Zendar — 미국 실리콘밸리 스타트업. AI 레이다(Semantic Spectrum Radar AI) 전문. 매핑·전파 천문학(radio astronomy) 전문가들이 모여 설립. CBO 수닐 토마스(Sunil Thomas)가 The Autonomous 2025 비엔나 행사에서 자율주행 ‘제3의 길’을 제시했다.
핵심 기술 — Semantic Spectrum Radar AI
기존 차량용 레이다는 풍부한 신호를 단순 포인트 클라우드(point cloud)·객체 클러스터링으로 출력하면서 막대한 정보를 버린다. Zendar는 레이다 스펙트럼 데이터(spectrum-level data) 전체를 신경망으로 직접 분석해 물체의 질감·반사 특성·공간 맥락을 보존한다.
| 항목 | 기존 레이다 | Zendar |
|---|---|---|
| 출력 | 포인트 클라우드 (정보 손실) | 풍부한 스펙트럼 + 시맨틱 정보 |
| 해상도 | 미세 개선 정체 | 기존 대비 10배 |
| 연산 효율 | 카메라 기반 대비 — | 카메라 기반 대비 10배 |
분산형 레이다 — 전파 천문학에서 영감
전파 천문학자가 서로 다른 대륙의 망원경을 결합해 거대한 가상 안테나를 만드는 원리를 자동차 레이다에 적용. 여러 단순 레이다를 정밀하게 동기화해 하나의 거대 감지 시스템처럼 작동시키며 10배 해상도 달성.
처음에는 합성 개구 레이다(SAR) 원리로 출발 → “업계가 SAR 복잡 출력을 활용하지 못한다”는 통찰로 분산형으로 방향 전환 → 신경망 결합으로 시맨틱 스펙트럼 도달.
비합리적 위험 — 자율주행 양극단의 한계
“웨이모는 너무 비싸고, 테슬라는 너무 위험하다.” — Thomas
| 접근 | 한계 |
|---|---|
| 센서 과포화 (Waymo) | 다수 고가 센서·도시별 인프라 맞춤·수십억 달러 데이터 → 비용 구조 비현실. 데이터 플라이휠(flywheel) 형성 불가 |
| 카메라 온리 (Tesla) | 카메라는 비·눈·안개·태양광 반사·눈부심에 인식 성능 급격 저하. 감지 거리 제한 → 고속도로·로보택시 신뢰성 확보 불가능. 설계 철학 자체의 한계 |
“안전은 최우선 가치이지만, 경제적 확장성과 병행되지 않는 안전은 산업적 의미를 갖기 어렵다.”
4D 이미징 레이다와의 차별점
4D 이미징 레이다는 멀티칩 캐스케이드(multi-chip cascaded) 구조로 해상도 향상.
| 한계 | 내용 |
|---|---|
| 수직 해상도 부족 | 150 m에서 ‘주차된 트럭’과 ‘교량’을 구분하려면 1° 미만 수직 해상도 필요. 현 4D 이미징 레이다는 미달. |
| 비용 대비 효과 | 단일 칩 대비 훨씬 비싸 OEM 양산 적용 주저. 비용 증가 대비 안전·인식 이득 작음. |
Zendar는 스펙트럼 전체 활용으로 고해상도 + 시스템 단순성 + 비용 효율 동시 달성. 일부 틈새 응용에서 4D 이미징 레이다와 통합 가능하지만 장기적으로는 대체 잠재력.
카메라+레이다 융합 (1V5R)
현재 중간 가격대 표준 — 1V5R (카메라 1 + 레이다 5).
| 거리 | 주력 센서 |
|---|---|
| ~30 m | 카메라 (시각적 세부 정보) |
| 30 m+ | Zendar Semantic Radar (악천후·야간·눈부심에서 정밀·신뢰성) |
카메라 위치 오차를 레이다가 실시간 교정. 거리별 강점 지능적 배분.
비용 효율 — 20 TOPS급 SoC
1V5R 센서 구성을 20 TOPS급 SoC에서 구동 가능 — 현재 레벨 2+ 시스템이 요구하는 200~500 TOPS 대비 획기적 감소. OEM이 별도 고가 HW 없이 Autopilot · Navigate on Autopilot(NoA) · 레벨 3 기능 구현 가능.
“AI 모델은 더 많은 데이터를 학습할수록 정교·안전해진다. Zendar는 비용 효율적이라 더 많은 차량에 탑재될 수 있고 → 더 많은 데이터 수집 → AI 모델 개선의 선순환.”
시장 현황
- 유럽·아시아 다수 OEM·티어 1과 파일럿 진행 중. 구체적 파트너 명은 미공개.
- 고속도로 핸즈프리 주행 같은 고도화 기능을 시장 경쟁력 있는 가격대에 제공.
- 독일 내 협력 — 다양한 산업 파트너와 교류 중. 아우모비오 등 특정 기업 협력은 미공개.
SDV 시대 자리매김
“SDV는 하드웨어 중심에서 소프트웨어 중심으로 패러다임이 완전히 이동하는 변혁의 시대. 인식 시스템도 정적 기능이 아니라 지속 학습·진화하는 적응형 구조로 변화해야 한다.” — Thomas
Zendar AI 레이다는 SDV 아키텍처의 인식 백본(backbone)으로 자리매김 — OEM이 ADAS·자율주행 기능을 SW로 더 빠르고 효율적으로 배포·업데이트할 수 있도록 지원.
단·장기 목표
- 단기(2~3년) — Zendar 탑재 레벨 2+ 차량 도로 검증, 대규모 양산 기반 마련.
- 장기 — 레벨 3·4·로보택시까지 자연스럽게 확장. 비용 효율과 신뢰성을 갖춘 자율주행 인식 핵심 인에이블러.
표준화 입장
“표준을 문서로 정의하는 대신 기술로 증명한다.”
Zendar는 산업 표준화에 직접 참여하기보다 사실상 기준(de facto standard)을 시장에서 입증해 자연스러운 표준 형성을 유도.
인물
수닐 토마스 (Sunil Thomas)
- Zendar CBO. The Autonomous 2025 비엔나 키노트 인터뷰이.
- 핵심 메시지 — “비합리적 위험의 양극단 사이에서 새로운 균형점을 찾아야 한다.”
한국 시장 메시지
“Zendar AI 레이다와 한국의 첨단 개발 생태계를 결합해 ADAS·자율주행 기술 발전을 가속화하고, 더 많은 사람들이 누릴 수 있는 이동의 미래를 만들고자 한다.”