지난 11월 XPENG의 AI Day에서 저는 풀스택 Physical AI 프레임워크를 처음 공개하며, 2026년까지 로보택시, 휴머노이드 로봇, 플라잉 카 등 Physical AI 애플리케이션을 양산하겠다는 목표를 발표했습니다.
이제 연중 시점에서, 우리는 Physical AI를 확장하는 진정한 핵심을 살펴보고자 합니다.
Physical AI란 무엇인가
먼저, Physical AI란 무엇일까요? '체화된 AI(embodied AI)'라고도 자주 언급되는 것을 들어보셨을 텐데요, 사실 Physical AI는 체화된 AI보다 더 넓은 영역을 포함합니다.
디지털 세계의 AI 역량을 자율주행차, 로봇공학과 같은 물리적 하드웨어와 통합하면 'Physical AI'가 탄생합니다. 예를 들어, 로봇은 점차 세상을 이해하고 상호작용하며 재구성하는 능력을 갖추게 될 것이며, 궁극적으로 생산력과 생산 관계에 혁명적인 전환을 불러일으킬 것입니다.
Physical AI의 네 가지 핵심 요소
Physical AI를 확장하려면 핵심 요소를 분석해야 합니다. 제 관점에서 Physical AI는 모델, 컴퓨팅 파워, 데이터, 물리적 구현체라는 네 가지 핵심 요소로 구성됩니다.
Physical AI 세계의 기반은 운영체제이며, 모델이 바로 그 운영체제입니다. 한편, 대규모 모델은 엔진으로 볼 수 있습니다. 데이터는 그 진화를 이끄는 연료이며, 데이터 적용의 규모와 효율성이 모델의 역량을 결정합니다.
모델, 컴퓨팅 파워, 데이터는 디지털 영역에 속하는 요소로, 가상 공간에서 스케일링 법칙(Scaling Laws)을 따릅니다. 즉, 모델 파라미터, 컴퓨팅 파워, 데이터셋 규모가 확장됨에 따라 모델 성능이 지속적으로 향상됩니다.
반면, 물리적 구현체는 물리적 세계에 속합니다. 이는 차량, 휴머노이드 로봇 등 AI로 구동되는 유형의 시스템을 의미하며, 그 역량은 제조를 지배하는 물리적 법칙에 의해 제약을 받습니다.
이 네 가지 요소는 자율주행, 나아가 인공 일반 지능(AGI)의 기반을 함께 형성합니다. Physical AI의 실제 배치는 디지털 요소와 물리적 요소 모두에서 동시적인 돌파구를 통해서만 가능합니다.
양산: Physical AI vs. Digital AI
의심할 여지 없이, Physical AI를 양산하는 것은 Digital AI보다 훨씬 어려운 과제입니다. 하지만 소프트웨어적 제약 외에도 어떤 요소들이 작용할까요?
- 정보 밀도: Digital AI는 저밀도 정보 스트림을 다룹니다. Physical AI는 훨씬 더 고밀도의 정보 스트림을 처리합니다. 따라서 Digital AI에서 Physical AI로의 전환은 저밀도 정보 스트림에서 고밀도 정보 스트림으로의 전환일 뿐만 아니라, 디지털 영역을 벗어나 물리적 시공간으로의 전환을 의미합니다.
- 역량 경계: Digital AI의 상한선은 더 높은 정보 효율성에 있으며, 하한선에서는 오류 허용성을 특징으로 하고 적용 가능성은 매우 높은 전이성을 가집니다. 반대로 Physical AI의 상한선은 물리적 세계를 재구성하는 힘이며, 하한선은 오류를 절대 용납하지 않는 엄격한 안전 기준을 요구하며, 적용 가능성은 매우 구체적인 사례에 한정됩니다. 결정적으로, Digital AI는 보편적이고 쉽게 전이 가능하지만, Physical AI는 특정 시나리오에 깊이 의존합니다.
- 하드웨어 장벽: Digital AI의 주요 하드웨어 장벽은 CPU, GPU, 서버 클러스터인 반면, Physical AI의 하드웨어 장벽은 엣지 측 하드웨어의 기본 성능, 비용, 신뢰성, 제조 역량 및 양산 가능성을 포함하여 훨씬 더 광범위한 차원을 다룹니다.
- 법률 및 규제: Digital AI 규제는 데이터 프라이버시, 저작권, 윤리 등 간접적인 관리에 초점을 맞춥니다. 반면 Physical AI는 정책과 규제에 의한 직접적이고 엄격한 운영 제한에 직면합니다. 예를 들어, 로보택시는 도로 주행 테스트 허가와 엄격한 안전 인증이 필요합니다.
- 대중의 수용도: Digital AI는 뚜렷한 도구적 특성을 지니며 대중의 인정을 쉽게 얻습니다. 그러나 Physical AI는 안전성과 신뢰성에 대한 우려를 수반하며, 대중의 신뢰를 형성하는 데 훨씬 더 긴 주기가 필요합니다.
이것이 바로 Physical AI 확장 경쟁이 모델이나 하드웨어에만 집중하는 기업이 아닌, 교차 영역 통합과 자체 개발 역량을 갖춘 기업의 몫인 이유입니다.
