이 책에서 말하는 ‘자율주행 이코노미’는 자율주행 기술 자체만을 뜻하지 않는다. 차량을 만들고 운행하는 비용과 수익, 이를 뒷받침하는 데이터와 인공지능, 제조와 부품 공급망, 호출 플랫폼과 보험, 규제와 도시 인프라까지 자율주행을 중심으로 새롭게 형성되는 산업 생태계 전체를 말한다. 이제 경쟁의 기준도 누가 더 뛰어난 자율주행 기술을 갖고 있느냐를 넘어, 이 생태계를 얼마나 빠르게 규모의 경제로 연결하느냐로 옮겨 가고 있다.
자동차에는 이러한 산업 생태계를 실제 제품과 서비스로 확장할 기반이 이미 마련돼 있었다. 여기에 자율주행 기술의 진화와 원가 하락, 대량생산, 운영 효율 향상이 맞물리면서 기술 발전이 다시 더 많은 차량과 서비스로 이어지는 선순환이 만들어지기 시작했다. 이것이 바로 자율주행 비즈니스 플라이휠(Business Flywheel)이다.
---p.7

웨이모와 주옥스의 이 같은 공격적인 확장은 막대한 자본뿐 아니라 생산 인프라가 뒷받침하고 있다. 다만 두 기업의 방식에는 차이가 있다. 웨이모가 여러 완성차 제조사와 협력하며 차량 플랫폼과 공급망을 다변화한다면, 주옥스는 처음부터 로보택시 전용 차량과 생산시설을 직접 구축하는 전략을 택했다. 방식은 다르지만 목표는 같다. 차량 한 대당 원가를 낮추고 플릿을 빠르게 늘려 규모의 경제를 만드는 것이다.
---p.71

가장 먼저 등장한 것은 자율주행 기업이 서비스를 직접 운영하는 방식이다. 웨이모와 포니AI처럼 기술 개발 기업이 차량을 보유하고 운행 전 과정을 관리하며 승차 요금을 직접 받는 구조다. 웨이모는 이 모델로 주당 50만 건의 유료 운행을 달성했고, 포니AI도 광저우와 선전에서 단위경제 손익분기점을 넘어섰다. 승차 요금이 핵심 수입원이며 원격 지원 인력, 차량 감가상각, 유지보수 등이 주요 비용을 이룬다.
직접 운영은 차량이 늘어날수록 고정비를 분산할 수 있다는 장점이 있지만, 규모를 키울수록 부담도 커진다. 신규 도시에 진출할 때마다 지도 구축과 현지 인허가, 원격 관제, 충전·정비 인프라 등에 선행투자가 필요하고 차량을 직접 보유하는 만큼 감가상각과 보험, 유지보수 비용도 늘어난다. 자체 호출 앱으로 새로운 이용자를 확보하는 데도 상당한 비용과 시간이 든다. 이런 한계를 줄이기 위한 대안으로 직접 운영과 외부 플랫폼 협력을 병행하는 하이브리드 모델이 부상하고 있다.
하이브리드 모델의 가장 큰 장점은 이미 이용자를 확보한 플랫폼을 활용할 수 있다는 점이다. 자체 앱만으로 이용자를 모으려면 많은 마케팅 비용이 들지만, 우버나 중국의 가오더지도처럼 대규모 사용자를 보유한 플랫폼에 연결하면 신규 시장에서도 빠르게 수요를 확보할 수 있다.
---p.106

앞서 살펴본 사례들과 주요 기업들의 전략을 종합하면 자율주행 비즈니스 플라이휠은 크게 네 단계로 나눌 수 있다. 1단계 원가 최적화, 2단계 수익 구조 설계, 3단계 데이터·인프라 축적, 4단계 AI 고도화·상업적 임계점 돌파다. 다만 모든 기업이 이 순서대로 움직이는 것은 아니다. 데이터 플라이휠에서도 웨이모는 시뮬레이션 폐루프, 모빌아이는 크라우드소싱 지도에서 순환을 시작했듯 비즈니스 플라이휠도 기업이 가진 기술과 자본, 연구개발과 생산 역량, 파트너십, 규제 환경 등에 따라 출발점이 달라진다.
첫 번째 단계는 원가 최적화다. 자율주행차 한 대를 만드는 비용을 실제 사업이 가능한 수준까지 낮춰야 한다. 가장 큰 변화는 기존 차량을 사후 개조하는 방식에서 벗어나 자율주행을 처음부터 고려한 대량생산 차량을 만드는 것이다. 포니AI는 7세대 자율주행 시스템을 양산차 플랫폼에 직접 통합하면서 이전 세대보다 부품 원가를 크게 낮췄고, 바이두도 6세대 로보택시 RT6의 가격을 20만 4600위안까지 낮췄다. 웨이모 역시 재규어 아이페이스 중심의 기존 플릿에서 지커와 공동 개발한 CM1e 기반 6세대 차량 오하이로 옮겨 가며 차량 원가를 낮추고 있다. 테슬라가 사이버캡을 처음부터 대량생산을 전제로 설계한 것도 같은 흐름이다.
(135~136쪽)

웨이모의 폐루프 학습과 모빌아이의 REM, 현대차그룹의 데이터 유니언은 모두 비즈니스 플라이휠의 3단계인 데이터·인프라 축적을 각기 다른 방식으로 구현한 사례다. 차이는 그 데이터를 어디까지 연결하느냐에 있다. 데이터가 AI 성능 개선에 그치면 학습 플라이휠이지만, 그것이 다시 원가 절감과 수익 확대, 서비스 확장으로 이어지면 비즈니스 플라이휠이 된다.
(140~141쪽)

맥킨지의 최신 모빌리티 산업 조사 역시 2030년을 자율주행 산업의 중요한 변곡점으로 바라보게 한다. 2026년 1월 발표한 조사에서는 대부분의 자율주행 분야에서 상용화 예상 시점이 2023년 조사보다 다시 1~2년 늦춰졌다. 레벨4 로보택시는 이미 미국과 중국 일부 도시에서 상용 서비스를 시작했지만, 세계적으로 대규모 확산하는 시점은 2030년으로 예상됐다. 개인 승용차의 레벨4 도심 자율주행은 2032년, 레벨4 트럭 역시 2032년께 상업적으로 현실적인 수준에 이를 것으로 전망됐다. 이제 기술 개발 속도만으로는 상용화 시점을 결정할 수 없다. 비용과 규제, 안전성 검증과 시장 수용성까지 함께 해결해야 한다.
특히 눈여겨볼 것은 자율주행 산업의 가장 큰 장애물이 기술 자체에서 비용으로 이동하고 있다는 점이다. 맥킨지 조사에서 높은 비용은 자율주행 개발 과정의 가장 큰 걸림돌로 꼽혔다. 레벨4 로보택시와 레벨4 트럭은 시장 진입에 필요한 소프트웨어 개발에만 각각 30억 달러 이상의 투자가 필요할 것으로 예상됐다. 개발을 끝낸다고 곧바로 사업을 시작할 수 있는 것도 아니다. 실제 상용화를 위해서는 수많은 예외 상황에 대응하고 안전성을 검증해야 하며, 차량을 대량생산할 수 있는 수준까지 끌어올려야 한다. 기술 경쟁이 곧 자본 경쟁이자 운영 경쟁으로 바뀌고 있는 것이다.
(214~215쪽)

한국의 과제는 어느 한 나라의 모델을 그대로 복제하는 것이 아니라, 필요한 요소만 골라 한국형 플라이휠 안에서 다시 조립하는 일이다.
한국형 자율주행 비즈니스 플라이휠은 ‘기술 개발·실증 → 대단위 운영 → 패키징 → 지속가능 모델 → 시장 확대 → 산업 주권 확보’ 여섯 단계로 구성된다. 중요한 것은 이 여섯 단계를 각각 따로 추진하는 것이 아니라 앞 단계의 성과가 다음 단계의 기반이 되고, 마지막 단계의 성과를 다시 기술과 사업에 투자하는 순환 구조로 만드는 일이다.
---p.283

한국이 제시한 최대 3000대 규모의 플릿 확대가 의미를 가지려면 차량 수보다 구조가 먼저 바뀌어야 한다. 현재 광주 실증 차량의 높은 원가를 낮추고, 광주에서 검증한 K-자율주행 협력 모델과 국가대표팀 구조를 다른 도시에서도 구현할 수 있어야 한다. 단순히 차량 대수만 늘리는 것이 아니라 차량 생산과 운영, 보험, 규제, 서비스가 함께 확대될 수 있는 설계를 만들어야 3000대가 지속가능한 산업 기반으로 이어질 수 있다.
여기서 한 가지는 분명히 짚어야 한다. 한국은 자동차 생산 강국이다. 그러나 자동차 생산 강국이라는 사실이 곧 자율주행 강국이라는 뜻은 아니다. 완성차를 잘 만드는 역량과 그 차가 스스로 판단하고 주행하게 만드는 역량은 서로 다른 경쟁력이다. 한국은 전자에서는 세계 상위권에 있지만 후자에서는 아직 추격권에 머물러 있다. 이 둘을 혼동하는 순간 우리가 가진 강점은 과대평가하고 부족한 부분은 놓치게 된다.
---p.294