삼성전자가 이번에 생산하는 반도체는 첨단 운전자 지원 시스템(Advanced Driver Assistance Systems, ADAS)에 탑재되는 암바렐라의 최신 SoC(System on Chip) ‘CV3-AD685’이다.

CV3-AD685는 암바렐라의 차세대 인공지능 엔진(CVflow)을 탑재하고 있으며, 카메라와 레이다를 통해 입력된 운전 상황을 스스로 판단하고 제어하는 등 자율주행 차량의 두뇌 역할을 한다.

삼성전자는 첨단 5나노 공정에 오토모티브 전용 IP, 최신 공정, 패키징 기술과 노하우를 총 집약해 자율주행 차량용 고성능·저전력 반도체를 생산한다.

암바렐라의 CV3-AD685는 삼성전자의 첨단 5나노 공정 활용 등으로 인공지능 성능이 전작 대비 20배 이상 향상됐다.

삼성전자와 암바렐라의 협력은 자율주행차 분야에서 고성능·저전력 인공지능 반도체 기반 차세대 운전자 지원 시스템의 안전 수준을 한 차원 높일 것으로 기대된다.

암바렐라 CEO 페르미 왕(Fermi Wang) 사장은 “삼성전자와의 긴밀한 협업을 통해 첨단 5나노 공정에서 암바렐라의 최신작인 CV3-AD685 SoC를 생산하게 돼 기쁘다”며 “삼성전자의 검증된 오토모티브 공정을 통해 자율주행 첨단 운전자 지원 시스템과 ‘레벨 2+’부터 ‘레벨 4’ 구현에 필요한 높은 수준의 인공지능 성능과 전력 효율을 구현할 수 있게 됐다”고 밝혔다.

삼성전자 파운드리사업부 심상필 부사장은 “삼성전자의 첨단 5나노 공정은 자율주행 차량의 전례 없는 성능 향상을 가져온다”며 “앞으로 많은 자동차 업계 고객들이 CV3-AD SoC의 탁월한 성능을 경험할 수 있기를 기대한다”고 말했다.

한편, 삼성전자는 최신 4나노 공정도 오토모티브로 확대하는 등 파운드리 공정 기술 리더십을 강화하고 자율주행 차량 분야 신규 고객사를 지속 확대할 예정이며, 2027년까지 파운드리 사업에서 모바일 외 제품군의 매출 비중을 50% 이상 높여 나갈 계획이다.

운전 중 눈에 보이지 않는 위험을 미리 알려주는 안전 솔루션(Safety Solution), 좌석에 앉아 스크린으로 이동 중에 즐기는 콘서트 영상. 이처럼 차 안에서 다양한 경험을 하기 위해서는 빠르게 데이터를 송수신하는 차량용 통신 장비(Telematics Control Unit, TCU)가 필요하다.

TCU의 발전으로 자동차에서 할 수 있는 것들이 점점 더 늘어나는 만큼, 더욱 빠른 속도와 더 많은 데이터를 주고받을 수 있는 통신 기술의 중요성 역시 높아졌다. 2019년 세계 최초로 5G 통신 기술을 활용한 TCU를 선보인 삼성전자는 이제 5G mmWave^[1]에 주목하고 있다. 도로 위 수많은 정보들을 실시간으로 운전자에게 제공하고, 커넥티드 카 서비스를 구현하기 위해서는 대용량 데이터를 빠른 속도로 전송할 수 있는 5G mmWave 주파수 대역이 필요하기 때문.

5G mmWave 안테나와 시스템을 하나의 TCU 모듈로 통합한 ‘차량용 mmWave 5G TCU’로 또 한 번 혁신을 선보인 삼성전자의 노력을 소개한다.

‘초고속·초저지연·초연결성’, 커넥티드 카에서 5G mmWave가 필요한 이유

5G TCU는 차량 외부의 정보들을 운전자에게 제공하고, 빠른 인터넷으로 고화질의 영상을 감상할 수 있는 경험을 제공한다. 삼성전자는 5G TCU를 한 단계 업그레이드하면서, 주변 차량과 보행자, 인프라 사이의 신속한 통신을 위해 데이터 전송이 지연되는 시간을 최소한으로 줄이고, 대규모 차량을 한꺼번에 수용하기 위해서는 5G mmWave가 필요하다는 판단을 내렸다.

5G mmWave는 현재 대부분 무선 통신에서 사용하는 6GHz 이하 Sub-6 대역의 5~100MHz 보다 10배 이상 넓은 100MHz~1GHz 대역폭을 제공한다. 삼성전자는 2009년 초고주파수 대역에서 데이터 전송에 성공한 후 10년이 넘는 기간 동안 mmWave 5G 통신을 실제 상용 환경에서 구현할 수 있도록 연구개발에 매진해왔다. 이러한 노력이 뒷받침되어 차량용 mmWave 5G TCU 또한 선보일 수 있었던 것.

mmWave의 넓은 대역폭 덕분에 대용량 데이터를 더욱 빠르게 전송할 수 있어, 사용자는 필요로 하는 실시간 도로 상황과 차량 간의 통신 서비스를 원활하게 누릴 수 있다. 하지만 기존 무선 통신 주파수 대역보다 전파의 직진성이 강해 장애물의 회피나 투과가 어려운 만큼, 안정적인 통신을 위해서는 기존의 안테나 배치와 TCU 설계 기술에 변화가 필요했다.

mmWave와 빔포밍 기술이 만나 완성된 대용량 데이터 전송

5G mmWave를 효율적으로 송수신하고 사용하기 위해 삼성전자는 배열 안테나 빔포밍(Array Antenna Beamforming) 기술을 활용했다. 빔포밍은 안테나의 빔을 원하는 특정 방향으로 집중해서 강하게 전송하는 기술이다. 이를 활용해 원치 않는 간섭은 줄이면서 커버리지를 늘릴 수 있다. 전송 속도는 더 빨라지고, 연결 또한 보다 안정화된 것. 덕분에 차량 이동 중에도 초고속 데이터 송수신이 가능하다. 이를 위해 삼성전자는 많은 시행착오와 다양한 테스트를 거치며 회로를 설계, mmWave 5G TCU를 구현했다.

▲ 삼성전자가 개발한 차량용 mmWave 5G TCU

▲ 배열 안테나 빔포밍(Array Antenna Beamforming)

삼성전자 mmWave 기지국인 Compact Macro는 1,024개의 안테나 소자를 내장해 예리하고 정밀한 빔포밍을 지원한다. 이를 활용하면 시속 200km 이상으로 이동 중인 차량과도 끊김 없이 안정적으로 통신할 수 있다.

실제 자동차를 활용한 필드 테스트로 빔포밍 성능을 최적화하는 데에도 힘썼다. 이 외에도, 극한 지역에서도 견딜 수 있도록 소모 전류와 발열 테스트를 통해 최적의 방열구조를 설계·적용했다. 삼성전자는 여기에 그치지 않고, 무수한 돌발 상황에 대비하기 위해 다양한 유저 시나리오 발굴을 위해 노력 중이다.

자율주행, 위험 알림, VR 이벤트… mmWave 5G TCU가 여는 새로운 경험

5G mmWave 배열 안테나의 빔포밍 기술이 더해지며, 보다 더 다양한 커넥티드 카 경험이 가능해졌다. 차량용 mmWave 5G TCU가 상용화된다면, 빠르고 안정적인 통신으로 차량 내 서비스의 질이 한층 올라갈 것이기 때문. 또한 V2X(Vehicle to Everything, 차량·사물 간 통신) 서비스의 강화로 사용자는 안전한 주행뿐만 아니라 이동 중 즐기는 다양한 콘텐츠까지 끊김 없이 누릴 수 있게 된다.

mmWave 5G TCU를 통해 발전이 기대되는 기능 중 하나는 완전한 자율주행이다. 데이터 전송에 지연이 없는 실시간 통신으로 도로의 상태를 미리 파악하고 돌발 상황에도 늦지 않게 대응할 수 있기 때문. 더 나아가 한 명의 운전자가 여러 차량을 이끄는 군집 주행이나 원격으로 무인 자율 주행차를 움직이는 리모트 컨트롤 주행도 가능해질 예정이다. 또한, 운전자가 직접 주행하는 경우에는 신속한 위험 알림 서비스나, 지연 없이 전송되는 고화질의 도로 영상을 통해 보다 안전한 주행이 가능해질 것이다.

탑승자로서 누릴 수 있는 엔터테인먼트 경험도 더욱 풍부해질 것으로 보인다. mmWave를 활용해 버스나 택시 전 좌석에서 동시에 각자가 원하는 UHD 8K 해상도의 영상을 스트리밍 하는 것은 물론, 가상현실(Virtual Reality, VR), 증강현실(Augmented Reality, AR) 등으로 진행되는 콘서트, 이벤트, 게임 등 다양한 서비스도 가능하기 때문. mmWave 5G TCU 기술이 가져올 이동 경험의 혁신을 기대해본다.

자율주행 자동차를 말할 때 빠지지 않고 등장하는 기술 중 하나가 딥러닝(deep learning)[1]이다. 이번 회차에선 딥러닝 기술이 자율주행 자동차에 어떻게 적용되는지, 그리고 자율주행 자동차와 딥러닝에 관해 어떤 논의가 이뤄지고 있는지 살펴보겠다.

딥러닝 기술, 핵심은 ‘데이터 반복 입력 통한 자가 학습’

운전자가 주행 도중 전방에 나타난 물체의 정체를 판단하는 일은 매우 중요하다. 그 물체가 차량인지 보행자인지 쓰레기 봉투인지에 따라 운전 방식을 바꿔야 하기 때문. 인간 두뇌가 정보를 분류하는 과정은 순서가 정해진 논리적 판단이라기보다 무의식 중 이뤄지는 습관적∙직관적 판단에 가깝다. 예를 들어 누군가가 “저 물체를 왜 차량으로 분류했느냐”고 물으면 대부분은 “(바퀴∙램프∙창문 등) 자동차를 구성하는 요소들이 적절히 갖춰져서”라고 설명하기보다 “그냥 머릿속에서 차(車)로 분류됐기 때문”이라고 답할 것이다. 그런 대답이 가능한 건 △대부분 어릴 때부터 수많은 자동차를 봐왔고 △그게 자동차란 사실을 교육 받았으며 △그런 경험을 통해 뇌 속에 자동차를 직관적으로 분류할 수 있는 신경 네트워크가 형성됐기 때문이다.

이처럼 인간이 경험을 거치며 스스로 학습하는 과정을 모방, 인공지능을 만들어내는 기술 분야가 바로 ‘머신러닝(machine learning)’이다. 지금껏 연구된 여러 머신러닝 기술 중 가장 주목 받는 건 인간 뇌를 형성하는 신경망을 모방해 학습하는 딥러닝이다.

딥러닝을 활용, 특정 기능을 인공지능으로 구현하려면 그 기능에 대한 논리나 규칙을 프로그래밍하기 보다 데이터를 반복적으로 입력하는 과정을 통해 컴퓨터가 필요한 기능을 스스로 학습해가도록 해야 한다. 즉, 딥러닝 기반 인공지능 구현에서 필요 기능에 대한 전문 지식보다 더 중요한 건 컴퓨터를 충분히 학습시킬 수 있는 데이터다. 오늘날 딥러닝이 신기술로 주목 받는 것도 데이터 제공∙처리에 필요한 여러 기술이 뒷받침됐기 때문이다. 클라우드를 기반으로 한 빅데이터 기술의 발전으로 학습에 사용할 수 있는 데이터의 양과 종류가 엄청나게 늘어났고, 딥러닝의 방대한 자료를 처리할 수 있는 컴퓨팅 플랫폼(computing platform)도 날로 발전하고 있다.

딥러닝은 데이터가 존재하는 분야라면 어디에든 적용할 수 있다. 오랫동안 ‘사진 속 물체를 분류하는’ 문제는 인간의 능력 밖 일로 치부돼왔다. 하지만 딥러닝의 등장으로 지금은 단순히 사진 속 물체 분류뿐 아니라 전체 사진이 어떤 내용인지 설명하는 문장까지 만들어낼 수 있다. 딥러닝의 등장으로 음성인식 분야의 성능 역시 기존 알고리즘에 비해 크게 향상됐다(스마트폰에 적용된 각종 음성인식 애플리케이션을 써보면 쉽게 확인할 수 있다). 그뿐 아니다. 딥러닝은 번역∙금융∙법률∙보험∙의료 등 학습 가능한 데이터가 존재하는 곳 어디서나 적용되고 있으며, 더 나아가 인간의 능력에 필적하는 성능을 발휘하고 있다. 자율주행 자동차도 마찬가지다. 자동차에 장착된 각종 센서에서 검출되는 데이터와 운전자(사람)의 운전 방식 데이터 덕에 딥러닝은 자율주행 자동차에도 다양하게 활용되고 있다.

사용자 기호∙감성까지 제어하는 자율주행차 탄생 ‘초읽기’

자율주행 자동차가 스스로 주행하려면 인지∙판단∙제어 등 세 가지 기능이 반드시 필요하다. 인지 기능은 카메라∙레이더∙라이다(LiDAR) 등 차체 내 센서 정보를 처리해 주변 환경 정보를 알아차리는 것, 판단 기능은 인지된 정보를 이용해 향후 벌어질 일을 예측한 후 가장 안전하고 빠른 차량 궤적을 생성하는 것, 제어 기능은 최종적으로 생성된 차량 궤적을 부드럽고 정확하게 따라갈 수 있도록 운전대∙액셀러레이터∙브레이크를 조작하는 것이다. 실제로 여러 곳에서 이 세 기능에 딥러닝 기술을 적용하는 연구가 활발하게 진행되고 있다. 지금껏 나온 여러 연구 결과만 봐도 딥러닝이 각각의 성능을 비약적으로 향상시킬 수 있단 사실을 알 수 있다.

특히 카메라를 이용한 주행 환경 인지 분야에서 딥러닝은 가장 중요한 기술로 자리 잡았다. 카메라를 통해 입력된 이미지에 딥러닝을 적용하면 자율주행 시스템에 필요한 정적(靜的) 환경 정보(차선∙운전가능도로∙교통표지판∙교통신호 등)와 동적(動的) 환경 요소(차량∙보행자∙이륜차 등)를 전부 검출, 분류할 수 있다. 그 성능도 기존 머신러닝 알고리즘보다 월등히 뛰어나다. 또한 기존엔 인식이 불가능하다고 여겨졌던 영역의 성능까지 점차 개선되고 있다. 앞으로 카메라의 이미지 정보뿐 아니라 레이더와 라이다(LiDAR)의 센서 정보, 그리고 차량 간 통신에서 오는 정보를 모두 딥러닝에 적용할 경우 인간의 인지 능력을 뛰어 넘는 자율주행 자동차의 인지 시스템을 구현할 수 있을 전망이다.

딥러닝은 차량의 궤적을 생성하는 판단 기능에도 사용될 수 있다. 미래의 움직임을 판단하고 결정하려면 다른 운전자의 움직임을 예측해야 한다. 하지만 다양한 운전 방식을 파악하고 이를 (정답이 딱 떨어지는) 수학 모델로 정의하긴 쉽지 않다. 다른 차량 운전자가 어떻게 운전할지 논리적으로 예측하는 건 불가능하기 때문이다. 이처럼 행동 방식을 논리적으로 파악하기 어려울 때 딥러닝은 매력적 솔루션이 된다. 다양한 운전 방식과 관련 센서 정보를 데이터로 입력한 후 이를 딥러닝 알고리즘으로 학습한다면 정확한 수학 모델 없이 데이터만으로도 다른 운전자의 운행을 예측할 수 있는 인공지능 구현이 가능하다. 이런 방식은 논리적으로 설명하기 어려운, 운전자들의 미묘한 운전 규칙도 포함할 수 있기 때문에 발전 가능성이 무궁무진하다.

차량 제어 분야에서도 딥러닝을 응용할 수 있다. 고도의 안정성이 요구되는 차량 제어 기능을 구현하려면 검증된 기존 기술을 사용하는 게 일반적이다. 하지만 탑승자의 승차감을 튜닝(tuning)하기 위한 제어 기능엔 딥러닝을 적용할 여지가 있다. 승차감은 개개인이 느끼는 감성적 요소인 만큼 ‘공학적 기준’을 만들어 적용하기엔 한계가 있다. 따라서 이 경우, 딥러닝 기술을 활용해 개개인의 운전 방식을 데이터화하면 인간 감성을 고려한 차량 제어가 가능해진다. 다시 말해 단순 자율주행 기능뿐 아니라 탑승자의 안색∙음성∙상태 등을 인식, 개별 탑승자에게 ‘맞춤형 편의 기술’을 제공하는 서비스에도 딥러닝이 적용될 수 있다.

운전 과정 통째로 익히는 ‘엔드투엔드’ 방식도 한계 뚜렷

앞서 살펴본 것처럼 자율주행 자동차의 기능은 인지∙판단∙제어로 분류된다. 하지만 이 모두는 사람이 설계한 범위 안에서 작동하기 때문에 설계 시점에서 예상치 못한 상황엔 적절히 대처할 수 없다. 따라서 이런 가정을 해볼 수 있다. 기능적 구분과 설계 없이 운전에 필요한 과정을 통째로 학습하는 딥러닝으로 자율주행 알고리즘을 구현하면 어떨까?

자율주행에 필요한 중간 기능 분류 없이 운전 과정 전체를 학습하는 방법을 ‘엔드투엔드(end-to-end)’ 자율주행이라고 한다. 엔드투엔드 자율주행 자동차는 운전에 필요한 센서 데이터를 직접 입력 받고 다양한 운행 상황에 대해 학습한 후 스티어링(steering)과 액셀러레이터, 브레이크 값을 직접 출력해낸다. 즉 딥러닝 알고리즘 안에서 인지∙판단∙제어 기능이 처음부터 끝까지 네트워크로 구현되는 것이다.

엔드투엔드 학습 방식엔 운전자(사람)의 운행 방식을 데이터로 수집, 이를 모방하는 학습 방식과 시뮬레이터를 이용해 가장 최적화된 운전 방식을 스스로 학습하는 강화학습 기반 방식이 있다. 엔드투엔드 방식을 자율주행 자동차에 적용하면 새로운 운행 환경과 관련해 추가 기능이 필요할 때 인지∙판단∙제어 알고리즘을 매번 재설계하거나 변경하지 않고, 새로운 상황에 대한 데이터를 추가해 학습함으로써 자율주행 시스템을 구현할 수 있다.

하지만 (인간이 아닌) 딥러닝이 자율주행 알고리즘을 만들어냈단 사실은 자칫 엔드투엔드 자율주행 실현의 발목을 잡을 수 있다. 딥러닝 네트워크는 수 백만 개의 뉴럴 네트워크가 학습을 통해 복합적으로 연결돼 있고, 그 결과가 출력되는 구조다. 하지만 이 네트워크를 차근차근 분석해 왜 그런 결과가 나왔는지 논리적으로 분석, 검증하는 건 매우 어렵다. 대다수의 운전자가 정확한 논리 구조와 절차에 의해 운전하는 게 아니라 머릿속 운전 신경 네트워크를 따라 습관적으로 운전하듯 엔드투엔드 방식도 설계된 논리적 절차가 아니라 학습으로 형성된 네트워크에 의해 운전하기 때문이다.

쉽게 말해 일반 자동차 운행에서 주어진 상황에 따라 운전자(사람)가 어떻게 운전할지 100% 예측하기 어려운 것처럼 엔드투엔드 방식을 적용한 자율주행 자동차 역시 어떻게 운전할지 100% 예측이 불가능하다. 이상 행동을 보일 때에도 논리적 분석을 통해 해결하긴 어려울 것이다. 이런 블랙박스 구조(architecture)는 안전과 직결된 기능에서 100% 검증이 불가능한 만큼 엔드투엔드 딥러닝을 기반으로 한 자율주행을 실현하려면 더 많은 연구가 필요하다.

데이터∙학습의 선순환, ‘보다 안전한’ 자율주행차 만들 것

자동차가 움직이려면 동력기관 연료가 있어야 한다. 마찬가지로 자율주행 자동차가 움직이려면 딥러닝 기술 구현에 활용될 데이터 구축이 필수다. 자동차는 도로를 주행하며 차량 안팎의 다양한 센서를 동원,  ‘빅데이터’를 형성할 테고 이 데이터는 클라우드 서비스로 공유된 후 자율주행 자동차의 딥러닝 알고리즘 학습에 쓰일 것이다. 빅데이터를 통합 딥러닝 학습은 한층 발전된 자율주행을 가능케 할 것이며, 자율주행으로 생성된 빅데이터는 다시 공유, 학습될 것이다. 이 같은 데이터와 학습의 선순환 구조가 자율주행 자동차를 더 안전하게, 자율주행 자동차가 누빌 도로를 더 원활하게 만들길 기대한다.

※이 칼럼은 해당 필진의 개인적 소견이며 삼성전자의 입장이나 전략을 담고 있지 않습니다

[1] ‘딥 뉴럴 네트워크(deep neural network)’라고도 한다

하만 커넥티드카 부문 부장 마이크 피터스 (Mike Peters) (왼쪽)와 삼성전자 전장개발전략그룹 이원식 전무(오른쪽)

세계 최대 가전 박람회인 CES에서는 ‘가전’이란 전통적인 카테고리를 넘어 이동성(Mobility)과 자동차(automotive) 관련 기술들을 선보이고 있습니다. 특히 지난해 CES를 뜨겁게 달궜던 자율주행차는 사물인터넷, 인공지능 등의 기술 혁신을 기반으로 더욱 구체적인 모습을 드러냈습니다. 전장 분야로의 진출을 위해 하만을 인수한 삼성전자 역시 하만과의 협력을 통해 다양한 자동차 전장 사업 관련 솔루션을 선보였습니다. 삼성전자 뉴스룸은 하만(Harman) 커넥티드카 부문의 마이크 피터스(Mike Peters) 사업부장과 삼성전자 전장개발전략 그룹 이원식 전무를 만나 삼성전자와 하만이 준비하고 있는 미래에 대한 이야기를 들어 보았습니다.

Q. 이번 CES 2018에서 삼성과 하만이 협업해 공개한 전장 플랫폼인 ‘디지털 콕핏(Digital Cockpit)’에 관해 간단한 소개 부탁드립니다.

이원식  삼성전자는 CES 2018을 통해 당사 제품과 서비스를 하나로 연결해 소비자가 쉽게 사용하고 제어 가능한 인공지능(AI)•사물인터넷(IoT) 경험을 제공하려 합니다. 이에 삼성의 인공지능•사물인터넷 플랫폼을 집안 기기, 휴대폰뿐 아니라 자동차에도 확대 적용하고자 삼성의 모바일•IT•디스플레이 기술과 하만의 전장기술이 융합된 디지털 콕핏을 개발했습니다.

삼성은 작년 3월 하만 인수 이후, 차세대 전장 사업의 경쟁력을 높이기 위해 삼성-하만 협업 팀을 구성했습니다. 삼성의 기존 부품•제품•서비스를 자동차 전장 제품에 적용하는 방안을 모색해왔죠. ‘디지털 콕핏’은 삼성전자가 보유한 전장 요소기술들을 응용해 하만의 전장 기술과 접목한 첫 번째 공동 개발 플랫폼이라는 데 그 의의가 있습니다. 더불어 차세대 모빌리티 라이프스타일을 제시하고 커넥티드 카 기술에 대한 혁신을 선도하고자 합니다.

마이크 피터스 우리는 디지털 콕핏을 통해 그간 별도로 존재하던 컴퓨팅 영역들을 하나의 플랫폼으로 통합했습니다. 즉, 디지털 콕핏은 계기판, 인포테인먼트 시스템, 오디오 및 조명 컨트롤, 첨단운전자보조시스템(Advanced Driver Assistance Systems, ADAS) 기능을 하나의 SW•HW 패키지로 통합한 제품입니다. 이를 통해 완성차 업체가 더욱 직관적이고 시각적으로 통합된 콕핏 디자인을 구성 할 수 있게 했습니다.

Q. 디지털 콕핏이 탄생하기까지 영감과 아이디어는 어디에서 얻으셨나요?

마이크 피터스 소비자들은 자동차가 모바일•가전과 연결된 생활방식의 일부분이 되기를 요구하고 있습니다. 그러려면 자동차 내부에 적용되는 기술 역시 가정이나 사무실에서 사용되는 스마트폰 및 스마트 오디오 기술과 유사해야 하죠. 우리는 이런 개념을 디지털 콕핏에 적용함과 동시에 음성 인식, 햅틱 컨트롤, 스마트 미러링 등 운전자의 손이 자유로워지는 기술을 도입했습니다. 이를 통해 완성차 업체들은 운전자의 안전은 물론, 소비자들의 새로운 요구를 충족시킬 수 있습니다.

이원식  삼성의 모바일•IT 디스플레이 제품의 개발 경험과 노하우가 디지털 콕핏의 ‘소비자 가치’를 높이는 데 큰 역할을 했다고 생각합니다. 디지털 콕핏에 적용된 UX(User Experience)는 삼성전자의 갤럭시 스마트폰의 UX를 활용해 소비자들이 익숙하게 조작할 수 있습니다. 특히 3개의 맞춤형 노브(Configurable Knob)는 삼성전자의 웨어러블 제품인 기어S 시리즈의 원형 디스플레이를 적용해 디지털과 아날로그 감성이 결합된 디자인적 차별화를 추구했습니다. 이에 최적화된 원형 UX(Circular UX)를 적용해 소비자들에게 쉽고 편리한 사용성을 제공합니다.

Q.디지털 콕핏이 적용된 차량은 기기들과 어떻게 연결되나요? 디지털 콕핏만의 장점이 궁금합니다.

이원식 디지털 콕핏이 적용되면, 자동차가 운전자를 인식해 차량의 디스플레이에 환영 메시지를 표시하고 스마트폰의 동영상을 선택해 재생할 수 있으며, 운전 중에 스마트싱스(SamrtThings)를 통해 냉장고나 에어컨 같은 가전제품을 제어할 수 있습니다. 또한, 차량용 빅스비를 통해 자동차 내 에어컨, 음량, 조명 등을 음성으로 쉽고 편하게 조절할 수 있죠.

마이크 피터스 디지털 콕핏은 스마트폰과 같은 모바일 기기와의 연동이 가능합니다. 고급사양의 경우, 하만의 이그나이트 플랫폼(Ignite Platform)과 연결되는 4개의 디스플레이를 통해 다양한 IT 기기와 자유롭게 연결됩니다. 자동차 안에서 사람들은 가상 개인비서, 휴대화된 개인정보, 증강현실 등 운전자와 탑승자 각각에 최적화된 경험을 할 수 있습니다.

또한, 디지털 콕핏은 업계 최초의 안드로이드를 기반으로 한 4개의 디스플레이를 작동시킬 수 있습니다. 완성차 부품 업계와의 협업은 미래 모빌리티 구현의 유일한 방법이며, 따라서 운영 체제나 프로세스 조합과 관계없이 운용할 수 있는 중립적(Agnostic) 플랫폼을 갖추고자 노력했습니다.

Q. 다양한 업체들이 전장사업에 뛰어들고 있는데요. 이들과 비교해 하만-삼성의 강점은 무엇일까요?

이원식 삼성은 무선 통신, UI•UX, 디스플레이, 반도체 등 모바일•IT 부품에 관한 기술 개발 경험이 많고 하만은 전장 기술 개발과 완성차 업체와의 비즈니스 분야에서 경험이 풍부합니다. 이 둘의 시너지는 IT를 활용한 자동차 기술에서 강점이 될 것입니다.

마이크 피터스 하만과 삼성의 숨겨진 경쟁력은 기술통합 역량입니다. 협력을 통해 혁신을 이끌고 각 분야 간 열린 생태계를 만듭니다. ‘사람을 중심으로 한 기술의 통합’을 통해 우리는 커넥티트 카와 자율주행 분야에서 선두주자가 될 것입니다.

Q. 향후 극복해야 할 과제가 있다면 무엇입니까?

마이크 피터스 자동차 전장 시장에는 이미 많은 경쟁자가 존재하고 자율주행차에 대한 기대감으로 미루어 볼 때, 앞으로 더욱 치열한 경쟁이 예상됩니다. 우리는 기존의 자동차 회사들, 그리고 다양한 완성차 업체들과 IT 기업들은 물론, 차량 공유 스타트업과도 경쟁할 것입니다. 업계 선두 주자로서 이러한 변화를 주도하기 위해서 우리는 다양한 파트너십을 맺고 최고의 기술을 개발해, 빠르게 변하는 자동차 시장의 요구를 충족시킬 수 있는 경쟁력을 갖출 예정입니다.

이원식 전장 기술 분야는 삼성전자가 기존에 진행해온 사업과 다른 점이 많습니다. 특히 자동차 및 관련 부분 산업은 안전과 각국 정부의 규제를 충족해야 하므로 완성차 업체와 자동차 부품업체 사이에 긴밀한 협력이 필요합니다.

Q. 5G, 인공지능, 자율주행 기술 등과 결합한 커넥티드 카의 미래를 어떻게 보시나요?

이원식 자동차는 단순한 이동수단에서 생활•업무 공간으로 확장될 것입니다. 자율주행 기술로 운전 부담이 줄게 되면, 이동 시 자동차가 탑승자에게 제공하는 가치는 더욱 커질 것으로 보입니다.  

마이크 피터스 자율 주행이 보급되면 운전자는 탑승객으로 바뀌게 됩니다. 자율 주행차는 다양한 환경에서 안전 운행이 가능하도록 상황 인지 기능을 제공합니다. 따라서 5G 인공지능 기술의 발전이 중요한 역할을 담당할 것입니다. 이를 위해 하만은 업계 최초로 오토 그레이드(auto-grade) 5G 솔루션을 개발하고 있습니다. 자동차 제조사들은 현재를 비롯, 5G 기술이 더욱 널리 사용될 미래에도 유연하게 대응할 수 있는 텔레매틱스(자동차와 무선통신을 결합한 차량 무선인터넷 서비스) 솔루션을 개발할 것입니다.

Q. 미래 전장사업을 주도하기 위한 삼성과 하만이 추구하는 바는 무엇인가요?

마이크 피터스 하만과 삼성의 공통 목표는 미래 자동차를 위한 새로운 경험을 창조하고, 연결성 및 자율주행 기술 분야를 주도하는 것 입니다. 하만은 자동차 산업의 전문가 역할을 수행하고 삼성은 휴대폰•TV•반도체 분야에서의 독점적 지위와 공급망을 통한 연구개발 역량을 제공해 소비자들에게 진정한 통합 서비스를 제공하고자 합니다.

이원식 전무 앞으로도 하만과의 긴밀한 협업은 계속될 예정입니다. 저희는 이 협업을 통해 커넥티드 카 시장의 입지를 강화하고 혁신을 주도할 수 있다고 생각합니다.

‘테키(techie)’란 영단어가 있습니다. ‘기술전문가, 혹은 컴퓨터에 열광하는 사람’을 격식 없이 부르는 말이죠. 그런데 오늘날 스스로를 테키로 지칭할 수 있는 사람, 몇이나 될까요? 한때 기계 좀 만진다, 고 자부했던 사람도 자고 나면 바뀌어 있는 현대 기술의 속도를 제때 따라 잡기란 여간 어렵지 않으니까요.

삼성전자 뉴스룸은 2017년 연중 기획으로 삼성전자 종합기술원과 함께 신개념 웹툰 ‘테키치키챠카쵸’를 선보입니다. 테키치키챠카쵸는 바로 이 ‘테크놀로지 디바이드’를 극복하고자 하는 분들을 위해 준비한 콘텐츠입니다. ‘지금 이곳’에서 가장 뜨고 있는 최신 기술을 만화에 담아 누구나 쉽고 재밌게 이해, 공감할 수 있도록 하자는 취지를 담고 있거든요. 회차별로 등장하는 첨단 기술 관련 내용은 모두 종합기술원 소속 전문연구원의 자문을 거쳐 완성, 신뢰도를 더했습니다. (시리즈명 테키치키챠카쵸는 1990년부터 2002년까지 국내에서 방영, 큰 인기를 모았던 만화영화 시리즈 ‘날아라 슈퍼보드’ 주제가 속 주문 중 일부에 <앞서 말씀 드린> 테키를 더해 조합한 겁니다.)

이달부터 매월 1회 삼성전자 뉴스룸을 통해 선보일 테키치키챠카쵸, 그 첫 회 주제는 ‘자율주행’입니다. 한때 공상과학(SF) 영화에서나 존재하는 줄 알았던 자율(무인)주행은 어느덧 손에 잡힐 듯한 현실로 다가왔는데요. 전문가들은 오는 2025년 전후면 어느 정도 완성도를 갖춘 자율주행 자동차를 실제 도로에서 만날 수 있을 거라고 전망합니다. 자율주행 자동차가 일상화된, 가까운 미래의 모습은 어떨까요? 지금 바로 확인해보세요!