물리적 세계 AI에 대한 흥미로운 글을 읽고 자율주행차에 대해 다르게 생각하게 되었습니다. 웨이모(Waymo) 같은 회사들이 정교한 온보드 시스템에 수십억 달러를 투자하는 것은 우리 모두 잘 알고 있지만, The Robot Report의 기사에 따르면 이런 접근법은 전체 산업에 확장 가능하지 않을 수도 있습니다.
Wherobots의 Mo Sarwat이 제시한 설득력 있는 주장은 다음과 같습니다: 대부분의 회사들은 웨이모처럼 모든 것을 차량 자체에 구축할 만한 자금력이 없다는 것입니다. 이는 우리가 잘못된 문제를 해결하고 있는 것은 아닌지 궁금하게 만들었습니다.
수십억 달러 규모의 문제
기사에서 가장 인상 깊었던 부분은 다음과 같습니다. 웨이모가 정교한 하드웨어와 AI 모델을 갖춘 최첨단 온보드 내비게이션 기술을 개발했지만, 이런 접근법은 막대한 자본 투자를 필요로 합니다. 현실적으로 대부분의 자동차 회사와 스타트업들은 이런 모델을 대규모로 복제할 여력이 없습니다.
생각해보세요 – 모든 자율주행차가 자체적으로 슈퍼컴퓨터 수준의 처리 능력을 필요로 한다면, 단위당 비용이 대중 채택에는 너무 비싸집니다. 이는 특히 배송 드론, 농업용 로봇, 또는 저가형 승용차 시장에 진입하려는 회사들에게 어려운 과제입니다.
기사는 다른 길을 제시합니다: “지구의 초고정밀 표현”을 제공하는 고효율 클라우드 기반 시스템입니다. 이는 차량들이 모든 것을 스스로 파악할 필요가 없다는 의미입니다 – 지속적으로 업데이트되는 AI 기반 물리적 세계 지도에 접근할 수 있게 됩니다.
실제로 이것이 의미하는 바
기사의 예시들이 이 개념을 정말 생생하게 만들어주었습니다. 긴 진입로가 누군가의 집으로 이어진다는 것을 인식하지 못해 시골 지역에서 고생하는 배송 트럭을 상상해보세요. 또는 온보드 시스템이 서로 다른 건물들을 구별하지 못해 대형 아파트 단지에서 길을 잃는 자율주행차를 떠올려보세요.
클라우드 기반 물리적 세계 AI를 통해 이런 차량들은 여행을 시작하기도 전에 이런 위치들에 대한 상세하고 지속적으로 업데이트되는 정보에 접근할 수 있습니다. 공사 구역에 대해 알고, 복잡한 부지 배치를 이해하며, 경로상의 잠재적 위험까지 예측할 수 있게 됩니다.
기사에서는 Wherobots 같은 회사들이 “공간 지능 클라우드”라고 부르는 기술을 개발하고 있다고 언급합니다 – 언덕, 도로, 전신주를 나타내는 벡터 같은 추상적 형태를 포함해 다양한 형태의 물리적 세계 데이터를 처리하도록 설계된 기술입니다. 이를 통해 AI 모델이 기계가 실제로 “보고 있는” 것을 이해할 수 있게 됩니다.
아무도 말하지 않는 데이터 문제
여기서 흥미로우면서도 복잡한 부분이 나옵니다. 기사에 따르면, 위성, 드론, 기타 장치들로부터 물리적 세계 데이터는 충분히 확보할 수 있습니다. 하지만 함정이 있습니다 – 가트너(Gartner)는 이런 물리적 세계 데이터가 AI에서 사용 가능하려면 일반적으로 많은 엔지니어링 작업이 필요하다고 지적합니다.
이런 처리 과제는 사실 엄청난 기회입니다. 원시 물리적 세계 데이터를 AI가 읽을 수 있는 형태로 효율적으로 변환할 수 있는 회사들이 전체 자율주행차 산업의 인프라 제공업체가 될 수 있습니다. 자동차가 오기 전에 고속도로를 건설하는 것과 같습니다.
미국 시장에서는 이런 유형의 인프라 기술에 대한 투자가 증가하고 있습니다. 하지만 정부가 스마트 시티 이니셔티브와 5G 인프라 구축에 더 적극적이었던 한국에서는 이것이 어떻게 다르게 전개될지 궁금합니다.
하이브리드 접근법에 대한 제 생각
이 비전에서 가장 현실적이라고 생각하는 부분은 온보드 시스템을 완전히 제거하지 않는다는 점입니다. 기사는 차량들이 실시간 의사결정을 위해 라이다 같은 고해상도 센서가 여전히 필요하다는 것을 인정합니다. 하지만 클라우드 기반 지능과 온보드 처리를 결합함으로써 차량당 훨씬 낮은 비용으로 자율주행을 달성할 수 있을지도 모릅니다.
이런 하이브리드 접근법은 특히 상업적 응용 분야에서 게임 체인저가 될 수 있습니다. 플릿 운영업체들은 AI와 클라우드 기반 기술을 사용해 서비스 지역의 상세한 지도를 만들고, 이 지능을 전체 플릿에서 공유할 수 있습니다. 한 차량의 학습이 모든 차량의 이점이 됩니다.
시장 관점에서 보면, 이는 전통적인 자동차 업체가 아닌 회사들에게 흥미로운 기회를 만들어줍니다. 클라우드 인프라 제공업체, 지도 회사, 심지어 위성 이미지 회사들까지 자율주행차 생태계의 핵심 플레이어가 될 수 있습니다.
경쟁 구도의 변화
이런 접근법이 견인력을 얻는다면, 경쟁 구도를 정말로 뒤흔들 수 있습니다. 하드웨어와 온보드 AI 역량만으로 경쟁하는 대신, 회사들은 데이터 파트너십, 클라우드 인프라, 실시간 정보 처리에 대해 생각해야 할 것입니다.
이는 실제로 소규모 회사들과 신규 진입업체들에게 경쟁의 장을 평등하게 만들어줄 수 있습니다. 독점적인 온보드 시스템을 개발하는 데 수십억 달러가 필요한 대신, 클라우드 서비스를 통해 정교한 공간 지능에 접근할 수 있게 될 것입니다.
테슬라나 전통적인 자동차 제조업체 같은 기존 업체들에게는 이것이 기회이자 위협이 됩니다. 이런 역량을 내부적으로 구축할지 아니면 전문 제공업체와 파트너십을 맺을지 결정해야 할 것입니다.
앞으로의 전망
기사에서 구체적인 일정을 제시하지는 않았지만, 이 개념은 제게 필연적으로 느껴집니다. 5G 네트워크가 더욱 안정적이 되고 엣지 컴퓨팅이 개선됨에 따라, 실시간 클라우드-차량 통신의 기술적 장벽은 계속 낮아지고 있습니다.
문제는 정말로 이것이 일어날 것인가가 아니라, 어떤 회사들이 이 비전을 성공적으로 실행할 것인가입니다. 승자는 아마도 막대한 양의 물리적 세계 데이터를 효율적으로 처리하고 차량에 실시간으로 실행 가능한 지능을 전달할 수 있는 회사들일 것입니다.
특히 흥미로운 점은 이것이 승용차를 넘어 자율주행차 채택을 어떻게 가속화할 수 있는가입니다. 농업용 로봇, 배송 드론, 산업용 차량들이 모두 공유된 공간 지능의 혜택을 받을 수 있어, 전통적인 자동차 응용 분야보다 더 빠르게 완전한 자율성에 도달할 수 있을 것입니다.
이 글은 물리적 세계 AI가 자율 기계의 미래인가?를 읽고 작성되었습니다. 제 자신의 분석과 관점을 추가했습니다.
면책조항: 이 블로그는 뉴스 매체가 아닙니다. 내용은 저자의 개인적인 견해를 나타냅니다. 투자 결정은 투자자의 단독 책임이며, 이 내용을 바탕으로 발생한 손실에 대해 저희는 어떠한 책임도 지지 않습니다.
