현대차 자율주행 실증 (아트리아AI, 데이터경쟁, 광주전략)
솔직히 이 뉴스를 처음 봤을 때 "또 MOU 행사 아닌가?" 싶었습니다. 현수막 펼치고 악수하고 끝나는 그 공식 행사들 말이죠. 그런데 내용을 뜯어볼수록 생각이 달라졌습니다. 차량 200대, 광주 전 자치구 확대, 현대차 자체 개발 AI 기술까지. 이건 단순한 선언이 아니라 본격적인 데이터 확보 전쟁의 시작점이었습니다.
아트리아 AI, 기존 자율주행과 뭐가 다른가
이번 프로젝트의 핵심 기술은 현대차·기아가 자체 개발한 '아트리아 AI'입니다. 가장 눈에 띄는 특징은 E2E(End-to-End) 방식을 채택했다는 점인데, 여기서 E2E란 인식·판단·제어라는 세 단계를 별개 모듈로 쪼개지 않고 하나의 AI 모델이 처음부터 끝까지 처리하는 구조를 말합니다. 기존 규칙 기반 자율주행이 "신호등이 빨간색이면 멈춰라"처럼 사전에 입력된 규칙을 따른다면, E2E 방식은 AI가 도로 상황 전체를 보고 스스로 판단합니다.
제가 자율주행 관련 자료들을 찾아보면서 느낀 건, 이 방식의 진짜 의미가 기술 구조보다는 데이터 의존성에 있다는 겁니다. E2E 모델은 학습 데이터가 많을수록 성능이 기하급수적으로 올라갑니다. 즉, 기술 자체보다 얼마나 다양한 실도로 상황을 학습했느냐가 경쟁력을 결정합니다. 광주에 차량 200대를 투입하는 진짜 이유가 여기 있습니다.
각 실증 차량에는 카메라 8대와 레이더 1대가 기본 탑재됩니다. 여기서 레이더(RADAR)란 전파를 쏘아 물체까지의 거리와 속도를 측정하는 센서로, 카메라가 제 역할을 못하는 야간이나 악천후 상황에서도 안정적으로 작동합니다. 카메라와 레이더를 함께 쓰는 이유는 서로의 약점을 보완하기 위해서이고, 이 두 센서가 만들어내는 데이터의 양은 차 한 대가 하루 수십 기가바이트에 달할 수 있습니다.
왜 하필 광주인가, 지역 전략이 보인다
광주를 실증 도시로 선택한 것이 단순한 지역 배려 차원의 결정이라고 보는 시각도 있는데, 저는 그렇게 보지 않습니다. 광주는 기아자동차 광주공장이 있는 전통적인 자동차 생산 도시입니다. 그 말은 곧 자동차 산업 인프라가 이미 깔려 있다는 뜻이고, 차량 공급과 유지보수, 운영 인력 확보 모두 다른 도시보다 훨씬 유리합니다.
동시에 광주는 제조업 중심 구조에서 벗어나야 할 필요성도 큰 도시입니다. 완성차 조립은 자동화와 함께 고용 흡수력이 약해지고 있고, 부품 협력사들도 전동화 전환 압박을 받고 있습니다. 이런 상황에서 자율주행 실증 도시로 지정된다는 건 지역 경제 입장에서 단순한 기술 실험 이상의 의미를 가집니다.
과거에는 지역 발전의 공식이 "공장 유치 = 일자리 창출"이었다면, 지금은 그 공식이 달라지고 있습니다. 광주가 이번 프로젝트를 통해 얻으려는 건 일시적인 투자 유치가 아니라, 도시 자체가 데이터를 생산하는 인프라로 기능하는 구조입니다. 실증이 내년에 남구·동구까지 확대되어 5개 자치구 전역으로 퍼지면, 광주 전체가 하나의 자율주행 테스트베드가 됩니다. 이 과정에서 쌓이는 도로 데이터와 운행 데이터는 광주만의 자산이 되기도 합니다.
미국·중국과 비교하면 한국의 위치가 보인다
제가 이 프로젝트를 제대로 이해하게 된 건, 미국과 중국의 자율주행 흐름을 같이 놓고 봤을 때였습니다. 표면적으로는 "한국이 뒤처졌다"는 인상을 받기 쉽지만, 구조를 보면 전략이 다릅니다.
미국은 기업 중심의 시장 주도형입니다. Waymo는 피닉스, 샌프란시스코 등에서 이미 실제 요금을 받는 로보택시 서비스를 운영하고 있고, 일부 지역에서는 운전자 없는 완전 무인 운행도 구현했습니다. 여기서 로보택시(Robotaxi)란 사람이 탑승하지 않고 AI가 단독으로 운전하며 승객을 목적지까지 데려다주는 무인 택시 서비스를 말합니다. Tesla는 방향이 다릅니다. 차량을 판매하면서 FSD(Full Self-Driving), 즉 완전자율주행 소프트웨어를 구독 형태로 제공하고, 전 세계 수백만 대의 오너들이 직접 데이터를 생산하도록 만드는 구조입니다.
중국은 규모에서 압도적입니다. 바이두의 아폴로 프로젝트는 베이징, 우한, 충칭 등에서 수천 대 규모의 로보택시를 운영하고 있고, 이미 일부 도시에서는 야간 완전 무인 운행을 허용받았습니다. 국가가 규제를 빠르게 완화하면서 산업을 밀어붙이는 방식이라 속도와 규모 면에서 민간 주도가 따라가기 어려운 구조입니다(출처: 국토교통부).
한국의 방식을 정리하면 다음과 같습니다.
- 민관 협력 협의체('대한민국 자율주행팀') 구성으로 리스크 분산
- 단계적 확장(광산·북·서구 → 5개 전 자치구)으로 안정성 확보
- 스타트업(오토노머스A2Z, 라이드플럭스)과 보험사(삼성화재)까지 생태계로 묶는 구조
이 구조는 미국이나 중국보다 속도는 느릴 수 있지만, 상용화 단계에서 발생할 수 있는 사고 대응 체계와 수익 모델까지 동시에 준비한다는 점에서 다른 접근입니다.
이 실증의 진짜 목적은 데이터다
차량 운영에는 현대차·기아의 AI 모빌리티 플랫폼 '셔클'이 활용됩니다. 셔클은 단순한 차량 호출 앱이 아니라, AI 기반 배차 시스템과 실시간 관제가 통합된 플랫폼입니다. 이 플랫폼이 중요한 이유는 차량이 어디서 얼마나 오래 기다렸는지, 어떤 구간에서 판단을 주저했는지 같은 운행 전반의 데이터를 구조화해서 쌓기 때문입니다.
제 경험상 이런 플랫폼 데이터의 가치는 단순 주행 로그보다 훨씬 높습니다. 사용 패턴과 서비스 흐름이 기록되면, 그게 곧 알고리즘 개선의 재료가 됩니다. 자율주행은 결국 "얼마나 다양한 상황을 학습했느냐"의 싸움이고, 그 데이터는 실험실이 아닌 실제 도로에서만 만들어집니다.
한국교통안전공단(TS)에 따르면 자율주행차 상용화를 위해서는 다양한 도로 환경에서의 충분한 실도로 데이터 축적이 선행되어야 하며, 현재 국내 자율주행 기술 수준은 레벨 3 조건부 자율주행 단계에 머물러 있습니다(출처: 한국교통안전공단). 여기서 레벨 3이란 특정 조건에서 차량이 스스로 운전하되, 위험 상황에서는 사람이 개입해야 하는 단계를 말합니다. 완전 무인화를 의미하는 레벨 4, 5와는 아직 거리가 있습니다.
이 현실적인 간극을 채우는 방법이 바로 지금 광주에서 시작되는 대규모 실도로 실증입니다. 200대의 차량이 광주 도심 곳곳을 누비며 쌓는 데이터가 아트리아 AI를 레벨 4에 가까이 끌어올리는 연료가 될 것입니다.
물론 회의적인 시각도 충분히 이해합니다. 자율주행 상용화는 예상보다 늘 더딘 편이었고, 수익 모델도 아직 불분명합니다. 하지만 지금 이 단계는 수익을 내는 시기가 아니라 데이터와 시장을 선점하는 시기입니다. 먼저 데이터를 확보한 쪽이 기술을 선도하고, 기술을 선도하는 쪽이 시장을 차지하는 구조는 AI 산업 전반에 걸쳐 이미 반복적으로 확인된 패턴입니다.
광주가 현대차·기아의 자율주행 기술과 함께 어떤 도시로 변해가는지, 그리고 한국의 자율주행 생태계가 세계 무대에서 어떤 위치를 차지하게 될지 개인적으로 꽤 주의 깊게 지켜볼 생각입니다. 관심 있으신 분들은 올 하반기 광산구·북구·서구부터 시작되는 실증 서비스 현황을 직접 확인해보시는 것도 좋을 것 같습니다.