2026-06-18 👁️ — views

Physical AI 인재 전쟁 — Tesla 대 Waymo의 ML 엔지니어 채용, 보상, 팀 구성

Waymo는 Tesla보다 20~30% 높은 Google 수준 보상을 제공한다. Tesla는 미션 범위와 Optimus 로보틱스 고유성에서 우위를 점한다. 두 회사 모두 스탠퍼드·CMU·MIT의 동일한 인재 파이프라인에서 경쟁한다.

Physical AI 벤치마크 시리즈 제142편 — Physical AI 인재 전쟁: Tesla 대 Waymo의 ML 엔지니어 채용, 보상, 팀 구성

기술은 사람이 만든다. 인재 층——최고의 ML 엔지니어, 로보틱스 연구원, 컴퓨터 비전 박사를 어떤 보상으로, 어떤 유지율로 채용할 수 있는가——은 Physical AI 확장의 보이지 않는 제약이다. Tesla와 Waymo는 스탠퍼드, CMU, MIT, UC 버클리에서 배출되는 동일한 좁은 인재 풀을 놓고 경쟁하지만, 두 회사의 보상 구조, 팀 문화, 커리어 가치 제안은 근본적으로 다르다. 이 글은 팀 규모, 보상, 인재 흐름, 그리고 각 회사의 확장을 제약하는 특정 역할에 걸쳐 두 회사를 벤치마크한다.

“(추정)“으로 표시된 수치는 모두 공개 공시, 채용 공고, 업계 보상 데이터베이스, 연구 논문, 애널리스트 추정에서 도출된 것으로, 독립적으로 검증된 1차 데이터가 아니다. 이 글은 투자 조언을 구성하지 않는다.

섹션 1 — 팀 규모와 구성

범위 격차: Tesla 인원이 더 많은 이유

Tesla의 AI 엔지니어링 조직은 각각 전용 AI 인재를 필요로 하는 세 가지 독립적인 제품 라인에 걸쳐 있다: FSD/Autopilot(자율주행), Dojo(맞춤형 AI 학습 슈퍼컴퓨터), Optimus(휴머노이드 로봇). Waymo 조직은 자율주행에만 집중한다. 제품 라인별로 보면, Tesla FSD와 Waymo AV 간의 인원 차이는 표면적 숫자가 시사하는 것보다 훨씬 작을 가능성이 높다(추정).

박사 밀도와 문화 모델

Waymo의 Google X 기원은 학술 자격과 논문 발표 경력을 중시하는 연구 우선 문화를 만들었다. Tesla의 엔지니어링 문화는 학술적 명성보다 출하 속도와 엔지니어링 실행을 우선시한다. 두 모델 모두 객관적으로 우월하지 않다: Waymo의 연구 깊이는 최첨단 인식 및 계획 알고리즘을 만들고; Tesla의 실행 문화는 더 빠른 FSD 반복 속도를 만든다. 문화적 차이는 각 회사가 어떤 엔지니어를 유치하고 유지하는지를 직접적으로 형성한다.

섹션 2 — 보상 비교

보상 격차: 대부분 레벨에서 Waymo가 20~30% 높음

levels.fyi, Glassdoor, LinkedIn Salary의 2026년 중반 기준 공개 보상 데이터(추정)에 따르면, Waymo는 L4부터 스태프까지 모든 레벨에서 Tesla보다 일관되게 20~30% 높다. 이 격차는 Waymo가 Google, DeepMind, 기타 Alphabet 관련 기업과 직접 경쟁해야 하는 필요성을 반영한다. Tesla의 보상 구조는 다르다: 보장 기본급이 낮고, 주식 비율이 높으며, FSD와 Optimus가 상업적 제품으로 실현되면 Tesla RSU가 크게 상승할 것이라는 암묵적 “미션 프리미엄”을 포함한다.

섹션 3 — 주요 인재 흐름과 경쟁 역학

대학 파이프라인: 스탠퍼드·CMU·MIT에의 고도 집중

Tesla와 Waymo는 동일한 5개 기관과 깊은 채용 관계를 구축하고 있다: 스탠퍼드 CS/EE, 카네기멜론 대학 로보틱스 연구소 및 ML 학부, MIT CSAIL, UC 버클리 EECS, UIUC. 이들 기관에서 매년 배출되는 컴퓨터 비전, ML, 로보틱스 박사는 수천 명이 아닌 수백 명 수준이다. 두 회사는 동일한 졸업 코호트를 놓고 경쟁하며, 이 풀은 빠르게 커지지 않는다.

섹션 4 — 확장 제약으로서의 인재

Tesla의 핵심 인재 제약: Optimus 하드웨어/AI와 Dojo 맞춤형 실리콘

Tesla에서 가장 제약이 심한 두 가지 역할은 FSD ML 엔지니어가 아니다——AV 인식 및 계획 엔지니어는 시장에 상당수 존재한다. 진정으로 희귀한 역할은 Optimus 하드웨어-AI 통합 엔지니어(메카트로닉스 + ML 공동 설계)와 Dojo 맞춤형 실리콘 엔지니어(VLSI 설계 + ML 학습 시스템 아키텍처)이다. 이 규모와 통합 깊이로 휴머노이드 로봇을 구축하는 다른 회사가 없기 때문에, Optimus 하드웨어-AI 역할에는 확립된 인재 파이프라인이 거의 없다——Tesla는 이러한 엔지니어의 대부분을 내부에서 양성해야 한다. 이 두 가지 제약은 Tesla의 Optimus 및 Dojo 로드맵에 자본만큼이나 구속력을 갖는다.

Waymo의 핵심 인재 제약: 대규모 원격 운영

Waymo의 제약은 전혀 다르다: 원격 운영 전문가이다. Waymo의 비즈니스 모델은 여러 차량을 모니터링하는 인간 원격 운영자에 의존한다——목표 운영 비율은 시나리오 복잡성에 따라 운영자 1명당 차량 10~100대 정도이다. 원격 운영은 화려한 엔지니어링 역할이 아니다——차량 모니터링, 사고 대응, 고객 서비스, 불확실한 상황에서의 실시간 의사결정을 결합한 것이다. 10개 도시 10,000대 규모에서 원격 운영 인력을 대규모로 채용, 교육, 유지하는 것은 Waymo의 ML 연구 채용 파이프라인과 거의 겹치지 않는 인적 자본 과제이다.

섹션 5 — 인재 벤치마크 스코어카드

종합 평가

Tesla는 인원수, 미션 범위, 로보틱스 고유성에서 우위를 점한다. Waymo는 보상 경쟁력, 연구 깊이, 유지율에서 우위를 점한다. Tesla의 진정한 인재 제약은 Optimus 하드웨어/AI와 Dojo 칩 엔지니어링——Tesla 자체 외에 유사한 파이프라인이 거의 존재하지 않는 두 가지 역할이다. Waymo의 제약은 대규모 원격 운영——ML 연구만큼 화려하지 않지만, 규모에서의 채용이 더 어려운 운영상 중요한 역할이다. Physical AI의 인재 전쟁은 가장 높은 보상을 제시하는 것만으로는 이길 수 없다——최고의 엔지니어들이 거부할 수 없는 문화적 가치 제안을 구축함으로써 이긴다. Tesla와 Waymo는 완전히 다른 가치 제안을 구축했으며, 두 가지 모두 작동하고 있다.

참고: “(추정)“으로 표시된 모든 수치는 공개 공시, 채용 공고, levels.fyi 등 보상 데이터베이스, 연구 논문, 애널리스트 추정, 2026년 중반 기준 업계 보고서에서 도출됐다. 이 글은 투자 조언을 구성하지 않는다.

출처

• Tesla AI 및 Autopilot 팀 — Tesla 채용 ↗
• Waymo 채용 및 팀 — Waymo ↗
• AI 엔지니어 보상 벤치마크 — levels.fyi ↗
• CMU 로보틱스 연구소 — 학술 인재 파이프라인 ↗
• Stanford AI Lab — 대학 인재 파이프라인 ↗

태그