한국 피지컬 AI, 방향은 맞는데 이제 정부가 첫 고객이 돼야 한다

방향은 맞다는 평가, 근데 박수치긴 아직 이름

• 국내 산학연 전문가 6명이 한국 피지컬 AI 정책에 대체로 높은 점수를 줬음

  • 장병탁 서울대 교수는 ‘A-’, 최홍섭 마음AI 대표와 황건필 에니아이 대표는 ‘A’, 조남민 엔젤로보틱스 대표는 ‘B’를 줬음
  • 김용석 가천대 석좌교수와 엄윤설 에이로봇 대표도 학점 대신 정책 방향 자체는 긍정적으로 봤음

• 정부가 내건 목표는 꽤 세게 잡혀 있음

  • 2030년까지 피지컬 AI 1강으로 도약하겠다는 비전
  • 2028년 상용화를 목표로 10대 산업 특화 휴머노이드 개발
  • 산업 현장 데이터를 모으는 데이터팩토리 구축
  • 자체 로봇 파운데이션 모델(RFM) 개발
  • 삼성·SK 같은 대기업과 피지컬 AI 모델 개발용 데이터센터 설립 구상까지 포함

• 전문가들이 긍정적으로 본 이유는 한국이 피지컬 AI에 필요한 조건을 꽤 많이 갖고 있기 때문임

  • 노동 인구 감소, 높은 인건비, 강한 제조업 기반이 동시에 존재함
  • 미국은 인건비는 높지만 제조 시설 기반이 약하고, 중국은 생산가능인구와 낮은 인건비가 아직 버티고 있다는 분석이 나옴
  • 한국은 소형 칩부터 대형 선박까지 제조 데이터가 다양해서, 산업용 특화 로봇을 만들 재료가 많다는 평가임

정부는 돈 주는 사람 말고, 첫 고객이 돼야 함

• 가장 많이 나온 지적은 정부 역할을 바꿔야 한다는 거였음

  • 연구개발비를 대주는 지원자 역할만으로는 논문과 시제품에서 끝나기 쉬움
  • 생산라인, 부품 공급망, 유지보수 조직은 실제 구매가 있어야 만들어짐

• 최홍섭 대표가 짚은 병목은 꽤 현실적임

  • 제품이 안 팔리면 생산량이 늘지 않음
  • 생산량이 안 늘면 가격이 안 내려감
  • 가격이 안 내려가면 더 안 팔림
  • 현장 투입이 적으니 데이터도 안 쌓임
  • 말 그대로 폐루프가 안 도는 구조임

• 그래서 제안된 처방은 공공 조달을 초기 시장으로 쓰자는 쪽임

  • 일정 성능·안전 기준을 통과한 국산 제품을 공공시설, 물류, 국방, 소방, 철도, 발전소, 공공병원 등에 우선 구매
  • 초기 실패는 허용하되, 성능 기준과 단계별 퇴출 조건은 분명히 두자는 접근
  • 중소기업에는 서비스형 로봇(RaaS)과 정책금융을 묶어 초기 도입 부담을 낮추자는 제안도 나옴

• 의료 로봇 쪽은 기술만 좋아도 끝이 아님

  • 조남민 대표는 수가와 분류체계 같은 제도가 같이 정리돼야 한다고 봄
  • 병원 현장에 들어가려면 “좋은 기술”이 아니라 “제도 안에서 비용 처리 가능한 기술”이어야 넓게 쓰일 수 있음

휴머노이드만 보면 시장을 놓칠 수 있음

• 피지컬 AI를 사람 모양 로봇으로만 좁히면 위험하다는 지적도 강하게 나옴

  • 황건필 대표는 피지컬 AI의 본질이 사람 형태가 아니라 산업 현장 문제 해결이라고 봄
  • 제조, 물류, 외식, 서비스마다 필요한 로봇 형태는 다를 수밖에 없음

• 한국에서 먼저 돈이 될 영역은 꼭 휴머노이드가 아닐 수 있음

  • 사람을 완전히 대체하는 로봇보다, 사람을 보조하거나 확장하는 로봇이 더 빨리 상용화될 수 있음
  • 조남민 대표는 K-휴머노이드 연합이 더 넓게는 K-피지컬 AI 연합으로 진화해야 한다고 제안함
  • 고령화, 산업재해, 돌봄 부담 같은 문제를 보면 웨어러블 로봇도 정책 우선순위에 올라갈 만하다는 얘기임

• 대기업 역할도 빠질 수 없음

  • 장병탁 교수는 삼성·현대차 같은 대기업이 더 나서야 한다고 봄
  • 스타트업이 혼자 로봇 하드웨어와 생산 생태계를 다 감당하긴 어렵기 때문에, 일종의 로봇 파운드리 모델이 필요할 수 있다는 진단임

AI만 밀면 몸 없는 천재가 됨

• 하드웨어와 부품 쪽 병목은 이미 숫자로 튀어나오고 있음

  • 엄윤설 대표는 같은 성능의 액추에이터가 중국산은 50만원, 국산은 200만원이라고 지적함
  • 성능이 아니라 가격이 문제라는 거라 더 빡셈
  • 국내에 좋은 액추에이터를 만드는 회사는 있지만, 휴머노이드 기업이 부담 없이 쓸 만큼 싸게 만드는 곳은 적다는 얘기임

• 국산 부품 생태계를 만들려면 인증과 보조금 설계도 필요하다는 주장임

  • 중국산 로봇에 껍데기만 바꿔 국산처럼 파는 행위를 막아야 한다는 문제의식
  • 부품의 3분의 2 이상을 국산으로 쓴 로봇에 보조금을 주는 ‘국산 휴머노이드 인증 제도’가 제안됨
  • 엄 대표는 소버린 AI 다음은 소버린 휴머노이드라고까지 표현함

• 반도체 쪽에서는 8000억원 규모 K-온디바이스 AI 반도체 기술개발 사업이 언급됨

  • 김용석 교수는 이 사업을 수요기업과 팹리스가 한 팀이 돼 상용 수준 시제품까지 만드는 구조라 높게 평가함
  • 피지컬 AI는 클라우드만 믿고 굴리기 어렵고, 로봇 안에서 빠르게 판단하는 칩이 중요해질 수밖에 없음

데이터는 모두 중요하다고 보지만, 방법론은 갈림

• 정부의 데이터팩토리 구상은 전문가들 사이에서도 평가가 갈렸음

  • 데이터팩토리는 로봇이 인간처럼 움직이도록 행동·시각·촉각 데이터를 대량으로 수집, 가공, 학습하는 인프라임
  • 거대언어 모델(LLM)이 30년간 인터넷에 쌓인 텍스트 데이터를 먹고 컸다면, 피지컬 AI는 아직 그런 대규모 행동 데이터가 부족한 상태임

• 장병탁 교수는 데이터팩토리를 한국형 피지컬 AI의 엣지로 봤음

  • 다만 정부가 직접 다 하기보다 마중물 역할을 하고 민간이 주도하는 방향을 제안함
  • 데이터는 생성 기업이 보유하고, 학습된 모델만 공유하는 연합학습 방식도 대안으로 거론됨

• 최홍섭 대표는 ‘현장형 데이터팩토리’를 강조함

  • 실험실에서 데이터만 모으는 사업으로 끝나면 비용만 커질 수 있음
  • 로봇을 제조·물류·농업 현장에 서비스형 로봇으로 넣고, 매출을 만들면서 행동 데이터를 쌓아야 지속 가능하다는 논리임

• 엄윤설 대표는 아예 데이터 수매제를 제안함

  • 일반인이나 자영업자가 바디캠을 착용하고 촬영한 1인칭 시점 데이터를 정부가 사주자는 방식
  • 매니퓰레이터 기반 데이터는 로봇마다 표준화가 어렵지만, 인간의 관절·뼈대 움직임 원시 데이터는 리타게팅으로 표준화할 수 있다는 설명임
  • 자영업자를 대상으로 하면 법인 소속 근로자 데이터보다 소유권 분쟁을 줄일 수 있다는 점도 근거로 들었음

결론은 결국 실행, 앞으로 5년이 진짜임

• 전문가들의 종합 진단은 꽤 선명함

  • 국가 아젠다 설정과 생태계 기획이라는 1단계는 통과했다는 평가
  • 하지만 산업별 우선순위, 공공 조달, 제도 정비, 부품 가격, 데이터 확보 같은 실행 과제가 그대로 남아 있음

• 골든 타임은 길지 않다는 메시지도 나옴

  • 김용석 교수는 앞으로 5년이 매우 중요한 시기라고 봄
  • 장병탁 교수는 아직 피지컬 AI 산업이 초기라 가능성이 열려 있고, 잘 적응하면 한국이 AI든 로봇이든 3강이 될 수 있다고 말함

---

기술 맥락

• 이번 논의의 핵심은 “모델을 만들자”가 아니라 “현장에서 돌아가는 폐루프를 만들자”에 가까워요. 로봇은 팔리기 시작해야 생산량이 늘고, 생산량이 늘어야 가격이 내려가고, 실제 현장 데이터도 쌓이거든요. 그래서 정부가 연구비만 주는 방식보다 공공 조달로 첫 수요를 만들어야 한다는 주장이 나온 거예요.

• 데이터팩토리 논쟁도 단순히 데이터를 많이 모으자는 얘기가 아니에요. 피지컬 AI는 텍스트처럼 인터넷에서 긁어올 데이터가 부족해서, 행동·시각·촉각 데이터를 어디서 어떤 권리 구조로 모을지가 경쟁력이 돼요. 현장형 데이터팩토리나 에고센트릭 데이터 수매제가 나온 이유도 데이터 수집을 비용 사업이 아니라 산업 구조 안에 넣으려는 거예요.

• 온디바이스 AI 반도체와 액추에이터 가격 얘기가 같이 나오는 것도 중요해요. 로봇은 클라우드 응답을 기다리며 움직일 수 없고, 몸체 부품이 비싸면 아무리 모델이 좋아도 현장 도입이 막혀요. 중국산 액추에이터 50만원, 국산 200만원이라는 차이는 기술 담론이 아니라 제품 원가와 시장성의 문제예요.

• 휴머노이드 중심 정책에 대한 경계도 현실적인 포인트예요. 사람처럼 생긴 로봇이 상징성은 크지만, 실제 돈을 먼저 벌 수 있는 건 물류 자동화, 외식 로봇, 웨어러블 로봇처럼 특정 문제를 정확히 푸는 형태일 수 있거든요. 그래서 피지컬 AI 전략은 폼팩터보다 산업별 문제와 도입 경로를 기준으로 짜야 해요.