모두가 다음 큰 테마가 무엇일지 알고 싶어 합니다.
저는 대부분의 사람들보다 먼저 광학 슈퍼 사이클에 포지셔닝할 수 있었던 행운을 얻었고, 그 경험은 제 인생을 바꿔놓았습니다.
만약 우리가 이 정도 규모의 다음 테마를 찾아내고 조기에 포지셔닝할 수 있다면 어떨까요?
저는 가능하다고 믿습니다.
그리고 이것이 바로 이 리포트의 내용입니다.
이 문제를 깊이 파고든 결과, 저는 이것이 바로 그 테마라고 확신합니다.
그래서 이 리포트에서는 테마가 무엇인지, 왜 지금 투자할 가치가 있는지, 어디에 투자할 수 있는지, 모든 계층과 공급망, 그리고 제 향후 계획을 설명하겠습니다.
광학/포토닉스는 여전히 제 주요 테마이며, 이 페이지에서 계속 깊이 있게 다룰 예정입니다.
하지만 우리를 기다리고 있는 기회가 있습니다.
그리고 제가 여기서 설명할 이 테마는 시간이 지남에 따라 제 Substack에서 두 번째 주요 커버리지 영역이 될 것입니다.
우리는 아직 초기 단계에 있으며, 포지셔닝할 시간이 있습니다.
최선의 방법을 함께 찾아봅시다.
Physical AI
지난 1년 동안 제 포트폴리오의 상당 부분은 AI 인프라에 집중되어 있었습니다. 물론 결과는 훌륭했습니다.
이제 저는 점점 더 신규 자금을 Physical AI 테마의 새로운 기회에 투자하고 싶어집니다.
제가 투자하는 모든 인프라 기업들은 이 새로운 테마를 가능하게 합니다.
이 리포트의 목표는 이 테마를 매우 이해하기 쉬운 수준으로 소개하여, 모두가 견고한 기초 위에서 시작할 수 있도록 하는 것입니다.
제가 Physical AI에 대해 생각할 때, 그것은 기계가 지능을 갖추게 되는 지점이라고 생각합니다.
즉, 시력, 움직임, 인식, 힘, 안전, 피드백 등 일부 최종 제품의 기능/특성을 말합니다.
전체 흐름은 세상을 보고(카메라 및/또는 센서를 통해), 이 입력값을 이해하고, 어떤 행동이 합리적인지 결정하고, 움직임이나 어떤 종류의 반응을 생성한 다음, 결과를 확인하고 조정하는 방식입니다.
여기서 피드백 루프는 중요한 부분입니다. 기계는 결과로부터 학습해야 하며, 이것이 동일한 사전 프로그래밍된 동작을 반복하는 '비지능형' 기계와의 큰 차별점입니다.
이 글을 읽으면서 메모를 해보시기 바랍니다. 투자할 가치가 있다고 생각되는 영역을 읽을 때마다 멈추고 기록해보세요. 그 계층이 얼마나 다양한 방식으로 투자될 수 있을지 여러 갈래로 생각해보세요. 기업이 아니라, 제품이나 서비스를 통해 수익을 창출할 수 있는 다양한 방법을 말합니다. 그런 다음 다시 읽기를 계속하세요. 이 과정을 반복하세요.
전환
화면에서 현실 세계로.
현재 AI의 주요 사용 사례는 텍스트, 이미지, 코드, 비디오, 리서치, 분석 등을 다루는 생성형 AI에 해당합니다. 이 글을 읽는 거의 모든 분들이 사용해 보셨거나, 매일 사용하고 계실 것입니다. ChatGPT, Claude, Gemini 등이 대표적입니다.
우리가 이미 목격하고 있는 다음 물결은 에이전틱(Agentic) AI입니다. AI가 단순히 응답을 제공하는 것을 넘어 작업을 실행하기 시작합니다. 에이전트는 파일을 검색하고, 스프레드시트를 업데이트하고, 이메일 초안을 작성하고, 일정을 관리하는 등의 일을 할 수 있습니다. 즉, '답변'에서 '실행'으로 전환되지만, 여전히 디지털 영역에 국한됩니다.
그 다음은 Physical AI입니다. 현실 세계에서 무언가를 제어하는 단계입니다. 기계 작업자에게 무엇이 잘못되었는지 알려주는 대신, 기계를 직접 조정할 수 있습니다.
Physical AI에 대해 들었을 때 대부분의 사람들이 떠올리는 시각적 예시는 휴머노이드일 것입니다. 우리는 Figure가 인간과 휴머노이드가 패키지를 분류하는 실시간 비교 영상을 공개한 것을 보았습니다.
하지만 제 생각에 그것은 오늘날 Physical AI의 가장 비실용적인 형태 중 하나입니다. 실제로 중요한 것은 드론, 로봇 팔, 자율 주행 트랙터, 창고 시스템, 수술 시스템, 방위 시스템 등입니다.
더 깊은 개념은 AI가 노동에 점점 더 가까워지고 있다는 것입니다.
다시 연결해보면, 생성형 AI는 지식을, 에이전틱 AI는 사무/소프트웨어를, Physical AI는... 음... 물리적 작업을 돕습니다. 이름을 간단하게 지은 것에 감사할 따름이네요.
그렇다면 TAM(총 시장 규모)은 얼마일까요? Physical AI에 실제로 얼마나 많은 돈이 있을까요?
정답은: '그렇다'입니다.
전부입니다. 모든 것입니다.
하지만 진지하게, 물리적 경제는 엄청납니다.
농장, 창고, 광산, 병원, 방위 시스템, 운송 네트워크, 에너지 인프라, 건설 등, 말 그대로 모든 분야를 포함합니다.
왜 어려운가
이 리포트를 현실에 기반하여 살펴보겠습니다.
AI를 화면 안에 가둘 때는 관리하기가 훨씬 쉽습니다. 실수의 영향이 덜 치명적이고, 수정이 용이하며, 환경이 상대적으로 통제되어 있습니다.
현실 세계로 나오면 상황은 복잡해집니다.
물체의 배치는 예측 불가능하고, 인간은 혼란스럽습니다(기분 나쁘게 들리지 않았으면 좋겠네요). 비나 바람과 같은 환경적 요인이 있으며, 창고 내부의 조명도 변할 수 있습니다.
따라서 이러한 시스템은 불확실성을 이해해야 합니다. 이것이 바로 '지능'의 핵심입니다. 이러한 시스템은 물체가 예측 불가능하게 움직이거나, 센서가 더러워지거나, 조명이 변하거나, 사람들이 경로에 들어오는 등 다양한 상황에서도 작동해야 합니다.
그리고 안전 문제가 있습니다. 소프트웨어에도 안전 문제가 있으며, 특히 에이전트가 기업 내에서 자유롭게 활동하도록 허용할 때는 더욱 그렇습니다. 하지만 여기서는 물리적 안전을 말합니다. 재고가 손상되거나, 사람이 다치거나, 장비가 고장 날 수 있습니다.
따라서 이러한 시스템은 정확성, 신뢰성, 속도, 안전성을 동시에 충족해야 합니다.
정확성, 신뢰성, 안전성은 모두 상식적인 부분이라고 생각합니다.
속도는 어떤 사람들에게는 놀라울 수 있습니다. 하지만 생각해보세요. 가장 명확한 예는 자율 주행입니다. 사람이 예측 불가능하게 차량 앞으로 뛰어든다면, 재앙을 피하기 위해 거의 즉각적으로 반응해야 합니다. 지연 시간이 최소화되어야 합니다. 이러한 응답 시간 내에 클라우드 서버를 기다릴 수 없기 때문에 엣지 AI가 필요한 이유입니다.
그런 다음 부품 간의 조정이 필요합니다. 두뇌만으로는 충분하지 않습니다. 보기 위한 센서, 정보를 처리할 칩, 결정을 내릴 소프트웨어, 움직일 모터, 에너지를 공급할 전원 시스템, 정밀도를 유지할 제어 시스템, 나쁜 결과를 방지할 안전 시스템이 필요합니다.
공급망처럼 들리죠... 그렇죠?
좋습니다. 좋아요.
따라서 데모를 볼 때, 실제 배포는 훨씬 다르고 더 먼 미래의 일처럼 보일 수 있습니다. 기계가 단독으로 작동하는 것과 실제 환경에서 매일 배포되는 것은 완전히 다른 문제입니다. 방금 언급한 모든 능력에 더해, 이러한 기계는 내구성이 뛰어나고 오래가야 합니다.
이 모든 것이 대단한 도전처럼 들린다면... 좋습니다.
그렇습니다.
그리고 바로 그곳에 기회가 있습니다.
왜냐하면 그것을 할 수 있고 확장할 수 있는 기업들은 진정한 수익을 창출할 수 있는 위치에 있기 때문입니다.
핵심 루프
여기서 논의하는 거의 모든 시스템은 유사한 주기를 거쳐야 합니다.
1 - 세상을 본다
2 - 상황을 이해한다
3 - 무엇을 할지 결정한다
4 - 결과를 확인한다
5 - 개선한다
실용적인 예를 들어보겠습니다.
창고 로봇.
먼저 통로를 볼 수 있어야 합니다. 카메라, 라이다, 깊이 센서 또는 기타 센서를 사용하여 선반이 어디에 있는지, 상자가 어디에 있는지, 다른 로봇이나 사람이 어디로 움직이는지 파악합니다.
그런 다음 이 정보를 이해해야 합니다. 하나의 물체는 상자이고, 다른 하나는 사람이라는 것을 이해해야 합니다. 거리, 속도, 방향, 위험을 이해해야 합니다.
그 다음은 결정입니다. 계속 움직여야 할까요? 속도를 늦춰야 할까요? 좌회전해야 할까요? 여기서 인식이 행동으로 전환되기 시작합니다.
다음은 움직임입니다. 모터가 회전하고, 로봇 팔이 조정되고, 그리퍼가 닫힙니다. 어떤 것이든 상관없습니다. 이제 물리적 영역에 진입했습니다.
그런 다음 결과를 확인합니다. 올바른 선반에 도착했나요? 올바른 품목을 집었나요? 현실 세계는 예측 불가능하기 때문에 이 단계는 매우 중요합니다.
마지막으로 개선합니다. 발생한 일에 대한 피드백을 사용하여 다음 번에 더 나은 결정을 내립니다. 이것은 기본적으로 인간이 작동하는 방식이기도 합니다. 특정 물체를 잡기가 더 어렵거나 특정 경로가 특정 시간에 혼잡하다는 것을 학습할 수 있습니다.
이 피드백 루프가 Physical AI를 기본 자동화와 구분짓는 요소입니다. 기존의 자동화는 고정된 명령어 집합입니다. Physical AI는 적응하고, 관찰하고, 반응하고, 조정합니다.
이러한 모든 단계 때문에 투자 가능한 스택이 매우 큰 것입니다. 센서, 칩, 소프트웨어, 모터, 전원, 제어, 안전 시스템, 데이터 등이 포함됩니다. 로봇 본체만으로는 루프 없이는 아무 소용이 없습니다.
투자 가능한 스택
이제 각 계층이 무엇을 포함하는지에 대한 구체적인 내용으로 넘어갈 수 있습니다.
아직 기업에 대해 깊이 들어가지는 않습니다. 기초를 다져야 합니다.
저는 Physical AI를 사람에 비유하는 것을 좋아합니다. 휴머노이드/미학적 측면이 아니라 기능과 감각 측면에서 말입니다.
인간에게는 뇌, 눈, 근육, 신경, 에너지, 균형, 기억력, 연습이 필요합니다. Physical AI 시스템은 이러한 모든 것의 기계적 버전을 어떤 형태로든 필요로 합니다.
여러분이 보는 문자 그대로의 로봇/기계는 시스템의 한 부분일 뿐입니다. 기계 뒤에 있는 것은 훨씬 더 크고 심층적입니다. 그리고 상장 기업에 대한 실제 투자 기회가 있는 곳이기도 합니다.
스택이 시작되기 전에도 훈련이 있습니다. 기계가 현실 세계에서 작동하려면 AI가 먼저 학습해야 합니다. 따라서 데이터, 모델, 올바른 행동의 예시가 필요합니다. 실제 데이터, 합성 데이터, 시뮬레이션 데이터 또는 인간 시연을 통해 훈련할 수 있습니다. 이는 신입 직원이 업무를 시작하기 전에 직무 수행 방법을 배우는 것과 같습니다.
다음은 시뮬레이션입니다. 이것은 기계가 가상 세계에서 연습하는 곳입니다. 창고 로봇은 디지털 통로를 이동하는 연습을 하고, 드론은 디지털 전장을 비행하는 연습을 할 수 있습니다. 현실 세계에서의 연습은 비용이 많이 들고, 느리며, 때로는 위험하기 때문에 이는 중요합니다.
다음은 인식입니다.
이 리포트의 나머지 부분을 읽으려면 여기를 클릭하세요:
거기서 나머지 투자 가능한 계층, 이 테마가 나아갈 방향, 그리고 제 프로세스가 어떻게 될지에 대해 다룹니다.
광학과 함께 Physical AI는 이제 제가 깊이 있게 다루는 두 번째 주요 테마가 되었습니다.
전체 포트폴리오 구성
모든 계층 분석
특정 기업 제시
실적 분석 등
