🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

어플라이드 인튜이션은 자율 시스템용 시뮬레이션 도구에서 출발해 데이터 인프라·운영체제·지능 계층으로 확장했으며, 다나를 통해 물리 인공지능의 개발부터 검증·배포까지 연결해 10억 대의 기계를 지능화하려 한다.

📌 핵심 요약

• 2017년 자율주행 업계가 수직 통합형 로보택시에 집중할 때, 어플라이드 인튜이션은 여러 기업이 반복해서 자체 개발하던 시뮬레이션과 검증 도구를 공통 인프라로 제공하는 전략을 택했다.
• 회사는 소규모 자율주행 기업의 요구에 맞춰 계획 시뮬레이터, 인지 시뮬레이터, 대규모 데이터·실험 관리 인프라를 차례로 구축한 뒤 제너럴 모터스의 개발 도구 사업을 수주하며 기존 자동차 제조사로 진입했다.
• 사업 범위는 자동차에서 국방·건설·광업·농업·트럭 운송으로 확대됐고, 기술 계층도 시뮬레이션과 데이터에서 기계용 운영체제, 세계 모델과 계획 시스템으로 올라갔다.
• 글에 따르면 2025년에는 중국 외 주요 자동차 제조사 20곳 중 18곳이 고객이었으며, 일본의 무인 레벨 4 트럭과 미 육군·해군을 비롯한 여러 산업 현장에 기술이 배치됐다.
• 새 플랫폼 다나는 요구사항, 코드 변경, 시뮬레이션, 평가, 시험 장비, 실제 기계 배포를 에이전트로 연결하면서 변경 이력과 판단 근거를 보존해 안전 필수 산업의 추적성과 검증 요구를 다룬다.

🧩 주요 포인트

1. 기업마다 개발 기반을 중복 구축한 현실 → 독립적인 공통 인프라 공급자가 산업 전반을 지원할 여지가 생겼다.
2. 고객 영역별 전문 인력과 제약 조건에 맞춘 제품 재구축 → 자동차에서 국방·중장비·운송으로 확장할 수 있는 반복 가능한 진입 방식이 형성됐다.
3. 모델 성능보다 조직의 검증·통합·배포 속도가 뒤처지는 상황 → 다나는 개발 폐쇄 루프와 감사 가능한 기록을 하나의 작업 환경으로 묶는 데 초점을 둔다.

🧠 상세 정리

1. 비주류였던 공통 도구 계층

2017년 자율주행 업계의 지배적인 전망은 소수의 수직 통합 기업이 자율주행 기술과 차량 운영을 모두 장악한다는 것이었다. 자본은 완전한 로보택시 체계를 만드는 사업에 집중됐고, 각 회사는 엔지니어와 차량을 따로 확보한 뒤 비슷한 개발·시험 인프라를 내부에서 반복해 만들었다. 회사를 옮긴 엔지니어가 이전 직장에서 사용하던 도구를 떠나 새 직장에서 같은 종류의 도구를 다시 구축하는 일이 이어졌지만, 업계 전체가 공유하는 생산 방식과 모범 사례는 부족했다. 어플라이드 인튜이션은 바로 이 반복 작업을 독립적인 제품과 회사로 만들겠다고 제안했으며, 외부 공급자가 필요 없다고 보던 대형 레벨 4 개발사들의 거절에도 공통 도구 계층을 구축하는 전략을 유지했다.

2. 집중보다 확산에 건 시장 판단

회사의 초기 판단은 어떤 단일 자율주행차 제조사도 세계 자동차 시장에서 한 자릿수 점유율을 넘기 어렵다는 것이었다. 자동차 산업은 다수의 제조사, 막대한 자본 설비, 규제, 기존 유통망으로 구성돼 있어 순수 소프트웨어 시장처럼 하나의 사업자가 전체 구조를 빠르게 평준화하기 어렵기 때문이다. 따라서 자율 지능은 신규 기업이 기존 제조사를 모두 대체하는 방식뿐 아니라 기존 제조사가 기술적으로 변화하는 방식으로도 확산될 수 있으며, 각 제조사가 현대 소프트웨어 계층 전체를 독자적으로 재현하기는 어렵다고 봤다. 실제로 당시 주목받던 여러 완전 통합형 사업은 기존 형태를 유지하지 못했고, 크루즈도 제너럴 모터스에 인수된 뒤 안전 사고를 거쳐 종료된 반면 어플라이드 인튜이션은 독립 인프라 공급자로 생존하고 성장했다.

3. 작은 고객에서 시작한 시뮬레이션 체계

공동 창업자 카사르 유니스와 피터 루드비히는 제너럴 모터스·구글·와이콤비네이터에서 얻은 경험과 안전 필수 시스템을 장기간 정밀하게 개발할 수 있는 기술 역량을 결합했다. 대형 레벨 4 기업들이 고객이 되기를 거절하자 회사는 보야지를 비롯한 샌프란시스코만 지역의 소규모 자율주행 팀을 먼저 공략했고, 고객의 실제 업무 요구에 따라 계획 시뮬레이터와 인지 시뮬레이터를 순서대로 만들었다. 이어 기계에서 발생한 데이터를 관리하고 수백만 건의 시뮬레이션을 실행하는 인프라까지 제품 범위를 넓혔다. 물리 현실과 연관되는 결정론적 시뮬레이션은 도로에서 곧바로 시험하지 않고도 특정 사건을 반복 가능한 시험 항목으로 바꾸고, 같은 조건에서 행동 개선 여부를 검증한 뒤 실제 환경에 적용할 수 있는 공통 기준을 제공했다.

4. 제너럴 모터스 수주와 산업별 확장

2018년에서 2019년 무렵 제너럴 모터스가 개발 도구를 공식 발주했을 때 엔비디아와 앤시스를 포함한 28개 회사가 경쟁했으며, 당시 작은 신생 기업이던 어플라이드 인튜이션도 입찰에 참여했다. 회사의 제품은 제시된 규격을 기준으로 더 나은 성능을 보였고, 그 결과 수주에 성공하면서 실리콘밸리의 소규모 자율주행 기업에서 확보한 입지를 전통 자동차 제조사 시장의 신뢰로 전환했다. 창업 약 18개월 뒤에는 자동차에서 사용한 시뮬레이션·데이터·통합·검증 방식을 국방 시스템에 적용했고, 이후 건설·광업·상용 트럭 분야로 진출했다. 단순히 영업 자료의 용어만 산업별로 바꾸는 대신 각 분야를 내부에서 이해하는 인력을 채용하고, 고객의 기술 제약과 조달 절차 및 안전 입증 방식에 맞춰 제품을 다시 구성한 것이 확장 방식의 핵심이었다.

5. 시뮬레이션에서 운영체제와 지능으로

어플라이드 인튜이션의 기술은 세 개의 주요 계층을 따라 확장됐다. 첫 번째 계층은 시나리오 생성, 기계 데이터 수집, 사건 재현, 행동 평가를 담당하는 시뮬레이션과 데이터 인프라였고, 그 위에는 일정 관리·미들웨어·메모리 관리·통신·기능 안전을 책임지는 물리 기계용 운영체제가 놓였다. 최상위 계층에는 육상·공중·해상 기계에 배치되는 세계 모델과 계획 시스템 등 지능 자체가 추가됐다. 글에 따르면 회사는 2024년과 2025년에 150억 달러 기업가치로 투자를 유치했고, 2025년에는 중국 외 주요 자동차 제조사 20곳 중 18곳을 고객으로 확보했으며 일본의 무인 레벨 4 트럭, 미 육군 배치, 미 해군 함정 운영체제, 광업·건설·농업·운송의 생산 사업으로 적용 범위를 넓혔다. 또한 투자자에게서 조달한 약 10억 달러의 주요 자본을 대부분 보존하면서 여러 해 연속 대규모 매출을 거의 두 배씩 늘렸다고 설명한다.

6. 도구가 생산 플랫폼이 되는 과정

2017년의 핵심 질문은 자율 지능이 언제 충분한 성능에 도달할 것인가였지만, 2020년대 중반에는 트랜스포머 모델의 성능 향상이 대규모 조직의 실제 배포 속도보다 빨라졌다. 글은 제한된 작업을 해결하던 도구가 성공하면 여러 업무가 통과하는 공통 인터페이스가 되고, 통합 기능·시험 사례·작업 흐름·조직의 기억을 축적하면서 생산이 이루어지는 플랫폼으로 바뀐다고 설명한다. 웹 브라우저가 인터넷 자체를 만든 것은 아니지만 비전문가도 인터넷을 사용할 수 있게 해 대규모 경제 활동의 기반이 된 사례가 비교 대상으로 제시된다. 같은 방식으로 어플라이드 인튜이션의 시뮬레이터는 데이터 인프라와 운영체제로 확장됐고, 고객의 더 많은 개발 업무가 제품 안으로 이동하면서 특정 단계의 보조 도구가 아니라 기계를 만드는 작업 환경의 일부가 됐다.

7. 다나와 에이전트 기반 개발 폐쇄 루프

다나는 어플라이드 인튜이션이 9년 동안 축적한 지능형 기계 개발 체계 위에 에이전트형 인터페이스를 추가한 플랫폼이다. 엔지니어는 요구사항을 관련 코드에 연결하고, 변경 사항을 시뮬레이션과 정의된 평가에 통과시킨 뒤 시험대나 하드웨어 인 더 루프 장비로 옮기고, 최종적으로 실제 기계에 배치할 단계까지 이어갈 수 있다. 기존에는 전문 도구들 사이에서 결과를 사람이 직접 전달해야 했지만, 다나는 전체 경로를 조정하면서 시스템이 어떻게, 왜 변경됐는지를 기록한다. 동시에 자율주행 기술의 중심이 인간 운전 기록을 모방하는 학습에서 문제 상황을 발견하고 사례를 추가·생성한 뒤 모델을 다시 학습시키고 동일한 시나리오에서 개선 여부를 검증하는 엔드투엔드 강화학습 폐쇄 루프로 이동하고 있으며, 다나는 기존의 시뮬레이션·합성 데이터·평가·배포 시스템을 에이전트가 운영하도록 연결한다.

8. 안전 입증과 10억 대의 지능형 기계

물리 산업은 긴 하드웨어 교체 주기와 복잡한 현실 조건 때문에 소프트웨어 도입이 어려웠고, 수 톤짜리 기계가 사람 가까이에서 움직이는 순간 일반적인 공학 문제는 인명 안전 문제로 바뀐다. 자율 기계 제조사는 모델 성능이 좋다고 판단하는 것만으로 제품을 출하할 수 없으며, 규제 기관이 그 결론에 도달한 과정까지 이해할 수 있도록 요구사항과 배포 결정 사이의 모든 연결을 입증해야 한다. 다나는 코드 생성이나 작업 속도뿐 아니라 추적성과 평가를 중심에 두어 이러한 증명 부담을 다루도록 설계됐다. 글은 지능의 가격이 빠르게 낮아지고 자율 기능의 한계비용도 여러 환경에서 미미해질 것으로 보면서, 다나가 향후 20년간 계속 사용될 기존 장비를 업그레이드하고 사람 운전석을 전제로 하지 않는 새로운 형태의 기계 개발도 지원할 수 있다고 설명한다. 모델 자체가 주된 제약이던 단계가 완화된 뒤에는 실제 하드웨어에 모델을 맞추고 연구실 밖에서 지속적으로 운영·지원하는 제조사와 운영사의 업무가 남았으며, 이 배포 기반을 넓히는 것이 10억 대의 지능형 기계라는 목표로 이어진다.

🧾 핵심 주장 / 시사점

• 다수 제조사가 공존하는 산업 구조에서는 단일 완제품 기업보다 여러 제조사의 공통 개발·검증 기반을 제공하는 독립 공급자가 더 넓은 시장에 연결될 수 있다는 것이 글의 핵심 산업 논리다.
• 안전 필수 분야에서 에이전트의 가치는 업무 자동화 속도만으로 결정되지 않으며, 요구사항부터 실제 배포까지의 평가 결과와 변경 이유를 감사 가능한 형태로 남기는 능력이 함께 요구된다.
• 자율 시스템의 병목이 모델 성능에서 하드웨어 적응·규제 검증·현장 운영으로 이동하면서, 기존 장비와 신규 기계를 모두 지원하는 배포 플랫폼이 지능 확산의 핵심 기반으로 제시된다.

✅ 액션 아이템

• 어플라이드 인튜이션의 공통 인프라 전략이 2017년 수직 통합형 로보택시 대비 어떤 검증 도구 중복을 줄였는지 비교 기준을 정한다.
• 다나가 요구사항·코드 변경·시뮬레이션·평가·시험 장비·실제 기계 배포를 에이전트로 연결할 때 보존할 변경 이력과 판단 근거 범위를 정의한다.
• 2025년 중국 외 주요 자동차 제조사 20곳 중 18곳 고객 구조와 국방·건설·광업·농업·트럭 운송 확장을 맞춰 우선 적용 산업을 가린다.

❓ 열린 질문

• 다나의 개발 폐쇄 루프와 감사 가능한 기록이 안전 필수 산업의 추적성·검증 요구를 어디까지 충족하는가?
• 기계용 운영체제와 세계 모델·계획 시스템 계층이 시뮬레이션·데이터 인프라 대비 배포 속도를 얼마나 끌어올리는가?
• 일본 무인 레벨 4 트럭과 미 육군·해군 배치 사례가 10억 대 기계 지능화 경로에서 어떤 제약 조건을 드러내는가?