지난 「AI가 현장으로 왔다」 제1편｜AI Value Chain이란? AI 산업 구조를 한눈에 이해하기에서는 AI 산업 전체를 바라보는 가장 기본적인 지도인 AI Value Chain에 대해 이야기했습니다.
AI를 아주 단순하게
INFRA → MODEL → SERVICE / PRODUCT
라는 흐름으로 살펴보면서, 우리가 매일 사용하는 ChatGPT와 같은 AI 서비스가 어떤 산업구조 위에서 만들어지는지도 알아봤습니다.
그리고 글의 마지막에는 AI가 더 이상 컴퓨터 화면 안에만 머무르지 않고 로봇, AMR, 자율주행차, 휴머노이드 등을 통해 현실세계로 나오기 시작하고 있다는 이야기를 잠깐 했습니다.
그러면서 이런 질문을 하나 남겼습니다.
“AI가 컴퓨터 화면 밖으로 나오면 무엇이 달라질까요?”
오늘은 바로 그 질문에서 이야기를 이어가 보려고 합니다.
「AI가 현장으로 왔다」 제2편의 주제는 Physical AI입니다.
Physical AI라는 단어만 보면 또 어려운 AI 기술이 하나 등장한 것처럼 느껴집니다.
하지만 저처럼 AI를 전문적으로 공부하지 않은 사람의 입장에서 하나씩 이해해보니, 핵심 개념 자체는 생각보다 어렵지 않았습니다.
“생성형 AI가 생각하고 답하는 AI라면, Physical AI는 보고, 판단하고, 실제로 행동하는 AI다.”
오늘은 이 문장 하나에서 시작해보겠습니다.
ChatGPT는 똑똑한데 물건 하나 옮기지 못합니다
우리가 요즘 가장 익숙하게 사용하는 AI는 ChatGPT와 같은 생성형 AI(Generative AI)입니다.
질문을 하면 답을 하고, 보고서를 만들고, 번역하고, 이미지를 만들기도 합니다.
저 역시 매일 업무에서 AI를 사용하고 있습니다.
그런데 아무리 똑똑한 ChatGPT라도 제 책상 위에 있는 커피잔을 직접 들어 옆자리로 옮길 수는 없습니다.
왜 그럴까요?
AI가 커피잔이 무엇인지는 알고 있어도 현실세계에서 커피잔이 어디에 있는지 보고, 얼마나 무거운지 판단하고, 손을 뻗어 잡은 뒤 떨어뜨리지 않고 옮기는 능력은 전혀 다른 문제이기 때문입니다.
바로 이 지점에서 Physical AI가 시작됩니다.
Physical AI란 무엇일까요?
Physical을 우리말로 하면 ‘물리적인’이라는 뜻입니다.
따라서 Physical AI를 아주 쉽게 표현하면 현실의 물리적 세계를 이해하고 그 안에서 행동하는 AI라고 볼 수 있습니다.
기존 생성형 AI의 흐름이
질문 → 이해·추론 → 답변
이었다면 Physical AI에서는 흐름이 달라집니다.
보고(Sense) → 이해하고 판단하고(Think) → 행동한다(Act)
예를 들어 물류센터에서 로봇이 상자를 옮긴다고 생각해보겠습니다.
먼저 카메라와 센서로 상자의 위치와 주변 상황을 봅니다.
그다음 어떤 상자를 집어야 하는지, 어느 방향으로 움직여야 하는지 판단합니다.
그리고 로봇팔이나 바퀴, 관절 등을 움직여 실제 작업을 수행합니다.
즉 AI의 결과물이 더 이상 텍스트나 이미지로 끝나는 것이 아니라 현실세계의 ‘행동(Action)’으로 이어지는 것입니다.
Physical AI는 휴머노이드와 같은 말일까요?
여기서 저도 처음에 헷갈렸던 부분이 있습니다.
Physical AI = 휴머노이드일까요?
그렇지는 않습니다.
휴머노이드는 Physical AI가 현실세계에서 구현되는 여러 형태 가운데 하나라고 이해하는 것이 더 쉽습니다.
자율주행 자동차도 주변 차량과 보행자를 보고 판단해 움직입니다.
물류센터의 AMR도 장애물과 사람을 인식하고 경로를 바꿉니다.
로봇팔 역시 물건의 위치와 모양을 확인한 뒤 어떻게 집을지 결정할 수 있습니다.
드론이나 휴머노이드 역시 마찬가지입니다.
Physical AI
↓
자율주행차 · AMR · 로봇팔 · 드론 · 휴머노이드
따라서 Physical AI는 특정한 로봇 제품을 말하는 것이 아니라 AI가 현실세계를 인식하고 판단하며 행동할 수 있게 만드는 더 큰 개념이라고 이해하면 좋을 것 같습니다.
그런데 로봇은 예전부터 공장에서 일하지 않았을까요?
여기서 또 하나의 궁금증이 생깁니다.
자동차 공장에는 이미 수십 년 전부터 산업용 로봇이 있었습니다.
물류센터에도 컨베이어와 자동분류기, AGV와 AMR이 사용되고 있습니다.
그렇다면 요즘 이야기하는 Physical AI는 기존 자동화와 무엇이 다를까요?
저는 그 차이를 ‘정해진 일을 반복하는 것’과 ‘상황을 보고 대응하는 것’의 차이로 이해하고 있습니다.
기존 산업용 로봇은 정해진 위치에서 정해진 작업을 아주 빠르고 정확하게 반복하는 데 뛰어납니다.
하지만 물건의 위치가 달라지고, 사람이 갑자기 지나가고, 처음 보는 상품이 나타나는 것처럼 환경이 계속 변하면 문제가 어려워집니다.
Physical AI가 주목받는 이유는 바로 이런 예측하기 어려운 현실세계에 로봇이 적응하도록 만드는 것에 있습니다.
예전에 「중국 물류 이야기」에서도 기존 자동화 설비만으로 해결하기 어려운 작업들이 왜 남아 있고, 그 빈틈에서 휴머노이드가 등장하고 있는지를 살펴본 적이 있습니다.
👉 [중국 물류 이야기] 시즌1 총정리｜자동화에서 휴머노이드까지
로봇도 처음부터 일을 잘하는 것은 아닙니다
그런데 여기에서 더 어려운 문제가 생깁니다.
사람에게는 아주 쉬운 일이 로봇에게는 상당히 어렵다는 것입니다.
예를 들어 사람이 처음 보는 상자를 발견하면 크기와 위치를 보고 자연스럽게 손을 뻗어 집습니다.
하지만 로봇이 같은 일을 하려면 상자를 인식하고, 거리와 방향을 계산하고, 어느 정도의 힘으로 잡을지 판단해야 합니다.
그리고 실패하면서 계속 배워야 합니다.
그래서 최근 중국의 휴머노이드 기업들을 보다 보면 로봇 자체만큼이나 Training Ground, 학습 데이터, 시뮬레이션 이야기가 많이 등장합니다.
저도 이전 글에서 휴머노이드가 어떻게 일을 배우고, 왜 수많은 실패 데이터가 필요한지를 다룬 적이 있습니다.
👉 함께 읽기｜휴머노이드는 어떻게 일을 배울까? 중국 물류 이야기 제6편
Physical AI에서 시뮬레이션이 중요한 이유도 여기에 있습니다.
현실의 공장에서 로봇을 수십만 번 넘어뜨리고 충돌시키면서 학습시킬 수는 없기 때문입니다.
그래서 실제와 비슷한 가상공간에서 먼저 수없이 연습하고 실패한 뒤 그 학습 결과를 현실의 로봇에 적용하는 Sim-to-Real 방식이 중요해지고 있습니다.
그리고 이제 AI가 제조와 물류 현장으로 들어오고 있습니다
제가 Physical AI에 관심을 갖는 가장 큰 이유도 여기에 있습니다.
저는 중국에서 제조와 물류 관련 기업들을 만나면서 최근 몇 년 사이 로봇을 바라보는 질문이 조금씩 달라지고 있다는 것을 느낍니다.
예전에는
“이 로봇이 얼마나 빨리 움직입니까?”
가 중요했다면 이제는
“이 로봇이 처음 보는 상황에서도 스스로 판단할 수 있습니까?”
라는 질문이 점점 중요해지고 있습니다.
실제로 최근 중국 물류 현장에서는 AMR, 로봇팔, 무인배송차량, 드론과 같은 서로 다른 형태의 로봇들이 함께 사용되는 방향으로 발전하고 있습니다.
얼마 전 살펴본 징동물류 역시 하나의 휴머노이드가 모든 일을 하는 방식이 아니라 여러 종류의 전문 로봇과 무인차량, 드론을 AI와 시스템으로 연결하는 방향을 보여주고 있습니다.
👉 [News Or Nius] #57｜징동이 로봇 300만 대를 산다? 중국 물류센터에서 사람이 사라질까
반대로 기술이 빠르게 발전한다고 해서 모든 로봇이 바로 사업적으로 성공하는 것도 아닙니다.
중국 휴머노이드 산업에서도 이제는 멋진 데모보다 실제 고객이 구매하고 반복적으로 사용할 수 있는지, 그리고 ROI가 나오는지가 중요해지고 있습니다.
👉 [News Or Nius] #56｜중국도 로봇 거품을 걱정하기 시작했다?
Physical AI를 한 문장으로 기억한다면
오늘은 조금 생소할 수 있는 Physical AI에 대해 알아봤습니다.
어려운 기술용어를 모두 기억할 필요는 없을 것 같습니다.
저 역시 이번 시리즈를 준비하면서 가장 쉽게 이해할 수 있는 방법을 찾고 있습니다.
오늘 내용에서 한 문장만 기억한다면 이것이면 충분합니다.
“생성형 AI가 생각하고 답하는 AI라면, Physical AI는 현실세계를 보고, 판단하고, 행동하는 AI다.”
지난 제1편에서 살펴봤던 AI Value Chain과 연결하면 이제 흐름이 조금 더 선명해집니다.
AI INFRA
↓
AI MODEL
↓
GENERATIVE AI / AI AGENT
↓
PHYSICAL AI
↓
ROBOT · AMR · HUMANOID
↓
MANUFACTURING · LOGISTICS
그런데 여기에서 저는 또 하나의 궁금증이 생겼습니다.
“AI는 어떻게 현실세계를 이해하고, 처음 보는 물건을 알아보고, 사람의 말을 실제 로봇의 행동으로 바꿀 수 있을까요?”
이 질문을 이해하기 시작하면 휴머노이드가 단순히 사람처럼 생긴 기계가 아니라는 것도 조금씩 보이기 시작합니다.
「AI가 현장으로 왔다」 제3편에서는 AI가 ‘몸’을 통해 세상을 배우는 Embodied AI에 대해 아주 쉽게 공부해보겠습니다.
그리고 이후에는 VLA(Vision-Language-Action), 로봇 학습 데이터, 휴머노이드, 제조·물류 현장 적용까지 한 단계씩 이어가보겠습니다.
저도 공부하면서 함께 정리해보겠습니다.
이상 밥무쓰리부팅이었습니다. 감사합니다.
댓글 쓰기