자율주행 차량의 방향성과 인사이트
- 4월 1일
- 5분 분량
2026.03.27
자율주행 차량은 현재 상용화 단계에 진입하고 있습니다. 2L3 차량이 출시되고, 로보택시와 자율주행 트럭도 실제로 운영 및 테스트되고 있습니다. 이러한 흐름은 유럽, 미국, 중국 등 전 세계에서 확대되고 있습니다.
하지만 기술 경쟁은 아직 끝나지 않았습니다. 기업들은 기술과 투자 측면의 과제를 해결하는 단계에 있으며, 자율주행 기술의 발전 방향도 아직 확실하게 정해지지 않았습니다. 따라서 1ADAS와 자율주행 기술은 앞으로 더 성장할 가능성이 있습니다.
1ADAS(Advanced Driver Assistance System) : 운전자가 안전하고 편리하게 주행할 수 있도록 도와주는 모든 기능
2자율주행 단계(Levels of autonomous driving)
SAE International은 자율주행을 L0부터 L5까지 여섯 단계로 구분한다.
L0부터 L2까지는 인간이 운전을 수행하며, 경고 시스템, 제동 및 가속, 조향 등 보조 시스템을 지속적으로 모니터링해야 한다.
L3는 현재 소비자가 이용할 수 있는 가장 높은 수준의 자동화로, 차량이 일정 조건에서 스스로 운행할 수 있지만 언제든지 운전자에게 제어를 요청할 수 있다.
L4는 운전자가 개입할 필요 없이 작동하는 자율주행 단계로, 현재 테스트 및 개발, 일부 상용화가 진행 중이다.
L5는 모든 환경과 조건에서 완전 자율주행이 가능한 단계로, 자율주행 기술의 최종 목표이다.
자율주행 차량 도입 시점 지연
이번 조사에 따르면 대부분의 자율주행 활용 사례에서 도입 시점은 2023년 대비 평균 1~2년 정도 늦춰졌습니다(Exhibit 1). 2L4 로보택시는 이미 미국과 중국 일부 도시에서 운영되고 있지만, 전 세계적인 대규모 상용화는 2029년이 아닌 2030년에 이루어질 것으로 예상됩니다2
또한 개인 승용차의 L4 도입은 2030년에서 2032년으로, 완전 자율주행 트럭은 2031년에서 2032년으로 늦춰졌습니다. 전반적으로 전문가들은 L4 자율주행의 첫 상업적 적용 분야가 개인 차량이 아니라 로보택시가 될 것으로 보고 있습니다.
자율주행 차량의 보급 시점은 지역마다 차이가 있습니다. 미국과 중국은 이미 로보택시를 먼저 도입했지만, 다른 지역은 더 늦게 도입될 것으로 예상됩니다. 전문가들은 로보택시가 전 세계적으로 널리 상용화되기까지 3~7년이 더 걸릴 것으로 보고 있습니다. 트럭과 승용차도 비슷한 속도로 확산될 것으로 예상됩니다.
또한 자율주행 기술은 미국과 중국이 주도하며, 대부분의 서비스가 유럽과 기타 아시아 지역보다 더 빠르게 출시될 것으로 보입니다. 이러한 차이는 여러 조건과 환경의 영향으로 발생하고 있습니다. 예를 들어, 빠른 개발 속도, 유연한 기업 구조와 스타트업 문화, 규제 지원, 충분한 자금, 강력한 AI 및 소프트웨어 기반, 자율주행에 유리한 도시 환경(혼잡한 도심 대비), 큰 시장 규모, 그리고 새로운 기술을 적극적으로 실험하려는 경향 등이 영향을 주고 있습니다.
출처 : McKinsey & Company / Where to next? Insights from autonomous-vehicle experts
개인 소유 차량 시장의 L2+ 기능 중심 전환
개인 소유 차량 시장은 L2+ 기능 중심으로 변화하고 있습니다. 이번 조사에서 가장 많은 전문가(49 percent)는 2035년까지 개인 차량 시장이 L2+ 중심으로 형성될 것이라고 답했습니다(Exhibit 2).
이는 2023년 조사에서 52 percent가 L3 이상 중심을 예상했던 것과 달라진 결과입니다. 당시에는 L3 시스템 비용이 감소하고, 운전자가 휴식이나 작업, 게임 등을 할 수 있는 점이 장점으로 작용할 것이라는 기대가 있었습니다.
하지만 현재는 39 %만이 L3 이상이 시장 중심이 될 것으로 보고 있습니다. 이러한 변화는 자금 부족, 높은 개발 및 검증 비용, 그리고 기술 발전 속도의 한계 때문입니다.
이에 따라 L3 자율주행 기능은 대중 시장이 아닌 프리미엄 차량 중심의 선택적인 기능으로 인식되고 있습니다.
출처 : McKinsey & Company / Where to next? Insights from autonomous-vehicle experts
개인 차량 시장의 L2+ 기능 중심화
2023년 조사와 비교했을 때, AI 기술이 발전했음에도 불구하고 더 높은 자율주행 단계일수록 비용이 더 크게 예상되었습니다(Exhibit 3). 이는 테스트 단계에서 상용화 단계로 넘어가는 과정에서 필요한 비용이 충분히 반영되지 않았기 때문입니다.
예를 들어, 제품의 산업화, 다양한 예외 상황 대응, 그리고 검증 및 인증 과정에서 높은 비용이 발생합니다. 로보택시는 이미 상용화에 가까워 비용 증가 폭이 비교적 작았지만, 자율주행 트럭은 상용화 준비가 덜 되어 있어 비용이 50 - 60 % 수준으로 크게 증가했습니다.
또한 자율주행 단계가 낮을수록 알고리즘과 하드웨어 구성이 단순하기 때문에, 소프트웨어 개발과 테스트, 검증 비용이 L4 및 L5 대비 4 - 7배 낮을 것으로 예상됩니다. 반면, 도시 환경의 로보택시와 고도 자율주행 차량은 복잡한 교통 상황과 다양한 예외 상황을 처리해야 하므로 더 높은 기술적 요구와 비용이 필요합니다.
이러한 이유로 로보택시와 완전 자율주행 트럭은 상용화에 도달하기 위해 소프트웨어에만 30억 달러이상의 투자가 필요할 것으로 예상됩니다. 한편 하드웨어 비용은 자율주행 수준보다 차량 형태에 더 큰 영향을 받으며, 자율주행 트럭의 경우 다른 운송 수단보다 훨씬 높은 비용이 요구됩니다.
출처 : McKinsey & Company / Where to next? Insights from autonomous-vehicle experts
자율주행 기업의 비용 부담 문제
분석 결과, 자율주행 기술의 가장 큰 장애 요소는 기술이나 법적 문제가 아니라 비용으로 나타났습니다(Exhibit 4). 이는 산업이 개발 단계에서 상용화 단계로 넘어가고 있음을 보여줍니다.
또한 ADAS 비용은 상용화 시점이 늦어지면서 계속 증가하고 있으며, 이로 인해 기업들의 부담도 커지고 있습니다.
출처 : McKinsey & Company / Where to next? Insights from autonomous-vehicle experts
자율주행 기술의 지역별 분화 추세
전문가들은 글로벌 ADAS 3기술 스택의 구조에 대해 다양한 의견을 보였지만, 대부분(74 %)은 중국이 독자적인 기술 스택을 가질 것으로 보고 있습니다.
구체적으로 보면, 26 %는 유럽, 미국, 중국이 각각 독립적인 기술 스택을 가질 것으로 예상하고 있으며, 35 %는 중국은 독립적인 스택을 갖고 미국과 유럽은 하나의 스택을 공유할 것으로 보고 있습니다. 또한 12 %는 미국이 독자적인 스택을 갖고, 중국과 유럽이 또 다른 스택을 공유할 것으로 예상하고 있습니다.
이처럼 중국 중심의 기술 분화가 예상되는 이유는 중국 소비자들의 ADAS 기능에 대한 높은 관심, 독립적인 공급망 구조, 그리고 지정학적 불확실성으로 인해 산업 전반에서 지역화가 강화되고 있기 때문입니다(Exhibit 5).
출처 : McKinsey & Company / Where to next? Insights from autonomous-vehicle experts
3기술 스택(Tech Stack) : 웹사이트, 앱, 소프트웨어 프로젝트를 개발하고 운영하는 데 사용되는 프로그래밍 언어, 프레임워크, 데이터베이스, 라이브러리, 인프라 등 모든 기술 구성 요소의 집합
엔드투엔드 AI 기반 하이브리드 소프트웨어 구조
이번 조사에서는 최근 자율주행 분야에서 주목받고 있는 ‘엔드투엔드(end-to-end)’ 학습에 대한 전문가들의 전망을 다루었습니다. 이 방식은 하나의 대형 AI 모델이 주행 전체를 처리하는 구조로, 기존처럼 인지, 센서 융합, 경로 계획 등을 각각 따로 설계하는 방식과 다릅니다.
엔드투엔드 방식은 인간과 유사한 주행을 구현할 수 있고, 아직 충분히 테스트되지 않은 환경에서도 비교적 유연하게 대응할 수 있는 장점이 있습니다. 또한 개발 비용 절감 가능성도 있으며, 전문가의 32 %는 10 - 20 % 수준의 비용 절감을, 35 %는 20 % 이상의 절감을 예상하고 있습니다.
하지만 단점도 존재합니다. 규제와 안전 문제(예: 4AI 환각 현상, 블랙박스 구조)가 가장 큰 과제로 지적되었으며, AI 전문 인력 부족과 데이터 센터 구축 및 데이터 확보에 필요한 높은 투자 비용도 주요 문제로 언급되고 있습니다.
이러한 한계로 인해 전문가 중 22 %만이 엔드투엔드 단독 모델이 미래의 주요 방식이 될 것으로 보고 있습니다. 반면 대부분의 전문가들은 전통 알고리즘과 엔드투엔드 AI를 결합한 하이브리드 모델이 중심이 될 것으로 예상하고 있습니다(Exhibit 6).
예를 들어, 하이브리드 방식에서는 엔드투엔드 모델이 주행 경로를 계산하고, 이를 전통 알고리즘이 다시 검증하는 구조를 사용할 수 있습니다.
또한 전문가들은 L2+ 수준까지는 엔드투엔드 단독 방식이 일부 활용될 수 있다고 보고 있습니다. 하지만 L3 이상에서는 10 % 미만만이 엔드투엔드 단독 모델이 주요 방식이 될 것으로 예상하고 있습니다.
출처 : McKinsey & Company / Where to next? Insights from autonomous-vehicle experts
4AI 환각 현상(Hallucination) : 생성형 인공지능이 사실이 아니거나 존재하지 않는 정보를 마치 진실인 것처럼 그럴듯하게 조작하여 제시하는 오류
하드웨어·소프트웨어 조달 방식의 분화
전문가들은 5OEM의 하드웨어와 소프트웨어 조달 방식에 대해 점점 다양한 의견을 보이고 있습니다. 현재는 칩과 소프트웨어를 함께 개발하는 구조가 주류이지만, 2035년에는 하드웨어와 소프트웨어를 분리하여 조달하는 방식이 중심이 될 것으로 예상됩니다. 일부 OEM은 소프트웨어를 자체 개발할 가능성도 있습니다. 또한 약 34 percent의 전문가들은 기술 기업과 칩 회사가 공동 개발하거나, OEM이 모든 것을 자체적으로 개발하는 방식도 가능하다고 보고 있습니다.
이번 조사에서 주목할 점은 6‘믹스 앤 매치’ 방식에 대한 전망이 증가했다는 것입니다. 해당 비율은 2023년 16 %에서 26 %로 증가했습니다. 이 방식은 서로 다른 공급업체의 기술을 조합하여 하나의 시스템으로 통합하는 구조입니다. 이러한 변화는 엔드투엔드 및 하이브리드 아키텍처의 확산과 관련이 있으며, 서로 다른 기술을 결합하는 방향으로 발전하고 있음을 보여줍니다(Exhibit 7).
출처 : McKinsey & Company / Where to next? Insights from autonomous-vehicle experts
5OEM : 계약에 따라 상대방의 상표를 붙인 부품이나 완제품을 제조·공급하는, 일종의 하청부 생산.
6하드웨어와 소프트웨어의 '믹스 앤 매치(Mix-and-Match) : 서로 다른 공급업체의 제품이나 기술을 조합하여 최적의 시스템을 구축하는 방식
자율주행 기업의 성공을 위한 핵심 인사이트
이번 조사 결과는 자율주행 기업에 여러 시사점을 제공합니다. 특히 몇 가지 핵심 전략이 중요하게 나타났습니다.
기업은 기술, 규제, 시장 인식의 불확실성에 대응하기 위해 민첩하고 유연하게 움직여야 합니다. 변화하는 기술 흐름을 지속적으로 파악하고 빠르게 대응하는 것이 필요합니다.
또한 시장 전략은 선택과 집중, 그리고 협업이 함께 이루어져야 합니다. 기업은 자신이 경쟁력을 가진 영역에 집중하고, 부족한 부분은 파트너십을 통해 보완해야 합니다.
고객이 실제로 가치를 느끼고 비용을 지불할 수 있는 요소에 집중하는 것도 중요합니다. 이를 기반으로 제품과 서비스를 설계해야 합니다.
안전과 규제 대응 역시 필수 요소입니다. 산업 전반의 협력을 통해 기준을 마련하고, 안정적인 확산이 이루어지도록 해야 합니다.
마지막으로 조직 간 협업이 중요합니다. 기술, 사업, 운영 조직이 함께 협력하여 비용을 관리하고 개발 속도를 유지해야 합니다.
자율주행 산업은 점진적으로 대규모 상용화에 가까워지고 있습니다. 아직 해결해야 할 과제가 남아 있지만, 기술과 서비스는 지속적으로 발전하고 있습니다. 변화하는 환경에 맞춰 전략을 수립한다면 기업들은 미래 자율주행 시장에서 자신만의 위치를 확보할 수 있습니다.
본 아티클은 McKinsey & Company의 「Where to next? Insights from autonomous-vehicle experts」 리포트를 재구성 및 요약하였습니다.