커넥티드카, 플랫폼 만든 이야기 - Physical AI 에 대한 짧은 생각

최근 다니던 회사를 그만뒀다.

당분간 쉴 예정이다.

 

자동차 산업이라 재미는 있었다.

임베디드와 만나는 새로운 영역이라...

 

스마트카에 필요한 서버기술을 했다.

이 기술은 로봇산업, 다크 팩토리 같은 공장에도 쓰인다.

 

회사일은 보안이라 쓸 내용이 없는데, 챙겨볼만한 시사점은 있다.

사물인터넷과 AI, 산업환경의 변화 같은 거다.

정리해보았다.

 

사물인터넷 시대

사물인터넷, 그러면 한물 지나간 거 같다.

AI 시대에 IoT라니...

하지만, 사물인터넷은 아직 진행 중이다.

1차 진화를 했고, AI를 만나면서 2차 진화를 할 것 같다.

 

'온디바이스AI'가 되려면 사물인터넷 인프라가 있어야 하기 때문이다.

로봇기술, 다크 팩토리 모두 사물인터넷 인프라가 필요하다.

 

디바이스(액츄에이터), 통신, 서버 등

쪼개어 보면 수십개의 파편들로 이루어져 있다.

 

그런데 Device 세계는 인터넷과 세계관이 다르다.

몇가지 이유가 있는데, 가장 큰 이유는 부품 때문이다.

 

직접적으로 현실계에 존재하는 물건으로 정보가 아닌 효능감을 제공해야 한다.

물리적 압박이나 상처를 줄 수도 있다는 뜻이다.

대량 생산에도 불구하고 일정한 기능과 성능도 보장해야 한다.

 

단순화, 항상성, 안정성이 중요해서 보통 1개의 부품에 1개 기능만 담는다.

만능 기계인 컴퓨터와는 물적 존재의 가치부터 다른거다.

 

예를 들어 딜레이 때문에 모터 하나가 0.5초 늦게 돌아가면, 로봇팔의 궤도가 완전히 달라진다.

기계적 부하에 대한 관리 방식이 달라야 하는 거다.

 

당연히 코딩과 설계 원칙이 사뭇 다르다.

그러니 네트워크를 통한 로봇 제어?

이런건 완전히 다른 두 세계관이 만나는거다.

 

뭐가 다를까?

 

동작 독립성

자동차는 네트워크가 없어도 주행이 가능해야 한다.

내가 내 돈 주고 산거니까.

현대 자동차, 센터가 없어도 정상적으로 부산까지 운전할 수 있어야 한다.

 

마찬가지로 로봇도 네트워크 없이 작동해야 한다.

 

그런데 생각보다 약전계* 환경은 많다. (*전파가 약한 환경)

전쟁터에서, 사막 위에서, 바닷 속에서도 로봇은 계속 움직여야 한다.

 

즉, 네트워크가 있어야 하지만, 네트워크 없이도 미션을 완수해야 한다.

 

네트워크가 붙어 있다고 무한정 트래픽을 쓸 순 없다.

대부분의 작은 요금제에 작은 데이터량만 제공하기 때문이다.

 

이 사실은 상황을 복잡하게 만든다.

똑같은 상황이라도 네트워크가 연결된 상태와 아닐 때를 감안해야 하는거다.

이런 건 파이썬 코드 짜듯이 쉽게 만들어 내기 어렵다.

 

장비의 컴퓨팅 환경

스마트폰 이전을 생각해보자.

3G폰은 내장메모리가 100MB, 300 MHz의 싱글코어 CPU를 사용했다.

HTML 보다 작은 WML을 사용했으니, 기능 구현이라고 할만한 게 별 게 없었다.

OS도 제조사마다 달랐다.

 

배경화면, 벨소리 다운로드 받는게 최선이었다.

복잡한 로직은 대부분 서버에서 처리해야 했다.

 

무슨 말이냐?

PC 처럼 코딩할 수 없다는 뜻이다.

작은 메모리에 싱글톤으로 개발한다.

쉽게 말하면 아직도 옛날식 C 개발을 한다는 뜻이다.

 

서버 중심의 시나리오

서버 개발자는 센터를 중심으로 시나리오를 짠다.

하지만, 자동차는 그럴 수 없다.

자동차는 고객이 돈 내고 구매한 것이고,

센터가 없어도 주행 성능에 하락이 없어야 한다.

구독료를 안내면 GV80을 운행할 수 없다?

이건 불가능한 시나리오다.

 

즉, '멀티유저 멀티 프로세싱'에 익숙한 인터넷 시나리오는 디바이스의 세계관에선 동작하지 않는다.

기술적 세계관으로선 말이다.

 

하지만, 우리는 이렇게 동작하길 원한다.

제품은 좋아지고 세상은 편리해져야 하니까.

덕분에 기술이 복잡해진다.

 

장비 중심의 시나리오

자동차 개발자는 자동차를 중심으로 시나리오를 짠다.

센터가 있으면 좋겠지만, 없어도 상관이 없다.

 

왜냐하면 자동차는 예측 가능해야 하기 때문이다.

운전자의 의도를 벗어나면 사고로 이어진다.

 

로봇이나 공장도 마찬가지다.

통제자의 의도를 벗어나는 순간 사고다.

아무리 뛰어난 기능이라도 사고 위험을 안고 구매하지는 않는다.

 

의외성은 위험요소로 취급된다.

센터가 "의외성"으로 작동하면 안된다.

 

통합 시나리오의 부재

테슬라를 보자.

오토파일럿과 FSD(Full Self Driving)가 다르다.

오토파일럿은 자동차의 로컬연산 만으로 움직인다.

반면, FSD는 서버와 실시간으로 통신을 하며 작동한다.

엣지클라우드도 들어가고 클라우드 AI 도 있다.

지도도 있어야 하고, 속도 정보도 있어야 한다.

 

그런데 이런 자동차를 만들려면 처음부터 통합형으로 설계해야 한다.

서버역할이 자동차 기능의 한 요소로 처음부터 들어가야 한다는 뜻이다.

 

음, 그런데 이 시나리오는 누가 설계할까?

서버와 자동차를 모두 잘 아는 사람이 해야 한다.

기능은 열어두면서 보안방지도 해야 한다.

 

트랜잭션 처리를 위한 미들웨어도 들어가야 한다.

서버 1대를 자동차 1대마다 붙일 순 없으니까.

 

그런데 이 모든 걸 잘 알고 있는 슈퍼엔지니어가 있을까?

'없다' !!!!!!!!!!!!!!!!!!!!!! (단호박으로)

 

자동차에는 기본적으로 부하분산이라는 개념이 없다.

대량의 유저가 접속하는 환경이 아니기 때문이다.

기본적으로 부하분산을 설계할 수 없다.

 

그래서 서버 엔지니어와 디바이스 엔지니어가 잘 만나야 한다.

그리고 함께 잘 일할 수 있어야 한다.

 

현재는 대부분 Device 엔지니어가 '갑'이다.

칩이나 보드는 한 번 만들면 바꿀 수 없기 때문이다.

하지만, 그렇게만 흘러가선 안된다.

 

AI 가 할 수 있는 일은?

서버 기반의 프로그래밍은 AI가 잘한다.

파이썬도 짜주고, node.js도 짜준다.

요즘엔 node.js 를 쓰는 임베디드 프로그램이 있기는 하다.

 

하지만, 디바이스의 세계는 생각보다 보안 사항들이 많다.

그래서 정보가 공개되어 있지 않다.

AI 에게 물어보면 대부분 헛소리를 한다.

 

기업 내 시스템이라면 RAG 환경을 구축하겠지만,

아니라면 그런 환경을 구축하기도 어렵다.

 

Ollama 를 쓸 수 밖에 없는데 페이스북이 요즘 시큰둥하다.

Qwen 을 쓸 수도 있는데, 중국이 만든 거라 깨림직하다.

 

강화학습을 해야 하는데, RAG의 역할을 사람이 하게 된다.

뭔가 인간세상은 훨씬 더 복잡한데,

특이점을 넘으려면 데이터가 무한히 많아야 하기 때문이다.

 

암튼 생각보다 꽤 많은 변화가 일어나야 한다.

어떤 부분이 ?

바로 "Physical AI" 분야에서 말이다.

 

Physical AI 가 단순히 로봇팔 하나만을 의미하지 않는다면... 말이다.

 

Physical AI

연구소를 벗어나 돈을 버는 기술이 되려면 여기까지 진화해야 한다.

- Device : 드론, 로봇, 자율주행차 등 (이건 요즘 핫한 분야)
- 통신 : 3G, LTE, Wifi, Bluetooth 등 (이건 사물인터넷 분야)
- 미들웨어 : 다수의 장비를 동시제어하기 위한 트랜잭션 관리시스템 (이건 하는 곳만 하는 분야)
- 통제센터 : Device의 상태를 모니터링하고, 제어를 하는 센터 (이건 ...)
- 비즈니스기능 : 모니터링, 결제관리, 요금관리 등이 비즈니스 목적에 따라 붙는다. (이건 ...)
- 디지털 트윈 : Physical AI는 반드시 디지털 트윈과 함께 간다. (이건 ...)
  학습공간이기도 하지만, 상태머신 역할도 하기 때문이다.

 

일산 킨덱스 주차장은 야외 주차장이다.

시흥 프리미엄 아울렛은 큰 야외 주차장이다.

자동차를 주차했다.

 

쇼핑을 하고 나왔는데, 아리까리 하다.

어디 세웠더라.

앱을 키고 자동차 주차위치를 확인한다.

 

이 때 신호가 자동차에 도착하면, 자동차는 Standby 모드에서 wakeup 한다.

그래야 12V 가 들어오기 때문이다.

그 다음에야 자동차가 GPS 위치를 수신한다.

10초 정도 걸린다.

그 다음에야 폰으로 위치를 전송한다.

 

...

이 시나리오면 굉장히 답답하다.

양 손에 쇼핑백을 가득 든 입장에서 10초 이상은 기다릴 수 없다.

서비스를 해지할 확률이 크다.

 

요즘 기술은 이렇게 처리한다.

자동차 시동이 꺼질 때 GPS 위치 정보를 서버캐시에 올려 놓는다.

앱이 위치요청을 할 때, 서버 캐시를 읽어 리턴해준다.

...

이런 식으로 자동차 전체의 상태를 서버와 일치시킨다.

이 기술도 디지털 트윈 기술이다.

 

대표적인 오픈 소스 기술로 Eclipse ditto 가 있다.

IoT Architecture에 많이 설계해 넣는다.

 

그런데 이런 식의 하드웨어적 문제 부닥쳐 보지 않았다면,

이런 기술이 왜 필요한지 알 수조차 없다.

 

결론

두서가 없다.

이야기가 길어졌다.

정리해 보자.

 

1. 서버와 임베디드는 아직 덜 만났다. 현대, BMW 등 큰 기업 중심으로 만나고 있다.

    공장 레벨로 내려오려면 한참 멀었다.

2. NVIDIA 가 만든 거, 현장 레거시에 대충 맞춰 쓰는 구조 아니고 갈아 엎는 구조다.

    현장 설계를 새로 해야 한다. 갈 길이 조금 멀다.

3. 이거 컨설팅하고 아웃소싱 뛰어줄 기업들이 없다.

    SI 기업들은 자기 자산이 없기 때문이다.

    공장이 없으니 로봇 공장을 만들어 볼 수 없다.

    경험이 없으니 만들 수도 없다.

4. 결국 갑이 직접해야 하는데, 그러려면 갑이 똑똑해야 한다.

    물론 전문업체는 "AI전문기술" 같은 걸 솔루션으로 제공할 수 있다.

5. '학교'에는 이론과 엔진이 있다. 하지만, 이걸 현장에 입힐 기업들이 없다.

    SDS, LG가 자사 공장을 업그레이드 하면서 경험을 쌓는다면 가능하겠다.

    음, 몇 년은 걸리겠군.

6. 결론, Phisical AI - 갈 길이 멀다.

    회장님은 압박만 하지말고, 돈을 투자하자.

    R&D 시켜서 뭔가 만들게 하고, 이런 거 할 사람을 기르자.

7. 공공부문도 공공의 역할을 좀 하자.

 

끝.

 

아래는 그런 거 만든 API 플랫폼이다.

이런 게 필요하신 분 있으면 연락해 보시길...

https://www.ecarus.run/