테슬라 대 웨이모...자율주행 업계의 진정한 승자는? (2)

1편에 이어 두 기업의 전략을 조금 더 자세히 파헤쳐 보자. 로보택시 시장을 선점하려는 구글 웨이모와 테슬라의 기술적 행보는 극명한 대비를 이룬다. 웨이모는 특정 지역을 초정밀 3D 지도로 스캔한 뒤 그 위에서 라이다와 레이더 및 카메라를 조합해 센티미터 단위로 주행하는 방식을 취한다. 

이 방식은 미리 입력된 도로 차선이나 신호등 및 보행자 패턴을 바탕으로 예측 주행을 하기에 안정성과 사고 대응력이 매우 뛰어나다. 실제로 2024년 기준 주간 10만 건 이상의 무인 택시 호출을 소화하며 기술 신뢰성을 입증했다. 하지만 지도 없이는 한 발자국도 움직이지 못한다는 치명적인 약점은 여전하다. 

새로운 도시에 진입할 때마다 고비용의 정밀 지도를 제작하고 유지 보수해야 하는 탓에 테슬라의 카메라 기반 범용성 모델에 밀린다는 평가를 받아왔다.

구글은 이러한 지리적 한계를 극복하고자 생성형 AI라는 비장의 무기를 꺼내 들었다. 이미 바드와 제미니를 통해 입증한 AI 역량을 자율주행 지도 제작 자동화에 쏟아붓고 있다. 핵심은 방대한 데이터 자산인 구글 맵스의 로드뷰 데이터를 활용하는 것이다. 

웨이모 연구진이 발표한 HDMapGen 모델은 도로 레이아웃과 지형 정보를 학습하여 AI가 다양한 도로망 패턴을 스스로 생성하도록 돕는다. 이는 실제 주행 데이터가 부족한 지역에서도 가상의 3D 지도를 미리 만들어 사전 훈련을 가능케 한다. 

결과적으로 지도가 필수적인 기술 구조를 유지하면서도 생성 속도를 획기적으로 높여 테슬라의 확장성에 대응하는 형국이다.

기술적 진보는 지도 제작에만 머물지 않는다. 웨이모는 카크래프트(Carcraft)라는 가상 도시 시뮬레이터와 서플갠(SurfelGAN)이라는 생성적 적대 신경망 기술을 결합해 학습 효율을 극대화하고 있다. 서플갠은 실제 차량이 수집한 단일 데이터를 기반으로 상황이 미세하게 다른 수천 가지의 가상 영상 데이터를 무한히 생성한다. 

현실 세계에서 한 번 겪은 상황을 바탕으로 보행자가 튀어나오거나 차량이 끼어드는 등 온갖 변수가 섞인 멀티버스를 만들어 AI를 훈련하는 방식이다. 이를 통해 웨이모는 실제 차량 대수가 부족해도 가상 세계에서 하루 수백만 마일의 모의 주행 데이터를 쌓으며 테슬라와의 데이터 격차를 빠르게 좁히고 있다.

테슬라 방식이 일상적인 주행 데이터 확보에 유리하다면 웨이모의 생성형 AI 방식은 치명적인 사고 상황과 같은 극단적 시나리오 학습에 특화되어 있다. 

현실에서 빈번하게 일어나지 않는 사고 데이터를 가상 공간에서 인위적으로 만들어 반복 숙달하기 때문이다. 구글은 여기서 한발 더 나아가 자체 연구 데이터를 외부에 공개하는 개방형 생태계 전략을 취하며 자율주행 연구의 표준을 선점하려 한다. 

구글 최고경영자는 테슬라의 엔드 투 엔드 방식과 웨이모의 모듈형 방식을 절충하는 전략으로 기술적 우위를 점하겠다는 의지를 비친 바 있다.

이러한 웨이모의 노선은 현대자동차와 벤츠 및 BMW 같은 기존 완성차 제조사들에게 매력적인 대안이 된다. 이들은 테슬라처럼 수백만 대의 차량에서 실시간 데이터를 뽑아낼 시스템이 부족하기에 정밀 지도와 시뮬레이션 기반의 웨이모 모델이 상용화에 더 효율적이다. 

특히 안전 규제에 민감한 중국 시장 역시 라이다와 HD 지도를 기반으로 제한된 구역에서 서비스를 시작하는 방식을 선호한다. 결국 자율주행 시장은 테슬라 독주 체제가 아니라 다수의 글로벌 완성차 기업들이 웨이모의 기술 경로를 채택하며 거대한 세력을 형성하는 방향으로 흘러갈 가능성이 크다.

자율주행 생태계 확장에 따라 수혜를 입을 핵심 인프라 기업들의 면면도 뚜렷해지고 있다. 우선 정밀 위성항법 장치와 3D 매핑 솔루션에 강점을 지닌 트림블이 주목받는다. 

도로 공사나 교차로 재설계로 인해 지형이 변할 때 트림블의 기술은 실시간으로 지도를 업데이트하여 자율주행차가 즉각 반응하게 돕는다. 도시 전체를 디지털 트윈으로 복제하는 기술력을 가진 벤틀리 시스템즈 역시 필수적이다. 특정 도시를 가상 세계에 완벽히 구현해 놓아야만 웨이모가 추구하는 무한 시뮬레이션 훈련이 가능하기 때문이다. 

마지막으로 실제 하드웨어 센서와 가상 환경을 정밀하게 연결하는 앤시스의 물리 시뮬레이션 기술은 가상 주행의 신뢰성을 담보하는 마지막 퍼즐이다.

종합하면 자율주행 패권 경쟁은 단순히 차량 판매 대수 싸움이 아니라 가상 세계에서 얼마나 정교하게 현실을 복제하고 훈련하느냐의 싸움으로 전이되고 있다. 웨이모는 구글 맵스와 생성형 AI를 결합해 지도 제작 비용을 낮추고 가상 데이터 생성으로 물량 한계를 극복하며 새로운 국면을 열었다. 

이는 자율주행 상용화의 문턱을 낮추고 기존 내연기관 제조사들을 자율주행 진영으로 끌어들이는 강력한 유인책이 된다. 기술의 정답은 각자의 인프라와 전략에 따라 갈릴 것이며 현재 단계에서는 쉽게 예단할 수 없다.