핵심 내용
중국 자동차 소프트웨어 생태계에서 지금 무슨 일이 벌어지고 있는가. 2026년 4월 21일 상하이, 둥롼루이츠(东软睿驰)의 이빙(李冰)은 무대에 올라 이렇게 선언했다. "우리는 6년 전 SDV를 시작했을 때 지금 이 자리에 오게 될 줄 몰랐습니다. 지금은 디커플링(decoupling), 즉 하드웨어와 소프트웨어의 분리가 현실이 됐습니다." 같은 날 동롼루이츠의 AUTOSAR Copilot 시연 현장에서는 설정 작업의 93%가 AI에 의해 자동 생성되는 장면이 펼쳐졌다. 지리자동차(Geely) 그룹의 AI 디지털 섀시는 연간 200개 차종에 걸쳐 배포되고 있고, 마오(Mao)OS는 이미 2,000만 대 차량에 탑재됐다. 표면적으로는 SDV 전환이 일정대로 진행 중이다.
그러나 36개 세션의 교차 분석은 다른 지형도를 드러냅니다. 세 개의 이질적인 흐름이 동시에 진행 중입니다. 첫째, 오픈소스는 선언의 단계를 지나 양산의 단계로 진입했습니다. 소만(SOEM)은 2,500만 대·300차종·46개 완성차·420개 부품기업에 걸쳐 실제 공급망 인프라가 됐습니다(4-1). 둘째, AUTOSAR는 복잡성이 정점에 달했다는 위기감과 함께 중국 주도권이 처음으로 가시화됐습니다. 화웨이는 2026년 핵심 파트너(Premium Partner)로 합류했고, 중국 워킹그룹이 제안한 개념 734·735·736은 유럽 본사의 공식 승인을 받아 R25-11에 수록됐습니다(4-2). 셋째, AI는 도구(Copilot)에서 아키텍처 재정의의 수준으로 전환되고 있습니다. 지리자동차 장항(张航)이 제시한 '허용목록(Allow-list)에서 금지목록(Deny-list)으로의 기능 설계 전환'은 소프트웨어 아키텍처의 철학 자체가 바뀌고 있음을 보여줍니다(4-3).
AUTOSAR의 복잡성 위기와 중국의 이중 전략
AUTOSAR에 관한 36개 세션의 지배적 긴장은 단 하나의 구도로 압축됩니다. "표준을 강화할수록 중국의 자생 생태계가 확산한다"는 역설입니다(3-2). AUTOSAR의 독일 메르세데스 대표 랄프 베어(Ralf Bär)는 COPI(공통 적응형 플랫폼 구현·Common Platform Implementation)와 코드 우선(Code-First) 방법론을 통해 명세서 복잡성을 극복하겠다고 발표했습니다(2-3). 같은 날 AUTOSAR R25-11의 전가민(田家民)은 1,900개 표준 작업과 1,500건의 변경 요청을 처리했다고 밝혔습니다. 복잡성은 규모의 함수입니다. 파트너가 200개를 넘고 세계 1위가 중국이 되면서, AUTOSAR의 복잡성은 그 어느 때보다 높아졌습니다.
중국은 이 복잡성을 두 갈래로 동시에 이용합니다. 하나는 표준 내부로의 진입입니다. 워킹그룹의 개념 734(주변장치 가상화)·735(OS 추상화 계층)·736(멀티코어 통신)은 유럽 본사의 공식 채택을 받았고(1-2), 2026년 11월 또는 2027년 5월 릴리스에 반영될 예정입니다. 화웨이는 CP DDS 표준화를 주도하며 R25-11에 완성시켰습니다. CP와 AP의 통신 기반을 화웨이가 설계한 것입니다. 다른 하나는 표준 바깥으로의 확장입니다. 마오OS·천원OS·위니와다를(鸿蒙车机OS)과 같은 독자 커널들이 동시에 확산 중입니다. 둥롼루이츠의 OpenCAR 프로젝트는 AUTOSAR AP의 오픈소스 구현이지만, 이것이 정착되면 AUTOSAR 표준의 진입 장벽은 낮아지고 중국 기업의 접근성은 높아집니다(1-1). 표준화가 강화될수록 중국의 독자 생태계도 함께 성장하는 구조입니다.
AI는 도구가 아니라 아키텍처의 재정의
ETAS의 이양(李洋)은 자동차 SW 개발에서 코드 개발 비중이 80~90%에서 설정(configuration) 작업으로 이동하고 있다고 진단했습니다. 설정이 늘어나면 AI의 역할이 커집니다. 동롼루이츠의 AUTOSAR Copilot은 이미 설정 작업의 93%를 자동화했고, 지총과기의 우공(禹工) 테스트 도구는 칩 신뢰성 테스트를 2~3개월에서 2~3일로 단축했습니다(2-1). 수치들이 말하는 바는 명확합니다. AI가 엔지니어를 보조하는 것이 아니라, AI가 가능한 공정과 AI가 불필요한 공정을 재분류하고 있습니다.
고급대담2의 Will Marshall은 Claude(ARXML 분석)를 활용해 6개월·5명이 필요했던 테스트와 구성 분석을 1개월·1명으로 단축한 사례를 소개했습니다. 그는 동시에 이렇게 경고했습니다. "설정기(Configurator)만 하는 엔지니어는 단절될 수 있습니다. 설계 요구사항을 이해하고 혁신적으로 문제를 해결하는 능력이 요구됩니다." 고급대담1에서 지리자동차 장항은 AI 네이티브 설계에서의 전환점을 이렇게 표현했습니다. "허용목록 방식은 코드 라인이 수억 개가 되면 관리 불가능합니다. 금지목록 방식으로 전환하면 AI가 기본으로 작동하고, 사람이 금지할 항목만 정의하면 됩니다." 이것은 소프트웨어 안전 철학의 근본적 역전입니다(1-3). GPU와 NPU와 같은 AI 가속기에 대한 표준 부재는 AUTOSAR가 다음에 해결해야 할 구조적 과제입니다. AUTOSAR의 Prit Banerjee는 AP와 CP를 통합하는 HPC 프로젝트가 이 공백을 메우는 방향으로 진행 중이라고 밝혔습니다. 엔비디아의 CUDA 독점화 선례가 자동차 소프트웨어 분야에서 반복되지 않으려면 표준화가 AI 칩 레이어로 확장돼야 합니다(1-4).
오픈소스 생태계: 선언에서 양산까지의 마지막 공백
이 컨퍼런스에서 가장 많이 반복된 단어는 '생태계'였습니다. 방천서(方川书, 중국자동차공업협회 기술부 부디렉터)는 중국 정부가 2026년을 '15차 5개년 오픈소스해'로 지정했다고 밝혔습니다. 시뮬레이션 테스트 환경은 하루 100만 km 데이터를 생성하며 비용을 90% 절감합니다(2-2). 그러나 36개 세션에서 반복적으로 노출된 긴장은 "코드에서 양산까지의 마지막 마일(Last Mile)"입니다. 소만(SOEM)의 2,500만 대 실적은 양산 도달의 예외적 사례이며, 대부분의 오픈소스 프로젝트는 생태계 구축 단계에 머물러 있습니다(3-1). 벡터의 오장륭(吴章龙)이 제시한 Rust×AUTOSAR 융합 사례는 코드 구현 비용을 35%·전체 수명주기를 20% 절감하는 수치를 제시했지만, 볼보·르노 암페르의 사례에서 보듯 실제 양산 도입은 OEM의 전략적 결단이 필요합니다(2-4). 오픈소스 생태계는 이제 규모의 문제가 아닙니다. 생태계가 양산 공급망과 어떻게 연결되는가의 문제입니다.
Silence Analysis는 이 그림의 빈칸을 채웁니다. 36개 세션에서 보안(Cybersecurity) 은 R25-11의 IDS·MACsec·TLS 언급 수준에 그쳤습니다. 기능 안전(Functional Safety) 은 ISO 26262가 참조됐지만, 구체적 인증 사례는 부재합니다. 중국 기업의 유럽·북미 진출 은 단 한 세션도 직접 다루지 않았습니다. 역설적으로 이 침묵이 현재 중국 SDV 생태계의 진짜 경계선입니다(Silence).
인사이트 맵
| 공통된 시각 | 새로운 시각 | |
|---|---|---|
| 간과하는 내용 |
Q2. Hidden Evidence | Q1. Blind Spot |
| 주목하는 내용 |
Q3. Common Ground | Q4. Reframing |
Take Away
36개 세션이 수렴하는 핵심 구도는 이것입니다. 중국 SDV 생태계는 "표준 수용자"에서 "표준 설계자"로 이동했습니다. 이 이동은 화웨이의 CP DDS 주도, 중국 WG의 개념 734·735·736 채택, OpenCAR 오픈소스 구현이라는 세 채널에서 동시에 진행되고 있습니다. AUTOSAR 프레임워크는 이 과정에서 중립적 표준이 아니라 경쟁 지형의 일부가 됐습니다. AI는 동시에 엔지니어링 효율의 도구이자, 아키텍처 설계 철학의 재정의 수단이 됐습니다. 93% 자동화와 금지목록 설계 전환은 같은 방향을 가리킵니다. 소프트웨어 개발의 가치사슬에서 설정·구현 레이어는 AI로 대체되고, 시스템 아키텍처·요구사항 정의·표준 설계 레이어의 중요성이 높아집니다.
경영시사점
AUTOSAR 표준 설계 과정에서 중국의 영향력이 구조적으로 강화되고 있습니다. 중국 WG의 3개 개념이 표준에 채택된 선례는 향후 가속될 수 있으며, 이는 표준이 특정 지역 아키텍처에 최적화되는 방향으로 진화할 리스크를 내포합니다. AI 기반 AUTOSAR 설정 자동화(93%)가 상용화 단계에 진입하면서, 기존의 설정·구현 엔지니어링 역량의 가치가 급감합니다. 설계 요구사항 정의와 시스템 아키텍처 이해 역량으로의 신속한 전환이 필요합니다.
오픈소스 생태계(OpenCAR, 소만)가 양산 공급망과 연결되는 "라스트 마일" 문제는 아직 해결되지 않았습니다. BSW 플랫폼 성능 최적화(FPT의 37% CPU 절감 사례), 검증 자동화(지총과기 2~3일), 보안 아키텍처 등의 영역에서 실질적 기여 기회가 존재합니다. AI 가속기(GPU·NPU) 레이어의 AUTOSAR 표준화가 공백 상태입니다. 이 공백에 진입하는 것은 차세대 SDV 플랫폼 표준 경쟁의 진입점입니다.
① AUTOSAR 표준 참여 수준 상향 — 중국의 표준 설계 참여가 가속화되는 국면에서 표준 외부의 소비자로 머물 것인가, 내부 설계 참여자로 전환할 것인가를 결정해야 합니다.
② AI×AUTOSAR 역량 재편 — 설정·구현에서 시스템 아키텍처·요구사항 정의로 엔지니어링 역량의 무게중심을 이동하는 전략을 수립해야 합니다.
③ 오픈소스 라스트 마일 전략 — 오픈소스 구현체(OpenCAR, 소만)를 양산 공급망에 연결하는 검증·인증·보안 레이어에서의 역할을 정의해야 합니다.
본 브리프는 Gasgoo SDV 2026 전 세션(36건) 전문 데이터를 5단계로 분석한 결과입니다. ① 전수 스캔 → ② SDV→AIDV 아키텍처·AUTOSAR 생태계·AI 통합·에이전트·오픈소스·공급망 축 심층 독해 → ③ 교차분석 + Silence Analysis → ④ 인사이트 맵 + Silence Map 배치 → ⑤ 통합 편집. 데이터 소스: 7th SDV AUTOSAR China 2026 세션 요약문, 2026.4.21.
Appendix — Q3. Common Ground
즉각적인 논의가 필요한 토픽
즉각적인 논의가 필요한 토픽
낮은 독점성 + 주류와 일치 · 주요 보도와 일치하되 현장 데이터로 깊이를 더한 인사이트
소만(SOEM) 2,500만 대 = 오픈소스 양산 연결 한계선
[P] Primary | 세션 #22(푸화·양호) 소만(SOEM)의 2,500만 대·300차종·46완성차·420부품기업·2,500 커뮤니티·232대학 데이터는 오픈소스 생태계의 규모를 보여줍니다. 동시에 이 데이터는 한계선을 보여줍니다. 인피니언 TC4 개발키트 기반의 칩 신뢰성 인증, 158개 칩 적합화는 오픈소스가 양산 공급망과 연결되기 위해 필요한 작업의 규모를 드러냅니다. 엔지니어링 서비스 체계·칩 시너지·인재 양성 체계라는 세 축은 소만이 단순한 코드 공개가 아니라 생태계 운영 체계를 구축했다는 것을 의미합니다. 그러나 이 규모에 달하는 오픈소스 프로젝트는 아직 소만이 유일합니다.
중국 AUTOSAR 파트너 세계 1위 + 화웨이 핵심파트너 = 표준화 중국화
[P] Primary | 세션 #31(AUTOSAR 중국 커뮤니티·왕로) 아시아 파트너가 유럽을 초과하여 세계 1위가 된 것, 화웨이가 2026년 핵심 파트너(Premium Partner)로 합류한 것은 AUTOSAR의 중력 중심이 이동하고 있음을 보여줍니다. 신규 표준 그룹 734·735·736은 OS 후속·IPC 관련이고, 무료 온라인 교육 70개+, 2026년 6월 9~11일 상하이 오픈대회 개최 계획은 중국이 AUTOSAR의 커뮤니티 인프라도 주도하고 있음을 시사합니다. 표준의 숫자 논리(다수 파트너가 규칙 방향에 영향)가 중국에 유리하게 작동하기 시작했습니다.
창청자동차 3단계 재분류 = 레거시 자산 재활용 전략
[P] Primary | 세션 #17(창청자동차·예빈) 창청자동차(예빈)가 제시한 Bosch의 6단계를 3단계로 재분류한 아키텍처 전략은 기존 레거시 분산 시스템을 버리지 않고 재활용하는 현실적 전략입니다. 분산 시스템 자산을 도메인 컨트롤러 및 중앙 두뇌 구조로 통합하는 과정에서 기존 ECU 투자를 어떻게 회수하는가의 문제는 모든 OEM이 직면한 과제입니다. 창청의 3대 플랫폼(아키텍처 설계·SOA 개발·빅데이터)은 이 전환의 구체적인 실행 경로를 보여줍니다.
FPT BSW CPU 75%→37% 최적화 = BSW 성능 한계 인식
[P] Primary | 세션 #30(FPT·장진성) FPT의 AutoSense 솔루션이 마스터 코어 CPU 사용률을 75~85%에서 37%로 절감한 것은 기술 수치가 아닙니다. 단일 MCU가 처리해야 할 작업이 폭발적으로 증가하면서 BSW 플랫폼의 성능 천장이 현실적 문제가 됐다는 신호입니다. 신호 ID와 채널 ID 기반의 지능형 라우팅 알고리즘, 벤더 소스 코드 수정 없이 구성과 알고리즘으로만 최적화하는 접근은 BSW 플랫폼 공급 모델의 진화 방향을 보여줍니다. 하드웨어 추가 없는 소프트웨어 최적화의 재무 논리는 명확합니다.
Appendix — Q2. Hidden Evidence
실행에서 주목할 토픽
실행에서 주목할 토픽
높은 독점성 + 주류와 일치 · 알려진 사실이지만 현장 데이터가 부여하는 독점적 무게감
AUTOSAR Copilot 93% = 설정 자동화 현실화
[P] Primary | 세션 #18(고급대담1), #24(ETAS) 동롼루이츠가 발표한 AUTOSAR Copilot은 BSW 설정 작업의 93%를 AI로 자동 생성합니다. ETAS의 이양은 같은 방향의 데이터를 제시했습니다. 자동차 SW 개발에서 코드 개발 비중이 80~90%에서 설정 작업으로 이동하고 있다는 것입니다. 두 발표가 교차하면 다음 사실이 드러납니다. 설정 비중이 늘어날수록 AI 자동화의 영향력은 커지고, 기존 설정 엔지니어의 가치는 낮아집니다. ETAS의 RTA Card 플랫폼이 도구체인에서 엔지니어링 체계로 전환하는 방향을 제시한 것도 같은 맥락입니다. 93%라는 수치는 자동화의 한계가 아니라 현재의 시작점입니다.
시뮬레이션 90% 절감·하루 100만 km = 테스트 패러다임 전환
[P] Primary | 세션 #20(중국자동차공업협회) 방천서가 제시한 개방형 시뮬레이션 테스트 환경 데이터는 구체적입니다. 하루 100만 km 데이터를 생성하며, 비용을 90% 절감합니다. 이 수치가 현실화되면 테스트 병목이 해소되는 속도가 물리적 테스트 인프라 확충 속도를 압도합니다. 동시에 이것은 데이터 생성의 규모와 품질이 경쟁력의 핵심이 된다는 것을 의미합니다. 중국이 오픈소스 시뮬레이션 환경을 국가 인프라로 구축하는 방향은, 글로벌 기업의 독자 시뮬레이션 투자 대비 비용 효율성에서 구조적 우위를 가져올 수 있습니다.
COPI+코드우선 = AUTOSAR 복잡성 탈출 경로
[P] Primary | 세션 #19(AUTOSAR 미래여정·메르세데스) AUTOSAR의 메르세데스 대표 랄프 베어가 제시한 COPI(공통 적응형 플랫폼 구현)와 코드 우선(Code-First) 방법론은 명세서 중심 개발의 한계를 인정하는 공식 신호입니다. 명세서가 너무 복잡해서 실제 구현과 괴리가 생기는 문제를 해결하기 위해, 코드 구현을 먼저 하고 명세서를 역추적하는 방식입니다. 이것은 AUTOSAR의 자기 개혁입니다. 동시에 AI 시대에 코드를 자동 생성하는 환경에서 코드 우선 방법론이 더욱 자연스러운 개발 흐름이 된다는 점에서, AI와 표준화의 방향이 일치하기 시작했습니다.
Rust 35% 구현비용 절감 = 안전 언어 교체 비용 현실화
[P] Primary | 세션 #21(벡터·오장륭) 벡터의 오장륭이 제시한 Rust×AUTOSAR 융합 데이터는 구체적입니다. 코드 구현 비용 35% 절감, 전체 수명주기 20% 절감, 볼보·르노 암페르의 실제 도입 사례가 있습니다. 메모리 안전성(소유권 모델)은 C/C++ 대비 취약점 계층을 구조적으로 제거합니다. VectorCAST의 Rust 지원이 추가된 것은 도구 생태계가 언어 전환을 현실적으로 지원하기 시작했다는 신호입니다. 비용 절감 수치가 현실적이라면, Rust 전환의 재무 논리는 이미 성립합니다. 남은 것은 OEM의 전략적 결단과 공급망 전체의 역량 전환입니다.
Appendix — Q4. Reframing
의미를 잘 생각해 볼 필요가 있는 토픽
의미를 잘 생각해 볼 필요가 있는 토픽
낮은 독점성 + 주류와 다른 시각 · 알려진 사실을 다른 프레임으로 재해석
마오OS 2,000만 대 = 오픈소스→양산 연결 성공 사례
[X] Cross-Session + [R] Reframing | 세션 #20(중국자동차공업협회) 마오(Mao)OS의 2,000만 대 탑재는 중국 OEM의 독자 OS 성과로 보도됩니다. 그러나 이것을 "오픈소스 생태계가 양산 공급망과 연결된 최초의 대규모 성공 사례"로 재해석하면 전략적 의미가 달라집니다. 오픈소스 커뮤니티(천원OS 기반)에서 시작해 OEM 특화 OS로 발전하고, 2,000만 대 양산에 이르는 경로는 OpenCAR·소만 등 후속 프로젝트가 따라야 할 검증된 모델입니다. 동시에 이것은 오픈소스 생태계가 단일 OEM의 독자 플랫폼 강화에 기여하는 구조이기도 합니다.
화웨이 CP DDS 주도 = 통신 표준 설계권 이전
[X] Cross-Session + [R] Reframing | 세션 #28(R25-11), #31(AUTOSAR 중국 커뮤니티) 화웨이가 AUTOSAR CP DDS 표준화를 주도하고 R25-11에 완성시켰다는 사실은 단순한 기술 기여가 아닙니다. CP와 AP 간 통신의 기반 프로토콜을 화웨이가 설계했다는 것입니다. DDS(Data Distribution Service)는 SDV 아키텍처에서 소프트웨어 컴포넌트 간 데이터 흐름의 핵심 레이어입니다. 화웨이가 이 레이어의 표준을 설계한다면, 이 표준을 기반으로 구축되는 모든 시스템에서 화웨이의 기술 영향력이 구조적으로 내재화됩니다. 핵심 파트너 합류(2026)와 표준 기여의 조합은 전략적 포지셔닝입니다.
AI 도구 → 조직 병목 역설
[X] Cross-Session + [R] Reframing | 세션 #34(고급대담2), #23(지총과기) AI가 엔지니어링 생산성을 높이면 조직 전체의 속도도 높아질 것이라는 기대와 달리, 고급대담2에서 확인된 현실은 다릅니다. AUTOSAR 설정 자동화가 개인 엔지니어 수준에서 93%에 도달했을 때, 병목은 코드 생성이 아니라 요구사항 정의와 아키텍처 결정으로 이동합니다. 지총과기 장지강이 제시한 "AI 코드 생성으로 PM에게 예산 배정" 사례는, AI 도입이 기술 조직의 병목이 아닌 비기술 조직의 병목을 부각시킨다는 역설을 보여줍니다. AI 도입의 ROI는 기술 역량이 아닌 조직 프로세스 재설계 역량에 달려 있습니다.
SOA 진단(SVD) = UDS 대체 → 차량 서비스화 플랫폼 전환
[X] Cross-Session + [R] Reframing | 세션 #27(징웨이헝룬·양강) 징웨이헝룬(精卫衡润)의 SVD(Service-based Vehicle Diagnostics)는 기존 UDS(Unified Diagnostic Services)를 RESTful/HTTP 기반으로 대체하는 기술로 보도됩니다. 그러나 이것을 "차량 진단의 서비스화"로 재해석하면 더 큰 그림이 보입니다. SVD 마스터·에이전트·라이브러리·클라이언트의 4구성 체계는 차량 내 진단이 외부 클라이언트(스마트폰, 클라우드, 정비 시스템)와 표준 API로 연결되는 플랫폼 아키텍처입니다. AUTOSAR 2.2.1에 SVD가 공식 채택된 것은 이 플랫폼 아키텍처가 표준화됐다는 의미입니다. 차량 데이터 접근의 표준화는 차량을 데이터 소스로 만드는 기반 인프라입니다.
Appendix — Q1. Blind Spot
선견/선수를 위한 토픽
선견/선수를 위한 토픽
높은 독점성 + 주류와 다른 시각 · 36개 세션 교차분석으로만 발견 가능한 인사이트
OpenCAR = AUTOSAR 진입장벽 해체 + 중국 생태계 확산
[P] Primary + [X] Cross-Session | 세션 #32(둥롼루이츠), #20(중국자동차공업협회) 주류 보도는 둥롼루이츠의 OpenCAR 프로젝트를 AUTOSAR AP의 오픈소스 구현이라고 보도하지만, 세션 #20·#22의 오픈소스 생태계 데이터와 교차하면 다른 그림이 나타납니다. AUTOSAR AP 구현체가 오픈소스로 공개되면, 진입 비용이 낮아지는 것은 글로벌 기업이 아니라 중국 내 중소 부품기업과 신규 진입자입니다. OpenCAR는 AUTOSAR 표준의 확산 도구인 동시에, 중국 자생 소프트웨어 생태계의 저층 인프라가 됩니다. NIO가 2016년부터 AUTOSAR를 도입했고 현재 디커플링 완성 단계에 있다는 사실(세션 #32)은, 중국 선도 OEM이 이제 표준 소비자가 아닌 표준 구현체 공급자로 전환하고 있음을 시사합니다.
중국 WG 개념 734·735·736 = 표준 설계권 획득
[P] Primary + [X] Cross-Session | 세션 #33(중국 워킹그룹), #28(R25-11), #31(AUTOSAR 중국 커뮤니티) 2024년 1분기 설립된 AUTOSAR 중국 작업 추진 그룹(WG)이 제안한 세 개념(주변장치 가상화·OS 추상화 계층·멀티코어 통신)이 유럽 본사의 공식 승인을 거쳐 R25-11에 반영될 예정입니다. 이것이 선례가 됩니다. 중국 기업이 AUTOSAR 표준의 요구사항 정의 단계부터 참여하는 구조가 형성된 것입니다. OS 추상화 계층은 중국의 다양한 MCU 아키텍처(ARM Cortex-M/R/A, PowerPC) 현실을 반영한 제안이며, 주변장치 가상화는 가상머신 기반 SOC 아키텍처 확산에 대응합니다. 중국의 하드웨어 생태계 현실이 AUTOSAR 표준에 역영향을 미치기 시작한 것입니다.
금지목록 설계 전환 = AI 네이티브 안전 아키텍처 재정의
[P] Primary + [X] Cross-Session | 세션 #18(고급대담1), #37(핫토픽 대담), #34(고급대담2) 지리자동차 장항이 제시한 "허용목록(Allow-list)에서 금지목록(Deny-list)으로의 기능 설계 전환"은 소프트웨어 안전 철학의 역전입니다. 허용목록 방식(기능을 열거하고 허용)은 코드가 수억 줄에 달하면 관리 불가능합니다. 금지목록 방식(AI가 기본으로 작동하고, 금지할 것만 명시)은 AI 에이전트 기반 아키텍처의 전제 조건입니다. 이것이 "슈퍼소프트웨어팩토리"(광정 발표), "에이전트 기반 공간 컴퓨팅"(지리자동차), "SOA→AIOA 전환"(핫토픽 대담)과 하나의 방향을 가리킵니다. AI 네이티브 아키텍처는 별도의 레이어가 아니라, 기존 AUTOSAR 기반 시스템의 설계 철학 자체를 교체하는 방향으로 진행됩니다.
AI 가속기 표준 부재 = CUDA 독점 재연 위험
[P] Primary | 세션 #34(고급대담2) AUTOSAR는 MCU 기반 CP와 MPU 기반 AP의 표준을 확립했지만, GPU·NPU 등 AI 가속기 레이어의 표준은 공백입니다. Prit Banerjee(AUTOSAR)는 이 공백이 엔비디아 CUDA의 선례처럼 특정 벤더의 독점 생태계로 귀결될 수 있다고 경고했습니다. AUTOSAR는 AP와 CP를 통합하는 HPC 프로젝트를 통해 대응 중이지만, 자율주행 전용 SoC 시장에서 엔비디아·모빌아이·퀄컴의 독자 소프트웨어 스택은 이미 표준화 논의를 앞서가고 있습니다. 중국에서는 지핑 반도체(智芯半导体), 화웨이 MDC 등이 독자 스택을 구축 중입니다. AI 가속기 표준화의 공백은 단기적으로는 공급자에게 자유도를 주지만, 중기적으로는 플랫폼 종속의 리스크를 키웁니다.
Structural Absence
Silence Map
Silence Map
36건 전수 확인으로 식별한 구조적 부재 — 논의되지 않은 것이 현재 담론의 한계를 규정합니다
| Gap | 기대 의제 | 실제 논의 수준 | 전략적 의미 |
|---|---|---|---|
| 🔴 | 사이버보안 실증 | R25-11 IDS·MACsec·TLS 언급 수준에 그침. 실제 취약점·공격 사례·인증 사례 부재 | 양산 차량의 사이버보안 취약점은 여전히 공개 논의의 금기 영역. 보안은 선언적으로는 중요하지만 구체적 이행 책임은 불분명 |
| 🔴 | 중국 SDV 기업의 해외 진출 | 어떤 세션도 중국 기업의 유럽·북미 시장 진출 전략을 직접 다루지 않음 | 지정학적 긴장과 규제 불확실성으로 인해 글로벌화 전략이 공개 의제에서 배제됨. 그러나 생태계 확산(OpenCAR, 소만)은 간접적 진출 경로가 될 수 있음 |
| 🔴 | AI 안전 인증 체계 | 금지목록 설계 전환·AI 에이전트 아키텍처 논의가 있었지만, ISO 26262 적용 방법론 부재 | AI 네이티브 아키텍처와 기존 기능 안전 인증 체계의 간극이 산업의 구조적 미해결 과제임을 간접적으로 노출 |
| ⚠️ | OTA(무선 업데이트) 법규 | 아키텍처 레벨의 OTA 언급은 있지만, 국가별 OTA 규제 대응 논의 부재 | 중국의 차량 OTA 규제가 강화되는 시점에서 규제 적합성이 공개 논의 대상이 아님 |
| ⚠️ | 기능 안전 실증 사례 | ISO 26262가 참조됐지만, ASIL-D 인증 획득 사례·AI 기능 안전 경로 논의 없음 | AI 통합 가속화와 기능 안전 인증 속도 간의 격차가 가시화되지 않음 |
| ⚠️ | 공급망 비용 구조 | 오픈소스 채택 비용 절감이 선언됐지만, TCO(총소유비용) 비교 데이터 부재 | 오픈소스 전환의 실제 경제성 논거가 아직 공개되지 않음 |
Source Sessions
References
References
| No. | 세션명 | 발표자 | Date |
|---|---|---|---|
| #01 | 【성대개막】 | — | 2026.4.21 |
| #02 | 주최측 개회 환영사 | 주효앵, 가스구자동차 CEO | 2026.4.21 |
| #03 | SDV에서 AIDV로의 진화 | 왕현빈, 가스구자동차 연구원 부사장·파트너 | 2026.4.21 |
| #04 | 집중형 컴퓨팅 아키텍처 하 차량 SW 플랫폼 실무 | 초백굉, 니오자동차 보조 부사장 | 2026.4.21 |
| #05 | SDV 신생태 구현—RT-Thread RTOS와 AUTOSAR 융합의 산업화 경로 | 웅보상, RT-Thread 창업자·CEO | 2026.4.21 |
| #06 | SDV 엔지니어링 구현의 AI 주도 개발 실무 | 장룡, 우한광팅 CTO | 2026.4.21 |
| #07 | SOA에서 AIOA로, AGI 주도 차량 아키텍처 패러다임 진화 | 맹초, 상하이자동차 대승용차 지능화 SW센터 수석디렉터·零束과기 CTO | 2026.4.21 |
| #08 | EEA Design Agent의 엔지니어링 실습장 | 진의치, KPIT 중국 지사 CTO | 2026.4.21 |
| #09 | SDV에서 AIDV로, 차내 지능 진화 패러다임 재구성 | 이군, 이치자동차(베이징) SW기술유한공사 기반SW 디렉터 | 2026.4.21 |
| #10 | ASPICE—업계 도전에서 업계 표준으로, Axivion으로 추적성·일관성 확보 | 유상전, Qt Group 품질보증 제품군 중국 지사 기술 책임자 | 2026.4.21 |
| #11 | SW 모듈화·지능화로 SDV 구현 지원 | 반범, Elektrobit 중국 지사 R&D 디렉터 | 2026.4.21 |
| #12 | 차량용 MCU RH850 코어와 OSXY 가상화 시스템의 공명, 차세대 크로스도메인 컨트롤러 개발 지원 | 주화, 르네사스 차량용 MCU 마케팅 시니어 매니저 | 2026.4.21 |
| #13 | CARIAD 중국 임베디드 SW·HW 플랫폼 R&D 디렉터 세션 | 허정군, CARIAD 중국 임베디드 SW·HW 플랫폼 R&D 디렉터 | 2026.4.21 |
| #14 | 발레오의 SDV 답안—Valeo anSWer | 왕비, 발레오 스마트 시스템 중국 지사 SW 책임자 | 2026.4.21 |
| #15 | AI가 구동하는 천원 아키텍처—SOA 크로스도메인 기능 실무와 생태계 구축 | 유영, 둥펑자동차 그룹 스웨덴 T사 부총경리 | 2026.4.21 |
| #16 | 시나리오 주도·심층 협업—고성능 차량용 칩 SW·HW 통합 플랫폼 개발 신 패러다임 | 하문, 신치과기 제품 솔루션·딜리버리 서비스팀 디렉터 | 2026.4.21 |
| #17 | SDV 플랫폼 생태계 분업과 협업 모델 | 예빈(叶斌), 창청자동차 EEA 아키텍처 수석전문가 | 2026.4.21 |
| #18 | 【고급대담1】 | 광정·지리자동차 장항·동롼루이츠 이빙·화웨이·지리자동차 | 2026.4.21 |
| #19 | AUTOSAR의 미래 여정 | 랄프 슈나이더(Ralf Schneider), AUTOSAR 부의장 | 2026.4.21 |
| #20 | AI와 오픈소스 포용—중국 자동차 SW 개방혁신 생태계 구축 | 방천서(方川书), 중국자동차공업협회 기술부 부디렉터 | 2026.4.21 |
| #21 | 안전과 효율—Rust와 AUTOSAR 융합 차량 SW 신 패러다임 탐색 | 오장륭(吴章龙), 벡터 기술 솔루션 매니저 | 2026.4.21 |
| #22 | '코드'에서 '양산'까지—오픈소스 모델이 여는 차량 탑재 라스트마일 | 양호(杨昊), 푸화 기반SW 전략연구원 혁신연구부 디렉터 | 2026.4.21 |
| #23 | 차량 기반 SW 생태계—협업에서 공생으로의 진화 경로 | 장지강(张志刚), 지총과기 부총경리 | 2026.4.21 |
| #24 | AI 시대 AUTOSAR 플랫폼 전략—툴체인에서 엔지니어링 체계로 전면 업그레이드 | 이양(李洋), ETAS 기술 프로젝트 매니저 | 2026.4.21 |
| #25 | AUTOSAR Adaptive 플랫폼·통합 모델링 기반 SOA 참조 개발·테스트 구현 | 위민(魏旻), 지리자동차 그룹 SW 엔지니어 | 2026.4.21 |
| #26 | AUTOSAR Adaptive 플랫폼·통합 모델링 기반 SOA 참조 개발·테스트 구현 | 스웨타 바드라바티 파틸, 매스웍스 MathWorks 프로덕트 매니저 | 2026.4.21 |
| #27 | AIDV 환경의 차세대 진단 기술 트렌드와 실무 | 양강(杨刚), 징웨이헝룬 AUTOSAR 비즈니스 디렉터 | 2026.4.21 |
| #28 | R25-11 버전 소개 | 전가민(钱贾敏), AUTOSAR 중국 센터 기술관 | 2026.4.21 |
| #29 | AUTOSAR와 DDS로 구축하는 유연한 SDV 아키텍처 | 장이도(张二涛), RTI 시니어 기술 서비스 엔지니어 | 2026.4.21 |
| #30 | 멀티태스킹 메커니즘으로 BSW 플랫폼 성능 최적화 | 장진성(张晋盛), FPT 시니어 기술 매니저 | 2026.4.21 |
| #31 | AUTOSAR 중국 커뮤니티—발전·뉴스·활동 | 왕로(王露), AUTOSAR China Hub Support | 2026.4.21 |
| #32 | CAPI 기여—AUTOSAR 코드 표준화 지원 | 이빙(李冰), 둥롼루이츠 수석과학자·도메인 컨트롤 기반 플랫폼 제품센터장 | 2026.4.21 |
| #33 | 중국 워킹그룹 진전 소개 | 장정양(张正阳), AUTOSAR 중국 워킹그룹 멘토 | 2026.4.21 |
| #34 | 【고급대담2】 | 알렉산더 장·김철·Will Marshall·Raj Shamani·Prit Banerjee | 2026.4.21 |
| #35 | 【폐회】 | — | 2026.4.21 |
| #36 | 【폐회】 2026 제7회 SDV 포럼·AUTOSAR 중국일 | — | 2026.4.21 |
| #37 | 【핫토픽 대담】 SDV의 AI 네이티브 단계 진입—플랫폼 주도권·AUTOSAR 경계·연산 비용 경쟁 | 지리자동차·BYD·NIO·샤오펑 등 | 2026.4.21 |