우버의 다음 목표는 단순한 승차 공유가 아닙니다
우버가 단순히 승객을 목적지까지 태워주는 플랫폼을 넘어, 자율주행 기업들을 위한 거대한 현실 세계 데이터 인프라로 변신하려 하고 있습니다. TechCrunch 보도에 따르면, 우버는 장기적으로 자사 플랫폼에서 활동하는 인간 운전자들의 차량에 센서를 장착해 자율주행차 기업들이 필요로 하는 실제 도로 데이터를 수집하는 구상을 공개했습니다. 이 데이터는 자율주행 차량 개발뿐 아니라 물리적 세계 상황을 학습하는 AI 모델 훈련에도 활용될 수 있습니다.
이 계획은 우버 최고기술책임자 프라빈 네팔리 나가가 샌프란시스코에서 열린 TechCrunch StrictlyVC 행사 인터뷰에서 밝힌 내용입니다. 그는 이 구상이 우버가 2026년 1월 말 발표한 초기 프로그램인 AV Labs의 자연스러운 확장이라고 설명했습니다.
핵심은 명확합니다. 우버는 자율주행차를 직접 만드는 회사가 아니라, 자율주행 기업들이 가장 필요로 하는 데이터를 제공하는 회사가 되려 하고 있습니다. 과거 우버는 자체 자율주행차 개발 야망을 접었습니다. 그러나 이제는 완성차나 로보택시 회사를 직접 만들기보다, 자율주행 생태계 전체가 의존할 수밖에 없는 데이터 기반 플랫폼으로 자리 잡으려는 전략을 펼치고 있습니다.
왜 우버는 운전자 차량을 센서망으로 바꾸려 할까
자율주행 기술 개발에서 가장 중요한 자원 중 하나는 실제 도로 데이터입니다. 시뮬레이션만으로는 현실 세계의 복잡한 교통 상황을 모두 반영하기 어렵습니다. 학교 앞 교차로, 비 오는 날의 차선 인식, 보행자가 갑자기 움직이는 상황, 공사 구간, 야간 도로, 복잡한 도심 회전 구간처럼 자율주행차가 실제로 마주할 수 있는 상황은 매우 다양합니다.
우버 CTO 나가는 자율주행 개발의 병목 지점이 더 이상 기본 기술 자체만은 아니라고 말했습니다. 그는 “병목은 데이터”라고 설명하며, 자율주행 기업들이 다양한 시나리오를 수집해야 한다고 밝혔습니다. 예를 들어 샌프란시스코의 특정 학교 교차로에서 특정 시간대의 데이터가 필요할 수 있지만, 모든 자율주행 회사가 그 데이터를 직접 수집할 차량과 자본을 충분히 갖고 있는 것은 아니라는 뜻입니다.
여기서 우버의 강점이 등장합니다. 우버는 이미 전 세계에 수백만 명의 운전자를 보유하고 있습니다. 이들 차량 중 일부만 센서가 장착된 데이터 수집 차량으로 바뀌어도, 개별 자율주행 기업이 자체적으로 구축하기 어려운 규모의 도로 데이터 네트워크가 만들어질 수 있습니다.
즉, 우버의 운전자 네트워크는 앞으로 단순한 이동 서비스 공급망을 넘어, 도로 위를 움직이는 데이터 수집 인프라가 될 수 있습니다.
현재는 소규모 전용 차량으로 시작하고 있습니다
다만 우버가 당장 수백만 운전자 차량에 센서를 붙이는 단계에 들어간 것은 아닙니다. TechCrunch에 따르면 현재 AV Labs는 우버가 직접 운영하는 소규모 전용 차량을 활용하고 있습니다. 이 차량들은 센서가 장착된 별도 차량이며, 우버의 일반 운전자 네트워크와는 분리되어 운영됩니다.
우버가 이처럼 조심스럽게 시작하는 이유는 분명합니다. 센서 장비가 어떤 방식으로 작동하는지 이해해야 하고, 각 주별 규제 문제도 검토해야 하기 때문입니다. 나가는 사람 운전자 차량에 센서를 장착하는 방향으로 eventually 가고 싶지만, 먼저 센서 키트가 어떻게 작동하는지 이해해야 하며, 각 주에서 센서의 의미와 데이터 공유의 의미가 명확해야 한다고 설명했습니다.
이 부분은 매우 중요합니다. 차량에 센서를 장착해 도로 데이터를 수집한다는 것은 기술 문제만이 아닙니다. 개인정보, 위치 정보, 도로 영상, 보행자와 다른 차량의 데이터, 주별 규제, 데이터 소유권과 공유 범위 같은 복잡한 문제가 함께 따라옵니다. 따라서 우버의 계획은 장기적이지만, 실제 대규모 적용까지는 기술·규제·운영 측면의 검증이 필요합니다.
우버가 만들려는 것은 ‘AV 클라우드’입니다
우버는 단순히 데이터를 모으는 데 그치지 않고, 이를 자율주행 기업들이 활용할 수 있는 데이터 라이브러리 형태로 만들려 하고 있습니다. 나가는 이를 “AV cloud”, 즉 자율주행 클라우드라고 설명했습니다. 이 AV 클라우드는 라벨링된 센서 데이터의 라이브러리로, 파트너 기업들이 이를 검색하고 자사 모델 훈련에 활용할 수 있는 구조입니다.
여기서 “라벨링된 데이터”라는 점이 중요합니다. 자율주행 AI 모델은 단순히 영상이나 센서 데이터를 많이 본다고만 학습되는 것이 아닙니다. 데이터 속에 무엇이 있는지, 보행자인지, 차량인지, 신호등인지, 차선인지, 위험 상황인지 등을 식별할 수 있어야 합니다. 이런 라벨링 작업이 되어 있어야 AI 모델이 실제 도로 상황을 더 정확하게 이해하고 훈련할 수 있습니다.
우버가 구축하려는 AV 클라우드는 자율주행 기업 입장에서 매우 매력적인 자원이 될 수 있습니다. 특정 도시, 특정 시간대, 특정 도로 환경, 특정 교통 상황에 대한 데이터를 요청하고 활용할 수 있다면, 자율주행 모델 훈련의 효율성이 높아질 수 있기 때문입니다.
‘섀도 모드’로 실제 주행 없이 모델을 테스트할 수 있습니다
우버가 제공하려는 또 다른 기능은 파트너 기업들이 훈련된 자율주행 모델을 실제 우버 운행 데이터에 대해 **“섀도 모드”**로 실행할 수 있게 하는 것입니다. TechCrunch 보도에 따르면, 파트너들은 실제 도로에 자율주행차를 투입하지 않고도 실제 우버 운행을 기준으로 자율주행 모델이 어떻게 작동했을지 시뮬레이션할 수 있습니다.
이것은 자율주행 개발에서 매우 중요한 단계입니다. 실제 차량을 도로에 투입하는 것은 비용도 크고, 안전 문제와 규제 문제도 따릅니다. 하지만 섀도 모드에서는 사람이 운전한 실제 주행 데이터를 바탕으로, 자율주행 시스템이 같은 상황에서 어떤 판단을 내렸을지 비교할 수 있습니다.
예를 들어 실제 우버 운전자가 교차로에서 멈췄다면, 자율주행 모델도 멈췄을지 확인할 수 있습니다. 운전자가 차선을 바꾼 순간, 모델이 같은 판단을 했는지 비교할 수 있습니다. 갑자기 보행자가 나타나는 상황에서 모델이 위험을 얼마나 빨리 인식했는지도 평가할 수 있습니다.
이런 방식은 자율주행 모델을 실제 도로에 바로 투입하기 전에 성능과 안전성을 검토하는 데 도움이 될 수 있습니다.
우버는 이미 25개 자율주행 기업과 협력하고 있습니다
우버의 이번 전략이 중요한 이유는 이미 자율주행 기업들과의 파트너십 기반이 있기 때문입니다. TechCrunch에 따르면 우버는 현재 Wayve를 포함해 25개 자율주행 기업과 파트너십을 맺고 있습니다. Wayve는 런던에서 운영되는 자율주행 기업으로 기사에서 언급됐습니다.
이 파트너십 구조는 우버의 전략을 더욱 강력하게 만듭니다. 우버가 직접 모든 자율주행 기술을 개발하지 않더라도, 여러 자율주행 기업이 우버 플랫폼과 데이터 인프라를 활용하게 된다면 우버는 자율주행 생태계의 중심 연결고리가 될 수 있습니다.
과거에는 “우버가 자체 자율주행차를 만들지 않으면 미래에 로보택시 기업들에게 밀려날 수 있다”는 우려가 있었습니다. 하지만 우버는 이제 다른 방식으로 대응하고 있습니다. 자율주행차를 직접 만드는 대신, 자율주행 기업들이 고객에게 도달하고 데이터를 확보하며 모델을 검증하는 데 필요한 플랫폼이 되려는 것입니다.
우버의 전략은 매우 영리한 포지셔닝입니다
우버가 자율주행차를 직접 만들지 않는다고 해서 자율주행 시대에서 밀려난다고 단정하기는 어렵습니다. 오히려 이번 계획은 우버가 자신이 가진 가장 큰 자산을 새롭게 해석하고 있음을 보여줍니다.
우버의 가장 큰 자산은 차량 제조 기술이 아닙니다. 전 세계 운전자 네트워크, 이동 수요 데이터, 도시별 운행 패턴, 승객 호출 플랫폼, 그리고 실제 도로에서 매일 발생하는 방대한 운행 경험입니다. 이 자산을 자율주행 기업들이 필요로 하는 데이터 인프라로 전환한다면, 우버는 자율주행 시대에도 중요한 위치를 유지할 수 있습니다.
자율주행 기업들은 차량과 소프트웨어를 개발할 수 있지만, 전 세계 곳곳에서 다양한 도로 상황을 지속적으로 수집하는 것은 막대한 비용이 듭니다. 반면 우버는 이미 수많은 차량이 매일 도로를 달리고 있습니다. 이 차량들이 센서를 장착한 데이터 수집 플랫폼으로 바뀐다면, 우버는 자율주행 기업들이 쉽게 따라오기 어려운 규모의 데이터 우위를 확보할 수 있습니다.
“데이터로 돈을 벌려는 것이 아니다”라는 우버의 설명
흥미로운 점은 우버가 이 데이터를 직접 수익화하려는 목적이 아니라고 설명했다는 부분입니다. 나가는 “우리의 목표는 이 데이터로 돈을 버는 것이 아니다. 우리는 이를 민주화하고 싶다”고 말했습니다.
하지만 TechCrunch는 우버가 구축하는 데이터의 상업적 가치가 분명한 만큼, 이러한 입장이 오래 유지되지 않을 수도 있다고 분석했습니다. 우버는 이미 여러 자율주행 기업에 지분 투자를 해왔고, 대규모 독점적 훈련 데이터를 제공할 수 있는 능력은 자율주행 업계에서 상당한 영향력을 줄 수 있습니다.
즉, 우버가 당장은 데이터 민주화를 강조하더라도, 장기적으로는 이 데이터 인프라가 자율주행 기업과의 협상력, 투자 전략, 플랫폼 의존도 강화로 이어질 가능성이 있습니다. 다만 여기서 중요한 것은 원문 보도가 “가능성”을 언급한 것이지, 우버가 특정 유료 데이터 판매 모델을 공식 발표한 것은 아니라는 점입니다.
운전자들에게는 어떤 의미가 있을까
이번 계획이 현실화된다면 우버 운전자들에게도 중요한 변화가 생길 수 있습니다. 차량에 센서를 장착하고 데이터를 수집하는 역할이 추가될 수 있기 때문입니다. 하지만 현재 원문 보도에서는 운전자 보상 방식, 참여 조건, 장착 센서 종류, 개인정보 보호 방식, 실제 적용 시기 등에 대한 구체적인 내용은 공개되지 않았습니다.
따라서 현재 단계에서 운전자에게 어떤 추가 수익이 생긴다거나, 모든 차량에 센서가 장착된다거나, 특정 방식으로 데이터가 공유된다고 단정해서는 안 됩니다. 확인된 사실은 우버가 장기적으로 인간 운전자 차량에 센서를 장착하는 방향을 검토하고 있으며, 이를 위해 먼저 센서 키트와 규제 문제를 이해해야 한다고 밝혔다는 점입니다.
운전자 입장에서는 앞으로 개인정보 보호, 차량 장비 설치, 보험, 보상, 데이터 사용 동의와 같은 문제가 매우 중요해질 수 있습니다. 이 부분이 명확하게 정리되어야 실제 대규모 참여가 가능할 것으로 보입니다.
자율주행 기업들에게는 왜 중요한가
자율주행 기업들에게 가장 어려운 문제 중 하나는 ‘희귀하지만 중요한 상황’을 충분히 확보하는 것입니다. 예를 들어 평범한 직선 도로 주행 데이터는 비교적 쉽게 수집할 수 있습니다. 하지만 특정 시간대의 학교 앞 혼잡 상황, 공사 중인 도로, 눈이나 비가 오는 날의 교차로, 배달 차량이 이중 주차된 좁은 골목, 예측하기 어려운 보행자 움직임 같은 데이터는 수집이 어렵고 비용이 많이 듭니다.
우버의 네트워크는 이런 문제를 해결하는 데 도움을 줄 수 있습니다. 특정 도시, 특정 장소, 특정 시간대에 이미 운행 중인 차량들이 데이터를 수집할 수 있다면, 자율주행 기업들은 필요한 상황 데이터를 더 빠르고 넓게 확보할 수 있습니다.
특히 우버가 말한 AV 클라우드와 섀도 모드가 결합되면, 자율주행 기업들은 단순히 데이터를 받는 수준을 넘어 실제 운행 맥락에서 모델을 검증하는 환경까지 얻게 됩니다. 이는 개발 속도와 안전성 검토에 모두 영향을 줄 수 있는 중요한 요소입니다.
우버의 미래 경쟁력은 ‘차량’보다 ‘데이터’에 있을 수 있습니다
자율주행 시대가 오면 우버 같은 차량 호출 플랫폼은 위협을 받을 수 있다는 전망이 오랫동안 있었습니다. 로보택시 기업들이 직접 승객을 태우기 시작하면, 우버의 중개 역할이 줄어들 수 있다는 논리였습니다.
그러나 우버는 이제 다른 방향의 해법을 찾고 있습니다. 자율주행차를 직접 만드는 대신, 자율주행 기업들이 필요로 하는 데이터, 고객 접근성, 실제 운행 플랫폼을 제공하는 방식입니다. 즉, 자율주행 기업들이 우버를 대체하는 것이 아니라 우버를 통해 성장하도록 만드는 전략입니다.
이 전략이 성공한다면 우버는 자율주행 시대에도 단순한 승차 호출 앱이 아니라, 자율주행 생태계의 데이터 레이어이자 운영 플랫폼으로 남을 수 있습니다.
결론: 우버는 자율주행 시대의 ‘도로 데이터 플랫폼’을 노리고 있습니다
이번 TechCrunch 보도에서 가장 중요한 메시지는 우버가 자율주행차를 직접 만드는 회사가 아니라, 자율주행 기업들이 필요로 하는 현실 세계 데이터를 제공하는 플랫폼으로 진화하려 한다는 점입니다.
우버는 현재 소규모 센서 장착 차량으로 AV Labs를 운영하고 있으며, 장기적으로는 수백만 명의 운전자 차량을 센서망으로 활용하는 구상을 갖고 있습니다. 이 데이터는 AV 클라우드라는 형태로 라벨링되어 파트너 기업들이 검색하고 모델 훈련에 사용할 수 있으며, 섀도 모드를 통해 실제 우버 운행 상황에서 자율주행 모델의 성능을 검증하는 데 활용될 수 있습니다.
물론 아직 해결해야 할 과제도 많습니다. 센서 장비의 표준화, 주별 규제, 개인정보 보호, 데이터 공유 기준, 운전자 보상, 상업적 활용 방식 등이 명확해져야 합니다. 그러나 방향성은 분명합니다. 우버는 자율주행 시대에 사라지는 플랫폼이 아니라, 자율주행 기업들이 의존하게 되는 데이터 인프라가 되려 하고 있습니다.
결국 우버의 미래 경쟁력은 자동차를 직접 만드는 데 있지 않을 수 있습니다. 오히려 도로 위에서 매일 발생하는 현실 세계 데이터를 얼마나 넓고 깊게 수집하고, 이를 자율주행 기업들이 활용할 수 있는 형태로 제공하느냐에 달려 있을 수 있습니다. 이번 발표는 우버가 바로 그 지점을 겨냥하고 있음을 보여주는 중요한 신호입니다.
