엔비디아 & 현대차 자율주행 전략 (GPU / 인공지능 / 오픈소스 / 드라이브 AGX 자비에 / CUDA 쿠다 / 인텔 모빌애기 EyeQ / 테슬라 FSD / 앱티브 / 오로라) 좋은정보

>

​ ​ ​ 1. 엔비디아 자율 주행 하드웨어 ​(1)의 드라이브 AGX자비에(DRIVE AGX Xavier)-엔비디아는 인공 지능 컴퓨팅 기술을 바탕으로 자율 주행 시스템 개발에 필요한 AI칩셋(Xavier SoC)슈퍼 컴퓨터(DGX Super POD), 시뮬레이터(Drive SIM, DRIVE Constellation)등 기반 플랫폼을 개발. 자율주행차를 직접 생산하지는 않지만 이를 파트너사가 설계하는 자율주행자동차에 연결하는 방식-CPU는 데이터에 자신은 있지만 매우 빠르게 순서대로 처리하는 반면 GPU는 동시다발적으로 발발하는 정보를 CPU보다는 느리지만 대신 정리해 처리한다. 자율 주행의 경우 레이더와 라이더, 카메라, 센서 등에서 발발한 정보를 동시에 파악하고 분석해야 하기 때문에 자율 주행에서도 GPU의 역할이 중요 ​ ​-CES 2018에서 엔비디아는 '드라이브 자비에'라는 제품을 유출. 신뢰할 수 있는 자율 주행 자동차를 만들기 위해서는 안정적인 시스템이 필요, 특히 인터넷 네트워크에 연결되지 않은 형편에서도 그치지 않고 의문 없이 작동해야 합니다는 목적으로 개발된 제품 ​-안정적인 솔루션만 아니라 30W의 전력만으로도 1초에 30조 회의(30 TOPS)의 연산이 가능할 정도로 효율적인 제품으로 320개 이상의 고객사에 공급 ​-엔비디아는 드라이브 자비에 개발을 위한 4년의 연구 기간 동안 약 20억달러를 투입. 90억개 이상의 트랜지스터, 8개의 코어 GPU, 512개의 볼타(Volta)GPU, 새로운 디플러 닌 가속기와 컴퓨터 비전 가속기, 8K영상 프로세서 등을 탑재 ​ ​ ​(2)의 드라이브 AGX페가수스(Pegasus)/윤리(Orin)-2019년 4월 이 회사는 FSD칩을 유출하며 세계 최고의 자율 주행의 컴퓨터 시스템을 개발한 설명. 이런 주장에 대해서 엔비디아는 비교 대상이 잘못했다고 정면 반박하고'드라이브 페가수스'제품을 언급 ​-테슬라는 2칩 FSD를 오토 파하나롯 목적으로 설계한 드라이브 자비에 단 한가지 팁과 비교했지만, 엔비디아는 진정한 비교 대상은 같은 완전 자율 주행 목적으로 개발된 칩, 드라이브 AGX페가수스가 돼야 한다고 설명 ​-페가수스는 자비로 시스템 온 칩(SoC)프로세서 2개, 별도의 차세대 GPU 2개, 디플러 닌과 컴퓨터 비전 알고리즘의 가속화를 위한 하드웨어가 결합된 제품. FSD칩의 처리 속도가 144 TOPS였으나, 페가수스는 이보다 두배 이상 빠른 320 TOPS(초당 320조 회의 연산)​

>

<출처:NVIDIA>​ ​- 그리하여 2019년 12월 엔비디아는 자율 주행 자동차와 로봇을 위한 치에에당 초단 소프트웨어 정의의 플랫폼인 엔비디아'드라이브 AGX올림'를 공개했다. 170억개의 트랜지스터로 구성된 새 SoC를 기반으로 하는 플랫폼에서 4년에 걸친 연구 개발이나 투자 ​-즉, ADAS수준의 컴퓨팅 제품이 자비에 자비를 활용한 완전 자율 주행의 수준의 제품이 페가수스, 이리하여 자비의 업그레이드 버전이 오린이 됩니다 sound. 이는 다시 링을 활용하고 완전 자율 주행용 플랫폼을 만들면 현재의 페가수스 이상의 성능을 발휘하는 제품이 나쁘지 않을 수 있음을 의미 ​-린 SoC는 엔비디아의 차세대 GPU아키텍처와 ARM의 헤라클레스(Hercules)CPU코어, 초당 200조의 연산을 제공하는 새로운 디플러 닌과 컴퓨터 비전, 가속을 통합, 이전 세대의 자비에 대비 7배 향상된 성능을 구현 ​-자율 주행 수준 2부터 수준 5까지 확장 가능한 아키텍처 호환의 플랫폼과 OEM업체가 대규모의 복잡한 소프트웨어 제품 군을 개발하도록 지원. 오린과 자비에는 모두 개방형 쿠다(CUDA)텐서 RT(TensorRT)API라이브러리를 통해서 프로그래밍이 가능하고 개발자는 다양한 제품세대에 걸쳐서 효율적으로 활용 가능 ​ ​ ​(3)자율 주행용 슈퍼 컴퓨터-2019년 6월 엔비디아는 자율 주행 차의 개발 속도를 향상시키기 위한 인공 지능 인프라를 제공하는 슈퍼 컴퓨터의 DGX SuperPOD를 발표 ​-엔비디아 DGX SuperPOD는 세계에서 22번째로 빠른 슈퍼 컴퓨터에서 96개의 엔비디아 DGX-2H슈퍼 컴퓨터와 메고 녹스(Mellanox)인터 커넥트(Interconnect)기술로 3주 만에 구축. 9.4배 후 롭의 처리 능력을 통해서 자율 주행에 요구되는 수많은 딥 뉴럴 네트워크(Deep Neural Network, DNN)을 연습 ​-인공 지능 교육 모델 ResNet-50은 2015년에 발매 당시 최근 시스템이었다 단지 한가지 엔비디아 K80 GPU에서 교육하는 데 25개의 소요된 반면 이번에 발매된 DGX SuperPOD에서는 2분도 안 걸릴 정도로 18,000배 이상의 성능 향상. 역시 비등한 성능 수준을 가진 다른 상위 500개의 시스템이 수천대의 서버로 구성되는 것보다 DGX SuperPOD는 크기가 400배 작은 공간을 적게 획득 ​-국내 기업 가운데 현대 모비스가 처음에 DGX SuperPOD를 도입. 그 외, DGX 시스템은 키위 BMW, 콘티넨 마스크, 포드, 제뉴이티(Zenuity)등의 자동차 메이커는 물론, Facebook, 마이크로소프트, 후지 필름등의 기업이나 재팬 이화학 연구소(RIKEN), 미 에너지국(US Department of Energy)등에서 채용

>

<출처:NVIDIA>​ ​ ​(4)주요 자동차 회사의 고객-볼보(Volvo):202개년 자율 주행 레벨 4기술을 적용한 차량에 출시를 목표로 하고 있는 볼보는 엔비디아의 자비를 기반 코어 컴퓨터를 차세대 SPA2플랫폼에서 적용할 계획. 현재 페가수스 플랫폼에서 차량 내 AI컴퓨팅을 구축하고,'Drive AV'라고 하는 소프트웨어 스택 전체를 360번 센서 처리, 인식, 맵 로컬 라이제이션(Map localization)경로 계획 등에 활용 ​와 도요타(Toyota):20하나 9년 도요타의 자율 주행 전문 기업 TRI-AD와 자율 주행 자동차 개발, 교육 및 검증을 위한 파트너십 체결. 자율 주행 차량 TRI-P4에 자비를 사용 ​-폭스바겐(Volkswagen):차세대 지능형 차량 개발에 인공 지능과 디플러 말리닌이 중대한 역할을 후(후) 된다는 비전을 엔비디아와 공유하고, 세로프게 운전석의 경험의 개발 및 안전성 향상을 위해서 에느비디아도라이브 IX플랫폼을 이용 ​-우보(Uber):안전과 안정적인 자율 주행 차량을 개발하려면 첨단의 인공 지능 소프트웨어와 고성능 GPU엔진을 차량 내 탑재해야 한다 설명하고 자율 주행 차량 및 트럭의 상용화를 위한 인공 지능 컴퓨팅 시스템에 엔비디아의 기술을 채용 ​와 소니(Sony):CES 2020에서 자율 주행 전기 차를 유 춤춘다. 핵심 반도체에서 엔비디아의 제품을 사용 ​-다이다로(Daimler):멜세데스·벤츠의 모기업인 다이다로글ー프은 자율 주행 시스템용 반도체를 엔비디아에 의존 ​-비오 니어(Veoneer):스웨덴의 자동차 부품 업체의 비오 니어는 자율 주행 레벨 4의 실현을 위해서 자비에 기반을 둔 컴퓨터 Zeus를 활용하여 기술 개발 중 ​-섬(NIO):중국의 전기 차 업체인 인왕상(NIO)와 시아오퐁(Xiaopeng Motor)은 자비를 활용하고 자율 주행 수준 2이상으로 대응할 계획 ​ ​ ​ ​ 2.CUDA(Compute Unified Device Architecture, 쿠다)/오픈 플랫폼 ​(하나)CUDA의 개요-CUDA는 2006년 하나하나 Env미디어가 만든 기술로 GPU를 이용하여 범용적인 프로그램을 개발할 수 있도록 지원하는 병렬 컴퓨팅 플랫폼 및 API 모델 - 초기에는 C, C++만 지원하였으나, 현재는 다양한 언어로 사용 가능하며, 딥러닝을 지원하는 다양한 라이브러리도 CUDA와 함께 공급되고 있다. 엔비디아 이외의 그래픽 카드에서는 작동하지 않는 소음-CUDA 이전까지 개발자에게 GPU 프로그래밍은 극소수만 가능한 고급 기술. CUDA는 이를 C++와 같이 하나방 개발자들에게도 친숙한 고급 언어와 문법으로 만들어 GPU 리소스에 대한 접근을 크게 개선 - 이로 인해 관련 개발 생태계가 계속 확장되기 시작했고, 그 결과 현재 거의 모든 딥러닝 개발 플레이더워크에서 CUDA와 관련 라이브러리인 cuDNNN을 최우선으로 지원. 사실상 GPU 기반 AI 개발의 표준으로 인식되고 있다.단, CUDA는 엔비디아의 GPU만 지원하는 폐쇄성이 짙으며, 이를 대체하기 위한 범용 GPU 연산 플랫폼 "OpenCL"이 등장. 인텔, AMD, 에키풀 등 엔비디아의 경쟁사들이 미루어 있지만 전체 디플러 닌 프레이이다 일자리 지원 비율 이본의 성능은 CUDA와 비교해서 상대적으로 낮은 편 ​-딜로이트에 따르면 20하나 6년 전 세계 AI프로세서의 판매량은 약 하나 0만개고 이 중 대부분이 GPU기반.20하나 8년에는 총 80만개로 증가했으며 GPU프로세서가 50만개, FPGA 20만개, ASIC하나 0만개. 빠르게 확대되는 인공지능 시장에서 NB디아는 범용성 및 쿠다와 같은 오픈소스 플랫폼을 통해 여전히 영향력을 발휘합니다.

>

<출처:NVIDIA>​ ​ ​(2)오픈 플랫폼-사실상 자율 주행 자동차를 연구하고 개발하 쵸쿰고의 모든 중소 기업이 컴퓨팅 스택에서 엔비디아를 활용.엔비디아는 자사의 자율 주행 기술을 오픈 플랫폼에서 공유하고 현재 수백곳의 중소 기업이 엔비디아 자율 주행 플랫폼에 참여하고 있는 것 ​-엔비디아가 지난 20하나 8년 하나 2월 발표한 '지에쯔승 AGX자비에(Jetson AGX Xavier)'모듈은 수많은 AI말·케이션에 사용되고 있는 엔비디아 AI플랫폼을 활용. 이곳에는 개발자들이 신경망을 신속히 훈련하고 배포하도록 지원하는 툴과 워크 플로우 세트를 함께 제공 ​-20하나 9년 하나 2월 엔비디아는 '에느비디아도라이브(NVIDIA DRIVE)'딥 뉴럴 네트워크에 대한 액세스 권한을 운송 업계에 지에콤항라고 발표. 에느비디아도라이브은 자동차 및 트럭 제조 업체로 택시 회사, 소프트웨어 회사나 대학교에서 광범위하게 사용되는 자율 주행 개발의 실질적인 잘 ​-사전 훈련된 인공 지능 모델에 대한 접근과 훈련 코드를 지에콤함에서 운수 업계의 중소 기업은 엔비디아 GPU클라우드(NVIDIA GPU Cloud, NGC)건태 이당싱레지스토리에서 자율 주행 차량에 대한 모델의 확장과 커스터마이즈 등 자유롭게 개발할 수 있음 ​ ​ ​ ​ 3. 엔비디아 사업 철학 ​-인텔의 EyeQ칩이 자율 주행의 하드웨어 및 소프트웨어 솔루션이 통합된 완성품이라면, 자비에는 GPU하드웨어를 제공하고 소프트웨어는 고객사들이 자신만큼 잘 개발하도록 돕는 개발 도구를 차례 공해의 개념 또한 한 엔비 디어의"DRIVE AV"는 자율 주행을 위한 소프트웨어로, 교차로나 차선을 인식하는 등 자율 주행 인지 분야를 뒤로.엔비디아는 자율주행 분야에서 티어 하나 회사가 기대보다 다소 늦게 기술을 발전시킨다고 판단하고, 고객을 마중나가는 개념으로 소프트웨어에도 관여하게 되었다고 설명-이에 따라 엔비디아가 강조하는 철학은 즉각 엔비디아는 하드웨어 재공사라는 점. 자율 주행이나 인공 지능에 관한 핵심 기반이 되는 GPU을 고객사에 제공하고 고객사들이 이를 더 잘 활용할 수 있도록 개발 키트 또는 어느 정도 필요한 소프트웨어만을 개발하고 오픈 소스로 제공 ​- 이렇게 더 많은 참가자들을 끌어들이고, 그들이 엔비디아의 플랫폼에 맞춰서 더 많이 이야기하고 플리 케이션을 발생하고 생태계를 키우고 나 가라는 선순환 구조가 즉시 엔비디아의 목적 ​ ​ ​ ​ 4. 엔비디아의 자율 주행 통신 및 보안 ​(하나)5G-엔비디아가 생각에는 5G가 자율 주행 기술에서 차지하는 비중은 그다지 크지 않음. 자율 주행에 필요한 대부분의 AI연산은 차량 내에서 이루어지기 때문 ​-5G는 저지 연성과 빠른 속도가 특징이지만, 5G와 클라우드 서버를 통한 차량 제어는 자체 연산 방식과 비교하여, 아무래도 늦을 수밖에 없음 ​-예를 들어 5G를 통해서 주행하는 도로에 대한 귀추(보행자, 장애물 여부 등)을 미리 받아 최적화된 경로를 채택하는 등 첫부 참조를 할 수는 있지만 자율 주행을 5G에 전적으로 의존하기는 어렵다고 설명 ​ ​ ​(2)가상화와 차량 시스템의 초기 단계부터 보안 프로토콜의 탑재와 최적화에 노력. 특히 데이터센터에서 검증된 보안 기술을 우선 적용 중-그러므로 차량 인포테인먼트 시스템이 해킹되더라도 이를 가상화를 통해 분리해 놓으면 모든 시스템에 미치는 해킹의 영향을 최소화할 수 있으므로 가상화 기술도 고려하고 있다※네트워크 슬라이싱 관련 이 말 참고

가상화는 데이터센터의 효과적 활용을 위한 기술에서 시작하여 클라우드 서비스를 가능하게 하는 기반기술로 자리매김. 그 때문에 서서히 네트워크 영역 확장되어 5G장비뿐만 아니라 네트워크 슬라이싱과 같은 기술을 통해서 자율 주행 보안에도 고려되는 등 그 중요도가 높아지고 있다 sound​

>

<출처:한양대 정보 시스템 학과 웹 매거진>​ ​ ​ ​ 5. 자율 주행 ASIC칩 ​(하나)테슬라 FSD-GPU는 비싼 가격과 소비 전력이 크다는 단점으로 가격 경쟁력을 갖춰야 한다 대중적 양산 차에 적용하는 데 한계가 있다는 지적을 받고 있는 것. 거기에 완성 차 업체들은 엔비디아에 대한 지나친 의존도를 오전 춤과 대체할 칩을 개발 중 ​-테슬라는 기존 엔비디아의 칩을 사용헷우 본인 20하나 9년 독자적인 자율 주행 컴퓨터 칩의 개발에 성공. Neural Network Accelerator을 활용한 72 TOPS를 갖춘 SoC 2개를 사용하는 하나 44 TOPS의 연산 속도를 실현. 소비 전력은 기존의 목표 치의 하나 00W보다 더 오전은 72W​-엔비디아는 2개의 자비에 SoC와 2개의 GPU에 320 TOPS의 보다 높은 연산 속도를 갖췄지만 소비 전력이 400W에서 매우 높은 편 ​

>

​

>

​ ​ ​(2)인텔 모빌 아이 EyeQ-인텔은 아톰(Atom), 제온(Xeon)과 같은 서버용 CPU기반으로 발전한 ADAS(Advanced Driver Assist System)플랫폼과 소프트웨어 등을 개발하며 자율 주행을 위한 머신 러닝, 보안, 연줄 크티도우 등의 기술력을 순조롭게 확대하고 왔어요 소리 ​ 그 때문에 카메라, 이미지 처리, 마이크로 프로세서, 매핑 자율 주행 대응 방법 등을 결정하는 소프트웨어를 개발. 이 소프트웨어는 각 차량 제조사의 특성에 맞추어 가변적으로 적용 가능한 시스템으로서 FCA(Fiat Chrysler Automobiles), BMW가 협력하는 제작 ​-인텔-모빌 아이 통합 솔루션은 레벨 4와 수준 5자 유루 성주의 외출의 개발을 위한 것으로 2개의 EyeQ5 SoC와 1개의 인텔 아톰(Intel Atom)C3xx4프로세서, 모빌 아이의 소프트웨어로 구성 ​-오링이큐(EyeQ)칩 생산량은 2014년 270만개로 연평균 성장률 46퍼센트를 보이며 2019년 1,700만개까지 증가했고 누적 생산량 5,400만개를 기록. 차량용 ASIC으로 만들어졌지만, 현재는 ASSP(Application Specific Standard Product)로서 조금 더 범용화 되었습니다. 보고 있는 소리 ​-7쟈싱 노핑펫(FinFET)공정을 적용한 차세대 EyeQ5칩 2020년 예기에 발매, 2021년부터 연간 약 800만개를 양산할 것. EyeQ5는 연산 처리 속도를 EyeQ4보다 10배 빠른 24 TOPS수준으로 강화 ​ ​※인텔 모빌 어린이 및 EyeQ칩 관련 이야기 참조

​ ​-에덱지 효율은 엔비디아 자비가 하나 0W에 하나 0 TOPS, 테슬라 FSD하나 0W에 20 TOPS보다 인텔 EyeQ5는 하나 0W에 24 TOPS. 즉 가장 높은 성능을 내는 제품은 엔비디아의 페카스스이 나쁘지 않아 인텔 EyeQ5는 소비 전력 대 성능이 가장 높은 제품 ​

>

​ ​ ​ ​ 6. 현대 차 그룹의 자율 주행 ​(하나)앱(Aptiv)-앱은 미국 자동차 부품 업체 델파이에서 분사된 차량용 전장 부품 및 자율 주행 전문 회사. 인지 시스템, 소프트웨어 알고리즘, 컴퓨팅 플랫폼, 데이터 및 배전 등 업계 최고의 모빌리티 솔루션 포트폴리오 보유. 총 하나 00여대 이상의 자율 주행 차를 운행하고 ​-CES 20하나 8에서 자율 주행 레벨 4기술을 나쁜 날씨에도 20개 노선을 대상으로 성공적으로 시연하고 주목 받은 초. 당시 자율주행 셔틀업체였던 프랑스 자심브야 등 대부분의 업체는 시승행사를 포기했다. 앱은 눈이나 비가 많은 피츠버그에서 시작한 회사여서 미국 서부에 본사를 두고 있는 다른 업체들에 비해서 비바람에 강하다는 평가 ​-20하나 5년 앱은 업계 최초로 미국, 자율 주행 횡단에 성공. 샌 프란시스코에서 뉴욕으로 가는 여정의 99%인 약 3,400마하가 완전 자율 주행 모드로 주행. 이처럼 미국의 여러 도시의 자율 주행 빅 데이터를 소유하고 있다는 것 또 장점 ​-CES 20하나 8에서 리프트(Lyft)과 함께 3,400개의 호텔, 카지노, 레스토랑이 있는 라스 베이거스 하나 전 구간에서 자율 주행 로봇 택시 서비스를 운영하고 최근까지 95,000회 이상의 자율 주행 시승 성공. 서비스 초기 단 1반의 경미한 문제 이외에는 아무 문제 주행. 이용자 평점 또 5점 만점에 4.95에 높은 만족도를 보이고 있는 것 ​-리프트 탑승 공유 서비스 중에 앱의 로보 택시가 끼어 있는 방식으로 승객들은 리프트 앱에서 차량 콜 옵션에 SELF-DRIVING를 선택하여 이용할 수 있다. 리프트의 하나반 서비스 옵션과 같은 요금 ​-웨이 모(Waymo)의 로보 택시의 규모가 훨씬 크지만 웨이 운전하는 사전 등록된 하나, 000명의 승객들을 대상으로 한 반면 앱은 현재 세계 최대 규모의 유출형 로봇 택시 서비스를 운영한다는 점이 특징적 ​-20하나 9년 기준 매출 중 하나 44억달러, 영업 이익 하나 5억달러, 시가 총액 약 220억달러 ​

>

<출처:Yahoo Finance>​ ​ ​(2)합작 벤처 설립-20첫 9년 9월 현대 차 그룹은 앱과 협력 개발한 자율 주행 기술을 2022년 완성 차 시범 운영을 시작으로 2024년 본격적으로 적용하고 양산하는 것을 목표로 믹크 현지 합작 법인(JV, 조인트 벤처를 설립 ​-업계에 자율 주행의 개발을 위한 합종 용후에은이 가속화되고 있지만 유수의 완성 차 업체와 주요 자율 주행 중견 기업이 별도의 JV를 설립하고 자율 주행 차 기술 연구 개발하는 모델은 이례적이다. 현대 차 그룹은 JV에 총 20억달러(약 2조 3,900억원)출자. 직접투자의 이유로는 다른 자동차 회사에도 기술을 제공하는 등 모든 가능성을 열어두기 위해 매 설명-테슬라는 오토 파초록 기능을 통해 방대한 부분 자율주행 데이터를 모아왔지만 뿌지지가 않다. 로보택시처럼, 아직 완전 자율주행을 적용한 사례는 없다 sound. 웨이 운전하는 완전 자율 주행 로봇 택시 사업을 추진하고 잇우나프지앙, 차량은 다른 완성 차 메이커로부터 구입하고 개조한 것으로 개조한 자체 차량 외 이런 솔루션이 다른 차량에 적용되지는 않을 판세 ​-현대 차는 자체 차량에 자율 주행 수준 2~3의 급속한 도입을 통하고 기술의 상용화 비교룰루 보유하고 있으며 앱은 레벨 4~5와 관련된 소프트웨어에 상당한 기술력을 보유. 그래서 이번 합작 벤처 설립은 차량 하드웨어에서 자율 주행 소프트웨어까지 완전한 세트에서 탄생할 수 있는 이례적인 시너 흰색 것을 기대하게 만들어 완전 자율 주행 차의 급속한 상용화를 예상하는 것도 한 sound​-또, 레벨 4~5개발에서 각 지역의 정밀 지도 및 데이터 수집 등 지역적 특성이 더욱 더 중요하게 되는 판세에 믹크 전역의 빅 데이터를 보유하는 앱을 인수함으로써 현대 차는 아시아를 넘어 믹크 시장의 자율 주행 서비스 활로를 개척할 것으로 보이​ ​ ​(3)엔비디아&인텔 모빌 아이와 현대 차 그룹은 자율 주행 차의 두뇌 역할을 하는 '인공 지능 기반 통합 제어기'개발을 위한 인텔, 엔비디아와 협업하고 있다. 현대 차는 CES 20최초 8에서 엔비디아와 제휴 관계를 맺고 있는 자율 주행 솔루션 전문 업체인 오로라(Aurora)와 협업을 발표했고 지난해에는 300억원 가량 투자 ​-이것에 의해서 모빌 아이 결별설이 돌기 시작했으나 프지 않고 모빌 자식과의 협력도 잘 이뤄지고 있다는 정의선 수석 부회장의 언급에 초단 스그로도우루옷 sound​-앱 및 오로라는 자율 주행을 위한 소프트웨어에 집중.그래서 현대 차는 협력 개발한 소프트웨어를 잘 탑재할 수 있는 메인 칩을 자체 개발하려는 것으로 보이지만 최근 엔비디아와 가까운 행동을 보면 하드웨어 및 소프트웨어 통합 솔루션을 제공하는 모빌 아이에게는 종속의 위험이 있어 이에 대비하려는 움직이면 판단된다.​ ​ ​ ​ 7. 정리 및 시사점 ​(〃)종속의 위험-엔비디아는 그래픽 처리에 중점을 둔 AI을 바탕으로 오픈 플랫폼을 추구하는 한편 모빌의 아이의 인공 지능 알고리즘은 블랙 박스에 가까운, 사용하는 완성 차 업체도 그 판단의 결정 과정을 정확히 알고 있는 어려움. 때문에 완성차메이커의 기술철학이 나쁘지 않아 사양에 맞게 커스터마이즈 할 수 있는 부분이 극히 제한적 ​-이것은 바로 레벨 4와 5단계로 올라갈수록 모빌의 아이의 솔루션에 의존하는 완성 차 업체들은 자율 주행 주도권을 완전히 빼앗길 수 sound를 암시. 이 때문에 완성차 업체가 이를 고려하면 장기적으로 볼 때 결미 범용적인 엔비디아의 자율주행 플랫폼을 선택할 가능성이 높다고 판단된다-완성차 업체들이 자체 ASIC메인칩을 제작할 수도 있지만 나쁘지 않고 현재 ASIC를 적용하는 중견기업도 구글이 나쁘고 아마존과 같은 초부 IT글로벌 중견기업뿐이라는 점을 감안하면 전문성이 떨어지는 완성차 기업이 적용하기는 쉽지 않을 것으로 예상-테슬라는 스스로를 소프트웨어 중견기업이라고 부를 만큼 기술력이 뛰어나지 않고 자체 차량에만 FSD칩이 들어가는 비즈니스에 문제가 없을 것으로 보인다.만큼 나쁘지 않아 AI알고리즘을 완성 차 업체에 개방하고 협력하느냐가 관건이라 생각됨 ​ ​ ​(2)현대 차와 현대 차 그룹은 앱 및 오로라(자율 주행 솔루션), 바이두(인공 지능). 얀덱스(로보택시), 엔비디아(인공지능 플랫폼), 옵시스(고성능 라입니다) 등의 자율주행 중견기업과 협력 중-현대차는 기존 사업을 통해 축적한 자본으로 이들 업체로부터 주로 소프트웨어 기술을 취득. 따라서 이들 기술을 받아 센서나 컴퓨팅 패키지 같은 하드웨어에 걸맞게 탑재하는 데 주력-그러므로 종속 위험을 피해 엔비디아와의 협력으로 개발한 메인칩 하드웨어가 필요한 연산을 모두 sound되고 소프트웨어는 지분을 투자한 회사를 통해 개발해 자율주행에 있어 주도권을 잡겠다는 의도로 추측된다.

>

<출처: HMG JOURNAL>