2026년 3월 17일 · Unknown · financial · 출처 Yahoo Finance
캘리포니아주 샌호세, 2026년 3월 17일 /PRNewswire/ -- 엔비디아 GTC 2026에서 딥루트.ai(DeepRoute.ai)는 자율주행 개발의 근본적인 돌파구를 제시하는 400억 개 파라미터 규모의 비전-언어-액션(Vision-Language-Action, VLA) 파운데이션 모델 아키텍처를 포괄적으로 소개했습니다. 이 모델은 인지, 추론, 행동을 통합하는 단일 아키텍처를 도입하여 시스템이 단순히 주행하는 것을 넘어, 실시간으로 자체 의사결정을 이해하고 평가할 수 있도록 합니다.사진 1
딥루트.ai는 이미 상당한 상업적 성과를 거두었으며, 고급 자율주행 시스템을 25만 대 이상의 양산 차량에 공급했습니다. 2025년 10월에는 고수준 자율주행 부문에서 단일 월 기준 서드파티 공급자 시장 점유율 약 40%를 기록했습니다. 이러한 추세를 바탕으로 파운데이션 모델의 지속적 진화를 통해, 회사는 2026년 말까지 고급 주행 솔루션을 탑재한 100만 대 차량 배포를 목표로 하고 있습니다.
병목 현상 타파: 수일에서 수시간으로
자율주행 개발은 전통적인 '데이터 폐쇄 루프(closed-loop)' 워크플로의 비효율성으로 오랫동안 지체되어 왔습니다. 기존 시스템에서는 데이터를 수동으로 수집, 검토, 주석 처리, 재학습해야 하며, 이 과정은 일반적으로 반복당 5일 이상이 소요됩니다. 한편 기업들은 방대한 양의 원시 주행 데이터를 축적하고 있지만, 대부분은 일상적인 시나리오로 구성되어 있어 훈련 가치가 제한적일 뿐만 아니라 모델 성능을 저하시킬 수도 있습니다.
딥루트.ai의 최고기술책임자(CTO) 토니 카오(Tongyi Cao)는 "자율주행은 근본적으로 확장성 문제"라며 "업계가 상당한 진전을 이루었지만, 전통적인 실행 경로에 결함이 있어 진정한 대규모 배포는 여전히 요원한 상태"라고 말했습니다. "이제 병목 현상은 데이터 확보가 아니라, 시스템이 얼마나 효율적으로 노이즈를 걸러내고 방대한 원시 데이터를 고가치 훈련 샘플로 전환할 수 있는지에 관한 문제입니다."
딥루트.ai의 해결책: 압축