[테크월드뉴스=이재민 기자] 오늘날 자동차 산업의 혁신을 이끄는 핵심 기술을 꼽는다면 단연 인공지능(AI)일 것이다. AI를 통해 자동차 제조업체는 갈수록 증가하는 이동성, 연결성, 안전성, 편의성 등의 수요를 충족시키는 새로운 차량을 설계하고, 기존 알고리즘으로는 해결할 수 없는 복잡한 작업을 쉽게 처리할 수 있다. 따라서 자동차 업계의 선도적인 기업들은 AI를 조기에 채택해 신규 사업을 추진하고, 워크플로우를 최적화하며 완전 자율주행 기술 개발에 속도를 높이고 있다.
자동차 산업에서 활용되는 AI 기술을 생각할 때 가장 먼저 떠오르는 것은 아마도 자율주행일 것이다. 자동차 업계 선두주자들은 안전한 자율주행차량을 훈련, 테스트, 구축하기 위해 엔비디아(NVIDIA)와 같은 AI 컴퓨팅 기업과 긴밀히 협력하고 있다. 실제로 현대차그룹은 엔비디아와 손잡고 커넥티드 카 운영의 핵심 기술인 컴퓨팅 시스템을 개발 중이다. 현대차그룹은 고성능의 정보 처리 반도체인 엔비디아 드라이브를 적용한 커넥티드 카 운영체제(ccOS)를 2022년부터 출시되는 모든 차량에 확대 적용한다는 계획이다.
첨단 운전자 보조 시스템(ADAS)
현재 양산되고 있는 자동차에 장착된 자율주행 기술은 대부분 미국도로교통안전국(NHTSA) 기준 레벨 1에서 레벨3 수준이다. 업계 선도기업들은 레벨4 자율주행 기술 개발에 박차를 가하며 완전 자율주행차량 구현에 바짝 다가서고 있다. 주행의 자동화와 안전 지원을 통해 치명적인 인적 오류를 감소시키는 첨단 운전자 보조 시스템(ADAS)은 완전 자율주행차로 가는 첫걸음이라 할 수 있다.
ADAS를 탑재한 자동차는 훈련된 AI 소프트웨어와 센서를 통해 주변 차량과 안전거리를 유지하고, 운전자의 얼굴까지 스캔해 음주나 졸음 여부를 감지한다. 머신러닝에 의해 구동되는 음성인식 애플리케이션은 운전자가 도로를 주시한 채 음성명령을 통해 핸즈프리 스테레오를 설정하거나 전화를 걸 수 있도록 한다. AI 기반 ADAS 애플리케이션은 운전자 데이터를 수집해 분석하고, 보다 안전한 주행을 보장하기 위해 개인화된 피드백을 제공한다. 심지어 운전자의 감정이나 경계 수준까지도 감지할 수 있다. 졸음운전을 방지하기 위해 온도를 조정하고, 불안을 느끼거나 거칠게 주행하는 운전자를 진정시키기 위해 잔잔한 음악을 재생하기도 한다.
자율주행차 업체들의 도전과제
자동차 산업에서 AI를 얼마나 성공적으로 활용하는지는 데이터에 달려 있다. 대규모 데이터 세트를 통해 도로, 운전자, 프로세스에 대한 중요한 통찰력을 얻을 수 있게 되면서 AI는 자동차 산업에 혁명을 일으키고 있다. 주요 자동차 제조업체들은 시장에서 경쟁력을 유지하고 소비자가 원하는 새로운 제품과 서비스를 제공하는 동시에, 운영 효율성을 극대화하기 위해 데이터 기반 소프트웨어 애플리케이션에 많은 투자를 하고 있다. 이런 기업들의 AI 워크로드는 고성능컴퓨팅에서 애널리틱스, 머신러닝, 딥러닝에 이르기까지 다양하지만, 자체적인 인프라를 가진 각각의 조직에서 고립돼 있는 경향이 있다.
그러나, 오늘날의 AI와 오토노머스 워크플로우는 조직을 가로질러 여러 소스에 걸친 대량 데이터를 연결하며 클라우드로 확장되고 있다. 연구개발(R&D)용으로 구축된 자동차는 산더미 같은 데이터를 끊임없이 생성해낸다. 업계에 따르면 자율주행차 한 대가 단 8시간 만에 40TB(테라바이트)의 데이터를 생성할 것으로 추정된다. 이는 브라이언 크르자니크(Brian Krzanich) 전 인텔(Intel) CEO가 2016년 오토모빌리티(Automobility) 모터쇼에서 언급한 내용이다. 자동차 업계의 넷앱(NetApp) 고객들은 테스트 차량 한 대당 하루 최대 200TB, 매년 10PB(페타바이트)의 데이터를 생성할 것으로 보고, 이에 대응하기 위한 인프라를 구축하고 있다. 즉, 각 기업들이 자율주행 프로젝트를 진행하고 있어 머지않아 수백 PB에서 EB(엑사바이트)에 이르는 데이터가 축적될 것을 예상할 수 있다.
견고한 데이터 파이프라인의 중요성
따라서 자동차 제조업체는 자사의 데이터 관리 시스템이 데이터를 효율적으로 수집, 큐레이팅, 레이블링, 저장하도록 관리해야 한다. 이것이 바로 견고한 데이터 파이프라인이 중요한 이유다. 사업부마다 AI 알고리즘을 훈련, 검증, 운영하기 위해 각기 다른 특정 플랫폼, 프로토콜, 아키텍처를 활용하는 경우가 많다. 성공적인 AI 솔루션 구축은 각 사업부를 연결하는 새로운 워크플로우를 창출할 수 있다.
변화하는 자동차 시장 환경에 민첩하게 대응하고, 진화하는 소비자 니즈를 충족시키기 위해서는 더 이상 데이터를 격리된 상태로 유지하는 솔루션에 투자해서는 승산이 없다. 실질적으로 AI를 구현하는 단계로 나아가기 위해서는 엣지-코어-클라우드와 데이터를 원활하게 캡쳐, 이동, 관리할 수 있는 데이터 파이프라인이 갖춰져야 한다. 자율주행 프로젝트는 여러 지역에 걸쳐 테스트 차량으로부터 데이터를 수집하고, 데이터에 주석을 달고, 딥러닝 모델을 훈련하고, 시뮬레이션을 수행하며, 3D 매핑을 통합하는 등의 작업이 따른다. 데이터는 하이브리드 클라우드 환경에서 안정적으로 이동할 수 있어야 한다. 이를 위해 HPC, 머신러닝, 딥러닝, 예측분석 등에 대한 데이터를 전달하는 미래 지향적인 솔루션이 필요하다.
혁신적인 솔루션을 통한 AI 여정 가속화
넷앱은 애널리틱스부터 HPC, 오토노머스에 이르는 AI 여정을 가속화하는 혁신적인 플랫폼을 제공한다. 자동차 제조업체들은 이 같은 플랫폼을 활용해 IT 투자를 최적화하고, 비용과 운영에 있어 효율성을 개선할 수 있다. 뿐만 아니라 단순성, 통합성, 자동화, 데이터 보안성을 향상시키고, 클라우드와 온프레미스 환경 모두에 걸쳐 데이터 오케스트레이션에 대한 포괄적인 접근방식을 취할 수 있다.
엔비디아 DGX 시스템과 넷앱 올 프래시 스토리지를 기반으로 하는 넷앱 온탭(ONTAP) AI 아키텍처는 차세대 커넥티드 카와 자율주행차 개발을 위해 AI를 도입하고자 하는 자동차 제조업체들의 실질적인 요구사항을 완벽하게 충족하도록 설계됐다. 해당 솔루션은 조직들이 초기에 시스템을 소규모로 구축해 추후 운영 중단없이 유연하게 확장하는 동시에, 엣지(자동차)부터 코어와 클라우드, 온프레미스 환경 전반에 걸쳐 데이터를 지능적으로 관리하도록 지원한다. 또한 기존 AI 데이터 관리와 파이프라인 시스템의 복잡성을 줄여준다.
엣지, 코어, 클라우드를 아우르는 보다 민첩한 데이터 파이프라인의 구축은 자율주행 프로젝트를 성공으로 이끄는 기반이 될 것이다. 자동차 제조업체는 데이터 관리와 인프라를 최적화하기 위해 데이터 수집, 훈련, 시뮬레이션 등 자율주행차 개발의 모든 과정에서 병목현상을 제거하고, 결과 도출 시간을 단축시키는 솔루션을 충분히 활용해야 할 것이다. 이로써 주요 AI 애플리케이션 구축을 가속화하는 동시에, 미래 모빌리티 개발을 앞당길 수 있을 것이다.
글 : 김백수 넷앱코리아 대표
자료제공 : 넷앱코리아 (www.netapp.com/ko/)
그래도 삭제하시겠습니까?