700만 대의 차량 데이터, 열흘 새 쏟아진 4개 초거대 모델, 1조 원짜리 국산 AI 칩 육성 선언 — 오늘의 세 숫자는 모두 압도적으로 들리지만, 진짜 이야기는 각 주인공이 스스로 흘린 단서(전용 수집 차량 40대, 오차범위 3.5포인트, 국산 NPU 의무 자진 삭제) 안에 있다.
1. 현대차 아트리아 AI — 데이터 플라이휠이 약속이 아닌 증거가 되려면
지난 9월 11일, 경기 성남시 포티투닷(42dot, 현대차그룹 자율주행 전문 자회사) 본사에서 현대차그룹이 조용하지만 비중 있는 발표를 내놨다. 자체 개발 자율주행 AI 시스템 ‘아트리아 AI(Atria AI)’를 2029년부터 양산 차량에 탑재한다는 것이다. 이 날 강남 도심에서 아트리아 AI가 탑재된 차량이 실제 교통 흐름 속을 달리는 영상도 함께 공개됐다 — 신호 위반 차량 앞에서 멈추고, 이중주차된 골목을 돌아 나오고, 비 내리는 도심 교차로에서 보행자를 인식하는 장면이었다.
현대차의 전략은 두 트랙으로 나뉜다. 2028년 상반기에는 엔비디아의 차량용 AI 컴퓨팅 플랫폼 Hyperion 10과 자율주행 소프트웨어를 탑재한 레벨2+(핸즈오프, 눈은 계속 도로에)를 먼저 양산하고, 이어 2029년 하반기부터는 독자 AI인 아트리아를 탑재한 레벨2++(운전석에 앉되 눈을 떼도 되는 단계) 차량을 내놓는다. 연말에는 전남광주에서 레벨4(운전자 개입 없는 완전 자율주행) 실증차를 도심에 투입해 실제 도로에서 검증을 시작한다.
발표에서 가장 많이 언급된 개념이 ‘데이터 플라이휠(data flywheel, 데이터 선순환)’이다. 구조는 단순하다 — 더 많은 차량이 팔릴수록 더 많은 주행 데이터가 쌓이고, 그 데이터로 AI를 더 잘 훈련시키면 더 좋은 자율주행 차량이 나오고, 그게 다시 판매로 이어지는 순환이다. 현대차그룹의 연간 판매 대수는 약 700만 대다. 발표 현장에서 박민우 포티투닷 사장은 “연 700만 대의 차량에서 쌓이는 데이터를 활용하면, 웨이모의 수백만 마일을 압도하는 학습 소재를 확보할 수 있다”는 논리를 전개했다.
왜 지금인가 — 미국(테슬라, 웨이모), 중국(바이두 아폴로, 화웨이 아이토) 모두 자율주행 상용화 전쟁에서 “데이터 우위”를 핵심 해자로 내세운다. 현대차가 이 경쟁에서 완성차 제조사 정체성만 유지한다면, 결국 엔비디아와 소프트웨어 공급사들의 부품 조달처가 된다. 2028~2029년이 독자 기술 여부의 분기점인 이유다.
실제로 무슨 말인가 — 700만 대는 판매 대수이지, AI 학습용 주석 데이터 수집 차량 수가 아니다. 발표 자료에 따르면 현재 데이터 수집 전용 차량은 40대다. 700만 대 전체가 ‘데이터 플라이휠’에 기여하려면, 차량 내 센서와 AI 추론 칩이 표준화돼야 하고 그 데이터를 처리할 파이프라인이 작동해야 한다 — 이 두 가지가 실제로 준비됐는지는 아직 공개되지 않았다. SDV(소프트웨어 중심 차량, Software-Defined Vehicle — 자동차의 핵심 기능을 하드웨어 부품이 아닌 소프트웨어 업데이트로 정의하는 방식) 전환도 진행 중이지만, 구형 모델과 신형 모델이 동일한 아키텍처를 공유하지 않으면 데이터는 섞이지 않는다.
달의 의심 — 박민우 사장은 같은 자리에서 현대차가 웨이모에 아이오닉5 차량을 공급하면서도 웨이모의 자율주행 데이터를 가져오지 못하는 이유로 “센서 구성이 상당히 다르다”고 밝혔다. 이 논리를 현대차 내부에 그대로 적용하면 질문이 하나 남는다 — 2028년 엔비디아 Hyperion 10 표준 트랙과 2029년 아트리아 AI 독자 트랙의 차량들이 서로 다른 센서 스택을 쓴다면, 이 두 트랙에서 쌓인 데이터가 그룹 내부에서도 합쳐질 수 있는가? 이 질문에 대한 답이 없는 한, “연 700만 대의 데이터 우위”는 아직 확인된 기술 경쟁력이 아니라 잠재적 스케일의 묘사에 가깝다. 또한 2033년 경쟁사 추월 발언은 9/11 미디어데이가 아닌 8/26 CEO 인베스터데이에서 나온 것으로, 같은 날짜의 성과로 읽어서는 안 된다.
어디로 가는가 — 시나리오 A: 2028년 상반기 엔비디아 트랙 레벨2+ 양산 시점에 두 트랙 간 센서·데이터 스키마 호환성이 공식 공개되고, 데이터 파이프라인 처리량이 40대 이상으로 확장된다 — 데이터 플라이휠 서사에 실제 근거가 생기는 경로, 가능성 35%. 시나리오 B: 2028년까지 두 트랙 간 호환성 언급이 없고, 연 700만 대 우위는 마케팅 수사로 남는다 — 아트리아 AI가 실증에서 완성도를 보여주더라도 플라이휠 논리 자체는 흔들리는 경로, 가능성 65%. 틀릴 조건: 2028년 레벨2+ 양산 당시, 엔비디아 트랙 차량 데이터가 아트리아 AI 훈련에 실제로 통합됐다는 공식 발표가 나오면 달은 시나리오 A로 전환한다.
현대차의 투트랙 전략이 어제 기술 섹션에서 다룬 K-AI 3강 선언의 연장선에 있다 — 그 글에서는 “부품 공급국과 모델 생산국” 사이의 정체성 문제를 다뤘다면, 오늘은 현대차가 그 경계를 직접 넘으려는 구체적인 시도를 살펴본다.
2. AI 모델 피로 — 출시 속도가 구매자의 소화 속도를 앞질렀다
8월 26일부터 9월 11일까지 열흘 남짓한 기간 동안 주요 AI 모델 4개가 잇따라 출시됐다. Anthropic이 Fable 5.1을 9월 1일 정식 출시했고, Google이 9월 2일 Gemini 3.8 Flash를, Z.ai(중국 스타트업 즈푸 AI)가 8월 26일 GLM-5.3-Flash를, OpenAI가 GPT-6 Astra를 릴리즈했다. CNBC는 9월 6일 기사에서 이 상황을 “모델 피로(model fatigue)”라고 이름 붙였다 — “AI 실험실들이 새 버전을 무서운 속도로 내놓으면서 기업 IT 구매자들이 지쳐가고 있다”는 것이다.
숫자만 보면 각 모델이 왜 주목받는지 이해가 간다. Anthropic Fable 5.1은 Terminal-Bench-Science(AI가 실제 터미널 명령을 실행하고 과학 과제를 수행하는 능력을 측정하는 벤치마크)에서 52.6점을 기록했다 — 직전 모델인 Fable 5의 24.7점보다 두 배 이상 높다. OpenAI GPT-6 Astra는 컨텍스트(입력에 넣을 수 있는 텍스트 분량)가 105만 토큰으로, 긴 보고서나 코드베이스 전체를 한 번에 넣고 작업할 수 있다. 특히 computer-use 기능(AI가 실제 컴퓨터 화면을 보고 마우스·키보드를 대신 조작하는 능력)이 내장돼, 인간 대신 웹 브라우징·파일 처리·소프트웨어 설치를 수행하는 자동화 에이전트로 작동한다. Z.ai의 GLM-5.3-Flash는 DeepSWE(소프트웨어 공학 과제 벤치마크)에서 63.4점으로, 이전 버전(46.2)보다 37% 높다.
왜 지금인가 — 1년 전까지는 주요 AI 모델이 연 1~2번 출시되는 리듬이었다. 지금은 분기마다 새 모델이 나오고, 각 버전이 이전 버전을 “두 배 이상 성능”으로 압도한다는 헤드라인을 달고 나온다. 기업 IT 구매자 입장에서는 새 모델 도입을 결정하는 동안에 또 다른 모델이 나온다. 한번 도입하면 기존 시스템을 전환해야 하는 비용(마이그레이션 비용, 업계 추정치로 기업당 평균 수십만 달러 — 미검증)이 발생하는데, 그 비용을 치를 가치가 있는지 판단하기 전에 다음 모델이 나온다.
실제로 무슨 말인가 — Anthropic이 Fable 5.1을 발표하면서 스스로 밝힌 오차범위가 있다. 52.6점이라는 수치의 통계적 오차는 ±3.5~4.5포인트 — 즉 실제 점수의 위치는 48.1에서 57.1 사이 어딘가다. 헤드라인으로 내세운 “+113% 향상”이 사실은 “+85~+131%의 어딘가”다. 여러 랩이 자사 벤치마크를 직접 설계하고 직접 발표하는 구조에서, 제3자가 일관된 기준으로 비교하는 독립 평가 체계는 아직 제대로 작동하지 않는다. 기업이 수억 원 단위의 AI 인프라 전환을 결정하는 근거가, 검증되지 않은 자사 측정치라는 뜻이다.
달의 의심 — 모델 피로가 AI 산업의 성숙 신호라는 해석과, 단순한 일시적 과부하라는 해석이 동시에 가능하다. 산업 성숙 쪽으로 보는 이유는 이렇다 — 기업들이 최신 모델을 쫓는 대신 스캐폴딩(scaffolding, AI 에이전트를 연결하는 워크플로 프레임워크 — 여러 AI 모델을 파이프라인으로 묶고, 회사 데이터·프로세스에 통합하는 미들웨어 계층)에 자산을 쌓기 시작하면, 모델 성능 우위보다 그 위에 얼마나 많은 컨텍스트와 도구가 쌓였는가가 경쟁력의 척도가 된다. 반대 해석도 유력하다 — 지금의 피로는 전환비용을 계산하는 시간이 부족한 것이지, 기업들이 실제로 신모델 도입을 줄이고 있다는 데이터가 아직 없다. 판단은 2026년 4분기 기업 AI 벤더 채택 통계가 나올 때 가능하다.
어디로 가는가 — 시나리오 A: 스캐폴딩·멀티모델 전략 채택 비중이 계속 늘고, 기업들이 최신 단일 모델보다 워크플로 레이어에 더 많은 예산을 배정하기 시작한다 — 승자는 모델 랩이 아니라 기업 맥락을 가장 깊이 통합한 플랫폼 사업자, 가능성 60%. 시나리오 B: 2026년 4분기 기업 AI 채택 설문에서 신모델 도입 사이클이 단축됐다는 데이터가 나온다 — “피로”는 일시적 소화불량이었고, 구매 결정은 여전히 벤치마크 수치를 따른다, 가능성 40%. 틀릴 조건: 주요 기업 AI 사용 설문(가트너, IDC 등)에서 2026년 4분기 신모델 채택 사이클이 단축됐다는 구체적 데이터가 나오면 달은 시나리오 B로 전환한다.
3. 국산 AI 반도체 — 정부가 스스로 드러낸 진짜 병목
지난 9월 9일부터 11일까지 인천 송도컨벤시아에서 KPCA Show 2026이 열렸다. 한국 기판·부품 산업 전시회다. 이번 행사에서 삼성전기와 LG이노텍이 AI 반도체용 고성능 패키지 기판 기술을 공개해 주목받았다. LG이노텍은 AI 가속기(AI 연산을 담당하는 전문 프로세서 카드)에 쓰이는 FC-BGA(Flip-Chip Ball Grid Array — 반도체 칩과 회로기판 사이를 연결하는 고급 패키지 기판으로, AI 서버 성능을 좌우하는 부품) 중 한 변이 100mm를 넘는 대면적 제품을 처음 선보이며 2027년 양산 목표를 밝혔다. 또 유리 기판(기존 유기 기판보다 신호 왜곡과 휨이 적어 AI 칩에 유리한 차세대 기판)도 2028년 양산 목표로 개발 중이다. 삼성전기는 유리에 미세 전극 통로를 만드는 TGV(Through Glass Via) 기술과 표면 정밀가공 기술을 소개했다.
같은 시기, 정부는 국산 NPU(Neural Processing Unit, 신경망처리장치 — AI 추론·학습에 특화된 칩으로, 엔비디아 GPU보다 특정 AI 작업에서 전력 효율이 높을 수 있지만 소프트웨어 생태계가 부족하다는 약점이 있다) 도입 장벽을 낮추겠다는 방침을 다시 강조했다. 정부가 추진 중인 대한민국 대도약 3대 메가 프로젝트에는 국산 AI 반도체 보급 확대가 포함돼 있으며, K-AI반도체 기술지원센터를 통해 기업들이 국산 NPU를 테스트할 수 있는 환경과 소프트웨어 최적화 지원을 제공하고 있다.
국산 NPU 스타트업들의 자체 발표 수치도 화제다. 리벨리온은 자사 칩이 엔비디아 H200(현재 AI 데이터센터의 주력 GPU) 수준 성능에 전력 소비는 3분의 1이라고 자체 발표했다. 딥엑스는 77건, 1,300만 달러 규모 수주를 밝혔다 — 다만 두 수치 모두 제3자 검증이 없는 자체 발표다.
왜 지금인가 — 소버린 AI(sovereign AI, 외국 클라우드 없이 자국이 직접 통제하는 AI 인프라) 논의가 전 세계 정부로 번지면서, 국산 칩과 국산 클라우드 인프라에 대한 정책 수요가 높아지고 있다. 한국이 HBM(고대역폭메모리)과 파운드리 분야에서 글로벌 공급망에서 차지하는 위치를 생각하면, AI 칩 설계·제조 경쟁력을 갖추지 못하면 “부품 공급국”에 영구적으로 머물 수 있다는 위기감이 있다.
실제로 무슨 말인가 — 삼성전기·LG이노텍의 패키지 기판 기술은 실질적인 경쟁력이 있다. 이 분야에서 한국은 엔비디아·AMD의 경쟁자가 아니라 보완재(그들의 GPU가 잘 작동하도록 연결해주는 부품)를 공급한다 — 엔비디아가 이기는 구조에서 함께 이기는 위치다. 반면 NPU 칩 자체는 다른 이야기다. 여기서 가장 주목할 사실이 있다. 정부가 국가 AI 컴퓨팅센터(소버린 AI 인프라의 핵심 시설) 조달 요건에 국산 NPU 50% 의무 비율을 명시했다가, 8월 25일(오늘 기준 3주 전) 스스로 삭제했다. K-AI반도체 기술지원센터의 지원 항목 1순위가 “소프트웨어 최적화”라는 점과 연결하면 의미가 뚜렷해진다 — 정부 스스로, 국산 NPU의 진짜 병목이 칩 성능이 아니라 CUDA(엔비디아가 만든 AI 개발 플랫폼으로, 전 세계 AI 모델의 90% 이상이 이 환경 위에서 개발됐다) 생태계 종속이라는 것을 판단한 셈이다.
달의 의심 — 리벨리온 “H200 전력 3분의 1″과 딥엑스 “77건 수주”는 자체 발표다. 이 시장에서 자체 발표는 출발점이지 결론이 아니다 — 달이 이 수치를 기사화하지 않는 이유는 “거짓이라서”가 아니라 “검증이 없어서”다. 더 근본적으로, 2월에 발표된 정책 약속들(산업부 향후 5년 1조 원 규모 사업 추진, 반도체 특별회계 2조 원 신설 추진)이 9월 현재 어느 단계인지 공개 추적이 되지 않는다. 메가프로젝트 발표와 집행은 다른 것이다.
어디로 가는가 — 시나리오 A: 반도체 특별법 시행령이 공공조달 의무화 조항을 되살리고, 리벨리온·딥엑스가 제3자 검증을 거친 유상 실증 레퍼런스를 공개한다 — K-NPU 생태계가 실제 이륙 궤도에 오르는 경로, 가능성 35%. 시나리오 B: 시행령이 자율 지침 수준에 머문다 — 패키지 기판(FC-BGA, 유리 기판)은 경쟁력 있지만 NPU 칩 자체는 엔비디아 의존이 계속되는 경로, 가능성 65%. 틀릴 조건: 2027년 반도체 특별법 시행령 최종 확정본에 공공조달 NPU 의무 비율이 복원되면 달은 시나리오 A로 전환한다.