[새로운 대한민국④] 피지컬 AI 고속도로, 지능이 공장과 도시로 들어가는 길

[KtN 박준식기자]경부고속도로가 화물을 움직였고, 정보고속도로가 데이터를 움직였다면 피지컬 AI는 지능을 현실 세계로 움직이게 한다. 반도체가 연산을 만들고 AI 데이터센터가 지능을 생산해도, 그 지능이 공장과 물류창고, 조선소, 농업 현장, 돌봄 공간으로 들어가지 못하면 AI 기반국가의 효과는 제한된다. 2026년 6월 29일 ‘대한민국 대도약 3대 메가프로젝트 국민보고회’에서 피지컬 AI가 반도체·AI 데이터센터와 함께 3대 축으로 제시된 이유도 여기에 있다.

피지컬 AI는 인공지능이 현실의 물체와 공간을 이해하고, 다음 행동을 예측하며, 기계와 로봇을 통해 실제 동작을 수행하는 기술이다. 기존 로봇이 사람이 정한 규칙과 반복 작업에 기대어 움직였다면, 피지컬 AI는 센서와 데이터, 월드모델, 로봇 제어 기술을 통해 변화하는 현장 조건에 반응한다. 문서와 코드, 이미지 중심으로 확산된 생성형 AI가 디지털 공간의 전환이었다면, 피지컬 AI는 제조와 물류, 이동, 돌봄, 안전을 바꾸는 물리적 전환이다.

산업통상부 발표는 AI 로봇을 자동차와 조선 등 전 산업의 생산 방식을 바꾸는 기술로 놓았다. 발표에서는 외산 로봇 의존이 고용 감소로 이어질 수 있고, 국내 로봇을 미래 산업으로 키울 경우 개발과 생산, 부품, 서비스 영역에서 새로운 일자리가 생길 수 있다는 인식도 제시됐다. 한국이 로봇을 잘 쓰는 나라에서 로봇을 잘 만드는 나라로 넘어가야 한다는 방향이다.

휴머노이드 로봇 시장에 대한 위기의식도 함께 나왔다. 산업통상부는 AI 휴머노이드 로봇이 2040년대 3억 대 규모에 이를 것으로 전망하면서, 한국의 지난해 점유율이 1% 수준이라고 밝혔다. 시장 판도가 굳어지기 전에 격차를 줄여야 한다는 판단 아래 제조업 AI 전환 가속화, 핵심 요소기술 확보, 지역 중심 양산체계 구축을 묶은 3M 전략이 제시됐다.

제조업 AI 전환은 피지컬 AI 전략의 첫 구간이다. 세계적 수준의 제조 기반에 AI 로봇을 결합해 생산성을 높이는 방향이다. 자동차, 조선, 반도체, 배터리, 가전, 철강, 석유화학 같은 주력 산업은 이미 자동화 경험을 갖고 있다. 그러나 기존 자동화는 정해진 공정과 반복 작업에 강했다. 피지컬 AI가 들어오면 공정 변화, 품질 편차, 설비 이상, 작업자 동선, 물류 흐름을 함께 읽는 방식으로 생산성이 달라진다.

공장 안의 AI는 단순히 사람을 대체하는 장비가 아니다. 설비가 멈추기 전에 이상 신호를 잡고, 로봇이 작업 순서를 조정하며, 물류 차량이 생산계획에 맞춰 이동하고, 품질검사 결과가 다음 공정 조건으로 돌아가는 구조가 만들어진다. 반도체 팹과 조선소, 자동차 공장처럼 공정이 복잡한 현장에서는 작은 지연과 오류가 전체 일정과 비용으로 번진다. 피지컬 AI는 이런 병목을 줄이는 현장 운영망으로 들어간다.

데이터 확보는 피지컬 AI의 가장 어려운 구간이다. 과학기술정보통신부 발표는 피지컬 AI의 첫 전략으로 데이터 확보 체계 구축을 제시했다. 언어모델은 웹에 쌓인 텍스트 데이터를 활용해 성장했지만, 피지컬 AI는 공장과 현장, 물체와 동작에서 데이터를 모아야 한다. 테니스공과 탁구공 하나만 놓고 봐도 크기와 무게, 표면 마찰, 탄성, 동작 방식이 다르다. 현실 세계의 물리 조건을 배우는 일은 디지털 문장을 학습하는 일보다 훨씬 느리고 비싸다.

민간 토론에서도 같은 지점이 확인됐다. 피지컬 AI 파운데이션 모델 개발 기업 측은 언어모델이 웹의 언어 데이터를 활용할 수 있었던 것과 달리, 피지컬 AI는 공장에서 사람들이 일하는 데이터부터 모아야 하므로 개발 난도가 더 높다고 설명했다. 동시에 제조 현장 데이터를 확보할 수 있는 한국의 산업 기반이 경쟁력이 될 수 있다는 판단도 제시됐다.

피지컬 AI의 데이터는 현장에 있다. 조립 공정에서 사람이 어느 각도로 부품을 잡는지, 용접 과정에서 숙련공이 어떤 소리와 진동을 감지하는지, 물류창고에서 물건의 무게와 모양에 따라 이동 경로가 어떻게 달라지는지, 돌봄 현장에서 사람의 체중과 자세에 맞춰 어떤 힘을 조절하는지가 모두 학습 대상이 된다. 텍스트 데이터처럼 쉽게 복제하거나 긁어모을 수 없다. 데이터팩토리와 현장 실증, 시뮬레이션 환경이 함께 필요하다.

월드모델 기반 피지컬 AI 파운데이션 모델은 이 전략의 중간축이다. 과학기술정보통신부는 실제 세상을 이해하고 행동을 예측할 수 있는 월드모델 기반의 피지컬 AI 파운데이션 모델을 만들어야 한다고 밝혔다. 범용 모델을 만든 뒤 각 분야별 특화 모델로 현장에 적용한다는 구상도 제시됐다. 현실 세계를 이해하는 공통 지능을 만들고, 자동차·조선·농업·안전·돌봄 같은 분야별 데이터로 조정하는 방식이다.

월드모델은 피지컬 AI가 단순 명령 수행을 넘어서는 데 필요한 기반이다. 로봇이 상자를 옮기려면 상자의 무게와 중심, 바닥의 마찰, 주변 장애물, 사람의 움직임을 예측해야 한다. 농업 로봇이 작물을 다루려면 잎과 줄기, 흙과 습도, 날씨와 생육 상태를 함께 읽어야 한다. 돌봄 로봇이 사람을 보조하려면 힘을 가하는 방향과 속도, 안전거리를 판단해야 한다. 피지컬 AI는 현실의 물리 법칙을 모르면 현장에 들어갈 수 없다.

풀스택 국산화도 중요한 축으로 제시됐다. 정부 발표에는 로봇, 범용 피지컬 AI 모델, 월드모델, 네트워크, 보안까지 피지컬 AI 풀스택을 국산화해 세계로 수출할 기반을 마련하겠다는 내용이 담겼다. 피지컬 AI 플랫폼을 수출 산업으로 키우고, 산학연이 원팀으로 결집할 수 있도록 지원하겠다는 방향도 제시됐다.

풀스택 국산화는 모든 기술을 닫힌 체계로 만들겠다는 뜻만으로 해석하기 어렵다. 로봇의 하드웨어, 센서, 제어 소프트웨어, 모델, 통신, 보안, 데이터 운영, 클라우드와 엣지 연산 가운데 어느 층위를 한국 산업이 반드시 확보해야 하는지 정하는 문제에 가깝다. 피지컬 AI가 제조 현장과 공공서비스, 안전 영역에 들어가면 외부 의존은 비용 문제를 넘어 산업 통제력과 보안 문제로 이어진다.

정부는 피지컬 AI가 주력 산업 생산성을 20% 이상 높일 수 있다는 목표도 제시했다. 공장뿐 아니라 돌봄 로봇, 지역 경제 활성화, 산업재해 사망 제로, 안전망 구현까지 활용 범위를 넓히겠다는 내용도 함께 나왔다. 제조업 생산성 향상과 복지 수요 대응, 안전 관리가 같은 기술축 안에 묶인 셈이다.

피지컬 AI가 제조 현장에 먼저 들어가는 이유는 한국 산업의 구조와 맞닿아 있다. 한국은 반도체, 자동차, 조선, 배터리, 전자, 철강, 석유화학 등 대형 제조업 기반을 갖고 있다. 생산라인과 협력업체, 공정 데이터, 숙련 인력, 장비업체가 이미 존재한다. 피지컬 AI는 이런 기반 위에 붙을 때 효과가 커진다. 제조업이 약한 국가는 현장 데이터를 만들기 어렵고, 로봇을 실증할 공정도 제한된다.

삼성의 투자계획도 피지컬 AI와 지역 산업 재편을 연결한다. 삼성은 휴머노이드 로봇 분야 투자를 언급하며, 로봇 수요가 공장뿐 아니라 가정, 식당, 병원, 요양시설 등 사회 곳곳에서 늘어날 것으로 전망했다. 삼성그룹 내부용 AI 데이터센터와 로봇 관련 투자는 경북 구미에 집중하겠다고 밝혔다.

구미는 전자·부품 제조 기반을 갖춘 지역이다. 로봇 투자가 이 지역에 배치된다는 것은 피지컬 AI가 단순 연구개발이 아니라 양산과 부품 생태계, 현장 실증을 함께 요구한다는 뜻이다. 로봇은 모델만으로 만들어지지 않는다. 모터, 감속기, 액추에이터, 센서, 배터리, 제어기, 통신 모듈, 보안 소프트웨어, 작업도구, 유지보수 체계가 필요하다. 피지컬 AI는 제조업과 소프트웨어가 만나는 산업이다.

정부의 3M 전략 가운데 핵심 요소기술 확보는 이 부분과 맞물린다. 로봇 손, 액추에이터, 센서 같은 취약 부품에 대한 투자, 데이터팩토리 구축, 로봇 전문인력 양성, 전문기업 육성은 피지컬 AI가 현장에서 작동하기 위한 하부 구조다. 로봇을 잘 쓰는 것과 로봇을 잘 만드는 것 사이에는 부품, 소프트웨어, 데이터, 생산기술의 격차가 있다. 한국이 피지컬 AI 강국으로 가려면 이 격차를 줄여야 한다.

양산체계도 피지컬 AI 전략의 성패를 가른다. 실험실에서 움직이는 로봇과 시장에서 팔리는 로봇은 다르다. 가격, 내구성, 안전성, 유지보수, 부품 공급, 현장 설치와 교육, 보험과 책임 기준이 함께 맞아야 한다. 정부가 지역 중심 양산 기반을 거론한 배경도 여기에 있다. 새만금 로봇 파운드리와 부품 클러스터, 대경권 부품기업 전환 같은 구상이 같은 맥락에서 제시됐다.

피지컬 AI는 AI 데이터센터와도 연결된다. 로봇과 현장 설비는 데이터를 만들고, 그 데이터는 데이터센터로 모여 모델을 개선한다. 개선된 모델은 다시 현장으로 배포돼 더 나은 작업을 수행한다. 대통령 모두발언에서도 피지컬 AI를 통해 현장에서 수집한 데이터가 데이터센터로 모여 산업 혁신을 만드는 선순환 체계를 구축해야 한다는 방향이 제시됐다.

이 순환이 만들어지면 제조업의 데이터 성격도 바뀐다. 지금까지 공장 데이터는 품질관리와 설비관리, 생산계획에 주로 쓰였다. 피지컬 AI 시대에는 공정 데이터가 모델 학습 자산이 되고, 작업자의 숙련이 로봇 제어 데이터로 바뀌며, 설비 운영 기록이 자동화 전략의 입력값이 된다. 현장을 많이 가진 기업과 국가가 더 많은 데이터를 만들고, 더 나은 모델을 만들 가능성이 커진다.

피지컬 AI는 고용 논쟁도 피할 수 없다. 산업통상부 발표는 외산 로봇 의존이 고용 감소로 이어질 수 있다고 봤고, 국내 로봇 산업을 키우면 개발과 생산, 부품, 서비스에서 일자리가 생길 수 있다고 설명했다. 실제 전환 과정에서는 일부 반복 작업의 감소와 새로운 기술직·운영직·정비직·데이터직의 증가가 동시에 나타날 가능성이 크다. 중요한 부분은 로봇을 수입해 쓰는 구조에 머물지 않고, 로봇을 설계하고 만들고 운영하는 산업층을 국내에 남기는 일이다.

안전과 돌봄은 피지컬 AI의 또 다른 적용 영역이다. 제조업에서는 위험 작업을 줄이고, 물류와 건설 현장에서는 사고 가능성을 낮추며, 돌봄 현장에서는 인력 부족을 보완할 수 있다. 다만 사람의 신체와 직접 접촉하는 로봇은 공장 자동화보다 더 높은 안전 기준을 요구한다. 속도와 힘, 오작동 대응, 개인정보, 책임 소재, 보험 체계까지 함께 정해야 한다. 피지컬 AI가 생활공간으로 들어갈수록 규제와 사회적 신뢰도 기술만큼 중요해진다.

피지컬 AI 고속도로는 반도체 고속도로와 AI 데이터센터 없이는 완성되지 않는다. 로봇이 현장에서 판단하려면 센서와 엣지 반도체가 필요하고, 대규모 모델을 개선하려면 데이터센터가 필요하다. 로봇이 늘어날수록 추론 수요가 커지고, 추론 수요는 다시 AI 반도체와 데이터센터 투자를 부른다. 피지컬 AI는 3대 메가프로젝트의 마지막 축이면서 앞선 두 축의 수요를 만들어내는 현장 기반이다.

대한민국 산업 모델의 흐름도 이 지점에서 바뀐다. 경부고속도로는 공장과 항만을 묶어 제조업 수출국가를 만들었다. 정보고속도로는 사람과 기업을 연결해 인터넷과 디지털 산업을 키웠다. 피지컬 AI는 지능을 현실 세계로 내려보내 제조업과 서비스, 공공 안전과 돌봄을 다시 설계하는 기반망이 될 수 있다. 반도체가 연산을 만들고 데이터센터가 지능을 생산한다면, 피지컬 AI는 그 지능을 국가 경제의 실제 움직임으로 바꾸는 통로다.

피지컬 AI의 평가는 로봇 시연보다 현장 확산에서 갈릴 가능성이 크다. 데이터팩토리 구축, 월드모델 개발, 취약 부품 국산화, 구미와 새만금 등 지역 양산 기반, 제조 현장 실증, 안전 기준, 전문인력 양성이 함께 움직여야 한다. 발표된 목표가 산업 기반망으로 자리 잡으려면 공장과 농장, 물류창고, 병원, 요양시설, 재난 현장에서 작동하는 데이터와 장비가 쌓여야 한다. AI 시대의 세 번째 기반망은 서버 안에서 끝나지 않는다. 지능이 실제 공간에서 움직이기 시작할 때 피지컬 AI 고속도로의 효과가 드러난다.