자율주행 기술 대중화 나선 GM, 주력 SUV·픽업트럭으로 확대 적용

제너럴모터스(GM)가 차세대 자율주행 기술의 적용 범위를 대형 스포츠유틸리티차량(SUV)과 픽업트럭 등 주요 양산 차종으로 전면 확대한다. GM은 2026년 10월 21일(현지시간) 미국 뉴욕에서 열린 기술 발표 행사 ‘GM 포워드(Forward) 2026’에서 중앙집중형 컴퓨팅 시스템과 인공지능(AI) 기반 학습 체계를 결합한 모빌리티 상용화 로드맵을 공식 발표했다. 기존 고급 전기차에 국한되던 고도화된 주행 보조 기능을 내연기관 주력 모델까지 넓혀 대중적인 상용화를 앞당긴다는 전략이다.

2028년 에스컬레이드 IQ부터 주력 차종으로 확대

GM의 차세대 자율주행 기술 도입 일정은 2028년 출시 예정인 캐딜락 에스컬레이드 IQ를 시작으로 대량 판매 차종인 풀사이즈 SUV와 픽업트럭으로 순차 확장된다. 메리 바라 GM 회장은 행사 현장에서 차세대 자율주행 기술을 2028년 에스컬레이드 IQ를 통해 선보이겠다고 밝히며, 운전자의 주행 피로를 줄이고 가치 있는 이동 시간을 제공하겠다는 구상을 제시했다.

차세대 시스템의 개발 검증은 양산 전 단계 연구용 차량을 활용해 외부 차량 통행이 차단된 폐쇄형 시험 주행로에서 진행 중이다. GM은 고속도로 환경에서 운전자의 시선 유지 의무를 덜어주는 단계를 거쳐, 장기적으로는 차량이 목적지까지 스스로 이동해 탑승자를 데려다주거나 심부름을 수행하는 무인 자율주행 영역까지 기능을 고도화할 방침이다.

현행 슈퍼크루즈와 차세대 기술의 차이

현행 슈퍼크루즈와 차세대 자율주행 기술의 핵심 차이는 운전자의 전방 주시 의무 면제 여부에 있다. 기존 슈퍼크루즈는 지정된 도로에서 스티어링 휠을 잡지 않고 주행할 수 있으나 운전자가 항상 전방을 주시해야 하는 [국제자동차공학회(SAE) 기준] 레벨 2 수준의 운전자 보조 시스템이다.

2028년 도입되는 차세대 기술은 정해진 주행 조건이 충족되면 스티어링 휠을 잡지 않는 것은 물론 전방 도로에서 시선을 뗄 수 있는 ‘아이즈오프(Eyes-Off)’ 방식을 지향한다. 시스템이 주행 제어와 위험 감시 주도권을 직접 관리해 운전자가 전방 화면을 계속해서 감시하지 않아도 주행 안전이 유지되도록 설계했다.

중앙집중형 컴퓨팅 시스템과 아키텍처 전환

GM은 자율주행 기술을 이종 차종에 신속하게 확대하기 위해 개별 전자제어장치(ECU) 중심의 분산 구조를 하나의 고성능 컴퓨터로 통합하는 중앙집중형 전기·전자 아키텍처를 도입했다. 차량 기능이 복잡해질수록 제어기 수가 급증하고 배선이 얽히는 한계를 극복하기 위해, 핵심 연산과 제어를 한곳에 모으는 자체 설계 중앙 컴퓨팅 유닛(Central Compute Unit, CCU)을 개발했다.

액체 냉각 방식을 채택한 CCU는 현행 차량 컴퓨팅 시스템 대비 약 40배 높은 처리 성능을 지원한다(GM, 2026). 해당 유닛은 센서 인식, 능동 안전, 섀시 제어, 구동 소프트웨어를 단일 고속 코어로 통합 관리하며, 조널 집선 장치와 고속 이더넷 기반 데이터 통신망을 통해 배선 중량을 줄이고 대용량 데이터를 지연 없이 처리한다.

아래 표는 GM이 공개한 차세대 중앙집중형 아키텍처와 기존 분산형 차량 시스템 간의 주요 성능 및 하드웨어 구성 차이를 정리한 자료다.

*출처: 제너럴모터스(GM) 발표 자료, 2026

GM의 신규 아키텍처는 하드웨어와 소프트웨어를 분리해 설계했기 때문에 동일한 기본 구조를 내연기관 모델과 차세대 전기차 플랫폼에 공통으로 적용할 수 있다. 한 차종에서 검증된 주행 알고리즘과 소프트웨어 개선 사항은 무선 소프트웨어 업데이트(OTA)를 통해 전체 차량 라인업에 즉시 반영된다.

실제 주행 데이터와 가상 시뮬레이션 기반 AI 학습

GM의 자율주행 제어 알고리즘 검증은 실제 도로에서 축적된 대규모 주행 데이터와 가상 환경 시뮬레이션을 상호 보완하는 인공지능(AI) 학습 체계로 이뤄진다. 슈퍼크루즈 상용화 이후 누적된 핸즈프리 주행거리는 12억 마일(약 19억 2000만km)을 웃돈다(GM, 2026). 여기에 별도 운영 중인 전용 데이터 수집 차량 수백 대가 악천후와 복잡한 도심 교통 환경에서 매월 약 100만 마일(약 160만km)에 달하는 다중센서 데이터를 꾸준히 확보하고 있다.

수집 데이터는 운전자의 실제 주행 방식을 습득하는 모방학습에 쓰이며, 도로 위에서 드물게 발생하는 예외적 돌발 상황은 가상 환경 기반 셀프 플레이(self-play) 강화학습을 통해 보완한다. 가상 시뮬레이션 공간에서 여러 차량 소프트웨어가 고속도로 합류나 급격한 차선 변경 등의 상황을 마주하며 양보, 가속, 차간 거리 조절을 반복 학습하는 구조다.

GM이 가상 환경에서 수행하는 가상 주행 거리는 하루 30억 마일(약 48억km) 이상에 달한다(GM, 2026). 자율주행 완성도를 높이고자 자동차 업계 전반에서 제어 소프트웨어의 반응 속도와 안전 알고리즘 검증을 강화하는 가운데, 부품 업계 역시 후방 위험 상황을 스스로 회피하는 방어 운전 기술 등 능동적인 차량 제어 기술을 확보하며 기술적 완성도를 높이고 있다.

양산차 적용과 안정성 검증 과제

GM이 제시한 차세대 자율주행 기술 상용화의 핵심 과제는 방대한 가상 시뮬레이션 결과를 복잡한 실제 도로 환경에서 오차 없이 구현하는 안정성 입증이다. 수십억 마일에 이르는 가상 주행이 소프트웨어의 논리적 결함을 점검하는 데 유효하지만, 센서 오염, 기상 악화, 도로 인프라 결함 등 실제 도로의 불규칙한 변수를 완벽히 대체하기는 어렵다는 한계가 따른다.

대규모 분산 학습과 정밀 시뮬레이션을 구동하는 과정에서 소모되는 막대한 컴퓨팅 인프라 비용과 전력 소모를 최적화하는 작업도 함께 진행해야 한다. GM은 개선 과제를 도출한 시점부터 도로 실증을 거쳐 최종 검증을 완료하기까지의 주기를 단축하는 고효율 파이프라인 구축에 개발 역량을 투입하고 있다.

프리미엄 전기차뿐 아니라 생산 규모가 큰 내연기관 SUV와 픽업트럭 라인업 전체에 신규 아키텍처를 결함 없이 양산 적용할 수 있을지가 향후 GM 자율주행 상용화의 성패를 가를 핵심 변수다.