엔비디아, 알파마요2 무료 공개하고 토르 칩은 그대로 판다

엔비디아, 알파마요2 무료 공개하고 토르 칩은 그대로 판다 / AI 생성 일러스트(삽화)

엔비디아가 로보택시와 자율주행차(AV)를 위한 오픈소스 추론 AI 모델 ‘알파마요 2 슈퍼(Alpamayo 2 Super)’를 상업적으로 이용할 수 있도록 공개했다. 이 모델은 단순히 주행 경로를 내놓는 데 그치지 않고, 왜 그 경로를 선택했는지 근거까지 함께 제시하는 것이 특징이다. 엔비디아는 이 모델이 자율주행의 가장 어려운 난제로 꼽히는 ‘롱테일(long-tail)’ 문제, 즉 도로에서 드물지만 반드시 대응해야 하는 예외적 상황을 다루는 데 초점을 맞췄다고 설명했다. 엔비디아 최고경영자(CEO) 젠슨 황은 “알파마요는 자동차가 그저 주행하는 데서 나아가 안전하게 추론하기 시작하는 순간”이라고 말했다.

도로 위 ‘롱테일’ 문제, 추론으로 푼다

공사장 인부가 손으로 교통을 통제하거나 도로 한복판에 매트리스가 놓여 있거나 비정상적인 점멸등을 켠 응급차량이 지나가는 상황 등은 약 1만 마일(약 1만 6000km)마다 한 번꼴로 발생한다고 테크버즈(TechBuzz)는 전했다. 표준 학습 데이터로는 이런 사례를 모두 포착하기 어렵지만, 자율주행 시스템은 이를 완벽하게 처리해야 한다.

엔비디아는 알파마요 2 슈퍼가 객체 인식과 경로 예측을 넘어 상황을 이해하고 인과관계를 추론해 적절한 행동을 고르도록 설계됐다고 밝혔다. 모델은 최대 7대 카메라로 차량 전방·측면·후방을 아우르는 360도 화면을 동시에 처리해 차선 변경과 합류, 비보호 좌회전, 복잡한 교차로처럼 위험이 큰 상황에서 더 풍부한 판단을 내릴 수 있다고 회사는 설명했다.

340억 파라미터 VLA 모델, 벤치마크 전체 1위 / AI 생성 이미지

340억 파라미터 VLA 모델, 벤치마크 전체 1위

알파마요 2 슈퍼는 320억 파라미터 규모의 코스모스3 슈퍼 리즈너(Cosmos 3 Super Reasoner)와 20억 파라미터 규모의 디퓨전 기반 액션 엑스퍼트(Action Expert)를 결합한 약 340억 파라미터 규모의 비전-언어-액션(VLA) 모델이다. 리즈너가 다중 카메라 영상과 언어, 과거 주행 이력을 해석하면 액션 엑스퍼트가 이를 미래 주행 경로로 변환하는 구조다. 강화학습으로 추가 학습을 거쳤으며 기존 100억 파라미터 규모였던 알파마요 1.5·알파마요 1 모델 대비 3배 규모로 확장됐다.

성능 면에서는 자율주행 추론 벤치마크인 링고QA(LingoQA)에서 평가 대상 37개 모델 중 1위를 차지했다. 엔비디아 자체 테스트(Lingo-Judge 지표 기준)에서 79.2점을 기록해 큐원2.5-VL 72B보다 17.0점, 제미나이 2.5 프로보다 15.1점, GPT-4o보다 23.2점, 큐원3-VL 32B보다 7.0점 높았다. 엔비디아가 평가한 모든 자율주행 벤치마크에서도 1위를 기록했다고 회사는 밝혔다. 피지컬 AI AV 데이터셋의 어려운 샘플 1,434개를 대상으로 한 궤적 예측 평가에서는 6.4초 구간 minADE_6 지표가 0.911m로 나타났고, 피지컬 AI AV 추론 벤치마크에서는 0.433점을 받았다.

오픈소스 라이선스와 ‘클라우드-투-카’ 전략

알파마요 2 슈퍼는 허깅페이스(Hugging Face)에 리눅스 재단의 개방형 라이선스 OpenMDW-1.1로 공개됐다. 추론 코드는 깃허브(GitHub)에, 오토레이블링 파이프라인도 오픈소스로 함께 풀렸다. 이 라이선스는 파인튜닝과 파생 모델 제작, 상업적 재배포를 모두 허용해 자동차 제조사와 트럭 제조사, 부품 공급사가 자사 데이터와 주행 정책에 맞춰 모델을 조정할 수 있다. 이전에는 연구개발(R&D) 목적으로만 공개됐던 알파마요 계열 전체가 이번부터 별도 승인 없이 상업적으로 배포될 수 있게 됐다.

엔비디아의 구상은 ‘클라우드에서 학습, 차량에서 추론’이다. 알파마요 2 슈퍼 같은 대규모 모델이 클라우드에서 고품질 추론 흔적(reasoning trace)과 합성 학습 데이터를 만들어내는 ‘교사’ 역할을 하고, 이를 증류(distillation)한 경량 모델이 실제 차량의 엔비디아 드라이브(DRIVE) 칩에 탑재돼 실시간으로 작동하는 방식이다. 모델이 내놓는 판단 근거인 ‘체인 오브 코제이션(Chain-of-Causation, CoC)’ 추적 정보는 엔비디아의 안전성 검증 체계 헤일로스(Halos)와 연동돼 ISO/PAS 8800 요구사항에 부합하는 안전 엔지니어링을 지원한다. 알파마요 2 슈퍼는 자체 주행 데이터에 CoC 라벨과 시각 질의응답을 자동으로 붙이는 오토레이블러로도 쓸 수 있어, 라벨링 주기를 몇 달에서 며칠 단위로 줄일 수 있다고 회사는 설명했다.

로보택시 업계 파급력과 남은 숙제

알파마요 계열 모델은 패밀리가 1월 출시된 이후 약 40만 회 다운로드됐다고 엔비디아는 밝혔다. 엔비디아의 자율주행 스택은 이미 우버(Uber)의 뮌헨 로보택시 사업 등에도 쓰이고 있다. 더넥스트웹(TheNextWeb)에 따르면 알파마요 2 슈퍼는 운전자 개입이 없는 레벨4(Level 4) 자율주행을 목표로 설계됐다.

다만 완전한 형태의 모델을 차량에 그대로 탑재하기는 어렵다. 알파마요 2 슈퍼는 수십 기가바이트(GB)에 달하는 GPU 메모리를 필요로 해 자원이 풍부한 개발사만 다룰 수 있는 수준이라고 더넥스트웹은 지적했다. 엔비디아가 모델을 무료로 개방하면서도 이를 구동할 하드웨어인 토르(Thor)·하이페리온(Hyperion) 칩을 판매하는 구조 역시 눈에 띈다. 업계가 엔비디아의 모델과 데이터, 도구를 표준으로 삼을수록 결국 엔비디아 칩 생태계에 의존하게 되는 흐름이라는 분석도 나온다. 로보택시 시장에서는 웨이모가 여러 도시에서 서비스를 운영 중이고 바이두 아폴로 등도 수백만 마일에 달하는 자율주행 데이터를 쌓고 있어, 알파마요 2 슈퍼의 실제 도로 성능이 이 경쟁 구도에서 어떻게 검증될지가 관전 포인트로 남는다.