피지컬 AI 현황과 주요 이슈: SPRi 포럼이 정리한 기술·비용·노동·규제 쟁점

핵심 메시지

• 피지컬 AI 시장은 2023년 127억 달러에서 2030년 약 1,247억 달러 규모로 성장할 것으로 전망되며, 물류·리테일을 넘어 헬스케어·농업·국방까지 적용 범위가 넓어지고 있다.
• 발표는 피지컬 AI를 휴머노이드형, 자율주행차형, 드론형, 공장에서 쓰이는 AGV·AMR형 네 가지로 구분한다.
• 가장 큰 기술 장벽은 시뮬레이션과 현실의 격차다. 마찰력·중력·관성은 물론 온도와 습도까지 실제 환경에서 극복해야 할 변수가 많다.
• 모건스탠리 자료를 인용해 장기적으로 미국 내 직업의 약 75%, 근로자의 약 40%가 휴머노이드에 대체될 수 있다는 전망이 제시됐다.
• 정책 과제는 산업 확산과 신뢰 거버넌스 두 축으로 제시됐다. 피지컬 AI 특화 파운데이션 모델의 국산화와, 킬 스위치 같은 인간 통제권 확보가 함께 강조됐다.

쉽게 이해하기

소프트웨어정책연구소(SPRi) AI정책연구실의 이해수 선임연구원이 제64회 SPRi 포럼에서 피지컬 AI의 현황과 주요 이슈를 발표했다. 발표는 연구소가 2025년 5월 펴낸 「피지컬 AI 현황과 시사점」 이슈 리포트를 바탕으로 한다. 지능이 물리적 실체를 갖는 단계로 넘어가고 있다는 문제의식에서 출발해, 기술 지형과 그에 따라오는 사회적 과제를 함께 다뤘다.

발표자는 피지컬 AI가 부상한 배경을 세 가지로 좁혔다. 첫째는 AI 기술 자체의 발전으로, 강화학습을 넘어 실시간·자율적 학습이 가능해지고 있다는 점이다. 둘째는 조선·농업·의료·물류 등 거의 모든 산업에서 핵심 기술로 자리 잡고 있다는 점, 셋째는 노동력 부족 같은 사회구조 변화가 수요를 견인한다는 점이다. 실제 사례로는 미국 스타트업 피규어(Figure)의 휴머노이드가 BMW 자동차 생산 공정에 배치돼 인체공학적으로 부담이 큰 작업을 맡고 있는 경우가 소개됐다.

핵심 기술은 네 갈래로 정리됐다. 지능적 의사결정을 담당하는 AI 알고리즘은 텍스트뿐 아니라 음성·이미지·3D 공간 데이터까지 함께 처리하는 멀티모달 방향으로 가고 있고, 구글은 로봇에 특화된 VLA 모델을 개발해 배포하고 있다. 여기에 물리 환경을 인식하는 컴퓨터 비전과 센서, 안정적이지 않은 환경에서도 작동해야 하므로 클라우드를 넘어 엣지 컴퓨팅으로 확장되는 네트워크 인프라, 그리고 실제 동작을 만들어내는 제어와 액추에이터가 더해진다.

이슈는 여섯 갈래로 제시됐다. 기술적 한계(시뮬레이션-현실 격차, 배터리와 에너지 효율, 액추에이터 내구성), 비용, 노동시장 불안정, 법제·윤리 공백, 정보보안 리스크, 그리고 지정학적 경쟁이다. 비용 측면에서는 테슬라처럼 고성능 부품과 전문 인력에 상당한 자본이 드는 방식과 대비해, 중국 유니트리가 2,130만 원대 모델과 800만 원대 가정용 R1을 내놓으며 가격 경쟁이 심화될 것으로 전망됐다.

지정학 경쟁은 이미 본격화됐다. 미국은 2009년부터 로보틱스 로드맵을 네 차례 개선해 왔고 NSF·국방부 차원의 투자와 데이터센터·전력 인프라를 겨냥한 대형 프로젝트를 추진 중이다. 중국은 10년 전 시작한 「중국 제조 2025」에서 첨단 로봇을 우선 과제로 삼았고 베이징시를 중심으로 산업발전기금을 조성했다. EU는 기술 혁신과 사회적 책임을 병행하며, 휴머노이드를 일률적으로 고위험군으로 묶는 대신 인간과의 협업 가능성 등을 따져 분류하는 접근을 취하고 있다. 한국은 피지컬 AI를 국가전략기술에 포함하고 K-휴머노이드 연합과 피지컬 AI 얼라이언스를 출범시켰다.

주요 인사이트

• 발표자는 산업 확산의 출발점으로 “우리가 잘하는 분야”를 꼽는다. 물류와 제조처럼 이미 산업 데이터가 충분히 축적된 영역에 먼저 적용하는 것이 현실적인 전략이라는 것이다.
• 기술 자립의 범위가 모델에만 머물지 않는다. 피지컬 AI에 특화된 파운데이션 모델의 국산화와 함께, 액추에이터·센서·모터 같은 부품까지 자체 개발 역량을 갖춰야 한다는 점이 강조됐다.
• 생성형 AI에서 익숙한 블랙박스 문제는 피지컬 AI에서 더 커진다. 카메라·라이다·초음파·마이크 등 다양한 센싱으로 방대한 데이터를 모으는 만큼 보안 관점의 공격 표면이 넓어지고, 판단의 추적은 더 어려워진다. 그래서 설명 가능한 AI(XAI) 확보가 개발 단계의 과제로 제시됐다.
• 법적 책임의 주체가 운영자인지 개발자인지 제조사인지 아직 불분명하다는 점이, 자율주행차 사례처럼 앞으로도 계속 쟁점이 될 것으로 지적됐다.
• 규제 일변도가 아니라 자유롭게 테스트하고 사업화할 수 있는 테스트베드 지원, 그리고 대학·특성화대학원·재교육을 아우르는 인력 양성이 함께 가야 한다는 점이 정책 제언에 포함됐다.

자주 묻는 질문

관련 AI 소식