자율주행차 한 대를 움직이는 것과 수천 대를 매일 운행하는 것은 다른 문제다. Hello Autonomous는 3억 4,000만 명이 넘는 카풀 이용자 기반과 모빌리티 운영 경험을 Robotaxi로 확장하고 있다. 기술을 시연하는 데 그치지 않고 배차·충전·정비·관제까지 연결해 반복 가능한 사업으로 만들겠다는 구상이다.

글 | 한상민 기자 _ han@autoelectronics.co.kr
IN ENGLISH





검증된 자율주행 기술을 어떻게 매일 출차하고 충전하며 정비하고 승객을 태우는 지속 가능한 서비스로 전환할 것인가. 류샤오시(Liu Xiaoxi) Hello Autonomous 부사장은 Robotaxi가 자율주행 알고리즘만의 사업이 아니라고 말한다. 
차를 직접 운전하는 사람이 사라져도 이용자가 원하는 시간에 안전하고 효율적으로 이동해야 한다는 모빌리티 서비스의 본질은 달라지지 않는다. 오히려 사람이 빠진 자리는 더 정교한 시스템으로 채워져야 한다. 운전자는 주행만 담당하지 않기 때문이다. 차량 상태를 확인하고 작은 이상을 감지하며 승객을 응대하고 돌발상황을 처리한다. 이런 차에서는 모든 판단과 행동이 차량과 클라우드, 관제센터의 몫이 된다. 자율주행 수준이 높아질수록 사업자가 해야 할 운영 책임도 함께 커진다.



CATL·Ant Group·Alibaba·Hello 4개사가 2025년 자율주행 사업 진출을 위한 전략적 협력을 체결했다. 4개사가 공동 설립한 자오푸 인텔리전트 테크놀로지는 1단계 합계 출자·투자 규모 30억 위안 이상을 레벨 4급 자율주행 기술 연구개발과 상용화에 투입한다. 



3억 4,000만 명의 이동 경험

류샤오시는 Hello를 공유자전거와 배터리 교환, 카풀, 렌터카를 모두 운영하며 수 킬로미터의 단거리 이동부터 수백 킬로미터의 장거리 이동까지 포괄하는 플랫폼이라고 소개했다. 
Hello는 자동차 제조사도, 전통적인 자율주행 스타트업도 아니다. 공유자전거에서 출발해 공유 이륜차와 라이더 대상 배터리 교환, 카풀, 렌터카를 아우르는 종합 모빌리티 플랫폼으로 성장했다. 이 다양한 이동 수요를 하나의 플랫폼에서 연결한다.
Hello의 카풀 누적 이용자는 3억 4,000만 명을 넘었다. Hello가 Robotaxi 시장 진입의 근거로 내세운 것도 자율주행 특허나 시험차량 대수가 아니라, 이 방대한 이용자 접점과 운영경험이었다.
운전자를 제거한다고 새로운 모빌리티 사업이 저절로 만들어지는 것은 아니다. 차량의 배차와 충전, 세차, 정비, 사고 대응, 결제와 고객서비스가 매일 반복돼야 한다. 출근 시간에 어느 지역으로 차량을 보낼지, 언제 충전하고 회수할지, 이상징후가 있는 차량을 계속 운행할지 정비소로 보낼지도 결정해야 한다. 한 대의 차가 기술적으로 달리는 것과 대규모 차량을 매일 움직이는 것은 전혀 다르다.
Hello는 이 운영 경험을 자율주행으로 확장하기 위해 2025년 4월 CATL, Ant Group과 전략적 협력을 체결했다. 이어 6월 세 회사의 투자법인이 상하이 자오푸 인텔리전트 테크놀로지를 공동 설립했다. 등록자본은 12억 8,800만 위안이며, 발표된 1단계 합계 출자·투자 규모는 30억 위안을 넘는다. 여기에 Alibaba는 클라우드 연산과 Qwen 대형모델을 중심으로 협력한다.
'자오푸'는 중국 고대에 뛰어난 마차 운전술로 이름을 알린 인물이다. 이동수단을 능숙하게 다루는 존재라는 의미를 회사 이름에 담았다. Hello가 이용자와 서비스 운영을 맡고, CATL은 배터리와 에너지 생태계, Ant Group은 결제와 디지털 서비스, Alibaba는 클라우드와 대형모델을 지원한다. 자율주행을 하나의 기술 제품이 아니라, 차량·에너지·결제·AI·운영이 연결된 산업으로 보는 구성이다.
후발주자라는 점은 기술 선택에도 영향을 미쳤다. Hello는 기존 자율주행 기업들이 밟아온 모듈형 기술의 진화 과정을 반복하는 대신 처음부터 엔드투엔드 아키텍처를 선택했다. 전통적인 자율주행 시스템은 감지와 인지, 예측, 의사결정, 계획, 제어를 여러 모듈로 나눈다. 오랫동안 검증된 방식이지만, 모듈이 늘어나면 시스템이 복잡해지고 한 단계에서 발생한 오차가 다음 단계로 전달될 수 있다. Hello는 카메라와 라이다, 밀리미터파 레이다, SD 맵에서 들어오는 정보를 통합해 특징 추출과 벡터화, 확산 모델, 의사결정과 계획을 하나의 폐루프로 연결한다. 정해진 규칙을 단계별로 조합하기보다 실제 주행데이터에서 차량의 행동을 학습하는 것이다.



Hello Autonomous는 감지·예측·의사결정·계획·제어를 여러 모듈로 나누는 전통적인 Robotaxi 아키텍처 대신 엔드투엔드 통합 아키텍처를 선택했다. 카메라와 라이다, 밀리미터파 레이다, SD/LD Map에서 들어오는 정보를 특징 추출과 벡터화, 확산모델, 의사결정·계획으로 연결한다.


 
엔드투엔드 AI를 양산차에 싣다

류샤오시는 엔드투엔드 기술을 구현하려면 대규모 데이터와 대규모 연산 능력, 대형모델이 필요하며, Hello는 이 세 가지를 기반으로 차량과 클라우드가 반복해서 학습하는 체계를 만들고 있다고 설명했다.
엔드투엔드 시스템에는 방대한 데이터와 연산자원이 필요하다. Hello는 2026년까지 양산 개발에 사용할 수 있는 1,000만 개 이상의 적합한 데이터 클립을 구축할 계획이다. 실제 모빌리티 서비스에서 확보한 운전행동 가운데 학습가치가 높은 장면을 자동으로 찾고 정제한 뒤, AI의 사전 검증과 사람의 2차 검증을 거쳐 학습데이터로 전환한다. 목적은 원시 주행기록을 많이 저장하는 것이 아니다. 운전자 개입이 필요했던 순간이나 다른 차량과 보행자의 예상하기 어려운 행동, 복잡한 교차로와 공사구간처럼 모델 성능을 높일 수 있는 장면을 신속하게 찾아 다시 학습에 투입하는 것이다.
이를 위해 Alibaba Cloud에 1만 장급 GPU 연산 클러스터를 구축하고 있다. Qwen 연구진과는 데이터 마이닝 대형모델과 월드모델 기반 시뮬레이션, VLA(Vision-Language-Action) 폐루프 모델을 공동개발한다. 차량이 데이터를 만들고 클라우드가 이를 선별해 모델을 학습한 뒤 개선된 모델을 다시 차량으로 배포한다. 실제 운행에서 새로운 문제가 발견되면 같은 과정을 반복한다. 
예를 들어, Leapmotor가 주행데이터를 국가와 차종을 넘어 반복해서 사용하는 검증자산으로 바꿨다면, Hello는 데이터를 선별·학습·배포의 폐루프에 넣어 모델의 개선 속도로 전환하려 한다. 두 회사 모두 데이터 총량보다 다시 사용할 수 있는 형태로 정제하는 능력을 강조했다. 그러나 AI 모델만으로 Robotaxi를 만들 수는 없다. 알고리즘은 장시간의 고빈도 영업 운행을 견디는 차량 위에서 작동해야 한다.



Robotaxi HR1 

Hello의 첫 번째 Robotaxi인 HR1(Hello Robot 1)은 Dongfeng Venucia 차량을 기반으로 개발됐다. 완성된 승용차에 센서와 컴퓨터를 추가한 단순 개조차가 아니라, 개발 초기부터 Robotaxi의 차량 규격과 양산 요구사항을 반영한 전용 모델이다. HR1은 제동, 통신, 전원, 감지, 연산, 측위 등 여섯 영역에 리던던시 설계를 적용했다. 주제동 계통에 이상이 생기면 보조제동 계통이 차량을 정지시키고, 듀얼 SIM·듀얼 링크 5G TBOX를 통해 서로 다른 통신망과 클라우드에 연결한다. 12V 주전원과 백업 전원을 분리하고, 카메라·라이다·밀리미터파 레이다를 결합해 주변 환경을 중복해 감지한다. 주·보조 연산장치는 모두 차량용 도메인 컨트롤러를 사용하며 합산 연산성능은 2,200 TOPS 이상이다. 하나의 연산장치나 통신망에 문제가 생겨도 안전운행이나 정차가 가능하도록 한 것이다.
승하차 과정도 운영 안전의 일부다. 승객이 문을 여는 순간 자전거나 전동이륜차, 오토바이 또는 보행자가 접근할 수 있다. 자율주행시스템이 직접 일으킨 충돌이 아니더라도 Robotaxi 사업자가 관리해야 할 위험이다. HR1은 이러한 근거리 접근을 감지하기 위한 별도의 감지장치도 차량 주변에 배치했다.
Hello는 환경·기후, 내구·신뢰성, E/E 아키텍처, EMC, 밀봉·방호, 성능·안전 등 여섯 종류의 완성차 검증체계를 HR1에 적용했다. 영하 40℃부터 영상 85℃까지의 환경과 고빈도 운행, 반복적인 도어 개폐를 시험한다. 전원과 통신의 이중화에 더해 밀리초 수준의 고장진단과 격리기능을 적용해 ASIL-D 수준의 기능안전성 요구에도 대응한다.
핵심은 차량이 한 번 성공적으로 주행하는지를 입증하는 데 있지 않다. 수많은 승객을 태우고 장시간 반복 운행하면서도 같은 성능과 안전을 유지할 수 있는지를 확인하는 것이다.



Hello의 첫 번째 Robotaxi인 HR1(Hello Robot 1)은 Dongfeng Venucia 차량을 기반으로 개발됐다. 감지와 연산, 측위, 통신, 전원, 섀시 등 여섯 영역에 리던던시 설계를 적용했으며, 주 컴퓨팅 시스템과 리던던시 시스템의 합산 연산성능은 2,200 TOPS를 넘는다. 



매일 출차시키는 운영체계

류샤오시는 현장의 운영자와 안전요원이 모든 차량의 실시간 상태를 파악하고, 사고가 발생하면 즉시 기록을 확인해 데이터를 보고하며, 출차계획과 운영 효율까지 하나의 시스템에서 관리해야 한다고 말했다.
Hello의 차별점이 가장 선명하게 드러나는 부분은 자율주행 알고리즘보다 강조하는 이 운영 플랫폼이다. Robotaxi 사업자는 모든 차량의 상태를 실시간으로 파악해야 한다. 어떤 차량을 언제 출차시키고, 어느 시점에 충전하거나 정비할지 결정해야 한다. 운행 중 이상이나 사고가 발생하면 차량 상태와 운행기록을 확인하고 관련 데이터를 보존해야 한다. 
원격안전요원의 업무도 같은 체계에 들어간다. 한 명의 요원이 몇 대를 감독할 수 있는지, 어떤 경고를 먼저 처리할지, 개입 이후 차량을 계속 운행할지 회수할지를 관리해야 한다. 차량별 운행시간과 공차율, 충전시간, 정비 빈도, 고객불만과 수익성까지 연결돼야 비로소 하나의 사업이 된다.
이 과정은 자율주행 알고리즘 바깥에 있지만 상용화의 중심이다. 차량이 기술적으로 달릴 수 있어도 충전과 정비, 관제와 배차가 연결되지 않아 멈춰 있다면 수익을 만들지 못한다. 자율주행차를 개발하는 능력과 대규모 차량을 매일 운행하는 능력은 서로 다른 경쟁력이다. Hello가 말하는 Robotaxi 상용화의 두 바퀴가 기술과 운영인 이유다. 엔드투엔드 모델과 이중화된 전용 차량이 안전하고 양산 가능한 주행을 만든다면 배차와 관제, 충전, 정비, 안전관리 시스템은 그 차량을 매일 도로에 내보낸다. 



콕핏 AI Agent

운전자가 사라진 차량은 새로운 서비스 공간으로 확장될 수 있다. 승객은 이동 중 영상과 음악을 이용하고, 목적지와 도착시간에 맞춰 음식이나 커피를 주문할 수 있다. 이를 연결하는 접점이 승객의 상황과 의도를 이해하고 여러 서비스를 실행하는 콕핏 AI Agent다. 예를 들어 승객이 커피를 원한다고 말하면 AI Agent가 목적지와 도착시간을 확인하고, 적절한 매장을 찾아 주문과 결제를 끝낸 뒤 승객의 도착에 맞춰 음료가 준비되도록 하는 식이다. 운임 외 생활서비스가 차량 운영 플랫폼과 연결되면 이 운전자 없는 차량은 이동수단에서 새로운 소비와 서비스의 접점으로 확장된다. 다만 이는 완성된 사업모델이라기보다 Hello가 제시한 방향일 뿐이다. 
HR1의 실제 운행 규모와 안전성, 차량 가동률, 원격 개입 빈도, 대당 운영비와 수익성은 앞으로 확인해야 할 핵심 지표다. 제시한 기술과 투자 규모만으로 아직 대규모 상용화의 성공을 단정할 수는 없다. 그럼에도 류샤오시는 Robotaxi 경쟁의 질문이 달라지고 있음을 말했다. 이제 중요한 것은 자율주행차가 달릴 수 있느냐만이 아니라, 수많은 차량을 매일 안전하게 출차시키고 실제 이동 수요와 연결하며, 고장이 나면 회수하고 다시 도로로 돌려보낼 수 있느냐가 되고 있다. 
자율주행 상용화의 승부는 알고리즘을 완성하는 데서 끝나지 않는다. 그 알고리즘을 태운 차량이 오늘 운행을 마친 뒤, 다음 날 다시 도로로 나가는 순간부터 시작된다.

AEM(오토모티브일렉트로닉스매거진)