산업 준비도 진단, 실행·정밀도 한계, 안전·검증 보증, 데이터·드리프트, 반도체 장비 SW 도입 사례의 5개 테마로 정리한 논문 14편입니다. 성공 사례보다 실제 환경에 넣어 보고 무엇이 막혔는지를 기록한 연구를 골랐습니다.
논문 노드를 클릭하면 요약, 구조도, 주요 결과, 드러난 한계, 원문 링크가 열립니다.
자료를 관통하는 결론은 하나입니다. 병목은 모델의 지능이 아니라 정밀도, 실시간성, 하드웨어 비이상성, 데이터 드리프트, 안전 인증이라는 물리 계층에 있습니다. 그리고 성과를 낸 사례는 대부분 학습 모델 위에 검증된 결정론적 레이어나 사람의 판단을 남겨 두는 구조였습니다.
병목별로 어떤 논문이 근거를 제시했고, 논문들이 제안하거나 실증한 대응 방식이 무엇인지 정리했습니다. 논문 칩을 누르면 상세 내용이 열립니다.
| 병목 | 근거 (논문이 보고한 내용) | 논문에 나타난 대응 방식 |
|---|
Empa와 Imperial College London의 Aslan Miriyev, Mirko Kovač가 Nature Machine Intelligence 2권 11호(658–660쪽)에서 정의했습니다. 지능을 가진 생물이 하는 일을 수행할 수 있는 물리 시스템을 만드는 이론과 실천을 뜻합니다.
재료과학, 기계공학, 컴퓨터과학, 생물학, 화학의 다섯 분야를 묶는 다학제 분야로 제안됐습니다. 디지털 "두뇌"에 지능적인 몸체가 결합해야 생물에 견줄 로봇이 나온다는 관점이라, 몸체 자체를 지능적으로 설계하는 것이 핵심입니다.
젠슨 황이 Computex 2024(6월)와 SIGGRAPH 2024(7월)에서 "AI의 다음 물결"로 내세웠고, CES 2025(1월)에서 무대 전체의 주제가 됐습니다. 인식 AI → 생성 AI → 에이전틱 AI → 피지컬 AI로 이어지는 단계론으로 설명합니다.
NVIDIA 용어집은 자율 기계가 실제 물리 세계에서 인지하고 이해하며 복잡한 행동을 수행하게 하는 것으로 정의합니다. Cosmos 논문은 더 넓게 센서와 액추에이터를 갖춘 AI 시스템으로 정의하고, 학습·시뮬레이션·실행용 컴퓨터를 나누는 "3-컴퓨터 구조"를 함께 제시합니다.
| 용어 | 뜻 | 이 지도와의 관계 | 참고 |
|---|---|---|---|
| Embodied AI (체화 AI) | 지각과 행동이 물리적 신체에 묶인 AI. "몸을 가진 AI"로 Physical AI와 거의 같은 뜻으로 혼용됩니다. | 학계 서베이에서 주로 쓰는 상위 개념 | 서베이 |
| VLA (Vision-Language-Action) | 이미지와 자연어 지시를 받아 로봇 행동을 직접 출력하는 모델. 사전학습된 비전-언어 모델에 행동 출력부를 붙인 구조가 일반적입니다. | "실행·정밀도 한계" 테마의 평가 대상 | π0 |
| RFM (Robotic Foundation Model) | 과업·환경·몸체가 바뀌어도 적은 공학 노력으로 적응하는 범용 핵심을 가진 로봇 모델. Siemens 서베이는 VLA를 그 하위 범주로 봅니다. | "산업 준비도 진단" 테마의 평가 대상 | Siemens 서베이 |
| World (Foundation) Model | 물리 세계의 디지털 트윈 역할을 하는 범용 생성 모델. 사전학습 후 특정 환경에 맞춰 사후학습합니다. | NVIDIA와 국내 정부 전략 모두의 핵심 기술 | Cosmos |
| Generative Physical AI | 생성 AI에 3D 세계의 공간 관계와 물리 거동에 대한 이해를 더한 것. NVIDIA가 쓰는 공식 명칭입니다. | 산업계 정의의 출처 | NVIDIA |
| Sim-to-Real | 시뮬레이션에서 학습한 정책을 실제 장비로 옮기는 것. 실데이터 부족의 해법이자 실측 간극의 원천입니다. | 데이터 병목의 대응책 | IndustReal |
| 3-컴퓨터 구조 | 모델 학습용, 시뮬레이션용, 실제 기기에서 돌리는 실행용 컴퓨터를 나누는 NVIDIA의 개발 구조 | 엣지 전력·실시간성 병목과 직결 | NVIDIA |
| Runtime Assurance (Simplex) | 검증되지 않은 고급 제어기가 위험해지면 검증된 기준 제어기로 권한을 넘기는 런타임 안전 보증 구조 | "안전·검증 보증" 테마 | Black-Box Simplex |
| Physical Intelligence (π) | 개념어가 아니라 범용 로봇 파운데이션 모델 π0를 만든 회사 이름입니다. 혼동하기 쉽습니다. | VLA 계열 모델의 개발사 | π0 소개 |
시장 전망보다 먼저 볼 숫자입니다. 국제로봇연맹(IFR)이 실제 설치 대수를 집계한 통계로, 2026년 9월 24일 발표됐습니다.
출처: IFR World Robotics 2025·2026 보도자료·요약본. 점선은 IFR 전망치입니다. 2025년 실적에서 2029년 전망치까지의 연평균 증가율은 약 7.5%입니다(이 페이지에서 계산한 값).
옅은 막대는 기준값(2025), 진한 막대는 전망값입니다. 값의 범위가 수십 배라 로그 스케일로 그렸습니다. PwC는 유로 기준이라 달러와 직접 비교되지 않습니다. *골드만삭스의 점선은 2026년 재상향 보도치(2차 보도)입니다.
주황 막대는 리포트들이 제시한 금액 기준 CAGR, 파란 막대는 IFR 설치 대수 전망(2025→2029)으로 이 페이지에서 계산한 값입니다. 단위가 달라 직접 비교할 수는 없지만, 전망 리포트의 성장률과 실제 설치 추세의 차이를 가늠하는 참고용입니다.
| 기관 | 대상 (정의 범위) | 기준값 | 전망 | CAGR | 출처 |
|---|---|---|---|---|---|
| Acumen Research | Physical AI (좁은 정의) | 2025 · $5.02B | 2035 · $82.79B | 32.8% | 리포트 요약 |
| SNS Insider | Physical AI | 2025 · $5.23B | 2035 · $87.43B | 32.53% | 리포트 요약 |
| Towards Healthcare | Physical AI | 2025 · $5.41B | 2035 · $82.13B | 31.26% | 리포트 요약 |
| MarketsandMarkets | Embodied AI | 2025 · $4.44B | 2030 · $23.06B | 39.0% | 리포트 요약 |
| PwC Strategy& | Physical AI 시스템 (자동차 포함 광의) | — | 2030 · 약 €430B 자동차 €171B, 산업자동화·물류창고 €69B | — | 보고서 |
| Goldman Sachs | 휴머노이드 로봇 | — | 2035 · $38B (2024.2) 2026년 $138B·650만 대로 재상향 보도 | — | 원문 상향 보도 |