티스토리 뷰
솔직히 처음엔 저도 피지컬 AI를 그냥 "똑똑한 AI를 로봇 몸통에 넣으면 끝"이라고 생각했습니다. 그런데 막상 들여다보니 핵심은 완전히 다른 곳에 있었습니다. 언어를 이해하는 지능과 몸으로 세상을 배우는 지능은 구조 자체가 다르다는 것, 그리고 한국이 이 판에서 진짜 승부를 걸 수 있는 이유도 기대와는 다른 각도에 있었습니다.
물리지능이란 무엇인가 — 언어지능과 근본적으로 다른 이유
피지컬 AI(Physical AI)라는 단어를 처음 접했을 때, 저는 이미 알고 있는 AI가 그냥 로봇 껍데기를 입은 것 정도로 이해했습니다. 그런데 제가 직접 여러 자료를 살펴보면서 이 생각이 얼마나 얄팍한 것이었는지 깨달았습니다. 피지컬 AI의 핵심은 '물리지능(Physical Intelligence)'을 인공적으로 구현하는 것인데, 이게 우리가 알고 있는 언어 기반 AI와는 출발점 자체가 다릅니다.
언어지능 모델, 예컨대 대형 언어 모델(LLM)은 방대한 텍스트 데이터를 학습해 판단하고 답변을 생성합니다. 여기서 LLM이란? 수천억 개의 파라미터를 가진 신경망이 인간의 언어 패턴을 통계적으로 학습한 모델로, 책이나 논문을 아무리 많이 읽어도 테니스 스윙을 몸으로 체득할 수 없는 것과 마찬가지입니다. 농구 3점 슛 영상을 만 번 봐도 슛 성공률이 오르지 않는 것처럼 말입니다.
이게 제 경험상 이건 좀 다른 영역이라고 느꼈던 부분입니다. 유튜브 영상 편집에 AI를 써봤을 때, AI가 공이 튀기는 물리적 맥락을 꽤 정확히 표현하는 걸 보고 '이러면 현실 로봇도 금방 되겠는데?'라고 생각했는데, 그건 책으로 배운 지식이었을 뿐 실제로 손을 뻗어 공을 잡는 능력과는 전혀 달랐던 것입니다.
물리지능은 계층 구조로 나뉩니다. 가장 위에는 판단을 내리는 언어 기반 AI가 있고, 중간에는 전신 균형과 동작을 조율하는 레이어, 그리고 가장 아래에는 근육 단위에서 힘과 속도를 정밀하게 제어하는 엣지 레벨 지능이 있습니다. 스포츠 코치들이 "몸에 힘 빼라"고 반복 훈련을 강조하는 이유와 같습니다. 이 구조를 파악하고 나니 왜? 로봇에서 액추에이터(Actuator) 기술이 핵심으로 꼽히는지 이해가 됐습니다. 액추에이터란? 단순히 모터처럼 움직임을 만드는 부품이 아니라, 힘 제어 알고리즘과 센서, 반사 반응까지 통합된 '로봇의 근육+신경계 복합 모듈'입니다. 쉽게 말해 사람의 손이 펜을 집을 때 근육과 신경이 동시에 작동하는 그 메커니즘 전체를 하나의 모듈로 구현한 것입니다.
최근 글로벌 선도 기업 피규어 AI(Figure AI)가 물류 현장에서 시연한 휴머노이드 영상이 화제가 됐는데, 이 로봇이 기존 세대와 달리 부드럽고 안정적으로 움직일 수 있었던 이유가 바로 이 계층 분리 설계였습니다. 판단 AI, 전신 제어 AI, 구동기 레벨 제어를 각각 나눠 처리하는 분산 지능 구조를 적용했더니 안정성이 크게 올라간 겁니다. 이 방향은 이미 글로벌 트렌드로 자리 잡고 있습니다(출처: 한국로봇산업진흥원).
📌 물리지능 핵심 요약
- 물리지능의 본질: 언어지능과 구조가 근본적으로 다르며, 실제 환경과의 부딪힘 및 반복적인 신체 학습을 통해서만 습득 가능합니다.
- 액추에이터 모듈: 단순 모터를 넘어 힘 제어·센서·반사 알고리즘이 하나로 통합된 '로봇의 근육+신경계' 복합체입니다.
- 계층 분리 설계: 피규어 AI 사례처럼 판단 AI, 전신 제어, 구동기 제어를 각각 나누어 처리하는 분산 지능 구조가 로봇 안정성의 핵심 열쇠입니다.
- 선순환 구조: 좋은 몸(액추에이터) → 좋은 데이터 → 좋은 AI 순서로 학습 데이터와 성능이 고도화됩니다.
한국이 진짜 해야 할 것 — 로봇 수입 말고 플랫폼 전략
제가 직접 현장 설비를 다뤄오면서 뼈저리게 느낀 게 있습니다. 좋은 장비를 사다 쓰는 것과 그 장비의 원리를 이해하고 운용하는 것은 완전히 다른 역량입니다. 이 차이가 지금 피지컬 AI 육성 정책에서 가장 크게 걸리는 부분입니다.
현재 정부 예산 상당액이 휴머노이드 로봇 보급 사업으로 편성돼 있고, 교육 현장과 연구소에 중국산 로봇을 빠르게 배포하는 움직임이 벌써 진행 중입니다. 일반적으로 "일단 써봐야 배운다"고 알려져 있지만, 제 경험상 이건 좀 다릅니다. 2010년대 초 3D 프린팅 열풍 때도 똑같았습니다. 국가 차원에서 대규모 투자를 선언했지만, 결국 해외 장비를 수입해 깔아주는 업체만 돈을 번 채 실질적인 기술 내재화는 이뤄지지 못했습니다. 이번에도 그 과오를 반복할 위험이 있습니다. 중국산 로봇의 수리 센터를 채울 인재를 기르는 게 목표가 아니라면, 방향을 바꿔야 합니다.
핵심은 플랫폼 전략입니다. 여기서 플랫폼 전략이란 USB나 HDMI처럼 핵심 부품과 데이터 구조를 표준화·모듈화해서 누구나 그 위에서 응용 기술을 쌓을 수 있게 하는 생태계 설계를 말합니다. 한 연구팀에서 힘들게 만들어낸 액추에이터 모듈이나 데이터셋을 경쟁적으로 또 만드느라 에너지를 낭비하지 않고, 그 위에서 각자가 상상력을 발휘하는 구조입니다. 실제로 한 해커톤에서 표준화된 액추에이터 모듈 하나를 열 팀의 학생들에게 줬더니, 100시간 만에 전혀 다른 방식의 로봇들이 줄줄이 나왔다는 결과는 이 방향이 맞다는 걸 보여줍니다. 솔직히 이건 예상 밖이었습니다. 인재가 없는 게 아니라, 낭비되고 있다는 걸 실증한 셈입니다.
데이터 주권 문제도 빠뜨릴 수 없습니다. 카이스트와 엔비디아(NVIDIA)의 공동 연구 센터, NVAITC(NVIDIA AI Technology Center)가 출범했는데 — 여기서 NVAITC란? 엔비디아가 여러 나라 연구기관과 맺는 공동 AI 연구 거점으로, 인프라와 도메인 지식을 교환하는 구조입니다 — 협력의 조건이 '데이터 무조건 공유'가 아닌 거버넌스 위원회를 먼저 구성해 주권을 지키면서 협력하는 방식이라는 점이 중요합니다. 제조 현장에서 축적된 피지컬 데이터는 한번 넘기면 되찾기 어렵습니다. 이건 기술 협력이 아니라 데이터 주권의 문제이기도 합니다(출처: 과학기술정보통신부).
한국이 가진 강점은 분명합니다. 조선업, 반도체, 정밀 제조 현장에서 오래 쌓아온 피지컬 데이터와 제조 인프라, 그리고 액추에이터 기반 부품 기술이 이미 어느 정도 궤도에 올라 있습니다. 로보티즈, SPG, 앤젤로보틱스 같은 기업들이 피지컬 AI용 액추에이터 모듈을 출시하고 있고, 조선업 현장에서의 수요도 급격히 커지는 중입니다. 문제는 이 자산을 경쟁적으로 분산시킬 것인가, 플랫폼으로 모아 폭발시킬 것인가입니다.
📌 한국의 피지컬 AI 대응 전략 요약
- 외산 로봇 도입의 한계: 단순 수입·배포 위주의 사업은 과거 3D 프린팅 붐처럼 기술 내재화 없이 수비 형태에 그칠 위험이 있습니다.
- 플랫폼 생태계 구축: 핵심 부품(액추에이터)과 데이터 구조를 표준화·모듈화하여 기술 낭비를 막고 응용 기술 개발을 촉진해야 합니다.
- 데이터 주권 확보: 제조 현장의 피지컬 데이터는 핵심 자산이므로, 글로벌 협력 시 거버넌스를 통한 주권 보호가 최우선입니다.
- 국내 강점 활용: 이미 확보된 정밀 제조 인프라, 피지컬 데이터, 국내 액추에이터 기술 자산을 하나로 모으는 전략이 핵심입니다.
자주 묻는 질문
Q. 피지컬 AI가 그냥 AI를 로봇에 넣는 거랑 뭐가 다른가요?
A. 일반적으로 그렇게 이해하는 분들도 많은데, 실제로는 언어지능과 물리지능은 학습 구조 자체가 다릅니다. 언어지능은 텍스트 데이터를 통계적으로 학습하지만, 물리지능은 실제 몸이 세상과 부딪히며 반복 훈련을 통해 형성됩니다. 농구 슛 영상을 아무리 많이 봐도 몸이 슛을 익히지 못하는 것과 같은 원리입니다.
Q. 액추에이터가 왜 그렇게 중요한 거예요? 그냥 모터 아닌가요?
A. 모터는 단순히 회전력을 만드는 부품이지만, 피지컬 AI용 액추에이터 모듈은 힘 제어 알고리즘, 센서, 반사 반응까지 통합한 복합 시스템입니다. 사람의 근육이 뇌의 명령 없이도 자체적으로 힘을 조절하고 반응하는 것과 유사하게, 로봇의 말단에서 자율적으로 동작을 정교하게 다듬어주는 역할을 합니다. 좋은 액추에이터가 있어야 좋은 데이터가 나오고, 그게 AI 학습의 기반이 됩니다.
Q. 중국산 로봇 사다 쓰면서 배우면 안 되나요?
A. 단기간 체험 수준이라면 의미가 없는 건 아닙니다만, 3D 프린팅 붐 때의 사례처럼 외산 장비를 깔아주는 역할만 남을 가능성이 있습니다. 중요한 건 로봇을 운용하는 경험이 아니라 액추에이터 모듈 같은 핵심 요소 기술을 직접 만지고 그 위에서 응용 기술을 쌓는 것입니다. 외산 로봇의 수리 기술자를 양성하는 게 목표가 아니라면, 플랫폼 기반 인재 육성이 더 효과적입니다.
Q. 엔비디아랑 카이스트가 협력하면 우리 데이터 다 넘어가는 거 아닌가요?
A. 협력 구조를 들여다보면 데이터를 무조건 제공하는 방식이 아닙니다. NVAITC 체계 하에서 공동 거버넌스 위원회를 먼저 구성하고, 데이터 주권과 공유 범위를 단계적으로 협의하는 구조입니다. 다만 어떤 형태로든 현장 피지컬 데이터에 대한 주권 확보가 최우선이라는 점은 협력 당사자들도 충분히 인식하고 있습니다.
결론
피지컬 AI를 바라보면서 제가 가장 크게 바뀐 생각은 이겁니다. "어떤 로봇을 쓰느냐"가 아니라 "어떤 기반 기술 위에서 출발하느냐"가 핵심이라는 것입니다. 화려한 휴머노이드 시연 영상에 흥분하기 전에, 그 로봇의 관절 하나가 어떤 원리로 움직이는지를 먼저 이해하는 쪽이 훨씬 중요합니다.
한국은 제조 인프라와 피지컬 데이터, 액추에이터 기반 기술이라는 실질적인 자산을 갖고 있습니다. 이걸 경쟁적으로 분산시키지 않고 플랫폼으로 묶어서 더 많은 인재가 그 위에서 상상력을 펼칠 수 있게 만드는 것, 그게 지금 가장 필요한 전략입니다. 관심 있으신 분이라면 국내 액추에이터 기업들의 기술 방향과 카이스트-엔비디아 공동 연구 센터의 진행 상황을 같이 지켜보시면 좋겠습니다.
참고: 유튜브 채널 <손에잡히는경제> - 어설프게 로봇만 샀다간 피지컬AI도 망합니다 - 공경철 교수 (카이스트 기계공학과)