카카오 AI 데이터센터 안산(위쪽)과 현대자동차그룹의 자율주행 합작법인 모셔널의 아이오닉 5 로보택시(아래쪽). [카카오, 현대자동차그룹, 제미나이]
[직썰 / 성유창 기자] 자율주행 개발의 무게중심이 실제 도로 주행에서 데이터 학습과 시뮬레이션이 이뤄지는 서버로 옮겨가고 있다. 실제 도로는 반복 검증에 한계가 있지만, 가상 주행 시뮬레이션은 다양한 상황을 짧은 시간 안에 재현할 수 있다.
다만 가상 주행 시뮬레이션만으로는 기술 완성도를 높이는 데 한계가 있다. 실제 도로 데이터와 다양한 주행 환경이 함께 축적되지 않으면 예측하지 못한 변수 대응력이 떨어질 수 있기 때문이다.
자율주행 경쟁의 무게가 데이터 축적과 서버 기반 학습·검증으로 이동하면서, 업계의 경쟁축도 GPU·AI 인프라 확보로 옮겨가고 있다.
◇도로보다 서버 비중 커진다…개발 환경 전환
자율주행 개발은 차량이 도로에서 모은 데이터를 AI 모델에 학습시키고, 서버 안 가상 환경에서 반복 검증하는 구조로 빠르게 옮겨가고 있다. 실제 도로에서는 다시 만들기 힘든 사고 상황이나 돌발 변수도 서버 환경에서는 여러 조건으로 반복 점검할 수 있다.
연산 인프라 중요성도 커지고 있다. 자율주행 차량은 센서 구성에 따라 차이는 있지만 하루 수십TB 이상의 데이터를 만들어낸다. 데이터를 저장하고 처리한 뒤 학습과 시뮬레이션에 투입하려면 GPU 기반 인프라가 사실상 필수다.
차량에서 생성한 데이터는 데이터센터로 넘어가 AI 모델 학습과 가상 주행 검증에 쓰인다. 실제 주행 테스트와 서버 기반 검증이 병행되면서 더 많은 주행 상황을 더 짧은 기간 안에 점검할 수 있는 개발 환경이 마련되고 있다.
◇인프라 확충과 데이터 축적 병행…자율주행 경쟁력 좌우
자율주행 경쟁의 핵심은 데이터와 연산 능력이다. 얼마나 많은 데이터를 확보하고, 얼마나 빠르게 학습·검증하느냐에 따라 기술 수준이 갈린다.
테슬라는 대규모 차량 운행으로 쌓은 주행 데이터를 바탕으로 자율주행 기술을 고도화해 왔다. 업계가 데이터 확보 규모를 경쟁력의 대표 지표로 보는 이유다.
국내에서도 같은 흐름이 뚜렷해지고 있다. 현대차그룹은 자율주행 실증과 데이터 기반 학습을 병행하고 있고, 카카오모빌리티는 서울 강남 일대 실증 과정에서 확보한 주행 데이터를 AI 학습에 활용하고 있다.
국토교통부도 실증 데이터와 인프라 지원 확대에 나섰다. 경기 화성시에 ‘AI 자율주행 허브’를 구축해 실증 데이터를 통합 관리하고 있다. 올해 하반기부터는 광주 자율주행 실증도시에서도 데이터 축적과 AI 인프라 지원을 확대할 계획이다.
◇GPU 확보 경쟁 심화…인프라만으로는 한계
데이터 학습과 시뮬레이션 비중이 커지면서 GPU 확보 경쟁도 치열해지고 있다. GPU는 대규모 데이터를 동시에 처리해 AI 모델 학습 속도를 좌우하는 핵심 장치다. 확보 수준에 따라 개발 기간과 검증 효율이 달라지는 만큼 자율주행 경쟁력과도 직결된다.
최근 생성형 AI 확산으로 고성능 GPU 수요가 급증하면서 공급 지연과 가격 상승도 이어지고 있다. 자율주행 분야도 연산 자원 확보 부담에서 자유롭지 않다.
국토교통부는 자율주행 기술 개발 지원을 위해 대규모 데이터 축적과 AI 인프라 확충을 추진하고 있다. 산업계와 연구계를 대상으로 GPU 약 2000장을 공급하는 공모도 진행 중이다.
다만 업계는 GPU·AI 인프라 확충만으로 경쟁력을 확보하기 어렵다고 본다. 데이터센터는 저장·연산 기반을 제공하지만, 실제 성과는 양질의 데이터를 얼마나 축적하고 얼마나 효율적으로 학습·검증하느냐가 중요한 까닭이다.
자동차업계 한 전문가는 “AI 데이터센터가 확대되면 자율주행 개발을 위한 기반은 마련되지만, 데이터가 충분히 축적되지 않으면 기술 수준을 끌어올리는 데는 한계가 있다”며 “결국 경쟁력은 데이터 확보와 이를 활용하는 기술에서 갈릴 것”이라고 말했다.
댓글
0