HW3 탑재 테슬라 FSD, 한국서는 왜 불안할까?

한국에서 테슬라 FSD V14 실제 주행 영상들이 공개된 이후 많은 논의가 이어지고 있습니다. 특히 야간 교차로나 유턴 차선 등 복잡한 상황에서 FSD가 불안정한 판단을 내리는 장면들이 포착되면서, HW3 하드웨어의 성능 한계에 대한 사용자들의 의문이 증폭되고 있습니다.

미국 도로에서는 HW3를 탑재한 테슬라 차량이 신호등 처리를 비교적 안정적으로 수행하는 것으로 알려져 있습니다. 심지어 야간 주행 시에도 이러한 안정성은 유지되는 경향을 보입니다. 그러나 한국에서는 동일한 HW3 하드웨어를 사용함에도 불구하고 다른 양상을 보이며, 이는 소프트웨어 버전, 그리고 국가별 도로 및 신호 체계의 차이에서 비롯될 가능성이 있습니다.

테슬라 HW3에 탑재된 카메라는 AR0136 이미지 센서를 사용하는 것으로 확인됩니다. 이 센서는 1280x960 해상도의 약 1.2메가픽셀급이며, 1/3인치 크기의 CMOS 센서입니다. 또한 HDR(High Dynamic Range) 모드를 지원하고 롤링 셔터 방식을 채택하고 있어 다양한 환경에서 광학 데이터를 수집할 수 있도록 설계되었습니다.

현재 공개된 자료만으로는 테슬라 하드웨어 3 카메라의 정확한 CFA(Color Filter Array) 배열이 RCCB인지 RCCC인지, 혹은 다른 방식인지 명확히 확정하기 어렵습니다. 따라서 단편적인 센서 사양 정보만으로 HW3 카메라의 기술적 한계에 대해 섣부른 결론을 내리는 것은 위험할 수 있습니다. 정확한 기술적 규격은 아직 미확정 상태입니다.

테슬라 HW3는 듀얼 FSD SOC(System-on-Chip)와 뉴럴 네트워크 엑셀러레이터(NNA)를 탑재하고 있습니다. 당시 공식 발표에 따르면, 이 두 NNA를 합쳐 초당 72조 번의 연산, 즉 72 TOPS(Tera Operations Per Second) 수준의 성능을 발휘한다고 설명되었습니다. 이는 2019년 출시 당시 기준으로는 상당한 연산 능력을 갖춘 것으로 평가되었습니다.

트랜스포머 모델과 같이 복잡한 딥러닝 모델에서는 단순히 연산 능력만 중요한 것이 아닙니다. 데이터를 메모리에서 얼마나 빨리 꺼내서 연산 장치로 가져올 수 있느냐, 즉 데이터 대역폭이 전체 성능에 결정적인 영향을 미칩니다. 연산 장치가 아무리 뛰어나도 데이터가 제때 공급되지 않으면 병목 현상이 발생하여 성능 저하로 이어질 수 있습니다.

2026년 1분기 테슬라 공식 웹캐스트에서 일론 머스크는 HW3의 메모리 대역폭이 HW4의 약 8분의 1 수준이라고 직접 언급했습니다. 이는 HW3가 HW4에 비해 데이터 처리 속도에서 상당한 제약을 가지고 있음을 시사합니다. 이러한 메모리 밴드위스(Memory Bandwidth)의 차이가 HW3 기반 FSD의 성능에 중대한 병목 현상을 유발할 수 있다는 경고로 해석될 수 있습니다.

공개된 FSD V14 릴리즈 노트에 따르면, HW4 버전의 인텔리전스를 HW3에 맞춰 '증류(Distillation)'했다고 설명되어 있습니다. 이는 HW4에서 작동하는 더 크고 성능이 좋은 '티처 모델'의 행동을 학습하여, HW3에서 실행 가능한 더 작은 '스튜던트 모델'이 그 행동을 따라 배우도록 만드는 일반적인 기법입니다. 이 과정은 중요한 지식을 최대한 보존하면서 모델 크기를 줄이는 것을 목표로 하지만, 평균 성능이 유지되더라도 특정 상황에서는 성능 저하가 발생할 수 있습니다.

모델 증류 기법은 전체 평균 성능을 향상시키거나 유지하는 데 효과적일 수 있지만, 모든 상황에서 동일한 성능을 보장하지는 않습니다. 구글 리서치 연구진의 증류 연구에 따르면, 전체 평균 성능이 좋아지더라도 데이터가 부족한 특정 서브 그룹이나 클래스에서는 오히려 성능이 떨어질 수 있습니다. 또한, 티처 모델의 오류가 스튜던트 모델에게 전달되거나 증폭될 위험도 있어, 희귀 상황(Edge Case)에 대한 대응력이 약화될 가능성이 있습니다.

한국의 도로 환경은 미국과는 다른 복잡하고 특수한 상황, 즉 '롱테일 시나리오'가 많습니다. 구체적으로는 유턴 조건, 차선별 신호, 버스 전용차로, 짧은 거리에서 반복되는 합류와 분기 지점, 한글 노면 표시, 그리고 복잡한 형태의 교차로 등이 대표적입니다. 이러한 요소들은 미국 도로 환경과는 큰 차이를 보여 자율주행 시스템에 더 큰 도전 과제를 제시합니다.

테슬라의 2026년 1분기 공식 자료에 따르면, 메인라인 V14.3 버전에서 '롱테일 케이스'를 더 잘 처리하기 위해 리포스닝(Reinforcement) 단계를 개선했다고 밝혔습니다. 또한, 가시성(Visibility) 시나리오에서의 인지(Perception) 능력 개선도 함께 이루어졌다고 설명하며, 복잡한 환경에 대한 대응력 강화를 위한 노력을 보여주고 있습니다.

테슬라는 한국에서 FSD 슈퍼바이즈드 출시 후 한 달 동안 고객들이 100만 km 이상 주행했다고 공식적으로 밝혔습니다. 그러나 고객이 주행한 거리와 실제 트레이닝에 사용된 데이터는 동일하지 않으며, 중요한 것은 데이터의 양보다는 분포입니다. 즉, 한국 특유의 복잡한 롱테일 상황을 얼마나 효과적으로 반영한 데이터가 수집되고 학습되었는지 여부가 FSD 성능에 결정적인 영향을 미칩니다.

HW3 컴퓨터가 현재의 대규모 FSD 모델을 구동하는 데 제약이 있다는 강력한 증거는 여러 곳에서 확인됩니다. 테슬라가 공개한 HW3 아키텍처와 보드의 실제 메모리 구성이 이를 뒷받침하며, 특히 일론 머스크가 HW3의 메모리 대역폭이 HW4의 약 8분의 1이라고 직접 설명한 바 있습니다. 이러한 제한된 하드웨어, 축소된 모델, 그리고 한국의 특수한 도로 환경이 복합적으로 작용하여 현재 한국 FSD의 불안정한 현상을 초래한다는 가설은 설득력을 얻고 있습니다.