• Physical AI는 AI가 현실 세계의 물리적 환경에서 행동을 수행하도록 하는 새로운 기술 패러다임이다.
• 센서 기술, 대규모 데이터, Vision-Language-Action 모델의 발전이 Physical AI 확산을 가속화하고 있다.
• 제조업에서는 Physical AI를 통해 자율 공장, 지능형 자동화, 인간-로봇 협업이 빠르게 확산될 전망이다.
| 본 자료는 2026년 1월 세계 최대의 ICD 융합전시회인 CES 행사 기간 중 Siemens(지멘스: 1847년 설립된 독일 기반 글로벌 산업 기술 기업으로 자동화, 스마트 제조, 산업 소프트웨어 분야의 세계적 리더)와 AWS(아마존웹서비스: 2006년 설립된 글로벌 클라우드 플랫폼으로 클라우드 컴퓨팅, 데이터 플랫폼, 인공지능 서비스 분야의 대표 기업)의 피지컬 AI(Physical AI) 전문가가 피지컬 AI의 현황과 전망에 대해 토론한 내용을 비즈앤프로가 번역, 정리한 것입니다. 대담자의 의견은 비즈앤프로의 의견과 다를 수 있습니다. |
| 요약 (Executive Summary) |
피지컬 AI는 산업을 어떻게 변화시키는가: AWS와 Siemens가 말하는 제조와 로보틱스의 미래
How Physical AI is Transforming Industries: AWS and Siemens on Manufacturing and Robotics
Speakers: Sri Elaprolu(Director of the Generative AI Innovation Center at AWS), Dr. Horst J. Kayser(CEO of Factory Automation at Siemens)
1. Physical AI: 디지털 지능이 현실 세계로 확장되는 단계
최근 2~3년 동안 생성형 AI와 대규모 언어모델(LLM)의 급격한 발전은 디지털 영역에서 인공지능의 활용 범위를 크게 확장시켰다. 이제 AI의 다음 단계는 Physical AI(물리적 AI)로, 이는 AI가 실제 물리적 환경에서 행동과 의사결정을 수행하는 시스템을 의미한다.
Physical AI는 AI 모델을 센서, 로봇, 기계 등 물리적 장치와 결합하여 현실 세계에서 행동(Action)을 만들어 내는 기술이다.
기존 AI가 주로 데이터 분석이나 디지털 결과를 생성하는 데 집중했다면, Physical AI는 실제 작업 수행, 생산 공정, 이동 및 조작 등의 물리적 행동을 수행한다는 점에서 근본적인 차이를 가진다.
시장 측면에서도 Physical AI는 빠르게 성장하고 있다. 최근 보고서에 따르면 현재 약 50억 달러 규모의 시장이 2033년까지 약 500억 달러 규모로 확대될 전망이며 연평균 약 33% 성장률이 예상된다.
2. Physical AI 확산을 가능하게 하는 4가지 핵심 요인
Physical AI가 지금 현실화되고 있는 이유는 다음 네 가지 기술 및 산업 환경 변화 때문이다.
(1) 센서 기술의 급격한 발전
Physical AI의 핵심은 기계가 환경을 인식하는 능력이다. 최근 몇 년 동안 다음과 같은 센서 기술이 크게 발전했다.
- 비전 센서 (Vision)
- 음성 센서 (Audio)
- 움직임 및 위치 센서 (Motion)
- 깊이 인식 센서 (Depth perception)
이러한 센서들이 융합(sensor fusion)되면서 기계가 주변 환경을 보다 정확하게 인식할 수 있게 되었다.
(2) 데이터의 폭발적 증가
AI 모델의 성능은 데이터의 양과 질에 크게 의존한다. 제조 현장과 산업 장비에서 대규모 데이터가 생성되고 수집되는 환경이 형성되면서 Physical AI 학습 기반이 확대되고 있다.
또한 시뮬레이션 기반의 합성 데이터(Synthetic Data)도 활용되면서 실제 데이터를 보완하는 새로운 학습 방식이 확산되고 있다.
(3) AI 모델의 진화
기존 생성형 AI는 주로 언어 기반 모델(LLM)에 집중되어 있었다. 그러나 Physical AI에서는 객체 인식과 행동 결정을 동시에 수행하는 모델이 필요하다.
이에 따라 Vision-Language-Action (VLA) 모델이 중요한 역할을 하고 있다.
이 모델은
- 사물 인식
- 공간 이해
- 행동 결정
을 동시에 수행할 수 있어 로봇과 자동화 시스템의 핵심 두뇌 역할을 한다.
(4) 산업 및 시장의 준비도
Physical AI는 이미 산업 현장에서 실제 적용이 시작되었다.
대표적인 사례로 Amazon 물류센터에서는 이미 100만 대 이상의 로봇이 운영되고 있으며, 이를 통해 다음과 같은 효과가 나타나고 있다.
- 물류 처리 속도 향상
- 비용 절감
- 운영 효율성 개선
이처럼 산업 현장에서 AI 기반 자동화의 가치가 입증되면서 시장의 수용성이 크게 높아졌다.
3. 제조업 자동화의 진화와 Physical AI
제조 자동화는 오랜 역사 속에서 발전해 왔다.
자동화 기술의 발전 단계는 다음과 같다.
- 기계식 자동화 (Mechanical automation)
- 증기 기반 자동화
- 전기 기반 자동화
- 전자 및 디지털 제어
- AI 기반 자동화
현재 산업은 AI 기반 자동화 단계로 진입하고 있으며, 이는 제조 시스템의 근본적인 구조 변화를 의미한다.
특히 Physical AI는 다음 영역에서 중요한 영향을 미친다.
- 자율 공장(Autonomous Factory)
- 스마트 제조(Smart Manufacturing)
- 로봇 기반 생산 시스템
- 인간-로봇 협업
4. Physical AI 구현의 핵심 구조: Sense – Think – Act
Physical AI 시스템은 기본적으로 세 가지 구성 요소로 이루어진다.
1) Sense (감지)
기계가 환경을 이해하는 단계
- 카메라
- 센서
- 위치 및 깊이 인식
2) Think (판단)
AI 모델이 상황을 분석하고 행동을 결정
- 파운데이션 모델
- 강화학습
- 전이학습
3) Act (행동)
기계가 실제 행동을 수행
- 로봇 팔
- 이동 로봇
- 자동화 장비
이러한 구조를 통해 기계는 사전 프로그래밍이 아닌 상황 기반 의사결정을 수행할 수 있다.
5. Physical AI 도입의 주요 과제
Physical AI가 빠르게 발전하고 있음에도 불구하고 기업들은 다음과 같은 도전 과제에 직면해 있다.
(1) 제조 공정의 복잡성
제조 산업에는 다양한 공정이 존재한다.
예:
- 용접
- 금속 가공
- 조립
- 연마
- 제련
각 공정마다 다른 모델과 데이터가 필요하기 때문에 범용 모델 개발이 어렵다.
(2) 데이터 접근 문제
AI 모델을 학습하려면 다양한 데이터가 필요하지만 기업들은 데이터 공유를 꺼리는 경우가 많다.
따라서 산업 데이터 생태계 구축과 기업 간 신뢰 형성이 중요하다.
(3) 기존 공장(Brownfield) 문제
제조 산업에는 이미 수천억 달러 규모의 기존 설비가 존재한다.
따라서 기업들은
- 기존 설비를 점진적으로 업그레이드하거나
- 신규 공장을 완전히 새롭게 설계
하는 전략을 병행해야 한다.
6. Siemens와 AWS의 전략
Siemens
Siemens는 다음 전략을 추진하고 있다.
- Software-defined Automation
- Virtual PLC
- Industrial Edge
- AI 기반 엔지니어링 코파일럿
- Siemens Xcelerator 플랫폼
또한 NVIDIA, Microsoft 등과 협력하여 산업 AI 생태계를 확대하고 있다.
AWS
AWS는 Physical AI Fellowship 프로그램을 통해 스타트업 생태계를 지원하고 있다.
이 프로그램은
- AWS
- NVIDIA
- MassRobotics
가 협력하여 Physical AI 스타트업을 육성하는 프로젝트이다.
7. Physical AI의 미래 전망
Physical AI는 특정한 “단일 전환 순간”이 아닌 점진적이지만 빠른 확산 형태로 발전할 것으로 예상된다.
센서 기술, 로봇 기술, AI 모델이 동시에 발전하면서 모든 산업에서 AI 기반 자동화가 확대될 전망이다.
다만 산업 환경에서는 높은 신뢰성이 요구되기 때문에 99.99% 수준의 안정성과 정확성 확보가 중요한 과제가 될 것이다.
| 전체 번역본 |
물리적 AI(Physical AI)가 산업을 어떻게 변화시키고 있는가
여러분, “물리적 AI가 산업을 어떻게 변화시키고 있는가” 세션에 오신 것을 환영합니다.
이번 세션에서는 디지털 지능이 제조, 자동화, 로보틱스 등 다양한 영역을 통해 물리적 세계를 어떻게 변화시키고 있는지 살펴보겠습니다.
저는 Siemens에서 산업용 소프트웨어, 엣지-투-클라우드 통합, 산업 AI 분야를 담당하고 있는 글로벌 파트너 매니지먼트 리드 **마리아 루트(Maria Rut)**입니다.
먼저 오늘의 연사들을 소개하겠습니다.
먼저 AWS의 생성형 AI 혁신 센터(Generative AI Innovation Center) 디렉터인 스리 엘라 프로로(Sri Ela Prolo)입니다.
스리는 25년 이상 인공지능과 머신러닝 분야에서 활동해 온 기술 리더로, 현재 전 세계 엔지니어와 과학자로 구성된 팀을 이끌며 기업과 공공 부문의 복잡한 문제 해결을 위해 산업용 AI를 적용하는 작업을 하고 있습니다.
환영합니다, 스리.
스리(AWS): 감사합니다.
다음 연사는 호르스트 카이저(Horst Kaiser) 박사입니다.
호르스트는 정보기술(IT)과 운영기술(OT)을 통합하여 제조업의 디지털 전환을 추진하는 비전 있는 리더입니다. 특히 물리적 기계와 인공지능을 결합하여 지속 가능하고 탄력적인 산업 운영을 구축하는 것에 집중하고 있습니다.
세션에 오신 것을 환영합니다, 호르스트.
호르스트(Siemens): 감사합니다.
오늘 우리는 물리적 AI 분야에서 진행되고 있는 다양한 혁신적인 이니셔티브와 그 발전 방향을 함께 살펴보겠습니다.
현재 우리는 물리적 AI 시장의 폭발적인 성장을 목격하고 있습니다.
SNS Insider의 최신 보고서에 따르면 이 시장은 현재 약 50억 달러 규모에서 2033년에는 500억 달러 규모로 성장할 것으로 예상됩니다.
이는 연평균 약 33%의 성장률로, 매우 빠른 속도입니다.
하지만 먼저 기본적인 질문부터 시작해 보겠습니다.
물리적 AI란 무엇이며, 왜 지금 이 시점에 등장하게 된 것일까요?
물리적 AI란 무엇인가
스리(AWS):
제가 먼저 말씀드리겠습니다.
지난 2~3년 동안 우리는 생성형 AI를 포함한 인공지능의 급격한 성장과 영향력 확대를 목격해 왔습니다.
이제 물리적 AI는 단순히 디지털 세계에 머무르던 AI를 현실 세계, 즉 물리적 세계로 확장하는 단계라고 볼 수 있습니다.
다시 말해 물리적 AI란,
AI 기술을 현실 세계의 물리적 객체와 결합해 실제 행동과 기능을 수행하게 하는 것
입니다.
현재 이 분야가 빠르게 발전하고 있는 이유는 크게 네 가지 요인 때문입니다.
1. 기술 자체의 발전
센서 기술이 크게 발전했습니다.
- 비전(vision)
- 오디오
- 움직임 감지
등 다양한 센서가 서로 결합된 형태(sensor fusion)로 작동하면서 기술 발전 속도가 매우 빨라지고 있습니다.
2. 데이터의 폭발적 증가
물리적 AI 모델을 학습시키기 위해서는 막대한 데이터가 필요합니다.
지금은 이러한 데이터를 수집하고 생성하는 능력 자체가 크게 향상되었습니다.
3. AI 모델의 진화
기존 생성형 AI는 대규모 언어 모델(LLM) 중심이었습니다.
하지만 물리적 AI에서는 언어가 아니라 물리적 객체를 이해해야 합니다.
예를 들어
- 깊이 인식
- 공간 인식
- 물체 인식
등이 필요합니다.
그래서 지금은
Vision-Language-Action 모델(VLA)
이라는 새로운 모델들이 빠르게 발전하고 있습니다.
4. 시장의 준비도
시장도 이제 AI 기반 물리 시스템을 받아들일 준비가 되어 있습니다.
예를 들어 Amazon은 물류센터에 이미 100만 대 이상의 로봇을 운영하고 있습니다.
이 로봇들은
- 혁신을 가속하고
- 비용을 절감하며
- 배송 속도를 개선합니다.
이처럼 기술, 데이터, 모델, 시장 준비도가 동시에 맞물리면서 물리적 AI는 앞으로 향후 10년간 매우 빠르게 성장할 것입니다.
제조업에서 물리적 AI의 의미
호르스트(Siemens):
저 역시 스리의 의견에 전적으로 동의합니다.
물리적 AI는 지금
AI가 현실 세계에 착륙하는 순간
이라고 볼 수 있습니다.
예를 들어
- 자율주행 자동차
- 자율 공장
등에서 AI 모델이 실제 행동을 만들어 내기 시작했습니다.
예전에는 AI의 결과가
- 분석
- 데이터
- 디지털 결과
에 머물렀습니다.
하지만 이제는 실제 물리적 행동이 AI의 결과로 나타나고 있습니다.
이것은 인간 노동의 자동화 범위를 크게 확장할 기회를 제공합니다.
예전 자동화는 주로
- 반복 작업
- 표준화된 작업
에 집중되었습니다.
하지만 이제는
- 추론
- 의사결정
- 자율 행동
까지 확장되고 있습니다.
이는 제조업 생산성 향상에 엄청난 기회를 제공합니다.
또한 제조 시스템의
- 유연성
- 탄력성(resilience)
도 크게 향상됩니다.
자동화의 역사와 AI
자동화는 사실 새로운 개념이 아닙니다.
자동화의 역사를 보면
- 기계식 자동화 (200년 전)
- 증기 기반 시스템
- 전기 기반 시스템
- 전자 및 디지털 제어
- AI 기반 제어
로 발전해 왔습니다.
이제 AI는 모든 물리적 활동에 침투하는 범용 기술(General Purpose Technology)이 될 것입니다.
저는 이것을 확신합니다.
물리적 AI를 가능하게 하는 핵심 기술
스리(AWS):
자동화 자체는 새로운 것이 아닙니다.
1950년대부터 공장에서 자동화는 존재했습니다.
하지만 지금 변화가 일어난 이유는 세 가지 핵심 요소 때문입니다.
1. 감지 능력(Sensing)
기계는 이제 다양한 방식으로 환경을 감지할 수 있습니다.
예를 들어
- 카메라 (시각)
- 깊이 인식
- 오디오 감지
- 이동 및 내비게이션
이러한 감지 능력은 최근 몇 년 사이 극적으로 향상되었습니다.
2. 행동 능력(Action)
기계가 환경을 감지했다면 이제 행동을 해야 합니다.
예를 들어 로봇이
- 물건을 집고
- 옮기고
- 만지고
- 조작하는 능력
등이 크게 발전했습니다.
3. 두뇌(Brain)
가장 중요한 요소는 바로 AI 두뇌입니다.
과거 자동화는 완전히 사전 프로그래밍된 방식이었습니다.
하지만
물리적 AI는 기계가 스스로 행동을 결정하도록 하는 능력을 제공합니다.
여기서 중요한 것이 파운데이션 모델입니다.
이 모델은
- 새로운 환경
- 학습하지 않은 상황
에서도 적응할 수 있습니다.
이를 가능하게 하는 기술이
- Transfer Learning
- Reinforcement Learning
등입니다.
기업들이 겪는 실제 도입 문제
호르스트(Siemens):
기업들이 물리적 AI를 도입할 때 겪는 주요 어려움은 세 가지입니다.
1. 제조의 복잡성
제조에는 매우 다양한 공정이 존재합니다.
예를 들어
- 연마
- 제련
- 금속 가공
- 조립
- 용접
등 수많은 공정이 있습니다.
이 모든 활동을 모델이 학습하려면 막대한 데이터와 모델 다양성이 필요합니다.
2. 데이터 문제
AI 학습에는 데이터 접근이 필수입니다.
하지만 문제는
- 기업들은 데이터를 공유하고 싶어 하지 않습니다.
- 데이터는 “새로운 금”으로 여겨집니다.
그래서 필요한 것은
데이터 공유 생태계와 신뢰 구축
입니다.
3. Brownfield vs Greenfield
제조업에는 이미 수천억 달러 규모의 기존 설비가 있습니다.
이를 모두 폐기하고 새로 시작할 수는 없습니다.
따라서
- 기존 공장(Brownfield)은 점진적으로 개선
- 새로운 공장(Greenfield)은 완전히 새로운 AI 기반 설계
가 필요합니다.
또한 OT(운영기술)와 IT 통합도 중요한 과제입니다.
Siemens의 물리적 AI 전략
Siemens는 175년 역사를 가진 기업입니다.
우리는
- 전기
- 전자
- 디지털 제어
를 거쳐 이제 AI 기반 산업 솔루션으로 발전하고 있습니다.
우리 전략의 핵심은
하드웨어 중심 자동화를 소프트웨어 중심 자동화로 전환하는 것
입니다.
예를 들어
1. 가상 PLC
기존 PLC는 하드웨어 박스였습니다.
하지만 이제는 클라우드에서 실행되는 Virtual PLC가 등장했습니다.
예를 들어 Audi 공장에서 사용되고 있습니다.
2. AI 코파일럿
자동화 코드 생성에 AI 코파일럿을 활용하면
30~40% 생산성 향상
이 가능합니다.
3. Industrial Edge
AI 알고리즘과 생산 데이터를 현장에서 동시에 처리할 수 있는 플랫폼입니다.
Siemens의 주요 AI 이니셔티브
Siemens는 다음과 같은 프로젝트를 진행하고 있습니다.
- Autonomous Factory Lab
- Manufacturing Data Alliance
- NVIDIA, Microsoft, Sony 등과 파트너십
- Siemens Xcelerator 플랫폼
또한 CEO 롤랜드 부시(Roland Busch)는 향후
10억 달러 이상을 AI 개발에 투자하겠다고 발표했습니다.
AWS의 물리적 AI 전략
스리(AWS):
AWS는 최근 Physical AI Fellowship 프로그램을 시작했습니다.
이 프로그램은
- AWS
- NVIDIA
- MassRobotics
의 협력으로 운영됩니다.
목표는
현실 문제를 해결할 스타트업을 지원하는 것
입니다.
우리는 스타트업에게
- 클라우드
- 컴퓨팅
- AI 서비스
- 기술 전문가
등을 제공합니다.
이미 첫 번째 프로그램에서는 다음과 같은 분야의 솔루션이 등장했습니다.
- 자율 건설
- 헬스케어 로보틱스
- 지속 가능한 농업
물리적 AI의 미래
스리(AWS):
생성형 AI처럼 단일한 전환 순간은 없을 것입니다.
대신
점진적이지만 매우 빠른 확산
이 이루어질 것입니다.
센서, 모델, 로봇 기술이 발전할수록 모든 산업에서 물리적 AI가 확대될 것입니다.
호르스트(Siemens):
저도 동의합니다.
사실 이미 전환점은 지나갔다고 생각합니다.
이제 기업들은
“왜 필요한가?”가 아니라 “어떻게, 얼마나 빨리 도입할 것인가?”
를 묻고 있습니다.
다만 중요한 점이 있습니다.
물리적 AI에서는
정확도 85%로는 충분하지 않습니다.
어떤 공정에서는
99.99% 이상의 신뢰성이 필요합니다.
따라서 우리는
- 과장된 약속을 피하고
- 신뢰를 단계적으로 쌓아야 합니다.
결론
오늘 우리는
물리적 AI가 산업을 어떻게 변화시키고 있는지 살펴보았습니다.
물리적 AI는
- 기계에 눈을 주고
- 두뇌를 제공하며
- 손을 움직이게 합니다
그리고 Siemens와 AWS 같은 기업들은
모든 기업이 물리적 AI를 활용할 수 있도록 민주화(democratization)
하고 있습니다.
감사합니다.
