[현장] 피지컬 AI 스타트업의 상용화 공식은 ‘기술·자본·고객’을 연결하는 것 작성일 06-19 41 목록 <div id="layerTranslateNotice" style="display:none;"></div> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="fr2YcYYClk"> <div contents-hash="d7dfc7f684114f418d6b5058d862204b4fef1764b337819972e58050b049761b" dmcf-pid="4mVGkGGhCc" dmcf-ptype="general"> <h5>넥스트라이즈 2026서 두산로보틱스·미래에셋벤처투자, 피지컬 AI 사업화 조건 주제 토론</h5> <h5>오창훈 두산로보틱스 전무 “로봇 개발, ‘어떻게’에서 ‘무엇을 풀 것인가’로 이동”</h5> <h5>조진환 미래에셋벤처투자 이사 “팀·데이터 전략·배포-학습 루프가 투자 판단의 핵심”</h5> <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="0ff0c19095c0cc53e9b2501019496189bf8246c92bde1261a779bf62b919643d" dmcf-pid="8sfHEHHlvA" dmcf-ptype="figure"> <p class="link_figure"><img alt="패널토론 형식으로 진행된 ‘Physical AI 스타트업의 상용화 공식: 기술, 자본, 고객을 어떻게 연결할 것인가’는 피지컬 AI(Physical AI·물리 세계에서 작동하는 인공지능)의 사업화 가능성을 정면으로 다루며 참관객들의 이목을 집중시켰다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202606/19/552816-OGTrtXj/20260619084645727gcxz.jpg" data-org-width="1024" dmcf-mid="qawQ0QQ9yO" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202606/19/552816-OGTrtXj/20260619084645727gcxz.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 패널토론 형식으로 진행된 ‘Physical AI 스타트업의 상용화 공식: 기술, 자본, 고객을 어떻게 연결할 것인가’는 피지컬 AI(Physical AI·물리 세계에서 작동하는 인공지능)의 사업화 가능성을 정면으로 다루며 참관객들의 이목을 집중시켰다. (사진=테크42) </figcaption> </figure> <div contents-hash="bc5257331c0ea1386c5d07525a5cf1ed36bf94371bdd3122fe6ff4b5df167384" dmcf-pid="6O4XDXXSCj" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="c04d8fc290a376aef840ea26f972344a229cd0b1d6c501470ffe9c4abf27ddcc" dmcf-pid="PDKyjyyOvN" dmcf-ptype="general">아시아 대표 글로벌 스타트업 페어 ‘넥스트라이즈 2026 서울(NextRise 2026, Seoul)’이 18일부터 19일까지 서울 코엑스에서 열렸다. 올해 행사는 프랑스를 주빈국으로 북미, 유럽, 아시아, 중동 등 전 세계 28개국의 혁신 생태계를 연결하는 자리로 마련됐다. 넥스트라이즈는 지난해 2만5000명 이상의 참관객, 3700건 이상의 1:1 밋업, 540개 이상의 전시·IR, 60개 이상의 컨퍼런스 세션을 기록한 바 있는 대형 스타트업 행사다. </p> <div contents-hash="d9cab633db2a3128be61dfbc57dfe38e4bfd8d7b9d015ee34d9ef4f2bc5b53b3" dmcf-pid="Qw9WAWWIya" dmcf-ptype="general"> 행사 첫날 다양한 스타트업 부스 사이에서 열린 컨퍼런스 세션은 빈자리가 없을 정도로 열기를 띠었다. 그 중에서도 패널토론 형식으로 진행된 ‘Physical AI 스타트업의 상용화 공식: 기술, 자본, 고객을 어떻게 연결할 것인가’는 피지컬 AI(Physical AI·물리 세계에서 작동하는 인공지능)의 사업화 가능성을 정면으로 다루며 참관객들의 이목을 집중시켰다. <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="f32d98a42197bdecbd8d1585c533c465d5eab698bc6cb555d2657ca85c088811" dmcf-pid="xr2YcYYCTg" dmcf-ptype="figure"> <p class="link_figure"><img alt="이경희 AWS CVC Lead(이경희 리드)가 모더레이터로 참여했다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202606/19/552816-OGTrtXj/20260619084647263xjvy.jpg" data-org-width="1024" dmcf-mid="BC3DxDDgWs" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202606/19/552816-OGTrtXj/20260619084647263xjvy.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 이경희 AWS CVC Lead(이경희 리드)가 모더레이터로 참여했다. (사진=테크42) </figcaption> </figure> <div contents-hash="5ffcdf164b88515bbc6d851460f3028138764b1502d55d447359ac14264788a7" dmcf-pid="ybORuRRflo" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="28e87ec78bececd80e2ee53f996e8811eea4055bbcb4f6753bab942727b630c9" dmcf-pid="WKIe7ee4yL" dmcf-ptype="general">이경희 AWS CVC Lead(이경희 리드)가 모더레이터로 참여한 이번 토론에는 오창훈 두산로보틱스 SVP AI/SW(오창훈 전무), 조진환 미래에셋벤처투자 이사(조진환 이사)가 패널로 나섰다. 생성형 AI가 소프트웨어 혁신을 이끌었다면, 다음 질문은 AI가 실제 물리 세계를 어떻게 바꾸고 수익을 창출할 수 있는지로 이동하고 있다는 문제의식이 토론의 출발점이었다. </p> <div contents-hash="930db7be20d04355e8b3372faaa2b73a0694a5d0c31ffc851fdd809a943462c6" dmcf-pid="Y9Cdzdd8hn" dmcf-ptype="general"> <strong>피지컬 AI는 자동화의 연장이 아니다…“상황을 이해하고 스스로 판단하는 로봇”</strong> <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="62cebf01fb151a6bbf9334ed0531e9392a5353d4696bf8ed644e63726e5a2db8" dmcf-pid="G2hJqJJ6hi" dmcf-ptype="figure"> <p class="link_figure"><img alt="조진환 이사는 피지컬 AI를 기존 자동화와 구분하는 기준으로 ‘맥락 이해’와 ‘자율적 판단’을 들었다. 단순히 기계에 AI 기능을 얹는 수준이 아니라, 현장의 조건 변화를 받아들이고 로봇 스스로 동작을 조정할 수 있어야 한다는 설명이다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202606/19/552816-OGTrtXj/20260619084648778gfyf.jpg" data-org-width="1024" dmcf-mid="brLuSuu5hm" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202606/19/552816-OGTrtXj/20260619084648778gfyf.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 조진환 이사는 피지컬 AI를 기존 자동화와 구분하는 기준으로 ‘맥락 이해’와 ‘자율적 판단’을 들었다. 단순히 기계에 AI 기능을 얹는 수준이 아니라, 현장의 조건 변화를 받아들이고 로봇 스스로 동작을 조정할 수 있어야 한다는 설명이다. (사진=테크42) </figcaption> </figure> <div contents-hash="b581c661cc47e3537bb00137e9dd13f4945b93fbc443a0e9175236f796b41ba2" dmcf-pid="HVliBiiPWJ" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="bb8ae5cf1fa66274ebeefe9e91a1062b8271254f8d19be9bce206311025b725d" dmcf-pid="XfSnbnnQyd" dmcf-ptype="general">토론은 피지컬 AI가 기존 로봇 제어 또는 산업 자동화와 어떻게 다른지를 짚는 데서 시작됐다. 로봇과 AI가 결합하는 흐름은 단순한 기술 유행이 아니라 제조, 물류, 서비스 현장의 생산성 구조를 바꿀 수 있는 산업적 전환으로 다뤄졌다. </p> <p contents-hash="de0c5b22a98181f76fffe071c6cc6fedcd4e1739ff7fa4a2bc6df1df7cc2929b" dmcf-pid="Z0cf5ffzCe" dmcf-ptype="general">조 이사는 피지컬 AI를 기존 자동화와 구분하는 기준으로 ‘맥락 이해’와 ‘자율적 판단’을 들었다. 단순히 기계에 AI 기능을 얹는 수준이 아니라, 현장의 조건 변화를 받아들이고 로봇 스스로 동작을 조정할 수 있어야 한다는 설명이다. </p> <p contents-hash="24e69568359b3b0d607f7953eea927010bd176a38d50baeaa5ac1459dc196bfd" dmcf-pid="5pk4144qvR" dmcf-ptype="general">“피지컬 AI라는 단어 자체가 좀 어려운 단어인 것 같아요. 단순히 기계에 AI가 탑재됐다고 해서 피지컬 AI라고 생각하지는 않습니다. 기존에는 기계에 AI가 들어갔을 때도 정해진 맥락에서만 어떤 액션을 했다고 볼 수 있는데요. 피지컬 AI는 조금 더 그 컨텍스트를 이해하고, 어떤 상황에서든 스스로 판단해서 스스로의 바디를 제어할 수 있는 것이라고 생각하고 있습니다.” </p> <p contents-hash="082e65d622840b992b622118a5cb3eb24299c5bdd462058cf1ff3f613fdb873b" dmcf-pid="1UE8t88BCM" dmcf-ptype="general">오 전무도 피지컬 AI의 본질을 로봇 개발 방식의 변화에서 찾았다. 기존 로보틱스 엔지니어링은 사람이 로봇의 움직임과 작업 절차를 직접 정의하는 방식이었다. 로봇이 어떤 경로로 움직이고, 어떤 순서로 작업하며, 오류가 생기면 어떻게 멈출지까지 엔지니어가 ‘방법’을 설계했다. </p> <p contents-hash="f3b83a6b518cc486922725d210b981f4272b4df50feea5e455c84d0d87c3ff51" dmcf-pid="tuD6F66bhx" dmcf-ptype="general">반면 피지컬 AI는 고객이 해결하고 싶은 과업을 제시하면 로봇이 데이터를 바탕으로 수행 방법을 찾아가는 구조에 가깝다. 오 전무는 이를 ‘어떻게(How)’에서 ‘무엇(What)’으로의 이동이라고 설명했다. 고객이 원하는 목표 또는 해결해야 할 문제를 정의하면, 로봇이 그 목표를 달성하기 위한 수행 전략을 생성하는 방식으로 개발 패러다임이 바뀌고 있다는 의미다. </p> <div contents-hash="c386a34a9f6bba5473049804397995c00aff09ad5c1c5828342ccb68685cc0c6" dmcf-pid="F7wP3PPKyQ" dmcf-ptype="general"> <strong>기술의 공식: 데이터·시뮬레이션·옵저버빌리티가 상용화의 전제다</strong> <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="6e5923c548b586828038d4ae7205d61692811524bd59ac496f083984c05d2edf" dmcf-pid="3zrQ0QQ9TP" dmcf-ptype="figure"> <p class="link_figure"><img alt="오창훈 전무는 피지컬 AI 솔루션 개발에서 기존 산업 자동화와 달라진 점을 설명하며, 데이터와 시뮬레이션 기반 개발 체계가 중요해졌다고 강조했다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202606/19/552816-OGTrtXj/20260619084650335nqan.jpg" data-org-width="1024" dmcf-mid="KpIc6ccnSr" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202606/19/552816-OGTrtXj/20260619084650335nqan.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 오창훈 전무는 피지컬 AI 솔루션 개발에서 기존 산업 자동화와 달라진 점을 설명하며, 데이터와 시뮬레이션 기반 개발 체계가 중요해졌다고 강조했다. (사진=테크42) </figcaption> </figure> <div contents-hash="e46884e1e0445c4a7059ed9934b7e3b1dcdd8403b248c5eaa89060a9de32902d" dmcf-pid="0qmxpxx2l6" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="d4e0bd5f08e7b3689f87bf821e879a3766d8650a3f26431462ea9ab87091a6a3" dmcf-pid="pBsMUMMVC8" dmcf-ptype="general">피지컬 AI 개발은 기존 산업 자동화보다 훨씬 복합적인 역량을 요구한다. 오 전무는 과거 로봇 개발이 하드웨어와 제어 엔지니어링 중심이었다면, 피지컬 AI 솔루션 개발에는 데이터 엔지니어링(Data Engineering·데이터 수집·정제·활용 설계), 시뮬레이션 엔지니어링(Simulation Engineering·가상환경 기반 검증), AI 엔지니어링이 추가로 필요하다고 설명했다. 물리적 장비를 잘 만드는 역량만으로는 부족하고, 로봇이 스스로 학습하고 판단할 수 있는 데이터 구조를 함께 설계해야 한다는 것이다. </p> <p contents-hash="7a852979086021018a318e0dcc6a3b8a4e3d65f87449c4bc549bd86a6c0da7c1" dmcf-pid="UbORuRRfC4" dmcf-ptype="general">실제 산업 현장은 실험실과 다르다. PoC(개념검증)나 파일럿(시범 적용) 단계에서는 규격화된 물품과 예측 가능한 조건을 기준으로 테스트가 이뤄지기 쉽다. 그러나 현장에서는 찢어진 박스, 미끄러운 비닐 포장, 위치가 어긋난 물품처럼 예외 상황이 반복된다. 이 간극을 줄이기 위해서는 현장 데이터를 체계적으로 수집하고, 시뮬레이션을 통해 다양한 실패 조건을 저비용으로 검증하는 개발 방식이 필요하다. 이에 오 전무는 피지컬 AI 솔루션 개발에서 기존 산업 자동화와 달라진 점을 설명하며, 데이터와 시뮬레이션 기반 개발 체계가 중요해졌다고 강조했다. </p> <p contents-hash="968757999a245687c39bd8bb0c782679c0ffe6642055d89e6d449cf891910579" dmcf-pid="u2hJqJJ6Sf" dmcf-ptype="general">“기존에는 어떻게 하면 다이내믹스(Dynamics)를 잘 효율화해서 공정을 수행할 수 있을까라는 관점에서 봤다고 하면요. 지금은 어떻게 데이터를 잘 모아서 로봇이 스스로 판단하고 정확한 공정을 수행할 수 있을까라는 관점에서 봐야 하는 것 같습니다. 데이터의 기여도도 매우 중요해졌고, 공정 자체도 싼값으로 빠른 실패를 통해 개선할 수 있는 방식으로 변해야 합니다. 그러다 보니 시뮬레이션을 만들고 생성하는 쪽의 소프트웨어 엔지니어링이 훨씬 강화됐다고 생각하고 있습니다.” </p> <p contents-hash="a8ddc28961685a7fcd59e5780aa7e6ec43cfbc824dd082769acd11dfc9230449" dmcf-pid="7VliBiiPSV" dmcf-ptype="general">그런 오 전무가 개발 단계에서 특히 강조한 개념은 옵저버빌리티(Observability·관측 가능성)라고 했다. 옵저버빌리티는 로봇이 어떤 센서 정보를 바탕으로 왜 특정 동작을 했는지, 오류가 어디서 발생했는지, 같은 상황을 다시 재현할 수 있는지를 외부에서 추적·검증하는 능력을 뜻한다. </p> <p contents-hash="2c9fa0e15733c7c6e8cafebe6a712b0089c46389f96b85daa435bd30c7e97c19" dmcf-pid="zfSnbnnQl2" dmcf-ptype="general">산업 현장에 투입된 로봇은 한 번 설치하고 끝나는 완성형 장비가 아니다. 현장 조건이 달라지고, 작업 대상이 변하며, 예상하지 못한 예외가 발생한다. 이때 문제 발생 후 대응 속도를 얼마나 줄일 수 있는지가 상용화 경쟁력으로 이어진다. 오 전무는 옵저버빌리티가 확보되면 기존에 수개월 걸리던 수정·검증 과정을 1~2주 단위로 단축하는 것을 목표로 할 수 있다고 설명했다. </p> <p contents-hash="6c2e8da3de9af43f7ee5cf3735d2d9c1279c5d5ebfa4110e0bf0e18797e5a935" dmcf-pid="q4vLKLLxC9" dmcf-ptype="general">두산로보틱스가 엔비디아와의 협업을 피지컬 AI 혁신의 중요한 축으로 보는 이유도 데이터와 시뮬레이션에 있다. 오 전무는 실제 산업 공정에서 발생하는 실물 자산 데이터와 엔비디아의 물리 엔진, 시뮬레이션 엔진, AI 인프라가 결합될 때 물리 세계와 가상 세계 사이의 간극을 줄일 수 있다고 봤다. </p> <div contents-hash="92da4d3870d5cab6a1894d8d3bc7775d91661c35e73edc68ac4a68b6e80d3c11" dmcf-pid="B8To9ooMCK" dmcf-ptype="general"> <strong>자본의 공식: 투자자는 ‘팀·데이터 전략·배포-학습 루프’를 본다</strong> <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="4254317486bb4bac457adf6257a87c29974f9af3bbd5aad9ab731f8b4a5d8f8a" dmcf-pid="b6yg2ggRhb" dmcf-ptype="figure"> <p class="link_figure"><img alt="투자 관점에서 피지컬 AI 스타트업은 일반 소프트웨어 기업과 다른 검증 기준을 요구한다. 조 이사는 피지컬 AI 스타트업의 핵심 평가 기준을 팀, 데이터 전략, 디플로이 루프(Deploy Loop·현장 배포와 데이터 재학습의 반복 구조)로 정리했다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202606/19/552816-OGTrtXj/20260619084651914ezla.jpg" data-org-width="1024" dmcf-mid="9GysdssAvw" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202606/19/552816-OGTrtXj/20260619084651914ezla.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 투자 관점에서 피지컬 AI 스타트업은 일반 소프트웨어 기업과 다른 검증 기준을 요구한다. 조 이사는 피지컬 AI 스타트업의 핵심 평가 기준을 팀, 데이터 전략, 디플로이 루프(Deploy Loop·현장 배포와 데이터 재학습의 반복 구조)로 정리했다. (사진=테크42) </figcaption> </figure> <div contents-hash="069c2bc29a0c1b7125516d443858607a0302d2a3c8776e8ce2200111ba45c3f9" dmcf-pid="KPWaVaaeSB" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="dcc38f6cff1052cbee0dd246770784b86eb2b449ad6b8a730d041e2e28544f6a" dmcf-pid="9QYNfNNdyq" dmcf-ptype="general">투자 관점에서 피지컬 AI 스타트업은 일반 소프트웨어 기업과 다른 검증 기준을 요구한다. 조 이사는 피지컬 AI 스타트업의 핵심 평가 기준을 팀, 데이터 전략, 디플로이 루프(Deploy Loop·현장 배포와 데이터 재학습의 반복 구조)로 정리했다. </p> <p contents-hash="7339fc4bd86bdfca3d298af8c65ff841f8df8806a6fedfb0b76f98eaec7d664f" dmcf-pid="2xGj4jjJSz" dmcf-ptype="general">첫째는 팀이다. 로봇 시장에서는 소프트웨어 개발자만으로 제품을 만들기 어렵다. 로봇 하드웨어를 이해하고 제어할 수 있는 팀, AI 모델을 개발할 수 있는 팀, 실제 고객 현장에 솔루션을 배포하고 운영할 수 있는 팀이 함께 필요하다. </p> <p contents-hash="a292de95d9aefbe3db048b4d5e7b9105cd550b7ed8d72d05adbf696a9ce56c87" dmcf-pid="VMHA8AAiv7" dmcf-ptype="general">둘째는 데이터 전략이다. 미국과 중국의 일부 기업처럼 텔레오퍼레이션(Teleoperation·원격 조작) 방식으로 대규모 데이터를 직접 수집하려면 막대한 비용과 시간이 든다. 텔레오퍼레이션은 사람이 원격으로 로봇을 조작하면서 작업 데이터를 쌓는 방식이다. 국내 스타트업이 같은 방식으로 글로벌 선두 기업을 따라잡겠다는 논리만으로는 투자자를 설득하기 어렵다는 의미다. </p> <p contents-hash="f3f8824f0032ee40ff70a76c25896e02f11b0a0f3f95da389fd600f5548fc2c3" dmcf-pid="fZoBWBB3Su" dmcf-ptype="general">조 이사는 합성 데이터(Synthetic Data·인위적으로 생성한 학습 데이터), 시뮬레이션 기반 데이터, 비전 카메라(Vision Camera·이미지·영상 기반 인식 센서)와 다양한 센서 조합 등을 활용해 기존 기업이 쌓아온 경제적 해자(Moat)를 어떻게 우회할 수 있는지를 설명할 수 있어야 한다고 봤다. 바로 디틀로이 루프다. </p> <p contents-hash="2134ac7b6f523ffe3b9ccd26f10d06b3ce97ab68b39cc3a717ee58b6f76e213f" dmcf-pid="45gbYbb0yU" dmcf-ptype="general">“미국이나 중국에서 데이터를 많이 모으고 있지만, 여기에 어마어마한 비용과 시간이 들기 때문에 이를 똑같이 따라 하는 것은 투자자 입장에서 베팅하기 어려운 포인트입니다. 결국 고객의 공정이나 작업 현장에 들어가 데이터를 다시 얻고, 다시 학습해서 다시 디플로이될 수 있는 루프를 만들 수 있어야 본격적으로 시작할 수 있다고 봅니다.” </p> <p contents-hash="ae55f99a982ec639e1f35498e746c03aaff2e3fa76b786f5c541f4d35355597a" dmcf-pid="81aKGKKpSp" dmcf-ptype="general">후속 투자 판단 기준도 성장 단계에 따라 달라진다. 초기 투자 이후에는 처음 세운 알고리즘 가설이 실제 벤치마크(Benchmark·성능 평가 기준)나 기술 난제 해결에서 어느 정도 성능을 보였는지가 중요하다. 이후 단계에서는 기술 고도화가 실제 기업 고객과의 유료 PoC, 후속 PoC 계획, 사업화 일정으로 이어지는지를 본다. 그로스(Growth·성장) 단계에서는 매출, 글로벌 확장, 양산 준비성 같은 숫자가 투자 판단의 핵심 지표가 된다. </p> <div contents-hash="27c738df3c7e859f5ee34e09ae99b8710573453ebc689a92834ae29c25aee59a" dmcf-pid="6tN9H99UW0" dmcf-ptype="general"> <strong>고객의 공식: PoC는 레퍼런스가 아니라 상용화 가능성 검증이다</strong> <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="ff20807893d1debe24c8e6be997bfa772608c4656c5ccc21a30e28f7164f1ab4" dmcf-pid="PFj2X22uy3" dmcf-ptype="figure"> <p class="link_figure"><img alt="피지컬 AI 스타트업이 가장 자주 부딪히는 관문은 PoC다. 많은 스타트업이 대기업과 PoC를 진행했다는 사실을 레퍼런스로 내세우지만, 조 이사는 모든 PoC가 같은 의미를 갖는 것은 아니라고 지적했다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202606/19/552816-OGTrtXj/20260619084653456ecup.jpg" data-org-width="1024" dmcf-mid="2xLQ0QQ9TD" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202606/19/552816-OGTrtXj/20260619084653456ecup.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 피지컬 AI 스타트업이 가장 자주 부딪히는 관문은 PoC다. 많은 스타트업이 대기업과 PoC를 진행했다는 사실을 레퍼런스로 내세우지만, 조 이사는 모든 PoC가 같은 의미를 갖는 것은 아니라고 지적했다. (사진=테크42) </figcaption> </figure> <div contents-hash="02f88a1a86d043a8bc96fa83ce8300d9e718e2659f212117b34c0e64f6e1529e" dmcf-pid="Q3AVZVV7TF" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="3563bc1c8ef8955656b6fbbc9c6875857c08f366e9f21d58464da4051a34f08d" dmcf-pid="x0cf5ffzyt" dmcf-ptype="general">피지컬 AI 스타트업이 가장 자주 부딪히는 관문은 PoC다. 많은 스타트업이 대기업과 PoC를 진행했다는 사실을 레퍼런스로 내세우지만, 조 이사는 모든 PoC가 같은 의미를 갖는 것은 아니라고 지적했다. 중요한 것은 PoC가 어떤 맥락에서 시작됐는지다. 조 이사는 PoC가 상용화로 이어질 수 있는지를 판단할 때 세 가지를 본다고 설명했다. </p> <p contents-hash="6c30513ca5320f05344ab195b40396575fafd4cbda5b91f4faa5fb65dd65ad92" dmcf-pid="yNuCnCCEh1" dmcf-ptype="general">“완전히 예측하기는 어렵지만, 첫 번째로는 PoC가 어떤 상황에서 만들어졌는지를 많이 볼 것 같습니다. 정말 기업에서 로봇 트랜스포메이션의 의지가 있고, 예산이 배분되고 조직이 꾸려진 상태에서 적합한 팀을 찾아 PoC를 했는지를 봅니다. 그리고 실제 작업 현장에서 지속적으로 확보 가능한 데이터를 모을 수 있는 환경인지가 중요합니다. 또 특정 작업에서의 PoC가 그 공정 말고 다른 쪽으로도 전이될 수 있어야 의미 있는 상용화까지 갈 수 있다고 생각합니다.” </p> <p contents-hash="bbb58e5e7cfd0df12c2bfbb6813b35f0d79a150a2c86ccf463ce776b88b7bc9e" dmcf-pid="Wj7hLhhDT5" dmcf-ptype="general">오 전무는 현장에서 피지컬 AI가 필요한 이유를 예외 상황 대응에서 찾았다. 자동화 공정은 계획된 조건에서는 잘 작동하지만, 실제 현장에서는 물품의 상태와 환경이 계속 달라진다. 로봇을 도입했는데 예외 상황이 생길 때마다 멈추고 사람이 수습해야 한다면, 이는 생산성 향상이 아니라 손실로 이어진다. 피지컬 AI가 상용화되면 로봇이 불량품을 인식해 치워달라고 요청하거나, 공정 수행 방식을 바꾸거나, 다른 경로로 작업을 이어가는 방식이 가능해질 수 있다. </p> <p contents-hash="483f67b24af25413a00d7b20961b0ff0a4147a39d81585e14fbf623dc93e661e" dmcf-pid="Yw9WAWWIvZ" dmcf-ptype="general">이 지점에서 고객과 기술, 자본은 하나의 루프로 연결된다. 고객은 실제 문제와 데이터를 제공하고, 기술팀은 이를 학습 가능한 형태로 바꿔 로봇의 판단 능력을 개선한다. 투자자는 이 루프가 반복 가능하고 확장 가능한지를 본다. 결국 피지컬 AI 스타트업의 상용화 공식은 단순히 뛰어난 모델을 만드는 것이 아니라, 고객 현장에서 반복적으로 성능을 개선할 수 있는 구조를 만드는 데 있다. </p> <p contents-hash="9d7132bb0c0471ec479434ef79fb90cab60dc34baf88084f3a3f500b97353423" dmcf-pid="Gr2YcYYClX" dmcf-ptype="general"><strong>정밀 조작과 멀티 에이전트, 한국 제조 생태계가 기회다</strong> </p> <p contents-hash="dda62f4ad386b71e2bedf4cb00addf25464f6d64599c3df5235fd7a1b5100ee0" dmcf-pid="HmVGkGGhTH" dmcf-ptype="general">향후 3~5년 안에 빠르게 상용화될 피지컬 AI 영역에 대해서는 난도에 따라 속도 차이가 있을 것으로 전망됐다. 조 이사는 물류 피킹(Picking·물품 집기)처럼 상대적으로 정밀도가 낮은 작업은 먼저 확산될 수 있지만, 장기적으로는 사람의 손기술에 가까운 덱스터리티(Dexterity·손재주 또는 정밀 조작 능력)가 더 큰 기술 프리미엄을 만들 것이라고 봤다. </p> <p contents-hash="f4e818b0216880241017029e9427f7499b6a5828fc57d8ff3fcde117fcf6aaf2" dmcf-pid="XsfHEHHllG" dmcf-ptype="general">피지컬 AI에서 가장 어려운 영역은 로봇이 사람처럼 손을 사용해 다양한 물체를 다루는 능력이다. 이동이나 보행은 강화학습(Reinforcement Learning·보상 기반 학습)과 모방학습(Imitation Learning·사람의 행동을 따라 배우는 학습)을 통해 빠르게 발전하고 있지만, 케이블을 뽑거나, 물체를 접거나, 미세한 힘을 조절하는 작업은 여전히 높은 기술 장벽이 남아 있다. </p> <p contents-hash="36580a32a4d3d77adfe911d75e566dbb66cce04574c947e8a412c6f118806830" dmcf-pid="ZO4XDXXShY" dmcf-ptype="general">“빠르게 상용화될 부분은 조금 더 덜 어려운 부분이 아마 더 빠를 것 같습니다. 현재 피지컬 AI에서 제일 어려워하는 것은 손기술, 그러니까 덱스터리티가 높은 것들이거든요. 이동에 대한 것들은 어느 정도 정리가 되어 가고 있지만, 산업 현장에서 필요한 자동화가 되지 않는 대부분의 일들은 손에 대한 것들입니다. 스타트업에서 혁신을 뚫어내는 것은 결국 덱스터리티 높은 것들을 어떻게 제어하느냐에서 굉장히 큰 프리미엄이 올 것이라고 생각합니다.” </p> <p contents-hash="d1b99c2c7fea3f75f2724bd0bb6f37b2fd46d307ae860bf1c333772b1fd9aafd" dmcf-pid="5I8ZwZZvSW" dmcf-ptype="general">오 전무는 협동로봇(Collaborative Robot·사람과 같은 공간에서 함께 작업하도록 설계된 로봇)에 AI가 접목되면 적용 범위가 단순 작업을 넘어 공정 전체로 확장될 수 있다고 봤다. 두산로보틱스가 가진 강점은 정밀 공정이다. 산업용 가스터빈 블레이드 가공, 선박 용접 등 정교한 결과물을 요구하는 작업에서 로봇이 역할을 수행할 수 있다면, 피지컬 AI는 단일 로봇 팔의 자동화 수준을 넘어 여러 로봇이 협력하는 구조로 발전할 수 있다. </p> <p contents-hash="244bb527f352d9a763c27416fe8a7c4c188b37b24de8f22acf7caf02141df6d2" dmcf-pid="1C65r55Thy" dmcf-ptype="general">여기서 핵심 개념은 멀티 에이전트(Multi-Agent·여러 AI 주체가 역할을 나눠 협업하는 구조)와 오케스트레이션(Orchestration·여러 시스템이나 에이전트를 조율해 하나의 공정을 완성하는 방식)이다. 생성형 AI 분야에서 하나의 에이전트가 단일 작업을 수행하는 단계를 넘어 여러 에이전트가 협업하는 구조가 등장했듯, 피지컬 AI에서도 하나의 로봇 팔이 아니라 여러 로봇과 도구가 역할을 나눠 하나의 공정을 완성하는 방향으로 발전할 수 있다는 설명이다. 이어 오 전무가 언급한 하네스(Harness)는 AI 시스템이 실제 작업을 수행하도록 실행·검증·통제하는 틀에 가까운 개념으로, 여기서는 여러 로봇과 에이전트가 산업 공정 안에서 안정적으로 작동하기 위한 기반을 가리킨다. </p> <p contents-hash="587877f7ad39d92bf4e97ef5afe4ae3472e504956d0bf22345cd654b8b397359" dmcf-pid="thP1m11yCT" dmcf-ptype="general">스타트업과의 협력 가능성도 열려 있다. 오 전무는 두산로보틱스가 모든 기술을 직접 할 수는 없기 때문에 생태계 차원의 협력이 필요하다고 언급했다. 매니퓰레이터(Manipulator·로봇 팔 또는 조작 장치)를 넘어 이동성, 다양한 도구, 공정별 소프트웨어를 만드는 스타트업이 함께 가치를 만들 수 있다는 것이다. 로봇에 필요한 툴(Tool·작업 도구)과 이를 제어하는 소프트웨어는 피지컬 AI 생태계에서 중요한 사업 기회가 될 수 있다. </p> <p contents-hash="5648a078c776ffc7ce6833d27cd28c5de7a098ee2cb97543e8a8669d696c3a36" dmcf-pid="FlQtsttWTv" dmcf-ptype="general">토론의 마지막 메시지는 국내 스타트업에 대한 자신감이었다. 조 이사는 한국이 숙련된 작업자, 제조 현장, 데이터, 우수한 연구자, 반도체와 메모리 생태계를 갖춘 나라라는 점을 강조했다. 미국에서 이미 피규어(Figure) 등 대형 피지컬 AI 스타트업이 주목받고 있지만, 제조 기반과 데이터 접근성을 갖춘 한국이나 일본에서도 피지컬 AI 분야의 ‘챗GPT 모먼트(ChatGPT Moment·기술이 대중적 전환점을 맞는 순간)’가 나올 수 있다는 관측이다. </p> <div contents-hash="d4f00e5d614a1302fc233861a1c05159019e6de4e185f7749f2a03fb7f9111f2" dmcf-pid="3QYNfNNdCS" dmcf-ptype="general"> 오 전무 역시 기존 로봇 기업의 관성이 오히려 새로 출발하는 스타트업에는 기회가 될 수 있다고 봤다. 물리 기반 제어 알고리즘과 기존 시스템 구조를 전환해야 하는 기존 기업과 달리, 초기 팀은 처음부터 AI 중심 구조로 제품과 조직을 설계할 수 있다는 이유에서다. <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="7f34d8dd21cbb92001e936c1e287cd0e7f14f214ebf581b0467358e3ca07e53b" dmcf-pid="0xGj4jjJhl" dmcf-ptype="figure"> <p class="link_figure"><img alt="토론의 마지막 메시지는 국내 스타트업에 대한 자신감이었다. 패널들은 한국이 숙련된 작업자, 제조 현장, 데이터, 우수한 연구자, 반도체와 메모리 생태계를 갖춘 나라라는 점을 강조했다. 미국에서 이미 피규어(Figure) 등 대형 피지컬 AI 스타트업이 주목받고 있지만, 제조 기반과 데이터 접근성을 갖춘 한국이나 일본에서도 피지컬 AI 분야의 ‘챗GPT 모먼트(ChatGPT Moment·기술이 대중적 전환점을 맞는 순간)’가 나올 수 있다는 관측이다. (이미지=AI로 생성)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202606/19/552816-OGTrtXj/20260619084655131ypfc.png" data-org-width="1024" dmcf-mid="VczlollwyE" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202606/19/552816-OGTrtXj/20260619084655131ypfc.png" width="658"></p> <figcaption class="txt_caption default_figure"> 토론의 마지막 메시지는 국내 스타트업에 대한 자신감이었다. 패널들은 한국이 숙련된 작업자, 제조 현장, 데이터, 우수한 연구자, 반도체와 메모리 생태계를 갖춘 나라라는 점을 강조했다. 미국에서 이미 피규어(Figure) 등 대형 피지컬 AI 스타트업이 주목받고 있지만, 제조 기반과 데이터 접근성을 갖춘 한국이나 일본에서도 피지컬 AI 분야의 ‘챗GPT 모먼트(ChatGPT Moment·기술이 대중적 전환점을 맞는 순간)’가 나올 수 있다는 관측이다. (이미지=AI로 생성) </figcaption> </figure> <div contents-hash="29e0cb589f7f6c401292c9f4373f54c959f15376b75a2807e8e55eb9eb5d8337" dmcf-pid="pMHA8AAiCh" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="fcf64aa1caed6b73d8628376f0a7da9af3d6a57a30af70f56c68b6b5523dbb18" dmcf-pid="URXc6ccnhC" dmcf-ptype="general">“지금 제로에서 시작하는 분들한테는 너무나 큰 기회라고 생각이 듭니다. 기존 로보틱스 영역에 계신 분들은 다이내믹스 엔지니어링이나 물리적인 기반의 제어 알고리즘 같은 큰 짐을 지고 있는 것 같아요. 지금 새롭게 시작하시는 분들은 그런 저항감 없이 조직이 AI를 도입해서 만들 수 있지 않을까 생각합니다. 피지컬 AI에 대한 모먼트는 아직 시작도 안 됐기 때문에, 지금 스타트한다고 해서 늦었다고 절대 생각하지 않으셨으면 좋겠습니다.” </p> <p contents-hash="56de7604f4a2c8d3c33a9387bfe8c93adbb62ece7505d73d9b8d255ae607f605" dmcf-pid="ueZkPkkLWI" dmcf-ptype="general">토론을 종합해보면, 피지컬 AI의 상용화 조건은 기술, 자본, 고객의 연결로 압축된다. 기술은 데이터와 시뮬레이션, 옵저버빌리티를 통해 현실 세계의 예외를 흡수해야 하고, 자본은 팀과 데이터 전략, 배포-학습 루프를 통해 확장 가능성을 판단한다. 고객 현장에서 반복적으로 성능을 개선하는 구조가 만들어질 때, 피지컬 AI는 ‘움직이는 AI’라는 구호를 넘어 산업 현장의 생산성을 바꾸는 상용화 단계로 진입할 수 있다. </p> <p contents-hash="343362dfd54e68cc76711851f9200ae85e5d1e522046a34ef9e43cd16bb61f98" dmcf-pid="7d5EQEEoyO" dmcf-ptype="general">저작권자 © Tech42 - Tech Journalism by AI 테크42 무단전재 및 재배포 금지</p> </section> </div> 관련자료 이전 전남대병원·화순전남대병원, 최대 규모 ‘씽크’ 구축…디지털 전환 가속화 06-19 다음 e스포츠 재단, EWC 다큐 ‘레벨 업’ 시즌2 공개 06-19 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
