자율주행

한 줄 정의 자율주행(Autonomous Driving): 차량이 운전자의 개입 없이 센서와 AI로 주변을 인식·판단·제어해 스스로 주행하는 기술. 단일 제품이 아니라 AI 반도체·센서·지도·소프트웨어·서비스가 얽힌 산업 생태계다.

통념 교정 흔히 "자율주행 = 운전대 놓고 잠자는 완전 무인차"로 안다. 실제로는 길에 굴러다니는 대부분의 차는 운전자가 끝까지 책임지는 ADAS(운전자 보조) 단계에 머물러 있고, 차가 모든 상황을 책임지는 완전 자율주행은 특정 지역·조건에서 로보택시 형태로만 제한적으로 굴러간다. 또 하나의 오해는 "기술만 완성되면 바로 상용화"라는 생각이다. 실제로 상용화 속도를 가르는 건 기술보다 규제 승인·사고 책임 체계·보험·여론인 경우가 더 많다. 자율주행의 마지막 1%는 코드가 아니라 사회적 합의에서 막힌다.

---

1.개요

자율주행은 카메라·레이더·라이다 같은 센서와 인공지능, 고정밀 지도, 제어 소프트웨어가 결합해 차량이 스스로 주행하도록 만드는 기술이다. 핵심은 한 회사가 다 하는 게 아니라는 점이다. 차량용 AI 연산을 담당하는 AI 반도체·GPU, 주변을 보는 센서, 길을 아는 지도, 판단을 내리는 소프트웨어, 그리고 그 차를 굴려 돈을 버는 로보택시·물류 플랫폼이 각각 다른 산업으로 나뉘어 거대한 밸류체인을 이룬다. 그래서 자율주행은 자동차 산업의 이슈인 동시에 AI·반도체·플랫폼 산업의 이슈이기도 하다. 현재 상용화의 중심은 ADAS와 제한된 고도 자율주행이며, 로보택시와 무인 물류 운송을 두 축으로 확산이 이어진다. 대표 종목으로는 테슬라가 가장 자주 거론된다.

2.연혁·역사

자율주행의 뿌리는 의외로 오래됐다. 1980년대 독일의 에른스트 디크만스가 카메라를 단 메르세데스 밴으로 고속도로 자동 주행을 시연했고, 미국 카네기멜런대학은 'Navlab' 프로젝트로 자율주행 연구의 학문적 토대를 닦았다. 하지만 이 기술이 산업의 의제로 폭발한 결정적 계기는 2004~2007년 미국 국방고등연구계획국(DARPA)이 주최한 자율주행 경주, 이른바 'DARPA 그랜드 챌린지'였다. 첫해엔 사막 코스를 완주한 차가 한 대도 없었지만, 불과 몇 년 만에 도심 주행까지 해내는 팀이 나오면서 "이건 된다"는 확신이 업계에 퍼졌다. 이 대회에 참여했던 스탠퍼드 팀의 세바스찬 스런은 곧 구글에 합류해 비밀 프로젝트 '쇼퍼(Chauffeur)'를 이끌었고, 그것이 오늘날 웨이모의 전신이 됐다.

2010년대 들어 자율주행은 실험실에서 산업으로 넘어왔다. 구글의 자율주행 부문은 2016년 웨이모로 분사했고, 우버·크루즈(GM)·앱티브 등 수많은 기업이 막대한 자금을 쏟아부으며 "2020년이면 운전대 없는 차가 거리를 메운다"는 낙관이 한때 업계를 지배했다. 같은 시기 테슬라는 전혀 다른 길을 택했다. 이미 판매한 수십만 대의 차에 카메라를 달아 도로 데이터를 끌어모으고, 그 데이터로 '오토파일럿'과 'FSD(Full Self-Driving)'를 점진적으로 업데이트하는 방식이다. 한쪽(웨이모형)은 특정 도시에 완전 무인차를 먼저 띄우는 전략, 다른 한쪽(테슬라형)은 소비자 차량을 대규모 데이터 수집기로 쓰는 전략으로 산업이 양분됐다.

그러나 20182022년은 자율주행 업계의 '환멸의 골짜기'이기도 했다. 우버 자율주행차의 보행자 사망 사고, 끝없이 미뤄지는 상용화 일정, 천문학적인 개발비 부담이 겹치며 일부 기업은 사업을 접거나 합병됐다. "23년만 더"라는 약속이 반복되자 시장의 신뢰가 식었다. 이 시기를 지나 2023년 이후 웨이모가 일부 도시에서 유료 무인 로보택시 운행을 본격화하고, 중국의 바이두 '아폴로'가 자국 내 서비스를 넓히면서 자율주행은 다시 "시연"이 아니라 "영업"의 단계로 들어섰다. 현재의 화두는 더 이상 "기술이 되느냐"가 아니라 "누가 먼저 안전하게, 그리고 돈이 되게 확장하느냐"다. 현대차·기아의 자율주행 조직을 이끄는 인물도 같은 메시지를 던지는데, 이에 대해서는 아래 글에서 자세히 다뤘다.

3.작동 방식

자율주행 시스템은 크게 인식·판단·제어 3단계로 움직인다. 인식 단계에서는 카메라·레이더·라이다가 차선·보행자·신호등·차량·장애물을 파악한다. 판단 단계에서는 인식된 정보를 바탕으로 "지금 멈출까, 차선을 바꿀까, 속도를 줄일까"를 결정한다. 제어 단계에서는 그 결정을 조향·가속·제동이라는 실제 동작으로 옮긴다. 이 흐름의 핵심은 두 가지다. 첫째는 서로 다른 센서의 정보를 합쳐 더 믿을 만한 그림을 만드는 '센서 융합'이고, 둘째는 그 판단을 학습시킨 주행 데이터의 양과 질이다. 같은 하드웨어라도 학습한 도로 상황이 풍부할수록 낯선 상황에서 덜 당황한다. 그래서 자율주행은 하드웨어 경쟁이자 동시에 데이터 경쟁이고, 차량용 AI 연산을 떠받치는 AI 반도체·GPU 수요가 자율주행 확산과 함께 커지는 구조다.

4.자율주행 단계

자율주행은 보통 운전자 보조부터 완전 자율주행까지 단계로 나눈다. 가장 널리 쓰이는 건 운전자가 끝까지 책임지는 ADAS 단계로, 차선 유지나 자동 긴급제동처럼 운전을 '돕는' 기능이다. 그다음이 제한된 조건에서 차량이 대부분의 주행을 맡되 운전자가 즉시 개입할 준비를 해야 하는 부분 자율주행이다. 고도 자율주행과 완전 자율주행은 특정 지역(지오펜스)이나 특정 날씨·시간대 같은 조건에서만 상용화가 진행된다. 단계가 올라갈수록 사고 책임이 운전자에서 시스템·제조사로 옮겨가기 때문에, 단순히 기술 등급이 오르는 게 아니라 법적 책임 구조 전체가 함께 따라와야 한다는 점이 핵심이다. "레벨 3"이 어려운 건 기술이 아니라, 운전자와 차가 책임을 주고받는 회색지대를 사회가 받아들이기 어렵기 때문이다.

5.핵심 사건·전환점

자율주행의 판도를 바꾼 순간들은 대개 기술 시연이 아니라 사업 모델의 전환이었다. 첫 번째는 앞서 본 DARPA 챌린지로, 산학의 연구를 한꺼번에 산업으로 끌어올린 방아쇠였다. 두 번째는 로보택시의 유료 상용 운행 개시다. 시연 영상은 누구나 만들 수 있지만, 운전자 없는 차에 승객을 태우고 요금을 받는 순간 안전·보험·규제의 전혀 다른 차원이 시작된다. 세 번째 전환점은 자율주행을 '승용차 운전 대체'가 아니라 '서비스 시장'으로 보기 시작한 것이다. 로보택시 시장 자체가 거대한 기회로 재평가되면서, 테슬라·리비안을 비롯한 완성차 기업들이 차량 판매를 넘어 운행 서비스 매출을 노리게 됐다. 이 전환의 구체적인 맥락은 아래 글에서 자세히 다뤘다.

네 번째는 자율주행이 도시 구조와 부동산까지 흔들 변수로 거론되기 시작한 점이다. 출퇴근의 고통이 줄면 사람들이 어디에 사는지가 바뀐다는 가설인데, 다만 전문가들은 그것이 핵심 입지의 가치를 단번에 무너뜨리진 않을 거라고 본다. 자율주행이 "교통"을 넘어 "도시"의 문제로 확장되고 있다는 신호다.

6.경쟁 구도·생태계

대표적인 개발 주체는 셋으로 압축된다. 미국의 테슬라는 이미 팔린 차량에서 나오는 대규모 주행 데이터와 자체 AI 칩에 강점이 있고, 구글 계열의 웨이모는 라이다를 포함한 다중 센서와 실제 무인 로보택시 운영 경험이 많다. 중국의 바이두는 자국 시장과 정부 지원을 등에 업고 자율주행 플랫폼 '아폴로'를 빠르게 키워 왔다. 여기에 현대차·기아 같은 전통 완성차 기업이 소프트웨어 역량 내재화를 선언하며 합류했다. 이들을 둘러싼 생태계에는 AI 반도체·GPU, 고정밀 지도, 라이다·레이더 센서 업체, 차량용 운영체제 공급망이 톱니바퀴처럼 맞물린다. 자율주행 투자에서 완성차 한 종목만 보는 게 위험한 이유가 여기 있다. 정작 안정적으로 돈을 버는 쪽은 차를 파는 회사가 아니라 그 안에 칩과 센서를 넣는 회사일 수도 있다.

7.산업 구조·밸류체인

자율주행은 완성차 한 칸으로 보기보다 층층이 나눠 봐야 한다. 맨 아래엔 연산을 담당하는 AI 반도체와 GPU가 있고, 그 위에 주변을 보는 센서(카메라·레이더·라이다), 길을 아는 고정밀 지도, 판단을 내리는 자율주행 소프트웨어, 맨 위에 그 차를 굴려 매출을 만드는 로보택시·무인 물류 플랫폼이 얹힌다. 층마다 사업 구조와 마진, 진입장벽이 전혀 다르다. 반도체·센서 층은 부품을 팔아 비교적 일찍 수익을 내지만, 소프트웨어·서비스 층은 막대한 선투자와 긴 인내가 필요한 대신 성공하면 플랫폼 독점에 가까운 위치를 노린다. 자율주행 관련 종목을 볼 때 "이 회사가 밸류체인의 어느 층에서 돈을 버는가"를 먼저 따져야 하는 이유다.

8.리스크·쟁점

가장 큰 과제는 단연 안전성이다. 한산한 고속도로는 쉽지만, 복잡한 도심·공사 구간·악천후·예측 불가능한 보행자 같은 '엣지 케이스'에서는 인식과 판단이 급격히 어려워진다. 자율주행의 마지막 몇 퍼센트가 가장 비싸고 어렵다는 말이 나오는 이유다. 여기에 사고 발생 시 책임이 운전자인지 제조사인지, 규제 승인 범위가 어디까지인지, 학습 데이터에 특정 지역·인종·환경 편향은 없는지 같은 쟁점이 겹친다. 그 결과 기술 발전 속도와 실제 상용화 속도 사이에 큰 간극이 생기고, 자율주행 관련 종목은 "곧 된다"는 기대가 부풀었다가 일정이 미뤄질 때마다 기대와 실적의 괴리로 크게 출렁이기 쉽다. "시연 성공"과 "돈 버는 상용화"는 전혀 다른 문제라는 걸 항상 염두에 둬야 한다. 참고로 비슷한 '기대 대 현실' 간극은 양자컴퓨팅처럼 상용화까지 시간이 더 필요한 차세대 기술에서도 반복적으로 나타난다.

9.정성 비교: 테슬라형 vs 웨이모형

구분	테슬라형(소비자 차량)	웨이모형(로보택시)
접근 방식	판매 차량으로 데이터 축적	특정 지역 무인 운행 서비스
센서 전략	카메라 중심	라이다 포함 다중 센서
수익 모델	차량 판매·소프트웨어 구독	운행 서비스 요금
확장 방식	차량 보급으로 광역 확장	지역 단위 점진 확장
강점	방대한 실주행 데이터·규모	검증된 무인 운영 노하우
약점	책임 소재·규제 부담	지역 확장 속도·비용

10.외부 링크 · 둘러보기

관련 문서: 테슬라 · 로보택시 · ADAS · AI 반도체 · GPU · 웨이모 · 바이두 · 양자컴퓨팅

---

본 문서는 정보 제공용이며 투자 권유가 아닙니다.