삼성도 혼자 못하는 로봇, 살길은 오직 하나입니다 - 공경철 교수 (카이스트 기계공학과)

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

삼성 같은 대기업도 혼자 완성할 수 없는 피지컬 AI 로봇의 유일한 살길은 표준 모듈·데이터 공유·협력 생태계를 국가 플랫폼으로 묶는 것입니다.

📌 핵심 요점

1. 피지컬 AI는 언어 모델을 로봇에 탑재하는 기술이 아니라, 현실과 직접 상호작용하며 몸의 동작을 반복 학습하는 물리 지능을 구현하는 기술이다. 논리적 판단과 운동 학습은 서로 다른 계층에서 작동한다.
2. 로봇의 지능은 신뢰할 수 있는 몸에서 출발한다. 센싱·구동·제어·반사 반응을 통합한 액추에이터가 안정적인 동작과 양질의 데이터를 만들고, 그 위에 전신 제어와 상위 판단 AI가 결합된다.
3. 한국은 제조 현장의 데이터와 검증 환경, 액추에이터·제어회로를 포함한 하드웨어 기반을 갖췄다. 그러나 기존 로봇 기술을 무시하거나 외산 휴머노이드 보급에 치우치면 국내 원천 기술과 인재 생태계를 축적하기 어렵다.
4. 엔비디아의 GPU·AI 역량과 한국의 현장 데이터·도메인 지식은 상호보완적이지만, 협력의 성과는 데이터 통제권과 파생 기술의 권리, 투자 대비 이익 배분을 조율할 거버넌스에 달려 있다.
5. 피지컬 AI는 단일 기업의 수직계열화보다 표준 액추에이터 모듈, 공용 데이터셋, 기술 공유와 공동 개발 플랫폼이 중요한 산업이다. 해커톤 사례는 소수 핵심 부품을 개방해도 다양한 로봇 제품을 빠르게 구현할 수 있음을 보여준다.

🧩 배경과 문제 정의

• 피지컬 AI의 핵심은 기존 언어 모델을 로봇에 넣는 데 있지 않고, 현실과 상호작용하며 몸의 동작을 학습하는 물리 지능을 구축하는 데 있다.
• 한국은 제조 인프라·현장 데이터·로봇 하드웨어를 바탕으로 세계 선두를 노리지만, 기존 로봇 기술을 무시하거나 외산 휴머노이드 보급에 예산을 집중하면 국내 역량을 축적하기 어렵다.
• 엔비디아와의 협력은 GPU·AI 역량과 한국의 데이터·도메인 지식·실증 기반을 결합할 기회인 동시에, 데이터 주권과 이익 배분을 지킬 거버넌스를 요구한다.
• 물리 데이터를 생산할 로봇을 안정적으로 움직이려면 구동·센싱·제어를 통합한 액추에이터 모듈과 국내 인재들이 협력할 개발 생태계가 필요하다.

🕒 시간순 섹션별 상세정리

1. 피지컬 AI가 뜻하는 현실 세계의 지능

• 피지컬 AI는 짧고 명확하게 정의하기 어려운 개념인데도 큰 기대가 몰리면서 기술적 기대감과 불안감이 함께 커졌다. [00:35]
• 인공지능이 물리적 상호작용을 통해 몸을 얻고 현실에서 스스로 결정한 행동을 수행하며, 에이전틱 AI 이후의 마지막 단계이자 가장 어려운 최종 난제로 향한다. [01:00]

2. 언어 지능과 물리 지능의 근본적 차이

• 현재의 AI는 언어 지능을 고도화해 판단 능력까지 확장했지만, 몸을 움직이고 물리적 환경에 대응하는 지능은 언어 모델과 구조가 다르다. [01:53]
• 아이는 선천적 감각과 반복 경험을 통해 자기 몸을 움직이는 법을 배우며, 이 학습 과정은 언어를 익히는 과정과 동일하지 않다. [02:22]

3. 화면 속 물리 묘사와 실제 신체 학습의 간극

• 생성 AI가 영상에서 공의 궤적과 사람의 반응을 자연스럽게 구현해도, 이는 책이나 영상처럼 관찰 가능한 자료에서 습득한 지식에 가깝다. [04:05]
• 날아오는 테니스공의 위치에 맞춰 몸과 라켓을 움직이는 능력은 직접적인 신체 훈련이 필요하며, 텍스트나 영상 학습만으로는 획득할 수 없다. [04:23]

4. 판단과 반복 훈련으로 계층화되는 운동 지능

• 농구 슈팅은 같은 동작을 반복하다가 실패가 계속될 때 자세의 문제를 판단하고 수정하며, 언어·판단 지능은 이 수정 단계에 개입한다. [04:51]
• 자세를 바꾸기로 결정한 뒤에는 다시 반복 훈련으로 몸을 적응시켜야 하므로, 논리적 판단과 물리적 학습은 서로 다른 계층을 이룬다. [05:13]

5. 지능형 로봇과 자동화가 축적해 온 기반

• 로봇 분야는 상황을 지능적으로 판단하는 로보틱스와 지시받은 작업을 안정적으로 반복하는 자동화를 구분하면서 함께 발전해 왔다. [07:40]
• 자동화 로봇에는 신뢰성·안전성·법적 규제가 중요하고, 지능형 로봇에는 적은 지시만으로 사용자의 의도를 이해하는 능력이 중요하다. [08:21]

6. 새로운 연산 자원과 기존 로봇 기술의 결합

• 과거와 비교할 수 없는 연산 능력, 발전한 AI 기술, 축적된 데이터 덕분에 이전에는 어려웠던 로봇 문제를 해결할 가능성이 커졌다. [09:11]
• 새로운 기술만 좇아 모든 것을 원점에서 다시 만들면 기존 로봇·자동화 분야가 이미 확보한 강점을 잃을 수 있으므로, 새 자원과 축적된 기술을 함께 활용해야 한다. [09:27]

7. 두 차례의 충격과 한국의 피지컬 AI 집중

• 한국은 2022년 말 챗GPT 등장 이후에도 AI의 수익성과 투자 타당성을 의심하고, 데이터·연산·인재 측면에서 미국과 경쟁하기 어렵다는 방관자적 태도를 보였다. [10:18]
• 2025년 초 딥시크는 더 적은 비용과 GPU 인프라로도 높은 품질의 언어 모델을 만들 수 있음을 보여주며 한국에 두 번째 충격을 줬다. [11:05]

8. 2030년 세계 1위 목표와 한국의 제조 역량

• 한국의 피지컬 AI 목표는 세계 3강 진입이 아니라 2030년 세계 1위이며, 아직 선두가 확정되지 않은 시장에서 주도권을 선점하려는 전략이다. [12:27]
• 6월 말 메가 프로젝트 구상은 반도체·AI 데이터센터·피지컬 AI에 총 2,000조 원을 투자하고, 피지컬 AI 세계 1위를 놓치지 않겠다는 방향을 담았다. [12:47]

9. 엔비디아와 카이스트의 상호보완적 협력

• 엔비디아는 압도적인 GPU 인프라와 AI 연구 인력을 보유했지만, 피지컬 AI에 필요한 현장 데이터·도메인 지식·실증 인프라는 부족하다. [14:50]
• 한국은 제조 현장의 데이터와 지식, 검증 환경을 갖춘 반면 대규모 연산 자원과 AI 역량이 부족해 엔비디아와 서로의 결핍을 보완할 수 있다. [15:29]

10. 협력보다 먼저 지켜야 할 데이터 주권

• 현장 데이터의 주도권을 잃으면 후속 기술과 산업 경쟁력까지 연쇄적으로 흔들릴 수 있어, 데이터 통제권은 국가 주권에 준하는 핵심 자산이다. [17:34]
• 엔비디아와 협력하더라도 국내 데이터를 원본 그대로 넘길 필요는 없으며, 양측 모두 데이터 민감성을 인식한 상태에서 활용 범위와 보호 방식을 조정할 수 있다. [18:11]

11. 공동위원회가 조율하는 권리와 이익

• 투자·데이터·성과 배분 문제를 모두 해결한 뒤 연구를 시작하는 대신, 먼저 거버넌스 구조를 만들고 협력 과정에서 쟁점을 풀어 가는 방식을 택했다. [18:47]
• 공동위원회는 우려 사항을 정기적으로 안건에 올리고, 한국이 지킬 권리와 엔비디아가 투자로 얻을 성과를 함께 최대화하는 기준을 조정한다. [19:34]

12. 3D 프린팅 열풍이 남긴 산업정책의 교훈

• 3D 프린팅이 제조 생태계를 뒤엎을 것이라는 기대 속에서 정부와 기업이 경쟁적으로 투자했지만, 기술 성숙도보다 보급 속도를 앞세운 문제가 발생했다. [21:29]
• 성급한 투자는 외산 프린터를 수입해 교육·산업 현장에 설치하는 업체에 이익을 몰아줬고, 국내 기술 개발과 산업화·상품화로 이어진 사례는 찾기 어려웠다. [22:05]

13. 외산 휴머노이드 보급보다 필요한 인재 생태계

• 피지컬 AI 인재를 육성한다는 명분으로 중국산이나 완성도가 낮은 휴머노이드를 연구소에 우선 보급하는 흐름이 이미 나타났고, 다음 연도 정부 예산의 상당액도 보급 사업에 배정됐다. [23:09]
• 국내 인재에게 필요한 것은 외산 로봇을 개별적으로 체험하며 경쟁하는 환경이 아니라, 서로 협력해 원하는 피지컬 AI 시스템을 직접 만들 수 있는 공동 개발 기반이다. [24:14]

14. 로봇·데이터 순환의 출발점인 액추에이터

• 피지컬 AI 로봇은 물리 공간을 움직이며 환경과 상호작용하고 데이터를 축적해야 하므로, 로봇과 데이터 중 하나를 먼저 고르는 문제가 아니라 좋은 로봇으로 데이터 순환을 시작해야 한다. [25:13]
• 로봇을 안정적으로 만들기 위한 핵심 부품은 액추에이터이며, 피지컬 AI용 액추에이터의 성능과 공급 구조가 산업 경쟁력과 데이터 품질을 함께 좌우한다. [25:52]

15. 팩트 모듈과 통합형 액추에이터의 구조

• 웨어러블 로봇에 사용하던 액추에이터 기술을 피지컬 AI 산업에 개방해 ‘팩트’라는 피직스 레디 액추에이터 모듈로 공개하면서 국내 개발자가 활용할 기반을 넓혔다. [26:57]
• 팩트 공개 시점에 엔젤로보틱스 주가가 상한가를 이어갔고, 투자시장에서도 액추에이터를 피지컬 AI의 핵심 기술로 받아들이는 흐름이 나타났다. [27:28]

16. 액추에이터에서 시작되는 피지컬 AI

• 액추에이터가 중력을 보상하면서 원하는 힘과 동작을 정교하고 부드럽게 만들면, 사람이 상상하는 다양한 로봇 동작을 구현할 기반이 열린다. [30:03]
• 안정적으로 같은 동작을 반복하는 단계는 자동화에 가깝고, 몸이 신뢰성 있게 작동한 뒤에야 상황별 판단을 맡는 AI를 본격적으로 결합할 수 있다. [30:52]

17. 인간의 물리지능을 구현하는 공동 연구

• 액추에이터 기술은 이미 활용 단계에 들어섰기 때문에, 카이스트·엔비디아 연구센터는 새로운 구동기 개발보다 인간의 물리지능을 구현하는 데 집중한다. [32:53]
• AI가 판단하고 로봇의 몸이 물리적으로 상호작용하며, 그 과정에서 다시 데이터를 쌓아 스스로 발전하는 순환 구조가 인공 물리지능의 핵심이다. [33:03]

18. 원리 연구에서 산업별 응용으로의 확장

• 초기 연구는 사람이 어떻게 움직이는지를 깊이 분석하고 이를 AI로 구현하는 데 집중하며, 성과가 축적되면 연구 범위도 계속 넓어진다. [34:12]
• 제조·의료·재활·국방·일상생활이 주요 응용 영역이며, 인간 물리지능의 원리를 확보한 뒤 분야별 피지컬 AI로 확장하는 방향에 양측이 합의했다. [35:21]

19. 데이터 팩토리와 학습 방식의 한계

• 컵을 드는 동작을 학습시키기 위해 사람의 반복 시연, 기존 영상, 디지털트윈 시뮬레이션 등 서로 다른 방식으로 로봇 데이터를 생산한다. [36:16]
• 로봇 데이터를 대규모로 생산하는 데이터 팩토리가 새로운 산업으로 성장했고, 축구장 규모의 데이터센터와 원전급 전력까지 요구할 만큼 자원 경쟁도 커졌다. [37:00]

20. 계층형 분산 지능으로 바뀌는 로봇 제어

• 피규어 AI의 휴머노이드는 며칠 동안 택배 상자를 뒤집고 바코드를 처리하면서, 기존 휴머노이드보다 안정적이고 부드러운 움직임을 유지했다. [38:46]
• 판단을 맡는 상위 AI, 전신을 제어하는 중간 AI, 액추에이터의 힘을 조절하는 말단 제어를 분리하자 사람의 신경계와 비슷한 분산 지능이 형성되고 제어 안정성이 높아졌다. [39:00]

21. 형성되기 시작한 국내 로봇 생태계

• 로보티즈와 SPG 등은 피지컬 AI용 액추에이터를 모듈화해 플랫폼으로 공급하고 있으며, 엔젤로보틱스도 자체 구동 알고리즘을 결합한 액추에이터 모듈을 개발했다. [40:53]
• 새만금에는 로봇 파운드리와 부품 클러스터를 조성하려는 움직임이 있고, A로봇 등을 중심으로 단위 부품을 넘어선 완성형 로봇도 국내에서 나오기 시작했다. [41:24]

22. 중복 경쟁을 줄이기 위한 플랫폼화

• 로봇 핵심 기술은 개발에 많은 시간과 자본이 필요하지만, 한국은 미국이나 중국보다 인재와 자본을 여유 있게 투입하기 어려워 모든 조직이 독자 개발을 반복하기 힘들다. [43:21]
• 한 팀이 만든 기술이 다른 팀으로 확산되지 않고 경쟁적으로 다시 개발되면서 자원이 중복 투입되고, 빠르게 변하는 기술 환경에 대응할 속도도 떨어진다. [43:44]

23. 표준 모듈과 국가 단위 공동 산업

• USB와 HDMI의 표준화가 다양한 주변 장치를 탄생시킨 것처럼, 표준 데이터셋과 액추에이터 모듈을 누구나 활용하게 만들면 개발자는 핵심 부품을 반복해서 만들지 않고 응용 분야에 집중할 수 있다. [44:43]
• 피지컬 AI는 개인이나 단일 기업은 물론 삼성·LG 같은 대기업도 혼자 완성하기 어려우며, 대한민국 전체가 플랫폼의 주체가 되는 국가 산업으로 공동 발전해야 한다. [45:42]

24. 해커톤으로 검증한 플랫폼 전략

• 일부 기능을 개방한 액추에이터 모듈을 학생들에게 제공하고, 열 팀이 100시간 동안 원하는 로봇을 직접 만드는 해커톤을 진행했다. [46:13]
• 열 팀은 하나의 액추에이터를 기반으로 서로 다른 로봇을 구현했으며, 소수 핵심 부품의 표준화·데이터 공유·협력 문화만 갖춰도 다양한 상상력이 실제 제품으로 이어질 수 있었다. [47:02]

🧾 결론

• 피지컬 AI의 발전 순서는 신뢰성 있는 로봇 몸, 반복 상호작용을 통한 양질의 데이터, 상황을 판단하는 상위 AI의 결합이어야 한다.
• 한국의 경쟁력은 외산 완성품의 보급 대수가 아니라 제조 데이터와 국내 부품 기술을 재사용 가능한 표준 플랫폼으로 전환할 수 있는지에 달려 있다.
• 액추에이터와 데이터셋을 공동 기반으로 개방하면 한정된 인재와 자본의 중복 투자를 줄이고 개발자가 제조·의료·재활·국방 등 응용 문제에 집중할 수 있다.
• 엔비디아와의 협력은 필요한 연산 및 AI 역량을 보완할 수 있지만, 데이터 주권과 성과 배분을 지키는 제도적 장치가 함께 작동해야 장기적인 국내 산업 자산이 된다.

📈 투자·시사 포인트

• 액추에이터는 로봇의 동작 안정성과 데이터 품질을 동시에 좌우하므로 모듈 공급사와 구동·센싱·제어 기술 기업이 피지컬 AI 생태계의 핵심 병목을 해결할 후보로 부상할 수 있다.
• 엔젤로보틱스의 주가 반응은 시장이 액추에이터의 전략적 가치를 인식했음을 보여주지만, 단기 주가 상승만으로 기술 성능·표준 채택·양산 경쟁력이 입증되는 것은 아니다.
• 정책 자금의 성패는 외산 휴머노이드 보급 규모보다 국내 부품, 공용 데이터, 인재 협업 기반과 완성 로봇 기업을 연결하는 데 얼마나 배분되는지로 판단해야 한다.
• 조선·방산을 포함한 수요 기업과 부품·완성 로봇 기업이 연결되면 제조 현장의 실증 데이터가 다시 기술 개선으로 이어지는 산업 순환을 만들 수 있다.
• 데이터 팩토리와 대규모 연산 인프라에 대한 투자는 늘어날 수 있지만, 영상 데이터와 언어 모델만으로 운동 능력을 획득하기 어렵다는 한계를 반영해 실제 로봇 상호작용의 성과를 함께 평가해야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 2030년 세계 1위 목표와 총 2,000조 원 메가 프로젝트 구상은 제시됐지만, 확정 여부와 재원 구성, 피지컬 AI 배정액, 집행 주체 및 단계별 성과 지표는 자료에서 확인되지 않는다.
• ‘팩트’ 액추에이터 모듈의 구체적인 성능, 가격, 양산 능력, 인터페이스 표준, 개방 범위와 라이선스 조건은 제시되지 않아 경쟁력을 별도로 검증해야 한다.
• 엔비디아·카이스트 공동위원회가 데이터 소유권, 파생 모델의 권리, 해외 이전 범위와 이익 배분을 어떤 계약 조건으로 확정했는지는 공개된 내용만으로 판단하기 어렵다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 액추에이터 관련 기업을 검토할 때 센싱·구동·제어 통합 수준, 반복 동작의 신뢰성, 양산 능력, 고객 실증과 외부 개발자의 모듈 활용 가능성을 분리해 확인한다.
• 정부·기업의 피지컬 AI 사업을 외산 완성품 보급, 국내 핵심 부품 개발, 공용 데이터 구축, 공동 플랫폼 조성으로 나눠 실제 국내 역량 축적 비중을 비교한다.
• 엔비디아 등 해외 기업과의 협력에서는 원본 데이터 통제권, 허용된 활용 범위, 파생 성과의 소유권, 국내 재사용 권리와 수익 배분 기준을 체크리스트로 검토한다.
• 로봇 실증에서는 영상 학습량만 보지 말고 실제 상호작용 횟수, 동작 성공률, 안전성, 환경 변화에 대한 적응력과 데이터 재사용성을 함께 측정한다.

❓ 열린 질문

• 국가 단위 로봇 플랫폼의 표준을 누가 정하고 운영하며, 대기업·스타트업·대학이 어떤 권한과 책임으로 참여해야 하는가?
• 제조 현장 데이터를 보호하면서도 여러 기업과 연구자가 학습에 활용할 수 있도록 원본·가공 데이터와 파생 모델의 권리를 어떻게 구분할 것인가?
• 한국의 피지컬 AI 세계 1위를 평가할 기준은 로봇 생산량, 핵심 부품 점유율, 데이터 품질, 플랫폼 채택률과 산업별 실증 성과 중 무엇이어야 하는가?