운전자가 스티어링 휠에서 손을 떼고 보조석의 승객과 대화에 몰입한다. 차창 밖으로는 복잡한 도심의 야경이 스쳐 지나가지만, 차량은 수십 개의 센서를 통해 초당 수조 번의 연산을 수행하며 교차로와 보행자를 유연하게 피한다.

예: 안개가 자욱한 새벽 도로 위를 달리는 차량 내부에서 운전자가 휴식을 취하는 동안, 시스템은 실시간으로 노면 상태를 파악하고 가시거리를 확보하며 안전하게 목적지로 향한다.

메르세데스-벤츠가 창립 140주년을 앞두고 엔비디아(NVIDIA)와 손잡고 '레벨 4(L4) 자율주행' 시대를 정조준한다. 단순히 주행 보조 시스템을 개선하는 수준을 넘어, 하드웨어와 소프트웨어를 완전히 통합한 새로운 AI 아키텍처를 차세대 S-클래스에 도입한다는 계획이다. 이는 자동차를 단순한 이동 수단에서 바퀴 달린 고성능 AI 슈퍼컴퓨터로 재정의하는 중대한 변곡점이다.

세 줄 요약

• 핵심 이슈: 메르세데스-벤츠가 엔비디아 드라이브 하이페리온(DRIVE Hyperion) 아키텍처와 자체 운영체제 MB.OS를 결합해 레벨 4 자율주행 대응이 가능한 하드웨어 기반을 구축한다.
• 중요성: 블랙웰(Blackwell) 아키텍처 기반 드라이브 토르(DRIVE Thor) 가속기를 도입해 단일 SoC당 1,000 TOPS 이상의 연산 성능을 확보했으며, 이는 실시간 데이터 처리와 안전을 위한 이중화(Redundancy)의 핵심이다.
• 실행 지침: 자율주행 관련 하드웨어 설계자와 전략 수립가는 단순 연산 성능 수치에 매몰되지 말고, 차량과 클라우드를 잇는 '폐쇄형 데이터 루프(Closed-loop)' 인프라의 구축 완성도를 우선 검증해야 한다.

현황: 블랙웰 기반의 강력한 연산 토대

메르세데스-벤츠가 도입하는 엔비디아 드라이브 하이페리온 10(NVIDIA DRIVE Hyperion 10) 플랫폼은 자율주행 레벨 4 구현을 위한 고성능 컴퓨팅의 집합체다. 핵심은 엔비디아의 차세대 가속기인 '드라이브 토르(DRIVE Thor)'다. 블랙웰 아키텍처를 채택한 이 가속기는 단일 시스템 온 칩(SoC)에서 1,000 INT8 TOPS 또는 2,000 FP4 TFLOPS 이상의 연산 성능을 발휘한다.

이 플랫폼의 가장 큰 특징은 압도적인 센서 수용 능력과 안전을 위한 설계다. 하이페리온 10 아키텍처는 다음과 같은 사양을 포함한다.

• 센서 구성: 14개의 고해상도 카메라, 9개의 레이더, 1개의 라이다(LiDAR), 12개의 초음파 센서가 차량 주변 360도를 실시간으로 감시한다.
• 이중화 설계: 하나의 보드에 두 개의 드라이브 토르 SoC를 탑재한다. 이는 주 프로세서에 오류가 발생하더라도 보조 프로세서가 즉시 제어권을 승계해 안전을 확보하기 위함이다.
• 소프트웨어 통합: 메르세데스-벤츠의 독자적 운영체제인 MB.OS가 엔비디아 AI 플랫폼과 심층 통합되어 하드웨어 자원을 효율적으로 관리한다.

메르세데스-벤츠는 이 기술을 차세대 S-클래스부터 적용할 계획이다. 구체적인 양산 및 소비자 인도 시점은 2026년 이후가 될 것으로 예상되나, 하드웨어 아키텍처의 공개는 이미 기술적 준비가 완료 단계에 접어들었음을 시사한다.

분석: '칩 투 클라우드'가 만드는 신뢰의 가치

이번 협력의 핵심은 단순히 성능 좋은 칩을 차에 넣는 것이 아니라, 차량과 클라우드가 실시간으로 상호작용하는 '에코시스템'을 구축하는 데 있다. 이를 위해 벤츠는 '폐쇄형 데이터 루프(Closed-loop)' 메커니즘을 도입했다.

차량 내 설치된 하이페리온 아키텍처가 도로 위에서 방대한 데이터를 수집하면, 이 데이터는 엔비디아 DGX 시스템 기반의 클라우드 인프라로 전송된다. 여기서 데이터는 AI 모델 재학습에 사용되며, 물리 법칙이 적용된 시뮬레이션 환경인 엔비디아 옴니버스(Omniverse)에서 수조 번의 검증 과정을 거친다. 이후 검증이 완료된 모델은 무선 업데이트(OTA)를 통해 다시 차량으로 배포된다.

이 방식은 자율주행의 신뢰성을 획기적으로 높인다. 기존의 고정된 알고리즘과 달리, 실제 도로에서 발생하는 예외 상황(Edge Cases)을 학습 데이터로 전환하여 시스템을 지속적으로 진화시킬 수 있기 때문이다. 벤츠가 이를 '신뢰를 위해 설계된 아키텍처'라고 부르는 이유이기도 하다.

하지만 한계와 우려도 존재한다.

1. 에너지 효율과 발열: 1,000 TOPS 이상의 성능을 내는 고성능 SoC는 필연적으로 높은 전력을 소모한다. 전기차의 경우 주행 거리 단축으로 이어질 수 있으며, 고성능 컴퓨팅 모듈의 냉각 시스템 설계가 또 다른 과제가 된다.
2. 데이터 처리 지연: 차량에서 클라우드로 대규모 데이터를 전송하는 과정에서의 대역폭 한계와 압축 방식에 대한 구체적인 수치는 아직 명확히 공개되지 않았다. 실시간성이 중요한 자율주행에서 데이터 루프의 지연 시간(Latency)은 안전과 직결되는 요소다.
3. 비용 부담: 고성능 하드웨어와 라이다를 포함한 고가의 센서 스위트는 차량 가격 상승의 주요 원인이 된다. 이는 초기 적용 모델이 S-클래스와 같은 하이엔드 차종에 국한될 수밖에 없음을 의미한다.

실전 적용: 미래 모빌리티를 위한 의사결정

기업의 하드웨어 전략가나 AI 엔지니어는 벤츠와 엔비디아의 협력 모델에서 하드웨어 사양 이상의 전략적 맥락을 읽어내야 한다. 자율주행 경쟁력은 이제 '얼마나 많은 연산을 하는가'가 아니라 '얼마나 가치 있는 데이터를 빠르게 학습 루프에 태우는가'로 이동하고 있다.

개발자들은 하이페리온 플랫폼이 제공하는 SDK를 활용해 특정 주행 환경에 최적화된 AI 모델을 실험할 수 있는 환경을 선제적으로 구축해야 한다. 또한, 제조사는 차량 내부의 컴퓨팅 자원을 주행 외에도 인포테인먼트나 차내 비서 서비스에 어떻게 효율적으로 배분할지에 대한 워크로드 관리 전략을 수립해야 한다.

오늘 바로 할 일 체크리스트:

• 현재 추진 중인 자율주행 프로젝트의 하드웨어 이중화(Redundancy) 설계가 레벨 4 수준의 안전 규제를 충족하는지 검토하라.
• 차량에서 수집된 데이터를 클라우드에서 학습시키고 다시 배포하는 '데이터 파이프라인'의 자동화 수준을 측정하라.
• 차세대 가속기(Thor 등) 도입 시 예상되는 전력 소모량이 차량의 배터리 관리 시스템(BMS)에 미치는 영향을 시뮬레이션하라.

FAQ

Q: 레벨 4와 레벨 3 자율주행의 결정적인 차이는 무엇인가? A: 레벨 3는 시스템이 요청할 경우 운전자가 즉시 제어권을 넘겨받아야 하지만, 레벨 4는 특정 조건(ODD, 설계 주행 영역) 내에서 시스템이 모든 주행을 책임지며 운전자의 개입이 필요하지 않다. 벤츠의 하이페리온 아키텍처는 바로 이 '시스템 책임' 단계를 견딜 수 있는 연산력과 백업 시스템을 갖추는 데 초점을 맞추고 있다.

Q: 왜 기존 오린(Orin) 대신 토르(Thor) 가속기를 선택했는가? A: 레벨 2~3 수준에서는 254 TOPS 성능의 오린으로도 충분했으나, 레벨 4는 10개 이상의 고해상도 카메라와 라이다 데이터를 실시간으로 융합 처리해야 한다. 토르는 오린 대비 약 4배 이상의 성능을 제공하여 복잡한 트랜스포머 모델 기반의 AI 알고리즘을 지연 없이 구동할 수 있다.

Q: 옴니버스(Omniverse) 시뮬레이션은 왜 중요한가? A: 실제 도로에서 사고가 날 수 있는 위험한 상황을 직접 테스트하는 것은 불가능하다. 옴니버스는 현실과 동일한 물리 법칙이 적용된 가상 세계를 제공하여, AI가 수백만 번의 가상 사고를 겪으며 안전한 회피 기동을 학습할 수 있게 한다.

결론

메르세데스-벤츠와 엔비디아의 이번 협력은 자율주행 기술의 주도권이 기계 공학에서 AI 연산 성능과 데이터 파이프라인으로 완전히 넘어왔음을 보여준다. S-클래스에 탑재될 하이페리온 아키텍처는 단순한 기술 과시가 아닌, 레벨 4 자율주행이라는 극도의 안전성을 담보하기 위한 필수적인 인프라 투자다.

앞으로 주목할 점은 이 고성능 아키텍처가 S-클래스를 넘어 하위 라인업으로 얼마나 빠르게 확산될 수 있느냐는 점이다. 또한, 각국 정부의 자율주행 규제와 인프라 구축 속도가 벤츠의 기술적 준비 속도를 따라올 수 있을지가 실제 상용화의 마지막 퍼즐이 될 것이다.

참고 자료

• 🛡️ High-Performance In-Vehicle Computing for Autonomous Vehicles - NVIDIA
• 🛡️ Hardware for Self-Driving Cars - NVIDIA
• 🛡️ Mercedes-Benz Taking Vehicle Product Lifecycle Digital With NVIDIA AI and Omniverse
• 🛡️ blogs.nvidia.com