대한민국 대도약 3대 메가프로젝트 국민보고회/ 260629 (부총리겸 과학기술 정보통신부 장관 발언)
솔직히 저는 피지컬 AI라는 말을 처음 들었을 때 그냥 로봇에 AI를 얹은 것 아닌가 싶었습니다. 그런데 자세히 파고들수록 이건 단순한 기술 업그레이드가 아니라, 로봇이 스스로 생각하고 행동하는 완전히 다른 패러다임이라는 걸 알게 됐습니다. 그리고 우리나라가 지금 이 판에서 얼마나 중요한 위치에 있는지, 동시에 얼마나 급박한 상황인지를 보고 적잖이 긴장했습니다.
피지컬 AI, 기존 로봇과 뭐가 다를까요?
기존 로봇이 어떻게 작동하는지 생각해보신 적 있으신가요? 사람이 "이 상황에서는 이렇게 해"라고 규칙을 하나하나 입력해두면, 로봇은 그 규칙 안에서만 움직입니다. 공장 자동화 라인을 떠올리면 됩니다. 정해진 동작을 반복하는 수동적인 도구죠.
피지컬 AI(Physical AI)는 다릅니다. 여기서 피지컬 AI란 카메라나 센서로 주변 상황을 스스로 인식하고, 어떤 행동이 최선인지 판단한 뒤 직접 실행하는 자율적인 로봇 지능 시스템을 말합니다. 사람이 미리 정해둔 규칙이 필요 없습니다. 이 차이가 작아 보여도, 실제로는 산업과 일상 전반의 대전환을 의미합니다.
그런데 여기서 제가 처음에 간과했던 게 있습니다. 피지컬 AI를 제대로 작동시키려면 엄청난 양의 데이터가 필요하다는 사실입니다. 생성형 AI, 즉 챗GPT 같은 대규모 언어 모델(LLM)은 인터넷에 올라온 텍스트와 이미지를 학습해서 사실상 10만 년치 분량의 데이터를 확보하고 있습니다. 반면 피지컬 AI가 현재 보유한 데이터는 약 1만 시간 수준에 불과합니다(출처: Epoch AI). 격차가 어마어마하죠.
왜 이 격차가 생기는지 생각해보면, 피지컬 AI의 데이터가 얼마나 모으기 어려운지 감이 옵니다. 테니스공 하나를 로봇이 다루려면 크기, 무게, 표면 마찰 계수, 탄성 계수를 모두 반영한 데이터가 필요합니다. 탁구공은 또 다릅니다. 축구공, 농구공도 마찬가지입니다. 물체마다, 동작마다 데이터를 새로 쌓아야 합니다. 제 경험상 이런 구조를 처음 접하면 "그냥 많이 모으면 되는 거 아닌가" 싶지만, 현실은 전혀 그렇지 않습니다. 가상 시뮬레이션으로 합성 데이터(Synthetic Data)를 만드는 것도 이 문제를 해결하기 위한 핵심 전략 중 하나입니다. 합성 데이터란 실제 현장이 아닌 컴퓨터 가상 환경에서 인공적으로 생성한 학습용 데이터를 의미합니다.
- 기존 로봇: 사람이 입력한 규칙 기반 동작, 예외 상황 대응 불가
- 피지컬 AI: 상황 인식 → 판단 → 행동의 자율적 루프 작동
- 데이터 격차: LLM 대비 피지컬 AI 학습 데이터는 현재 극히 초기 단계
- 해법: 현장 데이터 + 합성 데이터 병행 확보가 필수
한국의 전략, 풀스택 국산화가 가능할까요?
여기서 한 가지 솔직한 의문이 생겼습니다. 데이터를 모으고 모델을 만드는 것까지는 이해가 됩니다. 그런데 "풀스택 국산화"라는 말이 나왔을 때, 이게 정말 현실적인 목표인지 의심이 들었습니다.
풀스택(Full-Stack)이란 로봇 하드웨어부터 피지컬 AI 파운데이션 모델, 월드 모델, 네트워크, 보안까지 AI 시스템의 전 계층을 의미합니다. 쉽게 말해 소프트웨어와 하드웨어를 통째로 국산화하겠다는 얘기입니다. 그리고 그 기반이 되는 것이 파운데이션 모델(Foundation Model)과 월드 모델(World Model)입니다. 파운데이션 모델이란 다양한 분야에 범용으로 적용 가능한 대형 AI 기반 모델이고, 월드 모델은 AI가 물리적 세계의 법칙을 이해하고 행동의 결과를 미리 예측할 수 있게 하는 내부 시뮬레이터입니다. 이 두 가지를 3년 안에 세계 최고 수준으로 만들겠다는 게 정부의 목표입니다.
제가 이 부분을 접하면서 느낀 건, 목표 자체는 명확하다는 겁니다. 농업, 제조, 안전, 돌봄 같은 분야별 특화 모델을 범용 파운데이션 모델 위에서 파생시키는 구조는 꽤 합리적으로 보입니다. 실제로 AI 반도체 분야에서도 의미 있는 움직임이 있습니다. 리벨리온, 모빌리트, 딥엑스 같은 국내 NPU(신경망 처리 장치, 즉 AI 연산에 특화된 반도체) 기업들이 7~8년의 연구 끝에 상용화 단계에 진입했습니다(출처: 과학기술정보통신부). NPU란 GPU 중심의 학습용 반도체와 달리, AI 추론 연산에 특화된 칩입니다.
지금 AI 시장은 학습(Training) 중심에서 추론(Inference) 중심으로 빠르게 이동하고 있습니다. 학습은 NVIDIA 같은 빅테크 GPU가 장악하고 있지만, 추론 시장은 아직 개방형 생태계입니다. 솔직히 이 타이밍이 예상 밖이었습니다. 한국 기업들에게 지금이 진짜 기회의 창이 열린 순간일 수 있겠다는 생각이 들었습니다.
AI 데이터센터와 토큰 이코노미, 이게 왜 중요한가요?
전 세계 AI 데이터센터 투자 규모가 5년간 5.5조 달러, 우리 돈으로 약 8,400조 원이라는 수치를 처음 봤을 때 솔직히 숫자 감이 잡히지 않았습니다. 젠슨 황 NVIDIA CEO가 "인류 역사상 최대 규모의 인프라 투자"라고 표현한 것이 과장이 아닌 이유가 여기 있습니다.
AI 데이터센터(AIDC)를 인체에 비유하면 이해가 쉽습니다. 로봇은 신체, 피지컬 AI 모델은 두뇌, 데이터는 혈액, 그리고 AI 데이터센터는 심장입니다. Epoch AI에 따르면 1기가와트(GW)급 AI 데이터센터를 구축하는 데 약 60조 원이 필요합니다. 정부는 2030년까지 8.4GW 규모, 550조 원 투자를 목표로 하고, 2035년까지는 총 18.4GW, 1,000조 원이 넘는 투자를 추진할 계획입니다.
그런데 제가 이 대목에서 가장 흥미롭게 본 것은 '토큰 이코노미(Token Economy)' 개념입니다. 토큰 이코노미란 AI 데이터센터가 생산하는 토큰, 즉 AI가 생성하는 언어와 행동의 기본 단위에 경제적 가치를 부여하는 체계를 말합니다. 1GW당 40조에서 400조 개의 토큰이 생산될 수 있다고 합니다. 이 토큰을 기반으로 피지컬 AI가 작동하고, 에이전틱 AI(자율적으로 목표를 설정하고 실행하는 AI)가 토큰을 소비하고 생성하는 순환 구조가 만들어집니다.
궁극적으로 정부가 그리는 그림은 '모두의 AI'입니다. 국민 누구나 비용 부담 없이 AI를 활용하는 사회, AI 기본 사회의 인프라가 바로 이 데이터센터 투자에서 시작됩니다. 저는 개인적으로 이 방향 자체는 설득력이 있다고 봅니다. 다만 토큰 이코노미가 실제 작동하려면 데이터센터 구축 속도만큼이나 거버넌스 설계가 따라줘야 한다는 점은 아직 더 구체화가 필요해 보입니다.
자주 묻는 질문
Q. 피지컬 AI와 일반 AI 로봇은 뭐가 다른가요?
A. 일반 산업용 로봇은 사람이 프로그래밍한 규칙 안에서만 움직입니다. 반면 피지컬 AI는 주변 환경을 스스로 인식하고, 상황에 맞는 행동을 자율적으로 판단합니다. 규칙 기반이냐, 자율 판단이냐의 차이가 핵심입니다. 그 자율성을 가능하게 하는 게 바로 파운데이션 모델과 월드 모델입니다.
Q. 피지컬 AI 데이터가 왜 이렇게 부족한 건가요?
A. 텍스트나 이미지 데이터는 인터넷에서 대량으로 수집할 수 있지만, 피지컬 AI 데이터는 현실 세계에서 물체를 직접 다루는 동작 하나하나를 기록해야 합니다. 물체마다 무게, 마찰 계수, 탄성이 다르기 때문에 같은 공이라도 테니스공과 탁구공의 데이터는 완전히 다릅니다. 이 때문에 가상 환경의 합성 데이터와 현장 데이터를 병행해서 쌓는 전략이 필요합니다.
Q. 한국 국산 AI 반도체 기업은 어디가 있나요?
A. 리벨리온, 모빌리트, 딥엑스가 대표적입니다. 이들은 7~8년간의 연구 개발을 통해 NPU(신경망 처리 장치) 기반 AI 칩을 상용화 단계까지 끌어올렸습니다. 특히 학습보다 추론에 특화된 시장에서 경쟁력을 키우고 있으며, 추론 시장이 개방형 생태계라는 점에서 진입 기회가 있습니다.
Q. 토큰 이코노미가 실제 우리 생활과 무슨 관계가 있나요?
A. AI가 언어를 생성하거나 행동을 실행할 때 사용하는 기본 단위가 토큰입니다. 토큰 이코노미는 이 토큰에 경제적 가치를 부여해서, AI 서비스 이용을 국민 누구나 비용 부담 없이 할 수 있도록 설계하는 구조입니다. AI 데이터센터가 많아질수록 토큰 생산량이 늘고, 그 혜택이 사회 전반으로 퍼지는 구조를 목표로 합니다.
결론
피지컬 AI를 처음 접했을 때 "또 정부 발표 아닌가" 싶었던 게 솔직한 반응이었습니다. 그런데 데이터 격차, 풀스택 국산화, 토큰 이코노미라는 세 가지 키워드를 파고들면서 이건 단순한 로드맵이 아니라 꽤 구체적인 전략 체계라는 인상을 받았습니다.
3년이 골든 타임이라는 말은 위기감을 강조하는 수사가 아닙니다. 합성 데이터 인프라를 갖추고, 월드 모델 기반 파운데이션 모델을 완성하고, 추론 반도체 시장에서 포지션을 잡는 것, 이 세 가지를 동시에 진행해야 하는 시간표가 실제로 촉박합니다. 피지컬 AI에 관심 있으신 분이라면, 국내 NPU 기업들의 상용화 흐름과 AI 데이터센터 투자 일정을 함께 추적해보시길 권합니다. 이 두 가지 방향이 맞물리는 시점이 한국 피지컬 AI의 실질적인 분기점이 될 것으로 보입니다.
| 원문 |
| 부총리겸 과학 기술 정보통신부 장관입니다. 피지컬 AI의 지능에 해당되는 AI 플랫폼에 대해서 말씀드리도록 하겠습니다. 기존 로봇하고이 피지컬 AI는 어떤 차이가 있을까요? 기존의 로봇은 인간이 가이드한 그 룰을 기반으로 작동을 합니다. 기존에는 수동적인 도구였죠. 이제 피지컬 AI는 사람처럼 상황을 인식하고 다음의 의사 결정을 예측하고 그리고 행동을 합니다. 지금의 피지컬 AI는 이런 자율성을 가지고 있고 이런 자율성으로 인해서 우리의 어떤 인간의 그 삶 그리고 산업 현장 일상생활이 변하는 대전환의 시기를 맞이하고 있습니다. 우리나라가 피지컬 AI를 선도할 최적 조건을 보유했다는 얘기를 많이들 합니다. 강력한 제조 기반의 산업 인프라 그리고 이제 우리나라도 세계적 수준의 인공지능 영향을 확보하고 있습니다. 이제 반도체는 세계 1, 2를 차지하는 기업들이 한국에 있습니다. 많은 기업들이 그리고 많은 국가에서 이 피지컬 AI를 선도하기 위해서 그리고 선점하기 위해서 많은 노력들을 기울이고 있습니다. 현재 우리가 방심할 때가 아닙니다.이 피지컬 AI 1강이 되기 위해서 앞으로의 3년이 골든 타임이라고 생각합니다. 이로 인해서 우리 정부는 국가 전략 산업으로 이 피지컬 AI를 지정해서 이끌어 가고자 합니다.이 첫 번째 전략으로 피지컬 AI의 데이터 확보체계 구축입니다. 사실 AI에서 핵심은 데이터입니다. 피지컬 AI의 데이터와 기존의 LMM 생성형 AI 데이터를 비교해 보면 기존의 생성형 AI는 어 10만 년에 달하는 데이터를 확보하고 있다면 지금의 피지컬 AI는 아 1만시간 정도 그 LMM 대비해서 턱없이 부족한 데이터 숫자입니다. 아, 예를 들어서 지금 피지칼 AI를 지금의 최고 수준의 LMM으로 만들기 위해서 10만 년의 시간이 걸릴 수도 있다는 얘기가 됩니다. 제가 이 피지컬 AI 데이터를 모으는 것이 얼마나 어려운지 제가 예시로 보여 드리겠습니다. 하나는 테니스 공이고 하나는 탁구공입니다. 크기가 다르죠. 무게도 다릅니다. 어, 그리고 이제이 표면 마찰 계수도 다르고요.이 탄력 계수도 좀 다릅니다. 이런 물리적인 법칙을 다 고려를 해야 됩니다. 그리고 이 테니스 공을 가지고 라켓으로 치기도 하고 던지기도 하고 이런 동작들이 필요합니다. 이러한 동작과 물리 법칙을 모두 고려한 그리고 탁구공, 테니스공, 축구공, 농구공 각 물체별로 데이터를 확보해야 됩니다. 현실적으로 어떻게 이 데이터를 다 확보합니까? 최대한의 노력으로 현장의 데이터를 확보해야 됩니다. 그러면서 우리가 피지컬 AI의 가상 이런 시뮬레이션 환경을 잘 구축해서 목적하는 과별로 우리는 가상의 합성 데이터도 만들어내는 것이 중요하다고 말씀드리고 싶습니다. 이렇게 데이터를 확보하는 체계를 갖추고 그다음 우리가 해야 될 일은 법용 피지컬 AI 파운데이션 모델을 만드는 겁니다. 그냥 피지컬 AI 범형 파운데이션 모델이 아니라 실제 세상을 이해하고 그리고 우리가 행동들을 예측할 수 있는 월드 모델 기반으로이 피지컬 파운데이션 모델을 만들어야 되고요. 시기도 3년 안에 우리가이 세계 1강이 되기 위해서는 반드시 만들어야 됩니다. 그리고 이렇게 만들어진 범용 피지컬 AI 파운데이션 모델을 기반으로 각 분야별로 특화된 특화 모델을 만들어서 현장에 적용을 해야 합니다. 이런 피지컬 AI를 가속하기 위해서 피지컬 AI 풀스택을 국산화하는 일도 중요합니다. 이 로봇, 아, 법형 피지컬 AI 모델, 월드 모델, 네트워크 보안이 모든 AI 풀스택을 우리가 국산화시켜서 세계로 수출할 수 있는 기반을 마련해야 됩니다. 정부는 산학연이 원티 원팀으로 결집할 수 있도록 지원하겠습니다. 또한 농업, 제조, 안전, 돌봄 등 다양한 분야에서 실증 사업을 할 수 있도록 지원하겠습니다.이를 이를 기반으로이 피지컬 AI 플랫폼이 수출 산업이 될 수 있도록 적극적으로 정부가 지원하도록 하겠습니다. 이제 이 피지컬 AI로 우리 주력 산업의 생산성을 20% 이상 높여서 초격차를 만들고 공장뿐만 아니라 백내에서도 이 로봇을 도입해서 복지 수요에 대응하고 그리고 지역 경제 활성화 그리고 산재 사망 제로 안정망 구현까지 피지컬 AI로 대한민국의 성장 활로를 만들고 지속 가능한 성장 전략을 만들어 가겠습니다.이어서 이어서 AI 데이터 센터에 대해서 보고 드리도록 하겠습니다. 5.5조 달러 우리나라 돈으로 8,400억 아 8,400조 달러에 달합니다. 어마어마한 숫자죠. 기존에 보지 못한 투자 금액이라고 할 수도 있습니다. 5년간 전 세계에서 인공지능 데이터 센터에 투자하겠다는 금액입니다. 젠슨왕도 말했습니다. 인류 역사상의 최대 규모의 인프라 투자가 진행될 것이다. 우리 AI 데이터 센터에 대해서 좀 비교를 해 보면 우리가 로봇이 사람의 신체 같고 우리 피지컬 AI 모델이나 월드 모델 같은 같은 모델들은 그 지능에 해당됩니다. 그 데이터는 혈액에 해당되고이 AI 데이터 센터는 인공지능을 띄게 하는 심장의 역할을 하게 될 것입니다. Epoch AI에서 이렇게 얘기했습니다. 1기가 AI 데이터 센터를 짓는데 약 60조원의 비용이 소유된다. 저는 이 60조원이 최소 규모라고 생각을 합니다. 첫 번째 전략입니다. 우리 대한민국에서 202년까지 8.4GW에 4GW에 해당되는 550조원의 인공지능 AI 데이터 센터에 투자를 하도록 하겠습니다. 이 수도권 집중해서 벗어나 각 지역별로 AI 데이터를 센터를 짓고 지역 활성화에도 기억할 수 있도록 하겠습니다. 여기서 멈추지 않고 2035년까지 10GW에 AI 데이터 센터를 추가로 지어서 총 18.4GW 1천조원이 넘는 투자를 대한민국에서 추진을 하도록 하겠습니다. AI 데이터 센터에 각 부품별, 솔루션별, 국산화도 중요합니다. 모든 솔루션에 AI를 적용하고 AI DC용 장비들을 고도화하고 대형화시켜야 됩니다. 그리고 각 설비 장비들을 패키지하는 것도 중요하다고 할 수 있겠습니다. 정부는 클러스터 생태기를 구축해서 초대형의 테스트 랩을 구축하고 인력 양성, 세액 공제, 국민 성장 펀드를 통해서 적극적으로 지원하도록 하겠습니다. 또한 AI 데이터 센터 얼라이언스를 통해서 솔루션 기업과 수요 기업의 협력을 적극적으로 추진하도록 하겠습니다. 다음은 AIDC의 수출 산업화에 대해서 말씀드려 보도록 하겠습니다. 사실 AIDC에서 가장 중요한 두 가지 요소가 있습니다. 클라우드 기술력 확보 그리고 AI 반도체입니다. 이 클라우드는 대규모 클러스터링 사실 우리나라가 아직은 이 경험이 부족합니다. 그리고 자원 배분 스케줄링 이런 역량도 우리가 갖춰야 되고 AI 반도체 얘기를 좀 해 보겠습니다. 우리는 학습 기반에 GPU 생태계에 참여를 하고 있습니다. 이건 빅테크와 협력을 해 나가야 됩니다. 그런데 AI 시장이 기존의 학습에서 추론 시장으로 빠르게 커져 가고 있습니다. AI 서비스가 활성화되면서이 추론에 대한 니즈가 점점 커지고 대한민국도 여기에 기회가 있습니다.이 추론 시장은 개방형 생태계입니다. 그리고 한국도 오랜 기간 준비해 왔습니다. 한국의 MP 업체들이 7년 또는 8년의 연구 개발을 통해서 이제 이렇게 상용화된 AI 칩을 만들어 내고 있습니다. 여기이 자리에도 참여하셨는데요. 어 필요 사AI 리벨리온, 모바 일리트, 딥엑스들이 AI 칩을 만들고 실제 상용화에 나서고 있습니다. 여기 많은 기업들이 참석을 해 주셨는데 이 우리 국산 MP 그 기업들에게 관심을 가져 주시고 많은 도입을 좀 해 주시길 간곡히 부탁드리겠습니다. 자, 마지막입니다. AI 데이터 센터를 국가 전략 산업화하기 위해서 사실 AI 데이터 센터를 통해서 직접적인 경제 효과 대규모 자본 투자를 통한 일자리 창출 솔루션 대표 기업 배출 등 여러 가지 효과들이 분명히 나타날 겁니다. 그 이면에 중요한 의미가 있습니다. 사실 AI 데이터 센터는 토큰을 생성하는 토큰 팩토리라고 할 수 있습니다. 1기가와트당 40조에서 약 400조 개의 토큰을 생산할 수도 있다고 합니다.이 토큰을 기반으로이 우리 피지컬 AI가 작동을 하고 에이전틱 AI가 토큰을 소비하기도 하고 생성하기도 할 겁니다. 저는이 토큰 우리 토큰의 경제적 가치를 부여한 토큰 이코노미를 우리가 만들어 가야 된다고 생각합니다. 이 토큰 이코노미 기반에이 모두의 AI 이 모두 AI를 우리가 만들어 가는 것이 굉장히 중요하다라고 생각하고 있습니다. 모두의 AI를 통해서 국민 모두가 AI를 갖게 하고 이 AI가 사회 경제 활동에 참여하게 하고 그래서 국민 누구나 비용 부담 없이 지속적으로 AI를 활용할 수 있는 나라. 가장 전 세계에서 가장 빨리 AI 기본 사회를 만드는 나라 대한민국이 만들어 가야겠습니다. 여기의 핵심은 역시 AI 데이터 센터에 있습니다. AI 데이터 센터를 국가 전략 산업화에서 대체불가 대한민국을 만들기 위해 다 같이 함께 노력해 주시길 부탁드리겠습니다. 감사합니다. |