Mobility / Research Notes 영상 해설 리포트 · 2026.09.12
Autonomous driving · Editorial report

로보택시의 승부는
‘출시’ 다음에 있다

웨이모 vs 테슬라, 숫자와 약속 사이에서 확인할 여섯 가지

차가 스스로 달리는 장면만으로는 충분하지 않다. 누가 감독하는지, 어디까지 운행하는지, 무엇을 얼마에 살 수 있는지가 남는다. Cybercab과 웨이모를 다룬 영상을 통해 자율주행의 기술과 사업을 구분해 읽는다.

Abstract / 초록

같은 로보택시, 다른 출발점

영상은 웨이모를 제한된 운행 영역에서 무인 승차 서비스를 먼저 운영한 사례로, 테슬라를 자동차 판매와 FSD에서 로보택시로 확장하는 사례로 설명한다. 이 리포트는 그 비교를 사업·데이터·기술·경제성·상용화 조건으로 재구성했다. 핵심은 승자를 단정하는 데 있지 않다. 감독 주행과 무인 주행, 연구 데모와 배포 기능, 매출 가정과 순이익을 구분해야 ‘자동차가 돈을 버는 자산이 된다’는 주장을 평가할 수 있다.

Key findings

먼저 읽는 여섯 가지 발견

01

무엇을 파는지부터 구별한다

승차 서비스, 자동차, FSD는 서로 다른 상품이다. 서비스 개시와 차량 공개, 일반 소비자 판매도 별개의 사건이다.

02

마일리지는 조건과 함께 읽는다

무인 여부, 감독 개입, 기간과 지역이 다르면 같은 지표가 아니다. 데이터 규모만으로 무인 안전성을 입증할 수 없다.

03

센서 수만으로 비용을 재지 않는다

지도 구축과 유지, 학습과 추론, 오염 대응과 운영을 함께 봐야 한다. 학습용 센서와 주행용 센서도 구분한다.

04

연구 데모는 배포의 증거가 아니다

엔드투엔드 제어, 공간 점유 표현, Driving VLA는 연결되지만 같은 기술은 아니다. 시연과 고객 기능 사이에는 검증이 남는다.

05

운전자 부재가 저가를 보장하지 않는다

요금에는 수요와 경험, 경쟁이 반영될 수 있다. 차주의 수익을 따질 때는 충전·청소·정비·보험과 공차 이동을 빼놓을 수 없다.

06

상용화의 단위는 서비스 전체다

운행 가능 구역, 건물 진입, 주차, 예외 상황 지원, 실제 판매 조건이 차량 한 대의 주행 능력을 이용 가치로 바꾼다.

Business / 비교의 출발점

‘출시’라는 한 단어에
서로 다른 사업이 들어 있다

승차권을 파는 회사와 자동차·소프트웨어를 파는 회사를 같은 가격표로 비교할 수는 없다.

웨이모와 테슬라는 모두 자율주행을 이야기하지만, 영상이 설정한 출발점은 다르다. 웨이모는 무인 이동 서비스를 먼저 운영하고, 테슬라는 판매 차량에서 쌓이는 데이터와 FSD를 바탕으로 로보택시로 확장한다는 구도다.

이 차이를 놓치면 서비스 운영 실적을 차량 판매 실적으로 읽거나, FSD 사용료를 택시 운임과 비교하게 된다. Cybercab 공개, 로보택시 서비스 투입, 개인이 구매할 수 있는 양산 차량의 판매는 각각 확인해야 할 사건이다.

Waymo

승차 서비스에서 출발

  1. 무인 운행
  2. 승객 서비스
  3. 운영 경험 축적

우선 확인할 대상: 운행 지역과 실제 서비스 조건

Tesla

차량과 소프트웨어에서 확장

  1. 자동차 판매
  2. 고객 데이터
  3. FSD
  4. 로보택시

우선 확인할 대상: 기능의 감독 조건과 차량 판매 조건

웨이모와 테슬라의 서비스 및 차량을 두 열로 구분한 영상 비교 슬라이드
01 / 00:02:45

Waymo One, robotaxi, Cybercab의 역할

화면두 열의 슬라이드에 서비스와 차량 이름이 구분되어 있으며, 과거 Firefly 시제차와 Cybercab 사진이 배치되어 있다.

자막 · 02:25–03:07웨이모는 택시 서비스부터, 테슬라는 자동차 판매→고객 데이터→FSD→로보택시 순서로 접근했다고 설명한다.

해석제목에 등장하는 ‘출시’를 곧바로 일반 소비자 판매 완료로 읽어서는 안 된다.

MKBHD의 Cybercab 영상 썸네일과 서비스 투입 및 개인 구매를 구분하는 설명 문단
02 / 00:06:22

3만 달러 약속에 붙는 질문

화면MKBHD 영상 썸네일과 설명 문단이 보인다. 자료는 오스틴 서비스 투입과 일반인의 차량 구매를 구분한다.

자막 · 06:03–07:39핸들·페달 없는 차량의 개인 판매, 3만 달러 가격 약속, 양산 시점을 논의한다.

해석25:11–25:29에는 2027년을 언급하다 원래 약속은 2026년 말이었다는 정정이 나온다. 이 영상만으로 확정 판매일이나 계약 조건을 도출할 수 없다.

영상이 제시하는 접근 — 세대별 공식 사양표가 아닌 비교 프레임
구분웨이모테슬라함께 확인할 조건
사업 출발점무인 승차 서비스자동차 판매와 FSD, 이후 로보택시차량 판매와 서비스 운영의 구분
데이터무인 서비스 운행 경험감독 주행 데이터와 로보택시 실적개입 여부·지역·기간·운행 조건
센서·지도카메라·라이다·레이더·고정밀 지도 활용으로 설명카메라와 학습 중심으로 설명차량 세대, 학습용과 추론용 센서의 차이
비용 방향센서와 운영 체계의 효율화차량 보급 규모와 연산·학습 활용총운영비와 서비스 가능 영역
소비자 가치운전자가 없는 이동 경험FSD 기능, 차량 이용, 로보택시 가능성기능 허용 범위와 사용료
남는 질문지역 확장·비용·예외 대응무감독 검증·무운전장치 차량 판매시연·허가·일반 판매의 구분
Evidence / 데이터의 조건

120억 마일과 38만 마일은
같은 질문에 대한 답이 아니다

숫자보다 먼저 볼 것은 감독 여부, 집계 기간, 운행 지역이다.

영상에는 웨이모의 무인 누적 거리, 테슬라 로보택시의 무인 누적 거리, 일반 고객의 FSD 감독 주행 거리가 등장한다. 모두 ‘마일’ 단위지만, 운전자가 언제든 개입할 수 있는 주행과 운전자가 없는 운행은 검증 조건이 다르다.

숫자에 붙은 조건을 함께 읽기
영상 자료누적 거리주행 조건화면에 표시된 범위
Waymo220.6M약 2억 2,060만 마일rider-only 무인 주행2026년 3월 기준 · 전 도시 합계
Tesla robotaxi380K약 38만 마일무인 주행2026년 2분기 · 오스틴 관련 자료
FSD (Supervised)≈12B약 120억 마일감독자가 개입할 수 있는 주행앞선 두 수치와 동일한 집계 범위로 확인되지 않음
웨이모 차량과 220.6M rider-only 누적 마일, 2026년 3월 전 도시 합계가 표시된 확대 화면
03 / 00:03:38

웨이모: 무인 운행의 축적

화면220.6M rider-only와 2026년 3월·전 도시 합계라는 범위가 보인다. 왼쪽 열을 확대해 오른쪽 일부는 화면 밖에 있다.

자막 · 03:35–03:44약 2억 2천만 마일이라고 언급한다. 숫자의 크기와 함께 누적 기간·지역을 읽어야 하는 장면이다.

오스틴과 Tesla Cybercab 관련 자료에 380K 무인 누적 마일 및 2026년 2분기가 표시된 화면
04 / 00:03:52

테슬라: 다른 시점과 지역의 실적

화면오스틴·Cybercab 자료 아래 380K와 2026년 2분기가 표시된다. 왼쪽 웨이모 열과 제목 일부는 확대 화면 밖이다.

자막 · 03:44–04:04로보택시 실적에 일반 고객의 FSD 주행도 합쳐야 하는지 질문한다. 직전 수치와 집계 범위가 달라 단순 비율을 안전성 순위로 바꿀 수 없다.

FSD Supervised 약 12B 누적 마일과 무인 주행 380K 마일을 나란히 제시한 영상 화면
05 / 00:04:24

감독 주행 데이터와 무인 서비스 검증을 분리하다

화면약 12B FSD (Supervised)와 380K 무인 누적 마일이 함께 제시된다. 상단 제목과 오른쪽 자료 일부는 확대된 상태다.

자막 · 04:21–04:48감독자가 개입할 수 있는 주행과 실제 무인 주행은 다르다는 점에 두 출연자가 동의한다.

해석수집 데이터 규모, 감독 개입, 무인 서비스 검증은 각각 따로 확인해야 할 지표다.

많이 달렸다는 사실과
사람 없이 달릴 수 있다는 검증은
서로 다른 정보를 담고 있다.

핵심 논지의 편집 요약 · 출연자의 직접 인용 아님
Technology / 센서·연산·행동

카메라 대 라이다라는 구도를 넘어

정보를 어떻게 얻고, 공간을 어떻게 표현하며, 행동으로 어떻게 연결하는가. 그 전 과정에 비용과 검증이 붙는다.

영상은 웨이모의 다중 센서·고정밀 지도 활용과 테슬라의 카메라·대규모 데이터 중심 접근을 대비한다. 사전 정보가 많아지면 구축과 유지가 필요하고, 적은 센서로 해결하려면 학습과 추론의 부담을 함께 생각해야 한다는 논지다. 이를 두 회사의 모든 세대와 제품에 적용되는 고정 사양으로 받아들여서는 안 된다.

주행 모델 밖에도 기술이 필요하다

차가 주변을 인식하는 능력뿐 아니라 센서 오염에 대응하고, 승객이 배차된 차량을 찾고, 안전하게 승하차하도록 돕는 장치도 서비스의 일부다. 센서 원가만 비교하면 이런 운영 설계를 놓치게 된다.

웨이모 차량 지붕과 차체에 부착된 여러 센서가 보이는 영상 화면
06 / 00:05:51

센서와 승객 경험이 만나는 차체

화면웨이모 차량의 지붕·차체 센서가 보인다. 사진의 위아래 범위는 발표자가 띄운 이미지 창 그대로다.

자막 · 05:22–06:03카메라·라이다·레이더, 센서 오염 대응, 배차 차량 식별 표시와 광고를 이야기한다.

해석청결·식별·승하차를 포함한 운영 설계가 주행 모델을 보완한다.

웨이모와 테슬라의 기술 선택 및 서비스 전개를 나란히 배치한 전체 슬라이드
07 / 00:07:46

사전 정보와 학습 중심 접근

화면두 회사의 기술·서비스 전개를 비교하는 슬라이드가 전체로 보인다.

자막 · 07:39–09:22다중 센서·고정밀 지도와 카메라·데이터 중심 접근을 대비한다.

해석지도·센서의 구축 및 유지 비용과 학습·추론 부담을 함께 고려하는 비교다.

웨이모 지붕 센서 사진과 카메라, 라이다, 레이더 특성 설명 문단
08 / 00:09:52

학습할 때 쓰는 센서, 달릴 때 쓰는 센서

화면차량 지붕 센서 사진과 센서별 특성을 설명하는 문단이 보인다.

자막 · 09:07–10:19학습 데이터 수집과 주행 중 추론 입력을 구분하며, 라이다의 3차원 거리 정보와 레이더의 거리 측정을 설명한다.

해석학습에 사용했다는 사실만으로 판매 차량이 같은 센서를 추론에 사용한다고 볼 수 없다.

테슬라 HW2부터 AI5까지의 연산 장치와 웨이모 센서 축소를 정리한 슬라이드, AI5는 양산 전으로 표시됨
09 / 00:11:50

센서를 줄여도 연산 비용은 남는다

화면HW2→HW3→HW4/AI4→AI5와 웨이모 센서 축소를 정리한다. AI5는 ‘양산 전’으로 표시되어 있다.

자막 · 10:32–12:07센서 원가와 연산 비용, AI5·삼성 파운드리·옵티머스를 언급한다.

해석성능 배수와 예정 일정은 해당 자료의 주장이다. 공식 확정 사양으로 재진술하지 않는다.

인식에서 공간 표현, 그리고 계획으로

발표 자료는 바운딩 박스의 겉보기 크기로 거리를 추정하는 설명에서 출발해 BEV와 occupancy, 계획의 통합으로 논의를 넓힌다. 요약자의 관점에서 이는 ‘무엇이 있는가’를 알아보는 문제에서 ‘어디로 움직일 수 있고, 어떤 행동을 해야 하는가’로 초점이 이동하는 흐름이다.

공간과 행동을 연결하는 설명용 흐름
  1. 물체와 움직임바운딩 박스 · 칼만 필터
    물체의 위치와 움직임을 설명
  2. 공간의 표현BEV · occupancy
    주변 공간과 점유 상태를 표현
  3. 행동의 계획Planning
    차가 어떻게 움직일지 결정

영상의 설명을 재구성한 개념도다. 모든 시스템의 공통 개발 순서나 특정 회사의 현재 구현 명세를 뜻하지 않는다.

차량 제어 코드와 학습 모델을 언급한 머스크 게시물 및 FSD v12 설명
10 / 00:12:36

FSD v12: 제어의 일부를 모델로

화면제어 코드와 학습에 관한 머스크 게시물, FSD v12 설명 문단이 보인다.

자막 · 12:07–12:51약 30만 줄의 C++ 제어 코드를 모델로 대체했다는 설명이 나온다.

해석화면 게시물은 코드량을 약 두 자릿수 규모만큼 줄일 것이라는 표현이다. 전체 자동차 소프트웨어가 사라졌다는 뜻으로 확대하지 않는다.

바운딩 박스, 칼만 필터, BEV, occupancy, planning을 연결한 도식과 센서 설명
11 / 00:13:24

객체 검출을 넘어 움직일 공간으로

화면바운딩 박스·칼만 필터·BEV·occupancy·planning을 연결한 전체 도식이 보인다.

자막 · 13:15–13:54박스 크기를 통한 거리 추정에서 공간 점유 표현으로, 이후 계획을 함께 다루는 방식으로 설명을 확장한다.

해석실제 모든 시스템이 동일한 순서를 거쳤다는 근거가 아닌 설명용 계보다.

여섯 방향 카메라에 공사 현장이 보이고 Predicted Meta-Action에 감속, 직진, 차선 내 왼쪽 이동이 제시된 Driving VLA 화면
12 / 00:14:16

Driving VLA: 보는 장면과 행동 언어의 연결

화면여섯 방향 카메라에 공사 현장과 차량이 보인다. Predicted Meta-Action에는 완만한 감속·직진·차선 안에서 약간 왼쪽으로 이동한다는 출력이 제시된다. 하단 모델 구조도는 일부만 보인다.

자막 · 13:54–15:24Alpamayo와 주행 상황·행동 설명을 소개한 뒤, 연구 모델과 안전 검증을 거친 배포 사이의 간극을 질문한다.

해석이 연구 데모가 소비자 차량의 실제 주행 모델이라는 증거는 아니다. 화면에서 저수준 조향·가감속 명령이나 안전 보증까지 확인되지는 않는다.

엔드투엔드와 VLA는 같은 말이 아니다

FSD v12 이야기는 수작업 제어의 일부를 학습 모델로 옮기는 전환에 초점을 둔다. Driving VLA 예시는 다중 카메라 관측과 행동 수준의 언어 설명을 연결한다. 두 주제는 학습 기반 주행이라는 맥락에서 만날 수 있지만, 이를 같은 기술이나 동일한 배포 시스템으로 합쳐 설명할 수는 없다.

Economics / 요금과 수익

운전자가 없어도 요금은 높을 수 있고,
매출이 생겨도 이익은 남지 않을 수 있다

승객이 내는 운임, 차주가 내는 소프트웨어 사용료, 차량의 순이익은 서로 다른 계산이다.

영상에 제시된 요금 표본에서는 웨이모의 평균 요금이 우버와 리프트보다 높다. 출연자는 운전자의 대화나 음악에 방해받지 않는 경험을 프리미엄의 이유로 해석한다. 다만 표에 나타난 요금 차이와 그 원인에 대한 설명은 구분해야 한다.

영상 속 평균 요금 — 샌프란시스코 베이 지역 요청 표본
표본 기간: 2025.11.27–2026.01.01 · 모든 도시의 현재 가격을 뜻하지 않음
서비스평균 요금
WaymoUS$19.69
UberUS$17.47
LyftUS$15.47
Waymo 19.69달러, Uber 17.47달러, Lyft 15.47달러와 표본 지역 및 기간을 제시한 요금 자료
13 / 00:15:56

요금 차이는 관찰, 원인 설명은 해석

화면세 서비스의 평균 요금과 샌프란시스코 베이 지역·표본 기간이 표시된다.

자막 · 15:24–16:36운전자의 대화·음악 등에 방해받지 않는 경험을 프리미엄의 이유로 해석한다.

해석차이를 오직 프라이버시 선호로 설명할 수는 없다. 이 표는 전체 운영 원가나 다른 도시의 가격까지 입증하지 않는다.

FSD 일시 구매 가격 변화와 구독 표, 테슬라 승객용 요금 표를 함께 보여주는 확대 화면
14 / 00:17:35

FSD 사용료와 승객 운임의 구분

화면FSD 일시 구매 가격 변화·구독 표와 승객용 요금 표가 나란히 보인다. 오른쪽 확대 때문에 왼쪽 웨이모 열은 일부만 보인다.

자막 · 17:06–18:12가격 인상 뒤의 구독 중심 전환과 차량 가치에 미칠 영향을 논의한다.

해석월 99달러 등은 영상 자료의 조건이며 국가·옵션별 현재 구매 안내가 아니다.

연 3천만 원이라는 계산의 정체

영상 도입부의 00:37–01:29에서는 시간당 매출 가정을 낮추다가 다음 계산에 도달한다. 영상에서는 약 3천만 원으로 표현하지만, 주어진 수를 곱한 값은 연 3,120만 원이다. 이것은 실적도 순이익도 아닌, 가정에 따른 매출이다.

자동차가 수익을 내는 자산이 되려면 유료 승객 수요, 실제 유상 운행 시간, 비용과 비가동 시간을 알아야 한다. 후반부의 지오펜스·주차·경쟁 논의는 도입부의 낙관적인 계산을 제한하는 조건으로 읽을 수 있다.

Deployment / 상용화의 경계

도로를 달린 뒤에도
목적지의 문제가 남는다

핸들 없는 실내의 인상보다 실제로 어디서 타고 내릴 수 있는지가 이용 가치를 결정할 수 있다.

핸들과 페달이 없는 차량은 설계의 변화를 선명하게 보여준다. 그러나 개인 판매 가능성, 운행 범위, 건물 출입구와 주차장 규칙은 별도로 해결해야 할 질문이다. 출연자 역시 텍사스 법 상황을 잘 모른다고 말한다. 이 대화는 법적 허용 여부에 대한 결론이 아니다.

원본 영상 안에서 재생되는 Cybercab 탑승 영상의 좌석, 중앙 화면과 탑승자
15 / 00:19:29

실내 설계가 보여주는 것과 남기는 것

화면Cybercab 탑승 영상으로 소개된 별도 영상에 좌석·중앙 화면·탑승자가 보인다. 현재 영상 안에 포함된 자료로만 사용한다.

자막 · 19:28–21:32핸들·페달·도어 설계, 거울 규제, 판매 가능성을 이야기한다.

해석제품 설계와 제도 사이에 질문이 남아 있다는 논의이며, 판매·운행 허가의 증거는 아니다.

건물 출입구와 주차장의 복잡성에 관해 대화하는 출연자들, 주차 시연 장면은 아님
16 / 00:22:44

복잡한 주차는 대화 속 경험담이다

화면출연자가 대화하고 있다. 주차 시연이나 성능 측정 화면은 아니다.

자막 · 21:51–23:42건물별 출입구·VIP 동선·주차장 규칙을 설명하고, 지정 장소에 내려준 뒤 별도 주차장으로 이동하는 대안을 제안한다.

해석좁은 운행 구역은 개인 소유의 효용을 줄일 수 있다. 다만 지오펜스의 원인이 성능인지 규제인지는 확정하지 않는다.

테슬라와 머스크의 약속 및 경과를 나열한 긴 타임라인, 확대되어 상단과 오른쪽 일부는 보이지 않음
17 / 00:24:25

약속, 시범 운영, 일반 판매를 따로 기록한다

화면테슬라·머스크 관련 약속과 경과를 나열한 긴 타임라인이다. 자료 확대로 상단과 오른쪽 일부는 화면 밖에 있다.

자막 · 23:42–26:13과거 일정 지연을 돌아보면서도 기술적 성과 자체를 부정하지는 않는다.

해석예고한 시점, 소수 차량 시범 운영, 일반인이 살 수 있는 양산 제품을 구별하는 태도가 핵심이다. 이 타임라인은 독립적으로 검증한 이행률 통계나 감사 결과가 아니다.

다음 ‘출시’ 소식에서 확인할 항목

  • 무엇이 시작됐는가. 차량 공개, 시범 운행, 유료 서비스, 일반 소비자 판매 중 어느 단계인가.
  • 누가 감독하는가. 차내 감독자, 운전자 개입 조건, 원격 지원의 역할은 무엇인가.
  • 어디까지 이용할 수 있는가. 운행 가능 구역과 목적지의 승하차·주차 조건이 명시되어 있는가.
  • 실제 거래 조건은 무엇인가. 가격, 인도 시점, 사용료, 기능 허용 범위와 관련 허가가 확인되는가.
  • 예외 상황은 어떻게 처리하는가. 막힌 동선, 센서 오염, 차량 지원과 정비를 누가 맡는가.
Implications / 소유 이후의 이동

차량의 가치는
내 이동을 얼마나 해결하느냐에 달려 있다

소유에서 서비스로 옮겨갈 가능성은 열려 있다. 그 시점과 승자는 이 영상만으로 정해지지 않는다.

영상 후반은 운전과 주차의 부담, 중국 전기차와 자율주행 경쟁, 차량을 소유하는 대신 서비스를 이용하는 미래로 이어진다. 이는 현재의 제품 비교에서 한 걸음 더 나아간 전망이다. 어느 회사가 기술을 독점할지, 언제 운전을 배우지 않아도 되는지는 열린 질문으로 남는다.

자동차 소유와 자율주행 소프트웨어의 가치 및 이동 서비스의 미래를 논의하는 두 출연자
18 / 00:27:25

소유에서 서비스로, 아직은 전망의 영역

화면두 출연자가 자동차와 자율주행 소프트웨어의 가치를 논의한다. 경쟁 차량의 성능 비교 실험은 아니다.

자막 · 26:13–29:06운전·주차 부담, 중국 전기차와 자율주행 경쟁, 차량 소유 대신 서비스 이용 가능성을 이야기한다.

해석이 장면은 미래 전망의 맥락을 제공한다. 기술 독점이나 보급 시점을 입증하지 않는다.

The takeaway

다음 소식에서는 숫자 옆의 조건을 읽자

더 큰 누적 거리, 더 적은 센서, 더 낮은 차량 가격은 눈에 잘 들어온다. 판단에 필요한 것은 그 옆에 붙은 조건이다. 사람의 개입 없이, 내가 필요한 지역에서, 실제로 지불할 수 있는 비용으로, 예외 상황까지 감당하며 이동할 수 있는가. 이 질문이 로보택시의 기술적 성취를 일상의 효용과 연결한다.

연구자가 가져갈 질문

센서·학습·계획을 비교할 때 서비스 영역과 예외 상황을 포함한 검증 단위를 정의해야 한다. 누적 거리 하나로 강건성이나 안전성을 평가하지 않는다.

서비스 설계자가 가져갈 질문

건물 진입·주차·승하차와 지원 운영을 주행 모델의 발전과 함께 설계해야 한다. 도로 주행 밖의 경험도 서비스의 완성도를 좌우한다.

Sources & limitations

출처·방법·남은 불확실성

원본 영상
sudoremove 원본 영상 및 설명·챕터
원문 노트
「자율주행 근황, 테슬라 사이버 캡 출시 vs 웨이모 — 코덱스」
게시·길이
2026년 9월 10일 · 29분 6초 · 제공된 메타데이터 기준
정리 근거
영상 메타데이터·설명·챕터, 한국어 수동 자막 801개 구간, 전체 화면 캡처 18장
편집 방식
제공된 Codex 요약 노트를 주제별 기사로 재구성하고 표·개념도·핵심 발견을 배치

자료를 사용할 때의 한계

  1. 독립 검증의 범위. 원문 노트는 메타데이터·자막·프레임을 Codex가 독립적으로 수집·검토했다고 기록한다. 이 HTML 편집에서는 제공된 노트를 근거로 사용했으며, 영상에 인용된 기사·회사 발표·별도 탑승 영상까지 새로 조사하지 않았다.
  2. 수치와 일정. 마일리지와 요금은 기준 시점 및 범위가 다르다. 판매 시점도 대화 중 2026년·2027년으로 언급되며 정정된다. 이 글을 최신 가격·판매 여부·규제·공식 사양의 확인 자료로 사용할 수는 없다.
  3. 발언의 정확성. 수동 자막에도 고유명사 오기나 발언 오류가 있을 수 있다. 레이더 재활성화처럼 자막과 슬라이드가 충돌하는 내용은 미해결 상태로 남겼다.
  4. 이미지의 범위. 18장은 원문 노트 기준 1920×1080 전체 화면 캡처다. 채팅창·발표자·브라우저 테두리를 포함하며, 이 문서에서는 추가 크롭 없이 비율을 유지해 표시한다. 발표자가 원래 확대하거나 스크롤해 화면 밖으로 벗어난 자료와 작은 글씨를 복원한 이미지는 아니다.
  5. 관찰과 해석. 요금 프리미엄의 원인, 소유에서 서비스로의 전환 등은 출연자 또는 요약자의 해석이다. 주차와 경쟁 전망의 대화 장면은 발언 맥락을 보여주며 성능 검증 자료가 아니다. 강조 인용문과 공유 문구는 편집 요약이다.

각 이미지의 시간 링크는 해당 장면의 원본 영상으로 연결된다. 영상과 자막의 맥락을 함께 읽으면 수치가 설명하는 범위와 남겨진 질문을 더 분명히 구분할 수 있다.