2026-06-18 — views

피지컬 AI 차량 배차 — Waymo가 차량 1,100대를 실시간 라우팅하는 방법과 배차 시스템이 보이지 않는 경쟁 해자인 이유

Waymo 배차 OS는 1,100대 자율주행차를 실시간 라우팅하며, 승차 횟수의 승수 효과로 작용하는 보이지 않는 경쟁 우위다.

피지컬 AI 벤치마크 시리즈 제118편 — 피지컬 AI 차량 배차: Waymo가 차량 1,100대를 실시간으로 라우팅하는 방법, 배차 효율이 승차 횟수 상한선을 결정하는 이유, 그리고 차량 OS가 보이지 않는 경쟁 해자인 이유

상업용 자율주행 서비스에서 가장 중요한 소프트웨어는 세상을 인식하는 인식 스택도, 어떻게 운전할지 결정하는 계획 모듈도 아니다. 바로 배차 시스템이다——차량 1,100대 중 어느 차량이 어느 승객을 데려갈지, 각 차량이 언제 충전할지, 유휴 차량이 수요 발생 전 어떻게 사전 배치될지, 그리고 전체 차량이 도로 사고, 지오펜스 경계, 수요 급증에 실시간으로 어떻게 대응할지를 결정하는 차량 운영 체제(OS)다. 이 소프트웨어는 승객에게 완전히 보이지 않는다. 승객은 ETA 예측과 도착하는 차량만 볼 뿐이다. 하지만 배차 시스템은 차량에 투자된 모든 하드웨어와 인프라 투자의 승수다.

배차 능력이 낮은 차량 1,100대짜리 차량은 하루에 3,000회 승차만 생성할 수 있다——차량당 평균 약 3회로, 대부분의 시간을 공차 거리, 충전 공백, 잘못된 포지셔닝에 낭비한다. 같은 차량에 우수한 배차가 있다면 하루에 6,000회 이상의 승차를 생성할 수 있다——추가 차량 없이 같은 자본 기반에서 수익을 두 배로 늘린다. AV 운영자가 활용할 수 있는 다른 어떤 레버도 이 규모의 영향력을 가질 수 없다. 인식 하드웨어는 고정되어 있다. 경로는 고정되어 있다. 규제 구역은 고정되어 있다. 배차 효율만이 차량의 어떤 가시적인 요소도 변경하지 않고 승차 경제성을 두 배로 만들거나 절반으로 줄일 수 있는 유일한 변수다.

이 글은 배차 레이어를 피지컬 AI 벤치마크 제118차원으로 분석하며, 차량 OS가 최적화해야 할 것, 차량당 하루 승차 횟수가 핵심 처리량 지표가 되는 방식, 프로덕션 배차 시스템의 아키텍처, 그리고 Waymo와 Tesla의 다른 차량 철학이 근본적으로 다른 배차 과제를 어떻게 만들어내는지 검토한다.

제1절 — 차량 배차가 최적화하는 것

차량 배차는 다목적 실시간 최적화 문제다. 단일 차량의 경로를 최적화하는 내비게이션 시스템과 달리, 차량 배차 시스템은 수백에서 수천 대의 차량에 걸쳐 동시에 최적화해야 한다. ETA 최소화를 위해서는 가장 가까운 차량을 보내야 하지만, 공차 거리 최소화를 위해서는 개별 요청을 따라가지 않고 예측 수요 구역에 차량을 유지해야 한다——이 자주 충돌하는 목표 사이의 균형을 맞춰야 한다.

배차 목표	제어 내용	승차 경제성에 대한 영향
승객-차량 매칭	어느 차량이 어느 승객을 데려갈지; ETA 최소화와 공차 최소화 사이의 균형	매칭 불량 = 긴 대기 시간(승객 손실)과 높은 공차 거리(에너지·비용 낭비)
공차 거리(데드헤드) 최소화	요청 전 유휴 차량을 수요 구역으로 라우팅	공차 1마일당 에너지 및 감가상각에 약 $0.15–0.30 비용 발생, 수익은 제로(추정치)
충전 윈도우 최적화	저수요 시간대(오전 2–6시)에 충전 스케줄링; 충전 잔량과 승차 가용성 균형	충전 스케줄링 불량 = 피크 수요 시 차량이 서비스에서 이탈; 또는 낮은 SoC로 주행
지오펜스 경계 관리	어느 차량이 운영 경계에 접근하고 있는지 추적; 차량이 운영 구역을 벗어나기 전 재라우팅	지오펜스 엣지에 갇힌 차량은 실효 차량 규모를 줄임
사고 재라우팅	도로 폐쇄, 사고, 공사 감지; 영향받은 차량을 실시간으로 재라우팅	배차는 차량이 도착하기 전에 사고를 감지해야 함; HD 맵 기반 차량은 맵 업데이트 수신; 비전 전용 차량은 실시간 감지
수요 예측	향후 15–30분 내 수요 발생 위치 예측; 차량 사전 배치	올바른 사전 배치는 ETA 감소; 잘못된 사전 배치는 공차 거리 낭비
다차량 조정	여러 차량이 동시에 같은 픽업 포인트에 몰리는 것 방지	차량 조정은 고수요 구역에서 “차량 집중”을 방지

제2절 — 차량당 하루 승차 횟수: 핵심 효율 지표

차량이 하루에 생성할 수 있는 승차량은 차량 규모와 차량당 하루 승차 횟수의 곱이다. 차량당 하루 승차 횟수는 차량 하드웨어로 결정되지 않는다——완전히 운영 중인 차량의 모든 차량은 승차를 완료할 수 있다. 그것은 거의 완전히 배차 시스템에 의해 결정된다: 차량과 승객을 얼마나 효율적으로 매칭하는지, 차량이 공차 이동에 얼마나 많은 시간을 쓰는지, 그리고 충전 관리가 피크 시간대에 차량을 이용 가능한 상태로 유지할 수 있는지다.

시나리오	차량당 하루 승차 횟수(추정치)	구동 요인	수익 영향
기준(배차 불량)	차량당 하루 8–12회(추정치)	긴 대기 시간, 높은 공차 거리, 수요 예측 불량	평균 $12/회: 차량당 하루 $96–144(추정치)
양호한 배차	차량당 하루 15–20회(추정치)	평균 ETA 5분, 공차율 15%(추정치)	평균 $12/회: 차량당 하루 $180–240(추정치)
우수한 배차	차량당 하루 25–35회(추정치)	밀집 구역에서 평균 ETA 3분, 공차율 10%, 지속적 활용	평균 $12/회: 차량당 하루 $300–420(추정치)
인간 Uber/Lyft 드라이버(비교)	드라이버당 하루 15–25회(추정치, 밀집 도시 풀타임 드라이버)	드라이버가 자체 시간 및 위치 선택; 중앙 최적화 없음	드라이버 전략에 따라 다름
Waymo 피닉스 차량(추정치)	전체 차량에서 차량당 약 하루 18–25회(추정치)	피닉스: 24/7 운영, 좋은 날씨, 성숙한 배차 시스템	1,100대 × 20회 × $12 = 피닉스 차량 추정 하루 $264K 수익
차량 전체 영향	1,100대 × 20회 = 하루 22,000회(추정치)	주당 약 154,000회에 해당——Waymo가 보고한 주당 150K+ 마일스톤과 일치	차량 규모 × 배차 효율 = 승차량

차량당 하루 승차 횟수는 공개 데이터에서 Waymo의 배차 효율을 역추정할 수 있는 방법을 제공한다. Waymo는 피닉스, 샌프란시스코, 로스앤젤레스에 걸친 약 1,100대의 상업용 차량에서 주당 150,000회 이상의 승차를 보고했다. 이는 하루 21,000회 이상, 즉 차량당 하루 약 19–20회를 의미한다——위 표의 “양호한 배차” 계층에 위치하며, 동일한 하드웨어 구성에서 배차 능력이 낮은 시스템이 생성할 수 있는 수치를 훨씬 초과한다.

제3절 — 배차 아키텍처: 차량 OS가 해야 할 것

차량 1,100대를 위한 프로덕션 차량 배차 시스템은 서브초 레이턴시 제약 하에 작동하는 실시간 분산 시스템이다. 차량 상태 업데이트, 승차 요청, 환경 데이터의 연속 스트림을 수신하고; 최적화 알고리즘을 지속적으로 실행하며; 차량이 최소 지연으로 실행해야 하는 라우팅 및 할당 명령을 발행한다.

시스템 구성요소	기능	기술적 과제
실시간 차량 상태 추적	매초 모든 차량의 위치, 속도, 배터리 SoC, 승객 상태 파악	1,100대 × 10회 상태 업데이트/초 = 초당 11,000개 상태 메시지; 100ms 미만 레이턴시로 처리해야 함(추정치)
수요 예측 모델	지리, 시간, 날씨, 이벤트별 과거 승차 요청 패턴으로 훈련된 ML 모델	대형 이벤트(콘서트, 경기)가 갑작스러운 수요 급증을 일으킬 때 실시간으로 예측 업데이트 필요
ETA 계산 엔진	수신되는 모든 승차 요청에 대해 실시간으로 모든 실현 가능 차량의 ETA 계산	주당 150K+ 승차에서 피크 수요 = 수십 개의 동시 요청; 100개 이상의 차량-요청 쌍의 ETA를 수초 내에 계산해야 함
경로 최적화	할당 후 현재 차량 위치에서 픽업 위치, 목적지까지 최적 경로 계산	실시간 교통, 지오펜스 제약, 공사 우회로, 충전소 위치를 통합해야 함
충전 스케줄러	각 차량이 언제 충전을 위해 차고지로 돌아갈지 결정; SoC 하한과 수요 가용성 균형	단계적 수요 주기로 1,100대의 충전을 최적화하는 것은 자명하지 않은 스케줄링 문제
이상 감지	비정상적으로 행동하는 차량(정체, 혼란, 경로 중 정차)을 감지하고 원격 지원 파견	조기 감지로 경미한 차량 혼란이 공공 사고로 발전하는 것 방지
차량 재균형	수요 이동 중 저수요 구역에서 고수요 구역으로 차량 이동	피닉스: 공항 수요는 오전 6시(입항 항공편)와 오후 9시에 급증; 차량은 사전 배치 필요

제4절 — Tesla의 네트워크 아키텍처: 다른 설계 철학

Tesla의 상업용 AV 시장 진입은 근본적으로 다른 차량 배차 과제를 가져온다. Waymo가 완전한 중앙 통제 하에 자사 소유 차량을 운영하는 반면, Tesla의 로보택시 네트워크는 하이브리드 모델을 중심으로 설계되어 있다: 고밀도 구역에서는 Tesla 소유 Cybercab 차량, 소유자가 필요하지 않을 때 네트워크에 참여하는 소비자 소유 Model Y 및 Model 3로 보완된다.

차원	Waymo 차량 접근 방식	Tesla 로보택시 네트워크 접근 방식
차량 소유권	Waymo가 전체 차량을 소유 및 운영; 완전한 배차 통제	혼합: Tesla 소유 Cybercab 차량 및 네트워크에 참여하는 소비자 소유 차량
배차 통제	중앙화된 Waymo 차량 OS가 모든 차량 통제	소비자 소유 차량: 소유자 우선 오버라이드; 소유자가 필요할 때 차량이 네트워크를 이탈
차량 가용성 예측 가능성	100% — Waymo가 차량의 서비스 시간 결정	소비자 소유: 가용성 예측 불가; 소유자가 개인 사용 시 네트워크에서 차량 제거
충전 통제	Waymo가 전체 차량의 충전 일정 통제	소비자 소유: 소유자가 충전 통제; 차량이 낮은 SoC로 네트워크에 진입 가능
지오펜스 관리	엄격한 지오펜스; 모든 차량이 정의된 경계 내에서 운행	매핑/승인 구역 외에서 운행하는 소비자 차량: 관리 복잡
네트워크 효과	차량이 많을수록 = 더 밀집된 커버리지 = 더 낮은 ETA = 더 높은 NPS = 더 많은 승객 = 더 많은 차량 구매 수익	Tesla 논지: 소비자 차량이 Tesla에 거의 제로 차량 비용으로 대규모 네트워크 밀도 제공; 소유자는 수입 창출
경제적 위험	Waymo가 모든 차량 설비 투자 부담; 차량 확장에 자본 필요	Tesla: 소비자가 차량 비용 부담; Tesla는 배차 소프트웨어와 고밀도 구역을 위한 Cybercab 구축
배차 효율	완전히 최적화 가능 — 소비자 우선 충돌 없음	소비자 소유: 배차는 소유자 우선 오버라이드를 존중해야 함; 이론적으로 차선책이지만 엄청난 규모 잠재력

제5절 — 배차 효율 벤치마크

배차 효율은 여러 운영 차원에서 측정할 수 있다. 이러한 지표는 승차 경제성, 단위 경제성, 그리고 최종적으로 차량 수익화로 가는 경로에 직접 연결된다.

지표	Waymo 벤치마크(추정치)	Tesla 목표(추정치)	중요한 이유
지오펜스 내 평균 ETA	4–6분(추정치, 보고된 승차량과 차량 규모 기반)	Cybercab 구역 목표 3–5분(추정치)	5분 미만: Uber와 경쟁력 있음; 8분 초과: 승객 이탈
공차율	총 주행 거리의 15–20%(추정치)	규모화 목표 15% 미만(추정치)	공차 1마일은 순수 비용; 업계 효율 벤치마크
차량 가동률	이용 가능 시간의 65–75%가 수익 창출(추정치)	차량용 차량 목표 70–80%(추정치)	나머지 시간: 충전, 차고지, 청소, 이상 해결
피크 수요 급증 관리	차량 사전 배치로 이벤트 시 급증을 정상 ETA의 2배로 억제(추정치)	—	급증 관리 불량: ETA 급증 시 승객이 Uber로 이탈
충전 일정 효율	목표: 피크 시간대 SoC 20% 미만 차량 제로	—	SoC 하한으로 수요 급증 시 승객이 곤란하지 않도록 방지
차량당 하루 승차 횟수	성숙한 피닉스 차량에서 추정 18–25회	최적화된 Cybercab 구역 목표 25–35회(추정치)	차량당 핵심 수익 승수

배차 시스템의 보이지 않는 특성이 바로 지속 가능한 경쟁 해자를 만들어낸다. AV 시장의 신규 진입자는 원칙적으로 Waymo와 동일한 센서 하드웨어를 조달할 수 있다. HD 맵 데이터를 라이선스할 수 있다. AV 인식 분야에서 일한 엔지니어를 채용할 수 있다. 하지만 수백만 건의 실제 승차로 최적화되고, 특정 도시의 실제 수요 패턴에서 보정되며, 수년간의 운영 피드백으로 튜닝된 배차 시스템을 빠르게 복제할 수는 없다. 피닉스에서 야구 시즌 화요일 오전 6시에 수요가 발생할 위치를 예측하는 알고리즘, 특정 지오펜스 구성에서 ETA와 공차 거리를 균형 잡는 모델, 수천 개의 엣지 케이스로 훈련된 이상 감지 시스템——이 모든 축적된 운영 학습이 차량 OS에 내재되어 있다. 공개되지 않는다. 대부분의 구체적인 측면에서 특허를 취득할 수 없다. 그리고 차량이 완료하는 추가 승차마다 복리로 성장한다.

2026년 중반 주당 150,000회 승차 속도로, Waymo는 현재 어떤 경쟁자도 필적할 수 없는 속도로 배차 인텔리전스를 쌓아가고 있다. 이것이 해자다. 차량이 아니다. 지도가 아니다. 차량 1,100대를 보이지 않게 실시간으로 라우팅하며, 구축하는 데 수년이 걸리고 기성품으로는 구매할 수 없는 최적화 수준에서 작동하는 소프트웨어다.

참고: “（추정치）“로 표시된 모든 수치는 2026년 중반 기준 공개 정보, 엔지니어링 추정치 및 업계 보고서에서 도출되었습니다. Waymo는 배차 시스템 사양, 공차율 또는 차량 가동률 데이터를 공개적으로 공개하지 않습니다; 추정치는 방향성입니다. 이 기사는 투자 조언을 구성하지 않습니다.