VLC 개발자가 만든 카이버, 로봇·드론용 실시간 제어 인프라로 확장

• VLC 미디어 플레이어의 핵심 개발자 장-밥티스트 켐프가 이번엔 로봇용 실시간 제어 인프라를 만들고 있음

  • VLC는 60억 번 이상 다운로드된 대표적인 오픈소스 미디어 플레이어임
  • 켐프는 앞으로 몇 년 안에 수억 대의 로봇과 드론이 거리와 현장에 등장할 거라고 보고 있음
  • 그 흐름에 맞춰 원격 장치를 실시간으로 제어하는 인프라 계층인 카이버(Kyber)를 구축 중임

• 카이버의 핵심은 “멀리 있는 장치를 밀리초 단위로 제대로 조종하는 것”임

  • SDK는 비디오, 오디오, 센서 데이터, 제어 입력을 최소 지연으로 동기화하는 역할을 함
  • 켐프는 “현실 세계에서 모든 것을 통제한다면 매 밀리초가 중요하다”고 말함
  • 로봇이나 드론은 웹앱처럼 몇 초 늦게 떠도 되는 세계가 아니라서 지연이 곧 품질이고 안전임

sequenceDiagram
    participant 조종자
    participant 카이버SDK
    participant 원격로봇
    participant 관측시스템
    조종자->>카이버SDK: 제어 입력 전송
    카이버SDK->>원격로봇: 낮은 지연으로 명령 전달
    원격로봇->>카이버SDK: 비디오·센서 데이터 반환
    카이버SDK->>조종자: 동기화된 화면과 상태 제공
    카이버SDK->>관측시스템: 지연·장애·업데이트 상태 기록
    관측시스템->>조종자: 이상 징후 알림

• 이 회사의 뿌리는 비디오 스트리밍에 있음
  • 카이버는 원래 켐프가 클라우드 게임 스타트업 섀도우(Shadow)의 CTO로 있을 때 만든 사이드 프로젝트에서 출발함
  • 지연을 줄이는 접근이 비디오 스트리밍 기술에 강하게 기대고 있음
  • VLC 출신이 로봇 제어를 스트리밍 문제로 보는 게 꽤 자연스러운 전개임

• 카이버는 물리적 AI(Physical AI) 붐과 딱 맞물려 투자도 받음

  • 파리 기반 스타트업인 카이버는 Lightspeed Venture Partners가 주도한 500만 달러 투자를 유치함
  • Lightspeed는 Anthropic과 Mistral AI에도 투자한 벤처캐피털임
  • 투자자 쪽 메시지도 “물리적 AI는 그것을 실행하는 기본 시스템에 달려 있다”는 쪽임

• 적용 범위는 AI 로봇에만 갇히지 않음

  • 켐프는 카이버를 “작동하는 사람, 컴퓨팅, 실제 행동이 서로 다른 위치에 있는 모든 사용 사례”를 위한 플랫폼으로 설명함
  • 원격 조종, 드론, 로봇, 원격 IT 접속까지 모두 후보임
  • 회사는 로봇공학, 다양한 드론, 수요가 강한 원격 IT 접속을 우선순위로 잡았음

• 진짜 난이도는 장치 수가 늘어날 때 터짐

  • 켐프는 지금 가장 큰 차량 대도 2천~3천 대 정도일 가능성이 크다고 봄
  • 하지만 카이버가 상정하는 세계는 수백만 대 장치를 관리하는 쪽임
  • 이 정도가 되면 소프트웨어 업데이트를 하려고 모든 장치에 직접 접근하지 않아도 되는 것 자체가 큰 장점임

• 그래서 관측 가능성(Observability)이 핵심 인프라로 올라옴

  • AI 에이전트가 전체 함대와 네트워크를 관리하게 되면, 시스템이 실제로 제대로 작동하는지 아는 게 더 중요해짐
  • 단순히 영상이 보이는지가 아니라 지연, 명령 전달, 센서 동기화, 업데이트 상태를 계속 봐야 함
  • 작은 규모에서도 이건 운영 편의성이지만, 수천~수백만 대 규모에서는 생존 조건에 가까움

• 비즈니스 모델은 오픈소스 기반에 기업용 제품화 버전 판매임

  • 켐프의 오픈소스 배경답게 핵심 프로젝트는 오픈소스로 둠
  • 대신 기업 고객에게는 제품화된 버전을 판매함
  • Palantir처럼 전진 배치 엔지니어(FDE)가 고객 환경에 붙어 맞춤형 배포를 돕는 방식도 가져감
  • 현재 팀은 정규직 25명 규모이고, 파리에 본사를 두고 샌프란시스코와 싱가포르에도 사무소를 운영함

기술 맥락

• 카이버가 고른 문제는 로봇 지능이 아니라 로봇 운영 인프라예요. AI 모델이 아무리 좋아도 영상이 늦게 오거나 제어 입력이 밀리면 현실 장치는 제대로 움직일 수 없거든요.

• VLC와 클라우드 게임 경험이 중요한 이유도 여기에 있어요. 원격 조종은 결국 실시간 미디어 스트리밍, 센서 동기화, 입력 전달을 한 묶음으로 다루는 문제라서 지연 최적화 노하우가 그대로 먹힐 수 있어요.

• 규모가 커지면 난이도는 더 올라가요. 2천~3천 대를 넘어서 수백만 대 장치를 상상하면, 개별 장치에 접속해 업데이트하거나 상태를 확인하는 방식은 바로 무너져요.

• 그래서 관측 가능성이 단순 모니터링이 아니라 제품의 핵심 기능이 돼요. AI 에이전트가 함대를 관리한다면 사람이 더더욱 “지금 어떤 장치가 느리고, 어떤 네트워크가 불안하고, 어떤 업데이트가 실패했는지”를 알아야 하거든요.

• 오픈소스 코어와 기업용 배포 모델도 이유가 있어요. 로봇·방위·통신 고객은 환경이 너무 달라서 그냥 SDK 문서만 던져서는 안 되고, 현장에 맞춘 통합이 필요하니까 전진 배치 엔지니어 방식이 붙는 거예요.