이 차량은 샤오펑의 GX 플랫폼을 기반으로 설계됐으며 레벨4 자율주행 기준을 목표로 한다. 레벨4는 특정 지역과 조건(운행 설계 영역, ODD) 내에서 차량이 사람의 개입 없이 스스로 주행할 수 있는 단계를 의미한다.

많은 자율주행 프로젝트가 외부 공급업체 기술에 의존하는 것과 달리, 샤오펑은 컴퓨팅 칩부터 자율주행 소프트웨어까지 대부분을 자체 개발했다. 이는 비용 관리와 데이터 확보, 시스템 최적화를 동시에 노린 전략이다.

자체 개발 ‘Turing AI 칩’ 4개 탑재

로보택시의 핵심은 차량에 탑재된 네 개의 Turing AI 칩이다. 이 칩들은 합쳐서 약 3,000 TOPS(초당 3천조 연산) 수준의 차량 내 연산 성능을 제공한다.

이 연산 능력은 자율주행에 필요한 여러 AI 작업을 처리한다.

• 인지(Perception): 카메라와 센서 데이터를 분석해 주변 환경을 이해
• 예측(Prediction): 차량, 자전거, 보행자의 움직임을 예측
• 경로 계획(Planning): 가장 안전하고 효율적인 주행 경로 계산
• 차량 제어(Control): 조향, 제동, 가속 등 실제 차량 동작 수행

보도에 따르면 이 로보택시는 라이다(LiDAR)와 고정밀 지도에 크게 의존하지 않는 ‘비전 중심’ 방식을 채택했다. 대신 카메라 데이터와 AI 모델을 통해 도로 상황을 실시간으로 해석한다.

VLA 모델: 카메라 영상에서 바로 주행 행동으로

소프트웨어 측면에서 차량은 샤오펑의 2세대 VLA(Vision‑Language‑Action) 모델을 사용한다. 이 모델은 카메라 영상 정보를 받아 직접 주행 행동으로 변환하는 AI 구조다.

기존 자율주행 시스템은 보통

1. 환경 인식
2. 경로 계획
3. 차량 제어

같은 여러 단계를 거친다.

반면 VLA 방식은 대규모 실제 주행 데이터와 영상 학습을 통해 AI가 엔드투엔드로 주행 행동을 학습하도록 설계됐다.

샤오펑은 이를 차량과 로봇이 실제 물리 세계에서 작동하는 ‘피지컬 AI(physical AI)’ 전략의 핵심 기술로 보고 있다.

언제 로보택시 서비스가 시작될까

샤오펑은 2026년 하반기 광저우 등 일부 지역에서 로보택시 시범 운영을 시작할 계획이다.

회사는 이미 광저우에서 레벨4 로보택시의 공공도로 테스트 허가도 확보했다.

샤오펑 CEO 허샤오펑(He Xiaopeng)은 완전 자율주행이 1~3년 내 현실화될 수 있다고 전망했지만, 이는 회사의 목표일 뿐 실제 상용화 일정이 확정된 것은 아니다.

실제 무인택시 서비스 확산에는 여러 변수가 있다.

• 정부 규제와 허가
• 대규모 안전 검증
• 차량 및 운영 비용
• 운행 가능 지역 확대

이 때문에 업계에서는 완전한 대규모 무인 로보택시 서비스는 이번 10년 후반에야 가능할 것이라는 관측이 많다.

테슬라와의 AI 자율주행 경쟁

샤오펑의 로보택시 전략은 테슬라의 자율주행 전략에 대한 대응이기도 하다.

테슬라는 Full Self‑Driving(FSD) 시스템에서 카메라 중심 인식과 대규모 차량 데이터를 활용한다. 샤오펑 역시 비슷한 방향을 취하면서 더 강한 수직 통합 전략을 강조한다.

두 회사 전략을 비교하면 다음과 같은 공통점과 차이가 있다.

• 카메라 중심 자율주행: 두 회사 모두 비전 기반 접근 강조
• AI 모델 중심 소프트웨어: 대규모 신경망과 데이터 학습 사용
• 수직 통합: 샤오펑은 AI 칩, 차량, 소프트웨어를 모두 자체 개발

샤오펑이 로보택시를 대규모로 운영하게 된다면, 전기차 시장의 경쟁은 단순히 **차량 판매 경쟁에서 ‘AI 모빌리티 플랫폼 경쟁’**으로 이동할 가능성이 있다.

아직 남은 가장 큰 과제

양산 로보택시를 만든 것은 중요한 이정표지만, 이것이 곧 대규모 무인 서비스 성공을 의미하는 것은 아니다.

가장 어려운 과제는 복잡한 도시 환경에서 자율주행 시스템이 안전하고 경제적으로 운영될 수 있다는 것을 증명하는 것이다.

샤오펑은 자체 AI 칩과 소프트웨어로 강력한 기술 기반을 구축했지만, 실제 승부는 안전 기록, 규제 승인, 그리고 로보택시 운영 규모에서 결정될 가능성이 크다. 결국 전기차 기업 간 경쟁의 핵심은 점점 차량 자체보다 AI 능력과 배치 규모로 이동하고 있다.

이 차량은 샤오펑의 GX 플랫폼을 기반으로 설계됐으며 레벨4 자율주행 기준을 목표로 한다. 레벨4는 특정 지역과 조건(운행 설계 영역, ODD) 내에서 차량이 사람의 개입 없이 스스로 주행할 수 있는 단계를 의미한다.

많은 자율주행 프로젝트가 외부 공급업체 기술에 의존하는 것과 달리, 샤오펑은 컴퓨팅 칩부터 자율주행 소프트웨어까지 대부분을 자체 개발했다. 이는 비용 관리와 데이터 확보, 시스템 최적화를 동시에 노린 전략이다.

자체 개발 ‘Turing AI 칩’ 4개 탑재

로보택시의 핵심은 차량에 탑재된 네 개의 Turing AI 칩이다. 이 칩들은 합쳐서 약 3,000 TOPS(초당 3천조 연산) 수준의 차량 내 연산 성능을 제공한다.

이 연산 능력은 자율주행에 필요한 여러 AI 작업을 처리한다.

• 인지(Perception): 카메라와 센서 데이터를 분석해 주변 환경을 이해
• 예측(Prediction): 차량, 자전거, 보행자의 움직임을 예측
• 경로 계획(Planning): 가장 안전하고 효율적인 주행 경로 계산
• 차량 제어(Control): 조향, 제동, 가속 등 실제 차량 동작 수행

보도에 따르면 이 로보택시는 라이다(LiDAR)와 고정밀 지도에 크게 의존하지 않는 ‘비전 중심’ 방식을 채택했다. 대신 카메라 데이터와 AI 모델을 통해 도로 상황을 실시간으로 해석한다.

VLA 모델: 카메라 영상에서 바로 주행 행동으로

소프트웨어 측면에서 차량은 샤오펑의 2세대 VLA(Vision‑Language‑Action) 모델을 사용한다. 이 모델은 카메라 영상 정보를 받아 직접 주행 행동으로 변환하는 AI 구조다.

기존 자율주행 시스템은 보통

1. 환경 인식
2. 경로 계획
3. 차량 제어

같은 여러 단계를 거친다.

반면 VLA 방식은 대규모 실제 주행 데이터와 영상 학습을 통해 AI가 엔드투엔드로 주행 행동을 학습하도록 설계됐다.

샤오펑은 이를 차량과 로봇이 실제 물리 세계에서 작동하는 ‘피지컬 AI(physical AI)’ 전략의 핵심 기술로 보고 있다.

언제 로보택시 서비스가 시작될까

샤오펑은 2026년 하반기 광저우 등 일부 지역에서 로보택시 시범 운영을 시작할 계획이다.

회사는 이미 광저우에서 레벨4 로보택시의 공공도로 테스트 허가도 확보했다.

샤오펑 CEO 허샤오펑(He Xiaopeng)은 완전 자율주행이 1~3년 내 현실화될 수 있다고 전망했지만, 이는 회사의 목표일 뿐 실제 상용화 일정이 확정된 것은 아니다.

실제 무인택시 서비스 확산에는 여러 변수가 있다.

• 정부 규제와 허가
• 대규모 안전 검증
• 차량 및 운영 비용
• 운행 가능 지역 확대

이 때문에 업계에서는 완전한 대규모 무인 로보택시 서비스는 이번 10년 후반에야 가능할 것이라는 관측이 많다.

테슬라와의 AI 자율주행 경쟁

샤오펑의 로보택시 전략은 테슬라의 자율주행 전략에 대한 대응이기도 하다.

테슬라는 Full Self‑Driving(FSD) 시스템에서 카메라 중심 인식과 대규모 차량 데이터를 활용한다. 샤오펑 역시 비슷한 방향을 취하면서 더 강한 수직 통합 전략을 강조한다.

두 회사 전략을 비교하면 다음과 같은 공통점과 차이가 있다.

• 카메라 중심 자율주행: 두 회사 모두 비전 기반 접근 강조
• AI 모델 중심 소프트웨어: 대규모 신경망과 데이터 학습 사용
• 수직 통합: 샤오펑은 AI 칩, 차량, 소프트웨어를 모두 자체 개발

샤오펑이 로보택시를 대규모로 운영하게 된다면, 전기차 시장의 경쟁은 단순히 **차량 판매 경쟁에서 ‘AI 모빌리티 플랫폼 경쟁’**으로 이동할 가능성이 있다.

아직 남은 가장 큰 과제

양산 로보택시를 만든 것은 중요한 이정표지만, 이것이 곧 대규모 무인 서비스 성공을 의미하는 것은 아니다.

가장 어려운 과제는 복잡한 도시 환경에서 자율주행 시스템이 안전하고 경제적으로 운영될 수 있다는 것을 증명하는 것이다.

샤오펑은 자체 AI 칩과 소프트웨어로 강력한 기술 기반을 구축했지만, 실제 승부는 안전 기록, 규제 승인, 그리고 로보택시 운영 규모에서 결정될 가능성이 크다. 결국 전기차 기업 간 경쟁의 핵심은 점점 차량 자체보다 AI 능력과 배치 규모로 이동하고 있다.