Video: 사이버캡 직접 타본 사람들 반응은? 역세권 의미 변화, 일상과 돈 버는 규칙이 달라질 수 있다 | 로보택시 시대의 일상
Channel: 안될공학 - IT 테크 신기술
Duration: 11m 3s
Source: subtitle (auto, ko)
Transcript:
네, 여러분 안녕하세요. 패치입니다. 여러분, 지금 보시는 화면은 미국 오스틴 일부 지역에서 승객을 태우기 시작한 테슬러 사이버캡의 실제 탑승 영상입니다. 차가 달리는데 앞에는 운전대도 페달도 없어요. 그 자리에는 커다란 화면만 있고 승객은 나란히 앉아서 이동을 하는데요. 처음에는 운전대가 없다는 점에만 눈이 가지만 실제 후기를 보면 조용하고 승차감이 아주 편안하다는 이야기가 많습니다. 택시 기사님이랑 어색한 대화를 나누거나 괜히 말을 이어갈 필요도 없이 목적지까지 온전히 혼자서 시간을 보낼 수 있다는 점도 장점이고요. 세시간 동안 여러 차를 탔다는 이용자는 차가 덜 컹거리거나 판단을 망설리는듯한 그런 주춤주춤하는 움직임도 거의 느끼지 못했다고 하는데요. 한 사람의 경험이지만 이동하는 동안 차 안에서 편하게 쉬거나 자기 일을 할 수 있겠다는 그런 기대를 갖게 합니다. 시각 장애인 승객은 사이버캡 신뢰가 거실처럼 편안했다라고 표현을 했는데요. 기사에게 목적지를 설명하거나 도움을 요청하지 않고 호출부터 이동까지 혼자 할 수 있다는 점이 좋았다고 합니다.

다만 여러 대가 도착하면 자신의 차를 찾기가 어렵고 음성으로 목적지를 바꾸는 기능도 부족했다고 하는데요. 운전자만 없애면 끝나는게 아니라 차를 찾고 타고 내리는 과정까지 혼자 할 수 있어야 한다는 거죠. 이건 시각 장애인만의 문제가 아니겠죠. 면허가 없거나 운전히 익숙하지 않은 사람 그리고 몸이 불편해서 운전하기 어려운 분들도 계시죠. 지금도 택시를 물론 이용을 할 수가 있지만 가까운 거리까지 매번 부르기에는 좀 부담스럽고 또 호출이 잘 잡히지 않을 때도 있잖아요. 집 근처에서 차가 금방 오고 또 요금까지 충분히 낮아진다면 다른 사람한테 운전을 부탁하거나 일정을 미루지 않고 필요할 때 바로 움직일 수 있겠죠. 사이버캡은 앞쪽 라이트바에 차량마다 다른 색을 띄우고요. 호출한 사람의 휴대 전화를 감지를 하면 문을 자동으로 열어 줍니다. 여기에 음성으로 차를 찾고 목적지를 바꾸는 기능까지 더 자연스러워진다면 시각 장애인이나 노약자는 물론 운전이 어려운 분들도 훨씬 편하게 이용을 할 수 있을 것 같습니다.

이걸 출퇴근에 적용을 하면 하루의 시작과 끝도 달라질 것 같은데요. 아침에는 직접 운전을 하는 대신에 못 읽었던 자료를 보거나 잠깐 눈을 붙이고요. 퇴근 후에는 차를 세워둔 곳으로 돌아갈 필요가 없이 약속 장소에서 바로 귀가를 할 수 있는 거죠. 물론 지금도 택시에서 가능한 일인데요. 하지만 매일매일 부담없이 부를 수 있을만큼 저렴하고 또 오래 기다리지 않아도 될만큼 차량이 많아진다면 로봇 택시는 가끔 타는 택시가 아니라 생활의 기본 선택지가 될 수 있겠죠. 근데 이렇게 되면 집에 차를 여러대 갖고 있어야 할지도 다시 생각을 해 보게 됩니다. 주말에 가족이 함께 타는 차는 유지를 하고 평일에 혼자 움직이는 일은 그냥 호출 차량에 맡기는 거죠. 하지만 현재 사이버캡은 2인승이고 13세 미만은 탑승할 수가 없어서 어린 자녀의 등학교까지 맡기는 그림은 아직 좀 어려울 것 같네요. 자, 그럼 이런 생활에 익숙해지려면 아침에 앱을 켰을 때 바로 와줄 차가 있어야겠죠. 초기 이용 기록에는 약 7.6km를 6km를 가고 9달러 62cm를 낸 사례가 있습니다.

다른 시점에 약 2km 구간에서는요. 사이버캡 견적이 15달러 24cm, 우버 X가 7달러 95c였고요. 사이버캡 대기는 한 1한시간 이상으로 표시가 됐는데요. 출시 무렵에 텍사스에 등록된 사이버캡이 45대였다는 로이터 보도를 함께 보면 아직은 세 차를 타 보려는 많은 사람들이 적은 차량에 몰리는 시기라는 점도 좀 감안을 해야 할 것 같습니다.이 이 몇 건 가지고 장기적인 요금을 판단하기는 어려울 것 같고요. 근데 테슬라가 운행 비용을 낮추고 차량을 충분히 공급한다면 오늘 한번 타 볼까 하던 서비스가 매일 아침 당연히 부르는 그런 루틴으로 이어질 수도 있겠죠. 그때부터는 집을 고를 때도 꼭 역세권인지 아니면 주차장이 넉넉한지 이런 거를 따지는 기준도 달라질 수가 있을 것 같습니다. 저렴한 로봇 택시가 집앞까지 금방 온다면 여기서 조금 먼 곳도 지금보다 별로 불편하지 않을 테니까요. 테슬라만 사이버캡을 운영하는 건 아닙니다. 개인이나 기업이 차를 사서 로보택시 사업을 하는 방안도 추진을 하고 있는데요.

현재는 구매를 원하는 사람들의 신청을 받고 있다고 합니다. 그리고 차량을 충전하고 관리를 받을 운영점 사업자도 함께 모집을 하고 있어요. 한 사업자는 차량을 보유하고 운영하고 또 다른 사업자는 충전과 청소를 맞는 그런 공간을 운영하는 모습을 그려 볼 수 있겠죠. 구체적인 계약이랑 수익 배부는 앞으로 확인을 해야 하겠지만 어떤 참여자를 모으려는지는 신청 항목에서 잘 드러납니다. 2016년 테슬라의 두 번째 마스터 플랜에는 내가 일하거나 휴가를 간 동안 차를 공유 차량망에 넣어 가지고 돈을 벌게 한다는 구상이 이미 담겼었는데요. 그때 당시의 그림이 차량이랑 운영점을 준비하는 단계로 이어지고 있는 셈이라고 보시면 돼요. 내가 타려고 사는 차라면 승차감이나 주행 거리를 먼저 보겠지만 이거를 내가 사업용으로 움직이려고 몇 대를 산다면 질문이 하나 더 붙겠죠.이 차들이 과연 하루에 얼마나 일할 수가 있죠? 자, 아침 7시에 로보택시 사업자가 소유한 차량들이 주택가에서 출근 손님을 태우기 시작했다고 해 볼게요.

회사 앞에 손님을 내려주고 나면 다음 손님이 어디 있는지가 수익을 자우할 텐데요. 매번 빈차로 주택가까지 다시 돌아오게 되면 돈을 받지 못하는 이동에도 전기와 시간이 들어가게 되니까요. 맥킨지의 2025년 공유 자율주행차 분석도 비용을 낮출 요인으로는 가동률이랑 배차 개선을 짚었습니다. 차량을 싸게 만드는 효과에 더해 가지고 도시 안에서 빈차로 달리는 거리를 줄일 여지가 있다는 거죠. 어떤 공연이 있어서 저녁에 공연이 끝난다면 그 끝나는 시간에 맞춰 가지고 근처에 차를 미리 보내 둘 수 있겠죠. 근데 그렇다고 전부 공연장으로 다 보내 버리면 다른 동네에서 퇴근하는 사람들이 또 기다리게 될 거예요. 이런 차량 배치랑 배차를 함께 조정하려는 연구에서는 강화 학습을 활용한 방식을 시뮬레이션으로 평가를 하고 있습니다. 물론 테슬라의 실제 운영 방식으로 확인된 내용은 아니지만 차량이 많아졌을 때 우리가 풀어야 할 문제를 좀 보여 주는데요. 차주는 차를 몇대 확보했느냐만큼이나 충전이랑 청소로 쉬는 시간을 어떻게 줄일 건지도 생각을 해야 하겠죠.

이런 작업에 사람 손이 덜 가고 관리하는 시간이 줄어들수록 사업자는 더 많은 차량을 관리할 여지가 생길 겁니다. 그렇게 되면 출근 손님이 빠져나간 뒤에는 충전을 하면서 다음 호출을 기다리는 차도 생길 것 같은데요. 이렇게 쉬고 있는 차 안에 컴퓨터까지 활용을 할 수 있게 된다면 어떨까요? 머스크는 2025년 주주 총회에서 밤에 차고에 세워둔 차량으로 AI 출론 작업을 처리를 하고 그 대신 차주에게 월 100달러나 200달러 가량에 돈을 주는 구상을 이야기한 적이 있습니다. 물론 이게 확정된 지급액은 아니고 또 구체적으로 어떤 작업을 맡길지는 밝히지 않았지만 이미 학습한 AI를 실행을 해 가지고 결과를내는 일을 차량의 컴퓨터에다가 맡기겠다는 건데요. 우리가 차량용 컴퓨터라고 하면 내비게이션을 돌리는 정도를 떠올리기 쉽잖아요. 그런데 테슬라는 카메라 영상을 해석하고 주행을 판단할 AI 칩을 직접 설계를 해왔습니다. 그러면 많은 곱셈이랑 덧셈을 한꺼번에 처리를 하는 회로가 들어가게 되겠죠. 2019년에 나온 HW3도 칩나의 AI 연산 성능이 약 72스, 그러니까 초당 72조회 수준입니다.

비교할 만한 예로 인텔 코어 울트라 200V 노트의 AI 전용 장치는 최대 48스인데요. 오래 전에 나온 차량용 칩도 요즘 노트북의 AI 전용 장치랑 견줄 규모의 계산 능력을 넣어 둔 거예요. 물론 연산 조건이 다르고 PC는 CPU랑 GPU도 있으니까 PC 전체보다 몇 배 빠르다는 그런 뜻으로 해석을 하긴 좀 어렵고요. 아무튼 그 이후에 HW4 다른 이름으로 AI4가 나왔고요. AI5는 설계를 맞춰 가지고 제작 단계로 넘겼다는 발표가 있습니다. AI6도 개발 중이라고 밝혔죠. 후속칩의 실제 성능이랑 차량 탑재는 확인을 해야 하겠지만 차량 안에서 활용할 계산 자원을 더 키우려는 방향은 그대로 쭉 이어지고 있습니다. 자, 그럼 차 안에 컴퓨터에 무슨 일을 바뀔 수 있을까요? 예를 들어서 어떤 회사가 사진을 아주 많이 분류를 해야 한다고 생각을 해 볼게요. 충전 중인 차량에다가 사진을 나눠 보내고 각자 처리한 결과를 돌려받는 방식을 생각해 볼 수 있는데요. 이미 학습한 AI가 새로 들어온 요청을 처리하는 계산을 추론이라고 부르죠.

차마다 필요한 AI 모델을 넣어 두면 서로 다른 사진을 동시에 처리할 수 있겠죠. 차량끼리 계속 상의할 필요가 없이 자기 몫을 그냥 끝내면 되는 거예요. 주차된 차량의 계산 자원을 모아서 쓰자는 아이디어는 연구에서도 다뤄진 바가 있는데요. 2016년에 IRI플 E에 실린 논문은 회사 주차장처럼 차량이 모여 있는 곳을 컴퓨팅에 활용하는 구조를 제시했습니다. 이동 중인 차보다 위치랑 연결이 안정적이라는 그런 장점이 있어요. 자,이 조건을 사이버캡에다 적용을 해 보면 통신이랑 충전 시설을 갖춘 운영점이 먼저 시도를 해 볼 만한 장소이죠. 사업자가음이 차는 앞으로 한 한시간 정도 더 충전을 해야 합니다라고 미리 알 수 있으면 그 안에 끝낼 작업을 배정을 하기도 수월하겠죠. 테슬라가이 서비스를 발표를 했다는 뜻은 아니고요. 기존 연구들을 바탕으로 그려 볼 수 있는 그런 활용 방향들입니다. 그런데 차량 100대를 연결한다고 AI가 무조건 100배 빨라지는 건 아니에요. AI 모델 하나를 여러 차에다가 나눠서 돌리면 계산 도중에도 서로 결과를 주고받아야 하거든요.

이때는 인터넷으로 데이터를 주고받느라고 기다리는 시간이 더 길어질 수가 있습니다. 그래서 차라리 차마다 각자 끝낼 수 있는 일을 나눠서 맡기는 쪽이 더 적합할 수가 있죠. 다만 AI 모델이 차량의 메모리에 들어갈만큼 작아야 되고요. 테슬라 칩에서 돌아갈 수 있도록 소프트웨어도 준비를 해야 하고요. 차 안에 컴퓨터가 있다고 바로 아무 AI나 돌릴 수 있는 건 아니라는 말이에요. 머스크는 차량 1억 대가 각각 1kW씩 AI 작업을 하면 모두 합쳐 가지고 100GW 규모가 된다는 그런 가정도 제시를 했는데요. 물론 엄청난 숫자이지만 이건 계산 성능이 아니라 사용하는 전력을 합한 값입니다. 실제로 얼마나 많은 일을 처리할 수 있는지 그리고 전기 요금을 내고도 돈이 남는지는 진짜 따로 따져 봐야겠죠. 그런데 이런 기능이 생긴다면 차주는 손님이 없는 시간에도 돈을 벌 수 있을 거예요. 출퇴근 시간에는 손님을 태우고 호출이 뜸할 때는 AI 작업을 맡기는 그런 식입니다. 물론 실제로 가능해지려면 AI 작업 중에 손님이 불러도 운행에 지장이 없도록 만들어야 될 거고요.

오히려이 일에는 하루 종일 돌아다니는 로보택시보다는 밤새 차고에 세워두는 개인 차량이 더 유리할 수도 있는데요. 차를 쓰지 않는 시간이 길면 AI 작업을 맡길 시간도 그만큼 길어지니까요. 근데 다만 컴퓨터를 돌리는데도 전기는 들겠죠. 차주 입장에서는 받은 돈에서 전기요금이랑 추가로 드는 비용을 빼고 나서 얼마나 남는지가 중요할 것 같아요. 그 돈이 충분하다면 차에 이미 들어 있는 컴퓨터로 주차해 둔 시간에도 수입을 그냥 얻을 수 있는 겁니다. 어, 아직 차주가 수입을 어떻게 나눠받게 될지는 공개되지 않았습니다. 그리고 차가 AI 작업으로 돈을 버는 것도 앞으로 구현을 해 봐야 될 그런 구상이고요. 운행을 확대를 하려면 미국 도로 교통 안전국의 인증 관련 조사에도 대응을 해야 합니다. 그래도 차를 산 뒤에 테슬라가 계속 손님을 연결을 해 주고 나중에는 AI 작업까지 맡겨 준다면 차를 사는 이유도 좀 달라지겠죠. 내가 타고 다니는데 드는 돈뿐만이 아니라이 차가 나한테 얼마나 벌어 주게 될지도 따져 보게 될 테니까요.

결국 타는 사람은음 내일도 불러볼까? 그리고 차주는 아 한대 더 살까 이런 생각이 들어야 할 겁니다. 이용하기 편하고 요금도 부담이 없어서 손님이 계속 찾고 차주도 비용을 빼고 돈이 남아야지이 사업이 점점 커질 수가 있겠죠. 이런저런 재밌는 상상을 해보면서 그럼 오늘은 여기까지 패치였습니다.