NVIDIA의 32B 로보택시 모델, 핵심은 더 큰 모델이 아니라 검증 루프다

NVIDIA가 GTC Taipei에서 자율주행용 32B 오픈 추론 모델 Alpamayo 2 Super를 발표했다. 이번 발표의 핵심은 단순히 모델이 커졌다는 점이 아니다. 자율주행 AI 개발이 인식, 추론, 시뮬레이션, 훈련, 차량 배포를 하나의 제품 흐름으로 묶기 시작했다는 점이다.

무엇이 달라졌나

NVIDIA에 따르면 Alpamayo 2 Super는 Level 4 로보택시 개발을 위한 vision-language-action 모델이다. 주행 스택 전반에서 추론, 계획, 행동을 다루며, 대형 teacher model의 지식을 더 작은 차량 탑재 모델로 옮기는 용도도 갖는다.

함께 발표된 AlpaGym은 차량의 제동, 조향, 경로 선택이 시뮬레이션 환경에 영향을 주는 폐쇄 루프 강화학습 프레임워크다. OmniDreams는 드문 장면과 장기 꼬리 주행 상황을 생성하고, Omniverse NuRec은 실제 차량 데이터를 사실적인 3D 장면으로 재구성한다.

시장 신호: 경쟁력은 검증에서 갈린다

Jensen Huang은 Alpamayo를 자동차가 단순히 운전하는 것이 아니라 안전하게 추론하기 시작하는 순간이라고 표현했다. 기업 입장에서 이 말은 분명하다. AI가 실제 세계의 행동을 맡을수록 무엇을 봤는지, 왜 판단했는지, 어떤 장면에서 실패했는지, 어떻게 되돌릴 수 있는지를 확인해야 한다.

자율 AI의 다음 장벽은 멋진 데모가 아니라 반복 가능한 폐쇄 루프 검증이다.

기업이 지금 점검할 것

대부분의 기업은 로보택시를 만들지 않는다. 그러나 고위험 AI 자동화를 도입하는 모든 팀에는 같은 질문이 적용된다. AI Agent나 물리 AI가 행동 권한을 갖게 되면 오프라인 테스트만으로는 충분하지 않다. 재생 가능한 시나리오, 명확한 사람의 개입 지점, 읽을 수 있는 판단 기록, 실패를 테스트 케이스로 바꾸는 과정이 필요하다.

이번 주에는 네 가지를 확인하자. 어떤 AI 결정이 실제 결과를 만드는가. 어떤 예외 상황이 아직 상상에만 머물러 있는가. 어떤 실패를 다시 재현할 수 있는가. 어떤 출력은 사람이 이해한 뒤에만 배포해야 하는가. 이 질문들이 모델 선택보다 먼저다.