피지컬 AI

피지컬 AI는 실제 세계를 감지하고 그 안에서 직접 행동하는 기계에 깃든 인공지능이다. 생성형 AI가 화면에 텍스트나 이미지를 내놓는 데서 멈춘다면, 피지컬 AI는 카메라와 센서로 주변을 인지하고 그 공간 속을 움직이며, 로봇과 휴머노이드, 그리고 자율 시스템이 사람을 대신해 물리적 일을 실제로 해내게 만드는 단계다.

피지컬 AI란?

갈림은 생각과 행동 사이에 있다. 챗봇은 프롬프트를 읽고 답을 쓴다. 그것이 내놓는 무엇도 물리 세계에 닿지 않는다. 피지컬 AI는 그 고리를 닫는다. 카메라와 깊이 센서, 촉각으로 세상을 받아들이고, 무엇을 할지 정한 뒤, 모터와 액추에이터로 행동한다. 그래서 결과물이 문단이 아니라 집기, 걸음, 용접이다. 이 전환에 필요한 연산과 소프트웨어를 상당 부분 깔아 둔 엔비디아는 이를 새로운 산업 시대로 본다. GTC 기조연설에서 젠슨 황 CEO는 그 선을 직설적으로 그었다.

“피지컬 AI가 도래했다. 모든 산업 기업이 로봇 기업이 될 것이다.” — Jensen Huang, NVIDIA CEO, NVIDIA and Global Robotics Leaders Take Physical AI to the Real World

이 용어가 지금 등장한 건 가장 어려운 부분인 일반화가 비로소 작동하기 시작했기 때문이다. 예전 로봇은 한 셀에 맞춰 사람이 일일이 프로그래밍했다. 피지컬 AI는 로봇 파운데이션 모델 위에서 돈다. 시연과 시뮬레이션으로 학습한 거대 신경망이 새 작업으로 옮길 수 있는 기술을 익히는 것이다. 2025년 3월 발표된 엔비디아의 Isaac GR00T N1은 휴머노이드용 첫 오픈 파운데이션 모델로 내세워졌고, 이중 구조를 쓴다. 반사처럼 빠른 “시스템 1”과 신중하게 계획하는 느린 “시스템 2”다 (NVIDIA).

sim-to-real 학습은 어떻게 작동하나?

로봇은 실제 현장에서 수백만 번 연습하다 물건을 부술 수 없으니, 피지컬 AI는 시뮬레이션에 기댄다. sim-to-real이라 부르는 이 발상은, 물리적으로 정확한 가상 세계에서 모델을 학습시킨 뒤 익힌 정책을 실제 기계로 옮기는 것이다. 엔비디아의 Isaac·Cosmos 프레임워크는 이를 위해 합성 세계와 월드 모델 예측을 만든다. 한 사례에서 엔비디아는 사람 시연 9개월치에 해당하는 합성 궤적 78만 개를 11시간 만에 생성했고, 그 합성 데이터를 실제 데이터와 섞으면 실제 데이터만 쓸 때보다 성능이 40% 오른다고 밝혔다 (NVIDIA). 시뮬레이션은 데이터가 굶주린 문제를 연산 문제로 바꾸는 편법이다.

그 마지막 단어가 실리콘과 이어지는 지점이다. 이 월드 모델을 학습시키는 일도, 로봇 위에서 정책을 돌리는 일도 모두 연산을 많이 먹는다. 데이터센터를 떠받치는 바로 그 AI 인프라 이야기, TPU 같은 맞춤형 가속기와 실리콘 포토닉스가 설명하는 광 연결이 곧 피지컬 AI가 클라우드에서 모델을 학습시키고, 점점 더 로봇 위에서 직접 돌리는 데 기대는 토대다. 피지컬 AI는 그 연산이 화면을 떠났을 때 하는 일이다.

투자자에게 피지컬 AI가 왜 중요한가?

피지컬 AI는 AI의 다음 발걸음이 몸을 갖는다는 명제이고, 그 가장 또렷한 표현이 휴머노이드 로봇이다. 핵심은 물리적 노동의 자동화인데, 엔비디아는 이를 5천만 명이 넘는다고 추산하는 전 세계 노동력 부족과 엮는다 (NVIDIA). 이 범주는 산업용 로봇의 설치 기반에 비하면 아직 초기다. IFR의 포지션 페이퍼는 휴머노이드가 기존 로봇을 대체하기보다 이미 일하는 460만 대를 보완할 것으로 본다고 강조한다 (International Federation of Robotics). 돈은 장기 규모를 좇는다. 골드만삭스 리서치는 휴머노이드 시장이 2035년 380억 달러, 출하량 140만 대에 이를 것으로 보는데, AI 진전이 기대를 넘어서며 이 전망을 여섯 배 넘게 올렸다 (Goldman Sachs). 투자자 입장에서 피지컬 AI는 지출을 여러 층으로 흩뿌린다. 연산과 파운데이션 모델, 센서와 액추에이터, 이를 통합하는 로봇 제조사다. 위험은 이 분야가 전망은 넘치고 실제 배치는 얇다는 점이다. 그래서 시연 영상이 아니라 실제 현장에서의 신뢰성이 중요한 숫자다.

관련 용어·개념

자주 묻는 질문

피지컬 AI는 생성형 AI와 어떻게 다른가요?

생성형 AI는 화면 안에 산다. 프롬프트를 받아 텍스트·이미지·코드를 만든다. 피지컬 AI는 몸을 갖는다. 센서로 세상을 인지하고 모터·액추에이터로 세상에 작용하므로, 결과물이 픽셀이 아니라 실제 공간에서의 움직임이다. 엔비디아의 젠슨 황은 그 전환을 직설적으로 말했다. "피지컬 AI가 도래했다. 모든 산업 기업이 로봇 기업이 될 것이다" (NVIDIA).

피지컬 AI에서 엔비디아의 역할은 무엇인가요?

엔비디아는 클라우드부터 로봇까지 이어지는 스택을 댄다. 가상 세계에서 로봇을 학습시키는 Isaac·Cosmos 시뮬레이션 프레임워크, 로봇에 탑재되는 Jetson Thor 컴퓨터, 오픈 파운데이션 모델 Isaac GR00T가 그것이다. 2025년 3월 발표한 GR00T N1은 휴머노이드용 첫 오픈 파운데이션 모델로 내세워졌다 (NVIDIA).

피지컬 AI에서 sim-to-real이란 무엇인가요?

sim-to-real은 로봇의 AI를 물리적으로 정확한 시뮬레이션에서 학습시킨 뒤, 익힌 정책을 실제 로봇으로 옮기는 것이다. 엔비디아는 사람 시연 9개월치에 해당하는 합성 궤적 78만 개를 11시간 만에 생성했고, 합성 데이터를 실제 데이터와 섞으면 성능이 40% 오른다고 밝힌다 (NVIDIA).

출처

  1. NVIDIA and Global Robotics Leaders Take Physical AI to the Real World · NVIDIA, 2026-03-16
  2. NVIDIA Announces Isaac GR00T N1 — the World's First Open Humanoid Robot Foundation Model · NVIDIA, 2025-03-18
  3. New IFR position paper on humanoid robots published · International Federation of Robotics, 2025-07-17
  4. The global market for humanoid robots could reach $38 billion by 2035 · Goldman Sachs, 2024-01-08