인공지능이 자동차를 재정의하는 지금 핵심 질문은 ‘AI가 무엇을 할 수 있는가’가 아니라, ‘AI가 번성할 수 있는 토대를 누가 구축할 것인가’로 바뀌었다. 데이터, 인프라, 검증 프레임워크, 그리고 지능형 모빌리티를 가능하게 하는 디지털 생태계가 그 토대다. 최근 인도 소프트웨어서비스산업협회(NASSCOM)의 NASSCOM Centre of Excellence가 주관하고 CAAR(Centre of Excellence in Advanced Automotive Research) 및 IIT 마드라스(IIT Madras)가 공동개최한 ‘Automotive Innovation & AI Meet 2026’은 자동차·기술·스타트업·연구 생태계 전반의 리더들을 한자리에 모았다. AI는 많은 대화를 지배했지만, 행사의 본질은 결국 덜 화려한 작업을 향했다. 자동차 AI가 책임감 있게 확장될 것인지, 아니면 좌초될 것인지를 결정짓는 공유 인프라, 검증 프로세스, 생태계 구조 구축을 말했다. 행사의 단독 미디어파트너로서 AEM이 이를 정리했다.  

글 | 사라다 비슈누바틀라(Sarada Vishnubhatla) _ sarada@autoelectronics.co.kr
IN ENGLISH
연결기사: Vector Informatik의 글로벌 및 인도 리더십의 통찰







산제이브 말호트라(Sanjeev Malhotra) MeitY NASSCOM Centre of Excellence CEO



생태계 협력의 토대를 놓다

개회사에서 산제이브 말호트라(Sanjeev Malhotra) MeitY NASSCOM Centre of Excellence CEO는 협력의 기조를 제시했다. AI, 자율주행, 소프트웨어 정의 자동차(SDV) 같은 신기술이 자동차 산업을 계속해서 변환시키는 가운데, 산업계·학계·스타트업·정부·연구 기관이 아이디어를 나누고 기존 사고에 도전하며 혁신을 가속할 플랫폼의 필요성이 커지고 있다. 그의 발언은 거의 모든 세션을 관통한 하나의 전제를 담고 있었다.
“자동차 혁신의 다음 장은 어떤 개별 기술 못지않게 생태계 아키텍처에 달려 있다는 것이 분명합니다. 중앙 정부의 강력한 지원과 독려를 바탕으로, 앞으로 몇 달 안에 이 부분에서 의미 있는 도입이 이뤄질 것으로 봅니다.”
한국·일본·유럽에서 활동하는 글로벌 자동차 전자 부품 공급업체와 기술 기업들에게 인도의 이런 궤적은 직접적인 함의를 갖는다. 인도는 엔지니어링·R&D 허브로서의 위상을 강화하는 동시에, 글로벌 SDV 공급망에 투입될 플랫폼·표준·혁신 프레임워크를 점점 더 주도적으로 형성해 나가고 있다.



자동차 혁신 생태계 구축

이 행사는 인도 고유의 요구에 맞춘 기술을 개발해야 한다는 절박한 필요성을 공명했다.
아난드 락슈마난(Anand Lakshmanan) CAAR(IIT 마드라스) 수석 프로젝트 자문은 솔루션을 수입하는 것과 자체 개발하는 것 사이의 격차를 지적했다. 
“CAAR는 혁신적인 기술 개발을 지원하기 위해 스타트업을 육성하고 있습니다. 한편으로는 틈새 기술을 지원하고, 다른 한편으로는 산업계의 과제를 해결하기 위해 노력합니다.” 
그는 산제이브의 의견에 동의하며, 학계·산업계·정부 간의 긴밀한 협력은 선택이 아니라 연구를 배치가능한 솔루션으로 전환하기 위한 전제 조건이라고 강조했다.
그는 새로운 시각을 제안했다. “인도는 아직 SDV 도입 초기 단계에 있습니다. 그렇다면 바로 지금 이 단계에서 AI를 접목하지 않을 이유가 있을까요?”



SDV를 넘어 AI 정의 모빌리티로

글로벌 자동차 산업이 나아가는 방향은 이제 정해졌다. 여러 연사가 업계가 이미 SDV 패러다임을 넘어 일부가 ‘AI 정의 모빌리티(AI-Defined Mobility)’라 부르는 단계로 이동하고 있음을 인정하고 묘사했다. 인공지능이 차량 내부뿐 아니라 계획·설계부터 배치·반복까지 전체 엔지니어링 라이프사이클에 걸쳐 내재화되는 단계다.
그 함의는 기술을 훨씬 넘어선다. AI 중심 엔지니어링 워크플로는 조직 구조를 재편하고, OEM–티어 1–기술 생태계 전반에서 요구되는 역량을 재정의할 것으로 예상된다. 인도도 아직 소폭이지만 분명히 따라잡고 있다.
구루 프라사드(Guru Prasad A S) L&T Technology Services 글로벌 모빌리티 부문 총괄은 엔지니어와 AI 에이전트가 개발 프로세스 전반에 걸쳐 협업하는 하이브리드 딜리버리 모델의 등장을 설명했다. AI는 인간의 전문성을 대체하는 것이 아니라 가속기로 기능하면서 생산성을 높이고 개발 주기를 단축한다. LTTS는 이를 엔지니어링 인텔리전스(Engineering Intelligence)로 부른다.
그는 인도 자동차 분야의 대규모 AI 배치를 가로막는 세 가지 구조적 장애물을 짚었다. 첫째는 데이터 접근성이다. 고객들은 AI의 가치를 이해하지만, 데이터 기밀성에 대한 우려가 모델 구축·훈련에 필요한 데이터셋의 가용성을 종종 제한한다. 둘째는 구조화된 AI 도입 로드맵의 부재다. 안전 필수 시스템이 엄격하고 단계적인 검증을 요구하는 산업에서 특히 어려운 과제다. 셋째는 아키텍처 문제다. 
“오늘날 많은 조직이 개별 애플리케이션에 AI를 내재화하려 합니다. 진정한 게임 체인저는 소프트웨어 스택 내에 전용 AI 레이어를 도입하는 것입니다. 미들웨어 레이어 위에 위치하여 차량 데이터를 중앙에서 처리하고 여러 애플리케이션에 인텔리전스를 제공하는 레이어 말입니다.”
아누라아그 바르드와즈(Anuraag Bhardwaj) 캡제미니(Capgemini) 부사장 겸 자동차 산업 플랫폼 총괄은 더 강력해진 컴퓨팅 플랫폼, 확장되는 실세계 데이터셋, 성장하는 에지 케이스 라이브러리의 수렴이 이미 차량 개발 주기를 단축시키고 있다고 지적했다. 
“인도는 기술적으로 진화하고 있습니다. 칩은 점점 강력해지고, 클라우드 관련 레이턴시도 계속 줄이고 있습니다. 기술 토대는 이미 마련됐습니다.”



자동차 AI 뒤에 숨겨진 인프라

AI가 보이는 표면이라면, 인프라는 그 기반이다. 그리고 여러 연사는 그 기반이 규모를 결정짓는 요인일 수 있다고 논의했다.
라자고팔란 라자파(Rajagopalan Rajappa) Tata Elxsi CTO는 그 기반이 요구하는 것을 제시했다. 고정밀 지도, 대규모 주행 데이터셋, 롱테일 시나리오 데이터베이스, 디지털 트윈, 시뮬레이션 환경, 그리고 혁신을 위한 공통 기반으로 기능할 수 있는 오픈 AI 프레임워크다. 이런 공유 자산 없이는 인도의 특수한 도로 조건과 모빌리티 패턴을 다룰 수 있는 주권형 자동차 AI 모델을 구축할 수 없다.
“생성형 AI와 트랜스포머 아키텍처가 등장하면서, 이제는 단순히 소프트웨어 정의 차량의 문제가 아닙니다. 방향은 분명합니다. AI가 기능 정의, 사용자 경험, 소프트웨어 아키텍처, 나아가 자율주행 시스템의 진화까지 점점 더 형성하는 AI 정의 차량으로 향하고 있습니다. 그러나 가장 중요한 고려사항은 지속 가능하고 책임감 있는 AI를 개발하는 것입니다.”
인프라 과제는 소프트웨어 배포 자체에까지 확장된다. 나빈 크리슈나파(Naveen Krishnappa) 벡터 인포마틱(Vector Informatik) 기술 리드 겸 제품 전문가는 OTA 업데이트를 SDV의 기본 역량으로 규정하면서도, 소비자 가전에서는 없는 리스크를 수반한다고 지적했다. 스마트폰 업데이트와 달리 차량 소프트웨어 변경은 안전 필수 기능에 영향을 미치는 경우가 많다. 수백만 대 차량에 걸친 배포를 관리하려면 보안 클라우드 인프라, 롤백 메커니즘, 업데이트가 실패하더라도 차량 운행 가능성을 보장하는 안전 아키텍처가 필요하다.
사이버보안도 관련 우려 사항이었다. 티루 스리니바산(Thiru Srinivasan) CAAR CEO는 차량이 더욱 연결될수록 하드웨어·소프트웨어·테스트 환경 전반에 걸쳐 복원력을 구축해야 할 필요성을 강조했다. 이 과제는 추가되는 인텔리전스의 양에 비례해 커진다.




윗줄 좌측부터 MeitY NASSCOM Centre of Excellence 산지브 말호트라 CEO,  CAAR, IIT Madras 아난드 락슈마난 Senior Project Advisor, LTTS 구루 프라사드 Global Head – Mobility Practice, Capgemini 아누라아그 바르드와즈 VP & Head – Automotive Industry Platform, Tata Elxsi 라자고팔란 라자파 CTO.
아랫줄 좌측부터 Vector Informatik 나빈 크리슈나파 Technical Lead & Product Expert,  CAAR 티루 스리니바산 CEO, KPIT 비크란트 쿠마르 AVP & Business Leader, Accenture 스리니바사 프라사드 M.N.  Associate Director, Mercedes-Benz Research & Development India 포오자 아룬 VP.



신뢰, 검증, 안전: 진짜 난제

지능형 시스템을 구축하는 것은 가능해지고 있다. 하지만 그 시스템이 안전하고 신뢰할 수 있으며 신뢰성 있음을 입증하는 것은 별개의 문제다. 그리고 이 행사의 대부분 평가에 따르면, 더 어려운 문제다.
비크란트 쿠마르(Vikrant Kumar) KPIT AVP 겸 딜리버리 비즈니스 리더는 검증이 무너지는 지점을 정확히 짚었다. 모델 훈련용 대규모 데이터셋은 확보할 수 있지만 검증 데이터셋이 실세계 조건을 충분히 다양하고 대표성 있게 담보하는 것은 별개다. 
“통제된 개발 환경과 예측 불가능한 도로 조건 사이의 격차가 복잡성을 더합니다. 합성 데이터와 시뮬레이션이 개발을 가속할 수 있지만, 실세계 검증은 여전히 불가결합니다.”
규제 준비 부족이 어려움을 가중시킨다. AI 기술은 그 배포·검증·책임을 규율하는 프레임워크보다 빠르게 발전하고 있다. 쿠마르는 신뢰는 말이 아니라 입증된 안전 결과, 효과적인 규제, 책임감 있는 도입을 통해 점진적으로 구축될 것이라고 제안했다.
스리니바사 프라사드(Srinivasa Prasad M N) Accenture 어소시에이트 디렉터는 책임 소재의 차원을 검토했다. 차량이 점점 더 소프트웨어 중심으로 진화함에 따라, 공급업체·기술 제공업체·엔지니어링 파트너로 구성된 광범위한 생태계 전반에서 책임은 실제로 누구에게 귀속되는가? 
“OEM은 고객과 직접 대면하는 주체로서 궁극적으로 책임을 집니다. 그렇다 해도 이는 연쇄적 피해이며, 나머지 생태계, 벤더, 티어 1, 엔지니어링 서비스 제공업체 등도 그 영향을 받게 됩니다. SDV는 여전히 진화 중인 영역이고 개념도 아직 성숙하지 않았지만, 엄격한 규제와 안전 프레임워크가 신뢰성과 책임성 모두를 강화할 것이라 봅니다.”
구루 프라사드는 제동장치, 조향, 에어백, ADAS 같은 안전 필수 시스템은 저위험 애플리케이션에서 고위험 사용 사례로 신중하게 단계를 밟아가는 배치 전략이 필요하다는 점을 재확인했다. 바로 그렇기 때문에 책임감 있는 AI의 도입이 필수적이며, 지름길을 허용할 여지는 거의 없다.



차량을 넘어: 지능형 에너지의 부상

여러 세션은 대화를 차량 자체를 넘어 차량이 점점 더 의존하고 기여하게 될 에너지 시스템으로까지 확장했다.
포오자 아룬(Pooja Arun) 메르세데스-벤츠 연구개발 인디아(Mercedes-Benz Research & Development India) 부사장은 배터리 관리 시스템이 사후 모니터링 도구에서 배터리 거동을 예측하고 실시간으로 성능을 최적화하는 예측 인텔리전스 플랫폼으로 진화하는 과정을 설명했다.
“배터리 기술은 프로세서와 같고, 소프트웨어 인텔리전스는 운영체제와 같습니다. 인텔리전스나 강력한 프로세서가 없다면 효율적으로 만들 수 없습니다.”
그의 프레이밍은 시사적이었고 함의는 상당했다. 전동화는 단순히 화학의 문제가 아니다. 배터리 성능을 관리하고 최적화하는 소프트웨어 인텔리전스가 셀 자체만큼이나 중요할 수 있다.
인프라에 대해서도, 충전기 배치만으로는 충분하지 않다고 그는 설명했다. 
“기반 에너지 인프라 역시 증가하는 수요를 지원할 수 있어야 합니다. 바로 여기서 V2G(Vehicle-to-Grid), 스마트 충전, AI 기반 에너지 최적화 같은 기술이 점점 중요해집니다.” 
전기차는 단순히 전력을 소비하는 존재가 아니다. 필요할 때 에너지를 저장·관리·공급할 수 있는 분산 에너지 자산이다. 이 논의는 모빌리티와 에너지 인프라 사이의 경계가 이미 무너지고 있음을 보여주었다.



연결된 모빌리티의 미래 구축

행사 마지막 세션들은 시야를 더 넓혔다. 차량과 에너지 시스템을 넘어 연결된 모빌리티의 더 광범위한 아키텍처로.
티루 스리니바산은 차량 간 통신, 중앙집중식 컴퓨팅 아키텍처, 사이버보안, 그리고 운전자의 인지 부하를 줄이기 위해 설계된 고급 HMI 시스템에서 떠오르는 기회들을 짚었다.
라마크리슈나 스리니바산(Ramakrishna Srinivasan) IIT 마드라스 모빌리티 및 지능형 교통 협력체(Mobility and Intelligent Transportation Collaborative, MInT) CEO는 경계를 차량·인프라·교통 네트워크 전반에 걸친 원활한 데이터 교환으로 더욱 밀어붙였다. 
“데이터 가용성이 높아지고 컴퓨팅 역량이 계속 발전함에 따라, 우리는 모빌리티 시스템 전체를 이해하고 최적화하는 모델을 구축하기에 더 나은 위치에 있습니다. 시스템 수준의 효율 향상은 더 지속 가능한 교통 생태계를 만드는 데 필수적입니다.”



야망은 실재한다. 격차도 마찬가지다.

Automotive Innovation & AI Meet 2026이 분명히 한 것은, 산업계가 자신이 어디로 가야 하는지 이해한다는 점이다. 그러나 더 어려운 작업, 그곳에 도달하는 데 필요한 데이터 기반, 시뮬레이션 환경, 검증 프레임워크, 협력 구조를 구축하는 일은 아직 대부분 앞에 놓여 있다. 인도의 역할은 커지고 있다. 그 야망이 조금 더 빨리 실현될지, 아니면 조금 더 늦게 실현될지는 두고 볼 일이다.

AEM(오토모티브일렉트로닉스매거진)