Q4. (BD) 아틀라스의 양산 개시 시점과 연도별 양산 규모, 양산 주체, 생산 거점

A1) 아틀라스의 양산은 '로보틱스 아메리카(Robotics of America)'라는 신규 법인에서 진행될 예정. 2028년에 아틀라스 양산 모델의 샘플링을 시작할 예정이며, 이후 여러 단계의 테스트 제품군을 거쳐 '로보틱스 아메리카' 시설을 통해 생산량을 점진적으로 확대(Ramp-up)할 것. 이 시설에 대해서는 지난 CES에서 이미 발표한 바 있음. 해당 법인의 지분 구조는 아직 논의 중 A2) 로봇 생산: 로봇 생산 회사에 대해서는 (BD에 참여했듯이) 기아도 당연히 지분 참여를 할 예정. 미국 공급분은 미국에서, 한국 공급분은 한국에서 생산하는 방향으로 검토 중 Q5. (데이터 센터) 새만금 데이터 센터의 운영 주체 및 NVIDIA 스마트카와 독자 스마트카라는 투트랙에서 나오는 데이터 훈련 방법 A1) 운영 주체보다 중요한 것은 데이터센터 활용 방안. 현대차그룹은 충분한 양질의 데이터를 보유하고 있으며 이를 학습시킬 파운데이션 모델과 트레이닝 소스 코드를 자체적으로 확보 A2) 현재 현대차그룹은 특정 하드웨어나 장소에 종속되지 않는 훈련 시스템을 구축. 따라서 새만금 AI 데이터 센터와 같은 자체 거점은 물론, 필요에 따라 구글 클라우드나 엔비디아 클라우드 등 외부 인프라에도 유연하게 병행 활용할 수 있는 하이브리드 학습 체계가 준비되어 있음 A3) 특히 NVIDIA 기반 차량과 독자 플랫폼(Atria AI) 차량에서 수집되는 데이터는 '데이터 유니온(Data Union)'을 통해 표준화된 포맷으로 통합 학습이 가능. 이를 통해 투트랙 전략에서 오는 데이터 파편화 문제를 해결하고, 전체 차량의 학습 효율 극대화 가능 Q6. (자율주행) 발표에서 언급된 ‘Data Union’의 정확한 개념 A1) 자율주행 데이터는 텍스트와 달리 특정 상황/센서/포지션에 따라 달라짐. 현대차그룹은 센서 타입과 장착 위치를 '하이페리온 텐(Hyperion 10)' 스탠다드로 통일. NVIDIA가 타 OEM들과 오랜 고민 끝에 제조한 이 센서 셋이 다양한 기능적 시나리오를 지원하기에 가장 충분하고 사전 검증됐다고 판단했기 때문. 이 검증된 센서 셋을 모셔널, 포티투닷, AVP, 현대차, 기아 등 그룹 내 모든 차에 통합하는 순간, 플릿간 데이터 호환성이 확보되어 모든 차량들을 통해 수집된 데이터가 공용화되어 사용 가능. 이것이 ‘Data Union’ 의 1단계 내부 통합 A2) 현재 중국, 미국, 유럽에서도 하이페리온10 센서를 표준으로 도입하는 회사들이 많아지고 있음. ‘Data Union’의 2단계를 외부 확장. 파트너십 체결 여부에 따라 타사 데이터와 현대차그룹 데이터들을 상호 공유하는 이론적 형성도 가능. Raw data를 직접 공유하는 방법도 있지만, 엔비디아의 알파마요 플랫폼 내에서 공유되는 '파운데이션 모델' 라이선싱을 통해 간접적으로 그 데이터의 이득을 볼 수도 있음. NVIDIA 파트너십 안에서도 이러한 파운데이션 모델 사용 권한을 풀어갈 수 있음 Q7. (관세) 메타플랜트를 활용한 현지화율 상향이 수익성에 미치는 영향 A1) 미국 조지아 공장(35만 대), 서배너 공장(24만 대) 등 총 59만 대 규모에 멕시코 공장 물량(최대 20만 대)까지 합치면 미국 공급 물량의 70~75%까지 현지 대응이 가능. 현지 생산 공급 능력은 충분하다고 판단. 부품별로 한국 생산이 유리한지 현지 개발이 더 경쟁력 있는지를 분석. 15% 관세를 지불하고 조달을 할지, 현지 개발하는 것이 유리한지 아이템별로 결정할 계획. 기본적으로 공급 안정성을 위해 현지 공급망 이용을 지향하지만, 가격 차이가 크면 한국 생산 물량을 관리하는 등 유연하게 대응할 예정 A2) 관세 방어 효과를 간단하게 답변하기는 어려움. 한국과 미국의 코스트 인덱스 차이는 분명히 존재, 관세를 내더라도 현지화보다 유리한지는 '어떤 차종이 어느 정도 물량으로 판매되는지'에 달렸음. 고수익 차종이 대규모로 판매된다면 현지화 효과가 크겠지만, 연간 1~2만 대 수준의 적은 물량이라면 차라리 관세를 내는 것이 더 효과적일 수도 있음. 차종별 전략에 따라 차이가 존재