자율주행 업계는 오랫동안 안전을 센서로 샀다. 라이다를 얹고 정밀지도를 깔고, 그 위에 인식·예측·판단 모듈을 층층이 쌓는 방식이었다. 비용은 차량 가격에 육박했고, 지도가 없는 길에서는 시스템이 멈췄다. 그런데 설립 2년 남짓한 회사가 카메라 6대만으로 360°를 보는 플랫폼을 들고 나왔고, 거기에 65억원이 붙었다123.
왜 '카메라 온리'였나 — 센서를 빼는 것이 가장 비싼 결정이었다
자율주행 스택의 비용 구조는 하드웨어가 결정해 왔다. 라이다와 고정밀 지도는 성능을 담보하는 대신 두 가지 대가를 요구한다. 차량 한 대마다 붙는 센서 원가, 그리고 지도가 갱신되지 않은 도로에서는 작동하지 않는다는 지리적 한계다. 모티프드라이브는 이 두 비용을 처음부터 설계에서 제거하는 쪽을 택했다. 카메라 영상과 주행 데이터를 AI 가 직접 학습해 차량의 움직임을 결정하는 E2E(엔드투엔드) 구조다1.
E2E 접근의 약점은 분명하다. 인식·예측·판단을 하나의 신경망이 통째로 떠안기 때문에, 왜 그렇게 움직였는지 설명하기 어렵다. 공사 구간에서 사람이 흔드는 수신호, 갓길에 비정상적으로 멈춘 차량처럼 학습 데이터에 드물게 등장하는 장면에서는 판단이 흔들린다. 모티프드라이브는 여기에 Vision Language Model 계열의 시각·언어·행동 모델(VLA)을 붙였다. E2E 모델이 실시간 주행을 맡고, VLA 모델이 복잡한 도로 상황의 맥락을 해석해 판단을 보완하는 구조다12.
핵심은 두 모델이 서로 다른 속도로 작동하면서 필요한 정보만 주고받도록 설계했다는 점이다1. 빠른 반응이 필요한 조향·가감속은 가벼운 모델이, 느려도 되는 상황 해석은 무거운 모델이 처리한다. 이 분리는 성능 문제이자 검증 문제다. 언어 모델이 상황을 서술할 수 있다는 것은, AI 의 주행 판단을 사람이 읽고 검증할 수 있는 기반이 생긴다는 뜻이다. 완성차 업계가 요구하는 안전 검증 관점에서, 이 설명 가능성은 센서 하나를 빼는 것 이상의 무게를 가진다1.
그 결과물이 카메라 6대로 360°를 커버하는 플랫폼 MD-1 이다3. 고가 센서와 정밀지도 의존도를 낮추면, 특정 지역·특정 차종에 묶이지 않고 다양한 차량에 같은 소프트웨어를 얹을 수 있다. 회사가 내세우는 비용 경쟁력과 확장성은 이 한 가지 선택에서 나온다1. 센서를 빼는 것은 원가를 줄이는 결정이 아니라, 소프트웨어가 하드웨어의 한계를 대신 떠안겠다는 선언이다.
전통 스택 vs 모티프드라이브 — 안전을 어디서 사 왔고, 어디로 옮겼나
비교의 기준은 간단하다. 지금까지 자율주행이 안전을 어디서 사 왔고, 이 회사는 그것을 어디로 옮겼는가다.
| 영역 | 전통 자율주행 스택 | 모티프드라이브 |
|---|---|---|
| 센서 구성 | 라이다·레이더·카메라 복합, 차량당 고가 원가 | 카메라 6대로 360° 커버 · MD-13 |
| 지도 의존 | 고정밀 지도 필수, 미구축 지역 작동 제한 | 정밀지도 비의존, 영상·주행 데이터 학습1 |
| 판단 구조 | 인식·예측·계획 모듈 분리, 규칙 기반 연결 | E2E 단일 모델 + VLA 보완의 이중 구조1 |
| 비정형 상황 | 사전 정의되지 않은 장면에 취약 | 수신호·비정상 정차 등 맥락을 언어 모델이 해석1 |
| 적용 범위 | 특정 차종·지역에 고정, 확장 시 재구축 | 차량 연산·전력 환경에 맞춘 최적화로 다차종 적용 지향1 |
표의 오른쪽 열은 아직 대부분 '지향'이다. 회사도 이를 숨기지 않는다. 시뮬레이션 데모는 2025년 12월과 2026년 2월 두 차례 끝났고, 실차 데모는 2027년 1월로 잡혀 있다3. 한 매체는 이 구조를 추론형 AI 를 결합한 자율주행이라 표현했다2. 왼쪽 열이 양산 실적을 가진 현실이라면, 오른쪽 열은 다음 실차 데모까지 증명해야 하는 가설이다.
이중 모델은 어떻게 굴러가나 — 세 단계
'E2E 와 VLA 를 결합했다'는 문장은 투자 보도자료마다 등장할 수 있는 표현이다. 모티프드라이브의 구조가 다른 지점은 결합 방식이다. 두 모델을 하나로 합치지 않고, 각자의 속도로 돌게 두면서 필요한 정보만 교환시킨다1. 세 단계로 풀면 다음과 같다.
- 카메라가 본다 라이다 없이 카메라 6대의 영상이 유일한 외부 입력이다. 도로 상황 인식, 주변 차량·보행자의 움직임 예측, 주행 경로와 운전 행동 결정까지를 분리된 모듈이 아니라 하나의 학습 과정으로 통합한다. 데이터가 쌓일수록 지도 없이도 대응 가능한 환경이 넓어지는 구조다13.
- E2E 가 달린다 실시간 주행은 E2E 모델이 맡는다. 조향·가감속 같은 즉각 반응은 지연을 허용하지 않기 때문에, 가볍고 빠른 쪽이 운전대를 쥔다. 회사가 강조하는 것은 이 모델을 실제 차량의 제한된 연산 성능과 전력 환경에 맞게 최적화하는 작업이다. 데이터센터용 모델이 아니라 차량 탑재용 모델이라는 뜻이다1.
- VLA 가 읽는다 느린 쪽은 시각·언어·행동 모델이다. 공사 구간의 수신호, 갓길에 멈춘 차량처럼 정형화하기 어려운 장면의 맥락을 해석해 E2E 의 판단을 보완한다. 두 모델이 다른 주기로 돌면서 정보를 교환하도록 설계돼, 빠른 대응과 복합 판단을 동시에 노린다. 판단 근거가 언어로 남기 때문에 검증 가능성도 함께 올라간다12.
The Bet — 왜 네 곳의 투자자가 양산 전 회사를 샀나
이 회사는 2024년 8월에 설립됐고, 박사급 연구 인력을 포함해 임직원 40명 규모다2. 매출도, 실차 주행 실적도 아직 공개된 것이 없다. 그런데도 네 곳이 들어왔다.
이번 라운드의 참여자는 MYSC·토니인베스트먼트·케이런벤처스·BSK인베스트먼트 네 곳이다1. 실차 주행 실적이 없는 회사에 65억원을 넣은 근거는 기술 구조 하나로는 설명되지 않는다. 베팅의 실체는 팀이다. 조석환 대표는 현대자동차·LG전자·스트라드비전에서 ADAS·자율주행·자동주차 기술의 개발과 양산 프로젝트를 거쳤고, 제홍모 CTO 를 포함한 핵심 인력도 차량용 AI 소프트웨어의 상용화 경험을 갖고 있다1. 자율주행 스타트업의 무덤은 데모가 아니라 양산이다. 완성차가 요구하는 연산 제약·전력 한계·검증 절차를 통과한 경험이 있는 팀이 카메라 온리라는 비용 효율적 구조를 들고 왔다는 것, 그것이 투자자들이 산 조합이다. 기술은 복제될 수 있지만, 양산 라인을 통과해 본 경험은 데이터셋처럼 축적되지 않는다. 2026년 4월 미국 법인 Motif Drive USA 설립과 2027년 1월 글로벌 완성차·부품사 초청 실차 데모는, 이 팀이 처음부터 국내가 아닌 글로벌 공급을 겨냥하고 있다는 신호다23.
다음 12개월에 지켜볼 지표 3개
- 2027년 1월 실차 데모의 관객 시뮬레이션에서 도로로 옮겨 가는 순간이다. 데모 자체보다 누가 초청에 응하는지가 지표다. 글로벌 완성차·부품사라는 표현이 구체적인 회사 이름과 후속 평가 계약으로 바뀌는지 봐야 한다3.
- Motif Drive USA 의 첫 계약 2026년 4월 설립된 미국 법인이 현지 자율주행·모빌리티 기업과 어떤 형태의 협력을 맺는지다. 공동 개발인지, 데이터 파트너십인지, 공급 계약인지에 따라 회사의 수익 모델이 처음 드러난다2.
- 특허 7건의 등록 전환과 차량 탑재 성능 2026년 상반기 출원한 특허 7건이 등록으로 이어지는지, 그리고 이중 모델이 실제 차량의 연산·전력 제약 안에서 실시간성을 유지하는지다. 카메라 온리의 약속은 결국 탑재 환경에서 증명된다12.
시뮬레이터 밖 도로에서 그 판단이 통하는지가, 2027년 1월의 이야기다.
