정부, 3년 안에 로봇 두뇌용 피지컬 AI 파운데이션 모델 만든다

정부가 이번엔 로봇 두뇌를 만들겠다고 나섬

• 과기정통부가 로봇의 두뇌 역할을 할 피지컬 AI 범용 파운데이션 모델 개발에 착수함

  • 현재 추진 중인 독자 AI 파운데이션 모델, 이른바 독파모와는 별도 사업임
  • 독파모가 대규모 언어 모델(LLM) 중심이라면, 이번 사업은 시각·언어·행동(VLA) 기반 AI가 핵심임

• 정부는 독파모 결과물을 일부 활용하는 방안도 검토 중임

  • 과기정통부 관계자는 독파모에서 개발된 LLM이 오픈소스로 공개되면 활용 방안을 고민하고 있다고 설명함
  • 다만 피지컬 AI는 LLM보다 VLA가 더 중요해서 독파모 결과물을 그대로 이식하는 개념은 아니라고 선을 그음

• 피지컬 AI는 생성형 AI와 에이전틱 AI 다음 단계로 보는 기술임

  • 컴퓨터 안에서 텍스트나 이미지를 만드는 데 그치지 않고, 현실 세계의 물리 환경을 인식하고 이해한 뒤 행동까지 수행하는 AI임
  • 정해진 규칙대로 움직이는 기존 자동화 시스템과 달리, 주변 상황을 보고 스스로 판단해 움직이는 게 포인트임

LLM이 아니라 VLA와 월드모델이 핵심

• 피지컬 AI 범용 파운데이션 모델의 핵심 기술은 월드모델(World Model)과 VLA임

  • 월드모델은 물리 법칙 기반 대규모 합성데이터를 만들고, 행동 결과를 예측하는 데 쓰임
  • VLA는 시각 정보, 언어 지시, 실제 행동을 하나로 연결하는 구조임

• 목표는 로봇이 현실 세계를 이해하고 다양한 작업을 수행하게 만드는 것임

  • 제조, 물류, 돌봄 같은 산업 현장이 주요 적용처로 언급됨
  • 정부는 국방까지 포함해 전 산업으로 확산하겠다는 그림을 그리고 있음

• 배경훈 부총리 겸 과기정통부 장관은 3년 안에 피지컬 AI 세계 1강이 되겠다고 말함
  • 이를 위해 피지컬 AI 범용 파운데이션 모델을 반드시 만들어야 한다고 강조함
  • 이후 분야별 특화 모델을 개발해 산업 현장에 적용하겠다는 계획임

한국이 피지컬 AI를 노리는 이유

• 정부는 LLM보다 피지컬 AI에서 한국의 잠재력이 더 크다고 보고 있음

  • 독파모는 처음부터 세계 3위를 목표로 한 반면, 피지컬 AI는 세계 1위도 가능하다는 판단임
  • 근거는 반도체, 제조업, 중공업 같은 한국의 강점임

• 젠슨 황 엔비디아 CEO도 한국의 피지컬 AI 가능성을 언급한 바 있음

  • 그는 한국이 중공업과 제조업 분야의 세계적인 선두 주자라고 평가함
  • 전자 분야와 AI 소프트웨어 경쟁력까지 갖춰 피지컬 AI에서 흥미로운 국가라고 봄

• 독파모 프로젝트도 별도로 계속 진행 중임

  • 이 사업은 외산 AI 의존도를 낮추고 기술 주권을 확보하기 위한 소버린 AI 전략의 일부임
  • 현재 LG AI연구원, SK텔레콤, 업스테이지, 모티프테크놀로지스 등이 경쟁 중임
  • 정부는 8월 초 2단계 평가를 진행하고, 2027년까지 세계 최고 수준의 LLM 확보를 목표로 함

• 정부가 말하는 피지컬 AI 풀스택은 꽤 넓음

  • 로봇, 범용 피지컬 AI 모델, 월드모델, 네트워크, 보안까지 포함한 국산화가 필요하다는 입장임
  • 결국 모델 하나만 만드는 게 아니라 실제 산업 현장에 투입 가능한 전체 스택을 만들겠다는 얘기임

---

기술 맥락

• 이번 사업에서 중요한 선택은 LLM을 그대로 로봇에 얹는 게 아니라 VLA와 월드모델을 중심에 두는 거예요. 로봇은 말을 잘 이해하는 것만으로는 부족하고, 눈앞의 물체와 공간을 보고 어떤 행동을 해야 하는지까지 이어져야 하거든요.

• 월드모델이 필요한 이유는 현실 세계에서 시행착오가 비싸고 위험하기 때문이에요. 공장 로봇이나 돌봄 로봇이 실제 환경에서 계속 실패하면서 배우게 두기 어렵기 때문에, 물리 법칙 기반 합성데이터와 행동 예측 모델이 중요한 기반이 돼요.

• 정부가 제조·물류·돌봄·국방을 같이 언급한 것도 적용처가 이미 물리 세계에 있기 때문이에요. 한국은 반도체, 제조업, 중공업 같은 현장이 많아서 모델 성능뿐 아니라 실제 적용 데이터를 확보할 가능성이 있다는 판단이에요.

• 다만 “AI 풀스택 국산화”는 모델 학습만으로 끝나는 일이 아니에요. 로봇 하드웨어, 네트워크 지연, 현장 보안, 행동 승인 체계까지 묶여야 해서, 연구 모델을 데모로 만드는 것과 산업 현장에 넣는 것 사이의 간극이 꽤 커요.