낙관론자K의 주식으로 세상보기

- 레고블럭형 설계 -> 모듈형 아키텍쳐 -> 차량간 부품 공유-> 부품 조달, 물류, 재고관리의 효율성 증대

- 모델 3, 모델 y 부품 공유비율 80% -> 사실상 한 차종을 생산하는 것과 같은 효율성.

- 배터리, 모터, 인버터, 기어박스 등은 규격화 공용화 중.

- 21년 93만대 판매. O.M.은 12%, 판매량이 증가할수록 O.M.은 증가할 가능성이 높다.

1. 미국 인프라 예산안 통과 직전

2. Jefferies Group 테슬라 PT 상향 $700 -> $850

3. 인도 수입차 EV 관세 인하 협의중(루머)

4. GIGA TEXAS 시험 생산 들어감, GIGA BERLIN은 아직 최종 허가 안나옴.( 공장은 거의 완공된 것으로 보임.)

기가텍사스와 기가베를린 완공이 기다려진다. 2022년은 더 파괴적일 것!

시간은 우리의 편입니다. 테슬라 주주님들 응원합니다!

1. 포보스 - 테슬라 작년 4분기 실적대비 거의 성장하지 못함. 성장속도 죽었다.

1분기 실적은 원래 저조하다. ev지원금 혜택으로 인한 지연수요가 2분기 이후 발생하며,

4분기 실적이 항상 최대로 나온다... 고르게 나오는 것이 아니고 1분기가 최하, 4분기가 최대 실적이 보통 나온다.

작년 1분기 실적이랑 비교하라고...

2. cnbc- 타이틀의 뉘앙스가 좀 그렇다. 수요가 없어서 모델s/x의 생산이 없었다라고도 들릴 수가 있다.

모델 S와 X는 리프레싱중이다.

나는 주가 상승이 없길 바란다. 좀 떨어졌으면 좋겠다.

테슬라는 광고를 하지 않는다. 딜러쉽도 없다. 모두에게 공격받는다.

기존 내연기관 자동차 업체들은 엄청난 광고비를 쏟아붓는다. 이건 언론사의 돈줄.

이해관계가 엮여있다. 잘 알아야 선동당하지 않는다.

알면 알수록 왜곡된 기사와 정확하지 않은 내용의 기사들로 인해 피로감이 든다. 

왜곡된 정보들이 시장에 많이 퍼져있는 것이 좋기도 하다.

진위를 가릴 수 있는 사람들에겐 기회이다. 

공부해서 확신을 갖고, 자기의 확신이 견고하다면 지키고 인내하는 것이 정답이다.

삼성전기 투자 사례처럼 반복해선 안된다. 

자기 확신을 매일 의심하고 질문한다. '진짜 그게 맞아?' 

그걸 견디어낸 컨빅션은 견고하다.

아 참고로 웨이모 CEO인 존 크라프칙이 사임했다. 구글이 웨이모 압박 많이 하나보다.

웨이모는 한 가지 단어로 정리된다. 매몰비용.

LG의 스마트폰 사업이나, 신천지의 교도들이나...

열심히 한다고 잘되는게 아니다. 방향성이 중요하다.

1. ARK사의 발표 이후 Robotaxi 시장의 규모와 Tesla의 자율 주행 주도에 대해 상당한 논쟁이 있었음.

-Tesla의 FSD (Full Self Driving)가 경쟁 업체에 의해 리버스 엔지니어링되고 복제 될 수 있다?

2. 게리블랙은 복제될 수 있다는 관점.

3. Dheepan Ramanan(딥러닝 현직자)는 동의하지 않음.

-자율주행 AI 복제는 불가능하다고 봄.

아래는 Dheepan Ramanan의 생각입니다. 원문은 맨 아래에 올려두었습니다.

자율 주행에 대한 Tesla의 접근 방식 (CV: Computer Vison 방식)

-  Waymo, Cruise 및 Baidu와 비슷해 보이지만 새로운 위치에서 자율주행을 시켜보면 웨이모는 X, 테슬라는 가능.

자율 주행의 세 가지 방식

1. 센서를 사용한 도시 인프라 현대화. (Baidu)

- 도로, 신호등, 표지판에 센서내장시키고 차와 통신하는 방식.

- 비용 문제 있음. 확장성 떨어짐.

2. LiDAR. ( Waymo, Cruise)

- 라이다를 통해 맵핑해서 해당지역의 고화질지도를 작성하는 방식.

- 내용을 미리 암기. -> 새로운 환경에서의 적용이 어려움. 돌발 상황에 대한 대처 어려움.

3. CV ( Tesla )

- 내용을 이해하는 방식 -> 새로운 환경에서의 적용이 쉬움. 돌발 상황에 대한 대처가 가능.

컴퓨터 비전이 LiDAR보다 우수한 이유는 ?

1. 카메라가 라이다보다 쌈.
2. 확장성과 적응성이 우수함. (라이다는 맵핑된 지역만 가능함.)
3. 이동성-LiDAR는 물체 감지 (예 : 자동차)에는 좋지만 인식 작업 (예 : 정지 신호 읽기)에는 효과적이지 않음.

매몰 비용 오류에 빠진 웨이모

그렇다면 Luminar, Cruise 및 Waymo와 같은 회사가 컴퓨터 비전 접근 방식을 채택하지 않은 이유는 무엇일까? 

1.  딥 러닝 기술이 기하 급수적으로 향상되기 전에 LiDAR 전문가를 고용했습니다. 

2. 이미 라이다쪽으로 들인 자본이 많다. (매몰비용의 오류)

- 매몰 비용의 오류 (sunk-cost fallacy ): 매몰비용때문에 이미 실패한, 또는 실패할 것으로 예상되는 일에 시간, 노력, 돈을 투자하는 것

제 1 원칙 사고

Tesla는 문제 해결에 대한 “First-Principles Thinking” 접근을 함.

- 기존의 제약과 관습에서 탈피해서 문제를 해결하는 방식.

1999 년에 설립 된 Mobileye는 100 % CV 솔루션에 초점을 맞춘 최초의 자율 기업. 2016 년 이전에 Mobileye는 Tesla의 Autopilot을위한 하드웨어와 소프트웨어를 제공했지만 이후 LiDAR 증강 접근 방식을 사용하는 CV로 이동. Tesla가 100 % CV 솔루션을 유지하는 동안 Mobileye가 접근 방식을 변경 한 이유는 Mobileye와 기타 자율 주행 스타트 업에 Tesla의 데이터 스노우볼 효과가 없기 때문.

Tesla의 Data Snowball은 더 크고, 더 좋고, 더 정확한 모델을 만든다.

-Tesla는 데이터 수집 및 데이터 라벨링 분야에서 독자적인 리그에 있음.

- Tesla의 데이터 라벨링 팀은 과학자 및 엔지니어로 구성된 실제 머신 러닝 팀보다 훨씬 많은 인원을 보유한 고도로 훈련 된 조직. (Waymo는 2019 년 Tesla의 30 억 마일에 비해 약 2,000 만 마일을 주행)

Tesla의 수직화된 컴퓨터비전(CV) 방식을 쉽게 카피 할 수 없는 이유 

1. 신경망은 전통적인 의미에서 코드가 아님. (코드같이 카피해서 붙여넣기 한다고 나오는 개념이 아님.)

- 이 시스템은 훈련 된 것과 동일한 입력 세트로만 작동하며 실행하도록 설계된 하드웨어에서만 잘 실행됨.

또한 완전히 똑같은 장비와 카메라 위치등 세부요소등도 동일해야 카피가 가능함.

2. Tesla의 데이터가 없으면 개선을 위해 모델을 재교육 할 수 없음. (카피는 업데이트가 안됨.)

결론: 테슬라의 자율주행 시스템을 다른 회사가 리버스 엔지니어링 할 수 없음.

원문: softmax.substack.com/p/teslas-autonomous-driving-supremacy?r=6cmv7&utm_campaign=post&utm_medium=web&utm_source=twitter