AI 정의 자동차 포럼 2025 제3회) DeepSeek가 쏘아올린 신호, AI가 자동차를 정의하다

Core Analysis

핵심 내용

DeepSeek, 자동차 산업에 에피네프린을 주사하다

2024년 글로벌 전기차 1,603만 대 중 85%(1,287만 대)가 중국産이다. BYD는 427만 대로 글로벌 5위, 지리는 333만 대로 10위에 진입했다. 수출은 2025년 1~2월 기준 전년比 +12.7%로 성장세다. 여기에 DeepSeek가 등장했다. 가스구 CEO 주효앵은 이를 "자동차 산업에 에피네프린을 주사한 것"이라 표현했다. DeepSeek 출시 한 달 만에 지리 등 20여 개 기업이 이를 백엔드 대모델로 도입했고, 7만 위안대 차량에도 레이더와 대모델이 탑재되는 '자율주행 평등화' 시대가 열렸다. 가스구 연구원 부사장 왕현빈은 이 변화를 더 정확히 표현했다. "자율주행은 이미 세 번째 단계로 진입했다. 규칙 기반(~2022) → 엔드투엔드 단식(2023~) → 에이전트화(현재)." 포럼 전체가 이 세 번째 단계를 어떻게 포착하고 대비할 것인가를 논의한 자리였다.

SDV에서 AIDV로: 계승인가, 혁신인가

Neusoft Reach CTO 두강은 SDV(소프트웨어 정의 자동차)에서 AIDV(AI 정의 자동차)로의 전환을 세 단계로 정의했다. AIENOS(AI 신속 통합) → AI for OS(공통 AI 관리 OS 내장) → AI OS(AI가 인터페이스 주체). 이 경로의 핵심 자산은 SDV 시대에 축적한 2,000개 SOA 서비스 인터페이스다. NeuSAR가 10년간 구축한 이 인터페이스가 MCP를 통해 AI 에이전트에게 직접 호출 가능한 형태로 변환된다. 장성자동차의 ASL(Agent Space Language) 역시 같은 방향을 가리킨다. VLM+VLA+LM을 통합한 에이전트가 차량 전체를 조율하되, 오프로드 진입 시 30초 주기 '슬로우 비전'으로 공간을 이해하고 자동으로 모드를 전환한다. SDV 자산 위에서 AI가 구동되는 것인지, AI가 SDV 구조 전체를 재설계하는 것인지는 여전히 논쟁 중이지만, "SDV를 계승하면서 SDV를 무너뜨린다"는 역설이 이 전환의 본질이다.

자율주행: 1,000억 km의 벽과 비용의 양극화

Momenta의 요경은 포럼에서 가장 냉정한 숫자를 제시했다. "진정한 규모화 L4 실현에는 1,000억 km 데이터가 필요하다. 1억 km당 인간 사고가 1회 발생하고, 10배 개선이 목표라면 10억 km가 요구된다. 그 10배가 1,000억 km다." 이 데이터를 확보하는 유일한 경로는 양산차다. Momenta는 2022년 1종에서 2024년 25종 이상의 양산차와 협력한다. 문제는 비용이다. 단식 엔드투엔드 대모델 한 번 훈련에 수만~수백만 달러가 든다. Momenta는 '단기기억(DLP)'과 '장기기억(전체 재훈련)' 분리 방식으로 수백만 달러 절감을 이뤘지만, 이는 이미 규모를 갖춘 자의 전략이다. 나머지 OEM에게 이 비용 장벽은 자율주행 생태계 양극화를 가속하는 구조적 요인이다.

스마트 캐빈: 기능 증가가 아니라 경험 재설계

2024년 스마트 코크핏 탑재율은 70%를 돌파했다. 그러나 아이보련 CEO 주은택은 이 수치 뒤의 역설을 짚었다. "기능이 증가할수록 복잡성이 증가하고 사용자는 여전히 음성과 터치만 쓴다. 6개월 이상의 개발 주기에 비해 사용자 요구는 실시간으로 변한다." NIO의 NomiGPT는 다른 경로를 택했다. '감정 동반자' 노미는 단기기억·장기기억·계획·액션을 통합한 다중 에이전트 프레임워크 위에서 "저기 금색 큰 공이 뭐야?"라는 아이 질문에 실시간 답변하고, 여름 온도 기준으로 지하 주차장을 자동 탐색한다. 화산엔진의 도우바오 모델은 음성 클로닝으로 한 문장만으로 다국어 이전을 가능하게 했고, 과학기술대(과기대) 이온푸는 알리페이와 연동해 차량 내 카메라 얼굴인식 결제를 업계 최초로 구현했다. 스마트 캐빈의 경쟁은 기능 수가 아니라 경험의 밀도와 생태계 연결에서 갈린다.

Insight Matrix

인사이트 맵

	공통된 시각	새로운 시각
간과하는 내용	Q2. Hidden Evidence 2-1. 기능 과부하가 스마트 코크핏 경험을 오히려 악화시킨다 2-2. 데이터 저장·이동이 AI 개발 전체 문제의 40% 이상을 차지한다 2-3. 합작기업의 NEV 전환율 10% 미만 — 이미 전략적 전환 불가 임계점 2-4. 코너케이스는 규칙으로 해결 불가 — 알면서도 규칙 기반을 유지하는 업계	Q1. Blind Spot 1-1. 차량 유휴 컴퓨팅 자원이 새로운 수익 창출 자산이다 1-2. SDV가 축적한 SOA 인터페이스 자산이 AIDV의 최대 진입장벽이 된다 1-3. 단식 엔드투엔드 훈련 비용이 자율주행 생태계를 양극화한다 1-4. AI 자동차의 사이버보안과 개인정보 — 포럼이 외면한 시한폭탄
주목하는 내용	Q3. Common Ground 3-1. 자동차 OS가 인간 뇌 진화 경로를 따른다 3-2. 슬로우 비전 — 30초 주기 공간 이해로 비실시간 상황 대응 3-3. 산업 역삼각형 재구성 — 앱 가치가 칩보다 커져야 AI 시대가 열린다 3-4. 차량 내 무감각 결제 — 차량이 결제 단말기가 되는 새로운 생태계 진입점	Q4. Reframing 4-1. 수동적 차량은 '시키는 것만 하는 중년 남성'이다 4-2. 자동차를 '이동하는 데이터센터'가 아니라 '분산 컴퓨팅 엣지 노드'로 재정의 4-3. AI 코크핏 개발 주기의 '천인일면(千人一面)' — 구조적 실패의 재해석 4-4. DeepSeek는 기술 혁신이 아니라 '태도의 혁신'이다

Implications

Take Away

자동차 AI의 진짜 전환점은 DeepSeek의 비용 혁신이 아니라, 이를 계기로 AIOS·자율주행·스마트 캐빈 전체가 동시에 에이전트 패러다임으로 전환되고 있다는 사실이다. SDV 자산(SOA 인터페이스)을 얼마나 빠르게 AIDV로 전환하느냐가 공급업체의 생존을 가른다. OEM에게는 화웨이·알리클라우드의 스택 통합과 자체 아키텍처 구축 사이에서 협상력을 유지하는 것이 가장 시급한 전략 과제다.

Appendix — Q3. Common Ground

즉각적인 논의가 필요한 토픽

3-1

자동차 OS가 인간 뇌 진화 경로를 따른다

Neusoft Reach의 두강은 자동차 OS 설계를 생물학적 진화 비유로 재구성했다. 최하층은 파충류 뇌간과 같은 AUTOSAR·안전 기반, 중간층은 포유류 뇌와 같은 SOA 서비스 계층, 최상위 계층은 대뇌 피층에 해당하는 AI 에이전트 계층이다. 이 프레임은 AI OS 설계에서 각 계층이 담당해야 할 역할과 인터페이스를 직관적으로 설명하는 새로운 언어를 제공한다. 복잡한 소프트웨어 아키텍처를 팀 전체가 공유할 수 있는 멘탈 모델로서 유용성이 높다.

3-2

슬로우 비전 — 30초 주기 공간 이해로 비실시간 상황 대응

장성자동차 사사동이 제시한 ASL의 '슬로우 비전'은 오프로드·야외 주행처럼 실시간 상태 이해가 불필요한 상황에서 30초 간격으로 현재 환경을 이해해 자동 모드 전환을 가능하게 하는 개념이다. 이는 컴퓨팅 자원을 상황 맥락에 따라 가변적으로 배분하는 새로운 아키텍처 원칙이다. 고속 센서 처리와 저속 상황 이해를 분리함으로써 전력 소비와 연산 효율을 동시에 개선하는 실용적 접근이다.

3-3

산업 역삼각형 재구성 — 앱 가치가 칩보다 커져야 AI 시대가 열린다

치루이 CTO 상진은 현재 AI 산업 구조의 왜곡을 지적했다. GPU·서버 업체가 최대 수혜를 받고 최종 애플리케이션 레이어는 미개발인 '정삼각형' 구조다. 30년 전 PC 시대처럼, 그리고 스마트폰 시대처럼, 최종 사용자 가치를 만드는 애플리케이션의 가치가 최대여야 하는 '역삼각형'으로 돌아가야 AI 자동차 시대가 열린다는 논지다. 이는 특정 기업이 아닌 생태계 전체의 방향성에 대한 성찰이다.

3-4

차량 내 무감각 결제 — 차량이 결제 단말기가 되는 새로운 생태계 진입점

과학기술대(과기대) 이온푸는 알리페이와 연동해 차량 내 카메라 얼굴인식으로 스마트폰 없이 커피를 주문·결제하는 '무감각 결제'를 업계 최초로 구현했다. 이는 단순한 결제 편의를 넘어, 차량을 생활 서비스 생태계의 진입점으로 전환하는 첫 사례다. 차내 AI가 맥락(목적지 근처 카페)을 이해하고 선제적으로 주문을 제안하며 결제까지 완료하는 흐름은 자동차와 모바일 커머스의 경계를 지운다.

Appendix — Q2. Hidden Evidence

실행에서 주목할 토픽

2-1

기능 과부하가 스마트 코크핏 경험을 오히려 악화시킨다

스마트 코크핏 탑재율이 70%를 넘었지만 사용자는 여전히 음성과 터치만 쓴다. 버튼이 터치로, 터치가 음성으로 대체되는 과정에서 오히려 상호작용 효율이 떨어졌다. 기능이 늘수록 복잡성이 증가하고 사용자는 더 적게 활용하는 '풍요의 역설'이다. 이 문제는 업계가 수년 전부터 인식했지만, 각 기업은 여전히 기능 추가 경쟁에서 벗어나지 못하고 있다. BAIC 조횡리의 "기능의 동질화로 사용자를 지루하게 만든다"는 발언은 이 현실을 인정한 것이다.

2-2

데이터 저장·이동이 AI 개발 전체 문제의 40% 이상을 차지한다

2019년 GPU 100장 → 2024년 10,000장으로 규모가 100배 커졌지만, 개발자들이 마주하는 병목의 40% 이상은 칩 성능이 아닌 데이터 저장·이동에서 발생한다. 이 사실은 클라우드 업계에서 오래전부터 알려진 현실이다. 그러나 포럼 발표의 다수는 칩 스펙, 모델 파라미터, 알고리즘 개선에 집중했다. 통합 스토리지 아키텍처와 데이터 파이프라인 최적화가 실제 AI 개발 속도와 비용을 가장 크게 개선하는 변수임에도 투자 우선순위에서 뒤처진다.

2-3

합작기업의 NEV 전환율 10% 미만 — 이미 전략적 전환 불가 임계점

폭스바겐·도요타 등 합작기업의 NEV 침투율은 10% 미만이다. 이 수치는 수년 전부터 공개된 정보다. 그러나 포럼 전체에서 합작기업의 AI 자동차 경쟁력 복원 전략에 대한 구체적 논의는 없었다. 중국 OEM들이 NEV·AI 자동차의 주도권을 쥔 현실에서 합작기업의 대응 방향은 이 포럼의 관심 밖이었다. 이는 합작기업과의 협력이 줄어들고 있는 현실을 반영하지만, 동시에 그 공백을 누가 채울 것인가에 대한 논의도 빠져 있다.

2-4

코너케이스는 규칙으로 해결 불가 — 알면서도 규칙 기반을 유지하는 업계

2023년 테슬라 FSD V12가 순수 신경망 기반 자율주행으로 전환하면서, 청명절 도로변 제사 불꽃·버스 전용 차선 시간대 운영·갑자기 떨어지는 돌 같은 '긴 꼬리 문제'는 규칙으로 풀 수 없음이 산업계에 입증됐다. 그럼에도 많은 기업이 여전히 규칙+딥러닝의 이식(2단) 방식을 유지한다. 이는 기존 개발 조직·인증 체계·보험 구조가 규칙 기반에 최적화되어 있기 때문이다. '알고 있지만 못 바꾸는' 구조적 관성이 엔드투엔드 전환을 지연시킨다.

Appendix — Q4. Reframing

의미를 잘 생각해 볼 필요가 있는 토픽

4-1

수동적 차량은 '시키는 것만 하는 중년 남성'이다

BAIC 조횡리는 현재 자동차 AI의 수동성을 날카로운 비유로 표현했다. "시키는 일만 하는 차량은 마치 아내에게 '왜 이렇게 멍청한지' 불평받는 중년 남성과 같다." 기존의 '명령 수행' 패러다임을 인간 관계론으로 재해석하면, 자동차가 해야 할 일이 명확해진다. 사용자의 상태와 맥락을 먼저 파악하고, 필요를 예측하며, 먼저 제안하는 능동적 조력자로의 전환이 AI 자동차의 핵심 과제다. 새력사 당여의도 같은 방향을 가리킨다. "전 공간·전 장면 감정화 음성"이 미래 인터페이스다.

4-2

자동차를 '이동하는 데이터센터'가 아니라 '분산 컴퓨팅 엣지 노드'로 재정의

"자동차는 바퀴 달린 데이터센터"라는 기존 비유는 차량을 데이터 수집·처리의 수신자로 정의한다. 지협혜동의 사녕은 이를 뒤집었다. 차량의 유휴 컴퓨팅 자원을 클라우드 분산 시스템에 기여하는 '엣지 노드'로 재정의하면, 차량은 수신자에서 기여자가 된다. 이 전환은 클라우드 의존도를 낮추고, 차량 내 개인 데이터를 차량 밖으로 내보내지 않으면서도 고사양 연산을 가능하게 한다. 분산 컴퓨팅의 새로운 노드로서 자동차의 포지셔닝은 모빌리티·클라우드·엣지 세 산업의 교차점에 새로운 비즈니스를 만든다.

4-3

AI 코크핏 개발 주기의 '천인일면(千人一面)' — 구조적 실패의 재해석

6개월 이상의 개발 주기 대비 사용자 요구가 실시간으로 변한다는 것은 알려진 사실이다. 이를 '개발 속도 문제'가 아닌 '구조적 실패'로 재해석하면 의미가 달라진다. 단순히 속도를 높이는 것이 아니라, OTA 업데이트와 AI 생성형 시나리오로 개발 패러다임 자체를 전환해야 한다는 결론이 나온다. 아이보련의 AIRlink 시나리오 생성 플랫폼은 기존 개발 효율을 80% 향상시켰다고 주장한다. 이 수치가 검증되면 전통적 코크핏 개발 조직의 존재 방식이 근본적으로 바뀐다.

4-4

DeepSeek는 기술 혁신이 아니라 '태도의 혁신'이다

DeepSeek의 기술적 기여(비용 절감, 오픈소스화, 강화학습 기반 고품질 지식 생성)는 업계가 분석한다. 상하이 지능형 자동차 소프트웨어 파크 이가의 재해석은 다른 차원이다. "DeepSeek의 중국 이름 '심도구소(深度求索)'를 더 좋아한다. 기술적 폭풍을 넘어 산업 전반에 가치 있는 태도를 전달했기 때문이다." 과장과 과투자로 흔들리는 자동차 AI 산업에서, '기술은 반쪽이고 비용은 엉망인 차는 마케팅으로 잠시 갈 수 있지만 오래 갈 수 없다'는 메시지가 기술 자체보다 더 큰 산업적 의미를 갖는다는 성찰이다.

Appendix — Q1. Blind Spot

선견/선수를 위한 토픽

1-1

차량 유휴 컴퓨팅 자원이 새로운 수익 창출 자산이다

자동차는 하루 2~3시간만 운행된다. 나머지 21~22시간 동안 CPU·GPU는 유휴 상태다. 지협혜동 CTO 사녕은 이 유휴 자원을 충전 중·야간 주차 중에 활용하면, 기존에 클라우드에서만 가능했던 고사양 모델을 차량 내에서 실행할 수 있음을 입증했다. 이는 차량을 단순 수신자에서 분산 컴퓨팅 기여자로 전환하는 패러다임이다. 수백만 대 차량을 보유한 OEM에게 이 유휴 자원 네트워크는 클라우드 비용 절감과 신규 수익 창출의 이중 가치를 갖는다. 포럼 전체에서 이 기회를 전략으로 연결한 발표는 단 한 개였다.

1-2

SDV가 축적한 SOA 인터페이스 자산이 AIDV의 최대 진입장벽이 된다

Neusoft Reach는 10년 SDV 개발로 2,000개 SOA 서비스 인터페이스를 구축했다. 이 인터페이스가 MCP(Model Context Protocol)를 통해 AI 에이전트에게 직접 호출 가능한 형태로 변환되면, 이 자산을 가진 미들웨어 공급업체가 AIDV 생태계의 중간층을 장악한다. 신규 진입자는 이 자산을 처음부터 쌓는 데만 수년이 필요하다. 균련지행의 SOA→AI 아키텍처 전환(세션 11) 역시 같은 논리다. 자동차 소프트웨어 시장에서 SDV 경험의 축적 깊이가 AIDV 시대 경쟁력의 결정적 변수가 되는 것인데, 이 메시지는 포럼에서 충분히 부각되지 않았다.

1-3

단식 엔드투엔드 훈련 비용이 자율주행 생태계를 양극화한다

단식 대모델 한 번 훈련에 수만~수백만 달러가 소요된다. 이는 Momenta·테슬라·화웨이 선텅처럼 대규모 자본과 양산차 데이터 파이프라인을 갖춘 소수 플레이어만이 최상위 자율주행을 개발할 수 있음을 의미한다. 나머지 OEM은 이들에 의존하는 구조로 재편된다. 포럼에서 이 비용 장벽에 대한 진지한 논의는 없었다. Momenta는 단기기억(DLP)과 장기기억(재훈련) 분리 방식으로 수백만 달러를 절감했다고 밝혔지만, 이는 이미 진입에 성공한 자의 최적화다. 진입 자체가 불가능한 중소 플레이어에 대한 논의는 침묵됐다.

1-4

AI 자동차의 사이버보안과 개인정보 — 포럼이 외면한 시한폭탄

멀티모달 AI 자동차는 음성·표정·위치·결제 데이터를 상시 수집한다. 차량 내 카메라로 얼굴을 인식해 결제하고(세션 06), 주변 물체를 질문하며(세션 14), 개인 감정을 분석한다(세션 18). 프라이버시 처리를 차량 내 로컬에서 완료한다는 언급은 1~2회 등장했지만, 사이버보안 체계·법적 책임·글로벌 데이터 규제(GDPR 등) 대응에 대한 구체적 논의는 전무했다. BYD의 유럽 판매가 +124%로 성장하는 가운데, AI 스택의 데이터 처리 방식이 EU 규제에 걸릴 경우 전면 재설계가 불가피하다.

Structural Absence

Silence Map

18건 전수 확인으로 식별한 구조적 부재 — 논의되지 않은 것이 현재 담론의 한계를 규정합니다

#	침묵 주제	침묵의 이유	전략적 함의
S1	유럽·미국의 중국 AI 자동차 규제 리스크 (GDPR, 화웨이·알리 탑재 규제)	수출 성장 서사와 충돌. 자국 기업 불리	BYD 유럽 +124%이나 AI 스택 현지화 않으면 규제 장벽 도달 시 전면 재설계 불가피
S2	완전 무인주행(L5)의 비즈니스 모델 (로보택시 수익성, 보험·책임 체계)	상용화 경제학은 기업 이해관계에 민감	L4 기술 개발해도 비즈니스 모델 없으면 투자 회수 불가. 모빌리티 서비스 기업 부재
S3	자동차 AI 노동 치환 효과 (부품·조립·물류 분야 일자리 감소)	국영기업 참여 포럼에서 사회 갈등 주제 회피	AI 생산 자동화 확대될수록 고용 구조 변화. 재교육·사회 안전망 정책 연계 필요
S4	AI 모델 안전성·할루시네이션 리스크 (자율주행 판단 오류의 생명 위협)	자사 기술 리스크 부각 기피	단식 엔드투엔드의 미정의 물체 대응 불분명. 규제·소비자 신뢰 구축에 투명한 실패 사례 공개 필요
S5	칩 공급망 취약성 (엔비디아 수출 규제 하 국산 칩 성숙도·공급 안정성)	화웨이 참여 자리에서 경쟁사 의존 논의 회피	10,000장 GPU 시대 공급망 불안 시 전체 AIDV 생태계 타격. 국산화 성능 격차 현실적 평가 공백
S6	화웨이 생태계 독점과 OEM 종속화 리스크	화웨이 발표자 참여. OEM들의 협력 관계로 공개 비판 불가	BAIC·치루이 자구책 등장. 네트워크 효과 강화될수록 OEM 협상력 약화
S7	대규모 AI 훈련·추론의 탄소 발자국	기술 쇼케이스 포럼에서 환경 비용 우선순위 밖	탄소중립 2060 목표와 10,000장 GPU 클러스터 전력 수요 간 잠재적 정책 충돌
S8	중국 AI 자동차의 글로벌 표준화 전략 (ISO·SAE 국제 표준 주도권)	단기 성과 중심 발표 자리에서 장기 표준 전략 다루기 어려움	글로벌 표준 주도권 없으면 수출 성장 정체 또는 현지화 요구로 수익성 급락

Source Sessions

References