Your browser does not support JavaScript!

2025년 최신 자율주행 모빌리티 동향: 혁신·안전·데이터 전략

일반 리포트 2025년 12월 11일
goover

목차

  1. 오스트리아 미래 모빌리티 생태계의 표준화와 검증
  2. 국내 모빌리티 서비스의 AI 온디바이스 도입 성과
  3. SDV 전환과 글로벌 협업 사례: AWS·닛산
  4. 자율주행차 안전성: 신호 연속성의 결정적 역할
  5. 미래 모빌리티 경쟁: L3 상용화와 L4 고도화 과제
  6. 자율주행 기술의 불확실성과 제도적 검증 필요성
  7. 국내 자율주행 데이터 정책 및 실증 계획
  8. 현대차 포티투닷 일반도로 자율주행 시연
  9. 로보택시의 도전 과제: 교통규칙 위반 사례
  10. 테슬라 FSD·스타링크 국내 도입과 산업 반응
  11. 결론

1. 요약

  • 2025년 12월 기준, 자율주행 모빌리티 분야는 첨단 기술과 제도의 융합적인 발전을 통해 중요한 변곡점을迎리게 되었습니다. 유럽에서는 오스트리아가 자율주행 테스트 인프라 및 표준화 전략을 통해 미래 모빌리티의 중심지로 자리잡고 있으며, 특히 정부의 적극적인 정책이 큰 역할을 하고 있습니다. 아울러, 국내에서는 카카오모빌리티가 AI 온디바이스(온기기) 기술을 도입하여 서비스의 효율성을 높이고 있으며, AWS는 닛산의 소프트웨어 정의 차량(SDV) 전환 지원을 통해 글로벌 기술 경쟁력 향상에 기여하고 있습니다.

  • 현재 자율주행 모빌리티 생태계는 신호 연속성, 안전성, 규제 정책 등 여러 주요 이슈에 직면해 있으며, 현대차 포티투닷의 일반 도로 자율주행 시연 사례와 로보택시의 교통규칙 위반 사건은 기술 상용화의 어려움을 단적으로 드러냅니다. 동시에, 테슬라의 FSD와 스타링크가 국내에 도입됨에 따라 기존 자동차 제조사들은 기술 혁신을 위해 빠르게 대응해야 하는 상황입니다. 이는 정책, 산업, 기술 간의 협업이 더 중요해짐을 의미하며, 이러한 요소들은 자율주행 모빌리티의 미래에 다시 한번 중대한 변화를 가져올 것입니다.

  • 결론적으로, 자율주행 모빌리티의 비전은 안전성 확보, 데이터 공유 및 규제 정비 측면에서도 신뢰성과 혁신성을 담보해야 하며, 이러한 측면은 다국적 협업을 통해 이어져야 할 것입니다. 지속 가능한 발전을 위한 전략적 접근은 자율주행의 상용화를 위한 필수적인 요소로 작용할 것입니다.

2. 오스트리아 미래 모빌리티 생태계의 표준화와 검증

  • 2-1. 자율주행 테스트 인프라 확대 전략

  • 오스트리아는 자율주행 테스트 인프라에서 유럽의 주요 거점으로 자리매김하고 있습니다. 특히, 정부의 적극적인 정책 지원과 법적 프레임워크가 자율주행 기술의 발전을 가속화하는 역할을 하고 있습니다. 2016년에 제정된 '자율 주행 규정'(Automatisiertes Fahren Verordnung, AutomatFahrV)은 자율주행 차량의 테스트를 위한 법적 기반을 제공했으며, 이후 이 규정은 여러 차례 개정되어 실제 도로에서의 자율주행 테스트를 보다 포괄적으로 지원하고 있습니다. 이를 통해 오스트리아는 다양한 자동화된 주행 시스템의 테스트를 가능하게 하고 있습니다.

  • 최근에는 오스트리아의 두 개의 주요 테스트 플랫폼인 알프랩(ALP.Lab)과 디지트랜스(DigiTrans)가 자율주행 기술의 검증과 실증을 위한 핵심 인프라로 운영되고 있습니다. 알프랩은 자동차 기술 기업과 연구 기관 간의 협력으로 형성되었으며, 오스트리아의 다양한 도로 환경을 활용한 테스트를 지원합니다. 디지트랜스는 물류와 관련된 특화된 테스트 환경을 제공하고, 이곳에서는 자율주행 트럭 및 산업용 차량의 테스트가 이루어집니다. 이러한 통합 테스트 환경은 자율주행 기술의 실용성과 안전성을 높이는 데 기여하고 있습니다.

  • 2-2. ADAS·C-ITS 분야 유럽 내 거점화

  • 오스트리아는 ADAS(첨단 운전자 지원 시스템)와 C-ITS(협력적 지능형 교통 시스템) 분야에서도 강력한 입지를 다지고 있습니다. ADAS는 자율주행 기술의 안전성과 효율성을 높이는 핵심 기술로 작용하며, 오스트리아는 이 분야에서 높은 기술 경쟁력을 보유하고 있습니다. 특히, 티티테크오토(TTTech Auto)와 에이브이엘리스트(AVL List) 기업들이 주도적으로 연구개발을 진행하고 있으며, 이들 기업은 글로벌 시장에서도 확고한 입지를 다지고 있습니다.

  • C-ITS는 차량 간(V2V) 및 차량-인프라 간(V2I) 통신을 가능하게 하여 자율주행 차량의 안전성을 높이는 데 핵심적인 역할을 합니다. 오스트리아는 2016년 C-ITS 전략을 발표하고, 이를 기반으로 유럽 내 호환 가능한 C-ITS 서비스의 도입을 위한 인프라를 마련해 가고 있습니다. 오스트리아의 연구진과 기업들이 협력하여 다양한 테스트와 실제 적용을 통한 검증 활동이 진행되고 있으며, 이는 자율주행 차량의 상용화 및 안전성을 높이는 데 중요한 기여를 하고 있습니다.

  • 2-3. 국가 주도 연구 전략과 안전성 담보 방안

  • 오스트리아는 ‘자동화 모빌리티 전략’이라는 국가 주도의 연구 전략을 통해 자율주행 기술의 발전을 도모하고 있습니다. 이 전략은 기후 중립성과 경제적 강화, 자동화된 대중교통의 역할 증대와 같은 방향성을 내세우며, 산업, 연구 기관, 공공 부문 간의 협력을 촉진하고 있습니다.

  • 2023년 발표된 ‘자동화 모빌리티 성명서’에서는 2040년까지의 기후 중립 목표 달성을 위한 자율주행 기술의 기여 방안이 강조되었으며, 이는 결국 오스트리아의 지속 가능한 교통 시스템 구축에 기여할 것입니다. 또한, SAAM Austria(오스트리아 자동화 모빌리티 전략적 동맹)의 출범으로 다양한 기업과 연구 기관이 협력하여 자율주행 기술 연구 및 실증 프로젝트를 수행하고 있습니다. 이러한 국가 주도의 연구 전략은 오스트리아의 자율주행 생태계 내에서 중요한 안전성 담보 수단으로 기능하고 있습니다.

3. 국내 모빌리티 서비스의 AI 온디바이스 도입 성과

  • 3-1. ‘제미나이 나노’ 기반 주소 자동 추출

  • 카카오모빌리티는 구글의 제미나이 나노를 활용한 온디바이스 AI 도입으로 서비스 효율성을 대폭 끌어올렸다. 특별히, 주소 자동 추출 기능은 기존 사용자가 수동으로 입력해야 했던 주소 정보를 AI가 자동으로 처리함으로써, 주문 과정이 간소화되었다. 이 방식은 실질적으로 고객이 주문을 완료하는 데 소요되는 시간을 24% 단축시켰다. 이는 고객 경험의 개선과 더불어 실제 비즈니스 성과로 연결되었다.

  • 3-2. 주문시간 24% 단축과 전환율 45% 상승

  • 온디바이스 AI 도입 이후 카카오모빌리티의 신규 사용자 '주문→결제' 전환율은 45% 증가하였다. 이는 사용자들이 입력 부담이 줄어든 덕분에 이탈률이 감소했음을 보여준다. 또한, 기존 사용자들의 전환율도 6% 상승하는 성과를 보였으며, 주문량이 증가하는 성수기에도 서버 비용 상승 없이 안정적으로 운영할 수 있는 기반을 마련했다.

  • 3-3. 주차 인식 등 서비스 확장 계획

  • 카카오모빌리티는 온디바이스 AI 기술을 활용하여 공유 자전거 및 킥보드의 주차 문제를 해결하는 데에도 적용할 계획이다. 최근 몇 년간 공유 모빌리티 확대에 따라 발생된 점자블록 위 불법 주정차 문제를 해결하기 위해, AI 기반 이미지 인식 기술을 활용하여 사용자가 촬영한 사진이 점자블록 위에 위치했는지를 즉시 판단할 수 있는 기능을 개발 중이다. 이 과정에서 AI의 정확도를 평가하는 F1스코어를 기반으로 검증을 진행해 생산 수준의 품질을 확보할 예정이다. 이러한 기능은 개인정보 보호 측면에서도 유리한데, 모든 데이터 처리가 기기 내에서 이루어져 정보 유출의 위험을 최소화할 수 있다. 앞으로는 불법 주정차 감지 및 배송 경로 최적화 등의 고도화된 서비스로 기능이 확장될 예정이다.

4. SDV 전환과 글로벌 협업 사례: AWS·닛산

  • 4-1. 확장형 오픈 SW 플랫폼 구축 배경

  • AWS는 최근 닛산의 소프트웨어 정의 차량(SDV) 전환을 지원하기 위해 '닛산 확장형 오픈 SW 플랫폼'을 구축하였으며, 이 플랫폼은 클라우드 기반으로 운영되고 있습니다. 이 구조는 자동차 산업의 혁신적 변화를 위한 중요한 기반이 되며, 자동차 개발 과정에서의 효율성을 극대화하는 데 기여하고 있습니다. 닛산은 이 플랫폼을 통해 차량용 소프트웨어 개발 주기를 단축하고, 테스트 자동화를 통해 수동 테스트의 실행 시간을 75%나 줄였습니다. 이는 개발 과정의 효율성을 크게 향상시키는 중요한 지표입니다.

  • 4-2. 개발 주기 75% 단축 효과

  • 닛산의 차량 소프트웨어 개발에서 AWS의 지원을 통해 이루어진 성과는 특히 주목받고 있습니다. 개발 주기가 75% 단축된 것은 자동차 산업의 변화 속도에 발맞추기 위한 필수적인 조치로, 경쟁이 치열한 글로벌 시장에서 닛산의 입지를 강화하는 데 크게 일조할 것입니다. 이러한 단축 효과는 상용차량의 개발과 품질 보증 과정을 더 신속히 처리할 수 있게 해 주며, 이를 통해 새로운 기술을 소비자에게 더 빠르게 제공할 수 있는 체계를 구축하는 데 기여하고 있습니다.

  • 4-3. 5천명 글로벌 개발자 협업 체계

  • AWS는 닛산의 SDV 전환을 촉진하기 위해 전 세계 5천명이 넘는 개발자가 참여할 수 있는 협업 체계를 마련했습니다. 이 체계는 모든 개발자가 동일한 도구와 리소스를 활용하여 협업할 수 있는 구조로 설계되어, 글로벌 차원에서의 신속한 기술 구현과 품질 보증을 가능하게 합니다. 닛산의 전략 중 하나는 다양한 글로벌 개발자와의 협업을 통해 새로운 아이디어를 신속하게 발전시키고, 이를 안정적으로 제품에 반영하는 것입니다. 이러한 전략은 궁극적으로 고객의 요구를 효과적으로 충족시키는 방향으로 진행되고 있습니다.

5. 자율주행차 안전성: 신호 연속성의 결정적 역할

  • 5-1. AI 알고리즘 완성도와 한계

  • 자율주행차의 안전성을 보장하기 위해서는 AI 알고리즘의 완성도가 필수적입니다. 현재 자율주행차는 다양한 센서와 카메라를 통해 주변 환경을 실시간으로 분석하고, 이를 바탕으로 주행 경로를 결정합니다. 그러나 이러한 알고리즘이 얼마나 정교하든지 간에, 차량의 동작에 대한 명령이 제어 장치로 전달되는 과정에서 지연이 발생하거나 신호가 끊긴다면 차량의 안전은 크게 위협받게 됩니다. 즉, AI에 의한 분석 및 판단이 실패하지 않기 위해서는 차량 내부 통신이 무결성과 연속성을 유지해야 합니다.

  • 5-2. 차량 내부 통신·반도체 구조 연구

  • 박상윤 교수의 연구에 따르면, 현재 자율주행차의 주요 통신 프로토콜은 CAN(Controller Area Network)을 기반으로 하고 있으며, 이 구조는 신뢰성이 높지만 단일 경로로 신호가 전달되는 한계가 있습니다. 만약 통신 경로에서 문제(예: 고장)가 발생하면 차량 전체가 정지하는 결과를 초래할 수 있습니다. 이를 해결하기 위해 HSR(High-availability Seamless Redundancy)와 같은 다중 경로 통신 구조가 이용되고 있지만, 이 경우 트래픽이 급증하게 되는 문제도 발생할 수 있습니다. 박 교수의 팀은 이러한 두 가지 접근 방식을 통합한 새로운 알고리즘인 'Seamless CAN'을 개발하여 많은 관심을 받고 있습니다.

  • 5-3. 지연 없는 제어 신호 전달 중요성

  • 자율주행차의 안전성을 담보하기 위해서는 지연 없는 제어 신호의 전달이 중요합니다. 이를 위해 차량 내부 통신뿐만 아니라 반도체 구조에도 높은 신뢰성과 내결함성을 요구합니다. 박 교수의 내결함성 프로세서 구조는 두 개의 코어가 동시에 명령을 실행하고, 결과를 실시간으로 비교하여 오류 발생 시에도 시스템이 중단되지 않고 지속적으로 동작할 수 있도록 설계되었습니다. 이러한 구조는 자율주행차뿐만 아니라 물류 로봇, 도심항공교통(UAM), 군수형 무인차량 시스템 등 다양한 분야에 적용될 수 있는 가능성을 지니고 있습니다.

6. 미래 모빌리티 경쟁: L3 상용화와 L4 고도화 과제

  • 6-1. AI 발전이 끌어올린 기술 한계 돌파

  • 최근 몇 년간 인공지능(AI) 기술의 급속한 발전이 자율주행차 기술의 한계를 극복하는 데 중요한 역할을 하고 있다. AI의 진화는 자율주행차의 인지-판단-제어 프로세스의 고도화를 가능하게 하며, 복잡한 환경 속에서 차량의 안전성과 효율성을 높이는 데 기여하고 있다. 특히, 딥러닝 기술의 도입으로 차량이 학습하고 스스로 판단할 수 있는 능력이 강화됐으며, 이는 L3(조건부 자동화)와 L4(고도 자동화) 상용화의 기본이 된다. 이는 차량이 주변 사물과 상황을 정확하게 인식하고, 해석하며, 결정한 후 신속하게 이를 실행하는 것을 포함한다.

  • 6-2. 완성차·ICT 기업 주도권 확보 전략

  • 자동차 제조사와 정보통신기술(ICT) 기업 간의 경쟁 구도가 점점 심화되고 있다. 전통적인 완성차 기업인 현대차와 BMW 등은 자율주행차의 하드웨어와 양산 능력에서 강점을 가지고 있는 반면, 구글, 웨이모와 같은 ICT 기업들은 AI 기술과 데이터 처리 능력에서 두각을 나타내고 있다. 이는 두 산업 간의 협력과 융합을 촉진하고 있으며, 예를 들어 현대차는 웨이모와 협력하여 ‘아이오닉 5’를 로보택시로 활용하고 있다.

  • 6-3. 산업 전반의 규제·안전 대전환

  • 자율주행차의 상용화 과정에서 규제와 안전성이 주요 과제로 떠오르고 있다. 자율주행차의 기술에 대한 법적·윤리적 관점에서의 논의가 활발하게 이루어지며, 이러한 이슈들은 완성차 제조사와 기술 제공자 간의 협력 모델을 바꿔놓고 있다. 특히, 사고 발생 시 책임 소재에 대한 논의가 중요한 이슈로 자리매김하고 있으며, 이는 자율주행차의 사회적 수용성을 높이는 데 필수적이다.

7. 자율주행 기술의 불확실성과 제도적 검증 필요성

  • 7-1. 테슬라 차량 대형 추돌 사고 분석

  • 2025년 12월 11일 기준, 자율주행 기술이 여전히 기술적 불확실성으로 인한 안전성 문제를 안고 있다는 점은 최근 대전에서 발생한 테슬라 차량의 대형 추돌 사고를 통해 확인할 수 있다. 이 사고는 긴급제동장치와 차선 유지 기능이 제대로 작동했는지 확인할 수 없는 상황에서 발생했으며, 이는 첨단 자율주행 기술에 대한 신뢰가 얼마나 취약한지를 상징적으로 보여준다. 이와 같은 사건은 자율주행 기술의 상용화가 인류에 미칠 수 있는 위험을 경고하는 사례로 분석된다. 특히 자율주행차의 기술적 완성도와 소비자의 신뢰 간의 간극이 여전히 존재하는 상황에서, 이러한 사건은 시간을 두고 해결해 나가야 할 중요한 과제임을 알린다.

  • 7-2. 첨단 기능 검증을 위한 제도적 장치

  • 현재 자율주행차의 기능과 안전성을 검증하기 위한 제도적 장치가 미비하다는 문제는 자율주행 기술의 발전과 함께 심각한 교차로에 놓여 있다. 한국의 경우, 자율주행차의 최근 기능은 한미 자유무역협정(FTA)의 특례를 통해 해외에서 인증받은 기능을 국내에서도 빠르게 적용하고 있지만, 이러한 기술들이 실제 국내 도로에서의 안전성을 담보할 제도적 검증이 부족하다. 이는 국내 자율주행 시장의 많은 기술들이 외부 기업의 실험장이 되어 버리는 구조적 불균형으로 이어지고 있으며, 이로 인해 안전에 대한 우려가 고조되고 있다. 따라서 실효성 있는 제도적 장치가 절실히 요구된다.

  • 7-3. 한·미 FTA 특례 활용 현황

  • 한미 자유무역협정(FTA)은 자율주행차기술의 빠른 도입을 가능하게 하지만, 이로 인해 한국의 완성차 기업들은 해외 기업에 비해 더 까다로운 규제를 받게 되는 상황이다. 예를 들어, 테슬라와 같은 해외 기업이 최신 자율주행 기술을 국내 도로에 도입할 때, 추가적인 인증 절차 없이도 적용할 수 있는 반면, 현대차 등 국내 기업들은 복잡한 절차를 거쳐야 한다. 이는 자율주행 분야에서 한국 기업들이 기술과 혁신을 선도하는 데 큰 장애가 되고 있으며, 결국 자율주행 기술의 경쟁력을 저하시킬 수 있다. 이러한 불균형을 해소하기 위해서는 국내에서도 자율주행 기술의 안전성을 확보할 수 있는 제도적 기반이 필요하다.

8. 국내 자율주행 데이터 정책 및 실증 계획

  • 8-1. 차량 데이터 공유 법·제도 방안

  • 현재 대한민국에서는 자율주행차의 데이터 활용을 극대화하기 위해 새로운 법적 및 제도적 방안을 모색하고 있다. 정부는 테슬라와 같은 글로벌 자율주행 기업들이 활용하는 데이터를 본받아, 제조사들이 판매한 차량에서 수집한 데이터를 보다 자유롭게 활용할 수 있도록 할 예정이다. 이는 데이터 수집에 있어 개인정보보호법 및 자율주행자동차법을 개정하여 차주가 동의한 차량의 원본 데이터를 사용할 수 있도록 허용하는 방향으로 진행 중이다. 이러한 변화는 데이터의 품질 및 양을 대폭 증가시켜 자율주행 기술의 발전 속도를 더욱 가속화할 것으로 예상된다.

  • 8-2. 도시 단위 자율주행 실증구역 지정

  • 도시 차원에서 자율주행차의 실증구역을 지정하는 프로젝트는 현재 진행 중으로, 이를 통해 대규모 데이터 수집을 실현할 계획이다. 예를 들어, 오는 2026년부터 한 도시를 자율주행차가 자유롭게 운행할 수 있는 테스트베드로 지정하는 방안이 추진되고 있다. 이는 미국의 피닉스나 중국의 우한처럼 넓은 지역에서 자율주행차가 운영될 수 있는 기반을 마련하는 것으로, 다양한 환경에서의 자율주행 데이터를 축적하고, 실제 서비스로의 전환을 위한 중요한 절차가 될 것이다.

  • 8-3. 2027년 완전자율차 상용화 목표

  • 한국 정부는 2027년까지 완전자율주행차의 상용화를 목표로 삼고 있으며, 이를 위해 다양한 기술 개발 및 인프라 구축을 적극 추진하고 있다. 정부는 자율주행차의 상용화를 위해 필요한 법적 정비와 기술 개발, 그리고 국가 차원의 데이터 인프라 마련에 집중하고 있다. 특히, 자율주행차의 안전성을 담보하기 위한 다양한 연구와 제도적 검증 방안도 함께 마련되고 있다. 이러한 접근은 국내 자율주행 산업의 글로벌 경쟁력을 높이는 데 기여할 것으로 기대된다.

9. 현대차 포티투닷 일반도로 자율주행 시연

  • 9-1. 카메라 기반 E2E 자율주행 기술

  • 현대차의 포티투닷은 자율주행 인공지능(AI) 플랫폼인 '아트리아(Atria) AI'를 기반으로 한 일반도로 자율주행 기술을 시연했습니다. 이 기술은 카메라 8대와 전방 레이더 1대를 활용하여 차량 주변 환경을 인식하는 엔드 투 엔드(end-to-end, E2E) 방식으로 작동합니다. E2E 방식은 기존의 GPS나 고정밀 지도에 의존하지 않고, 인지, 판단 및 제어 과정을 모두 통합하여 단일 신경망에서 학습하는 특징을 가집니다. 이는 테슬라의 완전자율주행(FSD) 시스템과 유사한 접근법으로, 다양한 상황에서 안정적인 자율주행을 가능하게 합니다.

  • 최근 공개된 영상에서는 현대차 아이오닉 6 기반 시험 차량이 도심의 터널과 교차로를 무사히 통과하고, 자동차 전용 도로에서 시속 100km를 넘는 속도로 주행하는 모습이 담겼습니다. 또한, 주차장에 진입하여 보행자와 다른 차량을 인식하고 스스로 빈 공간에 주차하는 장면 또한 인상적이었습니다. 이러한 시연은 기존의 연구소 내부 도로에서의 시험을 능가하는 기술 발전을 보여주는 사례로 평가됩니다.

  • 9-2. SDV 페이스카 적용 진전

  • 포티투닷과 현대차는 2026년 3분기 출시를 목표로 하는 소프트웨어 정의 차량(SDV) 페이스카(SDV Pace Car)의 개발에 집중하고 있습니다. 이 차량은 자율주행 기술과 차량의 전자 및 전력 구조 혁신을 반영하여 설계되었습니다. 특히 포티투닷은 차량 제어기 구조를 기존의 도메인 방식에서 '완전 존얼(zonal) 아키텍처'로 전환하고 있습니다. 이 구조에서는 통합 제어기인 HPVC(High Performance Vehicle Controller)가 자율주행, 차량 내 인포테인먼트 시스템(IVI) 등을 담당하고, 존얼 컨트롤러들이 다양한 입출력과 액추에이터 제어를 맡는 방식입니다. 이러한 변화는 차량의 중량과 비용을 줄이는 데 기여하고 있습니다.

  • 현대차와의 협업을 통해 제어기 수가 66% 줄어드는 등의 성과를 이뤘으며, 전력시스템은 테슬라 사이버트럭에서 도입된 48V 구조를 채택하여 효율성을 높이고 있습니다. 이처럼 기술적 혁신을 통해 포티투닷은 SDV 시대의 핵심 요소로 자리잡기 위해 노력하고 있습니다.

  • 9-3. 테슬라 FSD 대비 전략적 대응

  • 테슬라의 완전자율주행(FSD) 시스템이 한국에 도입된 이후, 포티투닷은 이에 맞서 자사의 자율주행 기술력을 강화하고 있습니다. 현대차는 이미 확보한 자율주행 기술의 데이터를 기반으로 대규모 사용자 차량 데이터를 확보하기 위한 노력을 기울이고 있으며, 이는 테슬라와의 경쟁에서 중요한 요소로 작용합니다. 뿐만 아니라 이러한 기술 개발은 자율주행 시스템의 안전성과 신뢰성을 높이는 데 이바지합니다.

  • 포티투닷의 접근 방식은 대규모 데이터 활용이 어렵지만, 대신 자율주행 데이터 플릿을 활용한 지속적인 주행 데이터 축적을 통해 기술을 탄탄하게 다지고 있습니다. 이로 인해 테슬라와의 경쟁에서 우위를 점하고, 전 세계 자율주행 시장에서의 존재감을 높이기 위해 발빠른 대응을 이어가고 있습니다.

10. 로보택시의 도전 과제: 교통규칙 위반 사례

  • 10-1. 웨이모·테슬라 로보택시 위반 사례

  • 로보택시의 교통규칙 위반 사례는 최근 미국에서 빈번히 발생하고 있으며, 이에 대한 여러 업계의 우려가 커지고 있다. 특히 알파벳 자회사인 웨이모와 테슬라의 차량에서 나타난 위반 사례들이 주목받고 있다. 2025년 12월 9일 기준으로, 웨이모는 텍사스 오스틴에서 자율주행 로보택시의 교통규칙 위반 사례를 20건 이상 보고했으며, 이 중에는 정차한 스쿨버스를 불법적으로 추월하는 사례도 포함되어 있다. 이는 미국의 교통법에서 스쿨버스가 경고등을 켰을 때, 모든 차량이 정지해야 하는 규칙을 명백히 위반하는 예이다.

  • 이와 함께 테슬라 차량의 완전자율주행(FSD) 기능은 미국 도로교통안전국(NHTSA)의 조사를 받고 있으며, 관련하여 80건이 넘는 잠재적 규칙 위반 사례가 접수된 상황이다. 특히 이 차량은 정지 신호를 무시하거나 회전 차로에서 직진하는 모습을 보이는 등 명확한 교통법 위반 행위를 보였다.

  • 로보택시의 교통규칙 위반 사례는 자율주행 기술의 신뢰성과 안전성을 특히 부각시키는 문제로, 업계에서는 이러한 사례들이 자율주행 상용화에 있어 상당한 장애물로 작용할 것이라는 우려를 표명하고 있다. 자율주행 차량이 교통법규를 준수하도록 프로그래밍되고 학습되는 과정은 매우 중요한데, 이 과정에서 미국의 교통 특성을 제대로 반영하지 못하는 경우가 발생하고 있다. 특히 한국에서는 이러한 학습 시간이 훨씬 더 필요하다는 평가가 지배적이다.

  • 한국은 현재 2단계 자율주행 기술이 상용화된 상태이며, 궁극적으로 4단계 자율주행으로 확대할 계획을 세우고 있다. 그러나 자율주행 차량의 사고 발생 시 책임 소재를 고려해야 하며, 이는 더욱 복잡한 법적 문제를 수반한다. 업계 관계자들은 자율주행 기술이 진일보하기 위해서는 각국의 규제와 법률을 충실히 준수하는 학습 데이터의 축적이 필수적이라고 강조한다.

11. 테슬라 FSD·스타링크 국내 도입과 산업 반응

  • 11-1. 11월 국내 신차등록 95.1% 증가

  • 2025년 11월, 테슬라의 국내 신차 등록 수가 전년 대비 95.1% 증가하며 총 5만5594대에 달했습니다. 이는 한국수입자동차협회에 따른 보고로, 그동안 테슬라는 지속적으로 판매량을 상승시켜왔고 이로 인해 BMW와 메르세데스-벤츠와의 격차가 크게 줄어들었습니다. 특히 이 성장은 테슬라 모델Y의 판매 호조에서 비롯되어, 11월 한 달 동안 모델Y의 판매량이 6180대에 달하며 국내 전기차 시장에서 1위를 차지했습니다.테슬라의 이러한 판매 증가의 주요 원인은 감독형 완전자율주행 시스템(FSD)과 위성 인터넷 서비스 스타링크의 국내 도입이었습니다.

  • 11-2. FSD·스타링크 3중 공세 효과

  • 테슬라는 감독형 완전자율주행 FSD와 위성 인터넷 서비스 스타링크의 도입을 통해 한국 모빌리티 산업 전반에 파장을 일으키고 있습니다. FSD는 운전자가 핸들을 잡지 않고도 주행할 수 있는 기능을 포함하고 있으며, 이는 이미 국내에서도 여러 도시에서 시연되고 있습니다. 이러한 고도화된 자율주행 기술의 도입은 현대차그룹을 포함한 국내 자동차 제조사들에게 기술 경쟁력을 재정비해야 할 필요성을 느끼게 하고 있습니다.

  • 또한, 스타링크 서비스는 한국에서 상용화되어 장거리 항공편에서 기내 Wi-Fi 시스템 도입을 허용하고 있으며, 이는 대한항공과 같은 주요 항공사들에 의해 채택되고 있습니다. 이처럼 FSD와 스타링크의 동시 도입은 단순히 자동차 산업뿐만 아니라 통신 및 항공 산업에도 영향을 미치는 3중 공세로 작용하고 있습니다.

  • 11-3. 현대차 기술 재편 동향 및 전망

  • 테슬라의 FSD 도입은 현대차그룹의 내부 구조에도 큰 영향을 미쳤습니다. 최근 현대차그룹의 자율주행 기술 총괄이 경질되며, 새로운 인사가 필요해졌습니다. 현대차는 자율주행 기술 개발의 축을 미국 보스턴에 있는 합작법인 모셔널로 옮길 계획을 세우고 있으며, 이러한 조직 쇄신의 배경에는 테슬라의 기술적 압박이 작용하고 있습니다.

  • 또한 엔비디아와의 협력이 확대되고 있으며, 차세대 GPU를 공급받기로 한 것이 그 예입니다. 엔비디아는 테슬라가 자율주행 기능 개발에 활용한 GPU H100보다 높은 성능을 가진 GPU 블랙웰을 공급할 예정입니다. 이는 현대차의 자율주행 기술 발전에 중요한 역할을 할 것으로 예상됩니다. 업계는 테슬라의 압박 속에서 한국 자동차 제조사들이 어떻게 효율적으로 대응할지를 주목하고 있습니다.

결론

  • 2025년 말 현재, 자율주행 모빌리티 생태계는 다수의 복합적인 발전 과제를 안고 있으며, 그 중심에는 혁신적인 인프라 표준화와 AI 기반 서비스 전환이 자리잡고 있습니다. 글로벌 시장에서 오스트리아는 자율주행 기술의 테스트 및 검증에 있어 선두주자로 나서고 있으며, 카카오모빌리티는 AI 온디바이스를 통해 고객 경험을 극대화하고 있습니다. AWS와 닛산의 SDV 전환은 소프트웨어 접근 방식의 혁신을 보여주며, 이는 자동차 제조사들에게 기술적 압박과 새로운 기회를 동시에 제공하고 있습니다.

  • 국내의 자율주행 자동차 기업들은 신호 연속성을 확보하고, 기능 검증의 제도적 환경을 강화해야 하는 임무를 지니고 있으며, 이는 산업 생태계의 성숙을 향한 중요한 단계를 의미합니다. 향후 완전 자율주행 상용화를 위해서는 ➊ 신뢰할 수 있는 통신 및 신호 인프라 구축, ➋ 개인정보 보호를 고려한 데이터 활용 체계 정비, ➌ 규제와 기술의 유기적 협업 및 조화, ➋ 글로벌 기준에 맞는 표준화 전략 등 다양한 노력이 필요합니다. 이러한 요소들이 통합되어야만 자율주행 모빌리티의 안전성을 확보하고, 치열한 경쟁 속에서 지속 가능한 발전이 가능할 것입니다.

용어집

  • 자율주행: 안전한 주행을 위해 차량이 스스로 운전하는 기술로, 다양한 센서와 AI 알고리즘을 활용하여 주변 환경을 인식하고 판단하여 주행 경로를 결정한다. 자율주행은 레벨에 따라 L1(운전자의 지원)부터 L5(완전 자율주행)까지 구분된다.
  • SDV (소프트웨어 정의 차량): 차량의 기본 기능과 서비스가 소프트웨어를 통해 정의되고 업데이트되는 차량을 의미한다. SDV는 하드웨어에 의존하지 않고 소프트웨어로 제어가 가능하여 더 빠른 업데이트 및 개선이 가능하다.
  • ADAS (첨단 운전자 지원 시스템): 운전자의 안전과 편의를 위해 차량에 장착된 다양한 보조 시스템으로, 자동 긴급 제동, 차선 유지 보조, 주차 보조 등을 포함한다. 이러한 시스템은 자율주행 기술의 기반이 된다.
  • AI 온디바이스: AI 처리 및 분석이 클라우드가 아닌 기기 내부에서 이루어지는 기술로, 데이터 전송과 지연을 줄여 실시간 반응성을 높인다.
  • 신호 연속성: 자율주행차에서 차량과 외부 시스템 간 통신 신호의 일관성과 지속성을 보장하는 것으로, 이는 안전한 주행을 위해 필수적이다.
  • 로보택시: 자동화된 자율주행 기술을 갖춘 택시 서비스로, 사용자가 호출하면 자율적으로 주행하여 목적지까지 이동한다. 이는 교통 인프라를 효율적으로 활용하는 솔루션으로 주목받고 있다.
  • FSD (완전자율주행): 테슬라의 완전 자율주행 소프트웨어로, 차량이 인간의 개입 없이 주행할 수 있도록 설계되었다. 하지만 현재는 조건부 자동화의 형태로 운전자가 감독해야 한다.
  • 스타링크: 스페이스X가 운영하는 위성 인터넷 서비스로, 차별화된 데이터 통신 솔루션을 통해 자율주행차와 같은 고속도의 데이터 전송이 요구되는 기술에 대한 기반을 제공한다.
  • 실증도시: 신기술이나 서비스를 실제 환경에서 시험하는 도시로, 자율주행 차량의 성능 및 안전성을 검증하기 위한 중요한 장소로 활용된다.
  • L3 (조건부 자동화): 차량이 자율적으로 주행할 수 있지만, 특정 조건에서는 운전자의 개입이 필요한 자율주행 레벨이다.
  • L4 (고도 자동화): 차량이 특정한 환경 내에서 운전자의 개입 없이 자율적으로 운전할 수 있는 레벨. 도심 환경에서는 복잡한 주행 상황에서도 작동할 수 있다.
  • 데이터 공유: 자율주행차에서 수집된 주행 데이터 및 정보들을 여러 이해관계자와 공유하여 교통 시스템의 개선과 자율주행 기술 발전에 기여하는 과정이다.
  • 규제 정책: 자율주행차의 개발 및 상용화를 촉진하거나 제한하기 위한 법적 제도와 정책으로, 이는 자율주행 기술의 안전성을 담보하는 데 중요하다.
  • AI: 인공지능(Artificial Intelligence)의 약자로, 기계가 인간의 지능을 흉내내고 학습하여 자율적으로 문제를 해결하는 기술이다.
  • 개인정보 보호법: 개인의 정보가 무단으로 수집되거나 사용되지 않도록 보호하기 위한 법률로, 자율주행차의 데이터 활용에서도 중요한 고려 사항이다.

출처 문서