yozm.tech
피드로 돌아가기
The VergeHOTAI 재작성

웨이모, 로보택시의 '두뇌' 하드웨어 전격 공개

자율주행 선두 기업 웨이모(Waymo)가 로보택시 트렁크에 탑재된 고성능 컴퓨팅 시스템의 핵심 세부 정보를 최초로 공개했습니다. 맞춤형 5나노미터 ASIC 칩과 AMD, 엔비디아 등 주요 공급업체와의 협력을 통해 초당 1천조 회 연산이 가능한 '두뇌'를 구축, 센서 데이터 처리 및 실시간 의사결정 능력을 획기적으로 향상시켰습니다. 이는 테슬라(Tesla)의 카메라 기반 접근 방식과 대비되는 웨이모의 다중 센서 융합 전략을 뒷받침합니다.

4시간 전·2026.08.20·읽기 2·Andrew J. Hawkins

자율주행 기술의 선두 주자인 웨이모(Waymo)가 자사 로보택시의 핵심인 온보드 컴퓨팅 시스템, 즉 '두뇌'의 세부 정보를 처음으로 공개했습니다. 차량 트렁크에 탑재된 이 고성능 컴퓨터는 초당 1천조 회(quadrillion operations) 이상의 연산을 수행하며, 웨이모가 현재 10개 이상 도시에서 운영 중인 약 4,000대의 로보택시가 주당 50만 건의 유료 운행을 안정적으로 소화할 수 있도록 지원합니다.

웨이모는 이 시스템이 데이터센터급 성능을 차량 내에서 구현하기 위해 반응성(responsive), 견고성(ruggedized), 이중화(redundant)라는 세 가지 핵심 원칙을 기반으로 설계되었다고 밝혔습니다. 특히, 맞춤형 5나노미터 ASIC(Application-Specific Integrated Circuit) 칩을 도입하여 센서에서 들어오는 방대한 원시 데이터를 실시간으로 전처리하고 AI 연산을 수행합니다. 이 칩은 초당 1,000 TOPS(Trillion Operations Per Second)의 연산 능력을 제공하며, 메인 프로세서에 부담을 줄여 전체 시스템의 반응 속도를 극대화합니다. 또한, AMD, 마이크론(Micron), 엔비디아(Nvidia), 삼성(Samsung), 샌디스크(SanDisk), 소시오넥스트(Socionext), TSMC 등 유수의 하드웨어 공급업체들과 협력하여 최적화된 이기종(heterogeneous) 컴퓨팅 스택을 구축했습니다.

이번 공개는 테슬라의 일론 머스크(Elon Musk) CEO가 라이다(LiDAR)와 같은 다중 센서 시스템을 비판하며 카메라 기반의 비전(vision) 시스템을 옹호하는 것과 대조적인 웨이모의 전략을 명확히 보여줍니다. 웨이모는 카메라, 라이다, 레이더(radar) 등 다양한 센서에서 얻은 데이터를 융합하여 '센서 퓨전(sensor fusion)'을 통해 주변 환경을 360도로 완벽하게 인지하고, 이를 바탕으로 밀리초(millisecond) 단위의 실시간 의사결정을 내리는 것이 안전하고 확장 가능한 자율주행의 핵심이라고 강조합니다. 이러한 강력한 온보드 컴퓨팅 능력은 악천후나 저조도 환경에서도 사람의 개입 없이 안정적인 운행을 가능하게 하며, 궁극적으로 교통사고와 부상을 획기적으로 줄이는 데 기여할 것으로 기대됩니다.

1인 창업자를 위한 기회 분석
AI 분석 · 참고용이며 검증이 필요합니다
2/10
약한 신호
2점인가

웨이모의 기술은 대규모 자본과 인력이 필요한 영역이며, 1인 창업자가 직접 진입하기에는 현실적인 기회가 매우 낮습니다.

문제 / 미충족 수요

자율주행 시스템의 복잡한 온보드 컴퓨팅 요구사항을 충족하는 것은 여전히 큰 기술적 도전입니다.

한국 시장
국내 있음한국에서도 자율주행 관련 연구 및 스타트업이 활발하지만, 웨이모와 같은 대규모 시스템 개발은 대기업 위주로 진행됩니다.
수익 모델

B2B 하드웨어/소프트웨어 솔루션 판매 또는 라이선싱 · 돈 내는 주체: 자율주행 기술을 개발하는 자동차 제조사, 로보택시 운영사, 또는 대규모 물류 회사

1인 실현 가능성
1/5

웨이모 수준의 시스템은 막대한 자본과 대규모 전문 팀이 필요하며, 1인 창업자가 직접 경쟁하기는 불가능합니다.

진입 지점 (Wedge)

특정 자율주행 센서(예: 라이다)의 데이터 전처리 및 융합에 특화된 경량 엣지(edge) AI 모듈 개발

이번 주 첫 실험

자율주행 센서 데이터셋을 활용하여 특정 전처리 작업(예: 노이즈 제거, 객체 분할)의 효율성을 개선하는 AI 모델 프로토타입 개발

Original source
이 글은 The Verge의 기사를 yozm.tech가 한국어로 재작성한 버전입니다.
원문 보기