테슬라 자율주행 시스템 ‘오토파일럿’ 시연 사진. (출처: 경향신문/테슬라 홈페이지)

이번 베네핏레터에서는 향후 4차 산업혁명의 아이콘으로 자리잡을 자율주행기술에 대해 알아보고 이것을 가능하게 하는 핵심인자는 어떤 것인지, 그리고 자율주행이 펼치는 새로운 비즈니스 모델이 무엇인지 전망해 보겠습니다.

자율주행 자동차란 운전자 또는 승객의 조작 없이 자동차 스스로 운행이 가능한 자동차를 말합니다(자동차관리법 제2조 제1호의 3). 국제자동차기술자협회(Society of Automotive Engineers: SAE)에서는 자율주행 단계를 기술 수준에 따라 여섯 단계(Lv.0~Lv.5)로 분류하고 있고, 이러한 구분은 현재 자율주행 자동차 산업 전반의 관계자들에게 폭넓게 활용되고 있습니다.

0단계는 자동화 관련 어떤 기술도 적용되지 않은 자동차들이 속하는 수준이고, 1단계는 현재 대부분의 차에 적용되고 있는 운전자 보조 기술들이 적용된 자동차 수준을 의미합니다.

2단계는 부분적 자동화의 단계로, 첨단 운전자 보조 시스템(Advanced Driver Assistant System, ADAS) 기술이 적용된 자동차 수준이고, 3단계는 제한된 조건하에서의 자율주행의 단계로 운전자는 돌발상황에 대비해 항상 준비하고 있어야 합니다.

4단계는 인간의 운전에 필요한 어떠한 장치도 필요하지 않은 최고 자동화 단계지만, 특정 지역과 특정 속도로만 주행이 가능한 한계가 있어요. 5단계는 완전 자동화 단계로, 인간이 자동차의 주행에 대해 전혀 신경을 쓸 필요가 없고, 지역과 속도의 한계도 벗어난 자동화를 의미합니다. 현재 자율주행 자동차의 기술 수준은 3단계에서 4단계로 넘어가는 과정에 있으며, 4단계와 5단계의 자동화가 이루어져야 앞서 언급한 편익을 우리에게 제공할 수 있는 기술 수준에 접어들 것으로 판단됩니다.

자동차의 운행 안정성 확보를 위한 시스템의 무결성 측면에서, 이러한 첨단운전자 보조시스템들은 해당 기능만을 개별적으로 작동하도록 개발되어 지금까지 유지되었습니다. 하지만 최근 Lv.3 이상의 자율주행 기술 구현을 위해 각 기능들의 통합 개발 필요성이 대두되었고, 한계 성능을 극복하기 위해 인공지능 기술이 적용되고 있어요. 완전자율주행 기술 달성을 위해서는 자동차에 탑재되는 인공지능이 인간의 운전능력을 완전히 대체할 수 있어야 안전한 운행이 가능해 보입니다

인공지능(AI) 시스템은 자율주행 자동차의 가장 핵심적인 기술이면서 동시에 현재 가장 어려움을 겪고 있는 부문인데요. 자율주행 자동차는 인공지능의 향상된 성능을 위해 딥러닝으로 학습합니다. 딥러닝은 여러 비선형 변환 기법의 조합을 통해 높은 수준의 연산을 가능하게 하는 알고리즘의 집합인데, 심층신경망(Deep Neural Network, DNN)과 합성곱 신경망(Convolutional Neural Network, CNN)과 같은 딥러닝 아키텍처는 이미 음성인식과 같은 분야에 성공적으로 적용되고 있습니다.

테슬라, AI알고리즘부터 인하우스로 제작

자율주행 기술 상용화에 가장 빠르게 다가서는 기업은 '테슬라'인데, 2021년 7월 완전자율주행(FSD, Full Self Driving) 베타버전 구독서비스를 미국 내 출시하며 기존 2단계 자유주행 기술인 오토파일럿(AutoPilot) 주행기술에 다양한 자동주행기능을 추가 구현하고 있습니다.

새로 선보이게 될 FSD 구독서비스는 1만 달러수준의 옵션요금을 지불하면, 자동 차선 변경, 고속도로 내비게이션 자동주행(NoA, Navigate on Autopilot), 자동주차(Autopark), 차량호출(Summon) 등이 지원됩니다. 이 편리한 서비스는 구독경제 형태로도 사용가능한데, 사용한 달을 베이스로 과금됩니다.

자율주행 플랫폼 완성을 위해 AI알고리즘부터 트레이닝을 위한 슈퍼컴퓨터, 차량의 자율주행 하드웨어까지 인하우스(In-house) 형태로 제작합니다. 하드웨어는 통합을 통한 단순화 과정을 거치면서도 성능은 향상되고, 원가는 경쟁사에 비해서도 낮아 전체적으로 경쟁력 있는 시스템을 구성하고 있습니다.

자율주행기술에 최적화된 HW3.0은 전방 카메라 8개, 레이더 1개, 초음파센서 12개로 구성되어 있으며, 다른 자율주행기술 기업이 채택한 라이다 센서는 채택하지 않았습니다. 분당 약 2.6GB의 데이터를 생성하는 자율주행 자동차를 위해 초당 144조 회 연산이 가능한 자율주행 컴퓨터를 도입했으며, 특히 연산을 담당하는 AI 프로세서를 직접 개발했습니다.

GPU 개발왕 엔비디아, 인공지능 컴퓨터로 자율주행 자동차 분야 선도

딥러닝을 위한 연산처리 속도를 극적으로 향상시킨 GPU 개발 기업인 '엔비디아' 역시 보유 기술력을 바탕으로 자율주행 자동차 분야를 선도하는 기업이 되었습니다. 인공지능 소프트웨어와 운영체제를 작동시키기 위해 시스템온칩(SOC)을 탑재한 페가수스 인공지능 컴퓨터는 1초에 320조에 달하는 딥러닝 오퍼레이션을 실행할 수 있어요. 이를 이용하면 사물 식별을 위한 심층신경망 딥러닝을 통해 인지 센서들로부터 얻은 데이터들의 정확성과 신뢰도를 높일 수 있습니다.

애플도 반한 '드라이브.ai', 차별화된 자율주행 자동차용 인공지능 시스템 개발 중

스탠퍼드 대학의 인공지능 연구실의 연구자들이 주축이 되어 2015년에 설립한 실리콘밸리의 스타트업 '드라이브.ai(Drive.ai)'는 자율주행 자동차의 인공지능 시스템을 개발하고 있는데, 애플이 2019년 이회사를 인수하여 화제가 되기도 했습니다. 'Drive.ai'의 딥러닝은 시스템 속 개별 컴포넌트들의 활용을 위한 단편적인 접근방식이 아니라 전체적인 관점의 접근법을 가지고 있다는 점에서 다른 인공지능 시스템과의 차별성을 갖습니다.

일단 인공지능 시스템이 학습되면 인지된 데이터를 바탕으로 분석이 이루어지게 되는데, 이때 인공지능의 실질적인 판단 과정은 인간이 이해할 수 없는 형태의 것이 됩니다. 인공지능 개발에서 가장 어려움을 겪는 부분이 바로 시스템의 오류 원인을 개발자들이 이해할 수 없다는 점이에요. 이 문제를 해결하기 위해 '드라이브.ai'는 전체 시스템을 부품 단위로 구분한 뒤 각 부품들이 정상적으로 작동하는지를 파악하여 전체 시스템의 신뢰도를 향상시키고 있습니다.

'드라이브.ai'는 최근까지도 자율주행과 관련된 기술 개발에 주력하고 있는 것으로 나타났습니다. 이는 애플이 자동차 외부에 적용되는 디스플레이 기술과 관련한 새 특허를 출원한 것과 관련있는데요. 특허는 밝은 환경에서도 화면에 표시된 문구나 이미지가 뚜렷하게 보일 수 있도록 하는 디스플레이 구조와 관련한 내용을 담고 있습니다. IT전문지 나인투파이브맥은 이러한 특허가 2019년 애플에서 인수한 자율주행차 스타트업 '드라이브.ai'의 차량 외부 디스플레이와 관련되어 있다고 분석했습니다. '드라이브.ai'는 자율주행 자동차가 다른 운전자나 보행자들에 차량의 상태를 알려주는 외부 디스플레이 기술을 갖추고 있기 때문입니다.

이 같은 인공지능 시스템의 성능 향상을 위한 투자와 노력에도 불구하고 5단계의 완전 자율주행 자동차의 미래는 생각보다 가깝지 않습니다. 인공지능 전문가들은 완전 자율주행 자동차를 운행하기 위한 수준의 인공지능 개발에 수년은 더 걸릴 것으로 예상해요. 딥러닝에는 방대한 양의 훈련 데이터가 필요하며 알고리즘이 적용될 모든 상황의 시나리오가 준비되어야 하는데, 이것이 충분히 이루어지지 않은 현재의 딥러닝 시스템은 센서를 통해 얻은 정보의 일반화에 어려움을 겪고 있습니다.

예를 들면, 인공지능이 한 동영상 내의 각 프레임마다 출현하는 같은 사물이나 동물을 전혀 다른 개체로 인식하는 등의 오류를 보입니다. 2016년 3월에 발생한 우버의 교통사고도 인공지능 소프트웨어가 자전거를 타고 있던 여인을 미확인 물체, 자동차, 자전거 등으로 시간에 따라 다르게 인식한 것이 원인이었던 것으로 밝혀졌습니다. 개발자들은 딥러닝을 규칙 기반에서 자율학습형 시스템으로 변화시켜 문제해결을 꾀하고 있지만, 완전한 해결의 시점은 여전히 가늠하기 어렵습니다. 인공지능 기술 개발의 지연은 자율주행 자동차 산업에 투자하고 있는 기업들과 투자자들에게 큰 손실을 입힐 수 있고, 이는 산업의 성장동력에 부정적인 영향을 미칠 수 있게 됩니다.

카쉐어링·카헤일링 서비스로 자율주행 자동차 시장 더욱 활성

캐나다 IT전문매체 디지털저널닷컴(DigitalJournal.com)에 따르면 글로벌 자율주행차 시장 규모는 연평균성장률(CAGR) 39.9%를 나타내며 오는 2030년까지 1조5337억 달러(약 1940조원)에 이를 전망입니다. 지난 2021년 글로벌 자율주행차 시장 규모는 754억3000만 달러(약 95조 원)이었습니다.

다른 신기술과 마찬가지로 자율주행 자동차의 성장 또한 혁신의 S곡선을 따를 것으로 판단됩니다. 도입 초기에는 신뢰성과 안정성에 대한 의구심으로 완만한 상승세를 보이다가 센서 및 인공지능 기술의 향상과 V2X 통신 환경이 안정화되는 시점에서 가파른 상승세를 보일 것으로 예상돼요. 전문가들은 2030년대에는 약 30%의 주행차량이 Lv.3 이상의 자율주행 자동차가 될 것으로 전망하는데,  그러기 위해선 전기차의 보급이 시장전문가가 예측하는 35%를 훨씬 넘을 것으로 예측됩니다.

기술 도입 초기에는 물건을 취급하는 물류/택배산업에 먼저 적용되고, 우버, 카카오택시 등의 형태로 스마트폰 앱으로 호출하는 카헤일링 서비스가 활성화될 것으로 보입니다. 거대기술 기업과 자동차 기업들이 로보택시의 형태로 카헤일링 서비스를 시작할 것이고, 이는 궁극적으로 주문형 대중교통으로 진화할 것으로 예상됩니다.

최근 미국 캘리포니아 공공시설위원회(CPUC)는 8월10일 구글 웨이모와 지엠 크루즈가 샌프란시스코 전역에서 유료 로보택시를 운행할 수 있도록 허용했어요. 두 회사는 유료 로보택시 승인을 신청하면서 로보택시가 주의가 산만한 인간 운전자보다 안전하며 아직 생명을 위협하는 부상이나 사망을 초래하지 않았다고 주장했습니다. 현재 센프란시스코 지역에서는 밤 특정 시간에 도로 위 자동차 10대 중 1대가 로보택시일 정도로 로보택시는 이미 일상적 풍경이 됐어요. 웨이모의 경우 운행 횟수가 한 주에 1만번을 넘었다고 합니다.

투자은행 UBS에 따르면 현재 자동차 운영비용은 마일당 1.20달러이고 우버서비스는 마일당 2.50달러이나, 미래의 로보택시는 마일당 0.70달러로 낮아질 것으로 예측됩니다.

이는 개인당 연간 5,000달러의 비용 절감 효과가 있는 것으로 보여집니다. 따라서 개인들은 차를 소유하는 것보다 적은 비용의 카헤일링 또는 카쉐어링 서비스를 이용하게 될 것으로 보이며 2050년까지 약 60%의 차량 소유 감소가 이루어질 것으로 판단됩니다. 이 같은 환경에서 자동차 기업들은 차를 개인에게 판매하는 대신에 자율주행 자동차의 군집주행을 관리/감독하거나 운송 서비스를 제공하는 서비스기업으로 탈바꿈하게 될 것이고 여기 커다란 사업기회가 존재합니다.

현재 정보통신혁명에 힘입어 컴퓨터와 스마트폰을 활용한 온라인쇼핑이 활성화된 것처럼 자율주행 자동차 생태계 안에서 유통산업 전반에 걸친 큰 변화가 일어날 것으로 예상됩니다. 자율주행 자동차의 공간과 이동성을 활용한 각종 서비스들이 대거 등장할 것입니다. 업무와 회의를 실시할 수 있는 사무용 차량, 현재 전 세계의 대중교통 기관들이 활발하게 테스트하고 있는 자율주행 셔틀, 배송의 정시성과 안정성을 보장하는 자율주행 트럭, 매장 없이 이동하면서 상품을 판매하는 무인 판매차량 등의 서비스가 출현할 것입니다.

자율주행 자동차 기술의 발전은 자동차산업의 가치사슬에 새로운 균형을 가져올 것으로 전망되며 기술개발과 수용에 적극적인 기업들은 수년 내에 시장을 주도하게 될 것입니다. 우리는 분명 자율주행 자동차가 제시하는 새로운 미래의 문턱에 서 있지만, 사람의 생명과 관련된 안전이슈에서 기술적인 완성 수준을 전망해보면, 아직 과제를 해결할 더 많은 시간이 필요해 보입니다. 그럼에도 불구하고 자율주행 시스템은 조만간 티핑포인트를 지나 본격적인 성장이 예상되는 분야입니다.

자율주행 자동차가 제시하는 미래는 사회적, 경제적, 정치적, 환경적인 변화로 야기되는 편익과 이슈들이 공존합니다. 이러한 변화에 적응하는 과정에서 나오는 혼란과 갈등은 기술 진보에 따른 편안한 삶이라는 달콤한 과실을 얻기 위해 지불해야 하는 피할 수 없는 잠재적 비용이 아닐까요?