과학기술정보통신부가 2026년 7월 1일 발표한 피지컬 AI 핵심 경쟁력 확보 전략은 3년 내 글로벌 1강 도약을 목표로 LG전자·마음AI·KAIST·서울대 등 10개 산학연이 참여하는 선도기술개발 사업을 착수합니다. 피지컬 AI와 언어모델의 차이, 월드모델 국산화 목표, ROS 2·Isaac Sim·LeRobot 개발 스택, 로봇 소프트웨어·시뮬레이션·백엔드 플랫폼 분야별 커리어 진입점까지 정리했습니다.
2026년 7월 1일, 과학기술정보통신부가 '피지컬 AI 핵심 경쟁력 확보 전략'을 공개했습니다. 3년 내 피지컬 AI 글로벌 1강 도약을 목표로, LG전자·마음AI·KAIST·서울대 등 10개 산학연이 참여하는 선도기술개발 사업을 착수합니다. 정부가 이 분야를 '골든타임 3년'으로 규정하고 집중 투자를 결정했다는 것은 로봇·자율주행·제조 AI 분야 개발자에게 의미 있는 신호입니다.
이 글에서는 피지컬 AI 전략의 핵심 내용, 선도기술개발 사업 구조, 월드모델 국산화가 무엇을 의미하는지, 그리고 개발자가 이 흐름에서 어떤 진입점을 찾을 수 있는지 정리합니다.
피지컬 AI란? — 언어모델이 아닌 물리 세계를 다루는 AI
피지컬 AI(Physical AI)는 텍스트나 이미지를 생성하는 소프트웨어 AI와 달리, 실제 물리 공간에서 인식·판단·행동을 수행하는 AI 시스템을 말합니다. 로봇, 자율주행차, 스마트 제조 설비가 대표적입니다.
챗지피티(ChatGPT)나 클로드(Claude) 같은 언어모델이 텍스트 입력을 받아 텍스트를 출력한다면, 피지컬 AI는 카메라·라이다·촉각 센서로 세상을 인식하고 모터·액추에이터로 직접 행동합니다. 제어 루프가 실시간으로 돌아야 하고, 실패의 결과가 물리적 손상이라는 점이 소프트웨어 AI와 본질적으로 다릅니다.
엔비디아가 피지컬 AI를 자사의 중장기 전략 핵심으로 선언하고, 젠슨 황 CEO가 "피지컬 AI가 다음 10년을 정의한다"고 밝힌 이후 글로벌 투자가 집중되고 있습니다. 미국의 피지컬 인텔리전스(Pi)·피규어(Figure)·보스턴 다이내믹스, 중국의 유니트리·아지봇이 경쟁하는 시장입니다.
과기정통부가 3년을 골든타임으로 잡은 이유도 여기 있습니다. 소프트웨어 AI처럼 미국이 이미 압도적 격차를 벌인 영역이 아니라, 아직 표준과 플랫폼이 굳지 않은 초기 시장 형성 단계이기 때문입니다.
피지컬 AI는 언어모델과 달리 실제 물리 공간에서 인식·판단·행동을 수행합니다. 제조·물류·의료 분야가 주요 적용 영역입니다.
과기정통부 전략의 핵심 — 3년 집중, 10개 산학연 컨소시엄
과기정통부와 정보통신기획평가원(IITP)이 착수한 '피지컬 AI 선도기술개발' 사업의 주요 내용을 정리했습니다.
구성을 보면 로봇 하드웨어(로보티즈·홀리데이로보틱스), AI 소프트웨어(마음AI·알체라), 데이터(크라우드웍스), 통신 인프라(KT), 표준화(TTA), 학계(KAIST·서울대)가 고루 포진한 전형적인 정부 지원 컨소시엄 구조입니다.
핵심 과제: 월드모델 국산화
이 사업의 핵심 목표 중 하나는 월드모델(World Model) 자체 개발입니다. 월드모델은 로봇이 물리 세계를 내부적으로 시뮬레이션하는 AI 모델입니다. 행동 전에 "이렇게 움직이면 어떻게 될까"를 예측하고 최적 행동을 선택합니다. 현재 이 분야는 엔비디아의 코스모스(Cosmos), 구글 딥마인드, 메타 등 미국 빅테크가 주도합니다.
피지컬 AI 핵심 경쟁력 확보 전략은 단순 사업 하나가 아닙니다. 3년을 집중 투자 기간으로 잡고, 그 기간 내에 수출 가능한 피지컬 AI 소프트웨어 스택과 월드모델을 확보하겠다는 국가 전략입니다.
월드모델이란? — 로봇 AI의 핵심 엔진
언어모델(LLM)이 텍스트 세계를 모델링하듯, 월드모델은 물리 세계를 모델링합니다. 로봇이 행동을 실행하기 전에 결과를 예측하고 검증하는 데 씁니다.
예를 들어 물건을 집는 로봇을 생각해봅시다. 단순한 제어 시스템은 사전에 정의된 궤적을 따릅니다. 월드모델을 갖춘 로봇은 물체의 형태·무게·마찰계수를 추정하고, 다양한 그리핑 방법을 시뮬레이션한 뒤 성공 확률이 가장 높은 방법을 선택합니다. 이 과정이 실시간으로 이루어져야 합니다.
월드모델 개발이 어려운 이유
데이터 수집의 어려움: 언어 데이터는 인터넷에 방대하게 존재하지만, 물리 세계 데이터(로봇이 다양한 환경에서 수행하는 행동 데이터)는 직접 수집해야 합니다. 비용과 시간이 막대합니다.
실시간 추론 요구: 로봇 제어 루프는 밀리초 단위로 동작합니다. 응답에 수십 초가 걸리는 언어모델과 달리 즉각적 예측이 필요합니다.
안전 보장: 물리 공간에서의 실패는 장비 손상, 부상으로 이어집니다. 모델의 불확실성을 명확히 추정하고 안전 경계를 지켜야 합니다.
엔비디아가 코스모스를 오픈소스로 공개하면서 이 분야의 진입 장벽이 낮아지고 있습니다. 그러나 특정 산업·환경에 특화된 파인튜닝된 월드모델은 여전히 경쟁력 있는 독자 개발이 필요합니다.
월드모델은 로봇이 행동 전에 물리 결과를 예측하는 내부 시뮬레이터입니다. 엔비디아 코스모스, 구글 딥마인드가 이 분야를 주도하고 있습니다.
피지컬 AI 개발 스택 — 어떤 기술을 써야 하나
피지컬 AI 개발에 관심 있는 개발자라면 알아야 할 기술 스택을 계층별로 정리했습니다.
시뮬레이션 계층
엔비디아 Isaac Sim: Omniverse 기반 로봇 시뮬레이터. 포토리얼리스틱 렌더링, 물리 시뮬레이션, 합성 데이터 생성을 지원합니다. 실제 로봇 없이 가상 환경에서 대규모 학습 데이터를 만드는 데 씁니다.
MuJoCo: 딥마인드가 인수한 물리 시뮬레이터. 강화학습 연구에서 표준으로 쓰입니다. Python API로 접근하기 쉽습니다.
Gazebo: ROS와 연계되는 오픈소스 시뮬레이터. 무료이고 커뮤니티가 큽니다.
로봇 운영체제 계층
ROS 2 (Humble / Jazzy): 로봇 소프트웨어의 실질적 표준. 모듈 간 통신, 하드웨어 추상화, 패키지 생태계를 제공합니다. C++과 Python으로 노드를 작성합니다.
마이크로-ROS: 임베디드 MCU에서 ROS 2 노드를 실행하기 위한 경량 버전.
AI/ML 계층
PyTorch + IsaacLab: 로봇 강화학습의 표준 조합. IsaacLab은 Isaac Sim 위에서 강화학습 실험을 빠르게 구성하는 프레임워크입니다.
LeRobot (Hugging Face): 모방 학습과 모델 공유를 위한 오픈소스 라이브러리. 실제 로봇 데이터로 학습한 모델을 허깅페이스에서 공유하고 파인튜닝할 수 있습니다.
전통적인 웹 개발자가 이 스택으로 진입하기 위한 현실적인 첫 단계는 Python + ROS 2 + MuJoCo(또는 Isaac Sim 무료 버전) 조합으로 시뮬레이션 환경을 구성해보는 것입니다. 하드웨어 없이도 로봇 제어와 강화학습을 경험할 수 있습니다.
Python + ROS 2 — 기본 퍼블리셔 노드 예시
import rclpy
from rclpy.node import Node
from std_msgs.msg import String
from geometry_msgs.msg import Twist
class RobotController(Node):
def __init__(self):
super().__init__('robot_controller')
# 로봇 속도 명령 퍼블리셔 (토픽: /cmd_vel)
self.publisher = self.create_publisher(Twist, 'cmd_vel', 10)
# 0.1초(10Hz)마다 제어 루프 실행
self.timer = self.create_timer(0.1, self.control_loop)
self.get_logger().info('RobotController 노드 시작')
def control_loop(self):
msg = Twist()
# 직진: 선속도 0.3 m/s
msg.linear.x = 0.3
# 회전 없음
msg.angular.z = 0.0
self.publisher.publish(msg)
def main(args=None):
rclpy.init(args=args)
node = RobotController()
rclpy.spin(node)
node.destroy_node()
rclpy.shutdown()
if __name__ == '__main__':
main()
개발자 커리어 관점 — 피지컬 AI에서 기회를 찾을 수 있는 곳
피지컬 AI 붐이 개발자에게 만드는 기회는 크게 네 영역으로 나뉩니다.
1. 로봇 소프트웨어 개발: ROS 2 기반의 인식·계획·제어 시스템을 개발하는 롤입니다. C++과 Python 모두 쓰이며, 실시간 시스템과 임베디드 경험이 있으면 강점입니다. 국내 로봇 스타트업(뉴빌리티, 클로봇, 로보티즈 등)이 이 분야 인재를 꾸준히 채용합니다.
2. 시뮬레이션 엔지니어링: 실제 로봇 데이터 수집은 비용이 크기 때문에 시뮬레이션으로 합성 데이터를 만드는 역할이 중요해졌습니다. Isaac Sim, Gazebo, MuJoCo 경험 + Python이 기본 요구 스펙입니다.
3. 피지컬 AI 플랫폼 백엔드: 로봇 함대를 관리하는 소프트웨어, 로봇 로그 분석, 원격 모니터링 시스템은 일반 백엔드 개발자가 진입하기 좋은 영역입니다. REST API, 시계열 데이터베이스, 실시간 스트리밍 처리 경험을 활용할 수 있습니다.
4. AI 모델 파인튜닝: 특정 산업(제조·의료·물류)의 피지컬 환경에 맞춰 파운데이션 모델을 파인튜닝하는 역할입니다. PyTorch + 강화학습 기초가 필요합니다. 크라우드웍스 같은 데이터 레이블링 기업도 이 수요를 위한 고품질 로봇 행동 데이터 구축에 투자 중입니다.
과기정통부 선도사업이 만드는 직접적인 기회도 있습니다. 참여 기관들이 외부 파트너·연구 인력을 채용하고, 사업 결과물이 오픈소스로 공개될 가능성이 있습니다. IITP가 운영하는 정보통신산업진흥원(NIPA)의 AI 인재 양성 과정을 통해 이 분야 교육을 받을 수도 있습니다.
피지컬 AI는 제조·물류·의료 현장에서 실제 가치를 만드는 응용 분야입니다. 소프트웨어 개발자에게는 새로운 진입 기회가 생기고 있습니다.
현실적인 과제 — 국가 전략이 성과로 이어지려면
정부 주도 기술 개발 사업이 실제 산업 경쟁력으로 이어지려면 해결해야 할 과제들이 있습니다.
데이터 확보 문제: 월드모델 학습에는 로봇 행동 데이터가 대량으로 필요합니다. 실제 현장에서 로봇을 운용하는 기업들이 데이터를 공유하지 않으면 학습 품질이 제한됩니다. 크라우드웍스의 참여가 이 부분을 해결하려는 시도로 보입니다.
하드웨어와의 연계: 소프트웨어 스택이 아무리 좋아도 이를 실행할 하드웨어 플랫폼이 없으면 실제 적용이 어렵습니다. 로보티즈·홀리데이로보틱스의 참여가 이 간극을 줄이려는 구조입니다. 그러나 하드웨어-소프트웨어 공동 최적화에는 시간이 걸립니다.
인재 부족: ROS 2·강화학습·물리 시뮬레이션 경험자는 전 세계적으로 부족합니다. KAIST·서울대가 참여하는 이유 중 하나가 연구 인력 양성이지만, 3년 내에 산업 적용 가능한 수준의 인력이 충분히 배출될 수 있을지는 미지수입니다.
표준화와 글로벌 연계: ROS 2, 오픈소스 피지컬 AI 도구들은 글로벌 커뮤니티 기반입니다. 국내 독자 스택 개발이 이 생태계와 단절되면 고립될 위험이 있습니다. TTA의 참여가 표준화 측면을 담당하는 것으로 보입니다.
언어모델은 텍스트·이미지를 입력받아 텍스트를 출력하는 소프트웨어 AI입니다. 피지컬 AI는 카메라·라이다·촉각 센서로 물리 세계를 인식하고, 모터·액추에이터로 직접 행동합니다. 제어 루프가 밀리초 단위로 동작해야 하고, 실패가 물리적 손상으로 이어진다는 점이 근본적인 차이입니다. 개발에 필요한 스택(ROS 2, 시뮬레이터, 실시간 제어)과 요구 역량도 다릅니다.
월드모델이 왜 피지컬 AI의 핵심인가요?
월드모델은 로봇이 행동을 실행하기 전에 물리적 결과를 예측하는 내부 시뮬레이터입니다. 월드모델이 있으면 로봇이 매번 실제로 시도해보지 않고도 "이렇게 하면 성공할 것인가"를 미리 판단할 수 있습니다. 특히 새로운 환경이나 처음 보는 물체를 다룰 때 일반화 능력이 크게 향상됩니다. 현재 미국 빅테크(엔비디아 코스모스, 구글 딥마인드)가 이 분야를 주도하고 있으며, 과기정통부 사업의 국산화 목표가 여기에 집중됩니다.
웹 개발자가 피지컬 AI 분야로 전환하려면 어디서 시작해야 하나요?
가장 현실적인 첫 단계는 Python 기반 로봇 시뮬레이션입니다. MuJoCo(무료)나 PyBullet으로 간단한 강화학습 환경을 구성해보는 것부터 시작하세요. ROS 2 기초 튜토리얼(ROS 2 공식 문서)을 따라 노드-토픽 개념을 익히고, 하드웨어 없이 시뮬레이션에서 로봇을 제어해보는 경험이 중요합니다. 직접적인 진입이 아니라면, 로봇 회사의 백엔드·플랫폼 개발자 포지션으로 먼저 진입해 도메인을 익히는 방법도 있습니다.
이번 과기정통부 사업에 일반 개발자나 스타트업이 참여할 수 있나요?
이번 선도기술개발 사업은 이미 컨소시엄이 구성된 상태라 신규 참여는 어렵습니다. 하지만 IITP(정보통신기획평가원)가 운영하는 피지컬 AI 관련 후속 지원 사업, SW·AI 분야 R&D 과제에는 기업 참여가 가능합니다. 참여 기관인 마음AI·알체라·로보티즈 등의 채용 공고를 모니터링하거나, LG전자 로봇사업부 협력 파트너십을 통한 간접 참여도 방법입니다.
3년 내 글로벌 1강 목표는 현실적인가요?
공격적인 목표인 것은 사실입니다. 미국 피지컬 인텔리전스(Pi)나 피규어(Figure)는 이미 수억 달러 투자를 받고 수년간 개발한 상태입니다. 다만 과기정통부 전략의 강점은 한국의 제조업 인프라입니다. 삼성전자·LG전자·현대차 같은 실제 제조 현장을 데이터 수집과 검증 환경으로 활용할 수 있다는 점이 미국 순수 AI 스타트업과 다른 유리한 조건입니다. 글로벌 1강이 아니더라도, 특정 제조 도메인에서 경쟁력 있는 피지컬 AI 스택을 만드는 것은 충분히 실현 가능한 목표입니다.
피지컬 AI 개발에 GPU가 반드시 필요한가요?
학습 단계에서는 GPU가 거의 필수입니다. 강화학습으로 로봇 정책을 학습하거나 시뮬레이션 데이터를 생성하는 과정은 GPU 집약적입니다. 추론(실제 로봇 동작) 단계에서는 온디바이스 AI 칩(엔비디아 Jetson, 인텔 Neural Compute Stick 등)으로 실행하는 경우가 많습니다. 학습에 필요한 GPU는 국내 GPU 클라우드(NHN클라우드, KT클라우드)를 시간 단위로 빌려 쓰는 방식으로 초기 비용을 낮출 수 있습니다.
