바이두는 하루 10만 km를 가상으로 달린다. 테슬라와 웨이모의 경쟁은 어떻게 달라질까?
실제 도로에서 수년간 달려야 경험할 상황을 가상세계에서는 하루에도 반복할 수 있다. 바이두의 Apollo World가 보여준 것은 자율주행 훈련의 속도이며, 투자자가 확인해야 할 것은 그 훈련이 현실의 안전성과 로보택시 수익으로 이어지는가다.
20초 핵심
1. 도로를 달리지 않고도 운전을 배울 수 있다면?
자율주행차가 가장 배우기 어려운 순간은 흔한 직진이나 차선 변경이 아니다. 보행자가 갑자기 뛰어나오거나 앞차가 예상 없이 급제동하는 순간이다.
문제는 이런 위험이 실제 도로에서 언제 발생할지 모른다는 점이다. 경험을 쌓으려면 기다려야 하고, 실제로 마주치는 과정에는 위험도 따른다.
바이두가 11월 3일 발표한 Apollo World는 바로 이 문제를 겨냥한다. 도로와 교통 상황을 가상으로 만들어 자율주행 AI가 드문 상황까지 반복해서 학습하도록 돕는 시스템이다.
핵심은 도로를 더 오래 달리는 것이 아니라, 꼭 배워야 할 위험을 더 자주 만나는 것이다.
2. 하루 10만 km, 숫자보다 중요한 것
Apollo World가 하루에 생성할 수 있는 최대 가상 주행 데이터 분량
바이두는 이 규모를 약 3년간의 실제 도로 시험 주행거리에 비유했다. 가상세계에서는 보행자 돌발 진입이나 앞차의 급제동을 수천 번 되풀이할 수 있다.
시스템은 실제 도로와 비슷한 환경을 만들고, 교통 상황의 변화를 예측하며, 카메라와 라이다 센서 데이터도 생성한다. 바이두는 이미 자사 로보택시 Apollo Go 훈련에 활용하고 있다.
그렇다고 가상 10만 km가 현실 10만 km와 같은 학습 효과를 뜻하는 것은 아니다. 엉뚱한 위험을 백만 번 연습하는 것보다 실제 사고로 이어질 상황을 정확히 연습하는 편이 중요하다.
시뮬레이션의 경쟁력은 가상 주행거리의 양이 아니라 현실을 닮은 훈련의 질에서 나온다.
3. 테슬라는 현실, 바이두는 가상? 그렇게 단순하지 않다
테슬라는 실제 차량에서 수집한 영상 데이터와 엔드투엔드 신경망 중심의 접근으로 알려져 있다. 반면 웨이모와 바이두는 실제 운행 데이터에 시뮬레이션을 결합한다.
그러나 이를 ‘테슬라는 현실만, 경쟁사는 가상만’이라는 대결로 받아들이면 중요한 차이를 놓친다. 실제 도로 경험과 가상 훈련은 서로를 대체하는 선택지라기보다 함께 활용할 수 있는 도구다.
현실에서 배우는 것
실제 운전자와 보행자의 예측하기 어려운 행동, 센서가 마주치는 복잡한 도로 환경.
가상에서 연습하는 것
현실에서는 드물거나 위험해 반복하기 어려운 상황, 특정 실패 사례의 집중 훈련.
앞으로의 질문은 누가 현실 데이터를 더 많이 보유했느냐에 그치지 않는다. 현실에서 발견한 취약점을 가상에서 얼마나 빠르게 보완하고, 다시 현실에서 확인하느냐가 중요해진다.
좋은 자율주행 학습 체계는 현실과 가상의 대결이 아니라 두 세계를 연결하는 능력이다.
4. 투자자는 주행거리보다 로보택시의 사업성을 봐야 한다
테슬라(TSLA)와 알파벳의 웨이모를 보는 투자자에게 주행 데이터는 출발점이다. 진짜 경쟁은 그 학습 능력이 실제 서비스 확장으로 이어질 때 시작된다.
새로운 도시에 로보택시를 투입할 때 안전성을 확보하기 위해 얼마나 많은 시간과 비용이 필요한가. 서비스가 확장될수록 차량 한 대가 벌어들이는 돈은 얼마나 늘어나는가.
좋은 시뮬레이션은 실제 도로에서 모든 위험을 처음부터 반복해 경험해야 하는 부담을 줄이는 데 도움을 줄 수 있다. 성공한다면 더 빠른 도시 확장과 낮은 훈련 비용으로 연결될 여지가 있다.
이 과정에는 가상환경을 만들고 AI를 훈련하는 연산 자원도 필요하다. 엔비디아 같은 AI 인프라 기업과 연결해 볼 수 있는 이유다.
로보택시의 기업가치는 학습한 거리보다 실제 도시에서 안전하고 경제적으로 운행하는 능력으로 평가해야 한다.
5. 앞으로 확인할 세 가지 숫자
- 새 도시 진입에 드는 시간 - 짧아질수록 학습과 검증을 다른 지역에 적용하는 능력이 강해진다는 신호다.
- 안전성과 운영 비용 - 안전한 운행을 유지하면서 투입 비용이 낮아져야 시뮬레이션의 경제적 가치가 드러난다.
- 차량 한 대당 수익성 - 운행 서비스가 확대돼도 차량당 벌이가 개선되지 않는다면 기술 발전이 곧바로 좋은 사업이 되는 것은 아니다.
Source : Reuters, 2026년 11월 3일, Baidu의 Apollo World 발표 관련 보도.
바이두가 던진 질문은 ‘누가 가장 많은 거리를 달렸는가’가 아니다. 누가 같은 실패를 더 적은 비용으로, 더 빨리 고칠 수 있는가다.
가상 주행 데이터가 늘어도 현실의 위험을 잘못 재현한다면 안전성 개선으로 연결되기 어렵다. 반대로 실제 운행 중 드러난 문제를 정확한 가상 훈련으로 되풀이하고 고칠 수 있다면 도시 확장 속도가 달라질 수 있다.
테슬라와 알파벳을 평가할 때도 데이터의 규모와 기술 발표에만 머무르지 말자. 그 기술이 새로운 도시에서 운행을 시작하는 비용을 낮추고, 차량 한 대의 경제성을 개선하는지까지 확인해야 한다.
- 아니다. 생성된 가상 데이터의 양을 나타낸다. 투자 판단에는 현실의 위험을 얼마나 정확히 재현하고 실제 운행 성능을 개선하는지가 더 중요하다.
- 그렇게 볼 근거는 부족하다. 기업별 데이터 수집 방식과 학습 체계가 다르다. 비교해야 할 대상은 단일 기술 발표보다 실제 서비스의 안전성과 확장 효율이다.
- 실제 운행과 시뮬레이션을 결합한 학습이 새로운 도시에서 안전한 서비스를 시작하는 속도와 비용에 어떤 변화를 만드는지 살펴봐야 한다.
- 가상환경 생성과 AI 학습에는 연산이 필요하다는 점에서 관련성이 있다. 그러나 Apollo World 발표만으로 엔비디아의 직접적인 매출 수혜를 확정할 수는 없다.
체크 포인트
인사이트 타임스 편집부
