현대차가 말하는 피지컬 AI 승부처는 모델이 아니라 현실 데이터

피지컬 AI가 왜 다른가

• 현대차그룹은 피지컬 AI(Physical AI)를 AI의 두 번째 전환점으로 봄

  • 지금까지의 AI가 화면 안에서 질문에 답하고 글, 이미지, 코드를 만드는 쪽이었다면, 피지컬 AI는 현실 세계를 보고 판단하고 행동하는 AI라는 것
  • 예시로는 스스로 도로를 달리는 자동차, 사람과 협력하는 로봇이 나옴

• 박민우 현대차·기아 AVP본부장 겸 포티투닷 대표는 2026 국토교통기술대전 기조연설에서 이 흐름을 설명함

  • 행사는 6월 24일부터 26일까지 서울 코엑스에서 열린 국토교통 R&D 성과전시회임
  • 현대차그룹은 로보틱스와 미래 모빌리티를 중심으로 스팟, 아틀라스, 모베드, 기아 PV5 WAV 같은 전시도 진행함

• 피지컬 AI의 난이도는 “현실에서 직접 겪어야만 알 수 있는 데이터”에 있음

  • 빗길의 미끄러움, 물건을 잡을 때의 마찰과 압력, 밤길의 젖은 노면 같은 정보는 영상만 많이 본다고 해결되지 않음
  • 대규모 언어 모델(LLM)은 인터넷이라는 거대한 텍스트 데이터셋을 먹고 컸지만, 피지컬 AI는 몸으로 부딪힌 데이터가 필요하다는 논리임

한국과 현대차가 기회라고 보는 이유

• 첫 번째 근거는 한국의 실증 환경임

  • 현대차그룹은 2016년 국토교통부 자율주행 임시운행 제1호 허가를 받았고, 2018년 평창 동계올림픽 때 서울에서 평창까지 고속도로 190km 구간을 자율주행으로 주파한 이력이 있음
  • 2021년에는 세종시 자율주행 셔틀, 2022년에는 강남·판교 자율주행 시범 운영 서비스를 진행함

• 2026년에는 광주광역시 전체를 무대로 200대 자율주행차를 투입한다는 계획이 제시됨

  • 박민우 대표는 한국 도로가 극단적으로 복잡하진 않지만, 독특한 교통 패턴과 밀도, 예측하기 어려운 상황이 섞인 까다로운 환경이라고 설명함
  • 골목길, 복잡한 도로, 다양한 교통수단, 돌발 변수는 피지컬 AI가 학습하고 검증해야 할 현실 데이터가 됨

• 두 번째 근거는 현대차그룹의 양산 체계임

  • 자율주행 경쟁이 “기술을 증명했느냐”에서 “얼마나 넓고 빠르게 배포해 데이터를 모으느냐”로 이동하고 있다는 판단임
  • 차량에 센서와 컴퓨팅을 많이 실어 현실 세계를 빠르게 학습하고 개선하는 싸움이 됐다는 얘기임

데이터 플라이휠 전략

• 현대차그룹은 전 세계 생산 차량에 높은 수준의 컴퓨팅과 표준화된 센서 체계를 적용하려고 함

  • 표준화된 센서는 여러 차량에서 모인 데이터를 학습 가능한 형태로 바꾸기 쉽게 만듦
  • 결국 세계 곳곳의 차량을 하나의 거대한 학습 네트워크처럼 쓰겠다는 방향임

• 여기에 ‘데이터 유니언(Data Union)’이라는 구조도 붙음

  • 포티투닷, 모셔널 같은 그룹사의 자율주행 데이터뿐 아니라 외부 파트너 데이터까지 연결·활용하는 방식임
  • 드물게 발생하는 예외 상황까지 더 많이 모으려면 데이터 소스를 최대한 넓혀야 한다는 계산임

• 최종 그림은 데이터 플라이휠(Data Flywheel)임

  • 도로 위 차량이 예외 상황과 주행 데이터를 모음
  • 그 데이터로 자율주행 모델을 개선함
  • 개선된 기술을 더 많은 환경에 배포함
  • 다시 더 많은 현실 데이터가 쌓이는 순환 구조가 만들어짐

sequenceDiagram
    participant 차량 as 자율주행 차량
    participant 허브 as 데이터 유니언
    participant 모델 as 피지컬 AI 모델
    participant 서비스 as 개선된 주행 서비스

    차량->>허브: 도로·센서·예외 상황 데이터 전송
    허브->>모델: 표준화된 학습 데이터 제공
    모델->>서비스: 판단·주행 성능 개선
    서비스->>차량: 업데이트된 기능 배포
    차량->>허브: 더 다양한 환경 데이터 축적

기술 맥락

• 여기서 현대차그룹이 고른 전략은 “더 똑똑한 모델 하나”가 아니라 “차량 배포를 통한 데이터 플라이휠”이에요. 피지컬 AI는 텍스트처럼 이미 인터넷에 쌓인 데이터가 없어서, 직접 도로에 나가 데이터를 만들어야 하거든요.

• 광주에 200대 자율주행차를 넣겠다는 얘기는 단순 시범운행보다 데이터 수집 플랫폼에 가까워요. 도시 단위로 반복 주행해야 비 오는 밤, 공사 구간, 불법 주정차, 갑자기 끼어드는 오토바이 같은 희귀 케이스를 조금이라도 더 많이 잡을 수 있어요.

• 표준화된 센서도 중요한 선택이에요. 차량마다 센서 구성이 다르면 데이터 형식과 품질이 달라져서 학습 파이프라인이 복잡해져요. 반대로 센서와 컴퓨팅 구성이 맞춰져 있으면 여러 지역 차량 데이터를 하나의 학습 자산처럼 다루기 쉬워져요.

• 데이터 유니언은 이 전략의 확장판이에요. 한 회사 데이터만으로는 예외 상황이 부족하니, 그룹사와 파트너 데이터를 묶어 희귀한 현실 이벤트를 더 많이 확보하려는 거예요. 자율주행에서 드문 케이스는 평균 성능보다 안전성을 더 크게 좌우하거든요.