"한국형 제조특화 로봇이 美·中 패권 뚫을 무기...피지컬 GPT 선도해야"
올해로 인공지능(AI)이 세상에 등장한 지 70년이 됐습니다. 디지털 세상에서 인류의 지식과 정보를 언어로 학습한 생성형 AI가 이제 물리 세상을 체험하기 위해 나올 채비를 마쳤습니다. 이름하여 피지컬(Physical) AI. 휴머노이드 로봇, 자율주행차, 다크팩토리, 헬스케어 등이 대표적입니다. 챗GPT에 이은 피지컬 AI는 첨단제조 강국인 한국 경제를 더 혁신적이고 지속 가능한 성장엔진으로 바꿔 놓을 무한한 잠재력까지 갖고 있습니다. 산업화를 넘어 미래 지능형 플랫폼 사회로 나아가는 관문도 피지컬 AI에 달려 있다고 해도 과언이 아닙니다. 예측불허의 AI 시대, 우리는 무엇을 준비해야 할까요. 창간 26주년을 맞은 지디넷코리아가 연중기획 '피지컬AI가 미래다'를 통해 당면 과제와 이슈를 고민합니다. 많은 관심과 조언 부탁드립니다. [편집자주] "인공지능(AI) 다음 물결은 피지컬 AI(Physical AI)다." 얼마 전 한국을 방문했던 세계 시총 1위(7422조원) 기업 엔비디아 젠슨 황 CEO는 제2의 AI 혁명으로 피지컬 AI를 지목했다. 피지컬 AI는 오랜동안 인류가 꿈꿔왔던 세상이다. 로봇이 사람을 대신해 공장에서 부품을 옮기고, 각종 모듈을 용접하고 조립한다. 또 집안 거실에서 식탁을 정리하고 빨래를 개는 등 가사일을 돕는다. 사족보행 로봇 개가 반려견 산책을 시키는 풍경도 낯설지 않다. 마라톤, 체조, 복싱, 축구 등 스포츠 경기에서 로봇이 인간의 한계를 뛰어 넘는 기록에 도전한다. 전세계가 '피지컬 AI'에 주목하고 있는 가운데 한국에서도 휴머노이드 기반의 지능 플랫폼을 개발해 로봇 공학의 챗GPT 시대를 열고자 하는 인물이 있다. 바로 지난 30여년 동안 AI의 진화를 지켜본 컴퓨터공학자이자 AI 전문가 장병탁 교수(63)다. 장 교수는 현재 AI와 로봇 분야를 오가며 학계와 산업계를 동시에 이끌고 있다. 그는 대학 3학년때 우연히 접한 인간의 뇌를 닮은 인공 신경망(ANN) 논문 한편을 보고 사람처럼 생각하고 행동하는 로봇 개발에 푹 빠져버렸다. AI 단어 조차 생소했던 1980~90년대. 장 교수에게 인간의 뇌 신경망에서 영감을 받아 데이터를 학습하고 패턴을 인식하는 기계 학습 모델을 만들수 있을까라는 주제는 무척이나 흥미로웠다. 그래서 독일로 갔다. 그는 빌헬름 본 대학교에서 인공지능 박사 학위를 받았다. 구글 자율주행차(Waymo)의 아버지이자 구글 X의 공동 설립자로 잘 알려진 인공지능 및 로봇공학 전문가인 스탠포드대 세바스찬 스런(Sebastian Thrun) 교수가 독일 유학 시절 같이 공부했던 동기생이다. 당시 인공신경망 분야는 학계에서도 메인 스트림은 아니었다. 너무 먼 미래의 이야기였다. 그는 1997년부터 서울대 컴퓨터공학부 교수로 재직하면서 AI연구실을 처음 만들어 '몸을 가진 지능' 연구를 해 왔다. 현재는 서울대 헬스케어AI연구원장과 K-휴머노이드 연합 위원장, 로봇용 범용 AI 플랫폼을 개발하는 투모로우로보틱스 대표를 겸임하고 있다. "지난 70년의 AI 역사를 살펴볼 때 과거 60년의 변화보다 최근 10년 동안 인류가 이룬 성과가 훨씬 큽니다. 한국이 단순 로봇 생산국이 아니라, 지능 플랫폼을 선도하는 국가로 나아가야 합니다. 지금은 하드웨어가 아니라 소프트웨어, 그 중에서도 '실시간 물리작업을 수행하는 AI 플랫폼'을 누가 장악하느냐의 싸움입니다." 장병탁 교수는 글로벌하게 도래한 피지컬 AI 시대 속에 한국은 새로운 도약의 기회를 맞고 있으며 조금 더 과감한 투자와 실행에 속도를 내야 한다고 조언한다. 장 교수는 "정부가 전체 로봇 생태계를 조성하면서 빠른 속도로 정책을 추진하는 건 잘 하고 있는 점"이라면서 "다만 피지컬 AI를 개발하는 데 막대한 자금이 들어가는 만큼 좀 더 적극적인 재정 지원이 필요합니다"라고 강조했다. 이어 "미국은 초거대 자본을 무기로 '플랫폼 독점'을 노리고 있고, 중국은 저가 물량 공세로 '공급망 장악'에 나선 모습"이라며 "이에 맞서 한국은 세계 최고의 제조업 인프라를 활용한 '제조·산업 특화 휴머노이드'를 개발하고 있습니다"라고 말했다. 그러면서 "이에 따라 정부는 산업 현장 데이터를 확보하는 '데이터 팩토리' 사업을 기획·추진하고 있습니다"라고 덧붙였다. 다만 한국이 글로벌 'AI 3강'으로 도약하기 위해선 먼저 보수적인 투자 문화와 전문 인재 부족이라는 생태적 약점을 극복해야 한다고 지적했다. 그는 "실리콘밸리식 대담한 자본 투자를 통해 핵심 인재를 확보하고, 국내의 우수한 반도체·배터리·디스플레이 산업을 하나로 긴밀히 엮어내야 합니다"라고 조언했다. 나아가 "스타트업만으론 로봇 제조에 어려움을 겪을 수 있습니다. 삼성전자와 현대차 같은 대기업이 '로봇 파운드리'를 담당할 필요도 있습니다"라고 강조했다. 장 교수는 한국 정부의 AI 정책에 A 마이너스(-) 점수를 줬다. -지난 수십년 간 AI를 연구해 왔는데, 30년 전과 지금을 비교하면 AI는 어느 정도 성장했다고 보고 있나요. "AI 역사는 정확히 70년입니다. '인공지능'이라는 말이 (미국 다트머스 회의에서)만들어진 게 1956년이고, 실제로는 1950년에 이미 앨런 튜링이 그런 아이디어를 냈죠. 그런데 70년 역사로 봐도 내가 보기엔 지난 10년의 발전이 과거 60년보다 훨씬 큽니다." -퀀텀 점프에 가깝다는 말인가요. "맞아요. 기술계에서는 대략 2012년 무렵, 알파고 전후에 일어났어요. 딥러닝이 모든 걸 완전히 바꿔 놓았죠. 예전에는 사람이 머리를 써서 코딩을 하고, 사람이 아는 지식을 규칙(룰 베이스)으로 만들어 기계에 넣었습니다. 지금은 그게 아니라 AI가 스스로 학습합니다. 데이터를 통째로 주고 '강아지는 1, 고양이는 0' 식으로 정답만 가르쳐 주면 나머지는 기계가 알아서 합니다. 그게 신경망이고, 발전한 형태가 트랜스포머에요. 어떻게 보면 AI가 옛날 방식에 머물던 AI 연구자들의 자리를 먼저 없앤 셈이 됐네요." -신경망 기반 학습이 왜 하필 이 시점에 폭발한 건가요? "세 가지가 맞물렸다고 봅니다. 인터넷이 생기면서 데이터가 많아졌고, 컴퓨팅 파워가 좋아졌고, 딥러닝이라는 알고리즘이 나왔어요. 신경망은 뇌처럼 병렬 처리를 해야 하는데 그걸 GPU(그래픽처리장치)가 해줍니다. 고전적 AI가 CPU(중앙처리장치) 기반의 로직·룰 베이스였다면, 신경망은 한꺼번에 병렬로 처리하죠. CPU로는 100만번 반복할 일을 GPU는 한 번에 하는 것과 같아요." -요즘 온세상이 '피지컬 AI'로 핫합니다, 피지컬 AI가 무엇인가요. "지금까지 생성형 AI는 인터넷에 이미 디지털화된 데이터(주로 언어 텍스트, 기껏해야 정지 이미지)로 학습했습니다. 피지컬 AI는 그것이 물리적 세계로 넘어온 것으로 이해하면 됩니다. (사람처럼) 몸을 갖고, 센서와 액추에이터를 통해 현실을 인식합니다. 대표적 예가 로봇이고, 자율주행차도 포함됩니다. 제조·전통 산업 현장에서 온도·습도·카메라 영상 같은 것을 센싱하는 것도 피지컬 데이터에요. 인간으로 치면 오감인데, 아직 그 감각들이 충분히 데이터화되지 않았습니다. 지금 AI는 텍스트와 약간의 사진만 보고 나머지 감각 정보는 다 무시하고 있는 셈입니다." 美·中 패권 전쟁 사이 낀 韓, 제조 특화 로봇으로 극복해야 -미국·중국·일본이 피지컬 AI를 핵심 산업으로 키우고 있어요. 각 나라별 접근 방식의 차이가 보이는데, 어떻게 구분해서 봐야 하나요. "미국은 엄청난 자본이 강점이자 경쟁력입니다. 실례로 스탠퍼드에서 학생들 한 13명 데리고 창업했는데 초기 투자로 6000억원을 받은 적이 있어요. 회사 가치가 벌써 유니콘 기업인 거죠. 피지컬 AI를 실현시키기 위해선 모든 데이터를 다 모아서 학습시켜야 하고 이는 엄청난 자본이 필요합니다. 미국은 이게 가능한 게 무기에요. 그래서 미국은 거대 자본을 바탕으로 피지컬AI 산업에서도 '플랫폼'을 추구하고 있어요. 초거대 AI 모델 다음으로 피지컬 파운데이션 모델, 말하자면 '피지컬 GPT'를 노리는 거죠. 엔비디아는 물론이고 테슬라조차 휴머노이드를 하나의 'AI 플랫폼'으로 봅니다. 중국은 명확히 양산·속도전에 강합니다. 온갖 로봇을 만들어 많이 뿌리고 가격을 낮춰 공급망을 장악하는 방식이죠. 그러나 춤추고 쇼하는 건 잘하지만 무거운 걸 들거나 실제 작업을 시키긴 아직 어려운 것도 사실이에요." -그럼 한국은 어떤 방향에서 접근해야 하나요. "미국처럼 거대 자본을 무조건 따라갈 수도 없고, 중국처럼 국가가 양으로 밀어붙이기도 어렵습니다. 대신 우리나라는 비교적 명확한 측면이 있어요. 바로 제조 인프라가 강합니다. 제조업 현장에서 데이터를 학습해 산업 특화 휴머노이드(기타 제조 로봇)를 만들어야 합니다. 현장에 휴머노이드를 설치해 사람이 하는 일을 가르쳐야 하고, '가르친다'는 건 곧 데이터를 모은다는 뜻입니다. 내가 팔을 움직이면 로봇 팔이 그대로 따라 하는 식으로 코딩이 아니라 내 행동을 그대로 데이터로 만들어 학습시키는 겁니다. 글 한 페이지를 그대로 다시 생성하도록 학습시키는 것과 기술적으로 비슷합니다. 시뮬레이션, 디지털 트윈, 웨어러블 같은 방법을 보완적으로 같이 사용해 데이터를 모아야 합니다. 제조업 기반이 튼튼하니 거기서 먼저 데이터를 확보해 '제조 특화 로봇(휴머노이드)'를 만들고, 이를 범용으로 키워 글로벌 수출 시장까지 가야 한다고 생각합니다." -우리나라가 'AI 3강'이 될 수 있을까요. "아직 (피지컬AI 산업은)초기여서 가능성이 열려 있습니다. 잘 적응하면 AI든, 로봇이든 진짜 3강을 노릴 수 있어요. 경쟁력·기술력·산업 현장, 무엇보다 변화에 대한 적응력과 사회적 수용성을 어느정도 갖추고 있습니다. 다만 크게 투자해 끌고 가야 하는데...진짜 국가적 전환기라고 생각합니다." -우리나라 투자·생태계의 약점은 무엇이라고 보는지요. "적극적 투자가 아직은 부족합니다. 성공 경험이 없으니 보수적일 수밖에 없겠죠. 제조업 문화로만 성장해 와서 '왜 저렇게 크게 투자하나'라고 생각하는데, 실리콘밸리는 큰 투자로 좋은 인재를 뽑고, 그 인재가 엔지니어링으로 현실화하는 선순환이 자리 잡고 있어요. 유럽의 작은 회사도 처음부터 글로벌 시장을 봅니다. 미국은 학생들이 회사 인턴으로 와서 큰 시스템을 경험하고 산업화도 빠릅니다. 우리는 이런 생태계가 아직 부족해요." -그렇다면 현재 우리나라 피지컬 AI 산업이 경쟁력을 갖고 확장하는데 가장 필요한 정책이 무엇인가요. "우선 자금이 더 크게 투자돼야 좋은 인재를 끌어들일 수 있습니다. AI 인력도 모자란데 로봇까지 더한 피지컬 AI는 기계공학과 컴퓨터공학을 동시에 아는 인재가 필요해 더 부족한 측면이 있어요. 다행히 요즘 대학원생들이 로봇을 중요한 새 분야로 인식해 지원이 늘고 있어요. 이들을 빨리 교육해야 합니다. 또 휴머노이드에 들어가는 엣지용 NPU(신경망처리장치), 디스플레이, 배터리, 센서 등을 하나의 생태계로 엮어서 성장시켜야 합니다. 다행히 산업통상부가 이런 식으로 방향을 잡고 추진하고 있습니다." -정부의 AI 산업 정책을 점수로 매긴다면 몇 점을 줄 있을까요. "못하지는 않아요(웃음). 큰 틀과 방향을 잡고 빨리 시작해 'A-' 정도는 줄 수 있어요. 수요 기업·하드웨어 회사·AI 회사를 한데 묶는 기획은 우리나라에 맞게 참 잘하고 있어요. 다만 좀 더 통 크게, 확확 밀어붙이는 추진력이 필요해요. 특히 삼성·현대차 같은 대기업이 더 나서줘야 합니다. 예컨대 '로봇 파운드리'가 필요할 수 있어요. 스타트업이 혼자 로봇을 만들기엔 경쟁력이 부족할 수 있어요. 현대차 같은 곳이 새만금 등에 만드는 걸 산업부와 논의 중인 것으로 알고 있어요." '데이터 팩토리' 승부수 -정부 차원에서 좀 더 역점을 두고 있는 피지컬 AI 정책이 있나요. "산업부가 피지컬 AI에 필요한 현실 세계 데이터를 생산하고 모으는 '데이터 팩토리' 사업을 기획하고 있습니다. 로봇 제조사(레인보우로보틱스·로보티즈·두산 등 하드웨어), 수요 기업(예: 물류회사), AI 기업을 한데 묶어 수요·공급을 패키지로 만드는 생태계 방식이에요. 이미 K-휴머노이드 연합에서 R&D(연구개발) 과제로 진행 중입니다. 이게 우리나라다운, 나름의 엣지가 있는 한국형 피지컬 AI 모델이라고 생각해요. LLM(거대언어모델)은 30년간 인터넷에 쌓인 데이터로 학습했지만, 피지컬 AI는 아직 그런 데이터가 없어 이제 막 모으기 시작하는 단계라 데이터 팩토리가 꼭 필요합니다." -그럼 데이터 팩토리 사업의 구체적인 방향은 정해졌나요. 정부 주도로 센터를 만들어 데이터를 뿌리는 건지, 흩어진 기업 데이터를 연합·취합하는 건가요. "아직 확정적으로 정해진 건 없어요. 다만 정부가 직접 하기보다 마중물 역할을 하고 민간에 맡기는 방향으로 갈 것 같아요. 이미 한 대기업은 데이터 팩토리 사업을 하려는 의지가 있기도 해요. 대기업이 큰 걸 만들고 정부가 지원해 중소기업도 함께 같이 키우고 공유하게 만드는 식입니다. 정부가 데이터를 다 모아 공유한다는 건 비현실적이에요. 다들 자기 데이터를 안 주려고 하니까 그래요. 이 때문에 데이터 자체는 생성 기업이 보유하고 학습된 모델(웨이트)만 공유하는 '페더레이티드 러닝(연합 학습)' 같은 방식도 거론되기도 합니다." -작년 미국의 '제네시스 미션' 같은 시도도 진행 중인가요. "네 우리도 공공 R&D 데이터를 다 모아보려는 시도를, 법제화까지 염두에 두고 국가과학기술위원회 등에서 논의 중입니다. 생명과학·의학뿐 아니라 산업용 데이터를 모으는 프로젝트 얘기가 나오고 있어요. 다만 데이터를 제공하는 회사도 혜택(베네핏)이 있어야 해서 모델을 찾고 있어요." 휴머노이드 상용화 기대보다 빠를 수 있어 -현대차는 내후년 2028년 미국 공장에 휴머노이드를 투입하겠다고 하는데, 가능성을 어떻게 보는지요. "AI는 이미 언어 세계에 있는 모든 지식을 학습했어요. 그런데 비디오(영상) 데이터는 아직 갈 길이 멀어요. 그러나 특정 물류 창고에서 일을 하는 휴머노이드는 거기(물류 창고)에서 발생한 데이터를 학습시키면 이건 못할 이유가 없어요. 그래서 휴머노이드 세상이 빨리 올 수 있다 생각하고, 대신 그 영역은 제한적일 것 같아요. 또 지금은 가격이 비싸지만 양산하면 가격이 많이 떨어질 거에요. 테슬라가 100만 대 규모로 대량 생산한다면 자동차 만들 듯이 부품 가격이 떨어져 2만5000~3만 달러 수준도 가능하다고 봐요. 테슬라나 현대차 정도면 마음만 먹으면 할 수 있고, 새로운 시장·사업이니 의지도 있다고 봐요." -국내 제조현장에서 한국형 휴머노이드의 여러 실증 사례들이 많이 있을 거 같은데요. "며칠 전에도 아모레퍼시픽 물류 현장에서 데모 시연을 진행했어요. 보통 15명이 포장 라인에서 하는 작업을, 휴머노이드 한 대가 사람 한 명 몫을 대체하는 걸 PoC(개념검증)로 확인했어요. 바로 '서너 명 분으로 늘려보자'는 얘기가 나오더라구요. 한 대가 사람 한 명을 대체하니 라인 전체로 확장하면 10대 규모가 될 수 있고, 적어도 한 대로도 ROI(투자자본수익률)가 나오게 만들 여지가 보였습니다." 피지컬 AI, 공간 상식 필요…로봇파운데이션모델·월드모델 개발해야 -피지컬 AI가 디지털 AI보다 본질적으로 어려운 이유는 무엇인가요. "문제는 불확실성입니다. AI는 결국 불확실성을 다루는 일인데, 디지털은 '닫힌 세계'이고 물리 세계는 '열린 세계'에 비유할 수 있어요. 바둑·게임은 딥마인드가 다 풀었는데, 그건 복잡해도 닫힌 세계인 거죠. 현실은 길을 가다 다리가 무너질 수도 있는, 예측 불가능한 세계에요. 게다가 내가 물건을 잡아 옮기면 배경도, 문제 자체도 실시간으로 달라집니다(동역학). 그래서 향후 휴머노이드는 직관적으로 미래를 예측하며 스스로 빠르게 판단해야 합니다." -그래서 '월드모델'이 필요하다는 건가요. "그렇죠. 사람은 처음 온 공간도 한 번 오면 그 공간에 대한 일종의 지도가 생겨요. 엘리베이터가 어디 있고 화장실이 어디 있는지 순간적으로 알아차립니다. 사람은 공간에 대한 상식이 있는데 AI에겐 아직 그런게 없어요. 그게 '공간 지능'이고 '월드모델'입니다. 휴머노이드가 청소만 하려 해도 '쓰레기통은 보통 책상 밑에 있다' 같은 상식이 필요해요. 그러려면 실세계의 가능한 공간을 다 경험해 봐야 하죠." 투모로로보틱스, 선도기술 확보해 외산 피지컬 AI 의존도 낮출 것 -이제 조금 개인적인 질문으로 넘어가겠습니다. 직접 설립한 투모로로보틱스의 목표와 비전은 무엇인가요. "K-휴머노이드 등에서 우리가 만든 파운데이션 모델을 국내 하드웨어 기업에 제공하고, 현장 데이터를 수집·학습·운영하는 소프트웨어를 개발하는 것이 목표에요. 핵심 플랫폼은 '하빌리스 콘솔'과 '하빌리스 브레인'인데, 브레인이 핵심 파운데이션 모델입니다. 데이터를 수집하고, 학습시키는 일을 옛날에는 SI(시스템 통합) 회사들이 사람을 사서 손으로 했는데 우리는 이걸 AI가 해야 한다고 생각합니다. AI가 이 모든 일을 자동적으로 수행하는 소프트웨어를 개발하고 있습니다." -올해 가시적인 성과가 나오나요. "초기 파운데이션 모델인 '하빌리스 알파(α)'와 '하빌리스 베타(β)'를 논문과 함께 공개했고, 제대로 된 상용화 버전 '하빌리스 제로'가 올해 안에 나올 예정이에요. 이를 다른 회사들도 활용하게 해서 글로벌한 플랫폼, 엔비디아 같은 데 종속되지 않도록 하는 게 목적이기도 해요." -엔비디아가 미래 AI 시대를 주도적으로 설계하고 있는데, 종속 우려를 없나요. "엔비디아는 기본적으로 자사 칩을 계속 쓰게 만들어 수요를 창출하고 있어요. CUDA(쿠다) 같은 소프트웨어로 사람들이 GPU를 쓸 수밖에 없게 만드는 걸 정말 잘하는 거 같아요. 옛날 인텔도 그랬죠. 그래서 우리가 적어도 피지컬 AI 플랫폼의 대안을 가지고 있어야 한다고 생각해요. 대안이 없으면 나중에 가격까지 마음대로 책정당하며 종속될 수 밖에 없어요. 지금 피지컬 AI는 LLM으로 치면 2017년쯤의 초기 단계라, 처음부터 종속되면 헤어나오기 어려워요. 이런 의미에서 K-휴머노이드 연합이나 우리 생태계는 일종의 '소버린' 시도와도 같아요." 장병탁 교수 1963년생 경북 문경 출생 1982 홍대부고 졸업 1986 서울대 공대 컴퓨터공학과 졸업 1988 서울대학교 대학원 컴퓨터공학 석사 1992 독일 Bonn대학교대학원 컴퓨터공학 박사 1995 독일국립정보기술연구소 연구원 1997 건국대학교 컴퓨터공학 조교수 1997 ~ 2006 서울대 공대 컴퓨터공학부 조교수, 부교수 2006 ~ 현 서울대 공대 컴퓨터공학부 교수 2022 ~ 현 투모로로보틱스 대표 2026 ~ 현 K-휴머노이드 연합 위원장
