AWS re:Invent 2025 요약: 자동차 및 제조업 하이라이트

본 블로그는 Emily O’Kelly와 Andreas Bogner, Ali Zagros, Chandana Keswarkar가 작성한 블로그를 번역, 편집하였습니다.

Amazon Web Services re:Invent 2025가 12월 5일 라스베이거스에서 성공적으로 마무리되었으며, 63,000명 이상의 현장 참석자와 200만 명 이상의 라이브스트림 시청자가 함께했습니다. 5일간의 학습과 네트워킹 기간 동안 전 세계 비즈니스 리더들은 클라우드와 AI 기술을 활용하여 경쟁 우위를 확보하고 고객 경험을 향상시키는 방법을 탐구했습니다. 이번 행사에서는 1,900개 이상의 세션, 3,500명의 연사, 그리고 500개 이상의 발표가 진행되었습니다.
이 요약은 자동차 및 제조업과 가장 관련성이 높은 하이라이트에 초점을 맞춰 핵심 발표, 실제 고객 사례, 주요 데모를 다룹니다. 모든 내용은 AWS가 제공하는 자동차와 제조 산업을 위한 전략적 워크로드 영역 (자동차 영역, 제조 영역) 전략적 워크로드 영역별로 구성되어 현재 프로젝트와 우선순위에 맞는 주제로 바로 이동할 수 있습니다.

세션

자동차 및 제조업 산업과 관련된 AWS 발표와 더불어, BMW, Toyota, Rivian, Nissan, Mercedes-Benz, Zoox 등 AWS 고객의 혁신적인 사례를 요약합니다.

자율 모빌리티 (Autonomous Mobility)

자율주행차(Autonomous Vehicle, AV)와 첨단 운전자 보조 시스템(Advanced Driver-Assistance Systems, ADAS) 개발은 컴퓨팅 성능과 스토리지 리소스 측면에서 가장 까다로운 워크로드 중 하나입니다. AWS CEO Matt Garman의 키노트에서 AWS Trainium3 칩으로 구동되는 AWS Trainium3 UltraServer의 공식 출시(General Availability)를 발표하고, 차세대 Trainium4 칩에 대한 전망을 공유했습니다. Trainium3 UltraServer는 AI 훈련 및 추론 워크로드에 고성능을 제공하며, Trainium2 UltraServer 대비 최대 4.4배 더 많은 컴퓨팅 성능, 4배 더 높은 에너지 효율성, 거의 4배 더 많은 메모리 대역폭을 제공합니다. 이는 차세대 에이전틱 AI(Agentic AI), 추론 모델, 자율주행 의사결정 시스템 훈련과 관련된 강화 학습에 최적화되어 복잡한 주행 시나리오를 추론할 수 있는 AI 에이전트 개발을 지원합니다.

Amazon S3 객체 최대 크기가 5TB에서 50TB로 10배 증가하여,AV 및 ADAS 워크로드에서 LiDAR 포인트 클라우드 임베딩 및 카메라 특징 벡터와 같은 대규모 센서 데이터셋의 저장 및 분석이 더욱 용이해졌습니다. Amazon S3 Vectors가 현재 사용 가능하며 인덱스당 20억 개의 벡터까지 확장되고 최대 90%의 비용 절감을 지원하여 페타바이트 데이터로 훈련된 인식 시스템을 지원합니다.

AWS는 Amazon OpenSearch Service의 새로운 기능인 서버리스 GPU 가속화와 자동 최적화 벡터 인덱스를 소개하였습니다. 이를 통해 실시간 유사성 검색을 최대 10배 더 높은 성능 및 더 낮은 비용으로 구현할 수 있는 대규모 벡터 데이터베이스 구축이 가능해졌습니다. 아울러 AWS Clean Rooms의 개인정보 보호가 강화된 합성 데이터 생성을 통해 조직들이 엣지 케이스 시나리오에 필요한 합성 훈련 데이터를 만들 수 있게 되었습니다. 더불어 Amazon Nova 2 Omni(평가판)는 텍스트, 이미지, 비디오, 음성을 아우르는 멀티 모달 분석과 추론 기능을 제공하여 인식 및 의사결정 지원 워크플로우를 지원합니다.

브레이크아웃 세션 AMZ304에서 Zoox는 Amazon SageMaker HyperPod를 활용해 자율 로보택시용 파운데이션 모델을 훈련하는 과정을 소개했습니다. 이들은 카메라, LiDAR, 레이더 데이터를 통합 처리하여 복잡한 엣지 케이스까지 대응할 수 있는 멀티모달 모델을 구현했습니다. Amazon SageMaker의 하이브리드 샤드 데이터 병렬처리(HSDP)와 텐서 병렬처리를 조합한 결과, Zoox는 64개 이상의 GPU에서 95%라는 높은 GPU 활용률을 기록했습니다. 또한 AWS Data Transfer Terminal을 통해 최대 400Gbps 속도로 시간당 4TB에 달하는 차량 데이터를 수집하고 있습니다. 특히 Zoox는 re:Invent 행사 기간 동안 라스베이거스에서 공식 출시한 자율 로보택시 서비스를 직접 시연하기도 했습니다.

소프트웨어 정의 차량 (Software Defined Vehicle)

AWS는 2025년 7월 개발자들이 사양 기반 개발(spec-driven development)을 통해 개념부터 프로덕션까지 전 과정을 진행할 수 있도록 지원하는 AI IDE인 Kiro를 출시했습니다. 또한 AWS는 소프트웨어 개발팀의 확장된 역할로 몇 시간에서 며칠간 지속적으로 작업하는 새로운 유형의 AI 에이전트 세 가지를 공개했습니다: Kiro 자율 에이전트, AWS Security Agent, AWS DevOps Agent입니다. 이 중 Kiro 자율 에이전트는 가상 개발자 역할을 하며, 특히 소프트웨어 정의 차량 개발 분야에서 고객의 요구사항을 빠르게 구현할 수 있도록 지원합니다.

Matt Garman은 키노트에서 회사의 가장 강력하고 효율적인 CPU인 Graviton5도 소개했습니다. 새로운 Graviton5 기반 Amazon Elastic Compute Cloud(Amazon EC2) 인스턴스는 이전 세대 대비 최대 25% 더 높은 성능을 제공하고 5배 더 큰 캐시를 제공합니다.

세션 IND382에서 Nissan Motor Co.는 새로운 Nissan Scalable Open Software Platform을 통해 AWS에서 소프트웨어 정의 차량 개발을 가속화하는 방법을 공유했습니다. 이 플랫폼은 75% 더 빠른 테스트를 제공하고 전 세계 5,000명 이상의 개발자가 소프트웨어 생성, 데이터 관리, 차량 운영에서 협업할 수 있는 통합 클라우드 환경을 제공하여 더 빠른 기능 업데이트를 가능하게 합니다.

세션 CMP360에서 AWS는 Graviton5의 설계와 성능에 대한 인사이트를 제시하며, Siemens, Synopsys, Honeycomb, Airbnb, SAP 등 주요 고객들의 실제 워크로드 성과와 함께 Graviton 플랫폼으로의 성공적인 워크로드 마이그레이션 및 운영 가이드라인을 공유했습니다.

디지털 고객 참여 (Digital Customer Engagement)

디지털 고객 참여는 브랜드 무결성, 규정 준수, 운영 거버넌스를 유지하면서 음성, 채팅, 디지털 채널을 통해 원활하고 개인화된 안정적인 상호작용으로 최종 사용자와 소통하려는 고객 요구에서 출발합니다. 이번 발표는 대화형 AI 모델과 프로덕션급 에이전트에 중점을 두었습니다.

Amazon Nova 2 모델 패밀리는 고객 상호작용 옵션을 확장합니다. Speech-to-speech 경험을 위한 Amazon Nova 2 Sonic, 백만 토큰 컨텍스트 윈도우를 통한, 확장된 추론을 위한 Amazon Nova 2 Lite, 텍스트, 이미지, 비디오, 음성을 지원하는 멀티모달 입력을 위한 Amazon Nova 2 Omni(평가판)가 포함됩니다. 고객 여정에서 실질적인 행동을 취하기 위해 Amazon Nova Act는 개발자들이 안정적인 UI 워크플로 자동화 (양식 작성, 검색/추출, 예약, QA 등)를 구축하고 배포하며 관리할 수 있도록 지원합니다.

대규모 에이전트를 안전하게 구축하고 배포하며 운영하기 위해 Amazon Bedrock AgentCore는 품질 평가, 정책 제어, 향상된 메모리, 자연스러운 대화 기능을 추가하여 기업 전반에 걸친 에이전트 배포를 지원합니다. 또한 Amazon Bedrock의 18개 완전 관리형 오픈 웨이트 모델 카탈로그 확장으로 고객들은 품질, 지연 시간, 비용의 균형을 맞추기 위한 더 많은 선택권을 갖게 되었습니다.

세션 IND320에서 Toyota Motor North America와 Toyota Connected는 Amazon Bedrock을 활용해 공식차량 정보에 즉시 접근할 수 있고 월 7,000회 이상의 상호작용을 지원하는 RAG 기반 딜러 어시스턴트를 제공하는 AWS 에이전트 AI 플랫폼 구축 과정을 공유했습니다. 2026년 에 Toyota의 플랫폼은 차세대 시스템으로 발전할 예정이며, AgentCore Runtime, AgentCore Identity, AgentCore Memory를 추가해 안전적인 확장과 로컬 재고 확인 같은 작업이 가능하게 될 것입니다.

세션 IND3329에서 Cox Automotive는 Amazon Bedrock AgentCore와 Strands Agents를 활용해 에이전트 AI를 몇 주 만에 프로토타입에서 프로덕션으로 전환하고 5개의 에이전트 AI 제품을 배포한 과정을 보여주었습니다. 완전 자율 가상 어시스턴트는 이제 강력한 가드레일, 평가, 비용 제어 지원을 받아 인간의 감독 없이 시간 외 판매 및 서비스 대화를 처리합니다.

세션 SPS313에서 Volkswagen Group은 독점 이미지 라이브러리로 훈련되어 맞춤형으로 Fine Tuning된 Diffusion 모델을 Amazon Nova와 결합하여 시장 전반에 걸쳐 브랜드 가이드라인을 자동으로 적용하는 맞춤형 GenAI로 글로벌 마케팅을 확장한 방법을 설명했습니다.

세션 IND3326과 INV204는 대규모 디지털 참여에 초점을 맞춰, Formula 1이 AWS Media Services와 에이전트 AI를 사용해 동기화된 멀티뷰 스트리밍을 제공하고 운영 근본 원인 분석을 자동화하는 방법과, Lyft가 해결 시간을 몇 분으로 단축하고 인간 에이전트 없이 상호작용의 절반 이상을 해결하는 대화형 에이전트로 고객 지원을 혁신한 방법을 다뤘습니다.

제조 및 공급망 (Manufacturing and Supply Chain)

생성형 인공지능(GenAI), 특히 에이전트 AI가 제조업과 공급망 관리를 혁신하고 있습니다. Matt Garman의 키노트에서 AWS는 추론하고 행동할 수 있는 현대적인 AI 에이전트가 최근까지 전문가의 인간 판단과 수동 실행이 필요했던 작업들을 수행하고 있다고 강조했습니다. Amazon Bedrock AgentCore는 신뢰할 수 있는 AI 에이전트 배포를 위한 품질 평가, 정책 제어, 향상된 메모리, 자연스러운 대화 능력을 제공하여 제조업체들이 예측 유지보수, 품질 제어, 생산 현장 최적화를 위한 AI 솔루션을 자신 있게 확장할 수 있도록 지원합니다. 또한 Strands Agents의 엣지 디바이스 지원을 통해 고객들은 Strands Agents SDK를 사용하여 소규모 디바이스에서 실행 가능한 자율 AI 에이전트를 개발할 수 있게 되어, 자동차, 제조업, 로보틱스 분야의 새로운 에이전트 활용 사례를 창출하고 있습니다.

세션 IND367에서 Audi는 AWS에서 훈련되고 생산 품질 프로세스에 통합된 AI 기반 품질 검사 모델을 활용해 수동 샘플링보다 훨씬 높은 수준의 커버리지로 용접 조인트를 검사하는 방법을 소개했습니다. 이를 통해 거의 100%에 가까운 용접 검사를 효과적으로 구현하면서 수동 작업을 크게 줄이고 품질 모니터링을 개선했습니다.

세션 HMC217에서 Rivian은 AWS Outposts Gen2를 사용하여 엣지에서 미션 크리티컬 공장 애플리케이션을 실행하는 방법을 설명했습니다. 운영 오버헤드를 줄이고 용량 계획을 단순화하면서 클라우드 네이티브 하이브리드 환경에서 SCADA(Supervisory Control And Data Acquisition), MES(Manufacturing Execution System), 로봇 제어 같은 워크로드를 지원합니다.

세션 PEX305에서 Toyota는 IBM을 포함한 파트너들과 함께 Amazon SageMaker AI 등 AWS 서비스를 활용하여 차량 제조 및 물류 전반에 걸친 배송 ETA 예측 모델을 구축하는 방법을 선보였습니다.

세션 API206-S에서 Fujitsu는 Amazon Bedrock AgentCore를 사용하여 에이전트 출력을 지속적으로 모니터링하고 에이전트 드리프트를 수정하는 가디언 에이전트와 함께 에이전트 공급망 워크플로를 운영하는 방법을 보여주었습니다.

제품 엔지니어링 (Product Engineering)

자동차 회사의 제품 엔지니어링 팀은 개념 설계, 생성형 최적화, 시뮬레이션, 사업장 간 엔지니어링 협업을 위한 빠른 사이클에 의존합니다. AWS는 5GHz 프로세서와 3TiB 메모리를 갖춘 새로운 메모리 최적화 고주파수 EC2 X8aedz 인스턴스의 출시를 발표했습니다. 이 인스턴스는 시뮬레이션 전후 처리 및 대규모 엔지니어링 데이터셋 같은 메모리 집약적 엔지니어링 워크로드를 지원하는 데 활용할 수 있습니다.

Amazon SageMaker HyperPod의 체크포인트 없는 탄력적 훈련은 엔지니어링 AI 모델의 대규모 훈련 및 반복 작업에 적용할 수 있습니다. 글로벌 팀 간 대규모 CAD, 시뮬레이션, 테스트 아티팩트를 관리하기 위해 Amazon FSx for NetApp ONTAP와 Amazon S3의 통합 기능은 S3 규모에서 데이터를 원활하게 계층화하고 공유하며 분석하면서 파일 기반 엔지니어링 워크플로우를 지원합니다.

세션 CMP340에서 Toyota는 AWS Parallel Computing Service(PCS)가 고성능 컴퓨팅(High Performance Computing, HPC) 설정 시간을 6주에서 단 30분으로 단축하여 연구자들이 본연의 작업에 더 많은 시간을 집중할 수 있게 한 방법을 보여주었습니다. 연구자들은 대규모 CPU 및 GPU 시뮬레이션을 온디맨드로 시작하고, 장기간 워크로드를 실행하며, 작업이 완료되면 자동으로 리소스를 종료하여 벤더 지연 문제를 해결할 수 있습니다.

마이그레이션 및 현대화 (Migration and Modernization)

AWS 자동차 및 제조업 고객들은 AI 기반 서비스를 활용하여 애플리케이션 마이그레이션과 현대화를 가속화하고 있습니다. AWS는 Windows .NET 애플리케이션, VMware 환경, 메인프레임을 현대화하기 위한 에이전트 기능으로 AWS Transform을 확장하여 고객들이 11억 줄 이상의 코드를 분석하고 81만 시간 이상의 수동 작업을 절약할 수 있도록 지원했습니다.

AWS Transform Custom은 모든 코드, API, 프레임워크, 런타임, 아키텍처, 언어는 물론 회사별 프로그래밍 언어와 프레임워크까지 아우르며 조직 전체의 코드 및 애플리케이션 현대화를 가속화합니다. 사전 구축된 맞춤형 변환을 통해 AWS Transform은 다양한 코드베이스에서 일관되고 반복 가능한 현대화를 지원하며, Amazon EKS Capabilities는 현대화된 플랫폼을 위한 워크로드 오케스트레이션과 클라우드 리소스 관리를 단순화합니다.

세션 IND218-S에서 Mercedes-Benz는 GenAI와 AWS의 에이전트 리팩토링을 활용하여 메인프레임 기반 시스템인 글로벌 주문 시스템을 현대화한 방법을 공유했습니다. 130만 줄의 COBOL을 Java로 변환하고 첫 커밋부터 프로덕션까지 6개월 미만에 무사고로 성공적으로 출시했습니다.

세션 INV212에서 BMW와 AWS는 AWS Transform의 도메인별 에이전트가 발견, 계획, 리팩토링, 테스트를 가속화하는 방법을 강조했습니다. 마이그레이션 팩토리(AWS Transform의 AI 기능으로 지원되는 전문가 팀)가 테스트 생성 시간을 며칠에서 몇 시간으로 단축하여 75% 이상의 시간 및 효율성 절약을 달성하고 테스트 커버리지를 최대 60% 증가시킨 과정을 보여주었습니다. BMW는 세션 MAM205에서 다시 무대에 올라 에이전트 AI 기반 리팩토링이 메인프레임 마이그레이션의 위험을 줄이는 데 어떻게 도움이 되었는지 더 자세히 설명했습니다.

또한 세션 PEX203에서는 AWS Transform for VMware와 .NET이 고객들이 전체 스택 Windows 애플리케이션을 EC2와 Aurora PostgreSQL의 Linux 기반 아키텍처로 마이그레이션할 수 있도록 지원하는 방법을 설명했으며, Toyota Motor North America가 공급망 애플리케이션의 메인프레임 마이그레이션을 현대적 아키텍처로 50% 이상 가속화한 사례를 소개했습니다.

데모

AWS의 자동차 및 제조 팀은 최신 클라우드 및 AI 기술을 활용해 실제 자동차·제조 현장의 과제를 해결하는 AWS 솔루션을 강조하는 4개의 인터랙티브 데모 경험을 선보였습니다.

Kiro와 가상화로 자동차 워크플로 가속화

이 데모는 방문자들을 현대적인 소프트웨어 정의 차량 개발(SDV) 워크플로의 세계로 안내했습니다. 여기서 인공지능과 AWS의 SDV Accelerator 솔루션이 결합되어 개발자가 차량 내 기술 시스템을 구축하는 방식을 근본적으로 변화시키고 있습니다.
데모는 자동차 엔지니어들이 전통적으로 직면해 온 개발 환경의 문제점들을 먼저 보여주었습니다. 일관성 없는 레이아웃, 느린 터치스크린 응답, 접근성 격차 등이 그 예입니다. 기존 환경에서는 이러한 문제들을 해결하기 위해 수주간의 수동 코딩, 조정 작업, 그리고 하드웨어 기반 테스트가 필요했습니다.
하지만 SDV Accelerator의 가상 엔지니어링 환경과 AI IDE인 Kiro를 활용하면 개발자들이 프로토타입을 효율적으로 개선할 수 있습니다. 시스템이 기존 코드를 분석하여 비준수 요소를 파악하고, 입력을 파싱하여 새로운 요구사항을 자동으로 생성함으로써 개발 프로세스를 대폭 단축시킬 수 있습니다.

Amazon Bedrock으로 차량 내 어시스턴트 구축

자동차 제조업체들이 직면한 가장 중요한 과제 중 하나는 진정으로 차별화되고 원활한 차량 내 경험을 제공하는 것입니다. 운전자들은 개인화되고 편리하며 능동적인 서비스를 요구하지만, 현재의 자동차 구매 후 서비스 여정은 여전히 매우 분절되어 있는 상황입니다.
re:Invent 2025 참석자들은 실제와 같은 차량 조종석에서 에이전트 AI가 일상적인 루틴부터 예상치 못한 유지보수 요구까지 전체 운전자 여정을 어떻게 변화시키는지 직접 경험할 수 있었습니다. 이 데모를 통해 Amazon Bedrock이 지능적이고 상황 인식적인 내비게이션, 전기차 충전기의 선제적 스케줄링, 대화형 캐빈 제어, 복잡한 유지보수 스케줄링과 같은 필수 사용 사례를 어떻게 처리하는지 확인할 수 있었습니다.

신속한 제품 개발을 위한 AI 기반 프로토타이핑

이 데모에서는 맞춤 설계된 3D 프린팅 포커 칩을 제작하는 신속한 프로토타이핑 설계 센터를 선보였습니다. 이를 통해 제조업체가 에이전트 AI와 생성형 AI를 활용하여 고품질 제품을 제공하면서도 속도와 확장성을 갖춘 제품 설계 및 운영 프로세스를 어떻게 변화시킬 수 있는지 보여주었습니다.
Amazon Bedrock으로 구동되는 AI 생성 3D 설계와 자동화된 설계 권장사항을 통해 AI 에이전트가 신제품 개발을 가속화하는 방법을 강조했습니다.

제조업체가 에이전트 AI를 사용하여 3D 프린터 플릿의 유지보수 워크플로를 자율적으로 조정하면서, IoT 센서를 통해 수집된 실시간 원격 측정 데이터를 모니터링하고 유지보수 작업자에게 적응형 지원을 제공하는 방법을 시연했습니다.

마지막으로 Amazon Nova Pro로 구동되는 완성된 포커 칩에 대한 무훈련 컴퓨터 비전 기반 품질 결함 감지 기능을 시연했습니다. 이 솔루션의 구현 방법에 대한 자세한 정보는 블로그 Amazon Nova Pro로 제조업에서 무훈련 시각적 결함 감지 구현에서 확인하실 수 있습니다.

AI 기반 전기자전거 스마트 팩토리

이 데모는 AWS 상에서 확장 가능하고 성능이 뛰어나며 안전하고 비용 효율적인 산업 데이터 아키텍처를 구축하고, 여기에 에이전틱 AI, 생성형 AI, 머신러닝(ML), IoT, 분석을 결합하여 제조업 고객의 운영을 어떻게 변화시키고, 제품 품질을 향상시키며, 혁신을 추진하는지 보여주었습니다. 로봇 팔이 장착된 자율 용접 스테이션이 생성하는 실시간 운영 데이터를 AWS IoT SiteWise를 통해 수집, 정리, 처리했습니다. 이 데이터는 재고 최적화, 예측 유지보수, 품질 근본 원인 분석을 위한 AI 솔루션을 지원하고, 인간과 같은 추론 능력과 기계 수준의 일관성을 갖춘 AI 에이전트가 특정 작업을 실행할 수 있도록 하는 산업 데이터 기반과 디지털 스레드를 구축합니다.

파트너 발표

re:Invent 2025 개최 기간 동안 AWS 파트너와 고객들은 자동차 및 제조업 회사와 관련된 발표를 공유했습니다:

MassRobotics, AWS 및 NVIDIA와 함께 Physical AI Fellowship 확장, 2026년 코호트 지원 접수 시작 [관련 링크]
Nissan, 새로운 AWS 기반 플랫폼으로 소프트웨어 정의 차량 개발 가속화 및 AI 개발 환경 강화 [관련 링크]
Snowflake, AWS Marketplace 성장률 전년 대비 2배 증가, 새로운 통합으로 엔터프라이즈 데이터 및 AI 채택 가속화하며 매출 20억 달러 돌파 [관련 링크]
Salesforce와 AWS, 엔터프라이즈를 위한 더 빠르고 안전한 AI 성공을 위해 Agentforce 360 for AWS 출시로 협력 심화 [관련 링크]
TCL, AI 기반 스마트 TV 혁신을 위해 AWS를 선호 클라우드 제공업체로 선택 [관련 링크]

결론

한 참석자가 언급했듯이, “re:Invent는 더 이상 개발자만을 위한 것이 아닙니다!” 이 행사는 기술팀부터 비즈니스 의사결정자까지 제조업 및 자동차 가치 사슬을 위한 가치 있는 콘텐츠를 제공하도록 발전하고 있습니다. 이 블로그 포스트는 자동차 및 제조업 산업의 AWS 고객과 관련된 AWS 발표와 BMW, Toyota, Rivian, Nissan, Mercedes-Benz, Zoox의 혁신적인 고객 사례 및 데모, 파트너 발표를 요약했습니다. 이러한 발표를 검토하여 워크로드를 지원할 수 있는 기능을 식별하셨길 바랍니다. 이러한 새로운 기능이 조직의 민첩성과 효율성을 어떻게 지원할 수 있는지 알고 싶으시면 AWS가 도와드리겠습니다.
자동차 및 제조업 워크로드를 위한 AWS 혁신에 대해 더 자세히 알아보려면 AWS for Automotive, AWS for Manufacturing를 방문하거나 AWS 담당자에게 문의하세요.

참고: 최신 서비스 가용성 및 로드맵은 AWS 리전별 서비스 페이지 또는 AWS 빌더 센터에서 확인하세요.

TAGS: aws, re:invent, ADAS, automotive digital customer engagement, connected mobility, SDV, software defined vehicle

AWS 기술 블로그