(굿모닝베트남미디어) 베이징 2026년 4월 30일 -- DeepRoute.ai가 제19회 베이징 국제 자동차 전시회(Beijing International Automotive Exhibition, 이하 '오토 차이나')에서 기자간담회를 열고 물리 AI 분야의 최신 성과를 공개했다. 행사에서 맥스웰 저우(Maxwell Zhou) CEO는 회사의 설립 사명을 되짚고 물리 AI 분야에서의 최신 진전과 비전을 제시했다. 이어 수석 과학자 총 루안(Chong Ruan)이 첫 공개 기조연설을 통해 파운데이션 모델(Foundation Model)을 중심으로 한 기술 아키텍처를 체계적으로 설명했다. 이번 행사는 DeepRoute.ai가 물리 AI 분야에서 리더십을 구축하고 차세대 고도화 지능형 주행 시스템의 방향을 제시하는 데 있어 중요한 이정표로 평가받았다.

맥스웰 저우: 물리 세계의 AI 인프라를 목표로

기자간담회 초반에 저우 CEO는 2016년 창업 초기 자신 근처에서 발생한 교통사고를 회상하며 "당시 AI 기술로 더 많은 생명을 구할 수 있을지 고민했다" 밝혔다. 그러면서 현재 고도화 지능형 주행 시스템은 아직 완벽하지 않으며, 도심 환경에서 MPCI(Miles Per Critical Intervention)가 수십 킬로미터 수준에 머물러 있다고 설명했다. 다만 현재 데이터에 따르면 안전성은 이미 인간 운전자보다 몇 배 높은 수준이라며 "향후 2~3년 내 대형 모델의 이해 능력이 지속적으로 발전함에 따라 진정으로 안전한 고도화 지능형 주행 시스템이 구현될 것"이라고 전망했다.

저우 CEO는 DeepRoute.ai의 장기 비전에 대해 "미래에는 회사가 물리 세계의 AI 인프라가 되어 통신이나 전력처럼 현실 세계 운영을 뒷받침하는 기반 역량이 되기를 바란다. 사람들이 물리 세계의 지능을 이야기할 때 DeepRoute.ai가 그 핵심 기반의 일부로 자리잡기를 희망한다"고 말했다.

수석 과학자 총 루안 기조연설: 파운데이션 모델 업데이트

총 루안 딥시크(DeepSeek) 전 연구개발 총괄 겸 멀티모달 AI 핵심 연구자는 이번 행사에서 DeepRoute.ai 수석 과학자로서 처음 공개 무대에 올랐다. 이 자리에서 루안 전 총괄은 파운데이션 모델과 고도화 지능형 주행 시스템의 인지 능력 구축과 관련한 최신 진전을 체계적으로 소개했다.

루안 총괄은 지능형 주행이 양산 단계에 진입하면서 기존의 소형 모델 기반 접근 방식이 시스템 안정성과 사용자 지속 사용 측면에서 한계를 드러냈다고 지적했다. 이러한 시스템은 복잡한 엣지 케이스 상황에서 성능 변동이 존재하며, 신뢰할 수 있는 주행 경험이 아직 충분히 확립되지 않았다는 설명이다. 이를 해결하기 위해 DeepRoute.ai는 파운데이션 모델을 중심으로 한 차세대 기술 접근 방식을 개발했다.

파운데이션 모델은 주행 의사결정, 장면 인식, 행동 평가를 단일 아키텍처로 통합한다. 모델 규모가 더 크고 데이터 품질이 더 우수하며 데이터 기반 폐쇄 루프가 더 빨라 시스템의 지속적인 성능 개선이 가능하다. 이 프레임워크 하에서 데이터 기반 폐쇄 루프의 반복 주기는 기존 약 5일에서 약 12시간으로 단축되어 운영 효율성이 크게 향상됐다.

루안 총괄은 또 파운데이션 모델의 가치가 제품 기능을 넘어 조직 운영 방식에도 영향을 미치고 있다고 설명했다. 그러면서 "내부 지식 베이스 질의응답, 자동 코드 생성, 부서 간 협업, 자율 실험 분석에 이르기까지 AI가 연구개발과 관리 워크플로를 재편하고 있다"고 말했다.

산업 간 대화: 'AI는 무엇을 위한 것인가'에 대한 논의

DeepRoute.ai는 이번 행사에서 '무엇을 위한 AI인가(AI for what)'을 주제로 한 산업 대담 'AI 토크(AI Talk)'도 개최했다. 이 세션의 진행은 푸단대학교 데이터과학대학 리장(Li Zhang) 교수가 맡았으며, 젠 후오(Jian Huo) 알리바바 클라우드 자동차•에너지 솔루션 부문 총괄, 홍콩과학기술대학교(HKUST) 컴퓨터과학 및 공학과 쉬잉하오(Yinghao Xu) 조교수 겸 로비앤트(RobbyAnt) 수석 연구원, 하오징팡(Hao Jingfang) 휴고상 수상 작가 겸 통싱대학 설립자, 총 루안 전 총괄이 참여했다.

이번 대담은 전통적인 제품 발표 형식을 벗어나 대형 모델의 실제 환경 적용 한계, 월드 모델(World Model)과 VLA 모델 간 논쟁, 물리 AI의 사회적 영향 등 핵심 질문을 중심으로 진행됐다. 각 질문은 이전 논의를 확장하는 방식으로 구성되어 AI의 궁극적 목적에 대한 근본적인 탐구에 초점을 맞췄다.

데이터 플라이휠 기반 확장 진화…물리 AI 시대 본격 진입

이번 행사에서 DeepRoute.ai는 캐빈-주행 통합 에이전트(Cabin-Driving Integration Agent)도 처음 공개했다. 기존 음성 비서나 차량용 인포테인먼트 시스템을 넘어 사용자의 요구를 이해하고 복잡한 상황에 능동적으로 대응하는 'AI 두뇌'로 진화하는 것을 목표로 하는 기능이다.

DeepRoute.ai에 따르면 자사의 도심 NOA(Urban NOA) 솔루션을 탑재한 양산 차량은 현재 30만 대를 넘어섰다. 지난 1년간 해당 차량들은 실제 도로에서 13억 킬로미터 넘게 주행했으며, 사용자 운전 시간은 총 4480만 시간에 달한다. 데이터 플라이휠을 통해 생성된 이 방대한 실제 주행 데이터는 시스템 안전성을 입증하는 동시에 파운데이션 모델 최적화를 위한 핵심 기반이 되고 있다.

DeepRoute.ai는 2026년까지 고도화 지능형 주행 시스템의 양산 출하량을 100만 대 이상으로 확대할 계획이다. 또한 MPCI를 1000킬로미터 이상으로 높이고 일일 활성 사용률을 50% 이상으로 끌어올리는 것을 목표로 하고 있다. 이 목표는 시스템의 안전성, 안정성, 사용자 경험을 지속적으로 개선하고 물리 AI의 대규모 상용화를 가속화하기 위한 것이다.