교통
2025: 자율주행 자동차가 대중화되는 해?
자율주행 자동차는 언제 도착할까?
When it comes to disruptive technologies that seem just around the corner, few appear as impactful for the economy and society at large as autonomous or ‘self‑driving’, except, of course, maybe AGI (Artificial General Intelligence).
이는 차량을 운전해야 하는 수많은 직업과 작업 때문에 발생합니다. 여기에는 택시 기사, 배달 서비스, 트럭 운전사 등 운전 직업이 포함됩니다. 하지만 보다 근본적으로, 전 세계 인구 대부분이 무급으로, 종종 하루 중 몇 시간을 매일 운전대 뒤에서 보내고 있습니다.
이는 생산성 손실을 크게 초래해 경제와 일상 생활, 문화에 부담을 줍니다. 그래서 2023년에 이미 로보택시가 최대 1조 달러의 매출을 창출할 것으로 예상되었습니다.
하지만 진정한 자율주행 차량을 개발하는 일은 어렵고, 현재까지 완전 자동화된 교통수단은 도로에 등장하지 않았습니다. 대규모 자율주행 차량 배치까지 우리는 얼마나 가까워졌을까요?
자율주행의 거대한 잠재력
2023년에 ARK Invest “Big Ideas” 보고서는 로보택시의 잠재 매출을 2030년까지 9조 달러에 이를 정도로 크게 예측했습니다.
이 아이디어 뒤에는 로보택시가 충분히 저렴한 요금만 제공한다면 차량 소유 필요성을 크게 줄일 수 있다는 핵심 경제 사실이 있습니다.
이는 저렴한 요금이 수요를 증가시키고, 로보택시 활용률을 높여 자본 비용을 더욱 상쇄시키며, 가격을 다시 낮추어 수요가 또 증가하는 긍정적 피드백 루프를 만들 수 있습니다.
서비스 제공자가 마일당 0.25달러로 낮출 수 있다면, 자율 택시 서비스는 “단거리 여행의 95%보다 비용 효율적일 것”이라고 합니다.
자율주행의 경제성은 트럭과 선박 같은 화물 운송에도 적용될 경우 더욱 명확해집니다. 여기서는 운전사와 승무원이 비즈니스 구조에서 제거될 수 있는 비용이 되며, 자율 시스템이 충분히 신뢰할 수 있다면 교체가 가능합니다.
출처: ARK Invest
따라서 전반적으로 자율주행 차량이 거대한 수익원을 만들 것이라는 점은 의심의 여지가 없으며, 이것이 수많은 기술 기업이 수십억 달러를 투자하는 이유이기도 합니다. 하지만 해결하기 어려운 퍼즐이라는 점은 분명합니다.
자율주행 기술 스택 구축
지원 기술
자율주행 차량의 핵심 AI를 논하기 전에, 지난 10년이 어떻게 자동차뿐 아니라 드론 등 다양한 분야를 경제적으로 가능하게 만들었는지 간략히 살펴볼 수 있습니다.
첫 번째 이유는 센서와 컴퓨팅 파워 비용이 급격히 하락했기 때문입니다. 첫 번째 아이폰이 2007년에 출시되었고, 좋은 카메라와 미니 컴퓨터 수준의 성능을 갖춘 전화기가 당시 혁신이었음을 기억하기 쉽지 않습니다.
그 이후 광학, 센서, 칩, 기타 전자 부품은 더욱 저렴해지고, 강력해지며, 신뢰성이 높아졌습니다.
2008년 첫 테슬라 로드스터 이후 전기차(EV)의 부상은 차량 작동 방식을 크게 바꾸었습니다. 대용량 배터리와 구동계 덕분에 전기차는 막대한 전력을 제공할 수 있어, 자율주행 칩과 센서에 필요한 전원 공급이 거의 사소한 문제가 되었습니다.
전기차는 기계적으로도 훨씬 더 신뢰성이 높아 장거리 주행이 가능하고 마모가 적으며, 마일당 연료 비용도 크게 낮아 많은 사용자가 하루 종일 로보택시를 운행하기에 최적의 플랫폼이 됩니다. 반면 내연기관(ICE) 차량에 의존한다면 자율주행 기술의 경제성은 크게 악화됩니다.
전반적으로 오늘날 자동차는 이미 휠 위의 컴퓨터와 다름없으며, 차당 300~1,000개의 칩이 탑재되고, 일부 EV는 차당 3,000개에 달합니다. 이제는 스스로 운전할 “뇌”만 남은 상황입니다.
출처: Polar Semi
도로 이해
가장 기본적인 기능, 즉 A 지점에서 B 지점까지 어떤 도로를 택할지 식별하는 일은 GPS와 “지도” 앱이 보편화된 덕분에 대부분의 자율주행 AI가 10년 넘게 충분히 수행해 왔습니다.
복잡한 부분은 도로 위에서 날씨, 다른 차량, 보행자, 자전거, 동물 등 변화하는 상황을 이해하는 것입니다.
이 역시 비교적 빠르게 해결돼, 고속도로와 같이 덜 도전적인 환경에서는 “보조 운전” 시스템이 대부분 고급 차량에 이미 제공되고 있습니다.
하지만 건설 구역, 도심, 보행자 밀집 지역, 교통 사고 등 복잡한 상황은 여전히 어려운 과제입니다.
일반적으로 자율주행 시스템은 속도 유지와 주차 보조 수준부터 완전 자율 주행까지 스펙트럼 형태로 구분됩니다. 최상위 레벨인 L5, 즉 운전자가 전혀 필요 없는 완전 자동화는 아직 실현되지 않았습니다.
출처: MobileEye
보통 L5 수준을 달성하지 못하는 이유는 AI를 혼란스럽게 만드는 드문 상황 때문입니다. 예를 들어, 다층 주차장에 있는 차량 상황을 AI가 이해하지 못할 수 있습니다:
“차량은 주차장에 주차된 차들이 도로를 막고 있다고 판단했습니다. ‘차가 멈췄으니 연석을 돌아가라’고 생각했죠.
시스템이 무언가를 만나고 어떻게 해야 할지 모를 때, 대부분의 경우 차량은 단순히 움직임을 멈춥니다.”
신경망 하드웨어
최근 AI 진보의 대부분은 2024년 물리학 노벨상 수상 신경망 기술을 기반으로 이루어졌습니다. 일반 컴퓨팅이 모든 상황에 대해 고정된 명령 세트를 필요로 하는 반면, 신경망은 훈련 조건에 맞춰 스스로 적응해 적절한 응답을 제공합니다.
출처: Nobel Prize
이 때문에 신경망은 입력이 매우 가변적이고 데이터가 “노이즈”가 섞인 복잡한 상황을 처리하는 데 본질적으로 더 뛰어납니다.
오랫동안 신경망은 GPU 위에서 학습·실행돼 그래픽 카드가 AI 하드웨어로 전환되었습니다. 최근에는 AI와 신경망 전용 하드웨어가 개발되고 있습니다.
다른 AI 하드웨어(전용 보고서에서 자세히 다루었습니다) 중에서도 신경망 프로세서(NNP)는 자율주행 AI에 특히 중요합니다. 신경처리유닛(NPU) 혹은 뉴로모픽 칩이라고도 불리며, 일반 하드웨어가 수천 번 연산을 해야 하는 작업을 단 한 번의 연산으로 처리할 수 있습니다.
이러한 에너지 효율성 때문에 NPU는 “엣지 컴퓨팅”에 많이 활용됩니다. 엣지 컴퓨팅은 클라우드가 아닌 현장에서 연산을 수행하는 방식입니다.
자율주행은 신뢰성, 빠른 반응, 연결 의존도 최소화가 필수이므로, 대부분 클라우드에서 훈련된 AI를 현장에서 로컬 신경망으로 실행하는 엣지 컴퓨팅에 의존합니다.
올바른 기술 선택
지오펜싱 vs 자유 주행
왜 지오펜싱인가
미래 자율주행 자동차 기업이 직면한 주요 기술·비즈니스 전략 선택은 지오펜싱을 사용할지 여부였습니다.
지오펜싱은 자율주행 시스템이 제한된 지리적 영역에서만 작동하도록 훈련되는 방식으로, 가상 경계선을 설정해 시스템이 운영할 수 있는 범위를 제한합니다.
아이디어는 영역을 제한함으로써 AI가 특정 도로에 대해 충분히 학습해 안전하게 주행할 수 있도록 하는 것입니다.
“‘프라이빗’ 지역이나 인도와 같은 제한된 구역으로 영역을 좁히면 차량이 다른 차량, 트럭, 자전거, 보행자와 상호작용해야 할 경우가 크게 줄어듭니다.”
Robert Day – Director of automotive partnerships for Arm’s Automotive and IoT.
제한된 영역 덕분에 AI가 처리해야 할 경우의 수와 가능한 경로가 감소해 연산량이 크게 줄어들고, 이에 따라 필요한 하드웨어 사양도 낮아집니다.
“지오펜싱이 제공하는 제한은 자율 차량이 요구하는 기능에 깊은 영향을 미치며, 이는 자율 시스템을 구동하는 하드웨어에도 큰 영향을 줍니다.”
Robert Day – Director of automotive partnerships for Arm’s Automotive and IoT.
하지만 이는 자율주행 차량의 배포 가능성을 크게 제한합니다. 새로운 도시마다 맞춤형 훈련 데이터를 수집해야 하며, 보통 해당 지역을 수년간 직접 운전해 데이터를 확보해야 합니다.
따라서 접근 방식은 비용이 많이 듭니다.
또한 지오펜싱은 로보택시 기업에만 매력적이며, 개인 사용자는 여전히 자신의 차를 필요로 할 가능성이 높습니다. 왜냐하면 사람들은 지오펜싱 구역(보통 도심이나 한 도시) 밖으로 가고 싶어 하기 때문입니다.
산업이 이 패러다임에 머물러 있다면, 로보택시 대규모 채택으로 기대되는 대부분의 이익이 실현되지 않을 것입니다.
지오펜싱의 법적·비즈니스 함의
동시에 제한 없이 전면 자율주행을 추구하는 것은 역효과를 낳을 수 있습니다.
이는 먼저 모든 지역에서 완벽해야 하므로 배포가 지연될 수 있습니다. 제한된 몇몇 도시에서 먼저 출시한다면 수백만 사용자를 빠르게 확보할 수 있었을 텐데 말이죠.
또 다른 문제는 자율주행 시스템에 대한 규제와 법률입니다. 규제당국은 제한된 지오펜싱 솔루션의 느린 배포를 어느 정도 수용해 왔으며, 특히 특정 구역에서 안전성이 입증된 경우에 한해 허용하고 있습니다.
하지만 전 세계적으로 무제한 자율주행 허가를 받으려면 지역 승인뿐 아니라 아직 제정되지 않은 국가 차원의 법·규제가 필요합니다.
법이 기술보다 훨씬 느리게 움직이기 때문에, L5 수준의 완전 자율주행을 무제한으로 배포하려면 기술적 문제가 모두 해결돼도 심각한 장애물이 될 수 있습니다.
LIDAR vs 카메라 전용
업계에서 또 다른 논쟁은 LIDAR(빛 감지 및 거리 측정, “레이저 레이더”) 사용 여부입니다. LIDAR는 레이저 빔을 이용해 주변 물체를 감지하고 실시간 3D 모델을 생성합니다.
출처: Autoweek
LIDAR 시스템은 보통 자율주행 차량 상단에 설치돼 차체에 부피를 더합니다.
LIDAR의 장점은 카메라보다 더 멀리 볼 수 있고 거리 측정에 뛰어나며, 고속 주행 시 사고 방지에 특히 유용합니다. 또한 어두운 환경이나 저조도에서도 완벽히 작동합니다.
출처: Forbes
많은 경우 LIDAR는 레이더와 결합돼 안개와 같은 어려운 조건에서도 물체를 감지합니다.
대부분의 자율주행 기술은 안전성을 높이기 위해 LIDAR에 의존하지만, 테슬라(TSLA )는 예외이며, 몇 가지 단점도 존재합니다.
첫 번째는 비용입니다. 고급 LIDAR 시스템은 보통 70,000~80,000달러에 달해 자율주행 차량을 매우 비싸게 만듭니다. 하지만 최근 저가형 LIDAR가 가격 하락 조짐을 보이고 있어 가격이 크게 낮아지고 있습니다.
“볼륨과 기술 자체가 모두 중요합니다. 자동차 산업은 규모의 경제를 통해 비용을 낮춥니다. 적용량이 늘어나면 비용이 감소합니다.
예를 들어, 한때 30,000위안(약 4,100달러)였던 LIDAR 장비가 이제는 1,000위안(약 138달러) 수준으로 급격히 낮아졌습니다.”
LIDAR는 회전식 미니 미러 등 복잡한 부품이 많아 비용이 높고, 유지보수와 신뢰성에도 어려움을 줍니다.
마지막으로, LIDAR 데이터를 기반으로 훈련된 AI는 앞으로도 LIDAR가 필요하도록 깊이 내재될 가능성이 높아, LIDAR를 선택한 기업은 향후에도 이를 계속 사용해야 할 수 있습니다.
자율주행 차량은 얼마나 안전해야 할까?
규제기관과 사용자 모두에게 핵심 질문은 자율주행 차량이 어느 정도 안전해야 하는가입니다. 이론적으로 자율주행 차량이 인간 운전자보다 5배 안전하면 빠르게 채택되고 환영받을 것입니다.
하지만 실제로 사람들은 인간보다 약간만 안전한 기계에 대해 신뢰를 크게 꺼립니다. 인간은 자신의 운전 능력을 과대평가하는 경향이 있습니다.
따라서 수년간 인간 운전 차량보다 훨씬 안전했음에도(2023년 테슬라 데이터가 이미 보여주듯) 사고가 AI의 “실패”로 인식되는 경우가 지속됩니다.
차량 카메라가 모든 충돌을 기록하고, 주류 및 소셜 미디어의 반응이 이를 부추기 때문에 상황은 더욱 악화됩니다.
출처: ARK Invest
그 결과, 완전 무제한 L5 수준의 자율주행이 모든 도로에서 허가받기 위해서는 인간 운전자보다 10배~100배 안전해야 한다는 매우 높은 기준이 요구될 가능성이 높습니다.
자율주행 기업
Swipe to scroll →
| 회사 | 핵심 시장 | 기술 접근 방식 | 배포 현황 |
|---|---|---|---|
| Waymo | 로보택시 | 지오펜싱, LIDAR + 레이더 | 선택된 미국 도시에서 주당 약 250,000건 유료 라이드 |
| Tesla | 소비자 EV + 로보택시 | 카메라 전용 | 텍사스 파일럿; 안전 운전자 탑승 |
| Baidu | 로보택시 | 다중 센서( LIDAR 포함) | 중국에서 무인 운행; Uber 파트너십 |
| Zoox | 맞춤형 로보택시 | 바퀴·페달 없음, LIDAR | NHTSA 면허 면제; 미국 여러 도시에서 테스트 |
| Aurora Innovation | 화물 트럭 | 고속도로 자율주행 | 2025년 5월 최초 완전 무인 주행 |
| WeRide | 로보택시 | 다중 센서 융합, 고선형 LIDAR 포함 | 베이징 24/7 파일럿; UAE 확장 |
| Mobileye | ADAS 및 자율 스택 | 카메라 우선, REM HD 매핑 | 광범위한 OEM 파트너십; 진화 중인 자율성 |
Waymo
(GOOGL )
실제 로보택시가 배치된 사례를 보면, 구글과 연계된 Waymo가 명확한 선두주자로 떠오르고 있습니다. 2025년 4월, Waymo는 이미 미국에서 주당 250,000건의 유료 로보택시 라이드를 기록했으며, 주로 오스틴, 피닉스, 샌프란시스코 베이 지역에서 월 백만 마일을 주행하고 있습니다.
Waymo의 성공은 초기 시작(2010년 설립, 기술은 2005년까지 거슬러 올라감)과 매우 신중한 접근 방식에 기인합니다. 그들의 로보택시는 지오펜싱되어 있으며 고급 LIDAR 시스템에 크게 의존해, 현재까지는 제한된 지역에만 서비스하고 있지만 안전한 자율 주행 라이드 경쟁에서 앞서 나가고 있습니다.
이는 Waymo가 전 세계 판매량 기준으로 가장 큰 자동차 제조업체인 토요타와 전략적 파트너십을 체결하도록 도왔습니다.
토요타와 Waymo는 각각의 강점을 결합해 새로운 자율 차량 플랫폼을 개발하고자 합니다. 동시에 양사는 Waymo의 자율 기술과 토요타의 차량 전문성을 활용해 차세대 개인 소유 차량(POV)을 향상시키는 방안을 모색합니다.
토요타는 교통 사고가 전혀 없는 사회 구현과 모두를 위한 모빌리티 제공을 목표로 하고 있습니다.
(자세한 내용은 전용 투자 보고서에서 토요타에 대해 읽어보세요)
Tesla
(TSLA )
자율주행 및 로보택시 경쟁의 또 다른 주요 경쟁자는 Tesla입니다.
테슬라는 모든 판매 차량에 카메라를 기본 장착해 LIDAR 없이도 AI를 훈련시킬 수 있다고 주장합니다. 레이더조차 필요 없다고 주장합니다.
이는 테슬라가 실제 도로에서 주행하는 수백만 마일의 데이터를 “무료”로 확보한다는 의미이며, 다른 자율주행 기업들은 각 지오펜싱 구역마다 수년간 운전자를 고용해 데이터를 수집해야 하는 비용을 크게 절감합니다.
출처: ARK Invest
하지만 Tesla의 Full Self‑Driving(FSD) 출시 일정은 수년간 “곧” 출시된다고 발표했지만 지속적으로 연기되는 (원래 2018년 자율차 기대) 상황으로 인해 비현실적인 기대에 대한 비판을 받았습니다.
그러나 상황이 변하고 있습니다. 텍사스가 2025년 8월 Tesla 로보택시의 라이드‑헤일링 서비스 허가를 부여했으며, 2025년 6월부터 오스틴에서 시험 운행을 진행했습니다. 현재도 안전 모니터가 탑승하고 있습니다.
따라서 Tesla는 여전히 논란의 중심에 있습니다. 텍사스 허가를 대규모 FSD 배포의 첫 단계로 보는 시각과, 인간 안전 모니터가 일시적인 문제에 불과하다고 보는 시각이 엇갈립니다.
진실은 그 사이 어딘가에 있을 가능성이 높습니다.
이론적으로 인간이 눈만으로 운전할 수 있다면 AI도 카메라만으로 가능하므로, 카메라 전용 전략이 장기적으로는 옳을 수 있습니다. 그러나 이 전략이 Tesla의 단기 배포를 크게 저해했으며, Elon Musk가 얼마나 긍정적으로 이야기하든 실제 상황은 다릅니다.
(자세한 내용은 전용 투자 보고서에서 Tesla에 대해 읽어보세요)
Baidu
Baidu는 중국 최대 검색 엔진으로, Apollo Go라는 자체 자율주행 차를 통해 Google의 길을 따르고 있습니다.
Baidu는 여러 중국 도시에서 완전 무인 운행으로 전환했으며, 차량에서 안전 운전자를 제거했습니다.
Baidu는 2025년 7월 Uber와 협력해 미국 및 중국 외 지역에 무인 차량을 제공하기로 했습니다 .
두 회사는 다년 파트너십을 통해 ‘수천 대’의 Apollo Go 자율 차량이 전 세계 Uber에 배치될 것이라고 밝혔습니다.
Baidu는 2024년 2분기에 이미 899,000건의 라이드를 제공했으며, 2025년에는 파일럿 구역을 20개 도시로 확대할 예정입니다.
2024년 Baidu는 자율주행 기술을 오픈소스화했으며, 이는 일반 AI인 DeepSeek의 오픈소스 움직임과 같은 중국 AI 기술의 오픈소스 트렌드를 반영합니다.
미국 시장에서는 무역 긴장과 데이터 우려로 큰 진전을 기대하기 어렵지만, Uber의 지원을 받아 해외에서 Waymo와 Tesla에 맞서는 강력한 경쟁자가 될 수 있습니다.
Zoox
(AMZN )
Amazon의 자회사인 Zoox는 일반 자동차와는 다른 독특한 디자인으로 로보택시 전용 차량을 제작해 쉽게 구분됩니다.
출처: TechCrunch
Zoox는 미국 고속도로 교통안전국(NHTSA)의 확대된 자동화 차량 면제 프로그램에서 면허를 획득해, 일반 자동차와 달리 스티어링 휠과 페달이 없는 맞춤형 로보택시를 공개 도로에서 시연할 수 있게 되었습니다.
2025년 6월 Zoox는 첫 생산 라인을 가동했으며, 연간 10,000대 이상의 로보택시 생산을 목표하고 있습니다. 이는 라스베이거스, 샌프란시스코 베이, 시애틀, 오스틴, 마이애미, 로스앤젤레스, 애틀랜타 등 여러 미국 도시에서 테스트를 진행한 뒤 확장하는 단계입니다.
Zoox는 앞으로 라스베이거스와 샌프란시스코에서 상업용 로보택시 서비스를 시작하고, 이후 오스틴과 마이애미에서도 제공할 계획입니다.
(자세한 내용은 전용 투자 보고서에서 Amazon에 대해 읽어보세요)
WeRide
(WRD )
WeRide는 2017년 실리콘밸리에서 설립되어 현재는 중국에 본사를 두고 있습니다. 이 회사는 전 세계, 특히 UAE에서 다수의 테스트를 진행했으며, Uber와의 파트너십을 통해 현재 아부다비에서도 확장 중. 또한 베이징에서 24/7 로보택시를 운영 중.
야간 시야 확보를 위해 WeRide의 로보택시는 차량 전역에 20개 이상의 센서를 장착했으며, 고정밀·고다이내믹 카메라와 고선형 LIDAR를 포함합니다.
다중 센서 융합 알고리즘과 고성능 컴퓨팅 플랫폼을 결합해 200m 탐지 거리에서 360° 블라인드 스팟 없는 커버리지를 구현합니다.
Mobileye
(INTC )
Mobileye는 2017년 Intel에 인수된 이스라엘 기업으로, 2022년에 재상장했습니다.
유망한 기술을 보유하고 있지만, 2025년 7월 Intel이 인력 감축과 함께 Mobileye 지분 8%를 매각한다는 소식이 전해졌습니다.
이는 Intel 전반의 구조조정(다른 사업 부문에서도 인력 감축 진행)과 연관될 가능성이 있습니다.
그럼에도 불구하고 Mobileye는 모회사인 Intel으로부터의 자금 및 지원이 감소하면서 Waymo나 Zoox와 비교해 불리한 입장에 놓일 수 있습니다.
(자세한 내용은 전용 투자 보고서에서 Intel에 대해 읽어보세요)
Aurora Innovation
이 회사는 주로 고속도로 주행에 초점을 맞춘 무인 트럭에 집중하고 있으며, 트럭이 주행하는 마일의 압도적인 대부분을 차지합니다.
2025년 5월, Aurora는 300만 마일 이상의 자율 주행을 기록한 뒤 최초 완전 무인 주행을 성공시켰습니다.
이 기업은 Google 자율주행 프로젝트 초기 리더였던 Chris Urmson이 설립했으며, 현재 Waymo 브랜드 아래 잘 알려져 있습니다.
“나는 시속 65마일로 고속도로를 달리고 있다. 운전대 뒤가 아니라 뒤좌석에 앉아, 내가 만든 기술이 운반하는 수천 개의 페이스트리를 바라보며 풍경을 감상한다.”
Aurora는 2025년 말까지 텍사스 엘패소와 애리조나 피닉스에 무인 서비스를 확대할 계획입니다.
The Ones That Gave Up
성공적인 기업들이 인내만으로 자율주행 레이스에서 승리할 수 있다고 말하는 지금, 중도에 사라진 프로젝트들을 기억할 필요가 있습니다:
- General Motors가 2024년 12월 Cruise 프로젝트를 포기.
- Apple이 2024년 4월 자체 자율주행 계획을 포기
- Uber가 2020년에 자율차 부문을 Aurora Technologies에 매각
Non-Car Self-driving
자동차 외에도 자율주행 시스템에 집중하는 기업이 많이 있습니다.
예를 들어, 작은 배달 로봇은 기술적으로 자율주행 차량이며, 자동차를 대상으로 한 규제를 피할 정도로 작습니다. 현재 로봇 배달 분야의 선두주자는 에스토니아의 Starship Technologies이며, Skype 공동 창업자들이 설립했고, 중국 전자상거래 대기업 Alibaba(BABA )도 작은 무해한 디자인을 채택해 스타워즈 드로이드와 유사합니다.
출처: Starship
규제 문제와 대형 차량 사고의 파급 효과 때문에, 자율 트럭은 아직 인간 입력에 의존하고 있으며, Kodiak, Gatik, Pony.ai와 같은 기업이 Aurora Innovation을 모델로 삼고 있습니다.
또 다른 아이디어는 가벼운 물품을 배송하기 위해 드론을 활용하는 것입니다. 현재 선두는 명백히 Zipline이며, 뒤이어 Wing과 Meituan (3690.HK)가 있습니다. 이는 진정한 혁신이 될 수 있지만, 자율 배달 트럭보다도 더 많은 규제 장벽에 직면해 대규모 배포가 늦어질 가능성이 있습니다.
출처: ARK Invest
Conclusion
수년간 “곧” 완전 자율주행 차가 등장할 것이라는 기대에도 불구하고, 2025년은 자율주행 기술의 명확한 가속점이 되었습니다.
초기에 위험을 감수한 여러 도시가 이제 로보택시가 일상적으로 도로를 누비며 라이드‑헤일링 가격을 낮추고 있습니다.
현재로서는 미국과 중국이 기업과 규제 측면에서 전 세계를 선도하고 있으며, 혁신과 관대한 규제 프레임워크 사이의 긍정적 피드백 루프는 향후 경제학자들에게 귀중한 사례 연구가 될 것입니다.
지금까지는 제한된 지오펜싱 구역과 카메라·LIDAR·레이다·기타 센서가 모두 갖춰진 로보택시가 운전자를 완전히 필요로 하지 않는 최적의 조합으로 보입니다.
이는 신중한 접근 방식을 취한 Waymo에게 큰 이점을 주었으며, Zoox와 다수 기업이 그 뒤를 바짝 따라잡고 있습니다.
한편 Tesla는 모든 도로에서 작동할 수 있는 일반적인 “Full Self‑Driving” 기술을 추구하고 있으며, 기존 Tesla 차량에 간단한 소프트웨어 업데이트만으로 구현될 수 있기를 기대합니다. 이는 위험 부담이 크지만, 곧 무제한 자율주행을 실현할 유일한 가능성으로 보입니다.
지오펜싱 기술은 전 세계적으로 매우 천천히, 단계적으로 배포될 것이며, 대도시의 기존 택시 서비스와 경쟁하는 수준에 머무를 것입니다. 이는 초저가, 24/7 상시 운행 전기차 라이드로 차량 소유를 대체할 수 있는 “진정한” 로보택시가 제공할 수 있는 다중조 달러 규모의 잠재적 상금을 크게 남겨둡니다.
따라서 기업 문화에 충실한 Tesla가 궁극적인 승자가 되어 완전히 새로운 거대한 시장을 창출하고 자동차의 의미를 다시 혁신할 수도 있지만, 이는 여전히 극복하기 어려운 기술적 과제를 해결할 때만 가능할 것입니다.
