[테슬라 AI Day Quick Review: 풍요의 시대를 이끌 AI Giant]

 

[테슬라 AI Day Quick Review: 풍요의 시대를 이끌 AI Giant]

안녕하세요? 삼성 모빌리티 임은영입니다.
9/30일 캘리포니아주에서 테슬라 AI Day가 열렸습니다.

프로토타입 로봇 공개와 함께 시작된 행사는 로봇세션, FSD 고도화, Dojo 성능과 적용계획 3가지 주제로 진행되었습니다.

로봇은 동작은 자유롭지 않고, 용도도 매우 제한적이었으나, 6~8개월 만에 이루어낸 성과라는 것을 감안할 때 실행력이 그저 놀랍습니다. 3~5년 이후 상용화되면, 다양한 분야에 적용될 전망입니다.

천재 경제학자 케인즈가 100년 전에 예언했던, ''생산성의 비약적인 향상으로 주당 노동시간이 15시간으로 줄고, 사람들이 경제에 대한 관심이 줄고 즐거움과 아름다움에만 관심을 갖는 세상''이 진짜 현실로 다가오고 있다는 생각이 들었습니다.   

휴머노이드 로봇사업은 1)미국공장에 적용하여, 중국공장 대비 생산성을 크게 높여줄 수 있다는 점, 2) 상용화로 새로운 성장 동력이 될 수 있다는 점에서, 중국 리스크를 크게 완화시켜줍니다.
 
FSD는 2021년에는 전체 아키텍쳐 구성과 기술 개발 방향에 대한 설명이었다면, 2022년에는 각 분야를 어떻게 고도화시켰는지 설명했습니다. FSD는 북미에서 올해 내로 상용화가 가능하다는 계획을 유지하였습니다.

Dojo는 AI 슈퍼컴퓨터로 2023년 1분기에 기존의 슈퍼컴퓨터를 대체하고, 신경망 학습속도를 3~4배 개선시키고, 공간은 1/6로 줄어듭니다. 
신경망 학습속도의 향상은 FSD와 휴머노이드 로봇의 성능의 개선으로 이어질 전망입니다. 

유럽발 경제위기 우려, 미중 갈등 심화 등으로 테슬라 주가도 순탄하게 우상향할 수는 없습니다. 하필이면, 3분기 판매대수도 시장기대치를 하회했네요.

그러나 세상의 변화를 포트폴리오에 담고 싶은 투자가에게 테슬라는 꼭 가지고 가야할 자산임을 다시 한번 입증한 행사였습니다.

보다 자세한 내용은 리포트를 통해 말씀드리겠습니다.


■ Optimus

- 휴머노이드 로봇: 2021년 프로토타입에서 3번째 변화. 지속 변화 예정. 키 173cm, 몸무게 73kg
관절과 손에 인체공학적 기술 적용

- AI와 에너지, 테슬라 차량 적용기술과 동일: FSD칩, FSD 소포트웨어 적용.  배터리팩(2.3kwh), 
 충돌 테스트 시 Big Data로 로봇이 넘어질때 충격을 계산.
 한번 충전으로 하루종일 활동할 수 있게, 에너지 효율성을 최적화하기 위해 노력

- 차량과의 차이는 로봇 동작에 자유도 부여 및 동작의 최적화를 위해 28개의 액츄에이터가 필요.
최적화를 일부 포기하고, 원가절감을 위해 6개로  축소. 엑츄에이터는 500kg을 들수 있음 

- 대량생산 및 원가절감 노력: 2만 달러 이하 가격 목표(통상의 휴머노이드 로봇은 10만 달러).

- 현실 세계 적용의 어려움: 센서 노이즈 발생 등으로 2족 보행이 어려움. 이를 극복하기 위해 수많은 최적화 과정을 거침

 
■ FSD 아키텍쳐 고도화

- FSD 베타 사용자 급증: 2021년 2천 명 → 2022년 16만 명. 아키텍쳐 각 부분의 고도화로 경로 결정시간을 0.1초 단위에서 0.01초 단위로 단축

- 신경망 인지 1) Occupancy Network : 3차원 픽셀 기반의 좌표를 설정. 도로를 점유한 물체에대해 체적을 추정.

이미지는 NeRF(Neural radiance Fileds : 수십 장의 사진을 수십 밀리 초 안에  3D 공간으로 렌더링) 기술 기반.  

- 신경망 인지 2) 차선과 물체 : 자체 언어로 재구성

- 학습데이터 고도화: 오토 라벨링, 시뮬레이션, 데이터 엔진


■ 도조

- 자체 슈퍼컴퓨터를 개발하게 된 이유 : 데이터 쌓이는 속도를 학습속도가 따라갈 수 없는 상황.
 GPU 클러스터를 증가시켜도, 데이터 연산과 학습 성능이 개선되지 않음.

- 도조의 목표: 하나의 연결된 추진기(ExaPoD)를 만드는것, 25개의 타일을 높은 대역폭으로 연결

- 도조 성능: 6개의 GPU클러스터를 1개의 도조타일로 교체 가능.
  GPU로 몇 달 걸리는 학습속도가 도조로는 1주일 이내로 해결. 

- 2023년 1분기에 첫 번째 exaPod 설치: 오토라벨링에 먼저 활용할 것.
 GPU 클러스터 사용 시보다 3.2배 속도 개선 예상. 오토레이블링을 할 수 있는 Capa도 2.5배 증가.   

Occupancy Network 속도는 4.4배 개선될 전망.

(2022/10/3일 공표자료)