박준식 지사장(좌측)과 임의택 부장

SDV의 무대가 중앙 HPC로 좁혀질수록, 우리는 ‘차가 실제로 도는 시간’을 잊기 쉽다. ST마이크로일렉트로닉스(STMicroelectronics, 이하 ST)의 Stellar P3E는 AI의 성능 과시가 아니라, 전력·열·토크·제동의 물리 루프 안에서 정해진 시간 안에 끝내는 추론에 관한 것이다. 이와 함께 통합 ( x-in-1 )은 부품을 묶는 이벤트라기 보다는, 플랫폼 파생과 OTA가 반복되는 시대에 검증·안전·보안의 시간을 재배치하는 결단이다. ‘AI가 얼마나 빠르냐’가 아니라, ‘AI를 어디에 넣어야 시스템이 더 단단해지느냐’의 문제다.

글 | 한상민 기자_han@autoelectronics.co.kr
IN ENGLISH




2월 말, AI 가속을 내장한 ST의 차량용 MCU ‘Stellar P3E’가 소개되던 날.
박준식 ST코리아 지사장은 본래 기자간담회 무대에 자주 서는 사람이 아니다. 그래서 그의 첫 문장은 ‘제품’ Stellar P3E가 아니라 ‘방향’이었다.
박 지사장은 ST의 자동차 전략을 스마트 모빌리티 - 파워&에너지, 그리고 클라우드·커넥티드·자율주행으로 정리하면서, 그중에서도 초점을 전동화의 심장부로 못 박았다. 
이 배경에는 세 가지의 숙제가 있다. 안전, 전기차, 그리고 내연기관 효율화. 이들은 서로 다른 시대의 과제가 아니라, 한 대의 차 안에서 동시에 걸리는 압력이다. 숙제가 겹칠수록 전장은 더 복잡해진다. 그리고 이 복잡성이 커질수록 승부는 ‘더 빠른 연산’이 아니라 정해진 데드라인 안에 끝내는 연산, 즉 결정론으로 옮겨간다. 
AI도 같은 맥락이다. AI는 이제 중앙 컴퓨터만의 이야기가 아니다. 전기차에서 모터가 돌고, 배터리의 열이 오르내리고, 고전압 스위칭이 반복되는 ‘물리 루프’의 시간으로 내려오는 순간, SDV의 무게추는 다시 MCU 쪽으로 이동하며, 중앙 HPC의 AI가 ‘인지·추론’의 언어라면, 구동 도메인의 AI는 제어 루프 안에서 끝내는 추론이어야 의미가 생긴다. Stellar P3E는 이런 메시지를 가장 직접적으로 보여주는 칩으로, 강조점은 ‘AI 가속 MCU’지만, ST가 던진 질문은 ‘AI를 어디에 넣어야 의미가 생기느냐’였다. 
임의택 차량용 MCU 마케팅 부장은 Stellar P3E에 대해 ‘올 연말 양산 타깃’, ‘2028~2029년쯤 탑재 차량을 볼 수 있을 것’이라며 시간표를 제시했다. 제품 발표가 아니라, 몇 년 뒤 전동화 통합 제어기의 중심이 어디로 이동할지를 예고한 것이다.
그 이동 방향의 핵심은 ‘통합’, 그리고 ‘시간’이 함께 움직인다는 것이다. x-in-1 통합은 성능과 효율성, 비용을 위해 기능을 묶는 것이지만, 그 순간부터 싸움의 본질은 결정론과 신뢰성으로 바뀐다. 이뿐만 아니라, 차종 파생 (variant)과 OTA로 요구사항이 계속 바뀌는 세계가 겹칠 때 시스템은 유연해야 하고 동시에 견고해야 한다. 즉, 확장과 변경을 받아들이면서도 안전·검증·보안이란 기본이 흔들리지 않아야 한다. 
박준식 지사장이 이날 ‘방향’부터 꺼낸 이유가 바로 여기에 있었다.






SDV 아키텍처에서 P3E의 자리:
“HPC가 아니라, 구동을 통합하는 물리 컴퓨터”

요즘 SDV를 이야기하면 대개 중앙 HPC(ADAS/IVI)로 시선이 쏠린다. 하지만 임 부장이 보여준 SDV 아키텍처는 다른 의미였다. 맨 위는 ADAS·인포테인먼트를 위한 HPC. 그 아래는 구동과 주행을 담당하는, 말하자면 물리 컴퓨터(physical computer). 그 아래는 존/도메인 컨트롤러와 x-in-1 통합 제어기가 있고 말단에는 센서와 액추에이터를 움직이는 소형 MCU들이 있다. ‘물리 컴퓨터’란, 전력·열·토크·제동과 같은 물리량을 정해진 주기로 닫는 컴퓨팅 계층을 뜻한다.
ST의 설명에서 P3E가 서는 위치는 전동화 통합 제어기 (x-in-1) 영역, 더 구체적으로는 파워트레인/에너지 도메인에서 인버터·컨버터·OBC·DC-DC·BMS 등을 통합해 다루는 ‘도메인 컨트롤러’의 MCU다. 즉, 전기차 심장부의 칩이다.
“저희가 보는 시장은 MCU 시장입니다. 엔비디아나 퀄컴 같은 SoC 제품들은 더 높은 고성능, 비디오나 ADAS 같은 쪽에 포커싱이 돼 있다며, ST 제품은 통합 제어기를 보고 있습니다. SoC나 프로세서 타입들은 실시간성은 좀 떨어지는 부분들이 있어 임베디드 MCU를 쓰게 되는 겁니다.” 임 부장이 말했다.
‘실시간성’. 자동차, 특히 구동과 에너지 도메인에서, 응답은 결정론적이어야 한다. 결정론적 행동이 중요해, 예를 들어, 1ms 안에 해야할 일은 항상 1ms 안에 해야 한다. 더 정확히 말하면 평균이 아니라 워스트케이스에서도 지켜야 한다. 지연이 흔들리면, ‘빠른 연산’은 제어에 도움이 안 된다.
이것은 P3E의 존재 이유에 가깝다. SDV가 ‘소프트웨어 중심’으로 가면서도 결국 차가 제대로 구동하려면 전류가 흐르고 모터가 돌고 열이 관리돼야 한다. 이 물리 세계의 루프에서 필요한 건 ‘빠른 계산’만이 아니라 ‘정해진 시간 안에 끝내는 계산’이다. 그리고 그 시간 안에 AI까지 끼워 넣겠다는 것이다.



“왜 통합이 필연인가” 
하네스·무게·비용이 전동화의 페달

전동화에서 통합이 필연인 이유를 설명하는 방식도 흥미롭다. 전기차 효율을 끌어올리는 길은 배터리만 키우는 게 아니다. 시스템을 가볍게 만들고, 손실을 줄이고, 공간을 줄이고, 부품 수를 줄여야 한다. 그 출발점이 와이어링 하네스다. 하네스를 줄이면 무게가 줄고, 무게가 줄면 같은 배터리로 더 멀리 가거나, 같은 성능을 더 작은 배터리로 달성할 여지가 생긴다. 결국 전체 비용 구조가 흔들린다. 임 부장은 이를 전력망과 통신망까지 포함한 ‘차량 배선망의 최적화’로 표현했고, x-in-1 통합 제어기는 이런 최적화를 극대화하는 수단이다.
고객인 OEM 차원에서 통합은 단지 부품을 합치는 일이 아니라, 플랫폼을 설계하고 생산하고 검증하고 서비스하는 방식 전체를 바꾸는 선택이다. 하네스와 커넥터가 줄면 조립 단계가 줄고, 체결·오삽·접촉 불량 같은 품질 리스크가 내려간다. 부피가 줄면 패키징 여유가 생기고, 냉각·차폐·정비 접근성 같은 시스템 설계의 시간을 줄이는 쪽으로 이어진다. 다만 모듈 수가 줄수록, 통합된 한 덩어리에 기능과 책임이 몰리면서 검증·안전·업데이트의 부담도 한 점으로 집중된다. 그래서 통합은 ECU 숫자를 줄이는 ‘하드웨어 이벤트’가 아니라, 플랫폼 파생과 OTA가 반복되는 시대에 개발·검증·업데이트의 시간 비용을 어떻게 줄일지에 대한 결단이 된다.
ST는 x-in-1 슬롯 가입 머니 솔루션의 효과를 수치로 강하게 내세웠다. 기존 대비 무게는 43% 가벼워지고, 부피는 27% 줄며, 고전압 구간 효율은 1% 개선된다고 했다. 특히 고전압 연결부 중심 비용은 60% 절감할 수 있고, 슬롯 가입 머니으로 개발 복잡도가 낮아지면서 필요한 소프트웨어/툴 요구도 75% 감소한다고 강조했다.
중요한 건 절대값보다, 통합이 비용·공간·개발 체계를 동시에 흔든다는 방향성이다. 그리고 ST의 논리는 ‘통합이 먼저’이고, ‘통합이 커질수록 제어와 검증이 더 어려워지며’, ‘그 어려움을 줄이기 위해 AI가 들어온다’는 구조로 이어진다(에너지 최적화, 상태 진단, 캘리브레이션 자동화 같은 방식으로).
통합이 커지면 개별 MCU 유닛 수는 줄어드는 게 맞다. 하지만 포트폴리오 관점에선, 통합을 담당하는 큰 MCU(P/G)가 맡는 책임 범위와 안전 등급, 네트워크 역할이 커지는 동시에, 말단의 소형 MCU도 여전히 필요하다. ECU 개수는 줄어도, 단일 MCU가 떠안는 역할은 커진다. 결국 ST는 “작아지는 영역”과 “커지는 영역”을 동시에 커버한다.





AI는 ‘제어 루프의 시간’을 사는 기술:
Neural-ART 가속기

통합이 먼저 오고, 통합이 커질수록 제어는 더 어려워진다. 그리고 그 어려워진 제어를 ‘시간 안에’ 끝내기 위해 AI가 들어온다. AI 가속기가 필요한 이유는 안전 보조에만 있지 않다. 전동화 통합 제어기에서 AI의 1차 목적은 효율이다. 인버터 스위칭 손실을 줄이고, 모터 토크를 더 부드럽게 만들며, 배터리 SOC·열 상태를 더 정밀하게 추정해 전력과 냉각을 최적화하는 것. 이 모든 연산은 제어 루프 안에서 끝나야 한다. 통합이 커질수록 효율 개선 여지는 커지지만, 시간 제약은 더 빡빡해진다. Neural - ART 같은 전용 가속기는 추론을 제어 주기 안으로 넣는다. 
그렇다면 ‘AI 가속기’는 차량에서 어떤 체감을 만들까. ST는 이 질문에 사례로 대답했다. 윈도 안티-핀치(anti-pinch)를 예로 들면, 같은 AI 모델을 CPU에서 돌렸을 때와 P3E의 AI 가속기에서 돌렸을 때를 비교해 물체 끼임 감지 추론에서 69배 빠른 응답, 완전 닫힘 여부 판단에서 16배 빠른 응답을 제시했다. 전력 소모도 더 낮다.
“윈도는 예시일 뿐입니다. 트랙션 인버터 같은 구동을 담당하는 쪽은 어마어마한 속도로 돌아가는 모터의 컨트롤 루프에서 AI를 써야 합니다. 호스트 코어에서 돌리면 어렵고, 그래서 가속기로 추론 시간을 짧게 해야 시스템에 적용할 수 있습니다.”
AI가 파워트레인에서 무엇을 하느냐도 비교적 구체적으로 언급됐다. 전력반도체 스위칭 구간을 더 매끈하게 만들거나, 모터를 배터리 소모를 덜 하도록 효율적으로 돌리거나, 배터리 SOC / SOH를 더 정교하게 추정해 최적의 충·방전과 열관리를 수행하는 것들이다. 온도가 몇 도 이상 올라가면 공조기를 언제부터 돌려라 같은 룰 기반 제어에서, 데이터가 최적점을 찾는 방향으로 이동한다.
AI는 성능 향상뿐 아니라 비용 절감에도 연결된다. 센서를 붙여 감지하던 기능을 AI가 모터 피드백만으로 판단하게 만들면 센서를 줄일 수 있다. AI는 연산이면서 동시에 BOM 구조를 바꾼다. 중앙 컴퓨터에서 뭉뚱그려 돌리는 AI가 아니라, 물리 루프 가까운 곳에서 ‘작고, 빠르게, 결정론적으로’ 굴리는 AI가 통합 제어기의 비용과 구조에 영향을 준다. 결국 OEM 입장에서 AI의 가치는 ‘성능 과시’가 아니라, 통합된 모듈 안에서 연산을 늘리되 시간을 잃지 않으면서 시스템 비용과 구조를 함께 건드릴 수 있느냐에 있다.
여기서 실시간성은 다시 MCU의 기본으로 돌아간다. 지연을 어떻게 통제하는지, 파이프라인을 어떤 철학으로 설계하는지, 자동차용 코어를 왜 선택했는지에 대한 답은, 그렇게 설계돼 있기 때문이다. 그것이 MCU가 여전히 필요한 이유다.





xMemory는 ‘성능’만큼 ‘개발 속도’를 겨냥
베리언트의 함정을 줄이는 방식

P3E의 또 다른 축은 메모리다. ST는 이를 xMemory라고 부르며 PCM(상변화 메모리)을 핵심 기반으로 든다. 기존 MCU 영역에서 플래시가 사실상의 표준처럼 쓰여온 것과 달리, ST는 28nm 세대에서 PCM을 도입해 메모리 밀도와 확장 여지를 넓혔다. SDV 시대로 갈수록 플랫폼 파생이 반복되고, 그 과정에서 요구사항과 검증 부담이 커진다는 점을 생각하면 PCM은 성능이 아니라 개발 속도와 반복 비용에 직접 닿는다.
“OEM에서 하나의 제품으로 개발하면 1차종, 2차종, 3차종으로 파생돼 들어갑니다. 파생될 때마다 세그먼트가 달라지면서 요구사항이 조금씩 바뀌고, 그러면 개발을 다시 하고, 메모리가 커질 수밖에 없고, 결국 다른 실리콘을 써야 합니다. 그때마다 리소스가 투입됩니다.” 임 부장이 말했다.
xMemory는 메모리 여유가 있어 파생 차종에서 요구사항이 늘어도 동일 계열로 커버할 수 있다는 논리를 편다. 실리콘을 갈아타지 않으면 이식·검증·재개발 비용이 줄어든다.
P3E 대표 구성(P3H3)에서 제시된 메모리 수치는 xMemory 최대 19.5MB, RAM 최대 1.8MB다. 이 수치는 단순한 사양표가 아니라, 차종 파생이 반복될수록 커지는 개발 리소스의 함정을 줄이는 논리로 연결된다. 결국 ST가 말하는 경쟁력은 ‘SoC급 연산이냐 아니냐’가 아니라, 전동화 통합 제어기의 개발과 검증을 얼마나 덜 고통스럽게 만들 수 있느냐가 된다. OEM에게는 플랫폼을 확장할 때마다 반복되는 개발 시간과 검증 시간을 줄이는 방향으로 작동한다.



통합 제어기를 ‘안전하게’ 만들기
아날로그/타이머/IO 효율과 하이-스피드 네트워킹

통합이 커질수록 시스템은 위험해진다. 전동화 도메인은 특히 그렇다. 인버터, 컨버터, OBC, DC-DC, BMS… 이 기능들은 전기차의 생명줄이다. 그래서 ST는 P3E의 통합을 이야기하면서 곧장 ‘안전하게 통합하는 방법’으로 넘어간다.
임 부장이 강조한 건 정밀한 타이머, 풍부한 아날로그 자원, 그리고 IO 효율이다. 모터 제어와 열관리의 정밀도는 결국 아날로그 인터페이스와 타이밍에서 갈린다. P3E는 전동화 도메인에 맞춰 ADC와 비교기(Comparator) 같은 아날로그 자원을 크게 넣었다.
ST가 제시한 구성은 총 106채널 ADC를 기반으로 12 x SAR ADC, 10 x Sigma - Delta ADC, 4 x Comparator 등을 포함한다. 전동화 슬롯 가입 머니 제어기에서 정밀하게 읽고, 정밀하게 제어하는 능력을 하드웨어 자원 배치로 보여주려 했다는 설명이다.
통신도 SDV 흐름에 맞춰 하이-스피드로 끌어올렸다. P3E는 10/100/1000BASE - T1 이더넷, 10BASE - T1S, CAN XL, CAN FD 등을 통해 TSN (Time-Sensitive Networking) 같은 이더넷 기반 실시간 네트워킹을 MCU 레벨에서 직접 지원하는 방향을 제시했다. 여기서 관건은 대역폭 자체보다 지연의 예측 가능성이다.
이 흐름에서 안전/보안은 옵션이 아니라 통합의 전제조건이 된다. ST는 ASIL-D 지향, 하드웨어 기반 보안(HSM) 같은 구성을 앞세워 “360도 시큐리티”를 말한다. 통합 제어기가 커질수록 한 번의 결함이 미치는 영향이 커지기 때문이다. 통합은 부품 수를 줄이는 선택이면서, 동시에 OEM에게 검증·책임·리콜 리스크의 시간을 재배치하는 선택이기도 하다.



타임라인: 연말 양산 타깃, 2028~2029년 탑재 
관건은 OEM의 ‘통합 의지’              

“이미 우리는 샘플링을 시작했고, 주요 OEM과 티어 1에 샘플을 제공해 개발이 진행 중입니다. 생산 타깃은 올해 연말이고 실제 차량 탑재 시점은 2028~2029년쯤이면 보실 수 있을 것 같습니다.”
이 일정은 ‘언제 나오냐’가 아니라, 시장 충돌이 언제 본격화되느냐를 가늠하게 해 준다. 그때의 승부는 ‘AI 가속기 유무’만이 아니라 OEM이 x-in-1 통합을 어디까지 밀어붙이느냐가 될 것이다. 어떤 OEM은 3-in-1에서 멈출 수 있고, 어떤 OEM은 5-in-1, 7-in-1을 넘어 14-in-1 같은 선언으로 더 과감하게 갈 수도 있다. 선택에 따라 통합 제어기의 크기와 역할, 그리고 AI를 넣는 방식이 달라진다. 

SDV가 커질수록 통합은 멈추지 않는다. 인버터·컨버터·OBC·DC-DC·BMS가 하나의 전동화 통합 제어기로 묶이고, 데이터 경로와 전력 경로, OTA로 누적되는 소프트웨어까지, 통합은 구조를 단순하게 만드는 동시에 더 많은 연산과 더 많은 책임을 한 칩에 얹는다. 그래서 승부는 ‘얼마나 많이 계산하느냐’가 아니라 시간 안에 끝낼 수 있느냐가 된다. ST가 말한 ‘AI 가속 MCU’의 본질은 통합 구조 안에서 연산을 늘리면서도 물리 루프의 시간을 흔들지 않는 것으로, 그것이 결정론이고 신뢰성이다. 
박준식 지사장이 ‘제품’이 아니라 ‘방향’부터 꺼낸 이유도 여기 있다. ST는 그 역할을 다시 MCU(에지)로 끌어오며 2030년 자동차 MCU 매출을 2024년 대비 2배로 확장하는 것을 목표로 하고 있다.

AEM(오토모티브일렉트로닉스매거진)