본문 바로가기

FINANCE SCOPE

구독안내
취재 인사이트

[인사이트] 자율주행 칩 '테슬라·엔비디아·인텔·퀄컴 주목' 테마

FS 콘텐츠팀 기자

입력 2024.08.27 10:00수정 2024.10.15 13:03

숏컷

X

해당 콘텐츠는 2024년 7월 29일에 공개된 내용입니다.


💡 이번 콘텐츠는 찐 자율주행 테마 도래의 근본을 이해하기 위한 뉴스입니다.


10월 10일 로보택시 행사가 핵심 이벤트이긴 하지만 모빌아이(인텔), 웨이모(구글 알파벳), 퀄컴, 엔비디아 등이 지속적으로 만들어갈 자율주행 유니버스를 주목하면 좋습니다. 그 분수령이 로보택시 이슈이며, 우버 등 많은 기업이 이슈파이팅을 할 것입니다. 그리고 자율주행칩은 고부가가치칩으로 최첨단공정(참고로 3nm 공정)을 통해 저전력, 고효율의 칩으로 만들어야 하는 만큼 TSMC, 삼성전자 등의 파운드리와도 연결되는 이슈입니다. 또한 HBM칩이 자율주행칩에 패키징(쉽게 말하자면 장착)될 것으로 예상하는 만큼 꼭 알아야 하는 분야입니다. 그래서 이번 취재 콘텐츠를 만들게 됐습니다. 투자에 꼭 필요한 부분이 될 겁니다. 언급되는 기업들과 연결해서 관련 테마도 나오리라 봅니다. 추후에 시그널리포트에서 국내 수혜주가 언급될 것으로 예상하는 만큼 이번 뉴스는 근본적인 배경지식 전달에 집중하겠습니다.


📌 목차
  • 10월 10일 테슬라 로보택시 발표와 자율주행 기술의 역사 그리고 테슬라 HW시리즈
  • 테슬라의 자율주행 관련 FSD(Full Self-Driving) 소프트웨어 라이선싱 전략
  • 테슬라 자율주행 칩의 구조
    • 테슬라(Tesla) 자율주행 칩: HW3
    • 적용 사례
  • 엔비디아 Drive AGX
    • 엔비디아(NVIDIA) 칩: Drive AGX (Xavier, Orin)
    • 적용 사례
  • 인텔 Mobileye EyeQ
    • 인텔(Intel) 및 Mobileye 칩: EyeQ (EyeQ4, EyeQ5)
    • 적용 사례
  • 퀄컴 Snapdragon Ride
    • 퀄컴(Qualcomm) 칩: Snapdragon Ride
    • 적용 사례
  • 자율주행 칩셋별 전력 효율성 비교


사진=오픈AI


◇10월 10일 테슬라 로보택시 발표와 자율주행 기술의 역사 그리고 테슬라 HW시리즈

테슬라 로보택시 발표
지난 25일(현지시간) 테슬라라티(Teslarati)는 테슬라 일론 머스크 CEO가 완전자율주행 로보택시 공개 행사를 10월 10일에 개최할 것이라고 밝혔다고 보도했습니다. (2013년에 설립된 테슬라라티는 테슬라 및 전기 자동차 산업과 관련된 뉴스를 전문으로 다루는 온라인 미디어 플랫폼입니다. 이 매체는 테슬라를 포함한 전기차 시장의 최신 소식, 기술 발전, 주식 및 금융 정보, 산업 분석 등을 제공하여 전기차 산업과 관련된 다양한 정보를 독자들에게 전달합니다.)

금융투자업계와 IT업계에선 앞으로 자율주행 소프트웨어 기술과 자율주행 반도체칩 기술 발전에 따라 테마와 산업 형성 가능성을 점치고 있으며 이르면 2025년을 원년으로 평가하고 있습니다. 가장 선두에 선 기업 중 하나였던 모빌아이(인텔)는 상대적 데이터부족, 하드웨어와 소프트웨어 통합 최적화 한계 등으로 인해 어려움을 겪고 있습니다. 2순위였던 구글의 웨이모도 비슷한 상황으로 여의치 않습니다. 웨이모는 고가의 라이다(LiDAR), 레이더, 고성능 컴퓨팅 시스템 등을 사용하여 자율주행 차량을 개발하고 있으며, 이는 상업화 비용을 증가시킵니다.

여기서 테슬라가 등장합니다. 테슬라도 개발 초기에는 어려움을 겪었지만 인공지능(AI, FSD) 기술로 반전을 꾀합니다.

자율주행 기술의 역사
모빌아이는 2004년 첫 번째 EyeQ 칩을 출시했습니다. 이 칩은 고성능 비전 프로세서를 기반으로 해 ADAS 기능을 지원했습니다.
EyeQ1 칩은 차선 이탈 경고, 충돌 방지 경고, 스마트 헤드라이트 제어 등의 기능을 제공하며, 여러 자동차 제조업체에서 채택됐습니다.

구글은 2009년 자율주행차 프로젝트를 시작했습니다. 구글의 자율주행차는 여러 주에서 수많은 마일을 주행하며 자율주행 기술의 발전을 주도했습니다. 이 프로젝트는 이후 웨이모(Waymo)로 독립하게 됐습니다.

해당 시점에선 여전히 모빌아이가 가장 유력한 업체였습니다. 모빌아이는 2010년 향상된 성능과 더 많은 기능을 제공하는 EyeQ2 칩을 출시했습니다. 이 칩은 더 복잡한 ADAS 기능을 지원하며, 전 세계 여러 자동차 제조업체에서 사용됐죠.

테슬라는 2012년부터 손을 들었습니다. 테슬라는 모델 S의 출시와 함께 첫 번째 오토파일럿 기능을 발표했습니다. 이 초기 단계에서는 운전 보조 기능으로 차선 유지 및 적응형 크루즈 컨트롤을 포함했죠.

테슬라는 실제 2014년 자사의 전기차 모델에 오토파일럿 기능을 도입했습니다. 이 시스템은 차선 유지, 자동 주차, 자율주행 모드 등의 기능을 포함하며, 자율주행 기술을 대중에게 널리 알리는 계기가 됐죠.

같은 시점인 2014년 모빌아이는 EyeQ3 칩을 출시했습니다. 이 칩은 더 높은 연산 성능과 개선된 에너지 효율성을 제공하며, 자동 비상 제동, 적응형 크루즈 컨트롤, 보행자 보호 등 고급 ADAS 기능을 지원했습니다.

또한 모빌아이는 2016년 EyeQ4 칩을 출시했습니다. EyeQ4는 약 2.5 TOPS의 연산 성능을 제공하며, 복잡한 자율주행 기능과 ADAS 기능을 지원했습니다. 이 칩은 카메라, 레이더, 라이다 데이터를 통합해 더 정확한 환경 인식을 가능하게 했다고 합니다.

2018년, 모빌아이는 EyeQ5 칩을 출시했습니다. 이 칩은 초당 24 TOPS의 성능을 제공하며, 자율주행차의 복잡한 인식 및 의사 결정 작업을 지원했습니다.

EyeQ5는 전력 효율성과 성능을 균형 있게 제공해, 레벨 4 및 레벨 5 자율주행 기능을 구현할 수 있도록 설계됐다고 합니다. 다만 최근에 개발되고 있는 자율주행칩의 수준엔 못 미치는 수준입니다.

실질적으로 자율주행 기술은 2020년대 초반에 레벨 3 자율주행으로 발전했습니다. 레벨 3 자율주행은 특정 조건에서 차량이 스스로 주행할 수 있는 능력을 의미하며, 운전자가 개입할 필요가 거의 없는 상태를 나타냅니다. 아우디, 메르세데스-벤츠 등은 레벨 3 자율주행 기능을 일부 모델에 적용하기 시작했습니다. 다만 완성도 문제로 인해 자율주행 기능을 제대로 쓰는 운전자는 소수였습니다.

테슬라는 2019년 자율주행 컴퓨터 HW3(오토파일럿 3.0)를 발표하고 FSD 기능을 강화한 소프트웨어 업데이트를 발표했습니다. FSD는 자율 주차, 교차로 인식, 신호등, 정지선 인식 등의 고급 자율주행 기능을 포함합니다.

앞으로 완전 자율주행으로의 전환이 당면한 과제인데요. 자율주행 기술은 현재 레벨 4와 레벨 5를 목표로 하고 있습니다. 레벨 4 자율주행은 특정 조건에서 완전한 자율주행을 가능하게 하며, 레벨 5는 모든 조건에서 운전자의 개입 없이 자율주행이 가능한 상태를 의미합니다. 이는 기술적, 법적, 윤리적 도전 과제가 남아 있지만, 향후 수년 내에 점진적으로 구현될 것으로 예상됩니다.

테슬라 이야기로 조금 좁혀 보겠습니다.

레벨 5 자율주행을 목표로 한 테슬라의 HW4
테슬라는 2023년 HW4 자율주행 컴퓨터를 내놓았습니다. HW4는 더욱 향상된 처리 능력과 에너지 효율성을 제공할 것으로 예상됩니다. 레벨 5 자율주행(모든 조건에서 운전자의 개입 없이 완전한 자율주행)을 목표로 하고 있습니다. 자율주행 택시가 HW4로 구현된다는 평을 받고 있고요. 테슬라는 Tesla FSD V12.5 업데이트를 통해 HW4를 적용한 테슬라 차량 오너에게 레벨 4에서 레벨 5수준의 경험을 하게 하고 있습니다. 실제 최근 유튜브 등 여러 창구를 통해 12.5버전의 완성도를 극찬하는 일반 사용자의 영상이 공개되고 있습니다.

테슬라는 앞으로 HW3칩을 적용한 테슬라 차량에도 v12.5 업데이트를 하겠다고 밝히기도 했습니다. 소프트웨어 업데이트와 최적화를 통해 HW3에도 적용하겠다는 입장입니다.

참고로 HW4는 이전 모델인 HW3에 비해 2~4배 빠른 처리 능력을 자랑합니다. CPU 코어 수가 12개에서 20개로 증가했고, 각 코어의 최대 주파수는 2.35GHz로 향상됐습니다. Neural Network (NN) 프로세서도 개선되어 성능이 초당 50 TOPS로 증가했습니다. 이는 HW3의 36 TOPS보다 높은 수치입니다.

TOPS(Tera Operations Per Second)는 초당 연산 테라수(Tera Operations Per Second)를 의미하는 단위입니다. 컴퓨팅 장치의 연산 성능을 측정하는 데 사용되죠. 1 TOPS는 1초에 1조 개의 연산을 수행할 수 있음을 나타냅니다. 자율주행 시스템에서 TOPS는 주로 신경망 처리 장치(NPU)와 같은 AI 가속기의 성능을 나타내는 지표로 사용됩니다. 높은 수준의 TOPS는 자율주행 차량이 실시간으로 방대한 데이터를 처리하고 복잡한 AI 알고리즘을 실행하는 데 필요한 높은 연산 능력을 제공한다는 것을 의미합니다. 다만 여기서 또 필요한 것은 자율주행에 최적화를 얼마나 하느냐도 중요합니다. TOPS가 높아질수록 높은 사양과 높은 소비 전력량을 요구하기 때문입니다. 칩의 가격도 비싸지는 만큼 해당 지표와 최적화 이슈가 체크해야 할 사항입니다.

HW4는 총 12개의 카메라를 지원하며, 각 카메라는 고해상도와 넓은 시야각을 제공합니다. 새로운 카메라는 기존 카메라보다 더 높은 해상도와 색 재현성을 자랑합니다. 추가적으로, HW4는 고해상도 레이더인 'Phoenix' 레이더를 다시 도입, 저조도 환경이나 악천후에서도 정확한 인식을 제공합니다. 향후 테슬라 차량의 변화(카메라 개수 등)를 예상할 수 있는 부분이며 로보택시의 스팩도 어느 정도 엿볼 수 있다는 평입니다.

◇테슬라의 자율주행 관련 FSD(Full Self-Driving) 소프트웨어 라이선싱 전략

테슬라는 자사의 자율주행 기술인 FSD(Full Self-Driving) 소프트웨어를 라이선싱하는 전략을 통해 다양한 장점을 얻을 수 있습니다. 주요 전략적 요소들은 다음과 같습니다:
  • 시장 확장 및 수익 다변화
    • FSD 소프트웨어를 다른 자동차 제조업체에 라이선싱하여 추가적인 수익원을 확보할 수 있습니다. 이는 자율주행 기술 수요가 증가하는 시점에서 중요한 전략입니다.
  • 기술 표준화 및 영향력 확대
    • 테슬라의 FSD 기술을 다른 제조업체가 채택하게 되면, 자율주행 분야의 기술 표준화에 기여할 수 있습니다. 이는 테슬라의 기술적 리더십을 강화하고 시장에서의 영향력을 확대하는 데 도움이 됩니다.
  • 데이터 및 학습 효율성 강화
    • 더 많은 차량이 FSD 소프트웨어를 사용하면, 테슬라는 더 많은 주행 데이터를 수집할 수 있습니다. 이를 통해 자율주행 알고리즘을 발전시키고 소프트웨어의 정확성과 안전성을 향상시킬 수 있습니다.
  • 협력 및 생태계 구축
    • 다른 자동차 제조업체와의 협력을 통해 자율주행 생태계를 구축할 수 있습니다. 이는 자동차 산업 전반의 기술 발전을 촉진하고 자율주행 차량의 대중화를 가속화하는 데 기여할 수 있습니다.

테슬라의 자율주행 하드웨어 칩과 렌즈 시스템을 다른 차량에 적용하는 전략은 다음과 같습니다:
  • 맞춤형 통합 솔루션 제공
    • 다른 자동차 제조업체와 협력하여 자율주행 하드웨어와 소프트웨어가 원활하게 작동하도록 맞춤형 통합 솔루션을 제공합니다. 필요시 맞춤형 칩셋과 렌즈 케이스 디자인을 개발할 수 있습니다.
  • 모듈형 설계
    • 자율주행 시스템을 모듈형으로 설계하여 다양한 차량 모델에 유연하게 적용할 수 있도록 합니다. 이는 제조업체들이 기존 차량 플랫폼에 통합하기 쉽게 만듭니다.
  • 공동 개발 및 기술 지원
    • 다른 제조업체와의 공동 개발 프로젝트를 통해 자사의 기술과 노하우를 공유하고, 파트너들이 자율주행 시스템을 효과적으로 적용할 수 있도록 지원합니다.
  • 표준화와 인증
    • 자율주행 시스템이 다양한 규제와 표준을 준수하도록 국제적인 표준화 기구와 협력하고 필요한 인증을 받는 과정에서 파트너를 지원합니다.
  • 유지보수 및 업그레이드 서비스
    • 파트너들에게 자율주행 시스템의 유지보수 및 업그레이드 서비스를 제공하여 시스템의 성능을 지속적으로 개선하고 최신 기술을 적용할 수 있도록 지원합니다.

◇테슬라 자율주행 칩의 구조

여기서 지식의 깊이를 높이기 위해 테슬라 자율주행 칩의 구조를 알아야 필요가 있습니다.

테슬라 자율주행 칩 HW3의 구조
  • 칩 아키텍처
    • 테슬라의 HW3 칩은 AI 처리를 위한 두 개의 신경망 처리 장치(NPU)를 포함하고 있습니다. 각각 초당 36 TOPS의 연산 능력을 가지고 있어 총 72 TOPS의 성능을 제공합니다. CPU와 GPU 코어도 포함되어 있어 다양한 연산 작업을 효율적으로 처리할 수 있습니다.
  • 신경망 처리 장치(NPU)
    • NPU는 실시간으로 차량 주변의 상황을 분석하고 의사 결정을 내립니다. 이를 통해 객체 인식, 경로 계획, 차량 제어 등의 자율주행 기능을 수행합니다.
  • 안전성 및 이중화
    • 이중화된 설계를 채택해 하나의 칩에 문제가 발생하더라도 시스템이 계속 작동할 수 있도록 합니다. 이는 자율주행 차량의 안정성과 신뢰성을 높이는 데 중요한 역할을 합니다.
  • 센서 및 카메라 통합
    • 다양한 센서와 카메라로부터 데이터를 수집해 실시간으로 처리합니다. 8개의 카메라, 12개의 초음파 센서, 전방 레이더를 사용해 360도 시야를 확보하고 다양한 주행 상황에 대응합니다.(현재 기준)
  • 데이터 수집 및 학습
    • 주행 중 수집한 데이터를 클라우드에 업로드하고 이를 통해 자율주행 알고리즘을 지속적으로 학습하고 개선합니다. HW3 칩은 이러한 데이터 수집과 처리 작업을 효율적으로 수행할 수 있도록 설계되었습니다.
적용 사례
  • 테슬라 모델 S, 모델 3, 모델 X, 모델 Y
    • 테슬라의 HW3 자율주행 칩은 2019년 이후 생산된 모든 테슬라 차량에 탑재되고 있습니다. 이 칩은 자율주행 기능인 Full Self-Driving (FSD)와 Enhanced Autopilot 기능을 지원합니다.

◇엔비디아 Drive AGX

엔비디아(NVIDIA) 칩: Drive AGX (Xavier, Orin)
  • Drive AGX Xavier
    • 자율주행을 위해 설계된 시스템 온 칩(SoC)으로, 초당 30 TOPS의 연산 성능을 제공합니다. 512개의 CUDA 코어, 8개의 ARM Cortex-A CPU 코어, 2개의 딥러닝 가속기를 포함하고 있어 고성능 AI 연산을 지원합니다.
  • Drive AGX Orin
    • 더 발전된 Orin 칩은 초당 200 TOPS의 성능을 제공하며, 자율주행 차량의 다양한 센서 데이터를 실시간으로 처리할 수 있습니다. AI 연산, 고성능 GPU, CPU 코어를 통합하여 자율주행 및 고도화된 운전자 지원 시스템을 지원합니다.

적용 사례
  • 1. 볼보
    • 엔비디아의 Drive AGX Xavier 플랫폼은 볼보의 차세대 자율주행 차량에 사용되고 있습니다. 볼보는 엔비디아의 AI 기술을 통해 고급 운전자 지원 시스템과 자율주행 기능을 강화하고 있습니다.
  • 2. 메르세데스-벤츠
    • 메르세데스-벤츠는 엔비디아와 협력하여 Drive AGX Orin 플랫폼을 자사 자율주행 시스템에 통합하고 있습니다. 이 플랫폼은 고급 자율주행 기능과 AI 기반의 운전자 지원 시스템을 제공합니다.

◇인텔 Mobileye EyeQ

인텔(Intel)및 Mobileye 칩: EyeQ 시리즈 (EyeQ4, EyeQ5)
  • EyeQ4
    • 자율주행 및 첨단 운전자 지원 시스템(ADAS)을 위해 설계된 SoC로, 초당 2.5 TOPS의 성능을 제공합니다. 고도로 병렬화된 아키텍처를 통해 이미지 처리 및 컴퓨터 비전 작업을 효율적으로 수행합니다.
  • EyeQ5
    • 초당 24 TOPS의 성능을 제공하며, 자율주행 차량의 복잡한 인식 및 의사 결정 작업을 지원합니다. 전력 효율성과 성능을 균형 있게 제공합니다.

적용 사례
  • 1. BMW
    • BMW는 Mobileye의 EyeQ4 칩을 사용하여 자율주행 기능과 ADAS 기능을 통합한 차량을 개발하고 있습니다. EyeQ4 칩은 BMW의 다양한 모델에 적용돼 고급 운전자 지원 시스템을 제공합니다.
  • 2. 폴크스바겐
    • 폴크스바겐은 Mobileye의 EyeQ5 칩을 자율주행 차량에 통합해 고급 자율주행 기능을 구현하고 있습니다. 폴크스바겐의 자율주행 차량 프로젝트는 Mobileye의 첨단 컴퓨터 비전 기술을 활용합니다.

◇퀄컴 Snapdragon Ride

퀄컴(Qualcomm) 칩: Snapdragon Ride
  • Snapdragon Ride
    • 자율주행 플랫폼으로, CPU, GPU, NPU(Neural Processing Unit)를 통합해 고성능 연산 능력과 전력 효율성을 제공합니다. 모듈형 설계를 통해 다양한 자율주행 및 ADAS 애플리케이션을 지원합니다. 초당 30 TOPS 이상의 연산 성능을 제공하며, 자율주행 차량의 인식, 경로 계획, 차량 제어 등 다양한 작업을 실시간으로 수행할 수 있습니다.

적용 사례
  • 1. 혼다
    • 혼다는 퀄컴의 Snapdragon Ride 플랫폼을 사용해 자율주행 기술을 개발하고 있습니다. 이 플랫폼은 혼다의 자율주행 차량에 탑재되어 고성능 연산 능력과 AI 기능을 제공합니다.
  • 2. GM (제너럴 모터스)
    • GM은 자사의 차세대 자율주행 시스템에 퀄컴의 Snapdragon Ride 플랫폼을 통합하고 있습니다. 이 시스템은 GM의 다양한 차량 모델에 적용되어 자율주행 기능과 고급 운전자 지원 시스템을 강화합니다.

◇자율주행 칩셋별 전력 효율성 비교

테슬라의 HW3 칩은 자율주행 시스템의 핵심 요소로, 전력 효율성 측면에서 엔비디아, 인텔 Mobileye, 퀄컴 등 다른 주요 경쟁 기업의 자율주행 칩과 비교해볼 수 있습니다. 각 기업의 칩은 고유한 아키텍처와 설계 전략을 가지고 있으며, 이는 전력 소비와 효율성에 영향을 미칩니다. 다만 각각의 회사에선 지속적으로 칩의 전력 소비를 줄이는 기술을 적용하고 있는 만큼 현재 언급하고 있는 수치는 달라질 수 있습니다. 저전력 경쟁을 하고 있다는 것을 인지시켜드리기 위한 비교입니다. 전기차의 주요 과제 중 하나는 전기차 구동 이외에 사용되는 전력량을 최소화, 최적화하는 것입니다. 이는 자율주행 영역으로 넘어갈 때 주요한 요소로 작용할 전망입니다. 그래서 최선단공정의 수요와 자율주행칩의 연결도 상당부분 접점을 가질 것으로 보고 있습니다.

테슬라 HW3 칩
  • 전력 소비: 테슬라의 HW3 칩은 약 72 TOPS(Tera Operations Per Second)의 성능을 제공하며, 주로 자율주행 기능을 지원하는데 필요한 고성능 연산을 처리합니다. HW3 칩의 전력 소비는 약 72W 범위 내에서 소비된다고 알려져 있습니다.
  • 전력 효율성: HW3 칩은 고성능 AI 연산을 위한 두 개의 신경망 처리 장치(NPU), CPU, GPU 코어를 포함한 통합 설계를 가지고 있어, 높은 성능 대비 효율적인 전력 소비를 자랑합니다. 그러나 전력 효율성에서 다른 칩들과의 직접 비교는 다소 어렵습니다.

엔비디아 Drive AGX
  • 전력 소비: 엔비디아의 Drive AGX Xavier는 약 30W에서 60W의 전력을 소비하며, 초당 30 TOPS의 성능을 제공합니다. 더 고성능인 Orin 칩은 초당 200 TOPS의 성능을 제공하며, 100W 이상의 전력을 소비할 수 있습니다.
  • 전력 효율성: 엔비디아의 칩은 GPU 중심의 고성능 병렬 처리를 통해 AI 연산을 효율적으로 수행합니다. Orin 칩은 특히 높은 성능과 전력 효율성을 목표로 설계되었습니다.

인텔 Mobileye EyeQ
  • 전력 소비: Mobileye의 EyeQ4는 약 2.5W의 전력을 소비하며, 초당 2.5 TOPS의 성능을 제공합니다. EyeQ5는 약 10W의 전력을 소비하면서 초당 24 TOPS의 성능을 제공합니다.
  • 전력 효율성: Mobileye EyeQ 시리즈는 전력 효율성을 매우 중시해 설계됐으며, 저전력 소비와 높은 성능을 균형 있게 제공합니다. 특히 EyeQ5는 전력 효율성이 매우 높아 다양한 자율주행 애플리케이션에 적합합니다.
퀄컴 Snapdragon Ride
  • 전력 소비: 퀄컴의 Snapdragon Ride 플랫폼은 약 30W에서 100W 범위 내에서 전력을 소비하며, 초당 30 TOPS 이상의 성능을 제공합니다.
  • 전력 효율성: 퀄컴의 칩은 CPU, GPU, NPU를 통합한 SoC 설계를 통해 전력 소비를 최소화하면서도 높은 성능을 제공합니다. 특히 모바일 기기에서의 전력 효율성 경험을 바탕으로 설계된 것이 강점입니다.

FS 콘텐츠팀 기자 team_contents@finance-scope.com

섹터 VIEW