피지컬 AI 세상은 통신망부터...산업 현장서 AI기지국 실증
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] 피지컬 AI가 산업 현장으로 확산되면서 통신망의 역할도 달라진다. 로봇이 수집한 영상과 센서 데이터를 빠르게 전달하고, 로봇 내부에서 처리하기 어려운 AI 연산을 가까운 네트워크의 컴퓨팅 자원과 나눠 수행하는 기술이 개발돼야 하기 때문이다. 국내에서는 정유공장과 조선소 등을 대상으로 AI 기반 무선접속망(AI-RAN) 실증이 시작됐고, 해외에서도 이동통신망을 피지컬 AI의 연산 인프라로 활용하려는 시도가 이어지고 있다. 대표적인 사례로 과학기술정보통신부와 한국지능정보사회진흥원(NIA)은 172억 규모의 하이퍼 AI 네트워크 기반조성 사업에 착수했다. SK텔레콤과 KT가 각각 컨소시엄을 구성해 5G 단독모드(SA)와 AI-RAN 기술을 산업시설에 적용하는 내용이다. 구체적으로 산업용 로봇의 이동과 작업 과정에서 필요한 통신 성능을 검증하고 AI 연산자원을 네트워크에 분산하는 기술의 시험이 포함됐다. 정유공장·조선소에 AI 기지국, 산업용 로봇 실증 실증 대상은 로봇 작업 특성과 현장 환경에 따라 나뉜다. SK인천석유화학에서는 사족보행 로봇을 활용한 위험지역 순찰, KG모빌리티 공장에서는 무인 자율이송을 시험한다. HD현대삼호 조선소에서는 로봇을 활용한 용접과 도장 작업을 검증한다. 작업 환경은 각기 다른 현장이지만 로봇이 수집한 정보를 외부로 전송하고 이동 중에도 통신을 유지해야 한다는 공통점이 있다. 정유공장 순찰 로봇은 위험지역 영상을 실시간으로 전달해야 하고, 자율이송 로봇은 이동 경로와 장애물 정보를 지속적으로 처리해야 한다. 조선소의 용접 도장 로봇도 작업 상태에 따라 안정적인 통신이 요구된다. 정부는 이같은 현장 실증에서 상향 전송 속도와 지연시간, 지연 변동 폭을 비롯해 AI 기반 네트워크 자율 운용 성능을 검증한다. 삼성전자와 에치에프알, 에릭슨, 노키아 등 여러 제조사의 장비와 CPU, GPU 연산자원을 활용해 산업 현장에 적합한 통신망 구성을 시험한다. 위즈코어가 에치에프알, 한국전자기술연구원, 로보티즈 등과 함께 현대제철 당진 열연공장에서는 특화망과 AI-RAN을 결합해 로봇과 통신장비, AI 연산 기능을 연계하는 기술을 검증하고 있다. 기존 이동통신망과 AI-RAN의 연동을 위한 기술 검증도 진행되고 있다. LG유플러스와 연세대는 엔비디아 GPU 기반 AI-RAN 시험망과 기존 5G망을 연동해 서로 다른 네트워크 영역 사이의 연결성을 확인했다. AI-RAN이 별도 시험망에 머무르지 않고 기존 이동통신 인프라와 함께 운용될 수 있는지 검증한 사례다. 시장조사업체 옴디아의 레미 파스칼 수석애널리스트는 한국의 이같은 AI-RAN 실증을 두고 “산업용 AI 구현에서 정부기관이 기존 통신망 최적화 사업보다 더 큰 역할을 할 수 있다”며 “제조업 기반과 산업 자동화 역량을 갖춘 국가에서 이러한 접근법이 특히 의미가 있다”고 평가했다. 글로벌 시장에서도 '피지컬AI+네트워크' 검증 해외에서도 AI 연산과 무선망 기능을 결합해 피지컬 AI를 지원하려는 실증이 진행되고 있다. 미국 T모바일은 엔비디아, 노키아와 AI-RAN 기반 분산형 엣지 인프라에서 피지컬 AI 응용 서비스를 검증하고 나섰다. 기지국과 통신국사에 배치된 컴퓨팅 자원을 활용해 도시 교통과 전력설비, 산업현장의 영상을 분석하는 방식이다. 지멘스에너지 등 산업 분야 기업도 관련 기술의 활용 가능성을 평가하고 있다. 일본 소프트뱅크는 에릭슨과 로봇 AI 연산을 외부 네트워크로 분산하는 기술을 검증했다. 로봇의 작업 상태와 연산 요구에 따라 기기 내부에서 AI를 처리하거나 인접한 모바일 엣지 컴퓨팅(MEC) 자원으로 이전하는 방식이다. 이 과정에서 네트워크 슬라이싱과 데이터 전송 우선순위 제어를 활용해 로봇의 작업에 필요한 통신 품질을 제공하도록 했다. AI 연산을 외부로 옮기는 데 그치지 않고 로봇의 상태에 맞춰 통신망까지 함께 제어하는 기술이다. 최근에는 피지컬 AI의 연산을 클라우드와 엣지, 단말에 분산하기 위한 기술 구조도 제시됐다. 세계 최대 통신장비 회사인 화웨이는 최근 열린 '화웨이커넥트 2026'에서 중국과학원 선양자동화연구소와 로봇의 실시간 제어와 현장 데이터 처리, 전체 시스템 최적화를 구분하고 작업 특성에 따라 연산자원을 배분하는 구조에 대한 연구보고서를 발표했다. 로봇 연산 나눠 맡는 통신망...상향 전송·지연 관리가 관건 국내외에서 AI-RAN과 엣지 컴퓨팅을 결합하는 배경에는 로봇 자체의 연산 능력과 전력에 한계가 있다는 점을 꼽고 있다. 피지컬 AI는 카메라와 센서로 주변 환경을 인식하고 사물의 위치와 움직임을 판단해 실제 동작을 수행한다. 고성능 AI 모델을 로봇 내부에서 모두 실행하려면 상당한 연산 능력이 필요하지만 이동형 로봇은 배터리 용량과 발열, 무게에 제약이 있다. 외부 컴퓨팅 자원을 활용하면 로봇 내부의 연산 부담을 줄일 수 있다. 다만 먼 거리에 있는 클라우드에 데이터를 보내면 통신 지연이 늘어날 수 있어 가까운 엣지에서 처리하는 방식이 대안으로 거론된다. 로봇이 수집한 정보를 네트워크의 AI 연산자원으로 보내고 처리 결과를 다시 전달받는 구조다. 마이크로소프트리서치는 피지컬 AI 로봇 추론 연구에서 “로봇 내부 GPU에서만 AI 추론을 실행하면 로봇의 성능과 배터리 수명, 확장성이 제한될 수 있다”며 “AI 추론을 엣지나 클라우드의 GPU로 분산하면 상당한 이점을 얻을 수 있다”고 평가했다. AI 모델의 처리 속도와 함께 기존 네트워크 트래픽 관리를 뒤집어야 하는 점도 짚어야 할 점이다. 기존 모바일 서비스는 영상과 콘텐츠를 내려받는 하향 전송에 무게가 실렸지만 피지컬 AI는 로봇의 카메라와 센서에서 발생하는 데이터를 외부로 보내는 상향 전송 수요가 큰 점을 네트워크 설계에서 고민해야 한다. AI-RAN은 이러한 요구에 대응하기 위해 무선망 자체에도 AI를 적용한다. AI로 무선 신호를 복원하거나 채널 상태를 예측해 전송 품질을 개선하는 동시에, 기지국 주변의 컴퓨팅 자원으로 외부 AI 서비스의 연산을 지원하는 방식이다. 로봇과 통신망, AI 시스템이 하나의 작업을 나눠 수행하려면 서로 다른 장비가 정보를 교환하는 기준도 중요해진다. 한국전자통신연구원(ETRI)은 지난 9월 국제전기통신연합 전기통신표준화부문(ITU-T)의 체화 AI 포커스그룹에서 피지컬 AI 관련 표준화 과제 2건을 제안해 승인받았다. 이 가운데 제조 분야 과제는 카메라 영상과 로봇 위치, 온도와 압력 등 여러 정보를 함께 처리하기 위한 기술 요구사항을 다룬다. 로봇과 제조설비, AI 시스템의 협업에 필요한 데이터 처리와 시스템 연계 기준을 마련하는 작업이다.
