2026-06-18 — views
피지컬 AI 인재 벤치마크 — Waymo 구글 SDC 15년 계보 vs 테슬라 포스트 카르파티 FSD팀: 엔지니어링 비교
Waymo는 구글 SDC 15년 도메인 지식을 보유한다. 테슬라 포스트 카르파티 FSD팀은 엔드투엔드 AI 전환을 완수하고 자체 실리콘과 600만 대 규모 학습 데이터를 확보했다.
개요
엔지니어링 인재의 깊이와 품질이 각 회사의 AI 시스템 개선 속도를 결정한다. Waymo는 구글 자율주행차(SDC) 프로젝트(2009–2016)에 뿌리를 두고 있으며, 이는 AV 분야 역사상 가장 집약적인 전문 지식의 집결지였다. 테슬라의 FSD팀은 2022년 Andrej Karpathy 퇴직 이후 중요한 전환기를 거쳤지만, 완전한 엔드투엔드 신경망으로의 이행이라는 이정표적 전환을 완수하고, 독보적인 자체 실리콘 역량과 비할 수 없는 실세계 학습 데이터 규모를 유지하고 있다.
이 기사는 두 회사의 인재 기반, 핵심 인물, 그리고 엔지니어링팀 프로파일이 AI 역량 개발 속도에 무엇을 의미하는지를 벤치마크한다. 이 기사는 Physical AI 벤치마크 시리즈 163번째다.
섹션 1 — Waymo의 엔지니어링 인재 계보
Waymo의 인재 기반은 역사상 가장 영향력 있는 AV 연구 프로그램인 구글 자율주행차(SDC) 프로젝트로 직접 거슬러 올라간다.
| 인재 측면 | Waymo 세부사항 | 전략적 의의 |
|---|---|---|
| 기원: 구글 자율주행차 프로젝트(2009–2016) | Waymo는 2016년 구글 SDC 프로젝트에서 분사됨; 프로젝트는 Sebastian Thrun과 Chris Urmson(둘 다 DARPA 어반 챌린지 베테랑)이 창설; Waymo가 되기 전 7년간의 AV 전문 연구 축적 | SDC 프로젝트는 AV 역사상 가장 영향력 있는 인재 인큐베이터; 오늘날 업계 각 회사를 이끄는 AV 엔지니어 세대를 훈련시킴 |
| AV 도메인 누적 경험 | 2026년 중반 현재 Waymo 창설팀 구성원들은 평균 15년 이상의 AV 전문 경험 보유; 많은 엔지니어가 Waymo 재직 8–12년 | 이 수준의 AV 도메인 경험은 사실상 복제 불가능; 비슷한 자율주행 누적 집중도를 가진 엔지니어는 다른 회사에 없음 |
| 현직 핵심 리더(공개 정보) | Dmitri Dolgov(공동 CEO, 전 구글 SDC 기술 책임자); Tekedra Mawakana(공동 CEO, 운영 및 비즈니스 담당); Saswat Panigrahi(최고제품책임자) | Dolgov의 구글 SDC 기술 책임자에서 Waymo CEO로의 기술적 연속성은 최고 수준에서의 드문 기관 지식 보유를 상징함 |
| 연구 성과 | Waymo는 CVPR, NeurIPS, ICRA에서 인식, 예측, 계획에 관한 논문을 광범위하게 발표; Waymo Open Dataset을 통한 대규모 오픈소스 기여 | 학술 발표는 연구 품질과 투명성을 나타냄; Waymo Open Dataset은 전 세계 연구 커뮤니티가 사용하는 표준 AV 벤치마크가 됨 |
| 경쟁사를 창설·이끄는 동문 | Chris Urmson(Aurora CEO); Dave Ferguson(Nuro CEO); Jiajun Zhu(Nuro CTO); Zoox, Cruise, Mobileye, Wayve 등에 있는 SDC 동문 다수 | ’SDC 확산’은 사실상 모든 주요 AV 회사에 씨앗을 뿌렸음; Waymo의 동문 네트워크는 업계에서 가장 영향력 있음 |
| 인재 유지 과제 | Apple, Meta 및 광범위한 딥러닝 수요로 인한 보상 경쟁; AV 업계 통폐합(GM Cruise 2023년 위기; Argo AI 2022년 폐쇄)으로 인재 시장 복귀 | Cruise와 Argo 폐쇄 후 경험 많은 AV 엔지니어들이 취업 시장에 돌아왔으며; Waymo는 주요 수혜자 중 하나 |
| 직원 수(추산) | Waymo는 추산 2,500–3,500명 고용(추산; 미공개); 상당수가 엔지니어링 및 연구 부문 | 이 규모에서 Waymo는 모든 AV 하위 도메인(라이다, 카메라, ML/인식, 예측, 계획, 시뮬레이션, 원격 운영)에 깊은 팀 보유 |
섹션 2 — 테슬라 FSD 엔지니어링팀: 카르파티 시대와 그 이후
테슬라의 FSD팀은 2022년 이후 리더십의 구조적 전환을 거쳤지만, Karpathy가 확립한 아키텍처 로드맵을 지속적으로 실행하고 있다.
| 인재 측면 | 테슬라 세부사항 | 전략적 의의 |
|---|---|---|
| Andrej Karpathy 시대(2017–2022) | Karpathy는 2017년 AI 디렉터로 테슬라 입사; Autopilot/FSD팀을 소규모에서 수백 명 규모로 구축; 데이터 엔진(자동 라벨링 파이프라인) 도입 및 엔드투엔드 신경망으로의 전환 추진; 2022년 7월 퇴직 | Karpathy는 현대 AV AI 아키텍처에 가장 영향력 있는 개인 기여자로 널리 평가됨; 그의 퇴직은 테슬라에 중요한 인재 이벤트였음 |
| 포스트 카르파티 리더십(2022년~현재) | FSD팀 리더십이 재편되어 여러 디렉터가 Elon Musk에게 직접 보고; Ashok Elluswamy(Autopilot 소프트웨어 디렉터, 추산 VP급으로 승진)가 포스트 카르파티 시대에서 가장 공개적으로 알려진 FSD 리더 | Elluswamy는 2014년부터 테슬라 재직; 기관 연속성 제공; Karpathy보다 학술적 공개 프로필은 낮지만 실적 증명됨(FSD v12 엔드투엔드) |
| 엔드투엔드 AI 전환 | FSD v12(2024)는 Karpathy가 주창했던 완전한 엔드투엔드 신경망으로의 전환을 구현; 이 전환은 그의 퇴직 후 완료됨 — 팀이 그의 아키텍처 비전을 실행함 | 핵심 비전 제창자의 퇴직 이후에도 아키텍처 로드맵을 실행할 수 있는 테슬라의 능력을 증명 |
| Dojo와 컴퓨트팀 | 테슬라는 전용 실리콘팀(HW4, HW5 칩 설계)과 Dojo 슈퍼컴퓨터팀 보유; 세계 최고의 AI 하드웨어팀과 경쟁 | 자체 실리콘은 극히 드뭄(Apple, 구글, Meta 등 소수만 보유); 테슬라의 실리콘팀은 최고의 하드웨어 엔지니어를 유치해옴 |
| FSD팀 규모(추산) | FSD/Autopilot 스택에 전담하는 엔지니어 추산 수백~저천 명(추산; 미공개) | AV 전담 인원 추산 규모는 Waymo보다 작지만, 인재를 공유하는 더 큰 테슬라 AI 조직에 통합되어 있음 |
| 핵심 인재 우위: 실세계 데이터 규모 | 테슬라 FSD팀은 추산 600만 대의 차량 데이터에 접근 가능(추산) — 어떤 대학 연구소나 AV 스타트업도 이에 필적할 수 없음; 이 규모의 실세계 학습 데이터는 시뮬레이션으로 복제할 수 없는 역량을 제공 | 학습 데이터 우위가 엔지니어링팀의 AI 개선 능력을 복리로 높임; 테슬라 데이터에 접근할 수 있는 소규모 팀도 구조적 우위 보유 |
| 최근 채용과 이직(추산) | 테슬라는 OpenAI, DeepMind, Google Brain, 학술 기관에서 인재를 채용하고 있음(추산); 일부 전 FSD 엔지니어들은 Waymo, Aurora, 스타트업으로 이직(추산) | 양방향 인재 흐름은 정상; 테슬라의 보상(주식 부여, 미션)은 AI 업계 전반에서 최고의 딥러닝 인재를 유치 |
섹션 3 — 업계 인재 지형: AV 인재 생태계
AV 인재 생태계는 전 구글 SDC 동문과 딥러닝 연구자를 중심으로 형성되어 있으며, 2022–2023년 AV 업계 통폐합 이후 경험 많은 엔지니어들이 대거 시장에 복귀했다.
| 회사 | 인재 출처 | 현재 상태 | Waymo/테슬라 경쟁과의 연관성 |
|---|---|---|---|
| Aurora | Chris Urmson(전 Waymo), Sterling Anderson(전 테슬라 Autopilot), Drew Bagnell(전 Uber ATG) 공동 창설; 2021년 Uber ATG 인수 | 2024년 상업용 Class 8 트럭 AV 출시; Aurora Driver가 Paccar와 Volvo 트럭에 탑재; 수익 창출 중 | 고속도로 트럭 운송 AV에서 수익을 창출하는 최초의 상업 기업; AV 상업화 가능성 증명; Waymo와 테슬라 모두에 잠재적 인재 경쟁자 |
| Zoox | Tim Kentley-Klay와 Jesse Levinson(스탠퍼드) 창설; 2020년 아마존 인수 | Amazon 물류 및 잠재적 공공 탑승 서비스를 위한 스티어링휠 없는 AV 개발; 아마존 자금으로 자본 제약 해소 | 아마존의 지원은 사실상 무제한 자본을 의미; Waymo와 테슬라 모두에 인재 위험; 양방향 차량 설계가 독특 |
| Cruise(GM) | Kyle Vogt(MIT 미디어랩) 창설; 2016년 GM 인수 | 2023년 주요 규제 위기(SF 사건으로 캘리포니아 DMV 허가 정지); 대규모 정리해고; 운영 대폭 축소 | 위기 후 Cruise의 경험 많은 AV 엔지니어들이 2023–2024년 취업 시장에 복귀; Waymo와 테슬라 모두 수혜 |
| Wayve(영국) | Amar Shah(케임브리지 대학) 창설; 2024년 SoftBank, Microsoft, Nvidia에서 10억 달러 이상 조달 | 테슬라 FSD와 유사한 엔드투엔드 AI 접근법; 유럽을 주요 시장으로; AV 일반화를 위한 기반 모델 접근 | 테슬라의 엔드투엔드 FSD 철학과 직접 경쟁; 영국 거점으로 유럽 딥러닝 인재풀에서 경쟁 |
| Mobileye | Intel에서 분사; Amnon Shashua(히브리 대학 교수) 창설 | 2022년 IPO; 대부분의 주요 OEM에 ADAS 칩 공급; SuperVision과 Chauffeur 제품 | 다른 모델(OEM에 B2B)이지만 같은 엔지니어링 도메인; 컴퓨터 비전 학술 인재에서 경쟁 |
| 인재 경쟁 요약 | AV 인재 생태계는 SDC 동문(Aurora, Nuro, Zoox 일부)과 딥러닝 연구자(테슬라, Wayve, Mobileye)에 집중 | Waymo의 SDC 계보는 도메인 경험 풍부한 엔지니어에게 매력적; 테슬라의 미션과 데이터 규모는 야심 찬 딥러닝 연구자에게 매력적 |
섹션 4 — 핵심 기술 베팅과 그 배후의 팀
| 기술 베팅 | Waymo팀 접근법 | 테슬라팀 접근법 | 누가 더 유리한가 |
|---|---|---|---|
| 인식(물체 감지, 분류) | 모듈형 팀: 라이다, 카메라, 레이더 인식 모델 분리; 융합 레이어; 15년 이상의 모델 반복 | 엔드투엔드: 카메라 인식이 단일 신경망에 통합; 팀은 스케일링 법칙과 데이터 품질에 집중 | 둘 다 세계적 수준의 인식팀 보유; Waymo가 크고 더 도메인 전문화됨; 테슬라는 작지만 실세계 데이터가 더 많음 |
| 예측(다른 도로 사용자 행동 예측) | 전담 예측팀; 인간 행동 모델링 광범위 연구; ICRA와 CVPR에서 최신 모델 발표 | 예측을 엔드투엔드 FSD에 통합; 별도 팀 구조 적음(추산) | Waymo의 모듈형 접근법으로 더 깊은 예측 연구 전문화 가능 |
| 계획(AV가 무엇을 해야 하는가) | 전담 계획팀; 규칙 기반+학습 계획 하이브리드; 가장 안전 중요 컴포넌트 | 엔드투엔드 계획: 신경망이 직접 주행 명령 출력; 별도 계획 모듈 없음 | 테슬라의 엔드투엔드 접근법은 아키텍처적으로 더 단순; Waymo의 모듈형은 더 해석 가능한 안전 검증 허용 |
| 시뮬레이션 | CarCraft팀; 10년 이상의 AV 시나리오 개발; 추산 하루 150억 시뮬레이션 마일 | Dojo팀; 범용 컴퓨트; AV 시뮬레이션 투자 증가 중 | Waymo의 시뮬레이션팀이 상당한 선두 우위 보유; 테슬라의 컴퓨트팀이 추격 중 |
| 하드웨어(칩) | 자체 실리콘 없음; NVIDIA와 외부 하드웨어 사용; 라이다 엔지니어링팀이 커스텀 센서 구축 | HW4/HW5 칩 설계팀; Dojo D1팀; 자체 실리콘 설계 역량 | 테슬라는 독보적이고 가치 있는 자체 실리콘팀 보유; Waymo는 외부 칩 공급업체에 의존 |
섹션 5 — 인재 벤치마크 스코어카드
| 평가 차원 | Waymo | 테슬라 | 우위 | 2028년 전망 |
|---|---|---|---|---|
| AV 도메인 경험 깊이 | 결정적 우위 — 창설팀 평균 15년 이상; 업계에서 가장 깊은 AV 도메인 전문 지식 | 강하지만 더 새로운 — FSD팀의 AV 전담 누적 경험이 상대적으로 적음 | Waymo | Waymo의 도메인 깊이가 복리로 증가; 단기간에 복제 불가능 |
| 딥러닝 연구 품질 | 매우 높음 — 탑 학술 무대에서 발표; Waymo Open Dataset 업계 전반 사용 | 매우 높음 — 엔드투엔드 FSD 아키텍처가 최신 수준; 방법론에서 카르파티의 유산 | 동등 | 둘 다 최전선에 있음; 연구 스타일 다름 |
| 자체 실리콘 역량 | 없음 — NVIDIA와 외부 공급업체에 의존; 라이다 커스텀 설계는 주목할 만함 | 있음 — HW4/HW5와 Dojo; 커스텀 AI 실리콘을 가진 소수의 비칩 회사 중 하나 | 테슬라 결정적 우위 | 테슬라 실리콘팀은 비용/성능의 지속적 우위 |
| 학습 데이터 접근 | 높음 — 추산 3,000만+ 무인 주행 마일; 고순도지만 양이 적음 | 결정적 — 추산 600만 대 차량, 수십억 지도 학습 마일 | 테슬라 | 차량 증가에 따라 테슬라 데이터 우위 계속 확대 |
| 인재풀 폭 | AV 전담 역할에서 깊음; 대형 테크 기업에 비해 범용 딥러닝에서 다소 좁음 | 광범위 — AI 전 분야에서 채용(OpenAI, DeepMind, Google Brain); 테슬라 브랜드 혜택 | 테슬라(폭); Waymo(깊이) | 서로 다른 강점 프로파일이 서로 다른 필요에 부합 |
종합 평가: Waymo는 세계에서 가장 깊고 도메인 경험이 풍부한 AV 엔지니어링팀을 보유하고 있다 — 단기간에는 어떤 자본으로도 복제할 수 없는 15년의 기관 지식 축적이다. 테슬라팀은 AV 전담 누적 경험에서는 뒤지지만 두 가지 구조적 우위를 보유한다: 세계 최대의 실세계 학습 데이터셋 접근과 자체 실리콘 설계 역량이다. 이 인재 경쟁은 제로섬이 아니다 — 두 팀 모두 획기적인 결과를 낼 역량을 갖추고 있다. 문제는 최전선에서 어떤 역량이 더 중요한가다: 도메인 경험(Waymo의 우위)인가, 데이터 규모와 컴퓨트(테슬라의 우위)인가.
(추산)으로 표시된 모든 수치는 공개된 기업 공시, 애널리스트 추정, 업계 벤치마크에서 도출되었다. 이 기사는 Physical AI 벤치마크 시리즈 — 163번째다.
출처
- Waymo 리더십과 역사 — Waymo ↗
- Andrej Karpathy 퇴직 성명 — 2022년 7월 ↗
- Aurora 상업화 출시 2024 — Aurora ↗
- Waymo Open Dataset — research.waymo.com ↗
- 테슬라 FSD v12 엔드투엔드 아키텍처 — Tesla AI Day ↗