2026-06-18 — views

AV 센서 기술 — 피지컬 AI 레이스를 정의하는 라이다 vs 카메라 vs 레이더 논쟁

Tesla는 카메라만으로 승부한다. Waymo는 라이다가 대체 불가라 주장한다. 센서 논쟁이 자율주행 레이스의 승자를 결정한다.

피지컬 AI 벤치마크 시리즈 제79편 — AV 센서 기술: 라이다 vs 카메라 vs 레이더

자율주행차에서 가장 근본적인 기술적 분기는 소프트웨어 아키텍처도, 지리적 커버리지도, 심지어 안전 기록도 아니다 — 자율주행차가 안전하게 운전하기 위해 어떤 센서가 필요한가의 문제다. Tesla는 라이다와 레이더를 차량에서 완전히 제거하고, 카메라와 강력한 신경망의 조합으로 충분하다는 데 베팅했다. Waymo는 완전한 센서 스위트 — 라이다, 카메라, 레이더 — 를 탑재하고, 세계의 직접적인 3D 측정은 대체할 수 없다고 주장한다. 이것은 단순한 제품 선택이 아니다. 물리 세계를 안전하게 인식하는 데 필요한 정보의 종류에 대한 철학적 베팅이다. Elon Musk는 라이다를 “목발”이라 불렀다. Waymo는 그것이 필수불가결하다고 말한다. 그 답은 수조 달러 규모의 함의를 가진다.

1절 — 세 가지 센서 유형

각 센서 유형은 물리 세계의 근본적으로 다른 특성을 측정한다. 각 센서가 무엇을 측정하는지 — 그리고 무엇을 측정할 수 없는지 — 를 이해하는 것이 이 논쟁 전체의 토대다.

센서	측정 내용	핵심 강점	핵심 약점
카메라	수동 빛 (RGB 이미지)	풍부한 의미 정보 — 표지판을 읽고, 장면을 이해하며, 인간 시각과 유사하게 작동; 저렴한 비용; 높은 해상도	깊이나 속도를 직접 측정 불가; 저조도, 눈부심, 비, 안개에서 성능 저하
라이다 (Light Detection and Ranging)	레이저 펄스의 비행 시간으로 3D 포인트 클라우드 생성	직접적인 3D 기하학; 거리에서 정확한 범위 측정; 어둠에서 작동; 색상이나 질감에 혼동되지 않음	역사적으로 비싼 비용; 폭우와 눈에서 성능 저하; 텍스트나 표지판 읽기 불가
레이더	마이크로파 펄스로 거리와 속도 반환	모든 날씨에서 작동; 도플러 효과로 속도를 직접 측정; 장거리; 저렴한 비용	낮은 공간 해상도; 물체 유형 구별 어려움; 밀집한 도시 환경에서 클러터 발생
초음파	근거리 음파 측정	매우 저렴; 주차 및 저속 기동에서 단거리 신뢰성	최대 범위 약 5미터; 고속도로 주행에 부적합

핵심 통찰: 각 센서 유형은 세계에 대한 다른 질문에 답한다. 카메라는 “거기에 무엇이 있는가” — 의미 레이어에 답한다. 라이다는 “그것이 어디에 있는가” — 정밀한 기하학에 답한다. 레이더는 “그것이 얼마나 빨리 움직이는가” — 도플러 속도에 답한다. 완전한 센서 퓨전은 세 가지 모두를 결합하여 중복적이고 교차 검증된 인식을 생성한다. Tesla와 Waymo 간의 논쟁은 센서 모달리티 전반의 중복이 필요한지, 아니면 충분한 신경망 능력의 지원을 받는 카메라라는 단일 모달리티로 충분한지에 대한 논쟁이다.

2절 — Tesla: 비전 전용 베팅

Tesla는 카메라를 주요 센서 모달리티로 커밋한 유일한 주요 AV 기업이다. 이 결정은 처음부터 명확하지 않았다 — Tesla는 2021년까지 차량에 레이더를 탑재했지만, 카메라 전용 신경망이 센서 퓨전을 능가할 것이라는 Musk의 확신에 기반해 제거했다.

파라미터	세부 사항
아키텍처	카메라만 — 다양한 초점 거리의 8개 카메라로 360도 커버; 라이다 없음, 레이더 없음 (2021-2022년에 레이더 제거)
처리	풀 셀프 드라이빙 컴퓨터 (HW3, HW4); 플리트의 수십억 프레임 카메라 영상으로 훈련된 신경망
Musk의 논점	”인간은 눈과 뇌로 운전한다 — 카메라와 신경망이 이것을 복제할 수 있다. 라이다는 비전의 진짜 문제를 숨기는 목발이다.”
데이터 우위	600만 대 이상의 Tesla 차량이 카메라 데이터를 지속적으로 생성; 플리트 규모는 라이다 탑재 기업이 필적할 수 없는 훈련 데이터셋을 만든다
엔드투엔드 접근법	FSD v12+는 엔드투엔드 신경망 사용: 원시 카메라 픽셀이 명시적인 인식-계획-제어 파이프라인 없이 직접 조향 및 스로틀 명령 생성
비용	카메라 하드웨어는 상품 등급; FSD 시스템 비용은 소프트웨어 정의; AV를 위한 최저 하드웨어 BOM 경로 실현
약점	카메라 이미지는 3D 세계의 2D 투영; 깊이는 모션 시차, 스테레오 시차, 또는 학습된 사전 분포에서 추론 필요 — 더 간접적인 계산으로 에지 케이스에 취약
현재 상태	전국 공도에서 감독 하 (드라이버가 모니터링 필요); 오스틴 지오펜스 구역에서 무감독 로보택시 (2026년)

Tesla의 엔드투엔드 접근법은 FSD v12 아키텍처의 가장 급진적인 측면이다. FSD v12는 인간 운전 영상의 모방 학습으로 훈련된 단일 신경망에 전체 파이프라인을 접는다. 네트워크는 카메라 픽셀을 받아 차량 제어 명령을 출력한다. 암묵적인 주장은, 모델이 충분히 크고 훈련 데이터가 충분히 풍부하면, 네트워크가 명시적인 기하 센서 없이 깊이, 속도, 물체 유형의 내부 표현을 학습할 수 있다는 것이다.

3절 — Waymo: 완전 센서 스위트

2009년 Google 셀프드라이빙 카 프로젝트 시작 이래 Waymo는 완전한 센서 스위트로 운영해왔다. 센서 스택은 크게 진화했다 — 비용이 극적으로 떨어지고 해상도가 향상됐다 — 하지만 센서 중복성에 대한 철학적 헌신은 변하지 않았다.

파라미터	세부 사항
아키텍처	라이다 (장거리·단거리 유닛) + 카메라 (서라운드 어레이) + 레이더; 모달리티 전반의 중복 센서 퓨전
라이다	Waymo 자체 인하우스 라이다; 커스텀 실리콘과 수직 통합으로 초기 Velodyne 유닛 (약 $75,000/개 est.)에서 스케일에서 $1,000/개 미만 (est.)으로 비용 절감
처리	Waymo Driver — 독립적인 인식, 예측, 계획, 제어 파이프라인 모듈을 갖춘 멀티 모델 센서 퓨전
논점	”직접적인 3D 측정은 모호성의 전체 클래스를 제거한다. 라이다가 직접 신뢰할 수 있게 측정할 때 2D 이미지에서 깊이를 추론하는 것은 불필요한 오차 원인이다.”
안전 기록	Waymo는 상업 운영에서 수백만 마일의 완전 무인 주행을 축적; 2026년 중반 기준 Waymo 시스템 오류로 귀인된 사망 사고 없음 (est.)
HD 맵	Waymo는 모든 운영 구역을 센티미터 정밀도로 사전 매핑; 차량이 맵에 대해 위치를 특정하고 실시간 인식과 독립적인 중복 위치 소스 추가
약점	역사적으로 높은 센서 비용; HD 맵 의존이 미매핑 지역으로의 빠른 지리적 확장 제한; 더 높은 시스템 복잡성
현재 상태	미국 4개 도시에서 상업 무인 로보택시 운영; 수백만 건의 유료 승차 누적

Waymo의 센서 퓨전 아키텍처는 원칙에 기반해 작동한다: 여러 독립 센서가 측정값에서 동의할 때 신뢰도가 높다. 동의하지 않을 때 시스템은 불일치를 식별하고 보수적으로 대응할 수 있다. 카메라는 비정상적인 조명에 혼동될 수 있다. 라이다는 조명에 관계없이 명확한 기하학을 반환한다. 레이더는 속도 확인을 제공한다. 세 가지의 융합은 단일 센서의 장애 모드에 내성이 있는 인식 레이어를 만든다.

4절 — 라이다 비용 궤적

라이다에 대한 역사적 논거는 경제적인 것이었다: $75,000 센서는 소비자 차량에 설치할 수 없다. 지난 17년간의 비용 궤적이 이 논거를 근본적으로 바꿨다.

연도	고급 자동차용 라이다 비용 (est.)	비고
2009	약 $75,000/개 (est.)	DARPA 도시 챌린지에 사용된 Velodyne HDL-64E; 기계식 회전 유닛
2016	약 $8,000/개 (est.)	Velodyne VLP-16 “Puck”이 연구용 라이다 대중화
2020	약 $1,000–$3,000/개 (est.)	고체 설계 등장; 자동차 등급 양산 시작
2023	약 $500–$1,500/개 (est.)	여러 제조업체 경쟁; 자동차 등급 고체 양산
2026	약 $200–$800/개 (est.)	Hesai, Innoviz, Luminar, Ouster/Cepton 경쟁; 대량 자동차 계약으로 비용 절감
2030 목표	$100/개 미만 (est.)	스케일에서 대중 시장 AV 실현 가능성을 위한 업계 목표

경쟁 환경의 주요 라이다 기업:

Luminar (LAZR) — 나스닥 상장; Volvo와 Mercedes를 포함한 OEM 파트너십; 장거리 라이다 (약 250m); FMCW 방식으로 속도 직접 측정
Innoviz — 이스라엘 기업; BMW 파트너십; 고체 자동차 등급 라이다
Hesai (禾賽科技) — 중국 제조업체; 전 세계 최대 출하 볼륨 (est.); 중국 AV 시장 지배
Ouster/Cepton — 합병 기업, 현재 Koito (일본 Tier 1) 산하; 디지털 라이다 접근법
Velodyne — 원조 라이다 기업; Ouster와 합병; 브랜드 이름은 대부분 합병 기업에 흡수

5절 — 하이브리드 접근법

Tesla의 카메라 전용 극단과 Waymo의 완전 스위트 방식 사이에 다양한 하이브리드 전략이 존재한다. 업계는 아직 단일 아키텍처로 수렴하지 않았다.

기업	센서 전략	근거
Mobileye	카메라 우선 (RSS 안전 모델); SuperVision 및 Chauffeur (L3+) 티어에 라이다 추가	카메라가 의미 장면을 검증; 라이다가 더 높은 자율 수준에서 안전 임계 거리 측정 검증
Aurora	FMCW 라이다 (FirstLight) + 카메라 + 레이더	FMCW 라이다는 도플러로 속도를 직접 측정; 감지된 물체가 움직이는지 정적인지에 대한 모호성 제거
Cruise (GM)	카메라 + 라이다 + 레이더	GM 양산차 제조에 통합된 표준 완전 스위트
Zoox (Amazon)	라이다 포함 완전 스위트	소비자 차량 제조 비용 제약 없는 목적 설계 AV
Nuro	라이다 주도 (배송 로봇, 승객 없음)	주거 환경에서 운영하는 로봇의 보행자 접근에 최대 주의
Waymo Gen 6	Gen 5에서 진화한 완전 스위트	Zeekr 양산차를 사용하는 Waymo Driver 하드웨어 스택 비용 최적화 버전

6절 — 누가 옳은가? 물리학의 논거

센서 논쟁에는 시장이 결국 제공할 물리적 해답이 있다. 문제는 어느 접근법이 이론적으로 옳은가가 아니다 — 둘 다 작동할 수 있다 — 문제는 어느 쪽이 먼저 충분한 규모에서 충분한 안전성을 제공하는가다.

Tesla의 카메라 전용 논거가 가장 강할 때: 신경망이 2D 이미지 시퀀스에서 3D 기하학을 신뢰할 수 있게 추론하기에 충분히 강력할 때. Tesla의 플리트 데이터 우위는 희귀 이벤트 커버리지에 결정적이다. 카메라 전용 시스템과 완전 센서 스위트 시스템 간의 비용 차이는 대중 시장 소비자 차량 규모에서 실질적인 의미를 갖는다.

Waymo의 완전 스위트 논거가 가장 강할 때: 완전 자율 운영의 안전 요건이 카메라에서 깊이를 추론하는 것이 분포의 테일에서 신뢰할 수 있게 달성할 수 없는 신뢰성 수준을 요구할 때. 라이다 비용이 시스템 비용의 의미 있는 차별화 요인이 아닌 수준으로 하락했을 때. HD 맵 사전 매핑이 실시간 인식을 완벽하게 할 필요 없는 위치 특정 레이어를 제공할 때.

수렴 명제: 라이다 비용이 상품 수준에 접근함에 따라 카메라 전용의 경제적 근거는 줄어든다. 남은 논거는 순수하게 기술적이 된다: 카메라의 신경망 추론이 안전 테일에서 직접 3D 측정이 추가하는 것을 능가했는가. Tesla의 상업적 무인 배치 — Waymo에 필적하는 규모에서 좋은 안전 기록을 달성한다면 — 이 논쟁을 해결하는 실증적 답이 될 것이다.

7절 — 이 시리즈에 대해

피지컬 AI 벤치마크 시리즈 제79편. 이전 기사들은 램프 지수, 휴머노이드 레이스, 유닛 이코노미, 글로벌 경쟁, HD 매핑, 소프트웨어와 OTA, 소비자 수요, 경쟁 해자, Cybercab 대 Model Y, 안전 데이터, Waymo Gen 6, Optimus 제조, 스코어카드 스냅샷, 2030년 예측 시나리오, 투자자 프레임워크, 도시 확장 파이프라인, Tesla FSD 주 승인 지도, AV 날씨 및 기후 제약, 인재 전쟁, 규제 캘린더, 로보택시 요금 분석, 휴머노이드 배치 트래커, 공급망 분석, 소비자 채택 수요 지수, 밸류에이션 및 IPO 분석, 피지컬 AI 2026년 중간 리뷰, AV 유닛 이코노미 비용 분석, AV 데이터 플라이휠 비교, AV 사이버보안 공격면, 피지컬 AI 공급망, AV 플리트 운영, AV 보험 및 책임 진화, 완전 수명주기 환경 비용, 접근성 레이어, 매핑 아키텍처 비교, 중국 AV 레이스, 시뮬레이션과 합성 데이터 훈련, 피지컬 AI 투자 환경, AV 도시 계획 영향, 자율 트럭킹 화물 경제학, 유럽 AV 경쟁 지형을 다뤘다.

이 기사는 센서 레이어를 추가한다: 카메라, 라이다, 레이더가 각각 측정하는 기본 물리학; Tesla의 카메라 전용 베팅과 Waymo의 완전 스위트 철학; 라이다 비용이 $75,000에서 $200 미만 (est.)으로 하락한 궤적; 누가 옳은지를 결정할 수렴 명제.

참고: 비용 추정치, 생산량, 안전 통계는 “(est.)”로 표시되어 있으며 가능한 경우 공개적으로 이용 가능한 업계 보고서를 반영합니다. 이 기사는 투자 조언을 구성하지 않습니다.