Waymo, Zoox, 그리고 오늘날 로보택시 붐을 일으키는 물리적 AI 스택

로보택시가 신중한 시범 프로그램에서 상업적 규모의 배치로 전환하는 데 성공했습니다. 그 배경에는 AI 아키텍처의 근본적인 변화가 있습니다. Waymo는 현재 미국 여러 도시에서 주당 15만 회 이상의 유료 승차를 완료하고 있으며, Amazon의 Zoox는 공개 출시를 준비 중입니다. 이러한 도약을 가능하게 한 AI 스택은 모든 산업에서 구현 로봇공학을 재편하고 있는 것과 동일한 모델군입니다.

• 프로토타입에서 플랫폼으로: AI 스택의 변화
• Waymo와 Zoox의 인지 및 의사결정 시스템 구축 방식
• 자율 주행 차량 Fleet 뒤의 하드웨어 경제
• 글로벌 확장과 경쟁 구도
• 로봇공학에 미치는 영향
• 자주 묻는 질문

프로토타입에서 플랫폼으로: AI 스택의 변화

지난 10년 동안 대부분의 자율주행차는 통제된 환경에서는 작동했지만, 실제 주행을 어렵게 만드는 예측 불가능한 시나리오인 엣지 케이스에서는 무너졌습니다. 돌파구는 단일 모델이 아니었습니다. 트랜스포머 기반 인지, 대규모 시뮬레이션 훈련, 실시간 추론을 실행할 수 있을 만큼 강력한 온보드 컴퓨팅의 융합이었습니다.

초기 자율주행 시스템은 수동으로 코딩된 규칙과 HD 지도 의존도에 크게 의존했습니다. 지도에 오류가 있거나(도로 폐쇄, 새로운 차선 표시) 차량이 망설이거나 실패했습니다. 엔드투엔드 학습형 운전 모델로의 전환 — 신경망이 원시 센서 데이터를 처리하고 최소한의 중간 규칙 레이어로 운전 결정을 출력하는 방식 — 이 진정한 확장성을 가능하게 했습니다.

이는 명시적 규칙으로 프로그래밍된 체스 엔진과 알파제로(AlphaZero)가 자체 대국을 통해 처음부터 체스를 배우는 것의 차이와 유사합니다. 둘 다 체스를 두지만, 오직 알파제로만이 전혀 본 적 없는 새로운 위치에 일반화할 수 있습니다. 운전이 순수한 게임과 달리 물리적 안전 제약을 포함하기 때문에 비유가 완벽하지는 않지만, 아키텍처 원칙은 유효합니다.

이러한 아키텍처 성숙이 바로 5년 전이 아닌 지금 로보택시 배치가 가속화되는 정확한 이유입니다.

Waymo와 Zoox의 인지 및 의사결정 시스템 구축 방식

Waymo와 Zoox는 자율주행차 AI에 대한 두 가지 뚜렷한 철학을 대표하며, 둘 다 광범위한 구현 AI 분야를 지켜보는 모든 사람에게 유익합니다.

Waymo의 접근 방식은 자체 Waymo Driver 스택을 중심으로 하며, 수십억 마일의 실제 및 시뮬레이션 주행 데이터를 통해 훈련된 독점 인지 시스템을 통해 LiDAR, 카메라, 레이더의 데이터를 융합합니다. 최근 5세대 하드웨어 플랫폼은 센서 처리를 맞춤형 컴퓨팅 모듈에 통합하여 지연 시간과 시스템 복잡성을 줄였습니다. 중요한 점은 Waymo가 폐쇄 루프 시뮬레이션에 막대한 투자를 했다는 것입니다. AI가 어려운 실제 시나리오의 합성 재현을 통해 주행하며 물리적 위험 없이 실패로부터 학습하는 훈련 패러다임입니다.

Amazon 산하의 Zoox는 다른 산업적 선택을 했습니다. 처음부터 양방향 차량을 설계했으며, 스티어링 휠이 없고 좌석이 안쪽을 향합니다. 이는 기존 차량 아키텍처의 가정을 물려받을 수 없는 AI 스택을 구축해야 함을 의미했습니다. Zoox의 시스템은 360도 책임을 처리합니다. 전통적인 의미의 '차량 앞'이 없기 때문에 근본적으로 대칭적인 센서 및 의사결정 프레임워크가 강제되었습니다.

두 회사 모두 장면 이해를 위해 트랜스포머 아키텍처(대규모 언어 모델의 기반이 되는 동일한 모델 클래스)를 사용합니다. 센서 프레임 시퀀스를 처리하여 보행자, 자전거 이용자, 다른 차량의 행동을 예측합니다. 이러한 시간적 추론 능력 — 객체가 어디에 있는지뿐만 아니라 어디로 가고 있는지를 이해하는 것 — 은 휴머노이드 로봇 동작 계획의 발전과 가장 직접적으로 평행을 이루는 구성 요소입니다.

자율 주행 차량 Fleet 뒤의 하드웨어 경제

로보택시 붐은 자율주행차를 작동시키는 하드웨어 부품의 중요한 2차 시장을 창출하고 있으며, 이는 광범위한 로봇공학 산업과 직접적으로 교차하는 지점입니다.

각 Waymo 차량은 현재 생산 비용으로 약 10만~15만 달러의 센서 및 컴퓨팅 하드웨어를 탑재한 것으로 추정되지만, 회사는 이 수치를 적극적으로 낮추고 있습니다. 일반적인 센서 제품군은 다음과 같습니다:

• 다수의 LiDAR 유닛 (환경의 3D 포인트 클라우드 매핑용)
• 고해상도 카메라 (색상, 질감, 의미론적 이해용)
• 레이더 어레이 (속도 측정 및 악천후 대응)
• 맞춤형 AI 추론 칩 (저지연으로 인지 및 계획 모델 실행)

차량당 하드웨어 비용을 줄이기 위한 노력은 솔리드 스테이트 LiDAR(이동 부품이 없고 저비용이며 내구성이 높은 폼팩터)와 도메인 특화 AI 가속기(신경망 추론을 효율적으로 실행하도록 설계된 칩)의 혁신을 주도하고 있습니다. 이러한 동일한 부품이 산업용 로봇, 창고 자동화 시스템, 휴머노이드 플랫폼으로 흘러들어가고 있습니다.

NVIDIA의 Drive 플랫폼과 Orin SoC(시스템 온 칩)는 여러 로보택시 프로그램에 사용되며, 동일한 실리콘이 공장 바닥을 탐색하는 자율 이동 로봇(AMR)에도 점점 더 많이 지정되고 있습니다. 로보택시 하드웨어 공급망과 산업용 로봇공학 공급망이 수렴하고 있으며, 이는 두 부문 모두에서 동시에 비용을 압축할 추세입니다.

글로벌 확장과 경쟁 구도

경쟁 지도는 상당히 변화했으며, 뚜렷한 지역 리더가 등장했습니다.

미국에서는 Waymo가 명령형 운영 선두를 차지하며, 경쟁사보다 더 많은 무인 마일을 누적했습니다. Uber와의 차량 호출 서비스 파트너십은 소비자 앱을 처음부터 구축하지 않고도 수요 채널을 제공합니다. Zoox는 상업적 테스트 단계에 머물러 있지만 Amazon의 물류 인프라와 데이터 자원의 혜택을 받고 있습니다.

중국에서는 Baidu의 Apollo Go와 Pony.ai가 여러 도시에서 상업적 로보택시 운영을 달성했으며, 일부 측면에서 미국 주 차원의 승인보다 빠르게 움직인 규제 프레임워크 아래 운영되고 있습니다. Pony.ai의 최근 상장은 해당 부문에 공개 시장 가치 평가 기준을 제공했습니다.

유럽에서는 규제 환경이 여전히 더 분열되어 있으며, 국가 차원의 형식 승인 프로세스가 아시아 및 미국 일부 지역에 비해 배치 일정을 늦추고 있습니다.

경쟁 역학은 누가 가장 좋은 알고리즘을 가지고 있는지보다는 누가 가장 다양한 실제 주행 데이터를 가장 빠르게 축적할 수 있는지에 더 달려 있습니다. 그 데이터가 다음 모델 세대를 훈련시키기 때문입니다.

로봇공학에 미치는 영향

로보택시 산업은 물리적 AI를 위한 가속 R&D 프로그램 역할을 하고 있으며, 그 파급 효과는 인접 로봇공학 시장에서 이미 가시화되고 있습니다.

하드웨어 구매자와 Fleet 운영자에게: 로보택시 경제학의 압박 아래 정제되는 센서 및 컴퓨팅 부품은 하락하는 가격대로 산업용 로봇공학 통합업체에 제공되고 있습니다. 3년 전 1만 달러가 넘었던 솔리드 스테이트 LiDAR 유닛은 현재 Livox 및 Ouster와 같은 제조업체에서 500달러 미만에 제공되며, 이는 자율주행차 프로그램이 주도한 물량 덕분입니다.

로봇공학 엔지니어에게: Waymo와 동료들이 개발한 트랜스포머 기반 인지 모델과 폐쇄 루프 시뮬레이션 프레임워크가 창고 AMR, 수술 로봇, 휴머노이드 플랫폼에 적용되고 있습니다. 구현 AI 시스템을 구축하는 팀이라면 로보택시 산업의 발표된 연구 및 오픈소스 도구(Baidu의 Apollo 플랫폼은 여전히 부분적으로 개방됨)는 중요한 지름길을 나타냅니다.

투자자와 조달 팀에게: 자율 주행 차량 Fleet 확장은 유지 보수 시설, 원격 운영 센터, 충전 네트워크, 매핑 서비스와 같은 지원 인프라를 필요로 합니다. 이들 각각은 AV 공급망에 서비스를 제공하는 제조 및 물류 응용 분야에서 중고 산업용 로봇을 위한 조달 기회를 창출합니다.

더 넓은 의미: 로보택시는 소비자 기술 이야기가 아닙니다. 이는 대규모 물리적 AI 배치 이야기이며, 샌프란시스코, 피닉스, 선전에서 축적되는 교훈은 다음 제품 주기 내에 로봇이 병원, 창고, 건설 현장을 탐색하는 방식을 형성할 것입니다. 자율 주행이 하드웨어 시장을 어떻게 재편하고 있는지 관심 있는 분들은 Botmarket에서 휴머노이드 로봇을 둘러보고 유사한 AI 스택이 바퀴 달린 플랫폼과 보행 플랫폼에 어떻게 적용되고 있는지 확인해 보세요.

자주 묻는 질문

Waymo는 상업 운영 도시인 샌프란시스코, 피닉스, 로스앤젤레스에서 주당 15만 회 이상의 유료 승차를 완료했다고 공식 발표했습니다. 이 수치는 차량 내 안전 운전자 없이 완전 무인 운영을 나타냅니다.

현대 로보택시 시스템은 어떤 AI 모델로 구동되나요?

현재 로보택시 리더들은 인지 및 장면 이해를 위해 트랜스포머 기반 신경망을 사용하며, 동작 계획을 위해 강화 학습과 모방 학습을 결합합니다. 원시 센서 입력을 받아 운전 명령을 직접 출력하는 엔드투엔드 모델이 점차 모듈식 파이프라인을 대체하고 있습니다. Waymo는 독점 스택을 사용하며, Baidu의 Apollo 플랫폼은 부분적으로 오픈소스입니다.

단일 로보택시의 하드웨어 비용은 얼마인가요?

생산 로보택시의 센서 및 컴퓨팅 하드웨어는 현재 주요 플랫폼의 경우 차량당 10만~15만 달러로 추정되지만, 비용은 빠르게 하락하고 있습니다. 값비싼 기계 부품을 제거하는 솔리드 스테이트 LiDAR는 주요 비용 절감 수단으로, 단위 가격이 최근 제품 세대에서 1만 달러 이상에서 500달러 미만으로 떨어졌습니다.

가장 진보된 로보택시 배치를 가진 국가는 어디인가요?

미국(Waymo 주도)과 중국(Baidu Apollo Go 및 Pony.ai 주도)이 가장 성숙한 상업 배치를 보유하고 있습니다. 중국의 규제 환경은 일부 지역에서 더 빠른 도시 차원의 승인을 가능하게 했습니다. 유럽은 분열된 국가 규정으로 인해 뒤쳐져 있지만, 독일, 영국, 프랑스에서 시범 프로그램이 활발합니다.

로보택시 AI는 창고 및 산업용 로봇공학과 어떤 관련이 있나요?

로보택시를 위해 개발된 트랜스포머 아키텍처, LiDAR 센서 스택, 시뮬레이션 훈련 프레임워크가 자율 이동 로봇(AMR), 휴머노이드, 산업 자동화에 직접 적용되고 있습니다. 로보택시 대량 구매로 인한 하드웨어 비용 절감이 산업용 로봇공학 공급망으로 직접 흘러들어가고 있습니다.

차세대 산업용 로봇을 위한 지배적인 AI 스택을 설정할 로보택시 시장은 미국과 중국 중 어디라고 생각하시나요?

로보택시 산업은 과학 프로젝트에서 상업적 인프라로 짧은 시간 내에 이동했습니다. 이는 점진적 개선이 아닌 진정한 AI 아키텍처 발전에 의해 주도되었습니다. Waymo, Zoox, 그리고 그들의 중국 동료들은 이제 세계에서 가장 큰 물리적 AI 테스트베드로 기능하고 있으며, 그들이 정제하는 기술은 이후 모든 복잡한 물리적 환경을 자율 시스템이 탐색하는 방식을 정의할 것입니다.