TESLA AI Day 2022
테슬라의 AI day 2022년이 공개됐습니다. AI day가 끝나기가 무섭게 수많은 블로그와 유튜브에서 리뷰가 쏟아졌습니다. 의견은 제외하고 팩트 위주로만 요약하여 기록해보겠습니다.
https://www.youtube.com/watch?v=Gm6dZ1q06ks
제가 기록한 자료는 삼성증권 임은영 애널리스트 님께서 요약해주신 자료입니다. 리서치톡 서비스를 통해 받은 내용을 기억하고자 정리해봅니다.
삼성증권 리서치톡 : 임은영 애널리스트 자료
■ 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 넘어질 때 충격을 계산. 한번 충전으로 하루 종일 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 들 수 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 물체에 대해 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 학습 속도가 따라갈 수 없는 상황. GPU 클러스터를 증가시켜도, 데이터 연산과 학습 성능이 개선되지 않음.
- 도조의 목표: 하나의 연결된 추진기(ExaPoD)를 만드는 것, 25개의 타일을 높은 대역폭으로 연결
- 도조 성능: 6개의 GPU 클러스터를 1개의 도조타일로 교체 가능. GPU로 몇 달 걸리는 학습 속도가 도조로는 1주일 이내로 해결.
- 2023년 1분기에 첫 번째 exaPod 설치: 오토 라벨링에 먼저 활용할 것. GPU 클러스터 사용 시보다 3.2배 속도 개선 예상. 오토 레이블링을 할 수 있는 Capa도 2.5배 증가. Occupancy Network 속도는 4.4배 개선될 전망.
관련된 수많은 영상이 이미 업로드되어 있습니다. 많은 부분은 테슬라의 찬양과 보스턴 다이내믹스와의 비교, AI 기술에 대한 논평 등 세세한 내용이 추가되어 있습니다. 그러나 제 생각에 핵심은 위에 기록한 내용이 가장 잘 요약되어 있는 듯합니다. 저도 테슬라 주주이지만 어그로를 위한 과한 칭송은 걸러 듣고 싶은 마음입니다.
한편 테슬라의 3분기 차량 인도수가 발표됐습니다. 34.3만 대를 판매하며 YOY 42%, QOQ 35% 성장했습니다. 그러나 이는 시장 컨센 35.7만 대를 하회하는 판매대수로 단기 주가에는 부정적일 수 있습니다. 또한 경기침체로 인한 수요 둔화, 매크로 이슈 등으로 테슬라의 주가도 조정받을 개연성이 높아 보입니다.
- 생산대수: 365,923대(+41.5%QoQ/ +53.9YoY)
- 판매대수: 343,830대(+35%QoQ/+42.4%YoY)
- 시장 기대치인 판매대수 35.7만 대를 3.7% 하회
장기적 관점으로 계속해서 공부해보겠습니다. 이번 조정이 큰 기회가 되길 바라봅니다.
