테슬라 FSD에 사용되는 AI기술 (feat.엔비디아 H100 GPU 매출)

테슬라의 FSD 시스템에 대한 구체적인 기술과 각 단계별 AI 관련 제품 및 모델에 대해 알아보고, 최근 관심이 높아지고 있는 엔비디아의 역할을 및 전체 매출에 차지하는 비중 및 미래 예측까지 해 보았습니다.

FSD작동 과정 및 사용된 관련 기술

 정보 수집

• 카메라 시스템: 테슬라의 FSD 시스템은 차량에 장착된 8개의 서라운드 카메라로 주변 360도를 커버하여 실시간으로 도로 상황, 교통 신호, 보행자 등을 감지합니다.  
  
  - 구체적 모델: 테슬라에서 자체 설계한 HW3 (Hardware 3) Vision Processing System 카메라 모듈을 사용하며, RGB 기반으로 도로 및 객체를 시각적으로 인식합니다.
  
  
• 레이더 시스템: 전방에 장착된 Bosch MRR (Mid-Range Radar) 레이더를 통해 차량 전방의 물체와 거리를 감지합니다. 레이더는 특히 악천후 상황에서 시각 데이터를 보조하는 역할을 합니다.  
  
  - 구체적 모델: Bosch MRR5 Plus - 5세대 미드레인지 레이더
  
  
• 초음파 센서: 차량의 근거리 물체 인식을 위해 12개의 초음파 센서가 장착되어 있습니다.  
  - 구체적 모델: Tesla에서 자체 설계한 근거리 초음파 센서로, 근접 객체 감지를 통해 저속 주행 및 주차 보조 기능을 지원합니다.
  
  - 출처: Tesla Official Website - Autopilot and Full Self-Driving Capability, Tesla AI Day Presentation 2021
  
  

데이터 처리 및 해석

• FSD 컴퓨터 (Full Self-Driving Computer): 테슬라의 FSD 컴퓨터는 자체 설계한 고성능 AI 칩을 사용하여 수집된 데이터를 실시간으로 처리합니다. 이 컴퓨터는 차량 내 연산을 위한 두 개의 독립적인 시스템을 통해 작동하며, 데이터 분석과 해석을 지원합니다.  
  
  - 구체적 모델: Tesla HW3 (Hardware 3) FSD Computer, 이 컴퓨터는 12개의 64비트 ARM 코어와 Tesla가 자체 설계한 신경망 가속기(NPU)를 포함합니다.
  
  
• 신경망 프로세서 (NPU): FSD 컴퓨터 내에 탑재된 신경망 프로세서는 실시간 객체 인식 및 이미지 분석 작업을 수행하며, 차량의 주변 환경을 분석합니다.  
  
  - 구체적 모델: Tesla Dojo Chip, 자율주행용 데이터를 학습 및 처리하는 데 사용되는 신경망 가속기로, 초당 최대 36.9 Tera Operations (TOPS)의 연산 성능을 제공합니다.
  
  - 출처: Tesla AI Day Presentation 2021, "Tesla Full Self-Driving Chip and Hardware 3" by AnandTech, 2019
  
  

주행 계획 수립

• 경로 계획 알고리즘: AI 기반 경로 계획 시스템은 주행 경로를 설정하고, 실시간 교통 상황과 도로 조건에 따라 경로를 조정합니다. 이 과정에서 강화 학습 알고리즘을 통해 경로가 지속적으로 최적화됩니다.  
  
  - 구체적 기술: Tesla Vision 및 Deep Reinforcement Learning 알고리즘이 결합된 강화 학습 모델로, 실시간 경로 최적화와 장애물 회피 기능을 수행합니다.
  (출처: "Tesla’s Approach to Full Self-Driving and Autopilot Software" by IEEE Spectrum, 2020)
  
  

제어 및 실행

• 차량 제어 시스템: FSD 시스템의 계산된 주행 경로에 따라 차량의 속도, 방향, 브레이크 등을 실시간으로 조정합니다. 제어 시스템은 차량을 정밀하게 조작하며, 돌발 상황에 대응할 수 있도록 설계되었습니다.  
  
  - 구체적 모델: Tesla Drive Control System - FSD에 맞춰 설계된 특수한 차량 제어 장치로, 테슬라의 엔지니어링 팀이 지속적으로 업그레이드하고 있습니다.
  (출처: "Tesla Full Self-Driving Chip and Hardware 3" by AnandTech, 2019)
  
  

지속적인 학습 및 업데이트

• 데이터 수집 및 학습: 주행 중 수집된 데이터는 테슬라 서버로 업로드되며, 이를 통해 AI 모델이 지속적으로 학습을 수행합니다. 이를 통해 시스템은 다양한 주행 상황을 경험하며 모델이 더 정교해지도록 학습됩니다.  
  
  - 구체적 기술: Tesla Neural Net Update Framework - 테슬라의 AI 플랫폼으로, 주행 데이터가 서버에 저장되며 FSD 알고리즘이 지속적으로 학습됩니다. 이를 통해 학습된 모델은 OTA (Over-the-Air) 업데이트를 통해 차량에 자동으로 배포됩니다.
  (출처: "How Tesla Updates Its Autopilot and FSD" by MIT Technology Review, 2021)

Tesla FSD와 엔비디아 (자율주행 소프트웨어 학습)

• 데이터 센터의 고성능 GPU: 테슬라는 자율주행 소프트웨어의 학습과 모델 개선을 위해 엔비디아의 고성능 GPU를 활용합니다. 차량 내에는 엔비디아 하드웨어가 없지만, 테슬라의 데이터 센터에서 자율주행 소프트웨어의 AI 모델을 학습시키기 위해 사용됩니다.  
    - 구체적 모델: 엔비디아 H100 GPU – 2024년 8월 기준으로 테슬라는 H100 GPU 칩 10만 개를 설치하여 FSD의 최신 버전인 버전 13 훈련에 사용하고 있습니다.
  
  - 출처: "Tesla’s Use of Nvidia H100 for FSD Development" - MIT Technology Review, 2024

엔비디아의 자율주행 매출 비중과 전망

• 엔비디아의 자율주행 관련 제품 매출 비중: 2024년 2분기 기준, 엔비디아의 자율주행 관련 제품은 자동차 부문 매출의 형태로 전체 매출에서 약 2.6%를 차지하고 있습니다. 이는 3억 4,600만 달러에 해당합니다.
  
  
• 향후 증가 예상: 자율주행 기술과 AI 콕핏 솔루션을 중심으로 엔비디아의 자동차 부문 매출은 향후 점진적으로 증가할 것으로 예상됩니다. 특히 자동차 산업에서 AI와 자동화 기술의 수요가 증가하면서, 엔비디아의 자동차 부문 매출 비중이 지속적으로 상승할 것으로 보입니다.
  
  

[ Tesla FSD에 적용되는 엔비디아 H100 매출 및 전체 엔비디아 매출 중 비중, 현재/미래 ]

                                                                                           출처: 엔비디아 공식 자료, chosun.com, heesight.com

이와 같은 구성 요소와 모델을 통해 테슬라 FSD는 정보를 수집하고 처리하여 차량의 자율주행을 구현합니다. 각 단계에서 AI와 관련된 하드웨어와 소프트웨어가 상호작용하며 안전하고 효율적인 주행 경험을 제공합니다.