애프트쿼리 vs 모셔널

애프트쿼리 장단점

• 단순 라벨링을 넘어 골드만삭스, 구글 출신 등 실제 업계 전문가들이 직접 설계한 고품질 데이터를 제공하므로 모델의 전문성이 비약적으로 향상됩니다. 특히 루브릭(Rubrics) 기반의 RLHF를 통해 모델이 왜 해당 답변을 내놓아야 하는지에 대한 정교한 피드백을 학습시킬 수 있으며, 에이전트 전용 훈련 환경을 통해 복잡한 멀티스텝 워크플로우 학습이 가능합니다. 또한 독자적인 벤치마크(IDE-Bench, FinanceQA 등)를 보유하고 있어 모델 성능을 객관적으로 검증할 수 있는 연구 역량이 뛰어납니다.

• 전문 인력을 직접 투입하는 방식의 특성상 구축 비용이 경쟁사 대비 매우 높을 것으로 예상되며, 대규모 범용 데이터를 단기간에 확보해야 하는 프로젝트에는 가성비가 떨어질 수 있습니다. 소규모 스타트업이나 개인 개발자를 위한 셀프 서비스 플랜이나 공개된 가격 정보가 부족하여 접근성이 낮으며, 주로 최상위 AI 리서치 랩이나 엔터프라이즈를 타겟으로 하기에 도입 상담 과정이 복잡할 수 있다는 점이 진입 장벽으로 작용합니다.

모셔널 장단점

• 현대차의 E-GMP 플랫폼을 기반으로 제작되어 하드웨어 마감이 우수하며, 미국 연방 자동차 안전 기준(FMVSS) 인증을 획득해 신뢰도가 높습니다. 라스베이거스에서 13만 건 이상의 승객 탑승 주행을 통해 기술적 안정성을 입증했으며, 옴니태그(Omnitag)를 통한 자동 데이터 태깅으로 AI 모델 고도화 속도가 빠릅니다. 또한 우버, 리프트 등 거대 플랫폼과 긴밀히 협력하고 있어 사용자가 기존 앱으로 쉽게 이용할 수 있다는 점이 큰 장점입니다.

• 초기 상용화 목표였던 2023년을 넘겨 완전 무인 서비스 시점이 2026년 말로 연기되면서 시장 선점 기회를 놓쳤다는 지적이 있습니다. 최근 주요 투자사였던 앱티브(Aptiv)가 자금 지원을 줄이고 현대차 주도의 구조조정을 겪는 등 사업적 불안정성도 존재합니다. 현재 운영 구역이 라스베이거스 등 일부 지역에 국한되어 있어 웨이모와 같은 광범위한 서비스 지역 확장 능력을 증명해야 하는 과제가 남아 있습니다.

애프트쿼리 주요 기능

• 고품질 SFT·RLHF 훈련용 전문가 제작 데이터 페어
• 추론·코딩 성능 개선을 위한 루브릭 기반 피드백
• MCP 기반 에이전트 훈련 상호작용 데이터
• 맞춤형 도메인 특화 데이터셋 제작 서비스
• 컴퓨터 사용 환경 시뮬레이션 및 데이터 수집

모셔널 주요 기능

• End-to-End ML 통합 자율주행 대형 드라이빙 모델(LDM)
• IONIQ 5 기반 완전 무인 로보택시 플랫폼(30개 이상 센서)
• Ray 기반 대규모 데이터 프로세싱 파이프라인
• 고성능 원격 차량 지원(RVA) 시스템
• nuScenes 자율주행 공개 데이터셋 제공