"판 차가 다시 기술을 키운다"… 현대차가 GPU 5만 장을 쌓는 이유

▲ 양산차가 매일 만드는 주행 장면. 현대차는 이 데이터를 AI 학습 자산으로 보고 있다

자율주행 경쟁에서 가장 비싼 자원은 알고리즘이 아닙니다. 실제 도로에서 벌어진 돌발 상황 데이터입니다.

현대차는 그 자원을 이미 갖고 있습니다. 현대차그룹의 연간 판매 규모는 700만 대 이상입니다. 2026 CEO 인베스터 데이에서 나온 전략은 이 판매량을 AI 학습 속도로 바꾸겠다는 것이었습니다.

1. 데이터 플라이휠이라는 구조

현대차가 SDV의 핵심으로 제시한 것은 데이터 플라이휠입니다. 차량에서 데이터를 수집하고 분석한 뒤 AI와 서비스를 개선하고, 그 결과를 무선 업데이트로 다시 배포하는 선순환 구조입니다.

핵심은 이 바퀴가 한 번 돌기 시작하면 차가 팔릴수록 빨라진다는 점입니다. 시험차 몇 대로는 만나기 어려운 돌발 상황을, 양산차 수백만 대는 매일 마주칩니다.

▲ 소프트웨어 중심 차량에서는 출고 이후에도 기능이 계속 바뀐다 ⓒ Wikimedia Commons

문제는 데이터가 한 곳에 있지 않다는 것입니다. 현대차와 기아, 포티투닷, 모셔널이 각각 데이터를 확보해 왔지만 형식이 달랐습니다.

현대차는 이를 일관된 기준으로 통합하기 위해 엔비디아 생태계를 바탕으로 센서 체계를 표준화합니다. 계열사마다 다른 형식으로 쌓이던 데이터를 하나의 학습 기반으로 묶겠다는 뜻입니다.

📍 센서 표준화가 왜 중요한가

카메라 화각과 해상도, 라이다 배치, 좌표계가 다르면 같은 장면도 다른 데이터가 됩니다.

학습 데이터를 합치려면 형식부터 맞춰야 합니다. 표준화는 화려하지 않지만, 이 작업 없이는 데이터 규모가 커져도 학습 효율이 따라 오르지 않습니다.

현대차는 2026년 말 광주 지역에 자율주행 AI 아트리아 AI를 투입해 돌발 상황 데이터를 확보합니다. 이후 2028년, 엔비디아와 협업한 첫 SDV 양산 모델에 레벨 2+ 기술을 적용할 계획입니다.

양산차에서 모은 주행 데이터는 다시 아트리아 AI 학습에 활용하고, 개선된 기능은 업데이트로 차량에 배포합니다. 현대차는 이 과정을 반복해 적용 차종을 늘리고, 장기적으로 레벨 2+부터 레벨 4까지 자율주행 기술 라인업을 구축한다는 구상입니다.

▲ AI 역량 확보는 자율주행 한 분야에만 쓰이는 투자가 아니다 ⓒ Damian B Oh / Wikimedia Commons (CC BY-SA 4.0)

여기서 오해하기 쉬운 지점이 있습니다. 레벨 2+가 곧 완전자율주행을 뜻하지는 않습니다.

실제로 운전자가 어디까지 주행을 맡길 수 있는지는 적용 국가의 법규와 센서 구성, 양산차 기능이 공개돼야 판단할 수 있습니다. 2028년이라는 일정만 보고 운전 책임에서 자유로워지는 차를 기대해서는 안 됩니다.

주행 데이터가 크게 늘어나는 2029년부터는 새만금 AI 데이터센터가 가동됩니다. 규모는 100MW급이며 5만 장 이상의 GPU를 수용할 수 있도록 계획됐습니다.

방대한 영상과 센서 데이터를 학습시키는 자율주행 AI의 계산 수요를 자체 인프라로 받치기 위한 시설입니다. 클라우드를 빌려 쓰는 방식과 비교하면 초기 비용은 크지만, 학습을 반복할수록 비용 구조가 달라집니다.

GPU 5만 장이 곧 경쟁력은 아닙니다. 어떤 데이터를 골라 학습시키고, 오류를 얼마나 빨리 찾아 수정하며, 업데이트를 안전하게 배포하느냐가 실제 성능을 가릅니다. 데이터센터는 이 과정을 빠르게 돌리는 기반일 뿐입니다.

현대차의 승부수는 자율주행 기술 한두 개보다 양산체계와 AI, 데이터센터를 한 줄로 연결한 데 있습니다. 계획대로 작동한다면 매년 판매하는 수백만 대의 차량은 제품인 동시에 거대한 학습망이 됩니다.