오늘날 자동차에서 클라우드의 역할 (1부)

개요

존: 오늘 방송되는 ‘ The Garage ’에서는 AWS의 특별 게스트 스테파노 마르자니 씨와 함께 자동차 분야 클라우드 컴퓨팅을 다룬 2부작 특별 시리즈의 첫 번째 편을 소개해 드리겠습니다. 오늘 첫 번째 편에서는 클라우드 환경에서의 데이터와 컴퓨팅에 대해 이야기해 보겠습니다. 시작해 볼까요!

서론

존: 오늘 방송되는 ‘ The Garage ’에서 AWS에서 오신 특별 게스트를 모시게 되어 정말 기쁩니다. 제 좋은 친구, 스테파노 마르자니 씨입니다. 스테파노, ‘ The Garage ’에 오신 것을 환영합니다.

스테파노: 안녕하세요, 존. 정말 감사합니다. 3년 동안 함께 일해 온 끝에 받은 정말 특별한 초대네요. 우리의 열정을 되새기고, 그에 대해 이야기하며, 경험을 나누는 정말 뜻깊은 자리죠, 그렇죠? 저를 초대해 주셔서 정말 감사합니다.

스테파노 마르자니를 만나보세요

존: 오늘 오셔서 정말 반갑습니다. 저희는 서로 공통된 관심사에 대해 생각해 보고 이야기를 나누기도 했는데요. 제가 보기에 우리 사이에 정말 훌륭한 공통 관심사가 적어도 네 가지나 되는 것 같습니다. 첫 번째는 바로 커피입니다. 저희는 커피를 정말 좋아하고, Sonatus 에서는 커피를 아주 진지하게 대하고 있습니다.

스테파노: 아, 그거 제가 눈치챘네요. 맞아요. 베이 에어리어에서 마셔본 커피 중 최고 중 하나네요. 정말 맛있네요. 좋은 시작이네요.

존: 정말 감사합니다. 우리 둘 다 열정을 가지고 있는 두 번째 주제는 음식, 특히 이탈리아 음식이에요. 그리고 대화만 해봐도 알 수 있듯이, 당신은 이탈리아 출신이시죠. 원래 볼로냐 출신이시군요.

스테파노: 맞아요. 맞아요, 볼로냐 일대요.

존: 제가 이탈리아 음식에 흥미를 느끼는 이유는 단순히 전체적으로 맛이 훌륭하기 때문만이 아니라, 이탈리아의 각 지역마다 음식이 정말 제각각이기 때문이에요. 그래서 먼저, 여러분이 출신 지역의 특산품이 무엇인지 소개해 주시고, 볼로냐가 있는 지역의 이름도 알려주시면 좋겠어요.

스테파노: 네, 이미 ‘지역’이라는 개념을 더 넓게 해석하고 있어요. 아시다시피 이탈리아에서는 각 주마다 정말로 다른 음식들이 있기 때문이죠. 저는 원래 레지오 에밀리아 주 출신이에요. 거기서 동쪽으로 15킬로미터만 가거나 서쪽으로 15킬로미터만 가도, 사람들은 똑같은 음식을 다른 이름으로 부르거든요. 그러니 우리가 이 문제를 얼마나 중요하게 여기는지 이해하실 수 있을 거예요. 하지만 여기서 흔히 듣는 프로슈토나 라자냐 같은 음식 대부분은 그 지역에서 유래한 거예요. 말 그대로, 몇 년 전 포브스가 세계 최고의 미식 지역으로 그 지역을 선정하기도 했으니, 우리뿐만 아니라 다른 사람들도 그렇게 인정하고 있는 셈이죠.

존: 정말 멋지네요. 그걸 보러 일부러 한 번 가봐야겠어요. 전 이탈리아에 정말 수없이 많이 다녀왔는데…

스테파노: 언제든 환영이야!

존: 그거 정말 좋겠네요! 그리고 베이 에어리어에 그런 종류의 음식을 파는 아주 훌륭한 식당이 있다고 하셨죠.

스테파노: 네, 이탈리아 음식은 여러 가지가 있지만, 그 지역 특유의 정말 특색 있는 음식은 찾기 어렵네요. 적어도 여기 베이 에어리어에서는요. 아직도 찾고 있어요.

존: 이번 에피소드가 시작되기 전에도 우리가 공통의 지인이 있다는 얘기를 나눴었죠. 제 대학원 시절 사무실 동료였던 루카 베니니는 현재 볼로냐 대학교 교수로 재직 중입니다. 루카는 제 절친한 친구예요. 그는 원래 페라라 출신인데, 그곳도 그 주에 속해 있죠. 제가 알기로는, 루카가 당신과도 친구 사이라고 하더군요.

스테파노: 네, 아주 아주 오래전에 그분을 만났어요. 하지만 네, 확실히 제 경력이 막 시작될 무렵, 상상하시다시피 그 당시에는 전자 음악에 관한 이야기를 나누기 시작했죠. 그래서 그분을 만났어요. 아마 20년 전쯤이었던 것 같아요.

존: 정말 대단하네요. 루카, 혹시 이 방송을 보고 계신다면 정말 존경스럽습니다. 우리 둘의 세 번째 공통점은 바로 둘 다 영상과 팟캐스트를 사랑한다는 점이죠. 네. 루카 씨는 AWS에서 진행하는 본인만의 쇼의 진행자시죠. 정말 대단하네요. 그래서 저희 쇼에 게스트로 모시게 되어 정말 영광입니다. 간단히 루카 씨의 쇼와 다루시는 주제에 대해 말씀해 주시면, 영상에 쇼 링크를 첨부해 드리겠습니다.

스테파노: 정말 감사하네요. 프로그램 이름은 ‘All Things Automotive’입니다. 곧 시즌 3 촬영을 시작할 예정이에요. 아쉽게도 첫 번째 시즌은 코로나19로 인해 원격으로 진행했죠. 그 후 시즌 2를 한 번 더 제작했는데, 스튜디오에서 촬영했고 정말 멋진 경험이었습니다. 저로서는 그런 일을 해본 게 처음이었거든요. 저는 항상 동료들과 농담을 하곤 했죠. 일종의 두 번째 부업 같은 거잖아요? 저는 기술직이라 평소에는 진짜 기술적인 일을 하거든요. 그래서 이런 수준의 제작 규모와 고품질을 자랑하는 영상을 만드는 건 저에게 정말 특별한 기회였고, 엄청난 배움을 얻은 멋진 경험이었습니다.

존: 이 쇼를 아직 안 보셨다면, 정말 대단한 작품이에요. 그러니 이 쇼를 보신다면 아마추어처럼 보일 거예요. 장담하건대, 프로처럼 보이실 거예요. 함께해 주셔서 정말 기쁩니다.

AWS에서 스테파노의 역할

존: 그리고 네 번째로, 사실 오늘 에피소드의 주제로 이어지는 것은 바로 클라우드와 자동차 분야입니다.

스테파노: 네.

존: 그 일에 정말 열정적이시네요. 게다가 AWS에서 정말 독특한 역할을 맡고 계신데, AWS에서 어떤 역할을 맡고 계시고 어떤 업무를 담당하고 계신지 이야기해 주시면 좋겠습니다.

스테파노: 물론이죠! 저는 AWS에서 소프트웨어 정의 차량(Software-Defined Vehicle) 분야의 글로벌 기술 리더를 맡고 있습니다. 아시다시피, 소프트웨어 정의 차량은 자동차 산업에서 제품을 근본적으로 변화시키고 있는 새로운 거시적 트렌드인데요, 이 부분에 대해서는 나중에 다시 이야기할 수 있으면 좋겠네요. 제 역할은 주로 기술 전략을 수립하는 것입니다. 고객이 무엇을 필요로 하는지 파악하고, 내부적으로 논의하며, 그 내용을 서비스 팀 및 산업별 제품 팀과 공유하여 고객을 위한 최적의 솔루션을 함께 찾아내는 것이죠. 기술적인 관점에서는 제 동료들이 파트너십 관련 업무를 담당하고 있습니다. 하지만 제 역할은 올바른 아키텍처를 찾아내고, 기술적 관점에서 고객이 진정으로 만족할 수 있는 방안을 모색하는 데 집중되어 있습니다. 저는 SDV 기술 리더로서 올해가 첫해입니다. 그 전에는 2년 동안 ADAS/AV 기술 리더를 맡았었죠. 그 분야를 깊이 고민하며 같은 일을 해왔습니다. 기술이 어떻게 진화하는지, 그 기술과 진화를 어떻게 포착하여 고객을 위한 서비스와 제품으로 전환할 수 있을지 이해하는 것이었죠. 하지만 아시다시피, 결국에는… 그 점에 대해서는 여러분도 잘 알고 계시죠. 바로 그 관점에서 우리가 협력을 시작했으니까요.

존: 물론이죠.

스테파노: 그리고 작년에는 자율주행과 데이터 처리를 위한 SDV 아키텍처 구축에 정말 집중했었죠. 결과적으로 꽤 잘 해낸 것 같아요. 마지막에 상사분들이 “꽤 괜찮다”고 하셨으니까요. 그러니 HMI 연결 등 차량 내의 다른 모든 워크로드에도 이 방식을 적용할 수 있지 않을까요? 네, 자동차 산업이 이렇게 큰 변화를 겪고 있는 시점에 이런 환경에서 일할 수 있다는 건 정말 큰 영광이에요. 그런 의미에서 저는 정말 축복받았다고 생각해요.

존: 네, 맞아요. 그리고 그 모든 주제에 대해 이야기해 볼 거예요. 이번 대화가 꽤 길고 정말 흥미로울 것 같아요. 정말 기대되네요.

자동차 산업에서 클라우드의 중요성은 무엇인가?

존: 그거 알아? 방금 우리 친구, 우리 둘 다 아는 친구인 Arm의 로버트 데이가 여기 왔었어.

스테파노: 자, 이렇게요!

존: 그도 얼마 전까지만 해도 스튜디오에서 녹음을 하고 있었어요. 그래서 자동차 분야에서 저전력의 중요성에 대해 그에게 질문을 던졌죠. 제가 물었을 때, “많은 사람들이 자동차 분야에서 저전력의 중요성을 제대로 인식하지 못하는 것 같아요. ‘아, 차에는 큰 배터리가 들어있잖아’라고 말하곤 하죠.”라고 말했거든요. 하지만 사실 그는 저전력이 얼마나 중요한지 지적해 주었습니다. 그래서 클라우드에 대해서도 비슷한 질문을 드리고 싶습니다. 사람들은 일반적으로 클라우드가 무엇이고, 그것이 얼마나 중요한지는 이해하고 있을 것입니다. 하지만 클라우드가 자동차 분야에서 왜 그렇게 중요한지 모두가 반드시 이해하고 있는지는 잘 모르겠습니다.

스테파노: 그 질문에 대한 답은 정말 길어질 수 있겠네요. 여러 가지 이유가 있긴 하지만, 제가 먼저 언급하신 요점은 정말 공감합니다. 클라우드 측면에서 저전력이라는 것은 자원을 통합하는 것을 의미하거든요. 그리고 저희는 지속가능성을 위해 엄청난 노력을 기울이고 있습니다. 이는 결국 모빌리티, 특히 특정 모빌리티 분야 전반에 걸쳐 매우 중요한 요소입니다. 그러니 이 부분이 정말, 정말 중요하죠, 그렇죠? 따라서 에너지 효율이 높고 탄소 중립적인 데이터 센터에 이러한 자원을 통합하는 것, 우리는 탄소 중립을 달성하는 데 있어 매우 중요하고 큰 목표를 가지고 있습니다. 이것이 바로 자원을 매우 의식적으로 사용하는 방법이라고 할 수 있죠. 그렇게 표현해 볼게요. 그 시작점이 마음에 듭니다. 물론, 이 분야에서 클라우드가 중요한 기술적인 이유들도 있습니다. 현재 시중의 커넥티드 차량을 생각해 보세요. 모든 차량이 연결되어 있다는 건 여러분도 잘 알고 계시죠. Sonatus 의 의견도 듣고 싶네요. 맞죠? 이건 대화의 과정이니까요. 그래서 Sonatus 가 이 모든 것, 즉 차량과 사용자 경험을 연결하기 위해 어떤 노력을 기울이고 있는지 정말 궁금합니다. 그리고 데이터를 어디로 전송하고 있을까요? 대부분은 클라우드로 전송하고 있습니다. 저희 서비스인 Amazon S3는 이 데이터를 저장하는 데 매우 효율적이며, 데이터의 사용량이나 사용 빈도에 따라 클래스별로 데이터를 저장하고 관리할 수 있는 다양한 방법을 제공합니다. 자동화 기능도 갖추고 있어서, 데이터를 자주 사용하지 않는다면 특정 계층으로 분류해 데이터를 복구하는 데 시간이 조금 더 걸리더라도 요금을 절감할 수 있죠. 이처럼 관리형 서비스 형태로 제공되는 다양한 전략 덕분에 클라우드 서비스는 고객에게 매우 매력적입니다. 고객은 이런 부분을 따로 신경 쓸 필요가 없으니까요. 또한 고객은 IT 인프라를 최적화하고, 진정으로 중요한 일, 즉 제품 혁신에 집중할 수 있습니다. 특히 자동차 업계의 현재 단계에서는, 아시다시피 제품이 급격하게 변화하고 있습니다. 따라서 낭비할 시간이 없죠. 저희의 관리형 서비스를 통해 고객이 자동차를 구매하고 경험하는, 즉 고객의 고객에게 중요한 일에 집중할 수 있도록 돕고 있습니다. S3는 그저 하나의 예일 뿐입니다. 하지만 이는 컴퓨팅 서비스, 머신러닝 서비스는 물론, 저희가 제공하는 유사한 논리를 가진 모든 서비스에 적용될 수 있습니다. 저희가 말하는 관리형 서비스를 통해, 고객이 반복적이고 차별화되지 않은 번거로운 업무, 즉 지루한 작업을 직접 처리하지 않도록 돕고, 이를 대신 처리해 드립니다. 클라우드 전환 과정에서 가능한 한 이러한 작업을 자동화하거나, 이러한 프로세스를 통해 고객의 업무를 더 수월하게 만들어 드립니다.

존: 요약해 주셔서 감사합니다. 정말 흥미롭네요.

1부와 2부에 걸쳐 다루는 5가지 클라우드 주제

존: 오늘은 클라우드에 대해 다섯 가지 측면에서 논의해 보면 어떨까 생각합니다. 제 생각에 이 측면들은 자동차 시장과 밀접한 관련이 있는 것들인데, 첫 번째는 데이터입니다. 두 번째는 특히 컴퓨팅입니다. 세 번째는 프로토타이핑입니다. 차량 개발에는 프로토타이핑이 실제로 중요한 역할을 한다고 생각하기 때문입니다. 네 번째는 분석과 인공지능/기계 학습입니다. 그리고 마지막으로, 앞서 언급했던 다섯 번째는 자율주행과 ADAS(첨단 운전자 보조 시스템)로, 이 분야에서 클라우드가 몇 가지 구체적인 이점을 제공할 수 있을 것이라고 봅니다.

주제 1: 클라우드 내 데이터

존: 그럼 먼저 데이터부터 이야기해 봅시다. 자동차를 비롯해 온갖 종류의 차량들이, 특히 인터넷에 연결되면서 점점 더 많은 데이터를 생성하고 있죠. 그러니 자동차가 데이터를 생성하는 몇 가지 방식에 대해 이야기해 봅시다. 그리고 여러분이 보시는 것들 중에는 데이터가 클라우드에서 어떻게 활용될 수 있는지를 보여주는 가장 흥미로운 사례들이 포함되어 있습니다.

스테파노: 네, 우선 데이터의 양이 정말 엄청나다는 점이에요. 그게 바로 우리가 목격하고 있는 현상입니다. 그래서 첫 번째 트렌드는 데이터 수집을 최적화하는 것이라고 말하고 싶네요. 데이터에 대해 말하자면, 이 데이터 물류 과정을 어떻게 줄이거나 최적화할 수 있을지, 저희는 기본 IoT 서비스와 데이터 물류 서비스를 통해 데이터를 수집하기 위한 여러 서비스를 제공하고 있죠. 때로는, 특히 자율주행 고객들이 수집하는 데이터가 너무 방대해서 인터넷으로 바로 전송할 수 없는 경우가 있습니다. 그래서 저희는 ‘스노우볼(Snowball) 디바이스’나 ‘스노우볼 엣지(Snowball Edge)’라고 불리는 물리적 장치를 사용하는데, 이 장치에 데이터를 직접 다운로드한 다음, 해당 장치를 AWS로 보내 클라우드에 데이터를 업로드하거나 다운로드하는 방식입니다. 그러니까 데이터 로지스틱스는 중요한 요소죠. 이 부분은 나중에 다시 논의해 볼 수 있을 것 같습니다. 점점 더 컴퓨팅과 데이터가 결합되는 추세이기 때문이죠. 여러분도 잘 아시는 ‘빅 루프(Big Loop)’라고 부르는 바로 그 개념입니다.

차량에서 수집된 풍부한 데이터 유형

스테파노: 흥미로운 데이터네요. 제가 말씀드릴 수 있는 최근 트렌드 중 하나는 고객들 사이에서 동영상 관련 수요가 점점 더 늘어나고 있다는 점입니다. 맞죠? 이건 정말 중요한 부분이에요. 현대 자동차가 센서 측면에서 얼마나 풍부한지 생각해 보세요. 더 이상 과거처럼 CAN(Controller Area Network) 데이터, 즉 속도, 위치, 스티어링 휠 데이터나 제동 상태 같은 단순한 데이터만 수집하는 시대는 지났습니다. 점점 더 풍부한 데이터가 유입되고 있죠. 차량에는 비디오 카메라가 여러 대 장착되어 있고, 라이다(LiDAR)도 있습니다. 일반 승용차나 대량 생산되는 차량에서도 라이다가 탑재되기 시작했죠… 시장에서는 완전히 새로운 현상입니다. 레이더와 초음파 센서 등도 있죠. 따라서 저는 이러한 데이터를 수집하는 것이 현대의 트렌드라고 말하고 싶습니다. 그리고 이는 차세대 서비스를 창출할 것입니다. 예를 들어, 차량에 장착된 카메라를 통해 차량 주변에서 일어나는 상황을 스마트폰으로 확인하는 가능성을 생각해 보세요. 이런 서비스들은 차량 자체를 경험하는 방식을 정말, 정말 크게 바꿀 것이며, 우리는 차량을 점점 더 하나의 센서 집합체로 보게 될 것입니다. 따라서 풍부한 데이터는 보안, 안전, 교통 관리, 교통 물류, 모빌리티 시스템 등 다양한 목적으로 활용될 것입니다. 개인적으로 제가 특히 열정을 쏟고 있는 분야가 하나 있는데, 바로 ADAS(첨단 운전자 보조 시스템)와 관련된 모든 안전 분야입니다. 이는 쉽게 성과를 거둘 수 있는 분야이자, 매우 큰 성과를 가져다줄 분야입니다. 통계를 살펴보면, 현재도 ADAS를 활용하면 완화할 수 있는 위험한 상황이 여전히 많이 발생하고 있기 때문이죠. 제게 있어 이 데이터는 특별한 의미를 지닙니다.

존: 물론이죠. 그리고 나중에 ADAS와 자율주행에 대해서도 확실히 시간을 할애할 생각입니다. 그건 그 자체로 하나의 독립된 분야라고 생각하기 때문이죠.

스테파노: 네.

표적화된 데이터 수집의 중요성

존: 하지만 그건, 정말 흥미로운 점이에요. 다양한 종류의 데이터에 대해 말씀하셨는데, Sonatus 에서는 데이터를 매우 중요하게 여기며, 이는 우리가 중점을 두는 분야 중 하나입니다. 기존의 데이터 수집 방식은 대체로 상당히 초보적이고 경직되어 있는 경향이 있다는 것을 확인했습니다. 그리고 저희가 보기에, 차량 튜닝이나 진단과 같은 목적으로 차량 동역학 데이터 등 다양한 종류의 데이터를 동적으로 조정할 필요가 점점 더 커지고 있습니다. 차량이 점점 더 복잡해지고 리콜 같은 문제들이 발생하는 상황에서, 현장에서 문제를 진단함으로써 그러한 문제들을 사전에 방지하고자 하는 수요가 증가하고 있습니다. 저희는 세분화되고 구성 가능한 데이터 수집이 정말 중요한 요소가 될 수 있다고 생각합니다. 이것이 바로 귀사가 저희에게 그토록 중요한 파트너인 이유 중 하나입니다. 왜냐하면, 수집된 데이터가 클라우드로 전송되면 이에 대한 조치가 필요하며, 분석 및 기타 사항들에 대해서도 논의할 예정이기 때문입니다. 하지만 올바르고 고품질의 신뢰할 수 있는 데이터를 클라우드로 전송하는 것이 중요한 기반이라고 생각합니다. 또한 귀사에서는 풍부한 데이터에 대해서도 언급하셨습니다. 저희도 같은 관점을 가지고 있습니다. 예를 들어, 차량 동역학 데이터—즉, 급격한 조향 동작이 있었다는 정보—를 카메라 데이터나 레이더 데이터와 결합한다면, 각각의 데이터를 개별적으로 사용하는 것보다 알고리즘을 훨씬 더 효과적으로 튜닝할 수 있을 것이라고 믿습니다. 따라서 서로 다른 데이터 스트림을 통합하는 것은, 제가 말하곤 하는 것처럼 “1 더하기 1이 7이 되는” 효과가 있을 수 있습니다.

데이터를 활용한 차량 성능 개선

스테파노: 물론이죠. 전적으로 동의합니다. 그리고 이건 사실 우리가 정의한 SDV의 개념과도 완벽하게 부합하죠. 아시다시피, 우리는 처음에 ‘SDV란 차량이 출시된 후에 차량에 새로운 기능, 즉 소프트웨어 기능을 도입하는 것’이라고 정의했었죠. 그게 바로 우리의 정의였는데, 고객들과 이야기를 나누다 보니 그게 그보다 조금 더 포괄적인 개념이라는 걸 깨달았죠. 고객들은 “네, 하지만 저희는 단순히 클라우드에만 있는 게 아니에요. 여기 물리적인 제품이 있잖아요. 그래서 차량에서 생성된 데이터를 활용해 제품의 물리적 측면, 즉 구성 요소를 개선하고 싶어요.”라고 말하더라고요. 조향 시스템이나 제동 시스템을 생각해 보세요. 시중에 나와 있는 대부분의 차량에서 데이터를 수집한다면, 차세대 차량의 파워 스티어링을 어떻게 설계해 나갈 수 있을지 고민할 수 있겠죠. 그래서 저희는 SDV의 정의를 수정하고 이 부분을 추가했습니다. 따라서 단순히 차량이 운행 중일 때 더 많은 새로운 기능을 제공하는 것뿐만 아니라, 이러한 통찰력을 바탕으로 물리적 측면을 포함한 모든 차원에서 차세대 차량을 설계하는 것을 의미합니다.

더 의미 있는 데이터이지만, 전체적인 데이터 양은 줄어든다

스테파노: 그런 사례는 정말 많습니다. 그래서 그 중요성이 점점 더 커지고 있다는 점에 전적으로 동의합니다. 또한 그 사이의 역동적인 관계는 단순히 ‘자, 구성을 내려보내고 이 데이터를 수집하라’고 지시하는 것 이상입니다. 어쩌면 우리가 감지하고자 하는 특별한 조건이 있을 수 있습니다. 그런 조건이 발견되면, 좀 더 자세히 살펴보고 싶을 테니까요. 그래서 다른 센서에서 데이터를 좀 더 수집해 상황을 더 잘 이해할 수 있는지 확인해 봅시다. 이런 논리가 바로 우리 고객들이 가장 중요하게 생각하는 부분입니다. 그리고 다시 말하지만, 이는 단순히 설계상의 목적을 위한 것이 아니라, 잘 생각해 보면 시스템의 최적화이기도 합니다. 그런데 왜 모든 데이터를 수집해 놓고 그중 10%만 사용하겠습니까? 데이터를 수집하기 위해 더 세분화된 방식, 더 스마트한 방식으로 연결할 수 있을지도 모릅니다. 그리고 이상하거나 특이한 점이 보이지 않으면 그냥 기록하지 않으면 되죠? 특정 상황이 포착되면 20초 분량만 추출해 전송하면 됩니다. 그래서 더 많은 데이터를 확보할 수 있는 것이죠. 하지만 전반적으로는 수집하는 데이터의 양이 줄어듭니다. 더 의미 있는 데이터만을 수집하기 때문이죠. 단순히 데이터의 양만 늘리는 것이 전부가 아닙니다.

존: 맞아요. 일종의 ‘건초 더미 속 바늘 찾기’ 문제라고 할 수 있죠. 사실 생각해 보면, 보통은 모든 게 잘 돌아가고 있거든요. 그런데 특정 영역에서 정말 흥미로운 일이 벌어지곤 하죠. 그럴 땐 정말 고해상도 데이터가 절실해집니다. 하지만 항상 그런 고해상도 데이터를 수집할 수는 없어요. 그건 감당하기 힘든 일이니까요. 이 문제를 해결하는 것이 바로 우리가 집중하고 있는 분야 중 하나입니다. 예를 들어, 차량을 더 개선할 수 있다는 점도 언급하셨는데, 저희는 한 자동차 제조사(OEM)의 제품 매니저와 이야기를 나눈 적이 있습니다. 그분은 “우리의 문제 중 하나는 차량이 출고된 후, 해당 기능이 어떻게 사용되고 있는지 세밀하게 파악할 수 없다는 점”이라고 말씀하셨습니다. 그래서 특정 기능을 설계해 넣더라도 실제로 누군가 사용하는지 알 수 없고, 구현 비용도 매우 비싸기 때문에 차라리 차량 비용을 최적화하거나 자원을 다른 분야에 투자할 수도 있을 것입니다. 따라서 이는 자동차 제조사의 비용과 사용자 경험을 모두 최적화할 수 있는 또 다른 영역으로, 사용자가 진정으로 원하는 기능을 제공함으로써 가능합니다. 그런 식의 사례들이죠. 우리가 정말 흥미롭다고 생각하며, 앞서 간략히 언급했던 또 다른 영역은 이렇습니다. 단 하나의 요구사항만 있는 것이 아니라, 진단이 필요할 수도 있고, 향후 제품 분석이 필요할 수도 있으며, 어떤 종류의 ADAS가 필요할 수도 있고, 이 모든 것이 동시에 공존할 수도 있습니다. 하지만 현재 일반적으로는 그런 방식으로 처리되지 않고 있습니다. 이것이 바로 우리가 차량에 구축하려고 노력하는 기능 중 하나입니다. 죄송합니다만, 이 주제는 저희에게 매우 중요해서 조금 열정적으로 이야기하게 되었네요.

스테파노: 물론이죠, 아니요, 아니요. 그건 그렇고, 저도 같은 열정을 가지고 있습니다. 그리고 그 열정이 바로 우리가 머신러닝과 인공지능에 대해 이야기하게 될 주된 동력이 될 겁니다.

차량에 적용된 다중 지능

스테파노: 하지만 저는 요즘 자동차에 대해 이야기할 때 고객들에게 자주 말하곤 합니다. 자동차에는 하나의 지능이 아니라 여러 가지 지능이 탑재될 것이라고요. 단순히 ADAS를 신경망 형태로 도입하는 것만으로 끝나는 게 아니라는 뜻이죠. 알렉사 같은, 사용자와 상호작용할 수 있는 인공지능을 생각해 보세요. 운전자 모니터링 기능도 있을 테고, 제 생각에는 차량의 여러 부분에서 나오는 서로 다른 데이터 소스를 기반으로 다양한 목적을 위해 동시에 작동하는 수많은 인공지능이 있을 겁니다. 일부는 로컬에서 처리되겠지만, 일부는 분석과 인텔리전스를 위해 클라우드로 전송되어야 하죠. 무슨 일이 일어나고 있는지 파악하기 위해서요. 하지만 저는 여러분께 또 다른 관점을 제시하고 싶습니다. 자동차 산업의 가치 사슬 내 공급망을 고려해 보는 것이 매우 흥미롭다고 생각하기 때문입니다.

소프트웨어 정의 구성 요소

스테파노: 제 생각에는 차량 전체뿐만 아니라 차량의 구성 요소들까지도 소프트웨어 정의가 될 것이라고 봅니다. 차량의 하위 시스템을 진정으로 개선하려면, 그 지식을 해당 부품 제조업체에 전달해야 하니까요. 즉, 자동차 가치 사슬 내에서 데이터 파이프라인을 통해 이러한 정보를 공급망으로 전달해야 하는 방식으로, 다시 말해 가치 사슬을 주도하는 것이죠. 저는 이것이 흥미롭다고 생각합니다. 왜냐하면 그런 방식으로야말로 진정으로 우수한 제품을 생산할 수 있기 때문이죠. 예를 들어, 배터리 관리 시스템은 전기차 분야에서 매우 전형적인 사례입니다.

존: 맞아요. 바로 그 점이, 요즘 자주 언급되는 완벽한 예시인데요. 역사적으로나 기존의 접근 방식에서는 데이터나 분석 결과를 공유할 수 없었던 구성 요소들이 있는데, 사실 이 요소들은 알고리즘 조정이나 개선이 정말로 필요한 상황입니다. 그래서 저는 이것이 현재 충족되지 않은 요구 사항이라고 생각합니다.

스테파노: 네, 물론이죠. 전적으로 동의해요. 그 부분이 정말 흥미롭네요.

AWS 고객들의 데이터 활용 사례

존: 데이터 얘기가 나왔으니 말인데, 귀사의 서비스를 이용하고 있는 고객사 몇 곳과 그들이 서비스를 활용하는 다양한 방식에 대한 예를 들어주실 수 있나요?

스테파노: 물론이죠. 예를 들어, BMW와 관련된 아주 훌륭한 고객 사례가 있는데, 그들은 ‘커넥티드 데이터 레이크’를 구축했습니다. 그리고 ‘All Things Automotive’의 한 에피소드에서 이를 소개했으니, 온라인에서 확인하실 수 있습니다. 게다가, 개발자들을 위한 연례 컨퍼런스인 ‘re:Invent’의 이전 행사 중 하나에서는 매우 기술적이고 심도 있는 분석 사례도 다루었습니다. 이 사례가 특히 흥미로운 이유는, 본질적으로 이 연결된 데이터 레이크에 다양한 데이터 소스를 통합하기 위해 그들이 기울인 노력을 실제로 확인할 수 있기 때문입니다. 그리고 이 데이터 레이크는 조직의 모든 부서에 서비스를 제공합니다. 그것이 바로 그들의 성과죠. 정말 훌륭한 일입니다. 왜냐하면 이러한 참조 자료가 마련되어 있고, IT 부서나 R&D 부서 등 필요한 곳이라면 어디에서나 데이터를 활용할 수 있기 때문이죠. 그래서 저는 이것이 대단하다고 생각합니다. 클라우드 기술, API(응용 프로그램 인터페이스), 명확한 인터페이스, 마이크로서비스와 결합된다면 더욱 훌륭해지겠죠. 이를 통해 조직은 데이터를 활용하는 애플리케이션을 신속하게 구축할 수 있는 역량을 얻게 되는데, 이는 오늘날 매우 중요한 목표입니다.

존: 단일 정보 원천과 사람들이 기반으로 삼을 수 있는 공통 프레임워크는 정말 강력합니다. 그리고 이 데이터 레이크는 중요한 개념입니다. 저희는 그 일원이 되어 기쁘게 생각하며, 그곳으로 데이터를 전송하게 되어 기쁩니다.

스테파노: 네, 그리고 데이터 정리 측면에서 정말 훌륭하게 잘하고 계신 것 같아요. 단순히 데이터를 전송하는 메커니즘뿐만 아니라, 제가 본 도구들과 콘솔, 다양한 인터페이스를 통해 고객들이 이 데이터를 활용해 자동화를 구축할 수 있도록 제안하고 계시잖아요. 정말 중요한 측면이죠. 그러니까 단순히 특정 사항만 생각해서는 안 되고, 전체적인 구조나 대규모의 복잡한 조직 전체를 고려해야 해요. 민첩성은 결국 특정 서비스를 제공할 수 있는 역량에 구현되는 거잖아요? 하지만 데이터야말로 진실이에요. 그러니 데이터는 적절한 방식으로 통합되어야 해요.

존: 음, 데이터에 대해 꽤 긴 이야기를 나눴네요. 어쩌면 데이터에 관한 에피소드 하나를 통째로 할 수도 있겠네요.

주제 2: 클라우드 컴퓨팅

존: 자, 그럼 다음 주제인 ‘연산’으로 넘어가 보겠습니다. 클라우드 컴퓨팅은 아마도 매우 잘 알려져 있을 텐데, 사람들은 클라우드가 놀라운 연산 능력을 갖추고 있다는 점을 잘 알고 있습니다. 그러니 귀사에서 보유하고 있는 기능들, 특히 자동차 시장에 적용될 수 있는 기능들에 대해 간략히 소개해 주시면 좋겠습니다.

스테파노: 물론이죠, 기꺼이 말씀드리겠습니다. 왜냐하면 그건, 말하자면, 우리가 가진 큰 강점 중 하나이기 때문이죠. AWS에서 우리가 가진 강점 중 하나는 바로 다양한 컴퓨팅 옵션입니다. 참고로 컴퓨팅 옵션은 온디맨드 방식으로 사용할 수 있죠. 이건 정말 중요한 점이에요. 왜냐하면 자동차 산업은, 아시다시피, 컴퓨팅 사용량이 항상 일정하게 유지되는 분야가 아니거든요. 아니요, 시뮬레이션 작업을 수행해야 할 수도 있고, 그럴 때는 컴퓨팅 리소스 사용량이 급증할 수 있죠. 하지만 작업이 끝난 다음 날에는 사용량이 제로가 되죠. 이것이 바로 자체 데이터 센터를 보유하고 이미 비용을 지불한 일부 고객사들에서 우리가 목격하는 기본적인 문제입니다. 반면, 우리가 제공하는 컴퓨팅 서비스는 온디맨드 방식이죠. 필요하면 비용을 지불하고, 필요 없으면 지불하지 않는 방식입니다. 따라서 이는 자원 사용에 있어 유연성과 탄력성을 확보하는 데 있어 매우 중요한 요소라고 생각합니다.

AWS의 다양한 컴퓨팅 인스턴스 유형

스테파노: 그래서 바로 그 부분에서 다양성이 매우 중요합니다. 우리가 ‘인스턴스’라고 부르는, 즉 이러한 컴퓨팅 리소스가 여러 개 있습니다. EC2 인스턴스, 아마존 EC2 인스턴스, 엘라스틱 컴퓨트(Elastic Compute) 말이죠? 그래서 ‘EC’라는 이름의 유래가 바로 거기서 비롯된 것입니다. 그리고 이 부분은 매우 중요한데, 인텔 인스턴스, ARM 인스턴스, 자일링스 인스턴스, 즉 자일링스 FPGA 인스턴스 등이 있기 때문입니다. 이 인스턴스들의 각 클래스를 살펴보면, 더 많은 메모리를 갖거나, 더 높은 연산 능력을 갖거나, GPU를 탑재했거나, 특수한 기능을 갖췄거나, 네트워킹 측면에서 더 높은 대역폭을 제공하는 인스턴스들이 있는데, 이는 실제로 특정 컴퓨팅 요구 사항에 맞춰 설계된 것입니다. 이 점은 매우 중요합니다. 앞서 논의했듯이, 수많은 데이터가 유입되고 있는데… 어떻게 해야 할까요? 예를 들어, 이 데이터를 활용해 머신러닝 훈련을 수행하고 싶을 때, P 인스턴스 등이 필요한 상황이죠. 이는 데이터 훈련에 특화된 가속 컴퓨팅입니다. 여기에는 저희가 직접 개발한 ‘트레이니움(Trainium)’이라는 칩도 포함되어 있죠. 이 칩은 수집된 데이터를 활용해 머신러닝 네트워크를 훈련시킬 수 있는 자체 제작 칩입니다. 예를 들어, 훈련을 마친 후에는 모델을 실행해 보고 싶을 텐데요. 이를 위해 ‘인페렌시아(Inferentia)’라는 또 다른 자체 제작 칩이 있으며, 이 칩은 바로 이러한 작업에 특화되어 있습니다. 하지만 다시 말해, 저희 자체 제품 외에도 이러한 다양성을 제공하는 것이 정말 중요합니다. 예를 들어, Mac 인스턴스가 있죠? 애플 개발자라면 개발 및 파이프라인, 특히 대규모 개발 파이프라인을 구축하고자 할 때 Mac 인스턴스를 사용하여 확장할 수 있습니다. 또한, 컴퓨팅 환경을 도입할 때 이러한 세분화된 선택지가 실제로 필요하다는 사실에 대한 확실한 데이터도 보유하고 있습니다. 예를 들어, 여기 re:Invent에서 나온 사례가 하나 더 있습니다. 콘티넨탈(Continental)은 이 시뮬레이션 연습에서, 이 경우 CAEDGE 플랫폼에 클라우드를 도입함으로써 특히 이 기능을 훈련하는 데 소요되던 시간을 정말로, 상당히, 상당히 단축할 수 있었다고 설명했습니다. 따라서 컴퓨팅 측면에서 이러한 클라우드 도입을 뒷받침하는 데이터 사례가 점점 더 많아지고 있습니다.

AWS Graviton

존: 글쎄요, 특수한 사례에 대해 이야기하다 보니 그라비톤에 대해서도 언급해야겠네요. 그에 대해 조금 설명해 주실 수 있나요?

스테파노: 네, 물론이죠. 그래야만 해요. 우리가 협업을 시작한 이유가 바로 이 ARM 기술들을 개발하기 위해서였으니까요. 그러니 당연하죠. 이 프로세서는 우리 회사의 ‘아나푸르나 랩스(Annapurna Labs)’에서 개발한 것으로, 말하자면 우리의 전문 사업부라고 할 수 있는 곳입니다. 이곳은 그래비톤(Graviton), 트레이니움(Trainium), 인퍼렌티움(Inferentium) 등을 포함해 모든 실리콘 혁신을 주도하고 있죠. 이 칩은 ARM 기반이며, 클라우드 환경에서 64개의 ARM 코어와 ARMv8 아키텍처를 탑재한 CPU입니다. 출시 당시, 이 칩은 클라우드 시스템에 대규모로 도입된 최초의 ARM 칩이었습니다. 이는 여러 가지 이유로 매우 중요합니다. 처음에는 주로 전력 효율과 성능 때문이었습니다. 그리고 올바른 컴퓨팅 옵션을 채택하는 데 있어 지속 가능성 측면이 얼마나 중요한지에 대해서도 논의했었죠. 하지만 점점 더 많은 고객사가 차량에 ARM 기술을 아키텍처로 자주 채택하고 있다는 사실을 알게 되었습니다. 그래서 우리는 이 기술을 활용해 더 많은 것을 해볼 수 있지 않을까 생각하게 되었죠. 이에 대해 함께 논의해 볼 수 있을 것 같습니다.

제1부 요약

존: 스테파노, 감사합니다. 클라우드 컴퓨팅에 대한 그 요약 설명 정말 유익했습니다. 이로써 AWS의 스테파노 마르자니 씨와 함께하는 2부작 특별 시리즈의 1부가 마무리됩니다. 오늘 에피소드에서는 자동차 분야를 위한 클라우드 컴퓨팅, 특히 데이터와 컴퓨팅에 대해 전반적으로 다뤘습니다. 2부에서는 클라우드 데이터 분석과 AI 를 활용한 프로토타이핑, 그리고 마지막으로 ADAS와 자율 주행에 대해 이야기를 이어가겠습니다. 조만간 공개될 2부도 꼭 시청해 주시길 바랍니다. 시청해 주셔서 감사드리며, ‘ The Garage ’의 다음 에피소드에서 다시 뵙기를 기대하겠습니다.