본문으로 건너뛰기
피드

AI 엑스포 코리아 2026, 생성형 AI 다음 키워드는 피지컬 AI였다

ai-ml 약 5분

AI EXPO KOREA 2026이 코엑스에서 18개국 330개 기업, 562부스 규모로 열렸고 사흘간 4만8678명이 방문했다. 행사의 중심 키워드는 생성형 AI를 넘어 AI 에이전트, 피지컬 AI, AI 인프라, 온디바이스 AI로 이동했다.

  • 1

    행사 규모는 18개국 330개 기업, 562부스, 관람객 4만8678명으로 역대 최대 수준

  • 2

    AI 에이전트와 로봇, 자율 시스템이 결합한 피지컬 AI가 핵심 흐름으로 부상

  • 3

    AI 칩, 가속기, 스토리지, 엣지 디바이스, 데이터센터 등 인프라 영역이 전면에 등장

  • AI EXPO KOREA 2026의 메시지는 꽤 명확함. 이제 AI는 ‘말 잘하는 챗봇’에서 ‘현실에서 움직이는 시스템’으로 넘어가는 중임

    • 행사는 5월 6일부터 8일까지 서울 코엑스 1층 A홀 전관에서 열렸음
    • 18개국 330개 기업이 562부스로 참가했고, 사흘간 관람객은 4만8678명으로 역대 최대 기록을 세움
  • 올해 전시의 큰 키워드는 AI 전환, AI 인프라, AI 에이전트, 피지컬 AI, 로봇, 데이터센터, 반도체였음

    • 단순히 모델 성능을 자랑하는 자리가 아니라, 실제 산업에 어떻게 꽂을지 보여주는 쪽에 가까웠음
    • 국방, 보건, 제조, 유통, 모빌리티, 스마트시티 같은 적용 분야도 전면에 나왔음

중요

> 기사에서 가장 눈에 띄는 숫자는 18개국 330개 기업, 562부스, 4만8678명임. 국내 AI 행사가 이제 연구자 행사보다 산업 박람회 성격을 훨씬 강하게 띠고 있다는 신호로 볼 만함.

  • 생성형 AI 다음 축으로 피지컬 AI가 강하게 밀려나옴

    • 피지컬 AI는 로봇, 자율주행, 스마트 기기, 산업 자동화 시스템처럼 물리 세계와 직접 상호작용하는 AI를 뜻함
    • 전시장에서는 로봇과 자율 시스템이 주변 환경을 인식하고 판단한 뒤 행동하는 데모가 다수 소개됐다고 함
    • 제조, 물류, 스마트시티, 모빌리티, 헬스케어 쪽에서는 이런 데모가 그냥 볼거리가 아니라 실제 도입 후보군임
  • AI 에이전트도 핵심 전시 품목으로 올라옴

    • 단순 챗봇이 아니라 사용자의 의도를 파악하고, 복잡한 작업을 계획하고, 여러 단계를 자율적으로 수행하는 형태임
    • 개인 비서, 스마트홈 제어, 산업 자동화, 고객 서비스, 로보틱스, 자율 시스템 같은 적용 사례가 공개됨
    • 소프트웨어 안에서만 도는 에이전트가 아니라, 로봇과 결합해 현실 세계에서 행동하는 흐름이 강조됨
  • 대형언어모델(LLM)은 이제 피지컬 AI의 두뇌 역할까지 기대받고 있음

    • 기사에는 LG 엑사원, 업스테이지 솔라, A.X K1, GPT, 제미나이, 라마, 딥시크, 큐웬 같은 모델 계열이 언급됨
    • LLM은 이미지와 영상 생성 같은 멀티모달 기능을 넘어, 로봇의 물리적 행동을 지시하고 조정하는 쪽으로 확장되는 중임
    • 윤리적 사용, 데이터 보안, 모델 경량화, 최적화도 함께 논의됐다고 함
  • 모델만 잘 고르면 끝나는 시대가 아니라는 점도 계속 반복됨

    • 실제 AI 전략에는 파인튜닝, 배포 비용, 운영 비용, 인프라 선택이 같이 따라붙음
    • 전시에는 AI 칩, 가속기, 스토리지, AI 서버, 엣지 디바이스, 고성능 컴퓨팅, 클라우드, 데이터센터 솔루션이 함께 나옴
    • 피지컬 AI 쪽에서는 로보틱스용 컴퓨팅, 실시간 센서 처리, 초저지연 엣지 인프라, 온디바이스 AI가 주요 의제로 잡힘
  • 데이터 산업도 별도 축으로 다뤄짐

    • 데이터 합성, 수집, 가공, 마이닝, 시각화, 정제, 분석, 모니터링, 저장, 관리까지 전 주기 플랫폼이 소개됨
    • 대규모 AI 학습을 위한 데이터 품질 관리, 데이터 거버넌스, 개인정보 보호, 보안, 표준화가 실무 관점에서 강조됨
    • 결국 AI 경쟁력은 모델 파일 하나가 아니라 데이터와 인프라 운영 능력까지 포함한다는 얘기임

기술 맥락

  • 이번 기사에서 중요한 선택은 AI를 소프트웨어 제품이 아니라 산업 인프라로 보는 관점이에요. 챗봇이나 생성형 서비스만으로는 제조, 물류, 의료 현장에 바로 들어가기 어렵기 때문에 센서, 엣지 장비, 데이터센터까지 같이 봐야 하거든요.

  • 피지컬 AI가 강조되는 이유는 현실 세계에서는 지연 시간이 곧 실패로 이어질 수 있기 때문이에요. 로봇이 카메라, 라이다, 촉각 센서, 관성 측정 장치 데이터를 받아 판단하려면 클라우드 왕복만 믿기 어렵고, 온디바이스 AI나 엣지 컴퓨팅이 필요해요.

  • 기업 입장에서는 모델 성능보다 전체 비용 구조가 더 큰 문제가 될 수 있어요. 파인튜닝, 추론 서버, 스토리지, 가속기, 데이터 품질 관리가 모두 붙기 때문에 AI 도입은 개발 프로젝트라기보다 운영 체계 설계에 가까워져요.

국내 AI 업계의 관심사가 챗봇 데모에서 실제 산업 배치와 하드웨어 인프라로 넘어가고 있다는 신호로 읽힌다. 개발자 입장에서는 모델만 보는 게 아니라 센서, 엣지, 데이터, 운영 비용까지 같이 봐야 하는 판이 됐음.

댓글

댓글

댓글을 불러오는 중...

ai-ml

제미나이 도구 호출 능력을 2,600만 파라미터 모델로 증류한 니들 공개

Cactus Compute가 Gemini 3.1의 도구 호출 능력을 2,600만 파라미터짜리 초소형 모델 Needle로 증류해 공개했다. 맥이나 PC에서 로컬 파인튜닝까지 가능하고, 프로덕션 환경에서는 프리필 6,000 토큰/초, 디코드 1,200 토큰/초를 낸다고 주장한다. 개인용 AI 기기에서 함수 호출만 빠르게 처리하는 작은 모델 실험으로 보면 꽤 흥미로운 공개다.

ai-ml

딥시크 V4 인덱서, 6기가바이트 메모리로 백만 토큰까지 밀어붙인 논문

딥시크 V3.2와 V4의 압축 희소 어텐션에서 병목이 되는 인덱서 단계를 스트리밍 방식으로 바꿔, 기존 구현이 6만5536 토큰에서 메모리 부족으로 죽던 문제를 104만8576 토큰까지 확장했다. 핵심은 전체 점수 텐서를 만들지 않고 청크 단위로 top-k를 나눠 계산한 뒤 병합하는 방식이며, 단일 엔비디아 H200에서 피크 메모리 6.21기가바이트를 기록했다. 다만 논문은 인덱서 단계만 다루며, 실제 체크포인트 기반 종단간 성능이나 더 빠른 어텐션 커널을 주장하진 않는다.

ai-ml

챗지피티가 학습에 좋다던 유명 논문, 결국 철회됨

챗지피티가 학생 학습 성과에 큰 도움이 된다고 주장했던 논문이 출판 약 1년 만에 철회됐어. 스프링거 네이처는 분석의 불일치와 결론 신뢰 부족을 이유로 들었고, 문제의 논문은 이미 500회 넘게 인용된 뒤였어.

ai-ml

샘 올트먼, 법정에서 “머스크가 오픈AI 지배권을 자녀에게 넘기려 했다”고 증언

샘 올트먼이 캘리포니아 오클랜드 연방법원 배심원 앞에서 일론 머스크가 오픈AI의 장기 지배권을 원했고, 사망 후엔 자녀에게 넘기는 방안까지 언급했다고 증언했다. 머스크는 오픈AI가 비영리로 출발했는데도 영리화됐다고 소송을 제기했지만, 올트먼은 오히려 머스크가 영리 전환과 테슬라 편입을 밀었다는 취지로 반박했다.

ai-ml

혜전대, AI로 스마트팜 생산·가공·유통 교육 모델 만든다

혜전대가 2026년 교육부·한국연구재단의 AID 전환 중점 전문대학 지원사업에 충남 지역 연합형 사업단으로 선정됐다. 연암대와 역할을 나눠 스마트팜 생산부터 가공·유통까지 전주기를 디지털화하는 교육 모델을 만들겠다는 내용이다.