현대차·카카오, 광주 자율주행 실증도시 사업 참전…미래 모빌리티 경쟁의 서막

자율주행 기술 실증, 새로운 기회의 장 열리다

국내 대표 모빌리티 기업인 현대자동차와 카카오모빌리티가 '광주 자율주행 실증도시 조성사업' 참여를 검토하며 미래 모빌리티 시장의 경쟁이 더욱 치열해지고 있습니다. 당초 협력사 참여를 예상했던 것과 달리, 두 기업 모두 기술 실증 기업으로서 직접 참여하는 방안을 적극적으로 모색하고 있습니다. 이는 자율주행 기술 개발에 필수적인 데이터 확보의 중요성이 날로 커지고 있기 때문입니다. 광주시는 국내 최초로 도시 전체를 자율주행 테스트베드로 삼아, 오는 4월 13일까지 참여 기업 신청을 받은 후 3개 내외의 기업을 선정하여 총 200대의 자율주행차를 배분할 계획입니다. 카카오모빌리티는 자체 자율주행 기술과 플랫폼 역량을 바탕으로 실증도시 성공에 기여할 수 있는 방안을 다각도로 검토 중이라고 밝혔습니다.

 

 

 

 

데이터 확보 경쟁 심화, E2E AI 기술의 중요성 부각

현대차와 카카오모빌리티가 기술 실증 참여까지 고려하게 된 배경에는 자율주행 기술 방식의 변화가 있습니다. 최근 테슬라를 필두로 인공지능(AI)이 주도하는 엔드투엔드(E2E) AI 방식의 채택이 가속화되고 있습니다. E2E AI 모델의 성능을 높이기 위해서는 다양한 실제 주행 데이터, 특히 예측하기 어려운 예외 상황에 대한 데이터 확보가 필수적입니다. 하지만 현재 국내 자율주행 시범운행 지구는 대부분 고속도로에 집중되어 있어 데이터 다양성을 확보하는 데 한계가 있었습니다. 광주 자율주행 실증도시 조성사업은 이러한 데이터 확보의 어려움을 해소하고, 도시 전체를 테스트베드로 활용할 수 있다는 점에서 대기업들의 높은 관심을 받고 있습니다.

 

 

 

 

광주, 자율주행 상용화를 위한 규제 완화 테스트베드

정부의 광주 자율주행 실증도시 조성사업은 레벨 4 자율주행 상용화를 목표로, 광주 지역의 규제를 완화하여 실증을 지원하는 데 그 목적이 있습니다. 이는 참여 기업들에게 매우 의미 있는 기회가 될 것으로 평가받고 있습니다. 현대차와 카카오모빌리티는 이미 지난해 국토부의 사전 조사에서 수십~수백 대 규모의 참여 의향을 밝힌 바 있습니다. 이번 사업을 통해 기업들은 실제 도시 환경에서 자율주행 기술을 시험하고 데이터를 축적함으로써 기술 경쟁력을 한층 강화할 수 있을 것으로 기대됩니다.

 

 

 

 

기업들의 적극적인 행보와 미래 기술 개발 경쟁

두 기업은 자율주행 기술 개발을 위해 부쩍 적극적인 행보를 보이고 있습니다. 카카오모빌리티는 플랫폼 서비스와 인프라를 갖춘 자율주행 기업으로의 전환을 목표로 전국 각지에서 실증 경험을 쌓아왔으며, 최근에는 서울에서의 여객 주행을 앞두고 사내 조직을 강화했습니다. 현대차 역시 첨단차량플랫폼 본부장을 영입하며 기술 개발에 박차를 가하고 있으며, 규칙 기반 기술과 E2E AI 모델을 결합하는 하이브리드 방식을 추진하고 있습니다. 자회사 포티투닷의 자체 모델 '아트리아 AI' 활용 및 엔비디아의 솔루션 차용 등 다양한 방안을 검토 중입니다.

 

 

 

 

미래 모빌리티 경쟁의 새로운 장, 광주에서 펼쳐지다

현대차와 카카오모빌리티의 광주 자율주행 실증도시 사업 참여 검토는 국내 자율주행 기술 발전의 중요한 전환점이 될 것입니다. 데이터 확보의 어려움을 해소하고, 도시 전체를 테스트베드로 활용함으로써 레벨 4 자율주행 상용화를 앞당길 것으로 기대됩니다. 이는 미래 모빌리티 시장의 주도권을 잡기 위한 기업 간 경쟁이 더욱 심화될 것임을 예고합니다.

 

 

 

 

자율주행 실증도시 사업, 궁금한 점들

Q.광주 자율주행 실증도시 조성사업은 언제 선정되나요?

A.국토교통부는 4월 중 참여 기업을 선정할 계획입니다.

 

Q.어떤 기업들이 참여를 검토하고 있나요?

A.현대자동차, 카카오모빌리티 외에도 오토노머스에이투지, 라이드플럭스 등 스타트업과 쏘카, 삼성화재, 현대해상 등 다양한 기업들이 참여 의사를 보이고 있습니다.

 

Q.E2E AI 방식이란 무엇인가요?

A.인공지능(AI)이 주도하여 복잡한 주행 상황을 스스로 판단하고 제어하는 자율주행 기술 방식입니다. 다양한 실제 주행 데이터 학습이 중요합니다.