THE 25-YEAR-OLD BILLIONAIRE BUILDING THE FUTURE OF SELF-DRIVING CARS - 2편 -

One question I ask every CEO who comes on the show is, what’s your decision-making framework? And I think that question is particularly interesting with you because you started the company when you were very young. You’ve obviously scaled to this point. I imagine you’ve learned a lot of lessons along the way; particularly, you’ve almost certainly hired people who are older and have more experience than you. How has your decision-making framework evolved?

쇼에 나오는 모든 CEO에게 제가 묻는 한 가지 질문 중 하나인데, 의사 결정 프레임 워크가 무엇입니까? 당신이 아주 어렸을 때 회사를 시작했기 때문에 그 질문이 특히 흥미롭다고 생각합니다. 당신은 분명히 이 지점까지 확장했습니다. 그 과정에서 많은 교훈을 배웠다고 생각합니다. 특히, 당신은 당신보다 나이가 많고 경험이 많은 사람들을 고용했습니다. 의사 결정 프레임 워크는 어떻게 진화 했습니까?

 

I would say just over time, as you build and scale a business, you have to go from being comfortable with decisions with nearly 100 percent of the information to being comfortable with decisions with effectively, what evolves to a smaller and smaller fraction of that for given things. You have to have greater levels of delegation, you have to have greater levels of talent and quality of talent as you build it up, and you have to continuously just keep raising the bar in terms of what you’re going to be doing.

시간이 지남에 따라 비즈니스를 구축하고 확장함에 따라 거의 100%의 정보로 의사 결정에 익숙져야합니다. 주어진 것들보다 당신은 더 높은 수준의 권한을 가져야하고, 당신이 그것을 쌓으면서 더 높은 수준의 재능과 재능을 가져야하고, 당신이 할 일의 관점에서 계속해서 기준을 높여야합니다.

 

And I would say from a decision-making framework standpoint, it goes at the same time in a parallel thread beyond just increased delegation, more shifted towards going from technology-driven decisions [to] just trying to do whatever you can to create the best product. It’s like, “Okay, well, what do you do?” You have the best product, how do you make sure it sees widespread adoption in the industry?

그리고 저는 의사 결정 프레임 워크의 관점에서 말하고 싶습니다. 그것은 단순히 권한을 증가시키는 것 이상으로 병렬 체인으로 함께 연결되어, 단지 시도하는 기술 기반 결정의 방향으로 더 많이 이동합니다. 제품을 만들기 위해 할 수있는 모든 것을 해야합니다. 마치 "좋아요, 뭐 하세요?" 최고의 제품을 보유하고 있는데, 업계 전반에 걸쳐 채택되고 있는지 어떻게 확인합니까?

 

And that’s where it becomes focused around being able to successfully enable that over the long run and being able to establish strategic initiatives and plans to be able to drive that forward to realization. So that’s where you have to apply, always, a business or financial mindset to all of these things to make it work. Because if you miss even part of one of the pieces of the puzzle, you effectively end up with zero. It’s like a binary equation here. You have to get everything almost perfectly right. And that’s why this is just so impossibly hard. Going from the R&D stage to actually realizing this through into a real product and business case and everything around it is a huge challenge, so that’s what you have to keep your eye on.

그리고 그것이 장기적으로 성공적으로 수행 할 수 있고, 이를 실현할 수 있는 이니셔티브와 전략 계획을 공식화하는 데 초점을 맞춰야 합니다. 그렇기 때문에 항상 비즈니스 또는 재정적 사고 방식을이 모든 것에 적용해야 작동합니다. 퍼즐 조각 중 하나의 일부라도 놓치면 0이됩니다. 마치 이항 방정식처럼 보입니다. 모든 것을 맞게 해야합니다. 이것이 믿기 어려운 이유입니다. R & D 단계에서 이를 실제 제품 및 비즈니스 사례로 실현하는 것은 큰 도전이며, 그 점을 주시해야합니다.

 

 

 

You were talking about prioritizing the product and we were talking about decision-making frameworks. So give me an example, you were saying you’re shifting from building the product, building the prototype to strategic decisions to make sure you can get to market. Give me an example of a trade-off you’ve made along the way.

당신은 제품의 우선 순위에 대해 이야기하고 있었고 우리는 의사 결정 프레임 워크에 대해 이야기하고 있었습니다. 예를 들어 보겠습니다. 제품 제작, 프로토 타입 제작에서 시장 진출을 위한 전략적 결정으로 전환하고 있다고 말씀하셨습니다. 그 과정에서 당신이 만든 트레이드 오프의 예를 들어주세요.

 

Well, the ultimate goal of the balancing act is to try and minimize one-to-one trade-offs and to be able to scale the business side as much as you can scale the technology side in parallel. But nevertheless I would say, for example, we have no shortage of ambition in terms of what we’re trying to solve or what we knew we could build and make a difference on, beyond just the LIDAR sensing system. And I think there’s probably some desire to accelerate our software roadmap beyond our hardware roadmap, even faster than we ultimately did. Actually, much faster. But at the same time, you have to be careful about stacking too many parallel programs together and too much parallel risk and taking it step-by-step.

균형 조정의 궁극적인 목표는 일대일 트레이드 오프를 최소화하고 기술 측면을 병렬로 확장 할 수 있는 만큼 비즈니스 측면을 확장 할 수 있도록하는 것입니다. 하지만 그럼에도 불구하고 예를 들어, 우리는 LIDAR가 감지 시스템을 넘어서 우리가 해결하려는 것 또는 우리가 구축하고 차이를 만들 수 있다는 점을 잘 알고 있습니다. 그리고 하드웨어 로드맵을 넘어서 우리가 궁극적으로했던 것보다 훨씬 더 빠르게 소프트웨어 로드맵을 가속화하려는 욕구가 있습니다. 실제로 훨씬 빠릅니다. 그러나 동시에 너무 많은 프로그램을 병렬로 쌓고, 너무 많은 위험을 동시에 감수하는 것에 대해, 단계별로 처리하는 것에 대해 주의해야합니다.

 

And as exciting as it can be to have something that you know you can solve for, ultimately, that was a trade-off that we had to say, “Okay, remain focused, solve the LIDAR problem, see it through. Yes, we’ll continue to build up the software stack in parallel for ultimately a more turnkey solution to the autonomous vehicle problem, but take it step by step.”

그리고 해결할 수 있는 것을 알고 있다는 것은 흥미 진진한 일입니다. 궁극적으로 우리는 “좋아요, 집중하고, LIDAR 문제를 해결하고, 자세히 살펴 봐야했습니다. 예, 우리는 궁극적으로 자율 주행 차 문제에 대한 더 많은 턴키 솔루션을 위해 병렬로 소프트웨어 스택을 계속 구축 할 것입니다. 그러나 단계적으로 진행할 것입니다. "

 

And that’s effectively what we did, and it was a decently long journey, eight years with this. So I think that’s where the last few years went, we spent more time really ramping up the commercial side and ramping up the software side as well. One other interesting trade-off that we made — taking it from a totally different angle, from a marketing perspective a lot of times — I know being in stealth mode for some period of time is really cool these days. But at this point back when I first founded the company, a lot of times you would have people that are announcing every stage. And I think it’s still usually the case now, every phase of their journey, oftentimes before you actually have anything to show for it.

그게 우리가 했던 일이고 8년 동안 꽤 긴 여정이었습니다. 그래서 저는 그것이 지난 몇 년 동안 우리가 지나왔던 길이라고 생각합니다. 우리는 실제로 상업적인 측면을 높이고 소프트웨어 측면에서도 더 많은 시간을 보냈습니다. —완전히 다른 관점에서, 마케팅 관점에서 여러 번 보았을 때— 나는 일정 기간 동안 스텔스 모드에있는 것이 진짜 의미 있었던 일이라는 것을 요즘 실감합니다. 하지만 이 시점에서 내가 처음 회사를 시작하면 많은 경우 모든 단계를 발표하는 사람들이 있을 것입니다. 그리고 저는 그것이 지금, 그들의 여정의 모든 단계에서, 실제로 보여줄 것이 있기 전에 발생한다고 생각합니다.

 

At some stage, it goes back to a core philosophy versus like show, not tell. Because it’s really easy to have a lot of claims. And by the way, there is no shortage of claims in the overall autonomous vehicle space. In part, it’s because it’s easy to say things, because you don’t actually always show it or have to show it. People have ways to easily evaluate if it’s actually real or not. It’s some of the reason why you’ve seen some of the recent activity from companies that maybe couldn’t even raise private capital, now getting to a stage where [they’re] trying to enter the public markets.

어떤 단계에서 그것은 핵심 철학 대 쇼와 같은 것으로 되돌아갑니다. 클레임을 거는 것은 정말 쉽기 때문입니다. 덧붙여서 전체 자율 주행 차량 공간관련 클레임이 아주 많습니다. 말은 쉽기 때문입니다. 실제로 항상 보여 주거나 보여 주어야하는 것은 아니기 때문입니다. 사람들은 그것이 실제인지 아닌지를 쉽게 평가할 수있는 방법이 있습니다. 이것이 바로 최근에 민간 자본을 조달 할 수 없었던 기업의 활동 중 일부를 보았고 이제 [그들이] 공개 시장에 진입하려는 단계에 도달 한 이유 중 일부입니다.

 

But nevertheless for us it was always heads down, focus on delivering, don’t let any noise affect you. And by the way, don’t try and give any people a reason for a head start here either. Oftentimes it doesn’t actually benefit you. At least initially, consumer or even OEM [original equipment manufacturer] awareness is less relevant because you have to actually finish the product first. You want the first impression to be really good. And that’s basically what we spent the first five years doing.

그러나 그럼에도 불구하고 그 덕분에 우리는 항상 정면으로 배달에 집중하고, 노이즈에 영향을 받지 않을 수 있었습니다. 참고로, 여기에서도 유리한 출발 이유를 다른 사람에게 주지 말아야 합니다. 많은 경우, 실제로 이는 도움이 되지 않습니다. 적어도 처음에는 실제로 처음에 제품을 완성시킬 필요가 있기 때문에 소비자와 OEM [주문자]의 인식은 별로 관계가 없습니다. 첫인상이 정말 중요합니다. 그리고 기본적으로 우리는 처음 5년 동안 그 첫인상을 위해 준비했습니다.

 

Deep down in stealth mode, building out the core product and technology and getting to a stage where we could actually launch the company and scale this up. And that’s really what we did starting in 2017, five years in, after we had developed the laser, the receiver, the scanning mechanism, processing electronics, all of our own chips that we had in the system. And it came together, it all worked. Somewhat miraculously, somewhat unexpectedly, at the same time.

스텔스 모드에서 핵심 제품과 기술을 구축하고 실제로 회사를 시작하고 이를 확장 할 수있는 단계에 도달합니다. 이것이 바로 우리가 레이저, 수신기, 스캐닝 메커니즘, 처리 전자 장치, 시스템에있는 모든 자체 칩을 개발 한 5년 후인 2017년부터 시작된 일입니다. 그리고 그것은 함께 이루어졌고 모든 것이 효과가 있었습니다. 

 

So that’s where I think we were able to capture the attention of some of the world’s largest automakers in terms of showing the art of what is possible. We had a system that had specifications that people thought there was no way this was even doable from a physics perspective, much less something that could be economically produced. So that was the start of where we gained a lot of interest from beyond just the technology, but from a commercial angle as well, and a key catalyst for scaling this up.

그래서 그것이 가능한 것의 예술을 보여줌으로써 세계에서 가장 큰 자동차 제조업체들의 관심을 끌 수 있다고 생각합니다. 우리는 사람들이 경제적으로 생산할 수있는 것보다 훨씬 적은 물리적 관점에서 불가능하다고 생각하는 사양을 가진 시스템을 가지고 있었습니다. 이것이 우리가 기술뿐만 아니라 상업적 관점에서도 많은 관심을 받는 이유이며, 이 확장의 핵심 촉매제가 됩니다.

 

So I want to dive in on the first trade-off you mentioned, which is going too far, too fast. You said you held yourself back from overthinking building the turnkey autonomous driving system, where, I’m Patel Automakers, which is a longstanding dream of mine—

그래서 저는 당신이 언급한 첫 번째 절충안이 마음에 듭니다. 그것은 너무 멀리, 너무 빨리 절충하는 것입니다. 당신은 턴키 자동 조종 시스템을 구축하는 것을 지나치게 생각하지 않았다고 말합니다. 제가 Patel Automakers라고 가정하면 이런 식이죠.

And I’m like, “Man, I really want this car to drive itself. I’m going to put out bids to Luminar, to Velodyne, to Siemens, for a self-driving car stack, I’m going to buy it, I’m going to integrate it into my car and I’m off and running.” And I didn’t actually do any of that work myself. You want to be that kind of player in the end.

"이봐, 난 정말 이 차가 스스로 운전하기를 원해. Luminar, Velodyne, Siemens, 자율 주행 자동차 스택에 입찰 할 예정이야. 내가 구매하고 내 차에서 자율주행이 작동하고 달리기 시작해." 그리고 저는 실제로 그렇게하지 않았습니다. 마지막으로, 이런 플레이어가되고 싶습니다.

 

Yeah, absolutely. We want to be a turnkey solution for this, and to some extent have already started evolving into that for these different OEMs. And really the reason why is, to be able to build an autonomous vehicle, the LIDAR is just one part of that holistic solution. Now it is a key bottleneck that’s been preventing the deployment of, in large part, this industry just by way of having something that meets the performance requirements, that meets the economic requirements, that can actually be scalable here. But at the same time the LIDAR itself doesn’t drive your car. You need the software to go along with it, as well as some of the rest of the ecosystem there to be able to push forward with that.

네, 물론입니다. 우리는 이를 위한 턴키 솔루션이되기를 원하며 어느 정도 이미 이러한 다른 OEM을위한 솔루션으로 발전하기 시작했습니다. 그리고 정말로 자율 주행 차를 만들 수 있다는 점에서 LIDAR는 전체에서 봤을 때 솔루션의 일부일뿐입니다. 이제는 성능 요구 사항을 충족하고 경제적 요구 사항을 충족하며 실제로 여기에서 확장 할 수있는 것을 확보함으로써 이 산업의 확장을 막고있는 주요 병목 현상을 제거할 수 있습니다. 하지만 동시에 LIDAR 자체는 당신의 차를 운전하지 않습니다. 이를 위해서는 소프트웨어와 함께 진행할 수있는 나머지 에코 시스템이 필요합니다.

 

Now there’s some argument that some would say of like, “Okay, what on earth? Why are you guys screwing around with software?” There’s like “Yeah, okay. You carved out your value proposition in hardware, but you have folks like Waymo and Cruise and all these multibillion-dollar software development companies that are taking that on.” And here’s the key distinction though. I think if that was applicable to all the same things that you’re doing, all the same OEMs that we’re working with? Yeah, we wouldn’t be in that game.

이제 어떤 사람들이“좋아, 도대체 뭐야? 왜 너희들은 소프트웨어를 망쳐 놓고 있니?” “예, 좋아요. 하드웨어에 가치 제안을 세웠지만 Waymo 및 Cruise와 같은 사람들과 이를 수행하는 수십억 달러 규모의 소프트웨어 개발 회사가 있습니다. " 그리고 여기에 중요한 차이점이 있습니다. 당신이하고있는 모든 일, 우리가 함께 일하고있는 모든 OEM에 적용 할 수 있다면? 예, 우리는 그 게임에 있지 않을 것입니다.

 

But the key distinction here is that seeing the difference of, for example, it was very clear that everyone, virtually every company in the autonomous vehicle space, has been focused on robotaxis specifically, and all the big guys there. And that’s their primary application, that’s what they’re developing the software for, but it’s actually very different developing the software for a highly complex urban robotaxi scenario ... and building R&D cars for that, because that’s the most advanced stage that they’re at today, with like $100,000 roof racks full of sensors and stuff, versus building something for a production vehicle in a more constrained application. Something that could be deployed in the relative near term, with an auto grade quality code that you can put your life in the hands of.

그러나 여기서 중요한 차이점은 예를 들어 자율 주행 차 분야의 거의 모든 회사가, 특히 로봇 축에 초점을 맞추고 있다는 점이 매우 분명하다는 것입니다. 그리고 그것이 그들의 주요 응용 프로그램입니다. 그러나 실제로는 매우 복잡한 도시 로봇 시나리오를 위한 소프트웨어를 개발하는 것과  R & D 자동차를 소프트웨어를 만드는 것은 완전히 다릅니다. 오늘날에는 센서와 물건으로 가득 찬 10만 달러의 루프 랙을 사용하는 반면, 더 제한적인 공간(차량)에서 센서를 달고 소프트웨어를 실행시키는 것은 천지차이입니다. 손에 넣을 수있는 자동화 된 수준의 품질 코드를 당신 삶에서 곧 만나볼 수 있습니다. 

 

So it’s a different trajectory, and that’s why we really focused around developing this full-stack solution for OEMs, for the automakers themselves, as opposed to us trying to do some rogue deployment with a robotaxi company or like a ride-sharing company, like building our own network of vehicles. Don’t get me wrong, that’s going to be a great route. It’s going to be huge value at the end of the day that’s created based on that and based on ride-sharing, but we don’t see that feasibly happening even with ours... We have customers in that domain and we’re helping accelerate, but it’s still like a decade-long problem, [more] than it is something that’s going to be deployed next year.

그래서 그것은 다른 궤적이며, 이것이 우리가 OEM과 자동차 제조업체를 위한 풀 스택 솔루션을 개발하는 데 정말로 집중하는 이유입니다. 이것은 robotaxi 회사 또는 자동차 공유 회사와 자동차 네트워크를 구축하는 것과 같습니다. 오해하지 마십시오. 좋은 길이 될 것입니다. 이렇게 카 셰어링 기반으로 만들어지는 것은 결국 큰 가치가 있을 것입니다. 하지만 우리의 경우에도 이는 현재 실현 가능하지 않습니다. 우리는 그 영역에 속도를 내고 있습니다. 하지만 내년에 출시 될 것보다 자율주행은 여전히 수십 년에 걸친 문제에 가깝습니다.

 

Isn’t that just a function of cost? Or the cost versus the revenue opportunity? So if you’re Waymo, you buy a Chrysler Pacifica for $50,000, you put $200,000 worth of stuff on the roof to make it drive itself — No one’s buying a quarter-million dollar Chrysler Pacifica. I can’t imagine who would buy that. There’s probably some hardcore Pacifica blog that’s going to write this up now, I’m hoping — But you use that as a taxi.

그것은 단지 비용의 함수가 아닙니까? 아니면 비용 대 수익 기회? 따라서 Waymo라면 Chrysler Pacifica를 $50,000에 구입하고 지붕에 $200,000 상당의 물건을 올려 놓고 스스로 운전합니다. 25만 달러 Chrysler Pacifica를 사는 사람은 아무도 없습니다. 누가 그걸 살지 상상할 수 없습니다. 아마 지금이 글을 쓸 하드코어 Pacifica 블로그가 있을 것입니다. 하지만 여러분은 그것을 택시로 사용합니다.

Your quarter-million dollar minivan starts generating money. You’ve built a business that eventually returns profit as you scale down the cost of the roof rack. You’re saying you’re going to take on all of that cost and then sell a turnkey solution to automakers so they can ship a $55,000 SUV to an average family that can drive itself.

25만 달러짜리 미니 밴이 돈을 벌기 시작합니다. 루프 랙 비용을 줄이면 결국 수익을 반환하는 비즈니스를 구축할 수 있습니다. 당신은 그 모든 비용을 감수 한 다음 자동차 제조업체에 턴키 솔루션을 판매하여 55,000달러의 SUV를 스스로 운전할 수 있는 일반 가족에게 배송 할 수 있도록 할 것입니다.

 

Absolutely. The whole point is to have a solution. You take that $100,000 roof rack full of stuff, or $200,000 roof rack, and effectively put it into a package that’s more on the order of $1,000 than it is $200,000.

So that’s a huge part of the equation. No question. Is the cost and the economics there? But it’s also just as much building a solution that’s tailored for production vehicles that actually can be put into a car in an auto grade solution, in capacity, and having the software that’s focused around the use case in the application and the domain.

맞습니다. 요점은 해결책을 갖는 것입니다. 물건으로 가득 찬 100,000달러 루프랙 또는 200,000달러 루프랙만 보이다가, 200,000달러보다 1,000달러짜리 라이다가 더 많은 패키지를 가지고 있는 것을 루미나가 보여드렸습니다. 비용과 경제성성을 따져보셨습니까? 실제로 루미나는 자동차 솔루션으로 차량에 장착 할 수 있는, 애플리케이션 및 도메인의 사용 사례에 초점을 맞춘 소프트웨어를 보유하고 있습니다.

You’re going to have a completely different level of software complexity trying to build for an urban environment than you are for the highway environments that we’re focused on for the initial deployments with OEMs. And the whole point is, how do you do all of that on the sensing side? And the software side, you solve that problem. You also need to make sure that doesn’t require a supercomputer in your trunk to actually process.

OEM과의 초기 배포에 중점을 두는 고속도로 환경과는 완전히 다른 수준의 소프트웨어 복잡성이 도시 환경을 위해 구축 될 것입니다. 요점은 감지 측면에서 모든 것을 어떻게 수행합니까? 그리고 소프트웨어 쪽에서는 그 문제를 해결합니다. 또한 실제로 처리하기 위해 트렁크에 슈퍼 컴퓨터가 필요하지 않은지 확인해야합니다.

 

And that’s where being able to get all of that work on the same kind of Nvidia GPU that people are embedding into their production vehicles, that’s key. And that’s effectively what we’ve had to solve for as part of the full stack solution. Now, is it going to be driving you everywhere from point A to point B, anywhere you want? Absolutely not. But is it going to be enabling some level of autonomy that’s reachable by consumers and dramatically improve safety on your vehicle that can be put out onto billions of production cars? Absolutely. So then that’s how you start generating a real business.

사람들이 프로덕션 차량에 내장하는 것과 동일한 종류의 Nvidia GPU에서 모든 작업을 수행 할 수있는 것이 핵심입니다. 이것이 우리가 풀 스택 솔루션의 일부로 해결해야했던 것입니다. 이제 A지점에서 B지점까지 원하는 곳 어디든 운전할 수 있습니까? 불가능합니다. 하지만 소비자가 도달 할 수 있는 어느 정도의 자율성을 가능하게하고 수십억 대의 생산 차량에 넣을 수 있는 차량의 안전성을 획기적으로 향상시킬 수 있을까요? 가능합니다. 이것이 바로 실제 사업을 시작하는 방식입니다.

 

One of the things I always think about with what I would call foundational technologies: sensors, display technologies, batteries, is we tend to build software and products around the limitations of those technologies. And then sometime along the way, there’s a huge shift in foundational technologies and our entire belief about what the products can do changes.

제가 항상 기초 기술이라고 부르는 센서, 디스플레이 기술, 배터리에 대해 생각하는 것 중 하나는 이러한 기술의 한계를 뛰어 넘는 소프트웨어와 제품을 만드는 경향이 있다는 것입니다. 그리고 언젠가는 기초 기술과 제품이 무엇을 할 수 있는지에 대한 우리의 믿음에 큰 변화가 있습니다.

And we have to build entirely new software. A really dumb example is the transition from CRTs to LCDs. There was a whole conception of what the world of technology would look like when CRTs were the display technology, we shifted to LCDs and now literally everything is an Android computer. Do you worry that LIDAR is one of those foundational technologies that will get disrupted in that way? Or is it that end-all be-all of sensing around you?

그리고 우리는 완전히 새로운 소프트웨어를 만들어야합니다. 정말 멍청한 예는 CRT에서 LCD 로의 전환입니다. CRT가 디스플레이 기술이었을 때 전세계 기술이 CRT 위주로 돌아갔습니다, 하지만 우리는 LCD로 전환했고 이제 말 그대로 모든 것이 Android 컴퓨터입니다. LIDAR가 그런 식으로 중단 될 기초 기술 중 하나라고 걱정 안 하십니까? 아니면 이미 그것을 느끼고 계십니까?

 

It’s a good question. And I think it’s foundational technology itself, but also the economics of those technologies, the performance of those technologies, what are the theoretical limitations in terms of what you can actually achieve with each of these different systems. And I would actually say that LIDAR is the perfect example of what we’re just talking about here, of a technology that’s entirely disrupted the mindset in a business model around what was even possible from an autonomous perspective.

좋은 질문입니다. 그리고 저는 그것이 기초적인 기술 자체라고 생각합니다. 또한 이러한 기술의 경제성, 이러한 기술의 성능, 이러한 각기 다른 시스템으로 실제로 달성 할 수있는 것에 대한 이론적 한계는 무엇입니까? 그리고 저는 실제로 LIDAR가 우리가 지금 이야기하고 있는 것의 완벽한 예라고 말하고 싶습니다. 자율적인 관점에서도 가능했던 것에 대한 비즈니스 모델의 사고 방식을 완전히 뒤흔든 기술입니다.

For example, historically LIDAR has been very limited in terms of the range performance of what you can actually do, how far out you can see. That was part of the reason why people were focused on urban environments for their autonomous vehicle setups for the robotaxis operating at low speed.

예를 들어, 역사적으로 LIDAR는 실제로 수행 할 수있는 작업과 멀리 볼 수있는 범위의 성능 측면에서 매우 제한적이었습니다. 이것이 사람들이 저속으로 작동하는 로보택시를 위한 자율 주행 차량 설정을 위해 도시 환경에 집중 한 이유 중 일부였습니다.

Now, when you can see very clearly out to 250 meters into the distance, different story. You can start to operate on highway speeds. You can now enable a different operating domain and something that actually ends up being more simple if you have the range to be able to do it.

이제 멀리 250m까지 매우 명확하게 볼 수 있습니다. 완전히 다른 얘기가 된 것입니다. 고속도로 속도로 운행을 시작할 수 있습니다. 이제 다른 운영 도메인을 활성화 할 수 있으며 이를 수행 할 수있는 범위가 있는 경우 실제로 더 단순 해지는 것을 사용할 수 있습니다.

And at the same time, for example, the economics: If you have something that isn’t that huge $100,000 roof rack full of stuff, and you can actually have it embedded in a production vehicle for something more on the order of $1,000, then it makes all the difference.

그리고 동시에, 예를 들어 경제적으로 : 물건으로 가득 찬 10만 달러 규모의 루프랙이 아닌 물건을 실제로 생산 차량에 장착하여 1,000 달러 정도의 가격으로 만들 수 있다면 그것은 모든 차이를 만듭니다.

 

We’re pricing our sensors today at that mark for many of these applications. So that’s where, seeing this actually happen in a production vehicle, it completely shifts the mindset in terms of what’s possible. And I’m not even sure that all of these companies would have the same business model that they do today if they knew this was possible from the beginning. I actually don’t think that a lot of the robotaxi companies would at all.

우리는 오늘날 이러한 많은 애플리케이션 가격을 센서 가격에 포함시켜 책정하고 있습니다. 그래서 이것이 실제로 생산 차량에서 발생하는 것을 보았을 때 가능한 것에 대한 사고 방식을 완전히 바꿉니다. 그리고 저는 이 모든 회사들이 처음부터 이것이 가능하다는 것을 알았다면 오늘날과 같은 비즈니스 모델을 가지지 않았을 것이라 생각합니다. 실제로 많은 robotaxi 회사가 전혀 그렇게 하지 않았습니다.

 

But when it comes down to it, anything beyond that, if you’re talking existential perspective, about not just LIDAR disrupting LIDAR, or something disrupting not just improvements of the technology, but disrupting it altogether, the reality is that the autonomous vehicle problem, and being able to try and solve all of these different edge cases, is really, really hard.

그러나 그 이상으로 말하자면, LIDAR가 LIDAR를 방해하는 것뿐만 아니라 기술의 발전을 방해하고, 완전히 방해하는 것에 대해 현실적인 관점을 이야기한다면 자율 주행 차 문제입니다. 그리고 이러한 모든 케이스를 시도하고 해결 하는 것은 정말 정말 어렵습니다.

 

People try to say, “Oh yeah, we’ll solve it. It’s easy. We’ll figure it out in 2022 or ‘23, whatever it is.” No, this stuff is really hard and no one has ever actually solved it at this point to date for the kind of application domain that you’re looking at. Now, you really need to throw everything you can get out at it. There was definitely an idea a few years ago that it would be something that would be solvable by just time and data collection and just what it takes. But the reality is it just requires a lot of raw, intense performance of a system to be able to understand what’s going on. And required even much better performance from a LIDAR standpoint, to be able to enable the capabilities, to have your understanding of everything going on around you very far out, and with the level of resolution performance that’s needed.

사람들은 이렇게 말합니다. "그래, 우리는 그것을 해결합니다. 그것은 간단합니다. 그것이 무엇이든, 2022년 또는 23년에 그것을 이해하는 것입니다." 아니, 이것은 매우 어려운 일이며, 현재 당신이 보고있는 종류의 응용 프로그램 도메인에 대해 실제로 해결 한 사람은 아무도 없습니다. 지금 정말 당신이 그것에 나올 수 있는 모든 것을 던질 필요가 있습니다. 몇 년 전에 시간과 데이터의 수집만으로 해결할 수 있는 것이며, 이를 위해서는 무엇이 필요한지 생각이 확실히 있었습니다. 그러나 현실에는 무슨 일이 일어나고 있는지를 이해하려면 시스템의 많은 퍼포먼스가 필요합니다. 또한 LIDAR의 관점에서 기능을 활성화하고 주변에서 일어나는 모든 것을 아주 멀리까지 이해하고 필요한 해상도의 성능 수준에서 더 우수한 성능을 실현해야했습니다.

 

On top of that, of course, there’s continuing software capabilities that need to improve. It is improving, it’s getting better, but the software is not going to be there for a while, for more of these urban environments and constraints, regardless of what anyone might say, if you want to try to have a car go from point A to point B in these environments. It’s going to take time even with our sensors, it’s going to take a lot of time. But the point is how do you get this out there sooner than later? That’s where you’ll go for the more constrained environments.

물론 개선해야 할 소프트웨어 기능이 계속해서 있습니다. 개선되고 있지만, 점점 나아지고 있지만, A 지점에서 차를 타고 가려고 한다면 누군가가 무슨 말을 하든 상관없이, 이러한 도시 환경과 제약 조건 같은 변수로 인해 A지점까지 나아갈 수가 없습니다 . 이러한 환경에서 B를 가리 킵니다. 센서로도 시간이 걸리고 시간이 많이 걸립니다. 하지만 요점은 이걸 어떻게 빨리 얻을 수 있냐는 것입니다. 더 제한된 환경을 고려해야 할 것입니다.

 

Now listen, of course when talking about disruptiveness, you sometimes have confusion that can arise— there’s a very bright line between there. There’s assisted driving and there’s autonomous driving. One requires the driver constantly in the loop, ready to take over the wheel at any given moment whenever it makes a mistake, as it’s following a couple of lanes on the road ahead. This is the equivalent of things like Tesla autopilot — or the systems that the company Mobileye has been providing to OEMs for the better part of a decade now. They don’t always enable the same full functionality that Tesla does more aggressively — versus true self-driving, true autonomy. Hands-off, eyes off, read a book, use your phone, work on your laptop, watch a movie, take a nap, that kind of thing.

이제 들어보세요. 물론 파괴성에 대해 이야기 할 때 때때로 혼란이 발생할 수 있습니다. 그 사이에는 매우 밝은 경계가 있습니다. 보조 운전과 자율 운전이 있습니다. 하나는 운전자가 지속적으로 운전대를 잡고 있어야하며, 앞길에서 몇 개의 차선을 따라 가기 때문에 실수를 할 때마다 언제든지 운전대를 잡을 준비가 되어 있어야합니다. 이것은 Tesla 자동 조종 장치 또는 Mobileye가 현재 10년 동안 OEM에 제공 한 시스템과 동일합니다. 진정한 자율 주행, 진정한 자율성에 비해 Tesla가 더 적극적으로 수행하는 것과 동일한 전체 기능을 항상 활성화하지는 않습니다. 손을 떼고, 눈을 떼고, 책을 읽고, 휴대 전화를 사용하고, 노트북에서 작업하고, 영화를보고, 낮잠을 자고, 그런 일을 하는 것이 진정한 자율주행입니다.

 

That’s autonomy and that’s the key step function value. And that’s what this enables, that’s the whole point of what this LIDAR enables. You don’t need a LIDAR at all if you want your car to follow a couple lanes in the road ahead of you and keep your hands on the wheel and eyes on the road. This is what it enables and it doesn’t matter what you call your assisted driving system. You can call it autopilot, full self-driving, whatever it is. Or like I said, the other OEMs that conservatively name their systems more appropriately.

그것이 자율성이고 이것이 핵심 단계 기능 가치입니다. 이것이 우리 라이다를 통해 가능하게 하는 것입니다. 차가 앞 도로에서 몇 개의 차선을 따르고 운전대에 손을 대고 도로를 주시하고 싶다면 LIDAR가 전혀 필요하지 않습니다. 이것이 가능하며 보조 운전 시스템이라고 부르는 것은 중요하지 않습니다. 오토파일럿, 완전 자율 주행이던 뭐든지 말입니다. 내가 말했듯이 보수적으로 시스템 이름을 지어야 맞습니다.

 

So, that’s the key distinction there. The more performance you get, the safer the vehicle is. And I don’t think anybody’s going to stop and say, “Yeah, I think we can just decrease the safety of these vehicles by 100X.” Even if you got to a point where you could achieve that human-level safety threshold, why would you make your vehicles that much less safe? It doesn’t make any sense. So that would be not just in the near term, but I’m talking even a 50-year type time horizon. You don’t really see it being disruptive. You see, how do you continue to strive for even better performance?

그래서 그것은 중요한 차이점입니다. 성능이 향상 될수록 차량은 안전합니다. 그리고 아무도 멈춰 서서 이렇게 말할 수는 없다고 생각합니다. "그래, 이 차량의 안전성을 100 분의 1로 줄일 수 있다고 생각합니다." 인간 수준의 안전 기준을 달성 할 수 있게 되었는데 왜 차량의 안전성이 크게 저하될까요? 사실 그건 말이 안되는 이야기입니다. 그것은 단기적으로뿐만 아니라 50년으로 길게 보더라도 말이 안 됩니다. 여러분은 사람이 얼마나 운전을 못하는지 모릅니다. 사람보다 운전을 잘 하는 것은 크게 의미가 있을까요?  

 

Right. You’re saying if we made a fully autonomous car now that drove as well as me, a human, that’s not worth it. Because on average, humans are not good drivers.

맞습니다. 당신은 지금 우리가 인간인 나 만큼이나 운전하는 완전 자율 주행 자동차를 만들었다면 크게 의미가 없다는 것입니다. 평균적으로 인간은 운전을 잘하지 못하기 때문입니다.

 

Yeah. So you’re saying with LIDAR or you’re saying without LIDAR, for example, just in general.

네. 일반적으로 LIDAR가 있든 없든 마찬가지입니다.

 

Just in general. As a goal, as a marker. We made a car, it doesn’t have a steering wheel, it can drive as well as the average person, probably.

일반적으로. 운전대가 없고 보통 사람처럼 운전할 수 있는 자율주행을 목표로서, 마커로서, 만들었습니다. 

 

Absolutely. No, 100 percent. Now, you have to start somewhere with it. But the point is, is that people aren’t going to stop there, it’s not going to be good enough. Good enough, at least in our view, is driving the 1.3 million lives lost every year.

완전 아닙니다. 100% 틀렸습니다. 이제 안전분야에서 완벽하게 시작해야합니다. 하지만 사람들이 안전분야에 초점을 맞추지 않는 것입니다. 우리에게 충분한 것은 매년 130만 명의 목숨을 잃는 것입니다.(비꼬는 것 같습니다.)

 

By the way, just putting that in perspective. That’s like in the same vicinity of the crazy pandemic that we’ve had over the past year, in terms of lives lost, and it happens every single year and it completely doesn’t discriminate against underlying conditions, or whatever. It’s insane how accepted this is, just in everyday life.

그건 그렇고, 넓게 바라봐야 합니다. 이는 지난 1년 동안 죽은 사람들의 숫자라는 점에서 우리가 겪었던 미친 코로나19를 매년 겪고 있는 것과 같습니다. 매년 발생하며 근본적인 조건이 변하지 않습니다. 이것을 일상 생활에서 당연하게 받아들이는 것이 미친 상황입니다. (1년 동안 자동차사고로 죽은 사람수 > 코로나19로 죽은 사람수)

 

And that’s where if we can have the opportunity to be able to solve for that and drive that towards zero, that’s the mission that we should be going towards, that we all need to be rallying around, as opposed to just the human level, that safety is rational. Now that’s not to say that, like I said, you’re going to be 10X better, or 100X better off the bat, but you’ve got to keep pushing for that.

그리고 우리가 이 문제를 해결하고 그 숫자를 0으로 몰아 갈 수 있는 기회를 가질 수 있다면, 그것이 바로 우리가 나아가 야 할 사명이며, 인간 수준이 아니라 안전 중심 자율주행이 나타나야 한다는 것입니다. 안전은 합리적입니다. 제가 말했듯이, 당신이 10배나, 100 배 더 나아질 것이라고 말하는 것이 아닙니다. 하지만 계속해서 안전을 고집해야합니다.

 

So I cleverly opened the door to the Tesla conversation and you walked your way through it. So the reason I asked about foundational technologies, and I think the reason you brought up full self-driving or autopilot or whatever Tesla is going to call it, is Elon Musk, who I think his office is just out your back windows over there.

그래서 나는 테슬라와 대화의 문을 열었고 당신은 그것을 통해 당신의 길을 걸었습니다. 그래서 제가 기초 기술에 대해 질문 한 이유는 당신이 완전 자율 주행이나 오토파일럿 또는 Tesla가 뭐라 부르든, Elon Musk가 당신의 뒷 창문 밖에 있다고 생각합니다. (자율주행 기업은 항상 테슬라와 연관지어 질 수밖에 없다.)

 

I can see it right over across the way.

길 건너편에서 바로 볼 수 있죠.

 

He has famously said LIDAR is a local maximum, it’s the wrong approach. It’s going to hit some ceiling of performance and that’ll be that. And the right answer for vision in automobiles is having a bunch of cameras and doing it in software at a high rate. Next to that is the other thing you brought up, which is Google and Waymo saying, “We’re going to use a bunch of technologies, we’ll have an enormous amount of data that we’ll measure by miles driven, and we’ll collect all that data and we’ll run it through machine learning.And that is the correct approach.”

그는 LIDAR이 로컬 최대 값이며 잘못된 접근 방식이라고 말한 것으로 유명합니다. 성능의 한계에 도달 할 것입니다. 그리고 비전에 대한 정답은 카메라를 많이 가지고 소프트웨어에서 빠른 속도로 수행하는 것입니다. 그 다음에는 Google과 Waymo가 이렇게 말합니다. “우리는 다양한 기술을 사용할 것이며 실 주행으로 측정 한 엄청난 양의 데이터를 갖게 될 것입니다. 모든 데이터를 수집하고 기계 학습을 통해 실행합니다."

 

And they’re very proud of that approach. But let’s start with Tesla, Elon Musk and the local maximum comment. Is his approach to just using a bunch of cameras, does that actually have a higher ceiling, or do you think that you can catch up to it?

그리고 그들은 그 접근 방식을 매우 자랑스럽게 생각합니다. 그러나 Tesla, Elon Musk 및 지역 최대 의견부터 시작하겠습니다. 카메라를 여러 대 사용하는 그의 접근 방식이 옳습니까, 실제로 그 방식이 격차가 높습니까?, 아니면 따라 잡을 수 있다고 생각합니까?

 

So just a couple of things just to level-set with that. You gave the Waymo example here and the Tesla example. It’s all about, what problem are you trying to solve? Like, what application are you trying to enable? What feature set are you trying to enable? For example, from what Waymo is trying to enable, being able to build these robotaxis for urban use cases and solving for that, they’re absolutely doing the right thing. They’re doing everything step-by-step that you should do and executing on it, probably someone in the industry would argue better than anyone else. Which I’d agree with, or maybe at a quicker pace as it relates to that. Obviously you have to be conscious around what is the application and also what are the different subcomponents that are there, that it’s still a long road ahead.

그래서 그 수준에 대해 몇 가지만 말하겠습니다. 여기에 Waymo와 Tesla 예를 들어보겠습니다. 해결하려는 문제는 무엇입니까? 예를 들어, 어떤 응용 프로그램을 활성화 하려고 합니까? 사용하려는 기능 세트는 무엇입니까? 예를 들어 Waymo는 도시 사용 사례를 위해 이러한 로보택시를 구축하고 이를 해결할 수 있도록 하려는 노력에서 절대적으로 올바른 일을 하고 있습니다. 그들은 해야 할 모든 것을 단계별로 수행하고 있으며, 아마도 업계의 다른 누구보다 더 잘 수행 할 것입니다. 제가 말씀드릴 수 있는 것은, 저는 자율주행에 관련하여 더 빠른 속도로 개발 할 수 있다는 것입니다. 분명히 당신은 응용 프로그램이 무엇인지, 또한 거기에 있는 다른 하위 구성 요소가 무엇인지에 대해 의식해야합니다.

 

There’s other things like higher performance LIDAR that help accelerate you there much more quickly and are something that you ultimately need to enable. But nevertheless, I think that’s the point for [an] urban robotaxi development program. When you take a look at something like Tesla, it’s again, how does what you build align with the product you’re trying to develop? And it’s the same thing about assisted driving systems versus autonomous driving systems. If you want to build a great assisted driving system, you should be doing exactly what they’re doing. Everything spot on, collect lots of data, build the model, build everything.

고성능 라이다를 통해 이런 개발방식은 탄력을 받을 수 있습니다. 그러나 그것이 도시의 robotaxi 개발 프로그램의 문제점이라고 생각합니다. Tesla와 같은 제품을 다시 살펴보면, 개발하려는 제품과 빌드가 어떻게 일치합니까? 그리고 자율 주행 시스템과 보조 주행 시스템은 동일한 방식으로 움직입니다. 훌륭한 보조 운전 시스템을 구축하려면 그들이 하는 일을 정확히 해야합니다. 모든 것이 확인되고, 많은 데이터를 수집하고, 모델을 구축하고, 모든 것을 구축합니다.

 

Now arguably, their system was originally powered by Mobileye some time ago, as with pretty much all the other major automakers, they broke out from that. It was initially worse. Now it caught up to what Mobileye had. But this is nothing like, fundamentally, a breakthrough, or novel in the context of having an assisted driving system that does these things. The real challenge is when you try and cross a threshold and call things autonomous.

이제 그들의 시스템은 다른 모든 주요 자동차 제조업체와 마찬가지로 Mobileye에 의해 원래 구동되었습니다. 처음에는 더 나빴습니다. 이제 Mobileye가 가진 것을 따라 잡았습니다. 그러나 이것은 근본적으로 이러한 일을 수행하는 보조 운전 시스템을 갖는 맥락에서 획기적이거나 새로운 것이 아닙니다. 진짜 도전은 보조 수준의 문턱을 넘어서서 자율주행이라고 할 때입니다.

 

But the reality is that the threshold for an assisted driving system versus an autonomous system, it’s orders of magnitude different. It’s not even kind of close. It really is a factor of... If you want to improve to a point of where it’s safer than a human level, where you would never need to take over, you need to take that disengagement rate from once every 20 miles to once every 2 million miles plus — disengagement meaning you have to take over the wheel to prevent otherwise some incident or accident like in the current assisted driving systems.

그러나 현실은 보조 운전 시스템과 자율 시스템의 임계 값이 수십 배로 다르다는 것입니다. 가깝지도 않습니다. 인간 수준보다 더 안전한 지점으로 개선하고 싶다면, 목표 지점까지 이탈률을 20마일마다 한 번에서 2마일마다 한 번으로 가져 가야합니다. 2백만 마일 이상-이탈은 현재 보조 주행 시스템에서와 같이 사고나 사고를 방지하기 위해 운전대를 잡는 것을 의미합니다.

 

So the whole point of where LIDAR comes into play is to solve that problem. Obviously anyone that tries to, or even just a single person that tries to promise that without irony, the hard part is, you back yourself into a corner if you’ve been saying the same thing for five years, and it will come out. It’s supposed to come out every year, the next year. But, I don’t want to have any respect loss for the incredible things that new players in the EV world and even folks like Tesla built and disrupted on the EV side, it’s absolutely fantastic.

따라서 LIDAR가 중요해지는 이유는 그 문제를 해결했기 때문입니다. 반어법도 없이 매년 허황된 약속을 하는 사람, 5년동안 같은 약속을 하고 그것을 못 지키는 사람이라면 차라리 그 사람은 구석에 찌그러져 있는 편이 좋을 것입니다.(일론 머스크 혹은 자신은 반드시 약속을 지킨다는 의미) 그러나 저는 EV 세계의 새로운 플레이어와 심지어 Tesla와 같은 사람들이 EV 측면에서 구축하고 파괴한 놀라운 것들에 대한 존경심을 잃고 싶지 않습니다.

 

But at the same time when it comes to autonomy, we just need to make sure we get the terminology and what’s actually possible straight, because that’s ultimately beneficial to consumers. The last thing you want is people misusing the technology and thinking it’s capable of certain things when it’s not. So it’s a really hard problem. It’s a long way to go. Even with the best performing LIDAR, it’s still a long way to go, much less trying to make it a hundred times harder without it.

그러나 동시에 자율성에 관해서는 용어와 실제로 가능한 것이 곧바로 이해되도록 해야합니다. 이는 궁극적으로 소비자에게 유익하기 때문입니다. 당신이 원하는 마지막 것은 사람들이 기술을 오용하고 그렇지 않을 때 특정 일을 할 수 있다고 생각하는 것입니다. 그래서 정말 어려운 문제입니다. 갈 길이 멉니다. 최고 성능의 LIDAR를 사용하더라도 아직 갈 길이 멀고, LIDAR 없이는 100배 더 어렵습니다.

 

You think it’s 100 times harder without LIDAR?

 

That’s probably an underestimate. Now, okay, let’s clarify here. If you have a really low-performance LIDAR that only gives you like a handful of points out there in the environment, maybe it’s only incrementally more helpful. The whole point of the LIDAR is that it gives you a 3D map of everything around the world, in real time, you know exactly where every object is. The hard part with cameras alone is that they give you a 2D view of what’s going on. You never really know where the objects are. You effectively have to guess, and people have made software that gets better and better and better at guessing. And this is what Mobileye and what Tesla and these companies have been doing.

그것은 아마도 과소평가일 것입니다. 자, 여기에서 명확히 합시다. 환경에 몇 가지 포인트만 제공하는 정말 낮은 성능의 LIDAR가 있다면 점진적으로 더 유용 할 것입니다. LIDAR의 요점은 전 세계 모든 것에 대한 3D지도를 실시간으로 제공하므로 모든 물체가 어디에 있는지 정확히 알 수 있다는 것입니다. 카메라의 어려운 부분은 무슨 일이 일어나고 있는지 2D보기만 제공한다는 것입니다. 물체가 어디에 있는지 결코 알 수 없습니다. 당신은 효과적으로 추측해야하며, 사람들은 추측에 더 잘 맞는 소프트웨어를 만들었습니다. 이것이 Mobileye와 Tesla와이 회사들이 해온 일입니다.

 

But the thing is that it gets to a point of where you approach like 99 percent accuracy on it. Here’s the problem, even at 99 percent, they’re still not quite there. But even if you get there, it’s still not even remotely close to being good enough. You need like 10 nines worth of reliability in there. And it gets exponentially harder with each nine. It’s like, is it acceptable to run over one out of every 100 people because you didn’t see them and guess where it is? Any rational person would say no. And that would not make it anything close to the same safety threshold as a human. So that’s the whole point around it.

하지만 문제는 99% 정확도가 되었을 때 입니다. 여기에 문제가 있습니다. 99%라도 여전히 1%가 남아 있습니다. 충분히 안전하지 않습니다. 안전성에는 10의 -9승 정도의 신뢰성이 필요합니다. 그리고 그것은 매 9마다 기하 급수적으로 어려워집니다. 어떤 상황에서 죽는 사람이 100명 중 한 명 정도면 받아들일만 한가요? 이성적인 사람이라면 아니라고 할 것입니다. 그리고 그것은 인간과 동일한 안전 임계 값을 만드는 것은 의미가 없다는 뜻입니다. 이것이 이제까지 설명한 것의 가장 중요한 요점입니다.

 

And the LIDAR, assuming you have really high performance, long range, high resolution, that you have to have to get a clear understanding of everything going on, but if you know exactly where everything is, like we do down to a centimeter level of precision, it makes all the difference. And there’s no question it’s like, “Yes, it’s another sensor on board the vehicles, but there’s a good reason why effectively every autonomous vehicle company has been going down this.” And to your question on data, there’s no question that more data and better data absolutely helps, but the whole point is when you have a more limited quality of data set, for example, with cameras, it absolutely tapers off in terms of the utility of it. Like even OEMs, the Mobileyes of this world, only use a really small fraction of that overall data that’s collected.

그리고 LIDAR는 여러분이 정말 고성능, 장거리, 고해상도를 가지고 있다고 가정하고 모든 일에 대해 명확하게 이해해야하지만 모든 것이 정확히 어디에 있는지 안다면 센티미터 수준으로 내려갑니다. 정밀도, 그것은 모든 차이를 만듭니다. "예, 차량에 또 다른 센서가 탑재되어 있습니다. 하지만 모든 자율 주행 차 회사가 이 작업을 효과적으로 수행 한 이유가 있습니다." 데이터에 대한 질문에 더 많은 데이터와 더 나은 데이터가 절대적으로 도움이 된다는 것은 의심의 여지가 없습니다. 하지만 요점은 예를 들어 카메라와 같이 데이터 세트의 품질이 더 제한적일 때 유틸리티 측면에서 절대적으로안전성의 품질이 안 좋아진다는 것입니다. OEM도 마찬가지로 이 세상의 Mobileyes 방식으로 수집된 자율주행 방법은 전체 데이터의 아주 작은 부분만 사용합니다.

 

And it has a marginal utility curve that only helps you so much. But let’s say, even if you were able to continue an amazing growth rate, like 50 percent improvement year over year for these kinds of systems, when you’re trying to solve a gap of like 10,000X in safety … it’d be like a century or two by the time you got there. So that’s the distinction. And that’s where I think there can often be a gap between the understanding of where this kind of... And I just mean more broadly, where autonomous-related technology is today and where it actually needs to get to, and how we successfully close that gap, because there is a huge gap.

그리고 그것은 당신에게 많은 도움이되는 한계 효용 곡선을 가지고 있습니다. 하지만 이런 종류의 시스템에 대해 매년 50%의 개선과 같은 놀라운 성장률을 계속할 수 있었다고해도 10,000배의 안전 격차를 해결하려고 할 때, 당신이 거기에 도착했을 때 한두 세기가 지났을 것입니다. 그래서 카메라 방식과 라이다가 차별화 되는 것입니다. 그리고 더 광범위하게 말하면 자율주행 관련 기술이 현재 어디에 있고 실제로 도달해야하는 위치와 성공적으로 종료하는 방법을 의미합니다. 카메라 방식과 엄청 큰 차이가 있기 때문입니다.

 

Let’s put into context what you mean by LIDAR performance. So right now I think the easiest way for an average person to get a LIDAR sensor in their life is to go out and buy an iPhone. The Pro models of the iPhone have a LIDAR sensor on the back. They’re very small, but—

LIDAR 성능이 의미하는 바에 대해 설명하겠습니다. 그래서 지금 당장은 평범한 사람들이 인생에서 LIDAR 센서를 얻는 가장 쉬운 방법은 나가서 iPhone을 사는 것이라고 생각합니다. iPhone의 Pro 모델에는 뒷면에 LIDAR 센서가 있습니다. 아주 작지만-

 

It’s so awesome, by the way.

 

It’s cool that they’re there. They don’t do a whole lot. They help with some picture stuff, and there’s a bunch of AR gimmicks, but that’s how you can get a LIDAR sensor in your life. Just put the performance of the iPhone LIDAR sensor on a spectrum with what you’re hoping to achieve or what you’re building.

라이다가 거기에 있다는 것이 정말 멋있습니다. 라이다는 아이폰에서 많은 일을합니다. 그들은 사진에 도움이되며 AR 기믹이 많이 있습니다. 이것이 인생에서 LIDAR 센서를 얻을 수 있는 방법입니다. iPhone LIDAR 센서의 성능, iPhone LIDAR 센서의 스펙트럼을 당신이 원하는 것에 적용하기만 하면 됩니다. (아이폰에 들어있는 라이다는 왜 자율주행에 쓸 수 없는지를 묻고 싶은 듯 합니다.)

 

Okay. So still, for example, an iPhone LIDAR sensor, you’re talking about seeing single-digit meters out into the distance. And of course in this case, it actually depends on whether it’s daylight outside, or whether it’s night. We have to see regardless of the condition, 250 meters out in the distance. So even if the sun is shining into the sensor.

예를 들어 iPhone LIDAR 센서는 여전히 멀리 떨어진 한 자리 수 미터를 보는 것에 대해 이야기하고 있습니다. 물론 이 경우에는 실제로 외부가 낮인지 밤인지에 따라 다릅니다. 우리는 조건에 관계없이 250 미터 떨어진 곳을 봐야합니다. 그래서 태양이 센서를 비추더라도 볼 수 있어야 합니다.

 

So you’re talking up to 100 times the range here of what you would see on an iPhone LIDAR, with orders of magnitude more resolution performance and something that’s in an auto grade mass producible device. By the way, it’s a square function. So the farther you go out, if you’re 100 times the distance, it actually requires exponentially more output power from a radiometry perspective of, you actually have to square that. So you’re talking like more on the order of 10,000 times the amount of performance that you have to have out of LIDAR just to be able to get that distance.

따라서 iPhone LIDAR에서 볼 수있는 범위의 최대 100배에 이르는 범위에 대해 말하고 있습니다. 훨씬 더 높은 해상도 성능과 자동 대량 생산 장치에 있는 것입니다. 그건 그렇고, 그것은 제곱 함수입니다. 따라서 멀리 나갈수록, 거리가 100배라면 실제로 방사 측정 관점에서 기하 급수적으로 더 많은 출력과 전력이 필요합니다. 실제로 제곱해야합니다. 그래서 250m 측정 가능한 라이다를 얻기 위해 소형 LIDAR 성능의 10,000배 정도 더 필요합니다.

 

So that gives you a spectrum of comparison of why this is actually really, really hard. And by the way, you have to do all of this and see not just bright white reflective objects, but you have to see the really dark objects too. Because what happens if there’s a tire on the road, a black car, or a person in dark clothing, anything, those are actually really hard to see, to get light reflected off of, which makes it another 100 times harder too, than a bright white reflective object.

그래서 이것이 왜 이것이 실제로 정말로, 정말로 어려운지에 대한 비교 스펙트럼을 제공합니다. 그리고 라이다는 이 모든 것을 해야하고 밝은 흰색 반사 물체뿐만 아니라 정말 어두운 물체도 봐야합니다. 도로에 타이어가 있거나, 검은 색 차가 있거나, 어두운 옷을 입은 사람이 있으면 어떤 일이 벌어 질까요? 실제로는 눈에 잘 띄지 않고 빛이 반사되기도 어렵습니다. 따라서 이는 단순히 자동차를 인식하는 것보다 100배 더 어렵습니다.

 

So these compound and compound. The whole point is there’s no off the shelf parts or components that you can buy for a LIDAR that enable you to do this today. It doesn’t exist. This is the whole point of why we had to actually build it entirely from the ground up, we had to make all of our own components, we had to solve for all of that in order to actually make this work.

그래서 합성하고 합성해도, 오늘날 이를 가능하게하는 LIDAR 용으로 구입할 수있는 기성품 부품이나 구성 요소가 없다는 것입니다. 존재하지 않습니다. 이것이 우리가 완전히 처음부터 완전히 구축해야했고, 우리 자신의 모든 구성 요소를 만들어야하고, 실제로 이 작업을 수행하기 위해 모든 것을 해결했던 것입니다.

 

You have to do that again at the same time, while having to be economical enough that it’s not tens or hundreds of thousands of dollars to actually build, and to be able to put it into a production vehicle. So that was what we had to solve for. We were fortunate enough that we were able to, over that five-year period of really deep, intense work and meeting all those different, very stringent requirements.

이 작업을 동시에 다시 수행해야 하는 동시에 실제로 제작하는 데 수만 달러 또는 수십만 달러가 되지 않고, 이를 생산 차량에 넣을 수있을만큼 충분히 경제적이어야 합니다. 이것이 우리가 해결하고자 했던 것입니다. 우리는 5년 동안 정말 깊고 강렬한 작업을 하면서 매우 다양하고 엄격한 요구 사항을 모두 충족 할 수있을만큼 운이 좋았습니다.

 

And yeah, I think that having that be commercialized into production vehicles, that’s the whole thing of what’s next, is that once you meet all those specs and once you get the commercial step right, it’s all about getting into serious production. And we were fortunate enough to be the first and only company to really be able to enable autonomy in the series production from these different programs out there, starting with Volvo and then cascading to some of the other OEMs that we’re working with as well. So it’ll be a good start. That gives you an idea around the performance of what it takes to make it commercially viable as well.

그리고 네, 저는 그것을 생산 차량으로 상용화하는 것, 그것이 다음 단계의 전부라고 생각합니다. 일단 모든 사양을 충족하고 상업화 단계를 제대로 마치면 모든 것이 진짜로 생산에 들어가는 것입니다. 그리고 우리는 볼보에서 시작하여 우리가 함께 일하고있는 다른 OEM에도 계단식으로 연결되는 다양한 프로그램에서 시리즈 생산의 자율성을 실제로 활성화 할 수 있는 최초이자 유일한 회사가 될만큼 운이 좋았습니다. 그래서 좋은 출발이 될 것입니다. 또한 상업적으로 실행 가능하게 만드는데 필요한 성능에 대한 아이디어를 제공합니다.

 

I ask every self-driving car CEO this, and you don’t make cars, but I feel like you have a good handle on it. How long until I can buy a car without a steering wheel?

저는 모든 자율 주행 차 CEO에게 이 질문을 합니다. 그리고 당신은 차를 만들지 않습니다. 하지만 당신이 그것에 대해 잘 다루고 있는 것 같습니다. 운전대가 없는 자동차를 살 수 있을 때까지 얼마나 걸리나요?

 

Probably I would say early 2030s, realistically. A couple of different observations here. ... There’s a key distinction to that question of, when can you buy a car without a steering wheel? It’s not clear that people will actually be selling these cars without steering wheels. If you get to a point where you don’t have to have a steering wheel, then it likely will be deployed in a more robotaxi-type application initially as it scales up and then ultimately be offered to consumers as well.

아마 나는 2030년대 초반이 현실적이라 말할 것입니다. 여기에 몇 가지 다른 관점이 있습니다. 운전대가 없는 자동차를 언제 살 수 있냐는 질문에는 중요한 차이점이 있습니다. 사람들이 실제로 스티어링 휠 없이 이 자동차를 판매 할 것인지는 확실하지 않습니다. 스티어링 휠이 필요하지 않은 지점에 도달하면 처음에는 확장 될 때와 달리, robotaxi 유형의 애플리케이션이 배포되고 궁극적으로 소비자에게도 제공 될 것입니다.

But here’s the thing, is that interestingly enough from a regulatory perspective, it actually gets a lot more complicated when you start ripping out steering wheels, changing all the different functionalities of the core of the vehicles to be able to establish what you could see for a futuristic version of autonomy on these cars versus just enabling autonomous capabilities on existing production vehicles. And that’s going to take some time. I would say, in theory you could probably buy a car without a steering wheel, that’d take you from point A to point B in a more limited geographic capacity, by between 2025 and 2030. But the question is, would you really want that, would you buy a car that can only take you to certain limited destinations, and it’s safe?

하지만 흥미로운 점은 규제 관점에서 볼 때 스티어링 휠을 뜯어 내기 시작하면 훨씬 더 복잡 해져서 차량 핵심의 모든 기능을 변경하여 볼 수 있다는 것입니다. 기존 생산 차량에서 자율 기능을 활성화하는 것에 비해, 이는 미래형 자율주행 차입니다. 시간이 좀 걸릴 것입니다. 이론적으로는 운전대가 없는 자동차를 구매할 수 있을 것입니다. 그러면 2025년에서 2030년 사이에 더 제한된 자율주행 형태로 A지점에서 B지점으로 이동할 수 있습니다. 하지만 문제는 정말 원하십니까? 그 제한된 특정 목적지로만 이동할 수있는 자동차를 사시겠습니까? 그것이 과연 안전할까요?

 

I feel like there’s a lot of people who would move farther away from New York or San Francisco if they had a car that could reliably and quickly move them back and forth from work.

안정적이고 빠르게 직장을 오갈 수 있는 차를 가지고 있다면 뉴욕이나 샌프란시스코에서 멀어 질 사람들이 많이 있는 것 같습니다.

 

Absolutely. But here’s the thing, that’s the whole point of exactly what we’re doing for 2022, not even 2030, 2022 on these different production vehicle platforms, is enabling highway autonomy. The whole point is, you take your car, let’s say you’re living out farther into the suburbs there and commuting into the city, take your car, manually drive over to the freeway. Once you’re on it, engage autonomous mode, hands-off, eyes-off, and be able to recover that time ...everything from using your phone to taking a nap, and then a few minutes before the final exit, have a planned manual takeover and then drive to the final destination.

물론입니다. 하지만 이것이 바로 우리가 2022년에 하고있는 일의 요점입니다. 2030년, 2022년까지 다양한 차량 플랫폼에서 고속도로 자율성을 가능하게하는 것입니다. 요점은 차를 타고 교외로 더 멀리 떨어져 도시로 통근하고 차를 타고 수동으로 고속도로로 이동한다고 가정해 봅시다. 일단 당신이 고속도로에 들어가면, 자율 모드를 사용하고, 손을 떼고, 눈을 떼고, 그 시간을 회복 할 수 있습니다. 휴대 전화 사용에서 낮잠을 자고 것 까지 즐긴 후 마지막 출구 몇 분 전에 수동 인수 후 최종 목적지로 이동합니다.

 

And that’s that hybrid of a problem and a solution there. Whereas if you eliminate the steering wheel altogether, then it’s only going to be able to work on whatever routes that it’s effectively pre-programmed to be able to work on. And that’s going to be a much tougher distinction there as it relates to that. So this is just going to be a normal car otherwise, that you can also use any day, anytime.

이것이 바로 문제와 해결책의 혼합입니다. 스티어링 휠을 모두 제거하면 효과적으로 사전 프로그래밍 된 경로에서만 작업 할 수 있습니다. 그리고 그것은 그것과 관련하여 훨씬 더 어려운 구별이 될 것입니다. 그래서 이것은 그냥 평범한 차가 될 것입니다. 당신은 언제든지 사용할 수 있습니다.

 

It also has dramatically improved safety because it will now actively take over in an instance where it’s predicting an accident could occur as well, which is something that really hasn’t been seen before on vehicles. And another really interesting aspect of how you can start saving all these lives without having autonomy. You don’t have to have autonomy everywhere to start doing that.

또한 이전에 차량에서 실제로 볼 수 있었던 사고 예측이 발생할 경우 적극적으로 사용자에게 운전대를 인계 할 것이기 때문에 안전성도 향상되었습니다. 자율성없이 이 모든 생명을 구할 수 있는 방법에 대한 또 다른 흥미로운 측면입니다. 이를 시작하려면 모든 곳에서 자율성을 가져야합니다.

 

You’ve got a handful of big partners, Audi, Volvo — which of those companies should we see Luminar technology in first, in a shipping product?

몇 가지 큰 파트너 인 Audi, Volvo가 있습니다. 이 중 어떤 회사에서 Luminar 기술을 먼저 보아야합니까?

You know, Volvo is certainly there first with these programs. We’re driving towards basically a start of production with the programs sort of around the corner next year in 2022; by the end of that we should be able to deliver this autonomous solution that can be enabled, or really, I should say, these LIDAR-enabled vehicles here. Those are things that you can actually buy, and that is a key distinction when it comes down to it. So it’s something that is definitely going to be the first to market in terms of any level of autonomous capabilities that are functional and tangible as well, for that matter, by consumers or otherwise. So it’ll be exciting to help enable that to happen. We have a host of other great partners.

알다시피 볼보는 이러한 프로그램을 가장 먼저 소개했습니다. 우리는 기본적으로 내년 2022년에 프로그램과 함께 제작을 시작합니다. 그 끝까지 우리는 활성화 될 수 있는 자율적 솔루션을 제공 할 수 있어야합니다. 또는 실제로 LIDAR 지원 차량을 여기에서 제공 할 수 있어야합니다. 그것들은 실제로 살 수 있는 것들이고, 다른 회사와 관련하여 중요한 차이점입니다. 따라서 기능적이고 유형적인 자율적 기능의 모든 수준에서 소비자 또는 기타에 의해 시장에 처음으로 출시 될 것입니다. 그러니 그런 일이 일어나도록 하는 것은 흥미로울 것입니다. 우리는 다른 훌륭한 파트너가 많이 있습니다.

 

Even most recently, just in the second half of this last year, over the past handful of months, [we] announced Daimler trucks as a lead partner on the truck side, just as Volvo is a lead partner on the car side. And then also Mobileye is a lead ecosystem partner, including their foray into robotaxis as well, which I think is going to be super promising. So that’s where we’re delivering against, but Volvo really helps set the clock for everybody. And frankly, a lot of the rest of the industry timing-wise, from our product perspective and how we scale that into the rest of the other OEMs. But I think they’ve had a really strong safety and brand focus around this and just see this as too critical to be able to mess around with, and be able to have the best technology and the best program and make it economical for their vehicles. So it’s going to continue to get better and better over time, via over the air software updates. But it’s certainly going to be a great start to the whole new era of autonomy in the industry.

가장 최근인 작년 하반기, 지난 몇 개월 동안 [우리는] 볼보가 자동차 부문의 선두 파트너인 것처럼 Daimler 트럭을 트럭 부문의 선두 파트너로 발표했습니다. 또한 Mobileye는 로보택시에 대한 진출을 포함하여 선도적인 에코 시스템 파트너입니다. 그래서 그것은 우리가 반대하지만, 볼보는 모두를 위한 시계를 설정하는 데 정말 도움이 됩니다. 솔직히 말해서, 우리의 제품 관점과 다른 OEM으로 확장하는 방법에서 볼 때 나머지 업계의 많은 부분이 타이밍에 따라 결정됩니다. 그러나 나는 그들이 이것에 대해 정말로 강한 안전과 브랜드 초점을 가지고 있다고 생각하고, 이것을 너무 중요하게 생각합니다. 최고의 기술과 최고의 프로그램을 가지고 차량에 경제적으로 만들 수 있다고 생각합니다.  따라서 무선 소프트웨어 업데이트를 통해 시간이 지남에 따라 계속해서 나아질 것입니다. 그러나 확실히 업계에서 완전히 새로운 자율성 시대의 시작이 될 것입니다.

 

 

So we’ve had this long conversation about how you started the company very early, very young. You were in stealth for a long time. You came out of stealth, you announced you have a product. Now you’re a public company CEO at a remarkably young age, for a lot of people, that’s the whole startup journey. You did the whole thing. Is that done for you? Do you see another stage of this journey that isn’t... Like most startup founders when they get here, they start to get antsy, but I’m wondering if you’re feeling that or not.

그래서 우리는 당신이 어떻게 회사를 아주 어릴 때부터 시작했는지에 대해 긴 대화를 나눴습니다. 당신은 오랫동안 스텔스 상태였습니다. 은밀한 상태에서 나왔고 제품이 있다고 발표했습니다. 이제 당신은 상당히 어린 나이의 CEO입니다. 많은 사람들에게 이것이 스타트 업 여정의 본보기가 됩니다. 당신은 모든 것을 했습니다. 당신의 여정은 끝났습니까? 이 여정의 또 다른 단계가 보이지 않습니까? 이 질문에 대부분의 스타트 업 창립자들이 처음 왔을 때처럼 불안해지기 시작합니다. 하지만 당신이 그렇게 느끼고 있는지 궁금합니다.

 

I think it’s a good, and reasonable question, for any founder along the way. And I think there’s some folks that scale better than others at different parts of the journey, you have different types of personalities along the way. A lot of times early on founders, CEOs, will go and take a more technologically or R&D-focused role along the way or not really handle the business side of the equation with this. At least for me personally, the way that I’ve always seen it is that you have to have a system-level technological solution as well as a really strong business case and mentality if you want to be able to see this build and successfully scale. A lot of the great entrepreneurs of our era, the Zuckerbergs of this world, or even the Bezoses, took their companies up to this point and scaled them incredibly well.

나는 그 길을 따라가는 모든 창립자에게 좋고 합리적인 질문이라고 생각합니다. 그리고 저는 여정의 다른 부분에서 다른 사람들보다 더 잘 확장되는 사람들이 있다고 생각합니다. 여러 길을 따라 다른 유형의 성격을 가지고 있습니다. 창업자, CEO 초기에 많은 경우 기술적으로나 R & D에 초점을 맞춘 역할을 수행하거나, 이 방식으로 성공하지 않는 사람들도 있을 것입니다. 적어도 개인적으로 제가 항상 본 방식은 이 빌드를 보고 성공적으로 확장 할 수 있으려면 시스템 수준의 기술 솔루션은 물론, 강력한 비즈니스 사례와 사고 방식을 가지고 있어야한다는 것입니다. 우리 시대의 많은 위대한 인물들, 이 세상의 Zuckerbergs, 또는 심지어 Bezoses는 회사를 이 시점까지 끌어 들여 믿을 수 없을 정도로 잘 확장했습니다.

 

And I think that’s where... I have a similar mentality and drive and desire to be able to build ultimately to that level and scale of this kind of company. And I mean, certainly if there’s any industry that’s ripe for disruption, has the ability to enable this as a trillion-dollar space, and is evolving, it is autonomy, and that’s where absolutely we’re going to be continuing to drive towards. So it’s a good question.

그리고 제 생각에는 ... 저도 비슷한 사고 방식과 추진력을 가지고 있으며 궁극적으로 이런 종류의 회사와 같은 수준과 규모로 구축 할 수 있기를 원합니다. 그리고 제 말은, 혼란에 빠진 산업이 있고 이것을 1조 달러의 시장으로 변하게 할 능력이 있고, 진화하고 있다면 그것은 자율성이며 우리가 계속해서 나아가야 할 곳입니다. 좋은 질문입니다.

 

The most important thing is you bring in the key and relevant top-notch, A-plus team members on board to be able to successfully execute. You can have the best vision on the planet, and just the best strategy, the best product, the best commercial landscape, but you need to execute still. We still have a lot of stuff to execute on, and that’s where we make sure to get just rock star team members from across the board to be able to do exactly that. And whereas a lot of entrepreneurs, maybe you see [an] IPO as like the end of the journey, you’re talking about phase one, phase two, all of this. All of this was our phase one. Now we’re onto phase two. So that’s where it really is the beginning of a long journey. Being on the younger side, I’m in a fortunate position a lot of times.

가장 중요한 것은 성공적으로 실행할 수 있도록 핵심 및 관련 최고 수준의 A-plus 팀 구성원을 참여시키는 것입니다. 지구상에서 최고의 비전과 최고의 전략, 최고의 제품, 최고의 상업 환경을 가질 수 있지만 여전히 노력해야합니다. 우리는 여전히 실행해야 할 일이 많고, 바로 그 일을 정확히 수행 할 수 있도록 시장 전체에서 록 스타 같은 팀원들만 확보해야합니다. 그리고 그 중 많은 부분이 틀렸을 수도 있습니다. IPO가 여정의 끝처럼 보일 수도 있습니다. 1단계, 2단계, 이 모든 것에 대해 이야기하고 있습니다. 이 모든 것이 우리의 1단계였습니다. 이제 2단계로 넘어갑니다. 이것이 바로 긴 여정의 시작입니다. 저는 어린 편이기 때문에 운이 좋은 위치있는 것 같습니다.

 

I think when talking about different public companies out there, a lot of times you have CEOs that only plan to have a tenure on the order of like five years or whatever it may be. I think [I’m] in a fortunate enough position — I’m probably the youngest public company CEO — to be able to have a time horizon and a vision more on the order of 50 years than five years. As we see this through, I don’t plan on, frankly, doing anything different. Now the scope of what Luminar will do, we will expand over time, but we have the time. And you just take it step by step and be absolutely committed 100 percent to see it all the way through, until every car has these kinds of autonomous capabilities and is accelerated by way of being powered by Luminar.

저는 다른 상장 기업에 대해 이야기 할 때, 5년 정도의 임기를 가질 계획이있는 CEO가 많이 있습니다. 저는 5년보다 50 년 정도의 시간과 비전을 가질 수있을 만큼 운이 좋은 위치에 있다고 생각합니다. – 저는 아마도 가장 어린 CEO일 것입니다. 우리가 이것을 통해 볼 수 있듯이 솔직히 다른 일을 할 계획입니다. 이제 Luminar가 할 일의 범위는 시간이 지남에 따라 확장되지만 저에게는 충분한 시간이 있습니다. 그리고 모든 자동차가 이러한 종류의 자율적 기능을 갖추고 Luminar에 의해 구동되는 방식으로 가속화 될 때까지 단계적으로 수행하고, 모든 차량을 완전히 확인하기 위해 100% 전념 할 것입니다

 

I very much look forward to the interview we do when you’re 75 and I’m 90, and I play clips from this interview back at you. That’s going to be a good time. Well, Austin, it’s been terrific to have you on Decoder. I look forward to talking to you much more as time goes on. I personally cannot wait to have a car that will drive into New York City. So hurry up.

저는 당신이 75세이고 저는 90세일 때 할 인터뷰를 매우 기대하고 있겠습니다. 이 인터뷰의 클립을 그때 당신에게 재생할 것입니다. 재밌는 시간이 될 것입니다. 음, 오스틴, Decoder 인터뷰에 응해주셔서 감사합니다. 시간이 지남에 따라 더 많은 이야기를 나누기를 고대합니다. 저는 개인적으로 뉴욕시내를 운전할 자율주행 차가 나오길 기대하겠습니다.

 

Fantastic. Yeah, that’ll be awesome. All right. Well, thanks so much for having me.