와비(Waabi), 우버와 벤처캐피털로부터 10억 달러 투자 유치

핵심 요약

와비는 방대한 실도로 데이터 대신 고도화된 시뮬레이션 환경 '와비 월드'를 통해 학습 효율을 극대화하며, 트럭을 넘어 로보택시와 로보틱스 전반으로 확장 가능한 범용 AI 아키텍처를 구축하고 있다.

배경

자율주행 트럭 기술 기업 와비(Waabi)가 대규모 투자 유치와 우버와의 파트너십을 발표하며 업계의 주목을 받고 있다.

대상 독자

AI 투자자, 자율주행 기술 엔지니어, 모빌리티 산업 관계자

의미 / 영향

와비의 성공적인 펀딩은 자본 집약적인 실도로 데이터 수집 방식 외에도 시뮬레이션 기반 AI 학습 모델이 시장에서 충분한 신뢰를 얻고 있음을 보여준다. 향후 자율주행 업계는 테슬라의 '실데이터 중심' 모델과 와비의 '시뮬레이션 중심' 모델 간의 효율성 경쟁이 가속화될 전망이다.

섹션별 상세

00:00

와비의 10억 달러 투자 유치와 우버 파트너십

와비는 시리즈 C 펀딩을 통해 총 10억 달러를 확보했다. 이 중 7억 5천만 달러는 코슬라 벤처스(Khosla Ventures)와 G2 벤처스 등이 주도했으며, 우버가 추가로 2억 5천만 달러를 투자했다. 이번 파트너십을 통해 와비는 우버 플랫폼에 2만 5천 대 이상의 로보택시를 배치할 계획이다. 이는 와비가 기존의 자율주행 트럭 사업을 넘어 승용차 기반의 호출 서비스 시장으로 확장함을 의미한다.

•시리즈 C 10억 달러 투자 유치 성공
•우버 플랫폼 내 2만 5천 대 규모의 로보택시 배치 파트너십
•자율주행 트럭에서 승용차 호출 서비스로 사업 영역 확장

06:10

시뮬레이션 기반의 차별화된 AI 아키텍처: 와비 월드

와비의 핵심 경쟁력은 '와비 월드(Waabi World)'라는 폐쇄 루프 시뮬레이션 환경이다. 전통적인 자율주행 기업들이 수백만 마일의 실도로 주행 데이터에 의존하는 것과 달리, 와비는 디지털 트윈 환경에서 센서 데이터를 실시간으로 생성하고 엣지 케이스를 학습한다. 라켈 우르타순(Raquel Urtasun) CEO는 이 시스템이 인간처럼 주변 환경을 추론하며, 훨씬 적은 데이터와 자본으로도 확장이 가능한 범용 AI 구조를 가졌다고 밝혔다.

•폐쇄 루프 시뮬레이션 '와비 월드'를 통한 데이터 효율성 극대화
•실도로 데이터 의존도를 낮춘 범용 AI 아키텍처 구축
•인간과 유사한 추론 능력을 갖춘 자율주행 시스템 지향

와비 월드는 자율주행 AI가 가상 세계에서 수만 번의 사고와 돌발 상황을 겪으며 학습하게 하는 기술로, 실제 사고 위험 없이 고난도 상황을 학습할 수 있는 장점이 있다.

09:20

자율주행 시장의 경쟁 구도와 와비의 비전

웨이모(Waymo)와 테슬라(Tesla)가 실도로 데이터 수집에 집중하는 반면, 와비는 시뮬레이션을 통한 비용 효율성을 지향한다. 와비는 볼보(Volvo)와 협력하여 자율주행 전용 트럭을 개발 중이며, 소프트웨어는 이미 준비된 상태이다. 우버의 새로운 데이터 수집 그룹인 'Uber AV Labs'를 통해 파트너사들이 실세계 데이터를 공유받게 됨에 따라, 테슬라의 데이터 우위에 대응하는 연합 전선이 형성될 것으로 보인다.

•웨이모·테슬라와 차별화된 시뮬레이션 중심의 전략적 접근
•볼보와의 협력을 통한 자율주행 전용 하드웨어 개발
•Uber AV Labs를 통한 데이터 공유 생태계 참여

용어 해설

Waabi World: — 와비가 개발한 고성능 자율주행 시뮬레이터로, 가상 환경에서 AI를 학습시키고 검증하는 시스템이다.
Edge Case: — 일반적인 주행 상황에서 벗어난 드물고 위험한 돌발 상황을 의미한다.

주목할 인용

“우리의 핵심 기술은 사상 처음으로 단일 솔루션이 여러 수직 시장에서 대규모로 작동할 수 있게 한다.”
Raquel Urtasun·07:15
와비의 AI 아키텍처가 트럭과 승용차 모두에 적용 가능하다는 점을 강조하며

“우리는 거대한 차량 함대나 엄청난 규모의 데이터 센터, 끝없는 인력과 칩이 필요하지 않다.”
Raquel Urtasun·09:00
시뮬레이션 기반 학습의 자본 효율성을 설명하며

실무 Takeaway

실도로 데이터 수집 경쟁에서 벗어나 고도화된 시뮬레이션(Digital Twin)을 통한 학습이 자율주행의 새로운 대안으로 부상하고 있다.
자율주행 기술은 특정 차종에 국한되지 않고 트럭, 승용차, 나아가 일반 로보틱스로 확장 가능한 범용 아키텍처로 진화 중이다.
우버와 같은 플랫폼 기업과의 파트너십은 기술 상용화와 데이터 확보 측면에서 결정적인 경쟁 우위를 제공한다.