Stellar P3E — ST가 2026-02 발표한 AI 가속 내장 차량용 MCU. 전동화 통합 제어기(x-in-1) 영역, 파워트레인/에너지 도메인 인버터·컨버터·OBC·DC-DC·BMS 통합용 도메인 컨트롤러 MCU. 핵심 메시지는 “AI를 어디에 넣어야 시스템이 더 단단해지느냐”.
발표
- 2026-02 말 ST 코리아 기자간담회 (박준식 지사장·임의택 부장)
- 샘플링 진행 중
- 2026 연말 양산 타깃, 2028~2029년 차량 탑재
- 시리즈: Stellar P 패밀리
SDV 아키텍처에서의 자리 — ‘물리 컴퓨터’
| 계층 | 영역 |
|---|---|
| HPC | ADAS·인포테인먼트 (NVIDIA·Qualcomm 등 SoC) |
| 물리 컴퓨터 | 전력·열·토크·제동의 물리량을 정해진 주기로 닫는 컴퓨팅 — Stellar P3E의 자리 |
| 존/도메인 컨트롤러 | x-in-1 통합 제어기 |
| 말단 MCU | 센서·액추에이터 |
“SoC나 프로세서 타입들은 실시간성은 좀 떨어지는 부분들이 있어 임베디드 MCU를 쓰게 되는 겁니다.” — 임의택 부장
x-in-1 통합 (전동화 통합 제어기)
효과 (ST 자체 수치)
| 지표 | 효과 |
|---|---|
| 무게 | −43% |
| 부피 | −27% |
| 고전압 효율 | +1% |
| 고전압 연결부 중심 비용 | −60% |
| SW/툴 요구 | −75% |
의미 — ‘결단’
통합은 ECU 숫자를 줄이는 ‘HW 이벤트’가 아니라 플랫폼 파생·OTA 반복 시대의 개발·검증·업데이트 시간 비용을 어떻게 줄일지에 대한 결단. 통합이 커질수록 한 칩에 책임·검증·리콜 리스크가 집중.
Neural-ART AI 가속기
1차 목적 = 효율
- 인버터 스위칭 손실 감소
- 모터 토크 부드럽게
- 배터리 SOC·SOH·열 추정 정밀화 → 전력·냉각 최적화
- 추론을 제어 주기 안으로 넣음
윈도 안티-핀치 사례
| 비교 | 효과 |
|---|---|
| 물체 끼임 감지 추론 (CPU vs P3E AI 가속기) | 69× 빠름 |
| 완전 닫힘 판단 | 16× 빠름 |
| 전력 소모 | 더 낮음 |
BOM 구조 변경
- 센서 부착 감지 → AI가 모터 피드백만으로 판단 → 센서 감소
- 룰 기반 (“온도 X 이상이면 공조기 작동”) → 데이터 기반 최적점 탐색
xMemory 채택
- xMemory 최대 19.5MB, RAM 최대 1.8MB
- 차종 파생마다 실리콘 변경되던 함정을 단일 계열로 흡수
- 이식·검증·재개발 비용 절감
안전·통합 자원
| 자원 | 구성 |
|---|---|
| 총 ADC | 106 채널 |
| SAR ADC | 12× |
| Sigma-Delta ADC | 10× |
| Comparator | 4× |
| 통신 | 10/100/1000BASE-T1, 10BASE-T1S, CAN XL, CAN FD, TSN |
| 안전·보안 | ASIL-D 지향, HSM (‘360도 시큐리티’) |
결정론 (Determinism)
“1ms 안에 해야할 일은 항상 1ms 안에 해야 한다. 더 정확히 말하면 평균이 아니라 워스트케이스에서도 지켜야 한다.”
- 물리 루프(전류·모터·열·고전압 스위칭)는 결정론적 시간 안에 끝나야 의미가 생김
- ‘빠른 연산’이 아니라 ‘정해진 시간 안에 끝내는 연산’
- 통신도 대역폭이 아니라 지연의 예측 가능성이 관건 → TSN MCU 직접 지원
핵심 메시지
“AI가 얼마나 빠르냐가 아니라, AI를 어디에 넣어야 시스템이 더 단단해지느냐의 문제.”