클라우드 기억 저장소
[자동차] 휴머노이드의 기대가 식는 자리에서 자율주행과 로보택시의 실적화가 시작되는 구조임 본문
https://stock.naver.com/research/industry/46060
첨부 리포트는 총 63페이지이며, 따라서 아래 분석의 번호 문장은 총 126개로 구성했음. 보고서가 강조하는 핵심은 Physical AI(물리적 인공지능)의 성장이 끝난 것이 아니라, 투자 중심이 아직 양산 검증이 필요한 휴머노이드에서 상용화 경험·규제 체계·공급망을 이미 축적한 자율주행과 로보택시로 이동하고 있다는 점임.
📋 핵심 내용 요약
Physical AI는 기계가 현실 세계를 인식하고 판단해 직접 행동하는 인공지능이며, 구조적인 노동력 부족과 인건비 상승 때문에 장기 투자 필요성은 여전히 유효함. [팩트, p3-9]
다만 휴머노이드 로봇은 기술 시연 단계에서 대량생산 단계로 넘어가면서 막대한 연구개발비와 공장투자, 공급망 구축 능력을 실제로 증명해야 하는 구간에 진입했음. [팩트, p5-13]
이에 따라 시장의 Physical AI 관심은 상용화까지 남은 시간이 짧고 경제적 효과를 빨리 확인할 수 있는 자율주행으로 이동할 가능성이 높다고 보고서는 판단함. [팩트, p14]
자율주행은 20년 가까이 기술·법규·센서 공급망을 축적했고, 최근 월드 모델과 VLA(Vision-Language-Action, 시각·언어·행동 모델)가 엣지 케이스 대응 능력을 높이면서 다시 상용화 속도가 빨라지는 국면임. [팩트, p14-17]
보고서는 글로벌 Physical AI 시장이 2025년 888억달러에서 2035년 1.5조달러로 성장하고, 그중 자율주행 비중이 39%에서 69%로 확대될 것으로 전망함. [팩트, p17-18]
그중에서도 로보택시는 개인차량보다 차량 가동률이 압도적으로 높아 고가의 자율주행 시스템 비용을 빠르게 회수할 수 있고, Geofence(운행 가능 구역)를 이용해 안전을 통제할 수 있으며 ODD를 통해 사고 책임도 명확히 할 수 있다는 장점을 보유함. [팩트, p42-46]
보고서는 로보택시 시장이 2025년 약 15억달러에서 2035년 4,150억달러로 성장하며 연평균 75.5% 증가해, 개인용 ADAS·L2+보다 더 빠른 자율주행 시장이 될 것으로 전망함. [팩트, p41-42]
로보택시 시대에는 기존 운전자가 가져가던 운임의 상당 부분이 자율주행 AI 솔루션과 차량·부품·운영 플랫폼으로 이전되며, 특히 2035년 기준 로보택시 AI 솔루션에서 약 2,283억달러의 가치가 만들어질 것으로 전망함. [팩트, p48]
자동차 업체 가운데는 차량·자율주행 시스템·AI 솔루션·서비스 운영을 수직계열화한 Tesla의 수혜가 가장 크고, 국내에서는 X-by-Wire를 공급하는 HL만도와 SDV·로보틱스를 함께 확대하는 현대모비스가 주요 수혜주로 제시됨. [팩트, p3·49·52-60]
다만 시장 전망이 2035년까지의 장기 가정을 크게 포함하고 규제·안전·원가·실제 플릿 확대 속도의 불확실성이 남아 있어, 보고서의 방향성에는 동의하지만 현재 섹터 전체에 대해 완벽한 확신을 갖고 매수 의견을 제시할 단계는 아니라고 판단함. [해석]
🚀 Physical AI 모멘텀이 사라진 것이 아니라 투자 기준이 바뀌고 있음
이 보고서의 넛그래프는 Physical AI라는 거대한 방향성은 살아 있지만 시장이 이제 “기술이 되는가”보다 “언제 양산되고 언제 돈을 버는가”를 묻기 시작했다는 것임. [해석]
Physical AI는 AI가 현실 세계를 지각하고 이해하고 추론한 뒤 로봇이나 자동차 같은 기계를 실제로 움직이는 단계의 인공지능을 의미함. [팩트, p4]
기존 대형언어모델인 LLM(Large Language Model)이 텍스트를 처리했다면 Physical AI에서는 현실의 공간·시간·물리법칙까지 학습하는 월드 모델이 중요해짐. [팩트, p4]
월드 모델은 현실에서 직접 시험하기 어려운 수많은 상황을 디지털 트윈 안에서 생성하고 반복 검증할 수 있게 함. [팩트, p4]
디지털 트윈은 실제 공장·차량·도로를 컴퓨터 안에 쌍둥이처럼 재현해 현실에서 발생할 일을 미리 실험하는 기술임. [해석]
이런 구조가 중요한 이유는 실제 로봇이나 자동차를 매번 부수면서 시험하지 않고도 위험한 상황을 대량 학습할 수 있기 때문임. [해석]
시장은 2025년부터 Physical AI와 휴머노이드에 강하게 반응했으며, 특히 액추에이터와 감속기 등 로봇 부품 공급망에 기대가 집중됐음. [팩트, p4]
골드만삭스는 Physical AI 확산 이후 2035년 휴머노이드 전망을 기존 100만대에서 600만대 이상으로 크게 상향했음. [팩트, p4-5]
[그림 2, p5]Precedence Research도 글로벌 로보틱스 시장이 2024년 447.4억달러에서 2034년 2,800.1억달러로 확대될 것으로 전망했음. [팩트, p4-5]
[그림 3, p5]그러나 2026년 중반부터 주가 모멘텀이 약해진 이유는 휴머노이드가 기술 데모에서 실제 상용 제품으로 넘어가는 시험대에 들어섰기 때문임. [팩트, p5]
상용화 단계에서는 시연 영상보다 일정한 품질로 수천·수만대를 만들 수 있는 양산성이 더 중요해짐. [해석]
동시에 부품 1만개 수준을 안정적으로 확보하고 조립할 수 있는 공급망과 공장투자가 필요해짐. [팩트, p5]
Physical AI가 시뮬레이션에서 잘 움직여도 실제 모터·기어·샤프트의 오차 때문에 동일하게 움직이지 않는 Sim-to-Real Gap이 존재함. [팩트, p5]
따라서 학습 성능이 좋아졌다는 사실과 현실에서 장시간 안정적으로 작동한다는 사실 사이에는 상당한 검증 시간이 필요함. [해석]
결국 2026년의 Physical AI 투자 기준은 “기술 가능성”에서 “양산성·공급망·원가·가동률”로 이동한 것으로 판단함. [해석]
💰 구조적 인건비 상승이 Physical AI 투자를 멈추기 어렵게 함
보고서가 Physical AI 장기 모멘텀을 여전히 긍정적으로 보는 첫 번째 이유는 선진국과 제조국에서 생산가능인구가 줄고 있기 때문임. [팩트, p7]
노동인구 감소는 사람을 구하기 어렵게 만들고 특히 제조·물류·건설 같은 현장직의 임금을 구조적으로 올리는 요인으로 작용함. [팩트, p7]
미국의 2026년 제조업 전체 평균 임금 상승률은 약 3.0%였지만 기계작업은 7.9%, 항공기 조립은 6.0%, 용접은 5.4% 상승한 것으로 보고서에 제시됐음. [팩트, p7-8]
[그림 9, p8]기업 입장에서 사람의 임금은 매년 복리로 늘지만 Physical AI 설비는 초기 투자 이후 감가상각을 통해 비용을 나누어 반영할 수 있음. [팩트, p8]
여기에 AI 모델은 데이터가 쌓일수록 성능이 향상될 가능성이 있어 동일 비용 대비 생산성이 개선될 수 있음. [팩트, p8]
보고서의 단순 시뮬레이션은 임금이 매년 6% 상승하고 AI 생산성이 매년 10% 개선된다는 가정 아래 시간이 갈수록 AI의 단위 생산성이 노동보다 유리해지는 구조를 제시함. [팩트, p9]
[표 1, p9]이 계산은 실제 기업마다 결과가 달라지는 가정치이므로 숫자를 절대적인 손익분기점으로 받아들이기보다 비용 구조의 방향성을 설명하는 예시로 보는 것이 적절함. [해석]
두 번째 장기 동력은 미·중 갈등 이후 각국이 제조시설을 자국으로 돌리는 Reshoring을 추진한다는 점임. [팩트, p9]
Reshoring은 해외의 싼 인건비를 포기하고 본국으로 공장을 옮기는 일이므로 자동화가 없다면 제조 원가가 크게 높아질 수 있음. [해석]
따라서 Physical AI는 기업의 선택적 신기술이 아니라 자국 생산비를 낮추기 위한 국가 경쟁력 도구로 성격이 바뀌고 있음. [팩트, p9]
한국은 AI를 국가전략기술로 지정해 연구개발과 시설투자에 세액공제를 제공하고 있음. [팩트, p9-10]
보고서는 한국의 AI 연구개발 세액공제가 기업 규모에 따라 최대 50%이고 AI 데이터센터 투자에는 최대 25%까지 적용될 수 있다고 설명함. [팩트, p9-10]
[표 2, p10]한국 정부는 Physical AI 관련 3대 메가프로젝트 등을 위해 2030년까지 2.8조원 투자를 추진하는 것으로 제시됐음. [팩트, p9]
이런 정책은 초기 CAPEX를 줄여 기업의 투자 회수기간을 앞당기는 역할을 함. [해석]
CAPEX는 Capital Expenditure의 약자로 공장·GPU·설비처럼 오랜 기간 사용하는 자산에 투입하는 비용임. [해석]
세 번째 장기 동력은 디지털 트윈을 이용하면 시제품 제작과 시험 비용을 줄일 수 있다는 점임. [팩트, p10]
BMW는 엔비디아 Omniverse를 활용해 전 세계 31개 공장을 가상화하고 생산라인 기획기간을 약 4주에서 3일로 줄인 사례가 제시됐음. [팩트, p10-11]
[그림 12, p11]실제 라인 구축 기간 역시 약 50% 줄인 것으로 보고서는 설명함. [팩트, p10]
타이어 개발에서도 가상 주행 시뮬레이션을 활용해 소재 개발기간을 약 50%, 전체 개발기간을 약 30% 줄인 사례가 제시됐음. [팩트, p10-11]
[그림 13, p11]따라서 Physical AI의 경제적 가치는 완성된 로봇 판매뿐 아니라 제품 개발기간과 검증비용을 줄이는 과정에서도 발생함. [해석]
🚗 다음 Physical AI 주도 영역으로 자율주행이 다시 부상함
보고서는 휴머노이드보다 자율주행을 다시 주목해야 하는 핵심 기준으로 상용화 속도와 경제적 효과를 제시함. [팩트, p14]
자율주행은 2000년대부터 연구가 시작돼 휴머노이드보다 훨씬 긴 실제 도로 데이터와 공급망 경험을 보유함. [팩트, p14]
2005년 DARPA Grand Challenge에서 스탠퍼드의 Stanley가 기계학습 기반 자율주행 가능성을 보여준 것이 대표적인 출발점임. [팩트, p14]
이후 Google의 자율주행 연구가 Waymo로 분사됐고 2018년 Waymo One이 상용 로보택시 서비스를 시작했음. [팩트, p14]
Tesla 역시 2015년 Model S에 Autopilot을 적용하며 양산차 기반 자율주행 데이터를 대규모로 축적하기 시작했음. [팩트, p15]
2019년에는 중앙집중형 전자 아키텍처와 NPU를 적용한 HW3.0 기반 FSD를 출시하며 소프트웨어 중심 차량 전환을 가속했음. [팩트, p15]
NPU는 Neural Processing Unit의 약자로 딥러닝 연산을 빠르게 처리하도록 설계한 전용 반도체임. [해석]
과거 자율주행은 카메라나 센서가 객체를 인식한 뒤 사람이 작성한 규칙에 따라 차를 움직이는 Rule-based 구조가 중심이었음. [팩트, p15-16]
이 방식은 학습 과정에서 보지 못한 돌발 보행자·악천후·복잡한 교차로 같은 Edge Case에 취약했음. [팩트, p15]
Edge Case는 평소에는 드물지만 사고 위험이 큰 예외 상황을 뜻함. [해석]
Physical AI가 발전하면서 자동차가 주변 상황을 통째로 이해하고 가능한 여러 행동을 실시간으로 비교하는 방식이 가능해지고 있음. [팩트, p15]
VLA는 Vision-Language-Action의 약자로 카메라로 본 장면과 언어적 맥락을 함께 이해해 실제 행동까지 연결하는 모델임. [팩트, p15]
이러한 모델은 자율주행이 단순히 물체를 탐지하는 기술에서 상황의 의미를 이해하고 다음 행동을 생성하는 기술로 진화하도록 함. [해석]
Tesla FSD v11은 인지 영역에 신경망을 사용하되 차량 제어는 C++ 기반 규칙을 사용했음. [팩트, p17]
[표 4, p17]FSD v12부터는 카메라 입력에서 조향·가감속까지 하나의 End-to-End 신경망으로 처리하기 시작했음. [팩트, p17]
[표 4, p17]End-to-End는 여러 사람이 만든 중간 규칙을 거치기보다 입력 영상에서 최종 운전행동까지 하나의 AI 모델이 연결해서 학습하는 구조임. [해석]
2026년 FSD v14는 주차상태 출발과 자동 변속 등 복잡한 시내주행까지 신경망이 처리하도록 발전한 것으로 보고서는 설명함. [팩트, p16-17]
HW4는 HW3보다 연산능력이 3-5배 높고 메모리 대역폭은 약 8배 큰 것으로 제시됐음. [팩트, p17]
[표 5, p17]최신 Full 모델의 시스템 반응속도는 약 0.450초로 Lite 버전의 0.675초보다 약 33% 개선된 것으로 정리됐음. [팩트, p17]
[표 5, p17]결국 AI 모델 발전이 자동차 하드웨어 교체 수요까지 만들어낸다는 점에서 자율주행은 소프트웨어와 부품이 동시에 커지는 Physical AI 시장임. [해석]
🌐 자율주행은 규제·센서·차량 플랫폼까지 상용화 준비가 진행됐음
보고서는 자율주행이 휴머노이드보다 상용화에 가까운 이유로 기술 외에도 제도와 공급망이 오랜 기간 정비돼 왔다는 점을 강조함. [팩트, p3]
미국에서는 주별로 달랐던 자율주행 규정을 연방 수준에서 표준화하려는 Self-Drive Act of 2026이 논의되고 있음. [팩트, p21]
방향성은 NHTSA를 중심으로 차량 설계·성능·안전 기준을 통합해 기업이 주마다 다른 허가 절차를 반복하는 부담을 줄이는 것임. [팩트, p21]
[표 7, p21]NHTSA는 National Highway Traffic Safety Administration의 약자로 미국 도로교통안전국을 의미함. [해석]
중국은 MIIT를 중심으로 중앙정부가 L3·L4 자율주행 기준을 정한 뒤 지방정부가 적용하는 Top-down 방식으로 상용화를 추진하고 있음. [팩트, p21]
L3는 특정 조건에서 시스템이 운전을 담당하지만 필요할 때 사람이 개입해야 하는 단계이고 L4는 지정된 조건 안에서는 사람 개입 없이 시스템이 운전하는 단계임. [해석]
센서 가격 하락도 자율주행 원가를 낮추는 방향으로 작용하고 있음. [팩트, p23]
LiDAR는 Light Detection and Ranging의 약자로 레이저를 쏘아 주변 물체까지의 거리와 형태를 정밀하게 측정하는 센서임. [해석]
Waymo의 6세대 시스템은 카메라·Radar·LiDAR를 함께 사용하는 Sensor Fusion을 유지하면서 센서 수를 줄여 5세대보다 원가를 절반 이상 낮춘 것으로 제시됐음. [팩트, p23]
Sensor Fusion은 여러 종류의 센서 정보를 합쳐 하나의 주변 환경 판단으로 만드는 기술임. [해석]
AI가 같은 수의 센서에서 더 많은 정보를 뽑아낼수록 차량 한 대당 필요한 하드웨어 비용을 줄일 수 있음. [해석]
전기차 확산 역시 자율주행 공급망 안정화에 중요한 역할을 함. [팩트, p24]
L4·L5급 자율주행 시스템은 고성능 컴퓨터와 네트워크 때문에 약 2-4kW 수준의 전력을 요구할 수 있는 것으로 보고서는 설명함. [팩트, p24]
최근 E2E 모델과 NPU 효율화로 소비전력이 낮아지고 있으나 여전히 약 1-2kW 수준의 상시 전력이 필요하다고 제시됐음. [팩트, p24]
전기차는 큰 배터리를 갖고 있어 내연기관보다 자율주행 컴퓨터와 센서에 안정적으로 전력을 공급하기 쉬움. [팩트, p24]
따라서 전기차 플랫폼 확산은 단순 친환경 전환이 아니라 고도 자율주행을 탑재할 수 있는 전기·전자 기반을 넓히는 효과도 가짐. [해석]
자율주행 차량에서 가장 중요한 신규 부품 중 하나가 X-by-Wire임. [팩트, p26-27]
X-by-Wire는 사람이 핸들·브레이크·페달에 가한 물리적 힘을 기계축으로 전달하지 않고 전기신호로 조향·제동·현가장치를 제어하는 기술임. [해석]
보고서는 글로벌 X-by-Wire 시장이 2034년 약 500억달러 규모로 성장할 것으로 전망함. [팩트, p26]
[그림 36, p26]기계식 연결부를 줄이면 차량 중량을 약 15-25kg 줄이고 차량 내부 공간과 에너지 효율을 개선할 수 있음. [팩트, p26]
Brake-by-Wire는 기존 유압식 브레이크의 약 300밀리초 응답시간을 50밀리초 미만으로 줄일 수 있어 긴급 제동에서 특히 유리함. [팩트, p27]
[그림 40, p27]운전대와 페달이 없는 로보택시로 갈수록 이러한 전자식 제어장치는 선택사항이 아니라 차량을 움직이는 필수 인프라가 됨. [해석]
🚕 로보택시가 개인 자율주행차보다 먼저 경제성을 만들기 쉬움
보고서는 2025년 전체 자율주행 시장을 약 350억달러로 추정하며 이 가운데 ADAS가 약 280억달러로 80%를 차지한다고 설명함. [팩트, p41]
ADAS는 Advanced Driver Assistance Systems의 약자로 차선 유지·긴급제동처럼 운전자를 보조하는 기능을 의미함. [해석]
같은 시점 로보택시 시장은 약 15억달러로 전체 자율주행 시장의 4.3%에 불과한 초기시장임. [팩트, p41]
그러나 보고서는 로보택시 시장이 2035년 4,150억달러까지 성장해 개인용 ADAS·L2+ 시장 3,800억달러를 넘어설 것으로 전망함. [팩트, p41]
이에 따른 로보택시의 2025-2035년 연평균성장률은 75.5%로 개인용 ADAS·L2+의 29.8%보다 훨씬 높게 추정됨. [팩트, p41]
첫 번째 경제성의 핵심은 차량 가동률이며 개인차량은 하루 평균 5-10%밖에 운행되지 않지만 로보택시는 최대 약 90% 가동률을 목표로 할 수 있음. [팩트, p43]
[표 16, p43]일반 택시·라이드헤일링의 가동률은 약 33%로 제시돼 운전자 휴식과 교대가 차량 활용도를 제한함. [팩트, p43]
[표 16, p43]따라서 비싼 자율주행 시스템을 사더라도 하루 대부분을 운행해 운임을 받으면 차량 한 대당 고정비를 더 많은 승객에게 나눌 수 있음. [해석]
이것이 TCO(Total Cost of Ownership, 총소유비용) 관점에서 개인 자율주행차보다 로보택시가 먼저 경제성을 확보하기 쉬운 이유임. [팩트, p42-43]
두 번째 강점은 처음부터 모든 도로를 달리려 하지 않고 Geofence라는 제한된 구역을 설정해 운영한다는 점임. [팩트, p43]
Geofence는 지도상에 가상의 울타리를 만들어 검증된 지역과 조건 안에서만 차량이 자율주행하도록 제한하는 방식임. [해석]
예외 상황이 발생하면 원격관제 도움을 제공할 수 있어 모든 상황을 차량 혼자 해결해야 하는 개인용 완전자율주행보다 안전 관리가 쉬움. [팩트, p43]
Waymo 관련 연구에서는 인간 운전자 대비 경찰 신고 충돌사고가 68% 감소한 것으로 정리됐음. [팩트, p45]
[표 17, p45]Swiss Re 분석에서는 2,530만 무인주행 마일을 기준으로 대물 보험청구가 인간 운전자 대비 88% 감소했음. [팩트, p44-45]
[그림 62·표 17, p45]같은 분석에서 대인상해 보험청구는 92% 감소한 것으로 제시됐음. [팩트, p44-45]
[표 17, p45]세 번째 장점은 ODD를 통해 시스템이 책임지는 도로·날씨·속도·지역 조건을 사전에 정의할 수 있다는 점임. [팩트, p45-46]
ODD는 Operational Design Domain의 약자로 자율주행 시스템이 정상 작동한다고 공식적으로 정의한 운행 조건 범위를 뜻함. [해석]
개인차량에서는 운전자와 제조사 사이의 사고 책임이 복잡하지만 로보택시는 사업자가 보험과 법적 책임을 일괄 관리할 수 있어 규제 승인도 상대적으로 단순해질 수 있음. [팩트, p45-46]
🌍 2035년 로보택시는 차량 판매보다 AI 솔루션이 더 큰 가치풀을 만들 수 있음
글로벌 로보택시 운행대수는 2025년 미국과 중국 약 20개 도시에서 약 8,000대 수준으로 제시됐음. [팩트, p46]
보고서가 인용한 시장 전망은 2035년 글로벌 40-80개 도시에서 약 250만~600만대까지 확대될 수 있다고 봄. [팩트, p46]
[그림 64, p46]로보택시 시장이 커지면 기존 택시 운전자가 가져가던 가치가 차량·부품·AI 솔루션·플랫폼으로 이동하게 됨. [해석]
라이드헤일링 구조에서는 고객 운임의 약 75%가 운전자에게 돌아가고 플랫폼이 약 25%를 가져가는 것으로 보고서는 가정함. [팩트, p48]
차량 감가와 연료비 등을 제외한 운전자 역할의 순수 부가가치는 약 55%로 추정됨. [팩트, p48]
로보택시에서는 이 55%에 해당하는 판단·주행 기능을 자율주행 AI 모델이 대신하므로 로보택시 솔루션이 가장 큰 신규 가치풀이 됨. [해석]
보고서는 2035년 로보택시 AI 솔루션 시장가치를 약 2,283억달러로 추정함. [팩트, p48]
[그림 66, p48]같은 가치배분에서 운영 서비스와 플랫폼은 약 1,038억달러, 완성차 OEM은 208억달러, 자동차 부품은 125억달러, 반도체·소재부품은 83억달러로 제시됐음. [팩트, p48]
[그림 66, p48]이 숫자가 의미하는 것은 로보택시 시대의 가장 큰 돈이 차량 자체보다 운전을 대신하는 AI 두뇌에 몰릴 가능성이 높다는 것임. [해석]
Tesla는 차량·컴퓨팅 시스템·FSD·Cybercab·플랫폼 운영까지 수직 내재화할 수 있어 자동차업체 가운데 가치풀을 가장 폭넓게 가져갈 수 있는 구조로 평가됨. [팩트, p3·49]
기존 완성차와 부품사는 로보택시 자체 시장 규모뿐 아니라 여기에서 먼저 검증된 X-by-Wire와 고성능 전장부품을 이후 일반 L2+ SDV에 확산하는 간접 효과가 더 중요함. [팩트, p49]
🏭 국내에서는 현대모비스가 SDV와 로보틱스를 함께 가져가는 구조임
현대모비스는 보고서 기준 Buy 의견과 목표주가 81만원을 제시받았으며 2026년 9월 10일 기준 주가는 41만5,500원으로 제시됐음. [팩트, p52]
현대모비스의 2026년 예상 매출은 65조1,660억원, 영업이익은 3조7,540억원이며 2027년에는 각각 72조1,640억원과 4조1,180억원으로 증가할 것으로 추정됨. [팩트, p52]
2026년 예상 PER은 8.9배, 2027년은 7.6배로 기존 자동차부품 사업 자체의 밸류에이션은 높은 편이 아니라고 볼 수 있음. [팩트, p52]
현대차그룹은 2026년 말 Motional을 통해 라스베이거스에서 로보택시 상용화를 시작하고 2027년 서비스 지역과 운행대수를 확대할 계획으로 보고서에 제시됐음. [팩트, p52]
현대모비스는 자율주행 센서·제어기와 X-by-Wire를 강화하고 현대차그룹 외 고객인 Non-Captive 매출을 확대하는 전략을 추진하고 있음. [팩트, p52-53]
[그림 68-70, p53]또한 Boston Dynamics와 연계한 휴머노이드 액추에이터 사업까지 보유해 자율주행과 로봇이라는 두 Physical AI 축에 동시에 노출된 기업임. [팩트, p52-55]
🎯 HL만도는 로보택시 부품 수혜가 더 직접적인 구조임
HL만도는 보고서 기준 Buy 의견과 목표주가 8만3,000원이며 2026년 9월 10일 주가 5만300원 대비 보고서상 상승여력은 65.0%로 제시됐음. [팩트, p57]
HL만도의 2026년 예상 매출은 9조8,170억원과 영업이익 3,940억원이며 2027년에는 각각 10조6,580억원과 4,420억원으로 증가할 것으로 추정됨. [팩트, p57-59]
HL만도는 2027년 중국에서 By-Wire 제품을 조기 양산해 레퍼런스를 확보한 뒤 북미로 확대하고 있으며 미국과 중국 주요 로보택시 업체에 대한 수주가 이미 가시화되고 있다는 점에서 보고서가 가장 직접적인 국내 로보택시 수혜주로 제시함. [팩트, p57-60]
[그림 75-77, p58]투자 관점에서는 로보택시 성장 자체에 가장 순수하게 노출되고 싶다면 HL만도, 기존 자동차 실적에 SDV·로보틱스 옵션까지 함께 가져가고 싶다면 현대모비스가 더 적합하지만, 로보택시 시장 전망의 장기성과 규제 불확실성을 감안하면 섹터 전체에 대해 지금 당장 확정적인 매수 의견을 내릴 정도로 완벽한 확신은 없다고 판단함. [해석]
📌 산업 구조를 한눈에 보면
인구 감소·임금 상승 → Physical AI 투자 필요성 확대 → 휴머노이드 양산 검증 부담 증가 → 이미 기술·규제·공급망을 축적한 자율주행으로 관심 이동 → 로보택시가 높은 가동률로 경제성 선확보 → 플릿 확대 → AI 솔루션·X-by-Wire·고성능 컴퓨터 수요 증가 → 기술이 일반 SDV로 확산됨
특히 투자 가치가 이동하는 구조는 다음처럼 보는 것이 핵심임.
| 가치 영역 | 현재 라이드헤일링 | 로보택시 전환 후 핵심 주체 | 2035년 보고서 추정 |
|---|---|---|---|
| 운전자 역할 | 운임의 약 75% | 자율주행 AI 솔루션으로 이동함 | 2,283억달러 |
| 플랫폼 | 약 25% | 호출·플릿 운영 플랫폼이 담당함 | 1,038억달러 |
| 완성차 | 상대적으로 작음 | Robotaxi Vehicle을 공급함 | 208억달러 |
| 자동차 부품 | 상대적으로 작음 | X-by-Wire·센서 등을 공급함 | 125억달러 |
| 반도체·소부장 | 상대적으로 작음 | GPU·NPU·전장부품을 공급함 | 83억달러 |
[그림 66, p48]
📈 리스크 & 기회
| 시계열 | 구분 | 확률 | 영향도 | 핵심 판단 | 확인법 |
|---|---|---|---|---|---|
| 단기 1-3개월 | 기회 | 65% | 높음 | Tesla·Waymo·중국 업체의 플릿 확대가 자율주행 투자 모멘텀을 유지할 수 있음 | 주간 유료 운행건수·운영 도시·플릿 증가를 확인함 |
| 단기 1-3개월 | 기회 | 60% | 높음 | 국내 부품사의 로보택시·By-Wire 신규 수주가 주가 재평가를 만들 수 있음 | HL만도 신규 수주와 현대모비스 Non-Captive 수주를 확인함 |
| 단기 1-3개월 | 리스크 | 55% | 높음 | 자율주행 사고가 발생하면 규제와 소비자 신뢰가 빠르게 악화될 수 있음 | NHTSA 조사·보험청구율·운행중단 여부를 확인함 |
| 단기 1-3개월 | 리스크 | 50% | 보통 | Physical AI 관련 주가가 실제 실적보다 먼저 상승할 수 있음 | 신규 수주 증가율과 밸류에이션 확대 속도를 비교함 |
| 중기 6-12개월 | 기회 | 70% | 높음 | 상용 로보택시 지역 확대가 실제 차량·부품 발주 증가로 연결될 수 있음 | 플릿 수와 차량당 X-by-Wire 채택률을 확인함 |
| 중기 6-12개월 | 기회 | 65% | 높음 | 로보택시용 고부가 부품이 일반 SDV로 확대되면 시장 규모가 크게 넓어질 수 있음 | L2+ 양산차 By-Wire 채택 모델 수를 확인함 |
| 중기 6-12개월 | 리스크 | 55% | 높음 | 보고서의 2035년 성장 전망보다 실제 규제 승인과 소비자 수용이 느릴 수 있음 | 도시별 상업운행 허가 속도와 유료 운행건수를 확인함 |
| 중기 6-12개월 | 리스크 | 45% | 높음 | 중국의 가격 경쟁이 심해지면 차량·센서·부품 ASP가 예상보다 빠르게 하락할 수 있음 | 제품 단가와 영업이익률을 함께 확인함 |
위 확률은 보고서가 직접 제시한 숫자가 아니라 보고서의 논리를 투자 시나리오로 재구성한 판단값임.
🎯 나라면 이 섹터에 투자할지에 대한 최종 판단
지금 단계에서는 자율주행·로보택시 섹터 전체에 확정적인 매수 의견을 제시하지 않음.
산업 방향에는 상당히 높은 확신을 가질 만함. 자율주행은 휴머노이드보다 실제 서비스 경험이 길고, 센서 원가는 낮아지고 있으며, 규제 체계가 정비되고 있고, 무엇보다 로보택시는 개인차량보다 높은 가동률을 통해 비싼 AI 시스템의 비용을 회수할 수 있는 명확한 경제적 이유가 존재함. Waymo의 보험 데이터처럼 안전성 역시 단순한 기대가 아니라 실제 주행 데이터로 확인되기 시작했다는 점도 중요함.
그러나 투자에서 필요한 것은 산업이 성장한다는 확신과 현재 가격에 주식을 사도 된다는 확신이 동시에 존재하는 것임. 이번 보고서의 가장 강한 숫자인 2035년 로보택시 4,150억달러 시장은 아직 9년 뒤의 전망이고, 실제 결과는 규제·사고율·보험료·플릿 이용률·서비스 가격·차량 원가에 따라 크게 달라질 수 있음.
따라서 나라면 섹터 전체를 한꺼번에 사기보다 실제 로보택시 수주가 확인되는 X-by-Wire 부품업체를 우선 관찰하고, 플릿 증가가 수주잔고와 매출로 연결되는 것을 확인하면서 투자 비중을 늘리는 방식을 택함. 보고서에 나온 국내 두 기업 가운데 순수 로보택시 수혜 강도로는 HL만도, 사업 안정성과 SDV·로보틱스 옵션의 조합으로는 현대모비스를 우선적으로 추적할 것임.
🧵 한 줄 코멘트
Physical AI의 다음 승부는 “사람처럼 생긴 로봇을 누가 먼저 만드느냐”보다 “AI가 실제 일을 해서 비용을 줄이고 돈을 벌 수 있느냐”에 있으며, 현재 그 답에 가장 가까운 기계가 자동차임.
'돈 불리기 > 산업보고서' 카테고리의 다른 글
| [자동차] 유럽의 보호무역이 중국차를 막고 현대차그룹의 현지화 가치를 높이는 전환점임 (0) | 2026.09.15 |
|---|---|
| [투자정보] OpenAI의 모델 경쟁력 회복이 AI 인프라의 ‘약한 고리’를 보강하고, 다음 투자축을 장거리 광통신으로 넓히는 국면임 (1) | 2026.09.14 |
| [유통] 점포를 줄였더니 이익이 커지고, 외국인이 편의점의 상품 믹스까지 바꾸기 시작함 (1) | 2026.09.14 |
| [우주항공] 우주의 성장 숫자는 로켓보다 지상 인프라에서 먼저 잡히는 구간임 (0) | 2026.09.14 |
| [에너지] 규제가 수요를 만들고 원료가 이익을 가르는 시장, 바이오연료는 ‘공장’보다 ‘폐유 확보망’이 핵심임 (0) | 2026.09.14 |