웨이모 공동 CEO의 물리 세계 AI 7가지 교훈: 데모 18개월, 제품 15년의 격차

핵심 메시지

• 작동하는 데모는 실제로 해야 할 일의 1%에 불과하며, 웨이모는 데모까지 18개월, 제품까지 약 15년이 걸렸다.
• 물리 세계 AI는 디지털 AI와 네 가지 지점에서 다르다: 오류 비용, 지연 시간, 데이터, 검증.
• 성능과 신뢰성은 '9의 사다리' 위에 있어, 자릿수 하나를 더할 때마다 약 10배의 노력이 필요하고 접근법 자체가 달라져야 한다.
• 새 기술 도입의 기준은 성능 향상만이 아니라 스택이 단순해졌는가, 파편화가 줄었는가여야 한다.
• 모델은 기본 조건일 뿐이고, 평가와 지표가 진짜 해자다. 신뢰는 공개된 안전 데이터로 쌓인다.

쉽게 이해하기

웨이모 공동 CEO 드미트리 돌고프가 Y Combinator 스타트업 스쿨 2026에서 물리 세계에서 작동하는 AI를 만들며 얻은 일곱 가지 기술적 교훈을 발표했다. 그는 화면 안에 사는 AI와 달리 물리 세계의 AI는 원자를 다루기 때문에 '빠르게 움직이고 부수는' 실리콘밸리식 격언이 통하지 않는다고 말했다. 대신 '빠르게 움직이되 안전하게 출시한다'가 원칙이 되어야 하고, 이는 훨씬 어려운 일이라는 것이다.

그가 제시한 물리 세계 AI의 네 가지 격차는 구체적이다. 오류 비용의 격차는 챗봇의 실수가 재시도 한 번으로 끝나는 반면 도로 위의 실수는 사람의 생명으로 측정된다는 점이고, 지연 시간의 격차는 고속도로 속도의 차량이 1초에 약 30미터를 이동하기 때문에 밀리초가 중요하다는 점이다. 여기에 물리 세계에는 인터넷 같은 사전 라벨링된 지식 저장고가 없다는 데이터 격차, 그리고 '일단 출시하고 사용자가 엣지 케이스를 찾게 한다'는 방식이 불가능한 검증 격차가 더해진다.

발표에서 가장 인상적인 숫자는 시간이다. 웨이모는 2010년 무렵 열두 명 남짓한 팀으로 1년 반 만에 자율주행 10만 마일과 100마일짜리 경로 10개 무개입 주행이라는 목표를 달성했다. 컨브넷도 트랜스포머도 등장하기 전이었고 '데모 기준으로는' 자율주행이 풀린 셈이었다. 그러나 무인 서비스를 시작하기까지 다시 10년, 주당 50만 회 규모로 확장하기까지 5년이 더 걸렸다.

기술 선택에 관한 조언도 분명했다. 사람은 눈만으로 운전하니 카메라만으로도 가능하다는 주장에 대해, 그는 목표가 인간 수준 근사나 보조 기능이라면 합리적이지만 초인적 안전성을 목표로 하면 약한 센싱은 안전 곡선이 너무 일찍 평평해진다고 답했다. 웨이모는 카메라·라이다·레이더를 각각 인코더로 처리해 하나의 세계 표현으로 융합하며, 모래폭풍이나 조명 없는 야간처럼 카메라가 거의 아무것도 보지 못하는 장면에서 라이다가 보행자와 아이들을 먼저 잡아내는 사례를 보여줬다.

마지막 교훈은 조직에 관한 것이다. 에이전트 하나가 아니라 에이전트·시뮬레이터·비평자(critic) 세 축을 모두 만들고, 실제 배포가 데이터를 낳고 그 데이터가 시뮬레이터를 현실화하며 시뮬레이터가 더 어려운 상황을 만들어내는 플라이휠을 돌려야 한다는 것이다. 다만 플라이휠은 아무 방향으로나 돌 수 있기 때문에 이를 이끄는 것은 평가와 지표이며, '무엇이 충분한지 정량적으로 정의하지 못한다면 제품이 아니라 데모를 반복하고 있는 것'이라고 그는 말했다.

주요 인사이트

• 기술 도약이 일어날 때마다 데모는 100배 쉬워지지만 롱테일의 난이도는 거의 줄지 않는다. 발표자는 이 비대칭이 매 사이클마다 화려한 데모와 극소수의 실제 제품을 만들어내는 이유라고 설명했다.
• 구조(structure)는 규모(scale)와 싸우면 지고 규모를 실어 나르면 이긴다. 웨이모는 순수 엔드투엔드 대신 학습된 표현에 명시적 구조 표현을 더한 '구조 보강 엔드투엔드'를 택했고, 이를 통해 추론 시점의 안전 검증 계층과 더 효율적인 학습·평가가 가능해졌다고 밝혔다.
• 시뮬레이터는 AI 옆에 놓인 도구가 아니라 그 자체로 큰 AI 모델이며, 좋은 시뮬레이터를 만드는 문제는 에이전트를 만드는 문제만큼 어렵다. 웨이모는 행동 세계 모델과 센서 세계 모델을 함께 써서 고속도로에 착륙하는 비행기 같은 합성 시나리오까지 폐루프로 평가한다.
• 새 기술로 태스크포스를 띄울 때는 성공 시나리오에서 그 결과가 회사 전체 시스템으로 어떻게 이어질지를 먼저 정해야 한다. 어려운 프로젝트가 성공했는데 갈 곳이 없어 사장되는 것이 흔한 실패 모드라는 지적이다.
• 모델과 알고리즘은 유출되거나 복제될 수 있지만, 증거 수준의 평가와 공개 검증을 거친 수억 마일의 실주행 기록은 훨씬 복제하기 어렵다. 발표자는 이것이 물리 세계 AI에서 신뢰가 사업적 해자가 되는 이유라고 말했다.

자주 묻는 질문

관련 AI 소식