스트라드비젼, AWS 하이브리드 데이터 전략으로 차량용 Vision AI 개발 속도 높인다

AI 기반 영상 인식 소프트웨어 기업 스트라드비젼이 AWS 서밋 서울 2026에서 Physical AI 학습을 위한 데이터 전략을 발표했다. 김인수 스트라드비젼 데이터 이노베이션 센터장은 이번 세션에서 차량용 Vision AI가 2D perception에서 3D perception 중심으로 고도화되면서 늘어나는 데이터 처리 수요에 대응하기 위한 회사의 데이터 운영 전략과 AI 개발 체계를 소개했다.

최근 차량에 탑재되는 카메라 수가 2개 수준에서 8개, 많게는 15개 이상으로 늘어나면서 데이터 전송·저장·처리 규모도 함께 커지고 있다. 대규모 AI 학습에 필요한 GPU와 고성능 스토리지 확보 경쟁이 치열해지는 가운데, 개발 속도와 양산 대응 역량을 동시에 갖추는 것이 업계 전반의 과제로 떠오르고 있다는 설명이다.

AWS 하이브리드 인프라로 확장성 확보

스트라드비젼은 2024년부터 AWS 기반 하이브리드 아키텍처를 도입해 로컬 인프라와 클라우드를 병행하는 데이터 운영 체계를 구축해왔다. 평상시에는 로컬 인프라 중심으로 운영하다가, 대규모 데이터 처리와 AI 학습이 필요한 시점에는 AWS 클라우드 리소스를 활용해 확장성과 운영 효율을 확보하는 방식이다. 이는 GPU 자원 확보 경쟁이 치열한 글로벌 시장에서 AI 모델을 안정적이고 신속하게 개발·배포할 수 있는 기반으로 작용하고 있다는 설명이다.

실데이터와 합성데이터를 결합한 검증 체계

회사는 이날 실도로 데이터 기반 합성 데이터 증강 파이프라인 SVGenFlow와 시뮬레이션 기반 검증 체계 SVSimFlow도 소개했다. SVGenFlow는 완전한 가상 데이터를 만드는 대신 실제 도로 환경 데이터를 기반으로 부족한 객체와 상황을 보강하는 구조로, 학습 데이터의 다양성과 개발 효율을 높인다. SVSimFlow는 실도로에서 재현하기 어려운 상황을 시뮬레이션 시나리오로 구성해 반복 검증할 수 있도록 지원한다.

스트라드비젼은 이 같은 체계가 기술 데모 수준에 그치지 않고 실제 양산형 Vision AI 개발 과정에 적용되고 있다는 점을 강조했다. 독자 데이터 파이프라인인 SV Flow를 기반으로 데이터 가공 공정 상당 부분을 자동화해 개발 효율성과 양산 대응 속도를 함께 강화하고 있다는 설명이다.

김인수 센터장은 "Physical AI 시대에는 모델 성능뿐 아니라 데이터를 얼마나 빠르고 효율적으로 처리하고 검증할 수 있는지가 경쟁력이 된다"며 "실데이터와 합성데이터, 시뮬레이션을 결합한 운영 체계로 양산 환경에 최적화된 Vision AI 개발 역량을 계속 고도화하고 있다"고 말했다. 이어 "AWS 기반 하이브리드 인프라 전략은 대규모 AI 개발 환경에 필요한 확장성과 유연성을 확보하는 데 중요한 역할을 하고 있다"며 향후에도 관련 체계를 지속 발전시켜 나갈 계획이라고 덧붙였다.