- 미국과 중국에서 수천 대 규모의 무인 로보택시가 상용화된 가운데, 핵심 부품인 라이다 가격 폭락으로 자율주행의 승부처가 원가 경쟁력으로 이동했습니다.
- 한국은 기술 격차보다 포지티브 규제와 소규모 시범지구 중심 정책, 택시 업계와의 이해관계 조율 문제로 상용화 실증 속도가 늦어졌습니다.
- 선도 기업의 소프트웨어 현지화와 도시 단위 대규모 실증 사업을 통해 2030년 본격화될 자율주행 비즈니스 생태계에 빠르게 안착해야 합니다.

미국 샌프란시스코나 중국 베이징·선전 등 주요 대도시에서는 이미 수천 대 규모의 무인 로보택시가 일상적으로 승객을 실어나르고 있습니다. 반면 한국 도로에서는 여전히 운전석에 안전요원이 탑승한 소규모 시범운행 차량만 드물게 눈에 띌 뿐입니다. 과거에는 '라이다 센서가 너무 비싸서 상용화가 어렵다'거나 '완벽한 인공지능이 나오기까지 멀었다'는 인식이 지배적이었지만, 시장의 판도는 완전히 바뀌었습니다.
한때 개당 수만 달러(약 1억 원 안팎)에 달하던 고성능 라이다 센서 가격이 중국발 대량 양산과 기술 고도화에 힘입어 수백 달러(약 30만원 선) 수준까지 떨어졌습니다. 이제 자율주행 산업은 단순한 알고리즘 경쟁 단계를 넘어, 차량과 센서를 합쳐 대당 3만~3만 5,000달러 안팎으로 맞추는 가격 경쟁과 수익성 싸움으로 진입했습니다.
왜 지금 자율주행의 승부처가 가격과 운영비로 바뀌었는가
자율주행 진영은 크게 두 갈래로 나뉩니다. 테슬라처럼 고가 센서를 배제하고 카메라 중심의 저비용 비전 시스템으로 규모를 확장하는 방식과, 웨이모나 포니AI처럼 라이다를 장착해 600~700m 전방 인식과 악천후 속 안전성을 확보하는 방식입니다.

과거 1억 원을 호가하던 고성능 라이다 센서 가격이 수백 달러 수준으로 떨어지며 자율주행 시장의 경쟁 구도가 크게 달라졌습니다.
과거에는 라이다 진영의 원가가 워낙 높아 일반 승용차는 물론 로보택시 사업화조차 불가능하다는 회의론이 지배적이었습니다. 하지만 라이다 단가가 급격히 하락하면서 하드웨어 센서 비용은 더 이상 사업 성패를 가르는 절대적인 장벽으로 작용하지 않습니다.
현재 로보택시 사업의 경제성을 결정짓는 핵심 변수는 차량 자체의 대량 생산 단가와 원격 관제 인건비입니다. 완성차 개조 비용을 낮춘 전용 전기차 플랫폼을 확보하고, 운전석에서 사람을 완전히 제외한 뒤 원격 관제 인력 한 명이 차량 몇대를 안정적으로 관리할 수 있는지가 사업의 흑자 전환을 가르는 실질적인 기준입니다. (포니는 1인이 30대 정도를 관제)
미국과 중국이 치고 나가는 동안 한국이 뒤처진 배경
한국의 자율주행 기술 수준은 전문가 평가 기준으로 선도국 대비 약 91~92% 수준이지만, 상용화 체감 격차는 그보다 훨씬 큽니다. 기술 개발 역량이 부족했다기보다는 실증과 제도 운영 방식의 차이에서 격차가 벌어졌습니다.

자율주행 기술 발전을 가로막는 복잡한 인증 절차와 규제 현실을 전문가와 함께 짚어보았습니다.
첫째는 규제와 인증 환경의 차이입니다. 텍사스나 캘리포니아처럼 자율주행차를 실제 도로에 폭넓게 풀어놓고 주행 데이터와 사고 통계를 사후 검증하며 제도를 다듬은 선도국과 달리, 한국은 사전 인증 항목이 촘촘하고 지정된 시범운행지구 내에서만 엄격하게 주행하도록 관리해 왔습니다.
둘째는 실증 규모와 모빌리티 생태계의 차이입니다. 우버 같은 차량 공유 플랫폼이 정착하며 기사 기반 인력 구조가 유연해진 해외와 달리, 한국은 택시 업계와의 이해관계 조율이 선행되어야 했습니다. 그 결과 수백~수천 대 단위로 도로에 차량을 투입해 '규모의 경제'를 검증하는 속도가 늦어질 수밖에 없었습니다.
기술 격차를 단축하는 현실적 대안: 소프트웨어 협력과 도시 단위 실증
후발주자가 자율주행 소프트웨어를 밑바닥부터 독자 개발하려면 막대한 연구개발 자금과 10년 이상의 시간이 소요됩니다. 실제로 구글 웨이모가 무인 상용화까지 약 12년이 걸린 반면, 후발주자인 중국 포니AI는 약 6년 8개월 만에 동급 수준에 도달했습니다. 이미 축적된 글로벌 레퍼런스와 인력 이동, 표준화된 센서 모듈이 자리 잡았기 때문입니다.

기존 완성차 제조사와 신생 전기차 업체 간의 자율주행 기술 개발 방식과 경쟁 구도를 짚어봅니다.
일본 완성차 업체들이 도요타-웨이모 협업처럼 해외 최상위 소프트웨어를 적극 결합하듯, 국내에서도 현대차 코나 전기차 플랫폼에 포니AI 소프트웨어를 얹어 한국 지형과 교통 신호 체계에 맞게 현지화하는 시도가 이어지고 있습니다. 복잡한 강남 도로에서 9만 km 이상 누적 주행한 결과, 하루 약 300km 운행 중 운전자 개입이 1회 안팎에 불과할 정도로 현지화 속도가 빨라졌습니다.
정부 정책 역시 개별 시범지구 지정 방식에서 벗어나 광주광역시에 200대를 우선 투입하고, 향후 3~5개 주요 도시로 3,000대 규모 실증을 확대하는 방향으로 전환하고 있습니다. 도시 전체 단위로 대규모 차량을 투입해 주행 데이터를 공유해야만 비즈니스 단계로 진입할 수 있는 최소 임계점(차량 1,000대 전후)을 넘길 수 있습니다.
2030 자율주행 대전환기, 무엇을 주목해야 하는가
독일, 일본, 유럽연합, 중국 등 주요국은 2030년을 자율주행이 완전한 독립 비즈니스로 정착하는 목표 시점으로 설정하고 대량 생산 마스터플랜을 가동하고 있습니다. 테스트 단계의 실험실 기술이 아니라, 대당 3만 달러대 전용 차량 공급과 대규모 원격 관제망이 결합된 운송 산업으로 안착하는 시기입니다.
한국 시장이 자율주행 생태계의 주도권을 놓치지 않으려면 두 가지 변화가 필수적입니다. 첫째는 해외 우수 소프트웨어와 협력해 국내 도로 적응 기간을 줄이는 기술적 개방성이고, 둘째는 기업 택시 및 지자체와 연계해 실질적인 유상 운송 모델을 안착시키는 제도적 유연성입니다. 2030년까지 남은 기간 동안 도시 단위의 대규모 차량 플릿이 실제로 도로를 누비며 수익성을 검증할 수 있는지가 한국 모빌리티 산업의 미래를 좌우할 것입니다.
FAQ
테슬라의 카메라 방식과 웨이모의 라이다 방식 중 어느 쪽이 최종 승자가 되나요?
특정 방식의 독식보다는 용도별 공존 가능성이 높습니다. 대량 생산 승용차 시장에서는 가격을 최대한 낮출 수 있는 카메라 기반 비전 시스템이 유리하지만, 무인 로보택시나 대중교통 분야에서는 야간·악천후 안전성과 수백 미터 전방 감지를 위해 가격이 대폭 하락한 라이다 장착 모델이 필수 표준으로 자리 잡고 있습니다.
한국의 자율주행 기술 수준이 선도국 대비 크게 떨어지지 않는데 상용화가 늦은 이유는 무엇인가요?
알고리즘 기술 자체는 선도국의 약 91~92% 수준으로 평가받지만, 사전 허가 중심의 엄격한 인증 절차와 소규모 구역 위주의 시범운행 정책, 기존 택시 업계와의 이해관계 조율 문제 등으로 대규모 차량을 도로에 투입해 검증하는 실증 속도가 늦어졌기 때문입니다.
해외 자율주행 소프트웨어를 국내에 들여오면 바로 운행이 가능한가요?
그렇지 않습니다. 기본 알고리즘이 뛰어나더라도 국내 도로의 정밀 지도 구축, 복잡한 신호 체계 인식, 고층 빌딩 빛 반사 대응, 차선 변경 시점 설정 등 한국 도로 환경에 맞춘 데이터 학습과 세밀한 현지화 튜닝 과정을 반드시 거쳐야 합니다.