누적 2억 마일 찍은 웨이모, 테슬라의 ‘카메라 온리·노맵’ 정면 비판
구글의 자율주행 자회사 웨이모(Waymo)가 누적 자율주행 거리 2억 마일(약 3억 2,000만 km) 달성을 발표하며 테슬라의 독자 노선인 ‘카메라 기반 비전 온리(Vision-Only)’ 및 ‘HD 지도(고정밀 지도) 배제’ 방식을 정면으로 겨냥했습니다.
웨이모는 공식 블로그를 통해 카메라 센서 하나만으로는 악천후나 돌발 시야 차단 등 극단적인 엣지 케이스(Edge Case)를 안전하게 극복하기 어렵다고 지적했습니다. 폭우, 짙은 안개, 분진 속에서도 장애물을 투과해 감지하는 레이더와 3차원 공간을 정밀 스캔하는 라이다(LiDAR), 카메라, GPS를 상호 보완적으로 묶는 ‘멀티모달 센서 융합’과 최신 도로 정보가 업데이트되는 ‘HD 지도 사전 탑재’가 필수 불가결하다는 입장입니다.
VLM 접목한 듀얼 프로세스… 빠른 제어는 센서 융합, 고차원 추론은 AI 모델로
웨이모는 자율주행 아키텍처를 기능별 모듈 파편화가 아닌, 대규모 통합 모델과 시각-언어 모델(VLM)을 결합한 지능형 시스템으로 고도화하고 있습니다.
인간 뇌를 모사한 듀얼 처리: 즉각적인 조향과 제동 같은 '빠른 사고(System 1)'는 센서 융합 데이터로 실시간 처리하고, 경찰관의 수신호나 공사 현장 우회로 판단 등 심층 추론이 필요한 '느린 사고(System 2)'는 VLM이 전담합니다.
HD 지도의 컴퓨팅 경감 효과: 도로의 정적 구조를 고정밀 지도가 미리 기억하고 있기 때문에, 차량 내 컴퓨터는 갑작스러운 공사 구간이나 임시 정지 표지판 등 실시간 동적 변화에만 연산 역량을 집중할 수 있다고 설명했습니다.
테슬라 전문가 관점: ‘지오펜싱의 덫’ 웨이모 vs ‘글로벌 확장성’ 테슬라
웨이모의 주장은 안전 최우선주의에 기반한 정석적 접근이지만, 테슬라의 생태계 관점에서는 상용화 속도와 확장성(Scalability), 제조 단가에서 극명한 한계를 드러냅니다.
비용과 양산성의 격차: 웨이모 차량 1대당 수천만 원에 달하는 고가 라이다·레이더 장비와 지붕 위 센서 타워는 일반 소비자용 양산차 보급을 가로막는 최대 장벽입니다. 반면 테슬라는 100% 카메라와 저비용 하드웨어(HW4/AI 칩)만으로 사이버캡과 양산 모델의 단가를 파괴하고 있습니다.
HD 지도의 치명적 약점 (지오펜싱): HD 지도 기반 주행은 사전 스캔이 완료된 샌프란시스코, 피닉스 등 제한된 도시 구역(지오펜싱)을 벗어나면 주행이 불가능합니다. 반면 테슬라의 신경망 FSD는 지도 데이터가 없는 초행길이나 글로벌 어느 도로에서도 인간의 시각처럼 즉각 주행할 수 있습니다.
데이터 스케일의 차원: 웨이모의 2억 마일은 대단한 기록이지만, 전 세계 수백만 대의 테슬라 양산 차량이 매일 수천만 마일씩 축적하며 플릿 러닝(Fleet Learning)으로 엔드투엔드(End-to-End) 신경망을 학습시키는 압도적 데이터 규모에는 미치지 못합니다.
테슬라 전문가 시각 "웨이모의 센서 융합은 특정 제한 구역에서 '가장 안전한 로보택시'를 만드는 완벽주의적 방식이지만, 전 세계 어디서나 대량 양산차로 즉각 확장 가능한 '진정한 범용 피지컬 AI'의 승자는 지도와 값비싼 센서에 의존하지 않는 테슬라의 비전 엔드투엔드 방식이 될 것입니다. 결국 규제된 도심 셔틀(웨이모)과 전 세계를 누비는 자율주행 양산 생태계(테슬라)의 최종 패권 경쟁은 제조 원가와 전역 확장성에서 결판날 것입니다."
