본문으로 건너뛰기
피드

카카오모빌리티, 웨이모 출신 리더 앞세워 ‘피지컬 AI’ 회사로 체질 바꾼다

ai-ml 약 6분
vote
0
댓글
북마크

카카오모빌리티가 피지컬 AI 부문을 중심으로 자율주행 기술과 카카오 T 플랫폼 데이터를 결합하겠다는 청사진을 공개했음. 강남 도심 여객 운송 경험을 기반으로 플래너, 대규모 데이터 파이프라인, 자율주행 검증 파이프라인, 통합 안전관리 플랫폼을 고도화하겠다는 계획임.

  • 1

    카카오모빌리티가 피지컬 AI 부문을 신설하고 웨이모 출신 김진규 부사장을 영입함

  • 2

    카카오 T 데이터와 자체 자율주행 기술을 결합해 대규모 데이터 파이프라인과 E2E 모델을 고도화할 계획임

  • 3

    자율주행 검증 파이프라인, 통합 안전관리 플랫폼, 외부 공동개발까지 묶어 오픈 생태계를 만들겠다고 밝힘

  • 카카오모빌리티가 ‘피지컬 AI 기업’으로 가겠다고 내부 청사진을 공개했음.

    • 김진규 카카오모빌리티 부사장 겸 피지컬 AI 부문장이 지난달 30일 판교 사옥에서 임직원 대상 올핸즈 미팅을 열었음.
    • 올해 초 신설한 피지컬 AI 부문이 중심이고, 김 부사장은 구글 알파벳 산하 자율주행 기업 웨이모 출신임.
  • 회사가 내세우는 출발점은 이미 강남 도심에서 실제 여객 운송 서비스를 운영해본 경험임.

    • 김 부사장은 카카오모빌리티가 복잡한 강남 도심에서 안정적인 여객 운송 서비스를 구현할 정도의 기술을 갖고 있다고 설명함.
    • 특히 자율주행 차량의 판단을 맡는 핵심 요소인 플래너를 양질의 데이터로 고도화하고, 강남 지역 서비스에 순차 적용하겠다고 밝힘.

중요

> 카카오모빌리티가 강조한 차별점은 ‘AI 모델 만들겠다’가 아니라 카카오 T 플랫폼 데이터와 실제 도심 주행 경험을 자율주행 모델 고도화에 연결하겠다는 부분임.

  • 기술 계획은 데이터, 모델, 검증, 안전관리까지 꽤 넓게 잡혀 있음.

    • 카카오 T 플랫폼으로 쌓은 인프라에 자체 자율주행 기술을 결합해 대규모 데이터 파이프라인을 구축하겠다는 계획임.
    • 이를 기반으로 E2E 자율주행 핵심 모델을 고도화한다고 함.
    • 여기에 자율주행 차량 검증 파이프라인과 지능형 자율주행 통합 안전관리 플랫폼까지 포함됨.
  • 소프트웨어부터 하드웨어까지 전 영역의 역량을 확보해 글로벌 자율주행 시장에서 경쟁력을 만들겠다는 전략임.

    • 고도화된 E2E 모델만이 아니라, 차량 검증과 안전관리까지 묶어서 봐야 한다는 접근임.
    • 자율주행은 데모 영상보다 운영 안정성이 훨씬 중요하니, 검증 파이프라인을 전면에 둔 건 현실적인 포인트임.
  • 자체 개발만 고집하지 않고 외부 협력도 키우겠다고 함.

    • 다양한 자율주행 기업, 학계와 공동개발을 추진하고, 2020년부터 이어온 국내 자율주행 파트너십도 확대할 계획임.
    • 회사는 이를 ‘오픈 생태계’ 구축 방향으로 설명함.
  • 조직 운영 측면에서는 특정 부문만의 일이 아니라 전사 체질 개선으로 가져가려는 분위기임.

    • 류긍선 대표는 지난 3월 임직원 레터에서 피지컬 AI 기업으로의 도약을 본격화하겠다고 밝힌 바 있음.
    • 피지컬 AI 부문은 매월 올핸즈 미팅을 열어 기술 개발 파트와 미래 사업 추진 조직 간 이해도를 높이겠다는 방침임.
sequenceDiagram
    participant 카카오T플랫폼 as 카카오 T 플랫폼
    participant 데이터파이프라인 as 데이터 파이프라인
    participant 자율주행모델 as E2E 자율주행 모델
    participant 플래너 as 플래너
    participant 검증플랫폼 as 검증·안전관리 플랫폼

    카카오T플랫폼->>데이터파이프라인: 운행·호출 기반 데이터 축적
    데이터파이프라인->>자율주행모델: 학습용 데이터 정제·공급
    자율주행모델->>플래너: 주행 판단 모델 고도화
    플래너->>검증플랫폼: 시나리오별 주행 판단 검증
    검증플랫폼->>플래너: 안전 기준 기반 피드백 반영
    플래너->>카카오T플랫폼: 강남 지역 서비스에 순차 적용

기술 맥락

  • 피지컬 AI가 중요한 이유는 AI가 화면 안에서 답을 만드는 수준을 넘어, 실제 도로에서 차량을 움직이는 판단까지 맡기 때문이에요. 자율주행에서는 잘못된 답변 하나가 사용자 경험 문제가 아니라 안전 문제로 이어질 수 있어요.

  • 카카오모빌리티가 카카오 T 데이터를 강조하는 건 자연스러운 선택이에요. 호출, 이동, 도심 운행 패턴 같은 데이터는 일반 웹 데이터와 다르게 현장성이 있고, 강남 같은 복잡한 지역에서는 예외 상황 학습에 특히 쓸모가 있거든요.

  • 플래너를 콕 집은 것도 핵심이에요. 자율주행차는 주변을 인식하는 것만으로는 부족하고, 그 다음에 끼어들지 기다릴지, 어느 속도로 갈지, 위험 상황에서 어떻게 멈출지 결정해야 해요.

  • 검증 파이프라인과 통합 안전관리 플랫폼이 같이 언급된 이유는 운영 서비스에서는 모델 성능만으로 부족하기 때문이에요. 실제 여객 운송에 넣으려면 업데이트된 모델이 어떤 시나리오에서 안전한지 계속 확인하는 체계가 필요해요.

카카오모빌리티의 강점은 모델 발표 자체보다 실제 호출·운행·도심 데이터에 있음. 피지컬 AI가 말뿐인 슬로건이 되지 않으려면 플래너 고도화와 검증·안전 파이프라인을 얼마나 운영 레벨로 끌어올리느냐가 관건임.

댓글

댓글

댓글을 불러오는 중...

ai-ml

MIT 연구진 “AI 금융 조언, 질문만 제대로 하면 꽤 쓸 만하다”

MIT Sloan 연구진이 GPT-5.2, GPT-5.6, Gemini 3 Flash의 금융 조언을 생애주기 모델로 시뮬레이션했더니, 전반적으로 저축·분산투자·위험 조절 같은 방향은 꽤 괜찮았음. 다만 실직 같은 충격 대응, 리밸런싱, 사용자 성별·금융 지식에 따른 조언 격차는 여전히 위험 포인트로 남음.

ai-ml

바이트댄스, 30초짜리 영상까지 한 번에 뽑는 Seedance 2.5 공개

바이트댄스가 영상 생성 모델 Seedance 2.5를 공개했음. 30초 오디오·비디오 생성, 최대 이미지 30장·영상 10개·오디오 10개 참조, 타임스탬프 단위 편집을 앞세워 단순 클립 생성에서 제작 워크플로 쪽으로 밀고 가는 업데이트임.

ai-ml

AI 코딩 시대에도 결국 도메인 전문가가 이긴다는 데이터가 나왔다

앤트로픽이 클로드 코드 사용 세션 40만 건을 분석한 결과, AI 코딩 성과를 가르는 핵심은 코딩 손기술보다 업무 전문성이었음. 전문가는 한 번의 지시로 더 많은 작업을 끌어내고, 문제가 생겼을 때도 포기하지 않고 AI를 올바른 방향으로 되돌리는 비율이 높았음.

ai-ml

정부, 엔비디아에 AMD까지 붙여 AI 인프라 선택지 넓힌다

정부가 엔비디아 GPU 확보에 그치지 않고 AMD, 국산 NPU, CXL, DPU까지 엮는 개방형 AI 컴퓨팅 생태계로 방향을 넓히고 있음. AI 경쟁이 단순히 GPU를 얼마나 많이 사느냐에서 워크로드에 맞춰 CPU·GPU·NPU를 어떻게 조합하느냐로 넘어가는 분위기임.

ai-ml

빅테크 AI 투자 폭증, 삼성·하이닉스 HBM 싸움이 더 뜨거워졌다

아마존, 구글, 마이크로소프트, 메타가 올해 AI 인프라 설비투자 계획을 최대 7600억달러까지 올리면서 HBM 수요가 다시 확인됐어. 삼성전자는 HBM4로 점유율을 끌어올리겠다고 나섰고, SK하이닉스는 양산 경험과 고객 신뢰를 앞세워 1위 방어에 들어갔어.