AI War 김준성 - AI War gimjunseong

공지글

AI WAR, 테슬라 vs. Non 테슬라-메리츠 증권(2021.9.28.)

=>자동차는 스마트폰을 넘어서는 차세대 엣지 컴퓨팅 디바이스가 될 것이다.

인터넷, 스마트폰, 클라우드를 잇는 빅데이터의 시대를 꽃 피우는 것이 인공지능 기술이다.

인공지능 기술을 적용할 수 있으면서 경제적인 효과가 큰 분야가 모빌리티 시장이고, 그 중심에 테슬라가 있다.

​

그래서 여기에 해당하는 이해 관계자들이 빅테크 기업, 완성차 기업들인 것이다.

완성차 제조, 전기차 관련 부품(배터리, 플랫폼 등), 인공지능 기술 관련 기업(소프트웨어 및 하드웨어), 모빌리티 서비스 기업(우버, 리프트 등)으로 그 분야를 나눌 수 있다.

수직 계열화를 진행한 곳이 테슬라이고, 그렇지 못한 기업은 서로 이합집산하고 있다.

=>아마존은 자율주행을 자신들이 직접 이용하기 위한 목적으로 만들고 있다. 최종 목표는 전자 상거래를 뛰어넘는 것일 수 있지만 지금은 자율주행을 통한 물류 혁신에 가깝다.

전자 상거래의 효율성 강화를 위해 AWS 클라우드를 시작한 것과 같이 자율주행도 비슷한 방식으로 접근하는 듯하다.

​

자율주행 자동차 산업은 테슬라를 위시한 미국 기업들과 독일, 프랑스의 유럽 완성차 업체들, 그리고 마지막 한 축은 패스트 팔로워의 모습을 보여주는 중국의 테크 기업들로 나눌 수 있다.

효율성이 중요했던 시기의 최강자였던 일본과 그 방식을 답습한 우리나라의 존재감은 미미하다. 그나마 다행인 것은 현대차 그룹은 일본 완성차 업체들에 비해서는 다소 유연한 대처를 하고 있다는 점이다.

​

중국의 바이두, 화웨이 같은 테크 기업들은 지리 자동차 등 완성차 업체와 협업하고 있다. 국가 경쟁력을 위해서라도 자국 내에서 연계할 수 있는 산업을 갖추고 있다는 것은 큰 장점이 된다.

그리고 전기차 스타트업들을 지원하면서 니오와 같은 기업들도 생겨난다. 우선 경쟁을 시킨 후 시장의 선택을 받은 소수의 업체들이 나오면 규모의 경제를 달성할 수 있도록 지원을 하는 방식을 채택할 것이라고 생각한다.

​

독일의 폭스바겐은 완성차 업체 중에서는 가장 빠르게 변화에 대처한다. FOTA를 비롯하여, 자율주행 소프트웨어 실현을 위한 연산 칩에 대한 개발도 진행하고 있다.

자율주행의 핵심인 빅데이터 축적에서도 마찬가지다. 미국 테슬라는 올해 말 누적 50억 마일(약 80억㎞)의 실 도로 오토파일럿 주행 기록을 보유할 정도고, 국내 1위 현대차그룹도 미국서 합작사 모셔널을 통해 자율주행 테스트를 진행하고 있는 단계다. 중국 바이두 역시 베이징 전 지역을 커버하는 로보택시까지 운용하며 누적 무사고 50만㎞의 기록까지 내고 있다. 반면 ​국내에선 법·제도상의 한계로 이같은 시도가 미진하다.

美·中 자율주행 패권경쟁 가속 "인력양성·빅데이터 축적 시급", 출처: 아시아경제(2021.10.13)

결국 중요한 것은 실제 현실에 적용할 수 있는 자율주행 AI를 실현하는 것이다. 연구실 혹은 제한된 환경에서의 실증을 넘어서야 한다.

이제는 속도전의 양상이 되었으며, 그것을 위해서는 데이터를 빠르게 모으고 처리하여 빅데이터를 구축해야한다.

=>빅데이터가 아이디어 수준에서 멈추지 않고 실제로 가능하게 된 배경은 컴퓨팅에 들어가는 비용이 줄어들었기 때문이다.

연산의 능력이 향상되고, 대용량의 데이터 처리가 가능해졌기 때문에 클라우드-엣지 컴퓨팅을 실현할 수 있는 기반이 되었다.

=>인터넷 보급율도 2016년 기준으로 글로벌 50% 가까이 되었다. 도시화가 된 곳은 대부분 가능하다고 볼 수 있다. 선진국이 많은 북미와 유럽의 경우는 70%를 상회한다.

인터넷 사용 인구를 보면 약 30억명을 넘어서고 있다. 스마트폰의 보급으로 인해서 가능해졌으며, 이제는 스마트폰을 넘어서는 생산성 향상을 필요로 할 것 같다.

=>아이폰의 혁신 이후로 '사물인터넷'의 시대가 되었다. 스마트 디바이스 보급의 확대와 뒤 이은 어플리케이션의 등장으로 전세계에서 데이터가 폭발적으로 늘어났다.

=>어떤 자극이 있으면 그 자극을 인식하고, 판단해서, 반응하는 것이 인간이 환경에 적응하는 방식이다.

인공지능도 이와 유사하게 진행되므로 자극을 인식하는 센서, 판단하는 연산 장치(CPU, AP, GPU 등), 반응하는 출력장치(디스플레이, 스피커, 물리적 동작 등)로 나뉜다.

​

위에서 살펴본 연산에 관련된 비용이 감소한 것과 더불어 센서의 성능 향상과 가격 하락도 중요한 조건이 된다.

=>아무리 좋은 기술도 얻을 수 있는 효용 대비 소모되는 비용이 크면 확산이 될 수 없다.

배터리의 성능 향상 및 가격 하락은 기술의 대중화를 이끌 수 있는 요소라고 생각한다.

=>2008년 이후로 스마트 디바이스의 공급 기울기가 급격하게 올라간다. 구글과 애플의 스마트폰 OS 전쟁이 바로 이 시기이다.

디바이스가 공급이 되므로, 거기에서 나오는 데이터도 늘어난다. 스마트 디바이스를 사용하며 나오는 데이터는 점차 그 자체로 가치를 지니게 되었다.

=>이전에는 1차로 가공해 놓은 데이터들만 가치를 가지는 시기였다. 예를 들어서 현실 속에 있는 데이터를 컴퓨터 속의 문자, 숫자 혹은 이미지(도트), 소리(파형)으로 입력을 하고 사람이 정의를 내려줘야했다.

​

이제는 사람들이 정의하지 않은 날 것 그대로의 Raw 데이터를 갖고 컴퓨터가 직접 데이터를 정의한다.

사진을 찍으면 거기에서 얼굴을 인식한다. 소리를 들려주면 그것에서 음성만 추출해서 사람이 이해하는 언어를 인식한다.

​

빅데이터가 무서운 점은 자기 강화적으로 정확도를 향상 시킨다는 점이다.

초기에 빠르게 빅데이터를 갖추게 되면 후발주자보다 상대적으로 오랜 기간 해자를 구축할 수 있다.

우리에게 필요한 AI의 수준을 100이라고 한다면 많은 기업들이 절대적인 수준 100을 달성하기 전까지는 해자가 된다.

=>비정형 데이터의 양은 기하급수적으로 늘어난다. 기존에는 버려지던 데이터가 가치를 갖게 되는 순간이다.

=>빅데이터의 역설은 빅데이터가 커질수록 고성능 연산 능력과 전력이 필요하다는 점이다.

그렇기 때문에 메인이 되는 클라우드와 사용자에 가까운 위치에서 연산을 하는 엣지 컴퓨팅이 필요하다.

클라우드는 사용 효율성과 비용 효율성의 측면에서 이득이 있는 시스템이다.

=>넷플릭스는 빅데이터를 통해 사용자 개인화를 이룩하고, 클라우드를 통해서 운영 효율성을 향상 시켰다.

=>앞으로는 빅데이터와 AI를 활용하는 엣지 디바이스가 나올 것이다. 스마트카, 스마트그리드, 스마트홈, 스마트팩토리가 그 예시이다.

특정한 물건이 아니라 스마트홈, 팩토리, 시티 같은 영역이나 가상의 범주를 포함하는 의미인 것 같다.

=>기존 사물인터넷 시기에는 사용자의 능동적인 반응이 데이터가 되었다. 터치하고, 문자를 쓰고, 사진을 찍는 활동들이 데이터로 바뀌는 과정이다.

​

앞으로는 수동적으로 데이터가 수집된다. 수동적이라는 말은 사용자가 인식하지 못하는 사이에 모든 것들이 데이터로 바뀌고 활용된다라는 뜻이다.

웹사이트에 얼마나 머무르고 있느냐, 장바구니에 담고 결제를 하기까지 얼마나 고민을 하는가, 자동차 주행 중에 시선이 향하는 곳, 자주 보는 주제의 영상이 자동으로 추천되는 등의 방식이다.

=>엣지 디바이스의 적용 영역 중 경제적인 효과를 산업 별로 나누어 놓은 차트이다.

자율주행 부분은 물류의 수송과 배송에 모두 적용 가능하며, 사람과 사물이 이동에 모두 영향을 끼친다.

=>데이터 발생량을 기준으로 스마트카, 스마트항공, 스마트팩토리 순으로 나눌 수 있다.

스마트팩토리에서 가장 데이터가 많이 생기는데 이 단계까지 가면 사람 노동력에 대한 논의까지 가지 않을까?

클라우드만으로는 자원의 과부하, 실시간 제어의 한계, 사이버 공격 우려와 같은 단점이 있다.

=>클라우드는 메인으로 추론하는 역할이며, 엣지는 추론 모델을 적용하는 것으로 다층으로 구성된다.

=>빅테크 중에서는 아마존이 엣지 컴퓨팅과 자율주행에 가장 근접한 것 같고, 마이크로 소프트, 애플이 그나마 나아보인다. 테슬라도 위의 기준에 따른다면 아주 높은 등급을 받을 듯 보인다.

=>인공지능의 하위 영역은 판단, 사고, 행동, 시각, 언어, 대화, 지식으로 나눌 수 있다. 각각의 영역이 중심이 되는 비즈니스 모델을 위와 같이 생각해볼 수 있다.

=>인공지능과 관련된 비즈니스 모델은 인터넷으로 개인에게 맞춤형 자료를 제공해주는 것, 빅데이터 활용으로 기업의 운영 효율성 향상시키는 것, 물리적 센서를 활용하여 자료의 디지털화를 시켜서 사용자의 편의성을 높이는 것으로 나눌 수 있다.

=>엣지 클라우드 컴퓨팅을 위해서는 고성능 저전력의 연산 프로세서가 필요하다. 원래는 병렬처리에 유리한 GPU를 사용하였지만, 점차 인공지능 관련 연산에 최적화된 프로세서를 필요로 하게 되었다.

그래서 빅테크 기업들은 ASIC를 개발하여 자신들의 목적에 맞도록 전문화하고 있다.

​

주로 설계를 자신들이하고 TSMC에 맡기고 있는데 삼성전자의 미래는 여기에 있지 않을까 생각한다.

이미 자체 칩에서 요구하는 미세 공정 수준이 7나노 정도로 내려왔기 때문에 이 다음 세대의 제품들은 삼성전자와 TSMC만 생산이 가능하다.

수요는 늘어나는데 공급을 할 수 있는 곳이 제한적이라면 답이 정해져있는 것 아닌가? 삼성전자의 역할은 배정 받을 수 있는 물량을 얼마나 많이, 얼마나 만족스럽게 만들어 줄 수 있는지에 달려있다.

TSMC와의 기술 경쟁이 중요한 것이 아니라 자신들이 할 수 있는 것을 얼마나 더 효율적으로 할 수 있느냐의 싸움이라고 보는데, 이런 작업을 가장 잘하는 곳이 삼성전자가 아닌가?

=>인공지능 분야는 막 개화하고 있는 단계이다. 아직까지는 주도적인 기업이 나오지 않았으며, 언제든 선두자리가 바뀔 수 있다.

그리고 인공지능을 적용할 수 있는 분야도 다양하므로 각 기업들이 어떤 부분에 집중을 하는지 살펴봐야한다.

​

경쟁이 심하지 않으면서도 해자를 구축할 수 있는 부분에서 강자가 나올 수 있다.

전체 인공지능 시장을 아우르는 1등 플레이어를 찾는 것 보다는 지엽적인 부분에 집중하는 기업들이 좋을 것 같다.

예를 들어서 언어 인식 부분에서도 영어가 아닌 상대적으로 소수가 사용하는 언어와 관련된 기업 같은 경우가 있을 것이다.

굳이 빅테크들이 손을 댈 가치는 없으면서도, 지역 내에서는 상대적인 규모의 경제를 실현할 수 있다면 강력한 해자가 될 수 있다.

=>전반적인 인공지능 기술에서는 구글이 앞서고 있으며, 디바이스 기반으로 데이터를 확보하는 부분에서는 테슬라가 뛰어나다.

=>구글의 자율주행은 웨이모에서 하고 있는데 차량 대수가 600대 밖에 되지 않으며, 데이터 수집하는 양도 적다.

=>제한된 환경에서 테스트를 하는 것에는 한계가 있다. 실제 운전을 하다가 사고가 나는 상황은 인간의 비이성적인 행동에 따른 것이 많기 때문이다.

위 표를 보면 1, 2위가 과속 및 음주, 약물에 의한 것이다. 그 비중은 30%가 넘어간다.

​

그런데 조금만 더 생각해보면 이 30%의 문제는 기술로써 쉽게 해결가능하다.

과속을 하기 때문에 발생할 수 있는 문제는 자율주행차의 센서를 통해서 쉽고 빠르게 인식하고 대처를 할 수 있다.

사람이 대응하는 것보다 인공지능이 더 빠르게 대응할 수 있으므로 해결 가능한 문제이다.

​

그리고 음주와 약물의 문제는 제도와 시스템으로 해결할 수 있다. 운전자 반응 감시를 통해서 운전 자체를 불가능하게 만들어버릴 수 있기 때문이다.

​

만약 이 2가지를 기술과 제도로써 쉽게 해결을 할 수 있다면 자율주행차를 적용했을 때와 그렇지 않을 때의 사고발생률 차이가 현저하게 줄어들 수 있지 않을까?

생각보다 자율주행이 더 빠르게 현실이 될 수도 있을 것 같다. 단지 기계를 믿을 수 없다는 사람들의 불신만 걷어낼 수 있으면 된다.

=>논테슬라 진영에서는 라이다 기반의 자율주행을 하고 있다. 그리고 HD맵과 함께 사용하고 있는데 이는 제한적인 테스트 환경에서는 아주 효율이 높지만 실제 도로의 상황과는 다소 괴리가 발생할 수 있다.

이런 문제는 HD맵을 구축하지 않은 지역의 발생, 맵 갱신 비용의 한계, 환경에 따른 라이더 센서의 신뢰성 때문에 발생한다.

=>V2X도 모든 차량에 설치하는 문제와 네트워크 설비를 구축하는 비용의 문제가 있다.

=>HD맵, 라이다의 한계, V2X 비용 등으로 인해서 논테슬라 방식은 대중화에서 어려움을 겪고 있다.

완벽한 자율주행을 구현하려고 하다가 테슬라의 방식에 뒤쳐지고 있는 것이다.

=>테슬라는 메인 센서를 카메라로 하고, 엣지-클라우드 컴퓨팅 시스템을 활용하여 FSD를 실현한다.

그 결과 자율주행 데이터를 그 어떤 기업보다도 많이 수집할 수 있게 되었다.

데이터가 모이면서 점차 인공지능이 학습이 되고, 그것이 선순환하여 개선된 빅데이터를 만들어 낸다.

각각의 자동차는 FOTA를 통해서 개선된 빅데이터를 기반으로 새로운 데이터를 수집한다.

=>테슬라의 방식을 조금 더 상세하게 살펴보자. 카메라는 2차원의 이미지이다. 그렇기 때문에 인식 오류가 생길 수 있다.

이 문제를 해결하기 위하여 여러 카메라에서 촬영된 대상을 CNN(합성곱 신경망)으로 3차원의 이미지로 인식하도록 변환한다.

=>위에서 만들어진 3차원 벡터 이미지를 추출한 후에는 트랜스포머 아키텍처를 통해 시간이라는 4차원 데이터로 연동 시킨다.

아주 짧은 시간마다 반복해서 들어오는 벡터 이미지를 같은 대상끼리 묶어서 데이터화한다. 이런 과정을 통해서 물체가 이동하는 방향, 속도 등을 예측할 수 있는 벡터 스페이스를 구축한다.

=>벡터 이미지에서 시간이라는 측면까지 고려하게 되면 오류의 확률이 낮아진다. 마치 단편된 지식을 봤을 때는 오해할 수 있으나 전체적인 맥락을 살펴보면 이해가 되는 것과 마찬가지이다.

위 그림에 나오는 강아지vs.치킨의 문제와 걸어가는 비닐 봉지를 보면 쉽게 이해할 수 있다.

=>FSD는 기본적으로 위의 연산을 진행하며 운행하게 된다. 만약 자율주행을 하다가 운전자가 개입을 하는 순간이 오면 이는 새로운 이벤트로 인식이 되고 전후의 상황을 분석한다.

자율주행 테스트 환경에서 보기 힘든 상황일 맞닥들였을 때 운전자가 반응하는 것을 보고 빅데이터에 새롭고도 귀중한 데이터를 라벨링 하는 것이다.

=>인공지능의 알고리즘이 개선되면서 동일한 성과를 위한 컴퓨팅 성능은 16개월마다 반감하고 있다.

하지만 인공지능 모델 자체가 커지는 속도가 더 빨라서 결과적으로는 컴퓨팅 성능에 대한 요구는 3, 4개월마다 두 배로 증가한다.

엔비디아의 GPU가 80% 이상을 점유하고 있지만, 칩을 자신들의 입맛에 맞게 자체 설계하는 기업이 늘어나고 있다.

=>테슬라의 레이 커즈웰은 무어의 법칙이 아직 통한다고 말을 한다. 트랜지스터의 집적도가 아닌 컴퓨팅 파워를 기준으로 하면 여전히 말이 된다.

연산 능력 기준으로 가장 뛰어난 칩은 테슬라의 도조, 구글의 TPU4, Mythic의 M2 정도가 보인다.

=>테슬라의 자체 설계 칩은 FSD칩과 D1칩이 있다. FSD는 자동차(엣지)에 들어가는 것이고, D1은 클라우드에서 인공지능 모델 훈련을 하는 목적의 칩이다.

=>D1칩은 도조 시스템에 들어간다. 도조 시스템에는 D1칩을 25개 묶은 클러스터가 하나의 훈련 타일이 되어 사용된다.

D1칩은 집적도가 가장 높고, 전력을 적게 필요로 한다. 엔비디아의 A100칩과 비교하면 어느 정도 우위인지 알 수 있다.

​

최신 칩이 7나노, 12나노 수준인 것을 보면 자율주행 자동차와 관련된 기업들이 최신 공정의 칩을 원할 것이라고 유추할 수 있다.

자체적으로 클라우드를 구축하든, 다른 기업의 클라우드를 이용하든 결과적으로는 고성능의 칩이 필요하다.

그리고 인공지능의 활용이 자동차 산업이 끝이 아니고, 스마트홈, 스마트팩토리, 스마트시티까지 열려있으므로 반도체 제조 기술은 필수적이다.

=>다순히 고성능칩을 여러개 이어붙이기만 하면 데이터 처리 양의 증가로 병목현상이 발생한다고 한다.

그래서 훈련 타일로 구성하고, 그 타일들을 수직 구조로 만들어 광대역 저지연으로 만들었다.

연산 방식도 BF16이라는 구글의 TPU 연산 방식을 채택해서 더 빠르게 설계했다고 한다.

기술적인 부분은 여러번 읽어봐도 이해는 잘 가지 않음.

=>위에서 말한 D1칩 25개를 엮은 훈련 타일을 120개 묶어서 ExaPOD를 만들었다. 이 ExaPOD는 제한 없이 계속 늘릴 수 있는 장점이 있다고 한다.

1개의 ExaPOD로 전세계 1위 슈퍼컴퓨터 성능을 뛰어넘는다고 하니 앞으로 늘어날 데이터 처리에 대비하는 것을 알 수 있다.

=>AI 칩 관련 산업지도이다. 빅테크, 반도체 파운드리와 팹리스, 중국 및 전세계의 스타트업, 반도체 IP 및 디자인 관련 등의 관련 기업들이 있다.

자동차 산업에 대한 리포트를 읽으면서도 미래에 지속될 해자는 반도체 제조 관련 기업이 눈에 들어온다.

=>인공지능은 사람의 두뇌와 똑같으므로 연산을 많이 할수록 에너지(전기)가 많이 필요하다.

GM의 크루즈의 경우에는 추론 칩이 3~4kWh의 에너지를 소비한다고 한다.

차량 내의 에너지 소비 중에서 컴퓨터(추론칩)이 40%, 카메라 및 라이더, 레이다 같은 센서가 각 5% 정도의 에너지를 사용한다.

​

어차피 자동차의 배터리는 한정되어있고, 연산에 초점을 맞추게 되면 주행거리가 짧아진다.

절대적인 배터리 용량이 늘어나는 것도 해결책이 되지 못한다. 그 이유는 해당 배터리를 경쟁 기업들도 사용하기 때문이다.

자사의 칩이 저전력 설계가 되어있을 수록 연산 성능과 주행거리 모두에서 이점을 갖게 된다.

=>미래 자동차가 꼭 배터리로 움직여야하는지에 대한 대답이다.

에너지 생산에서 사용까지의 효율을 나타내고 있는 그래프인데, 이를 보면 효율성 자체가 비교 불가이다.

수소 연료전지도 효율 측면에서 보면 수소에서 전기를 생산할 때 손실이 많다.

BEV의 경우에는 전기를 최초 생산할 때의 조건만 고려하면 되는 정도이기 때문에 전체적으로 보면 에너지 낭비가 가장 덜하다.

=>에너지 저장과 수송의 문제를 해결할 수 있다면 BEV가 수소 연료전지에게 자리를 내어줄 일은 없을 것 같다.

=>테슬라의 자동차들은 무게 대비 최대 출력 비율, 동일 무게 동일 거리 이동할 때 필요한 전력량에서 가장 우수하다.

파란색으로 표시되어있는 것이 테슬라의 전기차이다. 노란색 화살표는 아이오닉5를 표시한 것인데 확실히 전용 플랫폼을 일찍 구축하였기 때문에 성능이 뛰어난 것을 볼 수 있다.

​

그런데 정작 이렇게 뛰어난 전기 사용 효율로 무엇을 하느냐? 테슬라는 데이터를 수집, 분석하고 현대차는 V2L을 한다.

현대차 그룹에서 아쉬운 것이 단순하게 에너지 전환 측면에서 BEV, 수소차로 접근을 한 것이다.

소프트웨어 및 반도체 역량이 부족하기 때문인지, 전기차 시대로 전환이 생각보다 빨랐기 때문인지는 모르겠으나 변화 속도 측면에서 다소 아쉽다.

=>테슬라의 핵심은 자동차라기 보다는 인공지능 시스템에 있는 것 같다. 자동차라는 것은 결국 엣지 컴퓨팅을 실현하는 하나의 도구이다.

인공지능 시스템을 갖추면 다른 디바이스로 적용은 그리 어렵지 않게 된다.

=>테슬라는 OPEN AI라는 기업을 설립해서 좀 더 넓은 범위의 인공지능인 AGI까지 고려하고 있다.

신기한 것이 뉴럴링크라는 기업을 통해서 뇌 활동으로 프로그램을 제어할 수 있는 기술도 개발하고 있다.

=>영상으로 보면 더 놀랍다. 원숭이의 뇌파로 핑퐁 게임을 한다니.. 빅데이터가 합쳐져서 학습이 되면 뇌 신호를 통해 사물을 제어하는 것도 결국 시간 문제일 것 같다.

=>테슬라의 인공지능, 에너지, 네트워크의 연결 고리.

엣지 컴퓨팅인 자동차의 FSD에서 추론을 담당하고, 메인인 클라우드 도조 시스템에서 훈련을 한다.

자동차의 배터리는 이동형 ESS가 되고, 친환경 발전 및 충전소는 전력 공급과 고정형 ESS 역할을 한다.

전력의 효율적 사용을 위해서 도조 시스템의 인공지능을 활용해서 VPP(전력 거래)를 한다.

전 지구적으로 데이터 통신을 가능하게 되어야 어디서든 자율주행이 완전해질 수 있으니 스타링크 저궤도 위성으로 통신을 제공한다. 굳이 각 지역의 통신 사업자들이 인프라를 설치할 때까지 기다릴 필요가 없어진다.

=>배터리 내재화를 위해서 원통형 4680 배터리셀을 2022년부터 양산 확대하기로 하였다.

최종 목표가 기계적인 효율화가 아닌 것으로 보이므로 LFP든 NCM이든 상관없다. 데이터 확보의 속도전이 더 중요한 것 같다.

=>전기차가 대중화 되면 9000TWh 정도가 필요하다고 한다. 이것도 단순히 100kWh 배터리가 1억대(내연차 수준)으로 계산한 것이다.

2020년의 전기 에너지 생산량 25000TWh이기 때문에 앞으로 필요한 배터리 셀의 용량은 어마어마하다.

차량 대수가 줄어들 수도 있고, 배터리 자체의 용량이 늘어나거나, 주행 중 무선 충전 같은 식으로 배터리가 줄어들 수는 있겠지만 전기 에너지의 생산, 수송, 보존과 관련된 산업은 계속 커질 것이다.

=>태양광, 풍력 같은 발전 방식은 생산되는 전력의 양이 일정하지 않다. 그러므로 ESS를 통해서 공급과 수요의 차이를 조절해야한다.

그 역할을 VPP를 통해 한다는 것이고, 전력 소비자가 생산자(판매자) 역할을 겸하게 만든다는 것이다.

이 방식이 수요자에게 더 낮은 가격으로 전력 거래를 가능하게 만들 것이라는 데는 다소 회의적이지만, 공급의 안정화는 확실히 가능할 것으로 보인다.

=>신재생 에너지의 발전 비중은 2018년 10% 정도에서 2030년에는 35% 정도가 될 것이다.

태양광은 지금의 약 5.5배가 되고, 풍력은 약 4배가 된다.

전기차 배터리는 같은 기간에 200GW에서 5056GW까지 성장할 것으로 보여 약 25배 성장한다.

=>테슬라의 충전소인 슈퍼차저는 VPP 에너지 거래소로 전력 거래 플랫폼의 역할을 하게 된다.

과연 이것이 전 세계적으로 가능할까? 우리나라를 비롯하여 많은 국가들에서 전력, 수도 같은 공공성이 높은 산업은 정부에서 담당하고 있기 때문에 어렵지 않을까?

=>V2X를 위해서는 4G LTE 이상의 네트워크 통신이 가능해야한다. 위 지도를 보면 선진국을 제외한 대부분의 지역은 회색 지대이다.

그렇다고 개발도상국 같이 네트워크 인프라가 빠르게 확산되기 어려운 지역을 포기할 수는 없다.

그 해답이 스타링크에서 저궤도 위성을 쏘아올려서 네트워크 통신을 가능하게 만드는 것이다.

​

=>이미 1800여개의 위성을 발사했으며, 2030년까지 42000개를 목표로 하고 있다.

올해 초 기준으로 전세계 인공위성은 약 3400여개가 작동하고 있다.

=>저궤도 위성의 성능을 보면 다운로드, 업로드의 속도 또한 빠르다. 가장 중요하다고 생각하는 지연속도(Latency)는 약 30~50ms 정도이다.

=>이정도의 지연속도도 놀랍다고 생각되는데, 이것도 1세대 위성의 한계로 인해서 발생하는 것이라고 한다.

1세대 위성은 위성 간 통신이 되지 않아서 지상의 안테나를 항상 거치면서 다소 지연된다.

=>2021년 9월부터 발사되는 2세대 위성은 위성 간 네트워크도 가능해서 전송 속도와 지연 속도에서 이전보다 개선이 되었다.

저궤도에 위성이 떠있으면 상대적으로 넓은 지역을 커버하지 못할 수 있는데, 다층 궤도를 통해서 음영지역이 발생하지 않도록 하였다.

그리고 인공지능 모델을 활용하여 인공위성이 서로 충돌하지 않고 궤도를 돌 수 있도록 조절한다.

=>인공위성을 자주 그리고 많이 쏘아 올려야하므로 로켓도 개발했다.

기존 1세대 위성을 담당했던 팔콘9은 약 60대의 위성을 올려보낼 수 있었다.

2세대 위성을 담당하는 스타쉽은 한번에 약 400대의 위성을 올려보낼 수 있다.

=>스타링크의 위성을 통해서 앞으로 증가할 대용량 데이터 통신에 대비하고, inSAR 기술을 통해서 3차원 지형 정보를 습득, 활용할 수 있는 계획도 갖고 있다.

=>테슬라의 오토파일럿(FSD)을 사용하면 사고율이 감소한다. 그냥 사람이 운전하는 것(no AP & Active Safety)이 더 위험한 것이다.

자율주행 기술이 확산되고 도로에 많이 돌아다니기 시작하면 언젠가는 사람이 운전하는 차량에 패널티가 주어질 것이다.

자율주행 자동차에 인센티브를 주는 방식으로 시작될 것이고, 나아가서는 사고유발 가능성이 높다는 이유로 고령층 혹은 사고 빈도가 높은 운전자부터 패널티가 나올 것이라 생각한다.

=>기존 자동차 산업은 완전 경쟁 시장으로 기업은 최대한 효율성을 달성해서 경쟁 기업보다 마진율을 높일 수 있을때에만 승리할 수 있다.

그에 대한 답을 찾은 기업이 도요타이고 수직계열화와 JIT 방식으로 효율성을 극대화하였다.

글로벌 자동차 산업의 연간 합산 매출액은 경기 상황에 따라서 다소 차이는 있으나 성장한다고 보기는 어려웠다.

매출액 2200조, 순이익 100조원을 서로 나눠먹기하는 시장이었다.

=>그런 자동차 시장에서 판을 흔든 것이 테슬라이다. 전기차와 자율주행의 가능성을 보여주면서 산업의 판도를 바꾸었다.

자율주행이 실현되면 가장 빠르게 성장할 수 있는 산업이 로보택시이다.

일 주행거리 200마일, 전세계 2000만대, 마일 당 매출 1~2달러로 가정했을 때 876~2336빌리언 달러 정도의 시장이 열린다. 빌리언 달러는 약 1조 정도라고 생각하면 전체 시장은 약 900~2500조 정도가 된다.

기존 내연차 시장의 규모가 매출 기존 2200조 정도가 되므로, 서비스 시장이 그만큼 펼쳐질 수 있다.

=>하나의 새로운 산업이 개화하기 위해서는 관련되는 기술의 모두 성숙해야한다.

자율주행 자동차와 관련된 기술의 성숙도를 나타낸 위의 그래프를 보면 자율주행 시스템, 관련 센서, V2V 통신, 전기차 충전 인프라 기술은 상상 속의 기술에서 실체화(Trough of Disillusionment)가 이루어지고 있는 단계까지 왔다.

=>테슬라가 저렴한 모델을 판매하려는 이유도 여기에서 찾을 수 있다.

데이터를 모으는 것이 첫번째 이유이고, 두번째로는 운행되는 차량의 절대 수치를 늘려야지 서비스 매출에서 이익을 높게 가져갈 수 있다.

디바이스는 저렴하게 공급하고 그에 따르는 카트리지, 소모품, 서비스 비용을 받는 사업 모델이라고 생각할 수 있겠다.

=>논테슬라 진영은 완성차 업체 주도, 자율주행 시스템 개발 업체 주도, 서비스 플랫폼 업체 주도 방식이 있다.

완성차 업체 주도가 현대차 그룹의 방식이고, 엔비디아나 구글이 하는 방식이 자율주행 시스템 개발 업체 주도인 것 같다.

우버나 리프트가 주도로 했던 방식이 서비스 플랫폼이 주가 되는 방식인 것으로 보이는데 가장 가능성이 없어 보인다.

​

자율주행차의 중심이 자동차라는 하드웨어가 주가 되는지, 인공지능이라는 소프트웨어가 주가 되는지에 따라서 역할이 나뉜다.

지금까지는 테슬라가 보여주는 방식인 인공지능 개발의 주도권을 쥔 빅테크 플랫폼 업체가 앞서나가는 것 같다.

​

어쩔 수 없이 모든 기업은 인공지능 칩 설계, 검증을 해야하므로 Cadence, Synopsys 같은 기업이 혜택을 보지않을까 생각한다.

=>아마존은 Zoox에 투자를 해서 엔비디아의 엣지 컴퓨팅과 AWS의 클라우드를 통해서 인공지능 모델을 개발 중이다.

=>테슬라는 자율주행차 자체가 최종 목적지가 아닌 것 같으므로 로보택시에서 멈출 것 같지 않다.

만약 자율주행 기술을 여러 기업들이 갖추게 되면 서비스 가격 자체를 높이기 어려울 수 있다.

​

그러나 아마존은 물류에서 직접 사용할 수 있는 기술을 자체 개발하는 것이므로 이커머스에서 경쟁력이 확 올라간다.

자율주행 기술 개발을 할 때 AWS의 클라우드를 이용하고, 자율주행이 되면 물류시스템이 개선되는 선순환이 이루어진다.

=>애플은 아직 계획을 드러내지 않고 있다. 애플의 기업 문화(?)에 맞게 기술이 성숙된 후에 자신들이 가장 잘 활용할 수 있는 방식으로 사업에 뛰어들지 않을까 생각한다.

아이팟을 출시 할때도 MP3 기술은 신기술이 아니었고, 아이폰이 나왔을 때도 기존에 있는 기술을 적절하게 융합했었기 때문이다.

=>애플, 구글은 자체 사업에서 활용할 분야가 없으므로 테슬라와 직접 경쟁해야하는 상황이다. 두 기업 다 자동차 생산 자체에 유의미한 진전은 없다.

자율주행 역량이라고 하면 자체 칩 설계와 칩을 활용한 인공지능 알고리즘을 포함한다.

완성차 업체들 중에서도 자율주행 역량이 부족한 경우에는 애플과 구글에서 시스템을 받을 수도 있지 않을까?

=>중국의 바이두는 자율주행 개발 오픈 플랫폼 아폴로를 만들었다. 엔비디아 및 보쉬, 컨티넨탈, NXP, 르네사스 등 기존 완성차 관련 부품 업체들도 사용하고 있는 플랫폼이다.

=>화웨이를 봐야할 필요가 있을까 싶지만 중국은 내수 시장이 워낙 크기 때문에 그 안에서 1등 회사는 경쟁력이 충분히 생길수는 있다.

화웨이 인사이드라는 자율주행 솔루션을 출시했으며 엣지-클라우드 컴퓨팅, OTA, 지능형 콕핏 같은 기술을 제공한다. 하이카 시스템이라는 인포테인먼트 시스템도 완성차 업체들에 공급하고 있는 중이다.

=>아마존과 비슷한 방식의 사업 모델인 알리바바는 자율주행 기술 개발 및 스마트 시티 관련 사업을 진행한다.

=>샤오미는 자체 샤오미EV 브랜드를 런칭했으며, 딥모션이라는 자율주행 컴퓨팅 플랫폼 개발 업체를 인수했다.

위 사진에 나오는 음성인식 비서는 완전 탐나는데?

=>니오는 테슬라의 중국 카피캣이라고 볼 수 있다. FOTA 및 집중형 아키텍처를 완성했고, 자율주행 구독 서비스도 준비하고 있다. 엔비디아의 엣지 컴퓨팅 시스템을 탑제하고 있다.

=>니오는 아직 주행 데이터 자체가 부족하기 때문에 의문점이 있다.

배터리 스왑 스테이션을 구축해서 사업을 진행한다고 하는데, 중국 정도면 충전소가 많은데 그것만으로는 부족한 것인가?

=>샤오펑은 누적 거리는 빠르게 올라오고 있으나, 자율주행 기술 수준 자체가 높지는 않음. 알리바바와 링크가 있어서 오토X가 활용되면 조금 더 나을 수 있음.

=>토요타는 2022년 BEV를 출시 예정이지만 하이브리드 플랫폼을 개량한 e-TNGA 기반이라 급조한 느낌이 든다.

그리고 전고체 배터리도 당장 상용화 가능한 것이 아니고, 후에도 하이브리드에 적용하는 것이므로 자율주행 칩에서 요구하는 전력을 감당하기 어려울 것이라고 생각한다.

=>자율주행 기술 자체도 2~3단계가 양산 되고 있지 않는 것을 보면 아무래도 완성차 1등 기업이라고 하기에는 존재감이 미미하다.

=>완성차 업체 중에서는 폭스바겐이 가장 빠르게 전환하고 있다. MEB와 PPE 플랫폼을 통합해서 2024년에는 SSP를 출시한다.

그리고 배터리도 2023년부터 노스볼트에서 공급 받는다. 전기차 배터리는 주요 업체가 아시아에 있으므로 유럽과 북미는 배터리 수급에 민감할 수 밖에 없다. 공급망의 병목 현상으로 생산 차질을 겪는 모습을 보고 있으면서 그런 생각이 더 심해지지 않았을까?

=>전기차 모델인 ID 시리즈에 FOTA를 최근부터 가능하게 되었다. 그리고 자율주행 추론 칩을 자체적으로 설계하고 있다.

=>클라우드 컴퓨팅을 위해서 MS 클라우드 서비스를 이용한다.

=>그리고 로보택시를 위해서 승차 공유 서비스를 하는 MOIA 플랫폼을 이용하려고 한다.

폭스바겐은 포드와 함께 플랫폼을 공유하고 있으므로, 포드도 경쟁력이 충분할 것이다.

=>현대차의 전환 속도 자체는 빠르다. 독일에서 선정한 순위를 보면 현대차 그룹이 4위에 위치한다.

내연차 순위에서 5~6위를 하던 현대차 그룹이므로 한발 빠르게 준비를 잘 한 것으로 본다.

=>자율주행 플랫폼, 솔루션과 물류로봇, 반도체 설계자산(IP)에 신규로 투자를 했다.

아무래도 한계는 자율주행을 위한 엣지-클라우드 컴퓨팅이다. 칩을 자체 설계할 역량이 부족하고, 소프트웨어 최적화도 빅테크에 비해서 열위에 있다.

=>현대차 그룹이 빠르게 양산을 해냈던 e-GMP가 가지는 경쟁력도 점차 줄어든다.

다른 기업들도 플랫폼을 구축하고 있으며, 자동차 생산 자체가 지연이 되고 있어서 먼저 플랫폼을 개발해 놓은 장점이 희석된다.

=>BEV 모델의 숫자가 경쟁력과 직결된다고 볼 수는 없지만 플랫폼을 활용한다는 측면에서는 다소 부족한 점이 있다.

스텔란티스, 폭스바겐, GM은 신규 BEV 모델 수가 많다. 아무래도 그룹 내의 브랜드가 여러개있기 때문이 아닐까?

=>배터리는 LG에너지솔루션과 인도네시아에 10GWh 정도 합작한 것 외에는 내재화하지는 않는다.

이것은 단점이라기 보다는 장점이라고 생각되는데? 공급을 잘 받을 수 있느냐가 중요하지 내재화를 하는 것이 궁극적인 목표가 되면 안된다.

배터리 가격이 떨어질 것은 확실한데 공급 과잉이 될 경우에 배터리 내재화에 투자된 자산이 오히려 잉여자산이 될 가능성이 있다. 자동차 산업 자체가 경기 민감이기 때문에 고정비가 발목을 잡을 것이라 생각한다.

예전 메모리 산업이 치킨 게임을 하듯이 배터리 시장도 성장률이 둔화된 후에는 경쟁이 격화될 것이다.

=>가장 근본적인 위협이 이 부분이다. 엣지-클라우드 컴퓨팅이 2023년부터 도입될 것이라고 한다.

과연 역량이 어느 정도 나올 수 있을지 궁금하다. 현대 오토에버가 이쪽을 담당하는 것인가?

소프트웨어 말고도 자체 칩 설계 같은 부분은 어떻게 될지...빅테크와 합작사 같은 것이라도 나오면 좋을텐데.

삼성전자가 자체 OS를 하려다가 결국 구글의 안드로이드와 손 잡은 것과 같은 방식으로 나오는 것이 최선일 것 같다.

아니면 엔비디아에서 칩을 받거나 혹은 삼성전자에서 NPU 같은 것을 공급 받을 수 있을지도?

=>지금 나온 계획으로는 엔비디아와 협업해서 2023년 이후로 장착될 것이라고 한다.

이때부터 본격적으로 수집하는 데이터로 테슬라를 추월할 수 있을까? 속도전이다.

=>리포트에서는 로보택시 출시 시기도 빅테크 대비 느리다고 평가하고 있다.

그런데 로보택시 출시에서 가장 중요한 것은 자율주행 기술이 완성되는 것이다.

아무리 계획을 해놓는다 하더라도 완전 자율주행이 되지 않으면 인건비 등 비용 측면에서 경쟁력이 없어진다.

로보택시는 자율주행 기술이 해결되면 의외로 쉽게 해결될 수 있다고 본다.

=>마지막으로 자율주행 BEV도 경쟁이 심해지고 있다. 가장 위협이 될 곳은 GM과 마이크로 소프트가 아닐까?

중국은 아직까지는 찻잔 속 태풍이 될 가능성이 높고, 현대차 그룹은 중국 내 사업은 거의 존재감이 없다.

하지만 GM은 현대차가 바짝 뒤따라 가야하는 경쟁자이다.

미국은 아메리칸 퍼스트가 있으므로 전통적으로 중요한 산업인 완성차 산업을 키워줄 것이다.

완성차 기업인 GM과 클라우드 및 소프트웨어 역량이 있는 마이크로 소프트가 협업하면 우리나라는 어떻게 대응할 수 있을까?

국내 기업들은 하드웨어에 강점이 있으나 소프트웨어 부분에서 취약하다.

그나마 있는 것이 네이버인데 아직까지 보이는 모습으로는 웹 기반의 광고 회사 혹은 이커머스 느낌이 더 큰 것 같다.

반도체-배터리-완성차의 수직 계열화는 되어있는데 알맹이인 인공지능 역량을 확보하는 것이 필요하다.