Korea Advances Physical AI Across Industries With NVIDIA

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

NVIDIA는 Samsung Electronics·Kakao Mobility·LG Electronics와 반도체 엔지니어링, 자율주행, 제조 로봇 분야에서 협력하며 한국의 피지컬 AI가 개발에서 실제 생산 현장으로 이어지도록 지원하고 있다.

📌 핵심 요약

• Samsung Electronics는 재료 연구·공정 개발·소자 엔지니어링에서 NVIDIA와 협력을 확대하고 있으며, NVIDIA cuISS·NVIDIA cuDSS를 활용한 희소 선형 시스템 계산과 공정·광학 시뮬레이션의 GPU 가속을 추진하고 있다.
• Samsung의 sMOL 플랫폼은 NVIDIA cuEST로 일부 양자화학 계산의 전체 실행 시간을 최대 5배 단축했으며, 원자 수준 AI 모델의 학습·추론에 쓰이는 텐서 연산을 가속하기 위해 NVIDIA cuEquivariance 활용도 탐색하고 있다.
• Samsung은 NVIDIA PhysicsNeMo로 칩 규모 열·기계 분석을 개발하고 있다. 한 AI 균질화 사례에서는 AI 예측 물성·성긴 격자·GPU 가속을 결합해 32코어 CPU의 미세 격자 계산 약 18시간을 GPU의 성긴 격자 계산 41초로 줄여 약 1,600배 가속했다. NVIDIA Agent Toolkit은 향후 시뮬레이션 도구와 AI 모델을 연결할 수 있는 가능성으로 제시됐다.
• Kakao Mobility는 강남 지역 운행 경험과 자체 소프트웨어에 NVIDIA DRIVE AGX Thor 기반 NVIDIA Hyperion 및 NVIDIA Halos를 결합해 레벨 4 자율주행 시스템을 개발할 계획이다. 초기 개발은 Kia 목적 기반 차량을 중심으로 추진하며, 한국의 향후 레벨 4 모빌리티 서비스 지원을 목표로 한다.
• LG Electronics와 NVIDIA는 실제 제조 환경에서 CLOiD 로봇의 NVIDIA Isaac GR00T 기반 조작·제조 작업을 성공적으로 시연했다. 실제 데이터 수집, NVIDIA Cosmos 기반 데이터 증강, GR00T 학습, NVIDIA Jetson AGX Thor 온보드 연산, 시뮬레이션 평가를 연결해 반복적인 로봇 개발·검증에 재사용할 수 있는 흐름을 구현했다.

🧩 주요 포인트

1. 반도체 계산 가속은 개별 연산부터 칩 분석까지 확장되고 있다. 최대 5배와 약 1,600배라는 성과는 각각 특정 계산과 복합적인 분석 방식 변경에서 나온 결과이므로 적용 범위를 구분해 해석해야 한다.
2. Kakao Mobility의 레벨 4 자율주행은 차량 연산·센서 플랫폼과 개발·검증 단계의 안전 기술을 함께 활용하는 계획이며, 향후 서비스 지원이라는 목표와 현재의 개발 계획을 구별할 필요가 있다.
3. LG Electronics의 실제 제조 환경 시연은 데이터 수집부터 학습·온보드 연산·평가까지 연결한 결과다. 재사용 가능한 흐름을 통해 CLOiD의 제조 작업 능력을 반복적으로 개선하는 기반을 마련했다.

🧠 상세 정리

1. 반도체 연구와 공정 계산으로 확장되는 협력

NVIDIA는 한국의 제조업과 엔지니어링 역량을 바탕으로 반도체, 자율주행, 로봇 분야의 피지컬 AI 생태계 발전을 지원하고 있다. Samsung Electronics와의 협력은 재료 연구, 공정 개발, 소자 엔지니어링을 포괄하며 가속 컴퓨팅과 AI 물리를 반도체 혁신에 적용하는 데 초점을 둔다. 기술 컴퓨터 지원 설계에서는 NVIDIA cuISS와 NVIDIA cuDSS로 희소 선형 시스템 관련 계산을 가속하는 작업을 진행하고, 공정 및 광학 시뮬레이션의 GPU 가속으로도 협력을 넓히고 있다. 재료 연구용 sMOL 플랫폼에서는 NVIDIA cuEST를 이용한 일부 양자화학 계산이 전체 실행 기준 최대 5배 빨라졌다. 원자 수준 AI 모델의 학습과 추론에 필요한 텐서 연산을 가속하기 위한 NVIDIA cuEquivariance 활용은 탐색 단계로 소개됐다.

2. 칩 분석의 가속 성과와 엔지니어링 에이전트 가능성

Samsung은 NVIDIA PhysicsNeMo를 활용해 칩 규모의 열·기계 분석 작업 흐름을 개발하고 있다. 한 AI 균질화 사례에서는 AI가 예측한 유효 재료 물성, 성긴 격자, GPU 가속을 결합해 약 1,600배의 속도 향상을 얻었다. 비교 대상은 32코어 CPU에서 미세 격자로 약 18시간이 걸린 계산과 GPU에서 성긴 격자로 41초가 걸린 계산이므로, 이 수치는 여러 변경을 결합한 특정 사례의 결과다. 향후에는 NVIDIA Agent Toolkit이 이러한 시뮬레이션 도구와 AI 모델을 연결해 엔지니어링 에이전트의 분석 실행과 설계 대안 비교를 도울 수 있다는 가능성이 제시됐다. 이 연결은 이미 구현된 성과가 아니라 앞으로의 활용 방향으로 설명됐다.

3. 레벨 4 자율주행을 위한 차량 연산과 안전 기술

Kakao Mobility는 NVIDIA의 자율주행 차량 연산 및 안전 기술을 바탕으로 레벨 4 자율주행 시스템 개발을 진전시킬 계획이다. 자체 주행 소프트웨어와 서울 강남 지역에서의 운행 경험을 NVIDIA 차량 연산 플랫폼과 결합하는 구상이다. 센서와 연산을 위한 참조 플랫폼으로 NVIDIA DRIVE AGX Thor 기반 NVIDIA Hyperion을 사용할 예정이며, 자율주행 기술의 개발과 검증 전반에서 안전을 지원하기 위해 NVIDIA Halos도 활용할 계획이다. 초기 개발은 Kia 목적 기반 차량을 중심으로 Kakao Mobility의 소프트웨어와 NVIDIA 기술을 통합하는 방식으로 추진된다. 목표는 한국에서 향후 레벨 4 모빌리티 서비스를 지원하는 것으로, 원문은 이를 서비스 출시 성과가 아닌 개발 계획으로 제시한다.

4. 실제 제조 환경에서 검증한 로봇 학습 흐름

LG Electronics와 NVIDIA는 실제 제조 환경에서 LG의 CLOiD 로봇을 이용해 NVIDIA Isaac GR00T 기반 로봇 조작과 제조 작업을 성공적으로 시연했다. 협력 과정에서는 실제 데이터 수집, NVIDIA Cosmos 기반 데이터 증강, GR00T 모델 학습을 연결하는 피지컬 AI 데이터 순환 구조를 구현했다. 여기에 NVIDIA Jetson AGX Thor의 온보드 연산과 시뮬레이션 기반 평가를 포함해 로봇 능력의 지속적인 개발과 검증에 재사용할 수 있는 작업 흐름을 마련했다. 양사는 이 작업을 바탕으로 제조용 로봇을 학습시키고 평가하며 개선하는 과정을 반복 가능한 형태로 다듬고 있다. 실제 현장 시연과 연결된 학습·평가 과정은 피지컬 AI를 개발 단계에서 생산 현장으로 옮기려는 원문의 흐름을 보여준다.

🧾 핵심 주장 / 시사점

• Samsung의 사례는 반도체 엔지니어링의 가속이 GPU 활용뿐 아니라 AI 기반 물성 예측과 계산 격자 변경의 결합으로도 이루어짐을 보여준다.
• 세 기업의 진행 단계는 서로 다르다. Samsung은 특정 계산의 가속 성과와 탐색 중인 기술을 함께 제시했고, Kakao Mobility는 개발 계획을, LG Electronics는 실제 제조 환경의 시연 성과를 제시했다.
• NVIDIA Agent Toolkit을 통한 도구 연결 가능성과 LG Electronics의 데이터 순환 구조는 개별 모델이나 연산의 성능을 넘어 여러 개발·검증 단계를 연결하려는 방향을 보여준다.

✅ 액션 아이템

• Samsung의 최대 5배와 약 1,600배 가속 성과를 각각의 적용 범위와 계산 방식 변경 조건에 맞춰 구분해 검토.
• Kakao Mobility의 레벨 4 자율주행 개발 계획에서 NVIDIA Hyperion·NVIDIA Halos의 역할과 향후 서비스 지원 목표를 구분해 파악.
• LG Electronics의 CLOiD 제조 작업 개선에서 데이터 수집·GR00T 학습·시뮬레이션 평가를 연결한 반복 개발 흐름을 검토.

❓ 열린 질문

• Samsung의 최대 5배와 약 1,600배 가속 성과는 각각 어떤 계산 범위와 조건까지 적용될 수 있는가?
• Kakao Mobility의 레벨 4 자율주행 개발에서 NVIDIA Hyperion과 NVIDIA Halos의 결합은 개발·검증에 어떻게 기여할 것인가?
• LG Electronics는 데이터 수집·GR00T 학습·시뮬레이션 평가를 연결한 흐름으로 CLOiD의 제조 작업 능력을 어떻게 지속적으로 개선할 것인가?