엔비디아(NVDA)는 레벨 4 자율주행 로보택시 개발을 위한 개방형 추론 모델인 '알파마요 2 슈퍼(Alpamayo 2 Super)'를 새롭게 공개했다. 이 모델은 전면, 측면, 후면 카메라를 활용해 360도 인식을 통해 주행 환경을 분명하게 포착하고, 이에 기반한 판단 근거를 생성하며 행동 계획을 수립하는 특성을 가지고 있다.

5월 31일 엔비디아 뉴스룸에서 공개된 알파마요 2 슈퍼는 비전·언어·행동(VLA) 모델로 소개되었다. 이 모델은 주행하는 차량이 차선 변경, 양보, 정지 등의 '메타 액션'을 실시간으로 출력할 수 있도록 설계되었다. 이는 차량이 예상 궤적을 생성하고 판단 근거를 함께 마련하는 구조를 통해 이루어진다.

젠슨 황(Jensen Huang) 엔비디아 창립자 겸 최고경영자는 “알파마요는 자동차가 단순히 주행하는 것을 넘어 안전하게 추론하기 시작하는 순간”이라고 강조하며, 자율주행 개발사가 예외 상황을 명확히 이해하고 모델의 결정을 검증할 수 있도록 판단 과정을 투명하게 드러낸다고 전했다.

이번 발표에서 엔비디아는 폐쇄 루프 강화학습 시스템인 '알파짐(AlpaGym)'와 드문 주행 상황을 생성하는 '코스모스-드림스(Cosmos-Dreams)' 및 옴니버스 뉴렉(Omniverse NuRec)을 활용한 신경 재구성 기술도 함께 소개했다. 알파짐은 차량의 제동, 조향, 경로 선택이 다음 시뮬레이션 환경에 영향을 주도록 설계된 것이 특징이다. 또한, 코스모스-드림스는 드물게 발생하는 주행 상황을 사실적으로 재현하며, 옴니버스 뉴렉 기반 기술은 실제 도로 데이터를 3D 장면으로 재구성한다. 이를 통해 엔비디아는 데이터셋에서 포착하기 어려운 오류 및 예외 상황을 시뮬레이션하여 검증할 수 있는 가능성을 강조했다.

공식 자료에서 모델 규모가 상이하게 표현된 점도 주목할 만하다. 엔비디아 뉴스룸은 알파마요 2 슈퍼 모델을 340억 파라미터로 설명했으나, 엔비디아 제품 페이지 및 허깅페이스(Hugging Face)에서는 320억 파라미터 또는 32B로 표기하고 있다. 이러한 차이에 대한 명확한 확인은 이루어지지 않았다.

또한, 엔비디아는 알파마요 2 슈퍼의 추론 코드를 깃허브(GitHub)에, 모델 가중치는 허깅페이스에서 무료로 제공할 예정이다. 오픈MDW(OpenMDW) 공식 FAQ에 따르면, 오픈MDW-1.1은 머신러닝 모델과 관련된 산출물의 사용, 복제, 수정 및 배포에 대한 권리를 로열티 없이 제공한다고 설명하고 있다.

알파마요 2 슈퍼는 연구와 개발의 기반 모델로, 인증된 자율주행 시스템으로 직접적인 대체는 아니라는 점을 명확히 밝혔다. 기존 알파마요 1 저장소 또한 이 모델의 용도를 연구, 실험, 평가로 규정하고 있으며, 실제 로보택시 상용 운행을 위해서는 별도의 차량 통합, 안전성 검증 및 규제 승인이 필수적이다.

그 무엇보다 이번 발표는 엔비디아가 블록체인이나 크립토와는 달리 반도체 및 AI 인프라 분야에 주목하고 있다는 점을 잘 보여준다. 엔비디아는 GPU와 시뮬레이션, 데이터셋, 모델을 조합하여 로보틱스 및 자율주행 개발 생태계를 확장하려는 움직임을 감지할 수 있다. 이러한 흐름은 앞으로의 자율주행 기술 발전에 커다란 영향을 미칠 것으로 기대된다.