자동차 회사 하나로는 성에 차지 않았다…원료부터 판매까지 삼키며 ''테슬라 제국''을 세운 머스크

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

자동차 회사 하나로는 성에 차지 않았다…원료부터 판매까지 삼키며 ‘테슬라 제국’을 세운 머스크를 중심으로, 테슬라의 차별점은 자동차 조립을 넘어 핵심 기술과 생산 과정을 내부에서 주도하려는 수직계열화다. 모든 것을 직접 제조한다기보다 가를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. 테슬라의 차별점은 자동차 조립을 넘어 핵심 기술과 생산 과정을 내부에서 주도하려는 수직계열화다. 모든 것을 직접 제조한다기보다 가치사슬의 의사결정권을 누가 갖느냐가 중요하다는 설명이다.
2. 맹성준 작가는 젊은 엔지니어들이 기존 개발 도구와 업무 관행을 당연하게 받아들이지 않았던 경험을 소개한다. 수직계열화를 가능하게 한 조직 문화의 사례이지만, 특정 팀에서 얻은 개인적 관찰이다.
3. 신제품 개발과 공급망 위기는 수직계열화의 필요성을 높였다. 출연자는 AI가 내부 기술의 활용·통합 범위를 넓히면서, 산업이 성숙하면 분업이 우세해질 것이라는 기존 생각까지 바뀌었다고 말한다.
4. 엔비디아의 CUDA 생태계와 테슬라의 리튬 정제·배터리 소재 내재화가 확장의 사례로 제시된다. 특히 고객사의 내재화는 기존 공급업체에 거래 축소 위험으로 돌아올 수 있다는 점을 강조한다.
5. AI 기업의 구독·API 수익모델과 테슬라 FSD의 발전 과정도 함께 논의한다. 핵심은 사용량과 실제 수익성, 기술 진전과 주가 기대를 구분하는 것이며, 영상의 요금·실적·상용화 관련 수치는 별도 확인이 필요하다.

🧩 배경과 문제 정의

전 테슬라 엔지니어이자 『모빌리티 큰 파도』의 저자인 맹성준 작가가 실리콘밸리의 AI 동향과 테슬라의 산업 구조를 설명하는 대담이다. 초반에는 AI 안전성·개발비·과금 방식과 조직의 AI 활용을 논의하고, 중반부터 FSD의 발전 과정과 테슬라의 수직계열화로 주제를 연결한다.

중심 질문은 전문 공급업체에서 부품을 조달하는 방식과 핵심 기술·공정을 내부에서 통제하는 방식 사이에서 무엇이 경쟁력을 만드는가이다. 출연자는 테슬라의 조직 경험, 공급망 위기, AI의 등장, 리튬 정제와 배터리 소재 사례를 통해 자신의 해석을 제시한다. 기업 실적과 상용화 현황에 관한 발언에는 추정과 확인이 필요한 주장이 섞여 있다.

🕒 시간순 섹션별 상세정리

1. 젊은 테슬라 개발팀이라는 도입과 출연자 소개

• 도입부는 평균 연령이 20대 중반이었다는 모델링 팀 경험과 기존 소프트웨어 관행을 의심하는 젊은 엔지니어들의 태도를 예고한다. [00:21]
• 진행자는 전 테슬라 엔지니어 맹성준 작가와 그의 책을 소개하고, 실리콘밸리에서 나오는 이야기로 대담을 시작한다. [01:27]

2. AI 안전성 논쟁과 개발비 부담을 연결한 추측

• 출연자는 AI 성능 향상과 함께 안전성·개발 중단 논쟁이 커졌으며, 안전성 문제가 규제를 촉발할 명분이 될 수 있다고 해석한다. [02:16]
• AI 기업의 신규 모델 개발비 부담을 거론하며, 개발이 잠시 멈추면 단기 재무 수치가 좋아질 수 있다는 가정을 제시한다. [03:17]
• 이를 IPO와 연결한 이야기는 개인적 추측이라고 직접 선을 긋는다. [03:27]

3. 속도 조절론과 별개로 계속되는 모델 경쟁

• 개발 속도를 늦추자는 말과 달리 현실에서는 누구도 속도를 조절하지 못하고 있다고 드러낸다. 언급하는 모델 버전과 시험 소식에는 전언도 섞여 있다. [04:03]
• 진행자는 같은 뉴스도 시장의 해석에 따라 다르게 받아들여진다고 짚고, 인터뷰와 팟캐스트를 통해 실리콘밸리의 생각을 접하는 경험을 이야기한다. [05:12]

4. 한국의 AI 수용성과 조직 도입의 어려움

• 출연자는 한국 이용자들이 성능 변화에 민감하게 반응하고 도구를 빠르게 바꾼다는 인상을 말하며, 한국이 뒤처진다고 보지 않는다고 보여준다. [05:46]
• 자신이 실리콘밸리에서 팀의 AI 활용을 늘리는 과정에서도 직원들의 반감과 적응 문제를 경험했다고 보여준다. [06:08]
• 한국 이용자의 학습 의지와 낮은 저항감을 긍정적으로 평가하면서, 규제와 정부 방향이 뒷받침되어야 한다는 의견을 덧붙인다. [06:29]

5. AI 구독 서비스는 돈을 벌 수 있는가

• 진행자는 매출 규모와 속도 조절론을 넘어, 구독으로 지속적으로 돈을 벌 수 있는지가 근본적인 질문이라고 제시한다. [07:00]
• 출연자는 요금제 가격 상승을 언급하고, 월 200달러 구독을 한도까지 계속 사용하면 API 가격 기준으로 6,000~7,000달러에 해당할 수 있다는 계산을 보여준다. [07:35]
• 이어 기업 고객의 사용량 과금 방식을 택시 요금에 비유한다. [07:48]

6. 정액제와 API 과금의 차이, 개인의 사용액 사례

• 두 사람은 뷔페와 인터넷 요금제를 예로 들어 구독의 정액·사용 제한 구조와 API의 사용량 과금 차이를 보여준다. [08:32]
• 출연자는 기업용 API 사업의 수익성이 좋을 것으로 예상하며, 자신이 하루에 약 500~600달러를 사용한다고 드러낸다. 수익성 전망과 개인 사용액은 구분필요가 있다. [08:50]
• 대화는 이를 월간 지출로 환산하며, 한 사람의 사용액도 상당한 규모가 될 수 있다는 점으로 계속된다. [09:22]

7. 토큰 사용 경쟁과 기업의 지출 상한

• 출연자는 젠슨 황의 발언으로 소개한 API 사용 독려 문구가 뒤처질지 모른다는 불안을 자극하는 강력한 마케팅이었다고 평가한다. [09:53]
• 토큰 사용을 극대화하려는 분위기를 설명하면서도, 이후 여러 회사가 직원별 API 사용 상한을 두기 시작했다고 드러낸다. [10:17]
• 충분한 API 접근권을 주는 회사가 매력적인 근무 환경이 될 수 있다는 개인적 견해를 제시한다. [10:45]

8. AI 활용의 생산성과 FSD라는 선행 사례

• 진행자는 AI 기업들이 내부에서 도구를 적극 활용하며 개발 역량을 높이는 것이 아니냐고 묻고, 토큰 접근 비용과 수직계열화를 연결한다. [11:50]
• 출연자는 AI가 아직 초기 단계라는 견해를 밝히고, 테슬라 FSD를 엔드투엔드 AI 제품이 먼저 겪어온 과정을 보여주는 사례로 보여준다. [12:24]

9. FSD의 기대 상승과 지연, 상용화에 관한 주장

• 출연자는 과거 주행 시연이 자율주행 기대와 주가 상승을 이끌었지만, 구현 지연으로 기대가 꺼지고 주가도 크게 하락했다고 회고한다. [13:19]
• 이후에도 FSD가 꾸준히 발전했다고 설명하며, 사이버캡과 오스틴 유료 로보택시 이용 가능성을 현재의 변화로 제시한다. 구체적인 서비스 조건은 영상에서 확인되지 않는다. [13:54]
• 기술 자체와 별개로 지역 규제와 사회의 수용 여부가 이용 가능 범위를 가른다는 해석을 덧붙인다. [14:11]

10. 기술의 진전과 주가의 기대 주기 구분

• 진행자는 기술이 계속 발전하는 동안에도 시장은 과도한 기대와 실망을 반복할 수 있다고 드러낸다. [14:38]
• FSD의 개발 과정과 주가 흐름을 함께 살펴볼 필요성을 제기한 뒤, 테슬라가 그 과정을 버틸 수 있었던 이유로 질문을 옮긴다. [15:14]

11. 공급업체 분업 구조와 테슬라의 내부 통제

• 출연자는 기존 자동차 산업을 여러 단계의 공급업체가 만든 부품을 조립하는 구조로 설명하고, 테슬라는 핵심 기술을 내부에 확보하려는 노력이 강했다고 드러낸다. [16:09]
• 엔진 제어장치와 제동 시스템을 외부 전문업체에서 조달하는 사례를 들어, 완성차 기업이 모든 구성요소를 직접 개발하지 않는 관행을 보여준다. [17:17]
• 수직계열화도 모든 것을 직접 만든다는 뜻은 아니며, 애플처럼 제조를 맡기더라도 전체를 주도하고 통제하는 주체가 중요하다고 정리한다. [17:56]

12. 젊은 엔지니어들이 기존 도구를 의심한 경험

• 출연자는 테슬라 모델링 팀의 평균 연령이 20대 중반이었고, 당시 30대 중반이던 자신이 가장 나이가 많았다고 회고한다. [18:27]
• 기존 엔진 개발 조직에서는 선배가 쓰던 소프트웨어를 후배가 배우는 과정이 반복되며 도구와 분업 방식이 관행으로 굳어졌다고 보여준다. [19:13]
• 반면 젊은 엔지니어들은 기존 도구를 그대로 배우기보다 바꾸려 했으며, 이를 제지하는 관행이 약했던 점이 큰 차이를 만들었을 수 있다고 해석한다. [20:14]

13. 신제품 개발과 공급망 위기가 만든 내재화의 동기

• 진행자는 기존에 없던 제품을 만들 때 외부에 맡길 수 있는 부분이 부족하면 직접 개발할 필요가 커진다는 논리를 제시한다. [20:55]
• 코로나 이후 공급망 위기 또한 내부에서 조달과 개발을 통제할 수 있는 기업의 이점을 드러냈다는 의견을 덧붙인다. [21:17]
• 출연자는 과거에는 전기차 산업이 성숙하면 분업 구조가 이길 것으로 봤지만, 최근에는 생각이 크게 바뀌었다고 드러낸다. [21:37]

14. AI와 수직계열화의 결합, 엔비디아의 CUDA 사례

• 생각이 바뀐 이유로 AI를 꼽으며, 내부 기술을 보유한 기업이 AI와 결합할 때 확장할 수 있는 범위가 달라진다고 보여준다. [21:57]
• 엔비디아는 하드웨어뿐 아니라 CUDA 기반의 라이브러리·소프트웨어·도구를 제공해 다른 하드웨어로 옮기기 어려운 생태계를 만든 사례로 드러난다. [22:30]
• 모델 공개와 자신의 자율주행 소프트웨어 실행 실험을 언급한 뒤, AI가 보유 기술을 더 넓게 통합할 수 있는 도구가 되었다고 정리한다. [23:14]

15. 공정 자체의 재설계와 리튬 정제 투자

• 진행자는 공장을 하나의 제품처럼 보고 공정 자체를 다시 설계하는 테슬라의 접근을 언급한다. [23:47]
• 출연자는 상대적으로 주목받지 않는 사례로 텍사스 리튬 정제 시설을 들고, 기존 정제 방식에서 황산을 사용하는 과정을 보여준다. [24:30]
• 황산을 쓰지 않는 방식은 이미 있었지만, 기존 업체들은 설비와 낮은 리튬 가격 때문에 추가 투자 유인이 약했고 테슬라는 기존 설비의 제약이 적었다고 해석한다. [24:55]

16. 소재 내재화가 기존 공급업체에 주는 충격

• 출연자는 황산을 사용하지 않는 정제 방식에 고온·고압 설비 등의 과제가 있었다고 설명하고, 테슬라의 확장이 리튬 정제에서 배터리·양극재로 이어진다고 드러낸다. [25:21]
• 한국의 양극재 공급사가 테슬라에 더 이상 조달하지 못하게 됐다는 사례를 제시하지만, 회사명과 공시 내용은 밝히지 않는다. [25:39]
• 두 사람은 고객사가 외부에서 사 쓰던 것을 내부로 가져오면 공급업체의 거래가 끝날 수 있다는 점을 수직계열화의 현실적인 위협으로 강조하며 대화를 마무리한다. [25:55]

🧾 결론

• 수직계열화의 본질은 사업 개수를 늘리는 데 그치지 않고, 핵심 기술과 공정의 변경을 스스로 결정할 수 있는 통제력을 확보하는 데 있다.
• 출연자는 AI가 내부 기술을 연결하고 새로운 사업에 적용하는 범위를 넓혀 수직계열화의 경쟁력을 강화한다고 해석한다.
• 기존 도구를 재검토하는 조직 문화와 공정 자체를 다시 설계하는 접근이 테슬라의 특징으로 제시된다.
• 이러한 설명은 전직 엔지니어의 경험과 해석에 기반한다. 개별 사업의 경제성과 공급계약 변화까지 검증한 자료는 영상에 제시되지 않는다.

📈 투자·시사 포인트

• 완성차 판매량과 함께 원료 정제, 배터리 소재, 소프트웨어 등 어느 단계의 통제권을 확보하는지 살펴볼 필요가 있다. 내재화 범위 확대가 실제 비용·품질 개선으로 이어지는지가 관건이다.
• 소재·부품 기업은 고객의 성장뿐 아니라 고객이 해당 기술을 직접 확보할 가능성도 평가해야 한다. 영상 말미의 공급업체 사례는 기업명과 공시가 제시되지 않아 개별 종목 판단에 바로 적용하기 어렵다.
• AI 기업은 구독자 증가나 API 사용액만으로 수익성을 판단하기 어렵다. 영상에서 논의한 개발비 부담, 정액제와 사용량 과금의 차이, 기업의 지출 상한을 함께 봐야 한다.
• FSD 사례는 기술이 발전하는 동안에도 시장 기대와 주가가 크게 흔들릴 수 있다는 논거로 사용된다. 이를 다른 기업의 주가 회복을 보장하는 공식으로 받아들여서는 안 된다.
• CUDA 사례에서 주목할 부분은 하드웨어와 소프트웨어 도구의 결합이다. 고객의 전환을 어렵게 만드는 생태계가 경쟁력의 근거로 제시된다.

⚠️ 불확실하거나 확인이 필요한 부분

• AI 개발 속도 조절이 IPO 직전 이익을 높일 수 있다는 이야기는 출연자가 직접 개인적 추측이라고 명시한다. 규제의 실제 목적이나 기업의 확정된 계획으로 볼 수 없다.
• AI 모델명·버전, 요금제 가격, 매출 수치와 전체 인구 대비 구독 비율은 기준 시점과 근거 자료가 제시되지 않는다. 전사에서 명칭이 불명확한 부분도 있다.
• 월 200달러 구독의 API 환산 가치가 6,000~7,000달러라는 설명은 사용 한도를 지속적으로 소진한다는 가정에 기반한다. 실제 제공 원가나 기업 이익을 뜻하지 않는다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 테슬라의 원료 정제·소재·배터리·소프트웨어 사업을 나눠, 영상에서 언급한 내재화 범위와 실제 운영 상태를 대조한다.
• FSD·사이버캡·로보택시 관련 설명을 차량, 이용 지역, 감독 조건, 유료 서비스 여부로 구분해 확인한다.
• 영상의 AI 요금제·매출·모델 버전은 발언 시점과 공식 자료를 확인한 뒤 인용한다.
• AI 활용 성과를 평가할 때 API 지출액과 함께 작업 시간, 결과 품질, 재작업 비용을 기록한다.

❓ 열린 질문

• AI가 수직계열화의 확장성을 높인다는 설명은 실제 비용 절감이나 개발 기간 단축으로 얼마나 입증될 수 있을까?
• 내부 통제권 확보의 이점이 전문 공급업체의 효율성을 앞서는 조건은 무엇일까?
• 테슬라의 리튬 정제·양극재 내재화는 어떤 생산 규모와 원가 수준에서 경제성을 확보할 수 있을까?