--- title: "현대차가 말하는 피지컬 AI 승부처는 모델이 아니라 현실 데이터" published: 2026-07-01T06:05:01.656Z canonical: https://jeff.news/article/4454 --- # 현대차가 말하는 피지컬 AI 승부처는 모델이 아니라 현실 데이터 현대차그룹은 피지컬 AI 시대의 핵심 경쟁력이 현실 세계 데이터를 얼마나 많이, 안전하게, 반복적으로 모으느냐에 달려 있다고 봤다. 광주 200대 자율주행 실증, 표준화 센서 탑재 차량 확대, 포티투닷·모셔널·외부 파트너 데이터를 묶는 데이터 유니언이 전략의 중심이다. ## 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 > [!IMPORTANT] > 피지컬 AI의 진입장벽은 모델보다 현실 경험 데이터임. 특히 자율주행처럼 안전과 직결되는 영역에서는 “자주 안 나오지만 한 번 나오면 큰일 나는” 예외 상황 데이터가 승부처가 됨. ## 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 ```mermaid 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 ``` > [!NOTE] > 이 글은 현대차그룹 공식 채널 글이라 메시지는 꽤 홍보성임. 그래도 피지컬 AI에서 왜 “현실 데이터 수집 체계”가 모델만큼 중요해지는지 보여주는 사례로는 쓸 만함. --- ## 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. ## 핵심 포인트 - 피지컬 AI는 글·이미지 생성 AI와 달리 현실 세계를 보고 판단하고 행동하는 AI로 정의됨 - 현대차그룹은 광주광역시 200대 자율주행 실증을 통해 도시 단위 현실 데이터를 쌓겠다는 전략을 제시 - 표준화 센서, 양산 차량, 데이터 유니언, 데이터 플라이휠을 연결해 예외 상황 학습 역량을 키우겠다는 구상 ## 인사이트 자율주행 경쟁을 ‘누가 더 좋은 데모를 만들었나’가 아니라 ‘누가 더 많은 현실 데이터를 반복적으로 수집하고 개선하나’로 보는 관점이 핵심이다. 브랜드 홍보 성격은 강하지만, 피지컬 AI에서 데이터 플라이휠이 왜 진입장벽이 되는지 읽을 만한 디테일이 꽤 있다.