오늘날 차량들은 점차 복잡해지고 있으며, 긴 설계 기간을 요구한다. 그러나 AI 솔루션을 이용하면 개발 시간을 대폭 줄일 수 있다.

시장 조사 단계부터 생산과 조립에 이르기까지 신차 개발에는 오랜 기간이 소요되는 것으로 나타난다. 예를 들어 Tesla는 2013년 《Model Y》의 상표 신청을 처음 진행한 후 2015년 《Model 3》 아키텍처를 기초로 만든 이 차량의 콘셉트 디자인을 선보였다. 그러나 이 모델은 2019년 3월에야 완전히 공개되었으며, 그로부터 12개월 후에 고객에게 처음으로 인도되었다.

이렇게 오랜 기간이 소요되는 주요 이유로는 엔지니어들이 설계 단계에서 반드시 거쳐야 하는 반복적인 시행착오 프로세스가 있다. AI 소프트웨어 기업 Dessia는 ‘생성형 엔지니어링’(generative engineering)이라는 기술을 이용해 이 프로세스에 혁신을 불러일으킬 수 있다고 생각한다. 이 방식은 데이터 공학과 엔지니어링 노하우, 생성형 AI를 혼합하여 상당한 시간 단축을 이루어낼 수 있다. 이 기업의 파트너사로는 Renault가 있으며, 이 기업은 수랭 회로(water cooling circuitry)의 설계 기간을 한 달에서 하루로 줄일 수 있었다. 

◆ 변화를 위한 적응

전동화의 출현은 프로세스 변화를 모색하는 기존 자동차 제조사들에게 중대한 과제이다. 배터리팩을 통합하려면 상당한 중량과 크기를 전체 설계에 수용해야 하며, 열 폭주를 방지하고 수명을 확보하기 위한 열 역학을 적절하게 다루기 위한 냉각 시스템도 필요하다.

Dessia 판매 담당 부사장 Jean-Pierre Roux가 설명한 바와 같이 적절한 설계를 한 번에 얻는 사례는 거의 없다. 그보다는 오랜 기간에 걸친 시행착오의 과정이 진행되는 편이다. 그는 <Automotive World>에 “모든 부분을 CAD 시스템에서 수작업으로 구성했었다”며, “엔지니어들은 수많은 절충과 가설, 계산을 진행한 후에 앞으로 나아갈 수 있었다”고 덧붙였다.

Renault의 디지털 변화 촉진 역할을 담당하는 Jean Baptiste Chancerelle는 오늘날 차량 설계에는 첨단 솔루션이 필요하다고 생각한다. 그는 “우리는 점차 복잡한 제품을 보유하고 있으며, 제도적 기준도 복잡해지고 있다”고 설명했다. 그러면서 “이에 따라 더욱 민첩하고 즉각적으로 반응하며 고객의 필요에 더욱 긴밀하게 대응할 수 있는 방법을 개발해야 한다”고 덧붙였다.

Renault는 최근 몇 년 동안 디지털화에 관한 여러 행보를 보였다. 2021년 4월에는 AI 기술 추진을 위해 Apple 음성 비서 Siri의 공동 크리에이터 Luc Julia를 영입했다. 2022년 11월에는 소프트웨어 정의 차량에 적용할 디지털 아키텍처를 설계 및 제공하기 위해 Google과의 파트너십 확장했다. Dessia 최고 경영자 Pierre-Emmanuel Dumouchel은 “Renault는 Python과 AI가 엔지니어링의 근간을 형성하는 기술 기업이 되고자 한다”고 밝혔다.

◆ 생성형 엔지니어링이 필요한 이유

Dessia와 Renault의 파트너십은 차량의 매우 구체적이고 복잡한 양상을 설계하는 과정의 효율성을 창출하고자 한다. Dumouchel은 “냉각 시스템을 연결하기 위한 모든 방법을 생성할 수 있는 메커니즘을 찾고자 하는 것이 첫 아이디어였다”고 말한다.

이에 따라 Dessia의 소프트웨어 개발 키트(SDK)를 통해 봇(bot)이 설계되었다. 먼저 엔지니어는 제품 사양, 전문성, 예전의 청사진 등 AI가 관찰할 수 있는 여러 지표를 부호화해야 한다. 이러한 솔루션은 원시적인 CAD 모델로 렌더링되며 이후 엔지니어가 이를 개선한다. Dumouchel은 “다르게 표현하면 당사는 엔지니어들의 기초적인 지식에 기초하여 모델을 작성 및 구축할 수 있는 능력을 제공하며, 이 모델을 이용하여 수천 가지의 솔루션을 창출할 수 있다”고 설명한다.   

AI가 담당하는 역할에 관한 이해를 돕기 위해 그는 나무에 관한 비유를 제시한다. AI는 여러 가지를 뻗으면서 솔루션을 개발할 수 있으며, 이후 엔지니어들은 최적의 결과물이 아닌 것을 걸러내고 관련성이 있는 솔루션에만 집중할 수 있다. 이후 머신러닝을 배치하여 비용이나 질량 등 핵심 성과 지표에 따라 결과를 군집으로 분류할 수 있다. Roux는 “궁극적으로 엔지니어들이 자기 업무에 집중하고 올바른 결정을 내리도록 돕기 위한 것”이라고 덧붙였다.

지표를 부호화해야 하는 필요성 때문에 현재로서는 SDK를 사용하려면 Python을 반드시 이용해야 한다. 그러나 봇 사용 자체는 코딩에 관한 지식을 요구하지 않으며 Dessia의 클라우드 기반 환경에서 다룰 수 있다. 미래에는 봇 설계를 위해 코드를 적게 사용하는 인터페이스도 개발하고자 한다.

◆ 두 가지 선택지

양사의 파트너십으로 AI를 이용했을 때 수랭 회로 솔루션을 개발하는 과정이 극적으로 짧아질 수 있다는 사실을 발견했다. Chancerelle는 개발 기간이 80% 이상 단축되었으며 일반적인 상황에 비해 필요한 자원도 1/3 미만으로 줄었다고 말한다. 이러한 성공의 결과로 Dessia에 대한 다른 자동차 제조사들의 관심도 크게 높아졌다.

Roux는 “다른 1차 공급업체 및 자동차 제조사들 사이에서 인기를 얻을 수 있을 것”이라며, “다른 주요 제조사와도 협력하고 있지만 현재로서는 이름을 밝힐 수 없다”고 말했다. 2023년 10월 Dessia는 여러 제품 설계 과정의 최적화 및 자동화를 목표로 수소 모빌리티 기업 Plastic Ominium과 전략적 파트너십을 발표했다.

Roux는 임원들이 결과를 확인한 후 생성형 엔지니어링에 관한 의구심이 완전히 사라졌다고 주장한다. 실제로 Dessia는 앞으로 자동차 제조사들의 성공 여부를 결정할 때 이러한 기술을 수용하고자 하는 의향이 결정적인 역할을 할 것이라고 생각한다. 그는 “두 가지 선택지가 있다”며, “첫 번째 선택지는 이러한 기술과 관련한 엔지니어들의 역량을 개발하지 않는 것이며, 그 결과 새로운 방식의 도전을 받을 때 적합성과 매출 하락을 경험할 것”이라고 말했다. 그러면서 “변화를 수용하는 것이 두 번째 선택지”라고 강조했다.