현대차·기아는 왜 바스트 데이터에 투자했나…포티투닷이 수년간 써본 ‘AI OS’ 작성일 10-29 8 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">[IT클로즈업] 포티투닷 ADAS·LLM 개발 환경 바스트 플랫폼으로 통합</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="0t8B9R5TvX"> <figure class="figure_frm origin_fig" contents-hash="4bc33b5de292d4b94bccb803c35ff9f51e179325dc2e5dbe74f12690aa26d919" dmcf-pid="pF6b2e1yvH" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/29/552796-pzfp7fF/20261029060024153iwho.png" data-org-width="640" dmcf-mid="FJV7BQHlC5" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/29/552796-pzfp7fF/20261029060024153iwho.png" width="658"></p> </figure> <p contents-hash="dbe0feec43ca3cef146660d8445bdea3e063e5a9d8bef6ba24bee13f3a824d53" dmcf-pid="U3PKVdtWSG" dmcf-ptype="general">[디지털데일리 이안나기자] 자율주행 AI 개발에서는 차량이 수집한 영상과 센서 데이터를 학습·검증에 반복적으로 활용한다. 작업마다 데이터를 별도 시스템으로 복사하고 옮기면 개발 시간이 길어지고 저장 비용도 늘어난다. 현대자동차·기아가 최근 투자한 바스트 데이터는 포티투닷에서 이러한 데이터 처리 부담을 줄이는 역할을 맡고 있다.</p> <p contents-hash="7989fe8a1c527786e1857d963b9f9d6a4fe247c0aec5ced8b9cb3dae529de4b2" dmcf-pid="upx24i3GWY" dmcf-ptype="general">현대차·기아 관계자는 “데이터가 중요한 자산이 된 만큼 이를 효율적으로 관리하고 AI 학습·추론에 활용할 수 있는 기반을 확보하기 위한 선제적 투자”라며 “이를 바탕으로 협력을 이어가고 있다”고 말했다. 지난 13일 발표된 현대차·기아의 바스트 데이터 투자는 고객 관계에서 출발했다.</p> <p contents-hash="878acb5eb0c07e023e65c4b5124e19e5c93fd504eb4d2012f860ca49cf876aa9" dmcf-pid="7UMV8n0HlW" dmcf-ptype="general">현대차·기아의 글로벌 소프트웨어 센터인 포티투닷은 수년간 실제 연구개발 환경에서 바스트 데이터의 ‘바스트 AI OS’를 사용해왔다. 바스트 데이터는 디지털데일리에 “포티투닷은 첨단운전자지원시스템(ADAS) 및 AI 제품을 지속적으로 고도화함에 따라 확장 가능하고 고성능인 데이터 인프라의 필요성이 더욱 커졌다”고 설명했다.</p> <p contents-hash="cdfb501a86b3c9addc898b5f21f2a621b38f3519f937c149f3c200ddcc2c1bce" dmcf-pid="zuRf6LpXyy" dmcf-ptype="general"><strong>◆ 단계마다 다른 데이터 요구…동영상 학습 늘며 부담 커져</strong></p> <p contents-hash="543c46e863f939559eff4d3ea36d6396a9f7f1c0a2d910978630dca51f7d1904" dmcf-pid="q7e4PoUZCT" dmcf-ptype="general">바스트 데이터가 자율주행·로봇 고객의 어려움으로 꼽은 것은 개발 단계마다 데이터를 사용하는 방식이 다르다는 점이다. 차량에서 들어오는 데이터를 계속 저장하면서 GPU에는 학습용 영상을 공급하고, 검증 시스템에는 위험 상황을 시험할 데이터를 제공해야 한다. 바스트 데이터는 “이 산업이 직면한 가장 큰 과제는 단일 파이프라인 내에서 발생하는 데이터 접근 패턴의 불일치”라고 진단했다.</p> <p contents-hash="9fd53e6c4f23d8b2543ee31c442411570b532a7eb57e2c7cae34dd77be0d1ab7" dmcf-pid="Bzd8Qgu5Wv" dmcf-ptype="general">자율주행 개발 데이터는 규모부터 크다. 카메라·라이다·레이더를 단 시험 차량 한 대가 하루 수 테라바이트(TB) 데이터를 만들고, 전 세계 시험 차량을 합하면 수백 페타바이트(PB)에 이른다.</p> <p contents-hash="06368b1abea81bfe84918b8835ce2715c5e7e404745eb259ea49463c18b9da44" dmcf-pid="bqJ6xa71SS" dmcf-ptype="general">이런 규모 데이터를 단계마다 별도 저장 시스템에서 운영하면 복사와 이동이 늘어난다. 파일 수가 많아질수록 파일의 위치와 속성을 관리하는 메타데이터 처리에도 부담이 생긴다. GPU 연산 성능이 높아도 필요한 데이터가 제때 들어오지 않으면 데이터를 기다리는 시간이 길어진다.</p> <p contents-hash="ea1683d6e084916c4a39d7070fcfafb7a23bb4e76319b17bd3a9d37d8bf32942" dmcf-pid="KBiPMNztSl" dmcf-ptype="general">바스트 데이터는 정지 이미지에서 동영상 기반 학습으로 전환한 한 ADAS 개발 기업을 사례로 들었다. 이 기업은 학습 방식을 바꾸면서 필요한 데이터 처리량과 저장 용량이 동시에 늘었다. 바스트 데이터 측은 “기존 인프라로는 성능과 메타데이터를 독립적으로 확장할 수 없었으며 메타데이터와 관련된 제약 사항으로 인해 서비스 중단 사태가 발생하기도 했다”고 설명했다.</p> <div contents-hash="9a84151d9c45ee9fe973baa5dbb88631387b1c1f640a29c429de67b58c375785" dmcf-pid="9bnQRjqFCh" dmcf-ptype="general"> 저장 비용도 문제였다. 이 고객의 JPEG·PNG 데이터셋은 이미 압축된 상태여서 기존 압축 방식으로 약 1.1대1(100GB를 약 91GB로 축소) 압축률을 얻는 데 그쳤다. 데이터가 늘어나는 만큼 저장공간도 계속 확보해야 했다. </div> <figure class="figure_frm origin_fig" contents-hash="918d0013d1ae790a44926a8d8f26401b6d3c542917622f111b5406b0f9b34308" dmcf-pid="2KLxeAB3vC" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/29/552796-pzfp7fF/20261029060025399zugg.png" data-org-width="640" dmcf-mid="3UaeiE9USZ" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/29/552796-pzfp7fF/20261029060025399zugg.png" width="658"></p> </figure> <p contents-hash="43ff3b0ac569c7ec8cdb5eba4b7528856113cfab70982fc499a87387a4c17c42" dmcf-pid="VfNdnD2uCI" dmcf-ptype="general"><strong>◆ 포티투닷, 공통 데이터로 학습·검증…가공 작업도 한곳에서</strong></p> <p contents-hash="55bc90adfd584d92fcd82f204e7b9bd8dbb0f52b1464f9af9483e454dd1f6a29" dmcf-pid="f4jJLwV7vO" dmcf-ptype="general">바스트 데이터는 고객들이 인프라 도입을 결정할 때 GPU 활용도와 처리량, 시스템 통합, 운영비용, 여러 개발 거점에서 데이터 접근성을 함께 평가한다고 밝혔다. 포티투닷은 여러 업체 플랫폼으로 나뉘어 있던 ADAS와 대규모언어모델(LLM) 개발 환경을 바스트 기반 데이터 플랫폼으로 통합했다.</p> <p contents-hash="205eb350a3544f61b65756bdd445e524daef12c6e92b47a9be894ca9fbb1f996" dmcf-pid="48AiorfzTs" dmcf-ptype="general">AI 모델을 학습시키는 연산은 엔비디아 호퍼 GPU를 탑재한 GPU 시스템 ‘DGX 슈퍼팟’이 맡는다. 바스트 플랫폼은 학습에 필요한 데이터를 저장·관리하고 GPU가 읽어 쓸 수 있도록 공급하는 역할을 한다.</p> <p contents-hash="dcc94e90acbda6a803df3309eda86ac12bf2dd37fadd053e0c9e48e92651ed91" dmcf-pid="86cngm4qTm" dmcf-ptype="general">통합 이후에는 시뮬레이션·학습·검증에 쓰는 도구들이 같은 데이터를 활용할 수 있도록 했다. 바스트 데이터스토어는 NFS와 S3 등 서로 다른 데이터 접근 방식을 지원한다.</p> <p contents-hash="75b7bf673096cd75f307b28fefc08a8fe877ade7b12d0a090d6041a769949728" dmcf-pid="6PkLas8BWr" dmcf-ptype="general">이는 개발 도구마다 데이터를 읽는 방식이 달라도 작업별로 별도 저장소에 복사할 필요를 줄여준다. 여러 데이터센터에서 같은 AI 데이터셋을 활용할 수 있도록 데이터를 복제하는 기능은 데이터스페이스가 맡는다.</p> <p contents-hash="167e11be2f537a2712e8de842bef13d3f515d26d593b29c57e3c25286173c552" dmcf-pid="PQEoNO6bTw" dmcf-ptype="general">학습에 쓸 데이터를 준비하는 작업도 데이터를 저장한 시스템 안에서 처리한다. 바스트 데이터엔진은 센서 데이터에 추가 정보를 붙이거나 파일 속성 정보를 추출하고, 필요한 데이터를 자동으로 골라내는 작업을 수행한다. 데이터를 가공하기 위해 대용량 파일을 외부 시스템으로 옮기는 부담을 줄이는 방식이다.</p> <p contents-hash="575e26e4abb48bd245dea30b3017f40830007234ba23a8f7142121056eb6efd2" dmcf-pid="QxDgjIPKvD" dmcf-ptype="general">데이터가 늘어날 때 필요한 부분만 확장할 수 있도록 한 것도 특징이다. 기반 기술인 DASE는 데이터를 처리하는 서버와 저장장치를 분리하고 여러 서버가 공통 데이터에 접근하도록 설계됐다. 저장공간이 부족하면 저장 용량을 늘리고 데이터를 처리하는 성능이 부족하면 처리 서버를 늘리는 식으로 대응할 수 있다.</p> <p contents-hash="161dbbfde2f39107c24d97c6d5e497792c1ad080dc2e9f92c47120c497728150" dmcf-pid="xMwaACQ9SE" dmcf-ptype="general">저장공간을 아끼는 기술도 적용했다. 바스트 데이터에 따르면 포티투닷의 실제 센서·영상 데이터에서 2대1의 데이터 축소율을 기록했다. 100TB에 해당하는 데이터를 약 50TB의 공간에 저장할 수 있다는 의미다. 유사성 기반 데이터 축소 기술은 이미 압축된 이미지·영상 데이터에도 적용된다. 포티투닷은 저장공간 절감과 전력 효율 개선을 바탕으로 새로운 데이터센터를 구축하지 않고 기존 공간 안에서 처리 용량을 늘릴 수 있었다.</p> <p contents-hash="8dbdada666cdf258648e1fb0aa0584127cbf0bcf13209fa99240cc3a3532448b" dmcf-pid="yWB3UfTslk" dmcf-ptype="general">정호근 현대차·기아 미래전략본부장 부사장은 투자 발표 당시 “ADAS와 언어 모델 개발 환경을 단일 플랫폼으로 통합하면서 데이터 수집부터 검증 모델 도출까지의 속도가 획기적으로 개선됐다”고 말했다. 구체적인 개발 기간 단축 수치는 공개되지 않았다.</p> <p contents-hash="2fa653ad82cde4da74705338ee2cefaaec0ea26975a646e8d52f6f05daa88feb" dmcf-pid="WYb0u4yOyc" dmcf-ptype="general">현대차·기아의 투자는 지난 4월 진행된 바스트 데이터의 시리즈F 투자 이후 이뤄졌다. 바스트 데이터는 당시 피델리티·NEA·엔비디아 등이 참여한 투자에서 300억달러(약 40조원) 기업가치를 인정받았다. 현대차·기아 투자에 대해서는 “시리즈F의 연장선상에서 이루어졌다”고 밝혔다. 투자금액은 공개되지 않았다.</p> <p contents-hash="7f96204860fe97dd4e7233c265746256ae9f0e75812635d421b751b1b35bb1be" dmcf-pid="YPkLas8BTA" dmcf-ptype="general">바스트 데이터는 투자 이후 포티투닷과 추진할 추가 기술 협력 과제에 대해서는 현대차·기아와 긴밀히 협력하고 있다면서도 기업 기밀과 보안을 이유로 세부 내용을 밝히지 않았다.</p> </section> </div> <p class="" data-translation="true">Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.</p> 관련자료 이전 규제기관 세종行…IT업계 “상주냐 출장이냐” 10-29 다음 진통제 복용 시기 중요한 ‘일차성 생리통’…과도한 호르몬 분비가 통증 유발 10-29 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
