핵심 내용 요약
2026년 중국의 자율주행 산업은 겉보기에는 화려해 보이지만(L2 수준의 보급률이 70%를 넘었으며, L3 수준의 자율주행 차량도 이미 도로를 달리고 있음), 실제로는 상업적으로 수익을 내지 못하고, 기술 혁신이 정체되어 있으며, 데이터 부족이라는 세 가지 중대한 문제에 직면해 있습니다. 이로 인해 많은 고급 인재와 자본이 자율주행 분야에서 ‘실체화된 지능’(embodied intelligence) 분야로 이동하고 있습니다. 이는 신성장 산업이 ‘급속한 확장’에서 ‘심화된 조정’으로 전환하는 순환의 법칙을 반영하고 있습니다.
상세한 분석
1. 상업적 어려움: 자율주행 개발의 수익성 문제
자율주행 산업은 활발해 보이지만 실제로는 수익을 창출하지 못하고 있습니다. 문제는 비용과 수익의 심각한 불일치에 있습니다:
- 비용 측면: 자율주행 개발에는 막대한 비용이 소요됩니다. 연봉이 수백만 위안에 달하는 박사를 고용하고, 시간당 비용이 많이 드는 고성능 컴퓨팅 자원을 사용해야 하며, 차량을 판매한 후에도 소프트웨어 업데이트를 계속해야 합니다(기존 사용자는 추가 비용을 지불하지 않음).
- 수익 측면: 사용자들은 자율주행 소프트웨어에 대한 비용을 지불할 의향이 없습니다. 수천에서 수만 위안에 이르는 자율주행 서비스 비용에 대해 많은 사람들이 ‘필요 없다’고 생각하며, 영업 직원들도 ‘구매 습관이 형성되지 않았다’고 불평합니다.
대량 생산 이후에는 알고리즘 개발 팀이 ‘혁신 중심’에서 ‘비용 중심’으로 전환되었습니다. 이전에는 새로운 기술을 개발하려고 했지만, 이제는 고급 인재들이 반복적인 작업(코드 유지보수, 데이터 처리 등)에만 시간을 보내고 있습니다. 그래서 ‘더 이상 발전이 어렵다’는 말이 나오는 것입니다.
2. 기술 혁신: 정체 상태
국내 자율주행 기술은 ‘대량 생산 속도’에서는 빠르지만, 핵심 기술의 돌파가 느립니다:
- 사용자 습관 학습: 테슬라의 FSD는 사용자의 주차 선호도를 학습할 수 있지만, 국내 대부분의 자율주행 시스템은 이를 따라오지 못합니다. 이는 기술적으로 불가능한 것이 아니라, 초기 설계 단계에서 고려가 부족했기 때문입니다.
- 환경 예측 능력: 테슬라는 실제 데이터를 기반으로 가상의 극한 상황(폭우, 요철 도로 등)을 생성할 수 있지만, 국내 기술은 3D 고스 기법을 사용하고 있어 테슬라의 ‘세계 시뮬레이터’와 큰 차이가 있습니다.
이러한 문제는 대량 생산으로 인한 비용 부담 때문에 기업들이 기존 코드에 패치를 적용하는 데만 집중하고, 근본적인 기술 혁신에 나서지 않기 때문입니다. 혁신의 동기가 부족하면 기술 발전도 어렵습니다.
3. 데이터 문제: 극한 상황에서의 데이터 부족과 데이터 팀의 역할
자율주행의 핵심은 ‘알고리즘 + 데이터’이지만, 고품질 데이터가 부족합니다:
- 극한 상황의 부족: 일반 도로 데이터는 많지만, 폭우, 폭설, 특수 형태의 차량 등의 극한 상황은 자연스럽게 발생 빈도가 낮습니다. 수십만 킬로미터를 주행해도 한 번도 마주치지 못할 수 있으며, 아무리 많은 데이터를 수집해도 소용이 없습니다.
- 데이터 처리의 비효율성: 수집된 데이터 중 실제로 학습에 사용할 수 있는 데이터는 5%에 불과합니다(데이터의 재처리, 선별, 레이블링 등의 과정이 필요하며, 각 단계마다 비용이 많이 듭니다).
- 데이터 팀의 역할: 업계에서는 ‘알고리즘이 핵심’이라고 여기지만, 데이터 팀의 역할은 ‘반복적인 작업’으로 인식되어 발언권이 약합니다. 한 전문가는 ‘데이터 팀이 AI에게 운전을 가르치는 것처럼 생각하지만, 회사는 단순한 조수로만 여긴다’고 말합니다.
4. 인재 이동: 자율주행에서 실체화된 지능 분야로의 이동
자율주행 인재들의 이탈은 우연이 아니라 산업의 열점이 이동하는 결과입니다:
- 자본의 흐름: 2025-2026년에 실체화된 지능 분야의 투자가 급격히 증가했으며(2026년 상반기에 935억 위안을 돌파), 유수 기업들의 시장 가치도 4000억 위안을 넘었습니다. 시장은 ‘다음 10년’에 투자하고 있습니다.
- 인재 수요의 일치: 실체화된 지능 분야(인간형 로봇)에 필요한 AI 알고리즘과 데이터 처리 능력은 자율주행 인재의 기술과 매우 유사합니다. 많은 자율주행 인재들이 실체화된 지능 분야로 이동하고 있습니다.
- 산업의 전망 변화: 자율주행은 ‘상업적 검증 단계’에 들어섰지만, 실체화된 지능은 여전히 ‘기술 탐색 단계’에 있습니다. 인재들은 ‘로봇 분야에는 적어도 10년의 성장 가능성이 있다’고 생각합니다.
5. 기초 데이터 처리 인력의 어려움: 엄격한 기준과 열악한 도구
자율주행의 어려움은 산업 체인의 최하위 단계에도 영향을 미칩니다:
- 기준의 엄격성: 데이터의 정확도가 매우 중요하지만, 기준이 너무 엄격하여 데이터 처리 인력의 작업 효율성이 낮습니다.
- 도구의 불량: 데이터 처리 도구에 버그가 많아 작업이 어렵습니다.
- AI의 도움: AI를 이용한 사전 레이블링 기술은 속도가 느리거나 오류가 많아 실제로는 거의 사용되지 않습니다. 한 전문가는 ‘손으로 직접 작업하는 것이 더 효율적이다’고 말합니다.
결론
자율주행 산업은 ‘성장의 정점’에서 ‘조정 기간’으로 접어들었으며, 실체화된 지능이 새로운 성장 동력이 되고 있습니다. 하지만 모든 신성장 산업은 ‘실험실 → 대량 생산 → 상업적 검증’의 과정을 거쳐야 합니다. 실체화된 지능 역시 마찬가지로 어려움을 겪을 수 있습니다. 자본의 투자가 줄어들면 진정한 시험이 시작될 것입니다.