삼정KPMG가 로보택시 시장을 다룬 보고서를 발간하고 성장 전망과 기업 경쟁 유형, 상용화 과제를 함께 제시했다.

삼정KPMG가 제시한 로보택시 시장 성장 시나리오와 6가지 비즈니스 모델 분류 인포그래픽. (자료=삼정KPMG) 

삼정KPMG는 23일 ‘자율주행의 서막, 로보택시 시장의 경쟁 전략’ 보고서를 발간했다. 보고서는 로보택시 시장의 지표와 기업 구도를 정리하고, 2030년 시점의 시장 규모와 성장률 시나리오를 수치로 제시했다. 시장 성장률은 2023~2030년 연평균 성장률(CAGR) 기준으로 비관·기준·낙관 시나리오로 구분해 제시됐다.

KPMG의 ‘글로벌 자동차 산업 경영진 조사(Global Automotive Executive Survey 2025)’ 결과에서는 응답자의 87%가 2030년까지 모든 차량 유형에서 자율주행이 표준이 될 것으로 답한 것으로 나타났다. 해당 조사는 글로벌 자동차 산업 경영진을 대상으로 진행된 설문 결과를 인용한 것이다.

자율주행차 시장 규모는 2025년 이후 연평균 약 23% 성장해 2030년 1220억달러로 제시됐다. 로보택시 시장은 2023~2030년 연평균 성장률을 71~108% 범위로 제시했으며, 기준 시나리오 외에도 상용화 속도, 규제 환경, 기술 성숙도에 따라 성장 경로가 달라지는 구조로 정리됐다. 보고서는 초기에는 실증과 제한적 상용화 속도가, 이후에는 규제 완화와 서비스 지역 확대가 시장 규모를 좌우하는 변수로 작용한다고 설명했다.

자료는 로보택시를 자율주행 기술의 대중적 수용성을 시험하는 동시에 실제 매출을 창출하는 사업 모델로 규정하고, 서비스 운영과 수익 구조를 검증하는 단계로 이동하고 있다고 설명했다. 경쟁의 초점도 단일 기술 경쟁이 아니라 데이터, 자산, 규제, 평판을 포함한 산업 생태계 전반으로 확장되는 구조로 제시됐다. 이는 로보택시 경쟁을 ‘기술 우위’가 아니라 ‘운영 모델과 사업 구조’의 경쟁으로 본다는 취지의 구분이다.

로보택시 구현에 필요한 핵심 역량으로는 자율주행 소프트웨어, 차량 플랫폼 개발·양산, 라이드 헤일링(차량호출) 생태계 구축·운영이 제시됐다. 이 세 가지 축을 기준으로 기업 경쟁 유형은 △완전 수직 통합 △플랫폼 수명 확장 △솔루션 통합 운영 △차세대 라이드 헤일링 △제조 기반 기술 통합 △시스템 오케스트레이션 등 6가지로 분류됐다. 보고서는 각 유형이 세 역량 가운데 어떤 기능을 자체 보유하고, 어떤 기능을 외부 협력으로 보완하는지에 따라 구분된다고 설명했다.

6가지 유형별로는 주요 기업 사례도 함께 제시됐다. 완전 수직 통합에는 자율주행 기술, 차량, 서비스 운영을 함께 가져가는 구조의 테슬라와 주크스(Zoox)가 포함됐다. 플랫폼 수명 확장에는 외부 완성차 업체(OEM)로부터 차량을 조달하면서 자율주행 솔루션의 범용화를 추진하는 바이두(아폴로 고)와 Pony.ai가 제시됐다. 솔루션 통합 운영에는 외부 OEM과 협업해 서비스를 상품화하는 구조의 웨이모(Waymo), 차세대 라이드 헤일링에는 플랫폼 운영 역량을 중심으로 외부 기술을 결합하는 우버(Uber)와 리프트(Lyft)가 포함됐다. 제조 기반 기술 통합에는 완성차 기반에 자율주행 기술을 결합하는 현대자동차그룹(모셔널)과 폭스바겐그룹(모이아), 시스템 오케스트레이션에는 복수 기업 간 역할 분담 구조인 스텔란티스·엔비디아·우버·폭스콘 협업 사례가 정리됐다. 보고서는 각 사례가 기술 내재화 수준과 차량·플랫폼 조달 방식의 차이를 기준으로 구분된다고 설명했다.

상용화 단계와 관련해서는 서비스가 실증 단계, 제한적 지역 운영 단계, 이후 본격 확장 단계로 이동하는 구조로 제시됐다. 이 과정에서 차량 확보 방식, 운영 비용 구조, 데이터 축적 방식이 서비스 확장 속도를 좌우하는 요소로 분류됐다. 보고서는 초기에는 차량 확보와 서비스 투입 속도가, 시장 성숙 단계에서는 운영 효율과 비용 관리가 경쟁력을 좌우하는 구조로 전환된다고 설명했다.

차량 확보는 자체 보유와 외부 조달 구조로 나뉘며, 운영 비용은 차량 유지·관제·안전 인력 투입 여부에 따라 구조가 달라지는 항목으로 정리됐다. 데이터 축적과 관련해서는 운행 거리와 운행 빈도가 늘어날수록 학습 데이터가 누적되는 구조가 제시됐다. 특히 드물게 발생하는 예외 상황, 이른바 ‘롱테일 데이터’ 확보가 성능 고도화의 핵심 요소로 언급됐으며, 실제 주행 데이터뿐 아니라 시뮬레이션과 생성형 AI 기반 데이터 생성이 보완 수단으로 제시됐다.

운영 과제로는 데이터, 자산, 규제, 평판이 제시됐다. 자료에서는 데이터 항목을 주행 데이터 축적과 학습 성능 개선 구조로 구분했고, 자산 항목은 차량과 인프라 확보 방식, 운영 효율성 관리 문제로 정리했다. 자산 측면에서는 대량 생산 체계 구축, 기존 완성차 플랫폼 활용, 위탁생산(파운드리) 모델 등을 통해 초기 투자 부담과 단가를 낮추는 방향도 함께 제시됐다.

규제와 관련해서는 지역별 인허가 체계, 운행 허용 범위, 사고 발생 시 책임 주체 설정 문제가 서비스 확산 속도에 영향을 미치는 요소로 분류됐다. 평판 항목은 사고 대응과 서비스 안정성, 이용자 신뢰 확보 여부가 이용자 확대와 직결되는 요소로 제시됐다. 보고서는 인공지능 의사결정 과정의 설명 가능성 확보, 사고 발생 시 투명한 대응 체계, 공공 부문과의 안전 인프라 협력이 신뢰 형성의 전제 조건이라고 정리했다.

김재연 삼정KPMG 자동차산업 리더(전무)는 “올해는 로보택시 시장이 기술 시연 단계를 넘어 사업 모델로서의 검증 국면에 들어서는 시점”이라며 “데이터, 자산, 규제, 평판 전반에서 경쟁력을 확보하는지가 중요한 기준이 될 것”이라고 말했다.