TIER IV, 자율주행용 오픈소스 AI 칩 설계 계획

TIER IV는 레벨 4 자율주행을 위한 AI 칩 설계를 오픈소스로 공개한다는 분명한 목표를 내세워 일본 연구 프로그램에 참여한 뒤 Google News에 소개됐다.

8월 14일 발표는 또 하나의 자동차용 프로세서 프로젝트에 그치지 않는다. TIER IV는 칩 로직, 컴파일러 및 관련 개발 도구를 공개할 계획이다. 반도체 기업들이 흔히 SoC라고 부르는 시스템온칩 제품을 구축할 때 이 기반을 재사용하도록 하겠다는 구상이다.

주요 경쟁 상대는 특정 칩 제조사가 아니다. 개발자에게 높은 성능을 제공하는 대신 전체 실행 경로에 대한 가시성은 제한하는, 폐쇄형 범용 컴퓨팅 모델이다. NVIDIA DRIVE Thor는 이 모델의 규모와 성숙도를 보여주며, TIER IV는 더 좁은 대안을 시험하고 있다.

이 차이는 차량에서 중요하다. 자율주행 모델은 센서 데이터를 지속적으로 처리하고, 엄격한 시간 요건을 충족하며, 제한된 전력 및 열 예산 내에서 작동해야 한다. 계산 과정은 신뢰할 수 있는 안전성 입증도 뒷받침해야 한다.

TIER IV는 특화 하드웨어가 개발자를 하나의 모델 아키텍처에 묶어두지 않으면서 효율을 높일 수 있다고 말한다. 또한 소프트웨어가 차량에 도달하기 전에 선택된 컴파일러 변환을 형식 기법으로 검증하고자 한다.

이러한 주장은 완성된 자동차 제품이 아니라 아직 연구 의제에 속한다. 발표에는 벤치마크 결과, 제작된 칩, 양산 고객, 안전 인증 또는 출시 일정이 포함되지 않았다.

따라서 실제 핵심은 트레이드오프다. 컴퓨팅 스택을 공개하면 검사와 재사용을 개선할 수 있지만, 양산급 자동차 하드웨어에는 소스 파일 공개보다 훨씬 많은 것이 필요하다.

Google News 헤드라인이 실제로 발표한 내용

TIER IV는 칩 로직, 컴파일러, 지원 툴체인이라는 서로 연결된 세 계층을 공개하기로 약속했다.

Google News 목록의 출처는 Google의 발표가 아니라 TIER IV 릴리스다. Google News는 집계 시스템을 통해 이 헤드라인을 배포했다. Google은 참여자, 자금 제공자, 기술 파트너 또는 칩 고객으로 언급되지 않았다.

TIER IV는 차세대 엣지 AI 반도체 연구개발 프로그램에 참여했다. 이 프로그램은 일본 과학기술진흥기구(JST)가 이끈다.

도쿄대학교 연구팀은 더 광범위한 활용 사례 주도형 칩 연구를 지휘한다. TIER IV에 따르면 요시히로 가와하라 교수가 해당 팀을 이끈다. 이 프로젝트는 기능적으로 차별화된 피지컬 AI 하드웨어에 초점을 맞춘다.

피지컬 AI는 AI 의사결정을 물리적 행동과 연결하는 시스템을 말한다. 자율주행차는 모델이 센서를 해석하고 조향, 제동, 가속에 영향을 미치기 때문에 이 범주에 속한다.

TIER IV는 추론 가속기의 로직 설계를 담당할 예정이다. 추론은 학습된 모델을 새로운 입력에 실행하는 과정이다. 목표 워크로드는 엔드투엔드 자율주행 AI다.

엔드투엔드 모델은 센서 입력에서 주행 의사결정으로 이어지는 더 폭넓은 매핑을 학습한다. 이는 인지, 예측, 계획, 제어 모듈을 각각 엔지니어링한 파이프라인과 대조된다.

TIER IV는 이 칩이 자사가 개척한 오픈소스 자율주행 스택인 Autoware를 지원할 것이라고 밝혔다. 회사는 더 큰 SoC의 일부로 가속기를 평가할 계획이다.

이 표현은 중요한 한계를 설정한다. TIER IV는 상용 칩이 아니라 설계 및 평가 노력을 발표했다. 제조 공정, 파운드리, 테이프아웃 날짜, 패키징 파트너 또는 양산 차량은 아직 명시하지 않았다.

또한 회사는 초당 연산 수 예상치를 공개하지 않았다. 측정된 지연 시간, 메모리 대역폭, 모델 정확도 또는 전력당 성능 결과도 제시하지 않았다.

대신 TIER IV는 목표 범위를 설명했다. 아키텍처는 수 와트를 사용하는 임베디드 기기부터 수십 와트를 사용하는 차량 제어 장치까지 포괄해야 한다. 하드웨어 측정치가 나오기 전까지 이는 설계 목표다.

오픈소스 약속도 마찬가지로 미래지향적이다. TIER IV는 설계 자산과 도구를 공개할 의향이라고 밝혔지만, 발표에는 저장소나 라이선스가 명시되지 않았다.

이 구분은 “오픈소스”가 서로 다른 권리를 포괄할 수 있기 때문에 중요하다. 개발자는 설계를 검사, 수정, 제조, 재배포 및 상용화할 수 있는지 알아야 한다.

그럼에도 이 릴리스는 논의를 바꾼다. TIER IV는 Autoware의 소프트웨어 계층 아래, 그 기반이 되는 컴퓨팅 아키텍처까지 오픈 개발 전략을 확장했다.

Autoware는 2015년 오픈소스 프로젝트로 시작됐다. TIER IV는 이후 권리를 비영리단체인 Autoware Foundation에 이전했으며, 이 재단은 현재 기업과 연구기관 전반의 개발을 조율한다.

현재의 Autoware 프로젝트에는 위치추정, 객체 탐지, 경로 계획, 차량 제어에 이르는 기능이 포함돼 있다. 이 역사는 TIER IV가 하드웨어 제안을 제시할 수 있는 확립된 커뮤니티를 제공한다.

그렇다고 같은 커뮤니티가 칩을 설계하거나 제조한다는 보장은 없다. 반도체 개발에는 소프트웨어 프로젝트와는 다른 방식으로 자본, 지식재산권, 검증 및 공급망 제약이 따른다.

레벨 4 주행이 최고 성능보다 효율을 앞세우는 이유

TIER IV는 가장 높은 단일 가속기 점수가 아니라 차량 전반에서 와트당 유용한 작업량을 최적화하고 있다.

레벨 4 자동화는 정의된 운행 조건 내에서 차량이 완전한 주행 과업을 수행하도록 한다. 이러한 조건은 운행설계영역(ODD)을 구성한다.

ODD는 도로 유형, 지리적 범위, 날씨, 시간 또는 속도로 시스템을 제한할 수 있다. 이 영역을 벗어나면 차량은 사람이 즉시 제어를 다시 맡을 것으로 기대하지 않고 안전한 상태에 도달해야 한다.

이 요구사항은 끊임없는 컴퓨팅 수요를 만든다. 카메라와 라이다는 연속적인 데이터를 생성하며, 계획 결정은 제한된 시간 내에 도착해야 한다. 늦은 답은 잘못된 답만큼 해로울 수 있다.

대형 트랜스포머 모델은 또 다른 부담을 더한다. 트랜스포머는 어텐션 연산을 사용해 입력 시퀀스 전반에서 관련 정보를 연결한다. 주행에서 이 시퀀스는 이미지, 포인트 클라우드, 지도 및 최근 차량 상태를 포함할 수 있다.

TIER IV는 트랜스포머 추론에서 자주 등장하는 두 연산인 행렬 곱셈과 어텐션을 위한 전용 회로를 추가할 계획이다. 특화는 유연성을 위해 범용 프로세서가 부담하는 제어 오버헤드를 줄일 수 있다.

회사는 데이터 이동도 줄이려 한다. 모델 데이터를 미리 배치하고 칩 내부에서 재사용해 외부 메모리로의 반복 전송을 제한하는 방안을 제안한다.

데이터 이동은 에너지를 소비하므로 이는 신뢰할 만한 목표다. 하지만 실제 이점은 모델 크기, 메모리 용량, 정밀도, 희소성, 스케줄링 및 센서 워크로드에 따라 달라진다.

칩 안에 머무는 소규모 벤치마크는 매우 우수해 보일 수 있다. 외부 메모리에 반복적으로 접근하는 양산 모델은 다른 전력 프로파일을 만들 수 있다.

따라서 시스템 수준 측정은 하나의 가속기 수치보다 더 중요하다. 개발자에게는 전체 보드 전력, 엔드투엔드 지연 시간, 열 특성 및 대표적인 센서 부하에서의 성능이 필요하다.

TIER IV는 Autoware와 SoC를 함께 최적화하겠다고 명시적으로 밝혔다. 이러한 하드웨어-소프트웨어 공동 설계는 범용 인터페이스가 감춘 낭비를 드러낼 수 있다.

위험은 특화에 있다. 오늘날의 트랜스포머 연산에 밀접하게 맞춘 회로는 모델이 바뀌면 관련성을 잃을 수 있다. 개발자들이 엔드투엔드 학습과 엔지니어링된 안전 구성요소를 결합하는 가운데, 자율주행 아키텍처는 여전히 정착되지 않았다.

TIER IV의 답은 소프트웨어 정의 SoC다. 이 표현은 기저 회로가 특화돼도 소프트웨어가 일정 수준의 적응성을 유지해야 한다는 의미다.

회사는 모델 프레임워크와 하드웨어 사이에 Tensor Operator Set Architecture를 삽입할 계획이다. TOSA는 일반적인 신경망 연산을 일관된 형태로 표현하는 표준화된 중간 표현이다.

공식 TOSA 프레임워크는 PyTorch 및 TensorFlow 같은 시스템의 연산자를 지원한다. CPU, GPU, 신경 프로세서 및 기타 맞춤형 하드웨어를 대상으로 한다.

TIER IV의 계획에 따르면 모델은 먼저 TOSA 연산으로 변환된다. 이후 컴파일러가 이 연산들을 최적화하고 가속기용 명령을 생성한다.

이 분리는 하나의 모델 프레임워크와 하나의 칩 간 직접 결합을 줄일 수 있다. 컴파일러와 런타임 업데이트는 완전한 하드웨어 재설계 없이도 일부 모델 변경을 지원할 수 있다.

핵심 한정어는 “일부”다. 소프트웨어는 존재하지 않는 회로를 만들거나, 고정된 메모리를 확장하거나, 하드웨어 병목을 없앨 수 없다. 미래 워크로드에는 여전히 새로운 실리콘이 필요할 수 있다.

그럼에도 이 개념은 실용적인 중간 지점을 제공한다. TIER IV는 모든 유연한 프로세서를 고정 기능 로직으로 대체하려는 것이 아니다. 표준화된 소프트웨어 경계를 유지하면서 빈번한 연산을 특화하려는 것이다.

이 메커니즘은 이 프로젝트가 일반적인 자금 지원 발표보다 더 중요한 이유를 설명한다. 제안된 칩은 오픈 인터페이스가 변화하는 모델에 충분히 적응 가능한 특화 자동차 컴퓨팅을 만들 수 있는지 시험하는 사례다.

오픈 칩 설계와 폐쇄형 자동차 플랫폼의 대결

TIER IV는 의존성과 불투명성에 도전하는 반면, 기존 플랫폼은 성능, 도구 및 양산 준비도에서 여전히 큰 이점을 유지한다.

NVIDIA는 기존 경로를 보여준다. 회사의 Thor 제품 브리프에 따르면 DRIVE AGX Thor 개발 플랫폼은 350와트에서 최대 1,000 INT8 TOPS를 제공한다.

TOPS는 초당 수조 회의 연산을 의미한다. 이 수치는 관련 구성 간 비교에는 도움이 될 수 있지만, 그 자체로 완전한 주행 시스템 성능을 예측하지는 못한다.

NVIDIA는 자동차용 하드웨어를 DriveOS, CUDA, TensorRT, 센서 지원 및 안전 지향 소프트웨어와 결합한다. 이 통합 환경은 자동차 제조사가 독립적으로 조립해야 하는 구성요소 수를 줄인다.

Thor는 더 폭넓은 워크로드도 지원한다. 자동화 주행, 운전자 모니터링, 인포테인먼트 및 기타 차량 기능을 통합할 수 있다. TIER IV가 발표한 가속기는 자율주행 추론에 더 좁게 초점을 맞춘다.

따라서 직접적인 점수 비교는 시기상조이며 오해를 부를 수 있다. TIER IV는 TOPS 목표를 공개하지 않았고, NVIDIA의 플랫폼은 제안된 가속기 범위 밖의 워크로드도 포괄한다.

전략적 대비는 더 분명하다. 독점 자동차 플랫폼을 사용하는 고객은 공개 인터페이스를 검사할 수 있지만, 일반적으로 모든 내부 하드웨어 세부 사항을 감사하거나 수정할 수는 없다.

TIER IV는 개발자와 반도체 제조업체가 로직과 처리 흐름을 검토할 수 있기를 바란다. 특정 차량, 모델, 전력 제한 및 성능 요건에 맞춰 설계를 조정할 수 있어야 한다고 말한다.

이 수준의 접근성은 단일 상용 제품에 대한 의존도를 줄일 수 있다. 또한 연구자들이 결과를 재현하거나 컴파일러와 가속기 경계 전반의 동작을 조사하는 데 도움이 될 수 있다.

오픈 하드웨어가 전례 없는 것은 아니다. NVIDIA도 하드웨어 모델, 컴파일러 구성요소, 드라이버, 테스트 및 문서를 갖춘 오픈 딥러닝 가속기인 NVDLA 아키텍처를 유지하고 있다.

NVDLA는 이 분야의 가능성과 미묘한 차이를 모두 보여준다. 오픈 가속기는 재사용 가능한 출발점을 제공할 수 있지만, 라이선스, 통합 요건, 기능 세트 및 유지보수 모델은 여전히 도입 방식을 좌우한다.

TIER IV의 자동차 중심 접근은 이 작업을 차별화할 수 있다. 처음부터 Autoware 요구 사항을 통합하면 범용 IoT 가속기보다 실제 주행 워크로드에 더 가까운 설계가 나올 수 있다.

제안된 검증 계층도 이러한 주장을 더욱 분명하게 만든다. TIER IV는 컴파일 과정에서 수행되는 일부 변환을 형식 기법으로 검토할 계획이라고 밝혔다.

형식 검증은 명시된 속성이 성립하는지 시험하기 위해 수학적 기법을 적용한다. 여기서 대상에는 수치적 일관성과 정의된 오차 허용 범위 준수가 포함된다.

컴파일은 양자화, 반올림, 연산자 변환, 최적화를 통해 모델을 변경할 수 있다. 양자화는 메모리와 연산량을 줄이기 위해 더 낮은 정밀도의 수치 형식을 사용한다.

이러한 변경은 모델 출력을 바꿀 수 있다. 일반 소비자 애플리케이션에서는 작은 차이가 허용될 수 있다. 그러나 안전과 관련된 주행 경로에서는 그 차이가 언제 중요해지는지 개발자가 이해해야 한다.

TOSA는 이러한 검사의 기준이 될 수 있는 정밀한 연산자 정의를 제공한다. TIER IV는 가속기가 모델을 실행하기 전에 모델이 어떻게 바뀌는지 추적하려 한다.

이것이 신경망을 형식적으로 안전하게 만드는 것은 아니다. 컴파일러 변환을 검증하는 일은 차량이 모든 위험을 인식하거나 올바른 조작을 선택한다는 사실을 증명하는 것과 다르다.

그럼에도 불확실성의 한 원인을 제거할 수 있다. 컴파일 후 모델 동작이 달라진다면, 엔지니어는 그것이 예상된 허용 오차인지 구현 오류인지 구분해야 한다.

폐쇄형 플랫폼도 나름의 대응책을 갖고 있다. 주요 공급업체들은 기능 안전 프로세스, 검증 시스템, 사이버 보안, 지원되는 양산 하드웨어에 막대한 투자를 한다.

개방성이 이러한 시스템을 자동으로 능가하는 것은 아니다. 개방성은 누가 구성 요소를 검사하고, 수정하고, 그 위에 구축할 수 있는지를 바꾼다.

따라서 경쟁은 개방형 대 안전의 구도가 아니다. 검토 가능한 스택이 통제된 플랫폼의 산업적 규율을 잃지 않고 자동차 수준의 신뢰성에 도달할 수 있는지를 둘러싼 논쟁이다.

소스 코드 공개 이후에 진짜 어려운 일이 시작된다

칩 로직 공개는 프로젝트의 가장 어려운 시험을 시작하는 일이지, 완료하는 일이 아니다.

자동차용 실리콘은 연구 프로토타입이 결코 마주하지 않을 수 있는 환경적, 제조상, 운영상의 요구를 견뎌야 한다. 또한 이 설계는 센서, 메모리, 네트워킹, 운영체제, 차량 제어기와 신뢰성 있게 통합돼야 한다.

TIER IV는 아직 제조 경로를 공개하지 않았다. 로직 설계는 사용 가능한 실리콘이 되기 전에 합성, 타이밍 클로저, 물리 레이아웃, 검증, 제조, 패키징, 보드 검증을 거쳐야 한다.

컴파일러도 비슷한 수준의 성숙도가 필요하다. 의도한 연산자를 지원하고, 예측 가능한 출력을 제공하며, 지원되지 않는 사례를 포착하고, 모델이 진화해도 안정성을 유지해야 한다.

오픈 리포지터리는 기여자를 끌어들일 수 있지만, 기여 규모가 곧 양산 책임성을 의미하지는 않는다. 자동차 제조사는 유지보수되는 릴리스, 결함 처리, 장기 지원, 명확한 책임 주체를 필요로 한다.

라이선스는 초기 신호가 될 것이다. 허용적인 라이선스는 상업적 재사용을 장려할 수 있는 반면, 특허 조항이나 사용 분야 제한은 실질적인 자유를 좁힐 수 있다.

문서화도 마찬가지다. 반도체 팀에는 통합 사양, 메모리 모델, 성능 도구, 참조 구성, 테스트, 재현 가능한 빌드 절차가 필요하다.

프로젝트는 “검증 가능”의 범위도 정의해야 한다. TIER IV는 일부 변환과 연산을 언급하고 있으며, 이는 적절히 제한된 표현이다.

독자는 이 단어를 완전한 차량 안전성의 증명으로 해석해서는 안 된다. 올바른 컴파일러라도 결함 있는 모델을 실행하거나, 잘못된 센서 데이터를 소비하거나, 검증된 조건 밖에서 작동할 수 있다.

제안된 엔드투엔드 접근은 또 다른 긴장을 만든다. 이러한 모델은 수작업으로 만든 경계를 줄이고 주행 과업 전반에서 유용한 연결성을 학습할 수 있다.

하지만 실패 분석을 어렵게 만들 수도 있다. 드문 상황에서 모델이 왜 특정 궤적을 선택했는지 개발자가 설명하기 어려울 수 있다.

오픈 칩 로직이 모델 해석 가능성 문제를 해결하지는 않는다. 이는 연산이 어떻게 실행되는지를 드러낼 수 있으며, 문제의 다른 계층을 다룬다.

성능 역시 아직 검증되지 않았다. 특히 수백 와트를 소비하는 개발 플랫폼과 비교하면 목표 전력 범위는 매력적으로 들린다.

그러나 완전한 컴퓨터, SoC, 가속기 블록의 전력 수치는 직접 비교할 수 없다. 냉각, 메모리, 인터페이스, 이중화, 안전 프로세서는 모두 소비 전력을 더한다.

올바른 비교는 동등한 워크로드와 시스템 경계를 사용해야 한다. 가끔 발생하는 지연 결과도 중요할 수 있으므로 평균뿐 아니라 지연 시간 분포를 보고해야 한다.

정확도 역시 컴파일과 양자화 이후에 측정돼야 한다. 저전력 결과가 인지나 계획 성능을 허용 가능한 임계값 이상으로 저하시킨다면 그 가치는 제한적이다.

TIER IV에는 양산 요구를 나타내는 모델이 필요하다. 단순화된 학술용 네트워크는 빽빽한 도심 주행 준비 상태를 입증하지 못한 채 아키텍처 아이디어만 검증할 수 있다.

JST의 역할은 이 노력에 공공 연구 지원을 제공한다. JST의 프로그램 설명은 초저전력 엣지 AI와 산업으로의 신속한 이전을 강조한다.

더 넓은 프로그램은 2025년에 제안서 모집을 시작했다. 이는 학술 연구를 활용하면서 실용적인 반도체 개발을 목표로 한다.

공공 지원은 민간 기업이 피하는 초기 기술 위험을 흡수할 수 있다. 그러나 시장 수요를 만들어 내거나 자동차 제조사의 채택을 보장할 수는 없다.

반도체 파트너는 사업성을 확인해야 한다. 제품 엔지니어링을 정당화할 만큼 충분한 예상 물량, 차별화 요소, 또는 서비스 수익이 필요하다.

자동차 제조사는 지원 체계를 확인해야 한다. 긴 차량 개발 및 운영 주기 전반에 걸쳐 개방형 구성 요소가 계속 유지보수될 것이라는 확신이 필요하다.

Autoware 커뮤니티는 TIER IV에 출발점에서의 이점을 제공한다. 이미 소프트웨어 개발자, 연구자, 모빌리티 프로젝트를 공유 스택 중심으로 연결하고 있다.

하드웨어 참여에는 추가적인 집단이 필요하다. 파운드리, 지식재산권 벤더, 보드 제조사, 안전 전문가, 차량 제조사가 설계를 중심으로 뜻을 맞춰야 한다.

이 때문에 8월 발표는 진지한 가설로 다뤄져야 한다. 이는 실제 문제와 일관된 메커니즘을 제시하지만, 아직 판단에 필요한 증거를 제공하지는 않는다.

일본이 지금 엣지 AI 반도체에 자금을 지원하는 이유

일본은 반도체와 물리 시스템에서 영향력을 되찾기 위한 산업적 노력과 저전력 AI 연구를 연결하고 있다.

JST는 이 프로그램이 학계의 아이디어를 활용해 매우 낮은 전력 소비의 차세대 엣지 AI 칩을 개발한다고 설명한다. 또한 연구에서 산업으로의 이전을 강조한다.

이 사명은 자율주행에 부합한다. 네트워크는 지연 시간, 커버리지 공백, 외부 의존성을 초래하기 때문에 차량은 모든 긴급 결정을 원격 데이터센터로 보낼 수 없다.

추론은 센서와 물리 시스템에 가까운 엣지에서 이뤄져야 한다. 따라서 차량은 컴퓨팅 역량의 상당 부분을 탑재한다.

일본은 자동차, 전자, 로보틱스, 제조 분야에서 이미 확립된 산업 기반을 갖고 있다. 이러한 강점은 범용 AI 가속기에서 선도 공급업체에 뒤처지더라도 물리 AI를 위한 활용 사례를 만든다.

TIER IV의 제안은 활용 사례 우선 전략을 따른다. 범용 칩을 설계한 뒤 고객을 찾는 대신, 팀은 Autoware와 레벨 4 요구 사항에서 출발한다.

Kawahara 교수는 이 프로젝트를 특정 애플리케이션에서 칩 기능을 역산하는 방식으로 설명했다. 이 접근은 설계자가 어떤 연산이 중요한지 알고 있기 때문에 하드웨어를 더 효율적으로 만들 수 있다.

그러나 접근 가능한 시장을 제한할 수도 있다. 하나의 자율주행 스택을 중심으로 형성된 설계는 산업용 로봇, 드론, 또는 무관한 AI 워크로드에 적용하려면 상당한 수정이 필요할 수 있다.

오픈 소스화는 이러한 한계를 완화할 수 있다. 다른 개발자들이 구성 요소를 변경하고, 인터페이스를 추가하거나, 인접한 물리 시스템용으로 설계를 특화할 수 있다.

하지만 개방성은 전략적 긴장도 노출한다. 반도체 기술은 경제 안보 우려를 점점 더 수반하는 반면, 오픈 프로젝트는 설계 정보를 국경을 넘어 배포한다.

JST는 연구 보안 검토를 받는 이니셔티브 가운데 엣지 AI 프로그램을 열거한다. 이는 TIER IV 제안에 문제가 있음을 시사하지 않지만, 개방형 반도체 작업을 둘러싼 정책적 균형을 보여 준다.

일본은 국내 역량, 국제 협력, 산업 채택을 원한다. 진정으로 재사용 가능한 개방형 설계는 세 가지 모두를 진전시킬 수 있지만, 상업 참여자들은 여전히 독자적 개선 사항을 보호할 것이다.

그 결과 생태계는 개방형 기반과 폐쇄형 제품을 결합할 수 있다. Linux, RISC-V, 그리고 많은 소프트웨어 프로젝트가 비슷한 패턴을 따른다.

이러한 결과가 TIER IV의 전략을 무효화하는 것은 아니다. 핵심 질문은 개방형 계층이 한 벤더가 모든 핵심 인터페이스를 통제하지 못하게 할 만큼 충분히 유용하게 남는지다.

Google News 노출은 이 질문에 관심을 불러올 수 있지만, 관심이 곧 채택은 아니다. 프로그램의 가치는 외부 팀이 시험할 수 있는 엔지니어링 산출물에 달려 있다.

개발자에게 이 사건은 개방형 자율주행이 애플리케이션과 미들웨어 아래 계층으로 이동하고 있음을 알린다. 하드웨어 아키텍처, 컴파일러, 수치 검증이 같은 개발 논의의 일부가 되고 있다.

자동차 제조사에는 컴퓨팅 로드맵을 더 많이 통제할 수 있는 가능한 경로를 제시한다. 그 통제에는 통합, 검증, 유지보수, 공급업체 조율에 대한 책임도 따른다.

반도체 기업에 TIER IV는 개발 기간을 단축할 수 있는 참조 기반을 제안한다. 실제로 그렇게 될지는 설계 품질, 문서화, 라이선스, 재사용 가능한 검증 자산에 달려 있다.

압력은 독점형 자동차 컴퓨팅 공급업체에 가장 직접적으로 가해진다. 이들이 즉시 설계를 공개할 필요는 없지만, 고객은 더 명확한 인터페이스, 더 강한 추적성, 더 나은 워크로드 효율을 요구할 수 있다.

TIER IV의 승부가 통할지를 결정할 세 가지 신호

이 프로젝트는 검토 가능한 릴리스, 측정된 실리콘, 외부 채택의 순서로 신뢰를 얻는다.

첫 번째 신호는 공개 릴리스 자체다. TIER IV는 리포지터리, 라이선스, 거버넌스 모델, 지원되는 TOSA 버전, 컴파일러 범위, 참조 워크로드를 명시해야 한다.

다이어그램이나 불완전한 로직 블록만 담긴 릴리스는 개방형 생태계 주장을 약화시킬 것이다. 제조 가능한 로직, 빌드 지침, 테스트, 컴파일러 구성 요소는 이를 강화할 것이다.

이슈 추적의 품질도 중요하다. 외부 개발자는 빌드를 재현하고, 결함을 보고하며, 어떤 구성 요소가 아직 실험 단계인지 이해할 수 있어야 한다.

두 번째 신호는 하드웨어 검증이다. TIER IV에는 제조된 실리콘 또는 프로그래머블 하드웨어에서의 신뢰할 만한 구현이 필요하며, 이어서 투명한 측정 결과가 나와야 한다.

이 결과에는 와트당 성능, 지연 시간, 메모리 트래픽, 열 거동, 모델 정확도가 포함돼야 한다. 테스트에는 대표적인 카메라 및 포인트 클라우드 워크로드를 사용해야 한다.

비교는 시스템 경계를 일관되게 유지해야 한다. 명확한 단서 없이 가속기 블록을 완전한 자동차 컴퓨터의 총 전력과 비교해서는 안 된다.

검증 결과도 동등한 주목을 받을 만하다. TIER IV는 어떤 컴파일러 변환에 형식 검사를 적용하는지, 어떤 속성을 시험하는지, 어디에 수동 검증이 여전히 필요한지를 공개해야 한다.

모델, TOSA 표현, 생성된 코드, 가속기 출력을 연결하는 공개 산출물은 투명성 주장을 구체화할 것이다.

세 번째 신호는 독립적인 재사용이다. 반도체 제조사, 자동차 제조사, 대학 또는 모빌리티 기업이 공개된 기반 위에서 의미 있는 무언가를 구축해야 한다.

파트너 발표만으로는 충분하지 않다. 더 강한 증거는 TIER IV 핵심 팀 외부에서 수행된 수정 설계, 통합 SoC, 공동 벤치마크 또는 차량 시험이 될 것이다.

외부 채택은 이 툴체인이 사용자의 부담을 다른 형태의 복잡성으로 전가하는 대신 실제 노력을 줄인다는 점을 보여줄 것이다. 또한 거버넌스가 여러 조직에 걸쳐 작동하는지도 검증하게 된다.

채택자를 확보하지 못한다고 해서 이 아키텍처의 장점이 없다는 뜻은 아니다. 자동차 업계의 일정, 라이선스 불확실성, 제작 비용 또는 부족한 지원이 원인일 수 있다.

그럼에도 생태계를 내세우려면 실제 생태계가 필요하다. TIER IV가 Autoware와 함께 쌓아온 이력은 해당 소프트웨어가 지속적인 협업을 이끌어냈다는 점에서 높은 기준점이 된다.

Google News 헤드라인은 야심 찬 목적지를 포착했지만, 다음 업데이트에서는 그곳에 이르는 경로를 기록해야 한다. 독자들은 폭넓은 표현을 넘어 리포지터리, 벤치마크, 그리고 실명으로 확인 가능한 구현 주체를 요구해야 한다.

엔지니어에게 당장의 행동은 분명하다. 약속된 설계 자산을 추적하고, 해당 라이선스가 실제 수정과 상업적 사용을 허용하는지 살펴봐야 한다.

업계 구매자라면 측정된 효율성이 전체 시스템 테스트에서도 유지되는지 지켜봐야 한다. 또한 검증이 신중하게 선택된 시연이 아니라 의미 있는 변환을 포괄하는지도 물어야 한다.

AI 칩에 관한 Google News 보도를 지켜보는 모든 이들은 발표와 증거의 구분을 분명히 해야 한다. TIER IV는 중요한 연구 방향을 열었다. 하지만 아직 개방형 자동차용 칩을 만들어낸 것은 아니다.

독립 팀이 스택을 검토하고, 결과를 재현하며, 이를 바탕으로 신뢰할 수 있는 하드웨어를 구축할 수 있을 때 이 선택은 성공한다. 그때까지 개방성은 이 프로젝트의 가장 강력한 약속이자 가장 까다로운 시험으로 남는다.