우리가 보통 ‘자율주행’ 이라고 하면 보통 승용차나 로보택시를 먼저 떠올리기 마련입니다. 그런데 조용히, 그러나 아주 빠르게 치고 올라온 분야가 있습니다. 바로 화물 트럭 자율주행입니다.
2026년 9월 3일, 중국의 트럭 자율주행 전문 기업 잉처과기(嬴彻科技, Inceptio Technology)가 상업 운행 누적 거리 10억 킬로미터 돌파를 공식 선언했습니다. 서울에서 부산까지 약 400km라고 치면, 그 거리를 무려 250만 번 왕복한 셈입니다. 숫자만 봐도 규모가 어마어마하죠.
그리고 이 회사는 단순히 ‘자율주행 트럭’을 만드는 것에서 한발 더 나아가, 스스로를 ‘화물 피지컬 AI(Freight Physical AI)’ 기업으로 재정의했습니다. 도대체 이게 무슨 의미인지, 차근차근 살펴보겠습니다.
중국 트럭 자율주행 시장의 90%를 장악한 기업
우리에게는 익숙하지 않은 이름인 ‘잉처과기’라는 기업은 현재 중국 트럭 자율주행 시장에서 점유율 90% 이상을 기록하고 있습니다.
사실상 독점에 가까운 수준인데요, 이 회사의 자율주행 시스템은 고속도로 네트워크 커버리지가 97%에 달하며, 택배·냉동 물류·일반 화물·유제품 탱크 운송 등 다양한 분야의 고객사를 확보하고 있습니다.
특히 주목할 만한 점은 2026년 대형 트럭 구매 시장에서 주요 택배 회사들이 자율주행 기능을 100% 기본 사양으로 채택하기 시작했다는 것입니다. 예전에는 자율주행이 ‘있으면 좋은 옵션’ 정도였다면, 이제는 트럭을 살 때 자율주행이 없으면 오히려 이상한 시대가 된 것이죠.
이 변화의 배경에는 자율주행이 실제로 가져다주는 실질적인 이점들이 있습니다. 안전성 향상, 운전 인력 절감, 운전자 피로 감소, 연료비 절약 등 화물 운송 업계에서 체감할 수 있는 가치들이 이미 현장에서 검증된 것입니다.
(미국 영화 같은 데서 보면 트럭 몰면서 대륙 횡단 하는 장면 같은 게 많이 나오는데 그 때 보면 자율 주행이 정말 필요한 분야일 거 같다는 생각은 했었습니다. ㅎ)
10억km가 단순한 숫자가 아닌 이유
자율주행 기술에서 ‘주행 데이터’는 곧 경쟁력입니다. AI가 도로 상황을 학습하고 판단 능력을 키우려면 방대한 실제 주행 데이터가 필요하기 때문입니다. 잉처과기가 쌓아온 10억km의 실제 상업 운행 데이터는 단순한 기록이 아니라, 경쟁사가 쉽게 따라올 수 없는 거대한 기술 자산입니다.
이 데이터는 실험실이나 시뮬레이션이 아닌, 실제 도로 위에서 실제 화물을 싣고 달린 결과물입니다. 비가 오는 날, 안개가 낀 새벽, 공사 구간, 갑자기 끼어드는 차량 등 현실에서 마주치는 온갖 상황들이 고스란히 담겨 있습니다. 이런 데이터가 쌓일수록 AI의 판단은 더 정교해지고, 후발 주자가 따라잡기는 점점 더 어려워집니다.
화물 피지컬 AI란 무엇인가?
잉처과기가 이번에 공식화한 개념이 바로 화물 피지컬 AI(Freight Physical AI)입니다. 이름이 좀 낯설게 느껴질 수 있는데, 쉽게 풀어보겠습니다.
일반적인 자율주행 AI는 승용차를 기준으로 설계된 경우가 많습니다. 그런데 트럭은 승용차와 근본적으로 다릅니다. 차체가 훨씬 크고 무거우며, 제동 거리도 길고, 커브를 돌 때의 움직임도 완전히 다릅니다. 화물을 가득 실었을 때와 빈 차일 때의 주행 특성도 크게 달라집니다. 이런 트럭 고유의 물리적 특성을 AI 모델 설계 단계부터 반영해서 만든 것이 바로 화물 피지컬 AI의 핵심 개념입니다.
잉처과기는 이 기술 체계를 세 가지 핵심 능력으로 구성했습니다.
① 화물 네이티브 지능 (Freight-Native Intelligence)
잉처과기의 엔드투엔드(End-to-End) 모델은 처음부터 화물 운송에 맞게 설계되었습니다.
엔드투엔드란 카메라나 센서로 들어오는 입력 정보를 받아서 최종 주행 판단까지 하나의 AI 모델이 통합 처리하는 방식을 말합니다. 여기에 트럭의 물리적 특성, 실제 운전 행동 패턴, 현장 운영 시나리오를 모두 녹여 넣었습니다.
또한 화물 세계 모델(Freight World Model)이라는 것도 구축했는데, 이는 일반적인 생성형 AI로 만든 가상 세계가 아니라, 실제 화물 운송 데이터를 기반으로 트럭 중심의 현실적인 교통 환경을 재현한 모델입니다. 이를 통해 AI 훈련과 테스트에 필요한 고품질 데이터를 지속적으로 생성할 수 있습니다.
② 시나리오 지능 (Scenario Intelligence)
10억km의 주행 데이터를 바탕으로, 잉처과기는 업계 최고 수준의 화물 운송 시나리오 인식 및 관리 체계를 구축했습니다.
이른바 ROSL(Real-world Operation Scenario Library, 실제 운영 시나리오 라이브러리)이라고 불리는 이 데이터베이스에는 수십만 개의 고가치 실제 상황들이 축적되어 있습니다. 이 데이터들이 AI의 능력을 지속적으로 업그레이드하는 연료 역할을 합니다.
③ 운영 지능 (Operational Intelligence)
개별 트럭 한 대의 자율주행을 넘어, 차량 전체 차대(車隊) 단위의 협력 지능을 구현하는 것이 목표입니다.
‘운영 브레인(Operational Brain)’이라는 클라우드 플랫폼을 통해 각 트럭이 인식한 위험 정보와 경고를 실시간으로 통합 처리하고, 이를 전체 차량에 공유합니다. 한 트럭이 특정 구간에서 위험 상황을 감지하면, 뒤따르는 모든 트럭이 미리 대비할 수 있는 구조입니다. 여기에 연료 효율 최적화, 경로 계획, 운송 비용 절감까지 차대 전체를 하나의 유기체처럼 운영하는 것이 핵심입니다.
고속도로를 넘어 전 구간으로, 그리고 해외로
잉처과기의 확장 전략도 눈여겨볼 만합니다. 현재 고속도로 중심의 장거리 간선 운송에서 시작해, 지선 및 도심 배송, 그리고 물류 거점 내 단거리 운송까지 전 구간 화물 로봇 네트워크를 구축하는 것이 목표입니다.
장거리 간선 분야에서는 이미 저장성, 베이징, 하이난 등 여러 지역에서 L4 수준(운전자 개입 없이 완전 자율주행) 테스트 허가를 취득했으며, 중국 최대 전자상거래 기업 징둥(JD.com)의 물류 자회사인 징둥물류와 함께 개방 도로에서의 L4 화물 운송 시범 운영도 진행 중입니다.
지선 및 도심 배송 분야에서는 중국 최대 택배 기업 중 하나인 순펑(SF Express)과 트럭 제조사 류저우치처(柳汽乘龙)와 협력해, 올해 5월 공개 도로에서 무인 소형 트럭의 상업 시범 운영을 최초로 실현했습니다.
해외 시장에서도 유럽, 일본, 중동에서 실질적인 성과를 내고 있다고 밝혔습니다. 중국 내수 시장에서 검증된 기술을 글로벌 무대로 확장하는 속도가 상당히 빠릅니다.
우리가 이 흐름을 주목해야 하는 이유
우리나라도 물류 자동화와 자율주행 트럭에 대한 논의가 없는 것은 아닙니다.
하지만 중국은 이미 10억km라는 실제 상업 운행 데이터를 쌓으며 기술 격차를 벌려가고 있습니다. 특히 화물 피지컬 AI라는 개념 자체가 단순히 기존 자율주행 기술을 트럭에 적용하는 것이 아니라, 트럭이라는 특수한 환경에 최적화된 완전히 새로운 AI 체계를 구축하겠다는 선언이라는 점에서 의미가 큽니다.
물류는 경제의 혈관입니다. 트럭 자율주행이 본격화되면 물류 비용 구조 자체가 바뀌고, 이는 제조업과 유통업 전반에 영향을 미칩니다. 중국이 이 분야에서 글로벌 표준을 선점하게 된다면, 그 파급력은 단순히 트럭 한 대의 문제가 아닙니다.
잉처과기의 10억km 돌파 소식을 단순한 중국 기업의 성과로만 볼 것이 아니라, 물류와 AI 기술의 미래 지형도가 어떻게 바뀌고 있는 지를 보여주는 신호로 읽어야 할 것 같습니다.
