오늘 저는 Nvidia의 자동차 부문 책임자인 Xinzhou Wu와 이야기를 나눠보겠습니다.  Nvidia는 분명히 AI 붐으로 인해 끊임없이 뉴스에 등장하고 있습니다. Nvidia는 세계에서 가장 가치 있는 회사 중 하나입니다. AI 업계가 회사의 GPU를 충분히 확보할 수 없기 때문입니다. 그러나 Nvidia는 자동차 산업의 주요 공급업체이기도 합니다. Xinzhou는 수년 동안 자동차에 칩을 탑재해 왔으며, Xinzhou는 자동차 제조업체가 사용할 수 있는 완전한 자율 주행 시스템을 구축하는 데 중요한 역할을 해왔습니다. 예를 들어, 그가 여러 번 언급하는 것을 듣게 되겠지만, 최신 Mercedes EV에는 이미 이러한 기능이 있습니다. 그래서 저는 자동차 산업이 자율주행 EV로의 대전환을 어떻게 처리하고 있는지 그의 관점을 듣고 싶었습니다. 이것이 모든 자동차 제조사와 공급업체가 여러분에게 말할 목표이지만, 2026년에는 그 어느 때보다 먼 것처럼 보일 수도 있습니다. 미국의 EV 채택 주기는 완전히 궤도에서 벗어났고, 자율주행은 상황의 마지막 20%를 해결하기 위해 영원히 갇혀 있는 것처럼 보이며, 소비자가 인플레이션 압박과 전반적으로 에너지 가격 상승을 느끼고 있음에도 불구하고 자동차 자체는 계속해서 더 비싸지고 있습니다. Xinzhou는 실제로 자동차 자체의 근본적인 특성을 재창조하는 데 놀라운 진전이 있었다고 말하는 것을 듣게 될 것입니다. 업계에서는 수십 또는 수백 개의 독립적인 전자 제어 장치(ECU) 대신 소수의 강력한 컴퓨터로 제어되는 "소프트웨어 정의 차량"이라고 부릅니다. 디코더 청취자라면 ECU에서 벗어나야 한다는 필요성에 대해 많은 자동차 제조업체가 이야기하는 것을 들어보셨을 것입니다. Xinzhou는 기본적으로 그 순간이 바로 여기에 있다고 말합니다.  우리는 중국 자동차 산업에 대해 많이 이야기했고, 중국이 휘발유 자동차와 모든 ECU에서 전환을 관리하는 대신 EV 아키텍처와 플랫폼을 기반으로 구축하기 시작했기 때문에 본질적으로 앞서 나갈 수 있었던 방법에 대해 이야기했습니다. Xinzhou는 중국 OEM(Original Equipment Manufacturer)에서 근무한 경험이 있어 해당 분야에 대한 통찰력이 상당히 뛰어납니다. 우리는 Nvidia 자체에서 일하는 것에 대해서도 이야기했습니다. Jensen Huang이라는 독특한 리더가 있는 독특한 회사이며, Xinzhou는 지금까지 그곳에서 보낸 3년이 빠른 학습 경험이었다고 말했습니다. 그는 회사의 급성장하는 AI 사업에 맞서 자원과 역량을 두고 경쟁해야 하는 현실을 회피하지 않았습니다. 특히 고객이 자동차 제조업체만큼 느리고 비용을 절감할 때 이러한 주장에서 승리하는 방법에 대한 그의 설명은 매우 흥미로웠습니다. 물론 우리는 AI와 자율성에 대한 Nvidia의 접근 방식이 Xinzhou가 "고전적인" 스택이라고 부르는 것과 자동차 작동을 위한 모델 추론 능력을 어떻게 통합하는지 논의해야 했습니다. 여기에는 AI 모델이 문자 그대로 스스로에게 말을 걸어 자동차를 운전하는 방법을 알아낸다는 아이디어를 포함하여 많은 것이 있는데, 저는 이것이 믿을 수 없을 만큼 흥미롭고 믿을 수 없을 만큼 재미있다고 생각합니다. 그리고 물론 미국에서 엘론 머스크(Elon Musk)와 테슬라(Tesla)를 빼놓고는 전기 자동차나 자율주행차에 대해 논할 수 없습니다. 그래서 저는 Xinzhou에게 Elon이 LiDAR를 사용하지 않고도 Tesla 완전 자율주행이 실제로 할 수 있다고 주장하는 일을 할 수 있는지 직접적으로 물었습니다. 그의 대답이 타당하다고 생각하는지 말해주세요. 좋습니다. Nvidia의 자동차 부문 책임자인 Xinzhou Wu입니다. 여기 있습니다. 이 인터뷰는 길이와 명확성을 위해 약간 편집되었습니다. Xinzhou Wu, 당신은 Nvidia의 자동차 부문 책임자입니다. 디코더에 오신 것을 환영합니다. 초대해주셔서 감사합니다. 당신과 이야기하게 되어 정말 기뻐요. 자동차의 본질이 무엇인지 바로 알 수 있는 것 같습니다. 자동차 산업이 대대적인 재편의 시기에 있는 것처럼 느껴집니다. 마치 자동차가 몇 년 동안 하나의 제품으로 끝날 것이라는 느낌이 있었던 것 같습니다. 이는 EV 전환의 어려움, 미중 무역 전쟁의 어려움 때문입니다. 그 모든 것이 그 어느 때보다 더 지저분해 보입니다. 많은 자동차 제조업체가 축소하고 있으며 Nvidia에서의 귀하의 지위는 거의 모든 국가의 수많은 주요 자동차 제조업체에 제품을 공급하기 때문에 자동차 산업에서 무슨 일이 일어나고 있는지에 대한 상당히 넓은 시각을 제공하는 것 같습니다. 그럼 거기서부터 시작해 보겠습니다. 자율성과 전기화를 향한 이 길고 구불구불한 길에서 자동차 산업이 어디에 있다고 생각하시나요? 훌륭한 질문입니다. 저는 Qualcomm에서의 경력을 시작으로 약 15년 ​​동안 자동차 분야에서 일해 왔습니다. 저는 한동안 Qualcomm 자동차팀을 이끌었습니다. 그리고 분명히 우리는 "소프트웨어 정의 차량"이라는 말을 들어본 적이 있습니다. 현재 AI 기술을 통해 본질적으로 "AI 정의 차량"이라고 부르는 다음 단계로 나아가고 있습니다. 이러한 대규모 기술 혁신으로 인해 자동차 산업은 지난 10년 동안 매우 빠르게 변화했습니다. 아시다시피 저는 중국 OEM에서 5년 동안 자율주행팀을 이끌며 일하기도 했습니다. 이제 저는 Nvidia에 있습니다. 그래서 제가 15년의 경력 동안 본 것은 이러한 엄청난 변화를 목격할 수 있는 기회였습니다. 자동차는 대부분 기계식, 전기식 기계에서 OTA(over-the-air) 소프트웨어를 통해 기능을 매우 빠르게 업그레이드할 수 있는 것으로 바뀌었습니다. 이것이 바로 우리가 "소프트웨어 정의 차량" 시대라고 부르는 것입니다. 이제 기술이 생성적 AI로 발전함에 따라 우리는 AI를 사용하여 자동차의 소프트웨어 대부분을 다시 작성하고 있습니다. 이것이 바로 우리가 "AI 정의 차량"이라고 부르는 것입니다. 이는 또한 차량 성능의 개발 속도를 가속화했습니다. 다른 한편으로는 '차량'을 정의하는 방식도 바뀌었습니다. AI는 모든 수준에서 전체 산업에 영향을 미치고 있습니다. 이러한 새로운 기술 혁신을 통해 세상이 어떻게 진화할지 지켜보는 것은 정말 흥미롭습니다. 거기에서 몇 가지 용어를 분리해 보겠습니다. 쇼에 출연해 자동차에 어떤 일이 일어날지 알려주는 것을 좋아하는 자동차 제조사로부터 이런 이야기를 많이 듣습니다. 그러나 나는 이러한 용어 중 일부가 가장자리에 약간 모호하다고 생각합니다. 그래서 "소프트웨어 정의 차량"이라고 말씀하셨는데요. 꽤 모호한 용어입니다. 내 생각에는 현재 수많은 다양한 시스템을 제어하는 ​​자동차의 모든 ECU를 제거하겠다는 생각이 듭니다. 그리고 우리는 이러한 모든 구성 요소를 자동차에 있는 한두 개의 큰 컴퓨팅 센터로 중앙 집중화할 것입니다. 테슬라는 이런 일을 한 것으로 매우 유명합니다. Rivian은 이에 대해 엄청난 투자를 했습니다. Rivian의 Wassym Bensaid가 방금 쇼에 출연하여 이에 대해 이야기했습니다. 다른 기존 자동차 제조업체들도 이를 시도했습니다. 우리는 쇼에 GM을 가졌습니다. 그들은 "보세요, 우리는 그렇게 할 필요가 없습니다. 우리는 괜찮습니다. 우리는 우리 방식대로 할 것입니다."라고 말했습니다. 포드는 이를 큰 방법으로 시도했습니다. 그들은 스컹크워크(skunkworks)를 설립하고 그들이 매우 자랑스러워할 수 있는 완전히 새로운 종류의 자동차 제조 방식을 구축해야 했습니다. 머지않아 그 노력을 통해 트럭이 나올 것이라고 합니다. 나는 업계가 거기에 도달했다고 생각하지 않습니다. 그것이 기본적으로 내가 말하는 것입니다. 스타트업 자동차 제조업체들은 자동차에 모든 시스템을 제어하는 ​​한두 대의 대형 컴퓨터가 있는 소프트웨어 정의 자동차를 보유한다고 주장할 수 있는 지점에 도달했습니다. 대부분의 기존 자동차 제조업체는 아직 성공하지 못했습니다.  별표를 표시하겠습니다. 어쩌면 포드가 이 새로운 트럭으로 성공할 수도 있지만 아직은 알 수 없습니다. 업계가 전반적으로 소프트웨어 정의 차량을 도입할 것이라고 생각하시나요? 아니면 기존 자동차 제조업체가 현재 위치에 머물 것이라고 생각하시나요? 100%. 저는 2018년부터 2023년까지 중국에서 무슨 일이 일어났는지 목격할 기회가 있었습니다. 불과 5년 만에 업계 전체가 이런 엄청난 변화를 겪었습니다. 새로운 자동차 OEM뿐 아니라 기존 OEM도 이에 적응해야 합니다. 모든 사람이 단일 중앙 컴퓨팅 종류의 전기 아키텍처에 적응하고 있습니다. 그것이 경쟁 방식이기 때문입니다.  나머지 세계에서도 우리는 파트너인 Mercedes와 같은 드라이브 및 자율주행차(AV) 협업을 통해 파트너를 보유하고 있습니다. 현재 세대는 필수적인 컴퓨터 기반 아키텍처입니다. 그것은 모든 차량에 있을 것입니다. 다른 기본 OEM의 경우 우리는 이들 모두와 협력하여 아키텍처를 한 대 또는 두 대의 컴퓨터 경로로 변환하거나 업그레이드할 수 있도록 돕고 있습니다. 왜냐하면 인포테인먼트가 있을 것이고 기본 운전 또는 고급 운전자 지원 시스템(ADAS), ECU가 있을 것이기 때문입니다. 하지만 저는 세상이 실제로 그런 방향으로 매우 빠르게 움직이고 있다고 생각합니다. 그들 중 일부는 분명히 느려질 것입니다. 그들 중 일부는 더 빠를 것입니다. 그게 이 사업의 성격이에요. 그러나 나는 세상이 기본적으로 그런 방향으로 발전하고 있다는 사실에는 의심의 여지가 없습니다. 사실 나는 당신의 이력이 궁금합니다. 중국 자동차 제조사인 XPeng에서 근무하셨는데요. 미국에 앉아서 오랫동안 자동차 팬이었던 나로서는 중국 자동차 제조사들이 글로벌 대형 자동차 제조사가 아니라는 점에서 상당히 독특한 장점을 갖고 있다는 느낌이 들었다. 그들은 대규모로 운영되지 않았습니다. 전기가 왔습니다. Tesla는 분명히 중국에서 자동차를 만들 수 있는 많은 역량을 구축했습니다. 우리 모두는 중국 제조 생태계가 어떻게 작동하는지 알고 있으며, 이를 재설정해야 합니다. 그들은 기본적으로 미국의 스타트업 자동차 제조업체가 했던 방식대로 여러 대의 자동차를 EV로 설계하고, 기존 미국 자동차 제조업체가 걱정해야 했던 여러 가지 문제에 대해 걱정할 필요 없이 완전히 새로운 기반에서 세계적으로 경쟁력 있는 자동차를 제작해야 했습니다. 그리고 중국 정부는 분명히 엄청난 비율로 모든 보조금을 지급했습니다. 당신은 거기에서 일했습니다. 그게 당신의 경험이었나요? 기본적으로 그들이 새롭게 시작하게 된 방식인가요? 나는 그것이 단지 일면이라고 생각합니다. 그들은 확실히 유산이 적고 걱정할 부담이 적다는 것이 장점입니다. 하지만 제가 보기에는 새로운 OEM뿐 아니라 글로벌 기업들도 중국의 속도에 적응해야 합니다. 적어도 제가 거기서 배운 바에 따르면 모두가 그 속도로 가고 있습니다. 다시 말하지만, 당신은 경쟁할 수 있기를 원합니다.  하지만 당신이 말했듯이, 물결… 소프트웨어 정의 차량은 오랫동안 존재해왔고 Tesla는 이를 실제로 전면 생산하는 차량입니다. 그들이 첫 번째인지는 확실하지 않지만 확실히 가장 큰 규모입니다. 나는 세계 다른 지역의 OEM들도 따를 것이라는 데 의심의 여지가 없습니다. 내 생각에는 지금 모든 OEM이 이렇게 해야 할 것입니다. 왜냐하면 이것이 경쟁 방식이고 생존을 위해 해야 할 일이기 때문입니다. 자율성은 모든 OEM이 차량에 보유해야 하는 필수 요소가 될 것입니다. 우리 모두는 그 미래를 믿습니다. 그리고 거기에 도달하는 유일한 방법은… 우선, 제가 설명한 아키텍처가 있는데, 이를 통해 눈에 띄지 않는 ECU를 많이 사용하지 않고도 소프트웨어를 업그레이드할 수 있습니다. 사실 최근에는 사람들이 이에 대해 반대하는 것을 들어본 적이 없습니다. 다른 내용을 들으셨을 수도 있겠지만, 이는 모두에게 필요한 단계라고 생각합니다. 이 단계에서는 거의 차세대 아키텍처를 위한 테이블 스테이크와 같습니다. 분명히 우리는 많은 OEM들과 이야기를 나누고 있지만 이는 업계가 지향하고 있는 합의입니다. 나는 그곳의 진로가 궁금합니다. 많은 사람들이 이것이 최종 상태이고 다음에 올 모든 것을 가능하게 한다고 말했다는 것에 동의하기 때문입니다. 업계가 예상했던 것보다 훨씬 험난한 길이 있었던 것 같습니다. 그 중 일부는 트럼프 행정부가 EV를 좋아하지 않는다는 것입니다. 따라서 여기의 EV 판매와 세금 공제는 사라졌고 모든 수요가 늘어나면서 EV 판매가 급증했을 수도 있고 이제 모두가 휘발유 자동차를 원할 수도 있습니다. 그리고 이 모든 시스템에 영구적으로 전력을 공급할 수 있는 거대한 배터리가 없고 실제로 12볼트 배터리 대신 이러한 모든 시스템에 전력을 공급하기 위해 엔진을 시동해야 하는 경우 이 모든 것이 더 어려울 수 있습니다. 아니면 중국 자동차 제조업체의 경쟁력이 너무 높고 보조금을 너무 많이 받아 기존 자동차 제조업체가 이를 수행하는 데 드는 비용을 극복하기 어려울 수도 있습니다. 왜냐하면 중국 자동차 제조업체에는 관리해야 할 기존 인프라와 딜러 네트워크가 있고 우리는 이를 보류할 것이기 때문입니다. 합의된 자동차의 미래 상태로 가는 길에는 제가 생각했던 것보다 더 어려워 보이거나 지난 5년 동안 쇼에 출연한 누군가가 그렇게 될 것이라고 말한 뭔가가 있습니다. 당신의 관점이 궁금합니다. 당신은 공급자이고, 비전을 판매하려고 하며, 모든 자동차에 칩을 넣으려고 합니다. 당신의 관점에서 볼 때 그 길을 더 어렵게 만든 것은 무엇입니까? 글쎄요, 꽤 많은 말씀을 하셨습니다. 자동차 산업은 매우 무겁습니다. 여기에는 대규모 공급망과 수많은 회사, 수많은 직원이 포함됩니다. 그리고 아키텍처를 변경하고 자동차를 출시할 때마다 10~15년 동안 이를 지원해야 합니다. 공급업체인 Nvidia도 칩셋, 기타 플랫폼, AV 기술을 포함하여 우리가 공급하는 모든 기술에 대해 고객에게 유사한 약속을 하고 있습니다. 우리는 현재 세대의 칩에 대해서도 10~15년 동안 동일한 세대를 지원하겠다는 약속을 할 것입니다. 실리콘 밸리 제공업체의 관점에서 생각해보면 거의 미친 짓입니다. 하지만 그게 자동차 사업의 본질이다. 사업의 특성상 일이 조금 느려질 것입니다. 그리고 그것은 한 가지입니다. 또 다른 점은 기술이 우리가 이전에 알고 있던 자동차, 소프트웨어 정의 차량, AI 정의 차량과 매우 빠르고 다르게 변화하고 있기 때문에 회사를 적절한 방식으로 설정하고 이 새로운 기술 혁신의 물결에 적응할 수 있으려면 다른 인재 풀을 거쳐야 한다는 것입니다. 이것이 바로 Nvidia가 개입하여 도움을 줄 수 있는 이유입니다. 우리는 기술이 발전하고 있다고 믿기 때문에 여기서는 주로 자율주행차에 대해 이야기하고 있습니다. 기술이 성숙 단계에 도달하고 있습니다. 우리는 이 기술을 대량생산에 적용할 예정이며, 공급업체가 들어올 수도 있습니다. 그렇기 때문에 우리는 AV 기술을 제공할 뿐만 아니라 칩부터 시작하여 운영 체제, 오픈 소스 모델, OEM이 이 새로운 세상에 더 빨리 적응할 수 있도록 돕는 안전 운영 체제인 Halos까지 전체 플랫폼을 제공하고 있습니다.  비즈니스의 본질은 모든 사람이 같은 속도로 운영될 수 없다는 것입니다. 따라서 확실히 이 산업의 규모가 크기 때문에 모두가 결승선에 도달하는 데는 어느 정도 시간이 걸릴 것입니다. 하지만 다시 말씀드리지만, Nvidia에서 제 임무는 모든 사람이 자율적으로 움직이는 모든 것에 도달하고 가능한 한 빨리 이 비전에 도달하도록 돕는 것입니다. 이제 Nvidia에서 귀하의 역할에 대해 물어보겠습니다. 이것이 디코더 질문으로 이어진다고 생각하기 때문입니다. 내 생각에 이 쇼를 듣는 모든 사람들은 아마도 Nvidia가 AI에 대해 진행해 온 실행에 매우 익숙할 것입니다. 세계에서 가장 가치 있는 회사 중 하나입니다. Nvidia가 만들 수 있는 모든 GPU가 고려됩니다. Nvidia Automotive에는 몇 명이 근무하나요? 우리는 실제로 자동차 팀에 수천 명에 달하는 상당한 규모의 팀을 보유하고 있습니다. 우리는 전체 플랫폼에서 작업하고 있기 때문에 하드웨어, 소프트웨어, 모델 및 인프라가 있습니다. 꽤 규모가 큰 팀이에요. Nvidia에는 ​​다른 팀에서도 활용할 수 있는 것들이 많이 있습니다. 예를 들어 Cosmos와 Nemotron에 대해 들어보셨을 것입니다. 이것이 우리의 기본 오픈 소스 기반 모델입니다. 우리는 그들의 측면에서도 업무를 크게 활용하고 있습니다. 당신의 팀은 어떻게 구성되어 있나요? 하드웨어, 소프트웨어, 모델이 있다고 말씀하셨는데요. 그것이 팀의 기본 구조인가요, 아니면 다르게 구성되어 있나요? 예. 음, 엔지니어링 측면에서는 분명히 제품이 있고, 전략이 있고, 배후에 뭔가가 있습니다. 때때로 우리는 그들을 이름 없는 영웅이라고 부릅니다. 예를 들어 지도 팀은 높은 수준의 자율성 경로인 L3, L4에 여전히 매우 중요합니다. 그리고 데이터 인프라. 문자 그대로의 내비게이션 지도가 바로 당신이 말하는 것입니다. 음, HD 지도도 있습니다. 그래서 대충 이렇게 팀을 나눕니다. 예. 그러면 그게 전부 글로벌인가요? 대부분 미국에서 그런가요? 그게 어디에 있나요? 주로 미국에 있지만 중국과 유럽에도 진출해 있습니다. 분명히 우리는 글로벌 제품, 글로벌 플랫폼을 구축하고 있으므로 어디에서나 지원 팀이 필요합니다. Nvidia가 보다 광범위하게 개발한 일부 기본 모델에 의존한다고 언급하셨습니다. Nvidia 내부에서 팀은 어떻게 구성되어 있나요? AI 전략에 부합하는가? 따로 설정되어 있나요? 당신은 더 고립되어 있습니까? 어떻게 작동하나요? 아, 좋은 질문이네요. Nvidia에는 ​​GPU, CPU, 모든 칩셋 전략 및 제품화에 대한 하드웨어 로드맵을 담당하는 중앙 집중식 하드웨어 팀이 있다고 가정해 보겠습니다. 우리는 중앙 집중식 소프트웨어 팀도 보유하고 있습니다. 자동차 팀은 별도의 조직으로, 훨씬 더 자동차에 중점을 두고 있으며, 하드웨어 팀과 소프트웨어 팀의 작업을 활용하고 자동차에 적응하기 위한 자동차 플랫폼을 구축하는 사명을 갖고 있습니다. 모델팀도 있어요.  Nvidia에는 ​​가상 팀 문화도 있습니다. 예를 들어 Nemotron 및 Cosmos에 대한 오픈 소스 모델은 모두 우리 연구팀, 소프트웨어 팀 및 하드웨어 팀과 마주하고 있습니다. 그러나 그들은 이러한 오픈 소스 기반 모델을 작업하는 가상 팀입니다. 우리는 그 작업을 활용한 다음 자동차 조직에서 모델을 구축하여 AV 업계가 작업할 수 있는 강력한 오픈 소스 모델을 갖도록 도울 수 있습니다. 내가 말했듯이, 기본적으로 Nvidia가 제조할 수 있는 모든 GPU는 어떤 방식으로든 설명됩니다. 이것이 지금 AI 산업의 본질이다. 그들은 어딘가의 네오클라우드에 들어갈 것입니다. 성장하는 속도와 규모에 맞게 성장하는 비즈니스에 대한 자원과 관심을 위해 싸워야 합니까? 예, 믿거나 말거나입니다. [웃음] Nvidia조차도 컴퓨팅용 GPU 공급이 제한되어 있습니다. 우리에게는 내부 우선 순위가 있으며 기본적으로 거의 매주 동료와 협력하여 때로는 교육용으로, 때로는 테스트용으로, 회사의 다양한 작업 스레드에 대한 리소스를 따로 확보하는 방법을 결정합니다. 때로는 Jensen(Nvidia CEO, Huang)의 도움이 필요할 때도 있지만 그렇습니다. 어떻게 작동하나요? 그 논쟁은 어떤 모습인가요? ROI 논쟁인가요? “우리가 이만큼 돈을 투자하면 고객에게서 이만큼의 돈을 얻을 수 있다”? 시장 규모에 대한 논쟁인가? 대화의 매개 변수는 무엇입니까? 당신이 상상할 수 있듯이 위의 모든 것입니다. 수익은 분명히 중요하지만 아시다시피 Nvidia는 매우 전략적인 회사입니다. 우리는 Jensen이 때때로 0조 달러 사업이라고 부르는 것을 소중히 여깁니다. 우리는 항상 1조 달러 규모의 비즈니스를 창출할 수 있는 새로운 기회를 찾고 있습니다. 따라서 우리가 가는 새로운 방향에 있어서 회사 내부에서 전략적 우선순위를 설정해야 합니다. 당신도 우리가 시장점유율 회사가 아니라는 사실을 알고 있을 것입니다. 기본적으로 지금 당장 돈을 벌 수 있는 것과 미래를 창조할 수 있는 것, 미래에 회사에 기회를 창출할 수 있는 것 사이의 균형입니다. Nvidia는 매우 독특하게 운영되는 회사입니다. 말씀하신 대로 Jensen은 모든 일에 깊이 관여하고 있습니다. 일대일 미팅을 하지 않는다고 하는 인터뷰를 본 적이 있습니다. 그는 모든 사람을 한꺼번에 만나고 모두가 그것을 해시합니다. 그게 어때서? 저는 Nvidia에서 3년 동안 근무했습니다. 솔직히 매우 독특합니다. 그리고 분명히 모든 사람이 동시에 그런 것은 아닙니다. 서로 다른 그룹입니다. 우리 모두는 Jensen과의 비즈니스 리뷰의 다른 부분인 기술 전략 제품을 가지고 있습니다. 실제로 그의 전략적 사고, 제품에 대한 생각, 전략에 대한 생각을 배울 수 있는 경험은 저에게 매우 흥미로웠습니다. 그는 또한 독특하게 기술적으로 깊이 있습니다. 그가 기술적인 측면에 대해 얼마나 최신 정보를 얻고 있는지 보는 것만으로도 매우 고무적인 경험입니다. Jensen에게서 배울 수 있는 일생일대의 경험이자 기회라고 말하고 싶습니다. 특히 미래에 자율성을 위한 기회를 설명할 때 그것은 큰 내기처럼 보입니다. "우리는 Nvidia의 컴퓨팅 우수성과 AI의 성능을 자동차에 적용하여 자동차가 스스로 운전하게 할 것입니다." 그 수익 모델은 어떤 모습인가요? 마치 자동차 제조업체에 칩과 소프트웨어를 판매하는 것처럼 보입니까? 소비자가 구독료를 지불하고 그 중 일부가 귀하에게 되돌아오는 것처럼 보입니까? 1000억 달러는 어디서 나오나요? 그것도 훌륭한 질문입니다. 현재 우리는 움직이는 모든 것이 자율적일 것이라고 굳게 믿습니다. 미래에는 자동차가 운전하는 모든 마일이 자율주행이 될 것입니다. 따지고 보면 우리는 모든 자동차 중에서 연간 13조 마일을 주행합니다. 현재 주행한 전체 마일리지 중 자율 주행 마일의 비율은 아마도 무시할 수 있을 것입니다. 0.006% 정도 되는 것 같아요. 그러니 이것이 우리 앞에 있는 기회입니다. Nvidia의 견해는 칩부터 운영 체제, 그리고 Halos라고 부르는 것에 이르기까지 모든 기반 기술을 다시 제공함으로써 가능한 한 빨리 생태계를 함께 도울 것이라는 것입니다. Halos 운영 체제는 사람들이 우리 하드웨어에서 모델을 개발할 수 있도록 SDK와 API를 제공할 뿐만 아니라 개발자가 모델을 적용할 수 있는 안전 가드레일도 제공하기 때문에 정말 중요합니다. 우리는 또한 Hyperion이라고 부르는 것을 하드웨어 플랫폼으로 정의합니다. 이는 컴퓨터 리소스, ECU 및 센서 제품군을 포함하는 생산 준비 플랫폼입니다. 우리는 다른 수준의 자율성을 달성하는 것이 필요하다고 생각합니다. 게다가 우리가 훈련시킨 오픈소스 모델인 알파마요(Alpamayo)도 제공합니다. 모델 아키텍처뿐만 아니라 플랫폼에서 모델을 미세 조정하는 데 사용할 수 있는 매개변수와 데이터에서도 오픈 소스입니다. 또한 필요한 모든 인프라도 제공합니다. 예를 들어, 현재 AV 개발에는 시뮬레이션이 정말 중요합니다. 우리는 흔히 AV 문제가 컴퓨터 세 대의 문제가 되고 있다고 말합니다. 훈련용 컴퓨터가 있고, 시뮬레이션 컴퓨터가 있고, 차 안에 추론 컴퓨터가 있습니다. 우리는 Nvidia Drive라는 플랫폼의 생태계에 이러한 모든 기술을 제공하여 사람들이 우리 플랫폼 위에서 해당 기술을 개발할 수 있도록 하고자 합니다. 우리는 미래에 자율 주행하는 모든 마일에서 생태계가 얻을 수 있는 수익의 일정 비율을 얻을 수 있기를 바랍니다. 여기서 1조 달러의 기회가 나올 수 있습니다. 즉, 마일당 수익입니다. 이는 귀하가 추구하는 핵심 측정항목인 것 같습니다. 사용자의 마일당 수익은 어디서 나오나요? 자동차를 운전할 때 구독료를 지불하나요? 아니면 어디든 로봇택시가 있고 탈 때마다 수익이 창출된다고 생각하시나요? 마일당 수익은 어디에서 나오며, 그 숫자는 어떻게 증가합니까? 좋아요. 글쎄요, 저는 세상이 두 가지 모델을 모두 받아들일 것이라고 생각합니다. 하나는 로보택시이다. 보시다시피 중국, 미국, 전 세계에 성공한 사례가 꽤 있습니다. 우리는 이 길을 따라가는 것을 더 많이 보게 될 것입니다. 운전자 없이 A지점에서 B지점까지 즐겁게 이동할 수 있는 택시 같은 차량을 보유하게 될 것입니다.  아직도 여행 중 프라이빗한 공간을 선호하는 분들이 많기 때문에 여객선 역시 오래도록 존재할 것이라고 생각합니다. 아직도 많은 사람들이 아파트를 임대하는 것보다 집을 소유하는 것을 선호하는 것 같습니다. 이 뒤에도 경제가 있습니다. 우리는 두 모델 모두 성공할 것이라고 생각합니다. 그렇기 때문에 우리는 로보택시 회사, 기타 OEM, AV 소프트웨어 개발 회사와 협력하여 Nvidia의 다양한 기술을 공급함으로써 이들을 지원하고 있습니다. 지난 5년 동안 적어도 전기화 부분을 통한 흥미로운 역학 중 하나는 기존 자동차 제조업체가 보험 회사와 금융 회사가 되었고 공급업체가 자동차를 만들고 있다는 사실을 깨닫는 것이었습니다. 그들은 자동차 디자인에 대한 통제권을 크게 상실했습니다. 대형 자동차 제조업체의 1차 공급업체는 여러 면에서 자동차의 대형 하위 시스템을 담당했습니다. OTA 업데이트를 원했을 때 그들은 이를 완료하기 위해 15개의 다른 공급업체와 대화해야 했습니다. 나는 방송에서 이 불평을 수십 번, 수십 번 들었습니다. 그리고 그들은 모두 "우리는 자동차의 엔지니어링을 되찾아야 합니다. 우리는 자동차 플랫폼을 훨씬 더 확고하게 통제해야 합니다."라고 깨달았습니다. 여러 가지 이유로 Nvidia는 다양한 자동차 제조업체의 주요 공급업체가 될 수 있는 기회를 보고 있습니다. 그것은 분명히 그들이 “우리가 차를 통제해야 한다”고 생각하는 의도입니다. Tesla는 Nvidia 칩을 사용할 수도 있지만 해당 코드의 모든 줄을 작성했다는 사실과 그것이 플랫폼이며 기술에 투자했다는 사실을 매우 자랑스럽게 생각합니다. Rivian, 내 생각에 Wassym은 자신이 플랫폼 회사를 책임지고 있고 그 플랫폼을 구축할 것이라는 사실을 매우 자랑스럽게 생각합니다. RJ [Scaringe, Rivian CEO]는 확실히 Rivian이 그런 회사라는 사실을 매우 자랑스럽게 생각합니다. 거기의 역 동성은 무엇입니까? 왜냐하면 모든 자동차 제조업체가 기술에 투자하고 수익이 성과를 거둘 것이라는 희망에 미래 투자를 할 수 있는 것처럼 보이지 않기 때문입니다. 기성 플랫폼과 비즈니스 모델을 선보이려면 Nvidia와 같은 공급업체가 필요할 것입니다. 이제 그것이 당신에게 더 유리하게 기울어지고 있나요? 우리는 그 숲에서 빠져나온 걸까요, 아니면 아직 공중에 떠 있는 걸까요? 자동차 분야에서 Nvidia 비즈니스 모델의 장점은 우리 플랫폼이 완전히 개방되어 있다는 것입니다. 우리는 다양한 계층의 서비스를 제공하며 OEM 또는 로봇 회사가 필요로 하는 것이 무엇인지에 따라 달라집니다. 그들은 당신이 언급한 것처럼 Tesla를 위해 어떤 계층까지 우리와 협력하고 싶은지 선택할 수 있습니다. 일부 OEM은 매우 유능합니다. 그들은 심지어 자동차를 칠하기 위해 자신만의 추론을 만들고 싶어합니다. 그래도 우리는 괜찮아요. 우리는 계속해서 그들과 협력할 것입니다. 실제로 우리는 클라우드에서 협력하여 자체 추론 칩을 사용하여 구축하는 Tesla 및 많은 OEM과 협력하고 있습니다. 우리는 그들의 모델을 최적화하는 데 도움을 주기도 합니다. 서로 다른 OEM과 서로 다른 협업을 하고 있습니다. 왜냐하면 우리가 협력하고 있는 인프라에 여전히 시뮬레이션 컴퓨터와 훈련 컴퓨팅이 있기 때문입니다. 일부 OEM의 경우 더욱 턴키 솔루션을 원합니다. 우리도 그들과 함께 일하게 되어 매우 기쁩니다. 그렇다면 우리는 끝까지 갈 것입니다. 우리는 1단계 또는 1.5단계처럼 손을 맞잡고 작업하고 있습니다. 예를 들어 Mercedes와 같은 드라이버 AV 파트너입니다. 우리는 그들과 매우 긴밀하게 협력하여 그들이 원하는 제품을 정의한 다음 운전자 AV 스택을 그들의 차량에서 원활하게 작동하도록 조정합니다. 양측의 엔지니어들은 메르세데스 디자인 DNA와 그들이 제공하고자 하는 고객 경험에 잘 적응할 수 있도록 긴밀하게 협력합니다. 이것은 우리에게 정말 중요합니다. 우리는 그 자체로 승자를 고르는 것이 아닙니다. 우리는 다양한 수준의 역량을 바탕으로 OEM을 지원하려고 노력합니다. 개방성은 OEM과의 참여 모델에 정말 중요합니다. 제가 이것이 너무 궁금한 이유 중 하나는 훈련 모델을 언급했기 때문입니다. 다른 인터뷰에서 자율성을 훈련하기 위해 합성 데이터를 다양한 방식으로 사용하고 있다고 언급하셨습니다. 나는 그것이 매우 궁금하다. 업계를 보면 정말 충격적입니다. Waymo는 자율 주행 마일 부문에서 엄청난 선두를 달리고 있으며 이를 매우 자랑스럽게 생각하며 이는 그들이 속한 시장에서만큼 성공을 거두는 데 도움이 되었습니다. Tesla도 운전 중인 실제 자동차에 대해 훈련을 하고 있기 때문에 엄청난 숫자를 보유하고 있습니다. 모든 자동차 제조업체가 10억 마일의 자율주행 마일을 주행하는 방법을 알아낼 수 있는 것은 아닙니다. 좋아요. 예. 그들은 적어도 현 상태를 유지하기 위해 제3자에게 의존해야 할 것입니다. Nvidia가 제3자가 될 준비가 되어 있는 것처럼 느껴집니다. 자동차 제조업체에 대한 판매 홍보가 너무 많습니까? "원하는 개방형 용량으로 우리 기술을 구입하면 신속하게 경쟁력 있는 상태로 만들 수 있습니다." 저는 이것이 OEM이 Hyperion 생태계, Drive 생태계에서 Nvidia와 협력할 수 있는 하나의 매력적인 포인트라고 말하고 싶습니다. Hyperion을 정의하는 핵심 요소 중 하나는 컴퓨팅 아키텍처이고, 센서 아키텍처도 데이터 공유이기 때문입니다. Nvidia Drive 파트너에 참여하고 참여하는 모든 사람을 위해 우리는 수백만 시간의 데이터를 수집하는 기존 프로그램을 통해 데이터를 공유합니다. 다양한 자동차 프로그램을 통해 우리는 다양한 OEM으로부터 해당 데이터를 축적하고 있습니다. 그런 다음 우선 이 모든 데이터로 훈련되는 모델을 구축할 수 있습니다. 우리는 최소한 다양한 자동차 프로그램에서 수집된 데이터가 OEM과 공유되는지 확인합니다. 그것이 1위입니다. 두 번째는 새로운 시대입니다. 우리는 컴퓨팅도 데이터라고 굳게 믿습니다. 그래서 말씀하신 것처럼 합성 데이터가 많아요.  NuRec이라고 부르는 신경 재구성 데이터가 있습니다. 이것은 현장에서 데이터를 수집하는 매우 중요한 기술 및 시뮬레이션이지만 때로는 신경 재구성을 사용하여 데이터를 퍼지하여 배경을 변경하거나 자동차 궤적을 변경할 수 있습니다. 동일한 데이터에 대해 많은 변형을 생성할 수 있습니다. 이 모든 데이터에는 수천만 개의 데이터 포인트를 생성하는 컴퓨터가 필요합니다. 우리 생태계에 참여하는 모든 사람과 공유할 수 있습니다. 이러한 방식으로 Drive 생태계에 참여하는 모든 플레이어가 집합적으로 데이터 격차를 따라잡을 수 있으며 이는 매우 중요합니다. 그럼 이건 합성 데이터겠죠? 실제 운전 사례를 많이 수집하게 됩니다. 시뮬레이터에 넣어보겠습니다. 그러면 시뮬레이터가 데이터를 흐리게 만듭니다. 제가 들은 예는 보행자가 나왔는데 보행자를 지연시키고 그 사람을 나중에 나오도록 하면 자동차가 마치 실제인 것처럼 반응해야 한다는 것입니다. 좋아요. 그리고 동일한 데이터의 다양한 변형에 대해 많은 훈련을 실행하게 될 것입니다. 그것은 나에게 매우 매력적이다. 나는 모든 자동차 제조업체가 왜 그것을 구매하는지 이해합니다. 왜 그들은 데이터 공유를 구매하겠습니까? 집단적으로 따라잡을 가능성이 더 높다는 인식일까요? 단지 돈을 지불하고 싶지 않기 때문일까요? 더 저렴합니까? 왜 그런 종류의 데이터 공유 계약에 경쟁업체와 참여하겠습니까? 둘 다 절대적으로 사실입니다. 실제로 비용 절감 효과는 엄청납니다. 대규모의 데이터를 수집하는 것은 이를 원하는 누구에게나 큰 자본 지출입니다. 그것도 반복적으로요. 예를 들어, 우리가 Drive 플랫폼이나 Drive 생태계에서 제공하는 제품을 찾을 수 있다면 고객의 노력과 비용을 많이 절약할 수 있습니다.  저는 그것에 대해 궁금합니다. 왜냐하면 여러분이 물건을 훈련할 것이고, 그런 다음 자동차에 모델을 갖게 될 것이고, 우리는 AI가 정의한 자동차를 갖게 될 것이기 때문입니다. 자율주행에 대한 고전적인 접근 방식은 문제에 대해 점점 더 많은 데이터를 투입하여 결국 자동차가 모든 작업을 수행하는 방법을 알게 되고 모든 것 위에 모든 도로를 매핑하게 된다는 것입니다. 저는 Cadillac EV를 가지고 있는데 Super Cruise가 작동하는 방식은 지도에 표시된 도로에서 작동하는 것입니다. 결국에는 그들이 점점 더 많은 도로와 사물을 매핑하고 자동차의 성능이 더욱 향상될 것입니다. Nvidia의 접근 방식은 지도가 있든 없든 자동차가 무엇이든 할 수 있을 만큼 똑똑해지도록 하는 것 같습니다. 그리고 이를 위해서는 데이터 수집에 대한 다른 접근 방식, 컴퓨팅에 대한 다른 접근 방식, 그리고 AI에 대한 더 큰 투자가 필요합니다. 그 분할이 진짜인가요? 방금 점프를 해보셨나요? 이것이 플랫폼의 미래입니까, 아니면 중간에 있습니까? 본질적으로 맵리스인 L2+라고 부르는 것에 대해 우리가 지금 취하고 있는 접근 방식입니다. 올바르게 말씀하셨듯이 모델에는 확실히 더 많은 데이터가 필요하고 더 많은 특수 사례를 처리해야 합니다. 그리고 우리가 말하는 이 세대, 다음 세대를 위한 모델도 점점 더 커지고 있습니다. 우리는 더 많은 매개변수를 가진 훨씬 더 큰 모델을 사용할 것입니다. 기초 모델도 여기서 큰 역할을 할 것입니다. 이 모델을 매우 효과적으로 만들려면 더 많은 데이터가 매우 중요합니다. 하지만 한편으로는 이미 인터넷 데이터로 학습된 기초 모델을 사용하는 추세도 도움이 될 수 있습니다. 그렇기 때문에 저는 엔비디아 내부의 기초 모델 노력과의 연관성을 여러 번 강조했습니다. 추론 모델과 기초 모델을 통해 우리는 프론티어 모델 관점에서 활용하고 인터넷을 활용하여 데이터를 확장하여 차량별 데이터 없이도 차량이 더 잘 일반화되도록 도울 수 있습니다. 이것이 우리가 더 높은 수준의 자율성, 특히 레벨 4를 향해 베팅하고 있는 주요 방향입니다. 이것은 우리가 지금 집중하고 있는 주요 작업 스레드 중 하나입니다. 다시 OEM으로 돌아가면, 기존 참여와의 협력을 통해 구축한 기능과 합성 데이터 세트 및 신경 재구성을 사용한 데이터 생성을 위한 대규모 기능을 활용할 수 있을 뿐만 아니라 보다 일반적인 데이터에서 훈련되었지만 모델이 더 나은 추론을 하고 더 나은 일반화를 하는 데 도움이 되는 기초 모델 기능을 활용할 수 있다고 생각합니다. 이것이 바로 우리가 고객에게 제공할 수 있는 것입니다. 이제 안전에 대해 물어봐야 할 것 같습니다. 이보다 더 복잡할 거라 확신하는데, 자율주행을 통한 기초 모델 추론을 말씀하시는 군요. 그리고 내 머릿속에는 자동차가 충돌하는 동안 문제가 발생했기 때문에 나에게 사과하는 ChatGPT 또는 모델이 잘못된 방향으로 진행되어 그것을 깨닫는 끔찍한 긴 대기 시간 루프 중 하나가 있습니다. 그리고 일련의 생각을 보면 '아, 완전히 틀렸어'라는 생각이 듭니다. Anthropic이 Claude가 기분이 좋지 않다고 믿는 방식으로 기분이 좋지 않습니다. 그 어느 것도 자동차 운전의 실시간 특성과 양립할 수 없는 것 같습니다. 그 격차를 어떻게 해소합니까? 지연 시간, 큰 모델 중 하나를 배경에 두어야 하는 필요성, 모델이 계속 진행될 수 있는 일종의 추론 접선. 그것이 자동차 운전과 어떻게 호환됩니까? 안전은 우리에게 매우 중요하며 AV 산업에도 매우 중요합니다. 우리 제품의 다양한 계층에 접근하여 귀하의 질문에 대답하겠습니다. 안전 문제를 해결하는 것은 자동차 산업에서 새로운 것이 아니며 우리는 소프트웨어가 안전하다는 것을 증명할 수 있는 매우 정교한 개발 프로토콜과 검증 프로토콜을 개발했습니다. 이를 ISO 26262라고 합니다. 우리는 실제로 하드웨어 및 운영 체제(OS) 수준 소프트웨어와 애플리케이션 수준 소프트웨어를 최고 수준의 안전 표준에 맞게 개발합니다. 이는 자동차를 운전하기 위해 무엇이든 배포할 수 있는 데 매우 중요하고 중요합니다. 그것이 1위입니다. 두 번째는 우리가 이 분야의 일부 플레이어와 약간 다른 접근 방식을 취한다는 것입니다. 실제로 L2++ 또는 ADAS 기능에도 중복 스택이 있습니다. 그 외에는 기본적으로 픽셀 인, 궤적 아웃인 엔드 투 엔드 모델이 있습니다. 우리는 또한 우리가 알고 있는 이 안전 표준을 기반으로 더욱 발전된 클래식 스택을 보유하고 있습니다. 기본적으로 구성품입니다. 이는 많은 구성 요소가 포함된 스택이며 각 구성 요소는 이 알려진 표준을 사용하여 확인할 수 있습니다. 이것이 바로 제가 클래식 스택이라고 부르는 것입니다. 그리고 두 개의 스택이 병렬로 실행되는 경우 기존 스택은 때때로 빅 브라더(Big Brother)라고 부르는 것과 같은 역할을 하지만 본질적으로 안전 가드레일입니다. 엔드투엔드 모델의 모든 궤적을 확인하고 알려진 안전 표준을 사용하여 모든 프레임에서 안전한지 확인하려고 합니다. 그것은 우리가 가지고 있는 매우 중요한 개념입니다. 개념뿐만 아니라 스택에 구현도 있습니다. 우리는 이것을 더 높은 수준의 자율성인 L4에 매우 중요하게 받아들일 것입니다. 이는 센서 세트뿐만 아니라 소프트웨어 아키텍처 세트로서 완전한 중복성을 갖춘 L4 스택의 기초이기도 합니다. 두 번째 요점은 안전 질문에 답하는 것입니다. 셋째, 모델을 개발할 때 모델이 환각을 최대한 줄이도록 노력하고 있습니다. 이를 수행하는 방법은 대규모 검증을 통해서입니다. 우리는 출시하는 모든 모델에 대해 대규모 시뮬레이션 테스트 데이터를 구축하고 있습니다. 현재 우리는 프로그램에서 매일 500만 개의 테스트를 실행하고 있습니다. 대략 매일 우리는 엔드투엔드 모델인 모델을 10번 반복합니다. 우리는 이러한 모든 시나리오에서(테스트된 모든 테스트 시나리오로 생각할 수 있음) 모델이 올바른 궤적을 생성하는지 확인하기 위해 대규모 검증을 수행하고 있습니다. 그것은 우리에게도 매우 중요합니다. 그래서 이것이 우리 제품이 안전한지 확인하기 위해 하는 일입니다. 제가 정말 궁금해하는 정말 멍청한 질문 하나 드리겠습니다. 당신은 모델과 그것이 자동차를 작동하는 방법에 대해 많이 이야기했습니다. 그리고 그렇습니다. 클래식 스택은 안전 가드레일입니다. 모델이 다른 모든 모델과 마찬가지로 언어로 추론합니까? 모든 종류의 일반 모델이 배경 언어로 추론하는 방식으로 "정지 신호가 보입니다. 어떻게 해야 하나요? 멈추는 게 좋겠어요. 브레이크를 밟아야 합니다"라고 말하는 것이 배경에 앉아 있습니까? 짧은 대답은 '예'입니다. 차세대 차량에 배포할 차세대 모델에서는… 현재 세대에는 다소 제한된 컴퓨터가 있기 때문에 다음 세대는 SOAR 기반입니다. 우리는 언어가 내장되어 훈련된 모델을 갖게 될 것입니다. 언어를 통해 추론할 수 있는 능력은 매우 중요합니다. 모델과 채팅도 가능합니다. 예를 들어, 모델에게 무엇을 하고 있는지 물어본 다음 속도를 높이거나 낮추고 차선을 변경하도록 요청할 수도 있습니다. 문자 그대로 운전하면서 "저쪽에 차가 보여요. 몇 마일 뒤에 다가오는 출구에 대비하려면 차선을 바꿔야 해요."라고 스스로 말하고 있습니다. 그리고 자동차를 운전하기 위해 언어로 그렇게 하는 걸까요? 나는 그것이 여러 가지의 조합이라고 생각합니다. 언어는 이미 모델에 내장되어 있지만 아시다시피 비전 신호도 매우 중요합니다. 다중 모델이라고 말하고 싶지만 언어도 그 일부입니다. 아시다시피 모델은 블랙박스 입니다. 우리는 그것이 정확히 무엇을 하는지 정확히 알지 못하지만, 그것에 대해 물어보면 모델이 무엇을 하려고 하는지 대답할 것입니다.  저는 시속 55마일로 고속도로를 질주하는 챗봇 모델에 대한 비전을 갖고 있습니다. 실제로 GTC 타이완에서는 모델이 끊임없이 대화를 나누는 모습이 담긴 영상을 공개하기도 했다. 모델이 추론하려는 모든 내용을 실제로 듣고자 한다면 상당히 짜증날 수 있습니다. 지연 시간은 얼마나 되나요? 분명히 시스템을 배포하고 있고 제대로 작동하고 있을 것입니다. 하지만 그 지연 시간을 줄이려는 시도가 있습니까? 운전을 위해 해야 할 일에 비해 언어는 본질적으로 느린 것 같아요. 나는 차를 운전할 때 언어로 생각하지 않습니다. 100%. 그래서 멀티모델이라고 했죠. 그러나 종단 간 대기 시간을 줄이는 것이 매우 중요합니다. 사실, 그것은 모델로 자동차를 배치하고 운전하는 것의 주요 이점 중 하나입니다. 생각해보면, 기존 스택이나 여러 구성 요소가 있는 클래식 스택을 생각해보면 일반적으로 수백 밀리초가 걸리기 때문입니다. 하지만 모델의 경우 추론 시간일 뿐이므로 픽셀과 궤적인 입력과 분리됩니다. 물론 컴퓨터 성능에 따라 대기 시간을 줄일 수 있습니다. 하지만 현 세대에서도 100밀리초 이내로 제어하는데, 꽤 빠른 속도입니다. 언어 추론에 관해 생각해보면, 그게 바로 인간의 뇌죠? 생각해보면 정보율은 이미 추상화되어 있다고 할 수 있다. 정보율은 그다지 높지 않습니다. 그리고 우리는 이런 종류의 언어 기반 추론 능력을 훈련시키기 위해 인터넷 데이터를 사용하고 있습니다. 나는 대기 시간이 잘 통제되고 있다고 생각합니다. 그렇게 말하겠습니다. 그리고 다시 말하지만, 당신은 언어만으로 차를 운전하는 것이 아닙니다. 내가 말했듯이 그것이 핵심입니다. 일반적으로 추론 부분은 더 느리다고 생각합니다. 다시 말하지만, 우리는 모델이 무엇을 하는지 정확히 알지 못하지만, 픽셀 부분이 차량의 기본적인 순간 반응을 주도합니다. 응. Anthropic에게 물어보면 Claude는 감정과 감정이 있고 겁을 먹을 수 있다고 말할 것입니다. 어-허. 그것에 대해 생각하십니까? 당신의 모델이 자동차를 운전할 때 감정을 느낀다고 생각하시나요? 너무 기분이 나빠지지 않도록 가드레일을 사용하겠습니다. [웃음] 그냥 궁금해서요. 내 말은, 당신이 말했듯이, 우리는 모델이 어떻게 작동하는지 모릅니다. 나는 문자 그대로 모델이 "맙소사, 나 너무 빨리 가고 있어"와 같은 비전을 갖고 있습니다. 하지만 어쩌면 고전적인 시스템이 이를 줄일 수도 있습니다. 응. 응. 이 모든 것이 자동차에서 로컬로 실행됩니까? 아니, 아니, 아니, 아니. 이 모든 것은 오프라인으로 검증됩니다. 하지만 안전 가드 레일이 있는 두 번째 부분은 두 개의 스택을 병렬로 실행할 때 확실히 자동차에 있습니다. 그리고 자동차의 모든 프레임에서 ADAS ECU의 소프트웨어는 클래식 스택과 엔드투엔드 모델의 궤적을 비교하여 모델이 안전한 기본 궤적을 출력하는지 확인합니다. 그렇다면 자동차가 귀하의 접근 방식에 따라 자율적으로 작동하려면 빠른 연결이 필요합니까? 반드시 그런 것은 아니지만 내비게이션 정보와 일부 지도 정보를 얻으려면 연결이 필요합니다. 대부분은 내비게이션 지도입니다. 따라서 모델 측면과 클래식 스택뿐만 아니라 일부 탐색 매핑 정보를 사용하여 세상을 더 잘 이해하는 데 도움을 줍니다. 제가 이렇게 묻는 이유는 제가 5G 네트워크 출시에 대해 매우 자세하게 다루었고 모든 통신 회사가 5G가 자율주행차를 가능하게 할 것이라고 약속했기 때문입니다. 그리고 귀하의 접근 방식은 그런 식으로 대기 시간이 짧은 네트워크에 가장 크게 의존하는 접근 방식인 것 같습니다. 이것이 틀린 것은 아니지만, 반면에 자동차는 완전한 사각지대에서도 자율주행을 해야 합니다. 실시간 짧은 대기 시간, 즉 콘텐츠 종속성은 클라우드에 대한 종속성을 갖고 있습니다. 적어도 ADAS 종류의 애플리케이션(우리가 L2+라고 부르는 것)의 경우 어디에서나 작동하도록 되어 있으므로 종속성을 구축하는 것은 좋은 생각이 아닙니다. 응. 레벨 4, 레벨 5에 도달하면 연결 종속성이 발생합니다. 좋아요. 예. 응. 레벨 4 자율성에서 연결이 끊어지면 어떻게 되나요? 레벨 5에 있을 때 더 이상 운전대가 없고 연결이 끊어지면 어떻게 되나요? 레벨 4에서는 연결성을 일종의 센서로 생각하면 됩니다. 기본적인 운전 능력은 거기에 크게 의존할 수 없습니다. 그리고 레벨 4 기술 개발의 핵심 개념 중 하나는 센서 중복성입니다. 이는 GPS뿐만 아니라 카메라, 레이더 등 눈에 보이는 모든 것에도 적용됩니다. 모든 단일 장애 지점에서 자동차는 안전하게 운전할 수 있어야 합니다. 마치 갑자기 GPS를 잃어버렸는데 자동차가 지역 인식을 갖고 있기 때문에 안전한 지점에 도달해 차를 세울 수 있어야 하는 것과 같습니다. 이는 L4 시스템에 필요한 최소 요구 사항입니다. 이러한 시스템을 개발할 수 있는 기본 L4 원칙이 바로 이것이다. 자동차의 모든 센서 스택이 어디에 있는지, 자동차에 얼마나 많은 컴퓨팅이 있는지, RAM 가격이 상승하는 시점에 자동차에 얼마나 많은 RAM을 장착해야 하는지 매우 궁금합니다. 이 모든 것은 점점 더 비싸지고 있고 적어도 미국에서는 소비자가 다양한 방식으로 반항하고 있다고 느끼는 자동차에 추가 비용이 많이 드는 것처럼 보입니다. 좋아요. 우리 웹사이트 트래픽을 볼 수 있습니다. 모두가 슬레이트 트럭을 25,000달러에 사고 싶어하는데 라디오도 없습니다. 그것은 단지 바퀴 달린 배터리입니다. 그게 차 전체예요. 심지어 페인트 작업도 없습니다. 우리는 비용을 낮추기 위해 이제 자동차의 페인트 작업을 없애고 있습니다. 당신은 자동차의 많은 컴퓨팅, 많은 연결성, 아마도 모델을 로드할 수 있는 많은 RAM에 대해 이야기하고 있습니다. 좋아요. 그게 어떻게 진행되나요? 그것이 당신을 로봇택시 모델로 더 밀어붙이게 될까요, 아니면 사람들이 값비싼 자율주행차를 구매할 것이라고 생각합니까? 확실히 자율주행차를 만들려면 많은 하드웨어가 필요하지만, 또 다른 추세는 기술이 성숙해짐에 따라 하드웨어 비용이 상당히 빠르게 낮아지고 있다는 것입니다. 예를 들어 레이더. 내 경력에서도 비용보다 볼륨이 훨씬 더 커지기 때문에 레이더 가격이 15년에 걸쳐 적어도 4~5배 하락하는 것을 본 적이 있습니다. 카메라 센서 가격도 하락하는 것을 목격했습니다. 경쟁자가 많아지고 볼륨이 커지면 경쟁으로 인해 가격이 낮아집니다. 규모 효과는 현재 ADAS에 확실히 존재하며 모든 구성 요소가 훨씬 더 성숙해지고 어느 정도 상용화됩니다. 아시다시피 컴퓨터는 정말 빠른 속도로 성장하고 있습니다. 얼마 전 반도체 업계에서 무어의 법칙에 대해 이야기했지만, 자율주행 분야에서는 컴퓨터 수요가 정말 놀라운 속도로 늘어나고 있습니다. 대략 2년에 10번 정도 이야기하고 있습니다. 미친 짓이야. 그리고 지금 AI와 Nvidia의 성공으로 우리는 이런 종류의 대규모 컴퓨팅을 자동차에 저렴한 가격으로 제공할 수 있게 될 것입니다. 클라우드에 있나요, 아니면 자동차에 있나요? 차에서. 앞서 훈련 역량을 위한 투쟁에 대해 물었습니다. 제조 능력을 놓고도 싸워야 합니까? 아, 그렇죠. 그 비용은 모두에게 증가하기 때문입니다. 물론이죠. 예. 궁금합니다. 모든 사람의 비용을 높이는 것은 Nvidia의 요구입니다. 그렇다면 Nvidia의 다른 부서가 누군가가 요구하는 비용을 기꺼이 지불할 의향이 있는데 어떻게 팹 용량을 확보할 수 있습니까? 글쎄요, 제가 드린 답변과 같습니다. 우리는 매우 전략적인 회사이고 자동차 사업도 잘하고 있지만 분명히 데이터 센터 사업의 속도에는 미치지 못하기 때문에 더 말할 수 있는 것이 있는지 모르겠습니다. 그러나 우리는 AV 미래에 대한 강한 믿음을 가지고 있습니다. Jensen 자신도 마찬가지입니다. 우리는 내부 컴퓨팅 할당뿐만 아니라 팹 용량에도 투자하여 이 기술과 미래에 계속 투자하고 있습니다. 그것은 확실히 우리가 조사하고 있는 것 중 하나입니다.  실제로 모든 사람이 손에 넣을 수 있는 모든 칩에 대한 수요가 높기 때문에 칩 가격조차 올라야 할 가능성이 높습니다. 긍정적인 측면은 기술이 정말 [좋아지고] 있다는 것입니다. 칩 측면에 대해 이야기했고, 센서 측면에 대해서도 조금 이야기했습니다. 저는 제품에 바로 사용할 수 있는 컴퓨팅 플러스 센서 종류의 플랫폼인 Hyperion에 대해 이야기했습니다. 그래서 우리는 비용과 우리가 할 수 있는 것 사이의 균형을 맞추려고 노력하고 있습니다. 우리는 높은 수준의 자율성을 달성하는 데 필요한 충분한 센서 세트를 찾고 있습니다. 예를 들어 Hyperion 10에서는 실제로 두 가지 버전을 제공합니다. 하나는 베이스로 대부분 카메라로 구성됩니다. 카메라 10개, 레이더 3개, 라이더는 없습니다. 이는 L2++ ADAS 유형의 차량을 제작하는 매우 비용 효율적인 방법입니다. 반면에 고급형 제품은 Hyperion High라고 부릅니다. 필요한 센서 세트를 제공하는데, 여기에는 L4를 구동할 수 있을 만큼 충분한 센서 중복성을 갖춘 14개의 카메라, 3개의 LiDAR, 7개의 레이더가 포함되어 있습니다. ECU 이중화도 필요합니다. 여러분에게는 차세대 SOAR 기반 컴퓨터 플랫폼이 필요합니다. 실제로 더 정확하게 말하면 현재 세대의 SOAR 기반 컴퓨터 플랫폼이 필요합니다. 실제로 스스로 운전할 수 있는 자동차가 있다고 상상해 보십시오. 우리는 이 센서 세트와 컴퓨터 아키텍처를 통해 비용을 정당화할 수 있는 자율성 수준에 도달할 수 있다고 믿습니다. 자율성을 위한 최소 센서 세트는 뜨거운 논쟁을 불러일으키고 있습니다. 오랫동안 뜨거운 논쟁을 불러일으켰습니다. Elon Musk가 오래 전에 LiDAR가 로컬 최대값이라고 생각했다고 말한 것이 이 논쟁의 시작이라고 생각합니다. 이 논쟁은 어떤 방식으로든, 형태로든, 진정되지 않았습니다. 레벨 4에는 LiDAR가 필요하다고 생각하시나요? 짧은 대답은 '예'입니다. 우리는 LiDAR가 레벨 4 자율성에 필요한 안전성과 중복성을 제공하는 중요한 센서라고 믿습니다. 하지만 한편으로는 100% 필요하다고 말하기는 어렵습니다. 우리는 이것이 매우 높은 수준의 도시 및 고속도로 레벨 4 기능에 도달하기 위한 Hyperion 10의 하이 센서 구성을 기반으로 하는 매우 실현 가능한 경로라고 믿습니다. 반면에 이론적으로 사람들은 LiDAR가 필요하지 않을 수도 있다는 것을 엄청난 마일리지로 증명할 수 있습니다. 그러나 본질적으로 ODD 제한이 따릅니다. 죄송합니다. ODD 제한이 어떻게 되나요? ODD(Operational Design Domain)는 기본적으로 적용 가능한 도메인입니다. 기술을 배포할 수 있습니다. 우리는 이에 대해 꽤 많은 분석을 수행했습니다. 우리의 현재 이해와 이 분석을 수행하는 데 사용하는 프레임워크를 기반으로 우리는 고객이 혜택을 누릴 수 있는 모든 ODD에 이 L4 기술을 배포하려면 LiDAR가 없는 것보다 LiDAR가 있는 것이 훨씬 낫다고 믿습니다. Tesla가 완전 자율 주행과 차량, 그리고 비전 기반 시스템이 되겠다는 절대적인 의지를 갖고 있는 것을 볼 때 그들이 현재 여러분보다 앞서 있다고 생각하십니까? 그들이 평등하다고 생각하시나요? 그들이 당신 뒤에 있다고 생각하시나요? 이 질문에 대한 답변에는 두 가지 수준이 있습니다. 기본 L2++ 기술의 경우 Elon이 아마도 모든 사람보다 앞서 있을 것입니다. 그는 오래 전에 부서를 갖고 있었고 대규모 함대에서 기술을 개발하고 테스트하겠다는 비전을 오랫동안 고수해 왔습니다. Elon이 ADAS 시장에서 모든 사람보다 앞서 있고 모두가 본질적으로 따라잡기 게임을 하고 있다고 주장하는 사람은 아무도 없습니다. 그리고 우리는 실제로 Elon이 그렇게 성공했다는 사실에 매우 기쁩니다. 분명히 Elon은 GPU 컴퓨터 측면에서 SpaceX와 Tesla 모두에게 큰 고객입니다. 우리는 그와 그의 팀이 성공할 수 있도록 지원하고 있습니다. 레벨 4의 경우 더 개방적이라고 생각합니다. Waymo와 같이 이미 고객이 사용하는 방법론을 사용하여 L4를 실제로 경험하도록 유도하고 있는 입증된 기존 플레이어가 있습니다. Tesla는 아마도 여전히 그곳에서 길을 찾으려고 노력하고 있을 것입니다. 우리는 승자를 고르려고 노력하는 것이 아니라 모든 사람이 해당 기술을 개발할 수 있도록 돕기 위해 노력하고 있습니다. 우리의 임무는 실제로 AV 생태계가 모든 마일의 비전을 달성하도록 노력하는 것입니다. 움직이는 모든 것이 자율적이 될 것입니다. 이런 비전이 현실이 됩니다. LiDAR 사용에 관해 Tesla 경영진과 대화를 나눈 적이 있나요? 이유 없이 이상하게 종교적인 것 같습니다. 특히 말씀하신 대로 비용이 낮아지는 경우라면 더욱 그렇습니다. 어느 시점에서 더 나은 기술 솔루션이 바로 거기에 있다면 모두가 그것을 사용해야 한다고 느낄 것입니다. 그런 대화를 해본 적 있나요? 글쎄요, 사실은 아닙니다. 저는 아닙니다. 우리 팀은 확실히 그랬어요. 나는 그들과 그런 대화를 나누기를 고대하고 있습니다. 이것의 대부분은 단지 기초 과학과 추론에 불과합니다. 그들의 의견도 듣는 것이 좋다. 나는 당신이 통제할 수 없는 것에 대해 이야기하면서 마무리하고 싶습니다. 모델은 계속해서 좋아질 것이고, Nvidia는 계속해서 칩을 만들 것이며, 아마도 고객은 계속 자율주행을 요구할 것입니다. 그 모든 것이 당신이 다룰 수 있는 것처럼 느껴집니다. 하지만 자동차 시장, 자동차 시장의 최첨단은 중국에서 일어나고 있다. 나는 우리가 이것에 동의할 수 있다고 생각합니다. 미국 소비자들은 TikTok을 열고 자동차 영향력 있는 사람들이 BYD 차량에 대해 이야기하는 것을 보고 댓글로 해당 자동차를 구입할 수 없다고 불평합니다. 중국에 있는 뷰익의 영상을 봤습니다. 미국에서는 구할 수 없는 뷰익 EV인데, 미국 고객들은 뷰익이 중국에서 만드는 것보다 더 좋은 차를 만드는 것에 분노하고 있습니다. 미국과 중국 사이에는 무역 장벽이 많다. Nvidia는 자동차 부품 수입에 대한 관세를 부과하든, 어떤 칩을 판매할 수 있는지, 해당 칩에서 발생하는 수익이 어디로 가는지를 문자 그대로 차단하는 등 모든 종류의 방식으로 이러한 싸움의 한가운데에 자리잡고 있습니다. 자동차 시장을 발전시키려고 할 때 미중 무역 혼란이 어떤 영향을 미치나요? 그게 당신이 생각하는 것인가요? 업계를 둔화시키는 것이 있습니까? 밀어붙일 수 있는 일인가요? 글쎄요, 저는 정책 입안자들이 우리가 지금 보고 있는 대로 정책을 만들 수 있는 추론과 근거를 가지고 있다고 확신합니다. Nvidia로서 우리는 개방형 생태계 플레이어입니다. 우리는 여전히 중국에 많은 고객을 보유하고 있습니다. 우리는 도움을 주려고 노력합니다... 예를 들어, 우리는 여전히 차량 내 추론 칩을 공급하고 있습니다. 왜냐하면 GPU가 중국 시장에서 판매할 수 있는 기준치보다 아직 낮기 때문입니다. 우리는 또한 모든 중국 OEM과 협력하고 있습니다. 실제로 전부는 아니지만 상당수가 시뮬레이션 도구를 제공하여 인프라 측면을 지원합니다. 우리는 오픈 소스 모델인 Cosmos 및 Alpamayo를 위해 그들과 협력하고 있습니다. 한편으로 우리는 그들이 모델을 더 좋게 만들 수 있도록 도울 수 있습니다. 한편, 우리는 중국 시장에서의 경쟁에서도 배울 수 있습니다. 우리는 또한 전 세계 OEM들과 매우 긴밀하게 협력하고 있으며, 모든 Nvidia 플랫폼과 다양한 계층을 다양한 OEM에 공급하여 그들이 성공할 수 있도록 돕고 있습니다. 다시 한번 말씀드리지만, 우리는 승자를 선택하지 않고 모든 사람과 협력하려고 노력합니다. 사명은 매우 명확하며 우리는 이 비전을 가능한 한 현실로 만들려고 노력합니다. 모델을 더 잘 훈련하고 더 많은 기능을 제공하기 위해 OEM 간 데이터 공유에 대해 이야기할 때 중국 OEM과 미국 및 유럽 OEM의 데이터 공유 사이에 규제 장애물이나 경쟁 장애물이 있습니까? 아, 물론이죠. 중국뿐만 아니라 다른 지역에도 제한이 있습니다. 예를 들어 유럽에는 데이터와 관련된 특정 규정이 있습니다. 우리는 다양한 지역을 준수하기 위해 모든 현지 규정을 준수합니다. 이는 모델의 지역적 변형이 서로 다른 기능을 가지고 있거나 서로 다른 분야에서 더 낫다는 것을 의미합니까? 왜냐하면 입력 데이터가 다르면 출력도 다를 것 같기 때문입니다. 전적으로. 글쎄요, 우선 생산 모델의 경우 최대한 포크하지 않으려고 노력하지만 기본적인 지역별 차이는 있을 것입니다. 모델은 입력에 따라 다양한 지역에서 다르게 동작합니다. 그 중 일부는 국가 코드라고 부르는 것입니다. 따라서 분명히 규칙은 미국과 비교하여 유럽과 같은 지역마다 상당히 다릅니다. 일부 조정이 필요하며 일부 매개변수도 다릅니다. 네, 기술을 세계의 다른 지역으로 확장하려는 것은 꽤 흥미로운 여정입니다. 다양한 규제 접근 방식, 다양한 데이터 접근 방식, 다양한 입력 데이터, OEM의 다양한 구성 및 투자 의향, 정부의 다양한 보조금을 기반으로 중국이 먼저 주류 자율주행 경험으로 레벨 4에 도달할 것이라고 생각하시나요? 만약 제가 살펴봐야 한다면 레벨 4 자율주행이 미국에서 주류 경험으로 일어나기 전에 중국에서 먼저 일어날 것이라고 장담할 수 있기 때문입니다. 사실 그건 사실이 아닌 것 같아요. 아시다시피 Waymo는 이미 샌프란시스코의 특정 ODD에서 모든 사람을 L4 경험으로 안내하고 있으며 매우 빠르게 확장되고 있습니다. 중국은 분명히 훨씬 더 역동적인 경쟁 시장이고 거기에는 꽤 많은 플레이어가 있습니다. 하지만 내 경험에 따르면 적어도 샌프란시스코에서는 이들 모두 Waymo의 성숙도를 갖추고 있습니다. 우리는 생태계의 모든 사람을 돕기 위해 노력하고 있습니다. OEM 관점에서 보면 경쟁 환경이 다르지만 OEM 측면에서도 지역마다 다른 종류가 있다고 생각합니다. 음, 한 측면에서는 중국 거리도 미국 거리에 비해 훨씬 더 어렵다는 것입니다. 그리고 레벨 4를 저는 가끔 제로펜 게임이라고 부르곤 합니다. 당신은 그것을 가지고 있거나 가지고 있지 않습니다. 현재 L4가 도시 규모의 지역에서 운전자 없이 모든 고객에게 제한 없이 안전하게 배포될 수 있다는 것을 실제로 입증한 유일한 곳은 여전히 ​​미국이나 중국 뿐이라고 생각합니다. 네, 바로 Waymo입니다. 나는 Waymo가 이를 주류 경험으로 묘사하는 것을 들으면 매우 기뻐할 것이라고 생각합니다. 샌프란시스코에 거주하는 일부 사람들에게는 Waymo가 주류 경험이라는 점을 인정하겠습니다. 나는 대다수의 미국인들에게는 아직 그렇지 않다고 생각합니다. 그리고 그것은 큰 차례입니다. 그렇죠? Waymo는 언제 눈 속에서 일할 수 있나요? 언제 시카고에 배포할 예정인가요? 그리고 뉴욕시에서. 시카고에 오랫동안 있었던 사람으로서 시카고와 뉴욕에서는 어떤 일이 일어나는지 매우 궁금합니다. 제가 가진 질문은 주류 경험이 마치 자동차를 구입하는 것처럼 느껴지고 레벨 2 ADAS는 이제 자동차의 일종의 필수품인지 여부입니다. 레벨 4는 자동차의 주류 상품이 될 것이다. 버튼을 누르면 자동으로 운전이 시작됩니다. 우리가 그것으로부터 얼마나 멀리 떨어져 있다고 생각합니까? 업계가 목표에 도달하도록 돕는 것이 바로 나의 임무입니다. 시간을 주어야 한다면 5년이 아니라 5년 미만이라고 말하고 싶습니다. 그것은 대담한 예측이다. 제 생각에는 거기에 놔둬야 할 것 같아요. 왜냐하면 우리는 시간이 있으니까요. 정말 훌륭했어요, Xinzhou. 다시 당신과 이야기하게 되어 기쁩니다. 그 예측을 확인하기 위해 5년 전에 다시 찾아뵙겠습니다. 하지만 우리는 Nvidia로부터 다음으로 무엇을 찾아야 할까요? 우리가 계획하고 있는 것들이 꽤 많습니다. 우선, 올해 말까지 우리는 미국 전역의 모든 Mercedes 차량과 기타 일부 파트너의 ADAS 측면에 대한 기술을 출시할 예정입니다. 앞으로 몇 년 안에 우리는 이 기술을 전 세계에 출시하려고 노력할 것입니다. 한편, 우리는 Uber와 같은 파트너들과도 긴밀히 협력하고 있습니다. 우리는 GTC에서 향후 몇 년 내에 L4 서비스를 출시하려고 노력하고 있다고 발표했습니다. 정말 신난다. 게다가 우리는 다시 한번 생태계 플레이어입니다. 우리는 거의 모든 OEM과 협력하고 있습니다. 현재 대량 생산 OEM의 80%가 Nvidia의 L4용 Hyperion 생태계에 있다고 말하고 싶습니다. 우리는 모두와 함께 이 미래를 만들어가고 있습니다. 앞으로 어딘가에서 더 흥미로운 발표를 볼 수 있기를 바랍니다.  글쎄, 내가 말했듯이, 우리는 당신을 곧 다시 만나야 할 것입니다. 디코더에 참여해 주셔서 정말 감사합니다. 초대해주셔서 감사해요, 닐레이. 당신과 대화를 나누게 되어 매우 기쁩니다. 질문이나 의견이 있으신가요? [email protected]으로 연락주세요. 우리는 정말로 모든 이메일을 읽습니다!