지난 몇 년간 챗GPT(ChatGPT)와 같은 LLM(초거대 언어 모델)의 놀라운 지능에 세상은 놀랐죠. 지구의 모든 데이터를 학습하고, 시도 쓰고, 코드를 짜며, 지금까지 없었던 새로운 컴퓨팅 파워를 실감하고 있습니다. 이제는 AI가 지능을 가질 수 있는 가능성을 논하고 있죠.
AI가 원하는 것 – 지능(LLM)+ 육체(로봇)
AI의 컴퓨터 지능은 여전히 우리의 컴퓨터 화면 속에 갇혀 있습니다. 아무리 똑똑한 챗봇이라도 책상 위의 물컵 하나를 스스로 집을 수 없죠. 그 이유는 여전히 하드웨어를 갖지 못했기 때문입니다.
최근 엔비디아의 젠슨 황 CEO를 비롯해 전 세계 AI 석학들이 주목하는 다음 물결은 바로 이 하드웨어를 가진 AI, 즉 피지컬 AI(Physical AI)라고 하고 있습니다. 이는 단순히 로봇을 만들겠다는 선언이 아니라, AI가 현실의 물리 법칙을 이해하고, 스스로 판단하며, 행동하는 시대를 의미하죠.
피지컬 AI가 무엇이며, 이 새로운 시대가 어떤 기술과 기회로 열리고 있는지, 그리고 대한민국이 여기서 어떤 역할을 할 수 있는지에 대해 얘기해보자 합니다.
피지컬 AI, 도대체 무엇이 다른가? (정의와 필요성)
1. 챗봇이 물컵을 못 잡는 이유
현재의 초거대 AI는 데이터라는 전세계 컴퓨터 범위에서 신과 같습니다. 하지만 현실 세계는 시험 범위 바깥이죠.
전문가들은 기존 AI가 현실에서 오작동하는 가장 큰 이유는 분포 이동(Distribution Shift) 때문으로 얘기하고 있습니다.
- 분포 이동이란? AI가 학습할 때 경험했던 데이터 환경(깨끗하고 정제된 데이터)과, 실제 사용되는 순간 경험하는 현실 환경(흐릿한 조명, 예기치 않은 마찰력, 갑작스러운 소음 등)이 달라지면서 성능이 급격히 하락하는 현상.
예를 들어, 챗봇은 텍스트 속의 사과가 무엇인지 정확히 알지만, 로봇이 현실에서 빨간 사과를 집으려 할 때, 사과의 색깔이 조명에 따라 다르게 보이거나, 사과의 질감이 미끄러울 수 있다는 변수를 예측하지 못합니다. 즉, 휴머노이드 로봇 입장에서는 현실은 너무 복잡하고 지저분한 환경이죠.
피지컬 AI 정의 :
- 단순히 로봇 하드웨어가 아니라, 물리 환경을 인지하고, 물리 법칙을 이해하며, 이에 따라 자율적으로 행동하는 AI 시스템입니다.
- 뇌(LLM/World Model)와 몸(로봇/액추에이터)이 결합되어, 환경의 변화에 실시간으로 적응하며 목표를 달성합니다.
2. 젠슨 황이 말하는 PAI(피지컬 AI)의 세 가지 ‘몸’
젠슨 황 CEO가 주창하고 엔비디아가 집중하는 피지컬 AI의 주요 적용 분야는 크게 세 가지로 요약됩니다.
| AI의 몸(피지컬 에이전트) | 핵심 역할 | 적용 기술 |
| 휴머노이드 로봇 | 사람의 일을 대신하는 범용 액추에이터. (제조, 물류, 가정 서비스) | 월드 모델, 공간 지능, 액추에이터 제어 |
| 자율 주행차 | 현실의 물리 법칙(마찰력, 속도, 충돌)을 이해하고 스스로 운전. | 공간 지능, 실시간 센싱(Adaptive Sensing) |
| 디지털 트윈 (가상 공간) | 가상 공장/도시에서 현실을 복제하고 시뮬레이션하여 최적화. | 옴니버스, 월드 파운데이션 모델, 생성 AI |
이 세 가지 분야는 모두 AI가 가상의 세계가 아닌 실제 공간을 이해해야만 성공할 수 있다는 공통점을 가집니다.
AI의 공간 지능 획득 방법 : 월드 모델과 시뮬레이션 기술
피지컬 AI의 가장 큰 과제는 학습입니다. 로봇이 현실에서 컵 하나를 제대로 잡으려면 수천 번의 시행착오를 겪어야 하는데, 실제 로봇으로 이를 반복하는 것은 시간과 비용 면에서 비효율적이고 위험하죠.
1. 테슬라를 이기고 싶은 후발주자들의 방법
테슬라가 자율주행 데이터를 수백만 대의 차량에서 확보하는 데 비해, 후발주자들이 그 격차를 따라잡기란 불가능에 가깝습니다. 여기서 등장하는 해법이 바로 시뮬레이션 기반 학습입니다.
핵심은 AI에게 공간 지능을 가르치는 것입니다.
- 기존 AI : 컵이 시야에서 사라지면 “컵이 없다”고 인식합니다. (스냅샷 인식)
- 공간 지능 AI : 컵이 뒤로 숨겨지면, 과거의 움직임과 물리 법칙을 통해 “컵이 여전히 저 뒤에 있다”고 예측하고 인식합니다. (맥락적 인식)
이 맥락적 인식 능력을 학습시키는 툴이 바로 월드 모델(World Model)입니다.
2. 엔비디아 ‘코스모스 & 옴니버스’ : 가상으로 수만번 학습하기
젠슨 황이 발표한 엔비디아의 ‘코스모스(COSMOS)’ 플랫폼은 이 월드 모델을 현실화한 대표적인 예입니다.
- 월드 파운데이션 모델 : 현실의 물리 법칙, 중력, 마찰력, 재질 등을 학습하고 이해하는 AI 모델입니다.
- 옴니버스(Omniverse) 시뮬레이션: 이 모델을 기반으로 현실과 동일한 물리 현상을 가진 가상 공간(디지털 트윈)을 구축합니다.
- 생성형 시뮬레이션 : 코스모스는 이 가상 공간에서 로봇이나 자율주행차가 수만, 수십만 번의 시행착오를 위험 없이, 빠르게 겪도록 시뮬레이션 데이터를 생성합니다.
이 과정을 통해 로봇은 “내가 컵을 이렇게 잡으면 컵이 미끄러진다”라는 현실 물리 법칙을 가상 세계에서 완전히 익히게 됩니다. 이 가상의 경험 데이터를 실제 로봇에게 주입하면, 현실에서 만 번 움직여야 할 학습량을 획기적으로 줄일 수 있는 개념이죠.
마치 닥터 스트레인지처럼 수많은 미래 시나리오를 미리 보고 최적의 답지를 찾아내는 것입니다.
AI의 뇌를 바꾸는 혁신 : 효율, 안전
피지컬 AI가 성공하려면 똑똑하게 행동하는 것 외에도 두 가지 조건을 갖춰야 합니다. 바로 ① 현실 데이터 처리 효율과 ② 소형 장치에서의 에너지 효율입니다.
1. 적응형 센싱의 힘
AI의 비효율을 해결하기 위한 방법으로 ‘적응형 센싱(Adaptive Sensing)’을 전문가들은 주장하고 있습니다.
이는 AI 모델에게 엄청난 데이터를 무작정 먹이는 대신, AI가 가장 잘 해석할 수 있는 형태의 데이터를 센서가 미리 가공해서 제공하는 방식입니다. 마치 AI에게 ‘맞춤 안경’을 씌워주는 것과 같은 개념이죠.
- 원리 : 카메라나 센서가 주변 환경(조도, 노이즈)에 맞춰 파라미터를 조절하여, AI가 판단하기에 가장 ‘자신감 점수’가 높은 이미지를 선별적으로 제공합니다.
- 결과 : 이 기술을 적용했을 때, 모델의 크기가 50배 작거나 학습 데이터가 10만 배 적은 구형 AI 모델도 최신 거대 AI 모델과 유사한 성능을 낼 수 있었습니다.
이는 피지컬 AI가 고가의 대형 GPU 없이도 효율적으로 움직일 수 있는 기술적 기반을 마련해 줄 수 있다고 알려져 있죠.
2. MIT의 ‘액체 뇌’: 리퀴드 네트워크의 생존 전략
피지컬 AI는 로봇 팔이나 자율주행차의 작은 칩에서 실시간으로 작동해야 하므로, 전력 소모가 적고 오류에 강해야 합니다. MIT의 다니엘라 러스교수가 제안한 ‘리퀴드 네트워크”는 이러한 ‘소형 뇌’의 해법을 제시하고 있습니다.
- 액체 같은 유연성 : 기존 AI 모델(뉴럴 네트워크)은 한 번 학습되면 고정되어 환경 변화에 취약했습니다. 리퀴드 네트워크는 마치 액체처럼 변화에 유연하게 적응하며, 들어오는 데이터에 따라 신경망의 구조와 연결 가중치를 실시간으로 바꿀 수 있는 개념이죠.
- 효율성과 안정성: 적은 수의 뉴런만으로도 높은 성능을 내기 때문에 에너지 소모가 적습니다. 특히 시계열 데이터(시간의 흐름에 따른 데이터) 처리 능력이 뛰어나, 자율주행차나 로봇처럼 순간적인 예측과 빠른 반응이 필요한 피지컬 AI에 최적화되어 있습니다.
- 안전 : 러스 교수는 AI가 안전 영역을 벗어나지 않도록 통제하는 ‘배리어넷(BarrierNet)’ 기술도 함께 연구하며, 피지컬 AI의 상용화에 필수적인 안전 기준을 확립하는 데 기여하고 있습니다.
대한민국은 ‘피지컬 AI’의 챔피언이 될 수 있을까?
피지컬 AI는 단순한 소프트웨어 기술이 아니라, 소프트웨어, 하드웨어, 제조 인프라가 융합되어야 완성됩니다. 이러한 관점에서 한국은 아래와 같이 주장하고 있습니다.
1. 제조업 인프라의 독보적 가치
하정우 수석은 한국이 엔비디아, 오픈AI 등 글로벌 기업들의 높은 관심을 받는 이유가 단순히 메모리 반도체 때문만이 아니라고 말합니다.
“미국은 소프트웨어는 강하지만 제조업 공장이 상대적으로 열악하고, 유럽은 제조 산업은 잘 되어 있지만 소프트웨어 부분이 아쉽다. 하지만 한국은 제조업 환경과 뛰어난 소프트웨어 인재를 동시에 갖추고 있으며, 중국을 제외하면 한국이 유일하다.” 라고 말하고 있습니다. 실제로 유럽은 상당한 규제들이 있고 중국이 왜 제외되고 있는지는 다들 잘 알고 있습니다.
피지컬 AI의 성패는 로봇을 테스트하고 양산할 수 있는 실제 산업 환경(공장, 도로, 물류 창고)에 달려 있다고 해도 무방합니다. 한국은 이미 세계 최고 수준의 제조업 인프라를 갖추고 있으며, 이는 로봇과 자율주행 AI에게 최적의 실습 환경을 제공할 수 있는 능력을 가지고 있기 때문에 충분히 합리적인 주장이라고 생각합니다.
한국의 경쟁력:
- 공간 데이터 축적 : 자율주행과 로봇 도입에 대한 사회적 수용도가 높고, 제조업 현장에서 발생하는 방대한 공간 데이터 축적이 충분히 가능하죠.
- 반도체 생태계 : 메모리(HBM)와 칩 제조 능력은 AI 하드웨어 공급망을 안정적으로 구축할 수 있는 기반이 있기 때문에 충분히 매력적입니다.
결국, 한국은 피지컬 AI 시대를 이끌 ‘몸통(제조업)’과 ‘두뇌(AI 소프트웨어)’를 모두 가진 몇 안 되는 국가 중 하나이며, 이는 미래 AI 산업의 허브가 될 강력한 잠재력이 충분하다고 블랙록과, 엔비디아 등이 얘기했죠. 기업들이 투자를 하기로 한 것은 이미 판단이 끝났다는 증거입니다.
한국 AI 기업의 대응(feat. 팔란티어)
결국 산업 인프라를 활용한 산업 데이터들은 쉽게 얻을 수 있는 데이터들이 아니기 때문에 굉장히 중요하게 될 것으로 보고 있습니다.
- 만약 팔란티어와 같은 글로벌 데이터 분석 기업이 한국의 제조 및 산업 인프라에 진출할 경우, 한국이 피지컬 AI 허브로서 쌓아 올린 ‘공간 데이터 축적’이라는 핵심 경쟁력이 외부로 유출되거나 통제될 위험이 있죠. 한국 입장에서는 자연스럽게 뺏기는 형국이 되겠죠.
- 팔란티어는 산업의 비정형 데이터를 정제하고 최적화하여 산업 효율을 극대화하는 독보적인 기술을 보유하고 있지만, 그 과정에서 얻게 되는 공장 운영 노하우, 물류 흐름, 자율주행 환경 데이터 등 국가 산업의 중요한 데이터 정보를 독점적으로 활용할 수 있게 됩니다. 결국 그만큼 중요한 산업 데이터를 잃어버리면 안될 것입니다.
- 이는 결국 한국의 제조업 인프라 가치를 글로벌 기업의 소프트웨어 종속성에 취약하게 만들고, 한국이 피지컬 AI의 ‘몸통’만 제공하는 하청 업체로 전락할 수 있게 되죠.
따라서 한국은 독보적인 제조업 인프라와 뛰어난 소프트웨어 인재라는 강점을 활용하여, 이 중요한 산업 데이터를 국내 AI 생태계의 자산으로 보호하고 AI 기업들을 발굴해야 합니다.
블랙록과 엔비디아의 투자에서 보듯, 이미 한국의 잠재력은 검증되었습니다. 이제는 정부와 민간이 협력하여 국내 피지컬 AI 기업들이 팔란티어와 같은 데이터 통합 및 최적화 역량을 조속히 갖출 수 있도록 공격적인 투자가 필요한 시점으로 생각됩니다.
한국의 기업들이 자체적으로 이 데이터 주권을 확보하고, 그 위에 독창적인 월드 모델을 구축해야만, 한국이 단순한 ‘제조 기지’를 넘어 ‘피지컬 AI의 두뇌’까지 완벽히 통제하는 진정한 글로벌 허브로 자리매김할 수 있을 것입니다.
인간-로봇 공존의 시대, 우리가 준비해야 할 것
피지컬 AI는 더 이상 먼 미래의 이야기가 아닙니다. 젠슨 황의 코스모스와 MIT의 리퀴드 네트워크, 그리고 한국 정부의 정책 방향 모두 AI의 현실 세계 진입을 가속화하고 있습니다.
이러한 변화는 물류 창고의 휴머노이드 로봇이 재고를 정리하고, 자율주행 트럭이 밤새도록 물건을 나르며, 가정의 로봇 청소기가 집안일 패턴을 스스로 익혀 최적의 환경을 보게 되겠죠.
우리는 이제 ‘피지컬 AI’라는 새로운 문명에 살아야합니다.
- AI의 ‘몸’에 투자 : 단순히 소프트웨어 기업을 넘어, 피지컬 AI의 핵심 부품인 액추에이터, 센서, 로봇 하드웨어 분야의 성장 가능성을 잘 검토할 필요가 있습니다 .
- 안전을 최우선으로 : 로봇이 물리적 실수를 했을 때의 사회적, 법적 책임 문제를 미리 고민하고, AI 안전을 위한 기술의 중요성 또한 알고 있어야 합니다.
- 새로운 노동의 정의 : 로봇이 인간의 단순 반복 노동을 대체하면서 발생하는 노동 시장의 변화를 인정하고, 인간이 할 수 있는 창의적이고 비정형적인 업무 영역을 우리 스스로 찾아가야겠습니다.
피지컬 AI는 AI를 단순한 지식 도구에서 어색하지만 동반자 개념으로 바꾸어 놓을 것 같습니다. 이러한 전환점에서, 새로운 지능과 물리적 힘을 결합한 AI가 우리 사회에 가져올 상황을 기대하며, 그 변화의 흐름을 인정해야 할 시점이 온 것으로 생각됩니다.