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

>

1. 엔비디아 자율주행 하드웨어(1) 드라이브 AGX 자비에(DRIVEAG Xavier) – 엔비디아는 인공지능 컴퓨팅 기술을 기반으로 자율주행 시스템 개발에 필요한 AI 칩셋(Xavier SoC), 슈퍼컴퓨터(DGX Super POD), 시뮬레이터(DriveSIM, DRIVEConstellation) 등의 기반 플랫폼을 개발. 자율주행차를 직접 생산하지는 않지만 이를 파트 대기업이 설계하는 자율주행차에 접어 넣는 방식-CPU는 데이터를 낱개지만 매우 빠르게 처리하는 반면 GPU는 동시다발적으로 발생하는 정보를 CPU보다는 느리지만 대신 한꺼번에 처리. 자율주행의 경우 레이더와 라이더, 카메라, 센서 등으로 발생한 정보를 동시에 파악하고 분석할 필요가 있기 때문에 자율주행에 있어서도 GPU의 역할이 중요 – CES 2018에서 엔비디아는 ‘드라이브 자비에’라는 제품을 공개. 신뢰할 수 있는 자율 주행 자동차를 만들기 위해서는 안정적인 시스템이 필요, 특히 인터넷 네트워크에 연결되지 않은 상황에서도 멈추지 않고 문재 중 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 제공 ​-엔비디아는 드라이브 자비에 개발을 위한 4년의 연구 기간 동안 약 20억달러를 투입. 90억개 이상의 트랜지스터, 8개의 코어 GPU, 512개의 볼타 GPU, 새로운 개더+랩러닝 가속기 및 비전 가속기, 8K 비디오 프로세서 등을 탑재(2)드라이브 AGX 페가수스/올린(Orin)-2019년 4월, 테슬라는 FSD칩을 공개하고 최고의 자율주행 컴퓨터 시스템을 개발했습니다. 이 같은 주장에 대해 엔비디아는 비교대상이 틀렸다고 정면으로 반박하며 드라이브페가수스 제품에 언급-테슬라는 2칩 FSD를 오토파일럿 목적으로 설계한 드라이브자비에 단일칩과 비교했지만 엔비디아는 진정한 비교대상은 같은 완전 자율주행 목적으로 개발된 칩인 드라이브 AGX 페가수스가 돼야 한다고 설명-페가서스는 자비에 시스템온칩(SoC) 프로세서 2개, 별도의 차세대 GPU 2개, 딥러닝과 컴퓨터 가속화를 위한 하드웨어가 결합된 제품입니다. FSD칩의 처리속도가 144TOPS였던 반면 페가서스는 이보다 2배 이상 빠른 320TOPS(초당 320조 번의 연산)

>

<출처: NVIDIA> – 그곳에서 2019년 12월 엔비디아는 자율주행 자동차와 로봇을 위한 최첨단 소프트웨어 정의 플랫폼인 엔비디아 ‘드라이브 AGX 올림’을 공개. 170억개의 트랜지스터로 구성된 새로운 더·컵이다 SoC기반 플랫폼에서 4년간의 연구 개발 및 투자-즉, ADAS수준의 컴퓨팅 제품이 자비에, 자비에을 활용한 완전 자율 주행 수준 제품이 페가수스, 그리고 자비에의 업그레이드 버전이 올림픽이다. 이는 다시 오린을 활용해 완전 자율주행용 플랫폼을 만들면 페가수스 이상의 성능을 발휘하는 제품이 나온다는 것을 의미-올린SoC는 엔비디아의 차세대 GPU 아키텍처와 ARM의 헤라클레스(Hercules) CPU 코어, 초당 200조의 연산을 제공하는 새로운 더 랩 더 딥러닝과 컴퓨터 비전 액셀러레이터를 통합해 이전 세대의 자비에 비해 7배 향상된 성능을 구현-자율주행 레벨 2에서 5까지 확장할 수 있는 제품 지원 소프트웨어의 대규모 개발로 대규모 지원 프로그램을 개발한다. 올림과 자비에는 모두 개방형 쿠다(CUDA), 텐서RT(TensorRT) API, 라이브러리를 통한 프로그래밍이 가능하며, 개발자는 다양한 제품 세대에 걸쳐 유효 활용 가능(3) 자율주행용 슈퍼컴퓨터-2019년 6월 엔비디아는 자율주행차 개발속도를 향상시키기 위한 인공지능 인프라를 제공하는 슈퍼컴퓨터인 DGX Super POD를 -GX Super POD는 세계에서 22번째로 빠른 슈퍼컴퓨터로 96개의 오토컴퓨터와 2Mecoxcerperpergernergane를 보유하고 있다.al Network, DNN)을 훈련-인공지능 교육모델 ResNet-50은 2015년 출시 당시 요님 시스템이었던 단일 엔비디아 K80 GPU로 교육하는 데 25일이 걸렸지만 이번에 출시된 DGX Super POD로는 2분도 걸리지 않을 정도로 성능이 향상됐다. 또, 유사한 성능 수준을 가지는 다른 상위 500의 시스템이 수천대의 서버로 구성되어 있는 것에 비해, DGXSuper POD는 크기가 400배 작고 공간이 적다. – 국내 작은 기업 중 현대모비스 최초로 DGX Super POD 도입. 그 외, DGX시스템은 이미 BMW, 콘티넨탈, 포드, 제뉴이티(Zenuity)등의 자동차 메이커는 물론, Facebook, 마이크로소프트, 후지필름과 같은 소기업이나 재팬 이화학 연구소(RIKEN), 미 에너지 지국(US Department of Energy)등에서 채용

>

<출처: NVIDIA>(4)주요 자동차 메이커 고객-볼보(Volvo): 2021년 자율주행 레벨 4 기술을 적용한 차량 출시를 목표로 하고 있는 볼보는, 엔비디아의 자비에 근거하는 코어 컴퓨터를 차세대 SPA2 플랫폼으로부터 적용하는 의도. 현재 페가수스 플랫폼에서 차량 내 AI 컴퓨팅을 구축하고 ‘Drive AV’라는 소프트웨어 스택 모두를 360도 센서 처리, 인식, 맵 로컬라이제이션, 경로 의도 등에 활용-도요타(Toyota) : 2019년 도요타의 자율주행 전문 중소기업 TRI-AD와 자율주행 자동차 개발, 교육·검증을 위한 파트너십 체결. 자율주행차량 TRI-P4에 자비에 사용-폭스바겐(Volkswagen): 차세대 지능형 차량 개발에 인공지능과 딥러닝이 중대한 역할을 할 것이라는 비전을 엔비디아와 공유하고, 새롭게 운전석 경험 개발 및 안전성 향상을 위해 엔비디아 드라이브 IX 플랫폼을 이용-우버(Uber): 안전하고 안정적인 자율주행 차량을 개발하려면 최초의 인공지능 소프트웨어와 고성능 GPU 연산엔진을 차내에 탑재해야 할 것입니다. 자율주행 차량 및 트럭 상용화를 위한 인공지능 컴퓨팅 시스템에 엔비디아의 기술을 채용-소니: CES 2020에서 자율주행 전기차를 유출. 핵심 반도체로 엔비디아의 제품을 사용-다라(Daimler): 메르세데스-벤츠의 모중소기업인 다이다라그룹은 자율주행 시스템용 반도체를 엔비디아에 의존-비오니아(Veoneer): 스웨덴의 자동차 부품업체인 비오니아(NIO)와 시오(AXure)를 플랫폼에 넣은 컴퓨터 Zeus를 활용해 기술개발 중-니오(NIO)는 차이나의 전기차이나의 전기 자동차 업체인 니오(NIO)와 시오와 자율 Copure CutUDA)를 오픈 레벨 2UDA는 개요년 11월에 엔비디아가 만든 기술로 GPUDA를 개발하는데,말로 사용 가능하며 딥러닝을 지원하는 다양한 라이브러리도 CUDA처럼 제공되고 있다. 엔비디아 이외의 그래픽 카드에서는 작동하지 않는 소리 CUDA 이전까지 개발자에게 GPU 프로그래밍은 극소수만의 수준 높은 기술. CUDA는 이를 C자체 C++와 같이 일반 개발자에게도 친숙한 고급 언어와 문법을 만들어 GPU 자원에 대한 접근을 크게 개선 – 이를 통해 관련 개발 생태계가 계속 확장되고, 그 결과 현재 거의 모든 딥러닝 개발 플레이더워크에서 CUDA와 관련 라이브러리인 cuDNNN을 최우선으로 지원한다. 사실상 GPU 기반의 AI 개발 그대로 인식되고 있는 소리-단, CUDA는 엔비디아의 GPU만을 지원하는 폐쇄성이 짙으며, 이를 대신하는 범용 GPU 연산 플랫폼 “OpenCL”이 등장. 인텔, AMD, 애플 등 엔비디아의 경쟁업체들이 진행하고 있지만 모두 딥러닝 플레이더워크의 지원 비중이 CUDA에 비해 상대적으로 낮은 편-딜로이트에 따르면 2016년 전 세계 AI 프로세서 판매량은 약 10만 개로 이 중 대부분이 GPU 기반. 2018년에는 총 80만 개로 증가했으며 GPU 프로세서가 50만 개, FPGA 20만 개, ASIC 10만 개.급속히 확대되는 인공지능 시장에서 Envedia는 범용성 및 쿠다와 같은 오픈소스 플랫폼에서 여전히 영향력을 발휘한다.

>

<출처:NVIDIA>(2) 오픈 플랫폼 – 사실상, 자율주행차를 조사·개발하는 거의 모든 소규모 기업이 컴퓨팅 스택으로 엔비디아를 활용.엔비디아는 자사의 자율주행 기술을 오픈 플랫폼으로 공유하고, 현재 수백 개의 소규모 기업이 엔비디아 자율주행 플랫폼에 참여하고 있다-엔비디아가 2018년 12월 발표한 ‘제트슨 AGX 자비에(Jetson AGXavier)’ 모듈은 수많은 AIUSA 애플리케이션에 사용되고 있는 AI 플랫폼을 활용. 여기에는 개발자의 신경망 신속한 훈련 및 배포를 지원하는 도구와 워크플로우 세트를 병설-2019년 12월 NVIDIA DRIVE의 딥뉴럴 네트워크 접근 권한을 운송업계에 제공한다고 발표하였다. 엔비디아 드라이브는 자동차 및 트럭 메이커, 로보 택시 메이커, 소프트웨어 메이커 및 대학에서 광범위하게 사용되는 자율 주행 개발의 실질적인 “욕-사전 훈련된 인공지능 모델에의 접근과 훈련 코드”를 제공함으로써, 운송 업계의 작은 기업은 엔비디아 GPU 클라우드(NVIDIA GPU Cloud, NGC) 컨테이너 기업의 레지스트리로 자율 주행 차량에 대한 모델 확장 및 커스터마이즈 등 자유롭게 개발할 수 있는 3. 엔비디아 사업 철학-인텔의 Eyez 칩이 통합된 하드웨어 및 소프트웨어 제품에 맞추어 개발되고, 그것들을 개발할 수 있도록 지원한다.비행하는 개념 – 또, Envedia의 “DRIVE AV”는 자율주행을 위한 소프트웨어로, 교차점이나 차선을 인식하는 등 자동운전 인지 분야를 담당. 엔비디아는 자율주행 분야에서 한 티어사가 기대보다 다소 늦게 기술을 발전시킨다고 판단하고 고객을 영입한다는 개념으로 소프트웨어에도 관여하게 됐다고 설명-이를 통해 엔비디아가 강조하는 철학은 즉석 엔비디아는 하드웨어 제공업체라는 점. 자율주행 및 인공지능의 핵심기반이 되는 GPU를 고객사에 제공하고, 고객사가 이를 더 활용할 수 있도록 개발 키트 또는 어느 정도 필요한 소프트웨어만 개발하여 오픈소스로 제공 – 이렇게 하여 더 많은 참여자를 끌어들이고, 이들이 엔비디아의 플랫폼에 맞게 더 많은 유어플리케이션을 발생시켜, 계속 생태계를 키워볼지는 선순환 구조가 즉석 엔비디아의 목적 4. 엔비디아의 자율주행 통신 및 보안 (1) 5G-엔비디아가 자율주행에서 차지하는 비중은 크지 않다. 자동운전에 필요한 대부분의 AI 연산은 차내에서 이루어지기 때문에 -5G는 저지연성과 빠른 속도가 특징이지만 5G와 클라우드 서버에 의한 차량제어는 자기연산방식과 비교하여 아무래도 느린 점-예를 들어 5G를 통해 주행하는 도로의 귀취(보행자, 장유유유유유유유유유유유무 등)를 미리 전해져 최적화된 경로를 채용하는 등 일부 참고할 수 있지만 자동운전을 5G에 전적으로 의존하는 것은 어렵다는 설명(2) 가상화-차량 시스템 초기단계부터 보안 프로토콜과 최적화에 노력할 것. 특히 데이터센터에서 검증된 보안 기술을 우선적으로 적용 중-그리고 차량 인포테인먼트 시스템이 해킹되더라도 이를 가상화를 통해 분리해 놓으면 시스템 전체에 미치는 영향이 최소화되기 때문에 가상화 기술 또한 고려하고 있다.네트워크 슬라이싱 관련 내용 참고

가상화는 데이터센터의 효율적 활용을 위한 기술에서 시작해 클라우드 서비스를 가능하게 하는 기반기술로 자리매김된다. 이 때문에 점차 네트워크 영역으로 확장되면서 5G 기기뿐만 아니라 네트워크 슬라이싱과 같은 기술로 자율주행 보안에도 배려되는 등 그 중요도가 높아지고 있다.

>

<출처:한양대학교 정보시스템학과 웹진>5. 자율주행 ASIC칩(1) 테슬라 FSD-GPU는 고가의 가격과 소비전력이 크다는 단점에서 가격경쟁력을 갖춰야 하는 대중적 양산차에 적용하기에는 한계가 있다는 지적을 받고 있다. 그래서 완성차 메이커는, 엔비디아에의 과도한 의존도를 낮추려고 대체할 수 있는 팁을 개발중-테슬라는 지금까지 엔비디아의 팁을 사용하고 있었으므로, 2019년 독자적인 자율 주행 컴퓨터 칩의 개발에 성공. Neural Network Accelerator를 활용한 72TOPS를 갖춘 SoC2개를 사용해, 144TOPS의 연산 속도를 실장. 소비전력은 기존 목표치 100W보다 낮은 72W-엔비디아는 2개의 자비에 SoC와 2개의 GPU에서 320TOPS의 추가 연산속도를 갖췄지만 소비전력이 400W로 매우 높다.

>

>

(2) 인텔 모빌어 Eyez-인텔은, 아톰(Atom), 제온(Xeon) 같은 서버용 CPU 기반으로 발전한 ADAS(Advanced Driver Assist System) 플랫폼과 소프트웨어등을 개발하면서, 자율 주행을 위한 머신러닝, 보안, 커넥티드등의 기술력을 착실하게 향해 온 소리-그리고 카메라, 선행 처리, 마이크로 프로세서, 매핑, 자율주행 대응의 비결등을 자결하는 소프트웨어를 개발. 이 소프트웨어는 각 차량 제조사의 특성에 맞게 가변적으로 적용할 수 있는 시스템으로 FCA(Fiat Chrysler Automobiles), BMW가 협력하여 제작-인텔-모빌 사랑 통합 솔루션은 레벨4와 레벨5 자율주행차 개발을 위한 것으로, 2개의 Eyez5 SoC와 1개의 인텔 아톰(Intel Atom) C3xx4 프로세서, 모빌 사랑 소프트웨어로 구성-아큐(Eyez)칩 생산량은 2014년 약 270만개의 누적 5,400만개의 생산량을 기록. 차량용 ASIC로서 만들어져 있었지만, 현재는 ASSP(Application Specific Standard Product)에 의해 범용화 되었습니다.보여지는 소리-7나노 핀펫(FinFET) 공정을 적용한 차세대 Eye+5칩 2020년 스토리에 출시해 2021년부터 연간 약 800만 개를 양산하는 방안. Eye_5는 연산 처리 속도를 Eye_4 대비 10배 빠른 24TOPS 수준으로 강화|인텔 모빌에 및 Eye_칩 관련 스토리 참고

에너지 효율은 엔비디아 자비에가 10W에 10TOPS, 테슬라 FSD 10W에 20TOPS에 비해 인텔 Eye+5는 10W에 24TOPS. 즉 가장 높은 성능을 내는 제품은 엔비디아의 페가수스 자신 인텔 Eye+5는 소비전력 대비 성능이 가장 높은 제품.

>

6. 현대차그룹 자율주행(1) 앱티브(Aptiv) – 앱티브는 미국 자동차부품회사 델파이에서 분사된 차량용 전장부품 및 자율주행 전문업체이다. 인지 시스템, 소프트웨어 알고리즘, 컴퓨팅 플랫폼, 데이터 및 배전 등 업계 최고의 모빌리티 솔루션 포트폴리오 보유. 총 100대 이상의 자율주행차량을 운행 중 – CES 2018에서 자율주행 수준 4기술을 악천후 속에서도 20개 노선을 대상으로 시연하면서 주목받기 시작했다. 당시 자율주행 셔틀업체인 프랑스 본인부야 등 대부분의 업체는 시승행사를 포기했다. 앱티브는, 눈이나 비가 많이 오는 피츠버그에서 시작한 회사이기 때문에, 미국 서부에 본사를 둔 다른 메이커에 비해, 악천후로 강하다는 평가 2015년, 앱티브는 업계 최초로 미국 자율주행 횡단에 성공. 샌프란시스코로부터 뉴욕으로의 여정의 99%에 해당하는 약 3,400 마일을 전자율주행으로 주행. 이처럼 미국 여러 도시의 자율주행 빅데이터를 소유하고 있다는 점 또한 하나의 장점-CES 2018의 향후 리프트(Lyft)와 같이 3,400개의 호텔 및 카지노, 식당이 있는 라스베이거스 일정 구간에서 자율주행 로보택시 서비스를 운영하여 이 무렵까지 95,000회 이상 자율주행 시승에 성공했다. 서비스 초기 1건의 경미한 문제 이외는 무문제 주행. 이용자의 평점도 5점 만점에 4.95로 높은 만족도를 보이고 있다-리프트 승차 공유 서비스 중 앱티브의 로보택시가 들어있는 방식으로 승객은 리프트 앱에서 차량 호출 옵션으로 SELF-DRIVING을 선택해 이용할 수 있다. 리프트의 일반 서비스 옵션과 동일한 요금-웨이모(Waymo)의 로보택시 규모가 훨씬 크지만 웨이모는 사전 등록된 1,000명의 승객만을 대상으로 하는 반면, 앱티브는 현재 세계 최대 규모의 공개형 로보택시 서비스를 운영하고 있습니다.

>

<출처:Yahoo Finance>(2) 조인트벤처 설립-2019년 9월 현대자동차그룹은 앱티브와 협력 개발한 자율주행 기술을 2022년 완성차 시범 운영을 시작으로 2024년 본격 적용하여 양산하는 것을 목표로 미국 현지 합작법인(JV, 조인트벤처)을 설립-업계에 자율주행 개발을 위한 합종연횡이 가속화되고 있으나, 유수의 완성차 업체와 유력 자율주행사가 별도의 JV를 설립하여 자율주행차 기술을 조사 개발하는 모델은 이례적이다. 현대차그룹은 JV에 총 20억 달러(약 2조3900억 원)를 출자했다.직접투자의 이유로는 다른 자동차 회사에도 기술을 공급하는 등 모든 실현성을 확보하기 위해서라고 설명-테슬라는 오토파일럿 기능을 통해 방대한 부분의 자율주행 데이터를 모아왔지만 로보택시처럼 아직 완전 자율주행을 적용한 사례는 없다. 웨이모는 완전 자율주행 로보택시 사업을 하고 있는데 차량은 다른 완성차 업체에서 구입해 개조한 것으로 개조한 자사 차량 외에 그러한 솔루션이 다른 차량에 적용되지 않는 형세-현대차는 자사 차량에 자율주행 레벨 2~3의 빠른 도입을 통해 기술 상용화 방법을 보유하고 있으며, 앱티브는 레벨 4~5와 관련된 소프트웨어에 상당한 기술력을 보유. 따라서 이번 조인트벤처 설립은 차량 하드웨어에서 자율주행 소프트웨어까지 완전한 세트로 탄생할 수 있는 이례적인 시너지 효과를 기대하게 하고, 완전 자율주행차의 빠른 상용화를 예상할 수 있는 sound-또 레벨 4~5 개발에서 각 지상 정밀지도와 데이터 수집 등 지상적 특성이 갈수록 중요해지는 가운데 미국 전역의 빅데이터를 보유한 앱티브를 인수함으로써 현대차는 아시아를 넘어 미국 시장 자율주행 서비스의 활로를 개척할 수 있을 것으로 전망한다(3) 엔비디아-자율주행그룹의 통합사업을 위한 인텔의 기반인 지능 개발을 기반으로 한다. 현대차는 CES 2018에서 엔비디아와 제휴관계를 맺고 있는 자율주행 솔루션 전문업체 오로라(Aurora)와 협업을 발표하면서 지난해 300억 원가량을 투자-이로 인해 모빌애기와의 결별설이 나왔지만 모빌애기와의 협력도 순조롭게 진행되고 있다는 정의선 수석부회장의 언급으로 일단 수그러든 sound-앱티브 및 오로라는 자율주행을 위한 소프트웨어에 집중해 현대차는 협력 개발한 소프트웨어를 자체 개발하려는 것으로 보이지만 엔비디아와 통합적인 대응이다.7. 정리 및 시사점(1) 종속 리스크-엔비디아는 그래픽 처리에 중점을 둔 AI를 바탕으로 오픈 플랫폼을 추구하는 반면 모빌애기의 인공지능 알고리즘은 블랙박스에 가까워 사용하는 완성차 업체도 그 판단 자결 과정을 정확히 알기 어렵다. 이 때문에 완성차 업체의 기술철학이나 사양에 맞춰 맞춤형으로 접근할 수 있는 부분이 극히 제한적-이는 금방 레벨4와 5단계로 올라갈수록 모빌애기 솔루션에 의존하는 완성차 업체는 자율주행의 주도권을 완전히 빼앗길 수 있음을 암시. 그러므로 완성 차 업체들은 이를 고려하면 장기적으로, 결미 범용적인 엔비 디어의 자율 주행 플랫폼을 선택할 가능성이 매우 높다고 판단되는-완성 차 업체들이 자체적으로 ASIC의 메인 칩을 제작할 수도 있지만, 현재 ASIC를 적용한 기업들도 구글이나 아마존 같은 일부 IT글로벌 기업 뿐임을 감안하면 전문성이 떨어지는 완성 차 업체들이 적용하는 것은 쉽지 않을 것이라고 예상-테슬라는 스스로를 소프트웨어 기업이라고 부를 만큼 기술력에 해가며, 자사 차에만 FSD칩이 탑재되어도, 비즈니스 업체들에 그렇게 의문을 느끼지 않는다.개방하고 협력하느냐가 관건이라고 생각된다(2) 현대차-현대자동차그룹은 앱티브 및 오로라(자율주행 솔루션), 바이두(인공지능). 얀덱스(로보택시), 엔비디아(인공지능 플랫폼), 옵시스(고성능 라이다) 등의 자율주행업체와 협력 중 – 현대차는 기존 사업을 통해 축적해 놓은 자본으로 요롱업체로부터 주로 소프트웨어 기술을 취득. 그리하여 이러한 기술을 받아 센서 및 컴퓨팅 패키지와 같은 하드웨어에 적절히 탑재하는 데 주력-따라서 종속 위험을 피하고, 엔비디아와의 협력으로 개발한 메인 칩 하드웨어가 필요한 연산을 담당하며, 소프트웨어는 지분을 투자한 회사를 통해 개발해 자율주행에 있어 주도권을 잡겠다는 의도로 추측된다.

>

<출처: HMG JOURNAL>

태그: