 발광하는 차세대 조명 기술이다.

센싱은 ‘사람을 이해하는 방향’으로
DMS와 기능안전성,
그리고 거부감 없는 UX

센서 쪽으로 넘어가면 초점은 자연스럽게 바깥에서 안으로 움직인다.
ADAS 시대의 센서는 기본적으로 외부 환경을 읽기 위한 기술이었다. 하지만 DMS(Driver Monitoring System)와 CPD(Child Presence Detection) 같은 규제가 강화되면서 센싱의 중심은 점점 사람 쪽으로 옮겨온다. 그런데 사람을 읽는 일은 객체를 인식하는 것보다 훨씬 까다롭다. 단지 감지하면 되는 게 아니라 오경보를 줄여야 하고 사용자가 감시당한다는 불쾌감을 느끼지 않게 해야 하는 동시에 안전 기준을 충족해야 한다.

“그런 규격에 대응하기 위해서는 실제로 컨트롤러 단뿐만이 아니라 기본적으로 센싱 쪽이 우선이 돼야 하거든요. 정확한 센싱이 이뤄지지 않으면 그런 규격을 만족시키지 못한 거고요.”

그래서 ams OSRAM이 강조한 것은 IR 솔루션의 통합 구조다. DMS에는 이미지 센서뿐 아니라 IR LED가 반드시 들어가고, 이 IR LED는 그냥 빛만 내면 되는 부품이 아니다. 눈 안전 기준을 만족해야 하고, 출력이 정밀하게 제어돼야 하며, 모니터링도 가능해야 한다. IR LED, 드라이버, 포토다이오드, 리시버를 함께 다뤄야 한다. 여러 회사의 부품을 따로 조합해 억지로 시스템을 맞추는 것보다, 처음부터 하나의 체계로 설계하는 편이 정확도와 안정성 모두에서 유리하다는 뜻이다.

“저희가 실제로 드라이버 모니터링용에 IR을 제공한다고 하면 이미지 센서도 제공할 수 있고, IR LED도 필요한 모든 사양을 제공하면서 그거를 모니터링할 수 있는 센싱 기술까지 같이 제공해 드리는 겁니다. 그거를 초기 설계 단계부터 OEM하고 협업하고 있기 때문에 그런 식으로 엄격한 안전 규격을 맞추는 데 굉장히 용이한 구조입니다.”

센서의 역할도 그만큼 바뀐다. 외부 객체를 인식하는 부품에서 사람의 상태를 오해 없이 읽고 차가 거기에 맞춰 반응하게 만드는 기반으로 이동한다.

라이다, 경쟁, 그리고 선택
비용보다 더 큰 문제는 안정성

라이다에서도 ams OSRAM의 시각은 흔들리지 않는다. 많은 OEM과 티어 1이 여전히 라이다를 부담스러워하는 이유는 비용과 통합 복잡성 때문이다.
라이다를 직접 만드는 회사들이 시장에 많이 등장했지만, 업체들이 사용하는 핵심 광원은 대부분 외부에서 오고 거기에 ams OSRAM이 있다.

“라이다 하는 업체들이 사실은 대부분 저희 고객입니다.”

그런데 ams OSRAM은 문제의 본질을 조금 다르게 본다. 가격보다 더 큰 것은 안정성. 자동차는 영하 30도에서 영상 40도 같은 극단적인 환경에서도 같은 성능을 유지해야 한다. 그러려면 라이다의 핵심인 레이저 광원 자체가 매우 높은 수준의 안정성을 가져야 한다. 그래서 ams OSRAM이 말하는 라이다는 미래의 키워드가 아니라, 자동차 품질과 신뢰성의 시험대 위에 올라 있는 기술이다.
보급 속도를 막는 것은 단순한 경제성이 아니라, 실제 양산 환경에서 버틸 수 있는 광원의 품질과 안정성이 본질적인 문제다. 컴퓨팅 파워는 이미 충분하다는 게 이들의 판단이다. 남은 과제는 어떤 조건에서도 흔들리지 않는 광원을 만드는 것, 그리고 시스템 전체에 오류가 생겼을 때 얼마나 빠르게 감지하고 격리할 수 있느냐다. 광원, 센서, IC, 자동차 품질 경험을 함께 가진 구조가 다시 의미를 갖는 이유다.

ALIYOS® Steering Wheel SW 컨셉. 평소엔 숨어 있다가 필요할 때만 드러나는 ‘hidden-until-lit’ 방식으로 스티어링 휠 스위치를 구현한다.

한국 시장
까다로운 요구, 신중한 채택,
그러나 강한 잠재력

한국 OEM과 티어 1 이야기에서 강 대표는 꽤 솔직했다. 한국 OEM에는 독일 OEM에 소개하는 것과 거의 비슷한 시점에 어드밴스된 제품이 들어간다. 기술을 늦게 보는 시장이 아니다. 하지만 적용 단계로 가면 분위기가 달라진다.

“한국의 OEM들은 일단 많은 것을 고려해요.”

신기술 적용에 대해 굉장히 조심스럽고, 프리미엄 브랜드가 먼저 적용했는지를 따져보는 경우가 많다. 그 결과 같은 시점에 소개받은 기술도 실제 양산 적용은 서구 OEM이 먼저 하고, 더 혁신적인 제품은 법규 자유도가 상대적으로 넓은 중국 OEM이 과감하게 받아들이는 흐름이 생긴다. 서구가 검증하고, 중국이 실험하고, 한국이 확인 후 채택하는 구도다. 이것은 높은 양산 품질 기준을 지키려는 한국 시장 특유의 방식이기도 하다.
하지만 티어 1 쪽은 전혀 다른 결을 보여준다. 글로벌 OEM의 빠른 요구에 대응하고, 국내 OEM의 높은 수준에 맞춰 속도와 비용 압박까지 함께 버텨온 덕분에, 그들은 상당히 잘 훈련돼 있고 글로벌 경쟁력도 강하다.

“한국 시장은 가장 빨리 받아들이는 곳은 아닐 수 있지만, 한 번 채택하면 굉장히 높은 수준의 양산성과 품질 기준을 통과하는 곳입니다. 그런 의미에서 한국은 ams OSRAM에게 단순한 판매처가 아니라, 시스템 파트너십이 실제로 얼마나 단단한지 시험받는 장소입니다.”

차량의 감각을 설계하는 회사로
차는 더 많은 SW를,
사람은 여전히 빛을 본다

인터뷰가 끝나고 남는 것은 제품명이 아니라 장면들이다.
도로 위에 비쳐지는 보행자 심볼, 바닥을 따라 움직이는 라이트 카펫, 수천 개의 실내 LED를 하나의 공통 구조로 묶으려는 OSP, 사람의 상태를 읽되 거슬리지 않아야 하는 인캐빈 센싱, 그리고 기술의 성패를 결국 안정성에서 읽으려는 라이다의 시각까지.
따로 놓으면 조명과 센서, 반도체와 프로토콜에 대한 이야기지만, 한 발 물러나 보면 모두 같은 방향을 가리킨다. 자동차는 더 많은 소프트웨어를 품게 되지만, 사용자가 체감하는 것은 여전히 빛이고 반응이고 인터페이스. 차가 무엇을 보고 있는지, 무엇을 하려는지, 나를 어떻게 이해하고 있는지는 결국 눈에 보이고 몸으로 느껴지는 형태로 나타난다.
ams OSRAM은 스스로를 시스템 파트너라고 부른다. 빛이 무엇을 말하게 할 것인지, 센서가 무엇을 읽게 할 것인지, 그 둘을 어떤 구조 안에서 작동하게 할 것인지까지 함께 다루겠다는 뜻이다.
빛은 말하고, 센서는 읽는다.

조명은 더 이상 부품이 아니라 인터페이스가 된다.
그 변화를 둘러싼 논의가 안내되는 현장.
좌측부터 강석원 대표, 방명극 부장, 김도연 상무, 조광희 전무.

Beyond Algorithms: Where Does Autonomous Driving Competitiveness Diverge?

한상민 기자_han@autoelectronics.co.kr — 2026-03-23 15:12:19+0900

알고리즘보다 데이터, 자율주행 경쟁력 어디서 갈리나

한상민 기자_han@autoelectronics.co.kr — 2026-03-23 14:56:41+0900

Automotive Testing Expo 현장에서 AEM은 Kognic의 Tom Dahlstrom과 만나 자율주행 데이터와 AI에 대한 의견을 나눴다.

INTERVIEW
톰 달스트림
Tom Dahlstrom of Kognic

자율주행 산업의 논의 중심은 알고리즘에서 데이터로 이동했다. 데이터를 어떻게 수집하고 구성하며, 검증하고 실제 성능으로 연결하느냐가 경쟁력을 결정짓는 핵심 요소가 되고 있다. Kognic에서 자율주행 데이터 플랫폼 비즈니스를 담당하는 톰 달스트림(Tom Dahlstrom)과의 대화는 이런 변화의 흐름 위에서 진행됐다. 이 인터뷰는 기업의 공식 입장을 정리한 것이 아니라, 현장에서 데이터를 다루고 있는 한 개인의 시각과 경험을 중심으로 구성돼 있다. 이에 Q&A 형식을 유지했고, 그 사고의 흐름과 연결성을 그대로 전달하는 것이 중요했다. 따라서 이 인터뷰는 데이터와 자율주행의 접점에서 실제로 어떤 고민과 판단이 이뤄지고 있는지를 보여주는 하나의 인사이트로 읽힐 필요가 있다.

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

알고리즘보다 중요한 것

자율주행 산업에서 알고리즘보다 데이터가 더 중요해졌다는 이야기가 많습니다. 현장에서 보기에 현재 개발에서 가장 큰 문제는 무엇일까요?
Dahlstrom       저도 데이터가 핵심적인 차별 요소로 자리 잡고 있다는 데 동의합니다. 특히 완전히 새로운 기술이 아닌 머신러닝 접근 방식에서 더욱 그렇습니다.
앤드류 응(Andrew Ng, 스탠포드대 교수 및 DeepLearning.AI 설립자)이 말했듯이, 오늘날 대부분의 알고리즘은 사실상 누구나 접근할 수 있습니다. 구글이나 NASA가 사용하는 알고리즘과 거의 동일한 것들을 사용할 수 있습니다. 문제는 그 알고리즘을 실제 제품 수준의 모델로 훈련시킬 수 있느냐입니다. 그리고 그것은 결국 데이터의 가용성에 달려 있습니다.
자율주행에는 LLM이 활용하는 것과 같은 데이터 환경이 존재하지 않습니다. LLM은 인터넷이라는 거대한 데이터 원천을 갖고 있지만, 자율주행에는 그런 의미의 인터넷이 없습니다. 그래서 대량의 데이터를 저렴하고 쉽게 확보하는 것이 어렵습니다. 따라서 단순히 데이터 파이프라인을 구축하는 것만으로는 부족합니다. ‘데이터 플라이휠(data flywheel)’을 만들어내는 능력이 핵심적인 과제입니다.
여기서 중요한 것은 단순히 ‘가장 많은 데이터’가 아닙니다. 적절한 데이터가 적절한 규모로 존재하는 것이 중요합니다. 다르게 표현하면, 결국 승자를 결정하는 것은 누가 더 빠르게 반복(iteration)할 수 있는가입니다.

라이다 포인트클라우드와 카메라 데이터를 결합해 차량과 객체를 3D로 주석화하는 모습. 자율주행 성능은 이런 데이터 품질에서 출발한다.

최근 몇 년 사이 OEM과 AI 기업들이 데이터 인프라를 구축하는 방식이 빠르게 변화하고 있는 것 같습니다. 고객들의 요구는 어떻게 달라졌나요?
Dahlstrom       지금 매우 흥미로운 변화가 진행되고 있습니다. 많은 기업이 기존의 전통적인 AD 아키텍처에서 벗어나고 있습니다. 기존 구조는 보통 인지(perception) - 예측(prediction) - 계획(planning)이라는 계층형 구조를 갖고 있습니다. 하지만 최근에는 더 크고 통합된 모델로 이동하는 흐름이 나타나고 있습니다. 예를 들어 End-to-End AI나 VLM(Vision Language Model) 같은 접근 방식입니다.
이 두 방식에는 각각 장단점이 있습니다. 그러나 VLM에서는 새로운 데이터 요구가 등장합니다. 기존에는 모델에게 예를 들어 객체를 식별하는 방법을 가르쳤습니다. 그런 다음 그 객체 정보를 기반으로 장면을 이해하고 적절한 행동을 결정하도록 했습니다. 하지만 VLM에서는 추론(reasoning)이 모델 내부에 포함됩니다. 간단히 말하면, 초점이 “무엇(what)”에서 “왜(why)”로 이동하고 있는 것입니다.
이 변화는 데이터 어노테이션(data annotation)에도 영향을 줍니다. 기계가 이미 잘하는 일, 예를 들어 객체 형태나 기하학적 특성을 설명하는 작업은 기계에게 맡기고, 인간은 해당 상황에서 무엇이 중요한지, 어떤 요소가 의사결정에 영향을 주는지에 대한 피드백을 제공하는 역할을 하게 됩니다.

결국 행동 이해와 Physical AI 방향으로 이동하는 논의에서 데이터 요구는 어떻게 바뀔까요?
Dahlstrom       이 주제는 현재 매우 뜨거운 논의 대상입니다. VLM은 데이터 큐레이션뿐 아니라 실제 배포 모델로도 사용되고 있습니다. 이 경우 VLA(Vision Language Action) 모델이라고 불리기도 합니다.
이 접근 방식의 목표는 언어 모델이 갖고 있는 방대한 세계 지식을 활용해 롱테일 문제(long-tail problem)를 해결하는 것입니다. 데이터 측면에서는 많은 것이 바뀌지만, 동시에 크게 바뀌지 않는 부분도 있습니다. 이 모델들도 여전히 인간 피드백이 필요합니다. 인간 운전자나 승객이 기대하는 행동 기준에 맞도록 모델을 정렬해야 하기 때문입니다.
하지만 인간 피드백의 성격은 달라집니다. 기존에는 사람이 차량 주변의 무엇(what)을 라벨링했습니다. 예를 들어 바운딩 박스(bounding box) 같은 것입니다. 하지만 이제는 왜(why)에 대한 설명이 필요합니다. 예를 들어, 특정 상황에서 어떤 요소가 중요한지, 차량이 어떤 논리로 행동해야 하는지를 설명하는 형태의 피드백입니다. 최근 이 분야에서 큰 반향을 일으킨 연구로는 NVIDIA의 Alpamayo 논문(VLM 기반 주행 시나리오 추론 및 데이터 정렬 연구)이 있습니다.

다양한 센서 데이터가 수집되고, 주석화와 검증을 거쳐 모델 학습으로 이어지는 통합 데이터 플랫폼 구조.

왜 데이터 파이프라인이 플랫폼인가

많은 기업이 데이터 파이프라인을 내부화하려고 합니다. 그럼에도 불구하고 Kognic 같은 전문 플랫폼이 여전히 필요한 이유는 무엇입니까?
Dahlstrom       데이터 요구사항은 다른 모든 요구사항과 마찬가지로 절대 고정돼 있지 않습니다. 특히 자동주행처럼 첨단영역에서는 더욱 그렇습니다.
어떤 회사도 첫날부터 앉아서 3년 또는 심지어 6개월 동안 완벽하게 맞는 계획을 세울 수 없습니다. 만약 데이터 파이프라인의 모든 요소를 내부적으로 직접 구축하려 한다면, 단순한 유지보수뿐 아니라 예측할 수 없는 변화 요구까지 감당해야 합니다. 모든 것을 통제할 수 있다는 것은 장점이지만, 그에는 비용이 따릅니다. 그리고 그 비용은 예측하기 어렵습니다.
전통적으로 자동차 기업들은 이런 불확실성을 매우 싫어합니다. OEM과 티어 1들은 보통 시간에 따라 고정된 비용 구조를 선호합니다. 그래서 거의 무제한에 가까운 자금을 갖고 있지 않다면 모든 것을 내부화하는 것은 매우 어려운 결정입니다.
현재 우리가 보는 흐름은 절충 전략입니다. 많은 자동차 기업이 모듈형이고 유연한 전략을 채택하고 있습니다. 즉, 데이터 파이프라인 전체의 통제권과 분석 역량은 내부에 유지하되, 개별 구성 요소, 예를 들어 어노테이션 엔진 같은 부분은 외부 공급업체로부터 도입합니다. 또한 멀티 클라우드, API 기반 구조, 유연한 계약 구조를 통해 향후 요구사항이 바뀔 경우, 공급업체를 교체할 수 있도록 옵션을 유지합니다.
Kognic은 이 분야에서 여러 기업을 동시에 지원하고 있기 때문에 비용을 분산해 규모의 경제를 만들 수 있습니다. 그 결과 상대적으로 낮은 리스크로 경쟁력 있는 가격을 제공할 수 있습니다.

자율주행 데이터 어노테이션은 단순한 라벨링 작업이 아니죠. 안전과도 밀접하게 연결됩니다. Kognic은 데이터 품질을 어떻게 정의하고 관리합니까?
Dahlstrom       안전은 이 분야에서 매우 중요한 주제입니다. 개발 속도와 시장 압력이 점점 커지고 있지만, 안전이 핵심 필수 요소로 계속 유지되기를 바랍니다. 대부분의 안전 엔지니어링은 저희가 직접 관여하는 수준보다 더 높은 추상 레벨, 예를 들어 기능이나 시스템 수준에서 이뤄집니다. 하지만 데이터 품질에 대해서는 당연히 저희가 책임을 져야 합니다.
이를 위해 Kognic 플랫폼과 프로세스에는 여러 단계의 품질 보증(QA) 메커니즘이 포함돼 있습니다. 예를 들어 라벨링 오류가 작업 흐름에 들어오는 것을 방지하는 자동 ‘sanity check’, 오류 유형을 정량적·정성적으로 분석해 원인을 찾는 프로젝트 관리 분석, 베이지안 확률 기반 KPI 품질 통계 등 다양한 품질 관리 계층이 존재합니다.

자율주행 데이터 작업에서 가장 어려운 부분은 무엇입니까? 특히 라이다, 레이다, 카메라 등 멀티센서 융합 환경에서 어떤 문제가 발생합니까?
Dahlstrom       시험 차량이나 실제 운행 차량에는 보통 다양한 멀티모달 센서가 장착됩니다. 예를 들어 회전형 라이다, 플래시 또는 로우 스캐닝 라이다, 카메라, 레이다 등입니다. 이 센서들은 서로 다른 위치에 장착돼 있고, 스캔 방식도 다르며, 종종 시간 동기화도 완벽하지 않습니다. 그 결과 어떤 두 센서도 같은 객체를 같은 위치와 같은 타임스탬프에서 정확히 동일하게 관측하지 않습니다.
우리는 이런 문제를 해결하기 위해 많은 노력을 기울였습니다. Kognic 플랫폼은 시퀀스 기반 멀티 센서 데이터 처리를 지원하며, 센서 모달리티 차이, 차량의 움직임(ego motion), 시간 차이 등을 보정하면서도 작업 속도와 비용 효율성을 유지할 수 있도록 설계됐습니다.

AI 기반 자동 라벨링 기술이 빠르게 발전하고 있죠? 데이터 생성 과정에서 인간과 AI의 역할은 앞으로 어떻게 변화할 것이라고 보나요?
Dahlstrom       이 분야에서도 큰 변화가 있었습니다. 회사를 처음 시작했을 때만 해도 라벨링은 대부분 완전히 수작업이었습니다. 그래서 저희는 사람이 작업을 더 빠르게 할 수 있도록 돕는 도구를 만드는 데 집중했습니다.
하지만 지금은 대부분 고객이 매우 강력한 자동 라벨링 알고리즘을 갖고 있습니다. 이 알고리즘들은 고성능 컴퓨팅 환경에서 오프라인으로 실행되고, 기록된 로그 데이터를 시간적으로 앞뒤로 분석할 수 있기 때문에 차량에 탑재된 모델보다 훨씬 높은 성능을 보일 수 있습니다.
하지만 여전히 완전히 신뢰할 수준은 아닙니다. 그래서 인간의 역할은 필요하지만, 그 성격이 바뀌었습니다. 현재 많은 프로젝트에서 인간의 역할은 사실상 ‘QA 중심’입니다.
우리는 모델 예측 결과를 플랫폼에서 추가 자동화 처리한 뒤, 수정이나 승인 가능성이 높은 객체나 프레임에 인간의 주의를 집중시킵니다. 이를 우리는 “Model & Human in the Loop”라고 부릅니다. 궁극적으로 목표는 인간과 모델이 함께 효율적으로 협력하는 것입니다. 인간은 모델이 아직 충분히 잘하지 못하는 부분에만 시간을 투자하도록 만드는 것이 이상적입니다.

▼

데이터 주석화는 단순한 라벨링 작업이 아니라, 수정(edit), 선택(rank), 의미 부여(write)를 포함하는 반복적 과정이다.
AI와 인간이 함께 참여하는 이 구조를 통해 데이터 품질이 지속적으로 개선된다.

롱테일과 합성 데이터의 현실

실제 주행 데이터 부족을 보완하기 위해 시뮬레이션이나 합성 데이터가 활용되는데, 이 접근 방식의 현실성과 한계는 무엇이라고 보십니까?
Dahlstrom       합성 데이터나 증강 데이터는 특히 모델 학습(training) 측면에서 매우 유용한 자원이라고 생각합니다.
말씀드린 것처럼 자율주행에는 롱테일 문제가 존재합니다. 매우 드물지만, 치명적인 상황들이 있고, 이런 상황을 실제 도로에서 의도적으로 기록하려는 것은 현실적으로나 윤리적으로 어려울 수 있습니다. 그러나 멀티센서 현실성(sensor realism)은 여전히 큰 과제입니다. 카메라 기반의 포토리얼리스틱 시뮬레이션은 현재 매우 발전했습니다. 하지만 현실 세계에 대한 데이터가 거의 없는 상황에서 현실적인 라이다 스캔이나 레이다 RCS(Radar Cross Section)를 생성하는 것은 쉽지 않습니다.
그래서 특히 검증(validation) 단계에서 비실제 데이터를 사용하는 것에 대해 논쟁이 많습니다. 복잡한 합성 시나리오가 실제 환경과 충분히 유사하다는 것을 증명하는 일 자체가 어쩌면 우리가 피하려 했던 문제만큼이나 어려울 수 있습니다.

그러면 롱테일 시나리오를 어떻게 관리할 수 있습니까?
Dahlstrom       이 문제는 분명 현실적인 문제입니다. 하지만 이미 가지고 있는 데이터를 제대로 들여다보고 이해하는 일 자체는 이제 기술적으로 충분히 가능한 영역에 와 있습니다. 보통은 한 가지 방법으로 해결하는 게 아니라, 여러 단계를 겹쳐서 접근합니다. 먼저 시간, 지역, CAN 버스 신호 같은 메타데이터를 활용해 원하는 조건의 데이터를 좁혀 나갑니다. 예를 들면 “비 오는 밤의 고속도로 주행” 같은 상황을 비교적 쉽게 추려낼 수 있습니다. 그다음에는 그렇게 걸러낸 결과가 정말 우리가 찾는 장면과 비슷한지 간단히 시각적으로 확인합니다. 여기서 더 나아가면 VLM 같은 모델을 활용해 좀 더 추상적인 개념까지 찾을 수 있습니다. 예를 들어 단순히 날씨나 시간대가 아니라, ‘도로 옆에 사람이 서 있는 상황’처럼 맥락이 들어간 장면을 탐색하는 식입니다. 마지막으로는 사람이 들어가 검증합니다. 모델이 찾아낸 결과를 사람이 yes/no 수준으로 빠르게 확인하면서 정확도를 높이고, 그 결과를 다시 모델 개선에 활용합니다. 이런 과정을 거치면 ‘비 오는 밤 고속도로에서 사람이 있는 상황’ 같은 롱테일 케이스도 실제 데이터 안에 얼마나 존재하는지 꽤 정확하게 파악할 수 있습니다.

중국처럼 대규모 차량 데이터를 빠르게 확보하는 환경은 자율주행 경쟁에서 구조적 우위를 만들 수 있는 것이죠?
Dahlstrom       데이터 규모는 확실히 중요합니다. 훈련과 검증을 위해서는 일정 수준 이상의 데이터 규모가 필요합니다. 또한 차량 플릿에서 데이터를 수집할 수 있다면, 더 많은 주행 거리와 다양한 상황 덕분에 롱테일 케이스를 포착할 가능성이 높아집니다. 하지만 데이터 자체가 자산은 아닙니다. 진짜 자산은 그 데이터를 실제 모델 성능 향상으로 연결하는 능력입니다.
이를 위해서는 앞서 말한 데이터 플라이휠을 구축해야 합니다. 중국을 언급하셨는데, 제한된 관점에서 보자면 그 시장의 많은 기업이 이 점을 잘 이해하고 있는 것 같습니다.

자율주행 시스템은 객체를 인식하는 것을 넘어 상황을 해석하고 차량의 행동을 결정한다. 데이터는 인식에서 의사결정까지 이어지는 전체 과정을 학습시키는 기반이 된다.

SDV 시대, 데이터는 어떻게 순환하는가

SDV 시대에는 OTA 업데이트와 지속적인 데이터 수집이 가능해집니다. 데이터 수집, 모델 학습, 배포 사이의 피드백 루프는 어떻게 변할까요?
Dahlstrom 이게 앞에 이야기한 내용과 직접 연결됩니다. 이것을 지속 피드백(continuous feedback), 빅루프(big loop), 또는 데이터 플라이휠 등 다양한 이름으로 부를 수 있습니다.
SDV 시대의 제품 패러다임은 과거와 완전히 다릅니다. 과거에는 자동차가 구매한 순간이 가장 완벽한 상태였습니다. 하지만 SDV에서는 그 반대입니다. 차는 사용되는 동안 계속 개선되어야 합니다. 이것은 데이터 수집, 모델 학습, 모델 배포를 하나의 통합적이고 반복적인 시스템으로 연결해야 한다는 것을 의미합니다. 이런 변화는 기존 자동차 기업에게 결코 쉬운 일이 아닙니다. 그들은 완전히 다른 제품 개발 철학에 맞춰 최적화돼 있었기 때문입니다.

Kognic은 Volvo 생태계와 관련이 있다는 인식이 있습니다. 실제로 어떤 관계입니까?
Dahlstrom Kognic의 첫 번째이자 가장 오래된 고객은 Volvo Cars의 자회사 Zenseact입니다. Zenseact는 자율주행 시스템을 개발하는 회사이며, 저희와 같은 도시인 스웨덴 예테보리(Gothenburg)에 있습니다. 실제로 두 회사 사무실은 같은 거리에서 100 m 정도 떨어진 위치에 있습니다. 하지만 저희는 처음부터 별개의 독립 회사였습니다. 현재 Kognic은 주로 자동차 OEM과 Tier-1 기업을 고객으로 두고 있습니다(Qualcomm, Zenseact, Continental, Bosch, Kodiak, ZF, Embotech, Einride, Gatik, and JLR 등 여러 브랜드 로고를 보여주며).
어떤 기업이 실제 AD 스택이나 인지 시스템을 개발하는지는 지역에 따라 다릅니다. 예를 들어 유럽에서는 OEM이 공급업체에 의존하는 경우가 많았지만, 일본이나 미국에서는 OEM이 자체 개발을 선호하는 경우도 있습니다. 또한 우리는 자율주행 트럭 같은 레벨 4 기업과도 협력하고 있습니다.

주행 상황에 대한 판단과 의사결정 과정을 추적하는 ‘reasoning trace’. 자율주행은 인식이 아니라 판단의 문제로 확장되고 있다.

Renault’s 2030 Strategy Grounded in Real-World Pragmatism

한상민 기자_han@autoelectronics.co.kr — 2026-03-23 11:22:23+0900

futuREady, 현실을 조합한 르노의 2030 전략

한상민 기자_han@autoelectronics.co.kr — 2026-03-23 11:02:07+0900

Bridger 컨셉

이 글은 르노의 ‘futuREady’ 전략을 요약하기보다는 그 사이에 놓인 선택의 논리를 읽는 데 초점을 맞췄다. 다른 OEM처럼 르노 역시 미래를 하나의 기술 해법으로 말하지 않는다. 파워트레인, 플랫폼, 지역 허브, SDV 적용 순서를 조합해 가능한 구조를 설계하려 한다. 이 글은 그 전략의 결을 따라가며 르노의 현재와 미래를 살핀다.

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

3월 10일, 르노 브랜드가 그룹의 새 전략 계획인 ‘futuREady’를 통해 2030년까지의 성장 전략을 공개했다. 이 발표는 겉으로는 제품 공세, 전동화, 글로벌 확장이란 익숙한 키워드로 구성됐지만, 내용을 더 들여다보면 르노가 어떤 현실에 놓여 있는지, 어떤 방식으로 그 현실에 대응하려 하는지가 비교적 선명하게 드러난다.
르노 브랜드는 이 전략에서 세 가지 핵심 축을 제시했다. 파브리스 캄볼리브(Fabrice Cambolive) 르노 그룹 최고성장책임자이자 르노 브랜드 CEO는 “르노 브랜드는 세 가지 강력한 동력을 통해 다음 성장 사이클을 가속하고 있습니다. 유럽에서의 리더십 강화, 전동화 가속, 글로벌 시장에서의 더 빠른 확장을 통해 르노를 전 세계에서 가장 강력한 프랑스 자동차 브랜드로 확고히 하겠습니다. 2030년까지 전 세계에서 200만 대 이상을 판매하고, 그 절반을 유럽 외 지역에서 달성하고, 유럽에서 100% 전동화, 유럽 외 지역에서는 50% 전동화를 목표로 동시에 강력하고 지속가능한 수익성을 실현하겠습니다”라고 말했다.
흥미로운 점은 르노 역시 미래를 하나의 기술 해법으로 설명하지 않는다는 데 있다. 순수 전기차만을 전면에 세우지도 않고, 그렇다고 내연기관을 방어적으로 유지하는 톤도 아니었다. 유럽과 비유럽 시장의 조건이 다르고, 전동화 전환의 속도도 다르다는 현실을 인정한 뒤, 그 위에 제품과 파워트레인, 지역 거점, 플랫폼 전략을 다시 짰다.

유럽 포지션 강화
A-B는 지키고 C-D는 키운다

첫 번째 축은 유럽 내 브랜드 입지 강화다. 르노는 2030년까지 전 세계 26개 모델 중 유럽에서 12개의 신모델을 출시해 보다 매력적이고 완성도 높은 라인업을 구축하겠다고 밝혔다. 각 시장에 맞는 기술, 각 고객에 맞는 제품을 제공한다는 것이 기본 방향이다.
A-B 세그먼트는 르노가 역사적으로 강한 위치를 차지해 온 영역이다. 르노는 이 흐름을 유지·확대하기 위해 New Clio, Renault 5 E-Tech electric, Renault 4 E-Tech electric, 그리고 Twingo E-Tech electric까지 활용해 A세그먼트까지 시장 커버리지를 넓힐 계획이다. 이는 기존 강점을 단순히 유지하는 수준이 아니라, 최근 출시했거나 출시 예정인 전기차 모델을 중심으로 다시 조합해 유럽 볼륨 시장의 핵심 축을 붙잡겠다는 뜻이다.
동시에 르노는 현재 판매의 약 30%를 차지하는 C-D 세그먼트에서 ‘두 번째 물결’을 준비하고 있다. 이 영역에서는 새로운 전기 및 하이브리드 모델 세대를 중심으로 가치 창출형 혁신을 지속적으로 시장에 내놓고 경쟁력도 높이겠다는 각오다. C-D 세그먼트에서 다시 존재감을 키워 수익성과 브랜드 위상을 동시에 끌어올리려는 전략이다.
유럽에서 C-D 세그먼트는 기술, 전동화, 가격, 수익성이 복합적으로 얽혀 있는 구간이고, 르노는 이를 쉽게 비워둘 수 없다. 발표문이 ‘지속적인 혁신’과 ‘경쟁력 향상’을 함께 강조한 이유다.

RGEV medium 2.0은 이번 전략의 가장 중요한 기술적 기둥이다. 800V 고전압 아키텍처를 채택해 10분 초고속 충전이 가능하며, C-D 세그먼트를 타깃으로 한다. 최대 750 km 주행거리와 레인지 익스텐더(1,400 km) 옵션을 지원하는 것이 특징이다.

전동화는 확대하되
하나만 고르지 않는다

두 번째 축은 전 라인업에 걸친 전동화다. 르노는 이번 발표에서 전기차를 전략의 중심에 두고 있다고 말했지만, 동시에 풀 하이브리드 E-Tech를 2030년 이후까지 유지하겠다고 못 박았다. 유럽뿐 아니라 글로벌 시장까지 포함해서다.
르노는 full hybrid E-Tech가 연료 소비와 CO₂ 배출 측면에서 효율적이며 많은 고객에게는 순수 전기차로 넘어가기 전 첫 단계라고 설명했다. 유럽 외 시장에서는 디젤의 대안으로 하이브리드를 확대 적용할 계획을 밝혔다. 일부 모델은 하이브리드 및 내연기관 솔루션과 함께 전기 파워트레인까지 제공하는 멀티 에너지 구성을 갖추게 된다.
이는 르노가 단일 파워트레인 해법을 택하지 않겠다는 의미다. 유럽에서는 규제와 시장 압력이 전기차 중심으로 움직이지만, 유럽 밖에서는 여전히 하이브리드와 내연기관의 필요가 남아 있다. 전동화는 단순한 EV 확대가 아니라 시장별 전환 속도에 맞춰 파워트레인 구성을 다르게 가져가는 포트폴리오다. 기술적 핵심은 최근 Geely, Aramco와 합작해 설립한 HORSE Powertrain에 있다. 르노는 이 동맹을 통해 열효율 44.2%를 달성한 차세대 하이브리드 엔진 H12 컨셉을 공개하며 내연기관의 한계를 다시 한번 밀어냈다.
순수 전기차 전략은 구체적이다. 르노는 차세대 C-D 세그먼트 차량을 새로운 RGEV medium 2.0 전기 플랫폼 위에서 개발하겠다고 밝혔다. 유럽 시장을 위해 설계된 이 플랫폼은 더 긴 주행거리, 초고속 충전을 위한 800V 아키텍처, 첨단 기술, 최적화된 효율을 특징으로 한다. B+부터 D세그먼트까지 대응할 수 있는 모듈형 구조로 다양한 차체 형태를 수용할 수 있다. 르노가 제시한 구성은 세 가지다. 첫째, 최대 750 km WLTP 주행거리를 제공하는 100% 전기차, 둘째, 최대 2톤 견인 능력을 갖춘 4×4 전기차, 셋째, 총 주행거리를 1,400 km까지 늘려주는 레인지 익스텐더다. 실제 사용 조건, 장거리 이동, 견인, 고객의 불안 요소를 함께 고려한 결과다. 르노의 전기차는 이제 이념이 아니라 ‘현실적 사용성’ 관점에 있다.

상용차에서 먼저 드러나는
SDV의 현실적 적용

르노는 상용차 영역에서도 전동화를 한층 강화한다. Trafic van E-Tech electric은 르노 브랜드 최초의 소프트웨어 정의 자동차(SDV)가 되며, 동시에 빠른 충전을 가능하게 하는 800V 기술을 탑재한 첫 모델이다. 최대 주행거리는 450 km다.
이게 중요한 이유는, 르노는 아직까지 SDV를 전 브랜드 차원으로 끌고 가지 않았다. 대신, 실제 양산과 활용 가치가 비교적 분명한 상용차에서 먼저 구체화했다.
기본적으로 르노의 SDV 전략은 구글(OS/클라우드)-퀄컴(AP)-발레오(하드웨어/소프트웨어)라는 강력한 에코시스템을 기반으로 한다. 특히 구글의 디지털 트윈 기술을 활용해 개발 기간을 획기적으로 단축하려 한다. 다시 말해, 르노의 SDV 접근은 급진적이라기보다는 단계적이고 적용가능한 영역부터 현실적으로 넓혀가는 방식에 가깝다.

R-Space Lab은 르노가 SDV와 AI, 새로운 실내 경험을 어디까지, 어떤 순서로 현실화할지를 가늠하게 하는 실험실이다. 예를 들어, 르노는 에어백을 시트 쪽으로 재배치하고 대시보드를 단순 수납부가 아닌 공간 활용 장치로 재해석했다.

Renault R-Space Lab
‘voitures a vivre’를 다시 해석하다

르노는 R-Space Lab을 통해 ‘voitures a vivre’, 즉 생활을 위한 차라는 브랜드 정신을 다시 해석하려 한다.
이 컨셉은 르노 그룹이 2030년형 스마트 차량을 탐색·준비하기 위해 만든 혁신 연구소 Futurama의 작업을 기반으로 한다. 밝고 모듈형인 실내, 인간 중심 콕핏, AI 기반 안전·편의 기능을 통해 차량 내 경험을 새롭게 정의하려 한다. 양산 모델의 직접적인 선행은 아니지만, 브랜드의 정신과 DNA, 그리고 향후 사용자 경험의 방향을 보여주는 실험적 데모라는 의미가 크다.
콕핏은 curved openR panorama 스크린, steer-by-wire, 중앙 터치 기반 조작을 통해 보다 직관적이고 인간 중심적인 인터페이스를 지향한다. 동시에 르노는 ‘human first’ 프로그램에 맞춰 촉각식 알코올 감지기, 차량 내 AI, Safety Coach 강화 등 안전과 개인화된 주행 경험을 위한 여러 가능성을 탐색하고 있다. 넉넉하고 유연한 실내 구성 역시 단순한 이동 수단이 아니라 생활 공간으로서의 차량 경험을 강조하는 요소다.
이 컨셉카가 보여주는 것은 화려한 미래가 아니다. 르노가 SDV와 AI, 새로운 실내 경험을 어디까지, 어떤 순서로 현실화할지를 가늠하게 하는 실험실이다. 르노는 기술과 경험의 방향성을 제시하되 실제 양산 전개는 보다 보수적이고 단계적으로 가져가겠다는 태도를 유지하고 있다.

글로벌 공세
다섯 개 허브와 지역 맞춤 확장

세 번째 축은 글로벌 시장 공세 강화다. 르노는 모로코, 튀르키예, 라틴 아메리카, 한국, 인도에 이미 강력한 산업 및 상업 기반을 갖추고 있다. 이 다섯 개 허브는 앞으로 르노의 성장 동력이 되며, 경쟁력 있는 차량을 개발·생산·수출하는 역할을 맡는다. 동시에 세 개의 글로벌 플랫폼을 중심으로 기술 기반을 공유한다.
캄볼리브는 이를 “지역 민첩성과 글로벌 일관성의 독특한 조합”이라고 설명했다. 이 표현은 이번 전략의 핵심을 잘 드러낸다. 르노는 이제 하나의 글로벌 모델을 일괄적으로 확장하는 방식보다, 지역별 수요와 조건에 맞춘 적응형 글로벌 구조를 택하고 있다.
실제 수치도 제시됐다. 르노는 2025년 유럽 외 지역에서 62만 대를 판매했으며, 이는 전년 대비 11% 증가한 수치다. 이 성과를 바탕으로 르노는 다섯 개 글로벌 허브의 잠재력을 최대한 활용해 글로벌 시장 성장 기회를 포착하는 동시에 유럽 내 경쟁력도 강화하겠다는 것이다.
이미 알려진 다섯 개 모델, 즉 Kardian, Duster, Grand Koleos, Boreal, Filante 외에도 르노 브랜드는 2030년까지 14개의 새로운 모델을 출시하며 글로벌 성장 전략을 가속할 계획이다. 르노는 특히 라틴 아메리카, 한국, 인도에 있는 허브를 우선적으로 활용할 것이다. 이들 지역은 합치면 유럽에 맞먹는 잠재력을 가진 시장으로 평가된다.
플랫폼 전략도 눈에 띈다. 르노는 공유 플랫폼, 시장별 전략적 파트너십, 민첩한 현지 조직을 통해 글로벌 차량을 개발하면서도 각 시장의 고유한 요구에 맞게 조정할 예정이다. 특히 Geely와의 협력을 통해 확보한 GEA(Geely Electric Architecture)와 CMA(Compact Modular Architecture) 플랫폼을 전략적으로 교차 활용하며, 브라질과 한국 등을 중심으로 무배출(Zero-emission) 및 저배출(Low-emission) 차량 라인업을 대폭 확대한다는 구상이다. 실제로 르노코리아가 3월 출시한 ‘오로라 2’ 프로젝트 Filante는 CMA 플랫폼 특유의 견고한 기본기와 250마력급 E-Tech 하이브리드 기술이 결합돼 르노가 지향하는 ‘현실적 전동화’가 어떻게 구체적인 결과물로 나타나는지를 보여줬다.
이는 르노가 더 이상 ‘유럽 본사 중심의 단일 확장’만으로는 성장하기 어렵다는 뜻이다. 플랫폼 공유와 외부 협력, 그리고 지역 생산 허브를 활용해 속도와 비용을 확보하되, 브랜드 정체성과 시장 적응력을 함께 가져가려는 구조다. 즉, 르노는 미래를 전적으로 스스로 통제하기보다, 통제가능한 것과 공유가능한 것을 구분해 조합하고 있다.

Bridger 컨셉은 르노의 글로벌 공세를 상징하는 쇼카다. 전장 4 m 이하의 SUV로, B세그먼트에서 새로운 고객을 확보하고 도시 주행의 새 기준을 제시하는 모델이다.
2년 이내 인도에서 개발될 첫 번째 차량의 선행 모델로, 시장에 따라 내연기관, 하이브리드, 전기 버전으로 제공될 예정이다.
2027년 인도에서 먼저 출시된 뒤 다른 시장으로 점진적으로 확대된다.

인도는 핵심 허브
Bridger는 상징적 모델

인도는 이번 계획의 핵심 축 가운데 하나다. 르노는 인도를 전동화와 SUV 판매 확대에 힘입어 세계에서 가장 빠르게 성장하는 자동차 시장 중 하나로 보고 있다. 르노는 15년 동안 인도에 진출해 있었고, 시장에 대한 깊은 이해와 통합된 현지 생태계를 확보하고 있다.
이에 따라 인도는 자국 시장뿐 아니라 다른 여러 국가를 위한 글로벌 생산 및 공급 허브가 될 예정이다. 2030년까지 4개의 신모델이 인도에서 설계·조립되며, 여기에는 100% 전기차와 풀 하이브리드도 포함된다.
Bridger 컨셉은 르노의 글로벌 공세를 상징하는 쇼카다. 전장 4 m 이하의 SUV로, B세그먼트에서 새로운 고객을 확보하고 도시 주행의 새로운 기준을 제시하는 모델로 설명된다. 이 차량은 르노 그룹의 새로운 기준에 따라 2년 이내 인도에서 개발될 첫 번째 차량의 선행 모델이며, RGMP small 플랫폼 위에서 개발된다. 시장에 따라 내연기관, 하이브리드, 전기 버전으로 제공될 예정이고, 2027년 말까지 인도에서 먼저 출시된 뒤 다른 시장으로 점진적으로 확대된다.
Bridger의 의미는 디자인 디테일보다 구조에 있다. 소형 SUV, 멀티 에너지, 인도 개발·생산, 이후 글로벌 전개라는 조합은 르노의 향후 글로벌 확장 방식을 압축해 보여준다.

‘미래를 하나로 정의하지 않는 것’

이번 전략에서 르노는 향후 4년간 26개의 신제품을 출시하고 2030년에는 승용차와 경상용차를 합쳐 200만 대 이상을 판매하겠다는 목표를 제시했다. 유럽에서는 E-Tech electric과 E-Tech full hybrid를 기반으로 에너지 전환을 이끄는 대표적인 대중 브랜드의 지위를 유지하고, 판매의 100%를 전동화하는 것이 목표다. 동시에 유럽 외 지역에서는 성장과 전동화의 잠재력을 활용해 판매의 절반을 유럽 외 지역에서 달성하고, 전기 및 하이브리드 파워트레인의 비중을 50%까지 끌어올린다는 계획이다.
‘futuREady’ 전략은 르노가 미래를 하나로 정의하지 않는다는 것을 보여준다. 유럽에서는 전기차 중심 전환을 준비하지만 하이브리드를 놓지 않고, SDV는 상용차와 콕핏 경험처럼 실현 가능한 영역부터 단계적으로 적용한다. 글로벌 확장도 단일 모델을 일괄적으로 늘리는 방식이 아니라 지역 허브, 공유 플랫폼, 현지 적응을 결합하는 방식으로 전개된다.
르노의 특이점은 이 미래를 거대한 기술 서사로 포장하지 않는다는 데 있다. 대신 외부 협력, 멀티 에너지, 지역 생산 거점, 단계적 SDV 적용을 묶어 현실적인 이행 단계로 만든다. 르노가 내놓은 것은 ‘우리가 미래를 주도한다’는 식이 아니라, 갈라진 시장에서 어떤 조합이 실제로 가능할 것인지를 보여주는 계획에 더 가깝다.

Filante는 CMA 플랫폼과 현실적 전동화가 어떻게 결과물로 나타났는지 보여주는 강력한 증거다.

ID.UNYX 08 양산: 폭스바겐의 ‘In China, for China’

한상민 기자_han@autoelectronics.co.kr — 2026-03-16 10:45:54+0900

폭스바겐이 중국 전략의 성과를 실제 제품으로 보여주기 시작했다. 중국 허페이(Hefei)의 폭스바겐 안후이(Volkswagen Anhui) 공장에서 생산라인을 타고 나오기 시작한 ID.UNYX 08은 단순한 신차가 아니다. 폭스바겐이 지난 몇 년간 반복해 강조해 온 “In China, for China” 전략이 실제로 어떤 형태를 갖게 되는지 보여주는 첫 번째 대답이다.

글 | 한 상 민 기자_han@autoelectronics.co.kr

상징성이 크다. ID.UNYX 08은 폭스바겐이 중국 전기차 기업 XPENG과의 공동개발을 통해 탄생한 첫 폭스바겐 모델로, 협력 시작 후 불과 24개월 만에 양산 단계에 들어섰다. 전통적인 글로벌 OEM의 개발 리듬으로 보면 이는 상당히 공격적인 속도다. 더 중요한 것은, 폭스바겐이 이 점을 숨기지 않는다는 사실이다. 오히려 스스로 이를 ‘China Speed’라고 부르며, 중국 시장에서의 전환 속도를 전면에 내세우고 있다. 과거 같으면 외부 압박처럼 들렸을 이 말이 이제는 폭스바겐이 자사 전략의 일부로 가져다 쓰는 표현이 됐다.

중국 시장에 맞춘 첫 번째 답

ID.UNYX 08은 폭스바겐이 중국에서 내놓는 첫 풀 커넥티드(full-connected) 풀사이즈 전기 SUV다. 800V 초고속 충전 기술, 자율주행 레벨 2+의 ADAS, OTA 업데이트 기반 지속적인 기능 진화 등 중국 시장이 요구하는 핵심 사양을 전면에 배치했다.
하지만 이런 기능 리스트보다 더 중요한 것이 있다. 이 차는 폭스바겐이 지금 중국 시장에서 무엇을 배워야 하는지, 무엇만큼은 끝까지 지키려 하는지를 함께 보여준다. 다시 말해, 이 차는 세계 톱 OEM의 지위를 유지하려면 중국 시장을 포기할 수 없고, 그렇게 하려면 중국 시장의 기술 리듬과 속도를 받아들이면서도 폭스바겐 고유의 안전, 품질, 주행감, 내구성이란 브랜드 자산을 어떻게 유지할 것인가란 질문에 대한 첫 답변이다.
폭스바겐 그룹의 올리버 블루메(Oliver Blume) CEO는 이 차를 두고 3년 전 시작한 강력한 중국 전략이 이제 본격적으로 힘을 발휘하고 있다고 평가했다.
“3년 전 우리는 강력한 중국 전략을 시작했습니다. 이제 그 전략이 완전한 힘을 발휘하고 있습니다. ID.UNYX 08은 이를 보여주는 또 하나의 인상적인 증거입니다. 이 차량은 중국에서 중국을 위해 개발됐습니다. 독일식 엔지니어링과 현지의 최첨단 기술이 결합됐습니다. 그리고 매우 빠른 속도로, 매력적인 가격에 시장에 출시됐습니다. ID.UNYX 08과 같은 차량은 우리가 글로벌 자동차 기술을 이끄는 기업이 되려는 야심의 일부입니다.”
이 발언은 폭스바겐이 중국을 단순 판매 시장이 아니라, 기술과 개발의 주 무대로 보고 있음을 보여준다. 과거에는 독일 본사에서 정립한 제품과 프로세스를 중국에 가져와 현지화하는 방식이었다면, 이제는 중국 안에서 중국 고객을 겨냥한 제품을 기획하고, 중국 생태계와 협력해 개발 리듬을 바꾼다. 그리고 그 결과를 다시 그룹 전체 경쟁력으로 되돌린다.
즉 “In China, for China”는 더 이상 로컬 판매 전략에 머물지 않는다. 폭스바겐 내부의 개발 구조와 실행 구조까지 흔드는 전략이 되고 있다.

‘China Speed’를 말하기 시작한 폭스바겐

폭스바겐 차이나 그룹의 랄프 브란트슈테터(Ralf Brandstatter) CEO는 이를 더 자세히 설명한다.
“우리의 ‘In China, for China’ 전략이 성과를 내고 있습니다. ID.UNYX 08을 통해 우리는 그룹 역사상 가장 큰 전기차 공세를 중국에서 시작합니다. 올해 폭스바겐 그룹은 평균적으로 2주마다 새로운 전기차 모델을 출시하고 있습니다. 이것이 바로 ‘China Speed’입니다.”
유럽계 전통 OEM은 이제 중국 시장의 속도를 외부 환경으로만 보는 것이 아니라, 스스로 내재화해야 할 실행 모델로 받아들이고 있다. ID.UNYX 08은 새로운 세대의 폭스바겐 스마트 전기차 가운데 첫 모델이다. 중국 고객 요구에 완전히 맞춰 설계된 차량이며, 최첨단 기술을 탑재했고, 무엇보다 2년이 채 되지 않는 기간 동안 현지에서 개발됐다.
여기서 말하는 ‘현지 개발’의 의미도 예전과 다르다. 자동차 산업에서 현지 개발은 더 이상 단순히 현지 부품을 많이 쓰거나, 현지 소비자 취향에 맞춰 옵션을 조정하는 수준을 뜻하지 않는다. 지금 중국 시장에서 현지 개발이란, 제품 정의, E/E 아키텍처, 소프트웨어 업데이트, 고객 경험, 공급망, 그리고 개발 의사결정 속도까지 모두 로컬로 움직이는 것을 의미한다.

XPENG과의 협력은 무엇을 의미하나

여기서 XPENG과의 관계가 중요하다. 단순 합작 이상이다.
XPENG의 허샤오펑 회장 겸 CEO는 “ID.UNYX 08이 양산에 들어가면서, 폭스바겐 그룹과의 협력이 가시적인 성과를 만들어냈습니다. 상호 신뢰와 긴밀한 협력을 기반으로, 이 파트너십은 양측의 강점을 결합하여 장기적인 가치를 창출할 수 있게 합니다. 우리는 앞으로도 협력을 지속하며 상호 윈윈하는 미래를 기대하고 있습니다”라고 말했다.
다소 원론적인 메시지처럼 보일 수 있지만, 실제로는 훨씬 더 구체적인 의미를 담고 있다.
글로벌 레거시 OEM과 중국 신흥 EV 기업이 서로에게 기대하는 것은 단순하지 않다. XPENG은 폭스바겐의 글로벌 제조 기준, 품질 관리 체계, 브랜드 자산을 통해 한 단계 더 넓은 스케일의 산업적 신뢰를 얻을 수 있다. 반대로 폭스바겐은 XPENG을 통해 중국식 제품 정의, 전동화 개발 속도, 소프트웨어 중심 사고, 그리고 로컬 생태계와의 결합 방식을 더 가까이에서 체득할 수 있다. 이 협력은 한쪽이 다른 쪽을 단순히 활용하는 관계라기보다, 각자의 부족한 부분을 메우는 전략적 상호 보완에 가깝다.
그들의 프로젝트는 한 모델에 그치지 않는다. 폭스바겐은 2023년 XPENG과 장기 전략 파트너십을 체결했고, 그 결과로 두 개의 순수 전기 모델이 공동개발되고 있다. ID.UNYX 08에 이은 두 번째 모델도 올해 안에 공개되고 시장에 나올 예정이다. 이 점에서 이번 양산은 ‘첫 차 출고’ 이상의 의미를 가진다.

중국 시장을 위한 준비를 마친 ID.UNYX 08이 중국 허페이의 폭스바겐 안후이 공장에서 본격적인 양산에 들어갔다.

차보다 더 중요한 것, 구조와 조직

ID.UNYX 08의 의미는 차량 자체보다 그 차량을 가능하게 만든 조직과 구조로 이동한다.
폭스바겐은 빠르게 진화하는 ICV(Intelligent Connected Vehicle) 시대에 대응하기 위해, 지난 3년간 중국 내 R&D 역량과 로컬 생태계 연계를 강화해 왔다. 강력한 NEV 포트폴리오와 현지 개발 ICV 기술을 축으로 다음 성장 국면을 준비하고 있다.
중국에서 경쟁력을 유지한다는 것은 차종 몇 개를 빠르게 내놓는 문제만이 아니다. 고객 요구의 변화 속도, 소프트웨어 반복 주기, 공급망 현지화, E/E 플랫폼의 유연성, 파트너십 기반의 개발 구조까지 모두 맞물려 돌아가야 한다. 폭스바겐은 이제 그 전체 구조를 중국 안에서 다시 짜고 있다.
그리고 이 과정에서 중요한 역할을 맡는 조직이 VCTC다. VCTC는 이 협력 모델 개발에서 XPENG의 개발 파트너로 작동했다. 현지 혁신기술을 통합하는 것에 그치지 않고, 제품 디자인 정의, 기술 검증과 승인, 품질 기준 수립, 주행 성능 튜닝을 주도했다.
핵심은 단순 현지화가 아니라, 브랜드 DNA를 유지하는 현지 개발이라는 데 있다. 폭스바겐은 로컬 기술과 빠른 개발 리듬을 받아들이면서도, 엄격한 품질과 안전, 그리고 자사 특유의 주행 경험을 유지하겠다고 말한다. 폭스바겐은 지금 중국에서, 속도를 받아들이면서도 자신들의 감각과 기준을 잃지 않는 어려운 줄타기를 실험하고 있는 셈이다.

CEA가 보여주는 더 깊은 전환

전환의 더 깊은 층위는 소프트웨어와 E/E 구조에 있다. VCTC, CARIAD China, 그리고 XPENG은 함께 폭스바겐 그룹 최초의 현지 설계 조널(zonal) 아키텍처, 즉 China Electronic Architecture(CEA)를 공동개발했다. 이 아키텍처는 향후 중국 내 폭스바겐 브랜드 차량 전반에 적용될 예정이며, NEV 뿐 아니라 내연기관 차량까지 포괄할 수 있도록 설계됐다. 첫 CEA 적용 모델은 올해 안에 시장에 출시될 계획이다.
중국 자동차 시장의 경쟁은 개별 차종 차원의 경쟁에 머물지 않는다. 누가 더 빨리 차를 내놓느냐보다, 누가 더 빨리 차를 낼 수 있는 구조를 먼저 구축하느냐의 경쟁으로 이동했다. 그런 점에서 CEA는 폭스바겐이 중국에서 속도와 유연성을 확보하기 위해 새로 세우는 기반 질서에 가깝다. 다시 말해 ID.UNYX 08이 눈앞의 제품이라면, CEA는 그 뒤에서 폭스바겐의 중국 전략 전체를 떠받치는 보이지 않는 토대다.

중국 전환의 시작점

ID.UNYX 08의 시장 출시는 올해 상반기로 예정돼 있다. 이 차는 그 뒤에 이어질 공세의 출발점이다. 폭스바겐은 올해 중국에서만 20개 이상의 현지 개발 모델을 내놓겠다고 밝혔고, 2030년까지는 50개의 새로운 NEV 모델을 시장에 투입할 계획이다. 2025년 전략적으로 ‘Delivery Mode’ 전환을 마친 뒤, 2026년에는 차세대 제품과 기술 론칭을 본격적으로 가속한다.
결국 ID.UNYX 08은 하나의 차이면서 동시에 하나의 메시지다. 폭스바겐은 중국에서 더 이상 예전 방식으로 싸우지 않는다. 독일 본사 중심의 유산만으로는 부족하고, 중국의 고객 리듬과 기술 리듬, 실행 리듬을 흡수해야 했다. 다만 그 방향이 폭스바겐이라는 브랜드를 지우는 것은 아니다. 독일식 엔지니어링과 중국 현지 혁신을 결합하되, 폭스바겐의 핵심 가치는 유지한다.
폭스바겐은 ID.UNYX 08을 통해 중국 시장에서 살아남겠다고 말하는 데서 한 걸음 더 나아가, 중국의 속도와 기술, 그리고 로컬 생태계의 실행 방식을 자사 미래의 일부로 편입했다.
물론, 이것이 실제 판매 성과와 브랜드 전환, 그리고 향후 폭스바겐 전체 기술 전략에 어떤 영향을 미칠지는 조금 더 지켜봐야 한다. 하지만 적어도 지금 시점에서 분명한 것은 ‘In China, for China’가 더 이상 발표 자료 속 문장이 아니란 것이다.

Automotive UX After Peak Display

Peter Rossger, beyond HMI///// Peter.Roessger@beyond-hmi.de — 2026-03-10 14:45:21+0900

Peak Display 이후의 자동차 UX

글 | 피터 뢰스거 박사(Dr. Peter Rossger), beyond HMI///// Peter.Roessger@beyond-hmi.de — 2026-03-10 14:18:59+0900

이 글은 글로벌 HMI 키노트 스피커이자 UX 전문가인 피터 뢰스거 박사가 CES 2026 현장을 직접 보고 정리한 에세이다. 피터는 CES 2026을 통해 자동차 UX가 하나의 전환점에 이르렀다고 말한다. 지난 10여 년 동안 자동차 산업이 디지털 콕핏과 대형 디스플레이 경쟁에 집중해 왔다면, 이제는 그 흐름이 정점에 가까워지며 ‘스크린 이후의 인터페이스’가 떠오르고 있다는 것이다. 앞으로 차량 UX는 음성, 햅틱, 조명, 사운드, 물리적 피드백이 결합된 멀티모달 인터페이스로 확장되고, AI는 인간과 차량 시스템의 관계 자체를 바꾸게 된다.

글 | 피터 뢰스거 박사(Dr. Peter Rossger), beyond HMI///// Peter.Roessger@beyond-hmi.de
정리 | 한 상 민 기자_han@autoelectronics.co.kr
IN ENGLISH

뢰스거 박사는 ‘beyond HMI/////’를 운영하며 기술 개발 중심에 ‘사람’을 둠으로써 고객에게 새로운 수준의 사고, 인식, 의사결정 및 실행 비전을 제공하고 있다. 컨설팅 외에도 인간과 기술 간 관계 분야의 저자이자 키노트 스피커로서 활동하고 있다. beyond HMI///// 이전에는 전자 서비스 회사에서 4년, 하만 오토모티브(Harman Automotive, 현재는 삼성)에서 12년, 다임러에서 4년을 보냈다. 베를린 공과대학에서 인간공학(Human Factors Engineering) 박사학위를 취득했다.

라스베이거스 컨벤션 센터를 가로지르며 63km, 약 39마일을 걸은 강렬한 4일이었다. 21건의 예정된 미팅이 있었고, 복도와 부스, 셔틀버스에서도 수많은 즉흥적인 대화가 이어졌다. CES 셔틀과 라스베이거스 모노레일 탑승까지 더해진 현장은 그 자체로 거대한 흐름처럼 다가왔다. CES는 늘 미래를 며칠간의 피로와 영감 속에 압축해 보여주는 행사다. 이곳은 기술이 어디로 향하는지뿐 아니라, 기술과 인간의 관계가 어떻게 바뀌고 있는지도 드러낸다. 이 글은 그런 소음과 이동, 카페인 속에서 내가 본 것의 의미를 붙잡아 보려는 시도다. 제품 카탈로그도, 유행만 좇는 트렌드 목록도 아니다. 자동차와 모빌리티, HMI, AI를 중심으로 기술과 인간의 관계에서 드러난 패턴과 부재, 모순과 신호를 돌아본다.

누가 왔고 누가 오지 않았나
CES 전시장은 여전히 글로벌 기술·전자 기업들이 주도했다. LG, 파나소닉, 소니, 보쉬 같은 주요 플레이어들은 올해도 강한 존재감을 보였고, 디스플레이와 센서, AI 기반 시스템, 스마트 환경, 플랫폼 기술 등 폭넓은 영역을 전시했다. 아마존 같은 플랫폼 기업들은 CES가 하드웨어보다 소프트웨어 생태계, 클라우드, AI 중심 비즈니스 모델로 재편되고 있음을 보여줬다. HERE는 매핑과 위치 지능을, 지멘스는 산업기술과 자동화를, 가민은 소비자 지향 모빌리티와 내비게이션 솔루션을 대표했다.
기술 대기업 외에 눈에 띈 흐름은 이륜차와 마이크로 모빌리티의 확대였다. 전기 오토바이, 전기 자전거, 스쿠터, 공유 모빌리티 기업들의 증가는 CES의 모빌리티 서사가 더 이상 자동차 중심에 머물지 않고 보다 도시적이고 유연한 방향으로 확장되고 있음을 보여준다. 여기에 AI 스타트업, 센서 기업, 소프트웨어 플랫폼 기업이 더해지며 CES는 모빌리티를 완성품보다 디지털·데이터·AI 기반 응용 영역으로 다루는 ‘기술 우선’ 행사라는 성격을 더욱 분명히 했다.
그러나 더 중요한 것은 누가 있었는가보다 누가 없었는가다. AI, 연결성, 자율주행, 소프트웨어 정의 시스템이 CES의 핵심 화두였음에도 전통적 자동차 제조사의 존재감은 예전보다 줄었다. 메르세데스, 아우디, 토요타, 피아트, 스텔란티스 등은 전시장에서 모습을 드러내지 않았다. 기존 완성차 브랜드 가운데서는 BMW가 거의 유일하게 공식 존재감을 유지했고, 중국에서는 지리와 장성 정도가 눈에 띄었다. 현대자동차도 참가했지만 전통적인 자동차 전시보다는 로보틱스와 미래 자동화에 초점을 맞췄다.
이 부재는 분명한 질문을 남긴다. CES가 자동차 제조사들에게 여전히 매력적인 소통 플랫폼인지, 아니면 혁신 스토리텔링의 중심이 자체 행사나 지역 행사로 이동하고 있는지다. 분명한 것은 CES와 전통적인 자동차 OEM 사이의 관계가 이전과는 다른 국면으로 들어섰다는 점이다.

세 가지 하이라이트
첫째는 SoundHound의 에이전틱 AI 음성 상호작용이다. 이 시스템은 문맥을 유지하고 복잡한 다단계 의도를 처리하며, 선제적으로 사용자를 지원하는 고도화된 음성 인터페이스를 보여줬다. 자동차 환경에서는 운전자의 인지 부하를 크게 줄여줄 수 있다는 점에서 특히 인상적이었다. 둘째는 NXP의 인캐빈 센싱이다. 레이다와 스마트워치 등을 결합해 탑승자의 상태와 주의 수준을 파악하는 센서 퓨전 접근으로, 더 안전하고 쾌적한 실내 경험의 가능성을 제시했다. 셋째는 Alps Alpine의 크로스 도메인 HMI 기술이다. 자동차를 넘어서는 상호작용 포트폴리오를 통해 비자동차 분야의 입력·인터페이스 혁신이 미래 자동차 HMI 디자인에 어떤 영향을 줄 수 있는지를 보여줬다.

가장 큰 실망
가장 큰 실망은 자동차 OEM과 주요 공급사들의 낮은 참여도였다. 이는 CES가 종합적인 자동차 혁신 플랫폼으로서 갖는 역할을 약화시키는 요소로 보였다. 특히 2025년에 미래지향적인 부스를 선보였던 IAV의 부재는 더욱 아쉬웠다. 더 근본적으로는 파괴적인 자동차 트렌드가 부족했다는 점도 실망스러웠다. 개별 기술은 인상적이었지만, 그것이 미래 자동차에 대한 새로운 내러티브로 이어지는 경우는 드물었다. 대담한 UX 비전이나 패러다임 전환을 이끌 만한 아이디어도 많지 않았다.

Realbotix

가장 소름 돋았던 순간
가장 소름 돋았던 순간은 노스 홀의 휴머노이드 로봇들이었다. 기술적으로는 놀라웠지만, 문제는 이들을 의도적으로 인간처럼 보이게 만들려는 시도였다. 모자와 옷, 실리콘 피부는 기술적 감탄을 오히려 불쾌감으로 바꾸었다. 이것이 바로 ‘불쾌한 골짜기’다. 정말 필요한 것은 인공 인간일까. 로봇은 인간의 복제판이 아니라, 명확히 기계로 보이도록 디자인하는 편이 더 투명하고 덜 기괴할 수 있다.

CES가 말하지 않은 것들
CES 2026은 기술적 폭과 혁신 밀도 면에서 풍부한 행사였지만, 동시에 몇 가지 중요한 공백도 드러냈다. 이것은 전통적인 의미의 실패라기보다, 현재 산업이 어디에서 망설이고 있는지를 보여주는 지점이다.
AI와 자율성, 지능형 시스템은 전시장 곳곳에서 강조되었지만, 윤리적 논의는 대부분 안전과 규제 준수 수준에 머물렀다. 책임, 장기적 사회 영향, 의사결정의 투명성, 인간의 통제권 같은 문제는 구체적인 설계나 기술 개발의 언어로 거의 다뤄지지 않았다. 윤리는 기술 개발의 핵심이라기보다 체크리스트처럼 취급되는 경우가 많았다.
또 하나의 공백은 지능화되는 HMI가 인간의 인지와 심리에 미치는 영향에 대한 성찰 부족이었다. 상호작용 기술은 인상적이었지만, 그것이 장기적으로 인간의 주의력, 의존성, 숙련도 저하, 신뢰 형성에 어떤 영향을 미칠지에 대한 논의는 드물었다. 자동화와 AI 보조 시스템이 인간의 능력을 약화시킬 가능성에 대한 비판적 논의 역시 부족했다. 편의성과 안전 향상은 강조되었지만, 인간이 어느 정도의 능력을 계속 유지해야 하는지, 시스템이 인간의 숙련을 어떻게 지원할 수 있는지에 대한 질문은 거의 제기되지 않았다.
전시는 무엇이 가능한지를 보여주는 데에는 뛰어났지만, 무엇을 해야 하는지, 무엇을 피해야 하는지, 그리고 기술적 힘이 커질수록 어떤 책임이 따라오는지에 대한 논의에는 훨씬 적은 시간을 할애했다.

두 가지 연결된 주요 트렌드: 로보틱스와 인공지능
올해 가장 분명한 흐름은 로보틱스와 인공지능의 결합이었다. 중요한 것은 두 기술이 각각 강해졌다는 사실만이 아니라, 이 둘이 점점 하나의 결합된 흐름으로 작동하기 시작했다는 점이다. 바로 그 융합이 새로운 가치 창출의 원천이 되고 있다.
CES에서 로봇은 비전 기반 지각, 대규모 언어모델, 에이전틱 AI 구조, 학습 기반 제어가 깊게 통합되면서, 미리 정해진 순서를 수행하는 수준을 넘어 문맥을 이해하고 인간의 의도를 해석하며 변화하는 환경에 맞춰 행동을 조정하기 시작했다.
인간 중심 관점에서 이 변화는 매우 중요하다. 기술은 인간의 삶을 실제로 개선할 때 비로소 의미를 갖는다. 노력과 부담을 줄이고, 안전을 높이며, 접근성을 넓히고, 사람이 더 중요한 일에 집중할 수 있게 할 때 기술은 가치를 가진다. 이번 전시에서도 그런 가치 지향적 접근이 분명히 드러났다. 물류와 산업 환경에서는 지능형 로봇이 부담을 줄이고 신뢰성을 높일 가능성을 보여줬고, 서비스 분야에서는 사람을 대체하기보다 일상적 상호작용을 지원하는 방향이 제시됐다. 모빌리티 영역에서도 로봇 시스템은 더 안전하고 예측 가능하며 포용적인 이동 경험에 기여하는 쪽으로 진화하고 있었다.
핵심 논리는 분명하다. AI는 로봇에 상황 이해 능력을 부여하고, 로보틱스는 AI에 물리적 존재를 부여한다. 결국 두 기술의 가능성은 정교함 자체가 아니라, 유용하고 신뢰할 수 있으며 인간의 필요와 정렬된 시스템을 만드는 데 있다. 가장 설득력 있었던 사례는 최대 수준의 자율성이나 인간과의 닮음을 과시한 것이 아니라, 지능형 기계가 어떻게 일을 더 안전하게 만들고, 모빌리티를 더 신뢰 가능하게 하며, 일상을 더 관리 가능하게 만드는지를 분명히 보여준 경우였다. 이런 의미에서 로보틱스와 AI의 융합은 기술을 단순한 볼거리에서 실제 인간 가치 창출의 수단으로 이동시키는 변화다.

자동차 트렌드: 우리는 어디로 가고 있는가
CES 2026은 자동차와 모빌리티 혁신이 더 이상 하나의 주도 기술만으로 움직이지 않음을 다시 보여줬다. 전시는 명확하고 통일된 자동차 로드맵을 제시하기보다, 전환기에 놓인 산업의 파편화된 풍경을 드러냈다. 소프트웨어 정의 자동차(SDV), 인공지능, 자동화와 자율주행, 이륜차, 마이크로 모빌리티는 서로 다른 서사로 전개됐고, 때로는 서로를 강화하고 때로는 관심을 놓고 경쟁했다. 여기에 OEM과 공급사의 선택적 참여, 기술 기업의 강한 존재감, 비자동차 분야의 영향력 확대까지 더해지며, 모빌리티의 미래가 점점 전통적 자동차 산업의 경계 밖에서 형성되고 있음을 보여줬다.

SDV
가장 결정적인 흐름 중 하나는 SDV의 부상이었다. 이를 이해하려면 스마트폰 산업과의 비교가 유효하다. 오늘날 스마트폰은 하드웨어 자체보다 소프트웨어, 앱, 운영체제, 디지털 생태계가 제품의 가치와 경험을 규정한다. 자동차도 같은 방향으로 이동하고 있다. 차량은 점점 업데이트 가능하고 확장 가능한 플랫폼이 되고 있으며, 기능과 사용자 경험은 판매 시점에 고정되지 않고 소프트웨어를 통해 계속 진화한다. 이제 자동차의 가치는 기계적 사양만이 아니라, 시간이 지나며 어떻게 바뀌고 확장되는가에 달려 있다.

Afeela 1

Tensor Car

주행 및 차량의 자동화와 자율성
자율주행의 약속은 여전히 유효하지만, 질문의 초점은 ‘언제 실현되는가’에서 ‘어떻게 작동하고 어떤 가치를 주는가’로 이동하고 있다. 핵심은 기술이 인간과 어떻게 협력하고, 어떻게 신뢰를 형성하며, 단순히 운전을 대신하는 것을 넘어 어떤 새로운 경험을 제공하느냐다. 자율주행은 이제 단순한 주행 기술이 아니라, 차량 내부 공간의 활용과 인터페이스 구조 자체를 바꾸는 힘이 되고 있다.

이륜차의 혁신 성장
전기 오토바이, 전기 자전거, 스마트 스쿠터의 존재감은 단순한 탈것 전시가 아니라, 전동화와 디지털화가 자동차를 넘어 개인 모빌리티 전반으로 확산되고 있음을 의미한다. Matter나 Verge 같은 기업은 이륜차가 더 이상 단순하고 저렴한 이동수단이 아니라, 고성능 전기 구동계와 정교한 데이터 연결성을 갖춘 기술 집약적 제품이 될 수 있음을 보여줬다.

마이크로 모빌리티: 의미와 무의미
마이크로 모빌리티는 도시 혼잡, 주차 공간 부족, 짧은 통근 문제에 대응할 수 있는 잠재력을 지닌다. 도시 환경에 잘 통합된다면 기존 교통 인프라의 부담을 유의미하게 줄일 수 있다. 그러나 CES에서는 유용성이 의심되는 장난감 같은 개념들도 함께 등장했다. 사용자가 앉아서 타는 전동 보드 케이스 같은 제품은 기술적으로 흥미롭고 재미는 있었지만, 실제 모빌리티 가치보다 새로움 자체를 우선하는 인상이 강했다. 이번 전시는 마이크로 모빌리티의 진지한 가능성과, 모빌리티와 라이프스타일 가젯의 경계를 흐리는 실험이 동시에 존재함을 보여줬다.

자동차에서의 인공지능
인공지능은 CES 전반에 깊게 스며들어 있었고, 자동차 분야에서도 그 역할이 분명히 확장되고 있었다. 자동차 AI는 크게 두 갈래로 발전하고 있다. 하나는 차량 내부에서의 AI이고, 다른 하나는 차량 개발 과정에서의 AI다.
차량 내부의 AI는 음성 비서, 상황 인지형 HMI, 개인화 기능, 운전자 및 탑승자 모니터링, 적응형 차량 동작 등을 통해 사용자 경험과 안전, 기능성을 높이는 방향으로 발전하고 있다. 이 시스템들은 더 이상 단순한 입력에 반응하는 수준이 아니라, 사용자의 의도와 상황을 이해하려는 방향으로 나아가고 있다.
한편 더 조용하지만 장기적으로 더 큰 변화를 만들 가능성이 있는 것은 개발 프로세스 안의 AI다. AI 기반 코딩 지원, 시뮬레이션, 테스트 자동화, 버그 탐지, 예측 품질 보증 도구들은 소프트웨어 복잡성과 긴 개발 주기에 시달리는 자동차 산업에 큰 효율 향상을 약속한다. 앞으로 자동차 기업의 경쟁력은 차량이 얼마나 똑똑하게 움직이느냐뿐 아니라, 얼마나 똑똑하게 개발되느냐에도 달려 있다.

그 외: 나머지 중 최고
주요 흐름 외에도 몇 가지 보조 트렌드가 눈에 띄었다. 하나는 차량이 더 큰 디지털 생태계의 일부가 되고 있다는 점이다. 자동차는 스마트폰, 웨어러블, 클라우드, 스마트홈과 연결된 하나의 접점으로 재정의되고 있으며, 사용자 경험은 기기를 넘나들며 이어지는 방향으로 진화하고 있다.
또 하나는 전통적 ADAS를 넘어서는 인간 중심 안전 개념이다. 단순히 개입 시스템의 성능을 높이는 것이 아니라, 운전자와 탑승자의 주의력, 스트레스, 피로, 인지 부하를 이해하는 방향으로 안전의 개념이 넓어지고 있다. 또, 차량과 이륜차, 마이크로 모빌리티 장치 전반에서 하드웨어의 플랫폼화가 진행되고 있었다. 하드웨어는 점점 표준화되고, 차별화는 소프트웨어와 서비스, 디지털 경험에서 만들어진다. 지속가능성 역시 거대한 구호보다는 효율, 라이프사이클 최적화, 자원 절감, 에너지 효율적 소프트웨어 전략 같은 실무적인 형태로 나타났다.

자동차 및 모빌리티 제품
BMW 파노라믹 드라이브
BMW 부스는 올해도 CES의 주요 하이라이트 가운데 하나였다. BMW는 CES를 단순한 기술 전시가 아니라 하나의 경험 공간으로 이해하고 있었다. 커피와 물, 사탕을 제공하는 환대의 분위기부터 차량과 인포테인먼트 컨셉트 시연까지, 부스 전체는 호스피탈리티와 스토리텔링, 혁신이 결합된 무대처럼 구성됐다.
발표 중심에는 BMW 파노라믹 드라이브가 있었다. BMW는 게임화와 엔터테인먼트를 부가 기능이 아니라 차량 내 경험의 핵심 요소로 제시했다. 자동화가 확대되고 차 안에서의 자유 시간이 늘어나는 미래를 고려하면, 이런 접근은 더욱 의미가 크다. 대형 공간형 디스플레이와 지능형 소프트웨어를 바탕으로 차량 실내를 몰입형 디지털 환경으로 바꾸려는 시도가 분명했다.

Verge motorbike with a Donut

Verge Donut
Verge Donut은 특정 차량 하나를 위한 기술이라기보다, 전기 구동 자체를 다시 생각하게 만드는 개념에 가깝다. Verge Motorcycles가 개발한 이 기술은 바퀴 안에서 직접 토크를 전달하는 허브리스 인휠 전기 모터다. 전통적인 구동계 부품을 줄이거나 없앰으로써 효율과 패키징, 기계적 단순성 측면에서 분명한 이점을 제공한다. 더욱 흥미로운 점은 확장 가능성이다. 오토바이뿐 아니라 배송 차량, 상용 트럭, 특수 모빌리티 플랫폼, 나아가 드론이나 자율 로봇 같은 비지상 기반 모빌리티에도 응용할 수 있다. 그런 의미에서 Verge Donut은 단순 부품이 아니라 다양한 모빌리티를 위한 빌딩 블록처럼 보였다.

TomTom
TomTom은 웨스트 홀의 별도 회의실에서 매우 설득력 있는 발표를 진행했다. 이들은 소프트웨어 정의 모빌리티의 핵심 기반으로서 지도와 위치 지능의 진화에 초점을 맞췄다. 단순한 정적 내비게이션 도구가 아니라, 지도를 지속적으로 갱신되고 해석되는 AI 기반 위치 인텔리전스로 제시한 점이 인상적이었다. 이는 지도가 단순한 길 안내를 넘어 차량과 서비스, 사용자 경험을 연결하는 동적 플랫폼으로 작동하게 될 것임을 시사한다.

AGC Glass와 Gentex
AGC는 첨단 유리 기술이 차량 실내에서 시각적으로 과도하게 드러나지 않으면서도 능동적인 가치 창출 인터페이스 레이어로 작동할 수 있음을 보여주었다. 디스플레이, 터치, 조명, 센싱을 하나의 유리 표면에 자연스럽게 통합하면서도 시각적으로는 차분하고 절제된 상태를 유지하는 기술은 필요할 때만 기능을 드러내는 ‘Shy Tech’ 개념과 맞닿아 있다. HMI 관점에서 이는 인지 부하를 줄이고 공간적·미적 명료성을 유지하는 인간 중심 경험을 가능하게 한다.
Gentex 역시 같은 맥락에서 인상적이었다. 이들은 미러와 같은 익숙한 부품 안에 디스플레이, 센싱, 디밍, 운전자 모니터링 기능을 자연스럽게 통합했다. 새로운 화면을 추가하지 않으면서도 기능을 확장하고 인지 부담을 줄이는 방식이다. 더 큰 디스플레이와 더 복잡한 인터페이스가 지배하는 전시에서 Gentex는 기술을 얼마나 크게 보여줄 것인가보다 어디에 어떻게 통합할 것인가가 UX와 안전에 더 중요할 수 있음을 보여줬다.

추가 모빌리티 제품들
드론은 올해도 눈에 띄는 존재였다. 특히 물류, 점검, 감시, 긴급 대응 분야에서 다양한 사례가 제시되었다. 과거와 달리 단순한 비행 능력 시연보다는 자율성, 플릿 운영, 센싱, 기존 작업 흐름과의 통합 같은 실제 응용에 초점이 맞춰졌다.
반면 eVTOL은 여전히 논쟁적인 존재였다. 시각적으로는 인상적이고 개념적으로도 매력적이지만 실제 활용 가능성에는 여전히 의문이 남는다. 많은 프로젝트가 인프라, 규제, 비용, 소음, 대중 수용성에 대한 낙관적 가정에 의존하고 있기 때문이다. 기술 가능성과 사회적 가치 사이의 간극이 특히 크게 느껴지는 영역이었다.
이에 비해 건설 장비와 농업 기계 같은 모바일 장비는 훨씬 현실적인 혁신 사례를 보여주었다. 자율 또는 반자율 트랙터, 건설 장비, 유틸리티 차량은 자동화, 전동화, AI가 통제된 환경에서 즉각적인 가치를 만들어낼 수 있음을 보여주었다. 보트와 해양 모빌리티도 흥미로운 분야였다. 전기 추진, 보조 항법, 자동 도킹 시스템 등은 자동차와 로보틱스에서 발전한 기술이 해양 영역으로 확장되고 있음을 보여주었다.

SoundHound
가장 인상적이고 미래지향적인 시연 중 하나는 SoundHound의 에이전틱 AI 기반 음성 상호작용이었다. 이 시연은 음성 인터페이스가 전통적인 ‘명령-응답’ 구조를 넘어 얼마나 멀리 진화했는지를 분명히 보여줬다.
SoundHound는 개별 음성 명령 처리보다, 시간이 지나도 문맥을 유지하고 복잡한 다단계 의도를 이해하며 사용자를 선제적으로 지원하는 대화형 에이전트를 제시했다. 자동차에서는 이런 변화의 의미가 특히 크다. 차량이 점점 SDV로 진화하고 기능이 복잡해질수록, 터치와 메뉴 중심 인터페이스는 사용자를 쉽게 압도할 수 있다. SoundHound의 접근은 시각적 주의의 필요성을 줄이고 상호작용의 마찰을 낮춤으로써 운전자의 인지 부하와 주의 분산을 직접적으로 완화한다. 무엇보다 중요한 변화는 음성의 위상이다. SoundHound는 음성을 단순한 입력 채널이 아니라, 의도와 문맥, 연속성을 이해하는 진정한 상호작용 파트너로 제시했다.

NXP 인캐빈 센싱
NXP는 인캐빈 센싱을 단순한 규제 대응 기능이 아니라, SDV의 기본 요소로 제시했다. 핵심은 레이더 센서와 스마트워치 데이터, 지능형 알고리즘을 결합해 탑승자의 존재 여부뿐 아니라 신체적·인지적 상태까지 파악하는 접근이었다. 특히 레벨 3 이상의 자동화 맥락에서, 인캐빈 센싱 데이터가 ADAS 및 차량 외부 센서와 결합돼 외부 상황뿐 아니라 탑승자의 상태까지 고려한 실시간 의사결정을 가능하게 한다는 점을 강조했다. 이런 관점에서 차량 실내는 더 이상 자율 시스템의 수동적 공간이 아니라 능동적 구성 요소가 된다.

주행 자동화용 센서: LiDAR가 제자리를 찾다
센서 기술은 이번 자동차 전시 전반을 관통하는 핵심 주제였다. 카메라, 레이다, 초음파, 실내 센싱은 더 이상 개별 부품이 아니라 안전과 자동화, 고급 UX를 뒷받침하는 통합 센싱 스택의 일부로 제시됐다.
가장 눈에 띈 변화는 LiDAR의 위상 변화였다. 한동안 LiDAR는 비용, 패키징, 신뢰성 때문에 자동차 분야에서 가장 논쟁적인 기술 중 하나였지만, 이제 분위기는 분명히 달라졌다. 질문은 ‘LiDAR가 쓰일 것인가’가 아니라 ‘어디에, 어떻게 가장 큰 가치를 더할 것인가’로 옮겨갔다. 전시된 솔루션들은 초기 세대보다 훨씬 작고 견고하며 비용 효율적인 자동차급 LiDAR로 진화해 있었고, 과거의 눈에 띄는 센서 타워는 디자인과 통합 가능한 형태로 바뀌고 있었다.

NVIDIA Hyperion & Alpamayo /
안드로이드 오토모티브와 SPARQ OS
NVIDIA의 Alpamayo 소프트웨어 스택 공개는 비판적으로 볼 필요가 있다. 겉으로는 개방성을 통해 자율주행 개발의 진입장벽을 낮추는 것처럼 보이지만, 그 뒤에는 구조적 의존성이 따른다. Alpamayo를 사용하는 기업은 결국 NVIDIA 하드웨어에서 학습하고, NVIDIA GPU에서 추론하며, NVIDIA의 소프트웨어 환경 안에서 시뮬레이션하게 되기 때문이다. 이 경우 오픈소스는 단순한 개방이 아니라, 하드웨어와 플랫폼 락인을 강화하는 메커니즘이 된다.
안드로이드 오토모티브는 이제 자동차용 IVI 플랫폼을 넘어, 더 넓은 모빌리티 전반을 위한 유연한 소프트웨어 기반으로 확장되고 있다. 특히 이륜차와 삼륜차 영역에서 이런 흐름이 두드러졌다. 이 맥락에서 P3 그룹의 SPARQ OS는 제한된 디스플레이 공간, 다른 조작 인체공학, 높은 시인성, 라이더 집중도 유지 같은 이륜·삼륜 모빌리티의 고유 조건에 안드로이드 오토모티브를 어떻게 맞출 수 있는지를 보여줬다. 자동차 HMI를 그대로 옮기는 것이 아니라, 해당 차종에 맞는 전용 UX를 설계하는 접근이라는 점에서 의미가 있다.

HMI의 트렌드와 기술
인간적인 HMI: 햅틱과 그 너머
가장 두드러진 HMI 흐름 중 하나는 인간에게 더 자연스럽고 체화되며 직관적으로 다가가는 ‘인간적인 HMI’로의 이동이다. 음성을 넘어 이제 햅틱이 핵심 상호작용 방식으로 부상하고 있다. 이는 기술이 끊임없이 시각적 주의를 요구하는 대신, 신체를 통해 조용하고 직접적으로 소통할 수 있게 한다. 인간적인 상호작용은 점점 더 다감각적이고, 미묘하며, 물리적 기반을 갖춘 형태로 진화하고 있다.
Grewus는 시트 통합형 능동 햅틱을 통해 이런 체화된 HMI를 인상적으로 보여줬다. 시트를 단순한 편의 부품이 아니라 핵심 상호작용 표면으로 바꿔, 방향 안내와 경고, 확인, 나아가 음악과 게임을 위한 몰입형 피드백까지 탑승자의 몸에 직접 전달하는 방식이다.

자동차 콕핏 아키텍처: 피크 디스플레이 이후
CES 2026은 업계가 이제 ‘피크 디스플레이’ 단계를 지나고 있음을 보여줬다. 지난 몇 년간 콕핏 혁신은 화면의 크기와 수를 늘리는 방향으로 전개돼 왔지만, 이제 그런 양적 확장은 포화 상태에 이른 것으로 보인다. 초점은 더 많은 화면이 아니라, 디스플레이를 차량 실내의 전체 구조 안에 얼마나 지능적이고 상황에 맞게 통합하느냐로 옮겨가고 있다.
이런 포스트 디스플레이 전략은 몇 가지 방향으로 나타난다. 하나는 Shy Tech와 재질 통합형 디스플레이처럼 정보가 필요할 때만 드러나고, 평소에는 기술이 배경으로 물러나는 방식이다. 또 하나는 음성, 햅틱, 사운드 같은 비시각적 상호작용을 강화해 시각적 부담을 줄이는 흐름이다. 결국 콕핏은 정적인 제어 센터가 아니라 더 유연하고 거주성 있는 공간으로 재해석되고 있다. 이제 중요한 것은 화면의 크기가 아니라, 기술의 존재감을 얼마나 우아하게 조절하느냐다.

알프스알파인 HMI 기술 / HMI 툴링과 프로세스
알프스알파인은 센서, 액추에이터, 인터페이스 기술이 어떻게 매끄러운 사용자 경험으로 이어질 수 있는지를 폭넓게 보여줬다. 특히 시선을 오래 빼앗지 않으면서도 정밀한 제어를 가능하게 하는 터치 및 햅틱 솔루션이 인상적이었다. 이 전시가 더 설득력 있었던 이유는 교차 도메인 관련성에 있었다. 모든 데모가 자동차 전용은 아니었지만, 비시각적 상호작용, 인지 부하 저감, 다감각성, 접근성 같은 원칙은 차량 내 HMI로도 그대로 확장될 수 있다.
고품질 자동차 HMI의 기반은 결국 개발 도구와 프로세스에 있다. Elektrobit은 UX 콘셉트와 양산 사이의 간극을 줄이는 역할을 강조했고, Rightware는 풍부한 그래픽과 결정론적 실시간 동작을 함께 충족시키는 방향을 제시했다. Candera는 복잡한 HMI 로직을 효율적으로 다루기 위한 모델 기반 접근을 보여줬다. 결국 오늘날의 HMI 경쟁력은 화면 위 디자인만이 아니라, 그것을 얼마나 안정적이고 반복 가능하며 양산 가능한 형태로 구현하느냐에 달려 있다.
한 가지 더, 자동차를 넘어서

일반적인 HMI 트렌드: 아날로그의 역습
이번 전시에서 특히 인상적이었던 장면 중 하나는 이른바 ‘아날로그의 역습’이었다. AI 데모와 몰입형 디스플레이, 터치 중심 인터페이스가 넘쳐나는 가운데, 의외로 가장 긴 줄이 생긴 곳은 로우테크하거나 분명히 물리적인 경험을 제공하는 부스들이었다. 핀볼 머신 앞에는 사람들이 끊임없이 몰렸고, 터치스크린이 아닌 실제 보드와 말을 사용해 로봇과 체스나 바둑을 두기 위해 기다리는 모습도 눈에 띄었다.
이것은 단순한 향수 자극이 아니었다. 스크린과 메뉴, 디지털 추상화가 과잉된 환경에서 사람들은 실체가 있고 기계적이며 신체적으로 체감되는 상호작용에 더 강하게 끌렸다. 아날로그적 상호작용은 직접 조작, 즉각적 피드백, 분명한 인과관계를 제공한다. 흥미로운 점은 체스와 바둑 시연에서도 지능 자체는 AI 로봇 안에 있었지만, 상호작용 방식은 여전히 물리적이고 친숙했다는 점이다. 핵심은 디지털이냐 아날로그냐의 선택이 아니라, 디지털 지능을 얼마나 인간 친화적인 방식으로 드러내느냐다. 이런 의미에서 아날로그의 역습은 기술에 대한 거부가 아니라, 더 복잡한 시스템일수록 인터페이스는 더 인간적이어야 한다는 신호다.

스마트 글래스 / 컴퓨팅 허브로서의 가전제품
스마트 글래스는 이전보다 훨씬 더 성숙하고 현실적인 형태로 등장했다. 관심은 부피 큰 XR 헤드셋보다, 일상에서 착용 가능한 가볍고 자연스러운 안경형 기기로 옮겨갔다. 완전한 몰입보다 중요한 것은 사용자를 지배하지 않으면서 조용히 지원하는 미묘한 증강이었다. 스마트 글래스는 내비게이션, 번역, 상황별 정보 제공처럼 필요한 순간에만 개입하는 앰비언트 인터페이스로 자리 잡아 가고 있다.
가전제품 역시 단순한 독립 장치가 아니라, 스마트 홈의 중앙 컴퓨팅 허브로 진화하고 있다. 냉장고, 오븐, 세탁기 같은 고정형 가전은 점점 더 많은 연산 능력과 연결성, AI를 갖추며 가정 내 서비스와 데이터를 조정하는 지능형 시스템의 중심이 되고 있다. 결국 가전제품은 조용하지만 신뢰할 수 있는 디지털 코디네이터가 되어 간다.

외골격: 인간 신체 능력의 물리적 확장

외골격과 피지컬 AI
외골격은 화면이나 컨트롤 패널이 아니라, 신체 움직임과 노력에 반응하며 사람과 직접 결합되는 체화된 인터페이스의 한 형태다. 인간의 능력을 가장 필요한 지점에서 보완하며 안전과 생산성을 높이는 실용적 도구로 진화하고 있다.
피지컬 AI는 센서를 통해 현실 세계를 지각하고, 상황을 해석하며, 액추에이터와 움직임, 힘을 통해 실제 환경에 작용하는 시스템을 뜻한다. 순수한 디지털 AI와 달리 물리적 AI는 불확실성, 안전, 타이밍, 물리적 제약을 함께 다뤄야 한다. 이번 전시의 여러 사례는 AI가 단순히 판단하는 수준을 넘어, 실제 세계에서 행동하는 단계로 이동하고 있음을 보여줬다.

AI와 보드게임

열린 질문들
CES 2026을 돌아보며 분명해진 결론은 하나다. 이제 핵심 과제는 기술적 능력 그 자체가 아니라 인간적 관련성(Human Relevance)이다. 업계는 지능형 시스템과 소프트웨어 플랫폼, 자율주행 기계를 만드는 법을 점점 더 잘 알고 있다. 그러나 인간의 인지 능력을 존중하고, 기술 퇴화 대신 숙련을 지원하며, 의존이 아니라 신뢰를 만드는 디자인은 여전히 충분히 해결되지 않았다.
인간 중심의 관점에서 보면, 모빌리티와 기술의 미래는 누가 더 많은 AI를 넣었는지, 누가 더 큰 디스플레이를 달았는지로 결정되지 않는다. 오히려 인간의 한계와 습관, 감정, 그리고 상호작용에서 요구되는 통제권과 명확성, 존엄을 누가 더 깊이 이해하느냐에 달려 있다. 기술은 더 시끄럽거나 더 빠르거나 더 자율적이기만 해서는 안 된다. 인간의 삶 속에 더 자연스럽게 통합돼야 한다. 미래는 인간을 대체하는 기계의 것이 아니라, 인간을 이해하고 지원하며 힘을 실어주는 시스템의 것이다.

미래 자동차 산업은 어떻게 진화할 것인가
자동차 산업은 제품 중심 제조업에서 시스템·플랫폼 중심 산업으로 꾸준히 이동하고 있다. 이제 차량은 엔진이나 섀시보다 소프트웨어 아키텍처, AI 역량, 센싱, 연결성에 의해 더 많이 정의된다. CES 2026은 미래 자동차에 대한 단일한 비전이 존재하지 않음을 분명히 보여줬다. 산업은 오히려 여러 방향으로 파편화되고 있다. 어떤 기업은 서비스 기반 자율주행과 플릿 모델로 이동하고, 다른 기업은 자동화와 AI가 강화된 개인 소유 모델을 유지한다. 모빌리티의 범위도 자동차를 넘어 이륜차, 마이크로 모빌리티, 로보틱스, 하이브리드 생태계로 넓어지고 있다.
이는 이제 ‘자동차 산업’이 하나의 일관된 산업이라기보다, 서로 다른 논리로 움직이는 여러 모빌리티 영역의 집합으로 바뀌고 있음을 시사한다. 동시에 클라우드, AI, 반도체, 소프트웨어 기업 같은 기술 외부의 플랫폼 제공자들이 혁신의 속도와 구조를 점점 더 규정하고 있다. 여기서의 진짜 위험은 기술적 낙오가 아니라 핵심 가치 창출에 대한 주권 상실이다.
자동차 산업은 하나의 미래로 가는 것이 아니라, 여러 평행한 미래로 나아가고 있다. 제품에서 플랫폼으로, 독립된 차량에서 생태계로, 하드웨어 주기에서 소프트웨어 속도로, 기술 사양 경쟁에서 인간 경험 중심으로 이동하는 흐름이다. 남은 질문은 이 변화가 일어날 것인가가 아니다. 이미 일어나고 있기 때문이다. 진짜 질문은 누가 이 변화를 주도적으로 설계할 것이며, 누가 남이 만든 틀에 맞춰 적응만 하게 될 것인가다.

안리쓰코퍼레이션, 이원우 신임 한국지사 사장 선임

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-04-01 08:41:39+0900

글로벌 계측·통신 솔루션 기업 안리쓰코퍼레이션(Anritsu Corporation)은 1일 이원우 이사를 신임 한국지사 사장으로 승진 선임했다고 밝혔다.

이원우 신임 사장(사진)은 삼성 담당 영업사원으로 업계에 첫발을 내디딘 이후, 다양한 산업군을 거치며 경험을 쌓아왔다. 그는 현장 중심의 활동과 사업 운영 역량을 바탕으로 이사직을 역임했으며, 내부 조직 소통과 외부 고객 및 파트너와의 관계 구축에서 두루 성과를 인정받았다.

안리쓰코퍼레이션은 이번 인사를 통해 급변하는 시장 환경에 선제적으로 대응하고, 핵심 사업 경쟁력을 한층 강화한다는 방침이다. 특히 6G를 포함한 차세대 기술로의 전환에 대비해 지속 가능한 성장 기반을 마련할 계획이다.

이원우 신임 사장은 “안리쓰가 보유한 기술력과 고객 신뢰를 기반으로 미래 성장 동력을 확보하고 글로벌 경쟁력을 한층 강화해 나가겠다”며 “다양한 산업군과의 파트너십을 공고히 하고, 6G 시대를 포함한 새로운 기회에 능동적으로 대응하는 조직을 만들어 나가겠다”고 밝혔다.

안리쓰코퍼레이션은 이번 사장 선임을 계기로 기존 사업의 고도화와 신규 사업 확대를 병행하고, 차세대 통신 기술 시장에서의 입지를 더욱 강화해 나간다는 방침이다.

구글, SDV용 AAOS 오픈소스 플랫폼 공개

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-31 21:42:51+0900

구글이 소프트웨어 정의 차량(SDV)을 위한 개방형 플랫폼 ‘Android Automotive OS (AAOS) SDV’를 안드로이드 오픈소스 프로젝트(AOSP)를 통해 공개할 계획이다.

AAOS SDV 플랫폼은 기존 AAOS를 기반으로 하며, SDV의 비안전(non-safety) 소프트웨어 구성 요소를 위한 공통 개방형 인프라를 제공한다. 이 플랫폼은 현재 르노 그룹(Renault Group)과 퀄컴(Qualcomm) 등 자동차 산업 파트너들과 협력해 개발 중이며, 2026년 하반기 오픈소스로 공개될 예정이다.

이 플랫폼은 차량 아키텍처 전반에 걸쳐 표준화된 소프트웨어 레이어를 제공함으로써 다양한 서플라이어의 소프트웨어 모듈을 보다 쉽게 통합할 수 있도록 지원한다. 이를 통해 완성차 회사는 기반 인프라 개발 부담을 줄이고, 차별화된 기능과 사용자 경험 개발에 역량을 집중할 수 있다.

이번 SDV 플랫폼은 이미 다수의 차량 브랜드에 적용돼 앱 생태계와 인포테인먼트 기능을 제공해온 AAOS의 확장으로, 차량 텔레메트리, 시트 제어, 계기판, 바디 제어, 공조 시스템 등 차량 전반으로 적용 범위를 넓힌다.

AAOS SDV 플랫폼에는 완성차 업체와 부품사를 위한 표준화된 하드웨어 사양 신호 카탈로그가 포함된다. 이를 통해 중복 개발을 없애고 SDV 개발 비용을 절감할 수 있다.

구글은 AAOS SDV 플랫폼의 오픈소스 공개를 앞두고 완성차 회사와 부품사, 반도체 기업, 소프트웨어 기업 등과 협력해 생태계 지원을 강화하고 있다.

퀄컴은 자사의 Snapdragon VSoC(가상 시스템온칩) 개발 플랫폼을 통해 AAOS SDV 플랫폼 적용을 지원하고 있다. Google Cloud 상에서 구동되는 이 플랫폼은 차량 시스템을 클라우드에서 설계·검증할 수 있도록 해 개발 효율을 높이는 데 초점을 맞췄다.

AAOS SDV 프레임워크는 virtIO를 지원하는 하이퍼바이저 기반 가상화를 활용해 소프트웨어 도메인을 분리할 수 있으며,
또는 최적의 저지연 성능을 위해 베어메탈 환경에 배포할 수도 있다.

오픈소스 SDV 플랫폼의 이점

시장 출시 기간 단축: AAOS SDV 구성 요소는 다양한 기능에 대해 양산 가능한 소프트웨어를 제공하며, 추가 수정도 가능해 개발 속도를 가속화한다.
표준 신호 카탈로그: 자동차 제조사와 부품업체 간 공통 기준을 마련하는 새로운 표준 신호 카탈로그를 통해 중복된 엔지니어링 작업을 제거하고 플랫폼 개발 비용을 크게 줄인다.
가상 클라우드 개발 최적화: AAOS SDV는 초기 설계 단계부터 가상 클라우드 개발을 지원하도록 설계됐다. 이를 통해 하드웨어가 준비되기 이전에도 차량 내 구성 요소를 설계·테스트·검증할 수 있다. AAOS SDV는 이미 Android Virtual Device(Cuttlefish)에서 구동되며, Google Cloud Horizon 등 기존 Google Cloud 통합 환경과도 연동돼 대규모 디지털 트윈 구현을 지원한다.
서비스 지향 아키텍처(SOA): 차량 기능을 토폴로지에 독립적인 서비스 형태로 개발해 다양한 아키텍처에서 재사용할 수 있다. 플랫폼은 차량을 동적으로 연결된 시스템으로 인식하며, 의존성 관리가 포함된 세분화된 서비스 단위 업데이트를 지원해 OTA를 통한 신규 기능 배포와 지속적인 개선을 가능하게 한다.
미래 서비스 대응 구조: 텔레메트리와 AI 학습 피드백 루프 개발을 간소화하도록 설계돼, 기업용 플릿(fleets)과 승용 차량 모두에서 고도화된 기능의 신속한 도입을 지원한다.

NXP, 3세대 RFCMOS 자동차 레이다 트랜시버 출시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-31 19:32:59+0900

NXP 반도체가 3세대 RFCMOS 기반 자동차 레이다 트랜시버 ‘TEF8388’을 출시했다.

TEF8388은 8T8R (eight-transmit/eight-receive)을 통합한 고집적 트랜시버로, L2+부터 L4 수준의 첨단 운전자 지원 시스템(ADAS)과 자율주행 시스템을 위한 이미징 레이다용으로 개발됐으며, 최대 576개 안테나 채널을 지원하는 이미징 레이다 센서 구현이 가능하다.

NXP는 이 트랜시버가 8T8R부터 32T32R까지 다양한 레이다 구성을 지원하는 자사의 확장형 레이다 센싱 솔루션 포트폴리오의 핵심 요소라고 밝혔다.

TEF8388은 S32R4와 같은 NXP의 레이다 프로세서와 결합해 성능·비용·규제 요구사항을 충족하는 확장형 이미징 레이다 솔루션을 구현할 수 있다.

NXP는 TEF8388 무선 트랜시버가 채널 수 증가에 따라 전력 소비, 비용, 통합 복잡성이 함께 증가해 도입이 지연되는 시스템 수준의 과제를 해결한다고 소개했다.

또한 TEF8388은 기존 3T4R 디바이스와 유사한 수준의 전력 소비를 유지하면서, 아키텍처 설계와 핀 구성, 런처(launcher) 배치 최적화를 통해 채널 간 간섭을 줄이고 신호 품질을 향상시켰다. 이와 함께 전력 및 열 관리 부품 수를 줄여 전체 시스템 BOM 비용 절감에도 기여할 수 있다는 설명이다.

한편, 포비아 헬라(Forvia Hella)는 최근 차세대 레이다 센서 솔루션에 NXP의 레이다 트랜시버 기술을 적용한다고 밝혔다. TEF8388과 S32R47를 기반으로 한 주요 완성차 업체용 첫 고해상도 레이다 프로그램은 2028년 중반 양산에 들어갈 예정이다.

현재 주요 고객사를 대상으로 개발 지원이 제공되고 있으며, 양산 시장을 위한 지원은 2026년 후반부터 순차적으로 확대될 예정이다.

알티아, 자동차 콕핏 UI 개발 역량 확대 ··· 의료·소비자·오프하이웨이 차량 지원

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-31 18:21:41+0900

[이미지=Altia]

알티아가 새로운 툴체인을 통해 자동차 디스플레이 중심의 임베디드 사용자 인터페이스(UI) 개발 역량을 의료기기, 소비자 전자제품, 가전제품뿐 아니라 농업, 건설, 해양 분야의 차량까지 확대한다.

알티아(Altia)는 31일 자사의 최신 플랫폼 ‘Altia Design 13.5’가 자동차 산업을 넘어 다양한 제품 개발팀을 지원하도록 설계됐다고 발표했다.

알티아에 따르면, 이번 플랫폼은 시각적 완성도, 아키텍처 유연성, 워크플로 효율성을 한층 강화해 개발팀이 개념 단계에서 양산까지 빠르게 진행할 수 있도록 지원한다.

Altia Design과 DeepScreen은 통합된 물리 기반 렌더링(physically based rendering, PBR), 이미지 기반 조명(image-based lighting, IBL), HDRI (High Dynamic Range Images), glTF (Graphics Language Transmission Format) 네이티브 지원을 통해 현실감과 소재 표현 품질을 향상시켰다. 이러한 기능은 임베디드 하드웨어에서도 효율적인 양산용 코드를 유지하면서, 사실적인 조명 효과와 반응형 텍스처, 부드러운 애니메이션 구현을 가능하게 한다.

또한 디자이너는 맞춤형 2D 소재, 블러 오브젝트(blur objects), 버퍼 뷰 오브젝트 등을 활용해 GPU별 코드를 직접 작성하지 않고도 셰이더 수준(shader-level)의 시각 효과를 구현할 수 있어 한층 확장된 창의적 표현이 가능하다.

알티아의 확장된 분산형 HMI 아키텍처는 대규모 인터페이스를 모듈형 DeepScreen 애플리케이션으로 구축할 수 있도록 지원한다. 이를 통해 개발팀은 UI 구성 요소를 병렬로 개발하고 더 효율적으로 통합할 수 있으며, 디스플레이와 기능, 적용 영역이 확대되더라도 시스템 구조를 명확하게 유지할 수 있다.

또한 System Visualization과 Altia Visualizer는 구성 요소 간 상호작용을 런타임에서 시각적으로 확인할 수 있도록 지원해 데스크톱 및 실제 하드웨어 환경에서의 초기 검증을 더욱 간소화한다.

알티아는 개발 주기가 짧아지는 흐름에 대응하기 위해 협업을 간소화하고 반복 작업 시간을 줄이는 다양한 워크플로 개선 기능을 도입했다. 실시간 시스템 미리보기와 초기 단계 하드웨어 검증, 빠르고 비파괴적인 UI 업데이트를 위한 JSON (JavaScript Object Notation) 기반 테마 엔진 등이 대표적이다. 이러한 기능들은 디자이너, 엔지니어, QA 팀 간 원활하고 효율적인 협업을 가능하게 한다.

Altia Design 13.5는 현재 이용 가능하며, 무료 버전은 알티아 웹사이트에서 다운로드할 수 있다.

페스카로, ‘AutoSec 2026’서 자동차 사이버보안 모범기업상 수상

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-31 10:12:40+0900

차량 통합보안 플랫폼 기업 페스카로(FESCARO, 대표 홍석민)는 31일 아시아 대표 자동차 사이버보안 컨퍼런스인 'AutoSec 2026'에서 ‘현지 산업을 선도하는 자동차 사이버보안 모범기업상’을 수상했다고 밝혔다.

페스카로는 ‘AutoSec 2026’에서 '자동차 사이버보안 모범기업상'을 수상했다. [출처=Taas Labs]

AutoSec 2026은 지난 3월 12일부터 이틀간 중국 상하이에서 개최됐다. 올해는 BYD, 지리(Geely), 지커(Zeekr), 샤오펑(Xpeng), 테슬라(Tesla), 혼다(Honda) 등 글로벌 완성차 제조사와 주요 부품사 관계자들이 참석해 자동차 사이버보안 기술과 규제 대응 방향을 논의했다.

페스카로는 이번 행사 기간 중 지속 가능한 사이버보안 운영 전략을 주제로 발표했으며, 이를 통해 규제 대응과 운영 효율을 동시에 고려한 접근 방식을 제시했다.

최근 자동차 사이버보안 규제는 유럽 국가를 중심으로 빠르게 확대되는 추세다. 유럽의 UN R155는 재인증 단계에 들어섰고, 국내 자동차관리법은 2025년 8월 시행됐다. 중국 역시 GB 44495-2024 시행을 앞두고 있어, 업계 전반에서 차량 전 수명주기에 걸친 지속적인 보안 운영과 통합 대응 체계 구축에 대한 요구가 증가하고 있다.

이번에 발표를 맡은 김인호 페스카로 중국 법인 총경리는 자동차 사이버보안을 ‘운영 전략’ 관점에서 접근해야 한다고 강조했다. 그는 실제 고객 사례를 기반으로 규제 대응 과정의 반복 효율성을 높이면서도 보안 수준을 강화하는 운영 모델을 제시했다. 이 모델은 전장제어기(ECU) 보안 솔루션, 키관리시스템(KMS), 규제 대응 IT 시스템인 CSMS 포털을 중심으로 사이버보안 적용부터 인증, 운영관리까지 전 과정을 하나의 흐름으로 통합한 것이 핵심이다.

김인호 페스카로 중국 법인 총경리는 AutoSec 2026에서 지속 가능한 보안 운영 전략을 발표했다. [출처=Taas Labs]

이 같은 접근을 바탕으로 페스카로는 중국 FAW 그룹 산하 승용차 브랜드 베스튠(Bestune) 등 중국 현지 기업들과 함께 수상 기업으로 선정되며, 사이버보안 규제 대응 전문성을 인정받았다.

김인호 총경리는 “중국 자동차 사이버보안 규제 시행이 임박하면서 시장 수요가 빠르게 확대되고 있다”며 “유럽과 국내에서 축적한 대응 경험을 바탕으로 중국 규제 환경에 최적화된 대응 전략을 제시할 것”이라고 강조했다.

한편 페스카로는 2024년 중국 반도체 제조사 지신(Zhixin)과 보안 솔루션 공급 계약을 체결한 데 이어, 지난해 중국 법인을 설립하며 현지 사업을 본격화했다. 이후 중국 제어기 개발사 이퀄리티(E-Quality)와 추가 공급 계약을 체결하는 등 중국 내 입지를 강화하고 있다. 회사는 중국 진출 2년차에 접어드는 올해부터 점진적인 매출 확대가 이뤄질 것으로 기대하고 있다.

벡터, 소프트웨어 자동화 플랫폼 'VectorCAST 2026' 발표

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-30 12:04:33+0900

벡터코리아(지사장 장지환)가 자사의 임베디드 소프트웨어 테스트 자동화 플랫폼 최신 버전인 ‘VectorCAST 2026’을 공개했다.

이 버전에는 AI 기반의 '요구사항 기반 테스트 생성기(Requirements-Based Test Creator)가 새롭게 도입됐다. 이 기능은 소프트웨어 요구사항으로부터 직접 단위 테스트(unit tests)를 생성할 수 있도록 지원하며, 이를 통해 추적성(traceability)을 높이고 안전 필수 시스템의 인증 및 품질 보증 프로세스를 간소화한다.

VectorCAST 2026의 핵심 기능인 Reqs2x는 소프트웨어 요구사항으로부터 직접 단위 테스트를 자동 생성하는 AI 지원 툴체인으로, 지능형 코드 분석과 대규모 언어 모델(LLM)을 결합해 요구사항 정의와 구현 간의 간극을 해소한다. 또한 요구사항을 해당 기능과 자동 매핑하며, IBM DOORS, Siemens Polarion과 같은 툴뿐만 아니라 CSV 파일로부터 요구사항을 가져올 수 있도록 지원한다. 이를 통해 엔드 투 엔드 추적성을 유지하면서 테스트 생성 효율을 높인다.

또한, 프로그램 슬라이싱(Program Slicing)과 LLM 기반 요구사항 해석 기술을 활용한 AI 기반 테스트 생성 기능도 도입됐다. 다만 생성된 매핑과 테스트 케이스는 사용자 검토를 전제로 하며, 인적 개입을 통한 검토(Human-in-the-Loop Review)를 통해 안전 및 품질 기준 준수를 보장한다.

VectorCAST 2026은 AI 거버넌스와 데이터 보호 요구도 반영됐다. 자체 모델 및 전략 기반(Bring-Your-Own-Model, BYOM) 방식을 채택해 사용자가 AI 모델을 온프레미스, 클라우드 또는 하이브리드 환경에 배포할 수 있도록 지원한다. 이를 통해 데이터 프라이버시, 규정 준수, 비용에 대한 통제권을 확보할 수 있다.

벡터의 전반적인 AI 전략은 특정 작업에 최적화된 모듈형 마이크로 에이전트(Task-Specific Micro-Agents)에 기반하며, 이를 통해 예측 가능한 동작과 검증 용이성을 동시에 고려했다. 또한 MISRA C:2025, ISO/IEC의 AI 프레임워크, EU AI Act 등 주요 산업 표준 및 규제와의 정합성을 고려했으며, AI 생성 결과물 역시 사람이 작성한 코드와 동일한 검증 프로세스를 적용받는다.

VectorCAST 2026은 테스트 생성에 그치지 않고, 자동화된 품질 모니터링 파이프라인과 통합돼 향상된 분석, 리포팅, 개발 전 과정에 걸친 가시성을 제공한다. 여기에는 단계별 메트릭과 프로세스 수준의 커버리지 분석이 포함돼 지속적인 개선을 지원한다.

VectorCAST는 항공우주, 자동차, 의료, 산업 제어, 철도 등 다양한 산업에서 활용되고 있으며, Reqs2x 기능은 기존 VectorCAST 2026 라이선스 사용자에게 추가 비용 없이 제공된다.

에티포스, 아우디·캡쉬와 美서 V2X 톨링 실도로 시연

한상민 기자_han@autoelectronics.co.kr — 2026-03-30 10:42:56+0900

에티포스가 미국에서 아우디, 캡쉬트래픽콤과 함께 차세대 V2X 기반 통행료 결제 기술의 실도로 시연을 성공적으로 마쳤다. 이번 시연은 단순한 기술 검증을 넘어, 향후 톨링을 비롯한 다양한 모빌리티 원격 결제 시장으로의 확장 가능성을 보여준 사례라는 점에서 주목된다.
에티포스는 3월 26일 미국 노스캐롤라이나에서 글로벌 완성차 업체 아우디(Audi), 교통 인프라 전문 기업 캡쉬트래픽콤(Kapsch TrafficCom)과 협력해 ‘V2X 통행료 원격 결제(V2X Tolling)’ 실도로 시연을 진행했다고 30일 밝혔다.

이번 시연은 글로벌 V2X 인증 기구인 옴니에어 컨소시엄(OmniAir Consortium)과 노스캐롤라이나 유료도로 운영기관(NCTA)이 공동 주관한 ‘V2X 톨링 워크숍’의 핵심 프로그램으로 마련됐다. 에티포스는 자사의 차량용 단말기 ‘V2X-AIR’를 활용해 캡쉬의 노변기지국(RSU) 인프라와 표준 V2X 프로토콜인 SAE J3217 기반의 상호운용성을 입증했다.
행사 현장에는 당초 사전 등록 인원인 50명의 두 배 수준인 100여 명의 미국 주정부 도로 관계자와 결제 솔루션 전문가들이 몰렸다. 이를 통해 V2X 기반 차세대 톨링 기술에 대한 업계의 높은 관심도 확인됐다.

이번 시연은 크게 두 가지 방식으로 진행됐다. 하나는 완성차 시스템과 통합된 비포마켓(before-market) 시나리오였고, 다른 하나는 기존 차량에도 바로 적용할 수 있는 애프터마켓(aftermarket) 시나리오였다.
먼저 아우디 차량 통합형 시연에서는 에티포스의 V2X-AIR 단말기가 아우디 차량 시스템과 통합돼 5.9GHz 대역에서 직접 차량-인프라(V2I) 통신을 수행했다. 차량이 톨링 구간을 통과하자 결제 정보가 차량 내 디스플레이에 즉시 표시됐고, 차량이 스스로 탑승 인원을 인식해 카풀 할인 요금을 자동 적용하는 기능도 함께 선보였다. 이 기능은 실제 운전자 편의성과 서비스 확장성 측면에서 높은 관심을 끌었다.

두 번째 시나리오에서는 대시보드 거치형 플러그 앤 플레이 방식의 애프터마켓 단말기가 소개됐다. 이 솔루션은 기존 차량에도 손쉽게 적용할 수 있으며, 통행료 결제뿐 아니라 전방 위험 상황 경고 등 V2X 안전 서비스도 함께 제공한다. 에티포스는 이를 통해 차세대 톨링 시스템이 단순한 결제 수단을 넘어 도로 안전 서비스와 결합한 형태로 발전할 수 있음을 보여줬다.

에티포스가 이번 협력에서 주목받은 배경 중 하나는 미국의 ‘BABA(Build America, Buy America)’ 규정 대응이다. BABA는 미국 정부 재정이 투입되는 공공사업에 미국산 장비를 우선 사용하도록 하는 법령이다. 에티포스는 2025년 미국 내 생산 체계를 구축하며 이에 선제 대응했고, 이를 기반으로 북미 차세대 통행료 인프라 시장에서 경쟁 우위를 확보했다는 설명이다.

제이슨 컨리(Jason Conley) 옴니에어 컨소시엄 사무총장은 “에티포스, 아우디, 캡쉬의 공동 시연과 같은 산업 협력은 V2X 톨링 솔루션의 대규모 배포에 핵심적”이라며 “이번 워크숍은 전 세계 톨링 및 기술 분야 리더들이 전자 통행료 징수와 차량 원격 결제의 미래를 위한 요구사항을 함께 정립하는 자리가 됐다”고 말했다.

김호준 에티포스 대표는 “글로벌 리더인 아우디, 캡쉬와 함께 V2X 톨링 진화의 이정표를 세우게 돼 뜻깊다”며 “이번 시연은 V2X 기술이 기존 안전 서비스를 넘어 원격 결제 영역으로 확장될 수 있다는 가능성을 보여준 사례”라고 말했다. 이어 “향후 OEM 통합과 애프터마켓 보급이 모두 가능한 기술력을 바탕으로 글로벌 V2X 생태계 확장에 앞장서겠다”고 밝혔다.

이번 워크숍에서는 결제 업계의 관심도 함께 확인됐다. 모하메드 아부엘에닌(Mohamed AbouElEnin) 마스터카드 상품 아키텍처 엔지니어링 부사장이 연사로 참여해, 통행료뿐 아니라 주차장, 드라이브스루, 전기차 충전소, 주유소, 혼잡통행료 징수 등으로 이어질 수 있는 원격 결제 시장의 확장 가능성을 언급했다.

이번 시연은 자동차 제조사, 도로 운영사, 장비 제조사가 함께 참여해 수십~수백 미터 거리에서도 안전한 원격 결제가 가능하다는 점을 입증했다는 데 의미가 있다. 업계에서는 이를 두고 V2X 기반 결제가 단순한 통행료 징수를 넘어 차세대 모빌리티 원격 결제 수단으로 발전할 수 있는 가능성을 보여준 사례로 보고 있다.
특히 이러한 기술은 유인 차량은 물론, 앞으로 자율주행 차량, 자율배송 차량, 드론 등 다양한 이동체로 확대 적용될 수 있다는 점에서도 주목된다. 비대면·원격 결제가 이동체 기반 서비스 전반으로 확장될 수 있는 기반이 실제 환경에서 검증됐다는 점에서다.
한편 에티포스는 소프트웨어 정의 모뎀(Software Defined Modem) 기술을 기반으로 V2X 모뎀 칩셋과 솔루션을 개발해온 기업이다. 미국 BABA 규정을 충족하는 생산 체계를 바탕으로 북미를 포함한 글로벌 스마트시티 및 자율주행 인프라 시장 공략에 속도를 내고 있다.

TI, IsoShield 패키징 기술 적용 절연 전원 모듈 공개

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-27 11:58:05+0900

텍사스 인스트루먼트(TI)가 데이터센터부터 전기차에 이르는 다양한 애플리케이션에서 전력 밀도, 효율성, 안전성을 향상시킬 수 있는 새로운 절연 전원 모듈을 공개하며 전원 설계 기준을 재정의했다.

TI는 UCC34141-Q1과 UCC33420에 독자적인 멀티칩 패키징 기술인 IsoShield™를 적용해 기존 디스크리트 기반 설계 대비 최대 3배 높은 전력 밀도를 구현했다.

두 모듈은 크기와 전압 범위가 다르다. UCC34141-Q1은 6V에서 20V까지의 중간 전압 애플리케이션을 대상으로 설계됐으며, 크기는 5.85mm × 7.5mm × 2.6mm다. UCC33420은 5V 저전압 설계용 모듈로, 4mm × 5mm × 1mm의 풋프린트로 TI 제품군 내에서도 비교적 컴팩트한 절연 전원 모듈에 속한다.

절연 설계 한계, 통합 패키징으로 돌파

절연 전원 설계는 비절연 아키텍처와 구별되는 고유한 엔지니어링 과제를 수반한다. 절연은 서로 다른 전압 레벨이나 접지 기준에서 동작하는 회로 간에 직접적인 전기적 연결 없이 신호나 전력을 교환해야 할 때 필요하다. 이는 전기차 배터리 관리 시스템(BMS), 산업용 모터 드라이브, 데이터센터 서버 랙 등에서 흔히 요구되는 사항이다.
강화 절연을 구현하기 위해서는 여러 개의 디스크리트 부품을 사용해야 하는데, 이로 인해 보드 면적, 부품 수, 조립 복잡성이 증가한다. 이러한 이유로 관련 기능을 통합한 모듈의 사용이 확대되고 있지만, 기존 제품은 절연 성능과 물리적 크기 간의 트레이드오프 한계를 안고 있다.

이번에 TI가 공개한 IsoShield™ 기반 모듈은 제한된 보드 공간에서 더 많은 전력을 처리할 수 있도록 설계됐다. 패키지 내부에 고성능 평면 변압기(planar transformer)와 절연 전력 스테이지를 통합함으로써 외부 부품 의존도를 줄이고, 전체 시스템의 면적과 무게를 동시에 낮춘다. TI에 따르면, 이 기술은 개별 부품 설계 대비 솔루션 면적을 최대 70%까지 줄이면서도 최대 2W의 전력을 안정적으로 공급한다.

IsoShield™ 기술은 단순한 소형화 기술을 넘어 절연 구조 설계에서 차별화된다. 이 모듈은 기능 절연, 기본 절연, 강화 절연을 모두 지원하며, 분산 전력 아키텍처 구현을 통해 단일 지점 오류(single point of failure, SPOF)을 방지함으로써 기능 안전 요구사항을 충족하도록 지원한다.

IsoShield™ 기술: 평면 변압기와 절연 전력 스테이지를 통합해 기능 절연·기본 절연·강화 절연 지원

최근 전력 패키징 기술은 전력 반도체 산업에서 핵심 경쟁력으로 부상하고 있다. 칩 자체의 미세화가 물리적 한계에 근접하면서 시스템 성능과 효율을 좌우하는 요소가 패키징으로 이동하고 있기 때문이다. TI의 IsoShield™는 이러한 흐름 속에서 변압기와 전력 변환 회로를 단일 모듈로 통합한 구조를 통해 전력 밀도와 열 관리, EMI 특성까지 동시에 향상시켰다.

TI 절연 바이어스 솔루션의 크기 변화

데이터센터와 전기차, 고밀도 전력 아키텍처 확산

전력 밀도는 데이터센터와 전기차 모두에서 전력 시스템 설계의 제약 조건이 되고 있다. AI 워크로드의 연산 요구량이 증가함에 따라, 데이터센터는 물리적 공간이나 냉각 인프라를 늘리지 않고도 훨씬 더 높은 출력을 제공할 수 있는 전력 시스템을 필요로 한다. 전기차의 경우, 전력 변환 부품의 크기와 무게는 주행 거리, 효율성, 전반적인 설계 유연성에 직접적인 영향을 미친다. TI는 IsoShield™ 기술을 통해 칩 아키텍처를 수정하는 대신 패키징 기술을 발전시켜 이러한 제약과 요구사항을 해결한다.

TI는 IsoShield™ 기반 제품뿐만 아니라 MagPack™과 같은 인덕터 통합 마그네틱 패키징 기술을 적용한 제품을 포함해 350종 이상의 전원 모듈 포트폴리오를 보유하고 있으며, 절연 DC/DC 모듈에서도 지속적인 기술 고도화를 이어가고 있다. 2024년 발표된 MagPack™ 기술은 변압기 대신 인덕터를 통합해 비절연 전력 설계를 지원한다. IsoShield™ 기술은 이러한 통합 패키징 방식을 절연 아키텍처로 확장한 것으로, 엄격한 안전 인증이 요구되는 자동차와 산업 환경에 적합하다.

MagPack™: 통합 마그네틱 패키징 기술(2024년 발표)

전용 3D 패키지 몰딩 공정 적용
전력 SiP의 높이·너비·깊이 최대화
더 작은 공간에서 더 많은 전력 공급

IsoShield™: 멀티칩 패키징 기술(2026년 발표)

평면 변압기와 절연 전력 스테이지 통합
올인원 SiP 솔루션 구현
개별 솔루션 대비 최대 3배 높은 전력 밀도 구현

평가 모듈

한편, TI는 IsoShield™ 기술이 적용된 절연 전원 모듈을 미국 텍사스주 샌안토니오에서 열린 APEC 2026 (3월 23일~26일)에서 공개하고, 실제 적용 사례를 선보였다. 전시에서는 IsoShield™ 기반 절연 전원 모듈을 차량용 실리콘 카바이드(SiC) 300kW 트랙션 인버터 레퍼런스 설계에 탑재해 공개했다. 이와 함께 800V-6V DC/DC 전력 분배 보드도 공개했다. 이 보드는 질화갈륨(GaN) 전력 스테이지, 디지털 아이솔레이터, 마이크로컨트롤러를 결합해 AI 프로세서 기반 데이터센터 컴퓨팅 환경을 지원한다.

로옴, 10Gbps 이상 고속 I/F 대응 ESD 보호 다이오드 출시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-26 14:49:06+0900

로옴(ROHM)이 10Gbps 이상의 고속 인터페이스에 대응하는 ESD(정전기 방전) 보호 다이오드 ‘RESDxVx 시리즈’를 양산·공급한다.

이 제품은 초저용량과 낮은 다이내믹 저항(R_dyn)을 동시에 실현해 고속 데이터 통신 환경에서 신호 열화를 최소한으로 억제하고 높은 IC 보호 성능을 확보한 것이 특징이다.

최근 산업기기 및 자동차 전장 분야에서는 고속 신호 전송 확산과 함께 시스템 소형화·고성능화가 빠르게 진행되면서, 보다 정교한 ESD 대응이 요구되고 있다. 특히 10Gbps 이상의 차세대 통신 환경에서는 미세한 기생 용량 차이만으로도 신호 품질에 영향을 미칠 수 있어, 저용량 특성과 함께 낮은 다이내믹 저항을 동시에 확보하는 것이 핵심 과제로 부각돼 왔다.

로옴은 이러한 요구에 대응해 단자 간 용량을 0.24pF(양방향) 및 0.48pF(단방향) 수준으로 낮추는 한편, 트레이드오프 관계에 있는 다이내믹 저항을 0.28Ω까지 저감했다. 이를 통해 일반 제품 대비 클램프 전압을 약 40% 낮춰 높은 IC 보호 성능을 확보했다.

고속 통신 환경에서 데이터 품질을 유지함과 동시에 높은 IC 보호 성능 발휘

신제품은 USB4, USB 3.x, Thunderbolt 4, HDMI, DisplayPort, PCI Express, LVDS, MIPI D-PHY/C-PHY, 차량용 SerDes 및 차량용 이더넷(10/100/1000Mbps) 등 다양한 고속 인터페이스에 적용할 수 있다.

적용 분야 역시 폭넓다. AI 서버와 데이터센터, 5G·6G 통신 기지국, 광 트랜시버, 라우터 등 산업기기를 비롯해 PC, 스마트폰, 태블릿, 게임기 등 민생기기, 그리고 ADAS 및 자율주행 시스템용 카메라, 차량 인포테인먼트, 바디 제어 ECU, 헤드 유닛 등 자동차 전장 분야까지 확장된다.

특히 DFN1006-2W 패키지를 적용한 ‘RESDxVxBASAFH’ 및 ‘RESDxVxUASAFH’ 제품은 자동차 신뢰성 규격인 AEC-Q101을 충족해, ADAS 및 자율주행용 카메라와 ECU 등 차량용 고속 SerDes 통신 환경에도 대응할 수 있다.

이 제품은 2026년 3월부터 양산을 시작했으며, Chip 1 Stop과 CoreStaff Online 등 온라인 유통 채널을 통해서도 구매할 수 있다.

DigiKey, ‘Engineering Unlocked’ 동영상 시리즈 공개

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-26 10:20:08+0900

전자부품 및 자동화 제품 글로벌 유통기업 DigiKey가 전자 설계의 미래를 조망하는 새로운 동영상 시리즈 ‘Engineering Unlocked’를 공개했다.

총 3편으로 구성된 이번 시리즈는 최신 설계 도구, 개방형 커뮤니티, STEM(Science, Technology, Engineering, Mathematics) 교육이 전자 설계 환경에 미치는 변화를 다각도로 다룬다. 특히 신속한 시제품 제작 플랫폼과 메이커 생태계를 중심으로, 엔지니어들이 아이디어를 실제 작동하는 하드웨어로 구현하는 과정에 초점을 맞췄다.

‘Engineering Unlocked’는 마이크로칩(Microchip Technology)과 몰렉스(Molex)의 후원으로 제작됐으며, 업계 전문가와 교육자, 혁신가들이 참여해 최신 기술과 워크플로, 커뮤니티 기반 협업의 중요성을 조명한다. 이를 통해 설계 주기의 효율성을 높이고 차세대 엔지니어 양성을 지원하는 다양한 접근 방식을 소개한다.

이번 시리즈는 Engineering Unlocked의 첫 번째 시즌으로, DigiKey에서 제공하는 다양한 동영상 및 텍스트 콘텐츠에 새롭게 추가된다. 이번 시즌의 에피소드에는 업계 전문가들의 인사이트와 인터뷰도 포함되어 있다.

DigiKey 기술 지원 및 참여 부문 수석 이사인 데이비드 샌디스(David Sandys)는 “Engineering Unlocked는 엔지니어링 커뮤니티 전반에서 나타나는 놀라운 모멘텀을 기념한다”면서 “메이커와 학생, 전문 설계자에 이르기까지 다양한 주체들이 대담한 아이디어를 실제 솔루션으로 구현할 수 있도록 지원하는 데 의미가 있다”고 밝혔다.

각 에피소드는 ▲‘혁신가들의 커뮤니티: Supercon에서 얻은 교훈’ ▲‘비장의 도구: 현대적인 하드웨어 툴킷’ ▲‘앞으로의 길: STEM 및 엔지니어링의 미래’로 구성된다.

첫 번째 에피소드는 Supercon 2025 현장을 중심으로 커뮤니티 기반 혁신 사례를 다루고, 두 번째 에피소드는 하드웨어 플랫폼과 개발 기판, 부품 및 워크플로를 소개한다. 마지막 에피소드는 미래의 엔지니어를 양성하는 STEM 프로그램, 메이커스페이스, 교육 이니셔티브에 초점을 둔다.

마이크로칩, SiP 하이브리드 MCU로 자동차 HMI 지원

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-25 11:34:12+0900

마이크로칩테크놀로지(Microchip Technology, 아시아 총괄 및 한국대표: 한병돈)가 Arm926EJ-S 프로세서와 512Mbit DDR2 SDRAM을 하나의 패키지에 통합한 자동차용 시스템 인 패키지(System-in-Package, SiP) 하이브리드 마이크로컨트롤러(MCU) 'SAM9X75D5M'을 출시했다.

AEC-Q100 Grade 2 인증을 획득한 SAM9X75D5M은 디지털 콕핏 클러스터, HVAC 제어, 전기차(EV) 충전기 등 자동차 HMI 애플리케이션을 대상으로 하며, XGA 해상도 기준 최대 10인치 디스플레이를 지원한다.

SAM9X75D5M은 프로세서와 메모리를 하나의 패키지로 통합함으로써 PCB 라우팅 복잡성을 줄이고, 그동안 공급 변동성이 컸던 개별 DDR 메모리 조달에 대한 의존도를 낮춘다. 또한, MIPI DSI(Display Serial Interface), LVDS(Low Voltage Differential Signalling), 병렬 RGB 등 다양한 디스플레이 인터페이스를 지원하며, CAN FD, USB, TSN(Time-Sensitive Networking) 프로토콜을 지원하는 기가비트 이더넷 등 다양한 연결 옵션을 제공한다.

SAM9X75D5M은 사용자가 마이크로프로세서(MPU)의 고급 처리 성능을 활용하는 동시에 더 높은 메모리 밀도의 임베디드 메모리에 접근할 수 있도록 지원한다. 또한 MCU 기반 설계에서 익숙한 개발 환경을 유지하면서, 실시간 운영체제(RTOS)를 사용해 개발할 수 있는 옵션도 제공한다.

이 제품의 아키텍처는 비용, 성능, 전력 효율 간 균형을 고려해 설계됐다. 또한 더 높은 성능과 메모리 요구를 충족하기 위해 기존 MCU에서 MPU로 전환하는 애플리케이션을 위한 마이그레이션 경로를 제공한다.

마이크로칩은 HMI 시스템을 지원하기 위해 폭넓은 제품 포트폴리오를 제공하고 있다. 여기에는 혹독한 환경이나 LCD 화면에 물이 있는 상황에서도 안정적인 터치 감지를 지원하는 maXTouch^® 기술을 비롯해 전력 관리 및 연결 솔루션이 포함된다.

SAM9X75D5M은 MPLAB^® X 통합 개발 환경(IDE)과 MPLAB Harmony 소프트웨어 프레임워크를 지원하며, FreeRTOS^®, Eclipse ThreadX^®, 베어-메탈 소프트웨어 등 다양한 RTOS 기반 개발이 가능하다. 또한 마이크로칩 그래픽 스위트(MGS) 또는 Crank, LVGL, Altia^®, Embedded Wizard 등 타사 그래픽 소프트웨어 툴을 활용해 풍부한 그래픽 구현이 가능하다. 설계자의 제품 평가를 돕기 위해 SAM9X75 Curiosity LAN Kit(EV31H43A)가 제공된다.

TI, MCU 전 제품군에 AI 확대 ··· 엣지 인텔리전스 주도권 확보 나서

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-23 18:01:30+0900

텍사스 인스트루먼트(TI)가 엣지 AI 기능을 갖춘 마이크로컨트롤러(MCU) 2종을 공개하며, 저전력·저비용 환경에서도 인공지능을 구현하는 방향으로 임베디드 시장 확대에 나섰다. 이번에 발표된 MSPM0G5187과 AM13Ex MCU는 TI의 TinyEngine 신경망처리장치(NPU)를 통합한 것이 특징으로, 기존 MCU의 역할을 넘어 온디바이스 AI 추론까지 지원한다.

TinyEngine NPU는 TI의 C2000™ 및 Arm^® Cortex^® 기반 MCU에 통합된 하드웨어 가속기로, 임베디드 시스템 설계자가 엣지 AI 모델을 대규모로 배포할 때 지연시간을 줄이고 에너지 효율을 향상할 수 있도록 개발됐다.

TinyEngine NPU는 MCU 내 CPU와 병렬로 머신러닝 알고리즘을 실행해 리소스 제약이 있는 디바이스에서도 신경망(Neural Network, NN) 모델의 실시간 처리를 가능하게 한다. 특히 딥러닝 모델의 실시간 엣지 AI 추론을 위한 2.56 GOPS (Giga Operations Per Second)의 연산 성능을 제공해 엣지 환경에서도 안정적인 AI 연산 처리를 지원한다. 이러한 구조는 딥러닝 추론의 효율을 높여 엣지에서의 처리 시 지연시간과 전력 소모를 줄인다. 또한, 온디바이스에서 직접 추론을 수행함으로써 클라우드 기반 추론에서 발생하는 왕복 지연을 제거해 시스템 응답성을 향상시킨다.

MSPM0G5187은 Arm Cortex-M0+ 기반의 범용 MCU로, 초저전력과 소형 설계를 강점으로 한다. 여기에 AI 추론 기능이 결합되면서 웨어러블 기기, 스마트 스피커, 소형 센서 모듈 등 다양한 애플리케이션에서 실시간 데이터 처리가 가능해졌다. 특히 센서 데이터를 기반으로 한 이상 감지, 음성 호출 인식, 사용자 행동 분석 등 온디바이스 AI 활용 범위를 확대할 수 있다.

허정혁 이사. TI MCU 기술지원 담당 FAE

TI 코리아 허정혁 이사는 간담회에서 “TinyEngine NPU를 활용하면 플래시 사용량을 줄이고 지연시간은 최대 90배 단축, 전력 소모는 약 120배 감소하는 효과를 얻을 수 있다”며 “저전력, 저비용 환경에서도 AI 기능을 구현할 수 있다는 점이 핵심”이라고 강조했다.

그는 이어 MSPM0G5187의 방향성에 대해 “이 MCU는 AI 솔루션을 가장 대중화할 수 있는 제품으로, 일상적인 전자기기에 적용해 저전력·저지연 AI 기능을 구현하는 것을 목표로 한다”고 말했다.

실제 적용 사례로는 스마트 스피커의 호출어 인식, 웨어러블 기기의 동작 분석, 가전제품의 고장 예측 등이 제시됐다. 허 이사는 “기존 스마트 스피커가 수 와트 수준의 전력을 사용하는 반면, MCU 기반 엣지 AI 구조에서는 수십 mW 수준으로 줄일 수 있어 전력 효율이 크게 향상된다”고 강조했다.

산업용 애플리케이션을 겨냥한 AM13Ex MCU는 Arm Cortex-M33 코어와 TinyEngine NPU, 실시간 제어 아키텍처를 단일 칩에 통합한 것이 특징이다. 최대 4개의 모터를 동시에 제어하면서 AI 기반 이상 감지와 예측 유지보수를 수행할 수 있어, 기존 멀티칩 설계를 단일 칩으로 대체할 수 있다. TI에 따르면, 이러한 통합 설계는 추가 부품 없이도 정교한 모터 제어와 AI 기능을 동시에 구현할 수 있도록 해 BOM(Bill of Materials) 비용을 최대 30%까지 절감할 수 있다.

허 이사는 “AM13Ex MCU는 모터 제어와 AI 기능을 동시에 수행할 수 있어, 별도의 칩 없이도 AC 회로 차단기의 아크 결함 감지나 모터 베어링 이상 감지 같은 기능을 구현할 수 있다”고 설명했다. 이어 “세탁기에서는 부하 불균형을 AI로 감지해 소음을 줄이고, 산업 장비에서는 고장을 사전에 예측할 수 있다”고 덧붙였다.

휴머노이드 로봇과 같은 고도화된 시스템에서도 활용 가능성이 제시됐다. 허 이사는 “AI가 토크와 전류 등의 데이터를 분석해 이상 징후를 사전에 감지하고, 예측 유지보수를 통해 시스템 신뢰성을 높일 수 있다”고 말했다.

TI는 하드웨어뿐 아니라 개발 생태계 강화에도 힘을 싣고 있다. TI의 CCStudio 통합 개발 환경(IDE)은 생성형 AI 기능을 통합해, 엔지니어가 간단한 언어를 사용해 업계 표준 에이전트 및 TI 데이터와 결합된 모델을 통해 코드 개발, 시스템 구성, 디버깅을 수행할 수 있도록 지원한다.
여기에 CCStudio Edge AI Studio가 더해지며 AI 개발 기능이 확장된다. 해당 툴은 고품질 데이터 수집부터 모델 학습, 최적화, 배포까지의 과정을 지원하며, 데스크톱과 클라우드 환경 모두에서 활용 가능하다. 50개 이상의 디바이스와 60개 이상의 AI 모델을 지원해 다양한 애플리케이션에 적용할 수 있는 기반을 제공한다.
또한 TI Model Zoo를 통해 MCU 및 프로세서 기반 애플리케이션에 활용 가능한 AI 모델과 예제, 구성 자료를 제공한다. 이를 통해 개발자는 사전 구축된 리소스를 활용해 개발 시간을 단축할 수 있다.
개발 유연성도 강화됐다. PyTorch, TensorFlow, ONNX 등 주요 오픈소스 프레임워크를 지원하는 커맨드라인 툴링(Command-line tooling)을 제공해, 기존에 학습된 모델을 TI 디바이스로 쉽게 이식할 수 있다. 다양한 개발 환경과의 호환성을 확보해 엔지니어 선택의 폭을 넓힌 셈이다.

한편, 엣지 AI 성능에 대한 질문에 허 이사는 MCU와 고성능 AI 칩의 역할 차이를 명확히 했다. 그는 “MCU에서 수십~수백 TOPS 수준의 연산을 요구하는 것은 적절하지 않다”며 “현재 제공하는 2.56 GOPS 수준은 결함 감지나 음성 인식 등 저전력 환경에서의 AI 추론에 충분한 성능”이라고 설명했다.

이어 “만약 MCU가 TOPS 단위 성능을 갖게 되면 저전력 특성이 사라질 수 있다”며 “TI는 엣지 AI MCU에서 적정 성능과 전력 효율 간 균형을 중요하게 보고 있다”고 밝혔다.

AM13E230x에 탑재된 TinyEngine NPU는 2.56 GOPS 성능과 8비트·4비트·2비트 정밀도와 다양한 혼합 정밀도 모드를 지원한다.

허 이사는 “이번에 범용 MCU와 실시간 MCU를 중심으로 소개했지만, TI는 MCU를 넘어 전체 임베디드 프로세서 포트폴리오 전반에 걸쳐 AI 인텔리전스 솔루션을 확대하고 있다”며 “프로세서 레벨에서는 TDA4와 같은 제품이 대표적이며, 무선 커넥티비티 CC27 시리즈와 mmWave 레이다(IWRL, AWRL) 등 다양한 디바이스에도 AI 기능이 통합돼 있다”고 소개했다.

TI는 향후 출시되는 MCU 전반에 TinyEngine NPU를 확대 적용할 계획이다. 이를 통해 다양한 임베디드 디바이스에서 AI 기능을 보다 손쉽게 구현할 수 있는 환경을 제공한다는 방침이다.

ams OSRAM, 차량 조명용 OSP 국제표준화 착수

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-23 15:58:53+0900

ams OSRAM이 다이내믹 조명 및 지능형 차량 네트워크를 위해 개발한 오픈 시스템 프로토콜(Open system protocol, OSP)이 ISO 표준으로 채택되기 위한 절차에 들어갔다.

ams OSRAM은 ISO 기술위원회 TC22 산하 SC31/WG3에서 OSP 표준화 작업이 신규 항목으로 승인돼 공식 절차가 시작됐다고 23일 밝혔다. 해당 안건은 2026년 1월 회원국 투표를 통해 승인됐으며, 2월부터 공식적인 표준 개발이 진행되고 있다. ams OSRAM은 최종 표준화 완료 시점을 2028년 초로 예상하고 있다.

OSP는 차량 내 RGB LED, 드라이버, 센서, 액추에이터 등 다양한 지능형 엔드포인트(노드)를 효율적으로 연결하고 제어하기 위해 개발된 개방형 프로토콜이다. 1개의 중앙 컨트롤러로 최대 1,000개의 노드를 관리할 수 있으며, 차량 내 ‘라스트 마일’ 네트워크로서 조명 및 스마트 디바이스를 CAN이나 이더넷 등 상위 네트워크와 직접 연결하는 역할을 수행한다. 특히 10BASE-T1S 기반 구현을 통해 존(Zone) 및 도메인 기반 E/E 아키텍처에 적합한 구조를 갖췄다는 점이 강조된다.

OSP는 이미 일부 양산 차량에 적용되고 있으며, 관련 LED 및 드라이버 제품이 실제 차량에 탑재돼 운영되고 있다. 또한 여러 반도체 및 MCU 업체들이 OSP를 지원하는 제품을 출시하거나 통합을 진행하면서 생태계 확장도 이어지고 있다.

OSP는 라이선스 프리 기반의 개방형 프로토콜로 설계돼 누구나 활용할 수 있으며, 기본 통신 구조만 표준화하고 상위 애플리케이션 영역은 유연성을 유지하도록 구성된 것이 특징이다. 관련 규격과 소프트웨어도 공개돼 있어 개발 접근성을 높였다. 관련 소프트웨어는 GitHub에서 무료로 제공된다.

OSP는 ISO 표준화 절차에 착수함에 따라 글로벌 완성차 및 부품업체의 채택을 위한 기반을 확보하게 됐다. 업계에서는 안전성과 상호운용성이 중요한 자동차 환경에서 국제표준 채택 여부가 기술 확산의 핵심 변수로 작용할 것으로 보고 있다.

페스카로, 오토노머스에이투지와 자율주행차 사이버보안 고도화 협력

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-23 15:27:26+0900

차량 통합보안 플랫폼 기업 페스카로(FESCARO, 대표 홍석민)와 자율주행 기업 오토노머스에이투지(Autonomous A2Z, 대표 한지형)가 자율주행 차량의 사이버보안 고도화에 협력한다.

양사는 자율주행 차량의 높은 소프트웨어 의존도와 외부 통신 확장성에 대응하기 위해 차량 전 생애주기를 포괄하는 통합 보안 체계를 구축한다. 이번 협력은 글로벌 시장 진출을 추진 중인 자율주행 서비스의 안정성과 신뢰성 확보를 위한 기반 마련에 초점이 맞춰졌다.

프로젝트는 자율주행 환경에 요구되는 보안 수준을 반영해 단계적으로 진행된다. 페스카로는 차량 통합보안 플랫폼을 기반으로 사이버보안 운영체계(CSMS) 구축, 위협분석 및 위험평가(TARA), 보안 솔루션 적용, 사이버보안 자동화 플랫폼 ‘CSMS 포털’ 구현까지 지원한다. 이를 통해 개발부터 운영, 유지보수에 이르는 전 과정에서 보안 대응 체계를 일원화할 계획이다.

오토노머스에이투지는 레벨4 자율주행 기술을 바탕으로 해외 시장 확대를 추진하고 있으며, 이에 따라 각국 규제에 대응할 수 있는 보안 역량 확보가 요구되고 있다. 특히 자율주행 차량은 일반 차량 대비 공격 표면이 넓어, 선제적인 보안 체계 구축이 상용화의 핵심 요소로 꼽힌다.

페스카로는 차량 E/E 아키텍처와 사이버보안 규제 대응 경험을 바탕으로 실제 차량 환경에 적용 가능한 보안 체계 구축을 지원해 왔다. 양사의 협력은 자율주행 차량의 상용화 과정에서 요구되는 보안 수준을 충족하는 동시에, 글로벌 시장 진출을 위한 기반을 강화하는 방향으로 진행될 예정이다.

구성서 페스카로 상무(CSO, 최고사업책임자)는 “승용차, 상용차, 농기계를 넘어 자율주행 차량의 사이버보안 프로젝트까지 수행하게 된 것은 페스카로만의 독보적 인증 경험과 차량 전장 이해도가 결합된 결과”라며 “단순 인증 획득에서 그치지 않고, 고객사가 사이버보안을 실제로 내재화할 수 있는 실효성 있는 체계를 제공하겠다”고 강조했다.

한편, 오토노머스에이투지는 APEC 2025 공식 자율주행 운영사이자 글로벌 시장조사기관 가이드하우스가 발표한 ‘2025년 자율주행 리더보드’에서 세계 7위에 오르며 기술경쟁력을 입증했다.

NXP, 엔비디아와 협력해 통합 로보틱스 솔루션 출시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-20 15:04:12+0900

NXP 반도체는 실시간 데이터 처리, 센서 융합, 모터 제어를 위해 설계된 로보틱스 솔루션 제품군을 발표했다. 엔비디아와의 협력을 통해 개발된 이 솔루션은 즉시 적용 가능한 형태로 제공되며, 엔비디아 홀로스캔 센서 브릿지(NVIDIA Holoscan Sensor Bridge)와 NXP의 시스템온칩(SoC) 기술을 결합해 로봇 개발 시 부품 수, 전력 소비, 비용을 줄이는 데 기여한다.

이 솔루션은 동작과 센서 데이터를 동기화하기 위해 저지연 데이터 전송이 요구되는 피지컬 AI에 초점을 맞췄다. NXP는 엔비디아의 홀로스캔 센서 브릿지를 자사 소프트웨어에 통합함으로써, 개발자는 로봇 바디와 중앙 처리 장치 간 직접적인 데이터 전송 경로를 구축할 수 있다.

이 아키텍처에는 다음과 같은 NXP 기술이 포함된다.

i.MX 95 애플리케이션 프로세서: 로봇 브레인에 고대역폭 데이터를 제공하는 머신 비전 솔루션
i.MX RT1180 크로스오버 MCU: 키네마틱 체인을 기반으로 한 모터 제어 솔루션
S32J TSN 스위치: 모터 제어 데이터를 집계하고 TSN 및 EtherCAT 프로토콜을 통해 브레인과 직접 연결
비대칭 데이터 전송 기술: Aviva Links를 통해 확보한 기술로, 로봇 전신에 걸쳐 고처리량 데이터를 관리

이 통합 아키텍처는 복잡한 모터 동기화와 실시간 인식을 요구하는 휴머노이드 형태의 로봇을 지원하도록 설계됐다. 또한 NXP는 자동차 등급 네트워킹과 기능 안전 분야에서 축적한 기술을 적용해, 물리적 환경에서도 시스템의 신뢰성을 확보했다.

이 로보틱스 솔루션은 2026년 상반기 중 출시될 예정이다.

디스페이스코리아-플로버, ADAS·자율주행 검증 협력 위한 MOU

한상민 기자_han@autoelectronics.co.kr — 2026-03-19 08:10:51+0900

디스페이스코리아 손태영 대표(좌)와 플로버 임동현 대표

(2026년 3월 18일, 수요일) 글로벌 시뮬레이션 및 검증 솔루션 기업 디스페이스코리아(dSPACE Korea, 대표 손태영)와 자율주행 검증(V&V) 딥테크 스타트업 플로버(Flover, 대표 임동현)가 18일 오토모티브테스팅엑스포 2026(KINTEX)에서 ‘ADAS·자율주행 검증 생태계 고도화 및 차세대 XIL 기반 통합 검증 솔루션 공동 개발’을 위한 업무협약(MOU)을 체결했다.

디스페이스는 자율주행, ADAS, 전동화, SDV 등 차량 개발 전반에 걸친 시뮬레이션 및 검증 솔루션을 제공하는 기업이다. 글로벌 완성차 OEM과 주요 부품사를 대상으로 HIL(Hardware-in-the-Loop) 시뮬레이션을 비롯한 다양한 검증 플랫폼을 공급하고 있으며, 국내에서도 현대자동차그룹을 포함한 주요 OEM 및 부품사와 협력해 왔다. 최근에는 국내 자율주행 및 검증 분야 기업들과의 파트너십을 확대하며 검증 생태계 구축에 속도를 내고 있다.
플로버는 올 1월 설립된 시스템 엔지니어링 기반 딥테크 스타트업으로, ADAS·자율주행 검증 엔지니어링과 XIL 기반 검증 방법론을 핵심 역량으로 삼고 있다. 양사는 이 협약을 통해 디스페이스의 SCALEXIO, AURELION, SIMPHERA 등 XIL 시뮬레이션 플랫폼과 플로버의 검증 엔지니어링 역량을 결합해 보다 신뢰성 높은 차세대 통합 검증 인프라를 공동 구축할 계획이다.

양사의 협력은 이미 실질적인 단계에 들어서 있다. 현재 디스페이스와 플로버는 NVIDIA Alpamayo 기반 E2E(End-to-End) 자율주행 검증 솔루션 공동개발을 진행하고 있으며, 자율주행 조향 시스템 검증을 위한 HIL 시뮬레이션 시스템 개발에서도 협력하고 있다. 올 하반기에는 SDV(Software-Defined Vehicle) 검증과 사이버보안 검증 영역으로 협력 범위를 확대할 계획이다.

이번 MOU를 통해 양사는
▲ 자율주행 E2E 검증 솔루션 공동 개발 및 사업화
▲ AI 기반 검증 자동화 및 데이터 분석 기술 공동 연구
▲ dSPACE HIL 플랫폼과 AURELION 연계 제어기 검증 기술 개발 및 레퍼런스 확보
▲ 정부 과제 공동 참여 및 국방·항공·로봇·선박 등 미래 모빌리티 분야로의 확장
등을 추진할 예정이다.

플로버는 ‘Verify the Flow of Future Mobility’를 비전으로, XIL 기반 검증 방법론과 SIL/HIL/VIL 통합 엔지니어링 역량을 바탕으로 분절된 검증 과정을 하나의 흐름으로 연결하는 통합 검증 환경 구축을 지향하고 있다. 자체 개발 중인 FLOVER Suite를 통해 시스템 통합, 시나리오 기반 테스트 자동화, AI 기반 검증 분석 기능을 제공하며, 디스페이스의 글로벌 시뮬레이션 툴체인과 결합해 다양한 모빌리티 플랫폼 환경에서의 E2E 검증 효율을 높여갈 계획이다.

디스페이스코리아 손태영 대표는 “플로버는 설립 초기부터 ADAS·자율주행 검증 분야에서 깊이 있는 엔지니어링 역량과 빠른 실행력을 보여주고 있는 파트너”라며, “디스페이스의 시뮬레이션 플랫폼과 플로버의 현장 중심 검증 엔지니어링 노하우가 결합되면, 국내 자율주행 검증 생태계에 의미 있는 대안을 제시할 수 있을 것으로 기대한다”고 말했다.

플로버 임동현 대표는 “dSPACE와의 전략적 파트너십은 자동차 분야를 넘어 다양한 미래 모빌리티 검증 영역으로 확장될 수 있는 기반이 될 것”이라며, “양사의 검증 및 시뮬레이션 역량을 결합해 미래 모빌리티 개발의 안전성과 효율성을 높여 나가겠다”고 말했다.

한편, 양사는 이번 MOU를 계기로 정기적인 기술 교류와 공동 레퍼런스 확보를 본격화하고, 국내외 완성차 제조사 및 부품사를 대상으로 공동 솔루션 제안도 확대해 나갈 방침이다.

마우저, 자율주행차 온라인 리소스 센터 확장

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-16 20:35:22+0900

최신 전자부품 및 산업 자동화 제품을 공급하는 글로벌 공인 유통기업 마우저 일렉트로닉스(Mouser Electronics)가 양산 가능한 자율주행 시스템 구현을 위한 시스템 아키텍처와 관련 설계 제약에 초점을 맞춰 자사의 포괄적인 자율주행차(AV) 리소스 센터를 확장했다고 16일 밝혔다.

이 리소스 센터는 센싱 기술, 차량 내 통신(IVN), V2X 통신이 어떻게 실시간 의사결정 시스템에 데이터를 제공하는지에 대해 살펴보고, 현장에서 ‘배포 가능한’ 자율주행의 의미를 정의하는 데 있어서 안전성·사이버보안·윤리적 경계 사례가 점점 더 강조되고 있는 이유를 분석한다.

자율주행차가 실제 도로상에 광범위하게 배포되려면 엔지니어들이 결정론적 성능, 기능 안전, 사이버보안 간의 균형을 유지하는 동시에 도로 상에서 안전하고 윤리적인 판단을 내릴 수 있는 시스템을 구축해야 한다. 로보택시 서비스는 계속되는 기술적 장벽에 부딪히면서 새로운 서비스를 실제 환경에 적용하기가 얼마나 어려운지를 여실히 보여주고 있다.

이러한 이슈들을 해결하기 위해 AV 설계자들은 고대역폭 센싱, 차량 내 네트워킹, 지속적인 OTA(over-the-air) 소프트웨어 업데이트를 아키텍처에 통합하고, 해당 아키텍처를 지속적으로 인증, 서비스, 발전시켜 나가고 있다. AV 설계자들이 겪는 이러한 압박은 소프트웨어 정의 차량(SDV)과 존(zonal) 아키텍처로의 전환을 가속화하는 요인으로 작용한다. 영역 아키텍처는 센싱과 구동 기능을 중앙 집중형 컴퓨팅에서 분리함으로써 배선의 복잡도를 줄이고, 결함을 더욱 안전하게 격리할 수 있게 하며, 차량이 초기에 배포된 이후에도 모듈형 시스템 발전을 가능하게 한다.

마우저의 기술팀과 제조사 파트너의 통찰을 바탕으로 개발된 마우저 AV 리소스 허브는 엔지니어가 자율주행차의 실제 환경 배포 시 발생하는 트레이드오프를 평가하는 데 도움을 줄 수 있도록 엄선한 기사, 블로그, 전자책, 제품 정보 등을 제공한다. 이 리소스 허브에 수록된 자료들은 인식과 센서 융합, 결정론적 네트워킹, 기능 안전 및 사이버보안, 윤리적 의사결정 로직, 규제 고려 사항 등 다양한 주제를 다루며, 단순한 실험실 성능이 아닌 실제 시스템 통합 관점에서 설명한다.

엔지니어와 구매자들에게 최신 제품을 공급하기 위해, 마우저는 업계에서 가장 광범위한 반도체 및 전자 부품 포트폴리오를 제공하고 있으며, 여기에는 자율주행차 애플리케이션을 위한 다음과 같은 최신 솔루션도 포함된다.

텍사스 인스트루먼트(TI)의 DP83TC817S-Q1은 비차폐 트위스티드 페어 케이블을 통해 단일 쌍 이더넷(SPE)을 지원하는 차량용 이더넷 트랜시버로서, xMII 인터페이스 유연성, 오픈 얼라이언스 EMC 규격 준수, 통합 IEEE 802.1AE 보안, 그리고 시스템 전력 소비를 줄이기 위한 OA TC-10 저전력 슬립 모드 및 웨이크 포워딩 기능이 특징이다. 6mm × 6mm VQFN 패키지로 제공되는 이 제품은 TI의 100BASE-T1 및 1000BASE-T1 PHY 풋프린트와 호환되어 ADAS, 보디 전자 장치, 텔레매틱스 애플리케이션을 위한 확장 가능한 설계를 지원한다.
NXP 반도체의 S32E2 실시간 프로세서는 16nm 공정 기반 차량용 프로세서 제품군으로, SDV용으로 설계되었다. 이 제품군은 ASIL D 기능 안전과 ISO/SAE 21434 인증 사이버보안을 제공하며, AUTOSAR, 제퍼(Zephyr), FreeRTOS를 지원한다. 최대 1GHz로 동작하는 8개의 Arm Cortex-R52 코어, TSN 지원 기가비트 이더넷 스위치, 19MB SRAM, 최대 64MB 플래시 메모리를 통합하여 xEV 시스템, 배터리 관리 시스템(BMS), BLDC 모터 제어, 차량용 존 컨트롤러 등 확장 가능한 제어 애플리케이션을 지원한다.
마이크로칩 테크놀로지의 MCP998x 차량용 온도 센서는 최대 5개의 모니터링 채널, 1°C 정확도, 1.7V ~ 3.6V 전원 공급 범위를 제공하며 소프트웨어로 변경할 수 없는 하드웨어 설정 셧다운 임계값을 갖추고 있어, 안전이 중요한 열 관리 애플리케이션에 적합하다.
TE 커넥티비티의 NanoMQS 0.50mm 미니어처 커넥터 시스템은 MQS(Micro Quadlok System) 기반 솔루션으로, PCB 면적을 최대 50%까지 줄이고 6A 전류를 지원한다. 이 시스템은 1.8mm 피치, 1차 및 2차 접점 잠금 기능을 갖춘 잠금 랜스 구조의 단자, 청각적 CPA, 그리고 LV214/USCAR 규격 준수를 통해 안전하고 진동에 강한 체결을 제공한다. 또한 원형 와이어 및 FFC/FPC 단자 연결을 지원하며, 배터리 관리 유닛, ECU, 에어백, 블랙박스 시스템과 같이 공간 제약이 있는 애플리케이션에 이상적이다.

서진오토모티브, 2차전지·로봇 사업 확대

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-16 20:21:46+0900

서진오토모티브가 미래 성장동력 확보를 위해 2차전지와 로봇 분야로 사업 영역 확대에 나선다.

서진오토모티브는 정관 변경을 통해 신규 사업목적으로 ‘2차전지 부품·소재 제조 및 판매업’과 ‘로봇 하드웨어 및 로봇 시스템(본체, 구동부, 제어장치, 센서 등)의 제조 및 판매’를 추가할 예정이라고 16일 밝혔다.

이번 정관 변경은 자동차 산업의 전동화와 제조 현장의 자동화·지능화가 빠르게 진행되는 가운데, 기존 자동차 부품 사업에서 축적한 기술력과 양산 역량을 기반으로 신사업 추진을 위한 제도적 기반을 마련하기 위한 조치로 풀이된다.

서진오토모티브는 자동차 구동계 부품 분야에서 축적해 온 정밀가공 기술과 품질관리, 생산기술 및 양산 대응 역량을 바탕으로 향후 성장성이 기대되는 분야로 사업 포트폴리오를 확대할 계획이다. 특히 2차전지 부품·소재 분야는 글로벌 전동화 전환 흐름과 맞물려 중장기 성장성이 높은 산업으로 평가받고 있으며, 로봇 하드웨어 및 시스템 분야 역시 제조업 전반의 스마트화 수요 확대와 함께 시장이 빠르게 성장하고 있다.

회사 측은 이번 사업목적 추가가 단기적인 사업 확장보다는 산업 구조 변화에 대응하고 중장기적인 신규 사업 기회를 확보하기 위한 차원이라고 설명했다. 이를 통해 기존 주력사업과의 기술 연계성을 높이고 지속 가능한 성장 기반을 마련하겠다는 구상이다.

업계에서는 서진오토모티브의 이번 정관 변경을 전통적인 자동차 부품 제조기업에서 미래 제조·부품 기업으로 사업 영역을 확대하려는 움직임으로 보고 있다. 기존 제조 경쟁력을 바탕으로 2차전지와 로봇 분야에서 새로운 성장 축을 확보할 수 있을지 주목된다.

서진오토모티브는 기존 사업에서 축적한 제조기술과 품질 역량을 토대로 미래 산업 변화에 대응하고, 신규 사업목적 추가를 통해 중장기 성장 기반을 강화해 나가겠다고 밝혔다.

ST, 차세대 UWB 칩 ‘ST64UWB’ 출시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-16 20:09:18+0900

ST마이크로일렉트로닉스(STMicroelectronics, 이하 ST)가 최대 수백 미터의 거리에서 기기의 위치 추적을 지원하면서 차세대 무선 표준을 지원하는 UWB(Ultra-Wideband) 칩(SoC) ‘ST64UWB’ 제품군을 출시했다.

이번에 발표된 3종의 SoC(ST64UWB-A100, ST64UWB-A500, ST64UWB-C100)는 18nm FD-SOI 공정 기술로 구현됐다. 이는 기존의 벌크 기술 대비 링크 버짓(Link Budget)을 약 3dB까지 향상시킴으로써 IEEE 802.15.4ab 표준이 제공 중인 성능을 넘어 약 50% 더 넓은 도달거리를 지원한다고 ST는 밝혔다.

그 결과 이 칩은 확장된 통신 거리와 더 높은 처리 성능, 향상된 안정성을 기반으로 자동차, 컨슈머, 산업 분야에서 안전한 디지털 출입 제어, 존재 및 동작 감지, 정밀 접근 감지 등 새롭게 개선된 기능을 구현하도록 지원하다.

ST64UWB 제품군은 NBA(Narrow-Band Assistance) 무선 기능을 포함해 초정밀 거리 측정과 센싱 기능을 제공한다. IEEE 802.15.4ab는 기존 IEEE 802.15.4z 기술을 기반으로 동작 범위와 연결성을 개선한 차세대 규격으로, MMS(Multi-Millisecond)와 NBA 기술을 통해 통신 거리 확장과 안정적인 연결을 지원한다.

MMS와 NBA를 지원하는 ST64UWB 솔루션으로 통신 거리를 확장하고, 동급 최고 수준의 핸즈프리 사용자 경험을 제공한다.

새로운 표준은 현재 자동차 산업에서 널리 사용되는 핸즈프리 디지털 자동차 키 기술을 한 단계 발전시키는 역할을 한다. 차량 접근 시 자동으로 잠금이 해제되는 디지털 키 시스템은 기존 UWB 기술을 활용해 구현됐으며, IEEE 802.15.4ab는 이러한 기능의 안정성과 동작 범위를 크게 향상시킨다. 특히 가방이나 주머니 속에 있는 휴대 기기와의 연결성을 강화하고, 근거리 방향 탐지 기능으로 사용자 의도를 더 정확하게 파악하게 해준다.

또한, IEEE 802.15.4ab는 향상된 레이다 모드를 지원해 차량 내 탑승자 감지와 같은 안전 기능 구현에도 활용될 수 있다. 대표적으로 차량 내부에 남겨진 아동을 감지하는 CPD(Child Presence Detection) 기능은 유럽 자동차 안전 평가 프로그램인 유로-NCAP(Euro-NCAP)이 권고하는 주요 안전 기술 가운데 하나다.

업계에서는 IEEE 802.15.4ab가 차세대 UWB 기술 확산의 핵심 기반이 될 것으로 보고 있다. 시장조사업체 ABI 리서치는 2030년까지 UWB를 탑재한 대부분의 차량이 이 새로운 표준으로 전환될 것으로 전망하고 있다. 또한, 해당 표준을 지원하는 스마트폰이 빠르게 확대되면서 자동차와 스마트 기기 간 연결 기반도 더욱 넓어질 것으로 예상된다.

ST64UWB는 기존 IEEE 802.15.4z 기반 시스템과의 하위 호환성을 유지하도록 설계돼 기존 UWB 인프라와도 원활하게 통합될 수 있다. 이를 통해 디지털 키 시스템이나 스마트 액세스 솔루션을 개발하는 자동차 및 IoT 기업은 기존 환경을 유지하면서도 새로운 기능을 도입할 수 있다.

ST64UWB-A 시리즈의 첫 제품인 ST64UWB-A100은 Arm^® Cortex^®-M85 코어를 기반으로 디지털 키와 정밀 차량 위치확인 등과 같은 적용 사례를 비롯해 자동차 안전 규격인 ASIL A(B)를 지원한다. 여기에 AI 가속기 및 디지털 신호 처리 기능이 추가된 ST64UWB-A500은 CPD, 킥 센싱(Kick Sensing), 주차 센서 및 레이다 기반 감시 모드 등과 같은 엣지 AI 기반 레이다 애플리케이션용으로 설계됐다. 이러한 레이다 기능은 새로운 15.4ab 카이저(Kaiser) 펄스 형태와 UWB 채널 11의 업그레이드된 1.3GHz 대역폭을 통해 500MHz 채널 대비 두 배 더 높은 정확도를 제공한다.
Arm^® Cortex^®-M85 코어 기반의 ST64UWB-C100은 상업용 및 컨슈머 애플리케이션을 위해 설계됐으며, 알리로(Aliro) 표준과의 호환성을 바탕으로 핸즈프리 및 탭프리 사용자 경험을 제공한다.

ST는 현재 주요 자동차 부품사와 OEM을 대상으로 ST64UWB 샘플을 공급하고 있으며, 향후 디지털 키, 스마트 액세스, 정밀 위치 기반 서비스 등 다양한 애플리케이션에서 활용이 확대될 것으로 기대하고 있다.

모빌테크-디스페이스코리아, 자율주행 시뮬레이션 협력

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-16 18:14:25+0900

공간 지능(Spatial AI) 전문 기업 모빌테크와 글로벌 자율주행 시뮬레이션·검증 솔루션 기업 디스페이스코리아가 실제 환경 기반의 초실감형 가상 환경 구축과 차세대 자율주행 시뮬레이션 기술 고도화를 위해 협력한다.

모빌테크와 디스페이스코리아 임직원들이 모빌테크 캘리브레이션 센터에서 MOU 체결을 기념해 기념촬영을 하고 있다.

모빌테크(대표 김재승)와 디스페이스코리아(대표 손태영)는 ‘실제 환경 기반 초실감형 가상 환경 공동 구축 및 차세대 자율주행 시뮬레이션 기술 선도’를 위한 업무협약(MOU)을 체결했다고 16일 밝혔다. 이번 협약은 모빌테크의 고정밀 3D 공간 데이터와 디스페이스의 엔드투엔드(E2E) 시뮬레이션 툴체인을 결합해 자율주행 기술 검증 환경을 고도화하기 위해 추진됐다.

양사는 이번 협력을 통해 자율주행 기술의 핵심으로 주목받는 ‘피지컬 AI(Physical AI)’ 기반 인프라 구축에 나선다. 피지컬 AI는 가상 환경에서 실제 물리 환경과 동일한 조건을 구현해 자율주행 알고리즘이 현실과 유사한 환경에서 학습·검증될 수 있도록 하는 기술로, 자율주행 시스템의 신뢰성과 안전성을 확보하는 데 중요한 역할을 한다.

구체적으로 양사는 디스페이스 시뮬레이터에 최적화된 한국형 고품질 피지컬 AI 모델링 데이터 구축을 추진하고, 자율주행 엔드투엔드(E2E) 모델 검증 환경을 공동으로 제안해 시장 확대에 나설 계획이다. 또한 디스페이스의 HILS(Hardware-in-the-Loop Simulation) 솔루션과 모빌테크의 공간 데이터 기술을 결합해 검증 솔루션을 고도화하고, 정부 연구 과제와 공동 사업 기회 발굴도 함께 추진한다.

모빌테크는 자체 개발한 공간 매핑 기술을 통해 실제 도로 환경과 물리적으로 동일한 수준의 정밀 데이터를 제공한다. 디스페이스는 이러한 데이터를 자사의 시뮬레이션 플랫폼에서 효율적으로 활용할 수 있도록 지원해 가상 환경에서도 실제 주행 환경에 가까운 검증 조건을 구현한다. 특히 디스페이스의 시뮬레이션 엔진과 모빌테크의 정밀 3D 데이터가 결합되면 자율주행 차량이 가상 환경에서 실제 물리 법칙을 기반으로 학습할 수 있는 초실감형 검증 환경 구축이 가능하다는 설명이다.

양사는 이번 협약을 계기로 정기적인 기술 교류와 품질 개선 활동을 이어가고, 국내외 자율주행 완성차 및 부품사를 대상으로 공동 솔루션 제안 등 협력 범위를 확대해 나갈 계획이다.

AI 기반 자율주행 및 스마트시티 구축을 위한 3차원 공간정보 솔루션을 개발하는 모빌테크는 3차원 고정밀 지도 제작과 디지털 트윈 데이터 구축, 라이다(LiDAR) 기반 3D 공간 스캐닝 및 모델링 기술을 통해 현실 공간을 디지털 환경에 정밀하게 구현하는 기술을 개발하고 있다.

Maps Become Critical Infrastructure for SDVs and Autonomy

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-16 17:23:34+0900

INTERVIEW WITH

Deon Newman
SVP and GM of Asia Pacific
HERE Technologies

As the era of software-defined vehicles (SDVs) gathers momentum, the role of digital maps is expanding beyond simple navigation support to become critical driving infrastructure. As ADAS and navigation-on-autopilot (NOA) functions grow more sophisticated, the importance of lane-level maps and real-time location intelligence is also increasing. In an interview with Automotive Electronics Magazine (AEM), Dion Newman, Senior Vice President and General Manager for Asia Pacific (APAC) at HERE Technologies, emphasized that the company supports vehicles in continuously accessing the latest road information through its AI-powered Live Map and integrated software stack, which he described as a key foundation for addressing global regulatory requirements and enabling next-generation SDV architectures.

by BJ Yoon _ bjyun@autoelectronics.co.kr
한글로 보기

When HERE’s map attributes - such as speed limits or lane information - are refreshed, how quickly can these updates be made available for in vehicle functions from a map delivery standpoint?
Newman At HERE, our priority is to ensure that vehicles operate on fresh, trustworthy, automotive grade map data. Every day, we ingest billions of points of sensor data, drawn from tens of millions of devices and connected vehicles globally, and our AI powered mapmaking pipeline transforms these signals into validated map updates at scale.

In the SDV era, navigation, ADAS and NOA features depend on much faster and more frequent map updates than traditional systems. As the industry moves from hybrid navigation to fully streaming, software‑defined navigation, automakers increasingly require map content that is refreshed continuously and delivered directly into the vehicle through APIs and integrated software stacks. HERE supports this shift by generating and delivering new map content on a weekly basis through its streaming map APIs, enabling OEMs to bring fresher road, speed‑limit and lane‑level information into their vehicles far more quickly than conventional offline update cycles.

How does HERE ensure the consistency and reliability of its lane level map data when used alongside vehicle sensors in modern perception stacks?
Newman Ensuring consistent and reliable lane‑level information is one of the biggest challenges in modern mapping, especially as assisted‑driving systems increasingly depend on precise lane geometry and attributes. Over the past two decades, HERE has built advanced AI‑driven mapmaking capabilities that allow us to move from traditional, manual map creation to a highly automated process powered by vehicle‑sensor perception and multi‑source data fusion.

To keep lane‑level content accurate, HERE continuously detects real‑world changes using a wide range of sources including high‑precision lidar from HERE True vehicles, construction‑activity monitoring, vehicle perception data, street‑level imagery and arterial satellite imagery. These signals are processed through AI tools that automatically aggregate, validate and update both physical lane geometry and logical lane attributes, while automated checks and targeted human moderation ensure the final output is consistent, reliable and aligned with real‑world conditions.

This combination of automated perception‑driven updates and multi‑source cross‑validation is what enables HERE to maintain its leadership in global lane‑level map production. It also ensures that leading OEMs can rely on a continuously refreshed, trustworthy foundation for ADAS, NOA and other safety‑critical functions, ultimately giving drivers a more confident, predictable and safer assisted‑driving experience.

How does HERE determine which real-world road changes—as seen in rapidly evolving environments like Korea—qualify as significant map change events that should be incorporated?
Newman We categorize “map‑change events” based on their impact on safety, routing, or driver assistance logic. Korea’s road network evolves quickly due to expressway extensions, continuous construction, lane re‑markings and regulatory changes - which makes prioritization essential.
In markets like Korea, where HERE works in partnership with Hyundai AutoEver (HAE) for map coverage, we focus on identifying the safety‑critical and driver‑assistance‑relevant changes that must be incorporated into the map to keep ADAS and NOA features performing reliably.

HERE uses AI models trained on probe trajectories, sensor observations, HD imagery and historical behavior patterns to flag anomalies such as persistent lane‑level drift signals and unexpected vehicle decelerations. These signals are automatically escalated into change‑event candidates and validated through HERE’s production pipeline.

Additionally, Korea’s dense, multi‑level road structures and frequent temporary traffic interventions (e.g., overnight lane shifts) mean we apply market‑specific thresholds—ensuring that construction‑driven changes, lane boundary shifts, and signage updates are captured and surfaced faster compared to more static markets.

What regional trends are driving demand for real-time, high precision location data in modern vehicles?
Newman Across APAC, demand for real‑time, high‑precision location data is rising across two‑wheelers, passenger cars and commercial vehicles, driven by stronger safety regulations, fast‑growing telematics adoption, and the expansion of ADAS and emerging automation.

Governments across the region including Korea, China, India, Japan and Southeast Asia are mandating or encouraging GPS‑based safety, eCall, driver-monitoring and fleet‑monitoring systems.

At the same time, telematics adoption is growing at double-digit rates, with insurers, fleet operators and mobility platforms relying on fine‑grained, time‑stamped location traces to support driver‑behavior analytics, usage‑based services, theft prevention and crash detection.

This trend is especially pronounced in two‑wheelers and commercial fleets, where food‑delivery and gig‑rider platforms depend on continuous, accurate positioning to optimize dispatching, ETAs and safety interventions, and where shared e‑mobility services require real‑time location for locking, pricing and geofencing.

In passenger vehicles, connected services - including dynamic routing, real‑time traffic, EV‑range guidance, emergency response and contextual in‑car experiences - all rely on always‑on, accurate location information. Collectively, these forces are pushing the entire APAC mobility ecosystem toward more precise, high‑frequency location data as a core enabler of safety, efficiency and next‑generation connected‑vehicle experiences.

How does HERE see navigation evolving as OEMs transition toward software-defined vehicles and connected car ecosystems?
Newman As the industry transitions toward Software‑Defined Vehicles, navigation is evolving from a standalone feature into core system infrastructure that supports digital cockpits, ADAS, NOA and future automated driving capabilities.

HERE’s approach centers on delivering a unified live map that ensures all these systems operate from the same, always‑fresh, AI‑powered source of truth.

This shift is reflected in HERE’s newly announced AI‑powered SDV portfolio, which integrates navigation, driver assistance and autonomy around a single map foundation and helps automakers reduce complexity, accelerate development and deliver cohesive, branded in‑vehicle experiences globally.

What technological innovations have helped accelerate HERE’s map update cycles across fast changing markets like Korea?
Newman For more than a decade, HERE has deployed commercial applications and amassed a significant patent portfolio for AI and machine learning (ML) techniques used at the core of its digital cartography techniques and location-based services. 

For example: HERE AI models have the task of extracting map features such as 2D and 3D positioning of road signs. Other models are responsible for validating speed limits in the map. Or trained in detecting and estimating traffic incidents and formulating ETA predictions.

HERE’s unified mapping architecture and AI-powered map-making capabilities rapidly fuse large volumes of data from thousands of sources – including more than 44 million connected vehicles, sensors and community sources – to create a highly accurate, navigable digital map. This foundation not only supports advanced driver assistance and automated driving systems, but also enables emerging AI-driven cockpit experiences, such as natural language interactions and customized travel planning.

This is reinforced by HERE’s automated feedback loop, which creates a self‑healing map ecosystem: vehicle sensors detect gaps or changes, those signals are aggregated across fleets, and HERE’s automation rapidly generates near real‑time updates - dramatically reducing the need for manual edits and enabling safer, more predictable vehicle behavior on the road.

On the development side, tools such as SceneXtract accelerate ADAS/AD validation by generating simulation‑ready environments in minutes, helping automakers shorten release cycles while ensuring map freshness at scale.

What role do high-definition and lane level maps play globally in enabling advanced assistance features?
Newman Around the world, high‑definition and lane‑level maps play a foundational role in enabling safer, more trusted and more intelligent ADAS and NOA features. As assisted‑driving systems mature, they require a unified view of road information by combining sensors, software and location content – allowing the vehicle to understand its environment and make consistent decisions across all driving scenarios.

First, lane‑level maps act as a stable, high‑precision positioning reference, helping ADAS features maintain accurate lane placement, support adaptive cruise control and execute assisted or automated lane changes. They are especially important at decision‑making points such as merges, exits, forks and complex intersections, and they help define the Operational Design Domain (ODD) - clarifying where certain SAE‑level functions can be safely activated.

Second, these maps function as an extended sensor, offering visibility beyond what onboard cameras, radar or lidar can detect. This helps the vehicle anticipate lane merges, geometry changes, connectivity between lanes and typical speeds driven on that stretch of road - supporting smoother, more human‑like driving even in challenging or occluded conditions.

Third, lane‑level maps help ADAS systems understand implicit driving rules and policies. They provide the contextual knowledge a local, experienced driver would have, while supporting compliance with global safety frameworks such as UN Regulation 157 for automated lane‑keeping.

Fourth, high‑definition lane‑level maps offer the most cost‑effective form of redundancy in an ADAS stack. They significantly raise system reliability—augmenting sensor‑based perception—from “good enough” levels to the far higher consistency required for safety‑critical functions.

Finally, these maps serve as the ground‑truth representation of the real world for training end‑to‑end ADAS algorithms and large AI models. They give machine‑learning systems the structured context they need to generalize safely across environments.

This is why nearly every leading OEM and system‑on‑chip provider — across Europe, China, Japan and South Korea — relies on precise lane‑level attributes in their ADAS and NOA deployments. Regardless of their specific technical strategies or algorithms, the industry converges on one point: consistent, lane‑level road intelligence is essential for delivering safer and more predictable assisted‑driving experiences globally.

How does HERE support OEMs in the region with localization, regulatory alignment, and high-frequency updates?
Newman HERE applies a global standardization plus local customization approach, supported by configurable solutions across data, software, online services, and professional services. Regulatory alignment is emphasized through examples such as EU ISA compliance using HERE ISA Map, and broader compliance focus.

From the early days of GDPR’s introduction, HERE conducted in-depth research into the regulation and engaged closely with customers, partners, and government agencies to ensure full compliance. As a result, HERE’s navigation maps, connected vehicle products, and technical solutions fully meet GDPR requirements.
Since July 2024, ISA systems have become a mandatory requirement for all new vehicles entering the EU market — with compliance testing heavily reliant on the accuracy of speed limit data and related services. Thanks to years of technical expertise and deep collaboration with automakers and government bodies, HERE is able to help OEMs achieve scores above 90 in ISA certification tests (well above the passing threshold), providing critical support for compliant product launches in Europe.

Flexible deployment options, including on-premises solutions, are highlighted to address stringent data requirements in certain markets (e.g., local server storage obligations) alongside privacy-by-design principles.

Real-time updates are supported by large-scale probe and sensor inputs and AI/ML processing designed to keep map content fresh and accurate.

Throughout our journey, HERE has maintained close collaboration with our customers, delivering globally consistent product quality alongside tailored partnership models. Whether it’s technical customization or business model adaptation, HERE provides differentiated capabilities to each automaker and their upstream and downstream partners — including internet companies, manufacturers, technology firms, service providers, and consumer electronics brands. This ability to deliver localized innovation at global scale is central to HERE’s value in helping companies strengthen their product competitiveness and succeed.

For example, in South Korea, geographic and navigation data must be stored on local servers. To meet this requirement, HERE proactively provides planning guidance and tailored solutions to ensure that our partners’ products are fully compliant upon launch. Across the globe, HERE collaborates deeply with automakers and ecosystem partners to ensure their products and services meet local regulatory requirements and can be successfully deployed in diverse markets.

What unique challenges or opportunities does HERE see in delivering high precision location data across APAC markets?
Newman Across APAC, each mobility segment - passenger vehicles, two‑wheelers and commercial fleets - faces its own set of challenges, but all share a common requirement: real‑time, up‑to‑date, complete (coverage‑rich), and highly accurate location intelligence.

For passenger vehicles: rapidly growing adoption of connected services, ADAS and NOA means automakers need accurate, continuously updated road and traffic information to keep features safe, predictable and compliant across diverse driving conditions.

For the region’s vast two‑wheeler ecosystem: precise location data supports critical use cases such as anti‑theft, rider‑behavior monitoring, food‑delivery and gig‑economy operations, shared e‑mobility, and real‑time geofencing. All of which depend on high‑frequency, sub‑meter‑level positioning in dense urban environments.

For commercial vehicles and logistics operators, the priority is regulatory compliance, dynamic route planning, reliable ETAs and multi‑stop optimization. These depend on continuous location streams that reflect real‑world road changes, restrictions, closures and traffic disruptions.

Because APAC mobility spans everything from scooters weaving through crowded streets to long‑haul trucks, the region demands location data that is fresh, precise and consistent across all vehicle types. This complexity creates a significant opportunity for companies that can provide a unified layer of location intelligence that scales across segments, enabling safer travel, more efficient fleet operations, and better end‑user experiences in one of the world’s most dynamic mobility markets.

To meet these expectations, HERE Technologies has invested heavily in advanced map‑making capabilities that allow us to collect, process, and publish data at scale. This includes:

Vehicle perception data (VPD) from connected vehicles to update road geometries and road attributes.
Address and POI updates sourced through feeds from ride‑sharing platforms and large‑scale delivery companies.
Local authoritative sources and regional partners, which further contribute essential datasets to enhance map completeness, accuracy, and compliance across markets.

Together, these inputs allow HERE to continuously and reliably update both static and dynamic map content across APAC’s diverse and rapidly evolving mobility landscape.

What major innovations are HERE prioritizing in the coming years for SDV platforms, real-time navigation, or sensor-enhanced mapping?
Newman Over the next three to five years, HERE is focused on advancing an AI‑powered live map and a unified SDV‑ready software stack that help automakers accelerate development, simplify integration, and deploy safer, more intelligent driving experiences globally.

HERE is also investing in next‑generation tooling such as SceneXtract - an AI‑driven simulation engine that reduces scene‑generation time from weeks to minutes and expanding capabilities within the HERE SDV portfolio, including enhanced lane‑level rendering, ADAS GUIs, and Behavioral Maneuvers for smoother, more human‑like automated driving.

Additionally, HERE’s Automated Driving Zones (ADZ) provide OEMs precise control over where and how automated features activate, supporting safe ODD management at scale.

Collectively, these innovations are designed to help automakers respond to rising expectations for automation, deliver globally compliant features, and build future‑ready SDV architectures with far greater speed and efficiency.

In the era of fully software-defined self-driving vehicles, how do you see the role of high-definition maps evolving?
Newman As vehicles become increasingly software‑defined and progress toward higher levels of automation, the role of maps is expanding from navigation support to critical driving infrastructure. Even as perception systems advance, onboard sensors alone cannot provide the foresight, redundancy or contextual awareness required for safe, predictable automation. HERE’s AI‑powered live map delivers this missing layer by providing detailed lane topology, road geometry, curvature, speed limits and other essential attributes that allow the vehicle to anticipate the road ahead and operate more smoothly and safely.

In practice, this means HD and lane‑level maps are becoming more - not less - important. They reduce compute load by giving vehicles a prior understanding of road context, strengthen overall safety by complementing sensors in adverse weather or complex road environments, and give OEMs the flexibility to define and control Operational Design Domains (ODDs) consistently across markets through tools like HERE Automated Driving Zones (ADZ).

At the same time, HERE’s unified live‑map architecture ensures that cockpit navigation, ADAS, NOA and automated‑driving features all consume the same, always‑fresh data, which is essential for reliable behavior at scale across global deployments.

Ultimately, as OEMs move into the SDV era, maps evolve into a core enabler of intelligent mobility, providing the real‑time, high‑precision location intelligence that automated systems rely on to make safer, more human‑like decisions worldwide.

How does HERE leverage AI?
Newman For drivers, the next wave of innovation is about vehicles that feel more intuitive, more helpful and more proactive - not just more automated. Agentic AI makes this possible by giving in‑car systems the ability to understand context, anticipate needs and take action on behalf of the user. Whether it’s helping a driver plan their commute, suggesting where to charge an EV, or assisting with errands and commerce in the car, the experience becomes smoother and more personal because the system knows where the driver is, where they’re going and what they typically do.

HERE is helping customers design and co‑create agentic AI solutions that use location intelligence as the catalyst for real‑world decision‑making. In mobility and logistics, for example, HERE is building AI agents that automate planning, execution and analysis, enabling real‑time decisions, adaptive operations and seamless collaboration between agents, users and systems. HERE provides these AI agents with the vital location context they need for greater awareness, proactivity and control, while feedback loops ensure solutions stay effective and continuously improve over time.

HERE uses AI/ML powered software to identify millions of map changes and road network events every day, including those specifically relevant for e-commerce logistics.

HERE delivers AI-powered solutions across automotive and MI, including:

SceneXtract: Generates high-fidelity ADAS and AD simulation scenes easily and in minutes using AI. Accelerate your SDV development and unlock new potential for simulation and testing
HERE AI assistant: AI-powered voice-driven solution that adapts in real time, enhances driver engagement, and scales affordable across vehicle platforms.
SDV Accelerator development: A comprehensive platform incorporating AI services for Software-Defined Vehicle (SDV)
Through integrations like Alexa+ with HERE Navigation, drivers can ask conversational questions — “Find me parking near my destination,” or “Stop for coffee along the way” — and get answers that combine voice intelligence with precise, real‑time road context. This makes everyday tasks safer and easier because drivers can keep their hands on the wheel while the system handles planning, searching and route adjustments.

“SDV 시대, 지도는 핵심 주행 인프라다”

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-16 16:33:40+0900

INTERVIEW WITH

디온 뉴먼
Deon Newman
SVP and GM of Asia Pacific
HERE Technologies

소프트웨어 정의 차량(SDV) 시대가 본격화되면서 디지털 지도의 역할이 단순한 내비게이션 지원을 넘어 핵심 주행 인프라로 그 역할이 확대되고 있다. 특히 ADAS와 NOA 기능이 고도화되면서 차로 레벨 지도와 실시간 위치 인텔리전스의 중요성이 커지고 있다. 디온 뉴먼 HERE Technologies 아시아태평양(APAC) 지역 수석부사장 겸 총괄 책임자는 AEM과의 인터뷰에서 AI 기반 라이브 맵(Live Map)과 통합 소프트웨어 스택을 통해 차량이 항상 최신의 도로 정보를 활용하도록 지원하고 있으며, 이는 글로벌 규제 대응과 차세대 SDV 아키텍처 구현의 핵심 기반이 되고 있다고 강조했다. 다음은 디온 뉴먼과의 일문일답이다.

IN ENGLISH

HERE 지도 속성(예: 제한속도, 차선 정보 등)이 갱신될 때, 지도 제공 관점에서 이러한 업데이트를 차량 내 기능에 얼마나 빠르게 반영할 수 있나요?
Deon Newman HERE는 차량이 항상 최신의 신뢰할 수 있는 자동차 등급 지도 데이터를 기반으로 작동하도록 하는 것을 최우선 과제로 삼고 있습니다. 매일 전 세계 수천만 대의 디바이스와 커넥티드 차량으로부터 수십억 건의 센서 데이터를 수집하고, AI 기반 지도 제작 파이프라인을 통해 이를 검증된 지도 업데이트로 변환합니다.
SDV 시대에는 내비게이션, ADAS(Advanced Driver Assistance System), NOA(Navigate on Autopilot) 기능이 기존 시스템보다 훨씬 더 빠르고 빈번한 지도 업데이트에 의존합니다. 업계가 하이브리드 내비게이션에서 완전한 스트리밍 기반의 소프트웨어 정의 내비게이션으로 전환함에 따라, 완성차 업체(OEM)들은 지속적으로 갱신되고 API 및 통합 소프트웨어 스택을 통해 차량에 직접 전달되는 지도 콘텐츠를 점점 더 요구하고 있습니다. HERE는 스트리밍 맵 API를 통해 주 단위로 새로운 지도 콘텐츠를 생성 및 제공함으로써 OEM이 기존 오프라인 업데이트 주기보다 훨씬 빠르게 최신 도로 정보, 제한속도, 차로 레벨 정보를 차량에 반영할 수 있도록 지원합니다.

HERE는 현대적 인지(Perception) 스택에서 차량 센서와 함께 활용될 때 차로 레벨 지도 데이터의 일관성과 신뢰성을 어떻게 보장하나요?
Deon Newman 일관되고 신뢰할 수 있는 차로 레벨 정보를 확보하는 것은 현대 지도 제작에서 가장 중요한 과제 중 하나입니다. 특히 운전자 보조 시스템이 정밀한 차로 형상과 속성에 점점 더 의존하면서 그 중요성은 더욱 커지고 있습니다. HERE는 지난 20여 년간 AI 기반의 고도화된 지도 제작 역량을 구축해 왔으며, 이를 통해 기존의 수작업 중심 지도 제작 방식에서 차량 센서 인지와 멀티-소스 데이터 융합을 기반으로 한 고도의 자동화 프로세스로 전환했습니다.
차로 레벨 콘텐츠의 정확성을 유지하기 위해 HERE는 HERE True 차량의 고정밀 라이다(lidar) 데이터를 비롯해 공사 모니터링, 차량 인지 데이터, 스트리트 레벨 이미지, 주요 간선도로 위성 이미지 등 다양한 소스를 활용해 실제 도로 변화를 지속적으로 감지합니다. 이러한 신호는 AI 도구를 통해 물리적 차로 형상과 논리적 차로 속성을 자동으로 집계·검증·업데이트하며, 자동화 검수 절차와 선별적 인적 검토를 병행해 최종 결과물이 실제 도로 환경과 일치하는 일관되고 신뢰할 수 있는 데이터가 되도록 합니다.
이처럼 인지 기반 자동 업데이트와 멀티-소스 교차 검증을 결합한 구조는 HERE가 글로벌 차로 레벨 지도 제작 분야에서 리더십을 유지할 수 있는 기반입니다. 또한, 선도적인 OEM이 ADAS, NOA, 기타 안전 핵심 기능을 위해 지속적으로 갱신되는 신뢰 가능한 데이터 기반을 활용할 수 있도록 하며, 궁극적으로 운전자에게 더 신뢰도 높고 예측 가능하며 안전한 보조 주행 경험을 제공합니다.

한국처럼 빠르게 변하는 환경에서 관측되는 실제 도로 변화 중, HERE는 어떤 기준으로 ‘중요한 지도 변경 이벤트’로 판단해 반영 여부를 결정하나요?
Deon Newman HERE는 ‘지도 변경 이벤트(map-change events)’를 안전성, 경로 탐색, 운전자 보조 로직에 미치는 영향을 기준으로 분류합니다. 한국은 고속도로 연장, 상시적인 공사, 차로 재도색, 규제 변화 등으로 도로 네트워크가 빠르게 바뀌기 때문에 우선순위 설정이 매우 중요합니다.
또한, 한국처럼 HERE가 현대오토에버(Hyundai Autoever)와 협력해 지도 데이터 커버리지를 확보하고 있는 시장이 있습니다. 이러한 시장에서는 ADAS와 NOA 기능이 안정적으로 작동하도록 지도에 반드시 반영해야 하는 안전 핵심 변화와 운전자 보조 관련 변화를 식별하는 데 집중하고 있습니다.
HERE는 프로브 주행 궤적 데이터, 센서 관측 정보, HD 이미지, 과거 주행 행동 패턴 등을 학습한 AI 모델을 활용해 지속적인 차로 레벨 이탈 신호나 예상치 못한 차량 감속과 같은 이상 징후를 탐지합니다. 이러한 신호는 자동으로 변경 이벤트 후보로 상향 처리되며, HERE의 프로덕션 파이프라인(production pipeline)을 통해 검증됩니다.
또한, 한국의 밀집되고 다층적인 도로 구조와 빈번한 임시 교통 조치(예: 야간 차로 변경 등)를 고려해 시장 특화 임계치를 적용하고 있습니다. 이를 통해 공사로 인한 변화, 차로 경계 이동, 표지판 업데이트 등을 상대적으로 변화가 적은 시장보다 더 빠르게 포착하고 반영할 수 있도록 합니다.

현대 차량에서 실시간·고정밀 위치 데이터 수요를 견인하는 지역별 트렌드는 무엇인가요?
Deon Newman APAC 전역에서 이륜차, 승용차, 상용차를 아우르는 실시간 고정밀 위치 데이터 수요가 증가하고 있습니다. 이는 안전 규제 강화, 텔레매틱스의 빠른 확산, ADAS 및 초기 단계 자동화 기능 확대로 인해 견인되고 있습니다.
한국, 중국, 인도, 일본, 동남아시아 등 지역 각국 정부는 GPS 기반 안전 시스템, eCall, 운전자 모니터링, 차량·플릿 모니터링 시스템의 도입을 의무화하거나 장려하고 있습니다. 동시에 텔레매틱스 도입은 두 자릿수 성장률을 보이며 보험사, 플릿 운영사, 모빌리티 플랫폼은 운전자 행동 분석, 사용 기반 서비스, 도난 방지, 사고 감지 등을 위해 정밀하고 시간 정보가 포함된 위치 데이터를 활용하고 있습니다.
이러한 흐름은 특히 이륜차와 상용 차량 운용에서 두드러집니다. 음식 배달 및 플랫폼 기반 라이더 서비스는 배차 최적화, 도착 예정 시간(Estimated Time of Arrival, ETA) 관리, 안전 개입을 위해 지속적이고 정확한 위치 정보에 의존하며, 공유 e-모빌리티 서비스 역시 잠금 제어, 요금 산정, 지오펜싱(geofencing)을 위해 실시간 위치 데이터가 필요합니다.
승용차 분야에서도 동적 경로 탐색, 실시간 교통 정보, 전기차 주행 가능 거리 안내, 긴급 대응, 맥락 기반 차량 내 경험 등 다양한 커넥티드 서비스가 상시 정확한 위치 정보에 의존합니다. 이러한 흐름은 APAC 모빌리티 생태계 전반을 더욱 정밀하고 고빈도 위치 데이터를 핵심 기반으로 하는 방향으로 이끌고 있으며, 이는 안전성, 효율성, 차세대 커넥티드 차량 경험을 구현하는 핵심 기반으로 작용하고 있습니다.

소프트웨어 정의 차량 및 운송 회사를 위한 HERE AI 기반 지능형 안내 도우미

OEM이 SDV와 커넥티드 차량 생태계로 전환하는 과정에서, HERE는 내비게이션이 어떻게 진화할 것으로 보고 있나요?
Deon Newman       업계가 SDV로 전환함에 따라, 내비게이션은 단독 기능에서 벗어나 디지털 콕핏, ADAS, NOA 및 향후 자율주행(Automated Driving, AD) 기능을 지원하는 핵심 시스템 인프라로 진화하고 있습니다.
HERE의 접근 방식은 모든 시스템이 동일하고 항상 최신 상태로 유지되는 AI 기반 통합 라이브 맵을 중심으로 작동하도록 하는 데 초점을 맞추고 있습니다.
이러한 변화는 최근 발표한 HERE의 AI 기반 SDV 포트폴리오에 반영돼 있습니다. 해당 포트폴리오는 단일 지도 기반 위에 내비게이션, 운전자 보조, 자율주행 기능을 통합함으로써 완성차 업체가 시스템 복잡성을 줄이고 개발 속도를 높이며, 글로벌 시장에서 일관되고 브랜드화된 차량 내 경험을 제공할 수 있도록 지원합니다.

한국처럼 변화가 빠른 시장에서 HERE의 지도 업데이트 주기를 가속화하는 데 기여한 기술 혁신은 무엇인가요?
Deon Newman       HERE는 10년 이상 디지털 지도 기술과 위치 기반 서비스의 핵심에 적용되는 AI 및 머신러닝 기술을 상용화해 왔으며, 이와 관련한 상당한 특허 포트폴리오를 구축해 왔습니다.
예를 들어, HERE의 AI 모델은 도로 표지판의 2D 및 3D 위치 정보를 추출하는 역할을 수행합니다. 다른 모델은 지도 내 제한속도를 검증하며, 또 다른 모델은 교통사고를 탐지·예측하고 도착 예정 시간(ETA)을 산출하도록 학습돼 있습니다.
HERE의 통합 매핑 아키텍처와 AI 기반 지도 제작 역량은 4,400만 대 이상의 커넥티드 차량, 각종 센서, 커뮤니티 소스를 포함한 수천 개의 데이터 소스로부터 대규모 데이터를 신속하게 융합해 고정밀 디지털 내비게이션 지도를 생성합니다. 이 기반은 ADAS와 AD 시스템을 지원할 뿐 아니라, 자연어 기반 상호작용이나 맞춤형 여행 계획과 같은 AI 기반 콕핏 경험 구현도 가능하게 합니다.
또한, HERE의 자동화 피드백 루프는 ‘셀프 힐링’ 지도 생태계(self‑healing map ecosystem)를 구현합니다. 차량 센서가 지도 상의 공백이나 변화를 감지하면 해당 신호가 플릿 단위로 집계되고, HERE의 자동화 시스템이 이를 기반으로 준실시간 업데이트를 생성합니다. 이를 통해 수작업 수정의 필요성을 크게 낮추고, 더 안전하고 예측 가능한 차량 주행을 지원합니다.
개발 측면에서는 SceneXtract와 같은 도구가 수분 내 시뮬레이션 준비 환경을 생성해 ADAS 및 AD 검증을 가속화 합니다. 이는 완성차 업체가 출시 주기를 단축하는 동시에 대규모로 최신 지도 상태를 유지할 수 있도록 돕습니다.

고정밀 지도(HD Map)와 차로 레벨 지도는 전 세계적으로 첨단 운전자 보조 기능을 구현하는 데 어떤 역할을 하고 있나요?
Deon Newman       전 세계적으로 HD 및 차로 레벨 지도는 더 안전하고 신뢰도 높으며 지능적인 ADAS 및 NOA 기능 구현에 핵심 기반 역할을 하고 있습니다. 보조 주행 시스템이 고도화될수록 센서, 소프트웨어, 위치 데이터를 통합한 통합적 도로 정보 인식이 필요하며, 이를 통해 차량은 다양한 주행 상황에서 환경을 정확히 이해하고 일관된 의사결정을 내릴 수 있습니다.
우선, 차로 레벨 지도는 안정적이고 정밀한 위치 기준점 역할을 합니다. 이를 통해 ADAS 기능은 정확한 차로 유지(lane placement), 어댑티브 크루즈 컨트롤(Adaptive Cruise Control, ACC) 지원, 보조 또는 자동 차로 변경 수행이 가능합니다. 특히 합류 구간, 진출입로, 분기점, 복잡한 교차로와 같은 의사결정 지점에서 중요하며, 특정 SAE 단계 기능이 안전하게 작동할 수 있는 영역을 정의하는 ODD(Operational Design Domain) 설정에도 기여합니다.
둘째, 이러한 지도는 확장된 센서 역할을 수행합니다. 차량에 탑재된 카메라, 레이다(Radar), 라이다(lidar)가 감지하지 못하는 영역까지 가시성을 제공해 차로 합류, 도로 형상 변화, 차로 간 연결성, 해당 구간의 일반적인 주행 속도 등을 사전에 인지하도록 돕습니다. 이는 시야가 제한되거나 복잡한 환경에서도 더 부드럽고 사람과 유사한 주행을 가능하게 합니다.
셋째, 차로 레벨 지도는 ADAS 시스템이 암묵적인 운전 규칙과 정책을 이해하도록 지원합니다. 이는 숙련된 현지 운전자가 갖고 있는 맥락적 지식을 제공하는 동시에, 자동 차로 유지와 관련된 UN Regulation 157과 같은 글로벌 안전 규제 준수를 지원합니다.
넷째, HD 차로 레벨 지도는 ADAS 스택 내에서 가장 비용 효율적인 이중화(redundancy) 수단을 제공합니다. 센서 기반 인지 기능을 보완함으로써 시스템 신뢰성을 ‘충분한 수준’에서 안전 필수 기능에 요구되는 훨씬 높은 일관성 수준으로 끌어올립니다.
마지막으로, 이러한 지도는 엔드투엔드(end-to-end) ADAS 알고리즘과 대규모 AI 모델 학습을 위한 현실 세계의 기준 데이터(ground truth)로 활용됩니다. 머신러닝 시스템이 다양한 환경에서 안전하게 일반화할 수 있도록 구조화된 맥락 정보를 제공합니다.
이러한 이유로 유럽, 중국, 일본, 한국을 포함한 주요 글로벌 OEM과 시스템온칩(System-on-Chip, SoC) 공급업체 대부분이 ADAS 및 NOA 적용에 있어 정밀한 차로 레벨 속성에 의존하고 있습니다. 기술 전략이나 알고리즘이 무엇이든 간에, 업계는 한 가지 결론에 도달하고 있습니다. 일관된 차로 레벨 도로 인텔리전스는 전 세계적으로 더 안전하고 예측 가능한 보조 주행 경험을 구현하는 데 필수라는 것입니다.

HERE는 지역 내 OEM들을 대상으로 현지화, 규제 정합, 업데이트 빈도 측면에서 어떻게 지원하고 있나요?
Deon Newman       HERE는 글로벌 표준화와 현지 맞춤화를 병행하는 접근 방식을 적용하고 있으며, 데이터, 소프트웨어, 온라인 서비스, 전문 서비스 전반에 걸쳐 구성 가능한 솔루션을 제공합니다. 규제 정합성 측면에서는 HERE ISA Map을 활용한 EU ISA 규제 대응 사례 등 다양한 규제 준수(compliance) 역량을 강조하고 있습니다.
유럽연합(EU) 일반 개인정보 보호법(General Data Protection Regulation, GDPR) 도입 초기부터 HERE는 해당 규제를 심층적으로 연구하고 고객, 파트너, 정부 기관과 긴밀히 협력해 완전한 규제 준수를 확보했습니다. 그 결과 HERE의 내비게이션 지도, 커넥티드 차량 제품, 기술 솔루션은 GDPR 요건을 충족합니다.
2024년 7월부터 EU 시장에 출시되는 모든 신차에는 ISA 시스템이 의무 적용되고 있습니다. 이와 관련한 규제 준수 테스트는 속도 제한 데이터와 관련 서비스의 정확도에 크게 의존합니다. HERE는 다년간 축적한 기술 전문성과 완성차 업체 및 정부 기관과의 긴밀한 협력을 바탕으로 OEM이 ISA 인증 테스트에서 합격 기준을 크게 상회하는 90점 이상의 점수를 달성할 수 있도록 지원하며, 유럽 시장에서 규제 준수 제품 출시를 뒷받침하고 있습니다.
또한, 일부 시장의 엄격한 데이터 요건(예: 로컬 서버 저장 의무)에 대응하기 위해 온프레미스(on-premises) 솔루션을 포함한 유연한 배포 옵션을 제공하며, 프라이버시 바이 디자인(privacy-by-design) 원칙을 적용하고 있습니다.
실시간 업데이트는 대규모 프로브 데이터와 센서 입력, 그리고 지도 콘텐츠를 최신 상태로 유지하고 정확도를 높이기 위해 설계된 AI/ML 처리 기술을 통해 지원됩니다.
HERE는 고객과 긴밀한 협력을 유지하며, 전 세계적으로 일관된 제품 품질과 함께 맞춤형 파트너십 모델을 구축해 왔습니다. 기술적 커스터마이징은 물론, 비즈니스 모델 조정까지 지원하며 완성차 업체와 그 전후방 파트너(인터넷 기업, 제조사, 기술 기업, 서비스 제공업체, 소비가전 브랜드 등)에 차별화된 역량을 제공합니다. 이러한 글로벌 규모의 현지화 혁신 역량은 기업이 제품 경쟁력을 강화하고 시장에서 성과를 거둘 수 있도록 지원하는 HERE의 핵심 가치입니다.
예를 들어, 한국에서는 지리 및 내비게이션 데이터를 로컬 서버에 저장해야 합니다. HERE는 이러한 요건을 충족하기 위해 사전 기획 단계부터 가이드와 맞춤형 솔루션을 제공해 파트너사의 제품이 출시 시점에 완전한 규제 준수를 달성하도록 지원합니다. 전 세계적으로도 완성차 업체 및 생태계 파트너와 긴밀히 협력해 각 지역 규제 요건을 충족하고 다양한 시장에서 성공적으로 제품과 서비스를 전개할 수 있도록 돕고 있습니다.

APAC 시장 전반에 고정밀 위치 데이터를 제공하는 데 있어 HERE가 보는 고유한 과제와 기회는 무엇인가요?
Deon Newman       APAC 전역에서 승용차, 이륜차, 상용 차량 등 각 모빌리티 세그먼트는 서로 다른 과제에 직면해 있지만, 공통적으로 실시간성·최신성·광범위한 커버리지를 갖춘 고정밀 위치 인텔리전스를 요구합니다.
승용차 부문에서는 커넥티드 서비스, ADAS, NOA 도입이 빠르게 확산되면서 다양한 주행 환경에서 기능의 안전성·예측 가능성·규제 준수를 유지하기 위해 정확하고 지속적으로 업데이트되는 도로 및 교통 정보가 필수입니다.
광범위한 이륜차 생태계에서는 도난 방지, 라이더 행동 모니터링, 음식 배달 및 긱 이코노미 운영(gig-economy operations), 공유 e-모빌리티, 실시간 지오펜싱 등 핵심 활용 사례를 위해 정밀 위치 데이터가 필요합니다. 이러한 서비스는 밀집된 도심 환경에서 고빈도, 서브미터 수준의 위치 정확도에 의존합니다.
상용차 및 물류 운영사에게는 규제 준수, 동적 경로 계획, 신뢰할 수 있는 ETA, 다중 경유지 최적화가 핵심 과제입니다. 이는 실제 도로 변화, 통행 제한, 도로 폐쇄, 교통 혼잡 상황을 반영하는 지속적인 위치 데이터 스트림에 의존합니다.
APAC 지역의 모빌리티는 혼잡한 도심을 누비는 스쿠터부터 장거리 운송 트럭까지 다양한 차량 유형을 포괄합니다. 이에 따라 모든 차량 유형에 걸쳐 최신성·정밀성·일관성을 갖춘 위치 데이터가 요구됩니다. 이러한 복잡성은 여러 모빌리티 세그먼트를 아우르는 통합 위치 인텔리전스 계층을 제공하는 기업에 큰 기회를 제공하며, 이는 더 안전한 이동, 효율적인 플릿 운영, 향상된 사용자 경험을 가능하게 합니다.
이러한 요구를 충족하기 위해 HERE는 데이터를 대규모로 수집·처리·배포할 수 있는 첨단 지도 제작 역량에 지속적으로 투자해 왔습니다. 여기에는 다음이 포함됩니다.

커넥티드 차량에서 수집되는 차량 인지 데이터(Vehicle Perception Data, VPD)를 활용한 도로 형상 및 속성 업데이트
차량 공유(ride-sharing) 플랫폼과 대형 배송 기업의 피드를 통한 주소 및 관심지점(Point of Interest, POI) 업데이트
지도 완성도, 정확도, 규제 정합성을 강화하는 데 필요한 데이터를 제공하는 현지 공신력 있는 데이터 소스 및 지역 파트너

이러한 다양한 입력 데이터를 바탕으로 HERE는 APAC의 다양하고 빠르게 변화하는 모빌리티 환경 전반에서 정적 지도 콘텐츠와 동적 지도 콘텐츠를 지속적이고 안정적으로 업데이트하고 있습니다.

SDV 플랫폼, 실시간 내비게이션, 또는 센서 강화 매핑 분야에서 HERE가 향후 몇 년간 우선순위를 두고 있는 주요 혁신은 무엇인가요?
Deon Newman 향후 3~5년간 HERE는 AI 기반 라이브 맵 고도화와 SDV에 최적화된 통합 소프트웨어 스택 구축에 집중할 것입니다. 이를 통해 완성차 업체가 개발 속도를 높이고 통합 과정을 단순화하며, 전 세계 시장에서 더 안전하고 지능적인 주행 경험을 구현하도록 지원할 것입니다.
또한, HERE는 SceneXtract와 같은 차세대 도구에 투자하고 있습니다. SceneXtract는 AI 기반 시뮬레이션 엔진으로, 시나리오 생성 시간을 수주에서 수분 단위로 단축합니다. 이와 함께 HERE SDV 포트폴리오 내 차로 레벨 렌더링 강화, ADAS GUI 고도화, 더 부드럽고 사람과 유사한 자동 주행을 위한 Behavioral Maneuvers 기능 확장도 추진하고 있습니다.
아울러 HERE의 ADZ(Automated Driving Zones)는 자동화 기능이 언제, 어디서, 어떻게 활성화되는지에 대해 OEM이 정밀하게 제어할 수 있도록 지원하며, 대규모 ODD 관리의 안전성을 높입니다.
이러한 혁신은 자동화에 대한 시장 기대치 상승에 대응하고, 글로벌 규제를 충족하는 기능을 제공하며, 더 신속하고 효율적으로 미래 지향적인 SDV 아키텍처를 구축하도록 지원하는 데 목적이 있습니다.

완전 소프트웨어 정의 자율주행 차량(Full Software-Defined Self-Driving Vehicles)에서는 고정밀 지도의 역할이 어떻게 달라질 것으로 보시나요?
Deon Newman 차량이 점점 소프트웨어 정의 방식으로 진화하고 자동화 수준이 고도화됨에 따라, 지도의 역할은 단순한 내비게이션 지원을 넘어 핵심 주행 인프라로 확대되고 있습니다. 인지 시스템이 발전하더라도, 차량 탑재 센서만으로는 안전하고 예측 가능한 자동화를 위해 필요한 선행 정보, 이중화, 상황 인지를 충분히 제공하기 어렵습니다. HERE의 AI 기반 라이브 맵은 정밀한 차로 토폴로지, 도로 형상, 곡률, 제한속도 등 주요 속성 정보를 제공함으로써 차량이 전방 도로 상황을 예측하고 더 부드럽고 안전하게 주행할 수 있도록 지원합니다.
실제로 이것은 HD 및 차로 레벨 지도의 중요성이 줄어드는 것이 아니라 오히려 더욱 커지고 있음을 의미합니다. 이러한 지도는 차량이 도로 상황에 대한 사전 정보를 확보할 수 있도록 해 연산 부담을 줄이고, 악천후나 복잡한 도로 환경에서 센서를 보완함으로써 전반적인 안전성을 높입니다. 또한 HERE ADZ와 같은 도구를 활용해 OEM이 시장별로 ODD를 일관되게 정의하고 제어할 수 있도록 유연성을 제공합니다.
동시에 HERE의 통합 라이브 맵 아키텍처는 콕핏 내비게이션, ADAS, NOA, 자율주행 기능이 모두 동일하고 항상 최신 상태의 데이터를 사용하도록 보장합니다. 이는 글로벌 시장에서 대규모로 적용되는 시스템이 일관되고 신뢰할 수 있는 동작을 수행하는 데 필수 요소입니다.
궁극적으로 OEM이 SDV 시대로 진입함에 따라, 지도는 지능형 모빌리티를 구현하는 핵심 기반으로 진화하고 있습니다. 실시간 고정밀 위치 인텔리전스를 제공함으로써 자동화 시스템이 전 세계 어디서나 더 안전하고 사람과 유사한 의사결정을 내릴 수 있도록 지원합니다.

OEM의 SDV 전환을 지원하는 클라우드 기반 가상 소프트웨어 개발 솔루션 ‘SDV Accelerator’.
운전자는 경로 안내, 배터리 상태, ADAS 정보를 단일 화면에서 확인할 수 있다.

HERE는 인공지능(AI)을 어떻게 활용하고 있나요?
Deon Newman 운전자 관점에서 다음 혁신의 물결은 단순히 자동화 수준을 높이는 것이 아니라, 더 직관적이고 유용하며 능동적으로 반응하는 차량을 구현하는 데 있습니다. 에이전틱 AI(Agentic AI)는 차량 내 시스템이 맥락을 이해하고, 운전자의 필요를 예측하며, 사용자를 대신해 행동할 수 있도록 함으로써 이를 가능하게 합니다. 예를 들어 출퇴근 경로 계획을 돕거나, 전기차 충전소 추천, 차량 내 쇼핑 및 각종 업무 지원 등 다양한 상황에서 시스템은 운전자의 현재 위치, 목적지, 평소 행동 패턴을 기반으로 더 부드럽고 개인화된 경험을 제공합니다.
HERE는 위치 인텔리전스를 실제 의사결정의 촉매로 활용하는 에이전틱 AI 솔루션을 고객과 함께 설계하고 공동 개발하고 있습니다. 예를 들어 모빌리티와 물류 분야에서 계획, 실행, 분석을 자동화하는 AI 에이전트를 구축해 실시간 의사결정, 상황에 맞는 운영 조정, 에이전트·사용자·시스템 간 원활한 협업을 가능하게 합니다. HERE는 이러한 AI 에이전트에 필수적인 위치 기반 맥락 정보를 제공해 상황 인지 능력과 능동성, 제어 역량을 강화하며, 동시에 피드백 루프를 통해 솔루션이 지속적으로 개선되도록 합니다.
HERE는 AI/ML 기반 소프트웨어를 활용해 매일 수백만 건에 달하는 지도 변경과 도로 네트워크 이벤트를 식별하며, 여기에는 전자상거래 물류와 직접적으로 관련된 정보도 포함됩니다.
HERE는 자동차와 모빌리티 인텔리전스(MI) 전반에 걸쳐 다음과 같은 AI 기반 솔루션을 제공합니다.

SceneXtract: AI를 활용해 고정밀 ADAS 및 AD 시뮬레이션 시나리오를 몇 분 안에 생성하며, SDV 개발 가속화와 시뮬레이션 및 검증 역량 강화
HERE AI Assistant: 실시간으로 상황에 적응하는 AI 기반 음성 솔루션으로, 운전자 참여도를 높이고 다양한 차량 플랫폼에 확장 적용
SDV Accelerator: SDV를 위한 AI 서비스를 통합한 종합 개발 플랫폼
Alexa+와 HERE 내비게이션 통합과 같은 사례를 통해 운전자는 “목적지 근처 주차장 찾아줘” 또는 “가는 길에 커피 마실 곳 들러줘”와 같은 자연어 질문을 할 수 있으며, 음성 인텔리전스와 정밀한 실시간 도로 정보를 결합한 답변을 받을 수 있습니다. 이는 운전자가 운전에 집중한 상태에서 시스템이 경로 계획, 검색, 경로 조정을 처리하도록 함으로써 일상적인 주행을 더 안전하고 편리하게 만듭니다.

NXP, ‘코어라이드 Z248’ zonal 레퍼런스 시스템 출시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-12 11:31:02+0900

NXP 반도체는 자동차 제조사(OEM)가 소프트웨어 정의 차량(software-defined vehicle, SDV) 개발 기간을 단축할 수 있도록 지원하는 새로운 존(Zonal) 레퍼런스 시스템을 출시했다.

사전 검증되고 즉시 설계 적용이 가능한 ‘코어라이드(CoreRide) Z248 Zonal Reference System’은 48V 전력 분배와 차량 데이터 관리를 통합했으며, 기능 안전과 실시간 응답성을 기반으로 한 결정론적 데이터 처리를 지원한다. 이 제품은 OEM과 티어1 공급업체가 시스템 통합 부담을 줄이고 개발 기간을 단축하면서 존 아키텍처 기반 차량 개발을 추진할 수 있도록 설계됐다.

이 시스템은 NXP S32K5 MCU 시리즈를 기반으로 하며, 온칩 MRAM을 통해 차량 수명 주기 전반에서 고속 OTA(Over-the-Air) 업데이트를 지원한다. 또한 임피던스·전력·보호 모니터링, 지능형 데이터 라우팅, AI 기반 가상 센싱, 진단, 오디오 기능 등을 포함한 소프트웨어 스택을 통합해 스마트 데이터 에너지 네트워크(smart data energy network, SDEN) 개발을 간소화한다.

Z248 레퍼런스 시스템은 원격 프로토콜 스택(remote protocol stack, RCP)을 통해 엔드 노드 기능 통합과 ECU 통합을 지원하며, 단일 아키텍처에서 에너지 변환·분배·보호 기능을 관리하도록 설계됐다. 이를 통해 48V 기반 존 시스템에서 발생하는 전력 관리와 통합 문제를 해결할 수 있도록 했다.

또한, 수천 건의 시스템 수준 테스트를 통해 저전력 모드, 빠른 부팅, 신속한 웨이크업 응답 등을 검증했으며, 지속적 통합·테스트·배포(CI/CT/CD) 기반 협업 개발 환경을 통해 OEM과 티어1의 검증 및 개발 주기를 단축하도록 지원한다.

코어라이드 Z248은 보드 지원 패키지(BSP)와 함께 제공되며, GLIWA의 성능 분석 도구, Green Hills Software의 컴파일러, Vector Informatik의 임베디드 소프트웨어와 개발 도구 등이 사전 통합돼 제공된다.

NXP CoreRide Z248 Zonal Reference System

이 플랫폼은 컴퓨팅, 네트워킹, 전력 관리, 48V 전력 분배 기술을 통합한 하드웨어·소프트웨어 스택으로 구성되며, S32K566 존 MCU를 비롯한 NXP의 시스템 제품군과 연동된다. 또한 eFuse, PMIC, DC-DC 컨버터, 이더넷 PHY, CAN 트랜시버 등 차량 네트워킹과 전력 관리 기능을 통합해 존 ECU 설계를 지원한다.

코어라이드 Z248 존 레퍼런스 시스템은 현재 일부 고객을 대상으로 제공되고 있으며, 시스템 안전 매뉴얼과 검증된 KPI, 소프트웨어 통합 가이드 등 관련 문서를 통해 차량 프로그램에서의 도입을 지원한다.

실리콘랩스-반프, 배터리 없는 타이어 모니터링 솔루션 공개

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-12 09:16:21+0900

실리콘랩스(Silicon Labs)와 국내 지능형 타이어 시스템 기업 반프(BANF)가 배터리 없이 실시간 타이어 데이터를 수집·분석할 수 있는 지능형 타이어 모니터링 솔루션을 발표했다.

이 솔루션은 실리콘랩스의 초저전력 블루투스 저에너지 SoC인 BG22 Bluetooth LE SoC를 기반으로 한다. 반프는 이 칩을 자사의 타이어 내장형 센서 플랫폼에 적용해 자율주행 차량과 커넥티드 군집 차량 환경에서 사용할 수 있는 실시간 고해상도 타이어 데이터 처리 시스템을 구현했다.

기존 타이어 공기압 모니터링 시스템(TPMS)은 공기압이 크게 떨어질 때만 경고를 제공하는 방식이어서 연비 저하나 안전 문제를 사전에 파악하는 데 한계가 있었다. 반면, 반프의 시스템은 타이어 내부에 장착된 센서를 통해 압력, 온도, 3축 가속도, 트레드 깊이 등을 초당 수천 번 샘플링하고, 타이어 내부에서 데이터를 분석한 뒤 핵심 신호만 차량으로 전송한다. 이를 통해 통신 부하를 줄이면서도 응답 속도를 높일 수 있다는 설명이다. 또한 이 시스템에는 실리콘랩스의 Secure Vault™ 보안 기술이 적용돼 타이어 데이터의 변조나 스푸핑을 방지하도록 설계됐다.

전력 공급 문제는 반프의 무선 전력 전송 기술로 해결했다. 차량의 머드가드 또는 펜더에 장착되는 스마트 프로파일러 장치가 자기 공명 방식 무선 전력 전송을 통해 타이어 내부 센서에 지속적으로 전력을 공급하는 구조다. 배터리를 사용하지 않는 구조 덕분에 스마트 프로파일러는 수천 헤르츠 수준의 연속 데이터 수집과 처리가 가능하다.

양사는 이러한 기술이 자율주행 차량과 대규모 군집 차량 운영 환경에서 활용될 수 있을 것으로 보고 있다. 실시간 타이어 데이터는 차량의 섀시 제어, 안정성 시스템, 자율주행 알고리즘 등에 직접 입력될 수 있어 차량 주행 안전성과 운영 효율 향상에 기여할 수 있다는 설명이다.

반프는 향후 축적된 타이어 데이터를 기반으로 예지 정비와 경로 최적화, 보험 연계 서비스 등으로 사업 영역을 확대한다는 계획이다.

페르세우스, 인피니언 ‘AURIX TC4Dx’ 플랫폼용 하이퍼바이저 출시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-12 08:41:28+0900

글로벌 가상화·보안 소프트웨어 기업 페르세우스(Perseus)가 자사의 차량용 하이퍼바이저 ‘페가수스(PEGASUS)’를 인피니언 테크놀로지스(Infineon Technologies)의 AURIX TC4Dx 시스템온칩(SoC) 평가 플랫폼용으로 출시했다.

이번 출시로 완성차 업체(OEM)와 티어1 공급업체는 소프트웨어 정의 차량(Software Defined Vehicle, SDV) 개발을 위한 가상화 기반 혼합 중요도(Mixed-criticality) 시스템을 개발하고 테스트할 수 있는 환경을 확보하게 됐다. 특히 존 아키텍처(Zonal Architecture)와 안전 중심 차량 전기전자(E/E) 플랫폼 개발을 위한 엔지니어링 평가 스택을 제공한다는 점이 특징이다.

페르세우스의 페가수스는 ISO 26262 최고 등급인 ASIL-D 인증을 획득한 타입-1(베어메탈) 차량용 하이퍼바이저다. 해당 소프트웨어는 AURIX TC4Dx 평가 하드웨어에서 즉시 사용할 수 있으며, 관련 툴과 기술 문서는 인피니언의 에코시스템 채널을 통해 제공된다.

이번 제품은 페르세우스가 페가수스를 TC4Dx 평가 보드에 최적화한 통합 및 활성화 프로그램을 완료한 결과물로, 하드웨어 기능과 시스템 수준의 가상화 요구사항을 결합한 엔지니어용 평가 스택을 제공한다. 이를 통해 개발자는 양산 수준 기술을 기반으로 안전 규격을 충족하는 E/E 플랫폼의 프로토타입을 제작하고 성능을 고도화할 수 있다.

페가수스는 혼합 중요도 워크로드를 위한 엄격한 격리와 예측 가능한 스케줄링을 지원하며, 함께 제공되는 소프트웨어 개발 키트(SDK)를 통해 시스템 레벨 구성 및 빌드 환경을 제공한다. 또한 가상 머신(VM) 레이아웃 정의, CPU·메모리 등에 자원 할당, 설계 시점의 유효성 검증 및 재사용 가능한 이미지 생성을 지원한다.

기술적으로 SDV 아키텍처가 발전하면서 OEM들은 애플리케이션급 SoC뿐 아니라 실시간성과 안전성이 중요한 MCU 영역에서도 기능 통합을 요구받고 있다. AURIX TC4Dx 제품군은 예측 가능한 실행과 ASIL-D 안전 요구사항을 충족하도록 설계된 하드웨어 기반을 제공하며, 페가수스는 그 위에서 워크로드 통합을 위한 가상화 소프트웨어 계층을 담당한다.

서상범 페르세우스 대표는 “페가수스는 안전성, 예측 가능성, 격리가 시스템 계층에서 정의되는 페르세우스의 주력 차량용 하이퍼바이저”라며 “인피니언의 TC4Dx 하드웨어에서 페가수스를 구동하고 관련 툴과 문서를 공개함으로써 엔지니어링 팀이 양산 가능한 SDV 아키텍처용 MCU 수준의 가상화를 실무적으로 평가할 방법을 제공하게 됐다”고 강조했다.

에티포스, 아리조나주 V2X 공공사업 수주

한상민 기자_han@autoelectronics.co.kr — 2026-03-11 09:05:21+0900

국내 V2X(Vehicle-to-Everything) 기술 스타트업 에티포스(대표 김호준)가 미국 아리조나주 마리코파 카운티(Maricopa County)가 발주한 V2X 인프라 구축 프로젝트의 장비 공급업체로 선정되어 계약 체결을 완료했다.
이번 수주는 미국 교통부(USDOT)가 추진하는 ‘Saving Lives with Connectivity- A Plan to Accelerate V2X Deployment’ 정책의 일환으로 진행된 프로젝트다. 미국 연방정부는 2036년까지 미국 전역에 V2X 인프라를 도입하는 로드맵을 세우고, 이를 뒷받침하기 위해 아리조나, 텍사스, 유타 3개 주를 우선 선정하여 총 6천만 달러 규모의 예산을 투입한 바 있다. 에티포스는 이 중 아리조나주 프로젝트의 핵심 장비 공급사로 낙점되며 글로벌 기술력을 인정받게 됐다.

미 공공시장 진출 까다로운 장벽을 넘다

이번 수주는 에티포스가 미국 연방 및 주 정부가 발주하는 공공 프로젝트를 따낸 첫 사례로, 국내 기업이 미국 공공 시장의 높은 진입 장벽을 성공적으로 돌파했다는 점에서 큰 의미가 있다.
에티포스는 수주를 위해 ▲OmniAir Consortium 인증 획득 ▲BABA(Build America, Buy America Act, 미국산 제품 우선 구매법) 준수 ▲미국 현지 기술 지원 체계 구축 등 미국 정부가 요구하는 엄격한 공공 입찰 요건을 모두 충족하며 전사적인 역량을 집중했다.
이번 수주를 주도한 홍승수 에티포스 사업본부장은 "지난 수년간 미국 공공부문 V2X 시장 진출을 위해 마케팅 활동부터 제품 인증, 현지 생산 및 지원 체계 구축까지 전사적 역량을 쏟아부은 결과"라며, "이번 성공적인 수주를 발판 삼아 캘리포니아, 조지아, 오하이오 등 미국 내 주요 주 단위 사업으로 영역을 확장해 나갈 계획"이라고 포부를 밝혔다.

국내 V2X 업계에 희망적인 메시지

한편, 에티포스의 이번 성과는 국내 V2X 업계에도 시사하는 바가 크다. 지난 10년간 국토교통부가 주관해 추진한 C-ITS( 차세대 지능형 교통시스템) 사업을 통해 글로벌 수준의 경쟁력을 확보해 온 국내 V2X 업계는 최근 관련 예산 삭감 등 국내시장 불확실성 증가로 인해 안방 시장에서 큰 어려움을 겪고 있다.
이러한 상황 속에서 에티포스의 미국 시장 진출 성공은 해외에서 새로운 활로를 모색하는 국내 V2X 기업들에 중요한 이정표가 될 것으로 보인다.
에티포스는 이번 프로젝트를 성공적으로 완수하여 K-V2X 기술의 우수성을 입증하고, 글로벌 시장에서의 점유율을 더욱 확대해 나갈 예정이다.

에티포스 애프터마켓용 V2X OBU (Model: V2X-AIR)

BYD, 2세대 블레이드 배터리 공개 ··· 5분 만에 10→70% 충전

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-10 18:19:58+0900

중국 전기차 회사 BYD가 초고속 충전과 저온 성능 개선을 목표로 한 2세대 블레이드 배터리(Blade Battery 2.0)와 FLASH 충전 기술을 공개했다. 충전 속도와 겨울철 성능 저하는 전기차 확산 과정에서 꾸준히 제기돼 온 과제인 만큼, 이번 기술이 실제 상용 환경에서 어느 정도 성능을 입증할지 관심을 모은다.

BYD에 따르면, 2세대 블레이드 배터리는 배터리 잔량(State of Charge, SOC) 10%에서 70%까지 5분, 97%까지는 약 9분 만에 충전이 가능하다. 또한 영하 30℃의 저온 환경에서도 20%에서 97%까지 충전하는 데 12분이 소요돼 상온 대비 약 3분 정도 증가하는 수준이라고 회사 측은 설명했다.

2세대 블레이드 배터리는 1세대 대비 에너지 밀도를 약 5% 높이면서도 충전 속도를 개선한 것이 특징이다. BYD는 이러한 기술을 자사 전기차 플랫폼에 적용해 충전 경험을 내연기관 차량의 주유 시간에 가까운 수준으로 단축하는 것을 목표로 하고 있다고 밝혔다.

배터리 업계에서는 초고속 충전 기술의 경우 실제 충전 인프라, 배터리 수명, 열 관리 등 다양한 요소가 함께 검증돼야 한다는 점에서 상용 환경에서의 성능 확인이 중요하다는 시각이 존재한다.

BYD는 배터리 내부 발열을 최소화하기 위해 ‘리튬 이온 고속 통로(Lithium-Ion High-Speed Channel)’ 구조와 ‘전방위 지능형 열관리 시스템(Full-Spectrum Intelligent Thermal Management System)’을 적용했다고 설명했다. 이러한 설계를 통해 고속 충전 환경에서도 안정성을 확보하는 데 초점을 맞췄다는 것이다.

충전 인프라 측면에서 BYD는 최대 1500kW 출력을 지원하는 ‘FLASH 충전기’를 개발했다. 이 시스템은 대용량 에너지저장장치(ESS)와 결합해 지역 전력망 부하를 완화하면서 초고속 충전을 지원하도록 설계됐다고 BYD는 설명했다.

BYD는 또한 충전 편의성을 높이기 위해 ‘T자형 풀리(T-shaped pulley)’ 방식을 적용한 충전 케이블 시스템을 도입했다. 이른바 ‘제로 그래비티(Zero-Gravity)’ 구조로 케이블 무게 부담을 줄이고 사용자가 다양한 방향에서 충전 커넥터를 연결할 수 있도록 했다는 설명이다.

인프라 확대 계획도 제시됐다. BYD는 이미 중국 내에 4,200개 이상의 FLASH 충전소를 설치했으며, 2026년 말까지 중국 전역에 약 2만 개 규모의 FLASH 충전소를 건설하고 향후 글로벌 시장에도 해당 충전 기술을 확대할 계획이라고 밝혔다. 또한 기존 공공 충전소와 협력해 에너지저자장치(ESS)를 결합한 ‘스테이션 인 스테이션(station-within-a-station)’ 방식으로 네트워크를 확장해 전력망 부담을 줄이겠다는 구상도 제시했다.

전기차 시장이 빠르게 성장하는 가운데 충전 속도와 충전 인프라는 여전히 소비자 경험을 좌우하는 핵심 요소로 꼽힌다. BYD가 제시한 이번 기술이 실제 상용 환경에서 어느 정도의 성능과 경제성을 입증할 수 있을지가 향후 관건이 될 전망이다.

TASKING, AUTOSAR 기반 차량용 멀티코어 시스템 개발·검증 툴체인 강화

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-10 16:16:12+0900

고성능 임베디드 소프트웨어 개발 툴 기업 TASKING(태스킹)은 기능 안전성과 보안 규정을 준수해야 하는 차량용 멀티코어 시스템을 위한 AUTOSAR 워크플로 최적화를 위해 통합 TASKING 툴체인을 확장했다고 밝혔다.

TASKING은 컴파일러 툴(VX-toolset, SmartCode), BlueBox 디버거, winIDEA 통합개발환경(IDE), LDRA 툴 스위트 등을 통합해 요구사항 정의부터 검증, 인증, 배포에 이르는 AUTOSAR (AUTomotive Open System ARchitecture) 소프트웨어 개발 전 과정을 지원하도록 툴체인을 강화했다.

강화된 툴체인은 더 효율적인 컴파일 기능, 인증된 라이브러리, 확장된 디버깅 및 프로파일링 기능, 정밀한 시스템 분석 및 검증 기능을 제공한다. 이를 통해 소프트웨어 정의 차량(Software-Defined Vehicles, SDV), 첨단 운전자 보조 시스템(ADAS/ADS), 존 컨트롤러(Zone Controller), 중앙 제어 장치(Central Control Unit), 배터리 관리 시스템(BMS), 섀시 및 파워트레인 시스템 등 다양한 차량용 애플리케이션 개발에서 복잡한 소프트웨어를 더 빠르고 안정적으로 구현할 수 있도록 지원한다.
특히 요구사항 단계부터 검증, 인증, 배포까지 이어지는 전체 개발 수명주기를 지원하는 통합 환경을 제공해 기능 안전성과 보안이 요구되는 임베디드 실시간 시스템 개발을 가속화한다. 또한 멀티코어 환경에서 발생할 수 있는 타이밍 간섭 문제를 분석하고 최적화할 수 있는 기능을 제공하며, 일부 반복적인 개발 작업은 AI 기반 자동화를 통해 처리할 수 있도록 했다.

AUTOSAR는 자동차 전자제어장치(Electronic Control Unit, ECU) 소프트웨어를 모듈화하고 재사용성을 높이기 위한 표준 소프트웨어 아키텍처 프레임워크로, 최근 차량용 시스템에서 멀티코어 프로세서 기반의 복잡한 소프트웨어 구성이 확대되면서 개발과 검증 과정의 중요성이 커지고 있다.
이에 TASKING은 최신 컴파일러와 링커/로케이터(linker/locator) 기술을 기반으로 AUTOSAR 플랫폼에서 고성능 차량용 소프트웨어 개발을 지원하고, 다양한 마이크로컨트롤러(MCU) 제품군을 위한 멀티코어 지원을 제공한다. 또한 BlueBox 디버거 기반 타이밍 분석과 멀티코어 프로파일링 기능을 통해 시스템 성능 분석을 강화했으며, AUTOSAR 코딩 규격 준수, 애플리케이션 테스트 및 구조적 커버리지 분석 등 소프트웨어 검증 기능도 지원한다.

이 툴체인은 ISO 26262와 ISO/SAE 21434 등 차량용 기능 안전성 및 사이버보안 표준을 지원하며 ASIL D까지 대응할 수 있도록 설계됐다. 또한 지속적 통합·배포·검증(CI/CD/DV) 환경을 지원하고 하드웨어 가상화를 활용해 실리콘 출시 이전 단계에서도 소프트웨어 개발과 테스트를 수행할 수 있도록 했다.

TASKING 툴체인은 인피니언 AURIX(Tricore), NXP S32K, 르네사스 RH850 등 다양한 차량용 멀티코어 프로세서를 지원한다. 특히 인피니언의 DRIVECORE 소프트웨어 번들에도 포함돼 마이크로컨트롤러 기반 애플리케이션 개발을 지원한다.

한편, TASKING이 2025년 인수한 LDRA는 르네사스 R-Car 컨소시엄과 Renesas Ready Partner Network의 회원사로 활동하고 있으며, TASKING과 LDRA는 NXP S32K 파트너 에코시스템에도 참여하고 있다. 또한 TASKING은 인피니언 테크놀로지스의 우선 파트너이기도 하다.

ICS 코리아, '오토모티브 테스팅 엑스포 2026' 참가

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-10 14:56:53+0900

인트레피드 컨트롤 씨스템즈 코리아(Intrepid Control Systems Korea, 이하 ICS 코리아)는 오는 3월 18일부터 20일까지 일산 킨텍스에서 열리는 ‘Automotive Testing Expo Korea 2026’에서 10BASE-T1S 차량 네트워크 계측 솔루션을 비롯해 신제품 neoVI FIRE 3 Compute 기반 엣지 데이터 로깅 환경 등 차량 네트워크 계측 및 테스트 솔루션을 대거 선보일 것이라고 밝혔다.

미국 미시간주에 본사를 둔 ICS는 자동차 이더넷, CAN, LIN, FlexRay 등 다양한 차량 네트워크의 계측·분석·테스트를 위한 하드웨어 및 소프트웨어를 제공한다. 포드, 재규어 랜드로버, 토요타 등 글로벌 자동차 제조사가 ICS의 솔루션을 채택하고 있으며, 제너럴 모터스(GM)는 표준화 툴로 활용하고 있다. 국내에서는 완성차 업체를 비롯해 티어-1·2 공급사와 대학 연구기관에서 사용하고 있다.

ICS의 대표 소프트웨어인 Vehicle Spy 3는 Basic, Professional, Enterprise 등급으로 구성돼 있으며 차량 데이터 모니터링, GUI 및 스크립트 기반 자동화 테스트, 데이터 로깅, 리버스 엔지니어링, 진단 통신 등 완성차 및 단품 ECU 검증 테스트 환경에서 필요한 기능을 제공한다.

ICS 코리아는 이번 전시회에서 총 8개 솔루션을 소개할 계획이다. 주요 데모 중 하나는 차세대 차량용 네트워크로 주목받는 10BASE-T1S 계측 솔루션이다. 이 데모에서는 10BASE-T1S 네트워크 노드의 메시지 모니터링을 비롯해 PLCA(Physical Layer Collision Avoidance) 분석, BEACON·COMMIT·SSD·ESD 등 Special Symbol 디코딩 기능을 시연한다. 이 데모는 RAD-Comet 시리즈와 RAD-Moon T1S 하드웨어를 Vehicle Spy 3 소프트웨어와 연동해 구성된다.

이와 함께 CAN FD와 LIN 등 기존 차량용 통신 프로토콜을 위한 솔루션도 소개하며, 장비 구매 시 무상으로 제공되는 Vehicle Spy 3 Basic 기능도 함께 선보일 예정이다.

이번에 선보이는 neoVI FIRE 3 Compute 솔루션 데모는 다채널 차량 데이터 로거인 neoVI FIRE 3 장비에 Raspberry Pi CM5를 결합해 엣지 컴퓨팅 기반 데이터 로깅 환경을 구현한 것으로, 차량 데이터 수집과 동시에 리눅스(Linux) 기반 사용자 애플리케이션을 실행할 수 있는 통합 테스트 환경을 제공한다.

이밖에도 자동차 이더넷 데모, 독립형 데이터 로깅, 무선 데이터 수집·분석 솔루션 ‘Wireless neoVI’, GUI 및 스크립트 기반 자동화 테스트, 자동차 이더넷 미디어 컨버터 제품군 등 다양한 차량 네트워크 테스트 솔루션이 소개될 예정이다.

ICS 코리아 관계자는 이번 전시에서 실제 고객들이 활용하는 테스트 환경과 기능을 기반으로 다양한 데모를 준비했으며, 차량 네트워크 통신 및 테스트 환경 구축과 관련한 상담도 현장에서 진행할 수 있다고 밝혔다.

듀코시, 근거리 무선 기반 EV 배터리 모듈 레벨 통신 솔루션 출시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-10 13:43:13+0900

영국의 듀코시(Dukosi Ltd.)가 고전력 배터리 시스템의 안전성과 보안을 향상시키기 위해 설계된 근거리 무선 기반 모듈 레벨 통신 솔루션을 출시했다.
이 모듈 통신 링크인 ‘DK-NFLNK’ 솔루션은 듀코시의 C-SynQ^® 기반 비접촉 통신 프로토콜을 적용해 BMS 호스트로 동기식 모듈 레벨 측정값을 전송한다. 이를 통해 배터리 관리 시스템(BMS)에서 사용되는 기존 유선 방식이나 원거리 무선 방식을 대체할 수 있다.

DK-NFLNK는 전기차(EV)와 배터리 에너지 저장 시스템(Battery Energy Storage Systems, BESS)에 사용되는 400~800V급 배터리 팩에 일반적으로 적용되는 12셀 배터리 모듈 구성을 기반으로 설계됐다. 이 설계에는 통합 안테나가 내장된 DK8503 Node EVK 보드가 사용됐으며, 이 보드는 상용 멀티-채널 아날로그 프런트엔드(analog front end, AFE) 모니터링 디바이스와 연동된다.

DK8503 Node는 듀코시의 독자적인 NFC 프로토콜을 사용해 간단한 버스 안테나와 DK8203 System Hub 디바이스를 통해 모듈 데이터를 BMS 호스트로 동기식으로 안전하게 전송한다. 이러한 아키텍처는 배터리 모듈과 BMS 호스트 프로세서 간 배선 및 커넥터를 줄이면서 동기화된 데이터 전송을 유지하도록 설계됐다. 또한 다양한 셀 모니터링 솔루션과 연동할 수 있도록 AFE 호환성을 지원해 기존 배터리 설계 환경에서도 유연한 통합이 가능하다.

듀코시는 DK-NFLNK 솔루션이 기존 모듈형 배터리 아키텍처를 변경하지 않고도 확장성과 신뢰성을 향상시킨 설계로 손쉽게 업그레이드할 수 있으며, 배터리 시스템 설계에서 배선 복잡성과 커넥터로 인한 잠재적 장애 요소를 줄이는 데 기여할 수 있다고 설명했다.

인피니언, TEGRION™ SLI22 차량용 보안 컨트롤러 출시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-10 10:00:28+0900

인피니언 테크놀로지스(코리아 대표이사 이승수)가 최신 차량용 보안 컨트롤러 28nm TEGRION™ SLI22를 공개했다. 독일 연방 정보보안청(BSI)으로부터 Common Criteria(CC) EAL6+ 인증을 획득하고 양자내성암호(Post-quantum Cryptography, PQC)를 적용한 SLI22는 관련 보안 표준을 준수하고 양자 컴퓨팅 발전으로 인해 진화하고 있는 사이버 위협에 대한 보호 기능을 제공한다.

이 플랫폼은 eSIM, V2X, 자동차 액세스 시스템 등 보안이 중요한 다양한 애플리케이션에 적용할 수 있다. SLI37 및 SLI97과 같은 기존 제품을 보완하는 TEGRION SLI22는 인피니언의 첨단 인티그리티 가드(Integrity Guard) 32 아키텍처를 기반으로 시스템 무결성과 신뢰성을 강화하는 견고한 보안 프레임워크를 제공한다. 또한 새로운 ETSI MFF3 패키지로도 제공되어 MFF2 대비 공간 요구사항을 70% 줄였다.

Arm^® v8-M 기반의 고성능 32비트 CPU는 뛰어난 속도와 성능을 제공하면서 에너지 효율을 유지한다. 최대 25% 성능을 향상시키는 최적화된 캐시와 기존 및 포스트 퀀텀 알고리즘을 지원하는 암호 가속기를 갖춘 TEGRION SLI22 차량용 보안 컨트롤러는 강력한 보호 기능을 제공한다. 또한 17년 데이터 보존이 가능한 내구성이 뛰어난 설계를 적용해 장기간 현장에 배치되는 차량과 장비에 대해 장기적인 신뢰성과 성능을 보장한다.

GAC그룹 회장 “표준과 함께 세계로” 중국 자동차 산업의 글로벌 경쟁력 제고

한상민 기자_han@autoelectronics.co.kr — 2026-03-09 15:06:52+0900

전국인민대표대회(National People's Congress) 대표인 광저우자동차그룹(GAC Group)의 펑싱야(Feng Xingya) 회장이 2026년 전국 양회(National Two Sessions)에 참석하기 위해 베이징을 방문했다. 펑 회장은 자동차 산업의 고품질 발전과 민생 개선을 위한 여러 제안을 제출했으며, 특히 자동차 수출과 관련한 제안은 글로벌 리더로 도약하고 있는 중국 자동차 산업의 강력한 성장 모멘텀을 부각시켰다.
펑 회장은 글로벌 표준의 차이와 중국 국내 표준의 국제적 영향력 부족 등의 문제를 지적하며, 규정 준수 서비스 체계 구축, 중국 표준과 국제 표준 간 정렬, 국내 기업 간 협력 강화 등을 제안했다. 이런 조치는 기술적 우위를 수출 경쟁력으로 전환해 중국이 주요 수출국에서 글로벌 산업 리더로 도약하는 데 기여할 것으로 기대된다. 그는 “중국 표준의 국제화를 가속하고 표준 제정 과정에서 발언권을 확보하는 것이 자동차 수출의 고품질 발전을 위한 핵심”이라고 강조했다.

수출 부문에서 GAC는 현재 아시아 태평양, 중동 및 아프리카, 유럽, 독립국가연합(CIS), 중남미 등 5대 주요 지역의 86개 국가 및 지역에 진출해 있다. 글로벌 판매 채널은 650개로 확대됐으며, 나이지리아, 태국, 말레이시아, 인도네시아, 오스트리아에 5개의 KD 공장을 설립했다. 2026년에도 GAC는 지난 2년간 이어진 비약적인 성장세를 유지했으며, 1월 해외 판매는 전년 동기 대비 69% 증가했다. 2월 월간 해외 판매는 1만 1,125대를 돌파해 전년 동기 대비 114% 증가하며 두 배 이상 확대됐다. 올해 1~2월 누적 해외 판매는 2만 5,126대를 넘어 전년 대비 86% 증가하며 강력한 글로벌 확장세를 보여주고 있다.
향후 GAC는 산업 체인, 생태계, 디지털화, 금융 시스템의 글로벌 협력 확장을 가속할 계획이다. 또한 제품 개발, 판매 채널 구축, 운영 방식에서 지속적인 혁신을 통해 전반적인 '글로벌 진출, 심화, 고도화' 전략을 추진하고 자동차 강국 건설에 기여할 방침이다.

펑 회장은 또한 전동화, 지능화, 저고도 경제, 민생 분야에도 주목했다. 그는 배터리 교환 표준 통일과 자율주행 관련 규제 개선을 제안했다. 저고도 경제 분야에서는 개발 계획, 국경 간 데이터 규정 정비, 웨강아오 대만구(Guangdong-Hong Kong-Macao Greater Bay Area) 시범 프로젝트 추진 등을 제시했다. 민생 측면에서는 농촌 지역의 신에너지 생태계 구축과 고령친화형 이동성에 중점을 두고 '디지털 포용 + 수동 지원' 모델을 추진할 것을 제안했다.
펑싱야 회장은 GAC가 기술 혁신을 통해 산업 업그레이드를 지속적으로 추진하고, 국가 전략에 부응해 중국을 자동차 강국으로 발전시키는 데 기여하는 동시에 국민 삶의 질 향상에 이바지하겠다고 밝혔다. 또한 글로벌 소비자에게 보다 우수한 이동 경험과 친환경 이동 솔루션을 제공하겠다고 강조했다.

산업용 로봇 연결성, 무선과 SerDes로 확장

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-09 12:05:40+0900

아나로그디바이스(Analog Devices, Inc., 이하 ADI코리아)는 3월 4일부터 6일까지 서울 코엑스에서 열린 스마트공장 및 자동화 산업 전문 전시회 오토메이션월드 2026(AW 2026)에서 산업용 자동화와 로보틱스 환경을 위한 반도체 솔루션을 선보였다. 이번 전시에서 ADI는 Industrial General Demo Zone과 Industrial Connectivity Zone으로 부스를 구성하고, 총 8개의 데모를 통해 센싱, 모션 제어, 전력 관리, 연결성 등 산업 자동화 및 로보틱스에서 요구하는 핵심 기술을 소개했다.

ADI코리아 부스 전경. 산업 자동화와 로보틱스 환경을 위한 센싱, 모션 제어, 전력 관리, 연결성 기술을 다양한 데모 형태로 소개했다.

Industrial General Demo 존에서는 상태 기반 모니터링 센서, 지능형 엣지 압력 센서, 에너지 미터 및 전력 품질 미터, TRINAMIC 기반 모션 제어 등 5개의 솔루션을 선보였다. Industrial Connectivity 존에서는 60GHz 밀리미터파(mmWave)를 활용한 Short Data Link, GMSL 기반 AI 비전 및 로봇 연결, 10BASE-T1L 장거리 산업용 이더넷 등 3개의 통신 기술을 시연했다.
특히 이번 전시에서 ADI코리아는 산업용 로보틱스와 자동화 장비에서 점점 더 중요해지고 있는 고속 데이터 통신과 저지연 연결성을 강조하며, 60GHz mmWave 단거리 데이터 링크와 GMSL(Gigabit Multimedia Serial Link) 기술을 최적의 솔루션으로 소개했다.
ADI 한국 채널 영업 담당 차성근 상무는 “최근 산업 환경에서 로보틱스, 오토메이션 장비, 물류 시스템이 빠르게 확산되고 있다”며 “이러한 시스템 대부분은 고성능 센서와 컴퓨팅을 기반으로 동작하며, 그 중심에는 안정적인 저 지연 커넥티비티 기술이 있다”고 강조했다.

ADI 한국 채널 영업 담당 차성근 상무

산업용 모바일 로보틱스의 진화

산업용 로봇은 과거 단순한 반복 작업을 수행하던 장비에서 벗어나, 환경을 인식하고 스스로 판단하며 작업을 수행하는 지능형 시스템으로 발전하고 있다. 특히 제조 공장과 물류창고에서는 자동화 확대와 함께 자율이동 로봇(AMR)과 무인운반차(AGV)가 생산 공정과 물류 흐름을 연결하는 핵심 장비로 자리 잡고 있다.
AMR은 라이다(LiDAR), 카메라, 관성측정장치(IMU), ToF(Time-of-Flight) 센서 등 다양한 센서를 활용해 주변 환경을 인식하고, SLAM(Simultaneous Localization and Mapping) 기술을 통해 지도를 생성하면서 동시에 자신의 위치를 파악한다. 이러한 센서 데이터는 로봇 운영체제(ROS) 환경에서 센서 융합(sensor fusion) 알고리즘으로 결합되어 로봇의 이동과 작업을 제어한다.
이러한 로봇 시스템에서 중요한 요소 중 하나가 통신 인프라다. 로봇 내부에서는 센서와 컴퓨팅 시스템 간에 고속 데이터 교환이 필요하며, 외부에서는 다른 로봇이나 제어 시스템과의 통신이 필요하다.
모바일 로봇의 통신은 준실시간(near real-time) 수준의 속도와 낮은 지연시간을 요구한다. 이는 장애물 회피, 경로 탐색, 작업 협업과 같은 기능이 동적으로 변화하는 환경에서 즉각적으로 이루어져야 하기 때문이다.
차성근 상무는 “모바일 로봇은 항상 움직이면서 주변 환경을 인식하고 데이터를 처리해야 하기 때문에 센서와 컴퓨팅 시스템 사이에서 대용량 데이터를 빠르게 전달할 수 있는 통신 구조가 필요하다”고 설명했다.

60GHz mmWave 기반 Short Data Link

Industrial Connectivity 존에서 눈길을 끈 데모 중 하나는 소형 PCA(Printed Circuit Assembly) 형태로 제공되는 완전한 밀리미터파(mmWave) 무선 연결 솔루션 ADMV9615와 ADMV9625으로 구현되는 60GHz 밀리미터파 Short Data Link였다.

60GHz Millimeterwave Short Data Link – ADMV9615(좌), ADMV9625(우)

ADMV9615/ADMV9625 기반 60GHz mmWave Short Data Link 데모. 1cm~5cm 거리에서 케이블 없이 고속 데이터 전송을 지원해 산업용 로봇의 회전 조인트 등 비접촉 데이터 링크 구현에 활용될 수 있다.

무선 전송은 원형 편파(circularly polarized) 전방향 패치 안테나 어레이를 통해 이루어지며, 이를 통해 회전 동작을 포함한 다양한 애플리케이션과 환경에서 안정적인 통신을 지원한다. 안테나 어레이 뒤에는 통합형 디플렉서(diplexer)가 배치되어 보드 상의 송신 경로와 수신 경로를 분리함으로써 다중 경로(multipath) 왜곡을 줄인다.
수신 경로에는 63.2625GHz 신호를 베이스밴드 신호로 복조하기 위한 모든 구성 요소가 통합돼 있다. 수신기 이득은 넓은 범위에서 프로그래밍이 가능해 요구되는 링크 버짓을 유연하게 맞출 수 있다. 수신기 베이스밴드 출력은 AC 커플링 방식이며, 최대 약 400mV의 차동 출력 신호 레벨을 제공한다.
송신 경로에도 입력 베이스밴드 신호를 59.85GHz로 변조하기 위한 모든 구성 요소가 통합돼 있다. 송신기는 일정한 송신 전력을 유지할 수 있도록 프로그래머블 이득 제어 기능을 제공한다. 송신 베이스밴드 입력은 DC 커플링 방식이며 넓은 공통 모드 입력 범위를 지원한다. 또한 주파수 합성기(synthesizer)가 통합되어 온도 변화에 대해서도 우수한 주파수 안정성을 유지한다.
간단한 진폭 변조(AM) 방식을 사용함으로써 외부 데이터 컨버터가 필요 없으며, 1Gbps 이상의 데이터 전송 속도를 구현할 수 있다. 온보드 전력 관리 회로가 통합돼 있어 단일 5V 전원 레일만으로 ADMV9625와 ADMV9615를 구동할 수 있다.
ADMV9615와 ADMV9625를 함께 사용할 경우, 라이선스가 필요 없는 60GHz ISM 대역에서 동작하는 완전한 풀 듀플렉스 60GHz 데이터 링크를 구성해 고속 데이터 전송을 구현한다.
로봇 제어 시스템에서는 지연시간이 매우 중요하다. ADMV9615/ADMV9625는 물리 계층에서 매우 낮은 지연 특성을 제공해 실시간 제어 시스템에서도 활용할 수 있다. 또한 60GHz 대역은 매우 넓은 스펙트럼을 제공하기 때문에 고속 데이터 전송이 가능하다. 주파수가 높기 때문에 안테나 크기를 작게 만들 수 있어 시스템 통합이 용이하다.
60GHz mmWave 기반 Short Data Link 기술이 특히 유용한 분야는 로봇 팔의 회전 조인트다. 차성근 상무는 “로봇 팔의 조인트 내부에는 여러 케이블이 들어가는데, 로봇이 반복적으로 회전하면 케이블이 꼬이거나 단선될 위험이 있다”며 “60GHz Short Data Link를 사용하면 케이블 없이도 데이터를 전달할 수 있어 이러한 문제를 해결할 수 있다”고 설명했다.
즉, 회전하는 로봇 구조에서도 비접촉 방식으로 데이터 링크를 유지할 수 있어 산업용 로봇 설계의 신뢰성을 높일 수 있다.

GMSL 기반 AI 비전 및 로봇 연결

또 다른 핵심 데모는 GMSL(Gigabit Multimedia Serial Link) 기술을 활용한 AI 비전 및 로봇 통신 솔루션이었다.
GMSL은 자동차 ADAS 시스템에서 카메라, 레이다, 라이다 데이터를 전송하기 위해 개발된 고속 SERDES(serializer/deserializer) 인터페이스다. 하지만 최근에는 산업용 로봇과 머신비전 시스템에서도 활용이 확대되고 있다.
이번 데모에서는 MAX96717/F Serializer, MAX96724 Deserializer, 그리고 AD-GMSL522-SL 평가 플랫폼이 사용됐다.

GMSL 캐리어 보드 - AD-GMSL522-SL 평가 플랫폼

GMSL 기반 AI 비전 및 로봇 연결 데모. MAX96717/F Serializer와 MAX96724 Deserializer, AD-GMSL522-SL 평가 플랫폼을 활용해 카메라에서 수집된 영상을 AI 프로세서로 전송하고 실시간으로 처리하는 과정을 시연했다.

차성근 상무는 “요즘 AI가 중요한 화두가 되고 있는데, 특히 카메라 기반 비전 데이터를 AI 프로세서로 전달하는 과정에서 GMSL이 매우 유용하다”고 강조했다.
그는 이어 “이번 데모에서는 카메라 이미지를 NVIDIA Jetson Orin™ 플랫폼으로 전달해 처리하는 과정을 보여준다”며 “GMSL은 높은 데이터 처리량과 낮은 지연 특성 덕분에 AI 기반 비전 시스템에서 많이 활용되고 있다”고 설명했다.
MAX96717/F는 고성능 GMSL2 Serializer로, 센서 데이터를 직렬화해 장거리 전송할 수 있도록 설계됐다. 수 기가비트급 데이터 전송 속도를 지원해 고해상도 카메라 영상 데이터를 안정적으로 전달할 수 있다. 또한 GMSL 기술의 장점을 활용해 단일 동축 케이블 또는 차폐 트위스티드 페어(STP) 케이블을 통해 영상 데이터와 제어 신호를 동시에 전송할 수 있어 시스템 배선을 단순화한다. 여기에 영상 데이터를 실시간으로 처리해야 하는 환경에 적합하도록 초저지연 데이터 전송을 지원하며, 카메라 제어 신호와 전원 공급까지 동일 케이블을 통해 처리할 수 있어, 전체 시스템 설계를 단순화할 수 있다.
MAX96724는 GMSL2 기반 쿼드 채널 Deserializer로, 여러 대의 카메라에서 전송되는 데이터를 동시에 처리할 수 있다. 최대 4개의 GMSL 링크를 동시에 지원해 다중 카메라 기반 비전 시스템에 적합하며, 각 카메라에서 전송된 영상 데이터를 안정적으로 집계할 수 있다.
Deserializer에서 복원된 영상 데이터는 MIPI CSI-2 인터페이스를 통해 AI 프로세서나 GPU로 전달되며, 이를 통해 고성능 영상 처리 시스템과 원활하게 연동된다. 또한 낮은 비트 오류율(BER)과 강력한 오류 검출 기능을 제공해 산업 환경에서도 안정적인 데이터 전송이 가능하다. 자동차 환경을 고려해 설계된 GMSL 기술은 강한 전자기 간섭(EMI) 환경에서도 안정적으로 동작한다.
AD-GMSL522-SL은 GMSL 시스템을 평가하고 프로토타이핑하기 위한 개발 플랫폼이다. 이 플랫폼은 카메라 모듈과 AI 프로세서를 연결하는 완전한 GMSL 데이터 경로를 제공하며, 실제 시스템 환경에서 성능을 테스트할 수 있도록 설계됐다. 이를 통해 개발자는 고속 비디오 전송, 센서 데이터 통합, AI 비전 시스템 인터페이스, 로봇 및 AGV 플랫폼 연결 등과 같은 기능을 검증할 수 있다.

산업 자동화를 위한 연결성 기술의 중요성

이번 전시에서 ADI가 강조한 메시지는 명확했다. 산업 자동화 시스템은 센서, 컴퓨팅, 로봇, 네트워크가 긴밀하게 연결된 구조로 발전하고 있으며, 이러한 시스템을 가능하게 하는 핵심 기술이 바로 고속 통신과 연결성이라는 점이다.
“최근 산업 환경을 보면 자동화 장비와 로봇, 물류 시스템이 매우 빠르게 늘어나고 있습니다. 이런 장비들은 센서 데이터를 처리하고 서로 협업해야 하기 때문에 커넥티비티 기술이 점점 더 중요해지고 있습니다.” 차성근 상무의 말이다.
그는 이어 “이번 전시에서는 산업 자동화 환경에서 실제로 사용할 수 있는 연결 기술을 중심으로 데모를 구성했다”며 “60GHz Short Data Link, GMSL, 10BASE-T1L 같은 기술들이 향후 산업용 로봇과 자동화 장비에서 중요한 역할을 하게 될 것”이라고 강조했다.

미래 공장을 향한 기술 진화

산업 자동화와 로보틱스 기술은 앞으로도 빠르게 발전할 것으로 전망된다. 특히 AI 기반 비전 시스템, 자율이동 로봇, 협동 로봇, 스마트 물류 시스템 등이 확산되면서 센싱, 컴퓨팅, 통신 기술의 통합이 더욱 중요해지고 있다.
ADI는 모션 제어, 센싱, 전력 관리, 연결성 등 다양한 반도체 기술을 통해 이러한 산업 변화를 지원하고 있다.
AW 2026에서 선보인 데모는 이러한 기술 포트폴리오를 실제 애플리케이션 형태로 보여주는 사례였다. 특히 초고속 단거리 무선 통신과 고대역폭 영상 데이터 링크 기술은 미래의 스마트 공장과 로봇 시스템에서 핵심 인프라가 될 가능성을 보여줬다.

AW 2026 주요 전시 품목(총 8개 아이템)
Industrial General Demo Zone (5)

상태 기반 모니터링 센서: 3축 디지털 출력 MEMS 가속도 센서(ADXL382 및 ADXL367)와 MAX32666 BLE MCU 및 MAX78000 AI MCU를 기반으로 하는 무선 진동 모니터링 플랫폼 Voyager4와 ADXL357 및 10BASE-T1L을 활용한 유선 진동 센서 솔루션
지능형 엣지 압력 센서: 압력 센서, 온도 센서, 휘트스톤 브리지 기반 센싱 시스템
AI Multi-Phase 전력 솔루션 컨트롤러: 최대 90.71% 효율을 제공하는 고효율 전력 솔루션으로, NVIDIA GPU 인터페이스 제어 지원. 32ph(2 parallel) 또는 48ph(3 parallel) 구성으로 최대 2500A까지 확장 가능
에너지 미터 및 전력 품질 미터: 가정 및 유틸리티용 에너지 미터, 데이터센터 전력 품질 모니터링, EV 충전기 등 다양한 애플리케이션 지원
TRINAMIC 기반 모션 제어 솔루션: TMC3351 기반 3축 폐루프 스테퍼 모터 제어, S-곡선 램프(S-shaped ramp) 지원. 연구실 자동화, 로보틱스, 제조, 액체 처리 장비, 공장 자동화, 반도체 장비 등에 적용 가능

Industrial Connectivity Zone (3)

60GHz mmWave 기반 Short Data Link: 1~5cm 거리에서 최대 1Gbps 데이터 전송, 초저지연, 풀 듀플렉스 통신 지원
GMSL 기반 AI 비전 및 로봇 연결: 단일 케이블 기반 고대역폭 데이터 전송, 카메라 이미지, 초저지연 통신 지원. 자율주행, 머신비전, AGV 등에 적용 가능
장거리 산업용 이더넷(10BASE-T1L): 단일 트위스티드 페어 케이블에서 10Mbps 데이터 전송, PoDL(Power over Data Line) 지원. EMC 환경에서도 안정적으로 동작하며 공장 및 빌딩 자동화, 산업용 계측 장비에 적용 가능

ST, 자동차용 고속 절연 게이트 드라이버 출시

한상민 기자_han@autoelectronics.co.kr — 2026-03-05 17:14:42+0900

ST마이크로일렉트로닉스(STMicroelectronics, 이하 ST)가 자동차 등급의 갈바닉 절연 4A 게이트 드라이버 STGAP2SA와 STGAP2HSA를 출시했다. 두 디바이스는 60ns의 응답 시간과 우수한 부품 간 정합성을 기반으로 높은 스위칭 주파수를 지원해 전력 밀도와 효율 향상을 지원한다.

두 제품은 최대 1,200V 고전압 레일에서 동작하는 IGBT 및 실리콘 MOSFET 구동에 적합하며, 유니폴라 또는 바이폴라 방식으로 최대 26V에서 4A의 전류를 싱크 및 소스할 수 있다.

AEC-Q100 인증을 획득한 디바이스는 ST의 산업용 및 자동차용 갈바닉 절연 게이트 드라이버 제품군인 STGAP 시리즈를 확장하며, 내연기관 차량과 하이브리드 차량, 전기차 전반에 걸친 다양한 애플리케이션에 적용할 수 있다.

대표적인 적용 분야로는 DC/DC 컨버터, 펌프, 팬, 히터, 전동 컴프레서, 온보드 충전기(On-Board Charger, OBC) 등이 있으며, 벽걸이형(Wallbox) 및 스탠드형(Pedestal) DC 충전 시스템과 산업용 인버터, 모터 드라이브 등에도 활용할 수 있다.

STGAP2SA와 STGAP2HSA는 저전압 차단(Under-Voltage Lockout, UVLO) 기능을 비롯해 전원 인가 및 차단 시 출력 안전 상태를 제공하는 보호 기능을 갖추고 있어 설계를 간소화하고 시스템 신뢰성을 높인다. 또한 유도 턴온을 방지하는 밀러 클램핑(Miller Clamping) 기능과 최대 안전 온도를 초과할 경우 동작을 차단하고 온도가 낮아지면 자동으로 복귀하는 과열 차단 기능을 제공한다. 이와 함께 저전압 측과의 통신이 실패할 경우 출력을 안전 상태로 전환하는 자체 모니터링 워치독 기능과 입력을 동시에 하이 상태로 유지하면 진입하는 절전 대기 모드도 지원한다.

두 디바이스 UL 1577 절연 등급을 충족한다. 표준 SO-8 패키지로 제공되는 STGAP2SA는 4,800V의 과도 및 서지 절연 전압(V_IOTM, V_IOSM)을 지원한다. 8mm의 연면거리 및 공간거리를 갖춘 와이드 바디 SO-8W 패키지 기반의 STGAP2HSA는 IEC 60747-17을 준수하는 기본 절연 기능과 6,000V의 서지 절연 전압(V_IOSM)을 제공한다.

각 디바이스에 대한 데모 보드도 제공된다. EVALSTGAP2SAC에는 STGAP2SA가 탑재되며, STGAP2HSA가 적용된 EVALSTGAP2HSAC 보드는 더 높은 절연 성능이 요구되는 설계에 적합하다.

STGAP2SA와 STGAP2HSA는 현재 생산 중이며, 가격은 1,000개 주문 기준 개당 1.55달러부터 시작한다.

인피니언 AURIX™ TC3x, 400MHz로 실시간 처리 성능 강화

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-05 16:44:22+0900

인피니언 테크놀로지스(Infineon Technologies AG, 코리아 대표이사 이승수)가 AURIX™ TC3x 자동차용 마이크로컨트롤러 제품군에 400MHz 성능 등급을 추가했다.

이 고속 제품은 파워트레인, 섀시, 존 또는 도메인 제어와 같은 애플리케이션에서 증가하는 소프트웨어 복잡성과 실시간 처리 요구에 대응하도록 설계됐다. 이를 통해 OEM과 1차 협력업체는 플랫폼을 변경하지 않고도 기능을 강화할 수 있으며, 비용과 통합 부담을 줄일 수 있다. 인피니언에 따르면, 검증된 AURIX TC3x 아키텍처를 기반으로 하는 400MHz 디바이스는 더 빠른 개발과 낮은 통합 리스크를 제공하고, 기존 소프트웨어, 안전 개념, 하드웨어 설계 투자 보호를 가능하게 한다.

400MHz AURIX TC3x 마이크로컨트롤러는 기존 TC3x 모델과 비교해 CPU 주파수를 최대 3분의 1까지 높여, 증가하는 실시간 연산 작업 요구에 대응할 수 있는 중요한 성능 헤드룸을 제공한다. 이를 통해 자동차 제조사는 더 복잡한 제어 알고리즘을 구현하고, 진단 기능을 확장하며, 새로운 통신 요구사항을 충족할 수 있다. 동시에 안전 애플리케이션에 필수적인 결정론적 실시간 동작을 유지할 수 있다. 또한, 성능 업그레이드에 따른 마이그레이션 리스크와 재설계 부담을 크게 줄여 ECU 기능 향상을 신속하게 추진하면서도 개발 일정을 유지할 수 있도록 지원한다.

400MHz AURIX TC3x의 대표적인 적용 분야는 엔진 관리 시스템(EMS), 섀시 제어, 첨단 운전자 보조 시스템(ADAS)이다. 예를 들어 EMS에서는 추가된 연산 헤드룸을 통해 더욱 정밀한 실시간 제어 루프를 통합하면서 유로 7(Euro 7)과 중국 7(China 7)과 같은 배출가스 및 진단 규제를 충족할 수 있다. 이를 통해 지연이나 타이밍 저하 없이 복잡한 배출가스 후처리 시스템을 운용할 수 있다. 또한 섀시 및 전자식 차체자세제어장치(ESC)와 같은 안전 필수 시스템에서는 향상된 성능을 통해 안전 주행 상황에서 응답 시간을 단축하고 더 많은 센서 입력과 강화된 진단 기능을 지원한다. ADAS 및 도메인 컨트롤러 역시 더 향상된 인지 및 의사결정 시스템을 구동할 수 있어, 소프트웨어 정의 차량 아키텍처로의 진화를 지원한다.

KADIF-英 ZENZIC, AI 기반 자율주행 기술 협력 MOU 체결

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-05 09:13:31+0900

자율주행기술개발혁신사업단(사업단장 정광복, 이하 KADIF)이 영국 자율주행 혁신 기관 ZENZIC과 AI 기반 자율주행 기술 고도화를 위한 업무협약(MOU)을 체결했다. 협약식은 3일 영국 Royal Automobile Club(RAC)에서 진행됐다.

3월 3일(화) 영국 런던 로얄 오토모바일 클럽(RAC))에서 KADIF(사업단장 정광복, 왼쪽에서 다섯 번째)와 영국 자율주행 혁신기관 ZENZIC(CEO Ian Constance, 오른쪽에서 네 번째) 간의 ‘AI 기반 자율주행 기술 협력을 위한 업무협약(MOU)’ 체결식이 열렸다.

이번 협약은 급변하는 자율주행 기술 환경에 대응하고 글로벌 기술 경쟁력 강화를 위한 협력 기반을 구축하는 데 목적이 있다. 아울러 국내 기업의 해외 진출을 지원하고 한·영 간 자율주행 산업 생태계 연계를 확대하는 데 의미가 있다.

양 기관은 협약을 통해 자율주행 기술 관련 지식 및 규제 정보 공유, 자율주행차 테스트베드와 리빙랩 인프라의 상호 이용 및 운영 협력, 기술 개발과 적용 과정에서의 혁신 촉진을 위한 국제 공동 연구 추진 등에 합의했다. 또한 양국 자율주행 기업들의 시험·검증 활동을 지원하는 등 실증 중심의 협력도 병행하기로 했다.

최근 한·영 FTA 개선 협상이 타결되면서 미래차 및 자율주행 산업 분야에서의 협력 확대 가능성이 높아진 상황이다. 이에 이번 MOU는 기술 협력과 산업 생태계 간 연결을 강화하는 계기가 될 것으로 보인다.

정광복 KADIF 사업단장은 “복잡한 도심 교통 환경과 국가 차원의 실증 인프라를 기반으로 자율주행 산업을 고도화하고 영국의 산업 생태계를 조율해 온 ZENZIC과 사업단의 첫 글로벌 업무협약을 진행하게 되어 기쁘다“며 ”이번 업무협약을 통해 양국의 우수한 기업들이 서로의 산업 생태계를 자유롭게 넘나들며 새로운 비즈니스 기회를 창출할 수 있도록 양 기관이 든든한 가교역할을 수행하겠다”고 밝혔다.

KADIF는 그동안 국내외 기관과 협력해 자율주행차 R&D 기술의 실증, 표준화, 제도 개선, 국민 수용성 제고 등을 추진해왔다. 이번 협력을 통해 국내 자율주행 기술의 대외 신뢰도를 높이고 글로벌 시장에서의 입지를 강화하는 기반을 마련했다는 평가다.

로옴, 고성능 CMOS OP 앰프 ‘TLRx728·BD728x 시리즈’ 출시

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-05 08:43:45+0900

로옴(ROHM)가 자동차, 산업 기기, 소비가전 등 폭넓은 분야에서 활용 가능한 고성능 CMOS OP Amp ‘TLRx728 시리즈’와 ‘BD728x 시리즈’를 출시했다. 이 제품들은 낮은 입력 오프셋 전압, 낮은 노이즈, 높은 슬루율(Slew rate)를 균형 있게 실현한 것이 특징이다.

TLRx728 시리즈 및 BD728x 시리즈는 레일 투 레일(Rail-to-Rail) 입출력을 지원해 전원전압 범위를 최대한 활용할 수 있도록 설계됐다. 이를 통해 넓은 다이내믹 레인지를 확보할 수 있으며, 미세 전압 신호를 다루는 환경에서 안정적인 증폭 특성을 제공한다.

이들 시리즈는 특히 고정밀 센서 신호 처리와 전류 검출 회로, 모터 드라이버 제어, 전원 감시 시스템 등에서 활용도를 높였다. 특정 용도에 국한되지 않고 범용성과 고성능을 동시에 확보한 점도 특징이다. 또한 1채널(1ch), 2채널(2ch), 4채널(4ch) 구성으로 라인업을 확장했으며, 다양한 패키지를 제공해 기판 면적과 설계 조건에 따라 최적의 제품 선택지를 제공한다.

한편, 최근 자동차 시스템의 고도화와 산업기기 로보틱스 분야의 정밀 센싱 수요 확대에 따라, 미세 전압 신호를 정확히 처리할 수 있는 OP Amp 수요가 빠르게 증가하고 있다. 센서 출력을 정확하게 증폭하기 위해서는 입력 오프셋 전압, 노이즈, 슬루율 등 핵심 특성을 균형 있게 확보하는 것이 중요하다. TLRx728 시리즈와 BD728x 시리즈는 이러한 시장 요구를 충족하도록 개발됐다.

로옴은 제품을 순차적으로 양산하고 있으며, CoreStaff Online, Chip 1 Stop, DigiKey, Mouser 등 주요 부품 유통 채널을 통해서도 판매하고 있다.

ST, 지능형 4채널 하이사이드 드라이버 ‘VNQ9050LAJ’ 출시

한상민 기자_han@autoelectronics.co.kr — 2026-03-03 14:47:09+0900

ST마이크로일렉트로닉스(STMicroelectronics, 이하 ST)가 최소 4V의 동작 전압을 지원하는 자동차용 4채널 하이사이드 드라이버 VNQ9050LAJ를 출시했다.

이 드라이버는 2.7V까지 떨어지는 극한의 콜드 크랭킹(Cold Cranking) 동작을 비롯한 다양한 전압 변동 상황에서도 안정적으로 전원을 공급해 차량 신뢰성을 높이고 탁월한 사용자 경험을 보장한다. 극심한 전압 변동 상황에 대한 우수한 내구성으로 자동차 산업의 엄격한 전기·전자 부품 품질 기준인 최신 LV124 규격을 충족한다.

VNQ9050LAJ는 12V 접지 연결 부하에 전원을 공급하도록 설계됐으며, 3V 및 5V 로직 신호와 호환이 가능하다. ST의 최신 VIPower-M09 기술로 구현된 이 드라이버는 일반 조건에서 50mΩ의 낮은 온저항을 제공해 효율을 높이고, 에너지를 절감하게 해준다.

지능형 전력 스위치인 VNQ9050LAJ는 저항성, 용량성, 유도성 부하를 보호하는 혁신 기능도 추가로 제공한다. 특히, 칩 내 전류 미러 회로와 센스 FET를 통해 부하 전류를 정밀하게 감지할 수 있다. 감지된 전류는 외부 핀에 연결된 저항을 통해 전압으로 변환되어 부하 상태를 지속적으로 모니터링하고 이상 상황을 빠르게 감지할 수 있다.

이러한 높은 정확도의 전류 미러는 부하 전류의 아날로그 피드백, 과부하 및 접지 단락 또는 전력 제한 경고, 과열 차단 표시, 출력의 V_CC 단락 감지, OFF 상태 개방 부하 감지 등 다양한 전류 감지 기반 진단 기능을 지원한다. 이 드라이버는 센스 활성화 핀을 탑재하고 있어 여러 디바이스들이 외부 감지 저항을 공유하게 하여 부품원가(BOM)를 최소화하도록 지원한다.

극한의 전압 및 온도에서도 VNQ9050LAJ의 감지 및 보호 기능은 작동한다. 이 디바이스는 과전압 클램프, 열 과도 제한 기능을 갖추고 있으며, 전용 결함 리셋 핀을 통해 전력 제한이나 과열 발생 시 동작하는 래치-오프(Latch-Off) 기능을 구성할 수 있다. 또한, 정전기 방전(ESD) 보호, 접지 손실 및 V_CC 손실, 역극성 배터리 보호 기능도 제공한다.

VNQ9050LAJ는 현재 생산 중이며, 열 성능을 강화한 Power-SSO16 패키지로 제공된다. 가격은 1,000개 주문 시 $1.09부터 구매 가능하다.

로옴-수치 세미콘, 인도 반도체 제조 전략적 파트너십 체결

한상민 기자_han@autoelectronics.co.kr — 2026-03-03 14:42:55+0900

로옴(ROHM)과 인도 반도체 제조 기업 Suchi Semicon Pvt. Ltd.(수치 세미콘)가 인도 내 반도체 제조에 관한 전략적 파트너십을 체결했다. 양사는 이번 협업을 통해 인도의 반도체 제조 역량을 강화하고, 인도 국내 수요 대응은 물론 글로벌 시장 수요까지 포괄적으로 대응해 나간다는 계획이다.
이번 파트너십은 로옴의 디바이스 기술과 글로벌 반도체 메이커로서의 전문성, 수치 세미콘의 제조·운영 실행력을 결합해 변화하는 시장 요구에 대응할 수 있는 고신뢰성·확장형 제조 체제 구축을 추진하는 데 초점을 맞춘다.

양사는 인도 정부의 ‘Make in India’ 구상에 발맞춰 인도 내 제조 기반 확충을 촉진하는 한편, 글로벌 수준의 품질 유지에도 중점을 두기로 했다. 또한 공급망 강화로 고객이 안정적으로 활용할 수 있는 제조 솔루션 제공을 목표로 협력을 전개한다.
구체적으로 로옴은 파워 디바이스 및 LSI 후공정 분야에서 수치 세미콘에 대한 제조 위탁을 검토 중이며, 2026년 내 양산 출하를 위한 기술 평가를 이미 시작했다. 이를 통해 향후 수년간 예상되는 시장 성장에 선제적으로 대응할 수 있도록 인도 내 제조 체제를 조기에 구축한다는 방침이다. 아울러 양사는 인도에서 제조하는 패키지 종류 확대를 위해 로드맵을 공유하고, 제품 라인업 확충도 함께 추진한다.

제조 협력을 넘어 사업 범위도 넓힌다. 양사는 자동차·산업기기·민생기기·에너지 등 다양한 산업에서 ‘인도 시장을 위한 현지 생산 반도체’에 대한 기대가 높아지는 흐름을 고려해, 제조에 국한하지 않고 협력 영역을 확대할 계획이다. 이 가운데 하나로 마케팅 협력을 제시했다. 수치 세미콘이 보유한 인도 내 마케팅 역량을 활용해 새로운 사업 기회를 공동 발굴하겠다는 구상이다.

수치 세미콘은 인도에 거점을 둔 반도체 제조 기업으로, 후공정 분야에서 고신뢰성과 확장 가능한 제조 체제 구축에 주력하고 있다. 국제 기준에 기반한 고품질 제조 프로세스를 정비해 인도 및 글로벌 고객의 수요 확대에 대응한다는 전략이며, 첨단 설비 투자와 품질 관리 체제 강화, 운영 고도화를 통해 인도 반도체 산업 성장에 기여한다는 비전을 내세우고 있다.

로옴은 1958년 설립된 반도체·전자부품 메이커로, 글로벌 개발·영업 네트워크를 기반으로 자동차와 산업기기뿐 아니라 민생기기, 통신기기 등 다양한 시장에 고품질·고신뢰성 LSI와 디스크리트, 전자부품을 공급하고 있다. 특히 파워·아날로그 분야에서 SiC 파워 디바이스, 구동 IC, 트랜지스터·다이오드·저항 등 주변 부품까지 포함해 시스템 전체를 최적화하는 솔루션을 제안하고 있다. (웹사이트: rohm.co.kr)

대규모에서의 결정론: Qorix 미들웨어가 SDV의 미래를 보호하는 방법

글 | 사라다 비슈누바틀라(Sarada Vishnubhatla) _ sarada@autoelectronics.co.kr — 2026-03-03 10:48:17+0900

INTERVIEW
디라지 코샬
Dheeraj Koshal
Head of India Technical Centre
Qorix

글로벌 자동차 산업은 소프트웨어 정의 자동차(SDV)로 이동하면서 지금까지와는 비교할 수 없을 만큼 깊은 변화를 겪고 있다. 차량이 소프트웨어 중심으로 바뀔수록 전통적인 개발 모델은 복잡성, 규모, 그리고 끊임없는 진화라는 새로운 현실과 마주하고 있다. 수십 년 동안 OEM과 티어1은 개별 ECU를 먼저 통합하고, 성능의 빈틈은 개발 라이프사이클 후반에 가서 메워왔다. 그러나 SDV 맥락에서는 이 방식이 더 이상 유효하지 않다. 이런 구조적 전환은 완전히 다른 접근을 요구했고, Qorix는 바로 그 난제를 해결하기 위해 탄생했다. AEM의 사라다 비슈누바틀라(Sarada Vishnubhatla)는 마하라슈트라주 푸네에서 열린 SIAT 2026 현장에서 Qorix 인도 기술센터 책임자 디라지 코샬을 만나, Qorix가 견고한 미들웨어 아키텍처에 기반한 시스템 수준의 규율을 통해 업계의 전환을 어떻게 돕고 있는지 알아봤다.

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

Qorix는 2023년에 설립돼, SDV로 전환하는 글로벌 자동차 산업을 위해 차세대 미들웨어 아키텍처 솔루션을 제공하는 선도기업 중 하나가 되는 것을 목표로 하고 있다. KPIT 테크놀로지스와 ZF 그룹이 공동으로 구상한 결과물이며, 퀄컴 벤처스(Qualcomm Ventures)가 전략적 주주로 참여하고 있다. Qorix는 실리콘, 미들웨어, 시스템 통합이 전통적인 차량 프로그램을 특징짓는 병목을 만들기 전에 충분히 이른 단계에서 만나는 ‘통합 지점’을 대표한다.
미들웨어는 점점 더 복잡해지는 차량 전자 시스템에 일관성과 질서를 부여하는 기반 소프트웨어 계층으로 작동한다. 100개가 넘는 ECU 전반에서 원활한 통신을 가능하게 하고, 모듈형 및 서비스 지향 아키텍처를 지원하며, 하드웨어 의존성을 추상화한다. 그 결과 애플리케이션이 특정 프로세서나 제어 유닛에 종속되지 않게 된다. 소프트웨어 로직을 하부 하드웨어로부터 분리함으로써 플랫폼 간 이식성을 만들고, 기능 배포를 단순화한다. 이런 구조적 유연성은 확장가능한 개발을 지원하고 효율적인 OTA 업데이트 전략을 가능하게 하며, 개선 사항이 도입될 때마다 ECU 하나하나를 개별적으로 재작업해야 하는 부담을 제거한다.
Qorix 인도 기술센터 책임자 디라지 코샬(Dheeraj Koshal)은 다음과 같이 말한다.
“오늘날의 도전은 중앙 집중형 컴퓨팅 플랫폼에서의 소프트웨어 복잡성이 증가하는 것과, 기능안전성과 긴 제품 수명주기에 대한 엄격한 요구가 결합돼 있다는 점입니다. 전통적인 AUTOSAR 접근과 티어1의 납품 모델은 이런 수준의 시스템 통합과 혼합 중요도(mixed-criticality) 실행을 감당할 수 없습니다. Qorix는 현대 차량 아키텍처에서 결정론적(deterministic) 동작, 안전 규정 준수, 그리고 확장성을 가능하게 하는 양산 준비(production-ready) 미들웨어를 제공합니다.”

성공적인 협업: Qorix - KPIT - ZF - Qualcomm

Qorix, KPIT, ZF, 그리고 퀄컴 간의 상호 이익적 협업은 두 가지 수준에서 작동한다. 하나는 소프트웨어 플랫폼 공유이며, 다른 하나는 애플리케이션 수준의 경험 교환이다.
Qorix의 포트폴리오는 자동차 소프트웨어 스택을 포함하며, 전통적 실시간 ECU에서 사용되는 AUTOSAR 클래식과 ADAS 및 자율 시스템 같은 고성능 컴퓨팅 환경에서 사용되는 AUTOSAR 어댑티브를 모두 포괄한다. 핵심 파트너 중 하나인 ZF는 이 소프트웨어 스택을 자사의 제품과 차량 프로그램에서 활용한다. 반대로 ZF는 차량 애플리케이션, 컴포넌트, 그리고 완전한 시스템 솔루션을 개발해 온 광범위한 경험을 Qorix에 제공한다. Qorix는 이를 바탕으로 자체 소프트웨어 아키텍처를 설계하고 다듬는다.
KPIT 테크놀로지스는 OEM별 차별화와 커스터마이제이션을 가능하게 한다는 점에서 독자적인 가치 제안을 제공한다. 이런 커스터마이제이션은 특정 컴포넌트나 센서, 혹은 표준 프레임워크에 정의되지 않은 제품 고유 기능을 다루는 고유한 방식들을 포함한다.
퀄컴은 칩셋 전문성과 플랫폼 로드맵을 통해 기여한다. 이는 Qorix 미들웨어를 현세대 및 차세대 SoC에 조기 사전 통합(pre-integration)할 수 있도록 해준다. 실리콘 수준에서의 긴밀한 정렬은 OEM과 티어1 공급사의 개발 노력을 최적화하는데, 통합 복잡성을 줄이고 양산까지의 시간을 앞당기는 방식으로 효과를 낸다. 이 협업을 통해 플랫폼의 진화는 실제 차량이 요구하는 바와 정렬된 상태로 진행된다.

시스템 부하 하에서
예측가능한 동작을 가능하게 하다

Qorix는 많은 레거시 벤더가 따르는 ECU 단위의 파편화된 통합 모델과 달리, 시스템 수준의 아키텍처 우선(architecture-first) 전략을 통해 자신들을 차별화한다. 아키텍처 단계에서 안전, 보안, 성능 요구사항을 정의함으로써, 이후 단계에서 발생하는 통합 마찰을 최소화하고, 점점 더 복잡해지는 차량 프로그램에 구조적 규율을 부여한다.
핵심적으로 Qorix는 기존 ECU를 위한 TUV 인증 AUTOSAR 클래식(최대 ASIL D) 및 어댑티브(최대 ASIL B) 미들웨어 스택을 제공한다. 이는 전통적인 ECU 아키텍처를 지원하면서도, 엄격한 자동차 규정 준수 기준을 충족하고, 분산 시스템에 기반한 기존 구조를 운영하는 OEM에게 연속성을 보장한다.
디라지는 다음과 같이 말한다. “우리의 포트폴리오 접근은 OEM이 전통적 ECU에서 중앙 집중형 컴퓨팅 아키텍처로 이동할 때, 벤더나 통합 모델을 바꾸지 않고도 전환할 수 있게 합니다. Qorix 퍼포먼스 스택을 통해 성능, 안전, 확장성을 함께 설계해 고성능 ECU에서의 통합 리스크를 줄이는 데 도움이 됩니다.”
이 전환 역량을 기반으로 Qorix는 인포테인먼트와 ADAS 같은 도메인이 하나의 SoC를 공유하면서도 타이밍 결정론을 보장할 수 있게 하는 성능 프레임워크를 개발했다. 혼합 중요도 환경에서는 런타임 무결성을 유지하는 것이 필수다. Qorix는 통제된 리소스 관리와 결정론적 실행을 통해 이를 달성하며, 안전 중요 워크로드와 비중요 워크로드가 서로 격리된 상태로 유지되면서도 시스템을 불안정하게 만들지 않도록 보장한다.
또 다른 핵심 차별점은 Qorix의 독자적인 개발자 툴링 플랫폼이다. 구성(configuration)과 통합 워크플로에 인공지능을 통합함으로써, Qorix는 수작업 복잡성을 줄이고 개발 사이클을 가속한다.
그는 다음과 같이 덧붙인다. “목표는 제품 개발을 가속하고, 라이프사이클 관리를 간소화하며, 아키텍처 수준에서 성능 문제를 해결하는 공통 미들웨어 플랫폼을 구축하는 것입니다. 표준화되고 개방된 미들웨어 솔루션을 구현함으로써 Qorix는 자동차 에코시스템 전반에서 개발 효율성과 시스템 최적화를 한층 더 높이고자 합니다.”
이 모든 역량을 종합하면, Qorix는 안전 인증 미들웨어, 중앙 집중형 컴퓨팅 성능 아키텍처, 그리고 AI 기반 개발 툴링을 제공하는 전문 기업으로서의 위치를 점한다.

SDV 시대의 승부는 ‘기능을 더하는 소프트웨어’가 아니라, ‘규모가 커져도 무너지지 않는 결정론(Determinism)과 운영가능한 구조’를 누가 먼저 설계하느냐에 달려 있다. Qorix는 그 전환을 위해 태어난 회사다.

글로벌 맥락에서의 인도 기술센터

인도 기술센터는 기술적 깊이와 에코시스템 연결성을 결합한 형태로 Qorix의 글로벌 프레임워크에서 중추적인 역할을 맡고 있다. 인도는 임베디드 시스템과 자동차 소프트웨어 분야에서 강한 엔지니어링 역량 기반을 제공하며, Qorix가 핵심 운영체제 책임과 고급 미들웨어 개발을 지역 내에 정착시킬 수 있게 해준다.
디라지는 다음과 같이 덧붙인다. “일반적으로 우리의 개발 대부분은 인도 테크놀로지 센터에서 이뤄집니다. 인도가 기술 허브이며 적합한 인재를 확보할 수 있다는 점이 적절한 수준의 책임을 맡기기에 적합하게 만듭니다. 이곳은 양산급 미들웨어 스택을 구축해 온 수십 년의 집단적 경험을 가진 숙련된 팀이 있는 곳입니다.”
내부 역량을 넘어, 인도는 주요 다국적 기업들의 글로벌 역량 센터(GCC)가 자리 잡은 기반으로서의 위상 또한 Qorix의 운영 모델을 강화한다. 방갈로르와 푸네에 사무소를 둔 Qorix는 자동차 및 기술 이해관계자들이 밀집한 네트워크 안에서 활동하며 긴밀한 기술 협업과 더 빠른 프로그램 정렬이 가능한 환경을 형성한다.
“같은 지리적 위치와 시간대에서 일하는 것은 아키텍처 정의부터 검증과 통합까지 프로그램 단계 전반에서의 조율을 강화합니다. 이는 기술 논의, 테스트 사이클, 그리고 이슈 해결을 실시간으로 진행하는 데도 도움이 되며, 특히 전 세계에 분산된 모델에서 큰 이점을 제공합니다.”
인도 테크놀로지 센터는 단순한 납품 거점이 아니라, 아키텍처 소유권과 협업 효율을 결합하는 핵심 역할을 수행하며 Qorix의 장기 경쟁력을 강화하고 있다.

내재된 경쟁 우위

Qorix의 핵심 경쟁 우위는 개별 컴포넌트를 최적화하는 것이 아니라, 차량 아키텍처 전체에서의 동작(behavior) 제어를 제공하는 데 있다. 개별 ECU는 각자 성능 벤치마크를 만족할 수 있지만, 통합 과정에서는 의도치 않은 편차가 드러나는 경우가 많다. Qorix는 전체 시스템 부하 하에서 런타임 동작을 지배함으로써 이를 완화한다. 이 역량은 차량 플랫폼이 도메인 기반 ECU에서 중앙 집중형 컴퓨팅을 중심으로 한 존(zonal) 아키텍처로 이동할수록 더 중요해진다.
디라지는 다음과 같이 설명한다. “Qorix는 ECU 전반에 배포되는 통합 미들웨어 스택 안에서 이를 가능하게 합니다. 이 접근은 고정된 실행 순서 알고리즘, 결정론적 스케줄링, 그리고 제로-카피(zero-copy) 데이터 전송에 기반합니다. 태스크 간에 전체 데이터셋을 복사하는 대신, 시스템은 공유 메모리 메커니즘을 통해 메모리 포인터를 전달함으로써 지연과 CPU 오버헤드를 줄입니다.”
긴급 제동, 차선 인지, 충돌 회피 같은 ADAS 기능에서는 엄격한 실시간 데드라인을 반드시 만족해야 한다. Qorix의 프레임워크는 태스크가 규정된 시간 내에 반드시 완료되도록 스케줄링 타임라인을 강제하며, 결과적으로 통합된 컴퓨팅 환경에서 제어된 실행을 제공한다. 이는 차세대 소프트웨어 정의 차량을 위한 기반 요구사항이 되어가고 있다.

스택에 안전을 내재화하다

자동차 미들웨어는 점진적 격차 때문이 아니라 구조적 결함 때문에 업계 요구에 미치지 못하는 경우가 계속되고 있다. 핵심 이슈 중 하나는 안전과 성능 제약을 다루는 방식이다.
디라지는 다음과 같이 설명한다. “안전과 성능 제약을 통합 후반에 반영하는 것은 오늘날 도메인의 핵심 문제입니다. 그 결과는 성능 드리프트와 재작업이며, 이는 분명히 피할 수 있는 일입니다.”
이 도전은 에코시스템의 파편화로 인해 더 복잡해진다. 현대 차량 플랫폼은 다수의 벤더가 미들웨어 계층, 컴포넌트, 툴을 공급하는 구조에 의존한다. 통합 과정은 비호환성을 노출시키고 복잡성을 증폭시키며 배포 속도를 늦춘다. 중앙 집중형 SDV 아키텍처에서는 이런 일관성 결여가 타이밍 결정론과 시스템 안정성에 직접적인 영향을 준다. 실제 운용 조건에서 실행 타이밍이 보장되지 않으면, 미들웨어는 ‘촉진자’에서 ‘병목’으로 바뀐다. Qorix는 이를 아키텍처 수준에서 해결한다.
디라지는 다음과 같이 구체화한다. “시스템을 설계할 때는 통합 이후가 아니라, 설계 단계에서부터 페일세이프 메커니즘과 오류 시나리오를 시각화하는 것이 필수입니다.”
전담 안전 팀은 리스크 분석, 완화 전략, 그리고 규정 준수 계획을 플랫폼의 시작부터 내재화한다. 이 규율은 개발 환경에도 확장된다. Qorix는 기능안전성 요구사항에 부합하도록 툴링을 자격화하고 검증하며, TUV SUD 인증은 공인된 표준에 대한 준수 사실을 강화한다. 리스크 모델링, 페일세이프 설계, 인증된 툴링을 엔지니어링 라이프사이클에 내재화함으로써, Qorix는 기능안전성을 미들웨어의 구조적 속성으로 자리매김시키고, 결과적으로 본질적으로 견고한 성격을 갖게 한다.

SDV의 진짜 난제는 기능 추가가 아니라 시스템 차원의 오케스트레이션이다. Qorix 인도 기술센터장 디라지 코샬과 AEM의 사라다 비슈누바틀라 기자가 미들웨어로 ‘실행 질서’를 설계하는 접근을 논의하고 있다.

통합 리스크를 제거하다

Qorix는 규율 있는 아키텍처 제어와 구조화된 툴링 거버넌스를 통해 라이프사이클 충돌을 줄인다. 핵심 조치 중 하나는 서로 다른 계층 간에 강한 인터페이스 계약(interface contract)을 확립하고, 아키텍처 경계를 시작부터 명확히 정의하는 것이다. 이는 모호성을 제거하고 통합 단계에서의 예상치 못한 문제를 제한한다.
“Qorix는 애플리케이션 라이프사이클과 플랫폼 라이프사이클의 분리를 강제해 애플리케이션과 코어 플랫폼이 서로를 불안정하게 만들지 않으면서 독립적으로 진화할 수 있도록 합니다.”
툴링 또한 같은 수준의 엄격함으로 관리된다. 차량 프로그램이 다양한 파생과 개정으로 확장될수록 구성 복잡성은 증가한다. Qorix의 프레임워크는 서로 다른 모델과 서로 다른 차량 프로그램을 시스템 자체의 버전 컨트롤로서 명확히 다룬다. 이는 업데이트가 도입될 때 충돌을 방지한다. 모든 구성은 체계적으로 추적되며, AI가 지원하는 구조적 제어가 결합된다.
이 접근은 사후 대응이 아니라 의도된 설계에 가깝다. 또한 Qorix는 지속적인 라이프사이클 지원을 제공해, 차량 플랫폼이 진화하는 동안에도 연속성을 보장한다.

한국 - 인도 SDV 커넥트

Qorix는 독일에 기반을 두고 인도에 대형 개발 센터를 둔, 지역을 가로지르는 SDV 촉진자로 자리매김한다. 인도에서 존재감이 큰 한국 OEM에게 경쟁 심화는 실행의 부담을 더 크게 만든다.
그는 다음과 같이 말한다. “우리의 목표는 전 세계 OEM을 지원해 소프트웨어 정의 여정으로의 이행을 잘 계획되고 구조화된 방식으로 진행할 수 있도록 돕는 것입니다.”
독일의 엔지니어링 규율과 인도의 성장하는 SDV 에코시스템을 연결함으로써, Qorix는 점점 더 경쟁적이고 소프트웨어 중심으로 재편되는 자동차 산업에서 구조화된 실행 파트너로서의 위치를 강화한다.

진짜 SDV 도전:
시스템 수준 오케스트레이션

앞으로 Qorix는 소프트웨어 정의 차량 시대에 OEM이 맞닥뜨릴 진짜 병목이 시스템 수준의 복잡성과 오케스트레이션이 될 것이라고 본다. SDV가 도메인 간 통합을 촉진하면서 통합 수준은 빠르게 증가하고 있다.
디라지는 다음과 같이 말한다. “도메인의 통합은 복잡성을 증가시킬 것이고, 성능 KPI를 훼손하지 않으면서 이를 관리하는 것이 중요해질 것입니다. 이것은 어떤 차량 프로그램이든 제때 납품되기 위한 핵심이 될 것입니다.”
또 하나의 큰 필요는 공유와 오픈소스 기반의 채택이다. OEM은 개발 사이클을 가속해야 한다는 압력을 받고 있으며, 통합 문제를 해결하는 데 과도한 시간을 쓰기보다 차별화된 애플리케이션에 집중해야 한다. 이를 해결하기 위해 업계는 SDV를 위한 공유되고 개방된 소프트웨어 기반을 구축하고자 Eclipse SDV 워킹 그룹 안에서 점점 더 정렬하고 있다.
Eclipse S-CORE 같은 프로젝트는 통합 복잡성을 줄이고 에코시스템 전반의 개발을 가속할 수 있는 공통 소프트웨어 스택을 정의하는 것을 목표로 한다. Qorix는 이 이니셔티브에 양산급 미들웨어 엔지니어링 전문성을 기여하며, 개방형 아키텍처 개념을 실제 차량 프로그램에서 신뢰성 있게 작동하는 솔루션으로 번역하는 데 도움을 주고 있다.

신뢰, 역량, 협업

Qorix는 SDV 전환에서 자신의 역할을 기술적이면서도 전략적인 것으로 본다. 회사는 OEM 및 티어1 엔지니어링 팀과 긴밀히 협업해 통합 리스크를 줄이고 양산 준비 수준을 앞당기는 데 집중하고 있다.
“Qorix는 오늘날 SDV를 위한 세계적 수준의 미들웨어를 구축하는 데 집중하며, 차별화된 위치를 점하고 있습니다.”
Qorix는 글로벌 OEM과 인도 OEM 모두의 SDV 마이그레이션을 지원할 수 있는 좋은 위치에 있다. 통합된 미들웨어 스위트, 시스템 수준의 결정론적 역량, 그리고 오픈 SDV 에코시스템에 대한 적극적 참여를 바탕으로, Qorix는 단순한 공급사가 아니라 점점 더 복잡해지는 자동차 산업에서 소프트웨어 정의 전환을 구조적으로 가능하게 하는 촉진자(structured enabler)로 자리하고 있다.

연결기사: S-CORE의 진짜 시험대: 누가 10~15년을 책임지는가

Determinism at Scale: How Qorix Middleware is Securing the Future of SDVs

by Sarada Vishnubhatla_sarada@autoelectronics.co.kr — 2026-03-03 10:39:18+0900

美 하빈저, 자율주행 스타트업 팬텀에이아이 인수

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-03-02 10:18:39+0900

미국 중형 상용 전기 및 하이브리드 차량 제조사 하빈저(Harbinger)가 자율주행 기술 기업 팬텀에이아이(Phantom AI)를 인수했다고 25일(미국 현지시간) 발표했다. 이번 인수 발표와 함께, 하빈저와 ZF 그룹의 승용차용 ADAS 사업부는 ZF의 승용차 ADAS 제품에 팬텀에이아이의 컴퓨터 비전 기술을 적용하기 위한 라이선스 계약을 발표했다.

이번 인수는 2025년 11월 완료됐으며, 애틀랜티커스 어드바이저스(Atlanticus Advisors LLC)가 팬텀에이아이의 재무 자문을 맡았다. 구체적인 인수 금액과 거래 조건은 공개되지 않았다. 미국 캘리포니아주 마운틴뷰에 있는 팬텀에이아이의 30명 규모 인력은 그대로 승계된다.

하빈저는 팬텀에이아이의 컴퓨터 비전 기술을 2026년부터 자사 중형 전기 및 하이브리드 차량에 적용할 계획이다. 적용 대상에는 긴급 제동(emergency braking), 어댑티브 크루즈 컨트롤(adaptive cruise control, ACC), 차선 유지(lane keeping) 보조 등 주요 ADAS 기능이 포함된다. 그동안 중형 상용차 시장은 승용차 대비 첨단 안전 및 보조 시스템 도입이 상대적으로 더뎠던 만큼, 대형 플릿 고객의 요구를 반영한 조치로 해석된다.

존 해리스(John Harris) 하빈저 공동 설립자 겸 CEO는 이번 인수와 ZF와의 협력이 상용차를 넘어 새로운 시장 세그먼트로 확장하는 전환점이라고 밝혔다. 그는 팬텀에이아이의 컴퓨터 비전 기술과 ZF의 글로벌 네트워크 및 자동차 시스템 역량을 결합해 소프트웨어 서비스 및 자율주행 분야에서 새로운 수익 기반을 마련할 수 있을 것으로 내다봤다. 또한 포춘 500대 기업 고객들이 요구해 온 더 고도화된 운전자 보조 및 안전 기능을 중형 차량에 확대 적용하게 됐다고 설명했다.

계약에 따라 ZF는 팬텀에이아이의 컴퓨터 비전 기술을 자사 승용차 ADAS 제품에 라이선스 형태로 적용한다. 이를 통해 승용차 ADAS 포트폴리오를 강화하고, 향후 보다 고도화된 자율주행 기능으로 확장한다는 방침이다. ZF 전자·ADAS 사업부 구매 책임자는 이번 협업이 다양한 가격대와 사양 옵션을 제공하는 동시에 향후 자율주행 역량 확보의 기반이 될 것이라고 전했다.

팬텀에이아이는 전 테슬라 ADAS 엔지니어 출신 조형기 씨와 전 현대자동차 자율주행 및 ADAS 엔지니어 출신 이찬규 씨가 공동 설립한 스타트업이다. 두 창업자는 글로벌 완성차 업체를 대상으로 ADAS 기술을 개발·양산한 경험을 보유하고 있다. 팬텀에이아이는 레벨 2 수준의 비용 효율적 자율주행 솔루션을 중심으로 자동 긴급 제동, 차선 유지 보조 등 기술의 대중화에 집중해 왔다.

조형기 팬텀에이아이 공동 설립자 겸 CEO는 이번 인수를 통해 중형 상용차 시장에 강력한 ADAS 기능과 텔레매틱스를 포함한 보다 포괄적인 기술 솔루션을 제공할 수 있게 됐다고 밝혔다.

한편, ZF 그룹은 지난해 12월 ADAS 사업을 삼성전자 자회사 하만(HARMAN International)에 15억 유로에 매각하기로 했으며, 매각 절차는 연내 마무리될 예정이다.

하빈저는 중형 상용차 시장을 겨냥해 전기 구동을 전제로 차량을 처음부터 설계한 기업이다. 운전자 중심 설계를 기반으로 서스펜션과 핸들링 성능을 개선해 운전자의 피로를 줄이는 데 주력해 왔다. 팬텀에이아이 기술 도입 이전에도 후방 카메라(동적 궤적 표시), 가상 범퍼, 보행자 보호를 위한 차량 경고음 시스템(AVAS) 등 다양한 안전·보조 기능을 기본 탑재해 왔다.

특히 하빈저는 전기차임에도 기존 내연기관 차량과 유사한 수준의 초기 구매 비용을 제시해 플릿 고객이 대규모 선투자 부담 없이 전동화를 추진할 수 있도록 한다는 점을 강조해 왔다. 이번 인수는 하빈저가 상용차 제조사를 넘어 소프트웨어와 자율주행 기술을 결합한 모빌리티 기업으로 사업 구조를 확장하는 계기로 평가된다.

Zone Controller 기반 SDV 아키텍처 위한 Zenoh-VSS 통합 E2E 통신 시스템의 가치

글 | 윤승현 이사, 아이비스 — 2026-02-26 13:38:47+0900

SDV가 Zone Controller 기반 아키텍처로 전환되면서, 차량 내부의 다양한 통신 프로토콜과 데이터 흐름을 “하나의 표준 데이터 공간”으로 통합하는 문제가 핵심 과제로 떠올랐다. 이 글은 10BASE-T1S의 결정론적 멀티드롭 이더넷과 Zenoh 미들웨어, 그리고 COVESA VSS 데이터 모델을 결합해 레거시 호환을 유지하면서도 End-to-End 통신을 단순화·확장하는 방법을 보여준다. 특히 VSS – Zenoh 결합이 상호운용성과 개발 효율을 높이고, 차량–클라우드까지 이어지는 SDV 데이터 흐름의 ‘공통 언어’를 만드는 데 어떤 실질적 가치를 갖는지 짚는다.

글 | 윤승현 이사, 아이비스(ivis inc)

전통적인 도메인 중심 아키텍처에서 Zone 기반 아키텍처로의 전환은 단순한 구조 변경이 아니라, 자동차 전자 시스템 설계 방식 자체가 바뀌는 흐름을 의미한다. 기능 단위로 ECU와 네트워크를 나누던 방식에서 벗어나, 차량의 물리적 위치를 기준으로 시스템을 구성하는 방향으로 이동하고 있다. 이런 전환은 SDV를 구현하기 위한 필수 조건으로 자리 잡고 있다.
Zone Controller의 핵심적인 변화는 센서와 액추에이터를 물리적 위치 기준으로 통합 관리한다는 점에 있다. 기존 도메인 아키텍처에서는 차량 전면 카메라는 ADAS 도메인에, 헤드라이트는 바디 도메인에, 범퍼 센서는 주차 도메인에 각각 연결돼, 서로 다른 도메인 간에 복잡한 통신이 필요했다. 반면 Zone 아키텍처에서는 Front Zone Controller 하나가 전면 영역의 모든 센서와 액추에이터를 직접 관리한다. 이와 같은 Zone 기반 구조는 중앙 컴퓨팅과 분산 제어를 결합하는 형태로 구성되며, SDV 환경에 적합한 아키텍처로 활용되고 있다.

Zone 환경에서 커지는 통신 복잡성
Zone Controller에 연결되는 End Point의 구성은 현재 차량 통신 환경이 얼마나 복잡해졌는지를 보여준다. 서로 다른 시기와 목적에 따라 개발된 다양한 통신 기술들이 하나의 시스템 안에서 동시에 사용되고 있으며, 이는 통합과 표준화의 필요성을 더욱 크게 만든다.
CAN, CAN-FD, LIN과 같은 전통적인 차량 통신 프로토콜은 여전히 차량 시스템의 중심으로 활용되고 있다. 기존 공급망과의 호환성과 비용 효율성 때문이다. CAN 버스는 1986년 Bosch에서 개발된 이후 약 40년간 차량 통신의 핵심 역할을 해왔고, 현재도 차 한 대당 평균 30~50개의 CAN 노드가 사용되고 있다. 저비용 센서와 단순 제어 기능에서는 CAN이 가장 경제적인 선택이며, LIN 버스 역시 윈도우 모터나 시트 제어와 같은 단순 기능에서 CAN 대비 약 10분의 1 수준의 비용으로 구현할 수 있어 계속 사용되고 있다.
안전과 직결되는 기능에서는 DIO, ADC, DAC, PWM과 같은 직접 I/O 방식이 여전히 필수적이다. 에어백 충격 센서나 ABS 휠 속도 센서처럼 마이크로초 단위의 응답이 필요한 경우에는, 네트워크 프로토콜을 거치면서 발생하는 지연을 허용할 수 없기 때문에 신호를 Zone Controller에 직접 연결해야 한다.
동시에 차량에는 10BASE-T1S, 100BASE-T1, 1000BASE-T1과 같은 차세대 차량용 이더넷도 도입되고 있다. 이러한 기술은 미래 확장성과 표준 기반 통합을 고려한 선택이다. 특히 10BASE-T1S는 기존 CAN 버스를 대체할 수 있는 경제적 고성능 솔루션으로, 멀티드롭 토폴로지를 유지하면서도 약 10배 이상의 성능 향상을 제공한다.
이처럼 목적과 특성에 따라 선택된 다양한 프로토콜이 공존하면서, Zone Controller 내부의 게이트웨이 기능은 매우 복잡해진다. 각 프로토콜은 서로 다른 데이터 포맷, 타이밍 요구사항, 오류 처리 방식을 가지고 있어, Zone Controller의 프로토콜 변환 소프트웨어는 복잡한 상태 머신과 버퍼 관리 로직을 필요로 한다. 특히 실시간 요구사항이 다른 프로토콜 간 데이터를 동기화하는 과정에서는 타이밍 지터와 데이터 일관성 문제가 발생할 수 있다.
개발 환경 역시 복잡하다. 하나의 기능을 구현하기 위해 CAN DBC 파일, LIN LDF 파일, 이더넷 소켓 프로그래밍, GPIO 레지스터 제어를 동시에 다뤄야 하며, 프로토콜별로 서로 다른 진단 도구와 디버깅 환경이 필요하다. 이러한 복잡성은 개발 효율을 떨어뜨리고 시스템 최적화를 어렵게 만든다. 결국 통합된 통신 구조 없이는 SDV 아키텍처의 확장성과 안정성을 확보하기 어렵다.

10BASE-T1S가 제공하는 새로운 네트워크 기반
10BASE-T1S는 IEEE 802.3cg 표준으로 정의된 Single Pair Ethernet 기술로, 기존 이더넷과 달리 멀티드롭 버스 아키텍처를 지원하는 최초의 이더넷 표준이다. 단일 케이블에 최소 8개의 노드를 연결할 수 있으며, 최대 25m까지 통신 거리를 지원한다. 이러한 구조는 CAN 버스와 유사한 배선 방식을 유지하면서도 이더넷 기반의 성능과 확장성을 제공한다.
이 기술의 핵심은 PLCA(Physical Layer Collision Avoidance) 프로토콜이다. 기존 이더넷이 사용하는 CSMA/CD 방식은 네트워크 충돌을 확률적으로 처리하지만, PLCA는 코디네이터 노드가 전송 순서를 제어해 각 노드에 정해진 순서로 전송 기회를 부여한다. 이로 인해 결정론적인 매체 접근이 가능해진다.
이러한 결정론적 특성은 자동차 환경에서 특히 중요하다. 실시간 제어와 예측 가능한 응답 시간이 안전과 직결되기 때문이다. PLCA 환경에서는 각 노드가 최대 2μs의 대기시간 후 전송 기회를 얻을 수 있고, 8개 노드 구성에서도 전체 사이클 시간이 16μs 이하로 유지된다. 이는 기존 CAN 버스의 평균 지연시간인 약 500μs와 비교할 때 20배 이상 빠른 수준이다.
비용 측면에서도 10BASE-T1S는 경쟁력이 있다. DME(Differential Manchester Encoding) 신호 방식을 사용해 PAM(Pulse Amplitude Modulation) 방식보다 구현이 단순하고, 각 노드에 단일 PHY만 필요하기 때문에 스위치 기반 스타 토폴로지보다 하드웨어 비용이 낮다. 또한 TCP/IP 스택으로의 확장을 지원하기 때문에, 상위 계층 애플리케이션을 이더넷 환경에서 직접 구현할 수 있다.

Zenoh 통신 미들웨어의 구조와 역할
차량 전자 시스템에서 통신 미들웨어는 단순한 데이터 전달 계층이 아니라 전체 아키텍처의 유연성과 확장성을 좌우하는 핵심 요소가 된다. 이러한 관점에서 Zenoh는 기존 차량용 미들웨어가 갖고 있던 구조적 한계를 해결하도록 설계된 통합형 통신 미들웨어다.
Zenoh의 가장 큰 특징은 Key-Value 기반의 동적 데이터 모델이다. 기존 DDS가 사전에 정의된 Topic과 데이터 타입을 중심으로 동작하는 것과 달리, Zenoh는 계층적인 Key Expression 구조를 사용한다. 이 구조는 Unix 파일 시스템과 유사한 형태로 차량 데이터의 위치와 의미를 표현한다. 예를 들어 /Vehicle/Engine/Temperature라는 키는 차량 내 엔진 온도 센서 데이터를 의미하며, 개발자가 시스템 구조를 직관적으로 이해하고 관리할 수 있게 한다.
Zenoh는 와일드카드 패턴 매칭을 지원한다. /Vehicle/*/Temperature와 같은 패턴을 사용하면 모든 도메인의 온도 센서를 동시에 구독할 수 있고, /Vehicle/Engine/** 형태로 엔진 관련 모든 하위 신호를 한 번에 수신할 수 있다. 이는 신호 수가 계속 늘어나는 SDV 환경에서 데이터 접근 구조를 단순하게 유지할 수 있게 한다.
Zenoh는 Pub/Sub, Query, Storage 기능을 하나의 프로토콜로 통합한다. 기존 차량 통신 스택에서는 실시간 데이터 스트리밍, 요청 기반 조회, 데이터 저장이 각각 다른 미들웨어나 인터페이스를 필요로 했다. Zenoh에서는 센서 데이터가 실시간으로 publish되는 동시에, 진단 시스템이 query로 현재 값을 요청하고, Storage 기능이 자동으로 데이터를 저장해 히스토리 조회를 지원할 수 있다. 하나의 API와 하나의 프로토콜로 이 모든 기능이 처리된다.
프로토콜 자체도 경량화되어 있다. Zenoh의 최소 헤더 크기는 5바이트로, DDS의 16바이트 이상, SOME/IP의 8바이트 이상과 비교해 매우 작다. RWTH Aachen University의 성능 평가 결과에서도 Zenoh는 FastDDS 대비 4.4배 빠른 발견 시간을 보였고, P2P 모드에서는 67Gbps 처리량을 기록해 Cyclone DDS의 26Gbps보다 2.6배 높은 성능을 나타냈다.

COVESA VSS와 Zenoh의 결합 구조
COVESA VSS는 2016년 도입된 이후 자동차 업계에서 가장 널리 채택된 차량 데이터의 사실상 표준으로 자리 잡았다. BMW Group의 VSS 기반 GraphQL 데이터 접근 구조, Amazon FleetWise의 차량 데이터 전송 서비스, BlackBerry IVY의 센서 데이터 정규화 플랫폼, Bosch의 Vehicle Edge 플랫폼 등 주요 업체들이 이 표준을 기반으로 시스템을 구축하고 있다.
VSS와 Zenoh는 데이터 모델 구조 측면에서 자연스럽게 결합된다. VSS는 차량 데이터를 계층적 트리 구조로 정의하며, 이는 Zenoh의 Key Expression 구조와 직접적으로 대응된다. 예를 들어 VSS에서 정의된 Vehicle.Body.Lights.Hazard.IsOn 신호는 Zenoh에서는 /Vehicle/Body/Lights/Hazard/IsOn 경로로 그대로 매핑된다. 이 과정에서 별도의 변환 계층이나 추가 프로토콜이 필요하지 않다.
VSS 기반 표준 인터페이스를 사용하면 코드 재사용성이 높아지고, 통합 테스트 시간이 줄어들며, 신규 기기나 기능을 시스템에 추가하는 데 필요한 시간도 감소한다. 또한 OEM 중심의 폐쇄적 개발 구조를 벗어나, 애프터마켓 솔루션 개발자와 서드파티 개발자, Tier 공급업체들이 동일한 데이터 인터페이스를 기반으로 참여할 수 있는 개방형 생태계를 형성할 수 있다.

Zone Controller를 중심으로 한 통합 통신 구조
이 아키텍처에서 Zone Controller는 단순한 I/O 집약기가 아니라, 차량 내부의 다양한 통신 방식을 하나의 데이터 구조로 통합하는 지능형 게이트웨이 역할을 한다. 기존 CCU(Central Communication Unit)의 개념을 확장해, 서로 다른 프로토콜 영역을 COVESA VSS 기반의 통합 데이터 모델로 변환하고, Zenoh 미들웨어를 통해 차량 전체와 클라우드까지 연결되는 데이터 흐름을 구성한다.

그림 | Zone Controller 아키텍쳐 구성도

이 구조의 중요한 특징은 레거시 시스템과의 하위 호환성을 유지하면서도 차세대 통신 기술을 동시에 수용할 수 있다는 점이다. CAN, LIN, FlexRay 기반 ECU는 하드웨어 변경 없이 Zone Controller에 연결되고, 그 신호는 내부에서 VSS 기반 데이터로 변환되어 이더넷과 Zenoh 네트워크로 전달된다. 이를 통해 단계적인 아키텍처 전환이 가능해진다.
10BASE-T1S로 연결된 End Point는 TCP/IP 스택을 직접 실행할 수 있기 때문에 Zenoh 미들웨어를 Zone Controller를 거치지 않고도 바로 사용할 수 있다. 이때 PLCA 기반 결정론적 통신 특성이 결합돼 예측가능한 실시간 성능을 유지한다. CAN과 LIN 기반 End Point는 Zone Controller가 능동적으로 프로토콜 변환을 수행한다. DBC 파일과 LDF 파일에 정의된 신호 구조를 VSS 매핑 테이블과 연동해 CAN·LIN 신호가 자동으로 표준화된 VSS 경로로 변환된다.
DIO, ADC, DAC, PWM으로 연결되는 센서 신호 역시 Zone Controller에서 디지털화와 표준화가 이루어진다. 고해상도 ADC로 수집된 아날로그 신호는 캘리브레이션 테이블을 적용해 물리값으로 변환되고, 해당 값은 대응되는 VSS 경로로 매핑된다.
10BASE-T1S 네트워크와 HPC(중앙 고성능 컴퓨터) 사이의 연결은 Layer 2 브리징 방식으로 구성된다. 이 구조에서는 10BASE-T1S End Point가 HPC에 직접 연결된 것처럼 IP 통신을 수행할 수 있다. Zone Controller는 MAC 주소를 학습하고 포워딩 테이블을 관리해, HPC에서 들어오는 트래픽을 목적지 End Point로 전달한다. 동시에 QoS 기반 트래픽 제어를 적용해 실시간 제어 신호, 센서 데이터, 진단 정보를 서로 다른 우선순위로 처리한다.
이 아키텍처에서는 End Point에서 시작된 Zenoh 세션이 Zone Controller와 HPC를 거쳐 클라우드의 Zenoh Router까지 단일 세션으로 유지된다. 네트워크 단절이나 라우터 장애가 발생하더라도 로컬 버퍼링을 통해 데이터 손실을 방지하고, 연결이 복구되면 자동으로 동기화가 이루어진다.
다수의 차량을 동시에 관리하는 환경에서는 VIN 기반의 계층적 네임스페이스 구조를 사용한다. /fleet/{VIN}/Vehicle/... 형태의 구조를 통해 클라우드에서 여러 차량을 체계적으로 관리할 수 있으며, /fleet/*/Vehicle/Engine/** 패턴으로 전체 차량의 엔진 상태를 모니터링하거나, /fleet/{특정 VIN}/** 형태로 특정 차량을 상세 추적할 수 있다.

성능 비교와 실제 구현 사례
Zenoh, FastDDS, vSomeIP에 대한 비교 결과는 이 통합 통신 구조가 실제 환경에서도 의미 있는 성능 차이를 만들어낸다는 점을 보여준다. RWTH Aachen University 연구진이 수행한 차량용 미들웨어 성능 비교 실험에 따르면, 발견 시간(Time-To-First-Message) 측면에서 Zenoh가 가장 빠른 성능을 보였고, FastDDS가 그 뒤를 따랐으며, vSomeIP는 상대적으로 느린 반응을 나타냈다.¹⁾ 통신 지연시간에서는 Zenoh와 FastDDS(best-effort)가 대부분의 조건에서 유사한 수준을 유지했지만, vSomeIP는 더 높은 지연시간을 보였다. 확장성 측면에서는 Zenoh와 vSomeIP가 비교적 안정적인 동작을 보인 반면, FastDDS는 일부 네트워크 토폴로지에서 전송 실패가 발생했다. 이러한 결과는 Zenoh가 SDV 환경과 같은 대규모 분산 통신 구조에서 보다 안정적인 특성을 갖는다는 점을 보여준다.
이러한 구조는 실제 시스템 구현 사례에서도 확인된다. Eclipse Foundation SDV 프로젝트의 Blueprint에서는 COVESA VSS와 Zenoh를 결합한 Fleet Management System이 구현되었다. 이 시스템에서는 KUKSA 브로커가 CAN, SOME/IP 등 다양한 차량 버스 기술로부터 신호를 수집해 VSS 형식으로 변환하고, 이를 Zenoh를 통해 백엔드 서비스와 필요한 애플리케이션으로 분산한다. 이 방식은 차량 내부의 이질적인 통신 환경과 클라우드 기반 서비스 환경을 하나의 데이터 흐름으로 연결하는 구조를 실제 시스템에서 검증한 사례다.²⁾

데이터 통신 미들웨어 성능 비교 (RWTH Aachen Univ.)

SDV를 위한 통합 통신 아키텍처의 의미
이 통합 통신 구조는 10BASE-T1S의 멀티드롭 이더넷, Zenoh 미들웨어, COVESA VSS 데이터 모델이 결합되면서 기존 차량 아키텍처로는 구현하기 어려웠던 성능과 효율을 동시에 제공한다. PLCA 기반의 결정론적 통신과 경제적인 하드웨어 구성, Zenoh의 5바이트 최소 헤더와 67Gbps 처리량, VSS 기반의 표준화된 데이터 모델이 함께 작동하면서, 차량 내부와 클라우드까지 이어지는 데이터 흐름이 단순화되고 성능이 향상된다.
이 구조의 핵심적인 가치는 표준 기반 상호운용성에 있다. 제조사나 통신 프로토콜에 관계없이 동일한 데이터 인터페이스를 사용할 수 있기 때문에, 애프터마켓 솔루션, 서드파티 개발자, Tier 공급업체가 동일한 플랫폼 위에서 기능을 개발하고 통합할 수 있다. BMW, Amazon FleetWise, BlackBerry IVY, Bosch 등 주요 업체들이 VSS 기반 시스템을 도입하고, Eclipse Foundation의 Zenoh 프로젝트가 활성화되고 있다는 점은 이러한 방향이 산업 전반으로 확산되고 있음을 보여준다.
향후 이 구조는 5G와 6G 통신과 결합해 V2X 환경으로 확장될 수 있고, AI·ML 기반의 지능형 라우팅과 트래픽 최적화 기술과도 연동될 수 있다. 이를 통해 차량 내부 통신과 클라우드 기반 데이터 처리 환경이 더욱 긴밀하게 연결될 수 있다.
결과적으로 이 통합 통신 아키텍처는 SDV 환경에서 요구되는 실시간성, 확장성, 표준화, 그리고 클라우드 연계를 동시에 만족시키는 실질적인 기술 기반을 제공한다. 이는 차세대 소프트웨어 정의 차량을 구현하는 과정에서 핵심적인 인프라로 기능하게 될 것이다.

References
1) Ref. D. P. Kluner et al., Automotive Middleware Performance: Comparison of FastDDS, Zenoh and vSomeIP, 2025
2) Ref. Eclipse Foundation, Service-to-Signal Blueprint: KUKSA-Zenoh Integration Architecture, 2024

The Essence of SDV Security Is Traceability

한상민 기자_han@autoelectronics.co.kr — 2026-02-26 09:33:37+0900

SDV 보안의 본질은 ‘추적성’이다

한상민 기자_han@autoelectronics.co.kr — 2026-02-26 09:10:01+0900

INTERVIEW
박 우 종 Ethan Park
Head of Sales and Business Development
Trustonic

SDV에 대한 이야기는 흔히 빠른 업데이트, 즉 OTA에서 출발한다. 그러나 현장에서 더 자주 되돌아오는 질문은 결이 조금 다르다. “업데이트 이후에도 우리는 이 차를 계속 신뢰할 수 있는가?” 그렇다면 무엇이 보안을 증명하는가? Trustonic의 박우종 비즈니스 개발 이사와의 인터뷰를 통해, 이 글은 보안을 하나의 ‘기능(feature)’이 아니라 지속적인 업데이트가 반복되는 시대를 위한 운영 및 추적 구조로 다시 읽는다. 여기서 말하는 추적성(traceability)이란, 사고가 발생했을 때 원인 - 영향 - 책임의 경로를 가능한 한 신속하게 좁혀갈 수 있는 능력을 의미한다. 그리고 그 능력은 사고 이후 OEM이 부담해야 할 운영 비용과 대응 타임라인을 직접적으로 결정한다. 이 글은 현장의 언어로, SoC의 가장 아래 계층에 위치한 ‘신뢰의 바닥(trust floor)’, 즉 TEE가 왜 10년에 걸친 신뢰를 유지하기 위해 필수적인지를 말한다.

글 | 한상민 기자_ han@autoelectronics.co.kr
IN ENGLISH

“무슨 일이 발생했을 때, 우리는 그것을 추적할 수 있어야 합니다. 그것도 빠르게요.”
Trustonic의 박우종 이사가 말했다.
SDV 담론은 거의 습관처럼 OTA(Over-the-Air)에서 시작한다. 기능을 추가하고, 버그를 수정하고, 사용자 경험을 재구성하는 일. 이 모든 순간은 ‘미래’로 소비된다. 그러나 현장에서 제기되는 더 민감한 질문은 다르다. 업데이트 이후에도 이 차는 여전히 신뢰할 수 있는가? 그리고 그 질문은 결국 보안으로 이어진다. 여기서 보안은 곧바로 엔지니어링의 언어가 된다. 추적성, 책임성, 디버깅, 유지보수, 규제 대응, 비용.
업데이트 이후 취약점이 드러나거나 문제가 폭발하든, OEM이 결국 떠안아야 할 것은 원인을 신속하게 좁혀갈 수 있는 구조다. 보안은 하나의 ‘기능’이라기보다, 사후에 근본 원인과 책임까지 도달하는 경로를 단축하는 설계에 가깝다.
그리고 여기서 드라마가 시작된다. 자동차 SoC 생태계가 점점 복잡해질수록, 보안은 하나의 단일한 해답으로 좁혀지지 않는다. 어떤 칩 벤더는 자사의 TEE(Trusted Execution Environment)를 전면에 내세우고, 또 다른 진영은 OP-TEE와 같은 오픈소스 TEE에서 출발한다. 그러나 진짜 문제는 그 이후다. 모델 라인, 판매 지역, 연식, 공급망이 변화할 때마다 보안은 운영적으로 지속가능한 형태로, 반복해서 다시 증명돼야 한다.
그래서 결국 ‘도착점(destination)’이 필요해진다. OP-TEE로 시작할 수는 있다. 그러나 규제가 본격적으로 집행되고 업데이트가 누적될수록, 조직은 머지않아 검증되고 인증된 TEE로 이동하게 된다. 즉, 추적과 책임이 가능한 ‘신뢰의 바닥(trust floor)’으로 향하게 된다.
Trustonic의 논리는 여기서 출발한다. TEE가 시스템의 가장 아래 계층에서 신뢰의 바닥을 구축할 때에만 그 위에서 이뤄지는 업데이트가 비로소 의미를 갖게 된다는 것이다.

보안 계층을 낮추다: ECU에서 SoC로

“ECU나 도메인 안이 아닙니다. SoC 안입니다. SoC 내부에는 물리적인 TrustZone 영역이 있고, TEE는 그 안에 자리합니다.”
자동차 안에서 Trustonic이 어디에 존재하느냐는 질문에 대한 박 이사의 답이다. 많은 보안 논의가 도메인, 네트워크, 애플리케이션과 같은 ‘상위 계층’에서 시작되는 반면, Trustonic은 출발선을 더 아래로 내린다. 이 접근은 어떤 ECU를 선택하느냐에서 시작하지 않는다. 대신, 어떤 SoC 내부의 어떤 격리된 실행 영역을 신뢰의 기반으로 삼을 것인가에서 출발한다.
Trustonic은 TEE를 커스텀 코드와 데이터(Trusted Applications, TA 등)를 격리하고 보호하는 보안 엔클레이브(secure enclave)로 설명한다. TrustZone과 같은 하드웨어 기반 격리 실행 환경을 활용해 시스템 내부에 보호된 실행 영역을 만들고, 그 위에 ‘신뢰의 바닥’을 깐다. 그리고 이 개념을 현실로 만드는 단 하나의 조건은 바로 ‘격리(isolation)’다.
자동차는 더 이상 닫힌 임베디드 박스가 아니다. Android, Linux, QNX와 같은 풍부한 OS 스택이 차 안으로 들어온다. 앱은 빠르게 늘어나고, 계정·컨텐츠·결제·키 관리 기능이 차량에 결합된다. 외부 연결성과 OTA가 일상화된 세계에서 보안은 한 번 구축하고 잊어버릴 수 있는 대상이 아니다. 보호해야 할 영역과 열어두어야 할 영역을 물리적으로 분리하는 아키텍처가 필요하다. TEE는 차량과 OEM 서버 간의 연결을 검증(attestation)하고, OTA가 유효한 출처에서 시작됐음을 보장하는 데 핵심적인 역할을 수행한다.

IVI: 보안의 최전선
그리고 가장 고가의 자산이 집중된 영역

IVI, 게이트웨이, 존(Zone) 컨트롤러. 차량 내부에서 TEE의 실질적인 출발점은 어디일까? Trustonic은 보안을 SoC 내부의 격리된 영역에서 출발한다. 그렇다면 그 SoC가 가장 먼저 ‘풍부해지는(rich)’ 곳은 어디인가?
“가장 흔한 경우는 IVI 쪽입니다. SoC가 있는 곳이라면 어디든 사용할 수 있습니다. 하지만 마이크로컨트롤러에는 TrustZone 영역이 없기 때문에 그곳에서는 사용하지 않습니다.”
IVI/디지털 콕핏은 ‘PC화(PC-ification)’가 가장 빠르게 진행되는 영역이다. 풍부한 OS 스택, 앱 생태계, 외부 연결성, 사용자 데이터, 컨텐츠/DRM, 결제·인증, 키와 자격증명까지 모든 것이 한꺼번에 유입된다. 공격 표면은 넓고, 보호해야 할 자산은 방대하며, 업데이트는 빈번하다. IVI는 차량 내부에서 계정·컨텐츠·결제·개인 데이터가 처음으로 집중된 영역이었고, 그렇기 때문에 보안이 처음으로 ‘현실’이 된 곳이기도 하다. 많은 경우 IVI는 TEE 도입의 첫 단계가 된다.
Trustonic은 “왜 자동차에 TEE가 필요한가”를 4가지 범주로 정리한다. 이는 보안(민감 데이터 보호, 안전한 통신), 기능안전성(safety: 중요 기능의 격리, 안전한 소프트웨어 업데이트), 규제 준수/신뢰(compliance/trust: 규제 적합성의 기반), 그리고 IP 보호(알고리즘 및 자산 보호)다. 이런 요구들은 IVI 안에서 서로 겹치며 축적된다. 그래서 IVI는 기능의 최전선일 뿐 아니라 보안의 최전선이 되기도 한다.

보안 독립 선언:
칩 벤더 락인(lock-in)을 넘어서

IVI를 중심으로 TEE 도입이 가속화되고 있지만, 현장은 기술보다 더 거친 장벽에 직면해 있다. 바로 파편화된 공급망이다.
글로벌 자동차 전장 시장에서 일부 SoC 벤더는 막강한 영향력을 갖고 있다. 문제는 많은 대형 칩 제조사가 자사 하드웨어에 최적화된 폐쇄형 보안 솔루션(인하우스 TEE)을 번들로 제공한다는 점이다. 이는 자연스럽게 락인(lock-in) 효과를 만든다. 칩 벤더는 이를 ‘보증(assurance)’의 이름으로 권장하지만, 역설적으로 이는 OEM을 제약하는 아킬레스건이 될 수 있다.
박 이사는 이를 ‘디커플링(decoupling) 문제’라고 부른다.
“특정 칩셋에 묶인 보안은 처음에는 도입하기 편리할 수 있습니다. 그러나 OEM이 공급망을 다변화하려 할 때, 그것은 막대한 기술 부채로 돌아옵니다. 칩셋이 바뀔 때마다 보안 구조를 처음부터 다시 설계하고 재검증해야 하기 때문입니다.”
모든 OEM이 디커플링을 최우선 과제로 두는 것은 아니다. 그러나 멀티-SoC 전략이 시작되는 순간, 보안의 일관성은 곧 비용과 일정의 문제가 된다. 실제로 글로벌 OEM은 리스크 관리를 위해 서로 다른 칩셋을 혼용하는 경우가 많다. 그런 맥락에서 Trustonic과 같은 서드파티 TEE는 추상화 계층(abstraction layer)으로 기능할 수 있다. 즉, 서로 다른 하드웨어 위에서도 일관되게 동작하는 구조를 제공한다.
그 매력은, 칩셋과 무관하게 일관된 보안 수준을 유지하고, 사고 발생 시 근본 원인 분석을 위한 추적 도구를 통합할 수 있다는 점이다. 이는 일종의 ‘보안 독립 선언’과도 같다. OEM이 단일 칩 벤더의 생태계에 완전히 종속되는 것을 피하고, 소프트웨어 주도권을 유지하도록 돕는다. 그리고 이런 독립성이 확보되면, SDV의 핵심인 OTA 역시 칩셋 제약 없이 차량 전반에 걸쳐 신뢰를 유지할 수 있는 자유를 얻게 된다.

업데이트의 역설:
OTA가 반복될수록 신뢰의 균열은 커진다

SDV에서 진짜 싸움은 업데이트가 반복되는 동안 신뢰가 무너지지 않도록 어떻게 막느냐가 될 수 있다.
OTA는 기능을 추가하는 이벤트다. 그러나 동시에 차량 내부의 자산(데이터, 키, 권한, 코드)이 이동하는 하나의 사건이기도 하다. 그 순간부터 보안은 ‘공격을 막는다’는 문제가 아니라, 무엇을 보호 범위로 정의할 것인가, 그리고 그 경계를 어떻게 유지할 것인가의 문제로 바뀐다.
“개인 데이터나 차량의 주요 자원을 변경하는 것은 보안 타깃입니다. 그것이 SoC 안에서 구현되었거나, 제조사가 정의한 보안 영역 내에서 보완 조치가 마련돼 있다면, 그 범위는 보호되고 있다고 볼 수 있습니다.”
이것이 OTA를 바라보는 박 이사의 기준이다. 핵심은 “Trustonic이 모든 것을 보장한다”는 것이 아니다. 오히려 OEM이 무엇을 보안 타깃으로 정의할지 결정하고, 그 타깃을 SoC 내부의 보호된 경계 안에 격리하는 것이다.
TEE는 그 경계를 기술적으로 유지하는 실행 환경이다. 업데이트가 많아질수록, 그 경계가 도전받을 가능성도 커진다. 그래서 업데이트된 코드는 적절히 검증되었는가, 키나 자격증명이 노출될 수 있는가, 중요한 루틴이 일반 OS의 취약점 영역으로 끌려 들어갈 수 있는가, 업데이트 이후에도 보호 경계는 온전히 유지되는가와 같은 질문들이 모여 ‘신뢰’를 형성한다. 그리고 TEE는 그 신뢰를 가장 아래 계층에서 지탱한다.

문서는 의도를 기록한다
운영은 책임을 증명한다

기업들이 UNECE R155/R156과 같은 사이버 규제를 이야기할 때, 많은 경우 프로세스와 문서 작업에서 출발한다. 그러나 이런 규제가 진정으로 요구하는 것은 ‘문서화(documentation)’가 아니다. 그것은 운영적으로 지속가능한 기술 구조다. SDV가 지속적인 업데이트를 전제로 작동하는 순간, 기업이 증명해야 할 것은 “보안이 존재한다”는 것이 아니라, 시간이 지나도 보안이 무너지지 않는 방식이다.
Trustonic은 글로벌 규제를 최종 목표가 아니라, 안전한 차량을 만들기 위한 출발점으로 본다. 그리고 자동차 및 IoT 보안 규제 전반에 공통되는 주제를 4가지로 압축한다. 이는 설계 단계부터의 보안(secure by design), 업데이트 이후의 업데이트 가능성과 안전성(updateability and safety after updates), 이슈에 대한 대응성(reactivity to issues), 그리고 SBOM, 즉 지금 어떤 코드가 실행되고 있는지를 아는 능력이다.
Trustonic은 이 모든 주제를 하나의 결론으로 연결한다.
왜 TEE가 ‘바닥’이어야 하는가다. 신뢰의 바닥이 흔들리면, 업데이트는 더 이상 가치를 더하는 수단이 아니라 리스크를 확산시키는 경로가 된다.
논리는 일관된다. ‘설계 단계부터의 보안’에 대해서는 공격 표면을 줄이는 구조와 정책을 강조한다. 예를 들어, 필요할 때만 코드를 실행하고, 보안 영역에서는 필요한 것만 실행하며, 필요하지 않을 때는 접근 지점을 열어두지 않는 것이다. 업데이트 시대에 대해서는 TEE 자체도 펌웨어처럼 관리되고 업데이트돼야 한다고 주장한다. 이슈 대응 측면에서는 취약점/이슈 대응 서비스를 언급한다. 그리고 추적성(SBOM) 측면에서는 “오픈소스 의존성이 없는 보안 OS(오픈소스 미사용)”를 하나의 운영 원칙으로 제시한다.
결론은 다시 추적성으로 돌아온다. 문서는 의도를 기록하지만, 설계·업데이트·대응·SBOM을 시간에 걸쳐 견딜 수 있는 하위 계층 구조가 없다면 그 의도는 증명이 될 수 없다. 문서는 의도를 기록한다. 운영은 책임을 증명한다. 그리고 바로 여기서 ‘출발점’과 ‘도착점’ 사이의 선택이 시작된다.

성능의 시대에서 운영과 책임의 시대로

자동차 보안은 대체로 두 가지 방식으로 출발한다. 하나는 칩 벤더가 번들로 제공하는 TEE를 그대로 사용하는 것이다. 또 하나는 OP-TEE와 같은 오픈 구현을 ‘출발점’으로 삼는 방식이다. 출발은 다를 수 있다. 그러나 시간이 누적되면 질문은 ‘이걸 넣을 수 있는가?’에서 ‘10년 이상 OS와 보호 수준을 유지할 수 있는가?’로 바뀐다.
차량이 늘어나고 업데이트가 반복될수록, 보안은 기능이 아니라 운영이 된다. 그리고 비교의 기준도 성능이 아니라, 누가 10년에 걸쳐 업데이트 운영, 규제 요구, 취약점 대응에 대해 책임질 수 있는가로 이동한다.
박 이사는 이를 비용을 통해 설명한다.
“오픈 TEE를 사용하면, 자체 유지보수 자원을 투입해야 합니다. 그 비용 부담은 계속 증가합니다. 업데이트가 있을 때마다 보안 때문에 내부 리소스 비용이 더 늘어나게 됩니다.”
이 현실은 SoC의 경제 구조를 보면 더 분명해진다.
“SoC 제조사가 판매하는 것은 실리콘입니다. 소프트웨어가 주된 사업이 되기는 어렵습니다. 그러나 업데이트, 규제, 취약점 대응이 누적되면서 TEE가 핵심 포인트가 되는 상황이 발생합니다.”
Trustonic은 이 누적된 압박을 한 문장으로 압축한다.
‘OP-TEE는 출발점. Kinibi는 도착점.’
“레고(Lego)처럼 생각하면 됩니다. SoC 위에 우리의 블록을 얹는 것이죠.”
여기서 성능을 길게 논할 필요는 없다. 다만 TEE는 키 관리, 암호화, 서명, 보안 저장소, OTA 신뢰 루틴이 집중되는 지점이기 때문에 병목이 발생할 수 있다. 상용 TEE는 이런 경로를 최적화해 운영 부담을 줄일 수 있다. 핵심은 운영적 지속 가능성이며, 결론은 다시 추적성으로 돌아간다.
“우리 프로그램은 모듈화되고 구조화돼 있기 때문에 빠른 추적이 가능합니다. 오픈 구현의 경우에는 누가 무엇을 변경했는지 줄 단위로 확인해야 해서 속도가 느려집니다.”

공급망 보안의 본질:
소유권과 무결성을 증명하는 일

“모든 프로젝트는 다릅니다. 차량 모델마다 프로그램 정의와 코드가 다르고, 연식이 바뀔 때마다 코드도 다시 바뀝니다. 그때마다 코드 네임도 구분됩니다.”
소프트웨어는 더 이상 OEM만이 생산하는 것이 아니다. 수십 개의 공급사 코드가 차량 안으로 흘러 들어오고, 모델 라인·연식·판매 지역이 바뀔 때마다 그 조합은 다시 구성된다. 그리고 방화벽이나 침입 탐지가 시작되기도 전에, 보안은 불편한 질문을 던진다. 이 차량에서 지금 실행되고 있는 코드는 누구의 것인가? 그것은 변경되지 않았는가(무결성)? 그리고 문제가 발생했을 때, 우리는 책임의 경로를 얼마나 좁게 추적할 수 있는가?
그래서 SDV 보안은 단순히 침입 탐지에만 초점을 두지 않는다. 시간이 지날수록 더 강조되는 것은 소유권(ownership), 무결성(integrity), 그리고 책임 경로를 관리할 수 있는 능력이다.
TEE의 역할을 과장할 필요는 없다. TEE는 공급망 전체를 한 번에 ‘증명’해주는 만능열쇠가 아니다. 그러나 TEE가 없다면, 반드시 보호되어야 할 최소 자산, 즉, 키, 자격증명, 민감 데이터, 핵심 루틴은 종종 하드웨어(HSM 또는 Secure Element)에 의존하게 된다. 그리고 이들 중 어느 것도 현장에서 고비용 리콜 없이 쉽게 업데이트할 수 있는 구조는 아니다. 그리고 여기서 위험은 커진다. 자산이 읽히거나 조작될 수 있고, ‘누가 무엇을 바꿨는지’를 추적하기도 전에 책임 경로는 흐려질 수 있다.
결국, Trustonic이 말하는 ‘바닥’은 하나의 실질적인 최소 조건이 된다. 그것은 모든 것을 완전히 통제하겠다는 약속이 아니라, 핵심을 격리해 이후에 책임 경로를 신속히 좁힐 수 있도록 만드는 선택이다.
“오픈 구현의 경우에는 누가 무엇을 변경했는지 줄 단위로 확인해야 해 속도가 느려집니다. 저희는 추적과 디버깅을 통해 빠르게 확인할 수 있습니다.”

자산의 진화: 데이터 보호에서 물리적 제어로

AI가 차량 안으로 들어오면서 보안이 보호해야 할 대상의 성격도 바뀐다. 과거에는 코드, 키, 자격증명이 중심이었다. 이제는 모델 가중치와 학습 데이터가 하나의 패키지로 함께 들어온다. 박 이사는 이 변화를 거대한 담론이 아니라 가장 단순한 정의로 되돌린다.
“보안의 본질은, 보호하고자 하는 데이터가 타인에 의해 읽히거나 탈취되지 않도록 막는 것입니다.”
그는 Trustonic의 TEE 기술이 삼성 갤럭시 플랫폼에서 고가치 보안을 구축하는 데 기여했으며, 전 세계 수억 대의 디바이스에서 그 안정성을 입증했다고 설명한다. 한때 모바일 기기에서 개인 데이터와 결제를 보호하던 ‘신뢰의 바닥(trust floor)’은 이제 AI 자산을 보호하는 기반으로 자동차 영역으로 이동하고 있다.
이 논리는 프리미엄 가전제품 안의 개인 건강 정보나, 공장의 산업 자산 데이터에도 동일하게 적용된다. 데이터가 그러한 성격을 띠는 순간, 그것은 ‘보안 데이터’가 된다. 다시 말해, 보안이 확장되는 이유는 산업이 바뀌어서가 아니라, 자산의 성격이 바뀌기 때문이다.
자동차 산업은 이제 그 궤도 위에 올라섰다. 자산이 ‘정보’에서 ‘물리적 제어’로 확장되는 Physical AI 시대에, TEE가 구축한 신뢰의 바닥은 더욱 단단해져야 한다. 그것은 단순히 데이터를 보호하는 문제가 아니다. 공격자의 의도에 의해 차량이 움직이지 않도록, 끝까지 무결성을 증명하는 문제다.
박 이사는 이 전쟁의 최종 목적지로 포스트 양자 컴퓨팅(PQC)을 지목한다. 핀란드의 IQM과 같은 기업들을 통해 양자 컴퓨팅이 이론에서 현실로 이동함에 따라, 10년 후의 양자 공격에도 견딜 수 있는 ‘미래 신뢰(future trust)’는 SDV의 필수 조건이 된다. 이것이 Trustonic이 최신 솔루션 Kinibi 700에 양자 내성 보안을 선제적으로 통합한 이유이기도 하다.
TEE는 다시 한 번 의미를 갖는다. 그것은 일반 OS의 취약점으로부터 AI 모델, 제어 권한, 그리고 다가올 양자 컴퓨팅 위협까지 모든 것을 격리하고 보호하는 마지막 요새로 기능한다.

전제조건으로서의 보안:
‘모니터링’ 이전의 격리

보안 논의가 길어질수록, 서로 다른 축이 하나의 문장으로 쉽게 압축되곤 한다.
침입 탐지, SOC 운영, 컨설팅, 규제 대응은 대체로 ‘상위 계층’에서 움직인다. 네트워크와 로그를 들여다보고, 이상 징후를 탐지하며, 사고 이후의 대응을 설계한다. 그러나 Trustonic이 말하는 TEE는 더 아래에서 출발한다. 보호해야 할 자산을 어디에 둘 것인가, 그리고 그 경계를 어떻게 유지할 것인가라는 질문이다.
박 이사는 그 차이를 과장하지 않는다.
“보안 사고가 중요하지 않다는 뜻은 아닙니다. 다만, 무엇을 반드시 보호해야 하는지 정의해야만, 확신을 가지고 보호할 수 있다는 것입니다.”
이 말은 그들의 포지셔닝을 정확히 보여준다. 탐지/모니터링이 ‘이상 징후를 감시하는 것’이라면, TEE는 처음부터 무엇이 읽혀서는 안 되고 무엇이 변경되어서는 안 되는지를 분리하는 전제조건에 가깝다. 이는 역할의 분담이다. SDV 보안은 상위 계층만 키운다고 해결되지 않으며, 하위 계층만 깐다고 끝나는 문제도 아니다. 무엇을 자산으로 정의할 것인가, 그 자산을 어떤 경계 안에 둘 것인가, 그리고 업데이트 이후에도 그 경계가 온전히 유지되는가의 문제다. 그래서 Trustonic은 IVI 뿐 아니라 게이트웨이, 텔레매틱스, V2X, 도메인 컨트롤러까지 반복적으로 언급한다. 즉, ‘차량 전반에 걸친 적용 가능성’이다.
중요한 것은 도메인 목록이 아니다. 중요한 것은 여러 SoC와 여러 도메인에 걸쳐 동일한 신뢰 기반(TEE + SDK + TA)을 운영적으로 지속가능한 형태로 유지하겠다는 약속이다. 보안은 독립된 기능이 되어서는 안 된다. 그것은 운영하고, 추적하고, 대응하는 방식이어야 한다.

SDV 시대의 자동차 보안은 더 이상 “업데이트할 수 있는가?”의 문제가 아니다. 업데이트가 반복되는 동안 핵심 자산을 둘러싼 경계가 유지되는가, 그리고 무언가가 깨졌을 때 원인과 책임의 경로를 얼마나 빨리 좁힐 수 있는가의 문제다. 앱은 바뀌고, OS는 바뀌며, 공급망은 변하고, 규제도 변한다. SDV 보안의 본질은 업데이트 그 자체가 아니다. 업데이트 이후에도 경계가 유지되는가에 있다. 그 경계를 10년간 운영하려면, 무슨 일이 발생했을 때 즉시 원인과 책임의 경로를 좁힐 수 있어야 한다.

“무슨 일이 발생했을 때, 우리는 그것을 추적할 수 있어야 합니다. 그것도 빠르게요.”
박 이사의 이 한 문장이 SDV 보안을 요약한다.

Trustonic 한눈에 보기

무엇을 하는 회사인가: Arm TrustZone 기반의 Secure-OS형 TEE(Trusted Execution Environment)인 Kinibi를 제공하는 보안 소프트웨어 기업이다. 자동차 분야에서는 SoC 내부의 TrustZone 영역에서 동작하며, 키 관리, 암호화, 서명, 보안 저장소, OTA 신뢰 루틴을 격리해 실행한다.
어디에 사용되는가: 주로 풍부한 OS 스택, 외부 연결성, 사용자 데이터가 집중되는 IVI/디지털 콕핏 영역에서 먼저 적용된다. SoC가 존재하는 곳이라면 어디든 배포가 가능하지만, TrustZone이 없는 MCU 영역에서는 사용할 수 없다.
포지셔닝: 칩 벤더 번들 TEE나 OP-TEE와 같은 오픈 구현이 ‘도입의 출발점’이라면, Trustonic은 규제 대응, 업데이트, 취약점 관리, 책임 추적을 포함하는 10년 단위의 운영 관점을 강조한다.
왜 Secure OS를 강조하는가: Secure OS에 서드파티 오픈소스 라이선스를 포함하지 않는 아키텍처를 채택해, SBOM 단순화, 취약점 대응, 인증·감사 준비 상태를 운영적으로 지속 가능한 형태로 유지하는 데 초점을 둔다.
배포 및 인증: 상용 디바이스에서의 대규모 배포 이력, 양산 자동차 적용 사례, 그리고 Common Criteria EAL5+ 인증을 통해 PoC를 넘어 실제 양산 운영 경험을 강조한다.

ST P3E: AI Moves Down to Electrified Integrated Control

한상민 기자_han@autoelectronics.co.kr — 2026-02-25 16:21:42+0900

ST P3E, 전동화 통합 제어로 내려온 AI

한상민 기자_han@autoelectronics.co.kr — 2026-02-25 14:32:15+0900

박준식 지사장(좌측)과 임의택 부장

SDV의 무대가 중앙 HPC로 좁혀질수록, 우리는 ‘차가 실제로 도는 시간’을 잊기 쉽다.
ST마이크로일렉트로닉스(STMicroelectronics, 이하 ST)의 Stellar P3E는 AI의 성능 과시가 아니라, 전력·열·토크·제동의 물리 루프 안에서 정해진 시간 안에 끝내는 추론에 관한 것이다. 이와 함께 통합( x-in-1 )은 부품을 묶는 이벤트라기 보다는, 플랫폼 파생과 OTA가 반복되는 시대에 검증·안전·보안의 시간을 재배치하는 결단이다. ‘AI가 얼마나 빠르냐’가 아니라, ‘AI를 어디에 넣어야 시스템이 더 단단해지느냐’의 문제다.

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

2월 말, AI 가속을 내장한 ST의 차량용 MCU ‘Stellar P3E’가 소개되던 날.
박준식 ST코리아 지사장은 본래 기자간담회 무대에 자주 서는 사람이 아니다. 그래서 그의 첫 문장은 ‘제품’ Stellar P3E가 아니라 ‘방향’이었다.
박 지사장은 ST의 자동차 전략을 스마트 모빌리티 - 파워&에너지, 그리고 클라우드·커넥티드·자율주행으로 정리하면서, 그중에서도 초점을 전동화의 심장부로 못 박았다.
이 배경에는 세 가지의 숙제가 있다. 안전, 전기차, 그리고 내연기관 효율화. 이들은 서로 다른 시대의 과제가 아니라, 한 대의 차 안에서 동시에 걸리는 압력이다. 숙제가 겹칠수록 전장은 더 복잡해진다. 그리고 이 복잡성이 커질수록 승부는 ‘더 빠른 연산’이 아니라 정해진 데드라인 안에 끝내는 연산, 즉 결정론으로 옮겨간다.
AI도 같은 맥락이다. AI는 이제 중앙 컴퓨터만의 이야기가 아니다. 전기차에서 모터가 돌고, 배터리의 열이 오르내리고, 고전압 스위칭이 반복되는 ‘물리 루프’의 시간으로 내려오는 순간, SDV의 무게추는 다시 MCU 쪽으로 이동한다. 중앙 HPC의 AI가 ‘인지·추론’의 언어라면, 구동 도메인의 AI는 제어 루프 안에서 끝내는 추론이어야 의미가 생긴다. Stellar P3E는 이런 메시지를 가장 직접적으로 보여주는 칩이다. 강조점은 ‘AI 가속 MCU’지만, ST가 던진 질문은 ‘AI를 어디에 넣어야 의미가 생기느냐’다.
임의택 차량용 MCU 마케팅 부장은 Stellar P3E에 대해 ‘올 연말 양산 타깃’, ‘2028~2029년쯤 탑재 차량을 볼 수 있을 것’이라며 시간표를 제시했다. 제품 발표가 아니라, 몇 년 뒤 전동화 통합 제어기의 중심이 어디로 이동할지를 예고한 것이다.
그 이동 방향의 핵심은 ‘통합’, 그리고 ‘시간’이 함께 움직인다는 것이다. x-in-1 통합은 성능과 효율성, 비용을 위해 기능을 묶는 것이지만, 그 순간부터 싸움의 본질은 결정론과 신뢰성으로 바뀐다. 이뿐만 아니라, 차종 파생 (variant)과 OTA로 요구사항이 계속 바뀌는 세계가 겹칠 때 시스템은 유연해야 하고 동시에 견고해야 한다. 즉, 확장과 변경을 받아들이면서도 안전·검증·보안이란 기본이 흔들리지 않아야 한다.
박준식 지사장이 이날 ‘방향’부터 꺼낸 이유가 바로 여기에 있었다.

SDV 아키텍처에서 P3E의 자리:
“HPC가 아니라, 구동을 통합하는 물리 컴퓨터”

요즘 SDV를 이야기하면 대개 중앙 HPC(ADAS/IVI)로 시선이 쏠린다. 하지만 임 부장이 보여준 SDV 아키텍처는 다른 의미였다. 맨 위는 ADAS·인포테인먼트를 위한 HPC. 그 아래는 구동과 주행을 담당하는, 말하자면 물리 컴퓨터(physical computer). 그 아래는 존/도메인 컨트롤러와 x-in-1 통합 제어기가 있고 말단에는 센서와 액추에이터를 움직이는 소형 MCU들이 있다. ‘물리 컴퓨터’란, 전력·열·토크·제동과 같은 물리량을 정해진 주기로 닫는 컴퓨팅 계층을 뜻한다.
ST의 설명에서 P3E가 서는 위치는 전동화 통합 제어기 (x-in-1) 영역, 더 구체적으로는 파워트레인/에너지 도메인에서 인버터·컨버터·OBC·DC-DC·BMS 등을 통합해 다루는 ‘도메인 컨트롤러’의 MCU다. 즉, 전기차 심장부의 칩이다.
“저희가 보는 시장은 MCU입니다. 엔비디아나 퀄컴 같은 SoC 제품들은 더 높은 고성능, 비디오나 ADAS 같은 쪽에 포커싱이 돼 있다면, ST 제품은 통합 제어기를 보고 있습니다. SoC나 프로세서 타입들은 실시간성은 좀 떨어지는 부분들이 있어 임베디드 MCU를 쓰게 되는 겁니다.”
임 부장이 말했다.
‘실시간성’. 자동차, 특히 구동과 에너지 도메인에서, 응답은 결정론적이어야 한다. 결정론적 행동이 중요해, 예를 들어, 1ms 안에 해야할 일은 항상 1ms 안에 해야 한다. 더 정확히 말하면 평균이 아니라 워스트케이스에서도 지켜야 한다. 지연이 흔들리면, ‘빠른 연산’은 제어에 도움이 안 된다.
이것은 P3E의 존재 이유에 가깝다. SDV가 ‘소프트웨어 중심’으로 가면서도 결국 차가 제대로 구동하려면 전류가 흐르고 모터가 돌고 열이 관리돼야 한다. 이 물리 세계의 루프에서 필요한 건 ‘빠른 계산’만이 아니라 ‘정해진 시간 안에 끝내는 계산’이다. 그리고 그 시간 안에 AI까지 끼워 넣겠다는 것이다.

“왜 통합이 필연인가”
하네스·무게·비용이 전동화의 페달

전동화에서 통합이 필연인 이유를 설명하는 방식도 흥미롭다. 전기차 효율을 끌어올리는 길은 배터리만 키우는 게 아니다. 시스템을 가볍게 만들고, 손실을 줄이고, 공간을 줄이고, 부품 수를 줄여야 한다. 그 출발점이 와이어링 하네스다. 하네스를 줄이면 무게가 줄고, 무게가 줄면 같은 배터리로 더 멀리 가거나, 같은 성능을 더 작은 배터리로 달성할 여지가 생긴다. 결국 전체 비용 구조가 흔들린다. 임 부장은 이를 전력망과 통신망까지 포함한 ‘차량 배선망의 최적화’로 표현했고, x-in-1 통합 제어기는 이런 최적화를 극대화하는 수단이다.
고객인 OEM 차원에서 통합은 단지 부품을 합치는 일이 아니라, 플랫폼을 설계하고 생산하고 검증하고 서비스하는 방식 전체를 바꾸는 선택이다. 하네스와 커넥터가 줄면 조립 단계가 줄고, 체결·오삽·접촉 불량 같은 품질 리스크가 내려간다. 부피가 줄면 패키징 여유가 생기고, 냉각·차폐·정비 접근성 같은 시스템 설계의 시간을 줄이는 쪽으로 이어진다. 다만 모듈 수가 줄수록, 통합된 한 덩어리에 기능과 책임이 몰리면서 검증·안전·업데이트의 부담도 한 점으로 집중된다. 그래서 통합은 ECU 숫자를 줄이는 ‘하드웨어 이벤트’가 아니라, 플랫폼 파생과 OTA가 반복되는 시대에 개발·검증·업데이트의 시간 비용을 어떻게 줄일지에 대한 결단이 된다.
ST는 x-in-1 통합 솔루션의 효과를 수치로 강하게 내세웠다. 기존 대비 무게는 43% 가벼워지고, 부피는 27% 줄며, 고전압 구간 효율은 1% 개선된다고 했다. 특히 고전압 연결부 중심 비용은 60% 절감할 수 있고, 통합으로 개발 복잡도가 낮아지면서 필요한 소프트웨어/툴 요구도 75% 감소한다고 강조했다.
중요한 건 절대값보다, 통합이 비용·공간·개발 체계를 동시에 흔든다는 방향성이다. 그리고 ST의 논리는 ‘통합이 먼저’이고, ‘통합이 커질수록 제어와 검증이 더 어려워지며’, ‘그 어려움을 줄이기 위해 AI가 들어온다’는 구조로 이어진다(에너지 최적화, 상태 진단, 캘리브레이션 자동화 같은 방식으로).
통합이 커지면 개별 MCU 유닛 수는 줄어드는 게 맞다. 하지만 포트폴리오 관점에선, 통합을 담당하는 큰 MCU(P/G)가 맡는 책임 범위와 안전 등급, 네트워크 역할이 커지는 동시에, 말단의 소형 MCU도 여전히 필요하다. ECU 개수는 줄어도, 단일 MCU가 떠안는 역할은 커진다. 결국 ST는 “작아지는 영역”과 “커지는 영역”을 동시에 커버한다.

AI는 ‘제어 루프의 시간’을 사는 기술:
Neural-ART 가속기

통합이 먼저 오고, 통합이 커질수록 제어는 더 어려워진다. 그리고 그 어려워진 제어를 ‘시간 안에’ 끝내기 위해 AI가 들어온다. AI 가속기가 필요한 이유는 안전 보조에만 있지 않다. 전동화 통합 제어기에서 AI의 1차 목적은 효율이다. 인버터 스위칭 손실을 줄이고, 모터 토크를 더 부드럽게 만들며, 배터리 SOC·열 상태를 더 정밀하게 추정해 전력과 냉각을 최적화하는 것. 이 모든 연산은 제어 루프 안에서 끝나야 한다. 통합이 커질수록 효율 개선 여지는 커지지만, 시간 제약은 더 빡빡해진다. Neural - ART 같은 전용 가속기는 추론을 제어 주기 안으로 넣는다.
그렇다면 ‘AI 가속기’는 차량에서 어떤 체감을 만들까. ST는 이 질문에 사례로 대답했다. 윈도 안티-핀치(anti-pinch)를 예로 들면, 같은 AI 모델을 CPU에서 돌렸을 때와 P3E의 AI 가속기에서 돌렸을 때를 비교해 물체 끼임 감지 추론에서 69배 빠른 응답, 완전 닫힘 여부 판단에서 16배 빠른 응답을 제시했다. 전력 소모도 더 낮다.
“윈도는 예시일 뿐입니다. 트랙션 인버터 같은 구동을 담당하는 쪽은 어마어마한 속도로 돌아가는 모터의 컨트롤 루프에서 AI를 써야 합니다. 호스트 코어에서 돌리면 어렵고, 그래서 가속기로 추론 시간을 짧게 해야 시스템에 적용할 수 있습니다.”
AI가 파워트레인에서 무엇을 하느냐도 비교적 구체적으로 언급됐다. 전력반도체 스위칭 구간을 더 매끈하게 만들거나, 모터를 배터리 소모를 덜 하도록 효율적으로 돌리거나, 배터리 SOC / SOH를 더 정교하게 추정해 최적의 충·방전과 열관리를 수행하는 것들이다. 온도가 몇 도 이상 올라가면 공조기를 언제부터 돌려라 같은 룰 기반 제어에서, 데이터가 최적점을 찾는 방향으로 이동한다.
AI는 성능 향상뿐 아니라 비용 절감에도 연결된다. 센서를 붙여 감지하던 기능을 AI가 모터 피드백만으로 판단하게 만들면 센서를 줄일 수 있다. AI는 연산이면서 동시에 BOM 구조를 바꾼다. 중앙 컴퓨터에서 뭉뚱그려 돌리는 AI가 아니라, 물리 루프 가까운 곳에서 ‘작고, 빠르게, 결정론적으로’ 굴리는 AI가 통합 제어기의 비용과 구조에 영향을 준다. 결국 OEM 입장에서 AI의 가치는 ‘성능 과시’가 아니라, 통합된 모듈 안에서 연산을 늘리되 시간을 잃지 않으면서 시스템 비용과 구조를 함께 건드릴 수 있느냐에 있다.
여기서 실시간성은 다시 MCU의 기본으로 돌아간다. 지연을 어떻게 통제하는지, 파이프라인을 어떤 철학으로 설계하는지, 자동차용 코어를 왜 선택했는지에 대한 답은, 그렇게 설계돼 있기 때문이다. 그것이 MCU가 여전히 필요한 이유다.

xMemory는 ‘성능’만큼 ‘개발 속도’를 겨냥
베리언트의 함정을 줄이는 방식

P3E의 또 다른 축은 메모리다. ST는 이를 xMemory라고 부르며 PCM(상변화 메모리)을 핵심 기반으로 든다. 기존 MCU 영역에서 플래시가 사실상의 표준처럼 쓰여온 것과 달리, ST는 28nm 세대에서 PCM을 도입해 메모리 밀도와 확장 여지를 넓혔다. SDV 시대로 갈수록 플랫폼 파생이 반복되고, 그 과정에서 요구사항과 검증 부담이 커진다는 점을 생각하면 PCM은 성능이 아니라 개발 속도와 반복 비용에 직접 닿는다.
“OEM에서 하나의 제품으로 개발하면 1차종, 2차종, 3차종으로 파생돼 들어갑니다. 파생될 때마다 세그먼트가 달라지면서 요구사항이 조금씩 바뀌고, 그러면 개발을 다시 하고, 메모리가 커질 수밖에 없고, 결국 다른 실리콘을 써야 합니다. 그때마다 리소스가 투입됩니다.” 임 부장이 말했다.
xMemory는 메모리 여유가 있어 파생 차종에서 요구사항이 늘어도 동일 계열로 커버할 수 있다는 논리를 편다. 실리콘을 갈아타지 않으면 이식·검증·재개발 비용이 줄어든다.
P3E 대표 구성에서 제시된 메모리 수치는 xMemory 최대 19.5MB, RAM 최대 1.8MB다. 이 수치는 단순한 사양표가 아니라, 차종 파생이 반복될수록 커지는 개발 리소스의 함정을 줄이는 논리로 연결된다. 결국 ST가 말하는 경쟁력은 ‘SoC급 연산이냐 아니냐’가 아니라, 전동화 통합 제어기의 개발과 검증을 얼마나 덜 고통스럽게 만들 수 있느냐가 된다. OEM에게는 플랫폼을 확장할 때마다 반복되는 개발 시간과 검증 시간을 줄이는 방향으로 작동한다.

통합 제어기를 ‘안전하게’ 만들기
아날로그/타이머/IO 효율과 하이-스피드 네트워킹

통합이 커질수록 시스템은 위험해진다. 전동화 도메인은 특히 그렇다. 인버터, 컨버터, OBC, DC-DC, BMS… 이 기능들은 전기차의 생명줄이다. 그래서 ST는 P3E의 통합을 이야기하면서 곧장 ‘안전하게 통합하는 방법’으로 넘어간다.
임 부장이 강조한 건 정밀한 타이머, 풍부한 아날로그 자원, 그리고 IO 효율이다. 모터 제어와 열관리의 정밀도는 결국 아날로그 인터페이스와 타이밍에서 갈린다. P3E는 전동화 도메인에 맞춰 ADC와 비교기(Comparator) 같은 아날로그 자원을 크게 넣었다.
ST가 제시한 구성은 총 106채널 ADC를 기반으로 12 x SAR ADC, 10 x Sigma - Delta ADC, 4 x Comparator 등을 포함한다. 전동화 통합 제어기에서 정밀하게 읽고, 정밀하게 제어하는 능력을 하드웨어 자원 배치로 보여주려 했다는 설명이다.
통신도 SDV 흐름에 맞춰 하이-스피드로 끌어올렸다. P3E는 10/100/1000BASE - T1 이더넷, 10BASE - T1S, CAN XL, CAN FD 등을 통해 TSN (Time-Sensitive Networking) 같은 이더넷 기반 실시간 네트워킹을 MCU 레벨에서 직접 지원하는 방향을 제시했다. 여기서 관건은 대역폭 자체보다 지연의 예측 가능성이다.
이 흐름에서 안전/보안은 옵션이 아니라 통합의 전제조건이 된다. ST는 ASIL-D 지향, 하드웨어 기반 보안(HSM) 같은 구성을 앞세워 “360도 시큐리티”를 말한다. 통합 제어기가 커질수록 한 번의 결함이 미치는 영향이 커지기 때문이다. 통합은 부품 수를 줄이는 선택이면서, 동시에 OEM에게 검증·책임·리콜 리스크의 시간을 재배치하는 선택이기도 하다.

타임라인: 연말 양산 타깃, 2028~2029년 탑재
관건은 OEM의 ‘통합 의지’

“이미 우리는 샘플링을 시작했고, 주요 OEM과 티어 1에 샘플을 제공해 개발이 진행 중입니다. 생산 타깃은 올해 연말이고 실제 차량 탑재 시점은 2028~2029년쯤이면 보실 수 있을 것 같습니다.”
이 일정은 ‘언제 나오냐’가 아니라, 시장 충돌이 언제 본격화되느냐를 가늠하게 해 준다. 그때의 승부는 ‘AI 가속기 유무’만이 아니라 OEM이 x-in-1 통합을 어디까지 밀어붙이느냐가 될 것이다. 어떤 OEM은 3-in-1에서 멈출 수 있고, 어떤 OEM은 5-in-1, 7-in-1을 넘어 14-in-1 같은 선언으로 더 과감하게 갈 수도 있다. 선택에 따라 통합 제어기의 크기와 역할, 그리고 AI를 넣는 방식이 달라진다.

SDV가 커질수록 통합은 멈추지 않는다. 인버터·컨버터·OBC·DC-DC·BMS가 하나의 전동화 통합 제어기로 묶이고, 데이터 경로와 전력 경로, OTA로 누적되는 소프트웨어까지, 통합은 구조를 단순하게 만드는 동시에 더 많은 연산과 더 많은 책임을 한 칩에 얹는다. 그래서 승부는 ‘얼마나 많이 계산하느냐’가 아니라 시간 안에 끝낼 수 있느냐가 된다. ST가 말한 ‘AI 가속 MCU’의 본질은 통합 구조 안에서 연산을 늘리면서도 물리 루프의 시간을 흔들지 않는 것으로, 그것이 결정론이고 신뢰성이다.
박준식 지사장이 ‘제품’이 아니라 ‘방향’부터 꺼낸 이유도 여기 있다. ST는 그 역할을 다시 MCU(에지)로 끌어오며 2030년 자동차 MCU 매출을 2024년 대비 2배로 확장하는 것을 목표로 하고 있다.

Climate Targets in Mobility - Quo Vadis?

한상민 기자_han@autoelectronics.co.kr — 2026-02-23 12:56:59+0900

갈라진 세계, 파워트레인 믹스가 답이 될 수 있을까

한상민 기자_han@autoelectronics.co.kr — 2026-02-23 12:04:17+0900

이 글은 Vienna Motor Symposium 2026 프리 브리핑이 던진 한 문장, “기후 목표, 과연 어디로 가는가(Quo Vadis)”를 출발점으로 삼는다. 유럽·미국·중국의 규제 리듬이 갈라진 지금, 원 웨이 전환 대신 포트폴리오가 왜 산업의 생존 문법이 되는지 정리했다. 전주기(LCA) 기준과 Automotive Package, AI·하이브리드·수소·BEV가 한 무대에 공존하는 이유는 결국 ‘기술의 승패’가 아니라 ‘조건의 설계’란 점이다. 남는 질문은 단 하나, 누가 이 전환의 속도를 계산하고 그 계산을 증명할 것인가다.

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

스크린 안은 셰플러의 마티아스 징크와 아우디의 조프루아 부콧

설 연휴 기간, ‘47회 Vienna Motor Symposium 2026’ 프리 프레스 브리핑에 온라인으로 초청받았다.
루돌프 멜처(Rudolf Melzer) 매니징 디렉터가 화면 속에서 비엔나 레기나 호텔(Hotel Regina, Rooseveltplatz)을 배경으로 인사를 건넸다.
“호프부르크가 몇 분 거리에 있습니다.”
가을마다 The Autonomous로 익숙해진 그 궁전이 화면 너머로 겹쳤다. 그는 아시아, 특히 한국을 포함한 참가자들을 환영하며 이번 심포지엄을 “모빌리티의 다보스(Davos of Mobility)”라 불렀다. 이 브리핑은 단순 행사 안내가 아니었다. “모빌리티의 기후 목표, 과연 어디로 가고 있는가(Climate Targets in Mobility - Quo Vadis)”란 질문은 오히려 진단에 가까웠다. 지금 세계는 같은 방향을 보고 있지 않으며 그 틈에서 파워트레인은 다시 정의되고 있다.

갈라진 세계

“유럽은 제로 에미션을 향해 가고 있습니다. 반면 다른 지역에서는 기후·CO₂ 리스크를 바라보는 프레임 자체가 달라지고 있습니다.”
OVK(오스트리아 자동차 공학회) 회장 베른하르트 게링거(Bernhard Geringer) 교수가 말했다. 세계는 같은 지도를 공유하지 않는다. 유럽은 2035년 이후를 준비하며 배출제로를 전제로 규제를 설계하고 있다. 반면 미국을 포함한 다른 시장은 기후 리스크의 해석과 정책 우선순위를 재조정하고 있다. 중국은 Technology Roadmap 3.0을 통해 2030~2040 기술 전략을 체계화해 ‘장기 계산’을 끝낸 상태에 가깝다.
자동차 산업은 이 세 개의 리듬 위에서 동시에 움직여야 한다. 게링거 교수는 올해 Vienna Motor Symposium을 예고하면서 제조사, 에너지 공급자, 소비자가 이런 상황에서 어떤 중기 전략을 가져야 하는가란 질문을 던졌고, 그 답으로 가장 안전하지만 가장 비싼 방법, 즉 순수 전동화, 수소 기술, 고도화된 내연기관과 재생연료란 세 가지 길을 동시에 유지하는 포트폴리오를 제시했다.
결국 하이브리드가 ‘연속적인 전환’을 위한 이상적인 해법, 전동화로 가는 길목에서 효율과 수용성을 유지하는 방식으로 다시 떠올랐다. 중국에서 비롯된 분열과 경쟁 속에서 이것은 후퇴의 논리가 아니라 리스크 분산의 논리였다.
그렇다면 OEM과 공급망은 ‘한 방향의 전환’이 아니라 ‘세 개의 규제 리듬’을 전제로 제품·투자 로드맵을 어떻게 설계해야 하는가. 답은, 기술 선택은 신념의 문제가 아니라 조건의 문제이며, 이 조건은 국가별로 다르게 움직인다. 그래서 포트폴리오란 ‘망설임’이 아니라 시나리오 기반의 설계란 것이다.

기술은 하나가 아니다

“우리는 미래의 ‘단 하나의’ 구동계를 말하는 것이 아니라, 강건하고 회복탄력적인 기술 포트폴리오를 말해야 합니다.”
이날 자리에 함께 하진 않았지만 RWTH Aachen의 슈테판 피싱어(Stefan Pischinger) 교수는 이런 말로 이분법을 거부했다. 현실은 규제, 시장 요구, 기술 성숙도, 산업 구현 속도가 복합적으로 얽혀 있는 구조다. 배터리 전기차만으로, 혹은 수소만으로 설명될 수 없다. 즉, ‘기술 중립성’은 정치적 수사가 아니라 산업 설계의 문제다.
게링거 교수는 핵심 기준으로 라이프사이클 배출을 제시했다. 배기구만이 아니라 배터리 생산, 전력 생산, 공급망까지 포함하는 전주기 관점이다. 동시에 비용과 에너지 소비도 외면하지 않는다. 그린 수소가 지나치게 비싸거나 산업국가의 고전기요금 기반 e-fuel이 과도한 비용을 요구한다면 시장 수용성은 떨어질 수밖에 없다. 그래서 산업은 ‘환경 목표’와 ‘경제적 실행 가능성’을 동시에 만족해야 한다.
특히, 라이프사이클 기준은 규제의 범위를 차량 배기구에서 배터리 생산과 에너지 믹스까지 확장시키며 단순한 환경 지표가 아니라, 산업 경쟁 조건을 다시 정의하는 장치가 된다. 생산 거점과 전력 구조가 다른 지역 간 비용 격차는 이제 기술 문제가 아니라 정책 프레임의 문제로 이동한다. 어떤 지역은 ‘청정’의 정의를 전력 믹스까지 포함해 설정하고, 어떤 지역은 공급망·원재료·제조 기반까지 포함해 재단한다. 전주기 규제는 ‘탄소’란 이름을 달고 있지만, 실제로는 시장 접근 조건과 보호 프레임의 언어이기도 하다.

유럽 자동차 공급망: 강함과 불안의 이면

마티아스 징크(Matthias Zink) 자동차 기술 부문 CEO는 두 개의 모자를 쓰고 비엔나에 섰다. 하나는 CLEPA(유럽 자동차 부품 공업 협회) 회장으로서 유럽 공급망을 대표하는 모자, 다른 하나는 Schaeffler 이사회 멤버로서 기업 전략을 책임지는 모자다.
그는 먼저 숫자를 꺼냈다. 유럽은 여전히 차량 가치의 최대 75%를 창출하고 있으며, 약 170만 개의 일자리를 지탱하고 있다. 매년 450억 유로가 연구개발과 설비에 투자된다.
그러나 곧바로 톤이 달라졌다. 2025년 한 해에만 약 5만 명 규모의 감원이 발표됐고, 롤랜드버거 분석에 따르면 업계의 약 40%가 수익을 내지 못하고 있다. 2030년까지 최대 35만 개의 일자리가 위험에 처할 수 있다는 경고다.
징크 CEO는 이를 ‘구조적 기로’라고 표현했다. 글로벌 경쟁은 가속되고, 생산은 이동하며, 에너지 비용과 규제 복잡성은 유럽 기업의 숨통을 조인다. 징크는 이 위기 국면에서 EU 집행위가 내놓은 ‘Automotive Package’를 단순 지원책이 아니라 정책 신호로 읽었다. Automotive Package는 배출 규제만이 아니라 투자·경쟁력·일자리·에너지 비용을 묶어 ‘현실적 이행’을 설계하겠다는 EU의 정책 묶음이다. 기후 목표만으로는 산업을 움직일 수 없다는 현실을 인정하고, 경쟁력·투자·일자리를 같은 문장 안에 다시 넣기 시작했다는 뜻이다.
그는 “진짜 복잡함은 디테일에 숨어 있다”고 강조했다. 규정의 설계가 투자와 제품 로드맵을 결정하고, 그 끝에는 최종 고객이 실제로 살 수 있는 가격과 인프라가 남는다.
“우리는 불공정 경쟁으로부터 제조 기반을 보호하고, CO₂ 규정에서 실제 주행 효율(Utility Factor)을 반영하고 기술 개방성을 유지해야하며, 에너지 비용과 행정 절차를 줄여야 합니다.” 징크는 세 가지 조건을 분명히 했다.
가장 핵심은 유럽이 혁신을 유지할 조건을 스스로 갖추는 것이다. 프레임워크가 불안정하면 투자도 이동한다.
징크는 Schaeffler 사례를 들며 산업이 손을 놓고 있는 것이 아님을 보여줬다. 멀티모드 하이브리드 트랜스미션은 하나의 통합 시스템 안에 전기 모드, 시리즈 하이브리드 모드, 병렬 하이브리드 모드를 결합한다. 엔진을 가장 효율적인 스윗 스폿에서 작동시키고, 전동화와 기계적 효율을 동시에 끌어낸다.

미래 엔진은 AI인가

“엔진은 단순한 동력원이 아니었습니다. 벤치마크였고, 감정이었고, 차별화였습니다. 하지만 우리는 이제 더 이상 마력을 논하지 않습니다. 이제는 ‘탑스(TOPS)’를 이야기합니다.”
아우디의 조프루아 부콧(Geoffrey Bouquot) CTO는 이렇게 과거를 정리한 뒤, 방향을 틀었다.
과거의 엔진은 기술적 중심이었고, 설계의 기준이었으며, 브랜드의 성격을 상징했다. 6기통이나 V8 사운드는 감정적 차별화의 언어였다. 하지만 지금 그 역할은 AI 기반 연산 구조가 대체하고 있다. 연산량은 단순한 수치가 아니라 차량 아키텍처의 중심축이 된다.
부콧 CTO는 중국을 예로 들며 AI를 사용자 경험과 직접 연결했다. 더 자연스러운 상호작용, 감정이 개입된 인터페이스, 도메인 간 연결성, 차량 내부 시스템은 더 이상 개별 기능의 집합이 아니라 하나의 통합 구조다. 이런 통합은 콕핏에서 벗어나 ADAS와 섀시로 확대된다. 자동주행 또한 예외 상황에 취약했던 과거의 룰 기반 시스템에서 복잡한 컨텍스트를 이해하며 대응 범위를 넓히는 AI 기반 시스템으로 가고 있다.
하지만 그는 “우리는 기술 그 자체를 위해 기술을 개발하는 것이 아닙니다. 사용자의 경험은 제조사(OEM)에 의해 정의됩니다”라며 분명한 선을 그었다. AI는 엔진이 될 수 있지만, 브랜드 경험을 정의하는 주체는 OEM이다. 빅테크가 기술을 제공하더라도, 사용자 경험을 설계하는 권한은 어디까지나 자동차 제조사에 있다. AI는 툴이자 기반이며, 최종 서사는 브랜드가 만든다. 이는 SDV 논쟁에서도 중요한 균형점이다.

4월 22일부터 사흘간 비엔나 호프부르크 왕궁에서 열릴 Vienna Motor Symposium 2026

예고편은 구체적이다

이번 프리 브리핑이 흥미로운 건, 기술 이야기를 ‘하나의 답’으로 몰지 않는다는 데 있다. 게링어 교수가 말한 것처럼 현재의 모빌리티는 엔진 하나, 변속기 하나를 따로 떼어 설명하기 어려운 시대다. 파워트레인, 에너지 공급, 자율주행과 SDV까지가 전체 시스템으로 엮여 들어온다. 그래서 비엔나 심포지엄의 프로그램은 ‘전망’이 아니라 ‘현실의 조합표’에 가까울 것이다.
예를 들어 상용차 규제는 유럽·아시아·미국에서 서로 다르게 움직이고, 그 결과 예전엔 기본 엔진에 국가별 사양만 손보면 됐지만, 이제 유럽에는 전기, 아시아에는 수소, 미국에는 내연기관이 동시에 요구된다는 문제의식이 깔려 있다. 이 한 부분만으로도 왜 비엔나의 라인업이 한 방향으로 정리되지 않는지 설명이 된다.
그래서 올해의 ‘트레일러 몽타주’는 여러 갈래로 동시에 끊어져 나온다.
우선 레인지 익스텐더와 하이브리드에선, AVL과 Chery가 양산 기준 열효율 48%의 하이브리드 가솔린 엔진을 공개하며 이를 “레인지 익스텐더의 돌파구”라 부르고 있다. 토요타는 플러그인 하이브리드용 차세대 하이브리드 시스템을, 폭스바겐은 최신 하이브리드 세대를 예고한다. 하이브리드의 중요성은 다시 커졌다. 이는 전동화를 미루는 논리가 아니라, 전동화를 밀어붙이기 위해 중간에서 효율과 수용성을 확보하겠다는 산업적 선택이다.
동시에 배터리 전기차도 비켜서지 않는다. BMW는 ‘GEN6’ 배터리 전기 구동계를 처음으로 공개한다. 하이브리드/REEV가 커지는 만큼, BEV도 진화한다. 결국 이들은 경쟁이라기보다 시장과 규제가 요구하는 속도를 맞추기 위한 병렬 전개다.
수소는 ‘상용차의 언어’다. Cummins가 헤비듀티용 수소 내연기관을 가져오고, FAW는 중대형 상용차 탈탄소화 맥락에서 수소기술을 제시한다. 그리고 AVL×Scania의 H2 HPDI(고압 직분사)는 제로 에미션과 ‘효율 60%’란 조합으로 소개된다.
심포지엄이 파워트레인만 들여다보는 자리가 아니라는 건 SDV 섹션이 보여준다. AVL은 ‘Copper Car’란 이름으로 전기차 고전압 시스템을 위한 초고속 소프트웨어 회귀 테스트를 들고 온다.

China SAE, 판을 넓히다

“이건 단순한 곁다리 행사가 아닙니다. 구조가 바뀐 것입니다. 심포지엄이 공식적으로 개막하기 하루 전, 중국의 의제가 비엔나의 무대에 들어옵니다.”
게링어 교수의 소개처럼, 올 비엔나 모터 심포지엄에서 상징적인 장면은 ‘중국이 초청된 것’이 아니라 중국이 자신의 로드맵을 들고 들어오는 날이다. 일정이 앞당겨진 것이 아니라, 의제가 먼저 들어오는 것이다. 4월 22일, 공식 개막 전날 열리는 ‘지속가능 모빌리티를 위한 파워트레인 포럼’은 OVK와 China SAE가 함께 만든다.
중국의 Roadmap 3.0은 단순 기술 리스트가 아니라, 중국이 2030년부터 2040년까지를 겨냥해 제시한 장기 기술 전략이다. Roadmap 2.0이 전동화의 속도를 설계했다면, 3.0은 에너지·효율·산업 구조까지 계산한다. 다시 말해 이 포럼은 ‘중국이 무엇을 만들고 있는가’를 보여주는 자리가 아니라, 중국이 무엇을 계산하고 있는지, 규제, 산업 구조, 효율, 시장 전환의 속도를 유럽의 언어로 번역해 올리는 자리다.
기조연설은 Roadmap 3.0 파워트레인 그룹을 이끄는 Prof. Xiangyang Xu가 맡는다. 이어 BMW, Great Wall Motor, AVL, SERES, Aurobay가 참여해 기술 경로, 유럽 시장 전략, 배터리 공급망과 기술 발전을 하나의 질문으로 묶는다. 이를 통해 서로 다른 규제 체계와 산업 전략이 공개적으로 비교된다.

Vienna Motor Symposium은 더 이상 지역의 기술 심포지엄이라 부르기 어렵다. 여기서 파워트레인은 연료의 문제가 아니라 조건의 문제가 됐다. 에너지 비용, 규제 예측 가능성, 산업 생태계, 소프트웨어 검증 구조까지 모든 게 한 문맥에 들어온다.
프리 브리핑은 예고편이었다. 갈라진 세계와 생존, 복수의 기술 전략, 조건 위의 산업 경쟁, AI라는 새 중심축, 그리고 중국의 공식 참여. 4월 호프부르크에서 중요한 건 어떤 기술이 ‘승리’하느냐가 아니라, 누가 전환 속도를 계산하고, 누가 그 계산을 산업으로 증명하느냐가 될 것이다.

The Reality of “Generative Autonomy”: Imagry on Camera-Only and No HD Maps

한상민 기자_han@autoelectronics.co.kr — 2026-02-19 11:16:39+0900

Imagry가 말하는 카메라 온리, 노 HD맵

한상민 기자_han@autoelectronics.co.kr — 2026-02-19 10:56:26+0900

INTERVIEW
아이란 샤비브
Ilan Shaviv, CTO of Imagry

Automotive World 2026에서 만난 Imagry의 아이란 샤비브 CTO는 ‘Generative Autonomy’를 HD맵·라이다·규칙 기반 추론에 기대지 않고 실시간 카메라 비전으로 현실 세계의 주행을 만들어내는 지능으로 설명한다. ‘카메라 온리’와 ‘No HD Maps’가 구호가 아니라 아키텍처 선택임을 드러내며, 양산 환경에서 요구되는 로컬라이제이션을 ‘내비게이션 수준’까지 낮추는 논리를 말한다. 더 나아가 하드웨어 요건(TOPS), 입력·출력 인터페이스, OEM 스택 통합 지점과 책임 경계까지 개발자가 시스템을 어디에 배치해야 하는지 판단할 근거도 제공해준다. 마지막으로 데이터 수집 - 학습 - 배포의 운영 루프와 NCAP 통과 경험을 통해 기술 주장이 검증으로 가는 과정도 확인해 준다.

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

아이란 샤비브
Imagry에 합류하기 전, 샤비브는 RAFAEL Advanced Defense Systems Ltd.에서 28년간 근무하며 다양한 직책을 맡았다. 마지막으로는 획기적이고 혁신적인 다학제(multi-disciplinary) 프로젝트의 최고 시스템 아키텍트(Chief System Architect)를 역임했다. 그는 테크니온(Technion)에서 항공우주공학을 전공했으며, 유도(Guidance) 및 상태추정(State Estimation)을 전문 분야로 BSc(1994년, 최우등 졸업), MSc(2000년), PhD(2008년) 학위를 취득했다. 샤비브는 해당 분야에서 중요한 기여를 했으며, 그 공로로 국가 국방부 상 두 차례와 라파엘(RAFAEL) 우수상(Rafael Award of Excellence)을 수상했다.

Generative Autonomy란 무엇인가

Imagry는 스스로를 ‘Generative Autonomy 파이오니어’라 부르죠? Generative Autonomy란 무엇입니까? 어떻게 정의하시겠습니까? 엔드투엔드(E2E) 학습, 모방학습, 모듈러 스택 중 어디에 더 가깝습니까? 그리고 여기서 말하는 ‘generative’ 요소는 정확히 무엇을 의미합니까?
Shaviv       Imagry가 말하는 Generative Autonomy란, 현실세계에서 기계를 실제로 움직이게 하는 실시간 지능(real-time intelligence that drives machines in the real world)을 의미합니다. 우리는 기계가 인간처럼 보고 반응하도록 학습시키면서 HD맵과 라이다에 대한 의존성을 제거하고, 현재의 양산 차량에서 실행가능한 소프트웨어를 구축하고자 합니다. 이 접근 방식은 E2E 학습보다는 모듈러 스택에 더 가깝습니다. 여기서 generative란 의미는 시스템이 경험과 지도학습(supervised learning)에 기반해 시간이 지날수록 점진적으로 개선된다는 뜻입니다.

개발자 관점에서 보면, 런타임 단계에서 실제로 무엇이 ‘생성’되고 있는지 설명해 주실 수 있을까요? 예를 들어, 주행 궤적을 생성하는 것인지, 행동/정책(behavior/policy)을 생성하는 것인지, 아니면 다른 무엇인지 궁금합니다.
Shaviv       우리는 “Generative”란 표현을 실시간 카메라 영상(비주얼 피드)을 해석하고 이를 기반으로 실제 물리적 환경에서 작동하는 AI를 사용한다는 의미로 쓰고 있습니다. 즉, 단순히 사전에 정의된 규칙이나 고정된 지도에 의존하는 것이 아니라, 카메라로 입력되는 실시간 시각 정보를 AI가 해석하고 그 상황에 맞는 판단과 반응을 만들어내는 접근이라는 뜻입니다.

왜 카메라 온리(Camera-Only)입니까? 그리고 이것이 어디까지 가능하다고 보십니까? 맵, 라이다, 클라우드 의존성, 레이다 없이 카메라 온리 방식은 어디까지 갈 수 있습니까? 어떤 ODD 가정하에서 잘 작동하고, 무엇이 여전히 어렵습니까?
Shaviv       현재의 도로 인프라는 기본적으로 눈으로만 운전하는 인간을 기준으로 설계돼 있습니다. 과거 자율주행에서 다양한 센서가 사용된 이유는, 당시엔 빠른 반응에 필요한 모든 정보를 처리하기에 연산 능력이 충분하지 않았기 때문입니다. 그러나 이젠 더 이상 그렇지 않습니다. 이 점은 테슬라 AI 부문 부사장인 Ashok Elluswamy가 얼마 전 LinkedIn을 통해 명확히 언급한 바 있습니다.
레이다와 라이다는 특히 비용이 높은 센서이며, 일반적으로 약 250m 수준에서 성능이 한계에 도달합니다. 또한 그 거리에서 무언가를 감지하더라도 전달되는 정보는 매우 제한적이고 희소합니다. 반면 카메라는 교통 표지판을 읽을 수 있고 신호등의 색상을 인식할 수 있으며, 다양한 도로 표식과 차선 정보를 감지할 수 있습니다.
인간이 큰 어려움 없이 운전할 수 있는 모든 ODD에서는 비전-온리 센서 역시 충분히 잘 작동할 수 있습니다. 물론 폭우, 짙은 안개, 완전한 암흑과 같이 인간도 어려움을 겪는 환경에서는 비전-온리 센서 역시 성능 저하를 겪게 됩니다. 다만 비전-온리 시스템에 적외선(IR) 카메라를 결합할 경우, 자율주행 시스템은 인간 운전자보다 오히려 우위를 가질 수 있습니다. 또한 비용 측면에서 카메라 온리 접근 방식은 현저히 저렴합니다.

카메라 온리와 지도 없이 달린다는 의미

‘No HD Maps’란 정확히 무엇을 의미합니까? HD맵을 전혀 사용하지 않는다는 뜻입니까? 아니면 HD맵만 사용하지 않는다는 뜻입니까? 배포 환경에서 로컬라이제이션은 어떻게 처리합니까?
Shaviv No HD Maps란 시스템 내에서 사전 매핑된 데이터가 필요하지도 원하지도 않는다는 의미입니다. 또한 우리는 규칙 기반(rule-based) 추론도 사용하지 않습니다. 대신 카메라를 통해 주변 환경을 실시간으로 인식하고 전용 분산 신경망을 사용해 그 안의 객체를 식별·분류하며, 이를 바탕으로 차량의 움직임을 계획합니다.
이 방식은 사람이 처음 가는 장소라도 별도의 학습 없이 렌터카를 빌려 운전할 수 있는 것과 매우 유사합니다. 물론 지역별 교통 관행, 예를 들어 캘리포니아의 적색 신호 우회전 허용, 일본의 좌측통행 등에 맞춘 행동 조정은 가능합니다.
여기서 명확히 구분할 필요가 있습니다. 내비게이션 맵과 HD맵은 서로 다른 개념입니다. HD맵의 특징은 다음과 같습니다. 지오펜스된 영역 내에서 차량이 주변 환경의 즉각적인 구조를 이해하도록 돕습니다. 그러나 우리는 이를 실시간 인지 스택으로 처리하며, 위치 종속성을 제거합니다. 도로 공사, 날씨로 인한 손상, 예기치 않은 장애물 등으로 도로 환경이 수시로 변하기 때문에, 약 5cm 이하 해상도로 지속적인 사전 매핑이 필요합니다. 차량 내 정보를 업데이트하기 위해 데이터 링크(클라우드 연결)가 필요하며, 이는 비용이 크고 항상 보장되지도 않습니다. 또한 Imagry의 ‘자급형(self-contained)’ 시스템과 비교했을 때 사이버 취약성도 증가합니다.
HD맵 정보를 검증하기 위해서도 결국 인지 스택이 필요합니다. 이때 두 입력이 충돌하면 어느 쪽을 신뢰해야 할지 문제가 발생하며, 비교 과정 자체가 시스템 지연을 유발합니다. 반면 내비게이션 맵의 역할은 A 지점에서 B 지점까지의 경로 안내를 제공합니다. 이미 수많은 서드파티 앱이 이 기능을 수행하고 있으며, 이를 새로 만들 필요는 없습니다. 우리는 인간 운전자를 대체하는 것을 목표로 하며, 인간 역시 Google Maps, TomTom, Waze와 같은 내비게이션을 사용하므로 동일한 방식을 취합니다.

HD맵이 필요 없다고 했는데, 실제 양산/배포 환경에서는 어느 수준의 로컬라이제이션에 의존합니까? 예를 들어 차선 수준, 도로 수준, 혹은 상대적 위치 추정(relative positioning) 중 어떤 수준인가요? 또 그 로컬라이제이션을 위해 어떤 센서나 신호를 활용하는지도 궁금합니다.
Shaviv 우리가 말하는 “HD 맵이 없다”는 것은, 예를 들어 5 cm 해상도의 정밀한 로컬라이제이션이 필요 없다는 뜻입니다. 우리가 필요한 로컬라이제이션은 내비게이션 수준입니다. 예를 들면 “다음 다음 교차로에서 꺾어라” 혹은 “첫 번째 가능한 지점에서 우회전해라”와 같은 안내가 가능한 정도입니다. 즉, 구글 맵스 같은 일반적인 내비게이션 앱이 작동하는 데 필요한 수준의 위치 정보면 충분합니다.
예를 들어 차선 수와 같은 도로의 토폴로지는 인지 스택이 온라인으로 인지합니다. 이런 이해와 일반적인 내비게이션 안내 방향이 결합되면 모션 플래닝 스택이 차량에 지시할 경로를 생성할 수 있습니다.
예를 들어 내비게이션 안내가 “우회전”이라고 되어 있다면, 모션 플래닝 스택은 (차량이 아직 우측 차선에 있지 않다면) 우측 차선으로 이동을 시작해서, 실제로 우회전 지점이 나타났을 때 그 회전을 수행할 수 있게 합니다. 이는 마치 사람이 내비게이션 앱을 켜고 “약 300m 앞에서 우회전” 같은 안내를 받는 방식과 같습니다. 이런 상황에서 사람은 그 우회전이 정확히 300m 지점이 아니라 250m 뒤에 나오든 350m 뒤에 나오든, 가능해지는 순간 우회전을 합니다. 저 역시 인간 운전자라면 그렇게 할 것입니다.

Imagry는 차량 스택의 어디에 서 있는가

‘표준 하드웨어에서 동작한다’는 것은 구체적으로 무엇을 의미합니까?
Shaviv           Imagry는 하드웨어에 종속되지 않는(hardware agnostic) 접근을 취합니다. 즉, 카메라와 컴퓨팅 시스템은 OEM 또는 티어 1이 선택할 수 있습니다. 다만 컴퓨팅 시스템은 최소한의 연산 성능을 충족해야 하며, 승용차 기준 약 150 TOPS, M3 등급 버스 기준 약 300 TOPS가 필요합니다. 예시로 NVIDIA Drive Orin과 표준 2.5메가픽셀 카메라 구성을 추천할 수 있습니다.

차량 인터페이스에 대해 구체적인 예시 하나만 들어주실 수 있을까요? 즉, 시스템이 실제로 어떤 입력을 받고, 어떤 출력을 내보내는지요. 가능하다면 업데이트 주기나 지연도 대략 어느 정도인지 알려주시면 개발자들이 판단하는 데 큰 도움이 될 것 같습니다.
Shaviv       네. 매우 구체적으로 말하면, 저희가 받는 입력은 다음과 같습니다. 카메라 8대에서 들어오는 30Hz 비디오 스트림이 기본이고요, 여기에 IMU 관성센서 값, 차량 휠 속도, 조향각(스티어링 앵글), 그리고 내비게이션이 주는 “방향 지시” 정보를 함께 받습니다. 저희가 내보내는 출력은 꽤 명확합니다. 스로틀(가속), 브레이크, 스티어링 제어 명령을 직접 내보내고, 방향지시등 신호도 함께 출력합니다.
그 사이에서 무슨 일이 벌어지냐면, 크게 두 가지입니다. 첫째, 8대 카메라로 주변을 360도로 보면서 도로의 토폴로지, 예를 들면 차선 구조가 어떻게 생겼는지, 도로가 어떻게 이어지는지를 실시간으로 이해하고, 동시에 주변의 다른 도로 사용자들, 즉 차량과 보행자를 인지합니다. 둘째, 이렇게 “지금 눈으로 보고 이해한” 주변 환경을 바탕으로 바로 다음 순간에 차량이 지나가야 할 경로를 만들어냅니다. 이 경로는 주변 차량이나 보행자와의 상호작용을 고려해서 안전하게 지나가도록 설계되고, 동시에 예를 들어 다음 교차로에서 우회전 같은 내비게이션이 요구하는 큰 방향과도 일치하도록 정렬됩니다.

차량 소프트웨어 스택에서 Imagry는 어디에 통합됩니까?
Shaviv               현재 Imagry는 OEM의 설계 단계에서 통합되는 것을 목표로 하고 있습니다. 다만 SDV 시대에는 고객이 Imagry의 소프트웨어를 직접 다운로드하는 방식도 충분히 가능하다고 보고 있습니다.

최종 출력물과 책임 경계는 어떻게 나뉩니까?
Shaviv       Imagry 시스템의 출력은 세 가지입니다. 첫째, 도로 형상과 객체를 포함한 주변 환경에 대한 완전한 이해입니다. 둘째, 해당 환경을 통과하기 위한 행동 경로(path)입니다. 셋째, 이 행동을 실행하기 위해 차량에 전달되는 제어 명령(control commands)입니다.
우리는 A지점에서 B지점까지의 내비게이션 경로는 제공하지 않습니다. 이는 인간 운전자와 마찬가지로 Google Maps, Waze, TomTom과 같은 별도의 애플리케이션 계층에서 제공되어야 합니다. 책임 문제는 현재 각 국가별로 정의되고 있는 크고 복잡한 법적 이슈입니다.

데이터가 만드는 범용성

실제 주행 데이터 학습 루프는 어떻게 작동합니까?
Shaviv       여러분이 정의한 학습 루프(수집 → 선별 → 라벨링 → 재학습 → 릴리스 게이팅 → 플릿 모니터링)는 정확합니다. 새로운 사이트에서 수집된 주행 경험은 다른 모든 사이트에도 적용됩니다.
새로운 ODD에서 차량이 허용가능한 주행 성능을 보이면, 이후 차량의 전체 수명 동안 데이터는 계속 수집됩니다. 그리고 시스템이 새로운 상황에서 도움이 필요하다고 판단될 때만 추가 학습 사이클을 수행합니다.

데이터, 라벨링, 재학습의 역할 분담은 어떻게 됩니까?
Shaviv       모든 과정은 Imagry 내부에서 수행됩니다. 우리는 자체 특허를 보유한 고도화된 자동 어노테이션 도구를 적용하고 있습니다.

‘글로벌, 아웃 오브 더 박스’란 새로운 도시에서는 무엇을 의미합니까?
Shaviv       저희 시스템은 처음부터 범용적으로(generalized) 학습되도록 설계됐습니다. 즉, 특정 도시나 국가처럼 어떤 지역에만 해당하는 정보가 시스템 안에 ‘코딩돼’ 들어가 있지 않습니다. 다만 현실적으로 시스템이 할 수 있는 범위는, 지금까지 저희가 확보해온 방대한 주행 데이터베이스가 보여준 사례들에 의해 제한됩니다. 이 데이터는 2019년 이후 여러 국가의 공공도로에서 실제 자율주행을 하며 수집한 것입니다.
그럼에도 새로운 지역에 들어가면, 사람 운전자가 처음 가는 도시에서 운전할 때처럼 초기에는 더 조심스럽게 주행합니다. 그리고 환경에 익숙해질수록 점점 확신(confidence)이 높아집니다. 또 “완전히 자신 있게” 자율주행하는 수준까지 도달하는 데 걸리는 시간은 주로 다음 두 가지에 달려 있습니다.
같은 차량 플랫폼(하드웨어/패키지)에 그대로 탑재되는가와 같은 질문에서 만약 플랫폼이 달라지면, 카메라의 장착 위치(높이)나 각도 같은 구성이 달라질 수 있고, 그 경우 신경망이 보는 시야/기하가 달라지기 때문에 네트워크(모델) 쪽에서 일정한 조정이 필요할 수 있습니다.
또, 새 지역의 ODD가 기존 지역과 얼마나 다른가와 관련해, 즉 두 번째 지역의 도로/교통/환경 조건(ODD)이 현재 운영 중인 지역, 혹은 지금까지 시스템이 학습해 온 조건과 얼마나 다른지에 따라 익숙해지는 속도와 안정화까지의 시간이 달라집니다.

안전성과 NCAP 통과란 무엇을 의미합니까?
Shaviv       NCAP은 New Car Assessment Program의 약자입니다. 이는 차량의 충돌 시험 성능과 사고 예방 능력을 기반으로 소비자에게 등급을 부여하는 표준화된 안전 평가 시스템입니다.
NCAP은 1978년 미국 도로교통안전국(NHTSA)에 의해 처음 도입되었지만, Imagry는 1997년에 출범한 보다 엄격한 유럽 NCAP(Euro NCAP) 기준을 따르고 있습니다. 유럽 NCAP은 일반적으로 가장 엄격하고 포괄적인 평가 체계로 여겨집니다. 현재까지 Imagry는 자율주행 버스를 통해 NCAP 테스트를 통과한 유일한 기업입니다. (참고로, 버스용 자율주행 시스템은 승용차용 시스템과 동일한 코어를 기반으로 하되, 버스 정류장 대응과 같은 추가 기능이 포함되어 있습니다. 이는 승용차에는 해당되지 않는 기능입니다.)
해당 시험은 차량이 승객에게 불편을 주지 않는 방식으로 제동할 수 있는지를 포함해 총 90가지 시나리오에서 평가되며, 시험 속도는 시속 30~60km 범위입니다. 평가 시나리오에는 도로 위 장애물, 저속 주행 차량, 보행자, 가려진 상태에서 갑자기 도로로 뛰어드는 어린이 등의 상황이 포함됩니다.

안전하고 효율적인 휴머노이드의 미래를 빚는 TI의 반도체 혁신

윤범진 기자_bjyun@autoelectronics.co.kr — 2026-02-12 15:06:08+0900

휴머노이드 로봇 담론은 지능과 소프트웨어에 집중돼 있다. 그러나 텍사스인스트루먼트(TI)는 그 아래에 놓인 ‘기반 계층’에 주목한다. 지오반니 캄파넬라(Giovanni Campanella) 산업 자동화 및 로보틱스 부문 총괄 매니저는 로봇이 인간의 생활 공간으로 들어오기 위해서는 정밀도·안전성·효율성을 지탱하는 반도체 토대가 선행돼야 한다고 강조한다.

지오반니 캄파넬라
Giovanni Campanella
총괄 매니저
산업 자동화 및 로보틱스 부문
Texas Instruments

휴머노이드 로봇에 대한 기대는 언제나 현실을 앞서 왔다. 공상과학적 상상은 이제 산업 현장에서 시험되는 기술로 전환되고 있다. 지오반니 캄파넬라는 CES 2026 현장에서 느낀 인상을 이렇게 전했다.
“CES 현장에서 확인한 것은 로봇 산업이 이미 본격적인 투자 국면에 접어들었다는 사실입니다. 그러나 로봇이 일상에 자연스럽게 스며들기까지는 아직 넘어야 할 단계가 남아 있음을 확인했습니다.”
화려한 데모와 투자 열기 이면에, 아직 해결해야 할 현실적인 난제가 산적해 있다는 지적이다.
휴머노이드 로봇을 둘러싼 담론은 대체로 인공지능과 소프트웨어에 집중돼 있다. 대규모 언어모델, 시각 인식, 자율 판단 알고리즘이 인간형 로봇의 ‘지능’을 정의하는 핵심 요소로 거론된다. 그러나 이러한 논의는 종종 하나의 전제를 간과한다. 지능이 현실 세계에서 작동하려면 물리적 토대가 전제돼야 한다는 점이다. TI가 휴머노이드 로봇을 바라보는 시각은 바로 이 지점에 놓여 있다.
캄파넬라는 휴머노이드 로봇을 공급망의 가장 핵심적인 기반인 반도체의 관점에서 바라본다. 그의 관점에서 휴머노이드 로봇은 단일한 완제품이 아니라, 수많은 제어·감지·연산·통신 시스템이 유기적으로 결합된 결과물이다.
“TI는 휴머노이드 로봇을 구성하는 기반 계층(foundation layer), 즉 공급망의 가장 핵심적인 기반인 반도체를 제공합니다. 배터리 관리부터 모터 제어, 감지, 컴퓨팅, 통신에 이르기까지 TI의 반도체 기술은 휴머노이드 로봇을 궁극적으로 더 효율적이고, 더 안전하고, 더 지능적으로 만듭니다.”
이러한 행보는 TI가 휴머노이드 로봇 시장을 단기적인 기술 과시의 장이 아닌, 거대한 제조 생태계로 보고 있음을 시사한다. 핵심은 ‘어떤 로봇이 가장 화려한 퍼포먼스를 보여주느냐’가 아니라, ‘누가 가장 신뢰할 수 있는 기반을 제공하느냐’는 것이다. 결국 TI의 관심은 특정 로봇 모델의 성공만이 아니라, 어떤 로봇이 등장하더라도 그 안에 탑재될 ‘기반 계층’을 구축하는 데 있다. 누가 최종 승자가 되든 그 내부에 TI의 솔루션이 탑재되도록 만들겠다는 이른바 ‘TI Inside’ 전략이다.

휴머노이드를 지탱하는 ‘단단한 기초’

휴머노이드 로봇은 AI 기술 발전의 상징처럼 소비되어 왔다. 그러나 실제 상용화 단계로 진입할수록 현장의 질문은 차갑고 현실적으로 변한다. “얼마나 정교하게 움직이며 균형을 유지하는가”, “예기치 않은 시스템 오류 시 얼마나 안전하게 멈출 수 있는가”, “로봇은 얼마나 오래 동작할 수 있는가”. 이 질문들에 대한 답은 AI 알고리즘만이 아니라 정밀 모터 제어, 감지 신뢰성, 효율적인 전력 관리 같은 하드웨어 영역에 있다.
캄파넬라가 강조하는 ‘기반 계층’은 바로 이 지점에 놓여 있다. 그는 로봇이 사람처럼 자연스럽게 움직이기 위한 핵심으로 실시간 모터 제어와 이를 뒷받침하는 정교한 동작, 즉 기민함(dexterity)을 꼽았다.
휴머노이드 로봇은 높은 자유도(Degrees of Freedom, DOF)를 바탕으로 인간의 움직임을 모방하며 주변 환경에 밀리초(ms) 단위의 빠른 응답 속도로 반응하도록 설계된다. 이로 인해 로봇 시스템 엔지니어들은 로봇 전신에 배치된 수많은 모터에서 제기되는 설계 과제들을 해결해야 하는 난관에 봉착하게 된다.
또한, 휴머노이드 로봇의 배터리는 대개 60V 미만의 SELV (Safety Extra Low Voltage, 안전 초저전압) 범위 내에서 작동하도록 제작된다. 따라서 내부 부품들은 60V까지 안정적으로 동작해야 하며, 시스템 내의 잠재적 노이즈가 전력 FET나 게이트 드라이버에 미치는 영향을 줄이기 위해 100V까지의 전압 스트레스에도 견딜 수 있어야 한다.
모터 드라이브의 고출력 밀도(High-power density) 역시 중요한 고려 사항이다. 로봇의 표면 온도가 55℃를 넘지 않아야 한다는 온도 제한 때문인데, 이 온도에서는 단 30초 만의 접촉으로도 3도 화상(피부 전층손상)을 입을 수 있다. 사람과 가까운 거리에서 작업하는 로봇의 특성상 이러한 접촉은 언제든 있을 수 있다. 하지만 휴머노이드 로봇의 크기와 무게 제약으로 인해 팬(Fan)이나 냉각수 같은 액체 냉각 시스템을 탑재하기는 어렵다. 결국 로봇이 낮은 온도를 유지하기 위해 설계 단계부터 전력 손실 자체를 최소화해야 한다.
이 지점에서 전력 효율과 제어 정밀도를 동시에 확보할 수 있는 반도체 기술의 역할이 결정적으로 부각된다. TI의 C2000™ 마이크로컨트롤러, Arm Cortex 프로세서, 갈륨 나이트라이드(GaN) 기반 전력 기술은 효율적이고 정밀한 실시간 모터 제어를 구현한다. 이는 로봇의 단순 구동을 넘어 인간에 가까운 안전하고 섬세한 동작을 가능하게 한다.

모터 제어는 움직임의 정밀도와 함께 안전을 좌우하고, 배터리는 로봇의 동작 시간과 직결된다. 센서는 로봇이 외부 세계를 감지하는 감각기관이며, 컴퓨팅은 이 모든 데이터를 실시간으로 처리하여 행동으로 전환하는 중추다. 이 각각의 요소가 독립적으로 완성도를 갖추는 것만으로는 충분하지 않다. 시스템 전체가 안전하게 연결되고 균형을 이뤄야만 휴머노이드 로봇은 사람과 공존할 수 있다.
“모터 제어, 감지, 컴퓨팅이라는 각 요소가 유기적으로 연결되고 균형을 이뤄야만 로봇은 비로소 사람과 같은 공간에서 안전하게 공존할 수 있습니다.” 캄파넬라의 말이다.
TI는 모터 제어·전력 관리·센서·임베디드 프로세싱 등 시스템을 구성하는 핵심 블록을 폭넓게 제공한다. 이를 통해 로봇 제조사는 각자의 설계 요구와 비용 구조에 맞춰 아키텍처를 구성할 수 있다.
TI는 GaN 기반 모터 드라이브 솔루션을 단순 소자 형태를 넘어, 하드웨어와 소프트웨어가 통합된 턴키(Turn-key) 레퍼런스 디자인으로 제공한다. 이 솔루션은 GaN 드라이버와 전력 FET를 단일 패키지에 통합하여, 초소형 폼팩터에서도 약 1kW급의 고출력을 구현한 것이 특징이다. 특히 단일 보드 내에 전력 스테이지와 센싱 회로는 물론, 실시간 모터 제어용 MCU 및 EtherCAT 통신 기능까지 모두 탑재했으며, 양면 PCB 설계를 통해 공간 효율성을 극대화했다. 이러한 완성도 높은 모듈형 구조는 휴머노이드 로봇의 관절부에 즉시 적용이 가능하여, 시스템 수준의 접근 방식을 통해 OEM 업체의 설계 복잡성과 개발 부담을 낮춰준다.
“저희 디바이스에 익숙하지 않거나, 로보틱스 시장에 처음 진입하는 고객이 많습니다. 레퍼런스 디자인을 통해 프로토타입 단계의 부담을 크게 줄일 수 있으며, 그 결과 완제품 출시 시점을 앞당길 수 있습니다.” 캄파넬라의 말이다.
캄파넬라는 휴머노이드 로봇을 위한 또 하나의 대표적인 TI의 특화 기술로 밀리미터파(mmWave) 레이다 센서를 꼽았다.
“레이다는 휴머노이드의 인식(perception) 센싱에서 핵심적인 역할을 할 뿐 아니라, 안전 측면에서도 매우 중요합니다.”
밀리미터파 레이다는 로봇 주변에 ‘세이프티 버블(safety bubble, 안전 보호막)’을 형성해 로봇이 이동 중 접근하는 물체를 빠르고 정확하게 감지할 수 있게 해준다. 자동차 분야에서 축적된 레이다 기술이 로보틱스로 확장되고 있는 대표적 사례다.

상용화를 가르는 또 하나의 축, 효율

휴머노이드 로봇이 산업 현장을 넘어 가정으로 들어오기 위해서는 성능만큼이나 ‘효율(efficient)’의 문턱을 넘어야 한다. 고성능 AI 연산은 막대한 전력을 소모하며, 이는 곧 발열과 배터리 수명 문제로 이어진다.
캄파넬라는 로봇이 거친 환경이나 일반 가정에서 장시간 동작하기 위해서는 시스템 전반의 에너지 흐름을 정교하게 제어하는 반도체 설계가 필수적이라고 역설한다. TI는 배선 구조를 단순화하고 무게를 줄일 수 있는 ‘단일 페어 이더넷(Single Pair Ethernet)’과 같은 차세대 통신 표준부터, 전력 회로와 보호 기능을 통합한 컴팩트한 모터 드라이브 솔루션을 제공한다.
제한된 전력 예산 안에서 효율을 확보하지 못한다면, 성능은 곧 비용과 발열 문제로 전환된다. 이는 대량 확산의 가장 현실적인 장벽이 된다.
이에 따라, 최근 휴머노이드 로봇 설계에서 두드러진 변화 중 하나가 모터 제어 영역에서 실리콘(Si) 기반에서 GaN 기반으로의 전환이다. 이는 단순한 부품 교체가 아니라, 로봇 설계의 폼팩터와 열 설계 전략 자체를 바꾸는 전환점이 되고 있다.
“휴머노이드 로봇의 관절부처럼 매우 제한된 공간에서는 전력을 효율적으로 처리하고, 동시에 열을 효과적으로 방출해야 합니다. 이러한 조건에서 GaN은 최적의 해법입니다.” 캄파넬라의 설명이다.
특히 48V 아키텍처에서 약 1kW급 출력 구간은 GaN이 장점을 발휘하는 영역이다. 캄파넬라에 의하면, GaN 적용 시 기존 실리콘 기반 솔루션 대비 최대 50% 수준의 사이즈 축소가 가능하다.
현재 휴머노이드 로봇 내부의 전력 서브시스템은 48V 배터리를 중심으로 구성된다. TI는 배터리 모니터링 및 보호, 연료 게이지, AC-DC 충전 솔루션을 제공한다. 특히 임피던스 트래킹 기반 배터리 연료 게이지 기술은 배터리의 상태(State of Health)와 잔량(State of Charge)을 정밀하게 계산한다. 이를 통해 로봇은 언제 배터리가 소진되는지를 정확히 인지하고, 마지막 순간까지 작업을 수행한 뒤 적절한 시점에 충전 스테이션으로 복귀할 수 있다. TI의 AC-DC 충전 솔루션은 충전 속도와 에너지 효율을 동시에 높인다.

‘안전’은 기능이 아니라 전제다

휴머노이드 로봇 논의에서 안전(Safety)은 종종 여러 기능 중 하나로 취급되곤 한다. 그러나 캄파넬라의 시각에서 안전은 선택 가능한 옵션이 아니라, 설계의 출발점이다. 로봇이 인간의 일상 공간으로 들어오는 순간, 기술적 실패는 단순한 결함을 넘어서 사고로 이어질 수 있으며 이는 곧 신뢰 상실로 직결된다.
전력 제어의 안정성, 모터의 응답 특성, 센서 데이터의 정확성은 모두 물리적 안전과 직결된다. 특히 예기치 않은 상황에서 로봇이 어떻게 멈추는지는 하드웨어 차원의 설계에 크게 의존한다. 이는 소프트웨어가 아무리 정교하더라도, 하드웨어가 이를 뒷받침하지 못하면 해결할 수 없는 영역이다.
TI가 강조하는 기반 계층은 바로 이러한 안전성 요구를 충족시키기 위한 토대다. 이는 화려하게 드러나지는 않지만, 휴머노이드 로봇의 대중화를 가르는 결정적 조건이다.
“고객과의 논의에서 가장 빈번하게 등장하는 키워드는 ‘기능 안전성(Functional Safety)’입니다.” 캄파넬라의 말이다.
그는 “협동 로봇(cobots)이나 산업용 로봇에 대한 표준은 이미 있지만, 휴머노이드 로봇의 기능 안전성 요구사항을 규정하는 전용 표준은 아직 마련되어 있지 않다”며 “현재 보스턴에서는 휴머노이드 로봇의 기능 안전성 표준을 논의하는 워킹그룹이 활동 중이며, 표준이 2028년경 공개될 예정이다”라고 밝혔다.
TI는 표준이 마련되기만을 기다리지 않는다. 티유브이슈드(TÜV SÜD)와 손잡고 자사 게이트 드라이버를 활용한 안전 설계 컨셉을 직접 문서화하고 있다. 이는 휴머노이드 로봇 설계자들에게 ‘어떻게 안전을 구현할 것인가’에 대한 실질적인 이정표를 제시함으로써, TI가 반도체 공급사를 넘어 로봇 안전 생태계의 조력자로 나서고 있음을 보여주는 대목이다.
캄파넬라는 특히 ‘페일 세이프(fail-safe)’ 동작의 중요성을 강조했다.
“고장이 발생했을 때 로봇이 사람 위로 넘어지는 대신, 안전하게 멈추거나 앉는 동작이 가능해야 합니다. 이러한 이유로 기능 안전성은 현재 시장 전반에서 가장 활발하게 논의되는 분야 중 하나입니다.”
이것은 단순한 기능 구현을 넘어, 로봇이 인간과 공간을 공유하기 위한 전제 조건이다.

조작 능력, 또 다른 과제

또 하나의 과제는 조작(manipulation) 능력이다.
“많은 로봇이 춤을 추고, 부드럽게 이동하고, 달리는 것까지는 가능합니다. 하지만 물체를 정밀하고 효율적으로 다루는 능력은 아직 갈 길이 멉니다.” 캄파넬라의 진단이다.
정밀한 조작 능력을 부여하기 위해서는 손과 손가락에 더 많은 센서와 모터가 필요하다. 하지만 크기는 커질 수 없다.
캄파넬라는 “인간의 손과 유사한 동작을 구현하려면, 매우 작은 공간에 다수의 센서와 모터를 집적해야 한며"며 "이는 고도의 통합 및 소형화 기술을 요구한다”고 강조했다.
TI는 이 영역에서 고집적 3상 모터 드라이브 솔루션과 초소형 실시간 모터 제어 MCU를 결합한 아키텍처를 제안한다. 24V 및 48V 애플리케이션을 지원하며, FET와 전류 센싱이 통합돼 있다. 손가락 구동과 같은 극도로 제한된 공간에서도 적용 가능한 수준의 집적도를 확보한 것이 특징이다.

보이지 않는 계층에서 벌어지는 경쟁

휴머노이드 로봇 경쟁은 겉으로 보기에는 AI 모델과 로봇 디자인의 경쟁처럼 비춰진다. 그러나 실제로는 그 아래에서, 보이지 않는 기술 계층을 둘러싼 경쟁이 동시에 진행되고 있다. TI가 집중하는 영역은 바로 이 보이지 않는 층위다.
캄파넬라는 휴머노이드 로봇을 바라보는 하나의 균형 잡힌 시각을 제공한다. 휴머노이드 로봇 경쟁은 지능 만이 아니라 눈에 보이지 않는 기반 계층의 완성도에서 갈릴 가능성도 있다. 높은 정밀도와 안전, 효율성, 그리고 안정적인 통신이라는 조건을 충족시키는 기반 기술이 갖춰질 때, 휴머노이드 로봇은 실험실을 벗어나 일상으로 들어올 것이다. 그 출발점에는 반도체가 있다. - END -

When Design Blocks Escape: China’s Ban on Retractable Door Handles

한상민 기자_han@autoelectronics.co.kr — 2026-02-10 13:54:01+0900

중국의 전동식 리트랙터블 도어 핸들 금지

한상민 기자_han@autoelectronics.co.kr — 2026-02-10 13:44:20+0900

2024년 방한했던 윌리엄 S. 러너. 그는 항상 리트랙터블 도어 핸들의 위험성을 경고해왔다.

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

스타일링의 문제가 아니라 ‘탈출’의 문제다. 중국이 전동식 리트랙터블 도어 핸들을 금지한 결정은 전 세계에 가장 기본적인 안전 원칙을 다시 상기시킨다. 사고 이후에도 문은 반드시 열려야 한다. 탈출, 화재 관련 이슈면 항상 찾는 사람이 있다. 윌리엄 S. 러너(William S. Lerner). 그는 해당 규제가 만들어낼 파급 효과와 커넥티비티·클라우드 중심 해법의 한계를 짚었다. 더 나아가, OEM 생태계 바깥에서 나온 ‘너무나 당연해 보이는’ 안전 아이디어가 왜 번번이 무시되는지 특허와 독립 발명가의 현실까지 시야를 넓혀 이야기를 나눴다. 핵심은 다음 세대의 차량 디자인은 무엇보다 먼저 구조적으로 검증가능한 안전(구조·구난·대피 포함)을 증명할 수 있는가를 포함해야한다는 것이다.

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

리셋: 왜 중국은 플러그를 뽑았나

다시 만나 반갑습니다! 중국이 지난주 전동식 리트랙터블 도어 핸들을 금지했습니다. 2027년 1월 1일부터는 외부든 내부든 전기식 핸들이 달린 신차를 판매할 수 없다고 하더군요. 우린 이 일이 벌어지기 전인 작년 11월에 이미 인터뷰를 했었죠. 이 결정이 글로벌 시장에 어떤 영향을 줄까요? 그리고 중국은 왜 금지했을까요?
William 좋은 질문입니다. 저는 중국의 결정과, 그들이 보여준 실행 속도를 진심으로 존경합니다. 중국에서는 이런 핸들이 장착된 차량 사고가 여러 차례 있었고, 그 결과 탑승자를 구조할 수 없었던 사례들이 축적되었습니다. 구조대가 안으로 들어갈 수 없었거나, 탑승자가 밖으로 나올 수 없었거나, 혹은 그 둘 다였지요. 데이터, 영상, 목격자 진술, 그리고 사고 이후 1차 대응자들의 사후 보고가 이 문제를 분명히 드러냈고, 중국은 빠르고 올바르게 대응했습니다. 핸들은 안팎 모두 ‘수동’으로 돌아가야 합니다. 이는 ‘리셋’이었고, 차량에 타고 이동하는 모든 사람과 구조를 수행해야 하는 모든 사람에게, 이 새로운 출입 방식이 얼마나 중대한 위험을 만들었는지를 보여주는 증거였습니다.
블룸버그는 이 이슈를 명확히 정리한 짧은 다큐멘터리를 공개했는데, 80건이 넘는 EV 사고와 화재 데이터를 근거로 문제를 설명했습니다. 그리고 지난주 미국에서는, 응급 신고 통화의 녹취록에 ‘사고 이후 전원이 끊겨 핸들이 작동하지 않는 EV 안에 갇힌 20세 청년’의 목소리가 그대로 기록됐습니다. 그는 통화 중에 도움을 애원했습니다. 그러나 그는 결국, 통화 중에 배출된 유해가스로 인한 질식으로 사망했습니다. 도움을 1분 이내에 받을 수 있었다면 살았을지도 모릅니다. 하지만 실제로는 그럴 수 없었습니다. 그 차량이 수동 핸들이었다면 그는 죽지 않았을 것입니다. 그는 전화를 걸 수 있었고, 다른 문으로 이동해 탈출을 시도할 수 있었습니다. 결국 그의 유해는 뒷좌석에서 발견됐습니다. 해당 차량 제조사는 현재 유가족으로부터 소송을 당하고 있습니다.
이 사건들은 이제 자동차 업계나 응급구조대 커뮤니티 밖의 사람들에게도 알려지기 시작했습니다. 그리고 이 금지가 가져오는 다른 긍정적 효과들도 있습니다. 그런데 이상하게도, 정부 차원에서는 그런 논의가 거의 이뤄지지 않습니다. 이 핸들이 달린 차량을 소유한 사람들은 이미 오래전부터 매우 불쾌한 문제들을 겪어왔습니다. 어떤 대표 모델은 잠금이 해제된 상태에서도, 심지어 안에 승객이 타고 있어도 문이 절반은 열리지 않습니다. 핸들이 들어가 있고, 손을 핸들 위로 스와이프해야 열리는 방식인데, 한 오너는 “작동 확률이 50%”라고 말했습니다.
그렇다면 아이가 차 안에서 문제가 생기거나, 어른이 즉시 의료적 도움이 필요한 상황에서는 어떻게 됩니까? 오너조차 항상 문을 열 수 없다면, 지나가던 사람은 무엇을 알 수 있을까요? 경찰이나 구조대는 무엇을 알 수 있을까요? ‘리트랙터블 핸들을 스와이프해서 열어야 한다’는 걸 누가 당연히 안다고 가정합니까?
그리고 마지막으로, 이런 핸들을 금지했을 때 단점이 뭡니까? 차가 덜 “모던”해 보일 수는 있겠지요. 하지만 롤스로이스는 팬텀에 크롬 수동 핸들을 당당하게 달고도 아무도 문제 삼지 않습니다. 반면 장점은 명확합니다. 부상과 사망, 혼란, 구조 과정에서 낭비되는 시간이 줄어듭니다. 왜냐하면 이 핸들은 의도대로 ‘항상’ 작동하지 않기 때문입니다. 정부 기관의 충돌시험 영상만 봐도 알 수 있습니다. 충격적입니다. 그 영상들은 생존성에 집중할 뿐, 사고 이후의 구조나 탈출 가능성에는 거의 초점을 맞추지 않습니다.

국내 금지, 글로벌 우회로

그러면 이 결정이 글로벌 시장에는 어떤 영향을 줄까요? 솔직히 저는 당신이 이야기하기 전까지, 이렇게 많은 파장을 생각해보지 못했습니다.
William

좋습니다. 하나씩 풀어서 보겠습니다. 앞으로 판매되는 신차에는 이 핸들이 적용되지 않습니다. 그렇다고 해서 기존 차량 전체를 리콜해서 개조해야 한다는 뜻은 아닙니다. 중고차 시장에도 영향을 주지 않습니다. 중국에서는 이런 핸들을 달고 있는 차량이 수백만 대나 되고, 그 차량들은 앞으로도 계속 도로를 달릴 것입니다. 즉, 문제는 아직 끝나지 않았고, 전체적으로(총체적으로) 해결된 상태도 아닙니다. 중국은 이를 금지했습니다. 중국은 세계에서 인구가 두 번째로 많은 나라입니다. 하지만 인도는 금지하지 않았고, 다른 어떤 나라들도 마찬가지입니다. 그럼에도 중국의 조치는 매우 강한 메시지를 보냅니다. 저는 모든 나라가 중국이 한 일을 따라가길 바랍니다.
다만 현실적인 관점에서 보면, 이 금지는 판매를 금지하지 않는 다른 국가로 수출되는 차량에는 적용되지 않습니다. 즉, 허용하는 시장에는 그대로 수출할 수 있습니다. 캐나다는 중국산 차량을 받아들이고 있고, 여러 제조사들과 합작도 추진하고 있습니다. 중국 제조사들은 이런 차량을 캐나다로 수출할 수도 있고, 캐나다에서 생산해 캐나다 내에서 판매할 수도 있습니다. 그리고 캐나다는 그 차량을 다시 전 세계로 수출할 수도 있습니다.
또 한 가지 기억해야 할 점이 있습니다. 이런 핸들은 EV에만 달리는 것이 아닙니다. 이미 많은 자동차 회사들이, 메르세데스처럼, 전 차종 혹은 대부분의 차종에 이런 핸들을 적용하는 방향으로 움직이고 있습니다. 미국이나 독일에서 차량은 설계하고 생산하기까지 대략 7년 주기로 움직입니다. 반면 중국의 주기는 대략 3년 반 정도입니다. 그래서 메르세데스는 2027년형 S-클래스의 페이스리프트 모델을 막 내놓았고, 몇 달 안에 딜러십에 깔릴 예정입니다. 그런데 핸들은 어떻습니까? 이 플래그십 모델에는 이전 연식들과 동일한 전동식 리트랙터블 핸들이 그대로 적용되어 있습니다. 결국 메르세데스는 선택을 해야 하는 상황에 놓였습니다.
중국에서는 S-클래스, E-클래스, EQE, 마이바흐 EQS, CLA, 그리고 곧 출시될 다른 차량들까지 포함해, 해당 모델들의 핸들을 명확히 바꿔야 합니다. 아니면 자국 시장에서 철수하거나, 생산량은 그대로 유지하되 수출로 돌리는 방법을 택해야 합니다. 반면 미국에서는, 예를 들어, 아직 변화가 없습니다. 중국은 정부가 중앙집권적이기 때문에 이런 변화를 밀어붙일 수 있습니다. 하지만 미국에서는 실제로 그렇게 되더라도 수년이 걸릴 수 있고, 아예 일어나지 않을 수도 있습니다. 미국처럼 규제가 조각난 채로 존재하고, 선택적 솔루션이 혼재되어 있는 구조는 상황을 더 혼란스럽게 만듭니다.
어떻게 혼란스러워지느냐 하면, 기준이 하나로 통일되지 않기 때문입니다. 메르세데스는 전동식 리트랙터블 도어 핸들을 마치 무작위처럼 제공하는 것처럼 보입니다. 제가 앞에서 그런 핸들이 적용된 모델들을 일부 언급했지만, 마이바흐 GLS, GLS, EQB, GLA, GLB, GLC, GLE, G-클래스 SUV, C-클래스는 모두 수동식 핸들을 사용합니다. 더 문제는, 어떤 나라에서든 규제가 본격적으로 시작되기도 전에 이미 이런 혼란스러운 상황이 존재한다는 점입니다. 이런 상황에서 구조대원은 무엇을 해야 합니까? 측면 배지도 없고 전면 배지도 없는 상태에서 구조대원이 모든 모델을 어떻게 공부해야 합니까? 게다가 리튬이온 배터리를 쓰는 마일드 하이브리드 차량에는 특별한 식별 표시조차 없습니다.
다른 브랜드를 보면, 포드는 독특한 접근을 하고 있습니다. 포드는 미국에서 포드 머스탱 마하-E에 다시 수동식 핸들을 적용하겠다고 발표했습니다. 그렇다면 시야가 좋지 않거나 야간 상황에서 구조를 시작해야 하는 구조대원은 구조를 시작하기 전에 무엇을 알 수 있습니까? 그 차량이 전동식 핸들을 쓰는지, 수동식 핸들을 쓰는지 알 수 있겠습니까? 두 차량은 외관상으로 동일하며, 핸들에 대해 외부에 표시하는 배지도 없습니다. 미국에서 전동식 리트랙터블 도어 핸들을 사용하던 모델 가운데 수동식으로 다시 돌아간 사례는 이 모델 외에는 없습니다. 과연 누가 이 사실을 알고 있겠습니까? 이런 혼란은 모두에게 위험한 상황을 만듭니다.
그리고 독자들에게 두통을 줄 정도로 상황을 더 복잡하게 만드는 요소가 하나 더 있습니다. 볼보는 EX60에 세 번째 형태의 전동식 핸들을 도입하고 있는데, 측면 윈도우 옆에 ‘핀(fin)’ 형태로 구현되는 방식입니다. 또한 테슬라 사이버트럭은 핸들이 아예 없습니다. 전동식 팝아웃도 아니고, 수동식도 아닙니다. 차량이 키 카드를 인식하면 도어가 자동으로 열리며, 문이 ‘튀어나오듯’ 열리는 방식입니다.”

잘못된 처방: 커넥티비티가 ‘주의 분산’이 될 때

지금 정부 기관이나 신흥 기술 기업들은 이 문제를 두고 무엇에 초점을 맞추는 것처럼 보이나요?
William       지난주 한 정부 차량 기관이 ‘응급구조대 지원을 위한 신기술’ 행사를 열었다는 이야기를 보고 매우 기대했습니다. 그런데 내용을 읽다가 실제로 ‘소리 내어 웃었습니다.’ 왜냐고요? 소프트웨어, 클라우드 기반 솔루션, AI, 그리고 차량 정보를 중앙 스테이션으로 보내서 그들이 현장 도착 전에 상황을 이해할 수 있게 하는 방식, 즉 ‘커뮤니케이션’ 이야기였기 때문입니다.
제가 왜 웃었을까요? eCall, OnStar, BMW Connected 같은 시스템이 이미 그 역할을 하고 있기 때문입니다. 물론, 이 분야에 중요한 점진적 개선들이 있을 수 있습니다. 하지만 올해 무슨 일이 있었는지 보십시오. 메르세데스는 mbrace 서비스를 종료했습니다. 그 기능이 달려 있던 메르세데스 차들은 그 서비스를 잃었습니다. 이유는 무엇이었나요? 3G 네트워크가 종료(sunset)되었고 더 이상 지원되지 않았기 때문입니다. BMW도 같은 일을 했고, 다른 브랜드들도 지난 4년 정도 동안 비슷한 일을 해왔습니다. 어떤 경우에는 2021년식처럼 비교적 최근 모델조차 영향을 받았습니다.
우리는 4G, 5G, 6G를 거쳐 언젠가 8G까지 갈 겁니다. 시간이 흐르면 4G조차 계속 지원할 수 없습니다. 시스템이 너무 오래되고, 지원 비용이 너무 커지기 때문입니다. 따라서 차량에서 콜센터로 연결되는 ‘보장’은, 결코 영원히 보장되지 않습니다.
정말 안타까운 부분은, 그 행사 진행자와 참석자들이 모두 들떠 있었다는 점입니다. 그들은 “응급구조대를 위한 연결된 미래”에 흥분했고, 결론은 이랬습니다. “어떻게 될지는 모르지만, 흥미로운 여정이다!” 그런데 그들은 지난 몇 년간 실제로 벌어진 일만 봤어도 답을 알 수 있었을 겁니다. 다시 말하지만, 흥미롭습니다. 그러나 복잡한 문제에 대한 ‘유일한 해답’이 될 수는 없습니다.
이제 조금 더 풀어보지요. 만약 충돌 알림이 현장 정보를 전부 포함해(영상까지) 1밀리초 만에 콜센터로 전송되고, 콜센터가 그걸 1밀리초 만에 구조대에게 전송한다면, 무엇이 달라집니까? 네, 구조대가 더 많은 정보를 갖고 더 빠르게 접근할 수 있습니다. 좋아 보이지요. 그러나 차량은 소방서 마당에서 불이 붙은 게 아닙니다. 그리고 만약 그랬다 해도, 우리는 이미 ‘그냥 서 있던 상태에서 4초, 혹은 11초 만에 완전히 화염에 휩싸이는’ EV 화재를 봤습니다. 그런 사건에서 그 정보는 무슨 의미가 있습니까? 4초짜리 사건에는 사실상 무용지물입니다.
조금 덜 극적인 예를 들어보겠습니다. 도심에서 EV가 차량과 충돌했고, 네 명의 탑승자가 있습니다. 차량이 불타기 시작했는데, 전동 리트랙터블 핸들이 고장 나 문이 열리지 않습니다. 탑승자들은 내부 수동 해제 레버를 찾지 못했습니다. 실내는 배터리의 유독성 배출가스로 채워집니다. 그들은 질식하기까지 ‘기껏해야 몇 분’밖에 없습니다. 배출가스는 산소를 밀어냅니다. 이건 이론이 아니라, 계속 반복해서 발생하고 있는 현실입니다.
그렇다면, 데이터가 아무리 많아도 구조대가 1밀리초 만에 현장에 올 수는 없습니다. 장비를 착용하고, 소방차에 탑승하고, 현장으로 이동하고, 호흡기를 착용하고, 장비를 꺼내고, 호스를 전개하는 등 시간이 필요합니다.
여기서 잠깐 멈춰서 이해해야 합니다. 의도대로 작동하지 않는 전동 리트랙터블 핸들은 구조를 지연시키거나, 운전자·탑승자·구조대 모두에게 구조를 더 위험하게 만듭니다. EV는 매우 뜨겁게 탑니다. 대략 4,000~5,000°F 수준입니다. 그 온도에서는 구조대가 탑승자 구조를 위해 접근하는 것 자체가 불가능합니다. 차량 구조물을 절단해 탑승자를 꺼내는 장비도 그 상황에서는 쓸 수 없습니다. 미국에서 그 도구는 “죠스 오브 라이프(Jaws of Life)”라고 부르지만, EV가 완전히 화염에 휩싸인 상황에서는 무용지물입니다. 응급구조대는 그 온도에서 작업할 수 없고, 심지어 호흡기 페이스피스가 견딜 수 있는 온도는 약 375°F 수준이기 때문입니다. 그런 상황에서는, ‘데이터’는 정말로 아무 의미도 없을 수 있습니다.
답은 무엇일까요? 여러 시스템과 프로토콜, 그리고 이 문제를 총체적이고 포괄적으로 바라보는 새롭고 참신한 접근이 필요합니다. 데이터를 정교화하고 강화해, 구조대와 EMS가 처리할 수 있는 모든 관련 정보를 제공해야 합니다.

차량을 넘어: 공중보건의 반경

William       이제 시야를 바꿔봅시다. 이 EV가 곧 불탈 상황이라면, 주변에 있는 사람들은 아무런 보호장비 없이 유독성 배출가스에 노출될 수 있습니다. 그들은 그 지역을 즉시 대피해 최대한 멀리 떨어져야 한다는 사실조차 모를 겁니다. 콜센터나 클라우드 기반 정보는 그들을 위한 것이 아닙니다.
유독성 배출물은 수 마일(수 km)까지 이동할 수 있습니다. 우리는 모스 랜딩(Moss Landing) 배터리 화재에서 그것을 봤고, 데이터도 있습니다. 토양은 수 마일 떨어진 곳까지 오염되었습니다.
그렇다면 왜 주변 사람들이 가능한 빨리, 가능한 멀리 대피하는 것이 중요할까요? 승객이나 경찰, 혹은 호흡기를 착용하지 않은 구조대처럼, 그들도 심각하게 아플 수 있기 때문입니다. 더 불행한 현실은, 구조대 장비조차 완전한 보호를 제공하지 못한다는 점입니다. 우리는 흔히 “차가 불타도, 그 차 안에 있거나 바로 옆에 있지 않으면 괜찮다”고 생각합니다. 그렇다면 불타는 차량이 50피트(약 15m) 떨어져 있으면 안전한가요? 틱톡과 유튜브에 올라오는 영상들을 보십시오. 사람들은 아마 그보다 훨씬 더 가까이 다가가 있습니다.
저는 정말 자주 이런 질문을 받습니다. “EV가 불탈 때 안전거리는 얼마인가요?” 누가 알겠습니까? 바람의 방향과 속도, 연소에 관여한 셀의 수, 배터리 화학 조성(대부분의 현대 차량은 배터리가 세 개입니다), 그리고 플러그인 하이브리드인지 여부(연료가 탑재되어 사건을 악화하거나 장기화할 수 있습니다)까지 변수 투성이입니다.
제가 오늘 기준으로 생각하는 ‘최소’는 미식축구장 한 개 길이, 즉 약 330피트(약 100m)입니다. 다만 저는 아는 것이 많고 지나치게 조심스러운 편이라, 제 ‘편안한 거리’는 사실 축구장 네 개, 약 1,320피트(약 400m)입니다. 하지만 다시 말하지만, 이 생각은 ‘오늘의 생각’일 뿐입니다. 우리는 아직 이것을 충분히 이해하지 못합니다.
다시 도심의 EV 화재 상황으로 돌아가겠습니다. 배출물은 지면에서만 퍼지는 것이 아닙니다. 위로도 이동하며, 건물에도 영향을 줍니다. 약 300피트(약 90m) 상공까지 올라갈 수 있는데, 이는 대략 20~25층 높이입니다. 전혀 생각하지 못했던 역학이 생기지요. 지하철역이나 상점, 쇼핑몰, 식당 근처라면 어떨까요? 실내외의 음압·양압에 따라 독성물질이 어디로 흘러가는지도 달라집니다. 두 상황이 동일할 수 없습니다.
차와 트럭은 어디에나 있습니다. 지상·지하 주차장에 밀집해 있고, 쇼핑가 도로변에 주차돼 있고, 딜러십 전시장에도 있으며, 우리가 인도에 서 있을 때 바로 옆을 지나갑니다. EV를 소유하지 않았더라도, 우버를 타거나 친구 차를 탄 적이 있을 가능성이 높습니다. 그 차가 EV일 수도 있습니다. 차량을 소유했는지 여부와 무관하게, 모두가 영향을 받습니다. 이것은 운전자나 응급구조대만의 문제가 아니라 ‘공공의 문제’입니다.
그들을 위한 클라우드 기반 시스템은 개선돼야 하고, 차량 통신은 절대로 ‘선셋’되어서는 안 됩니다. 저는 오히려 통신 회사들이 과거에 온라인이었던 차량들, 대략 300만 대, 100개가 넘는 모델을 다시 온라인으로 되돌리는 방법을 찾았으면 합니다. 소프트웨어 업데이트도 없고 하드웨어 업데이트도 없습니다. 개선판을 만들기 전에, 우리가 과거에 갖고 있던 보호를 먼저 복원하는 데 집중해야 합니다. 제가 부정적인가요? 아닙니다. 현실적인 것입니다. 수백만 명의 운전자와 탑승자들은 자신들이 비용을 지불했고, 혹은 갖고 있다고 믿었던 보호를 이미 잃었습니다.
저는 차량-콜센터 통신, 구조대 강화 통신, 연결형 인프라, 공공 경보 고도화의 가치를 높게 평가합니다. 그것은 구조를 개선하고 중요한 정보를 전파할 수 있습니다. 저 역시 현재 및 신흥 분야에서 4건, 곧 5건이 될 특허를 보유하고 있습니다.
하지만 우리는 ‘클라우드에서 선택된 일부에게만’ 가는 정보가 아니라, 차량 자체에 차량의 상태와 유형을 알 수 있는 정보가 있어야 합니다. 차량 주변의 사람들은, 그 차량이 곧 화재로 이어질 수 있는지, 오프가스를 내뿜는지, 또는 다른 위험을 만들 수 있는지를 즉시 알아야 합니다. 우리는 중복(리던던시) 시스템이 필요하고, 가능한 모든 도구를 사용해 최대한 구체적인 정보를 최대한 빠르게 제공해야 합니다. 정보는 항상 더 나은 결과로 이어집니다.
이렇게 생각해보십시오. 학교나 병원에 화재가 나면, 리더십 팀과 구조대만 경보를 받는 게 아닙니다. 알람이 울리고, 대피가 이뤄지고, 스프링클러가 작동하며, 비상 계획이 가동됩니다.

당신이 하고 있는 작업과 그것이 응급구조대와 대중에게 어떤 도움을 줄 수 있는지 설명해주실 수 있을까요?
William       물론입니다. 저는 차량 사건을 무선으로 어떤 위치나 콜센터로 전송하는 특허를 보유하고 있고, 사용자 휴대폰·태블릿·스마트워치로도 알림을 보낼 수 있습니다. 주차장 관리 시스템에도 알림을 보내 “어떤 차량이 사건을 겪고 있거나, 사건이 임박했다”는 정보를 전달할 수 있습니다. 저는 센서, 네트워크, 디스플레이, 그리고 안전 분야에서 30년 경력을 가지고 있습니다.
제 작업은 인천 아파트 단지 화재에서도 분명 도움이 되었을 것입니다. EV가 결함을 감지했을 때 관리사무소에 더 빨리 경보를 보냈다면, 600대 차량이 연루되고 700가구가 대피하는 대형 사건으로 확산되지 않았을 수도 있습니다. ‘초’가 중요합니다. 그것이 사건을 ‘완전히 막았을까요?’ 그건 아닙니다. 절대 아닙니다.
제 차량 식별 특허의 핵심은, 정보가 있어야 할 곳에 정확히 있다는 점입니다. 즉, ‘차량 위’에 있습니다. 저는 사고 이후에도 비교적 온전할 가능성이 높은 위치에, 차량별 QR 또는 기계 판독 코드를 배치하는 특허를 보유하고 있습니다. 범퍼는 전후 충돌에서 손상되기 쉬우므로, 저는 B-필러나 샤크핀, 혹은 차량의 다른 가시적 부위에 적용되기를 바랍니다.
리던던시는 핵심이므로, 사건 이후 드러나도록 숨겨진 QR 코드가 여러 개 있을 수 있고, 어떤 것은 가시적으로 노출될 수도 있습니다. 예를 들어 실내 룸미러 위의 “선닷(sun dots)” 영역, 그릴 부근, 트렁크 리어 데크 리드 등에도 넣을 수 있습니다. 이 QR 코드는 구조대에게 필요한 핵심 정보를 제공합니다. 예를 들면 제조사·차종, 배터리 용량(EV라면), 배터리 개수, 고전압 차단 위치, 저전압 차단 위치, 충전 포트 위치, 배터리 타입, 배터리 크기, 그리고 내·외부 도어 핸들의 타입 등입니다. 우리는 이미 이 문제와 데이터가 있다는 것을 알기 때문에, 이것은 지금 매우 중요해졌습니다.
제 작업에는 ‘조명 기반 모스 부호’도 포함됩니다. 사건이 발생하면 차량이 스스로를 식별합니다. “나는 EV다”, “탑승자는 3명이다”, “나는 지금 충전 중이다”, “SOC는 85%다(이건 중요하다)”, “저전압 차단은 트렁크 매트 아래 우측 후방 코너에 있다”, “고전압 차단은 보닛 아래 전방 좌측 코너에 있다”, “배터리 온도는 400°F를 넘었다” 등등입니다.
이는 차량이 주변에 ‘말을 거는’ 동적 상태입니다. 주변 사람들은 그 정보를 바탕으로 진압과 구조 접근 방식을 결정할 수 있습니다. 대상은 이미 실패 모드에 들어갔으므로, 그 대상이 스스로를 식별하고 자신의 문제를 드러내는 것입니다.
순수하게 클라우드 접근만 취하면, 어두운 밤에 현장에 도착했을 때 그 차량이 무엇인지, 몇 명의 탑승자가 도움이 필요한지, EV인지 아닌지, 어떤 핸들을 갖고 있는지조차 모를 수 있습니다. 차량을 식별한 뒤 ERG(긴급 대응 가이드)를 다운로드하는 데에도 시간이 걸립니다. 제 작업은 그 정보를 차량 위에 둡니다. 빠르게 스캔하면, 곧바로 필요한 정보를 얻습니다.
즉, 태블릿을 들고 서 있거나 콜센터로부터 정보를 받는 대신, 차량이 직접 당신에게 “말을 걸게” 만드는 방식이 가장 효율적입니다. 그것은 완전한 어둠에서도 가능합니다. 또한 차량은 주변 모든 사람에게 “말을 걸” 수 있습니다. 사용되는 LED는 드론 라이트처럼 3마일(약 4.8km) 떨어진 곳에서도 보일 수 있습니다. 대중은 구급차나 경찰차가 접근할 때, 고유한 빛의 색과 패턴을 통해 상황을 인지합니다. 소리의 시그니처가 고유하듯, 빛도 그렇게 설계할 수 있습니다. 제 작업에는 음향 경보도 포함될 수 있습니다.
그리고 기억해야 합니다. 유독성 배터리 배출물 노출에는 진단도, 치료도, 완치도 없습니다. 우리는 장기 영향에 대한 데이터나 역사가 충분하지 않습니다. 다만 우리는 사건 이후 응급구조대의 심각한 건강 문제를 보고 있습니다. 시간이 지날수록 나아질까요, 악화될까요? 누구도 확신할 수 없습니다. 추적 가능한 소수의 사례가 보여주는 것은, 건강 상태가 악화되는 경향입니다.

리스크에서 채택으로: 안전 아이디어는 왜 멈추는가

그러면 이야기는 단순히 “위험이 무엇인지 확인했다”에서 끝나지 않습니다. 특히 전통적인 OEM 생태계 바깥에서 나오는 ‘너무 명확해 보이는’ 안전 아이디어가, 왜 이렇게 자주 채택되지 못하는 걸까요? 규제기관과 완성차 업계는 어떻게 반응해왔습니까?
William       좋게 말해줄 수 있으면 좋겠지만, 현실은 그렇지 않습니다. 제 작업을 잠시 빼고, 자동차 업계에서 ‘게임 체인저’가 될 만한 혁신 전반을 봅시다. 그런 혁신은 종종 ‘독립 발명가’에게서 나옵니다. 그런데 세상은 독립 발명가를 어떻게 봅니까? “괴짜이고, 수십억 달러와 명성을 원한다”고 봅니다. 사람들은 그 발명가가 무엇을 만들었는지, 왜 그것이 중요하다고 생각하는지, 어떻게 구현돼야 하는지 듣고 싶어할까요? 아니요. 그들은 자기 팀에게 제품을 만들게 합니다.
토요타 같은 일부 회사는 외부 제안을 아예 보지 않습니다. 어떤 회사들은 자기 네트워크 밖의 발명가에게 공격적으로 굴기도 합니다. 왜일까요? 마쓰다는 NPE(비실시기관), 이른바 “특허 트롤”에게 너무 여러 번 소송을 당했고, 거래하는 회사들에게 “특허를 NPE에 팔면 우리는 당신과 거래하지 않겠다”고 통보했습니다.
이걸 잘 생각해보십시오. 마쓰다는 어쩌면 정당하게 침해 소송을 당했습니다. 그런데 그 결과로 다른 회사들을 위협합니다. “당신이 가진 특허를 어떻게 처분할 수 있는지”까지 지시합니다. 만약 그 회사들이 자본을 조달하려고 일부 특허를 매각하려 했다면요? 올해 GM, 포드, 스텔란티스가 손실로 처리한 금액을 보십시오. 합계가 520억 달러를 넘습니다. 사용하지 않는 자산이나 가치 있는 자산을 팔고 싶어하는 게 왜 이상합니까? 왜 그들이 블랙리스트에 오르고 위협을 받아야 합니까?
만약 외부인이 가치 있고 유용한 특허를 갖고 있다면요? 그 사람이 사망하고, 상속인이 그 특허를 NPE에 팔면요? 그 특허는 갑자기 가치가 없어집니까? 생명을 구할 수 있어도 고려조차 하면 안 됩니까? 특허에는 감정도, 혈통도, 감성도 없습니다. 왕이 소유하든 상속되든, 특허의 가치는 더 크거나 더 작아지지 않습니다. 특허는 어떤 기술에 대한 소유권입니다. 중요한 특허를 얻는 것은 매우 어렵고, 특허는 부동산과 같습니다. 소유자는 라이선스할 수도, 매각할 수도, 원하는 대로 할 수 있습니다. 그 미래를 결정할 수 있는 사람은 오직 현재 소유자뿐입니다. 그리고 누가 소유하든, 침해는 침해입니다. 합법적 대가 없이 불법으로 사용되면 문제가 되는 것입니다.
지식재산의 세계는 지뢰밭입니다. 특히 독립 발명가에게는 더 그렇습니다. 저는 독립 발명가이고, 사람들이 제가 “P”라는 단어(특허)를 말하는 순간 자주 닫혀버리는 것을 봅니다. 왜일까요? “소송 위험 때문에 듣지도 못한다”고 생각하기 때문입니다. 터무니없는 일입니다. 전 세계에 공개되어 등록된 특허를 보는 게 왜 문제가 됩니까? 누구나 인터넷만 있으면 구글 특허에서 제 20건의 특허를 확인할 수 있습니다.
개선이나 새로운 아이디어에 닫혀 있으면, 회사와 고객, 그리고 사회 전체가 손해를 봅니다. 만약 안전벨트나 에어백이 외부인이 발명했거나 NPE가 보유했다면 어땠을까요? 자동차 안전 역사상 가장 중요한 두 발명품을 “그 출처” 때문에 쓰지 않는 게 더 낫습니까?
이번 주를 예로 들어보겠습니다. 정부의 클라우드 행사 주최자는, 글로벌 자동차 회사의 미국 안전 디렉터입니다. 그녀는 이전에 제 첫 특허 인터뷰에 ‘엄지 척’ 이모지를 보냈습니다. 읽었을까요? 절대 아니었습니다. 그 뒤 저는 링크드인 메시지로 제 작업 업데이트를 보냈습니다. 그녀는 “메시지가 너무 길다”고 답했습니다. 그래서 저는 네 문장짜리 메시지를 보냈습니다. 그러자 그녀는 저를 연결에서 제거했습니다.
이걸 분해해 봅시다. 전형적인 패턴입니다. 그녀는 자기 서클 밖의 누군가가 제시하는 새로운 진전에 관심이 없었습니다. 다른 사람들이 무엇을 하고 있고, 그것이 어떻게 도움이 될 수 있는지 탐색할 시간도, 호기심도 없었습니다. 그리고 제가 “P”라는 단어를 썼다는 사실만으로도 감당하기 어려웠던 겁니다. 우리는 이제 유튜브 영상 하나도 끝까지 보지 못하는 사회에 살고 있습니다. 그래서 유튜브 쇼츠와 15~60초짜리 틱톡이 인기인 것이지요.
결국 저는 그들에게 ‘문제’입니다. “P”라는 단어를 쓰는 외부인이고, 그들에게 읽고, 생각하고, 숙고하고, 더 나은 길에 열리라고 요구하기 때문입니다. 그러니 다윈 얘기를 해봅시다. 다윈이 자신의 연구를 한 문단으로 설명할 수 있었을까요? 저는 완성차 업체들이 세상에 “우리가 얼마나 대단한지”만 말하고 있다고 느낍니다. 그리고 더 나아질 기회를 놓치고 있는 현실이 참으로 슬픕니다.

무엇이 바뀌어야 하는가

자동차 산업에서 무엇이 바뀌어야 한다고 보십니까? 어떻게 더 나은 제품, 더 안전한 제품을 만들고, 고객과 구조대를 보호할 수 있을까요?
William       좋은 질문이고 당연히 할 말이 많습니다. 첫째, 구조대들과 함께 일할 의지가 있어야 합니다. 왜냐하면, 차량을 설계할 때 그들을 참여시키지 않으면서, 사고 현장에서 불가능한 구조와 극도로 어려운 구조를 해내라고 기대해서는 안 되기 때문입니다. 그들은 고객의 생명 안전을 결정합니다. 새로운 차량을 설계할 때, 그들을 참여시키십시오. 어떤 방식이 가장 구조하기 쉬운지 묻고, 고전압·저전압 차단의 표준화를 요구하게 하십시오. 그 조언을 받아들이십시오. 당신이 만드는 제품은 결국 그들이 다뤄야 합니다. 그러니 참여시키는 것이 모두에게 이익입니다. 그렇게 했다면 우리는 리트랙터블 전동 핸들 문제를 겪지 않았을 것입니다. 애초에 이런 일이 일어나지 않았을 것입니다.
둘째, 외부인에게 열려 있어야 합니다. 듣고, 참여시키고, 이해하십시오. 모든 게임 체인저 혁신이 당신 회사나 팀에서만 나오지는 않습니다. 때로 외부인이 더 독특한 관점, 더 명확한 이해, 혹은 안전·발명 분야에서 수십 년간의 경험을 갖고 있을 수 있으며, 그 자체로 가치가 있습니다. “모두가 우리를 소송할 것이다, 수십억을 요구할 것이다”라는 생각을 멈추고, 발명가들에 대한 장벽을 세우지 마십시오. 물론 NPE는 소송을 많이 제기하고, 때로는 그 권리가 매우 정당할 수 있습니다. 그리고 경험이 부족한 발명가들이 자기 특허 가치나 로열티에 대해 비현실적인 요구를 하기도 합니다. 그 점은 유념해야 합니다.
하지만 수십 년간, 지금 당신들이 겪고 있는 문제를 해결하려고 연구해 온 발명가들도 있습니다. 그들은 자신의 위치와 가치를 이해하고 있고, 공개적으로 공을 독차지하려 하지 않으며, 협업하길 원합니다. 그들은 혁신하는 것 자체에서 가장 큰 기쁨을 느끼고, 기업이 더 강하고 더 안전해지고 더 나아지도록 돕고 싶어합니다.
마지막으로, 아이디어에서 중요한 ‘광범위한’ 특허를 받기까지는 수년이 걸립니다. 당신은 자신이 발명하는 분야의 전문가가 되어야 합니다. 그 과정에서 특허청은 끊임없이 “왜 당신이 그 특허를 받으면 안 되는지”를 말합니다. 그것은 종종, 수천 페이지의 선행기술을 뒤져야 하는 지적 싸움입니다. 발명가의 지식을 활용하십시오. 발명가는 그 분야에 대해, 어쩌면 당신이나 당신 팀의 누구보다 더 많이 알고 있을 수도 있습니다.

William S. Lerner
WSL Consulting의 CEO이자 20건이 넘는 특허를 보유한 독립 발명가로서, 그는 EV·리튬이온·e-모빌리티 시대의 새롭게 부상하는 리스크를 평가한다. 이는 사고와 시스템 고장부터 위협과 파괴 행위, 테러에 이르기까지를 포함한다. 또한 1차 대응자, 법집행기관, 핵심 인프라를 보호하는 안전 기술과 대응 전략을 개발한다. 그는 FBI는 물론 DHS, 화재 조사 유닛, ARFF 팀, 주요 교통 인프라 기관과 협력해왔으며, 세계 최대 규모의 터널·항만·교량·주차 인프라(12만 면 이상)를 대상으로 리스크 평가를 수행해왔다. 그의 작업은 유독성 배터리 잔류물과 2차 오염 같은 새롭게 등장하는 위험을 이해관계자에게 경고하는 데 기여해왔다. 또한 Intermodal Renewables의 공동 창업자로서, 그는 태양광 및 재생에너지 기반의 인터모달 운송 기술과 특허를 라이선스해, 세계가 더 깨끗한 에너지로 전환하는 과정에서 미래의 육상·해상·항공·철도 시스템 최적화를 지원하고 있다.

비트센싱이 상용차 안전 공백을 메우는 법

한상민 기자_han@autoelectronics.co.kr — 2026-02-10 09:20:13+0900

비트센싱 이재은 대표 Jae-Eun Lee, CEO at bitsensing

상용차 안전은 ‘미래 기술’이라기보다는 ‘오늘의 현장’에 대한 것이다. 비트센싱의 ADAS Kit는 자율주행의 화려한 약속 대신, 기존 상용차에 남겨진 ‘레이다 공백’을 현실적인 경고 시스템으로 메우려 한다. 설치·보정·업데이트·데이터로 이어지는 검증의 루프와 물량을 모아 가격 구조를 바꾸겠다는 실행 모델이다. 결국 이 제품의 논리는 단순하다. 사고 한 건만 줄여줘도 상용차 시장은 움직인다.

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

상용차 사고는 통계로만 남지 않는다. 차체가 크고 제동거리가 길며, 사각지대는 구조적으로 넓다. 접촉사고 한 번으로도 수천만 원이 날아간다는 말이 과장이 아니다. 보험처리 여부를 고민하기도 전에 운송사는 다음 계약과 다음 요율을 먼저 계산한다. 그래서 많은 사고가 ‘사고’로 남기기보다는 비용으로 정리된다. 한 번의 실수는 현장에서 곧바로 손익계산서로 번역된다.
그런데 이 거대한 산업 장비에 아직 레이다가 없는 차량이 많다. 최근 신차(특히 중·대형 상용차)를 둘러싼 AEBS 등 안전 규제 흐름은 강화되고 있지만, 도로 위를 달리는 대부분의 기존 상용차는 여전히 카메라 모니터 수준에 머문다. 사각지대와 저속 혼잡 구간, 보행자 접근 위험은 운전자의 경험과 감각에 더 많이 의존한다. 이것은 기술의 문제가 아니라 시장에 남겨진 공백이다. 비트센싱이 상용차용 애프터마켓 통합 ADAS 솔루션 ‘ADAS Kit’를 꺼내 든 이유는 그 공백을 ‘오늘’의 언어로 메우기 위해서다.

사고 한 건만 줄여줘도 된다

“상용차는 워낙 크고 비싸잖아요. 조그만 접촉 사고가 나도 수천만 원이 깨진다고 하더라고요. 그런데 또 보험 처리를 잘 안 합니다. 요율이 올라가면 사업이 힘들어지니까요.”
비트센싱의 이재은 대표는 제품을 설명하면서 ‘기술’보다 먼저 ‘현장’ 이야기를 꺼냈다. 상용차 사고가 단순한 안전 이슈가 아니라, 운송사의 운영과 계약, 요율까지 연결된 사업 리스크라는 점을 알고 있기 때문이다.
“그래서 저희는 이 키트가 사고를 한 건만 줄여줘도 그 비용은 충분히 커버한다고 봤습니다.”
ADAS Kit는 기존 상용차를 대상으로 하는 애프터마켓 통합 ADAS 솔루션이다. 차량 플랫폼을 바꾸지 않고 적용할 수 있도록 설계됐고, 레이다와 카메라를 결합한 센서 융합으로 전방 충돌 경고(FCW), 후방 충돌 경고(RCW), 사각지대 정보 시스템(BSIS)을 중심으로 운전자에게 실시간 경고를 제공한다. 여기에 서라운드 뷰 모니터링(SVM), 전방 차량 출발 알림(FVSA), 출발 알림 시스템(MOIS)까지 하나의 시스템으로 묶었다.
이 솔루션이 지향하는 것은 ‘자율주행’이 아니라 운전자의 인지다. 상용차에선 그 차이가 더 크다. 승용차 ADAS가 때때로 ‘차가 알아서 한다’는 기대를 낳는다면, 대형 차체를 다루는 상용차 운전자는 결국 마지막 순간의 판단을 스스로 내려야 한다. 그렇기 때문에 상용차에서 가장 먼저 필요한 것은 ‘제어’가 아니라 ‘경고’다. 위험이 다가온다는 정보를 제때 받으면, 그 다음 행동은 현장에서 훈련된 경험과 습관으로 이어진다.
비트센싱이 ADAS Kit를 ‘경고 중심’으로 설계한 이유가 거기 있다. 사고를 막는 기술이라기보다, 사고가 날 수밖에 없는 상황을 운전자가 미리 알아차리게 하는 기술이다. 도로 위의 시간을 다시 설계하는 방식이다.

ADAS Kit

상용차에 왜 레이다가 없나

상용차 시장은 늘 ‘애매한 영역’에 놓여 있었다. 차 한 대 가격은 비싸지만, 승용차만큼 물량은 나오지 않는다. 차종은 다양하고 운행 환경은 더 거칠다. 결과적으로 대형 티어 1에게 ‘매력적인 규모’로 보이기 어려운 시장이다. 그래서 기존 상용차의 현실은, 카메라 기반 모니터링은 있지만, 레이다 기반의 운전자 경고 시스템은 드물다. 해외를 봐도 상황은 크게 다르지 않다. 미국 역시 마찬가지다.
“해외 출장을 다녀봐도 미국도 비슷합니다. 기존 차들은 그냥 카메라 모니터 정도예요. 레이다를 가지고 애프터마켓으로 제대로 된 제품을 내놓는 데가 거의 없습니다.”
여기서 중요한 점은 ‘기술이 없어서’가 아니라 ‘제품이 없어서’라는 것이다. 상용차 운행 환경은 센서를 달고 끝나지 않는다. 설치, 보정, 유지보수, 운전자 인터페이스, 현장 피드백, 그리고 업데이트가 함께 돌아가야 한다. 이 고리를 끊김 없이 이어 붙이는 회사가 많지 않다. ADAS Kit는 그 공백으로 들어가려는 시도다.

이미징 레이다를 쓰지 않은 이유

비트센싱이 ADAS Kit를 한다면 다소 의외일 수 있다. 국내는 물론 글로벌 시장에서도 이름을 알린 4D 이미징 레이다 스타트업이기 때문이다. 그러나 ADAS Kit에는 4D 이미징 레이다가 들어가지 않는다.
“이미징 레이다는 이 용도로는 너무 하이엔드입니다. 기존 상용차에는 레이다 자체가 없어요. 컴팩트한 레이다로 경고만 제대로 줘도 통계적으로 30% 이상의 사고 감소를 가져올 수 있습니다.”
이 말은 ‘성능을 낮췄다’가 아니라, 문제를 다시 정의했다는 뜻이다. 비트센싱이 보는 상용차의 문제는 ‘포인트 클라우드를 얼마나 촘촘히 찍느냐’가 아니라, 도로 위에 남아 있는 안전 공백을 얼마나 빨리 메우느냐의 문제다. 지금은 경고의 단계이고, 다음은 인지이며, 그 다음이 자율이다. ADAS Kit는 기술의 ‘종착점’을 낮춘 것이 아니라, 기술의 진입로를 하나 추가한 것이다.

‘끝물 칩’이 아닌 최신 레이다

상용차 시장에는 또 하나의 관행이 있다. 승용차에서 한 사이클을 마친 반도체와 센서가 상용차로 내려온다. ‘상용차는 느리다’는 말은 종종 기술의 세대교체가 늦다는 의미로도 쓰인다.
비트센싱은 이 공식을 따르지 않았다. ADAS Kit에 적용된 레이다는 최신 승용차용 신규 칩셋 기반 코너 레이다다. 기존 코너 레이다가 약 160m 수준의 감지 거리를 제공했다면, 이 레이다는 동일한 폼팩터에서 약 240m까지 감지한다. 사실상 기존 롱레인지 레이다 영역에 근접한 성능이다.
“상용차라고 해서 구닥다리 기술을 써야 할 이유는 없다고 봤습니다. 승용차에 들어가는 수준의 기술을 어포더블한 가격으로 제공하는 게 목표였습니다.” 이 대표가 말했다.
시스템은 NXP STRX 칩셋 기반의 전방 및 코너 레이다, 카메라 시스템, 통합 컨트롤러, 운전자 디스플레이로 구성된다. 구성 예로는 레이다 3개(전방 1 + 사이드 2, 옵션으로 후방 추가 가능), 버스 기준 카메라 4개와 SVM 등이 제시됐다. 카메라 파트너사는 아직 비공개가 원칙이다.

비트센싱 이재은 대표와 코리아와이드 그룹 이상훈 대표.

실도로에서 시작된 검증, ‘물량’으로 넘어가는 전략

ADAS Kit는 이미 도로 위를 달리고 있다. 비트센싱은 2025년 11월 국내 대형 운송 전문 기업 코리아와이드 그룹과 협력해 시범 도입을 시작했다. 이후 실도로 운행을 통해 성능을 검증했으며, 총 500대 이상 공급 계약을 체결하고 본격 적용에 들어갔다. 현재 동대구 - 인천공항 노선을 중심으로 고속버스에 설치·운행 중이고, 향후 그룹 산하 주요 노선으로 적용 범위를 순차 확대할 예정이다.
가격은 레이다 3개, 카메라 4개 기준으로 약 300만~500만 원대. 다만 애프터마켓 특성상 장착 공임의 비중이 크다. 센서 구성을 가격대에 맞춰 설계하더라도, 실제 확산의 병목은 설치 품질과 유지보수 네트워크에서 생긴다. 그래서 비트센싱은 대규모 운송사부터 시작해 공임을 낮출 수 있는 구조로 접근한다. “많이 달수록 싸진다”는 단순한 규모의 논리가 아니라, 많이 달 수 있는 현장 구조부터 만들어야 규모가 가격으로 이어진다는 계산이다.
이 장면은 단순한 레퍼런스 확보가 아니다. 이 대표가 말하는 비트센싱의 다음 비즈니스 모델, 티어 1이 관심을 두지 않는 시장을 직접 공략해 물량을 모으고, 그 물량으로 가격 구조를 바꾸는 방식이 실제로 작동하기 시작한 첫 무대에 가깝다.
“이 사람들이 5,000대, 1만 대밖에 가지고 있지 않아도 저희가 물량을 모으면 10만 대 가격으로 받을 수 있게 해줄 수 있습니다. 비트센싱은 가볍고 빠르잖아요.”

티어 1이 하지 않는 일, 스타트업이 하는 일

ADAS Kit가 성립하는 또 하나의 이유는 지원 방식에 있다. 상용차는 차종마다 다르고 국가마다 다르다. 커스터마이제이션이 필수다. 하지만 대형 티어 1은 물량이 적은 시장에 적극적으로 대응하지 않는다. 스펙은 정해져 있고 바꾸기 어렵다.
“큰 회사들은 스펙에 맞춰 주고 끝입니다. 바꿔주는 게 전혀 없습니다. 저희는 스타트업이니까 검토해서 빨리할 수 있는 건 바로바로 해줍니다.”
여기에서 비트센싱이 말하는 경쟁력은 센서 하나의 성능이 아니라 현장 대응 속도다. 상용차는 같은 모델이라도 노선, 장착 위치, 운전자 습관에 따라 경고의 체감이 달라진다. 경고가 너무 잦으면 운전자는 시스템을 꺼버리고, 경고가 늦으면 사고를 막지 못한다. 이 미세한 균형은 현장 피드백과 업데이트로 완성된다.
“상용차의 기본 옵션으로 들어가는 일부 AEB가 고스트 브레이킹 등 품질 이슈로 운전자가 꺼놓는 경우가 있습니다. 의무 장착으로 달렸지만 ‘쓸 수 없게 되는’ 상황이 발생한 것이죠.”
그래서 상용차 고객이 원하는 것은 더 많은 기능이 아니라, 꺼놓지 않아도 되는 안정적인 경고다. ADAS Kit는 그 지점을 향한다.

규정은 ‘스펙’이 아니라 ‘시장 진입로’

비트센싱은 ADAS Kit가 UNECE R151(사각지대 정보 시스템)과 R159(출발 알림 시스템)의 요구사항을 충족한다고 설명한다. 하지만 이것은 단순한 규제 체크리스트가 아니다. 상용차 안전 규정은 ‘신차’에 머물지 않고, ‘운행’과 ‘운영 데이터’로 확장된다. 운송사는 사고 리스크를 줄여야 하고 보험사는 데이터를 원한다. 규정 준수는 결국 시장 진입의 언어가 된다. 특히 유럽 규정 흐름은 ‘있으면 좋은 기능’을 ‘없으면 곤란한 기능’으로 바꾸는 힘을 갖는다.
이 대표가 보험사와의 연계를 언급한 것도 같은 맥락이다. 한국은 일부 ADAS 장착 시 보험료 할인 체계가 존재하지만, 해외는 그렇지 않은 경우가 많다. 그래서 상용차 ADAS는 기술만으로 확산되지 않는다. 규정, 보험, 운영 데이터가 함께 움직여야 한다.
“올해부터 본격적으로 돌리면 데이터가 쌓일 것이고, 기존 사고 통계 대비 변화를 보면서 고객을 설득할 수 있을 것입니다.”
경고는 운전자의 감각을 바꾸고, 그 변화는 숫자로 환산된다. 상용차 시장에서 숫자는 설득의 언어가 된다.

과거에서 현재로: ‘레이다 시스템 회사’의 선택

2023년 AEM과의 첫 인터뷰에서 비트센싱의 이 대표는 스스로를 “이미징 레이다 칩셋 회사와 경쟁하는 곳이 아니라, 레이다 시스템을 설계하는 회사”라고 정의한 바 있다. 당시 이 대표는 레이다가 양산으로 연결되지 못하는 이유를 ‘필드 이슈를 풀지 못하기 때문’이라고 설명했다. 나뭇가지, 터널, 사막 주행, 간섭, EOL 수율, 보정. 현실의 변수를 통과해야 비로소 제품이 된다.
ADAS Kit는 그 철학이 가장 현실적인 방식으로 내려온 형태다. 상용차의 도로는 연구실이 아니며, 애프터마켓은 더 거칠다. 그래서 ‘처음부터 끝까지 연결해 본 회사’가 유리해진다. 화려한 기술의 집합이라기보다, 기술을 잘 아는 회사가 어디에 쓰지 말아야 할지를 결정한 결과물에 가깝다.
다시 사고 한 건으로 돌아오면, 논리는 더 선명하다. 상용차에는 아직 레이다가 없는 차량이 많다. 비트센싱은 그 공백을 먼저 메우기로 했다. 그리고 그 선택을 정당화하기 위해 필요한 것은 거대한 미래가 아니라, 한 번의 사고를 줄이는 오늘의 데이터다. 사고 한 건이면 충분했다. 상용차 시장은 그렇게 움직이기 시작한다.

Designing Safety and Trust in the SDV Era

한상민 기자_han@autoelectronics.co.kr — 2026-02-09 16:21:35+0900

토요타의 SDV 시대 안전과 신뢰 설계법

한상민 기자_han@autoelectronics.co.kr — 2026-02-09 16:04:57+0900

토요타는 SDV를 ‘업데이트 가능한 차’가 아니라 ‘업데이트 이후에도 안전이 흔들리지 않는 차’로 다시 정의한다. Automotive World 2026에서 토요타의 이노우에 사장이 안전의 경계를 차 밖(사람·인프라·사회 시스템)으로 확장했다면, 우븐의 캄포 부사장은 그 안전을 소프트웨어로 증명하는 ‘검증의 운영 방식’을 제시했다. 유이마루·THUMS·GAIA는 안전을 의도나 구호가 아니라 데이터 - 개입 - 검증의 루프로 굴리는 실행 체력의 상징이다. SDV 시대의 신뢰는 멋진 기능이 아니라, 내일 아침에도 ‘어머니의 차’처럼 아무 일 없었다는 듯 움직이도록 만드는 검증 가능한 안전에서 출발한다.

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

자동차는 클라우드와 끊임없이 연결되는 ‘거대한 컴퓨터’가 됐다. 업데이트와 서비스가 일상이 되면서 복잡성은 커졌지만, 사용자가 기대하는 한 가지는 변하지 않는다. 어제처럼 오늘도 아무 문제 없이 시동이 걸리는 것. 그 ‘당연함’이 흔들리는 순간, 신뢰는 앱이나 기능이 아니라 차 자체에서 무너진다.
SDV 시대에도 이 ‘당연함’을 지켜야 하는 이유는 단지 편의나 브랜드 경험이 아니다. SDV의 1원칙은 안전이기 때문이다. 소프트웨어가 차량 경험을 수명 전체에 걸쳐 형성하는 존재가 된 순간, 안전은 더 이상 옵션 목록이나 특정 기능의 성능이 아니다. 안전은 시스템 전체가 매일 유지해야 하는 기본 상태, 기준선이 된다. 업데이트가 반복될수록 복잡성이 늘어나는 SDV에서 “그냥 괜찮겠지”라는 믿음은 안전을 담보하지 못한다. 결국 SDV는 속도를 겨루기 전에, 변화가 계속 일어나도 안전이 무너지지 않는 방식으로 진화할 수 있는가를 먼저 증명해야 한다.
도쿄 빅사이트에서 열린 Automotive World 2026에서 토요타의 두 인물, 토요타 선진기술개발 컴퍼니(Advanced R&D and Engineering Company)의 이노우에 히로후미(Inoue Hirofumi) 사장과 우븐(Woven by Toyota)의 장 프랑수아 캄포(Jean-Francois Compeau) 부사장은 같은 이야기를 서로 다른 층위에서 다뤘다. 이노우에가 SDV에서 무엇이 최우선인지, 즉 ‘안전’의 정의를 차 바깥으로 확장했다면, 캄포는 그 안전을 소프트웨어로 ‘증명’하는 방법을 꺼냈다. 두 사람의 언어는 달라도 결론은 하나다. SDV는 ‘업데이트 가능한 차’가 아니라, 업데이트 이후에도 안전이 흔들리지 않는 차여야 한다.
그리고 이 둘을 연결하는 키워드는 ‘검증’이다. 토요타가 사고 제로를 사회 시스템의 결과로 재정의하는 순간, 그 시스템을 유지·개선하는 방식도 믿음이 아니라 검증이어야 한다. 우븐이 개발하는 Arene은 바로 그 전제 위에서 업데이트가 반복될수록 불안이 커지는 구조가 아니라 안전과 신뢰가 축적되는 구조를 만들려는 시도다. 내일 아침에도 어머니의 차가 어제처럼 켜지도록 하기 위한 토요타의 설계도는, 결국 ‘안전이 최우선’이란 원칙에서 출발해 “검증 가능한 시스템”이라는 구현 방식으로 이어진다.

어머니의 차가 깨지는 순간

“저희 어머니는 17년 된 일본 차를 운전하지만 소프트웨어가 있다는 사실도 모릅니다. 그녀에게 중요한 것은 밤새 무엇이 일어나든 아침에 시동이 걸리느냐입니다.”
캄포 부사장은 ‘어머니의 차’로 강연을 열었다. 고객이 SDV 시대에 바라는 것은 새로운 기능보다 먼저, 기본 동작의 연속성이다. 하지만 이 이야기는 감성적 훅에서 멈추지 않는다. SDV에서 기본 동작이 무너지는 순간 그것은 단순 불만이 아니라 안전의 균열로 이어질 수 있기 때문이다. 그리고 그 균열은 소프트웨어의 문제를 넘어 “차는 믿을 수 있는가”라는 근본 질문을 던진다.
그는 PC가 발표 직전에 멈춰 공포를 느꼈던 경험을 꺼내며 ‘고객 경험’이 본질적으로 감정의 문제라고 말했다. 불편은 불만이 되지만, 공포는 신뢰를 무너뜨린다. 신뢰가 향하는 대상은 서비스가 아니라 ‘차 자체’다. SDV에서 이 감정은 더 예민해진다. 연결이 상시화되면서 시스템 바깥의 변수, 클라우드 장애, 네트워크 불안정, 공급망 업데이트, 예측 불가능한 상호작용이 차량의 동작과 연결되기 때문이다.
“우리는 더 이상 ‘차를 만들고, 검증하고, 그 다음엔 그냥 괜찮다고 믿어버리는’ 방식으로 계속 갈 수 없습니다.”
캄포가 말한 핵심은 업데이트 가능성 자체가 아니라, 업데이트가 반복될수록 더 안전해지는 신뢰의 체력이다. 검증은 뒤에서 한 번에 하는 이벤트가 아니라, 앞에서부터 반복돼야 한다. SDV의 경쟁은 ‘기능 추가 속도’가 아니라, 기능이 추가될수록 안전이 확인되는 방식을 갖고 있느냐로 갈린다.

토요타 SDV가 말하는 ‘안전’의 정의와 그 뿌리

이노우에 히로후미 사장이 말한 ‘안전’은 기능 목록이 아니다. 에어백, 제동, 차체 강성 같은 항목을 더하는 방식만으로는 SDV 시대의 복잡성을 다 설명할 수 없다. 토요타가 끌어올린 정의는 명확하다.
“사고 제로는 차의 성능만으로 달성할 수 없다.”
안전은 차량 내부에서 끝나지 않는다. 사람·인프라·차량이 협조하는 구조에서 만들어지는 결과다. 그리고 이 관점은 SDV에서 더 직접적 의미를 갖는다. 소프트웨어가 차량의 행동을 바꾸고, 업데이트가 그 행동을 반복적으로 수정하는 시대에는 안전이 ‘제품의 속성’이 아니라 시스템이 유지해야 하는 상태가 되기 때문이다. 안전을 전제로 삼는다면, 안전은 차 안에 갇혀 있을 수 없고 시스템의 경계 전체로 확장될 수밖에 없다.
이런 SDV의 정의는 갑자기 튀어나온 표어가 아니다. 토요타가 스스로를 설명해 온 언어의 연장선에 있다. 이노우에 사장은 토요타의 역사를 ‘누군가를 위한 마음’에서 시작한다고 정리했다. 도요다 사키치가 밤늦게까지 베틀을 돌리던 어머니를 위해 자동직기를 발명했고, 기이치로는 관동대지진 이후 트럭이 사회를 움직이는 장면을 보며 ‘모두가 탈 수 있는 대중차’를 꿈꿨다. 이 이야기는 미담이 아니라 기술은 사람을 돕는 도구여야 한다는 방향성이다. 그래서 그가 말하는 미션은 ‘행복을 양산하는 것’. 안전은 그 약속을 지키기 위한 가장 기본 조건이 된다.
이 철학은 모빌리티의 정의로 이어진다. 이노우에 사장은 토요타가 자동차 회사에서 ‘모빌리티 컴퍼니’로 이동한다고 말하며, 그 변화를 모빌리티 1.0~3.0으로 설명했다. 1.0은 이동을 편리하게 만드는 단계, 2.0은 이동이 제한된 사람들에게 새로운 수단을 제공해 커뮤니티의 활력을 넓히는 단계다. 그리고 3.0에서 토요타는 사회 시스템과의 융합을 말한다. 에너지·도시·물류·교통이 따로 노는 세계가 아니라, 서로 연결된 구조 속에서 안전과 효율을 함께 설계해야 한다는 관점이다. 토요타가 ‘Woven City’에서 자율주행과 수소 공급 체계를 실험하고, 도시 규모의 모빌리티를 검증하는 것도 이 연장선에 있다.
“사고 제로는 차의 성능만으로 달성할 수 없습니다. 인프라와 사람, 차량이 협조해야 합니다.”
교차로에 센서를 설치해 보이지 않는 차량을 감지하고, AI 에이전트가 맞은편 차량뿐 아니라 횡단보도까지 조심하라고 먼저 조언한다. 핵심은 사고가 난 뒤의 대응이 아니라, 사고가 일어나기 전에 위험을 감지하고 사람의 행동을 자연스럽게 유도하는 구조다. 교통사고를 자동차의 문제로만 보지 않고 도시·인프라·사람의 행동까지 포함한 설계 문제로 다시 놓는 시선이다. 안전은 이렇게 차 밖으로 확장되며, 결과적으로 ‘예측 가능한 시스템’이 된다.

오키나와 ‘유이마루 프로젝트’. 운전 행동을 ‘지켜보고→개입→검증’해 사고·위험행동·연료 소비 개선 효과를 확인한 토요타의 실증 결과.

유이마루 프로젝트
데이터로 위험을 찾아내고, 행동을 바꾸다

이노우에 사장이 말한 시스템 안전을 구체적으로 구현한 사례가 유이마루 프로젝트다. 오키나와에서 진행된 이 프로젝트는 렌터카 이용자가 많은 관광지 특성을 고려해 차량 데이터와 경찰 사고 데이터를 통합 분석했다. 토요타 커넥티드카로부터 수집한 운전 패턴을 바탕으로 급제동·급가속, 차선이탈 등의 정보를 지도화하고, 경찰의 사고 정보와 겹치는 ‘위험 지점’을 찾아냈다. 신호가 없는 교차로나 좌회전 프리 구간처럼 구조적 위험이 잠복한 곳들이었다.
차량 텔레매틱스와 스마트폰 앱 ‘유이마루’는 관광객에게 해당 구간 진입 전 “곧 급커브입니다. 속도를 줄이고 전방을 주시하세요” 같은 알림을 띄운다. 위험을 사후에 기록하는 것이 아니라, 위험에 들어가기 전에 행동을 바꾸는 방식이다.
실증 결과는 숫자로 남았다. 좌회전 프리 구간의 추돌 사고는 70% 이상 줄었다. 오키나와 정부와 협력해 러버 폴과 도로 표지로 시선을 유도하는 작은 개입이 결과를 만들었다. 이것은 토요타가 말하는 안전의 성격을 드러낸다. 데이터로 위험을 찾아내고, 개입하고, 다시 검증하는 루프가 작동할 때, 안전은 ‘좋은 의도’가 아니라 ‘측정가능한 결과’가 된다. SDV에서 안전을 지키는 힘은 결국 이 루프를 차량 안팎에서 계속 굴리는 데서 나온다.

자율주행 시대의 새로운 좌석 자세를 가정한 THUMS 시뮬레이션 - 리클라이닝 환경에서도 골반과 상체 거동을 제어하는 차세대 탑승자 보호 개념.

THUMS
안전 연구를 ‘열어’ 기본권으로 만들다

데이터 기반 프로젝트가 사회 안전을 겨냥한다면, 차 내부의 안전 연구는 인체를 대상으로 한다. 그 핵심이 THUMS(Total Human Model for Safety)다. THUMS는 충돌 시뮬레이션에 사용되는 가상 인체 모델로, 뼈·근육·장기 등 인체의 구조와 특성을 3~5mm 단위의 유한요소로 정밀하게 모델링했다. 크래시 더미가 센서로 충격값을 측정했다면, THUMS는 신체 내부의 손상을 가상으로 예측한다.
토요타는 2021년 THUMS를 무상 공개했다. 100개 이상 기업과 연구기관이 활용하고, 400명 이상의 사용자가 다운로드해 다양한 개발에 응용하고 있다. 나이·성별·체형이 다른 모델, 운전 자세와 휴식 자세 등 다양한 경우의 수를 지원하면서 실험 비용을 낮추고 안전장치 개발을 가속한다. 이 개방은 토요타가 안전을 ‘경쟁 우위’가 아니라 모두의 기본권으로 보는 태도를 드러낸다. SDV에서 안전을 전제로 둔다면, 안전은 폐쇄된 성능 경쟁이 아니라 산업 전체가 공유하며 개선하는 기반이어야 한다는 것이다.

GAIA
‘AI 도입’이 아니라, 시스템 안전을 굴리는 학습 체력

이노우에 사장이 말한 AI의 정의는 Artificial Intelligence가 아니라 Augmented Intelligence로 AI는 인간을 대신하는 것이 아니라 돕는 것, 판단과 상상력을 확장하는 것이다. 토요타는 그 철학을 조직 구조로 구현하려 하며, 그 장치로 GAIA(Global AI Accelerator)를 언급했다.
여기서 중요한 것은 GAIA의 이름이 아니라 역할이다. SDV에서 안전을 유지하려면, 위험을 발견하는 데이터와 연구 결과가 ‘어딘가에 쌓이는 것’만으로는 부족하다. 그것이 조직 전체로 확산돼야 하고, 다음 제품과 다음 업데이트에 반영돼야 한다. 안전은 ‘한 번 설계해 두면 끝’이 아니라, 변화가 반복되는 세계에서 매번 다시 유지되는 상태다. GAIA는 그 상태를 유지하기 위한 학습과 확산의 체력이다.

토요타의 SDV 개발 플랫폼 ‘Arene’.
요구사항 정의부터 개발·테스트·검증까지를 하나의 가상 차량과 데이터로 연결해 SDV 안전을 ‘기능’이 아닌 ‘검증 가능한 시스템’으로 다룬다.

‘검증’에 대한 우븐의 문제제기
Shift-Left, 그리고 Arene

캄포 부사장은 전통적 자동차 개발 패러다임이 SDV 시대에 무너진다고 지적했다. 그가 지적한 난점은 기술이 아니라 문화다. 모듈화·블랙박스·성숙한 프로세스가 “왜 바꿔야 하지?”라는 관성을 만들었고, SDV는 바로 그 관성을 정면으로 흔든다. 모듈화와 블랙박스 설계, 사전 검증만으로는 무수한 인터페이스와 업데이트를 감당할 수 없다. 전통적 V-모델을 “수많은 작은 V 모델들의 연속”으로 다시 봐야 한다. 늦은 통합과 늦은 검증은 낭비다. 그는 소프트웨어 통합 자체가 고객 가치가 아니라 ‘낭비’가 되는 순간이 왔다고까지 말했다. 블랙박스와 사일로, NDA로 막힌 정보 파편화가 남아 있는 한 Shift-Left는 구호로 끝난다는 경고다. 검증을 왼쪽으로 당겨 개발 초기부터 협업과 시험을 반복해야 한다.
그가 제시한 방향은 다섯 가지다. 블랙박스에서 화이트 박스로의 전환, 중앙집중식 아키텍처와 신호 관리, 기민하고 투명한 프로세스, 가상화와 에뮬레이션을 통한 조기 검증, 도구를 장기적 자산으로 인식하고 발전시키는 것.
이 원칙을 현실로 끌어내리는 플랫폼이 Arene이다. Arene SDK는 각 모델마다 새로 설계해야 했던 차량의 소프트웨어·하드웨어 의존성을 낮추고 재사용가능한 모듈을 제공한다. Arene Tools는 소프트웨어를 가상 환경에서 시각화·시험·검증·관리해 물리 프로토타입 의존도를 줄인다.
여기서 핵심은 ‘플랫폼을 만든다’는 것이 아니라, 안전을 증명하는 시간 축을 바꾼다는 데 있다. 안전이 최종 단계에서 확인되는 체크박스라면, SDV는 업데이트가 반복될수록 ‘검증의 구멍’이 커진다. 반대로 안전을 전제로 삼는다면, 안전은 개발 초기에 계속 증명돼야 한다. 그래서 Arene이 겨냥하는 것은 ‘소프트웨어 개발 도구’가 아니라 ‘검증 운영 방식’이다.
가령 업데이트 하나가 들어올 때마다 ‘괜찮겠지’가 아니라, 어떤 요구사항이 어떤 테스트로 커버되는지를 먼저 확인해야 한다. 특정 기능이 ‘1초 내 응답’이라는 요구를 갖는다면, 시뮬레이션과 테스트 케이스는 그 요구와 정확히 연결돼야 한다. 이 연결이 끊기면 SDV는 테스트를 통과하고도 안전에서 실패할 수 있다.
캄포가 말한 ‘진실의 원천’과 데이터 상관관계 문제는 바로 여기서 안전 문제로 전환된다. 요구사항-코드-테스트-결과가 끊기지 않는 구조, 그 구조를 일상적으로 돌리는 운영 체계가 있어야 업데이트 뒤에도 안전이 유지된다. 그리고 또 하나의 포인트는 가상화와 에뮬레이션이다. 하드웨어가 완전히 확정되기 전에 SoC나 ECU를 에뮬레이션해 실제 바이너리를 조기 실행할 수 있다면, 오류는 ‘나중’이 아니라 ‘먼저’ 드러난다. 검증을 당기는 이유는 속도를 위해서가 아니라, 안전의 불확실성을 일찍 줄이기 위해서다.

토요타 부스의 Domatics와 WAVEBASE 개념. ‘선별’과 ‘검증’을 데이터로 돌리는 운영 모델.
SDV 안전도 마찬가지로 요구사항·설계·공급망·운영에서 검증 데이터를 연결해 안전을 관리한다.

예측과 감정의 조화
‘자연스러운 개입’이 안전을 체감하게 한다

“화난 사람에게 ‘너 화났네’라고 말하면 더 화가 납니다. 대신 먼저 제안하고, 제어는 마지막 수단이어야 합니다.”
경고는 적절한 타이밍에, 제어권은 최후의 옵션으로. 예측가능한 시스템이 정서적 안도감을 만든다는 그의 말은 결국 처음으로 돌아간다. 안전은 센서와 알고리즘의 성능만이 아니라, 사람이 받아들이는 방식까지 포함한다. 불안이 쌓이면 시스템은 안전해도 사용자는 안전하다고 느끼지 못한다. 그리고 그 불일치는 결국 안전의 균열로 이어진다. 안전은 ‘무슨 일이 일어나도 예상 가능한 반응을 보이는가’라는 체감의 층위에서 완성된다.

차와 함께 늙어가며 신뢰를 잇는다

두 강연을 묶으면 이렇다. 토요타가 SDV의 기준선을 ‘안전’으로 다시 세웠다면, 우븐은 그 안전을 소프트웨어로 증명하는 방법을 꺼냈다. 이노우에 사장은 사고 제로를 위해 사람·인프라·차가 협조하는 예측 가능한 시스템을 그렸고, 캄포 부사장은 그 시스템을 만들어내기 위한 검증과 운영의 체력을 강조했다.
SDV 시대의 승부는 멋진 UI에만 있지 않다. 업데이트 이후에도 ‘어머니의 차’가 어제처럼 켜지도록 만드는 기본 동작의 연속성, 그리고 그 연속성을 안전으로 증명하는 검증·운영 체계에 달려 있다. 토요타가 하드웨어와 소프트웨어, 사회 인프라를 하나로 엮어 “사람과 함께 늙어가는 차”를 이야기하는 이유가 여기에 있다.
모든 이야기는 결국 같은 질문이었다. 내일 아침에도, 아무 일 없었다는 듯 시동이 걸릴 것인가, 그리고 그 ‘당연함’이 안전의 언어로 증명돼 있을 것인가.

캄포 부사장. 좌측은 Hashlist의 로버트 라우카스(Robert Laukas) CCO

“We’re Number One!” - Why VicOne Is Creating an ‘Automotive Security Arena

한상민 기자_han@autoelectronics.co.kr — 2026-02-03 15:10:14+0900

“우리가 넘버원!” VicOne이 ‘자동차 보안 경기장’을 만드는 이유

한상민 기자_han@autoelectronics.co.kr — 2026-02-03 15:00:45+0900

좌측부터 TrendAI ZDI 위협 인식 총괄 더스틴 차일즈(Dustin Childs), VicOne CEO 맥스 쳉(Max Cheng), TrendAI ZDI 위협 연구 부문 부사장 브라이언 고렌츠(Brian Gorenc). 2026년 Master of Pwn 수상자 Fuzzware.io.

차내 AI란 새로운 변수, SDV 규정·공급망·충전 인프라까지 확장된 공격 표면. 그리고 그 변화가 ‘취약점의 발견’이 아니라 ‘대응 체계의 속도’로 귀결되는 현실. 이를 Automotive World 2026에서 VicOne의 안내로 따라가 봤다. 이 안내는 단순 기술 설명이 아니라, 맥스 쳉 CEO가 던진 “우리가 넘버원”이란 선언의 근거를 확인하는 과정이었다.

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

“일본 메이저 OEM을 잡으셨군요?”
그들의 ‘넘버원’ 선언을 들은 뒤, 마지막 인사를 나누며 건넨 질문이었다. 명확한 답을 듣진 못했지만, 일본에서 ‘메이저 OEM’은 보수적인 검증과 조달 프로세스의 상징에 가깝다. 그 문턱을 넘었다는 것이 사실이라면, “넘버원”은 가벼운 허세로만 치부하긴 어렵다.
보안 리스크와 시장 변화, 기술 로드맵을 설명하는 내내 VicOne의 맥스 쳉(Max Cheng) CEO의 메시지는 흔들리지 않았다.
“VicOne은 설립된 지 3년 조금 넘었지만, 글로벌 자동차 사이버보안 솔루션 시장의 리더가 됐습니다!”
빈말이라면, 고객은 이미 등을 돌렸을 것이다. 자동차 보안은 ‘말’이 아니라 현장 적용과 반복가능한 실행 능력으로 판가름 나는 분야니까. 게다가 지금의 자동차는 단순한 ECU들의 집합이 아니다. 차 안에는 대화형 AI가 들어오고, 차 밖에는 충전 인프라가 연결되고, 공급망에는 수많은 서드파티 소프트웨어와 모델이 섞인다. 공격 표면은 넓어지고, 패치는 느리고, 책임은 복잡해지고 있다.
그의 자신감은 무엇이었을까. 더 정확한 질문은 이거다. 그게 ‘사실’이라면, 그 사실은 어디에서 증명되는가.
맥스는 성장을 ‘서비스 제공’만으로 설명하지 않았다. 규정과 고객 요구가 강화되는 흐름, 그리고 그 요구를 따라잡기 위한 솔루션 혁신을 근거로 들었다. 전년 대비 200% 이상 성장 같은 숫자도 언급했지만, 그는 숫자에 기대지 않았다. 취약점이 늘면 공격이 발생하고, 산업은 결국 ‘완화해야 한다’는 압력으로 움직인다는 현실을 먼저 짚었다. 이제 남는 건 하나다. 지금 자동차 보안이 무엇과 싸우고 있는지를 확인하는 일이다.

VicOne 하라 마사키 기술총괄이 Automotive World 2026 현장에서 ‘Physical AI 시대의 보안’ 관점을 설명하고 있다.

차는 ‘가장 먼저 대규모로 배치되는 Physical AI’

그 확인의 구조를 잡아 준 사람은 하라 마사키(Hara Masaki) 기술총괄이었다. 맥스가 “Physical AI”를 오늘의 키워드로 올려세운 뒤, 하라는 그 키워드가 자동차 보안 현장에서 무엇을 의미하는지 다섯 개의 트랙으로 정리했다.
다섯 가지는 ‘목차’가 아니라, 자동차 보안이 어디로 이동하는지, 그리고 왜 대응이 한 번의 패치가 아니라 지속적인 관리·증빙·반응 속도의 문제로 굳어지는지를 단계적으로 보여주는 좌표였다.
하라는 그 트랙 중 첫 번째로 차내 AI(In-Vehicle AI)를 꺼냈다. 생성형 AI가 차량에 들어오면 입력은 자연어·이미지·대화형 인터페이스로 열린다. 그 순간부터 전통적인 방식, 예컨대 특정 입력을 막거나, 단순 필터로 차단하는 수준만으로는 충분하지 않다. 하라 기술총괄이 던진 질문은 ‘에지에서 동작하는 에이전틱 AI를 어떻게 방어할 것인가’였다.
그리고 여기서 더 강하게 밀어붙인 쟁점은 공급망이었다. 모델이 여러 공급사에서 들어오고, 파인튜닝이 끼어드는 순간 질문은 ‘누가 책임지는가, 언제 수행되는가, 최종 산출물은 충분히 안전한가’로 바뀐다. 하라는 이를 “AI를 라이프사이클 관리 관점으로 다시 설계해야 한다”는 결론으로 묶었다. AI는 기능이 아니라 지속적으로 다뤄야 할 대상이 된다는 뜻이다.
여기서 아키노부 오다(Akinobu Oda) 지사장은 기술을 ‘제품화’하는 방향으로 논리를 밀어줬다. 오다는 차량 내 AI 보안이 결국 “무엇을 검사하고, 무엇을 통제하는가”로 수렴한다고 말했다.
“우리는 프롬프트를 먼저 체크해 ‘나쁜 프롬프트’인지 가려내고, AI가 생성한 출력도 다시 들여다봐서 사용자에게 전달해도 되는지 판단합니다.”
핵심은 ‘AI의 입력과 출력’이 새로운 공격면이 됐다는 점이다. 그리고 이 문제는 차내에서 끝나지 않는다. 차량 밖의 인프라, 그리고 다른 물리 시스템으로까지 같은 형태로 번져간다.
오다는 같은 발표에서 자동차와 로보틱스가 서로 반대 방향으로 확장되는 흐름을 언급했다. Tesla는 자동차에서 로보틱스로, Honda는 로보틱스에서 자동차로. 방향은 반대지만, 기술적 공통점이 많기 때문에 가능한 전개라는 진단이다. 그리고 그 접점은 ‘시장’보다 ‘규정’에서 먼저 열린다는 것이다. 규정의 흐름이 자동차에서 로보틱스로 “스며들고 넘쳐” 들어간다. 즉 자동차에서 먼저 요구되기 시작한 보안 설계, 취약점 공개, 업데이트 책임, 대응 증빙 같은 요구가 로봇에도 같은 방향으로 확장되고 있다는 의미다.

취약점은 “발견”보다 “남아 있는 시간”의 문제다

두 번째 트랙은 취약점과 규정/규제다. SDV로 가면 소프트웨어 구성요소 분석(SCA)이 전제가 되고, 취약점 정보의 식별·추적·공유는 상시적 요건이 된다. 하라 기술총괄은 리눅스 커널 취약점을 사례로 들며, 이런 위험이 서버 환경만의 이야기가 아니라 차량용 Automotive Grade Linux 같은 자동차 소프트웨어 스택에도 그대로 스며든다고 짚었다.
하지만 그의 초점은 ‘어디에 취약점이 있나’보다, ‘그 취약점이 얼마나 오래 남아 있나’에 더 가까웠다. 서버와 달리 차는 대응이 느리다. 패치는 늦고, 배포는 어렵고, 규정과 검증은 얽혀 있다. 그래서 그는 이렇게 말했다.
“서버 측 대응과 비교하면 차량 측은 더 오래 걸립니다. 따라서 그 취약점이 환경에 더 오랫동안 남아 있을 위험이 존재합니다.”
하라가 사용한 표현은 ‘보이지 않는 취약점(invisible vulnerabilities)’이었다. 제로데이도 있고, CVE가 부여돼도 세부가 공개되지 않은 채 ‘대기 상태’로 남아 있는 경우도 있다. 중요한 건 상세가 공개되는 순간의 반응 속도다. 공개가 된 뒤에야 움직이는 조직과 공개되는 즉시 완화·패치 계획을 굴릴 준비가 된 조직 사이에서 격차가 벌어진다. 결국 취약점 대응은 ‘지식’이 아니라 준비된 상태(state)로 굳어진다.
한편. 오다 지사장은 규정의 프레임을 꺼내 이 흐름을 더 넓게 봤다. 유럽을 중심으로 사이버보안·소프트웨어 업데이트 규정(예: UNECE R155/R156)이 산업의 기본 전제가 되고, AI 관련 규정 프레임까지 겹치기 시작하면 보안은 선택이 아니라 요건이 된다. 그리고 요건이 되는 순간, 경쟁은 “기술 보유”가 아니라 책임 배분·증빙·반응 속도로 갈린다.

VicOne이 소개한 ‘xPhinx’ 아키텍처. AI 에이전트 - LLM/VLM 사이에서 입력·출력을 검증하고, 위협 인텔리전스를 지속 업데이트한다.

EV 충전기는 ‘물리 사고’로 이어지는 인터페이스

세 번째 트랙은 EV 충전기다. 하라 기술총괄은 이 주제가 “작년에도 제기되었고 올해도 이어진다”고 말했다. 이유는 명확하다. 충전기는 네트워크에 붙어 있고 차량과 직접 연결되며, 침투가 허용되면 물리적 위험(과열→화재)으로 이어질 수 있다.
여기서 중요한 것은 표준을 준수하고 있어도 제로데이는 나온다는 사실이다. 즉 ‘컴플라이언스 = 안전’이라는 공식은 성립하지 않는다. 컴플라이언스는 출발선이고, 제로데이는 그 바깥에서 튀어나온다. 그리고 충전기가 공격 표면으로 편입되는 순간, 보안의 범위는 차량 내부를 넘어 차량이 접속하는 세계(충전 네트워크·백엔드·프로토콜 도구)까지 포함한 하나의 시스템으로 넓어진다.

랜섬웨어는 차가 아니라 ‘라인’을 멈춘다

네 번째 트랙은 랜섬웨어다. 하라 기술총괄은 이것이 ‘차량 자체 취약점’은 아닐 수 있지만, 자동차 회사를 겨냥하면 생산라인이 멈출 수 있다고 경고했다. 중요한 건 공격의 성격이다. 랜섬웨어는 ‘해킹 사건’이 아니라 생산 중단 리스크다. 따라서 산업의 주변부만 지키는 방식으로는 충분하지 않다. 공급망 전체를 포괄하는 방어 체계가 필요하다.
이는 특히 전통 OEM의 습성과 맞물린다. 전통 OEM의 보안은 종종 조직/기능별로 나뉘고, 책임이 분절되며, 결정 속도가 늦어진다. 그런데 랜섬웨어는 그 틈을 기다려주지 않는다. 공격은 기술보다 먼저 사업 연속성을 무너뜨린다.

오래된 공격은 여전히 ‘진입점’으로 남아 있다

다섯 번째는 차량 내 네트워크/프로토콜이다. CAN 인젝션, 하드코딩된 seed, 게스트 Wi-Fi를 통한 침투. 새로운 이야기가 아니란 말이 더 무섭다. 오래된 공격이 여전히 통한다는 것은 많은 시스템이 여전히 같은 방식으로 열려 있다는 뜻이기 때문이다.
하라 기술총괄이 이 파트를 정리하며 강조한 것은 두 가지다. 첫째는 차량 내부 ECU·도메인·게이트웨이까지 포함한 엔드포인트 탐지의 중요성이다. 둘째는 암호화 키의 통제·관리 권한이다. 특히 그는 진단/접근 인증에서 흔히 쓰이는 seed-key 메커니즘이 하드코딩되는 순간 그것이 공격자의 진입점이 될 수 있다. 기본기를 미뤄두면, 확장된 공격면은 더 손쉽게 열려버린다.

Pwn2Own Automotive:
취약점을 ‘산업의 학습’으로 바꾸는 경기장

맥스의 ‘넘버원’ 선언은 고객 리스트나 성장률만으로 유지되지 않는다. 그것이 산업에서 납득되려면, 취약점이 발견되고 공개되고 수정되는 과정, 즉 학습의 속도에서 그들이 어떤 역할을 수행하는지가 드러나야 한다.
여기서 상징적인 무대가 있다. Trend Micro의 Zero Day Initiative가 운영하는 Pwn2Own Automotive다. 이 행사는 차량, IVI, EV 충전기, 충전 프로토콜 도구, OS 등 ‘실제 타깃’을 대상으로 제로데이를 겨루는 공개 콘테스트로 매년 Automotive World에서도 개최되고 있다. 중요한 것은 “누가 뚫었는가”보다 “산업이 무엇을 학습했는가”다. 화이트해커는 취약점을 현실의 결과로 끌어내고, 프로그램은 그것을 책임 있는 공개(responsible disclosure)와 패치 준비 시간으로 연결한다. 그래서 자동차 보안은 보고서가 아니라 현장 검증이 된다.
흥미로운 건, 이런 ‘외부 검증’에 대한 태도에서 업체들의 성격도 갈린다는 점이다. “화이트해커가 OEM에게 얼마나 중요한가”란 질문이 나온 것도 같은 맥락이었다. 맥스는 세 그룹(테슬라·중국 OEM·전통 OEM)을 단순히 ‘순위’로 말하진 않았지만, 방향은 분명히 말했다. 어떤 그룹은 보안을 전략 가치로 보고 가능한 자원을 총동원해 선제적으로 움직이는 반면, 어떤 그룹은 규정 준수를 먼저 맞춘 뒤 문제가 드러나면 고치는 반응형으로 흐르기 쉽다. 차이는 기술의 유무라기보다는 조직의 속도와 책임 구조에서 갈린다.
Pwn2Own은 외부 해커의 쇼가 아니라, 업계가 스스로 공격을 초대해 공격면을 계측하고, 그 결과를 수정·개선의 루프로 되돌리는 장치다. 충전기까지 타깃이 된 것은, 보안의 무대가 차량 내부를 넘어 충전 네트워크·백엔드·프로토콜 생태계로 넓어졌다는 사실을 상징한다. (예: OCPP 관련 도구까지 타깃 범주로 들어오는 이유가 여기에 있다.)

아키노부 오다 지사장(좌)과 맥스 쳉 CEO --------3

VicOne은 넘버원인가

‘VicOne은 넘버원인가’란 질문은 결국 숫자 자랑이 아니다. 맥스가 말한 강점은 위협 인텔리전스의 깊이만이 아니라, 자동차·로보틱스처럼 리소스가 제한되고 수명이 긴 환경에서 가능한 경량 통합과 장기 지원의 약속이다. 그리고 그 약속은, ‘발견’과 ‘수정’ 사이의 간격을 줄여야 하는 시대에 더 가까워있다.
“우리가 넘버원입니다.”
이 문장이 진짜가 되려면 취약점이 늘어나는 속도를 인정하고, 그 속도만큼 빠르게 ‘발견→전달→수정’의 루프를 굴려내겠다는 책임이 필요하다. Automotive World 2026에서 VicOne이 보여준 것은 그 책임을 가능하게 만드는 방식, 그리고 그 방식을 산업이 함께 검증하도록 만드는 경기장 자체였다.

Geotab: Fleet Data That Will Change Next Year’s Budget

한상민 기자_han@autoelectronics.co.kr — 2026-02-02 16:16:30+0900

Geotab: 내년 예산을 바꾸는 ‘플릿 데이터’

한상민 기자_han@autoelectronics.co.kr — 2026-02-02 16:03:23+0900

이 기사의 주인공은 디바이스가 아니라 숫자다. “30%”는 안전을 비용 절감으로 바꾸고, “55%”는 지속가능성을 연료비 절약으로 바꾼다. 중요한 건 데이터를 모으는 게 아니라, 현장이 내일부터 행동을 바꿀 수 있게 해주는 것이다. Geotab이 보여준 것은 텔레매틱스나 플릿 매니지먼트 시스템이라는 ‘용어’가 아니라, 데이터를 운영으로 연결해 현장을 움직이는 의사결정 도구다.

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

“좋은 말은 보고서에서 끝난다. 숫자는 예산을 움직인다.”
남미의 한 보틀러(bottler, 병입·유통사)가 사고율을 30% 줄이고 그 결과 연간 보험료를 약 65만 달러 절감했다. 또 다른 기업은 15분 이상 아이들링 시간을 55% 줄여 연료비와 CO₂ 배출을 함께 낮췄다. 안전과 배출처럼 늘 추상적으로 들리는 것들이 손익계산서로 번역된다.
이는 텔레매틱스, 플릿 매니지먼트 시스템의 소개라기보다 경영 의사결정 도구다. Automotive World 2026에서 이 숫자를 만든 회사가 바로 Geotab이다. 한국, 일본 등 아시아 시장에도 본격 진출 중인 Geotab은 타카미치 타케우치(Takamichi Takeuchi) APAC 비즈니스 개발 리드를 통해 플랫폼·디바이스·AI 기능을 짧은 시간에 압축해 보여주며 ‘다음 날부터 바로 연결해 쓸 수 있는’ 현장성을 강조했다.

570만 대 데이터로 먹고 사는 회사

Geotab은 차량 데이터를 ‘수집→전송→시각화’에서 끝내지 않고, ‘분석→인사이트→현장 행동’까지 이어지게 만드는 회사다. 본사가 캐나다에 있는 Geotab은 이미 25년 이상 플릿 매니지먼트 시스템 사업을 해왔다. 접속(연결) 규모는 570만 대 이상이다. 특히 확장 측면에서 Verizon Connect(일부) 등 국제적인 상용 플릿 사업을 인수하며 범위를 넓혀왔다.
타카우치 리드는 내부 구성이 ‘엔지니어 중심’이라고 했는데, 이 대목은 ‘오픈 플랫폼’과 맞물린다. 즉, 단말을 파는 회사라기보다 데이터·소프트웨어로 확장하는 회사인 것이다.
그들의 기본 흐름은 전형적이면서도 운영 현실을 정확히 찌른다. 차량 OBD-II 포트에 Geotab GO 디바이스를 연결하고 내부 GPS/가속도 센서 등으로 주행·행동 데이터를 취득한다. 내장 LTE로 클라우드에 전송(통신비까지 포함된 형태)해 플랫폼에서 분석·대시보드·알림·리포트·API 연동까지 잇는다.
여기서 기술 자체보다 중요한 건 ‘내일부터 쓴다’는 메시지다. 현장 도입의 진짜 적은 ‘기술 난이도’가 아니라 ‘설치/통신/운영의 귀찮음’이기 때문이다. 그래서 Geotab은 ‘연결’을 프로젝트로 만들지 않는다. 구독만 걸면 다음 날부터 운영이 된다. 도입 마찰을 줄이는 만큼, 운영 비용과 예산 집행 속도가 달라진다.

Curve Logging과 고정 GPS 로깅 비교: 같은 주행이라도 의미 있는 변화점 중심으로 기록해 정확도를 유지하면서 데이터 전송량을 줄인다.

Geotab의 ‘한 방’:
Curve Logging이란 데이터 철학

가장 기술적인 부분은 ‘모든 데이터를 실시간으로 다 보내면 통신량이 폭증한다’는 문제에 대한 Geotab의 강점인 Curve Logging에 있다. GPS를 3초마다/5초마다 찍어서 올리면, 커브 구간에서 지도상 궤적이 도로를 벗어나 보이는 일이 생긴다. 하지만 Curve Logging은 ‘직선에서는 덜 보내고, 커브처럼 의미 있는 변화점에서는 촘촘히 보내는’ 방식이다. 즉, 대역폭을 태우는 방식이 아니라 ‘정확도에 필요한 지점만 고르게 보내는 방식’이다.
이게 중요한 이유는 텔레매틱스가 커질수록 병목은 ‘센서’가 아니라 ‘전송비/저장비/처리비’가 되는데, Curve Logging은 그 비용을 구조적으로 깎는 접근이기 때문이다. 빅데이터를 말하려면 먼저 데이터를 싸게 다루는 법부터 해결해야 한다는 것이다. 정확도를 유지한 채 데이터 단가를 낮추는 것, 그 자체가 손익 개선의 출발점이다.

‘오픈’이 주는 속도:
마켓플레이스·API·서드파티 결합

타케우치 리드는 Geotab을 단순히 “차량 데이터를 보여주는 시스템”이 아니라, 필요한 기능을 계속 덧붙여 확장할 수 있는 ‘오픈 플랫폼’으로 설명했다. Geotab은 차량에서 올라오는 데이터를 자기 플랫폼에만 가둬두지 않는다. 예를 들어 AI 카메라나 온·습도 센서처럼 현장에서 이미 쓰고 있는 서드파티 하드웨어를 붙여 같은 화면에서 함께 보이게 만들 수 있고, 보험 서비스나 주유카드, 각종 운영 솔루션 같은 서드파티 소프트웨어도 자연스럽게 연결할 수 있도록 열어두었다.
이때 다양한 연결을 가능하게 하는 중심 장치가 Marketplace다. Marketplace는 파트너들이 제공하는 하드웨어·소프트웨어를 한 플랫폼 위에서 조합할 수 있게 해주는 창구다. 그래서 고객은 Geotab만 단독으로 도입해 끝나는 것이 아니라, 업무 방식과 운영 과제에 맞춰 필요한 요소를 골라 붙여 ‘조합형 시스템’을 구성하게 된다. 또한 외부 클라우드나 기업 내부 DB와도 API로 연동이 가능해, Geotab을 하나의 제품이라기보다 자사 시스템의 일부로 끼워 넣고 조립하는 기반처럼 쓰게 한다.
타케우치는 “NDA 없이도 접근성이 높다”는 표현을 썼다. 즉, 개발자/엔지니어가 끼어들 공간이 크다는 뜻이다. 그래서 그들이 한국이나 일본 시장에 투자한다고 말하면, 단순한 영업 확대가 아니라 로컬 파트너·로컬 엔지니어·현장 실구현까지 포함하는 확장인 것이다. 조합과 변경이 빨라질수록, 운영 체계의 ‘변경 비용’이 줄어든다.

ChatGPT처럼 물어보면 답한다:
Geotab ACE의 방향성

현장 담당자가 원하는 건 ‘대시보드 예쁘게 만들기’가 아니라 ‘지금 필요한 질문에 대한 즉답’이다. 예를 들어, 지난달 아이들링이 가장 많았던 차량, 작년 대비 연비가 가장 나빠진 구간이나 차량, 사고 위험 점수가 급상승한 운전자와 같은 질문을 매번 그래프로 만들고 리포트를 뽑는 과정은 병목이 될 수 있다.
그래서 Geotab은 자연어로 질문하면 답을 주는 형태(일본에서는 이미 베타로 사용 가능)를 전면에 세웠다. “그래프를 만드는 노동을 줄이는 혁신”이다. 즉, 데이터 분석 비용의 핵심인 ‘사람 시간’을 줄여 의사결정 속도를 올리는 방식이다.

안전: 벌점이 아니라 ‘리워드’로 움직인다

안전 부문에서 강조한 건 안전 운전이란 추상적 구호가 아니라, 현장에서 실제로 행동이 바뀌게 만드는 설계다. 먼저 모니터링을 한다. 차량에서 올라오는 운행 데이터와 운전 패턴을 꾸준히 쌓아, “지금 우리 운전이 어떤 상태인지”를 데이터로 잡는다. 다음은 벤치마킹이다. Geotab은 방대한 플릿 데이터를 기반으로, 자사 플릿과 비슷한 특성을 가진 다른 회사들의 데이터와 비교해 자사의 위험 수준을 객관적으로 위치시키는 방식을 제시한다. 내부 데이터만 보면 대체로 “우리는 괜찮다”로 흐르기 쉬운데, 외부 기준을 붙이면 이야기가 달라진다.
다음은 스코어링이다. “위험하다/안전하다”처럼 뭉뚱그려 말하지 않고, 급가속·급제동·급조향 같은 위험 행동을 항목별로 분해해 점수화하고 어떤 행동이 점수를 깎고 있는지까지 보이게 만든다. 이 단계에서 안전은 성향이나 태도의 문제가 아니라, 측정 가능한 운전 습관의 문제로 바뀐다.
핵심은 코칭이다. 단순히 “당신 운전이 위험합니다”에서 끝나면 현장은 방어적으로 변하고, 결국 시스템이 반발을 산다. Geotab은 위험을 지적하는 데서 멈추지 않고, 무엇을 어떻게 바꾸면 점수가 올라가는지, 개선의 방향까지 제시한다.
마지막은 리워드다. 타케우치 리드는 “처벌은 반발을 만들고, 보상은 참여를 만든다”는 접근을 설명했다. 점수가 올라가면 모바일 앱에서 상태를 확인할 수 있고, 일정 수준에 도달하면 Amazon 기프트카드나 Starbucks 카드 같은 실질적 보상으로 연결된다. 운전자가 스스로 참여하고 개선하도록 만드는 장치다. 안전이 ‘캠페인’이 아니라 비용을 줄이는 운영 장치가 되는 순간이다.
여기에 ‘하드웨어’가 추가된다. AI 카메라 보급을 올 6월 목표로 제시해 운전자 졸음/휴대폰/딴짓 등을 감지해 경보하고, 전방 상황(차간거리/일시정지 등)까지 확장 가능하게 할 방침이다. 이 분야에서 Geotab은 Surfsight를 인수해 커넥티드 플릿 데이터와 비디오 텔레매틱스를 결합하는 방향을 보여주고 있다.

아이들링 감축 효과를 비용·CO₂로 정량화: Before/After 지표.

아이들링을 보는 순간, 절감이 시작된다

다시 “30%”로 돌아가 보자. 남미 코카콜라 보틀러 사례는 ‘안전’이 결국 보험료와 비용으로 직결된다는 걸 가장 직관적으로 보여줬다. 지속가능성도 비슷한 방식으로 내려온다.
‘보고서용 ESG’가 아니라 운영비 절감의 언어이고, 타깃은 아이들링이다. CAN 데이터 기반으로 인젝터, 엔진 부하, 흡기량 같은 실측 데이터를 활용해 정확도를 높인다.
예를 들어, Schindler는 14대 차량으로 1개월간 PoC를 돌리며 “15분 이상 아이들링이면 비프음”이라는 단순한 개입을 걸어 15분 이상 아이들링 시간을 55% 이상 줄이고, 총 아이들링 시간과 비용 손실, CO₂와 연료 소비까지 함께 내렸다.
아이들링 때문에 나온 배출량이 23.39톤(tCO₂), “30%가 줄었습니다”와 같은 감축률을 말할 수 있는 핵심은 “피할 수 있는 아이들링”이 얼마나 되는지를 알기 때문이다. 예를 들어 운전자가 쉬어야 할 때의 냉난방 등은 불가피한 아이들링이다.
“벌점을 주는 방식이 아니라, 15분 이상 아이들링이 발생하면 비프음을 울리는 간단한 장치만으로도 행동이 바뀌었습니다. PoC에서 아이들링 시간이 줄었고, 이를 전체 플릿으로 확대하면 연간 절감 효과로 이어질 수 있습니다.”
결국 지속가능성은 연료비와 운영비로 확인되는 숫자다.

좌측부터 타카미치 타케우치(akamichi Takeuchi) 리드, 그리고 한국 담당 조셉 정(Joseph Chung).

intoPIX: Breaking the “Compression Taboo” in Automotive Video

한상민 기자_han@autoelectronics.co.kr — 2026-01-29 16:49:42+0900

intoPIX, 자동차 비디오 ‘압축 금기’가 깨지는 순간

한상민 기자_han@autoelectronics.co.kr — 2026-01-29 16:35:36+0900

CES에서 intoPIX가 던진 메시지는 ‘압축은 화질을 버리는 기술’이 아니라, 데이터가 폭증한 시대의 조건이라는 것이었다. 카메라 대수 증가로 병목이 링크를 넘어 SoC 내부로 이동하는 지금, 압축은 대역폭·전력·EMI·메모리·클라우드 비용을 함께 다루는 시스템 설계의 기본기로 다시 올라왔다. “우리는 이미 하고 있다”는 현장 메시지는 자동차에서 압축이 ‘금기’가 아니라 ‘표준’이 될 수 있음을 보여줬다.

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

CES 현장에서 intoPIX와의 만남은 곧바로 자동차 산업의 ‘병목’을 정면으로 찔렀다.
파스칼 펠레그린(Pascal Pellegrin) 오토모티브 그룹 CTO, 벤 런얀(Ben Runyan) 북미 이사, 주정민 한국 지사장은 자동차 업계에서 한동안 꺼내기 어려웠던 압축에 대한 이야기를 시작했다.
intoPIX. 벨기에 기반 이미지·비디오 저지연 압축 코덱 IP 기업.
이 회사가 자동차에서 내세우는 무기는 크게 두 갈래다. 하나는 JPEG XS 국제표준(ISO)의 베이스라인으로 사용되는 초저지연 영상 전송 코덱(TicoXS), 다른 하나는 RAW 센서 데이터(Bayer/CFA)를 대상으로 한 경량 압축(TicoRAW)이다. 정리하면, ‘센서와 영상 데이터’가 커지는 시대에 고화질을 유지하면서도 지연을 거의 만들지 않는 압축을 IP(하드웨어 코어)와 소프트웨어 라이브러리로 동시에 제공하는 것이다.
자동차에서 압축은 오랫동안 금기였다. ‘압축하면 손실이 되고, 레이턴시가 있어서 다양한 응용에 사용 못한다’는 인식이 강했다. intoPIX는 그 금기를 ‘조건을 바꿔’ 뒤집겠다는 것이다.
“저희 기술은 이미지 비디오 컴프레션 엔진입니다. 기존에 자동차에서는 압축 기술을 전혀 도입 안 했었죠. 압축하면 손실이 되고 레이턴시가 있으니까요. 근데 intoPIX 코덱은 기본적으로 손실이 없고(visually lossless), 레이턴시가 인코딩·디코딩 다 합해 마이크로세컨드 단위입니다. 거의 없다고 보셔도 되거든요.”
이 문장이 ‘마케팅’으로만 들리지 않았던 이유는 intoPIX가 자동차 시장에서의 도입 순서를 매우 현실적으로 잡고 있기 때문이다. 차 안의 실시간 스트리밍부터 밀어붙이지 않고 데이터 비용과 운영 문제부터 풀고 나섰다.

ADAS 데이터는 ‘쌓는 순간’ 비용이 된다. 차량 저장 용량·업로드 시간·클라우드 보관 비용이 압축을 운영 기술로 끌어올린다.

‘자율주행’이 아니라 ‘데이터 비용’에서 시작

intoPIX가 자동차에서 처음 들어가는 곳은 데이터 로깅과 클라우드다. 그리고 그들이 먼저 꺼낸 말은 ‘학습’이 아니라 ‘비용’이었다.
“기존에 데이터 로그로 이미지들을 캡처하잖아요. 학습시키려고 클라우드로 올리고 보관하는데, 그 데이터가 너무 큰 거예요. 클라우드에 보관할 때도 압축을 안 하면 비용이 너무 많이 들어가잖아요.”
ADAS/자율주행의 성능은 결국 데이터를 얼마나 많이, 자주, 오래 쌓고 돌리는가에 달려 있다. 그런데 데이터가 커질수록 업로드 비용과 저장 비용이 누적되고, 결국 모델 개선은 예산의 벽에서 멈춘다. intoPIX는 이 문제를 합리성으로 말하고자 한다.
또 하나, intoPIX는 구현의 경로를 ‘특정 칩에 묶지 않는 것’으로 잡고 지속적으로 범용성을 강조했다.
“저희는 매우 플렉서블하게 하드웨어 뿐만 아니라 소프트웨어에서도 쉽게 압축·디코딩을 할 수가 있습니다. x86, ARM 기반, GPU 제슨 기반에서도 다 할 수가 있기 때문에 지금 자동차 내 에코시스템에서 구현이 쉽게 가능합니다.”
물론 핵심은 ‘어디서든 돌아간다’는 것이 아니라, 데이터가 쌓이는 전 구간인 차량 저장–업로드–클라우드 학습–재사용에서 압축이 운영 도구로 쓸 수 있다는 점이다.
그래서 회사의 첫 메시지는 ‘영상 전송 기술’이 아니라 데이터 파이프라인의 비용 구조다.

카메라 증가는 곧 ‘연결의 물리’ 문제다. 대역폭·배선·전력·발열·EMI, 그리고 SoC 인터페이스/메모리 병목이 압축을 요구한다.

센서단 압축: 대역폭 줄면 전력과 EMI가 내려간다

데이터 로깅/클라우드가 도입의 첫 관문이라면, 다음 단계는 센서다.
자동차에 카메라가 많아졌고 그만큼 이는 부담이 된다. 카메라가 늘면 링크 대역폭이 늘고 대역폭이 늘면 전력과 EMI가 따라온다.
“카메라들이 많이 붙고 그러다 보니까 전력 소모도 너무 커지고, 그다음에 EMI 이슈들도 많이 생기잖아요. EMI 커버하려면 또 선도 비싼 거 깔아야 하고요. 카메라에서 선(先)압축을 걸면 전송 구간의 데이터량이 줄어 링크 대역폭이 내려가고, 결과적으로 전력·EMI·SoC 내부 처리 부담까지 연쇄적으로 줄어듭니다.”
intoPIX가 말하는 압축은 ‘화질을 버리고 줄이는 기술’이 아니다. 센서단에서 데이터율을 낮추는 순간, 배선·차폐·발열·전력이 한꺼번에 영향을 받는다. 즉, 압축은 이제 성능보다 시스템 설계의 기본기에 가깝다.

진짜 병목은 링크를 넘어 SoC 내부로 들어온다

이 부분이 흥미로운 이유는 병목을 링크에서 끝내지 않았기 때문이다. intoPIX가 던진 포인트는 다음 단계, 카메라가 많아지면 병목은 결국 SoC 내부로 들어온다는 지점이다.
“IVI하고 자율주행 쪽 칩셋 업체들도 카메라 입력을 궁극적으로 SoC의 MIPI와 같은 인터페이스로 받잖아요. 카메라를 많이 붙이다 보니까 MIPI를 무한정 늘릴 수가 없습니다. 그러니까 한정된 레인 안에 카메라를 여러 대 붙이려다 보니 압축 코덱이 필요한 겁니다.”
카메라가 늘면 ‘선’이 먼저 비명을 지르고 그다음은 SoC 내부. 인터페이스 레인이 한정되고 들어오는 데이터가 커지면 메모리 대역폭이 터진다.
“압축된 데이터가 SoC 안으로 들어와서 처리할 때도 밴드위스가 너무 크니까 메모리 리드/라이트 대역폭이 너무 커 문제가 됩니다.”
이것이 바로 OEM과 티어 1이 겪는 현실이다. 과거에는 ‘무압축이 더 낫다’는 철학이 지배했지만, 카메라 중심 아키텍처가 커질수록 그 철학은 대역폭·전력·EMI·메모리라는 벽과 부딪힌다. 결국 압축이 다시 테이블 위로 올라온 것이다.
‘예전엔 압축 얘기 자체를 안 했는데 카메라가 많아져 이제는 해야 하는구나’라고.

in-sensor compression이 열어주는 체인 반응: 전력·EMI·대역폭·SoC 병목을 함께 낮춘다.

CES에서 증명

대화는 잠깐 TV와 게임으로 이동했다.
현장에서 intoPIX는 ‘무선 게이밍’ 데모로 압축의 감각을 먼저 보여줬다. 부스 하단에 소니 PS5가 구동되고 있었고, TV까지 케이블 없이 60GHz 무선 링크 또는 Wi-Fi 7으로 영상을 전송했다. 설명에 따르면 비압축 4K 신호라면 전송 대역폭이 약 12Gbps 수준까지 치솟지만, 데모는 이를 약 1Gbps로 압축해 전송했다. 프레임이 일부 드롭되는 상황에서도 화면 손상을 눈에 띄지 않게 보정하는 ‘super concealment’ 기술을 시연하며 무선 환경에서의 체감 품질을 ‘운영’ 관점으로 다뤘다.
이것은 이번 CES에서 하이라이트된 LG의 무선TV 사례와 같은 맥락이다. 기존에는 레이턴시 때문에 무선으로 고화질 게이밍이 어려웠지만 그것이 가능해졌다.

‘압축 안 한다’와 ‘압축이 필요한’ 현실 사이

사실, 현장에서 반복된 표현은 ‘아이러니’에 가까웠다.
업계에는 여전히 “우리는 압축 없이 보낸다”를 컨셉으로 삼는 진영이 있다. 그 철학이 주는 이점도 분명하다. 하지만 현실이 부딪히는 지점은 거창한 구호가 아니라, 카메라 대수 증가라는 단순한 물리 조건이다. 센서가 늘고 데이터가 커지는 순간, 링크·전력·EMI·SoC 내부 대역폭까지 연쇄적으로 부담이 커진다.
또, “(이런 이슈가) 언제부터 이렇게 올라온 거예요?”란 질문에 돌아온 답도 담백했다.
“한 2~3년 전부터요.”
콕핏에서 데이터는 너무 커졌고 더 커질 것이다. 카메라는 많아지고, 병목은 링크를 지나 SoC 내부로 이동하고 있다. 그래서 압축은 ‘손실’이 아니라, 대역폭·전력·EMI·메모리·클라우드 비용이라는 시스템 언어로 다시 올라오고 있다.

파스칼 펠레그린(Pascal Pellegrin) 오토모티브 그룹 CTO(우측)와 주정민 한국 지사장

China Speed: Caresoft’s View of the Execution Model and Cost Competitiveness

한상민 기자_han@autoelectronics.co.kr — 2026-01-29 13:07:26+0900

차이나 스피드: Caresoft가 본 실행 모델과 원가 경쟁력

한상민 기자_han@autoelectronics.co.kr — 2026-01-29 12:23:15+0900

매튜 바차파람필
Matthew Vachaparampil
CEO of Caresoft Global

이 글은 Automotive World 2026에서 Caresoft Global의 매튜 바차파람필(Matthew Vachaparampil) CEO가 제시한 ‘중국의 실행 모델’ 강연을 정리한 것이다. 강연 자체도 인상적이었지만, 무엇보다 슬라이드에 담긴 데이터와 사례가 매우 디테일했다.
다만 그 방대한 슬라이드 내용이 발표 시간 안에 모두 설명되지는 않았기 때문에,
AEM은 독자의 이해를 돕기 위해 강연의 흐름을 유지한 채 슬라이드의 핵심 대목 일부를 편집 보강해 본문에 포함시켰다.
아래는 그 재구성본이다.

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

IN ENGLISH

들어가며: 자료가 아니라, 실물을 분해해 확인한다

마이크로소프트와 같은 회사들과도 협업하는 Caresoft는 일본에서 Sanyo Trading과 함께 활동하고 있다. Caresoft가 수행하는 일은 크게 두 가지로, 하나는 벤치마킹, 다른 하나는 원가 절감이다. 이와 관련 Caresoft는 Iceberg와 Eureka란 두 가지 주요 제품을 갖고 있다. Caresoft는 전 세계 최신 차량을 25대 이상 확보해 고객이 직접 보고 확인할 수 있도록 운영 중이다. ‘자료로만 보는 벤치마킹’이 아니라, ‘실제로 만지고, 분해하고, 확인하는 벤치마킹’을 지향한다.
Automotive World 2026에서 Caresoft의 핵심 주제는 중국이다. 왜 중국을 이해하는 것이 중요한지, 중국이 무엇을 하고 있는지, 그들의 실행 모델은 어떤지, 더 나아가 그 구조 안에 소프트웨어와 AI가 어떻게 들어가는지 폭넓게 살펴보고자 했다. 중국의 관점을 이해하면, 일본 등 주요 아시아 제조사들 전반에 도움이 된다고 생각했다.
결론부터 말하면, 중국은 ‘규모’와 ‘속도’로 경쟁의 리듬을 바꾸고 있다.

Part 1. 중국의 규모: EV 생산과 판매가 이미 세계를 지배한다

먼저 큰 그림부터 보자. 중국은 연간 자동차 생산 규모에서 가장 큰 축에 서 있다. 중국 시장만 놓고 보더라도 그 자체가 거대한 하나의 세계처럼 움직인다. 특히 EV는 더 강하다. 전 세계에서 생산되는 EV의 65% 이상이 중국에서 만들어진다. 이게 중국을 바라보는 출발점이다.
월 단위로 보더라도 중국 EV 시장은 이미 ‘수백만 대’로 움직인다. 예를 들어 2025년 10월 EV 판매는 약 190만 대 수준이었다. 이 수치는 전년 대비 +8%, 전월 대비 -10%였다. 월간 등락 자체보다 이 정도의 볼륨이 ‘기본 체급’으로 돌아간다는 게 핵심이다.
또 하나 흥미로운 포인트가 있다. 판매 상위권을 보면 테슬라의 모델 Y와 모델 3 같은 일부를 제외하면, 상위권 대부분이 중국 브랜드다. 여기서 강하게 던지고 싶은 비교가 하나 있다. 2025년 기준 유럽 베스트셀링 EV인 폭스바겐 ID.4의 판매량은 중국 EV 판매 순위 14위 모델보다 적다는 것이다. 이건 단순 성장 곡선이 아니라, 이미 ‘질서가 바뀌었다’는 신호다.

Part 2. 점유율 변화: 전동화도 전체 시장도 중국으로 이동한다

‘중국이 뜨고 있다’는 이야기를 감각이 아니라 숫자로 보자. 하나는 전동화 기준 글로벌 볼륨 점유율, 다른 하나는 글로벌 전체 자동차 볼륨 점유율이다. 먼저 전동화 기준 글로벌 볼륨 점유율에서 중국은 2019년 21%였는데 2024년 43%까지 올라갔다. 전동화 영역에서 중국이 사실상 절반에 가깝게 커진 것이다. 동시에 글로벌 전체 자동차 볼륨 점유율에서도 중국은 2019년 14%에서 2024년 27%로 상승했다.
다른 지역은 어떻게 움직였나. 전동화 기준에서 유럽과 일본은 상대적으로 내려왔다. 특히 전동화 기준 글로벌 볼륨 점유율에서 일본은 52%에서 21%로 떨어졌다. 한국 역시 7%에서 5%로 내려왔다. 미국은 전동화 기준 10%에서 12%로 완만한 상승이다.
중국은 이제 ‘특정 지역의 강자’가 아니라 ‘글로벌 플레이어’로 확실히 올라섰고, 글로벌 확장을 실행하고 있다.

Part 3. 글로벌 확장: 80~90년대 일본의 해외 공장 전략과 닮다

중국 OEM은 이미 해외로 나가고 있다. 예를 들어 브라질에서는 BYD가 살바도르(Salvador) 근처 카마사리(Camacari)의 포드 공장을 인수했다. GWM도 상파울루(Sao Paulo) 지역의 공장, 과거 메르세데스와 관련된 설비를 확보해 확장하는 움직임을 보였다. 픽업트럭 시장이 큰태국에서 GWM이 공장을 세웠고 BYD도 공장을 열고 있다. 유럽에서도 헝가리에 BYD가 공장을 열고 있다. 이 흐름은 1980~1990년대 일본 OEM이 미국에 공장을 세우며 확장했던 방식과 매우 유사하다. 그때 일본은 ‘품질’을 앞세워 확장했는데, 지금 중국은 ‘비용 + 기술 + 속도’를 결합해 확장한다.

Part 4. 대표 사례 1: BYD Seagull - ‘싼 차’가 아니라 ‘싼 설계’

작년에 Caresoft는 BYD의 Seagull을 가져왔다. 이 차의 가격은 8,000달러 수준이다. 소형이고 K-Car처럼 작은 체급이다. 그런데 이 차는 단지 ‘싸다’가 아니다. 스펙을 보면 더 위협적이다.
Seagull은 38.8kWh 배터리(Flying Edition)를 기준으로 CLTC 405km를 제시한다. 공차중량은 1,240kg(2,734lb) 수준이다. 구동은 FWD, 모터는 55kW(75hp), 135Nm로 구성된다. 배터리는 BYD Blade LFP다. 안전과 기본 사양도 무시하기 어렵다. 6에어백, 후륜 디스크, EPB, ESP 같은 구성이 들어간다. 차체 구조도 61% 고장력강, 핵심부에 1500MPa+ 핫포밍 적용 같은 이야기까지 제시된다. 그래서 이 차는 저가 EV라기보다 ‘저가로 설계된 경쟁력’에 가깝다. 주행거리와 체급을 보면 일본에서도 충분히 매력적으로 작동할 수 있다.

Part 5. 대표 사례 2: Xiaomi YU7 - 전자제품 회사의 속도가 자동차를 만든다

Xiaomi YU7에는 ‘포르쉐 킬러’라는 표현이 붙는다. 이 차에는 최신 기술이 아주 많이 들어가 있다. 가격은 약 3만 5,000달러 수준인데 성능은 굉장히 공격적이다. AWD 버전은 690hp, 0→100km/h 3.2초, 최고속 253km/h다. RWD도 315hp, 최고속 240km/h다. 배터리는 CATL NMC, 주행거리는 CLTC 670/750/760km 같은 숫자가 제시된다. 여기서 중요한 키워드는 800V 고전압 아키텍처다. 덕분에 15분에 최대 620km를 추가할 수 있다.
ADAS는 레벨 3 지향 메시지를 가져가고, 콕핏은 대화형 AI, 대형 디스플레이, 스마트폰 생태계 통합 등 ‘전자제품 회사가 가진 속도’를 그대로 옮기고 있다. Xiaomi는 원래 자동차 회사가 아닌 스마트폰 회사인데 그 속도로 차를 만들어낸다. 이게 지금 중국이 보여주는 실행 속도다.

Part 6. 대표 사례 3: Yangwang - “말도 안 되는 걸 해낸다”

BYD의 럭셔리 브랜드 Yangwang도 짚고 넘어가야 한다. 슬로건은 ‘Dare to Leap’. U8은 긴급부양 기능과 960km 이상의 주행거리를 내세운 럭셔리 EV로 소개되고, U9은 ‘포트홀을 뛰어넘는 차’라는 문장으로 상징성을 강조한다. 여기에 BYD의 DiSus 서스펜션처럼 적극적인 차체 제어기술이 함께 붙는다. 차의 상하(승차감) + 좌우 롤(기울어짐) + 앞뒤 피치(노즈다이브/스쿼트) 같은 차체 움직임을 센서 - 제어기 - 액추에이터로 적극 제어하는 개념이다. 핵심은 이 모든 것이 ‘말’이 아니라, 이미 실물로 구현돼 있다는 점이다.

Part 7. 왜 미국은 7만 달러 트럭에서 손해 보는데,
중국은 8천 달러 EV로 돈을 버는가?

여기서 가장 중요한 질문을 던져보자. 왜 미국에서 7만 달러짜리 트럭은 돈을 잃는데, 중국에서는 8,000달러 EV가 돈을 버는가. 이걸 ‘중국이 싸게 만든다’로만 설명하면 본질을 놓친다. 핵심은 단가가 아니라 구조다. 중국은 열관리·배선·전장 같은 시스템 블록을 통합 설계해 원가가 떨어지는 구조를 만들고, 수직통합·공용화·대량 생산으로 그 구조를 더 강하게 고정한다. 그리고 결정적으로, 이 모든 것을 속도로 밀어붙인다. 개발과 의사결정의 루프가 짧아질수록 비용은 더 빨리 떨어지고 기능은 더 빨리 올라간다.
그렇다면 중국은 이 구조를 어떻게 만들었을까. 이를 하나의 은유로 설명해 보자.

Part 8. 중국이 해낸 방식의 은유: 올림픽 전략과 자동차 전략

중국이 오늘날 자동차 산업에서 이렇게 된 과정을 이해하려면, 올림픽 강국이 된 과정부터 떠올리면 된다. 1988년 서울 올림픽에서 중국은 금메달이 5개였다. 그런데 그때 중국은 결심한다. “21세기에 들어서 2008년 베이징 올림픽을 개최하고, 금메달 1위를 하겠다”고. 그리고 종목을 선택했다. 자신들이 강점을 가질 수 있는 개인 종목, 다이빙, 체조 같은 분야에 집중했다. 미국이 강한 종목과 정면충돌을 피하고 자신들이 이길 수 있는 영역에 집중했다. 그 결과 베이징에서는 금메달 48개를 땄고, 그 뒤로도 40개 안팎의 금메달 수준을 유지하며 미국과 경쟁하는 위치까지 올라왔다.
자동차에서도 비슷한 전략이 작동했다.

Part 9. 중국 자동차 산업의 ‘30년 플랜’

1990년대 중국은 서구 OEM, 아시아 OEM과 합작사(JV)를 만들었다. 광저우에는 GAC와, 상하이에는 GM과, 선양에는 브릴리언스와 BMW의 JV, 폭스바겐은 FAW와의 JV 같은 식이다. 거대한 시장이 있었고 서구 OEM과 일본, 한국 OEM 모두 들어갔다. 그 결과 중국은 자동차를 만드는 법을 배웠다. 베스트 프랙티스를 이해했다. 그리고 그 과정 자체가 ‘중국 OEM을 키우는 계획’이었다.
2000년대로 넘어오면 중국은 환경 문제와 오염 문제를 겪었고 이 과정에서 ‘EV를 키우겠다’는 국가적 결정을 밀어붙인다. 동시에 ‘수직 통합’을 시작한다. 광산, 배터리, 리튬 밸류체인까지 전략적으로 묶어가며 밑단을 잡는다. 그리고 이제 글로벌 확장 단계로 들어갔고, 최근에는 소프트웨어, AI, 기술로 경쟁의 중심축을 옮기고 있다.

Part 10. 중국의 핵심 공식: Imitate, Improve, Increase

중국의 전략은 기본적으로 모방하고(imitate), 개선하고(improve), 확장한다(increase)는 것이다. 여기서 중요한 건 ‘모방’이라는 단어 자체가 아니라, 그 다음 단계인 ‘개선’과 ‘확장’이 매우 빠르게 이어진다는 점이다. 그리고 그 속도를 가능하게 하는 문화가 있다. 실패를 두려워하지 않고 ‘빨리 해보고, 빨리 배우는(fail fast & learn)’ 실행 방식이다.

Part 11. 일본도 ‘배워서 완성’했다

여기서 잠깐 일본 이야기로 기어를 바꿔보자. 토요다 가문은 직물에서 출발해 자동차로 전환했고, 디트로이트를 찾아 포드의 조립라인을 직접 보며 배웠다. 하지만 일본의 방식은 ‘복사’가 아니었다. 배운 것을 자기 방식으로 깊게 적응시키고, 끝내 제조 시스템으로 완성해냈다. 그 결과 토요타 생산 시스템(TPS)은 전 세계 제조의 벤치마크가 됐다. 실제로 미국에서도 80년대 말~90년대 초 핵심 화두는 ‘일본에서 배우는 것’이었고, TPS·카이젠·TQM이 대표적인 학습 대상이었다. 일본은 그렇게 ‘배워서 완성’하는 방식으로 올라섰다.

Part 12. 중국의 구조: 볼륨 + 과열 경쟁이 ‘학습 속도’를 만든다

다시 중국으로 돌아오면, EV 시장은 매우 크고 플레이어도 많다. Geely, Zeekr, BYD, AITO, Li Auto, NIO 등 수많은 회사가 경쟁하고, 사실상 ‘거의 100개’에 가까운 플레이어가 얽혀 있다. 반면 일본은 플레이어가 소수다. 중국은 경쟁과 생존 압력이 엄청나고, 그만큼 학습 속도도 빠르다. 이 모습은 1910~1920년대 미국을 떠올리게 한다. 당시 미국에도 브랜드가 난립했고, 결국 통합과 재편이 일어나 여러 회사가 합쳐져 GM 같은 거대 기업이 만들어졌다. 중국도 과열 경쟁 속에서 정리되는 구조로 갈 가능성이 있다. 하지만 중요한 건, 그 과정에서 기술 채택과 실행 속도가 폭발적으로 올라간다는 점이다.

Part 13. 기술·원가 사례 1: 냉각 시스템 - 서구/일본은 ‘호스’, 중국은 ‘통합’

좋은 예로 냉각 시스템을 보자. Tesla는 매니폴드(manifold)와 옥토밸브(octo valve)로 대표되는 통합형 냉각 구조를 제시했다. 23MY Tesla Model Y는 단일 매니폴드 구조로 간결해졌고, 중국은 여기서 더 나아가 리저버까지 통합하는 방향으로 진화시킨다. (슬라이드에서는) 23MY XPeng G6는 단일 매니폴드에 리저버 통합까지 포함한 형태로 제시되는 반면 24MY Western OEM(legacy) 사례는 여전히 호스 길이 3.6m, 세그먼트 14개, 퀵 커넥트 18개, 밴드 클램프 26개, 패스너 48개(type 13) 같은 복잡성이 남아 있다. 이 구조 차이가 차량 한 대당 약 60~65달러 수준의 비용 격차로 이어진다. 결국 이건 단순히 ‘부품 몇 개’의 문제가 아니라, 조립성·공정 변동·품질 편차까지 함께 만드는 구조의 문제다.

Part 14. 기술·원가 사례 2: ‘18개월 학습’ - 모델 Y를 샤오펑이 따라오는 속도

바디 구조와 캐스팅에서도 비슷한 흐름이 나타난다. XPeng 테슬라 모델Y를 따라했는데, 요지는 단순히 ‘비슷해졌다’가 아니라, 테슬라가 던진 구조적 아이디어(통합·단순화)를 18개월 만에 제품 설계로 흡수했다는 데 있다. BIW 수치로 보면, 테슬라는 BIW 333.7kg / 차량 1980kg(비율 16.8%)인데, XPeng은 BIW 299kg / 차량 2095kg(비율 14.3%)이다. 캐스팅 효율에서도 전·후 캐스팅 부품 중량이 XPeng 쪽이 더 가볍다. 요점은 ‘누가 먼저 냈냐’가 아니라, 얼마나 빨리 학습하고 구현하느냐다.

Part 15. AI/ADAS: Transformer 확산과 DeepSeek 통합 속도

이제 차량 소프트웨어, 특히 ADAS에서 AI로 넘어가겠다. 핵심은 ‘누가 더 좋은 알고리즘을 가졌나’가 아니라, 새로운 AI 방식이 등장했을 때 그것이 실제 차량 기능으로 얼마나 빨리 들어가고(통합), 얼마나 빨리 배포되고(릴리스), 얼마나 빨리 개선 루프를 돌리느냐다.
차선유지, 차간거리 제어, 고속도로 주행 지원, 내비게이션 기반 주행 지원(NOA/Navigation Pilot) 등은 겉으로 보면 비슷해 보일 수 있다. 하지만 내부적으로는 센서 데이터(카메라 영상, 레이더, 초음파 등)를 어떻게 결합해 인지·판단·제어로 연결하느냐가 성능과 확장성을 좌우한다. 트랜스포머(Transformer) 기반 접근은 이런 복잡한 데이터를 더 통합적으로 처리하고, 상황 인식과 행동 계획을 ‘확장가능한 형태’로 가져가려는 흐름으로 이해할 수 있다. 테슬라가 2021년부터 이런 전환을 진행한 뒤, 중국도 그 흐름에 빠르게 따라붙었다.
2021년에 GWM(Haomo)이 트랜스포머 기반 ADAS/Highway Pilot의 양산 흐름에 들어갔다. 2022년에는 XPeng과 NIO, 2023년에는 Li Auto까지 같은 변화가 이어졌고, 2024년 이후 중국 OEM 다수가 최신 AI 네트워크 기반의 NOA/내비게이션 파일럿을 배포하는 단계로 넘어갔다.
포인트는 ‘누가 먼저 했느냐’보다 ‘학습→적용→배포’의 리듬이 짧아졌다는 것이다. 소프트웨어는 한 번에 완성되는 게 아니라, 실제 운행 데이터와 사용자 피드백을 통해 빠르게 개선된다. 그러니 배포 주기가 짧은 쪽이 기능 성숙도를 더 빨리 끌어올릴 수 있다.
유사한 통합 속도는 콕핏/IVI 영역에서도 나타난다. DeepSeek가 출시된 뒤 3개월 안에 Geely·Zeekr·IM Motor·Changan·Chery 등이 IVI에 통합했고, 비교적 짧은 기간 안에 테스트 소프트웨어 릴리스까지 이어졌다. 여기서 중요한 건 특정 모델의 성능이 아니라, 새로운 기술이 등장하면 ‘일단 붙여보고, 빠르게 검증하고, 곧바로 다음 버전을 내는’ 실행 루프 자체다.

Part 16. BYD ‘God’s Eye’: 저가에도 ADAS를 넣는다

BYD를 보면, ADAS를 ‘프리미엄 옵션’으로만 두지 않는다. 핵심은 기능을 상위 트림에만 묶어두지 않고 아래로 빠르게 내려보내는 방식이다. BYD는 최상급 기술을 상징적으로 한두 모델에 넣는 회사가 아니라, 적당히 나눈 패키지를 여러 가격대에 넓게 깔아버리는 회사다.
BYD가 ‘God’s Eye’라는 이름으로 묶어 설명한 ADAS 구성을 보면, 크게 세 단계다. 가장 아래 단계는 카메라·레이다·초음파 센서 조합이다. 목적은 고속도로 주행 지원과 주차와 같은 체감도가 큰 기능을 ‘엔트리급’까지 보내는 것이다. 기본 모델은 ADAS가 약하다는 공식을 깨는 방식이다. 다음 단계는 상위 센서(예: 라이다)와 더 큰 연산 여력을 얹어 기능 범위를 확장한다. 고속도로 중심에서 도심 주행까지를 타깃으로 삼는다. 도심은 차선, 보행자, 자전거, 끼어들기, 복잡한 교차로 등 변수가 많아서 난도가 확 올라간다. 그래서 이 단계부터 센서 구성과 컴퓨팅이 한 번에 강화된다. 최상위 단계는 더 많은 라이다와 더 큰 컴퓨팅을 전제로 ‘레벨 3를 지향한다’는 메시지까지 붙는다. 중요한 건, 당장 완전한 자율주행을 말하려는 게 아니라, 상위 패키지에서 기능의 ‘천장’을 열어두면서 아래 등급에 이미 ‘쓸만한 기능’을 넓게 깔아두는 구조다. BYD는 ADAS를 ‘대량 보급되는 기본 경험’으로 만들려는 것이다. 포인트는 옵션이 아니라 기본으로 내려가는 속도. 이 속도가 빨라질수록 시장의 기준도 함께 바뀐다.

Part 17. 개발 속도:
중국 18~24개월 vs 레거시 36~48개월

중국의 전형적인 개발 단계는 Concept & Design 2~4개월, Engineering & Development 4~6개월, Prototyping 2~4개월, Validation & Testing 4~6개월, Manufacturing ramp-up 2~4개월로 총 18~24개월이다. 반면 전통 OEM은 전체가 36~48개월 수준이다. Li Auto가 2021~2024 사이 모델을 빠르게 늘린 흐름도 있고, 중국 OEM의 신규 플랫폼 개발이 보통 1.5~2년 내로 돌아간다는 메시지도 반복된다. 여기에 경쟁 압력, 9-9-6으로 상징되는 노동 문화, 그리고 무엇보다 여러 기능 조직이 동시에 움직이는 병렬 실행이 결합된다.

Part 18. 비용 우위의 구조:
조널/배선/배터리/열관리 ‘블록’에서 달러가 떨어진다

중국차의 비용 우위는 ‘부품을 싸게 산다’보다는 차를 구성하는 큰 덩어리(블록) 자체를 다시 설계해서 만들어진다. 전장 아키텍처, 배선, 배터리, 차체, 열관리처럼 시스템 레벨에서 구조를 단순화하면, 절감이 한 군데에서 끝나지 않고 부품 수·조립 공정·검사 포인트·품질 변동 비용까지 연쇄적으로 줄어든다.
예컨대 조널 아키텍처/전자 통합은 300달러+, LV 배선 구조는 200달러+, HV 배선·파워트레인 통합은 250달러+, 배터리 구조/모듈 진화는 200달러+, 열관리 통합은 100달러+ 같은 식의 델타가 제시된다.
예를 들어, 조널 아키텍처는 ECU를 기능별로 쪼개 늘리는 방식에서 벗어나, 구역 단위로 통합해 전장 구조를 정리한다. 이때 같이 따라오는 게 배선(하네스) 구조의 변화다. 하네스는 길이와 분기, 커넥터 수가 줄어들면 곧바로 원가와 조립성이 내려간다. 다시 말해 “전장 통합”은 단순히 ECU 비용이 아니라 배선·커넥터·조립 시간까지 함께 건드린다.
또 하나는 고전압(HV) 배선과 파워트레인 통합이다. 전기차는 고전압 계통의 배선·커넥터·실링·고정 구조가 복잡해질수록 비용과 리스크가 커지는데, 이를 모듈화/통합하면 부품 수와 작업 공정이 줄고, 조립 품질도 안정된다. 배터리 구조도 마찬가지다. 셀 단가만 싸게 만드는 게 아니라, 팩의 하우징·체결·냉각·모듈 구조를 단순화하거나 구조적으로 진화시키면 ‘셀 외 비용’이 크게 내려간다. 열관리 통합은 특히 효과가 빠르게 나타난다. 호스/커넥터/클램프가 많은 구조는 조립 공정이 길고 변동이 커지는데, 이를 통합 구조로 바꾸면 원가뿐 아니라 조립성·품질 편차까지 같이 낮출 수 있다.

Part 19. 실행 모델: 레거시는 19~24주, 중국은 4~6주

Caresoft는 전 세계 22개 OEM과 일하며 기술 최적화와 원가 절감을 수행한다. 그 과정에서 실행 구조의 차이는 매우 구체적으로 관찰된다.
레거시 OEM은 비용 절감 아이디어 하나가 사양으로 결정되기까지 보통 19~24주가 걸릴 수 있다. 기능별로 순차 리뷰가 진행되기 때문이다. R&D가 보고, 제조가 보고, 구매가 보고, 관련 부서가 이어서 검토하는 식으로 완전히 시퀀스(순차)로 흐른다. 그래서 아이디어가 앞단에서 들어가도 실제 채택률은 좋은 날에도 10~20% 수준에 머무는 경우가 있다.
반면 중국은 레거시가 19~24주 걸리는 것을 4~6주로 줄이려 한다. 접근은 병렬(parallel)이다. R&D, 제조, 구매, 생산기술/공정이 동시에 보고 빠르게 정리한다. 내부 리뷰를 2~3일 단위로 돌리고, 피드백을 분류하고, 함께 디자인 리뷰를 거쳐 최종 결정을 빠르게 내린다. Caresoft가 함께 일한 중국 OEM 3곳의 경우 구현률이 35~50%까지 나온 사례도 있었다.
이 차이는 “천재성”이 아니라, 경쟁 압력과 생존 압력이 조직과 공급망에 속도를 강제하고, 그 속도가 구조로 고정되었기 때문에 가능해진다.

Part 20. 공급망:
서구형(계층형) vs 중국형(통합·협업형), 그리고 BYD의 수직 통합

전통 OEM(서구·일본)의 공급망은 OEM - 티어 1 - 티어 2 - 티어 3 - 티어 4로 이어지는 계층형 구조이며 변화 속도가 느리다. 10~15년 전만 해도 자동차 산업은 ‘규모(scale)’가 핵심이었고, 더 많은 볼륨을 위한 얼라이언스 전략이 먹혔다. 그러나 이제는 기술 변화를 얼마나 빨리 흡수하고 전개하느냐가 경쟁의 기준이 된다.
중국은 구조 자체를 빠른 커뮤니케이션과 빠른 공급망 전개가 가능하도록 만들었다. 특히 BYD는 강하게 수직 통합돼 있다. 배터리, 모터/파워 시스템, 파워 일렉트로닉스, 일부 반도체, 금형·툴링, 인테리어/익스테리어 부품까지 광범위하게 내부화한다. 그 결과 BYD는 BOM의 60~70%를 내부 생산으로 통제한다는 메시지가 제시된다. 더 중요한 건, 이런 구조가 변경과 개선을 매우 빠르게 만든다는 점이다.
공용화(commonization)도 중요하다. 예를 들어 브레이크 부스터 같은 부품이 여러 중국 OEM 그룹과 브랜드, 세그먼트에서 공용으로 쓰이면 물량이 10만 대가 아니라 100만~200만 대 수준까지 뛸 수 있다. 물량이 10만에서 100만으로 가면 비용은 15~25%까지 내려갈 수 있다. 이런 요인들이 겹치며 중국의 총비용 우위를 30~40%로 제시한다. 이는 공급망/공용화/대량 생산에서 7~15%, 빠른 추격(imitate→improve→increase) 효율 약 7%, 큰 시장 기반의 박리다매 약 7%, 정책 지원 7~9% 등으로 분해해 볼 수 있다.

Part 21A. ADAS 트렌드: 비전 중심으로 비용을 낮춘다

ADAS는 비용을 낮추기 위해 비전 중심(vision-centric)으로 움직이는 흐름이 강해지고 있다. 라이다/레이다 같은 고가 센서를 줄이고, 카메라 기반과 AI 인식으로 가려는 방향이다.
XPeng은 2026년 이후 일부 모델에서 라이다와 HD맵 의존을 낮추고 ‘pure vision’으로 간다. BYD는 라이다 없이 비전 중심 구성으로 ADAS를 아래로 확산시키려 한다. Huawei ADS SE 역시 엔트리/미드 영역에서 센서 구성을 줄여 비용을 낮추려는 접근이다.

Part 21B. 콕핏 트렌드: 스마트 콕핏은 스마트폰식 속도로 진화한다

스마트 콕핏도 마찬가지다. 디스플레이, IVI, 음성/AI, 커넥티비티, 센서가 결합되어 개인화된 차량 경험을 만든다. Huawei / Yinwang이 OS+콕핏 소프트웨어(하모니 기반 등)부터 IVI, 커넥티비티, ADS 통합까지 이른바 ‘스마트카 스택’을 파트너 OEM에 제공한다. Desay SV 같은 플레이어는 콕핏 도메인 컨트롤러와 디스플레이/클러스터/IVI를 하드웨어+소프트웨어로 통합해 공급한다. 중국은 이 영역을 스마트폰 산업처럼 ‘동일 가격에 더 많은 기능’을 빠른 주기로 밀어붙인다. 이 속도가 사용자 기대를 바꾸고, 시장의 기준을 바꾼다.

“큰 것이 작은 것을 먹는 게 아니라, 빠른 것이 느린 것을 먹는다”

SPEED is the only competitive advantage.
속도의 의미를 다시 꺼내고 싶다. 다만 속도만이 전부인가? 그렇지 않다. 품질도 중요하고, 안전도 중요하고, 신뢰성도 중요하다. 중국은 적어도 일부 영역에서 그 격차를 빠르게 좁히고 있다.
일본이 미국에 들어왔을 때는 ‘품질’이 핵심 벡터였다. Toyota, Honda가 70~80년대에 품질로 들어왔다. 90년대에는 한국이 ‘비용’으로 들어왔다. 현대는 초기에 품질이 매우 나빴지만 10년/10만 마일 보증 같은 강한 조치를 썼고, 시간이 지나며 품질과 비용을 기본값으로 만들었다. 중국은 여기에 더해 소프트웨어, AI, 기술을 가지고, 그리고 빠르게 들어온다. 속도만이 전부는 아니지만, 이 모든 것을 갖추고도 빨라야 한다.
중국을 그대로 복사할 필요는 없다. 품질, 안전, 신뢰성, 모노즈쿠리(monozukuri) 같은 강점이 있고 이는 여전히 존중받고 유효하다. 하지만 중요한 건 그런 강점에 소프트웨어, AI, 속도를 결합하는 것이다. 즉, Craftsmanship × Software × AI × Speed다.

부록: bZ3X 사례 - 일본 엔지니어링 × 중국 실행

Toyota는 중국에서 bZ3X를 출시했다. 이 사례는 ‘일본 엔지니어링 × 중국 실행’이란 슬라이드 제목으로 소개됐다. 중국 주도 R&D로 모델 개발과 페이스리프트가 진행되고, 신규 EV 플랫폼이 생산에 들어가며, 지역 의사결정 루프가 빨라지는 방향이 언급됐다. 아우디 사례와 상통한다. 콕핏은 하모니 OS 기반의 Huawei 생태계와 결합되고, Xiaomi 스마트 디바이스 생태계 통합, Momenta ADAS 같은 높은 현지화가 강조된다. 또 Toyota는 Huawei·Tencent와 차세대 음성 어시스턴트를 함께 개발한다.

매튜 바차파람필 CEO(좌측부터)와 프리딥 수브라마니암(Prideep Subramaniam) 부사장

연관기사: Automechanika Shanghai 2025와 China for China 그 이후
차이나 스피드, 얼마나 지속가능할 것인가

S-CORE’s Real Test: Who Owns the Next 10 - 15 Years?

한상민 기자_han@autoelectronics.co.kr — 2026-01-28 07:12:48+0900

S-CORE의 진짜 시험대: 누가 10~15년을 책임지는가

한상민 기자_han@autoelectronics.co.kr — 2026-01-28 06:57:46+0900

오픈소스는 멋지다. 문제는 멋진 코드는 책임을 대신해 주지 않는다는 것이다.
도쿄 빅사이트 컨퍼런스 타워에서 들은 S-CORE의 진짜 질문은 딱 하나였다. 누가 10~15년을 책임질 건가.
Qorix는 그 질문을 기술이 아니라 증빙·감사·유지라는 ‘양산 언어’로 번역했다.
그래서 결론은, S-CORE는 이제 ‘필요하냐’의 단계가 아니라, ‘어떻게 완주하냐’의 단계로 들어갔다는 것이다.

글 | 한 상 민 기자_han@autoelectronics.co.kr

IN ENGLISH
연관기사: Eclipse SDV, ‘비전’에서 ‘릴리스’로

“안전과 보안에 대한 최종 책임은 누가 질까요? 10~15년 동안 아키텍처를 누가 유지·진화시킬까요?”

Automotive World 2026의 마지막 날, 도쿄 빅사이트에서 가장 높은 곳 컨퍼런스 타워.
지난해 6월 S-CORE 출범부터 라스베이거스 CES에서의 두 번째 MoU, 그리고 이번 VDA·Qorix·Accenture 패널 토론까지 지켜봐 온 Eclipse SDV와 S-CORE의 전개는 단지 ‘오픈소스가 필요하다’는 선언을 넘어 양산의 순간에 점점 더 가까워지고 있었다.
SDV 시대의 공통 기반을 만들겠다는 말은 새롭지 않다. 하지만 그것이 양산 프로그램의 언어로 번역되는 순간 이야기는 달라진다. 제품 일정과 감사, 증빙과 책임 분리, 그리고 세대를 건너는 유지의 문제는 ‘좋은 코드’만으로는 해결되지 않는다.
Qorix의 캐롤린 파스티안(Caroline Pastian)과 헤어질 때, “당신이 왜 이곳에 왔는지 이제 이해했어요”라고 말했다.
그녀가 던진 질문과 그에 대한 답은, S-CORE가 진짜 시험대에 올랐음을 보여줬다.
오픈소스 코어는 출발점일 수 있다. 그러나 OEM 프로그램이 요구하는 것은 출발점이 아니라 완주하는 방식이다. 그리고 그 완주의 방법은 결국 책임과 유지, 그리고 자동차급 실행(automotive-grade execution)으로 구성된다.

VDA가 말한 ‘코드 중심’ 작동 조건

VDA의 마틴 슐라이허(Martin Schleicher)는 SDV를 고객 경험을 소프트웨어로 정의해 지속적으로 ‘좋은 경험’을 제공하기 위한 엔에이블러로 정리했다. 기능 추가만이 아니라 사이버보안 업데이트, 나아가 제3자 애플리케이션이 차에서 동작하는 생태계까지 차량의 라이프사이클 전체를 소프트웨어가 관통하는 시대라는 전제였다.
그가 강조한 것은 ‘오픈소스의 장점’ 자체가 아니라, 자동차에서 통하는 오픈소스의 작동 조건이었다. 핵심은 문서, 스펙이 아니라 코드가 단일 기준(single source of truth)이 되는 개발 방식이다. 전통적인 방식은 거대한 스펙을 만들고 구현한 뒤 통합 단계에서 문제를 뒤늦게 발견하지만, 코드 중심으로 전환하면 학습과 수정의 속도가 앞당겨지고, 검증과 품질의 부담도 더 이른 단계로 이동한다.
여기서 S-CORE가 밀어붙인 또 하나의 축은 툴 체인이었다. ‘docs-as-code’를 포함한 자동화된 워크플로로 스펙 - 코드 - 테스트를 연결하고, 추적성(Traceability)을 전제로 굴러가게 만든다. 기능안전성과 사이버보안 같은 요구는 ‘나중에 덧붙이는 옵션’이 아니라, 처음부터 개발 체계 안에 들어가 있다. 이런 조건들이 충족될 때, 오픈소스는 속도와 품질을 동시에 얻을 수 있다.
“자동차 개발에서 실제 가장 큰 비중을 차지하는 것은 ‘통합과 검증’입니다. 원래는 함께 잘 동작해야 하는 것들이 새로운 시스템에서 함께 동작하게 만드는 데 엄청난 노력이 들어갑니다. 소스코드를 투명하게 볼 수 있고, 각 분야 전문가가 같은 공간에서 이슈를 확인하고 함께 해결할 수 있으면 문제를 더 빨리 찾고 빨리 고칠 수 있습니다. 품질과 속도를 동시에 끌어올릴 수 있습니다.” 슐라이허가 이렇게 말했다.
다만 여기부터 질문이 시작된다. 속도와 개방성이 올라갈수록, 그리고 더 많은 회사가 같은 코드를 만질수록, 양산 프로그램이 요구하는 책임 구조는 어디에 걸리는가?

캐롤린이 바꿔놓은 분위기:
오픈소스가 OEM 프로그램이 되려면

“Qorix가 오픈소스 코어를 오토모티브 그레이드 소프트웨어 플랫폼으로 어떻게 바꾸는지를 말씀드리겠습니다. 오늘의 표현으로 말하자면, Qorix는 오픈소스 코어를 양산 가능한(automotive-grade) 소프트웨어 플랫폼으로 전환합니다. 우리는 이를 ‘Performance Stack’이라고 부릅니다.”

캐롤린은 이렇게 발표를 시작했다. S-CORE를 ‘공통의 기술 언어, 투명성, 협업’의 기반으로 인정하면서도 OEM 관점에서 끝내 남는 질문을 숨기지 않았다.
“안전과 사이버보안에 대해 최종 책임은 누가 집니까?” “10~15년 동안 아키텍처를 누가 유지·진화시키고, 여러 세대 차량에서 기능을 누가 보장합니까?”
오픈소스는 잠재력을 만든다. 그러나 그 잠재력만으로는 ‘자동차급 실행’이 되지 않는다. 즉, ‘코드가 있다’는 사실과 ‘프로그램에 넣어 양산한다’는 것 사이에는 산업이 요구하는 층위가 하나 더 있다. 이 층위는 기술 스펙이 아니라 책임과 증빙, 장기 유지의 운영으로 정의된다. 오픈소스가 기반을 제공한다면 자동차급 실행은 그 기반을 양산 프로그램의 언어로 고정시키는 작업이다.
캐롤린은 그 층을 Qorix의 역할로 말했다.
“Qorix는 S-CORE 생태계 안에서 기여자(Contributor)이자 유지관리자(Maintainer)로 참여하고, 생태계 밖에서는 배포자(Distributor) 역할을 수행합니다.”
기여자는 단순히 코드를 올리는 수준이 아니라, 기능과 모듈을 제공하고 문서와 API까지 포함해 지속 가능하게 플랫폼을 형성하는 역할이다. 유지관리자는 코어를 장기적으로 안정화하고 진화시키는 역할이다. 그리고 제품화 주체로서의 배포자는 커뮤니티에서 나온 코드를 ‘그대로’ 나르는 것이 아니라, OEM 프로그램이 요구하는 형태로 바꿔 제공한다.
“우리는 이것을 어떻게 할까요? 개발 워크플로는 내부 R&D 프로세스와 오픈소스 생태계를 결합합니다. 우리는 정기적으로 S-CORE의 최신 변경 사항을 리뷰하고 이를 내부 기능 개발과 결합하며, OEM의 요구사항을 커버하고, 타깃 하드웨어에 맞게 테일러링합니다. 그리고 필요한 경우, 변경 사항을 커뮤니티로 업스트림하기도 합니다. 최종적으로 우리는 생산 준비가 된(production-ready) 소프트웨어 솔루션을 제공합니다.”
그녀가 실제 강조한 단어는 ‘코드’가 아니라 안전 산출물(safety work products), 문서화된 증빙, 감사 대비(audit-ready) 아티팩트, 그리고 프로그램 지원이다. 이 구성요소가 OEM이 두려워하는 블로킹 리스크 - 통합 노력, SOP까지의 시간, 그리고 ‘깨졌을 때 누가 책임질지’를 줄이는 방식이다.
Q&A에서 나온 질문도 이를 한 번 더 고정했다. “다운로드해 수정하고 제품에 넣어도 되나?”란 질문에 패널은 Apache 2.0 라이선스를 근거로 가능하다고 답했다. 다만 곧바로 단서를 붙였다. 중요한 것은 ‘허용’의 문제가 아니라 ‘책임’의 문제라는 것. 허용은 라이선스가 만들지만, 책임과 증빙은 누군가의 역할로 만들어진다. 캐롤린의 질문은 바로 그 지점을 겨냥하고 있었다.

‘자동차급’이란 무엇인가:
mixed criticality를 다루는 기술적 문법

캐롤린은 기술로도 메시지를 고정했다. SDV로의 전환이 가속화될수록 HPC에서 미들웨어는 늘어나는 복잡성을 관리하는 결정적 엔에이블러가 된다. 그러나 기존의 proprietary 스택은 개방성, 확장성, 상호운용성에서 한계를 드러내기 쉽다. 반면 S-CORE 같은 공통 기반은 공유 플랫폼을 만들고, 엔지니어링 중복을 줄이며, 시간 단축을 가능하게 한다. 따라서 이제 질문은 ‘오픈소스가 필요한가’가 아니라, ‘오픈소스가 수십 년 동안 자동차 등급 기대를 어떻게 만족시키는가’로 바뀐다.
이에 대해 Qorix가 제시한 기술적 표현은 세 가지 축으로 정리된다.
첫째, SoC와 운영체제 환경 전반에서의 모듈러 아키텍처다. 현대 차량은 서로 다른 SoC와 OS를 사용하고 성능 프로파일도 다르다. 모듈러 아키텍처는 이런 변형(variation)들을 흡수하며 확장성을 만든다.
둘째, mixed criticality를 다루는 방식이다. 하나의 HPC에서 안전 크리티컬 워크로드와 비크리티컬 애플리케이션, 고처리량 데이터 처리가 동시에 돌아간다. 이때 핵심은 ‘같은 시스템에 같이 올린다’가 아니라, 같이 올려도 흔들리지 않게 만드는 규칙이다. 캐롤린이 강조한 표현은 deterministic runtime orchestration, 예측가능한 동작, 통제된 자원 사용, 그리고 안전 크리티컬 기능을 위한 간섭으로부터의 자유(freedom from interference)였다. 즉 안전이 필요한 기능이 다른 기능의 부하나 스케줄링 변화에 휘둘리지 않도록, 런타임 수준에서 ‘질서’를 강제하는 것이다.
셋째, 이것이 데모가 아니라 ‘양산 하드웨어에서의 일관성’으로 증명돼야 한다는 주장이다. 캐롤린은 이렇게 말했다.
“이것은 단지 비전이 아니라 우리가 여러 행사에서 이미 보여준 것입니다. 우리는 하나의 기반을 통해 여러 데모 시나리오를 제공합니다. 하나는 고성능 ECU 위에서 멀티 환경을 통합(consolidation)하는 시나리오입니다.”
이어 그녀는 같은 기반 위에서 ‘line/space SDV platform’과 ‘safety-informed SDV platform’에서의 mixed criticality 시나리오를 예로 들었다.
“즉, 양산 하드웨어에서 예측 가능한 동작을 보여주고, 우리의 어댑티브/런타임/오케스트레이션 역량을 결합해, 여러 ECU 아키텍처에서 일관된 동작을 제공한다는 것입니다.”
결국 이 도착점은 다시 책임 구조로 돌아온다. mixed criticality를 다루는 능력은 기술이지만, 그 기술이 제품이 되는 조건은 장기 유지, 증빙, 감사 대응이라는 OEM 언어로 고정될 때 완성된다.

Accenture의 프레임:
시스템에서 플랫폼으로, 그리고 스택+개발체계

영상으로 참여한 Accenture의 크리스토프 혼(Christoph Horn)은 관점을 한 단계 위로 올렸다.
그가 강조한 핵심은 ‘지금은 시스템이 아니라 플랫폼이 더 중요해지는 전환’이라는 진단이었다. 플랫폼은 한 차량에만 머무르지 않고 여러 세대와 라인업으로 퍼져 재사용된다. 그리고 OEM들의 아키텍처는 레이어와 API로 분리되면서 점점 닮아간다. 그렇다면 고객이 보지 않는 레이어, 고객 비가시 영역, 비차별 영역을 공유할 기회가 생긴다.
특히, 오픈소스를 성공시키려면 스택 자체만이 아니라 프로세스·방법론·툴을 함께 구축해야 한다. 과거의 표준화가 요구사항 문서와 합의 중심으로 느려졌다면, S-CORE는 처음부터 코드 중심으로 출발했고 여기에 툴링을 결합해 “진지하게 개발할 수 있는 기반”임을 증명한다. 다시 말해 플랫폼화는 코드만의 문제가 아니라 개발 체계의 문제이며, 이 체계가 갖춰질 때 공유는 비용 절감이 아니라 속도와 품질의 확률을 올리는 선택이 된다.

Q&A가 남긴 실무 포인트:
자유롭게 쓰되, ‘자동차급’은 공짜가 아니다

패널의 질의응답은 거창한 비전보다 “진짜 가져다 써도 되나?”라는 실무 질문이 많았다.
결론은 단순했다. 저장소는 공개돼 있고 누구나 내려받아 확인할 수 있다. 라이선스는 Apache 2.0이라 상용 소프트웨어와 결합해 사용하는 것도 가능하다. 수정한 코드를 커뮤니티로 다시 업스트림하는 것도 가능하지만, 강제는 아니다.
다만 이 실무 포인트는 곧바로 핵심 논점으로 연결된다. 오픈소스를 ‘무료’로 오해하지만, 자동차에서는 그 오해가 성립하지 않는다. 자동차급 품질과 안전·보안 요구를 충족하려면 숙련된 엔지니어와 체계가 필요하다. 비용 구조는 라이선스에서 서비스나 오픈코어, 제품화 지원으로 이동할 수 있지만, “공짜로 굴러가는 플랫폼”은 존재하지 않는다. 그리고 바로 이 지점에서 캐롤린의 질문 “누가 책임지고, 누가 유지하는가”가 다시 돌아온다.

마틴 슐라이허
그는 현재 VDA를 지원하며 SDV 및 자동차 소프트웨어 관련 업무를 맡고 있다. 이전에는 콘티넨탈에서 오랜 기간 소프트웨어 전략을 담당하며 SDV 솔루션 스택을 구축했고, 해당 스택이 일본 고객에게 실제 도입된 경험을 보유한다. 그 전에는 Elektrobit에서 소프트웨어 전략, 제품·포트폴리오 매니지먼트를 담당했다. 또 AUTOSAR 관련 보드, SOFI(거버닝 바디), Eclipse SDV, 유럽위원회 등 다양한 영역에서 산업 대표 역할로 참여하며 표준·거버넌스·에코시스템 관점의 전문성을 축적해 왔다.

오픈소스가 제품이 되려면, 책임 구조가 먼저다

이번 패널을 한 문장으로 압축하면 이렇다. 오픈소스 코어는 출발점이고, OEM 프로그램은 책임 구조로 완성된다. VDA가 제시한 S-CORE의 작동 조건은 코드 중심과 툴체인, 그리고 글로벌 협업의 방식이었다. Accenture는 이를 시스템에서 플랫폼으로 이동하는 산업 전환의 프레임 속에 위치시켰다. 그러나 세션의 결정적인 문장은 Qorix에서 나왔다.
“누가 안전과 보안을 책임지는가?”
“누가 10~15년을 유지하는가?”
이 질문은 조달과 SOP를 좌우하는 프로그램 질문이다. Qorix는 기여자·유지관리자·배포자라는 3역 구조, 그리고 안전 산출물·감사 대응·프로그램 지원 같은 자동차급 아티팩트를 통해 그 질문에 답의 구조를 제시했다. 즉, 글로벌 SDV에서 S-CORE가 의미를 갖는 이유는 오픈소스를 둘러싼 논쟁이 이제 ‘필요성’에서 실행과 책임으로 이동했기 때문이다.
마틴은 발표 직후, S-CORE는 오픈소스이며 누구나 리뷰할 수 있고 QR 코드로 메인 페이지에 들어가 소스코드를 내려받아 직접 확인할 수 있다고 덧붙였다. “관심이 있으면 직접 보고 판단해 달라”는 말은, 이 이니셔티브가 지금 어디까지 왔는지를 가장 간단하게 보여주는 문장이기도 했다. 일정도 구체화됐다. 연말에는 버전 1.0이 계획돼 본격적인 개발이 가능해질 것으로 보고 있다. 타깃 SOP는 2030년이지만 일부 컴포넌트는 그 이전에도 시장에서 모습을 드러낼 수 있다. 결국 다음 장면은 S-CORE란 공통 코어 위에 Qorix 같은 상용 ‘자동차급’ 스택이 올라가며, 책임과 유지의 언어가 실제 공급망으로 흘러 들어가는 순간이다.

캐롤린 파스찬
그녀는 자동차 산업에서 약 17년의 경력을 갖고 있으며 그중 약 16년을 Elektrobit에서 보냈다. 커리어 초기에는 인포테인먼트 시스템 분야에서 소프트웨어 개발과 프로그램 매니지먼트를 수행했고, 이후에는 마이크로컨트롤러 및 HPC 영역의 미들웨어 솔루션으로 업무 범위를 확장했다. 최근 몇 년은 복잡한 소프트웨어 솔루션을 시장에 안착시키기 위해 조직과 전략을 설계하는 역할에 집중해 왔다. 그는 자동차 산업의 전환을 단순 기술 변화가 아니라 협업 방식, 조직 구조, go-to-market 전략까지 포함하는 구조적 변화로 바라보고 있다.

현장 Q&A: S-CORE를 ‘지금’ 만져보려는 사람을 위한 체크리스트

Q. 누구나 다운로드할 수 있나?
A. 가능하다. GitHub에 공개돼 있고, 회원 가입 없이도 접근 가능하다는 설명이 나왔다.
Q. 수정해서 내부 테스트용으로 써도 되나?
A. 가능하다. 다만 변경을 커뮤니티로 올릴지(업스트림)는 선택이다.
Q. 수정한 코드를 우리 제품에 넣는 것도 되나?
A. Apache 2.0 라이선스 기반에서 상용 소프트웨어와 결합이 가능하다는 답이 제시됐다.
Q. 오픈소스면 무료 아닌가?
A. 자동차급 품질·안전·보안 요구는 비용 구조가 필요하다. 모델은 라이선스에서 서비스/오픈코어/제품화로 이동할 수 있지만 ‘공짜 플랫폼’은 성립하기 어렵다는 취지였다.
Q. 프로그래밍 언어는 하나로 통일되나?
A. 다언어 공존. 일부 컴포넌트는 필요에 따라 Rust 같은 언어가 활용된다는 언급이 있었다.
Q. 레거시를 전부 대체하나?
A. 프로젝트 의사결정에 달려 있다. 대체가 아니라 표준화·상호운용성·중복 제거가 핵심이라는 방향이 제시됐다.

The Temperature of Production Inside BH EVS’s Private Booth

한상민 기자_han@autoelectronics.co.kr — 2026-01-27 07:08:16+0900

BH EVS 프라이빗 부스에서 확인한 ‘양산의 온도’

한상민 기자_han@autoelectronics.co.kr — 2026-01-27 06:55:27+0900

CES 2026. BH EVS 부스에서 가장 인상적이었던 건 ‘가능하다’가 아니라 ‘하고 있다’는 말이었다. 그들의 무선충전은 편의 기능이 아니라, 전력·데이터·인증·업데이트가 묶여 돌아가는 전장 모듈이며 양산은 일정과 품질로만 증명된다. 그리고 그 양산 체질은 이제 레이다·히팅·BMS·EV·로봇 충전으로 확장되고 있다. BH EVS의 ‘운영가능한 전장’의 흐름을 현장에서 확인했다.

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

“박 부사장(박진섭 연구소장), 설명 좀 부탁해요.”
BH EVS 김진용 대표가 말했다.

CES 2026. BH EVS 프라이빗 부스 초청은 단순 ‘방문’이 아니었다. CEO가 인사를 건네고, 그 다음부터 직원들이 제품군별로 설명을 이어갔다. 소개가 끝나면 질문이 붙고, 질문이 끝나면 다음 제품이 나왔다. 그리고 다시 질문이 이어졌다. 이 흐름이 1시간 동안 계속됐다.
보통 이 정도면 듣는 쪽이든 말하는 쪽이든 어느 순간 흐트러지기 마련이다. 그런데 이 부스는 반대로 시간이 갈수록 디테일이 깊어지고, 무릎을 치게 되는 포인트가 늘어났다. 무엇보다 답변의 톤이 달랐다. “가능하다”가 아니라 “하고 있다”는 언어였다. 예를 들어, 차내 무선충전이라면, 충전이 얼마나 잘 되느냐보다 먼저 나오는 말이 고객이 실제로 요구하는 틈새를 어떻게 메우는가, 그리고 그 요구를 납품 가능한 형태로 어떻게 돌리는가였다. 그래서 무선충전을 놓고만 이야기하면 이 회사는 차량이라는 시스템 안에서 전력·데이터·인증·업데이트가 연결되는 방식을 양산 관점에서 다루는 조직이었다. 그리고 그 운영 방식이 레이다, 센서, 히팅, 배터리 관리 시스템(BMS), 전기차·로봇 충전으로 자연스럽게 이어지고 있었다.

1막: 출발은 무선충전, 본질은 ‘운영가능한 전장’

BH EVS가 가장 강한 기반을 가진 영역은 차량용 무선충전이다. 이 사업은 LG전자 VS(Vehicle Solution) 본부에서 2014년부터 시작됐고, 2022년 매각·이전 과정을 거치며 BH 그룹과 결합해 현재의 형태로 확장됐다. 박진섭(JinSup Park) 부사장은 LG전자 시절 해당 사업을 총괄했고 약 60명의 인력과 함께 BH에 합류하면서 고객 개발과 양산 프로세스를 그대로 이어왔다고 설명했다.
현재 BH EVS는 연간 600만~700만 대규모 양산 체계를 운영 중이며 향후 1,000만 대 이상이 될 전망이다. 고객군도 글로벌 12개 OEM으로 확대되고 있다.
BH EVS는 무선충전을 단순한 ‘편의 기능’으로 보지 않는다. 차내 무선충전은 MCU·NFC·네트워크·보안·기능안전성 요구가 함께 붙는 전장 모듈이며, 모바일 생태계 변화에 맞춰 지속적인 소프트웨어 업데이트와 인증 대응까지 포함하는 시스템이기 때문이다.
“차량용 무선충전에서 충전은 50%입니다. 나머지 50%는 NFC·네트워크·보안·업데이트입니다.” 김경윤(Kyungyoon Kim) 부사장이 말했다.
김 부사장의 말은 이 부스 전체를 정의하는 문장에 가까웠다. 차량 내 네트워크와 연결되는 순간부터 무선충전은 ‘전력장치’가 아니라 인증과 운영을 포함한 시스템이다. NFC 기반 디지털키 연동, 네트워크 연결 이후의 업데이트, 그리고 그에 따른 사이버보안 요구사항이 함께 올라온다. Secure Boot, 키 매니지먼트, 암호화 메시지 처리, 무결성 관리가 붙는다. 폰 생태계가 바뀌는 속도에 맞춰 양산 이후에도 계속 맞춰야 하는 제품이다. 그래서 BH EVS는 무선충전을 전력장치가 아니라 OTA까지 포함한 ‘운영 제품’으로 보고 있었다.

Ultra Compact MPP(Qi2). 소형화는 단순 크기 경쟁이 아니라 차량 내 적용 위치를 늘리는 전략이다. 모듈 축소와 함께 열·인증·운영 안정성까지 ‘양산 조건’으로 묶는다.

표준은 ‘따르는’ 게 아니라, 나오기 전에 끝내야 하는 것

부스에서 반복된 키워드는 ‘속도’가 아니라 타이밍. 표준이 확정된 뒤 움직이면 늦다는 말이다. 무선충전 표준은 기기·칩 벤더·인증기관·OEM 요구사항이 얽히며 변화의 파고가 크다. 결국 제품 개발은 회로를 붙이는 일이 아니라, 표준화→인증→적용→양산의 리듬을 통과하는 일이다.
여기서 BH EVS가 내세운 차별점은 ‘자체 솔루션’이다. 경쟁사들이 칩 벤더의 레퍼런스 설계와 소프트웨어를 가져와 조합하는 방식이라면, BH EVS는 범용 MCU 위에 자체 소프트웨어를 올리는 방식으로 접근한다. 이 차이는 ‘우리가 만들었다’는 것이 아니라, 필드 이슈 대응 속도와 인증 전개 속도로 이어진다.
“우리는 칩 벤더 솔루션을 그대로 쓰지 않습니다. 범용 MCU에 자체 소프트웨어를 올립니다. 그래서 인증과 개발이 더 빠릅니다.” 김 부사장이 말했다.
이 말이 중요한 것은, 이후 부스에서 펼쳐지는 모든 확장 제품이 결국 같은 논리로 움직였기 때문이다. 제품이 된다는 건, 요구가 바뀌었을 때 따라잡는 구조를 갖추는 일이다. 그 구조는 자체 설계와 자체 소프트웨어에서 나온다.

Qi2 25W / Fan+Peltier. 무선충전의 절반은 전력이지만, 나머지 절반은 열·인증·업데이트다. 고출력으로 갈수록 열 설계가 제품의 운명을 결정한다(좌).
차내 충전은 충전과 데이터(디스플레이·미러링)가 한 인터페이스로 합쳐지는 순간 ‘운영 시스템’이 된다.
USB-C 기반으로 충전과 영상 출력이 동시에 올라오면, 포트는 액세서리가 아니라 차량 UX의 게이트가 된다.

작아지고, 통합되고, 열을 잡는다
무선충전이 양산으로 가는 방식

부스에서 먼저 눈에 띈 것은 초소형 패키지 기반의 차세대 무선충전 컨셉이었다. 차량은 탑재 공간이 정해져 있고 차종이 한 번 고정되면 구조 변경이 쉽지 않다. 그래서 ‘소형화’는 단순한 크기 경쟁이 아니라, 넣을 수 있는 위치가 늘어나는 적용 전략이다.
‘Ultra Compact’로 소개된 형태는 작은 패키지 안에 회로뿐 아니라 액티브 쿨링(팬), NFC 안테나, 디지털키 시나리오까지 포괄한다. NFC는 단순 인증이 아니라, 카드류가 함께 들어왔을 때 발생할 수 있는 문제를 차단하는 로직에도 쓰인다. 차에서는 이런 사소한 사용자 행동이 곧바로 품질 이슈가 된다.
끝까지 남는 문제는 열이다. 고출력에서 발열은 불쾌감이 아니라 기능 제한과 내구성, 안전 리스크로 확장된다. BH EVS는 정렬 구조가 만들어내는 효율의 이점을 강조했다. 코일 간 거리 자체를 줄여 효율을 끌어올리고 고출력 로드맵을 실제 제품 구조 안에 올려놓는다. 여기서 중요한 건 ‘미래를 말한다’가 아니라, 열이라는 현실을 기준으로 설계를 밀고 간다는 점이다.

100W USB Dual DP. 240W 같은 ‘최대치’보다 중요한 건, 차량이 외부 디바이스를 안정적으로 구동하는 전력·데이터 인프라가 되는 흐름이다(좌).
Moving Wireless Charger(무빙 구조). 비정렬, 케이스, 카메라 범프… 현실을 받아들이는 구조가 클레임을 줄이고 품질을 만든다.

아이디어가 양산이 되려면, OEM과의 ‘티키타카’가 필요하다

부스에서는 기술이 어떻게 설득되고 양산으로 연결되는지를 보여주는 장면이 있었다. 무선충전에서 가장 큰 난제 중 하나는 열 관리다. 특히 접촉 면의 온도 제어는 제품의 운명을 좌우한다.
BH EVS가 소개한 방식은 열전 소자(펠티어) 기반 접근이었다. 핵심은 역시 ‘펠티어를 썼다’가 아니라, 그 아이디어가 OEM과 함께 PoC→피드백→개선→양산으로 이어지는 과정에 있다.
“팬 쿨링만으로는 부족하다고 봤습니다. 그래서 펠티어를 제안했고 PoC를 했습니다. 결과가 좋아 양산 단계로 갔습니다.”
김 부사장은 이 과정을 “계속 찾아가고 컨택하고, 피드백을 받고, 개선해 다시 가져간다”는 방식으로 설명했다. 공급사에게 필요한 건 한 번의 제안이 아니라, 그 반복을 버티는 개발·품질 체질이다. BH EVS가 보여준 건 기술이 아니라 양산의 체력이었다.

부스에서 가장 인상적인 전환점은, 센서 데모부터 김 대표의 회사 확장 방향 설명 직후에 이뤄졌다는 점이다.

2막: 3필러 선언은 ‘레이다 직전’에 있었다
확장의 순서가 바뀌는 순간, 부스의 온도가 달라졌다

이 부스에서 가장 인상적인 전환점은, 센서 데모가 ‘신제품 소개’가 아니라, 회사의 확장 방향 설명 직후 이뤄졌다는 점이다. 즉, 레이다부터는 ‘새로운 장난감’이 아니라 BH EVS가 다음 단계로 넘어가기 위해 반드시 잡아야 할 축 중 하나로 등장한 것이다.
“저희가 크게 세 개 필러를 준비 중입니다.”
김진용(Jinyong Kim) 대표의 목소리가 먼저 기준을 잡았다.
“첫째는 스마트 센서/스마트 액추에이터입니다. 레이다를 포함해 AI가 들어가는 스마트 센서를 한 가지 필러로 둡니다. 둘째는 로보틱스입니다. 로봇 충전과 휴머노이드까지 가면 관절에 들어가는 FPCB 같은 부품 확장도 필요해집니다. 셋째는 전동화입니다. BMS, 그리고 충전까지입니다.”
그런 후 레이다 데모가 시작됐다. 말이 ‘비전’에서 끝나지 않고 즉시 실물과 시연으로 연결되는 느낌. 이 연결은 바로 BH EVS가 확장을 ‘아이템 나열’로 하지 않고, 시장 타이밍과 양산 리듬으로 확장을 설계한다는 것이다.

초근거리 도어 레이더와 CPD(Child Presence Detection)용 실내 레이더 모듈(좌). MEMS Microphone Module(A2B 인터페이스).

센서·레이다: 규제 타이밍이 제품을 만든다

확장의 첫 번째 필러는 스마트 센서/스마트 액추에이터다. Euro NCAP에서 CPD(Child Presence Detection)가 점수 항목으로 들어가는 흐름은 센서 수요를 확실히 밀어 올릴 수 있다. BH EVS는 이 요구가 본격화되기 전에 고객과 협의를 진행 중이다.
현장 데모는 직관적이었다. 담요로 시야를 덮어 가리자 카메라는 탐지가 끊겼다. 하지만 레이다는 일정 시간이 지난 뒤 다시 탐지 신호를 복원했다. ‘가려짐’이란 현실 조건에서 레이다의 장점이 한 번에 보이는 장면이었다.
또 다른 레이다 컨셉은 도어 개방 시 접근 물체(바이크·킥보드 등)를 감지해 충돌 위험을 줄이는 초근거리 레이다였다. 넓은 FOV(약 160도)와 빠른 탐지 응답을 강조했고, 초음파 대비 레이다 기반 감지의 장점을 분명히 짚었다. 이 파트의 메시지는, 센서는 ‘시연’이 아니라 규제와 양산이 만드는 시장이라는 것.

EV의 히팅 문제를 ‘필름·소재·공정’으로 푸는 방식

부스에서 의외로 강한 체감을 준 데모 중 하나는 이상준(Jun Lee) 책임이 소개한 발열 필름 기반 히터 솔루션이었다. 전기차는 겨울철 주행거리가 크게 떨어진다. 원인 중 하나가 난방 효율이다. PTC 히터는 효율 부담이 크고 건조한 바람은 감성 품질에서도 불리하다. BH EVS는 이를 발열 필름 기반으로 접근했다.
복사열과 전도열을 선택적으로 구현하는 방식으로 소개됐다. 손을 가까이 대면 은은하게 올라오는 복사열을 느낄 수 있고, 설정을 낮추면 기존 열선처럼 전도열을 체감할 수 있다. 안전을 위한 터치 오프 기능도 포함된다. 적용 형태는 바닥 매트, 암레스트, 플라스틱 구조물 삽입 등으로 열려 있었다.
이 솔루션이 흥미로운 이유는 아이디어 때문이 아니라, BH 그룹의 소재·제조 역량과 연결되는 방식 때문이다. PI 필름, CNT 페이스트, 은 페이스트 등 소재 구조는 FPCB 기반 역량과 맞물린다. 원자재 구매부터 필름 생산, 제어기 생산, 인터페이스 통합까지 한 체계로 묶는다. 히터는 단일 제품이 아니라 소재-생산-품질을 한 덩어리로 묶는 양산 체질의 확장이었다.

EV 난방 문제를 ‘바람’이 아니라 면 발열로 푼다. 소재·제조·품질을 한 덩어리로 묶는 방식이 양산의 언어다(좌).
Compact 7.7kW VA Module. EV 충전에서 중요한 건 아이디어가 아니라 바닥(언더바디) 조건을 버티는 패키징과 열 설계다. 전시가 아니라 양산 모듈.

충전, 무선의 미래보다 ‘자체 개발된 자동 유선’이 먼저 열린다

EV 충전은 오래전부터 미래의 상징처럼 이야기됐지만 현실에서 시장은 느리게 열린다.
BH EVS도 7.7kW부터 22kW급까지 무선충전 개발을 진행해왔다. 하지만 현장에서 더 강하게 나온 메시지는 오히려 반대다.
“무선은 최대 효율이 94%이고, 자동 유선은 99% 수준입니다. 지금은 효율과 현실성에서 자동 유선이 먼저입니다.” 이 책임이 말했다.
자동 유선충전은 로봇이 꽂아주는 방식으로 설명됐지만, 핵심은 단순 동작이 아니다. UWB 기반 근접 인식과 정렬, 결합 구조, 안전, 오염 환경까지 포함한 도킹 설계가 들어간다. 도킹 실패가 곧 사용자 경험의 붕괴로 이어지기 때문에 기구적 가이드가 설계의 절반이 된다.
이 파트에서 핵심 중 하나는, 특허 장벽이 높은 영역인 EV 무선충전에서도 BH EVS는 ‘기존 강자의 특허를 최대한 우회해’ 기술을 구성하고 있다는 점이다. 즉, 단순 적용이 아니라 자체 개발 축으로 가져가는 것이다. 시장은 늦게 열려도 기술은 이미 준비돼 있다.

로봇 충전: 도킹이 실패하지 않게 만드는 ‘기구 설계’가 경쟁력

로봇 충전은 EV보다 더 빠르게 현실로 들어오는 시장처럼 보였다. 서비스 로봇과 이동 플랫폼에서 충전은 운영의 일부가 되고, 운영에서 가장 큰 문제는 늘 도킹 실패다. BH EVS는 기구적으로 도킹 가이드를 둬 로봇이 접근하면 정렬이 자동으로 유도되는 구조를 제시했다. 단자가 평소에는 덮여 있어 안전하고, 오염·수분 노출 리스크도 줄인다.
여기서 반복된 표현은 ‘자동차급 내구성’이었다. 한 제품은 7,000회 도킹 테스트가 끝났다고 언급됐다. 수직 충전·수평 충전 등 구조를 달리한 라인업도 소개됐고, 로봇이 잘못 접근해도 좌우로 움직이며 결합을 허용하는 방식이 눈에 띄었다. 현장에서 깨지는 지점을 설계로 흡수하는 방향이 뚜렷했다.
이 파트는 데모가 아니라 수주·양산의 톤으로 끝났다. “이미 수주를 해 양산을 코앞에 두고 있다”는 말이 이어졌다.

무선이 ‘미래’라면, 자동 유선은 지금의 해법이다. 효율과 현실성에서 시장이 먼저 여는 쪽은 이 방향이다.
UWB 기반 초기 정렬과 포지션 센서 제어, 전극 커버 메커니즘까지 포함해 “꽂히는 동작”이 아니라 실패하지 않는 도킹을 설계한다.
충전은 정렬 실패를 줄이는 설계에서 시작된다. 현장에서는 도킹·오염·안전 조건이 중요하다. 충전은 결국 운영 품질의 문제다.

BH EVS는 ‘잘할 것 같은’이 아니라
이미 ‘양산 방식’으로 움직이는 회사

산업은 결국 일정과 품질로 결정된다. BH EVS 프라이빗 부스에서 확인한 것은 거창한 미래가 아니라 현재의 단단함이었다. 설명은 스펙이 아니라 과정이었고, 일정과 인증, 열과 클레임을 먼저 이야기했다. 아이디어는 많았지만 공중에 뜨지 않았고, OEM과의 티키타카를 통해 제품이 변하는 과정이 살아 있었다. 무엇보다 인상적이었던 건 확장의 전개 순서였다. 김진용 대표의 3필러 선언이 먼저 있었고, 그 직후 레이다와 센서 데모가 이어졌으며, 히팅 필름과 EV·로봇 충전까지 ‘양산 체질’로 연결됐다. ‘가능성’이 아니라, 현장에 대한 ‘책임(accountability)’의 온도가 느껴졌다.

[구태완 테크 칼럼] Safety Analysis: 귀납적 vs. 연역적 안전분석

글│구태완 책임연구원·공학박사, 현대자동차 R&D본부 — 2026-01-26 17:28:18+0900

Safety Analysis: 귀납적 vs. 연역적 안전분석

안전 전문가이자 책임 있는 엔지니어로서 안전분석 결과를 올바르게 바라보기 위해서는, 이 분석을 통해 새롭게 보게 된 위험은 무엇이며, 그 결과 실제로 줄였다고 말할 수 있는 사고 가능성은 무엇인가를 명확히 답할 수 있을 때, 귀납적 방법론과 연역적 방법론에 매몰되지 않고 실질적인 안전 능력을 함양할 수 있을 것이다.

글│구태완 책임연구원·공학박사, 현대자동차 R&D본부

“안전분석, 절차보다 시선이 먼저다: Inductive와 Deductive의 철학”

최근 다녀온 해외출장은 안전분석을 어떻게 수행해야 하는지에 대해 여러 가지 생각을 던져주는 계기가 되었다.
회의실에서는 ISO 26262 기반의 각종 프로세스와 템플릿, 체크리스트와 리뷰 결과가 나름(?) 잘 정리되어 있었다. 또한 귀납적 안전분석과 연역적 안전분석도 “조직 내에서 준수해야 할 절차”로 잘 자리잡고 있었다. 겉으로만 보면, 그 조직은 “안전분석을 충실히 수행하고 있다”고 평가해도 무방해 보였다. 그러나 논의가 진행됨에 따라 한 가지 불편한 점이 있었고, 그 불편함은 시간이 흐름에 따라 점차 분명해졌다. 다시 말해 회의실에서 주고받은 안전분석에 관한 논의가 “무엇을 위해 분석하는가”가 아니라, “어떤 형식으로, 어떤 양식을, 어떤 규칙으로 채우는가”에 매몰되고 있었다는 점이다. 특히 “귀납적(Inductive) 분석 = FMEA", "연역적(Deductive) 분석 = FTA”라는 공식에 너무 매몰되어, 마치 귀납은 곧 FMEA이고, 연역은 곧 FTA인 것처럼 사고가 고정되어 있는 모습을 곳곳에서 보게 되었는데, 이 틀에 갇힌 시선은 안전분석의 본래 목적을 흐리게 할 위험이 있다고 느꼈기 때문이다.

"안전분석은 설계 단계에서 발생 가능한 위험을 사전에 분석·예측하여 안전을 저해하는 심각한 사고를 예방하는 것"을 목적으로 한다. 또한 귀납적·연역적 방법론은 그러한 목적을 달성하기 위한 도구로 도입된 것이지 방법론 자체가 목적이 된 것은 아니다. 그럼에도 “안전분석으로서 귀납적 분석은 FMEA를 수행해야 하고, 연역적 분석은 FTA만을 수행해야 한다"라는 식의 고정된 프레임이 자리잡으면, 진짜 중요한 위험은 "방법론 기반의 문서화"에 뒤덮여 본래 안전분석의 목적을 달성할 수 없을 수도 있다.

이 글에서는 inductive(귀납적)와 deductive(연역적) 방법론을 절차가 아닌 ‘시선과 철학’의 문제로 다시 바라보자는 이야기를 하고 싶다.

1. 방법론의 틀에 갇힌 안전분석의 위험

대개는 일정 수준의 성숙도를 갖는 조직일수록 안전분석에 관한 프로세스와 관련 문서가 잘 갖추어져 있다. 또한 HARA (Hazard Analysis and Risk Assessment), FMEA (Failure Mode and Effect Analysis), FTA (Fault Tree Analysis), FMEDA (Failure Mode, Effect and Diagnostic Analysis) 등 여러 기법이 필요에 따라 할당되고, 각 단계별 템플릿과 산출물이 정의되어 있다. 물론, 이러한 정형화된 구조·형식은 분명 필요하다. 하지만 문제는 이 구조·형식이 어느 순간부터 “목적”이 아니라 “그 자체로 (마치 구조가 본질인 것처럼) 완결된 목표”처럼 취급되고 있다는 점이다.

출장지에서 논의된 주요 논점은 다음과 같다.

귀납적 안전분석은 FMEA로, 연역적 안전분석은 FTA로 수행되어야 한다. 이것이 가장 직관적이고 편리한 안전분석 수행 확인 방법이다.

하지만 이 논점에서 우리가 놓치고 가는 부분이 있다고 느껴졌다.

귀납적 안전분석과 연역적 안전분석을 통해 무엇을 새롭게 이해했고, 어떤 위험을 실제로 줄였는가?

즉 안전분석 기법, 그 방법론에만 집중하는 순간 안전분석은 단순한 “문서 작성 활동”으로 그 의미가 퇴색되고 만다. 한마디로, FMEA 테이블에 적힌 Failure Mode의 개수나 FTA에서 게이트가 얼마나 복잡하게 그려져 있는지만으로 안전분석 결과를 평가한다면, 정작 “우리가 놓쳤던 위험을 발견했는지”, “우리가 막연하게 두려워하던 위험의 구조를 명확히 이해하게 되었는지”와 같은 본질적인 질문은 뒷전으로 밀려날 수밖에 없다.
이는 단순한 비효율을 넘어 실제 사고(Accident)로 이어질 수 있는 근본적 취약점을 가진다. 문서상으로는 모든 절차를 충족했지만, 실질적 위험은 적절히 포착되지 않았을 수도 있기 때문이다. 따라서 귀납적·연역적 방법론을 언급할 때, 우리는 항상 “어떤 절차를 택할 것인가?”보다 “어떤 시선을 가질 것인가?”를 먼저 살펴봐야 할 것이다.

2. 귀납적 방법론 - "모든 구성요소는 언젠가 고장 날 수 있다"는 겸손

2.1. ‘귀납적’의 철학적 가치
귀납적 방법론에는 한 가지 전제가 있다.

“시스템을 구성하는 모든 요소는 다양한 방식으로 고장(Failure)이 발생할 수 있으며, 우리는 모든
고장을 아직 충분히 이해하지 못한다.”

따라서, 이 전제를 수용하면 분석의 출발점이 달라진다. 즉, 안전분석의 출발이 특정 사고(Accident)나 안전 목표(Safety Goal)에서 시작하는 것이 아니라, 구성요소와 기능 하나하나를 정의하는 것에서 출발하게 된다.

가령 자동차 제동 제어 시스템을 예로 들면 다음과 같은 구성요소와 기능들이 있다.

브레이크 페달 입력 센서
휠 속도 센서 및 차체 가속도 센서
유압 펌프, 밸브, 모터 등 제동 액추에이터
제동 ECU 하드웨어 및 소프트웨어
상위 ADAS 기능으로부터의 제동 요구 신호
전원, 통신 네트워크, 접지 및 EMC 환경 등

그런 다음 엔지니어는 귀납적 관점에서 각각에 대해 다음과 같은 질문을 던진다. (Failure Mode 가정)

이 센서가 고정값으로 붙는다면, 혹은 노이즈가 과도하게 증가한다면?
이 밸브가 열리지 않거나 반대로 닫히지 않는다면?
이 소프트웨어 모듈이 특정 경계 조건에서 오버플로를 일으킨다면?
이 통신 메시지가 지연 또는 소실되거나 타이밍이 꼬여 순서가 바뀐다면?

그리고 이러한 Failure Mode를 하나씩 가정하고,

로컬 수준에서의 영향
제어 시스템 수준에서의 영향
차량 동역학과 운전자 체감
나아가 교통 환경 전체에서의 안전 영향

등을 위로 끌어올려 평가하는 흐름이 귀납적 분석의 골격이다. 통상적으로 FMEA가 이 역할을 수행하는 대표적인 도구인 것은 맞다.

그러나 진짜 중요한 것은 도구 자체보다 여기에 내포된 시선과 태도라고 생각한다.

"이 정도 고장은 발생하지 않을 것”이라는 섣부른 단정 대신, "고장" 자체를 바라보는 시선과 “만약 고장이 발생한다면 어디까지 위험이 전달되는가?”를 묻는 태도
“이 기능은 단순하므로 분석할 필요가 없다”는 안일함 대신, "간과하는 고장"에 집중하는 시선과 “단순해 보이는 기능일수록 간과된 인터페이스가 없는가?”를 탐색하는 태도
“우리가 정의한 Failure Mode 목록이 충분한가?”를 스스로 의심하는 습관

즉, 귀납적 방법론이 안전 엔지니어에게 요구하는 가치는 다음과 같이 정리할 수 있을 것이다.

“모든 것은 언젠가 예상하지 못한 방식으로도 망가질 수 있다”는 겸손을 전제로, 가능한 많은 고장의 패턴을 상상하고 그 파급효과를 끝까지 따라가 보는 집요함이다.

2.2. 제동 제어에서의 구체적 시선
예를 들어, 고속도로에서 100 km/h로 주행 중인 차량에서 한쪽 휠 속도 센서가 실제보다 낮은 속도 값을 센싱하여 ECU로 송신했다고 가정해 보자.

귀납적 관점의 질문은 다음과 같이 이어진다.

제동 제어 로직은 이 신호를 어떻게 해석하는가?
한쪽 휠 속도 값이 상대적으로 “느리다”고 판단할 경우, 제동 제어기는 휠 슬립으로 오인하여 불필요하게 해당 휠의 제동력을 해제하거나 다른 휠에 보상 제동을 가하지는 않는가?
이런 제어가 주행 환경(차선 변경, 코너 진입, 노면 편차 등)과 결합하면, 차량은 운전자의 의도와 다른 방향으로 쏠리거나 예측하기 어려운 제동감을 제공하지 않는가?
이러한 현상이 반복되거나 특정 시나리오에서 겹치면, 실제 사고 가능성으로 어떻게 전이될 수 있는가?

여기서 핵심은 ‘휠 센서 하나 고장’이 아니라, 그 하나의 고장이 차량 레벨의 위험으로 상승하는 경로를 상상하고 추적하는 능력과 역량이다. 하지만 단순히 FMEA 템플릿의 빈칸을 채우는 작업에 머무르면 이 고장 전이 경로는 쉽게 놓치게 된다. 반대로, 귀납적 철학과 가치를 제대로 인식하고 있다면 같은 템플릿 안에서도 훨씬 밀도 있는 위험 인식이 축적된다.

3. 연역적 방법론 – “이 사고만큼은 절대 허용할 수 없다”는 집요한 집중

3.1. ‘연역적’의 철학적 가치
연역적 방법론은 귀납적 방법론과는 다른 전제에서 출발한다.

"우리는 모든 위험을 다 다룰 수 없다. 그러나 몇 가지 사고만큼은 절대로 허용할 수 없다."

따라서 분석의 출발점이 구성요소가 아니라 사고(Accident) 시나리오에서 출발한다.

제동 제어를 예를 들면 제동 제어에서 민감하게 바라보는 대표적인 Top Event를 두 가지로 정리해 볼 수 있다.

운전자가 브레이크를 강하게 밟았음에도 차량이 충분히 감속하지 않는 경우(불충분한 제동)
운전자가 브레이크를 밟지 않았음에도 차량이 강하게 제동되는 경우(의도치 않은 차량 급제동)

둘 모두 고속 주행 상황에서 치명적인 결과로 이어질 수 있는 사고이다. 따라서, 연역적 관점에서는 이러한 사고를 Safety Goal 위반의 대표 사례로 두고, 그 발생 조건과 구조를 분석의 중심에 둔다.

3.2. 사고(Accident) 구조를 이해한다는 것
예를 들어 두 번째 사고, 즉 “의도치 않은 차량 급제동”을 Top Event로 설정해 보겠다. 이 사고가 일어나기 위해서는 여러 계층의 조건이 결합해야 한다.

제동 ECU가 운전자 입력과 무관하게 제동 명령을 계산·출력하는 경우
상위 ADAS에서 잘못된 장애물 인식 혹은 충돌 예측을 근거로 과도한 제동 요구를 지속적으로 보내는 경우
센서 조합과 도로 환경(그림자, 차선 패턴, 전방 구조물)이 실제와 다른 위험 상태로 인식되는 경우
유압 계통 또는 모터 구동부가 전기적 명령 없이도 물리적으로 Stuck 되는 경우
이러한 상태를 감지하고 차단할 수 있는 진단·모니터링 장치가 부재하거나 비효율적인 경우

연역적 방법론은 이 다양한 원인 후보들을 단순 나열하는 데서 멈추지 않고 논리 구조로 조직화할 수도 있다. Top Event에서 시작해 중간 사건을 AND·OR 게이트로 분해하고, 각 가지 끝에는 개별 고장, 설계 결함, 진단 실패와 같은 Basic Event가 놓인다.

이때의 목표는 단지 “규정된 FTA를 완료하는 것”이 아니라 다음과 같은 상태에 도달하는 것이다.

이 사고가 어떤 조합의 조건에서 성립하는지, 엔지니어 스스로가 납득할 수 있게 설명할 수 있는 상태
어떤 Basic Event를 제거하거나 어떤 구조를 변경했을 때, 사고 발생 가능성이 어떻게 변화하는지 논리적으로 논의할 수 있는 상태
설계, 진단, 검증 전략이 “문서상 요구”가 아니라 사고(Accident) 구조에 직접 대응하도록 설계할 수 있는 상태

즉, 연역적 방법론의 철학은 다음과 같이 요약할 수 있다.

"용납 불가한 사고를 명확히 선언하고, 그 사고가 성립하는 인과 구조를 끝까지 추적하여 설계와 진단, 검증을 통해 그 구조를 의도적으로 붕괴시키는 것”이다.

4. 절차 중심 접근이 만드는 구조적 한계

문제는 이러한 귀납적·연역적 방법론 자체 또는 절차 중심의 접근 자체에 매몰될 때 발생한다. HARA, FMEA, FTA 등 다양한 안전분석 결과가 각각 독립적인 문서로만 존재하고 서로 간의 논리적 연결이 느슨하면, 안전분석은 쉽게 안전과 무관하게 "문서”로만 인식된다.

그런데 이렇게 안전과 무관한 "문서"로만 인식될 때 만약 다음과 같은 질문이 던져지면 곤란해지기 시작한다.

실제 필드에서 발생한 특정 제동 관련 사고가 기존 HARA·FMEA·FTA 체계에서 어떻게 다뤄졌어야 하는가?
우리가 FMEA에서 정의한 Failure Mode들이 어떤 Safety Goal 및 사고 시나리오와 구체적으로 연결되어 있는가?
FTA에서 도출한 최소 컷셋과 FMEA의 Failure Mode, 실제 시험 케이스는 서로 어떻게 추적 가능하게 연결되어 있는가?

만약 이 질문에 대한 답이 문서를 여러 번 뒤져도 나오지 않는다면, 그 조직의 안전분석은 형식적 완결성은 갖추었지만 논리적 일관성은 확보되지 않은 상태일 가능성이 높다.

그렇다고 이 상황에서 안전분석 기법(연역적 또는 귀납적)을 하나 더 추가하는 것만으로는 해법이 될 수 없다. 오히려 분석의 목적이 더 희석될 위험이 있다. 필요한 것은 새로운 절차나 방법론이 아니라, 기존 방법론을 관통하는 시선과 철학을 명확히 하는 것이다.

귀납적 분석이라면 “어떤 새로운 failure 시나리오를 발견했는가?”
연역적 분석이라면 “어떤 사고(Accident) 구조를 처음부터 명료하게 이해하게 되었는가?”

이 질문에 스스로 답해 보지 않으면 FMEA와 FTA 수행은 단순히 템플릿의 빈칸을 채우는 무의미한 역할일 뿐 안전분석의 목적 달성과는 무관한 활동으로 전락하게 될 것이다.

5. STPA – 실패한 부품이 아니라 실패한 제어를 보는 관점

참고로 STPA에 대해 간략히 짚어본다. STPA(System-Theoretic Process Analysis)는 전통적인 failure 중심 기법과는 다른 축에 서 있다. STPA는 개별 부품의 고장 자체보다 시스템 전체의 제어 구조와 안전 제약(Safety Constraints)에 초점을 둔다.

(상세한 내용은 별도로 정리된 포스팅을 참고해 주시기 바랍니다)
2025.01.31 - [System Engineering/SE Methodology] - STPA: 시스템 안전분석 - (1) 분석 목적 정의

STPA의 출발점은 다음과 같은 질문이다.

“우리가 절대 허용할 수 없는 손실(Loss)과 Hazard는 무엇인가?”
“그 손실과 Hazard를 방지하기 위해 시스템이 반드시 지켜야 할 제약 조건은 무엇인가?"

이 질문들은 분명 연역적 특성을 가진다. L(Hazard, Loss) 수준에서 시작해 시스템, 서브시스템, 제어 루프 방향으로 내려가기 때문이다.

동시에 STPA는 각 제어 동작(Control Action)에 대해 추가적인 질문을 던진다.

이 제어가 필요한데 수행되지 않을 경우 언제 Hazard를 유발하는가?
이 제어가 필요하지 않은데 수행될 경우 어떤 상황에서 위험해지는가?
제어가 너무 늦거나 너무 이르게 수행될 때 어떤 사고 시나리오가 발생할 수 있는가?
제어 강도나 지속 시간이 부적절할 때 시스템은 어떻게 위험 상태로 이행하는가?

이 질문에 답하기 위해서는 센서·소프트웨어·사람·조직·절차·환경 요인을 모두 고려한 다양한 Causal Scenario를 폭넓게 상상해야 하는데, 이는 전형적인 귀납적 특정이라고 볼 수 있다.

따라서 STPA는 다음과 같이 이해할 수 있다.

"Top-level 손실과 Hazard를 기준으로 사고를 정의하고(연역적 출발), 시스템 제어 구조 전반에서 그 사고를 유발할 수 있는 다양한 제어 실패 시나리오를 발굴하는(귀납적 확장) 시스템 이론 기반 안전분석 기법"이다.

STPA의 가치는 FMEA나 FTA와 같이 별도의 “추가 문서”를 하나 더 만드는 데 있지 않다. STPA의 가치는 “우리가 실패한 부품만 보는지, 아니면 실패한 제어와 깨진 제약까지 함께 보는지”를 스스로 점검하게 한다는 데 있다.

결국 FMEA가 “무엇이 어떻게 망가지는가?”를 묻는다면, FTA는 “그 망가짐이 어떻게 특정 사고를 구성하는가?”를, STPA는 “왜 그 순간에 적절한 제어가 이루어지지 않았는가?’를 묻는다.

마치며

출장에서 돌아오는 비행기 안에서 문득 질문이 떠올랐다.
“지금까지 작성해 온 수많은 FMEA, FTA, 각종 안전분석 문서 중에서 실제로 현장에서 발생할 수 있는 위험을 줄였다고 자신 있게 말할 수 있는 분석은 얼마나 될까?”
이 질문에 솔직하게 답하기 위해서는 안전분석의 형식에 매몰되지 말고 안전분석의 본질과 목적에 입각하여 결과를 바라봐야 할 것이다. 즉, 귀납적 방법론의 본질과 목적은 다음과 같다.

시스템을 완전히 이해하고 있다고 생각하지 말고, 가능한 많은 고장 모드와 시나리오를 상상하고, 각 failure가 어떤 경로로 위험을 키우는지 꼼꼼히 살펴 위험의 예방·감지 방안을 수립하는 것이다.

또한 연역적 방법론의 본질과 목적은 다음과 같다.

모든 위험을 다 다룰 수는 없다. 그러나 이 몇 가지 사고(Accident) 또는 안전목표 위배 만큼은 절대 허용할 수 없다.
따라서 사고(Accident) 또는 안전목표를 위배하는 구조를 논리적으로 추적하고, 설계·진단·검증 대책을 수립하는 것이다.

결국 중요한 것은 “FMEA를 했는가, FTA를 그렸는가, STPA 보고서를 제출했는가”가 아니다. 안전분석 결과를 올바르게 바라보기 위해 중요한 다음 두 질문에 적절한 답을 가지고 있는가이다.

우리는 이 분석을 통해 어떤 위험을 새롭게 보게 되었는가?
그 결과 어떤 사고 가능성을 실제로 줄였다고 말할 수 있는가?

이 질문에 안전 전문가이자 책임 있는 엔지니어로서 올바른 답을 할 수 있을 때, 귀납적 방법론과 연역적 방법론에 매몰되지 않고 충실한 안전 능력(Capability)을 함양할 수 있다고 믿는다. - END -

필자 소개
구태완 박사는 복잡한 기술 개념을 더 많은 이들과 나누기 위해 블로그에 꾸준히 글을 올리고 있다. 시스템공학과 소프트웨어, 자동차 기술 분야에서 축적한 경험을 쉽게 풀어 전달하며, 현장의 사고방식과 실용적 관점을 공유하는 것이 그의 글쓰기 목적이다.

[이미지=OpenAI ChatGPT (AI 생성)]

이전글 보기 >>
OWL 온톨로지란 무엇인가?
GORE: What보다는 Why에 집중한 요구사항 분석

자동차 존 아키텍처를 위한 혁신적인 전력 분배 솔루션

편집부 — 2026-01-21 17:11:26+0900

이 글은 자동차 존 아키텍처를 위한 전력 분배 솔루션을 제시하며, 이는 ST의 STi²Fuse 스마트 퓨즈와 백투백(B2B) MOSFET 구성을 결합해 양방향 전력 레일 스위치(PRS)를 구현한다. PRS는 대칭 전압 차단과 양방향 전류 흐름 기능을 갖춘 유연하고 안전한 전력 분배 기능을 제공한다.

글│로베르토 카푸토(Roberto Caputo), 애플리케이션 매니저
주시 감비노(Giusy Gambino), 마케팅 커뮤니케이션 스페셜리스트
ST마이크로일렉트로닉스

자동차 산업은 전동화(electrification), 첨단운전자지원시스템(Advanced Driver Assistance Systems, ADAS), 자율주행 및 커넥티드 차량으로의 발전이 빠르게 진행되면서 패러다임의 전환을 겪고 있다. 이러한 혁신은 안전성과 효율성을 유지하면서도 더 높은 수준의 전력을 처리할 수 있는 점점 더 복잡하고 안정적인 전기 시스템을 요구한다.

광범위한 배선 하네스(wiring harnesses)와 중앙 집중식 제어 장치에 의존하는 기존의 중앙 집중식 전력 분배 아키텍처는 복잡하고 무거울 뿐만 아니라 확장성이 제한돼 실현 가능성이 점차 낮아지고 있다. 이러한 과제를 해결하기 위해 자동차 업계는 영역별 전기 아키텍처(Zonal electrical architectures)로 전환하고 있다. 이 접근 방식에서는 차량의 전기 시스템을 관리 가능한 여러 존으로 나누고, 각 구역이 차량의 특정 하위 시스템이나 영역에 대한 전력 공급을 책임진다.

이러한 세분화를 통해 배선 구조가 단순해지고, 무게가 줄며, 유지보수가 쉬워지고, 결함 발생 시 해당 부분만 빠르게 격리할 수 있다. 하지만 존 아키텍처는 엄격한 자동차 표준에 따라 유연하고 안전하며 효율적으로 작동할 수 있는 혁신적 전력 분배 부품이 필요하다.

존 아키텍처의 전력 레일 스위치

존 아키텍처의 핵심 요소 중 하나는 다수의 부하 라인에 전력을 분배하기 위해서 제어 가능한 노드 역할을 하는 전력 레일 스위치(Power Rail Switch, PRS)다. PRS는 동적 전력 라우팅과 결함 관리 시나리오를 처리하기 위해 양방향 전류 흐름을 지원해야 한다. 또한, 결함을 신속하게 격리하고 전반적인 시스템 안정성을 유지하는 강력한 보호 메커니즘을 제공해야 한다.

ST마이크로일렉트로닉스(STMicroelectronics, 이하 ST)의 STi²Fuse 스마트 퓨즈는 이러한 까다로운 요구사항을 충족하도록 설계됐다. 첨단 하드웨어 및 소프트웨어 기능을 통합하여 정밀한 제어, 실시간 진단, 신속한 결함 대응을 지원한다.

여기서 설명하는 PRS 솔루션은 백투백(back-to-back, B2B)으로 구성된 4개의 STi²Fuse 디바이스를 활용해 48V에서 최대 150A의 전류로 두 가지 다른 경로를 처리할 수 있는 양방향 전력 스위치를 구성한다.

이 B2B MOSFET 구성은 OFF 상태에서는 대칭 전압 차단이 가능하며, ON 상태에서는 양방향 전류 흐름을 지원한다. 이로써 이상적인 양방향 전력 스위치(Bidirectional Power Switch, BPS)의 동작을 효과적으로 재현한다.

1. 양방향 전력 스위치(BPS) 개념

BPS는 ON 상태에서 양방향으로 전류를 전달하고, OFF 상태에서는 양방향으로 전류를 차단할 수 있는 액티브 스위치다(그림 1).

그림 1. 양방향 전력 스위치의 모식도

BPS를 이상적으로 구현한 상황에서 두 개의 라인(라인 L과 라인 R)은 상호 교체 가능한 입력 단자와 출력 단자다. ON 상태와 OFF 상태의 BPS 특성 다이어그램은 각각 그림 2와 3에서 확인할 수 있다.

그림 2. ON 상태의 BPS 특성 다이어그램

그림 3. OFF 상태의 BPS 특성 다이어그램

공통 드레인이 있는 두 개의 N 채널 MOSFET에 대한 B2B 구성을 사용하여 BPS를 만들 수 있다(그림 4).

그림 4. B2B 구성에서 두 개의 N-채널 MOSFET

이 구성은 BPS와 유사한 대칭적인 OFF 상태 차단 특성을 제공한다. 드라이버 회로로 게이트 G1과 G2를 제어하면, 그림 5와 같이 제어된 양방향 라인을 만들 수 있다.

그림 5. 제어된 양방향 라인의 개략적인 구성

게이트 드라이버는 정밀한 스위칭 및 보호 제어를 보장하므로 B2B 구성은 자동차 전력 분배 애플리케이션에 적합하다.

2. 전력 레일 스위치(PRS) 구현

PRS 구성은 그림 6과 같이 공통 노드에 연결된 두 개의 양방향 라인을 사용하고 STi²Fuse 컨트롤러 VNF1248F로 MOSFET 게이트를 구동하여 구현했다.

그림 6. 전력 레일 스위치(PRS)의 회로도 구성

4개의 VNF1248F 디바이스는 게이트 신호와 보호 메커니즘을 관리하여 다음과 같은 결함 조건에서 안전한 작동을 보장한다.

비정상적 전류 이벤트를 감지하는 과전류(Overcurrent, OVC) 및 하드 단락(Hard Short-Circuit, HSC) 보호 기능
퓨즈 기능 에뮬레이션을 위한 전류 대 시간 래치오프 보호 기능, 시리얼 주변장치 인터페이스(SPI)를 통한 설정 가능
열 관리를 통한 외부 MOSFET 과열 셧다운 활성화

실험 결과

측정은 다음 3개의 스택 레이어로 구성된 하드웨어 설정을 사용하여 수행했다.

특정 펌웨어로 프로그래밍한 마이크로컨트롤러 보드
STi²Fuse 컨트롤러를 장착한 드라이버 보드
MOSFET을 포함하는 전력 보드

그래픽 사용자 인터페이스(GUI)를 사용하여 4개의 VNF1248F 컨트롤러를 프로그래밍하고 실시간 진단 피드백을 제공했다.
드라이버 보드는 그림 7에서 볼 수 있다.

그림 7. PRS 컨트롤러용 평가 보드

양쪽 레일 라인에서 단락이 발생하면 VNF1248F 디바이스가 부하를 보호하는 역할을 한다. 이러한 디바이스의 반응 시간은 과전류 수준에 반비례하며, 응답 시간은 스마트 퓨즈 내에 구성된 I²t 곡선을 따른다.

실험 데이터는 표 1에 요약되어 있다.

과전류 부하	반응 시간
20A	31.6ms
30A	8.16ms
85A	10µs

표 1. 스마트 퓨즈 반응 시간에 대한 실험 데이터

I²t 보호 테스트 결과, 고전류 결함(최대 85A)에 대해 10마이크로초(µs)의 빠른 반응 시간을 보이며, 전반적인 시스템 안정성을 유지하면서도 결함 라인을 신속하게 분리하는 PRS의 기능을 확인할 수 있다.

하나의 레일 라인(L2)에서만 단락이 발생할 경우, VNF1248F 디바이스는 결함이 있는 레일을 격리하여 부하를 보호한다. 그림 8에 표시된 것처럼 부하의 기능은 다른 정상 레일 라인(L1)을 통해 유지된다.

그림 8. 레일 라인(L2)의 하드 단락 이벤트

테스트 순서는 세 단계로 나뉜다.

1단계: 정상 작동

L1 및 L2 레일이 모두 정상적으로 작동한다.
회로에 연결된 램프가 ON 상태이며, 전력이 올바르게 흐르고 있음을 나타낸다.
스마트 퓨즈 1과 3 모두 게이트가 활성화되어 전류가 흐르도록 한다.

2단계: L2에서 하드 단락 발생

L2가 갑자기 접지로 단락되었다(하드 단락).
스마트 퓨즈 3은 결함을 감지하고 래치하여 게이트를 LOW로 강제 전환해 전류 흐름을 차단하고 회로를 보호한다.

3단계: 결함 격리

L2는 스마트 퓨즈 3에 의해 개방(분리)되어 단락을 효과적으로 차단한다.
시스템의 다른 부분은 계속 보호 상태로 작동한다.
램프는 여전히 ON 상태이며 정상 레일(L1)에 의해 전력이 공급되어 시스템의 내결함성 및 선택적 보호 기능을 입증한다.

L2에서의 하드 단락 이벤트 동안 측정된 전압 및 전류 파형은 그림 9에서 볼 수 있다.

그림 9. L2 라인에서 하드 단락 이벤트 발생 시 측정된 파형

L2에 결함이 발생하더라도 정상 레일(L1)의 전압과 전류는 안정적으로 유지되므로 부하에 지속적으로 전력이 공급된다(램프는 ON 상태 유지). 이는 양방향 전력 스위치와 스마트 퓨즈 구성이 시스템 작동을 유지하고 고장을 방지하는 데 효과적이라는 것을 보여준다.

결론

이 글은 자동차 존 아키텍처를 위한 혁신적인 전력 분배 솔루션을 제시하고 있으며, 이는 ST의 STi²Fuse 스마트 퓨즈와 B2B MOSFET 구성을 결합해 양방향 전력 레일 스위치(PRS)를 구현한다. PRS는 대칭 전압 차단 및 양방향 전류 흐름 기능을 갖춘 유연하고 안전한 전력 분배 기능을 제공한다.
실험 결과, 10마이크로초에 달하는 빠른 결함 감지 및 격리 시간으로 강력한 부하 보호와 시스템 안정성을 보장한다. 이 솔루션은 현대 자동차 전기 시스템의 변화하는 요구사항을 효과적으로 충족하며, 차세대 존 아키텍처에 필요한 향상된 신뢰성, 확장성, 안전성을 제공한다.

참고자료

[1] VNF1248F datasheet, High-Side Switch Controller with Intelligent Fuse Protection for 12 V, 24 V and 48 V Automotive Applications, Aug. 2025.
[2] H. Jang, C. Park, S. Goh, S. Park, Design of a Hybrid In-Vehicle Network Architecture Combining Zonal and Domain Architectures for Future Vehicles, 2023 IEEE 6th International Conference on Knowledge Innovation and Invention (ICKII), 11-13 Aug. 2023.
[3] H. Askaripoor, M. Hashemi Farzaneh, A. Knoll, E/E Architecture Synthesis: Challenges and Technologies, Electronics 2022, 11, 518.
[4] M. Popa, O. Luca, Overcurrent Protection for Auxiliary Loads in Electric Vehicles with E-Fuse, 2022 IEEE 20th International Power Electronics and Motion Control Conference (PEMC), 25-28 Sep. 2022.

SDVerse’s ‘AI Sourcing Engine’ Confirmed at CES 2026

한상민 기자_han@autoelectronics.co.kr — 2026-01-19 10:46:37+0900

CES 2026에서 확인한 SDVerse의 ‘AI 조달 엔진’

한상민 기자_han@autoelectronics.co.kr — 2026-01-19 10:38:47+0900

맨 우측이 프라샨트 굴라티 CEO.

SDVerse가 짚은 소프트웨어 시대의 진짜 병목은 ‘발견(discovery)과 조달(sourcing)’이다. 이 과정이 느리면 SDV도 결국 느려지며, SDVerse는 이를 ‘몇 달에서 몇 분’으로 줄이겠다고 말한다. 이번 CES에서 그 약속은 AI 기반 조달 엔진과 OEM이 꺼리는 클라우드 이슈까지 고려한 ‘프라이빗 구조’로 현실에 가까워지기 시작했다.

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

CES 2026은 로보틱스가 쏟아지고, AI가 모든 산업의 표면을 덮는 자리였다. 자동차에서도 SDV, SD, AI-defined vehicle 같은 단어가 매번 새로 등장한다. 기술의 방향은 비슷한데 이름은 바뀐다. 그렇다면 이 단어들이 실제로 ‘현장’을 바꾸고 있는가가 더 중요해진다.
이번 CES에서 SDVerse의 프라샨트 굴라티(Prashant Gulati) CEO, 그리고 플랫폼 확장을 실무에서 이끄는 제프 워커(Jeff Walker) CCO와 프라이빗 룸에서 다시 마주 앉은 이유도 그 때문이었다. SDV가 CES의 트렌드로 소비되는지, 아니면 산업이 실제로 소프트웨어 중심 시대로 넘어가고 있는지, 그리고 그 전환의 한가운데서 SDVerse가 왜 필요해지는지, 플랫폼이 AI와 함께 어떻게 ‘진짜 도구’로 바뀌고 있는지를 확인하고 싶었다.
결론은 이렇다. SDVerse가 말한 핵심은 ‘AI가 무엇을 할 수 있나’가 아니라, AI가 들어오면서 발견과 조달의 시간이 구조적으로 줄어드는 것. 그리고 그 변화가 OEM이 현장에서 원하는 방향과 정확히 맞물려 있다는 것이다.
“예전에 몇 달 걸리던 작업을 몇 분 안에 하게 만드는 게 목표입니다. 우리는 ‘Months to Minutes’를 이야기합니다.” 굴라티 CEO는 SDVerse를 이렇게 요약했다.

이름이 뭐든, 결국 차는 소프트웨어가 된다

미팅에서 인상 깊었던 것 중 하나는 유행어 논쟁을 끝낸 대화였다. SDV가 맞느냐, SD가 새로 뜨느냐와 같은 것은 중요하지 않다는 것이다. 굴라티 CEO는 논점을 ‘코드의 증가’로 돌려놓았다.
“뭐라고 부르든 상관없습니다. 결국 자동차는 소프트웨어가 됩니다.”
그가 예로 든 숫자는 상징적이다. 차량 한 대에 들어가는 소프트웨어가 오늘날 대략 2억 5,000만 줄 수준이며, 머지않아 8억 줄까지 늘어날 것이라는 전망이 나온다. 숫자 자체보다 중요한 건 방향성이다. 소프트웨어가 차량의 기능, 인터페이스, 사용 방식 자체를 정의하는 시대가 더 깊어지고 있다.
이 지점에서 SDVerse가 겨냥하는 문제는 ‘기능 개발’이 아니다. 기능을 만들기 전에 산업이 먼저 풀어야 할 질문에 대한 것이다.
“필요한 소프트웨어를 어디서, 어떻게, 얼마나 빨리 찾을 수 있는가가 문제입니다.”
굴라티 CEO의 말은 SDVerse의 포커스를 정확히 보여준다.

SDVerse가 바꾸려는 것은
‘개발’이 아니라 ‘발견(discovery)’의 구조다

SDV 전환으로 소프트웨어는 폭증하는데, 산업의 소프트웨어 조달 방식은 여전히 하드웨어 시대의 관성에 묶여 있다. 현실에서 많은 OEM과 티어가 소프트웨어를 찾는 방식은 크게 다르지 않다. 구글 검색을 하고, 컨퍼런스를 돌아다니고, 기존 거래처에 전화를 건다. 그리고 그 과정은 쉽게 몇 달로 늘어진다.
특히 RFP/RFI 프로세스는 시작되는 순간 사람과 일정이 붙는다. 요구사항 문서를 뿌리고 답변을 받고 미팅을 잡고 다시 질문을 주고받는다. 이 과정은 결국 이동과 조율 비용으로 번지고, ‘발견’ 자체가 병목이 된다.
“대면 미팅을 하다 보니 이동이 생기고, 일정 조율이 붙고, 문서 질문을 푸는 데만 시간이 걸립니다.” 굴라티 CEO는 느린 구조를 이렇게 설명했다.
SDVerse가 반복해 강조한 포인트는 단 하나다. 조달이 느리면 SDV도 느려진다. 그래서 SDVerse는 개발을 앞당기는 것보다, 개발 이전 단계인 발견을 구조적으로 바꾸려 한다. 먼저 ‘이미 존재하는 것’을 찾는 구조를 만들고, 불필요한 내부 개발을 줄여 자본 효율성을 높이는 접근이다.

AI가 들어오자, ‘검색’이 아니라 ‘조달 엔진’이 됐다

이번 CES 미팅에서 가장 큰 업데이트는 AI였다. 그러나 여기서 중요한 건 “AI를 쓴다”는 선언이 아니다. AI가 들어오면서 SDVerse의 도구가 키워드 검색에서 요구사항 기반 조달 엔진으로 바뀌었다는 점이다.
예전 검색은 단순했다. 주차 보조, 사이버보안 같은 키워드를 넣고 리스트를 본다. 하지만 이번에 SDVerse가 보여준 방식은 달랐다. 엔지니어가 실제로 쓰는 문장을 그대로 입력한다.
“AUTOSAR와 호환되고 양산 검증된 ADAS 스택이 필요하다”
“ISO 21434 기반 요구조건을 만족하는 VCU를 찾고 있다”
“ISO 26262 조건을 만족하는 기능안전 컨설팅이 필요하다”
그러면 결과가 뜬다. 그리고 핵심은 ‘결과 나열’이 아니라 ‘판단 이유’다. 어떤 솔루션은 높은 매칭을 받지만, 양산 적용(production grade)이 아니라 파일럿 단계라서 감점되는 식으로, 왜 점수가 깎였는지까지 설명한다. AI는 검색 결과가 아니라 조달 판단의 근거로 들어온다.
“예전엔 단순한 검색어였지만, 이제는 ChatGPT처럼 문맥을 이해하는 검색으로 바뀌고 있습니다.” 워커 CCO는 이 변화를 이렇게 표현했다.
또 하나의 변화는 요구사항 문서 그 자체다. 요구사항(RFP) 문서를 업로드하면 시스템이 문서를 읽고, 조건에 맞는 공급사 후보를 뽑아낸다. 기존에 2~3개월 걸리던 초기 탐색이 1분 단위로 압축된다. SDVerse가 말한 “Months to Minutes”는 여기서 단순한 슬로건이 아니라 기능이 된다.

OEM이 클라우드를 꺼리는 이유:
검색이 곧 전략이기 때문

AI 조달 엔진이 빨라질수록 OEM이 더 민감해지는 지점이 있다. 바로 클라우드다. OEM이 꺼리는 것은 “클라우드는 위험하다” 같은 막연한 불안이 아니다. 훨씬 현실적이다.
OEM에게 검색 기록과 요구사항 문서는 곧 전략이다. 지금 어떤 소프트웨어를 찾고 있는지, 어떤 스펙을 요구하는지, 어디를 약점으로 보는지가 그대로 드러난다. 차량 개발 방향이자 사업 의사결정 그 자체다.
“대형 멤버들은 이 검색이 클라우드로 가서 다른 사람들이 ‘우리가 무엇을 찾는지’ 알게 되는 걸 원하지 않습니다. 그건 회사의 전략이기 때문입니다.” 굴라티 CEO는 민감도를 이렇게 설명했다.
그래서 SDVerse는 AI를 참조하되, OEM 데이터가 외부로 공유되지 않는 프라이빗 구조를 강조했다. OEM이 원하는 것은 AI가 아니라, AI를 써도 안전하게 유지되는 구조다.

OEM은 ‘직접 만들까, 사올까’의 학습 여정을 통과 중

SDVerse는 CES 현장에서 여러 OEM들과의 논의 상황도 언급했다. 흥미로운 대목은, OEM들이 결국 같은 질문을 반복한다는 점이다.
“우리가 이걸 in-house로 할 수 있나, 외부 플랫폼이 필요한가, 우리 엔지니어들이 실제로 쓰게 만들 수 있나. 그 과정은 일종의 학습 여정입니다.”
처음에는 내부 개발이 매력적으로 보인다. 하지만 프로젝트가 커지고 일정이 밀리면, 결론은 조달 효율로 돌아온다. SDVerse는 바로 그 지점에서 엔지니어가 납득할 수 있는 가치를 보여주려 한다. AI 기반 발견이 중요한 이유는, 조달팀이 아니라 엔지니어가 ‘쓸만하다’고 느끼게 만들어야 하기 때문이다.

FPT Automotive에서 다시 만난 SDVerse. 우측부터, 제프 워커, 프라샨트 굴라티, 그리고 ClearCatalyst Consulting의 브라이언 칼슨.

작은 기업에게는 기회, 큰 기업에게는 스케일이 된다

SDVerse가 시장에서 흥미로운 이유는 규모의 역설 때문이다. 큰 OEM은 큰 공급사만 원하지 않는다. 오히려 작은 기업의 특화된 솔루션, 스타트업의 민첩성, 니치한 기술이 필요해진다. 문제는 연결 방식이다.
기존 구조에서는 작은 기업이 OEM 앞에 서는 데 수년이 걸린다. 하지만 마켓플레이스는 그 시간을 줄인다. 작은 기업은 영업 네트워크가 아니라 발견의 구조를 통해 노출될 수 있고, OEM은 검증된 속성으로 비교하면서도 기존 리스트에 없던 공급자를 찾게 된다.
“예를 들어, GM 같은 큰 회사와만 일하고 싶은 게 아닙니다. PopcornSAR나 Methodica 같은 작은 회사와도 일하고 싶어 합니다. 우리는 그 매칭을 가능하게 만들려고 합니다.”
굴라티 CEO의 이 말은 SDVerse 생태계의 본질에 가깝다.

다음 단계는 ‘표준이 아니라 상용화’

SDVerse는 스스로를 표준단체로 규정하지 않는다. AUTOSAR, COVESA, SOAFEE, Eclipse 같은 조직들이 표준과 상호운용성을 만든다면, SDVerse는 그 결과물이 실제 비즈니스와 조달 현장에서 상용화로 연결되는 통로가 되려 한다. 오픈소스든 상용 소프트웨어든, 어떤 표준이든 들어올 수 있고 선택은 시장이 한다는 입장이다.
“우리는 표준을 정하는 조직이 아닙니다. 상용화에 집중합니다. 오픈소스든 독점 소프트웨어든 AUTOSAR든 무엇이든 들어올 수 있고, 시장이 결정하게 합니다.” 워커 CCO가 SDVerse의 포지션을 말했다.
기술이 많아질수록 산업은 더 빠르게 ‘쓸 수 있는 것’을 원한다. SDVerse는 여기서 플랫폼을 툴로 만들고 있고, AI 도입은 그 전환을 가속하는 장치가 된다.

미래가 말해지는 CES에서 SDVerse가 보여준 것은 산업이 당장 필요로 하는 조달의 속도에 대한 것이었다. SDV가 유행어를 넘어 실행으로 넘어가는 순간은 이런 도구가 ‘현장’에 붙는 곳에서 시작된다.

ROS is the Starting Point - Production is Built on Accountability

한상민 기자_han@autoelectronics.co.kr — 2026-01-16 13:42:51+0900

ROS는 출발점, 양산은 ‘책임’이 만든다

한상민 기자_han@autoelectronics.co.kr — 2026-01-16 13:27:04+0900

좌측부터 Apex.AI의 타비스 제토 부사장과 얀 베커 CEO

INTERVIEW

Jan Becker CEO & Tavis Szeto EVP
Apex.AI

Apex.AI는 ROS2 생태계를 기반으로, 자동차 양산에 필요한 실시간성·신뢰성·인증·장기 유지보수(LTS)까지 포함한 상용 소프트웨어 플랫폼을 제공한다. CES 2026에서 이들이 반복한 메시지는 ‘ROS의 가능성’이 아니라, 결국 양산을 움직이는 것은 책임지는 구조라는 점이었다. 얀 베커 CEO, 타비스 제토 부사장과 이야기를 나눴다.

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

ROS는 왜 여전히 자동차에서 중요한가요? AUTOSAR나 독자 플랫폼과 비교했을 때 ROS의 본질적 가치는 뭔가요?
Jan Becker   ROS는 지금도 자율주행 시스템, 로보틱스, 자동차 소프트웨어를 ‘처음부터’ 만들려는 사람들에게 가장 좋은 진입로를 제공합니다. 완전히 바닥부터 시작해 시스템을 구성하려는 경우 ROS는 시작을 빠르게 만들어줍니다. 다만 대부분의 조직이 어느 순간 ROS만으로는 한계에 부딪힌다는 것을 경험합니다. 그 시점부터는 양산을 위한 실시간성, 신뢰성, 책임 있는 유지보수가 필요해지고, 그래서 고객들이 Apex.AI와 같은 곳을 찾거나, 독자 개발을 선택하게 됩니다.

Tavis Szeto    ROS가 만들어낸 가장 큰 가치는 사람들이 개발할 때 “어떤 RTOS인지, 어떤 SoC인지”에 덜 묶이도록 만드는 추상화 레이어에 있습니다. AUTOSAR든 독자 플랫폼이든, 원래 그렇게까지 유연하게 설계된 체계는 아니었죠. 특히 팬데믹 이후처럼 공급망이 흔들리고 플랫폼 전환이 잦아진 시기에는 플랫폼을 빠르게 바꾸고도 개발 속도를 유지할 수 있는 유연성이 중요해졌습니다. 그게 ROS가 준 독보적인 기반입니다.

Jan Becker   ROS는 또한 정의된 API와 데이터 포맷을 제공합니다. 예를 들어 데이터 기록(Recording) 방식처럼 대학·연구기관에서 사실상 표준처럼 쓰이는 포맷이 이미 있습니다. 그래서 학계에서 개발된 코드를 산업이 가져와 쓰기도 훨씬 쉽지요. 정리하면 ROS는 프로토타이핑과 초기 개발의 표준 기반이고, 그 다음 단계에서 제품을 만들기 위해서는 또 다른 책임 구조가 필요해집니다.

ROS는 빠른 출발점, 제품은 다른 규칙으로 움직인다

SDV에서 ROS2는 실제로 어디까지 쓰이고 있나? 양산 적용됐나요? 때가 됐는데요.
Jan Becker    현재 업계에서 ROS2는 주로 초기 프로토타이핑 단계에서 많이 쓰입니다. 조직이 실제 제품 개발로 들어가기로 결정하면, 그때부터는 ROS 기반으로 쌓았던 것을 양산 기준으로 다시 재설계하거나, Apex.AI 같은 상용 플랫폼으로 전환하는 흐름이 많습니다.

Tavis Szeto   “ROS2가 양산에 없다”라고 단정하는 것은 정확하지 않습니다. 이미 중국에서는 ROS2 기반 소프트웨어가 L2/L2+ 애플리케이션으로 양산 차량에 들어가 있고, 수백만 대 규모로 이미 도로에 깔려 있습니다. 중국 외 지역에서는 아직 본격적으로 대량 양산 사례가 넓게 퍼지지 않았을 뿐입니다. 그리고 앞으로는 그쪽에서도 인증 요구(특히 Safety 관련 요구)가 더 강해질 가능성이 큽니다.

오픈소스 소프트웨어가 양산차에 들어가는 가장 큰 장벽은 ‘안전 인증’입니다. Apex.AI는 어떻게 접근합니까?
Jan Becker   우리는 기본적으로 업계 표준의 베스트 프랙티스를 따릅니다. 고객이 특정 릴리즈를 선택해 양산 프로그램으로 들어가면 그 시점부터는 그 릴리즈를 개발 기간 전체에 걸쳐 장기 지원(LTS) 모드로 유지합니다. 인증이 필요한 프로그램이라면 고객과 함께 인증 프로세스를 실제 프로젝트 단위로 맞춰 진행합니다.

Tavis Szeto   오픈소스는 ‘누가 책임지느냐’가 없으면 양산에서 늘 문제가 됩니다. 그래서 우리는 더 이상 ‘오픈소스 그대로’의 모델이 아닙니다. 우리는 오픈소스에서 출발했지만 지금은 코드의 대부분이 상용(프로프라이어터리) 형태이고, 그 덕분에 기능안전성 관점에서 요구되는 유지·관리·검증을 우리가 책임질 수 있는 구조로 바뀌었습니다. 양산에서 제일 어려운 건 ‘오픈소스니까 좋다’가 아니라, 누가 그걸 제품으로 책임질 수 있느냐입니다.

AUTOSAR는 Apex.AI의 경쟁자인가? Classic/Adaptive는 앞으로 어떤 역할을 할까요?
Jan Becker   AUTOSAR Classic은 MCU 기반의 작은 ECU들에서는 앞으로도 오래 갈 것입니다. 이 영역은 개발이 성숙해져 있고 굳이 바꿀 이유가 크지 않습니다. 하지만 중앙집중형 아키텍처로 갈수록 일부 기능은 센트럴 컴퓨터로 이동하고, 일부 ECU는 사라질 수도 있습니다. 그럼에도 남아 있는 MCU ECU들은 계속 Classic 위에서 돌아갈 가능성이 큽니다. 고성능 컴퓨팅(HPC) 영역에서는 많은 OEM이 AUTOSAR Adaptive에서 다른 방향으로 이동하는 흐름이 보입니다. 어떤 곳은 ROS 프로토타입을 만든 뒤 우리(Apex.AI)로 오기도 하고, 어떤 곳은 BMW 사례처럼 Eclipse S-CORE 같은 새로운 시도를 통해 Adaptive에서 벗어나려는 방향도 있습니다. 핵심은 ‘Adaptive 위에 뭘 더 얹는다’라기보다, 저희가 보는 접근 자체가 더 현대적이고 효율적인 소프트웨어 아키텍처라는 점입니다.

Tavis Szeto    Apex.AI는 AUTOSAR와 공존할 수 있습니다. Classic이나 Adaptive를 쓰는 고객이 저희 솔루션을 함께 쓰는 경우도 있습니다. 즉, AUTOSAR가 남아 있어도 ‘우리가 막히는’ 구조는 아닙니다.

양산의 문턱은 기능이 아니라 ‘책임’이다

Eclipse SDV에서 Apex.AI는 어디까지 책임져야 한다고 보나? OEM 신뢰에 중요한 포인트는?
Jan Becker   우리는 Eclipse SDV의 멤버이고, S-CORE 범위와도 겹치는 지점이 있습니다. 다만 S-CORE는 오픈소스이고, 저희는 상용 회사입니다. 우리는 라이선스로 돈을 벌어야 하는 구조이기 때문에 일부 컴포넌트는 기여할 수 있어도 핵심 소프트웨어는 대부분 상용으로 남습니다. 오픈소스는 ‘아직 아무도 돈을 벌지 못하는 구조’이기 때문에, 상용 회사가 모든 것을 그대로 오픈으로 넣는 것은 현실적으로 어렵습니다.

Apex.AI의 가장 큰 경쟁은 기술인지, 아니면 ‘책임질 수 있느냐’의 문제인지요? OEM의 결정 기준요?
Jan Becker    우리가 현장에서 마주치는 가장 큰 경쟁자는 다른 상용 솔루션이라기보다 OEM이 ‘내부에서 직접 만들겠다’고 결정하는 경우입니다. 그런데 그 선택은 종종 일정 지연으로 이어집니다.

Tavis Szeto   가장 어려운 경쟁은 결국 저희 고객이 스스로 개발하려는 선택입니다. 이건 기술 경쟁이 아니라 시간과 실행력의 문제에 가깝습니다.

Jan Becker   OEM이 오픈소스를 가져다 쓰려면 결국 실시간성과 신뢰성을 위해 다시 손을 봐야 하고, 그게 시간을 잡아먹습니다. 그래서 어떤 OEM은 ‘내가 만들면 더 빠를 것’이라고 생각해서 독자 플랫폼으로 가기도 합니다. 실제로는 그렇지 않은 경우가 많지만, 동기는 대개 ‘속도’입니다.

Tavis Szeto    OEM 입장에서는 결국 ‘이미 양산에서 검증되었는가’가 매우 중요합니다. 처음에는 ‘우리가 1호가 되긴 싫다’는 심리가 강합니다. 하지만 한 번 양산 프로그램에서 쓰이기 시작하면, 그 장벽은 크게 낮아지고 움직임이 빨라집니다.

SDV가 커질수록 리스크는 OTA·보안·신뢰로 모인다

SDV 양산이 본격화되면 OEM이 가장 두려워하는 ‘리스크 포인트’는 뭘까요? 이와 관련 Apex.AI는 어떻게 해야할까요?
Tavis Szeto    사람들은 SDV를 이야기할 때 ‘OTA만 있으면 된다’고 생각하는데 실제로는 그렇지 않습니다. 소프트웨어 업데이트가 ADAS, 자동 제동과 같은 안전 기능까지 들어가면 그건 절대로 실패하면 안 됩니다. OTA는 또한 사이버보안 위협이 됩니다. 인포테인먼트 업데이트 정도는 상대적으로 부담이 덜하지만, 안전 기능이 포함되는 순간 업데이트의 보안성과 무결성은 핵심 공포지점이 됩니다. 그리고 SDV는 결국 차량 전체로 확대됩니다. OEM은 위험을 알면서도 고객은 ‘정비소에 계속 갈 수 없다’는 방향으로 움직이고 있습니다. 결과적으로 SDV는 선택이 아니라 필수가 됐고, 리스크는 피할 수 없고 관리해야 하는 문제가 됐습니다.
Apex.AI는 아직 규모가 작은 회사이기 때문에 이런 리스크를 넘기려면 초기에 신뢰받는 티어 1과 함께 묶여 들어가는 방식이 현실적일 수 있습니다. 티어 1이 다수의 프로그램 경험으로 OEM에게 보증할 수 있기 때문입니다. 하지만 시간이 지나 프로그램이 쌓이면, OEM은 점점 더 직접 저희를 선택할 수 있게 될 것입니다.

방산/로보틱스 영역에서 ROS 기반 소프트웨어를 배치할 때, 자동차와 무엇이 같고 무엇이 다른가요?
Jan Becker   유럽 관점에서 전쟁이 가까워지면서, 유럽은 재무장을 크게 강화하고 있습니다. 그 과정에서 핵심 드라이버 중 하나가 자율화(Autonomous systems)입니다. 병력을 줄이고 원격 제어 또는 자율로 운영되는 시스템이 필요해졌습니다. 우리는 이미 이 영역에서 경험을 쌓았습니다. 두 번째는 연결성입니다. 센서와 전장(클라우드 또는 전장 네트워크), 그리고 액추에이터 사이를 디지털로 연결하는 요구가 강해지고 있습니다. 이건 저희가 하는 일과 매우 맞닿아 있습니다. 세 번째는 비용입니다. 방산은 전통적으로 고가의 독자 솔루션이 많고 개발 주기도 깁니다. 하지만 정부는 점점 더 듀얼 유즈(민수 기반 활용) 가능한 컴포넌트를 선호합니다. 이미 존재하는 것을 재사용해 비용과 시간을 줄이려는 움직임입니다. 우리는 그 방향에서, 자율화와 연결성을 빠르게 만들고 재사용으로 비용을 낮추는 데 기여할 수 있습니다.

마지막으로, 한국에서 Apex.AI는 어떻게 기억되길 원하나요?
Tavis Szeto    한국은 거의 모든 산업에서 엄청난 속도로 혁신을 만들어 글로벌 시장으로 가져가는 나라입니다. 소비자 전자, TV, 문화까지 전부 빠르게 움직입니다. Apex.AI가 한국에서 기억되고 싶은 건 단순히 ‘빠르다’가 아니라, 빠르되 안전하게(speed, but safely)입니다. 한국이 SDV에서 더 빨라질 수 있는 변곡점이 온다고 봅니다. 중국을 제외하면 한국이 SDV에서 가장 빠르게 치고 나갈 수 있는 잠재력이 큽니다. 우리는 그 과정에서 속도와 안전을 동시에 제공하는 파트너로 기억되고 싶습니다.

Apex.AI가 CES 2026에서 반복해서 강조한 것은 ‘ROS의 가능성’이 아니라, 양산에서 ‘누가 책임질 것인가’란 것이었다. ROS는 출발점이지만, SDV의 승부는 결국 제품화와 인증, 그리고 업데이트 이후까지 이어지는 책임에서 결정된다.

Right-sized SDV: A Blueprint to Reduce Variants and Gain Speed

한상민 기자_han@autoelectronics.co.kr — 2026-01-16 09:59:03+0900

Right-sized SDV: 변형을 줄이고, 속도를 얻는 설계

한상민 기자_han@autoelectronics.co.kr — 2026-01-16 09:46:01+0900

CES 2026에서 Elektrobit(EB)가 강조한 것은 새로운 기능이 아니라 SDV를 감당하는 방식이었다. 수직으로 쪼개진 구조를 수평으로 풀고, Semantic API로 변형을 줄이며, Cost/Value Zone으로 비용과 업그레이드를 분리하는 설계. EB의 SDV는 이제 기술 데모가 아니라 운영 모델로 경쟁한다.

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

SDV는 기술이 아니라 계산서다. 현장에서 SDV를 가로막는 건 기능이 아니라 비용, 일정, 인력, 그리고 변형(variant) 관리다. SDV로 가려는 순간 OEM이 가장 먼저 계산하는 것도 결국 이것들이다. Elektrobit(이하 EB)가 CES 2026에서 꺼낸 화두도 이 불편한 계산서에 가까웠다. EB는 SDV를 ‘갈아엎는 혁명’이 아니라, 감당가능한 비용으로 단계적으로 올라타는 구조로 바꿔야 한다는 것을 보여줬다. EB 코리아의 조정우 대표는 전통적인 개발 방식이 왜 SDV에서 한계에 부딪히는지부터 짚었다.
OEM이 1차 협력사를 복수로 운영하는 순간, 제어기 하나만 놓고 봐도 변형이 폭발한다. 하드웨어도 다르고, 소프트웨어 플랫폼도 다르고, 애플리케이션 구조까지 갈라진다. 조 대표는 이를 단순히 ‘복잡하다’고 표현하지 않았다.
“하나의 OEM이 동일한 지역에 대해 1차 사를 두 개, 세 개 이상 가져가잖아요. 그러면 관리하는 제어기만 해도 두세 개의 변형이 생깁니다. 이 곱하기로 늘어나는 복잡성이 SDV의 첫 장벽입니다.”
조직이 만들고 싶은 기능은 많다. 하지만 그 기능을 올릴 그릇이 수직으로 쪼개져 있으면, 개발도 검증도 업데이트도 변형 관리도 끝없이 느려진다. EB가 제시한 답은 수직 계열(Vertical)에서 수평 구조(Horizontal)로의 전환이다.

폭스콘과 ‘Smart EV 플랫폼’이 던진 질문

EB는 작년부터 대만의 폭스콘과 협업해 ‘Smart EV 플랫폼’을 구축해 왔다. 폭스콘이 레퍼런스 하드웨어 플랫폼을 제공하고, EB는 그 위에 올라가는 소프트웨어 플랫폼을 제공한다. 그리고 그 위에서 SDV 애플리케이션이 작동한다.
얼핏 들으면 흔한 분업처럼 보인다. 조 대표도 “여기까지는 다른 데와 크게 다를 것이 없어 보인다”고 말한다. 하지만 EB가 여기서 꺼내는 질문은 분업 자체가 아니라 OEM이 SDV를 어떤 방식으로 감당할 것인가다.
EB가 CES 2026에서 이 구조를 설명할 때 반복해 쓴 표현은 ‘공급망을 다시 짜는 언어’였다. “Rethinking The Supply Chain.”
그리고 목적은 분명하게 “Reduce Time-to-Market and Enable Build-to-Print.”
SDV를 거대한 맞춤형 프로젝트로 끌고 가는 대신, 시장 투입 시간을 줄이고, 제조까지 사양 기반으로 끌어내리는(build-to-print) 구조를 만들겠다는 것이다.
전통적인 방식은, OEM이 티어 1에 제어기를 요청하면 그들이 하드웨어를 설계하고, 소프트웨어 플랫폼은 외부에서 구매하며, 애플리케이션은 다시 개발해 수직적으로 쌓아 올리는 구조다. 이 구조는 한 번 구축되면 익숙하지만 복수의 티어 1이 동시에 존재하고, 플랫폼과 하드웨어가 갈라지기 시작하면 변형은 급증한다. 결국 SDV의 비용과 시간이 기능 개발이 아니라 변형 관리의 지옥에서 터진다.
EB가 폭스콘 협업을 통해 시도한 것이 바로 이 수직 구조를 ‘수평으로 풀어’ 선택지를 늘리는 것이다. 하드웨어 제조는 폭스콘에 맡길 수도 있고 기존 티어 1이 계속 맡을 수도 있다. 폭스콘은 텔레매틱스, VCU, ADAS 도메인 컨트롤러, IVI, 센트럴 HPC 등 고성능 제어기 영역에 대한 레퍼런스 하드웨어 디자인을 제공하고, EB는 그 위에 올라가는 소프트웨어 플랫폼을 제공한다. 결국 ‘누가 만들든 상관없이’ 아키텍처를 수평 분리해 관리 가능하게 만드는 구조다.
여기서 중요 포인트는 ‘누가 하드웨어를 만들었느냐’가 아니라, OEM 입장에서 SDV를 진행할 때 비용·시간·인력 부담을 줄일 수 있는 선택지가 생겼다는 점이다.
“특히 EB가 말하는 타깃이 대기업만이 아니라는 점입니다. 예산과 인력이 제한된 중소 OEM, 혹은 SDV 요구를 함께 떠안아야 하는 티어 1에게 이 선택지가 더 직접적인 의미를 갖습니다.”

EB가 Smart EV 플랫폼을 설명하며 제시한 키워드.
‘Rethinking the supply chain’, ‘Reduce time-to-market’, ‘Enable build-to-print’는 SDV를 프로젝트가 아니라 공급망/개발 방식의 재설계로 본다는 말이다.

Semantic API: ‘변형을 없애는 레이어’

수평 구조로 분리하자는 말은 업계에서 이미 익숙하다. 하드웨어 추상화 레이어, 플랫폼과 앱의 분리, 재사용성 같은 개념은 오래 이야기돼 왔다. 하지만 EB가 CES 2026에서 한 걸음 더 나간 지점은, 이 분리가 실제로 ‘비용을 줄이는 결과’로 이어지려면 신호와 인터페이스가 통일돼야 한다는 데 있다. EB가 그 역할로 내세운 개념이 바로 ‘Semantic API’다.
조 대표는 COVESA의 차량 신호 표준화를 직접 언급하며 브랜드마다 플랫폼마다 차량 신호 체계가 다른 현실을 그대로 유지하면서도 그 위에서 동일한 방식으로 기능을 개발할 수 있는 레이어가 필요하다고 했다.
“Semantic API 위에서는 어떤 모델을 가든 어떤 브랜드를 가든 다 동일하다는 얘기입니다.”
이게 EB의 SDV 접근을 요약한다.
핵심은 레거시를 부정하지 않는 것이다. 기존 제어기와 기존 소프트웨어를 가능한 한 유지한다. 그리고 최소 하나의 고성능 HPC를 올린다. 그 사이에 ‘변환 레이어’를 둬 브랜드별 신호 차이를 흡수한다. 그러면 위쪽은 차종이 바뀌어도 브랜드가 바뀌어도 동일한 개발 방식으로 움직일 수 있다.
CES 현장 데모 화면은 이것을 더 직설적으로 설명한다. Semantic API는 차량 데이터와 기능을 노출해 ‘독립적인 기능 개발’을 가능하게 하고, 더 중요한 건 구성 차이가 나도 ‘소프트웨어 변형을 만들지 않게(without introducing software variants)’ 만든다는 것이다. 변형이 곱하기로 늘어나는 구조를 관리 가능한 ‘한 층’으로 압축하는 접근이다.
EB는 이 아랫단을 ‘SDV Cost Zone’이라고 부른다. 레거시 ECU를 크게 흔들지 않는다는 뜻이고 비용을 통제할 수 있다는 의미다.
“이 Semantic API가 적용되는 아랫 단계를 SDV 코스트 존이라고 합니다. 기존 제어기를 그대로 거의 유지할 수 있다는 얘기니까요.”

‘Retain your existing architecture.’ EB는 레거시 도메인 아키텍처를 최대한 유지하면서 SDV-core를 얹는 단계적 접근을 강조했다.

EB가 강조한 Semantic API는 차량 데이터/기능을 표준화된 의미 체계로 노출해,
차종·브랜드·구성이 달라도 소프트웨어 변형을 만들지 않고 기능 개발을 가능하게 하는 레이어다.

SDV Cost Zone과 SDV Value Zone:
비용은 묶고, 업그레이드는 빠르게

레거시를 흔들지 않으면 비용이 줄어든다. 하지만 SDV가 의미를 가지려면 위쪽에서 기능을 계속 올려야 한다. 그래서 EB는 구조를 둘로 나눈다.
“Drive for value and optimize cost.” 그리고 그 결론은 “Separation into SDV value zone and SDV cost zone”이다.
여기서 Value Zone은 업그레이드가 일어나는 영역이다. 데모 화면이 말하는 논리는, 기능 업그레이드는 중앙 컨트롤러에서 빠르고 자주 수행돼야 한다. 그러려면 아래쪽은 Cost Zone으로 안정화돼 있어야 하고, 위쪽은 Semantic API를 통해 브랜드와 차종을 넘어 동일한 방식으로 관리돼야 한다.
이 구분이 바로 ‘Right-sized SDV’의 실체다. 전체를 갈아엎지 않아도 비용을 방어하며 SDV로 올라탈 수 있다. EB의 메시지는 ‘올인(all-in)이 아니라 리스크를 통제하면서 진행하라’에 가깝다.

‘Drive for value and optimize cost.’
EB는 레거시 영역을 SDV Cost Zone으로 안정화하고, 중앙 컨트롤러 중심의 SDV Value Zone에서 빠르고 잦은 업그레이드를 수행하는 구조를 제시했다.

단계적 SDV가 Right-sized SDV다:
화이트라벨부터 개별 ECU까지

EB가 보여준 도입 방식은 단일 경로가 아니다. EB는 ‘Flexible adoption options’란 문구 그대로 화이트라벨 차량에서 시작해 소프트웨어 플랫폼만 가져가거나, 개별 ECU 단위로 들어가는 단계까지 옵션을 분기한다. 즉, 필요한 속도와 규모로 SDV를 시작하라는 제안이다.
“SDV라고 하면 OEM 입장에서 망설여지는 게 비용과 시간, 인력입니다. 큰 회사는 감당할 수 있어도 중소 OEM이나 티어 1을 위해선 선택의 여지가 필요합니다.”
이는 EB의 전략이 기술보다 운영에 가까운 이유를 보여준다. SDV 전환은 결국 조직의 능력치와 투자 규모가 결정한다. EB는 그 격차를 ‘단계’로 풀어낸다. 레거시를 최대한 유지하며 비용을 방어하고, Semantic API와 HPC 레이어에서 기능 확장을 빠르게 만들고, 필요에 따라 폭스콘 레퍼런스 하드웨어와 EB 소프트웨어 플랫폼을 결합해 화이트라벨 형태로도 제공한다. 고객사가 폭스콘이나 EB 브랜드를 드러내지 않고 자체 브랜드로 가져가고 싶다면 그 방식도 가능하다.
물론, 독자적으로 SDV를 구축하려는 움직임이 강한 곳에는 이 모델이 직접 들어가기 어려울 수도 있다. 하지만 이게 대기업은 안 쓴다는 뜻은 아니다. 오히려 대기업일수록 모든 것을 내부에서 감당하는 방식이 위험하다는 교훈을 이미 경험하고 있기 때문이다.
“폭스바겐 사례처럼 대규모 자금을 투입한다는 게 위험하다는 걸 알기 때문에, 큰 회사들도 부분적으로 수요가 있습니다.”

‘Flexible adoption options.’
EB는 화이트라벨 차량에서 시작해 소프트웨어 플랫폼 단위, 나아가 개별 ECU 적용까지 고객의 속도/규모에 맞춘 단계적 도입을 제안한다.

‘신제품’은 콕핏: EB civion

콕핏은 기능이 가장 빨리 바뀌는 영역이면서, 동시에 검증과 통합이 가장 느린 영역이다.
Smart EV 플랫폼과 Semantic API가 SDV의 구조를 설명한다면, EB civion은 그 구조를 실제로 굴리는 방법을 보여주는 제품이다. 조 대표가 CES 현장에서 가장 길게 설명한 것도 civion이었다. SDV의 현실적인 병목은 결국 콕핏 개발과 통합 단계에서 터지기 때문이다.
기존 콕핏 개발은 바꾸는 데 오래 걸린다. 코드를 수정하고, 빌드하고, 통합하고, 테스트를 돌리고, 결과를 확인한다. 작은 변경 하나에도 짧게는 일주일, 길게는 며칠이 걸린다. EB는 이 과정을 ‘클라우드 기반 가상 환경’에서 압축한다.
조 대표가 강조한 것은 개발자가 코드를 직접 만지지 않는다는 점이었다.
“브라우저에서, Figma 같은 UX 디자인 툴로 클릭하고 설정하면 결과물이 자동으로 컴파일되고 인테그레이션됩니다. 테스트 케이스도 자동으로 생성되고요.”
civion의 화면이 보여주는 흐름도 같은 방향이다. Figma에서 UI를 설계하면, 컴포넌트가 자동 생성되고(예: Jetpack Compose 기반), 구조가 매핑되며, 차량 데이터는 HAL(Hardware Abstraction Layer)로 이어진다. 즉, 디자인-로직-데이터가 분리된 채 자동 연결돼 개발 루프가 짧아진다.
“이런 변경 사항이 짧게는 1~2분 안에도 될 수 있다는 게 큰 차이점입니다.”
EB는 civion이 갑자기 나온 제품이 아니라, 3년 전부터 소니, 혼다와 진행해 온 아필라 프로젝트의 결과물을 제품화한 것이라고 설명했다. 즉, civion은 개념이 아니라 프로젝트에서 검증된 방식을 떼어내 제품군으로 만든 것이다.
civion은 3개의 제품군으로 나뉜다. 가상화된 CI/CD 개념의 도구를 ‘Creator’, 타깃 소프트웨어 플랫폼을 ‘Core’, 여기에 하드웨어까지 포함해 완성도를 높인 구성을 ‘Cockpit’으로 묶는다. EB는 CES 2026 현장에서 civion을 AMD Ryzen 기반과 Qualcomm 기반으로 각각 구동하는 데모를 동시에 선보였다.
여기에 생성형 AI 요소도 붙었다. EB는 데모에서 구글 Gemini를 연결해 테마 생성 기능을 시연했다. 예를 들어 ‘한국 관련 테마를 적용해 달라’고 지시하면 일정 시간이 지난 후 테마가 생성돼 적용되는 방식이다. EB는 이를 테마 엔진으로 부르는데, 콕핏이 소프트웨어화될수록 디자인·브랜딩 요소까지도 개발 흐름에 포함된다는 점을 보여준 것이다.

EB civion 데모. EB는 브라우저 기반 가상 개발 - 자동 빌드/통합 - 테스트 흐름을 통해 콕핏 개발 루프를 단축하는 접근을 제시했고,
현장에서는 AMD Ryzen과 Qualcomm 기반 데모를 동시에 선보였다.

EB civion의 개발 흐름. Figma 기반 UI 설계가 컴포넌트 자동 생성(예: Jetpack Compose), 구조 매핑, HAL 연동으로 이어지며
디자인 - 로직 - 데이터를 분리한 자동 개발 루프를 구현한다.

EB의 ‘감당 가능한 SDV’

EB의 SDV는 멋진 기능이 아니라 운영가능한 구조다. 수직으로 쪼개진 공급망과 개발 구조는 SDV에서 변형 지옥을 만든다. EB는 Smart EV 플랫폼으로 하드웨어·소프트웨어·애플리케이션을 수평으로 분리하고, time-to-market과 build-to-print를 목표로 공급망을 재설계하는 모델을 제시했다. 그리고 Semantic API로 브랜드와 차종의 신호 차이를 흡수해, 구성 차이가 나도 소프트웨어 변형을 만들지 않게 하며, SDV Cost Zone과 SDV Value Zone으로 비용과 업그레이드 영역을 분리했다. 마지막으로 civion은 그 구조를 콕핏 개발의 시간으로 증명하는 바로 시작 가능한 제품군으로 제시됐다.
EB의 SDV는 레거시를 유지할 수 있는 아래쪽에서 비용을 방어하고(SDV Cost Zone), Semantic API와 중앙 컨트롤러 레이어에서 업그레이드를 빠르고 자주 가능하게 만들며(SDV Value Zone), 단계적으로 선택가능한 도입 옵션을 제공한다. 그래서 ‘Right-sized SDV’의 의미가 바로 여기에 있다. SDV의 야망은 커지고 있지만, 모든 조직이 같은 방식으로 전환할 수는 없다. EB는 그 각각의 격차를 ‘단계’로 해결하는 설계도를 꺼내 보였고, civion은 그 설계도를 제품으로 내놓은 결과물이었다.

The Real Question Isn’t What AI Can Do—It’s How We’ll Use It

한상민 기자_han@autoelectronics.co.kr — 2026-01-15 14:12:27+0900

자동차 AI, 뭘 하냐가 아니라, 어떻게 쓸 거냐의 문제

한상민 기자_han@autoelectronics.co.kr — 2026-01-15 13:55:08+0900

CES 2026 Connect2Car 패널들이 남긴 Automotive AI에 대한 메시지는 AI는 더 똑똑해지는 기술의 문제가 아니라, 더 안전하고 더 빠르게 ‘실제로 쓰는 방식’의 문제란 것이다. 패널들의 대화는 가능성을 과장하지 않고, 자동차 산업이 AI를 제품과 실행으로 바꾸기 위해 넘어야 할 질문들을 정확히 남겼다.

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

모더레이터: John Ellis, President of Codethink Limited (좌측부터)
패널: Yansong Chen, Founder & CEO of ROPIX LLC
Rebecca Delgado, VP Engineering, Autonomy & AI of Torc Robotics
Maurice Dantzler, Executive Director of Cummins Inc.
Madison Beebe, Software & Tech Strategy Director of Ford
Dirk Slama, Chairman of digital.auto and Bosch

“AI는 기능의 문제가 아니라, 실행의 문제다.”
CES에는 AI를 이야기하는 무대가 많다. 그런데 이 패널토론이 남긴 건 AI가 무엇을 할 수 있는가가 아니라, AI를 실제로 쓰려는 순간 자동차 산업이, 그리고 조직들이 어떤 질문에 부딪히는가였다. 신뢰할 수 있는가, 돈이 되는가, 책임은 누가 지는가, 검증은 어떻게 할 것인가에 대한 것이고, 무엇보다 중요한 질문은 “이걸 실제 양산과 운영의 시간표 안에 넣을 수 있는가”였다. 마치 친구들이 술집에서 나누는 대화처럼 진행된 구조는 AI가 자동차 산업에서 결국 기술의 문제가 아니라 합의와 실행의 문제임을 역설했다.
토론은 4개의 테마로 전개됐다. 첫째, AI는 유행이 아니라 제품이 되어야 한다는 말로 신뢰와 수익, 그리고 ‘제품화(productize)’라는 현실. 둘째, AI는 만능이 아니라 도구로서 사람이 책임을 지는 ‘human-in-the-loop’와 데이터의 정직함에 대해. 셋째, 중앙집중과 SDV가 만들어낸 복잡성과 관련한 통합과 검증, 안전·보안의 언어가 더 거칠어지는 지점에 대해. 넷째, 결국 남는 건 기술이 아니라 실행으로 회사 안에서만 풀 수 없는 문제를 생태계와 표준화, 협업의 사회적 계약으로 풀어야 한다는 것이었다.

결론은 이렇다.
- AI는 ‘기능’이 아니라 ‘제품화’의 문제다. 모델을 만들었다가 아니라, 신뢰·수익·운영까지 포함해 시장에 올리는 설계가 필요하다.
- 핵심은 “Human-in-the-loop”다. AI가 대체하는 건 사람이 아니라 반복 업무이고, 책임을 지는 건 여전히 사람과 조직이다.
- 데이터는 연료가 아니라 ‘리스크 자산’이다. 데이터 품질·무결성·보안·프라이버시를 못 지키면 AI는 혁신이 아니라 폭탄이 된다.
- 중앙화는 단순화가 아니라, 검증 부담을 중앙으로 끌어올린다. SDV 위에 AI가 올라가는 순간, 통합·안전·보안·진단의 난이도는 더 거칠어진다.
- AI의 성공은 기술이 아니라 실행에서 결정된다. 실제 실패는 알고리즘이 아니라 일정·검증·협업 과정에서 터지고, 그 비용이 가장 크다.
- 답은 협업과 표준화, 그리고 생태계의 ‘사회적 계약’이다. 기업 내부 최적화만으로는 부족하고, 일정·검증·책임을 함께 정렬하는 구조가 필요하다.

AI는 ‘가능성’이 아니라 ‘제품화’의 문제다

John Ellis   오늘 주제는 ‘Automotive AI, 새로운 가능성과 경험을 여는 것’입니다. Rebecca, Torc Robotics에서 자율주행 애플리케이션을 하고 있잖아요. AI는 도움이 됩니까, 아닙니까?
Rebecca Delgado   도움이 되는 정도가 아니라, 기반(fundamental)이에요. 우리가 시장에 내놓으려는 기술의 핵심 그 자체죠. 그리고 이건 단지 유행이 아니라, 실제로 시장이 요구하는 것을 제공하기 위해 필요한 시스템입니다. 트럭 자율주행에서 경험과 성능을 가속하는 데 AI는 절대적으로 필요해요. AI는 진짜로 세상을 바꾸고 있고 계속 바꿔 갈 기술이라고 봅니다. 다만, 어려움도 많아요. 우리가 신뢰할 수 있어야 하고, 수익을 만들 수 있어야 하며, 결국엔 제품화(productize) 해야 합니다. 서로 결이 다른 도전들이 동시에 존재해요.

John Ellis   Yansong. 우리가 AI를 이야기할 때 늘 하던 말이 있죠. ‘AI는 그냥 또 하나의 도구다. 기본을 잊으면 안 된다.’ Rebecca가 말한 ‘신뢰, 수익, 제품화’ 같은 걸 실제 자동차 개발 현실에서 해내려면, 핵심 도전이 뭘까요?
Yansong Chen       저는 이 패널에서 유일한 창업자이고, 두 명뿐인 기업가 중 한 명이기도 해서 조금 다른 관점을 드릴 수 있을 것 같아요. AI가 자동차 개발의 현실과 만나는 순간, 특히 기능안전성 같은 시스템 레벨의 규율과 사고방식이 필요한 영역에서는 AI가 기본적인 원칙들을 대체하지 못합니다. 규율, 엄격함, 시스템 사고 등, 이건 결국 사람이, 사람이 있는 팀이 만들어야 합니다. AI는 입력되는 정보만큼만 좋습니다. 그러니 책임은 우리가 져야 해요. 저는 AI를 도입하는 과정에서 책임 있는 방식의 구현이 정말 중요하다고 생각합니다.
Rebecca가 말한 ‘신뢰’ 얘기요? 저는 이렇게 말하고 싶어요. 우리는 먼저 ‘우리 자신’을 신뢰해야 합니다.

John Ellis   Madison, 전통 OEM이 AI를 받아들이는 과정에서 어떤 어려움이 있다고 봅니까? 우리는 소프트웨어 복잡성이 폭발하고 물리 세계 밖에서 규모가 커지고, 도구와 프로세스도 오래됐고…, 지금 하는 방식이 맞는지조차 흔들리는 상황입니다. 우리가 뭘 해야 합니까?
Madison Beebe       저는 아까 ‘유행이 아니다’라는 표현이 좋았어요. 그리고 ‘신뢰’라는 키워드도요. 우리는 AI를 유행처럼 다룰 수 없습니다. 받아들이고, 투자해야 합니다. 다만 똑똑하게 해야 합니다. 그 과정은 개발 사이클 전체, 제품 수명 주기 전체에 걸쳐야 해요. 고객에게 새로운 경험을 정의하고 개발하고 배포하는 방식 전체에요. 첫 번째 도전은 ‘사람’입니다. 엔지니어들이 AI를 어떻게 받아들이느냐, 그것이 중요하죠. ‘내 일을 빼앗는가?’ 아니면 ‘나에게 효율과 규모를 주는가?’ 이런 심리적 신뢰의 문제도 있어요. Yansong이 말했듯, 데이터 무결성이 핵심입니다. AI는 결국 우리가 넣는 데이터만큼만 작동합니다. 그래서 운영적·문화적 관점에서 ‘사람’과 ‘데이터’가 큰 도전이에요. 두 번째는 투자입니다. 언제, 어떻게 투자할지. 그리고 그 투자가 수익을 만드는 기회로 이어지도록 ‘타겟팅’해야 합니다. 저는 지금 AI를 개발 프로세스 전반에 적용하는 걸 보고 있어요. 개발 효율, 속도, 그리고 고객에게 전달되는 결과물의 품질을 개선하는 방식이죠. 또 자동차에서 AI의 독특한 기회는 고객을 더 잘 이해하고 개인·기업·운영자 같은 서로 다른 대상에게 개별화된 솔루션을 더 잘 제공할 수 있다는 점입니다.

중앙화 시대의 복잡성:
안전·보안·검증이 거칠어진다

John Ellis   Bosch와 생태계 파트너십 관점에서, 우리가 직면한 도전이 뭡니까? 전통적인 밸류체인은 ‘물리적인’ 세계의 규칙에 기반해 파트너십을 맺어 왔죠. 그런데 지금은 디지털 세계의 규칙이 다릅니다. AI가 도움이 됩니까, 아니면 오히려 부담이 됩니까?
Dirk Slama   중요한 질문입니다. 저는 개인적인 경험부터 이야기해 볼게요. 우리가 ‘코딩과 안전한 코딩’을 얘기하잖아요. 솔직히 저는 지난 10~15년간 코딩을 거의 안 했어요. 완전히 그 ‘존(zone)’에서 벗어나 있었죠. 그런데 작년 말에, 제가 석달 동안 완전히 VS Code에 빨려 들어갔습니다. 옛날처럼 밤새고, 새벽까지 하고 결국 아내가 그만하라고 할 정도였죠. 그런데 재미있었어요. 그리고 그 경험이 뭐였냐면, 마치 ‘리모컨으로 술 취한 원숭이를 조종하는 느낌’이었습니다. 그 원숭이는 엄청난 전문가인데, 동시에 완전히 취해 있는 거예요. 이게 지금 우리가 가진 힘입니다. 정말 강력하지만, 동시에 거칠고(jagged), 예상치 못하고, 통제되지 않는 결과가 튀어나옵니다. 그럼 이걸 자동차 산업에 어떻게 적용하느냐, 그리고 생태계에 어떻게 적용하느냐. 기존 밸류체인인 Tier 1, OEM에 어떻게 올리느냐가 도전입니다. 결국 우리가 반드시 지켜야 하는 것들이 있어요. 차량에서 ‘반드시 작동해야 하는 것’은 계속 작동해야 합니다. 그 위에 새로운 기능을 올릴 수 있어야 하고요. 요즘 차량 내 감정 이해 에이전트 같은 이야기들도 나오는데, 그걸 ISO 26262 방식의 프로세스만으로 만들 수 있느냐? 저는 그렇게 보진 않습니다. 이 모든 것을 함께 작동시키면서도, 안전을 해치지 않고, 기존 체계를 무너뜨리지 않고, AI의 힘을 레버리지하는 것. 그게 기술적으로도, 생태계적으로도 가장 큰 도전이라고 봅니다.

John Ellis       Maurice, 당신은 기능안전도 해봤고, 사이버보안도 해봤고, 강한 엔지니어죠. 무섭지 않습니까? 무섭지 않다면 왜 안 무섭죠?
Maurice Dantzler 전혀 두렵지 않습니다. AI는 도구(tool)입니다. 제가 오래 일해오면서 늘 고민했던 게 있습니다. 팀이 복잡성을 어떻게 관리하게 도울 것인가. 시스템이 점점 더 복잡해지면서, 양산 런치나 고객 요구에 맞추기 위해 ‘제때’ 모든 걸 제대로 해내는 게 점점 더 어려워졌거든요. 검증 계획을 만들고, V-모델을 따르고, 다 좋은데, 현실에서 그걸 제대로 할 시간이 항상 충분합니까? 보통은 부족하죠. AI는 데이터 관리에 도움을 줄 겁니다. 시스템 관점에서 질문을 던지게 해주고, 인간이 루프 안에 있는 상태에서 데이터를 흡수·정리하게 해줄 거예요. 제가 경험상 말할 수 있는 건 이겁니다. 새로운 기술을 런칭할 때 실패하는 이유는 기술이 실패해서가 아니라 실행(execution)이 실패해서입니다. 기술은 작동할 수 있었는데 시간이 부족하고 과정이 부족해서 엔지니어링 실수가 생기고, 그게 지연과 추가 비용으로 이어지는 거죠. AI는 그런 효율을 줄 수 있어요. 비용을 낮추고 우리가 해야 할 일을 ‘제대로 했는지’ 확인하는 노동을 덜어줍니다.

John Ellis   Yansong, Maurice 말에 동의합니까? AI는 결국 도움이 되고, 우리는 엔지니어링을 신뢰하면 된다는 것. 아니면 여기에 경영진의 이해도 같이 필요하다고 봅니까?
Yansong Chen       오늘 아침 우버를 타고 오면서 있었던 이야기가 떠오르네요. 운전기사가 기술을 좋아하는 사람이었어요. 그래서 제가 말했죠. ‘저 5분 뒤에 AI 패널에 나가요. AI에 대해 어떻게 생각하세요?’ 그가 말하더군요. ‘기술 좋아하지만… 솔직히 조금 무서워요. AI랑 로봇이 이번 주 내내 가장 큰 버즈워드잖아요. 그래서 제가 더 물었어요. ‘뭐가 그렇게 무섭나요?’ 그 분이 말했죠. ‘블랙박스 같아서요. 안이 보이지 않으니까요.’ 예를 들어 의료 진단 같은 데서는 AI가 오히려 평균 의사보다 더 정확할 수도 있습니다. 그런데도 사람들은 “보이지 않는다”는 이유로 불안해하죠. 하지만 그 운전기사는 결국 이렇게 말했습니다. ‘그래도 도구니까, 배워서 써야겠죠.’ 저는 그 지점이 중요하다고 봅니다. AI는 또 하나의 도구입니다. 우리는 인터넷이 세상을 어떻게 바꿨는지 이미 경험했어요. AI도 마찬가지입니다. 기본을 놓지 않고, 새 도구를 책임 있게 통합해야 합니다.

John Ellis       Madison, Ford는 신뢰를 많이 받는 브랜드입니다. AI 신뢰를 고객에게 어떻게 설명합니까? 옛날에도 알고리즘은 있었는데 그때는 AI라고 안 불렀죠. 이제는 고객이 더 이해해야 하는 시대입니다.
Madison Beebe       신뢰에는 여러 층이 있어요. 내부 신뢰가 있고 외부 신뢰가 있습니다. 예를 들어 소프트웨어 엔지니어에게 AI를 물으면, “업무를 15가지 방식으로 더 빠르게 만들 수 있다”고 말할 겁니다. 그런데 재무 부서에 물으면, “그 투자금은 어떻게 회수할 건데?”가 핵심이죠. 그래서 신뢰는 타깃팅된 유스케이스, 타깃팅된 투자, 그리고 투자 회수 계획을 통해 먼저 만들어집니다. 기대하는 결과가 무엇인지 공개적으로 말하고, 그 결과를 향해 움직이고, 안 되면 멈춰야 합니다. 저는 AI를 개발 과정에 적용해서 효율과 속도를 높이고, 고객에게 전달되는 결과 품질을 높이는 데 집중하고 있어요. 고객 관점에서는, 차량이 시간이 지나면서 학습하고 개선되고, 개인의 요구에 더 맞춰진 경험을 제공한다면 신뢰가 쌓일 수 있습니다. 물론 데이터 무결성, 개인정보 보호 같은 것들을 제대로 지켜야 더 신뢰를 얻을 수 있고요. 사실 소비자는 이미 AI를 매일 사용하고 있어요. 본인이 AI라고 인식하지 못할 뿐이죠.

John Ellis   Dirk, 당신이 말한 신뢰는 법적 계약만이 아니라 ‘사회적 계약’일 수도 있습니다. 생태계 관점에서 신뢰를 확장하려면 무엇이 필요합니까?
Dirk Slama   우리는 매일 AI/ML을 쓰고 있습니다. 요즘은 특히 ‘에이전트’가 화두죠. 여행 예약을 해주는 에이전트, 엔지니어링을 대신하는 에이전트. 그래서 오늘 아침 저는 작은 실험을 하고 싶었어요. 여기 있는 분들 중, AI 에이전트에게 이메일 비밀번호나 신용카드 정보를 맡기고, 완전히 독립적으로 일을 시킨 적 있는 분 있나요? 없죠? 그게 답입니다. 우리는 아직 ‘그 술 취한 원숭이 전문가’에게 모든 걸 맡길 만큼 신뢰하진 못합니다. 아직 갈 길이 있어요.

Rebecca Delgado   제가 하나 덧붙이고 싶어요. ‘망치만 있으면 모든 게 못으로 보인다’는 말 있잖아요. 요즘이 딱 그래요. AI, AI, AI… AI가 없으면 전략이 없는 회사처럼 취급받는 분위기입니다. 하지만 AI가 우리 제품의 기반인 회사 입장에서 봐도, 결국 중요한 건 시스템 사고입니다. 개발 프로세스의 어디에 AI를 쓸지, 런타임에서 어디에 AI를 쓸지, 그 배치가 핵심이에요. AI는 가치사슬 전체를 가속할 수 있습니다. 개발에서는 효율을 높이고 더 나은 제품을 만들게 해주고, 제품 자체에서도 사람이 수동으로 만들려면 너무 오래 걸릴 기능을 빠르게 구현하게 해주죠. 결국 ‘능력의 가속’입니다. 그런데 신뢰는 어떻게 만드느냐? 그건 경험 있는 주제 전문가들이 함께 붙어야 합니다. AI 전문가만으로는 안 됩니다. 재무 담당이 와서 “데이터 다 저장하면 회사 망한다”고 말할 수 있어야 하고, 안전·법무·오픈소스 커뮤니티까지 함께 있어야 합니다. 결국 이건 유엔(UN)에 또 하나의 나라가 추가되는 것처럼, 새로운 언어를 배우는 문제예요. ISO 26262 전문가와 AI 모델 전문가가 같은 언어를 쓰지 않거든요. 이 경계를 연결할 수 있는 조직이 이깁니다. 그리고 준비되지 않은 것을 배포하지 않는 절제도 필요합니다. 건전한 시스템 엔지니어링은 계속 승리할 것입니다. 물론, 비즈니스 케이스가 있다는 전제 하에서요.

남는 건 기술이 아니라 실행이다:
협업과 표준화라는 사회적 계약

John Ellis   그럼 바로 묻겠습니다. 우리는 비즈니스 케이스가 있습니까? 자동차 산업은 ‘반짝이는 열쇠(shiny keys)’ 문제를 갖고 있어요. 늘 다음 반짝이는 것을 쫓죠. 제로섬 게임이니까요. 누군가 포드를 사면 GM을 안 삽니다. 그래서 계속 쫓습니다. 우리는 지금 뭔가를 쫓고 있는 걸까요, 아니면 이게 정말 산업을 위한 근본적인 기회일까요? 자, 기술 문제는 다 해결했다고 가정합시다. 그럼 남는 질문은 이겁니다. 우리는 자동차를 파는 것 말고도 지속 가능한 비즈니스 모델을 만들 수 있습니까? 밸류체인 전체가 살아남는 구조를 만들 수 있나요?
Dirk Slama       저는 분명히 비즈니스 케이스가 있다고 봅니다. 자율주행은 10년 전부터 약속됐지만, 1인치씩 정말 천천히 가고 있죠. 보험사가 ‘사람보다 안전하다’고 인정하는 임계점도 넘어야 하고요. 하지만 산업은 이미 지난 5~10년 사이 많이 변했습니다. 개발 사이클이 7년에서 2년 이하로 줄어드는 방향으로 가고 있어요. 이 흐름을 받아들이지 않으면 경쟁에서 이길 수 없습니다. 그 자체가 강한 비즈니스 케이스입니다.

Yansong Chen       저도 덧붙이고 싶습니다. 전동화, SDV, 그리고 그 위에 AI까지. 이건 장기적으로 로드맵의 일부가 될 겁니다. 하지만 아직은 초기 단계예요. 2023년 ChatGPT가 나오면서 세계가 바뀌었고, AI는 아직 2~3년 주기 초반입니다. CES 2024~2025에서도 늘 나왔던 질문이 있어요. ‘그거 진짜 AI냐, 아니면 그냥 자동화에 AI 라벨 붙인 거냐?’ AI는 빠르게 성숙할 겁니다. 하지만 지금은 “완성된 비즈니스 모델”을 만들기보다는 효율 개선이라는 저비용·고효과의 영역부터 공략하는 단계라고 봅니다. 아직 전동화도, SDV도 상업화와 수익성에서 고전하는데, AI는 이제 시작이니까요.

Maurice Dantzler   전통적인 품질·비용·납기(QCD) 관점에서 보면, AI는 세 가지를 동시에 개선할 수 있는 문을 열어줍니다. 보통은 트레이드오프가 있거든요. 품질 올리면 비용이 오르고, 비용 내리면 납기가 흔들리고. 하지만 AI는 시뮬레이션 같은 영역에서 품질·비용·납기를 동시에 개선할 가능성이 큽니다. 또, 100년 된 기업이 가진 조직의 지식과 경험을 AI가 더 쉽게 꺼내 쓸 수 있게 해줄 수도 있어요. SDV 시대에는 더 이상 “우리 회사 내부만”으로 런치를 설계할 수 없습니다. 다른 회사의 일정, 검증 계획과 협업해야 합니다. 그 복잡성을 AI 없이 관리하기는 어렵습니다. AI가 75%까지 끌고 가고, 베테랑이 마지막 검증을 하는 구조가 될 겁니다.

John Ellis   과거에는 ‘내부’에만 집중했어요. 이제는 외부 생태계까지 봐야 합니다. 관계는 법적 계약만이 아니라 ‘사회적 계약’이기도 합니다. 그렇다면 현실적으로 실행이 늘 문제였으니 어떻게 이 실행을 극복합니까? 우리는 무엇을 배웠고, 어디로 가야 합니까?
Maurice Dantzler   저라면 AI에게 먼저 물을 겁니다. 과거에 어떤 실패가 있었는지, 왜 실패했는지요. 그리고 그걸 바탕으로 접근 전략을 만들겠죠. 하지만 실행은 회사 간 실행이고, 규제기관도 연결돼야 하고, 안전과 사이버까지 다 걸립니다. 너무 복잡합니다. 그러니까 결국 도구를 써야 해요. 예전엔 계산기 쓰면 안 된다고 했죠. 지금 누가 긴 나눗셈을 직접 합니까? 결국 도구를 쓰는 게 자연스러워집니다.

Yansong Chen       여기서 중국 이야기를 안 할 수가 없습니다. 중국은 전동화도 빠르고, SDV도 빠르고, 이제는 AI-defined vehicle로 빠르게 피벗하고 있습니다. 제가 말하고 싶은 건 이거예요. 이미 된 걸 보고 배워야 합니다. 바퀴를 다시 발명하지 말자. 중국은 표준화로 속도를 냈습니다. 같은 팬 부품이 여러 OEM에 쓰이는 식이죠. 북미에서도 우리는 서로 배우고, Connected Car나 COVESA 같은 장에서 함께 모여야 합니다. CES에서 COVESA 리셉션이 있고, AI 워킹그룹 이야기도 합니다. 우리는 지난 3개월 동안 워킹그룹에서 “유스케이스를 어떻게 하고 있는지”를 공유하기 시작했어요. 계획만이 아니라 유스케이스를, 그리고 일관되게 하는 방법을요. 표준화와 효율이 관건입니다.

Rebecca Delgado   자율주행을 만드는 회사 관점에서 비유를 하나 들고 싶어요. 이건 마라톤입니다. 다만 마라톤 안에 수많은 스프린트가 있는 형태죠. 자원 문제입니다. 컴퓨팅, 인재, 돈, 데이터 수집과 학습, 모델 유지까지 모두 자원입니다. 그래서 저는 협업이 더 현실적이라고 봅니다. 연구기관, 대학, 생태계 파트너와의 협업이요. 과거에는 이런 걸 사일로로 하고 IP를 움켜쥐었죠. 하지만 이제는 일부를 ‘혼자 다 가지는 것’을 내려놓아야 더 빨리 갈 수 있습니다. 비용도 줄일 수 있고요. 장기 투자와 명확한 목표, 그리고 ‘협업의 스윗스팟’이 필요합니다.

Madison Beebe       동의합니다. 지난 5~7년 SDV가 그랬잖아요. 각자 아키텍처, 각자 시스템, 각자 독자 개발… 엄청난 내부 투자. AI는 그 길을 그대로 반복하면 안 될지도 몰라요. 그리고 아까 비즈니스 케이스 질문도요. 저는 ‘비즈니스 케이스가 있냐’보다, 이게 결국 ‘수익을 만드는 기회냐’가 중요한 질문일 수도 있다고 봅니다. 왜냐하면 양산화될 시점에는 이미 경쟁의 기본 조건(table stakes)이 되어버릴 가능성이 크니까요.

Dirk Slama   ‘시스템 아키텍처를 전체적으로 보는 시선’이 정말 좋았습니다. AI-defined vehicle은 SDV 위에서 만들어져야 합니다. SDV가 안전한 레이어링을 제공하니까요. 깨지면 큰일 나는 것들을 캡슐화하고, 그 위에 새로운 기능을 올릴 수 있게 합니다. 이건 차량 기능뿐 아니라 엔지니어링 프로세스에도 적용됩니다. 예를 들어 테스트는 ‘깨뜨리는 것’이기도 하잖아요. 그럼 누가 제일 잘 깨뜨릴까요? 술 취한 원숭이 전문가(그 AI)입니다. 안전한 범위 안에서 어디까지 밀어붙일 수 있는지, 단계적으로 실험할 수 있습니다.

보쉬 더크 슬래마 부사장, 토크 로보틱스 레베카 델가도 부사장과.

AI는 단독 질주로 완성될 수 없다. SDV가 표준화와 공통 기반을 요구했듯, AI 역시 생태계의 언어와 검증의 규칙, 책임의 경계를 다시 합의해야 한다. 제품화는 기술의 문제가 아니라 운영과 계약, 그리고 신뢰의 문제다. 결국 자동차 산업이 AI를 갖게 되는 순간은 “AI가 충분히 똑똑해졌을 때”가 아니라, 산업이 그 AI를 다룰 만큼 정렬되었을 때다.

ADI’s SDV: Not About the Computer, But Deconstructing the Architecture

한상민 기자_han@autoelectronics.co.kr — 2026-01-15 10:45:32+0900

ADI의 SDV: 컴퓨터가 아니라, 구조를 해체하는 작업

한상민 기자_han@autoelectronics.co.kr — 2026-01-15 10:33:10+0900

ZONAL-READY wBMS

CES 2026의 SDV는 더 빠른 컴퓨터 경쟁처럼 보인다. 더 큰 연산, 더 많은 AI, 더 화려한 데모. 하지만 ADI(Analog Devices, Inc.)가 보여준 SDV는 정반대다. 그들은 ‘더 강한 두뇌’를 말하지 않았다. 대신 그 두뇌의 명령이 차량의 끝까지 손실 없이 도달하고, 언제든 검증가능하며, 업데이트 가능한 상태로 유지되는 신경계의 구조를 보여줬다. 프라이빗 룸에서 진행된 ADI의 데모는 조명, 영상, 오디오, 배터리란 익숙한 시스템을 통해 한 가지 질문으로 다가온다. SDV는 결국 기능이 아니라, 구조를 해체하고 다시 설계하는 작업이다.

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

CES 2026 현장. ADI의 자동차 데모는 프라이빗 룸에 있다. 눈길을 사로잡는 컨셉카도, 미래적인 UI도 아니다. 무대 위에서 “미래의 사용자 경험”을 말하는 방식과는 정반대지만 그 담백함 속에는 오히려 더 날카로운 질문을 담고 있다. ADI는 애초부터 SDV를 단순히 ‘성능 좋은 컴퓨터를 탑재하는 문제’로 보지 않기 때문이다.
NVIDIA, 퀄컴, NXP 같은 반도체 거인들이 더 똑똑하고 강력한 ‘두뇌’를 만드는 데 집중할 때, ADI는 그 두뇌의 명령이 차량의 구석구석까지 손실 없이 전달되고 동시에 검증가능하며, 업데이트 가능한 형태로 유지되는 구조를 만드는 데 매달린다. SDV가 결국 중앙 컴퓨팅의 시대로 흐르는 건 맞지만, 그 중앙이 아무리 강력해도 실제로 움직이는 순간은 언제나 말단이다. 센서와 액추에이터, 배선, 전력, 통신, 진단, 서비스까지, 이 모든 흐름을 하나의 아키텍처로 묶어내지 못하면 ‘두뇌’는 고립된 장치일 뿐이다.
그런 점에서 ADI의 룸은 단순 기술 소개가 아니라, SDV 전환에서 자주 잊히는 핵심을 반복해서 상기시키는 공간이다. ‘제어의 본질은 어디에 존재하는가?’ 그리고 ‘지능은 어디까지 중앙으로 옮기고, 어디부터는 에지에 남겨야 하는가?’ ADI는 그 답을 기능이 아니라 ‘구조’로 보여줬다.

Vision to Action
제어 로직이 ECU를 떠나 중앙으로 흐르다

부스 투어의 시작점은 ‘조명’이었다. 사람의 손동작(제스처)을 카메라가 인식하고 그 결과가 헤드램프의 동작으로 연결되는 데모다. 겉으로 보면 손바닥을 펴고 닫으면 헤드램프가 켜지고, 손을 움직이면 밝기가 바뀌는 직관적인 쇼케이스처럼 보인다. 하지만 현장에서 ADI가 강조한 포인트는 제스처의 신기함이 아니라, 제어 로직이 어디에 존재하느냐다.
ADI는 이 데모를 GMSL(Gigabit Multimedia Serial Link)과 E²B(Ethernet to the Edge)를 결합한 구조로 설명했다. 고해상도 카메라 입력은 GMSL 고속 링크로 중앙 컴퓨팅 유닛에 전달되고, 중앙에서 AI 알고리즘이 손동작을 인식한 뒤 결과를 다시 조명 제어로 내려보낸다. 핵심은 ‘조명이 움직인다’가 아니라, 인식-판단-실행의 흐름이 말단 ECU에 분산되지 않고 중앙 소프트웨어 흐름으로 정렬되는 구조다. SDV가 표방하는 ‘기능의 소프트웨어화’가 가장 단단한 형태로 드러나는 장면이다.
현장에서는 E²B를 RCP(Remote Control Protocol) 관점에서 설명했다. 에지의 센서와 액추에이터를 이더넷으로 연결하되, 말단에서 마이크로컨트롤러(MCU)를 덜어내고, 제어와 업데이트의 중심을 존(Zone) 또는 중앙 컴퓨팅으로 끌어올리는 방식이다. 실제로 헤드램프 데모에서도 ‘말단에 MCU가 없고, 소프트웨어가 중앙 컴퓨터에 있다’는 구조가 반복해서 강조됐다.
이 흐름은 기술적으로는 단순한 배선/통신 변화가 아니라, 조직과 개발 방식까지 뒤흔든다. 기능이 말단에 흩어져 있을 때는 각각의 ECU가 독립적인 업데이트 경로와 테스트 체계를 갖는다. 그러나 기능이 중앙으로 모이면 소프트웨어는 더 큰 덩어리로 움직이고 시스템 통합은 더 빠르게 진행되지만, 동시에 검증과 진단의 중요성은 훨씬 커진다.

중앙화 조명 제어

말단 ECU는 사라지고,
소프트웨어만 남는다 (No MCU Required)

이 관점은 ‘MCU 없는 SDV-Ready 헤드램프’ 데모에서 더 노골적으로 드러난다. 전통적인 헤드램프는 독립적인 지능(MCU)을 갖춘 ECU가 제어하는 폐쇄적 구조다. 하지만 SDV 구조로 넘어가면 헤드램프는 더 이상 스스로 판단하는 부품일 필요가 없다. ADI가 보여준 방식은 존 컨트롤러 혹은 중앙 컴퓨팅이 이더넷 기반으로 조명을 직접 제어하고, 말단은 단순히 실행하는 구조다.
E²B와 LED 드라이버를 활용해 램프 매트릭스를 구동하고, 제어 로직은 존 레벨의 소프트웨어에서 실행된다. 액추에이터는 말단 노드가 되고 기능의 정의는 중앙 소프트웨어로 올라간다. 단순히 ‘부품 하나의 제어 방식이 바뀌었다’ 수준이 아니라, SDV의 핵심 논리, 기능을 부품에 고정하지 않고 소프트웨어로 이동시키는 과정이 직접적으로 드러난다.
이 구조가 현실적인 이유는 업데이트 때문이다. 현장에서 ADI는 OTA 업데이트의 관점에서 이 차이를 설명했다. 기능이 말단에 분산돼 있으면, 업데이트를 하려면 소프트웨어를 여러 ECU까지 전파해야 하고 각각의 상태를 확인해야 한다. 반면 중앙 소프트웨어에 기능이 정의되면 업데이트는 ‘중앙을 한 번’ 고치면 된다. 에지는 실행 노드가 되고, 업데이트 경로는 단순해진다. SDV가 ‘업데이트 가능한 자동차’로 진화한다고 말할 때, 결국 가장 큰 변화는 기능이 아니라 업데이트 경로와 책임의 구조가 바뀐다는 점이다.

SDV-Ready Headlamps

중앙화는 복잡성을 없애지 않는다

하지만 ADI는 SDV를 낙관적으로만 설명하지 않는다. 중앙화가 진행될수록 시스템은 단순해지는 게 아니라, 다른 종류의 복잡성이 커진다. ‘부품 단위의 복잡성’이 줄어드는 대신, ‘시스템 통합과 검증의 복잡성’이 커지는 것이다. 이 지점에서 ADI가 말하는 ‘신경계’는 단순히 데이터를 빠르게 흘리는 통신이 아니다. 문제가 생겼을 때 어디가 아픈지 즉시 드러나고, 원인을 좁히는 과정이 시스템 안에 내장된 구조다.
SDV가 현실이 되는 순간, 성능보다 더 무서운 비용은 ‘재현되지 않는 오류’에서 발생한다는 것을 ADI는 잘 알고 있었다. 이 복잡성은 언제나 개발/양산 과정에서 가장 큰 비용과 시간을 잡아먹는다. 그래서 ADI가 강하게 보여준 것이 GMSL Diagnostics 데모다. 12MP(메가픽셀) 고해상도 쿼드 카메라 서라운드 뷰와 4K 디스플레이를 포함한 통합 환경에서 시연된 이 데모는 ADAS와 IVI가 하나의 통합 시스템으로 엮일수록 통신 디바이스들이 더 복잡한 타이밍과 링크 조건 위에서 동작해 기능 구현이 아니라 통합된 시스템이 현실에서 흔들리는 순간을 포착한다.
현장에서 ADI가 던진 질문은 단순했다. 차량 환경에서 블랙 스크린, 플리커, 프리징이 발생했을 때 그것을 어떻게 ‘확실하게’ 잡아낼 것인가? 고객이 ‘화면이 한 번 꺼졌다’고 말할 때, 개발팀은 같은 증상을 재현하기 위해 끝없는 시간을 쓴다. 그리고 재현이 어렵다는 사실 자체가 SDV 시대에 더 치명적이 될 수 있다. 시스템이 복잡해질수록 ‘재현 불가능한 문제’는 조직을 무너뜨리는 비용이 된다. 데모의 중심은 데이터를 남기는 방식이었다. ADI는 모든 링크 상태와 이벤트를 SOC 레벨에서 수집하고, 각 파트의 상태를 타임스탬프와 함께 기록해 둔다고 설명했다.

중앙화는 복잡성을 없애지 않는다. 남은 과제는 통합과 검증이다. GMSL Diagnostics는 통합 시스템의 문제를 재현이 아니라 ‘기록’으로 잡는다.

문제 재현 자체가 이슈
모든 데이터를 타임스탬프와 함께 수집

시연은 아주 현실적인 방식으로 진행됐다. 케이블을 일부러 분리하자 링크가 끊기고 화면이 내려간다. 그리고 화면/툴 상에서는 어느 링크에서 문제가 발생했는지가 색상과 구조도로 드러난다. 이후 더 깊이 들어가면 전체 시스템 블록 다이어그램이 보이고, 카메라 쪽은 정상인데 디스플레이 링크에서 문제가 났다는 식으로 원인이 좁혀진다. 다음 단계에서는 디스플레이 포트 입력은 정상인데 링크 케이블이 끊겼다는 식으로 문제가 정확히 어디인지까지 내려간다.
이 접근의 의미는 단순히 디버깅이 편해졌다는 수준이 아니다. 개발 단계에서 가장 큰 시간 낭비는 ‘측정 장비를 붙이고, 반복 실험을 하고, 로그를 긁어모으는 과정’이다. ADI는 이 지점에서 “고객이 오실로스코프나 멀티미터, I²C 케이블을 연결해 보지 않아도 된다”는 점을 강조했다. 시스템이 자동으로 상태를 기록하고 현장에서 바로 읽을 수 있게 만들면 SDV 전환의 가장 큰 리스크였던 개발/운영 비용을 줄일 수 있다.
이 진단 데모는 SDV의 본질을 이렇게 바꿔 말한다. 중앙화가 곧 단순화는 아니며, 단순화를 가능하게 만드는 건 ‘진단 가능성’의 구조라고.

차량은 컴퓨터가 아니라, 데이터 인프라

ADI의 데모가 재미있는 것은 SDV의 범위를 제어에서 ‘데이터·전력·경험의 인프라’로 확장한다는 데 있다. 존 기반 SDV 아키텍처를 활용한 영상 및 전력 전달 데모는 그 대표적 사례다. USB Type-C를 통해 USB-PD 충전과 DisplayPort Alternate Mode를 동시에 지원하고, GMSL·USB-C·DisplayPort를 결합해 데이터를 분배하는 구조는 차량을 하나의 플랫폼처럼 보이게 만든다.
이 데모에서 인상적인 장면은 압축되지 않은 영상 스트림이 자연스럽게 출력되는 모습이지만, 핵심은 영상 품질이 아니라 경로다. 영상 데이터와 전력이 함께 흐르는 구조가 만들어지면 인포테인먼트는 단순 화면이 아니라 ‘차량 네트워크 위를 달리는 서비스’로 바뀐다. 즉 SDV 아키텍처가 제어 구조를 넘어, 데이터·전력·사용자 경험을 동시에 지탱하는 기반이 된다.

존 기반 SDV 아키텍처로 영상과 전력을 동시에 전달하는 ‘데이터 인프라’ 데모

A²B 2.0
인캐빈도 SDV의 일부가 된다

이런 흐름은 인포테인먼트 영역에서도 이어진다. ADI의 A²B 2.0은 차량 내 오디오 네트워크를 단순한 음향 전달 수단이 아니라, SDV 시대의 데이터 흐름 안으로 끌어온다. 현장에서 A²B는 “차 안에서 이미 오래 사용돼 온 오디오 버스”로 소개됐다. 헤드 유닛에서 스피커와 여러 오디오 노드를 데이지체인(daisy chain)으로 연결하고, 하나의 UTP(비차폐 트위스트 페어) 케이블로 데이터와 전력을 함께 전달하는 구조다.
A²B 2.0의 핵심 변화는 대역폭이다. 현장에서는 1세대 대비 4배 수준의 대역폭 확대가 강조됐고, 그 결과 단순히 오디오 스트림의 확장만이 아니라 “Ethernet tunneling(이더넷 터널링)을 A²B 버스 위로 구현할 수 있다”는 점이 시연으로 연결됐다. 실제로 카메라를 연결해 데이터가 흐르는 구조를 만드는 동시에 FM 오디오 스트림을 재생하고 변경할 수 있는 모습이 소개됐다. 인캐빈의 오디오가 SDV에서 주변부 기능이 아니라, 동일한 네트워크 구조 위로 올라오는 데이터 흐름이 된다는 의미다.
여기서 숫자 하나가 강력하다. A²B 2.0은 오디오의 확장성을 ‘단순히 좋아졌다’가 아니라 ‘구조가 달라졌다’로 보여준다. 오디오는 경험의 언어로 보이지만, SDV에서는 결국 데이터와 업데이트, 그리고 네트워크 운영의 문제로 재정의된다. A²B 2.0이 보여준 확장은 인캐빈이 ‘곁다리’가 아니라 SDV 백본과 같은 구조 위에 올라가는 노드라는 사실을 분명히 한다.
그래서 “A²B 2.0은 최대 119채널의 풀 듀플렉스 오디오를 업/다운스트림으로 다룰 수 있습니다”란 설명은 단순 채널 수의 자랑이 아니다. SDV의 방향이 더 큰 컴퓨터만이 아니라, 더 많은 데이터를 더 얇은 구조로 더 검증가능한 방식으로 흘리는 것이라면, 인캐빈은 오히려 SDV의 중심으로 들어온다. 승부는 ‘화려한 UI’가 아니라, UI를 떠받치는 인프라이고, 그래서 ADI가 말하는 SDV의 방식이 ‘구조를 해체하고 다시 설계하는 문제’란 문장이 오디오에서도 선명해진다.

A²B 2.0: THE FUTURE OF INFOTAINMENT 데모

wBMS
SDV는 이미 양산 단계에 들어섰다

전동화 영역에서 소개된 무선 EV 배터리 관리 솔루션은 SDV가 미래 개념이 아님을 보여준다. ADI의 wBMS(Wireless Battery Management System)는 이미 2021년부터 양산 적용이 시작됐고, 현장에서도 “GM에서 양산 중”이란 설명이 명확하게 확인됐다. 단지 “무선이라 편하다”가 아니라, 제조 관점에서 공정 단순화와 비용 절감이 이 기술의 출발점이었다는 점이 강조됐다.
현장에서는 실제 구동 중인 모듈을 보여주며 “지금은 두 개의 셀을 모니터링하고 있지만, 같은 방식으로 다수 셀을 동시에 감시하도록 확장가능하다”는 설명도 이어졌다. 그리고 여기서 중요한 포인트가 하나 더 붙는다. wBMS가 전통적으로 도메인 컨트롤러로 정보를 보내는 구조였다면, ADI는 이 데모에서 추가적인 통합을 통해 중앙 ECU로 이더넷 연결을 만들고, 배터리 시스템을 존처럼 다룰 수 있게 하는 방향을 제시했다. 말단에서 마이크로컨트롤러 복잡성을 줄이고 비용 부담을 낮추며, 향후 배터리 인텔리전스를 추가하더라도 소프트웨어 개발 부담이 커지지 않도록 구조를 미래지향적으로 바꾸는 방식이다.
배터리처럼 안전과 신뢰성이 요구되는 영역에서 이미 양산 단계에 들어간 구조는 SDV가 더 이상 실험실 개념이 아니라는 사실을 증명한다. 구조가 먼저 굳어지고 그 위에서 소프트웨어가 확장된다.

기능이 아니라, 구조의 전환

ADI 부스 투어의 중요한 인상은 ‘무엇을 봤는가’보다 ‘어떤 질문을 확인했는가’다.
배터리(wBMS), 영상(GMSL), 조명(E²B), 오디오(A²B 2.0) 등 서로 다른 분야의 데모들이 사실상 하나의 메시지다. SDV는 더 큰 컴퓨터를 넣는 문제가 아니라, 제어의 위치, 지능의 배치, 배선과 전력, 데이터 흐름의 경로를 다시 설계하는 문제이고, 그래서 이 부스는 ‘두뇌’ 대신 ‘신경계’를 말하는 것처럼 보인다.
중앙이 아무리 강해져도, 그 중앙이 의미를 갖게 만드는 것은 결국 차량 전체를 관통하는 구조다. SDV 시대의 경쟁은 “얼마나 빠른 컴퓨팅을 탑재했는가”만으로 끝나지 않는다. 그 성능이 실제 차량 구조에서 얼마나 안정적으로 전달되고, 얼마나 빨리 검증가능하며, 얼마나 손쉽게 업데이트 가능한지가 승부를 가른다. ADI는 그것을 보여주려 했다.

피온 허리(Fionn Hurley) 이사를 따라 부스 투어를 진행했다.

용어 정리
GMSL(Gigabit Multimedia Serial Link): 고해상도 카메라·디스플레이 데이터를 전송하는 ADI의 고속 직렬 인터페이스
E²B(Ethernet to the Edge): 10BASE-T1S 기반으로 에지까지 이더넷을 확장하는 솔루션(말단 MCU를 덜어내고 중앙 제어를 강화)
A²B(Automotive Audio Bus): 단일 UTP 케이블로 오디오 데이터와 전력을 동시에 전달하는 차량용 오디오 버스, A²B 2.0은 대역폭 확대 및 기능 확장
wBMS(Wireless Battery Management System): 배터리 셀 모니터링을 무선화한 ADI의 배터리 관리 시스템(양산 적용 사례 존재)

Eclipse SDV: Moving from Vision to Release

한상민 기자_han@autoelectronics.co.kr — 2026-01-14 13:33:55+0900

Eclipse SDV, ‘비전’에서 ‘릴리스’로

한상민 기자_han@autoelectronics.co.kr — 2026-01-14 13:18:20+0900

CES 2026 Eclipse SDV Executive Breakfast는 ‘무엇이 가능하냐’보다 ‘무엇을 실제로 내놓을 거냐’를 확인하는 자리였다. MoU가 2세대 확장 국면에 들어서며 서명사가 늘어난 것은 단순한 명단 업데이트가 아니라, Eclipse SDV라는 협업의 틀 안에서 S-CORE를 ‘제품에 넣을 수 있는 공통 플랫폼’으로 밀어붙이겠다는 선언이다. 정의의 정렬과 코드의 공개, 통합 릴리스를 거쳐 “ship the platform”으로 나아가는 순간, SDV 오픈소스는 비전이 아니라 제품 시간표로 들어간다.

글 | 한 상 민 기자_han@autoelectronics.co.kr
IN ENGLISH

연관기사: S-CORE의 진짜 시험대: 누가 10~15년을 책임지는가

CES 일정표에는 수백 개의 세션이 있고 그 가운데 상당수는 ‘무엇이 가능한가’를 보여준다. 더 빠른 컴퓨팅, 더 멋진 기능과 동작, 화려한 데모, 더 매끈한 미래 시나리오. 그러나 1월 7일 아침의 Eclipse SDV Executive Breakfast는 달랐다. 이 자리는 ‘이제 무엇을 실제로 내놓을 것이냐’에 대한 것이었다. 오픈소스가 자동차에서 의미를 갖는 순간은 비전이 아니라 릴리스이기 때문이다.
Eclipse와 VDA는 이날 Automotive-Grade Open Source Software Ecosystem을 위한 MoU가 2세대 확장 국면에 들어섰다고 공식화했다. 이 표현은 S-CORE 같은 단일 프로젝트를 지칭하는 말이 아니라, 자동차 등급의 오픈소스를 거버넌스·검증·컴플라이언스·상용화까지 포함해 하나의 운영 체계로 만들겠다는 ‘큰 우산’에 가깝다. 공식 발표는 숫자와 명단으로 확장을 말했지만, 현장에서 더 직접적으로 설명된 것은 ‘왜 지금 이 확장이 필요한가’, 그리고 그 우산 아래에서 S-CORE 같은 공통 기반을 어디까지 함께 만들 것인가였다. SDV 오픈소스는 이제 ‘소개’의 단계를 지나, 플랫폼을 출시하는 단계로 이동하고 있다.
여기서 먼저 구분해야 할 것이 있다. Eclipse SDV는 ‘무엇을 함께 만들 것인가’를 합의하고 추진하는 협업의 틀이다. Eclipse S-CORE는 그 틀 안에서 만들어지는 핵심 결과물로, 여러 SDV 관련 오픈소스 프로젝트를 하나의 참조 스택(reference stack)과 툴링 환경으로 묶어, 자동차 개발 조직이 제품 개발에 가져다 쓸 수 있는 자동차급 공통 플랫폼을 지향한다. 이날 논의가 ‘오픈소스가 필요하다’에서 멈추지 않고 ‘플랫폼을 출시(ship)한다’로 나아간 이유도 결국 S-CORE란 ‘구체물’이 있기 때문이다.

Eclipse Foundation 안스거 린트베델 이사

행사가 던진 질문:
“SDV를 ‘같은 뜻’으로 쓰고 있는가?”

“이제 MoU 2세대 이야기를 하려고 합니다. 오늘 VDA 관계자, 미디어도 와 있으니 Eclipse SDV가 전체적으로 무엇인지도 함께 짚고 넘어가겠습니다.”
Eclipse Foundation의 안스거 린트베델(Ansgar Lindwedel) SDV 에코시스템 개발 이사가 말했다. 이는 단순한 인사말이 아니었다. 이 자리는 SDV와 오픈소스를 ‘새 기술’로 소개하는 무대라기보다, 업계가 같은 단어를 같은 의미로 쓰도록 정렬시키는 무대였다. 정의가 흔들리면 협업이 흔들리고, 용어가 흔들리면 플랫폼도 흔들린다. 그래서 출발이 홍보가 아니라 ‘정의’였다.
린트베델은 SDV를 기능 목록으로 설명하지 않았다. 그는 하드웨어 정의 차량이 소프트웨어 정의 차량으로 바뀌는 과정을 단계로 정리했다. 차량이 연결되고(connecting), 업데이트 가능해지고(updatable), 업그레이드 가능해진다(upgradable). 다음 단계에서 플랫폼은 정기적으로 기능을 갱신하고, 제3자도 그 위에서 기술을 개발할 수 있게 된다. 마지막은 플랫폼의 완성이다. 즉 SDV의 본질은 ‘고급 기능의 나열’이 아니라 업데이트 가능한 운영 방식, 그리고 제3자를 끌어들이는 플랫폼화에 있다.
SDV를 정의하려는 시도들은 이미 많고 서로 다른 정의가 동시에 움직인다. 그렇기 때문에 이 정의들을 어떻게 결합할 것인지가 중요하다. 산업이 SDV를 말할 때 같은 대상을 떠올리게 만드는 것이 협업의 출발선이다.

왜 Eclipse SDV인가:
“이건 미친 짓이야”

정의를 깔아놓은 뒤, 질문은 곧장 ‘왜’로 이동했다. “그래서 왜 Eclipse SDV인가?”
이 대목에서 린트베델의 톤이 확 달라졌다. 그는 지난 몇 년 동안 업계가 반복해 온 선택부터 꺼냈다.
업계는 각자 OS와 미들웨어를 만들었다. OEM도 많은 공급사도 자기 스택을 쌓았다. 결과는 파편화였다. 바닥 레이어가 조각나면 위에서 혁신이 일어나기보다 같은 문제를 매번 각자 다시 풀게 된다. 그 상황을 묘사하며 나온 말이 이거였다.
“이거… 말이 안 되잖아요. 우리가 왜 이러고 있죠?”
그가 곧바로 연결한 것은 기술이 아니라 자원이었다. 자동차 소프트웨어를 제대로 엔지니어링할 수 있는 개발자는 ‘나무에서 열리는 게’ 아니다. 희소한 인력이 기반을 중복 개발하는 데 묶이는 순간, 시간도 돈도 바닥에서 증발한다. 그래서 목표는 단순해진다. 고립되고 파편화된 proprietary 솔루션을 늘리는 대신 통합된 기반을 만들고 더 빠르게 움직이는 것이다.
산업이 함께 만들고 함께 쓰는 방식. 문제는 그 방식이 ‘합의’를 요구한다는 점이다. 공동 벤처처럼 움직이려면 법무적 합의부터 시작해야 하고 그 합의는 몇 년이 걸릴 수 있다. 시장은 그 시간을 기다리지 않는다. 그래서 오픈소스는 ‘합의를 기다리는 대신 지금 시작하는 방식’으로 등장한다. 이상론이 아니라, 합의 비용과 중복 경쟁을 줄이고 희소한 인력을 차별화 영역으로 올려 보내는 현실적 장치다.
여기서 이 협업의 전략적 함의가 드러난다. 테슬라와 중국 OEM이 속도와 스케일로 소프트웨어 운영을 밀어붙이는 동안, 전통적 OEM은 안전·규제·공급망·조직 구조 때문에 같은 속도를 그대로 복제하기 어렵다. 그렇다고 각자 OS와 미들웨어를 끝까지 만들겠다고 버티면, 개발자는 ‘비차별 영역’의 중복 개발에 갇힌다. S-CORE가 제시하는 것은 ‘유일한 정답’이 아니라, 최소 공통 기반을 함께 깔아 속도를 확보하려는 대안적 경로다. 차별화해야 할 영역은 각자 가져가되, 차별화가 어려운 기반 소프트웨어는 공동으로 만들고 릴리스 속도를 끌어올리는 선택이다.

SDV를 ‘차 안’에 가두지 않는 방식:
Edge - SDVx - Tooling

Eclipse SDV가 범위를 세 축으로 나누는 설명은, 이 협업이 ‘차량용 오픈소스’가 아니라 SDV 운영 체계를 겨냥한다는 점을 가장 명료하게 보여준다. SDV를 차 안의 기능으로만 보면 오픈소스는 부품처럼 보이지만, 실제 SDV는 차 안 - 차 밖 - 개발 방식이 동시에 맞물려야 굴러간다.
첫째는 차량 내 에지(Edge)다. ECU와 컨트롤러에서 돌아가는 소프트웨어, 즉 업계가 함께 깔 수 있는 ‘공통 바닥’이다. S-CORE의 포인트는 ‘공통 미들웨어’라는 말보다 더 구체적인데, S-CORE는 common safety-qualified core stack을 목표로 하고, 기능안전성 인증과 사이버보안 규제 대응을 지원할 수 있는 코어 스택으로 설계되는 흐름을 보여주며 AUTOSAR·COVESA 같은 산업 표준을 레버리지해 실차 적용 가능한 공통 기반으로 묶으려는 시도다. 이 영역이 흔들리면 위에 올리는 애플리케이션과 서비스는 매번 다시 만들어진다. 둘째는 SDVx(클라우드/운영 루프)다. 차에서 데이터를 꺼내고 다시 넣어 운영하는 방식이다. 업데이트·진단·관측·배포의 속도는 여기서 결정된다. SDV가 ‘차 안의 소프트웨어’가 아니라 ‘운영 방식’이 되는 순간이다. 셋째는 툴(Tooling)이다. SDV는 소프트웨어가 늘어나는 일이 아니라 개발자가 일하는 방식이 바뀌는 일이고, 개발자 부족은 이 전환의 병목이다. 그래서 툴링은 선택지가 아니라 전제다.
이 세 축을 겹쳐놓으면 Eclipse SDV와 S-CORE의 관계도 또렷해진다. Eclipse SDV는 협업의 틀이고, S-CORE는 그 안에서 제품에 넣을 수 있는 형태로 ‘출시’하려는 공통 플랫폼이다. 이날 메시지가 비전이 아니라 릴리스로 수렴한 이유도 여기에 있다.

2025년의 움직임:
유럽에서 아시아로
아이디어에서 코드로

린트베델이 2025년 성과를 말하는 방식도 인상적이었다. 단순히 ‘멤버가 늘었다’가 아니라, 커뮤니티가 어디로 확장됐고, 어떤 프로젝트가 실제로 사람을 모았고, 무엇이 공개 저장소에 올라가 있는지가 중심이었다.
확장에서는 초기 유럽이 중심이었지만 아시아에서 성과가 있었다고 강조했다. 특히 한국 커뮤니티 미팅은 LG의 호스팅에 대한 감사로 언급됐다. 오픈소스 협업은 결국 사람과 기업의 참여로 속도가 결정되기 때문에 지역 확장은 곧 기여자의 확장이고, 기여자의 확장은 코드와 릴리스의 속도로 이어진다.
LG전자 이상용(Sangyong Lee) 부사장은 “SDV 환경에서 미션 크리티컬 시스템을 어떻게 안전하게 오케스트레이션할 것인가가 핵심 과제입니다. 이를 풀기 위해 기술 자문(technical advisory) 참여와 코드 기여(code contribution)를 강화하겠습니다”라고 말했고, 현대모비스의 정수경(Sookyung Jung) 부사장은 “SDV는 소프트웨어를 더 얹는 것이 아니라 차량 전체를 관통하는 새 수준의 전문성이 필요한 전환이며, 이 전문성은 각자 독립적으로 쥐고 있기보다 산업 전체와 공유될 때 훨씬 더 큰 가치를 만든다고 믿습니다”라고 말했다.
린트베델이 꺼낸 ‘새 프로젝트’는 Eclipse OpenSOVD였다. 메르세데스-벤츠에서 시작된 이 진단 프로젝트는 킥오프만으로도 전 세계에서 100명 이상이 모였고, ISO 17978(SOVD 표준)을 기준으로 오픈소스 SOVD 스택을 만들고 있다. 그리고 그 산출물은 결국 S-CORE로 들어가 공통 플랫폼의 일부가 된다.
“마지막으로 중요한 포인트가 하나 있습니다. 지금까지 보여준 것은 모두 공개 저장소에 있습니다. 원하면 누구나 코드를 확인하고 기여할 수 있습니다.”
오픈소스 생태계에서 이런 말은 신뢰의 단위다. ‘좋은 의도’가 아니라 ‘보이는 코드’가 있어야 한다. 그리고 이런 모든 현장 이야기는 S-CORE로 모인다. S-CORE는 ‘차내 고성능 컴퓨팅을 위한 미들웨어’로 설명되며, 흩어진 기술을 통합 릴리스로 묶어 공통 미들웨어 레이어를 ‘고정’하려는 스택이다. S-CORE는 보쉬-ETAS 등과 함께 2024년 말~2025년 초 시작됐고, 초기 5개 회사에서 출발해 기여 기업이 늘었다. 무엇보다 중요한 건 2025년 11월(0.5) 첫 릴리스가 나왔다는 점이다. 가능성에서 작동으로 이동했다.

Eclipse Foundation 마이크 밀린코비치 사무총장

‘기관의 언어’:
규제·인증·상용화가 오픈소스를 끌고 간다

S-CORE가 단순한 커뮤니티 스택이 아니라 ‘자동차급 코어’로 규정되는 이유는 common safety-qualified core stack으로 압축된다. 즉, 실차에 넣을 수 있는 코어 스택을 전제로 기능안전성 인증과 사이버보안 규제 대응까지 염두에 두겠다는 선언이고 여기에 AUTOSAR와 COVESA 같은 산업 표준을 레버리지하겠다는 것이다. ‘좋은 코드’가 아니라, 현장에서 돌아가는 기반으로 만들겠다는 뜻이다.
이 ‘자동차급’을 가능하게 하는 조건을 마이크 밀린코비치(Mike Milinkovich) 사무총장은 기술보다 거버넌스와 책임 구조에서 찾았다. 여러 회사가 같은 코드를 함께 만들고 운영하려면 ‘좋은 의지’만으로는 부족하고, 누가 무엇을 어떻게 검증·유지·증빙할지에 대한 프로세스와 규칙이 먼저 필요하다는 것이다. 그가 2025년의 키워드로 꺼낸 trustable과 compliance는 오픈소스를 제품 개발 라이프사이클 안으로 끌고 들어오는 언어다. CRA 같은 규제가 오픈소스 구성요소의 실사와 증빙(attestation)을 요구하는 순간, 준수는 체크리스트가 아니라 개발 방식 자체를 바꾸는 변수가 된다.
그래서 ThreadX의 안전 인증 사례는 “오픈소스도 된다”의 구호가 아니라, 오픈소스와 인증 프로세스를 연결하는 운영 모델이 실제로 굴러가기 시작했다는 신호로 읽힌다. 슬라이드가 강조한 EU Commission의 지원, 그리고 VDA가 set in motion했다고 표현한 배경도 같은 방향을 가리킨다. 결국 S-CORE는 ‘좋은 커뮤니티’의 결과물이 아니라, 규제·인증·상용화의 조건을 만족시키기 위해 설계되는 플랫폼이다.

VDA 마커스 볼릭 박사

VDA가 말한 가입의 논리:
속도·회복탄력성·품질,
그리고 40/30

밀린코비치의 ‘기관의 언어’ 뒤에는 VDA의 ‘산업의 언어’가 이어졌다.
마커스 볼릭(Dr. Marcus Bollig) 박사는 이번 MoU 확장을 ‘의미 있는 확장(substantial extension)’이라 부르면서 동기와 목표를 ‘속도, 회복탄력성, 품질(speed, resilience, quality)’로 정리했다.
속도는 코드 중심 접근(code-centric)으로 플랫폼을 한 번만 개발한다는 뜻이다. 회복탄력성은 오픈소스가 더 견고하고 지속가능할 것이라는 기대다. 품질은 검증과 보안, 신뢰성을 개선하고 생태계의 전문성을 결합할 수 있다는 논리다. 여기서 중요한 건, 이 세 단어가 ‘가치 선언’이 아니라 비용 구조와 개발 프로세스를 건드리는 경영 언어로 쓰였다는 점이다.
또 하나 인상적인 것은 이해관계자별 효과를 희생이 아니라 ‘각자의 이익’으로 설명한 점이다. OEM은 기존 플랫폼을 재사용하며 협업의 공통 기반을 얻고, 티어 1은 한 번 개발해 재사용할 수 있고, 소프트웨어 공급사는 더 많은 고객에게 서비스를 제공할 수 있고, 서비스 제공자도 전체 이해관계자에게 확장할 수 있다. 즉, 이 생태계는 누구는 손해 보고 누구는 이득 보는 구조가 아니라, 참여 동기가 분산된 구조로 설계돼 있다고 했다.
마지막으로, 노력 절감 40%, 출시 기간 30% 단축. 이 숫자들이 반복되는 이유는 홍보가 아니라 가입의 논리이기 때문이다. 핵심은 기능을 줄여서가 아니라, 기반 레이어의 중복 개발과 통합·검증 비용을 줄이는 데서 나온다. 가치가 아니라 계산, 분위기가 아니라 모델.
이 숫자들은 “왜 지금 협업해야 하는가”에 대한 산업적 답변으로 기능했다.

2026년의 한 문장:
“플랫폼 출시”

“플랫폼을 실제로 출시하는 일은 결코 가볍지 않습니다. 부족한 점을 말하는 건 쉽지만, 사람들이 제품에 넣으려는 플랫폼을 내보내는 순간 오픈소스 이니셔티브는 진짜가 됩니다.”
다시 마이크를 잡은 밀린코비치 사무총장은 2026년의 목표를 이 한 문장으로 못 박았다. ‘좋아 보이는 로드맵’이 아니라, 실제로 쓸 수 있는 플랫폼을 릴리스하는 것이다. 방 안의 공기가 다시 현실로 내려오는 순간이었다.
그가 곧바로 트라톤(Traton)을 환영한 것도 같은 맥락이었다. ‘software defined car’가 아니라 ‘software defined vehicle’이라는 표현은 이 협업이 승용차에만 갇힌 이야기가 아니라고 선을 긋는다. 상용차까지 포괄하는 순간, SDV 오픈소스는 ‘차종’의 이슈가 아니라 산업 전체의 운영 방식으로 확장된다. 플랫폼이 한 번 출시되면, 그 위에 올라가는 조직과 비즈니스의 범위도 함께 커진다.
이와 관련 트라톤의 슈테판 토이허르트(Stefan Teuchert) 수석부사장은 “우리는 트럭 OEM으로서 차량과 클라우드까지 전체 소프트웨어 스택을 직접 소유합니다. 새 SDV 플랫폼과 촘촘한 SOP 일정 속에서 이 커뮤니티가 우리를 더 빠르게 만들길 기대하며 우리가 가진 것도 기꺼이 내놓겠습니다”라고 말했다.
이후 안내된 2026년의 일정도 단순 행사 캘린더가 아니었다. 4월 브뤼셀의 Open Community Experience(OCE)와 자동차 트랙(OCA)은 개발자와 아키텍트가 “이제 무엇을 만들고 어떻게 합칠 것인지”를 기술적으로 정렬하는 자리로 제시됐다. 6월 슈타른베르크의 Automotive Open Source Summit(AOSS)은 그 진척을 산업의 언어로 다시 확인하는 무대다. 플랫폼을 만드는 사람들만 준비하는 게 아니라, 그 플랫폼을 제품에 넣어야 하는 사람들까지 함께 준비해야 한다는 뜻이다.

데모의 ‘위치’를 공개하는 방식

행사의 끝에서 린트베델은 갑자기 현실적인 이야기를 꺼냈다. CES에서 Eclipse SDV를 어디서 볼 수 있는가. Trustable Software Framework 관련 세션, S-CORE 데모가 돌아가는 부스, 초대가 필요한 룸까지 현장에서 확인하는 동선이 공유됐다. 인피니언 데모, 마이크로소프트 부스와의 연결도 같은 맥락이다. 메시지는 개념을 설명하러 온 게 아니라, 실제로 돌아가는 것을 보여주러 왔다는 것.
마지막은 단체 사진이었다. 관례처럼 보이지만 의미가 컸다. 기존 서명사와 신규 서명사가 함께 무대에 올라서는 순간, 각자 플랫폼을 만들던 업계가 ‘같은 바닥을 공유하겠다’는 선언을 이미지로 남겼다. 협업이 필요한 산업에서 사진은 종종 ‘증거’가 된다.

SDV 오픈소스는 ‘제품 시간표’로 간다

SDV 오픈소스가 설득력을 얻는 방식은 비전이 아니라, 정의의 정렬, 코드의 공개, 통합 스택의 릴리스, 플랫폼의 출시로 이어지는 실행의 순서다.
린트베델이 SDV를 단계로 정의한 이유는 업계가 같은 단어를 같은 의미로 쓰기 위해서였다. “왜 Eclipse SDV인가”라는 질문은 파편화와 개발자 부족이라는 현실로 내려왔고, S-CORE는 그 현실을 공통 기반으로 고정하려는 시도다. 밀린코비치는 여기에 규제·인증·상용화의 언어를 얹어, 이 협업이 단지 코드를 공유하는 모임이 아니라 제품을 만들기 위한 산업용 체계로 변하고 있음을 보여줬다. VDA는 그 동기를 40/30이라는 숫자로 고정했다. 구호가 아니라 계산이다.
그래서 2026년의 목표가 ‘ship the platform’으로 나아가는 게 자연스러웠다. 이제 SDV 오픈소스는 ‘운동’이 아니라 제품 개발의 시간표로 들어갔다. 지금의 확장은 그 시간표에 올라탄 회사들이 늘어났다는 뜻이다.

좌측부터 피터 핀틀 캡제미나이 부사장, 귄터 그로마이어 RT-RK 부사장, 토마스 이라완 ETAS 사장, 마티아스 타랍 Vector 사장
톨스텐 골레브스키 ZF 부사장, 모리츠 노이키어흐 Elektrobit 선임이사.

The Sentence of Life, the Grammar of Control: Rereading SDV at CES

한상민 기자_han@autoelectronics.co.kr — 2026-01-13 09:45:14+0900

삶의 문장, 제어의 문법: CES에서 SDV를 다시 읽다

한상민 기자_han@autoelectronics.co.kr — 2026-01-13 09:34:29+0900

CES는 매년 “미래”를 말한다. 그런데 올해 무대에서 선명하게 본 것은 미래의 형태보다는 미래를 설명하는 언어였다. LG전자는 ‘삶’으로 시작했다. 기술이 재촉하는 시대에 오히려 기술을 향해 질문을 던졌다. 좋은 삶은 빠른 업그레이드가 아니라 경험이 되돌아오는 순간들. 그런 세계관은 TV와 가전, 로봇 CLOiD, 그리고 모빌리티로 이어지며 하나의 결론에 도달했다. SDV는 차 안에서 시작되는 기술이 아니라, 삶의 흐름을 소프트웨어로 다시 설계하는 방식. 다음 무대의 보쉬는 물리와 디지털의 간극을 건너는 능력이란 정반대의 언어로 출발했다. 보쉬는 그 말이 관념으로 남지 않게 무대 위에서 직접 스테이크를 구웠다. 이건 유쾌한 쇼가 아니라, 센서 - 제어 - AI - 결과 품질이 하나의 폐쇄루프로 모이는 ‘물리적 증명’이었다. SDV도 단지 AI가 얼마나 말을 잘하느냐가 아니라, 브레이크와 조향, 서스펜션과 캐빈 같은 물리 시스템을 안전하게 목표 상태로 데려갈 수 있느냐의 문제다.
CES 2026에서 SDV는 ‘자동차’의 키워드로만 존재하지 않았다. 이처럼 거실에서 먼저 완성되고, 주방의 팬 위에서 다시 증명되며, 모든 공간으로 확장되는 방식으로 나타났다. LG와 보쉬의 발표를 따라가며 SDV 경쟁의 본질, 그리고 우리가 어디를 보고 있는지를 생각해 봤다.

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

CES 2026의 첫 무대는 LG전자였다. 그다음 무대는 보쉬였다.
흥미로운 것은 두 회사가 모두 ‘사람(human)’을 중심에 놓고 이야기하면서도 SDV를 설명하는 언어는 정반대였다는 점이다. LG가 SDV를 삶의 연속된 공간 경험으로 풀어냈다면, 보쉬는 SDV를 물리를 다루는 제어 능력으로 다시 꺼내 보였다. 같은 CES 오프닝이었지만, 온도는 확연히 달랐다.

류재철 LG전자 CEO

LG: 삶에서 먼저 완성된 SDV

CES 2026의 시작은 제품 설명이 아니었다. “Hey LG, 미래는 어떤 모습일 것 같아?”란 질문으로 열린 오프닝 영상은 기술을 향한 반문에 가까웠다. 기술은 어느새 우리의 목소리를 대신하며 더 빨리, 더 조용히 따라오라고 요구해 왔고, 더 나은 삶을 위한 경쟁 속에서 삶의 본질은 사라졌다는 문제의식이 깔려 있었다. 그래서 LG가 그린 미래는 화려한 데모가 아니라, 하루를 미소 짓게 하는 음악으로 시작하고, 9시부터 5시까지의 시간이 일처럼 느껴지지 않으며, 자동차가 ‘마음을 열 수 있는 공간’으로 존재하는 일상의 모습, 우리(human)에 대한 것이었다. 혁신이 삶을 앞서가거나 지배하는 것이 아니라, 삶과 경험에 맞닿아 있을 때 비로소 좋은 삶이 완성된다는 것이었다.
무대에 오른 류재철(Jaecheol Lyu) CEO는 LG가 AI를 어떻게 정의하는지 먼저 선명하게 그었다.
“모두가 AI를 이야기할 때, 우리는 한 가지 질문을 던졌습니다. 사람에게 필요한 AI는 무엇인가. 우리의 답은 ‘Affectionate Intelligence’였습니다.”
그가 던진 다음 질문은 더 상징적이었다.
“AI가 스크린 밖으로 걸어 나와 실제 삶에서 작동한다면 어떨까요?”
LG가 말하는 AI는 대화형 인터페이스나 클라우드 서비스에 머무르지 않는다. 습관과 감정, 문화가 모두 다른 ‘현실의 삶’에서 작동해야 한다는 정의다. 그리고 LG는 그 출발점으로 ‘가정’을 지목했다. 이미 생활 공간에 깊게 들어가 있는 브랜드로서 LG는 실제 가정의 리듬과 생활 맥락을 이해하는 것이 AI 시대의 경쟁력이라고 생각했다. LG의 AI 홈 비전은 고객에게 시간을 돌려주는 것이다.

TV: 보이지 않게 설계된 AI 허브
아론 웨스트브룩(Aaron Westbrook)이 맡은 TV 파트는 숫자와 구조를 동시에 꺼냈다. 초박형 폼팩터(9mm)로 ‘보이지 않게’ 존재하는 Wallpaper TV는 디자인 제스처가 아니라, 연결 구조 자체를 바꾸려는 시도였다. True Wireless로 케이블과 클러스터를 지우고, 4K 165Hz 무선전송(초저지연), 향상된 밝기(3.9배), 반사 억제 기술, 그리고 Alpha 11 AI 프로세서 Gen3를 결합했다고 소개했다. NPU 성능은 이전 세대 대비 5.6배, CPU 50%·GPU 70% 향상을 언급하며 ‘디자인이 곧 성능’이라는 프레임을 만들었다.
하지만, 이 파트의 핵심은 하드웨어가 아니라 허브의 정의였다. Westbrook은 TV를 ‘AI 홈의 중심’으로 끌어올렸다. webOS 위에서 Google Gemini와 Microsoft Copilot을 통합하는 멀티 AI 구조, Voice ID 기반 개인화, LG Shield로 대표되는 보안 체계는 TV를 단순한 디스플레이가 아니라 생활 데이터와 에이전트가 오가는 관문으로 바꿔 놓는다. 이것은 자동차에서도 익숙한 키워드로, 개인화, 보안, OTA, 멀티 에이전트가 이미 실전 언어로 굴러가고 있다는 것을 말해준다.

가전: ‘기능 추가’가 아니라 ‘역할 변화’
가전 파트의 엔젤라 고젠푸트(Angela Gozenput)은 변화의 핵심을 ‘추가 기능’이 아니라 ‘역할의 변화’로 설명했다. LG의 가전은 더 이상 사용자의 명령을 기다리는 기계가 아니라, 복합 목표를 스스로 수행하는 에이전트 가전(Agent Appliances)으로 진화하고 있다. LLM을 탑재한 LG SIGNATURE 냉장고와 오븐은 자연어로 보관 방식과 조리 맥락을 다루고, 내장 카메라 기반 인식으로 조리 상태를 판단해 스스로 개입한다. 핵심은 ‘말을 잘하는 AI’가 아니라, 생활의 목표(신선도, 조리 결과, 루틴)를 향해 장치가 선제적으로 움직이는 구조다.

로봇: Sense - Think - Act의 물리적 증명
LG 세계관의 중심은 결국 로봇이었다. 브란트 바르너(Brandt Varner)가 소개한 홈 로봇 CLOiD는 LG가 말해온 Sense - Think - Act 구조를 물리적으로 구현한 존재로 등장했다. 날씨를 인식하고, 사용자의 상태를 파악해 운동 계획을 바꾸고, 저녁 메뉴를 제안하며, 조명과 온도를 조절하는 일련의 과정은 대화형 AI가 아니라 ‘행동하는 AI’를 보여준다.
LG는 로봇을 ‘홈 전용 에이전트’로 정의하며 Vision - Language - Action(VLA) 모델을 기반으로 시각 정보와 언어를 물리적 행동으로 연결한다. 그리고 가전에서 축적한 모터·구동 기술은 액추에이터로 확장됐다. 여기서 로봇은 실험이 아니라, 가전과 AI가 만난 자연스러운 진화다.
이는 자동차 세계에도 낯설지 않다. Sense - Think - Act는 사실 자율주행과 SDV가 차량에서 구현하려는 핵심 구조이기 때문이다. 센서로 인지하고, 소프트웨어로 판단한 뒤, 물리 시스템이 즉시 반응하는 루프. 차라면 제동·조향·서스펜션·열관리·캐빈 제어가 될 이 흐름이, 집 안에서는 조명과 온도, 식사와 동선으로 구현된다. SDV는 더 이상 ‘차량 아키텍처’만의 문제가 아니라, 물리 세계를 소프트웨어로 다루는 보편적 방식처럼 보이기 시작했다.

모빌리티: SDV는 차가 아니라 공간
마지막으로 무대에 오른 랜든 풀러(Randon Fuller)의 발표는 앞선 모든 세션을 모빌리티로 통합했다. LG는 스스로를 ‘자동차 부품 공급사’가 아니라 Experience Architect로 규정했다. ‘집에서 시작된 AI 경험을 도로 위로 가져온다’는 선언은 모빌리티를 부품의 조합이 아니라 공간 경험의 오케스트레이션으로 재정의한다.
LG가 제시한 시나리오는 제동이나 조향보다 공간 경험에 초점이 맞춰져 있었다. 시선 추적과 제스처 인식, 윈드실드를 디스플레이로 확장하는 Mobility Display Solution, 집에서 보던 컨텐츠가 차 안과 측면 윈도로 이어지는 연속성, 외부의 수화(sign language)와의 실시간 번역 같은 장면들이 이어졌다. LG가 그린 SDV는 차량 아키텍처를 넘어 개인화된 공간을 실시간으로 구성하는 능력이다.
LG의 SDV는 차량 내부에서 시작되지 않는다. 이미 집에서, 생활에서 완성되고, 차는 그 다음 확장 공간이다. SDV는 차의 기술이 아니라, 삶의 흐름을 소프트웨어로 재정의하는 과정이다.

보쉬: 물리를 다루는 SDV의 문법

LG 다음 무대에서 보쉬는 정반대의 언어로 시작했다. 탄야 뤼커트(Tanja Rueckert) CDO와 폴 토마스(Paul Thomas) 보쉬 아메리카 사장이 반복해서 강조한 것은 ‘다양한 포트폴리오’ 자체가 아니라, 물리와 디지털의 간극을 건너는 능력이었다. 대부분 기업이 어느 한쪽에 강한 반면, 보쉬는 두 세계를 동시에 다룰 수 있는 회사라는 자기 정의를 꺼냈다. 그들이 하드웨어가 강한 이유는 자체 소프트웨어 역량으로 계속 레벨 업 할 수 있기 때문이고, 소프트웨어가 강한 이유는 그 소프트웨어가 얹힐 물리 시스템을 깊이 이해하기 때문이라는 논리다. 즉, 차별점은 기능 몇 개가 아니라 제어와 시스템의 문법이다.
보쉬는 이를 숫자로도 밀어붙였다. 2030년대 초에 소프트웨어 및 서비스 매출 60억 유로 이상을 목표한다고 했고, AI에는 2027년 말까지 25억 유로 이상을 투자한다고 했다. AI 교육·훈련을 받은 인력도 10만 명 이상(전체의 약 4분의 1)이라고 강조했다. ‘AI를 한다’가 아니라, 운영 체질 자체를 바꾸는 규모를 제시한 것이다.

스테이크라는 메타포: 센서 - 제어 - AI - 결과 품질
이날 발표의 하이라이트는 의외로 ‘차’가 아니라 ‘주방’에서 터졌다. 무대 위로 올라온 셰프 마르셀 비뉴롱(Marcel Vigneron)은 그 자리에서 스테이크를 굽기 시작했다. 관객이 박수를 친 이유는 ‘아침부터 스테이크’란 유쾌함 때문만이 아니었다. 보쉬가 30분 동안 말해온 피지컬 - 디지털 통합을 가장 짧은 실험으로 눈앞에서 실행했기 때문이었다.
핵심은 800 시리즈 인덕션 쿡탑의 센서 기반 온도 제어(Autochef)였는데, 팬의 온도를 계속 읽고 사람이 하던 미세 조절을 시스템이 대신했다. 여기에 보쉬가 ‘최종 테스트 단계’라고 소개한 Bosch Cook AI(생성형 AI 기반)가 얹힌다. 재료를 촬영하고 원하는 결과(굽기 정도 등)를 말하면, 센서와 알고리즘이 결합해 결과를 맞추는 구조다. 셰프가 강조한 것도 AI가 레시피를 말해주는 게 아니라, 센서와 제어 루프가 원하는 상태(target)로 간다는 점이었다.
자동차에 대비하면 더 선명하다. Autochef는 일종의 제어기이고, 팬의 온도는 차량 상태 변수이며, ‘미디엄 레어’는 목표 성능이다. 중요한 건 ‘보여주기용 AI’가 아니라, 물리 시스템을 안정적으로 목표 상태로 데려가는 능력이다. SDV가 어려운 이유도 결국 생성형 AI가 아무리 말을 잘해도, 브레이크·조향·서스펜션·열관리 같은 물리 시스템을 안전하게 다루지 못하면 성립하지 않기 때문이다. 보쉬는 그 사실을 스테이크 한 접시로 압축해 보여줬다.

“하드웨어는 계속 진화한다” OTA의 생활 언어
요리 데모 직후, 뤼커트는 보쉬의 주장을 일상 언어로 다시 정리했다. 과거에는 더 최신 기능을 원하면 제품을 바꿔야 했지만, 이제는 연결성과 소프트웨어 역량이 있으면 하드웨어가 집에 온 뒤에도 진화한다는 것이다. 실제로 연결된 오븐에 에어프라이/에어스팀 기능을 OTA로 추가했고, 사용자에게 추가 비용이 없었다는 사례가 뒤따랐다.
자동차에서 너무 익숙한 문장이다. ‘기능은 출고 후에도 추가된다’는 약속이 SDV의 상징이 됐기 때문이다. 보쉬의 포인트는 OTA 그 자체가 아니라, OTA가 가능한 하드웨어·소프트웨어 운영 방식을 이미 여러 산업에서 굴려본 경험이었다. LG와 마찬가지로, SDV를 새로 배우는 회사가 아니라, SDV가 요구하는 운영을 다른 도메인에서 먼저 훈련한 회사라는 것이다.

6DoF로 멀미를 줄이는 ‘차량 모션 매니지먼트’
보쉬가 자동차로 다시 초점을 돌린 구간에서 인상적인 키워드 역시 ‘사람’이었다. 폴 토마스 사장은 Vehicle Motion Management를 ‘하드웨어에 종속되지 않는(agnostic) 소프트웨어’로 소개하며, 제동·조향·파워트레인·서스펜션을 조정해 주행 특성을 버튼 하나로 바꿀 수 있다고 말했다. 그리고 최근에는 6자유도(6DoF) 제어까지 확장했다고 덧붙였다.
여기서 보쉬가 꺼낸 문제는 가속 성능이나 랩타임이 아니라 멀미(motion sickness)였다. 성인 3분의 1까지 영향을 받는다는 언급과 함께, 자율주행 시대로 갈수록 우리는 운전자가 아니라 탑승자가 되고, 멀미는 수억 명의 경험을 좌우하는 장애물이 된다는 논리다. SDV를 ‘더 똑똑한 차’가 아니라, 탑승자의 웰빙을 시스템으로 설계하는 문제로 옮겨 놓는다. LG가 공간 경험을 말할 때의 어법과 보쉬가 차량 동역학을 말할 때의 어법이 여기서 묘하게 만난다.

SDV의 ‘중추신경계’: Eclipse S-CORE
뤼커트는 (보쉬/ETAS가 주도하는) Eclipse S-CORE를 꺼냈다. SDV의 미들웨어를 ‘중추신경계’에 비유하며, OEM별 흩어진 솔루션을 넘어 단일 표준을 만들면 개발 속도·비용·보안·혁신이 함께 개선된다고 했다. 보쉬는 여기서 부품 회사의 프레임을 넘어, 바닥 레이어(미들웨어)의 질서를 함께 설계하겠다는 선언을 던졌다. LG 역시 Eclipse S-CORE의 핵심 멤버이지만, 그들이 “삶의 공간을 연결한다”고 말할 때, 보쉬는 “차량의 신경계를 오픈소스로 다시 깐다”고 강조한 셈이다.

바이 와이어와 AI 콕핏: ‘보는 AI’까지
보쉬는 시스템 회사로서의 자신감을 바이 와이어에서 구체화했다. ‘트루 브레이크-바이-와이어’가 대형 OEM과 양산에 들어갈 것이라는 예고, 2032년까지 스티어/브레이크 바이와이어 누적 매출 목표(70억 유로 이상) 같은 수치가 이어졌다. SDV의 핵심이 점점 더 구동계의 디지털화로 내려가고 있음을 확인시켰다.
AI는 콕핏에 연결됐다. 보쉬는 부스 데모로 AI 기반 콕핏을 소개하면서, 하나는 텍스트 기반 LLM, 다른 하나는 비주얼 언어 모델(VLM)로 ‘보고 이해하는’ 시스템이라고 설명했다. 주차 공간 탐색, 회의 참석/회의록 생성 같은 예시가 나왔지만, 메시지는 기능 자체보다 언어 - 시각 - 행동을 하나의 루프로 묶는 구조였다.

제조로 확장된 Agentic AI: MS와의 공조
보쉬는 SDV를 차에만 가두지 않았다. 산업 영역에서는 Agentic AI 기반 생산성 도약을 위해 마이크로소프트와 MOU를 체결한다고 발표했고, 마이크로소프트 제조·이모빌리티 부문 대안 로드리게즈(Dayan Rodriguez) 부사장이 무대에 가세해 레거시 시스템 속에서 복잡성이 증가하는 공장을 AI 에이전트가 감시·판단·실행하는 층으로 바꾸는 그림을 전개했다.

자율 물류로 이어지는 마지막 연결: Kodiak AI
마지막으로 토마스 사장은 Kodiak AI와의 협력을 언급하며, 완전 자율 트럭을 위한 생산 준비형 리던던트 플랫폼을 함께 만든다고 말했다. 센서(카메라·레이다)와 조향 기술을 포함해, ‘스케일에서의 자율 물류’로 이어지는 길을 보쉬의 포트폴리오 안에 넣어두는 장면이었다. 스테이크로 보여준 피지컬 제어가 결국 도로 위의 리던던시로 확장되는 구조다.

SDV는 말하는 AI가 아니라, ‘결과를 맞추는’ AI

LG가 ‘삶에서 먼저 완성된 SDV’를 말하며 공간 경험으로 수렴했다면, 보쉬는 SDV를 물리 세계를 다루는 제어 능력으로 다시 보여줬다. 흥미로운 건, 두 언어가 결국 같은 결론을 가리킨다는 것이다. ‘삶’이든 ‘제어’든 SDV는 소프트웨어가 물리 세계를 책임지는 방식으로 귀결된다. LG는 그 방식을 집과 거실, 로봇과 차량으로 이어지는 연속된 생활 공간으로 설계했고, 보쉬는 스테이크 한 점으로 센서 - 제어 - AI - 결과 품질의 루프를 압축해 보여줬다. SDV는 말하는 AI가 아니라, 물리 시스템을 안전하게 ‘원하는 결과’로 데려가는 AI. CES 2026은 LG가 제시한 ‘삶의 문장’과 보쉬가 증명한 ‘제어의 문법’이 같은 미래를 향해 겹치는 순간이었다.

Memory Lane: 쉐보레의 보물상자와 캐서롤

한상민 기자_han@autoelectronics.co.kr — 2025-12-30 14:14:47+0900

연말은 자동차 산업에서도 늘 결산의 시간이다. 전동화의 진척, 소프트웨어 정의 자동차 로드맵, 다음 해를 향한 기술 선언들이 쏟아진다. 하지만 한 해의 끝에서, 모든 변화의 출발점이 무엇이었는지를 잠시 돌아보는 일도 필요하다. 자동차가 어디로 가고 있는가가 아니라, 우리가 왜 함께 타기 시작했는가에 대한 질문 말이다. 그래서 기술 이야기나 세대와 오너십에 대한 것은 잠시 내려놓고 쉐보레의 한 편의 광고를 다시 들여다본다.

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

‘자동차’를 정의하는 방식
크리스마스 광고는 늘 과잉의 위험을 안고 있습니다. 눈, 음악, 가족, 추억. 조금만 방심하면 그 감정은 억지스럽거나 식상하거나, 잘 되더라도 쉽게 솜사탕처럼 녹아버립니다. 그럼에도 쉐보레와 같은 몇몇 카 메이커는 매년 이 위험한 장르를 반복합니다. 2025년을 마무리할 때, 그들의 ‘Memory Lane’ 광고는 그 반복이 습관이 아니라, 브랜드의 태도임을 다시 한번 증명했습니다. 또 한 번 눈시울을 적셨습니다.
당연하게도 광고에는 SDV와 관련된 기술 요소도 전기차 전환에 대한 선언도 없습니다. 대신 한 가족이 한 대의 차 안에서 지나온 시간만이 있습니다. 쉐보레는 무엇을 탔는가를 묻지 않습니다. 그저 어떻게 함께 지나왔는가를 보여줍니다.

차란 배경과 주인공인 시간
광고는 노부부가 집을 나서는 장면으로 시작합니다. 낡은 클로짓에서 쿠키 틴(어린 시절 딸 아이의 보물상자)을 시작으로 잡다한 모든 것을 챙긴 뒤에도, 아내는 마지막으로 “캐서롤 그릇은?”(크리스마스 같은 가족 모임에 늘 챙기는 오븐용 그릇) 하고 묻습니다. 이 사소한 소품들은 반복해 등장하는데, 이야기하려는 것이 사건이 아니라 가족, 그들의 일상과 추억(memory lane)임을 암시합니다.
부부, 그리고 가족이 타고 있는 차는 쉐보레 서번(Suburban)입니다. 넓고 오래된, 그리고 늘 무언가를 더 실어야 했던 차지만, 광고는 차를 설명하지 않습니다. 설명할 필요가 없기 때문입니다. 서번은 단순히 차 이름이 아니라, 가족이 살고 있는 공간, 거리감, 교외의 풍경 자체를 상징합니다.
차가 출발하면 시간은 직선으로 흐르지 않습니다. 크리스마스 트리 농장, 아이스하키장, 작은 휴게소, 흙길, 폐가가 된 헛간. 목적지가 아닙니다. 모두 지나친 장소들입니다. 그래서 차는 어딘가로 데려가는 도구가 아니라, 추억을 호출하는 공간으로 기능합니다. 마치 광고에 등장하는 이정표처럼 현재와 과거, 그리고 더 오래된 과거를 오고 갑니다.

추억은 선택이 아니라 우회에서
광고의 핵심은 ‘계획되지 않은 순간’들입니다.
아이들이 조르는 바람에 들른 헛간, 지나친 상점과 상징적 표지판, 찢어진 시트와 뒷좌석에 던져진 스케이트. 찢어진 시트는 수리되지 않습니다. 그저 남은 흔적일 뿐입니다. 인생에서 중요한 추억들은 늘 의도와 무관하게 생긴다는 사실을 광고는 잘 알고 있습니다.
특히 잠시 들른 헛간 장면은 결정적입니다. 아이들이 뛰어 들어간 뒤 돌아올 때, 그들은 이미 청년이 돼 있습니다. 성장이라는 거대한 변화는 단 하나의 컷으로 처리됩니다. 부모에게 그 시간은 파편화돼 있고, 아이들은 그 사이 다 자랐습니다.

빈 좌석과, 사라진 개
엔딩으로 갈수록 더 절제됩니다.
차에 앉아 뒤를 돌아보는 아내의 시선, 그리고 빈 좌석. 아이들은 떠났고 자리는 남았습니다.
집 앞에서 그들을 맞이하는 것은 막내 아들과 그의 아이, 그리고 새로운 개 웨일런입니다. 옛날 아이들과 함께 차에 뛰어오르던 개 윌리는 더 이상 등장하지 않습니다. 죽음은 말해지지 않지만, 대체되지 않는 존재가 있었다는 사실만을 남깁니다. 이런 침묵은 과장된 눈물보다 훨씬 정직합니다.

‘쉽지 않았지’라는 문장의 무게
광고에서 가장 인상적인 대화가 나옵니다.
“쉽지 않았지.”
“쉬웠으면 좋겠어?”
“아니, 그냥 그대로였으면 좋겠어.”
이건 살아온 시간을 받아들이는 어른의 언어입니다. 쉐보레는 인생을 더 쉽게 만들어주겠다고 약속하지 않습니다. 대신 그 시간에 함께 했음을 말합니다.
가족이 다시 모인 크리스마스에서 광고는 ‘The great journey is the one we take together’라는 문구로 마무리됩니다. 그리고 마지막에 쉐보레 로고가 등장합니다. 이 때 로고는 이야기 아래에 남긴 서명일 뿐입니다.

기술이 말하지 않은 것
‘Memory Lane’은 자동차 광고의 외형을 하고 있지만, 실은 자동차란 존재에 대한 질문입니다. 이동수단이 아니라, 시간을 함께 담아내는 공간이라는 질문입니다. 쉐보레는 식상할 수 있는 자동차의 한 역할을 다시 꺼내 보이며 동의를 얻고자 합니다.
여행의 과정이 즐거운 것처럼, 위대한 여정은 목적지에 있지 않습니다.
그저, 함께 탄 시간 그 자체, 경험입니다. 보물상자와 캐서롤은 같은 역할을 합니다.
한쪽은 아이들의 시간을, 다른 한쪽은 가족의 식탁을 담습니다. 그게 차입니다.

곡: The Cinematic Orchestra의 To Build A Home

e-mobility는 지속성이 있어야 한다

엘모스코리아 — 2022-03-03 16:37:51+0900

오늘날 차량의 열(온도) 관리 시스템이 대상으로 삼는 ‘온도 지대(Climate Zone)’에는 엔진, 배터리, 차량 실내 등이 있는데, 외부의 기상 상태가 어떻게 변하든 이 ‘온도 지대’는 최적 온도가 유지돼야 한다.

더욱이 이모빌리티(e-mobility)가 트렌드로 급부상하면서 차량의 열관리는 엔진 손상뿐 아니라 배터리의 신뢰성을 높이는 것까지 목표로 하게 되었다. 실내 역시 쾌적하게 유지하기 위하여 공조 시스템(HVAC)을 최적화하는 것이 중요해졌고, 통풍 시트와 같은 새로운 애플리케이션이 도입되기도 했다.

공기와 냉각수의 흐름을 제어하는 것뿐 아니라 냉각수와 냉매의 순환 간 상호작용이 완벽해지도록 차량 각각의 요구사항 하나하나를 만족하는 것은 아주 중요한 필수사항이 되었다. 이를 위해 펌프, 밸브, 셔터, 팬, 플랩 그리고 블로어 등의 다양한 모터를 컨트롤 해야 하고, 따라서 모터 컨트롤 IC의 효율성, 노이즈 저감, 정밀도와 고집적도는 성공을 판가름하는 기준이 되었다.

모든 타입의 드라이버에 적합한 엘모스 모터 컨트롤 IC

밸브, 액티브 그릴 셔터, 에어 플랩용 액추에이터 드라이버

냉각 유체의 순환을 정확하게 관리하려면 정밀한 포지션 제어가 필수다. 엘모스는 센서리스 포지션 및 스톨 디텍션과 같은 특장점을 가진 IC를 개발하며 오랜 기간 경험을 쌓아왔다. 또한, 반도체 IC의 집적도를 높여 애플리케이션의 폼팩터를 소형화하고 필요한 외부 소자를 줄여 저비용, 고효율을 실현할 수 있도록 하였다.

펌프, 팬용 로터리 드라이버

엘모스의 모터 드라이버는 센서리스 FOC 제어를 위한 최신식 BLDC 알고리즘을 지원하는 데 최적화돼 있다. 따라서 효율이 높은 시스템 구현을 가능하게 한다. 쾌적한 운전을 위해서는 소음이 적어야 하는데, 그에 대한 오랜 경험치를 가진 엘모스는 모터 드라이버의 HW와 SW를 최적화하여 모터의 소음 특성을 개선하였다.

엘모스의 원칩 솔루션 모터 컨트롤 IC

액추에이터 드라이버 라인업

컨트롤러와 드라이버, FET까지 집적된 스테퍼 모터용 드라이버(E523.30)

채널당 800 mA 지원
8 KB 플래시가 포함된 8-bit MCU
LIN 인터페이스
4 ch 하프브릿지 드라이버

스테퍼 모터용 스마트 SPI 드라이버(E523.39)

채널당 1200 mA 지원
SPI 인터페이스
4 ch 하프브릿지 드라이버

컨트롤러와 드라이버, FET까지 집적된 3상 모터용 드라이버(E523.42)

채널당 600 mA 지원
32 KB의 OTP를 포함한 32-bit Arm Cortex M0
LIN 인터페이스
3 ch 하프브릿지 드라이버

권장 최신 제품(E523.62/63)

3상 모터, 스테퍼 모터, BDC(Brushed DC) 모터를 지원하는 유니버설 스마트 LIN 모터 컨트롤러
채널당 400 mA, 1000 mA, 2000 mA 지원
32 KB 또는 64 KB 플래시를 포함하는 32-bit Arm Cortex M23
LIN 인터페이스
3, 4 ch 하프브릿지 드라이버

로터리 드라이버 라인업

12V BLDC 컨트롤러(E523.06)

B6 브릿지용 3상 H 브릿지 게이트 드라이버 및 32 KB 플래시를 포함한 16-bit MCU
LIN 인터페이스

24/48V BLDC 컨트롤러(E523.52)

B6 브릿지용 3상 H 브릿지 게이트 드라이버 및 32 KB 플래시를 포함한 16-bit MCU
LIN 인터페이스

권장 최신 제품(E533.06)

B6 브릿지용 3상 H브릿지 게이트 드라이버 및 96 KB 플래시를 포함한 32-bit Arm Cortex M4
LIN 인터페이스
고성능 BLDC 컨트롤러

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