10 억 대의 지능형 기계 만들기

이번 주, @AppliedInt는 물리적 AI 애플리케이션 개발을 위한 에이전트 플랫폼인 Dana를 출시합니다. Applied Intuition은 자율 시스템 개발에 필요한 엔지니어링 도구를 구축하는 것으로 시작해, 이를 뒷받침하는 OS, 그리고 마지막으로 기계 자체에서 실행되는 인텔리전스로 영역을 확장해 왔습니다. 공동 창업자이자 CEO인 Qasar Younis가 현재의 회사를 설명하듯, 그 목표는 항상 자율주행차를 위한 툴링 그 이상이었습니다. 사명은 수십억 대의 기계에 인텔리전스를 탑재하는 것입니다.

유행을 타지 않는 레이어

2017년, 자율주행 업계는 한 가지 공통된 예측을 공유했습니다. 소수의 수직 통합 기업이 자율주행차 문제를 해결하고, 차량을 운영하며, 시장 전체를 장악할 것이라는 예측이었습니다. 그 결과, 자본은 풀스택 로보택시 프로그램에 압도적으로 쏠렸습니다. 각 프로그램은 자체 엔지니어를 고용하고, 자체 차량을 확보했으며, 거의 동일한 내부 개발 인프라를 재구축했습니다.

주요 자율주행 프로그램을 옮겨 다니던 엔지니어들은 흥미로운 관행을 마주했습니다. 그들은 이전 회사에서 자율 시스템을 개발하고 테스트하는 데 사용했던 도구들을 뒤로하고, 다음 회사에 도착하면 다시 그 도구들을 만들기 시작했습니다. 업계는 자율주행에 대한 확신은 넘쳤지만, 이를 구현하기 위한 공유된 모범 사례는 매우 부족했던 것입니다.

Applied Intuition은 이러한 모범 사례를 회사로 만들자고 제안했습니다.

이는 소수의 의견이었고, 점점 더 유행하는 시장에 참여하는 전통적인 방식은 아니었습니다. 대규모 Level 4 자율주행 개발사들은 외부 툴링 공급업체가 필요하다고 생각하지 않았습니다. Applied Intuition은 그럼에도 그들에게 판매를 시도했습니다. Cruise와 같은 유명한 자율주행 프로그램은 거절했습니다. 당시로서는 이해할 수 있는 입장이었을 수도 있습니다. 그들은 Applied Intuition과 같은 스타트업이 자체 엔지니어들이 이미 내부적으로 구축하려던 도구를 만들 때까지 기다리지 않을 것이기 때문입니다.

그 시대의 많은 유명 풀스택 프로그램들은 더 이상 예전의 형태로 존재하지 않습니다. 예를 들어, Cruise는 General Motors에 인수된 후 안전 사고 이후 서비스가 중단되었습니다. 한편, Applied Intuition은 그들 대부분보다 오래 살아남았고(더 나은 성과를 냈습니다).

Applied Intuition의 창업 피치덱에는 "우리가 사실이라고 믿는 아이디어"라는 슬라이드가 있었습니다. 그중 하나는 단일 자율주행차 제조업체는 글로벌 자동차 시장의 한 자릿수 점유율에 머물 것이라는 것이었습니다. 자동차 산업의 구조상 여러 제조업체에 분산되는 경향이 있기 때문입니다.

만약 한 수직 통합 기업이 차량 시장을 장악한다면, 합리적인 전략은 그 기업이 되는 것(그리고 투자하는 것)이었을 것입니다. 하지만 승자독식 시장이 아니라면, 나머지 90% 이상의 자동차는 기존 자동차 산업을 통해 인텔리전스를 확보해야 했습니다. 해당 제조업체들이 각자 현대 소프트웨어 스택의 모든 레이어를 재현할 수는 없었습니다. 독립적인 공급업체가 공통 인프라를 제공해야 했습니다.

Qasar와 Applied Intuition의 CTO이자 다른 공동 창업자인 Peter Ludwig은 집중보다 확산에 베팅하고 있었습니다. 자율주행의 미래는 신규 진입자가 기존 기업을 대체하는 방식뿐만 아니라, 기존 기업이 기술적으로 완전히 다른 회사로 변모함으로써 도래할 것입니다. Applied Intuition은 그들에게 그 수단을 제공할 것입니다.

Qasar와 Peter은 General Motors, Google, Y Combinator에서의 경험과 기술적 깊이, 그리고 안전이 중요한 시스템을 구축하는 느리고 까다로운 작업에 대한 비범한 인내심을 결합했습니다. 대규모 Level 4 기업들이 처음에 고객이 되기를 거절하자, Applied Intuition은 실리콘밸리의 소규모 자율주행 팀(Voyage와 그 동료 그룹 포함)에 제품을 판매했습니다. 그들이 개발한 제품은 고객 작업의 요구를 따랐습니다. 먼저 계획을 위한 시뮬레이터, 그다음 인식을 위한 시뮬레이터, 마지막으로 데이터를 관리하고 수백만 건의 시뮬레이션을 실행하기 위한 인프라 순서였습니다.

물리적 현실과 상관관계가 있는 결정론적 시뮬레이션은 화려해 보이지 않는 제품 범주로 들릴 수 있습니다. 실제로는 자율 시스템이 작동하는지 여부를 판단하기 위해 차량을 도로에 내보내고 실제 환경에서 테스트할 필요 없이 업계에 공통된 기준점을 제공했습니다. 시뮬레이터는 도로 이벤트를 반복 가능한 테스트로 전환하고, 이를 실제 환경에서 구현할 수 있게 합니다.

이후 시장 구조는 Applied의 "우리가 사실이라고 믿는 아이디어..." 슬라이드가 단일 제조사 테제보다 유리함을 반영했습니다. 이는 사전에 명확히 예측된 것은 아니었지만, 돌이켜보면 타당합니다. 자동차는 순수 소프트웨어 제품이 아닙니다. 규제를 받고 자본 집약적인 물리적 시스템이며, 기존의 유통 네트워크를 통해 판매됩니다. 소프트웨어는 가치가 창출되는 위치와 중요한 역량을 재편성할 수 있습니다. 하지만 그 자체로 산업적 복잡성을 단일 제조업체로 평탄화할 수는 없습니다.

멀리서 보면 General Motors가 보인다

2018년과 2019년경, General Motors는 개발 툴링에 대한 공식 요청서를 발행했습니다. NVIDIA와 Ansys를 포함한 28개 기업이 입찰했습니다. Applied Intuition은 여전히 작은 스타트업이었고, GM은 조달 절차와 선택을 기다리는 수많은 옵션을 가지고 있었습니다. Applied의 제품이 사양에 더 잘 부합했고,それが 그들의 제안이 승리한 이유였습니다.

GM 수주는 실리콘밸리 자율주행 스타트업들 사이에서의 쐐기를 전통적인 제조사들 사이에서의 합법성으로 전환시켰습니다. 플레이북은 반복 가능해졌습니다. 먼저 기술적으로 공격적인 소규모 기업들과 협력하고, 그 결과물과 증거를 활용하여 산업 규모로 운영되는 기존 업체들에 서비스를 제공하는 것입니다.

창립 후 약 18개월 만에 Applied Intuition은 방위 산업에 진출했습니다. 회사는 해당 분야를 내부에서 이해하는 사람들을 고용한 후, 자동차 분야의 시뮬레이션, 데이터, 통합, 검증 패턴을 방위 시스템에 적용했습니다. 건설 및 광업, 그리고 상용 트럭 운송이 뒤를 이었습니다.

일반적인 소프트웨어 회사는 종종 영업 자료의 명사 몇 개를 바꾸는 방식으로 새로운 분야에 진출합니다. Applied는 각 분야에 정통한 팀을 고용하고 고객, 조달 시스템, 안전 사례의 제약 조건에 맞춰 제품을 재구축하는 방식으로 진출했습니다. 한편, 제품은 기술적 사다리를 올라갔습니다.

하위 레이어는 시뮬레이션 및 데이터 인프라로 구성되었습니다. 시나리오 생성, 기계 데이터 수집, 이벤트 재현, 행동 평가 등이 포함됩니다. 그 위에는 물리적 기계를 위한 운영 체제가 있었습니다. 스케줄링, 미들웨어, 메모리 관리, 통신, 기능 안전 등이 포함됩니다. 이는 기계 자체를 책임지는 운영 체제였지, 기계에 표시되는 애플리케이션 모음이 아니었습니다. 그 위에는 인텔리전스 자체, 즉 육상, 공중, 해상에서 작동하는 기계에 배포된 세계 모델 및 계획 시스템이 있었습니다.

2024년과 2025년까지 그 결과는 외부에서 측정 가능해졌습니다. Applied Intuition은 150억 달러의 가치 평가로 투자 유치에 성공했습니다. 2025년까지 중국을 제외한 주요 자동차 제조사 20곳 중 18곳이 고객이 되었습니다. Applied Intuition 기술을 사용하는 Level 4 트럭이 일본에서 운전자 없이 운행되고 있었습니다. 회사는 미 육군과의 계약, 미 해군 군함에 탑재된 운영 체제, 그리고 광업, 건설, 농업, 트럭 운송 분야의 실전 작업을 진행하고 있었습니다. 그리고 많은 실리콘밸리 스타트업에게는 이례적으로, Applied Intuition은 투자자로부터 조달한 주요 자본(약 10억 달러)을 대부분 보존하면서도 수년 연속 대규모로 매출을 거의 두 배로 늘렸습니다.

그때쯤 원래의 문제는 변화했습니다. 2017년, 업계는 자율주행 인텔리전스가 언제쯤 충분한 성능을 갖추게 될지 궁금해했습니다. 2020년대 중반이 되자, 트랜스포머 모델의 정교함 덕분에 모델 성능은 대규모 조직이 이를 배포할 수 있는 속도보다 더 빠르게 도래하고 있었습니다.

이것이 바로 툴 회사가 플랫폼 회사가 될 수 있는 이유입니다. 툴은 제한된 작업을 해결하는 것으로 시작합니다. 성공하면 많은 작업이 수행되는 공통 인터페이스가 됩니다. 통합, 테스트 케이스, 워크플로, 조직적 기억을 축적하고, 결국 생산 시스템의 부속물이 아니라 생산이 이루어지는 환경 자체가 됩니다.

웹 브라우저는 역사적 유사점을 제공합니다. 브라우저는 기반이 되는 인터넷을 "창조"하지는 않았지만, 덕후 취미생활자가 아닌 대다수의 사람들이 인터넷을 사용할 수 있게 만들었고, 그 접근성을 통해 사람들이 구축하고 할 수 있게 된 것들을 향해 수조 달러의 경제 활동이 이동했습니다. Applied Intuition이 시뮬레이터에서 데이터 인프라, 운영 체제로 발전한 과정은 고객들이 이미 수행하고 있던 작업을 따른 것입니다. 해당 작업의 더 많은 부분이 Applied의 제품으로 이동함에 따라, 소프트웨어는 개발의 한 단계에 사용되는 도구가 아니라 해당 회사들이 기계를 구축하는 방식의 일부가 되었습니다.

Dana

오늘 Applied Intuition이 Dana를 출시합니다.

9년 동안 Applied Intuition은 지능형 기계 개발에 사용되는 기술을 구축해 왔습니다. Dana는 이 축적된 시스템 위에 에이전트 인터페이스를 제공합니다. 엔지니어는 요구사항에서 시작하여 이를 관련 코드에 연결하고, 시뮬레이션 및 정의된 평가를 통해 변경 사항을 실행하고, 테스트 벤치나 HIL(Hardware-in-the-Loop) 시스템으로 이동시킨 후, 최종적으로 물리적 기계를 위한 단계로 준비할 수 있습니다. 이전에는 이러한 작업의 상당 부분이 엔지니어가 특수 도구 간에 수동으로 결과를 전달해야 했습니다. Dana는 시스템이 어떻게, 왜 변경되었는지에 대한 기록을 유지하면서 경로를 조정할 수 있습니다.

이는 자율주행의 기술적 방법이 변화함에 따라 등장했습니다. 자율주행 산업 역사의 대부분 동안 발전은 모방 학습의 형태로 이루어졌습니다. 녹음된 인간의 운전 데이터를 충분히 모아 모델이 이를 모방하도록 훈련시키는 것입니다. 최첨단은 폐쇄형 개발 루프 내에서의 종단 간 강화 학습으로 이동하고 있습니다. 시스템이 문제에 직면하면, 팀은 해당 상황의 예시를 더 찾거나 생성하고, 모델이 다시 훈련되며, 동일한 시나리오가 재실행되어 행동이 개선되었는지 확인합니다. Applied는 이미 이 루프를 실행하는 데 필요한 시뮬레이션, 합성 데이터, 평가 및 배포 시스템을 보유하고 있습니다. Dana는 이를 운영하는 데 에이전트 역할을 부여합니다.

물리적 경제는 역사적으로 해결하기 어려워 보이는 이유로 소프트웨어에 저항해 왔습니다. 이러한 산업은 긴 하드웨어 주기와 많은 물리적 세계 고려 사항을 가지고 있습니다. 이는 기계의 무게가 수 톤에 달하고 사람 근처에서 움직이다가 누군가 다칠 때까지는 평범한 엔지니어링 문제에 불과합니다. 그 시점이 되면 사양과 배포 결정 사이의 모든 연결고리는 조사를 견뎌야 합니다.

자율 기계는 특별한 입증 책임을 부담합니다. 제조사는 모델이 잘 작동한다고 확신할 수 있지만, 규제 기관이 그 결론에 어떻게 도달했는지 이해할 수 있을 때까지는 제품을 출시할 수 없습니다. Dana는 이를 염두에 두고 구축되었습니다. 그 유용성은 코드를 생성하거나 워크플로를 실행하는 속도만큼이나 추적 가능성과 평가에 달려 있습니다.

동시에 경제성도 변화하고 있습니다. 인텔리전스는 가파른 가격 하락 곡선을 따라 내려가고 있습니다. 자율주행 레이어 자체는 풍부해지는 방향으로, 그리고 많은 환경에서는 무시할 수 있는 한계 가격으로 향할 것입니다.

로봇 제조사 한 곳은 자사가 제조하는 기계만 판매할 수 있습니다. Dana는 앞으로 20년 더 사용될 것으로 예상되는 기존 장비를 업그레이드하고, 더 이상 인간 운전자를 수용해야 할 필요성에 의해 형태가 결정되지 않는 새로운 기계를 개발하는 데 사용될 수 있습니다. 즉, Dana는 수십억 대의 지능형 기계를 확보할 수 있는 한 가지 방법입니다.

수년 동안 자율 시스템은 모델 자체에 의해 제한되었습니다. 그 제약은 완화되었습니다. 남은 작업은 이를 배포하려는 제조사와 운영자 내부에 있으며, 실제 하드웨어에 모델을 적용하고 연구실에서 멀리 떨어진 곳에서 운영되는 시스템을 지원하는 형태로 이루어집니다. 시장은 물리적 세계에서 AI를 사용할 준비가 되어 있지만, 대부분의 기업은 이를 위해 수천 명 규모의 자율주행 조직을 구성할 여유가 없습니다.

Applied Intuition은 9년 동안 인텔리전스가 하드웨어 및 물리적 세계와의 접촉을 통해 어떻게 살아남는지 배웠습니다. Dana는 기계를 스스로 움직이게 만들고자 하는 모든 사람의 손에 그 지식을 쥐여줍니다.