테슬라의 진짜 게임은 자동차가 아니다 — FSD 100억 마일과 옵티머스 Gen 3가 그리는 범용 자동화 기업의 청사진
테슬라 FSD 누적 주행거리가 100억 마일을 돌파하며 월 10억 마일씩 데이터가 축적되고 있고, 옵티머스 3세대 양산이 2026년 여름으로 확정됐다. 2026년 연간 자본지출 250억 달러 이상을 AI 컴퓨팅과 로봇 생산라인에 집중 투입하면서, 테슬라는 완성차 제조사에서 범용 자동화 플랫폼 기업으로 무게중심을 옮기고 있다. 기가 베를린의 FSD 무감독 물류 시범 운영(9만 3,000마일)은 유럽 규제 승인을 위한 실증 데이터로 기능하며, 통제 환경에서의 자율주행 상용화가 먼저 현실화될 가능성을 보여준다.
1. 100억 마일이 의미하는 것 — 데이터 스케일의 비대칭 우위
테슬라 FSD(Full Self-Driving, Supervised) 소프트웨어의 글로벌 누적 주행거리가 **100억 마일(약 161억 km)**을 공식 돌파했다. 이 수치 자체보다 중요한 건 증가 속도다. 현재 플릿(fleet)은 월간 약 10억 마일을 추가하고 있다. 2020년 FSD 베타 출시 당시 누적 500만 마일이었고, 2022년 9,100만 마일, 2024년 30억 마일로 지수적 성장을 거듭해 왔다는 점을 감안하면, 데이터 축적의 가속도가 붙는 ‘플라이휠 효과’가 본격적으로 작동하고 있다.
일론 머스크는 이전부터 100억 마일을 무감독(Unsupervised) 자율주행의 안전성을 입증하기 위한 임계 데이터 규모로 지목해 왔다. 미국 도로교통안전국(NHTSA) 기준으로 미국 내 인간 운전자의 치명 사고 발생률은 약 1억 마일당 1.35건이다. 테슬라가 100억 마일 규모에서 이보다 유의미하게 낮은 사고율을 통계적으로 증명할 수 있다면, 규제 당국과의 대화에서 정량적 근거를 갖추게 된다.
경쟁사와의 데이터 격차는 구조적이다. Waymo는 2024년 말 기준 누적 약 1억 마일(자율 및 시뮬레이션 포함)의 실도로 데이터를 보유하고 있으며, Cruise는 2023년 사고 이후 운영을 대폭 축소했다. 중국 시장에서는 바이두 Apollo가 가장 큰 플릿을 운영하지만, 도심 도로 기준 누적 주행거리는 수억 마일 수준으로 추정된다. 테슬라의 우위는 전용 자율주행 차량이 아니라 이미 판매된 수백만 대의 양산 차량이 데이터 수집 노드로 기능한다는 점에서 비롯된다.
| 지표 | 2020년 | 2022년 | 2024년 | 2026년 Q2 |
|---|---|---|---|---|
| FSD 누적 주행거리 | 500만 마일 | 9,100만 마일 | 30억 마일 | 100억+ 마일 |
| 월간 데이터 증가량 | 미공개 | ~수천만 마일 | ~3억 마일(추정) | ~10억 마일 |
| FSD 소프트웨어 버전 | Beta 초기 | v10.x | v12 (E2E) | v14 |
| 핵심 아키텍처 | C++ 규칙 기반 | 하이브리드 | 엔드투엔드 신경망 | 엔드투엔드(고도화) |
| 주요 경쟁사 누적 (추정) | Waymo ~2,000만 | Waymo ~4,000만 | Waymo ~1억 | Waymo ~1.5억(추정) |
이 표에서 드러나는 패턴은 명확하다. 데이터 축적은 선형이 아니라 기하급수적이며, 양산 차량 기반 플릿 모델은 전용 로보택시 운영 모델 대비 스케일링 비용이 근본적으로 낮다.
2. FSD 아키텍처의 진화 — 30만 줄의 코드가 사라진 이후
2023년 말 공개된 FSD v12는 테슬라 자율주행 개발 역사의 변곡점이었다. 30만 줄 이상의 C++ 규칙 기반 코드를 제거하고, 카메라 영상 데이터로 훈련된 엔드투엔드(end-to-end) 신경망으로 전환한 것이다. 이전까지 엔지니어가 일일이 코딩해야 했던 “좌회전 시 반대편 차량이 50m 이내이면 대기” 같은 규칙들이, 수십억 개의 주행 클립에서 패턴을 학습한 뉴럴넷으로 대체됐다.
이 아키텍처 전환이 중요한 이유는 **스케일링 법칙(scaling law)**과 직결되기 때문이다. 규칙 기반 시스템은 엔지니어 수에 비례해 개선되지만, 신경망 기반 시스템은 데이터와 컴퓨팅에 비례해 개선된다. 월 10억 마일의 데이터 유입과 250억 달러 규모의 AI 인프라 투자가 결합되면, 소프트웨어 성능 향상의 한계비용은 지속적으로 하락한다.
현재 운영 중인 v14는 v12의 아키텍처를 기반으로 추론 효율과 엣지 케이스 처리 능력을 고도화한 버전이다. 기가 베를린에서의 무감독 운영(다음 섹션에서 상세 분석)이 이 소프트웨어 위에서 돌아가고 있다는 점은, 통제 환경에서의 검증이 이미 실무 수준에 도달했음을 시사한다.
3. 기가 베를린 — 공장 안에서 먼저 시작된 무감독 자율주행
테슬라가 공개한 기가 베를린 내부 물류 시범 운영 데이터는 다소 과소평가되고 있다. 조립 라인에서 출고된 Model Y 차량들이 인간 운전자 없이 FSD Unsupervised를 사용해 출하 대기 구역까지 자율 주행하며, 누적 **9만 3,000마일(약 15만 km)**을 기록했다.
이 수치의 절대 규모는 100억 마일과 비교하면 미미하지만, 맥락이 다르다. 이것은 ‘Supervised’가 아니라 ‘Unsupervised’ — 즉 운전석에 사람이 앉아 있지 않은 상태에서의 주행이다. 공장 부지라는 통제 환경이기는 하지만, 테슬라가 공개적으로 “무감독”이라는 용어를 붙여 운영 데이터를 공시한 것은 규제 전략의 일부로 읽힌다.
유럽연합은 UN-ECE R157 규정을 통해 자율주행차의 유형 승인을 관장하고 있으며, 레벨 3 이상 시스템의 승인에는 ODD(Operational Design Domain) 내에서의 안전성 입증이 필수다. 공장 부지 내 물류는 속도 제한, 보행자 통제, 명확한 경로 등 ODD를 매우 좁게 설정할 수 있는 환경이다. 여기서 축적된 무사고 데이터는 “제한된 ODD에서의 무감독 자율주행은 안전하다”는 규제 논리의 출발점이 된다.
이 전략의 확장 시나리오는 다음과 같다:
- 공장 내부 물류 → 이미 운영 중
- 사유지 내 배송/이동 (예: 대형 리조트, 공항 턴어라운드) → 규제 부담 낮음
- 지오펜스된 공공 도로 → 로보택시 서비스의 초기 형태
- 일반 도로 무감독 → 최종 목표
테슬라가 미국(텍사스 오스틴)에서 로보택시 서비스를 2025년부터 제한적으로 운영하기 시작한 것과 맞물려, 유럽에서의 기가 베를린 실증은 양 대륙에서 동시에 규제 승인 파이프라인을 구축하려는 시도로 해석된다.
4. 옵티머스 Gen 3 — 코스튬에서 양산 라인까지
테슬라 옵티머스의 궤적은 솔직히 말해 이 산업에서 가장 극적인 서사 중 하나다. 2021년 AI Day에서 사람이 로봇 옷을 입고 등장했을 때, 업계의 반응은 조롱에 가까웠다. 2022년 AI Day에서 “범블비(Bumblebee)” 프로토타입이 무대 위를 어색하게 걸어 나왔을 때도 회의론이 지배적이었다.
그런데 2026년 여름, Gen 3(V3) 양산이 확정됐다. 그리고 2026년 5월 공개된 국제 특허는 이 프로젝트가 단순한 기술 시연이 아니라 제조 최적화 단계에 진입했음을 보여준다.
새 손(hand) 설계의 핵심:
- 22 자유도(DoF) — 인간 손의 약 27 자유도에 근접
- 25개 선형 액추에이터를 전완(forearm)으로 이전 — 손가락 자체의 질량을 줄여 정밀 제어와 반응 속도를 높이는 구조
- 이는 인간의 근골격 시스템과 유사한 설계 철학이다. 인간의 손가락 움직임도 대부분 전완부 근육에서 힘줄(tendon)을 통해 전달된다.
이 특허 설계가 양산 의도(production-intent)라는 점이 중요하다. 연구 단계에서는 최적의 성능을 추구하지만, 양산 단계에서는 조립 용이성, 부품 수 최소화, 원가 절감이 설계의 핵심 제약 조건이 된다. 액추에이터를 전완부에 집중 배치한 것은 손가락 모듈의 부품 수를 줄이고, 손 부분의 교체·정비를 단순화하는 효과도 가진다.
테슬라가 목표로 하는 단위 원가는 2만 달러 미만이다. Boston Dynamics의 Atlas(연구용, 비매품)나 Figure AI의 Figure 02(추정 가격 미공개, 수만~수십만 달러대)와 비교하면, 이 가격대는 범용 산업 로봇의 영역이 아니라 내구 소비재의 영역에 가깝다. 물론 초기 양산 단가가 이 수준에 도달하기는 어렵겠지만, 테슬라가 배터리·모터·인버터의 수직 통합 역량을 이미 보유하고 있다는 점은 원가 경쟁력의 구조적 기반이 된다.
Cortex 2.0 슈퍼컴퓨터가 기가 텍사스에서 온라인에 돌입한 것도 이 타임라인과 맞물린다. 옵티머스의 동작 제어 모델은 FSD와 마찬가지로 대규모 데이터와 컴퓨팅에 의존한다. Cortex 2.0은 옵티머스 Gen 3의 양산형 모델 학습에 특화된 인프라로, 실제 공장 환경에서의 작업 데이터를 기반으로 모델을 반복 훈련시키는 데 사용된다.
5. 250억 달러 — AI 인프라에 대한 압도적 베팅
테슬라의 2026년 1분기 실적은 이 회사의 자기 정체성이 어디를 향하고 있는지를 재무적으로 드러냈다. 차량 인도량은 35만 8,000대로, 양호하지만 폭발적이지는 않은 수치다. 실적 발표의 핵심 메시지는 다른 곳에 있었다: 연간 자본지출 250억 달러 이상, 주로 AI 컴퓨팅과 옵티머스 공장 라인에 집중 투입.
이 규모를 비교해 보자.
| 기업 | 2026년 예상 CapEx | 주요 투자 분야 |
|---|---|---|
| Tesla | $25B+ | AI 컴퓨팅, 옵티머스 양산, 로보택시 플릿 |
| Alphabet/Google | ~$50B+ | 클라우드/AI 인프라 |
| Microsoft | ~$60B+ | 클라우드/AI 인프라 (OpenAI 포함) |
| Meta | ~$40B+ | AI 인프라, Reality Labs |
| Amazon | ~$75B+ | AWS/AI 인프라, 물류 |
| GM/Ford | 각 $8-12B | 전통 제조, EV 전환 |
테슬라의 250억 달러는 빅테크 대비 작지만, 제조업 기반 기업으로서는 이례적이다. GM이나 포드의 전체 CapEx보다 크다. 그리고 이 투자의 방향이 “더 많은 차를 만들기 위한 공장”이 아니라 “AI 모델을 훈련시키기 위한 컴퓨팅 인프라와 로봇 양산 라인”이라는 점에서, 테슬라를 자동차 회사의 프레임으로 평가하는 것은 점점 부적절해지고 있다.
실적 발표에서 테슬라 경영진은 “미래 가치가 로보택시 플릿과 휴머노이드 로보틱스로 이동하고 있다(future value is shifting toward the Robotaxi fleet and humanoid robotics)“고 명시했다. 이는 투자자들에게 “차량 판매 실적으로 우리를 평가하지 말라”는 사실상의 선언이다.
6. 마스터플랜의 연속성 — 에너지에서 자동화로
테슬라 마스터플랜 Part 3(2023)는 “완전 지속가능 에너지로의 경로”를 제시하며 배터리 생산 스케일링과 재생 에너지에 초점을 맞췄다. 마스터플랜 Part 4는 이를 확장해 AI와 물리적 로보틱스의 융합 — 옵티머스와 무감독 FSD — 을 통한 범용 자동화를 핵심 미션으로 설정했다.
이 연속성에는 내적 논리가 있다. 전기차는 “운송의 탈탄소화”라는 문제를 풀기 위한 수단이었고, 자율주행은 “운송의 효율 극대화”를, 휴머노이드 로봇은 “노동의 자동화”를 목표로 한다. 세 영역 모두 배터리, 전력 전자, AI 소프트웨어, 대규모 제조라는 공유 기술 스택 위에 놓여 있다.
이 공유 스택이 테슬라의 구조적 해자(moat)다. FSD 훈련에 사용하는 신경망 아키텍처와 데이터 파이프라인은 옵티머스의 동작 제어 모델에도 적용된다. 기가팩토리의 대량 생산 노하우는 옵티머스 양산 라인에 이전된다. Cortex 슈퍼컴퓨터는 두 제품 라인의 모델을 동시에 훈련시킨다. 각 사업부가 별도로 존재하는 것이 아니라, 공유 인프라 위에서 시너지를 만들어내는 구조다.
7. 리스크 팩터 — 낙관론의 균형추
분석이 균형을 유지하려면 리스크를 명시해야 한다.
규제 불확실성: 100억 마일의 데이터가 있어도, 무감독 자율주행의 전면 허가는 정치적·법적 과정이다. 미국 각 주별 규제가 상이하고, 유럽은 UN-ECE 프레임워크를 따르되 개별 국가의 해석 여지가 크다. 기술적 준비와 규제 승인 사이에는 수년의 간극이 존재할 수 있다.
옵티머스의 실용성 검증: 통제된 환경에서의 시연과 실제 산업 현장에서의 범용 활용은 다른 문제다. 먼지, 진동, 예측 불가능한 물체와의 상호작용 등 현실 세계의 복잡성은 실험실에서 재현하기 어렵다. 2만 달러 미만 원가 목표의 달성 시점도 불투명하다.
자본 집약적 투자의 회수 시점: 250억 달러 이상의 CapEx가 실질적 매출로 전환되기까지의 기간이 길어지면, 주주 가치와 현금흐름에 대한 압박이 커진다. 차량 사업의 마진이 이 투자를 버틸 수 있는 수준을 유지하는 것이 전제 조건이다.
일론 머스크 리스크: 테슬라의 비전과 실행 타임라인은 머스크 개인에게 고도로 의존하고 있으며, 그의 정치적 활동과 다수 기업 경영에 따른 관심 분산은 지속적인 거버넌스 리스크 요인이다.
8. 그래서 지금 우리가 보고 있는 것은 무엇인가
테슬라는 “자동차 회사가 AI를 접목하는 중”이 아니라, **“AI 회사가 자동차를 한 가지 응용 분야로 보유하고 있는 상태”**로 전환하는 과정에 있다. 100억 마일의 FSD 데이터는 이 전환의 연료이고, 250억 달러의 AI 인프라 투자는 엔진이며, 옵티머스 Gen 3 양산은 이 엔진이 구동할 새로운 출력축이다.
기가 베를린의 9만 3,000마일 무감독 운행은 작은 숫자처럼 보이지만, 이것이 의미하는 바는 크다 — 테슬라는 무감독 자율주행을 가장 리스크가 낮은 환경(자사 공장)에서 먼저 운영하며 실증 데이터를 쌓고, 이를 규제 승인의 디딤돌로 사용하는 단계적 전략을 실행하고 있다.
Q1 2026 실적에서 테슬라 경영진이 “가치의 무게중심이 이동하고 있다”고 말한 것은 수사가 아니라 회계적 사실에 가깝다. CapEx의 대부분이 차량 생산이 아닌 AI와 로보틱스에 배정되는 시점에서, 이 회사의 가치 평가 프레임워크 자체가 재구성되어야 한다.
물론 비전과 실행 사이에는 항상 간극이 있고, 테슬라는 역사적으로 타임라인을 지키지 못한 전례가 많다. 하지만 100억 마일의 데이터, 양산 확정된 Gen 3 로봇, 가동에 들어간 Cortex 2.0 슈퍼컴퓨터, 그리고 연간 250억 달러의 자본 투입 — 이것들은 약속이 아니라 이미 존재하는 물리적 현실이다. 테슬라의 베팅이 맞든 틀리든, 그 결과는 자동차 산업뿐 아니라 로보틱스, AI, 노동 시장 전반에 걸쳐 구조적 영향을 미칠 것이다.
