인터뷰 엔비디아 차정훈 상무

자율주행 차량에 부착되는 센서의 종류와 개수가 많아지고, 점점 성능이 고도화 되면서 센서단에서 생성되는 데이터의 양이 상당히 많아지고 있다. 방대한 데이터를 처리하기 위해 자율주행에 있어 AI 컴퓨팅은 필수적인 요소가 되고 있다. 현재 AI 컴퓨팅 분야를 이끄는 대표 기업 중 하나인 엔비디아는 특히 자율주행 분야에서는 고성능 컴퓨팅을 위한 소프트웨어, 하드웨어 뿐만 아니라 시뮬레이션을 통한 검증 솔루션까지 지원하고 있다.

엔비디아의 차정훈 상무를 만나 엔비디아의 자율주행 인공지능 컴퓨팅 솔루션과 자율주행 기술에 대한 전망에 대해 물었다.

Q_인공지능(AI)과 딥 러닝(Deep Learning)은 차세대 자율주행차에 있어 핵심 요소입니다. 이 둘의 활용을 가장 잘하고 있는 케이스가 엔비디아라고 할 수 있는데요, 엔비디아가 이들 기술에 강점을 가질 수 있는 배경은 무엇입니까?

A_ 아무래도 현재 인공지능을 프로세싱할 수 있는 가장 강력한 엔진을 엔비디아가 제공하고 있기 때문이라고 말씀드릴 수 있을 것 같습니다. 대표적으로 CUDA가 있습니다. CUDA는 엔비디아 GPU에 특화된 병렬컴퓨팅 툴킷이라고 할 수도 있고, 랭귀지라고 할 수도 있는데, 성능과 그에 대한 에코시스템이 무엇보다 잘 되어 있습니다. 현재 대부분의 인공지능을 연구하고 알고리즘을 만들어내는 엔지니어들은 구글의 텐서플로우 같은 프레임워크를 사용해 그 위에 알고리즘을 만들어냅니다. 그 프레임워크를 가속시키는게 바로 엔비디아의 플랫폼입니다. CUDA는 그 아랫단인 하드웨어를 병렬화시킬 수 있는 소프트웨어입니다.



Q_ 최근 상무님께서 어느 강연에서, AI를 ‘첨단 노가다’라고 표현하셨습니다. 그만큼 높은 수준의 기술이지만, 시간과 노력이 많이 필요하다는 뜻으로 말씀하신 것이라 생각됩니다.

A_ ‘첨단 노가다’라고 말했던 이유는 일부 사람들이 AI에 대해 오해하고 있는 부분이 있기 때문입니다. 어떤 분들은 AI라고하면 뭐든지 알아서 잘 수행하거나, 우리가 필요로 하는 중요한 알고리즘 등을 스스로 만들어낸다고 착각하시기도 합니다. 사실은 전혀 그렇지 않습니다. 그 인공지능을 만들기 위해서는 데이터 사이언티스트, 레이블러 등등 많은 인력들에 의해 데이터의 전처리부터 굉장히 많은 작업들이 필요합니다


Q_ 엔비디아의 드라이브 플랫폼의 시뮬레이션 기술인 ‘드라이브 컨스텔레이션’은 자율차의 안전을 위해서 굉장히 중요한 일인 것 같습니다. 안전성 검증을 위한 시뮬레이션이 얼마나 중요한 일이며, 차별성은 어디에 있습니까?

A_ 미국의 한 연구소에서 발행한 리포트를 보면 시뮬레이션을 통한 검증이 얼마나 필수적인지 알 수 있습니다. 미국 교통안전국에서 데이터화한 미국의 일반 운전자의 사고율, 치사율 등의 정보를 기준으로, 자율주행차가 최소 사람수준으로 안전하게 운전할 수 있는 수준임을 검증하려면 100대의 자율주행차량을 24시간, 하루도 안 쉬고 돌린다고 했을 때 100년이 넘는 시간이 걸린다는 결과가 나왔습니다. 그것도 알고리즘, 소프트웨어, 하드웨어를 모두 완성수준인 자율주행차로 검증한다고 가정했을 때의 결과입니다.

즉, 더 보완할 것이 없는 완성된 기술을 필드에서 검증하는데만 필요한 시간인 것입니다. 그 정도로 검증해서 문제가 없다고 증명해야 통계적으로 인간드라이버 수준의 안전성을 구현할 수 있는 것입니다. 다시 말하면, 지금의 방식으로는 안 된다는 이야기입니다. 지금처럼 개발하면서 검증하고, 보완하는 식의 모델로는 자율주행 자동차를 만들어낼 방법이 없는 것이죠. 그것을 해결할 수 있는 방안은 결국 시뮬레이션입니다. 굉장히 고집적화 되어있는 데이터 센터에서 실제와 다름없는 환경에서 검증을 해야 합니다.

물론 기존에도 제어로직 시뮬레이션, 환경 시뮬레이션, 교통 흐름에 대한 시뮬레이션 등을 제공하는 회사는 많이 있었습니다. 엔비디아는 그런 것들을 모아서 소프트웨어 기반의 시뮬레이션 뿐만 아니라 실제로 자율주행 자동차에 들어가는 플랫폼까지 같이 연계시켜서 하드웨어 기반의 테스트를 버츄얼 환경에 구현하고자 합니다. 그렇게 해야만 아까 말씀드린 안전성을 검증하는 과정에 필요한 많은 시간과 노력들을 크게 줄일 수 있고, 그렇게 되면 자율주행차를 제품화할 수 있는 기틀이 마련될 것입니다.


Q_ 엔비디아는 최근 안전하고 편안한 주행 경험을 구현하도록 설계된 제어 레이어를 적용한 드라이브 AV(세이프티 포스필드) 자율주행차 소프트웨어 제품군을 강화하기도 했습니다. 충돌 방지를 위해 주변환경을 분석하고 예측한다고 설명하고 있는데, 특히 강력한 계산 기능을 강조했습니다. 좀 더 자세한 설명, 특히 하드웨어와의 관계를 설명해주세요

A_ 세이프티 포스필드는 아주 간단하게 설명을 드리면, 주변의 차량의 속도, 진행방향을 통해 일정 시간 뒤 해당 차량의 위치를 예상하고, 그 예상을 벡터화 시킵니다. 주변 차량과 내 차량의 벡터가 겹치는 곳이 생긴다면 그 시점에 충돌이 발생한다는 뜻이 되는 것이죠. 그런 것들을 최소화 하게끔 실시간으로 벡터값을 계산하고, 어쩔 수 없이 부딪히는 상황이 올 것이라고 판단되면 감속하거나 멈추는 활동을 취하게 됩니다.

이게 가능하려면 순간적으로 굉장히 많은 량의 데이터를 빠르게 계산해내야 합니다. 그래서 계산 기능이 중요한 것입니다. 이러한 연산이 가능하려면 하드웨어적인 요소도 뒷받침되어야 하는데 이를 위한 하드웨어가 바로 ‘페가수스’입니다.



Q_ 지난해 10월, ‘드라이브 PX2’ 대비 10배 이상 뛰어난 성능을 가진 컴퓨터 페가수스를 발표했습니다. 크기도 작고 뛰어난 연산능력을 보여주는데, 현재 페가수스는 어느 단계에 와있고, 향후 자율차에 어떤 변화를 가져올 것으로 전망하십니까?

A_ 현재 이미 자동차에는 많은 반도체들이 들어가 있습니다. 그 반도체들의 주 역할은 모터, 흡기·배기밸브, 역학적 운동 제어, 브레이크·엑셀의 세기 조절 등입니다. 예전과 달리 전자제어로 차량의 대부분을 움직일 수 있게 됐습니다. 주변환경을 잘 인지하고 환경에 따라 판단을 빨리하게 되면 제어는 얼마든지 전자제어로 통제할 수 있습니다. 그렇기 때문에 주변을 더 빨리 인지하고 판단하기 위해 점점 성능이 높은 컴퓨터가 필요한 것입니다.

당연한 말이지만 정밀한 고성능 센서를 장착하는 게 자율주행차에 좋습니다. 고성능의 센서를 장착한다는 이야기는 그만큼 많은 데이터가 빠른 시간 안에 들어온다는 이야기입니다. 즉, 그 많은 데이터를 빠른 시간 안에 프로세싱할 수 있는 컴퓨터가 필요한 것이죠. 그렇기 때문에 앞으로 컴퓨터의 성능이 점점 더 올라갈 것입니다. 프로세싱 능력이 올라가지 않고서는 빠른 시간 안에 방대한 데이터를 처리해낼 방법이 없습니다.

그렇기 때문에 엔비디아는 2015년에 ‘드라이브 PX’, 2016년에 ‘드라이브 PX2’, 2018년에 ‘페가수스’를 발표할 수밖에 없었던 것입니다.


Q_ 자율주행 시대에는 클라우드 컴퓨팅 서비스 구축이 핵심적인 비즈니스 모델이 될 것으로 보입니다. 이를 선점하기 위해서는 각 주체들이 어떻게 무엇을 준비해야 할까요?

A_ 일단 첫 번째 중요한 게 고성능의 차량용 컴퓨터입니다. 고성능의 차량용 컴퓨터에 필요로하는 SW는 고성능의 클라우드 컴퓨터에 구현됩니다. 클라우드 컴퓨터에서 AI 딥러닝, 혹은 다른 기법들을 활용해서 SW가 만들어집니다. 이렇게 만들어진 SW가 차량용 컴퓨터에 이식(Porting)되는 것이죠. AI 딥러닝을 활용한 인지?판단 알고리즘들은 데이터량이 워낙 방대하고 해야 할 커버리지들이 많기 때문입니다. 연산양이 워낙 크고 알고리즘들은 수도 없이 변화됩니다. 그것들을 만들려면 대용량의 클라우드 컴퓨터와 AI 슈퍼컴퓨터가 있어야 합니다.

앞으로는 Maas(Mobility as a Service)로 진화할 것입니다. 지금 Maas를 이미 시장에 공급하고 있는 우버나, 그랩 같은 기업들은 이미 클라우드 인프라 스트럭쳐를 가지고 있는 것입니다. 내 차가 우버 드라이버를 위한 차로 등록이 됐다면 내 차의 움직임, 기록 등이 다 우버 클라우드 센터로 가서 모니터됩니다.

그리고 향후에는 클라우드 컴퓨터와 AI 슈퍼컴퓨터가 하나로 합쳐질 것입니다. 이것들을 잘 활용하고 합쳐 필요에 따라 리소스를 잘 분배해서 운용하는 회사들이 앞으로 위너가 될 것입니다.

이를 위해서는 3가지가 준비되어야 합니다. 첫 번째는 컴퓨터 인프라 스트럭쳐가 가장 중요합니다. 두 번째는 이를 위한 61데이터를 모을 수 있는 환경을 구축해야하고, 세 번째는 실제 서비스 될 수 있는 알고리즘을 만들어야 합니다. 우리나라의 상황을 보면, 서비스를 할 수 있는 회사들은 많이 있습니다. 그러나 아직 대용량의 클라우드 슈퍼컴퓨터를 기반으로 하는 AI 딥러닝 개발 등은 빅플레이어들에 비해 낮은 수준입니다. 그러다보니 데이터라던지 그 자체의 알고리즘을 발전시키는 것은 좀 더 가야할 길이 많이 남아있습니다



Q_ 엔비디아 지능형 영상 분석기술은 엣지 단계에서 이뤄지는 것으로 압니다. 엣지 단계에서 이뤄지면 어떤 장점이 있으며 어떠한 기술이 뒷받침 되어야 하는지요, 인텔리전트 비디오 분석(IVA) 기술의 전망과 함께 말씀 부탁드립니다.

A_ 엣지에서 이뤄지지 않는다면 모든 데이터를 다 클라우드로 보내줘야 합니다. 예를 들어 초당 30프레임으로 촬영되는 CCTV의 영상을 전부 클라우드로 보내려면 네트워크 병목현상과 같은 문제가 발생할 것입니다. 클라우드로 모든 데이터를 보내는 것은 의미가 없는 것이죠. 이러한 이유로 카메라의 인텔리전스를 강화하기 위해 카메라에도 AI나 딥러닝을 활용한 인텔리전스를 넣자는 시도가 있었습니다. 꼭 필요한 데이터만 올려 보내는 것입니다. 이를 통해 트래픽, 스토리지 문제를 없앨 수 있습니다. 자율주행차와 마찬가지로 이 카메라의 인텔리전스는 카메라에서 만들어지는 것이 아니라 데이터센터에서 만들어집니다.

관제나 CCTV의 매니지먼트를 실시간성으로 구현할 수 있다는 장점이 있습니다. 엣지 컴퓨팅이라고 해서 엣지에서만 이뤄지면 그것도 하나의 멍청한 엣지가 되는 것입니다. 클라우드, AI 슈퍼컴퓨터에 대한 고민과 준비 없이 엣지만 만든다면, 길게 보면 좋은 방법이 아닙니다. 클라우드 데이터 센터, 엣지에서 같은 플랫폼을 통해 지원하면 클라우드에서 만들어진 인텔리전스를 쉽게 엣지에 이식할 수 있게 될 것입니다. 그게 앞으로 중요한 기술적인 문제점을 해결할 수 있는 방안입니다. 엔비디아 전략도 그러합니다.


Q_ 자율주행차는 거스를 수 없는 대세이나 걸림돌도 많습니다. 그래서 기술의 빠른 발전에도불구하고 한편으로는 느린 감도 없지 않습니다. 단순히 차량만 첨단이 되어서 되는 일이 아니기 때문입니다. 향후 전망을 어떻게 보십니까. 어떤 문제를 빨리 해결해야 하고 어떤 장애를 극복해야 하는지, 어느 시기에 급격히 발전하겠는지.

A_ 가장 큰 걸림돌은 말씀하신 것처럼 차량만 첨단이 되어서는 안 됩니다. 그럼 무엇이 또 첨단이 되어야 하느냐, 아무도 그걸 아직 잘 모른다는 게 걸림돌입니다. 그러나 (업계 연구자, 관계자들이) 이걸 알아가고 있는 중입니다. 누군가 어떤게 필요한지 알게 되고 빨리 제품화가 이뤄진다면 자연스럽게 문제가 하나둘씩 해결될 것입니다.

두 번째는 차량만이 첨단이 아니고 아까 말씀드렸던 것처럼 데이터센터, 데이터센터에서 돌아가는 슈퍼컴퓨터가 첨단화가 되어야 합니다. 이것이 이제 실제로 제품화가 가능한 시점이 되면 가속화 될 것입니다.

마지막으로 우리가 자율주행차에서 우리가 핵심적으로 잊지 말아야 할 가치 중에 하나가 바로 안전(Safety)입니다. 핸드폰이나 AI 스피커 등은 기존에 우리가 알고 있던 소프트웨어, 하드웨어를 개발하던 방식으로 만들면 됩니다. 그런데 자율주행차에는 안전인증이 들어가야 하고, 그 안전인증을 거의 모든 컴포넌트에서 받아야 합니다. 첨단 자동차 뿐 아니라 그 위에 올라가는 알고리즘, 데이터 센터까지도 안전에 대한 검증이 필요합니다. 사실 시간은 여기서 걸리는 것입니다. 기술적인 가능성이나 한계점이 있는 것이 아니라 안전인증을 위해서 하드웨어 소프트웨어 개발 과정들을 다시 다 맞춰서 하고 있기 때문에 늦어지고 있습니다.


Q_ 끝으로 엔비디아의 장단기 비전이 있다면 소개해 주시고, 엔비디아가 국내 관련 산업에 어떠한 방식으로 기여하고 있다고 생각하는지, 하실 말씀이 있다면.

A_ 장기, 단기를 나누는 게 의미는 없다고 생각합니다. 엔비디아라는 회사의 DNA는 심플합니다. GPU를 가지고 가장 효과적인 컴퓨팅 플랫폼을 만드는 것입니다. 저희가 생각하기에 GPU를 활용한 가장 효과적인 컴퓨팅 플랫폼은 병렬컴퓨팅이었고, 그 병렬컴퓨팅을 만드는 것이 우리한테는 가장 중요한 것이었습니다. 인간이 병렬컴퓨팅을 가장 먼저 사용한게 게임이었고, 지금은 렌더링, AI 딥러닝에도 쓰이고 있습니다. 전 세계 어떤 컴퓨팅 플랫폼보다 효과적으로 가속화하자는 게 저희의 큰 비전입니다.

저희는 알고리즘, 서비스, 어플리케이션 등 과거의 컴퓨팅 방식으로 한계에 도달해있는 문제점들을 병렬 컴퓨팅 방식으로 해결해드리고자 합니다. 그 서비스들을 고도화하고 어플리케이션을 고도화 하는데 있어 도움을 드리는 게 목표입니다.