Mobility service를 AI 인프라 공급자로
우버 AV Labs가 던진 승부수
2026년 1월 27일 발표된 우버의 새로운 행보는 자율주행 산업의 중심 추가 어디로 이동하고 있는지를 명확히 보여줍니다. 우버는 이제 스스로를 단순한 호출 서비스 기업이 아닌 자율주행의 핵심 두뇌를 완성하는 AI 인프라 공급자로 재정의하며 AV Labs라는 새로운 카드를 꺼내 들었습니다.
실험실의 한계를 넘어서는 새로운 장벽
자율주행 기술이 우리 곁에 완벽히 다가오지 못하는 이유는 기술의 부족함보다는 현실의 복잡함에 있습니다. 우버는 뉴스룸을 통해 현재 기술이 마주한 본질적인 병목 현상을 다음과 같이 진단했습니다.
"이제 기술의 진보는 폐쇄된 시험 경로나 시뮬레이션 환경만으로는 이루어질 수 없습니다. 오직 대규모 상황에서만 나타나는 드물고 무질서한 실제 시나리오로부터 배우는 것에 달려 있습니다. 이러한 엣지 케이스(Edge cases)는 포착하기 어렵고 비용이 많이 들며, 안전하고 신뢰할 수 있는 자율주행을 지속 가능한 방식으로 대규모 배포하는 데 있어 주요한 병목 현상으로 남아 있습니다."
결국 자율주행차의 안전을 보장하는 것은 정해진 길을 수천 번 달리는 것이 아니라, 예기치 못한 돌발 상황인 Edge case를 얼마나 정교하게 학습하느냐의 싸움입니다.
우버 AV Labs가 제시하는 데이터 인프라 전략
우버는 더 이상 자율주행차를 직접 제조하는 리스크를 짊어지지 않습니다. 대신 전 세계 600개 도시에서 운행되는 우버 차량을 실시간 데이터 수집 기지로 활용하는 전략을 택했습니다.
1. 하드웨어에서 데이터로의 무게중심 이동
자율주행 기업들에게 가장 필요한 것은 현실의 날것 그대로인 데이터입니다. 우버는 전 세계 수백만 명의 드라이버를 실시간 센서로 활용하여, 구글의 웨이모나 테슬라가 확보하기 어려운 상업적 주행 환경의 방대한 데이터를 수집합니다. "하드웨어는 파트너사가 담당하고, 우리는 가장 해결하기 어려운 Edge case 데이터를 제공하겠다"는 선언입니다.
2. 자본 효율성을 극대화한 Asset-Light 모델
과거 자율주행 부문을 직접 운영하며 막대한 적자를 기록했던 우버는 이제 돈을 벌면서 데이터를 모으는 구조를 완성했습니다. 사용자가 비용을 내고 이용하는 서비스(Uber Rides, Eats) 과정에서 자연스럽게 데이터를 추출함으로써, 천문학적인 연구 비용을 소모하는 경쟁사들과 차별화된 수익 구조를 확보했습니다.
3. 자율주행 생태계의 운영체제를 향한 야심
우버는 특정 제조사와 대립하는 대신 웨이모, 루시드, 와비(Waabi), 뉴로(Nuro) 등 20여 개 이상의 기업을 파트너로 끌어들였습니다. 초기 데이터를 무상으로 제공하여 업계 표준을 선점하고, 향후 자율주행 기업들이 우버의 데이터 없이는 기술 고도화가 불가능한 환경을 구축하여 자율주행판 안드로이드나 AWS가 되겠다는 계산입니다.
테슬라와 우버: 양의 축적과 질의 독점
많은 이들이 우버의 행보를 테슬라의 FSD(Full Self-Driving) 전략과 비교합니다. 테슬라는 판매된 수백만 대의 차량에서 들어오는 압도적인 주행 거리와 데이터의 양을 강조하는 수직 계열화 방식을 고수합니다. 반면 우버의 AV Labs는 데이터의 양보다 다양성과 질에 집중합니다.
테슬라가 자사 차량이 달리는 곳의 데이터를 수집한다면, 우버는 전 세계 600개 도시의 서로 다른 교통 문화, 악천후, 복잡한 도심 교차로 등에서 발생하는 고품질 데이터를 수집합니다. 또한 우버는 현대 아이오닉 5 등을 활용해 단순 영상이 아닌 Lidar와 레이더가 통합된 센서 퓨전 데이터를 확보하며, 사물의 의도를 분석하는 Semantic Understanding 기술을 적용합니다.
특히 실제 운전자가 운전하는 동안 백그라운드에서 AI 소프트웨어를 돌려보며 인간의 판단과 AI의 판단 차이를 분석하는 Shadow Mode를 통해 기술적 정교함을 더하고 있습니다. 테슬라가 폐쇄적인 독자 생태계를 구축한다면, 우버는 모든 파트너가 이용할 수 있는 개방형 데이터 허브를 지향한다는 점이 근본적인 차이입니다.
기술이 궁극적으로 보호해야 할 삶
우리가 자율주행의 Edge case에 집착하는 이유는 단순히 기술적 완성도를 높이기 위해서가 아닙니다. 그 데이터 하나하나에는 도로 위를 달리는 사람들의 안전이 담겨 있기 때문입니다. 갑자기 튀어나오는 아이, 좁은 골목의 오토바이, 빗길 속의 대형 트럭 등 우리가 운전하며 느끼는 모든 불안의 순간이 우버가 수집하는 데이터의 실체입니다.
특히 대형 트럭 사고처럼 한 번의 실수가 돌이킬 수 없는 피해로 이어지는 영역에서는 이러한 실제 사고 유형 기반의 정교한 데이터가 무엇보다 절실합니다. 연구실의 수치가 아니라 실제 도로의 무질서를 학습하는 AV Labs의 노력은, 결국 비 오는 퇴근길이나 복잡한 어린이 보호구역에서도 우리 가족의 소중한 일상을 지켜주는 가장 확실한 안전장치가 될 것입니다.
우버는 이제 이동 수단을 제공하는 회사를 넘어 전 세계 도시의 흐름을 안전하게 제어하는 운영체제로 진화하고 있습니다. 데이터가 쌓일수록 모델이 정교해지고, 모델이 좋아질수록 서비스가 안전해지는 데이터 플라이휠의 선순환 속에서 우리가 꿈꾸던 자율주행의 미래는 더욱 견고해질 것입니다.
https://www.uber.com/newsroom/accelerating-the-worlds-autonomous-future/ (접속일 : 2026.01.28)