본문 바로가기

불리기

한국 자율주행,더 늦지 않으려면

2026.09.10

핵심 요약

  • 전동화·지능화로 자동차 산업의 경쟁구도가 재편되는 가운데, 한국은 선도업체와 자율주행 데이터·학습 속도에서 상당한 격차에 직면해 기술 전환 대응이 필요
  • 후발 완성차 업체는 외부 SW 활용과 핵심 역량의 단계적 확보, 데이터 표준화 및 학습 가능 차량 확대를 통해 추격시간을 줄이되 지속적인 판매와 소비자 신뢰 확보가 중요
  • 자율주행 확산으로 관련 산업과 생산 지역의 기회·위험이 차별화될 전망이며, 상용화 시점·기술경로의 불확실성 속에서 제조 경쟁력을 원가 경쟁력으로 발전시킬 필요

젠슨 황 방한과 CES 2026을 계기로 제조·반도체·로봇 기반을 갖춘 한국이 피지컬 AI 시대의 주요 플레이어로 부상할 것이라는 기대가 높아졌다. 자율주행은 피지컬 AI가 가장 먼저 실현되는 분야로, 자동차의 전동화와 맞물려 이동시간과 차량 소유에 대한 인식까지 바꾸고 있다. 

하지만 이러한 글로벌 변화 속에서 국내 모빌리티 산업의 존재감은 뚜렷하지 않다. 이러한 기대와 현실의 차이를 살펴보고, 국내 모빌리티 산업이 경쟁력을 유지할 수 있는 방안을 생각해 보고자 한다.

 

1. 미래 모빌리티 전환, 선두권 밖에 있는 한국

전동화·지능화로 재편되는 글로벌 자동차 산업

 

전기차 시장 확대와 자율주행 상용화를 계기로 자동차의 전동화·지능화가 동시에 진행되며 글로벌 자동차 산업의 경쟁구도가 빠르게 변화하고 있다. 전기차 확대로 엔진·변속기 중심의 부품은 배터리·모터·전장을 중심으로 이동하고 있다. 

또한 자동차가 SDV(software defined vehicle)로 전환되면서 차량을 구입한 이후에도 SW 업데이트를 통해 자율주행 기능을 지속적으로 개선할 수 있다.

 

이러한 변화는 기존 완성차·부품사의 순위를 바꾸는 데 그치지 않는다. 자동차 회사 외의 새로운 기업들이 경쟁에 뛰어들며 모빌리티 산업의 경계가 확대되고 있다. 중국은 BYD, CATL 등 제조·공급망을 기반으로 점유율을 높이는 한편, 미국은 Tesla, Waymo 등 새로운 플레이어가 전동화·자율주행 시장을 주도하고 있다.

 

주요 완성차 업체들은 중국발 가격 압박과 차세대 기술 전환이라는 이중 부담에 직면하고 있다. 독일 등 기존 자동차 강국의 경쟁우위가 약화되며 구조조정 압력도 확대되고 있다. 글로벌 완성차 시장은 성장하고 있으나 주요 완성차 기업의 영업이익률은 한 자릿수 초반을 기록하고 있으며, 폭스바겐은 전체 임직원의 약 15%에 해당하는 10만 명의 감원을 추진하고 있다.

그림 1. 중국 외 지역으로 확산되는 글로벌 전기차 시장  설명: • 주요 국가의 전기차 판매 비중 추이와 전망 비교  출처 : BNEF
(출처 : BNEF)

 

그림 2. 가격경쟁·기술개발의 이중 부담에 직면한 완성차 업계  설명: • 완성차 시장 매출 증가와 주요 업체 영업이익률의 변화  출처 : Bloomberg

 

국내 자율주행 상용화와 선도업체의 격차

국내도 자율주행 상용화를 목표로 하고 있으나 선도업체와의 격차가 상당하다. 국내는 일부 시범지역에서 로보택시를 운행하거나 수집된 실증 데이터를 체계화하는 단계에 머물러 있어 학습 속도를 높이는 데 한계가 있다. 웨이모의 자율주행 누적거리와 테슬라의 감독형 자율주행 누적거리는 한국 업체와 큰 폭의 차이를 보인다.

 

미국·중국 선도업계에는 운행, 데이터 축적, AI 학습, 성능 개선, 추가 운행으로 이어지는 선순환이 형성되어 있다. 이는 후발주자의 추격 부담으로 작용하며 기술 차이가 더욱 확대될 가능성이 있다.

 

그림 3. 국내 자율주행 실증 데이터와 웨이모의 격차  설명: • 웨이모 자율주행 누적거리 증가와 국내 업체 누적거리의 차이  출처 : 각사 공개, 언론종합

 

그림 4. 테슬라의 국내 시장 확대와 향후 데이터 격차 우려  설명: • 테슬라 국내 판매 증가와 2026년 추정치 비교  출처 : 한국수입자동차협회

 

글로벌 모빌리티 경쟁은 자동차를 잘 만드는 제조 영역에서 소프트웨어 활용까지 확장되고 있다. 이러한 가운데 한국의 위치를 점검하고 향후 대응방안을 모색하고자 한다.

 

2. 기존 자동차 강자가 자율주행 경쟁에서 뒤처진 이유

서로 다른 산업구조를 기반으로 경쟁력을 확보한 선도업체

 

자율주행 선도업체들은 서로 다른 산업구조를 기반으로 기술 경쟁력을 확보하고 있다. 테슬라는 핵심기술의 수직통합을 통해, 중국은 전문기업과 완성차 간 협업을 통해 경쟁력을 강화하고 있다.

그림 5. 테슬라와 중국의 SDV·자율주행 모델 비교  설명: • 테슬라의 핵심 역량 내부 통합과 중국의 전문기업·완성차 협업 구조  출처 : 신한금융지주 미래전략연구소

 

국내 완성차도 SDV·자율주행 전환을 추진하고 있으나 기술 전환 속도는 상대적으로 더딘 상황이다. 기존 글로벌 완성차 업체들도 전환 과정에서 유사한 시행착오를 경험하고 있다.

 

기존 사업 유지와 신기술 개발 병행에 따른 자원 분산

전통차 업계는 기존 차량 개발에 자율주행 SW가 추가되면서 R&D 자원이 분산되고 있다. 여기에 다양한 차종의 SW 통합과 검증 부담까지 더해져 학습 체계 구축이 지연되고 있다.

 

주요 완성차 기업들은 개인용 자율주행과 로보택시에 동시에 진입했으나, 두 시장의 사업조건과 기술 요구 수준의 격차가 확대되자 로보택시 사업을 상당 부분 축소했다. 로보택시는 특정 지역에서의 무인 완전자율주행(FSD) 기술이 중요한 반면, 개인용 자율주행은 합리적 가격과 양산 가능성, 다양한 도로환경에서의 대응력이 중요하다.

 

HW 중심 개발 체계와 SDV 전환의 마찰

기존 자동차는 제조사가 사양을 정하고 다수 부품사가 납품하는 Top-down 방식이었으나, 자율주행은 통합 시스템으로 개발하는 것이 중요하다. 이에 따라 SW 중심의 통합 및 검증의 중요성이 커졌다. 그러나 차량 개발 체계는 여전히 HW 중심으로 운영되고 있어 빠른 SW 개발에 제약이 있다.

그림 6. 주요 완성차 업체의 자율주행·로보택시 사업 추진 결과  설명: • GM·폭스바겐·현대차의 투자 부문과 투입 비용, 사업 조정 결과 비교  출처 : 신한금융지주 미래전략연구소

 

기존 자동차 회사는 ‘SW 완성 → 적용’을 고수했으나, 신생업체들은 기술이 완성되기 전부터 ‘SW 적용 → 학습’ 순서의 학습으로 빠르게 기술을 축적했다.

자율주행 경쟁은 선두그룹에서 글로벌 완성차 업계 전반으로 확대되고 있으며, 후발주자는 추가 투입시간을 줄이는 것이 중요하다. 

초반 선두경쟁에 뒤처진 완성차 업체들도 최근 SDV 및 자율주행 전환을 가속하고 있어 국내 대응이 지연될 경우 경쟁력이 더욱 약화될 우려가 있다. 자율주행 경쟁에서 더 이상 뒤처지지 않기 위해서는 SW 기술 확보와 지속적인 데이터 학습 기반 구축이 필요하다.

 

3. 후발주자가 추격시간을 줄이는 방법

3-1. 기반 소프트웨어(SW) 확보

기존 완성차 업체가 단기에 SW를 전면 개발하는 데는 현실적인 한계가 있다. 외부기술을 활용해 시간을 단축하되 핵심 역량은 단계적으로 확보할 필요가 있다. SW 확보 속도는 외부 SW 도입, 엔비디아 플랫폼 활용·공동개발, 자체 개발의 순이다. 검증된 외부 SW는 빠르게 확보할 수 있으나 핵심 IP 확보가 어렵고 라이선스 비용과 기술 종속뿐 아니라 규제 문제도 고려해야 한다.

 

외부 기술을 활용하더라도 기술 선택권을 좌우하는 역량은 확보해야 한다. 특정 SW에 종속되지 않도록 어떤 기술을 어디에 붙일지, 즉 아키텍처와 OS는 완성차 업체가 결정할 필요가 있다. 아키텍처는 시스템의 설계도 역할을 하며, OS는 시스템을 통제하는 역할을 한다.

 

AI 생태계 확대로 과거보다 자체 개발 부담이 완화된 부분은 긍정적이다. 엔비디아가 기초 모델과 주행 데이터, 시뮬레이션 도구를 개방하면서 처음부터 인지·판단 모델을 구축해야 했던 과거에 비해 개발기간을 단축할 수 있다. 중국 전기차 업체 샤오펑 등도 초기에는 엔비디아 연산 플랫폼을 활용해 개발시간을 단축하고, 이후 자율주행 SW와 AI 반도체 등 핵심 역량을 단계적으로 내재화했다.

 

소프트웨어 중심의 차량 개발 경험을 내부에 축적하고 과거 개발 시스템의 시행착오를 반복하지 않도록 설계해야 한다. HW에 따라 SW를 맞춰가는 방식에서 벗어나 초기 설계부터 함께 결정하고, 각 팀에서 자율적으로 결정할 수 있는 업무 범위를 명확히 설정할 필요가 있다. SW팀 주도로 차량을 설계·개발할 수 있는 프로젝트를 진행해 자율과 책임을 부여하는 방식이다. 외부 SW를 활용할 때도 단순 조달에 그치지 않고 SW 중심의 설계·통합·검증 역량을 내재화해야 한다.

그림 7. 빠른 학습이 필요한 국내 자율주행 기술  설명: • 미국을 기준으로 비교한 중국·유럽·한국·일본의 자율주행 기술수준  출처 : 한국ITS학회

 

그림 8. 프로젝트 초기부터 설정할 협업 경계  설명: • 각 팀이 자율적으로 결정할 영역과 공동 결정할 업무의 구분  출처 : 신한금융지주 미래전략연구소

 

SW 스타트업 생태계를 키워 자율주행 기술 개발의 경로를 다변화할 필요가 있다. 중국이 자율주행 SW를 빠르게 개발할 수 있었던 요인은 다수의 AI 및 소프트웨어 생태계가 있었기 때문이다. 자율주행 기술이 실제 차량에 적용되자 협력관계에 있던 여러 기업이 동시에 데이터와 개발 경험을 축적했다.

국내도 완성차에 학습기회를 집중하기보다 다양한 전문기업의 기술개발 및 실증 참여를 확대할 필요가 있다. SW 기반 스타트업과 완성차 간 협업은 교체하더라도 시스템의 다른 부분에 영향이 없는 곳, 즉 운전기사 역할을 중심으로 확대할 수 있다.

그림 9. 자율주행 기술별 역할과 협업 범위  설명: • 아키텍처·OS의 직접 결정 필요성과 일부 기술의 선택적 협업 구분  출처 : 신한금융지주 미래전략연구소

 

3-2. 데이터 축적 및 체계 확보

정부 주도의 자율주행 사업에서 축적된 데이터를 표준화해 AI 학습에 활용하고, 복잡한 국내 주행환경에서 질적으로 우수한 데이터를 확보할 필요가 있다. 서울시 자율주행 시범운행 확대에 이어 정부는 2028년까지 광주 전역에 로보택시 200대를 투입하는 대규모 실증사업을 추진하고 있다.

 

실증 규모는 확대되고 있으나 사업별 참여 기업과 운행환경 등이 서로 다르다. 따라서 축적된 데이터와 정보를 후속 자율주행 개발에 이전할 수 있는 체계가 필요하다. 개별 기업의 핵심 데이터·IP는 보호하되, 고밀도 도로에서의 주행상황과 Edge case(극한상황) 등 추가 활용이 가능한 영역은 공유 플랫폼에 축적할 필요가 있다.

 

자율주행의 완성도 제고에 집중하기보다 데이터 수집 체계를 구축하고 학습 가능 차량 수(Fleet)를 확대해야 한다. 보유한 자율주행 기술이 선도적 수준에 도달하지 못했더라도 센서·컴퓨팅 등 HW를 통합한 차량을 이용해 ‘적용 → 학습’ 방식으로 개발할 수 있다. 자율주행 데이터 학습이 가능한 차량이 많으면 동시에 데이터를 생성해 축적 속도를 높일 수 있다. 데이터는 학습 가능 차량 수(Fleet)에 차량당 주행거리를 곱한 것으로 볼 수 있다.

Fleet 확대, 데이터 축적, SW 개선, OTA 업데이트, 기능 향상, Fleet 확대로 이어지는 선순환을 통해 차량당 개발 비용을 절감할 수 있으며, 이는 장기 경쟁력으로 연결된다. OTA는 차량 출고 후에도 무선통신을 통해 SW 기능을 업데이트·개선하는 기술이다.

 

다만 Fleet의 숫자로 데이터 확보 속도를 높이려면 자동차 판매량이 현재 수준으로 지속되어야 한다. 이를 위해서는 소비자에게 향후 ‘업그레이드될 수 있는 차’라는 신뢰를 줄 필요가 있다. 아직까지 자동차 선택의 조건 중 자율주행이 절대적이지 않은 데다, SDV 전환으로 차량 구입 이후에도 기능이 지속적으로 개선될 수 있는 가능성이 확대되고 있다. 테슬라의 구형 모델도 OTA를 통해 자율주행 SW가 업데이트되고 있어, 소비자는 차량을 구매할 때 현재 수준의 기술이 아닌 미래의 기능을 구매한다고 인식한다.

그림 10. 출발이 늦어도 차량 판매가 많은 경우의 추격 가능성  설명: • 차량 수와 주행거리에 따른 데이터 축적 속도의 개념적 비교  출처 : 신한금융지주 미래전략연구소

 

그림 11. 국내 완성차와 테슬라의 차량 규모 비교  설명: • 현대·기아차와 테슬라의 완성차 생산량 추이 비교  출처 : Bloomberg

 

4. 자율주행이 가져올 산업의 기회와 위험

단기에는 기존 차량과 신기술 차량의 수요가 공존하지만, 중장기적으로는 산업의 구조적 변화가 예상된다. 전기차·SDV 확산에도 내연기관·하이브리드 수요가 상당 기간 지속되며 전환 속도는 시장별로 차별화될 것이다. 유럽 및 아시아의 전기차 시장은 유가 상승 등의 원인으로 성장을 지속하는 반면, 미국은 세액공제 종료 이후 수요가 크게 조정됐다.

 

중장기적으로 차량의 전동화 및 SW가 진전되면서 관련 부품과 인프라 수요도 꾸준히 이동할 것이다. 전력 인프라와 배터리, 모빌리티 AI 학습 관련 산업은 성장이 예상되나, 엔진 등 내연기관 부품 및 정비 등은 수요 둔화 압력을 받을 전망이다.

 

부가가치가 제조·기계부품에서 소프트웨어 및 AI로 이동할수록 위기와 기회도 지역적으로 차별화될 전망이다. 자동차 산업은 완성차 공장을 중심으로 부품·고용이 특정 지역에 집중되어 있어 전통차 수요가 둔화하면 지역 경제의 위축 압력으로 작용한다. 산업 전환 속도를 고려해 기존 생산설비·인력의 활용 가능성을 점검하고, 연관산업뿐 아니라 새로운 제조업으로의 전환 가능성도 모색할 필요가 있다.

그림 12. 자율주행으로 공존하는 국내 산업의 위기와 기회  설명: • 성장 기회가 확대되는 산업과 구조적 전환 압력을 받는 산업 비교  출처 : 신한금융지주 미래전략연구소

 

그림 13. 국내 자동차 부품업체의 55%가 집중된 4개 지역  설명: • 자동차 부품 협력업체의 주요 지역별 분포  출처 : 한국자동차산업 협동조합

 

5. 시사점

중국발 저가 공세와 신기술 경쟁에서 발생하는 위기감은 국내 산업 전반에서 나타나고 있다. 특히 자동차 산업은 소재·부품·정비까지 공급망이 광범위하므로 경쟁력 약화에 대한 선제적 대응이 필요하다.

 

자율주행 기술이 확산될수록 경쟁의 핵심은 기술 구현에서 안전성과 합리적 가격, 대량 공급능력으로 확대될 가능성이 있다. 국내 완성차 업계는 기존 제조 경쟁력을 자율주행 시스템의 원가 경쟁력으로 발전시킬 필요가 있다.

 

SDV 전환은 구조적 변화이므로 연관산업의 기회를 찾고 위험에 대비해야 한다. 기존 생산기반의 활용을 고민하고, 충격이 예상되는 지역은 이를 완화할 방안이 중요하다.

 

운전자가 개입하지 않는 완전 자율주행(FSD) 기술의 상용화 시점과 기술경로에는 불확실성이 존재하지만, 고령화·인력부족의 해결책으로 부상하고 있다. FSD 상용화를 위해서는 가격 경쟁력이 중요한 만큼 꾸준한 투자와 시스템 확보가 중요하다.

핵심 Q&A

Q1. 기존 완성차 업체가 자율주행 전환에서 어려움을 겪는 이유는 무엇인가?

기존 차량 개발에 자율주행 SW가 추가되면서 R&D 자원이 분산되고, 다양한 차종의 SW 통합과 검증 부담으로 학습 체계 구축이 지연된다. 개인용 자율주행과 로보택시는 가격·양산 가능성·기술 요구 수준에서도 차이가 있다. SW 중심의 통합·검증이 중요해졌으나 개발 체계는 여전히 HW 중심이다. 신생업체들이 기술 완성 전부터 ‘적용 → 학습’으로 경험을 쌓은 점도 기존 업체와의 차이다.

Q2. 후발주자는 자율주행 기술의 추격시간을 어떻게 줄일 수 있는가?

외부 SW와 엔비디아 플랫폼·공동개발을 활용해 추격시간을 단축하되 핵심 역량을 단계적으로 확보할 필요가 있다. 아키텍처와 OS 등 기술 선택권을 좌우하는 역량은 완성차 업체가 반드시 확보해야 한다. 실증 데이터의 표준화와 SW 스타트업의 참여 확대도 학습 기반을 넓히는 방법이다. 학습 가능 차량 수를 늘리면 데이터 축적을 가속할 수 있으나, 판매량 유지와 향후 기능 개선에 대한 소비자 신뢰가 전제된다.

Q3. 자율주행 확산은 국내 산업과 지역에 어떤 변화를 가져올 수 있는가?

단기에는 기존 차량과 신기술 차량 수요가 공존하고 시장별 전환 속도도 다를 전망이다. 중장기에는 전력 인프라·배터리·모빌리티 AI 학습 관련 산업의 성장이 예상되는 반면 내연기관 부품·정비 등은 수요 둔화 압력을 받을 수 있다. 부품생산 및 고용이 특정 지역에 집중되어 있어 지역별 영향도 차별화될 전망이다. 기존 설비·인력의 활용과 새로운 제조업 전환 가능성, 기존 내연기관 부품 생산지역의 충격 완화 방안을 모색할 필요가 있다.

저자 정보

이름: 신한금융지주 미래전략연구소

본 콘텐츠는 오직 정보 제공만을 목적으로 제작되었으며, 법률·세무·금융·투자·보험 등 전문적인 자문에 해당하지 않습니다. 콘텐츠는 관련 법령·제도·시장환경의 변화에 따라 내용이 달라질 수 있으므로 참고자료로만 활용하시기 바랍니다. 본 콘텐츠의 이용으로 인해 발생하는 개인이 입은 손해는 이용자 본인에게 있으며, 중요한 의사결정이 필요한 경우 반드시 관련 분야의 전문가와 별도로 상담하시기 바랍니다.