Tesla (TSLA)에 대한 투자 사례를 고려할 때, 사람들은 전기 자동차 (EV), 자율 주행 자동차 (Autonomous Vehicles), Optimus 휴머노이드 로봇, 그리고 에너지 저장 장치 (Energy Storage)에 대해 듣게 됩니다. 이 회사의 "Megapod" 사업은 Tesla의 역사에서 자주 논의되는 주제는 아닙니다.

하지만 회사의 최근 실적 발표 (Earnings Call)에서, CEO Elon Musk는 이것이 어떻게 회사의 AI 야망을 도울 수 있는지 설명했습니다. 이를 대규모 AI 연산 (AI Compute)에 사용될 데이터 센터 하드웨어 시스템이라고 설명하며, Musk는 "이를 통해 우리는 집적된 전력 생산과 함께 AI 연산을 확장할 수 있습니다. 우리는 Supercharger에 Megapod을 배치하여 분산형 AI (Distributed AI)를 구현할 수 있습니다"라고 언급했습니다.

Barchart의 추가 뉴스

그렇다면 이것은 본질적으로 무엇이며, 어떻게 회사에 가치를 가져다줄 수 있을까요? 함께 살펴보겠습니다.

Megapod은 에너지 보안을 위한 것입니다

Tesla의 Megapod은 본질적으로 회사의 에너지 보안 (Energy Security)을 보장하는 것을 목표로 할 것입니다. 거대한 AI 연산에 대한 의존도는 현재 현실이며 앞으로 더욱 커질 것이기 때문입니다.

본질적으로 Tesla의 Megapod 개념은 대규모 데이터 센터를 전력이 생성되거나 소비되는 곳 근처에 배치할 수 있는 모듈형 단위 (Modular Units)로 축소하는 것입니다. 특히, Musk는 Megapod을 표준 x86 서버와 Tesla의 자체 제작 AI4 하드웨어를 단일 인클로저 (Enclosure)에 결합하여, 전력 용량이 있는 곳 어디든 쌓을 수 있는 컴팩트한 컴퓨팅 클러스터 (Compute Cluster)를 만드는 것이라고 설명했습니다.

따라서 수년간의 허가 절차와 그리드 (Grid) 업그레이드가 필요한 거대한 중앙 집중형 데이터 센터를 구축하는 대신, Tesla는 이미 상당한 전기 처리량을 갖춘 Supercharger 사이트, 태양광 발전소, 또는 그리드 저장 시설에 컨테이너 크기의 컴퓨팅 유닛을 배치할 수 있습니다. 이론적으로 각 Megapod은 Megapack 및 태양광 어레이 (Solar Arrays)와 같은 Tesla Energy 자산을 활용하여 전력 수요를 완만하게 조절하고, 에너지 생산과 함께 컴퓨팅을 확장할 수 있게 해줄 것입니다.

기술적으로 Tesla는 AI4 가속기 (accelerators)를 범용 x86 프로세서 (processors)와 결합함으로써 자율 주행 (autonomous driving) 및 로보틱스 (robotics)와 관련된 추론 (inference) 및 학습 (training)의 효율성을 향상시킨다고 주장합니다. Tesla는 이미 Dojo 시스템을 사용하여 텍사스에 대규모 학습 클러스터 (training clusters)를 구축했으며, AI4는 GPU보다 카메라 및 센서 데이터를 더 효율적으로 처리하도록 설계되었습니다. 만약 Megapod이 해당 아키텍처 (architecture)를 분산 노드 (distributed nodes)로 확장한다면, Tesla는 차량 플릿 (fleet) 데이터 처리의 지연 시간 (latency)을 낮추고 제3자 클라우드 제공업체에 대한 의존도를 줄일 수 있을 것입니다.