Sonatus 의AI 디렉터를 통해 차량 내 AI 의 잠재력을 마음껏 발휘하세요

0:00 소개: ‘ Sonatus ’ 출시AI 감독

‘ Driving Innovation ’의 새로운 에피소드에 오신 것을 환영합니다. 이 팟캐스트는 자동차 산업을 ‘ AI ’ 기반의 소프트웨어 정의 차량(SDV)으로 이끄는 제품과 솔루션을 탐구합니다.

오늘은 여러분을 위해 준비한 특별 에피소드를 전해 드립니다. 저희의 최신 제품인 ‘ Sonatus ’AI Director에 대해 이야기해 보겠습니다. ‘ AI ’와 자동차 산업을 둘러싸고 많은 논의가 이루어지고 있습니다.

현재 ~와 관련된 많은 혁신들이 AI

지금까지는 클라우드 기반 구현에 중점을 두어 왔습니다. 채팅 봇이나 음성 비서를 떠올려 보시면 되겠지만, 차량 내부에서 직접 구동되는 AI 기술은 여전히 큰 잠재력을 지니고 있어, 이를 통해 차량을 훨씬 더 지능적이고 적응력이 뛰어나며, 최종 소비자에게 더욱 즐거운 운전 경험을 선사할 수 있습니다.

그리고 이것이 바로 차량 내 에지 AI 의 본래 목적입니다. 사실, 이것이 바로 AI 디렉터가 해결하고자 하는 과제이기도 합니다. 자, 그럼

시작해 보세요.

오늘 저와 함께하신 분은 Sonatus 에서 AI 제품의 제품 매니저인 스티브 스토다드 씨입니다.

스티브는 ‘ AI Director’의 출시와 그 목표, 그리고 실제로 어떤 기능을 제공하는지에 대해 설명할 예정입니다.

스티브, 팟캐스트에 다시 오신 것을 환영합니다.

감사합니다,

1:25 ‘ AI ’ 감독은 누구인가

산제이. 여기 오게 되어 기쁩니다.

세 번 연속으로 출연해 주신 만큼, 티셔츠나 머그컵 같은 선물을 드려야 할 것 같네요. 다시 오셔서 정말 반갑습니다. 감사합니다. 그럼 바로 본론으로 들어가 볼까요? ‘ AI Director’란 무엇이며, 왜 지금 이 제품을 출시하게 되었나요?

네. ‘ AI Director’는 OEM이 자사 차량 내에서 ‘ AI ’ 모델을 개발, 배포, 실행 및 관리할 수 있는 플랫폼입니다. 그리고 ‘ AI ’가 지금 당장 차량에서 실행될 준비가 된 데에는 세 가지 주요 이유가 있습니다. 첫째, 최종 고객은 물론 OEM 자체도 차량 내에서 맞춤형 기능, 더 높은 수준의 개인화, 그리고 사실상 ‘ AI ’ 기반의 기능을 요구하고 있는데, 이는 오늘날 이러한 기술이 우리 삶의 모든 곳에 스며들어 있기 때문입니다.

두 번째 이유는 소프트웨어 정의 차량과 데이터가 급속히 확산되면서 데이터가 사실상 어디에나 존재하게 되었고, 모든 데이터를 클라우드로 전송해 그곳에서 AI 모델을 실행하려면 데이터 비용이 정말 천문학적 수준으로 치솟기 때문입니다.

이와 더불어 데이터 보안 문제도 있습니다. 차량 외부로 유출되는 모든 정보는 잠재적인 위협이자 정보 유출의 원인이 될 수 있으며, 가능할 경우 차량 내에서 AI 모델을 실행하는 것이 더 안전한 방법입니다. 세 번째 이유는, 불과 몇 년 전만 해도 오늘날과 같은 방식으로는 사실상 존재하지도 않았고 가능하지도 않았던 이러한 기술이, 오늘날 드디어 하나로 통합되어 이를 실제로 실현할 수 있게 되었기 때문입니다.

네. 그래서 차량 내부에서 ‘ AI ’ 기술을 활용한 지능화 가능성이 훨씬 더 크죠. 우리 주변의 다른 가전제품이나 기기들이 점점 더 지능화되고 개인의 필요에 맞춰지는 것과 마찬가지로, 자동차나 차량도 똑같은 일을 할 수 있을 거라고 생각해요.

그럼, AI Director가 오늘날 시장에서 다른 솔루션들이 하지 못하는 어떤 기능을 제공하는지, 저나 저희가 조금이라도 이해할 수 있도록 설명해 주시겠어요? 네, 물론이죠.

3:13 해결된 과제들

우리가 목격하는 문제 중 하나는, 사실 딥러닝( AI ) 모델을 구축, 개발 및 배포하기 위한 다양한 도구가 존재하지만, 이러한 도구들이 AI 의 발전사와 인터넷 전반의 발전사와 밀접하게 얽혀 있다는 점입니다. 따라서 많은 클라우드 기반 애플리케이션은, 모델의 추론 단계에서 실제로 연산을 수행하기 위해 사실상 무한한 컴퓨팅 자원을 확보할 수 있는 데이터 센터에 배포될 모델을 구축하는 데 초점을 맞추고 있습니다. 또 다른 문제는 이러한 모델을 구축하는 데 필요한 데이터가 현재 차량 내에 저장되어 있다는 점입니다. 물론 오늘날 더 많은 데이터가 클라우드로 전송되면서 상황은 개선되고 있지만, 이는 고객들이 모델을 실제로 배포하는 과정에서 겪는 과제 중 하나입니다.

그리고 세 번째 주요 분야는 이러한 모델들이 차량에서 구동된다는 점입니다. 따라서 하드웨어가 표준화되어 있지 않습니다. 차량마다 조금씩 다르기 때문입니다. 이러한

차량에 탑재된 ECU들은 각각 다른 기능을 갖추고 있으며, 서로 다른 데이터 소스에 접근할 수 있습니다.

따라서 이러한 모델을 차량 내에서 실행할 수 있도록 최적화할 수 있어야 할 뿐만 아니라, 다양한 ECU로부터 적절한 시점에 올바른 데이터를 해당 모델에 공급할 수 있어야 할 필요가 분명히 있습니다.

네. 그러니까 지금 설명해 주신 내용은, 본질적으로 개발, 훈련, 개발 최적화부터 차량에 실제로 탑재하는 과정, 그리고 차량 내에서 그 ‘마법’을 발휘하게 하는 것까지, 종단 간 라이프사이클을 관리하는 일종의 툴체인인 셈이군요. 자, 그럼 그 ‘마법’에 대해 이야기해 봅시다. 자동차 제조사들이 차량에 내장된 ‘ AI ’을 활용해 구현하고자 할 것으로 예상되는 사용 사례에는 어떤 것들이 있을까요?

네. 물론이죠.

4:41 사용 사례 예시

따라서 ‘ AI ’는 정말 다양한 사용 사례에 큰 도움이 될 수 있습니다. 그중 하나가 바로 일반적인 개인화 기능입니다. 즉, 특정 사용자에 맞춰 차량의 작동 방식을 맞춤 설정할 수 있는 모든 종류의 기능을 말합니다.

또 다른 예로는 가상 센서가 있습니다. 물론 오늘날에는 비용이 가장 중요한 요소입니다. 그리고 소프트웨어 정의 차량을 통해 차량 내에 센서를 배치하는 것이 가능해졌습니다.

AI 모델을 통해 사실상 이를 구현하고, 하드웨어 비용도 일부 절감할 수 있습니다.

일반적으로 큰 이점을 확인한 또 다른 분야는 차량 사이버 보안입니다. 앞서 언급했듯이, 이러한 모델을 실행하기 위해 차량에서 데이터를 클라우드로 전송하는 과정에서 발생하는 몇 가지 문제점들은, 모델들을 차량 내에서 직접 실행하고 그 방식으로 훨씬 더 효과적으로 보호할 수 있게 되면 모두 해소됩니다.

차량의 전기화가 가속화됨에 따라 BMS(배터리 관리 시스템) 모델도 또 다른 중요한 분야로 부상하고 있습니다. 이는 오늘날 OEM(원천 제조업체)들에게 일반적으로 어려운 과제이며, 특히 내연기관(ICE) 차량에서 전기차(EV)로 전환하는 과정에서 더욱 그렇습니다. 하지만 전기차는 일반적으로 소프트웨어가 차량의 작동 방식을 훨씬 더 많이 결정하는 차량이기도 하며, 배터리 시스템을 적절히 관리하고, 효율적으로 작동하도록 하며, 최적의 조건에서 충전되도록 하기 위해서는 훨씬 더 많은 데이터가 필요합니다. 따라서 이 모든 것은 ‘ AI ’ 모델이 차량을 운영하는 데 있어 절호의 기회입니다.

5:53 차량 하드웨어에 최적화하기

AI 네. 아시다시피, AI 를 구동하는 데 필요한 막대한 양의 컴퓨팅 리소스에 대해서는 이미 많이 들어보셨을 겁니다. 전자 장치 측면에서 차량의 성능과 기능이 훨씬 더 강력해지고는 있지만, 여전히 차량 내부에는 고성능 GPU나 NPU가 탑재되어 있지 않습니다. ‘ AI Director’는 이러한 한계를 어떻게 극복했거나, 혹은 앞으로 어떻게 극복하여 귀하께서 설명하신 것과 같은 ‘ AI ’ 모델을 현재 세대의 차량에 실제로 적용할 수 있게 만들 계획인가요?

네. 물론이죠. 아주 좋은 질문이네요. 그래서 기존의 AI 와 자동차 분야는 당연히 ADAS나 자율주행에 초점을 맞춰 왔습니다.

그리고 이 분야는 이미 포화 상태이며, 잘 정립되어 있습니다. 하지만 앞서 언급했듯이, 그 외의 다른 분야들은 아직 이만큼의 발전 단계에 이르지 못했습니다. ‘ AI Director’와 당사의 많은 모델 파트너사들을 통해 확인되는 점 중 하나는, 사람들이 다양한 유형의 모델을 개발하고 있으며 이를 차량에 적용하고자 한다는 것입니다.

그러니까 이건

범위는 매우 단순한 물리 기반 모델이나 선형 회귀와 같은 것부터 시작해, 신경망이나 심지어 대규모 언어 모델(LLM) 기반 모델에 이르기까지 다양합니다. 따라서 모델의 유형과 차량에 탑재된 하드웨어의 종류에 따라 해당 하드웨어에 최적화된 모델을 구축하고, 적절한 시점에 적절한 위치에 배포함으로써 모델에 올바른 데이터가 입력되도록 하여, 모델이 제공해야 할 이점을 실현할 수 있습니다.

7:24 출시 파트너사

방금 몇 가지 활용 사례를 언급하셨고, 몇몇 공급업체 이름도 언급하신 것 같습니다. 저희가 이미 여러 업체와 파트너십을 맺고 있다는 점은 알고 있으며, 앞으로 더 많은 업체와 협력하게 될 것이라고 확신합니다. 그런데 이번 출시와 관련해 저희가 파트너십을 맺은 업체들에 대해 조금 더 자세히 설명해 주실 수 있을까요?

네. 그러니까 이 과정에 필요한 모든 단계와 모든 사람을 하나로 모으는 데 있어 매우 중요한 생태계라고 할 수 있죠.

사실 저희는 클라우드 분야에서 AWS와 협력해 왔으며, 특히 구현을 위해,

당사의 모델 개발 워크플로우와 통합됩니다. 물론, 현재 시중에는 깨끗한 데이터를 학습시키고, 모델을 훈련시킨 뒤, 최종적으로 당사 시스템에 도입하여 차량에 배포할 수 있도록 준비하는 데 활용할 수 있는 훌륭한 도구들이 많이 있습니다. 그중에서도 AWS SageMaker Studio는 당사가 폭넓게 활용해 온 매우 뛰어난 도구입니다.

실리콘 및 하드웨어 분야에서는 NXP와 매우 긴밀한 협력 관계를 맺고 있으며, 특히 NXP 하드웨어에 배포하기 위해 해당 모델을 최적화하는 과정을 더욱 수월하게 만들기 위해 NXP와 긴밀히 협력하고 있습니다.

8:25 모형 판매업체

모델 측면에서는 그동안 협력해 온 여러 공급업체가 있습니다. 사용 사례 중 하나는 헤드라이트 레벨링입니다. EU에서는 2027년부터 헤드라이트 레벨링에 대한 새로운 규정이 시행될 예정입니다. Compredict라는 회사가 이를 지원하기 위한 별도의 하드웨어 없이도 해당 기능을 구현할 수 있는 가상 센서를 개발했습니다. 이것이 바로 우리가 함께 작업해 온 정말 멋진 응용 사례입니다.

또 다른 기업은 BMS(배터리 관리 시스템) 분야에 속한 QNovo라는 회사입니다.

이 회사는 차량 배터리 상태 관리 및 차량 셀의 상태 감지, 성능 분석, 고장 예측 등의 업무를 담당하고 있습니다. 이는 그들이 개발해 온 새로운 모델로, 저희도 이 모델을 함께 출시했습니다. 또한, 사이버 보안 분야의 또 다른 벤더인 VicOne과도 파트너십을 맺었습니다. 이 회사는 매우 혁신적인 새로운 LLM 기반 모델을 보유하고 있으며, 저희는 이 모델을 자사 하드웨어에 배포하기 위해 협력해 왔습니다. 그리고 이번에 시연하는 또 다른 모델은 엔진 이상 감지 모델로, 이는 Sonatus 에서 내부적으로 개발한 것입니다. 이 모델 역시 AWS와 NXP의 다양한 최적화 도구를 폭넓게 활용했습니다.

NXP. 알겠습니다. 파트너 구성도 훌륭하고, 다양한 모델 공급업체 등이 잘 조화를 이루고 있군요. 이는 ‘ AI ’ 디렉터가 관리하고 처리할 수 있는 모델 유형의 다양성을 잘 보여줍니다. AI 모델을 엣지(edge)와 사용자 가까이 가져오는 것은 중요한 노력이라고 생각합니다. 그리고 향후 에피소드에서 AI Director와 그 파생 솔루션들에 대한 추가적인 논의가 이루어지기를 기대하겠습니다. 다시 한 번, 세 번이나 연속으로 게스트로 출연해 주시고 귀중한 시간을 아낌없이 내주셔서 감사합니다.

그리고 감사합니다. 네. 그리고 출시를 진심으로 축하드립니다. 정말 감사합니다, 산제이. 감사해요.

10:10 마무리: 자세한 내용은 어디에서 확인할 수 있나요?

이번 ‘ Driving Innovation ’ 에피소드는 여기까지입니다. ‘ AI Director’에 대해 더 자세히 알아보고, 오늘 여기서 다룬 내용에 대한 추가 정보를 확인하시려면 sonatus.com의 제품 페이지를 방문하시고, 다운로드 가능한 상세한 솔루션 브리프도 살펴보시기 바랍니다. ‘ Driving Innovation ’ 이번 에피소드에 함께해 주셔서 다시 한번 감사드리며, 앞으로 또 뵙기를 기대하겠습니다.