Sector Update Tech/Autos (OVERWEIGHT) 메가 트렌드 2020: 인간, 자동차, 그리고 인공지능 황민성 Analyst m.s.hwang@samsung.com 852 2020 3719 임은영 Analyst esther.yim@samsung.com 02 2020 7727 조성은 Analyst sharrison.jo@samsung.com 02 2020 7761 당사는 최근 상기 Conference를 진행하였다. Conference는 알파고와 이세돌의 바둑 대 결 이후 한층 높아진 인공지능에 대한 관심도를 반영하였고, 개념적인 면을 넘어 기술 적인 부분에서의 인공지능을 조망할 수 있는 기회를 마련했다. 데이터와 연산(CPU, GPU) 시대, 그리고 숙제: 인공지능(AI) 로봇과 자율 주행이 관심사항 으로 부각된 가운데, 그 본질적인 경쟁력이 다시 데이터(클라우드)와 연산 능력(컴퓨 팅)으로 모아진다. 인간 행동과 사물에 관한 데이터 축적은 스마트폰 시대를 맞아 크 게 증가하였고, 이 데이터를 처리하고 강화할 수 있는 인공지능 학습 능력은 지난 수 년간 구글, 애플, 페이스북, 우버 등의 비즈니스 모델로 꽃을 피우고 있다. 이번 알파고 신드롬은 인공지능 로봇과 자율주행 스마트카 시대가 더 가까이 다가왔음을 느끼게 하지만, 더 많은 데이터와 연산 능력은 물론 업그레이드된 강화학습 능력이 필요하다 는데 공감하게 된다. 문제는 한국 인공지능 분야의 현 주소다. 물리적인 하드웨어에 익 숙한 한국 기업들이 당장 인공지능 로봇과 자율주행에 대비하는 전략은 모호하고 답 답할 수 밖에 없다. 한편, 인공지능 분야에서도, 이번 알파고를 만든 딥마인드(구글이 2014년 4억불에 인수)처럼 제휴와 협업이 큰 관심을 끈다. 부러운 현실로, 국내 기업에 게 척박한 인공지능 및 자율주행 분야에서는 M&A 및 협업이 이들에게 필요할 것이다. 접근방식의 차이에 따라 큰 시간의 격차: 금번 컨퍼런스에서 가장 흥미로웠던 점은 IT내에 서도 접근방식에 따라 완전 자율주행차 상용화 시점의 격차가 매우 크다는 점이다. 첫 번째와 두번째 강사는 인공지능의 강화학습능력에 경의를 표하며 무인차시대가 자동 차업체의 예상 대비 빨리 올 것으로 전망하였다. 알파고는 바둑경기를 위해 기본 기보 를 익힌 후 4개월간 다수의 알파고가 3천만번의 경기를 통해 이겼던 기보의 확률을 높 이고 졌던 기보의 확률을 낮추거나 제거하면서 강화학습을 하였다. 이러한 접근방식을 자동차에 적용해보면 수많은 주행테스트를 통해 축적된 Big Data를 기반으로 교통사고 의 확률을 계산하고 이 데이터를 하드웨어에 장착하면 인간보다 정교한 운전이 가능 해진다. 물론, 교통사고는 발생할 수 있지만 확률은 인간보다 낮다면 무인차를 상용화 할 근거는 갖추게 된다. 이는 구글의 접근 방식과 유사하다. 반면, 세번째 강사는 자율 주행에 필요한 핵심소프트웨어인 GPU의 기술적 난관, 원가, 차량에 내재화 시 전력문 제 등의 과제로 완전 자율주행에는 20~30년 이상의 시간이 필요하다고 전망하였다. 이는 자동차업체에서 전망하는 것과 유사하다. 자율주행차를 둘러싼 파괴적 기술혁신 과 점진적 기술발전 간의 논쟁은 기존 사고의 틀을 깨는 제품이 나오기 전까지는 끊임 없이 지속될 것이다. 다만, 주요시장은 미국과 중국으로 한국의 완성차는 미국과 중국 의 소프트웨어 기업과의 적극적인 협업이 필요하다. 부품사도 적극적인 M&A 등을 통 한 글로벌 과점업체로의 성장이 요구되는 시점이다. "Storage beyond mobile": 알파고의 선전은 기대 이상으로 축적된 데이터와 학습결과에 기초한다. 이는 그만큼 많은 storage를 요구하는 것으로, 모바일 수요의 정체로 인한 메모리 수요의 장기적인 성장 정체에 대한 추세(trajectory)와 생각을 바꾸어 놓는 것 이다. 이는 IoT 시장의 개화와 함께 우리 주변 모든 기계의 자율적인 학습과 동반될 것이다. 컨퍼런스에서 이러한 H/W의 혁신을 가능하게 하는 나노기술과 소재의 혁신 을 알아볼 수 없었던 점은 아쉬웠지만, 한국의 반도체 업계가 이러한 혁신을 주도하 는 하나의 주체임은 확신할 수 있었다. 현실적으로는 HDD와 NAND의 가격차이가 아 직 너무 크고, 데이터 센터 내에서도 많은 계층으로 storage가 나누어져 있어 반도체 storage의 수요는 점진적으로만 성장하고 있다. 디램가격의 하락도 업계의 전망을 부 정적으로 몰고 있지만, 업계 공급자들의 consolidation 등을 고려하여 향후 새로운 시장 내 기회에 대한 관점의 개선이 필요해 보인다.
Contents 강의 1. 인공지능의 New applications 경희사이버대학교 정지훈 교수 정지훈 교수는 경희사이버대학교 IT/디자인 융합학부 미디어모바일 전공교수이며 미래 칼럼니스 트로서 하이컨셉&하이터치 블로그를 운영하고 있다. 우리가 정 교수의 발표에서 관심있게 보았던 점은 인공지능(Artificial Intelligence)이 하나의 미래 애플리케이션이 아니라, 우리 주변의 많은 서비스와 사업모델을 최적화시키며 변화시킬 것이라 는 점이다. 우선 IBM의 인공지능인 Watson을 사용하는 Personalized Health Concierge인 CafeWell을 예로 들 며 향후 전자기기의 sub운영체제인 메타OS로 활용될 application을 소개하였다. 알파고로 유명해진 Google의 딥마인드는 바둑의 경우 과거의 기보학습을 통해 약 20-30수 경 우의 수를 계산한 것과 달리, 다수의 알파고가 벌이는 경우의 수를 강화학습을 통해서 학습하 도록 하고, 이를 몬테카를로 트리서치 방법으로 경우의 수를 계산하도록 하였고, 행렬계산에 최적화된 GPU를 대량으로 사용하며 속도를 높힐 수 있었다. 산업용 로봇의 경우 세계 최대 산업용 로봇 생산업체인 일본의 화낙이 일본 소재 인공지능 스 타트업인 Preferred Networks에 투자한 것을 소개하며 스스로 생산방식을 최적화하는 로봇을 소개하였고, 특히 Foxconn이 이미 한팔 로봇을 아이폰 라인에 투입하고 있는 등 Foxconn의 약 진을 크게 강조하였다. 서비스 로봇의 경우, 제한적인 시장 규모와 더불어 기술수준이 낮고 비싼 단점이 있다. 또한 어설프게 사람과 비슷하면 마치 좀비처럼 인식되는 Uncanny Valley(불쾌한 골짜기)를 문제로 지적하였다. 무인차의 경우, 자동차 경영자들의 생각이 기존의 틀에서 벗어나지 못하고 있는 것과는 상반되 게 젊고 Low passion driver일수록 무인차에 대한 관심이 높다는 점을 지적하며 기존의 자동차 업계가 무인차 시대의 경쟁에서 살아남을 수 있는지 회의적인 시각을 제시하였다. 삼성증권 2
강의 요약: 인공지능 로봇의 현재와 미래 2011년 IBM vs 2016년 Google IBM이 2011년에 퀴즈쇼에서 Watson을 선보이며 관심을 모았지만, 현재는 구글이 주도권을 가져 가는 분위기. Watson이 인간 챔피언을 꺾은 이후 사람들의 우려로 개발이 중단되었으나, IBM 본 사 근처에 있는 암센터에서 활용할 수 있도록 방향을 전환함. Watson은 6개월 후 웬만한 전문의 보다 나은 수준으로 진화하였고, 이때부터 IBM이 인공지능을 신성장동력으로 삼게 됨. 주로 헬 스케어 분야를 중심으로 투자 및 개발을 진행함. 2016년 알파고는 뛰어난 능력과 엄청난 발전속도로 사람들을 또 한번 놀라게 하였음. 애초 알파 고는 기본적인 세팅을 통해 아마추어 3-4단 수준으로 시작하였으나, policy network/value network 를 이용해서 이겼던 기보를 강화하고, 졌던 기보를 약화하는 방식으로 스스로를 계속해서 발전 시킴. 이러한 강화학습 을 통해 결과적으로는 세상에서 가장 복잡한 게임이라는 바둑에서 인간 을 상대로 승리할 수 있었음. 산업용/서비스용 로봇 현황 지금까지 산업용 로봇시장은 비싼 가격으로 인해 성장세가 크지 않았음. 한 대만 도입한다고 활 용할 수 있는 게 아니라 공장을 채울 수 있는 수준의 물량에 투자해야 하기 때문. 또한 경기의 영향을 많이 받기도 함(금융위기 때 산업용 로봇시장은 30% 가까이 축소하였음). 앞으로 시장이 더 커질지 여부는, 대량생산을 가능하게 하는 Foxconn의 의지와 역량에 달려있다고 봄. 서비스 로봇시장은 지금까지 존재하지 않았음. 다만 B2C시장에서 새로운 길을 찾아낸 게 바로 소프트뱅크의 Pepper. 작은 집사의 역할과 감정 공유에 중점을 두었지만, 비싼 가격으로 B2C 시 장에서 성공하진 못함. 오히려 기업들이 손님 응대에 쓰기 위해 구입하여 B2B에서 성장함. 생각 보다 반향이 컸고, 올해 미국에서도 판매개시 예정. 중요한 것은 이 제품을 통해 소셜 로봇 이라 는 시장이 있다는 것을 증명하게 되었다는 것. 앞으로의 자율주행차 시대 전망 기존 자동차 회사 경영진은 자율주행차 시대가 오기까지 25년 이상 걸리거나, 절대 오지 않을 것이라고 생각함. 반면, 소비자들, 특히 젊은 층은 자율주행차 구매 의사가 상당히 높음. 즉, 가 능성 있는 제품이 나오면 얼마든지 판이 뒤집힐 수 있다는 뜻. 한편, 소비자 선호도는 1위 구글 에 이어 의외로 닛산이 2위. 닛산이 LEAF와 같은 차세대 자동차에 대한 마케팅을 열심히 해서 그런 것으로 추정함. 무인자동차가 보편화되면 현재 물동량을 고려할 때 기존의 1/10 수준의 차량대수만 필요하다는 UC버클리의 연구 결과가 있음. 현재 수많은 자동차의 대부분은 주차장에 머물고 있는데, 무인차 도입 시 활용율을 상승시키게 됨. 2030년까진 자동차 시장이 성장하게 될 것으로 보는데 이는 신흥시장의 성장에 기인. 2030년 이후는 전체 시장이 줄어들 것으로 봄. 한편, 중국이 차세대 자 동차 산업을 얼마나 적극적으로 지원하느냐에 따라 상황은 달라질 수 있음. 삼성증권 3
Contents 강의 2. 기계학습과 산업지형의 변화 솔트룩스 이경일 대표 이경일 대표는 인공지능 업계에서 솔트룩스를 운영하고 있는 인공지능 전문가이다. 이경일 대표의 발표는 인공지능의 전반적인 현황과 함께, 특히 높아지고 있는 기계학습의 결과 에 대한 현실감과 향후 데이터의 중요성을 볼 수 있었다. 예를 들어, 알파고와 이세돌의 바둑 대전에서 인공지능 전문가들이 더 놀랐던 점은 지난해 10월 알파고가 유럽 바둑챔피언을 이긴 이후, 강화학습을 통해 이렇게 빨리 학습이 진 행될 줄 몰랐다는 점과 함께, 알파고가 인간이라면 두지 않았을 수를 두어 승리를 이끌며 바둑 전문가들을 깜짝 놀라게 하 였던 것과 같이, 사람이 그간 몰랐던 방식으로도 기계가 학습을 통해 판단하여 또한 예측이 가 능하였다는 점이 인상깊었다. 이러한 결과는 모두 H/W와 S/W의 발전이 두드러지며 이루어졌는데, 알파고의 경우 H/W는 빅데 이터와 GPU의 결합이, 그리고 S/W는 CNN(Convolutional Neural Network)등 신경망의 알고리듬 발전이 결합되었다. 이러한 발전을 토대로 인간은 축적되는 데이터를 지우지 않고, Computing power를 낭비하는 결과 도 있지만, 결과적으로 Moore s Law를 배경으로 한 H/W의 가격하락은 물론 빅데이터를 가능하 게 하는 클라우드 시스템과 알고리듬도 무료화될 수 있음을 경고하였다. 이는 결국 데이터는 무 력화되지 않고 축적되며 향후 인공지능의 본원적인 경쟁력이 될 것임을 강조하였다. 삼성증권 4
강의 요약: 인공지능의 Global Trend 인공지능의 발전 과정 인공지능에 대한 현실감이 높아지고 있음. 과거에는 인공지능에 대한 투자에 비해 성과가 부족 했던 것이 사실이나, 짧게는 7-8년, 길게는 15년 정도 안에 현실로 바싹 다가올 것이며, 분야에 따라 일자리도 많이 달라질 것. 예를 들어 월스트리트의 경우 전통적인 역할의 애널리스트 40% 가 줄고, 대신 그 자리를 수학자, 통계학자, 컴퓨터 과학자 등이 채우고 있는 상황. 그럼에도 무 조건적인 공포는 지양할 필요가 있음. 감정이나 인터랙션이 필요한 직업의 경우, computerization 으로 인한 대체율이 비교적 낮을 것. 과거 차트를 보면, GDP per Capita가 기하급수적으로 늘고 있는 반면 근무 시간은 줄어들고 있음. 그럼에도 실업률에는 크게 변화가 없음. 이는 생산성 향상에 기인한 것으로, 기계가 인간 세계의 비효율을 줄이면서 생산량 및 부가가치를 늘려온 것. 이처럼 인공지능은 잘만 활용하면 더 풍요 로운 삶을 가져다 줄 수 있을 것임. 다만, 발전 속도를 조절하지 못하면, 혹은 그에 대한 제도적 보완이 부족하면 인간이 여러가지 부작용으로 인해 고통을 겪을 수 있음. 인공지능은 몇십년에 걸쳐 발전되어 왔으나, 현 시점에 그에 대한 관심이 유독 높음. 어느 수준 이상으로 하드웨어가 고도화되기 시작하면서, 낭비하는게 절약하는 것보다 저렴한 시점에 도래 했기 때문임. 30년 전에 비해 CPU 하나에 든 트랜지스터 수가 100만배, 하드드라이브 내 집적 용량이 1억배 증가했으며, 단적인 예로 오늘날 누구나 사용하는 스마트폰은 인간을 처음 달에 보낼 당시의 슈퍼컴퓨터보다도 우수한 성능을 지니고 있음. 인공지능의 적용 분야 인공지능 시대의 기계 학습은, 기계가 데이터 속의 특징을 찾아서 분간을 해내도록 하는 방식임. 과거와 차이가 있다면, 초기에는 특징을 인간이 가르쳐주었으나 이제는 어떤 특징으로 학습할지 도 기계가 스스로 판단한다는 것. 예를 들어 이전에는 의사들이 어떠한 증상을 찾도록 기계에게 알려주어야 했으나, 이제는 기계가 스스로 어떠한 특징을 결합하면 진단과 연관성이 높다는 것 을 파악(feature extraction)해서 의사결정을 하는 수준. 인공지능을 실용화하는 기폭제로는 우선 1) 빅데이터를 꼽을 수 있음. Deep learning, 기계 학습도 모두 데이터를 기반으로 하는 것이므로 빅데이터는 필수적. 다음으로 2) 오픈소스 S/W가 보급되 면서, 그것도 무료로 삽시간에 퍼지면서 실시간으로 광범위한 데이터 처리가 가능해진 점을 들 수 있음. 마지막으로는 3) 오픈 데이터를 꼽을 수 있는데, 여러 곳에서 사람들이/각 기관이 가진 데이터를 개방하는 움직임이 늘어나면서 인공지능이 본격적으로 현실화되기 시작한 것. 인공지능의 보급이 가장 수월한 분야로는, 가상비서 및 의사결정 지원 역할일 것. 다음으로는 지 능형 로봇 및 웨어러블이며, 자율주행차는 최종 단계일 것으로 봄. 사람들은 인공지능이 사람보 다 뛰어날 것이라고 생각하지만 현재로서는 약(Weak)인공지능 수준임. 알파고는 바둑 하나만을 잘하기 위해 설계되었고, 어떤 로봇은 날씨 하나만 잘 보도록 세팅된 것. 다만 기계는 4천년치의 데이터를 하루에 배울 수 있는 데이터 처리능력, 보유한 모든 지식을 후속 모델에 넘길 수 있는 능력 등 인간이 갖지 못한 능력을 보유하고 있음. 삼성증권 5
Contents 강의 3. 자율주행차, 언제 가능할까? 이주엽 Imagination Technologies 한국지사장 이주엽 대표는 Imagination Technologies의 한국지사에 근무하는 Graphic Core의 전문가이다. 이주엽 대표는 앞선 발표자인 이경일 대표와 마찬가지로 입력 데이터의 중요성을 역설하였다. 하지만 우리의 관심은 이주엽 대표가 자율주행차 시대가 오기까지는 20-30년이 필요하다 고 예 측한 것에 집중되었다. 이는 자동차 업계의 경영진들이 일반적으로 예상하는 바와 같지만, 변화 는 항상 예상보다 빠르다고 강조하는 많은 IT 전문가들의 생각과는 상이했다. 우리가 이해한 이주엽 대표의 예상의 배경은 다음과 같다. 우선 자율주행차가 가능한 시점을 판단하는 이 대표의 기준은, H/W면에서 특히 GPU의 적용 수 준이다. 이는 GPU 연산이 많아지며 Deep Learning의 처리속도가 크게 증가된 알파고의 경우를 볼 때 타당하였다. GPU core 기준으로 볼 때, 현재 컴퓨터용 GPU는 1,000개 정도의 Graphic core를 내재화 하고 있다. 모바일에서 가장 앞선 수준이라고 하는 아이패드 프로는 500개 수준의 core를 가지고 있다. 현재 테슬라에 적용되고 있는 nvidia의 K1 은 192개의 GPU core를 가지고 있고, 이는 컴퓨터용 의 약 1/5 정도에 해당된다. 알파고는 nvidia의 CUDA core가 각 GPU당 4,992개로 서버용 수준이고, 이러한 GPU가 176개, 그리고 CPU도 1,202개가 사용되었다. 이주엽 대표의 예상으로는 완전 자율주행차는 적어도 20-30년이 걸릴 것으로 보인다. Graphic core에서 세계 제일 수준의 Imagination사가 계획하고 있는 차량용 GPU는, 현재 테슬라 에 들어가 있는 K1의 약 5-10배 수준으로 르네사스/TI/인텔 등과 논의 중에 있다. 즉, 현재 아 이패드 프로나 컴퓨터보다 다소 앞선 수준을 자동차에 내장하는 계획이다. 현재 Mobileye가 하 고 있는 센서 칩보다 훨씬 기술 수준이 높다. 하지만, 이 계획도 아직 칩 구성(architecture)을 central에 computing unit으로 모아서 할지, 아니 면 센서별로 구분 지을지 결정이 되지 않은 상태이다. 또한, 안전 이슈도 크기 때문에 칩 상용 화는 향후 2-3년 정도 걸릴 것으로 보인다. 게다가 2-3년 후에도 완전 자율주행차 보다는 부분 자율주행기능 정도로, 의사결정은 인간이 하고 인공지능은 이를 도와주는 정도가 될 것으로 보인다. Computing 환경에서 알파고와 무인차가 다른 점은, 알파고는 computing에 충분한 시간이 주어 지고 사람이 직접 input하는 반면, 무인차는 수 마이크로 초(sec)의 ABS response time등 환경이 촉박하고 input도 무작위로 이루어진다. 삼성증권 6
이러한 computing unit을 차량 안에 내장하는 것은 많은 이슈를 동반한다. 예를 들어 알파고 수 준만 해도 많은 전력과 원가문제가 걸림돌이다. 또한 완벽한 자율주행이 되려면 차 안에서 processing이 되는 것이 바람직한데, 이는 최대 11가지의 wireless 통신기술이 사용되는 자동차 환경에서의 통신 두절은 안전사고로 이어질 위험이 있기 때문이다. 따라서, 향후 무인차는 기계적으로 할 수 있는 것은 기계적으로 하면서 (예를 들면 초단파 radar 로 감지한 정보를 가지고 자동차를 정지시키는 등), 도로주행정보 등을 알려주는 식으로 운전자 의 주행을 도와주는 형태로 단계적 진행이 될 것으로 보인다. 삼성증권 7
강의 요약: 스마트카 시대의 S/W 인터페이스 CPU보다는 GPU 이번 알파고의 경우, 일반적으로 사용되는 CPU 대신 GPU(Graphics Processing Unit)를 컴퓨팅 엔 진으로 사용하였음. 원래 GPU는 연산을 위한 프로세서이나 주로 그래픽용으로 사용되어왔음. GPU를 컴퓨팅 엔진으로 사용하면 그래픽 용도 대신 연산 및 데이터 처리 용도로 100% 사용하 는 것이기 때문에 기계의 컴퓨팅 능력을 극대화할 수 있음. 특히 자율주행차는 사람과 차량의 지속적 인터랙션이 필요한 관계로 디스플레이에 계속해서 그 래픽이 나타나야 함. 이 때문에 인공지능이나 자율주행차에서는 CPU보다 GPU가 더 중요하나, 아직 갈 길이 먼 것으로 보임. GPU없이 CPU만으로 같은 기능을 사용하려면 비효율적일 것으로 보임. 유사한 관점에서, 스마트카 산업이 GPU 발전의 드라이버가 될 것이라고 생각함. 아직 남아있는 숙제 자율주행차의 매스마켓 시대, 즉 자율주행차가 일반인들도 보유 가능한 제품이 되는 시대는 20-30년 후로 예상함. 자동차 산업은 제품 사용 주기가 긴 관계로 모바일 기기보다 혁신의 속도 자 체는 느릴 것. 중국, 일본, 대만 등에서 새로운 업계 플레이어들이 계속해서 진입 중이나, 아직까 지는 초기단계라고 볼 수 있음. 계속해서 새로운 센서와 네트워크 기술 및 관련 법규/규정이 정 비되어야 할 것으로 보임. 자율주행 관련 기술을 완전하게 활용하는 단계는 아직 멀었고, 현재 현실적으로 사용 가능한 것 이 ADAS 기술. 이를 위해서는 주로 운전자 보조 및 안전성 강화, 카메라 비전, 레이더 성능 강 화 등이 필요하며, 디지털화된 대쉬보드를 통해 차량 내외부의 상황을 나타내고 그에 대한 적절 한 컨트롤이 가능한 상태를 추구함. 다양한 종류의 고성능 센서가 필요하며, 우리나라 주행환경 에 맞는 데이터베이스를 만들어야 할 것. 멀티미디어 대쉬보드는 향후 인포테인먼트/보이스컨트롤/헤드업디스플레이 등의 복잡한 역할을 할 것. ADAS 내부적으로 각종 센서, 램프, 레이더, 카메라 등을 통한 데이터를 수신해서, 그 Validity를 확인한 뒤 액션(아웃풋)을 취하는 것. 디스플레이와 각 ADAS 기능이 역할을 발전시켜 나가면서 점점 스마트카로 진화해가는 것. 현재 단계 수준에 비해 10배-100배 이상의 성능 향상 은 이루어져야 풀 오토메이션이 가능해질 것. Compliance Notice - 본 조사분석자료에는 외부의 부당한 압력이나 간섭없이 애널리스트의 의견이 정확하게 반영되었음을 확인합니다. - 본 조사분석자료는 당사의 저작물로서 모든 저작권은 당사에게 있습니다. - 본 조사분석자료는 당사의 동의없이 어떠한 경우에도 어떠한 형태로든 복제, 배포, 전송, 변형, 대여할 수 없습니다. - 본 조사분석자료에 수록된 내용은 당사 리서치센터가 신뢰할 만한 자료 및 정보로부터 얻어진 것이나, 당사는 그 정확성이나 완전성을 보장할 수 없습니다. 따라서 어떠한 경우에도 본 자료는 고객의 주식투자의 결과에 대한 법적 책임소재에 대한 증빙자료로 사용될 수 없습니다. - 본 조사분석자료는 기관투자가 등 제 3자에게 사전 제공된 사실이 없습니다. 삼성증권 8