자율주행 AI 병목은 데이터…스트라드비젼, AWS 기반 개발 체계 공개

AWS 서밋 서울 2026서 실데이터·합성데이터 결합 전략 공개

차량 카메라 늘며 데이터 처리량 급증…로컬·클라우드 병행 체계 구축

모델 성능 넘어 데이터 수집·가공·검증 속도가 '피지컬 AI' 경쟁력

김인수 스트라드비젼 데이터 이노베이션 센터장이 21일 AWS 서밋 서울 2026에서 ‘피지컬 AI 학습을 위한 데이터 전략: 실 데이터와 합성 데이터로 심투리얼 가속화’를 주제로 발표를 하고 있다. ⓒ스트라드비젼

자율주행 인공지능(AI) 경쟁의 초점이 모델 성능에서 데이터 운영 능력으로 옮겨가고 있다. 차량이 주변 환경을 더 입체적으로 인식해야 하는 단계로 진화하면서, AI를 얼마나 빠르게 학습시키고 검증하느냐가 양산 경쟁력의 핵심으로 떠오른 것이다.

AI 기반 영상 인식 소프트웨어 기업 스트라드비젼은 21일 AWS 서밋 서울 2026에서 ‘피지컬 AI 학습을 위한 데이터 전략: 실 데이터와 합성 데이터로 심투리얼 가속화’를 주제로 발표를 진행했다고 밝혔다.

AWS 서밋 서울 2026은 아마존웹서비스(AWS)가 주최하는 AI·클라우드 컨퍼런스로, 올해 행사에서는 피지컬 AI, AI 인프라, 보안·거버넌스, 데이터 기반 등 산업별 AI 적용 사례와 확장형 아키텍처를 주요 의제로 다뤘다.

김인수 스트라드비젼 데이터 이노베이션 센터장은 차량용 비전 AI가 2D 인식에서 3D 인식 중심으로 고도화되면서 데이터 전송·저장·처리 부담이 빠르게 커지고 있다고 설명했다. 차량 한 대에 탑재되는 카메라 수가 기존 2개 수준에서 8개, 15개 이상으로 늘어나는 흐름 속에서, ADAS와 자율주행 소프트웨어 개발사들이 데이터 병목을 어떻게 해소하느냐가 주요 과제로 떠올랐다는 것이다.

스트라드비젼이 꺼낸 해법은 AWS 기반 하이브리드 데이터 전략이다. 회사는 2024년부터 로컬 인프라와 클라우드를 병행하는 데이터 운영 체계를 구축해왔다. 평상시에는 로컬 인프라를 중심으로 개발과 운영을 진행하되, 대규모 데이터 처리나 AI 학습이 필요한 시점에는 AWS 클라우드 리소스를 활용해 처리 용량을 확장하는 방식이다.

이는 최근 AI 업계 전반에서 심화되고 있는 GPU 자원 확보 경쟁과도 맞닿아 있다. 차량용 AI는 단순히 모델을 한 번 학습시키는 데서 끝나지 않고, 다양한 날씨, 조도, 도로 환경, 돌발 상황을 반복적으로 학습하고 검증해야 한다. 특히 완성차 양산 일정에 맞춰 소프트웨어를 공급해야 하는 기업 입장에서는 데이터 처리 속도와 비용 효율성이 곧 수주 경쟁력으로 이어질 수 있다.

스트라드비젼은 이날 실도로 데이터 기반 합성 데이터 증강 파이프라인인 ‘SVGenFlow’와 시뮬레이션 기반 검증 체계인 ‘SVSimFlow’도 소개했다.

SVGenFlow는 완전히 가상의 데이터를 새로 만드는 방식이 아니라, 실제 도로 환경 데이터를 기반으로 부족한 객체나 상황을 보강하는 구조다. 예컨대 특정 도로 환경에서 보행자, 이륜차, 악천후, 야간 상황 등 학습 데이터가 부족한 조건을 보완해 AI 모델의 대응 범위를 넓히는 방식이다.

실도로 데이터를 무작정 더 많이 모으는 데는 시간과 비용, 개인정보·규제 문제가 뒤따르는 만큼, 합성 데이터는 자율주행 AI 개발의 현실적인 보완재로 활용되고 있다.

SVSimFlow는 실제 도로에서 반복 재현하기 어려운 상황을 시뮬레이션 시나리오로 구성해 검증하는 체계다. 돌발 상황이나 희귀 사고 가능성처럼 실도로에서 충분한 데이터를 확보하기 어려운 조건을 가상 환경에서 반복 검증함으로써 개발 사이클을 줄이는 것이 목표다.

핵심은 이 같은 데이터 전략이 연구용 기술 시연에 머무르지 않는다는 점이다. 스트라드비젼은 독자 데이터 파이프라인인 ‘SV Flow’를 기반으로 데이터 가공 공정 상당 부분을 자동화하고, 이를 실제 양산형 비전 AI 개발 과정에 적용하고 있다고 설명했다.

스트라드비젼의 주력 제품 SVNet은 차량 카메라 영상을 실시간 분석해 보행자, 차량, 차선, 신호등 등을 인식하는 딥러닝 기반 인식 소프트웨어다. 회사 측에 따르면 SVNet은 2019년 상용화 이후 13개 글로벌 완성차 업체의 50개 이상 차종에 적용됐다.

업계에서는 자율주행과 ADAS 기술 경쟁이 고도화될수록 ‘데이터 운영 체력’의 중요성이 더 커질 것으로 보고 있다. 과거에는 객체를 얼마나 정확히 인식하느냐가 핵심이었다면, 이제는 실제 도로 데이터를 수집하고, 부족한 데이터를 합성하고, 시뮬레이션으로 검증한 뒤, 이를 다시 양산 소프트웨어에 반영하는 전체 파이프라인의 완성도가 경쟁력이 되고 있다.

김인수 센터장은 “피지컬 AI 시대에는 단순 모델 성능뿐 아니라 데이터를 얼마나 빠르고 효율적으로 처리하고 검증할 수 있는지가 중요한 경쟁력이 되고 있다”며 “스트라드비젼은 실데이터와 합성데이터, 시뮬레이션을 결합한 운영 체계를 기반으로 실제 양산 환경에 최적화된 비젼 AI 개발 역량을 지속 고도화하고 있다”고 말했다.

이어 “AWS 기반 하이브리드 인프라 전략은 대규모 AI 개발 환경에서 요구되는 확장성과 유연성을 확보하는 데 중요한 역할을 하고 있다”며 “앞으로도 AWS와 피지컬 AI 시대에 대응하기 위한 데이터 및 AI 개발 체계를 지속 발전시켜 나갈 계획”이라고 덧붙였다.