참고 이 문서의 범위: Tesla의 물리적 AI, xAI(Grok), 그리고 Mistral, DeepSeek, Perplexity 등 주목할 AI 기업들을 분석합니다.
Part 1: Tesla AI
1. 개요
Tesla는 다른 AI 기업과 근본적으로 다른 위치에 있습니다. 물리적 세계에서 작동하는 AI 에 집중하며, 자율주행(FSD), 휴머노이드 로봇(Optimus), 에너지 관리 AI를 핵심 제품으로 합니다. 연간 수백만 대의 차량에서 수집되는 실제 주행 데이터가 가장 큰 자산입니다.2. FSD (Full Self-Driving) — 자율주행 AI
2.1 FSD 진화
| 버전 | 시기 | 핵심 변화 |
|---|---|---|
| FSD v11 | 2023 | End-to-End 신경망 도입, 규칙 기반 코드 제거 시작 |
| FSD v12 | 2024 초 | 완전 End-to-End — 카메라 입력 → 직접 주행 명령 출력 |
| FSD v13 | 2024 말~2025 초 | 성능 대폭 향상, 인터벤션 감소, 고속도로/도심 통합 |
| FSD v13.x | 2025 | 지속적 OTA 업데이트, 안전성 개선 |
2.2 End-to-End AI 접근의 의미
기존 자율주행 시스템(Waymo 등)은 감지 → 인식 → 예측 → 계획 → 제어 의 파이프라인 구조를 사용합니다. Tesla FSD v12+는 이 모든 과정을 단일 신경망 으로 대체했습니다.| 구분 | 파이프라인 방식 (Waymo 등) | End-to-End (Tesla) |
|---|---|---|
| 구조 | 각 단계 별도 모듈 | 단일 대형 신경망 |
| 입력 | 카메라 + LiDAR + HD Map | 카메라만 (8대) |
| 장점 | 디버깅 용이, 각 모듈 독립 개선 | 데이터 증가에 비례하는 성능 향상, 코너케이스 자연 해결 |
| 단점 | 모듈 간 오류 누적, 수작업 규칙 필요 | 블랙박스, 디버깅 어려움, 대규모 데이터 필요 |
| 데이터 | 제한적 (고가의 테스트 차량) | 수백만 차량의 실시간 데이터 |
2.3 Robotaxi 계획
| 항목 | 내용 |
|---|---|
| 차량 | Cybercab — 스티어링 휠/페달 없는 전용 차량 (2026년 생산 시작 예상) |
| 서비스 | Tesla Network — 개인 차량 공유 + Cybercab 운영 |
| 규제 | 미국 일부 주에서 감독 없는 자율주행 허가 획득 목표 |
| 경쟁 | Waymo (Google) — Phoenix, SF, LA에서 이미 상용 운영 |
3. Optimus — 휴머노이드 로봇
| 항목 | 현황 (2025) |
|---|---|
| 세대 | Gen 2 (2024 공개), Gen 3 (2025 개발 중) |
| 작업 능력 | 물건 분류, 운반, 간단한 조립 작업 |
| AI | FSD와 동일한 End-to-End 신경망 기반 |
| 가격 목표 | 30,000 (장기, 양산 후) |
| Tesla 내부 사용 | 공장에서 부품 분류 등 제한적 투입 (2025) |
| 외부 판매 | 2027년 이후 예상 |
4. Dojo 슈퍼컴퓨터
| 항목 | 내용 |
|---|---|
| 목적 | FSD/Optimus 학습 전용 슈퍼컴퓨터 |
| 칩 | D1 (자체 설계, TSMC 7nm, 362 TFLOPS BF16) |
| 상태 | 초기 버전 배포, 주력은 여전히 NVIDIA GPU |
| 전략 변화 | NVIDIA H100/B200 대량 구매 병행, Dojo는 보조적 역할 |
Part 2: xAI & Grok
5. xAI 개요
Elon Musk가 2023년 설립한 AI 기업으로, “우주의 진정한 본질을 이해하는 AI” 를 미션으로 합니다. X(구 Twitter) 플랫폼과 통합되어 있습니다.6. Grok 모델 시리즈
| 모델 | 출시 | 핵심 |
|---|---|---|
| Grok-1 | 2023.11 | 최초 모델, 314B MoE, 오픈소스 |
| Grok-1.5 | 2024.03 | 128K 컨텍스트, 비전 지원 |
| Grok-2 | 2024.08 | Claude 3.5 Sonnet 경쟁 수준 |
| Grok-3 | 2025.02 | Colossus 학습, 최고 성능 주장 |
| Grok-3 mini | 2025.02 | 경량 추론 모델 |
6.1 Grok-3 상세
| 항목 | 내용 |
|---|---|
| 학습 인프라 | Colossus — 200,000+ H100 GPU (세계 최대 단일 클러스터) |
| 성능 | AIME 2025에서 93.3% (출시 시점 최고), SWE-bench 상위 |
| 특징 | DeepSearch (심층 검색), Think 모드 (추론), X 데이터 접근 |
| X 통합 | X 포스트 실시간 분석, 트렌드 파악, 뉴스 요약 |
| 가격 | X Premium+ (30/월) |
6.2 Colossus 슈퍼컴퓨터
| 항목 | 내용 |
|---|---|
| 위치 | 미국 멤피스 테네시 |
| GPU | 200,000+ H100 (NVIDIA) |
| 특징 | 세계 최대 단일 AI 학습 클러스터 |
| 건설 | 약 4개월 만에 초기 100K GPU 클러스터 구축 (2024) |
| 확장 | 1M+ GPU로 확장 계획 |
6.3 xAI의 과제
| 과제 | 상세 |
|---|---|
| 브랜드 리스크 | Elon Musk의 정치적 발언/논란이 기업 이미지에 영향 |
| X 데이터 의존 | X 사용자 감소 시 데이터 우위 약화 |
| 개발자 생태계 | OpenAI/Anthropic 대비 API/도구 생태계 미성숙 |
| 엔터프라이즈 | B2B 시장 진입 초기, 신뢰 구축 필요 |
Part 3: 기타 주목할 AI 기업
7. DeepSeek (중국)
7.1 개요
중국 퀀트 헤지펀드 High-Flyer 에서 분사한 AI 연구소로, 2025년 1월 발표한 DeepSeek-R1이 AI 업계를 충격에 빠뜨렸습니다.7.2 주요 모델
| 모델 | 시기 | 핵심 |
|---|---|---|
| DeepSeek-V2 | 2024.05 | 236B MoE, 128K 컨텍스트, MLA(Multi-Head Latent Attention) 혁신 |
| DeepSeek-V3 | 2024.12 | 685B MoE (37B Active), 학습비용 $5.5M (GPT-4 대비 1/100 수준) |
| DeepSeek-R1 | 2025.01 | 추론 모델, o1과 동등 성능, 오픈소스, 증류(distillation) 모델 공개 |
| DeepSeek-V3.2 | 2025.12 | V3 후속, 성능 향상 |
7.3 왜 DeepSeek가 충격적인가
| 요인 | 상세 |
|---|---|
| 비용 효율 | V3 학습에 100M+)의 1/20 이하 |
| 하드웨어 제약 극복 | 미국의 대중국 GPU 수출 규제(H100 금지) 하에서 H800으로 달성 |
| 오픈소스 | MIT 라이선스로 완전 공개, 누구나 사용 가능 |
| MLA 혁신 | Multi-Head Latent Attention으로 KV 캐시 메모리 93% 절감 |
| 추론 모델 | R1은 별도 SFT 없이 순수 강화학습(RL)만으로 추론 능력 획득 |
주의 주의: 중국 AI 모델은 데이터 주권, 콘텐츠 검열, 규제 리스크 를 고려해야 합니다. 중국 정부의 요구에 따라 특정 주제(천안문, 대만, 티베트 등)에서 편향된 답변을 할 수 있으며, 기업 환경에서는 자체 배포 시에도 보안 검토가 필요합니다.
8. Mistral AI (프랑스)
8.1 개요
2023년 설립된 유럽 최고의 AI 기업 으로, 프랑스 정부의 전폭적 지원을 받고 있습니다. Meta 출신 연구원들이 핵심입니다.8.2 주요 모델
| 모델 | 크기 | 핵심 |
|---|---|---|
| Mistral 7B | 7B | 오픈소스 소형 모델의 기준점 |
| Mixtral 8x7B | 46.7B (MoE) | 오픈소스 MoE의 선구자 |
| Mistral Large | 비공개 | GPT-4 경쟁 수준 |
| Mistral Medium | 비공개 | 비용/성능 균형 |
| Mistral Small (v25.01) | 24B | 경량 고성능, 코딩 강점 |
| Codestral | 22B | 코드 생성 특화, 80+ 언어 |
| Pixtral | 비공개 | 멀티모달 (이미지 이해) |
8.3 Mistral의 차별점
| 차별점 | 상세 |
|---|---|
| 유럽 기반 | EU AI Act 준수, GDPR 친화적 — 유럽 기업의 선호도 높음 |
| Le Chat | 자체 AI 챗 인터페이스, 빠른 응답 |
| La Plateforme | API 서비스, Agent 기능 |
| 다국어 | 프랑스어, 독일어, 스페인어 등 유럽 언어 강점 |
9. Perplexity AI
| 항목 | 내용 |
|---|---|
| 설립 | 2022년 |
| 제품 | AI 기반 검색 엔진 (Answer Engine) |
| 핵심 | 질문에 대해 소스 인용과 함께 구조화된 답변 제공 |
| MAU | 1억 명+ (2025년 기준) |
| 기업 가치 | $9B+ (2025년 초) |
| 경쟁 | Google Search, ChatGPT Search, Bing AI |
| 차별점 | 검색 결과의 출처 투명성, 광고 없는 경험 |
10. Stability AI / 이미지 생성 생태계
| 모델/기업 | 핵심 |
|---|---|
| Stable Diffusion 3.5 | 오픈소스 이미지 생성 표준 |
| FLUX (Black Forest Labs) | Stability AI 창립자가 만든 차세대 모델 |
| Midjourney | 최고 품질 이미지 생성 (디스코드 기반) |
| DALL-E 3 / GPT-4o | OpenAI 통합 이미지 생성 |
| Imagen 3 | Google의 포토리얼 이미지 생성 |
11. AI 하드웨어 경쟁
| 기업 | 칩/제품 | 용도 |
|---|---|---|
| NVIDIA | B200 (Blackwell), GB200 NVL72 | 학습 + 추론 (압도적 시장 점유) |
| AMD | MI300X, MI350 | NVIDIA 대안, 가격 경쟁력 |
| TPU v6 (Trillium) | Gemini 학습, GCP 전용 | |
| AWS | Trainium2, Inferentia2 | Bedrock 최적화 |
| Apple | M4 Ultra | 온디바이스 AI, Mac 로컬 추론 |
| Groq | LPU | 초고속 추론 전용 (10x 속도) |
| Cerebras | WSE-3 (Wafer Scale) | 초대형 모델 학습 |
| SambaNova | SN40L | 엔터프라이즈 AI 추론 |
12. 전체 AI 생태계 종합 비교
| 기업 | 모델 전략 | Agent 전략 | 인프라 | 차별점 |
|---|---|---|---|---|
| OpenAI | 클로즈드 (GPT+o) | Agents SDK | Azure + Stargate | 브랜드, 사용자 규모 |
| Anthropic | 클로즈드 (Claude) | MCP + Claude Code | AWS/GCP | 안전성, 코딩 품질 |
| 하이브리드 (Gemini+Gemma) | A2A + ADK | TPU + GCP | 수직 통합, 연구 | |
| Meta | 오픈소스 (Llama) | Llama Stack | 자체 GPU | 생태계, 사용자 |
| Tesla/xAI | 특수 목적 + Grok | FSD, Optimus | Colossus, Dojo | 물리적 AI, X 데이터 |
| DeepSeek | 오픈소스 | 없음 | H800 (제한적) | 극한 비용 효율 |
| Mistral | 하이브리드 | La Plateforme | 클라우드 의존 | 유럽 거점, EU 친화 |
13. 향후 전망
| 영역 | 전망 |
|---|---|
| 물리적 AI | Tesla Optimus/FSD, Figure AI, Nvidia Isaac 등 로봇+AI 융합 가속 |
| DeepSeek | V4 발표 예상, 비용 효율 혁신 지속, 미국 수출 규제와의 기술 경쟁 |
| Mistral | 유럽 시장 선도, EU 공공부문 AI 도입의 핵심 파트너 |
| AI 칩 | NVIDIA B200 독주 vs AMD/Google/AWS 추격, 전력 소비가 핵심 병목 |
| 규제 | EU AI Act 시행(2025.08), 미국 연방 AI 규제 논의 |
참고 Databricks 시사점: Databricks는 모델 제공자에 종속되지 않는 플랫폼으로, DeepSeek, Mistral 등 오픈소스 모델을 Model Serving에 자유롭게 배포할 수 있습니다. 특히 DeepSeek의 비용 효율적 모델과 Databricks의 데이터 레이크하우스를 결합하면, 최소 비용으로 프라이빗 AI를 구축할 수 있습니다.
참고 자료: