엔비디아의 다음 전선은 로봇·자율주행…피지컬 AI 매출 90억 달러 돌파

데이터센터 다음은 공장과 도로

• 엔비디아가 AI 데이터센터 바깥에서도 돈을 벌기 시작했다는 분석이 나옴

  • 모틀리풀 보도에 따르면 엔비디아의 피지컬 AI 매출은 최근 12개월 기준 90억 달러, 약 13조5630억 원을 넘어섬
  • 직전 회계연도인 FY2026의 60억 달러, 약 9조420억 원과 비교하면 분기 매출 추세가 50% 높아진 셈임
  • 데이터센터 GPU만으로 끝나는 회사가 아니라 로봇·자율주행·스마트 공장으로 전선을 넓히는 중임

• 피지컬 AI는 말 그대로 현실 세계에서 움직이는 AI임

  • 자동차, 로봇, 드론, 의료기기 같은 물리 기기에 AI를 넣어 실시간으로 판단하고 행동하게 만드는 기술임
  • 클라우드를 거치지 않고 기기 자체에서 AI 연산을 처리해야 즉각 대응이 가능하다는 점이 데이터센터 AI와 다름
  • 챗봇이 “말을 잘하는 AI”라면, 피지컬 AI는 “움직이고 조작하고 운전하는 AI”에 가까움

로보택시·스마트 공장·디지털 트윈

• 엔비디아는 이미 굵직한 협력망을 깔고 있음

  • 우버와 협력해 2028년까지 약 30개 도시, 4개 대륙에서 로보택시 운행을 지원할 계획임
  • 제너럴모터스(GM)와는 로봇이 투입된 공장 구축을 지원하고 있음
  • 개발자들이 로봇과 자율주행차를 훈련할 수 있도록 파운데이션 모델과 피지컬 AI 개발 도구도 공개함

• 스마트 공장은 피지컬 AI의 또 다른 큰 시장임

  • 젠슨 황은 전 세계 공장 신설에 5조 달러, 약 7535조 원이 투입될 것이라고 언급함
  • TSMC, 페가트론, 위스트론, 폭스콘 같은 제조업체들이 엔비디아 플랫폼으로 실제 공장을 짓기 전에 디지털 트윈을 먼저 구현하고 있다고 보도됨
  • 공장을 가상으로 먼저 만들어보면 설비 배치, 로봇 동선, 생산 효율을 실제 투자 전에 검증할 수 있음

• 시장 전망은 기관마다 숫자가 다르지만 방향은 같음

  • 그랜드뷰리서치는 피지컬 AI 시장이 2025년 816억 달러, 약 122조9712억 원에서 2033년 9604억 달러, 약 1447조3228억 원으로 성장할 것으로 봄
  • 연평균 성장률 전망은 36.1%임
  • 반면 마켓앤드마켓은 로봇·자율시스템으로 범위를 좁혀 올해 15억 달러에서 2032년 152억 달러까지, 연평균 47.2% 성장할 것으로 분석함

엔비디아가 노리는 건 칩 한 장이 아님

• 엔비디아는 피지컬 AI 외에도 서버 CPU 시장까지 넓히고 있음

  • 기존에는 랙 단위 서버 솔루션 구성 요소로 공급하던 베라(Vera) 서버용 중앙처리장치(CPU)를 단독 제품으로 팔기 시작함
  • 경영진은 이걸 통해 올해만 2000억 달러, 약 301조4000억 원 규모의 추가 시장에 들어갈 수 있다고 밝힘
  • GPU, CPU, 개발 도구, 시뮬레이션, 로봇 훈련까지 한 번에 묶는 그림임

• 월가도 이 다각화를 꽤 좋게 보는 분위기임

  • 2026 회계연도 주당순이익(EPS)은 4.77달러였음
  • 2029 회계연도에는 15.64달러에 이를 것이라는 컨센서스가 있고, 연평균 48% 성장이 예상됨
  • 현재 주가수익비율(PER)은 33배로 나스닥-100 평균 35.6배보다 낮다는 평가도 붙음

• 국내에서도 피지컬 AI가 LLM 이후의 큰 축이라는 얘기가 나옴

  • 박석중 SK경영경제연구소 소장은 AI가 창출하는 실질 가치가 로봇·자율주행 같은 피지컬 AI에서 나올 것이라고 말함
  • 거대언어모델(LLM)이 만들어내는 가치는 앞으로 형성될 AI 생태계 전체의 10분의 1도 안 될 것이라는 주장도 덧붙임
  • 좀 세게 말하면, 텍스트 AI 경쟁 다음 판은 “현실에서 움직이는 AI를 누가 더 잘 굴리느냐”가 될 수 있음

---

기술 맥락

• 피지컬 AI에서 엔비디아가 노리는 선택은 단순히 “로봇용 칩을 팔자”가 아니에요. 로봇과 자율주행차를 훈련하는 모델, 시뮬레이션 환경, 실제 기기에서 돌릴 연산 플랫폼까지 묶어 개발 생태계를 장악하려는 쪽에 가까워요.

• 이 시장에서 디지털 트윈이 중요한 이유는 현실 테스트가 너무 비싸고 위험하기 때문이에요. 공장 하나를 잘못 설계하면 돈이 크게 깨지고, 자율주행이나 로봇은 실제 환경에서만 검증하기엔 안전 문제가 크거든요.

• 엣지에서 AI를 돌려야 하는 이유도 분명해요. 로봇 팔이나 자동차가 매번 클라우드 응답을 기다리면 지연 시간이 생기고, 네트워크가 끊겼을 때 바로 문제가 돼요. 그래서 피지컬 AI는 데이터센터 AI와 달리 현장 연산, 센서 처리, 실시간 제어가 같이 묶여요.

• 엔비디아가 우버, GM, TSMC, 폭스콘 같은 파트너를 강조하는 것도 그래서예요. 피지컬 AI는 모델 성능만으로 되는 게 아니라 도시, 공장, 제조라인, 차량 같은 실제 운영 환경에 들어가야 매출이 생기거든요.

• 개발자 입장에서는 LLM API만 보는 것에서 조금 시야를 넓힐 필요가 있어요. 시뮬레이션, 로보틱스 미들웨어, 엣지 추론, 센서 데이터 처리 같은 영역이 AI 엔지니어링의 다음 실전 무대가 될 가능성이 커지고 있어요.