수정 중인 자율주행이 정답이다. 수정 중인 자율주행이 정답이다.
○ 자율주행의 현주소 창출 가능한 잠재가치는 무궁무진하지만, 어려운 현실 EV의 수요 둔화 국면은 가격 경쟁이 아닌 혁신적인 부가가치 제공으로 타개할 수 있는 내연차와 같은 단순 주행기뿐만 아니라 자율주행 기능 추가로 인포테인먼트, 로보택시 등 부가가치 창출이 핵심인 차량을 이용하는 시간 →다양한 콘텐츠와 서비스 소비가 가능한 차량을 이용하지 않는 시간 →공유경제 기반의 로보택시를 통한 부가가치 창출 자율주행으로 승용차 시장뿐만 아니라 물류/운송 시장에 적용, 로봇 분야 상용화와 로봇 자율주행에 대한 본격적인 투자로 본격적으로 발전한, 부정적 소비자 인식, 기술적 한계, 금리인상, 투자부담 가중 등 전반적인 투자환경 악화로 자율주행시장의 일시적 침체구간 진입 ○ 자율주행의 현주소 창출 가능한 잠재가치는 무궁무진하지만, 어려운 현실 EV의 수요 둔화 국면은 가격 경쟁이 아닌 혁신적인 부가가치 제공으로 타개할 수 있는 내연차와 같은 단순 주행기뿐만 아니라 자율주행 기능 추가로 인포테인먼트, 로보택시 등 부가가치 창출이 핵심인 차량을 이용하는 시간 →다양한 콘텐츠와 서비스 소비가 가능한 차량을 이용하지 않는 시간 →공유경제 기반의 로보택시를 통한 부가가치 창출 자율주행으로 승용차 시장뿐만 아니라 물류/운송 시장에 적용, 로봇 분야 상용화와 로봇 자율주행에 대한 본격적인 투자로 본격적으로 발전한, 부정적 소비자 인식, 기술적 한계, 금리인상, 투자부담 가중 등 전반적인 투자환경 악화로 자율주행시장의 일시적 침체구간 진입
○ 아직 갈 길이 먼 상용화 자율주행 투자를 축소하는 기업 애플은 지난 10년간 공들여온 애플카(자율주행) 사업을 중단했으며, 현재 업계 내 일반적으로 상용화된 자율주행 기술 수준은 Lv.2로서 ADAS(Advanced Driver Assistance System, 운전자 보조 시스템) 영역에 가깝다. Lv1~2는 운전자 지원 영역 → 주행 책임 영역: 운전자 Lv3~5는 자율주행 영역 → 주행책임 영역 : 차량 / 시스템 / 제조사 자율주행 Lv3 상용화 시점 27~30년경 예측 30년경이 되어도 여전히 Lv1~2가 주류를 차지하는 것. ○ 아직 갈 길이 먼 상용화 자율주행 투자를 축소하는 기업 애플은 지난 10년간 공들여온 애플카(자율주행) 사업을 중단했으며, 현재 업계 내 일반적으로 상용화된 자율주행 기술 수준은 Lv.2로서 ADAS(Advanced Driver Assistance System, 운전자 보조 시스템) 영역에 가깝다. Lv1~2는 운전자 지원 영역 → 주행 책임 영역: 운전자 Lv3~5는 자율주행 영역 → 주행책임 영역 : 차량 / 시스템 / 제조사 자율주행 Lv3 상용화 시점 27~30년경 예측 30년경이 되어도 여전히 Lv1~2가 주류를 차지하는 것.
○ 자율주행 작동방식인지-판단-제어인지:차량에 탑재된 센서(카메라 등)를 통해 현재 차량의 상황 및 주변 외부환경 인지 판단:인지된 정보를 기반으로 적절한 주행 의사결정을 내리는 제어:판단을 기반으로 물리적으로 차량을 구동 ○ 자율주행 작동방식인지-판단-제어인지:차량에 탑재된 센서(카메라 등)를 통해 현재 차량의 상황 및 주변 외부환경 인지 판단:인지된 정보를 기반으로 적절한 주행 의사결정을 내리는 제어:판단을 기반으로 물리적으로 차량을 구동
인기글
○ 자율주행 기술 고도화를 위한 HW 기반: 반도체 차량용 반도체 시장 HW는 반도체(컴퓨팅 파워), 센서(카메라/레이더/라이다), 배터리, SW는 OS(운영체제)가 핵심인 차량의 전장화 비중이 증가하는 가운데, MCU(Micro Controller Unit): 전장시스템 전반을 제어 센서: 차량의 내/외부 환경을 감지 아날로그 회로: 속도/온도/압력 등의 신호를 디지털화 PMIC(Power Management Integrated Circuit): 전력관리 메모리: 정보를 저장/보관하는 기존 차량용 반도체 시장의 꾸준한 성장을 기대하는 차량용 반도체 기능별 비중(21년 기준) MCU: 18% 센서: 19% 아날로그 PMICM 7%(주요 메모리): 독일의 7% : 8% ST 마이크로(스위스) : 8% ○ 자율주행 기술 고도화를 위한 HW 기반: 반도체 차량용 반도체 시장 HW는 반도체(컴퓨팅 파워), 센서(카메라/레이더/라이다), 배터리, SW는 OS(운영체제)가 핵심인 차량의 전장화 비중이 증가하는 가운데, MCU(Micro Controller Unit): 전장시스템 전반을 제어 센서: 차량의 내/외부 환경을 감지 아날로그 회로: 속도/온도/압력 등의 신호를 디지털화 PMIC(Power Management Integrated Circuit): 전력관리 메모리: 정보를 저장/보관하는 기존 차량용 반도체 시장의 꾸준한 성장을 기대하는 차량용 반도체 기능별 비중(21년 기준) MCU: 18% 센서: 19% 아날로그 PMICM 7%(주요 메모리): 독일의 7% : 8% ST 마이크로(스위스) : 8%
○ 자동 운전 기술의 토대:차량의 아키텍처 변화 분산형에서 중앙 집중형 구조로 차량 아키텍처 변화 차량용 E/E아키텍처(Electric/Electronic Architecture)변화 분산형 구조(Traditional Architecthre):독립된 개별 기능을 수행하는 100이상의 ECU(Electronic Control Unit)으로 구성되어 도메인 중심 구조(Domain Architecture):5~6개 도매인별로 묶인 통합 ECU기반의 중앙 집중형 구조(Centralized Acture)OS아키텍처는 중앙 집권형 구역 구조에 근거하고 있다,HW는 고도의 통합 제어 칩(SoC)가 채용 ECU탑재 개수의 감소를 통하여 배선의 효율화 및 중량 경량화가 가능하게 된 ECU구조로 OTA(Over The Air)을 통한 SW업 데이트 기능의 구현도 쉽고, 강력한 컴퓨팅 파워를 겸비한 자동 운전 칩을 중앙에 위치하여 복잡한 연산이 필요한 자동 운전 기술의 구현이 가능한 테슬라는 자체 OS와 FSD칩이 탑재된 중앙 집중형 아키텍처 구조를 적용하고 이를 기반으로 하는 OTA업데이트 및 FSD자동 운전 기능의 구현을 실현하려는
○ 센서 : 카메라 VS 라이더 논쟁 테슬라(카메라 Only) VS non-테슬라(라이더 포함) 테슬라는 사람의 눈을 통해 외부를 인식하고 운전하는 것처럼 Pure Vision 지향 특히 비싼 라이더는 높은 가격과 높은 전력 소모량, 무거운 데이터 처리에 필요한 연산 능력 등을 이유로 채택하지 않고, 대량의 주행 데이터 학습과 End to End 통합 신경망으로 구성된 자체 자율주행 AI 모델 고도화로 카메라 데이터만으로 충분히 자율주행 구현이 가능하다고 주장한 테슬라 대다수 기업은 보다 안전하고 신뢰성 있으며 안전한 자율주행 기술 구현을 위해 카메라+레이더+라이다(+초음파)를 모두 혼합한 퓨전 센서 채택, 탁승자의 생명과 직결된 자동차라는 디바이스 특성상 안전을 최우선 가치로 하는 자율주행 3단계부터 사고 시 제조사가 그 책임을 지는 구조라는 입장이다 ○ 센서 : 카메라 VS 라이더 논쟁 테슬라(카메라 Only) VS non-테슬라(라이더 포함) 테슬라는 사람의 눈을 통해 외부를 인식하고 운전하는 것처럼 Pure Vision 지향 특히 비싼 라이더는 높은 가격과 높은 전력 소모량, 무거운 데이터 처리에 필요한 연산 능력 등을 이유로 채택하지 않고, 대량의 주행 데이터 학습과 End to End 통합 신경망으로 구성된 자체 자율주행 AI 모델 고도화로 카메라 데이터만으로 충분히 자율주행 구현이 가능하다고 주장한 테슬라 대다수 기업은 보다 안전하고 신뢰성 있으며 안전한 자율주행 기술 구현을 위해 카메라+레이더+라이다(+초음파)를 모두 혼합한 퓨전 센서 채택, 탁승자의 생명과 직결된 자동차라는 디바이스 특성상 안전을 최우선 가치로 하는 자율주행 3단계부터 사고 시 제조사가 그 책임을 지는 구조라는 입장이다
○ 테슬라의 자동 운전:4. 방대한 주행 데이터 24년 4월 누적 FSD주행 거리 12억마일 AI모델, FSD칩 도조 슈퍼 컴퓨터와 함께 자동 운전을 완성하는 방대한 주행 데이터인 임테스라의 누적 판매량은 약 585만대인 임테스라의 자동 운전 SW기능은 오토 파일럿과 FSD에 나뉘어 오토 파일럿 차량에 기본적으로 탑재된 자동 운전 L2수준의 ADAS기능 FSDL5수준의 완전 자동 운전을 염두에 둔 기능 FSD베타에서 운행된 누적 주행 거리는 24.4월 기준으로 12억마일을 돌파한 FSD침투율의 확대 때문에 FSD월 구독료를 기존의$199→$99로 낮추어 테슬라는 모든 그림자를 통해서 드라이버가 인지할 수 없는 수준에서 자연스럽게 개발 중인 자동 운전 기능을 테스트하기도 한다.차량의 주행 데이터는 내부 서버(데이터 센터)으로 전송된 뒤 도조 컴퓨터에서 AI모델이 학습되고 이를 바탕으로 학습된 SW가 OTA을 통해서 차량에 패치된다
○ 어려운 길이지만, 그 가치는 있다.어렵지만 자동 운전이 정답이다.EV시장의 성장 정체 중 수요 회복을 위해서는 단순한 가격 인하 경쟁에서는 한계가 있는 전기 자동차에 기존의 내연 기관차와 차별화된 부가 가치가 필요하며 자동 운전이 그 대답이 되는 자동 운전은 기술적으로 상당 부분 완성하고 있지만,마지막 부분 롱 테일 문제의 해결이 쉽지 않다※롱 테일:발생 가능성이 낮은 다수의 사건이 통계 분포의 한쪽으로 길게 분포된 현상 현재까지 자동 운전 기술이 90%정도 완성했다고 가정하면 나머지 10%를 충족시키기 위해서 지금까지 걸어온 노력(비용)의 1만배 이상이 필요 ○ 자동 운전의 활용 가치:로보 택시(테슬러)테슬라의 FSD및 로보 택시 창출 가치 추정 4월 이ー롱 마스크로 택시 8/8일 공개한다언급 마스크는 과거 연간 9만마일 주행이 가능한(수명 11년 총 100만마일)로 택시 운영 계획을 밝힌 테슬라의 FSD, 그리고 로보 택시가 창출 가능한 가치를 추정하면 FSD구독의 매출과 로봇 택시 플랫폼 운영의 수수로 수익 33년 기준으로$66B이상 창출 → 40년$947B출처:대신 증권, 정·챠은효은아나리스토, All Youneed is자동 운전