2026-06-18 — views

HD 지도 vs 무지도 자율주행 — Tesla와 Waymo가 지리적 확장에서 정반대 선택을 한 이유

HD 지도 대 무지도 아키텍처: 하나의 설계 선택이 Waymo와 Tesla의 지리적 규모·비용·경쟁 우위를 장기적으로 결정하는 방법.

피지컬 AI 벤치마크 시리즈 제56편 — 하나의 아키텍처, 두 가지 미래

자율주행 산업의 모든 기술적 결정 중에서 이것보다 전략적으로 중요한 것은 없다: 자율주행 차량은 도착하기 전에 그 도로가 어떻게 생겼는지 ‘알고’ 있어야 하는가?

Waymo의 답은 ‘그렇다’이다. Waymo의 로보택시가 어떤 도로에서든 운행하기 전에, 그 도로는 전용 매핑 차량에 의해 미리 스캔되고, 센티미터 정밀도의 3차원 모델로 변환되며, 차량이 운행 중 지속적으로 참조하는 ‘사전 지식’으로 로드된다. 자율주행차는 현재의 인식만으로 주행하는 것이 아니라, 실시간 센서 입력을 지도가 나타내는 ‘예상 상태’와 지속적으로 대조한다.

Tesla의 답은 ‘아니다’이다. FSD는 카메라와 신경망만을 사용해 도로 환경을 실시간으로 해석하며, 사전 구축된 HD 지도에 전혀 의존하지 않는다. 차량은 매 순간 훈련된 모든 도로에서 차선 기하학, 표지판 위치, 도로 경계를 새롭게 인식한다.

이 아키텍처 차이는 엔지니어링 선호도의 우연한 산물이 아니다. 자율주행 규모화에서 주요 병목이 무엇인지에 대한 근본적으로 다른 믿음을 반영한다. 그리고 이 믿음이 거의 다른 어떤 요소보다 더 결정적으로 두 회사의 지리적 확장 속도와 장기 비용 구조에 영향을 미칠 것이다.

섹션 1 — HD 지도란 무엇인가

‘지도’라는 단어는 오해를 일으킨다. 소비자 내비게이션 제품을 연상시키기 때문이다. 자율주행이 사용하는 HD 지도는 Google Maps가 제공하는 것과 근본적으로 다르다.

차원	표준 도로 지도 (Google Maps)	HD 지도 (AV 등급)
해상도	차선 수준 (정확도 약 3–5미터)	센티미터 수준 (정확도 2–10cm)
내용	도로명, 회전 제한, 속도 제한	차선 표시, 연석 위치, 정확한 3D 좌표의 교통 표지판, 노면 표시, 높이 제한
3D 구조	최소한의 고도 데이터	도로 환경의 완전한 3D 포인트 클라우드
업데이트 빈도	수 주에서 수 개월	도로 변경 후 수 시간에서 수 일 내에 업데이트 필요
데이터 소스	위성 및 Street View 크라우드소싱	LIDAR와 카메라를 탑재한 전용 매핑 차량
마일당 용량	킬로바이트	메가바이트에서 기가바이트
제작 비용	낮음 (크라우드소싱)	높음: 전용 매핑 차대, 컴퓨팅 자원, 스토리지 필요

HD 지도가 AV 시스템 내에서 수행하는 기능은 미묘하지만 강력하다. 인식을 대체하는 것이 아니다——자율주행은 여전히 카메라와 LIDAR를 사용해 현재 세계를 감지한다. 지도가 제공하는 것은 신뢰성 기준이다. LIDAR가 차선 경계처럼 보이는 것을 감지하면, HD 지도는 그 정확한 위치에 차선 경계가 존재해야 하는지 확인하거나 부정할 수 있다. 시각 조건이 나빠질 때——폭우, 강한 역광, 바랜 노면 표시——지도는 차량이 의존할 수 있는 기준을 제공한다. 이 노이즈 감소 기능이 Waymo와 같은 HD 지도 의존 기업들이 지도는 목발이 아니라 근본적인 신뢰성 레이어라고 주장하는 엔지니어링상의 이유다.

섹션 2 — Waymo의 HD 지도 의존 접근 방식

Waymo 시스템은 초기 배포 준비부터 상업 승차 중 실시간 측위까지 모든 운영 단계에서 HD 지도를 최우선 입력으로 취급한다.

측면	세부 사항
작동 방식	Waymo는 로보택시를 배포하기 전에 전용 매핑 차량을 운행한다; 자율주행차의 인식 시스템은 HD 지도 내에서 실시간으로 자신을 센티미터 정밀도로 측위한다
측위 방법	LIDAR 포인트 클라우드와 저장된 HD 지도 대조——시각 조건이 저하된 경우에도 높은 정밀도 유지
운영 도메인	Waymo는 매핑된 지역에서만 운영한다; 새로운 도시나 지역으로 확장하려면 먼저 매핑이 필요하다
매핑 차대	Waymo는 수년간 전용 매핑 차량을 운영해왔다; 범위는 수만 마일의 매핑된 도로로 추정된다
지도 업데이트 파이프라인	공사, 도로 변경, 새 표지판은 AV가 그 지역에서 안전하게 운영되기 전에 지도에 반영되어야 한다
장점	매우 높은 측위 신뢰도; 알려진 도로 기하학을 기반으로 경로를 사전 계획 가능; 실시간 인식 부하 감소
단점	지리적 확장은 매핑 속도에 제한된다; 매핑되지 않은 지역에서는 운영 불가; 지도 유지는 지속적인 비용
전략적 의미	Waymo의 매핑된 지역은 독점 자산이다——그러나 동시에 병목이기도 하다. 애틀랜타 규모의 도시는 로보택시 출시 전 수 개월의 매핑 작업이 필요하다.

LIDAR 대 HD 지도 대조가 실현하는 측위 정밀도는 실로 인상적이다. 시각 조건이 저하된 시나리오——폭우, 강한 일몰 역광, 공사 먼지——에서도 Waymo 차량은 HD 지도가 해 공간을 제약하기 때문에 센티미터 정밀도로 정확한 차선 위치를 파악할 수 있다. 이것은 Waymo가 실제로 운영하는 특정 지역에서 실질적인 안전상의 이점이다.

그 이점의 대가는 지리적 제약이다. Waymo는 자발적으로 새로운 동네로 우회할 수 없다. 홍수가 교통을 매핑되지 않은 도로로 유도해도 대응할 수 없다. 새로운 도시 블록마다 상업적으로 활성화되기 전에 별도의 매핑 작업이 필요하다.

섹션 3 — Tesla의 무지도 접근 방식

Tesla의 FSD 아키텍처는 HD 지도에 대한 의존성을 완전히 제거한다. 시스템은 카메라의 실시간 신경망 추론에 의존하며, 차량이 차선별, 표지판별로 항법하는 데 필요한 모든 것을 도출한다.

측면	세부 사항
작동 방식	FSD는 실시간 카메라 입력만 사용한다; HD 지도 의존성 없음; 신경망은 현재 보는 것에서 도로 기하학, 차선 위치, 항법을 추론한다
측위 방법	항법에 GPS와 표준 지도 (OpenStreetMap/Google 라우팅); 정밀한 차선 수준 주행에 카메라 인식
운영 도메인	이론적으로 표준 노면 표시가 있는 어디서든——사전 매핑 불필요
장점	새로운 어떤 지역에서도 즉시 운영 가능; 매핑 차대 비용 없음; 지도 커버리지가 아닌 카메라 하드웨어로 확장
단점	더 높은 실시간 인식 수요; 노면 표시가 불명확하거나 마모되거나 없는 엣지 케이스에 더 취약; 미지의 환경에서 앵커링이 낮음
지리적 의미	Tesla Cybercab은 이론적으로 어떤 미국 도시에서도 매핑 선행 작업 없이 출시 가능——HD 지도 커버리지가 아닌 규제 승인만이 유일한 게이트
차대 훈련의 대안	사전 구축 지도 대신, Tesla는 수백만 대의 차대 차량 훈련 데이터에서 본 유사한 도로 기하학에 의존한다; 신경망은 가중치에 암묵적 공간 모델을 구축한다

무지도 접근 방식의 철학적 전제는, 충분히 유능한 신경망은 위성 측량 없이 낯선 거리를 항법할 수 있는 인간 운전자처럼 이전에 본 적 없는 도로를 처리할 수 있어야 한다는 것이다. 내기는 다양한 훈련 데이터로부터의 일반화가 구조화된 지도에 세계를 사전 인코딩하는 것보다 더 확장 가능한 경로라는 것이다.

Tesla의 차대 규모 데이터 우위가 이 내기를 증폭시킨다. 수백만 대의 차량이 전 세계 도로에서 카메라 영상을 생성하므로, 어떤 주어진 도로 유형, 교차로 기하학, 환경 조건이 훈련에서 마주쳤을 확률이 높다. 신경망 가중치에 인코딩된 암묵적 지도는 차대의 집단적 주행 경험을 통해 지속적으로 업데이트된다——전용 매핑 차량이 각 도로를 방문할 필요가 없는 지도 업데이트 형태다.

섹션 4 — 엔지니어링 트레이드오프

이것을 단순히 ‘지도가 더 낫다’ 또는 ‘무지도가 더 낫다’로 프레이밍하면 실제 트레이드오프의 구조를 놓치게 된다. 두 접근 방식은 어떤 엔지니어링 문제가 더 해결 가능한지에 대해 다른 내기를 한다.

차원	HD 지도 접근 방식 (Waymo)	무지도 접근 방식 (Tesla)
확장 속도	느림: 먼저 매핑, 그 후 운영	빠름: 사전 매핑 불필요
운영 신뢰도	매핑된 지역에서 높음; 범위 밖에서는 정상적으로 실패	가변적; 훈련 커버리지에 의존
지도 신선도 위험	지도 업데이트와 AV 운영 사이의 도로 변경이 안전 격차를 만든다	노후화 위험 없음——항상 실시간
컴퓨팅 분산	지도 사전 계산이 일부 실시간 작업을 오프로드	모든 컴퓨팅은 차량에서 실시간으로 이루어져야 한다
엣지 케이스 처리	알려진 엣지 케이스가 지도에 사전 인코딩됨; 예상치 못한 도로 기하학은 더 어렵다	신경망이 일반화한다; 하지만 진정으로 새로운 기하학은 여전히 실패할 수 있다
비용 구조	높은 초기 비용 (매핑 차대)과 지속적 비용 (지도 유지)	낮은 초기 비용; 비용은 훈련 데이터와 컴퓨팅에 있다
글로벌 확장성	HD 정밀도로 전 세계를 매핑하는 것은 수십 년의 프로젝트 (추정)	지도 커버리지가 아닌 도로 존재에 따라 확장

지도 신선도 위험은 강조할 가치가 있다. HD 지도는 마지막 업데이트 시점을 기준으로 정확하다. 공사 인력이 하룻밤 사이에 새 장벽을 설치하거나, 차선 방향을 바꾸거나, 신호등을 제거하면 HD 지도는 이제 틀린 것이다. 자율주행차는 지도와 모순되는 것을 인식하고 어느 것을 신뢰할지 결정해야 한다. 무지도 시스템에는 동등한 노후화 문제가 없다——그 인식은 항상 현재의 것이다, 좋든 나쁘든.

무지도 시스템의 실시간 컴퓨팅 부담이 동등한 부채다. Waymo 차량은 HD 지도를 사용해 인식 워크로드를 줄일 수 있다: 지도가 이미 가드레일만 있다고 인코딩한 영역에서는 완전한 물체 감지를 실행할 필요가 없다. Tesla FSD 시스템은 이 축소를 할 수 없다——모든 프레임, 모든 차선, 모든 물체에 대해 항상 완전한 인식을 실행해야 한다. 이것은 차내 컴퓨팅과 에너지에 더 높은 요구를 부과한다.

섹션 5 — 중간 접근 방식: 크라우드소싱 및 경량 지도

모든 AV 기업이 어느 한쪽 극단에 전념한 것은 아니다. 중간 지도 전략의 스펙트럼이 등장했으며, 각각 매핑 차대 의존성을 줄이면서 HD 지도의 정밀도 이점 일부를 포착하려 한다.

기업/접근 방식	지도 전략
Mobileye	’Road Experience Management’ (REM)——카메라 장착 차량으로부터 크라우드소싱해 구축한 경량 지도; Waymo의 HD 지도보다 낮은 해상도이나 이미 운행 중인 양산 차량을 통해 확장 가능
Cruise (폐업 전)	샌프란시스코용 HD 지도; 새로운 도시로의 운영 확장성은 인정된 과제였다
바이두 Apollo	중국 도시용 HD 지도; 매핑 데이터와 허가를 위해 정부 파트너십에 의존
Zoox (Amazon)	HD 지도; 매핑된 도시 코리도를 위해 설계된 양방향 목적 차량
Comma.ai	완전 무지도; 커뮤니티 구축 OpenPilot은 HD 지도 의존성 없이 표준 차량에서 카메라만으로 실행
GM Super Cruise	HD 지도 필요 (LIDAR로 측량한 매핑된 고속도로); 특정 도로 유형에만 능력이 제한됨

Mobileye의 REM 접근 방식은 가장 전략적으로 흥미로운 중간 경로다. 전용 매핑 차대를 배포하는 대신, Mobileye는 이미 판매되어 주행 중인 양산 차량에서 카메라 데이터를 집약해 도로 모델을 구축한다. Mobileye 시스템을 탑재한 모든 차가 매핑 에이전트가 된다. 결과로 나오는 지도의 해상도는 Waymo의 LIDAR 기반 HD 지도보다 낮지만, 업데이트 빈도는 잠재적으로 훨씬 높을 수 있다——지난 24시간 내에 REM 장착 차량이 주행한 도로는 신선한 데이터 포인트가 있다.

2025–2026년의 신흥 방향은 경량 크라우드소싱 지도를 중간 경로로 채택하는 것이다——순수 GPS 내비게이션보다 더 나은 측위를 제공하면서도 전통적인 HD 매핑 프로그램과 다른 방식으로 확장 가능하다.

섹션 6 — 주목할 점: 지리적 규모 테스트

HD 지도 대 무지도 논쟁은 2020년대 후반에 실증적으로 결판날 것이다. 테스트는 간단하다: 어느 접근 방식이 더 많은 장소에서, 더 빠르게, 더 낮은 지속 비용으로 상업적으로 운영할 수 있는가?

테스트	Waymo 예측	Tesla 예측
새 도시 출시 시간	6–18개월 (매핑 및 규제)	1–3개월 (FSD가 무인 상업 운영으로 승인되면 규제만)
농촌 도로 성능	제한적——매핑되지 않은 지역 진입 불가	신경망이 훈련에서 유사한 도로 유형을 경험했다면 작동해야 함
국제 확장	각 국가에 새로운 매핑 프로그램과 데이터 공유 협정 필요	훈련 데이터의 지리적 커버리지에 의존——글로벌 차대 데이터가 잠재적 가속자
규모 시 지도 유지 비용	상당한 지속적 운영 비용: 변경 감지, 지도 업데이트, 재배포 전 검증	최소——유지할 지도 없음; OTA 차대 학습으로 모델 업데이트
무지도가 성공하면 승자	Tesla 지리적 규모가 차원이 다르게 빠름	—
무지도가 부족하면 승자	HD 지도 정밀도가 10억 마일 규모의 안전 기록에 필요함이 증명됨	—

답은 미리 결정되어 있지 않다. 무지도 시스템이 HD 지도가 예방했을 방식으로 실패한다면——지도가 강제했을 차선 경계를 놓쳤다면——이것은 Waymo 아키텍처의 주장을 강화한다. Waymo가 낡은 지도와 실제 도로 변경의 충돌로 운영을 일시 중단한다면 논점은 반전된다.

분명한 것은 지리적 규모 테스트가 완전히 공개된 형태로 전개된다는 것이다. 두 회사 모두 상업적으로 확장 중이다. Waymo는 샌프란시스코, 피닉스, 오스틴, 애틀랜타에서 운영 중이다. Tesla의 Cybercab은 2025–2026년 제한 출시 목표로 오스틴을 설정했다. 각 회사가 새로운 도시에 진입하는 속도와 그 과정에서 구축하는 안전 기록이 시장이 최종적으로 어떤 아키텍처 내기를 검증하는지를 결정할 것이다.

출처: Waymo 기술 개요 (waymo.com/waymo-driver/); Tesla AI 블로그와 Vision 문서 (tesla.com/AI); Mobileye Road Experience Management (REM) 개요 (mobileye.com/technology/rem/); GM Super Cruise HD 지도 도로 요건 (gm.com/innovation/super-cruise). “(추정)“으로 표시된 모든 수치는 공개된 회사 자료, 업계 보고, 애널리스트 연구에서 도출된 추정값입니다. 독립적으로 검증되지 않았으며 방향성으로 취급해야 합니다. 이 글은 투자 조언을 구성하지 않습니다.