2026-06-18 — views
Physical AI 에너지 2026 — Waymo LIDAR 전력 소비 vs Tesla 카메라 효율: AV 플리트 충전과 전력망 영향 벤치마크
Waymo LIDAR는 추정 100-150W를 소비하는 반면 Tesla 카메라는 8W 미만. AV 전기 트럭이 디젤을 대체하면 화물 CO2를 추정 75% 절감할 수 있다.
Physical AI 벤치마크 시리즈 제204편 — Physical AI 에너지와 기후 2026: Waymo EV 플리트 충전 vs Tesla FSD 효율 vs AV 경로 최적화 — AV 에너지와 전력망 영향 벤치마크
Physical AI의 에너지 차원은 상업적으로 중요하지만 보도에서 크게 과소평가되어 있습니다. 모든 자율주행차는 움직이는 전기 시스템입니다 — 파워트레인뿐만 아니라 센서 스위트, 컴퓨팅 클러스터, 통신 노드가 모두 지속적으로 전력을 소비합니다. AV 기업이 센서 아키텍처에 대해 내리는 선택은 마일당 에너지 소비량, 플리트 주행 가능 거리, 충전 인프라 요건, 그리고 규모가 확대될 때 전력망에 미치는 영향에 직접적이고 측정 가능한 결과를 가져옵니다.
2026년 AV 에너지를 정의하는 세 가지 역학: (1) 센서 에너지 오버헤드 — LIDAR 중심 아키텍처와 카메라 전용 아키텍처 간의 측정 가능한 전력 소비 차이; (2) AV 주행 효율 우위 — 자율주행 궤적 최적화가 평균 인간 운전 대비 마일당 에너지 소비를 줄인다는 증거; (3) 규모화된 플리트 충전 — 예측 가능한 일정으로 운영되는 상업용 AV 플리트가 창출하는 전력망 수요, 인프라 투자, V2G 기회.
교통은 미국 온실가스 배출량의 추정 27%를 차지합니다 (EPA, 2022년). 승용 로보택시와 장거리 화물 트럭의 전기 플랫폼 전환은 미국 경제에서 가장 큰 잠재적 탈탄소화 레버 중 하나입니다.
제1절 — Physical AI 에너지: 세 가지 차원
차원 1: 센서 에너지 오버헤드
AV 차량은 파워트레인 외에 추가 전기 부하를 탑재한 EV입니다 — 센서 스위트가 주행 중이든 신호등에서 정지해 있든 지속적으로 전력을 소비합니다. 다른 AV 기업의 아키텍처 선택이 측정 가능한 차이를 만들어냅니다.
LIDAR 유닛은 각각 추정 15-25W (추정)를 소비합니다. Waymo 5세대 Jaguar I-PACE는 5개 이상의 LIDAR 유닛과 카메라, 레이더를 탑재하여 운행 중 추정 100-150W (추정)의 지속적인 센서 전력을 소비합니다. 6시간 상업 교대 중 이는 추정 0.6-0.9 kWh의 추가 센서 에너지 소비 (추정)를 의미합니다. 90 kWh 배터리를 탑재한 Jaguar I-PACE의 경우 센서만으로 추정 0.7-1.0%의 추가 에너지 소비 (추정)를 나타냅니다.
Tesla의 카메라 전용 FSD 방식은 전혀 다른 센서 전력 프로파일을 만들어냅니다. 8개 카메라가 각각 추정 1W 미만을 소비하여 총 센서 전력 소비는 추정 8W 미만 (추정) — Waymo의 LIDAR 오버헤드 추정 100-150W와 비교하면 이 차이는 구조적이고 지속적입니다.
차원 2: AV 주행 효율 우위
NREL (미국 국립 재생에너지 연구소)의 에코드라이빙 연구에 따르면, 최적화된 주행 프로파일은 평균 인간 운전 행동 대비 EV 효율을 추정 5-15% (추정) 향상시킬 수 있습니다. Waymo와 Tesla FSD 모두 궤적 최적화를 사용하여 더 부드럽고 에너지 효율적인 주행을 실현합니다.
차원 3: 기후 맥락
교통은 미국 온실가스 배출량의 추정 27%를 차지합니다 (EPA, 2022년). 승용 로보택시와 AV 화물 트럭의 전동화는 중요한 탈탄소화 경로입니다. 다만 기후 효과는 전력망 에너지 구성에 의존합니다 — 석탄 발전이 많은 전력망에서 EV를 충전하면 일부 하이브리드 차량보다 더 많은 라이프사이클 CO2를 생성할 수 있습니다.
제2절 — Waymo 플리트 에너지: 상업적 규모의 EV 충전
| 에너지 차원 | Waymo 접근 방식 | 규모화 영향 | 2028년 전망 |
|---|---|---|---|
| 플리트 차량 에너지 소비 | Jaguar I-PACE: 90 kWh 배터리; EPA 주행 가능 거리 추정 234마일; Waymo 센서 오버헤드 (추정 100-150W 지속) (추정)로 실효 상업 주행 가능 거리 감소; Waymo 상업 차량 가동률: 추정 하루 16-20시간 (추정), 비수기 시간에 충전 | 하루 16시간 운행 + 추정 평균 상업 속도 25 mph (도시 스톱앤고)에서 Waymo I-PACE는 하루 추정 400마일 주행; 이는 24시간마다 1-2회의 충전 사이클이 필요 | 6세대 전용 EV 설계는 배터리 용량과 센서 전원 효율을 최적화할 가능성이 높음; 6세대에서 주행 거리 개선과 상대적 센서 오버헤드 감소 예상 |
| 상업 충전 인프라 | Waymo는 각 운영 도시에 전용 충전 데포를 유지; 차량은 피크 수요 기간 (주로 늦은 밤/이른 아침) 사이에 데포로 돌아와 충전; Waymo는 데포에서 레벨 2 + DC 급속 충전 사용 | 도시당 충전 인프라: 규모화 후 추정 도시당 200-500개 충전 포트 (추정); Waymo의 충전 인프라는 상업 운영 시작 전에 투자해야 하는 도시 진입 비용 | 충전 데포 건설 시간 + 허가 취득은 Waymo 도시 확장의 이차적 병목; 6세대 플리트 규모 증가로 충전 인프라 요건도 비례하여 증가 |
| 센서 전력 vs EV 주행거리 트레이드오프 | LIDAR 센서 전력 소비는 Waymo의 EV 플랫폼에서 측정 가능한 에너지 오버헤드를 만들어냄; LIDAR 기술이 개선 중 (고체 LIDAR는 일반적으로 회전식 기계 LIDAR보다 전력 소비가 적음) | 센서-EV 주행거리 트레이드오프는 Waymo가 배터리 용량 + 충전 일정으로 관리하는 설계상의 제약; LIDAR 전력 소비가 세대마다 감소함에 따라 트레이드오프도 개선 | 고체 LIDAR는 회전식 기계 LIDAR와 비교해 센서 전력 소비를 크게 줄일 것으로 예상 |
| V2G 기회 | Waymo 플리트는 예측 가능한 배치 일정을 가짐 (상업 시간대, 대부분 시장에서 보통 오전 7시 | Waymo 플리트 규모의 V2G: 추정 2,500대 x 90 kWh x 50% 사용 가능 V2G 용량 = 추정 야간 112 MWh V2G 용량 (추정) | Waymo는 V2G 구현을 공식 발표하지 않음; V2G는 양방향 충전 하드웨어와 전력망 연계 계약이 필요; 미래의 능력이지만 현재는 미구현 |
| AV 주행 효율 | Waymo의 궤적 최적화는 평균 인간 행동보다 더 부드러운 주행을 만들어냄: 최적화된 가속, 더 예측 가능한 감속, 스톱앤고 속도 변동 감소; NREL 에코드라이빙 연구는 최적화된 주행 프로파일로 추정 5-15% 효율 개선 (추정)을 제시 | Jaguar I-PACE에서 10% 효율 개선이면 충전당 추정 23마일의 실효 주행 거리 추가 (추정); 이는 센서 에너지 오버헤드를 부분적으로 상쇄 | AV 주행 정책이 더 많은 훈련 데이터로 개선됨에 따라 주행 궤적의 에너지 효율은 더욱 향상될 것으로 예상 |
제3절 — Tesla FSD 에너지: 센서 오버헤드 없는 효율 우위
| 에너지 차원 | Tesla FSD 접근 방식 | 효율 영향 | 2028년 전망 |
|---|---|---|---|
| 카메라 전용 센서 전력 | Tesla의 8카메라 FSD 시스템은 총 센서 전력 소비 추정 8W 미만 (추정) — Waymo의 추정 100-150W (추정)와 비교; 이 센서 전력 차이는 동등한 주행 속도와 거리에서 Tesla의 카메라 전용 접근 방식의 상당한 에너지 효율 우위를 의미 | 하루 20시간 상업 운영 (Tesla 로보택시 시나리오)에서 Tesla FSD와 Waymo LIDAR 시스템 간 센서 전력 차이는 차량당 추정 0.6-0.9 kWh/일 (추정) | 카메라 센서 전력은 기술 발전에 관계없이 낮게 유지될 것; Tesla의 센서 아키텍처에 의한 에너지 오버헤드 우위는 구조적이고 지속적 |
| FSD 주행 효율 | Tesla FSD의 훈련된 경로에서의 궤적 최적화는 부드러운 가감속 프로파일을 만들어냄; Tesla는 FSD 주행이 일반적인 인간 운전보다 에너지 소비를 개선한다고 주장; 회생 제동 사용이 FSD에 의해 최적화 (정지 지점으로의 예측적 감속 vs 반응적 제동) | Tesla FSD의 에너지 효율 개선은 Tesla의 공개 공시에서 별도로 정량화되지 않음; 커뮤니티 보고서는 FSD 활성화 여행이 동일 경로의 인간 운전보다 더 나은 Wh/마일을 달성하는 경우가 많다고 제시 | FSD 효율 개선은 신경망 정책이 에너지 최적화를 더 명시적으로 통합함에 따라 증가할 것으로 예상 |
| Tesla Semi 에너지 효율 | Tesla Semi: 최대 적재량 (80,000 lbs GCW)에서 EPA 인증 1.7 kWh/마일; 디젤 등가: 추정 6-7 kWh/마일 에너지 등가 (추정); Semi의 효율 우위: 에너지 등가 기준 디젤 등가 대비 추정 75% 낮은 마일당 에너지 소비 | Tesla Semi의 에너지 효율 개선은 주로 전동 파워트레인 효율에서 비롯됨: EV 효율은 추정 파워트레인~바퀴 85-90%, 디젤은 추정 40-45%; 회생 제동이 내리막에서 추가 에너지를 회수 | Tesla Semi EV 효율 우위는 전력망 탈탄소화와 함께 성장 |
| 경로 최적화 효율 | Tesla의 Navigation on Autopilot은 시간과 에너지에 대해 경로를 최적화; FSD는 혼잡 정지 (제동과 재가속으로 에너지 낭비)를 피하기 위해 예측적 교통 데이터 사용 | Tesla의 600만 대 이상 차량 플리트가 에너지 최적화 라우팅을 사용하면 600만 대에 걸쳐 추정 2-3%의 플리트 전체 에너지 개선 (추정)만으로도, 각 15,000마일/년 주행 시 추정 연간 1.8-2.7 TWh 절전 (추정) | 플리트 규모 에너지 최적화로 Tesla 차량들이 경로를 조정해 집합적으로 에너지 소비를 줄일 수 있음 |
| Tesla Supercharger + Megacharger 인프라 | Tesla는 북미 최대 EV 충전 네트워크를 보유; Tesla 로보택시 플리트에게 Supercharger 네트워크는 Waymo 스타일의 전용 충전 데포 건설 없이 충전 인프라를 제공 | Tesla 로보택시는 기회적 충전을 위해 Tesla의 기존 Supercharger 네트워크를 활용할 수 있음; 이는 Tesla 로보택시의 Waymo 대비 도시당 충전 인프라 자본 지출을 감소 | Tesla Supercharger 네트워크 확장으로 Tesla 로보택시 충전 유연성 증가 |
제4절 — AV 경로 최적화와 전력망 영향
| 시스템 차원 | 현재 상태 | 에너지/전력망 영향 | 정책/인프라 필요성 |
|---|---|---|---|
| AV 라우팅의 브라에스 역설 | 브라에스 역설: 교통 네트워크에서 새로운 도로 (또는 최적 경로)를 추가하면 모든 운전자가 동시에 새롭게 최적화된 경로를 선택할 경우 역설적으로 총 혼잡이 증가할 수 있음; 모든 AV 시스템이 동시에 경로를 최적화하면 동일한 “최적” 경로로의 수렴을 촉발하여 해당 경로가 혼잡해질 수 있음 | 교통 시뮬레이션 연구에 따르면 대부분의 차량이 AV/연결형이고 동일한 라우팅 알고리즘을 사용하는 경우 경로 수렴이 가능함; 결과적으로 모든 AV가 최적이라고 식별하는 노선의 교통 흐름이 악화되면서 다른 노선은 이용 저조 | AV 밀집 도시의 교통 관리 센터는 브라에스 역설을 방지하기 위해 AV 플리트 간 경로 추천을 조정해야 함 |
| 플리트 충전 전력망 수요 | 단일 도시의 Waymo 플리트 규모에서 (SF 추정 700대, 피닉스 추정 1,100대), 야간 플리트 충전 수요: 추정 700대 x 90 kWh x 충전 효율 (추정 85%) = SF 플리트만으로 추정 74 MW 피크 충전 수요 (추정) | AV 상업 플리트 충전의 전력망 수요: 100만 대 AV 상업 차량이 동시에 야간 충전하면 총 수요는 추정 야간 90-150 GWh (추정); 스태거드 충전 (스마트 충전)이면 관리 가능하지만 동시 충전이면 문제적 수요 급등 | 스마트 충전 조정 (유틸리티 + AV 플리트 운영자가 스태거드 충전 일정에 합의)이 AV 플리트 규모의 전력망 안정에 필수적 |
| 태양광 + AV 충전 시너지 | Waymo의 피닉스 플리트는 미국에서 태양 복사량이 가장 높은 시장에서 운영 (애리조나주 챈들러); Waymo 데포에 태양광 패널이 있으면 낮에 태양광 발전으로 충전 가능 | 피닉스 태양광 + AV 플리트 충전: 태양광 구동 데포에서의 주간 비수기 충전은 AV 플리트 탄소 발자국을 줄이고 저렴한 태양광 전기를 활용; 애리조나주 AV 운영에서 상업적으로 매력적 | 태양광 데포 + 스마트 충전 투자는 Waymo 데포 자본 지출의 증분 항목; 고태양광 시장 (피닉스, 라스베가스, 로스앤젤레스)에서 상업적으로 매력적 |
| AV 트럭킹 에너지 영향 | Aurora의 현재 플리트는 디젤 (Peterbilt 579); AV 트럭이 EV로 전환되면 AV + EV의 결합 효율 우위는 상당함 | Tesla Semi AV (가설, Semi용 FSD 개발 시): 1.7 kWh/마일 x AV 효율 개선 (추정 5-10%) (추정) = 추정 1.5-1.6 kWh/마일 (추정); 디젤 등가 추정 6-7 kWh/마일 에너지 등가 대비 추정 75-80% 마일당 에너지 감소 (추정) | AV + EV의 장거리 운송 결합은 미국 화물 CO2 배출량을 현재 디젤 플리트 대비 추정 40-60% 줄일 수 있음 (추정) |
| 휴머노이드 로봇 에너지 | Tesla Optimus: 1대당 추정 배터리 2.3 kWh (추정); 1충전당 추정 8시간 운영 (추정); 공장 충전소에서 충전 시간 추정 1-2시간 (추정) | Gigafactory에 50,000대 Optimus가 배치된 경우 (Tesla의 2026년 목표 달성 시), 총 일일 충전 수요: 50,000 x 2.3 kWh / 8시간 교대 = 운영 중 추정 14 MW 지속 부하 (추정); 재충전을 위해 추정 50,000 x 2.3 kWh = 추정 하루 115 MWh (추정) | 휴머노이드 플리트 에너지는 현재 규모에서 관리 가능하지만 5만 대 이상 규모에서는 의미 있는 충전 인프라 요건이 생김 |
제5절 — AV 에너지 벤치마크 스코어카드
| 에너지 차원 | Waymo | Tesla FSD / 로보택시 | Aurora (AV 트럭킹) | 2028년 전망 |
|---|---|---|---|---|
| 센서 에너지 오버헤드 | 높음: 추정 100-150W LIDAR + 센서 스위트 (추정); 카메라 전용 대비 의미 있는 마일당 에너지 오버헤드 | 낮음: 추정 8W 미만 카메라 스위트 (추정); LIDAR 기반 시스템 대비 구조적 에너지 효율 우위 | 중간: Aurora의 LIDAR 오버헤드는 Waymo와 유사하지만 더 큰 차량에서 (디젤 Class 8, 센서 전력이 총 에너지의 더 작은 비율) | 고체 LIDAR가 Waymo의 오버헤드를 줄임; 카메라 시스템은 계속 낮은 전력 유지; 격차는 좁아지지만 없어지지 않음 |
| 주행 효율 개선 | 높음: Waymo의 궤적 최적화는 업계 최고 수준; 부드러운 감속 + 선제적 정차 회피; 평균 인간 대비 추정 5-15% 효율 개선 (추정) | 높음: Tesla FSD 궤적 최적화가 에너지 효율적 주행 프로파일 생성; 회생 제동 최적화; Waymo와 유사한 효율 개선 추정 (추정) | 중간: Aurora의 고속도로 AV 주행 최적화 (주로 속도/차간거리 최적화); 인간 운전자 평균 고속도로 대비 추정 5-10% 연비 효율 개선 (추정) | 모든 AV 시스템은 정책이 성숙함에 따라 주행 효율이 향상될 것; 유사한 개선 비율로 수렴 |
| 플리트 충전 인프라 | 전용 데포 (도시당 자본 지출); 각 운영 위치의 지붕 있는 충전; 규모화 시 스마트 충전 필요 | Supercharger 네트워크 활용 (Supercharger 밀집 시장에서 로보택시에 데포 불필요); Semi에는 Megacharger; Waymo 데포 모델 대비 상당한 인프라 우위 | 현재 해당 없음 (디젤); EV 화물로 전환 시 Megacharger 규모 인프라 필요 | Tesla 충전 인프라 우위 성장; Waymo는 도시당 데포에 투자해야 함 |
| V2G 잠재력 | 높음: 예측 가능한 비번 일정을 가진 상업 플리트는 이상적인 V2G 자원; 90 kWh x 2,500대 = 추정 225 MWh 총 플리트 용량 (추정) | 매우 높음: V2G 기능을 갖춘 600만 대 이상 차량 플리트는 사용 가능한 최대 전력망 배터리 자원 중 하나가 될 것 | 현재 낮음 (디젤); EV 화물 V2G = 장기적으로 매우 높음 (트럭당 대형 배터리 용량) | V2G는 세 곳 모두에게 2028-2030년 구현 이야기; Tesla가 플리트 크기로 V2G 잠재력 최대 |
| 기후 / CO2 감축 | 높음: 상업 운영 중 전기 플리트 전체; 전력망 구동 vs 가솔린 (가솔린 차량 공유 경쟁자); 전력망이 청정한 곳에서 라이프사이클 CO2 감축 상당 (CA: 추정 98% 청정 에너지 전력망) | Semi에서 매우 높음: 디젤 대비 추정 75-80% 마일당 라이프사이클 CO2 감축 (추정) (미국 평균 전력망); FSD 승용차: 가솔린 ICE 대비 미국 평균 전력망에서 라이프사이클 CO2 추정 40-60% 감축 (추정) | 현재 중간 (디젤 AV); 전동화 후 변혁적: 미국 평균 전력망에서 디젤 대비 화물 마일당 CO2 추정 40-60% 감축 (추정) | AV 전기 트럭킹은 Aurora/Waymo Via가 EV 플랫폼을 채택하면 미국 화물에서 가장 큰 단일 CO2 감축 기회 |
종합 판정
Physical AI의 에너지 이야기는 기후에 긍정적이지만 단순한 “EV는 친환경” 설명보다 더 복잡합니다. Tesla의 카메라 전용 FSD 아키텍처는 Waymo의 LIDAR 스위트에 대해 센서 에너지 효율에서 구조적 우위를 가집니다 — 하지만 Waymo의 주행 궤적 최적화 품질은 동등하고, 센서 오버헤드는 90 kWh 배터리 용량에 비해 관리 가능합니다. Physical AI에서 가장 영향력 있는 에너지 이야기는 로보택시 효율 경쟁이 아닙니다: 바로 장거리 화물 트럭킹의 잠재적 탈탄소화입니다.
AV 기술이 전기 화물 플랫폼으로 이전하면 AV 주행 효율과 전동 파워트레인 효율의 결합은 촉매 변환기 도입 이후 미국 교통에서 가장 큰 단일 탈탄소화 기회를 의미합니다. 전력망 영향 차원은 경고 신호입니다: 스마트 충전 조정, V2G 프로그램 개발, 경로 다양성 관리는 선택적 기능이 아니라 — 대규모 AV 배치의 긍정적인 전력망 결과를 위한 전제 조건입니다.
주의: “(추정)“으로 표시된 수치는 2026년 중반을 기준으로 공개적으로 이용 가능한 정보에 근거한 방향성 추정치입니다. 본 기사는 투자 조언을 구성하지 않습니다.
출처
- NREL 에코드라이빙 및 EV 효율 연구 — NREL ↗
- EPA 교통 온실가스 배출 데이터 — EPA ↗
- Tesla Semi EPA 주행거리 및 효율 인증 — EPA fueleconomy.gov ↗
- EPA 대형 차량 온실가스 배출 3단계 기준 — EPA ↗