2026-06-18 — views

피지컬 AI 하드웨어 진화——라이다 비용 곡선, Tesla HW4에서 HW5, Waymo 6세대, 그리고 AV 하드웨어 BOM 1,000달러 미만을 향한 경쟁

라이다는 2016년 75,000달러에서 99% 하락해 오늘날 500달러 미만. Tesla HW4 센서 BOM은 300~700달러, Waymo 6세대는 5,000~15,000달러. Cybercab과 7세대가 각사의 하드웨어 비용 관문.

피지컬 AI 벤치마크 시리즈 제149편——피지컬 AI 하드웨어 진화: 센서 비용, 커스텀 실리콘 로드맵, 그리고 AV 하드웨어 BOM 1,000달러 미만을 향한 경쟁

하드웨어 비용은 자율주행 차량 경제성에서 가장 중요한 변수 중 하나입니다. 2016년 75,000달러(추정)였던 라이다 센서는 오늘날 500달러 미만입니다. 10년에 걸친 약 99%의 비용 붕괴는 라이다를 경제성을 저해하는 주요 비용 항목에서 카메라에 근접한 가격의 상품형 센서로 변모시켰습니다. 그러나 라이다는 AV 부품 목록(BOM)의 일부에 불과합니다. 컴퓨팅, 카메라, 레이더, 차량 내 추론 실리콘이 함께 자율주행 차량이 규모에서 긍정적인 단위 경제성을 달성할 수 있는지를 결정합니다.

본 기사는 피지컬 AI 벤치마크 시리즈 제149편입니다. Waymo 6세대 대 Tesla HW4/HW5의 하드웨어 BOM 진화, Tesla Dojo와 Google TPU의 커스텀 실리콘 경쟁, 그리고 하드웨어 비용 곡선이 AV 단위 경제성 전환 시점에 의미하는 바를 벤치마크합니다. “(추정)“으로 표시된 수치는 모두 독립적으로 검증된 1차 데이터가 아닌 공개 공시, 업계 연구, 애널리스트 추정 및 보고 데이터에서 도출되었습니다. 본 기사는 투자 조언을 구성하지 않습니다.

제1절——라이다 비용 곡선: AV 경제성을 가능하게 한 하드웨어 혁명

연도	최고급 라이다 비용(추정)	주목 제품	고점 대비 변화	비고
2016년	약 75,000달러(추정)	Velodyne HDL-64E(64채널 기계식)	기준선	1세대 기계식 라이다; Waymo 1세대는 Velodyne 사용
2018년	약 8,000~15,000달러(추정)	Velodyne VLP-16; 초기 고체 상태 진입	2년 만에 약 80% 하락	대중 시장 신호; 고체 상태 개발 가속화
2020년	약 1,000~3,000달러(추정)	Luminar Iris(양산 전); Livox; Hesai	2016년 대비 약 95% 하락	Waymo 5세대가 이 비용 범위 사용; 경제성은 여전히 마이너스
2022년	약 500~1,500달러(추정)	Luminar Iris 양산; Innoviz One; Ouster OS1	약 97% 하락	자동차 등급 비용 목표에 근접
2024년	약 200~800달러(추정)	Waymo/Zeekr 6세대 라이다(Luminar/Hesai); 다수의 고체 상태 옵션	2016년 대비 약 99% 하락	500달러 미만 고체 상태 라이다 상업적으로 이용 가능
2026년(추정)	약 100~500달러(추정)	차세대 고체 상태; MEMS 라이다; 포토닉 집적 회로 라이다	2016년 대비 약 99.5% 하락	6세대 차량 라이다 목표: 단위당 500달러 미만(추정)
2030년(추정)	약 50~200달러(추정)	자동차 통합 라이다(온칩)	약 99.7% 하락	100달러 미만에서 라이다는 고급 카메라와 비슷한 비용 추가
시사점	라이다 비용은 더 이상 주요 AV 하드웨어 비용 요인이 아님(2016~2020년에는 그러했음); 컴퓨팅, 카메라 및 중복 시스템이 이제 비슷한 비용	—	—	라이다가 500달러 아래로 떨어지면 Tesla의 카메라 전용 비용 우위가 축소

라이다의 10년간 99% 비용 붕괴는 AV BOM 비용 논의에서 주요 장벽에서 점점 눈에 덜 띄는 항목으로 변화시켰습니다. 현재 200~~800달러(추정) 라이다를 3~~4개 탑재하는 Waymo 6세대 차량의 라이다 총비용은 약 600~2,000달러(추정)로 의미 있지만 더 이상 지배적인 항목이 아닙니다.

제2절——Tesla 하드웨어 진화: HW3에서 HW4로, HW5로

세대	컴퓨팅(추론 TOPS)	센서	차량 비용 영향(추정)	상태	비고
HW3(2019~2022년)	144 TOPS(FSD 칩, 듀얼)	카메라 8개; 라이다 없음; 초음파 12개; 전방 레이더 1개	약 200~500달러 BOM(추정)	레거시; OTA 제한; 일부 차량 여전히 가동 중	Tesla 최초 커스텀 실리콘; FSD v11 이전 버전용 설계
HW4(2023년~현재)	약 500+ TOPS(추정)	카메라 9개(고해상도); 라이다 없음; 초음파 없음; 일부 시장 레이더 없음; 일부 구성에서 4D 레이더	약 300~700달러 BOM(추정)	현재 양산; 모든 신규 Tesla	일부 모델에서 초음파 및 레이더 제거; 카메라+레이더 또는 카메라 전용
HW5(발표됨/추정)	약 3,000~5,000+ TOPS(추정)	카메라 9개+; 추가 모달리티 가능성	약 500~1,000달러 BOM(추정)	약 2025~2027년 배포 예정(추정)	완전 무인 운전용 설계; Dojo 훈련 데이터가 HW5 추론 구동
Dojo D1 칩	칩당 362 TOPS; ExaPOD 합계 약 1 ExaFLOP(추정)	훈련 전용(차량 내 없음)	차량 BOM 0달러	훈련 클러스터에 배포됨	TSMC 7nm 커스텀; 칩 간 초고대역폭
Dojo D2(추정)	더 높은 TOPS; TSMC 3nm(추정)	훈련 전용	차량 BOM 0달러	개발 중(추정 2026~2027년)	차세대 훈련 칩; FSD 능력 향상 지속
카메라 전용 비용 우위	HW4 카메라 어레이: 약 300~500달러 총 카메라 비용(추정)	Waymo 약 5,000~15,000+달러 센서 스위트(추정) 대비	센서 BOM 약 10~30배 낮음	유지 중	Tesla의 주요 하드웨어 비용 우위; 라이다 하락에 따라 격차 축소

Tesla의 Dojo 훈련 클러스터는 차량 구성 요소가 아니며, 어떤 차량 BOM에도 포함되지 않습니다. 그 비용은 각 차량의 한계 비용이 아닌 자본 지출에 반영됩니다. 이는 AV 경제성에서 중요한 구분입니다: Dojo의 혜택은 Tesla가 판매하는 모든 FSD 지원 차량에 분산되어, 추가 차량당 FSD 능력 향상의 한계 비용을 거의 0에 가깝게 만듭니다.

제3절——Waymo 하드웨어 진화: 1세대에서 6세대로

세대	기반 차량	라이다 비용(추정)	총 센서 BOM(추정)	플리트	비고
1세대(2009~2015년)	도요타 프리우스+밴	약 75,000달러(Velodyne HDL-64E)	약 150,000+달러(추정)	R&D 전용	개념 증명; 경제성 무관련
3세대(2016~2018년)	크라이슬러 퍼시피카	약 8,000~15,000달러(추정)	약 30,000~50,000달러(추정)	약 600대	최초 상업 테스트 플리트
5세대/재규어 I-PACE(2018~2024년)	재규어 I-PACE EV	약 1,000~3,000달러(추정, Luminar/Hesai)	약 10,000~20,000달러(추정)	약 700대 상업	주력 상업 플리트; 경제성 개선되었으나 여전히 마이너스
6세대(2024년~현재)	Zeekr RT(목적형 설계)	약 200~800달러(추정)	약 5,000~15,000달러(추정)	확대 중	Waymo는 6세대가 5세대보다 제조 비용이 크게 낮다고 공개
6세대의 5세대 대비 비용 절감	Waymo는 “상당한” 절감 공개; 애널리스트는 센서 BOM 40~60% 절감 추정(추정)	—	—	—	6세대는 핵심 경제성 개선; 여전히 마이너스 마진
6세대 컴퓨팅	Waymo 커스텀 차량 내 추론 모듈; 훈련용 Google TPU(차외)		차량 내 컴퓨팅 약 1,000~3,000달러(추정)	—	Waymo의 차량 내 컴퓨팅은 독점; 아키텍처 완전 비공개
7세대(추정 2027~2029년)	목적형 설계 또는 신규 OEM 파트너	약 100~300달러(추정)	약 3,000~8,000달러(추정)	미래	추가 비용 절감 예상; 긍정적 단위 경제성이 목표

제4절——커스텀 실리콘 경쟁: Dojo 대 Google TPU

차원	Tesla Dojo	Google TPU(Waymo 훈련)	시사점
목적	FSD 신경망 훈련; 대규모 섀도우 모드 비디오 처리	Waymo의 AV 모델 훈련; Google AI 전반 지원	Waymo는 범용 Google AI 인프라 사용; Tesla는 수직 특화 실리콘 구축
아키텍처	웨이퍼 스케일 타일 설계; 훈련 타일당 D1 칩 354개; 칩 간 초고대역폭	Google TPU v5(최신); ML 최적화 행렬 곱셈 유닛	Dojo는 FSD 특유의 비디오 처리 워크로드에 최적화; TPU는 더 범용
훈련 비용 목표	Tesla는 클라우드 대안 대비 Dojo 목표 1달러/FLOP 주장; 달성 시 NVIDIA 클러스터 임대 대비 10배 비용 절감	Alphabet이 내부적으로 지불; 직접적인 비용 비교 미공개	Dojo 성공 = Tesla의 구조적 훈련 비용 우위; 현재 전체 규모에서 미입증
양산 상태	Dojo D1: ExaPOD 클러스터에 배포됨(약 1 ExaFLOP 추정); D2 개발 중(추정 2026~2027년)	TPU v5 양산 중; Waymo는 Alphabet 통해 우선 접근	Waymo는 오늘날 최첨단 컴퓨팅에 접근 가능; Tesla의 Dojo 경로는 완전 우위까지 2~3년
NVIDIA 의존도	Tesla는 Dojo로 NVIDIA 의존도 축소; 오늘날 훈련에 NVIDIA H100/H200 사용	Waymo는 주로 Google TPU 사용; 일부 NVIDIA 사용	양사 모두 NVIDIA 의존도 축소 중; 다른 경로
차량 내 추론 칩	Tesla HW4(커스텀)에서 HW5(차세대)로; Tesla가 자체 추론 실리콘 설계	Waymo 차량 내 컴퓨팅: 커스텀 모듈; 소비자 제품으로 미공개	양사 모두 커스텀 차량 내 실리콘 보유; Tesla 것은 소비자 규모에서 배포 가능; Waymo 것은 전용 플리트용

제5절——하드웨어 비용 벤치마크 스코어카드

차원	Waymo 6세대	Tesla HW4/HW5	우위	2030년 전망
차량당 센서 BOM(추정)	약 5,000~15,000달러(추정)	약 300~700달러(추정)	Tesla 결정적(10~20배 낮음)	라이다 하락에 따라 격차 축소; Tesla는 여전히 낮음
훈련 컴퓨팅 접근	Google TPU(Alphabet 규모; 즉시 사용 가능)	Dojo(구축 중; 오늘날은 NVIDIA)	오늘날은 Waymo; 2027년+ Tesla	Dojo D2 실현 시 2028년경 균형
차량 내 추론	커스텀(소비자 규모 미적용)	Tesla HW(600만대 규모 배포)	Tesla(규모 배포)	Tesla가 우위 유지
라이다 비용 궤적	라이다 하락 혜택(7세대 BOM 축소)	해당 없음(카메라 전용)	Waymo(센서 스위트 비용 순풍)	2030년 200달러 미만 라이다가 카메라 어레이와의 격차 축소
AV 장착 후 총 차량 비용(추정)	6세대 약 37,000+달러(추정)	Cybercab 목표 30,000달러 미만(Tesla 발표)	Tesla(Cybercab 실현 시)	Cybercab 대량생산 시 Tesla 결정적 승리
하드웨어 비용 램프 병목	6세대 비용 절감이 Waymo 경제성의 핵심 해제 요소	3만 달러 미만 Cybercab이 Tesla 핵심 해제 요소	양사 모두 하드웨어 비용 관문 있음	2027~2029년: 양사 모두 긍정적 단위 경제성 임계값 돌파(추정)

총평

Tesla의 카메라 전용 접근법은 오늘날 결정적인 센서 BOM 우위를 유지하고 있습니다——Waymo 6세대와 비교해 차량당 약 10~20배 낮은 센서 비용(추정). 이 격차는 실재하고 의미 있습니다. 그러나 전략적 질문은 오늘날 누구의 BOM이 낮은지가 아니라, 어느 회사의 하드웨어 비용 궤적이 먼저 긍정적인 단위 경제성으로 이어지는지, 그리고 어떤 플리트 규모에서 그것을 달성하는지입니다.

자체 하드웨어 비용 관문을 먼저 돌파하는 회사——Waymo의 7세대 센서 BOM, 또는 Tesla의 Cybercab 생산 비용——가 규모에서 긍정적 마진의 AV 경제성을 처음으로 시연하게 될 것입니다. 두 관문 모두 2027~2029년 창에서 열릴 것으로 예상됩니다(추정).

참고: “(추정)“으로 표시된 모든 수치는 2026년 중반 기준 공개 공시, 업계 연구, 애널리스트 추정 및 보고 데이터에서 도출되었습니다. 본 기사는 투자 조언을 구성하지 않습니다.