자동차 차부품 Coming Soon, 자율주행차...2018/09/11 · 자동차 사고의 대부분은...

Issue Report: 자동차/차부품

Coming Soon, 자율주행차

자동차/부품/타이어 이재일 CFA

Tel. 02)368-6183

[email protected]

2018. 09. 11

4TheIndustrialRevolutionth

Summary

2019년, 자율주행차 카-헤일링(Car Hailing) 서비스 상용화 본격화

웨이모(Waymo) - 2017년부터 아리조나주 피닉스 지역에서 얼리라이더 프로그램을 운영 중이다. 피닉스 지역 신청자 전원에게

얼리 라이더 서비스를 확대 제공할 예정이며, 올해 연말까지 자율주행 카헤일링 서비스를 상용화할 계획이다.

GM - 2017년부터 샌프란시스코 지역 자사 직원들을 대상으로 카헤일링 서비스인 크루즈 애니웨어(Cruise Anywhere)의 테스팅

을 진행하였다. 2019년 상용화 서비스를 목표로 하고 있으며, 볼트EV 기반의 레벨4 자율주행차를 본격 양산할 계획이다.

앱티브(Aptiv) - 2018년부터 라스베가스 스트립 지역에서 20대의 자율주행택시를 운행 중이다. 지난 8월 총 5천회의 유료 자율

주행택시 서비스를 제공했다. 라스베가스 내 20곳으로 목적지가 제한되지만 서비스 운영 지역을 점차 확대할 계획이다.

자율주행 3사 상용화 계획 – 2019년부터 본격적인 상용화

업체 웨이모 (Waymo) 크루즈 (Cruise Automation) 앱티브 (Aptiv)

상용화 시기 2018년 하반기(예정) 2019년(예정) 2018년

사진

세부 설명

현재 600대의 크라이슬러 퍼시피카 미니밴으

로 얼리 라이더(Early Rider) 프로그램 운영

중, 향후 62,000대까지 운영 대수 확대 계획

재규어 I-PACE가 플릿에 추가되어 2019년부

터 도로 주행 예정

자율주행 소프트웨어 크루즈 오토메이션, 라

이다(Lidar) 제조업체인 스트로브 인수로 자

체 기술 확보하여 상용화 시기 앞당김

2017년 자사의 카헤일링(Car-hailing) 앱인

‘크루즈 애니웨어(Cruise Anywhere)’ 개발,

2019년 서비스 상용화 계획

2018년부터 라스베가스 스트립 지역에서 20

대의 자율주행택시 운행 중으로, 8월 기준 총

5천회의 자율주행택시 서비스 제공

자율주행 카헤일링 서비스 확대하고 향후 완

성차에 시스템 패키지 공급 계획

자료: 언론 보도, 각 사, 유진투자증권

Summary

낮아지고 있는 경제적/기술적 장벽들

적응적 접근법(Adpative Approach) 하에서는 Lv. 4-5의 완전자율주행기술 구현을 위해 비용이 기하급수적으로 증가할 것으로

예상됐었다. Lv. 1에서 3까지 부분자율주행기술 진화 과정에서 새로운 기능이 덧붙여지는 형태를 나타냈기 때문이다. 하지만, Lv. 4

이후의 자율주행기술은 도전적 접근법으로 하드웨어 설계 과정에서 기존과 상이한 길을 걷게 될 가능성이 높아졌다.

라이다 – 자율주행차용 라이다가 양산되면서 코스트가 급격하게 하락하고 있다. 솔리드 스테이트 라이다(Solid State Lidar)의 개

발로 개당 단가는 1,000달러 이하로 하락하였으며, GM의 스트로브는 가까운 시일 내 개당 300달러 수준으로 양산이 가능할 것으

로 예상하고 있다. 구글이 1세대 자율주행차에 사용했던 벨로다인 라이다(62,500달러) 대비 0.5%에 불과한 가격이다.

소프트웨어 플랫폼 – 칩 성능의 향상으로 컴퓨팅 하드웨어 비용도 감소하고 있다. 기존 자율주행차의 설계는 각각의 기능을 위한 ECU

가 포함되고 통합 모듈이 더해지는 방식으로 설계가 됐지만, 자율주행차용 프로세서의 발전으로 하드웨어는 오히려 간소화될 전망이다.

솔리드 스테이트 라이다 개발 현황

업체 사진 세부 설명

쿼너지

(Quanergy)

전방 300m까지 1cm 단위로 사물을 인식할 수 있음

대당 1,000달러로 양산 계획 발표(CES2016)

고속도로 자율주행 기능이 적용된 제네시스 EQ900에 탑재

이노비즈

(Innoviz)

고해상도의 저가형 소형 라이다 개발 및 보급 목표

2018년 1월 자동차 제조업체용 개발 플랫폼 InnovizPro 런칭, 2019년 완전한 자율주행차량용 라이다 InnoVizOne 출시 예정

2018년 BMW 자율주행 차량에 고체형 라이다 탑재 예정

스트로브

(Strobe)

2017년 GM에 인수되어 크루즈(Cruise Automation)와 함께 개발 중

감지 영역을 현재의 두 배로 늘리고 대당 300달러로 양산할 계획 발표

자료: 각 사, 유진투자증권

컴퓨팅 하드웨어 비용의 감소 – 엔비디아

기존 – 각 기능별 ECU와 통합 컨트롤 유닛이 추가됨 향후 – 각 기능별 ECU를 통합 컨트롤 유닛으로 간소화

기존 – 낮은 컴퓨팅 능력과 기능별 단순 통합으로 하드웨어 비용 과다 향후 – 컴퓨팅 능력 강화로 모든 기능을 하나의 칩에 집적

자료: 엔비디아, 유진투자증권

Summary

AI(Artificial Intelligence) 기술 접목으로 알고리즘 방식의 한계를 극복

AI 기술 발전으로 자율주행차 소프트웨어의 완성도가 높아지고 있다. 위치 추적 방식은 기존 SLAM 기법의 단점을 보완한

DeepVO 기법이 적용되기 시작하였으며, 주행경로 설정은 기존 경로 최적화(Optimization) 접근법에서 다양한 가능성 중 최적의

대안을 스스로 선택할 수 있도록 강화학습(Reinforced Deep Learning)을 활용하고 있다. 지형 인식은 과거부터 머신 러닝이 일반

화된 영역으로 데이터가 축적됨에 따라 인식률이 향상되고 있으며, 노면 소음을 이용한 지형 인식 기법도 개발되고 있다.

위치 추적(Localization and Mapping) 기법

SLAM

(Simultaneous Localization and Mapping)

GNSS

(Global Navigation Satellite System)

DeepVO

(Visual Odometry with Deep Recurrent Convolutional Neural Networks)

로봇 스스로 이동하며 주변을 탐색할 수 있음

주변 환경 특징을 시각적으로 파악, 특징의 위

상 변화를 통해 자신의 상대 위치 계산

장거리 이동 및 장시간 지속 시 오차가 커짐

GPS를 활용해 현재 위치를 파악

개방된 공간에서는 신뢰도가 높지만, 신호가

약한 음영 지역이 존재하여 단독 위치 추적

에는 한계

이미지 추출과 궤도 추적에 딥러닝 기술 적용

SLAM 대비 정확도 향상

데이터 양이 많을수록 정확도가 높아져 추적 오차 범위 지속

적 축소 중

자료: 유진투자증권

노면 소음을 이용한 지형(Environment) 인식

자료: MIT, 유진투자증권

다양한 경로로 선택지를 확장 - MIT의 Deep Traffic(예시)


Summary

자동차 산업 영향 - 자동차 밸류체인의 수평화

자율주행기술의 대중화는 자동차 산업의 밸류체인을 피라미드 구조에서 수평적 구조로 바꿀 것이다. 완성차 메이커뿐 아니라 소프

트웨어 제공자, Tier-X 공급자도 자신만의 브랜드를 구축할 수 있는 기회를 갖게 될 것이다.

피라미드 구조에서 수평적 구조로 변화

OEM

0.5-tier

공급자

Tier 1 공급자

(시스템)

Tier 2 공급자

(모듈또는부품)

Tier 3 공급자

(원재료, 중간재또는부품)

OEM

IT공급자

온라인공급자

통신회사

디바이스제조사

Tier-x공급자

자료: AT Kearney, 유진투자증권

자율주행차 – 솔루션 제공업체의 브랜드 노출

웨이모 - 크라이슬러 퍼시피카 밴 웨이모 – 재규어 I-PACE 크루즈 AV

앱티브 – BMW 540i 뉴토노미 – I Miev 현대모비스 – 엠빌리(M.Billy)


Summary

자동차 산업 영향 – 자동차의 소프트웨어 플랫폼화 가속

자동차의 소프트웨어 플랫폼화가 가속화됨에 따라 소프트웨어 업체들에게는 기회 요인이, 하드웨어 업체들에게는 도전적인 환경이

펼쳐지고 있다. 자율주행차는 아직까지 정해진 하드웨어 표준이 없으며 가파른 기술 발전 속도로 인해 하드웨어 진부화가 속도가

빠르다. 적응적 접근법과 달리 도전적 접근법 하에서는 하드웨어 CPV(대당 컨텐츠 비용)가 오히려 하락할 가능성도 존재한다.

적응적 접근법 vs. 도전적 접근법

Leve

l of Auto

mation

1

2

3

4 Today

Prototype/closed course Fleet, limited geography Mass deployment, everywhere

Today

~2030

Scale / Scope

자료: Nutonomy, 유진투자증권

웨이모 자율주행차 센서 구조 – 이전 세대 대비 센서 개수 감소

자료: Waymo, 유진투자증권

참고: 라이다(노랑)는 5개, 레이다(남색)는 4개, 음향센서(파랑)는 1개, 서라운드 카메라(녹색)는 1개

Summary

현대모비스 – 현대차 그룹의 자율주행기술 역량 집중

현대차 그룹의 자율주행차에 대한 투자는 아직 초기 단계로 볼 수 있으며, 투자를 본격화 하는 단계에 진입하고 있다.

현대차 그룹의 자율주행차기술 역량은 현대모비스에 집중될 것으로 예상된다. 현대모비스는 레이다 센서 등 핵심 기술 내재화와 자

율주행차 시험 주행을 위한 준비를 갖추고 있다. 동사는 지난 6월 서산주행시험장을 완공해 트랙 내에서 자율주행차를 시험 운행할

수 있는 시설을 갖췄고, 자체 제작한 센서를 장착한 엠빌리(M.Billy)의 글로벌 도로 테스트를 준비 중이다.

부족한 소프트웨어 기술 확보를 위해 스타트업 투자를 확대하고 있으며, 해외 소프트웨어 기술 인력을 적극 영입 중이다. 과감한

M&A를 통한 기술력 확보, 완성차와의 시너지를 통한 경쟁력 제고 가능성도 높아 국내 자율주행차 기술을 선도하는 기업이 될 것

으로 전망된다.

현대모비스 자율주행차

현대모비스 서산주행시험장 현대모비스 자율주행차 엠빌리(M.Billy)

충남 서산시 부석면 바이오웰빙특구에 위치

2017년 6월 완공됨 (총면적 112만㎡, 약 3천억원 투자)

자율주행과 직접 관련된 시험을 하는 첨단시험로, 레이더시험로 등 14개의 시험

로와 4개 시험동을 갖추고 있음

엠빌리(M.Billy)는 현대모비스가 개발한 자율주행차로 레이더와 카메라 등 8종,

25개의 센서가 장착돼 차량 주변 360도 모두 감지가 가능함

V2X(Vehicle to Everything) 통신 기술을 활용해 주행 중 도로 신호 바뀜을 스스

로 탐지, 그에 맞춰 주행이 가능함

도로 위에서 발생할 수 있는 돌발상황 대처에 능동적임

(예: 주행 차로에 정차한 차량 발견 시 옆으로 돌아 이동, 차선 변경 시 달려오

는 차량 인지하고 원래 차선으로 복귀 등)

2019년까지 20대 이상의 플릿을 구성해 대대적인 시범 운행에 들어갈 예정

자료: 현대모비스, 유진투자증권

현대모비스 신기술 개발 및 양산 로드맵

개발 기술 개발예정일 양산예정일 내용

2018.08.21 자율주행 카메라 - - AI 영상인식 기술 스타트업 '스트라드비젼'에 80 억 투자

안전한 자율주행 시스템 구성하는데 필요한 고도의 카메라 인식 기술을 공동 개발 위해 투자 결정

2018.07.25 자율주행 조향장치 개발완료 2020 자율주행 상황에서 두 개의 전자 회로를 활용한 제어 방식으로 항상 정상적인 조향 능력을 유

지할 수 있는 신개념 전동식 조향장치를 개발

2018.07.22 AI기반 소프트웨어 개발완료 2H18 인공지능을 기반으로 하는 소프트웨어 검증시스템 '마이스트' 도입

검증의 정확도를 높이고 자율주행·커넥티비티 등 미래차 소프트웨어 개발에도 도움을 받을 것

2018.04.29 자율주행 레이더 4Q18 2021

자율주행차 전방 및 측방 보급형 레이더 개발을 완료하여 미래차 핵심 기술 확보 할 예정, 고

성능 카메라·라이다 등 고부가가치 후속 부품을 개발하기 위한 첫 단추로 평가

2021 년부터 차량외부 360 도 감지할 수 있는 자율주행차용 레이더 양산 계획

2018.04.19 자율주행 센서 2020 2022

미국 미시건주에서 레벨 3 와 레벨 4 자율주행 개발을 위해 자율주행차 '엠빌리'의 실차 평가를 진행

2020 년 레벨 3 고속도로 자율주센서 기술 확보

2022 년 독자 센서를 갖춘 레벨 3 자율주행 시스템을 양산하는 것이 목표


자동차/부품/타이어 이재일 CFA

Tel. 02)368-6183

[email protected]

Summary

I. 가까워진 자율주행차 시대

자율주행차, 자동차 산업이 가져올 최대 혁신

2019년을 기점으로 자율주행차 상용화 본격화

II. 자율주행 기술의 발전

해결되기 시작한 난관들

III. 자동차 산업 영향

자동차의 소프트웨어 플랫폼화

IV. 현대차 그룹

자율주행기술에 대한 투자 확대

V. 관련기업 소개

2

10

17

25

32

35

10

Analyst 이재일 | 자동차

I. 가까워진 자율주행차 시대

자율주행차, 자동차 산업이 가져올 최대 혁신

다가올 자동차 산업의 최대 혁신은 자율주행차가 될 전망이다. 자율주행차는 단순히 자동차를 설계하고

제조하는 방식, 사람들이 운전하는 방식의 변화만을 의미하는 것이 아니다. 자율주행차는 24시간 끊임없

는 무인 운송을 가능하게 하고, 도시 공간의 활용 방식을 획기적으로 변화시킴으로써 진정한 의미의 경제

혁명을 가져올 수 있다. 개인들은 운전에 소모되는 시간을 생산적인 활동에 활용하고, 음주 운전/졸음 운

전 등 인간 실수에 의해 발생할 수 있는 예기치 못한 사고의 위협으로부터 벗어날 수 있게 된다. 자율주행

차의 실현이 진정한 의미의 4차 산업혁명의 완성 혹은 시작이라고 보는 시각이 존재하는 이유다.

도표 1 자율주행차가 가져올 변화

28%차량감소

87%사고율감소

66%배기가스량절감

55%도시주차공간감소

30%운송시간단축

자료: Aptiv, 유진투자증권

자율주행차의 보급은

사회와 경제 전반의 변화

를 가져올 기술적 변화

11


자율주행차의 경제, 사회적 가치

자율주행기술은 차량의 효율성을 극대화하고 인간의 실수에 의한 비용을 최소화 할 수 있다. 글로벌 예

측 기관들은 이로 인한 사회적 효용이 미국 시장에서만 최대 1조 달러에 달할 것으로 전망한다. 자율주

행차가 가져올 수 있는 사회적 효용을 정리하면 다음과 같다.

첫째, 사고 위험을 줄여준다. 자동차 사고의 대부분은 운전자의 실수로 인해 발생하며, 인공지능으로 인

간 운전자를 대체할 경우, 70~90%의 자동차 사고가 예방될 수 있을 것으로 예상된다. 둘째, 산업 생산

성이 대폭 향상된다. 24시간 무인 운송 시스템은 물류 효율성을 올려줄 뿐 아니라, 군집주행

(platooning)을 통해 연비 효율성도 대폭 향상시킬 수 있다. 자동차의 대당 가동률이 향상돼 도시 주차

공간이 감소하고, 러시 아워의 교통 체증도 사라진다. 셋째, 개인들의 유휴 시간이 생겨난다. 돈으로 환

산하기 어려운 자율주행차의 가장 큰 매력 중 하나다.

미국의 글로벌 컨설팅 업체인 AT Kearney는 2030년에는 자율주행차로 인해 연간 1조 9천억분(약

361만년)의 운전 시간을 절약할 수 있을 것으로 전망했다. 자율주행차를 구현하기까지 많은 난관이 있

음에도 불구하고 각 국 정부와 글로벌 업체들이 사활을 걸고 기술 개발을 진행하고 있는 이유가 바로

여기에 있다.

도표 2 자율주행차의 가치(달러 환산)

자율주행차

총 절감 금액:

1.3조달러

4,880억

달러

5,070억

달러

1,380억

달러

1,380억

달러

1,580억

달러

사고방지로인한

총 절감금액

자율주행차로인해

증대된생산성

혼잡회피로

증대된생산성혼잡회피로

연료절감

연료 절감


도표 3 자율주행차로 인해 늘어나는 여유 시간

70 213 434 718 1,066

1,482 1,970

2,473 2,992

3,528 4,082

0

1,000

2,000

3,000

4,000

5,000

6,000

2025 2026 2027 2028 2029 2030 2031 2032 2033 2034 2035

보수적 시나리오

공격적 시나리오

87 266 542898

1,333

1,852

2,462

3,091

3,740

4,410

5,102

(십억분)


사고 예방, 연비 효율성

향상, 개인 시간 절약 등

경제적 가치 큰 기술

12


2019년을 기점으로 자율주행차 상용화 본격화

자율주행차 택시 서비스를 준비중인 기업들

자율주행차의 상용화 시점이 점차 다가오고 있다. 현재 자율주행차를 활용한 상업 서비스에 가장 근접한

업체는 구글의 웨이모(Waymo), GM의 크루즈(Cruise Automation), 리프트(Lyft)와 제휴한 앱티브

(Aptiv)로, 이 업체들은 자율주행 택시 서비스를 현재 제공 중이거나 2019년 내 출시할 계획이다.

도표 4 자율주행 3사 상용화 계획

업체 웨이모 (Waymo) 크루즈 (Cruise Automation) 앱티브 (Aptiv)

상용화 시기 2018년 하반기(예정) 2019년(예정) 2018년

사진

세부 설명

현재 600대의 크라이슬러 퍼시피카 미니밴으

로 얼리 라이더(Early Rider) 프로그램 운영

중, 향후 62,000대까지 운영 대수 확대 계획

재규어 I-PACE가 플릿에 추가되어 2019년부

터 도로 주행 예정

자율주행 소프트웨어 크루즈 오토메이션, 라

이다(Lidar) 제조업체인 스트로브 인수로 자체

기술 확보하여 상용화 시기 앞당김

2017년 자사의 카헤일링(Car-hailing) 앱인

‘크루즈 애니웨어(Cruise Anywhere)’ 개발,

2019년 서비스 상용화 계획

2018년부터 라스베가스 스트립 지역에서 20

대의 자율주행택시 운행 중으로, 8월 기준 총

5천회의 자율주행택시 서비스 제공

자율주행 카헤일링 서비스 확대하고 향후 완

성차에 시스템 패키지 공급 계획

자료: 각사, 언론보도, 유진투자증권

웨이모, 크루즈, 앱티브

선도업체는 자율주행차

상용화 단계에 돌입

13


웨이모: 2018년말 자율주행 택시 서비스 제공 예정

웨이모는 가장 이른 2009년부터 자율주행차 프로젝트를 시작하였으며, 현재 가장 많은 자율주행차 테

스트 플릿(Fleet)과 가장 긴 자율주행 운행 기록을 보유한 선도 업체다. 웨이모의 자율주행 트랙 레코드

는 2012년 30만 마일 자율주행에 도달한 이후, 2015년 6월 100만 마일, 2018년 7월에는 800만 마

일에 도달해 기하급수적으로 증가하고 있다. 웨이모는 600대의 크라이슬러 퍼시피카 미니밴을 활용해

얼리 라이더(Early Rider) 프로그램을 현재 운영중이며, 향후 62,000대까지 운영 대수를 확대할 계획

이다. 최근 재규어 I-PACE가 플릿에 추가되었으며, 2019년부터 본격적으로 자율주행전기차 I-PACE

가 도로를 주행할 예정이다.

웨이모는 2015년 최초로 운전자와 조향장치 없이 공도에서 자율주행을 하는데 성공하였으며, 지난 해

부터 자원자들을 대상으로 얼리 라이더 프로그램을 운영 중이다. 얼리 라이더 프로그램은 아리조나주 피

닉스 지역 인근 주민들에게 자율주행차 차량 호출 서비스를 무료로 제공해 준다. 현재 400명 이상의 참

가자들이 얼리 라이더 프로그램에 참여하고 있으며, 웨이모는 이를 바탕으로 2018년 연말 상용화를 계

획 중이다.

도표 5 웨이모 얼리 라이더 프로그램 도표 6 웨이모 기술 접목된 재규어 I-PACE 전기차

자료: Waymo, 유진투자증권 자료: Waymo, 유진투자증권

도표 7 웨이모 자율주행 주행거리

2009

1MJune 2015

2MOct 2016

3MMay 2017

4MNov 2017

5MFeb 2018

6MApril 2018

7MJune 2018

8MJuly 2018

(mile)


알파벳(구글)의 웨이모,

자율주행기술 분야의

압도적 선두주자

2017년부터

얼라라이더 서비스 제공

2018년 연말까지

상용화할 계획

14


GM: 2019년 Cruise Anywhere 론칭 계획

GM은 막대한 자금력을 동원해 자율주행차 기술을 빠르게 확보한 케이스다. 2016년 자율주행 소프트웨

어 업체인 크루즈 오토메이션을 10억 달러에 인수하였으며, 2017년에는 라이다(Lidar) 제조업체인 스

트로브를 인수했다. GM은 자율주행차 상용화의 필수 조건인 자율주행을 위한 인공지능 기술과 솔리드

스테이트 라이다(Solid State Lidar) 제조 기술을 자체적으로 확보함으로써 상용화 시기를 앞당길 수 있

게 됐다.

GM의 크루즈는 지난 5월 소프트뱅크의 비젼 펀드로부터 22.5억 달러의 신규 자금을 조달했다. 자금은

초기 9억 달러가 투입되고 자율주행차 상용화가 확정되는 시점에 13.5억 달러가 추가로 투입될 계획이

다. GM은 자사의 카헤일링(Car-hailing) 앱인 크루즈 애니웨어(Cruise Anywhere)를 샌프란시스코

지역의 자사 직원들을 대상으로 2017년부터 테스트 중이며, 2019년 상용화를 계획 중이다.

도표 8 GM 자율주행 상용화 계획

크루즈

LiDAR 크루즈 애니웨어(Cruise Anywhere) 크루즈 AV

솔리드 스테이트 라이다 카헤일링(Car-hailing) 앱 볼트EV 기반의 레벨4 수준의 자율주행차

스트로브와 크루즈가 협력하여 개발 중

감지 영역을 현재의 두 배 이상으로 늘리고 대당 300달

러로 양산할 계획

2017년 자사의 카헤일링(Car-hailing) 앱인 ‘크루즈

애니웨어(Cruise Anywhere)’ 개발, 샌프란시스코 지

역에서 1년 넘게 테스트 시행

배차 플랫폼, 자율주행차 위치 및 배터리 잔류량,

승객 탑승 여부 등의 다양한 추적 기능 탑재

2019년 상용화 계획

2017년 6월, 자율주행 시스템을 탑재한 볼트EV

130대 생산

2018년 1월, 핸들과 페달이 없는 자율주행 컨셉트카 크

루즈 AV 공개 및 200대 생산

자료: GM, 유진투자증권

GM, 크루즈와 스트로브

인수로 밸류체인 완성

크루즈 애니웨어,


15


앱티브: 이미 5천회 이상의 자율주행택시 서비스를 제공

앱티브의 전신은 미국의 델파이 오토모티브로, 2017년 12월 파워트레인/애프터마켓 사업부를 분사한

이후 앱티브로 사명을 변경했다. 앱티브는 2015년 샌프란시스코에서 뉴욕까지 3,400마일을 자율주행

차로 횡단하는데 성공해, 티어1 부품사 중에서는 가장 앞선 자율주행 기술력을 보유한 것으로 평가되는

업체다. 앱티브는 자율주행 소프트웨어 업체인 뉴토노미(NuTonomy)를 2017년 10월 4억 5천만달러

에 인수하였으며, 2018년부터 20대의 자율주행택시를 라스베가스 스트립 지역에서 운행 중이다.

앱티브의 자율주행택시는 손님들로부터 운행 요금을 받는 최초의 자율주행택시 서비스다. 하지만, 이동

할 수 있는 목적지가 라스베가스 내 명소들(20곳)로 제한되고, 만일의 사태를 위한 안전요원이 동승한

다는 점에서 진정한 의미의 카-헤일링 서비스보다는 셔틀 운행에 가깝다고 볼 수도 있다. 앱티브는 8월

기준 총 5천회의 자율주행택시 서비스를 제공해 자율주행 서비스 상용화의 가능성을 보여주었다. 앱티

브는 자율주행 카-헤일링 서비스를 더욱 확대하고, 축적된 노하우를 바탕으로 자율주행 기술을 완성차

에게 패키지로 제공할 계획이다. 앱티브는 앞으로 자신들이 영위할 수 있는 자율주행 관련 시장이 미국

내에서만 2025년 500억달러 규모에 달할 것으로 전망하고 있다.

도표 9 2025년 앱티브 포트폴리오 로드맵

안전

친환경

연결성

최종유통시장

자율주행액티브세이프티

전기차 전기차

스마트폰통합

클라우드연결

소프트웨어플랫폼

전통적OEM업체

전통적 OEM업체와 새로운OEM업체 공급자

전통적 OEM업체와새로운 OEM업체 공급자

데이터 컨슈머


앱티브,

2018년부터 자율주행택시

서비스 제공 중

5천건 이상의 유료서비스

제공으로 자율주행차

상용화 가능성을 보여줌

16


도표 10 앱티브가 영위 가능한 미래 자율주행차 시장 규모 및 관련 시장 규모

10

2017E 2025E

자율주행시장

(십억달러)

2

20+

2017E 2025E

커넥티드서비스

(십억달러) +50%

CAGR

13

20+

2017E 2025E

인접 시장

(십억달러) ~5%

CAGR


도표 11 싱가포르 뉴토노미 자율주행차 서비스 도표 12 라스베가스 앱티브 자율주행차 서비스

자료: Nutonomy, 유진투자증권 자료: Aptiv, 유진투자증권

17


II. 자율주행 기술의 발전

해결되기 시작한 난관들

자율주행차가 대중화 되기 위해서는 많은 난관들이 존재한다. 기술적으로 신뢰성 높은 완전자율주행차

를 구현해야 될 뿐 아니라, 사람의 운전을 기본 전제로 수립된 자동차 법규들을 재검토 해야 하고, 인공

지능이 운전하는 차량이 가져올 윤리적 딜레마들도 극복해야 한다. 해킹이나 소프트웨어 오작동 등 발생

할 수 있는 리스크들에 대한 검토도 필요할 것이다. 하지만, 당면한 핵심 과제는 신뢰할 수 있는 자율주

행기술을 구현하는데 있다. 부수적인 문제들은 자율주행차의 신뢰성을 아직까지 담보할 수 없기 때문에

생기는 문제들이기 때문이다. 법률적, 윤리적 문제도 자율주행 기술의 완성도가 높아진다면 최소화될 수

있을 것이다.

경제적 장벽 해결

자율주행차의 보급을 가로막는 가장 큰 장벽 중 하나는 비싼 시스템 비용이다. 구글의 초기 자율주행차

는 대당 1억원을 호가하는 벨로다인社 의 라이다를 장착하고 있었다. 대량 생산을 통한 가격 하락을 감

안해도 대중화가 되기에는 터무니 없이 비싼 가격이다. 벨로다인사는 올해 초 자사의 차량용 라이다

VLP 16(360도 원통형) 모델의 가격을 8천 달러까지 인하했지만 여전히 너무 고가다. 최근 쿼너지

(Quanergy), 이노비즈(Innoviz), 스트로브(Strobe) 등 다수 업체들이 공개한 솔리드 스테이트 라이다

(Solid State Lidar)의 가격은 이보다 훨씬 저렴한 천 달러 미만으로 생산이 가능하다. 가격에 대해 가

장 공격적인 GM의 스트로브는 대당 300달러 이하로, 감지 영역을 현재의 2배로 늘린 자율주행차량용

라이다를 생산할 수 있다고 주장하고 있다. MIT의 자율주행기술을 연구하는 Christopher Poulton과

Michael Watts 연구원은 수백만대 볼륨으로 생산될 경우, 라이다 가격이 개당 10달러 수준까지 하락할

것이라고 예측했다.

라이더의 생산 비용이 대폭 절감될 수 있는 이유에 대해 GM은 다음과 같이 설명하고 있다. 먼저, 기존

라이다는 불필요한 기능을 너무 많이 가지고 있었다. 초기 라이다는 대기 환경, 항공, 우주와 관련된 분

야에서 활용됐다. 라이다가 처음으로 일반 대중에 알려진 것은 1971년 아폴로 15호가 달 표면을 측정

하기 위해 사용하면서부터다. 애초에 특수한 목적으로 소량만 생산됐기 때문에, 라이다는 기능을 간소화

하고 원가를 절감하는 방향이 아니라 점차 기능이 복잡하고 가격이 비싸지는 방향으로 진화했다. 현재의

라이다는 칩 하나에 모든 센서 기능이 담길 수 있도록 기능이 간소화 됐고 인지 영역은 더 넓어지도록

설계되고 있다.

경제적, 기술적 장벽들

점차 극복되기 시작

라이다 가격,

초기 62,500불에서

300불까지 하락

자율주행차량을 위한

특화된 디자인으로

인지범위도 확대

18


도표 13 솔리드 스테이트 라이다 개발 현황

업체 사진 세부 설명

쿼너지

(Quanergy)

전방 300m까지 1cm 단위로 사물을 인식할 수 있음

대당 1,000달러로 양산 계획 발표(CES2016)

고속도로 자율주행 기능이 적용된 제네시스 EQ900에 탑재

이노비즈

(Innoviz)

고해상도의 저가형 소형 라이더 개발 및 보급 목표

2018년 1월 자동차 제조업체용 개발 플랫폼 InnovizPro 런칭, 2019년 완전한 자율주행차량용 라이더 InnoVizOne 출시 예정

2018년 BMW 자율주행 차량에 고체형 라이더 탑재 예정

스트로브

(Strobe)

2017년 GM에 인수되어 크루즈(Cruise Automation)와 함께 개발 중

감지 영역을 현재의 두 배로 늘리고 대당 300달러로 양산할 계획 발표


도표 14 GM의 미래 라이다 스펙 전망

라이다 특징

현재 사용 중인 LIDAR

유효거리 : 1x

비용: ~20,000달러

품질 이슈

차세대 LIDAR 예상유효거리: ~1.25x

비용: ~10,000만달러

Strobe + GM + Cruise 예상유효거리: ~2.5x

비용: ~300달러


19


자율주행 시스템의 비용 하락을 가져올 수 있는 또 다른 변화는 칩 성능의 향상으로 인한 하드웨어의

간소화다. 현재 Lv. 2 수준의 자율주행 기능이 설치된 차량을 살펴보면, 각각의 기능을 구현하는 개별적

인 제어 유닛이 존재한다. 서라운드 뷰 ECU, 스마트 크루즈 컨트롤 ECU, 자동 주차 ECU, 드라이빙 모

니터 시스템 ECU 등 기능 단위로 통제되는 것이다. 엔비디아(Nvidia)의 자비에(Xavier) 프로세서는

이 기능을 하나의 칩으로 구현할 수 있다. 기존 자동차 업체들은 Lv. 1에서 Lv. 3까지 더 많은 하드웨어

를 장착하고 더 많은 기능을 조합하는 방향으로 변화해 왔기 때문에, Lv. 4, Lv. 5로 갈수록 비용이 기하

급수적으로 증가할 것으로 예상됐지만, 완전자율주행 기술은 기존과 단절된 새로운 방향에서 시도가 이

루어지고 있다.

도표 15 하드웨어 비용의 감소 – 엔비디아

크루즈

기존 – 각 기능별 ECU와 통합 컨트롤 유닛이 추가됨 향후 – 각 기능별 ECU를 통합 컨트롤 유닛으로 간소화

기존 – 낮은 컴퓨팅 능력과 기능별 단순 통합으로 하드웨어 비용 과다 향후 – 컴퓨팅 능력 강화로 모든 기능을 하나의 칩에 집적

자료: Nvidia, 유진투자증권

칩 성능 향상으로

하드웨어 비용 감소

20


기술적 장벽 해결

AI기술의 발전으로 인해 자율주행차를 움직이는 소프트웨어 기술도 점차 완성도가 높아지고 있다. 자율

주행차의 통제 프로세스는 크게 현재 자신의 위치를 파악하는 위치 추적(Localization and Mapping),

외부 객체들을 인식하는 지형 인식(Scene Understanding), 정보를 토대로 구체적인 주행 방법을 결정

하는 주행경로 설정(Movement Planning)의 3단계로 나누어 볼 수 있다.

도표 16 자율주행 판단 로직

위치 추적(Localization and Mapping) 지형 인식(Scene Understanding) 주행 경로 설정(Movement Planning)

현재 나의 정확한 위치는? 현재 내 주변 환경은? 다른 주체의 예상되는 다음 행동은? 나는 어떻게 주행해야 할까?

도로 상황을 반영하여 미리 작성해둔

3차원 지도와 실시간 센서 데이터를

상호 활용하여 도로상의 위치를 정확

하게 파악함

차량 내 부착된 센서와 소프트웨어가

주변의 물체를 스캔하여 지속적으로

교통 환경을 파악함

움직이는 사물을 파악하고 현재의 속

도와 궤도를 기반으로 미래의 움직임

을 예측함

변화하는 도로 상태(예: 막혀진 차선)

가 주변 다른 사람 및 사물들의 행동

에 미칠 영향을 고려함

예측된 경로를 따라 안전하게 진행하

는 데 필요한 정확한 탄도, 속도, 차

선 및 조향 조종을 선택함

끊임없이 환경 모니터링 및 향후 행

동 예측으로 안전하게 운행 가능


AI기술 발전으로

소프트웨어 기술 발전

21


위치 추적(Localization and Mapping)

자율주행의 첫 단계는 자신의 위치를 정확히 파악하는 것에서 시작한다. 기존의 위치 추적의 접근 방식

은 SLAM(Simultaneous Localization and Mapping)기법과 GNSS(Global Navigation Satellite

System) 기법으로 나누어 볼 수 있다. SLAM은 로봇이 스스로 이동하면서 주변을 탐색할 수 있도록

하기 위해 개발된 기술이다. 주변 환경의 특징(Feature)을 시각적으로 파악하고, 특징의 위상 변화를

통해 자신의 상대 위치를 계산하는 방법이다. 하지만, 자동차와 같이 장거리를 이동하는 경우, 시간이 길

어질수록 오차가 점점 커지는 문제점이 발생한다. GNSS는 GPS(Global Positioning System)를 활용

해 현재 위치를 파악하는 방법이다. 개방된 공간에서는 신뢰도가 높지만, 신호가 약한 음영 지역이 존재

한다는 단점이 있다. 음영 지역에서의 정확성을 높이기 위한 여러 가지 기법들이 개발되었지만 단독으로

위치를 추적하는데는 한계가 있다.

위치 추적 기술은 인공지능 학습법인 딥러닝(Deep Learning) 기술의 적용으로 정확도가 점차 높아지

고 있다. 2015년 소개된 DeepVO(Visual Odometry with Deep Recurrent Convolutional Neural

Networks)가 대표적인데, 지난 해부터 의미있는 성과들을 보여주고 있다. DeepVO는 이미지의 추출과

궤도 추적에 딥러닝 기술을 적용해 기존 SLAM 대비 정확도를 향상시켰으며, 데이터의 양이 많을수록

정확도가 높아지는 특징으로 인해 위치 추적 오차 범위가 지속적으로 축소되고 있다.

도표 17 위치 추적(Localization and Mapping) 기법

SLAM

(Simultaneous Localization and Mapping)

GNSS

(Global Navigation Satellite System)

DeepVO

(Visual Odometry with Deep Recurrent Convolutional Neural Networks)

로봇 스스로 이동하며 주변을 탐색할 수 있음

주변 환경 특징을 시각적으로 파악, 특징의 위

상 변화를 통해 자신의 상대 위치 계산

장거리 이동 및 장시간 지속 시 오차가 커짐

GPS를 활용해 현재 위치를 파악

개방된 공간에서는 신뢰도가 높지만, 신호가

약한 음영 지역이 존재하여 단독 위치 추적

에는 한계

이미지 추출과 궤도 추적에 딥러닝 기술 적용

SLAM 대비 정확도 향상

데이터 양이 많을수록 정확도가 높아져 추적 오차 범위 지속

적 축소 중


SLAM 기법에서 정확도를

향상시킨 DeepVO 등

AI 기술 접목

DeepVO,

데이터 양이 많아질수록

정확도 향상

22


도표 18 Deep VO 논리 흐름 설명도

자료: KITTI, 유진투자증권

23


지형 인식(Scene Understanding)

지형 인식 혹은 사물 인식은 나를 제외한 다른 객체들의 위치를 파악하는 것을 의미한다. 도로, 보행자,

차량, 횡단 보도, 표지판 등 다양한 객체들을 판별하기 위해 머신 러닝(machine learning) 기법이 주로

사용돼 왔다. 기존의 방식은 객체의 특징을 사전적으로 정의해 순차적으로 분류해 내는 순차적 세분화

(Cascading classifiers) 방법이 주로 사용됐지만, 딥러닝 기법을 통해 객체 인식율을 한층 더 높이기

위한 시도가 이루어지고 있다. 자율주행 데이터베이스가 계속해서 늘어나면서 지형 인식의 정밀도도 점

차 향상되고 있다. 최근에는 노면의 소음을 통해서 지형 정보를 파악하는 기법도 연구되고 있다.

도표 19 사진 정보를 이용한 지형(Object) 인식


도표 20 노면 소음을 이용한 지형(Environment) 인식


객체 인식의 정확도 향상

노면소음을 보조로 활용

24


주행경로 설정(Movement Planning)

주행경로 설정은 목적지에 도달하기 위해 어떤 경로를 택해 어떤 방법으로 주행할지 구체적으로 결정하

는 과정이다. 주행경로 설정의 전통적인 접근법은 경로 최적화(Optimization) 기법이다. 카레이서가 최

적의 주행 각도를 구하는 것처럼, 각각의 도로 환경에 대한 가정을 수식에 대입하고 상황별 최적화된 주

행 알고리즘을 미리 결정짓는 방법이다. 하지만, 이 방법은 제한된 도로 환경에서는 효과적이지만 실제

도로 환경의 다양한 불확실성에 대응하기에 어렵다는 단점이 있다.

2014년 구글이 인수한 영국의 인공지능 개발회사 딥마인드(DeepMind)는 바둑 프로 9단인 이세돌 선

수를 꺽은 알파고(Alpha Go)를 개발한 회사로 잘 알려져 있다. 알파고를 트레이닝한 기술은 강화 학습

(Reinforced Deep Learning)이라고 불리는 기법으로, 특정 작업 수행을 목적으로 학습을 시행하는 것

이 아니라, 반복된 시행을 통해 자연스럽게 확률적으로 최적화된 해답을 인공 지능이 스스로 찾아내도록

하는 방법이다. 자동차를 운전하는 것은 바둑보다 훨씬 더 복잡한 작업이지만, 강화학습법을 통해 다양

한 변수들에 대응할 수 있도록 훈련시킬 수 있다.

도표 21 주행경로 설정 – 주행경로 최적화에서 다양한 변수를 입히는 과정으로 진화

[경로 최적화법] [딥러닝을 통한 경로 다각화]


도표 22 다양한 경로로 선택지를 확장 - MIT의 Deep Traffic(예시)


최적화법,

다양한 도로 변수를 대입

하기 어렵다는 단점

강화학습 기법을 통해 다

양한 변수들에 대응할 수

있도록 진화

25


III. 자동차 산업 영향

자동차의 소프트웨어 플랫폼화

산업 밸류체인의 재편

자동차 산업의 밸류체인은 완성차를 정점으로 티어1 업체에서 티어3 업체까지 수직적으로 이루어진 피

라미드 구조를 가지고 있었다. 티어0.5는 완성차에 부품을 공급하지만 자동차 산업을 주력으로 하지 않

는 IT 하드웨어 혹은 소프트웨어 업체와 같이 산업의 경계가 모호한 업체들 중에서 소프트웨어 결합을

통한 시스템 공급이 가능한 업체를 의미한다. 티어0.5의 등장은 전통적인 밸류체인이 이미 무너져 가고

있음을 보여주는 사례다. 자율주행차의 확산은 이러한 피라미드형 밸류체인의 붕괴를 가속화할 것이다.

재편된 밸류체인은 기존 티어1 공급자들에게 위협 요인이면서 동시에 기회 요인이 된다. 먼저, 자동차

하드웨어 분야에서는 기존 티어1 업체들의 경쟁력이 유지가 될 것으로 보인다. 완성차 설계 단계에서부

터 긴밀하게 협업하고 효율적으로 부품을 생산하는 생산 노하우는 미래에도 티어1 업체만의 강점이기

때문이다. 하지만, 자율주행 기술의 고도화로 소프트웨어 공급자에게 주도권을 잃게 될 수도 있다.

도표 23 피라미드 구조에서 수평적 구조로 변화

OEM

0.5-tier

공급자

Tier 1 공급자

(시스템)

Tier 2 공급자

(모듈또는부품)

Tier 3 공급자

(원재료, 중간재또는부품)

OEM

IT공급자

온라인공급자

통신회사

디바이스제조사

Tier-x공급자

자료: ATKearney, 유진투자증권

자율주행기술의 보급,

피라미드 구조에서 수평적

구조로의 밸류체인 변화

티어-X 공급자,

밸류체인 재편은 기회 요

인이자 위협 요인

26


소프트웨어 공급자의 부상

자율주행기술의 보급은 소프트웨어 공급자의 위상을 완성차 업체와 동일한 수준으로 끌어올려줄 것으로

예상된다. 자동차는 수 많은 부품들로 구성되지만 오직 완성차 만이 소비자와 브랜드 접점을 가질 수 있

다. 하지만, 자율주행차 시대에는 차량 제조사보다 자율주행기술을 구현하는 소프트웨어 제공자가 소비

자에게 더 중요한 선택 기준이 될 것으로 보인다. 현재 도로를 달리고 있는 자율주행차들은 모두 시스템

을 구현한 소프트웨어 업체의 브랜드를 함께 달고 있다. 웨이모는 크라이슬러 퍼시피카 밴과 재규어 I-

PACE를 자사의 자율주행 플릿으로 보유하고 있는데, 소수의 자율주행 시스템 제공 업체에 여러 완성

차들의 차량을 공급하는 구조로 볼 수 있다. 자율주행차가 대중화되는 시점에는 이들 시스템 공급 업체

의 브랜드 파워가 완성차를 뛰어넘을 가능성도 배제할 수 없다.

도표 24 자율주행차 – 자율주행 솔루션 제공업체의 브랜드 노출

웨이모 - 크라이슬러 퍼시피카 밴 웨이모 – 재규어 I-PACE 크루즈 AV

앱티브 – BMW 540i 뉴토노미 – I Miev 현대모비스 – 엠빌리(M.Billy)


소프트웨어의 중요성 향상,

완성차와 동등한 브랜드

노출도를 갖게 됨

27


고민이 커진 하드웨어 공급자

자율주행기술은 아직까지 정립된 하드웨어 표준이 존재하지 않는다. 각 메이커별로 초음파, 레이다, 카

메라, 라이다 등 센서들을 적절하게 조합해 사용하고 있다. 테슬라의 오토파일럿(Autopilot)은 라이다

센서 없이 카메라를 다수 장착해 기능을 보완하는 센서 퓨젼 방식을 사용하고, 웨이모는 초기부터 라이

다를 중심으로 센싱 기능을 강화해 왔다. 결국, 어떤 부품들이 얼마나 사용될지 불확실하기 때문에 하드

웨어 업체들은 제품의 수량, 단가, 요구 품질 측면에서 시스템을 관장하는 소프트웨어 업체에 종속될 수

밖에 없다.

자율주행차의 핵심 센서는 레이다, 카메라, 라이다로 각각의 센서들은 고유한 장점과 단점을 가지고 있

다. 레이다는 가격이 싸고 탐지 거리가 길 뿐 아니라 빛의 양과 상관없이 작동하는 장점이 있지만, 해상

도가 낮기 때문에 사물을 판별하는 능력이 없다. 카메라는 모든 센서 중 가장 높은 해상도를 가지고 있

어 물체를 식별하는 능력이 뛰어나지만 빛이 없을 때는 사용할 수 없고, 빛의 반사/산란 등으로 착시 현

상이 발생하는 문제점이 있다. 라이다는 해상도와 가동 범위가 넓어 종합 성능 측면에서 가장 우수하지

만, 가격이 비싸고 인식 범위가 카메라나 레이다 대비 짧다. 최근 라이다의 가격과 인식 범위가 향상됨

에 따라 라이다를 중심으로 센서 기능이 강화될 가능성이 높아졌다. 테슬라의 오토파일럿 오작동으로 인

한 사망 사고도 카메라를 중심으로 한 센서 기능의 한계를 보여준다. 라이다의 가격이 충분히 하락한다

면 다수의 라이다를 활용하는 방법이 주가 될 가능성이 높을 것이다.

도표 25 라이다 센서의 장단점 도표 26 초음파 센서의 장단점

0

1

2

3

4

5근접탐지

범위

해상도

어둔 곳

밝은 곳

눈, 안개, 비

명도 대비

탐지속도

센서크기

센서비용

0

1

2

3

4

5근접탐지

범위

해상도

어둔 곳

밝은 곳

눈, 안개, 비

명도 대비

탐지속도

센서크기

센서비용

자료: MIT, 유진투자증권 자료: MIT, 유진투자증권

자율주행차,

정립된 하드웨어 표준 없

으며 소프트웨어 업체가

기술 표준을 주도

초기 예상과 달리 진화가

아닌 혁신 경로로 발전

하드웨어의 진부화 가능성

28


도표 27 레이다 센서의 장단점 도표 28 카메라 센서의 장단점

0

1

2

3

4

5근접탐지

범위

해상도

어둔 곳

밝은 곳

눈, 안개, 비

명도 대비

탐지속도

센서크기

센서비용

0

1

2

3

4

5근접탐지

범위

해상도

어둔 곳

밝은 곳

눈, 안개, 비

명도 대비

탐지속도

센서크기

센서비용


도표 29 센서 퓨젼 - 초음파 센서, 레이다, 카메라 도표 30 성능 비교 – 맑은날 낮 기준

0

1

2

3

4

5근접탐지

범위

해상도

어둔 곳

밝은 곳

눈, 안개, 비

명도 대비

탐지속도

센서크기

센서비용

초음파라이다

레이다

카메라

0

2

4

6

8

10

12

0 100 200 300 400

정밀도

범위

맑은날 낮


도표 31 성능 비교 – 맑은날 밤 기준 도표 32 성능 비교 – 흐린날 기준

초음파

라이다

레이다

카메라

0

2

4

6

8

10

12

0 100 200 300 400

정밀도

범위

맑은날밤

초음파

라이다

레이다

카메라

0

2

4

6

8

10

12

0 100 200 300 400

정밀도

범위

폭우, 폭설, 안개 시


29


Lv. 4 이후는 질적으로 다르다

Lv. 4~5의 고도화된 자율주행차는 Lv. 3 이하의 자율주행차와 하드웨어 디자인 측면에서 많은 차이가

있다. 자율주행 기술에 대한 접근 방식은 적응적 접근법과 도전적 접근법으로 나누어 볼 수 있는데, 적

응적 접근법은 기존 기능을 점차 고도화 하는 방식으로 완전자율주행의 완성에 접근하는 방법론을 의미

하고, 도전적 접근법은 완전자율주행을 초기부터 도입하되 점차 그 범위를 넓혀가는 방법이다. 자율주행

플릿을 운용하는 웨이모, 앱티브, 크루즈는 도전적인 접근법의 방법을 택하고 있으며, 테슬라, 모빌아이,

벤츠와 같이 Lv. 2~3 시스템을 상용화한 경우는 적응적 접근법의 경로에 가깝다고 볼 수 있다.

두 접근법은 하드웨어의 설계, 소프트웨어의 프로그래밍 측면에서 큰 차이가 있다. 먼저, Lv. 1~3까지의

하드웨어의 진화를 살펴보면, 부가적인 기능에 추가됨에 따라 하드웨어가 늘어나는 방식으로 진화했다.

앱티브가 제공하는 자율주행 아키텍쳐를 살펴보면, Lv. 1 단계에서는 3개의 레이다와 1개의 카메라 센

서가 장착되지만, Lv. 3 단계에서는 5개의 레이다, 3개의 카메라, 1개의 라이다, 컨트롤 유닛으로 구성된

다. 대당 컨텐츠 비용(CPV)은 300달러에서 5,000달러로 15배 이상 증가하게 된다. 하드웨어 센서 비

용은 150달러에서 2000달러로 13배 이상 증가하고, 컴퓨팅 능력과 관련한 비용이 2,300달러 이상 증

가해 20배 이상 증가하게 된다. 심지어, 자율주행기술과 관련한 소프트웨어 비용은 여기에 포함되어 있

지 않다.

도표 33 자율주행차 대당 센서 예측 – 기존 적응적 접근법에 의한 추론값

크

Level 0/1 Level 2 Level 2+ Level 3 Level 4/5

카메라 1-2 1-2 4-8 5-6 5-14

레이더 0-5 3-5 1-5 3-5 8-21

라이다 0 0 0 1 1-5

초음파 센서 4-6 6-12 4-12 8-12 0-12

AD module 0 1 1 1-2 1-3

운전자 모니터링 No No Camera / touch Camera / touch Camera / touch

응급 조향/제동 장치 No No No No Yes

자료: BCG

참고: AD module은 드라이브 모듈임

도표 34 부분자율주행 도입기에는 단계 증가할수록 비용은 기하급수적으로 증가


Lv. 4-5,

하드웨어 디자인 측면에서

부분자율주행과 차별화

소프트웨어 중요도 높아지

지만 하드웨어 컨텐츠 비

용 상승 효과는 미지수

30


적응적 접근법은 Lv. 1~3의 진화 과정의 연장선상에서 Lv. 4~5를 바라본다. 글로벌 컨설팅 그룹인

BCG는 Lv. 4~5로 자율주행차가 진화하면 카메라는 최대 14개, 레이다는 21개, 라이다는 5개, 초음파

센서는 12개까지 장착될 것이라고 예측하였는데, 이는 적응적 접근법의 시각에 근거한 것으로 볼 수 있

다. 테슬라는 Lv. 3 혹은 Lv. 2 자율주행기술로 평가받는 오토파일럿 시스템을 구현하는데 있어서 8대

의 카메라와 1대의 레이다, 12대의 초음파 센서를 사용한다.

도전적 접근법은 기존 Lv. 1~3 단계 자율주행과 단절된 차량 구조를 구상한다. 웨이모의 자율주행차는

5개의 라이다, 1개의 서라운드 카메라, 4개의 레이다 센서, 1개의 음향센서로 구성된다. 라이다의 개수

는 대폭 증가했지만, 카메라와 레이다 센서 숫자는 줄어들었고, 음향센서가 새롭게 장착됐다. 센서뿐 아

니라 컨트롤 유닛의 개수도 줄어들 가능성이 높다. 기존에는 자율주행차의 기능이 부가될수록 해당 기능

을 통제하는 ECU가 추가됐고, 스마트 크루즈 컨트롤과 같이 복합 기능을 수행하는 경우, 각 기능을 융

합해주는 멀티도메인컨트롤러가 추가됐다. 엔비디아가 공개한 자비에 프로세서는 위 기능들을 하나의

유닛으로 통합한다.

결국, 자율주행시스템과 관련한 하드웨어 업체들은 상당한 위기에 노출돼 있다. 기존 Lv. 3까지의 진화

는 하드웨어 코스트의 기하급수적인 증가를 가져왔기 때문에 해당 공급 업체들은 높은 매출 증가율과

마진 상승을 누릴 수 있었다. 하지만, Lv. 4 도입 이후의 자율주행 도입은 기존 시스템과의 단절을 의미

한다. 하드웨어 코스트의 하락과 마진의 하락, 새로운 경쟁자의 등장에 대비해야 하는 시기가 다가오고

있다.

도표 35 웨이모 자율주행차 센서 구조


참고: 라이다(노랑)는 5개, 레이다(남색)는 4개, 음향센서(파랑)는 1개, 서라운드 카메라(녹색)는 1개

부분자율주행과의 단절

웨이모의 신형 자율주행차,

기존 모델대비 센서 감소

기존 하드웨어 업체에게는

위기와 기회가 공존

31


도표 36 테슬라 자율주행차 센서

하드웨어 2014 오토파일럿 2016 향상된 오토파일럿1)

하드웨어 1 하드웨어 2

전방 레이다 알 수 없음 160 m (525 ft)

전방 카메라 1개의 흑백카메라 트리플 카메라

Narrow: 250 m (820 ft)

Main: 150 m (490 ft)

Wide: 60 m (195 ft)

전방 측면 카메라 N/A 왼쪽: 80 m (260 ft)

오른쪽: 80 m (260 ft)

후방 측면 카메라 N/A 왼쪽: 100 m (330 ft)

오른쪽: 100 m (330 ft)

후방 카메라 비자율주행용 50 m (165 ft)

초음파 5m (16ft) 범위의 12개 8m (26 ft) 범위의 12개

플랫폼 MobilEye EyeQ3 NVIDIA DRIVE PX 2 AI computing platform

자료: Tesla, 유진투자증권

참고 1): 부분자율주행은 전후방 카메라 4개, 완전자율주행은 총 8개의 카메라로 구성됨

도표 37 적응적 접근법 vs. 도전적 접근법

Leve

l of Auto

mation

1

2

3

4 Today

Prototype/closed course Fleet, limited geography Mass deployment, everywhere

Today

~2030

Scale / Scope

자료: Nutonomy, 유진투자증권

32


IV. 현대차 그룹

자율주행기술에 대한 투자 확대

현대차 그룹, 자율주행 기술 투자 확대

국내 대표 자동차 기업인 현대차 그룹도 자율주행차에 대한 투자를 점차 확대하고 있다. 현대차는 2021

년 Lv. 4 단계의 자율주행차 상용화 목표를 달성하기 위해 미국의 자율주행 전문 기업 오로라(Aurora)

와 공동 개발 파트너쉽을 체결하였으며, 지난 8월에는 대형 트럭을 활용해 Lv. 3 수준의 고속도로 자율

주행에 성공한 바 있다. 미국 레이다 개발 스타트업 업체인 메타웨이브(Metawave), 이스라엘 차량용

통신반도체 업체 오토톡스(Autotalks) 등 자율주행 관련 기술을 보유한 해외 기업 투자도 점차 활성화

되고 있다.

현대모비스는 핵심 부품 기술 내재화와 소프트웨어 부문을 강화하기 위해 적극적으로 투자하고 있다. 모

비스는 고속도로자율주행기술(HDA) 등 Lv. 2 수준의 자율주행기술 시스템을 납품한 경험이 있지만 핵

심 부품의 해외 기업 의존도가 높다. 고성능 레이다 센서를 내재화 하기 위해 자체 R&D 역량을 강화하

는 한편, 독일 레이다 센서 전문 업체와 협력 관계를 구축하고 있다. 소프트웨어 측면에서는 딥러닝 기

반의 영상 인식 기술을 보유한 스타트업 업체 스트라드비젼에 지분 투자 계약을 체결하였고, 자사의 자

율주행차 엠빌리(M.Billy)를 국내의 서산 주행시험장 및 미국 미시건 주에서 테스트 중이다. 엠빌리는

전방 카메라 1개, 레이다 5개, 라이다 1개, 초음파센서 12개, 서라운드 뷰 모니터링 4개 등 총 25개의

센서를 탑재했다.

글로벌 선도 업체의 격차 큰 상황

현대차 그룹의 자율주행차 기술 개발은 글로벌 선도 업체와 격차가 상당히 크다. 기본적으로 자율주행차

전략과 ADAS(첨단운전자지원시스템) 전략과의 경계가 모호하다. 현재까지의 투자 내용만을 놓고 보면

Lv. 4-5 단계의 자율주행차 개발을 목표로 하는 것인지 ADAS 내재화를 추진하는 것인지 모호하다.

결국, 자율주행기술에 대해 적응적 관점에서 접근한다고 볼 수 있는데 여기에는 몇 가지 문제점이 있다.

라이다의 성능 개선과 코스트 하락이 레이다와 카메라 센서를 대체할 수 있을 정도로 빠르게 이루어지

고 있다. 현재 시점에서 레이다 센서 내재화를 위한 투자가 필요한 지 의문의 여지가 있다. 또한, 적응적

관점에서의 자율주행차 기능 발전은 사고 가능성을 오히려 높일 수 있다. Lv. 3 이하의 자율주행차는 운

전자가 운전대에서 손을 떼지 말아야 하며, 돌발 사태에 개입해 수동 운전으로 전환할 수 있도록 주의를

기울여야 한다고 정의하고 있지만, 연구 결과에 의하면 운전자들은 이러한 분산된 집중력을 오랫동안 유

지하기 힘들며 돌발상황에 개입할 여지가 낮다.

현대차 그룹,

자율주행 기술 투자 확대

현대모비스,

자율주행기술 개발에

가장 적극적으로 개입

아직까지 선도 업체와

큰 격차

완전자율주행 구현을

목표로 설정할 필요 있음

33


아직은 초기 단계, 향후 대응이 관건

현대차 그룹의 자율주행차 기술 개발은 아직까지 초기 단계로 볼 수 있다. 실제로, 선도 업체를 제외한

완성차 메이커들의 관심이 상용화가 가능한 Lv. 3 이하에 머물러 있는 것이 사실이다. 현대차 그룹은 올

해를 기점으로 자율주행차에 대한 투자를 본격화하고 있고, M&A/파트너쉽 강화 등 투자 활동을 검토하

는 단계에 있기 때문에 선두로 치고 나갈 가능성도 없지만은 않다. 내비간트 리서치의 자율주행차 경쟁

력 조사에 의하면, 현대차 그룹은 10~15위권 사이의 도전자(Contenders) 그룹에 속해 있다. 선두 그

룹에 속해 있지는 않지만 후발 주자들보다는 앞 서 있는 셈이다. 자동차의 소프트웨어 플랫폼화 트렌드

속에서 경쟁력을 유지하고, 혁신 기술을 적극적으로 받아들이는 전략이 필요할 전망이다.

도표 38 현대차 지역별 신규 비즈니스 및 신기술 관련 사례

크루

지역 업체명 비즈니스 투자형태 금액 내용

2018.07.03 이스라엘 오토톡스 통신 반도체 지분투자 - 오토톡스와 함께 커넥티드 카의 두뇌 역할을 수행하는 통신 칩셋개

발을 위해 상호 협력하기로 결정

2018.06.14 중국 딥글린트,

바이두 AI, 자율주행

기술 협업

파트너쉽 -

중국 인공지능 분야 스타트업 딥글린트와의 기술 협력 파트너십을

발표. 중국 최대 인터넷 서비스 업체 바이두의 자율주행 프로젝트

인 '아폴로 프로젝트'에 참여

2018.06.01 이스라엘 시매틱스 딥러닝 엔진 투자 11억원 이스라엘의 딥러닝 엔진 개발업체 시매틱스 투자 결정

2018.05.16 미국 메타웨이브 Radar, AI 공동 지분

투자 약 108억원

메타웨이브에 대한 투자를 통해 자율주행 기술의 '눈'에 해당하는

첨단 레이더 기술을 공동 개발 결정

2018.01.03 미국 오로라 자율주행 기술 개발

협력 -

오로라와의 협업을 통해 2021 년까지 레벨 4 수준의 도심형 자율

주행 시스템을 상용화할 것

2018.12.01 이스라엘 옵시스 라이더 지분 투자 32억원 옵시스는 고성능의 라이더를 저렴하면서도 작은 크기로 제작할 수

있는 기술을 보유

2017.10.25 미국 ACM 자율주행 투자 56억원 ACM 창립 멤버 자격으로 향후 미국 시장의 자율주행 기술 표준화

와 제도화 관련 협의에도 참여할 수 있을 것으로 기대

자료: 현대차, 유진투자증권

도표 39 현대모비스 신기술 개발 및 양산 로드맵

개발 기술 개발예정일 양산예정일 내용

2018.08.21 자율주행 카메라 - -

AI 영상인식 기술 스타트업 '스트라드비젼'에 80 억 투자

안전한 자율주행 시스템 구성하는데 필요한 고도의 카메라 인식 기술을 공동 개발 위해 투자

결정

2018.07.25 자율주행 조향장치 개발완료 2020 자율주행 상황에서 두 개의 전자 회로를 활용한 제어 방식으로 항상 정상적인 조향 능력을 유

지할 수 있는 신개념 전동식 조향장치를 개발

2018.07.22 AI기반 소프트웨어 개발완료 2H18 인공지능을 기반으로 하는 소프트웨어 검증시스템 '마이스트' 도입

검증의 정확도를 높이고 자율주행·커넥티비티 등 미래차 소프트웨어 개발에도 도움을 받을 것

2018.04.29 자율주행 레이더 4Q18 2021

자율주행차 전방 및 측방 보급형 레이더 개발을 완료하여 미래차 핵심 기술 확보 할 예정, 고

성능 카메라·라이다 등 고부가가치 후속 부품을 개발하기 위한 첫 단추로 평가

2021 년부터 차량외부 360 도 감지할 수 있는 자율주행차용 레이더 양산 계획

2018.04.19 자율주행 센서 2020 2022

미국 미시건주에서 레벨 3 와 레벨 4 자율주행 개발을 위해 자율주행차 '엠빌리'의 실차 평가

를 진행

2020 년 레벨 3 고속도로 자율주센서 기술 확보

2022 년 독자 센서를 갖춘 레벨 3 자율주행 시스템을 양산하는 것이 목표


향후 대응이 관건,

소프트웨어 기술 강화는

긍정적 요인

34


도표 40 현대모비스 자율주행차


충남 서산시 부석면 바이오웰빙특구에 위치

2017년 6월 완공됨 (총면적 112만㎡, 약 3천억원 투자)

자율주행과 직접 관련된 시험을 하는 첨단시험로, 레이더시험로 등 14개의 시험

로와 4개 시험동을 갖추고 있음

엠빌리(M.Billy)는 현대모비스가 개발한 자율주행차로 레이더와 카메라 등 8종,

25개의 센서가 장착돼 차량 주변 360도 모두 감지가 가능함

V2X(Vehicle to Everything) 통신 기술을 활용해 주행 중 도로 신호 바뀜을 스스

로 탐지, 그에 맞춰 주행이 가능함

도로 위에서 발생할 수 있는 돌발상황 대처에 능동적임

(예: 주행 차로에 정차한 차량 발견 시 옆으로 돌아 이동, 차선 변경 시 달려오

는 차량 인지하고 원래 차선으로 복귀 등)

2019년까지 20대 이상의 플릿을 구성해 대대적인 시범 운행에 들어갈 예정


도표 41 자율주행차 경쟁력 비교표 – Contenders 그룹 하위에 위치한 현대차 그룹

자료: Navigant Research, 유진투자증권

35


V. 관련기업 소개

웨이모(Waymo)

기업소개

미국의 자율주행차 기술 개발 회사로 구글의 모회사인 알파벳(Alphabet)의 자회사

2009년 구글 X-lab의 자율주행차 개발 프로젝트가 회사의 모태가 되었으며, 초기 프로젝트 리더는 스탠포드 인공지능 연구소 소장이었던 Sebastian

Thrun임. Thrun의 연구팀은 자율주행차 스탠리(Stanley)로 2005년 DARPA 그랜드 챌린지에서 우승한 경력이 있음

2012년 5월, 구글은 네바다 교통국으로부터 미국 최초의 자율주행차 테스트 라이선스를 부여 받음

2014년 5월, 구글은 새로운 자율주행차 프로토 타입을 공개. 공개된 프로토 타입은 페달과 스티어링 휠이 없는 100% 자율주행차 플랫폼임

2015년, 세계 최초로 공공도로에서 완전자율주행에 성공함

2016년 12월, 자율주행차 개발팀을 Waymo(new Way forward in Mobility를 의미)로 개명후 독립 부문으로 분사됨

2017년 4월, 얼리 라이더(Early Rider) 프로그램을 Phoenix, Arizona 지역에서 론칭함

2017년 10월, 안전요원이 없는 자율주행차를 Chandler, Arizona 지역에서 테스팅하기 시작함

2018년 5월, 얼리 라이더(Early Rider) 프로그램을 Phoenix 지역의 모든 신청자에게 확대할 예정

주요기술

인하우스(in-house) 하드웨어 개발: 2017년 새로운 센서와 프로세서를 장착한 자율주행차 모델을 공개. 웨이모는 해당 하드웨어들을 자체적으로

개발하였으며, 인하우스 생산 시스템을 보유하고 있다고 밝힘. 웨이모는 초기 벨로다인사의 $75,000 가격의 라이다를 사용하였으나, 새로운 버젼을

자체 제작해 90% 이상 원가를 절감하였음

최장 로드 테스팅 기록 보유: 웨이모는 미국 내 6개 주, 25개 도시에서 9년 간 자율주행 테스트 드라이브를 시행하였음. 2018년 7월 기준 총 8백만

마일의 자율주행 로드 테스팅에 성공함. 2016년 100대의 크라이슬러 퍼시피카 밴이 자율주행테스트 플릿(Fleet)에 투입되었고, 2017년 500대가

추가됨. 향후 퍼시피카 밴의 테스트 차량수를 6만 2천대까지 증가시킬 계획(2018년 5월 발표)이며, 재규어 I-PACE 2만대를 새롭게 투입할 것

센서 구성: 웨이모의 자율주행차는 5개의 라이다, 1개의 서라운드 뷰 카메라, 4개의 레이다, 1개의 보조 센서(음향, GP 센서)로 구성됨. 대부분의

테스트 차량이 안전성 확보를 위해 다수의 센서를 중복시켜 놓는 것과 달리 최소한의 센서 구성을 통해 커버리지를 달성함

인공지능기술: 머신 러닝과 첨단 AI 개발 기법을 통해 가장 완성도 높은 소프트웨어 능력을 보유한 것으로 평가됨. 머신 러닝의 완성도를 높혀주는

800만 마일 이상의 긴 자율주행 데이터베이스를 보유하고 있는 것이 강점

웨이모 자율주행 센서 – 인하우스 센서 기술 자율주행 트랙 레코드, 가파르게 상승 중

2009

1MJune 2015

2MOct 2016

3MMay 2017

4MNov 2017

5MFeb 2018

6MApril 2018

7MJune 2018

8MJuly 2018

(mile)

자료: Waymo, 유진투자증권 자료: Waymo, 유진투자증권


36


GM 크루즈(Cruise Automation)

기업소개

미국의 자율주행차 기술 개발 회사로 2017년 4월 GM에 인수됨

2013년 10월, Kyle Vogt, Daniel Kan이 설립한 자율주행 스타트업으로, 초기 Audi A4, S4에 온디맨드 자율주행 피쳐를 제공해 주었음

2014년 1월, 기존 사업을 버리고 닛산 리프를 기반으로 한 완전자율주행차 개발을 시작함

2015년 6월, 캘리포니아 교통국으로부터 자율주행차 테스트 승인을 받음

2016년 3월, GM에 인수됨. 공식적인 금액은 확인되지 않았으나, 10억달러 이상의 금액으로 추정됨

2017년 4월, GM은 1400만 달러를 크루즈에 투자하고 2021년까지 인력을 1,163명으로 증원할 계획이라고 밝힘

2018년 5월, Softbank의 비젼 펀드는 22.5억 달러를 투자해 크루즈 지분 19.6%를 인수함

주요기술

크루즈 애니웨어(Cruise Anywhere) 앱: 2017년부터 크루즈 애니웨어앱을 통해 샌프란시스코 내 GM 직원들을 대상으로 카-헤일링 서비스를

테스트하고 있음.

미국 내 2위의 테스팅 플릿 보유: 2016년 9월, 크루즈는 30대의 자율주행 테스팅 플릿을 보유. 2017년 130대의 Bolt가 플릿에 새롭게 합류함에

따라 180대의 테스팅 플릿을 보유하게 됨

센서 구성: 크루즈의 자율주행차는 5개의 라이다, 16개의 카메라, 21개의 레이다 센서를 장착하고 있음. 아직까지 스트로브가 아닌 벨로다인의

라이다를 장착하고 있어 2019년 공개가 예정된 자율주행차는 기존과 다른 하드웨어 구성을 가질 것으로 예상됨

인공지능기술: 웨이모를 제외하면 가장 많은 테스트 플릿을 보유하고 있음. 대량의 테스트 데이터와 머신 러닝 등 AI 기법을 결합해 시스템을 구성

스트로브(Strobe)

기업소개 미국의 라이다(Lidar) 제조회사로 2017년 10월 크루즈의 자회사로 인수됨

2014년 설립된 라이다 제조 스타트업. 라이다의 소형화를 단순화를 통해 인지 범위는 향상시키고 생산 가격은 낮출 수 있는 기술력을 보유

GM 자율주행차 기술개발 로드맵

LiDAR 크루즈 애니웨어(Cruise Anywhere) 크루즈 AV

솔리드 스테이트 라이다 카헤일링(Car-hailing) 앱 볼트EV 기반의 레벨4 수준의 자율주행차

스트로브와 크루즈가 협력하여 개발 중

감지 영역을 현재의 두 배 이상으로 늘리고 대당 300달

러로 양산할 계획

2017년 자사의 카헤일링(Car-hailing) 앱인 ‘크루즈

애니웨어(Cruise Anywhere)’ 개발, 샌프란시스코 지

역에서 1년 넘게 테스트 시행

배차 플랫폼, 자율주행차 위치 및 배터리 잔류량,

승객 탑승 여부 등의 다양한 추적 기능 탑재


2017년 6월, 자율주행 시스템을 탑재한 볼트EV

130대 생산

2018년 1월, 핸들과 페달이 없는 자율주행 컨셉트카 크

루즈 AV 공개 및 200대 생산


37


앱티브(Aptiv:APTV)

기업소개

전신은 미국의 델파이 오토모티브로 2017년 12월 파워트레인/애프터마켓 사업부를 분사한 이후 앱티브로 사명을 변경함

2015년 4월, 샌프란시스코에서 뉴욕까지 3,400마일을 최초로 자율주행기술로 횡단함

2015년 11월, 소프트웨어/데이터 매니지먼트, 텔레매틱스 기업 콘트롤-텍(Control-Tec)을 인수함.

2017년 1월, 커넥티드 소프트웨어 기술을 보유한 무비멘토(Movimento)를 인수함

2017년 10월, 자율주행차 소프트웨어 기업 뉴토노미(NuTonomy)를 4억 5천만 달러에 인수함

2016년 8월(뉴토노미), 싱가포르에서 로보택시 서비스를 시범 운행함. 총 6대의 플릿으로 구성되었으며 차종은 르노 조이와 미쓰비시 아이미에브

2018년 5월, 리프트와 파트너쉽을 체결해 30대의 자율주행차로 라스베가스 지역에서 로보택시 서비스를 시작함

2018년 8월, 총 5천회의 유료 자율주행택시 서비스 제공 기록을 달성함

주요기술

1st 티어 하드웨어 개발 능력: 1st 티어 자동차 부품사로 액티브 세이프티(ADAS) 및 전장 부품, 인포테인먼트 시스템에 강점을 보유하고 있음.

하드웨어 분야의 강점을 기반으로 소프트웨어, 솔루션을 패키지로 완성차에게 공급하는 것을 목표로 하고 있음

유료 로보택시 서비스 최초 제공: 라스베가스 지역에서 최초로 유료 로보택시 서비스를 시행. 지난 8월까지 총 5천회의 유료 운행에 성공함.

본격적인 택시 서비스보다는 셔틀에 가깝지만 뉴토노미 인수를 통해 소프트웨어 경쟁력 강화. 플릿 운용으로 데이터 축적 가능해 짐

센서 구성: 앱티브의 자율주행차는 9개의 라이다, 11개의 레이다, 4개의 카메라(트리플 카메라 1개 포함)로 구성됨. 다수의 라이다 센서를 활용한

것이 특징이며, 안전성 확보를 위해 중복되는 레이어의 센서들을 활용하고 있음

인공지능기술: 자율주행 소프트웨어 모듈인 nuCore를 상용화함. 인간과 유사한 의사판단 시스템을 특허로 보유하고 있음. 뉴토노미의 CTO인 Emilo

Frazzoli는 전 MIT 교수로 모션플래닝 알고리즘의 대가로 알려짐

Aptiv가 영위 가능한 미래 자율주행차 시장 규모

10

2017E 2025E

자율주행시장

(십억달러)

2

20+

2017E 2025E

커넥티드서비스

(십억달러) +50%

CAGR

13

20+

2017E 2025E

인접 시장

(십억달러) ~5%

CAGR


Aptiv의 자율주행차 카-헤일링 서비스



38


엔비디아(Nvidia:NVDA)

기업소개

미국의 그래픽 칩 메이커로 모바일 컴퓨팅, 자동차 산업을 위해 SoC(System on chips) 유닛을 공급 중

엔드 유저별 매출 비중: 게이밍 57%, 데이터센터 20%, 프로페셔널 비쥬얼라이제이션 10%, 자동차 6%, OEM&IP 8%

2010년, 아우디의 전 모델에 내비게이션 및 인포테인먼트 시스템을 위한 GPU를 공급함

FY18년 기준 자동차 부문 매출액은 5억 6천만달러로 전년대비 14% 증가함

자율주행차의 두뇌가 되는 AI용 프로세서를 출시

주요제품

DRIVE PX Parker Auto Cruise: 고속도로자율주행 및 HD매핑용 플랫폼. 현재 양산 중

DRIVE PX Parker Atuo Chauffeur: Point-to-Point 자율주행 구현을 위한 플랫폼. 2개의 SoC와 2개의 GPU로 구성됨. 현재 양산 중

DRIVE Xavier: 세계 최고의 성능을 가진 SoC. 이전 세대 칩 대비 15배의 에너지 효율성을 보유함. 2019년 1분기 중 양산 계획

DRIVE Pegasus: 320 TOPS(초당 1조회 연산)의 속도로 딥러닝 기반의 연산을 처리할 수 있음. Lv. 4-5 단계 수준의 자율주행 기술을 구현할 수 있도록

디자인된 AI 칩 플랫폼

칩 성능 향상으로 하드웨어 간소화


Nvidia 자율주행 플랫폼 – 하나의 칩으로 대규모 연산 처리 가능



39


현대모비스(012330.KS)

기업소개

국내 1st 티어 자동차 부품사로 차량용 모듈과 ADAS 시스템 등 전장 부품을 완성차에 공급

부문별 매출 비중: 모듈조립 59%, A/S 19%, 핵심부품제조 19%, 전동화 부문 3%

현대차 그룹의 전장 부품 제조를 담당하는 핵심 계열사

2017년 7,696억원의 R&D 비용 투입. 2014년 대비 56% 증가한 금액

2017년 총 투자비 3천억원, 34만평 규모의 주행시험장 가동. 자율주행기술 및 동계 성능 테스트 가능

독자 자율주행차 모델 엠빌리(M.Billy) 미국, 국내, 독일 내에서 테스트를 진행할 계획

AV관련

제품및동향

DAS: 주요 연구분야는 능동안전제어시스템으로 크게 종방향 제어(SCC, AEB)와 횡방향 제어(LKAS, SPAS)로 나누어져 양산 개발

Mechatronics: 자동차 부품의 지능화 및 전자화를 담당. BCM 등 차량 제어모듈을 자체 생산함

센서 내재화: 고성능 보급형 레이다 연내 개발 완료, 순차적으로 양산에 들어가 2020년까지 모든 자율주행 센서 개발 마무리할 계획

소프트웨어 역량 강화: 카메라 영상인식 기술 스타트업 스트라드비젼에 80억원 투자. 최근 콘티넨탈 출신 소프트웨어 전문가 칼스텐 바이스 박사 영입,

소프트웨어 관련 연구소 인력 대폭 확충하는 등 관련 역량 강화에 집중

현대모비스 자율주행차 관련 핵심 부품

부문 사진 세부 설명

Driver

Assistance

System:

DAS

주요 연구 분야는 능동안전제어시스템으로, 크게 종방향 제어(SCC, AEB)와 횡방향 제어(LKAS, SPAS)로 나누어져 양산 개발

SCC 지능형 자동순항시스템: 운전자가 설정한 속도로 자동 주행하며, 앞차와의 거리를 자동으로 유지하는 시스템

AEB 자동 긴급 제동장치: 레이더와 카메라를 이용하여 예상되는 충돌을 회피하는 안전 시스템

LKAS 차선이탈 방지시스템: 자동차가 스스로 위험상황을 감지하여 차선이탈을 방지하는 시스템

SPAS 주차조향 보조시스템: 차량이 주차할 수 있는 최적의 경로를 계산 후, 조향 휠을 자동으로 조작하여 주차하는 시스템

BBW 브레이크 바이 와이어: 전기 신호에 의해 전동식 제어장치를 제어하여 제동력을 발생시키는 시스템

BSD 측면 사각 감지시스템: 사각지대의 차량을 발견하지 못해 발생할 수 있는 사고를 방지하는 시스템

FCW 전방 추돌경고 시스템: 영상인식 기술을 통해 앞차와의 추돌을 경고하는 시스템

인휠: 각 Wheel의 내측에 전기 모터를 장착하여 독립적으로 구동 및 제동이 가능한 시스템

Mechatronics:

메카트로닉스

자동차 부품의 지능화 및 전자화

BCM 차체제어모듈: 하나의 중앙제어장치로 종합 제어하는 모듈

IBS 지능형 배터리 센서: 배터리 상태를 계산한 후 에너지 관리 제어기로 전송하여 최종적으로 연비 향상을 위한 발전제어시스템

TPMS 타이어 공기압 모니터링시스템: 타이어 공기압을 지속적으로 점검하여 운전자에게 알려주는 전자장치

ACU 에어백 제어 장치: 사고 시 차량에 가해진 충돌의 세기와 형태에 따라 에어백 전화여부 및 전개시점을 결정하는 장치

SMK 스마트키: 운전자의 차량 출입 또는 트렁크 개폐를 위한 패시브 엔트리 기능, 엔진 스타터 역할

ETCS 자동요금징수시스템: 고속도로 톨게이트 통과 시 자동으로 통행료를 징수하는 시스템


현대모비스 자율주행차 테스트



40


만도(204320.KS)

기업소개

국내 1st 티어 자동차 부품사로 조향장치, 브레이크, 서스펜션, ADAS 등 차체제어 관련 핵심부품 전문기업

지역별 매출 비중: 한국 48%, 중국 26%, 미국 11%, 기타 14%(연결제거 전)

차체제어와 관련한 핵심 부품 전문 기업. 차체제어 기술과 밀접한 관련이 있는 능동형안전시스템(ADAS)에 강점을 보유하고 있음

2017년 3,022억원의 R&D 비용 투입. 2014년 대비 75% 증액

2018년 기준 ADAS 관련 매출 7%를 상회할 것으로 예상. 국내 부품사 중 가장 높은 매출 비중

2018년 5월, 네이버와 자율주행기술 공동연구 개발을 위한 MOU 체결. 판교 넥스트 M 연구소 건립

2018년 8월, 미국 캘리포니아주 자율주행 시험 면허 획득

AV관련

제품및동향

HDA: 고속도로 주행시 전방차량과의 거리 및 차선을 인식 자동으로 차선 유지제어(LKAS) 및 차간 거리 제어(SCC)를 통합 수행

AEB: 전방 레이다와 카메라를 기반으로 추돌 위험이 감지되었거나 늦은 제동을 할 경우 차량이 스스로 제동을 걸어 추돌을 방지하는 장치

센서 내재화: 독일의 헬라와 50:50 JV를 체결해 레이다 센서를 양산하고 있음

소프트웨어 역량 강화: 국내 인터넷 기업인 네이버와 협력을 강화하고 있음. 차체제어에 대한 노하우를 보유하고 있으며 IT 기업과의 협업 강화를 통해

솔루션 패키지를 완성차에게 공급할 계획

만도 자율주행 개발 로드맵

자료: 만도, 유진투자증권

자료: 만도, 유진투자증권

41


Compliance Notice

당사는 자료 작성일 기준으로 지난 3개월 간 해당종목에 대해서 유가증권 발행에 참여한 적이 없습니다

당사는 본 자료 발간일을 기준으로 해당종목의 주식을 1% 이상 보유하고 있지 않습니다

당사는 동 자료를 기관투자가 또는 제3자에게 사전 제공한 사실이 없습니다

조사분석담당자는 자료작성일 현재 동 종목과 관련하여 재산적 이해관계가 없습니다

동 자료에 게재된 내용들은 조사분석담당자 본인의 의견을 정확하게 반영하고 있으며, 외부의 부당한 압력이나 간섭없이 작성되었음을 확인합니다

동 자료는 당사의 제작물로서 모든 저작권은 당사에게 있습니다

동 자료는 당사의 동의없이 어떠한 경우에도 어떠한 형태로든 복제, 배포, 전송, 변형, 대여할 수 없습니다

동 자료에 수록된 내용은 당사 리서치센터가 신뢰할 만한 자료 및 정보로부터 얻어진 것이나, 당사는 그 정확성이나 완전성을 보장할 수 없습니다. 따라서 어떠한 경우

에도 자료는 고객의 주식투자의 결과에 대한 법적 책임소재에 대한 증빙자료로 사용될 수 없습니다

투자기간 및 투자등급/투자의견 비율

종목추천 및 업종추천 투자기간 : 12개월 (추천기준일 종가대비 추천종목의 예상 목표수익률을 의미함) 당사 투자의견 비율(%)

ㆍSTRONG BUY(매수) 추천기준일 종가대비 +50%이상 0%

ㆍBUY(매수) 추천기준일 종가대비 +15%이상 ~ +50%미만 89%

ㆍHOLD(중립) 추천기준일 종가대비 -10%이상 ∼ +15%미만 11%

ㆍREDUCE(매도) 추천기준일 종가대비 -10%미만 0%

(2018.6.30 기준)

과거 2년간 투자의견 및 목표주가 변동내역

현대모비스(012330.KS) 주가 및 목표주가 추이 추천일자 투자의견 목표가(원)

목표가격

대상시점

괴리율(%)

평균주가

대비

최고(최저)

주가 대비

2016-10-11 Buy 360,000 1년 -28.2 -21.5

0

50,000

100,000

150,000

200,000

250,000

300,000

350,000

400,000

16/03 16/06 16/09 16/12 17/03 17/06 17/09 17/12 18/03 18/06

(원)현대모비스

목표주가

2016-10-31 Buy 360,000 1년 -28.5 -21.5

애널리스트 변경

2017-03-15 Buy 305,000 1년 -23.5 -16.2

2017-03-22 Buy 305,000 1년 -24.3 -17

2017-03-29 Buy 305,000 1년 -25.1 -18

2017-05-04 Buy 305,000 1년 -18.9 -18

2017-05-12 Buy 315,000 1년 -17.9 -10.2

2017-05-23 Buy 315,000 1년 -18.1 -10.2

2017-06-19 Buy 315,000 1년 -20.7 -17.9

2017-06-19 Buy 315,000 1년 -20.7 -17.9

2017-06-29 Buy 315,000 1년 -21.3 -17.9

2017-07-03 Buy 315,000 1년 -21.6 -18.9

2017-07-12 Buy 315,000 1년 -21.4 -18.9

2017-07-31 Buy 280,000 1년 -15 -8

2017-08-29 Buy 280,000 1년 -18.8 -12.7

2017-10-11 Buy 300,000 1년 -14.9 -9

2017-10-17 Buy 300,000 1년 -13.8 -9

2017-10-24 Buy 300,000 1년 -12.2 -9

2017-10-31 Buy 300,000 1년 -10.5 -9

2017-11-14 Buy 360,000 1년 -27.9 -24

2017-11-30 Buy 360,000 1년 -27.8 -25

2017-12-07 Buy 360,000 1년 -28.1 -25

2018-01-04 Buy 360,000 1년 -28.7 -25

2018-01-09 Buy 360,000 1년 -28.1 -25

2018-01-26 Buy 300,000 1년 -20.3 -11.8

2018-02-14 Buy 300,000 1년 -20.6 -11.8

2018-03-22 Buy 300,000 1년 -16.7 -11.8

2018-03-29 Buy 300,000 1년 -16.4 -11.8

2018-04-06 Buy 300,000 1년 -16.9 -12.3

2018-04-10 Buy 300,000 1년 -17.6 -12.7

2018-04-27 Buy 280,000 1년 -19.3 -11.4

2018-05-03 Buy 280,000 1년 -19.5 -11.8

2018-05-17 Buy 280,000 1년 -20 -11.8

2018-05-23 Buy 280,000 1년 -20.2 -14.6

2018-06-15 Buy 280,000 1년 -20.6 -15.4

2018-07-10 Buy 280,000 1년 -19 -15.4

2018-07-17 Buy 280,000 1년 -18.4 -15.4

2018-07-17 Buy 280,000 1년 -18.4 -15.4

2018-07-27 Buy 280,000 1년 -18.1 -15.4

42


2018-08-20 Buy 280,000 1년 -18.2 -15.4

2018-09-11 Buy 280,000 1년

과거 2년간 투자의견 및 목표주가 변동내역

만도(204320.KS) 주가 및 목표주가 추이 추천일자 투자의견 목표가(원)

목표가격

대상시점

괴리율(%)

평균주가

대비

최고(최저)

주가 대비

2017-03-15 Hold 240,000 1년 6.4 -7.9

0

20,000

40,000

60,000

80,000

100,000

16/03 16/06 16/09 16/12 17/03 17/06 17/09 17/12 18/03 18/06 18/09

(원)만도

목표주가

2017-05-02 Hold 240,000 1년 7.9 36

2017-05-23 Hold 240,000 1년 8.7 -6

2017-06-29 Hold 240,000 1년 9.2 -6

2017-07-03 Hold 240,000 1년 9.3 -6

2017-07-12 Hold 240,000 1년 10.1 36

2017-10-12 Hold 240,000 1년 27.8 10.8

2017-11-14 Buy 350,000 1년 -13.8 -3

2018-01-04 Buy 350,000 1년 -19.5 -15.7

2018-01-09 Buy 350,000 1년 -19.9 -16.3

2018-02-07 Buy 325,000 1년 -27.8 -20.8

2018-03-22 Buy 325,000 1년 -28.4 -24

2018-04-27 Buy 290,000 1년 -23.5 -21.7

2018-05-17 Buy 58,000 1년 -32.8 -18

2018-09-11 Buy 58,000 1년

자동차 차부품 Coming Soon, 자율주행차...2018/09/11 · 자동차 사고의 대부분은...

Documents

Transcript of 자동차 차부품 Coming Soon, 자율주행차...2018/09/11 · 자동차 사고의 대부분은...