반도체·자동차·조선 공장이 무기…한국 피지컬 AI, 제조현장서 길 찾는다

자체 폼팩터 없으면 국내 제조현장이 해외기업 데이터 축적용 테스트베드 될 우려
액추에이터·로봇손이 로봇 원가 절반 이상…국산 기술·생산역량 확보 필요
전자·반도체→자동차→조선·철강 순으로 피지컬 AI 전환 단계화 제안

[더파워 한승호 기자] 세계적인 제조현장을 갖고 있는 한국이 피지컬 AI 시대에도 단순한 ‘로봇 사용자’에 머물 수 있다는 경고가 나왔다. 해외 로봇을 국내 공장에 들여와 학습시키기만 하면 한국의 생산현장과 작업 데이터가 해외 피지컬 AI 기업의 경쟁력을 키우는 훈련장이 될 수 있다는 것이다.

17 산업연구원에 따르면 한국이 피지컬 AI 생태계에서 비교우위를 확보할 가능성이 높은 분야는 범용 파운데이션 모델보다 ‘제조 특화 AI 행동 학습’이다. 반도체와 자동차, 조선·철강 등 다양한 제조현장을 보유하고 있어 로봇에 실제 작업을 가르치고 행동 데이터를 축적하는 데 유리하다는 분석이다.

피지컬 AI의 파운데이션 모델에서는 이미 해외 빅테크가 앞서 있다. 엔비디아는 VLA 모델인 아이작 그루트와 월드 모델 코스모스를 보유하고 있고, 구글 딥마인드도 제미나이 로보틱스와 지니를 개발했다. 국내에서는 LG전자와 마음AI 등이 참여하는 컨소시엄이 관련 개발에 착수했지만 아직 초기 단계다.

산업연구원은 여기서 범용 모델 자체를 뒤쫓는 것과 다른 시장에 주목했다. 같은 AI 모델을 사용하더라도 실제 반도체 공장과 자동차 생산라인, 조선소에서 일을 하려면 각 작업에 맞는 행동을 다시 학습해야 한다.

특히 피지컬 AI에서 행동 데이터는 로봇 몸체인 ‘폼팩터’와 분리하기 어렵다. 팔의 길이와 관절 구조, 적재능력과 로봇손의 형태가 달라지면 같은 작업도 움직임과 학습데이터가 달라진다.

이 때문에 제조현장 데이터만 많이 확보한다고 경쟁력이 자동으로 국내에 남는 것은 아니다. 데이터를 만들어내는 로봇 자체가 해외 기업 제품이라면 학습 결과와 부가가치도 해당 플랫폼에 귀속될 수 있다.

산업연구원이 ‘K-피지컬 AI 로봇 폼팩터’ 개발을 강조하는 이유다. 자체 로봇으로 국내 제조현장에서 행동 데이터를 쌓아야 제조 특화 AI 학습에서 발생하는 부가가치를 국내 생태계에 축적할 수 있다는 설명이다.

국내에도 출발점은 있다. 레인보우로보틱스는 휠 기반 휴머노이드 RB-Y2를, 로보티즈는 자체 액추에이터를 활용한 개방형 휴머노이드 플랫폼 ‘AI 사피엔스’를 공개했다.

행동 학습 분야에서는 마음AI가 지난 3월 산업용 피지컬 AI 훈련을 위한 ‘피지컬AI 데이터팩토리’를 공개했고 LG CNS는 5월 로봇 학습·운영을 지원하는 ‘피지컬웍스’를 내놨다. 로보티즈도 우즈베키스탄에 로봇 제조공장과 데이터팩토리 구축을 추진하고 있다.

몸체만큼 중요한 것이 관절과 손이다. 액추에이터는 모터와 감속기, 제어기, 센서 등을 결합해 사람의 관절처럼 움직임을 만드는 부품이고 로봇손은 물체를 잡고 정밀하게 조작하는 말단 장치다.

산업연구원은 액추에이터와 로봇손이 피지컬 AI 로봇 제조원가의 절반 이상을 차지한다고 분석했다. 부가가치뿐 아니라 공급망 안정 측면에서도 자체 기술력이 필요한 분야다.

국내에서는 현대모비스가 보스턴 다이내믹스의 아틀라스용 액추에이터 부품을 생산·공급하고 있으며 뉴로메카와 SBB테크 등은 하모닉 감속기 국산화를 추진했다. 로봇손에서는 원익로보틱스가 관련 기술을 보유하고 있고 삼성전자도 전담 조직을 통해 텐던 방식 로봇손을 개발하고 있다.

반면 온디바이스 AI 반도체에서는 격차가 남아 있다. 로봇은 데이터센터와 달리 배터리와 제한된 전력 안에서 실시간 판단을 내려야 하기 때문에 낮은 전력으로 초저지연 추론을 처리할 반도체가 필요하다.

현재는 엔비디아 젯슨 계열이 CUDA-X 등 개발도구 생태계를 기반으로 시장을 이끌고 있다. 국내에서는 딥엑스 등이 관련 반도체를 개발하고 있지만 산업연구원은 기술력과 개발 생태계 규모에서 격차가 존재한다고 평가했다.

따라서 모든 기술을 한꺼번에 국산화하는 방식보다는 한국이 이미 강점을 가진 제조 특화 행동 학습부터 교두보를 만들고 영역을 넓히는 전략이 제시됐다. 단기적으로는 글로벌 기업과 협력하면서 시장에 진입하고 중장기적으로 폼팩터와 핵심부품, 반도체까지 자체 공급역량을 확대하는 방식이다.

제조현장 적용 역시 로봇 기술 수준에 따라 나눌 필요가 있다는 분석이다. 먼저 경량 작업용 로봇은 전자와 반도체, 화장품·식품 등에서 자재 분류와 검사, 키팅, 머신텐딩, 포장 작업에 활용할 수 있다.

다음 단계인 범용 로봇은 자동차와 일반 제조업의 공구를 활용한 조립 공정이 대상이다. 힘과 내구성이 필요한 고강도 로봇은 조선·철강·플랜트의 용접, 중량물 작업, 위험 공정으로 적용 범위를 넓히는 방식이다.

고강도 로봇은 국방 연구개발과 연계하는 방안도 제시됐다. 산업과 국방 모두에서 중량물 운반이나 위험지역 작업 수요가 존재하는 만큼 국방 분야에서 개발·실증한 기술을 제조현장으로 확산하는 방식이다.

피지컬 AI 경쟁에서 한국의 가장 큰 자산은 아직 로봇 출하량도, 세계 최대 AI 모델도 아니다. 실제 생산이 이뤄지는 공장과 공정, 그리고 그 안에서 쌓인 제조 경험이다.

문제는 그 자산을 누구의 로봇이 학습하느냐다. 산업연구원의 제안은 국내 제조현장을 해외 로봇의 시험장으로 제공하는 데 머무르지 않고 자체 폼팩터와 핵심부품, 행동 데이터를 연결해 ‘K-피지컬 AI 생태계’의 자산으로 축적해야 한다는 데 맞춰져 있다.

한승호 더파워 기자 hansh1975@thepowernews.co.kr