에이아이 J.P. Morgan Automotive Conference

감사합니다, 맷. 네, 좋습니다. 아, 네.

여기 오게 되어 반갑습니다. 저는 올해로 네 번째인데, 허리케인이 온다든지 하는 일도 없어서 편안하게 쉬어가는 느낌이네요. 발표에서 몇 가지 슬라이드를 살펴보겠습니다. 간단한 제품 소개를 먼저 공유드리고, 대부분의 시간은 Q&A에 할애하겠습니다. 네, 작년 이후로 제가 여기 올 때마다 핵심 질문은 ‘라이다(LiDAR)가 여전히 필수인가?’입니다. ‘자율주행의 핵심으로 여전히 자리하고 있는가?’라는 질문이죠. 저는 리비안(Rivian)의 최근 인용문이 정말 마음에 듭니다. 물론 이것만 있는 건 아닙니다. 그래도 그 중간 지점에 잘 맞아떨어집니다. 라이다는 보완적인 기술이며, 특히 자동차 자율주행에서는 레이더와 카메라 사이를 메워줍니다. 레이더처럼 아주 먼 거리까지 볼 수 있지만, 훨씬 더 선명하고 해상도도 훨씬 높습니다. 여기서 L4에 대한 코멘트를 보시면, 앞서 무대에 돈(Don)도 나왔었죠.

앞으로 기술 스택의 방향이 어떻게 형성되는지에 영향을 주는 중요한 요소라고 생각합니다. 간단히 그림을 보시면, 이것은 저희가 토론토대학교와 공동으로 작업하고 있는 차량입니다. 토론토대학교의 aUToronto 주행 프로그램입니다. LiDAR는 여전히 직사광선 아래에서도 볼 수 있는 유일한 센서입니다. 악천후 주행에서 비는 저희 센서로는 사실상 보이지 않습니다. LiDAR는 여전히 기술 스택에서 퍼즐을 맞추는 핵심 요소입니다. 저희가 작년에 여기 왔을 때 이후로 OEM 니즈, 특히 자동차 쪽과 관련해 배운 것 중 하나입니다. 작년에 제가 여기 무대에 서 있었을 때는 승용차에 LiDAR를 탑재한다는 발상이 있었습니다. 그게 지금은 꽤 많이 바뀐 것 같습니다. 이를 ‘모놀리식 LiDAR’라고 부릅니다. 차량 내부에서 여러 작업을 하나로 모두 처리하는 ‘원 사이즈 핏 올’ 방식입니다.

지금 저희가 보고 있는 것은 훨씬 더 전문화된 사용 사례들의 조합이며, 이는 저희가 가진 아키텍처와 잘 맞습니다. 이 부분은 잠시 뒤에 말씀드리겠습니다. 공급망 회복력입니다. 저희는 미국 기업입니다. 저희는 미국에서 제조하고 있고, 승용차든 로보택시든 트럭이든 관계없이 OEM의 구매 부서와 대화할 때 이것이 핵심 의제로 떠올랐습니다. 서유럽과 미국에서는 이제 매우 탄탄한 공급망을 갖추는 것이 기본 요건이 됐습니다. 돈(Don)이 여기 없어서 다행이긴 한데, 특정 트럭 제조사를 지원할 의도는 전혀 없습니다. 하지만 올해 상반기에 저희가 본 것 중 하나는 L4 플레이어들, 특히 자율주행 트럭 분야로 막대한 자본이 유입됐다는 점입니다. 우버(Uber)가 여기에 상당한 자금을 댔습니다.

발표 초반에 보셨던 그 L4 마인드셋이 이 분야에서 LiDAR가 필수적이라는 인식을 형성하고 강화하기 시작하고 있습니다. 이는 앞서 말씀드린 모놀리식 LiDAR에서 벗어나는 흐름과도 연결됩니다. 작년에는 신규 센서의 비용과 통합 비용에 대해 많이 이야기했습니다. 몇 가지가 있습니다. 하나는 트럭이든 승용차든 차량에 하드웨어를 추가할 때 발생하는 BOM(원자재 명세서) 비용입니다. 또 다른 부분은 전체적인 통합 비용입니다. 앞서 Don이 무대에서 말씀드렸듯이, 센서는 학습을 시켜야 합니다. 소프트웨어 통합도 필요하고, 호환되지 않는 부분을 맞춰야 하는 작업도 있습니다. 이 부분이 바로 AEye가 저희 Apollo 센서를 통해, 그리고 제가 다음에 말씀드릴 내용과 관련된 영역 중 하나입니다. SDV, 즉 소프트웨어 정의 차량입니다. 저희는 LiDAR의 SDV입니다.

센서를 하나 떠올려 보시죠. 작년에 말씀드렸듯이 저희 센서는 1킬로미터의 사거리를 갖고 있습니다. 이를 수표책이라고 생각해 보시면 됩니다. 그 모든 출력과 성능을 어디에 쓰실 건가요? 차가 1킬로미터 앞까지 봐야 할까요? 아마 아닐 수도 있습니다. 저희는 이를 다른 용도로 활용하면서 매우 유연하게 대응할 수 있습니다. 새로운 산업입니다. 좋지 않나요? 센서가 정확히 무엇을 해야 하는지에 대한 이해가 매달, 그리고 해마다 변화하고 발전하고 있습니다. 저희는 그 점에서 매우 유연합니다. 예를 들어 여기서 빨간색은 센서에 예산을 많이 쓰고 있는 경우이고, 더 차가운 색상은 더 적게 쓰고 있는 경우입니다. 특정 OEM의 승용차인지 트럭인지에 따라 이 예산 배분을 다시 조정할 수 있습니다.

저희는 앞으로 나아갈수록 이것이 매우 중요한 요인이 되고 있음을 보고 있습니다. 공급망 회복탄력성에 대해서도 말씀드렸습니다. 작년과 마찬가지로, 저희는 경험이 풍부한 자동차 분야 티어 1 공급업체와 파트너십을 맺고 있습니다. 저희의 생산 기반은 글로벌하고 유연하지만, 무엇보다 중요한 것은 현재 북미에서 제조가 가능하다는 점입니다. 다시 말씀드리지만, 이것도 필수 체크 항목입니다. 요즘 OEM 구매 부서에 가서 이 체크 항목을 충족하지 못하면, 말 그대로 “그럼 다음에 뵙겠습니다”가 됩니다. 자본 투입이 적은 구조입니다. 이것은 저희가 회사 차원에서 고수해 온 가치입니다. 저희의 조립 및 공급망 프로세스가 매우 모듈화되어 있기 때문에, 필요에 따라 제조를 확대하거나 축소할 수 있습니다. 저희 비용을 실제로 좌우하는 것은 라인 자체의 초기 투자비가 아니라 운전자본과 부품입니다. 저희는 규모를 확대할 준비가 되어 있습니다.

작년 말에 발표했던 현재 생산 라인은 연간 6만 대까지 증산할 수 있도록 램프업 준비가 되어 있습니다. 다시 말씀드리면, OEM 구매 부서에 들어갈 때 “좋습니다, 귀사 첫 번째 차량 라인을 지원할 수 있도록 이런 것들을 수천 개 생산할 수 있나요?”라는 것이 체크 항목입니다. 사전 질문 노트에 엔비디아 관련 질문이 하나 들어와 있었던 것으로 압니다. 통합 비용입니다. 결국 모두가 생각해야 하는 지점이자, 저희가 여기서 고민하는 핵심도 바로 그것입니다. 하드웨어 비용이 얼마냐만이 아니라, 새로운 센서를 자율주행 스택에 통합하기 위해 필요한 소프트웨어 통합과 트레이닝 작업이 얼마나 드느냐도 중요합니다. 엔비디아는 이 부분에서 저희에게 정말 훌륭한 파트너였습니다. 그들의 하드웨어는, 적어도 그들이 밝힌 바에 따르면, 35개 이상의 OEM에 탑재되어 있습니다.

OEM을 찾아가 그 플랫폼에 대해 사전에 검증되어 있고 호환성이 매우 높다는 점을 보여줄 수 있다는 것은 정말 강력합니다. 본질적으로 이는 제품 성숙도와 통합 비용에 대해 하나의 메시지를 던지는 것입니다. 그들은 대표적인 자동차 센싱 요구사항 측면에서 저희를 끌어올려 준 것뿐 아니라, 오토모티브 그레이드 측면에서도 정말 훌륭한 파트너였습니다. 저희는 기술 기업입니다. 자동차 신뢰성은 저희 같은 기술 기업에게 계속 진화하고 개발해 나가야 하는 영역입니다. 엔비디아는 저희가 엔비디아 Halos AI 시스템 검사 랩에 참여함으로써 제품이 더 강화되고 견고해지도록 하는 데 큰 도움을 준 훌륭한 파트너였습니다. 저희는 작년 이후로 규모가 더 작아졌습니다. 여기에서 보여드릴 수 있어 기쁩니다. 이것이 저희 스트라토스 센서입니다. 제 손바닥 안에 쏙 들어옵니다. 작년에는 ‘아폴로’라고 부르는 1킬로미터급 센서가 있었습니다. 지금은 1.5킬로미터입니다.

본질적으로 예산을 두 배로 쓰면, 성능도 두 배로 끌어올릴 수 있다는 의미입니다. 차량 적용에서는 룸미러 아래쪽에 깔끔하게 들어가 있는 모습을 보시게 될 겁니다. 저것은 실제로 약간 더 큽니다. 저것이 아폴로 센서입니다. 약간 더 큽니다. 이건 그 학습의 결과물이라고 보시면 되는데, 즉 일체형(모놀리식) 센서는 필요하지 않다는 뜻입니다. 그 점이 라이다의 전반적인 비용을 더 높게 유지시키고 있었습니다. 예를 들어, 어떤 완성차 업체(OEM)가 장거리 센서 하나를 룸미러 위쪽에 달고, 그리고 측면 거울이나 헤드라이트에 더 짧은 거리용 센서 두 개를 쓰는 경우를 상상해 보시면 됩니다. 그것이 일체형 센서 하나만 쓰는 것보다 실제로 더 저렴한 솔루션입니다. 이로 인해 저희는 그동안 이 제품에 들어가 있던 과도한 엔지니어링 요소를 상당 부분 걷어낼 수 있었습니다.

이 라이다 하나가 승용차에 필요한 모든 일을 다 해야 했던 것이죠. 그 결과 OEM이 가장 필요로 하는 지점에서는 성능을 그대로 높이면서도, 동시에 제품 비용을 낮추고 크기도 더 작게 만들 수 있었습니다. 마지막으로 말씀드리겠습니다. 작년에 여기에서 저희는 시장을 ‘자율주행’으로 이야기했습니다. 그 이후로 그것이 더 확장되어, 보다 일반적으로 저희가 ‘피지컬 AI’라고 부르는 영역이 되었습니다. 라이다는 더 넓은 피지컬 AI 시장에서 분명한 역할을 해왔습니다. 이는 기계의 ‘사고’하는 부분이 물리적 세계와 상호작용하는 영역입니다. 말씀드리자면, 방산은 저희에게 매우 뜨거운 주제였습니다. 고위험 상황에서의 무인 지상 차량(UGV), 비행 중 드론, 그리고 유인 차량과 관련해 저희에게 들어오는 문의가 매우 많았습니다.

이것들은 취미 수준의 드론이 아니라, 전력선 같은 장애물을 회피해야 하는 더 큰 드론들입니다. 저기 사진에 보이듯이, 저희는 기술 스택 덕분에 수백 미터 떨어진 곳에서도 두께 3센티미터짜리 전력선을 매우 뛰어나게 식별합니다. 저희가 자동차 분야에 도입했던 장거리 센싱의 강점이 이제 방산에서 성과로 이어지고 있습니다. 이 친구들은 저고도 임무를 수행합니다. 전력선은 큰 위험 요소입니다. 이 드론들은 매우 고가입니다. 소모품이 아닙니다. 예를 들어, 저희는 그쪽에 핵심 기술을 추가할 수 있었습니다. 마지막으로 대(對) UAS, 즉 군집 규모의 드론 대응 분야에서도, 저희의 장거리 성능과 먼 거리까지 에너지를 집중할 수 있는 능력, 그리고 매우 작은 물체를 볼 수 있는 능력 덕분에 경쟁력이 있습니다. 저희는 이 분야에서 매우 바쁘게 움직이고 있습니다.

실제로 올해 상반기에는 이 부문이 저희 매출에서 가장 큰 비중을 차지했습니다. 피지컬 AI가 본격적으로 확대됨에 따라, 저희는 탄탄한 위치에 있다고 보고 있습니다. OEM이나 다른 시장들이 필요로 하는 방식으로 성능을 정확히 맞춰 제공할 수 있는 역량 등, 저희는 계속해서 강한 차별화를 유지하고 있습니다. 그들은 예산이 큽니다. 저희가 그들에게 큰 예산을 주면, 그들은 원하는 대로 집행할 수 있습니다. 실적 발표를 계속 보셨다면, 이것이 토대가 되었던 최근의 상업적 발표를 아실 겁니다. 그쪽에서는 경쟁이 치열했습니다. 저희는 성능을 고프레임레이트로 구현해낼 수 있었기 때문에, 그 특정 시장에서는 따라올 수 없는 수준이었습니다. 제조, 북미, 그리고 학습을 지속하면서 확보해가는 높은 유연성입니다. 피지컬 AI 시장은 계속 발전하고 있습니다. 저희 재무상태표는 견고합니다. 저희는 깔끔한 재무상태표를 보유하고 있습니다.