공공 CCTV에 국산 NPU 첫 도입, AI CCTV 전환이 가져올 변화

공공 CCTV에 국산 NPU가 처음으로 대규모 도입되면서 국내 CCTV 관제 체계가 단순 영상 확인 방식에서 AI CCTV 기반 실시간 위험 분석 체계로 전환됩니다. 2026년에는 경상남도·울산광역시·한국도로공사가 첫 수요기관으로 선정됐으며, 연내 약 1만 8,100여 대의 CCTV 영상이 국산 AI 반도체를 통해 분석될 예정입니다. 이번 사업이 실제로 무엇을 바꾸는지, NPU가 왜 필요한지, 시민 안전과 개인정보 보호에는 어떤 영향을 미치는지 차례대로 살펴보겠습니다.

공공 CCTV 1만 8,100여 대, 국산 NPU 기반 AI 관제로 전환

과학기술정보통신부와 한국지능정보사회진흥원(NIA)은 2026년 7월 28일 ‘국산 NPU 기반 AI CCTV 전환’ 사업을 본격 추진한다고 밝혔습니다.

이번 사업은 공공 CCTV 관제 현장에 국산 NPU를 대규모로 도입하는 첫 사례입니다. 총사업비는 116억 8,000만 원이며, 이 가운데 국비가 100억 원입니다. 사업 대상은 경상남도, 울산광역시, 한국도로공사가 운영하는 CCTV 약 1만 8,100여 대입니다.

핵심 내용을 정리하면 다음과 같습니다.

구분	2026년 사업 내용
사업명	국산 NPU 기반 AI CCTV 전환
총사업비	116억 8,000만 원
국비	100억 원
대상 CCTV	약 1만 8,100여 대
수요기관	경상남도·울산광역시·한국도로공사
참여 NPU 기업	리벨리온·딥엑스·모빌린트
주요 목적	재난·산업안전·교통사고·치안 위험의 실시간 탐지

각 기관은 내부 검토를 거쳐 자체 관제 시스템과 호환·적용이 가능한 리벨리온·딥엑스·모빌린트의 NPU를 선정해 관제센터에 도입합니다. 공개된 발표만으로는 특정 기관에 특정 기업의 NPU가 1:1로 배정됐는지까지는 명확히 확인되지 않으므로, 기업별 배정 방식은 향후 사업 공고와 구축 결과를 통해 확인하는 것이 정확합니다.

정부는 향후에도 매년 지방정부와 공공기관을 대상으로 수요기관을 선정해 공공 CCTV의 AI 전환을 확대할 방침입니다.

관련 공식 자료: 과학기술정보통신부·대한민국 정책브리핑 원문 보기

NPU란 무엇이며 AI CCTV에 왜 필요한가

NPU는 ‘신경망 처리 장치’라는 의미의 Neural Processing Unit을 줄인 말입니다.

국산 NPU 서버 개념 이미지. 이번 사업은 관제센터 서버에 NPU를 탑재해 CCTV 영상을 실시간 분석하는 구조다. (이미지: AI 생성 개념 이미지)

일반적인 CPU가 여러 종류의 작업을 순서대로 처리하는 범용 연산장치라면, NPU는 이미지 인식, 객체 탐지, 행동 분석 등 인공지능 신경망 연산을 빠르고 효율적으로 처리하도록 설계된 AI 전용 반도체입니다.

CCTV 영상 분석에는 다음과 같은 연산이 지속적으로 발생합니다.

영상 속 사람과 차량 탐지
연기·불꽃·침수 여부 분석
쓰러짐·충돌·무단 진입 등 이상행동 인식
차량 이동 속도와 교통 흐름 분석
위험 상황의 종류와 심각도 판단
상황을 관제요원에게 전달할 문장 생성

수천 대의 CCTV 영상을 실시간으로 분석하려면 막대한 연산 능력이 필요합니다. 기존 CPU만으로는 다수 영상을 동시에 처리하기 어렵고, 고성능 GPU를 사용할 경우 전력 소비와 운영비 부담이 커질 수 있습니다.

NPU는 반복적인 AI 추론 연산에 특화돼 있어 CCTV 관제처럼 24시간 연속으로 영상을 처리해야 하는 환경에서 전력 효율과 처리 속도를 높일 수 있다는 장점이 있습니다. 실제로 이번 사업은 외산 GPU 의존도를 낮추고 공공부문의 AI 컴퓨팅 주권을 확보한다는 정책 목표와도 맞닿아 있습니다.

다만 ‘NPU를 설치하면 무조건 비용이 절감된다’고 단정할 수는 없습니다. 실제 경제성은 적용하는 AI 모델, 동시 분석 채널 수, 서버 구성, 냉각 설비, 유지보수 비용, 소프트웨어 최적화 수준에 따라 달라집니다.

기존 CCTV와 AI CCTV는 무엇이 다른가

기존 공공 CCTV도 일부 움직임 감지나 이상 징후 탐지 기능을 제공해 왔습니다. 문제는 시스템이 이상 징후를 포착하더라도 최종 상황 판단은 관제요원이 직접 영상을 확인해야 했다는 점입니다.

예를 들어 기존 시스템이 화면에서 비정상적인 움직임을 감지했다면 관제요원은 해당 영상을 다시 열어 다음 내용을 판단해야 했습니다.

실제 사고인지 단순한 움직임인지
사람이 쓰러진 것인지 잠시 앉아 있는 것인지
연기인지 안개인지
도로 침수가 차량 통제가 필요한 수준인지
사고가 어느 위치에서 발생했는지

AI CCTV는 영상 속 객체와 상황의 맥락을 함께 분석해 보다 구체적인 정보를 제공합니다.

과기정통부가 제시한 예시처럼 단순히 ‘침수 감지’라고 알리는 데 그치지 않고, ‘홍수로 인해 특정 도로 지역에 차량 진입이 어려울 정도로 침수가 발생하고 있어 즉시 통제가 필요하다’는 형태로 상황을 설명할 수 있습니다.

기존 관제 방식

CCTV 촬영 → 단순 이벤트 감지 → 관제요원이 영상 확인 → 상황 판단 → 유관기관 연락 → 현장 대응

NPU 기반 AI CCTV 관제 방식

CCTV 촬영 → AI가 영상 실시간 분석 → 위험 유형·위치·심각도 판단 → 관제요원에게 구체적인 상황 전달 → 관제요원 확인 → 유관기관 연락 및 현장 대응

중요한 점은 AI가 관제요원을 완전히 대체하는 구조가 아니라는 것입니다.

AI는 수많은 영상 가운데 우선 확인해야 할 위험 장면을 선별하고, 관제요원의 판단을 지원하는 역할을 담당합니다. 실제 신고, 도로 통제, 대피 명령, 구조대 출동과 같은 중요한 결정은 담당자가 AI 분석 결과와 현장 정보를 함께 검토해 내려야 합니다.

경상남도는 산불과 홍수 탐지에 활용

경상남도는 국산 NPU 기반 AI CCTV를 산불과 홍수 등 자연재난의 조기 탐지와 대응에 활용할 계획입니다.

산불 조기 탐지

AI가 산림 CCTV 영상에서 연기를 탐지해 위험도를 표시하는 개념 화면. (이미지: AI 생성 개념 이미지)

AI 영상분석은 산림이나 산 주변 CCTV에서 연기, 불꽃, 색상 변화, 연기 확산 방향 등을 분석할 수 있습니다.

기존에는 관제요원이 여러 화면을 번갈아 확인해야 했지만, AI가 의심 장면을 먼저 찾아주면 산불 초기 대응 시간을 단축하는 데 도움이 될 수 있습니다.

다만 산불 탐지는 다음과 같은 오탐 가능성을 고려해야 합니다.

안개와 연기의 혼동
공장 수증기와 산불 연기의 혼동
일출·일몰 빛 반사
먼지나 구름의 움직임
화각을 가리는 나무와 시설물

따라서 산불 AI는 CCTV 영상만 단독으로 사용하는 것보다 기상정보, 산림 위치정보, 열화상 카메라, 화재 신고 데이터 등과 결합할 때 정확도를 높일 수 있습니다.

홍수와 도로 침수 분석

AI가 침수된 지하차도의 차량과 부유물, 침수 지점을 인식하는 개념 화면. (이미지: AI 생성 개념 이미지)

홍수 감지에서는 단순히 물이 보이는지를 판단하는 것보다 실제 위험 수준을 분석하는 것이 중요합니다.

AI CCTV는 다음과 같은 정보를 분석하도록 설계될 수 있습니다.

도로에 물이 차오르는 속도
차선이나 보도 경계의 잠김 정도
차량 바퀴의 침수 깊이
차량 통행 가능 여부
보행자의 접근 여부
추가 통제가 필요한 구간

이러한 분석이 안정적으로 작동하면 관제센터가 침수 도로를 빠르게 파악하고, 차량 진입 통제나 우회 안내를 결정하는 데 활용할 수 있습니다.

울산광역시는 산업단지 안전과 치안 강화에 적용

울산광역시는 산업단지 지역의 안전사고 예방과 치안 강화를 목적으로 AI CCTV를 활용할 계획입니다.

울산시 발표에 따르면 이번 사업에서 울산은 재난안전상황실과 5개 구·군 CCTV 통합관제센터가 운영하는 재난·생활안전 CCTV 8,942대를 대상으로 하며, 사업비는 국비 31억 원을 포함해 총 34억 원 규모입니다. 울산은 국산 NPU 서버 56대를 구축할 계획입니다.

특히 울산 사례에서 주목할 점은 단순 객체 인식을 넘어 영상의 상황과 맥락을 문장 단위로 이해하는 300억 파라미터급 시각언어모델(VLM)을 도입한다는 것입니다. 이를 통해 “파란색 가방을 멘 남자아이를 찾아줘”와 같은 자연어 검색으로 실종자 등의 이동 경로를 추적하는 기능도 함께 추진됩니다. 이는 얼굴 인식과는 다른 방식이지만, 개인의 외형과 이동을 추적하는 기능이 포함된다는 점에서 개인정보 보호 측면의 세심한 관리가 함께 요구됩니다.

울산에는 대규모 제조업·석유화학·자동차 관련 산업시설이 집중돼 있어 화재, 연기, 작업자 쓰러짐, 위험구역 침입, 차량 충돌과 같은 사고를 빠르게 탐지하는 것이 중요합니다.

산업단지에서 탐지 가능한 위험 상황

AI CCTV에 적용되는 모델에 따라 다음과 같은 상황을 탐지할 수 있습니다.

작업자 쓰러짐
안전모·안전조끼 미착용
위험구역 무단 진입
화재와 연기 발생
지게차와 작업자의 위험한 접근
차량 충돌 또는 정차
군중 밀집
배회와 침입
설비 주변 비정상 행동

다만 모든 CCTV가 위 기능을 동시에 제공하는 것은 아닙니다. 실제 탐지 범위는 사업별로 적용하는 AI 모델, 카메라 각도, 영상 해상도, 학습 데이터와 운영 환경에 따라 달라집니다.

특히 산업단지는 야간 조명, 증기, 분진, 대형 설비, 작업복 등 일반 도심과 다른 환경을 갖고 있습니다. 실제 현장 데이터를 활용한 모델 보정과 지속적인 정확도 검증이 필요합니다. 울산시는 새 시스템 도입으로 기존 관제의 오탐률이 약 80%에서 5% 이하로 낮아질 것으로 ‘기대’한다고 밝혔는데, 이는 목표치인 만큼 실제 운영 데이터로 검증할 필요가 있습니다.

한국도로공사는 사고·정체·돌발상황 자동 탐지

한국도로공사는 고속도로 교통사고, 정체, 정차 차량 등 돌발상황을 자동으로 탐지하는 데 국산 NPU 기반 AI CCTV를 활용할 예정입니다.

AI가 고속도로 차량을 인식하고 정체 구간을 히트맵으로 분석하는 개념 화면. (이미지: AI 생성 개념 이미지)

고속도로에서는 사고 자체보다 사고 이후 2차 사고가 더 큰 피해로 이어지는 경우가 있습니다. 사고 차량이나 고장 차량을 뒤따르던 운전자가 늦게 발견하면 추가 추돌 가능성이 커지기 때문입니다.

AI CCTV가 활용될 수 있는 대표적인 상황은 다음과 같습니다.

사고 차량 탐지

차량 충돌, 급정거, 비정상적인 회전, 차량 파편 등 사고 징후를 분석합니다.

정차 차량 탐지

갓길이 아닌 주행 차로에 정차한 차량을 발견해 관제센터에 알릴 수 있습니다.

역주행 차량 탐지

정상적인 주행 방향과 반대로 이동하는 차량을 식별할 수 있습니다.

보행자와 낙하물 탐지

고속도로에 진입한 보행자나 주행 차로에 떨어진 적재물을 탐지할 수 있습니다.

교통 정체 분석

차량 속도, 차간 거리, 차선별 이동량을 분석해 사고성 정체와 일반 정체를 구분하는 데 활용할 수 있습니다.

이러한 정보가 신속하게 제공되면 도로공사는 전광판 경고, 도로 순찰대 출동, 경찰·소방 통보, 차선 통제 등을 더 빠르게 진행할 수 있습니다.

CCTV 카메라 자체를 모두 교체하는 사업은 아니다

이번 사업을 ‘전국의 CCTV 1만 8,100여 대를 모두 새 AI 카메라로 교체하는 사업’으로 이해하면 정확하지 않습니다.

정부 발표 내용을 보면 핵심 구조는 관제센터의 CCTV 서버에 NPU와 AI 소프트웨어를 도입해 기존 카메라에서 전달되는 영상을 실시간 분석하는 방식입니다.

즉, 기존 CCTV 인프라를 최대한 활용하면서 관제센터의 분석 능력을 높이는 형태에 가깝습니다.

구조는 대체로 다음과 같습니다.

기존 CCTV 카메라 → 영상 전송망 → 관제센터 서버(국산 NPU 탑재) → AI 분석 → 위험 상황 분류 → 관제요원에게 경보·문장·영상 제공

이 방식은 카메라 전체를 교체하는 것보다 초기 구축 부담을 줄일 가능성이 있습니다. 다만 카메라 화질이 지나치게 낮거나 야간 촬영 성능이 부족한 경우에는 AI 분석 정확도를 확보하기 위해 일부 카메라 교체나 통신망 개선이 필요할 수 있습니다.

리벨리온·딥엑스·모빌린트가 참여하는 이유

이번 사업에는 국내 AI 반도체 기업인 리벨리온, 딥엑스, 모빌린트의 NPU가 도입됩니다.

세 기업은 국산 AI 반도체 생태계에서 주요 팹리스 기업으로 평가받고 있지만, 제품별 목표 시장과 성능, 전력 구조, 소프트웨어 개발환경은 서로 다를 수 있습니다.

이번 사업의 산업적 의미는 단순히 공공 CCTV에 새로운 장비를 공급하는 데 있지 않습니다.

대규모 실증 기회 확보

AI 반도체는 실험실 성능만으로 시장 경쟁력을 평가하기 어렵습니다.

실제 관제센터에서는 다음과 같은 변수가 발생합니다.

제조사가 다른 다수의 CCTV
서로 다른 영상 해상도와 프레임
주간·야간 화질 차이
비·눈·안개 등 날씨 변화
동시에 처리해야 하는 영상 수
장시간 연속 가동
기존 관제 소프트웨어와의 연동
장애 발생 시 복구와 유지보수

1만 대가 넘는 CCTV 영상이 연결되는 공공 현장은 국산 NPU의 안정성과 확장성을 검증하는 대규모 실증 환경이 될 수 있습니다.

국산 AI 반도체의 레퍼런스 확보

반도체 시장에서는 실제 공공기관이나 대기업에 적용한 경험이 중요한 공급 실적으로 작용합니다.

이번 사업이 안정적으로 운영되면 참여 기업은 향후 스마트시티, 산업안전, 교통관제, 공항, 철도, 항만, 국방·재난 분야로 적용 범위를 확대할 때 활용할 수 있는 공공 레퍼런스를 확보하게 됩니다.

하드웨어와 소프트웨어 생태계 형성

NPU는 반도체만 설치한다고 바로 작동하지 않습니다.

다음 요소가 함께 필요합니다.

AI 영상분석 모델
NPU용 소프트웨어 개발도구
모델 변환·경량화 기술
관제 시스템 연동 프로그램
데이터 저장·검색 시스템
장비 상태 모니터링
유지보수와 보안 업데이트

따라서 이번 사업은 NPU 기업뿐 아니라 영상보안 기업, AI 모델 개발사, 서버업체, 시스템통합업체, 통신사업자 등이 참여하는 국내 AI 인프라 생태계 확대와도 연결됩니다.

AI CCTV 전환으로 기대되는 효과

관제요원의 화면 확인 부담 감소

한 명의 관제요원이 여러 CCTV 화면을 동시에 지속해서 관찰하는 것은 현실적으로 어렵습니다.

AI가 이상 상황이 발생한 화면을 우선적으로 선별하면 관제요원은 모든 영상을 같은 비중으로 확인하지 않고 위험도가 높은 장면에 집중할 수 있습니다.

신고 이전에 사고를 발견할 가능성

기존에는 시민 신고나 관계기관 연락 이후 사고를 확인하는 경우가 많았습니다.

AI CCTV가 실제 사고를 조기에 탐지하면 신고가 들어오기 전 또는 신고와 거의 동시에 관제센터가 상황을 파악할 가능성이 커집니다.

재난 대응 시간 단축

산불, 침수, 교통사고는 초기 몇 분의 대응이 피해 규모에 영향을 줄 수 있습니다.

AI가 위험 유형과 위치, 심각도를 함께 제공하면 담당자가 영상을 처음부터 다시 분석하는 시간을 줄일 수 있습니다.

관제 기록의 구조화

AI가 탐지한 사건을 시간, 장소, 위험 유형, 심각도별로 기록하면 반복적으로 사고가 발생하는 구간을 분석하는 데 활용할 수 있습니다.

예를 들어 특정 도로에서 침수가 반복되거나 특정 산업단지 구역에서 안전모 미착용이 자주 탐지된다면 시설 개선이나 인력 배치의 근거로 활용할 수 있습니다.

반드시 해결해야 할 첫 번째 과제는 오탐과 미탐

AI CCTV의 성능을 평가할 때는 단순 정확도보다 ‘오탐’과 ‘미탐’을 함께 봐야 합니다.

오탐

실제 위험이 아닌데 위험으로 판단하는 경우입니다.

예를 들면 다음과 같습니다.

안개를 연기로 판단
그림자를 침입자로 판단
비닐이나 현수막 움직임을 쓰러진 사람으로 판단
일반적인 차량 정체를 교통사고로 판단

오탐이 지나치게 많으면 관제요원이 반복되는 경보에 익숙해져 실제 위험 경보를 놓치는 ‘경보 피로’가 발생할 수 있습니다.

미탐

실제 위험이 발생했는데 AI가 이를 발견하지 못하는 경우입니다.

화각 일부가 가려진 사고
야간 저조도 환경의 보행자
작은 연기
멀리 있는 쓰러진 사람
폭우로 영상이 흐려진 상황

미탐은 직접적인 안전 문제로 연결될 수 있으므로 위험 유형별 허용 기준과 검증 절차가 필요합니다.

운영기관은 전체 정확도 하나만 공개하기보다 위험 유형별 정밀도, 재현율, 오탐률, 미탐률, 평균 탐지시간 등을 함께 관리하는 것이 바람직합니다.

개인정보 보호와 감시 우려도 함께 검토해야 한다

CCTV 영상은 사람의 얼굴, 이동 경로, 행동 등 개인을 알아볼 수 있는 정보를 포함할 수 있습니다. 개인정보 포털은 영상 등을 통해 개인을 식별할 수 있는 정보를 개인정보의 범위에 포함한다고 설명합니다.

AI CCTV는 기존 CCTV보다 더 많은 정보를 자동으로 분석할 수 있다는 점에서 개인정보 보호 기준이 더욱 중요합니다. 특히 울산 사례처럼 자연어로 특정 인물의 외형을 검색·추적하는 기능이 포함되는 경우, 그 활용 범위와 통제 장치를 명확히 규정하는 것이 필수적입니다.

필요한 영상만 수집·분석해야 한다

재난 탐지를 목적으로 설치한 시스템이 목적과 무관한 개인 행동까지 분석하지 않도록 기능 범위를 제한해야 합니다.

얼굴 인식과 행동·외형 분석을 구분해야 한다

사람이나 차량의 존재를 탐지하는 객체 인식, 외형 기반 인물 검색, 특정 개인의 신원을 확인하는 얼굴 인식은 각각 개인정보 침해 위험이 다릅니다.

이번 사업의 공식 발표는 재난·사고·정체 등 위험 상황 탐지를 중심으로 설명하고 있으며, 울산 사례에서는 자연어 기반 인물 추적 기능이 명시됐습니다. 다만 특정 개인의 신원을 확정하는 얼굴 인식 기능이 포함되는지는 공개된 자료만으로 확인하기 어렵습니다.

따라서 실제 구축 과정에서는 어떤 정보를 분석하고 저장하는지 명확히 공개할 필요가 있습니다.

관련 공식 자료: 개인정보보호위원회 · 개인정보 포털

영상 보관 기간을 최소화해야 한다

위험 상황 분석에 사용된 영상과 AI 분석 결과를 무기한 보관해서는 안 됩니다.

법령과 기관의 목적에 따라 필요한 기간만 보관하고, 기간이 지나면 안전하게 삭제하는 관리체계가 필요합니다.

접근 권한과 열람 기록을 관리해야 한다

누가 영상을 확인했는지, 언제 어떤 목적으로 열람했는지 기록해야 하며, 권한이 없는 사람이 영상과 AI 분석 결과에 접근하지 못하도록 통제해야 합니다.

AI 분석 결과의 2차 활용 기준이 필요하다

재난 대응 목적으로 수집한 데이터를 다른 행정 목적이나 개인 추적에 활용할 경우 목적 외 이용 문제가 발생할 수 있습니다.

따라서 데이터의 수집 목적, 이용 범위, 제3자 제공 여부, 보관 기간을 시민이 이해하기 쉬운 형태로 공개해야 합니다.

보안 취약점도 기존 CCTV보다 중요해진다

AI CCTV는 카메라, 통신망, 관제 서버, NPU, AI 모델, 관제 소프트웨어가 연결된 복합 시스템입니다.

연결되는 장비와 소프트웨어가 많아질수록 공격자가 노릴 수 있는 지점도 늘어날 수 있습니다.

관리해야 할 주요 보안 항목은 다음과 같습니다.

CCTV 계정과 기본 비밀번호 관리
영상 전송 구간 암호화
관제 서버 접근 통제
NPU 서버 보안 업데이트
AI 모델 파일의 위변조 방지
관리자 계정 다중 인증
외부 유지보수 인력의 접근 기록
영상 유출 방지
장애 발생 시 백업 체계
공급망 보안 검증

특히 AI 모델이 변조되면 특정 위험을 탐지하지 못하거나 정상 장면을 위험 상황으로 오인할 수 있습니다.

따라서 반도체 성능뿐 아니라 펌웨어, 드라이버, AI 모델, 관제 프로그램까지 포함한 전체 공급망 보안이 필요합니다.

AI가 생성하는 ‘상황 설명 문장’도 검증해야 한다

이번 사업의 특징 가운데 하나는 AI가 위험 상황을 단순 경보가 아니라 구체적인 문장으로 전달한다는 점입니다.

이 기능은 관제요원의 이해를 돕지만, 문장 생성 과정에서 실제 영상에 없는 내용을 추가하거나 위험 수준을 과장할 가능성도 고려해야 합니다.

예를 들어 영상에서는 도로 일부에 물이 차오른 정도인데 AI가 ‘차량 진입이 불가능한 수준’이라고 설명한다면 불필요한 통제가 발생할 수 있습니다.

따라서 관제 화면에는 다음 정보가 함께 표시되는 것이 바람직합니다.

AI가 감지한 원본 영상
위험 구역 표시
탐지 시각
위험 유형
신뢰도 수치
AI가 생성한 설명
관제요원 확인 여부
최종 조치 내역

AI가 생성한 문장은 어디까지나 판단 지원 정보로 사용하고, 중요한 행정 조치 전에는 담당자가 원본 영상과 다른 센서 정보를 함께 확인해야 합니다.

사업 성과는 CCTV 수보다 대응 결과로 평가해야 한다

이번 사업에서는 약 1만 8,100여 대라는 설치 규모가 주목받고 있습니다.

하지만 AI CCTV 사업의 실질적인 성과는 설치 대수만으로 판단하기 어렵습니다.

다음과 같은 운영 성과를 함께 평가해야 합니다.

탐지 성능

위험 유형별 탐지 정확도
오탐률과 미탐률
주간·야간 성능 차이
악천후 환경 성능
평균 탐지시간

대응 성과

탐지 후 관제요원 확인까지 걸린 시간
유관기관 통보까지 걸린 시간
기존 대비 대응시간 감소율
실제 사고 예방 사례
2차 사고 감소 여부

운영 효율

관제요원 1인당 처리 가능한 영상 수
경보당 확인 시간
시스템 가동률
장애 발생 빈도
유지보수 시간

비용 효과

CCTV 한 대당 AI 분석 비용
서버와 전력 운영비
기존 GPU 시스템과의 총소유비용 비교
소프트웨어 업데이트 비용
향후 확장 비용

시민 신뢰

개인정보 침해 신고 건수
데이터 접근 기록 관리 여부
AI 판단 오류에 대한 이의제기 절차
시민 대상 운영정보 공개 수준

정부와 운영기관이 이러한 지표를 공개하면 AI CCTV가 실제로 안전을 높였는지 객관적으로 확인할 수 있습니다.

국산 NPU 도입이 곧 외산 장비 완전 대체를 의미하지는 않는다

이번 사업은 국내 AI 반도체 기업에 중요한 기회이지만, 국산 NPU가 곧바로 모든 외산 GPU와 AI 가속기를 대체한다고 보기는 어렵습니다.

NPU의 경쟁력은 단순 연산 성능만으로 결정되지 않습니다.

지원하는 AI 모델 종류
개발도구 사용 편의성
기존 소프트웨어와의 호환성
장애 대응 속도
장기간 공급 가능성
보안 업데이트
개발자 생태계
실제 운영비용

공공기관 입장에서는 국산 장비 사용 자체보다 서비스 안정성, 성능, 유지보수, 비용, 공급망 안전성을 종합적으로 평가해야 합니다.

이번 사업은 국산 NPU가 대규모 공공 관제 환경에서 경쟁력을 입증할 수 있는 첫 단계로 보는 것이 적절합니다.

공공 AI CCTV 전환이 향후 확대될 분야

사업이 안정적으로 운영되면 다음 분야로 확산될 가능성이 있습니다.

지방자치단체 통합관제센터

폭력, 쓰러짐, 실종자 이동, 어린이보호구역 사고, 불법 투기 등 지역별 위험 상황 분석에 활용될 수 있습니다.

철도와 지하철

선로 무단 진입, 승강장 추락, 혼잡도, 화재, 방치 물품 탐지 등에 적용할 수 있습니다.

공항과 항만

출입 제한구역 침입, 화물 이상, 군중 밀집, 차량 동선 분석 등에 활용할 수 있습니다.

학교와 공공시설

화재, 쓰러짐, 외부인 침입 등 안전관리 용도로 활용할 수 있습니다. 다만 학생과 아동의 영상은 더욱 엄격한 개인정보 보호가 필요합니다.

산업현장

안전장비 착용, 위험구역 접근, 설비 이상, 작업자 쓰러짐 등을 분석하는 산업안전 시스템으로 확장할 수 있습니다.

정부가 매년 지방정부와 공공기관을 대상으로 지원을 확대하겠다고 밝힌 만큼, 2026년 사업은 전국 공공 CCTV의 AI 전환 가능성을 검증하는 기준점이 될 전망입니다.

시민이 체감할 수 있는 변화는 무엇인가

AI CCTV 전환이 성공적으로 운영된다면 시민이 체감할 수 있는 변화는 ‘카메라가 더 많아지는 것’보다 ‘사고를 더 빨리 발견하는 것’에 가깝습니다.

예를 들어 다음과 같은 상황에서 대응 속도가 빨라질 수 있습니다.

새벽 시간 도로에서 사람이 쓰러진 경우
폭우로 지하차도에 물이 빠르게 차오르는 경우
산에서 연기가 발생한 경우
고속도로 주행 차로에 차량이 멈춘 경우
산업단지 위험구역에 사람이 진입한 경우
교통사고 이후 정체가 급격히 확대되는 경우

다만 시민 안전 향상이라는 목적이 실제 효과로 이어지려면 AI 탐지 결과가 소방·경찰·도로관리기관 등과 신속하게 연결돼야 합니다.

AI가 위험을 발견했더라도 기관 간 연락과 출동 절차가 늦으면 실제 대응시간은 크게 줄어들지 않을 수 있습니다.

2026년 공공 AI CCTV 사업의 핵심 의미

이번 사업의 가장 큰 의미는 공공 CCTV가 단순한 ‘사후 확인 장비’에서 ‘실시간 위험 판단 인프라’로 바뀌기 시작했다는 점입니다.

과거의 CCTV가 사건이 발생한 뒤 영상을 찾아보는 기록 장치에 가까웠다면, AI CCTV는 사고가 발생하는 순간 위험을 감지하고 관제요원에게 대응 필요성을 알리는 시스템을 지향합니다.

동시에 국산 NPU 기업에는 대규모 공공 현장에서 기술을 검증하고 공급 실적을 확보할 기회가 됩니다.

반면 다음 과제가 해결되지 않으면 기대한 성과를 내기 어렵습니다.

현장별 AI 정확도 검증
오탐과 미탐 관리
개인정보 보호
영상과 AI 모델 보안
장기간 유지보수
기관 간 신속한 대응 연계
성과지표 공개
AI 판단에 대한 사람의 최종 검토

공공 AI CCTV의 성패는 NPU 설치 대수가 아니라 실제 재난과 사고 대응시간을 얼마나 줄였는지, 오탐을 얼마나 안정적으로 관리했는지, 시민의 개인정보를 얼마나 투명하게 보호했는지에 따라 평가해야 합니다.

질문

국산 NPU가 CCTV 카메라 안에 직접 들어가나요?

공개된 사업 설명을 보면 핵심은 관제센터의 CCTV 서버에 NPU를 도입해 기존 CCTV 영상을 분석하는 구조입니다. 실제로 울산시는 NPU 서버 56대를 구축한다고 밝혔습니다. 모든 카메라에 개별 NPU가 장착되는 방식으로 단정하기는 어렵습니다.

기존 CCTV를 모두 새 제품으로 바꾸나요?

기존 CCTV와 영상 전송 인프라를 활용하면서 관제센터에 NPU 서버와 AI 소프트웨어를 구축하는 방식이 중심입니다. 다만 화질이나 통신 환경이 부족한 일부 장비는 개선이 필요할 수 있습니다.

AI가 경찰이나 소방에 자동 신고하나요?

공식 발표에서는 AI가 위험 상황을 탐지해 관제요원에게 알리고 신속한 대응을 지원한다고 설명합니다. 실제 자동 신고 범위와 기관 연계 방식은 각 운영기관의 시스템 설계와 업무 절차에 따라 달라질 수 있습니다.

얼굴 인식 기능도 사용되나요?

이번 발표는 산불, 홍수, 산업안전, 교통사고, 정체 등 위험 상황 탐지에 초점을 두고 있습니다. 울산 사례에서는 “파란색 가방을 멘 남자아이를 찾아줘”와 같은 자연어 기반 인물 검색·추적 기능이 명시됐으나, 이는 신원을 확정하는 얼굴 인식과는 다른 방식입니다. 얼굴 인식 기능의 포함 여부는 공개 자료만으로 확인되지 않았습니다.

AI가 잘못 판단하면 어떻게 되나요?

AI 분석 결과는 관제요원의 판단을 지원하는 정보로 사용하는 것이 원칙적으로 안전합니다. 도로 통제나 구조대 출동처럼 중요한 조치 전에는 원본 영상과 현장 상황을 함께 확인해야 합니다.

국산 NPU를 사용하면 어떤 장점이 있나요?

국내 기술의 대규모 실증, 공급망 다변화, 유지보수 대응, 국산 AI 반도체 생태계 확대, 외산 GPU 의존도 완화 등의 효과를 기대할 수 있습니다. 다만 실제 성능과 비용효과는 운영 결과를 통해 검증해야 합니다.

사업이 전국으로 확대되나요?

과기정통부는 향후에도 매년 지방정부와 공공기관을 대상으로 수요기관을 선정해 공공 CCTV의 NPU 도입과 AI 전환을 지원할 계획이라고 밝혔습니다. 구체적인 지역과 규모는 추후 사업 공고에 따라 달라질 수 있습니다.

참고자료

※ 본문은 2026년 7월 28일 공개된 정부 발표와 관련 보도자료를 기준으로 작성했습니다. 기관별 구축 범위, 적용 AI 모델, NPU 제품, 운영 일정과 세부 기능은 사업 진행 과정에서 변경될 수 있습니다. 본문에 삽입된 산불·침수·교통·NPU 서버 이미지는 이해를 돕기 위한 AI 생성 개념 이미지이며, 실제 사업 현장 사진이 아닙니다.

2막블로그